L2 MIASHS Examen d’Analyse et probabilité

Documents et appareils électroniques interdits Durée 2h

Nom Prénom No

Exercice 1. Soit p ∈]0, 1[, X et Y des variables aléatoires discrètes dont la loi jointe est donnée par le tableau
suivant.

X \Y 0 1 2
-1 p/2 p2 0
0 0 p 1/2 − p2
1 1/2 − 2p 0 p/2

(1 point) Pour quelle(s) valeur(s) de p le tableau ci-dessus définit-il une loi de probabilité ?
La somme des valeurs dans le tableau est égale à 1, il suffit donc que tous les termes soient positifs. Toute valeur
p ∈ [0, 1/4] est admissible.
(1 point) Déterminer la loi marginale de X.

P(X = −1) = p/2 + p2 , P(X = 0) = 1/2 + p − p2 , P(X = 1) = 1/2 − 3p/2 .

(1 point) Déterminer la loi marginale de Y .

P(Y = 0) = 1/2 − 3p/2 , P(Y = 1) = p + p2 , P(Y = 2) = 1/2 + p/2 − p2 .

(1 point) Les variables X et Y sont-elles indépendantes ?

Non car P(X = 0, Y = 0) = 0 ̸= P(X = 0)P(Y = 0) puisque ces deux dernières quantités ne sont pas nulles
pour p ∈ [0, 1/4].
(1 point) Calculer E[Y | X = −1]. Puisque Y prend les valeurs 0, 1, 2 et P(Y = 2 | X = −1) = 0, on a
p
E[Y | X = −1] = P(Y = 1 | X = −1) = .
1/2 + p

Exercice 2. (3 points) Soit (un )n∈N une suite décroissante à valeurspdans [0, 1] et telle que la série de terme général
u2n soit convergente. Montrer que la série de terme général vn = 1 + (−1)n un − 1, n ≥ 1, est convergente.

Par un développement limité, on a

p (−1)n un
1 + (−1)n un − 1 = + O(u2n ) .
2
La suite un est décroissante et elle tend vers 0 puisque la série de terme général u2n est convergente. Donc la série
de terme général (−1)n un est alternée et donc convergente. La série de terme général u2n est absolument conver-
gente, donc la série de serie de terme général vn est la somme de deux séries convergentes, donc convergentes.
Mais on ne peut pas affirmer qu’elle est absolument convergente.
n2 +1
Exercice 3. (2 points) Déterminer le rayon de convergence de la série entière de coefficients un = e 2n+1 , n ≥ 0.

Le rayon de convergence est e−1/2 car

n2 +1 1+n−2
lim u1/n
n = lim e n(2n+1) = lim e 2+n−1 = e1/2 .
n→∞ n→∞ n→∞
Exercice 4. Soit p ∈]0, 1[ et X, Y deux variables aléatoires indépendantes telles que

P(X = n) = P(Y = n) = p(1 − p)n , n ≥ 0 .

P3 P3
(2 point) P(X = 3) = i=0 P(X = i)P(Y = 3 − i) = i=0 p(1 − p)i p(1 − p)3−i = 4p2 (1 − p)3 .
(1 point) P(X + Y = 3 | X = 2) = P(Y = 1) = p(1 − p).
(1 point) Calculer P(X = 2 | X + Y = 3). Par la formule de Bayes :

P(X + Y = 3 | X = 2)P(X = 2) p(1 − p)p(1 − p)2 1

P(X = 2 | X + Y = 3) = = = .
P(X + Y = 3) 2
4p (1 − p) 3 4

x(1−p)2
Exercice 5. Soit p ∈]0, 1[ et f la fonction f (x) = (1−px)2
.

(2 points) Prouver qu’il existe une variable aléatoire X dont la fonction génératrice soit égale à f sur [0, 1]. On
développe f en série entière. Pour x ∈ [0, 1], on a
 ′ ∞
!′ ∞ ∞
x(1 − p)2 1 x(1 − p)2 X x(1 − p)2 X n n−1 X
f (x) = = pn x n = np x = n(1 − p)2 pn−1 xn .
p 1 − px p p
n=0 n=1 n=1

La fonction f est développable en série entière avec des coefficients positifs et f (1) = 1, donc il existe une
variable aléatoire X telle que f soit la fonction génératrice de X sur [0, 1].

(1 point) En déduire P(X = 0) et f ′′′ (0). P(X = 0) = 0, f ′′′ (0) = 18(1 − p)2 p2

(1 point) Calculer E[X]. Indication : utiliser la fonction f .

2p(1 − p)2 2p 1+p

E[X] = f ′ (1) = 1 + =1+ = .
(1 − p)3 1−p 1−p

Exercice 6. Soit X une variable aléatoire d’espérance m et de variance σ 2 et soit Y une variable aléatoire
d’espérance a et de variance v 2 .

(1 point) Calculer E[2X − 3Y ]. Par linéarité de l’espérance, E[2X − 3Y ] = 2E[X] − 3E[Y ] = 2m − 3a.
(1 point) Calculer E[Y 2 ]. Par définition de la variance, E[Y 2 ] = var(Y ) + (E[Y ])2 = v 2 + a2 .
(1 point) On suppose X et Y indépendantes. Calculer var(2X − 3Y ) Par indépendance, on a

var(2X − 3Y ) = 4var(X) + 9var(Y ) = 4σ 2 + 9v 2 .

(1 point) On suppose cov(X, Y ) = σv/2. Calculer var(2X − 3Y ).

var(2X − 3Y ) = 4σ 2 + 9v 2 − 12cov(X, Y ) = 4σ 2 + 9v 2 − 6σv .

(1 point) On suppose var(2X − 3Y ) = (2σ − 3v)2 . Calculer cov(X, Y ).

4var(X) + 9var(Y ) − var(2X − 3Y ) 4σ 2 + 9v 2 − (2σ − 3v)2

cov(X, Y ) = = = σv .
12 12