L2 MIASHS Préparation à l’Examen d’Analyse et probabilité

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

x
La fonction x 7→ 1−x est croissante donc la suite |vn | est décroissante. De plus la suite un tend vers 0 puisque
la série de terme général u2n est convergente. Donc la série de terme général vn est alternée et donc convergente.
On ne peut savoir si elle est absolument convergente ou non.
n +12
Exercice 2. (2 points) Déterminer le rayon de convergence de la série entière de coefficients un = log( 2n+1 )

On a un = log(n) + log(1 + 1/n2 ) − log(2 + 1/n), donc

un+1 log(n + 1) + log(1 + 1/(n + 1)2 ) − log(2 + 1/(n + 1))

= →1.
un log(n) + log(1 + 1/n2 ) − log(2 + 1/n)

Le rayon de convergence est donc 1.

Exercice 3. Soit n un entier strictement positif fixé et X, Y deux variables aléatoires indépendantes telles que
1
P(X = k) = P(Y = k) = , 0≤k≤n.
n+1

(2 point) Calculer P(X + Y = 3). La variable X + Y prend toutes les valeurs entières 0 et 2n. Si 2n ≤ 3, i.e.
n = 1, alors P(X + Y = 3) = 0. Si n ≥ 2, par la formule des probabilités totale,
3
(
X 2
si n = 2 ,
P(X = 3) = P(X = i)P(Y = 3 − i) = 9 4
i=0 (n+1)2
si n ≥ 3 .

(1 point) Calculer P(X + Y = 3 | X = 2). Par indépendance de X et Y ,

1
P(X + Y = 3 | X = 2) = P(Y = 1 | X = 2) = P(Y = 1) = .
n+1

(1 point) Calculer P(X = 2 | X + Y = 3). Par la formule de Bayes :

(
1
P(X + Y = 3 | X = 2)P(X = 2) si n = 2 ,
P(X = 2 | X + Y = 3) = = 2
P(X + Y = 3) 1
4 si n ≥ 3 .

Exercice 4. Soit c ∈ R et f la fonction f (x) = c(1 + x) log(1 + x) − c(1 − x) log(1 − x).

(2 points) Prouver qu’il existe une valeur de c telle que f soit la fonction génératrice d’une variable aléatoire X.
On développe f en série entière. Pour x ∈ [0, 1], on a

X ∞
c
f ′ (x) = c log(1 + x) − c log(1 − x) , f ′′ (x) = 2
=c x2n .
1−x
n=0

On note que f (0) = f ′ (0) = 0 d’où

∞
X ∞
X
x2n+1 x2n+2
f ′ (x) = c , f (x) = c .
2n + 1 (2n + 1)(2n + 2)
n=0 n=0

f est développable en série entière avec des coefficients positifs. Pour que f soit la fonction génératrice d’une
variable aléatoire, il faut de plus que f (1) = 1, soit c = 1/2 log(2).
 2 1
(1 point) En déduire P(X = 1) et f ′′ (0). P(X = 1) = f ′ (0) = 0, f ′′ (0) = (2×2+1)(2×2+2) = 15 .

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

E[X] = lim f ′ (x) = +∞ .

x→1
x<1

Exercice 5. Soit X, Y, Z trois variables indépendantes de même loi binomiale B(2, p).

(1 point) Calculer E[X − 3Y Z]. Par linéarité de l’espérance et indépendance de Y et Z, on a

E[X − 3Y Z] = E[X] − 3 − E[Y ]E[Z] = 2p − 12p2 .

(1 point) Calculer E[(X + Y )2 ]. Par définition de la variance, par indépendance de X et Y et par linéarité de
l’espérance, on a

E[(X + Y )2 ] = var(X + Y ) + (E[X + Y ])2

= var(X) + var(Y ) + (E[X] + E[Y ])2 = 4p(1 − p) + 16p2 = 4p + 12p2 .

(1 point) Calculer var(XY Z) Par définition de la variance et indépendance de X, Y et Z, on a

var(XY Z) = E[X 2 ]E[Y 2 ]E[Z 2 ] − (E[X]E[Y ]E[Z])2

= {var(X) + (E[X])2 }3 − (E[X])3 = (2p(1 − p) + 4p2 )3 − (2p)6
= 8p3 (1 + p)3 − (8p3 )2 = 8p3 (1 + 3p + 3p2 + p3 − 8p3 ) = 8p4 (1 + 3p + 3p2 − 7p3 ) .

(1 point) On ne suppose plus que X et Y sont indépendantes mais on sait que var(2X + 2Y ) = 16p. Calculer
cov(X, Y ).

var(2X + 2Y ) − 4var(X) + 4var(Y ) 16p − 16p(1 − p)

cov(X, Y ) = = = 2p2 .
8 8

Exercice 6. 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 1/4 0
0 0 p 1/4
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 p/2 + 1/4 + p + 1/4 + 1/2 − 2p + p/2 = 1. Il suffit donc que tous les termes soient positifs.
Toute valeur p ∈ [0, 1/4] est donc admissible.

(1 point) Déterminer la loi marginale de X. X prend les valeurs −1, 0, 1. On a

p 1 1 1 − 3p
P(X = −1) = + , P(X = 0) = p + , P(X = 1) = .
2 4 4 2
La somme des trois valeurs vaut bien 1.
(1 point) Déterminer la loi marginale de Y .
1 − 3p 1 1 p
P(Y = 0) = , P(Y = 1) = + p , P(Y = 2) = + .
2 4 4 2
On peut remarquer que Y a même loi que 1 − X.

(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 cov(X, Y ).
p 1 1 − 3p 1 3
E[X] = − − + = −2p + , E[Y ] = 1 − E[X] = + 2p ,
2 4 2 4 4
1
E[XY ] = 2P(X = 1, Y = 2) − P(X = −1, Y = 1) = p − ,
4
1 1 3 3 1 42 7
cov(X, Y ) = p − + (2p − )(2p + ) = 4p2 + p + p − − = + 2p − .
4 4 4 16 4 p 16

(1 point) Calculer E[Y | X = 0]. Puisque Y prend les valeurs 0, 1, 2, on a

2 1
E[Y | X = −1] = P(Y = 1 | X = 0) + 2P(Y = 2 | X = 0) = p + =p+ .
4 2