Université de Haute-Alsace Mardi 14 mai 2019

Licence de mathématiques Durée 3 heures

Examen de probabilités
Documents et calculatrices non autorisés

Question de cours
Soit (Xn )n≥0 une suite de variables aléatoires réelles dénies sur un espace probabilisé (Ω, F, P ),
et X une variable aléatoire réelles dénies sur ce même espace. Donner la dénition de la
convergence en probabilité de la suite (Xn )n≥0 vers X .

Exercice 1
1. Combien y a-t-il de suites strictement croissantes (xi )1≤i≤5 à valeurs dans {1, 2, 3, 4, 5, 6, 7, 8} ?
2. Combien y a-t-il de suites croissantes (xi )1≤i≤5 à valeurs dans {1, 2, 3, 4, 5, 6, 7, 8} ?
On donnera les résultats sous forme d'entiers.
Corrigé
1. Une suite strictement croissante (xi )1≤i≤5 à valeurs dans {1, 2, 3, 4, 5, 6, 7, 8} s'identie à une
partie à 5 éléments de l'ensemble {1, 2, 3, 4, 5, 6, 7, 8}. Il y a donc C85 = 56 suites strictement
croissantes.
2. Une suite croissante (xi )1≤i≤5 à valeurs dans {1, 2, 3, 4, 5, 6, 7, 8} est une combinaison avec
répétition, qui s'identie au choix de 5 points (ou 7 barres) dans 12 cases, comme dans
l'exemple ci-dessous qui code la suite 1, 4, 4, 5, 7.

• | | | • • | • | | • |

Il y a par conséquent C12

5
= 792 suites croissantes.

Exercice 2
Soit (X, Y, Z)une suite indépendante de variables aléatoires réelles dénies sur un espace
probabilisé (Ω, F, P ). On suppose que ces trois variables sont à valeurs dans N, que X a pour
loi la loi de Poisson de paramètre 4, P4 , que Y a pour loi la loi géométrique de paramètre 43 ,
G3/4 et que Z a pour loi la loi de Poisson de paramètre 41 , P1/4 ,
1. Calculer P (X = Y ).
2. Calculer E(2X ).
3. Calculer E(Z!).
Corrigé
 1.
X
P (X = Y ) = P (X = n, Y = n)
n≥0
X
= P (X = n)P (Y = n)
n≥0
n
−4 4 3 3
X
= e (1 − )n
n≥0
n! 4 4
3 X 1
= e−4
4 n≥0
n!
3
= e−3 .
4

2.
n
n −4 4
X
X
E(2 ) = 2 e
n≥0
n!
X 8n
−4
=e
n≥0
n!
= e4 .

3.
n
−1/4 (1/4)
X
E(Z!) = n!e
n≥0
n!
X 1
−1/4
=e ( )n
n≥0
4
1
= e−1/4
1 − 1/4
4
= e−1/4 .
3

Exercice 3
Soient X et Y des variables aléatoires réelles indépendantes, dénies sur un espace proba-
bilisé (Ω, F, P ). La variable X admet pour densité l'application f (x) = 41 x1[1,3] ; la variable Y
est à valeurs dans {0, 1} et vérie P (Y = 0) = 32 et P (Y = 1) = 31 .
1. Déterminer la fonction de répartition F de X .
2. Déterminer la médiane de X.
3. Déterminer la fonction de répartition G de la variable X + Y .
4. Déterminer une densité de la variable X + Y . Vérier que l'aire sous le graphe de cette
densité est égale à 1.
Corrigé
1. La fonction de répartition F de X vérie
- F (t) = 0 si t ≤ 1
- F (t) = 1 si t ≥ 3
- si t ∈ [1, 3] F (t) = 1t 14 xdx = t 8−1 .
R 2

2. Puisque F est continue, un réel µ est une médiane de X s'il vérie

1 µ2 − 1 1 √
F (µ) = ⇐⇒ = ⇐⇒ µ2 = 5 ⇐⇒ µ = 5,
2 8 2
puisque µ ∈ [1, 3].
3. Pour tout réel t
P (X + Y ≤ t) = P (X + Y ≤ t, Y = 0) + P (X + Y ≤ t, Y = 1)
2 1
= P (X ≤ t, Y = 0) + P (X1 ≤ t, Y = 1) = P (X ≤ t) + P (X ≤ t − 1).
3 3
(a) si t ≤ 1 G(t) = 0
(b) si 1 ≤ t ≤ 2 (⇒ t − 1 ≤ 1) G(t) = 2 t2 −1
3 8
1 (t−1)2 −1
(c) si 2 ≤ t ≤ 3 (⇒ 1 ≤ t − 1 ≤ 2) G(t) = 2 t2 −1
3 8 + 3 8
1 (t−1)2 −1
(d) si 3 ≤ t ≤ 4 (⇒ t ≥ 3, 2 ≤ t − 1 ≤ 3) G(t) = 2
3 + 3 8
(e) si 4 ≤ t G(t) = 1.
4. On vérie facilement que G est continue et de classe C 1 sur {1, 2, 3, 4}c . La variable X + Y
admet donc une densité h donnée par
- h(x) = 0 si x ∈ {1, 2, 3, 4}c ∪] − ∞, 1] ∪ [4, +∞[
- si 1 < x < 2 h(x) = G0 (x) = 61 x
- si 2 < x < 3 h(x) = G0 (x) = 16 x + 121 (x − 1) = 3x−1
12
- si 3 < x < 4 h(x) = G (x) = 12 (x − 1).
0 1

Exercice 4
Soient X et Y des variables aléatoires réelles telles que le couple (X, Y ) admet la densité
2 }.
2 2
1
h(x, y) = 2π exp{− x +y
On considère l'application ϕ de R2 dans R2 dénie par
∀(x, y) ∈ R2 ϕ(x, y) = (3x + 2y, 2x + 2y).
1. On pose (U, V ) = ϕ(X, Y ). Déterminer la densité du couple (U, V ).
2. Déterminer la densité de la variable V .
Corrigé
  
3 2
1. L'application linéaire ϕ a pour matrice M =   qui est aussi sa matrice jacobienne ; le
2 2
jacobien est donc l'application constant égale à 2. L'application réciproque de ϕ est donnée
par ϕ−1 (u, v) = (u − v, 21 (3v − u)). Le couple (U, V ) = ϕ(X, Y ) admet donc une densité g
donnée par
1 −1 1 1 (u − v)2 + 41 (3v − 2u)2
g(u, v) = h(ϕ (u, v)) = exp{− }
2 2 2π 2
1 1 1 13
= exp{− (2u2 − 5uv + v 2 )}.
2 2π 2 4
2. La variable V a pour densité
Z +∞ Z +∞
1 1 1 1 13
f (v) = g(u, v)du = exp{− (2u2 − 5uv + v 2 )}du.
2 −∞ 2 −∞ 2π 2 4
On remarque que
5 5 25 5 25
2u2 − 5uv = 2(u2 − uv) = 2[(u − v)2 − v 2 ] = 2(u − v)2 − v 2 .
2 4 16 4 8
En conséquence
Z +∞
1 1 1 5 25 13
f (v) = exp{− 2(u − v)2 − v 2 + v 2 ]}du
−∞ 2 2π 2 4 8 4
Z +∞
1 1 1 13 25 1 5
= exp{− ( − )v 2 } exp{− 2(u − v)2 ]du
2 2π 2 4 8 −∞ 2 4
1 1 1 v2
Z +∞
1 1 2 dx √ 5
= √ exp{− ( )} √ exp{− x } √ ( 2[u − v] = x)
2 2π 2 8 −∞ 2π 2 2 4
1 1 v2
= √ √ exp{− }.
2 2 2π 2×8
On reconnait la densité de la loi N (0, 8).

Exercice 5
1. Soit X une variable aléatoire réelle de loi N (0, 1). Déterminer la densité de la variable eX .
2. Soit (Y, Z) un couple indépendant de variables aléatoires réelles, Y suivant la loi U(0, 1) et
Z suivant la loi U(0, 2). Calculer E(Y sin(πY Z)).
Corrigé
1. L'application ϕ(x) = ex de R dans ]0, +∞[ est un C ∞ diéomorphisme de dérivée (ou
de façon équivalente de jacobien) ex , et de réciproque ϕ−1 (u) = ln(u). Le théorème de
changement de variable montre que la variable eX admet sur ]0, +∞[ la densité
1 −1/2 ϕ−1 (u)2 1 ln(u)2
h(u) = (2π) exp{− } = √ exp{− }.
eϕ−1 (u) 2 u 2π 2
2
La densité de eX sur R est hR (u) = √1
u 2π 2 }1]0,+∞[ (u).
exp{− ln(u)
 2.
Z
E[Y sin(πY Z)] = Y sin(πY Z)dP
Z
= y sin(πyz)dP(Y,Z) (y, z)
Z Z
= y sin(πyz)dPY (y)dPZ (z)
Z Z
= [ y sin(πyz)dPZ (z)]dPY (y)
Z1 Z2
1
= [ y sin(πyz)dz]dy
2
0 0
Z1
1 cos(πyz) 2
= [− ]0 dy
2 π
0
Z1
1 1
= − [cos(2πy) − 1]dy
2 π
0
1 1
=− [ sin(2πy) − y]10
2π 2π
1 sin(2π)
= − 2[ − 1]
2π 2π
1
= .
2π

Exercice 6
On considère deux variables aléatoires réelles indépendantes X et Y , dénies sur un espace
probabilisé (Ω, F, P ) et à valeurs dans R. On suppose que la loi de la somme X + Y est une
mesure de Dirac δa , a ∈ R.
R hR i
1. Montrer que R Ω (X(ω) + y) dP (ω) dPY (y) = E (X + Y )2 = a2 .
2
 

2. Montrer qu'il existe un élément y ∈ R tel que E (X + y)2 < +∞.

 

3. Montrer que les variables X et Y sont de carré intégrable.

4. Calculer V (X + Y ), puis déterminer les lois des variables X et Y .
Solution
1. On a d'une part par transfert sur X + Y
Z Z Z
E (X + Y )2 = 2 2
z 2 d(δa )(z) = a2 .
 
(X + Y ) dP = z dPX+Y (z) =
 D'autre part par transfert sur (X, Y ), puis par transfert inverse sur X
Z
E (X + Y )2 = (X + Y )2 dP
 
Z
= (x + y)2 dP(X,Y ) (x, y)
Z Z
= (x + y)2 dPX (x)dPY (y)
Z hZ i
2
= (x + y) dPX (x) dPY (y)
Z hZ i
2
= (X(ω) + y) dP (ω) dPY (y).

R hR i
2. Puisque l'intégrale en y (X + y) dP dPY (y) est nie, il existe au moins un réel y pour
2

lequel l'intégrale (X + y)2 dP = E (X + y)2 est nie.

R  

3. Dire que l'intégrale E (X + y)2 est nie signie que X + y ∈ L2 . Comme les applica-
 

tions constantes sont des élément de l'espace vectoriel L2 , la variable X est un élément de
L2 . Semblablement Y est aussi un élément L2 . En conséquence les variables X et Y sont
intégrables.
4. Comme dans la première question
Z Z Z
E(X + Y ) = (X + Y )dP = zdPX+Y (z) = zd(δa )(z) = a.

On en déduit que
 h i2
2
V (X + Y ) = E (X + Y ) − E(X + Y ) = a2 − a2 = 0.


Par indépendance V (X + Y ) = V (X) + V (Y ) = 0, d'où V (X) = V (Y ) = 0. On sait que

ceci entraine qu'il existe des réels b et c tels que X = b ps et Y = c ps. La loi de X est donc
le mesure de Dirac en b et celle de Y la mesure de Dirac en c.
 Loi Support Densité Espérance Variance
δa a ∈ R {a} a 0
B(n, p) n ∈ N∗ 0 ≤ p ≤ 1 [0..n] Cnk pk (1 − p)n−k np np(1 − p)
Pλ λ > 0 N e−λ λn /n! λ λ
Gp 0 < p < 1 N p(1 − p)n (1 − p)/p (1 − p)/p2
Gp∗ 0 < p < 1 N∗ p(1 − p)n−1 1/p (1 − p)/p2
Ua,b a < b [a, b] (b − a)−1 1[a,b] (a + b)/2 (b − a)2 /12
Eλ 0 < λ [0, ∞ [ λe−λx 1[0,+∞[ λ−1 λ−2
(x−m) 2
2
N (m, σ ) m ∈ R σ > 0 R √ 1 e− 2σ2 m σ2
2πσ

N.B. 1) Aucun point ne sera attribué à une réponse qui n'est pas soigneusement justiée.
2) On admettra les questions que l'on ne sait pas résoudre.