Modélisation stochastique Id2 Semestre 3

Enseignant : Y.Amiroune année : 2023–2024

SÉRIE D’EXERCICES N◦ 4

Exercice 1 : Soit (X, Y ) un couple de variables aléatoires réelles à densité sur R2 tel que :
- X suit une loi Γ(2, λ) (de densité fX (x) = λ2 xe−λx 1x≥0 ),
- la loi conditionnelle de Y sachant X est la loi uniforme sur le segment [0, X] (ou,  en d’autres
1
termes, la densité conditionnelle de Y sachant que X = x est fY |X=x (y) = x 10<y<x .
(1) Déterminer la densité de (X, Y ) ainsi que la loi de Y .
(2) Calculer la densité conditionnelle de X sachant Y .
(3) Calculer les quantités suivantes :
(a) E[Y | X],
(d) E[E[Y | X]],
(b) E[X | Y ],
(c) E[X + XY | Y ],
(e) E[XY ] (on pourra utiliser le fait que E X 2 = λ62 ).
 

Exercice 2 : On se donne deux variables aléatoires réelles positives X et Y ,

on suppose que E[X | Y ] = Y et E[Y | X] = X.
1. Montrer que si X et Y sont dans L2 , alors X = Y p.s..
2. On se place maintenant dans le cas général. Montrer que X = Y en remarquant que, pour tout
a ≥ 0, on a
E [X1X≤a ] = E [Y 1X≤a ] .

Exercice 3 : Soit (Ω, F, P) un espace probabilisé, et G une sous-tribu de F. On considère deux variables
aléatoires X et Y telles que
   
E(Y | G) = X et E X2 = E Y 2

1. Calculer Var(Y − X | G).

2. En déduire Var(Y − X).
3. Que peut-on en déduire sur la relation entre X et Y ?

Exercice 4 : (Memento)
1. On dit que la variable aléatoire discrète X suit une loi géométrique de paramètre p ∈]0, 1[
si X est à valeurs dans N∗ , avec P(X = k) = p(1 − p)k−1 .
Soit n ∈ N, déterminer P(X > n). Montrer que X vérifie la propriété suivante, dite d’absence de
mémoire :
∀(m, n) ∈ N2 P(X > n + m | X > m) = P(X > n).

2. Rappeler la densité d’une loi exponentielle de paramètre λ > 0, ainsi que sa fonction de réparti-
tion.
Montrer que X vérifie :
∀t ≥ 0, ∀s ≥ 0 P(X > t + s | X > t) = P(X > s),
c’est-à-dire la propriété d’absence de mémoire.
3. Application : la durée de vie T en années d’une télévision suit une loi exponentielle de moyenne

1
 8 ans. Vous possédez une telle télévision depuis 2 ans, quelle est la probabilité que sa durée de vie
soit encore d’au moins 8 ans à partir de maintenant ?

Exercice 5 : Soit X et Y deux variables aléatoires discrètes à valeurs dans N. On suppose que X ∼
P(λ), loi de Poisson de paramètre λ > 0. On suppose que, pour tout entier n > 0, la loi de Y
sachant X = n est la loi binômiale B(n, p) ; et que Y = 0 si X = 0.
1. Donner la loi jointe du couple aléatoire (X, Y ).
2. Montrer que Y suit une loi de Poisson de paramètre pλ.
3. Montrer que :
((1 − p)λ)n−k
∀n ≥ k ≥ 0 P(X = n | Y = k) = e−(1−p)λ ,
(n − k)!
c’est-à-dire que, sachant Y = k, X suit une loi de Poisson translatée. En déduire E[X | Y = k] et
de façon générale que : :

E[X | Y ] = Y + λ(1 − p)
4. Application : à un embranchement routier, le nombre X de véhicules arrivant en une heure suit
une loi de Poisson P(100) (hypothèse courante dans ce genre de situation). Les véhicules ont alors
le choix entre deux directions A ou B : ils choisissent A avec la même probabilité 1/3, et ce de façon
indépendante. Sachant qu’en une heure, on sait simplement que 100 voitures ont pris la direction
A, quel est le nombre moyen de voitures qui sont passées par l’embranchement ?

Exercice 6 : (Couple aléatoire)

xn
Rappels sur les séries entières : Pour tout x ∈ [−1, 1[, on a : ln(1 − x) = − +∞
P
n=1 n
Pour tout x ∈ [−1, 1[ et pour tout entier naturel k :
(n+k)! n
k!
= +∞
P
(1−x)k+1 n=0 n! x .
on considère un couple aléatoire (X, Y ) à valeurs dans N2 \{(0, 0)} dont la loi jointe est définie par :
1 (i + j − 1)!
∀(i, j) ∈ N2 \{(0, 0)} P(X = i, Y = j) = .
ln 2 i!j!3i 6j
1. Calculer P(X = 0).
2. Pour tout i ∈ N∗ , calculer P(X = i).
3. Déterminer la loi de Y conditionnellement à X = 0.
4.Calculer E[Y | X = 0].
5. Pour tout i ∈ N∗ , déterminer la loi de Y conditionnellement à X = i. Calculer E[Y | X = i].
6. En déduire E[Y | X].
7. En déduire la relation : E[Y ] − 15 E[X] = 5 ln1 n

Exercice 7 : (Montée en puissance)

Soit (X, Y ) un couple aléatoire de densité jointe :
1 − x −y
f (x, y) = e y 1]0,+∞[2 (x, y)
y
1. Déterminer la densité marginale f (y) de Y .
2. En déduire la densité conditionnelle f (x | y).
3. Que vaut E[X | Y = y]. En déduire l’espérance conditionnelle de X sachant Y .
4. On considère cette fois : f (x, y) = 125 x(2 − x − y)10,1[2 (x, y). Montrer que
5 − 4Y
E[X | Y ] =
8 − 6Y