Le Mans Université, contrôle du 20/10/2020

Master 1 actuariat, Méthode de Monte-Carlo

Durée : 1 heure 30

Consignes :
• La rédaction des questions théoriques et les commentaires sous Python seront
soignés.
• Les réponses aux questions suivantes (avec (T)) sont à rédiger sur une feuille
séparée :
– Exercice 1, question 1.
– Exercice 2, questions 1 et 2.
Toutes les autres questions (avec(S)) sont à faire sur Python. Pour que ce soit
clair
• Tous les résultats (valeurs numériques, graphiques, etc.) doivent être accessibles
directement par le correcteur. Ne pas hésiter à les recopier sur la copie ou à
sauvegarder les graphiques.
• A la fin de l’examen, vous rendrez les copies d’examen et vous déposerez vos fichiers
sur UMTICE.

Exercice 1 (9 points) Pour α ∈ R et λ > 0, on considère la loi de probabilité sur

[α, +∞[ de densité
1 e−λ(x−α)
f (x) = !2 1[α,+∞[ (x)
C(λ) e−λ(x−α)
1−
C(λ)
1
avec C(λ) = 1 + .
λ
1. (T) Calculer la fonction de répartition F et la fonction quantile q de cette loi.
2. (S) Écrire un script Python permettant de simuler cette loi et vérifier l’adéquation
de vos simulations par deux méthodes graphiques.
3. (S) Quelle est l’espérance de cette loi ?
Pour les simulations on choisira α = 2 et λ = 4.

Tourner la page, S.V.P 1

Exercice 2 (11 points) Pour tout λ ∈ R, on se donne la famille des fonctions quantiles
suivantes : pour tout u ∈]0, 1[

uλ − (1 − u)λ
qλ (u) = si λ 6= 0, q0 (u) = ln(u) − ln(1 − u).
λ
1. (T) Montrer que si λ = 1, c’est la loi uniforme sur [−1, 1].

2. (T) Calculer la fonction de répartition de cette loi pour λ = 0. Notez bien qu’en
général pour λ 6= 0, la densité ou la fonction de répartition ne sont pas connues
explicitement.

Toutes les questions qui suivent doivent être traitées numériquement avec Python.

3. (S) On choisit d’abord λ > 0 et λ 6= 1. Simuler la variable X qui suit cette loi et
tracer la fonction de répartition empirique. Vérifier que la variable aléatoire prend
toutes ses valeurs entre −1/λ et 1/λ. Vous indiquerez précisément en commentaire
quelle valeur de λ vous avez choisi.

4. (S) Pour λ = 0, 14 calculer la variance σ 2 de X. Montrer que la loi est à peu

près une loi normale centrée de variance σ 2 , en traçant sur le même graphique la
fonction de répartition empirique et la fonction de répartition de la loi gaussienne.

5. (S) Pour λ < 0, montrer que X peut prendre toutes les valeurs réelles (là aussi
préciser bien la valeur de λ choisie) et que pour λ = −1, cette loi est proche d’une
loi de Cauchy de paramètre 2,7.

6. (S) Calculer numériquement l’espérance de cette loi pour λ > −1. Que peut-on
conjecturer ?

Tourner la page, S.V.P 2