Master 1 Mathématiques appliquées - Module ”Probabilités et modèles aléatoires”

Partiel du 13 janvier 2018

Notes de cours et de TD autorisées. Matériel électronique interdit. Prenez garde à la

propreté de la copie et justifiez bien vos arguments en vous aidant du cours, le cas échéant.
Les questions plus délicates sont indiquées par une étoile.

Exercice 1. Une variable aléatoire X à valeurs dans ]0, +∞[ est dite suivre la loi log-normale
de paramètres (µ, σ 2 ) si Y = log X suit la loi gaussienne N (µ, σ 2 ). On note L(µ, σ 2 ) la loi
log-normale de paramètres (µ, σ 2 ).

(a) Ecrire la fonction de répartition de X ∼ L(µ, σ 2 ), puis calculer explicitement la densité

de X.
(b) Calculer l’espérance et la variance de X ∼ L(µ, σ 2 ).
(c) Montrer que si X ∼ L(µ, σ), alors X r ∼ L(rµ, r2 σ 2 ) pour tout r 6= 0. En déduire la
valeur de E[X r ] pour tout r ∈ R.
(d) Calculer E[euX ] pour tout u ∈ R lorsque X ∼ L(µ, σ 2 ).

Exercice 2. Soit (W, X, Y, Z) quatre variables aléatoires gaussiennes centrées réduites, et

indépendantes. On considère le déterminant

W X
∆ = .
Y Z

(a) Calculer E[eu∆ ] pour tout u ∈] − 1, 1[.

e−|x|
*(b) En déduire que ∆ a pour densité 2 sur R.
d
(c) En déduire l’identité en loi W 2 + Z 2 − X 2 − Y 2 = 2∆.

Exercice 3. Soit {Xn , n ≥ 1} une suite de variables aléatoires indépendantes telles que
P[Xn = 1] = 1/n et P[Xn = 0] = 1 − 1/n. On pose Sn = X1 + · · · + Xn .
(a) Montrer que E[Sn ] ∼ Var[Sn ] ∼ log n quand n → +∞.
*(b) Calculer la transformée de Fourier de

Sn − log n
√
log n

et montrer à l’aide d’un développement de Taylor à l’ordre 2 en zéro des fonctions log(1 + x)
et ex que
Sn − log n d
√ → N (0, 1), n → +∞.
log n

1
Exercice 4. (a) Soit {Xn , n ≥ 1} une suite de variables aléatoires de carré intégrable et
ayant une même espérance µ. On pose Sn = X1 + · · · + Xn et on suppose qu’il existe δ > 0
pour nδ−2 VarSn → 0. Montrer que
Sn
→ µ n→∞
n
dans L2 , puis en probabilité.
(b) En déduire que la loi faible des grands nombres est vérifiée pour une suite {Xn , n ≥ 1}
de variables aléatoires de même loi, décorrélées mais pas nécéssairement indépendantes.

Exercice 5. Soit {Xn , n ≥ 1} une suite de variables indépendantes et de même loi N (0, 1).
On pose Sn = X1 + · · · + Xn et on considère

Sn2
 
1
Mn = √ exp .
n+1 2(n + 1)

(a) Montrer que Sn suit une loi gaussienne dont on calculera les paramètres et en déduire
que E[Mn ] = 1 pour tout n ≥ 1.
(b) Montrer que Mn est une martingale pour la filtration Fn = σ(X1 , . . . , Xn ).
(c) A l’aide du théorème limite central, montrer que Mn → 0 en probabilité quand n → ∞.

Exercice 6. Soit {Xn , n ≥ 1} une suite de variables indépendantes et de même loi

P[Xn = 1] = p = 1 − P[Xn = −1]

pour un paramètre p ∈ (0, 1). On pose Sn = X1 + · · · + Xn et on considère

T = inf{n ≥ 1, Sn = −a ou Sn = b}

pour deux entiers a, b strictement positifs.

(a) Montrer que T est un temps d’arrêt pour la filtration Fn = σ{X1 , . . . , Xn }. Quelle est
la signification de T ?
*(b) En considérant les événements Ek = {Xk+1 = . . . = Xk+a+b = 1} et en appliquant le
deuxième lemme de Borel-Cantelli aux événements Ek(a+b) , montrer que P[T < ∞] = 1.
(c) On suppose p = 1/2. Montrer par le théorème d’arrêt que {Sinf(n,T ) n ≥ 1} est une
martingale et déduire à l’aide du théorème de convergence dominée que
b
P[ST = −a] = ·
a+b

(d) On suppose p 6= 1/2 et on pose ξ = (1 − p)/p. Montrer que {ξ Sinf(n,T ) , n ≥ 1} est une
martingale et déduire comme précédemment que

ξ a+b − ξ a
P[ST = −a] = ·
ξ a+b − 1

(e) Quelle est la signification de P[ST = −a] ?

(f) Expliquer à l’aide d’un développement limité à l’ordre 1 pourquoi le résultat du (c) est
une conséquence de celui du (d).