Couples discrets
Transcription
Couples discrets
Filière E Denis Pasquignon Couples discrets Résumé du cours : 1. Loi conjointe • Définition : On appelle couple aléatoire un couple (X, Y ) de variables aléatoires définies sur le même espace de probabilité (Ω, A, P ). Le couple (X, Y ) est aussi appelé vecteur aléatoire de dimension 2. • loi d’un couple : Soit (X, Y ) un couple aléatoire discret, on pose X(Ω) × Y (Ω) = {(xi , yj )}i∈I,j∈J . La loi conjointe du couple (X, Y ) est définie par pij = P (X = xi , Y = yj ). P P P P P • On a ∀i ∈ I ∀j ∈ J pij ≥ 0 et i∈I,j∈J pij = i∈I j∈J pij = j∈J i∈I pij = 1. • Fonction de répartition On appelle fonction de répartition du couple aléatoire (X, Y ) la fonction F(X,Y ) définies sur R2 par pour tous réels x et y F(X,Y ) (x, y) = P (X ≤ x, Y ≤ y). • Lois marginales Soit (X, Y ) un couple aléatoire discret, on pose X X ∀i ∈ I pi. = pij et ∀j ∈ J p.j = pij . j∈J i∈I La famille (xi , pi. )i∈I définit la loi de X dite loi marginale de X. La famille (yj , p.j )j∈J définit la loi de Y dite loi marginale de Y. • Indépendance Soit (X, Y ) un couple aléatoire discret, les variables sont indépendantes si ∀i ∈ I, ∀j ∈ J P (X = xi , Y = yj ) = P (X = xi )P (Y = yj ). Dans ce cas la loi conjointe est le produit des marginales. lien avec l’indépendance entre événements Soit A et B deux événements, A et B sont indépendants si et seulement si les variables aléatoires 1A et 1B sont indépendantes. • Loi de la somme X + Y on suppose que les variables X et Y sont indépendantes et prennent leurs valeurs dans N P (X + Y = n) = n X P (X = k)P (Y = n − k). k=0 2. Espérance • Théorème P P de transfert La variable U = g(X, Y ) a une espérance si et seulement si i∈I j∈J |g(xi , yj )|pij existe et dans ce cas XX E(g(X, Y )) = g(xi , yj )pij . i∈I j∈J 1 • Soit (X, Y ) un couple de variables aléatoires discrètes indépendantes alors pour toutes fonctions f et g telles que les espérances existent on a E(f (X)g(Y )) = E(f (X))E(g(Y )). en particuler E(XY ) = E(X)E(Y ). 3. Covariance • On appelle covariance de X et de Y le réel défini par Cov(X, Y ) = E((X − E(X))(Y − E(Y ))) = E(XY ) − E(X)E(Y ). On appelle coefficient de corrélation de X et de Y si σX σY 6= 0 : ρ(X, Y ) = Cov(X, Y ) . σX σY On dit que X et Y sont non corrélés si Cov(X, Y ) = 0. • Cov(X, X) = V ar(X), la covariance est symétrique et bilinéaire. De plus |ρ(X, Y )| ≤ 1 et |ρ(X, Y )| = 1 ⇐⇒ Y est presque surement une fonction affine de X. • Variance d’une somme Soit (X, Y ) un couple aléatoire discret tel que X et Y ont une variance, V ar(X + Y ) = V ar(X) + V ar(Y ) + 2Cov(X, Y ). 4. Vecteurs • Matrice de variance-covariance Soit (X1 , · · · , Xn ) un vecteur de n variables aléatoires discrètes, on appelle matrice de variance-covariance la matrice carrée d’ordre n dont le terme courant est Cov(Xi , Xj ). C’est une matrice symétrique. • indépendance mutuelle Soit (X1 , · · · , Xn ) un vecteur de n variables aléatoires discrètes, on dit que les variables aléatoires sont mutuellement indépendantes si pour tout n-uplet (x1 , · · · , xn ) de X1 (Ω) × · · · Xn (Ω) on a P( n \ [Xi = xi ]) = Πni=1 P ([Xi = xi ]). i=1 lien avec l’indépendance entre événements Si (X1 , · · · , Xn ) un vecteur de n variables aléatoires discrètes mutuellement indépendantes, alors pour toute fonction φ et ψ, les variables aléatoires φ(X1 , · · · , Xp ) et ψ(Xp , · · · , Xn ) sont indépendantes. • Variance d’une somme Soit (X1 , · · · , Xn ) un vecteur de n variables aléatoires discrètes, on a V ar( n X i=1 Xi ) = n X V ar(Xi ) + 2 i=1 X Cov(Xi , Xj ). 1≤i<j≤n • Stabilité (a) la somme de n variables aléatoires indépendantes suivant une loi de Bernouilli de paramètre p est une variable aléatoire suivant une loi binomiale B(n, p). (b) la somme de n variables aléatoires indépendantes suivant unePloi binomiale n B(ni , p) est une variable aléatoire suivant une loi binomiale B( i=1 ni , p). (c) la somme de n variables aléatoires indépendantes suivant une loi de Poisson de Pnparamètre λi est une variable aléatoire suivant une loi Poisson de paramètre i=1 λi . 2 Exercice 1 Soient X et Y deux v.a. définies sur le même espace (Ω, A, P ). On sait que : X(Ω) = {0, 1} ; Y (Ω) = {0, 2} ; P (X = 0) = 1/2 ; P (Y = 0) = 1/3 ; P (X = 0, Y = 0) = p. Reconstituer la loi du couple (X, Y ). Exercice 2 Un sac contient n jetons numérotés de 1 à n. On en tire deux successivement avec remise, et on note X (respectivement Y ) la variable aléatoire égale au plus petit (respectivement plus grand) des numéros tirés. Trouver la loi du couple (X, Y ). Calculer les lois marginales de X et Y . Exercice 3 On place au hasard trois boules numérotées 1, 2, 3 dans trois tiroirs numérotés 1, 2, 3, chaque tiroir pouvant contenir jusqu’à trois boules. Toutes les répartitions possibles sont équiprobables. Pour k = 1, 2, 3, Xk est la v.a. égale au nombre de boules placées dans le tiroir k, et Y est le nombre de tiroirs occupés. 1. Déterminer la loi de Xk et celle de Y . 2. Donner sous forme de tableau la loi conjointe du couple (X1 , X2 ), et calculer les lois marginales. 3. Donner sous forme de tableau la loi conjointe du couple (X1 , Y ). marginales et retrouver ainsi les résultats de la première question. Calculer les lois Exercice 4 Une urne contient des boules rouges, blanches et noires en proportions respectives p, q, r (p > 0, q > 0, r > 0, p + q + r = 1). on effectue dans cette urne n tirages successifs avec remise. On désigne par X (respectivement Y ) le nombre de boules rouges (respectivement blanches) obtenues. 1. Montrer que la loi jointe du couple (X, Y ) est donnée par : ∀0 ≤ i, j ≤ n P (X = i, Y = j) = n! pi q j rn−i−j . i!j!(n − i − j)! 2. Déterminer la loi marginale de X : i) à partir de la loi jointe ; ii) par un raisonnement direct. Exercice 5 Soit un couple (X, Y ) de variables aléatoires dont la loi conjointe est définie par : • X(Ω) = Y (Ω) = {1, · · · , n} • ∀1 ≤ i, j ≤ n P (X = i, Y = j) = ai + bj, où n est un entier ≥ 2, a et b sont des réels positifs. 1. Quelle condition doivent remplir a et b ? 2. Donner les lois marginales de X et Y . 3. Calculer E(XY ). Exercice 6 Soit (X, Y ) un couple discret dont la loi conjointe est donnée par : • X(Ω) = Y (Ω) = N • ∀1 ≤ i, j ≤ n P (X = i, Y = j) = 1. Calculerλ. 2. Trouver les lois marginales de X et Y . 3 (i + j)λi+j , ei!j! 3. Trouver la loi de X + Y , puis calculer E[2X+Y ]. Exercice 7 Soit (X, Y ) un couple aléatoire à valeurs dans {0, 1} × IN ∗ , dont la loi est définie par: 2k − 1 1 ∀k ∈ IN ∗ P (X = 0, Y = k) = et P (X = 1, Y = k) = k . 4k 4 1. Déterminer les lois de X et de Y , donner leurs espérances et leurs variances. 2. On pose S = X + Y et T = XY + 1. Déterminer les lois de S et de T . 3. Trouver la loi du couple (S, T ). 4. Calculer P (S = T ). Exercice 8 Soient deux variables aléatoires réelles X et Y telles que X, Y et XY suivent la même loi uniforme sur {−1, 0, 1}. 1. Quelle est la loi du couple (X, Y ) ? 2. Donner la loi de S = X + Y . 3. Calculer cov(X, Y ), var(X), var(Y ), var(X + Y ). Exercice 9 Une urne contient N boules, a rouges, b blanches et c noires (a + b + c = N ). On tire simultanément n boules dans cette urne (n ≤ N ). On désigne par X (respectivement Y , Z) le nombre de boules rouges (respectivement blanches, noires) obtenues. 1. Quelle est la loi de X ? celle de Y ? celle de Z ? 2. Exprimer X + Y en fonction de n et Z. En déduire V ar(X + Y ). 3. Sans calculer E(XY ), donner la valeur de cov(X, Y ). Exercice 10 Soit a et b deux réels et n un entier naturel ≥ 2. Soit X1 , · · · , Xn n variables aléatoires non quasi certaines telles que cov(Xi , Xi ) = a et cov(Xi , Xj ) = b si i 6= j. Montrer que a > 0 et b a 1 ≥ − n−1 . Exercice 11 Pierre et Jean lancent chacun n fois une pièce honnête, les lancers successifs étant supposés indépendants. On note X (respectivement Y ) le nombre de ”pile” obtenus par Pierre (respectivement Jean) sur les n lancers. 1. Donner la loi de X et celle de Y . 2. En utilisant l’égalité de Van der Monde, calculer n 2 X n k=0 k . En déduire P (X = Y ). 3. Calculer P (X > Y ). Exercice 12 1. Soit X une v.a. à valeurs dans N , et soit p un réel de ]0, 1[. Montrer qu’une condition nécessaire et suffisante pour que X suive une loi géométrique de paramètre p est que : ∀n ∈ N, P (X > n) = q n où q = 1 − p. 2. Soient X et Y deux v.a. indépendantes suivant des lois géométriques de paramètres respectifs p et p0 . on pose M = max(X, Y ) et N = min(X, Y ). Trouver la loi de N , puis celle de M . 4 Exercice 13 Soient X et Y deux v.a. indépendantes de même loi géométrique G(p) (0 < p < 1). 1. Calculer P (X > Y ) . 2. Trouver la loi de X + Y . 3. Plus généralement, si X1 , X2 , · · · , Xn sont n v.a. indépendantes de même loi géométrique G(p), alors reconnaitre la loi de X1 + X2 + · · · + Xn . Exercice 14 Soit X une variable aléatoire dont la loi est définie par : P (X = 0) = 1/6, P (X = 1) = 1/3 , P (X = 2) = 1/2 . Soit Y une v.a. indépendante de X, et de même loi. 1. on pose S = X + Y et T = XY . Déterminer la loi du couple (S, T ), et les lois marginales de S et T . Les variables aléatoires S et T sont-elles indépendantes ? 2. Calculer l’espérance et la variance de S et T . Exercice 15 Une urne contient N boules numérotées de 1 à N . 1. on tire n boules successivement et sans remise. on note Xi la variable aléatoire égale au numéro porté par la ième boule tirée. (a) Déterminer la loi de Xi , son espérance et sa variance. (b) Si i 6= j, les variables Xi et Xj sont-elles indépendantes ? Calculer cov(Xi , Xj ). (c) on pose S = X1 + X2 + · · · + Xn . Calculer E(S) et V ar(S). 2. Reprendre les questions précédentes si le tirage se fait avec remise. Exercice 16 1. Soit (X, Y ) un couple aléatoire dont la loi est uniforme sur les quatre points : (−1, 0), (0, 1), (0, −1), (1, 0). Calculer cov(X, Y ). Les v.a. X et Y sont-elles indépendantes ? 2. Montrer que deux v.a. de Bernoulli non corrélées sont indépendantes. Exercice 17 fonction génératrice 1. Rappel : La fonction génératrice d’une v.a. X à valeurs entières est définie par : gX (t) = E(tX ) = +∞ X pi ti . i=0 Elle suffit à caractériser la loi de X. Elle est définie au moins pour |t| < 1. Montrer que si X et Y sont des v.a. indépendantes, on a pour tout réel t tel que |t| < 1 : gX+Y (t) = gX (t)gY (t). 2. En utilisant la fonction génératrice, retrouver la propriété de stabilité pour la somme des lois binômiales et de Poisson sous l’hypothèse d’indépendance. 3. On étudie ici la réciproque du 1) : Soit (X, Y ) un couple de variables aléatoires dont la loi est définie par le tableau suivant : X/Y 0 1 3 0 1/9 2/9 0 1 0 1/9 2/9 3 2/9 0 1/9 Calculer cov(X, Y ). Les variables X et Y sont-elles indépendantes ? Comparer gX+Y (t) et gX (t)gY (t), et conclure. 5 Exercice 18 Soit (Xn )n≥1 une suite de variables de Bernoulli indépendantes de même paramètre p. On pose pour tout n : Yn = Xn Xn+1 . Donner la loi de Yn , son espérance et sa variance. Calculer cov(Yn , Ym ), en discutant suivant les valeurs de n et m. Exercice 19 Un point se déplace sur un axe d’origine 0. A chaque instant, il se déplace d’une unité vers la droite avec la probabilité p (0 < p < 1) ou d’une unité vers la gauche avec la probabilité q = 1 − p . Les déplacements successifs sont supposés indépendants. A l’instant 0, le point est en 0. Pour n > 0, on note Xn l’abscisse du point à l’instant n et Zn le nombre de déplacements vers la droite effectués entre les instants 0 et n. a) Soit Yi la variable de Bernoulli qui vaut 1 si le point se déplace vers la droite à l’instant i, et 0 sinon. Exprimer Zn en fonction des Yi . Quelle est la loi de Zn ? b) Exprimer Xn en fonction de Zn . En déduire la loi de Xn (discuter suivant la parité de n), son espérance et sa variance. 6