Travaux dirigés, feuille 8 : probabilités
Transcription
Travaux dirigés, feuille 8 : probabilités
Université Paris Diderot - Paris 7 Intégration et Probabilités L3 Maths Fondamentales 2010-2011 Travaux dirigés, feuille 8 : probabilités - 1 loi de variables aléatoires, indépendance Loi de variables aléatoires, fonction de répartition et moments de variables réelles Exercice 1 Soient X, Y et Z des variables aléatoires réelles définies sur un espace de probabilité (Ω, F, P). 1) On suppose que X = Y p.s. Montrer que X = Y en loi. Montrer que la réciproque est fausse. 2) On suppose que X et Y ont la même loi. a) Soit f : R → R une fonction borélienne. Montrer que les v.a. f (X) et f (Y ) ont la même loi. b) Montrer que les variables aléatoires XZ et Y Z n’ont pas nécessairement la même loi. Exercice 2 1) Soit X une variable aléatoire à valeurs dans R de loi N (0, 1) (gaussienne centrée de variance 1), c’est à 2 dire de densité par rapport à la mesure de Lebesgue donnée par f (x) = Calculer E(|X|) et Var(|X|). x √1 e− 2 2π . Quelle est la loi de |X| ? 2) Soit X = (X1 , X2 ) une variable aléatoire à valeurs dans R2 de loi N2 (0, Id2 ), c’est à dire de densité par rapport à la mesure de Lebesgue dans R2 donnée par f (x) = si X2 = 0. Quelle est la loi de Y ? 1 − 2π e kxk2 2 . On pose Y = X1 X2 si X2 6= 0 et Y = 0 Exercice 3 Soit X une variable aléatoire de loi uniforme sur − π2 , π2 , c’est à dire de densité par rapport à la mesure de Lebesgue donnée par f (x) = π1 1[− π2 , π2 ] (x). 1) On pose Y = X 2 . Quelle est sa fonction de répartition, sa densité, son espérance et sa variance? 2) Mêmes questions pour Z = tan(X). Exercice 4 Soit X une variable aléatoire de loi dont la densité par rapport à la mesure de Lebesgue est donnée par f (x) = αx3 1[0,1] (x). 1) Calculer α et E(X). 2) Donner la fonction de répartition de Y définie par Y = X 1[1/4,3/4] (X) + 1]3/4,+∞[ (X) . Cette variable admet-elle une densité par rapport à la mesure de Lebesgue? 3) Montrer que la loi de Y est f λ + (1/4)4 δ0 + (1 − (3/4)4 )δ1 , où f : x 7→ 4x3 1[1/4,3/4] (x). 1 Exercice 5 Soit (Xn )n≥0 une suite de v.a. réelles i.i.d., intégrables de moyenne m. On note L la fonction définie sur R par ln E eλX1 si E eλX1 < ∞ L(λ) = +∞ sinon, et L∗ la fonction définie sur R par L∗ (x) = sup{xλ − L(λ) | λ ∈ R} . 1) Vérifier que L(λ) ≥ λm pour tout λ ∈ R, puis que sup{xλ − L(λ) | λ ∈ R+ } ∗ L (x) = sup{xλ − L(λ) | λ ∈ R− } si x > m , si x < m . 2) Montrer que pour tout α > 0 et pour tout n ≥ 1, X1 + . . . Xn ∗ − m ≥ α ≤ e−nL (m+α) . P n 3) En déduire que pour tout α > 0 et pour tout n ≥ 1, X1 + . . . Xn ∗ ∗ P − m ≥ α ≤ e−nL (m+α) + e−nL (m−α) . n Exercice 6 Soit X une variable aléatoire à valeurs dans N de loi de Poisson de paramètre λ > 0 donnée par P (X = k k) = e−λ λk! pour tout entier naturel k. 1 1) Calculer E(X), Var(X) et E X+1 . 2) On pose Y = (−1)X . Trouver la loi de Y . Calculer E(Y ), Var(Y ). Exercice 7 On considère une source lumineuse ponctuelle située au point (−1, 0) dans le plan. Soit θ une variable aléatoire définie sur un espace de probabilité (Ω, F, P), de loi uniforme sur ] − π/2, π/2[, c’est à dire de densité π1 1]−π/2,π/2[ . On suppose que la source émet un rayon lumineux en direction de l’axe des ordonnées en faisant un angle θ avec l’axe des abscisses. Déterminer la loi de l’ordonnée du point d’impact du rayon avec l’axe des ordonnées. Exercice 8 Soient X une v.a. réelle définie sur un espace de probabilité (Ω, F, P) et F sa fonction de répartition (on rappelle que F (t) = P(X ≤ t), pour tout t ∈ R). 1) Si F est continue et strictement croissante, et si U est une variable aléatoire de loi uniforme sur [0, 1], quelle est la loi de la variable aléatoire F −1 (U )? 2) Dans le cas général, on définit F −1 , la pseudo-inverse continue à droite de F , par F −1 (u) = inf{x ∈ R | F (x) > u}. Quelle est la loi de la variable aléatoire F −1 (U )? Indication : on pourra montrer que \ {F −1 (U ) ≤ t} = {F (t + 1/n) > U } . n∈N∗ 2 Exercice 9 On dit qu’une variable réelle X vérifie la propriété d’absence de mémoire si pour tous s, t > 0 on a P(X > t + s) = P(X > t) × P(X > s) . Montrer qu’une variable aléatoire réelle positive X vérifie la propriété d’absence de mémoire si et seulement si X suit une loi exponentielle, i.e., de densité x 7→ λe−λx 1R+ (x) par rapport à la mesure de Lebesgue dans R, où λ > 0 est une constante. Indication : on pourra étudier la fonction G : t ≥ 0 7→ ln P(X > t). Exercice 10 Soit F la fonction de répartition d’une mesure de probabilité µ telle que F (x) ∈ {0, 1} pour tout x ∈ D, où D est un ensemble dense dans R. Montrer que µ est une mesure de Dirac. Exercice 11 1) Soit (X, Y ) une variable aléatoire à valeurs dans R2 dont la loi admet une densité f par rapport à la mesure de Lebesgue sur R2 . a) Rappel de cours : montrer que les lois de X et de Y admettent chacune une densité par rapport à la mesure de Lebesgue sur R; en donner une expression en fonction de f . b) On suppose que f (x, y) = e−x 10≤y≤x . Vérifier que f est bien une densité. Calculer la densité fX (respectivement fY ) de X (resp. de Y ), et montrer que les variables X et Y ne sont pas indépendantes. 2) Soit X une variable aléatoire réelle dont la loi admet une densité par rapport à la mesure de Lebesgue sur R. Montrer que la loi du couple (X, X) n’admet pas de densité par rapport à la mesure de Lebesgue sur R2 . Exercice 12 Soit X une variable aléatoire à valeurs dans N de loi géométrique de paramètre a ∈]0, 1[, donnée par P (X = k) = (1 − a)ak pour tout entier naturel k. Soit m un entier strictement positif. On pose Y = max(X, m) et Z = min(X, m). Trouver la loi de Y . Montrer que Y + Z = X + m. Calculer E(Y ) et en déduire E(Z). Exercice 13 Soit X une variable aléatoire à valeurs dans R de loi exponentielle de paramètre λ > 0, c’est à dire de densité par rapport à la mesure de Lebesgue donnée par f (x) = λe−λx 1[0,+∞[ (x). On note Y la partie entière de X. Calculer la loi de Y . Exercice 14 Soient X et Y deux variables aléatoires réelles admettant une densité, liées par la relation X +Y = 0. Quelle relation y a-t-il entre les fonctions de répartition de X et Y et entre les densités de X et Y ? Exercice 15 Soient (Ω, F, P) un espace de probabilité et sur cet espace une variable aléatoire N de loi gaussienne centrée 2 de variance 1 c’est-à-dire de densité x 7→ √12π e−x /2 par rapport à la mesure de Lebesgue. Calculer la loi de la variable aléatoire 1/N 2 . 3 Indépendance Exercice 16 Soient (Xn )n≥1 une suite de v.a. réelles définies sur (Ω, F, P), indépendantes et de même loi exponentielle de paramètre 1, de densité x 7→ e−x 1(x) par rapport à la mesure de Lebesgue. On pose T0 = 0 et pour tout n ≥ 1, Tn = X1 + ... + Xn . Pour tout t ≥ 0, on pose Nt = max{n ≥ 0 | Tn ≤ t} . 1) Soit n ≥ 1. Calculer la loi du n-uplet (T1 , ..., Tn ). 2) En déduire la loi de Nt , pour tout t > 0. 3) Pour n ≥ 1 et t > 0, on définit sur (Ω, F) une nouvelle mesure de probabilité Qn,t par la formule ∀A ∈ F , Qn,t (A) = P(A ∩ {Nt = n}) . P(Nt = n) Calculer la loi du n-uplet (T1 , ..., Tn ) sous la mesure de probabilité Qn,t . Exercice 17 Pour tout a > 0 et tout λ > 0 on pose γa,λ (x) = λa −λx a−1 x 1R+ . Γ(a) e La loi de densité γa,λ est notée Γ(a, λ). 1) Soient X et Y deux variables aléatoires indépendantes de loi respectives Γ(a, λ) et Γ(b, λ). Calculer la loi du couple (X + Y, X/(X + Y )) puis les lois de X + Y et X/(X + Y ). En déduire que X + Y et X/(X + Y ) sont indépendantes, et que Z 1 Γ(a)Γ(b) xa−1 (1 − x)b−1 dx = . Γ(a + b) 0 2) Trouver la loi de X/Y et montrer que cette variable aléatoire est indépendante de X + Y . 3) Soient (X1 , X2 , . . . , Xn ) des variables √ aléatoires indépendantes de même loi gaussienne centrée réduite N (0, 1), de densité x 7→ exp(−x2 /2)/ 2π par rapport à la mesure de Lebesgue. Soit Z = X12 +X22 +· · ·+Xn2 . Montrer que Xi2 a pour loi Γ( 21 , 12 ), et que Z a pour loi Γ( n2 , 21 ). Calculer son espérance. Cette loi s’appelle loi du χ2n . Exercice 18 Sur un espace de probabilité (Ω, F, P), on se donne n variables aléatoires X1 , . . . , Xn , indépendantes et de loi uniforme sur [0, 1], de densité 1[0,1] par rapport à la mesure de Lebesgue. 1) Montrer qu’il existe n variables aléatoires Y1 , . . . , Yn sur (Ω, F, P) telles que Y1 (ω) ≤ . . . ≤ Yn (ω) et {Y1 (ω), . . . , Yn (ω)} = {X1 (ω), . . . , Xn (ω)} pour presque tout ω ∈ Ω. 2) Déterminer les lois de (Y1 , . . . , Yn ) et de (Y1 /Y2 , . . . , Yn−1 /Yn ). Que peut-on en déduire sur la famille (Y1 /Y2 , . . . , Yn−1 /Yn )? 4 Exercice 19 : Lemme de Borel-Cantelli, suite 1) Soit (An )n∈N une suite d’événements indépendants. Montrer que X P (An ) = ∞ =⇒ P lim sup An = 1 . n→∞ n≥0 C’est la deuxième partie du lemme de Borel-Cantelli. Indication: on pourra montrer pour tout n ∈ N, P [∩k≥n Ack ] = 0. 2) Soit α > 0, et soit (Zn , n ≥ 1) une suite de variables aléatoires indépendantes de loi donnée par P(Zn = 1) = 1 1 et P(Zn = 0) = 1 − α . α n n Montrer que Zn → 0 dans L1 mais que, p.s., lim sup Zn = n→∞ 1 0 si α ≤ 1 , si α > 1 . Exercice 20 Soient (Xn )n≥1 une suite de v.a. réelles i.i.d. de loi µ et N une v.a. à valeurs dans N indépendante de la suite (Xn )n≥1 . 1) On suppose que µ est la loi de Bernoulli de paramètre p ∈]0, 1[, c’est-à-dire que µ = pδ1 + (1 − p)δ0 , et que N suit la loi de Poisson de paramètre λ, c’est-à-dire que pour tout k ∈ N, P(N = k) = e−λ λk /k!. On pose N N X X P = Xi et F = N − P = (1 − Xi ) . i=1 i=1 avec P = F = 0 sur {N = 0}. Les v.a. P et F représentent respectivement le nombre de piles et de faces dans un jeu de pile ou face de paramètre p à N lancers. a) Déterminer la loi du couple (P, N ). b) En déduire les lois de P et F et montrer que P et F sont indépendantes. 2) On ne fait plus d’hypothèse sur les lois. Soit f : R → R+ une fonction mesurable. Montrer que "N # Z X E f (Xi ) = E[N ] f dµ , R i=1 avec N X f (Xi ) = 0 sur {N = 0}. i=1 Exercice 21 : loi du 0-1 1) Soit (Xn )n≥1 une suite de v.a. indépendantes définies sur un espace de probabilité (Ω, F, P), à valeurs dans (E, E). Pour tout n, on note Bn = σ(Xk , k ≥ n). Soit B∞ = ∩n≥1 Bn la tribu asymptotique. Montrer que B∞ est grossière, c’est-à-dire que pour tout B ∈ B∞ , on a P(B) ∈ {0, 1}. Indication : on pourra montrer que B∞ est indépendante d’elle-même. X 2) Application : soit (Xn )n≥1 suite de v.a. réelles indépendantes. Montrer que Xn converge p.s. ou n≥1 diverge p.s. Si les Xn sont identiquement distribués, la série X n≥1 5 Xn peut-elle converger? Exercice 22 Sur un espace de probabilité (Ω, F, P), on se donne (X, Y ) une variable aléatoire à valeurs dans R2 . 1) On suppose que la loi de (X, Y ) a pour densité par rapport à la mesure de Lebesgue la fonction (x, y) 7→ λ µ e−λx−µy 1R2+ (x, y) . a) Quelle est la loi de X? De Y ? Que peut-on dire du couple (X, Y )? b) Déterminer la loi de la variable aléatoire U = min(X, Y ). 2) On suppose que la loi de (X, Y ) a pour densité par rapport à la mesure de Lebesgue la fonction 1 −x/2 e 1R+ (x)1[0,2π] (y) . 4π √ √ Déterminer la loi de la variable aléatoire ( X cos Y, X sin Y ). Que peut-on en déduire? (x, y) 7→ 3) On suppose que la loi de (X, Y ) a pour densité par rapport à la mesure de Lebesgue la fonction (x, y) 7→ 1 − x2 +y2 2 e . 2π Calculer la loi de la variable aléatoire X/Y . Exercice 23 Une variable aléatoire réelle V est dite symétrique si −V a même loi que V . 1) Soit X une variable aléatoire réelle. a) On suppose que la loi de X admet une densité f par rapport à la mesure de Lebesgue sur R. Montrer que X est symétrique ssi f (x) = f (−x) pour λ-presque tout x ∈ R. b) Montrer que X est symétrique ssi sa fonction caractéristique est réelle. 2) Soient X et Y deux variables aléatoires réelles indépendantes et de même loi. Montrer que X − Y est symétrique. Ceci reste-t-il vrai si l’on ne suppose plus l’indépendance? 3) Soit X une variable aléatoire réelle et ε une variable aléatoire indépendante de X de loi Montrer que si X est symétrique alors ε|X| a même loi que X. 1 2 δ−1 + 21 δ1 . Exercice 24 Soient X et Y deux variables aléatoires indépendantes à valeurs dans N de loi géométrique de paramètre 0 < a < 1. On pose M = min(X, Y ) et Z = Y − X. 1) Calculer P (X ≥ k). 2) Calculer P (M ≥ k) et en déduire P (M = k). Quelle est la loi de M ? 3) Pour tous k ∈ N, r ∈ Z calculer P (M = k, Z = r). Pour cela on distinguera le cas r ≥ 0 du cas r < 0. 4) En déduire la loi de Z. Que peut-on dire de M et Z ? 6 Exercice 25 (p) (p) On définit sur (Ω, F, P) des variables aléatoires U1 , ..., Un indépendantes et de loi uniforme sur {1, 2, ..., p}. (p) 1) Trouver la loi de Mn(p) = max Uk . 1≤k≤n 2) Montrer que E(Mn(p) ) = X P(Mn(p) ≥ k). k∈N∗ 3) Montrer que (p) E(Mn ) n lim = . p→∞ p n+1 Exercice 26 Soit (Xn )n≥1 une suite de v.a. réelles i.i.d. On note F la fonction de répartition de X1 et on suppose que X1 n’est pas p.s. constante. 1) Soit a ∈ R tel que 0 < F (a) < 1. Montrer que p.s. lim inf Xn ≤ a ≤ lim sup Xn . n→∞ n→∞ Indication : penser au lemme de Borel-Cantelli. 2) On pose α = inf{x ∈ R | F (x) > 0} et β = sup{x ∈ R | F (x) < 1}. Montrer que α 6= +∞, β 6= −∞ et α < β. 3) Montrer que p.s. lim sup Xn = β et n→∞ lim inf Xn = α . n→∞ Exercice 27 Soient X et Y deux variables aléatoires réelles indépendantes de densités respectives f et g par rapport à la mesure de Lebesgue. On pose m = min(X, Y ) et M = max(X, Y ). 1) Montrer que P(X = Y ) = 0. 2) Montrer que la loi du couple (m, M ) a pour densité par rapport à la mesure de Lebsegue dans R2 la fonction (x, y) 7→ 1x<y [f (x)g(y) + f (y)g(x)] . 3) On suppose que X suit une loi exponentielle de paramètre 1 et Y une loi uniforme sur [0, 1]. Montrer que m et M ne sont pas indépendantes. Exercice 28 Soient X une v.a. rélle de loi normale N (0, 1) et ε une v.a. réelle indépendante de X de loi 21 δ−1 + 12 δ1 . On pose Y = εX. 1) Montrer que Y est de loi gaussienne N (0, 1) et calculer Cov(X, Y ). 2) Les variables X et Y sont-elles indépendantes ? 7 Exercice 29 Soit (Xn )n≥1 une suite de v.a. réelles i.i.d. On pose, pour tout n ≥ 1, Sn = X1 + · · · + Xn . 1) En utilisant la relation Sn Sn+1 Sn Xn+1 − = − , n n+1 n(n + 1) n + 1 montrer que ( Sn n ) converge dans R n≥1 c ⊂ lim sup{|Xn | ≥ n} n→∞ 2) Montrer que E(|X1 |) ≤ 1 + X P(|Xn | ≥ n) . n≥1 3) En déduire que si X1 n’est pas intégrable, alors la suite (Sn /n)n≥1 diverge p.s. 8 .