Déterminer des lois : exemples

(1)

Université Paris 13, Institut Galilée Préparation à l’agrégation Année universitaire 2013-2014

Exercices de probabilités

Memento

Fonctions associées aux lois

PourX variable aléatoire à valeurs dansR^d,

– Fonction de répartition (sid= 1) :FX(t) =P(X≤t),t∈R

– Fonction génératrice (siX à valeurs dansN) :GX(s) =E[s^X] =P∞

n=0P(X =n)sⁿ, s∈ | −R, R|

– Transformée de Laplace :LX(λ) =E[e^−hλ,Xi]∈]0,+∞],λ∈R^d – Fonction caractéristique :ΦX(t) =E[e^iht,Xi]∈C,t∈R^d Lois discrètes

Nom Paramètres Support Définition :P(A) =P

a∈Ap(a)

Loi de Diracδa a∈R {a} p(a) = 1

Loi de BernoulliB(p) p∈[0,1] {0,1} p(0) = 1−p,p(1) =p Loi binomialeB(n, p) n∈N,p∈[0,1] {0, . . . , n} p(k) = ⁿ_k

p^k(1−p)^n−k Loi géométriqueG(p) p∈]0,1] N^∗ p(k) = (1−p)^k−1p Loi de PoissonP(λ) λ∈]0,+∞[ N p(k) =e^{−λ λ}_k!^k Lois continues

Nom Paramètres Support Définition :P(A) =R

Af(x)dx Loi uniformeU([a, b]) a < b [a, b] f(x) = _b−a¹ 1_[a,b](x) Loi exponentielleE(λ) λ∈]0,∞[ ]0,+∞[ f(x) =λe^−λx1_]0,+∞[(x)

Loi de Cauchy a∈]0,+∞[ R f(x) = _π(a₂^a_+x₂₎

Loi normale/gaussienneN(m, σ²) m∈R, σ²∈]0,+∞[ R f(x) = ^√¹

2πσ²exp

−^(x−m)_2σ₂ ²

Déterminer des lois : exemples

Exercice 1. Lois binomiale et géométrique

SoitX₁, X₂, . . .une suite de variables aléatoires indépendantes et de loiB(p)oùp∈[0,1].

1.On supposep >0. On définitN = inf{n≥1|X_n= 1}.

1.a)Montrer queP(N =∞) = 0et queN suit la loi géométrique de paramètrep.

1.b)Calculer l’espérance et la variance deN.

2.Soitn≥1. On définitSn=X1+· · ·+Xn.

2.a)Montrer que Sn suit la loi binomiale de paramètres n et p, par une preuve directe puis en utilisant des fonctions génératrices.

2.b)Calculer l’espérance et la variance deSn (utiliser la définition deSn).

Exercice 2. Minimum et maximum d’une famille de variables aléatoires exponentielles

Soit X, Y deux variables aléatoires indépendantes de lois respectives E(λ) et E(µ). À l’aide de fonctions de répartition, déterminer les lois deU = min(X, Y)etV = max(X, Y). On précisera leur densité (le cas échéant).

Exercice 3. Somme de variables aléatoires

1.SoitX, Y des variables aléatoires indépendantes de loisP(λ)etP(µ). Déterminer la loi deX+Y, directement puis via les fonctions génératrices.

2.SoitX, Y des variables aléatoires indépendantes de loi de Cauchy de paramètreaetb. À l’aide des fonctions caractéristiques, déterminer la loi deX+Y.Pour obtenirΦ_X, on pourra utiliser la formule de Cauchy avec un contour bien choisi, ou alors avoir l’idée de calculer la fonction caractéristique de la loi de Laplace ^a₂e^−a|x|dx et utiliser la formule d’inversion.

Exercice 4. Lois images

1.SoitX une variables aléatoire de loiE(λ). Déterminer la loi debXc+ 1.C’est une loi géométrique.

2.SoitU une variable aléatoire de loiU([−1,1]). Déterminer la loi dearcsin(U).

3.SoitX de loiN(0,1). Déterminer la loi de |X|.

(2)

4.SoitX, Y deux variables aléatoires indépendantes de loiN(0,1). Déterminer la loi de ^X_Y. En déduire la loi de

1

Z si Z suit une loi de Cauchy de paramètre 1.

5.SoitX, Y deux variables aléatoires indépendantes de loiN(0,1). On définit les variables aléatoiresR,Θpar (X, Y) = (Rcos Θ, Rsin Θ),R >0 et Θ∈[0,2π[. Montrer queR et Θsont indépendantes et déterminer leurs lois.

Exercice 5. Loi Gamma

Poura >0 etλ >0, on définit la loiγa,λ par sa densité relativement à la mesure de Lebesgue : fa,λ(x) = λ^a

Γ(a)x^a−1e^−λx1_R+(x).

1.Vérifier que cette fonction définit bien une densité.

2.Déterminer l’espérance de cette loi.

3.Soit V1, V2, . . . , Vn des variables aléatoires réelles indépendantes de loi E(λ). Déterminer la loi du vecteur (V1, V1+V2, . . . , V1+· · ·+Vn)et en déduire que V1+· · ·+Vn∼γn,λ.

4. SoitX et Y deux variables aléatoires réelles indépendantes de loiγa,λ. 4.a)Déterminer la loi deλX.

4.b)Montrer queX+Y etX/Y sont des v.a. indépendantes dont on calculera les lois.

4.c)Montrer queX+Y etX/(X+Y)sont des v.a. indépendantes. Calculer la loi deX/(X+Y).

5. SoitX et Y deux variables aléatoires réelles indépendantes de loiγa,λet γb,λ respectivement. Déterminer la loi deX+Y.

6. SoitZ₁, Z₂, . . . , Z_n des variables aléatoires réelles indépendantes de loiN(0,1).

6.a)Montrer queZ₁² suit une loiγ_1/2,1/2.

6.b)Montrer que Z₁²+· · ·+Z_n² suit une loiγ_n/2,1/2.La loi γ_n/2,1/2 est également appelée loi du khi-deux à n degrés de liberté, notéeχ²_n.

Propriétés générales

Exercice 6. Conséquences du théorème de Fubini, fonctions indicatrices

Résoudre les questions suivantes en appliquant le théorème de Fubini(-Tonelli) de la façon suggérée.

1.SoitN une variable aléatoire à valeurs dansN. Montrer que E[N] =X

n≥1

P(N ≥n).

(ÉcrireN =PN

k=11 =P∞

k=11_{k≤N_})

2.SoitX une variable aléatoire à valeurs dansR+, etα >0. Montrer que E[X^α] =α

Z ∞

0

t^α−1P(X > t)dt.

(ÉcrireX^α=RX

0 αt^α−1dt) Donner une généralisation de cette formule.

3.Soit(An)_n≥1 une suite d’événements.

3.a)On noteN le nombre (aléatoire) d’événéments parmi ceux-ci qui se produisent. Calculer E[N]en fonction des probabilitésP(An), n≥1. (ExprimerN à l’aide de fonctions indicatrices)

3.b)On suppose que P

nP(An)<∞. Montrer que presque-sûrement seul un nombre fini d’événements de la suite ont lieu.C’est le lemme de Borel-Cantelli (partie la plus facile mais néanmoins la plus utile).

4.CalculerC =R

Re^−x²dx sans utiliser de coordonnées polaires. (Écrire C² comme une intégrale double puis, dans l’intégrale,e^−(x²^+y²⁾=R∞

x²+y²e^−tdt)

5.SoitA1,. . . ,An des événements. Montrer laformule du crible : P(A1∪ · · · ∪An) = 1−

n

X

k=1

(−1)^k X

1≤i1<···<ik≤n

P(Ai₁∩ · · · ∩Ai_k) = X

S⊂{1,...,n}

(−1)^|S|P

\

i∈S

Ai

.

(Écrire1_A₁_{∪···∪A}_n = 1−1_A^c

1∩···∩A^c_n= 1−Q

i(1−1_A_i)et développer) Exercice 7. Autour de l’indépendance

1.SoitX, Y, Z des variables aléatoires indépendantes, de loi µ= ¹₂δ−1+¹₂δ1. On noteX⁰ =Y Z, Y⁰ =XZ et Z⁰ =XY. Montrer queX⁰,Y⁰,Z⁰ sont des variables aléatoires de loiµindépendantes deux à deux, mais non indépendantes (dans leur ensemble).

2.Est-ce qu’un événementApeut être indépendant de lui-même ? Même question pour une variable aléatoireX.

(3)

Problèmes (simples) classiques

Exercice 8. Formule de Bayes.

1.Soit(Ω,P)un espace de probabilité discret, et(H1, . . . , Hn)une partition deΩennévénements de probabilité non nulle. Montrer que, pouri= 1, . . . , n, siAest un événement de probabilité non nulle :

P(Hi|A) = P(A|Hi)P(Hi) Pn

j=1P(A|Hj)P(Hj).

2.Une maladie M affecte une personne sur 1000 dans une population donnée. On dispose d’un test sanguin qui détecte M avec une fiabilité de 99% lorsque cette maladie est effectivement présente. Cependant, on obtient aussi un résultat faussement positif pour 0,2% des personnes saines testées. Quelle est la probabilité qu’une personne soit réellement malade lorsque son test est positif ?

Exercice 9. Problèmes « avec des mots »

1.Un secrétaire vient de mettre cent lettres dans des enveloppes comportant des adresses avant de se rendre compte que les lettres étaient nominatives. Quelle est la probabilité que pas une seule des lettres ne soit dans la bonne enveloppe ? En donner une valeur approchée.Penser à la formule du crible.

2.Quelles est la probabilité que, dans un groupe de 25 personnes, deux au moins aient leur anniversaire le même jour ? (On négligera les années bissextiles, on supposera les dates de naissances équiprobables et indépendantes) En donner une valeur approchée.

3.Sachant que chaque paquet de céréales contient une vignette à collectionner, que l’on ne découvre qu’à l’ouverture du paquet, combien en moyenne faut-il ouvrir de paquets pour posséder au moins un exemplaire de chacune desnvignettes ? En donner une expression approchée.Décomposer ce nombre enNn=τ1+τ2+· · ·+τn

oùτk est le nombre de paquets supplémentaires nécessaires pour obtenir k vignettes différentes quand on en a déjàk−1différentes, et justifier que τk suit une loi géométrique.

Exercice 10. Paradoxes probabilistes pour tous 1. Hier, je discutais avec ma nouvelle voisine :

moi – Combien avez-vous d’enfants ? elle– Deux.

moi – Y a-t-il une fille parmi eux ? elle– Oui.

moi – Et l’autre enfant, est-ce une fille également ?

1.a)Quelle est la probabilité que ma voisine réponde « oui » ?La réponse n’est pas1/2.

1.b)Qu’en est-il si à ma deuxième question j’avais demandé si l’aîné était une fille ?

2.(Problème de Monty Hall) Un jeu télévisé se déroule à chaque fois de la façon suivante : on présente trois boîtes fermées à un candidat, dont l’une contient 10 000 euros, et seul le présentateur sait laquelle ; le candidat choisit une boîte mais, avant qu’il ait pu l’ouvrir, le présentateur l’interrompt, et ouvre l’une des deux autres boîtes, qu’il sait vide. Le candidat peut alors maintenir son choix, ou ouvrir la boîte restante. L’une de ces options est-elle meilleure que l’autre ?

Preuves du cours : caractérisation des lois

Exercice 11. Fonction de répartition inverse

SoitX une variable aléatoire réelle. On rappelle que sa fonction de répartitionF_X :t7→F_X(t) =P(X ≤t)est croissante, continue à droite, et admet pour limites 0 et 1 en−∞et+∞.

On définit, pour toutu∈(0,1)l’inverse généralisée continue à gauche deF_X : F_X⁻¹(u) = inf{t|FX(t)≥u}.

1.Montrer que, pour toust∈R, u∈]0,1[, (F_X⁻¹(u)≤t)⇔(u≤FX(t)).

2.En déduire que, siU suit la loi uniforme sur[0,1], alorsXe =F_X⁻¹(U)suit la même loi queX. ExpliciterF_X⁻¹ dans les cas d’une loi exponentielle et d’une loi de Cauchy.

3.À l’aide de ce qui précède, montrer que toute fonction croissanteF continue à droite telle quelim_−∞F = 0 etlim_+∞F= 1 est la fonction de répartition d’une loi de probabilité surR.

Exercice 12. Fonction caractéristique SoitX, Y des variables aléatoires à valeurs dans R. On suppose que leurs fonctions caractéristiques coïncident surR: pour toutt∈R,

E[e^itX] =E[e^itY].

On souhaite conclure queX et Y ont même loi.

(4)

Soitf :R→Rune fonction continue à support compact.

1.SoitA >0, assez grand pour que le support def soit inclus dans[−A, A]. Justifier l’existence defA:R→R périodique de période2Aqui coïncide avecf sur[−A, A]. Montrer que

E[f_A(X)] −→

A→∞E[f(X)].

On afA(X) =f(X) + (fA(X)−f(X))1_{|X|≥A},fA−f est bornée etP(|X|> A)→0...

2.Soitε >0. Montrer qu’il existeK∈N, etα0, . . . , αK ∈Ctels que, pour toutx∈R,

fA(x)−

K

X

k=0

αke^2iπ^2A^kx

< ε

(c’est un théorème classique). En déduire queE[fA(X)] =E[fA(Y)].

3.Conclure : pour cela, il suffit de montrer queE[f(X)] =E[f(Y)].

Exercice 13. Transformée de Laplace SoitX, Y des variables aléatoires à valeurs dans [0,+∞[. On suppose que leurs transformées de Laplace coïncident surR+ : pour toutλ≥0,

E[e^−λX] =E[e^−λY].

On souhaite en conclure queX et Y ont même loi.

Soitf : [0,+∞[→Rune fonction continue à support compact.

1.Soitε >0. Montrer qu’il existeK∈Netα₀, . . . , α_K ∈R,λ₀, . . . , λ_K ∈R+ tels que pour toutx∈R+,

f(x)−

K

X

k=0

αke^−λ^k^x

< ε.

Considérerg(u) =f(−lnu)sur [0,1]et appliquer le théorème de Stone-Weierstrass. On a en fait λk =k 2.En déduire queE[f(X)] =E[f(Y)], et conclure.

Une autre preuve consisterait à se ramener à l’égalité entre fonctions caractéristiques : la fonction LX : z 7→

E[e^−zX] est holomorphe dans l’ouvert {Re(·)>0} et continue sur son adhérence (par théorèmes de régularité sous l’intégrale) ; par unicité du prolongement analytique, l’égalité entre L_X et L_Y sur R+ s’étend à l’ouvert précédent, et par continuité elle s’étend à son bord iR, soit Φ_X= Φ_Y.

Convergence de variables aléatoires, exemples

Exercice 14. Soit(X_n)_n≥1 une suite de variables aléatoires indépendantes, de loiE(λ).

1.Montrer la convergence en probabilité suivante : 1 lnn max

1≤k≤nX_k−−→^(p)

n

1 λ.

2.Démontrer que la suite de terme général

1≤k≤nmax Xk−lnn λ converge en loi vers une limite à déterminer.

Exercice 15. Soit(Xn)n une suite de variables aléatoires. On suppose qu’il existe une suite(cn)n de réels telle que, pour toutδ >0.

P(|Xn−cn|> δ)−→

n 0.

On suppose de plus que la suite(cn)n admet une limitec. Montrer queXn converge versc en probabilité.

Exercice 16. On reprend le problème du collectionneur de vignettes (exercice 9) : Soitn≥1. Soit (Xk)_k≥1 une suite de v.a. i.i.d. de loi uniforme sur{1, . . . , n}. Pour1≤k≤n, on définit

τ_kⁿ = inf m≥1

#{X1, . . . , Xm}=k .

1.Montrer que les variables aléatoires(τ_kⁿ −τ_k−1ⁿ )2≤k≤n, sont indépendantes, de lois respectivesG ^n−k+1_n pour2≤k≤n.(Cette question peut être difficile à rédiger ; se convaincre intuitivement du résultat d’abord) 2.En déduire l’espérance et la variance deN_n=τ_nⁿ.

3.Donner un équivalent de l’espérance, et montrer queVar(N_n) =O_n(n²).

4.En déduire, pour toutε >0,

P

Nn−E[Nn]

> εnlogn

−→n 0, puis

N_n nlogn

−→(p) n 1.

(5)

Modes de convergence

Exercice 17. Convergence des images

Soit(Xn)n une suite de variables aléatoires à valeurs dansR^d, et X une autre variable aléatoire à valeurs dans R^d. Soit ϕune fonction continue deR^d dansR^m. Montrer que Xn −→

n X implique ϕ(Xn)−→

n ϕ(X)pour les convergences p.s., en probabilité et en loi.

Exercice 18.

1.Donner un exemple de suite(Xn)_n≥0 qui converge en loi mais pas en probabilité.Le construire par exemple à l’aide deU :x7→xet1−U, qui a même loi.

2.Donner un exemple de suite(Xn)_n≥0 qui converge en probabilité mais pas p.s. Prendre Xn indépendantes, de loi B(pn)oùpn tend vers 0 mais P

npn =∞, et appliquer le lemme de Borel-Cantelli. Ou : SoitU de loi uniforme sur [0,1]. PrendreXn égal à 1ssiU ∈[₂^pk,^p+1₂k [ oùn= 2^k+pet0≤p <2^k.

3.Pourp >0, donner un exemple de suite(Xn)_n≥0 qui converge en probabilité mais pas dansL^p PrendreXn

à valeurs dans{0, n}et ajuster les probabilités respectives de 0 etn.

Exercice 19. Lemme de Slutzky

Montrer le lemme de Slutzky : Soit (Xn)n,(Yn)n deux suites de variables aléatoires telles que (Xn)n converge en loi vers X et Y_n converge en loi vers une variable aléatoire égale p.s. à une constante c. Alors (X_n, Y_n)_n converge en loi vers(X, c).

Utiliser les fonctions caractéristiques et découper|Φ(X_n,Y_n)(x, y)−Φ(X,Y)(x, y)| ≤ |Φ(X_n,Y_n)(x, y)−Φ(X_n,Y)(x, y)|+

|Φ_(X_n_,Y₎(x, y)−Φ_(X,Y₎(x, y)|. Expliciter les termes ; il ne reste que deux lignes à écrire.

Théorèmes-limites

Exercice 20. Loi des grands nombres pour des variables non-intégrables

Soit(Xn)n≥1une suite de v.a. i.i.d. de même loi que X, oùE[X+] =∞et E[X−]<∞, de sorte que cela a un sens d’écrireE[X] = +∞. On poseSn=X1+· · ·+Xn. Montrer que, p.s., ^S_nⁿ −→

n +∞.

On pourra tronquer les variables pour se ramener à la loi forte des grands nombres habituelle : partir du constat que, pourM >0, siY^(M⁾= min(X, M),Y^(M⁾est intégrable,Y^(M)≤X, etE[Y^(M⁾]→+∞quandM →+∞

et appliquer la loi forte des grands nombres à(Yn^(M))n.

Exercice 21. Calculs de limites à l’aide des théorèmes-limites

1.Appliquer le théorème central limite à une suite (X_n)_n≥1 de variables aléatoires indépendantes de loi de Poisson de paramètre 1 pour trouver la limite de la suite de terme général

e⁻ⁿ

n

X

k=0

n^k k!.

On rappelle queX₁+· · ·+X_n suit la loi P(n)doncP(X₁+· · ·+X_n≤n) =· · ·.

2.Soitf une fonction continue[0,1]→R. Déterminer la limite de la suite de terme général Z 1

0

· · · Z 1

0

f

x1+· · ·+xn

n

dx1· · ·dxn.

Exercice 22. Polynômes de Bernstein

On veut donner une preuve probabiliste (et constructive) du théorème de (Stone-)Weierstrass sur[0,1]. Soitf une fonction continue de[0,1]dansR. On définit, pourn≥0, la fonction polynomiale sur[0,1]

Pn:x7→Pn(x) =

n

X

k=0

f ^k_n n

k

x^k(1−x)^n−k.

1.En écrivant Pn(x) = E f(^S_nⁿ)

, où Sn suit la loi binomiale de paramètres (n, x), justifier la convergence simple de Pn versf sur[0,1].(cf. Exercice 1)

2.Soitδ >0. On noteω(f, δ) = sup

|f(x)−f(y)|

|x−y|< δ le module de continuité def. Justifier l’inégalité

|f(x)−Pn(x)| ≤ω(f, δ) + 2kfk_∞P

Sn

n −x

> δ

, et en déduire une majoration de kf−Pnk_∞. Conclure.