Universit´e Paris-Dauphine Ann´ee universitaire 2016-2017 Deuxi`eme ann´ee du DE MI2E Probabilit´es multidimensionnelles et th´eor`emes limite
1. Vous ˆetes vivement invit´e `a lire le sujet dans son int´egralit´e avant de commencer `a composer.
2. Si, au cours de l’´epreuve, vous rep´erez ce qui vous semble ˆetre une erreur d’´enonc´e, vous le signalez sur la copie et poursuivez l’examen en expliquant les raisons des initiatives que vous ˆetes amen´e `a prendre.
3. Seules les r´eponses soigneusement justifi´ees seront prises en compte.
4. Un point pourra ˆetre attribu´e en plus ou en moins suivant la qualit´e de la r´edaction et de la pr´esentation.
5. Les notes de cours, les calculatrices ainsi que tous autres documents ou dispositifs ´electroniques sont interdits.
Exercice 1.
1. SoientX etY deux variables al´eatoires r´eelles d´efinies sur un mˆeme espace de probabilit´e (Ω,A,P).
On suppose que X et Y sont l’une et l’autre des variables al´eatoire `a densit´e. Le couple (X, Y) est-il n´ecessairement un couple `a densit´e ? Si oui, prouvez-le. Si non, donnez un contre-exemple.
Non, (X, Y) n’est pas n´ecessairement un couple `a densit´e. Consid´erons le (contre-)exemple suivant : X est une variable al´eatoire de loi uniforme sur[0,1]etY =X. Ainsi, X et Y sont deux variables al´eatoires `a densit´e. Supposons que le couple(X, Y)admet une densit´e not´eef. En posant
D={(x, y)∈[0,1]2 : x=y}
on a
P((X, Y)∈D) = Z
D
f(x, y)dxdy
= Z
[0,1]2
f(x, y)1D(x, y)dxdy
et d’autre part P((X, Y)∈D) = 1puisqueY =X. Or, en notant λ⊗2 la mesure de Lebesgue sur[0,1]2 on a d’apr`es le th´eor`eme de Fubini
Z
[0,1]2
1D(x, y)dxdy= Z 1
0
Z y y
1dx
dy= 0
doncλ⊗2(D) = 0doncf(x, y)1D(x, y) = 0λ⊗2-presque partout donc n´ecessairement Z
[0,1]2
f(x, y)1D(x, y)dxdy= 0
ce qui nous donne la contradiction recherch´ee.
2. SoientX etY deux variables al´eatoires r´eelles positives d´efinies sur un mˆeme espace de probabilit´e (Ω,A,P). On suppose queX2 etY2sont ind´ependantes. Les variables al´eatoiresX etY sont-elles ind´ependantes ? Si oui, prouvez-le. Si non, donnez un contre-exemple.
Oui,X etY sont n´ecessairement ind´ependantes. Les variables al´eatoiresX etY ´etant positives on a X=√
X2 etY =√
Y2. DoncX etY sont les images par des applications mesurables de deux variables ind´ependantes, elles sont ind´ependantes.
3. SoientX etY deux variables al´eatoires r´eelles d´efinies sur un mˆeme espace de probabilit´e (Ω,A,P).
On suppose queX2etY2sont ind´ependantes. Les variables al´eatoiresXetY sont-elles ind´ependantes ? Si oui, prouvez-le. Si non, donnez un contre-exemple.
Non, X etY ne sont pas n´ecessairement ind´ependantes. Soit U une variables al´eatoire de loi uniforme sur{−1,1}. Alors les variables al´eatoiresX =UetY =−Une sont pas ind´ependantes puisque, par exemple, P(X = 1, Y = 1) = 0tandis que queP(X = 1)P(Y = 1) = 14 alors que
4. SoientX etY deux variables al´eatoires r´eelles d´efinies sur un mˆeme espace de probabilit´e (Ω,A,P).
On suppose que la variable al´eatoireXY est int´egrable, c’est-`a-dire queE[|XY|]<∞. Les variables al´eatoires X et Y sont-elles n´ecessairement toutes deux int´egrables ? Si oui, prouvez-le. Si non, donnez un contre-exemple.
Non, X et Y ne sont pas n´ecessairement toutes deux int´egrables. En prenant X = 0 et Y non-int´egrable on aXY = 0 donc dans ce casXY est int´egrable sans queX et Y le soient toutes les deux.
Exercice 2.SoitU une variable al´eatoire de loi uniforme sur [0,1]. On rappelle qu’une variable al´eatoire U est de loi uniforme sur [0,1] si elle admet f(x) =1[0,1](x) comme densit´e. On consid`ere deux nombres r´eelsaet btels que 0< a < b <1 `a l’aide desquels on d´efinit les variables al´eatoires
Y =
1 si 0< U < b 0 sinon et
Z=
1 sia < U <1 0 sinon.
1. Donner la loi du couple (Y, Z).
On a(Y, Z)∈ {0,1}2 et
P((Y, Z) = (0,0)) = P(U ≥b, U ≤a) =P(∅) = 0
P((Y, Z) = (0,1)) = P(U ≥b, U > a) =P(U ≥b) = 1−b P((Y, Z) = (1,0)) = P(U < b, U ≤a) =P(U ≤a) =a
P((Y, Z) = (1,1)) = P(U < b, U > a) =P(a < U < b) =b−a.
2. Les variables al´eatoiresY et Z sont-elles ind´ependantes ?
XetY ne sont pas ind´ependantes puisqueP((Y, Z) = (0,0)) = 0alors queP(Y = 0) = 1−b6= 0 etP(Z= 0) =a6= 0.
3. Quelle est la loi deY sachantZ = 1 ?
Comme Y ne prend que deux valeurs il suffit pour donner la loi de Y sous la probabilit´e P conditionn´ee par Z = 1de donner P(Y = 1|Z = 1) puisqueP(Y = 0|Z = 1) = 1−P(Y = 1|Z= 1). On a
P(Y = 1|Z= 1) = P((Y, Z) = (1,1))
P(Z= 1) = b−a 1−a. 4. Quelle est la loi deU sachantZ= 1 ?
On va d´eterminer la fonction de r´epartition de U sachant Z = 1. Clairement si x < 0 on a P(U ≤x|Z = 1) = 0tandis que six >1on aP(U ≤x|Z= 1) = 1. Finalement six∈[0,1]on a
P(U ≤x|Z = 1) =P(U ≤x, Z= 1)
P(Z = 1) = P(U ≤x, U > a) P(Z= 1) =
0 si0≤x < a
x−a
1−a si1≥x≥a.
Exercice 3. Un joueur peut lancer deux fois de suite un simulateur de la loi uniforme sur [0,10] pour obtenir le meilleur score possible : si le score obtenu au premier lancer le satisfait il peut en rester l`a. Si ce score ne le satisfait pas, il peut lancer une deuxi`eme fois le simulateur mais le score obtenu au premier tirage est alors perdu. Le joueur d´ecide de la strat´egie suivante : il s’arrˆetera apr`es le premier tirage si il y obtient un r´esultat sup´erieur ou ´egal `a un seuilket il lancera une deuxi`eme simulation sinon. On suppose que les r´esultats des deux tirages sont ind´ependants. SoitXk le score obtenu en suivant cette strat´egie.
1. Donner la fonction de r´epartition deXk.
Clairement si k = 0 ou k = 10 alors Xk est de loi uniforme sur [0,10] puisque si k = 0 on conserve toujours le r´esultat du premier tirage et sik= 10alors on ne conserve jamais le r´esultat du premier tirage et l’exp´erience se r´eduit `a un seul tirage, le second. On suppose donc que k /∈ {0,10} et on note R1 le r´esultat du premier tirage et R2 le r´esultat du deuxi`eme tirage.
Clairement A= {R1 < k} et B = {R1 ≥ k} constituent un syst`eme complet d’´ev´enements.
Pour tout x∈[0,10]on a
P(Xk≤x) = P(Xk≤x|R1< k)P(R1< k) +P(Xk ≤x|R1≥k)P(R1≥k)
= P(R2≤x|R1< k)P(R1< k) +P(R1≤x|R1≥k)P(R1≥k)
= P(R2≤x)P(R1< k) +P(k≤R1≤x)
la premi`ere ´egalit´e provient du fait que d’apr`es la d´efinition de l’exp´erience ´etudi´ee si R1 < k alors Xk =R2 et si R1 ≥kalors Xk =R1 et la deuxi`eme ´egalit´e d´ecoule du fait que, d’une part, R1 etR2 sont ind´ependantes et d’autre part que
P(R1≤x|R1≥k) =P({R1≤x} ∩ {k≤R1})
P(R1≥k) =P(k≤R1≤x) P(R1≥k) . Donc
P(Xk ≤x) =
0 si x≤0
x 10
k
10 si x∈[0, k]
x 10
k
10+x−k10 si x∈[k,10]
1 si x >10
puisque pour toute variable al´eatoireU de loi uniforme sur[0,10]on a
P(U ≤u) =
0 si u≤0
u
10 si x∈[0,10]
1 si u >10.
On remarque que la fonction de r´epartition trouv´ee est aussi valable pourk∈ {0,10}.
2. Calculer l’esp´erance de Xk.
La fonction de r´epartition deXk est continue et d´erivable sauf en trois points. En la d´erivant l`a o`u elle est d´erivable on trouve une densit´efk de Xk :
fk(x) = k
1001[0,k](x) + k
100 + 1 10
1[k,10](x).
d’o`u
E[Xk] = Z 10
0
xfk(x)dx
= k
100 Z k
0
xdx+ k
100 + 1 10
Z 10 k
xdx
= k3 200+
k 100 + 1
10 50−k2 2
= 5 + k(10−k) 20 3. Trouver la valeur dekqui maximise E[Xk].
Il suffit d’´etudier la fonction polynomiale
P(x) = 5 +x(10−x) 20 sur[0,10]. On a
P0(x) = 10−x 20 − x
20
= 1
2− x 10
00 1
4. Trouver la valeur dek qui maximiseP(Xk >6) et celle qui maximiseP(Xk >8). CalculerE[Xk] pour ces deux valeurs deket commenter.
De la fonction de r´epartition deXk on d´eduit que pour toutx∈[0,10]on a
P(Xk> x) =
1− 10x 10k +x−k10
= 1 +k 101 −100x
−10x si 0≤k≤x
1−10x 10k si x≤k≤10
donc k 7→ P(Xk > x) est croissante sur [0, x] et d´ecroissante sur [x,10]. Donc pour tout x ∈ [0,10] la valeur de k qui maximise P(Xk > x) est x. Par cons´equent P(Xk > 6) est maximis´ee pourk= 6tandis queP(Xk >8)est maximis´ee pourk= 8. On constate cependant queE[X6] = 6,2 et queE[X8] = 5,8.
Commentaire : pour maximiser la probabilit´e d’obtenir un score final ´elev´e, par exemple plus grand que 8, on doit prendre une valeur de k´elev´ee, dans notre exemplek= 8. Mais alors on a une probabilit´e ´egale `a k/10 de ne pas conserver le r´esultat du premier tirage et parmi les r´esultats que l’on est conduits `aabandonner il y a debons r´esultats, par exemple des r´esultats sup´erieurs `a la moyenne optimale. Comparons les densit´es deX6 etX8:
x fk
0 1 2 3 4 5 6 7 8 9 10
k= 6 k= 8
On constate que si E[X6] >E[X8] c’est parce que P(X6 ∈[6,8]) est plus forte queP(X8 ∈ [6,8])et il en est ainsi parce que la strat´egiek= 6conduit `a conserver les r´esultats du premier tirage compris entre 6 et 8 tandis que la strat´egiek= 8 conduit `a abandonner ces r´esultats.
5. Quelle est la probabilit´e que Xk soit le r´esultat du premier tirage sachant queXk≥k? On doit exclure le cas k = 10 car il correspond `a un ´ev´enement conditionnant de probabilit´e nulle. Sik6= 10alors, comme par d´efinitionXk est le r´esultat du premier tirage si et seulement si R1≥k, on a que la probabilit´e demand´ee vaut
P(R1≥k|Xk ≥k) =P(R1≥k, Xk ≥k)
P(Xk≥k) = P(R1≥k)
P(Xk≥k)= 1−10k
1−100k2 = 1 1 +10k .
On suppose `a pr´esent que le joueur peut lancer trois fois de suite un simulateur de la loi uniforme sur [0,10] pour obtenir le meilleur score possible : si le score obtenu au premier lancer le satisfait il peut en rester l`a. Si ce score ne le satisfait pas, il peut lancer une deuxi`eme fois le simulateur mais le score obtenu au premier tirage est alors perdu. Si le score obtenu au deuxi`eme lancer ne le satisfait toujours pas, il peut lancer une troisi`eme fois le simulateur mais dans ce cas le score obtenu au deuxi`eme tirage est lui aussi perdu. Le joueur d´ecide de la strat´egie suivante : il s’arrˆetera apr`es le premier tirage si il y obtient un r´esultat sup´erieur ou ´egal `a un seuilk1et il lancera une deuxi`eme simulation sinon. Il conservera le score du deuxi`eme tirage si celui-ci est sup´erieur ou ´egal `a un seuil k2 et il lancera une troisi`eme simulation sinon. On suppose que les r´esultats des trois tirages sont ind´ependants et que k1 ≥ k2. Soit Y(k1,k2) le score obtenu en suivant cette strat´egie.
5. Donner la fonction de r´epartition deY(k1,k2).
On noteR1 le r´esultat du premier tirage, R2 le r´esultat du deuxi`eme tirage etR3le r´esultat du troisi`eme tirage. Sik1= 0alors clairementY(k1,k2)est de loi uniforme sur [0,10]puisqu’on ne fait qu’un tirage Y(k1,k2) =R1. Si k1 = 10 et k2 = 10 alorsY(k1,k2) =R3 et si k1 = 10 et k2 = 0alorsY(k1,k2) =R2. On peut consid´erer `a pr´esent quek1 et k2 sont distinctes de 0 ou 10. On consid`ere le syst`eme complet{R1≥k1},{R1< k1, R2≥k2}et{R1< k1, R2< k2}et
d’apr`es la formule des probabilit´es totales pour touty∈[0,10]on a P(Y(k1,k2)≤y) = P(Y(k1,k2)≤y|R1≥k1)P(R1≥k1) +
+P(Y(k1,k2)≤y|R1< k1, R2≥k2)P(R1< k1, R2≥k2) + +P(Y(k1,k2)≤y|R1< k1, R2< k2)P(R1< k1, R2< k2)
= P(R1≤y|R1≥k1)P(R1≥k1) +
+P(R2≤y|R1< k1, R2≥k2)P(R1< k1, R2≥k2) + +P(R3≤y|R1< k1, R2< k2)P(R1< k1, R2< k2)
= P(k1≤R1≤y) +P(R1< k1, k2≤R2≤y) +P(R3≤y)P(R1< k1, R2< k2) donc
P(Y(k1,k2)≤y) =
0 si y≤0
yk1k2
1000 si y∈[0, k2]
k1(y−k2)
100 +yk10001k2 si y∈[k2, k1]
y−k1
10 +k1(y−k100 2)+yk10001k2 si y∈[k1,10]
1 si y >10.
6. Calculer l’esp´erance de Y(k1,k2).
La fonction de r´epartition de Y(k1,k2) est continue et d´erivable sauf en quatre points. En la d´erivant l`a o`u elle est d´erivable on trouve une densit´eg(k1,k2) deY(k1,k2):
g(k1,k2)(y) = k1k2
10001[0,k2](y) + k1k2
1000+ k1 100
1[k2,k1](y) + 1
10+k2k1 1000+ k1
100
1[k1,10](y)
d’o`uE[Y(k1,k2)] = k120k2 +100k1
50−k222 +101
50−k221 .
On rappelle qu’une variable al´eatoire U est de loi uniforme sur [0,10] si elle admet f(x) = 1011[0,10](x) comme densit´e.
Exercice 4.SoitV = (X, Y) un couple de variables al´eatoires admettant pour densit´e
f(x, y) =
k si|x|+ 2|y| ≤1 0 sinon.
1. D´eterminer kainsi que les lois marginales deX et Y. Comme f est une densit´e on a que f ≥ 0 et R
R2f(x, y)dxdy = 1. Comme f ≥ 0 on peut appliquer le th´eor`eme de Fubini pour mener le calcul suivant
Z
R2
f(x, y)dxdy = k Z 12
−12
Z 1−2|y|
2|y|−1
1dx
! dy
= k
Z 12
−12
(2−4|y|)dy
= 2k Z 12
0
(2−4|y|)dy
= 4k Z 12
0
(1−2y)dy
= 4k
y−y212
0
= k
donck= 1. La densit´e deX est donn´ee par
fX(x) = Z
R
f(x, y)dy=
( 0 si|x|>1 R12(1−|x|)
−12(1−|x|)dy= 1− |x| si|x| ≤1 et la densit´e deY est donn´ee par
Z (
0 si|y|>1
2. D´eterminer la covariance du couple (X, Y). Les variables al´eatoiresXetY sont elles ind´ependantes ? Le support de la densit´e de (X, Y) ´etant born´e les variables X et Y sont de carr´e int´egrable doncXY est int´egrable et d’apr`es le th´eor`eme de Fubini
E[XY] = Z
R2
xyf(x, y)dxdy
= Z 12
−12
y
Z 1−2|y|
2|y|−1
xdx
! dy
= Z 12
−12
(y×0)dy
= 0.
Des densit´es de X et Y donn´ees plus haut on d´eduit que E[X] = R1
−1x(1− |x|)dx = 0 et E[Y] = R12
−12y(2−4|y|)dy = 0. Par cons´equent Cov(X, Y) = E[XY]−E[X]E[Y] = 0. Les variables al´eatoiresX etY ne sont pas ind´ependantes car pour tout(x, y)∈]12,1]×]14,12] on a
|x|+ 2|y|>1 doncP((X, Y)∈]12,1]×]14,12]) = 0tandis queP(X ∈]12,1]) =R1
1 2
(1− |x|)dx >0 etP(Y ∈]14,12]) =R12
1 4
(2−4|y|)dy >0.
Exercice 5.Dans cet exercice on commence par consid´erer une situation caricaturale avant de traiter la question vraiment int´eressante, ceci dans le but de se former une intuition sur le probl`eme consid´er´e.Vous ˆ
etes libre de r´epondre comme vous le voulez du moment que vous le faites de fa¸con clairement justifi´ee.
1. Vous participez `a un jeu o`u vous ˆetes mis en face de 1 000 portes identiques. Derri`ere l’une de ces portes se trouve un objet de grande valeur et derri`ere chacune des 999 autres portes on trouve un mˆeme objet de peu de valeur. Vous devez choisir une porte, ´etant entendu que vous repartirez avec l’objet qui se trouve derri`ere la porte que vous avez choisie.Le jeu se fait en pr´esence d’un
“animateur” qui sait derri`ere quelle porte se trouve l’objet de grande valeur. Apr`es que vous lui avez communiqu´e votre choix, il n’ouvre pas la porte que vous avez choisie mais il ouvre 998 portes parmi les 999 portes diff´erentes de celle que vous avez choisie. Derri`ere chacune de ces 998 portes on trouve `a chaque fois un objet de peu de valeur. L’animateur vous offre alors la possibilit´e de changer d’avis. Autrement dit, il vous offre la possibilit´e de choisir entre les deux portes qui sont demeur´ees ferm´ees. Avez-vous int´erˆet `a changer d’avis ou maintenez-vous votre premier choix ?
Quelle que soit la porte choisie par le candidat, l’animateur sera en capacit´e d’ouvrir 998 portes derri`ere lesquelles se cachent des objets de peu de valeur. Donc la strat´egie suivie, garder la porte montr´ee en premier ou choisir l’autre porte peut se d´ecider avant mˆeme que le jeu ne commence.
On a donc deux options et on va calculer la probabilit´e de repartir avec le gros lot dans chacun de ces deux cas. Pour cela on consid`ere le syst`eme complet d’´ev´enements constitu´e de A =
L’objet de grande valeur se cache derri`ere la porte d´esign´ee en premieretB =L’objet de grande valeur ne se cache pas derri`ere la porte d´esign´ee en premier.
(a) On garde son premier choix. Alors d’apr`es la formule des probabilit´es totales
P(gagner au final le gros lot)
= P(gagner au final le gros lot|A)P(A) +P(gagner au final le gros lot|B)P(B)
= 1× 1
1000+ 0× 999 1000
= 1
1000.
(b) On modifie son choix. Alors d’apr`es la formule des probabilit´es totales
P(gagner au final le gros lot)
= P(gagner au final le gros lot|A)P(A) +P(gagner au final le gros lot|B)P(B)
= 0× 1
1000+ 1× 999 1000
= 999
1000.
On a clairement int´erˆet `a modifier son choix.
2. Vous participez `a un jeu reposant sur le mˆeme principe que le jeu pr´ec´edent, si ce n’est que cette fois le choix initial est r´eduit `a 3 portes identiques : une porte derri`ere laquelle se trouve un objet de grande valeur et deux portes derri`ere lesquelles on trouve un objet de peu de valeur.L’animateur sait derri`ere quelle porte se trouve l’objet de grande valeur. Apr`es que vous avez communiqu´e votre choix `a l’animateur celui-ci ouvre l’une des deux portes que vous n’avez pas choisies. Derri`ere cette porte on trouve un objet de peu de valeur. `A nouveau l’animateur vous offre alors la possibilit´e de changer d’avis. Autrement dit, il vous offre la possibilit´e de choisir entre les deux portes qui sont demeur´ees ferm´ees. Avez-vous int´erˆet `a changer d’avis ou maintenez-vous votre premier choix ?
On peut raisonner comme `a la question pr´ec´edente, seules les valeurs des probabilit´es sont diff´erentes. Avec les mˆemes notations il vient que
(a) On garde son premier choix. Alors d’apr`es la formule des probabilit´es totales
P(gagner au final le gros lot)
= P(gagner au final le gros lot|A)P(A) +P(gagner au final le gros lot|B)P(B)
= 1×1
3+ 0×2 3
= 1
3.
(b) On modifie son choix. Alors d’apr`es la formule des probabilit´es totales
P(gagner au final le gros lot)
= P(gagner au final le gros lot|A)P(A) +P(gagner au final le gros lot|B)P(B)
= 0×1
3+ 1×2 3
= 2
3.
A nouveau on a int´` erˆet `a modifier son choix. Vous pourrez lancer un grand nombre de simula- tions en consultanthttp://lmrs.univ-rouen.fr/Vulgarisation/Hall/hall.htmlet vous constaterez (d’une autre fa¸con) que la bonne strat´egie est bien de modifier son choix.