Université Paris Dauphine Année universitaire 2016-2017
Deuxième année du DE MI2E TD de MR. BEY
Probabilités multidimensionnelles et théorèmes limite Groupes 2 & 3
TD 9 : 01/03/2017
Correction suite Exos Vecteurs aléatoires
Solution Exercice 28
Énoncé : Soit (X, Y) un couple de densité jointe f(x, y) =exp(−(x+y)) si x >0 et y >0. Calculer la fonction de répartition de la variable aléatoire XY .
On dénit : D={(x, y)∈R2 tel que x >0, y >0 et x < ty}
F(X
Y)(t) =P X
Y 6t
=P(X 6tY) = Z
D
f(x, y)dxdy= Z
D
e−(x,y)dx dy = Z
D
e−xe−ydxdy
= Z +∞
0
Z ty
0
e−xe−y dx dy.
On remarque que le fonction f(x, y) est mesurable positive, donc par application du théorème de Fubini-Tonelli nous avons :
F(X
Y)(t) = Z +∞
0
Z ty
0
e−xe−y dx dy= Z +∞
0
e−y Z ty
0
e−xdx
dy
= Z +∞
0
e−y
−e−xty 0 dy=
Z +∞
0
e−y 1−e−ty dy
= Z +∞
0
e−y−e−(1+t)y dy
= 0−
−1 + 1 1 +t
= 1− 1
1 +t = 1 +t−1 1 +t = t
1 +t. ∀t∈R+
Solution Exercice 29 Soit
f(x, y) =
k(y2−x2+ 1) si (x, y)∈[0,1]×[0,1]
0 sinon
où k est un paramètre réel.
1
1. On observe que pour tout k ∈ R+, f est une fonction mesurable, positive. D'autre part
Z
R2
f(x, y)dxdy =k Z 1
0
Z 1
0
y2−x2+ 1
dydx =k Z 1
0
y3
3 −yx2 +y 1
0
dx
=k Z 1
0
1
3 −x2+ 1
dx=k 4
3x− x3 3
1
0
=k 4
3 −1 3
=k Par suite f(x, y)est une densité de Probabilité ssi k = 1.
2. Nous avons Z
R2
f(x, y)dxdy =k Z 2
0
Z 2
0
(y2−x2+ 1)dydx=k Z 2
0
8
3 −2x2+ 2
dx
=k 8
3x−2x3 3 + 2x
2
0
=k 16
3 − 16 3 + 4
= 4k
Donc Z
R2
f(x, y)dxdy ssi k= 14.
Par contre, ∀(x, y)∈[0,2]×[0,2] la fonctionf(x, y) = 14(y2−x2+ 1)∈[−3,5]. Par conséquent f n'est pas une densité de probabilité.
Solution Exercice 30
Soit (X, Y) un couple de variables aléatoires de loi de densité f(x, y) =e−y 1{y>x>0}.
1. f est une densité de probabilité. En eet, f(x, y) est une fonction continue positive
∀(x, y)∈R2. De plus Z
R2
f(x, y)dxdy = Z
R
Z
R
e−y1{y>x>0}dxdy= Z +∞
0
Z 0
0
e−ydx
dy
= Z +∞
0
e−y Z y
0
dx
dy= Z +∞
0
ye−ydy= 1.
2. Loi marginale de X fX(x) =
Z
R
f(x, y)dy= Z
R
e−y1{y>x>0}dy= Z +∞
x
e−ydy =e−x1{x>0}
Loi marginale de Y fY(y) =
Z
R
f(x, y)dx= Z
R
e−y1{y>x>0} =e−y Z y
0
dx=ye−y1{y>0}
On constate quefY(y)fX(x)6=f(X,Y)(x, y), doncX etY ne sont pas indépendantes.
2
3. La formule de Bayes donne
P (X 61|Y >2) = P({X 61} ∩ {Y >2}) P(Y >2) . Par des calculs intégrales, nous avons
P(Y >2) = Z +∞
2
fY(y)dy= Z +∞
2
ye−y1{y>0}dy= 3e−2.
Et
P({X 61} ∩ {Y >2}) = Z 1
−∞
Z +∞
2
e−y1{y>x>0}dydx = Z 1
−∞
Z +∞
2
e−y1{y>x>0}dy
dx
= Z 1
−∞
Z
{y∈[2,+∞[ety∈[x,+∞[}
e−ydy
dx
Posons l'intégrale I(x) = Z
{y∈[2,+∞[ety∈[x,+∞[}
e−ydy
et notons le domaine : D={(x, y)∈R2+ tel que y∈[2,+∞[ ety ∈[x,+∞[}.Il est clair que
Si x >2⇒ D= [x,+∞[. Si 0< x62⇒ D= [2,+∞[. Par suite,
I(x) = Z +∞
x
e−y1{x>2}dy+ Z +∞
2
e−y1{0<x<2}dy=1{x>2}e−x+e−21{0<x<2}.
On montre donc
P({X 61} ∩ {Y >2}) = Z 1
−∞
e−x1{x>2}dx+ Z 1
−∞
e−21{0<x<2}dx= 0 + Z 1
0
e−2dx=e−2
On conclut que
P(X 61/Y >2) = e−2 3e−2 = 1
3
3