Examen LM390, deuxi`eme session de l’ann´ee 2006–2007.
I X et Y sont deux variables al´eatoires ind´epedantes de loi de Cauchy. La loi de Cauchy est la loi sur R de densit´e
1 π(1+x2).
(a) SoitZ=XY, U =X. Calculer la densit´e du couple (Z, U).
(b) D´eduire la densit´e de la variable al´eatoireZ.
(c) D´eduire la densit´e de la variable al´eatoire ln|X|+ ln|Y|.
(d) D´eduire la valeur de l’int´egraleR∞
−∞
t et−e−tdt.
IISoitX1, . . . , Xn des variables al´eatoires ind´ependantes de loi de Poisson de param`tre 1.
(a) SoitZn=Qn
i=1(1 +Xi). Etudier la convergence p.s. de lnnZn (b) SoitVn =Qn
k=1Xk. Etudier la convergence en probabilit´e deVn. (c) Etudier la convergence p.s. deVn.
(d) Etudier la convergence dansL1 deVn.
(e) Donner la fonction-g´en´eratrice et puis la loi deX1+· · ·+Xn.
(f) SoitYn une variable al´eatoire de loi de Poisson de param`etren. Donner limn→∞P(Yn>2n).
(g) Etudier la convergence en loi de Y√nY−n
n .
IIIOn r´ealise une suite d’essaies ind´ependants o`u la probabilit´e de succ`es est `a chaque foisp∈]0,1[. Soit Xp le nombre d’essaies n´ecessaires pour obtenir un succ`es.
(a) Donner la fonction de repartition de la variable al´eatoireXp.
(b) Etudier la convergence en loi de suitepXpquand p→0 (Suggestion : pensez `a utiliser les fonctions de r´epatition).
IVW1 est une variables al´eatoire de loi uniforme sur [−1,1] (cad de densit´e (1/2)1{x∈[−1,1]} ). Soitφ1/W1(t) la fonction caract´eristique de de la variable al´eatoire 1/W1.
(a) Prover l’une des ´egalit´es suivantes : φ1/W1(t) =R1
0 cos (t/x)dxou bienφ1/W1(t) =R1
0 sin (t/x)dx (b) En d´eduire l’une des ´egalit´es suivantesφ1/W1(t) =|t|R∞
|t| sin (y)y−2dy ou bienφ1/W1(t) =|t|R∞
|t| cos (y)y−2dy.
Donner le developpement limit´e d’ordre 1 deφ1/W1(t) quandt→0.
Rappel. R∞
0 y−2(cos (y)−1)dy=−π/2.
(c) Soient W1, . . . , Wn des variables al´eatoires ind´ependantes de loi uniforme sur [−1,1]. Donner la limite en loi de la suiteZn =n−1Pn
i=1(1/Wi).
VSoientσ1, σ2, ρ∈R
B= σ21, ρ ρ, σ22
.
(a) Quelle condition faut-il imposer sur σ1, σ2, ρ pour qu’il existe un vecteur Gaussien (X, Y) d’esp´erance (0,0) et de matrice de covariances B ?
(b) Quelle condition faut-il imposer σ1, σ2, ρ pour que le vecteur Gaussien (X, Y) d’esp´erancce (0,0) de matrice de covariance B poss`ede une densit´e surR2 par rapport `a la mesure de Lebesgue ? Donner cette densit´e.
(c) On consid`ere le vecteur W~ = (U, V) = (X−Y,(X+Y)/2). Donner sa loi. Quelle condition faut-il imposer sur les param`etresσ1 et σ2 pour que ces composantes soient ind´ependantes pour toutρ∈]− ∞, σ12σ22[ ?
(d) Soit σ12 = σ22 = 3, ρ = 1. Trouver une application lin´eaire A : R → R, telle que le vecteur A ~W soit un vecteur Gaussien dont l’esp´erance est 0 et la matrice de covariances
G= 18/5 4/5 4/5 2/5
.
VIFormuler le Th´eor`eme de la limite centrale vectoriel.
Corr´ection
I
(a) On calcule pour toute f mesurable born´ee π12
R
R2f(xy, x)1+x12
1
1+y2dxdy == π12
R
R2f(z, u)1+u12
1 1+z2/u2
1
|u|dudv. La densit´e vaut π121+u|u|2z2+u1 2.
(b)R
R 1 π2
|u|
1+u2 1
z2+u2du=π22R∞ 0
udu
(1+u2)(z2+u2)== π121−z12
lnu1+u2+z22
u=∞
u=0
= π2ln(z2z−1)2 . c) On calcule pour toute f mesurable born´ee R
Rf(ln|z|)π2ln(z2z−1)2 dz. Le changement de variable ln|z|=t, z =et pour z ∈ [0,∞[ et z = −et pour z =]− ∞,0] donne R∞
−∞f(t)π22te(e2ttdt−1)+R−∞
∞ f(t)π2t(−e2(e2tt−1))dt = R∞
−∞f(t)π24te(e2ttdt−1) La densit´e de ln|Z|vaut donc π2(et4t−e−t).
d) CommeR
R 4tdt
π2(et−e−t) = 1, l’int´egrale demand´ee vautπ2/4.
II
(a) lnZn/n=n−1Pn
i=1ln(1 +Xi)→E(1 +Xi) =e−1P∞
k=0ln(1 +k)/k! par la loi de grands nombres.
(b),P(Vn> )≤P(X16= 0)n= (1−e−1)n→0, doncVn→0 en probabilit´e.
(c)P
nP(Vn> )<∞, Par le lemme de Borel-CantelliVn→0 p.s.
(d) SiVn convrgeait dansL1, sa limite aurait ´et´e la mˆeme que la limite en probabilit´e, donc z´ero, orE|Vn|= 1, Vn ne converge pas dansL1.
(e)GX1+···Xn(s) = (GX1(s))n=en(s−1), donc la loi deX1+· · ·Xn est de Poisson de param`etren.
(f)Yn est de loi qui est la loi de la somme denv.a. ind´ep. de loi de Poisson de param`etre 1. Donc par la loi de grands nombresYn/n→1 p.s. et donc en proba. Donc limn→∞P(Yn >2n) = 0.
(g) Yn√−nn converge en loi versN(0,1) par le TLC.p
n/Yn converge p.s. et donc en loi vers 1 par la loi de grands nombres.
Comme Y√nY−n
n =Yn√−nn ×p
n/Yn o`u les deux termes convergent en loi dont un vers une constante, Y√nY−n
n converge en loi vers N(0,1)×1 =N(0,1).
III(a)P(Xp> x) = (1−p)[x]. P(Xp≤x) = 1−(1−p)[x] pour x >0 etP(Xp≤x) = 0 pourx <0.
(b)P(pXp≤x) = 1−(1−p)[x/p]→1−e−xpourx >0. DoncpXp converge en loi vers la loi exponentielle de param`etre 1 quandp→0.
IV
(a)φ1/W1(t) = (1/2)R1
−1eit/xdx== (1/2)R1
0 eit/xdx+(1/2)R0
1 eit/(−x)(−dx) = (1/2)R1
0(eit/x+e−it/x)dx=R1
0 cos (t/x)dx.
( L’autre ´egalit´e est impossible d´ej`a par le fait queφ(0)6= 0.)
(b) Par le changement de variable t/x =y pour t > 0 et−t/x=y pour t < 0 on aφ1/W1(t) =|t|R∞
|t| cos,(y)y−2dy =
|t|R∞
|t|(cos (y)−1)y−2dy+|t|R∞
|t| y−2dy=−(π/2)|t|+o(|t|) + 1,t→0.
(c) φZn(t) = (1−(π/2)|t|/n+o(1/n))n →exp(−(π/2)|t|). Zn converge en loi vers une v.a. de loi de Cauchy standard multipi´ee parπ/2.
V
(a)σ12σ22−ρ2≥0
(b)σ12σ22−ρ2>0. Densit´ef(s1, s2) =√ 1
(2π)2detBexp(−~sB−1~s/2),~s= (s1, s2).
(c) C’est un vecteur Gaussien d’esp´erance 0 et de matrice de covariances
C= σ21+σ22−2ρ, (σ21−σ22)/2 (σ21−σ22)/2, (σ21+σ22+ 2ρ)/4
.
La condition estσ1=σ2.
(d) Soit σ12=σ22 = 3, ρ= 1. La mariceC est diagonale avec 4 et 2 sur la diagonale. Ce sont les valeurs propres de la matrice G. Les vecteurs propres orthogonaux sont proportionnels aux (2,1) et (−1,2). DoncA= 2/√
5 −1/√ 5 1/√
5 2/√ 5
,car AT =A−1et ACAT =ACA−1=G.
VIVoir le poly du cours.