X – MAP
PC – Lundi mai – Ve eurs de variables al´eatoires Corrig´e des que ions non abord´ees en PC
Igor Kortchemski –igor.kortchemski@cmap.polytechnique.fr
Corrig´e des exercices non trait´es surhttp:// www.normalesup.org/ ˜ kortchem/ MAPun peu apr`es la PC.
Lois conditionnelles
E xercice 4. Soit (X, Y) un couple de variables al´eatoires r´eelles `a densit´e surRtel que : – Xsuit une loiΓ(, λ) (de densit´efX(x) =λxe−λx1x≥),
– la loi conditionnelle de Y sachantXe la loi uniforme sur le segment [, X] (ou, en d’autres termes, la densit´e conditionnelle deY sachant queX=xefY|X=x(y) =x1<y<x).
() D´eterminer la densit´e de (X, Y) ainsi que la loi deY. () Calculer la densit´e conditionnelle deXsachantY. () Calculer les quantit´es suivantes :
(a) E[Y|X], (b) E[X|Y],
(c) E[X+XY|Y],
(d) E[E[Y|X]],
(e) E[XY] (on pourra utiliser le fait queE[X] =λ).
Corrig´e :
() Par d´efinition,
fY|X=x(y) =f(X,Y)(x, y) fX(x) , o `uf(X,Y)ela densit´e de (X, Y). On en d´eduit que
f(X,Y)(x, y) =fY|X=x(y)·fX(x) =λe−λx1<y<x. La loi deY ealors `a densit´e, de densit´efY donn´ee par
fY(y) = Z
R
f(X,Y)(x, y)dx=λ Z ∞
y
e−λxdx1y>=λe−λy1y>. Ainsi,Y suit une loi exponentielle de param`etreλ.
() Par d´efinition,fX|Y=y(x) edonn´e par
fX|Y=y(x) =f(X,Y)(x, y)
fY(y) =λe−λx+λy1<y<x. () (a) On aE[Y|X] =Ψ(X), avec
Ψ(x) =E[Y|X=x] = Z
R
yfY|X=x(y)dy= Zx
y
xdy1x>=x
1x>. Ainsi,E[Y|X] =X.
Pour des queions, demande d’explications etc., n’h´esitez pas `a m’envoyer un mail.
(b) On aE[X|Y] =Ψ(Y) avec
Ψ(y) =E[X|Y =y] = Z
R
xfX|Y=y(x)dx=λeλy1y>
Z∞
y
xe−λxdx.
Pour calculer cette int´egrale, on fait le changement de variableu=x−y, de sorte que Ψ(y) =1y>
Z∞
(u+y)λe−λudu=
λ+y 1y>.
Ainsi,E[X|Y] =λ+Y. (c) On a
E[X+XY|Y] =E[X|Y] +E[XY|Y] =E[X|Y] +YE[X|Y] = (Y+)( λ+Y).
(d) On sait que E[E[Y|X]] = E[Y]. Comme Y suit une loi exponentielle de param`etre λ, on a donc E[E[Y|X]] =/λ.
(e) Pour simplifier le calcul, l’id´ee ed’´ecrireE[XY] =E[E[XY|X]]. En effet,E[XY|X] =XE[Y|X] = X, donc
E[XY] =E
"
X
#
=E[X]
= λ.
Ve eurs gaussiens
E xercice 5. SoitX= (X, X, X) un veeur gaussien centr´e de matrice de covariance Γ =
() Que peut-on dire deXet de (X, X) ? () Quelle ela loi de (X, X) ?
() Montrer que pour touta∈Rle veeur (X, X+aX) eun veeur gaussien.
() En choisissantade sorte queXetX+aXsoient ind´ependants, calculerE[X|X].
Corrig´e :
() On voit que pouri=eti=on a Cov(XXi) =. DoncXeind´ependant du veeur gaussien (X, X).
() Le veeur gaussien (X, X) ecentr´e, de matrice de covarianceΓ=
.
() Tout combinaison de lin´eaire deXet deX+aXeune combinaison lin´eaire deXet deX, donc eune variable gaussienne car (X, X) eun veeur gaussien. Donc le veeur (X, X+aX) egaussien (centr´e).
() Comme le veeur (X, X+aX) e gaussien (centr´e),X etX+aX sont ind´ependants si et seulement si Cov(X, X+aX) =. Or
Cov(X, X+aX) =E[X(X+aX)]−E[X]E[X+aX] =E[X] +aE[XX] =+a.
En prenanta=−, on en d´eduit queX−XetXsont ind´ependants.
Pour calculer E[X|X], l’id´ee e de choisirα, β pour avoir X =α(X−X) +βX : en ´ecrivant X =
−
(X−X) +X, on obtient donc : E[X|X] =−
E[X−X|X] +E
X|X
=−
E[X−X] +
X=
X.
E xercice 6. SoitXune variable al´eatoire de loi normaleN(,). Poura >, on poseYa=X1|X|<a−X1|X|≥a. () Montrer queYaeune variable al´eatoire normaleN(,).
() Montrer qu’il exie un unique r´eela >tel queCov(X, Ya) =. Les variables al´eatoiresXetYasont-elles alors ind´ependantes ? Le veeur (X, Ya) e-il un veeur gaussien ?
Corrig´e :
() On applique la m´ethode de la fonion muette. Soith :R →R continue born´ee. On calculeE[h(Ya)]. En remarquant queE[h(Ya)] =h(X)1|X|<a+h(−X)1|X|≥a, en utilisant la lin´earit´e de l’esp´erance, la formule de transfert et le changement de variabley=−x:
E hh(Ya)i
= Z
|x|≤a
h(x)
√πe−xdx+ Z
|x|≥a
h(−x)
√πe−xdx
= Z
|x|≤a
h(x)
√πe−xdx+ Z
|x|≥a
h(x)
√πe−xdx
= E[h(X)].
DoncYaetXont la mˆeme loi, d’o `u le r´esultat.
() On aE[Ya] =E[X] =, et par lin´earit´e de l’esp´erance E[YaX] =E
hX1|X|<a
i−E
hX1|X|≥a
i.
OrE
hX1|X|<a
i+E
hX1|X|≥a
i=E[X] =. Ainsi,Cov(X, Ya) =si et seulement siE
hX1|X|<a
i=/. On voit ais´ement quea7→E
hX1|X|<a
ie riement croissante, vautenet tend versen +∞. Il exie donc un unique r´eela >tel queCov(X, Ya) =(num´eriquement,a'.).
Si X et Ya ´etaient ind´ependantes, le veeur (X, Ya) serait `a densit´e et donc on aurait P(X=Ya) = . Or P(X=Ya) =P(|X|< a)>. DoncXetYane sont pas ind´ependantes. En particulier, (X, Ya) n’epas un veeur gaussien.
Plus appliqu´e (hors PC)
E xercice 8. (Erreurs dans la mesure de la position d’une ´etoile & Loi de Herschel ()) Pour rep´erer une ´etoile on utilise deux nombres, l’ascension droitex(´equivalent sur la sph`ere c´elee de la longitude terrere) et la d´eclinaisony
(´equivalent sur la sph`ere c´elee de la lattitude terrere). `A cause des erreurs de mesure, on mod´elise l’ascension droite par une variable al´eatoire r´eelleXet la d´eclinaison par une variable al´eatoire r´eelleY.
D´eterminerf(X,Y), la densit´e de (X, Y), en faisant les hypoth`eses naturelles suivantes : () fX=fY =f (densit´e de probabilit´e communef, de classeC) ;
() XetY sont ind´ependantes ;
() Il exie une foniongde classeCtelle quef(X,Y)(x, y) =g x+y
pour tousx, y(commenter cette hypoth`ese).
Corrig´e :
Tout d’abord, l’hypoth`ese () signifie qu’on suppose que le rep`ere choisi eartbitraire et que le faire tourner d’un certain angle ne devrait pas affeer la densit´e de probabilit´e.
Pour tousx, y∈Ron af(X,Y)(x, y) =fX(x)fY(y) =f(x)f(y) =g(x+y). En d´erivant par rapport `ax, on obtient f0(x)f(y) =xg0(x+y), de sorte que et on a donc
f0(x)
xf(x)=g0(x+y)
g(x+y) = f0(y)
yf(y). Cela signifie que le quotient de gauche e ´egal `a une conantec:
f0(x)
xf(x)=c =⇒ d
dx(lnf(x)) =cx =⇒ f(x) =k ecx/ o `ukeune conante . On veut quef soit une densit´e, c.-`a-d. une fonion positive telleR
Rf(x) dx=, donck > etc <, aveck=
q|c|
π.
On en d´eduit queXeune variable al´eatoire gaussienne centr´ee de de variance/c.
Compl´ement. Maxwell a utilis´e cet argument enpour trouver la loi de diribution de la vitessev= (vx, vy, vz) d’une mol´ecule dans un gaz parfait `a l’´equilibre thermodynamique. C’edonc la g´en´eralisation ´evidente de ce qui pr´ec`ede au cas o `u on a trois dimension : on trouve
fv(vx, vy, vz) = a
π /
exp
−a
(vx+vy+vz)
.
Par des consid´erations physiques, on aa=kTm o `umela masse de la mo´ecule,kela conante de Boltzmann etT la temp´erature absolue du gaz. On a donc une variance ´egale `a
kT /m
c.-`a-d. proportionnelle `a la temp´erature, ce qui e coh´erent avec la physique : si on identifie une gaussienne de variance nulle avec une masse de Dirac, on retrouve qu’`a temp´erature nulle, il n’y a aucune dispersion des vitesses, tandis que si la temp´erature augmente, on s’attend `a avoir des ´ecarts par rapport `a la vitesse moyenne (qui e nulle) de plus en plus grands. Faire l’hypoth`ese que les trois composantes de la vitesse sont ind´ependantes eassez discutable.
E xercice 9. (Pale)On consid`ere le jeu de la courte paille entre deux joueurs. Une troisi`eme personne choisit un bˆaton puis elle le coupe en deux. Elle pr´esente alors les deux morceaux aux joueurs en cachant la diff´erence de longueur dans sa main. Le premier joueur choisit un morceau et le second prend l’autre. Celui qui a le morceau le plus long gagne.
La longueurU du bˆaton e suppos´ee suivre la loi uniforme sur [,] et les deux morceaux finaux ont pour longueur X=U V etY=U(−V) avecV de loi uniforme sur [,] ind´ependante deU.
() CalculerE[X] etVar(X).
() Donner la loi de−ln(U). En d´eduire sans calcul queξ=−ln(X) suit la loiΓ(,). D´eterminer la loi deX.
() Quelle e la loi de (X, Y) (faire attention au domaine image du changement de variables) ? Les longueurs des morceaux sont-elles ind´ependantes ? Comparer les lois de (Y , X) et de (X, Y). Le jeu e-il ´equitable ? Retrouver la densit´e deX.
Corrig´e :
() PuisqueU etV sont ind´ependantes,E[X] =E[U V] =E[U]E[V] =/. De mˆeme,E[X] =E[U]E[V] =
/et Var(X) =/−/=/.
() On sait que −ln(U) suit la loi exponentielle de param`etre (voir Exercice () ou paragraphe .. du poly). La variable al´eatoireξedonc la somme de deux variables exponentielles de param`etreet suit donc une loiΓ(,), de densit´exe−x1x>. Pour d´eterminer la loi deX, on utilise la m´ethode de la fonion muette.
Soith:R→Rune fonion continue born´ee. On calculeE[h(X)] avec le th´eor`eme de transfert puis avec le changement de variablex=e−z:
E[h(X)] =E
hh(e−ξ)i
= Z ∞
h(e−z)ze−zdz=− Z
φ(x) ln(x)dx.
DoncXe `a densit´e, de densit´e−1<x<ln(x).
() On utilise la m´ethode de la fonion muette. Soit h : R → R une fonion conitbue born´ee. D’apr`es le th´eor`eme de transfert :
E[h(X, Y)] =E[h(U V , U(−V)] = Z
Z
h(uv, u(−v))dudv.
On a donc envie de faire le changement de variable x=uv et y =u(−v). Par ailleurs < u, v < si et seulement si< x+y <etx, y >. Ainsi, l’application (u, v)7→(uv, u(−v)) eunC diff´eomorphisme de ],[sur{(x, y)∈],[:x+y <}, de matrice jacobienne
v u
−v −u
et donc de jacobien|u|. On a donc
E[h(X, Y)] = Z
Z
h(uv, u(−v))u·dudv u
= Z
R
h(x, y)1x>,y>,x+y<
x+y dxdy.
Le couple (X, Y) edonc `a densit´e, de densit´e donn´ee parf(X,Y)(x, y) =1x>,y>,x+y<
x+y .
Comme cette quantit´e ne peut pas se mettre sous forme du produit d’une fonion dexpar une fonion dey.
Les variables al´eatoiresXetY ne sont donc pas ind´ependantes. Cependant, la fonionf(X,Y)esym´etrique en ces variables, de sorte que (X, Y) et (Y , X) ont la mˆeme loi, ce qui entraˆıne que
P(X < Y) =P(Y < X) =−P(X=Y)
=−
si bien que le jeu e ´equitable. On retrouve la densit´e deXen int´egrant par rapport `ay: fX(x) =
Z
R
f(X,Y)(x, y)dy=1x>
Z
R
1<y<−x
dy
x+y =1<x<
Z−x
dy
x+y =−1<x<ln(x)
E xercice 10. (Simulation d’une loi de Poisson) Soit (Un)n≥ une suite de variables al´eatoires ind´ependantes de loi uniforme, et soitλ >. On poseEn=−ln(Un)/λpour toutn≥etTn=E+· · ·+En.
() Identifier la loi de (Ei)≤i≤n, puis la loi deTncomme une loi (presque) classique.
() On poseN= min{n≥:UU· · ·Un+< e−λ}. Montrer queN suit une loi de Poisson de param`etreλ.
Corrig´e :
() Soit≤i≤n. Six≤, on aP(Ei≤x) =, et pourx≥on a P(Ei≤x) =P
Un≥e−λx
=−e−λx.
DoncEi suit une loi exponentielle de param`etreλ. Par ailleurs, d’apr`es le principe de composition, les va- riables al´eatoires (Ei)≤i≤nsont ind´ependantes.
Ainsi,Tn suit la loiΓ(n, λ) comme somme denvariables al´eatoires exponentielles ind´ependantes de mˆeme param`etreλ >.
() Soitn≥un entier. Comme les ´ev´enements{N=n}et{T≤, T≤, . . . , Tn+>}sont ´egaux, on a, en utilisant le th´eor`eme de transfert :
P(N =k) = P(E≤, E+E≤, . . . , E+· · ·+En≤, E+· · ·+En+>)
= Z
],∞[n+
1x≤,x+x≤,...,x+···+xn≤,x+···+xn+>λn+e−λ(x+···+xn+)dx· · ·dxn
L’application (x, . . . , xn+)7→(x, x+x, . . . , x+· · ·+xn+) eunCdiff´eomorphisme de ],∞[n+sur{(y, . . . , yn+)∈ ],∞[n+:y< y<· · ·< yn+}de jacobien. Le changement de variableyi=x+· · ·+xidonne
P(N =k) = Z
<y<···<yn≤,yn+>λn+e−λyn+dy· · ·dyn+
= e−λλn Z
<y<···<yn≤dy· · ·dyn
= e−λλn Z
<y<···<yn≤ydy· · ·dyn
= e−λλn Z
<y<···<yn≤
y
dy· · ·dyn
= e−λλn Z
<yn≤
ynn−
(n−)!dyn (par r´ecurrence)
= e−λλn n!, ce qui conclut.
Pour aller plus loin (hors PC)
E xercice 11. (Pale)SoientXetYdeux variables al´eatoires ind´ependantes de lois respeivesΓ(α, λ) etΓ(α+/, λ), avecα >etλ >. On pose (V , W) = (
√ XY ,
√
Y). D´eterminer la loi de (V , W).
On rappelle que la densit´e de la loiΓ(a, λ)e(c.f. Seion..du poly)Γ(a)λaxa−e−λx1x>avecΓ(a) =R∞
za−e−zdz.
Corrig´e : CommeX et Y sont ind´ependantes, la loi de (X, Y) a pour densit´e (x, y)7→ fX(x)fY(y), o `u fX et fY d´esignent les densit´es deXetY. On utilise alors la m´ethode de la fonion muette :
E[h(V , W)] = E hh(
√ XY ,
√ Y)i
= Z
R
h(√ xy,√
y)f(X,Y)(x, y)dxdy
= Z
R
h(√ xy,√
y)fX(x)fY(y)dxdy
= λα+/
Γ(α)Γ(α+/) Z
],∞[
h(√ xy,√
y)(xy)α−/e−λ(x+y)dxdy
√ x . On consid`ere le changement de variablev=√
xy, w=√
yqui eunCdiff´eomorphisme de ],∞[dans lui-mˆeme.
Le calcul du d´eterminant de la matrice jacobienne donne dvdw=dxdy
√ x. Ainsi, avecy=wetx=v/w,
E[h(V , W)] = λα+/ Γ(α)Γ(α+/)
Z
],∞[
h(v, w)vα−e−λ(w+v
w)
dvdw.
Ainsi, (V , W) e`a densit´e et sa densit´e edonn´ee par f(V ,W)(v, w) = λα+/
Γ(α)Γ(α+/)vα−e−λ(w+v
w)1v>,w>.
E xercice 12. SoientXetY deux variables al´eatoires ind´ependantes telles queE[|X|p]<∞,E[|Y|p]<∞pour un certain p≥etE[Y] =. MontrerE[|X+Y|p]≥E[|X|p].
Indication. On pourra montrer que g :y 7→E[|X+y|p] e convexe et utiliser l’exercicede la PC , qui dit que lorsqueXetYsont ind´ependants, on aE[F(X, Y)] =E[G(Y)] o `uGela fonion d´efinie parG(y) =E[F(X, y)] pour tout y∈R.
Corrig´e :
Tout d’abord, on sait qu’`axfix´e la fonionfx(y) =|x+y|peconvexe. Ainsi, poura < bet≤λ≤,fx(λa+ (− λ)b)≤λfx(a) + (−λ)fx(b). En remplac¸antxparX, en prenant l’esp´erance et utilisant la lin´earit´e de l’esp´erance, on obtient queg(λa+ (−λ)b)≤λg(a) + (−λ)g(b), de sorte quegeconvexe.
Ensuite, par ind´ependance (deuxi`eme partie de l’indication), on aE[|X+Y|p] =E[g(Y)]. D’apr`es l’in´egalit´e de Jensen,g(E[Y])≤E[g(Y)]. OrE[Y] =et donc
E[|X|p] =g() =g(E[Y])≤E[g(Y)] =E[|X+Y|p].
E xercice 13. Soient X, . . . , Xn des variables al´eatoires exponentielles ind´ependantes de mˆeme param`etre λ >avec n≥. On poseSn=X+· · ·+Xn.
() Identifier la loi deSncomme une loi (presque) classique.
() Trouver la densit´e conditionnelle deXsachant queSn=t.
() En d´eduire la valeur de l’esp´erance conditionnelle deXsachantSn. Pouvait-on pr´evoir ce r´esultat ?
Corrig´e :
() Snsuit la loiΓ(n, λ) comme somme denvariables al´eatoires exponentielles ind´ependantes de mˆeme param`etre λ >.
() On commence par d´eterminer la loi jointe (X, Sn) par la m´ethode de la fonion muette. Soith:R→Rune fonion continue born´ee et on calculeE[X, Sn]. Pour simplifier les calculs, on remarque queSn=X+Yavec Y ind´ependante deXet qui suit une loiΓ(n−, λ). Donc
E[h(X, Sn)] = E[h(X, X+Y]
= Z
],∞[
h(x, x+y)λe−λx· λn−
(n−)!yn−e−λydxdy.
L’application (x, y)7→(x, x+y) eunCdiff´eomorphisme de ],∞[sur{(u, v)∈],∞[:u < v}, de jacobien.
On fait alors changement de variableu=xetv=x+y: E[h(X, Sn)] =
Z
R
h(u, v) λn
(n−)!(v−u)n−e−λv1v>u>dudv.
Donc (X, Sn) e`a densit´e, de densit´e donn´ee par f(u, v) = λn
(n−)!(v−u)n−e−λv1v>u>. La densit´e conditionnelle deXsachant queSn=tvaut donc
fX|Sn=t(u) =
λn
(n−)!(t−u)n−e−λt1t>u>
λn
(n−)!tn−e−λt = (n−)(t−u)n− tn− 1t>u>
() On a donc
E[X|Sn=t] = Z
R
ufX|Sn=t(u)du=n− tn−
Z t
u(t−u)n−du=n− tn−
Zt
(t−u)un−du
= n−
tn− t· tn− n−−tn
n
!
= t n Ainsi,
E[X|Sn] =Sn n.
Retrouvons ce r´esultat en utilisant la sym´etrie du probl`eme. Par sym´etrie, on aE[X|Sn] =E[X|Sn] =· · ·= E[Xn|Sn] =Ψ(Sn). Alors
nΨ(Sn) =E[X|Sn] +E[X|Sn] +· · ·+E[Xn|Sn] =E[X+· · ·Xn|Sn] =E[Sn|Sn] =Sn. DoncE[X|Sn] =Snn.
E xercice 14. Soit (X, Y) un couple de variables al´eatoires r´eelles `a densit´e surR. On suppose queXetYsont ind´ependantes.
() Montrer queE[X|Y] =E[X].
() Plus g´en´eralement, montrer queE[h(X, Y)|X] =Φ(X), avecΦ(x) =E[h(x, Y)].
Corrig´e :
() Par d´efinition,E[X|Y] =Ψ(Y), avec
Ψ(y) = Z
R
xf(X,Y)(x, y) fY(y) dx.
OrXetY sont ind´ependantes, doncf(X,Y)(x, y) =fX(x)fY(y). On en d´eduit que Ψ(y) =
Z
R
xfX(x)dx=E[X]. DoncE[X|Y] eune variable al´eatoire conante qui vautE[X].
() Par d´efinition,E[h(X, Y)|X] =Φ(X) avec
Φ(x) = Z
R
h(x, y)f(X,Y)(x, y) fX(x) dy=
Z
R
h(x, y)fY(y)dy=E[h(x, Y)].
E xercice 15. (R´earrangement croissant de variables uniformes)SoientX, . . . , Xndes variables al´eatoires ind´ependantes de mˆeme loi uniforme sur [,]. L’exercice de la PC montre qu’il exie une permutation al´eatoireσ telle que P
Xσ()<· · ·< Xσ(n)
=et que la loi deσ euniforme sur l’ensemble des permutations de longueurn. On pose (Y, . . . , Yn) = (Xσ(), . . . , Xσ(n)).
() D´eterminer la loi de (Y, . . . , Yn).
() D´eterminer la loi de (Y/Y, . . . , Yn−/Yn).
Corrig´e :
() Soit f : [,]n → R une fonion continue born´ee. On a, en notant Sn l’ensemble des permutations de {,, . . . , n},
E[f(Y, . . . , Yn)] = X
σ∈Sn
Z
{≤xσ<...<xσn≤}
f(xσ, . . . , xσn)dx. . . dxn
= n!
Z
{≤x<...<xn≤}
f(x, . . . , xn)dx. . . dxn. La loi de (Y, . . . , Yn) edonc `a densit´e, de densit´e donn´ee par
n!1{≤x<...<xn≤}dx. . . dxn. () Soit maintenantg: ],[n−→Rune fonion continue born´ee. On a
E
"
g Y
Y, . . . ,Yn−
Yn
!#
=n!
Z
{<x<...<xn<}
g x
x, . . . ,xn−
xn
!
dx. . . dxn.
Alorsφ: (x, . . . , xn)∈ {< x< . . . < xn<} 7→x
x, . . . ,xxn−
n , xn
∈],[neunC-diff´eomorphisme de jacobien
´egal `a (x. . . xn)−. Ainsi, d’apr`es la formule de changements de variables puis le th´eor`eme de Fubini-Tonelli, on a
E
"
g Y
Y, . . . ,Yn−
Yn
!#
= n!
Z
],[n
g(u, . . . , un−)uu. . . unn−−unn−du. . . dun
= (n−)!
Z
],[n−g(u, . . . , un−)uu. . . unn−−du. . . dun−.
Donc la loi de (Y/Y, . . . , Yn−/Yn) e
(n−)!uu. . . unn−−1],[n−(u, . . . , un−)du. . . dun−.
Remarque : les variables Y/Y, . . . , Yn−/Yn sont donc ind´ependantes, et chaque Yi/Yi+ e de loi iyi−1],[(y)dy.
E xercice 16. (R´earrangement croissant de lois exponentielles) Soientλ, . . . , λn>. On consid`ere des variables al´eatoires (Ei)≤i≤n ind´ependantes telles queEk suit une loi exponentielle de param`etreλk. On noteE()≤E()≤ · · · ≤E(n)les va- riables al´eatoires (Ei)≤i≤nr´earrang´ees dans l’ordre croissant.
() Montrer queE()suit une loi exponentielle de param`etreλ+· · ·+λn. () Montrer queP
E()< E()
=(ainsi le minimum des variables eatteint une unique fois presque s ˆurement).
() On noteN = min{≤i≤n:Ei =E()}. Montrer queN etE()sont ind´ependants, et queP(N=k) = λ λk
+···+λn pour tout≤k≤n.
Corrig´e :
() Six <, on aP
E()≥x
=. Six≥, on a
P
E()≥x
=P(E≥x, . . . , En≥x) = Yn
i=
P(Ei≥x) =e−Pni=λi. DoncE()suit une loi exponentielle de param`etreλ+· · ·+λn.
() On remarque que l’´ev´enement{E()< E()}contient l’´ev´enement{∀i, j∈ {,, . . . , n}tel quei,jon aXi,Xj}. Il suffit donc de montrer que ce dernier ´ev´enement ede probabilit´eou, de mani`ere ´equivalente, que son compl´ementaire ede probabilit´e nulle. Pour cela, on adapte l’argument de l’exercice() de la PC: on a
P
∃i, j∈ {,, . . . , n}:i,jetEi=Ej
≤ X
i,j∈{,,...,n},i,j
P
Ei=Ej .
Or, d’apr`es le th´eor`eme de transfert, en notantfkla densit´e deEk, pouri,j, P
Ei=Ej
= E
h1Ei=Ej
i
= Z
Rn
dxdx· · ·dxnf(x)f(x)· · ·fn(xn)1xi=xj
= Z
R
dxdyfi(x)fj(y)1x=y
= Z
R
dxfi(x) Z x
x
fj(y)dy
= .
D’o `u le r´esultat.
() Calculons pour un entier ≤ k ≤n et t ≥ la quantit´e P
E()> t, N=k
en remarquant les ´ev´enements
{E()> t, N=k}et{Ek> t, Ej> Ek pour toutj,k}sont ´egaux : P
E()> t, N =k
= P
Ek> t, Ej> Ekpour toutj,k
= Z
],∞[n
1xk>t,xj>xkpour touti,k Yn
i=
λie−λixidxi
= Z
],∞[
1xk>tλke−(λ+···+λk)xkdxk
= e−t(λ+···+λn)· λk λ+· · ·+λn
. En prenantt=, on trouve queP(N=k) =λ λk
+···+λn, ce qui permet d’identifier la loi deN, et en r´einjeant dans l’´egalit´e pr´ec´edente on voit que
P
E()> t, N=k
=P
E()> t
P(N =k).
Ceci ´etant valable pour toutt∈R(il n’y a rien `a faire sit <) et≤k≤n, on en d´eduit queE()etN sont ind´ependants.
E xercice 17. (Processus de Poisson) Soit (Xn, n≥) une suite de variables al´eatoires ind´ependantes d´efinies sur (Ω,A,P), de mˆeme loi exponentielle de param`etre. On poseT=et pour toutn≥,Tn=X+. . .+Xn. Pour toutt≥, on pose
Nt= max{n≥:Tn≤t}. () Soitn≥. Calculer la loi dun-uplet (T, . . . , Tn).
() En d´eduire la loi deNtpour toutt >.
() Pourn≥ett >, on d´efinit surΩune nouvelle mesure de probabilit´eQn,tpar la formule
Qn,t(A) =P(A∩ {Nt=n})
P(Nt=n) pour tout A∈ A. Calculer la loi dun-uplet (T, . . . , Tn) sous la mesure de probabilit´eQn,t.
Corrig´e : () Soitf :Rn
+→R, une fonion continue born´ee. On a E(f(T, . . . , Tn)) =
Z
Rn+
f(x, x+x, . . . , x+x+. . .+xn)e−(x+x+...+xn)dx. . . dxn.
Orφ: (x, . . . , xn)∈(R∗+)n7→(x, x+x, . . . , x+x+. . .+xn)∈ {< t< . . . < tn}eunC-diff´eomorphisme de jacobien ´egal `adonc d’apr`es la formule du changement de variables,
E(f(T, . . . , Tn)) = Z
Rn+
f(t, t, . . . , tn)e−tn1{<t<...<tn}dt. . . dtn,
ce qui signfie que la loi de (T, . . . , Tn) a pour densit´ee−tn1{<t<...<tn}par rapport `a la mesure de Lebesgue sur Rn.
() Soit n ∈ N. On remarque que P(Nt =n) = P(Tn ≤ t, Tn+ > t) (car avec probabilit´e la suite (Tn)n≥ e croissante). On en d´eduit d’apr`es la queion () que pourn≥,
P(Nt=n) = Z
Rn++
e−tn+1{<t<...<tn<tn+}1{tn≤t}1{tn+>t}dt. . . dtndtn+
= Z
Rn+
1{<t<...<tn≤t}dt. . . dtn Z∞
t
e−tn+dtn+
= tn n!e−t,
o `u la deuxi`eme ´egalit´e eune cons´equence du th´eor`eme de Fubini-Tonelli. Et l’on a
P(Nt=) =P(T> t) =P(X> t) = Z∞
t
e−xdx=e−t.
On voit queNtsuit la loi de Poisson de param`etret (c’een fait ce qu’on avait d´ej`a d´emontr´e `a la queion () de l’exercice).
() NotonsEQ
n,t l’esp´erance – c’e-`a-dire l’int´egrale au sens de Lebegue – par rapport `a la mesure de probabilit´e Qn,t. Alors, pour tout fonion continue born´eeF:R→Ron a
EQ
n,t[F] =
E[F1{Nt=n}]
P(Nt=n) . ()
En effet, la formule de l’´enonc´e donne la version ensemblie (d´efinition des probabilit´esQn,t(A)) et () e la version fonionnelle pour des variables al´eatoires. Comme d’habitude en th´eorie de la mesure, on passe du point de vue ensemblie au point de vue fonionnel par approximation par des fonions ´etag´ees. Plus pr´ecis´ement, par d´efinition,
Qn,t(A) =P(A∩ {Nt=n})
P(Nt=n) pour tout A∈ A. On en d´eduit que
EQ
n,t[F] =
E[F1{Nt=n}] P(Nt=n) pour toute fonion ´etag´eeF. En effet, siFn=Pk
i=ai1Bi, alors
EQ
n,t[F] =
k
X
i=
aiEQ
n,t[1Bi]
= Xk
i=
aiQn,t(Bi) (lin´earit´e de l’esp´erance)
= Xk i=
aiP(Bi∩ {Nt=n})
P(Nt=n) (par d´efinition deQn,t)
=
k
X
i=
ai
E[1Bi∩{Nt=n}]
P(Nt=n) (la probabilit´e deBi∩ {Nt=n}el’esp´erance de1Bi∩{Nt=n})
=
E[(Pk
i=ai1Bi)1{Nt=n}]
P(Nt=n) (lin´earit´e de l’esp´erance)
=
E[F1{Nt=n}]
P(Nt=n) (par d´efinition deF).