Université Pierre et Marie Curie Probabilités de base - 4M010 2015 – 2016 Feuille 5 Indépendance. 1. Déterminer à quelle condition une variable aléatoire réelle est indépendante d’ellemême. 2. Soient E = {x1 , x2 , x3 } et F = {y1 , y2 , y3 } deux ensembles finis. Pour chacune des matrices P = (Pij )i,j=1,2,3 ci-dessous, on considère un couple (X, Y ) de variables aléatoires à valeurs dans E × F tel que pour tous i, j ∈ {1, 2, 3}, on ait P(X = xi , Y = yj ) = Pij . Déterminer si les variables aléatoires X et Y sont indépendantes. 1 1 3 3 1 3 3 1 0 0 0 0 4 32 96 4 32 96 4 12 3 12 2 1 1 2 2 1 1 . P = , P = P = 0 0 0 , P = 17 17 17 15 20 60 15 20 20 1 1 17 17 17 1 1 3 0 0 0 0 2 6 60 160 480 4 10 80 3. a. Soient X et Y deux variables aléatoires indépendantes de loi gaussienne centrée réduite. Déterminer la loi de X . Y b. Soit Z une variable aléatoire qui suit la loi de Cauchy standard. Déterminer la loi de Z1 . 4. Soient N1 , . . . , Nr des variables aléatoires indépendantes qui suivent des lois de Poisson de paramètres respectifs λ1 , . . . , λr . Déterminer la loi de N1 + . . . + Nr . 5. Calculer la loi de la somme de deux variables aléatoires indépendantes, l’une de loi de binomiale de parmètres n et p, l’autre de paramètres m et p, où p ∈ [0, 1] et m, n sont deux entiers. 6. Montrer que si la somme de deux variables aléatoires discrètes indépendantes a la loi de Bernoulli de paramètre p ∈ [0, 1], alors l’une des deux variables aléatoires est constante. 7. Soient X et Y deux variables aléatoires normales centrées réduites indépendantes. On pose Z = X − Y . Calculer la matrice de covariance du vecteur (X, Y, Z) et vérifier que Var(X + Y + Z) = Var(X) + Var(Y ) + Var(Z). 1 8. Soit z un nombre complexe. a. Montrer que l’intégrale 1 I(z) = √ 2π +∞ Z x2 e− 2 ezx dx −∞ est convergente. b. Montrer que pour tout n ≥ 1, on a l’inégalité n X k k z x ≤ e|z||x| k! k=0 et en déduire que 1 I(z) = lim √ n→+∞ 2π Z +∞ 2 − x2 e −∞ n X z k xk k=0 k! dx. c. Calculer I(z). d. Déterminer la fonction caractéristique d’une variable aléatoire de loi N (µ, σ 2 ). e. Soit X une variable aléatoire de loi normale. Montrer qu’on a l’égalité 1 E[eX ] = eE[X]+ 2 Var(X) . 9. Soient X1 , . . . , Xn des variables indépendantes et identiquement distribuées de loi normale centrée réduite. Soient a1 , . . . , an des réels. Déterminer la loi de a1 X1 +. . .+an Xn . 10. Pour tout réel t > 0, on pose Z +∞ xt−1 e−x dx. Γ(t) = 0 Soient θ et t deux réels strictement positifs. On appelle loi gamma de paramètres θ et t la loi de densité θt t−1 −θx x e 1R+ (x). Γ(t) a. Vérifier que la fonction Γ(t) est bien définie sur R∗+ . Vérifier également que la densité donnée ci-dessus est bien d’intégrale égale à 1. b. Calculer la fonction caractéristique de la loi Γ(θ, t). c. Soient t1 , . . . , tn des réels strictement positifs. Soient X1 , . . . , Xn des variables aléatoires indépendantes de lois respectives Γ(θ, t1 ), . . . , Γ(θ, tn ). Calculer la loi de la somme X 1 + . . . + Xn . 2 11. Soit X1 , X2 , . . . une suite infinie de variables aléatoires, toutes de même loi. On suppose que cette loi admet un moment d’ordre 2, et on en note m l’espérance. On suppose également que pour tout n ≥ 1, les variables aléatoires X1 , . . . , Xn sont indépendantes. Pour tout n ≥ 1, on pose Sn = X1 + . . . + Xn . Montrer que l’on a " 2 # Sn lim E −m = 0. n→+∞ n Sn converge en moyenne quadratique, lorsque n tend On dit que la moyenne empirique n vers +∞, vers m. 12. Pour toute variable aléatoire réelle X qui admet un moment d’ordre 3, on définit k3 (X) = E[X 3 ] − 3E[X 2 ]E[X] + 2E[X]3 . Montrer que si X et Y sont deux variables aléatoires réelles indépendantes qui admettent un moment d’ordre 3, alors k3 (X + Y ) = k3 (X) + k3 (Y ). 13. Soit (Ω, F , P) un espace de probabilités. Soient U, V : (Ω, F , P) → R deux variables aléatoires indépendantes de loi uniforme sur l’intervalle [−1, 1]. a. Calculer la fonction caractéristique de la variable aléatoire U + V . b. Soit X : (Ω, F , P) → R une variable aléatoire. On suppose que X, U, V sont indépendantes. Montrer que la loi de X + U + V admet une densité par rapport à la mesure de Lebesgue. 3