Université de Strasbourg UE − Probabilités Mathématiques-Economie Niveau − L3, année − 2012-2013 Correction du contrôle continu Probabilités Questions de cours − 1) F est une tribu des parties de Ω si : i) Ω ∈ F, ii) F ⊂ P(Ω), iii) F est stable par passage au complémentaire, iv) F est stable par union dénombrable. 2) Une mesure est une fonction d’ensemble définie sur F et à valeurs dans [0, ∞] qui est σ-additive (voir énoncé de l’exercice 1). Pour que ce soit une mesure de probabilité, il faut en plus que P(Ω) = 1. 3) La fonction X : (Ω, F) 7→ (R, B(R)) doit être mesurable, c’est à dire : ∀A ∈ B(R), X −1 (A) = {ω ∈ Ω | X(ω) ∈ A} ∈ F. Exercice 1 − 1) La fonction f est positive et de plus Z Z f (x)dx = R 1 ∞ ∞ x−2 dx = −x−1 1 = 1. 2) Pour que µ soit une mesure de probabilité sur (R, B(R)) il faut que µ(R) = 1. Or, 1 1 µ(R) = ν(R) + βδ2 (R) = + β, 3 3 car d’après la question 1), ν est une mesure de probabilité (donc ν(R) = 1) et que 2 ∈ R. Donc on a β = 2/3. 3) Soit A ∈ B(R). On a µ(A) = P(X −1 (A)) = P(X ∈ A). 4) Soit t ∈ R. Il faut calculer : 1 2 1 µ(] − ∞, t]) = ν(] − ∞, t]) + δ2 (] − ∞, t]) = 3 3 3 Z t 2 f (x)dx + δ2 (] − ∞, t]). 3 −∞ Ainsi, si t < 1, µ(] − ∞, t]) = 0. Si t ∈ [1, 2[, Z 1 t −2 1 −1 t 1 1 µ(] − ∞, t]) = x dx = − x 1 = 1− . 3 1 3 3 t Enfin, si t ≥ 2, 1 µ(] − ∞, t]) = 3 1 2 1 1− + =1− t 3 3t 0.2 0.4 F(t) 0.6 0.8 1.0 On trace ci-dessous la fonction F t) := µ(] − ∞, t]). 0.0 c 0 2 4 6 8 10 t Il ensuite facile de remarquer que F est une fonction croissante, continue partout sauf au point 2, admettant une limite à gauche et étant continue à droite au point 2. Enfin, F (−∞) = 0 et F (+∞) = 1. 5) On a: Z Z Z Z 1 2 E(|X|) = E(X) = XdP = xµ(dx) = xν(dx) + xδ2 (dx) 3 R 3 R Ω R Z 4 1 ∞ −1 = x dx + = ∞. 3 1 3 Donc X n’est pas intégrable. 6) Z 1 ∞ log(x) 2 E(| log(X)|) = E(log(X)) = dx + log(2) 2 3 1 x 3 Z 1 ∞ −x 2 1 = xe dx + log(2) = (1 + 2 log(2)). 3 0 3 3 Exercice 2 − 1) 1 2 2 2 √ exp − (x − xy + y ) dx 3 R π 3 Z 2 1 1 1 2 1 (x − y/2)2 1 2 √ √ exp − dx = exp − y exp − y , 2π 2 2 3/4 2π 2 3 2π R Z fY (y) = = puisque 2 1 (x − y/2)2 g(x) := √ √ exp − 2 3/4 3 2π est la densité d’une loi normale de moyenne y/2 et de variance 3/4. Donc Y suit une loi normale centrée et réduite. 2) La densité conditionnelle de X sachant Y = y est donnée par : f (x, y) 1 (x − y/2)2 2 fX|Y =y (x) = = √ √ exp − . fY (y) 2 3/4 3 2π Ainsi, X sachant Y suit une loi normale de moyenne Y /2 et de variance 3/4. 3) D’après la question précédente, l’espérance conditionnelle E(X|Y ) est égale à Y /2.