Département de Mathématiques Probabilités de base Guelma: 2012-2013
Série de TD 2
Exercice 1. Vérifier que les lois suivantes sont bien des lois de probabilité et calculer, quand elles existent,
l’espérance et la variance de ces lois.
A) Lois discrètes :
1) Bernoulli B(1, p), p [0,1] : P(X= 1) = p, P(X= 0) = 1 p.
2) Binomiale B(n;p), n 1, p [0,1] : P(X=k) =
n
k
pk(1 p)nk,0kn.
3) Poisson P(λ), λ > 0 : P(X=k) = λk
k!eλ, k 0.
B) Lois continues (on donne ici la densité de ces lois) :
4) Uniforme U([a, b]), a < b :fX(x) = 1
ba1[a,b](x), x R.
5) Gaussienne N(µ, σ2), µ R, σ > 0 : fX(x) = 1
2πσ2exp (xµ)2
2σ2, x R.
6) Cauchy C(λ), λ > 0 : fX(x) = 1
π
λ
λ2+x2, x R.
7) Exponentielle E(λ), λ > 0 : fX(x) = λeλx, x R+.
8) Gamma Γ(t, λ), t;λ > 0 : fX(x) = (λx)t1λeλx
Γ(t), x R+,Γ(t) = R
0xt1exdx.
Exercice 2. Soit Xune variable aléatoire centrée de variance σ2. En utilisant l’inégalité de Chebychev,
démontrer que
1) P({|X| ≥ a})σ2
a2et P({|X| ≥ a})2σ2
a2+σ2
2) P({|X| ≥ a})σ2
a2+σ2(utiliser ψ(x)=(x+b)2avec b0, puis minimiser en b)
Exercice 3. Soient Xune variable aléatoire positive de carré intégrable et 0t < E(X).
a) Montrer, en utilisant l’inégalité de Cauchy-Schwarz avec Xet Y= 1{X>t}, que
P({X > t})(E(X)t)2
E(X2)
b) Vérifier directement cette inégalité pour X∼ P(λ)et t= 0.
Exercise 4. Let Xbe a centered Gaussian random variable of variance σ2. Compute :
a) EX4.
b) E(exp (X)) .
c) Eexp X2.
(KERBOUA. M) 1 er Master: Probabilités et Applications -1-
1 / 1 100%
La catégorie de ce document est-elle correcte?
Merci pour votre participation!

Faire une suggestion

Avez-vous trouvé des erreurs dans linterface ou les textes ? Ou savez-vous comment améliorer linterface utilisateur de StudyLib ? Nhésitez pas à envoyer vos suggestions. Cest très important pour nous !