0% found this document useful (0 votes)
5 views4 pages

Proba 20212022

Exam Probability

Uploaded by

jytourneret
Copyright
© © All Rights Reserved
We take content rights seriously. If you suspect this is your content, claim it here.
Available Formats
Download as PDF, TXT or read online on Scribd
0% found this document useful (0 votes)
5 views4 pages

Proba 20212022

Exam Probability

Uploaded by

jytourneret
Copyright
© © All Rights Reserved
We take content rights seriously. If you suspect this is your content, claim it here.
Available Formats
Download as PDF, TXT or read online on Scribd
You are on page 1/ 4

E XAMEN P ROBABILITÉS - 1SN

Lundi 25 octobre 2021 (8h-9h30)


Partiel sans document (Une feuille A4 recto-verso autorisée)

Exercice 1 : loi géométrique (5 points)

On considère une variable aléatoire X de loi géométrique de paramètre p ∈]0, 1[ définie dans N∗ =
{n ∈ N, n ≥ 1} par
P [X = i] = p(1 − p)i−1 , i = 1, 2, ...
Quelques propriétés de cette loiPsont dans la table et on adoptera la notation classique X ∼ G(p). On
rappelle le résultat élémentaire ∞ k 1
k=0 x = 1−x pour |x| < 1.

1. Montrer que P [X > k] = q k , ∀k ∈ N.

2. Montrer qu’une variable aléatoire Y à valeurs dans N∗ telle que P [Y > k] = q k , ∀k ∈ N est une
loi géométrique (on pourra exprimer P [Y = k] en fonction de P [Y > k] et de P [Y > k − 1]).

3. Montrer qu’une variable aléatoire X de loi géométrique de paramètre p vérifie la propriété suivante
(on dit que cette loi est “sans mémoire”)

P [X > k + l|X > l] = P [X > k], ∀(k, l) ∈ N2 .

4. Inversement, on considère une variable aléatoire Y de loi discrète à valeurs dans N∗ = {1, 2, ..., }
qui est sans mémoire, i.e., qui vérifie

P [Y > k + l|Y > l] = P [Y > k], ∀(k, l) ∈ N2 .

On pose p = P [Y = 1]. Déterminer P [Y > 1], puis P [Y > 2] et en déduire que

P [Y > k] = q k , ∀k ∈ N.

Quelle est la loi de Y ? Que peut-on en conclure ?

Exercice 2: Couple de variables aléatoires uniformes corrélées (5 points)

On considère un couple de variables aléatoires (X, Y ) de densité



1 − a(1 − 2x)(1 − 2y) si (x, y) ∈]0, 1[×]0, 1[
pa (x, y) =
0 sinon

avec |a| < 1.

1. Vérifier que pa est une densité de probabilité pour toute valeur de a ∈] − 1, +1[. On admettra que
|(1 − 2x)(1 − 2y)| ≤ 1, ∀(x, y) ∈]0, 1[×]0, 1[.

2. Déterminer les lois marginales de X et de Y .

3. Déterminer la covariance et le coefficient de corrélation du couple (X, Y ).

4. En prenant soin de justifier votre réponse, déterminer la ou les valeur(s) de a pour lesquelles les
variables aléatoires X et Y sont indépendantes.

1
Exercice 3 : Changement de variables continues (5 points)

On considère un couple de variables aléatoires (X, Y ) de densité



1 − a(1 − 2x)(1 − 2y) si (x, y) ∈]0, 1[×]0, 1[
pa (x, y) =
0 sinon

avec |a| < 1.

1. Déterminer la loi du couple (T, U ) lorsque T = − λ1 ln X et U = − µ1 ln Y avec λ > 0 et µ > 0.

2. Quelles sont les lois marginales de T et de U ? Pour quelle valeur de a les variables T et U
sont-elles indépendantes ?

Exercice 4 : Méthode Delta (5 points)

On considère n variables aléatoires indépendantes Xi de lois exponentielles de densités



λ exp(−λxi ) si xi > 0
p(xi ) =
0 sinon

avec λ > 0.

1. Déterminer la moyenne et la variance de Xi .

2. Quelle est la loi approchée pour n “grand” de X̄n = n1 ni=1 Xi issue de l’application
P
du théorème

de la limite centrale ? Quelle est la loi asymptotique de Un = n X̄n − λ1 lorsque n → ∞.


√  
3. On admet que pour toute fonction g : R → R dérivable, si n X̄n − m converge en loi vers

une loi normale N (0, σ 2 ) et g 0 (m) 6= 0, alors n g(X̄n ) − g(m) converge en loi vers une loi


normale N (0, σ 2 [g 0 (m)]2 ). En déduire les lois approchées de Yn = Pn n Xi et de Zn = exp X̄n


i=1
pour n “grand”.

2
LOIS DE PROBABILITÉ DISCRÈTES
m : moyenne σ 2 : variance F. C. : fonction caractéristique
pk = P [X = k] p1,...,m = P [X1 = k1 , ..., Xm = km ]

LOI Probabilités m σ2 F. C.
1
eit 1 − eitn

pk = n n+1 n2 −1
Uniforme 2 12
k ∈ {1, ..., n} n (1 − eit )

p1 = P [X = 1] = p
Bernoulli p0 = P [X = 0] = q p pq peit + q
p ∈ [0, 1] q =1−p
pk = Cnk pk q n−k
Binomiale n
p ∈ [0, 1] q =1−p np npq peit + q
B (n, p)
k ∈ {0, 1, ..., n}
n−1
pk = Cn+k−1 pn q k  n
Binomiale q q p
p ∈ [0, 1] q =1−p n n 2
négative p p 1 − qeit
k∈N
n! k1 km
p1,...,m = k1 !...km ! p1 ...pm Variance :

pj ∈ [0, 1] qj = 1 − p j npj qj P
m it
n
Multinomiale npj j=1 pj e
kj ∈ {0, 1, . . . , n} Covariance :
Pm Pm
j=1 kj = n j=1 pj = 1 −npj pk
λk
Poisson pk = e−λ
exp λ eit − 1
 
k! λ λ
P (λ) λ>0 k∈N
pk = pq k−1
1 q peit
Géométrique p ∈ [0, 1] q =1−p
p p2 1 − qeit
k ∈ N∗

3
LOIS DE PROBABILITÉ CONTINUES
m : moyenne σ 2 : variance F. C. : fonction caractéristique

LOI Densité de probabilité m σ2 F. C.


1
f (x) = b−a a+b (b−a)2 eitb − eita
Uniforme 2 12
x ∈ ]a, b[ it (b − a)
θν −θx ν−1
f (x) = Γ(ν) e x
Gamma θ > 0, ν > 0 ν ν 1

G (ν, θ) x≥0 θ θ2 1 − i θt

avec Γ(n + 1) = n! ∀n ∈ N
θν − xθ 1
f (x) = Γ(ν) e xν+1

Inverse gamma θ > 0, ν > 0 θ θ2


ν−1 si ν > 1 (ν−1)2 (ν−2)
si ν > 2 (*)
IG(ν, θ) x≥0
avec Γ(n + 1) = n! ∀n ∈ N
Première loi 1
f (x) = 21 e−|x| , x∈R 0 2
de Laplace 1 + t2

Normale univariée (x−m)2 σ 2 t2


f (x) = √1 e− 2σ 2 , x∈R m σ2 eimt− 2
2
 σ 2π
N m, σ
T
1
Σ−1 (x−m)
f (x) = Ke− 2 (x−m)
Normale multivariée 1 T m− 1 uT Σu
K=√ m Σ eiu 2
(2π)p det(Σ)
Np (m, Σ)
x ∈ Rp
x ν
Khi2 f (x) = ke− 2 x 2 −1
1 1
χ2ν k= ν ν 2ν
2 Γ ν2
ν

2
(1 − 2it) 2
1 ν

Γ 2, 2 ν ∈ N∗ , x ≥ 0
1
f (x) =  2 
Cauchy
πλ 1 + x−α λ (-) (-) eiαt−λ|t|
cλ,α
λ > 0, α ∈ R
f (x) = kxa−1 (1 − x)b−1
Γ(a+b)
k= Γ(a)Γ(b)
Beta
a ab
a > 0, b > 0 a+b (a+b)2 (a+b+1)
(*)
B(a, b)
x ∈ ]0, 1[
avec Γ(n + 1) = n! ∀n ∈ N

You might also like