Proba 20212022
Proba 20212022
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.
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”)
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] = q k , ∀k ∈ N.
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[.
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)
2. Quelles sont les lois marginales de T et de U ? Pour quelle valeur de a les variables T et U
sont-elles indépendantes ?
avec λ > 0.
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
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
avec Γ(n + 1) = n! ∀n ∈ N
θν − xθ 1
f (x) = Γ(ν) e xν+1