loi uniforme exercices corrigés. Document gratuit disponible sur
EXERCICES CORRIGES. Exercice n°1 (correction). X est une variable aléatoire qui suit la loi uniforme sur l'intervalle I. Déterminer la fonction de densité
Cours et exercices corrigés en probabilités
3.8 Exercices corrigés. 49. Exercice 3.6. Soit la v.a. continue X modélisée par la loi uniforme continue sur l'intervalle [01] : X ??. U[0
Probabilités – Loi uniforme sur un intervalle [ ] Exercices corrigés
Exercice 3 : calcul de probabilité d'un événement avec la loi uniforme Exercice 6 : espérance et variance d'une variable aléatoire continue.
Loi exponentielle exercices corrigés. Document gratuit disponible
LOIS EXPONENTIELLES - EXERCICES. Exercice n°1 (correction). La durée de vie en heures
Probabilités – Loi exponentielle Exercices corrigés
Exercice 6 : espérance et variance d'une variable aléatoire continue. • Exercice 7 : calcul de probabilité avec la loi exponentielle en effectuant un
Exercices corrigés
Soit (XY ) un couple de variables aléatoires indépendantes. On suppose que X suit une loi uniforme sur [0
Loi exponentielle de param`etre ? : Exercices Corrigés en vidéo
Déterminer une valeur approchée de P(X ? 500) `a 10?5 pr`es. La durée de vie T en année d'un appareil avant la premi`ere panne suit une loi exponentielle de
Exercices de probabilités avec éléments de correction Memento
Loi uniforme U([a b]) Exercice 1. Lois binomiale et géométrique ... croissante
UN EXEMPLE DINTRODUCTION DES LOIS A DENSITE EN
Exercice corrigé pouvant être résolu seul plus tard : A. Loi exponentielle : comprendre la définition - probabilité continue (10min50s).
Exercices et problèmes de statistique et probabilités
1.8 Lois de la somme de variables indépendantes connues ....................... 10 ... Corrigés des exercices . ... c) Variable aléatoire continue.
Année universitaire 2013-2014
Exercices de probabilités
avec éléments de correctionMementoFonctions associées aux lois
PourXvariable aléatoire à valeurs dansRd,
F onctionde répartition (si d= 1) :FX(t) =P(Xt),t2R F onctiongénératrice (si Xà valeurs dansN) :GX(s) =E[sX] =P1 n=0P(X=n)sn,s2 j R;Rj T ransforméede Laplace : LX() =E[eh;Xi]2]0;+1],2Rd F onctioncaractéristique : X(t) =E[eiht;Xi]2C,t2Rd Lois discrètesNomParamètresSupportDéfinition :P(A) =Pa2Ap(a)Loi de Diracaa2Rfagp(a) = 1Loi de BernoulliB(p)p2[0;1]f0;1gp(0) = 1p,p(1) =pLoi binomialeB(n;p)n2N,p2[0;1]f0;:::;ngp(k) =n
kpk(1p)nkLoi géométriqueG(p)p2]0;1]N p(k) = (1p)k1pLoi de PoissonP()2]0;+1[Np(k) =ekk!Lois continuesNomParamètresSupportDéfinition :P(A) =R
Af(x)dxLoi uniformeU([a;b])a < b[a;b]f(x) =1ba1[a;b](x)Loi exponentielleE()2]0;1[]0;+1[f(x) =ex1]0;+1[(x)Loi de Cauchya2]0;+1[Rf(x) =a(a2+x2)Loi normale/gaussienneN(m;2)m2R; 22]0;+1[Rf(x) =1p22exp
(xm)222Déterminer des lois : exemplesExercice 1.Lois binomiale et géométrique
SoitX1;X2;:::une suite de variables aléatoires indépendantes et de loiB(p)oùp2[0;1].1.On supposep >0. On définitN= inffn1jXn= 1g.
1.a)Montrer queP(N=1) = 0et queNsuit la loi géométrique de paramètrep.
1.b)Calculer l"espérance et la variance deN.
2.Soitn1. On définitSn=X1++Xn.
2.a)Montrer queSnsuit la loi binomiale de paramètresnetp, par une preuve directe puis en utilisant des
fonctions génératrices.2.b)Calculer l"espérance et la variance deSn(utiliser la définition deSn).
Exercice 2.Minimum et maximum d"une famille de variables aléatoires exponentiellesSoitX;Ydeux variables aléatoires indépendantes de lois respectivesE()etE(). À l"aide de fonctions de
répartition, déterminer les lois deU= min(X;Y)etV= max(X;Y). On précisera leur densité (le cas échéant).
Exercice 3.Somme de variables aléatoires
1.SoitX;Ydes variables aléatoires indépendantes de loisP()etP(). Déterminer la loi deX+Y, directement
puis via les fonctions génératrices.2.SoitX;Ydes variables aléatoires indépendantes de loi de Cauchy de paramètreaetb. À l"aide des fonctions
caractéristiques, déterminer la loi deX+Y.Pour obtenirX, on pourra utiliser la formule de Cauchy avec un
contour bien choisi, ou alors avoir l"idée de calculer la fonction caractéristique de la loi de Laplace
a2 eajxjdx et utiliser la formule d"inversion.Exercice 4.Lois images
1.SoitXune variables aléatoire de loiE(). Déterminer la loi debXc+ 1.C"est une loi géométrique.
2.SoitUune variable aléatoire de loiU([1;1]). Déterminer la loi dearcsin(U).
3.SoitXde loiN(0;1). Déterminer la loi dejXj.
14.SoitX;Ydeux variables aléatoires indépendantes de loiN(0;1). Déterminer la loi deXY
. En déduire la loi de 1Z siZsuit une loi de Cauchy de paramètre 1.5.SoitX;Ydeux variables aléatoires indépendantes de loiN(0;1). On définit les variables aléatoiresR;par
(X;Y) = (Rcos;Rsin),R >0et2[0;2[. Montrer queRetsont indépendantes et déterminer leurs lois.Exercice 5.Loi Gamma
Poura >0et >0, on définit la loi
a;par sa densité relativement à la mesure de Lebesgue : f a;(x) =a(a)xa1ex1R+(x):1.Vérifier que cette fonction définit bien une densité.
2.Déterminer l"espérance de cette loi.On utilise le fait que(a+ 1) =a(a)pour obtenir que l"espérance de cette loi esta=.
3.SoitV1;V2;:::;Vndes variables aléatoires réelles indépendantes de loiE(). Déterminer la loi du vecteur
(V1;V1+V2;:::;V1++Vn)et en déduire queV1++Vn n;.Pourn= 1, ok. Supposonsn2etS:=V1+:::+Vn1de loi n1;. Soitgune fonction mesurable bornée deRdansR. On aE(g(V1+:::+Vn)) =E(g(S+Vn)) =Z
R g(x+y)dP(S;Vn)(x;y) etE(g(V1+:::+Vn)) =Z
R g(t)dPV1+:::+Vn(t): Commef(v1;:::;vn1) =v1+:::+vn1etg(vn) =v2nmesurables on en déduit queSetVnsont indépen- dantes car(V1;:::;Vn1)etVnle sont, Z R g(x+y)dP(S;Vn)(x;y) =Z 1 0 dxZ 1 x dtg(t)n1(n1)etxn2 Z 1 0 g(t)n1(n1)etxn1=(n1)t 0dt Z R g(t)n(n)exp(t)tn11R+(t)dt4.SoitXetYdeux variables aléatoires réelles indépendantes de loi
a;.4.a)Déterminer la loi deX.On peut utiliser la fonction de répartition. Avec un changement de variable on voit queX
a;1.4.b)Montrer queX+YetX=Ysont des v.a. indépendantes dont on calculera les lois.Soitgune fonction mesurable bornée deR2dansR2. On a
E(g(X+Y;X=Y)) =Z
R2g(u;v)dP(X+Y;X=Y)(u;v)
etE(g(X+Y;X=Y)) =Z
R2gf(x;y)dP(X;Y)(x;y)
oùf(x;y) = (x+y;x=y)définie de(R+)2vers(R+)2. Comme les variablesXetYsont indépendantes, le couple(X;Y)a pour densitédPX(x)dPY(y)par rapport à la mesure de Lebesgue surR2. On fait alors le changement de variableu=x+y,v=x=y, pourx >0ety >0; Ceci est équivalent àx=uv=(v+ 1)ety=u=(v+ 1)pouru >0etv >0.On a de plusjJ(u;v)j=v=(v+ 1)u=(v+ 1)
1=(v+ 1)u=(v+ 1)2
=u(v+ 1)2. Il suitE(g(X+Y;X=Y)) =Z
R2g(u;v)u2a1eu1u>0va1(v+ 1)2a1v>02a(a)2dudv:
2 Les variables sont indépendantes,dPX+Y(u) =2a(2a)u2a1eu1u>0duetdPX=Y(v) = (2a)(a)2v a1(v+ 1)2a1v>0dv.4.c)Montrer queX+YetX=(X+Y)sont des v.a. indépendantes. Calculer la loi deX=(X+Y).Soitgune fonction mesurable bornée deR2dansR2. On a
E(g(X+Y;X=(X+Y))) =Z
R2g(u;v)dP(X+Y;X=(X+Y))(u;v)
etE(g(X+Y;X=(X+Y))) =Z
R2gf(x;y)dP(X+Y;X=(X+Y))(x;y)
oùf(x;y) = (x+y;x=(x+y))définie de(R+)2vers(R+)2. Comme les variablesXetYsont indépendantes,
le couple(X;Y)a pour loidPXdPY=fa;(x)fa;(y)dxdy. On fait alors le changement de variableu=x+y,v=x=(x+y), pourx >0ety >0; Ceci est équivalent àx=uvety=u(1v)pouru >0etv2(0;1).On a de plusjJ(u;v)j=v u
1vu =u. Il suitE(g(X+Y;X=(X+Y))) =Z
R Les variables sont donc indépendantes et on a de plusdPX=(X+Y)(v) =(2a)(a)2(v(1v))a1100xa1(tx)b1dx=ta+b1R1
0ya1(1y)b1dy=ta+b1Ca;b. La
constanteCa;best forcément égale à(a)(b)=(a+b)en tenant compte de la normalisation.6.SoitZ1;Z2;:::;Zndes variables aléatoires réelles indépendantes de loiN(0;1).
6.a)Montrer queZ21suit une loi
1=2;1=2.SiZ1est de loiN(0;1)etgune fonction mesurable bornée deRdansR, on a
E(g(X2)) =Z
R g(u)dPX2(u)E(g(X2)) =Z R g(x2)dPX(x) =1p2Z R g(x2)ex2=2dx:Par parité dex7!g(x2)ex2=2on aE(g(X2)) =2p2R
10g(x2)ex2dx=2p2R
10g(y)ey=2dy2
py donc dPX2(y) =1p2ey=2y1=21R+(y)dy.
6.b)Montrer queZ21++Z2nsuit une loi
n=2;1=2.La loi n=2;1=2est également appelée loi du khi-deux àndegrés de liberté, notée2n.On le montre par récurrence. Pourn= 1c"est vrai. Supposons queSn1=Z21+:::+Z2n1
n12 ;12 et Z n N(0;1). On aSn=Sn1+Z2n. Commef(z1;:::;zn1) =z21+:::+z2n1etg(xn) =z2nmesurables onen déduit queSn1etZ2nsont indépendantes car(Z1;:::;Zn1)etZnle sont. On utilise ensuite la question
5 donnant queSnsuit une
n12 +12 ;12 n2 ;12Propriétés générales
Exercice 6.Conséquences du théorème de Fubini, fonctions indicatricesRésoudre les questions suivantes en appliquant le théorème de Fubini(-Tonelli) de la façon suggérée.
1.SoitNune variable aléatoire à valeurs dansN. Montrer que
E[N] =X
n1P(Nn): 3 On note que, commeNest à valeurs entières,N=PN k=11 =P1 k=11fkNg. Le théorème de Fubini-Tonelli donneE[N] =E"
1X k=11 fkNg# =1X k=1E[1fkNg] =1X k=1P(kn):Le théorème de Fubini est ici appliqué à la fonction(n;!)7!1fkN(!)gpar rapport à la mesure produit
m N P, oùmNest la mesure de comptage surN:mN(A) = Card(A)siAN(et doncRfdmN=P n2Nf(n)pourf:N!R). En l"occurrence, il est en fait plus simple de voir ceci comme une application du théorème
de convergence monotone pour les séries à termes positifs.2.SoitXune variable aléatoire à valeurs dansR+, et >0. Montrer que
E[X] =Z
1 0 t1P(X > t)dtet donner une généralisation de cette formule.On note que, commeX0, par " intégration de la dérivée »,X=RX
0t1dt=R1
01ft théorème de Fubini-Tonelli (pour la mesuredt P) donne donc
E[X] =Z
1 0 E[1ft 1 0 P(X > t)t1dt:
Le principe de la preuve s"applique par exemple à toute fonctiongmonotone de classeC1de]0;+1[dans R, pour laquelle on peut écrireg(X) =g(0) +RX
0g0(t)dt, d"où de même
E[g(X)] =g(0) +Z
1 0 P(X > t)g0(t)dt:
3.Soit(An)n1une suite d"événements.
3.a)On noteNle nombre (aléatoire) d"événéments parmi ceux-ci qui se produisent. CalculerE[N]en fonction
des probabilitésP(An),n1.On note queN=P1 n=11An. Par suite, par le théorème de Fubini-Tonelli (pour la mesuremN PoùmN
est la mesure de comptage surN), E[N] =1X
n=1E[1An] =1X n=1P(An): 3.b)On suppose queP
nP(An)<1. Montrer que presque-sûrement seul un nombre fini d"événements de la suite ont lieu.C"est le lemme de Borel-Cantelli (partie la plus facile mais néanmoins la plus utile).Par la question précédente, l"hypothèse équivaut àE[N]<1. Or ceci implique queN <1p.s., ce qui
signifie que, presque sûrement, un nombre fini d"événement de la suite ont lieu. 4.CalculerC=R
Rex2dxsans utiliser de coordonnées polaires. (ÉcrireC2comme une intégrale double puis, dans l"intégrale,e(x2+y2)=R1 x 2+y2etdt)Par le théorème de Fubini-Tonelli,
C 2=Z 1 0 ex2dxZ 1 0 ey2dy=Z ]0;1[2e(x2+y2)dxdy: En écrivant (par une intégration immédiate)e(x2+y2)=R1 x 2+y2etdt=R1
01ft>x2+y2getdtpourx;y >0,
on a, à nouveau par le théorème de Fubini-Tonelli, C 2=Z ]0;1[2Zquotesdbs_dbs18.pdfusesText_24
P) donne donc
E[X] =Z
1 0E[1ft 1 0 P(X > t)t1dt:
Le principe de la preuve s"applique par exemple à toute fonctiongmonotone de classeC1de]0;+1[dans R, pour laquelle on peut écrireg(X) =g(0) +RX
0g0(t)dt, d"où de même
E[g(X)] =g(0) +Z
1 0 P(X > t)g0(t)dt:
3.Soit(An)n1une suite d"événements.
3.a)On noteNle nombre (aléatoire) d"événéments parmi ceux-ci qui se produisent. CalculerE[N]en fonction
des probabilitésP(An),n1.On note queN=P1 n=11An. Par suite, par le théorème de Fubini-Tonelli (pour la mesuremN PoùmN
est la mesure de comptage surN), E[N] =1X
n=1E[1An] =1X n=1P(An): 3.b)On suppose queP
nP(An)<1. Montrer que presque-sûrement seul un nombre fini d"événements de la suite ont lieu.C"est le lemme de Borel-Cantelli (partie la plus facile mais néanmoins la plus utile).Par la question précédente, l"hypothèse équivaut àE[N]<1. Or ceci implique queN <1p.s., ce qui
signifie que, presque sûrement, un nombre fini d"événement de la suite ont lieu. 4.CalculerC=R
Rex2dxsans utiliser de coordonnées polaires. (ÉcrireC2comme une intégrale double puis, dans l"intégrale,e(x2+y2)=R1 x 2+y2etdt)Par le théorème de Fubini-Tonelli,
C 2=Z 1 0 ex2dxZ 1 0 ey2dy=Z ]0;1[2e(x2+y2)dxdy: En écrivant (par une intégration immédiate)e(x2+y2)=R1 x 2+y2etdt=R1
01ft>x2+y2getdtpourx;y >0,
on a, à nouveau par le théorème de Fubini-Tonelli, C 2=Z ]0;1[2Zquotesdbs_dbs18.pdfusesText_24
P(X > t)t1dt:
Le principe de la preuve s"applique par exemple à toute fonctiongmonotone de classeC1de]0;+1[dansR, pour laquelle on peut écrireg(X) =g(0) +RX
0g0(t)dt, d"où de même
E[g(X)] =g(0) +Z
1 0P(X > t)g0(t)dt:
3.Soit(An)n1une suite d"événements.
3.a)On noteNle nombre (aléatoire) d"événéments parmi ceux-ci qui se produisent. CalculerE[N]en fonction
des probabilitésP(An),n1.On note queN=P1 n=11An. Par suite, par le théorème de Fubini-Tonelli (pour la mesuremNPoùmN
est la mesure de comptage surN),E[N] =1X
n=1E[1An] =1X n=1P(An):3.b)On suppose queP
nP(An)<1. Montrer que presque-sûrement seul un nombre fini d"événements de lasuite ont lieu.C"est le lemme de Borel-Cantelli (partie la plus facile mais néanmoins la plus utile).Par la question précédente, l"hypothèse équivaut àE[N]<1. Or ceci implique queN <1p.s., ce qui
signifie que, presque sûrement, un nombre fini d"événement de la suite ont lieu.4.CalculerC=R
Rex2dxsans utiliser de coordonnées polaires. (ÉcrireC2comme une intégrale double puis, dans l"intégrale,e(x2+y2)=R1 x2+y2etdt)Par le théorème de Fubini-Tonelli,
C 2=Z 1 0 ex2dxZ 1 0 ey2dy=Z ]0;1[2e(x2+y2)dxdy: En écrivant (par une intégration immédiate)e(x2+y2)=R1 x2+y2etdt=R1
01ft>x2+y2getdtpourx;y >0,
on a, à nouveau par le théorème de Fubini-Tonelli, C 2=Z ]0;1[2Zquotesdbs_dbs18.pdfusesText_24[PDF] loi uniforme exercices corrigés
[PDF] loi uniforme formule
[PDF] loi uniforme terminale es exercices corrigés
[PDF] loi wien
[PDF] loin variable ou invariable
[PDF] Lois ? densité/loi normale
[PDF] lois ? l'époque de Périclès
[PDF] Lois binomiale premiee
[PDF] lois constitutionnelles
[PDF] Lois continues/densite
[PDF] lois de descartes exercices
[PDF] Lois de Descartes-Snell
[PDF] Lois de Jules Ferry
[PDF] Lois de l'electricité