7.3.

SOMME DE DEUX VARIABLES INDEPENDANTES

73

TD6
1) Soient U, V deux variables ind ependantes de loi E (1) (loi exponentielle de param` etre 1). (a) Quelle est la loi de sup(U, V ) (pour u, v R, sup(u, v ) est le plus grand des deux r eels u, v ) ? Indication : on pourra calculer la fonction de r epartition. (b) Quelle est la loi de U + V ? Indication : on pourra calculer la densit e de la loi de U +V. 2) Soient X et Y deux variables al eatoires ind ependantes de loi N (0, 1). Montrer que X + Y et X Y sont ind ependantes. 3) Soient X et Y deux variables al eatoires r eelles ind ependantes. On suppose que X suit une loi de Poisson de param` etre et que Y suit une loi de Poisson de param` etre . Calculer la loi de X + Y . 4) X une variable al eatoire dans R est dite sym etrique si X a m eme loi que X . (a) Si X a une densit e f , montrer que : X est sym etrique si et seulement si f (x) = f (x) pour presque tout x. (b) Donner un exemple de de loi sym etrique. (c) Montrer que X est sym etrique si et seulement si le nombre E(eiuX ) est r eel u R. 1 = 0 1 si X > 0 si X = 0 si X < 0 .

(d) Soit X variable al eatoire dans R sym etrique. On suppose P(X = 0) = 0. On note :

(e) Si Y et Y sont deux variables al eatoires r eelles de m eme loi et ind ependantes, montrer que Y Y est sym etrique. 5) Soient U de loi uniforme sur [0, 1] et X de loi exponentielle de param` etre 1 deux variables al eatoires r eelles ind ependantes. (a) Calculer P(sup(U, X ) t) dans les 3 cas suivants : t < 0, t [0, 1], t > 1. (b) Dessiner la fonction de r epartition de sup(U, X ). 6) Soit (Xn )n0 une suite de variables al eatoires r eelles telles que n, E(|Xn |) en . (a) Montrer que P(|Xn | 1/n) nen .

Montrer que et |X | sont ind ependantes.

(b) En d eduire que P({ : il existe une innit e de n tels que |Xn | 1/n} = 1. 2 + 2 exp(x(1 + y 2 ))1x0,y0 . On 7) Soit (X, Y ) ` a valeurs dans (R ) de densit e (x, y ) + u2 rappelle que 0 e du = 2 . (a) Calculer la densit e de X . (b) Calculer la densit e de Y . 8) Soit (X, Y ) ` a valeurs dans (R+ )2 de densit e (x, y ) (a) Soient U = (XY )1/4 , V =
Y

exp((xy )1/4 ) 1x0,y0 . 4 (y x + x y ) . Quelle est la densit e de (U, V ) ?

(b) Les variables U et V sont-elles ind ependantes ? (c) Donner les densit es de U et V . 9) Soit (, F , P) un espace mesur e. Soient A0 , A1 , F. On pose n N, Bn = kn Ak . On remarque que pour tout n, Bn+1 Bn . On note C = n0 Bn . (a) Montrer que si ese implique n0 P(An ) < + alors P(C ) = 0. Rappel : lhupoth` que limq+ kq P(Ak ) = 0. Indication : on remarquera que q , n0 Bn Bq . (b) On suppose esormais que n0 P(An ) = + (rappel : ceci implique que n, d limq+ nkq P(Ak ) = +) et que les An sont ind ependants (et donc les Ac n sont aussi ind ependants).

X 1/4

74

CHAPITRE 7. VARIABLES INDEPENDANTES

c i. Montrer que pour tous q, n tels que n q , Bn n k q Ac k.

iii. En utilisant lin egalit e x [0, 1], (1 x) ex , montrer que pour tous q, n tels que n q , c P( B n ) exp P ( Ak ) .
n k q c iv. Montrer que n, P(Bn ) = 0.

c ii. Montrer que pour tous q, n tels que n q , P(Bn ) n k q P ( Ac k ).

v. Montrer que P(C c ) = 0.

10) Soient X, Y, Z trois variables al eatoires r eelles ind ependantes de m eme loi de densit e x R 1x0 ex (cest la densit e de la loi exponentielle de param` etre 1). (b) Calculer P(sup(X, Y ) Z ). (a) Montrer que P(sup(X, Y ) Z ) = 1 P(X Z )P(Y Z ).

11) Bouvard et P ecuchet vont chacun boire un caf e au Caf e du Port entre 10h et 11h. Soit X une v.a.r. correspondant ` a linstant darriv ee de Bouvard et Y une v.a.r. correspondant a celui de P ` ecuchet. Pr ecis ement : X et Y sont ind ependantes, uniformes dans [0, 1]. Bouvard arrive ` a 10h+X 1h, P ecuchet arrive ` a 10h+Y 1h. Chacun dentre eux reste 1/4h dans le caf e. (a) Calculer la probabilit e que Bouvard et P ecuchet se croisent dans le caf e (cest ` a dire que |X Y | 1/4). (Si vous ne faites pas cette question, vous pouvez continuer les calculs avec une quantit e inconnue p = P(|X Y | 1/4). On indique que p ]0, 1[.) i. Soit t > 1, calculer P(U t).

(b) Soit U la v.a.r. qui vaut 0 si |X Y | > 1/4 et qui vaut sup(X, Y ) sinon. On a donc U = sup(X, Y ) 1|X Y |1/4 . ii. Soit t < 0, calculer P(U t).

iii. Soit t [0, 1/4]. Calculer P(sup(X, Y ) t, |X Y | 1/4). Les ev enements {sup(X, Y ) t} et {|X Y | 1/4} sont-ils ind ependants ? iv. Soit t [0, 1], on cherche ` a calculer P(U t). On admet que pour t [1/4, 1], 9 P ( U t) = + 16 P(|X Y | 1/4)
3 4 1 16

1 1 t + . 4 16

v. Dessiner la fonction de r epartition de U .

(Remarque : cette formule ne sert que dans la question suivante.) Calculer P(U t) pour t [0, 1/4].

(c) On suppose dans cette question que Bouvard ne change rien ` a ses habitudes et que P ecuchet arrive ` a un instant xe : 10h+T 1h. Calculer P(|T X | 1/4). (On pourra di erencier les cas T [0, 1/4], T [1/4, 3/4], T [3/4, 1].) Comment choisir T pour maximiser P(|T X | 1/4) ?

 7.3. SOMME DE DEUX VARIABLES INDEPENDANTES

75

Corrig es
(1) (a) Si t 0, P(sup(U, V ) t) = 0. Si t ), on calcule P(sup(U, V ) t) = = = = =
+ (b) Soit Cb (R).

E(1];t] (sup(U, V ))) + + 1];t] (sup(u, v ))eu ev dudv 0 0 t tu u v e e dv du 1 et tet .

0 0 t 0

eu (1 e(tu) )du

E((U + V )) Changement de variables : Matrice jacobienne :

+ 0

+ 0

(u + v )euv dudv .

x=u+v y=v

u=xy v=y

1 1

0 1

Pour u, v 0, on a x, y 0 avec y x (et inversement). Nous avons donc E((U + V )) = =

+ 0 +

x 0

(x) exp (x) dy dx

(x)1R+ (x)xex dx .

Donc la densit e cherch ee est x R 1R+ (x)xex .

+ (2) Soit f Cb (R2 ), on calcule :

E(f (X + Y, X Y ))

= =

1 x 2 /2 y 2 /2 e e dxdy 2 R2 (changement de variable d ej` a vu : u=x+y,v=x-y) 2 2 1 1 f (u, v )e(u+v) /8(uv) /8 dudv 2 2 2 R 2 2 1 f (u, v )eu /4 ev /4 dudv 4 R2 f (x + y, x y )
2 2

Donc la densit e de (X + Y, X Y ) est la fonction (u, v ) eu /4 ev /4 41 . Cest un produit dune fonction de u et dune fonction de v donc X + Y et X Y sont ind ependantes.

76

CHAPITRE 7. VARIABLES INDEPENDANTES

(3) Les variables X et Y sont ` a valeurs dans N donc X + Y aussi. Soit n N, calculons : P( X + Y = n ) = P({X = 0 et Y = n} {X = 1 et Y = n 1} . . .
n

{X = n et Y = 0})

ev enements disjoints ind ependance

= = = = =

k=0 n k=0 n k=0

P(X = k et Y = n k ) P( X = k ) P( Y = n k ) k e n k e k ! (n k )!
k=0

n e k k n k Cn n!

e ( + ) n . n!

Donc X + Y P ( + ). (4) (a) Si X est sym etrique : + C b (R), E((X ))

+

= = =

(t)f (t)dt (t)f (t)dt

+ + Donc (t)(f (t) f (t))dt = 0. Cela est vrai Cb (R) donc f (t) f (t) est nulle presque partout donc f (t) = f (t) pour presque tout t. Si f (t) = f (t) pour presque tout t : + C b (R), + E((X )) = (t)f (t)dt = =
+ +

E((X )) + (t)f (t)dt

+

(u)f (u)du (changement de variable u = t) .

(t)f (t)dt (par changement de variable) (t)f (t)dt

(car f (t) et f (t) co ncident presque partout)

donc X est de densit e t f (t) comme X donc X est sym etrique. (b) Exemple de loi sym etrique : X = 1 avec probabilit e 1/2 et X = 1 avec probabilit e 1/2. (c) Si X est sym etrique : Pour tout u : E(eiuX ) Donc E(eiuX ) R. Si E(eiuX ) R, u : E(eiu(X ) ) = = E(eiuX ) E(eiuX ) . = = E(eiuX ) E(eiuX ) .

Donc X et X ont m eme fonction caract eristique donc X et X ont m eme loi donc X est sym etrique.

 7.3. SOMME DE DEUX VARIABLES INDEPENDANTES

77

(d) Soient A1 , A2 B (R). Si 1 A1 et 1 A1 , P( A1 , |X | A2 ) = P(|X | A2 ) = P( A1 )P(|X | A2 ). Si 1 A1 et 1 / A1 , P ( A1 , | X | A2 ) = P ( = 1 , | X | A2 ) = P ( X > 0, X A2 ) = P(X < 0, X A2 ) car X sym etrique donc P( A1 , |X | A2 ) = 1 ( P ( X > 0 , X A ) + P ( X < 0 , X A )) = P( A1 )P(|X | A2 ). 2 2 2 Si 1 / A1 et 1 A1 , on montre de m eme que P( A1 , |X | A2 ) = P( A1 )P(|X | A2 ). Si 1 / A1 et 1 / A1 , P( A1 , |X | A2 ) = 0 = P( A1 )P(|X | A2 ). On a donc toujours P( A1 , |X | A2 ) = P( A1 )P(|X | A2 ), donc et |X | sont ind ependants. (e) On calcule la fonction caract eristique ; E(eiu(Y Y ) )

= = = = =

E(eiuY eiuY ) E(eiuY )E(eiuY ) (par ind ependance) E(eiuY )E(eiuY ) (car Y et Y ont m eme loi) E(eiu(Y

Y )

) .

E(eiu(Y Y ) )

(5) (a)

Donc par la question 4c, Y Y est sym etrique. F (t) = P(sup(U, X ) t) (ind ependance) = = = P(U t, X t)

(b) On remarque que F est continue et quelle a un point anguleux en 1. (6) (a) In egalit e de Bienaym e-Tchebichev. n (b) P ( | X | 1) < et on conclut par le lemme de Borel-Cantelli. n n 0 n0 ne E(f (U, V )) = = E(f ((XY )1/4 , (X/Y )1/4 )) exp((xy )1/4 ) f ((xy )1/4 , (x/y )1/4 ) dxdy . 4 (y x + x y ) ( R+ ) 2

P( U t ) P ( X 0 t(1 et ) 1 et

t)

si t 0 si t ]0, 1[ si t > 1

(7)

+ (8) (a) Soit f Cb ((R+ )2 ).

Changement de variable u = (xy )1/4 , v = (x/y )1/4 ((u, v ) parcourt (R+ )2 quand (x, y ) parcourt (R+ )2 ). Do` u x = u2 v 2 , y = u2 /v 2 . Matrice jacobienne : 2uv 2 2u/v 2 2u2 v 2u2 /v 3 Valeur absolue du d eterminant : 8u3 /v . Donc exp(u) 8u3 dudv E(f (U, V )) = f (u, v ) 4 (u3 /v + u3 v ) v ( R+ ) 2 exp(u) 2 = f (u, v ) dudv . 1 + v2 ( R+ ) 2 (b) La densit e trouv ee est une fonction produit dune fonction de u et dune fonction de v donc U et V sont ind ependantes.
u) 2 Donc la densit e de (U, V ) est (u, v ) 1R+ (u)1R+ (v ) exp( 1+v 2 .

78

CHAPITRE 7. VARIABLES INDEPENDANTES

2 (c) On sait que la densit e de U est proportionelle ` a la fonction u 1R+ (u)eu et u que son int egrale vaut 1. On en d eduit que la densit e de U est u 1R+ (u)e . De 2 1 m eme, la densit e de V est v 1R+ (v ) 1+v 2 . (9) (a) On a q , C Bq donc P(C ) P(Bq ) kq P(Ak ). Par hypoth` ese, q +

lim

k q

P ( Ak ) = 0

donc P(C ) = 0. ii. On a donc (en utilisant lind ependance)

c P ( B n ) P ( n k q Ac k ) = nkq P(Ak ) . c c = n k Ac i. On a Bn k n k q Ak .

iii. On a P(Bn ) nkq (1 P(Ak )) nkq eP(Ak ) = exp P ( Ak ) .

n k q

(10) (a) . . .

c iv. On a donc, vu lhypoth` ese sur la divergence de la s erie, P(Bn ) = 0. c c v. On a C c = n0 Bn donc P(C c ) n0 P(Bn ) = 0.

(b) Par Fubini-Tonelli et parce que X et Z sont ind ependantes (donc la densit e du couple est le produit des densit es) P( X < Z ) = 1x<z exz dxdz = = =
x0,z 0

e
z 0 z 0

ex dxdz

ez (1 ez )dz

1 1/2 = 1/2.

(11) (a)

Les variables X, Y, Z sont ind ependantes et de m eme loi donc (X, Z ) a m eme loi que (Y, Z ) donc P(X Z ) = P(Y Z ). Do` u P(sup(X, Y ) Z ) = 1 1/4 = 3/4. P(|X Y | 1/4) (Fubini-Tonelli) = = = = = = = = 1|xy|1/4 dxdy 1|xy|1/4 dxdy 1dy dx

x[0,1],y [0,1] x[0,1]

x[0,1]

y [0,1]

(x+1/4)1

(x1/4)0

x[0,1] 1 /4

(((x + 1/4) 1) ((x 1/4) 0)) dx 1 dx + 2 1/4 2 1 5 + 1 2 4 3 + 32

3/4

1 x + dx + 4

1 3/4

5 xdx 4

1 1 1 + + 32 16 4 1 1 1 + + 32 16 4 7 . 16

 7.3. SOMME DE DEUX VARIABLES INDEPENDANTES (b) i. P(U t) = 1

79

iii.

ii. P(U t) = 0 P(sup(X, Y ) t, |X Y | 1/4) (ind ependance) = = = = P(X t, Y t, |X Y | 1/4)

P(X t, Y t) t2 .

P ( X t ) P( Y t )

7 2 On a : P(X Y t, |X Y | 1/4) = t2 = 16 t = P( X Y t ) P ( | X Y | 1/4) donc les ev enements {sup(X, Y ) t} et {|X Y | 1/4} ne sont pas ind ependants.

iv. Pour t [0, 1/4] : P ( U t) = = P(U = 0) + P(sup(X, Y ) t, |X Y | 1/4) 9 + t2 . 16

10/16 9/16

1/4

Figure 7.1 Dessin de la fonction de r epartition de U v. (c) Si T [0, 1/4] : P(|X T | 1/4) = =

1 0

1|xT |1/4 dx
T +1/4

1dx = T +
0 5 4

1 . 4

De m eme, si T [3/4, 1] : P(|X T | 1/4) = P(|X T | 1/4) = =

1 0

T . Si T [1/4, 3/4] :

1|xT |1/4 dx
T +1/4

1dx =
T 1 /4

1 . 2

Donc P ecuchet doit arriver entre 10h15 et 10h45 pour maximiser ses chances de voir Bouvard.