Université Paris-Dauphine Année universitaire 2024-2025

Licence de mathématiques appliquées Intégrale de Lebesgue et probabilités

Feuille 4 : Fondements de la théorie des probabilités

Avertissement : sauf mention explicite du contraire, toutes les variables aléatoires considérées ici sont définies sur un même
espace de probabilité (Ω, A, P).
Exercice 1. Soit X = (X1 , . . . , Xd ) ∈ Rd un vecteur aléatoire échangeable, c’est-à-dire que pour toute permutation π de
{1, . . . , n} le vecteur (Xπ(1) , . . . , Xπ(d) ) a même loi que (X1 , . . . , Xd ). On suppose de plus que X1 + · · · + Xd = 1 p.s. et que
les variables aléatoires X1 , . . . , Xd sont de carré intégrable. Montrer que pour tout entier i tel que 1 ≤ i ≤ d on a E[Xi ] = d1
et pour tous entier i, j tels que 1 ≤ i, j ≤ d avec i ̸= j on a
V[X1 ]
Cov(Xi , Xj ) = − .
d−1
Exercice 2. Soit X une variable aléatoire de loi uniforme sur [0, 1].
1. Déterminer la loi et l’espérance de Y = min(X, 1 − X) et Z = max(X, 1 − X).
Y Z
2. Les variables aléatoires Z et Y sont-elles intégrables ? Si oui donner la valeur de l’espérance correspondante.
Exercice 3. Soit X une variable aléatoire positive de carré intégrable telle que V[X] > 0.
1. Montrer que que pour tout θ ∈]0, 1[ on a (1 − θ)E[X] ≤ E[X1[θE[X],+∞[ (X)].
2. En déduire que pour tout θ ∈]0, 1[ on a

E[X]2
P(X ≥ θE[X]) ≥ (1 − θ)2
E[X 2 ]

autrement dit que pour tout θ ∈]0, 1[ on a

E[X]2
P(X ≥ θE[X]) ≥ (1 − θ)2 . (1)
V[X] + E[X]2

3. Justifier que pour tout θ ∈]0, 1[ on a E[X − θE[X]] ≤ E[(X − θE[X])1X≥θE[X] ] et en déduire que pour tout θ ∈]0, 1[ on a

E[X]2
P(X ≥ θE[X]) ≥ (1 − θ)2 . (2)
V[X] + (1 − θ)2 E[X]2

4. Quelle est celle des inégalités (1) et (2) qui vous paraît la plus intéressante ?
Exercice 4. Soit X une variable aléatoire réelle dont on note F la fonction de répartition.
1. On commence par supposer que X est une variable aléatoire positive. Montrer que X est intégrable si et seulement si
1 − F est intégrable sur [0, +∞[ par rapport à la mesure de Lebesgue et que si l’une ou l’autre des ces conditions est
remplie alors Z +∞
E[X] = (1 − F (u)) du.
0

2. À présent on ne suppose plus que X est de signe constant. Montrer que X est intégrable si et seulement si F est
intégrable sur ] − ∞, 0] par rapport à la mesure de Lebesgue et 1 − F est intégrable sur [0, +∞[ par rapport à la mesure
de Lebesgue et que si l’une ou l’autre des ces conditions est remplie alors
Z 0 Z +∞
E[X] = − F (u) du + (1 − F (u)) du.
−∞ 0

Exercice 5. Soit X1 , . . . , Xn , . . . une suite de variables aléatoires positives de même loi. On suppose que X1 est intégrable
et on ne suppose pas que les variables aléatoires X1 , . . . , Xn , . . . sont indépendantes.
1
1. Montrer que pour tout entier n ≥ 1 et tout nombre réel x ≥ 0 on a n P(Mn ≥ x) ≤ P(X1 ≥ x) où Mn =
max(X1 , . . . , Xn ).
2. En déduire que E[Mn ] = o(n).
Exercice 6. Soit X une variable aléatoire de loi N (m, σ 2 ) où σ 2 > 0.
1. Prouver que pour tout réel x > 0 on a
1 − x22
P(X ≥ m + x) ≤ e 2σ .
2
2. Justifier que pour tout λ ∈ R la fonction eλX est une variable aléatoire intégrable et calculer E[eλX ].

1
 3. Justifier que pour tout λ ∈ R la fonction eiλX est une variable aléatoire intégrable et calculer E[eiλX ].
4. On suppose ici que m = 0 et σ 2 = 1. Montrer que X 2 suit une loi gamma dont on précisera les paramètres.
Exercice 7. Soit X une variable aléatoire de loi N (0, 1).
1. Montrer que Z = eX admet ( 1 2
(2π)− 2 z1 e−(ln z) /2 si z > 0
f (z) =
0 si z ≤ 0.
pour densité.
Pour tout a ∈ [−1, 1] on pose ga (x) = f (x)(1 + a sin(2π ln(x)))1R∗+ (x).
2. Montrer que pour tout a ∈ [−1, 1] la fonction ga est bien une densité de probabilité.
3. Montrer pour tout a ∈ [−1, 1] que si Za est une variable aléatoire de densité ga alors Z et Za ont des moments identiques
à tous les ordres.
4. Est-ce que l’affirmation prouvée à la question précédente permet d’affirmer que des variables aléatoires ayant des
moments identiques à tous les ordres ne sont pas nécessairement de même loi ?
1
Exercice 8. Quelles sont les variables aléatoires réelles positives qui vérifient E[X 2 ] = E[X]2 ? Et celles qui vérifient E[ X ]=
1
E[X] ?

Exercice 9. Soit X une variable aléatoire de loi exponentielle de paramètre a > 0. On pose Y = min(X, 1) et Z = max(X, 1).
1. Déterminer les fonctions de répartition de Y et Z.
2. Vérifier que les lois respectives de Y et Z sont de la forme µY = f (y) dy + αδ1 et µZ = g(z) dz + βδ1 où f et g sont
deux fonctions définies sur R et intégrables par rapport à la mesure de Lebesgue que l’on déterminera et α et β sont
deux réels positifs que l’on déterminera aussi.
3. Calculer E[Y ] et E[Z].
Exercice 10. Soit X une variable aléatoire réelle. Calculer la fonction caractéristique de X dans les cas suivants
1. X est de loi binomiale de paramètres n ∈ N∗ et p ∈ [0, 1]
2. X est de loi de Poisson de paramètre a > 0
3. X est de loi géométrique de paramètre p ∈]0, 1]
4. X est de loi uniforme sur [−a, a] où a > 0
5. X est de loi exponentielle de paramètre a > 0

Tableau récapitulatif sur les lois discrètes

Loi Paramètres Valeurs Probabilités Espérance Variance

U({1, . . . , n}) {1 . . . n} 1/n (n + 1)/2 (n2 − 1)/12
P(X = 1) = p
Bernoulli, B(p) p ∈ [0, 1] {0, 1} p p(1 − p)
P(X = 0) = 1 − p
n ∈ N∗
Binomiale, Bin(n, p) {0 . . . n} Cnk pk (1 − p)n−k np np(1 − p)
p ∈ [0, 1]
Poisson P(λ) λ ∈ R∗+ N e−λ λk /k! λ λ
Géométrique G(p) p ∈]0, 1] N∗ p(1 − p)k−1 1/p (1 − p)/p2

Tableau récapitulatif sur les lois continues

Loi Paramètres Valeurs Densité E(X) V(X)

1
(b − a)2

si x ∈ [a, b] a+b
U[a,b] (a, b) ∈ R2 , a < b [a, b] f (x) = b−a
0
 −ax sinon 2 12
ae si x > 0 1 1
E(a) a>0 R∗+ f (x) =
0  sinon  a a2
1 1
N (0, 1) R f (x) = √ exp − x2 0 1
2π  2 
1 1 2
N (m, σ) (m, σ), σ > 0 R f (x) = √ exp − 2 (x − m) m σ2
σ 2π 2σ
C(m, a) (m, a) ∈ R × R∗+ R f (x) = πa a2 +(x−m)
1
2
( α
β α−1 −βx
x e si x ≥ 0
Γ(α, β) (α, β) ∈ R∗+ × R∗+ R+ f (x) = Γ(α) α
β
α
β2
0 si x < 0