Université Pierre et Marie Curie 2012-2013
Probabilités de base - MM010 Feuille 10
Espérance conditionnelle, martingales
1. Soit X une variable aléatoire de loi N (0, 1). Calculer E[X 2 |X] et E[X|X 2 ].
2. Soient X et Y deux variables aléatoires. On suppose que E[|X|] < +∞.
a. Montrer que si E[X|Y ] est une constante, alors cette constante est E[X].
b. Montrer qu’on peut avoir E[X|Y ] = E[X] sans que X et Y soient indépendantes.
c. On suppose que X et Y admettent des moments d’ordre 2. Quels liens logiques y
a-t-il entre les propriétés E[X|Y ] = E[X] et Cov(X, Y ) = 0 ?
3. Soient X1 , X2 , X3 , X4 des variables aléatoires indépendantes de loi de Bernoulli de
paramètre p ∈ [0, 1]. Calculer E[X1 + X2 |X1 , X2 , X3 , X4 ] et E[X1 + X2 |X1 + X2 + X3 + X4 ].
4. Soit (X, Y, Z) un vecteur aléatoire de densité f(X,Y,Z) (x, y, z) = ce−z−2x 10≤x≤y≤z
où c est une constante réelle.
a. Déterminer c.
b. Calculer E[X|Y, Z], E[Y |X, Z], E[X|Y ] et E[Y |X].
5. Soit p ∈]0, 1[ un réel. Soient X et Y deux variables aléatoires à valeurs entières
telles que pour tous k, l ∈ N on ait
p k k l
P(X = k, Y = l) = (1 − p) .
e l!
Calculer E[Y |X].
6. Soient N, X1 , X2 , . . . des variables aléatoires indépendantes. On suppose qu’il existe
M tel que |Xn | ≤ M pour tout n ≥ 1 et E[Xn ] = P E[X1 ]. On suppose N à valeurs dans
N et intégrable. Montrer que la variable aléatoire N n=1 Xn est intégrable, calculer son
espérance conditionnelle sachant N et en déduire la formule
" N #
X
E Xn = E[N ]E[X1 ].
n=1
1
7. Soient X et Y deux variables aléatoires qui admettent un moment d’ordre 2. On
suppose que E[X|Y ] = Y et E[Y |X] = X. Montrer que X = Y .
8. On considère sur l’espace de probabilités ([0, 1[, B[0,1[ , Leb) et pour tout n ≥ 0 la
tribu Fn définie par
k k+1
Fn = σ , n
: k ∈ {0, . . . , 2 − 1} .
2n 2n
On considère la variable aléatoire Z : [0, 1[→ R définie pour tout t ∈ [0, 1[ par Z(t) = t.
a. Montrer que (Fn )n≥0 est une filtration.
b. Calculer, pour tout n ≥ 0, l’espérance conditionnelle Xn = E[Z|Fn ].
c. Montrer que la suite de variables aléatoires (Xn )n≥0 est une martingale qui converge
presque sûrement vers une limite que l’on déterminera.
9. Soit (Yn )n≥1 une suite de variables aléatoires définies sur un espace de probabilités
(Ω, F , P). On pose X0 = 0 et, pour tout n ≥ 1, Xn = Y1 + . . . + Yn . Montrer que pour
tout n ≥ 1, on a
σ(X0 , . . . , Xn ) = σ(Y1 , . . . , Yn ).
10. Soit (Ω, F , (Fn )n≥0 , P) un espace de probabilités filtré. Soit (Yn )n≥1 une suite de
variables aléatoires indépendantes et toutes de même loi, avec P(Y1 = 1) = P(Y1 = −1) =
1
2
. On suppose que F0 = {∅, Ω} et que pour tout n ≥ 1, on a l’égalité Fn = σ(Y1 , . . . , Yn ).
Soit a un entier positif. Soit x un entier tel que 0 ≤ x ≤ a. On pose X0 = x et, pour
tout n ≥ 1, Xn = x + Y1 + . . . + Yn .
a. Montrer que (Xn )n≥0 est une martingale.
b. Montrer que T = inf{n ≥ 0 : Xn = 0 ou Xn = a} est un temps d’arrêt.
c. Montrer que P(T = +∞) = 0.
d. En déduire que la suite de variables aléatoires (Xn∧T )n≥0 converge presque sûrement
vers XT lorsque n tend vers +∞.
e. Montrer que la convergence Xn∧T −→ XT a lieu dans L1 .
n→∞
f. Calculer E[XT ] et en déduire la loi de XT .
g. Deux joueurs ont chacun un tas de cailloux, contenant respectivement r et s cailloux.
À chaque tour du jeu, on tire à pile ou face. Si c’est pile qui sort, le premier joueur donne
un caillou au deuxième joueur. Si c’est face qui sort, le deuxième joueur donne un caillou
au premier joueur. Le jeu s’arrête quand un joueur n’a plus de cailloux. Alors le joueur
qui n’a plus de cailloux a gagné.
Quelle est la probabilité que le joueur qui a un tas de r cailloux devant lui gagne à ce
jeu ?
11. On considère le même espace filtré et les mêmes familles de variables aléatoires
(Yn )n≥1 et (Xn )n≥0 qu’à l’exercice précédent. On suppose ici x = 1.
2
On pose T = inf{n ≥ 0 : Xn = 0}.
a. Montrer que T est un temps d’arrêt et que P(T < +∞) = 1.
b. A-t-on E[XT ] = E[X0 ] ? Y a-t-il contradiction avec le théorème d’arrêt ?
12. Soit (Ω, F , (Fn )n≥0 , P) un espace de probabilités filtré. Soit X = (Xn )n≥0 une
martingale telle que X0 = 0. On suppose qu’il existe une constante C telle que pour tout
n ≥ 0 on ait E[Xn2 ] ≤ C. Autrement dit, on suppose la martingale X bornée dans L2 .
a. Montrer que pour tous n, m ≥ 1 entiers tels que avec 1 ≤ n < m, on a
m−1
X
2
E (Xk+1 − Xk )2 .
E (Xm − Xn ) =
k=n
b. Montrer que la série
+∞
X
E (Xk+1 − Xk )2
k=0
converge et en déduire que la suite (Xn )n≥0 est de Cauchy dans L2 , donc converge vers
une variable aléatoire Z.
c. Montrer que pour tout n ≥ 0, la suite (E[Xm |Fn ])m≥n converge dans L2 vers
E[Z|Fn ] lorsque m tend vers l’infini.
d. En déduire que pour tout n ≥ 0, on a Xn = E[Z|Fn ].
13. Un sac contient trente pierres blanches et trente pierres noires. On vous propose
l’épreuve suivante. Vous allez sortir une à une les pierres du sac, sans les y remettre, et
vous pourrez les voir lorsqu’elles seront sorties. À un moment de votre choix, et avant
de tirer l’une des pierres, vous devrez annoncer : “La pierre que je vais tirer est blanche”.
Vous aurez réussi l’épreuve si vous avez raison.
Comment devez-vous vous y prendre pour rendre maximale votre probabilité de ga-
gner ? Que vaut cette probabilité ?
