École Supérieure Privée d’Ingénierie et de Technologies

Probabilité I
Correction série d’exercices №4 :
Vecteurs gaussiens

Niveau : 4ème année D.S & INFINI Année universitaire : 2023-2024

Exercice 1 :
Soit X = (X1 , X2 ) un vecteur gaussien centré. On donne E[X12 ] = a, E[X1 X2 ] = b et E[X22 ] = c,
avec a, b, c ∈ R.
1. Déterminer la matrice de covariance Σ de X.
2. Calculer la fonction caractéristique φX de X.
3. Donner une condition nécessaire et suffisante sur (a, b, c) ∈ R3 pour que X possède une densité
fX , puis déterminer cette densité.

Solution :

1. Déterminer la matrice de covariance Σ de X .

Le vecteur X est centré, ceci implique que son vecteur moyenne est :
   
E[X1 ] 0
m= =
E[X2 ] 0

De plus, on a :

Cov(X1 , X2 ) = E[X1 X2 ] − E[X1 ] E[X2 ] = E[X1 X2 ] = b

V[X1 ] = E[X12 ] − E[X1 ]2 = a
V[X2 ] = E[X22 ] − E[X0 ]2 = a

Donc la matrice de covariance de X est donnée par :

 
a b
Σ=
b c

1
 2. Calculer la fonction caractérestique φX de X.
La fonction caractéristique φX du vecteur X est définie pour u = (u1 , u2 ) ∈ R2 par :
t .m −1
ut .Σ.u
φX (u) = eiu e 2

−1
ut .Σ.u
=e 2

 t   !
1 u1 a b u1
= exp −
2 u2 b c u2
   
1 a b u1
= exp − (u1 u2 )
2 b c u2
 
1 2 2
= exp − (a u1 + 2b u1 u2 + c u2 )
2

3. Donner une condition nécessaire et suffisante sur (a, b, c) ∈ R3 pour que X possède une den-
sité fX , puis déterminer cette densité.

Le vecteur gaussien X possède une densité fX si sa matrice de covariance Σ est inversible,

autrement dit :
det(Σ) = ac − b2 6= 0
Dans ce cas, cette densité est donnée pour tout x = (x1 , x2 ) ∈ R2 par :

1 1 1 t −1
fX (x) = f(X1 ,X2 ) (x1 , x2 ) = ( √ )d p e− 2 (x−m) Σ (x−m)
2π det(Σ)
 t  −1  !
1 2 1 1 x1 − m 1 a b x1 − m 1
= (√ ) √ exp −
2π ac − b2 2 x2 − m 2 b c x2 − m 2
   
1 1 1 c −b x1
= √ exp − (x1 x2 )
2π ac − b2 2 (ac − b2 ) −b a x2
 
1 1
= √ exp − (cx21 − 2bx1 x2 + ax22 )
2π ac − b2 2(ac − b2 )
———————————————————
Remarque : L’une des méthodes du calcul de l’inverse d’une matrice carrée d’ordre n est la méthode
de la comatrice donnée par :
1
A−1 = com(A)t
det(A)

———————————————————-

2
Exercice 2 :
Soit X = (X1 , X2 , X3 ) un vecteur gaussien centré de matrice de covariance :
 
3 1 0
Σ=  1 2 0 
0 0 1

1. Déterminer la loi du couple (X1 , X2 ).

2. Montrer que la v.a. X3 est indépendante de X1 et de X2 .
3. Montrer que pour tout a ∈ R le vecteur (X2 , X2 + aX1 ) est gaussien.

Solution :
1. Déterminer la loi du couple (X1 , X2 ).

 
X1
On remarque que le couple est une transformation affine du vecteur X car :
X2
 
  X1
X1
= A ×  X2 
X2
X3
avec
 
1 0 0
A=
0 1 0
 
X1
Et comme X =  X2  ∼ N3 (m, Σ), alors la caractérisation d’une transformation affine
X3
d’un vecteur gaussien nous permet de déduire que :
 
X1
∼ N2 (b, Σ̃)
X2

où b est le vecteur moyenne donné par :

 
  0  
1 0 0  0 = 0 .
b=A × m=
0 1 0 0
0

et Σ̃ est la matrice de covariance donnée par :

  
  3 1 0 1 0  
t 1 0 0 3 1
Σ̃ = A Σ A =  1 2 0   0 1  =
0 1 0 1 2
0 0 1 0 0

3
 2. Montrer que la v.a. X3 est indépendante de X1 et de X2 .

– On a X = (X1 , X2 , X3 ) un vecteur gaussien et d’après la matrice de covariance Σ, on a :

Cov(X1 , X3 ) = 0

Donc les v.a. X1 et X3 sont indépendantes.

– De la même manière, on montrera également que les v.a X2 et X3 sont indépendantes.

3. Montrer que pour tout a ∈ R le vecteur (X2 , X2 + aX1 ) est gaussien.
Comme :

X = (X1 , X2 ) ∼ N2 (b, Σ̃) et Y = (X2 , X2 + aX1 )t = A X

avec
 
0 1
A=
a 1

alors en utilisant la caractérisation d’un vecteur gaussien par une transformation affine, on
obtient que :

Y ∼ N2 (b̃, ΣY )

avec
    
0 1 0 0
b̃ = Ab = =
a 1 0 0
et
   t  
t 0 1 3 1 0 1 2 a+2
ΣY = AΣ̃A = = 2
a 1 1 2 a 1 a + 2 3a + 2a + 2

Exercice 3 :
Soit X = (X1 , X2 ) un vecteur gaussien centré telque :

E[X1 X2 ] = 1 et E[X12 ] = E[X22 ] = 2

1. Déterminer la matrice de covariance ΣX de X.

2. Montrer que X admet une densité fX , puis la déterminer.
3. On définit le vecteur aléatoire Y = (Y1 , Y2 , Y3 ) par :

Y1 = X1 + X2

Y2 = −X1 + X2

Y3 = X1 − X2


4
 (a) Ecrire Y sous la forme matricielle.
(b) Justifier que Y est un vecteur gaussien, puis déterminer son vecteur moyenne mY et sa
matrice de covariance ΣY .
(c) Etudier l’indépendance mutuelle des composantes Y1 , Y2 et Y3 .
4. (a) Justifier que Y1 et Y3 sont indépendantes, puis donner leurs lois.
(b) En déduire la fonction caractéristique du couple (Y1 , Y3 ).

Solution :

1. Déterminer la matrice de covariance ΣX de X.

 
V (X1) Cov(X1, X2)
Σ=
Cov(X1, X2) V (X2)

avec

V (X1) = E(X12 ) − E(X1 )2 = 2,

V (X2) = E(X22 ) − E(X2 )2 = 2 et
Cov(X1 , X2 ) = E(X1 X2 )E(X1 )E(X2 ) = 1 − 0 = 1

 
2 1
Σ=
1 2

2. Montrer que X admet une densité fX , puis la déterminer.

Le vecteur gaussien X possède une densité fX si sa matrice de covariance Σ est inversible,
autrement dit :
det(Σ) = 3 6= 0

Dans ce cas, la densité de X est donnée pour tout x = (x1 , x2 ) ∈ R2 par :

1 1 1 t −1
fX (x) = f(X1 ,X2 ) (x1 , x2 ) = ( √ )d p e− 2 (x−m) Σ (x−m)
2π det(Σ)
 t  2 −1   !
1 2 1 1 x1 3 3 x 1
= ( √ ) √ exp − −1 2
2π 3 2 x2 3 3 x2
 
1 1
= √ exp − 2x21 − 2x1 x2 + 2x22


2π 3 6
 
1 1 2 2


= √ exp − x1 − x1 x2 + x2 .
2π 3 3

5
3. (a) Ecrire Y sous la forme matricielle. Le vecteur Y est une solution du système suivant :

Y1 = X1 + X2

Y2 = −X1 + X2

Y3 = X1 − X2


qui s’écrit aussi sous la forme matricielle suivante :

Y = AX

avec
 
1 1
A =  −1 1 
1 −1

(b) Justifier que Y est un vecteur gaussien, puis déterminer son vecteur moyenne mY et sa
matrice de covariance ΣY ..
Comme :

X = (X1 , X2 ) ∼ N2 (02 , ΣX ) et Y = A X

alors en utilisant la caractérisation d’un vecteur gaussien par une transformation affine,
on obtient que :

Y ∼ N3 (mY , ΣY )

avec
m Y = A 02
et
   t  
1 1   1 1 6 0 0
2 1 
ΣY = A ΣX At =  −1 1  −1 1  =  0 2 −2 
1 2
1 −1 1 −1 0 −2 2

(c) Etudier l’indépendance mutuelle des composantes Y1 , Y2 et Y3 .

La matrice de covariance ΣY du vecteur Y n’est pas diagonale et par conséquent les
composantes Y1 , Y2 et Y3 ne sont pas indépendantes. Ils sont mutuellement dépendantes.
(a) Justifier que Y1 et Y3 sont indépendantes, puis donner leurs lois.
D’aprés la matrice de covariance ΣY du vecteur Gaussien Y , on a cov(Y1 , Y3 ) = 0 donc
Y1 et Y3 sont indépendantes.
Comme les composantes d’un vecteur gaussien sont des variables aléatoire gaussiennes
et par la suite :
Y1 ∼ N (0, 6)
et
Y3 ∼ N (0, 2)

6
 (b) En déduire la fonction caractéristique du couple (Y1 , Y3 ).
on a Y1 et Y3 deux variables aléatoires sont indépendantes et suivent une distribution
gaussienne. La fonction caractéristique du couple (Y1 , Y3 ) est donnée pour u = (u1 , u2 ) ∈
R2 par :

φ(Y1 ,Y3 ) (u) = φY1 (u1 ) × φY3 (u2 )

1 2 1 2 2 2
= e− 2 (6)u1 × e− 2 (2)u2 = e−3u1 −u2 .

Exercice 4 :
Soient X, Y et Z trois variables gaussiennes standard et indépendantes. On pose

U = X + Y − Z et V = aX + bY,

avec (a, b) ∈ R2 .
1. Quelle est la loi de (U, V ) ? En déduire la loi de U et la loi de V .
2. Déterminer la loi du couple (U + V, U − V ). Donner une condition nécessaire et suffisante sur
(a, b) pour que U + V et U − V sont indépendantes.
3. Peut-on avoir U et V indépendantes ainsi que U + V et U − V ?

Solution :

1. Quelle est la loi de (U, V ) ? En déduire la loi de U et la loi de V .

Comme X, Y et Z sont trois variables gaussiennes centrées, réduites et indépendantes, le
vecteur (X, Y, Z) est un vecteur gaussien standard. Le couple (U, V ) est donnée par :
   
      X X
U X +Y −Z 1 1 −1 
= = Y  = A Y 
V aX + bY a b 0
Z Z

Par conséquent, (U, V ) est un couple gaussien centré de matrice de covariance

 
3 a+b
Σ = AI3 At = AAt =
a + b a2 + b2

Par conséquent, U suit une distribution normale N (0, 1) et V suit une distribution normale
N (0, a2 + b2 ).
2. Déterminer la loi du couple (U + V, U − V ). Donner une condition nécessaire et suffisante sur
(a, b) pour que U + V et U − V sont indépendantes.
      
U +V 1 1 U U
= =B
U −V 1 −1 V V
Donc, (U + V, U − V ) est un vecteur gaussien centré de matrice de covariance Σ(U,V ) :

3 + 2(a + b) + a2 + b2 3 − a2 − b2
 
Σ(U,V ) =
3 − a2 − b2 3 − 2(a + b) + a2 + b2

7
 De plus, comme (U + V, U − V ) est un vecteur gaussien, U + V et U − V sont indépendantes
si et seulement si leur covariance est nulle, c’est-à-dire si et seulement si a2 + b2 = 1.
3. Peut-on avoir U et V indépendantes ainsi que U + V et U − V ?
Selon la première question, U et V sont indépendantes si et seulement si a + b = 0, et selon la
deuxième question, U + V et U − V sont indépendantes si et seulement si a2 + b2 = 3. Ainsi,
il est possible d’avoir à la fois U et V indépendantes et U + V et U − V indépendantes. Cela
se produit exactement lorsque a = −b et a2 = 23 , c’est-à-dire
r r
3 3
(a, b) = ( ,− )
2 2
ou r r
3 3
(a, b) = (− , )
2 2
.