2MA241 – Introduction aux probabilités Sorbonne Université 2019-2020

Devoir Maison
À rendre pour le 27 avril

Question de cours. Donner la définition de la fonction de répartition d’une variable aléatoire réelle X,
et donner ses propriétés.
Solution. Voir le polycopié, Déf. 4.8, Prop. 4.10–12 et Th. 5.16.

? Exercice 1. Soient X et Y deux variables aléatoires réelles, et A un événement de probabilité p ∈ ]0, 1[,
tel que 1A est indépendant de (X, Y ). Exprimer la fonction de répartition de W := X1A + Y 1Ac en
fonction de celles de X et Y .
Solution. Voir Exercice 7.8.

Exercice 2. (6 points) Un robot lance une balle, toujours avec la même vitesse v, mais avec un angle
g
aléatoire Θ ∈ ]0, π2 [ . La balle décrit une parabole décrite par l’équation h(x) = − 2 x2 +tan(Θ)x,
2v cos(Θ)2
où g ≈ 9, 8 m · s−2 est la force de gravité terrestre, et atterrit à une distance X de son point de départ,
voir la figure ci-dessous.

h(x)

Θ
x
0
X

v2
a) Montrer que X = sin(2Θ).
g
Solution. Le sommet de la parabole est atteint au point x0 où h0 (x0 ) = 0, c’est-à-dire gx0 =
v 2 sin(Θ) cos(Θ) et X est le symétrique de ce point par rapport à x0 donc
v2 v2
X = 2x0 = 2 sin(Θ) cos(Θ) = sin(2Θ).
g g

On pose Y = sin(2Θ) et on suppose dans la suite que Θ suit la la loi uniforme sur ]0, π2 [ .
b) Calculer E(Y ) et en déduire E(X). Indication : ne pas calculer la densité de Y .
Solution. D’après la formule de transfert, on a

2 π/2
Z
1 π/2 2
E(Y ) = sin(2t)dt = [− cos(2t)]0 = .
π 0 π π
2v 2
Par linéarité de l’espérance on a donc E(X) = .
gπ
c) Calculer Var(Y ) et en déduire Var(X). Indication : ne toujours pas calculer la densité de Y .
Solution. D’après la formule de transfert, on a

2 π/2 2
Z
E(Y 2 ) = sin (2t)dt.
π 0
1 − cos(2u)
Comme cos(2u) = 1 − 2 sin2 (u) on a sin2 (u) = et donc
2
Z π/2  π/2
2 1
1 sin(4t) 1
E(Y ) = 1 − cos(4t) dt = t+ =
π 0 π 4 0 2

1 2
2 π2 − 8
Donc Var(Y ) = E(Y 2 ) − E(Y )2 = − = . Comme Var(λY ) = λ2 Var(Y ), on obtient
2 π 2π 2
v 4 (π 2 − 8)
Var(X) = .
g 2 2π 2
 d) Calculer la fonction de répartition de Y et en déduire la densité de Y . Dessiner le graphe de cette
fonction.
Solution. Comme 0 ≤ sin(2t) ≤ 1 pour t ∈ [0, π/2], on a FY (y) = 0 pour y < 0 et FY (y) = 1 pour
y > 1. Pour tout y ∈ [0, 1], on a :
   
Fy (y) = P(Y ≤ y) = P sin(2Θ) ≤ y, 2Θ ∈ [0, π/2] + P sin(2Θ) ≤ y, 2Θ ∈ ]π/2, π] .

D’une part, sin est une bijection croissante de [0, π/2] sur [0, 1], de réciproque arcsin. D’autre part,
sin est décroissante sur [π/2, π] et pour tout t ∈ [0, π] on a sin(π − t) = sin(t). Il en résulte que :
   
Fy (y) = P 2Θ ∈ [0, arcsin(y)] + P 2Θ ∈ [π − arcsin(y), π]
   
 arcsin(y)   π − arcsin(y) π 
= P Θ ∈ 0, +P Θ∈ , .
2 2 2
Comme Θ suit la loi uniforme sur [0, π/2] (ou sur ]0, π/2[, ce qui donne la même chose) on obtient
2 arcsin(y) 2 arcsin(y) 2
FY (y) = + = arcsin(y).
π 2 π 2 π
2
Comme FY = arcsin est de classe C 1 sur ]0, 1[ alors, d’après la Prop. 5.4, FY admet une
π
2
densité qui est FY0 = arcsin0 . Rappelons le calcul de arcsin0 . Pour tout x ∈ ]0, π/2[ on a
π
arcsin(sin(x)) = x d’où, en dérivant, arcsin0 (sin(x)) sin0 (x) = 1. Comme sin0 (x) = cos(x) 6= 0
0
q (sin(x)) = 1/ cos(x). De plus, pour x ∈ [0, π/2[ on a cos(x) > 0 donc cos(x) =
on obtient arcsin
cos2 (x) = 1 − sin2 (x). Donc finalement, pour tout y ∈ ]0, 1[ on a :
p

1
arcsin0 (y) = p .
1 − y2
2
Pour conclure, la densité de Y est donc fY (y) = p 1]0,1[ (y).
π 1 − y2

Exercice 3. (10 points) Soit α > 0 et X une variable aléatoire de densité donnée par
α
f (x) = 1]1,+∞[ (x) .
x1+α
a) Vérifier qu’il s’agit bien de la densité d’une variable aléatoire réelle.
Solution. f est positive et continue par morceaux, et l’on a
Z +∞ Z +∞
α +∞
dx = − x−α 1 = 1.

f (x) dx = 1+α
−∞ 1 x
Donc f est bien la densité d’une variable aléatoire réelle, à valeurs presque sûrement dans [1, +∞[.
b) Pour quelles valeurs de γ ∈ R a-t-on E(X γ ) < +∞. Donner la valeur de E(X γ ) dans ce cas.
Solution. Comme X est (presque sûrement) à valeurs positives alors pour tout γ ∈ R on a, d’après
la Prop. 5.8 (formule de transfert dans le cas positif) :
Z Z +∞
E(X γ ) = xγ f (x) dx = α xγ−1−α dx.
R 1

Donc on a E(X γ ) < +∞ si et seulement si γ < α et dans ce cas on a :

 γ−α +∞
x α
E(X γ ) = α = .
γ−α 1 α−γ

c) Calculer la fonction de répartition de X.

Solution. On a FX (t) = 0 si t < 1 et pour t ≥ 1 on a :
Z t
α
FX (t) = 1+α
dx = [−x−α ]t1 = 1 − t−α .
1 x

2
 On considère maintenant X1 , X2 , X3 , . . . des variables aléatoires indépendantes, toutes de même loi
que X. On pose Mn := max(X1 , . . . , Xn ).
d) Calculer la fonction de répartition de Mn . Indication : l’exprimer en fonction de celle de X.
Solution. Soit t ∈ R. On a l’égalité d’évènements :
n
\
{Mn ≤ t} = {Xi ≤ t}
i=1

et comme les Xi sont indépendantes et de même loi que X, on obtient :

n
Y
FMn (t) = P(Mn ≤ t) = P(Xi ≤ t) = FX (t)n .
i=1
α
e) Montrer que lim P(Mn ≤ t n 1/α
) = F (t) pour tout t ∈ R, où F (t) := e−1/t 1]0,+∞[ (t).
n→∞

Solution. Posons un (t) = P(Mn ≤ t n1/α ). Pour t ≤ 0 on a t n1/α ≤ 0 pour tout n ∈ N∗ , d’où
un (t) = 0 et donc dans ce cas la suite (un (t)) converge vers 0.
Fixons désormais t > 0. Comme limn→+∞ n1/α = +∞ il existe nt ∈ N∗ tel que t n1/α ≥ 1 pour
tout n ≥ nt . Alors, d’après la question précédente, pour tout n ≥ nt on a
t−α
n  t−α

un (t) = 1 − = exp n log 1 − .
n n
t−α
t−α 1

donc un (t) = exp − t−α + o(1) quand


Lorsque n → +∞ on a log 1 − = − +o
n n −α
n
n → +∞ donc limn→+∞ un (t) existe et vaut e−t . Ceci montre que la suite de fonctions Fn
converge simplement vers la fonction F indiquée.
f) La fonction F est-elle la fonction de répartition d’une variable aléatoire réelle ? Si oui, cette variable
aléatoire possède-t-elle une densité ? Si oui, donner cette densité.
Solution. D’abord, F est nulle sur ]−∞, 0] d’où, en particulier, lim−∞ F = 0. Puis F est de classe
C 1 sur ]0, +∞[ et sur cet intervalle on a F 0 (t) = αt−α−1 F (t) > 0, donc F y est croissante.
De plus, on a limt↓0 −t−α = −∞ donc limt↓0 F (t) = 0 = F (0), donc F est continue à droite en 0 (et
donc continue puisque continue à gauche). Enfin, on a limt→+∞ −t−α = 0 donc limt→+∞ F (t) = 1.
Par conséquent, F est bien la fonction de répartition d’une variable aléatoire réelle Y . Comme F
est de classe C 1 par morceaux alors, d’après la Prop. 5.4, Y admet pour densité la fonction f
obtenue en dérivant F sur chaque intervalle où elle est C 1 , c’est-à-dire f (t) = 0 pour t ≤ 0 et
−α
f (t) = αt−α−1 e−t pour t > 0.
Remarque. En fait, pour t > 0 on a log(F (t)/t) = log(α) − log(t) − t−α et lorsque t ↓ 0 ceci tend
vers −∞, donc F (t)/t tend vers 0. Donc F est dérivable à droite en 0 de dérivée Fd0 (0) = 0 = Fg0 (0) ;
donc F est dérivable sur R.
De plus, pour t > 0 on a log(F 0 (t)) = log(α) − (α + 1) log(t) − t−α et lorsque t ↓ 0 ceci tend vers
−∞, donc F 0 (t) tend vers 0. Ceci montre que F est de classe C 1 sur R.

Exercice 4. (4 points) Soit X et Y deux variables aléatoires indépendantes, de même loi exponentielle
de paramètre 1. On pose Z = X/Y .
a) Montrer que pour toute fonction continue par morceaux et bornée h on a
Z ∞Z ∞
E(h(Z)) = h(x/y) e−x e−y dx dy .
0 0
Indication : utiliser les Propositions 5.28 et 5.32 du polycopié de cours.
Solution. D’après la Prop. 5.32 appliquée au vecteur aléatoire (X, Y ), on a
ZZ
E(h(Z)) = E(h(X/Y )) = h(x/y)f(X,Y ) (x, y) dx dy.
R2

Comme X et Y sont indépendantes on a, d’après la Prop. 5.28, f(X,Y ) (x, y) = fX (x)fY (y) pour
tout (x, y) ∈ R2 (sauf éventuellement sur un sous-ensemble C de R2 de mesure nulle). Comme
fX (x) = e−x 1[0,+∞[ et fY (y) = e−y 1[0,+∞[ , on obtient
ZZ
E(h(Z)) = h(x/y)e−x e−y dx dy.
R2+

3
 Z ∞ Z ∞
b) Montrer que l’on a h(x/y) e−x dx = h(z) y e−yz dz pour tout y > 0, puis (en appliquant le
0 0
théorème de Fubini) que
Z ∞ Z ∞ 
E(h(Z)) = h(z) y e−(1+z)y dy dz .
0 0

Solution. Fixons y > 0. En faisant le changement de variable z = x/y d’où x = yz et dx = y dz,

on obtient la première égalité demandée.
En utilisant le théorème de Fubini on obtient :
Z ∞ Z ∞ 
E(h(Z)) = e−y h(x/y) e−x dx dy
0
Z ∞ Z0 ∞ 
−y
= e h(z) e−yz ydz dy
0
Z ∞ Z0 ∞ 
= h(z) ye−y(z+1) dy dz.
0 0

c) En déduire que Z ∞
1
E(h(Z)) = h(z) dz
0 (1 + z)2
pour toute fonction h continue par morceaux et bornée, puis donner la densité de Z.
Z ∞
Solution. Calculons l’intégrale I = ye−y(z+1) dy grâce à une intégration par parties. Posons
0
−e−y(1+z)
u = y et v 0 = e−y(z+1) , alors on a u0 = 1 et v = et donc
1+z
+∞ ∞  −y(1+z) +∞
−ye−y(1+z)

−e
Z
1 −y(z+1) 1 1
I= + e dy = 0 + = .
1+z 0 1+z 0 1+z 1+z 0 (1 + z)2

On obtient donc, pour toute fonction h continue par morceaux et bornée,

Z ∞
1
E(h(Z)) = h(z) dz
0 (1 + z)2
1
et donc, d’après la Prop. 5.13, Z admet la densité fZ donnée par fZ (z) = 1[0,+∞[ (z).
(1 + z)2
+∞ +∞  +∞
−1
Z Z
dz
Remarque. On a bien fZ (z) dz = = = 1.
−∞ 0 (1 + z)2 1+z 0
d) La variable aléatoire Z admet-elle une espérance finie ?
z
Solution. La fonction est positive sur R∗+ et est équivalente en +∞ à 1/z, dont l’intégrale
(1 + z)2
diverge. Par conséquent Z ∞
z
E(Z) = dz = +∞
0 (1 + z)2
donc Z n’a pas une espérance finie.