Introduction aux Probabilités - Université Rennes 2
Introduction aux Probabilités - Université Rennes 2 Introduction aux Probabilités - Université Rennes 2
170 Chapitre 3. Variables aléatoires à densité Figure 3.22 – Densité f(x) = 6x(1−x) [0,1](x) et fonction de répartition F associée. 1. La constante c doit être positive pour que f le soit et f doit sommer à 1, or : 1 1 c x(1−x)dx = c (x−x 2 x2 1 x3 )dx = c − = 2 3 c ⇒ c = 6 6 0 0 et f(x) = 6x(1−x) [0,1](x). Cette densité est représentée figure 3.22 à gauche. 2. La fonction de répartition F est nulle à gauche de 0, vaut 1 à droite de 1, et pour 0 ≤ x ≤ 1 un petit calcul s’impose F(x) = x −∞ f(t)dt = x 0 6t(1−t)dt = 3t 2 −2t 3 x 0 = 3x2 −2x 3 . Cette fonction de répartition est représentée figure 3.22 à droite. 3. On en déduit immédiatement queÈ(1/4 < X < 3/4) = F(3/4)−F(1/4) = 11/16. 4. L’espérance de X vaut E[X] = +∞ −∞ xf(x)dx = 1 0 6x 2 (1−x)dx = 0 2x 3 − 3 2 x4 1 = 0 1 2 , ce qui était évident par symétrie de la densité autour de 1/2. Pour le calcul de la variance, on commence par le moment d’ordre 2 : E[X 2 1 ] = 6x 0 3 3 (1−x)dx = 2 x4 − 6 5 x5 1 = 0 3 10 , d’où Var(X) = E[X 2 ]−E[X] 2 = 3 1 − 10 4 = 1 20 . 5. L’inégalité de Tchebychev permet de majorer la probabilité qu’a une variable aléatoire de s’éloigner de sa moyenne en fonction de sa variance. Précisément, elle nous assure que pour tout t > 0È(|X −E[X]| ≥ t) ≤ Var(X) t2 ⇔È(−t < X −E[X] < t) ≥ 1− Var(X) t2 Puisque E[X] = 1/2, on l’applique ici avec t = 1/4, ce qui donne È 1 3 < X < =È − 4 4 1 1 1 < X − < ≥ 1− 4 2 4 Var(X) 1 = (1/4) 2 5 . Bien entendu, cette borne est inférieure à la vraie valeur 11/16 trouvée précédemment. Arnaud Guyader - Rennes 2 Probabilités
3.6. Corrigés 171 6. Pour tout n ∈Æ∗ , le moment d’ordre n de X vaut E[X n 1 ] = 6x n+1 xn+2 (1−x)dx = 6 n+2 0 1 xn+3 − = n+3 0 6 (n+2)(n+3) . On vérifie bien sûr que ceci coïncide avec les résultats trouvés pour E[X] et E[X 2 ]. Exercice 3.31 (Loi de Rayleigh) On considère une variable aléatoire X de densité f(x) = Figure 3.23 – Densité f(x) = x e −x2 2 c x e −x2 2 x ≥ 0 0 x < 0 [0,+∞[(x) et fonction de répartition F associée. 1. Il est clair d’une part que f est bien positive, et d’autre part que son intégrale sur [0,+∞[ est égale à 1, puisque +∞ 0 xe −x2 2 dx = −e −x2 +∞ 2 = 1. 0 Cette densité est représentée figure 3.23 à gauche. 2. La fonction de répartition F de X vaut 0 sur ]−∞,0] et pour x ≥ 0, on a F(x) = x 0 te −t2 2 dt = −e −t2 2 x 0 = 1−e −x2 2 . Cette fonction de répartition est représentée figure 3.23 à droite. 3. La médiane de X vérifieÈ(X > m) = 1/2, ce qui équivaut à dire que F(m) = 1/2, donc 1−e −m2 2 = 1 2 ⇔ m = √ 2ln2. 4. On reconnaît la densité d’une loi normale centrée réduite donc 1 √ 2π +∞ −∞ e −x2 2 dx = 1. Par parité de la fonction x ↦→ e −x2 2 surÊ, il est clair que +∞ 0 e −x2 2 dx = 1 2 +∞ −∞ e −x2 2 dx = √ 2π 2 1 √2π +∞ −∞ e −x2 π 2 dx = 2 . Probabilités Arnaud Guyader - Rennes 2 (3.2)
- Page 124 and 125: 120 Chapitre 3. Variables aléatoir
- Page 126 and 127: 122 Chapitre 3. Variables aléatoir
- Page 128 and 129: 124 Chapitre 3. Variables aléatoir
- Page 130 and 131: 126 Chapitre 3. Variables aléatoir
- Page 132 and 133: 128 Chapitre 3. Variables aléatoir
- Page 134 and 135: 130 Chapitre 3. Variables aléatoir
- Page 136 and 137: 132 Chapitre 3. Variables aléatoir
- Page 138 and 139: 134 Chapitre 3. Variables aléatoir
- Page 140 and 141: 136 Chapitre 3. Variables aléatoir
- Page 142 and 143: 138 Chapitre 3. Variables aléatoir
- Page 144 and 145: 140 Chapitre 3. Variables aléatoir
- Page 146 and 147: 142 Chapitre 3. Variables aléatoir
- Page 148 and 149: 144 Chapitre 3. Variables aléatoir
- Page 150 and 151: ∈Ê 146 Chapitre 3. Variables al
- Page 152 and 153: 148 Chapitre 3. Variables aléatoir
- Page 154 and 155: 150 Chapitre 3. Variables aléatoir
- Page 156 and 157: 152 Chapitre 3. Variables aléatoir
- Page 158 and 159: 154 Chapitre 3. Variables aléatoir
- Page 160 and 161: 156 Chapitre 3. Variables aléatoir
- Page 162 and 163: 158 Chapitre 3. Variables aléatoir
- Page 164 and 165: 160 Chapitre 3. Variables aléatoir
- Page 166 and 167: 162 Chapitre 3. Variables aléatoir
- Page 168 and 169: 164 Chapitre 3. Variables aléatoir
- Page 170 and 171: 166 Chapitre 3. Variables aléatoir
- Page 172 and 173: 168 Chapitre 3. Variables aléatoir
- Page 176 and 177: 172 Chapitre 3. Variables aléatoir
- Page 178 and 179: 174 Chapitre 3. Variables aléatoir
- Page 181 and 182: Annexe A Annexes A.1 Annales Univer
- Page 183 and 184: A.1. Annales 179 Université de Ren
- Page 185 and 186: A.1. Annales 181 Université de Ren
- Page 187 and 188: A.1. Annales 183 3. Montrer que E[X
- Page 189 and 190: A.1. Annales 185 4. Par définition
- Page 191 and 192: A.1. Annales 187 4. Soit Y la varia
- Page 193 and 194: A.1. Annales 189 0.50 0.45 0.40 0.3
- Page 195 and 196: A.1. Annales 191 4. (Bonus) La prob
- Page 197 and 198: A.1. Annales 193 III. Pièces défe
- Page 199 and 200: A.1. Annales 195 Tandis que dans le
- Page 201 and 202: A.1. Annales 197 IV. Jeu d’argent
- Page 203 and 204: A.1. Annales 199 4. L’espérance
- Page 205 and 206: A.1. Annales 201 1. Dire que T est
- Page 207 and 208: A.1. Annales 203 Université Rennes
- Page 209 and 210: A.1. Annales 205 Université Rennes
- Page 211 and 212: A.1. Annales 207 Ainsi, le taux de
- Page 213 and 214: A.1. Annales 209 Université Rennes
- Page 215 and 216: A.1. Annales 211 4. Soit X1 et X2 d
- Page 217 and 218: A.1. Annales 213 Figure A.5 - Densi
- Page 219 and 220: A.1. Annales 215 3. Pour la varianc
- Page 221 and 222: A.1. Annales 217 à la suite de quo
- Page 223: Bibliographie [1] Nicolas Bouleau.
3.6. Corrigés 171<br />
6. Pour tout n ∈Æ∗ , le moment d’ordre n de X vaut<br />
E[X n 1<br />
] = 6x n+1 <br />
xn+2 (1−x)dx = 6<br />
n+2<br />
0<br />
1 xn+3<br />
− =<br />
n+3 0<br />
6<br />
(n+2)(n+3) .<br />
On vérifie bien sûr que ceci coïncide avec les résultats trouvés pour E[X] et E[X 2 ].<br />
Exercice 3.31 (Loi de Rayleigh)<br />
On considère une variable aléatoire X de densité<br />
<br />
f(x) =<br />
Figure 3.23 – Densité f(x) = x e −x2<br />
2<br />
c x e −x2<br />
2 x ≥ 0<br />
0 x < 0<br />
[0,+∞[(x) et fonction de répartition F associée.<br />
1. Il est clair d’une part que f est bien positive, et d’autre part que son intégrale sur [0,+∞[<br />
est égale à 1, puisque<br />
+∞<br />
0<br />
xe −x2<br />
<br />
2 dx = −e −x2<br />
+∞<br />
2 = 1.<br />
0<br />
Cette densité est représentée figure 3.23 à gauche.<br />
2. La fonction de répartition F de X vaut 0 sur ]−∞,0] et pour x ≥ 0, on a<br />
F(x) =<br />
x<br />
0<br />
te −t2<br />
2 dt =<br />
<br />
−e −t2<br />
2<br />
x<br />
0<br />
= 1−e −x2<br />
2 .<br />
Cette fonction de répartition est représentée figure 3.23 à droite.<br />
3. La médiane de X vérifieÈ(X > m) = 1/2, ce qui équivaut à dire que F(m) = 1/2, donc<br />
1−e −m2<br />
2 = 1<br />
2 ⇔ m = √ 2ln2.<br />
4. On reconnaît la densité d’une loi normale centrée réduite donc<br />
1<br />
√ 2π<br />
+∞<br />
−∞<br />
e −x2<br />
2 dx = 1.<br />
Par parité de la fonction x ↦→ e −x2<br />
2 surÊ, il est clair que<br />
+∞<br />
0<br />
e −x2<br />
2 dx = 1<br />
2<br />
+∞<br />
−∞<br />
e −x2<br />
2 dx =<br />
√ 2π<br />
2<br />
1<br />
√2π<br />
+∞<br />
−∞<br />
e −x2<br />
<br />
π<br />
2 dx =<br />
2 .<br />
<strong>Probabilités</strong> Arnaud Guyader - <strong>Rennes</strong> 2<br />
(3.2)