[<] Calcul d'espérances et variances [>] Moments
Soient et deux variables aléatoires . Établir
Solution
Par l’inégalité de Cauchy-Schwarz, on sait que pour toutes variables ,
Il suffit d’appliquer ce résultat aux variables et pour obtenir
Pour , on note l’écart-type de la variable .
Pour , comparer et .
Solution
Soient . On sait et
Or, par l’inégalité de Cauchy-Schwarz,
et donc
On en déduit
Soit une suite de variables aléatoires indépendantes et identiquement distribuées selon une loi de Bernoulli de paramètre .
Pour , on pose et .
Identifier la loi de .
Calculer l’espérance et la variance de .
Soit . Justifier
Solution
La variable prend ses valeurs dans et, par indépendance,
La variable suit une loi de Bernoulli de paramètre .
Notons que les variables ne sont pas indépendantes: on ne peut pas affirmer que suit une loi binomiale de paramètres et . Cependant, par linéarité,
Aussi,
alors que, par indépendance par paquets,
On en déduit
Par l’inégalité de Bienaymé-Tchebychev,
Soient et deux variables aléatoires réelles suivant toutes les deux la loi d’une variable aléatoire réelle bornée.
On suppose que suit la loi de la variable . Montrer que presque sûrement11 1 Cela signifie ..
L’univers est l’ensemble des permutations de (avec ) que l’on munit de la tribu discrète et de la probabilité uniforme. Pour , on définit une variable aléatoire sur en posant, pour tout élément de ,
Identifier la loi de la variable .
Soient distincts. Calculer .
En déduire l’espérance et la variance de la variable donnant le nombre de points fixes d’une permutation élément de .
Solution
La variable prend ses valeurs dans , elle suit donc une loi de Bernoulli. Pour déterminer son paramètre, il suffit d’évaluer .
Il y a éléments dans et, parmi ceux-ci, il y a exactement permutations fixant car ces dernières s’identifient par restriction aux permutations de . La probabilité étant uniforme,
La variable suit une loi de Bernoulli de paramètre .
Méthode: Par la formule de Huygens,
La variable prend ses valeurs dans , elle suit aussi une loi de Bernoulli. La variable prend la valeur uniquement lorsque et sont des points fixes de la permutation étudiée. Les permutations fixant s’identifient par restriction aux permutations de , il y en a exactement et
La variable suit une loi de Bernoulli de paramètre .
L’espérance d’une loi de Bernoulli étant égale à son paramètre, on obtient11 1 La covariance obtenue est positive et cela peut être attendu car, si une permutation admet pour point fixe, cela réduit les valeurs possibles pour et accroît la probabilité que soit point fixe.
La variable correspond à la somme . Par linéarité de l’espérance,
Méthode: La variance d’une somme se développe par bilinéarité de la covariance.
Par développement,
La première somme comporte termes égaux à la variance d’une loi de Bernoulli de paramètre et la seconde somme comporte égaux à la covariance précédemment calculée. On peut alors terminer le calcul
(Processus de comptage)
Un dispositif de comptage dénombre les visiteurs qui entrent dans un musée. On note et, pour tout , on introduit la variable aléatoire qui donne le nombre de visiteurs ayant passé le portail entre les instants et . On admet que la variable suit une loi de Poisson de paramètre et que les différentes variables pour sont indépendantes.
Soient avec .
Déterminer la loi de .
Calculer puis la covariance des variables aléatoires et
Quelle est la loi du couple ?
Pour , on pose . Pour , calculer la loi de probabilité de sachant que puis identifier cette loi.
On note la variable aléatoire qui prend pour valeur le plus petit entier tel qu’il soit entré au moins un visiteur entre les instants et .
Pour , exprimer l’évènement en fonction de et , puis déterminer la loi de et donner son espérance.
Solution
Par somme de variables aléatoires de Poisson indépendantes, suit une loi de Poisson de paramètre .
La variable suit une loi de Poisson de paramètre . En vertu du lemme des coalitions, les variables
sont indépendantes.
On en déduit la covariance de et
La formule proposée n’est pas symétrique en et mais cela s’explique par la condition .
Le couple prend ses valeurs dans car et prennent leurs valeurs dans .
Soit tel que . On a
Par indépendance,
Sous la condition , la variable aléatoire prend ses valeurs dans . Pour ,
On reconnaît une loi binomiale de paramètres et .
Immédiatement,
La variable prend ses valeurs dans et, par indépendance,
On reconnaît une loi géométrique de paramètre et l’on peut alors donner son espérance et sa variance
Soient et deux variables aléatoires réelles dont les carrés sont d’espérances finies.
On suppose . Déterminer minimisant la quantité
Solution
On a
D’une part
et donc
D’autre part
On en déduit que
est minimale pour
Ces valeurs de et réalisent une régression linéaire: elles donnent la meilleure expression linéaire de en fonction de .
Un signal est diffusé via un canal et un bruit vient malheureusement s’ajouter à la transmission. Le signal est modélisé par une variable aléatoire discrète réelle d’espérance et de variance connues. Le bruit est modélisé par une variable indépendante de d’espérance nulle et de variance . Après diffusion, le signal reçu est .
Déterminer pour que soit au plus proche de c’est-à-dire telle que l’espérance soit minimale.
Solution
Par la formule de Huygens
avec
et
car la covariance de et est nulle.
La quantité est minimale pour
et l’on peut alors rendre le terme nul pour
Au final
Soient des variables aléatoires discrètes réelles . On appelle matrice de covariance de la famille la matrice
Soit avec .
Exprimer la variance de en fonction de la matrice .
En déduire que les valeurs propres de la matrice sont toutes positives.
Solution
On a
Par bilinéarité
Ce calcul est aussi le résultat du produit matriciel
Soit un vecteur propre de associé à une valeur propre .
On a et, pour , donc
Soient des variables aléatoires discrètes réelles . On appelle matrice de covariance de la famille , la matrice
Montrer que cette matrice est diagonalisable et à valeurs propres positives.
Soient des variables aléatoires indépendantes suivant une loi de Poisson de paramètre .
Déterminer les fonctions génératrices de et .
En déduire la fonction génératrice de .
Calculer et .
Les variables et sont-elles indépendantes?
Trouver le minimum de la fonction .
Solution
Pour tout réel,
et
Par indépendance des variables et ,
Par linéarité,
Par indépendance,
Les variables et ne sont pas indépendantes car
Par indépendance,
Cette expression est minimale pour .
[<] Calcul d'espérances et variances [>] Moments
Édité le 08-01-2024
Bootstrap 3
-
LaTeXML
-
Powered by MathJax