📚 الرئيسية

مسابقة دكتوراه 2019Centre Universitaire Salhi Ahmed - Naâma — الموضوع 07

مسابقة تخصص · Probabilités & Statistiques

Concours d'accès en 1ère année Doctorat — Mathématiques, Épreuve 1 : Probabilités, Centre Universitaire Salhi Ahmed - Naâma, Institut S.T, Département M.I — année universitaire 2018/2019.

التمرين 2

Exercice 2 — Densité k·e^{-θy} sur 0≤x≤y : marginales et indépendance de X, Y-X

#probability#joint-density#exponential-distribution#independence

Considérons un vecteur aléatoire Z=(X,Y)Z=(X,Y) dont la densité est donnée par

f(x,y)={keθysi 0xy< 0ailleurs.f(x,y) = \begin{cases} k\,e^{-\theta y} & \text{si } 0\leq x\leq y\lt\infty \\\ 0 & \text{ailleurs.} \end{cases}

  1. (2 pts) Montrez que k=θ2k=\theta^2.
  2. (2 pts) Calculez les densités marginales de XX et de YY. Ces deux variables sont-elles indépendantes ?
  3. (2 pts) Calculez P(X1,Y1)\mathbb{P}(X\leq 1,Y\leq 1) et P(X1Y1)\mathbb{P}(X\leq 1\mid Y\leq 1).
  4. (2 pts) Calculez la densité de probabilité du vecteur (X,YX)(X,Y-X) et montrez que XX et YXY-X sont indépendants.
الحل

1.

00ykeθydxdy=0kyeθydy=kθ2=1\int_0^\infty\int_0^y k\,e^{-\theta y}dx\,dy=\int_0^\infty k\,y\,e^{-\theta y}dy=\frac{k}{\theta^2}=1, d'où k=θ2k=\theta^2.

2.

fX(x)=xθ2eθydy=θeθxf_X(x)=\int_x^\infty\theta^2 e^{-\theta y}dy=\theta e^{-\theta x}, x0x\geq 0 (loi E(θ)\mathcal{E}(\theta)).

fY(y)=0yθ2eθydx=θ2yeθyf_Y(y)=\int_0^y\theta^2 e^{-\theta y}dx=\theta^2 y\,e^{-\theta y}, y0y\geq 0 (loi Gamma(2,θ)(2,\theta)).

Comme f(x,y)fX(x)fY(y)f(x,y)\neq f_X(x)f_Y(y), XX et YY ne sont pas indépendantes.

3.

Si Y1Y\leq 1 alors XY1X\leq Y\leq 1, donc {Y1}{X1}\{Y\leq 1\}\subset\{X\leq 1\} :

P(X1,Y1)=P(Y1)=1eθθeθ,\mathbb{P}(X\leq 1,Y\leq 1)=\mathbb{P}(Y\leq 1)=1-e^{-\theta}-\theta e^{-\theta},

et P(X1Y1)=1\mathbb{P}(X\leq 1\mid Y\leq 1)=1.

4.

Soit U=XU=X, V=YXV=Y-X (jacobien 11), avec u0u\geq 0, v0v\geq 0 :

fU,V(u,v)=θ2eθ(u+v)=(θeθu)(θeθv).f_{U,V}(u,v)=\theta^2 e^{-\theta(u+v)}=\left(\theta e^{-\theta u}\right)\left(\theta e^{-\theta v}\right).

La densité se factorise : XE(θ)X\sim\mathcal{E}(\theta), YXE(θ)Y-X\sim\mathcal{E}(\theta) et XX et YXY-X sont indépendants.