Soit (X1, X2) deux variables aléatoires IID de même loi Gaussienne N(0, 1) 1- Ecrire la…
- User
Soit (X_1, X_2) deux variables aléatoires IID de même loi Gaussienne N(0, 1) 1- Ecrire la densité du couple (X_1, X_2) 2- Quelle est la loi du couple (X_1, \frac{X_1}{X_2}) ? 3- En déduire la loi de \frac{X_1}{X_2} 4- La variable aléatoire \frac{X_1}{X_2} est elle dans L^1. Si oui, calculer son espérance.
- Assistant
Réponse :
1. La densité conjointe du couple ((X_1, X_2)) est donnée par le produit des densités marginales, car (X_1) et (X_2) sont indépendantes et identiquement distribuées selon (\mathcal{N}(0, 1)). Donc,
[ f_{X_1, X_2}(x_1, x_2) = f_{X_1}(x_1) \times f_{X_2}(x_2) = \left( \frac{1}{\sqrt{2\pi}} e^{-x_1^2/2} \right) \left( \frac{1}{\sqrt{2\pi}} e^{-x_2^2/2} \right) = \frac{1}{2\pi} e^{- (x_1^2 + x_2^2)/2}. ]
2. Pour trouver la loi du couple ((X_1, \dfrac{X_1}{X_2})), on effectue un changement de variables. Soit :
[ u = X_1, \quad v = \frac{X_1}{X_2}. ]
Pour obtenir la densité conjointe (f_{U,V}(u,v)), on exprime (X_1) et (X_2) en fonction de (u) et (v) :
[ X_1 = u, \quad X_2 = \frac{u}{v}. ]
Le déterminant jacobien du changement de variables est :
[ J = \left| \frac{\partial (x_1, x_2)}{\partial (u, v)} \right| = \left| \begin{vmatrix} \frac{\partial x_1}{\partial u} & \frac{\partial x_1}{\partial v} \ \frac{\partial x_2}{\partial u} & \frac{\partial x_2}{\partial v} \end{vmatrix} \right| = \left| \begin{vmatrix} 1 & 0 \ \frac{1}{v} & -\frac{u}{v^2} \end{vmatrix} \right| = \left| -\frac{u}{v^2} \right| = \frac{|u|}{v^2}. ]
Ainsi, la densité conjointe de ((U, V)) est :
[ f_{U,V}(u,v) = f_{X_1,X_2}(u, \frac{u}{v}) \times \frac{|u|}{v^2} = \frac{1}{2\pi} e^{- \frac{1}{2} \left( u^2 + \left( \frac{u}{v} \right)^2 \right)} \times \frac{|u|}{v^2}. ]
3. Pour obtenir la loi de (\dfrac{X_1}{X_2}), on peut intégrer la densité conjointe par rapport à (u) :
[ f_V(v) = \int_{-\infty}^{+\infty} f_{U,V}(u,v) , du. ]
Alternativement, on peut utiliser le fait que le rapport de deux variables normales standards indépendantes suit une loi de Cauchy standard. En effet, en passant aux coordonnées polaires :
Soit (X_1 = R \cos\theta) et (X_2 = R \sin\theta), avec (R \geq 0) et (\theta) uniforme sur ([0, 2\pi)).
Alors :
[ \frac{X_1}{X_2} = \frac{\cos\theta}{\sin\theta} = \cot\theta. ]
Puisque (\theta) est uniformément réparti, (\cot\theta) suit une loi de Cauchy standard de densité :
[ f_Z(z) = \frac{1}{\pi} \frac{1}{1 + z^2}. ]
Donc, (\dfrac{X_1}{X_2} \sim \mathcal{C}(0,1)).
4. La variable aléatoire (\dfrac{X_1}{X_2}) n'est pas dans (L^1), c'est-à-dire qu'elle n'a pas d'espérance finie. En effet, la loi de Cauchy standard n'a pas d'espérance mathématique car son intégrale de première ordre diverge :
[ E\left| \frac{X_1}{X_2} \right| = \int_{-\infty}^{+\infty} |z| f_Z(z) , dz = \int_{-\infty}^{+\infty} \frac{|z|}{\pi (1 + z^2)} , dz = \infty. ]
Ainsi, l'espérance de (\dfrac{X_1}{X_2}) n'existe pas.
Résumé :
-
La densité conjointe de ((X_1, X_2)) est (\displaystyle f_{X_1,X_2}(x_1, x_2) = \frac{1}{2\pi} e^{- (x_1^2 + x_2^2)/2 }).
-
La densité conjointe de ((X_1, \dfrac{X_1}{X_2})) est (\displaystyle f_{X_1, X_1/X_2}(u,v) = \frac{1}{2\pi} e^{ - \frac{u^2}{2} \left(1 + \frac{1}{v^2} \right) } \left| \frac{u}{v^2} \right|).
-
La variable (\dfrac{X_1}{X_2}) suit une loi de Cauchy standard : (\displaystyle f_{\dfrac{X_1}{X_2}}(z) = \frac{1}{\pi} \frac{1}{1 + z^2}).
-
(\dfrac{X_1}{X_2}) n'est pas dans (L^1) ; son espérance n'existe pas.
-