Télécharger
Transcription
Télécharger
Lyc´ee Michelet CPGE 2e ann´ee PC* Mardi f´evrier 16h-19h Colle num´ero 15 Probabilit´es Interrogateur : Emmanuel Collinet Salle 20 Professeur : Fr´ed´eric Joutel QUESTIONS DE COURS QC 1. Ensembles d´enombrables, d´efinition. QC 2. L’ensemble Z est d´enombrable, un produit de deux ensembles d´enombrables est d´enombrable. QC 3. D´efinir une tribu, un espace probabilis´e. QC 4. Continuit´e croissante, continuit´e d´ecroissante, sous-additivit´e. QC 5. Probabilit´e conditionnelle. QC 6. Formule des probabilit´es compos´ees. QC 7. D´efinir un syst`eme complet. QC 8. Formule des probabilit´es totales. QC 9. Formule de Bayes. QC 10. Ind´ependance de deux ´ev´enements. QC 11. Ind´ependance mutuelle d’une famille d’´ev`enements. QC 12. D´efinir une variable al´eatoire. QC 13. Fonction de r´epartition d’une variable al´eatoire, loi d’une variable al´eatoire. QC 14. Th´eor`eme du transfert (admis) QC 15. In´egalit´e de Markov. QC 16. In´egalit´e de Bienaym´e-Tchebichev. QC 17. Couple de variables al´eatoires, loi conjointe, loi marginale, loi conditionnelle. QC 18. Variables al´eatoires ind´ependantes, esp´erance du produit de deux v.a ind´ependantes (admis). QC 19. Loi de Bernoulli, binomiale, esp´erance et variance QC 20. Loi g´eom´etrique, esp´erance et variance. QC 21. Loi de Poisson, esp´erance et variance. QC 22. Somme de deux v.a. ind´ependantes suivant une loi de Poisson. EXERCICES Ex 1. On consid`ere deux variables al´ e atoires X et Y telles que X(Ω) = Y (Ω) = {1; 2; . . . ; n}, et P (X = i) ∩ (Y = j) = a × i × j. 1. D´eterminer la valeur de la constante a. 2. Donner la loi, l’esp´erance et la variance de X. 3. D´eterminer la loi de Y . 4. Les variables X et Y sont-elles ind´ependantes ? 5. Calculer P (X = Y ). Ex 2. Une urne contient n + 1 boules num´erot´ees 0 `a n. On y tire successivement et avec remise, un certain nombre de boules. La variable al´eatoire Xk est d´efinie de la fa¸con suivante : X1 = 1, et ensuite Xi = 1 si le num´ero obtenu au tirage i n’avait jamais ´et´e tir´e avant, Xi = 0 sinon. 1. D´eterminer la loi de X2 . i−1 n 2. Montrer que Xi suit une loi de Bernoulli de param`etre . n+1 3. Montrer que, si i < j, on a (n − 1)i−1 nj−i P (Xi = 1) ∩ (Xj = 1) = · (n + 1)j−1 4. En d´eduire la loi du produit Xi Xj . 5. Les variables Xi et Xj sont-elles ind´ependantes ? 6. On note Zp la variable al´eatoire ´egale au nombre de num´eros distincts obtenus lors des p premiers tirages. Exprimer Zp en fonction des variables d´efinies pr´ec´edemment. 7. En d´eduire son esp´erance et la limite de celle-ci lorsque p tend vers +∞. Ex 3. Trois urnes contiennent chacune n boules num´erot´ees de 1 ` a n. On tire une boule dans chaque urne et on note X1 , X2 et X3 , les trois num´eros obtenus. On note X le plus grand des num´eros obtenus, Z le plus petit et Y celui du milieu. D´eterminer la loi du triplet (X, Y, Z) (qui est d´efinie, comme on pourrait s’en douter, comme la donn´ee des probabilit´es de toutes les intersections de trois ´ev´enements possibles). En d´eduire la loi de X, de Y et de Z (on pourra commencer par traiter le cas o` u n = 3). Ex 4. Soient X, Y et Z trois variables al´eatoires mutuellement ind´ependantes et d´efinies sur le mˆeme espace probabilis´e Ω. On suppose que X, Y et Z suivent la loi U{1;2;...;n} . 1.a) Donner la loi du couple (X, Y ). 1.b) Montrer que ∀k ∈ {2; 3; . . . ; n + 1}, k−1 · n2 1.c) Montrer que ∀k ∈ {n + 1; . . . ; 2n}, 2n − k + 1 P (X + Y = k) = · n2 n−1 2. Utiliser la formule des probabilit´es totales pour d´eduire, de la premi`ere question, que P (X + Y = Z) = · 2n2 3.a) Montrer que la variable al´eatoire T = n + 1 − Z suit la loi U ({1; 2; . . . ; n}). 3.b) On admet que T est ind´ependante de X et de Y . D´eterminer la probabilit´e P (X + Y + Z = n + 1). Ex 5. On r´ealise une suite de lancers avec une pi`ece ´equilibr´ee, et on note X le rang d’apparition du premier hh pile ii et Y le rang d’apparition du deuxi` eme hh pile ii. 1. Quelle est la loi suivie par la variable X ? 2. D´eterminer la loi du couple (X, Y ). 3. En d´eduire la loi marginale de Y . 4. D´eterminer, pour tout entier j > 2, la loi de X conditionnelle ` a Y = j. 5. D´eterminer, pour tout entier i > 1, la loi de Y − n conditionnelle ` a X = n. Ce r´esultat est-il surprenant ? P (X + Y = k) = Ex 6. Soit X une variable al´eatoire r´eelle `a valeurs dans N telle que : 4 ∀k ∈ N∗ , P (X = k) = P (X = k − 1) D´eterminer la loi de X. k Ex 7. Soit X une variable al´eatoire de loi de Poisson de param`etre λ > 0. Montrer que la probabilit´e que X soit paire est plus forte que la probabilit´e que X soit impaire. Ex 8. Si (pn )n>1 est une suite telle que lim npn = λ, alors montrer que si n tend vers +∞, la loi binomiale n→+∞ B(n, pn ) tend vers une loi de Poisson de param`etre λ. Ex 9. Soient X et Y deux variables al´eatoires ind´ependantes de lois g´eom´etriques commen¸cant `a 1 et de param`etres p1 et p2 dans ]0, 1[. On note q1 = 1 − p1 et q2 = 1 − p2 . 1. D´eterminer la loi de S = X + Y . 2. D´eterminer la loi de M = max(X, Y ). 3. D´eterminer la loi de I = min(X, Y ). Que remarque-t-on ? 4. Calculer P (X = Y ). 5. Calculer P (X > Y ). 1 Ex 10. Soit X ,→ B(n, p). Calculer E X +1 Ex 11. Soit X ,→ P(λ) et Z = X!. CalculerE(Z). 1 1 puis Calculer E Ex 12. Soit X ,→ P(λ). Calculer E en cas d’existence. En d´eduire X +1 (X + 1)(X + 2) 1 . E X +2 1 Ex 13. Soit n un entier naturel strictement positif, X une variable al´eatoire suivant une loi binomiale B(n, ), 2 AX A un r´eel positif et Y une variable al´eatoire d´efinie par Y = ·. Calculer E(Y ). 2n Emmanuel Collinet Lyc´ee Michelet CPGE 2e ann´ee PC* Mardi f´evrier 16h-19h Interrogateur : Emmanuel Collinet Salle 20 Professeur : Fr´ed´eric Joutel Colle num´ero 15 Probabilit´es Indications Ex 1. 1. On doit avoir n X n X P ((X = i) ∩ (Y = j)) = 1, c’est-` a-dire 1 = i=1 j=1 n X n X aij = a i=1 j=1 n n X X n2 (n + 1)2 , donc i j = a 4 i=1 j=1 4 · a= 2 n (n + 1)2 2. Via la formule des probabilit´es totales, P (X = i) = n X P ((X = i) ∩ (Y = j)) = ai j=1 n X j = ai j=1 n(n + 1) 2i = · Et donc 2 n(n + 1) n X 2n(n + 1)(2n + 1) 2n + 1 2i2 = = · E(X) = n(n + 1) 6n(n + 1) 3 i=1 3. La loi de Y est la mˆeme que celle de X puisqu’obtenue par le mˆeme calcul. 2j 2i 4 × ij = aij = P ((X = i) ∩ (Y = j)). Les deux variables sont 4. On v´erie que P (X = i)×P (Y = j) = = 2 n(n + 1) n(n + 1) n (n + 1)2 donc ind´ependantes. n n X X 4n(n + 1)(2n + 1) 2(2n + 1) 4i2 = = · 5. On a P (X = Y ) = P ((X = i) ∩ (Y = i)) = 2 2 2 (n + 1)2 n (n + 1) 6n 3n(n + 1) i=1 i=1 Ex 2. 1. L’´ev`enement X2 = 1 signie qu’on tire au deuxi` eme tirage une boule diff´erente de celle tir´ee au premier, ce qui se produit 1 n · On en d´eduit que X2 ∼ B 1, · avec une probabilit´e n+1 n+1 2. De mˆeme Xi = 1, si chacun des i − 1 premiers tirages a donn´e une boule diff´erente de Xi , ce qui se produit avec probabilit´e i−1 n n pour chacun, donc Xi ∼ B · n+1 n+1 n 3. On a Xi = 1 et Xj = 1, si les tirages i et j donnent des r´esultats diff´erents (probabilit´e ), si chacun des i − 1 premiers n+1 n tirages est diff´erent du i−`eme et du j−`eme (proba , i − 1 fois) et si chacun des tirages entre le i−`eme et le j−`eme est diff´erent n+1 j−i (n − 1)i−1 nj−i n − 1 i−1 n n du j-`eme (proba , j − i − 1 fois), soit une probabilit´e globale de · = n+1 n+1 n+1 (n + 1)j−1 4. Si Xi et Xj sont deux lois de Bernoulli, Xi Xj est aussi une loi de Bernoulli, dont le param`etre est la valeur calcul´ee ` a la question pr´ec´edente, puisqu’avoir Xi Xj = 1 ´equivaut `a (Xi = 1) ∩ (Xj = 1)). 5. La formule donnant P ((Xi = 1) ∩ (Xj = 1)) n’est pas ´egale au produit P (Xi = 1).P (Xj = 1). Les deux variables ne sont donc pas ind´ependantes. p X 6. On a tout simplement Zp = Xi . i=1 p i−1 p X n n = (n + 1) 1 − n+1 n+1 i=1 i=1 Lorsque p tend vers l’infini, cette esp´erance a pour limite n + 1. C’est tout ` a fait logique, quand le nombre de boules tir´ees tend vers l’infini, on s’attend `a tirer toutes les boules de l’urne, soit n +1 boules diff´erentes. Ex 3. Commen¸cons donc par le cas particulier o` u n = 3, ce qui permet encore de pr´esenter sous forme de tableau. Les trois tableaux correspondent respectivement `a Z = 1, Z = 2 et Z = 3. Il y a 27 tirages possibles au total, se r´epartissant comme suit : 7. On en d´eduit que E(Zp ) = p X E(Xi ) = Z=1 z Y |X 1 1 1 27 2 3 }| Z=2 2 3 0 3 27 3 27 0 0 3 27 6 27 3 27 { z Y |X 1 1 0 2 3 }| Z=3 2 0 3 0 0 1 27 0 0 3 27 3 27 { z Y |X 1 2 1 0 0 3 0 }| 2 0 0 3 0 0 0 1 27 { Pour obtenir les trois marginales, il faut dans le cas de Z faire la somme tableau par tableau, et dans le cas de X et de Y faire respectivement les sommes par lignes et par colonnes, en ajoutant les r´esultats des trois tableaux. On obtient : X Y Z 3 1 2 3 1 27 7 27 19 27 7 27 13 27 7 27 19 27 7 27 1 27 Traitons maintenant le cas g´en´eral. Soient (i, j, k) ∈ [[1, n]] . Si i > j > k, on a P ((X = i) ∩ (Y = j) ∩ (Z = k)) = n63 (il y a n3 tirages au total, et 6 favorables le nombre de permutations possibles des trois r´esultats). Si i = j > k ou i > j = k, on a P ((X = i) ∩ (Y = j) ∩ (Z = k)) = n33 , et si i = j = k, on a P ((X = i) ∩ (Y = j) ∩ (Z = k)) = n13 , et le reste du temps P ((X = i) ∩ (Y = j) ∩ (Z = k)) = 0 (tous ces cas sont d´ej`a pr´esents dans le cas n = 3). La formule des probabilit´es totales donne : n X n n n X X X 1 3 P ((X = i) ∩ (Y = j) ∩ (Z = k)) P (Z = k) = P ((X = i) ∩ (Y = j) ∩ (Z = k)) = 3 + (n − k) 3 + n n j=k i=j j=k+1 i=j n X 1 n−k 3 n−j 1 P (Z = k) = 3 + 3 3 + +6 3 = 3 (1 + 6(n − k) + 3(n − k − 1)(n − k)). 3 n n n n n j=k+1 1 (1 + 6(k − 1) + 3(k − 2)(k − 1)). Enfin, n3 j−1 j n n X X X X 3 1 1 6 = 3 (1 + 3(n − 1) + 6(j − 1)(n − j)). P (Y = j) = P ((X = i) ∩ (Y = j) ∩ (Z = k)) = 3 + (n − 1) 3 + 3 n n n n i=j+1 i=j X est sym´etrique de celle de Z : P (X = k) = P (Z = n + 1 − k) = k=1 k=1 1 1 1 Ex 4. 1. (a) Puisque les deux variables sont ind´ependantes, P ((X = i) ∩ (Y = j)) = × = 2 · n X n n n (b) Si k 6 n + 1, P (X + Y = k) = P ((X = i) ∩ (Y = k − i)). Mais si on veut avoir 1 6 k − i 6 n, on devra choisir des valeurs de k−1 k−1 i=1 X X 1 k−1 i v´erfiant i 6 k − 1 (on aura toujours k − i 6 n si k 6 n + 1), donc P (X + Y = k) = · P ((X = i) ∩ (Y = k − i)) = 2 = n n2 i=1 i=1 (c) Si k > n + 1, on doit de mˆeme se restreindre pour avoir cette fois k − i 6 n, ce qui impose i > k − n, donc n n X X 2n − k + 1 k−1 P (X + Y = k) = = · P ((X = i) ∩ (Y = k − i)) = n2 n2 i=k−n i=k−n 2. Les variables X + Y et Z sont ind´ependantes, on a donc : n n n X X k−1 1 1 X(k − 1) = n − 1 × P (X + Y = Z) = = P (X + Y = k)×P (Z = k) = n2 n n3 k=2 2n2 k=2 k=2 1 3. (a) P (T = k) = P (n + 1 − Z = k) = P (Z = n + 1 − k) = n pour 1 6 n + 1 − k 6 n, c’est-` a-dire pour 1 6 k 6 n. La variable al´eatoire T a bien la mˆeme loi que Z. (b) On en d´eduit que P (X + Y + Z = n + 1) = P (X + Y = n + 1 − Z) = P (X + Y = T ). Comme Z et T suivent la mˆeme loi, cette n−1 · probabilit´e est la mˆeme que celle calcul´ee un peu plus haut : 2n2 k 1 Ex 5. 1. P (X = k) = · 2 2. Soient i et j deux entiers sup´erieurs ou ´egaux `a 1. Si i > j, on aura bien sˆ ur P ((X = i) ∩ (Y = j)) = 0 (le deuxi`eme hh pile ii ne peut pas apparaitre avant le premier). Si i < j, un seul tirage permet d’obtenir X = i et Y = j : celui constitu´e de i − 1 hh face ii, puis le premier hh pile ii, puis une nouvelle s´erie de hh face ii entre les tirages i et j, et enfin le deuxi`eme hh pile ii. On impose donc le r´esultat 1 des j premiers lancers de la s´erie, ce qui donne P ((X = i) ∩ (Y = j)) = j · 2 3. Par la formule des probabilit´es totales, ∀j > 2 (Y prend n´ecessairement des valeurs sup´erieurs ou ´egales ` a 2) : j−1 +∞ X X 1 = j−1· P (Y = j) = P ((X = i) ∩ (Y = j)) = j 2 2j i=1 i=1 P ((X = i) ∩ (Y = j) 1 4. On a ∀i < j PY =j (X = i) = = · Autrement dit, si on connait le rang du deuxi`eme hh pile ii, la loi du j−1 P (Y = j) premier est uniforme sur les tirages pr´ec´edents. 5. Il faut calculer PX=n (Y − n = k) = PX=n (Y = n + k). Cette probabilit´e est non nulle pour tout entier k > 1 et vaut P ((X = n) ∩ (Y = n + k)) 1 × n 1 C’est logique : le temps d’attente du deuxi`eme hh pile ii `a partir du lancer suivant le = 2 = P (X = n) 2n+k 2k premier hh pile ii suit la mˆeme loi que le temps d’attente du premier hh pile ii. 4k P (X = 0) et une r´ecurrence simple d´emontre le r´esultat. k! P Il ne reste plus qu’`a d´eterminer P (X = 0). Comme X est une variable al´eatoire la s´erie P (X = k) converge et sa somme vaut 1. +∞ X k 4 −4 = 1 =⇒ P (X = 0) = e =⇒ X ,→ P(4). Donc P (X = 0) k! k=0 X X λ2k X X λ2k+1 Ex 7. On a : P (X paire) = P (X = 2k) = e−λ et P (X impaire) = P (X = 2k + 1) = e−λ . On forme (2k)! (2k + 1)! k∈N k∈N k∈N k∈N X (−λ)k la diff´erence : P (X paire) − P (X impaire) = e−λ = e−2λ > 0 (k)! k∈N n k Ex 8. On a Pn (X = k) = pn (1 − pn )n−k et lim npn = λ. D’apr`es la formule de Stirling, n→+∞ k √ k r n −n n ln(1−pn ) p 2πnn e e n λk λk n ln(1−pn ) n! n · 1 · · (1 − pn )n ∼ p · = ·e n−k · n−k −(n−k) nk 1 − pn n − k k! k!(n − k)! k k! 2π(n − k)(n − k) e ek | {z } 1 − n{z →1 | } Ex 6. Quelques it´erations permettent d’induire ∀ ∈ N, P (X = k) = →1 Il ne reste plus qu’`a constater que lim en ln(1−pn ) = e−λ car pn → 0 =⇒ n ln(1 − pn ) ∼ −npn → −λ. n→+∞ [ Ex 9. 1. On a {S = k} = ((X = `) ∩ (Y = k − `)), les ensembles ´etant disjoints. `∈N Donc, pour k > 2, P (S = k) = k−1 X `=1 p1 q1`−1 p2 q2k−`−1 = p1 p2 q2k−2 k−1 X `=1 q1 q2 `−1 = p1 p2 q2k−1 − q1k−1 formule qui se prolonge pour q2 − q1 k = 1. 2. On a {M 6 k} = (X 6 k) ∩ (Y 6 k). L’ind´ependance des variables assure que , P (M 6 k) = P (X 6 k)P (Y 6 k) k k X X Or P (X 6 k) = P (X = j) = p1 q1j = 1 − q1k et de mˆeme P (Y 6 k) = 1 − q2k . j=1 j=1 Donc pour k > 1, P (M = k) = P (M 6 k) − P (M 6 k − 1) = (1 − q1k )(1 − q2k ) − (1 − q1k−1 )(1 − q2k−1 ). 3. On a {I > k} = (X > k) ∩ (Y > k). L’ind´ependance des variables assure que , P (I > k) = P (X > k)P (Y > k) +∞ +∞ X X Or P (X > k) = P (X = j) = p1 q1j−1 = q1k−1 et de mˆeme P (Y > k) = q2k−1 . j=k j=k Emmanuel Collinet − 4 Donc pour k > 1, P (I = k) = P (I > k) − P (I > k + 1) = (q1 q2 )k−1 − (q1 q2 )k = (1 − q1 q2 )(q1 q2 )k−1 . On reconnaˆıt une loi g´eom´etrique de param`etre p = 1 − q1 q2 . +∞ [ X p1 p2 4. On a {X = Y } = ((X = `) ∩ (Y = `)), les ensembles ´etant disjoints. P (X = Y ) = · p1 q1`−1 p2 q2`−1 = 1 − q2 q1 ∗ `=1 `∈N [ [ 5. De mˆeme, {X > Y } = ((X = `) ∩ (Y = k)), les ensembles ´etant disjoints. k∈N∗ `>k Donc P (X > Y ) = +∞ X +∞ X P (X = `)P (Y = k) = k=1 `=k +∞ X +∞ X k=1 `=k p1 q1`−1 p2 q2k−1 = +∞ X k=1 p2 (q1 q2 )k−1 = p2 · 1 − q2 q1 1 1 = g(X) o` ug:t→ . Comme X(Ω) = [[0, n]] et X(Ω) ⊂ Dg = R \ −1, alors d’apr`es le cours 1+t 1+X Y reste une variable discr`ete (finie) et selon le th´eor`eme de transfert : n n+1 n n X X n + 1 X n k n+1 k 1 1 P (X = k) = X 1 E(Y ) = p (1 − p)n−k = p (1 − p)n−k = 1 pk−1 (1−p)n+1−k k+1 k+1 k n+1 k+1 n+1 k k=0 k=0 k=0 k=1 {z } | n n+1 car (n+1) = (k + 1) k k+1 n+1 X n+1 k 1 1 1 = p (1 − p)n+1−k = p + (1 − p))n+1 − (1 − p)n+1 = 1 − (1 − p)n+1 k p(n + 1) p(n + 1) p(n + 1) k=1 X e−λλk est convergente, par le Ex 11. La variable X! admet une esp´erance si, et seulement si, la s´erie `a termes positifs k! k! th´eor`eme de transfert. Or pour tout k > 0, e−λ λk est proportionnelle `a une s´erie g´eom´etrique de raison λ. Donc X! admet une e−λ · esp´erance si, et seulement si | λ | < 1, auquel cas : E(X!) = 1−λ X 1 1 Ex 12. La variable admet une esp´erance lorsque la s´erie `a termes positifs P (X = k) est convergente selon le k+1 X +1 −λ −λ k k+1 1 e e λ λ th´eor`eme de transfert. Or pour tout entier naturel k, = · P (X = k) = · k+1 λ (k + 1)! (k + 1)k! +∞ 1 1 e−λ X λk+1 Ainsi la s´erie converge comme s´erie proportionnelle `a une s´erie exponentielle. En conclusion E existe et E = X +1 X +1 λ k=0 (k + 1) Ex 10. Nous poserons Y = e−λ λk e−λ λk+2 1 P (X = k) = = 2 · · D’o` u la convergence de la s´erie. En proc´edant comme pr´ec´edemment, (k + 1)(k + 2) (k + 2)! (k + 2)! λ +∞ −λ 1 − e−λ − λe−λ 1 e−λ X λk+2 Ensuite, E = 2 = e 2 eλ − 1 − λ = · λ λ2 (X + 1)(X + 2) λ k=0 (k + 2)! 1 − e−λ 1 − 1 1 1 1 1 , par lin´earit´e de l’esp´erance, la variable Comme = − admet une esp´erance et E = − X +2 X + 1 (X + 1)(X + 2) X +2 X +2 λ t A avec A ∈ R+ . Comme X(Ω) = [[0, n]], X(Ω) ⊂ Dg = R, alors d’apr`es le cours Y reste Ex 13. On pose Y = g(X) o` ug:t→ 2n n n X Ak P (X = k) = X Ak n 1 k 1 n−k une variable discr`ete (finie) et selon le th´eor`eme de transfert : E(Y ) = 2n 2n k 2 2 k=0 k=0 n n X (A + 1) n k 1 d’o` u E(Y ) = n+1 A = k n2n+1 2 n k=0 Emmanuel Collinet − 5