On tire successivement boules dans une urne contenant boules blanches et boules rouges et l’on pose le nombre de boules blanches obtenues.
Déterminer la loi de lorsque le tirage a lieu avec remise.
Déterminer la loi de lorsque le tirage a lieu sans remise et que .
On considère deux dés discernables à faces non nécessairement équilibrés, non nécessairement identiques. On note et les variables aléatoires indépendantes déterminant les valeurs de ces deux dés.
Montrer que le polynôme réel ne peut pas se factoriser dans comme un produit de deux polynômes réels de degré .
Montrer qu’il est impossible que suive une loi uniforme sur .
Une urne contient boules numérotées de à . On tire avec remise des boules dans cette urne jusqu’à ce qu’une boule ait été tirée deux fois. On note la variable aléatoire à valeurs dans précisant le nombre de tirages alors effectués.
Proposer un espace probabilisé modélisant cette expérience.
Calculer .
Soit . Exprimer .
Donner un expression de pour tout
Solution
Quitte à poursuivre les tirages dans l’urne, on peut supposer que l’on tire exactement boules dans celle-ci et l’on s’intéresse alors au rang d’apparition d’un premier tirage identique à l’un des précédents. Les tirages étant équiprobables, on considère muni de la probabilité uniforme.
Pour , introduisons la variable aléatoire déterminant le numéro de la boule obtenue lors du -ième tirage: celles-ci sont indépendantes car le tirage est supposé avoir lieu avec remise. L’événement se confond avec qui est lui-même la réunion des pour allant de à . Ces derniers événements étant deux à deux incompatibles
L’événement est de probabilité non nulle et correspond à l’obtention de valeurs deux à deux distinctes de . Par conséquent,
Pour , on a par définition d’une probabilité conditionnelle,
et donc
Pour , on obtient
(Fonction caractéristique)
On appelle fonction caractéristique d’une variable aléatoire prenant un nombre fini de valeurs dans , l’application définie par11 1 On admet que la notion d’espérance et les résultats associés se généralisent aux variables aléatoires à valeurs complexes.
Vérifier que est -périodique et de classe . Calculer et .
Soient et deux variables aléatoires indépendantes à valeurs dans . Établir
Soient et deux variables aléatoires à valeurs dans . Établir
Application : Retrouver par ces résultats que la somme de variables de Bernoulli indépendantes de même paramètre suit une loi binomiale de paramètres et .
[<] Calcul de loi[>] Indépendance de variables aléatoires
On suppose que suit une loi binomiale de paramètres et .
Déterminer la loi suivie par la variable .
Solution
Puisque , on a aussi . Pour ,
La variable aléatoire suit une loi binomiale de paramètres et .
Soient des variables aléatoires indépendantes uniformes sur et .
Déterminer la loi de .
En déduire la loi de .
Solution
La variable aléatoire prend ses valeurs dans et
La variable suit une loi de Bernoulli de paramètre .
Les variables étant indépendantes, il en est de même des variables . On sait alors que la variable suit une loi binomiale de paramètres et . Puisque , on peut déduire la loi de de celle de .
La variable prend ses valeurs dans et
Soient des variables aléatoires indépendantes suivant toutes une même loi de Bernoulli de paramètre . On forme la colonne de dont les éléments sont les valeurs respectives des variables .
Donner la probabilité que soit une matrice de projection.
Soit une variable aléatoire à valeurs dans . On suppose qu’il existe un réel tel que
Calculer l’espérance et la variance de .
Une variable aléatoire suit une loi binomiale paramètres et .
Pour quelle valeur de l’entier , la probabilité est-elle maximale?
On effectue tirages successifs avec remise dans une contenant des boules blanches, rouges et vertes en proportion , et (avec ).
On note et les nombres de boules blanches et rouges obtenues.
Déterminer les lois des variables , et .
Les variables et sont elles indépendantes?
Solution
Si l’on considère que tirer une boule blanche est un succès, la variable compte le nombre de succès lors de la répétition de épreuves de Bernoulli indépendantes de même paramètre . La variable suit donc une loi binomiale de paramètres et . De même, suit une loi binomiale de paramètres et .
La variable prend ses valeurs dans .
Soit un couple de cet ensemble. Calculons .
Par la formule des probabilités composées,
Pour la probabilité conditionnelle , la variable suit une loi binomiale de paramètres et (car il s’agit de tirages dans une urne contenant uniquement des boules rouges et vertes). On a donc
Les variables et ne sont pas indépendantes car alors que .
Soit une variable aléatoire binomiale de paramètres et avec . On note
Pour quelle valeur de , le coefficient est-il maximal?
Étudier la monotonie de la fonction sur .
Vérifier que si alors
Proposer en encadrement analogue pour .
On donne la formule de Stirling
Donner un équivalent simple de .
Solution
Rappelons
Pour , on a
donc
La suite finie est donc croissante jusqu’au plus grand entier inférieur à puis devient décroissante ensuite. On peut donc affirmer
La fonction est dérivable avec
La fonction est donc croissante sur et décroissante sur .
Si alors et puisque est croissante sur
ce qui conduit à l’encadrement demandé.
Si alors et par décroissance de sur , on obtient
Quand , on a et ce qui permet d’écrire simultanément
On en déduit après calcul
On obtient les mêmes équivalents pour
et l’on peut donc conclure par encadrement
Un étudiant résout un QCM constitué de questions offrant chacune quatre réponses possibles. Pour chaque question, et indépendamment les unes des autres, il a la probabilité de savoir résoudre celle-ci. Dans ce cas il produit la bonne réponse. Si en revanche, il ne sait pas résoudre la question, il choisit arbitrairement l’une des quatre réponses possibles. On note la variable aléatoire déterminant le nombre de questions qu’il savait résoudre et le nombre de questions qu’il a correctement résolues parmi celles où il a répondu « au hasard ».
Reconnaître la loi de .
Calculer espérance et variance de .
Solution
Compte tenu de l’expérience modélisée, on peut affirmer que la variable suit une loi binomiale de paramètres et .
De plus, pour , si l’événement est réalisé, il y a questions pour lesquelles l’étudiant répond au hasard avec une probabilité de réussir:
La variable prend ses valeurs dans .
Pour , l’événement peut être décomposé en la réunion disjointe des événements
Ainsi,
Par probabilité composées
Ainsi,
Or
On en déduit
Par la formule du binôme
On simplifie
On a alors
Le standardiste d’un centre d’appel téléphonique d’un service après-vente a la probabilité d’apporter une solution à l’appel d’un client. Lorsqu’il n’y parvient pas, il transmet l’appel à un spécialiste qui a la probabilité de résoudre le problème posé. Si ce dernier n’y parvient pas, un réparateur est envoyé au domicile du client.
On suppose que le centre d’appel a été contacté fois. Déterminer la loi de la variable aléatoire donnant le nombre d’interventions du réparateur.
Un archer tire sur cibles. À chaque tir, il a la probabilité de toucher la cible et les tirs sont supposés indépendants. Il tire une première fois sur chaque cible et l’on note le nombre de cibles atteintes lors de ce premier jet. L’archer tire ensuite une seconde fois sur les cibles restantes et l’on note le nombre de cibles touchés lors de cette tentative. Déterminer la loi de la variable .
Solution
La modélisation entraîne que la variable aléatoire suit une loi binomiale de paramètres et :
La variable aléatoire n’est quant à elle bien connue que lorsque le nombre de cibles restant l’est, elle suit alors une loi de Bernoulli
Par probabilités totales
Par probabilités composées
Ceci donne
Or
et donc
Par la formule du binôme
avec .
La variable suit une loi binomiale.
Soient .
Soient et deux variables aléatoires indépendantes suivant des lois de Bernoulli de paramètres et . Identifier la loi suivie par la variable .
Deux archers tirent indépendamment sur cibles. À chaque tir, le premier archer a la probabilité de toucher, le second la probabilité .
Quelle est la loi suivie par le nombre de cibles touchées au moins une fois?
Quelle est la loi suivie par le nombre de cibles touchées deux fois?
Solution
et . Par indépendance
On en déduit que suit une loi de Bernoulli de paramètre
Numérotons les cibles de à et définissons les variables aléatoires et déterminant si la cible est touchée par l’un ou l’autre des deux archers. Ces variables sont indépendantes, suit une loi de Bernoulli de paramètre et de paramètre . La variable détermine si une cible a été touchée au moins une fois. Le nombre de cibles touchées au moins une fois est donc
Les variables étant indépendantes, la variable suit une loi binomiale de paramètres et .
On pose : est une variable de Bernoulli qui indique si la cible est touchée deux fois. Par indépendance, suit une loi de paramètre et le nombre de cibles touchées deux fois suit une loi binomiale de paramètres et .
Deux archers tirent indépendamment sur cibles. À chaque tir, le premier archer a la probabilité de toucher et le second la probabilité .
Quelle est la loi suivie par le nombre de cibles touchées au moins une fois?
(Théorème de Weierstrass)
Soit une fonction de classe .
Pour et , on introduit une variable aléatoire où suit une loi binomiale de paramètres et .
Vérifier que est une fonction polynomiale sur .
Justifier l’existence de deux réels vérifiant
Soient , et l’événement . Montrer
En déduire
[<] Loi binomiale[>] Loi conjointe
Soient et deux variables aléatoires finies sur un espace . On suppose
Montrer que les variables et sont indépendantes.
Solution
Soient et . On a
En développant
Cette réunion étant disjointe
et donc
Finalement,
Les variables aléatoires et sont donc bien indépendantes.
Deux joueurs lancent chacun fois une pièce équilibrée. On note le nombre de côtés faces obtenus par le premier joueur et celui du second.
Calculer .
En déduire .
Soient et deux variables aléatoires prenant pour valeurs avec
On suppose que les variables et sont indépendantes.
Montrer que
Solution
L’événement se décompose en les événements incompatibles .
Par hypothèse d’indépendance
donc
puis par complémentation
Enfin, on conclut sachant
Montrer que deux évènements sont indépendants si, et seulement si, leurs fonctions indicatrices définissent des variables aléatoires indépendantes.
Solution
Soient deux évènements de l’espace probabilisé .
Supposons les fonctions indicatrices et indépendantes. On a
ce qui se relit
Inversement, supposons les évènements et indépendants. On sait qu’alors
Ceci se relit
On en déduit que les variables aléatoires et sont indépendantes.
Soient et deux variables aléatoires réelles indépendantes.
Les variables aléatoires et sont-elles indépendantes?
Solution
La réponse est négative en général.
Supposons que et suivent des lois de Bernoulli de paramètre .
On a
et
Or l’événement est inclus dans l’événement donc
et l’on constate
Soient une variable aléatoire définie sur un espace probabilisé fini et une application définie sur .
À quelle condition les variables aléatoires et sont-elles indépendantes?
Solution
Supposons les variables aléatoires et indépendantes.
Soit vérifiant . Posons et .
On a
Or , donc
Cependant, les variables et étant supposées indépendantes
Ainsi, presque sûrement.
La réciproque est immédiate et donc et sont indépendantes si, et seulement si, est presque sûrement constante.
[<] Indépendance de variables aléatoires[>] Espérance
On lance deux dés équilibrés et l’on note et la plus petite et la plus grande des valeurs obtenues.
Par un tableau, déterminer la loi conjointe de et .
En déduire les lois de et .
Déterminer les lois de sachant .
Soient et deux variables aléatoires à valeurs respectivement dans et (avec ). On suppose que pour tout ,
Montrer que les lois marginales de sont uniformes et indépendantes.
Inversement, on suppose que et sont des variables indépendantes suivant des lois uniformes. La loi conjointe de et est-elle uniforme?
Solution
Pour ,
La variable suit une loi uniforme sur . Par un calcul analogue, on vérifie que suit une loi uniforme sur . De plus, pour tout ,
Les variables aléatoires sont indépendantes.
Supposons que suit une loi uniforme sur un ensemble (fini) et sur un ensemble (fini) . Supposons au surplus les variables et indépendantes.
Posons et . Pour tout ,
Ainsi, suit une loi uniforme sur .
Soit une variable aléatoire à valeurs dans telle que chaque élément de soit une valeur prise par avec une probabilité non nulle. Aussi, soit une variable aléatoire telle que, pour tout , la loi de sachant est uniforme sur
Exprimer la loi de en fonction de celle de .
En déduire l’espérance de en fonction de celle de .
Retrouver ce résultat en considérant la variable .
Deux variables aléatoires11 1 À défaut de précision, les variables aléatoires introduites sont toujours supposées définies sur un même espace probabilisé fini . indépendantes et suivent des lois binomiales de tailles et et de même probabilité de réussite .
Identifier la loi suivie par la variable aléatoire .
Soit . Calculer la loi de pour la probabilité conditionnelle .
[<] Loi conjointe[>] Calcul d'espérances et de variances
Soit une variable aléatoire prenant ses valeurs dans . Établir
Soit
Soit une variable aléatoire prenant ses valeurs dans . Établir
Application : Soient et deux variables aléatoires indépendantes suivant une loi uniforme sur . Calculer l’espérance de la variable .
Solution
Notons . On a par définition
Or donc
donc
Par décalage d’indice dans la première somme
En supprimant le dernier terme assurément nul de la deuxième somme et en y ajoutant un terme nul correspondant à l’indice 0
Enfin, en combinant ces sommes
On applique la formule précédente en remarquant
Par indépendance des variables et ,
Par renversement d’indice,
Soit une variable aléatoire réelle sur un espace probabilisé fini. Établir
Solution
Par la formule de Huygens,
Soient et deux variables aléatoires réelles. On suppose que pour tout .
Montrer que les variables et suivent les mêmes lois.
Deux variables aléatoires réelles indépendantes et prennent leurs valeurs dans un ensemble et suivent une même loi.
Soient et deux fonctions réelles croissantes définies sur . En étudiant l’espérance de , établir
Application : On suppose que prend ses valeurs dans . Montrer
(Fonction caractéristique)
Dans cet exercice, les variables aléatoires sont toutes supposées prendre un nombre fini de valeurs dans .
On appelle fonction caractéristique d’une variable aléatoire l’application définie par
Vérifier que est -périodique et de classe .
Calculer . Comment interpréter et ?
Calculer la fonction caractéristique d’une variable suivant une loi de Bernoulli de paramètre .
Même question avec une loi binomiale de paramètres et .
Soient une variable aléatoire réelle et un entier. Vérifier
En déduire
Soient et deux variables aléatoires indépendantes. Vérifier
Exploiter ce résultat pour retrouver la fonction caractéristique d’une variable aléatoire suivant une loi binomiale.
Solution
Notons les valeurs (entières) prises par . On a
La fonction est alors combinaison linéaire de fonctions -périodiques (car ) et de classe .
Si suit une loi de Bernoulli de paramètre
Si suit une loi binomiale de paramètres et
Avec les notations qui précèdent
Puisque est un entier
et donc
Si alors
et donc et suivent la même loi.
Notons que prend ses valeurs dans comme et .
car les variables et sont supposées indépendantes.
Une loi binomiale de paramètres et peut se comprendre comme la somme de loi de Bernoulli indépendantes de paramètre .
Avec cet exercice, on perçoit la trace dans une situation particulière de résultats beaucoup plus généraux. Il est assez fréquent d’étudier une variable aléatoire par la fonction caractéristique associée.
Soient deux entiers. Calculer l’espérance et la variance d’une variable suivant une loi uniforme sur .
Soit une variable aléatoire binomiale de taille et de paramètre .
Calculer l’espérance de la variable
Solution
Puisque
l’espérance de est donnée par
Or
donc
puis par glissement d’indice
et enfin, par la formule du binôme de Newton, avec un terme manquant
Soient et une suite de variables aléatoires indépendantes vérifiant
Calculer l’espérance de .
On pose
En calculant de deux façons l’espérance de , déterminer .
Quelle est la limite de quand .
Solution
.
Par l’indépendance des variables
Aussi et
On en déduit
Puisque , .
Une population de individus est infectée par un virus dans une faible proportion . Des analyses sanguines permettent de détecter la présence du virus dans n’importe quel échantillon. Afin de réduire le nombre d’analyses, on se propose de déterminer les individus malades en réunissant ceux-ci par groupes de et, pour simplifier l’étude, on suppose que divise . On rassemble une partie des échantillons sanguins des individus de chaque groupe et l’on teste l’échantillon obtenu. Si le résultat du groupe est positif, on analyse chacun des échantillons des individus du groupe.
Déterminer la loi de la variable aléatoire donnant le nombre de groupes positifs.
On note la variable aléatoire donnant le nombre d’analyses effectuées. Calculer l’espérance de en fonction de et .
Que vaut cette espérance pour les valeurs , et ?
On dispose de chaussettes que l’on range aléatoirement dans une commode comportant tiroirs numérotés de à .
Pour , déterminer la loi de la variable donnant le nombre de chaussettes rangées dans le tiroir .
Donner l’espérance de la variable déterminant le nombre de tiroirs vides.
Solution
Pour , ranger une chaussette dans le tiroir peut s’interprèter comme un succès qui a lieu avec la probabilité . L’énoncé laisse entendre l’indépendance des rangements des chaussettes et chaque suit donc une loi binomiale de paramètres et .
On peut écrire
Par linéarité de l’espérance,
Soient et deux variables aléatoires indépendantes suivant chacune une loi uniforme sur .
Déterminer l’espérance de .
En déduire les espérances de et de .
Soient et deux variables aléatoires indépendantes à valeurs dans .
Exprimer en fonction de .
On suppose les variables et uniformes.
Déterminer l’espérance de puis de .
Déterminer aussi l’espérance de .
Solution
En écrivant
on obtient
Par la propriété au-dessus
Puisque
on obtient
Aussi
donc
Encore
donc
Soient avec .
On considère deux variables aléatoires et indépendantes suivant chacune une loi uniforme sur
On pose
Déterminer la loi de .
Calculer les espérances des variables , et .
Trouver la valeur de maximisant l’espérance de .
Solution
On a et, pour ,
Si , l’événement est impossible et
Si , l’événement se résume à et donc
Les espérances de et sont connues
L’espérance de s’obtient par calcul
Le trinôme est maximal pour . Sachant que est un entier, l’espérance de est maximale pour ou selon que est pair ou impair.
Une urne contient boules blanches et boules rouges. On tire simultanément boules dans cette urne et l’on note le nombre de boules blanches obtenues.
Déterminer l’espérance et la variance de la variable .
Soient des variables aléatoires réelles indépendantes suivant une même loi d’espérance et de variance .
Calculer l’espérance de la variable
On dit que est un estimateur de l’espérance .
Calculer la variance de .
Pour quelle valeur du réel , la variable aléatoire
peut-elle être considérée comme un estimateur de la variance ?
M. Atchoum dispose d’un paquet de mouchoirs en papier dans chacune des poches droite et gauche de son pantalon. Chaque fois qu’il éternue, il choisit une poche au hasard pour prendre un mouchoir. Il répète cela jusqu’à ce qu’il vide l’un des paquets. On note la variable aléatoire qui donne le nombre de mouchoirs restant alors dans l’autre paquet.
Exprimer la loi de .
Montrer que pour tout ,
Calculer l’espérance de .
Soient des variables aléatoires indépendantes suivant chacune des lois de Bernoulli de même paramètre . Pour tout , on pose . Calculer la variance de .
On considère couples formant un ensemble de personnes. On suppose que personnes disparaissent. Déterminer le nombre moyen de couples restant constitués.
Solution
On modélise l’expérience en faisant disparaître chaque personne les unes après les autres et l’on note la variable aléatoire donnant le nombre de couples restant lorsque les premiers individus ont disparu. On a immédiatement , et . Soit . Selon que l’individu est déjà célibataire ou non, la disparition d’un individu peut conserver le nombre de couples ou le réduire d’une unité. On a donc ou : la variable suit une loi de Bernoulli. Lorsque la valeur de est connues, on sait qu’il y a individus en couple pour un total de individus. Le choix de l’individu disparaissant étant uniforme, on obtient
Par la formule des probabilités totales,
Puisque la variable est une variable de Bernoulli,
Par conséquent
Sachant , la résolution de la relation de récurrence donne
En particulier, on obtient
Soit une matrice dont les coefficients sont des variables aléatoires indépendantes et suivent une loi uniforme sur .
Calculer et .
On admettra que lorsque deux variables aléatoires s’expriment à l’aide de deux sous-familles disjointes d’une famille de variables aléatoires indépendantes, celles-ci sont indépendantes.
Solution
Pour , notons la variable aléatoire associée au coefficient d’indice de la matrice . Par hypothèse, est d’espérance nulle tandis que est la variable constante égale à .
Méthode: On développe le déterminant de selon une rangée.
En développant le déterminant de selon la première colonne, on écrit
avec le déterminant de la matrice de taille obtenue par suppression de la première colonne et de la ligne d’indice de . Par linéarité de l’espérance,
(1) |
Cependant, pour , le déterminant se calcule à partir de coefficients de la matrice qui ne figurent pas sur la première colonne de . Par le résultat admis, les deux variables aléatoires et sont indépendantes. On en déduit
On calcule ensuite la variance de à l’aide de la formule de Huygens
Méthode: On élève au carré et l’on développe la formule (1).
Par développement,
Pour et distincts, les variables aléatoires et sont indépendantes et donc
En simplifiant ces termes et en employant l’indépendance de et , on obtient
(2) |
L’espérance du déterminant du carrée d’une matrice dont les coefficients suivent indépendamment la même loi uniforme sur n’est fonction que de la taille de cette matrice. En notant cette espérance pour les matrices de tailles , la relation (2) donne
car les espérances de sont toutes égales à . De plus, on a car, en taille 1, le déterminant du carré est constant égal à . On en déduit par récurrence puis
Sur un espace probabilisé fini , on considère une variable aléatoire à valeurs dans (avec ) et des variables aléatoires réelles suivant chacune la loi d’une même variable . On suppose toutes ces variables indépendantes et l’on définit une variable sur en posant11 1 Par exemple, peut être le nombre de côtés piles obtenus lors d’une expérience où on lance un dé puis une pièce un nombre de fois égal à la valeur du dé.
Exprimer l’espérance puis la variance de la variable en fonction des espérances et variances de et .
Une urne contient six jetons indiscernables au toucher et numérotés de à . On lance un dé équilibré et l’on pioche dans l’urne (sans remise) un nombre de jetons égal à la valeur du dé. On admet l’existence d’un espace probabilisé qui permet d’étudier cette expérience.
Déterminer l’espérance et la variance de la variable donnant la valeur totale des jetons piochés.
Dans une urne contenant boules blanches et boules rouges, on prélève successivement et sans remise des boules jusqu’à l’obtention de toutes les boules blanches. On note le nombre total de boules alors sorties de l’urne.
Proposer un espace probabilisé permettant d’étudier cette expérience.
Déterminer la loi de .
Calculer son espérance et sa variance.
Un groupe de individus échange des cadeaux. Chaque individu apporte un cadeau qu’il dispose dans une urne. Chacun leur tour, les individus retirent de l’urne un cadeau avec le risque de piocher leur propre cadeau. On note la variable aléatoire donnant le nombre d’individus ayant pioché les cadeaux qu’ils ont apportés.
Proposer un espace probabilisé permettant d’étudier l’expérience.
Calculer l’espérance de .
Soient et . On appelle chemin de longueur allant de à toute suite d’entiers commençant par , terminant par et vérifiant pour tout . On dit alors que ce chemin passe par les et celui-ci peut être figuré par une ligne brisée s’articulant autour des points de coordonnées pour .
À quelle condition existe-t-il au moins un chemin de longueur allant de à ? On suppose cette condition remplie, exprimer alors le nombre de ces chemins.
Soient et . Justifier qu’il y a autant de chemins de longueur allant de à qui passe par que de chemins de longueur allant de à .
Soit une suite de variables indépendantes et identiquement distribuées selon la loi d’une variable prenant ses valeurs dans avec (avec ). Pour tout , on pose .
Soient et . Exprimer et vérifier
En déduire
Solution
Un chemin de longueur est formé par le choix des valeurs égales à ou . S’il y a valeurs égales à , il y en a égales à et alors
Ainsi, il existe un chemin de longueur allant de à si, et seulement si, il existe tel que , c’est-à-dire si, et seulement si, est un entier pair compris entre et . De plus, lorsque cette condition est remplie, un tel chemin est entièrement déterminé par le choix des indices de pour lesquels . Le nombre de chemins de longueur allant de à est alors
Méthode: On fait se correspondre de façon bijective les chemins allant de à et passant par avec ceux allant de à : c’est le principe de réflexion.
Considérons un chemin allant de à passant par . Il existe au moins un indice dans tel que . Parmi ceux-ci, considérons le plus petit de sorte que et pour tout indice . On transforme alors le chemin en ce qui détermine un chemin de longueur allant de à . Réciproquement, un chemin de longueur allant de à passe nécessairement par et si l’on introduit l’indice du premier passage par , on transforme ce chemin de façon inverse à la démarche précédente en un chemin de longueur allant de à et passant par .
Par ces transformations bijectives réciproques l’une de l’autre, on obtient qu’il y a exactement autant de chemins de longueur allant de à et passant par que de chemins de longueur allant de à .
Méthode: La suite détermine un chemin de longueur allant de à .
Si n’est pas élément de , il n’existe pas de chemins de longueur allant de à : .
Sinon, pour réaliser un chemin de longueur allant de à , les variables doivent prendre fois la valeur et fois la valeur . Par indépendance de ces variables, la probabilité d’un tel chemin est ce qui ne dépend pas du choix de ce chemin et donc11 1 On peut aussi obtenir cette formule en introduisant les variables de Bernoulli et en constatant que suit alors une loi binomiale de paramètres et .
Étudions ensuite la probabilité de l’événement ce qui correspond à la réalisation d’un chemin de longueur commençant en , terminant en et qui ne repasse pas . Encore une fois, si n’est pas élément de , cette probabilité est nulle et la formule voulue est vérifiée. Supposons désormais et poursuivons en discutant selon le signe de .
Cas: . Un chemin convenable commence nécessairement avec puis définit un chemin de longueur allant de à et ne passant pas par . Si , aucun chemin de longueur allant de à ne peut passer par et la formule proposée est vérifiée. Sinon, est strictement inférieur à et le nombre de ces chemins se déduit du nombre de chemins allant de à . On obtient
ce qui donne par les écritures factorielles des coefficients binomiaux
De plus, comme au-dessus, chacun de ces chemins a la même probabilité et donc
Cas: . On peut reproduire le raisonnement précédent ou introduire les variables ce qui a pour effet d’échanger en , en et en . On vérifie alors l’exactitude de la formule proposée.
Cas: . L’événement de est impossible ce qui valide encore la formule.
En notant l’ensemble des valeurs prises par , les événements pour parcourant constituent un système complet et donc
Par la formule de transfert, on conclut
[<] Calcul d'espérances et de variances[>] Calcul de covariances
Soient et deux variables aléatoires réelles sur l’espace probabilisé .
Montrer
Solution
Pour , introduisons . On a avec
Si , on a nécessairement pour que soit positif pour tout .
Si , on a nécessairement pour que soit positif pour tout .
Dans les deux cas, on obtient
Soient et deux variables aléatoires réelles avec . Déterminer minimisant la quantité
[<] Covariance[>] Inégalité de Markov
À un péage autoroutier voitures franchissent au hasard et indépendamment l’une des trois barrières de péage mises à leur disposition. On note les variables aléatoires dénombrant les voitures ayant franchi ces barrières.
Déterminer la loi de .
Calculer les variances de , et de .
En déduire la covariance de et .
Solution
Chacune des voitures a la probabilité de choisir le premier péage. Dès lors, la variable aléatoire peut se comprendre comme étant le nombre de succès dans une série de épreuves indépendantes ayant chacune la probabilité de réussir. La variable suit une loi binomiale de paramètres et .
et car suivent les mêmes lois.
Puisque , .
Sachant
on obtient
Soient et deux variables de Bernoulli indépendantes de paramètres et . On pose et .
Calculer la covariance de et .
Les variables et sont-elles indépendantes?
Soit un couple de variables aléatoires réelles suivant une loi uniforme sur l’ensemble .
Préciser les lois des variables et .
Calculer la covariance des variables et . Celles-ci sont-elles indépendantes?
Vérifier que les variables et sont indépendantes.
Solution
Les variables et prennent chacune leurs valeurs dans et l’on peut visualiser leur loi conjointe par le tableau ci-dessous
Les lois de et s’obtiennent en sommant selon les rangées. La loi de est donnée par
et la loi de est identique.
Les variables et sont centrées: . Le produit étant nul, la formule de Huygens donne
Les variables aléatoires et ne sont pas indépendantes puisque, par exemple,
Les lois des variables et se déduisent de la loi conjointe de et . On obtient que et suivent une loi uniforme sur .
Pour ,
Les variables et sont indépendantes.
Une urne contient des boules portant des numéros allant de à . On note la proportion de boules portant le numéro dans l’urne.
Avec remise, on tire boules dans cette urne. Pour , on note le nombre de boules portant le numéro obtenues.
Préciser la loi de , son espérance et sa variance.
Pour , préciser la loi de , son espérance et sa variance.
En déduire .
Par le calcul, établir . Expliquer.
Solution
Si l’on considère qu’obtenir une boule portant le numéro est un succès, compte le nombre de succès lors de la répétition indépendante de épreuves de Bernoulli de paramètre . Par conséquent, suit une loi binomiale de paramètres et . On sait et .
En considérant qu’obtenir une boule de numéro ou est un succès, suit une loi binomiale de paramètres et . On sait et .
On a l’identité
On en déduit
On a l’identité
Cela signifie que la variable est presque sûrement constante. Cela s’explique aisément puisque donne le nombre total de boules tirées à savoir .
Soit un couple de variables aléatoires indépendantes suivant la loi binomiale .
Montrer que la somme de variables aléatoires réelles indépendantes qui suivent la loi de Bernoulli de paramètre suit une loi binomiale dont on précisera les paramètres.
On pose . Déterminer la loi de .
On pose . Calculer . Déterminer la loi de . Calculer la covariance de . Les variables et sont-elles indépendantes?
Solution
Cf. cours.
prend les valeurs et avec
Les variables et suivent chacune une loi de Bernoulli de paramètre . Par indépendance de et , on a aussi celle de et et donc suit une loi .
Par indépendance, l’espérance d’un produit est le produit des espérances
La variable prend les valeurs , et .
et
On en tire .
Par la formule de Huygens,
La covariance nulle ne suffit pas à affirmer l’indépendance de et . Étudions l’événement .
L’événement correspond à alors que correspond à . Ceux-ci sont incompatibles et donc
Les variables et ne sont pas indépendantes.
L’univers est l’ensemble des permutations de (avec ) muni de la probabilité uniforme.
Pour . on définit une variable aléatoire réelle en posant
Identifier la loi de la variable .
Calculer son espérance et sa variance.
Calculer (pour distincts).
Pour , on pose
Exprimer en fonction des .
En déduire et .
Solution
La variable prend ses valeurs dans , elle suit une loi de Bernoulli. Il y a permutations de et exactement permutations fixant . On en déduit
et .
Soient dans . La variable prend ses valeurs dans , elle suit aussi une loi de Bernoulli. Il y a permutations de qui fixent et et donc
On en déduit
est la somme des .
Par linéarité de l’espérance,
Par bilinéarité de la covariance,
On tire deux parties et de indépendamment et selon une loi uniforme.
Identifier la loi de la variable aléatoire .
Déterminer l’espérance et la variance de la variable aléatoire .
Même question avec .
Calculer la covariance de et .
Solution
. Pour , il y a exactement parties possèdant exactement éléments. Puisqu’il existe un total de parties dans , on obtient
On observe que suit une loi binomiale de paramètres et : se comprend comme le nombre de succès dans la répétition indépendante de épreuves de Bernoulli indépendantes et est l’ensemble des indices où il y a eu succès.
Si l’on répète deux successions de épreuves de Bernoulli indépendantes de probabilité de succès et que l’on forme et les ensembles constitués des rangs où l’on a obtenu un succès lors de la première et de la deuxième série, on observe que les variables aléatoires et sont indépendantes et suivent une loi uniforme11 1 Chaque tirage correspondant à une partie de a la même probabilité : ces variables respectent le contexte d’étude. La variable détermine alors les rangs communs de succès aux deux séries d’épreuves. Or si deux variables suivent des lois de Bernoulli indépendantes de paramètre , leur produit suit une loi de Bernoulli de paramètre . On en déduit que suit une loi binomiale de paramètres et . Il vient alors
L’interprétation est semblable: est le nombre de rangs où il y a un succès lors de l’une ou l’autre des deux séries. On obtient que suit une loi binomiale de paramètres et . Ainsi,
On sait
Par indépendance,
Par développement,
On en déduit
[<] Calcul de covariances[>] Inégalité de Bienaymé-Tchebychev
Soient une variable aléatoire réelle et une fonction croissante. Montrer que pour tout réel positif,
Soit une variable aléatoire suivant une loi binomiale de taille et de paramètre .
Montrer que pour tout et tout
Solution
Par stricte croissance de l’exponentielle, l’événement équivaut à l’événement
L’inégalité de Markov appliquée à la variable permet alors de conclure
Une variable aléatoire suit une loi binomiale de paramètre et de taille .
Établir pour ,
Solution
Rappelons
Considérons la variable aléatoire
Par l’inégalité de Markov,
donc
Or (cf. Cauchy-Schwarz) avec donc
Soit une variable aléatoire de moyenne et de variance .
En introduisant la variable aléatoire
Montrer que pour tout
Solution
On a
L’inégalité de Markov appliquée à la variable positive donne
Pour ,
Or
et donc
puis
Soient des variables aléatoires indépendantes de loi uniforme sur . On pose .
Montrer que pour tout réel .
Établir que pour tout ,
Une population présente une propriété dans une proportion inconnue que l’on souhaite estimer. On choisit un échantillon de personnes et l’on pose si le -ème individu présente la propriété étudiée, 0 sinon. On considère que les variables aléatoires ainsi définies sont indépendantes et suivent chacune une loi de Bernoulli de paramètre . Enfin, on pose .
Soit . Établir
Pour , quelle valeur de peut-on choisir pour que constitue une valeur approchée de à près avec une probabilité supérieure à 95 %?
On souhaite estimer l’équilibre d’une pièce.
On note la probabilité (inconnue) que la pièce tombe côté face lors d’un lancer.
On lance fois la pièce et l’on pose égal à la fréquence de lancers ayant donné face.
Calculer . Vérifier .
En employant l’inégalité de Bienaymé-Tchebychev, à partir de combien de lancers peut-on supposer que est une approximation de à près avec une probabilité supérieure à 95 % ?
Solution
La variable compte le nombre de lancers ayant donnés face. La variable suit une loi binomiale de paramètres et . Son espérance vaut et sa variance vaut . On a donc
Par l’inégalité classique , on obtient .
Par l’inégalité de Bienaymé-Tchebychev,
Il suffit que
pour assurer que est une approximation de à près avec une probabilité supérieure à %.
Numériquement, cela ndonne .
Soit une variable aléatoire d’espérance et de variance . Montrer
Solution
Par l’inégalité de Bienaymé-Tchebychev,
On conclut par considération d’évènement complémentaire.
Soit une suite de variables aléatoires telle que, pour tout , suit une loi binomiale de paramètres et . Soit . Établir
Édité le 23-02-2024
Bootstrap 3 - LaTeXML - Powered by MathJax