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
Édité le 29-08-2023
Bootstrap 3 - LaTeXML - Powered by MathJax