[<] Espérance [>] Covariances

 
Exercice 1  4128  

Soit X une variable aléatoire à valeurs dans . On suppose qu’il existe k]0;1[ vérifiant

P(X=n)=kP(Xn)pour tout n.

Déterminer la loi de X puis calculer son espérance et sa variance.

 
Exercice 2  4032  Correction  

On suppose qu’à la roulette d’un Casino, on obtient la couleur noire avec la probabilité 1/2, la couleur rouge sinon (bref, on ne suppose pas de 0 vert…). Un joueur fortuné joue selon le protocole suivant:

  • il mise initialement 1 brouzouf sur la couleur noire;

  • s’il gagne, il arrête de jouer et empoche le double de sa mise.

  • s’il perd, il double sa mise et rejoue.

  • (a)

    On suppose la fortune du joueur infinie.
    Montrer que le jeu s’arrête presque sûrement. Déterminer l’espérance de gain du joueur.

  • (b)

    On suppose toujours la fortune du joueur infinie.
    Que se passe-t-il si au lieu de doubler, il décide de tripler sa mise lorsqu’il rejoue?

  • (c)

    Le joueur n’est en fait pas si fortuné qu’il le prétend: il ne possède que 2n-1 brouzoufs ce qui l’autorise à ne pouvoir jouer que n parties. Que devient son espérance de gain?

Solution

  • (a)

    Notons An l’évènement «  le jeu dure au moins n parties   ». An+1 est la conjonction des évènements indépendants An et le rouge sort au n+1- ième tirage   ». On en déduit

    P(An+1)=12P(An).

    Par continuité décroissante, on obtient

    P(n*An)=limn+P(An)=0.

    L’arrêt du jeu est donc presque sûr.
    Lorsque la partie s’arrête à la n-ième tentative, le joueur a perdu 1+2++2n-1 brouzoufs et vient de gagner 2n brouzoufs. Au total, il gagne 1 brouzouf. Son gain étant presque sûrement constant égal à 1 brouzoufs, son espérance de gain vaut 1 brouzouf.

  • (b)

    Avec ce nouveau protocole, lorsque la partie s’arrête à la n-ième tentative, le gain du joueur vaut

    2.3n-1-(1+3++3n-1)=3n-1+12.

    L’espérance de gain est

    n=1+3n-1+12P(An)=n=1+3n-1+12n+1=+.
  • (c)

    Puisque le joueur ne peut disputer que n parties, son espérance de gain devient

    k=1n1×P(An)-(2n-1)P(k=n+1+Ak)=1-12n-(2n-1)×12n=0.
 
Exercice 3  4028     MINES (MP)Correction  

(Loi de Pascal)

On dit qu’une variable aléatoire X suit une loi de Pascal de paramètres n* et p]0;1[ si

X(Ω)=n+etP(X=k)=(k-1n-1)pn(1-p)k-n.
  • (a)

    Soient X1,,Xn des variables aléatoires indépendantes suivant toutes une loi géométrique de paramètre p.

    Montrer que X1++Xn suit une loi de Pascal de paramètres n et p.

  • (b)

    En déduire l’espérance et la variance d’une loi de Pascal de paramètres n et p.

Solution

  • (a)

    Raisonnons par récurrence sur n*.

    Cas: n=1.. Si X suit une loi de Pascal de paramètres 1 et p alors

    P(X=k)=(k-10)p(1-p)k-1.

    On reconnaît une loi géométrique de paramètre p.

    Supposons la propriété vraie au rang n1.
    L’évènement X1++Xn+1=k peut se décomposer en la réunion des évènements incompatibles suivants

    X1++Xn= et Xn+1=k- pour n;k-1.

    On en déduit par indépendance

    P(X1++Xn+1=k)==nk-1(-1n-1)pn(1-p)-np(1-p)k--1

    puis

    P(X1++Xn+1=k)=pn+1(1-p)k-(n+1)=nk-1(-1n-1).

    Or, par la formule du triangle de Pascal,

    =nk-1(-1n-1)=(k-1n)

    et donc

    P(X1++Xn+1=k)=(k-1n)pn+1(1-p)k-(n+1).

    La récurrence est établie.

    Notons qu’une résolution par les fonctions génératrices est possible avec

    GX(t)=(pt1-(1-p)t)n.
  • (b)

    Par linéarité de l’espérance,

    E(X)=np.

    Par indépendance des variables sommées,

    V(X)=n1-pp2.
 
Exercice 4  4085   

(Loi binomiale négative11 1 Cette loi étudie le nombre d’échecs précédant le r-ième succès lors de la répétition d’épreuves de Bernoulli indépendantes de même paramètre p.)

Soient r*, p]0;1[ et X une variable aléatoire à valeurs dans telle qu’il existe un réel a pour lequel

P(X=n)=a(n+r-1n)(1-p)npour tout n.
  • (a)

    Déterminer a.

  • (b)

    Calculer l’espérance et la variance de X.

    On rappelle l’identité binomiale22 2 Voir le sujet 3931. Cette identité est souvent utilisée en calcul des probabilités.:

    n=0+(n+mn)xn=1(1-x)m+1pour tous m et x]-1;1[.
 
Exercice 5  4088   

(Problème du collectionneur)

Chez un marchand de journaux, on peut acheter des pochettes contenant chacune une image. La collection complète comporte N1 images distinctes.

  • (a)

    Montrer qu’il est presque sûr d’obtenir la collection complète en un nombre fini d’achats.

On limite l’étude à un espace probabilisé dans lequel la collection complète est toujours obtenue en un nombre fini d’achats. Pour k1;N, on note Xk* le nombre d’achats ayant permis d’obtenir k images distinctes. En particulier, X1=1 et XN est le nombre d’achats nécessaires à l’obtention de la collection complète.

  • (b)

    Soit k1;N-1. Par quelle loi peut-on modéliser la variable Xk+1-Xk?

  • (c)

    En déduire une expression de l’espérance de XN.

 
Exercice 6  4019   Correction  

On lance une pièce équilibrée jusqu’à ce que celle-ci ait produit au moins une fois face et une fois pile.

  • (a)

    Montrer qu’il est presque sûr que le jeu s’arrête.

  • (b)

    On note X le nombre de lancers avant que le jeu cesse.
    Montrer que X admet une espérance et déterminer celle-ci.

Solution

  • (a)

    Le jeu dure infiniment si, et seulement si, chaque lancer produit «  face   » ou bien chaque lancer produit «  pile   ». Notons An l’évènement:

    «  le n-ième lancer donne face  ».

    Par indépendance des lancers

    P(A1An)=k=1nP(Ak)=12n.

    Par continuité décroissante

    P(n=1+An)=limn+P(A1An)=0.

    De même

    P(n=0+An¯)=0.

    L’évènement «  le jeu ne s’arrête pas   » est donc négligeable.

  • (b)

    X est à valeurs dans {0,1}.
    Pour n*, on a X>n si les n premiers lancers sont identiques. On en déduit

    P(X>n)=P(k=1nAkk=1nAk¯)=12n-1.

    On en déduit

    E(X)=n=0+P(X>n)=1+n=1+12n-1=3.

    En fait, X-1 suit une loi géométrique de paramètre 1/2.

 
Exercice 7  4182     CENTRALE (MP)Correction  

On s’intéresse à la première apparition du motif «  PF  » dans un tirage infini de pile ou face, indépendants et non truqués. On note Ai l’événement

«  Le motif PF apparaît pour la première fois au rang i   ».

(c’est-à-dire que le P est en position i-1 et le F en position i). On pose qi=P(Ai) et T la variable aléatoire donnant le rang d’apparition du motif.

  • (a)

    Écrire un programme Python calculant la moyenne d’apparition du motif. Conjecture?

  • (b)

    Montrer que

    P(i2Ai)=1.
  • (c)

    Décrire An, pour n2 et en déduire la valeur de qn.

  • (d)

    Montrer que T est d’espérance finie et calculer son espérance.

On s’intéresse maintenant à la première apparition du motif «  PP  ». On note toujours T la variable aléatoire donnant le rang de première apparition du motif et qn=P(T=n), pour n2.

  • (e)

    Calculer avec Python la moyenne d’apparition du motif. Conjecture?

  • (f)

    Montrer que q2=1/4, q3=1/8 et

    n4,qn=qn-12+qn-24.
  • (g)

    Montrer que T est d’espérance finie et calculer son espérance.

Solution

  • (a)
    import random as rnd
    
    def T():
        n = 0
        P = False
        PF = False
        while (not PF):
            n = n + 1
            x = rnd.random()
            if x < 0.5:
                P = True
            elif P:
                PF = True
            else:
                P = False
        return n
    
    def repete(n):
        c = 0
        for i in range(n):
            c = c + T()
        return c/n
    

    L’étude numérique amène à conjecturer E(T)=4.

  • (b)

    Posons A l’événement

    «  Le motif PF n’apparaît pas  ».

    L’événement A est exactement la réunion des événements correspondant à une succession de F de longeur k suivie exlcusivement de P ainsi que de l’événement correspondant uniquement à l’obtention de F. L’événement A est alors négligeable car réunion dénombrable d’événements de probabilités nulles11 1 Par exemple, la probabilité de n’obtenir que des F est par continuité décroissante la limite des probabilités de commencer par n F à savoir 1/2n. Les autres calculs sont analogues et, de façon générale, la probabilité d’obtenir un tirage infini précis est nulle.. On en déduit que la réunion des Ai, avec i2, est un événement presque sûr.

  • (c)

    An est la réunion des configurations commençant par un certain nombre k de F puis se poursuivant avec des P au nombre de * tel que k+=n-1 et se poursuivant enfin par un F. Chacune de ces configurations est de probabilité 1/2n et donc qn=n-12n.

  • (d)

    La suite des nqn est sommable donc T admet une espérance et

    E(T)=n=2+(n-1)n2n=142(1-1/2)3=4

    (la somme est calculée en dérivant deux fois la série entière géométrique).

  • (e)

    On adapte le code précédent

    def T():
        n = 0
        P = False
        PP = False
        while (not PP):
            n = n + 1
            x = rnd.random()
            if x < 0.5:
                if P:
                    PP = True
                P = True
            else:
                P = False
        return n
    

    On conjecture cette fois-ci une espérance égale à 6.

  • (f)

    q2 est la probabilité de PP et q3 celle de FPP d’où les valeurs proposées. Pour n4, on considère le système complet constitué des événements commençant par F, PF et PP et l’on obtient par argument de symétrie (quand on a obtenu F, cela remet les «  compteurs à zéro  »)

    qn=12qn-1+14qn-2+14×0. (1)
  • (g)

    Commençons par vérifier que les An avec n2 constituent un système complet. Les événements An sont deux à deux incompatibles et la série des qn converge. En sommant la relation (1) pour n supérieur à 2, on obtient après glissement d’indice

    n=2+qn=14+18+12n=3+qn+14n=2+qn

    puis

    n=2+qn=14+12n=2+qn+14n=2+qn.

    On en tire que la somme des qn est égale à 1. On peut alors calculer l’espérance de T.

    Pour t[-1;1], la fonction génératrice de T en t est donnée par

    GT(t)=n=2+qntn=14t2+18t3+t2(GT(t)-t24)+t24GT(t). (2)

    On peut exprimer GT(t) par une fraction rationnelle définie sur [-1;1], celle-ci est dérivable en 1 ce qui assure que T admet une espérance et, par dérivation de (2),

    GT(t)=t2+12GT(t)+t2GT(t)+t2GT(t)+t24GT(t).

    Pour t=1, on obtient

    E(T)=12+12+12E(T)+12+14E(T).

    On en tire E(T)=6.

 
Exercice 8  4370   

Soient N* et (Un)n1 une suite de variables aléatoires indépendantes et identiquement distribuées selon une loi uniforme sur 1;N. Pour tout n*, on pose

Mn=max(U1,,Un).

Déterminer les limites de E(Mn) et de V(Mn) lorsque n tend vers +.

 
Exercice 9  5276     SAINT CYR (MP)Correction  

On étudie la descendance d’une variété de fleurs. À la génération 0, on dispose d’une fleur. À chaque génération suivante, les fleurs présentes déterminent chacune et indépendamment un nombre de descendants qui suit une loi binomiale (2,p) avec p]0;1[. Les fleurs d’une génération disparaissent à la génération suivante.

Pour tout entier naturel n, on pose un la probabilité de l’événement

En=«  La n-ième génération ne comporte pas de fleurs  ».

Il est entendu que u0 est nul.

  • (a)

    Calculer u1 et montrer

    un+1=(1-p+pun)2pour tout n.
  • (b)

    Étudier la suite (un). Quelle est sa limite?

  • (c)

    Écrire une fonction descendance(p) qui simule la descendance d’une fleur sur une génération (cette fonction répond 0, 1 ou 2 selon la loi (2,p)).

    Écrire une fonction descendances(n,p) qui simule la descendance de la fleur sur n générations.

    Écrire une fonction extinction(N,p) qui renvoie la fréquence d’extinction de la descendance après 20 générations sur un nombre N de simulations. Comparer aux résultats trouvés au-dessus.

Solution

  • (a)

    Notons X la variable aléatoire donnant le nombre de descendants de la première fleur.

    u1 est la probabilité que la première fleur ne détermine pas de descendants:

    u1=P(X=0)=(02)p0(1-p)2=(1-p)2.

    Pour exprimer un+1 en fonction de un, on discute selon le nombre de descendants de la première fleur.

    Si la première fleur n’a pas de descendants, il est certain que la n+1-ième génération ne comporte aucune fleur

    P(En+1X=0)=1.

    Si la première fleur a un descendant, on a par translation de l’expérience

    P(En+1X=1)=un.

    Si la première fleur a deux descendants, l’indépendance des générations entraîne que les n générations induites par chacune des deux fleurs soient éteintes pour que En+1 soit réalisé

    P(En+1X=2)=un2.

    La formule des probabilités totales donne alors

    P(En+1)=1×P(X=0)+unP(X=1)+un2P(X=2)

    et donc

    un+1=(1-p)2+2p(1-p)un+p2un2=((1-p)+pun)2.
  • (b)

    La suite (un) est une suite récurrente de premier terme u0=0 et de fonction itératrice

    f:x((1-p)+px)2.

    Afin d’acquérir la monotonie de (un), on étudie le signe de

    g:xf(x)-x=p2x2+(2p(1-p)-1)x+(1-p)2.

    On remarque que 1 est racine apparente et le produit des racines de cette équation du second degré suffit pour déterminer l’autre racine

    r=(1-pp)2.

    On distingue alors deux cas:

    Cas: p1/2. Le réel r est supérieur à 1 et la fonction g est positive sur [0;1]. La suite (un) est alors croissante et majorée donc convergente. Sa limite est point fixe de f dans [0;1], c’est-à-dire racine de g, c’est 1. L’extinction est presque sûre.

    Cas: p<1/2. Le réel r est élément de ]0;1[. L’intervalle [0;r] étant stable par f, u0 étant élément de celui-ci et g étant positive sur cet intervalle, la suite (un) croît et est majorée par r. Sa limite est alors r.

  • (c)
    from random import random
    
    def descendance(p):
        r = random()
        if r < (1-p)**2: return 0
        if r - (1-p)**2 < 2* p * (1-p): return 1
        return 2
    
    def descendances(n,p):
        res = 1
        for _ in range(n):
            k = 0
            for i in range(res):
                k = k + descendance(p)
            res = k
        return res
    
    def extinction(N,p):
        c = 0
        for _ in range(N):
            if descendances(20,p) == 0: c = c + 1
        return c/N
    

    L’expérimentation est conforme à la théorie.

 
Exercice 10  4374   

Un joueur dispose de N dés équilibrés. Il lance une première fois ceux-ci et met de côté les dés ayant donné un six. S’il en reste, les autres dés sont relancés et l’on répète l’expérience jusqu’à ce que tous les dés aient donné un six. On introduit la variable aléatoire T à valeurs dans *{+} donnant le nombre de lancers nécessaires.

  • (a)

    Soit n*. Calculer la probabilité de (Tn).

  • (b)

    Justifier que l’expérience s’arrête presque sûrement.

  • (c)

    Vérifier que la variable T admet une espérance finie et donner une formule exprimant celle-ci à l’aide d’une somme finie.

 
Exercice 11  4130   Correction  

On considère une suite (Xn)n1 de variables de Bernoulli indépendantes de même paramètre p]0;1[ et l’on étudie la première apparition de deux succès consécutifs dans cette suite.

  • (a)

    Montrer qu’il est presque sûr qu’il existe n2 vérifiant

    Xn=Xn-1=1.
  • (b)

    On note T la variable aléatoire donnée par

    T=min{n2|Xn=Xn-1=1}{+}.

    Calculer P(T=2), P(T=3).

  • (c)

    Pour n3, exprimer P(T=n) en fonction de P(T=n-1) et P(T=n-2).

  • (d)

    Calculer l’espérance de T.

Solution

  • (a)

    Introduisons les événements

    Ap={X2p-1+X2p1} avec p1.

    Ces événements sont indépendants et

    P(Ap)=(1-p)2+2p(1-p)=1-p2.

    Par continuité décroissante

    P(p=1+Ap)=limN+P(p=1NAp).

    Par indépendance

    P(p=1NAp)=p=1NP(Ap)=(1-p2)N.

    Par limite d’une suite géométrique de raison 1-p2]0;1[, on obtient

    P(p=1+Ap)=0.

    Par conséquent, l’événement p=1+Ap¯ est presque sûr. Ainsi, il existe presque sûrement un rang pair en lequel il y a deux succès consécutifs. A fortiori, il est presque sûr qu’il existe un rang (pair ou impair) en lequel il y a deux succès consécutifs.

  • (b)

    Pour n2, on souhaite calculer pn=P(T=n).

    Pour n=2, l’événement (T=2) correspond à (X1=1,X2=1) de probabilité p2.
    Pour n=3, l’événement (T=3) correspond à (X1=0,X2=1,X3=1) de probabilité (1-p)p2.

  • (c)

    Pour n3, considérons le système complet d’événements

    (X1=0),(X1=1,X2=0),(X1=1,X2=1).

    Par la formule des probabilités totales,

    P(T=n)=P(X1=0)(T=n)P(X1=0)+P(X1=1,X2=0)(T=n)P(X1=1,X2=0)+P(X1=1,X2=1)(T=n)P(X1=1,X2=1)

    Or

    P(X1=0)(T=n)=P(T=n-1).

    En effet, la première épreuve étant un échec, obtenir deux succès consécutifs au rang n revient maintenant à obtenir deux succès consécutifs au rang n-1. Par un argument analogue

    PX1=1,X2=0(T=n)=P(T=n-2).

    Enfin

    PX1=1,X2=1(T=n)=0

    car les deux succès consécutifs ont été obtenus au rang 2 et qu’ici n3.
    Finalement, on obtient la relation de récurrence

    P(T=n)=(1-p)P(T=n-1)+p(1-p)P(T=n-2).
  • (d)

    Puisque la variable T est à valeurs dans {+}, on sait

    E(T)=n=1+P(Tn)dans [0;+]

    La formule qui précède donne

    n3,,P(Tn)=(1-p)P(Tn-1)+p(1-p)P(Tn-2).

    En sommant, il vient

    E(T)-P(T1)-P(T2)=(1-p)(E(T)-P(T1))+p(1-p)E(T)

    avec P(T1)=P(T2)=1. On en déduit

    E(T)=1+pp2.

    Finalement, T admet une espérance finie et

    E(T)=1+pp2.
 
Exercice 12  5848   Correction  

Soit (Xn)n1 une suite de variables aléatoires indépendantes et identiquement distribuées selon la loi de Bernoulli de paramètre p]0;1[.

Soit r>0. On pose

Tr=inf{n>r|Xn=Xn-1==Xn-r+1=1}

avec la convention inf=+.

On admet que Tr définit une variable aléatoire.

  • (a)

    Interpréter Tr et identifier la loi de T1.

  • (b)

    Établir que pour tout n, P(Tr=n+r+1)=(1-p)prP(Tr>n).

  • (c)

    Calculer l’espérance de Tr.

Solution

  • (a)

    La variable Tr détermine le temps d’attente d’une première série de r succès consécutifs dans la répétition indépendante d’une même épreuve de Bernoulli de paramètre p. En particulier, T1 est le temps d’attente d’un premier succès, T1 suit donc une loi géométrique de paramètre p.

  • (b)

    On remarque

    (Tr=n+r+1)(Tr>n)

    et

    (Tr=n+r+1)(Xn+1=0)(Xn+2=1)(Xn+r+1=1)

    donc

    (Tr=n+r+1)(Xn+1=0)(Xn+2=1)(Xn+r+1=1)(Tr>n).

    L’inclusion réciproque est évidente et donc

    (Tr=n+r+1)=(Xn+1=0)(Xn+2=1)(Xn+r+1=1)(Tr>n).

    L’événement (Tr>n) est uniquement fonction des variables X1,,Xn et est donc indépendants de l’événement (Xn+r+1=1)(Xn+2=1)(Xn+1=0).

    Par indépendance,

    P(Tr=n+r+1) =P((Xn+1=0)(Xn+2=1)(Xn+r+1=1))P(Tr>n)
    =P(Xn+1=0)P(Xn+2=1)××P(Xn+r+1=1))P(Tr>n)
    =(1-p)prP(Tr>n).
  • (c)

    Dans [0;+], on sait

    E(Tr)=n=0+P(Tr>n).

    En sommant les relations précédentes,

    n=0+P(Tr=n+r+1)=(1-p)prE(Tr). (1)

    Or

    n=0+P(Tr=n+r+1)=n=r+1+P(Tr=n)=1-P(Tr=r)-P(Tr=+).

    Nécessairement P(Tr=+)=0 car sinon E(Tr)=+ ce qui n’est pas compatible avec l’identité (1). Aussi,

    P(Tr=r)=P(X1=1,,Xr=1)=P(X1=1)××P(Xr=1)=pr

    et donc

    n=0+P(Tr=n+r+1)=1-pr.

    On peut alors conclure

    E(Tr)=1-pr(1-p)pr=(1-p)(1+p++pr-1)(1-p)pr=1pr++1p.
 
Exercice 13  4124   Correction  

Dans une urne figurent N boules numérotées de 1 à N (avec N2). Dans celle-ci on opère des tirages successifs avec remise dans l’attente d’une série de k boules consécutives identiques (avec k2). On admet qu’il est presque sûr que ce processus s’arrête et l’on note T la variable aléatoire déterminant le nombre de tirages opérés à l’arrêt du processus.

  • (a)

    Calculer P(T=k) et P(T=k+1).

  • (b)

    Soit n1, établir

    P(T=n+k)=N-1NkP(T>n).
  • (c)

    En déduire que l’espérance de la variable T.

Solution

Pour i2, on introduit l’événement:

Ai=«  La i-ème boule tirée est identique à la précédente  ».

Compte tenu de la composition de l’urne, on peut affirmer

P(Ai)=1N.

Au surplus, les événements Ai sont indépendants.

  • (a)

    On observe

    (T=k)=A2Ak

    Par indépendance,

    P(T=k)=P(A2)××P(Ak)=1Nk-1.

    Aussi,

    (T=k+1)=A2¯A3Ak+1

    Par indépendance,

    P(T=k+1)=(1-1N)(1N)k-1=N-1Nk
  • (b)

    Méthode: On exprime (T=n+k) en fonction (Tn)¯ et d’événements Ai bien choisis.

    L’événement (T=n+k) correspond à (Tn)¯An+1¯An+2An+k. Par indépendance,

    P(T=n+k)=P(T>n)×N-1Nk.
  • (c)

    Puisque la variable T est à valeurs dans {+}, on sait

    E(T)=n=0+P(T>n)dans [0;+].

    Cela donne

    n=0+P(T>n)=P(T>0)+NkN-1n=1+P(T=n+k).

    De plus, puisque le processus s’arrête presque sûrement et que la variable T prend ses valeurs dans {k,k+1,}, on a

    n=1+P(T=n+k)=n=k+P(T=n)-P(T=k)=1-1Nk-1.

    On en déduit la valeur de l’espérance de T

    E(T)=Nk-1N-1.
 
Exercice 14  5448   Correction  

Deux urnes sont respectivement constituées de N boules blanches pour la première et de N boules rouges pour la seconde (avec N*).

On tire une boule dans chaque urne, on échange celles-ci et l’on recommence. On note Xn le nombre de boules rouges figurant dans la première urne après le n-ième tirage et l’on admet l’existence d’un espace probabilisé (Ω,𝒜,P) permettant l’étude de cette expérience.

  • (a)

    Déterminer X0 et X1.

Pour n, on pose Yn=Xn+1-Xn

  • (b)

    Soit k0;N. Déterminer la loi de Yn pour la probabilité conditionnelle sachant (Xn=k).

  • (c)

    En déduire l’espérance de Xn puis étudier la limite de celle-ci quand n tend vers +.

Solution

  • (a)

    Par lecture de l’expérience, X0=0 et X1=1.

  • (b)

    La variable Xn prend ses valeurs dans 0;N.

    La variable Yn prend ses valeurs dans {-1,0,1}.

    Pour avoir (Yn=-1), il faut piocher une boule rouge dans la première urne et une boule blanche dans la deuxième. Puisque ces urnes comportent respectivement Xn boules rouges et Xn boules blanches, il vient

    P(Yn=-1Xn=k)=kNkN=k2N2 pour tout k0;N. (1)

    De même, on obtient

    P(Yn=1Xn=k)=(N-k)2N2

    et, par complément,

    P(Yn=0Xn=k)=1-k2N2-(N-k)2N2=2(N-k)kN2.
  • (c)

    On remarque que E(Yn)=E(Xn+1)-E(Xn) avec

    E(Yn) =P(Yn=1)-P(Yn=-1)
    =k=0N(N-k)2N2P(Xn=k)-k=0Nk2N2P(Xn=k)
    =k=0NN2-2NkN2P(Xn=k)=1-2NE(Xn).

    Ainsi, on obtient la relation de récurrence

    E(Xn+1)=N-2NE(Xn)-1pour tout n.

    On reconnaît une suite arithmético-géométrique dont on peut exprimer le terme général sachant E(X0=0)

    E(Xn)=N2-N2(N-2N)npour tout n.

    On en déduit

    E(Xn)n+N2

    sauf si N=1 où l’on observe que E(Xn) alterne entre 0 et 1.

 
Exercice 15  2124   Correction  
  • (a)

    Pour q]-1;1[, établir la convergence et donne la valeur de n=0+nqn.

On lance un dé à six faces équilibré jusqu’à obtenir la valeur 6. On note X la variable aléatoire donnée par le nombre de lancers effectués. Si X est pair, on gagne X euros. Si X est impair, on perd X euros. On note Y la variable aléatoire représentant le gain.

  • (b)

    Écrire une fonction Python simulant la variable X. Écrire aussi une fonction Python simulant la variable Y.

  • (c)

    Donner la loi de X.

  • (d)

    Calculer l’espérance de Y

Solution

  • (a)

    On sait que la série entière géométrique xn est de rayon de convergence R=1. La série entière nxn est donc aussi de rayon de convergence R=1. Cela assure la convergence absolue de la série étudiée pour tout q]-1;1[. Au surplus,

    n=0+nqn=qn=1+nqn-1=qddq(n=0+qn)=qddq(11-q)=q(1-q)2.
  • (b)

    On peut anticiper que la variable X suit une loi géométrique de paramètre p=1/6 et employer la fonction geometric de la librairie numpy.random. À défaut, on peut être plus élémentaire

    import numpy.random as rd
    
    def X():
        n = 1
        while rd.randint(1, 7) != 6:
            n += 1
        return n
    
    def Y():
        x = X()
        if x % 2 == 0:
            return x
        else:
            return -x
    
  • (c)

    X est le temps d’attente dans la répétition indépendante d’une même épreuve de Bernoulli de paramètre p=1/6. La variable X suit donc une loi géométrique de paramètre p.

  • (d)

    Sous réserve de convergence absolue,

    E(Y) =yyP(Y=y)=k=1+2kP(Y=2k)-k=0+(2k+1)P(Y=-(2k+1))
    =k=1+2kP(X=2k)-k=0+(2k+1)P(X=2k+1)
    =k=1+2kp(1-p)2k-1-k=0+(2k+1)p(1-p)2k.

    Il y a convergence absolue des sommes manipulées ce qui assure la sommabilité de la famille définissant l’espérance de Y.

    Par introduction des termes d’indices pairs,

    E(Y) =k=1+4kp(1-p)2k-1-k=1+kp(1-p)k-1
    =4p1-pk=0+k((1-p)2)k-p1-pk=0+k(1-p)k.

    Par le calcul de la première question,

    E(Y)=4(1-p)p(1-(1-p)2)2-p(1-(1-p))2=4(1-p)p(2-p)2-1p.

    Enfin, par réduction au même dénominateur,

    E(Y)=-p(2-p)2.
 
Exercice 16  5295     ENSTIM (MP)Correction  
  • (a)

    Soit k*. Pour x]-1;1[, exprimer simplement

    n=0+(n+k)(n+k-1)××(n+1)xn.

On lance une pièce de monnaie ayant une probabilité p]0;1[ de faire pile. On compte N le nombre de lancers nécessaires pour obtenir pile pour la première fois. Ensuite, on lance la pièce N fois et l’on compte le nombre de fois X où l’on obtient pile.

  • (b)

    Déterminer la loi de X.

  • (c)

    Calculer l’espérance de X.

Solution

  • (a)

    On sait le développement en série entière

    11-x=n=0+xnpour tout x]-1;1[.

    Par dérivation à l’ordre k de ce développement,

    k!(1-x)k+1=n=0+(n+k)(n+k-1)××(n+1)xnpour tout x]-1;1[.
  • (b)

    La variable N suit une loi géométrique de paramètre p. Pour n*, lorsque N=n, la variable X suit une loi binomiale de paramètres n et p. La variable X prend globalement ses valeurs dans .

    Pour k*, la formule des probabilités totales donne

    P(X=k) =n=1+P(X=kN=n)P(N=n)
    =n=k+(nk)pk(1-p)n-kp(1-p)n-1
    =n=0+(n+kk)pk+1(1-p)2n+k-1
    =pk+1(1-p)k-11k!n=0+(n+k)(n+k-1)××(n+1)(1-p)2n
    =pk+1(1-p)k-11k!(k!(1-x)k+1)|x=(1-p)2
    =pk+1(1-p)k-11(2p-p2)k+1=(1-p)k-1(2-p)k+1.

    Pour k=0, le calcul est légèrement différent11 1 À la première étape, lorsque la somme débute à n=k au lieu de n=1, l’égalité devient fausse pour k=0 car cela adjoint un terme. car N prend seulement ses valeurs dans *,

    P(X=0) =n=1+P(X=0N=n)P(N=n)
    =n=1+(1-p)np(1-p)n-1=p(1-p)1-(1-p)2.
  • (c)

    L’espérance de X vaut alors

    E(X)=k=1+k(1-p)k-1(2-p)k+1=1(2-p)2ddx(11-x)x=1-p2-p=1.
 
Exercice 17  5858   Correction  

(Fonction caractéristique)

On appelle fonction caractéristique d’une variable aléatoire X prenant ses valeurs dans , l’application φX: donnée par

φX(t)=E(eitX).
  • (a)

    Vérifier que φX est définie, continue sur et 2π-périodique.

  • (b)

    On suppose que X admet une espérance. Vérifier que φX est de classe 𝒞1 sur et exprimer E(X) à l’aide de φX.

    Que peut-on dire si X est de variance finie? Exprimer alors V(X) à l’aide de φX.

  • (c)

    Application : Retrouver les valeurs connues de l’espérance et la variance d’une loi géométrique.

Solution

  • (a)

    Pour tout t, la variable aléatoire eitX est bornée, elle admet donc une espérance et cela assure la définition φX(t). De plus, la formule de transfert donne

    φX(t)=nun(t) avec un(t)=eintP(X=n).

    Les fonctions un sont continues et la série de fonctions un converge normalement11 1 Contrairement à l’usage, n parcourt au lieu de mais cela ne change par grand chose: il suffit de séparer la somme en deux selon le signe de l’indice pour adapter les propos. sur car

    nsupt|un(t)|=nP(X=n)<+

    On en déduit que la fonction φX est continue. Aussi, cette fonction est 2π-périodique car chacune des fonctions un l’est.

  • (b)

    Supposons que X admette une espérance:

    n|n|P(X=n)<+.

    Les fonctions un introduites au-dessus sont de classe 𝒞1 sur avec

    un(t)=ineintP(X=n).

    La série de fonctions un converge normalement puisque

    nsupt|un(t)|=n|n|P(X=n)<+

    On en déduit22 2 Encore une fois, la somme est indexée sur mais cela ne change rien. que φX est de classe 𝒞1 sur avec

    φX(t)=nineintP(X=n)=E(iXeitX).

    En particulier, E(X)=iφX(0).

    De façon analogue, on obtient que si X est de variance finie, φX est de classe 𝒞2 sur et E(X2)=φ′′(0). Par la formule de Huygens,

    V(X)=(φ(0))2φ′′(0).
  • (c)

    Si X suit une loi géométrique de paramètre p]0;1[, on obtient par sommation géométrique de raison q=(1p)eit avec |q|<1

    φX(t)=n*eint(1p)n1p=peit1(1p)eit.

    On a alors

    φX(t)=ipeit1(1p)eit+ip(1p)e2it(1(1p)eit)2

    et

    φX′′(t)=peit1(1p)eit3p(1p)e2it(1(1p)eit)22p(1p)2e3it(1(1p)eit)3.

    On en tire

    E(X)=1+1pp=1p

    et

    V(X)=1p2+1+3(1p)p+2(1p)2p2=1p21p.
 
Exercice 18  4018   Correction  

Soit X une variable aléatoire discrète à valeurs dans [a;b].

  • (a)

    Montrer que X admet une espérance m et que celle-ci est élément de [a;b].
    La variable X admet aussi une variance σ2 que l’on se propose de majorer.
    On introduit la variable aléatoire Y=X-m et les quantités

    t=y0yP(Y=y),s=y0y2P(Y=y) et u=P(Y0).
  • (b)

    Vérifier

    t2su.
  • (c)

    Calculer espérance et variance de Y. En déduire

    t2(σ2-s)(1-u).
  • (d)

    En exploitant les deux majorations précédentes, obtenir

    t2σ2/4.
  • (e)

    Conclure

    σ2(b-a)2/4.

Solution

  • (a)

    Posons M=max(-a,b). On a |X|M et la constante M admet une espérance. On en déduit que X admet une espérance. De plus,

    m=E(X)=xX(Ω)xP(X=x)xX(Ω)aP(X=x)=a

    et de même mb.

  • (b)

    Par l’inégalité de Cauchy-Schwarz

    (y0yP(Y=y))2y0y2P(Y=y)y0P(Y=y)=su.
  • (c)

    De façon immédiate E(Y)=0 et V(Y)=σ2. On en déduit

    t=-y<0yP(Y=y) et y<0y2P(Y=y)=σ2-s.

    En appliquant à nouveau l’inégalité de Cauchy-Schwarz

    t2(σ2-s)(1-u).
  • (d)

    Ce qui précède fournit

    t2min{su,(σ2-s)(1-u)}

    pour u[0;1] et s[0;σ2]. Sachant

    su(σ2-s)(1-u)s+σ2uσ2.

    Si s+σ2uσ2 alors

    min{su,(σ2-s)(1-u)}=suσ2(1-u)uσ2/4.

    Si s+σ2u>σ2, c’est analogue et la conclusion demeure.

  • (e)

    On a

    σ2=E(Y2)=y0y2P(Y=y)+y<0y2P(Y=y).

    Puisque Y est à valeurs dans [a-m;b-m], on a

    y0y2P(Y=y)y0(b-m)yP(Y=y)=(b-m)t

    et

    y<0y2P(Y=y)y<0(a-m)yP(Y=y)=-(a-m)t.

    On en déduit

    σ2(b-a)t.

    En élevant au carré

    σ4(b-a)2t2=(b-a)24σ2.

    Enfin, que σ soit nul ou non, on obtient

    σ2(b-a)24.

    Notons que cette inégalité est une égalité lorsque X suit une loi de Bernoulli de paramètre p=1/2.

 
Exercice 19  4949     MINES (MP)Correction  

Pour un entier n2, on donne une matrice Mn() dont les coefficients mi,j sont des variables aléatoires indépendantes et identiquement distribuées selon une loi d’espérance μ. Pour λ, calculer l’espérance de χM(λ).

Solution

On sait χM(λ)=det(λIn-M). Par la formule définissant le déterminant et la linéarité de l’espérance

E(χM(λ))=σ𝒮nε(σ)E(i=1n(λδσ(i),i-mσ(i),i)).

Par indépendance des variables, on a pour tout σ𝒮n,

E(i=1n(λδσ(i),i-mσ(i),i))=i=1nE(λδσ(i),i-mσ(i),i)=i=1n(λδσ(i),i-μ).

On en déduit

E(χM(λ))=χA(λ)

avec A la matrice dont tous les coefficients sont égaux à μ. La poursuite des calculs donne

E(χM(λ))=(λ-nμ)λn-1.
 
Exercice 20  4379    

Soit An() une matrice dont les coefficients sont des variables aléatoires indépendantes et identiquement distribuées selon la loi centrée réduite.

Calculer E(det(A)) et V(det(A)).

 
Exercice 21  4380    

Cinq amis prennent place autour d’une table ronde et possèdent chacun deux jetons. On suppose que les jetons sont tous blancs sauf deux bleus qui sont possédés par deux voisins. À chaque tour, chacun distribue arbitrairement ses deux jetons, l’un à son camarade de droite, l’autre à son camarade de gauche. Le jeu s’arrête lorsque l’un des amis prend possession des deux jetons bleus.

Calculer le nombre moyen de tours nécessaires pour que le jeu s’arrête.

[<] Espérance [>] Covariances



Édité le 29-08-2023

Bootstrap Bootstrap 3 - LaTeXML [LOGO] - Powered by MathJax Powered by MathJax