[<] Calcul d'espérance par les fonctions génératrices [>] Convergences
Soit une suite de variables aléatoires suivant chacune une loi de Bernoulli de paramètre . On suppose qu’il existe deux réels tels que
Déterminer la limite de .
Solution
Par la formule des probabilités totales,
Si la suite admet une limite finie , celle-ci doit vérifier
et donc
Considérons cette valeur. On remarque
et donc, par récurrence,
Puisque , on obtient que tend vers .
Soit une suite de variables aléatoires indépendantes et identiquement distribuées selon la loi d’une variable telle que
Pour tout , on pose et .
Déterminer .
Pour , on introduit l’événement
Pour . Déterminer la probabilité conditionnelle .
Justifier
En déduire que pour tout .
Soit . Que vaut
Soit . Montrer que, presque sûrement, la suite prend une infinité de fois la valeur .
Solution
La variable suit une loi de Bernoulli de paramètre , la variable suit alors une loi binomiale de paramètres et . On obtient alors
Pour ,
Par indépendance,
Par symétrie de l’expérience,
De la même façon,
En considérant le système complet d’événements constitué de et , la formule des probabilités totales donne
La suite est une suite récurrente linéaire d’ordre d’équation caractéristique de racine double . Le terme général de la suite est donc de la forme
La suite est une suite de probabilités, elle est donc bornée et l’on en déduit . De plus, on a évidemment et donc pour tout .
Pour , on a immédiatement
Pour , on observe que et suivent la même loi pour employer le résultat qui précède
Pour , on introduit
qui mesure la probabilité que la suite prend une infinité de fois la valeur . Comme au-dessus, on établit ce qui montre que la suite est constante. Il reste à déterminer ce que l’on résout en étudiant l’événement contraire
Pour , on remarque
et
avec
Ainsi,
et de même
Par réunion dénombrable d’événements négligeables et passage à l’événement contraire, on conclut que la suite est constante égale à .
(Marche aléatoire sur )
Soit une suite de variables aléatoires indépendantes et identiquement distribuées selon une loi uniforme sur .
Pour , on pose11 1 La suite s’interprète comme une marche aléatoire sur la grille amorcée en et qui, à chaque étape, passe aléatoirement d’une case à une case voisine. ainsi que .
On note et les variables aléatoires déterminées par et l’on introduit
Les variables et sont-elles indépendantes?
Les variables et sont-elles indépendantes?
Plus généralement, établir que les variables sont indépendantes.
Calculer .
On note le nombre de pour lesquels .
Montrer que tend22 2 Autrement dit, la marche aléatoire passe en moyenne une infinité de fois par . On peut aussi montrer, et cela est plus fort, qu’il est presque sûr que la marche passe une infinité de fois par . vers lorsque tend vers .
Un pion se déplace sur des cases numérotées par les entiers naturels. Initialement, il se trouve sur la case et à chaque instant, il se déplace d’un nombre strictement positif de cases. On note la variable aléatoire donnant le nombre de cases parcourues lors de la -ème étape. On suppose que les sont indépendantes et suivent la même loi. On pose
qui donne la position du pion à l’instant ,
Enfin, on introduit .
On suppose que suit la loi de Bernoulli de paramètre .
Écrire en Python une fonction qui prend un paramètre entier et qui renvoie si le pion atteint la case et sinon.
Écrire une fonction qui, sur une trentaine d’essais, renvoie la proportion de fois où le pion atteint la case . Comparer à .
On note l’événement: « le pion atteint la case » et .
Décrire l’événement à l’aide des variable aléatoires .
Calculer pour .
En déduire
Justifier la définition de
et montrer que .
Calculer dans le cas où suit une loi de Bernoulli de paramètre et en déduire les .
On suppose que prend un nombre fini de valeurs et que les entiers tels que sont premiers entre eux dans leur ensemble. Montrer que tend vers .
Solution
import random as rnd def atteint(k,p): Y = 0 while Y < k: x = rnd.random() if x < p: Y = Y + 2 else: Y = Y + 1 if Y == k: return 1 else: return 0 def repete(k,p,N): x = 0 for i in range(N): x = x + atteint(k,p) return x/N,1/(1+p)
Si ,
Si , par incompatibilité des événements (car les prennent des valeurs strictement positives)
La famille des avec est un système complet d’événements et donc
en posant .
La suite est une suite de probabilité: elle est bornée et la série entière est de rayon de convergence au moins égale à .
Par produit de Cauchy de série absolument convergentes
On en déduit la relation proposée.
Si suit une loi de Bernoulli
Par décomposition en éléments simples
et donc
La fonction est un polynôme qui prend la valeur en :
Vérifions que ne possède pas d’autres racines que de module inférieur à .
Supposons . Si , on a par inégalité triangulaire
On en déduit pour tout compris entre et . Les indices tels que les sont non nuls étant premiers dans leur ensemble, il vient11 1 Si sont les indices pour lesquels , il suffit d’écrire avec entiers tels que . . De plus, par égalité dans l’inégalité triangulaire complexe, les ont le même argument lorsqu’ils sont non nuls. Aussi, leur somme est égale à et l’on en tire que les sont tous égaux à . Par le même argument qu’au-dessus, il vient .
est racine simple de la fraction et ses autres racines complexes sont de modules strictement supérieurs à . La décomposition en éléments simples de donne l’écriture
avec et dont la décomposition en série entière est de rayon de convergence et dont les coefficients sont donc de limite nulle. On en déduit que tend vers quand tend vers l’infini.
Une matrice est dite strictement stochastique si tous les sont strictement positifs et
Écrire une fonction stocha(n) qui renvoie une matrice strictement stochastique aléatoire de taille .
On fixe B = stoch(3).
Trouver des colonnes et de coordonnées strictement positifs telles que et .
On pose . Observer que converge vers .
Une particule se déplace aléatoire sur points numérotés de à . À l’instant , la particule reste à la place qu’elle occupe avec une probabilité ou se déplace sur les autres points avec une probabilité uniforme. On note la variable aléatoire qui donne la position de la particule à l’instant et
Montrer qu’il existe une matrice strictement stochastique telle que et expliciter celle-ci.
En déduire une expression de en fonction de , et .
Sans calculs, justifier que est diagonalisable. Expliciter ses valeurs propres et ses sous-espaces propres.
Déterminer la limite de .
Solution
On forme un tableau aléatoire de valeurs strictement positives puis on divise les coefficients par la somme de la ligne qui les contient:
import numpy as np import numpy.random as rd import numpy.linalg as alg def stocha(n): M = rd.random((n, n)) for i in range(n): S = sum(M[i, :]) M[i, :] = M[i, :] / S return M
On peut récupérer les valeurs de x et y à la main ou bien de façon plus programmée comme ci-dessous.
B = stocha(3) vp, P = alg.eig(B) x = P[:,np.where(np.isclose(vp,1.))[0]] C = B.T vp, P = alg.eig(C) y = P[:,np.where(np.isclose(vp,1.))[0]]
On vérifie l’affirmation avec une valeur de suffisante.
L = np.dot(x, y.T) / np.dot(x.T, y) print(L - alg.matrix_power(B,100))
On pourrait aussi calculer la norme euclidienne de la matrice différence puis tracer son évolution lorsque varie.
import matplotlib.pyplot as plt plt.plot([alg.norm(L - alg.matrix_power(B,k)) for k in range(100)]) plt.show()
En vertu de l’expérience
avec déterminé par .
On remarque et par récurrence .
La matrice est symétrique réelle donc diagonalisable.
Après calculs, son polynôme caractéristique est
Les sous-espaces propres de sont
Par orthodiagonalisation et sachant , on montre
Donc
Puisque la somme des coefficients de vaut ,
[<] Calcul d'espérance par les fonctions génératrices [>] Convergences
Édité le 29-08-2023
Bootstrap 3 - LaTeXML - Powered by MathJax