Université de Nice-Sophia Antipolis -L2 MASS - Probabilités Feuille TD 4 : espérance, variance Exercice 1 : On considère une variable aléatoire X à valeurs dans {1, . . . , 5} de loi P{X = 1} = 1/4, P{X = 2} = 1/6, P{X = 3} = 1/12, P{X = 4} = 1/3, P{X = 5} = 1/6. Calculer son espérance. E(X) = 3 (calcul simple). Exercice 2 : Calculer de deux façons l'espérance de la somme des lancers de deux dés à 6 faces : 1. en utilisant la loi de la somme des deux lancers, 2. en utilisant la linéarité de l'espérance. Méthode 1 : la loi de la somme est donnée par le tableau 2 3 4 5 6 7 8 9 10 11 12 1/36 2/36 3/36 4/36 5/36 6/36 5/36 4/36 3/36 2/36 1/36 7. X1 , X2 le résultat de chque lancer. Le calcul donne alors une espérance de Méthode 2 : On note Alors E(X1 +X2 ) = E(X1 )+E(X2 ) = 7 (on a utilisé que l'espérance d;un lacer est 3.5). Exercice 3 (Cours; ou refaire le calcul. . .) Donner l'espérance et la variance d'une loi de Poisson de paramètre Espérance λ, variance λ > 0. λ. Exercice 4 Calculer l'espérance et la variance d'une loi uniforme sur n X k=1 k2 = On rappelle que n(n + 1)(2n + 1) . 6 (N + 1)/2, variance (N 2 − 1)/12. (Noter qu'on trouve une variance variance 1/4, comme une loi de Bernoulli avec p = 1/2 pour N = 2). Espérance et une {1, . . . , N }. nulle si N = 1, Exercice 5 Un joueur a 2N − 1 euros en poche, N ≥ 1, et joue sur rouge/noir au casino. (La probabilité de gain est supposée égale à 1/2.) Au premier coup, il mise un euro sur le noir. Si le noir sort, il empoche, en plus de sa mise, un euro et arrête de jouer. S'il perd, il rejoue en misant deux euros sur le noir. S'il gagne lors cette deuxième mise, il empoche, en plus de ses trois euros de mise, un euro et arrête de jouer. S'il perd, il rejoue en doublant sa mise, i.e. en misant quatre euros sur le noir. Et ainsi de suite... 1. Expliquer pourquoi le joueur est sûr de pouvoir jouer N fois. Supposons (cas le plus défavorable) que le joueur perd toujours; sa perte totale après N partie est 1 + 2 + 22 + . . . + 2N −1 = 2N − 1 (NB : c'est un calcul de somme de série géométrique). Le jouer a donc au départ assez d'argent pour jouer au moins 2. Les issues des N N parties. lancers rouge/noir sont modélisés par N variables aléatoires de Bernoulli X1 , . . . , X N . Décrire à partir de X1 , . . . , XN l'événement : le joueur perd toute sa fortune N lancers. Calculer sa probabilité. On note Xi = 1 si le noir sort au ie coup, Xi = 0 si c'est le rouge. L'événement le joueur perd toute sa fortune au bout des N lancers s'écrit au bout des {X1 = 0} ∩ {X2 = 0} ∩ . . . ∩ {Xn = 0} Comme les Xi sont indépendantes, la proba de cet 'evénement est (1/2)N . S le gain algébrique empoché par le joueur au bout des N lancers. N qu'il vaut 1 ou −2 + 1. Donner la loi de S . S peut prendre les valeurs 1 ou −2N + 1. En utilisant le calcul précédent : 3. On désigne par Montrer P(S = −2N + 1) = (1/2)N ; P(S = 1) = 1 − (1/2)N . S. 4. Calculer l'espérance de E(S) = 0. Commenter. Le joueur a une très forte proba de gagner une petite somme, et une très faible proba de tout perdre. Notons que l'espérance de gain à chaque partie est nulle, et que le gain total est la somme des gains de chaque partie. Donc l'espérance du gain total est nécessairement nulle. Exercice 6 Une chaîne de fabrication produit des objets qui peuvent être défectueux, selon les hypothèses de modélisation suivantes : 1. la chaîne produit en une heure un nombre aléatoire Y d'objets, Y à valeurs dans {0, . . . , N }, N ≥ 1, 2. chaque objet produit a une probabilité p = 1/10 d'être défectueux, indépendamment de tous les autres. Le nombre d'objets défectueux produits en une heure par la chaîne de fabrication est modélisé par une variable aléatoire X. 1. Montrer que P(X = k) = +∞ X P(Y = n)P(X = k|Y = n) n=0 C'est la formule des probabilités totales. 2. En déduire E(X) = +∞ X ∞ X P(Y = n)kP(X = k|Y = n) k=0 n=0 On écrit la formule donnant l'espérance en utlisant la question précédente, et on trouve le résultat. k, n ≥ 0, que vaut la probabilité conditionnelle P{X = k|Y = n} ? k ≤ n et k > n.) Si k > n, P{X = k|Y = n} vaut 0. Si k ≤ n, P{X = k|Y = n} est la probabilité d'une loi binomiale de paramètres (n, p). 3. Pour deux entiers (Bien distinguer les cas 4. En admettant qu'on peut permuter les sommes sur E(X) = = = = +∞ X ∞ X P(Y = n)kP(X = k|Y = n) k=0 n=0 +∞ X ∞ X n=0 +∞ X k=0 n X P(Y = n) n=0 +∞ X k et sur n, montrer que E(X) = pE(Y ). P(Y = n) kP(X = k|Y = n) kP(X = k|Y = n) k=0 P(Y = n)np n=0 = pE(Y ) On a utilisé l'espérance d'une loi biniomiale entre les lignes 3 et 4, puis la dénition de l'espérance de Y entre les lignes 4 et 5. Exercice 7 : A la sortie d'un restaurant, le garçon remet, à chapeaux au hasard. Xi n Les clients sont numérotés de hommes venus déjeuner ensemble, leurs 1 à n : pour le client la variable aléatoire valant 1 si le chapeau distribué est le bon et chapeaux correctement distribués est 1. Donner la loi de chaque Xi . 0 i, on désigne par sinon. Le nombre de S = X1 + · · · + X n . S. n!; nombre de distributions sachant que i a de Xi est B(1/n). Donc l'espérance de S est En déduire l'espérance de Nombre total de distributions possibles : eu son chapeau : n × 1/n = 1 (n − 1)!. (notons que les 2. Donner la valeur de Donc la loi Xi E(Xi Xj ) ne sont pas indépendants). pour i 6= j . Yij = Xi Xj peut prendre les valeurs 0 Yij = 1 est (n − 2)!. Donc la loi de Yij En déduire la variance de S. 1. Le nombre de distributions correspondant B(1/[n(n − 1)]), et E(Xi Xj ) = 1/[n(n − 1)]. X E(S 2 ) = E(X12 ) + . . . + E(Xn2 ) + E(Xi Xj ) = 2 et à est i6=j Donc V(S) = 1. Xi , dénombrer toutes les distributions de chapeaux, et celles i a eu le bon chapeau. Pour calculer E(Xi Xj ), dénombrer les distributions pour Indication : pour obtenir la loi de pour lesquelles lesquelles i et j ont eu le bon chapeau. Exercice 8 : Un joueur décide d'aller jouer sur rouge/noir à la roulette d'un casino. Il mise un euros à chaque 18/37 (en raison du zéro); il perd sa mise Xi son gain à la partie i, Sn = X1 + . . . + Xn Yn = Sn /n son gain moyen par partie. fois, et gagne un euro (plus sa mise) avec probabilité avec probabilité 19/37. Il joue n parties. On note son gain total (qui peut bien sûr être négatif ), et 1. Donner la loi de Xi et calculer son espérance. P(X1 = 1) = 18/37 ; P(X1 = −1) = −19/37 E(Xi ) = −1/37. 2. Donner l'espérance et la variance de Yn . E(Yn ) = −1/37 ; V(Yn ) = [1 − (1/37)2 ]/n 3. On note n gn la probabilité que le joueur gagne de l'argent. Comment se comporte gn quand tend vers l'inni ? On peut utiliser la loi des grands nombres gn = P(Yn > 0) = P((Yn − E(Xi )) > 1/37) ≤ P(|Yn − E(Xi )| > 1/37) → 0 Donc gn tend vers 0.