Université Pierre et Marie Curie (Paris 6) Probabilités et statistiques élémentaires – LM231 Contrôle continu du 28 février 2014 - Durée 1h30 Exercice 1 Un voyageur se déplace par avion de la ville A à la ville D en faisant escale par les villes B et C. Les probabilités de perdre un bagage en A lors du vol de A à B (événement ẼA ), en B lors du vol de B à C (événement ẼB ) ou en C lors du vol de C à D (événement ẼC ) sont égales et valent p. On appelle EA (resp. EB ,, EC ) les événements “le bagage s’est perdu en A” (resp. en B, resp. en C). 1) On note P l’événement “le bagage s’est perdu pendant le trajet de A à D”. Exprimer P en fonction de EA , EB , EC . 2) Calculer les probabilités des événements EA , EB , EC et P . 2) A son arrivée en D le voyageur constate que son bagage s’est perdu. Calculer les probabilités respectives que celui-ci soit resté en A, B, C (on supposera que les événements EA , EB , EC sont mutuellement indépendants). Exercice 2 On dispose de quatre dés, chacun numérotés de 1 à 6. On jette les quatre dés et on note k1 , k2 , k3, k4 les chiffres lus respectivement sur le premier, le deuxième, le troisième dé et le quatrième dé. Pour i = 1, 2, 3, 4, on note Ai l’événement “le nombre de valeurs distinctes lues sur les dés égale i”. On note également – B :“obtenir des nombres différents sur chacun des dés” ; – C : “obtenir une paire” c’est-à dire deux et seulement deux dés parmi les quatre portent la même valeur. – D : “obtenir une double paire” : c’est-à-dire deux dés avec une même valeur et les deux autres avec une même valeur distincte de la première. – E : “obtenir un brelan” c’est-à-dire trois dés et seulement trois dés parmi les quatre portent une même valeur. 1) Définir un espace probabilisé qui modélise le jeu. 2) Expliquer pourquoi B = A4 , C = A3 , A2 = D ∪ E. 3) Calculer les probabilités des événements Ai , i = 1, 2, 3, 4. B, C, D, E. 4) Le joueur gagne 1/P(Ai ) euros si l’événement Ai se réalise. On note X le gain du joueur. 4.a) Expliquer pourquoi X est une variable aléatoire. 4.b) Calculer son espérance. 1 Exercice 3 On suppose que (Ai )i∈{1,...,n} est une suite d’événements de l’espace probabilisé (Ω, B, P). 1) Quelle est la tribu engendrée par Ai ? 2) On suppose que la famille (Ai )i∈{1,...,n} est indépendante. Démontrer que la famille d’événements (Aci )i∈{1,...,n} est indépendante. 3) On suppose en outre que chaque événement Ai est de probabilité 1/n. On note Bn = A1 ∪ · · · ∪ An et pn = P(Bn ). Démontrer que pn admet une limite quand n → ∞ et la déterminer. 2 Université Pierre et Marie Curie UE LM231 – Probabilités et Statistiques Licence de Mathématiques L2 Année 2013-14 Contrôle continu du 11 avril 2014 - Durée 1h30 Exercice 1 1. Calculer la fonction génératrice d’une v.a.r. suivant une loi de Poisson de paramètre λ. 2. On considère deux v.a.r. Xi , i = 1, 2 indépendantes, chacune suivant une loi de Poisson de paramètre λi , i = 1, 2. Quelle est la fonction génératrice de la v.a. X1 + X2 ? 3. Que dire de la loi de X1 + X2 ? Exercice 2 On suppose que X est une v.a.r ne prenant que des valeurs supérieures ou égales à 1/2 et admettant une densité continue par morceaux égale à ρX : R →]0, ∞[. On note FX la fonction de répartition de X (on rappelle que pour tout t réel FX (t) = P(X ≤ t)). 1. Démontrer que FX est dérivable en tout point où ρX est continue et qu’en un tel point t on a FX′ (t) = ρX (t). 1 2. On note Y = . X (a) Expliquer pourquoi Y est une variable aléatoire. (b) Démontrer que si FY est la fonction de répartition de Y on a pour tout réel t>0 1 FY (t) = 1 − FX ( ). t 3. Expliquer rapidement pourquoi Y admet une densité et la calculer en fonction de celle de X. 4. On suppose que X suit une loi uniforme sur [1/2, 1]. Calculer l’espérance et la variance de Y . 5. On suppose à présent que (Xk )k≥1 est une suite de v.a.r. i.i.d. suivant une loi uniforme sur [1/2, 1]. (a) Démontrer que P-presque sûrement la somme 1! 1 n k=1 Xk n Mn := converge vers une v.a.r. que l’on identifiera. (b) Expliquer pourquoi il existe un réel a pour lequel la limite suivante existe √ lim P( n(Mn − a) ∈ [−1, 1])? n→∞ Université Pierre et Marie Curie UE LM231 – Probabilités et Statistiques Licence de Mathématiques L2 Année 2013-14 Examen du 6 mai 2014 - Durée 2h Aucun document autorisé ni calculatrices, téléphones portables etc. Exercice 1 On dispose de deux pièces de monnaie A et B truquées que l’on ne peut pas distinguer l’une de l’autre. Quand on lance la pièce A le côté pile sort avec probabilité p tandis que le lancer de la pièce B fait apparaı̂tre pile avec probabilité 1 − p. On choisit une des deux pièces au hasard et on la lance successivement deux fois. On se propose de répondre à la question suivante : sachant que pile apparaı̂t lors du premier lancer, quelle est la probabilité que pile apparaisse lors du second lancer ? On modélisera le problème de la façon suivante : Il existe un espace probabilisé (Ω, B, P) et des variables aléatoires L : Ω → {A, B}, X1 , X2 : Ω → {1, 0} (pile = 1, f ace = 0) tels que : (i) P(L = A) = P(L = B) = 1/2 et (ii) P(Xi = 1|L = A) = p, P(Xi = 1|L = B) = 1 − p (pour i = 1, 2). On suppose en outre que : (iii) X1 et X2 sont indépendantes conditionnelement à L c’est-à-dire que pour tout l ∈ {A, B} et tout (x1 , x2 ) ∈ {0, 1}2 on a P(X1 = x1 et X2 = x2 |L = l) = P(X1 = x1 |L = l)P(X2 = x2 |L = l). 1. Que représentent dans le problème les variables aléatoires L, X1 , X2 et la quantité P(X2 = 1|X1 = 1) ? 2. Calculer en fonction de p les probabilités P(X1 = 1) et P(X1 = 1 et X2 = 1). 3. En déduire P(X2 = 1|X1 = 1). 4. Comparer P(X2 = 1|X1 = 1) à 1/2. 5. Construire un espace (Ω, B, P) et des variables aléatoires L : Ω → {A, B}, X1 , X2 : Ω → {1, 0} vérifiant les conditions (i), (ii) et (iii). Exercice 2 1. On suppose que U est une variable aléatoire réelle suivant une loi uniforme sur [0, 1]. (a) Calculer la fonction de répartition de la variable aléatoire − ln U. (b) En déduire que − ln U suit une loi exponentielle de paramètre 1. (c) Pour λ > 0, déterminer la loi de la variable aléatoire (−1/λ) ln U. 2. Soient X1 , . . . , Xn , . . . une suite de variables aléatoires réelles indépendantes de même loi de densité ρ : R → [0, ∞[ et g : R → R une fonction continue par morceaux et bornée. (a) Calculer l’espérance et la variance de la variable aléatoire g(X1 ) en fonction de g et de ρ. Que dire de l’espérance et de la variance de g(Xi ) pour i ≥ 2 ? (b) Exprimer la fonction caractéristique de la v.a.r. g(Xi ) en fonction de ρ. (c) Démontrer que les variables aléatoires g(Xi ), i = 1, 2, . . ., admettent toutes la même loi. (d) On pose Sn (g) = g(X1 ) + · · ·+ g(X ! n ). Démontrer que la suite de v.a.r. Sn (g)/n converge presque sûrement vers R ρ(x)g(x)dx. (e) Démontrer pour tout a ≥ 0 l’égalité : # "# % $ $ a # Sn (g) # aσ(g) 1 2 # # lim P # − ρ(x)g(x)dx# ≤ √ =√ e−x /2 dx n→∞ n n 2π −a R " %2 ! 2 ! 2 avec (σ(g)) = R g (x)ρ(x)dx − R g(x)ρ(x)dx . 3. On suppose à présent que U1 , . . . , Un , . . . est une suite de v.a.r. i.i.d suivant une même loi uniforme sur [0, 1] et on pose pour i ≥ 1, Xi = − ln Ui . (a) Expliquer pourquoi X1 , . . . , Xn , . . . est une suite de v.a.r. i.i.d et déterminer la densité ρ de leur loi commune. 4 (b) On pose f (x) = e−x (sin x)1]0,∞[ (x), g = f /ρ (ρ de la question 3a) et on définit comme dans la question 2 la v.a.r. Sn (g) = g(X1 ) + · · · + g(Xn ). Démontrer que pour n assez grand on a avec probabilité supérieure ou égale à 0.95 $ ∞ Sn (g) C Sn (g) C 4 e−x sin xdx ∈ [ −√ , +√ ] n n n n 0 où C ≈ 1.96e,! e étant la base du logarithme népérien (e ≈ 2, 718). On rappelle 2 c que (2π)−1/2 −c e−t /2 dt = 0.95 pour c ≈ 1.96 Exercice 3 1. On suppose que Y est une v.a.r. suivant une loi normale N (µ, σ 2) (espérance µ, 2 2 variance σ 2 , densité (2πσ 2 )−1/2 e−(t−µ) /2σ ). Démontrer qu’il existe une v.a.r. Ỹ suivant une loi normale centrée réduite N (0, 1) telle que Y = σ Ỹ + µ. 2. On rappelle que la fonction caractéristique d’une v.a.r. suivant une loi normale 2 centrée réduite est la fonction ϕ : R → R, ϕ(t) = e−t /2 . Que vaut la fonction caractéristique d’une v.a.r. suivant une loi normale N (µ, σ 2) ? 3. On suppose que pour tout n ≥ 0 la v.a.r. Xn suit une loi normale N (0, σn2 ) (centrée de variance σn2 ). Démontrer que si la suite de v.a.r. (Xn )n≥0 converge en loi vers une v.a.r. X alors X suit une loi normale centrée. FIN Page 2