Probas - Feuille 1 Exos Probas 1 - Espaces probabilisés Exercice 1 Soient T une tribu sur un ensemble Ω, et Ω0 une partie de Ω. Montrer que T 0 = {A ∩ Ω0 /A ∈ T } est une tribu sur Ω0 . • Ω0 = Ω ∩ Ω0 donc Ω0 ∈ T 0 . • Soit B ∈ T 0 . On écrit B = A ∩ Ω0 avecA ∈ T ; alors Ω0 ∩ B = Ω0 ∩ A ∩ Ω0 = Ω0 ∩ A ∪ Ω0 = Ω0 ∩ A ∈ T 0 (car T est une tribu donc A ∈ T ) . • Soit d’éléments de T 0 ; pour tout n on note Bn =[An ∩ Ω0 où An ∈ T . Alors [ (Bn )n∈N [ une suite [ Bn = An ∩ Ω 0 = An ∩ Ω0 ∈ T 0 (car T est une tribu donc An ∈ T ). n∈N n∈N n∈N n∈N On a montré que T 0 est une tribu su Ω0 . Exercice 2 Soit Ω un ensemble non dénombrable. On note : T = {A ⊂ Ω/A ou A est au plus dénombrable}. 1. Montrer que T est une tribu sur Ω. • Ω = ∅ est au plus dénombrable, donc Ω ∈ T . • Soit A ∈ T ; alors A ou A est au plus dénombrable, donc A ou A est au plus dénombrable d’où A∈T. • Soit (An )n∈N une suite d’éléments de T ; [ [ Si pour tout n, An est au plus dénombrable, alors An est au plus dénombrable et An ∈ T . n∈N S’il existe n0 ∈ N tel que An0 est au plus dénombrable, alors n∈N [ An = n∈N dénombrable donc [ \ An ⊂ An0 est au plus n∈N An ∈ T . n∈N On a montré que T est une tribu su Ω. 0 si A est au plus dénombrable . 2. Pour A ∈ T , on pose : P(A) = 1 si A est au plus dénombrable Montrer que P est une probabilité sur (Ω, T ). • P(Ω) = 1. • Soit (An )n∈N une suite d’éléments de T deux à deux [ incompatibles ; Si pour tout n, An est au plus dénombrable, alors An est au plus dénombrable donc n∈N ! P [ An n∈N =0= +∞ X P(An ). n=0 S’il existe n0 tel que An0 est au plus dénombrable alors, comme pour tout n 6= n0 , An ∩ An0 = ∅ on a An ⊂ An! 0 donc pour tout n 6= n0 , An est au plus dénombrable, et on a bien : +∞ +∞ [ X P An = 1 = P(An ). n=0 Exos PT n=0 - Sophie Touzet - Page 1 sur 5 Probas - Feuille 1 Exercice 3 Soient Ω et E deux ensembles non vides, f : E → Ω une application. 1. On considère une tribu T sur Ω. Montrer que : U = {f −1 (A)/A ∈ T } est une tribu sur E. • E = f −1 (Ω) ∈ U. • Soit A ∈ U ; on note A = f −1 (A0 ), avec A0 ∈ T . On a A = f −1 (A0 ) = f −1 A0 ∈ U (car T est une tribu donc A0 ∈ T ) . • Soit (An )n∈N une suite d’éléments de!U ; on note pour tout n, An = f −1 (Bn ) avec Bn ∈ T . On a : [ [ [ [ An = f −1 (Bn ) = f −1 Bn ∈ T ). Bn ∈ U (car T est une tribu donc n∈N n∈N n∈N n∈N On a montré que T est une tribu su Ω. 2. Montrer que l’image de la tribu P(E) par f n’est pas toujours une tribu sur Ω. Si f n’est pas surjective, Ω ∈ / f (P(E)). Exercice 4 Soit (an )n∈N une suite strictement décroissante de réels positifs de limite nulle. Montrer qu’il existe λ ∈ R (et le déterminer) qui permette de définir une probabilité P sur N par : P({n; n + 1; ...}) = λan . 1 Analyse : P(N) = 1 donc λa0 = 1 donc λ = . a0 Pour n ∈ N, on note An = [|n, +∞[| ; alors {n}= An ∩ An+1 . On a donc : P({n}) = P(An ) + P An+1 − P An ∪ An+1 = λan + (1 − λan+1 ) − 1 = λ(an − an+1 ) > 0. | {z } N N aN +1 1 X (an − an+1 ) = − De plus, P({n}) = + 1 −→ 1 (par télescopage). N →+∞ a0 a0 n=0 n=0 an − an+1 . D’après l’analyse, pn définit une probabilité sur Synthèse : Pour n ∈ N, on note pn = a0 (N, P(N)). N X Exercice 5 On munit N de la probabilité : ∀n ∈ N, P({n}) = 2−n−1 . Les événements 2N et 3N sont-ils indépendants ? +∞ +∞ X X X 1 1 2k−1 ∀k ∈ N∗ , P(kN) = P({i}) = P({k n}) = 2−k n−1 = = ; 2 1 − 21k 2k − 1 n=0 n=0 i∈kN 4 32 2 4 2 6= × . Ainsi, P(2N) = , P(3N) = et P(2N ∩ 3N) = P(6N) = 3 7 63 3 7 Les événements ne sont donc pas indépendants. Exercice 6 Deux joueurs A et B lancent à tour de rôle une pièce truquée. Le joueur A commence et la pièce amène Face avec la probabilité p ∈]0; 1[. Le premier qui obtient Face gagne le jeu, qui s’arrête alors. 1. Quelle est la probabilité que A gagne lors de son n-ième lancer ? Pour k ∈ N∗ , on note Fk : " le k-ième lancer donne Face. Pour n ∈ N∗ , on note An : "le joueur A gagne à son n-ième lancer. P(An ) = P F1 ∩ F2 ∩ · · · ∩ F2n−2 ∩ F2n−1 = P(F1 ) P(F2 ) · · · P(F2n−2 )P(F2n−1 ) = (1 − p)2n−2 p Exos PT - Sophie Touzet - Page 2 sur 5 Probas - Feuille 1 2. Quelle est la probabilité que A gagne le jeu ? ! +∞ +∞ +∞ [ X X n P(A) = P An = (1 − p)2n−2 p = p (1 − p)2 = n=1 n=1 n=0 1 . 2−p 3. Y a-t-il une valeur de p qui assure que les deux joueurs aient la même probabilité de gagner ? 1 1 > , donc quel que soit p, A a plus de chance de gagner. D’après la question précédente, P(A) = 2−p 2 Exercice 7 Le joueur JF joue contre le joueur JP avec une pièce équilibrée. Si la fréquence F F est observée avant la fréquence P F , alors le joueur JF gagne. Si c’est la fréquence P F qui est observée en premier, alors le joueur JP gagne. 1. Justifier que la probabilité que personne ne gagne est nulle. Pour n ∈ N∗ , on note Fn : "le n-ième lancer donne Face". L’événement Gn : "Personne n’a gagné au n-ième lancer" est F1 ∩ n \ k≥2 Fk ∪ n \ Fk . k≥1 n−1 n 1 1 1 + . On a : P(Gn ) = × 2 2 2 La suite Gn est une suite décroissante d’événements dont l’intersection est G : Aucun joueur ne gagne. Le théorème de la limite monotone donne : P(G) = lim P(Gn ) = 0. n→+∞ 2. En considérant les résultats des deux premiers lancers, montrer que JP a la plus grande probabilité de l’emporter, et la déterminer. En notant F : "faire Face" et P : "faire Pile", on a : P au premier Face, JP gagne F F JF gagne P au premier Face, JP gagne F JP gagne P D’après la question précédente, la probabilité qu’aucun joueur ne gagne est nulle, on a donc : 3 P( "JP gagne") = . 4 Exercice 8 On lance (une seule fois) une pièce équilibrée, puis on effectue des tirages successifs dans une urne contenant initialement une boule blanche et une boule noire selon le protocole suivant : · On tire une boule, on note sa couleur, on la remet dans l’urne ; · Si on avait obtenu Pile on rajoute une boule blanche dans l’urne, sinon on rajoute une boule noire. 1. Calculer la probabilité de tirer une boule blanche au k-ième tirage. On note P : "on obtient Pile", et pour k ∈ N∗ , Ak : " on tire une boule blanche au k-ième tirage". La formule des probabilités totales donne : k 1 1 + = P(Ak ) = PP (Ak ) P(P ) + PP (Ak ) P(P ) = 2(k + 1) 2(k + 1) 2 Exos PT - Sophie Touzet - Page 3 sur 5 Probas - Feuille 1 2. Sachant que l’on a tiré une boule blanche au k-ième tirage, calculer la probabilité d’avoir obtenu Pile. k PP (Ak ) P(P ) k 2(k+1) PAk (P ) = = = . 1 P(Ak ) k+1 2 3. Calculer la probabilité d’obtenir k boules blanches lors des k premiers tirages. Les formules totales et composées!donnent : ! ! des probabilités k k k \ \ \ An + P P ∩ P An = P P ∩ An n=1 n=1 n=1 = P (Ak |P ∩ A1 · · · ∩ Ak−1 ) × P (Ak−1 |P ∩ A1 ∩ · · · ∩ Ak−2 ) × · · · × P (A1 |P ) × P(P ) + P Ak |P ∩ A1 · · · ∩ Ak−1 × P Ak−1 |P ∩ A1 · · · ∩ Ak−2 × · · · × P A1 |P × P(P ) k k−1 1 1 1 1 1 1 1 1 = × × ··· × × + × × ··· × × = + . k+1 k 2 2 k+1 k 2 2 2(k + 1) 2(k + 1)! Exercice 9 1 Soient N ∈ N∗ , p ∈]0; 1[, p 6= . On joue à un jeu de pile ou face avec une pièce truquée, la probabilité 2 d’obtenir Pile étant p. A chaque jet, si l’on obtient Pile on gagne 1 e, sinon on perd 1e. On suppose que l’on ne peut jouer que si l’on dispose d’au moins 1 e. Le jeu s’arrête soit lorsque l’on possède N e, soit lorsque l’on ne possède plus rien. Au départ, on dispose de n e (0 ≤ n ≤ N ) ; on note pN (n) la probabilité de gagner la partie. 1. Déterminer une relation entre pN (n), pN (n + 1) et pN (n − 1). On note P1 : "faire Pile au premier lancer" et G : "gagner". La formule des probabilités totales donne : P(G) = PP1 (G)P(P1 ) + PP1 (G)P(P1 ) d’où : pN (n) = pN (n + 1)p + pN (n − 1)(1 − p). 2. Exprimer pN (n) en fonction de n, N et p, puis calculer lim pN (n). N →+∞ Pour N fixé, on note un = pN (n). (un ) est une suite récurrente linéaire du second ordre telle que pour 1 1−p n ≥ 1 : un+1 = un − un−1 p p 1 1−p , sont distinctes car p 6= . Les solutions de l’équation caractéristique, 1 et p 2 n 1−p 1− p Comme pN (0) = 0 et pN (N ) = 1 on trouve : pN (n) = N . 1−p 1− p 1−p 1 Si > 1 c’est-à-dire p < alors lim pN (n) = 0 ; N →+∞ p 2 1−p 1 1−p n Si < 1 c’est-à-dire p > alors lim pN (n) = 1 − . N →+∞ p 2 p Exercice 10 Dans une population, la probabilité qu’une famille ait n enfants est estimée par la valeur : pn = 2n −2 e n! On suppose qu’au sein d’une même famille les naissances sont indépendantes, et qu’il y a équiprobabilité sur le sexe de l’enfant. 1. Calculer la probabilité qu’une famille ait au moins une fille. Pour n ∈ N on note An : "la famille a n enfants". La famille (An )n est une partition de l’univers. On note F : "la famille a au moins 1 fille". +∞ +∞ X X 1 2n −2 e = e × e−2 = e−1 donc P(F ) = 1 − e−1 . P(F ) = PAn (F ) × P(An ) = × 2n n! n=0 Exos PT n=0 - Sophie Touzet - Page 4 sur 5 Probas - Feuille 1 2. On suppose qu’une famille a une seule fille. Quelle est la probabilité que la famille comporte deux enfants ? On note F1 : "la famille a 1 seule fille". D’après la formule de Bayes, on a : PA2 (F1 ) × P(A2 ) PF1 (A2 ) = avec P(F1 ) +∞ +∞ +∞ X X X 2n 1 1 n −2 P(F1 ) = ×e = e−2 = e−1 . PAn (F1 ) × P(An ) = × n× 1 2 n! (n − 1)! n=0 n=1 n=0 Finalement, PF1 (A2 ) = e−1 . 3. Quelle est la probabilité qu’une famille ait exactement k filles ? Pour k ∈ N, on note Fk : "avoir k filles". En remarquant que pour avoir k filles il faut avoir au moins k enfants, on a : +∞ +∞ X 2n −2 X 1 1 n 1 P(Fk ) = × e = e−2 = e−1 . k 2n n! k!(n − k)! k! n=k n=k Exercice 11 Pour s > 1, on définit le réel ζ(s) par : ζ(s) = +∞ X 1 . ks k=1 1. Montrer que l’on peut définir une probabilité sur N∗ à l’aide de l’application P telle que : 1 . (Loi de Zipf de paramètre s) ∀n ∈ N∗ , P({n}) = ζ(s)ns +∞ +∞ X 1 1 X 1 P(N∗ ) = = = 1. ζ(s)ns ζ(s) ns n=1 ∗ n=1 2. Pour p ∈ N , exprimer simplement la probabilité de l’événement Ap = {n ∈ N∗ /p|n}. +∞ +∞ X X 1 1 ∗ ∗ P({p k}) = = s. Ap = {p k, k ∈ N } = pN , donc P(Ap ) = s ζ(s)(p k) p k=1 k=1 3. On note P l’ensemble des nombres premiers. Vérifier que la famille (Ap )p∈P est constituée d’événements mutuellement indépendants. Si p1 , · · · pn!sont des nombres premiers distincts, alors n n \ Y 1 Apk = P (Ap1 ···pn ) = = P(Apk ). P (p1 · · · pn )s k=1 k=1 4. En étudiant P({1}), établir : Y 1 −1 ζ(s) = 1− s p p∈P P({1}) = P \ p∈P Exos PT Ap = Y p∈P P Ap = Y p∈P 1 1 1 − s . Comme P({1}) = , on a le résultat. p ζ(s) - Sophie Touzet - Page 5 sur 5