MATHÉMATIQUES TD n°13 Des variables aléatoires discrètes. 1 Exercice 6 Soit X une variable de Poisson de paramètre λ > 0. Déter1 PSI-P2B miner E( X+1 ). Année 2016/17 Exercice 7 Soit X une variable géométrique de paramètre p ∈ ]0, 1[. Déterminer E( X1 ). Exercice 8 Soit X, Y deux variables aléatoires indépendantes géométriques de paramètres respectifs p et q. Calculer l’espérance de max(X, Y ). Exercices de base Exercice 1 On lance deux dés, un blanc et un rouge. On note X le Exercice 9 Soit X une variable aléatoire discrète et f une fonction, au nombre indiqué par le dé blanc, et Y le maximum des numéros indiqués moins définie sur l’ensemble des valeurs de X. À quelle condition sur la par les deux dés. fonction f , les variables aléatoire X et f (X) sont-elles indépendantes ? 1. Donner la loi du couple (X, Y ). 2. En déduire les lois de X et Y . 2 3. Les variables X et Y sont elles indépendantes ? Les grands classiques Exercice 10 Soit X, Y deux variables aléatoires indépendantes géoméExercice 2 Soit X une variable aléatoire suivant une loi uniforme triques de paramètres respectifs p et q. Calculer la probabilité pour que Ç å U (J1, N K) avec N ∈ N∗ . X 1 la matrice soit diagonalisable sur R. 1. Donner la fonction génératrice de X. 0 Y 2. En déduire l’espérance et la variance de X. Exercice 11 Soit (Xn )n∈N une suite de variables aléatoire discrètes sur Exercice 3 Soit X une variable aléatoire suivant une loi binomiale un espace probabilisable (Ω, T ) à valeurs dans un ensemble E et soit N 1 B(n, p). On pose Y = . une variable aléatoire sur ce même espace, mais à valeurs dans N. On X +1 définit la fonction Y : Ω → Epar 1. Donner la loi de Y . 2. Calculer son espérance. ∀ω ∈ Ω, Y (ω) = XN (ω) (ω). Exercice 4 Soit X, Y deux variables aléatoires indépendantes sur le Montrer que Y est une variable aléatoire discrète sur (Ω, T ). même espace probabilisé. On suppose que X suit P(λ) et que Y suit P(µ). Pour tout n ∈ N, déterminer la loi de X sachant X + Y = n. Exercice 12 Grâce aux fonctions génératrices, montrer qu’il est imposExercice 5 Soit X une variable de Poisson de paramètre λ > 0. Déter- sible de truquer deux dés (à six faces) pour que la somme d’un lancer de ces deux dés suivent une loi uniforme sur J1, 12K. miner la probabilité pour que X prenne des valeurs paires. 1 V. Rohart Exercice 13 (moindres carrés). Soit X, Y deux variables aléatoires discrètes réelles admettant un moment d’ordre 2. On suppose que V(X) > 0. Déterminer a, b ∈ R tels que la quantité E([Y −(aX +b)]2 ) soit minimale. Interpréter graphiquement. 2. Déterminer la loi de Xk+1 − Xk . 3. En déduire le nombre de galettes moyen permettant d’obtenir la collection complète des fèves. 3 Exercice 14 (taux de panne). Soit T une variable aléatoire définie sur un espace (Ω, T , P) à valeurs dans N, telle que Exercices plus techniques Exercice 17 (identité de Wald). Soit N, X1 , . . . , Xn , . . . des variables aléatoires mutuellement indépendantes à valeurs dans N. On suppose que X1 , . . . , Xn , . . . suivent toutes une même loi, dont la fonction génératrice Dans la pratique, T représente l’instant (en jours) où une machine va est G. On considère alors la somme aléatoire S = PN Xk . k=1 tomber en panne. On appelle taux de panne de T la suite (τn )n∈N définie 1. Justifier que S est une variable aléatoire discrète et que GS = GN ◦G par τn = P(T >n) (T = n). sur [−1, 1]. 1. Montrer que τn ∈ [0, 1[ pour tout n ∈ N. 2. On suppose que toutes les variables ont une espérance. Montrer que E(S) = E(N )E(X1 ). 2. Exprimer grâce à la suite τ la probabilité P(T > n) pour tout n ∈ N, P et en déduire que τn diverge. Exercice 18 Une urne contient quatre boules rapportant 0,1,1 ou 2 P 3. Réciproquement, soit (τn ) ∈ [0, 1[N telle que τn diverge. Montrer points.On y effectue n tirages avec remise et on note S le score final qu’il existe une variable aléatoire T dont le taux de panne est (τn ). obtenu. Déterminer la fonction génératrice de S et en déduire la loi de S. ∀n ∈ N, P(T > n) 6= 0. Exercice 15 Soit X1 , . . . , Xn (avec n ∈ N∗ ) des VARD sur un même Exercice 19 (∗) (fonction caractéristique d’une var à valeurs dans Z). espace probabilisé. On appelle matrice de variance-covariance la matrice Si X est une variable aléatoire à valeurs dans Z, on appelle fonction C = (Cov(Xi , Xj ))i,j ∈ Mn (R). caractéristique de X la fonction ϕX : R → C définie par 1. Soit X = a1 X1 + . . . + an Xn avec a1 , . . . , an ∈ R. Exprimer V(X) ∀t ∈ R ϕX (t) = E(eitX ). en fonction de la matrice C. 1. Montrer que ϕ est 2π-périodique et de classe C ∞ . 2. En déduire que les valeurs propres de C sont toutes positives ou 2. Calculer ϕX (0) et interpréter ϕ0X (0) et ϕ00X (0). nulles. 3. Si X et Y sont indépendantes, montrer que ϕX+Y = ϕX ϕY . R 2π 1 −iαt dt. Exercice 16 (le problème du collectionneur). Chez les surgelés Picard, 4. Montrer que pour tout α ∈ Z, P(X = α) = 2π 0 ϕX (t)e on peut acheter des galettes des rois et chacune contient une fève. Sur 5. En déduire que ϕX = ϕY =⇒ PX = PY (X et Y ont même loi). l’emballage on peut voir qu’il y a six fèves à collectionner en tout. Si k ∈ 6. Si X suit une loi B(n, p), déterminer ϕX . N∗ , on note Xk le nombre de galettes achetées ayant permis l’obtention 7. En déduire que si X B(n1 , p) et Y B(n2 , p) sont indépende k fèves différentes. dantes, alors X + Y B(n1 + n2 , p). 1. Que vaut X1 ? 2 V. Rohart