Corrigé D+ 3 ESSEC 1998 par Pierre Veuillez Partie II Par convention, on pose N0 = 1: 1. Loi de la variable aléatoire N1 : a) Quand D = n; il y a n intervalles pendants lesquels des clients peuvent venir avant que le second client ne soit servi : [0; 1[; [1; 2[; : : : ; [n 1; n[ N1 est alors le nombre de clients arrivés pendant n intervalles de temps, avec pour chaque intervalle une probabilité p d’y arriver et ceci indépendamment. Donc N1 =D = n ,! B (n; p) Donc P(N1 = k=D = n) = Cnk pk (1 p)n k si k n et 0 si k > n N.B. si D = 0 comme la durée de service est nulle, la vague est vide et p (N1 = 0=D = 0) = 1 (la formule précédente reste vraie) b) Comme (D = n)n2N est un système complet d’événements, P (N1 = k) = +1 X P (N1 = k=D = n) P (D = n) n=0 M X P (N1 = k=D = n) P (D = n) = n=0 = M X n=k M X P (N1 = k=D = n) P (D = n) + p)n Cnk pk (1 k = p (1 = pk (1 pk (1 k ! Donc pour tout entier n; P (N1 = k) = paramètre p et donc d’espérance p 0 n=0 n e n! k n=k = k 1 X p (1 ( p)k e k! p) k p) k! k p) k! k p) k e e e M X n=k M X n! k! (n n=k M Xk m=0 ((1 k! k!) n! 1 (n ((1 k!) 1 ((1 m! p) )k e (1 p)n n p) )n p) )m+k (1 p) e ( p)k e = k! p p et donc N1 suit une loi de Poisson de 2. Probabilité pour que la …le d’attente au guichet s’achève. Dans toute la suite du problème, on convient de poser pk = P(Nk = 0): a) Si “la …le d’attente au guichet s’achève au bout d’un temps …ni” il y a un dernier client servi. Celui-ci faisait partie d’une vague k: Puisque c’est le dernier servi, personne n’est arrivé pendant le service de cette vague et Nk = 0 Et réciproquement si pour une valeur de k; on a Nk = 0 alors la …le d’attente est vide au dernier client de cette vague. Donc “la …le d’attente au guichet s’achève au bout d’un temps …ni” est ”il y a au moins un k pour lequel Nk = 0 ” autrement dit ”la réunion des événements ”Nk = 0”, pour k 1: Corrigé D+ 3 ESSEC 1998 Page 1/ 4 La suite d’événements (Nk = 0)k 1 est croissante signi…e que si (Nk = 0) on a alors (Nk+1 = 0) Or si (Nk = 0) alors, la vague k + 1 est vide et il n’y a pas d’intervalle de temps pour que d’autres clients arrivent. donc (Nk+1 = 0) (et pour tout n k on aura aussi (Nn = 0) ) Cette suite d’événements est donc bien croissante. Donc comme la suite - (Nk = 0) (Nk+1 = 0) et p (Nk = 0) p (Nk+1 = 0) donc la suite (pk )k 1 est croissante et comme L 1 S elle est majorée par 1 elle est convergente vers une limite S - Comme nk=0 (Nk = 0) = (N = n) que A =”la …le s’achève”= +1 (N k = 0) ; alors k=0 !! n [ p (A) = lim P (Nk = 0) = lim P (Nn = 0) = L n!+1 n!+1 k=0 b) Quand (N1 = 1) ; on se retrouve après la première vague, dans les mêmes conditions qu’au début de l’expérience : avec une seule personne dans la …le d’attente, mais avec un décalage de 1 dans l’ordre des vagues. Donc P (Nk+1 = 0=N1 = 1) = P (Nk = 0) Quand N1 = j; on considère séparément les clients arrivant pendant le service de chacun de ces j 1 clients. On a donc des parties de vagues qui reconstituent la même situation qu’initialement. La …le sera épuisée à la k + 1eme vague si chacune des parties de vagues issues de chacun de ces j clients sont épuisées au k ieme temps. (ce qui arrive avec la probabilité P (Nk = 0) pour chacun de ces j clients) Les parties de vagues étant indépendantes les unes des autres, on aura P (Nk+1 = 0=N1 = j) = (P (Nk = 0))j Le résultat est encore vrai pour j = 0: Donc pour tout entier j: c) On utilise alors la formule des probabilités totales avec comme système complet d’événements : (N1 = j)j2N et on a : pk+1 = P (Nk+1 = 0) +1 X = P(Nk+1 = 0=N1 = j)P (N1 = j) j=0 +1 X ( p)j e = (P (Nk = 0)) j! j=0 = e = e p j +1 X ( ppk )j =e j! j=0 p e p ppk p(pk 1) On a d’autre part p0 = p (N0 = 0) = 0 puisque la vague initiale comprend un client (N0 = 1 par convention ). La suite (pk )k2N véri…e donc la relation de la partie I avec a = p La probabilité que la …le d’attente s’achève (qui est la limite de P (Nk = 0) = pk ) est donc L ( p) Donc – si p 1 alors la probabilité que la …le s’achève est de 1 on est donc ”presque sûr”que la …le s’achèvera Corrigé D+ 3 ESSEC 1998 Page 2/ 4 – si p > 1 alors la probabilité est L ( p) < 1 et la probabilité qu’elle s’éternise est non nulle ... p 1 2 4 8 0,5 1 2 4 d) Pour = 0; 5; la probabilité d’arrêt est L ( p) : p L ( p) 1 1 0,20 0,02 p 1 2 4 8 0,25 0,5 1 2 Pour = 0; 25; la probabilité d’arrêt est L ( p) : p L ( p) 1 1 1 0,20 d’après les valeurs approchées données au I. 3. Calcul de l’espérance E(Nk ) de la variable aléatoire Nk : a) On suppose l’événement Nk = i réalisé. – Pour i = 0; on a P (Nk+1 = 0=Nk = 0) = 1 et pour tout j 6= 0 on a P (Nk+1 = j=Nk = 0) = 0 donc E (Nk+1 =Nk = 0) = 0:1 + 0 = 0 – Pour i > 0 si Nk = i; le nombre de personnes arrivées dans la vagues k + 1 est la somme des personnes arrivées pendant le service de chacun de ces i clients. Or le nombre de personne arrivées pendant le service d’un client suit une loi de Poisson de paramètre p: Donc si Nk = i, Nk+1 est la somme de i lois de Poisson indépendantes (puisque les arrivées sont indépendantes) de paramètre p Donc Nk+1 =Nk = j ,! P (i p) Finalement E(Nk+1 =Nk = i) est l’espérance de cette loi de Poisson donc : E(Nk+1 =Nk = i) = i p (la somme de la série dé…nissant cette espérance conditionnelle est celle qui dé…nit l’espérance d’une loi de Poisson) – Donc pour tout i 2 N on a E(Nk+1 =Nk = i) = i p P b) Si on suppose que E(Nk ) existe alors elle est la limite de M j=0 iP (Nk = i) : quand M tend vers l’in…ni. Or pour tout entier i; on vient de voir que E(Nk+1 =Nk = i) E(Nk+1 =Nk = i) = i p donc i = p Donc M M X X E(Nk+1 =Nk = i) P (Nk = i) iP (Nk = i) = p j=0 j=0 1 X E (Nk+1 =Nk = i) P (Nk = i) p j=0 M = 1 X E (Nk+1 =Nk = i) P (Nk = i) p j=0 +1 ! Donc 1 X P (Nk = i):E(Nk+1 =Nk = i): p i=0 +1 E(Nk ) = on développe l’écriture de E (Nk+1 =Nk = i) : E(Nk ) = +1 +1 X 1 X P (Nk = i) jP(Nk+1 = j=Nk = i) p i=0 j=0 1 X X j P (Nk = i)P(Nk+1 = j=Nk = i) p j=0 i=0 +1 = Corrigé D+ 3 +1 ESSEC 1998 Page 3/ 4 puisque l’on peut inverser les sommes. On reconnaît alors la formule des probabilités totales avec le système complet d’événements : (Nk = i)i2N +1 1 X E(Nk ) = jP (Nk+1 = j) p j=0 Donc si Nk a une espérance alors Nk+1 en a une également et E (Nk+1 ) = pE (Nk ) c) Comme N0 = 1; alors N0 a une espérance et elle vaut 1. Donc par récurrence pour tout entier k; Nk a une espérance. Cette espérance est une suite géométrique de raison p: Donc pour tout entier k : E (Nk ) = ( p)k d) Le nombre total Tn de clients jusqu’à la nieme vague incluse est la somme des nombres de clients de chacune des vagues. P Donc Tn = nk=0 Nk et Tn a une espérance et E (Tn ) = n X E (Nk ) = k=0 = ( p)k k=0 n+1 ( p) p 1 1 si p 6= 1 et E (Tn ) = n + 1 si p = 1 e) Pour ( 1 n X ) p < 1 on a ( p)n+1 ! 0 et E (Tn ) ! 1 quand n ! +1 1 p La discussion aurait été utile, s’il y avait eu un point avant le ”pour p < 1 ”... Interprétation : – Cette limite est le nombre moyen de personnes arrivées durant l’ensemble du service (sans limitation de nombre de vague) jusqu’à ce que la queue soit terminée. – plus p (nombre moyen d’arrivant pendant le service d’une personne) est proche de 1, plus il faut servir de personnes avant que la queue s’achève. – : temps de service moyen, p : probabilité d’arrivée. Plus la fréquence d’arrivée est grande, plus il faut que le temps de service soit court pour que la queue se résorbe. Corrigé D+ 3 ESSEC 1998 Page 4/ 4