P.C. Feuille d’exercices 14 2017 VARIABLES ALÉATOIRES À VALEURS DANS N Exercice 1 ♥ Retrouver la formule de la variance à partir d’une série génératrice Retrouver l’expression de V (X) dans le cas où RX , rayon de convergence de GX , est strictement supérieur à 1. Exercice 2 ♥ Somme de deux variables aléatoires indépendantes suivant des lois binomiales 1. Écrire la série génératrice d’une variable aléatoire X ֒→ B(m, p). 2. Si Y ֒→ B(n, p) et si X et Y sont indépendantes, déterminer la série génératrice de leur somme et retrouver que X + Y ֒→ B(m + n, p). Exercice 3 Série génératrice d’une variable aléatoire dont on connaît la loi de probabilité Soit x un réel strictement positif et X une variable aléatoire discrète à valeurs dans N dont la loi de probabilité est définie par : ∀ n ∈ N , P (X = n) = 1 x2n . ch x (2n)! 1. Calculer sa série génératrice GX à l’aide de fonctions usuelles. 2. En déduire son espérance et sa variance. Exercice 4 Série génératrice d’une variable aléatoire Soit X une variable aléatoire à valeurs dans N . On pose pn = P (X = n), rn = P (X > n) et on note G la série génératrice de X. X 1. Quelle relation a-t-on entre la série pn et la suite (rn )n∈N ? X 2. On considère la série entière rn tn . Montrer que son rayon de convergence est supérieur ou égal à 1. +∞ X 1 − G(t) 3. Pour |t| < 1, on pose : H(t) = rn tn . Montrer que H(t) = . 1−t n=0 Exercice 5 Détermination de la loi suivie par une VAD X k xk−q converge et On admet, dans cet exercice, que : ∀ q ∈ N∗ , q k≥q +∞ X k k−q 1 . ∀ x ∈ ]−1, 1[, x = (1 − x)q+1 q k=q Soit p ∈ ]0, 1[ et r ∈ N∗ . On dépose une bactérie dans une enceinte fermée à l’instant t = 0 (le temps est en secondes). On envoie un rayon laser par seconde dans cette enceinte. Le premier rayon laser est envoyé à l’instant t = 1. La bactérie a la probabilité p d’être touché par le rayon laser. Les tirs de laser sont indépendants. La bactérie ne meurt que lorsqu’elle a été touchée r fois par le rayon laser. Soit X la variable aléatoire égale à la durée de vie en secondes de la bactérie. 1 1. Déterminer la loi de X. 2. Prouver que X admet une espérance et la calculer. Exercice 6 ♥ Un couple de variables aléatoires indÃľpendantes suivant la même loi géométrique Soit X et Y deux variables aléatoires indépendantes suivant la même loi géométrique sur N ∗ de paramètre p ∈]0, 1[. n désigne un entier strictement positif ; d’autre part, on pose Z = min(X, Y ) et q = 1 − p. 1. Calculer P (X ≥ n). 2. Calculer P (Z ≥ n), puis P (Z = n). En déduire quelle loi suit la variable aléatoire Z. 3. Les variables X et Z sont-elles indépendantes ? Exercice 7 ♥ Un couple de variables aléatoires indépendantes suivant la même loi géométrique (again) Soit X et Y deux variables aléatoires indépendantes suivant une même loi géométrique G (p). On note Z = max(X, Y ). Déterminer la loi de Z et calculer son espérance. Exercice 8 ♥ Loi de Poisson et formule du transfert Soit X une variable aléatoire qui suit une loi de Poisson de paramètre λ > 0. 1 Calculer l’espérance de Y = . 1+X Exercice 9 ♥ Loi de Poisson et couple de variables aléatoires On suppose que le nombre N d’enfants d’une famille suit une loi de Poisson de paramètre λ > 0. À chaque naissance, on suppose que la probabilité que l’enfant soit une fille est p ∈]0, 1[ et celle que ce soit un garçon est q = 1 − p. On suppose aussi que les sexes des naissances successives sont indépendants. On note X la variable aléatoire correspondant au nombre de filles par famille et Y celle du nombre de garçons. 1. Déterminer la loi conjointe du couple (N, X). 2. Quelle est la loi de X, de Y ? Exercice 10 ♥ Couple de variables aléatoires suivant des lois de Poisson et séries génératrices On considère deux variables aléatoires indépendantes suivant chacune une loi de Poisson de paramètres respectifs λ et µ. 1. Montrer directement que Z = X + Y suit une loi de Poisson dont on précisera le paramètre. 2. Retrouver le résultat grâce aux séries génératrices. Exercice 11 Couple de variables aléatoires à valeurs dans N 2 Soit a ∈ ]0, +∞[. Soit (X, Y ) un couple de variables aléatoires à valeurs dans N2 dont la loi est donnée par : j+k 1 (j + k) 2 ∀(j, k) ∈ N2 , P (X = j, Y = k) = . e j! k! 1. Déterminer les lois marginales de X et de Y . Les variables X et Y sont-elles indépendantes ? X+Y 2. Prouver que E 2 existe et la calculer. Exercice 12 ♥ Inégalités de Markov et de Bienaymé-Tchebychev Soit n un entier naturel supérieur ou égal 5 et X une variable aléatoire à valeurs dans N ∗ 1 suivant la loi géométrique de paramètre . 4 2 Majorer P (X ≥ n) à l’aide de l’inégalité de Markov, puis à l’aide de l’inégalité de Bienaymé X 5 Tchebychev et, enfin, en appliquant l’inégalité de Markov à la variable aléatoire discrète . 4 Commenter. Exercice 13 Inégalités de Markov et de Bienaymé-Tchebychev (bis) 1 . Soit n un entier naturel non nul et X une variable aléatoire suivant la loi géomètrique G n 1 1. Montrer que P (X ≥ n2 ) 6 . n 1 1 2. Montrer que P (|X − n| ≥ n) 6 1 − . En déduire que P (X ≥ 2n) 6 1 − . n n Exercice 14 Une utilisation des inégalités classiques Soit X1 , X2 , . . . , X8 , 8 variables aléatoires de Poisson indépendantes de moyenne 2. 1. Utilisez l’inégalité de Markov pour obtenir une borne pour : P (X1 + X2 + · · · + X8 ≥ 32) 2. Qu’obtient-on comme borne en utilisant l’inégalité de Bienaymé-Tchebychev ? Exercice 15 ♥ Approximation d’une loi binomiale par une loi de Poisson Soit une variable aléatoire X ֒→ B(300, 0, 01). Est-il légitime de l’approcher par une loi de Poisson ? Quel est alors le paramètre de cette loi ? Donner une approximation de P (X ≥ 3). 3