Semaines 19 et 20 Colle PC 2014-2015 Programme : • Variables aléatoires discrètes : Loi, Fonction de répartition, Espérance, Variance et écart-type, Théorème du transfert, Inégalités de Markov et Bienaymé Tchebichev ; • Lois usuelles : Uniforme, Bernoulli, Binomiale, Géométrique et de Poisson ; Dans ce qui suit, on adoptera la notation simplifiée p((X = k)) = p(X = k) où (X = k) est l’événement « la variable aléatoire X prend la valeur k (k ∈ R) » et p une loi de probabilité définie sur un univers Ω. EXERCICE 1 : Soit X une variable aléatoire à valeurs dans N telle qu’il existe a ∈ R et p ∈]0; 1[ vérifiant k p(X = k) = a n+k k p Calculer l’espérance et la variance de X. • • • Correction : On est en présence d’une loi de probabilité donc +∞ X k=0 +∞ X n+k k p(X = k) = 1 ⇔ a p = 1 (⋆). k k=0 +∞ X n+k k Dès lors qu’il est possible de calculer p , on peut en déduire la valeur de a. k k=0 Or, pour tout x ∈] − 1; 1[, +∞ X k=0 1 xk = (série géométrique) 1−x La dérivation terme à terme à l’intérieur de l’intervalle de convergence (séries entières) permet d’obtenir +∞ X 1 n+k k x = (1 − x)n+1 k , x ∈] − 1; 1[ k=0 En effet, on parvient à ce résultat par un raisonnement par récurrence : +∞ +∞ X 1 k k X k 1 • pour n = 0, x = x = ; = k 1−x (1 − x)0+1 k=0 k=0 +∞ X 1 n+k k , en dérivant les deux membres de l’égalité, on obtient x = • Si l’on suppose que (1 − x)n+1 k k=0 +∞ +∞ X X n+1 n+1 n + k k−1 n+s+1 s k , soit en décalant les indices : (s + 1) . x = x = (1 − x)n+2 (1 − x)n+2 k s + 1 s=0 k=1 (s + 1)(n + s + 1)! (n + s + 1)! n+s+1 s+1 n+s+1 = = = . Il ne reste plus qu’à exprimer n+1 (n + 1)(s + 1)!n! (s + 1)!n! s+1 s +∞ X n+1+k 1 , x ∈] − 1; 1[ On obtient bien xk = (1 − x)n+2 k k=0 En reportant dans la relation (⋆), on obtient a = (1 − p)n+1 . +∞ X n+1 n + k k−1 k Une dérivation supplémentaire permet d’obtenir : x = k (1 − x)n+2 k=1 +∞ X (n + 1)p n+k k (n + 1)p E(X) = a k p =a = k (1 − p)n+2 1−p k=0 Dans l’objectif d’utiliser la formule de Kœnig-Huygens pour calculer la variance V (X), il nous faut exprimer maintenant E(X 2 ). My Maths Space 1 sur 8 Semaines 19 et 20 Colle PC 2 E(X ) = a +∞ X k=0 n+k k p k k 2 +∞ X ! +∞ n+k k X n+k k = a k(k − 1) p + k p (chaque série converge) k k k2 =k(k−1)+k k=0 k=0 ! +∞ +∞ X n + k k−2 X n + k k 2 =a p k(k − 1) p + k p k k k=0 k=0 (n + 1)(n + 2) (n + 1)p + = ap2 (1 − p)n+3 1−p 2 p (n + 1)(n + 2) (n + 1)p = + (1 − p)2 1−p V (X) = E(X 2 ) − (E(X))2 = K−H 2014-2015 (encore une dérivation) p2 (n + 1) (n + 1)p (n + 1)p p2 (n + 1)(n + 2) (n + 1)p (n + 1)2 p2 + = + − = 2 2 (1 − p) 1−p (1 − p) (1 − p)2 1−p (1 − p)2 EXERCICE 2 : Soit X une aléatoire suivant une loi de Poisson de paramètre λ > 0. variable 1 . Calculer E X +1 • • • Correction : Une définition et un résultat pour commencer : Loi de Poisson : On dit qu’une variable aléatoire réelle discrète X suit une loi de Poisson de paramètre λ, où λ > 0, si X(Ω) = N et ∀k ∈ N, p(X = k) = λk −λ e . k! Alors E(X) = V (X) = λ. En utilisant le théorème du transfert, E(f (X)) = +∞ X f (k)p(X = k), on a : k=0 E 1 X +1 = +∞ X k=0 = e−λ = e +∞ X k=0 +∞ −λ X λ e 1 λk −λ e k + 1 k! k=0 λk (k + 1)! λk+1 (k + 1)! −λ (e−λ − 1) λ 1 1 − e−λ E = X +1 λ = EXERCICE 3 : On considère une expérience aléatoire ayant la probabilité p de réussir et 1−p d’échouer. On répète indépendamment jusqu’à obtention de m succés et on note X le nombre d’essais nécessaires à l’obtention de ces m succès. 1. Reconnaître la loi de X lorsque m = 1. My Maths Space 2 sur 8 Semaines 19 et 20 Colle PC 2014-2015 2. Déterminer la loi de X dans le cas général où m ∈ R∗ . (on utilisera une suite (Xn )n∈N∗ de variables de Bernoulli testant la réussite de chaque expérience) 3. Exprimer le développement en série entière de 1 (1 − t)m+1 4. Déterminer la focntion génératrice de X et en déduire l’espérance de X. • • • Correction : 1. Une définition pour commencer : Loi géométrique : Soit p ∈]0; 1[. On dit qu’une variable aléatoire réelle discrète X suit une loi géométrique de paramètre p à valeurs dans N∗ (temps d’attente du premier succès) si X(Ω) = N∗ et ∀k ∈ N∗ , p(X = k) = pq k−1 , avec q = 1 − p. X suit donc une loi géométrique de paramètre p. 2. Soit (Xn )n∈N∗ de variables de Bernoulli testant la réussite de chaque expérience. Pour tout n ∈ N∗ , l’événement (X = n) (« n expériences sont nécesaires pour obtenir m succès ») est égal à (X1 + X2 + . . . + Xn−1 = m − 1) ∩ (Xn = 1) Comme il y a indépendance des expériences, on a p(X = n) = p(X1 + X2 + . . . + Xn−1 = m − 1)p(Xn = 1) (⋆). Par définition de Xk , 1 6 k 6 n − 1, on peut affirmer que X1 + X2 + . . . + Xn−1 suit une loi binomiale de paramètres n − 1 et p : n − 1 m−1 n−1 m (⋆) ⇒ p(X = n) = p (1 − p)n−m × p = p (1 − p)n−m m−1 m−1 (écriture correcte si n < m : coefficient binomial nul) 3. Pour tout t ∈] − 1; 1[, +∞ X n+m−1 n 1 t (voir Ex 1) = m−1 (1 − t)m n=0 4. Par définition de la fonction génératrice +∞ X n−1 m p (1 − p)n−m tn m − 1 n=0 n=0 Comme les premiers termes (n < m) sont nuls, +∞ X n−1 m GX (t) = p (1 − p)n−m tn m − 1 n=m On pose s = n − m, la somme devient +∞ X s+m−1 m p (1 − p)s tm+s GX (t) = m − 1 s=0 +∞ X (pt)m s+m−1 (pt)m ((1 − p)t)s = GX (t) = Q.3 (1 − (1 − p)t)m m−1 s=0 GX (t) = +∞ X p(X = n)tn = On déduit de ce qui précède que E(X) = G′X (1) = (en effet, G′X (t) = m p mpm tm−1 (1 − (1 − p)t)m + pm tm m(1 − p)(1 − (1 − p)t)m−1 = . . . puis t = 1) (1 − (1 − p)t)2m EXERCICE 4 : Dans une urne, contenant une infinité de boules numérotées sur Z, un joueur prélève une boule, de façon que la 1 . probabilité que la boule numérotée i soit prélevée est 2.3|i| My Maths Space 3 sur 8 Semaines 19 et 20 Colle PC 2014-2015 1. Prouver que la valeur de la probabilité est raisonnable. 2. Soit X la variable aléatoire telle que X(Ω) = Z et, p([X = k]) = 1 , pour tout k ∈ Z. 2.3|k| (a) Calculer E(X) après avoir justifié son existence. (b) Calculer V (X) après avoir justifié son existence. 3. On pose Y = 2X . Prouver que Y admet une espérance et la calculer. • • • Correction : 1. ∀i ∈ Z, 1 1 1 > 0. On a = donc, 2.3|i| 2.3|−i| 2.3|i| +∞ X 1 X X 1 1 1 1 1 1 − = − = − =1 = 2 i 0 i |i| 2.3 2.3 3 2 1 − 1/3 2 2.3 i=0 i∈Z i∈N La loi de X est bien une loi de probabilité. i 2. (a) La série de terme général .3i est convergente donc X admet une espérance. 2 +∞ +∞ +∞ i=−1 X X X X i X i i −k i + = + =0 E(X) = = −i i k |i| 2.3 2.3 2.3 2.3i 2.3 i=0 i=0 i=−∞ k=1 i∈Z (b) Formule de Kœnig-Huygens : Soit X une variable aléatoire réelle discrète. La variable X admet une variance si, et seulement si, X admet un moment d’ordre 2 et en cas d’existence, on a : V (X) = E(X 2 ) − (E(X))2 k2 . L’existence de E(X 2 ) est liée à la convergence de la série de terme général 2.3k k−2 k2 k(k − 1) 1 k(k − 1) 1 On a qui est le terme général de la dérivée seconde ∼ et = k(k − 1) 2.3k +∞ 2.3k 2.3k 18 3 1 d’une série géométrique de raison . X possède donc un moment d’ordre 2. 3 k +∞ 2 k +∞ X X k 1 1 E(X 2 ) = 2 k2 = 2 3 3 k=1 k=1 k 1 converge, on peut écrire Comme la série de terme général k(k − 1) 3 k X +∞ +∞ k X 1 1 2 E(X ) = k(k − 1) + k 3 3 k=1 k=1 k−1 +∞ +∞ k−2 1X 1X 1 1 + (Séries ”dérivées”) = k(k − 1) k 9 3 3 3 k=1 k=1 2 1 1 1 3 = + = 3 2 9 (1 − 1/3) 3 (1 − 1/3) 2 3 Comme E(X) = 0, on en déduit V (X) = K−H 2 X X 1 1 et , x ∈] − 1; 1[, on en déduit que kxk−1 = En effet, de xk = 1−x (1 − x)2 k>0 n>0 X 2 k(k − 1)xk−2 = (dérivation terme à terme des séries entières à l’interieur de l’intervalle de (1 − x)3 k>0 convergence) 3. On pose Y = 2X . Pour appliquer le théorème du transfert, on est amené à se poser la question de la convergence k k 2−k 2 1 2 1 1 1 2k et ; elles convergent absolument car = = et des séries de termes généraux 2.3k 2 3 2.3k 2 6 3 6 appartientennent à l’intervalle ] − 1; 1[. Y admet une espérance et l’on a My Maths Space 4 sur 8 Semaines 19 et 20 Colle PC E(Y ) = 2014-2015 k X k +∞ +∞ X 1 1 1 2 + 2 3 2 6 k=1 k=0 On procède à un changement d’indice dans la première somme : s = k − 1 +∞ s +∞ k 1X 2 1 1 1X 1 1 1 8 E(Y ) = + = + = 3 s=0 3 2 6 3 1 − 2/3 2 1 − 1/6 5 k=0 EXERCICE 5 : Soit n un entier supérieur ou égal à 2. Une urne contient une boule noire et (n − 1) boules blanches. On vide l’urne de la manière suivante : les tirages d’ordre impair s’effectuent sans remise et les tirages d’ordre pair s’effectuent avec remise de la boule tirée. 1. Quel est le nombre total N de tirages effectués lors de cette épreuve. 2. On désihne par Xk la variable aléatoire qui vaut 1 si la boule noire est tirée au k−ième tirage et 0 sinon et par X la variable aléatoire égale au nombre d’apparitions de la boule noire lors de cette épreuve. (a) Déterminer la loi de Xk pour tout k ∈ [[1, 2n − 1]] (distinguer selon la parité de k). (b) En déduire l’espérance de X. 3. On note Y la variable aléatoire égale au rang où la boule noire est tirée pour la première fois. (a) Déterminer la loi de Y et son espérance. (b) Exprimer l’événement (X = 1) en fonction des événements (Y = 2j − 1) (j ∈ [[1, n]]). En déduire la valeur de p(X = 1). 4. Calculer p(X = n). • • • Correction : 1. On s’intéresse au nombre de boules présentes dans l’urne après chaque tirage n − 1, n − 1, n − 2, n − 2, . . . , . . . , 1, 1, 0 Il est donc nécessaire d’effectuer N = 2(n − 1) + 1 = 2n − 1 tirages pour vider l’urne. 2. (a) Déterminer la loi de Xk c’est déterminer p(Xk = 1) (donc p(Xk = 0) puisque Xk ne prend que deux valeurs) pour tout k ∈ [[1, 2n − 1]]. Il est préconisé de distinguer les calculs selon la parité de k. • soit j entier compris entre 1 et n − 1. Il n’y a pas de remise lors des tirages impairs donc on peut écrire (X2j = 1) = (X1 = 0) ∩ (X3 = 0) ∩ . . . ∩ (X2j−1 = 0) ∩ (X2j = 1) et par la formule des probabilités composées p(X2j = 1) = p(X1 = 0)p(X3 = 0/X1 = 0) × . . . × p(X2j−1 = 0/(X1 = 0) ∩ . . . ∩(X2j−3 = 0))p(X2j = 1/(X1 = 0) ∩ . . . ∩ (X2j−1 = 0) Or après 2s − 1 tirages (s entre 1 et n), il reste n − s boules dans l’urne, on peut donc, compte-tenu de la formule précédente, exprimer p(X2j = 1) 1 n−j 1 n−1n−2 × ...× = p(X2j = 1) = n n n−j +1n−j n • De même, pour 0 6 j 6 n − 1, (X2j+1 = 1) = (X1 = 0) ∩ (X3 = 0) ∩ . . . ∩ (X2j−1 = 0) ∩ (X2j+1 = 1) et toujours par la formule des probabilités composées p(X2j+1 = 1) = p(X1 = 0)p(X3 = 0/X1 = 0) × . . . × p(X2j−1 = 0/(X1 = 0) ∩ . . . 1 ∩(X2j−3 = 0))p(X2j+1 = 1/(X1 = 0) ∩ . . . ∩ (X2j−1 = 0) = p(X2j = 1) = n en effet, le contenu de l’urne ne varie pas entre le tirage 2j et le tirage 2j + 1 puisqu’il y a remise après le 2j−ème tirage. My Maths Space 5 sur 8 Semaines 19 et 20 Colle PC Ainsi, pour tout k ∈ [[1, 2n − 1]], Xk suit une loi de Bernoulli de paramètre (b) On a X = 2n−1 X 2014-2015 1 1 et donc E(Xk ) = n n Xk et par linéarité de l’espérance, on obtient k=1 E(X) = 2n−1 X E(Xk ) = k=1 2n − 1 1 × (2n − 1) = n n 3. On a Y (Ω) ⊂ [[1, 2n − 1]]. (a) On a (Y = 2n− 1) :« la boule noire est sortie pour la première fois au dernier tirage ». Or le tirage précédent étant d’ordre pair, il y a eu remise et comme il ne reste qu’une boule dans l’urne, c’est la même boule au tirage 2n − 2 et 2n − 1. Ainsi p(Y = 2n − 1) = 0. Pour 1 6 j 6 2n − 1, (Y = k) = (X1 = 0) ∩ (X2 = 0) ∩ . . . ∩ (Xk−1 = 0) ∩ (Xk = 1) Par la formule des probabilités composées, on obtient, toujours en distinguant le cas k impair et k pair, pour 1 6 j 6 n − 1 n−1n−2n−2 1 n−j P (Y = 2j − 1) = ... n n−1n−1 n−j +1n−j +1 n−j (n − 1)(n − 2)2 . . . (n − j) = = n(n − 1)2 . . . (n − j + 1) n(n − 1) n−j 1 n−j n−1n−2n−2 ... P (Y = 2j) = n n−1n−1 n−j +1n−j +1n−j n−j (n − 1)(n − 2)2 . . . (n − j)2 = = 2 2 n(n − 1) . . . (n − j + 1) (n − j) n(n − 1) On peut donc calculer l’espérance 2n−2 n−1 X X (2j − 1)P (Y = 2j − 1) + (2j)P (Y = 2j) kp(Y = k) = E(Y ) = k=1 = n−1 X (4j − 1) j=1 =− j=1 n−j n(n − 1) n−1 n−1 n−1 X 4 4n + 1 X 1 X j2 + j− 1 n(n − 1) j=1 n(n − 1) j=1 n − 1 j=1 4(n − 1)n(2n − 1) (4n + 1)n(n − 1) n − 1 + − 6n(n − 1) 2n(n − 1) n−1 4n + 1 = 6 (b) Si l’on tire la boule noire lors d’un tirage de rang pair, on la tirera une autre fois (on vide l’urne et on remet n−1 la boule tirée lors des tirages de rang pair). Ainsi l’événement (X = 1) = ∪j=1 (Y = 2j − 1). Comme les événements sont deux à deux incompatibles n−1 n−1 X X 1 1 p(Y = 2j − 1) = p(X = 1) = n−j = n(n − 1) 2 j=1 j=1 =− 4. (X = n) :« La boule noire est tirée lors des tirages pairs, remise, non tirée au tirage suivant et choisie au dernier ». On a donc (X = n) = (X1 = 0) ∩ (X2 = 1) ∩ . . . ∩ (X2n−2 = 1) ∩ (X2n−1 = 1) et toujours avec la formule des probabilités composées, n−1 1 n−2n−2 1 1 p(X = n) = . . . 1.1 = n n−1n−1n−1n−2 n! EXERCICE 6 : Le nombre de visiteurs quotidiens d’un parc d’attractions suit une loi de Poisson de paramètre 10000. Ce parc a dix portes d’entrées E1 , E2 , . . . , E10 qui sont choisies par le visiteur de manière équiprobable. My Maths Space 6 sur 8 Semaines 19 et 20 Colle PC 2014-2015 1. Déterminer le nombre moyen de visiteurs en une journée. 2. Quelle est la probabilité qu’un visiteur donné se présente à l’entrée E1 ? 3. On désigne par X1 le nombre de visiteurs entrant par E1 en une journée donnée. Trouver la loi de X1 , calculer son espérance et sa variance. 4. Sachant qu’un visiteur sur dix se débrouille pour entrer sans payer, calculer le nombre de visiteurs payant et entrant par E1 . • • • Correction : 1. Si l’on note X le nombre de visiteurs quotidiens du parc, X suit une loi de Poisson de paramètre 10000 ; X admet donc une espérance et E(X) = 10000. 1 . 2. Comme les dix entrées sont équiprobables, la probabilité qu’un visiteur rentre par l’entrée E1 est 10 3. (X = n)n∈N forme un système complet d’événements. En utilisant la formule des probabilités totales, p(X1 = k) = +∞ X p(X1 = k/X = n)p(X = n) (⋆) n=0 De plus pour k > n + 1, p(X1 = k/X = n) = 0, en effet il ne peut rentrer par la porte E1 plus de visiteurs qui sont entrés dans le parc un jour donné. Pour k 6 n, la variable aléatoire X1 suit une loi binomiale de paramètre 1 et n, 10 n−k n 1 9 p(X1 = k/X = n) = k k 10 10 En reportant dans l’égalité (⋆), n−k −10000 +∞ X e 10000n 9 n 1 k 10 n! k 10 n=k +∞ n−k 9 10000k 10000n−k e−10000 X n! = 10k k!(n − k)! 10 n! p(X1 = k) = n=k = = e −10000 k! e −10000 k! +∞ 103k X 10 n=k +∞ 3k X n−k 1 9.103 (n − k)! n 1 9.103 n! n=0 e−10000 103k 9000 = e k! (décalage indice) +∞ n X x = ex n! n=0 ! e−1000 103k k! Ainsi X1 suit une loi de Poisson de paramètre 103 . Ainsi X1 admet une espérance et une variance E(X1 ) = V (X1 ) = 103 . 9X1 et E(Y1 ) = 900. 4. Si l’on note Y1 le nombre de visiteurs entrant par E1 en payant. On a Y1 = 10 p(X1 = k) = EXERCICE 7 : On lance un dé équilibré. On répète n fois l’opération, les lancers successifs étant supposés indépendants. Soit X la variable aléatoire donnant le premier « instant » d’apparition d’un 6, en convenant que X = 0 si 6 n’apparaît pas. Déterminer l’espérance de X. Quelle est sa limite lorsque n tend vers +∞ ? • • • 1 Correction : Comme le dé est équilibré, on a bien évidemment p(6) = . Soit k ∈ N∗ , on peut raisonnablement 6 écrire, compte-tenu de l’indépendance des lancers, que My Maths Space 7 sur 8 Semaines 19 et 20 Colle PC p(X = k) = 2014-2015 k−1 5 1 1 × (X suit une loi géométrique de paramètre ) 6 6 6 L’expression de l’espérance est E(X) = n X k=0 k× 1 6 k−1 k−1 n 5 1X 5 = k 6 6 6 On est alors amené à chercher l’expression plus générale de k=1 n X kxk−1 . k=1 Si l’on pose f (x) = n X xk (x 6= 1) alors, compte-tenu des propriétés de la dérivation, on a kxk−1 = f ′ (x). k=1 k=0 xn+1 − 1 . f est dérivable pour tout x 6= 1 et Or pour tout x 6= 1, f (x) = x−1 f ′ (x) = L’on peut donc écrire que : n X n X k=1 (n + 1)xn (x − 1) − (xn+1 − 1 nxn (x − 1) − xn + 1 = (x − 1)2 (x − 1)2 kxk−1 = nxn (x − 1) − xn + 1 (x − 1)2 n n 5 5 1 − 61 n( 56 )n − ( 56 )n + 1 − 6 +6 × = −n 2 1 6 6 6 6 n n 5 5 Or n −→ 0, −→ 0 donc E(X) −→ 6 n→+∞ n→+∞ n→+∞ 6 6 De là, on obtient E(X) = My Maths Space 8 sur 8