GCE3-GE3, Probabilités Exercice 1 2012 TD 2 Donner la fonction de répartition, la densité, l'espérance et la variance des va- riables aléatoires suivantes. 1. On lance deux dés équilibrés. La variable X représente la diérence (en valeur absolue) des deux faces. n 2. On lance une pièce pipée 3. Gains à la roulette : soit fois. La variable a ∈ {0, . . . , 36}. X représente le nombre de piles obtenus. On dénit X(a) = 35 et X(i) = −1 si i 6= a. a et b entre 0 et 1 selon la loi uniforme. aléatoire X1 est le maximum de ces deux valeurs. X2 vaut 2 si a > b, 0 si a = b et −1 si a < b. X3 vaut b si a < 12 et vaut a sinon. 4. On tire deux nombres La variable La variable La variable 5. On tire un nombre x > 1, Exercice 2 et vaut 0 x selon la loi exponentielle de paramètre λ. La variable X vaut x si sinon. On donne ci-dessous des fonctions de densité et de répartition. Tracer pour chacune l'allure de la fonction de répartition (respectivement de densité) correspondante et évaluer grossièrement son espérance et son écart-type. Exercice 3 La probabilité qu'un réacteur d'avion tombe en panne est égale à p. On considère qu'un avion peut encore voler si la moitié de ces réacteurs fonctionne. Vaut-il mieux voler en bimoteur ou en quadrimoteur ? Exercice 4 de densité Soit fX X une variable aléatoire représentée ci-contre. 1. Tracer la fonction de répartition de 2. Donner X. E[X]. Y la 0 Y = 1 Soit variable aléatoire dénie par si si X<0 X>0 3. Quelle est la loi de Y ? 4. Quelle est la loi de (X|Y Exercice 5 = 1) ? X et Y deux variables indépendantes suivant des lois dénies par f et g . On dénit la variable Z = X + Y . Montrer que la loi de Z donnée par la fonction de densité f ∗ g . Vérier ce résultat pour X ∼ U[a, b] et Y ∼ U[c, d]. Soient fonctions de densité Exercice 6 Soit Soient U = min(X, Y ). X et Y deux variables indépendantes de lois géométriques Déterminer la loi de G(p) et des est G(q). U. Deux composants électroniques ont des probabilités p et q de tomber en panne durant une journée. On les monte en série dans un circuit. Quelle est la probabilité que le courant soit coupé ? Quel est le rapport avec la question précédente ? Refaire l'exercice en prenant des lois exponentielles de paramètres λ et µ. Comparer les résultats avec ceux obtenus ci-dessus. Exercice 7 On note on note On lance une pièce équilibrée jusqu'à ce qu'on obtienne la séquence Pile-Face. X la variable aléatoire correspondant au nombre de lancers qui ont été nécessaires. Et Y la variable aléatoire donnant le nombre de lancers qui ont permis d'obtenir le tout premier Pile. 1. Quelle est la loi de 2. Soit n > k > 0. Y ? Montrer que 3. En déduire l'expression de 4. Déterminer la loi de X, P(X = n|Y = k) = 1 . 2n−k P(X = n ∩ Y = k). i.e. la valeur de P(X = n) pour tout entier n. 5. Aurait-on obtenu la même loi si on avait cherché à obtenir la séquence Pile-Pile ? Exercice 8 Modélisation d'une le d'attente : on s'intéresse au nombre de clients dans un magasin. Pour un temps entre les instants 0 et t. t > 0, on note Xt loi de Poisson de paramètre Soit T le nombre de clients qui sont entrés dans le magazin Xt est une variable k λt : ∀k ∈ N, P(Xt = k) = e−λt (λt) . k! On suppose que la variable aléatoire suivant une l'instant où entre le premier client. On souhaite décrire la loi de cette variable aléatoire. 1. Soit t1 < t2 . 2. Soit t > 0. Les variables Xt1 Justier le fait que et Xt2 sont-elles indépendantes ? P(T1 > t) = P(Xt = 0). 3. En déduire la fonction de répartition de la variable 4. Soit 0 < t0 < t. T. Donner également sa densité. Calculer la probabilité qu'un client arrive avant l'instant t0 . n'y a encore personne à l'instant 5. Le modèle proposé vous semble-t-il réaliste ? t sachant qu'il