Espérance, variance, séries génératrices TD PC Chapitre 17 I. 2016-2017 Applications directes du cours Exercice 1 PP (Xn )n∈N∗ une suite de variable aléatoires indépendantes de b(p) pour p ∈]0, 1[. ∗ Pour k ∈ N xé, On note (Ek ) l'évènement le premier Exercice 3 P Soit Déterminer la fonction de répartition et la série génératrice d'une loi variable succès lors de tirages successifs indépendants à pile ou face avec p est obtenu au k\ -ième lancer. [ (Ek ) à l'aide des symboles , et des évènements ∗ {Xi = 1} et {Xi = 0} pour i ∈ N . probabilité de succès X suivant la loi de Poisson Exercice 4 On note S P(λ). P la somme de deux dés équilibrés. Ecrire 1. Déterminer la loi de Exercice 2 P X ,→ P(λ), pour λ > 0 xé. Déterminer la loi de 2X , son espérance S. 2. Déterminer l'espérance de S. 3. Déterminer la variance de S. Soit II. A savoir rédiger Exercice 5 Soit et sa variance. a > 0. valeurs dans PP CCP PSI 2015 2. On considère une variable aléatoire discrète N∗ X à admet-elle une espérance ? Une variance ? 3. Déterminer la série génératrice. telle que : ∀n ∈ N∗ , P[X = n] = X Exercice 6 a n(n + 1) X Soit . PP une variable aléatoire discrète, valeurs dans N. E[X 2 ] existe, alors E[X] aussi, et que X Justier que si 1. Déterminer la valeur de III. a. admet une variance. Exercices Exercice 7 PP X une variable aléatoire suivant une mètre λ > 0. Calculer 1 E X +1 Soit Exercice 10 loi de Poisson de para- PPP X ,→ P(λ), pour λ > 0. Montrer Z 1 +∞ −x n P[X ≤ n] = e x dx n! λ Soit Exercice 11 que, pour tout n ∈ N, approximation binomiale-Poisson PP Des machines fabriquent des plaques de tôle destinées à être em- Exercice 8 pilées ; on estime à P X suivant V(X). A partir la fonction génératrice d'une variable Poisson P(λ), Exercice 9 déterminer E(X), E(X 2 ), et la loi de PP n boules blanches et n boules rouges. On tire n boules dans celle-ci et on note X le nombre de Une urne contient simultanément boules rouges obtenues lors de ce tirage. Quelle est la loi de X, son espérance, sa variance ? de 1 à n la proportion de plaques inutilisables. n, numérotées en les prenant au hasard. 1. Pour toire n = 2000, quelle est la loi suivie par la variable aléaN nombre de plaques inutilisables parmi les 2000 ? (on utilisera une loi de probabilité adaptée) ; 2. Quelle est la probabilité pour que rieure à N soit strictement infé- 3? 3. quelle est la probabilité pour que à TD ch.17 Espérance, variance, séries génératrices 0.1% L'utilisation de ces plaques consiste à en empiler N soit inférieure ou égale 3? 1/2 Espérance, variance, séries génératrices Maths PC M. Roger IV. Pour aller plus loin Exercice 12 Exercice 16 PPP Modèle d’assurance PP Casino On suppose qu'à la roulette d'un Casino, on obtient la couleur Des sinistres surviennent sur une année avec une probabilité p ∈]0, 1[. Chaque sinistre à un coût xe de C pour l'assureur. Chaque client paye une prime annuelle d'assurance 1. Pourquoi peut-on modéliser par une famille N b(p) variables aléatoires de loi les N π. (Xi )1≤i≤N S de clients d'un assu- le solde annuel des sinistres pour l'assureur ? 4. Donner une valeur de π S? Soit X - s'il gagne, il arrête de jouer et empoche le double de sa mise. - s'il perd, il double sa mise et rejoue. a) On suppose la fortune du joueur innie. Montrer que le jeu s'arrête avec une probabilité égale à 1 (i.e. Que se passe-t-il si au lieu de doubler, il décide de tripler sa mise lorsqu'il rejoue ? c) Le joueur n'est en fait pas si fortuné qu'il le prétend : il ne 99%. possède que PP n 2n − 1 euros ce qui l'autorise à ne pouvoir jouer que parties. Que devient son espérance de gain ? une variable aléatoire suivant une loi géométrique de pa- ramètre p ∈ ]0, 1[. Exercice 17 a) Calculer E[X(X − 1) . . . (X − r + 1)] b) Retrouver ce résultat par les séries génératrices. Exercice 14 Soit - il mise initialement 1 euro sur la couleur noire ; b) On suppose toujours la fortune du joueur innie. la prime annuelle d'un assuré pour que l'assureur soit rentable une année avec une probabilité Exercice 13 X et Y deux (Ω, P ). variables aléatoires réelles sur l'espace proba- Montrer que : |Cov(X, Y )| 6 Exercice 15 PP On s'intéresse aux nombres de clients arrivant à l'un des deux guichets (A et B) d'une banque. Pour cela modélisons le problème de la manière suivante : Le nombre de client quittant la le d'at- X , est modélisé par une loi de Poisson P (λ). Le choix A par le i ème client est modélisé par une loi Bernoulli b(p). Ainsi Yi vaut 1 avec probabilité p si le ième client choisit bien le guichet A et 0 avec probabilité 1 − p sinon. On supposera de plus que toutes les variables (Xi , Yi ) sont indépendantes. X X Yk . Posons de plus S = tente, noté PP bilisé p V(X)V(Y ) de guichet k=1 PP Sondage 1. Que représente Une population de personnes présente une propriété donnée avec une proportion inconnue 2. Que vaut p ∈ ]0, 1[. n personnes et l'on pose Xi = 1 si le i-ème individu présente la propriété étudiée, 0 sinon. On considère que les variables aléatoires Xi ainsi dénies sont indépendantes et suivent toute une loi de Bernoulli de paramètre p. a) Quelle est la loi suivie par ε > 0. Sn /n. Etablir Sn 1 P − p > ε 6 n 4nε2 ε = 0, 05, quelle valeur de n choisir pour que Sn /n soit de p à ε près avec une probabilité supérieure à 95 % ? d) Pour voisin 4. En déduire S suit une loi de Poisson. P{Y =k} ({X = n}) Exercice 18 PPP estimateurs statistiques X1 , . . . , Xn des variables mutuellement indépendantes 2 suivant une même loi d'espérance m et de variance σ . n n 2 1 X 1X On pose X̄n = Xi et V̄n = Xi − X̄n n i=1 n − 1 i=1 Soient Sn = X1 + · · · + Xn ? b) Déterminer espérance et variance de S? P{X=n} ({Y = k}) ? 3. Montrer que On choisit un échantillon de c) Soit la couleur rouge sinon (bref, on presque sûrement). Déterminer l'espérance de gain du joueur. 3. Quelle est la variance de supérieure à 1/2, ne suppose pas de 0 vert. . . ). Un joueur fortuné joue selon le protocole suivant : reur ? 2. Quelle est l'espérance de noire avec la probabilité TD ch.17 Espérance, variance, séries génératrices a) Calculer espérance et variance de b) Calculer l'espérance de Exercice 19 Soit X X̄n . V̄n . PP une variable aléatoire discrète, valeurs dans Supposons que E[X 2 ] existe, a-t-on E[X] R. existe ? 2/2