CHAPITRE 17 Espaces probabilisés Exercice 17.1 : Tirages simultanés dans une urne multicolore Une urne contient 18 boules indiscernables au toucher dont • 10 boules noires numérotées de 1 à 10, • 5 boules blanches numérotées de 1 à 5, • 3 boules rouges numérotées de 1 à 3. On tire simultanément 4 boules dans l’urne. 1. Quel est le nombre de tirages possibles ? 2. Quelle est la probabilité de tirer au moins une boule noire ? 3. Quelle est la probabilité de tirer autant de boules blanches que de rouges ? 4. a. Avec quelle probabilité le tirage amène-t-il les trois couleurs ? b. Avec quelle probabilité le tirage amène-t-il exactement deux couleurs ? 5. Quelle est la probabilité de tirer exactement une boule noire ou exactement deux boules numérotées 1 ? 1. Le tirage est simultané donc il s’agit de 4-combinaisons. Puisqu’on tire simultanément les boules, le résultat d’un tirage s’apparente à un sous! " 18 ensemble de 4 boules de l’ensemble des 18 boules. Il y a donc = 3060 tirages 4 équiprobables possibles. Ainsi, si Ω est l’ensemble des tirages possibles (l’univers de l’expérience aléatoire), nous avons Card(Ω) = 3060. 2. La formulation “au moins une” fait dire qu’il est plus facile de considérer l’événement contraire. Soit A l’événement “obtenir au moins une boule noire” dont on cherche la probabilité. On a P(A) = 1 − P(A) où A est l’événement “n’obtenir aucune boule noire”. Le résultat d’un tirage sans boule noire s’apparente!à " un sous-ensemble de 4 boules de 8 l’ensemble des 8 boules non noires. Il existe donc = 70 tels tirages équiprobables, 4 7 7 299 70 autrement dit P(A) = = . Ainsi, P(A) = 1 − = . 3060 306 306 306 318 Chapitre 17 Espaces probabilisés 3. L’événement à étudier n’est pas vraiment élémentaire puisqu’on ne sait pas exactement la composition en couleurs du tirage. On va l’écrire comme réunion disjointe d’événements plus élémentaires donnant l’effectif précis de chaque couleur présente dans le tirage. Soit B l’événement “obtenir autant de boules blanches que de rouges”. On veut calculer P(B). Un tirage comporte autant de boules blanches que de boules rouges si et seulement si on est dans un des trois cas exclusifs suivants : • on ne tire aucune boule blanche et aucune boule rouge (on note B0 cet événement), • on tire exactement une boule blanche et une boule rouge (on note B1 cet événement), • on tire exactement deux boules blanches et deux boules rouges (on note B2 cet événement). Ainsi, B = B0 ∪ B1 ∪ B2 et la réunion est disjointe donc, par additivité de P, P(B) = P(B0 ) + P(B1 ) + P(B2 ) avec ! " 10 4 210 7 P(B0 ) = = = 3060 3060 102 (tirages sans boule blanche ni rouge et donc quatre noires) ! " 5 1 ! " ! " 3 10 × 1 2 5 × 3 × 45 15 = = P(B1 ) = 3060 3060 68 (tirages avec exactement une blanche, une rouge et donc deux noires) × ! " 5 2 × ! " 3 2 10 × 3 1 = = 3060 3060 102 (tirages avec deux blanches, deux rouges et donc pas de noire). 15 1 61 7 + + = . D’où, P(B) = 102 68 102 204 P(B2 ) = 4.a. On utilise la même technique de décomposition qu’à la question précédente. Soit C l’événement “obtenir les trois couleurs”. Comme au 3, on partitionne C en événements plus simples : C = C1 ∪ C2 ∪ C3 où • C1 est l’événement : “obtenir deux boules noires, une boule blanche, et une boule rouge”, • C2 est l’événement : “obtenir une boule noire, deux boules blanches, et une boule rouge”, • C3 est l’événement : “obtenir une boule noire, une boule blanche, et deux boules rouges”. Les évènements C1 , C2 et C3 sont deux à deux incompatibles donc la réunion d’événements C1 ∪ C2 ∪ C3 est disjointe et Card(C) = Card(C1 ) + Card(C2 ) + Card(C3 ) avec Card(C1 ) = ! " 10 2 × ! " 5 1 × ! " 3 1 = 675, Exercice 17.1 Tirages simultanés dans une urne multicolore Card(C2 ) = et Card(C3 ) = ! " 10 1 × ! " 10 1 × ! " 5 2 × ! " 5 1 × ! " 3 1 = 300 ! " 3 2 = 150. D’où, Card(C) = 675 + 300 + 150 = 1125 puis P(C) = 319 Card(C) 1125 25 = = . Card(Ω) 3060 68 4.b. Pour les tirages bicolores, le nombre de cas exclusifs possibles est plus important donc on va tenter de passer à l’événement contraire pour limiter les calculs. Soit D l’événement : “obtenir exactement deux couleurs”. On cherche P(D). Les tirages avec exactement deux couleurs sont les tirages qui ne sont ni tricolores, ni unicolores ; on a ainsi Card(D) = Card(Ω) − Card(D) où D est l’événement “obtenir un tirage tricolore ou unicolore”. Les tirages unicolores sont faciles à dénombrer (il n’y a que deux couleurs exclusives possibles puisque les trois boules rouges ne peuvent former un tirage à elles seules) et les tricolores viennent de l’être. Le nombre de tirages! tricolores " ! est " 1125 (déjà calculé plus haut) et le nombre de 10 5 tirages unicolores est + = 210 + 5 = 215. Puisqu’un tirage ne peut être 4 4 à la fois tricolore et unicolore, on a donc Card(D) = 1125 + 215 = 1340 et ainsi 86 1720 = . Card(D) = 3060 − 1340 = 1720, puis P(D) = 3060 153 Retenir les deux techniques suivantes de dénombrement/probabilités : • le passage à l’événement contraire plus simple à étudier (questions 2 et 4.b), • le “découpage” d’un événement en sous-événements incompatibles plus faciles à étudier (questions 3 et 4.a). 5. L’événement s’exprime naturellement comme une union d’événements mais ces derniers ne sont pas incompatibles. Soit A l’événement “obtenir exactement une boule noire” et B l’événement “obtenir exactement deux boules numérotées 1”. On cherche à calculer P(A ∪ B). On sait que, d’après la formule de la probabilité d’une union, P(A ∪ B) = P(A) + P(B) − P(A ∩ B). L’intersection A ∩ B n’est pas vraiment élémentaire puisqu’on ignore si la boule noire est celle numérotée 1 donc on la décompose elle aussi. 320 Chapitre 17 Espaces probabilisés Ici, Card(A) Card(B) = = ! " 10 1 ! " 3 2 × × ! " 8 3 = 10 × 56 = 560 15 2 = 3 × 105 = 315 ! " et A ∩ B qui est encore un peu compliqué se décompose à l’aide de l’événement N : “tirer la boule noire numéro 1”. On a alors, d’après la formule des probabilités totales appliquée avec le système complet d’événements (N, N ), P(A ∩ B) = P(A ∩ B ∩ N ) + P(A ∩ B ∩ N ) # ! " ! " ! " ! " ! "$ ! "−1 2 6 2 9 6 15 = 1× × + × × 1 2 2 1 1 4 84 7 30 + 54 = = . = 3060 3060 255 On conclut que la probabilité de tirer exactement une boule noire ou exactement deux boules numérotées 1 est égale à 560 315 84 791 P(A ∪ B) = + − = . 3060 3060 3060 3060 Exercice 17.2 : Fiabilité d’un test de diagnostic rapide Un laboratoire a conçu un test de diagnostic rapide pour une maladie féline. Toutefois ce test peut s’avérer positif pour un animal sain et négatif pour un animal malade. 1. L’évaluation de la fiabilité du test est faite par le laboratoire lui-même qui a rempli le tableau d’effectifs suivant à partir d’un échantillon “représentatif” d’une population de chats. effectifs malades sains test positif 80 900 test négatif 20 9000 Calculer (pour cet échantillon) : • la valeur prédictive positive V P P i.e. la probabilité qu’un animal (choisi au hasard) soit vraiment malade sachant qu’il a été déclaré positif au test ; • la valeur prédictive négative V P N i.e. la probabilité qu’un animal soit sain sachant qu’il a été déclaré négatif ; • la sensibilité Se i.e. la probabilité qu’un animal soit déclaré positif sachant qu’il est malade ; • la spécificité Sp i.e. la probabilité qu’un animal soit déclaré négatif sachant qu’il est sain. Exercice 17.2 Fiabilité d’un test de diagnostic rapide 321 Exercice 17.2 (suite) : 2. Suite à de nombreuses améliorations significatives, le test a été commercialisé auprès des vétérinaires avec les informations suivantes Se! = 90% et Sp! = 95% (considérées alors comme valables pour l’ensemble de la population féline). Le vétérinaire sait aussi que la prévalence de la maladie † (la probabilité qu’un animal soit malade) est de 0, 01% et la prévalence des positifs ‡ (la probabilité que le test d’un animal soit positif) est, elle, de 0, 02%. a. Que doit-il répondre à une personne qui consulte pour son animal déclaré positif au test quant à ses chances d’être malade i.e. la V P P ? b. L’animal du client suivant est déclaré négatif, quelles sont ses chances de ne pas être malade i.e. la V P N ? 1. Il suffit de choisir des notations pour les événements “élémentaires” qui peuvent survenir. On note M l’événement “l’animal est malade” et P “le test de l’animal est positif” de sorte que P(M ∩ P ) Card(M ∩ P ) 4 80 % &= V P P = P(M |P ) = = = . P(P ) 80 + 900 49 Card(M ∩ P ) + Card M ∩ P De même, V PN = Se = Sp = % ' & P M 'P = % % & Card M ∩ P & % Card M ∩ P + Card M ∩ P 80 P(P |M ) = = 80% 80 + 20 % ' & 9000 10 = % 90, 91%. P P 'M = 9000 + 900 11 &= 450 9000 = 9000 + 20 451 2.a. Les données de l’énoncé correspondent à la dimension clinique du test i.e. au point de vue du vétérinaire qui veut éviter de ne pas détecter un malade (grande sensibilité) et d’effrayer inutilement un maître (grande spécificité). Les probabilités demandées sont plus proches des préoccupations du client qui est plus centré sur son cas personnel : le résultat du test connu, peut-il le prendre pour argent comptant ? Ce renversement de point de vue fait penser qu’il faut utiliser la formule de Bayes. Avec les notations de la question précédente, V P P = P(M |P ). On note aussi les deux prévalences de l’énoncé P rev = 0, 01% = P(M ) et P rev+ = 0, 02% = P(P ). P(P |M )P(M ) Or, d’après la formule de Bayes, P(M |P ) = donc P(P ) 0, 01 90 × Se" × P rev 100 = 45 = 9 = 45%. V PP = = 100 0, 02 P rev+ 100 20 100 †. On parle parfois de prévalence réelle. ‡. On parle parfois de prévalence apparente. 322 Chapitre 17 Espaces probabilisés 2.b. Même stratégie, en ayant recours aux événements contraires dès que nécessaire. De même, toujours par la formule de Bayes, V PN % & % 99, 99 95 & % & × Sp" × (1 − P rev) 100 100 % & = = 99, 98 P P |M P M = P M |P = = 19 9999 × % 95, 01%. 20 9998 P P 1 − P rev+ 100 Exercice 17.3 : Plusieurs chances de gagner ? On dispose de n (n ! 4) sacs indiscernables S1 , . . . , Sn . Pour chaque k entre 1 et n, le sac Sk contient n + 1 jetons indiscernables dont k sont gagnants et les autres perdants. 1. Le joueur choisit un sac au hasard et y pioche un unique jeton. a. Quelle est la probabilité que le jeton soit gagnant ? b. Sachant que le joueur a pioché un jeton gagnant, quelle est la probabilité qu’il ait choisi le sac Sk ? 2. En cas d’échec avec le premier jeton, on offre au joueur d’autres chances de gagner : il peut piocher à plusieurs reprises un nouveau jeton dans le même sac sans y remettre ceux déjà piochés. Quelle est la probabilité d’avoir dû piocher n ( n2 (n + 1)2 )? exactement trois jetons pour gagner (on rappelle que k3 = 4 k=1 1.a. On commence par introduire des notations avec l’éventail des choix de sac possibles et on “conditionne” alors l’événement qui nous intéresse par rapport à ce premier choix chronologique : c’est la formule des probabilités totales. On note Sk l’événement “la pioche a eu lieu dans le sac Sk ” et G “le jeton pioché est gagnant”. D’après la formule des probabilités totales appliquée avec le système complet d’événements que constituent les Sk pour 1 " k " n, on a P(G) = n ( P(G|Sk )P(Sk ). k=1 1 Or les sacs sont indiscernables donc les Sk sont équiprobables et P(Sk ) = pour n 1 " k " n. Par ailleurs, compte tenu de l’équiprobabilité des jetons et de la proportion k . D’où, de jetons gagnants dans Sk , on a P(G|Sk ) = n+1 P(G) = n ( k=1 n ( 1 1 k 1 k= . = n+1n n(n + 1) 2 k=1 Exercice 17.3 Plusieurs chances de gagner ? 323 1.b. On cherche la probabilité d’un événement dont le résultat est chronologiquement connu avant la condition, on pense donc naturellement à la formule de Bayes. La probabilité recherchée est P(Sk |G) qui vaut, d’après la formule de Bayes, 1 k × P(G|Sk )P(Sk ) 2k n + 1 n P(Sk |G) = = = . 1 P(G) n(n + 1) 2 2. Il faut désormais enchaîner plusieurs pioches pour gagner en trois coups donc, à défaut d’indépendance (la composition du sac change au fur et à mesure), on va invoquer la formule de conditionnement successif. En fait, la composition du sac dès la première pioche dépend du sac choisi donc il faut tout conditionner à ce choix de premier sac et commencer par utiliser la formule des probabilités totales. On note désormais, pour 1 " i " 3, Ji l’événement “le i-ième jeton pioché est gagnant”. La probabilité demandée est celle de J1 ∩ J2 ∩ J3 . Seuls les sacs contenant au moins deux jetons perdants peuvent nécessiter trois pioches, donc d’après la formule des probabilités totales % P J1 ∩ J2 ∩ J3 & = n−1 ( k=1 = % P(Sk )PSk J1 ∩ J2 ∩ J3 n−1 % & 1( PSk J1 ∩ J2 ∩ J3 . n & k=1 En outre, d’après la formule des probabilités composées, % & % ' & % & % ' & PSk J1 ∩ J2 ∩ J3 = PSk J1 PSk J2 'J1 PSk J3 'J1 ∩ J2 . Or, en tenant compte de la composition du sac Sk notamment après plusieurs pioches infructueuses, % & n+1−k & % ' & n−k % ' k PSk J1 = , PSk J2 'J1 = , PSk J3 'J1 ∩ J2 = n+1 n n−1 donc % P J1 ∩ J2 ∩ J3 & = n−1 1 ( n+1−k n−k k × × n n+1 n n−1 k=1 = n−1 ( 1 k(n − k)(n + 1 − k). n2 (n2 − 1) k=1 Or, par linéarité de la somme et en remarquant que le terme d’indice k = n est nul, n−1 ( k=1 k(n − k)(n + 1 − k) = n(n + 1) n ( k=1 = = = k − (2n + 1) n ( k=1 k2 + n ( k3 k=1 n2 (n + 1)2 n(n + 1)(2n + 1)2 n2 (n + 1)2 − + 2 6 4 n(n + 1)[6n(n + 1) − 2(2n + 1)2 + 3n(n + 1)] 12 (n − 1)n(n + 1)(n + 2) n(n + 1)(n2 + n − 2) = 12 12 324 Chapitre 17 Espaces probabilisés d’où, finalement, la probabilité demandée vaut n+2 . 12n Exercice 17.4 : Plan et sens unique Un plan de ville a la configuration d’un damier à 4 cases. Les rues sont en sens unique (de haut en bas et de gauche à droite). Chaque rue a une probabilité p d’être fermée pour travaux, indépendamment des autres rues. On cherche la probabilité ρ de pouvoir traverser la ville de A à C. A −→ ↓ L −→ ↓ D I −→ B ↓ ↓ O −→ ↓ −→ K J ↓ −→ C 1. Calculer la probabilité pAO qu’il existe un chemin libre de A au centre-ville O. 2. a. Déterminer la probabilité p!AC qu’il existe un chemin de A à C, ne passant pas par O. b. Déterminer la probabilité p!!AC qu’il existe un chemin de A à C, passant par le centre. 3. Quelle est la probabilité πADC que le chemin ADC soit libre et qu’il existe un chemin libre de A à C passant par O ? 4. Conclure quant à la valeur de ρ. On introduit comme événements élémentaires la liberté de chacune des rues et on exprime les événements dont la probabilité est demandée à partir des premiers. 1. Ici, il s’agit une union d’intersections mais pas d’incompatibilité. Il y a exactement deux chemins reliant A à O : celui passant par I et celui passant par L. On note AI l’événement “il existe un chemin libre reliant A à I” et ainsi de suite pour tout couple origine/destination de sorte que pAO = P((AI ∩ IO) ∪ (AL ∩ LO)). D’après la formule de la probabilité d’une union, P((AI ∩ IO) ∪ (AL ∩ LO)) = P(AI ∩ IO) + P(AL ∩ LO) − P(AI ∩ IO ∩ AL ∩ LO) et, comme les rues sont libres indépendamment les unes et des autres et ce avec probabilité p, on conclut que pAO = (1 − p)2 + (1 − p)2 − (1 − p)4 = (1 − p)2 [2 − (1 − p)2 ] = (1 − p)2 (1 + 2p − p2). 2.a. Idem avec des intersections plus conséquentes. Exercice 17.4 Plan et sens unique 325 Avec le même raisonnement qu’à la question précédente, p"AC = = = P((AI ∩ IB ∩ BJ ∩ JC) ∪ (AL ∩ LD ∩ DK ∩ KC)) P(AI ∩ IB ∩ BJ ∩ JC) + P(AL ∩ LD ∩ DK ∩ KC) −P(AI ∩ IB ∩ BJ ∩ JC ∩ AL ∩ LD ∩ DK ∩ KC) (1 − p)4 + (1 − p)4 − (1 − p)8 . Finalement, p"AC = (1 − p)4 [2 − (1 − p)4 ]. 2.b. Là, c’est une intersection avec indépendance. Avec les notations précédentes, p""AC = P(AO ∩ OC). Les rues permettant de relier A à O et O à C ne sont pas les mêmes donc AO est indépendant de OC et, par suite, p""AC = P(AO)P(OC). La partie du schéma allant de A à O (probabilités de fermeture des rues comprises) est exactement la même que celle allant de O à C de sorte que P(OC) = P(AO) = pAO . Finalement, p""AC = (1 − p)4 [2 − (1 − p)2 ]2 . 3. Même stratégie avec une intersection d’unions et un peu d’indépendance. En énumérant toutes les possibilités, on a : πADC = P(AL ∩ LD ∩ DK ∩ KC ∩ [(AI ∩ IO) ∪ LO] ∩ [OK ∪ (OJ ∩ JC)]). Par indépendance des fermetures des rues, πADC = P(AL)P(LD)P(DK)P(KC)P((AI ∩ IO) ∪ LO)P(OK ∪ (OJ ∩ JC)). Par ailleurs, par la formule de la probabilité d’une union, P((AI ∩ IO) ∪ LO) = = = = P(AI ∩ IO) + P(LO) − P(AI ∩ IO ∩ LO) (1 − p)2 + (1 − p) − (1 − p)3 (1 − p)[(1 − p) + 1 − (1 − p)2 ] (1 − p)(1 + p − p2 ). Comme il en va de même pour P(OK ∪ (OJ ∩ JC)), on conclut que πADC = (1 − p)4 [(1 − p)(1 + p − p2 )]2 = (1 − p)6 (1 + p − p2 )2 . 4. Il faut faire la synthèse de tous les résultats obtenus et voir que presque tous les cas ont été traités. D’après la formule de la probabilité d’une union, ρ = = = = = Or P(AOC ∪ ADC ∪ ABC) P(AOC) + P(ADC ∪ ABC) − P(AOC ∩ (ADC ∪ ABC)) p""AC + p"AC − P((AOC ∩ ADC) ∪ (AOC ∩ ABC)) p""AC + p"AC − P(AOC ∩ ADC) − P(AOC ∩ ABC) + P(AOC ∩ ADC ∩ ABC) p""AC + p"AC − πADC − πADC + P(AOC ∩ ADC ∩ ABC). AOC∩ADC∩ABC = AL∩LD∩DK∩KC∩AI∩IB∩BJ∩JC∩(IO∪LO)∩(OK∪OJ) donc P(AOC ∩ ADC ∩ ABC) = (1 − p)8 [2(1 − p) − (1 − p)2 ]2 = (1 − p)10 (1 + p)2 . 326 Chapitre 17 Espaces probabilisés Finalement, en posant q = 1 − p, ρ = = = = q 4 [2 − q 2 ]2 + q 4 [2 − q 4 ] − 2q 6 [1 + 1 − q − (1 − q)2 ]2 + q 10 (1 + 1 − q)2 q 4 [(4 − 4q 2 + q 4 ) + (2 − q 4 ) − 2q 2 (1 + q − q 2 )2 + q 6 (2 − q)2 ] q 4 [6 − 4q 2 − 2q 2 (1 + 2q − q 2 − 2q 3 + q 4 ) + q 6 (4 − 4q + q 2 )] q 4 (6 − 6q 2 − 4q 3 + 2q 4 + 4q 5 + 2q 6 − 4q 7 + q 8 ). Exercice 17.5 : Chaînes de Markov I Un mobile se déplace de sommet en sommet sur une pyramide égyptienne le long de ses arêtes (on notera Q, T , R et U dans cet ordre les sommets situés sur la base et S celui situé au faîte de la pyramide). On supposera les déplacements successifs indépendants et qu’au départ d’un sommet toutes les arêtes sont équiprobables. On note • Bn l’événement “au temps n, le mobile est sur la base de la pyramide”, • Qn l’événement “au temps n, le mobile est au point Q” et on définit de même Rn , Sn , Tn et Un pour les quatre autres sommets. & 1 & % % 1. a. Justifier que P Bn+1 |Bn = et déterminer P Bn+1 |Bn . 3 1 b. Montrer que : ∀ n ∈ N, P(Bn+1 ) = 1 − P(Bn ). 3 c. Exprimer, pour n ∈ N, P(Bn ) en fonction de n et P(B0 ). En déduire que la suite (P(Bn )) converge et préciser sa limite. 2. On pose 1 −1 1 1 P = 1 1 −1 −1 0 0 pour n ∈ N. 0 0 0 0 0 −3 1 1 1 4 4 1 1 1 , A = 12 4 4 0 1 1 0 −1 1 4 4 0 0 3 4 3 4 0 4 3 0 3 0 4 P(Qn ) P(Rn ) 4 4 , Zn = P(Sn ) P(Tn ) 0 0 P(Un ) a. Montrer que, pour tout n ∈ N, Zn+1 = AZn . b. Montrer que P est inversible et déterminer son inverse. c. Calculer D = P AP −1 . d. Montrer par récurrence que : ∀ n ∈ N, Zn = P −1 Dn P Z0 . e. On suppose désormais que P(Q0 ) = 1. Montrer que la suite (P(Qn )) converge et préciser sa limite. Exercice 17.5 Chaînes de Markov I 327 1.a. On visualise le mouvement du mobile à partir de l’un des sommets : partant du faîte de la pyramide, il y a quatre arêtes possibles à emprunter alors que, partant d’un sommet de la base, il n’y en a que trois. Sachant que le mobile est situé sur la base à l’instant n, indépendamment du sommet précis dont il part (disons Q pour fixer les idées), il peut effectuer trois mouvements équiprobables dont un seul le conduit au sommet à l’instant n + 1 (les deux autres le % & 1 conduisent en T et en U ) donc P Bn+1 |Bn = . Partant du sommet, il ne peut pas 3% & y rester donc il va nécessairement sur la base et P Bn+1 |Bn = 1. 1.b. On vient d’obtenir des probabilités conditionnelles reliant les deux événements (ou leurs contraires) dont on veut relier les probabilités. On pense donc naturellement à la formule des probabilités totales. Soit n ∈ N. D’après la formule des probabilités totales appliquée avec le système complet d’événements (Bn , Bn ), P(Bn+1 ) = = % & % P(Bn+1 |Bn )P(Bn ) + P Bn+1 |Bn P Bn / % &0 % & & 1 − P Bn+1 |Bn P(Bn ) + P Bn+1 |Bn [1 − P(Bn )] 2 1 1 1 P(Bn ) + 1 − P(Bn ) = 1 − P(Bn ). = 1− 3 3 1 En conclusion, pour tout n ∈ N, P(Bn+1 ) = 1 − P(Bn ). 3 1.c. On reconnaît une suite usuelle de type arithmético-géométrique. D’après la relation de récurrence de la question précédente (P(Bn )) est une suite 1 3 est l’unique réel vérifiant ω = 1 − ω donc, par 4 3 soustraction avec la relation de récurrence vérifiée par (P(Bn )), la suite de terme 1 général P(Bn ) − ω est géométrique de raison − . En particulier, pour tout n ∈ N, 3 1 1 2n 1 1 2n 1 2 3 3 P(Bn )−ω = − (P(B0 )−ω) autrement dit P(Bn ) = + − P(B0 ) − . 4 3 4 1 3 2n 3 1 = 0, on en déduit que la suite (P(Bn )) converge vers . Comme lim − n→+∞ 3 4 arithmético-géométrique. ω = 2.a. On doit relier l’instant n+1 à l’instant n, on pense naturellement à la formule des probabilités totales et on reprend l’étude de la toute première question en différenciant aussi les sommets de la base. La rédaction ci-dessous permet d’éviter de prendre des précautions en cas de conditionnement par un événement impossible. Soit n ∈ N. Pour arriver en Q à l’instant n + 1, les seules possibilités sont de venir de S, T ou U . Le sommet S possède quatre destinations équiprobables (dont Q) 1 donc P(Qn+1 |Sn ) = . Les sommets T et U ne possède que trois destinations donc 4 1 P(Qn+1 |Tn ) = P(Qn+1 |Un ) = . Ainsi, par additivité de la loi P, 3 P(Qn+1 ) = P(Qn+1 ∩ Sn ) + P(Qn+1 ∩ Tn ) + P(Qn+1 ∩ Un ) = = P(Qn+1 |Sn )P(Sn ) + P(Qn+1 |Tn )P(Tn ) + P(Qn+1 |Un )P(Un ) 1 1 1 P(Sn ) + P(Tn ) + P(Un ). 4 3 3 328 Chapitre 17 Espaces probabilisés Par symétrie des rôles des trois autres sommets de la base, on a de même 1 1 1 P(Rn+1 ) = P(Sn ) + P(Tn ) + P(Un ) 4 3 3 1 1 1 P(Sn ) + P(Qn ) + P(Rn ) P(Tn+1 ) = 4 3 3 1 1 1 P(Un+1 ) = P(Sn ) + P(Qn ) + P(Rn ). 4 3 3 1 Enfin, pour arriver en S, on vient de la base et ce avec probabilité par sommet de 3 la base donc 1 1 1 1 P(Sn+1 ) = P(Qn ) + P(Rn ) + P(Tn ) + P(Un ). 3 3 3 3 Matriciellement, on obtient bien Zn+1 = AZn . 2.b. On résout (astucieusement ou non) un système générique associé x − y = a x−y = a x + y − 3z + t + w = b −4z = b − c L2 ←L2 −L3 ⇐⇒ x+y+z+t+w = c x+y+z+t+w = c L4 ←L4 +L3 −x − y + t + w = d z + 2t + 2w = c + d −t + w = e −t + w = e x−y = a −4z = b − c L3 ←L3 +L1 ⇐⇒ 2x + z + t + w = a + c L4 ←L4 +2L5 z + 4w = c + d + 2e −t + w = e −8a+b+3c−4d y = −a + x = 16 −b+c z = 4 a+c−z−t−w ⇐⇒ = 8a+b+3c−4d x = 2 16 c+d+2e−z b+3c+4d+8e w = = 4 16 t = −e + w = b+3c+4d−8e 16 le “candidat inverse” de P ainsi obtenu au brouillon peut ensuite être “parachuté” dans la rédaction. Par produit matriciel, 8 1 3 −8 1 3 1 0 −4 4 16 0 1 3 0 1 3 −4 −4 0 4 4 0 16 0 1 0 0 P = 16 0 −8 0 8 0 0 0 0 0 16 0 0 0 16 0 0 0 16 0 0 0 0 0 0 = I5 . 16 Exercice 17.5 Chaînes de Markov I 8 −8 1 −1 Ainsi P est inversible d’inverse P = 0 16 0 1 3 −4 1 3 −4 −4 4 0 1 3 4 1 3 4 0 0 D = 1 1 −1 P AP = 1 −1 0 0 1 −3 1 1 1 1 −1 0 1 0 0 −1 0 = 0 0 = 0 0 0 0 0 −4 0 0 0 0 0 0 0 −4 × 16 1 0 0 12 × 16 0 0 0 0 0 0 0 0 0 0 1 4 4 1 12 4 4 1 1 4 1 −4 −8 −8 12 −4 −4 12 1 12 12 12 12 × 16 8 8 0 0 = 0 −4 −4 12 1 12 12 12 12 8 8 0 0 −1 12 P 4 0 −8 0 . 8 2.c. Il s’agit d’un simple calcul de produits matriciels. Par produit matriciel, 329 3 4 4 3 4 0 4 3 0 4 3 0 0 0 4 P −1 −1 0 0 −4 0 8 −4 −8 −8 −8 0 12 0 12 0 0 0 0 0 0 0 12 × 16 0 0 −8 × 16 0 0 1 3 −4 1 3 −4 −4 4 0 1 3 4 1 3 0 4 0 0 0 = 0 0 0 0 0 0 0 0 −8 0 8 0 1 − 3 0 0 0 0 0 0 1 0 0 0 0 0 2 − 3 0 0 0 . 0 0 2.d. Comme demandé, on procède par récurrence : le point clef de l’hérédité est la bonne utilisation de l’associativité du produit matriciel en regroupant correctement les facteurs AP −1 Dn P = (P −1 P )AP −1 Dn P = P −1 (P AP −1 )Dn P = P −1 (D×Dn )P = P −1 Dn+1 P. 330 Chapitre 17 Espaces probabilisés Pour n ∈ N, notons Pn la propriété “Zn = P −1 Dn P Z0 ” que l’on va montrer par récurrence. Pour l’initialisation, P −1 D0 P Z0 = (P −1 P )Z0 = Z0 donc P0 est vraie. Supposons maintenant que Pn est vraie pour un certain n ∈ N, alors Zn+1 = AZn = (AP −1 )Dn P Z0 = (P −1 D)Dn P Z0 = P −1 Dn+1 P Z0 donc Pn+1 est vraie. Ainsi, par principe de récurrence : Zn = P −1 Dn P Z0 . ∀ n ∈ N, 2.e. Là encore, produit matriciel et reconnaissance d’une suite usuelle. 1 0 Si P(Q0 ) = 1 alors Z0 = 0 et, par suite, 0 0 0 0 Zn = P −1 0 0 0 0 1 2n 1 − 3 0 0 0 0 0 0 0 0 0 71 2 1 0 1 2 2n − 3 0 1 0 0 1 1 2n 0 1 −3 −1 . = P 0 1 1 1 2 2n − − 0 −1 3 0 0 0 1 2 8 1 1 n 2 n − +3+4 − et (P(Qn )) qui est alors une com16 3 3 1 2 binaison linéaire de suites géométriques de raisons respectives − , 1 et − converge 3 3 3 vers . 16 Finalement P(Qn ) = Ce dernier résultat était prévisible : la pyramide comporte 8 arêtes donc, en tenant compte de l’orientation, cela fait un total de 16 mouvements possibles dont 3 seulement à destination du sommet Q (comme pour les trois autres sommets de la base, le sommet au faîte de la pyramide est lui atteint par 4 mouvements). Liste des capacités attendues 331 Liste des capacités attendues • Savoir utiliser l’incompatibilité de deux (ou plus) événements (cf questions 17.1.3, 17.1.4 et 17.5.2.a) : si les Ak (1 " k " n) sont (deux à deux) incompatibles, alors 9 n ; n ( : P P(Ak ) (additivité de la loi de probabilité P). Ak = k=1 k=1 • Savoir utiliser l’indépendance (mutuelle ou deux à deux) d’événements ou d’épreuves (cf exercice 17.4) • Savoir utiliser la formule de la probabilité d’une union (cf exercice 17.4 et question 17.1.5) P(A ∪ B) = P(A) + P(B) − P(A ∩ B) . • Savoir utiliser la formule de conditionnement (cf question 17.2.1) P(B|A) = P(B ∩ A) . P(A) • Savoir utiliser la formule des probabilités composées (ou des conditionnements successifs) (cf question 17.3.2) 9 n ; 9 'k−1 ; n '< = < ' Ai . P P Ak ' Ak = ' k=1 k=1 i=1 • Savoir utiliser la formule des probabilités totales (cf questions 17.1.5, 17.3.1.a, 17.5.1.b et 17.5.2.a) : si (Ak )1!k!n est un système complet d’événements, alors P(B) = n ( k=1 P(B|Ak )P(Ak ) = n ( k=1 P(B ∩ Ak ) ∗. ∗. Par convention, une probabilité conditionnelle associée à un événement négligeable est nulle, autrement dit, si P(Ak ) = 0, alors P(B|Ak ) = 0 de sorte que le produit P(B|Ak )P(Ak ) est bien défini et l’égalité P(B|Ak )P(Ak ) = P(B ∩ Ak ) est “encore” vraie. 332 Chapitre 17 Espaces probabilisés • Savoir utiliser la formule de Bayes (cf questions 17.2.2 et 17.3.1.b) : si (Ak )1!k!n est un système complet d’événements, alors P(Aj |B) = P(B|Aj )P(Aj ) P(B|Aj )P(Aj ) P(B ∩ Aj ) = n = n , ( ( P(B) P(B|Ak )P(Ak ) P(B ∩ Ak ) k=1 en particulier, avec le système complet (A, A), P(A|B) = P(B|A)P(A) . P(B) k=1