Beruflich Dokumente
Kultur Dokumente
= et
P(G
) = P() = 1 et P(G) =
et P(
) = 1
G (Termin)
G
G (Termin)
G
On note
question donc
question
Le candidat gagne dans les 4 cas du schma o figure la mention Termin savoir les 4
cas suivants :
et
et
et
si lon obtient
on
calcule les quatre probabilits P(
) et P(
) et P(
) et
P(
)
On peut aussi procder ainsi :
1-Pour gagner au jeu la question 2 il faut et il suffit avoir donn une bonne rponse aux questions 1
et 2 ce qui correspond la situation
) (
) = (
2-Pour gagner au jeu la question 3 il faut et il suffit avoir donn une mauvaise rponse la question
1 et donner une bonne rponse aux questions 2 et 3 ce qui correspond la situation
) (
) (
) = (
)(
3
3-A la question 4 deux situations sont possibles pour gagner au jeu :
-soit :
) (
) (
) (
) + (
) (
) (
) (
) = (
)(
4-Notons
4
La probabilit de gagner au jeu est donc
= (
+ (
)(
+ (
)(
Remarque
On peut aussi noter
= P [ (
) (
) {(
) (
)}]
= P [
] + P[
] + P[ (
]
en notant que (
) (
) = et que :
{ (
) (
) } { (
) (
) } =
Exercice 3
Dans une certaine population la probabilit de naissance dun garon est de 4/7
Dterminer sous forme de fraction la proportion de familles de 3 enfants o les enfants ne
sont pas tous de mme sexe (en prcisant lensemble fondamental retenu pour modliser ce
problme)
Dmonstration
On note
lvnement le
lvnement le
} x {
} x {
) (
)
On a :
= donc (
) (
) =
On a : P(
) = P(G) =
donc P(
) = P(F) = 1
Les vnements
) = P(
) P(
) P(
) = [()]
= (
Les vnements
( savoir le troisime enfant est une fille ) peuvent tre considrs comme
sans lien entre eux donc comme tant des vnements indpendants donc :
P(
) = P(
) P(
) P(
) = [()]
= (
Donc P(S) = P (
) + P (
) = (
+ (
On a : P(
) = 1 P(S) = 1 [ ((
+ (
] = 1
=
()
4
Exercice 4
On jette simultanment deux ds numrots de 1 6
Dterminer lensemble fondamental dans les cas suivants
1-Les deux ds sont distincts
2-Les deux ds sont identiques
3-Les deux ds sont identiques et on ne sintresse qu la parit du rsultat
Dmonstration
Notons E = {1, 2, 3, 4, 5, 6} donc Card E = 6
1-Si est lensemble des couples ordonns (a,b) distincts lorsque a E et b E alors Card = 6
2
2-Si est lensemble des couples non ordonns {a,b} distincts alors Card =
= 21
En effet on ne peut plus distinguer (a,b) et (b,a) donc on crit {a,b} et lensemble contient les
lments suivants :
(1,1)
(1,2) (2,2)
(1,3) (2,3) (3,3)
(1,4) (2,4) (3,4) (4,4)
(1,5) (2,5) (3,5) (4,5) (5,5)
(1,6) (2,6) (3,6) (4,6) (5,6) (6,6)
Remarque :
Si un tableau admet n lignes et n colonnes la diagonale contient n cases donc le nombre de
cases situes sous la diagonale est
) + =
+ ) =
Dans le cas o n = 6 on a :
= 21
Remarque :
On a : {0 ; 1}
{
;;
}
= 2
5
On crit tous les cas possibles : est form des 8 lments :
(p, p, p) (p, p, f) (p, f, p) (f, p, p)
(f, p, f) (f, f, f) (f, f, p) (p, f, f)
Do : P(2p,1f) = P(2f,1p) =
et P(3p) = P(3f) =
=
On peut aussi montrer cette relation en crivant que P(3p, 1f) =
6
Finalement : P(4p) = P(4f) =
et P(2p, 2f) =
) + (
) = 1
P(NRR) = (2/5)(3/4)(2/3) = 2/10
P(NRNR) = (2/5)(3/4)(1/3)(1) = 1/10
P(NNRR) = (2/5)(1/4)(1)(1) = 1/10
En labsence de schma on peut noter que comme le tirage est sans remise les vnements
ne sont pas indpendants donc on calcule les intersections dvnements en utilisant les
probabilits conditionnelles et la formule des probabilits composes :
P(RR) = P(
) = P(
) P(
) = (3/5)(2/4) = 3/10
P(RNR) = P(
) = P(
) P(
) P(
) = (3/5)(1/2)(2/3) = 2/10
P(RNNR) = P(
) = P(
) P(
) P(
) P(
) = (3/5)(1/2)(1/3)(1) =
P(NRR) = P(
) = P(
) P(
) P(
) = (2/5)(3/4)(2/3) = 2/10
P(NRNR) = P(
) = P(
) P(
) P(
) P(
) = (2/5)(3/4)(1/3)(1) = 1/10
P(NNRR) = P(
) = P(
) P(
) P(
) P(
) = (2/5)(1/4)(1)(1) = 1/10
Exercice 7
Une urne contient sept boules blanches et trois boules noires et une autre quatre boules
blanches et deux boules noires
On tire une boule dans chaque urne
Calculer la probabilit de tirer deux boules de mme couleur
8
Dmonstration
Considrons les deux urnes :
= {7B ; 3N} et
= {4B ; 2N}
Notons les vnements
et
Lensemble est constitu dlments de la forme
On a dune part P(
) =
et P(
) =
et dautre part P(
) =
et P(
) =
Les vnements
et
sont indpendants (car ils sont issus de deux urnes diffrentes) et les
vnements
et
sont indpendants (car ils sont issus de deux urnes diffrentes) donc :
P(
) = P (
) P(
) =
) =
et P (
) = P(
) P(
) = (
)(
) =
) (
)]
Lors dun mme tirage on ne peut pas tirer une boule blanche et une boule noire ensemble de lurne
(mais soit une boule blanche soit une boule noire) donc
= si 1 2
Les vnements
et
et
donc
(
) (
= ) donc :
P[(
) (
)] = P(
) + P(
) = P(
)P(
) + P(
)P(
) =
Remarque :
2/6
tirage
Les tirages sont sans remise donc les tirages ne sont pas indpendants
-Lorsque A joue il y a 4+2+1 = 7 boules dans lurne dont 4 boules noires donc la probabilit
P(A) que A gagne est la probabilit P(
) =
-Si B joue cest que A a perdu donc il y a 6 boules dans lurne dont 4 boules noires donc la
probabilit P(B) que B gagne est la probabilit P(
) = P(
) P(
) = (1
) (
) = (
)(
) =
-Si C joue cest que A et B ont perdu donc il y a 5 boules dans lurne dont 4 boules noires
donc la probabilit P(C) que C gagne est la probabilit P(
) = P(
) P(
) P(
) = (1
) (1
) (
) = (
)(
) (
) =
Remarque :
Il y a quatre tirages au plus donc on note X le nombre (alatoire) de tirages
Donc P(A) = P(X = 1) et P(B) = P(X = 2) et P(C) = P(X = 3) et P(A) =
et on a :
P(B) = P(B
) = P(
)P(B|
) = (
)(
) =
et P(C) = P(
)P(
) P(C|
) = (
)(
)(
) =
Il y a une probabilit p =
Exercice 2
Deux vnements A et B ont comme probabilits respectives 1/4 et 1/3 de se raliser seuls
(lun et pas lautre)
Sachant que la probabilit que lun ou lautre se ralise est de 3/4 prcisez sils sont
indpendants ou non
Dmonstration
On note
= {x : x A} le complmentaire de A donc A
=
Traduisons les hypothses : P(A B) =
et P(A B
c
) =
et P(A
c
B) =
On a : A = A = A (BB
c
) = (AB) (AB
c
) et de mme B = (AB) (BA
c
)
On a : (AB) (AB
c
) = = (AB) (BA
c
) = (AB
c
) (BA
c
) donc :
Donc A B = (A B
c
) (B A
c
) (A B) est runion de trois ensembles deux deux disjoints
10
Ainsi on obtient la formule gnrale P(A B) = P(A B
c
) + P(A
c
B) + P(A B)
Donc : P(A B) = P(A B) [P(A B
c
) + P(A
c
B)] =
Donc P(A)P(B)= (
)(
) =
T+) = (+) P(
| T+)
Par hypothse P(T+|A) = 0,99 et P(T+|
) = 1 0,04 = 0,96
Comme (
T+) ( T+) = et (
T+) ( T+) = T+ on a :
(
|T+) =
(
)
()
=
(
)(|
)
()(|)(
)(|
)
=
(,)( ,)
(,)(,) (,)(,)
=
11
Donc P(
|T+) =
0,2
On peut faire le schma suivant :
T+
0,99
0,01
0,04 T +
Individu
0,96 T+
0,01
0,99
T +
Exercice 4
Une urne
:
-si vous savez que lurne contient au moins une boule noire
-si vous tirez une boule noire de cette urne
Dmonstration (Voir le livre Lecoutre TD Edition 4 pages 10 et 19)
Rappelons que P(AB) =
()
()
est la probabilit que lvnement A se ralise sachant que
lvnement B est ralis : on dit que P(AB) est la probabilit conditionnelle de lvnement A
lorsque lvnement B est ralis
Rsumons les hypothses de lnonc :
Boules blanches xx x
Boules noires xx x
Notons que
) =
soit
(car
ne contient pas
de boule noire) et donc la probabilit pour que U =
est :
P(U =
) = P(
) =
[
)]
(
)
=
(
)
(
)
=
(
)
(
)(
)
=
)
=
) =
(car
) = (
N) (
N) donc P(N) = (
N) + (
N) donc la probabilit
pour que U =
est :
12
P(U =
) = P(
N) =
[
]
()
=
(
)((
)
()
=
(
)((
)
(
)((
) (
)(
)
=
()(
)
()
)
=
Remarque :
On peut aussi utiliser les vnements :
= Lurne
= Lurne
= (
) = (
) =
) (
= (
) (
= (
= Obtenir (lors du
et
et
nont pas de rapport entre eux donc peuvent tre considrs comme
tant indpendants donc P (
) = P (
) P (
) P (
)
-Traduction :
A et
A) (
B) =
Donc
(A B) = (
A) (
B)
-On a : P(A) = P(B) =
P( A) =
lancer est :
P(
) = P(
A) + P(
B) = P(
A) P(A) + P(
B) P(B) = (
)(
)+(
)(
) =
P(
) est aussi la probabilit P() dobtenir une face rouge lors dun lancer
2 Lvnement Obtenir 3 fois de suite (avec le mme d) une face rouge est ralis soit
avec le d A soit avec le d B
Intuitivement lvnement Obtenir 3 fois de suite (avec le mme d) une face rouge est
ralis :
-avec le d A par la suite des trois vnements indpendants entre eux Pile Rouge Pile
Rouge Pile Rouge dont la probabilit dobtention est [(
) (
)] x [(
) (
)] x [(
) (
)] = (
-avec le d B par la suite des trois vnements indpendants entre eux Face Rouge Face
Rouge Face Rouge dont la probabilit dobtention est [(
) (
)] x [(
) (
)] x [(
) (
)] = (
Plus formellement :
Lvnement Obtenir une face rouge avec le d A lors du
lancer est
A
Lvnement Obtenir une face rouge avec le d B lors du
lancer est
B
Do :
P(
A) = (
)(
) =
B) = (
)(
) =
A et
A et
A)(
A)(
A)] = P(
A) P(
A) P(
A) = (
B et
B et
B) (
B) (
B)] = P(
B) P(
B) P(
B) = (
Les vnements
A et
A) (
B) =
La probabilit dobtenir 3 fois de suite une face rouge avec le mme d (c'est--dire avec le d A ou
avec le d B) est donc :
P {[(
A)(
A)(
A)][(
B)(
B)(
B)]} = P[(
A)(
A)(
A)] + P[(
B)(
B)(
B)]
= (
+ (
+
()()
=
(1+
) = (
)(
) =
3 Les vnements
et
et
) = (
) (
)(
) = (
14
La probabilit davoir utilis uniquement le d A sachant que lon a obtenu 3 faces rouges en trois
lancers est P(A | r
1
r
2
r
3
) =
(
)
(
)
=
[(
)(
)(
)]
(
)
=
) =
) =
et
La probabilit pour quaprs lchange lurne a ne contienne que des boules blanches est donc :
P(
) = P(
)P(
) = (
)(
) =
) =
) =
et
) (
)
Donc la probabilit pour quaprs lchange chaque urne a sa composition initiale est :
P[(
)) (
)]
Les vnements
et
et
sont
indpendants et les vnements
et
)) (
)] = P(
))+ P(
) = P(
)P(
))+P(
)P(
)] = (
15
Exercice 7
Soit p la proportion de bovins dun dpartement franais atteints de la maladie ESB ( vache
folle )
On utilise un test de dpistage qui nest pas totalement fiable
Il est positif avec une probabilit 1 si lanimal est effectivement malade et avec une
probabilit si lanimal nest pas malade
1-Calculer la probabilit (p) quun animal pris au hasard dans ce dpartement soit
effectivement malade sachant que le test a t positif
2-On suppose partir de maintenant que =
Dterminer (p) puis calculer la valeur () et commenter le rsultat
3-Calculer la valeur approche de (0,005) pour = 0,02 puis pour = 0,01 et commenter le
rsultat
Dmonstration
Les hypothses sont les suivantes :
Test Test positif T+ Test ngatif T Population
Animal malade M
1 = P(T+ M)
p = P(M)
Animal sain
= P(T+
)
1
1 p = P(
)
Notons que : P(T+) = P[T+ (M
)] = P[(T+ M) (T+
)] = P(T+ M) + P(T+
)
= P(M)P(T+M) + P(
)P(T+
) = p(1 ) + (1p)
1-La probabilit pour quun animal du dpartement soit malade si le test est positif est :
(p) = P(M T+) =
( )
()
=
) (
()
=
()
( ) ()
2-Si = alors (p) =
()
( ) ()
=
()
=
()
Si p = on a : () =
()
=
()
=
Lorsque le risque derreur du test est gal la proportion p danimaux malades (dans la
population) il y a une chance sur deux que lanimal soit malade quand le test est positif
3-Si p = 0,005 on a :
=
,
= (
)
1
=
= 200
Donc : (0,005) = (p) =
()
=
()
(
)
=
()
=
Si = 0,02 on a : (0,005) = (p) =
=
,
(,)
=
()
=
=
,
(,)
=
()
=
Le taux de dtection de la maladie (p) est trs faible mme lorsque le risque derreur est
faible : il sagit dune maladie rare
16
T.D. n 3 : Variable alatoire
A traiter du 4 au 8 Novembre 2013
Exercice 1
Quatre joueurs A et B et C et D tirent successivement et sans remise une carte dun lot de 6
cartes numrotes de 1 6
Si un joueur tire une carte paire il a gagn et le jeu sarrte
1-Calculer la probabilit de gain de chaque joueur
2-Soit N la variable alatoire qui reprsente le nombre de tirages effectus
Calculer E(N)
Dmonstration
On a le schma suivant :
A gagne : Le jeu sarrte
1
C perd et D joue
0
D perd
1-Les cartes sont numrotes de 1 6 donc avant le tirage il y a trois cartes paires et trois
cartes impaires
Les vnements qui interviennent sont :
donc P(
) =
Si B tire une carte cest que A na pas gagn donc il reste 3 cartes paires et 2 cartes
impaires donc P(B
2
) =
donc P(B) = P(
B
2
) = P (B
2
) P(
) = (
)(
) =
Si C tire une carte cest que ni A ni B nont gagn donc il reste 4 cartes dont 3 cartes paires
donc P(C
3
) =
et on a : P(
) = 1 P(B
2
) = 1
C
3
) =P(C
3
)P(
)=P(C
3
) P(
) P(
)=(
)(
)(
)=
17
Si D tire une carte cest que ni A ni B ni C nont gagn donc il reste 3 cartes qui sont toutes
paires et on a P(D) = P(
D
4
) = P(D
4
) P(
)
= P(D
4
) P(
) P(
) P(
) =(
)(
)(
)(
) =
2-On a :
P(N=1) = P(A) =
P(N=2) = P(B) =
P(N=3) = P(C) =
P(N=4) = P(D) =
Donc : E(N)= ( = )
= (
) + 2 (
) + 3 (
) + 4 (
) =
Exercice 2
La loi dune variable alatoire X est dfinie par P(X = n) =
Si n 2 on a : P(X < n) = ( = )
= (
= (1
) +
++
+ +
= 1
Comme P(X = n) =
=
()
on a : n P(X = n) =
donc ( = )
= + (puisque la
srie
donc si n 2 on a :
ln (n) =
dt
dt =
et ln (n) =
dt
dt =
Donc :
ln (n)
Comme
ln () = + la relation ln (n)
implique
= +
Exercice 3
La fonction de rpartition F dune variable alatoire X est nulle pour x 1 et a pour valeur
F(x) = 1
()
pour n < x n + 1 et pour tous les entiers n 1
Dterminer avec prcision la loi de probabilit de X puis calculer E(X) et V(X)
Dmonstration
Par hypothse F(x) = 0 si x 1 et F(x) = 1
()
si n < x n+1 et n 1
En prenant n = 1 et 1 < x 2 on a : P(X < x) = F(x) = 1
et
P(X = 1) = F(2) F(1) =
0 =
18
La fonction de rpartition F est dfinie par F(x) = P(X < x) donc comme X() N il vient :
F(n + 1) F(n) = P(X < n + 1) P(X < n) = P(X = n) donc F(n + 1) = F(n) + P(X = n)
La fonction F est une fonction en escalier nulle sur ] , 1] et on a :
F (n + 1) = 1
()
si n 1
Si n 2 on a :
P(X = n) = F(n + 1) F(n) = (1
()
) (1
()
) =
()
()
=
(
()
()
)
=
() ()
Comme
()
()
=
() ()
] est
absolument convergente donc commutativement convergente et on a :
E(X) = ( = )
+ [
()
()
] =
+ [
]
= (
) + (1
) + (
) + (
) + (
) + (
) + (
) +
+ (
) + (
) + (
) + (
) + (
) + (
) +
Donc E(X) = 2 (il ne reste que le 1
er
terme
et le 2
me
terme 1 et le 4
me
terme
1 donc
donc :
E(X) = ( = )
( = )
= (
) +
() ()
+
() ()
Comme la srie
a pour somme
= +on a : E(
) = +donc
na pas
desprance
Donc V(X) = + puisque sinon E(
) = V(X) + E
2
(X) = V(X) + [()]
< +
En particulier X na pas de variance
Note
Rappelons (Jean Pierre Lecoutre Manuel et exercices corrigs Statistique et probabilits Dunod
Troisime dition page 37) que :
Si X : R est une variable alatoire telle que X() = {
; ;
<
La fonction relle F : R R est une fonction en escalier nulle sur ] ;
] et gale 1 sur
]
] si 1 k n 1 et on a :
F(y) = 0 si y
F(
) F(
) = P(X =
)si 1 k n 1
P(X =
) = 1 F(
)
F(y) = 1 si y >
19
Donc F(
) = F(
) + P(X =
) si 1 k n 1 et
<
Exercice 4
Soit X une variable alatoire de densit f dfinie pour 1 x 1 par f(x) =
et nulle hors
de cet intervalle
1-Calculer E(X) et V(X)
2-Dterminer la fonction de rpartition de X puis calculer la probabilit que X appartienne
lintervalle [
et
tels que
<
Dmonstration
1-On pose : f(x) =
= 0
Si 1 x 1 on a : F(x) = ()
= ()
[ t + t
=
[()][
()
= ()
= F(1) =
= 1
On a :
E(X) = ()
= ()
[ t +3t
= 0
V(X) = E(X
2
) - [E(X)]
2
= E(X
2
)= ()
2-Soit x
1
et x
2
des rels tels que x
1
< x
2
donc P(x
1
X x
2
) = F(x
2
) F(x
1
) donc on a aussitt :
x
1
< x
2
<-1 P(x
1
Xx
2
) = 0 x
1
<-1< x
2
<1 P(x
1
Xx
2
) = F(x
2
) = + () x
2
+ () x
2
3
x
1
<-1<1< x
2
P(x
1
Xx
2
) =1 -1< x
1
< x
2
<1 P(x
1
Xx
2
) = F(x
2
) - F(x
1
) = () (x
2
x
1
) + () (x
2
3
- x
1
3
)
1<x
1
< x
2
P(x
1
Xx
2
) = 0 -1< x
1
<1< x
2
P(x
1
Xx
2
) = F(1) - F(x
1
) = - ()x
1
-()x
2
3
Exercice 5
Soit X une variable alatoire de densit f(x) =
pour x [0 ; 1 ] et f(x) =
pour x [1 ; 2] et
f(x) =
()
= ()
donc :
F(x) = F(a) + ()
20
Si x 0 et t x on a : f(t) = 0 donc F(x) = ()
= 0
Si x 3 on a :
F(x) = ()
= ()
+ ()
+ ()
+ ()
+ ()
=
2
+
1
2
+
3
2
= (
4
)
+ (
2
)
+ (
3
2
4
)
=
1
+ (
) = 1
Si 0 x 1 on a :
F(x) = ()
= ()
+ ()
= ()
=
2
= (
4
)
=
2
donc F(1) =
1
Si 1 x 2 on a : F(x) = ()
= F(1) + ()
=
1
+ (
2
)
=
1
donc F(2) =
3
Si 2 x 3 on a :
F(x) = ()
= F(2) + ()
=
3
+ (
3
2
4
)
=
3
+ (
) (31) =
2
5
Exercice 6
Soit (
; ;
= Max {
; ;
}
Dmonstration
On pose : f(x) = 2 (1 x) si 0 x 1 et f(y) = 0 si y R \ [0 ; 1] donc f : R R est continue
par morceaux et intgrable sur R
On note F : R R la fonction de rpartition commune toutes les variables alatoires
relles
< y) = ()
donc
2(1 t) =
2u =
(u
) =
1 donc
(y) = 0 (drive
dune constante)
Si 0 y 1 on a : F(y) = ()
= 2(1 )
=
(2
= 2
donc
F(1) = 2 1 = 1 et F(0) = 0
Ainsi la fonction F : R R est drivable sur R \ {0, 1} et :
-si y ] 0 ; 1[ on a :
(y) = 2 (1 y) = f(y)
-si y R \ [0 ; 1] on a :
(y) = 0 = f (y)
On notera que les fonctions f et
: R
Si on a :
() = Max {
() ; ;
() } donc G(y) = P(
y) si y R
21
Si y R on a :
() y [
() y ; ;
() y] [(
() y) (
() y)]
donc comme les variables (
; ;
) sont indpendantes :
G () = P(
) = P[(
) (
)] = P(
) P(
) = [()]
Comme F : R R est drivable sur R \ {0, 1} la fonction G est drivable sur R \ {0, 1}
La drive g de G sur R \ {0, 1} vrifie g() =
() = n [()]
() = n [()]
f ()
lorsque R \ {0, 1} donc la fonction g est continue sur R \ {0, 1}
Donc
< 0 : () = 0 donc G ( ) = [()]
= 0 donc g() = G () = 0
si > 1 : F () = 1 donc G () = [()]
= 1 donc g() = G () = 0
si 0 < < 1 : () = 2
donc G () = [()]
= [2
Si 0 < < 1 on a : G () = [2
donc g () = G () = n [2
(2 2)
La fonction g : R\{0, 1} R est une densit de la variable alatoire
Remarque :
Posons F () =
0 0
2
0 < < 1
1 1
donc F est la fonction de rpartition commune
chaque variable alatoire
() =
0 < 0
2 2 0 < < 1
0 > 1
Sur lintervalle ]0 ; 1[ la fonction F(y) tend vers 0 lorsque y > 0 tend vers 0 et la fonction F(y)
tend vers 1 lorsque y < 1 tend vers 1
Comme F(0) = 0 et F(1) = 1 la fonction F : R R est donc continue sur R
Si 0 < < 1 alors F() F(0) = F() = 2
donc
() ()
= 2
Si 1 < < 0 alors F() F(0) = F() = 0 donc
() ()
= 0 donc lim
() ()
= 0
Donc F : R R nest pas drivable en 0
Exercice 7
Si > 0 soit X une variable alatoire de densit f(x) =
pour [ 0 ; 1] et nulle sinon
Dterminer la loi de probabilit de Y = ln X
Dmonstration
On suppose > 0 et pour tout x > 0 et R on pose :
=
()
donc 1
=
()
= 1
Comme la dfinition de lnonc ne permet pas de dfinir f(0) si
1 < 0 on pose :
f(x) =
donc :
22
si x 0 et t < x donc on a : f(t) = 0 donc F(x) = ()
= 0
si 0 < x 1 on a : F(x) = ()
= [
donc F(1) = 1
si x > 1 on a : F(x) = ()
= ()
= F(1) = 1
Ainsi F est drivable ( drive continue) sur R \ {0, 1} et F(t) = f(t) si t R \ {0, 1}
On pose Y() = ln (X()) si ce qui suppose que X() R+* et on note que comme
t ln t est continue sur R+* (donc borlienne) la fonction compose Y : R est une
variable alatoire
On note G : R R la fonction de rpartition de la variable alatoire Y donc G(y) = P(Y < y)
En notant que la fonction relle t
) = 1 P(X <
) = 1 F(
)
-Si y < 0 on a :
> 1 donc F (
) = 1 et G (y) = 1 F (
) = 1 1 = 0
-Si y 0 on a : 0 <
1 donc G(y) = 1 F (
) = 1 (
= 1
(
)
donc :
G(0) = 1 F (
) = 1 F (1) = 0
Donc G() =
0 < 0
1
(
)
0
La fonction G est donc drivable sur R \ {0} et () =
() =
0 < 0
)
> 0
La fonction g : R* R est donc une densit de la variable alatoire Y et ainsi Y suit une loi
exponentielle (
)
Remarque
Comme
= [
= 1 0 = 1 ce qui
videmment ne signifie pas que X() ]0 ; 1[
Plus prcisment si on note L = { : 0 < X () < 1} alors comme X : R est une
variable alatoire L =
= 1 donc P(
) = 1 P(L) = 0 et = L
) = 0
23
T.D. n 4 : Lois usuelles discrtes
A traiter du 18 au 22 Novembre 2013
Exercice 1
Soit X une variable alatoire de loi binomiale de paramtres n = 30 et p = 0,1
1-Calculer les probabilits suivantes :
P(X = 5) et P(X 2) et P(X < 4) et P(X = 1,5) et P(3 X 4) et P(2 < X 8)
2-Dterminer les valeurs de x telles que P(X x) 0,25
3-Calculer P(X = 26) dans le cas o p = 0,9
Dmonstration
-Soit p un rel tel que 0 <p < 1 et X une variable alatoire qui suit une loi binomiale B (n, p)
donc X est valeurs entires et X ()=[0, n] N et on a : P(X=k)= C
n
k
p
k
(1p)
n-k
si 0 k n
Soit x un entier tel que 0 x n-1 donc 1 x n et comme X est valeurs entires on a :
X() x + 1 [X() x ou X() = x+1] donc :
{ : X() x + 1} = { : X() x} { : X() = x + 1} et il est clair que :
{ : X() x + 1} = { : X() x} { : X() = x + 1} = donc :
P(X x + 1) = P(X x) + P(X = x+1)
Comme X est valeurs entires on a { : x < X() < x + 1} = donc P(X < x+1) = P(X x)
Donc : P(X < x+1) = P(X x) = P(X x1) + P(X=x) = P(X < x) + P(X=x)
On notera que si la fonction de rpartition G de la variable alatoire X est dfinie par
G(x) = P(X x) on a : G(x) = G(x1) + P(X = x) c'est--dire G(x+1) = G(x) + P(X = x+1)
En revanche si la fonction de rpartition F de la variable alatoire X est dfinie par
F(x) = P(X < x) on a la relation : F(x+1) = F(x) + P(X = x) c'est--dire F(x) = F(x1) + P(X = x1)
Les tables du livre prcit de Jean Pierre Lecoutre (page 287) donnent la probabilit P(X x)
1-On suppose que X suit une loi binomiale B (30 ;
) donc :
P(X=5) = C
30
5
(
)
5
(1
)
30 - 5
= P(X 5) P( 4) = 0,9268-0,8245 = 0,1023
P(X2) = 0,4114 P(X<4) = P(X 3) = 0,6474 P(3X4)=P(X 4) P(X 2)= 0,82450,4114=0,4131
P(X=1,5)= 0 (car X est valeurs entires) P(2<X8)=P(X 8) P(X 2)=0,99800,4114 = 0,5866
2-On lit dans la table : P(X3) = 0,6474 et P(X4) = 0,8245 donc : P(X3) < 0,75 < P(X4)
P(X x) 0,25 1 P(X < x) 0,25 0,75 P(X < x)= P(X x1) 4 x1 x1 4
Comme X() = N [0 ; 30] il vient : P(X x) 0,25 5 x 30
3-Notons que C
30
26
= C
30
4
puisque C
n
k
=
!
!()!
= C
n
n-k
Notons Y une variable qui suit une loi B(30 ; 0,1)
Si X suit une loi B(30 ; 0,9) on a P(X=26)= C
30
26
(0,9)
26
(1 0,9)
30-26
= C
30
4
(0,1)
4
(0,9)
26
= P(Y=4)
donc P(X=26) = P(Y=4) = P(Y4) P(Y3)= 0,8245 0,6474 = 0,1771
24
Exercice 2
Si X est une variable alatoire de loi de Poisson de paramtre m = 4 calculer les probabilits
P(X = 6) et P(X < 3) et P(X 5) et P(
!
si k N et m > 0 et X () = N
Les tables du livre prcit de Jean Pierre Lecoutre (page 288) donnent la probabilit P(X = x)
Si X suit une loi de Poisson P(4) alors P(X=6) = e
4
!
= 0,1042
Comme X est une variable alatoire valeurs entires on a :
P(X < 3) = P(X=0) + P(X=1) + P(X=2) = 0,0183+ 0,0733+ 0,1465 = 0,2381
P(X 5) = 1 P(X 4) = 1 [P(X<3) + P(X=3) + P(X=4] = 1 [0,2981 + 0,1954 + 0,1954] = 0,3711
On a :
et
pour p =
Dmonstration
Si Z est une variable alatoire suivant une loi B(n, p) on a : P(Z = k) =
(1 )
(1 )
donc la probabilit
B
que le vol se poursuive jusqu destination
c'est--dire avec 0 ou 1 racteurs en panne est :
B
= P(X=0) + P(X=1) = C
2
0
p
0
(1p)
2 0
+ C
2
1
p
1
(1p)
21
= (1p)
2
+ 2p (1p) = 1p
2
2-Un quadriracteur peut fonctionner avec 0 ou 1 ou 2 racteurs en panne
Dans le cas dun quadriracteur le nombre Y de racteurs en panne suit une loi B(4, p) donc
P (Y = k) =
(1 )
donc la probabilit
Q
que le vol se poursuive jusqu
destination c'est--dire avec 0 ou 1 ou 2 racteurs en panne est :
25
Q
= P(Y=0) + P(Y=1) + P(Y=2) = C
4
0
p
0
(1p)
4 0
+ C
4
1
p
1
(1p)
4 1
+ C
4
2
p
2
(1 p)
4 2
= (1-p)
4
+ 4 p (1p)
3
+ 6 p
2
(1p)
2
= 3 p
4
4 p
3
+ 1
Remarque :
(1p)
3
= (1p)
2
(1p) = (1 2 p + p
2
) (1p) = (1 2 p + p
2
) (p 2 p
2
+ p
3
) = p
3
+ 3 p
2
3 p +1
(1-p)
4
= (1p)
3
(1p) = ( p
3
+ 3 p
2
3 p +1) (1p) = ( p
3
+ 3 p
2
3 p +1) (p
4
+ 3 p
3
3 p
2
+ p)
= p
4
4 p
3
+ 6 p
2
4 p + 1
Donc : (1-p)
4
= p
4
4 p
3
+ 6 p
2
4 p + 1
4 p (1p)
3
= 4 p ( p
3
+ 3 p
2
3 p +1) = 4 p
4
+12 p
3
12 p
2
+ 4 p
6 p
2
(1p)
2
= 6 p
2
(1 2 p + p
2
) = 6 p
2
12 p
3
+ 6 p
4
= 6 p
4
12 p
3
+ 6 p
2
3-Le biracteur est plus sr que le quadriracteur si et seulement si
B
Q
Comme p
2
0 on a :
B
Q
1p
2
3p
4
4p
3
+1 p
2
3p
4
4p
3
p
2
(3p
2
+4p 1) 0 3p
2
+4p 1 0
(3p 1)(1p) 0
p 1
On a :
B
(
) = 1(
)
2
=
On a :
Q
(
) = 3 (
)
4
4 (
)
3
+ 1 =
+ 1 =
+ 1 =
Donc :
B
(
) =
>
=
Q
(
)
Exercice 4 : Examen Septembre 2013 Exercice IV
Lorsquon effectue un sondage par tlphone 2 personnes sur 3 acceptent de rpondre
On note X la variable alatoire qui reprsente le nombre dappels ncessaires pour obtenir 2
rponses
Dterminer la loi de probabilit de X puis calculer P(X 4)
Dmonstration
Lorsque A est un vnement de probabilit (de ralisation) p = P(A) le nombre Y dpreuves
indpendantes ncessaires pour obtenir la ralisation de n vnements A suit une loi
binomiale ngative de paramtre p telle que si k n on a : P(Y = k) =
(1 )
et
E(Y) =
et V(Y) =
()
donc
si k n = 2 il vient P(X = k) =
(1 )
=
()
Donc P(X = 2) =
et P(X = 3) =
et P(X = 4) =
et P(X 4) =
Note
La formule des probabilits composes se trouve dans le livre de Jean Pierre LECOUTRE (page 15)
-Probabilit conditionnelle et formule des probabilits composes :
Soit (, A, P) un espace probabilis et B A tel P(B) > 0
On note A
B
= {L B : L A} la tribu conditionnelle
Si A A on pose P
B
(A) = [P(A B)] / P(B) et P(A B) = P
B
(A)
26
P
B
(A) est la probabilit conditionnelle de A connaissant B
On dispose donc de la probabilit P
B
: A P(A B) de A
B
dans [0, 1]
Si P(A) > 0 et P(B) > 0 on a : P(A B) P(B) = P(A B)= P(B A) P(A)
-Les vnements A et B sont indpendants si et seulement si P(A B)= P(A)P(B) c'est--dire si et
seulement si P
B
(A) =[P(A)P( B)] / P(B) = P(A)
-Formule gnrale des probabilits composes
Soit (, A, P) un espace probabilis et A
1
A, , A
n
A tels que pour tout k [1, n] on a :
P(A
1
A
2
A
k
) > 0
Alors : P(A
1
A
2
) = P(A
1
)P(A
2
A
1
) et si n 2 :
P(A
1
A
2
A
n
) = P(A
1
) P(A
2
A
1
) P(A
3
A
1
A
2
) P(A
n
A
1
A
2
A
n-1
)
-La formule des probabilits composes permet de calculer la probabilit dune intersection finie
dvnements lorsque les vnements ne sont pas indpendants
-En particulier : P(A
1
A
2
) = P(A
1
) P(A
2
A
1
) et P(A
1
A
2
A
3
) = P(A
1
) P(A
2
A
1
) P(A
3
A
1
A
2
) et
P(A
1
A
2
A
3
A
4
) = P(A
1
) P(A
2
A
1
) P(A
3
A
1
A
2
) P(A
4
A
1
A
2
A
3
)
Exercice 5
Une rencontre de coupe Davis en tennis comporte 4 matchs en simple et un match en
double et lquipe gagnante est celle qui a remport le plus de matchs
On suppose que les joueurs de lquipe des Desunited States dans chacun de ces 5 matchs
ont la mme probabilit
de gagner
Dterminer la loi de probabilit de la variable alatoire X qui reprsente le nombre de
parties gagnes par lquipe des Desunited States
Donner les valeurs de () et ()
En dduire la probabilit de gain de cette quipe
Dmonstration
On note X le nombre de parties gagnes par lquipe DS
A chacune k des cinq parties on associe une variable de Bernoulli X
k
telle que X
k
= 1 si
lquipe DS gagne la partie k et X
k
= 0 si lquipe DS ne gagne pas la partie k avec les
conditions P(X
k
=1) =
et P(X
k
=0) = 1
donc X =
suit une loi de Bernoulli
B(5 ;
) donc si 0 k 5 on a :
P(X = k) =
(1 )
(1
On a : E(X) = np = 5(
) =
et V(X) = np(1p) = (
)(
) =
Exercice 6
Pour raliser un examen de type QCM (questionnaire choix multiple) on effectue un tirage
au hasard de 20 questions dans un ensemble qui en comporte 100
Un candidat connat une proportion p de rponses ces 100 questions du programme
Donner la loi de probabilit de la variable alatoire X qui reprsente le nombre de questions
tires connues du candidat puis les valeurs de () et ()
27
Indiquer prcisment la loi de probabilit de X dans les cas o = 0 puis = 0,1 et = 0,9
et = 1
Dmonstration (Examen de Janvier 2009)
Si 0 < p < 1 le nombre X de questions tires et connues du candidat est une variable alatoire
qui suit une loi hypergomtrique H (N, n,
= 100 p et lon
pose r =
= 20 p (1p)
()
si Max [0 ; n (N
)] k Min (n ;
)
Donc : P(X = k) =
()
si 0 k
= 100 p et n N et n k N
28
T.D. n 5 : Lois usuelles continues
A traiter du 2 au 6 Dcembre 2013
Exercice 1
1-Si X est une variable alatoire de loi normale N(35 ; 5) calculer P(X < 25) et P(37,5 < X < 40)
et P(32,5 < X < 37,5)
2-Calculer lesprance et la variance dune variable alatoire Y de loi normale telle que
P( Y > 3) = 0,6915 et P(Y < 2) = 0,9772
Dmonstration : Application immdiate du cours (Jean Pierre Lecoutre pages 81 87) :
1-Si X suit une loi N(m, ) alors U =
En outre si U suit une loi N(0, 1) et (x) = P(U < x) alors : R R est strictement croissante
donc injective et pour tout rel x on a : (x) + (x) = 1 donc :
P(U > x ) = 1 P(U < x) = 1 (x) = (x) = P(U < x) et pour tout a > 0 on a :
P(U < a) = P(a < U < a) = P(U < a) P(U < a) = (a) (a) = (a) [1 (a)] = 2 (a) 1
-Si X suit une loi N (35 ; 5) alors U =
<
) = P(U <
<
<
<
<
,
>
]= P(U >
) = P(U <
) = (
)
donc comme : R R est injective
<
] = P(U <
] = (
) on a :
2 =
et 2 = 2 m deux inconnues m et
scrit 4 (3 + m) = 4
+ 2 X < a) = 0,975
2-Soit U une variable alatoire de loi normale centre et rduite et V une variable alatoire
qui suit une loi du khi-deux 16 degrs de libert
Ces deux variables alatoires tant indpendantes trouver le nombre rel b tel que
P(
< b) = 0,975
Dmonstration : Application immdiate du cours (Jean Pierre Lecoutre pages 84 et 87 et 152) :
Notons f(x) = P(U < x) la fonction de rpartition dune variable alatoire U suivant une loi normale
standard N(0 ; 1)
29
Si U suit une loi N(0 ; 1) et si Y suit une loi
> t) = 1 P(
< t) = P(
< t)
1-Si X suit une loi N(m ; ) alors U =
<
] = P[U <
] = f(
) = 1 f(
) donc :
f(
) = f(
) donc
et en utilisant la table :
f(
<
] = P[U <
] = f(
) donc
et 2 m =
deux inconnues m et
vrifie en ajoutant les deux quations 4 =
= 2 donc = 2 donc 2 + m =
= 1 donc
m = 1 donc la variable X suit une loi N (1 ; 2)
Ainsi U =
()
et on a :
0,975 = P(X
2
+2X < a) = P(X
2
+2X +1 < a+1) = P[(X+1)
2
< a+1] = P (
<
) = P (
<
) donc
(en utilisant une table) P (
<
) donc
donc
avec une table P (
< b) = P(
< 4b) = P(
suit
une loi F(p ; n)
-Dans le cas particulier n = p les variables alatoires Y et
< ) = P (Y >
)
-En particulier si > 1 et = P(Y < ) et n = p il vient
)] = 1 2
Si Y suit une loi de Fischer Snedecor F(n ; p) (n ; p) degrs de libert alors
) et = P(
) + P(
< ) = 1
En effet = P(
< ) = 1 P(
> ) = 1 P(
) = 1 donc + = 1
Le fractile t dordre de la loi de la variable alatoire X est le nombre t tel que P(X < t) =
1-Si T suit une loi
que P(
<
) = 0,8
= 0,873
Do :
P(
<
) = 0,2 P(
<
) = P(
>
) = 1 P(
<
) = 1 0,2 = 0,8 = P(
< 0,873)
= 0,873
Do
= 0,873
2-Si Y suit une loi de Fischer Snedecor F(n ; p) (n ; p) degrs de libert alors
) + P(
< ) = 1
On cherche tel que P(Y < ) = 0,05 lorsque Y suit une loi F(30 ; 10)
On note que la table de F(30 ; 10) ne contient pas telle que P(Y < ) = 0,05
Mais
suit une loi F(10 ; 30) et la table de F(10 ; 30) contient telle que P(
< ) = 0,05
puisque P(
) + P(
> 0 c'est-
-dire de densit f() =
pour
Dmonstration
Exercice de Mathmatiques caractre immdiat sous rserve de connatre la dfinition dune densit :
On a : f() =
si
= + a < 1
Comme
()
dt =
()
dt =
dt < + si et seulement si
(k 1) > 1
Donc
()|
()
dt =
()
dt =
dt =
dt
=
Donc si k = 0 on a : ()
) =
()
dt =
(
Si k > 0 on a : E(
) = +
31
Exercice 5
Soit X une variable alatoire qui reprsente la dure de vie dun certain composant
lectronique et qui suit la loi exponentielle de paramtre > 0 c'est--dire de densit f nulle
pour x < 0 avec f(x) =
pour x 0
On note F sa fonction de rpartition et S = 1 F sa fonction de survie
1-Dterminer le taux de panne de ce composant lectronique cest--dire la fonction =
et
= 1 G
Dterminer le taux de panne
de ce systme
tudier la variation de
et commenter le rsultat
Dmonstration
1- Comme f est nulle sur lensemble R la fonction de rpartition F de la variable alatoire X
vrifie si x < 0 la relation : F(x) = 0
Si x 0 on a donc : F(x) = ()
dt =
dt = (
) dt = 1
La fonction de survie de X est S(x) = 1 F(x) et le taux de panne est (x) = f(x) / S(x)
Donc le taux de panne vrifie (x) = 0 si x < 0 et si x 0 on a : (x) =
()
()
=
()
()
=
=
2- Si h > 0 et x > 0 on a : x+h > h > 0 donc :
P[ (X x+h) (X > h) ] =
[ ( ) ( )]
( )
=
[ ) ]
( )
=
( )
( )
=
[
()
]
[
]
=
()
Ainsi S(X h) = P[(X x+h) (X > h)] ne dpend pas de h : on dit que loi exponentielle est une
loi sans mmoire
3- Si on pose Y()= Max {
() ;
() < x ] [
() < x ]
Comme
et
< y) (
< y)] = P(
< y) P (
< y) = (())
< 1 donc 2
> 0 et g(x) = 2 (1
et
G(x) = (1
donc 1 G(x) = 1 [ 1 2
] =
(2
) donc :
(x) =
()
()
=
(
)
32
Ainsi
(x) =
[ (
) (
)](
) (
)
[
]
=
(
)
> 0
Donc la fonction relle
(x)
augmente lorsque x > 0 croit
33
T.D. n 6 : Couple alatoire
A traiter du 16 au 20 Dcembre 2013
Exercice 1
1-Dans la population de personnes atteintes dune certaine maladie incurable 25 % meurent
40 ans 50 % 50 ans et 25 % 60 ans
Dterminer la loi de probabilit de la variable alatoire X qui reprsente lge de dcs dun
individu tir au hasard dans cette population
2-Soit
et
les variable alatoire qui reprsentent lge de dcs de deux individus tirs
au sort de faon indpendante dans cette population
Dterminer la loi de probabilit du couple (
)
En dduire la loi de probabilit de la variable alatoire Y qui reprsente lge de dcs de
celui des deux individus qui vivra le plus longtemps
Calculer lesprance de vie de celui qui vivra le plus longtemps
Dmonstration
1-On note X la variable alatoire qui reprsente lge de dcs dun individu tir au hasard dans la population
P(X=40)=25/100=1/4 P(X=50)=50/100=1/2 P(X=60)=25/100=1/4
La loi du couple (X
1
; X
2
) est P (X
1
=a ; X
2
=b) = P[ (X
1
= a) (X
2
= b) ] = P (X
1
=a) P(X
2
=b) puisque les
variables alatoires X
1
et X
2
sont indpendantes
Donc :
X
2
X
1
=40 X
1
=50 X
1
=60
X
2
=40
P(X
1
=40 ; X
2
=40) = ( )( ) =
P(X
1
=50 ; X
2
=40) = ()( ) =
P(X
1
=60 ; X
2
=40) = ( )( ) =
X
2
=50
P(X
1
=40 ; X
2
=50) = ()( ) =
P(X
1
=50 ; X
2
=50) = ()( ) =
P(X
1
=60 ; X
2
=50) = ()( ) =
X
2
=60
P(X
1
=40 ; X
2
=60) = ( )( ) =
P(X
1
=50 ; X
2
=60) = ()( ) =
P(X
1
=60 ; X
2
=60) = ( )( ) =
2-On note Y la variable alatoire qui reprsente lge de dcs de celui des deux individus qui vivra
le plus longtemps
P(Y=40) = P[(X
1
=40) (X
2
=40)] = P(X
1
=40) P(X
2
=40) = (
)
2
=
P(Y=50) = P[(X
1
=40) (X
2
=50)] + P[(X
1
= 50) (X
2
=40)] + P[(X
1
=50) (X
2
=50)] = (
) + (
) + (
) =
)+(
)] =
) + 50 (
) + 60 (
) =
= 53,75
Exercice 2
Soit X une variable alatoire de loi normale centre et rduite
On dfinit les variables alatoires Y = 2 X et Z = 3X
1-Dterminer la loi de probabilit des variables alatoires Y et X + Y et X + Y + Z
2-Calculer Cov (X ; Y) et V(X + Y + Z)
34
Dmonstration : Consulter le livre de Jean Pierre Lecoutre (page 85)
On utilise :
Si a est un rel et X est une variable alatoire telle que X() = a pour tout alors : X = a 1
et :
P(X=a) = P({ : X()=a}) = P() = 1 et E(1
) = 1
()()
= P() = 1 donc :
E(X) = E(a1
) = aE(1
) = a
On crit : Si a est une constante : E(a) = a E(1) = a donc E(a
2
) = a
2
et V(a) = E(a
2
) E
2
(a) = 0
-Si X
1
et X
2
sont des variables alatoires indpendantes telles que X
1
suive une loi N(m
1
;
1
) et X
2
suive une loi
N(m
2
;
2
) alors X
1
+ X
2
suit une loi N(m ; ) telle que m = m
1
+ m
2
et = (
1
2
+
2
2
)
-Si X suit une loi normale N(m ; ) et a > 0 alors Y = a X suit une loi N(a m ; a )
En effet P(X < x) =
()
dt et en posant u = t a on a : t =
donc :
P(Y < x) = P(X <
) =
()
dt =
) du =
()
()
du donc
Y = a X suit une loi N(am ; a)
-Si X suit une loi normale N(m ; ) et a 0 alors Y = a X suit une loi N(a m ; |a| )
La dmonstration de ce dernier rsultat nest pas vidente et peut tre obtenue en reprenant la dmonstration
prcdente et en utilisant la relation
= 1
On notera que la relation
est une
densit dune variable alatoire U en crivant que ()
= 1 (en
posant
= )
1-Si X suit une loi N(0 ; 1) alors E(X) = 0 et V(X) = 1 donc si a > 0 est un rel la variable a X suit
une loi N(0,a) donc la variable Y = 2X suit une loi N(0,2) et la variable X+Y = 3X suit une loi N(0,3)
Comme Z = 3X la variable X+Y+Z = 0 donc X+Y+Z se rduit la constante a = 0 (variable
certaine) donc on a : P(X+Y+Z=0) = 1 et E(X+Y+Z) = a = 0 et V(X+Y+Z) = 0
2-Comme E(Y)=0 et E(X
2
)=V(X) +[E(X)]
2
= 1 + (0)
2
= 1 on a :
Cov (X ; Y) = E(XY) E(X)E(Y) = E(XY) = E(2XX) = 2E(X
2
) = 2
Exercice 3
Soit X une variable alatoire de loi uniforme sur lintervalle [ 1 ; 1]
1-Dterminer la fonction de rpartition de X
2-Calculer E(X) et V(X)
3-Dterminer la loi de probabilit de la variable alatoire Y =
si x [a ; b] et f(x)= 0 sinon
On dit que la variable alatoire X : R est une variable uniforme sur [a ; b] si la fonction f : R R est
une densit de X
On calcule la fonction de rpartition de X :
Si x < a on a : F(x) = P(X < x) = ()
= 0
35
Si x b on a : F(x) = P(X < x) = ()
= 1
Si a x < b on a : F(x) = P(X < x) = ()
Si k 0 on a : E(X
k
) =
()
Donc : E(X) = (
et E(X
2
) = (
Si k 0 on a : E(X
k
) =
=
()
[1 (1)
] donc E(X
2k
) =
et E(X
2k+1
) = 0
Donc : E(X) = 0 et V(X) = E(X
2
) E
2
(X) =
2- On pose Y = X
2
et G(y) = P(Y < y)
On sait que lapplication
et F( ) =
donc :
G(y) = P(X
2
< y) = P( X
2
< y) = P( X < ) = P( < X < ) = F() F( )
=
(
) (
=
Si 0 < y < 1 on a donc : G(y) = et ainsi : g(y) = G (y) =
Ainsi la fonction G est continue sur R et continument drivable sur R\{0,1} donc G est la
fonction de rpartition de Y et g est une densit de Y
On a : E(X
2
) = E(Y) = ()
= ()
dt =
dt = (
) dt =
1
1
4
3
16
1
4
1
1
8
1
16
1
8
36
1-Calculer Cov (X ; Y) et prciser si ces variables alatoires sont indpendantes
2-Dterminer la loi conditionnelle de X sachant que Y = 1
Dmonstration
1-La loi du couple (X ; Y) est P(X =a ; Y=b) = P [(X =a) (Y=b)]
-On calcule X() = { 2 ; 0 ; 2} et Y() = { 1 ; 1}
P(X = 2) = P(X = 2 ; Y = t)
()
=
P(X = 2) = P(X = 2 ; Y = t)
()
=
P(Y = 1) = P(X = t ; Y = 1)
()
=
] + [
] = 0
Donc Cov (X ; Y) = E(XY) E(X) E(Y) = E(XY) = 0
Donc P(X = 2 ; Y = 1) =
) (
La loi conditionnelle de X sachant que Y = 1 est la loi dfinie par P [(X = x)|(Y = 1)] pour tout x
appartenant X() = { 2 ; 0 ; 2}
On sait que P [(X = x)|(Y = 1)] =
[() ()]
()
=
( ; )
5
16
=
P(X = x ; Y = 1)
Donc :
P [(X = 2)|(Y = 1)] =
P(X = 2 ; Y = 1) = (
)(
) =
P(X = 0 ; Y = 1) = (
)(
) =
P(X = 2 ; Y = 1) = (
)(
) =
37
Exercice 5
Soit (X ; Y) un couple de variables alatoires discrtes dont la loi de probabilit est donne
par le tableau ci-aprs :
X
0 1 2
Y
1
1
12
0
1
12
2
2
12
1
12
1
12
3
3
12
2
12
1
12
1-Dterminer les lois marginales de X et Y et prciser si ces variables alatoires sont
indpendantes
2-Dterminer les lois conditionnelles de Y sachant que X = x pour x = 0 puis x = 1 et x = 2
En dduire la loi de probabilit de la variable alatoire E(Y / X)
Calculer E[E(Y / X)]
Le rsultat tait-il prvisible ?
Dmonstration
1-La loi marginale de X est :
k 0 1 2
P(X = k)
P(X = 0) =
P(X = 1) = 0 +
P(X = 2) =
+ 0 +
P(Y = 2) =
P(Y = 3) =
X
Y
0 1 2 Total :
Loi de Y
1
P(X=0 ; Y=1) =
P(X=1 ; Y=1) = 0
P(X=2 ; Y=1) =
+ 0 +
2
P(X=0 ; Y=2) =
P(X=1 ; Y=2) =
P(X=2 ; Y=2) =
3
P(X=0 ; Y=3) =
P(X=1 ; Y=3) =
P(X=2 ; Y=3) =
Total :
Loi de X
0 +
1
38
P(X=2) = P(X=2 ; Y=1) + P(X=2 ; Y=2) + P(X=2 ; Y=3) =
On crit :
X 0 1 2
) + 2(
) =
+ 0 +
On crit :
Y 1 2 3
) + 2(
) + 3(
) =
) (
) + (3) (
)} + {(2) (
)+ (4) (
)+ (6) (
)} =
)(
) =
0
Donc les variables X et Y ne sont pas indpendantes (Lecoutre pages 137 et 141)
2-La loi conditionnelle de Y sachant que X= est P(Y = |X=) =
( ; )
()
donc :
1 2 3
X=0
P(Y = 1|X=0) =
( ; )
()
=
P(Y = 2|X=0) =
( ; )
()
=
P(Y = 3|X=0) =
( ; )
()
=
X=1
P(Y = 1|X=1) =
( ; )
()
= 0 /
= 0
P(Y = 2|X=1) =
( ; )
()
=
P(Y = 3|X=1) =
( ; )
()
=
X=2
P(Y = 1|X=2) =
( ; )
()
=
P(Y = 2|X=2) =
( ; )
()
=
P(Y = 3|X=2) =
( ; )
()
=
On admet la prsentation suivante dans un tableau donnant les valeurs de P(Y = |X=) :
39
1 2 3
Y | X=0
Y | X =1 0
Y | X =2
3-Le calcul des moments conditionnels est analogue celui des moments (Lecoutre page 112)
On a : E(Y|X=) =
()
(Y = t|X = )
On a : E(Y|X=0)=
()
(Y = t|X = 0) = (1)P(Y=1| X=0)+ (2)P(Y=2|X=0) + (3)P(Y=3|X=0)
= (1)
+ (2)
+ (3)
On a : E(Y|X=1)=
()
(Y = t|X = 1) = (1)P(Y=1|X=1) + (2)P(Y=2|X=1) + (3)P(Y=3|X=1)
= (1) (0) + (2)
+ (3)
On a : E(Y|X=2)=
()
(Y = t|X = 2) = (1)P(Y=1|X=2) + (2)P(Y=2|X=2) + (3)P(Y=3|X=2)
= (1)
+ (2)
+ (3)
= 2
On admet la prsentation suivante dans un tableau donnant les valeurs de la fonction
discrte E(Y|X) : x E(Y|X=x) de X() dans R
E(Y|X=0) =
E(Y|X=1) =
E(Y|X=2) = 2
Daprs le cours la variable alatoire relle Z = E(Y|X) : R a pour image le sous
ensemble Z() = { E (Y|X = x) : x () } et pour tout X() on a :
P [ Z = E (Y|X = ) ] = P(X = ) et on crit en gnral P[ E(Y|X) = E (Y|X = ) ] = P(X = )
donc la probabilit de E(Y|X) = E (Y|X = ) est P(X = ) c'est--dire que la probabilit de
lvnement Z = E (Y|X = ) est P(X = )
La loi de probabilit de Z est dfinie (Lecoutre page 112) par lensemble des valeurs possibles de
Z savoir Z() = { E(Y|X=x) : x X() } et par les probabilits associes P(X=x) quand x X()
Comme X() = {0 ; 1 ; 2} la variable alatoire relle Z = E(Y|X) : R prend trois valeurs
savoir E(Y|X=0) =
et E(Y | X = 1) =
; 2 }
La relation P [Z = E (Y|X = ) ] = P(X = ) si X() implique alors :
P(Z =
) = P [Z = E (Y|X = 0) ] = P(X = 0) =
et P(Z =
) = P [Z = E (Y|X = 1) ] = P(X = 1) =
) P(Z =
) + (
) P(Z =
) + (2) P(Z = 2)
= (
) P(X=0) + (
) (
) + (
) (
) + (2) (
) =
40
On admet la prsentation suivante dans un tableau donnant la loi de probabilit de la
variable alatoire E(Y|X) : x E(Y|X=x) de X() dans R :
x 0 1 2
E(Y|X=x)
2
P [ Z = E (Y|X = ) ] = P(X = )
) + (2)(
) + (3)(
) =
Note culturelle :
Esprance conditionnelle (Jacob et Protter Lessentiel en thorie des probabilits Cassini pages 203 215) :
Soit ( ; ; P) un espace probabilis et Y : R une variable alatoire et X : R une variable alatoire
telle que X() soit au plus dnombrable
Lvnement
(Y) =
()
et on pose
E(Y|X = )=
( ; ; P)
alors il existe un unique lment
dans
( ; (X) ; P) on ait : E(
Z) = E(Y Z) et llment
( ; (X) ; P) de lespace
de Banach
( ; ; P)
41
Exercice 6
Un couple (X ; Y) de variables alatoires admet pour densit f telle que :
f(x , y) =
)
y
y = x
1
x M
D
0 x 1 x
Posons f(x ; y) = e
y - x
si y x et 0 y 1 et f(x ; y)= 0 sinon donc f : R
2
dx]dy =
[ (
dx ] dy=
dy = 1
La fonction de rpartition de (X ; Y) est la fonction F : R
2
si x R
On note h : R R la densit marginale de Y donc : h(y) = (, )
si y R
Si 0 x 1 on a : g(x) = (, )
dy = (
dy = 1 e
x
Si x > 1 on a : g(x) = (, )
dy = (
dy = e
1 x
e
x
= (e 1) e
x
Si x < 0 on a : f(x ; y) = 0 donc g(x) = 0
Si y < 0 ou si y > 1 on a : f(x ; y) = 0 donc h(y)= 0
Si 0 y 1 on a : h(y) = (, )
dx = (
dx = e
y
e
y
= 1
Comme f(x ; y) g(x)h(y) les variables alatoires X et Y ne sont pas indpendantes
Exercice 7
Soit (X ; Y) un couple de variables alatoires dont la loi est dtermine par la densit f telle
que : f(x , y) =
)
On pose f(x ; y) =
dy] dx =
] dx =
) dx =
= 1
La fonction de rpartition de (X ; Y) est la fonction F : R
2
1
{ (v , u) R : v u }
du dv = 1
Si y
0
> x
0
et x
0
< 2 on a :
F(x
0
; y
0
) = [ (, ) ]
[ ]
du =
) du =
Si y
0
< x
0
< 2 on a :
F(x
0
; y
0
)= [ (, ) ]
[ ]
=
(
Si y
0
< 2 < x
0
on a :
F(x
0
; y
0
) = [ (, ) ]
[ ]
si x R
On note h : R R la densit marginale de Y donc : h(y) = (, )
si y R
Si x < 0 ou si x > 2 on a : f(x ; y) = 0 donc g(x) = 0
43
Si 0 x 2 on a : g(x) = (, )
) dy =
) dy = y
= y