Sie sind auf Seite 1von 9

CPGE-Mohammadia-MP TD no :Probabilite variables aleatoites 16/

Exercice 1 Pi` eces variables 2. Memes questions mais en supposant qu` a chaque nouvel essai on choisit
On lance n pi`eces, lune apr`es lautre, et on fait lhypoth`ese que les lan- uniformement une cle autre que celle que lon vient dessayer.
cers sont mutuellement independants et que la k-`eme pi`ece a une probabilite
1/(2k + 1) de produire pile. Quelle est la probabilite que le nombre de pile 3. Memes questions mais en supposant qu` a chaque nouvel essai on choisit
obtenu soit pair ? uniformement une cle autre que toutes celles que lon a dej`
a essaye.

Exercice 2 Lemme de Borel-Cantelli


Soit (An )nN une suite dev`enements dans un meme espace probabilise. On Exercice 5 Pour un entier naturel n superieur ou egal `
respectivement :
a 2, on notera
note A =  Il y a une infinite dev`enements parmi les An qui sont realises . Sn lensemble des entiers strictement positifs, inferieurs ou egaux `
a n, et
premiers avec n.
1. Montrer que A est un ev`enement.
Dn lensemble des diviseurs de n, entiers positifs (en particulier, 1
X appartient `
a Dn ).
2. Si la serie P (Ak ) est convergente, montrer que P (A) = 0.
k
X 1. On consid`ere dans cette question un univers probabilise (, B, P ).
3. Si la serie P (Ak ) est divergente et si les Ak sont mutuellement Levenement contraire dun evenement E sera note E.
k
independants, montrer que P (A) = 1. (a) Soient A1 et A2 deux evenements independants de cet univers ;
montrer que A1 et A2 sont independants.
u P (A) = 12 .
4. Donner un cas o` (b) Generalisation : soit k un entier naturel non nul et A1 , A2 , . . . ,
Ak k evenements mutuellement independants de .
i. Montrer que A1 , A2 , . . ., Ak sont independants.
ii. Montrer par recurrence que A1 , A2 , . . ., {Ak } sont
Exercice 3 Temps dattente On lance une infinite de fois une pi`ece et on
consid`ere lev`enement Ak =  au cours des k premiers lancers, il nest jamais independants.
sorti trois pile de suite  avec la convention A0 = O. Dans toute la suite de cette partie, n designe un entier naturel superieur
ou egal `
a 2 et X une variable aleatoire sur , prenant ses valeurs dans
1. En supposant les lancers mutuellement independants et la pi`ece lensemble {1, . . ., n} de mani`ere equiprobable, cest-`
a-dire telle que pour
equilibree, montrer que 1
tout i = 1, . . ., n, on a P (X = i) = .
P (Ak ) = 12 P (Ak1 ) + 14 P (Ak2 ) + 81 P (Ak3 ) pour k 3. n
2. On consid`ere levenement A1 : X est multiple de 2 et levenement A2
ome X 3 X 2 /2 X/4 1/8.
2. On note , , les racines dans C du polyn : X est multiple de 5.
Montrer, sans les calculer, que max(||, ||, ||) < 1 et en deduire
limk P (Ak ). (a) On suppose que n = 100.
Calculer les probabilites des evenements A1 et A2 . A1 et A2 sont-ils
independants ?
(b) On suppose maintenant que n = 101. Reprendre les questions du
Exercice 4 Temps dattente On dispose dun trouseau de n cles, une seule (a) dans ce cas.
dentre elles pouvant ouvrir la porte de lappartement. 3. On suppose que la decomposition en facteurs premiers de n secrit
k
1. On essaie une cle au hasard, puis on recommence tant quon na pas n=
Y
p
i , o`
u les i sont des entiers superieurs ou egaux `
a 1.
i
trouve la bonne cle. Les essais etant supposes independants et le choix
dune cle `
a chaque essai etant suppose uniforme, determiner la probabi- i=1
lite quon trouve la bonne cle au k-`eme essai et la probabilite quon ne Enfin, pour i entier naturel, 1ik, Ai designe levenement X est
trouve jamais la bonne cle. divisible par pi .

proba.tex
CPGE-Mohammadia-MP TD no :Probabilite variables aleatoites 16/

(a) Soit A levenement : X est premier avec n ; exprimer P (A) `


a 1. Calculer et determiner les lois marginales de X et de Y .
laide de n et (n).
1 2. Montrer que les variables X et Y sont independantes.
(b) Montrer que P (Ai ) = pour tout entier i, 1ik.
pi 3. On suppose que A et B sont deux variables aleatoires definies sur le
(c) Montrer que les (Ai )1ik sont mutuellement independants. meme espace probabilise (, T, P ), independantes, suivant la meme loi
uniforme sur lensemble {1, 2, ..., N } et on designe par D levenement :
(d) Exprimer A a
` laide des Ai . A ne prend pas la meme valeur que B.
k  
Y 1
(e) En deduire que (n) = n 1 N 1
pi (a) Montrer que la probabilite de levenement D est .
i=1 N
(b) Soit Y1 et Y2 les variables aleatoires definies par : Y1 = min(A, B)
Y2 = max(A, B) Calculer, pour tout couple (i, j) delements de
{1, 2, ..., N }, la probabilite conditionnelle PD (Y1 = i, Y2 = j).
Exercice 6 ( Loi de Zipf )
P 1
Soit ai1. (x) = ds n=1 x pour toute x > 1
n
1. Montrer que lon peut definir une probabilite Pa sur N ` a laide de la Exercice 8 Soit X et Y deux variables independantes de meme loi
1 geometrique de param`etre p.
suite (pk )k1 o`
u pk = ( dite loi de Zipf de param`etre a )
(a) k a Determiner :

On consid`ere alors lespace probabilise (N , P (N ) , Pa ) 1. La loi de X + Y ,
2. Pour m dans N , on pose Am = m.N .
2. La loi de sup(X, Y ),
(a) Calculer pour m N , Pa (Am ).
3. La loi de inf (X, Y ).
(b) Donner pour i, j dans N , une CNS pour que Ai et Aj soient
independantes. Generaliser.

3. Pour i 1, on note pi le ie`me nombre premier et pour n 1, on note


Cn lensemble des entiers naturels non nuls qui ne sont divisibles par Exercice 9 Un immeuble de p etages est equipe dun ascenseur ; n personnes
aucun des nombres premiers pi , pour 1 i n. montent dans lascenseur au rez de chaussee et descendent chacune ` a un etage
au hasard et de facon independante. On note X la variable aleatoire egale au
(a) Calculer pour n 1, Pa (Cn ). nombre darrets de lascenseur.
(b) Determiner Cn . 1. Determiner la loi de X dans les cas suivants :
n1

(c) En deduire le developpement eulerien de la fonction : (a) = (a) p = 2 et n 2.


+
Y 1
1 (b) n = 2 et p 2.
1 a .
i=1
pi
2. On revient au cas general. Pour i [[1, p]], j [[1, n]], on note Yi,j la
Exercice 7 Soit n 1 un entier naturel. Soit (, T, p) un espace probabilise. v.a valant 1 si le j`eme passager descend au i`eme etage et la valeur 0 si
non.
Soient X et Y deux variables aleatoires reelles definies sur (, T, p) telles que, Pour i [[1, p]], on note Xi la v.a prenant la valeur 1 si lascenseur
X() = Y () = [[1, n + 1]]. Pour tout (i, j) on pose sarrete au i`eme etage et la valeur 0 sinon.
- Determiner les lois des v.a Yi,j et Xi .
ai,j = P [(X = j) (Y = yi )], bi,j = P(X=j) (Y = i)

On suppose que R tel que i, j, ai,j = Cni1 Cnj1 .

proba.tex
CPGE-Mohammadia-MP TD no :Probabilite variables aleatoites 16/

Exercice 10 La loi de Poisson est courament employee dans des probl`emes Exercice 14 Permutation al eatoire
de files dattente. Un sac contient n jetons numerotes de 1 ` a n. On tire independament et
On suppose que le nombre de voitures se presentant en une heure ` a une avec remise des jetons jusqu` a ce que chaque numero soit sorti au moins une
barri`ere de peage est une v.a X qui suit une loi de Poisson P() . A ` cette fois. Soient N le nombre (aleatoire) de jetons tires et S la liste des numeros,
barri`ere, il y a N peages. Chaque voiture arrivant choisit au hazard de ma- sans repetition, dans lordre o`
u ils ont ete tires.
ni`ere equiprobable et independamment des autres voitures.
1. Prouver que P (N ) = 1.
1. On note Y le nombre de voitures se presentant au peage numero 1.
Pour n N et k [[0, n]], determiner PX=n (Y = k). 2. On note N1 le nombre de jetons tires avant de tirer un jeton different du
premier, N2 le nombre de jetons supplementaires tires avant de tirer un
2. En deduire la loi mutuelle du couple (X, Y ). jeton different des deux premiers, etc. Determiner les lois de N1 , N2 , . . .
et en deduire E(N ).
3. Montrer que la v.a Y suit une loi de Poisson de param`etre `
a determiner.
3. Prouver que S est uniformement distribuee sur lensemble des
permuations Sn .

Exercice 11 1. Soient X et Y deux variables aleatoires independantes Exercice 15 Couple de variables al eatoires
suivant des lois de Poisson de parametres respectifs et . Determiner
la loi de leur somme S. Soient X, Y deux variables aleatoires sur un meme espace probabilise
`
a valeurs dans N . On suppose que la loi conjointe de (X, Y ) verifie :
2. Soient X et Y independantes et de meme loi geometrique de param`etre P (X = j, Y = k) = a(j + k)/2j+k .
p. be
(a) Determiner la loi de X + Y . Quelle est la valeur de a ?
(b) Determiner la loi conditionnelle de X sachant que (X + Y = k) o`
u Determiner les lois marginales de X et Y .
k (X + Y )().
X et Y sont-elles independantes ?
(c) Calculer p(X + Y n).
(d) Determiner p(X + Y Z), p(X + Y ) Z et p(X + Y = Z). Calculer P (X, Y ).

Exercice 12 Loi de Poisson et loi geometrique Soient X, Y deux variables Exercice 16 Nombre al eatoire de lancers
aleatoires sur un meme espace probabilise, independantes, avec X , P ()(?) On dispose dune pi`ece ayant la probabilite p?]0, 1[ de donner pile et on
et Y , G(p). Calculer P (X = Y ). realise lexperience suivante :
on lance la pi`ece autant de fois que necessaire pour obtenir pile. Soit N
le nombre de lancers effectues.
on lance ` a nouveau la pi`ece N fois et on compte le nombre X de pile
Exercice 13 Urne de Polya obtenus.
Une urne contient initialement une boule blanche et une boule noire. On
tire au hasard une boule, on note sa couleur, puis on la remet dans lurne et 1. Quelle est la loi de N ?
on y ajoute une nouvelle boule de cette meme couleur. On tire ` a nouveau au
hasard une boule, on note sa couleur puis on la remet dans lurne avec une 2. Quelle est la loi de X ?
nouvelle boule de cette meme couleur, et ainsi de suite. Les tirages succes-
sifs sont supposes mutuellement independants. Soit Xn le nombre de boules 3. Calculer E(X).
blanches
. tir
e es au cours de n premiers tirages. De terminer la loi de Xn

proba.tex
CPGE-Mohammadia-MP TD no :Probabilite variables aleatoites 16/

X
i
Exercice 17 Formule de Wald 4. Montrer pour k, m, n N : Cm Cnj = Cm+n
k
.
Soient (Xn )nN et N des variables aleatoires sur un meme espace pro- i+j=k
babilise, mutuellement independantes, `a valeurs dans N, les Xi ayant toutes
meme loi. On consid`ere S = X1 +, . . . , +XN (somme dun nombre aleatoire 5. En deduire une expression simple
de variables aleatoires, avec la convention S = 0 si N = 0). Xpour P (Z2n = (0, 0)) et un equivalent
lorsque n tend vers. La serie P (Z2n = (0, 0)) est-elle convergente ?
n
1. Montrer que S est une variable aleatoire et determiner sa fonction
generatrice en fonction des fonctions generatrices de N et X1.
6. Pour p N fixe soit Np la variable aleatoire valant 1 si Zp = (0, 0) et 0
2. En deduire E(S) = E(N )E(X1) avec la convention 0 = 0 = 0. sinon.
Montrer que lim E(N 0+, . . . , Np ) = 0.
p

7. Conclure.
Exercice 18 Temps dattente Au jeu de pile ou face infini avec une pi`ece
equilibree, on consid`ere les variables aleatoires TXY = nombre de lancers Exercice 20 Partie I. D
emonstration du th
eor`
eme de Weierstrass
jusqu`a obtenir la sequence XY o` u X, Y ??P, F ?. par les polynomes de Bernstein

1. Determiner les lois et les esperances de TP P , TP F , TF P , TF F . Soitn N et k [|0, n|]


(Xk )kN une suite de variables aleatoires sur le meme espace probabi-
2. Calculer P (TP P > TP F ) et P (TP P > TF P ). lise(, T, p)suivanttoutes la loi de Bernoulli de parametre x [0, 1] Sn =
n
3. Determiner les lois de TP P F et TF P P en fonction de la loi de TP P et
X Sn
Xk et Tn =
leurs esperances. n
k=1
4. Calculer P (TP P F > TF P P ). Soit Bn,k R[X] le polyn
ome de Bernstein defini par

Bn,k (x) = Cnk xk (1 x)nk .

1. Donner la loi de Sn
Exercice 19 Marche aleatoire dans Z 2 On consid`ere une particule se
deplacant au hasard dans un plan de la mani`ere suivante : 2. deduire que:
le temps est discret ; Pn
`a linstant n, la particule tire une direction au hasard parmi Nord, Sud, (a) 2
k=0 (k nX) Bn,k = nx(1 x).
Est, Ouest avec probabilite 41 pour chaque direction puis effectue un pas dans
cette direction ; (b) 0 Bn,k (x) 1
Pn
les tirages sont mutuellement independants. (c) k=0 kBn,k = nX(1 X).
Le but de lexercice est de prouver quil est presque sur que la particule pas- Pn
sera une infinite de fois par son point de depart. On note Zn = (Xn , Yn ) la po- (d) Bn,k (X) = Bnk,k (1 x) puis , k=0 Bn,k = 1).
sition de la particule `a linstant n dans le rep`ere (position de depart,Est,Nord)
et N le nombre dinstantsSn 1 tels que Zn = (0, 0). N est une variable 3. Calculer P (Sn = k) en fonction de P (Sn = k) et P (Sn1 = k 1)en
aleatoire a` valeurs dans N {} et il sagit de prouver que P (N = ) = 1. deduire Bn,k (X)en fonctiondeBn,k1 et Bn1,k1

1. Montrer que P (N 2) = P (N 1)2 puis generaliser. 4. Soit f une fonction continue sur [0, 1]
a valeur dans R. On definit
X n
P (N 1)k est
 
2. En deduire quil suffit de prouver que la serie X k
Bn (f ) = f Bn,k .
k n
divergente. k=0

3. Exprimer P (Zn = (0, 0)) sous forme dune somme de coefficients Montrer que E(f (Tn ) = Bn (f )(x) puis Bn (f )(x) f (x) = E(f (Tn )
binomiaux. E(f (Tn ))

proba.tex
CPGE-Mohammadia-MP TD no :Probabilite variables aleatoites 16/

1
5. Montrer que > 0 P (|Tn x| > )
4n 2
6. Soit X une variable aleatoire reelle
a valeurs dans un ensemble fini et
une fonction convexe sur un intervalle contenant X(),on suppose de
plus que X et (X)sont sommables,montrer queE((X)) ((E(X))
7. Montrer que Bn (f )convergeuniformement sur [0, 1] vers f et que R[X]
est dense dans C([0, 1], R) pour la norme de la convergence uniforme
(Tho`ereme dapproximation par des polyn
omes de Weierstrass).

proba.tex
CPGE-Mohammadia-MP TD no :Probabilite variables aleatoites 16/

N
Corrections X
3. P (D) = P (A 6= B) = 1 P (A = B) = 1 P (A = i, B = i) =
Correction 1 Soit pn cette probabilite. En conditionnant par le resultat du i=1
n-`eme lancer, on a N
X XN
1 N 1
(2n + 1)pn = 1 + (2n 1)pn1 =, = (n 1) + 3p1 = n + 1 1 P (A = i)P (B = i) = 1 2
=
i=1 i=1
N N
T S
Correction 2 1. A = n=0 k=n Ak T . 4. P (D) 6= 0, ce qui permet lexistence de la probabilite demandee.
P [(A = i, B = j) D]
S X PD (X = i, Y = j) = .
2. P ( k=n Ak ) P (Ak ) 7n 0 P (D)
k=n
- Si i j, cette probabilite est nulle.
- Si i < j, P [(A = i, B = j) D] = P [((A = i, B = j) (A = j, B =
2 N 2
S T
3. 1 P ( k Ak ) = P ( Ak ) =
Y
P (Ak ) =
Y
(1 P (Ak ) i))D] = P (A = i, B = j)+P (A = j, B = i) = 2 = .
N N 1 N (N 1)
k=n k=n
+
La serie de terme general ln(1P (An )) est divergente : grossi`erement si Correction 8
[
1. P (X + Y = k) = P ( [(X + Y = k) (X = i)]) =
P (An ) ne tend pas vers zero, sinon par equivalence si P (An ) n 0. i=1
Donc le produit infini precedent est nul, ce qui suffit `
a conclure k1
X k1
X
P ([(Y = k i) (X = i)] = P (Y = k i).P (X = i) =
4. Tous les Ak egaux ` a un meme ev`enement de probabilite 12 . i=1 i=1
k1
X k1
X
Correction 3 1. Conditionner par le resultat des lancers de rang k3, k pq i1 pq ki1 = p2 q k2 = (k 1)p2 q k2
2, k 1. i=1 i=1

2. Par etude de fonction, il existe une unique racine reelle ] 21 , 1[. Les 2. Notons M = max(X, Y , M () = N soit k N P (M = k) = P (M
q
1
k) P (M k 1) = P [(X k) (Y k)] P [(X k 1) (Y
deux autres racines sont non reelles conjuguees et || = || = 8 < k1)] = P (X k).P (Y k)P (X k1).P (Y k1) = (1P (X >
1
2.
k
P (Ak ) est combinaison lineaire des suites ( ), ( ), ( ) donck k k))2 (1P (X > k1))2 = (1q k )2 (1q k1 )2 = pq k1 (2q k q k1 )
P (Ak )k 0. 3. Notons I = min(X, Y ), k N , P (I = k) = P (I > k 1) P (I >
k) = ... = (pq k1 )2 (pq k )2 = p3 (q 2 )k1 (1 + q).
Correction 4 1. pk = (n 1)k1 /nk , p = 0.
Correction 9 1. X() = {1, 2}. (X = 1) = {les n personnes descendent au 1er etage
2. p1 = 1/n, pk = (n 2) k2
/n(n 1) k2
pour k 2, p = 0. 1
donc P (X = 1) = 2( )n , P (X = 2) = 1 P (X = 1).
2
3. pk = 1/n 1 1
2. X() = {1, 2}. P (X = 1) = p( )2 = , P (X = 2) = 1 P (X = 1)
Correction 7 1. Pour que les ai,j definissent une loi conjointe, il faut que p p
n+1
X n+1 n
1 1 1
, B( ).
3. Yi,j suit la loi de Bernoulli de param`etre
X X
ai,j 0 et ai,j = 1, ce qui donne avec Cnp = 2n que = 2n . p p
i=1 j=1 p=0
2 n
\ 1
n+1 n+1 P (Xi = 0) = P ( (Yi,j = 0)) = (1 )n , ainsi Xi suit une loi de
p
X X
La loi de X est donnee par P (X = j) = ai,j = Cnj1 Cni1 = j=1
i=1 i=1 p1 n
Bernoulli de param`etre 1 ( ) .
2n Cnj1 et par symetrie Y suit la meme loi que X. p
(X 1) et (Y 1) suivent la loi B(n, 1/2).  k  nk
k 1 1
2. P (X = j)P (Y = i) = = P [(X = j) (Y = i)] Correction 10 1. PX=n (Y = k) = Cn 1
N N

proba.tex
CPGE-Mohammadia-MP TD no :Probabilite variables aleatoites 16/

2. Soit n, k N. 2q + 1
k)p(Z = k)] = .. = .
- Si k n, P (X = n, Y = k) = P(X=n) (Y = k)P (X = n) = (q + 1)2
 k  nk 2q + 1
1 1 n de la meme facon on montre que p(X + Y Z) = .
Cnk
1 e . (q + 1)2
N N n!
- Si k > n, cette probabilite est nulle. p(X + Y = Z) = p[(X + Y Z) (X + Y Z)] = p(X + Y
Z) + p(X + Y Z) p[(X + Y Z) (X + Y Z)] =
3. (X = n)nN est un syst`eme fondamental devenements de 2q + 1 2q + 1 pq
+ + 1= .
X (q + 1)2 (q + 1)2 (1 + q)2
, donc P (Y = k) = P (X = n, Y = k) =
n=0 k

X X
+ 
1
k 
1
nk
n
1 Correction 12 P (X = Y ) = P (X = k)P (Y = k) = e p(1
k!
X
Cnk 1 e = ... = e N ( )k , ainsi Y suit k=0 k=1
N N n! k! N p
n=k p)k1 = (ep e ).
1p
une loi de Poisson de param`etre .
N
Correction 13 Levenement (Xn = k) cest avoir effectue n tirage dont k
Correction 11 1. On montre que S suit aussi une loi de Poisson de tirage ont donnee boules blanches et n k noires Soit Ak lev`enement avoir
param`etre = + . blanches au k e me tirage T S T
2. (a) (X + Y )() = [[2, +[[, n 2, p(X + Y = n) = (n 1)p2 (1 La FTP donne (Xn = k) = (An (Xn1 = k 1)) (Ak (Xn1 = k))
1
p)n2 . donc P (Xn = k) = ((n k)P (Xn1 = k) + kP (Xn1 = k 1)). Par
n+1
a la realisation de (X + Y = k) exige X k 1, donc si i k,
(b) Dej` 1
p(X+Y =k) (X = i) = 0. recurrence sur n, P (Xn = k) = pour k ]0, n]
n+1
p[(X + Y = k) (X = i)]
Si i k 1, p(X+Y =k) (X = i) = = Correction 3 1. La probabilite que le jeton j ne soit pas tire au cours
p(X + Y = k)
p[(X = i) (Y = k i] des k premiers tirages est (1 1/n)k k 0. En conditionnant par j
, ce qui donne par independance on obtient P (N ) = 0.
p(X + Y = k)
p[(X = i)p(Y = k i] q i1 pq ki1 p 2. P (Ni = k) = (i/n)k1 (1 i/n), E(Ni ) = n/(n i) et E(N ) =
p(X+Y =k) (X = i) = = =
p(X + Y = k) (k 1)p2 q k2 E(N 1) + + E(Nn1 ) = nHn1 .
1
. 3. Pour Sn , on a P (S = /N1 = k1 , . . . , Nn1 = kn1 ) =
k1
La loi est donc la loi uniforme sur [[1, k 1]]. 1k1 1 2k2 1 . . . (n 1)kn1 1 /nk1 ++kn1 est independant de .
+ +
!0
1. a = 81 .
X X
p(X + Y n) = p2 (k 1)q k2 = 2 k1
p q = Correction 14
k=n k=n
0 2. P (X = j) = P (Y = j) = (j + 1)/2j+2
(1 q)q n1 = (n 1)q n2 nq n1 .
(c) En utilisant le syst`eme complet devenements ((Z = n))nN , on 3. P (X = j) P (Y = j) = ((j + 1)/2j+2 )2 P (X = j P (Y = j)
+
X 1
obtient p(X + Y Z) = p[(X + Y Z) (Z = k)] = 4. 9.
k=1
+
X Correction 16 1. P (N = k) = pq k1
p[(X + Y k) (Z = k)], or X, Y, Z sont independantes,
k=1 2. P (X = x|N = k) = Ckx px q kx , P (X = x) = q x1 /(1 + q)x+1 si x 6= 1
+
X et P (X = 0) = q/(1 + q)
donc aussi pour X + Y et Z, donc p(X + Y Z) = p[(X + Y
k=1
3. E(X) = 1.

proba.tex
CPGE-Mohammadia-MP TD no :Probabilite variables aleatoites 16/

S S X
Correction 17 1. {S = k} = i=0 k1 ++ki =k {N = i, X1 = 2. P (N = ) = 1 ssi P (N 1) = 1? ssi la serie P (N 1)k diverge.
k1, . . . , Xi = ki }, donc GS (z) = GN GX1 (z). k

2. Le cas o`
u N et X1 ont des esperances finies est immediat, de meme que 3. Identifier les coefficients de X k dans (1 + X)m (1 + X)n = (1 + X)m+n .
le cas o`
u une des deux variables a une esperance nulle.
Si 0 < E(N ) < = E(X1), pour K N on consid`ere Yi = min(Xi , K)
X
et T = Y1 +, . . . , +YN . On a Xi Yi donc S T puis E(S)E(T ) = 4. P (N 1) = P (Z1 6= 0, . . . , Zi1 6= 0, Zi )0 P (N 2) =
K i=1

X
X
E(N )E(Y 1) E(N ) kP (X1 = k) k +. On traite de mani`ere X
k=0
(Z1 6= 0, . . . , Zi1 6= 0, Zi = 0, Zi+1 6= 0, . . . Zi+j1 6= 0, Zi+j =
analogue le cas 0 < E(X1) = (E)(N ) i=1 j=1
X X

Correction 18 1. P (TP P = k) = 21 P (TP P = k 1) + 41 P (TP P = k 2) 0) = P (Z1 6= 0, . . . , Zi1 6= 0, Zi = 0)P (Z1 6= 0, . . . , Zj1 6=


pour k 3, i=1 j=1

5+1 k1
0, Zj = 0) = P (N 1)2 .
P (TP P = k) = 1

2 5
(( 4 ) ( 14 5 )k1 ), E(TP P ) = 6. P (TP F =
De meme, P (N k) = P (N 1)k .
k) = (k 1)/2k , E(TP F ) = 4.
1 n2 1
2. P (TP P < TP F ) = P (i = 0 F i P P ) = 1
donc P (TP P > TP F ) = 12 . 5. P (Z2n = (0, 0)) = C . La serie diverge.
2 42n 2n pn
1
P (TP P < TF P ) = P (P P ) = 4 donc P (TP P > TF P ) = 43 .
p
X
3. Il est presque sur que P P apparait au moins une fois au cours dune 6. E(N0 + + Np ) = P (Zn = (0, 0)).
infinite de lancers. La seule possibilite pour que P P F apparaisse n=0
avant F P P est que la suite des tirages commence par P P . Donc
P (TP P F > TF P P ) = 34 .
X
X
7. P (N k) = P (N0 +, + Np ) k) = E(N0 +, + Np ).
kl
4. P (TP P F = k, TXP P = l) = P (TP P = l)/2 pour k > l donc k=1 k=1
k1 kl
P (TP P F = k) = l=2 P (TP P = l)/2 .
Correction 20 Partie I. D emonstration du th eor` eme de Weierstrass
P (TF P P = k) = 21 P (TP P = k 1) + 21 P (TF P P = k 1) = = par les polyn omes de Bernstein
k2
X
P (TP P = k l)/2l = P (TP P F = k). 1. La variable aleatoire Sn suit la loi binomiale de param`etre n, x, comme
l=1 somme de n variables aleatoires i.i.d de loi de Bernoulli de param`etre x.
X8 X 8 X8
E(TP P F ) = E(TF P P ) = kP (TP P = l)/2kl = (l+2)P (TP P =
2. Le reel Bk,n (x) represente la probabilite de levenement [Sn = k]. Ainsi
l=2 k=3 l=2
l) = E(TP P ) + 2 = 8. 0 Bk,n (x) 1, pour tout (k, n) N2 par la definition de nk lorsque
k > n.
Correction 19 1. Pour n impair, P (Zn = (0, 0)) = 0. Pour n = 2p, on
a Zn = (0, 0) si et seulement on a tire autant de fois Nord que Sud, et (a) Si Sn , B(n, x), alors levenement [Sn = k] (obtenir k succ`es lors
autant de fois Est quOuest. de n experiences independantes donnant succ`es avec la probabilite x
p et echec avec la probabilite 1x) est egal `
a levenement obtenir nk
1 X (2p)! echecs lors de n experiences independantes donnant succ`es avec la
Il vient : P (Z2p = (0, 0)) = =
42p k! k! (n k)! (n k)! probabilite x et echec avec la probabilite 1 x. En echangeant les
k=0
p notions de succ`es/echec, il vient Bk,n (x) = Bnk,n (1 x)
1 p X
C (Cnk )2 .
42p 2p (b)
k=0

proba.tex
CPGE-Mohammadia-MP TD no :Probabilite variables aleatoites 16/

n n
X X puisque 0 x(1 x) 1/4 pour x [0, 1].
(c) Bk,n (x) = P (Sn = k) = 1, puisque Sn () = [0, n].
k=0 k=0
n n
! n
6. En utilisant le theor`eme de transfert (X() = {x1 , . . . , xp } est fini et
X X X
(d) kBk,n (x) = E(Sn ) = E Xi = E(Xi ) = nx.
k=0 i=1 i=1 bornee), puis la convexite de , il vient
n n
! n
X X X
2 p p
!
(e) (k nx) Bk,n (x) = V (Sn ) = V Xi = V (Xi ) = X X
k=0 i=1 i=1 (E(X)) = P (X = xi )xi P (X = xi )(xi ) = E((X))
nx(1 x), par independance des (Xi ). i=1 i=1

3. Soit k [k1, nk]. On a Sn = Sn1 + Xn . Il vient [Sn = k] = ([Sn1 =


k] [Xn = 0]) ([Sn1 = k 1] [Xn = 1]). Par independance
7. . La
P ([Sn = k]) = P ([Sn1 = k])P ([Xn = 0])+P ([Sn1 = k1])P ([Xn = 1]) = (1x)P fonction
([Sn1 x ([S|x| est
= k])+xP convexe ; donc |Bn (f )(x) f (x)| =
n1 = k1])
|E(f (Tn ) f (E(Tn )))| E|f (Tn ) f (E(Tn ))|.
On verifie cette relation pour k = 0 : P (Sn = 0) = (1 x)n = La fonction f est continue sur [0, 1] compact : elle est uniformement
(1 x)P (Sn1 = 0). De meme pour k = n. continue. Pour tout > 0, il existe > 0 tel que |x x0 | <
Ainsi Bk,n (x) = xBk1,n1 (x) + (1 x)Bk,n1 (x). |f (x) f (x0 )| < . Ainsi, par la formule de lesperance totale, puis la
question 6
4. On a Tn () = {0, 1/n, . . . , k/n, . . . , 1} et P (Tn = k/n) = P (Sn = k).
|Bn (f )(x) f (x)| E|f (Tn ) f (x)| =
La fonction f est continue sur [0, 1] et Sn () est fini ; on peut appliquer
le theor`eme de transfert : E(|f (Tn ) f (x)|/|Tn x| )P (|Tn x| ) + E(|f (Tn ) f (x)|/|Tn
n   x| > )P (|Tn x| > )
X k
E(f (Tn )) = f xk (1 x)nk = Bn (f )(x) P (|Tn x| ) + E(|f (Tn ) f (x)|/|Tn x| > )P (|Tn x| > )
n
k=0
2||f ||
+ 2||f || P (|Tn x| > ) + 4n 2
De plus, comme E(Tn ) = x f (E(Tn )) = f (x), par linearite de
lesperance Bn (f )(x) f (x) = E(f (Tn )) f (E(Tn )) = E(f (Tn )
f (E(Tn ))). 2||f ||
Il existe N0 tel que pour n N0 , < et pour tout x [0, 1],
4n 2
5. On utilise linegalite de Bienayme-Tchebechev : pour tout > 0, |Bn (f )(x)f (x)| < 2. Finalement, lim sup |Bn (f )(x)f (x)| = 0.
n+ x[0,1]
V (X)
P (|X E(X)| > ) . Ici, comme E(Tn ) = x
2
x(1 x) 1
P (|Tn x| > ) 2

n 4n 2

proba.tex

Das könnte Ihnen auch gefallen