ENS de Lyon TD septembre 2012 Introduction aux probabilités. A partie finie de N

Dimension: px
Commencer à balayer dès la page:

Download "ENS de Lyon TD 1 17-18 septembre 2012 Introduction aux probabilités. A partie finie de N"

Transcription

1 ENS de Lyon TD 7-8 septembre 0 Introduction aux probabilités Exercice Soit (u n ) n N une suite de nombres réels. On considère σ une bijection de N dans N, de sorte que (u σ(n) ) n N est un réordonnement de la suite (u n ) n N. On notera M := sup u n [0, ]. A partie finie de N n A. Dans cette question, les u n sont de plus supposés positifs ou nuls. Montrer que les séries à termes positifs (u n ) n N et (u σ(n) ) n N ont même somme (éventuellement infinie).. On suppose maintenant que M est fini. Montrer que la série de terme général (u n ) n N et (u σ(n) ) n N sont convergentes, et ont encore même somme. On dira alors que la famille (u n ) n N est sommable. Les deux cas d une famille à termes positifs et d une famille sommable sont les cas dans lesquels on peut parler de la somme d une famille, sans avoir à se soucier de l ordre de sommation. Exercice (formule d inclusion-exclusion) Soit A,..., A n des événements. Démontrer la formule suivante, dite formule d inclusion-exclusion : [ n ] [ n k ] P A i = ( ) k+ P A ij. i= k= i < <i k n Exercice 3 Calculer l espérance et la variance d une variable aléatoire. de loi de Bernoulli de paramètre p [0, ].. de loi uniforme sur {,,..., n}. 3. de loi binomiale de paramètres (n, p). 4. de loi géométrique de paramètre p [0, [. 5. de loi de Poisson de paramètre λ > 0. Exercice 4 Soit X une v.a. réelle intégrable. Montrer que Var(X) = E[X ] E[X]. Exercice 5 Soit X une variable aléatoire réelle intégrable.. On suppose que la variance de X est nulle. Montrer que X prend avec probabilité un la valeur E[X].. Montrer que inf c R E[(X c) ] est atteint en c = E[X] et vaut Var(X). Exercice 6 Soit p [0, ]. Soit X et Y deux variables aléatoires de Bernoulli de paramètre p définies sur le même espace probabilisé. Que peut être la loi de la variable aléatoire Z := max(x, Y )? Exercice 7 Un magicien tient un paquet de deux cartes. L une de ces cartes est noire des deux côtés, l autre a un côté noir et un côté rouge. Vous tirez une carte et observez son recto. Il est noir. Quelle est la probabilité que le verso de la carte soit rouge? j=

2 Pour aller plus loin... Exercice 8 (les mains au poker). En tirant cinq cartes dans un jeu de 5, quelle est la probabilité d obtenir : a.... un brelan? b.... une et une seule paire? c.... deux paires? d.... une suite?. On tire toujours cinq cartes dans un jeu de 5. On désigne par A l événement avoir une suite et B celui avoir une couleur. Comparer P[A B] et P[A]. Exercice 9 Octave est un probabiliste en herbe et un joueur dans l âme. Il aime faire des suppositions, s il estime le risque d erreur suffisamment faible. Ce jour-là, il rencontra son nouveau voisin Nestor à l arrêt de bus, et en profita pour faire plus ample connaissance. À peine celui-ci évoqua-t-il ses 3 enfants, qu Octave affirma, confiant : - Dites-moi, vous avez sans doute au moins un garçon? - Vous avez raison. À vrai dire, je n en ai pas qu un seul,... Octave n hésite pas à lui couper la parole : - Vous en avez donc au moins. Mais laissez-moi deviner... Vous avez également une fille? Interloqué et légèrement vexé, Nestor laisse traîner sa réponse : - Écoutez, vous allez tout savoir sur mes enfants. L aîné... est un garçon. Il s appelle Pierre et est acteur. À ce moment, une lueur de doute semble apparaître sur le front d Octave. Nestor continue : - Mon benjamin... est encore un garçon. Il s appelle Paul et est électricien. Quant au cadet,... - Arrêtez, interrompt encore Octave. À vrai dire, je ne sais plus du tout si vous avez une fille ou non! Quelle étrange réaction... Nestor s apprêtait pourtant à confirmer l intuition d Octave, en lui apprenant qu il s agissait d une cadette, prénommée Jeanne et en première année d école d ingénieur. Nestor ne concevait pas que les informations qu il égrenait aient pu augmenter l incertitude d Octave... jusqu à ce que celui-ci lui démontre, implacablement, quels étaient les risques que ses affirmations soient fausses, au vu des informations qu il avait. Pouvez-vous retracer cette démonstration d Octave? Exercice 0 (*) Dans une soirée mondaine, chaque invité laisse son chapeau dans le hall d entrée. Une fois la soirée terminée, les n invités, éméchés, repartent chacun avec un chapeau choisi de manière totalement aléatoire.. Modéliser mathématiquement la situation.. Comment évolue la probabilité de l événement aucun individu ne repart avec son chapeau quand n tend vers l infini? 3. Comment évolue la probabilité de l événement exactement k individus repartent avec leur chapeau quand n tend vers l infini? Discuter.

3 ENS de Lyon TD - octobre 0 Introduction aux probabilités Exercice Soit X,..., X n des variables aléatoires réelles. Soit f,..., f n des fonctions définies sur R. Montrer que si les X i forment une famille de variables aléatoires indépendantes, il en est de même pour les f i (X i ). Exercice (regroupement par paquet) Soit X,..., X n des variables aléatoires réelles. On suppose qu elles forment une famille de variables aléatoires indépendantes. Soit {,..., n} = une partition de {,..., n}. Pour k K, posons Z k := (X i ) i Ak. Montrer que les Z k forment une famille de variables aléatoires indépendantes. Exercice 3 Soit X,..., X n des variables aléatoires. Montrer que les X i forment une famille de variables aléatoires indépendantes si et seulement si, pour tout i < n, X i+ est indépendante de (X,..., X i ) Exercice 4 Montrer que X et Y sont indépendantes ssi la loi p de (X, Y ) peut s écrire sous la forme (x, y) f(x)g(y) K k= Généraliser à un nombre (fini) quelconque de variables. Exercice 5 Soit X et Y deux variables aléatoires indépendantes uniformes sur Z/nZ. Soit Z := X + Y. Montrer que les variables X, Y et Z sont indépendantes deux à deux mais pas globalement. Exercice 6 Calculer astucieusement la variance de la loi binomiale de paramètre (n, p). Exercice 7 Calculer la fonction génératrice ainsi que les moments d ordre et (i.e. E[X] et E[X ]) des variables aléatoires :. de loi de Bernoulli de paramètre p [0, ].. de loi binomiale de paramètres n et p. 3. de loi de Poisson de paramètre λ > de loi géométrique de paramètre p [0, [. Exercice 8 Soit λ et µ deux réels strictement positifs. Soit X (resp. Y ) une variable aléatoire de Poisson de paramètre λ (resp. µ). On supposera de plus X et Y indépendantes. Prouver de deux manières différentes que X + Y est une variable aléatoire de Poisson de paramètre λ + µ. A k

4 Exercice 9 (L inégalité de Tchebychev est-elle optimale?). (Oui.) Montrer que si a > 0, il existe une variable aléatoire réelle X telle que P[ X E[X] a] = Var(X) a. (Non.) Montrer que si X est une variable aléatoire de carré sommable, alors a P[ X E[X] a] n 0

5 ENS de Lyon TD octobre 0 Introduction aux probabilités Exercice (intégrale de Gauss) Calculer l intégrale double R e (x +y) dxdy, et en déduire π R e x dx =. Exercice Pour n N, on désigne par H n = {0, } n l ensemble des sommets de l hypercube de dimension n. Ses points ont donc une norme euclidienne comprise entre 0 et n. Soit maintenant Xn une variable aléatoire uniforme sur H n. Montrer que la norme euclidienne de X n divisée par n converge en probabilité vers / quand n tend vers l infini, à savoir ( ) ε > 0, P X n n ε 0. n Exercice 3 Soit µ une loi réelle de carré sommable. On note m son espérance et σ sa variance. Si n N, on introduit X,..., X n des variables aléatoires indépendantes de loi µ et note S n := n i= X i. Notons µ n la loi de la variable aléatoire (S n nm)/ nσ.. Soit I un intervalle (éventuellement non borné). En utilisant le théorème de la limite centrale, démontrer qu on a la convergence suivante ( µ n (I) = P (S n nm)/ ) nσ I n π I e x / dx.. Soit f une fonction continue bornée de R vers R. En utilisant le théorème de la limite centrale, démontrer que [ E f ((S n nm)/ )] nσ Exercice 4 On pose, pour n 0 et α R +, n αn T n (α) = e n + f(x)e x / dx. π. Interpréter T n (α) comme la probabilité qu une variable aléatoire de Poisson (à préciser) soit dans un intervalle (à préciser). k=0 n k k!.

6 . Montrer, en utilisant la loi faible des grands nombres, que lim T n(α) = 0 si α < et lim T n (α) = si α >. n n 3. Montrer, en utilisant le théorème de la limite centrale, que lim n T n () =. Exercice 5 Dans une urne, il y a b boules blanches et r boules rouges. On suppose que b r. Les boules sont tirées successivement sans remise jusqu à épuisement de l urne. On cherche à calculer la probabilité de l événement tout au long de la procédure, il y a toujours au moins autant de boules blanches que de boules rouges hors de l urne.. Modéliser mathématiquement la situation.. Posons n = b + r. On appelle chemin un (n + )-uplet (x 0,..., x n ) Z n+ tel que x 0 = 0 et k < n, x k+ x k =. Pour k entre 0 et n, notons B k (resp. R k ) le nombre de boules blanches (resp. rouges) tirées jusqu au temps k inclus. Posons X k := B k R k. On définit ainsi un chemin aléatoire. Quelle est sa loi? 3. Exprimer en fonction de (X 0,..., X n ) l événement qui nous intéresse. 4. Pour k Z, combien y a-t-il de chemins vérifiant x n = k? Cela vous suffit-il pour répondre à la question initiale? Pourquoi? 5. Mettre en bijection l ensemble des chemins vérifiant x n = b r et k, x k < 0 avec l ensemble des chemins vérifiant x n = r b. Répondre à la question initiale. Exercice 6 Dans une population de N individus, K individus votent rouge et N K individus votent vert. Un sondage sur n individus (n N) consiste à tirer aléatoirement un échantillon de taille n de la population, et à noter X le nombre de ces individus qui votent rouge. Les votes sont supposés décidés une fois pour toutes, et les sondés honnêtes.. Modéliser l expérience et déterminer la loi de la variable aléatoire X. Cette loi s appelle la loi hypergéométrique (de paramètre (n, K, N K)).. On suppose maintenant que la taille de l échantillon est fixée tandis que la taille de la population tend vers +, avec la proportion d individus votant rouge tendant vers p ]0, [. Pour k n fixé, montrer la convergence de P(X = k) vers p(k), où les poids p(k) sont ceux d une loi connue que l on précisera. Interpréter. Exercice 7 Grégory choisit deux réels distincts x et y en secret. Il tire ensuite à pile ou face avec une pièce équilibrée pour choisir l un d entre eux, qu il vous dévoile. Vous devez alors dire si vous pensez qu il vous a révélé le plus grand ou le plus petit des deux. Trouvez une stratégie telle que, quels que soient les réels choisis par Grégory, vous gagniez avec probabilité strictement supérieure à /.

7 Exercice 8 (tirage non borné de pile ou face) Une pièce tombe sur pile (ou ) avec probabilité p ]0, [ et sur face (ou 0) avec probabilité q = p. On cherche à modéliser une suite de tirages de cette pièce, non bornée a priori. On notera, pour n N, l ensemble E n = {0, } n des issues possibles après n tirages, ou mots à n lettres sur l alphabet {0, }. De manière similaire, on définit E := {0, } N, ainsi que E n et E l ensemble des mots infinis, de longueur inférieure ou égale à n, et quelconque, respectivement. Pour e E, on note l(e) la longueur du mot, l (e) le nombre de qu il contient, et l 0 (e) le nombre de 0. Pour n l(e), on notera encore e n la projection canonique de e sur E n (ou restriction aux n premiers tirages).. (tirage infini?) On introduit ici Ω = E. On dira qu une loi de probabilité P sur Ω modélise un tirage cohérent infini si pour tout n N et tout mot e de longueur n, on a P({ω Ω, ω n = e}) = p l (e) q l 0(e). Après vous être convaincu de la pertinence de cette définition, montrer qu il n existe pas de loi sur Ω modélisant un tirage cohérent infini.. (tirage jusqu à un temps d arrêt fini presque-sûrement) On souhaite tirer la pièce seulement jusqu à un temps T (pas nécessairement borné ou fini a priori) qui peut dépendre du résultat des tirages antérieurs au temps T. Formellement, T est une application de E dans N { }, telle que si T (e) = n et si e n = e n, alors T (e ) = T (e). Par abus de notation, on écrira encore T (e) = n si e est le préfixe de longueur n d un mot infini e (i.e. e n = e) vérifiant T (e ) = n. Soit Ω T := {ω E, T (ω) = l(ω)} l ensemble des tirages arrêtés à l instant T. Une loi de probabilité P sur Ω T modélise un tirage cohérent arrêté à l instant T si pour tout n N et tout mot e de longueur n, on a Ou bien Ω T contient ω préfixe de e, et alors P({ω}) = p l (ω) q l 0(ω). Ou bien P ({ω Ω T, ω n = e}) = p l (e) q l 0(e). Après vous être convaincu de la pertinence de cette définition, donner une condition nécessaire et suffisante pour qu existe une telle loi. Vérifier qu elle est alors unique. 3. (premier pile) En utilisant la question précédente, modéliser un tirage cohérent arrêté au premier instant où l on obtient pile. Quelle est la loi de cet instant? 4. Avec un nombre de tirages éventuellement non borné, construire un événement de probabilité / (avec cette pièce biaisée!). Est-il possible en général de construire un tel événement avec un nombre de tirages borné?. dans le cadre des probabilités discrètes, i.e. dans le cadre de ce cours. 3

8 ENS de Lyon TD octobre 0 Introduction aux probabilités Exercice On pose, pour n 0 et α R +, αn T n (α) = e n. Interpréter T n (α) comme la probabilité qu une variable aléatoire de Poisson (à préciser) soit dans un intervalle (à préciser).. Montrer, en utilisant la loi faible des grands nombres, que k=0 n k k!. lim T n(α) = 0 si α < et lim T n (α) = si α >. n n 3. Montrer, en utilisant le théorème de la limite centrale, que lim n T n () =. Exercice Dans une urne, il y a b boules blanches et r boules rouges. On suppose que b r. Les boules sont tirées successivement sans remise jusqu à épuisement de l urne. On cherche à calculer la probabilité de l événement tout au long de la procédure, il y a toujours au moins autant de boules blanches que de boules rouges hors de l urne.. Modéliser mathématiquement la situation.. Posons n = b + r. On appelle chemin un (n + )-uplet (x 0,..., x n ) Z n+ tel que x 0 = 0 et k < n, x k+ x k =. Pour k entre 0 et n, notons B k (resp. R k ) le nombre de boules blanches (resp. rouges) tirées jusqu au temps k inclus. Posons X k := B k R k. On définit ainsi un chemin aléatoire. Quelle est sa loi? 3. Exprimer en fonction de (X 0,..., X n ) l événement qui nous intéresse. 4. Pour k Z, combien y a-t-il de chemins vérifiant x n = k? Cela vous suffit-il pour répondre à la question initiale? Pourquoi? 5. Mettre en bijection l ensemble des chemins vérifiant x n = b r et k, x k < 0 avec l ensemble des chemins vérifiant x n = r b. Répondre à la question initiale. Exercice 3 Montrer qu une intersection dénombrable d événements presque sûrs forme un événement presque sûr. Est-ce toujours le cas pour une intersection quelconque? Exercice 4 Soit (X n ) une suite infinie de variables aléatoires indépendantes identiquement distribuées. On les supposera à valeurs dans N.. Exprimer E[X ] R + { } en fonction des P[X n].. Démontrer que si X est intégrable, alors l événement X n /n converge vers 0 est presque sûr. 3. Montrer que si X n est pas intégrable, alors la limite supérieure des X n /n est infinie est un événement presque sûr.

9 Exercice 5 Soit µ une probabilité sur N. On considère le processus de branchement associé. Pour n N, Z n désignera le nombre d individus à la nème génération. Enfin, on notera m = k=0 kµ k.. Démontrer que, pour n N, E[Z n ] = m n.. En déduire, par une preuve différente de celle du cours, que si m <, alors la probabilité de survivre au moins n étapes décroît exponentiellement vite en n. Exercice 6 On cherche à définir une probabilité discrète décrivant précisément toutes les générations d un processus de branchement de loi de reproduction µ. Pour cela, on code les individus de la n-ième génération par un mot de n lettres sur l alphabet N, codant sa généalogie. Ainsi, la génération 0 est composée d un unique individu, l ancêtre, codé par le mot vide, tandis que le ème fils du 3ème fils du er fils de l ancêtre est codé par le mot 3. On définit une généalogie de population comme l ensemble des mots codant tous les individus (de toutes les générations). Soit Ω l ensemble des généalogies de populations finies. Pour A Ω, on notera A n l ensemble des individus de la n-ième génération et Z n son cardinal. On définit un poids sur Ω par A Ω, p(a) = x A µ(n x ), où n x désigne le nombre de fils de l individu x, et par p(a) = A A p(a) pour A Ω.. Soit (z,..., z n ) N n une suite finie. Montrer que p(z = z,..., Z n = z n, Z n+ = 0) = p n+ (z,..., z n, 0), où p n+ désigne la loi du processus de branchement en n + générations vue en cours.. Montrer que p est une probabilité discrète sur Ω exactement dans le cas d extinction presque sûre. Exercice 7 Un faux mage blanc a pris 000 mathématiciens en otages ; voulant tester leur acuité intellectuelle, il leur propose un jeu. J ai choisi une manière de vous numéroter entre et 000 ; sachez que chaque numéro n est porté qu une fois. J ai rentré toutes ces données dans l ordinateur central. Au début du jeu, je vous mettrai chacun dans un cachot, de telle sorte que vous ne pourrez plus communiquer. Vous aurez chacun à votre disposition un petit ordinateur dont la seule fonctionnalité est la suivante : si vous rentrez un nombre entre et 000, le nom de l individu correspondant s affiche. Chacun d entre vous aura 000 tentatives. Si ne serait-ce que l un d entre vous ne voit pas s afficher son nom au cours de ses 000 tentatives, vous serez tous exécutés. Tout est clair? Je vous laisse une semaine pour, ensemble, mettre au point une stratégie. Alea jacta est. Les mathématiciens sont parvenus à trouver une stratégie leur garantissant une probabilité de survie supérieure à 30%. Êtes-vous capables d en faire autant?

10 ENS de Lyon Introduction aux probabilités Devoir à la Maison À rendre le 6 novembre On rappelle que la variance d une variable aléatoire réelle intégrable X est donnée par les deux formules équivalentes suivantes : Exercice [Théorème de Weierstrass] Var X = E[X ] E[X] = E [ (X E[X]) ]. Soit f une fonction continue de [0, ] dans R. On souhaite démontrer le théorème de Weierstrass, à savoir que f est limite simple d une suite de fonctions polynomiales, par des moyens probabilistes. On se donne, pour x [0, ] et n N, une variable aléatoire X n (x), de loi binomiale de paramètre (n, x).. Vérifier que les fonctions sont des fonctions polynomiales. [ x E f ( )] Xn (x). Montrer que cette suite de fonctions converge simplement vers f (ce qui prouve le théorème avec construction explicite d une suite de polynômes qui convient). On pourra penser à un théorème limite concernant la suite de variables aléatoires X n (x)/n. 3. De la même manière, montrer le théorème de Weierstrass d-dimensionnel : Une fonction continue de [0, ] d dans R est limite simple d une suite de fonctions polynomiales (à d variables). 4. En dimension, montrer, par un calcul de premier et de deuxième moments, que la convergence est uniforme en x. (On pourra utiliser l uniforme continuité de f). Exercice [Inégalité de Hoeffding] I : Soit X une variable aléatoire réelle centrée (i.e E[X] = 0), qui prend un nombre fini de valeurs dans l intervalle compact [a, b]. On introduit la fonction λ ψ(λ) := log(e[e λx ]). n. Montrer que ψ est bien définie et C sur R. Calculer ψ(0), ψ (0), puis montrer : ( ) λ R, ψ (λ) = E[X e λx ] E[Xe λx ]. E[e λx ] E[e λx ]. Soit λ R. On introduit une variable X λ dont la loi est déterminée par x R, P[X λ = x] = eλx P[X = x]. E[e λx ] Vérifier qu on définit ainsi bien une loi de probabilité, puis exprimer la variance de la variable aléatoire X λ.

11 3. Montrer que pour tout λ R, on a ψ (λ) (b a) /4. En déduire une majoration de ψ(λ) pour λ R +. (On pourra utiliser la formule Var X = min c R E[(X c) ].) II : Soit maintenant (X,..., X n ) une famille de variables aléatoires réelles indépendantes. On suppose que pour tout i, la variable aléatoire X i prend un nombre fini de valeur dans un intervalle compact [a i, b i ]. On note S n = X X n.. Soit λ R +. Montrer que, pour tout t 0, on a ( ) n P[S n E[S n ] t] E [exp (λ(s n E[S n ] t))] exp λt + λ (b i a i ). 8. En optimisant sur λ, montrer les inégalités de Hoeffding suivantes, pour t 0 : ( ) t P[S n E[S n ] t] exp n i= (b ; i a i ) ( ) t P[ S n E[S n ] t] exp n i= (b. i a i ) III : Pierre affirme posséder une pièce équilibrée, mais vous ne savez pas si vous pouvez lui faire confiance. Ensemble, vous lancez cette pièce 000 fois. Vous obtenez 550 fois pile et 450 fois face. Pierre jubile : Tu vois bien que j avais raison! On obtient une proportion de pile de 0,55, fort proche de /. Il invoque même des arguments probabilistes : C est normal de ne pas obtenir exactement 0,5. Si tu as la patience d effectuer 0000 lancers, tu verras qu on sera encore plus proche de 0,5. C est la loi des grands nombres... Montrez à Pierre votre compréhension encore supérieure des probabilités, en lui prouvant que si effectivement sa pièce était équilibrée, la probabilité que vous auriez eu d observer une proportion de pile avec (au minimum) un tel écart à la moyenne / aurait été... bien faible. Exercice 3 [Nombre de cycles d une grande permutation aléatoire] Dans ce problème, on cherche à estimer le nombre de cycles que contient une grande permutation aléatoire. Pour n, on notera S n le groupe des permutations de l ensemble {,.., n}, et S n une variable aléatoire uniforme sur S n. Cette permutation aléatoire s écrit de manière unique comme produit de cycles à supports disjoints, et on note c(s n ) le nombre de cycles dans cette écriture. Ce nombre est donc une variable aléatoire à valeurs comprises entre (si S n (ω) est un cycle) et n (si S n (ω) est l identité). On va montrer qu en fait c(s n ) est proche de log(n) lorsque n est grand. I : De S n à S n+... Pour n, soit Φ n l application Φ n : S n {,..., n + } S n+ (σ, i) σ (i (n + )), où (i (n+)) désigne la transposition échangeant i et (n+) (ou bien l identité si i = n+), et où σ est l élément de S n+ laissant fixe n + et agissant comme σ sur {,..., n}. i=

12 . Montrer que Φ n est une bijection.. Pour σ S n et i {,..., n + }, exprimer c(φ n (σ, i)) en fonction de c(σ) et de i. II : Le processus (X k ) k n. Pour n fixé, on se donne (U,..., U n ) une famille de variables aléatoires indépendantes telles que U i est uniforme sur {,..., i + }. Soit (X k ) k n le processus tel que X est le seul élément de S, et tel que, pour k n, on ait X k+ = Φ k (X k, U k ).. Montrer que c(x n ) est une somme de variables aléatoires de Bernoulli indépendantes dont on précisera les paramètres.. Montrer que pour k n, les variables aléatoires X k et S k ont la même loi. 3. Calculer l espérance et la variance de c(s n ). 4. Pour n N, on pose H n := n k=. En utilisant les questions précédentes, démontrer k que c(s n )/H n converge en probabilité vers lorsque n tend vers l infini, à savoir ε > 0, ( ) c(s n ) P H n ε 0. n 5. En déduire que c(s n )/log(n) converge en probabilité vers, c est-à-dire que ( ) c(s n ) ε > 0, P log(n) ε 0. n. Quand une variable aléatoire prend ses valeurs dans un espace produit E E n et que {,..., n} est pensé comme une suite d instants, on utilise parfois le mot processus pour parler de la variable aléatoire considérée. 3

13 ENS de Lyon TD 5-3 novembre 0 Introduction aux probabilités Exercice Soit (X n ) n une famille de variables aléatoires indépendantes identiquement distribuées à valeurs dans Z d, bornées. Soit (S n ) n 0 la marche aléatoire sur Z d correspondante, définie par S n = n k= X k. Pour k et i d, on note X (i) k la i ème composante de X k, et on suppose qu il existe un i pour lequel E[X (i) ] 0. Montrer qu alors la marche aléatoire est transitoire, c est-à-dire que le nombre de retours en 0 est fini presque sûrement. (Vous pourrez même montrer que, presque sûrement, chaque élément de Z d, s il est visité par la marche, ne l est qu un nombre fini de fois.) Exercice On considère la marche aléatoire simple sur Z/NZ. À savoir, pour n 0, on a S n = n k= X k, où les X k sont des variables indépendantes telles que P[X k = ] = P[X k = ] = /. (Les X k sont à valeurs dans Z/NZ!) Soit V le dernier élément de Z/NZ à être découvert par la marche. Après avoir justifié l existence de V (sur un événement presque sûr), montrer que V est une variable aléatoire uniforme sur Z/NZ {0}. Exercice 3 Cet exercice propose une preuve alternative de celle du cours de la transience de la marche aléatoire simple en dimension d 3. On pose (X n ) n une famille de variables aléatoires indépendantes identiquement distribuées de loi uniforme sur la. -sphère unité de Z d. De plus, on pose comme d habitude S n := n k= X k. Enfin, on pose f : R d R t E[e i t,x ]. Calculer f, ainsi que f n : t E[e i t,sn ].. Démontrer que P[S n = 0] = (π) d [ π,π] d f(t) n dt. 3. Montrer que n 0 P[S n = 0] = n 0 P[S n = 0] = (π) d [ π,π] d f(t) dt. 4. En utilisant le fait que d 3, démontrer que l intégrale de la question précédente est finie, et en déduire la transience de la marche aléatoire en dimension d. Exercice 4 On cherche à comparer deux stratégies pour le problème de la ruine du joueur. Rappelons que pour modéliser le problème, on se donne (X n ) n une famille de variables aléatoires indépendantes identiquement distribuées telles que P[X = ] = p et P[X = ] = q = p. Ici, p désigne la probabilité que vous gagniez, à chaque étape, contre votre adversaire, la banque. Vous avez initialement un jeton et la banque N. Vous devez jouer jusqu à ce qu un des deux joueurs remporte les N jetons et que l autre soit ruiné. Par ailleurs, on supposera, afin de simplifier l étude, que N est une puissance de.

14 La stratégie prudente consiste à miser à chaque fois, jusqu à fin du jeu. On définit donc (C n ) n 0, l évolution de votre capital dans ce cadre, par C 0 = et { Cn + X C n+ := n+ si 0 < C n < N sinon C n La stratégie téméraire consiste à miser tout ce qu on a à chaque étape, jusqu à terminaison du jeu. L évolution de votre capital est alors encodée par C 0 = et C C n+ n si 0 < C n < N et X n+ = := 0 si 0 < C n < N et X n+ = C n sinon. Démontrer que, presque sûrement, (C n ) stationne en 0 ou N. De même pour (C n).. On peut définir p k la probabilité de victoire dans le cadre prudent avec un capital initial de k. Rappeler comment, dans le cours, on établit une formule de récurrence entre les p k qui permet de les déterminer. 3. On note p la probabilité de victoire dans le cadre téméraire avec un capital initial de. Calculer p. Comparer p et p dans le cas équilibré (p = q = /), puis dans le cas défavorable (p < q). Exercice 5 On considère la marche aléatoire simple sur Z d, pour un d. À savoir, pour n 0, on a S n = n k= X k, où les X k sont des variables aléatoires indépendantes uniformes sur {x Z d, x = }. Pour x Z d, on note H x = H x := inf{n > 0, S n = x} le premier temps d atteinte du point x. Plus généralement, on définit par récurrence, pour i, H x i := inf{n > H x i, S n = x} le i ième temps d atteinte du point x. Pour x et i fixés, on peut calculer la probabilité de l événement {Hi x = n} pour tout n, ainsi que pour n = +, et la somme de ces probabilités vaut un. Par ailleurs, on pourra utiliser le résultat de l exercice 3 du TD4.. (a) Montrer que, pour tout n et tout k N n, P[ i n, H 0 i = k + + k i ] = n P[H 0 = k i ]. i= (b) Supposons que H 0 est infini avec probabilité non-nulle. Démontrer que, presque sûrement, il existe n N tel que H 0 n = +. (c) Supposons que H 0 est fini presque sûrement. Démontrer que, pour n N, l événement {H 0 n < + } est presque sûr. En déduire que le nombre de retours en 0 est infini presque sûrement.

15 . (a) Montrer que, pour tous n, k N n et x Z d, P[ i n, H x i = k + + k i ] = P[H x = k ] n P[H 0 = k i ]. (b) En utilisant la question précédente, démontrer que si H 0 est infini avec probabilité non-nulle, alors, presque sûrement, tout site n est visité qu un nombre fini de fois. (c) (*) Démontrer que si H 0 est fini presque sûrement et si x Z d, alors H x est fini presque sûrement. (d) Démontrer que si H 0 est fini presque sûrement, alors, presque sûrement, tout site est visité une infinité de fois. i=. peut-être nul 3

16 ENS de Lyon TD novembre 0 Introduction aux probabilités Exercice Soit n. On note P n l espace des lois de probabilité sur {,..., n}. On définit une distance sur P n en posant d VT (p, p ) = n p(i) p (i) i= Cette distance s appelle la distance en variation totale. Soit p et p deux lois de probabilité sur {,..., n}. On dira que (X, X ) est un couplage de (p, p ) si X et X sont deux variables aléatoires définies sur un même espace de probabilité, de telle sorte que X i soit de loi p i.. Soit (X, X ) un couplage de (p, p ). Démontrer que P[X X ] d VT (p, p ).. Construire un couplage (X, X ) tel que P[X X ] = d VT (p, p ). Ainsi, d VT (p, p ) est le minimum sur tous les couplages (X, X ) de (p, p ) de P[X X ]. 3. En déduire que pour tout A {,..., n}, p (A) p (A) d VT (p, p ). 4. Montrer que d VT (p, p ) = max A p (A) p (A). Exercice [problème du collectionneur] Vous commencez une collection de timbres à l effigie des joueurs de votre équipe préférée. Vous achetez donc ces timbres dans la boutique du club... Le hic, c est que vous achetez ces timbres sans savoir quel joueur ils représentent, en particulier sans savoir si vous possédiez déjà le timbre en question. Combien de timbres vous faudra-t-il acheter pour obtenir la collection complète, sous l hypothèse que les timbres représentant les différents joueurs sont également fréquents? On modélise le problème par une suite (X n ) n de variables aléatoires indépendantes identiquement distribuées sur {,..., k}. L ensemble {,..., k} modélise les joueurs, tandis que X n désigne le joueur représenté sur le n ième timbre acheté. Pour i k, on introduit aussi la variable T i égale au nombre de timbres que vous avez dû acheter pour obtenir i joueurs différents, soit T i := inf{n, Card{X,..., X n } = i}.. Montrer que l événement les T i sont finis est presque sûr.. Soit i < k et n i. Quelle est la loi de T i+ n i sachant T i = n i? 3. Déterminer la loi du vecteur (T, T T,..., T k T k ). 4. Calculer l espérance de T k. La comparer à k, lorsque k est grand, et interpréter.

17 Exercice 3 [paradoxe des anniversaires] Soit (X n ) n N+ une suite de variables aléatoires indépendantes uniformes sur {,..., N}. Posons T N := min{n : m < n, X m = X n }.. Montrer que, pour x 0, P[T N / N > x] n e x /.. Justifier le fait que la convergence précédente indique que T N est asymptotiquement de l ordre de N. Probabilistement, le principe des tiroirs n a pas besoin de N + mais N tirages de chaussettes! Pourquoi paradoxe des anniversaires? Pensez N comme le nombre de jours dans une année (disons 365). La variable X n représente l anniversaire du n ième individu d une classe, énumérée dans un ordre quelconque. Si on demande successivement aux individus de la classe la date de leur anniversaire, T N représente le premier instant où on aura obtenu deux fois la même réponse. Notamment, si la classe ne compte en réalité que k individus, {T N k} est l événement deux personnes au moins dans la classe ont le même anniversaire, qu on notera A. On vient de démontrer que T N est de l ordre de N ; par exemple, si une classe comporte N /+ɛ individus, la probabilité de A sera très proche de, alors qu avec N / ɛ individus, elle sera très proche de 0. Vous avez compris pourquoi le terme anniversaire apparaît, mais pourquoi paradoxe? Si le passage de N + à N dans le principe des tiroirs ne vous suffit pas, les données numériques suivantes vous éclaireront peut-être à ce sujet : pour N = 365, la probabilité de A dépasse 50% à partir de 3 élèves, et 99% à partir de k = 57. Exercice 4 [suite du paradoxe des anniversaires, difficile] On pourrait reprocher à l exercice précédent de supposer les variables aléatoires uniformes. On va démontrer ici, qu en fait, le cas le moins paradoxal est celui des variables aléatoires uniformes. (Et pourtant, il est déjà paradoxal!) Plus précisément, soit N un entier naturel non-nul fixé. Notons p la loi du T N de l exercice 3. Soit (Y n ) n N+ une suite de variables aléatoires indépendantes identiquement distribuées sur {,..., N} (de loi quelconque). Posons T N := min{n : m < n, Y m = Y n }. Notons p sa loi. L objectif de cet exercice est d établir l existence d un couplage (X, X ) de (p, p ) tel que P[X X ] =. Montrer que, pour tout k, P[T N k] P[T N k].. Démontrer qu il existe un couplage tel que recherché, et comprendre pourquoi on a bien établi que le cas le moins paradoxal est celui de la mesure uniforme.. suivant leur indice

Chapitre IV : Couples de variables aléatoires discrètes

Chapitre IV : Couples de variables aléatoires discrètes UNIVERSITÉ DE CERG Année 0-03 UFR Économie & Gestion Licence d Économie et Gestion MATH0 : Probabilités Chapitre IV : Couples de variables aléatoires discrètes Généralités Définition Soit (Ω, P(Ω), P)

Plus en détail

Cours de Probabilités et statistiques L1 2011-2012 Maths-PC-SVT

Cours de Probabilités et statistiques L1 2011-2012 Maths-PC-SVT Cours de Probabilités et statistiques L1 2011-2012 Maths-PC-SVT Université d Avignon Fichier dispo sur http://fredericnaud.perso.sfr.fr/ Une étude statistique dans la population montre que le Q.I. est

Plus en détail

Chapitre 3: Variables aléatoires discrètes Espérance-Variance Loi des grands nombres

Chapitre 3: Variables aléatoires discrètes Espérance-Variance Loi des grands nombres Chapitre 3: Variables aléatoires discrètes Espérance-Variance Loi des grands nombres 1 Introduction Le nombre de piles obtenus au cours d une série de n lancers de pile ou face ou plus généralement dans

Plus en détail

COMPORTEMENT ASYMPTOTIQUE D UNE FILE D ATTENTE À UN SERVEUR

COMPORTEMENT ASYMPTOTIQUE D UNE FILE D ATTENTE À UN SERVEUR Université Paris VII. Préparation à l Agrégation. (François Delarue) COMPORTEMENT ASYMPTOTIQUE D UNE FILE D ATTENTE À UN SERVEUR Ce texte vise à l étude du temps d attente d un client à la caisse d un

Plus en détail

Probabilités sur un univers fini

Probabilités sur un univers fini [http://mp.cpgedupuydelome.fr] édité le 7 août 204 Enoncés Probabilités sur un univers fini Evènements et langage ensembliste A quelle condition sur (a, b, c, d) ]0, [ 4 existe-t-il une probabilité P sur

Plus en détail

Chapitre I. Probabilités. Bcpst 1 2 novembre 2015. I Exemples d expériences aléatoires

Chapitre I. Probabilités. Bcpst 1 2 novembre 2015. I Exemples d expériences aléatoires Chapitre I Probabilités Bcpst 1 2 novembre 2015 I Exemples d expériences aléatoires Une expérience aléatoire est une expérience dont on ne peut pas prédire le résultat avant de l avoir réalisée... ce qui

Plus en détail

Support du cours de Probabilités IUT d Orléans, Département d informatique

Support du cours de Probabilités IUT d Orléans, Département d informatique Support du cours de Probabilités IUT d Orléans, Département d informatique Pierre Andreoletti IUT d Orléans Laboratoire MAPMO (Bât. de Mathématiques UFR Sciences) - Bureau 126 email: pierre.andreoletti@univ-orleans.fr

Plus en détail

Moments des variables aléatoires réelles

Moments des variables aléatoires réelles Chapter 6 Moments des variables aléatoires réelles Sommaire 6.1 Espérance des variables aléatoires réelles................................ 46 6.1.1 Définition et calcul........................................

Plus en détail

Feuille d exercices 1

Feuille d exercices 1 Université Paris 7 - Denis Diderot L2 - Probabilités PS4 Année 2014-2015 Feuille d exercices 1 Exercice 1 Combien y a-t-il de paires d entiers non consécutifs compris entre 1 et n (n 1)? Exercice 2 1.

Plus en détail

TD 4 : HEC 2001 épreuve II

TD 4 : HEC 2001 épreuve II TD 4 : HEC 200 épreuve II Dans tout le problème, n désigne un entier supérieur ou égal à 2 On dispose de n jetons numérotés de à n On tire, au hasard et sans remise, les jetons un à un La suite (a, a 2,,

Plus en détail

COUPLES DE VARIABLES ALÉATOIRES

COUPLES DE VARIABLES ALÉATOIRES CHAPITRE 13 COUPLES DE VARIABLES ALÉATOIRES Dans tout le chapitre, (Ω, P) désignera un espace probabilisé fini. 1 Couple de variables aléatoires Définition 13.1 On appelle couple de variables aléatoires

Plus en détail

Travaux dirigés d introduction aux Probabilités

Travaux dirigés d introduction aux Probabilités Travaux dirigés d introduction aux Probabilités - Dénombrement - - Probabilités Élémentaires - - Variables Aléatoires Discrètes - - Variables Aléatoires Continues - 1 - Dénombrement - Exercice 1 Combien

Plus en détail

Calculs de probabilités conditionelles

Calculs de probabilités conditionelles Calculs de probabilités conditionelles Mathématiques Générales B Université de Genève Sylvain Sardy 20 mars 2008 1. Indépendance 1 Exemple : On lance deux pièces. Soit A l évènement la première est Pile

Plus en détail

TD 1 & 2 Rappels de probabilités

TD 1 & 2 Rappels de probabilités Master IF, ENS de Lyon Évaluation de performance 5 & 22 septembre 20 TD & 2 appels de probabilités lionel.rieg@ens-lyon.fr Probabilités discrètes. Calcul de probabilités Exercice Soient A et B des événements

Plus en détail

Intégration et probabilités TD1 Espaces mesurés Corrigé

Intégration et probabilités TD1 Espaces mesurés Corrigé Intégration et probabilités TD1 Espaces mesurés Corrigé 2012-2013 1 Petites questions 1 Est-ce que l ensemble des ouverts de R est une tribu? Réponse : Non, car le complémentaire de ], 0[ n est pas ouvert.

Plus en détail

Probabilités et Statistiques. Raphaël KRIKORIAN Université Paris 6

Probabilités et Statistiques. Raphaël KRIKORIAN Université Paris 6 Probabilités et Statistiques Raphaël KRIKORIAN Université Paris 6 Année 2005-2006 2 Table des matières 1 Rappels de théorie des ensembles 5 1.1 Opérations sur les ensembles................... 5 1.2 Applications

Plus en détail

Exercices corrigés de SQ20

Exercices corrigés de SQ20 1 Exercices corrigés de SQ2 Corrigés TD 1 à 4 Printemps 215 responsable de l'uv : André Turbergue SQ2 TD1 : espaces probabilisés TD1 : espaces probabilisés 1 Énoncés Exercice 1. Calculer si possible une

Plus en détail

StatEnAction 2009/10/30 11:26 page 111 #127 CHAPITRE 10. Machines à sous

StatEnAction 2009/10/30 11:26 page 111 #127 CHAPITRE 10. Machines à sous StatEnAction 2009/0/30 :26 page #27 CHAPITRE 0 Machines à sous Résumé. On étudie un problème lié aux jeux de hasard. Il concerne les machines à sous et est appelé problème de prédiction de bandits à deux

Plus en détail

TD2 Fonctions mesurables Corrigé

TD2 Fonctions mesurables Corrigé Intégration et probabilités 2012-2013 TD2 Fonctions mesurables Corrigé 0 Exercice qui avait été préparé chez soi Exercice 1. Soit (Ω, F, µ) un espace mesuré tel que µ (Ω) = 1. Soient A, B P (Ω) deux sousensembles

Plus en détail

Probabilités sur un univers fini

Probabilités sur un univers fini [http://mp.cpgedupuydelome.fr] édité le 10 août 2015 Enoncés 1 Proailités sur un univers fini Evènements et langage ensemliste A quelle condition sur (a,, c, d) ]0, 1[ 4 existe-t-il une proailité P sur

Plus en détail

TS. 2012/2013. Lycée Prévert. Corrigé du contrôle n 3. Durée : 3 heures. Mardi 20/11/12

TS. 2012/2013. Lycée Prévert. Corrigé du contrôle n 3. Durée : 3 heures. Mardi 20/11/12 TS. 01/013. Lycée Prévert. Corrigé du contrôle n 3. Durée : 3 heures. Mardi 0/11/1 Exercice 1 : ( 6,5 pts) Première partie : Démonstration à rédiger { Démontrer que si ( ) et (v n ) sont deux suites telles

Plus en détail

Exercices sur le chapitre «Probabilités»

Exercices sur le chapitre «Probabilités» Arnaud de Saint Julien - MPSI Lycée La Merci 2014-2015 1 Pour démarrer Exercices sur le chapitre «Probabilités» Exercice 1 (Modélisation d un dé non cubique) On considère un parallélépipède rectangle de

Plus en détail

Exercices de simulation 1

Exercices de simulation 1 Licence MIA 2ème année Année universitaire 2009-2010 Simulation stochastique C. Léonard Exercices de simulation 1 Les simulations qui suivent sont à effectuer avec Scilab. Le générateur aléatoire de Scilab.

Plus en détail

1 Sujets donnés en option scientifique

1 Sujets donnés en option scientifique Les sujets suivants, posés aux candidats des options scientifique, économique, technologique et littéraire BL constituent la première version d un échantillon des sujets proposés lors des épreuves orales

Plus en détail

Cours 1: lois discrétes classiques en probabilités

Cours 1: lois discrétes classiques en probabilités Cours 1: lois discrétes classiques en probabilités Laboratoire de Mathématiques de Toulouse Université Paul Sabatier-IUT GEA Ponsan Module: Stat inférentielles Définition Quelques exemples loi d une v.a

Plus en détail

Cours de mathématiques pour la Terminale S

Cours de mathématiques pour la Terminale S Cours de mathématiques pour la Terminale S Savoir-Faire par chapitre Florent Girod 1 Année scolaire 2015 / 2016 1. Externat Notre Dame - Grenoble Table des matières 1) Suites numériques.................................

Plus en détail

Texte Agrégation limitée par diffusion interne

Texte Agrégation limitée par diffusion interne Page n 1. Texte Agrégation limitée par diffusion interne 1 Le phénomène observé Un fût de déchets radioactifs est enterré secrètement dans le Cantal. Au bout de quelques années, il devient poreux et laisse

Plus en détail

Probabilités. C. Charignon. I Cours 3

Probabilités. C. Charignon. I Cours 3 Probabilités C. Charignon Table des matières I Cours 3 1 Dénombrements 3 1.1 Cardinal.................................................. 3 1.1.1 Définition............................................. 3

Plus en détail

Combien de fois faut-il battre un jeu de cartes?

Combien de fois faut-il battre un jeu de cartes? Combien de fois faut-il battre un jeu de cartes? Ce texte est tiré d un article de D. Bayer et P. Diaconis Trailing the dovetail shuffle to its lair Ann. Appl. Prob. 992, vol 2, No 2, 294-33. Introduction

Plus en détail

Intégration et probabilités TD1 Espaces mesurés

Intégration et probabilités TD1 Espaces mesurés Intégration et probabilités TD1 Espaces mesurés 2012-2013 1 Petites questions 1) Est-ce que l ensemble des ouverts de R est une tribu? 2) Si F et G sont deux tribus, est-ce que F G est toujours une tribu?

Plus en détail

3.8 Introduction aux files d attente

3.8 Introduction aux files d attente 3.8 Introduction aux files d attente 70 3.8 Introduction aux files d attente On va étudier un modèle très général de problème de gestion : stocks, temps de service, travail partagé...pour cela on considère

Plus en détail

Examen d accès - 1 Octobre 2009

Examen d accès - 1 Octobre 2009 Examen d accès - 1 Octobre 2009 Aucun document autorisé - Calculatrice fournie par le centre d examen Ce examen est un questionnaire à choix multiples constitué de 50 questions. Plusieurs réponses sont

Plus en détail

Probabilités et Statistiques. Feuille 2 : variables aléatoires discrètes

Probabilités et Statistiques. Feuille 2 : variables aléatoires discrètes IUT HSE Probabilités et Statistiques Feuille : variables aléatoires discrètes 1 Exercices Dénombrements Exercice 1. On souhaite ranger sur une étagère 4 livres de mathématiques (distincts), 6 livres de

Plus en détail

Exercices corrigés de probabilités et statistique

Exercices corrigés de probabilités et statistique Exercices corrigés de probabilités et statistique Université Paris 1 Panthéon-Sorbonne Cours de deuxième année de licence de sciences économiques Fabrice Rossi Cette œuvre est mise à disposition selon

Plus en détail

Cours de Probabilités. Jean-Yves DAUXOIS

Cours de Probabilités. Jean-Yves DAUXOIS Cours de Probabilités Jean-Yves DAUXOIS Septembre 2013 Table des matières 1 Introduction au calcul des probabilités 7 1.1 Espace probabilisable et loi de variable aléatoire........ 8 1.1.1 Un exemple

Plus en détail

DEFINITION et PROPRIETES des PRINCIPALES LOIS de PROBABILITES

DEFINITION et PROPRIETES des PRINCIPALES LOIS de PROBABILITES Université Paris1, Licence 00-003, Mme Pradel : Principales lois de Probabilité 1 DEFINITION et PROPRIETES des PRINCIPALES LOIS de PROBABILITES Notations Si la variable aléatoire X suit la loi L, onnoterax

Plus en détail

ADMISSION AU COLLEGE UNIVERSITAIRE Samedi 1 mars 2014 MATHEMATIQUES durée de l épreuve : 3h coefficient 2

ADMISSION AU COLLEGE UNIVERSITAIRE Samedi 1 mars 2014 MATHEMATIQUES durée de l épreuve : 3h coefficient 2 ADMISSION AU COLLEGE UNIVERSITAIRE Samedi 1 mars 2014 MATHEMATIQUES durée de l épreuve : 3h coefficient 2 Le sujet est numéroté de 1 à 5. L annexe 1 est à rendre avec la copie. L exercice Vrai-Faux est

Plus en détail

Exercices : VAR discrètes

Exercices : VAR discrètes Exercices : VAR discrètes Exercice 1: Une urne contient 2 boules blanches et 4 boules noires. On tire les boules une à une sans les remettre jusqu à ce qu il ne reste que des boules d une seule couleur

Plus en détail

Probabilités conditionnelles Loi binomiale

Probabilités conditionnelles Loi binomiale Exercices 23 juillet 2014 Probabilités conditionnelles Loi binomiale Équiprobabilité et variable aléatoire Exercice 1 Une urne contient 5 boules indiscernables, 3 rouges et 2 vertes. On tire au hasard

Plus en détail

Image d un intervalle par une fonction continue

Image d un intervalle par une fonction continue DOCUMENT 27 Image d un intervalle par une fonction continue La continuité d une fonction en un point est une propriété locale : une fonction est continue en un point x 0 si et seulement si sa restriction

Plus en détail

Probabilités discrètes : exercices

Probabilités discrètes : exercices Université de Strasbourg Probabilités Département de mathématiques Agreg interne 2015-2016 Probabilités discrètes : exercices Vous pouvez me contacter à l adresse nicolas.juilletatmath.unistra.fr. J ai

Plus en détail

I. Polynômes de Tchebychev

I. Polynômes de Tchebychev Première épreuve CCP filière MP I. Polynômes de Tchebychev ( ) 1.a) Tout réel θ vérifie cos(nθ) = Re ((cos θ + i sin θ) n ) = Re Cn k (cos θ) n k i k (sin θ) k Or i k est réel quand k est pair et imaginaire

Plus en détail

P1 : Corrigés des exercices

P1 : Corrigés des exercices P1 : Corrigés des exercices I Exercices du I I.2.a. Poker : Ω est ( l ensemble ) des parties à 5 éléments de l ensemble E des 52 cartes. Cardinal : 5 I.2.b. Bridge : Ω est ( l ensemble ) des parties à

Plus en détail

TSTI 2D CH X : Exemples de lois à densité 1

TSTI 2D CH X : Exemples de lois à densité 1 TSTI 2D CH X : Exemples de lois à densité I Loi uniforme sur ab ; ) Introduction Dans cette activité, on s intéresse à la modélisation du tirage au hasard d un nombre réel de l intervalle [0 ;], chacun

Plus en détail

2 Probabilités conditionnelles. Événements indépendants

2 Probabilités conditionnelles. Événements indépendants 2 Probabilités conditionnelles. Événements indépendants 2.1 Probabilité conditionnelle Soient A et B deux événements tels que P(B) > 0. Soit alors P(A B), la probabilité que A se réalise, B étant réalisé.

Plus en détail

ALEATOIRE - Les enjeux du cours de Probabilités en première année de l Ecole Polytechnique

ALEATOIRE - Les enjeux du cours de Probabilités en première année de l Ecole Polytechnique ALEATOIRE - Les enjeux du cours de Probabilités en première année de l Ecole Polytechnique Télécom ParisTech, 09 mai 2012 http://www.mathematiquesappliquees.polytechnique.edu/ accueil/programmes/cycle-polytechnicien/annee-1/

Plus en détail

Fiche de révision sur les lois continues

Fiche de révision sur les lois continues Exercice 1 Voir la correction Le laboratoire de physique d un lycée dispose d un parc d oscilloscopes identiques. La durée de vie en années d un oscilloscope est une variable aléatoire notée X qui suit

Plus en détail

Terminale S-SI Probabilités conditionnelles

Terminale S-SI Probabilités conditionnelles robabilités conditionnelles Table des matières 1 Introduction 2 2 Définitions 2 3 Formule des probabilités totales 3 4 Indépendance et principe du produit 5 5 Exercices 5 1 1 Introduction Lorsque 7 élèves

Plus en détail

Probabilités. I Petits rappels sur le vocabulaire des ensembles 2 I.1 Définitions... 2 I.2 Propriétés... 2

Probabilités. I Petits rappels sur le vocabulaire des ensembles 2 I.1 Définitions... 2 I.2 Propriétés... 2 Probabilités Table des matières I Petits rappels sur le vocabulaire des ensembles 2 I.1 s................................................... 2 I.2 Propriétés...................................................

Plus en détail

Université Paris 8 Introduction aux probabilités 2014 2015 Licence Informatique Exercices Ph. Guillot. 1 Ensemble fondamental loi de probabilité

Université Paris 8 Introduction aux probabilités 2014 2015 Licence Informatique Exercices Ph. Guillot. 1 Ensemble fondamental loi de probabilité Université Paris 8 Introduction aux probabilités 2014 2015 Licence Informatique Exercices Ph. Guillot 1 Ensemble fondamental loi de probabilité Exercice 1. On dispose de deux boîtes. La première contient

Plus en détail

Exercice autour de densité, fonction de répatition, espérance et variance de variables quelconques.

Exercice autour de densité, fonction de répatition, espérance et variance de variables quelconques. 14-3- 214 J.F.C. p. 1 I Exercice autour de densité, fonction de répatition, espérance et variance de variables quelconques. Exercice 1 Densité de probabilité. F { ln x si x ], 1] UN OVNI... On pose x R,

Plus en détail

L3-2014/2015 Mercredi 14 janvier Mathématiques Discrètes. Examen. Exercice 1.

L3-2014/2015 Mercredi 14 janvier Mathématiques Discrètes. Examen. Exercice 1. Examen Exercice 1. Soit N un entier naturel 2. On dispose de trois jeux de N cartes (numérotées de 1 à N), chaque jeu étant d une couleur différente : rouge, bleue et verte. On se propose de distribuer

Plus en détail

Préparation à l écrit Année 2008-2009. Liste des fiches de probabilités

Préparation à l écrit Année 2008-2009. Liste des fiches de probabilités Capes de Mathématiques Université Joseph Fourier Préparation à l écrit Année 2008-2009 Liste des fiches de probabilités Probabilités 1 : Introduction aux espaces probabilisés Probabilités 2 : Variables

Plus en détail

Exercices corrigés, tome 04 : les énoncés

Exercices corrigés, tome 04 : les énoncés Exercices corrigés, tome 4 : les énoncés Table des matières : 1. Applications linéaires, p.2. 2. Variables aléatoires, p.6. 3. Intégrales, p.12. 4. Polynômes, p.16. 1 1 Applications linéaires Exercice

Plus en détail

Lois de probabilité à densité Loi normale

Lois de probabilité à densité Loi normale DERNIÈRE IMPRESSIN LE 31 mars 2015 à 14:11 Lois de probabilité à densité Loi normale Table des matières 1 Lois à densité 2 1.1 Introduction................................ 2 1.2 Densité de probabilité

Plus en détail

LEÇON N 5 : 5.1 Probabilité conditionnelle. Pré-requis : Opérations sur les ensembles, cardinaux ; Espaces probabilisés ; Calcul de probabilités.

LEÇON N 5 : 5.1 Probabilité conditionnelle. Pré-requis : Opérations sur les ensembles, cardinaux ; Espaces probabilisés ; Calcul de probabilités. LEÇON N 5 : Probabilité conditionnelle, indépendance de deux événements (on se limitera au cas où l ensemble d épreuves des fini). Applications à des calculs de probabilité. Pré-requis : Opérations sur

Plus en détail

Exercices - Polynômes : corrigé. Opérations sur les polynômes

Exercices - Polynômes : corrigé. Opérations sur les polynômes Opérations sur les polynômes Exercice 1 - Carré - L1/Math Sup - Si P = Q est le carré d un polynôme, alors Q est nécessairement de degré, et son coefficient dominant est égal à 1. On peut donc écrire Q(X)

Plus en détail

Probabilité conditionnelle et indépendance. Couples de variables aléatoires. Exemples

Probabilité conditionnelle et indépendance. Couples de variables aléatoires. Exemples 36 Probabilité conditionnelle et indépendance. Couples de variables aléatoires. Exemples (Ω, B, P est un espace probabilisé. 36.1 Définition et propriétés des probabilités conditionnelles Définition 36.1

Plus en détail

Mathématiques : statistiques et simulation

Mathématiques : statistiques et simulation Université de Picardie - LAMFA CNRS UMR 6140 PAF Amiens - Formation Enseignement des Mathématiques - 20 janvier 2012 (Extrait du document ressource pour la classe de seconde) Dans le sens commun des sondages,

Plus en détail

Coefficients binomiaux

Coefficients binomiaux Probabilités L2 Exercices Chapitre 2 Coefficients binomiaux 1 ( ) On appelle chemin une suite de segments de longueur 1, dirigés soit vers le haut, soit vers la droite 1 Dénombrer tous les chemins allant

Plus en détail

CONCOURS D ADMISSION. Option économique MATHEMATIQUES III. Année 2006

CONCOURS D ADMISSION. Option économique MATHEMATIQUES III. Année 2006 ESSEC M B A CONCOURS D ADMISSION Option économique MATHEMATIQUES III Année 2006 La présentation, la lisibilité, l orthographe, la qualité de la rédaction, la clarté et la précision des raisonnements entreront

Plus en détail

THÉORIE DE LA MESURE ET INTÉGRATION

THÉORIE DE LA MESURE ET INTÉGRATION Université Pierre et Marie Curie Licence de Mathématiques Années 2004-2005-2006 LM 363 THÉORIE DE LA MESURE ET INTÉGRATION Cours de P. MAZET Edition 2004-2005-2006 Table des matières Table des matières

Plus en détail

Épreuve de mathématiques Terminale ES 200 minutes

Épreuve de mathématiques Terminale ES 200 minutes Examen 2 Épreuve de mathématiques Terminale ES 200 minutes L usage de la calculatrice programmable est autorisé. La bonne présentation de la copie est de rigueur. Cet examen comporte 7 pages et 5 exercices.

Plus en détail

Statistique Descriptive et Inférentielle Méthodes paramétriques et non paramétriques

Statistique Descriptive et Inférentielle Méthodes paramétriques et non paramétriques Fiche TD avec le logiciel : a2-1-c Statistique Descriptive et Inférentielle Méthodes paramétriques et non paramétriques Sylvain Mousset Rappels de probabilités / statistiques Table des matières 1 Probabilités

Plus en détail

2 36. k 2 3 4 5 6 7 8 9 10 11 12

2 36. k 2 3 4 5 6 7 8 9 10 11 12 Chapitre 2 : Variables aléatoires discrètes Les variables aléatoires qui apparaissent dans ce chapitre (et son appendice) sont des exemples de variables aléatoires discrètes. I- Variables aléatoires. 1.

Plus en détail

Leçon 6. Savoir compter

Leçon 6. Savoir compter Leçon 6. Savoir compter Cette leçon est une introduction aux questions de dénombrements. Il s agit, d une part, de compter certains objets mathématiques (éléments, parties, applications,...) et, d autre

Plus en détail

Feuille d exercices 2 : Espaces probabilisés

Feuille d exercices 2 : Espaces probabilisés Feuille d exercices 2 : Espaces probabilisés Cours de Licence 2 Année 07/08 1 Espaces de probabilité Exercice 1.1 (Une inégalité). Montrer que P (A B) min(p (A), P (B)) Exercice 1.2 (Alphabet). On a un

Plus en détail

Examen d accès - 28 Septembre 2012

Examen d accès - 28 Septembre 2012 Examen d accès - 28 Septembre 2012 Aucun document autorisé - Calculatrice fournie par le centre d examen Cet examen est un questionnaire à choix multiples constitué de 50 questions. Plusieurs réponses

Plus en détail

À propos des matrices échelonnées

À propos des matrices échelonnées À propos des matrices échelonnées Antoine Ducros appendice au cours de Géométrie affine et euclidienne dispensé à l Université Paris 6 Année universitaire 2011-2012 Introduction Soit k un corps, soit E

Plus en détail

Thème 3 : ensembles, espaces de probabilités finis

Thème 3 : ensembles, espaces de probabilités finis Thème 3 : ensembles, espaces de probabilités finis Serge Cohen, Monique Pontier, Pascal J. Thomas Septembre 2004 1 Généralités : ensembles et parties d un ensemble Définition 1.1 On appelle ensemble une

Plus en détail

4 Distributions particulières de probabilités

4 Distributions particulières de probabilités 4 Distributions particulières de probabilités 4.1 Distributions discrètes usuelles Les variables aléatoires discrètes sont réparties en catégories selon le type de leur loi. 4.1.1 Variable de Bernoulli

Plus en détail

Couples de variables aléatoires discrètes

Couples de variables aléatoires discrètes Couples de variables aléatoires discrètes ECE Lycée Carnot mai Dans ce dernier chapitre de probabilités de l'année, nous allons introduire l'étude de couples de variables aléatoires, c'est-à-dire l'étude

Plus en détail

Simulation de variables aléatoires

Simulation de variables aléatoires Chapter 1 Simulation de variables aléatoires Références: [F] Fishman, A first course in Monte Carlo, chap 3. [B] Bouleau, Probabilités de l ingénieur, chap 4. [R] Rubinstein, Simulation and Monte Carlo

Plus en détail

Introduction à la simulation en probabilité

Introduction à la simulation en probabilité Introduction à la simulation en probabilité Module MATH54 Année universitaire 29 21 L énoncé du TP au format pdf se trouve sur le portail dans votre groupe. 1. Mise en route Principe de simulation. Connectez-vous

Plus en détail

Simulation de variables aléatoires

Simulation de variables aléatoires Simulation de variables aléatoires S. Robin INA PG, Biométrie Décembre 1997 Table des matières 1 Introduction Variables aléatoires discrètes 3.1 Pile ou face................................... 3. Loi de

Plus en détail

Fondements de l informatique: Examen Durée: 3h

Fondements de l informatique: Examen Durée: 3h École polytechnique X2013 INF412 Fondements de l informatique Fondements de l informatique: Examen Durée: 3h Sujet proposé par Olivier Bournez Version 3 (corrigé) L énoncé comporte 4 parties (sections),

Plus en détail

Programmes des classes préparatoires aux Grandes Ecoles

Programmes des classes préparatoires aux Grandes Ecoles Programmes des classes préparatoires aux Grandes Ecoles Filière : scientifique Voie : Biologie, chimie, physique et sciences de la Terre (BCPST) Discipline : Mathématiques Seconde année Préambule Programme

Plus en détail

Statistiques. IUT Biotechnologie 2ème année. Jean-Christophe Breton Université de La Rochelle Octobre-Novembre 2008

Statistiques. IUT Biotechnologie 2ème année. Jean-Christophe Breton Université de La Rochelle Octobre-Novembre 2008 Statistiques IUT Biotechnologie 2ème année Jean-Christophe Breton Université de La Rochelle Octobre-Novembre 2008 version du 04 octobre 2008 Table des matières 1 Lois de probabilité usuelles 1 1.1 Dénombrement................................

Plus en détail

Petits jeux de probabilités (Solutions)

Petits jeux de probabilités (Solutions) Petits jeux de probabilités (Solutions) Christophe Lalanne En famille 1. Mon voisin a deux enfants dont l un est une fille, quelle est la probabilité pour que l autre soit un garçon? Une famille de deux

Plus en détail

: 3 si x 2 [0; ] 0 sinon

: 3 si x 2 [0; ] 0 sinon Oral HEC 2007 Question de cours : Dé nition d un estimateur ; dé nitions du biais et du risque quadratique d un estimateur. On considère n (n > 2) variables aléatoires réelles indépendantes X 1,..., X

Plus en détail

Espace de probabilité, indépendance et probabilité conditionnelle

Espace de probabilité, indépendance et probabilité conditionnelle Chapter 2 Espace de probabilité, indépendance et probabilité conditionnelle Sommaire 2.1 Tribu et événements........................................... 15 2.2 Probabilité................................................

Plus en détail

Chapitre 4 NOTIONS DE PROBABILITÉS

Chapitre 4 NOTIONS DE PROBABILITÉS Statistique appliquée à la gestion et au marketing http://foucart.thierry.free.fr/statpc Chapitre 4 NOTIONS DE PROBABILITÉS Les chapitres précédents donnent des méthodes graphiques et numériques pour caractériser

Plus en détail

Suites réelles. 4 Relations de comparaison des suites 9 4.1 Encore du vocabulaire... 9. 5.2 Quelques propriétés... 13

Suites réelles. 4 Relations de comparaison des suites 9 4.1 Encore du vocabulaire... 9. 5.2 Quelques propriétés... 13 Maths PCSI Cours Table des matières Suites réelles 1 Généralités 2 2 Limite d une suite 2 2.1 Convergence d une suite....................... 2 2.2 Deux premiers résultats....................... 3 2.3 Opérations

Plus en détail

Exercices supplémentaires : Loi binomiale

Exercices supplémentaires : Loi binomiale Exercices supplémentaires : Loi binomiale Partie A : Loi binomiale Dans une région pétrolifère, la probabilité qu un forage conduise à une nappe de pétrole est 0,1. 1) Justifier que la réalisation d un

Plus en détail

Cours Probabilités L2 Université Nice Sophia-Antipolis. François Delarue

Cours Probabilités L2 Université Nice Sophia-Antipolis. François Delarue Cours Probabilités L2 Université Nice Sophia-Antipolis François Delarue Table des matières 3 CHAPITRE 1 Probabilités finies Nous établissons dans ce premier chapitre les principes essentiels de la théorie

Plus en détail

Licence MASS 2000-2001. (Re-)Mise à niveau en Probabilités. Feuilles de 1 à 7

Licence MASS 2000-2001. (Re-)Mise à niveau en Probabilités. Feuilles de 1 à 7 Feuilles de 1 à 7 Ces feuilles avec 25 exercices et quelques rappels historiques furent distribuées à des étudiants de troisième année, dans le cadre d un cours intensif sur deux semaines, en début d année,

Plus en détail

UNIVERSITÉ DE CERGY. LICENCE d ÉCONOMIE et FINANCE LICENCE de GESTION. Seconde année - Semestre 3 PROBABILITÉS. Cours de M. J.

UNIVERSITÉ DE CERGY. LICENCE d ÉCONOMIE et FINANCE LICENCE de GESTION. Seconde année - Semestre 3 PROBABILITÉS. Cours de M. J. Année 2013-2014 UNIVERSIÉ DE CERGY LICENCE d ÉCONOMIE et FINANCE LICENCE de GESION Seconde année - Semestre 3 PROBABILIÉS Cours de M. J. Stéphan ravaux Dirigés de Mme M. Barrié, M. J-M. Chauvet et M. J.

Plus en détail

Chapitre 1: Introduction au calcul des probabilités, cas d un univers fini.

Chapitre 1: Introduction au calcul des probabilités, cas d un univers fini. Chapitre 1: Introduction au calcul des probabilités, cas d un univers fini. 1 Introduction Des actions comme lancer un dé, tirer une carte d un jeu, observer la durée de vie d une ampoule électrique, etc...sont

Plus en détail

CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE. Cinquième épreuve d admissibilité STATISTIQUE. (durée : cinq heures)

CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE. Cinquième épreuve d admissibilité STATISTIQUE. (durée : cinq heures) CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE Cinquième épreuve d admissibilité STATISTIQUE (durée : cinq heures) Une composition portant sur la statistique. SUJET Cette épreuve est composée d un

Plus en détail

Développement décimal d un réel

Développement décimal d un réel 4 Développement décimal d un réel On rappelle que le corps R des nombres réels est archimédien, ce qui permet d y définir la fonction partie entière. En utilisant cette partie entière on verra dans ce

Plus en détail

Fonctions de plusieurs variables

Fonctions de plusieurs variables Module : Analyse 03 Chapitre 00 : Fonctions de plusieurs variables Généralités et Rappels des notions topologiques dans : Qu est- ce que?: Mathématiquement, n étant un entier non nul, on définit comme

Plus en détail

Le raisonnement par récurrence

Le raisonnement par récurrence Le raisonnement par récurrence Nous notons N l ensemble des entiers naturels : N = {0,,, } Nous dirons naturel au lieu de entier naturel Le principe du raisonnement par récurrence Soit A une partie de

Plus en détail

Dénombrement, opérations sur les ensembles.

Dénombrement, opérations sur les ensembles. Université Pierre et Marie Curie 2013-2014 Probabilités et statistiques - LM345 Feuille 1 (du 16 au 20 septembre 2013) Dénombrement, opérations sur les ensembles 1 Combien de façons y a-t-il de classer

Plus en détail

Sommaire. Chapitre 1 Variables et vecteurs aléatoires... 5. Chapitre 2 Variables aléatoires à densité... 65

Sommaire. Chapitre 1 Variables et vecteurs aléatoires... 5. Chapitre 2 Variables aléatoires à densité... 65 Sommaire Chapitre 1 Variables et vecteurs aléatoires............... 5 A. Généralités sur les variables aléatoires réelles.................... 6 B. Séries doubles..................................... 9

Plus en détail

Le polycopié de cours, les notes manuscrites, et les calculatrices sont autorisés.

Le polycopié de cours, les notes manuscrites, et les calculatrices sont autorisés. Université d Orléans Deug MASS, MIAS et SM Unité MA. Probabilités et Graphes Examen partiel du 5 décembre durée: h Le polycopié de cours, les notes manuscrites, et les calculatrices sont autorisés. Le

Plus en détail

Fonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre

Fonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre IUFM du Limousin 2009-10 PLC1 Mathématiques S. Vinatier Rappels de cours Fonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre 1 Fonctions de plusieurs variables

Plus en détail

CONCOURS GÉNÉRAL DES LYCÉES SESSION DE 2009 COMPOSITION DE MATHÉMATIQUES. (Classe terminale S)

CONCOURS GÉNÉRAL DES LYCÉES SESSION DE 2009 COMPOSITION DE MATHÉMATIQUES. (Classe terminale S) MA 09 CONCOURS GÉNÉRAL DES LYCÉES SESSION DE 009 COMPOSITION DE MATHÉMATIQUES (Classe terminale S) DURÉE : 5 heures La calculatrice de poche est autorisée, conformément à la réglementation. La clarté et

Plus en détail

UNIVERSITÉ DE CERGY Année 2012-2013 U.F.R. Économie & Gestion Licence d Économie et Mathématiques MATH104 : Mathématiques

UNIVERSITÉ DE CERGY Année 2012-2013 U.F.R. Économie & Gestion Licence d Économie et Mathématiques MATH104 : Mathématiques 1 UNIVERSITÉ DE CERGY Année 2012-201 U.F.R. Économie & Gestion Licence d Économie et Mathématiques MATH104 : Mathématiques Chapitre III : Polynômes 1 Fonctions polynômes & polynômes Définition 1. Soit

Plus en détail

Modèles stochastiques et applications à la finance

Modèles stochastiques et applications à la finance 1 Université Pierre et Marie Curie Master M1 de Mathématiques, 2010-2011 Modèles stochastiques et applications à la finance Partiel 25 Février 2011, Durée 2 heures Exercice 1 (3 points) On considère une

Plus en détail

Chaînes de Markov au lycée

Chaînes de Markov au lycée Journées APMEP Metz Atelier P1-32 du dimanche 28 octobre 2012 Louis-Marie BONNEVAL Chaînes de Markov au lycée Andreï Markov (1856-1922) , série S Problème 1 Bonus et malus en assurance automobile Un contrat

Plus en détail