Éléments de correction de la feuille d exercices # 3

Documents pareils
Intégration et probabilités ENS Paris, TD (20)13 Lois des grands nombres, théorème central limite. Corrigé :

EXERCICES : DÉNOMBREMENT

x +1 + ln. Donner la valeur exacte affichée par cet algorithme lorsque l utilisateur entre la valeur n =3.

FEUILLE D EXERCICES 17 - PROBABILITÉS SUR UN UNIVERS FINI

1 Mesure et intégrale

Dénombrement. Chapitre Enoncés des exercices

Exo7. Déterminants. = 4(b + c)(c + a)(a + b). c + a c + b 2c Correction. b + a 2b b + c. Exercice 2 ** X a b c a X c b b c X a c b a X

[ édité le 10 juillet 2014 Enoncés 1. Exercice 6 [ ] [correction] Si n est un entier 2, le rationnel H n =

Les Nombres Parfaits.

Probabilités et statistique pour le CAPES

Polynésie Septembre Exercice On peut traiter la question 4 sans avoir traité les questions précédentes.

. (b) Si (u n ) est une suite géométrique de raison q, q 1, on obtient : N N, S N = 1 qn+1. n+1 1 S N = 1 1

Processus et martingales en temps continu

Etude de la fonction ζ de Riemann

SÉRIES STATISTIQUES À DEUX VARIABLES

Terminale S. Terminale S 1 F. Laroche

Limites des Suites numériques

Deuxième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES

Dénombrement. Introduction. 1 Cardinaux d'ensembles nis. ECE3 Lycée Carnot. 12 novembre Quelques dénitions

CHAPITRE 2 SÉRIES ENTIÈRES

20. Algorithmique & Mathématiques

UV SQ 20. Automne Responsable d Rémy Garandel ( m.-el. remy.garandel@utbm.fr ) page 1

Chapitre 3 : Fonctions d une variable réelle (1)

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable

Statistique descriptive bidimensionnelle

Baccalauréat S Asie 19 juin 2014 Corrigé

2 ième partie : MATHÉMATIQUES FINANCIÈRES

Cours de Statistiques inférentielles

Exercices de mathématiques

capital en fin d'année 1 C 0 + T C 0 = C 0 (1 + T) = C 0 r en posant r = 1 + T 2 C 0 r + C 0 r T = C 0 r (1 + T) = C 0 r 2 3 C 0 r 3...

Séquence 5. La fonction logarithme népérien. Sommaire

Séries réelles ou complexes

Module 3 : Inversion de matrices

UNIVERSITE MONTESQUIEU BORDEAUX IV. Année universitaire Semestre 2. Prévisions Financières. Travaux Dirigés - Séances n 4

Cours 5 : ESTIMATION PONCTUELLE

II LES PROPRIETES DES ESTIMATEURS MCO 1. Rappel : M1 LA REGRESSION : HYPOTHESES ET TESTS Avril 2009

Suites et séries de fonctions

Principes et Méthodes Statistiques

STATISTIQUE : TESTS D HYPOTHESES

Groupe orthogonal d'un espace vectoriel euclidien de dimension 2, de dimension 3

Introduction : Mesures et espaces de probabilités

Comportement d'une suite

PROMENADE ALÉATOIRE : Chaînes de Markov et martingales

Statistique Numérique et Analyse des Données

Chap. 5 : Les intérêts (Les calculs financiers)

c. Calcul pour une évolution d une proportion entre deux années non consécutives

4 Approximation des fonctions

Chapitre 3 : Transistor bipolaire à jonction

Exercice I ( non spé ) 1/ u 1 = u / Soit P la propriété : u n + 4. > 0 pour n 1. P est vraie au rang 1 car u 1

Consolidation. C r é e r un nouveau classeur. Créer un groupe de travail. Saisir des données dans un groupe

LES ÉCLIPSES. Éclipser signifie «cacher». Vus depuis la Terre, deux corps célestes peuvent être éclipsés : la Lune et le Soleil.

Convergences 2/2 - le théorème du point fixe - Page 1 sur 9

Probabilités et Statistiques. Feuille 2 : variables aléatoires discrètes

STATISTIQUE AVANCÉE : MÉTHODES

Chaînes de Markov. Arthur Charpentier

14 Chapitre 14. Théorème du point fixe

Université Victor Segalen Bordeaux 2 Institut de Santé Publique, d Épidémiologie et de Développement (ISPED) Campus Numérique SEME

UNIVERSITÉ DE SFAX École Supérieure de Commerce

Formation d un ester à partir d un acide et d un alcool

55 - EXEMPLES D UTILISATION DU TABLEUR.

Chap. 6 : Les principaux crédits de trésorerie et leur comptabilisation

TRANSFERT DE CHARGE DANS UN RÉSEAU DE PROCESSEURS TOTALEMENT CONNECTÉS (*) par Maryse BÉGUIN ( 1 )

Moments des variables aléatoires réelles

Solutions particulières d une équation différentielle...

Capacité d un canal Second Théorème de Shannon. Théorie de l information 1/34

Chap. 6 : Les principaux crédits de trésorerie et leur comptabilisation

Université de Bordeaux - Master MIMSE - 2ème année. Scoring. Marie Chavent machaven/

PROBLEMES DIOPTIMISATION EN NOMBRES ENTIERS J. L. NICOLAS

Simulation de variables aléatoires

RESOLUTION DES FLOW SHOP STOCHASTIQUES PAR LES ORDRES STOCHASTIQUES. DERBALA Ali *)

Université Pierre et Marie Curie. Biostatistique PACES - UE

INTRODUCTION AUX MATRICES ALÉATOIRES. par. Djalil Chafaï

Statistiques appliquées à la gestion Cours d analyse de donnés Master 1

Processus géométrique généralisé et applications en fiabilité

Des résultats d irrationalité pour deux fonctions particulières

La France, à l écoute des entreprises innovantes, propose le meilleur crédit d impôt recherche d Europe

DETERMINANTS. a b et a'

Chapitre 2 SONDAGE ALEATOIRE SIMPLE OU A PROBABILITES EGALES. 2.1 DEFINITIONS 2.2 SONDAGE ALEATOIRE SIMPLE SANS REMISE (PESR) 2.2.

Examen final pour Conseiller financier / conseillère financière avec brevet fédéral. Recueil de formules. Auteur: Iwan Brot

Gérer les applications

RÈGLES ORDINALES : UNE GÉNÉRALISATION DES RÈGLES D'ASSOCIATION

RESOLUTION PAR LA METHODE DE NORTON, MILLMAN ET KENNELY

Dares Analyses. Plus d un tiers des CDI sont rompus avant un an

One Office Voice Pack Vos appels fixes et mobiles en un seul pack

Le marché du café peut être segmenté en fonction de deux modes de production principaux : la torréfaction et la fabrication de café soluble.


Initiation à l analyse factorielle des correspondances

Nous imprimons ce que vous aimez!

16.1 Convergence simple et convergence uniforme. une suite de fonctions de I dans R ou C.

Tempêtes : Etude des dépendances entre les branches Automobile et Incendie à l aide de la théorie des copulas Topic 1 Risk evaluation

Semestre : 4 Module : Méthodes Quantitatives III Elément : Mathématiques Financières Enseignant : Mme BENOMAR

STRATÉGIE DE REMPLACEMENT DE LUTTE CONTRE LA PUNAISE TERNE DANS LES FRAISERAIES DE L ONTARIO

Etude Spéciale SCORING : UN GRAND PAS EN AVANT POUR LE MICROCRÉDIT?

Probabilités conditionnelles Loi binomiale

Un nouvel opérateur de fusion adaptatif. A new adaptive operator of fusion. 1. introduction

Probabilités sur un univers fini

3.1 Différences entre ESX 3.5 et ESXi 3.5 au niveau du réseau. Solution Cette section récapitule les différences entre les deux versions.

Variables Aléatoires. Chapitre 2

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

Transcription:

Uiversité de Rees L SVE Probabilités et statistiques aée 25-26 Élémets de correctio de la feuille d exercices # 3 Exercice Exemple de loi discrète Soit X ue variable aléatoire discrète preat les valeurs 2, 4, 6, ou 8. Détermier la loi de X sachat que : P(X < 6) = 3, P(X > 6) =, P(X = 2) = P(X = 4). 2 O a = P(X < 6) = P(X = 2 ou X = 4) = P(X = 2) + P(X = 4) 3 et comme P(X = 2) = P(X = 4), o a déduit que Par ailleurs, o a Efi, o a O vérifie alors aturellemet que P(X = 2) = P(X = 4) = 6. = P(X > 6) = P(X = 8). 2 P(X = 6) = P(X 6) = (P(X > 6) + P(X < 6)) = 6. P(X = 2) + P(X = 4) + P(X = 6) + P(X = 8) =. Exercice 2 Motus Ue ure cotiet des boules umérotées : 7 boules sot marquées du chiffre, 5 boules sot marquées du chiffre 3 et 3 boules sot marquées du chiffre 5. O tire au hasard ue boule de l ure et o ote X sa marque.. Détermier la loi de la variable X. La loi de X est doée par P(X = ) = 7 5, P(X = 3) = 5 5, P(X = 5) = 3 5. 2. Calculer l espérace et la variace de X. O a alors E[X] = 7 5 + 3 5 5 + 5 3 5 = 37 5 E[X 2 ] = 2 7 5 + 32 5 5 + 52 3 5 = 27 5 dot o déduit var(x) = E[X 2 ] E[X] 2 2, 4.

Exercice 3 Dé truqué Ue variable aléatoire X pred les valeurs etières k {, 2, 3, 4, 5, 6}, avec probabilité proportioelle à k i.e. il existe ue réel α >, tel que P(X = k) = αk.. Préciser la loi de X. Calculer so espérace. La loi de X est ue probabilité, o doit doc avoir = P(X = ) + P(X = 2) +... + P(X = 6) = α + 2α +... + 6α = 2α, autremet dit, o a α = /2. Dès lors, l espérace de X est doée par E[X] = 2 + 2 2 2 +... + 6 6 2 = 3 3. 2. O pose Y = /X. Détermier la loi de Y. La variable Y est à valeurs das l esemble {/6, /5,..., } et l o a aturellemet P(Y = /k) = P(X = k) = k 2. Exercice 4 Nombre de piles O lace trois pièces équilibrées. O désige par X le ombre de piles obteus.. Détermier la loi de X. D après le cours, la loi de X est la loi biomiale B(3, /2). 2. Calculer la moyee et la variace de X. Toujours d après le cours, o a alors E[X] = 3 2 = 3 2, var(x) = 3 2 2 = 3 4. Exercice 5 Tu joues ou bie? O vous propose le jeu suivat. Pour pouvoir jouer, il faut d abord verser euro. O jette deux dés simultaémet. Si l u des dés au mois présete u chiffre impair, o e gage rie. Si les dés présetet deux chiffres pairs différets, o gage euro. Efi, si les dés présetet deux fois le même chiffre pair, o gage ue somme égale à la somme de ces deux chiffres, par exemple o gage 8 si o fait u double quatre. Joueriez-vous à ce jeu? Les valeurs possibles pour le gai sot {,, 3, 7, } et l o a P(X = ) = P(au mois u dé impair) = P(deux dés pairs) = 4 = 3 4. P(X = ) = P({(2, 4), (4, 2), (2, 6), (6, 2), (4, 6), (6, 4)}) = 6 36 = 6 P(X = 3) = P({(2, 2)}) = 36, P(X = 7) = P({(4, 4)}) = 36 O a alors P(X = ) = P({(6, 6)}) = 36. E[X] = 3 4 + 6 + 3 36 + 7 36 + 36 = 6 <. E moyee, le joueur est doc perdat!

Exercice 6 Géotype Cosidéros deux parets hétérozygotes de géotype Aa tels que leur efats peuvet avoir les géotypes AA, Aa ou aa avec probabilité P(AA) = 4, P(Aa) = 2, P(aa) = 4. Supposos qu ils aiet 3 efats. Das toute la suite, o suppose que les géotypes des trois efats sot idépedats et o les ote X, Y et Z.. Quelle est la probabilité qu exactemet l u d eux ait le géotype aa? L évèmet A = exactemet u des efats a le géotype aa s écrit comme l uio disjoite des trois évèemets suivat : A = (X = aa Y aa Z aa) (X aa Y = aa Z aa) (X aa Y aa Z = aa) La probabilité recherchée est doc P(A) = P (X = aa Y aa Z aa) + P (X aa Y = aa Z aa) P (X aa Y aa Z = aa) = P(X = aa)p(y aa)p(z aa) + P(X aa)p(y = aa)p(z aa) P(X aa)p(y aa)p(z = aa) = 4 3 4 3 4 + 3 4 4 3 4 + 3 4 3 4 4 = 9 64. 2. Quelle est la probabilité qu au mois l u deux ait le géotype aa? Si o ote B l évèemet au mois l u des efats a le géotype aa, o a alors P(B) = P(X aa Y aa Z aa) = P(X aa)p(y aa)p(z aa) = 3 4 3 4 3 4 = 37 64. Exercice 7 Géotype, suite Cosidéros les efats de parets hétérozygotes de géotype Aa. La distributio des efats est celle de l exercice précédet. O choisit de faço aléatoire 24 de ces efats. O défiit N, N 2, N 3 le ombre d efats de géotype AA, Aa et aa respectivemet.. Quelle est la loi de N? N 2? N 3? Ce sot des lois biomiales de paramètres = 24 et p = /4, p 2 = /2, et p 3 = /4 respectivemet. 2. Quel est le lie etre ces différetes variables? Vérifier que pour k, k 2, k 3 N, P(N = k, N 2 = k 2, N 3 = k 3 ) P(N = k )P(N 2 = k 2 )P(N 3 = k 3 ). La somme de ces variables vaut 24, elles e sot doc pas idépedates!

Exercice 8 Momets des lois usuelles Détermier les espéraces et les variaces des lois usuelles (Cf. pages 27 et 37 du polycopié). Exercice 9 Somme de variables de Beroulli Soiet X,..., X des variables idépedates de de loi de Beroulli B(p).. Détermier la loi de X + X 2. E déduire la loi de X +... + X. La variable S = X + X 2 est à valeurs das {,, 2} et o a P(S = ) = P(X =, X 2 = ) = P(X = )P(X 2 = ) = ( p) 2, P(S = 2) = P(X =, X 2 = ) = P(X = )P(X 2 = ) = p 2, P(S = ) = (P(S = ) + P(S = 2)) = 2p( p). O recoaît la loi biomiale B(2, p). Plus gééralemet, la loi de X +... + X est la loi biomiale B(, p). 2. Iterpréter ce résultat e terme de jeu de pile ou face. La loi biomiale B(, p) est la loi du ombre de succés lorsque l o joue fois de suite avec ue pièce biaisée telle que P(pile) = p. Exercice Somme de variables de Poisso Soiet X,..., X des variables idépedates de, où X j suit ue loi de Poisso paramètre λ j.. Détermier la loi de X + X 2. E déduire la loi de X +... + X. Pour u etier positif k doé, o a P(X + X 2 = k) = = P(X + X 2 = k, X 2 = l) = l= P(X = k l)p(x 2 = l) = l= P(X = k l, X 2 = l) l= l= e λ λ k l (k l)! e λ 2 λl 2 l! = e (λ +λ 2 ) k! l= k! (k l)!l! λk l λ l 2 = e (λ +λ 2 ) (λ + λ 2 ) k k! d après la forumle du biôme. O recoaît aisi ue loi de Poisso de paramètre λ + λ 2. Plus gééralemet, la loi dex +... + X est la loi de Poisso de paramètre λ +... + λ. 2. Expliciter la loi de X j sachat X +... + X = k. Si k l sot deux etiers, o a P(X j = l X +... + X = k) = P(X j = l et X +... + X = k) P(X +... + X = k) P(X j = l X +...+X = k) = P(X j = l et X + X 2 +... + X j + X j+ +... + X = k l) P(X +... + X = k)

Par idépedace P(X j = l X +...+X = k) = P(X j = l) P(X + X 2 +... + X j + X j+ +... + X = k l) P(X +... + X = k) i j λ i (( i j λ i) k l /(k l)! P(X j = l X +... + X = k) = e λ j (λ l j /l!) e Les expoetielles se simplifiet, et si l o pose p = e i= λ i(( i= λ i) k /k! λ j i= λ, o obtiet P(X j = l X +... + X = k) = Ck l pl ( p) k l. i La loi de X j sachat {X +... + X = k} est ue loi biomiale B(k, p). Exercice Passe-partout U trousseau de clefs cotiet ue seule clef ouvrat ue serrure doée. O les essaie l ue après l autre au hasard. Calculer la loi, l espérace et la variace du ombre d essais écessaires. Même questio si, u peu éméché, o réessaie à chaque fois ue clef au hasard sas avoir écarté la précédete. O ote X le ombre d essais écessaires pour trouver la boe clef. Si o élimie les mauvaises clefs au fur et à mesure, o a aturellemet P(X = ) =. Esuite o peut écrire De même, o a P(X = 2) = P(X = 2 X > ) = P(X = 2 X > )P(X > ) = P(X = 2 X > ) ( P(X = )) = ( ) P(X = 3) = P(X = 3 X > 2) = P(X = 3 X > 2)P(X > 2) = P(X = 3 X > 2) ( P(X 2)) = P(X = 3 X > 2) ( P(X = 2) P(X = )) = 2 ( 2 ) =. =. et o motre de faço similaire que P(X = k) = / pour tout k. Autremet dit, la loi de X est la loi uiforme sur {,..., }. Maiteat, si o élimie pas les mauvaises clefs au fur et à mesure, o a ecore P(X = ) = et e raisoat comme plus haut P(X = 2) = P(X = 2 X > ) = P(X = 2 X > )P(X > ) = P(X = 2 X > ) ( P(X = )) = ( ). De même P(X = 3) = P(X = 3 X > 2) = P(X = 3 X > 2)P(X > 2) = P(X = 3 X > 2) ( P(X 2)) = P(X = 3 X > 2) ( P(X = 2) P(X = )) = ( ( )) = ( 2. ) et plus géeralemet P(X = k) = ( ) k O recoaît la loi géométrique de paramètre /.

Exercice 2 Ciel gris Das u pays très pluvieux, il pleut u jour doé avec probabilité s il a pas plu la veille, et avec probabilité /2 s il a plu la veille. Motrez qu il y a e moyee 243 jours de pluie par a. O défiit les variables X i qui valet s il pleut le jour i et sio. D après l éocé, o a P(X i = X i = ) = /2, P(X i = X i = ) =. Le ombre de jour de pluie das l aée est S = 365 i= X i. Par liéarité E(S) = calcul de E(X i ) doe : 365 E(X i ). La E(X i ) = P(X i = ) = P(X i = X i = )P(X i = ) + P(X i = X i = )P(X i = ), i.e., E(X i ) = 2 P(X i = ) + P(X i = ) = 2 P(X i = ) + P(X i = ), ou ecore E(X i ) = 2 P(X i = ) = 2 E(X i ). O a aturellemet E(X i ) = E(X i ) pour tout i, d où E(X i ) = 2/3 et E(S) = 365 E(X ) = 365 2 3 243. i= Exercice 3 Exemple de variable à desité Soit f la foctio défiie par f(x) = 4 3 ( x)/3 si x [, ] et f(x) = sio.. Motrer que f est la desité d ue variable aléatoire X. La foctio f est positive et o a 4 f(x)dx = 3 ( x)/3 dx = [ ( x) 4/3] =, R doc f est bie ue desité de probabilité. 2. Détermier la foctio de répartitio de X et la tracer. La foctio de répartio F (x) associée est doée par si x, x F (x) = f(u)du = x 4 3 ( u)/3 du = [ ( u) 4/3] x = ( x)4/3. So graphe est le suivat :

3. Calculer l espérace de X. D après le cours, l espérace de X est doée par la formule : E[X] = E itégrat par parties, il viet E[X] = R xf(x)dx = [ x ( ( x) 4/3)] + x 4 3 ( x)/3 dx. [ = + 3 ] 7 ( x)7/3 = 3 7. ( x) 4/3 dx Exercice 4 Maximum et miimum Soiet X, X 2,..., X des variables aléatoires idépedates et de même loi. O ote F leur foctio de répartitio commue. O ote Y = mi(x, X 2,..., X ) et Z = max(x, X 2,..., X ).. Exprimer les foctios de répartitio F Y et F Z des variables Y et Z e foctio de F ; O a pour tout x R : F Y (x) = P(Y x) = P(Y > x) = P(X > x, X 2 > x,..., X > x) = P(X > x)p(x 2 > x)... P(X > x) = ( P(X x))... ( P(X x)) = ( F (x))... ( F (x)) = ( F (x)). De la même faço, o a F Z (x) = P(Z x) = P(X x, X 2 x,..., X x) = P(X x)p(x 2 x)... P(X x) = F (x). 2. Expliciter F Y et F Z lorsque les X i sot des variables de loi géométrique G(p) ; Par défiitio, si X est ue variable géométrique de paramètre p, alors pour tout etier l o a P(X = l) = p( p) l. O e déduit que pour tout etier k positif P(X > k) = l=k+ P(X = l) = l=k+ p( p) l = ( p) k. Autremet dit, F (k) = P(X k) = P(X > k) = ( p) k. O déduit esuite l expressio de F Y et F Z grâce à la première questio. 3. Expliciter la desité des Y et Z lorsque les X i sot des variables de loi uiforme U [,]. Das le cas où les X i sot des variables uiformes, o a simplemet F (x) = x sur l itervalle [, ] et à ouveau, o e déduit facilemet l expressio de F Y et F Z grâce à la première questio.