Vous êtes sur la page 1sur 49
1 0.95 0.9 0.85 0.8 0.75 0 500 1000 1500 2000 2500 3000 c (2008)
1 0.95 0.9 0.85 0.8 0.75 0 500 1000 1500 2000 2500 3000
1
0.95
0.9
0.85
0.8
0.75
0
500
1000
1500
2000
2500
3000

c (2008) D.GHORBANZADEH dariush.ghorbanzadeh@cnam.fr

Mathematique´

du signal aleatoire´

Exercice 1 Exercice 2
Exercice
1
Exercice
2

formule de Binôme

En utilisant la formule de Binˆome (x + y ) n =

suivantes :

combinatoire

n

S 1 =

S 3 = =1 k (k 1) C
k

k =0

n

k

C

n

k

n

n

k x k y n k , calculer les sommes

C

n

k

=0

 

n

S 2 =

k

=1

 

n

S 4 =

k

=1

k

n

k C

k

n

k 2 C

Soit Ω un ensemble fini `a N ´el´ements. On d´esigne par P (Ω) l’ensemble de tous les sous-ensembles de Ω. Montrer que card (P (Ω)) = 2 N .

corrig´e 2
corrig´e 2

0 0 ´el´ement il y en a C N = 1 (∅ ensemble vide) 1
0
0 ´el´ement
il
y en
a C N = 1
(∅ ensemble vide)
1
1 ´el´ement
il
y en
a C N = N (les singletons)
N (N − 1)
2 il y en a C
´el´ements
2 =
N
2
N (N − 1)(N − 2)
3 il y en a C
´el´ements
3 =
N
3!
.
. .
.
.
. .
.
N ´el´ements
il y en a C
N =
1 (Ω lui-mˆeme)
N
N
i
Alors, card (P (Ω)) =
C N = 2 N .
i=1

L’ensemble de P (Ω) poss`ede comme `el`ements tous les sous-ensembles de Ω f orm´e de :

combinatoire

Trouver toutes les compositions possibles d’une famille de 4 enfants qui comprend deux filles et deux gar¸cons.tous les sous-ensembles de Ω f orm´e de : combinatoire ✓ corrig´e 3 ✏ 2 Il

✓ corrig´e 3 ✏ 2 Il y a C = 6 possibilit´es : {(ffgg ),
✓ corrig´e 3
2
Il y a C = 6 possibilit´es : {(ffgg ), (fgfg ), (fggf ), (ggff ), (gfgf ), (gffg )}
4

http://www.cnam.fr/maths/Membres/ghorbanzadeh/

1

Mathematique´

du signal aleatoire´

Exercice 4
Exercice
4

partition

On consid`ere Ω l’ensemble des familles ayant 3 enfants et on d´esigne par E 1 , E 2 , E 3 , E 4 les ´ev`enements suivants :

E 1 = { la f amille a au plus deux f illes }

E 2 =

{ la f amille n a pas de f ille }

E 3 =

{ la f amille a une f ille }

E 4 = { la f amille a deux f illes }

Montrer que E 2 , E 3 , E 4 foment une partition de E 1 .

corrig´e 4
corrig´e 4

E 1 =

{ (ffg ), (fgf ), (fgg ), (gff ), (gfg ), (ggf ), ( ggg ) }

E 2 =

{ (ggg ) }

E 3 = { (fgg ), (gfg ), (ggf ) }

On a :

E 4 = { (ffg ), (fgf ), (gff ) }

calculs de probabilités

Lorsque Nicolas joue aux ´echcs contre Louis, il gagne 5 fois plus souvent que ce dernier. Quelle est la probabilit´e que Nicolas gagne une partie ?) , ( fgf ) , ( gff ) } ✫ calculs de probabilités corrig´e 5

corrig´e 5
corrig´e 5

que P (N ) = 5 P (L ).

1

6

5

= 6 .

Posons N = {Nicolas gagne } et L = {Louis gagne }. On cherche alors `a calculer P (N )

sachant

Or, par dfinition de la probabilit´e totale, on a P (N ) + P (L ) = 1. donc , 6 P (L ) = 1 soit

P (L ) = 1 6 , on en d´eduit : P (N ) = 1

Exercice 6
Exercice
6

calculs de probabilités

Soit ( Ω , P (Ω), P ) un espace probabilis´e et A, B deux ´ev´enements de P (Ω)

1. Montrer que

A) = P (B ) P (A) et P (A) P (B ).

2. Montrer que l’on a

si A B , alors, P (B

P ( A B ) = P (A) + P (B ) P ( A B ) et P ( A B ) P (A) + P (B )

2

http://www.cnam.fr/maths/Membres/ghorbanzadeh/

Mathematique´

du signal aleatoire´

calculs de probabilités

Soit ( Ω , P (Ω), P ) un espace probabilis´e et A, B , C

On donne : P (A)

P (A B C ) = 0, 05. On pose H 1 = A (B C ), H 2 = A (B C ) et H 3 = { ni A , ni B }.

1. P (H 1 ) et P (H 2 ).

2. P (H 3 ) si P (B ) = 0, 35.

trois ´ev´enements de P (Ω). C ) = 0, 1, P (A C ) = 0, 1 ,

= 0, 65, P (A B ) = 0, 15, P (B

Calculer

Calculer

calculs de probabilités

Un ´etudiant, soucieux de ses r´esultats, estime `a 60% ses chances de r´eussir son cours de Math´ematiques, `a 85% ses chances de r´eussir son cours d ’Informatique et `a 50% ses chances de r´eussir les deux mati`eres. Calculer la prob abilit´e :

1. qu’il r´eussisse en Math´ematiques, mais pas en Infortmatique

2. qu’il r´eussisse en Informatique, mais pas en Math´ematiques

3. qu’il r´eussisse dans au moins une de ces deux mati`eres.

calculs de probabilités

On consid`ere le syst`eme d’´equations d’inconnus (x, y ), dans lequel a, b, c d´esignent

trois param`etres r´eels :

x 2y = 3

ax by = c

Pour d´eterminer les coefficients a, b, c l’on lance, trois fois, un d´e parfait dont les faces sont num´erot´ees de 1 `a 6 : le premier num´ero sorti donne a, le second b et le trisi`eme c. 1. Calculer les probabilit´es p 1 , p 2 , p 3 , pour que le syst`eme ainsi obtenu ait respectivement : une infinit´e de solutions ; aucune solution ; une solution unique.

2. Quelle est la probabilit´e pour que le syst`eme admette la solution unique (3, 0).

http://www.cnam.fr/maths/Membres/ghorbanzadeh/

3

Mathematique´

du signal aleatoire´

Exercice 10
Exercice
10

calculs de probabilités

On lance un d´e parfait deux fois. Calculer la probabilit´e que la somme des points onbtenus soient sup´erieure ou ´egale `a 4 et que le premier p oint soit plus grand ou ´egal au deuxi`eme point.

corrig´e 10
corrig´e 10

Notons A = {(i, j ) : i + j 4 et i j, 1 i, j 6} . On cherche P (A).

Le d´e ´etant parfait on a donc : P (A) = card(A) . Pour d´eterminer le cardinal de A on a :

36

A

= i 4 j et i j, 1 i, j 6}

{(i, j ) :

= max(4 j, j ) i 6, 1 j

{(i, j ) :

6}

On

6

peut donc ´ecrire A sous la forme A = =1 M j avec M j = {i : max(4 j, j ) i 6} .
j

Du fait que M 1 ,

6

M 6 sont disjoints on a : card(A) = =1 card(M j ). Or,
j

card(M j ) = 6 max(4 j, j ) + 1

En tenant compte de :

on obtient :

max(4 j, j ) =

4 j

j

si

si

= 1

j

j = 2,

card(A) =

6

j =1

(7 max(4 j, j )) = (7 (4 1)) +

D’o`u P (A) = 19 36 .

, 6

6

j =2

(7 j ) = 19

4

http://www.cnam.fr/maths/Membres/ghorbanzadeh/

Mathematique´

du signal aleatoire´

Modèles d’urne

Une urne contient n boules, n 1 du type A, n 2 de type B . Un tirage consiste `a extraire une boule de l’urne et `a noter son type A ou B (n 2, n 1 1 , n 2 1).

On effectue N tirages ; soit ω = {ω 1 ,

, ω N } ´ev`enement associ´e. Parmi les N tirages

il y en a N 1 du type A et N 2 = N N 1 du type B .

Notons : A i = {i`eme tirage est du type A} et B i = {i`eme tirage est du type B }

on a : P (A i ) = n 1 et P (B i ) = n 2

n

n .

Modèle du tirage avec remise ( N 1)

Apr`es chaque tirage on remet la boule dans l’urne ; des ´ev`enements associ´es `a des tirages diff´erents sont mutuellement ind´ependants. Toutes les boules pr´esentes dans l’urne ont la mˆeme probab ilit´e d’ˆetre tir´ees. On a donc

P ({ω }) = n 1

n

N 1 n 2

n

N 2

Modèle du tirage sans remise ( 1 N n )

Apr`es chaque tirage on ne remet pas la boule dans l’urne. A ch aque tirage toutes les boules pr´esentes dans l’urne ont la mˆeme probabilit´e d’ˆetre tir´ees. On a donc

P ({ω }) = C

1

1

N

n

N

n

C

2

2

N

n

C

= C

1

1

N

n

C

N N 1

n 1

n

N

n

C

avec max {0, N n 2 } ≤ N 1 min {N, n 1 }

http://www.cnam.fr/maths/Membres/ghorbanzadeh/

5

Mathematique´

du signal aleatoire´

Modèle d’urne

Exercice 11
Exercice
11

Un joueur de bridge poss`ede dans sa main 13 cartes d’un jeu de 52 cartes distribu´ees au hasard. Calculer la probabilit´e qu’il ait :

1. un as exactement.

 

2. au moins un as.

 

3. un as et un roi.

4. au moins un as et au moins un roi.

Modèle d’urne

 
Exercice 12
Exercice
12

Une urne contient n boules dont n 1 rouges, n 2 blanche et n 3 bleues. On en tire 3 boules (sans les remplacer), calculer la probabilit´e pour que

1. toutes les trois soient rouges ;

 
 

2. deux soient rouges et une blanche ;

3. au moins une soit blanche ;

 

4. il y ait une de chaque couleur ;

5. les boules soient tir´ees dans l’ordre bleue, blanche et r ouge.

probabilité conditionnelle

 
Exercice 13
Exercice
13

Une urne contient 7 boules blanches et 5 boules rouges. On extrait 2 boules sans remise. Quelle est la probabilit´e d’obtenir deux boules blanches ? Que la deuxi`eme soit blanche ?

corrig´e 13
corrig´e 13

Notons : A = {premi`ere boule blanche} et B = {deuxi`eme boule blanche}. Alors

P (2 boules blanches) = P (A B ) = P (A)P (B |A) = 7

7 1

12 12 1

P (deuxi`eme boule blanche) = P (B ) = P (B (A A c )) = P ((B A) (B A c ))

= P (B A) + P (B A c )

= P (A) P (B |A) + P (A c ) P (B |A c ) =

12 121 + 12 121

7

71

5

70

6

http://www.cnam.fr/maths/Membres/ghorbanzadeh/

Mathematique´

du signal aleatoire´

probabilité conditionnelle

On lance un d´e dont les faces sont num´erot´ees de 1 `a 6. Les f aces 3 et 6 sont blanches. Les faces 1 , 2 et 4 sont rouges. La face 5 est bleue. O n suppose que le d´e est truqu´e et on a les probabilit´es des ´ev´enements ´el´ementaires suivantes :du signal aleatoire´ probabilité conditionnelle P ( { 1 } ) = 0 , 1 ;

P ({1}) = 0, 1 ; P ({2}) = P ({3}) = P ({4}) = 0, 2 ; P ({5}) = P ({6}) = 0, 15

Quelle est la probabilit´e d’obtenir une face avec un num´er o pair sachant que la face est blanche ?

corrig´e 14
corrig´e 14

Notons A = {face blanche } et B = { num´ero pair }. On cherche la probabilit´e P (B |A).

On a : P (B ) = P ({2}) + P ({4}) + P ({6}) = 0, 55 et P (A) = P ({3}) + P ({6}) = 0, 35.

De plus P (A B ) = P ({6}) = 0, 15 d’o`u P (B |A) = 0, 15

0,

35 =

7 3 .

probabilité conditionnelle

Deux familles ont respectivement 3 et 5 enfants. Il y a deux gar¸cons dans chacune des familles. Nous choisissons un enfant au hasard de la fa¸con suivante : un d´e est lanc´e et l’enfant est s´electionn´e dans la premi`ere famille si le r´esultat est inf´erieur ou ´egal `a quatre et dans la deuxi`eme sinon. Une fois la famille d´etermin´ee, les enfants de cette famille ont tous la mˆeme chance d’ˆetre s´electionn´e. Quelle est la probabilit´e que l’enfant choisi soit un gar¸con ?0 , 35 = 7 3 . ✬ ✫ ✩ ✪ probabilité conditionnelle corrig´e 15 Notons

corrig´e 15
corrig´e 15

Notons :

E = { l’enfant choisi est un gar¸con } F 1 = { l’enfant provient de la premi`ere famille } F 2 = { l’enfant provient de la deuxi`eme famille }

P (E )

= P (E

=

2

3 × 4

F 1 ) + P (E F 2 ) = P (E |F 1 ) P (F 1 ) + P (E |F 2 ) P (F 2 )

2 × 2

6 = 26

45

6 + 5

http://www.cnam.fr/maths/Membres/ghorbanzadeh/

7

Mathematique´

du signal aleatoire´

probabilité conditionnelle

Il y a 4% d’absenteisme chez les employ´es travaillant de jou r, 8% chez ceux qui travaillent le soir et 22% chez ceux qui travaillent de nuit. Il y a 80% des employes qui travaillent de jour, 10% qui travaillent de soir et 10% qui travaillent de nuit. On choisit un employ´e, quelle est la probabilit´e qu’il travaille de jour sachant qu’il ´etait absent du travail.du signal aleatoire´ probabilité conditionnelle corrig´e 16 Notons : E 1 = { employ´e travaille de

corrig´e 16
corrig´e 16

Notons :

E 1 = { employ´e travaille de jour } E 2 = { employ´e travaille de soir } E 3 = { employ´e travaille de nuit } A = { employ´e est absent }

On cherche : P (E 1 |A). Or,

D’o`u

P (E 1 |A) =

4

P (A|E 1 ) = 100

80

P (E 1 ) = 100

8

100

P (A|E 3 ) = 22

100

P (E 3 ) = 10

100

P (A|E 2 ) =

10

P (E 2 ) = 100

P (A|E ) × P (E ) P (A|E 1 ) × P (E 1 ) + P (A|E 2 ) × P (E 2 ) + P (A|E 3 ) × P (E 3 ) = 0, 51613

1

1

probabilité conditionnelle

Le quart d’une population a ´et´e vaccin´e contre une maladie contagieuse. Au cours d’une ´epid´emie, on constate qu’il y a parmi les malades un vaccin´e pour quatre non-vaccin´es. On sait de plus qu’au cours de cette ´epid´em ie, il y avait un malade sur douze parmi les vaccin´es. Quelle ´etait la probabilit´e de tomber malade pour un individu non-vaccin´e ? Le vaccin est-il efficace ?5 1 6 1 3 1 1 ✬ ✩ ✪ ✫ probabilité conditionnelle ❊ 8 ❂

8

http://www.cnam.fr/maths/Membres/ghorbanzadeh/

Mathematique´

du signal aleatoire´

probabilité conditionnelle

soit un gar¸con ?du signal aleatoire´ probabilité conditionnelle 1. 2. Une famille a deux enfants dont une fille. Quelle

1.

2.

Une famille a deux enfants dont une fille. Quelle est la prob abilit´e que l’autre

Une autre famille a deux enfants, le plus jeune est une fille. Quelle est la

probabilit´e que l’aˆın´e soit un gar¸con ?

loi de probabilité discrète

Pour θ ∈ ]0 , 1[ , on d´efinit la suite p k par : θ ]0, 1[ , on d´efinit la suite p k par :

p k =

θ

C (1 θ ) max k, k 2 5k + 6 s i k

= 1,

s i k = 10

, 9

o`u C est une constante positive. D´eterminer C de sorte que p k soit une loi de

probabilit´es sur {1,

, 10} .

corrig´e 19
corrig´e 19

, 10} , on doit avoir :

10

k =1

p k = 1.

Pour que p k soit une loi de probabilit´es sur {1,

D’o`u

9

k =1

10

k =1

p k = C (1 θ )

max k, k 2 5k + 6 = C 1 .

9

k =1

max k, k 2 5k + 6 + θ = 1

k 1 2 3 4 5 6 7 8 9 k 2 − 5k +
k
1
2
3
4
5
6
7
8
9
k 2 − 5k + 6
max k, k 2 − 5k + 6
2
0
0
2
6
12
20
30
42
2
2
3
4
6
12
20
30
42

1

2 + 2 + 3 + 4 + 6 + 12 + 20 + 30 + 42 = 121 1

Donc C =

http://www.cnam.fr/maths/Membres/ghorbanzadeh/

9

Mathematique´

du signal aleatoire´

Exercice 20
Exercice
20

loi de probabilité discrète

Pour θ ]0, 1[ , on d´efinit la suite p k par :

p k =

C θ

  1 θ

min { k, 8 k } si

k = 1,

si k = 8

, 7

o`u C est une constante positive. D´eterminer C de sorte que p k soit une loi de

probabilit´es sur {1,

, 8}.

Variable aléatoire discrète

Si une variable al´eatoire X prend ses valeurs dans un ensemb le discret (fini ou infini d´enombrable ) c’est une variable al´eatoire discr`ete.

Loi de Bernoulli

Soit X une variable al´eatoire dichotomique d´efinissant le mod`ele de probabilit´e :

P (X = 1) = θ et P (X = 0) = 1 θ

Une telle variable al´eatoire est dite variable de Bernoulli de param`etre θ , not´ee B er (θ ).

On utilise la loi de Bernoulli lorsqu’une exp´erience al´eatoire n’a que deux r´esultats possibles : le succ`es avec une probabilit´e de θ , et l’´echec avec une probabilit´e de 1 θ . Les exemples d’utilisation de cette loi sont nombreux. En voici quelques-uns :

´etude de la composition d’une population (masculin-f´eminin) ; contrˆole de la qualit´e de certaines marchandises (bonne ou d´efectueuse) ; le sexe d’un enfant `a la naissance.

Loi binômiale

Consid´erons un ensemble de n variables al´eatoires ind´ep endantes, suivant une loi

Y i , la somme de ces n variables de

de Bernoulli de param`etre θ . Soit X =

Bernoulli ind´ependantes. La loi de probabilit´e de la variable al´eatoire X est appel´ee loi binˆomiale, not´ee B in (n, θ ). Elle est donn´ee par :

n

i=1

P (X = k ) = C θ k (1 θ ) n k

k

k ∈ {0, 1,

, n }

n

Exemple. On lance une pi`ece de monnaie six fois. La probabilit´e d’ob tenir exactement trois piles est :

1

P (X = 3) = C ( 2 ) 3 (1

3

6

1

2 ) 63 = C

3

6

2

6

= 0, 3125

10

http://www.cnam.fr/maths/Membres/ghorbanzadeh/

Mathematique´

du signal aleatoire´

Exercice 21
Exercice
21

loi de Bernoulli de paramètre θ

Soit X une variable al´eatoire de loi de Bernoulli de param`etre θ .

Calculer E [X ] et V ar [X ].

corrig´e 21
corrig´e 21

On a : E [X ] = k ∈{0, 1} k P (X = k ) = 0 × (1 θ ) + 1 × θ = θ .

D’autre part, E [X 2 ] = k ∈{0, 1} k 2 P (X = k ) = 0 2 × (1 θ ) + 1 2 × θ = θ .

D’o`u : V ar [X ] = E [X 2 ] (E [X ]) 2 = θ θ 2 = θ (1 θ )

Exercice 22
Exercice
22

variable aléatoire discrète

Soit X une variable al´eatoire discr`ete `a valeurs dans { 1, 2,

P (X = i) = C i

i ∈ { 1, 2,

, n }

, n } de loi :

o`u C est une constante.

1. D´eterminer la valeur de la constante C .

2. D´eterminer la fonction de r´epartition de la loi de X .

3. D´eterminer

la

loi

de

Y =

n

X .

4. D´eterminer

la

loi

de

Z = n

+

X .

indication

M k = M (M + 1) ◮ On utilisera : 2 k =1
M
k = M (M + 1)
◮ On utilisera :
2
k =1
Exercice 23
Exercice
23

variable aléatoire discrète

Soit X une variable al´eatoire discr`ete `a valeurs dans { 1, 2,

P (X = i) = K (7 i)

i ∈ { 1, 2,

, 5 }

, 5 } de loi :

o`u K est une constante.

1. D´eterminer la valeur de la constante K .

2. Calculer P (X 2 5X + 6 = 0).

3. Calculer P (X 2 5X + 6 > 0).

http://www.cnam.fr/maths/Membres/ghorbanzadeh/

11

Mathematique´

du signal aleatoire´

calculs de lois

Soit X et Y deux variables al´eatoires discr`etes, ind´ependantes `a valeurs dans { 0, 1 } de lois respectives :

P (X = 1) = p 1 , P (X = 0) = 1 p 1 , P (Y = 1) = p 2 , P (Y = 0) = 1 p 2

On pose U 1 = X + Y et U 2 = XY .

1. D´eterminer les lois de U 1 et de U 2 .

2. Calculer E [U 1 ], V ar [U 1 ], E [U 2 ] et V ar [U 2 ].

calculs de lois

Soit X et Y deux variables al´eatoires discr`etes ind´ependantes de lois respectives :

P (X = i) = 1

3

   P (Y = j ) = 2 + j

10

i ∈ {1, 2, 3}

j ∈ {− 1, 0, 1, 2}

D´eterminer la loi de Z = X + Y .

loi uniforme discrète

Soit X et Y deux variables al´eatoires ind´ependantes suivant la mˆem e loi uniforme

sur l’ensemble {1,

1. D´eterminer la loi

2. Calculer E [S ] et E [D ].

3. D´eterminer la loi de : T = cos (πS ).

, 11}.

de : S = X + Y et D = X Y .

12

http://www.cnam.fr/maths/Membres/ghorbanzadeh/

Mathematique´

du signal aleatoire´

Loi de Poisson La variable al´eatoire X, repr´esentant le nombre de r´ealisations d’un certain ´ev´enement
Loi de Poisson
La variable al´eatoire X, repr´esentant le nombre de r´ealisations d’un certain ´ev´enement
par unit´e de temps, dont la loi est donn´ee par :
k
P (X = k ) = e − λ λ k !
∀ k ∈ N
est dite de Poisson de param`etre λ, not´ee P (λ). La loi de Poisson de param`etre λ
est un exemple de variable al´eatoire discr`ete qui prend ses valeurs dans un ensemble
infini d´enombrable.
☞ Les applications possibles de la loi de Poisson sont nombreu ses et vari´ees, par
exemple : le nombre de voitures sur une auto route, le nombre d e plantes d’un type
donn´e par unit´e de surface, le nombre d’appels t´el´ephon iques `a un central, le nombre
de d´efauts sur un ´ecran de t´el´evision, le nombre de personnes attendant `a un guichet,
etc.
Exemple. Le nombre moyen de clients `a un guichet par heure est ´egal `a 15, calculons la
probabilit´e d’observer 20 arriv´ees dans une heure donn´ee, supposant que les arriv´ees
sont ind´ependantes les unes des autres. Ici, la valeur de λ = 15 et on cherche la
probabilit´e P (X = 20), donc :
e − 15 15 20
P (X = 20) =
= 0, 042
20!
Exercice 27
Exercice
27

loi de Poisson

On dit qu’une variable al´eatoire discr`ete Z suit une loi de Poisson de param`ere λ > 0 si la loi de Z est donn´ee par :

k

P ( Z = k ) = e λ λ k !

k N .

1. Calculer E [Z ] et V ar [Z ].

2. Soit X et Y deux variables al´eatoires ind´ependantes suivant la mˆem e loi de

Poisson de param`ere λ. D´eterminer la loi de S = X + Y .

indication

∞ k ◮ On utilisera : x k ! = e x k =0
∞ k
◮ On utilisera :
x
k ! = e x
k =0

http://www.cnam.fr/maths/Membres/ghorbanzadeh/

13

Mathematique´

du signal aleatoire´

Loi Géométrique

On dit qu’une variable al´eatoire X suit la loi g´eom´etrique de param`etre θ , not´ee

G eo´ (θ ), si P (X = k ) = θ (1 θ ) k 1

Exemple (Temps d’attente). On lance une pi`ece de monnaie (truqu´ee) dont la probabilit´e d’obtenir pile est θ . On note X le nombre de lancers n´ecessaires pour obtenir pile. Alors X suit une loi g´eom´etrique de param`etre θ .

k N .

Exercice 28
Exercice
28

loi géométrique

On dit qu’une variable al´eratoire discr`ete X suit une loi g´eom´etrique de param`ere

θ , ( 0 < θ < 1), si la loi de X

est donn´ee par :

P (X = k ) = θ (1 θ ) k 1

k N .

1. Calculer E [X ] et V ar [X ].

2. Soit Y et Z deux variables al´eatoires ind´ependantes suivant la mˆem e loi g´eom´etrique de param`ere θ . D´eterminer la loi de S = Y + Z .

indication

∞ 1 ◮ Pour |η | < 1, on a : η k = 1
1
◮ Pour |η | < 1, on a :
η k =
1 − η
k =0

loi géométrique

Soient X, Y et Z des variable al´eatoires ind´ependantes suivant la mˆeme loi g´eom´etrique de param`ere X, Y et Z des variable al´eatoires ind´ependantes suivant la mˆeme loi g´eom´etrique de param`ere θ . On pose : S 1 = X , S 2 = X + Y et S 3 = X + Y + Z . D´eterminer la loi du vecteur (S 1 , S 2 , S 3 ).

14

http://www.cnam.fr/maths/Membres/ghorbanzadeh/

Mathematique´

du signal aleatoire´

loi de Poisson

Soit (X, Y ) un couple de variable al´eatoires. On suppose que : X, Y ) un couple de variable al´eatoires. On suppose que :

1.

2.

X et Y X sont ind´ependantes

X suit une loi de Poisson de param`etre λ 1

Y X suit une loi de Poisson de param`etre λ 2

D´eterminer la loi du couple (X, Y ).

D´eterminer la loi de Y .

simulation de la loi géométrique

Soit (U n ) n ≥ 1 une suite de variables al´eatoire ind´ependantes suivant la mˆeme U n ) n 1 une suite de variables al´eatoire ind´ependantes suivant la mˆeme loi de Bernoulli de param`etre θ . On d´efinit la variable al´eatoire X par :

X = min { n 1 : U n = 1}

D´eterminer la loi de X .

corrig´e 31
corrig´e 31

P (X = k ) = P (U 1 = 0,

, U k 1 = 0, U k = 1)

k 1

= P (U k = 1) i=1 P (U i = 0) = θ (1 θ ) k 1

On a :

Donc X suit une loi g´eom´etrique de param`ere θ .

n=10000; m=100; theta =.45; X= []; Bernoulli =( rand (n ,m) <=theta ) ;

for

j =1:m

X( j )=min ( find ( Bernoulli ( : , j )==1)); end

http://www.cnam.fr/maths/Membres/ghorbanzadeh/

15

Mathematique´

du signal aleatoire´

 

Variables aléatoires continues

 

Si une variable al´eatoire X peut prendre toutes les valeurs r´eelles d’un intervalle, elle est dite continue. Une variable al´eatoire continue X est d´efinie par son domaine (intervalle de variation) (a, b) qui peut ne pas ˆetre born´e et par la fonction f X appel´ee la densit´e de probabilit´e de la variable al´eatoire X. La p robabilit´e que X appartienne `a l’intervalle (x 1 , x 2 ) est donn´ee par l’int´egrale :

 

P (x 1 X x 2 ) =

x

x

2

f X (x) dx

1

La fonction de densité f X satisfait les conditions suivantes :

1. x X , f X (x) 0

 

2. X f X (x) dx = 1

Fonction de répartition de la loi de X est d´efinie par :

 

x

 

F X (x) = P (X

x) =

f X (t ) dt

 

−∞

La Fonction de r´epartition de la loi de X satisfait les conditions suivantes :

1.

F X

est une application de R dans [0, 1].

 

2.

F X est monotone, non d´ecroissante.

3.

F X est continue `a gauche.

4.

x F X (x) = 0 et lim

lim

x

F X (x) = 1.

5.

Pour tout a < b, P (X [a, b]) = F X (b) F X (a).

6.

P (X = x 0 ) = 0 si et seulement si F X est continue en x 0 .

16

http://www.cnam.fr/maths/Membres/ghorbanzadeh/

Mathematique´

du signal aleatoire´

Loi uniforme sur l’intervalle [a, b] On dit qu’une variable al´eatoire X d´efinie sur l’intervalle
Loi uniforme sur l’intervalle [a, b]
On dit qu’une variable al´eatoire X d´efinie sur l’intervalle [a, b] suit la loi uniforme,
not´ee U ([a, b]), si la densit´e de sa loi est constante sur l’intervalle [a, b] :
1
f X (x) = b − a 1l [ a,b] (x).
1
f X (x)
b− a
a
b
x
La fonction de r´epartition de la loi U ([a, b]) est d´efinie par :
0
si
x ≤ a
x
x
− a
F X (x) = P (X ≤ x) =
f X (t ) dt =
si
a < x < b
b
− a
−∞
1
si
x ≥ b
☞ En simulation, la loi uniforme est utilis´ee pour g´en´erer des nombres al´eatoires
issus de n’importe quelle loi de probabilit´e `a l’aide d’un e transformation appropri´ee.

loi uniforme sur l’intervalle [a, b]

Soit X une variable al´eatoire suivant une loi U ([a, b]). pour k N , calculer E [X k ].

Exercice 32
Exercice
32

corrig´e 32
corrig´e 32

E [X k ] =

−∞

x k f X (x) dx =

a b

1

b

a

x k dx

=

b a k + 1

1

x

k

+1

b b k +1 a k +1

=

a (k + 1)(b a)

On a :

http://www.cnam.fr/maths/Membres/ghorbanzadeh/

17

Mathematique´

du signal aleatoire´

Exercice 33
Exercice
33

fonction Gamma

Pour α > 0, on d´efinit la fonction Γ(α) par : Γ(α) = t α 1 e t dt .

0

Montrer que : Γ(α + 1) = α Γ(α). En d´eduire la valeur de Γ(n ) lorsque n N .

corrig´e 33
corrig´e 33

0

u = t

α

dv = e t dt

0

Γ(α + 1) = t α e t

0

v = e t

du = α t α 1 dt

+ α

0

t α1 e t dt

Γ(α)

= α Γ(α)

Par d´efinition on a : Γ(α + 1) = t α e t dt . En effectuant l’ int´egration par parties

suivante :

On obtient :

On remarque que Γ(1) = e t dt = 1. On a : Γ(2) = Γ(1 + 1) = 1 Γ(1) = 1 et

0

Γ(3) = Γ(2 + 1) = 2 Γ(1) = 2 × 1.

Donc Pour n N ,

Γ(n ) = Γ(n 1 + 1) = (n 1) Γ(n 1) = (n 1) (n 2) Γ(n 2) = (n 1)!

D´emontrons la propri´et´e pour n + 1. Or, d’apr`es la premi`ere partie,

Γ(n + 1) = n Γ(n ) = n Γ(n 1) = n (n 1)! = n !

Exercice 34
Exercice
34

densité de probabilités

Pour θ [0, 1] , on consid`ere la fonction suivante :

f (x) =

θ e 2+ x

si x ≤ − 2

0 si 2 < x < 1

(1 θ ) e 1 x

si x ≥ − 1

1.

D´emontrer que f est une densit´e de probabilit´e.

2.

Soit X une variable al´eatoire dont la loi admet la densit´e f . Calculer E [X ] et

V

ar [X ].

18

http://www.cnam.fr/maths/Membres/ghorbanzadeh/

Mathematique´

du signal aleatoire´

Loi Exponentielle da paramètre λ > 0

On dit qu’une variable al´eatoire X d´efinie sur l’intervalle ]0, [ suit la loi Exponentielle da param`etre λ > 0, not´ee E xp (λ), si la densit´e de sa loi est d´efinie par :

f X (x) = λ e λx 1l ]0, [ (x).

La fonction de r´epartition de la loi E xp (λ) est d´efinie par :

F X (x) = P (X x) = −∞ f X (t ) dt = 0 1 e λx

x

si

x 0

si

x > 0

La Loi Exponentielle est souvent utilis´ee pour mod´eliser la dur´ee de vie ou la fiabilit´e d’un syst`eme.

loi Exponentielle da paramètre λ

Soit X une variable al´eatoire suivant une loi E xp (λ). pour k N , calculer E [X k ].

Exercice 35
Exercice
35

On a

corrig´e 35
corrig´e 35

: E [X k ] = −∞ x k f X (x) dx = λ x k e λx dx .

0

En effectuant le changement de variable : u = λx (dx = du ), on obtient :

λ

E [X k ] =

0

u

λ

k e u du = 1

λ

k

0

u k e u du = Γ(k + 1) = k !

λ

k

λ

k

Exercice 36
Exercice
36

calculs des moments

Soit X une variable al´eatoire r´eelle dont la loi admet la densit´e :

f X (x) = C e λ| x |

λ > 0

o`u C est une constante.

1. D´eterminer la valeur de la constante C .

2. D´eterminer F X la fonction de r´epartition de la loi de X .

3. Pour k

4. R , calculer P ( X

N , calculer E [X k ]. En d´eduire V ar [X ].

> a ).

Pour a

http://www.cnam.fr/maths/Membres/ghorbanzadeh/

19

Mathematique´

du signal aleatoire´

Exercice 37
Exercice
37

fonction indicatrice

Soit X une variable al´eatoire r´eelle suivant la loi uniforme sur l’intervalle [θ, θ ]

1

(θ > 0), de densit´e : f X (x) = 2θ 1l [ θ,θ ] (x). On d´efinit les variables al´eatoires

V par : U = 1l [ θ/2,θ/2] (X ) et V = X

D´eterminer E [U ] , V ar [U ] et E [V ] , V ar [V ].

U et

1l [ θ, 0] (X ).

indication

On rappelle que :

1l A (X ) =

1

si X A

0

sinon

Exercice 38
Exercice
38

Optimisation

Soit X une variable al´eatoire r´eelle de loi uniforme sur l’inter valle [0, 4]. On d´efinit la variable al´eatoire Y par : Y = X 2 4X + 3 .

1.

2.

3.

Z par : Z =

3.1. D´eterminer M (θ )

V (θ ) = V ar [Z ].

3.2. D´eterminer la valeur de θ qui r´ealise le

et

Pour θ R , on d´efinit la variable al´eatoire

D´eterminer f Y la densit´e de la loi de Y .

Montrer qu’on a : P (Y 0) = P (Y 0).

θ

Y

si Y 0 sinon

=

E [Z ]

ˆ

minimum de V (θ ). (on la notera θ ).

3.3. Calculer

ˆ

M ( θ ). Que constate-on ?

x 2 − 4x +3 3 2 1 x 1 2 3 4 − 1
x
2 − 4x +3
3
2
1
x
1
2
3
4
1

indication

On utilisera : E [h(X )] =

−∞

h(x) f X (x) dx

20

http://www.cnam.fr/maths/Membres/ghorbanzadeh/

Mathematique´

du signal aleatoire´

médiane

Soit X une variable al´eatoire r´eelle dont la loi admet la densit´e : X une variable al´eatoire r´eelle dont la loi admet la densit´e :

f X (x) = a ( 1 x

a

2

) 1l [0,a] (x)

a > 0

1. D´eterminer F X la fonction de r´epartition de la loi de X .

2. Calculer P ( a X a ).

2

3. Pour k N , calculer E [X k ]. En d´eduire V ar [X ].

1

4. Trouver θ tel que F X (θ ) = 2 . (θ s’appelle la m´ediane de la loi de X ).

calculs de lois

Soit X une variable al´eatoire r´eelle de loi uniforme sur [0 , 1]. X une variable al´eatoire r´eelle de loi uniforme sur [0, 1].

1. D´eterminer la loi de U = sup{ X, 1 X }.

2. D´eterminer la loi de

V = inf { X, 1 X }.

corrig´e 40
corrig´e 40
1 − X 1 U 1 2 V 0 0 1 X
1 − X
1
U
1
2
V
0
0
1
X

On remarque que U est `a valeurs dans [ 1 2 , 1] et V est `a valeurs dans [0, 2 ].

Pour toute fonction h continuer a` support compact on a :

1

1

E [h(U )] = −∞ h (sup {x, 1 x} ) f X (x) dx = h(1 x) dx + h(x) dx