Académique Documents
Professionnel Documents
Culture Documents
Correction Exercice 1.
e−1
1. P (X = 2) = 2!
= 0.184
e−1 e−1
2. P (X < 2) = P (X = 0) + P (X = 1) = = 2e−1 = 0.736
0!
+ 1!
c
= ce1 = 1 ⇐⇒ c = e−1 .
P
x!
x∈N
Pour c = e−1 on a c
x!
≥ 0 ∀x = 0, 1, 2, ...
pn = 1 ⇐⇒ αeλ = 1 ⇐⇒ α = e−λ
P
x∈N
Correction Exercice 2.
P
la suite (un ) définit une loi de probabilité si un ≥ 0 et un = 1
n∈N
P 1 2+an 1 P 1 P an
= 18 (2e + ea )
P
un = 8 n!
= 8 2 n! + n!
n∈N n∈N n∈N n∈N
un = 1 ⇐⇒ 18 (2e + ea ) = 1 ⇐⇒ a = ln(8 − 2e)
P
n∈N
Pour a = ln(8 − 2e) on vérifie que un ≥ 0 ∀n ∈ N et donc la suite (un ) définit bien
une loi de probabilité pour a = ln(8 − 2e)
Correction Exercice 3.
Soient les évènements :
Bi :”tirer une boule blanche au ième tirage”
Ni :”tirer une boule noire au ième tirage”
1
1
P (B1 ∩ N2 ) = P (B1 )P (N2 /B1 ) = 3
× 1 = 13
2
P (N1 ∩ B2 ) = P (N1 )P (B2 /N1 ) = 3
× 23 = 49
2
P (B1 ∩ N2 ) = P (N1 )P (N2 /N1 ) = 3
× 13 = 92
x 1 2
7 2
P (X = x) 9 9
Correction Exercice 4.
Correction Exercice 5.
2
1
n+i
si i 6= j
P ((X2 = j) / (X1 = i)) = i+1
n+i
si i = j
! !
n n n
1 j+1 P 1 1 1 j P 1 1 j P 1
P (X2 = j) = n n+j
+ n+i
= n n+j
+ n+j
+ n+i
= n n+j
+ n+i
i=1 , i6=j i=1 , i6=j i=1
n
1 j P 1
=⇒ P (X2 = j) = n n+j
+ n+i
∀j ∈ {1, 2, ..., n}
i=1
!
Pn n n n
1 j P 1 1
P n
P n
j=1 P (X2 = j) = n n+j
+ n+i
= n
1− n+j
+ n+i
i=1 j=1 i=1
!
n n
1 n n
P P
= n
n− n+j
+ n+i
=1
j=1 i=1
Correction Exercice 6.
1. Soit K la v.a.r égale au nombre total de boules tirées et soient les évènements :
A:”tirer (n − 1) boules blanches au (k − 1)ième tirage”
B:”tirer une boule blanche au k ième tirage”
n×n!(k−1)!(2n−k+1)! 1 n×n!(k−1)!
P (K = k) = (k−n)!(2n−k)!(2n)!
× 2n−k+1
= (k−n)!(2n)!
n×n!(k−1)!
=⇒ P (K = k) = (k−n)!(2n)!
∀k ∈ {n, ..., 2n}
P2n P2n n×n!(k−1)! n×n!
P2n (k−1)!
2. k=n P (K = k) = 1 ⇐⇒ k=n (k−n)!(2n)! = 1 ⇐⇒ (2n)! k=n (k−n)! = 1 ⇐⇒
P2n (k−1)! (2n)!
k=n (k−n)! = n×n!
(2n)!
=⇒ Sn = n×n!
Correction Exercice 7.
3
1. N1 est la v.a.r égale au numéro du tirage où on obtient la 1ère réalisation d’un
évènement Ai .
Pour avoir une réalisation de Ai il faut faire au moins un tirage comme on peut
faire une infinité de tirages.
N1 (Ω) = {1, 2, 3, ...} = N∗
La probabilité d’obtenir un Ak au k ième tirage pour la première fois est
P (N1 = k) = P Ā1 ∩ Ā2 ∩ ... ∩ Āk−1 ∩ Ak = (1 − a)k−1 a , ∀k ∈ N∗
2. Nr est la v.a.r égale au numéro du tirage où on obtient la rère réalisation d’un
évènement Ai .
Il faut faire au moins r tirages et au plus une infinité de tirages.
Nr (Ω) = {r, r + 1, r + 2, ...}
r−1
P (Nr = k) = Ck−1 (1 − a)k−r ar , ∀k ∈ {r, r + 1, r + 2, ...}.
Remarque :
On dit ici que Nr suit une loi binomiale négative de paramètres r et a et on note
Nr → BN (r, a).
La variable ici c’est le nombre de fois où l’on répète l’expérience jusqu’à l’obtention
de r réalisations de notre évènement dont la probabilité est a.
C’est à l’opposé d’une loi binomiale où la variable est égale au nombre de réalisations
qu’on peut avoir pendant n expériences fixé.
3. E(Nr ) = +∞
P+∞ r−1 k−r r
a = ar
P
k=r kP (Nr = k) = k=r kCk−1 (1 − a)
r(1−a)
V (Nr ) = a2
Correction Exercice 8.
4
d) PP(Z = s) = P (X+Y = s) = P ((X = 0) ∩ (Y = s))+...+P ((X = s) ∩ (Y = 0)) =
s
k=0 P ((X = k) ∩ (Y = s − k))
e) P (Z = s) = sk=0 P ((X = k) ∩ (Y = s − k)) = sk=0 P (X = k) P ((Y = s − k) / (X = k))
P P
Correction Exercice 9.
X suit une loi de Poisson de paramètre λ
x
X → P (λ) =⇒ P (X = x) = e−λ λx! pour x ∈ N
Y sachant X = n suit la loi binomiale de paramètres (n, p)
Y /X = n → B(n, p) =⇒ P (Y = y/X = n) = Cny py (1 − p)n−y pour y ∈ {0, 1, ..., n}
Loi de Y :
n
P ((X = n) ∩ (Y = y)) = P (X = n) P ((Y = y) / (X = n)) = e−λ λn! Cny py (1−p)n−y =
n λn py
e−λ λn! y!(n−y)!
n!
py (1 − p)n−y = e−λ y!(n−y)! (1 − p)n−y
P+∞ P+∞ −λ λn py y y P+∞ (λ(1−p))n−y
n=y P ((X = n) ∩ (Y = y)) = n=y e y!(n−y)!
(1−p)n−y = e−λ p y!λ n=y (n−y)!
=
y y i y y y
+∞ (λ(1−p))
e−λ p y!λ = e−λ p y!λ eλ(1−p) = e−λp (λp)
P
i=0 i! y!
=⇒ Y suit une loi de Poisson de paramètre λp (Y → P (λp))
Loi de X − Y sachant Y = y :
Soit X − Y = l.
=l) ∩ (Y =y)) ∩ (Y =y))
P (X − Y = l / Y = y) = P ((X−YP (Y =y)
= P ((X=y+l)
P (Y =y)
= P (X=y+l)PP((Y =y)/(X=y+l))
(Y =y)
=
(y+l) y (y+l) (y+l)! y
e−λ λ(y+l)! Cy+l py (1−p)l e−λ λ(y+l)! p (1−p)l l
(λp)y = y!l!
(λp)y = e−λ(1−p) (λ(1−p))
l!
e−λp y! e−λp y!
X − Y / Y suit une loi de Poisson de paramètre λ (1 − p)
X − Y / Y → P (λ (1 − p))
R
1. f est une densité de probabilité si f (x) ≥ 0, si f est continue, si R
f (t)dt = 1
R1
λ (1 − t2 ) dt = 43 λ
R
R
f (t)dt = −1
f (t)dt = 1 ⇐⇒ λ = 34
R
R
Pour λ = 34 , f (x) ≥ 0.
5
3
(1 − x2 ) si
4
−1 ≤ x ≤ 1
Donc f (x) =
0 sinon
Rx
FX (x) = P (X < x) = −∞ f (t)dt
Rx
∀x ≤ −1, FX (x) = −∞ f (t)dt = 0
Rx R −1 Rx
∀x ∈ [−1, 1], FX (x) = −∞ f (t)dt = −∞ 0dt + −1 34 (1 − t2 ) dt = − 14 x3 + 34 x + 12
Rx R −1 R1 R +∞
∀x ≥ −1, FX (x) = −∞ f (t)dt = −∞ 0dt + −1 34 (1 − t2 ) dt + 1 0dt = 1
0 si x ≤ −1
1 3 3 1
=⇒ FX (x) = − x + 4 x + 2 si −1 ≤ x ≤ 1
4
1 si si x ≥ 1
2 1 43 (1 − t2 ) dt = 16
5
2
R1
t3
R
3. E(X) = R
tf (t)dt = −1 4
(1 − t2 ) dt = 0
2
V (X) = E(X 2 ) − (E(X))
R1
E(X 2 ) = R t2 f (t)dt = −1 t2 34 (1 − t2 ) dt = 1
R
5
1
V (X) = 5
f (x)dx = 1 ⇐⇒ α = 23
R
R
Pour α = 32 , la fonction f est continue, positive et f (x)dx donc pour α = 23 , f
R
R
est une densité de probabilité.
Fonction de répartition:
Rx
FX (x) = −∞
f (t)dt
Si x < 0 :
Rx Rx 2 2
−1 x 2 −1
−2
FX (x) = −∞
f (t)dt = −∞ 3(t−1)2
dt = 3 t−1 −∞
= 3 x−1
= 3(x−1)
Si x > 0 :
Rx R0 R x 2 −2t
2 2 1
− 13 e−2x = 1− 13 e−2x
FX (x) = −∞
f (t)dt = −∞ 3(t−1)2 dt+ 0 3
e dt = 3
+ 3
−2
3(x−1)
si x < 0
D’où FX (x) = 1 −2x
1 − 3e si x > 0
6
2. Y ∈ {−1, 0, 1}
2
P (Y = −1) = P (X < 0) = FX (0) = 3
P (Y = 0) = P (X = 0) = 0 (carR pour X une v.a.r continue et pour a quelconque
a
P (X = a) = P (a ≤ X ≤ a) = a f (t)dt = 0)
2 1
P (Y = 1) = P (X > 0) = 1 − P (X ≤ 0) = 1 − FX (0) = 1 − 3
= 3
y −1 0 1
P (Y = y) 23 0 13
yP (Y = y) = − 32 + 0 + 1
= − 31
P
3. E(Y ) = 3
{−1,0,1}
z−3 z−3
4. FZ (z) = P (Z < z) = P (2X + 3 < z) = P (X < 2
) = FX 2
fZ (z) = ∂F∂z
Z (z) ∂
FX z−3
1
= 2 fX z−3
= ∂z 2 2
( 1
2
× z−32 2 si z−3 2
<0
3( 2 −1)
fZ (z) = z−3
1
2
× 23 e−2( 2 ) si z−32
≥0
(
4
3(z−5)2
si z < 3
fZ (z) = 1 −(z−3)
3
e si z ≥ 3
1 si 0<u<1
1. U → U([0,1]) =⇒ fU (u) =
0 sinon
Soit V = 1 − U , déterminons la densité de la v.a V .
FV (v) = P (V < v) = P (1 − U < v) = P (U > 1 − v) = 1 − P (U ≤ 1 − v) =
1 − FU (1 − v)
∂FV (v) ∂
fV (v) = ∂v
= ∂v
(1 − FU (1 − v)) = fU (1 − v) = fU (u)
fV (v) = fU (u) =⇒ 1 − U suit aussi la même loi uniforme sur [0, 1]
ln U −λx
2. FX (x) = P (X < x) = P − λ
< x = P (ln U > −λx) = P U > e =
−λx −λx
1−P U ≤e = 1 − FU e
fX (x) = ∂F∂x
X (x) ∂
1 − FU e−λx = λe−λx fU e−λx
= ∂x
λe−λx si 0 < e−λx < 1
fX (x) =
0 sinon
λe−λx si
−λx < 0
fX (x) =
0 sinon
Comme λ > 0,
7
λe−λx
si x>0
fX (x) =
0 sinon
C’est la loi exponentielle de paramètre λ donc X → ξ (λ)
1. a) λ = eθ
b) E(X) = θ + 1
E(X 2 ) = θ2 + 2θ + 2
V (X) = 1
0 si x<θ
c) FX (x) =
1 − eθ−x sinon x ≥ θ
αe−αx
si x≥0
fX (x) =
0 sinon
√
a) Y = X>0
Soit FY la fonction de répartition de Y et fY sa fonction de densité.
√
FY (y) = P (Y < y) = P ( X < y) = P (X < y 2 ) = FX (y 2 )
2
∂ ∂ 2 2 2αye−αy si y2 ≥ 0
fY (y) = ∂y (FY (y)) = ∂y (FX (y )) = 2yfX (y ) =
0 sinon
2
2αye−αy si y≥0
=
0 sinon
R +∞ √
2
b) E(Y ) = R yfY (y)dy = 0 2αy 2 e−αy dy = 2√πα
R
R +∞ 2
E(Y 2 ) = R y 2 fY (y)dy = 0 2αy 3 e−αy dy = α1
R
√ 2
V (Y ) = E(Y 2 ) − (E(Y ))2 = α1 − 2√πα = 4−π 4α
8
12.8−13
≤ X∗ ≤ 13.1−13
= P (−2 ≤ X ∗ ≤ 1)
4. P (12.8 ≤ X ≤ 13.1) = P 0.1 0.1
= φ(1) − φ(−2) = φ(1) + φ(2) − 1 = 0.8186
13.1−13
≤ X∗ ≤ 13.2−13
= P (1 ≤ X ∗ ≤ 2)
5. P (13.1 ≤ X ≤ 13.2) = P 0.1 0.1
= φ(2) − φ(1) = 0.1359
1. Y = |X| > 0
FY (y) = P (Y < y) = P (|X| < y) = P (−y < X < y) = FX (y) − FX (−y) =
2FX (y) − 1
y2
q
fY (y) = ∂y (FY (y)) = ∂y (2FX (y) − 1) = 2fX (y) = π2 e− 2
∂ ∂
2
( q
2 − y2
e si y>0
D’où fY (y) = π
0 sinon
R +∞ q y2 y2
q R
+∞
E(Y ) = R yfY (y)dy = 0 y π2 e− 2 dy = − π2 0 (−y) e− 2 dy
R
q h y2 i+∞ q
= − π2 e− 2 = π2
0
2. Z = X 2 > 0
√ √ √ √
FZ (z)√= P (Z < z) = P (X 2 < z) = P (− z < X < z) = FX ( z)−FX (− z) =
2FX ( z) − 1
√ √ z
∂
fZ (z) = ∂z ∂
(FZ (z)) = ∂z (2FX ( z) − 1) = 2√2 z fX ( z) = √1z √12π e− 2
( 1 z
√1 z − 2 e− 2 si z>0
D’où fZ (z) = 2π
0 sinon
Calcul de l’espérance de Z :
Première méthode
R +∞ 1 − z R +∞ 1 z
√1 z − 2 e− 2 dz = 1
R
E(Z) = R zfZ (z)dz = 0 z √2πz e 2 dz = 2π 0