Académique Documents
Professionnel Documents
Culture Documents
Question 1
• Calculer la probabilité de battre un record à l’épreuve m
Réponse :
Comme les variables Xi sont des variables aléatoires indépendantes de même loi, alors en notant pour
tout m ∈ [[1, n]] et pour tout j ∈ [[1, m − 2]], Am,j := (Xj > X1 , X2 , ...Xj−1 , Xj+1 , ...Xm−1 ) et Am,m−1 :=
(Xm−1 > X1 , X2 , ...Xm−2 ) et Am,m := (Xm > X1 , X2 , , ...Xm−1 )qui est l’évenement de réussite à l’épreuve
m. Remarquer que: (Xm > maxi<m Xi ) = (Xm > ∩i<m Xi ) On a, par symétrie:
P(Am,1 ) = P(Am,j )
Et puisque les évenements (Am,j ) sont incompatibles l’un à l’autre pour m fixé, donc:
]
Ω= Am,j
j∈[[1,m]]
] m
X
⇒ P( Am,j ) = P(Am,j ) = 1
j∈[[1,m]] j=1
⇒ mP(Am,1 ) = 1
Donc, ∀m ∈ [[1, n]]:
1
P(Am,m ) =
m
Question 2
• N en écriture de VAR étagée:
Réponse :
n
X
N= 1Aj,j
j=1
1
Comme ce sont des variables indicatrices, alors:
n
X
E(N ) = P(1Aj,j )
j=1
Question 3
1
• Démontrer que P(U1 < U2 ) = 2 et que P(U1 < U2 < U3 ) = 61 .
Réponse :
On remarque que les Ui suivent les mêmes propriétés que les Xi du problème précedent. Alors, on peut garder
les mêmes notations que précedement sauf qu’on note maintenant, pour simplifier, pour tout m ∈ [[1, n]],
Am,m = Am . On commence par montrer l’indépendance des (Am ): Soit Ik une partie Q finie d’élements de
[[1, n]] dont les élements sont p1 < .. < pk . On cherche à montrer que P(∩j∈I Aj ) = j∈I P(Aj ). Pour k=1 le
résultat est trivial, On montre le résultat au rang k (pour k ∈ [[2, n − 1]]). On a, comme on l’a montré dans le
problème précedent,
P(Ap1 ∩ ... ∩ Apk ) = P((Uj > U1 , ..Uj−1 Uj+1 ..Up1 ) ∩ ... ∩ Apk )
p1
X
⇒ p1 P(Ap1 ∩ ... ∩ Apk ) = P((Uj > U1 , ..Uj−1 Uj+1 ..Up1 ) ∩ ... ∩ Apk ) = P(Ap2 ∩ ... ∩ Apk )
j=1
2
Donc, et par linéarité de l’esperance, et le fait que les Xi sont des VAR indicatrices:
n−1
X
E(Yn ) = P(Xj = 1)
j=1
n−1
X n−1
⇒ E(Yn ) = P(Uj < Uj+1 ) =
j=1
2
** **
Question 4
• Calculer la valeur de la variance V ar[Y1 ].
Réponse :
D’après la formule de Koening-Huygens, V ar[X1 ] = E(X12 ) − (E(X1 ))2 Et comme X1 est une VAR indicatrice,
alors, d’après le théorème de transfert, on a:
Donc
1
E(X1 X2 ) = P(U1 < U2 < U3 ) =
6
Et d’où:
1 1 −1
Cov[X1 X2 ] = − =
6 4 12
• Calculer la valeur de la variance V ar[Y3 ].
Réponse :
On a V ar[Y3 ] = V ar[X1 + X2 ], d’où:
3
Question 5
• Calculer Var[Yn ] pour tout n ≥ 2.
Réponse :
Pn−1 P
Pour tout n ≥ 2, V ar[Yn ] = i=1 V ar[Xi ] + 2 1≤i,j≤n−1 Cov[Xi , Xj ], On remarque que si |i − j| ≥ 2, les
variables Xi et Xj sont des indicatrices des évenements (Ui < Ui+1 ) et (Uj < Uj+1 ) respectivement; qui sont
des sous évenements des Ai de la question 3 qu’on a montré sont indépendants, d’où si |i − j| ≥ 2, alors:
Cov[Xi , Xj ] = 0
Entre-autres, si |i − j| = 1, et puisque les Ui suivent une même loi, alors:
1
Cov[Xi , Xj ] = −
12
D’où:
n−1
X X
V ar[Yn ] = V ar[Xi ] + 2 Cov[Xi , Xi+1 ]
i=1 1≤i≤n−2
n−1 n−2
⇒ V ar[Yn ] = −2
4 12
n+1
⇒ V ar[Yn ] =
12
** **
Question 6
• Combien de tirages suffisent pour qu’avec une probabilité supérieure à 0.99, An−1 soit proche de la
valeur 1/2 à 10−2 près.
Réponse :
On a d’après la loi faible des grands nombres:
V ar[An−1 ]
P(|An−1 − E(An−1 )| > ) ≤
2
V ar[An−1 ]
⇒ P(|An−1 − E(An−1 )| ≤ ) ≥ 1 −
2
Or par linéarité de l’esperance et les propriétés de la variance, on a:
V ar[Yn ] n+1
V ar[An−1 ] = 2
=
(n − 1) 12(n − 1)2
Et
E(Yn ) 1
E(An−1 ) = =
n−1 2
−2
Donc, en prennant = 10 , on remet le problème à chercher un n minimal tel que:
V ar[An−1 ]
1− ≥ 0.99
2
104 (n + 1)
⇒1− ≥ 0.99
12(n − 1)2
Donc
12n2 − (106 + 24)n + (12 − 106 ) ≥ 0
On trouve deux valeurs dont la plus convenables est n = d83336.3e D’où
nmin = 83337
** **
4
Question 7
• Déterminer la valeur de c.
Réponse :
R∞
On sait que −∞
f (x, y)dxdy = 1, d’où:
Z
cy 2 cdxdy = 1
D
Z 1 Z y
⇒ cy 2 ( xdx)dy
0 0
1
cy 4
Z
⇒ dy = 1
0 2
1
⇒c =1
10
⇒ c = 10.
** **
Question 8
• Déterminer la fonction de répartition de la variable Y . Donner sa valeur au point t = 2/3.
Réponse :
Notons FY la fonction de répartition de Y, alors ∀t ∈ R:
Z t Z ∞
FY (t) = ( f (x, y)dx)dy
−∞ −∞
t
cy 4
Z
⇒ FY (t) = 1[0,1] (y)dy
−∞ 2
0 si t ≤ 0
⇒ FY (t) = t5 si t ∈ (0, 1)
1 si t ≥ 1
Pour t = 23 ,
FY (t) = 0.131.
** **
Question 9
• Ecrire un algorithme de simulation d’un couple de densité f (x, y).
Réponse :
f <- function(x, y){10x(y^2)(0 < x)(x < y)*(y < 1)} x <- seq(0, 1, length = 100) y <- seq(0, 1, length =
100) var <- outer(x, y, f) persp(x, y, var)
5
Question 10
• On pose Z = XY . Déterminer la densité de la loi de la variable Z.
Réponse :
Comme Z = XY , alors en notant fZ la fonction densité de probabilité de Z, on a pour tout z dans R:
Z ∞
z 1
fZ (z) = fX,Y (t, ) dt
−∞ t t
Z ∞
z z 1
⇒ fZ (z) = 10t( )2 1D (t, ) dt
−∞ t t t
Z ∞
z z
⇒ fZ (z) = 10( )2 1D (t, )dt
−∞ t t
On remarque que FZ est constante en dehors de (0,1), √doncla fonction densité de Z est nulle sur cette
intervalle, Or on sait que 0 < t < zt < 1, c’est-à-dire: t < z et z < t, D’où, pour z ∈ (0,1):
√
Z z
z
fZ (z) = 10( )2 dt
z t
1√
⇒ fZ (z) = 10z 2 [− ]z z
t
1 1
⇒ fZ (z) = −10z 2 ( √ − )
z z
√
⇒ fZ (z) = 10z(1 − z)