Académique Documents
Professionnel Documents
Culture Documents
I. Dénombrements et probabilités
A) Jeux
1. Dés indiscernables.
On lance 3 dés indiscernables. On s’intéresse au résultat indépendamment de l’ordre
(“configuration” des 3 dés) : ainsi, 124, 142, 421, etc comptent pour une configuration.
Combien y a-t-il de configurations possibles ? Rép. : Il y a 6 configs du type aaa, 6 × 5
du type aab, et 3!1 6 × 5 × 4 = C63 du type abc. Au total 56 configurations.
2. Blanches et noires.
Une urne contient 5 boules blanches indiscernables et 8 boules noires indiscernables. On
tire successivement 6 boules de l’urne en remettant chaque fois la boule tirée.
(a) Quel est le nombre de tirages possibles ? Rép. : si on veut dire le nombre de
résultats ordonnés possibles : 6 choix de B ou N : 26 ; si on veut le nombre de tirages,
c’est-à-dire le nombre total de fois où ces résultats sont atteints, N = 136 = 4 826 809.
3. Boules discernables
On dispose dans une urne de 5 boules distinctes numérotées de 1 à 5. On tire trois fois
une boule et on la remet dans l’urne après chaque tirage. On note le résultat obtenu :
par exemple (1, 5, 1) indique qu’on a tiré la première fois la boule marquée 1, la deuxième
fois la boule marquée 5 et la troisième fois la boule marquée 1.
(a) Quel est le nombre de résultats (tirages) possibles (on tient donc compte de l’ordre
dans lequel les boules apparaissent) ? Rép. : 53 = 125
(b) Quel serait le nombre de résultats possibles si l’on ne tenait pas compte de l’ordre
d’apparition des chiffres (par exemple (1, 5, 1) serait le même résultat que (1, 1, 5)).
Rép. : cf exercice 1: 5 + 5 × 4 + 5 × 4 × 3/3! = 35.
1
(c) Calculez la probabilité que l’on obtienne des chiffres tous différents. Rép. : Nombre
de configs de 3 chiffres différents C53 = 10 ; proba 3!C53 /53 = A35 /53 = 12/25.
(d) Calculez la probabilité que l’on obtienne des chiffres tous identiques. Rép. :
1
5/53 = 25 .
(e) Calculez la probabilité que la somme des chiffres obtenus soit égale à 6. Rép. :
nombre de “cas favorables” = coefficient de x6 dans (x + x2 + · · · + x5 )3 = coefficient
de x3 dans (1 + x + · · · + x4 )3 = coefficient de x3 dans 1/(1 − x)3 = coefficient de
∂ 2
x3 dans 21 ( ∂x ) (1 − x)−1 = coefficient de x3 dans 12 ( ∂x
∂ 2 5
) x = 10. Donc probabilité
3
= 10/5 = 2/25. Mais on a aussi vite fait d’énumérer les configs : 114 (3 tirages
ordonnés), 123 (3! tirages) et 222 (1 tirage), total 10 tirages.
(f) Calculez la probabilité que la somme des chiffres obtenus soit égale à 6 sachant que
le premier tirage a donné le résultat 1. Rép. : les configs sont 114 (2 tirages) et
123 ( 2 tirages), donc 4 tirages sur 25; probabilité = 4/52 .
4. 421.
Au jeu de dés du 421, où on lance trois dés simultanément et on s’intéresse au résultat à
l’ordre près, quelle est la probabilité de faire
(a) 421, c’est-à-dire un lancer de 4 2 1 quel que soit l’ordre des trois dés ? Rép. :
1
3!/63 = 36
1
(b) un “brelan”, c’est-à-dire un lancer de trois dés de même valeur ? Rép. : 6/63 = 36
.
(c) une “fiche”, 11x, quel que soit x 6= 1 ? Rép. : 5 × 3/63 : 5 pour le choix de x, 3
pour le dé qui donne x.
(d) une “tierce”, soit trois chiffres consécutifs ? Rép. : 4 × 3!/63 = 91 , avec 4 pour le
choix du début de la tierce : 123, 234, 345 ou 456.
5. Loto.
Quelle est la probabilité de trouver le bon tirage au loto ? (Rappel : on propose 5 nombres
différents entre 1 et 49 et un “numéro chance” entre 1 et 10.) Rép. : nombre de “cartes”
5
de 5 numéros et du “numéro chance” N = C49 × 10 = 19 068 840, probabilité d’une bonne
−8
carte = 1/N ≈ 5, 24 10 .
1. Bureau.
Une assemblée de 30 personnes doit élire un bureau composé de quatre membres (un
président, un vice-président, un secrétaire, un trésorier). Combien y a-t-il de bureaux
possibles, sachant que chacune des 30 personnes est éligible et à n’importe quel poste ?
Rép. : A430 = 30 × 29 × 28 × 27 = 657720.
2. Anniversaire commun
(a) Calculer la probabilité que les anniversaires de n personnes n’aient pas lieu le même
jour.
(b) En déduire la probabilité qu’au moins deux personnes parmi les n aient le même
jour anniversaire.
2
Rép. : a) Négligeant les années bissextiles, le choix de l’anniversaire de la première
personne est 365, celui de la seconde 364, . . . , celui de la n-ième est 365 − n + 1. La
probabilité est donc pn = 365 · 364 · · · (365 − n + 1)/365n . b) La probabilité qu’au moins
deux personnes aient la même date est p0 = 1 − pn . Pour n 365 on approxime
pn ≈ 1 − 1+2+···+n−1
365
= 1 − n(n − 1)/730, donc p0 = 1 − pn ≈ n(n − 1)/730. Pour n = 20,
cette approximation donne p0 ≈ 380/730 ≈ 0, 52, en fait p0 = 0, 41. Dès n = 23, on a
p0 = 0, 507, plus d’une chance sur deux ! Pour n = 60, p0 = 0, 994, voir Figure .
1.0
0.8
0.6
0.4
0.2
10 20 30 40 50 60
(a) On veut calculer le nombre Nb,n de façons de répartir n boules dans b boı̂tes discern-
ables, chaque boı̂te pouvant contenir un nombre arbitraire de boules, et les boules
étant indiscernables. Montrer que Nb,n est égal au nombre de façons de placer b − 1
séparations entre les n boules alignées le long d’un axe. Donner l’expression de Nb,n .
n b−1
Rép. : Cn+b−1 = Cn+b−1
(b) Reprendre le calcul du a) en supposant maintenant les boules discernables. Rép. :
0
La première boule a b choix, la seconde aussi, etc, donc Nb,n = bn .
(c) ? Reprenons et généralisons le problème des configurations de 3 dés (exercice A.1).
En général si on tire p valeurs entre 1 et n, le nombre de configurations est donné
p
par Cn+p−1 , pourquoi ? Rép. P : Il s’agit de compter toutes les configurations
1m1 2m2 · · · nmn avec mi ≥ 0, mj = p. On représente une telle configuration par
1∗ ∗ ∗ 2 ∗
|{z} |{z} ∗ ∗ · · · n ∗ ∗
|{z}∗ donc à nouveau, comme dans le a) ci-dessus, il s’agit de placer
P m1 m2 mn
mj = p séparations entre les 1, · · · , n. Comme on démarre toujours avec un 1,
p
les p séparations sont entre n − 1 symboles, c’est bien Cn+p−1 , cqfd. Noter que dans
3
l’exercice I.A.1 p = 3, n = 6, C8 = 56 et dans le I.A.3.b, p = 3, n = 5, C73 = 35.
Montrer
P que la question 3 (a) ou (c) fournit la réponse. Rép. : On a b nombres nni tels
que i ni = n, c’est le problème traité en 3.c, avec n 7→ b et p 7→ n, donc multipl=Cn+b−1 .
3
II. Probabilités, indépendance, conditionnement
2. Paradoxe de Galilée.
On désire lever, comme l’a fait Pascal, cet apparent paradoxe dû à Galilée. Au cours
d’un lancer de 3 dés, on observe que les totaux 9 et 10 peuvent être obtenus de six façons
différentes :
On observe pourtant que 10 est plus fréquemment obtenu que 9. Comment expliquer cet
apparent paradoxe ? Calculer les probabilités d’obtenir 9. resp. 10. Rép. : Il faut
tenir compte non seulement du nombre (six) de façons d’obtenir 9 ou 10, mais aussi du
nombre de configurations des 3 dés y conduisant, avec leurs répétitions. Une configuration
de 3 dés différents vient avec une fréquence plus élevée qu’une configuration avec 2 dés
identiques + 1 troisième, qui elle-même est plus fréquente qu’une configuration de 3 dés
identiques. Les configurations conduisant au 9 sont du même type que celle du 10, sauf
la dernière : 333 est moins fréquent que 433. Plus précisément, une configuration donnée
1
abc vient avec la probabilité 3 × 2 × 1/63 = 36 (choix du dé qui porte a, puis du dé
3 1
qui porte b etc), aab a la probabilité 3/6 = 72 et aaa a la probabilité 613 = 216 1
. Donc
1 1 1 25 1 1
P (9) = 3 36 + 2 72 + 216 = 216 et P (10) = 3 36 + 3 72 = 18 , P (10) − P (9) = 72
1 1
− 216 1
= 108 .
3. Fratrie
Un enquêteur fait un sondage auprès de familles ayant deux enfants. On suppose les
naissances des garçons et des filles équiprobables. L’enquêteur sonne à la porte. Une
petite fille vient lui ouvrir. Quelle est la probabilité qu’elle ait un frère? Rép. : Attention
il est faux de dire “évènements naissances de garçon et fille indép. donc p = 21 ”. Il faut
1
2
dire : P (G|F ) = P (G ∩ F )/P (F ) = 2
3 = 3
car sur les 4 cas possibles, FF, FG, GF, GG,
4
trois contiennent F, et 2 ont F et G.
1
un contemporain et correspondant de Pascal. . .
4
4. Puce (marche aléatoire sur une grille fixe)
Une puce se déplace par sauts successifs sur les sommets
et le centre de gravité d’un triangle équilatéral. Au temps
t = 0, elle est en O. Au temps t = 1 elle saute sur un des
sommets de façon équiprobable. Par la suite, elle saute
au temps t = n du point où elle se trouve en l’un des
autres points de façon équiprobable.
5. Test de maladie
Un test servant à dépister une maladie grave vient d’être mis au point. Ses résultats,
annonce le fabricant, sont très fiables : si le sujet est malade, le test est positif dans
95% des cas; si le sujet n’est pas malade, le test donne un résultat négatif dans 9 cas sur
10. Sachant que la maladie en question ne frappe que 1% de la population quelle est la
probabilité pour un patient dont le test est positif d’être effectivement atteint ? Qu’en
concluez-vous ?
Rép. : Notons M , resp. S l’“évènement ” malade, resp. sain, et ± le résultat du test.
On donne P (+|M ) = 0.95, P (−|S) = 0.9, P (M ) = 0.01. Selon Bayes P (+|M ) = P (M ∩
99
+)/P (M ) d’où P (M ∩+) = 0.95×0.01. De même P (−|S) = P (−∩S)/P (S), P (S) = 100 ,
donc P (− ∩ S) = 0.9 × 0.99. Par ailleurs, toujours par Bayes, la probabilité cherchée est
P (M |+) = P (M ∩ +)/P (+), et P (+) = P (+ ∩ M ) + P (+ ∩ S) (évènements exclusifs)
donc P (+) = P (+ ∩ M ) + (P (S) − P (− ∩ S)) = 0.95 × 0.01 + (1 − 0.9) × 0.99 = 0.1085.
Finalement
0.95 × 0.01
P (M |+) = = 0.0875 .
0.1085
Malgré les apparences des chiffres de départ, le test est très mauvais ! Cela est dû au fait
que la maladie est rare, P (M ) = 0.01, ce qui impose aux tests une plus grande fiabilité.
5
6. Canal binaire
Une ligne de transmission transmet des “1” et des “0”. a
0 0
Soit E le signal émis (signal aléatoire), et X le signal b
reçu. Soit p0 (p1 ) la probabilité qu’un “0” soit émis (re- c
spectivement un “1”).
Il y a des erreurs de transmission. On estime les proba- d
1 1
bilités conditionnelles de transmission :
a = P (X = 0|E = 0) b = P (X = 1|E = 0)
c = P (X = 0|E = 1) d = P (X = 1|E = 1)
7. Dés défectueux
On dispose de 100 dés dont la moitié a été victime d’un défaut de fabrication et donne
le 1 avec une probabilité de 1/3. Un dé pris au hasard ayant fourni un 1, quelle est
la probabilité qu’il soit défectueux ? Rép. : Le tirage d’un dé sain ou d’un dé
défecteux sont des événements exclusifs, donc les probabilités s’ajoutent : P (1|dé sain) =
1
6
, P (1|dé défectueux) = 13 , P (1) = P (1|dé sain)P (dé sain)+P (1|dé défectueux)P (dé défectueux) =
1
6
× 12 + 31 × 12 = 41 . Donc la probabilité qu’un dé soit défectueux si on a tiré un 1 est
1
× 13
P (dé défectueux|1) = P (dé défectueux ∩ 1)/P (1) = 2
1 = 23 .
4
8. Théorème d’addition
Démontrer à partir du théorème d’addition des probabilités sa généralisation
P (A ∪ B ∪ C) = P (A ∪ B) + P (C) − P ((A ∪ B) ∩ C)
= P (A) + P (B) + P (C) − P (A ∩ B) − P ((A ∩ C) ∪ (B ∩ C))
= P (A) + P (B) + P (C) − P (A ∩ B) − P (B ∩ C) − P (A ∩ C) + P ((A ∩ C) ∩ (B ∩ C))
= P (A) + P (B) + P (C) − P (A ∩ B) − P (B ∩ C) − P (A ∩ C) + P (A ∩ B ∩ C)
6
Mention Physique - L2 - Année 2011-2012
Licence de Sciences et Technologies
LP 207: Mathématiques pour physiciens 2
I. Lois de probabilité
(c) Montrer que X est une v.a. réelle centrée. Rép. : f est une fonction paire donc
hXi = 0.
(d) Donner l’expression
R ∞de la2xvariance de X (on ne cherchera pas à calculer l’intégrale).
2
Rép. : varX = −∞ (ex +e−x )2 dx
(a) Tracer le graphe de f (x). Déterminer pour quelle valeur de k cette fonction définit
une densité de probabilité pour une variable aléatoire continue X. Rép. : Graphe
de f = triangle −− /\−− . Normalisation kq 2 = 1 (= aire du triangle).
(b) Déterminer la fonction de répartition associée à f (x) et la tracer. Rép. : F (x) =
(x+q)2 2 2 2
2q 2
pour −q < x < 0 ; F (x) = q +2qx−x
2q 2
= 1 − (q−x)
2q 2
pour 0 < x < q ; 0 en deçà,
1 au delà.
(c) Calculer l’espérance de X : hXi. Rép. : f paire, donc hXi = 0.
q2
(d) Calculer la variance de X : var(X), puis son écart type σ. Rép. : var X = 6
,
σ = √q6 .
(e) Calculer la probabilité que X soit supérieur à hXi sachant que X est supérieur à
1−F (0)
−q/2. Rép. : P (X > 0|X > −q/2) = P (X > 0)/P (X > −q/2) = 1−F (−q/2)
=
1
2
7 = 47 .
8
1
R∞
(f) ? Montrer que la limite de −∞ f (x)g(x)dx lorsque q tend vers 0 est g(0) lorsque g
est une fonction continue. Rép. : Argument qualitatif : quand q → 0, l’intervalle
R f (x) 6= 0 est de plus
où R en plus concentré au voisinage de 0 et on peut approximer
f (x)g(x)dx ' g(0) f (x)dx = g(0). Plus précisément,
R∞ même type d’argument que
dans le (f) de l’exercice suivant. On écrit I = −∞ f (x)(g(x)−g(0)+g(0))dx = g(0)+
R∞
I 0 avec I 0 = −∞ f (x)(g(x) − g(0))dx. Comme g est continue en 0, on peut rendre
Rη
|g(x) − g(0)| < pour |x| < η. Donc I 0 = I10 + I20 , I10 = −η f (x)(g(x) − g(0))dx <
Rη R R
−η f (x)dx < , et I20 = |x|>η f (x)(g(x) − g(0))dx = η<|x|<q f (x)(g(x) − g(0))dx
qui est nulle dès que q < η. Donc I 0 < arbitrairement petit quand q → 0, I → g(0),
CQFD.
3. Lois exponentielles
i) Soit la fonction f (x) = Ce−ax pour x ≥ 0, f (x) = 0 si x < 0, avec a > 0. Quelle valeur
doit prendre la constante C ? Déterminer les moments qui existent et les calculer. Rép.
R
∂ k ∞ −ax0
: C = a, mk = C − ∂a 0
e dx0 = a−k k!.
ii) Soit la fonction à variable réelle x définie par f (x) = ke−α|x| (k et α sont des constantes
positives).
(a) Déterminer pour quelle valeur de k cette fonction définit une densité de probabilité
pour une variable aléatoire continue X. Rép. : 2k = α. Tracer f (x) avec α = 1.
Même question avec α = 5. Rép. : voir figure
0.8
0.6
0.4
0.2
!2 !1 1 2
0.8
0.6
0.4
0.2
!4 !2 2 4
2
R∞
(f) ? Montrer que la limite de −∞ f (x)g(x)dx lorsque α tend vers +∞ est g(0) lorsque
Rg ∞est une fonction continue.
1
Interpréter à l’aide des dessinsRfaits au dessus. Rép. :
R ∞ −αx ∞
−∞
g(x)f (x)dx = 2
α 0
e (g(x) + g(−x)) = g(0) + 12 α 0 e−αx (g(x) + g(−x) −
2g(0)). Mais comme f est continue, ∀, ∃η R η : R|x| < η ⇒ |g(x) + g(−x) − 2g(0)| < .
∞
La deuxième intégrale est découpée en 0 + η . La première est < , la seconde
R∞
= e−ηα 0 e−αx (g(x+η)+g(−x−η)−2g(0)), l’intégrale est finie et le préfacteur e−ηα
assure que le tout tend vers 0 quand α → ∞. CQFD. L’interprétation graphique
R de plus en plus “piquée” au voisinage de 0 quand α → ∞ donc
est que la courbe est
l’intégrale ≈ g(0) f (x)dx = g(0).
4. Distribution de Lorentz
Une loi de probabilité importante en physique est la loi de Lorentz (parfois appelée
Cauchy-Lorentz) de densité :
γ 1
f (x) = (1)
π γ 2 + (x − x0 )2
R∞
(a) Montrer que f (x) est bien une densité de probabilité. Rép. : f > 0 et −∞ f (x)dx =
1
(b) Quel est le mode, (c’est-à-dire la valeur de x qui donne le maximum), de cette
distribution ? Rép. : mode = x0 Que caractérise le paramètre γ ? Rép. : γ
donne la largeur du pic.
R∞
(c) Montrer que la moyenne et la variance ne sont pas définies. Rép. : −∞ xm f (x)dx
est divergent pour m ≥ 1.
f (t) = λ2 te−λt (t ≥ 0)
3
2. Pile ou face
(a) Exprimer en fonction de F et f la fonction de répartition FT >t (x) = P (T < x|T > t)
et la densité fT >t (x) de la v.a. T conditionnée par T > t. Rép. : F (x) = P (T < x),
FT >t (x) = P (T < x|T > t) = PP(t≤T <x)
(T >t)
= F (x)−F (t)
1−F (t)
d
pour t ≤ x ; f (x) = dx F (x) et
d f (x)
donc aussi fT >t (x) = F (x)
dx T >t
= 1−F (t)
.
(b) On considère un système dont la densité de probabilité de panne à l’instant t, sachant
qu’il fonctionnait jusqu’à l’instant t, est une constante. Déterminer F (t) et f (t)
définissant la loi de l’instant de la panne. Interpréter dans ce cas fT >t (t+x).Calculer
la durée de vie moyenne (ou espérance de vie) hT i. Rép. : On suppose donc
f (t) F 0 (t)
fT >t (t)dt = P (t < T < t + dt|T > t) = αdt = 1−F (t)
dt = 1−F (t)
dt, F (t) satisfait
0
F (t)
donc une équa diff 1−F (t)
= α avec la c.i. F (0) = 0, d’où F (t) = 1 − e−αt , puis
f (t) = αe−αt ; fT >t (t+x) est la densité de probabilité que l’appareil, qui fonctionnait
à l’instant t, cesse de fonctionner à l’instant
R∞ ultérieur t + x. On calcule fT >t (t + x) =
αe . Durée de vie moyenne hT i = 0 tf (t)dt = α1 .
−αx
4
• en série (le système fonctionne si A1 et A2 fonctionnent). Rép. : F (s) (x) =
P (T < x) = P ((T1 < x) ∪ (T2 < x)) = P (T1 < x) + P (T2 < x) − P ((T1 < x) ∩
(T2 < x)) = F1 (x) + F2 (x) − F1 (x)F2 (x), ou encore, en regardant les probabilités
complémentaires P (T > x) = P ((T1 > x) ∩ (T2 > x)) = (1 − F1 (x))(1 − F2 (x)),
d’où F (s) (x) = 1 − P (T > x) = 1 − (1 − F1 (x))(1 − F2 (x)) = etc. f (s) (x) =
0
F (s) (x) = f1 (x)(1 − F2 (x)) + f2 (x)(1 − F1 (x)).
• en parallèle (le système fonctionne si A1 ou A2 fonctionne(nt)). Rép. :
F (p) (x) = P (T < x) = P ((T1 < x) ∩ (T2 < x)) = F1 (x)F2 (x). f (p) (x) =
0
F (p) (x) = f1 (x)F2 (x)) + f2 (x)F1 (x).
(d) Calculer l’espérance de vie du système dans les deux cas précédents, si α1 = α2
(αi étant l’inverse de la durée de vie moyenne de l’appareil i). Rép. : F (s) (x) =
1
1 − e−(α1 +α2 )x ; hT (s) i = α1s = α1 +α 2
≤ α1i = hT (i) i, i = 1 ou 2 ;
F (p) (x) = (1 − e−α1 x )(1 − e−α2 x ) = (1 − e−α1 x ) + (1 − e−α2 x ) − (1 − e−(α1 +α2 )x ) ;
hT (p) i = α1p = α11 + α12 − α1 +α
1
2
≥ α1i . On a bien hT (p) i ≥ hT (i) ii=1,2 ≥ hT (s) i ce à quoi
on s’attendait.
4. Paradoxe de Bertrand
Soit un cercle de rayon R. Quelle est
√ la longueur a du côté du triangle équilatéral ABC
inscrit dans ce cercle ? Rép. : a = 3R. On se propose d’étudier l’évènement E suivant :
une corde tracée au hasard a une longueur ` supérieure à a. Quelle est la probabilité de
E ? Trois raisonnements différents vont conduire à trois résultats différents !
C
!
M
.Q
A A’
O O P
B
Figure 3: Trois définitions d’une “corde aléatoire”
(a) On fixe une extrémité de la corde en A, l’autre extrémité M a une densité uniforme
sur le cercle. Montrer que E est réalisé sissi M appartient à l’arc BC. En déduire la
probabilité p1 de cet évènement. Montrer que l’angle θ = OAM\ a une distribution
uniforme et trouver la relation entre ` et θ ; en déduire la densité de probabilité
de `. Comment retrouve-t-on la probabilité p1 à partir de cette densité ? Rép. :
p1 = 13 . L’angle au sommet OAM \ est la moitié de l’angle au centre A \0 OM qui a
5
(c) Soit un point Q choisi de façon aléatoire à l’intérieur du disque, avec une densité
uniforme, et la corde dont il est le milieu. Comment construit-on géométriquement
cette corde ? Chercher à quelle région du disque Q doit appartenir pour que E soit
réalisé. En déduire la probabilité p3 de cet évènement, puis calculer la densité de
probabilité de `. Vérifier comme en a) le calcul de p3 . Rép. : On construit le cercle
de centre O passant par Q, la corde est la tangente en Q. La corde est plus longue
que a si le point est situé à l’intérieur d’un disque concentrique de rayon R/2. L’aire
de ce disque est le quart de celle du grand disque. La probabilité est donc p3 = 14 .
Soit r le rayon du “petit” cercle, 0 ≤ r ≤ R, avec une densité f (r) = R22 r ; on a
√ R 2R
` = 2 R2 − r2 et on calcule donc f3 (`) = f (r) dr d`
= 2R` 2 ; p3 = R√3 f3 (`)d` = 14 .
Ce paradoxe souligne que le problème de départ est mal posé. Ce que l’on entend par
corde “tracée au hasard” n’est pas bien défini !
6
Mention Physique - L2 - Année 2011-2012
Licence de Sciences et Technologies
LP 207: Mathématiques pour physiciens 2
1. Marche aléatoire.
Un mobile évolue de façon aléatoire le long d’un axe gradué. À t = 0 il est en 0 ; à chaque
instant entier t = k, (k ≥ 0), son abscisse varie de +1 avec la probabilité p et de −1 avec
la probabilité q = 1 − p. On note Xn son abscisse au temps t = n.
(a) Montrer que les valeurs prises par Xn sont les entiers relatifs 2k − n (0 ≤ k ≤ n).
Calculer P (Xn = 2k − n). Rép. : P (Xn = 2k − n) = pk q n−k Cnk
Xn + n
(b) On pose Yn =
2
i. Reconnaı̂tre la loi de Yn . Rép. : P (Yn = k) = P (Xn = 2k − n) = pk q n−k Cnk ,
loi binomiale.
ii. Donner hYn i et var(Yn ). Rép. : hYn i = np, var(Yn ) = npq (voir cours).
iii. En déduire hXn i puis var(Xn ). Rép. : Xn = 2Yn − n donc hXn i = 2hYn i − n =
n(p − q), var(Xn ) = 4var(Yn ) = 4npq.
(c) Pour quelle valeur de p la v.a. est-elle centrée ? Ce résultat vous étonne-t-il ? Rép.
: p = q = 21 bien sûr ! probabilités égales d’aller à gauche ou à droite.
2. Péage d’autoroute (loi de Poisson).
Un péage d’autoroute comporte m guichets. On suppose que le nombre N de voitures
arrivant en 1 heure suit la loi de Poisson de paramètre λ. On suppose, de plus, que les
conducteurs choisissent leur poste au hasard, et que ces choix sont indépendants. Soit Xi
(1 ≤ i ≤ m), le nombre de voitures passant par le poste numéro i .
(a) En calculant successivement P (Xi = k|N = n) , ((k, n) ∈ N2 ), puis P (Xi = k),
n−k
déterminer la loi de Xi . Rép. : P (Xi = k|N = n) = n!(m−1) k!(n−k)!mn
somme des
n−k
probabilités des Cnk évènements exclusifs, chacun ayant la probabilité m1k m−1
m
=
n−k n λn −λ n!(m−1)n−k λn −λ
(m − 1) /m ; P (N = n) = n! e , donc P (Xi = k ∩ N = n) = k!(n−k)!mn n! e ,
∞
X
P (Xi = k) = P (Xi = k ∩ N = n) (1)
n=k
∞
e−λ λk X λn−k (m − 1)n−k
= (2)
k! mk n=k (n − k)!mn−k
λ k
e−λ λk λ m−1 e− m λ
= e m = (3)
k! mk k! m
(4)
qui est la loi de Poisson de paramètre λ/m.
1
λ
(b) Donner hXi i et var(Xi ). Rép. : hXi i = var(Xi ) = m
avec une constante C que l’on déterminera. Rép. : Après changement de variable, on
R u2 √
se ramène à une intégrale gaussienne du e− 2σ2 , donc C = 2πσ 2 .
2
5. Loi multinomiale
On considère une généralisation de la loi binomiale P où la v.a. X peut prendre v valeurs
`1 , · · · , `v avec des probabilités p1 , · · · , pv , i pi = 1. La probabilité d’avoir ki tirages de
X = `i en N essais est
N!
P (k1 , k2 , · · · , kv ) = pk1 · · · pkvv (5)
k1 ! · · · kv ! 1
N!
Les coefficients k1 !···kv !
sont les coefficients multinomiaux.
pki i X Y pkj j
P (ki ) = N! (7)
ki ! kj , j6=i j6=i
kj !
P
j6=i kj =N −ki
pki i N! X Y pkj j
= (N − ki )! (8)
ki ! (N − ki )! kj , j6=i j6=i
kj !
P
j6=i kj =N −ki
(6) N!
= pki (1 − pi )N −ki , (9)
(N − ki )!ki ! i