Académique Documents
Professionnel Documents
Culture Documents
Dr KONANE
14 mars 2018
Exercice 1 Soit Ω un ensemble. On appelle limite supérieure des An , et
on note lim supn An l’ensemble des éléments de Ω qui appartiennent à une
infinité de An . On appelle limite inférieure des An , et on note lim inf n An ,
l’ensemble des éléments de Ω qui appartiennent à tous les An , sauf un nombre
fini d’entre eux.
1. Déterminer les ensembles lim supn An et lim inf n An dans les cas sui-
vants :
(a) An =] − ∞, n] ;
(b) An =] − ∞, −n] ;
(c) A2n = A, A2n+1 = B ;
(d) An =] − ∞, (−1)n ].
2. Écrire les définitions de lim inf n An et lim supn An avec les quantifi-
T
cateurs
S ∀ et ∃. Les traduire en termes ensemblistes à l’aide de et
.
1
5. Application : on note φ(n) le nombre d’éléments inversibles de Z/nZ.
Démontrer que
r
Y 1
φ(n) = n 1− .
k=1
p k
Exercice 6
Soient (Xi,j )1≤i,j≤n2 une suite de variables aléatoires indépendantes définies
sur un espace probabilisté (Ω, A, P). On suppose que ces variables aléatoires
ont la même loi suivante : elles sont à valeurs dans {−1, 1} avec P(Xi,j =
1) = P(Xi,j = −1) = 21 . On note M la matrice M = (Xi,j )1≤i≤j≤n2 . Quelle
est l’espérance du déterminant de M ?
Exercice 7 Soit X une variable aléatoire suivant une loi uniforme sur [a, b],
avec 0 < a < b. Donner la fonction de répartition, la densité, l’espérance et
la variance de Y = X 2 .
Exercice 8 Soit U une variable aléatoire de loi uniforme sur [0, 1]. Démon-
trer que la variable aléatoire X = − ln U suit une loi exponentielle.
R +∞ 2 R +∞ 2
Exercice 9 Pour x > 0, on pose F (x) = x e−t /2 dt et G(x) = x t12 e−t /2 dt.
1. Démontrer que G(x) =+∞ o F (x)).
2. Soit X suivant une loi normale N (0, 1). Donner un équivalent de
P (X > x) lorsque x tend vers +∞.
2
2. Réciproquement, soit T une variable aléatoire à valeurs dans R+ sans
mémoire et vérifiant P (T > 0) > 0.
(a) On suppose qu’il existe t > 0 tel que P (T > t) = 0. Calculer
P (T > t/2n ) en fonction de P (T > t). En déduire que P (T >
0) = 0. Conclusion ?
(b) Soit α = P (T > 1). Démontrer que P (T > t) = αt pour tout
t ∈ R+ (démontrer le d’abord pour t ∈ N∗ , puis pour t ∈ Q∗+ et
enfin pour t ∈ R∗+ ).
(c) Conclure.
3. Justifier le terme "sans mémoire". On pourra calculer P (T > s+t|T >
s).
a.3−x si x > 0
f (x) =
a.3x si x < 0.
3
1. Quelle est la durée moyenne de fonctionnement entre deux pannes
consécutives ?
2. Soit E l’événement : "chacune des 3 périodes de fonctionnement de
la machine dure plus de 2 heures". Calculer P (E).
3. Soit Y la variable aléatoire égale à la plus grande des 3 durées de
fonctionnement de la machine sans interruption.
(a) Calculer P (Y ≤ t) pour tout t ∈ R.
(b) Déterminer une densité de Y .
R +∞
(c) Pour a < 0, calculer 0 teat dt.
(d) Démontrer que la variable aléatoire Y admet une espérance, dont
on calculera, en heures et minutes, la valeur.
Exercice 16 Soit (Xn ) une suite de variables aléatoires réelles définies sur
(Ω, A, P ) convergeant en probabilité vers X. Soit Y une variable aléatoire
définie sur (Ω, A, P ).
1. Soit ε > 0. Démontrer qu’il existe n0 ∈ N et M > 0 tel que
4
4. Soit f : R → R une fonction continue. Démontrer que (f (Xn ))
converge en probabilité vers f (X).
Exercice 20 Soit (Xn ) une suite de variables aléatoires qui converge en loi
vers une variable aléatoire X constante égale à a. Démontrer que la suite
(Xn ) converge aussi en probabilité vers X.
Exercice 21 Soit λ > 0. Pour tout entier n ≥ λ, on fixe (Xin )i≥1 une suite
de variables aléatoires de Bernoulli de paramètre pn = λ/n. On considère
alors la variable aléatoire
1
Nn = inf{i ≥ 1; Xin = 1}.
n
Démontrer que la suite (Nn ) converge en loi vers une variable aléatoire réelle
de loi exponentielle de paramètre λ.
Exercice 22 Soit (Xn ) une suite de variables aléatoires vérifiant une loi
binomiale B(n, pn ), avec npn → λ > 0. Démontrer que (Xn ) converge en loi
vers une variable aléatoire X suivant une loi de Poisson P(λ).
5
Exercice 23 Soit (Xn ) une suite de variables aléatoires indépendants de
même loi et de carré intégrable. On note m leur espérance commune. Étudier
la convergence presque sûre de la suite
X1 X2 + X2 X3 + · · · + Xn−2 Xn−1 + Xn−1 Xn
Sn = .
n
Exercice 24 Un fournisseur d’accès à Internet met en place un point local
d’accès, qui dessert 5000 abonnés. A instant donné, chaque abonné a une
probabilité égale à 20% d’être connecté. Les comportements des abonnés sont
supposés indépendants les uns des autres.
1. On note X la variable aléatoire égale au nombre d’abonnés connectés
à un instant t. Quelle est la loi de X ? Quelle est son espérance, son
écart-type ?
2. On pose Y = X−1000
√
800
. Justifier précisément qu’on peut approcher la loi
de Y par la loi normale N (0, 1).
3. Le fournisseur d’accès souhaite savoir combien de connexions simul-
tanées le point d’accès doit pouvoir gérer pour que sa probabilité d’être
saturé à un instant donné soit inférieure à 2, 5%. En utilisant l’ap-
proximation précédente, proposer une valeur approchée de ce nombre
de connexions (on pourra utiliser une table de la loi normale).
6
tarifs choisis, les compagnies ne pénalisent pas les clients qui se désistent
et ne font payer effectivement que ceux qui embarquent). Pour compenser ce
phénomène, une compagnie aérienne exploitant un avion de 300 places dé-
cide de faire de la surréservation ( surbooking) en prenant pour chaque vol
un nombre n > 300 de réservations. S’il se présente plus de 300 passagers à
l’embarquement, les 300 premiers arrivés prennent leur vol et les autres sont
dédommagés financièrement.
1. On considère que les passagers sont mutuellement indépendants et que
la probabilité de désistement de chacun d’eux est 10%. On note n le
nombre de réservations prises par la compagnie pour un vol donné et
Sn le nombre (aléatoire) de passagers se présentant à l’embarquement
pour ce vol. Donner la loi de Sn , E(Sn ) et V (Xn ).
2. Le directeur commercial de la compagnie aimerait connaitre la valeur
maximale de n telle que P (Sn ≤ 300) ≥ 0, 99. En utilisant le théorème
Central-Limit (ou théorème de De Moivre-Laplace), proposez une so-
lution approchée de ce problème. On pourra s’aider d’une table de la
loi normale.
5. En déduire l’existence d’une sous-suite (nk )k≥1 telle que, pour tout
k ≥ 1,
P (|Snk+1 − Snk | ≥ 1) ≥ 1/4.
7
6. Démontrer que la suite (Sn ) est presque sûrement divergente.
Z b
1 2
P (Zn ∈ [a, b]) → √ e−t /2 dt.
a 2π
8
" p p #
p(1 − p) p(1 − p)
(c) On fixe α ∈]0, 1[, et on pose In = p − tα √ ; p + tα √ .
n n
Déduire des questions précédentes que limn→+∞ P (Xn /n ∈ In ) =
1 − α.
tα tα
(d) Vérifier que In ⊂ p − √ ; p + √ .
2 n 2 n
(e) Vérifier que
tα tα Xn tα Xn tα
Xn /n ∈ p − √ ; p + √ ⇐⇒ p ∈ − √ ; + √ .
2 n 2 n n 2 n n 2 n
Dans la pratique, on fait l’approximation suivante : si n ≥ 30,
np ≥ 5 et n(1 − p) ≥ 5, alors onconsidère que P (Xn /n ∈ In ) ≥
Xn tα Xn tα
1−α. On dit alors que l’intervalle − √ ; + √ est un
n 2 n n 2 n
intervalle de confiance au niveau 1 − α de p. Ceci signifie concrète-
ment (modulo l’approximation) la chose suivante : Si dans une po-
pulation un caractère est présent dans une proportion p, si lorsque
l’on observe n éléments de cette population, le caractère est pré-
valant f = Xn /n, alors, la probabilité que p
sent avec une fréquence
tα tα
soit dans l’intervalle p − √ ; p + √ est supérieure ou égale
2 n 2 n
à 1 − α.
3. Application numérique : lors d’une élection opposant 2 candidats, un
sondage d’opinion réalisé sur un échantillon de 1000 personnes donne
52% des voix au candidat A, et 48% au candidat B.
(a) Donner un intervalle de confiance au niveau 0,95 des intentions
de vote pour A.
(b) Combien de personnes suffirait-il d’interroger pour qu’il y ait moins
de 5% de chances que B l’emporte, si A a recueilli 52% des inten-
tions de vote dans le sondage ?
9
Déterminer par la méthode des moindres carrés des valeurs possibles pour α
et β.
Exercice 36 Soit X une variable aléatoire réelle et soit M ⊂ R tel que, tout
x ∈ M , P (X = x) > 0. Démontrer que M est fini ou dénombrable.
Exercice 40 Soit X une variable aléatoire ne prenant que des valeurs posi-
tives ou nulles et admettant une espérance mathématique m non-nulle. Dé-
montrer que pour tout λ > 0, P (X ≥ λm) ≤ λ1 .
10
Exercice 41 Soit µ une mesure de probabilité sur R. Montrer que sa trans-
formée de Fourier est uniformément continue.
4. En déduire que X suit une loi normale dont on précisera les para-
mètres.
5. Retrouver ce résultat en appliquant le théorème limite central.
ai,j = P X − i, Y = j).
On suppose que :
1
2n
, si |i + j − (n + 2)| = 1
ai,j =
0, sinon.
1. Vérifier que lq famille (ai,j ) ainsi définie est bien une loi de probabilité
de couple.
2. Ecrire la matrice A ∈ Mn+1 (R) dont le terme général est ai,j . Vérifier
que A est diagonalisable.
11
3. Déterminer les lois de probabilités de X et de Y .
4. pour tout couple (i, j) ∈ {1, . . . , n + 1}2 , on pose :
bi,j = P (X = i|Y = j).
Déterminer la matrice B ∈ Mn+1 (R) dont le terme général est bi,j .
Montrer que le vecteur
v = (P (X = 1), · · · , P (X = n + 1))
est un vecteur propre de B.
1
Exercice 45 Soient la fonction h(x) = e−x xa−1 1R+ (x), x ∈ R où
Γ(a + 1)
a > 0 et le domaine de R2 D = {(x, y) ∈ R2 : 0 < y < x}R
∞
On pose f (x, y) = h(x)1D (x, y). On rappelle que Γ(a) = 0 e−x xa−1 dx
1. Montrer que Γ(a + 1) = aΓ(a), ∀a > 0.
2. Montrer que f (x, y) est une densité de probabilité sur R2 .
Y
3. Calculer les espérances de variances aléatoires X, Y et sans déter-
X
Y
miner leurs lois. Les variables aléatoires X et sont-elles indépen-
X
dantes ?
Y Y
4. Déterminer la loi de X et retrouver E( ) Déterminer la loi condi-
X
tionnelle de Y sachant X = x, puis l’espérance conditionnelle de Y
sachant X = x, E(Y |X = x).
5. En déduire l’espérance conditionnelle E(Y |X), puis E(Y ).
6. Soit U la variable aléatoire indépendante du couple (X, Y ), telle que
P (U = 1) = p et P (U = 0) = 1 − p = q, 0 < p < 1.
On pose Z = U X + (1 − U )Y.
(a) Calculer E(Z) en justifiant son existence.
(b) Déterminer la loi conditionnelle de Z sachant X = x, puis l’espé-
rance conditionnelle E(Z|X).
(c) Retrouver l’expression de E(Z) trouvé précédemment.
Exercice 46 Soit X1 , . . . , Xn n variables aléatoires réelles mutuellement in-
dépendantes de loi normale N (m, 1) de moyenne m ∈ R et variance unité.
La densité de Xj , j = 1, . . . , n est donc donnée par
1 (x−m)2
f (x) = √ e− 2 , x ∈ R.
2π
12
L’objet du problème est l’étude de la somme des carrés de ces variables aléa-
toires.
1. Montrer que la fonction caractéristique des variables aléatoires Xj2 est
donnée par
m2
− m2
2 e 2(1−2it)
ϕ(t) = e 1 , t ∈ R où i est la racine carrée complexe de -1.
(1 − 2it) 2
(On admettre que pour a et c nombres complexes,
∀ x ≥ 1, P (X > x) = x−α .
Exercice 48 Le staff médical d’une grande entreprise fait ses petites statis-
tiques sur le taux de cholestérol de ses employés ; les observations sur 100
employés tirés au sort sont les suivantes.
13
3. Déterminer un intervalle de confiance pour la moyenne.
4. Déterminer la taille minimum d’échantillon pour que l’amplitude de
l’intervalle de confiance soit inférieure à 10.
Exercice 49 La durée de vie en heures d’un certain type d’ampoule est une
variable aléatoire réelle X de densité
14
2. Prouver la convergence √en probabilité et presque sûre de Yn vers θ.
Donner la loi limite de n(Yn − θ).
3. Donner la loi de ni=1 Xi . Calculer E(Yn ), V (Yn ) et E(Yn − θ)2 .
P
Nn
P̂n =
n
Exercice 53 :∗
On désire estimer le paramètre θ ≥ 1 de la distribution d’une variable aléta-
toire X de densité de probabilité
3θ3
x4 , x ∈ [θ, ∞[
fθ (x) =
0 sinon
15
(c) Calculer son espérance, en déduire un estimateur sans biais Θ∗n de
θ. Cet estimateur est-il convergent ?
Exercice 54 :∗
On dispose d’un échantillon (X1 , . . . , Xn ) i.i.d issu d’une loi exponentielle de
paramètre θ.
1. Montrer par récurrence que
Z ∞
n! = un e−u du
0
Exercice 55 :∗
Dans une manufacture, on a voulu estimer le temps moyen nécessaire à une
machine pour complèter une tache. On a alors mesuré les temps nécessaires
pour compléter cette tâche 150 fois et on a obtenu un temps moyen de 85
minutes et un écart-type de 10 minutes.
Exercice 56 : ∗
Un échantillon de 100 votants choisis au hasard parmi tous les votants d’un
bureau donné indique que 55% d’entre eux votent pour le candidat A.
1. Donner l’intervalle de confiance à 95% de la proportion de tous les votants
en faveur du candidat A.
2. Quelle aurait dû être la taille de l’échantillon pour conclure au niveau 95%
que le candidat A serait élu ?
16
Exercice 57 :∗
Une société fournisseur d’accès Internet qui propose une ligne téléphonique
d’aide technique souhaite estimer le temps d’attente de ses clients lors de ce
service. On suppose que Xi , la variable aléatoire décrivant le temps d’attente
avant d’obtenir un opérateur, suit une loi normale N (m; σ 2 ). La société fait
appel à vous, cadre supérieur de STAT.COM, pour réaliser un sondage. Vous
mesurez pour 100 personnes le temps d’attente. Vous trouvez une moyenne
empirique égale à 20 minutes et un écart-type empirique de 10 minutes.
1. Quel est le meilleur estimateur de m ? Quelle est sa loi ?
2. Donnez un intervalle de confiance bilatéral à 95 % de l’estimation de
m.
3. La société fournisseur d’accès Internet souhaite obtenir une estimation
de m à la minute près. Mesurer le temps d’attente vous coûte 1000
Euros comme coût fixe pour les 100 premiers appels et chaque mesure
supplémentaire d’un temps d’attente vous coûte 5 Euros. Vous coûtez
à votre employeur 500 Euros pour ce travail. Combien faut-il facturer
la société fournisseur d’accès Internet pour que STAT.COM puisse
faire 10 % de bénéfice, en supposant que σ = 10 ?
17