Académique Documents
Professionnel Documents
Culture Documents
X = min(U, V ) et Y = max(U, V ).
1. Déterminer le tableau qui définie la loi jointe du couple (V, X), i.e. pkn = P((V, X) =
(k, n)), (k, n) ∈ {1, 2, 3, 4, 5, 6} × {1, 2, 3, 4, 5, 6}.
2. Déterminer la loi marginale de V et la loi marginale de X à partir du tableau de la
question 1) précédente (tableau de la loi jointe de (V, X)), en dressant les deux tableaux
suivants :
H pk.
HH
pk. = P(V = k)
k HH PP
PP n
1
H
PP 1 ... 6
p.n PP
.. P
p.n = P(X = n) ...
.
6
3. Déterminer l’expression de la loi jointe du couple (V, X), c’est à dire pkn = P((V, X) =
(k, n)), pour (k, n) ∈ {1, 2, 3, 4, 5, 6} × {1, 2, 3, 4, 5, 6},
4. Déterminer l’expression de la loi marginale de la variable aléatoire X, c’est à dire
p.n = P(X = n) ∀ n ∈ {1, 2, 3, 4, 5, 6}.
5. Déterminer l’espérance conditionnelle E[V |X = n], pour n ∈ {1, 2, 3, 4, 5, 6}.
6. En déduire l’expréssion de E[V |X].
7. Déterminer l’expression de l’espérance conditionnelle E[X|V ].
8. En déduire E[X], en utilisant le calcul de l’espérance par conditionnement.
1
Exercise 4 (Voir la solution)
Une urne contient n boules blanches et n boules rouges. On tire successivement et sans
remise n boules dans cette urne.
1) Déterminer la probabilité qu’une boule rouge figure dans ce tirage.
Client i ⇒ Xi ∼ B(p),
et que les Xi sont mutuellement indépendantes, i.e. les choix des plats par chaque client
sont indépendants.
Soit la variable aléatoire X égale au nombre de clients ayant choisi un plat de poisson,
bien évidement, parmi les N clients aléatoires qui ont fréquenté le restaurant à midi.
L’expression de la variable aléatoire X est donnée par :
N
X
X= Xi .
i=1
2
4. Déterminer la loi jointe du couple (X, N ), en donnant l’expression de :
P(X = k, N = n), 0 ≤ k ≤ n, ∀n ∈ N.
3
2 TD SERIE N◦ 2 : Espérance conditionelle
Exercise 8 (Voir la solution)
4
3 Solutions
Solution 1 (Retour énoncé)
5
HH X
H
1 2 3 4 5 6
V HH
H
1 6/36 0 0 0 0 0
2 1/36 5/36 0 0 0 0
3 1/36 1/36 4/36 0 0 0
4 1/36 1/36 1/36 3/36 0 0
5 1/36 1/36 1/36 1/36 2/36 0
6 1/36 1/36 1/36 1/36 1/36 1/36
6
HH n
H
1 2 3 4 5 6
p.n HHH
p.n = P(X = n) 11/36 9/36 7/36 5/36 3/36 1/6
On a donc,
13 − 2n
∀ n ∈ {1, 2, 3, 4, 5, 6}, p.n = P(X = n) = .
36
5) Calcul de l’espérance conditionnelle E[V |X = n], pour n ∈ {1, 2, 3, 4, 5, 6}.
• Déterminons tout d’abord la loi de probabilité conditionnelle de V |X = n. Pour
n ∈ {1, 2, 3, 4, 5, 6} fixé, on a :
0 si < n
P(V = k, X = n) 7−n
pk|n = P(V = k|X = n) = si k = n
P(X = n) 13−2n
1
13−2n
si n < k ≤ 6,
42 + 13n − 3n2
∀n ∈ {1, 2, 3, 4, 5, 6}, E[V |X = n] = = ϕ(n)
26 − 4n
6) Comme l’expression de E[V |X = n] est valable pour tout n ∈ {1, 2, 3, 4, 5, 6}, on a :
42 + 13X − 3X 2
E[V |X] = = ϕ(X).
26 − 4X
P(X = n, V = k)
P(X = n|V = k) =
P(V = k)
7
D’autre part, la loi jointe du couple (X, V ) est donnée par :
0 si n > k
7−k
P(X = n, V = k) = si n = k
136
36
si 1 ≤ n < k
13k − k 2
∀k ∈ {1, 2, 3, 4, 5, 6}, E[X|V = k] = = ϕ(k)
12
• Comme l’expression de E[X|V = k] est valable pour tout k ∈ {1, 2, 3, 4, 5, 6}, on a :
13V − V 2
E[X|V ] = = ϕ(V ).
12
8) Calcul de E[X] par le calcule de l’espérance par conditionnement.
E[X] = E[E[X|V ]]
2
= E[ 13V12−V ]
]−E[V 2 ]
= 13E[V 12
1 13×7
P6 2 1
= 12 2
− n=1 n × 6
1 13×7 6(6+1)(2×6+1) 1
= 12 2
− 6
× 6
1 91 91
= 12 2
− 6
= 91
36
∼ 2, 528
8
• de même, comme la proportion d’individus de type 2 dans la population est de 0.1,
alors la variable aléatoire réelle X2 suit une loi binomiale B(40, p2 ), avec p2 = 0.1,
• et comme la proportion d’individus de type 3 dans la population est de 0.5, alors la
variable aléatoire réelle X3 suit une loi binomiale B(40, p3 ), avec p3 = 0.5.
On commence par le calcul de la loi de la variable aléatoire X1 + X2 . On remarque au
passage que : X1 + X2 = 40 − X3 . Pout tout entier n ∈ {0, . . . , 40}, on a :
P(X1 + X2 = n) = P(40 − X3 = n)
= P(X3 = 40 − n)
40−n 40−n
= C40 p3 (1 − p3 )n
n 40−n
= C40 p3 (1 − p3 )n
n
= C40 ( 21 )40−n ( 21 )n
40
1 X 40!
E[X1 |X1 + X2 = n] = n 40−n k pk1 p2n−k p40−n
3
n
C40 (p1 + p2 ) p3 k=0
k!(n − k)!(40 − n)!
40
1 X
= n
k Cnk pk1 pn−k
2
(p1 + p2 ) k=0
n
1 X
= k Cnk pk1 pn−k
2
(p1 + p2 )n k=1
n
1 X n k−1 k n−k
= n
k Cn−1 p1 p2
(p1 + p2 ) k=1 k
n
n p1 X
k−1 k−1 (n−1)−(k−1)
= n
Cn−1 p1 p2
(p1 + p2 ) k=1
n−1
n p1 X
k (n−1)−k
= n
Cn−1 pk1 p2
(p1 + p2 ) k=0
n p1
=
p1 + p2
9
Application : la proportion de la population de type 1 est p1 = 0.4, et la population de
type 2 est p2 = 0.1, et on a :
n × 0.4 4
E[X1 |X1 + X2 = n] = = n
0.4 + 0.1 5
n n − (k − 1)
P(A1 ) = et P(Ak |A1 ∩ · · · ∩ Ak−1 ) =
2n 2n − (k − 1)
n n−1 1 (n!)2
P(A1 ∩ · · · ∩ An ) = × × ··· × =
2n 2n − 1 n+1 (2n)!
(n!)2
AC AC
P 1 ∪ ··· ∪ n =1− .
(2n)!
avec
1 2 n
P(A1 ) = , P(A2 |A1 ) = , . . . , P(An |A1 ∩ · · · ∩ An−1 ) = .
2 3 n+1
On a donc :
1
P(A1 ∩ · · · ∩ An ) = .
n+1
Par continuité décroissante
+∞
!
\
P An = lim P(A1 ∩ · · · ∩ An ) = 0
n→+∞
n=1
Ainsi, l’événement "toutes les boules tirées sont blanches" est négligeable et l’événement
complémentaire "la boule rouge initiale est tirée" est presque sûr.
10
Chacun des clients effectue son choix suivant la probabilité p pour "le plat poisson" et la
probabilité q = (1 − p) pour "le plat viande", c’est à dire que le choix du Client i est
représenté par une variable aléatoire Xi et suit la loi de Bernouilli de paramètre p :
Client i ⇒ Xi ∼ B(p),
La variable aléatoire X égale au nombre de clients ayant choisi un plat de poisson, bien évi-
dement, parmi les N clients aléatoires qui ont fréquenté le restaurant à midi. L’expression
de la variable aléatoire X est donnée par :
N
X
X= Xi .
i=1
∀ n ∈ N, X|N = n ∼ B(n, p)
E[X|N ] = N p.
11
5. Calcul de la loi marginale de la variable aléatoire X, pour tout k ∈ N
P(X = k) = P +∞
S
{X = k, N = n}
P+∞n=k
= P(X = k, N = n))
Pn=k
+∞ λn −λ k k
= n=k n!n e Cn p (1 − p)n−k
P+∞ λ −λ n!
= n=k n! e k!(n−k)!
pk (1 − p)n−k
k (λ(1−p))n−k
= (λp) e−λ +∞
P
k! n=k (n−k)!
k P+∞ (λ(1−p)) n
= (λp)k!
e −λ
n=0 n!
k
= (λp)k!
e−λ eλ(1−p)
(λp)k −λp
= k! e
Donc la variable aléatoire X suit une loi de Poisson de paramètre λp
X ∼ P(λp).
12
Soit X une variable aléatoire de loi exponentielle de parametre λ > 0, de densité :
Z x ≤ x)
F (x) = P(X
= f (u)du,
Z0 x
= λe−λ u du,
0
= [ − e−λu ]x0
F (x) = (1 − e−λx ).
6. Application : la durée de vie T en années d’une télévision suit une loi exponentielle
de moyenne 8 ans, c’est à dire : E[T ] = λ1 d’où λ = 1/8.
La télévision marchait depuis 2 ans : la probabilité que la durée de vie de la télévision
soit encore d’au moins 8 ans à partir de maintenant est :
1
P(T > 2 + 8|T > 2) = P(T > 8) = e− 8 ×8 = e−1 = 0, 36787944117
13