MP Proba discrète L .

ALBERT

1. Soit Pnk le nombre de partitions d’un ensemble à n éléments en k classes.

−1
Montrer que Pnk = Pnk− k
1 + kPn−1 pour 2 6 k 6 n − 1.
Calculer en fonction de Pnk le nombre de surjections d’un ensemble à n éléments sur un ensemble à k éléments.
n
2. Calculer la somme S = n
∑ k ( k ) par plusieurs méthodes.
k =1

3. On pose Ω = {a, b, c}. Combien de tribus différentes peut-on définir sur Ω ?

4. Soit (Ω, P (Ω), P) un espace probabilisé et X une v. a. discrète de Ω dans un ensemble F.
On appelle tribu engendrée par la v. a. X, notée σ ( X ), la tribu engendrée par les X (−1) ({k }) avec k ∈ F.
Rappel : Pour tout A ⊂ F, X (−1) ( A) = {ω ∈ Ω | X (ω ) ∈ A}.
Intuitivement, on a hh filtré ii Ω par X, c’est l’information portée par X sur le résultat de l’expérience, elle est en général moins
riche que P (Ω).
1o Exemple 1 : soit A ⊂ Ω, X = 1 A et F = {0, 1}. Donner la tribu σ (1 A ).
2o Exemple 2 : soit Ω = {1, 2, 3, 4, 5, 6} muni de la probabilité uniforme, X : ω = (ω1 , ω2 ) ∈ Ω 7→ X (ω ) =
ω1 + ω2 ∈ F, et F = {2, . . . , 12}. Ceci représente la somme des nombres obtenus en lançant deux dés à six faces.
Donner la tribu σ ( X ).

5. Soient n ∈ N∗ et Ω = [[−n, n]]. On considère l’application Q : Ω → R définie par

n + 1 − |k|
Q(k) =
( n + 1)2
a. Montrer que Q permet de définir une probabilité sur (Ω, P (Ω)) (on dit que c’est un germe de probabilité).
b. Calculer la probabilité de l’événement [[−n, n − 1]].

6. On considère un jeu de pile ou face infini.

Soit n > 1 un entier. Calculer la probabilité que le premier temps auquel on obtient pile soit le temps n.
Soit k > 1 un entier. Calculer la probabilité que le k-ième temps auquel on obtient pile soit le temps n.

7. Inégalité de Bonferroni
1. Prouver que, E et F étant deux événements d’un même espace probabilisé, on a :
P( E ∩ F ) > P( E) + P( F ) − 1.

2. Pouvez-vous généraliser à un nombre quelconque (fini) d’événements ?

8. Soit (Ω, T ) un univers probabilisable. Écrire avec les opérations ensemblistes (∩, ∪ et complémentaire) les événe-
ments suivants.
1. L’un au moins des événements A, B ou C est réalisé.
2. L’un et seulement l’un des événements A et B est réalisé.
3. Les deux événements A et B sont réalisés et C ne l’est pas.
4. Tous les événements An , n > 1 sont réalisés.
5. L’un au moins des événements An , n > 1 est réalisé.
6. Une infinité parmi les événements An , n > 1 sont réalisés.
7. Seul un nombre fini des événements An , n > 1 sont réalisés.
8. Une infinité parmi les événements An , n > 1 ne sont pas réalisés.
9. Tous les événements An , n > 1 sont réalisés à partir d’un certain rang.
L. A LBERT Exos Proba 2

9. Soit (Ω, F , P) un espace probabilisé. Soit ( An )n>0 une suite d’éléments de F . On appelle limite sup des An (noté
usuellement limAn ), l’événement A : Ã !
\ [
A= An
N ∈N n> N

a. Justifier que A ∈ F . Expliquer en français à quoi correspond A.

S ∞
b. Considérons la suite d’ensembles Dn = + k =n Ak . Montrer qu’elle est décroissante.
c. On suppose que ∑+ ∞
n =0 P ( A n ) < + ∞. Montrer que limn→+∞ P( Dn ) = 0.
d. Grâce à la continuité monotone décroissante, en déduire que P( A) = 0. Traduire ce résultat.
e. On montre maintenant une sorte de réciproque. On suppose que les An sont des événements indépendants et
que ∑+ ∞
n=0 P( An ) = + ∞ et on veut montrer que P( A ) = 1.
i. Montrer que ∀ x ∈ R, 1 + x 6 e x .
ii. Montrer que si 1 6 m 6 n alors à ! à !
n
\ n
P Ak 6 exp − ∑ P( A k )
k=m k=m

iii. Conclure
f. Utiliser ce qui précède pour montrer qu’en tapant de manière aléatoire un texte (pendant un temps infini1 ) on
finira par écrire à la suite les œuvres complètes de Victor Hugo.

10. Deux joueurs A et B lancent un dé non pipé à tour de rôle (en commençant par A). Le premier qui obtient 6 a
gagné et le jeu s’arrête.
Calculer les probabilités des événements hh A gagne ii, hh B gagne ii, hh ni A ni B ne gagne ii.

11. Problème des anniversaires

1o Soit N individus pris au hasard, en supposant que l’année a 365 jours, quelle est la probabilité que l’on en
trouve au moins deux ayant leur anniversaire le même jour ?
2o Calculer les valeurs numériques pour un groupe de N = 30 et N = 60 personnes.

12. Le problème du scrutin.

Lors d’une élection opposant deux candidats A et B, le premier reçoit n voix et le second m 6 n voix. En supposant
équiprobables les différents ordres d’apparition des bulletins lors du dépouillement (et en ignorant les bulletins
blancs ou non valides), on note P(n, m) la probabilité que le candidat A soit toujours strictement en tête lors du
dépouillement.
1o Montrer que
n
P(n, m) = P( A toujours en tête | le dernier vote est en faveur de A)
n+m
m
+ P( A toujours en tête | le dernier vote est en faveur de B) .
n+m
n−m
2o En déduire que P(n, m) = .
n+m

13. Urne de Polya.

Une urne contient r boules rouges et b boules blanches. On tire une boule et on note sa couleur. On remet alors la
boule tirée dans l’urne et on ajoute a boules de la même couleur. La même procédure est répétée n − 1 fois et l’on
fait ainsi n tirages.
Soient R j l’événement hh la j-ème boule tirée est rouge ii et Bj l’événement hh la j-ème boule tirée est blanche ii.
1o Calculer P( R1 ), P( B1 ), P( R2 ) et P( B2 ).
2o En procédant par récurrence, calculer P( R j ) et P( Bj ) pour tout j ∈ {2, . . . , n}.

1 L’éternité, c’est long, surtout vers la fin

L. A LBERT Exos Proba 3

14. Indicateur d’Euler.

Soit Ω l’ensemble des entiers {1, 2, . . . n} où n est un entier non premier supérieur ou égal à 2. On considère l’espace
probabilisé (Ω, P (Ω), P) où P est la probabilité uniforme. Si d divise n on note

Ad = {kd|k ∈ Ω et kd ∈ Ω}

1o Quelle est la probabilité de Ad ?

2o Soit p1 < p2 < . . . < pr la suite de diviseurs premiers de n, rangés par ordre croissant.
a. Démontrer que ( A pi )16i6r est une famille d’événements indépendants.
b. En déduire la valeur de ϕ(n), le cardinal de l’ensemble A des nombres inférieurs ou égaux à n et premiers
avec n.

15. La ruine du joueur

On considère une pièce pour laquelle la probabilité d’obtenir Face est p (0 < p < 1).
Deux joueurs A et B possèdent à eux deux N euros et ils s’affrontent dans une suite de Pile ou Face comme suit :
si Face apparaît, B verse 1 euro à A, et si Pile apparaît, A verse 1 euro à B. Le gagnant est le premier des joueurs
obtenant le total des N euros. On se propose de déterminer la probabilité Ak pour que A gagne sachant qu’il
possède initialement une somme de k euros, où 0 6 k 6 N.
1. Établir que Ak = pAk+1 + qAk−1 pour 0 < k < N.
2. Évaluer A0 et A N , puis en déduire Ak .

16. La patate chaude.

Trois enfants A, B et C jouent à la patate chaude ainsi :
- Si A a la patate, il la lance à B avec la probabilité 3/4 et à C avec la probabilité 1/4,
- Si B a la patate, il la lance à A avec la probabilité 3/4 et à C avec la probabilité 1/4,
- Si C l’a, il la lance à B (c’est-à-dire avec une probabilité 1).
Calculer les probabilités an , bn et cn pour que respectivement A, B ou C aient la patate à l’issue du n-ième lancer et
chercher leurs limites quand n → ∞.

17. Soient X,

Y, Z, trois variables
 aléatoires indépendantes suivants la même loi binomiale de paramètres (n, p).
X X X
On note M =  Y Y Y .
Z Z Z
1o Avec les fonctions génératrices, montrer que X + Y suit une loi binomiale de paramètre (2n, p).
2o On pose S = X + Y + Z. Donner la loi, l’espérance, la variance de S.
3o Quelle est la probabilité pour que M soit la matrice d’un projecteur ?
4o On pose T la variable aléatoire correspondant au nombre de valeurs propres de M. Montrer que T (Ω) =
{1, 2}.
5o Déterminer la loi de T.
6o Calculer la probabilité que M soit diagonalisable ?

18. Trouver une loi entière par différence de sa fonction de répartition.

o
1 Calculez N = ∑ 1
16i1 <i2 ...<ik 6n

2o On prend une urne avec n boules numérotées de 1 à n. On fait des tirages avec remise. on note Bk le numéro
de la k-ième boule tirée. On tire des boules jusqu’à ce que Bk 6 Bk−1 . On note X la variable aléatoire égale au
nombre de boules tirées.
a. Quelles peuvent être les valeurs prises par X ?
b. Donner la loi de X (indication : on pourra avantageusement considérer la fonction de répartition de X).
L. A LBERT Exos Proba 4

19. Un manuscrit de 100 pages comporte 200 fautes de frappe. Celles-ci sont réparties aléatoirement et indépen-
damment les unes des autres. On choisit au hasard une page et on note X la v.a.r. égale au nombre de fautes de
frappe sur cette page.
a. Déterminer la loi de X. Quelle autre loi peut-on utiliser pour approcher X ?
b. Calculer la probabilité approchée que la page ne comporte aucune faute de frappe.

20. Soit P1 ,..., Pn une communauté de n personnes, n > 2. De façon indépendante, chacune envoie une lettre à une
autre personne de la communauté en choisissant au hasard (de façon uniforme) le destinataire.
1o On considère l’une de ces personnes : quelle est la probabilité p j,n qu’elle reçoive j lettres ? Donner un équi-
valent de p j,n lorsque n → ∞ (j fixé). Pouvait-on prévoir ce résultat ?

2o Déterminer la probabilité que l’une au moins des n personnes reçoive j lettres, lorsque j > n/2.

21. Soit a ∈ ]0, +∞[.

Soit ( X, Y ) un couple de variables aléatoires à valeurs dans N2 dont la loi est donnée par :
µ ¶ j+k
1
( j + k)
2
∀( j, k) ∈ N2 , P( X = j, Y = k) = .
e j! k!
1. Déterminer les lois marginales de X et de Y.
Les variables X et Y sont-elles indépendantes ?
£ ¤
2. Prouver que E 2X +Y existe et la calculer.

22. X1 , X2 sont deux variables aléatoires indépendantes suivant les lois géométriques de paramètres respectifs
p1 , p2 ∈ ]0, 1[. On pose X = min( X1 , X2 ) et Y = max( X1 , X2 ). Déterminer E( X ) et E(Y ).
µ ¶ +∞ µ ¶
k k−q k 1
23. On rappelle que ∀ x ∈ ]−1, 1[, ∀ q ∈ N∗ , ∑ q x converge et ∑ q xk−q = (1 − x)q+1 .
k >q k=q

Soit p ∈ ]0, 1[.

Soit (Ω, A, P) un espace probabilisé.
Soit X et Y deux variables aléatoires définies sur (Ω, A, P) et à valeurs dans N.
On suppose que la loi de probabilité du couple ( X, Y ) est donnée par :
 µ ¶ µ ¶n
 n 1
p(1 − p)n si k 6 n
P(( X = k) ∩ (Y = n)) = k 2

0 sinon
1. Vérifier qu’il s’agit bien d’une loi de probabilité.
2. (a) Déterminer la loi de Y.
(b) Prouver que 1 + Y suit une loi géométrique.
(c) Déterminer l’espérance de Y.
3. Déterminer la loi de X.

24. Soit X une v.a. réelle bornée i.e. ∃ M > 0, ∀ ω ∈ Ω, |X (ω )| 6 M. Montrer que X admet une espérance finie.
25. Un rat de laboratoire est soumis à l’expérience suivante : il est enfermé dans une cage comportant 4 portes
derrière chacune desquelles se trouve un morceau de gruyère. Trois des portes sont munies d’un dispositif envoyant
une secousse électrique à l’animal s’il essaye de la franchir. Soit X la v.a.r. égale au nombre d’essais effectués par le
rat jusqu’à ce qu’il trouve la bonne porte. Déterminer la loi de X et son espérance dans chacun des cas suivants.
a. Le rat n’a aucune mémoire.
b. Le rat a une mémoire immédiate (il ne se souvient que de sa dernière tentative).
c. Le rat a une mémoire complète des événements.
L. A LBERT Exos Proba 5

26. problème du collectionneur de vignettes

Un collectionneur achète un produit (exemple : tablette de chocolat ou autre) accompagné d’une vignette à col-
lectionner parmi n (n>=2). On suppose que pour chacune des vignettes parmi les n, la probabilité d’avoir cette
vignette2 est 1/n.
On demande de calculer le nombre moyen de produits à acheter pour avoir toute la collection.
On pourra introduire Xk la variable aléatoire égale au nombre d’achats nécessaires pour avoir une vignette que l’on
n’a pas déjà, parmi les k-1 différentes qui sont déjà collectionnées.

27. Montrer qu’une v.a. réelle qui prend trois valeurs distinctes a sa loi déterminée par son espérance et sa variance.
Autre version : Soient a1 < a2 < a3 ∈ R et X et Y deux v.a. prenant uniquement ces trois valeurs, telles que
E( X ) = E(Y ) et V ( X ) = V (Y ). Montrer que X et Y ont la même loi.

28. On suppose que X ,→ U ([|1, 6|]) et on note Y = 1(X∈{1,6}) . Calculer Cov(X, Y). Les variables aléatoires X et Y
sont-elles indépendantes ?

29. Estimateur.
Soit X un v.a. suivant une loi de Bernoulli B(θ ). Le paramètre θ est inconnu et on désire l’estimer.
∑nk=1 Xk
Pour cela, on considère une suite ( Xn ) de v.a. i.i.d de loi B(θ ) et on note θ̂n = n : c’est l’estimateur.
1o Donner l’espérance et la variance de θ̂n .
2o Montrer que pour λ > 0 : Ã r !
θ (1 − θ ) 1
P |θ̂n − θ | < λ > 1−
n λ2

3o En déduire que µ ¶
3
P |θ̂n − θ | < √ > 0.888
2 n

4o Application : encadrement de l’erreur de la méthode de Monte Carlo pour le calcul de π.

30. Soit (Xn ) une suite de v.a. iid de variance σ2 . Montrer que
à !
n
1 σ2
Var
n ∑ Xi =
n
i =1

Interprétation ?

31. On considère sur le même espace probabilisé (Ω, A , P), une suite de v.a. (Xn ) de L1 et X ∈ L1 .
On dit que la suite ( Xn )n converge en moyenne vers X si E(| Xn − X |) → 0 quand n → ∞.
On dit que la suite ( Xn )n converge en probabilité vers X si ∀ ε > 0, P(| Xn − X | > ε) → 0 quand n → ∞.
1o On considère ( Zn )n avec P( Zn = 1) = 1
n2
et P( Zn = 0) = 1 − 1
n2
. Que dire de la convergence en moyenne et
en probabilité de la suite ( Zn ) ?
2o Montrer de façon générale que la convergence en moyenne entraîne la convergence en probabilité.
3o En considérant la suite (Yn )n avec P(Yn = n2 ) = 1
n et P(Yn = 0) = 1 − n1 , que dire de la réciproque ?

32. Concentration de loi de Poisson.

Soit Xλ une variable aléatoire réelle de loi de Poisson P (λ).
1o Rappeler l’expression de la série génératrice associée à Xλ : Gλ (t) = E(t Xλ ), t ∈ R.

2o Soit x ∈ R. Montrer que E(e x(Xλ −λ) ) = eλ(e

x −1)− xλ
.

2 Je sais très bien que c’est faux en pratique !

L. A LBERT Exos Proba 6

3o Montrer que si a > 0 alors ∀ x > 0 :

x −1)− x ( λ + a )
P( Xλ − λ > a ) 6 e λ ( e

4o Montrer que si a > 0 alors

2 (1− a/λ ) /2λ
P( Xλ − λ > a) 6 e a−(λ+a) ln(1+ a/λ) 6 e−a

5o En déduire pour b > 0 :

√
X −λ 2
P( λ√ > b) 6 e−b (1−b/ λ)/2
λ
Xλ − λ 2
P( > b) 6 e−λb (1−b)/2
λ

33. Formule de Wald.

Soit ( Xn ) une suite de v.a. L1 iid à valeurs dans N. Soit N une v.a. L1 à valeurs dans N∗ indépendante des ( Xn ). On
pose
N
Z= ∑ Xi
i =1

1o Montrer que Z ∈ L1 et que

E ( Z ) = E ( X1 ) E ( N )
ce qui correspond à l’intuition :
... il y a hh en moyenne ii E( N ) termes dans la somme et chacun d’entre eux vaut hh en moyenne ii E( X1 )...
2o On considère la fonction génératrice des Xi
∞
GX ( s ) = ∑ s k P ( X1 = k )
k =0

Exprimer GZ à l’aide de GN et GX .
3o Lors d’une ponte, un insecte pond un nombre aléatoire d’oeufs suivant la loi de Poisson de paramètre λ > 0.
Ensuite la probabilité qu’un oeuf donné devienne un nouvel insecte est α ∈]0, 1[. Déterminer la loi du nombre
d’insectes issus de la ponte.

34.
1o On lance deux dés non pipés. On note S la somme des résultats. Donner la loi de S.
2o Peut-on piper deux dés de telle sorte que la somme des points soit uniformément répartie sur {2, 3, ···, 12} ?

z| }|
{z }{