Vous êtes sur la page 1sur 33

Ensimag 1

re
annee 2005-2006
Travaux dirig

es de Probabilit

es
Appliqu

ees
1 Chapitre 1 et 2
Exercice 1 . On lance deux des non pipes. Calculer la probabilite des evenements
suivants
a) Obtenir au moins un six.
b) Obtenir au moins un numero pair.
c) La somme des numeros obtenus est egale `a 6.
d) La somme des numeros obtenus est paire.
Exercice 2 . Soit X un nombre positif mesure `a lissue dune epreuve aleatoire. On
suppose que
0 a b < , P(X [a, b]) =
_
b
a
e
x
dx .
a) Calculer P(X t) pour tout t 0.
b) Calculer P(sin X 0).
c) Soit U un nombre pris au hasard dans [0, 1] tel que
0 a b 1 , P(U [a, b]) = b a .
Calculer pour tout 0 a b, P( ln(1/U) [a, b]).
Exercice 3 . Les algorithmes suivants jouent aux des. Certains trichent. Lesquels ?
a) X int(RANDOM 6) + 1
b) X round(RANDOM 5) + 1
c) X int(RANDOM 10); X (Xmod6) + 1
d) X int(RANDOM 12); X (Xmod6) + 1
e) X int(6 sqr(RANDOM)) + 1
On consid`ere que RANDOM est un nombre pris au hasard dans [0, 1] comme dans
lexercice precedent c).
Exercice 4 . Ecrire un algorithme qui retourne 0 avec probabilite
1
6
, 1 avec probabilite
1
3
et 2 avec probabilite
1
2
`a partir dun (ou plusieurs) nombres pris au hasard dans [0, 1].
Exercice 5 . Ecrire un algorithme qui choisisse entre n eventualites e
1
, . . . , e
n
,
leventualite e
i
avec la probabilite p
i
(les probabilites p
1
, . . . , p
n
sont donnees et leur
somme vaut 1).
Exercice 6 . Il y a une chance sur trois pour que lequipe dAllemagne soit en nale
du championnat du monde de football, une chance sur deux pour que lequipe du Bresil
2
le soit et onze chance sur quinze quau moins une des deux soit en nale. Quelle est la
probabilite pour que la nale oppose le Bresil et lAllemagne ?
Exercice 7 . Soit A et B deux evenements tels que :
P(A) =
1
3
; P(B) =
1
4
; P(A B) =
4
9
.
Calculer P(A[ B), P(

A[ B), P(A

B[ B).
Exercice 8 . Le quart dune population a ete vaccine contre une maladie. Au cours
dune epidemie, on constate quil y a parmi les malades un vaccine pour quatre non
vaccines. On sait de plus quil y avait un malade sur douze parmi les vaccines. Quelle
etait la probabilite de tomber malade pour un individu non vaccine ? Conclusion.
Exercice 9 . (Source Telecom : A. Bienven ue) Jojo fait du ski `a la station Vallees
Blanches. Il est en haut du teleski des Cailloux, et a le choix entre les pistes de Tout-
plat (une bleue), Les Bosses (une rouge) et Les Rase-Mottes (une noire). Il choisit une
piste au hasard de telle facon quil emprunte la bleue et la noire avec la probabilite
1/4 et la rouge quil pref`ere avec la probabilite 1/2. Il descend ensuite la piste choisie.
Jojo nest pas encore tr`es `a laise cette saison. Il tombe avec une probabilite de 1/10
sur une piste bleue, 1/6 sur une piste rouge et 2/5 sur une piste noire.
a) Calculer la probabilite de levenement Jojo tombe sur la piste quil a choisie.
b) Bernard, qui attend Jojo en bas des pistes, `a la terrasse dun cafe, voit
arriver Jojo couvert de neige : il est donc tombe. Sachant cela, quelle est
la probabilite que Jojo ait emprumpte la piste noire.
Exercice 10 . On simule le lancer de deux des equilibres `a n faces. On note S la
somme des deux des.
a) Pour tout 1 i n + 1, montrer que
P(S = i) =
i 1
n
2
.
b) Pour tout n + 2 i 2n, montrer que
P(S = i) =
2n i + 1
n
2
.
c) Calculer P(S n + 1).
Exercice 11 . On rep`ete le lancer dun de (que lon suppose equilibre) `a 10 faces
jusqu`a ce que le de produise un resultat inferieur ou egal `a 6. On note alors X le
resultat produit. Determiner la probabilite de levenement (X = k), k = 1, . . . , 6.
3
Exercice 12 . On choisit un nombre N au hasard entre 1 et 4 puis un nombre X au
hasard entre 1 et N. Quelle est la probabilite de levenement (X = k), k = 1, . . . , 4.
Exercice 13 . On rep`ete le lancer dun de (que lon suppose equilibre) `a 12 faces
jusqu`a ce que le de produise un resultat pair que lon divise nalement par deux. Le
resultat nal est-il uniformement reparti dans 1, . . . , 6 ?
Exercice 14 . Un jeu necessite le lancer dun de `a 33 faces. Comment peut-on jouer
`a ce jeu avec un de `a six faces ? Meme question avec un de `a 19 faces.
Exercice 15 . (Source AB) On lance un de `a cinq faces plein de fois. On note p
n
la
probabilite que la somme des resultats obtenus lors des n premiers lancers soit paire.
Calculer p
1
. Exprimer p
n+1
en fonction de p
n
et en deduire p
n
.
Exercice 16 . Un questionnaire `a choix multiples comprend huit questions. Pour
chacune dentre elles quatre reponses sont proposees dont une seule est la bonne. Un
candidat decide de repondre au hasard et independamment `a chacune des questions.
Soit X le nombre de bonnes reponses quil donne.
a) Determiner la loi de X.
b) Pour etre recu, il faut donner au moins cinq bonnes reponses. Quelle est la
probabilite pour que ce candidat soit recu ?
c) Ecrire un algorithme de simulation de la variable X.
d) Un autre candidat connait la reponse `a trois des questions posees et repond
au hasard aux autres. Quelle est la probabilite quil soit recu ?
Exercice 17 . Un rat se trouve dans un labyrinthe face `a quatre portes dont une
seule conduit `a la sortie. Chaque fois quil choisit une mauvaise porte, le rat recoit
une decharge electrique et revient `a son point de depart. On note X le nombre des-
sais necessaires au rat pour sortir du labyrinthe et on envisage successivement trois
hypoth`eses sous lesquelles on determinera la loi de X.
a) Le rat na pas de memoire. Il choisit `a chaque essai de facon equiprobable
lune des quatre portes.
b) Le rat a une memoire immediate. A chaque nouvel essai, il evite la mauvaise
porte de lessai precedent et choisit au hasard parmi les trois autres.
c) Le rat a une bonne memoire.
`
A chaque nouvel essai, il evite toutes les
mauvaises portes choisies precedemment et choisit au hasard parmi les res-
tantes.
Ecrire un algorithme de simulation de la variable X dans chacune des trois hypoth`eses.
Exercice 18 . (Source : A. Bienven ue) Blanche-Neige passe la serpilli`ere quand la
mechante reine se presente, grimmee en pauvre vieille, pour lui orir un panier de cinq
4
pommes bien rouges, dont une empoisonnee et deux vereuses. Blanche-Neige prend les
pommes une par une pour les croquer. Si elle tombe sur une pomme vereuse, elle jette
le reste du panier au cochon, sinon elle continue. Calculer la probabilite pour que
a) le cochon trepasse,
b) Blanche-Neige mange toutes les pommes.
Exercice 19 . Derangements. Ecrire un algorithme de simulation dune permu-
tation de 1, . . . , n au hasard (une permutation est une application bijective 1, . . . , n
dans lui-meme).
a) Quelle est la probabilite quune telle permutation ne modie pas le numero
1 ?
b) Quelle est la probabilite quune telle permutation ne modie pas les k pre-
miers numeros ?
c) Demontrer, pour toute famille nie devenements (A
i
)
i=1,...,n
, la relation
suivante
P(A
1
. . . A
n
) =
n

r=1
(1)
r+1

1i
1
<...<i
r
n
P(A
i
1
. . . A
i
r
).
d) Calculer la probabilite que la permutation simulee modie tous les numeros.
Exercice 20 . Mickey Markov est tr`es er de son beau parapluie. Surtout que la
region est tres pluvieuse et quil doit eectuer n = 20 trajets entre son domicile et
son lieu de travail chaque mois. Il demarre de son domicile. Lorsquil fait beau, Mickey
nemporte jamais son parapluie. Lorsquil pleut, il le prend dans la mesure ou il est
disponible. Lors dun trajet, il pleut avec la probabilite p. On denit la variable X
n
de
la mani`ere suivante.
X
n
= 1 si lindividu est en possession du parapluie `a lissue du n
e
trajet
X
n
= 0 sinon.
a) Ecrire un algorithme de simulation pour la variable X
n
.
b) En utilisant un argument de recurrence, calculer P(X
n
= 0).
c) Calculer la probabilite pour que Mickey se mouille lors du ni`eme trajet.
d) Cest novembre et p = 1/3. Donner une valeur approchee de la probabilite.
Exercice 21 . Quelle est la probabilite pour que sur n personnes prises au hasard,
toutes aient des dates danniversaires dierentes ? Calculer n pour que cette probabilite
soit superieure `a 0.5.
Exercice 22 . Un logiciel comporte n = 5 fautes. A chaque execution, toute faute
a la probabilite p =
1
3
detre corrigee. Les corrections sont independantes les unes des
5
autres. Combien de fois faut-il executer ce logiciel pour que la probabilite quil ne reste
aucune faute soit de 0.90 ?
Exercice 23 . Nous inhalons `a chaque inspiration environ 2.2 10
22
molecules dair.
Latmosph`ere est composee au total de 10
44
molecules dair. Quelle est la probabi-
lite dinhaler au moins une des molecules du dernier soupir de Jules Cesar lors dune
inspiration ?
Exercice 24 . Pour deux joueurs A et B, une partie de des se deroule de la mani`ere
suivante. A commence et jette deux des. Si la somme des points marques sur les deux
des est six, A est vainqueur et le jeu sarrete. Sinon, B lance `a son tour les deux des.
Si la somme des points marques est sept, B est vainqueur et le jeu sarrete. Sinon, une
autre partie est jouee. Tous les lancers de des sont supposes independants.
a) Quelle est la probabilite que A gagne `a la premi`ere partie ? Meme question
pour B.
b) Quelle est la probabilite pour que la ni`eme partie soit eectivement jouee
et que ce soit A qui la gagne ? Meme question pour B.
c) Quelle est la probabilite que A (resp. B) termine vainqueur ? A et B vont-ils
jouer indeniment ?
2 Chapitre 3
Exercice 25 . On munit un ensemble de cardinal inni de la tribu T() des parties
de et on denit une application de T() dans 0, + de la mani`ere suivante :
(A) = 0 si A est une partie nie,
= + sinon.
a) Lapplication est-elle une mesure positive sur (, T()) ?
b) Comment modier la denition de pour en faire une mesure positive ?
Exercice 26 . Etant donne un ensemble , quelle est la tribu engendree par :
a) A, A ?
b) A, B (considerer en premier lieu le cas A B = ) ?
c) A
1
, . . . , A
n
? Quel est le nombre maximal delements dans cette tribu ?
Exercice 27 . On munit = IR de sa tribu de Borel B(IR) et dune mesure positive
bornee P. Montrer que, pour tout x IR,
P(x) = lim
n
P(]x
1
n
, x +
1
n
[) .
6
Exercice 28 . Dans IR muni de sa tribu de Borel et de la mesure de Lebesgue ,
construire une suite A
n
de boreliens emboites telle que :
(

n=1
A
n
) ,= lim
n
(A
n
).
Exercice 29 . Dans IR, muni de sa tribu de Borel et de la mesure de Lebesgue ,
calculer (Q).
Exercice 30 . On munit lensemble = [0, 1] de sa tribu de Borel et de la mesure
de Lebesgue .
a) Montrer que tout x [0, 1] admet un developpement de la forme
x =

n=1
x
n
3
n
avec x
n
0, 1, 2.
b) On consid`ere lensemble ( deni par :
( = x [0, 1] : x
n
0, 2 pour tout n 1.
Montrer que ( nest pas denombrable. Proposer une mani`ere de construire
( geom`etriquement.
c) Calculer (().
Exercice 31 . Soit (, B, ) un espace mesure et X une application mesurable de
dans IR
+
.
a) On pose, pour tout entier n, A
n
= : X() n. Montrer
X integrable implique lim
n
n(A
n
) = 0.
b) Montrer
X integrable implique

n=1
(A
n
) < .
Exercice 32 . Dans IR, muni de sa tribu de Borel et de la mesure de Lebesgue ,
montrer que les conditions du theor`eme de convergence dominee de Lebesgue ne sont
pas des conditions necessaires. (On pourra considerer la suite X
n
(x) = n11
[
1
n+1
,
1
n
[
(x)).
7
Exercice 33 . On denit lapplication de IR
+
dans IR par
(t) =
_
+
0
e
x
x
t1
dx.
a) Montrer que est denie pour tout t dans IR
+
, continue, derivable sur ]
1
2
, 2[
et que

(1) =
_
+
0
e
x
ln xdx.
b) En utilisant le theor`eme de convergence dominee, montrer, pour tout entier
k :
lim
n+
_
n
0
(1
x
n
)
n
(ln x)
k
x
t1
dx =
_
+
0
e
x
(ln x)
k
x
t1
dx.
c) En deduire
lim
n+
(1 +
1
2
+. . . +
1
n
ln n) =
_
+
0
e
x
ln xdx.
Exercice 34 . Soit (, /, P) un espace muni dune structure probabiliste. Soit X
une variable aleatoire `a valeurs dans IN telle que, pour toute partie A de IN,
P(X A) =

nA
e

n
n!
o` u est une constante reelle positive.
a) Calculer
_

X dP .
b) Donner une interpretation de cette integrale. Calculer
_

X
2
dP.
Exercice 35 . Soit (, /, P) un espace muni dune structure probabiliste. Soit X
une variable aleatoire `a valeurs dans IN. Montrer que
_

X dP =

n=0
P(X > n) .
Application. Calculer cette grandeur lorsque X est une variable aleatoire de loi
geometrique de param`etre p, (0 < p < 1).
8
3 Chapitre 4
Exercice 36 . Joe et Bill jouent `a la roulette russe avec un pistolet `a six coups
qui contient une seule balle. On fait tourner le barilet une seule fois au debut du jeu.
Soit N la variable aleatoire egale `a la duree du jeu. Determiner la loi de N et son
esperance. Joe joue le premier. Quelle est la probabilite pour que Joe meure le premier.
Joe a-t-il reellement interet `a debuter le jeu ? On fait tourner le barillet avant chaque
essai. Memes questions.
Exercice 37 . On choisit 10 intervalles de longueur 1/10 dans (0, 1). Les intervalles
peuvent se recouvrir de mani`ere arbitraire. Soit U un point tire au hasard dans (0,1).
A combien dintervalles en moyenne U appartient-il ?
Exercice 38 . Soient I
1
et I
2
deux intervalles de longueur 1/2 inclus dans (0, 1). Soit
U un point tire au hasard dans (0,1) et N le nombre dintervalles qui contiennent U.
Determiner la loi de N. Calculer E[N].
Exercice 39 . Dans une urne, il y a 3 boules rouges, 2 boules noires et 5 boules
blanches. On eectue n tirages successifs dans lurne en replacant `a chaque fois la boule
tiree dans lurne. On sinteresse au nombre de boules de chaque couleur resultant de
cette experience.
a) Quelle est la nature de la variable aleatoire dinteret correspondant `a cette
experience ?
b) Quelle est sa loi ?
c) Integrer cette variable sous la mesure de probabilite correspondant au mod`ele
de cette experience ?
Exercice 40 . (Source AB) Mathematiques nanci`eres. Jojo veut envoyer dix
billets de 10000 francs CFA `a son amis Gbetnkom qui habite au Cameroun. Il glissera
les billets entre les pages darticles de mathematiques quil lui enverra. Cependant, un
envoi sur cinq est perdu ou detourne par les postiers ou les douaniers. Jojo pense `a
trois methodes denvoi dierentes :
1. Il met les dix billets dans un seul paquet ;
2. Il met cinq billets dans un seul paquet et cinq dans un autre ;
3. Il met chaque billet dans un paquet dierent, et enverra les dix paquets `a des
dates dierentes.
On note X le nombre de billets recu par Gbetnkom.
a) Pour chacune des methodes precedentes, determiner la loi de X, son esperance
et sa variance.
9
b) Quelle est la meilleure strategie denvoi si lon veut que E[X] soit maximale,
ou que Gbetnkom recoive au moins un billet avec la plus grande probabi-
lite possible, ou que Gbetnkom recoive tous les billets avec la plus grande
probabilite possible.
Exercice 41 .
`
A La Grave (Hautes-Alpes), le nombre dalpinistes inexperimentes qui
se perdent dans la montagne suit la loi de Poisson de param`etre > 0. Un alpiniste
inexperimente peut tomber dans une crevasse avec la probabilite p ou subir des chutes
de pierres avec la probabilite q. Quelle est la loi du nombre dalpinistes tombes dans
une crevasse, ou victimes de chutes de pierres, ou les deux ?
Exercice 42 . Soit (, /, P) un espace muni dune structure probabiliste. Soient
A, B, C trois evenements independants dans la tribu /. On denit la variable aleatoire
X par
X = 11
A
+ 11
B
+ 11
C
.
Calculer E[X] et E[X
2
]. Determiner la loi de la variable aleatoire X.
Exercice 43 . Un joueur parie sur la realisation devenements A et B de la mani`ere
suivante. Le gain du joueur est dune unite si A se realise. Il ajoute r unites supple-
mentaires `a ce gain si, de surcroit, B se realise aussi. Si A ne se realise pas, le joueur
perd s unites. Soit X la variable aleatoire egale au gain du joueur `a lissue du pari.
1) Exprimer X sous la forme dune variable etagee en faisant apparatre les fonc-
tions indicatrices de A, A B et

A.
2) Calculer lesperance de X.
3) Determiner la loi de X.
Le pari porte sur le lancer de deux pi`eces de monnaie non truquees et sur les
evenements A = La premi`ere pi`ece montre pile et B = la deuxi`eme pi`ece montre
pile.
4) A quelle condition lesperance E[X] est-elle positive ?
5) On suppose que r = s = 1. Calculer V ar(X).
Exercice 44 .
Question A - Soit U un nombre pris au hasard dans lintervalle (0, 1) et (I
1
, . . . , I
m
)
une partition de (0, 1) en m intervalles. On denit la variable aleatoire discr`ete K de
la mani`ere suivante
k = 1, . . . , m , (K = k) si I
k
contient U.
1) Determiner la loi de la variable aleatoire K.
2) Nous nous interessons `a la longueur de lintervalle qui contient U. Il sagit dune
variable aleatoire que lon note L. Soit la mesure de Lebesgue sur (0, 1). Montrer
10
que
E[L] =
m

k=1
((I
k
))
2
.
Question B - Un individu cherche `a localiser le point U dans lintervalle (0, 1). Il
questionne un oracle qui connait la valeur de U et ne repond que par oui ou non. Le
joueur adopte la strategie suivante. Il xe un reel dans (0, 1) et demande si U < .
Il obtient une reponse qui lui permet de localiser U soit dans lintervalle (0, ) soit
dans lintervalle (, 1) (etape 1). Le joueur proc`ede alors iterativement en divisant
lintervalle obtenu apr`es chaque reponse en 2 sous-intervalles de longueurs respectives
proportionnelles `a et 1 puis en demandant si U se trouve dans le premier de
ces intervalles. Soit (I
n
k
)
k{1...2
n
}
la partition de (0, 1) en les 2
n
intervalles susceptibles
detre obtenus apr`es la reponse `a la n-i`eme question.
1) Montrer que, pour tout k = 1, . . . , 2
n
,
(I
(n+1)
2k1
) = (I
(n)
k
)
(I
(n+1)
2k
) = (1 )(I
(n)
k
)
2) Soit ,= 1/2. Demontrer par recurrence que la partition susceptible detre ob-
tenue `a letape n contient exactement C
r
n
intervalles de longueur
r
(1 )
nr
,
r = 0, . . . , n . (Un interet particulier sera accorde `a la redaction).
3) Nous cherchons `a evaluer la precision sur lestimation de U en considerant lin-
tervalle obtenu `a la n-i`eme etape. Nous appelons
n
() la precision moyenne
obtenue lorsque U varie dans (0, 1).
a) En utilisant la question A, montrer que

n
() = (
2
+ (1 )
2
)
n
b) Avec la strategie adoptee, quel choix de vous semble-t-il optimal ?
c) Calculer la variance liee `a la precision obtenue. Que vaut cette variance pour
la valeur obtenue precedemment ?
Exercice 45 . Soit un nombre reel positif et U une variable aleatoire de loi uniforme
sur lintervalle (0, 1). Determiner la loi de la variable V = U.
Exercice 46 . Determiner la loi de la variable X en sortie de lalgorithme suivant.
Repeter
V := 2 RANDOM
Jusqu`a (V < 1.6)
X := V
Quelle est la loi du nombre dappels de RANDOM dans cet algorithme ?
11
Exercice 47 . Soit U une variable aleatoire de loi uniforme sur lintervalle (0, 1).
Determiner la fonction de repartition puis la densite, lorsquelle existe, de la variable
X denie par
a) X =

U ;
b) X = (2U 1)
2
;
c) X = 1/(1 +U) .
Dans chacun des cas, determiner (si cest possible) lesperance et la variance de X.
Exercice 48 . Determiner la loi de la variable X en sortie de lalgorithme suivant
Repeter
V := 1/(1 +RANDOM)
Jusqu`a (V < 3/4)
X := V
Calculer E[X] et V ar(X) si ces grandeurs existent.
Exercice 49 . Soient U et V deux variables aleatoires independantes de loi uniforme
sur (0, 1). Determiner la fonction de repartition de la variable
X = 11
(U<1/3)
V + 11
(U2/3)
(1 +V ) .
Calculer E[X] et V ar(X).
Exercice 50 . Soit X une variable aleatoire reelle positive admettant pour densite f.
a) Demontrer `a laide dune integration par parties lidentite suivante :
n 1 ,
_
n
0
xf(x)dx =
_
n
0
P(x X n)dx .
b) En deduire
E[X] =
_

0
P(X > x)dx .
Exercice 51 . Soient U
1
, . . . , U
n
, n variables aleatoires reelles independantes de
fonction de repartition commune F. Determiner la loi des variables
X = max
i
U
i
et
Y = min
i
U
i
.
12
Application : traiter le cas o` u F est la fonction de repartition de la loi exponentielle
de param`etre > 0, puis la fonction de repartition de la loi |(0, 1). Calculer E[X] et
E[Y ].
Exercice 52 . Soient U
1
, U
2
, . . . des variables aleatoires reelles independantes de loi
|(0, 1) et N une variable aleatoire de loi geometrique de param`etre p independante
des U
i
. Determiner la fonction de repartition de la variable aleatoire
X = max
1iN
U
i
.
Calculer lesperance de X.
Exercice 53 . On consid`ere la fonction F denie par
F(t) =
_

_
0 si t 0 ;
t si 0 t 1/2 ;
1/2 si 1/2 t < 1 ;
1 si t 1 .
Verier que F est une fonction de repartition. Quelle procedure peut-on utiliser pour
generer une variable aleatoire de fonction de repartition F ?
Exercice 54 . Soit U une variable aleatoire reelle de loi uniforme sur lintervalle
[0, 1]. On pose
X = ln(
2U
1 +U
) .
1) Determiner la fonction de repartition de la variable X.
2) En deduire la densite de la variable X.
3) Calculer lesperance de X.
4) Soit V une variable aleatoire `a valeurs dans 0, 1 independante de U et telle
que
P(V = 1) = 1/2 .
Determiner la fonction de repartition de la variable
Y = V X + (1 V )X
2
.
5) Ecrire un algorithme de simulation de la variable Y .
6) On pose
Z = 11
(U>1/2)
X .
Determiner la fonction de repartition de la variable Z et tracer la courbe repre-
sentative de cette fonction.
7) Quelle est la loi de la variable aleatoire Z ?
8) Calculer lesperance de Z.
13
9) Ecrire un algorithme de simulation de la variable Z.
10) On rep`ete de mani`ere independante la simulation de X jusqu`a ce que la condi-
tion (X < ln(3/2)) se realise. On appelle T la variable alors obtenue. Determiner
la fonction de repartition de la variable T et tracer la courbe representative de
cette fonction.
11) Combien de repetitions sont en moyenne necessaires pour que la condition se
realise ?
12) Calculer lesperance de T.
Exercice 55 . Soit N une variable aleatoire discr`ete telle que
P(N = 0) =
1
2
, P(N = 1) =
1
4
, P(N = 2) =
1
4
et M une variable aleatoire independante de N telle que
P(M = 0) =
1
3
, P(M = 1) =
1
3
, P(M = 2) =
1
3
.
Determiner la loi de la variable M +N.
Exercice 56 . Dans une suite de parties de pile ou face independantes, on consid`ere
la variable aleatoire Z egale au rang de la premi`ere apparition dun pile suivi dun face.
On suppose que la probabilite dobtenir un pile lors dune partie quelconque est p.
a) Determiner la loi de la variable Z.
b) Determiner la fonction generatrice de la variable Z (ecrire Z comme la
somme de deux variables aleatoires independantes dont les lois sont clas-
siques).
c) Calculer E[Z] et V ar(Z).
Exercice 57 . Les Dalton peuvent sevader du bagne de deux mani`eres dierentes :
en creusant un tunnel ou en escaladant un mur. Ils choisissent de creuser avec la
probabilite p, 0 < p < 1 ou descalader avec la probabilite 1 p. Lorsque levasion est
tentee, les Dalton sont immediatement rattrapes par Lucky Luke avec la probabilite ,
0 < < 1. Soit N le nombre dessais necessaires aux Dalton pour reussir une evasion
et X le nombre de tunnels creuses lors des tentatives successives.
1) Determiner la loi de la variable aleatoire N.
2) Soient i, n deux entiers tels que i n. Quelle est la probabilite conditionnelle
de levenement (X = i) sachant (N = n) ?
3) Determiner la loi de la variable aleatoire X.
4) Calculer lesperance de la variable X.
Exercice 58 . Lobjectif de ce probl`eme est detablir un resultat tr`es cel`ebre en
theorie des nombres, d u `a Hardy et Ramanujan (1930). La demonstration sinspire de
Turan (1934).
14
0) Soient (X
i
)
i=1,...,n
des variables aleatoires de Bernoulli et X = X
1
+ X
n
.
Montrer que
V ar(X) E[X] +

i=j
E[X
i
X
j
] E[X
i
]E[X
j
] .
Desormais, les indices intervenant dans les sommes sont des nombres premiers.
1) Soit N un nombre pris au hasard uniformement dans lensemble 1, . . . , n et p
un nombre premier plus petit que n. Montrer que lesperance mathematique de
la variable X
p
= 11
(p divise N)
est egale `a n/p|/n, o` u .| designe la partie enti`ere.
2) Soit X le nombre dentiers premiers p n qui divisent N. Montrer que
E[X] =

pn
_
1
p
+O(
1
n
)
_
.
On admet que la somme partielle est equivalente `a ln ln n lorsque n tend vers
linni.
3) Soient p et q deux nombres premiers distincts inferieurs `a n. Montrer que
E[X
p
X
q
] E[X
p
]E[X
q
]
1
pq
(
1
p

1
n
)(
1
q

1
n
) .
En deduire que

p=qn
E[X
p
X
q
] E[X
p
]E[X
q
]
1
n

p=qn
(
1
p
+
1
q
)
(n) 1
n

pn
2
p
o` u (n) compte les nombres premiers inferieurs `a n.
4) En utilisant lequivalent (n) n/ ln n, montrer, pour n grand, que
V ar(X) ln ln n(1 +o(1)) .
5)
`
A laide de linegalite de Tchebishev, montrer que
P([X ln ln n[ >

ln ln n) <
1

2
+o(1) .
6) Pour tout x entier, notons f(x) le nombre de diviseurs premiers de x. Pour toute
suite
n
, montrer que la proportion dentiers x n tels que
ln ln n
n

ln ln n < f(x) < ln ln n +


n

ln ln n
devient proche de 100% lorsque n grandit. Comment interpretez-vous ce resultat ?
15
4 Chapitre 5
Exercice 59 . Soit (X, Y ) un couple de variables aleatoires independantes `a valeurs
dans (IR
2
, B(IR
2
)) de densite f
(X,Y )
. Montrer que le support de f
(X,Y )
est le produit
cartesien de deux sous-ensembles mesurables de IR.
Exercice 60 . Soient U, V deux variables aleatoires independantes de loi uniforme
sur (0, 1). Calculer la probabilite de levenement (U < V ). Meme question lorsque U
suit la loi exponentielle de param`etre et V la loi exponentielle de param`etre .
Exercice 61 . Dans une galette des rois de rayon R, Mamie Markov a place une f`eve
circulaire de rayon r. Mickey coupe la galette en pointant le bout du couteau pile au
centre. Quelle est la probabilite de couper la f`eve ?
Exercice 62 . Soit (X, Y ) un couple de variables aleatoires de densite
f
(X,Y
)(x, y) = 4 y (1 x) 11
[0,1]
2(x, y).
a) Montrer que X et Y sont independantes.
b) Determiner les densites de X et Y .
Exercice 63 . Soit (X, Y ) un couple de variables aleatoires de densite
f
(X,Y )
(x, y) =
1
2

xy
11
D
(x, y)
o` u D = (x, y) IR
2
/0 < x y 1.
a) X et Y sont-elles independantes ?
b) Determiner les densites de X et Y .
c) Determiner les densites conditionnelles de X sachant Y = y et de Y
sachant X = x.
d) Calculer E[X], E[Y ], V ar(X), V ar(Y ), Cov(X, Y ).
Exercice 64 . Soient X et Y deux v.a.r. independantes de loi ^(0, 1).
a) Determiner la densite de la variable R
2
= X
2
+Y
2
.
b) Reprendre la question precedente en utilisant un changement de variables
approprie.
c) Reprendre la question precedente en utilisant la fonction caracteristique.
d) Calculer E[R
2
].
Exercice 65 . Soit un angle aleatoire de loi |
[/2,/2]
. On pose X = cos ,
Y = sin . Les variables X et Y sont-elles correlees ? Sont-elles independantes ?
16
Exercice 66 . Soient X et Y deux variables independantes de loi respectivement
G(a, ) et G(b, ). On pose Z = X + Y et T = Y/X. Determiner la loi du couple
(Z, T). Montrer que Z et T sont independantes, determiner leurs lois respectives.
Exercice 67 . (Source AB) Des fois, quand la circulation automobile `a Paris est bien
bloquee, Jack quitte sa paillasse sous le pont Sully pour remonter la voie sur berge, en
demandant `a chaque automobiliste une cigarette papier mas `a bout ltre. A chaque
voiture, il a une probabilite p den obtenir une. On note X le nombre de demandes quil
a d u faire avant dobtenir sa cigarette. Ayant obtenu une (resp. n) cigarette(s), Jack
redescend la meme le de voitures jusqu`a son repaire pour faire la manche aupr`es de
ceux quil a dej`a sollicites en vain. La probabilite dobtenir une aumone est alors q `a
chaque vehicule. Il obtient Y nouvelles cigarettes.
a) Etablir la loi de probabilite de X, son esperance et sa variance.
b) Determiner la loi conditionnelle de Y sachant que X = et la loi du couple
(X, Y ).
c) Determiner la loi de Y et calculer E[Y ].
Exercice 68 . On consid`ere un couple de variables aleatoires (X, Y ) de densite
conjointe
f(x, y) =
_
cye
x
si (x, y) ,
0 sinon.
o` u c est une constante positive et est le domaine de IR
2
deni par
= (x, y) : 0 < y < x .
1) Determiner la constante c.
2) Determiner les lois marginales des variables X et Y ainsi que la covariance du
couple (X, Y ).
3) Determiner la loi conditionnelle de la variable Y sachant X = x. En deduire
lesperance conditionnelle E[Y [X = x].
4) Soit X une variable de loi G(3, 1) et U une variable de loi |(0, 1) independante
de X. Determiner la loi du couple (X,

UX). En deduire un algorithme de si-


mulation du couple de densite f.
Exercice 69 . Soit (X, Y ) un couple de variables aleatoires de densite
f
(X,Y )
(x, y) = 4y(x y)e
(x+y)
11
D
(x, y)
o` u D = (x, y) IR
2
: 0 < y < x. Calculer la moyenne conditionnelle m
Y =y
X
, pour
tout y > 0. En deduire lesperance conditionnelle E[X[Y ]. Calculer E[X].
Exercice 70 . Ecrire un algorithme de simulation pour le couple de variables aleatoires
de densite
f
(X,Y )
(x, y) =
1
2

xy
11
D
(x, y)
17
o` u D = (x, y) IR
2
: 0 < x < y < 1.
Exercice 71 . Expliciter lalgorithme de rejet par rapport `a la loi uniforme pour une
variable X de densite f dans (0, 1) et prouver que cet algorithme simule la variable
souhaitee.
Exercice 72 . On desire simuler une variable aleatoire Y de densite
y IR, f
Y
(y) =
3
2
_
1 y11
[0,1]
(y).
a) Trouver un domaine de D de IR
2
et une variable X tels que le couple (X, Y )
soit de loi uniforme sur le domaine D. (On pourra chercher D de la forme
(x, y) IR
2
: 0 < x < g(y).)
b) En deduire un algorithme de simulation de la variable Y .
c) Ecrire lalgorithme de rejet pour la variable Y `a partir de la loi |(0, 1)
(avec la constante optimale). Comparer avec lalgorithme de la question
precedente.
Exercice 73 . Utiliser la methode de rejet pour simuler la variable de densite
x IR, f(x) = 20x(1 x)
3
11
[0,1]
(x)
`a partir de la loi |(0, 1). Quelle est lesperance du nombre dappels de RANDOM
dans lalgorithme ainsi obtenu ?
Exercice 74 . Soit 0 < a < 1. On consid`ere lalgorithme
X 0
Repeter
X X +RANDOM
jusqu`a (X > a)
Soit N(a) le nombre dappels de RANDOM dans cet algorithme.
a) Demontrer, par recurrence, en conditionnant `a la valeur du dernier appel
de RANDOM
n 0, P(N(a) > n) =
a
n
n!
.
b) Calculer lesperance de la variable N(a).
c) Calculer la fonction generatrice de la variable N(a).
18
Exercice 75 . Soit 0 < x < 1. On consid`ere lalgorithme
Y x ; X RANDOM
Tant que (Y < X) faire
Y X
X RANDOM
FinTantque
Soit N(x) le nombre dappels de RANDOM dans cet algorithme. On pose f(x) =
E[N(x)].
a) En conditionnant `a la valeur du premier appel de RANDOM, montrer que
f satisfait `a
f(x) = 1 +
_
1
x
f(u)du.
b) Calculer f(x).
Exercice 76 . Soit (X
n
) une suite de variables aleatoires reelles positives independantes
et de meme loi. On dit quil y a record au temps n > 1 si
X
n
max
1in1
X
i
.
a) Determiner la probabilite de record au temps n.
b) Calculer le nombre moyen de records passes au temps n.
c) Que pensez vous de lassertion : on battra toujours des records.
5 Chapitre 6
Exercice 77 . Soient X, Y, Z trois variables aleatoires independantes de meme loi
c(1). On pose
T = X +Y
U = Y +Z
V = Z
Determiner la loi du triplet (T, U, V ) ainsi que sa matrice de covariance.
Exercice 78 . Soit X un vecteur de IR
3
de norme 1 dont la direction est aleatoire et
distribuee uniformement sur la sph`ere unite.
19
a) Soit C une transformation orthogonale de IR
3
. Montrer que X et CX ont
meme loi.
b) Calculer lesperance de X.
c) Quelle est la matrice de covariance de X ? Donner une interpretation geometrique
de ce resultat.
Exercice 79 .
a) Soit X une variable aleatoire de loi ^(0,
2
). Quelle est la loi de X
2
? Quelle
est sa fonction caracteristique ?
b) Soit X une vecteur aleatoire gaussien dans IR
n
de moyenne nulle et de
matrice de covariance reguli`ere
X
.
Montrer quil existe un vecteur gaussien Y dont les coordonnees sont
independantes et dont la norme est egale `a la norme de X.
Soit S
2
=

n
i=1
X
2
i
. Montrer que la fonction caracteristique de S
2
est
egale `a
(t) =
1
_
det(I 2it
X
)
, t IR.
Exercice 80 . Soit X une variable aleatoire de loi ^(0, 1) et S une variable
independante de X, prenant les valeurs +1 et 1 avec probabilte
1
2
. On pose Y = SX.
a)
`
A laide de la fonction caracteristique, montrer que Y suit la loi ^(0, 1).
b) Calculer Cov(X, Y ).
c)
`
A laide de la fonction caracteristique, montrer que le couple (X, Y ) nest
pas gaussien.
Exercice 81 . Soit (X, Y ) un couple de variables aleatoires de densite
f
(X,Y )
(x, y) = Aexp(x
2
+xy y
2
/2) , (x, y) IR
2
.
a) Determiner la constante A. Montrer que (X, Y ) est un vecteur aleatoire
gaussien. Ecrire son esperance, sa matrice de covariance, sa fonction ca-
racteristique.
b) Quel est le coecient de correlation de X et de Y ?
c) Determiner la matrice de covariance du couple (X, Y X). En deduire la
loi de la variable X
2
+ (Y X)
2
.
d) Ecrire un algorithme de simulation du couple (X, Y ).
Exercice 82 . Soit (X, Y, Z) un vecteur aleatoire gaussien de moyenne nulle et de
matrice de covariance K egale `a
_
_
2 1 1
1 2 1
1 1 2
_
_
20
On pose
U = X +Y +Z
V = X Y +Z
W = X +Y Z
a) Determiner la loi des variables U, V et W.
b) Determiner la matrice de covariance du vecteur (U, V, W).
c) Ecrire un algorithme de simulation dune variable de loi ^(0, K).
d) Quelle est la loi de la variable (U
2
+V
2
+W
2
)/4 ?
e) Quelle est la loi X ? Quelle est la loi conditionnelle de Y sachant (X = x) ?
Quelle est la loi conditionnelle de Z sachant ((X = x) et (Y = y)) ? En
deduire un nouvel algorithme de simulation dune variable de loi ^(0, K).
f) Comparer ces dierents algorithmes.
Exercice 83 . Soit (X, Y ) un couple de variables aleatoires de densite
(x, y) IR
2
, f
(X,Y )
(x, y) = C exp(
4x
2
2xy +y
2
6
)
o` u C est une constante positive.
1) Montrer que le couple (X, Y ) est gaussien, de moyenne m = (0, 0) et de matrice
de covariance
K =
_
1 1
1 4
_
.
En deduire la valeur de la constante C.
2) Determiner la loi de X, de Y . Quelle est la valeur de cov(X, Y ) ? Les variables
X et Y sont-elles independantes ?
3) On pose
_
U = X Y
V = X
Montrer que le couple (U, V ) est gaussien et caracteriser sa loi. Les variables U
et V sont-elles independantes ?
4) Ecrire un algorithme de simulation pour le couple (X, Y ). (On prendra soin de
demontrer que le couple en sortie de cet algorithme est bien de densite f
(X,Y )
.)
5) Determiner la loi conditionnelle de Y sachant X = x .
6)
`
A la suite de la question precedente, ecrire un nouvel algorithme de simulation
du couple (X, Y ).
Exercice 84 . Soit X et Y deux variables aleatoires independantes de loi respectives
c(1) et c().
1) Calculer la probabilite de levenement (Y < X).
21
2) On sinteresse `a la loi conditionnelle de X sachant que levenement (Y < X) est
realise. Montrer que
t 0, P(Y < X t) =
_
t
0
(e
y
e
t
)e
y
dy
En deduire que la fonction de repartition de la loi cherchee verie
t 0, F(t) = 1 e
t
+
1

_
e
(1+)t
e
t
_
.
3) Calculer lesperance dune variable aleatoire de loi denie ci-dessus et montrer
que cette esperance tend vers 2 lorsque tend vers 0.
6 Chapitre 7
Exercice 85 . Soit (a(n))
n1
une suite de reels compris entre 0 et 1 telle que a(n) 0
lorsque n . Pour tout n IN, on consid`ere lalgorithme /
n
X
n
0
Repeter
X
n
X
n
+ 1
jusqu`a (RANDOM > a(n))
Examiner les convergences en loi, L
2
et presque s ure de X
n
en sortie de lalgorithme
/
n
lorsque n . Idem pour la variable Y
n
= (1 a(n))X
n
.
Exercice 86 . Soit (a(n))
n1
une suite de reels positifs telle que a(n) 0 lorsque
n . Pour tout n IN, on consid`ere lalgorithme /
n
X
n
ln(RANDOM) a(n)
Examiner les convergences en loi, L
2
et presque s ure de X
n
en sortie de lalgorithme
/
n
lorsque n .
Exercice 87 . Soit (f
n
)
n1
la suite de fonctions de [0, 1] dans IR denies par
f
n
(x) = 2n
3
2
x , 0 x
1
2n
2

n 2n
3
2
x ,
1
2n
x
1
n
0 , x
1
n
.
22
Pour tout n IN, on consid`ere lalgorithme /
n
X
n
f
n
(RANDOM)
Examiner les convergences en loi, L
2
et presque s ure de X
n
en sortie de lalgorithme
/
n
lorsque n . (meme question avec f
n
2 `a la place de f
n
).
Exercice 88 . Soit (a(n))
n1
une suite de reels positifs et (X
n
)
n1
une suite de
variables aleatoires bornees uniformement. On suppose

k=1
a(k) < . Montrer l
existence presque s ure de la variable

k=1
a(k)X
k
.
Application - On pose a(n) =
1
10
n
et (X
n
)
n1
est une suite de variables aleatoires de loi
uniforme sur lensemble 0, . . . , 9 que lon suppose independantes. Montrer lexistence
presque s ure de la variable

k=1
a(k)X
k
et en determiner la loi.
Exercice 89 . Montrer la convergence en loi de la suite de sommes partielles
Y
n
=
n

k=1
X
k
/2
k
o` u les X
k
sont des variables gaussiennes independantes de loi N(m,
2
).
Exercice 90 . Soit (a
n
) une suite de reels positifs tendants vers +. On consid`ere
lalgorithme /
\
suivant
X
n
ln(RANDOM)
Y
n
a
n
RANDOM
Si (X
n
< Y
n
)
Z
n
0
sinon
Z
n
1
FinSi
Montrer que la suite (Z
n
) converge en loi vers la masse de Dirac en 0. Donner une condi-
tion necessaire et susante portant sur la suite (a
n
) pour que la suite (Z
n
) converge
presque s urement.
Exercice 91 . Soit (X
n
) une suite de variables aleatoires independantes de loi de
Bernoulli de param`etre p et (Y
n
) une suite de variables independantes de loi de Bernoulli
de param`etre q, q > p. On suppose de plus les deux suites independantes. On forme
les sommes partielles
S
n
= X
1
+ +X
n
, n = 1, 2, . . .
23
et
T
n
= Y
1
+ +Y
n
, n = 1, 2, . . .
Montrer que les evenements (S
n
> T
n
) se realisent p.s. en nombre ni.
Exercice 92 . Soient (U
n
) et (V
n
) deux suites de variables aleatoires de loi uniforme
sur lintervalle [0, 1]. On suppose que ces variables aleatoires sont independantes dans
leur ensemble. On pose
n 1 ,
_
X
n
= 1 si U
2
n
+V
2
n
1
0 sinon
et Z
n
= 4(X
1
+. . . +X
n
)/n.
1) Determiner la loi de la variable X
n
.
2) Montrer que la suite (Z
n
) converge presque s urement vers = 3.14159...
3) Soit ]0, 1[ et > 0.
a) A laide de linegalite de Markov, determiner un entier n
0
tel que
n n
0
, P([Z
n
[ > ) .
b) A laide du theor`eme central limite, donner une approximation de la
probabilite P([Z
n
[ > ). Quel entier n
0
peut-on alors choisir ?
4) Ecrire un algorithme qui retourne une valeur approchee de `a 10
4
pr`es, avec
une probabilite superieure `a 0.95.
Exercice 93 . Une agence de voyage dispose de 100 places sur un vol Paris-New York.
Pour tenir compte des eventuels desistements, elle decide daccepter 120 reservations.
La probabilite pour quun passager ayant reserve se presente `a lembarquement est 0.8
et les passagers sont supposes independants.
a) Quelle est la loi de la variable aleatoire S egale au nombre de passagers
qui, ayant reserve leur place par lagence, se presenteront eectivement `a
lembarquement ?
b) En utilisant le theor`eme central limite, calculer la probabilite pour que le
nombre de passagers presents `a lembarquement soit superieur `a 100.
c) Combien de reservations au maximum lagence aurait-elle d u accepter pour
que cette probabilite soit inferieure `a 0.01 ?
Exercice 94 . (Source AB) Controle industriel. Dans la fabrique demmental
de Jojo, les trous sont obtenus grace `a la trouilleuse qui fabrique les trous un `a un. Cette
machine, fabriquee en bois par Jojo, nest pas tr`es able : lorsquon la fait marcher
pour faire un trou, elle ne reussit que dans 80 pour cent des cas. Dans le milieu de la
fromagerie, on dit quun emmental est correctement troue sil a au moins 250 trous.
Combien de fois au moins doit on faire marcher la trouilleuse sur un meme emmental
pour etre s ur `a 95 pour cent dobtenir un fromage correctement troue.
24
Exercice 95 . Un cinema comporte deux salles contenant chacune n places. N
personnes se presentent `a lentree (n < N < 2n). Chaque spectateur choisit au hasard
et independamment des autres la salle o` u il rentre.
a) Soit S le nombre de spectateurs qui choisissent la premi`ere salle. Quelle est
la loi de S ?
b) Exprimer en fonction de S, de n et de N lev`enement E : tous les specta-
teurs peuvent entrer dans la salle de leur choix.
c) Comment le constructeur aurait-il d u choisir n si N = 1000 et si on exige
que la probabilite de lev`enement E soit au moins egale `a 0.99.
Exercice 96 . 0n fait 100 parties de pile ou face avec une pi`ece equilibree. Quelle
est la probabilite dobtenir au plus 40 faces ? Au plus 50 faces ? Au moins 45 faces et
au plus 55 faces ?
Exercice 97 . Soit X une variable aleatoire de loi binomiale B(n, p). Montrer que
quand n tend vers + et p vers 0 avec np = , o` u > 0 est xe, alors P[ X = k ]
tend vers e

k
k!
.
On etudie larrivee des appels dans un central telephonique. On admet que, durant
un intervalle de temps de 10 secondes, la probabilite quun appel survienne est p et
la probabilite quil ny ait pas dappel est 1 p (on neglige la probabilite quil y ait
plus dun appel sur un tel intervalle). On suppose que les evenements concernant des
periodes successives de 10 secondes sont independants. Soit X la variable aleatoire
nombre dappels au cours dune heure. Quelle est la loi de probabilite de X ? Donner
une approximation de la probabilite quil y ait 15 appels dans lheure quand p = 0.05.
7 Chapitre 8
Exercice 98 . Un message peut prendre deux formes - 0 ou 1 - et doit etre trans-
mis dun individu A `a un individu B par une suite de N intermediaires. Chaque in-
termediaire modie le message de 0 en 1 avec probabilite p et de 1 en 0 avec probabilite
q, independamment des modications precedentes. Soit X
n
la forme prise par le mes-
sage apr`es le passage par le ni`eme intermediaire.
a) Montrer que la suite (X
n
)
n0
est une chane de Markov homog`ene. Donner
sa matrice et son graphe de transition. La chane est-elle irreductible ?
b) Exprimer la loi de la variable X
N
en fonction de la loi de X
0
.
c) Montrer la convergence en loi de X
N
lorsque N tend vers linni.
d) On suppose p > 0, q = 0 et X
0
= 0. Montrer la convergence presque s ure
de X
N
vers 1 lorsque N tend vers linni.
e) Soit
T
0
= infn 1; X
n
= 0.
Calculer E[T
0
[ X
0
= 0]. Que constate-t-on ?
25
Exercice 99 . Un rat se trouve dans un labyrinthe face `a deux portes. Il choi-
sit la premi`ere de ces deux portes avec probabilite
1
3
et la deuxi`eme avec probabilite
2
3
. Quand il choisit la premi`ere porte, il revient `a son point de depart en une mi-
nute. Quand il choisit la deuxi`eme porte, il eectue un trajet dune minute (jusqu`a
un point intermediaire) puis rebrousse chemin avec probabilite
1
2
(le retour lui prend
alors une minute) ou sort du labyrinthe en une minute. Tous les choix du rat se font
independamment les uns des autres. Soit T le temps passe par le rat dans le labyrinthe.
Quelle est la loi de T ? Calculer E[T].
Exercice 100 . Une bote A contient initialement deux jetons portant chacun le
numero 0, une boite B contient initialement deux jetons portant chacun le numero 1.
On proc`ede `a lexperience suivante. On choisit au hasard et simultanement un jeton de
A et un jeton de B. On place dans B le jeton de A et dans A le jeton de B, puis on
recommence. . .
On note X
n
la somme des points des jetons contenus dans A apr`es n echanges.
a) Trouver une relation entre la loi de X
n
et celle de X
n1
.
b) En deduire la loi de X
n
et son esperance mathematique.
c) Quelle est la loi limite de X
n
?
d) Proposer un algorithme de simulation de la variable X
n
.
e) Reprendre la question c) lorsque les botes A et B contiennent un nombre
arbitraire identique de jetons.
Exercice 101 . On souhaite modeliser levolution de conditions meteorologiques `a
laide dun processus (X
n
) `a deux etats 0, 1. On consid`ere que X
n
= 0 si le soleil sest
montre au jour n et dans le cas contraire on pose X
n
= 1. La prevision de la variable
X
n+1
se fait au vu de lobservation des conditions aux jours n et n 1, c.`a.d,
P(X
n+1
= k [ X
0
= i
0
. . . X
n2
= i
n2
; X
n1
= i ; X
n
= j) = q
(i,j), k
pour tout i
0
, i
1
, . . . , i
n2
, i, j, k dans 0, 1. On estime
q
(0,0), 0
= ; q
(1,1), 1
= o` u 1/2 < , < 1
et
q
(0,1), 0
= q
(1,0), 0
= q
(0,1), 1
= q
(1,0), 1
= 1/2 .
a) Quelles sont les valeurs de q
(0,0), 1
et q
(1,1), 0
?
b) On pose Y
n
= (X
n
, X
n+1
) pour tout n 0. Montrer que (Y
n
) est une chane
de Markov homog`ene sur E = (00), (10), (01), (11). Quelle est sa matrice
de transition ?
c) Montrer que la suite (Y
n
) converge en loi vers une loi que lon determinera.
d) En deduire que la suite (X
n
) converge en loi vers une loi que lon determinera.
26
Exercice 102 . Soit 0 < p < 1. On consid`ere une chane de Markov (X
k
)
k0
denie
sur lensemble E = 1, . . . , n par la matrice de transition
P =
_
_
_
_
_
_
_
_
p 1 p 0 . . .
p 0 1 p 0 . . .
p . . 1 p . . .
p 0 . . . 0 1 p
1 0 0
_
_
_
_
_
_
_
_
1) Representer le diagramme des transitions de la chane.
2) Demontrer la convergence en loi de la suite (X
k
) independamment de la loi de
X
0
. Determiner la mesure de probabilite invariante de la chane.
3) Verier que la mesure de probabilite invariante est la loi conditionnelle dune
variable geometrique conditionnee `a etre plus petite que n.
27
Ensimag 1
re
annee 2004-2005
Probabilites Appliquees
28 Janvier 2005
Duree 3h00 - Tous documents autorises.
Bar`eme indicatif : I : 6 - II : 8 - III : 6
Probl`eme I - Soit U une variable aleatoire de loi uniforme sur (0, 1) et I une variable
de loi de Bernoulli de param`etre 1/2, independante de U.
1) On pose
X = (1 2I)(1 U
0.25
)
Determiner la fonction de repartition de X ainsi que sa densite. Calculer E[X]
et V ar(X).
2) On consid`ere quatre variables independantes U
1
, . . . , U
4
de loi uniforme sur (0, 1)
et on note W = min
i
U
i
. Determiner la loi de la variable
Y = (1 2I)W
en supposant I independante de W. Que remarque-t-on ?
3) Proposer une methode de simulation pour une variable aleatoire de densite
x R, f(x) =
_
_
_
2x
3
si 0 x 1 ;
2(2 x)
3
si 1 x 2 ;
0 sinon.
Probl`eme II - Un rat se trouve dans un labyrinthe face `a m portes (m 2) dont une
seule conduit `a la sortie. Lorsquil emprunte une porte ne conduisant pas `a la sortie,
il revient au point initial. On sinteresse au nombre de portes empruntees par le rat
avant de sortir du labyrinthe. On note X cette variable aleatoire.
1) Le rat na pas de memoire. Determiner la loi de X et son esperance.
2) le rat na toujours pas de memoire. On demarre lexperience avec 2 portes et,
`a chaque erreur, on rajoute une (mauvaise) porte. Determiner la probabilite de
levenement (X > k), k 0, la loi et lesperance de X.
3) Le nombre de portes est `a nouveau xe, egal `a m. Le rat na pas de memoire
pendant 1 essais, puis il a ensuite une memoire immediate et evite la derni`ere
porte visitee.
a) Determiner la loi de la variable
X

= Y 11
(Y )
+ 11
(Y >)
( +Z)
o` u Y et Z sont independantes, de loi respectives ((1/m) et ((1/(m1)).
b) Montrer que X a la meme loi que la variable X

.
c) Deduire de la question precedente un algorithme de simulation de X.
Probl`eme III. Soit (X
n
) une suite de variables aleatoires independantes de loi
exponentielle de param`etre > 0. On pose
n 1, S
n
= X
1
+. . . +X
n
,
et on note f
S
n
(s) la densite de probabilite de la variable S
n
(que lon ne cherchera pas
`a calculer immediatement).
1) Soit n 0. Determiner la densite conjointe du couple (S
n
, X
n+1
).
2) Soit t 0. Determiner un sous-ensemble B
t
de R
2
+
tel que
P(S
n+1
> t) =
__
B
t
f
S
n
(s) e
x
dsdx.
3) Montrer que
t 0, P(S
n+1
> t) =
_
t
0
P(S
n
> t x) e
x
dx +e
t
.
4) Demontrer que
t 0, P(S
n
> t) = e
t
_
1 +t +. . . +
(t)
n1
(n 1)!
_
.
5) Soit N une variable aleatoire de loi geometrique ((p) independante des (X
n
).
Determiner la fonction de repartition de la variable aleatoire
S
N
= X
1
+. . . +X
N
.
Quelle est la loi de la variable S
N
?
Ensimag 1
re
annee 2004-2005
Probabilites Appliquees
Mercredi 18 mai 2005
Duree 3h00 - Tous documents autorises.
Bar`eme indicatif : I : 6 points. II : 5 points. III : 9 points.
Probl`eme I - On consid`ere un couple (X, Y ) de variables aleatoires de densite conjointe
(x, y) R
2
, f(x, y) = cx
2
y11
D
(x, y) ,
o` u c est une constante positive et D = (x, y) R
2
; 0 < x < y < 1 .
1) Determiner la valeur de c, la loi de la variable Y , la densite de la loi conditionnelle
de X sachant Y = y pour tout y (0, 1), et lesperance conditionnelle E[X [ Y ].
2) Calculer E[X].
3) Calculer la covariance du couple (X, Y ).
4)

Ecrire un algorithme de simulation dun couple de densite f.
5) On pose
_
Z = XY
T = Y
Determiner la loi du couple (Z, T) et en deduire la loi de la variable Z.
Probl`eme II. - On consid`ere un couple gaussien (X, Y ) de moyenne nulle et de matrice
de covariance
K =
_
4 2
2 9
_
.
1) Decrire la loi du couple (Z, T) deni de la mani`ere suivante
_
Z = X
T = X +Y
2) Deduire de la question precedente la loi de lesperance conditionnelle E[X [ T].
3) Trouver une application lineaire inversible
A =
_
a
11
a
12
a
21
a
22
_
,
telle que les coordonnees a
11
X +a
12
Y et a
21
X +a
22
Y sont independantes.
4) Decrire un algorithme de simulation du couple (X, Y ).
Probl`eme III. - On consid`ere une suite (U
n
) de variables aleatoires independantes de
loi uniforme sur (0, 1) et la fonction
u (0, 1), (u) =
_
(1 u)u
3
.
1) Pour tout n 1, on pose
Y
n
=
1
n
n

i=1
(U
i
).
Montrer que la suite Y
n
converge p.s. vers la limite 1 denie ci-dessous
1 =
_
1
0
(u)du.
On admettra jusqu`a la question 8) que 1 = /16.
2) Calculer la variance de la variable aleatoire Y
n
.
3) Soit = 10
3
.
`
A laide du theor`eme de tendance vers la loi normale, donner une
estimation du rang n `a partir duquel on peut considerer que
P([Y
n
1[ < ) 0.95 .
(Rappel : La fonction de repartition de la loi normale F(t) est approximativement
egale `a 0.975 au point t = 1.96).
4) On consid`ere la loi de densite f denie sur lintervalle (0, 1) de la mani`ere sui-
vante
v (0, 1), f(v) = 6v(1 v).
et une suite (V
n
) de variables aleatoires independantes et de loi de densite f. Pour
tout n 1, on pose
Z
n
=
1
n
n

i=1
(V
i
)
f(V
i
)
.
Montrer que la suite Z
n
converge p.s. vers 1 et comparer la variance de la variable
Z
n
`a celle de Y
n
.
5)

Ecrire un algorithme de simulation de la loi de densite f.
6) Proposer deux algorithmes de calcul de lintegrale 1 sappuyant sur les ques-
tions 1) et 4). Lequel vous semble le plus performant des deux pour n appels du
generateur aleatoire ?
7) Soit 1 3. On consid`ere desormais que f appartient `a la famille de densites
f

denies sur lintervalle (0, 1) de la mani`ere suivante


v (0, 1), f

(v) = c

(1 v).
Calculer la constante c

.
`
A quel choix de correspond lalgorithme de calcul de
1 le plus performant ? La performance est-elle superieure `a celle de lalgorithme
sappuyant sur la question 1) ?
8) Demontrer que 1 = /16.
Ensimag 1
re
annee 2004 -2005
Probabilit

es Appliqu

ees
Septembre 2005
Duree 3h - Tous documents autorises. Les parties I, II, III sont independantes.
Bar`eme indicatif : I : 6 - II : 7 - III : 7
Probl`eme I - On consid`ere la densite de probabilite f
X
suivante
f
X
(x) = (1 [x[) 11
[1,+1]
(x), x IR.
1) Calculer lesperance et la variance de la loi de densite f
X
.
2) Utiliser la methode de simulation par inversion pour simuler la loi de densite
f
X
.
3) Montrer que la variable X a pour densite f
X
en sortie de lalgorithme suivant
X := alea() ; Y := alea()
if ( X > Y ) then X := Y endif
if ( alea() < 0.5 ) then X := -X endif
o` u alea() designe un generateur aleatoire de loi uniforme sur [0, 1].
4) Soit (U, V ) un couple de variables aleatoire de loi uniforme sur (0, 1).

Etudier la
loi de la variable Y = U V .
Probl`eme II - Soit X une variable aleatoire de loi uniforme sur [0, 1] et Y une variable
aleatoire dont la loi conditionnelle sachant X = x est la loi uniforme sur [0, x] pour
tout x (0, 1).
1) Soit x (0, 1). Quelle est la fonction de repartition de la loi conditionnelle de Y
sachant X = x?
2) Donner un algorithme de simulation du couple (X, Y ).
3) Soit 0 t 1. Montrer que la fonction de repartition de la variable Z = X +Y
est egale `a
0 t 1, F(t) = t log(2)
4) Soit 1 t 2. Montrer que la fonction de repartition de la variable Z = X +Y
est egale `a
1 t 2, F(t) =
_
1
0
P(Y t x [ X = x)dx,
et calculer cette fonction pour tout t 0. Tracer une representation graphique
de la fonction F.
5) Calculer E[Z] (Il est possible de traiter cette question sans repondre aux ques-
tions 3 et 4).
6) Calculer E[Z
2
](Il est possible de traiter cette question sans repondre aux ques-
tions 3 et 4) .
Probl`eme III - Une urne contient une boule noire et une boule blanche. On eectue
dans lurne une serie de tirages avec remise selon la r`egle suivante. Lorsque lon tire une
boule blanche, on remet dans lurne une boule noire (lurne contient alors deux boules
noires). Lorsque lon tire une boule noire, on remet dans lurne une boule noire avec
la probabilite p, ou une boule blanche avec la probabilite q = 1 p (0 p 1). On
note
n
la probabilite pour que lurne contienne une boule noire et une boule blanche
`a lissue du n
e
tirage (apr`es remise).
1) Soit X
n
le nombre de boule(s) noire(s) contenue(s) dans lurne `a lissue du n
e
tirage (apr`es remise). Decrire la loi de la variable X
1
.
2) Decrire la loi conditionnelle de la variable X
n
sachant X
n1
= 0, 1 ou 2 (3 cas).
3) Montrer que la probabilite
n
converge vers une constante (p) que lon calculera
(ne pas chercher `a calculer
n
).
4) Justier le fait que la vitesse de convergence est dordre lineaire, c.`a.d,
1
n
log [
n
(p)[ log(), > 0
et calculer la constante .