[PDF] Exercices de probabilités avec éléments de correction Memento





Previous PDF Next PDF



loi uniforme exercices corrigés. Document gratuit disponible sur

LOI UNIFORME. EXERCICES CORRIGES. Exercice n°1 (correction). X est une variable aléatoire qui suit la loi uniforme sur l'intervalle I.



Exercices de probabilités avec éléments de correction Memento

Loi de Poisson P(?) ? ?]0 +?[. N p(k) = e?? ?k k! Lois continues. Nom. Paramètres. Support Définition : P(A) = ?. A f(x)dx. Loi uniforme U([a



Loi de probabilité continue

Exemple. La loi uniforme sur [ab] a pour densité la fonction On appelle loi uniforme sur l'intervalle [a



LES LOIS A DENSITES : loi uniforme.

On passe d'un modèle discret (par exemple la loi binomiale où les valeurs possibles pour la variable aléatoire sont des nombres entiers) à un modèle continu (il 



Couples et vecteurs de variables aléatoires Préparation `a l

On trouve ici que X et Y suivent une loi uniforme sur {12



Cours de probabilités et statistiques

On peut considérer par exemple l'événement qui correspond `a Mis `a part le prestige dû `a son nom la loi uniforme est la loi de l'absence ...



Estimation paramétrique

modèle de Bernoulli X = (X1



UN EXEMPLE DINTRODUCTION DES LOIS A DENSITE EN

Mars 2020 - Avril 2020. UN EXEMPLE D'INTRODUCTION DE L'ESPERANCE. (LOI A DENSITE) ET DE LA LOI UNIFORME. EN TERMINALE S AU LYCEE DU COUDON (83).





LOIS À DENSITÉ

Pour cela on utilise la fonction de densité f définissant la loi de probabilité. Dans l'exemple précédent



[PDF] Terminale S - Loi uniforme Loi exponentielle - Parfenoff org

Exemple 2 : Le temps d'attente exprimé en minutes au guichet d'une banque est une variable aléatoire T suivant la loi exponentielle de paramètre On sait que 



[PDF] Loi uniforme - exercices corrigés - Maurimath

LOI UNIFORME EXERCICES CORRIGES Exercice n°1 (correction) X est une variable aléatoire qui suit la loi uniforme sur l'intervalle I



[PDF] Loi de probabilité continue

La loi uniforme est la version continue de la loi uniforme discrète Définition On appelle loi uniforme sur l'intervalle [ab] la variable aléatoire notée 



[PDF] LES LOIS A DENSITES : loi uniforme

Pour comprendre la loi uniforme on peut penser à des exemples du type : • Prendre un nombre au hasard entre deux nombres (il y a une infinité de valeurs) • La 



[PDF] Chapitre 4 : Lois de distribution continues

4 1 Loi uniforme Si toute valeur de X est équiprobable dans l'intervalle [ab] alors X suit une loi uniforme La fonction de densité est:



EMV de la loi uniforme - ENS Rennes

Exemples et applications Résultats : Soient X1 Xn des variables aléatoires de même loi uniforme U[0?] avec ? ? R? 4 vitesse et loi limite :



[PDF] loi-uniforme-exercicepdf - Jaicompris

Loi uniforme : Exercices Corrigés en vidéo avec le cours sur jaicompris com Loi uniforme et probl`eme de rendez-vous Anissa doit retrouver Manon au café 



[PDF] Loi continue : Partie II Loi uniforme sur [a ; b]

Propriété : Soit X une variable aléatoire qui suit une loi uniforme sur [a ; b] Exemple 1 : Caroline a dit qu'elle passerait voir Julien à un moment 



[PDF] LOIS À DENSITÉ - maths et tiques

1) Loi uniforme sur [0 ; 1] Exemple : Des machines remplissent des bouteilles de lait de 1 litre L'une d'entre elles est défectueuse et au passage de 

  • Comment savoir si une loi est uniforme ?

    Comment savoir si une loi est uniforme ? Il s'agit d'une loi uniforme si chaque issue a une probabilité égale d'arriver.
  • Pourquoi utiliser loi uniforme ?

    D'après le théorème cité plus haut, la loi uniforme permet en théorie d'obtenir des tirages de toute loi continue à densité. Il suffit pour cela d'inverser la Fonction de répartition de cette loi, et de l'appliquer à des tirages de la loi uniforme standard.
  • C'est quoi une probabilité uniforme ?

    En théorie des probabilités, une loi discrète uniforme est une loi de probabilité discrète pour laquelle la probabilité de réalisation est identique (équiprobabilité) pour chaque modalité d'un ensemble fini de modalités possibles.
  • La loi du couple (X, Y ) est définie par l'ensemble des probabilités : IP(X = x, Y = y) pour toutes valeurs possibles x et y. De même, pour y ? DY , on a IP(Y = y) = ?x?DX IP(X = x, Y = y).
Université Paris 13, Institut Galilée Préparation à l"agrégation

Année universitaire 2013-2014

Exercices de probabilités

avec éléments de correctionMemento

Fonctions associées aux lois

PourXvariable aléatoire à valeurs dansRd,

F onctionde répartition (si d= 1) :FX(t) =P(Xt),t2R F onctiongénératrice (si Xà valeurs dansN) :GX(s) =E[sX] =P1 n=0P(X=n)sn,s2 j R;Rj T ransforméede Laplace : LX() =E[eh;Xi]2]0;+1],2Rd F onctioncaractéristique : X(t) =E[eiht;Xi]2C,t2Rd Lois discrètesNomParamètresSupportDéfinition :P(A) =P

a2Ap(a)Loi de Diracaa2Rfagp(a) = 1Loi de BernoulliB(p)p2[0;1]f0;1gp(0) = 1p,p(1) =pLoi binomialeB(n;p)n2N,p2[0;1]f0;:::;ngp(k) =n

kpk(1p)nkLoi géométriqueG(p)p2]0;1]N p(k) = (1p)k1pLoi de PoissonP()2]0;+1[Np(k) =ekk!Lois continues

NomParamètresSupportDéfinition :P(A) =R

Af(x)dxLoi uniformeU([a;b])a < b[a;b]f(x) =1ba1[a;b](x)Loi exponentielleE()2]0;1[]0;+1[f(x) =ex1]0;+1[(x)Loi de Cauchya2]0;+1[Rf(x) =a(a2+x2)Loi normale/gaussienneN(m;2)m2R; 22]0;+1[Rf(x) =1p22exp

(xm)222Déterminer des lois : exemples

Exercice 1.Lois binomiale et géométrique

SoitX1;X2;:::une suite de variables aléatoires indépendantes et de loiB(p)oùp2[0;1].

1.On supposep >0. On définitN= inffn1jXn= 1g.

1.a)Montrer queP(N=1) = 0et queNsuit la loi géométrique de paramètrep.

1.b)Calculer l"espérance et la variance deN.

2.Soitn1. On définitSn=X1++Xn.

2.a)Montrer queSnsuit la loi binomiale de paramètresnetp, par une preuve directe puis en utilisant des

fonctions génératrices.

2.b)Calculer l"espérance et la variance deSn(utiliser la définition deSn).

Exercice 2.Minimum et maximum d"une famille de variables aléatoires exponentielles

SoitX;Ydeux variables aléatoires indépendantes de lois respectivesE()etE(). À l"aide de fonctions de

répartition, déterminer les lois deU= min(X;Y)etV= max(X;Y). On précisera leur densité (le cas échéant).

Exercice 3.Somme de variables aléatoires

1.SoitX;Ydes variables aléatoires indépendantes de loisP()etP(). Déterminer la loi deX+Y, directement

puis via les fonctions génératrices.

2.SoitX;Ydes variables aléatoires indépendantes de loi de Cauchy de paramètreaetb. À l"aide des fonctions

caractéristiques, déterminer la loi deX+Y.Pour obtenirX, on pourra utiliser la formule de Cauchy avec un

contour bien choisi, ou alors avoir l"idée de calculer la fonction caractéristique de la loi de Laplace

a2 eajxjdx et utiliser la formule d"inversion.

Exercice 4.Lois images

1.SoitXune variables aléatoire de loiE(). Déterminer la loi debXc+ 1.C"est une loi géométrique.

2.SoitUune variable aléatoire de loiU([1;1]). Déterminer la loi dearcsin(U).

3.SoitXde loiN(0;1). Déterminer la loi dejXj.

1

4.SoitX;Ydeux variables aléatoires indépendantes de loiN(0;1). Déterminer la loi deXY

. En déduire la loi de 1Z siZsuit une loi de Cauchy de paramètre 1.

5.SoitX;Ydeux variables aléatoires indépendantes de loiN(0;1). On définit les variables aléatoiresR;par

(X;Y) = (Rcos;Rsin),R >0et2[0;2[. Montrer queRetsont indépendantes et déterminer leurs lois.

Exercice 5.Loi Gamma

Poura >0et >0, on définit la loi

a;par sa densité relativement à la mesure de Lebesgue : f a;(x) =a(a)xa1ex1R+(x):

1.Vérifier que cette fonction définit bien une densité.

2.Déterminer l"espérance de cette loi.On utilise le fait que(a+ 1) =a(a)pour obtenir que l"espérance de cette loi esta=.

3.SoitV1;V2;:::;Vndes variables aléatoires réelles indépendantes de loiE(). Déterminer la loi du vecteur

(V1;V1+V2;:::;V1++Vn)et en déduire queV1++Vn n;.Pourn= 1, ok. Supposonsn2etS:=V1+:::+Vn1de loi n1;. Soitgune fonction mesurable bornée deRdansR. On a

E(g(V1+:::+Vn)) =E(g(S+Vn)) =Z

R g(x+y)dP(S;Vn)(x;y) et

E(g(V1+:::+Vn)) =Z

R g(t)dPV1+:::+Vn(t): Commef(v1;:::;vn1) =v1+:::+vn1etg(vn) =v2nmesurables on en déduit queSetVnsont indépen- dantes car(V1;:::;Vn1)etVnle sont, Z R g(x+y)dP(S;Vn)(x;y) =Z 1 0 dxZ 1 x dtg(t)n1(n1)etxn2 Z 1 0 g(t)n1(n1)etxn1=(n1)t 0dt Z R g(t)n(n)exp(t)tn11R+(t)dt

4.SoitXetYdeux variables aléatoires réelles indépendantes de loi

a;.

4.a)Déterminer la loi deX.On peut utiliser la fonction de répartition. Avec un changement de variable on voit queX

a;1.

4.b)Montrer queX+YetX=Ysont des v.a. indépendantes dont on calculera les lois.Soitgune fonction mesurable bornée deR2dansR2. On a

E(g(X+Y;X=Y)) =Z

R

2g(u;v)dP(X+Y;X=Y)(u;v)

et

E(g(X+Y;X=Y)) =Z

R

2gf(x;y)dP(X;Y)(x;y)

oùf(x;y) = (x+y;x=y)définie de(R+)2vers(R+)2. Comme les variablesXetYsont indépendantes, le couple(X;Y)a pour densitédPX(x)dPY(y)par rapport à la mesure de Lebesgue surR2. On fait alors le changement de variableu=x+y,v=x=y, pourx >0ety >0; Ceci est équivalent àx=uv=(v+ 1)ety=u=(v+ 1)pouru >0etv >0.

On a de plusjJ(u;v)j=v=(v+ 1)u=(v+ 1)

1=(v+ 1)u=(v+ 1)2

=u(v+ 1)2. Il suit

E(g(X+Y;X=Y)) =Z

R

2g(u;v)u2a1eu1u>0va1(v+ 1)2a1v>02a(a)2dudv:

2 Les variables sont indépendantes,dPX+Y(u) =2a(2a)u2a1eu1u>0duetdPX=Y(v) = (2a)(a)2v a1(v+ 1)2a1v>0dv.

4.c)Montrer queX+YetX=(X+Y)sont des v.a. indépendantes. Calculer la loi deX=(X+Y).Soitgune fonction mesurable bornée deR2dansR2. On a

E(g(X+Y;X=(X+Y))) =Z

R

2g(u;v)dP(X+Y;X=(X+Y))(u;v)

et

E(g(X+Y;X=(X+Y))) =Z

R

2gf(x;y)dP(X+Y;X=(X+Y))(x;y)

oùf(x;y) = (x+y;x=(x+y))définie de(R+)2vers(R+)2. Comme les variablesXetYsont indépendantes,

le couple(X;Y)a pour loidPXdPY=fa;(x)fa;(y)dxdy. On fait alors le changement de variableu=x+y,v=x=(x+y), pourx >0ety >0; Ceci est équivalent àx=uvety=u(1v)pouru >0etv2(0;1).

On a de plusjJ(u;v)j=v u

1vu =u. Il suit

E(g(X+Y;X=(X+Y))) =Z

R Les variables sont donc indépendantes et on a de plusdPX=(X+Y)(v) =(2a)(a)2(v(1v))a1105.SoitXetYdeux variables aléatoires réelles indépendantes de loi a;et b;respectivement. Déterminer la loi deX+Y.Le seul point délicat est de calculer Rt

0xa1(tx)b1dx=ta+b1R1

0ya1(1y)b1dy=ta+b1Ca;b. La

constanteCa;best forcément égale à(a)(b)=(a+b)en tenant compte de la normalisation.

6.SoitZ1;Z2;:::;Zndes variables aléatoires réelles indépendantes de loiN(0;1).

6.a)Montrer queZ21suit une loi

1=2;1=2.SiZ1est de loiN(0;1)etgune fonction mesurable bornée deRdansR, on a

E(g(X2)) =Z

R g(u)dPX2(u)E(g(X2)) =Z R g(x2)dPX(x) =1p2Z R g(x2)ex2=2dx:

Par parité dex7!g(x2)ex2=2on aE(g(X2)) =2p2R

1

0g(x2)ex2dx=2p2R

1

0g(y)ey=2dy2

py donc dP

X2(y) =1p2ey=2y1=21R+(y)dy.

6.b)Montrer queZ21++Z2nsuit une loi

n=2;1=2.La loi n=2;1=2est également appelée loi du khi-deux àn

degrés de liberté, notée2n.On le montre par récurrence. Pourn= 1c"est vrai. Supposons queSn1=Z21+:::+Z2n1

n12 ;12 et Z n N(0;1). On aSn=Sn1+Z2n. Commef(z1;:::;zn1) =z21+:::+z2n1etg(xn) =z2nmesurables on

en déduit queSn1etZ2nsont indépendantes car(Z1;:::;Zn1)etZnle sont. On utilise ensuite la question

5 donnant queSnsuit une

n12 +12 ;12 n2 ;12

Propriétés générales

Exercice 6.Conséquences du théorème de Fubini, fonctions indicatrices

Résoudre les questions suivantes en appliquant le théorème de Fubini(-Tonelli) de la façon suggérée.

1.SoitNune variable aléatoire à valeurs dansN. Montrer que

E[N] =X

n1P(Nn): 3 On note que, commeNest à valeurs entières,N=PN k=11 =P1 k=11fkNg. Le théorème de Fubini-Tonelli donne

E[N] =E"

1X k=11 fkNg# =1X k=1E[1fkNg] =1X k=1P(kn):

Le théorème de Fubini est ici appliqué à la fonction(n;!)7!1fkN(!)gpar rapport à la mesure produit

m N P, oùmNest la mesure de comptage surN:mN(A) = Card(A)siAN(et doncRfdmN=P n2Nf(n)

pourf:N!R). En l"occurrence, il est en fait plus simple de voir ceci comme une application du théorème

de convergence monotone pour les séries à termes positifs.

2.SoitXune variable aléatoire à valeurs dansR+, et >0. Montrer que

E[X] =Z

1 0 t1P(X > t)dt

et donner une généralisation de cette formule.On note que, commeX0, par " intégration de la dérivée »,X=RX

0t1dt=R1

01ft théorème de Fubini-Tonelli (pour la mesuredt

P) donne donc

E[X] =Z

1 0

E[1ft 1 0

P(X > t)t1dt:

Le principe de la preuve s"applique par exemple à toute fonctiongmonotone de classeC1de]0;+1[dans

R, pour laquelle on peut écrireg(X) =g(0) +RX

0g0(t)dt, d"où de même

E[g(X)] =g(0) +Z

1 0

P(X > t)g0(t)dt:

3.Soit(An)n1une suite d"événements.

3.a)On noteNle nombre (aléatoire) d"événéments parmi ceux-ci qui se produisent. CalculerE[N]en fonction

des probabilitésP(An),n1.On note queN=P1 n=11An. Par suite, par le théorème de Fubini-Tonelli (pour la mesuremN

PoùmN

est la mesure de comptage surN),

E[N] =1X

n=1E[1An] =1X n=1P(An):

3.b)On suppose queP

nP(An)<1. Montrer que presque-sûrement seul un nombre fini d"événements de la

suite ont lieu.C"est le lemme de Borel-Cantelli (partie la plus facile mais néanmoins la plus utile).Par la question précédente, l"hypothèse équivaut àE[N]<1. Or ceci implique queN <1p.s., ce qui

signifie que, presque sûrement, un nombre fini d"événement de la suite ont lieu.

4.CalculerC=R

Rex2dxsans utiliser de coordonnées polaires. (ÉcrireC2comme une intégrale double puis, dans l"intégrale,e(x2+y2)=R1 x

2+y2etdt)Par le théorème de Fubini-Tonelli,

C 2=Z 1 0 ex2dxZ 1 0 ey2dy=Z ]0;1[2e(x2+y2)dxdy: En écrivant (par une intégration immédiate)e(x2+y2)=R1 x

2+y2etdt=R1

01ft>x2+y2getdtpourx;y >0,

on a, à nouveau par le théorème de Fubini-Tonelli, C 2=Z ]0;1[2Z 1 0 1 ft>x2+y2getdtdxdy=Z 1 0 et Z ]0;1[21ft>x2+y2gdt! dxdy L"intégrale entre parenthèses est l"aire du quart de disque de rayon pt, donc vautt4 (certes, s"il fallait le

redémontrer, ceci se ferait le plus directement en passant en coordonnées polaires...). On a donc

C 2=4 Z 1 0 tetdt=4 4

(intégration par parties, ou reconnaître l"espérance de la loiE(1)pour éviter de refaire le calcul), d"oùC=p

2

On rappelle la preuve classique : partant deC2=R

]0;+1[2e(x2+y2)dxdycomme ci-dessus, il suffit d"effectuer un changement de coordonnées pour passer en coordonnées polaires ((r;)7!(rcos;rsin)est bien un difféomorphisme de]0;+1[]0;2 [sur]0;+1[2, de jacobienr7!r) : C 2=Z =2 0Z 1 0 er2rdrd=2 12 er21 r=0=4

5.SoitA1,...,Andes événements. Montrer laformule du crible, oùjSjdésigne le cardinal deS:

P(A1[ [An) =nX

k=1(1)k+1X

1i1<

Sf1;:::;ng;S6=;(1)jSj+1P\

i2SA i :Pour tous événementsAetB, on a1A\B=1A1Bet1Ac= 11A, en revanche il n"y a pas de formule aussi

simple pour la réunion, mais on peut se ramener à une intersection en passant au complémentaire :

1 A[B= 11Ac\Bc= 11Ac1Bc= 1(11A)(11B) =1A+1B1A1B=1A+1B1A\B; ce qui, en intégrant chaque membre, donneP(A[B) =P(A) +P(B)P(A\B). On généralise maintenant cette formule ànévénements. On a 1

A1[[An= 11Ac1\\Acn= 1Y

i(11Ai) = 1X

Sf1;:::;ng(1)1+jSjY

i2S1 Ai:

(où, en développant,Sdésigne l"ensemble des indices du produit où l"on garde le terme1Aiau lieu du

terme1). En prenant l"espérance de chaque terme, on obtient l"égalité demandée (l"expression avec les indices

i

jest une réécriture en utilisant l"injectionS7!(i1;:::;ik)oùk=jSj,S=fi1;:::;ikgaveci1< ::: < ik,

cette écriture étant unique). Par exemple, P(A[B[C) =P(A) +P(B) +P(C)P(A\B)P(A\C)P(B\C) +P(A\B\C):

Exercice 7.Autour de l"indépendance

1.SoitX;Y;Zdes variables aléatoires indépendantes, de loi=12

1+12

1. On noteX0=Y Z,Y0=XZet

Z

0=XY. Montrer queX0,Y0,Z0sont des variables aléatoires de loiindépendantes deux à deux, mais non

indépendantes (dans leur ensemble).On note queX0,Y0etZ0sont à valeurs dansf1;1get sont définies de manière symétrique (cyclique), donc

pour montrer l"indépendance 2 à 2 il va suffire de vérifier que

P(X0= 1;Y0= 1) =P(X0= 1)P(Y0= 1):

En effet on a ensuiteP(X0= 1;Y0=1) =P(X0= 1)P(X0= 1;Y0=1) =P(X0= 1)P(X0= 1)P(Y0=

1) =P(X0= 1)P(Y0=1), puis on a passe de même àP(X0=1;Y0=1) =P(X0=1)P(X0=

1;Y0= 1), et la symétrie induit les autres vérifications. Or on a

P(X0= 1;Y0= 1) =P(Y Z= 1;XZ= 1) =P(X=Y=Z) =P(X= 1)3+P(X=1)3=14 et P(X0= 1) =P(Y Z= 1) =P(Y= 1;Z= 1) +P(Y=1;Z=1) =P(Y= 1)2+P(Y=1)2=12 d"où l"égalité voulue.X;Y;Zsont donc indépendantes 2 à 2. En revanche, P(X0= 1;Y0= 1;Z0=1) =P(Y Z= 1;XZ= 1;XY=1) = 06=P(X0= 1)P(Y0= 1)P(Z0=1);quotesdbs_dbs35.pdfusesText_40

[PDF] variance loi uniforme démonstration

[PDF] fonction de répartition loi uniforme discrète

[PDF] variable statistique discrète

[PDF] la leçon (pièce de théâtre)

[PDF] ionesco la cantatrice chauve

[PDF] ionesco mouvement littéraire

[PDF] ionesco rhinocéros résumé

[PDF] fonction de service technologie 5ème

[PDF] fonction de service d'une maison

[PDF] fonction de contrainte

[PDF] différence entre fonction de service et fonction technique

[PDF] difference entre fonction de service et fonction d'usage

[PDF] fonction de service exemple

[PDF] fonction de service définition

[PDF] exercice multiplication 6ème ? imprimer