MPSI Schweitzer Programme de colle no 30 : semaine du 10 au 14 juin 2024
Programme de colle.
1 Espérance, variance, covariance.
• Espérance : dé nition comme X(ω)P ({ω}), caractérisation par la loi. Positivité et croissance
P
ω∈Ω
de l'espérance, inégalité triangulaire, linéarité. Théorème de transfert à une ou plusieurs variables.
Espérance d'un produit de variables indépendantes.
• Variance : dé nition comme E[(X −E(X))2 ], formule de Koenig-Huyghens. Dé nition de l'écart-type
comme la racine carrée de la variance. Variance d'un transfert a ne, dé nition du transfert a ne
centré réduit d'une variable aléatoire.
• Covariance. Dé nition, formule de Koenig-Huyghens. L'indépendance implique la décorrélation. Bi-
linéarité, symétrie, positivité. Identités remarquables. Variance d'une somme, cas où les variables
sont décorrélées.
• Propriétés caractérisées par la loi : si X ∼ Y , alors X et Y ont même espérance et même variance, et
pour toute fonction f dé nie au moins sur Im(X) on a f (X) ∼ f (Y ), et donc ces variables aléatoires
ont même espérance et même variance.
• Moments des lois usuelles : loi certaine, loi de Bernoulli, réécriture pour la variable indicatrice d'un
évènement, loi binomiale. Les moments de la loi uniforme ne sont pas au programme, mais l'espé-
rance se calcule très rapidement.
• Inégalités de concentration. Markov, Bienaymé-Tchebychev. Utilisation de Markov avec un transfert
de X pour obtenir des inégalités de concentration sur X .
1
MPSI Schweitzer Programme de colle no 30 : semaine du 10 au 14 juin 2024
Questions de cours.
Donner une ou deux questions (selon la longueur des questions) parmi la première série, et une parmi la
deuxième série.
• Démontrer la croissance de l'espérance.
• Démontrer la linéarité de l'espérance.
• Démontrer que E(X) = xP (X = x).
P
x∈X(Ω)
• Démontrer le théorème de transfert.
• Démontrer la formule de Koenig-Huyghens (pour la variance ou pour la covariance).
• Démontrer la formule donnant la variance d'un transfert a ne d'une variable aléatoire.
n
• Calcul de la variance de Xi . Cas où les variables sont indépendantes.
P
i=1
• Enoncer et prouver l'inégalité de Markov.
• Enoncer et prouver l'inégalité de Bienaymé-Tchebychev (on suppose l'inégalité de Markov déjà
connue).
• (Marche aléatoire).
Une puce se déplace aléatoirement dans le plan, selon le protocole suivant :
A l'instant 0, elle se trouve au point (0, 0).
A chaque instant, elle eectue un déplacement de longueur 1 dans l'une des quatre directions
suivantes (choisie au hasard) : est, ouest, nord ou sud.
Pour tout n ∈ N, on note Xn l'abscisse de la puce, Yn son ordonnée, et Zn sa distance à l'origine.
1. Déterminer, pour tout n ∈ N, l'espérance et la variance de Xn .
2. Déterminer de même E(Yn ) et V (Yn ) pour tout n.
3. Calculer E(Zn2 ).
√
4. Montrer alors que pour tout n ∈ N, on a |E(Zn )| ≤ n.
2
MPSI Schweitzer Programme de colle no 30 : semaine du 10 au 14 juin 2024
• (CCINP 99)
1. Rappeler l'inégalité de Bienaymé-Tchebychev.
2. Soit (Yn ) une suite de variables aléatoires mutuellements indépendantes, de même loi. On pose
n
Yk .
P
Sn =
k=1
Prouver que : ∀a ∈]0, +∞[, P Sn V (Y1 )
.
n − E(Y1 ) ≥ a ≤ na2
3. Application
On eectue des tirages successifs, avec remise, d'une boule dans une urne contenant 2 boules
rouges et 3 boules noires.
A partir de quel nombre de tirages peut-on garantir à plus de 95% que la proportion de boules
rouges obtenues restera comprise entre 0,35 et 0,45 ?
Indication : considérer la suite (Yi ) de variables aléatoires de Bernoulli où Yi mesure l'issue
du i-ème tirage.
• (Urnes de Polya).
Une urne contient initialement 2 boules noires et 4 blanches. On fait 100 tirages successifs d'une
boule. Après chaque tirage, on remet la boule tirée dans l'urne et on ajoute une boule supplémentaire
de même couleur. Pour n ∈ J1, 100K, on note Xn la variable aléatoire qui vaut 0 si la n-ème boule
n
tirée est blanche et 1 sinon. On pose Sn = Xk .
P
k=1
1. Déterminer la loi de X1 , son espérance, sa variance.
2. Soit n ∈ J1, 100K et k ∈ J0, nK, calculer P(Sn =k) (Xn+1 = 1).
6+n .
3. Montrer que pour tout n ∈ J1, 100K, P (Xn+1 = 1) = 2+E(S n)
4. Montrer par récurrence forte que pour tout n ∈ J1, 100K, Xn ∼ B(1/3).