0% ont trouvé ce document utile (0 vote)
2 vues2 pages

Corrigé de l'interrogation n°12 en probabilités

Le document traite de probabilités et de statistiques, en abordant des concepts tels que les lois binomiales, l'espérance et la variance des variables aléatoires. Il présente des démonstrations et des résultats liés à des fonctions de variables aléatoires indépendantes, ainsi que des applications de la loi de Markov. Enfin, il explore des propriétés de convergence et des calculs d'espérance pour des sommes de variables aléatoires.
Copyright
© All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd
0% ont trouvé ce document utile (0 vote)
2 vues2 pages

Corrigé de l'interrogation n°12 en probabilités

Le document traite de probabilités et de statistiques, en abordant des concepts tels que les lois binomiales, l'espérance et la variance des variables aléatoires. Il présente des démonstrations et des résultats liés à des fonctions de variables aléatoires indépendantes, ainsi que des applications de la loi de Markov. Enfin, il explore des propriétés de convergence et des calculs d'espérance pour des sommes de variables aléatoires.
Copyright
© All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd

Interrogation no 12.

Corrigé

P Pm
1) a) P (X = n j N = m) = P ( m
i=1 Zi = n j N = m) = P ( i=1 Zi = n), car N indépendant des Zi :
P
Comme les Zi sont indépendantes, la loi de mi=1 Zi est la loi binomiale B(m; p):
P
Donc P (X = n) = +1 m n m n
m=0 n p q am .

P+1 m
b) Pour Y , il su¢ t de permuter les rôles de p et q. Donc P (Y = n) = m=0 n q n pm na :
m

2) a) Comme Y et Y ont même loi, alors f (Y ) et f ( Y ) ont même loi.

Comme f est impaire, f ( Y ) = f (Y ). Donc Donc E(f (Y )) = E( f (Y )) = E(f (Y )). D’où E(f (Y )) = 0:

b) On a ch(X + Y ) = (ch X)(ch Y ) + (sh X)(sh Y ):

Comme X et Y sont indépendantes, ch X et ch Y sont indépendantes. De même pour sh X et sh Y:

Donc E(ch(X + Y )) = E(ch X)E(ch Y ) + E(sh X)E(sh Y ):

Par a) appliqué à la fonction impaire sh, on a E(sh X) = 0: D’où le résultat.

3) a) E(Z) = p q = 2p 1 et V (Z) = E(Z 2 ) E(Z)2 = 1 2:

b) = n et V (Sn ) = nV (Z) = n(1 2 ):


n

c) On a = 2p 1 > 0, donc n > 0 pour tout n 2 N :


V (Sn )
(Sn 0) P (jSn nj n) et par Bienaymé-Tchebychev, P (jSn nj n) 2
:
n
1 2
Donc P (Sn 0) 2
! 0 lorsque n ! +1, donc limn!+1 P (Sn > 0) = 1:
n
p V (Sn ) 1
d) Lorsque p = 21 , = 0 et V (Z) = 1: Donc P (jSn j K n) 2
= 2:
K n K
Pn
e) ( Sn ) = k=1 ( Zk ). Comme Z et Z ont même loi, et que les v.a. ( zk ) sont elles aussi indépendantes,

alors Sn et Sn ont même loi:

f) exp(tSn ) = exp(tZ1 )::: exp(tZn ).

Comme les exp(tZk ) sont indépendantes, E(etSn ) = E(etZ )n = (ch t)n , car E(Z) = 21 e t + 12 et :

p p
g) Pour t > 0, s 7 ! exp(st) est strictement croissante, donc (Sn K n) = (etSn etK n ):

2
p p E(etSn ) ent =2
Par Markov appliquée à etSn 0, on obtient : P (Sn K n) = P (etSn etK n ) p p :
etK n etK n
p p
h) Par symétrie de la loi de Sn , on obtient P (jSn j K n) = 2P (Sn K n):
K p
On choisit ensuite t = n de sorte à minimiser 21 nt2 K n, ce qui donne le résultat souhaité.

4) a) Xn Xn+1 et Xm Xm+1 sont indépendantes dès qu’elles portent sur 4 v.a. distinctes, donc lorsque m > n + 1:

On a donc Cov(Yn ; Ym ) = 0 pour tout m > n + 1:


2 X
On a Cov(Yn ; Yn+1 ) = E(Xn Xn+1 E(Xn Xn+1 )E(Xn+1 Xn+2 ) = E(X 2 )E(X)2 E(X 2 )2 = E(X 2 )V (X):
n+2 )

En…n, Cov(Yn ; Yn ) = V (Yn ) = E(X 2 )2 E(X)4 :

P
b) On a E(Tn ) = nk=1 E(Yk ) = nE(X)2 :
P P P Pn 1
Donc V (Tn ) = nk=1 V (Yk ) + 2 j<k Cov(Yj ; Yk ) = nk=1 V (Yk ) + 2 k=1 Cov(Yk ; Yk+1 ) = O(n) + O(n) = O(n).

nn 1 1
5) a) P (f (x) = y) = n
= :
n n
P
b) Ny = x2 1Ax , où 1Ax est la fonction caratéristique de l’événement Ax : f (x) = y.
1
Comme les Zx sont indépendantes, alors Ny est la somme de n variables indépendantes de loi B :
n
1
Ce qui permet de conclure que Ny suit la loi binomiale B n; :
n
P
c) On a X = y2 1By , où By : Ny 2.
n n 1
1 n 1 1
Par b), P (By ) = 1 P (Ny = 0) P (Ny = 1) = 1 1 1 1 :
n n n
!
n n 1
1 1
Par linératié de l’espérance, on a donc E(X) = n 1 1 1 :
n n

Remarque : Exo inspiré d’un oral de l’X où on demande de prouver que E(X) n 1 2e 1 :
+1

E((Xn )2 )
6) Par Markov, P (jXn j ") = P ((Xn )2 "2 ) :
"2

Or, Xn = Xn E(Xn ) + E(Xn ) , donc par Pythagore, E((Xn )2 ) = V (Xn ) + (E(Xn ) )2 :

Par pincement, on en conclut limn!+1 P (jXn j ") = 0:

Pn 2 P
7) a) Y 2 = 2
k=1 Zk kxk k +2 j<k Zj Zk hxj ; xk i :

Or, E(Zk2 ) = E(1) = 1 et E(Zj Zk ) = 0 si j < k. Donc E(Y 2 ) = n:

Pn p
b) Supposons par l’absurde 8("1 ; :::; "n ) 2 f 1; 1gn , k k=1 "k xk k > n:

Avec les notations de a), on a Y 2 > n, donc a fortiori, E(Y 2 ) > n, ce qui contredit a).

P+1 P+1
8) a) limn!+1 pRp = 0 car pRp k=p kak reste de la série E(X) = k=p+1 kak :

b) On a toujours card Zn n.

Posons p = f0; 1; 2; :::; p 1g et p =Nn p. On a Zn = card(Zn \ p) + card(Zn \ p ):


Pn
D’une part, on a : card(Zn \ p) card( p) = p. D’autre part, on a : card(Zn \ p) k=1 1Xk p .

Donc E(Zn ) card( p) + nP (X p) = p + nRp :

p p
c) En prenant p = n et sachant que Rp = o ( p1 ), on obtient bien E(Zn ) = O( n):

Vous aimerez peut-être aussi