Epita PRBS2 exosTD1

Probabilités
Probabilités et Statistiques (2) : TD n°1

Avant-propos : Chaque fois qu’une simulation ou un code informatique est attendu, seule la commande RAND() générant une
simulation de la loi U[0; 1[ sera acceptée parmi les commandes capables de générer des valeurs pseudo-aléatoires.
On pourra résumer cette attente au moyen de la locution “à partir de variables aléatoires uniformes sur [0; 1["
Exercice 1 Pour n ≥ 2, entier naturel, on se donne X1 , X2 , . . . , Xn des VAR mutuellement indépendantes de loi B(p) avec
p ∈]0; 1[ fixé.
1. Donner la loi de Sn = X1 + · · · + Xn .
2. Si n est arbitrairement grand et que np ≈ 1, à quelle loi de référence peut-on assimiler celle de Sn ?
3. Compléter le code pour obtenir une simulation de Sn , les valeurs n et p étant fournies en entrées de programme :
n=int(input("nombre essais"))
p=float(input("proba succès générique"))
U=zeros(n)
for k in range(n):
U[k] = rand()
X=zeros(n)
.........................................
4. Ecrire un script de simulation d’une approximation de la loi de Poisson de paramètre λ > 0 à partir d’une série de VAR
de loi uniforme sur [0; 1[.
Exercice 2 les petits chevaux Au jeu des petits chevaux, on lance un D6 (un dé cubique, à six faces numérotées de 1 à 6, bien
équilibré) à chaque tour de jeu, jusqu’à obtention d’un 6 permettant de faire sortir son premier cheval de l’écurie et, pour
ainsi dire, de débuter le jeu à proprement parler.
1. On note T le nombre de tours écoulés au moment de la sortie du premier cheval. Quelle est la loi de T ?
2. Déterminer E[T ] et V[T ].
3. Proposer un code de simulation d’une (initalisation de) partie à 4 joueurs, renvoyant le numéro du premier joueur à
faire sortir son premier cheval de l’écurie, à partir de variables aléatoires uniformes sur [0; 1[.
Exercice 3 Polynôme à racines aléatoires

On se donne une variable aléatoire X suivant une loi de Poisson de paramètre λ > 0.
1. Déterminer la probabilité que P (t) = t2 − 2Xt + X + 1 ademtte des racines réelles distinctes.
2. On note S l’abscisse du sommet de la parabole représentant la fonction P . Quelle est la valeur de E[S] ?
3. Peut-on choisir λ pour que la probabilité que cette même parabole passe par le point de coordonnées (X; X) excède
50% ?
4. Déterminer l’altitude espérée du sommet de la parabole aléatoire ainsi générée.
Exercice 4 Une variable aléatoire N définie sur un espace probabilisé suit une loi de Poisson de paramètre 5.
X désigne une variable aléatoire définie sur le même espace probabilisé. Enfin, on pose Y = N − X. On suppose enfin
que N, X, Y sont à valeurs entières positives et que pour tout (n; k) ∈ N2 , si k ≤ n alors :
k n−k
n 1 4
P[N =n] [X = k] =
k 5 5
PRBS2 : TD 1
Probabilités
1. Démontrer que X ,→ P(1)
2. Déterminer la loi de Y
3. Pour tout (k; j) ∈ N2 , calculer P[X = k ∩ Y = j] et comparer avec la valeur de P[X = k] × P[Y = j]
Conclusions ?
Exercice 5 Poisson a varié...

On considère une suite (Xn )n≥2 de variables aléatoires mutuellement indépendantes dont les lois respectives sont données
par :
k−1 n+1
∀n ≥ 2∀k ∈ J2; n + 1K P[Xn = k] =
nk k
n+1
X
1. Vérifier que, pour tout n ≥ 2 on a bien P[Xn = k] = 1
k=2
k−1
2. Démontrer que, pour tout k ≥ 2 fixé on a lim P[Xn = k] =
n→+∞ k!
X k−1
3. Démonter que la série converge et calculer sa somme.
k!
k≥2
k−1
En déduire l’existence d’une variable aléatoire Z vérifiant Z(Ω) = N\{0; 1} et pour laquelle P(Z) =
k!
+∞
X
4. Etablir la convergence de la série kP(Z) et en calculer sa valeur.
k=2
5. Comparer lim E[Xn ] avec E[Z].
n→+∞
1 n
Indication : On pourra vérifier que P[Xn > k] =
nk k
6. Proposer un script de génération pseudo-aléatoire de la variable Z à partir de variables aléatoires uniformes sur [0; 1[.
On posera ε = n1 le paramètre d’approximation toléré pour la qualité de la simulation réalisée.
Interpréter ensuite au mieux les effets du paramètre ε.
1
Exercice 6 Soit θ > 0 fixé. On suppose que X ,→ P(θ). On définit Y = .
X +1
1. Décrire la fonction FY de répartition de Y .
2. Démontrer que Y admet un espérance puis la déterminer.
Exercice 7 Mais qu’est-ce qu’un entier aléatoire ?

On considère une variable aléatoire X définie sur un espace probabilisable (Ω ; A) telle que X(Ω) = N.
On notera pk la valeur de P[X = k] pour k ∈ N.
1. Justifier que lim pn = 0 et en déduire qu’il n’existe pas de loi de probabilité uniforme sur N
n→+∞
2. Que pensez-vous de la phrase " on tire un entier aléatoire" ?
3. Vérifier que X est pair constitue bien un événement et en déduire que X est impair également.
On notera [X ∈ 2N] et [X ∈ 1 + 2N] respectivement ces deux événements.
(a) On suppose que X suit une loi géométrique de paramètre p > 0.
Existe-il une valeur de p pour laquelle P[X ∈ 2N] = P[X ∈ 1 + 2N] ?
(b) On suppose que X suit une loi de Poisson de paramètre λ > 0.
Existe-il une valeur de λ pour laquelle P[X ∈ 2N] = P[X ∈ 1 + 2N] ?
4. Bernard, Polytechnicien, déclare :
PRBS2 : TD 2
Probabilités
"Un groupe de personnes se présente, sans que l’on puisse connaître à l’avance le nombre d’individus. La probabilité
1
d’obtenir un nombre pair de personnes est forcément "
2
Que pensez-vous de cette allégation ?
PRBS2 : TD 3

Epita PRBS2 exosTD1

Transféré par

Droits d'auteur :

Formats disponibles

Epita PRBS2 exosTD1

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Epita PRBS2 exosTD1

Transféré par

Droits d'auteur :

Formats disponibles

Probabilités

Probabilités et Statistiques (2) : TD n°1

Exercice 3 Polynôme à racines aléatoires

Exercice 5 Poisson a varié...

Exercice 7 Mais qu’est-ce qu’un entier aléatoire ?

Vous aimerez peut-être aussi