Exercice I. Probl`eme du chevalier de Méré. Nous notons E l
Transcription
Exercice I. Probl`eme du chevalier de Méré. Nous notons E l
Exercice I. Problème du chevalier de Méré. Nous notons E l’ensemble des quatre faces d’un dé et E 2 = E × E le carré cartésien de E. Le cardinal de E vaut 6, celui de E 2 vaut 36. 1 - Un joueur lance un dé quatre fois de suite. Nous considérons comme issue une suite de quatre dés indépendants, i.e. une liste de quatre éléments pris dans E. Le nombre d’issues possibles est possibles = 64 . Le nombre d’issues défavorables s’obtient en restreignant les possibilités aux cinq faces de poids inférieur à six de chaque dé ( E 0 = E \ {6} ), il y en a donc échecs = 54 . L’évènement « obtenir au moins un six » est le complément de l’ensemble des issues défavorables et son cardinal s’en déduit : succès = possibles − échecs. 2 - Un joueur lance une paire de dés (un rouge et un bleu) vingt quatre fois de suite. Nous considérons comme issue une suite de vingt quatre couples de dés indépendants, i.e. une liste de vingt quatre éléments pris dans E 2 . Le nombre d’issues possibles est maintenant possibles = 3624 . Le nombre d’issues défavorables s’obtient en restreignant les possibilités aux cinq faces de poids inférieur à six de chaque dé ( E 00 = E 2 \ {(6, 6)} ), il y en a donc échecs = 3524 . L’évènement « obtenir au moins un double six » est le complément de l’ensemble des issues défavorables et son cardinal s’en déduit : succès = possibles − échecs. 3 - Nous supposons que toutes les faces sont équiprobables, la probabilité du succès est le quotient du nombre de succés par le nombre de possibilités, soit, dans les deux cas proposés : Un six sur quatre lancers de un dé, succès possibles µ ¶4 5 = 1− 6 ' 0, 518 p( {6} ) = Un double six sur vingt quatre lancers d’une paire de dés, succès possibles µ ¶24 35 = 1− 36 ' 0, 491 p( {(6, 6)} ) = Conclusion, il vaut mieux parier sur un six en quatre lancers de un dé que sur un double six en vingt quatre lancers d’une paire de dés. Si on joue suffisamment pour atteindre des valeurs statistiques, le premier cas apporte un léger gain, contrairement au second. Ce problème avait été posé à Pascal, par Antoine Gombauld, Chevalier de Méré. Bnal0698, page 1/6 - 23 janvier 2009 Exercice II. 1 - Justifier le fait que le début du problème revient à l’étude d’un schéma de Bernoulli. Une épreuve élémentaire peut être considérée comme une liste de deux cartes ( arrangement ) prises parmi trente deux ou un ensemble de deux cartes ( combinaison ) prises parmi trente deux. Nous nous tiendrons à la seconde option plus classique. Ce choix fait, le résultat est binaire : réussite si la levée contient deux as, échec dans le cas contraire ce qui est caractéristique du modèle de Bernoulli. Une épreuve ( une levée dans chacun des trois tas ) peut être considérée comme une suite de trois épreuves de Bernoulli « identiques et indépendantes » à savoir : • Succès pour avoir tiré une paire d’as dans un jeu, • Echec pour ne pas avoir tiré deux as. Nous savons que si α est la probabilité de succès dans l’épreuve de Bernoulli élémentaire, la probabilité de k succès dans une suite de n épreuves suit une loi binomiale : p(S = k) = Cnk αk (1 − α)n−k Notons que S, nombre de succès, est une variable aléatoire définie sur l’ensemble considéré, mais ce n’est pas celle qui nous intéressera dans la question 4. 2 - Quelle est la probabilité de tirer deux as dans un jeu de 32 cartes ? Un minimum d’analyse combinatoire nous donne : Card({issues f avorables}) Card({issues possibles}) C42 = 2 C32 3 = 248 α = 3 - Lors du tirage successif de deux cartes de chacun des trois jeux de poker donner la probabilité des cinq événements suivants : • Aucune paire d’as : p(0) = C30 (1 − α)3 , • Une seule paire d’as : p(1) = C31 α1 (1 − α)2 , • Deux paires d’as : p(2) = C32 α2 (1 − α)1 , • Trois paires d’as : p(3) = C33 α3 , • Au moins une paire d’as : 1 − p(0) = 1 − C30 (1 − α)3 . Il suffit d’appliquer les propriétés de la loi binomiale de paramètres (3, α). En utilisant un logiciel de calcul adapté, comme Maths & Calculs-io, une commande élémentaire ( ici, p(k) := bin( 3 , 3/248 , k ) ; ) nous fournit les valeurs numériques approchées : p( 0 ) ' 0,96415 p( 1 ) ' 0,035418 p( 2 ) ' 4,3369E-4 p( 3 ) ' 1,7701E-6 1-p(0) ' 0,035853 Bnal0698, page 2/6 - 23 janvier 2009 4 - Déterminer et représenter la fonction de répartition de la variable aléatoire X : « Gain au jeu ». Plutôt qu’un long discours, regardons le programme effectué sous le logiciel Maths & Calculs-io ainsi que la réalisation graphique obtenue : /c g0 /c g1 /c g2 /c g3 := := := := -1 ; 4; 49 ; 499 ; p(k) := bin( 3 , 3/248 , k ) ; F(x) :R ; begin if (x <= g0 ) then F := 0 else if ( x <= g1 ) then F := p( 0 ) else if ( x <= g2 ) then F := p( 0 ) + p( 1 ) else if ( x <= g3 ) then F := p( 0 ) + p( 1 ) + p( 2 ) else F := 1 ; end ; /c moyenne := g0*p(0)+g1*p(1)+g2*p(2)+g3*p(3) ; /c variance := g0ˆ2*p(0)+g1ˆ2*p(1)+g2ˆ2*p(2)+ g3ˆ2*p(3)-moyenneˆ2 ; /c ecart type := sqrt( variance ) ; La syntaxe très pascalienne du texte source nous rapproche du personnage historique du chevalier de Méré. Sur le diagramme, les différences inférieures au millième sont invisibles. Fonct ion de répart it ion du gain 1 p( p( p( p( 0,5 -1 $ ) = 29 $ ) = 49 $ ) = 499 $ ) = 0,96415 0,035418 4,3369E-4 1,7701E-6 moyenne = -0,80034 ecart _ t ype = 1 ,5402 -2 -1 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 La fonction de répartition semble avoir atteint son maximum dès la valeur 4 du gain. La probabilité d’obtenir un gain supérieur à 4 apparaı̂t comme quasi nulle. 5 - L’espérance mathématique et l’écart type sont aisément lisibles dans le programme proposé, notons que la moyenne, non représentée sur le diagramme, est très inférieure à zéro. La probabilité que X soit positive est la probabilité de l’évènement « au moins une paire d’as » c’est à dire, 1 − C30 (1 − α)3 ' 0, 035853. Bnal0698, page 3/6 - 23 janvier 2009 Exercice III. 21.5” $h 16.5” $h 10” $h 15.5” A gagne B gagne h $ 1 - L’aire de la bande de plan comprise entre les deux rectangles se calcule comme différence des aires de ces derniers, soit, en pouces carré : 21, 5 × 15, 5 − 16, 5 × 10. Le rapport de l’aire du petit rectangle sur l’aire de la bande vaut ainsi 16, 5 × 10 ρ = 21, 5 × 15, 5 − 16, 5 × 10 ' 0, 98 ce qui laisse penser que le joueur A est légèrement défavorisé, mais ne nous y fions pas. 2 - Nous découpons le tapis en cinq zones, selon les positions du centre de la pièce : • Le rectangle central, où A gagne, a pour dimensions 15.500 × 900 , ce qui représente une aire A(A) = 139, 5 pouces carré. • La première frontière, no-man’s land où le jeu est nul, a une aire de (10 + 16, 5) × 2 = 53 pouces carré. • La zone où B gagne représente une aire A(B) = 20, 5×14, 5−17, 5×11 = 104, 75 pouces carré. • La deuxième frontière a une aire de (21, 5 + 15, 5) × 2 = 74 pouces carré. • Le reste du tapis ne peut pas être mesuré. Nous admettons que tout coup nul est immédiatement rejoué, la probabilité que A gagne est égale à la probabilité que «A gagne sachant que le coup est valide». Si nous restreignons l’univers à l’ensemble des coups valides, les deux évènements «A gagne» et «B gagne», sont complémentaires. Nous admettons que la probabilité, pour le centre d’une pièce, de tomber dans une des zones décrites est proportionnelle à l’aire de la zone. La probabilité de l’évènement «A gagne» est égale au quotient de l’aire A(A) par la somme des aires A(A) + A(B), soit : p( A ) = A(A) ' 0, 57 A(A) + A(B) Les pronostics de gain restent faibles, mais contraires à ce que laissait penser une analyse trop hâtive. Bnal0698, page 4/6 - 23 janvier 2009 Exercice IV. Liminaire. Avant de traiter le problème, rappelons un peu le sens des mots. Nous partons d’un univers, disons Ω , dont nous savons seulement qu’il est formé de cinq événements élémentaires équiprobables. R X 6 Φ 5 x 4 x 3 x Y −1 2 x (1) x Ω R 1 0 −1 −1 −1 0 1 2 3 4 5 Une variable aléatoire, X, associe à chaque événement élémentaire un nombre réel pris parmi les valeurs {1, 2, 3, 4, 5}, cette fonction X est une bijection de Ω sur {1, 2, 3, 4, 5}. Par définition, la probabilité d’une partie A de R est la probabilité de l’image réciproque de la partie A par X. Nous notons Φ l’application de R dans R définie par Φ(t) = (t − 3)2 . La fonction composée Y = Φ ◦ X est une application de Ω dans R, donc une nouvelle variable aléatoire. Pour déterminer la loi de la variable aléatoire Y nous calculons la probabilité de l’image réciproque de différents sous ensemble de R par Y . Par exemple la probabilité du singleton {1} : p(Y = 1) = p(Y −1 ({1})) = p(X −1 ({1})) = p(X ∈ {2, 4}) et ainsi de suite, ... le nombre de cas est très limité. 1 - La variable X étant équirépartie, nous avons immédiatement : p(X < 1) = 0 p(X = 1) = p(X = 2) = p(X = 3) = p(X = 4) = p(X = 5) = 0, 2 p(5 < X) = 0 Un calcul élémentaire nous donne la loi de Y : • Y est un carré : p(Y < 0) = 0 Bnal0698, page 5/6 - 23 janvier 2009 • Y = 0 ⇐⇒ X = 3, donc : p(Y = 0) = p(X = 3) = 0, 2 • {Y = 1} ⇐⇒ {X = 2} ∨ {X = 4}. Les évènements {X = 2} et {X = 4} étant disjoints, nous avons : p(Y = 1) = p(X = 2) + p(X = 3) = 0, 4 • {Y = 2} ⇐⇒ {X = 1} ∨ {X = 5}. Les évènements {X = 1} et {X = 5} étant disjoints, nous avons : p(Y = 2) = p(X = 1) + p(X = 5) = 0, 4 • Un dernier calcul donne {Y ≥ 3} = ∅, donc : p(3 ≤ Y ) = 0 Un calcul tout aussi élémentaire fournit la loi du vecteur (X, Y ). Nous résumons tous ces résultats dans le tableau ci-dessous, à gauche. X 1 Y 0 0 2 3 4 5 Y 0 0,2 0 0 0,2 1 0 0,2 0 0,2 0 2 0,2 0 0 0 X 0,2 0,2 0,2 0,2 0,2 1 0,8 0,6 0,4 0,2 0,4 0,2 0,4 −1 0 Y 1 X 2 3 4 5 6 A droite, nous avons représenté les deux fonctions de répartitions. 2 - La probabilité de l’évènement {(X, Y ) = (1, 0)}, soit 0, est différente du produit des probabilités marginales, p(X = 1) = 0, 2 et p(Y = 0) = 0, 2, les variables aléatoires X et Y ne sont pas indépendantes. 3 - Calcul de la covariance des variables aléatoires X et Y . Nous calculons d’abord les espérances de X et Y : X = 1 ×1+ 5 = 3 1 = ×0+ 5 6 = 5 1 1 1 1 ×2+ ×3+ ×4+ ×5 5 5 5 5 Y 2 2 ×1+ ×2 5 5 Nous en déduisons la covariance : 1 1 1 1 1 ×3×0+ ×2×1+ ×4×1+ ×1×2+ ×5×2−XY 5 5 5 5 5 = 0 Cov(X, Y ) = La covariance étant nulle, le coefficient de corrélation entre X et Y est nul, bien que les variables aléatoires X et Y ne soient pas indépendantes. Bnal0698, page 6/6 - 23 janvier 2009