TD Probabilités : Exercices “de base”
Transcription
TD Probabilités : Exercices “de base”
TD Probabilités : Exercices “de base” Points de cours : • Variable aléatoire, loi d’une v.a. réelle, fonction de répartition. Changement de variable; somme de va indpendantes. • Loi exponentielle, loi de Poisson, loi normale. • Indépendance d’une famille d’événements, de tribus, de v.a. • Simulation d’une variable aléatoire. Exercice 1 : (probabilités discrètes) a. On considère une famille de 3 enfants; on suppose que la probabilité d’avoir un garçon est égale à la probabilité d’avoir une fille. On considère les événements A=”il y a au plus une fille” et ”M=”il y a au moins un enfant de chaque sexe”. Les événements A et M sont-ils indépendants ? Même question pour une famille de 4 enfants (Feller T1, p115). b. Donner un exemple de 3 événements aléatoires indépendants 2 à 2, mais pas indépendants dans leur ensemble. Exercice 2 : (Cottrell p8) On choisit au hasard et de façon équiprobable un entier de [1, . . . , n]. On note Ap l’événement ”cet entier est divisible par p”. a. Calculer P (Ap ) lorsque p divise n. b. Montrer que si p1 , . . . , pk sont des diviseurs premiers de n distincts, les événements Ap1 , . . . , Apk sont indépendants. c. On appelle fonction indicatrice d’Euler la fonction φ définie sur les entiers naturels telle que φ(n) est égal au nombre d’entiers non nuls inférieurs à n et premiers avec n. Montrer que 1 φ(n) = nΠp premier, p|n 1 − p Exercice 3 : (Changement de variable; Ouvrard) Soit X une v.a. de loi uniforme sur [0, 1], et Y la v.a. définie pour p > 0 par 1 Y = − ln(X) . p Déterminer la loi de X. Exercice 4 : (loi de Poisson, loi exponentielle; cf processus de Poisson) Soient X1 , ..., Xn , ... une suite de va indépendantes, de même loi E(1). Sn = X1 + . . . + Xn . Pour λ > 0, on définit la va Y par Y = max{n | Sn ≤ λ} Calculer la densité de Sn , et montrer que Y suit une loi de Poisson de paramètre λ. Exercice 5 : (couple de v.a.; changement de variable; Ouvrard) Soit X = (X1 , X2 ) une v.a. à valeurs dans R2 , de loi normale, ie de densité f 2 x1 + x22 1 exp − f (x1 , x2 ) = . 2π 2 Soit g l’application de R2 dans R définie par g(x1 , x2 ) = x1 si x2 6= 0 ; g(x1 , 0) = 0 . x2 On note Y la variable aléatoire Y = g(X). Quelle est la loi de la variable aléatoire Y ? Exercice 6: Le principe de réflexion (combinatoires) (Feller T1, pp 6672). On joue à pile ou face; on note Xi = 1 si on obtient pile au ième lancer, et Xi = −1 si on obtient face. On pose Sn = X1 + . . . + Xn , et S0 = 0. a. Quel est le nombre de chemins Nn,x tels que Sn = x ? b. Pour x > 0, montrer que le nombre de chemins tels que ”S1 = 1, Sn = x et ∃k ∈ {2, . . . , n} tel que Sk = 0” est égal au nombre de chemins tels que ”S1 = −1, Sn = x” (principe de réflexion). c. En déduire, pour x > 0, la probabilité P (Sk > 0 ∀k ∈ {1, . . . , n}|Sn = x) . Exercice 7: Simulation d’une loi de proba. Penser à la leçon ”Fonctions monotones...” Soit X une va de fonction de répartition F . On définit la fonction G d’une variable réelle t, appelée ”pseudo-inverse” de F , par G(t) = inf(x | F (x) ≥ t) 1. Montrer que : i) Si F est continue, ∀t ∈]0, 1[, F [G(t)] = t. ii) Si F est strictement croissante, ∀x ∈ R, G[F (x)] = x. iii) Si F est continue et strictement croissante, F est bijective de R sur ]0, 1[, et on a G = F −1 . 2. Montrer que si F est continue et strictement croissante, F (X) suit la loi uniforme sur [0, 1]. 3. Montrer que si Y suit la loi uniforme sur [0, 1], G(Y ) admet F comme fonction de répartition. Exercice 8 : Méthode de simulation de Box-Müller. Soient (U, V ) un couple de v.a. indépendantes et de même loi, la loi uniforme sur [0, 1]. On définit les variables aléatoires X et Y par : √ √ X = −2 ln U cos 2πV ; Y = −2 ln U sin 2πV . Quelle est la loi du couple (X, Y ) ? (Remarque : ce peut être une méthode pour simuler des variables gaussiennes). Exercice 9 : Soit X une v.a. positive, telle que E(X) < +∞. On note G(x) = P(X > x). Montrer que G est intégrable sur R+ , et que Z G(x)dx = E(X) R+