Lyc´ ee Dominique Villars Exercices ECE 2
Sommes de variables al´ eatoires
Rappels de cours
❶ Variables discr` etes mutuellement ind´ ependantes
On dit que X
1, X
2, . . . , X
nsont mutuellement ind´ependantes si et seulement si pour tout n-uplets (a
1, a
2, . . . ,a
n) on a :
P
n
\
i=1
(X
i= a
i)
!
=
n
Y
i=1
P (X
i= a
i)
❷ Stabilit´ e de la loi binomiale par somme
Si X
1, X
2, . . . , X
ksont k variables mutuellement ind´ependantes et si pour tout i ∈ J1, kK, la variable X
isuit la loi binomiale B(n
i, p) alors
la variable S
k= X
1+ X
2+ . . . + X
k=
k
P
i=1
X
isuit la loi binomiale B( P
ki=1
n
i, p)
❸ Stabilit´ e de la loi de Poisson par somme
Si X
1, X
2, . . . , X
ksont k variables mutuellement ind´ependantes et si pour tout i ∈ J1, kK, la variable X
isuit la loi de Poisson P(λ
i) alors
la variable S
k= X
1+ X
2+ . . . + X
k=
k
P
i=1
X
isuit la loi de Poisson P ( P
k i=1λ
i)
❹ Variance d’une somme de n variables discr` etes
Si X
1, X
2, . . . , X
nsont n variables al´eatoires poss´edant des variances, alors on a : V
n
X
i=1
X
i!
=
n
X
i=1
V (X
i) + 2 X
16i<j6n
Cov(X
i, X
j)
Si ces n variables sont mutuellement ind´ependantes alors : V
nP
i=1
X
i= P
ni=1
V (X
i)
D´ emonstrations des ❷ et ❸ via l’utilisation des fonctions g´ en´ eratrices.
Soit X une variable al´eatoire enti`ere positive (c’est ` a dire dont le support est inclus dans N ). On d´efinit la fonction g´ en´ eratrice de X, not´ee G
X, par :
G(t) = E t
X=
+∞
X
k=0
t
kP (X = k)
On admet que si X et Y sont deux variables poss´ edant la mˆ eme fonction g´ en´ eratrice alors X et Y suivent la mˆ eme loi de probabilit´ e.
1. Montrer que si X et Y sont deux variables ind´ependantes alors : G
X+Y(t) = G
X(t)G
Y(t).
2. Montrer que si X suit la loi binomiale de param`etres n et p ∈ [0, 1] alors : G
X(t) = (1 − p + pt)
n. 3. Montrer que si X suit la loi de Poisson de param`etre λ > 0 alors : G
X(t) = e
λ(t−1).
4. G´en´eraliser le r´esultat pr´ec´edent pour une sommes X
1+ . . .+X
nde n variables mutuellement ind´ependantes.
5. Application 1 - stabilit´ es par somme des loi binomiales et Poisson : En d´eduire les pts ❷ et ❸.
6. Application 2 - formule combinatoire : Soit X et Y deux variables suivant la loi binomiale B(n, p) (a) D´eterminer la loi de la variable X + Y .
(b) En calculant de deux fa¸cons diff´erentes P (X + Y = n), d´emontrer que :
n
X
k=0
n k
2= 2n
n
Soit X et Y deux variable al´eatoires ind´ependantes suivant respectivement les loi de Poisson P (λ) et P(µ). On note Z = X + Y .
1. D´eterminer Z(Ω).
2. Soit k ∈ N , d´eterminer la loi conditionnelle de Z sachant que X = k.
3. En d´eduire pour tout entier n ∈ N , la probabilit´e P (Z = n). Que remarquez vous ? Exercice 1 (D´emonstration classique du ❸).
Soient n, m et N trois entiers naturels tels que 0 < m 6 n 6 N . Une urne contient m boules noires et N − m boules blanches. On extrait successivement et sans remise n boules de cette urne. Pour tout entier i tel que 1 6 i 6 n, on note X
i, la variable ´egale ` a 1 si la i-`eme boule tir´ee est noire et ´egale ` a 0 si elle est blanche.
1. Donner la loi de X
iet celle du couple (X
i, X
j) pour i > j.
2. En d´eduire la covariance cov(X
i, X
j).
3. Soit Y la variable al´eatoire ´egale au nombre de boules noires obtenues lors des n tirages. La loi de probabilit´e de la variable Y est appel´ee, loi hyperg´ eom´ etrique de param` etres (N, n, m)
(a) Exprimer Y ` a l’aide des variables X
i, i ∈ J1, nK.
(b) En d´eduire E(Y ) et V (Y ) Exercice 2 (Loi hyperg´eom´etrique).
On consid`ere une suite de variables al´eatoires ind´ependantes (X
n)
n>1suivant toutes la loi de Bernouilli de param`etre p ∈]0, 1[.
On pose alors pour tout entier n ∈ N
∗, Y
n= X
nX
n+1X
n+2et S
n= Y
1+ . . . Y
n=
n
X
i=1
Y
i1. D´eterminer la loi, l’esp´erance et la variance de Y
n, pour tout entier n > 1.
2. Montrer que pour tout couple (i, j) tel que |i − j| > 2 alors Y
iet Y
jsont ind´ependantes et en d´eduire Cov(Y
i, Y
j).
3. D´eterminer pour tout entier i > 1, les valeurs de Cov(Y
i, Y
i+1) et Cov(Y
i, Y
i+2).
4. En d´eduire V (S
n).
Exercice 3 (Calcul d’esp´erance et de variance).
Soient X et Y deux variables al´eatoires ind´ependantes de mˆeme loi uniforme sur J1, nK = {1, . . . , n}
1. D´eterminer la loi de la variable S = X + Y 2. D´eterminer la loi de la variable D = X − Y .
3. On dispose de trois urnes contenant chacune n boules num´erot´ees de 1 ` a n. On tire une boule de chaque urne et note X, Y et Z les trois num´eros tir´es. D´eterminer P (X + Y = Z ).
Exercice 4 (Somme de variables discr`etes uniformes).
1. Soit X et Y deux variables ind´ependantes suivant toutes les deux une loi g´eom´etrique de param`etre p.
(a) Caract´eriser la loi de la variable S = X + Y en utilisant le syst`eme complet d’´ev`enements (X = k)
k>1. On parle de loi binomiale n´ egative de param` etres 2 et p.
(b) Caract´eriser la loi de la variable D = X − Y 2. (HEC 2005)
On consid`ere une suite (X
n)
n∈N∗de variables al´eatoires ` a valeurs dans N
∗, ind´ependantes, de mˆeme loi g´eom´etrique de param`etre p. Pour tout entier n de N
∗, on pose S
n=
n
P
k=1
X
k. (a) Calculer l’esp´erance E(S
n) et la variance V (S
n) de la variable al´eatoire S
n.
(b) Outil technique : ` a l’aide de la formule de Pascal montrer que pour tout couple d’entiers (n, p) tels que n 6 p
p
X
k=n
k n
=
p + 1 n + 1
(c) Montrer par r´ecurrence que la loi de probabilit´e de la variable al´eatoire S
n(loi binomiale n´ egative de param` etre n et p) est donn´ee, pour tout entier s de N
∗par :
• si k < n, P (S
n= k) = 0
• si k > n,
P (S
n= k) =
k − 1 n − 1
p
nq
k−nExercice 5 (Sommes de variables g´eom´etriques - lois binomiales n´egatives).
Soit n ∈ N
∗et X
1, X
2, . . . , X
ndes variables al´eatoires ind´ependantes, de mˆeme loi de probabilit´e, telle que E(X
1) = m et V (X
1) = σ
2.
1. Calculer l’esp´erance et la variance de la variable X
n= 1 n
n
P
k=1
X
k.
2. Pour un entier i ∈ N , d´eterminer la valeur cov(X
i, X
n) et en d´eduire V (X
i− X
n).
3. Calculer l’esp´erance de la variable S
′n= 1 n − 1
n
P
i=1
X
i− X
n2.
☛ Soit (X
1, . . . , X
n), un ´echantillon de n variables ind´ependantes suivant toute une loi de probabilit´e L(θ) o` u θ est un param`etre inconnu. La variable T
n= f (X
1, . . . , X
n) sera dit un estimateur sans biais de θ si et seulement si E(T
n) = θ.
Dans cet exercice nous venons de prouver que si (X
1, . . . , X
n) est un ´echantillon de n variables ind´ependantes issues d’une loi de probabilit´es de variance σ
2alors la variable
S
n′= 1 n − 1
n
X
i=1
X
i− X
n2est un estimateur sans biais de σ
2.
Si X = (x
1. . . x
n) est une s´erie de valeurs, la commande SCILAB stdeviation(X) permet de calculer 1
n − 1 P
ni=1