Devoir Maison PSI Premi` ere partie
Exercice
Un joueur dans un casino joue sur une machine qui renvoie un entier N dans N
∗selon la probabilit´ e P(N = n) =
21n. Si N est pair le joueur gagne N jetons et si N est impair, le joueur perd N jetons.
1. Calculer la probabilit´ e de gagner ` a ce jeu.
2. Soit G le gain du joueur (G < 0 si le joueur perd), exprimer G ` a l’aide de N . D´ eterminer le rayon de convergence de la s´ erie enti` ere P
n≥1
nx
n−1et l’exprimer ` a l’aide de fonctions usuelles.
Montrer que G admet une esp´ erance et calculer son esp´ erance.
Solution. 1.
P (gagner) = P (N pair) =
+∞
X
k=1
P (N = 2k)
=
+∞
X
k=1
1 2
2k=
+∞
X
k=1
1 4
k= 1
4 1 1 −
14= 1
3 .
2. On a G = N 1
N pair− N 1
N impair. D’apr` es le th´ eor` eme de tranfert, on s’int´ eresse ` a la conver- gence absolue de la s´ erie P
(n 1
n pair−n 1
n impair) P (N = n), donc a la convergence de P
n P (N = n). Or
(n+1)1 2n+1
n21n
−→
n→+∞
1
2
, donc d’apr` es la r` egle de d’Alembert, G admet une esp´ erance. On a
E(G) = E(N 1
N pair) − E(N 1
N impair) =
+∞
X
n=1
2n 2
2n−
+∞
X
n=0
2n + 1 2
2n+1= 2
+∞
X
n=1
n( 1 4 )
n−
+∞
X
n=0
n( 1 4 )
n− 1
2
+∞
X
n=0
( 1 4 )
n= 1
4
+∞
X
n=1
n( 1
4 )
n−1− 1 2
+∞
X
n=0
( 1 4 )
n= 1
4 1
(1 −
14)
2− 1 2
1 1 −
14= 4
9 − 4 6 = − 2
9 .
Deuxi` eme partie
Probl` eme
Dans ce probl` eme, nous ´ etudions le processus de Galton-Watson qui permet entre autres de mod´ eliser le d´ eveloppement dune population. Ce processus est par exemple utilis´ e en biologie ou en physique nucl´ eaire.
Dans tout le probl` eme, on se place dans un espace probabilis´ e (Ω, A, P ).
Si X est une variable al´ eatoire enti` ere et positive sur cet espace, on notera G
X, s´ erie enti` ere de rayon de convergence au moins 1, la fonction g´ en´ eratrice de X. On rappelle que la fonction g´ en´ eratrice de X est la somme de la s´ erie enti` ere :
∀t ∈ [−1, 1], G
X(t) =
∞
X
n=0
P (X = n)t
nDans ce DM, on suppose que la fonction g´ en´ eratrice n’est d´ efinie que sur [−1, 1].
1 Formule de Wald
Soient (X
n)
n∈N∗une suite de variables al´ eatoires, mutuellement ind´ ependantes, de mˆ eme loi ` a valeurs dans N , et T une variable al´ eatoire ` a valeurs dans N ind´ ependante des pr´ ec´ edentes. (T, X
n)
n∈N∗est une famille de variables al´ eatoires mutuellement ind´ ependantes.
On note G
Xla fonction g´ en´ eratrice commune ` a toutes les X
n. Pour n ∈ N et ω ∈ Ω, on pose S
n(ω) = P
nk=1
X
k(ω) et S
0(ω) = 0, puis S(ω) = S
T(ω)(ω).
On souhaite d´ emontrer l’´ egalit´ e G
S= G
T◦ G
X.
1. En utilisant un r´ esultat du cours et en montrant l’ind´ ependance de X
k+1et S
k, prouver par r´ ecurrence que, pour tout k ∈ N , G
Sk= (G
X)
k.
2. En expliquant pourquoi, pour tout n ∈ N, T et S
nsont ind´ ependantes, montrer que
∀t ∈ [−1, 1], ∀K ∈ N , G
S(t) =
K
X
k=0
G
X(t)
kP (T = k) +
∞
X
n=0
∞
X
k=K+1
P (S
k= n) P (T = k)t
n!
3. Pour K ∈ N et t ∈] − 1, 1[, on pose R
K=
∞
X
n=0
∞
X
k=K+1
P (S
k= n) P (T = k)|t|
n!
. Montrer que
0 ≤ R
K≤ 1 1 − |t|
∞
X
k=K+1
P (T = k)
4. Montrer que G
S= G
T◦ G
Xsur ] − 1, 1]
5. En d´ eduire que, si T et les X
nsont d’esp´ erance finie, alors S aussi et E (S) = E (T ) E (X
1).
Solution. 1. On montre, par r´ ecurrence sur k ∈ N que, G
Sk= G
kX. C’est vrai pour k = 0 car, pour tout t ∈ [−1, 1], G
S0(t) = E (t
S0) = E (t
0) = E (1) = 1 = G
X(t)
0.
Supposons que c’est vrai pour k, et montrons le pour k + 1. Comme les variables (X
n)
n∈N∗sont ind´ ependantes, alors (X
n)
n∈J1,k+1K
sont ind´ ependantes. D’apr` es les Propri´ et´ es 5.8 du cours, (X
1, · · · , X
k) et X
k+1sont ind´ ependantes, donc, appliquant la function f : (x
1, · · · , x
k) 7−→
P
kn=1
x
n` a la variable al´ eatoire (X
1, · · · , X
k), on a f (X
1, · · · , X
k) et X
k+1sont ind´ ependants.
Donc, d’apr` es la Proposition 8.4 du cours, G
Sk+1= G
Sk+Xk+1= G
SkG
Xk+1= G
kXG
X= G
k+1X, ce qui est bien la propri´ et´ e au rang k + 1.
2. On sait que (X
1, · · · , X
n, T ) sont ind´ ependantes, donc (X
1, · · · , X
n) et T sont ind´ ependantes, puis en appliquant la fonction somme ` a (X
1, · · · , X
n), on a S
net T sont ind´ ependantes (tou- jours d’apr` es les Propri´ et´ es 5.8). Or, d’apr` es la formule des probabilit´ es totales (en particulier la Proposition 4.3 du cours), on a
P (S = n) =
+∞
X
k=0
P (S = n, T = k).
Or, l’´ ev´ en´ ement (S = n, T = k) est ´ egal ` a l’´ ev´ enement (S
k= n, T = k), car lorsqur T = k,
alors S = S
k. Donc P (S = n, T = k) = P (S
k= n, T = n) = P (S
k= n) P (T = k) car S
ket T
sont ind´ ependantes. Soit t ∈ [−1, 1] et K ∈ N . On a alors :
G
S(t) =
+∞
X
n=0
t
nP (S = n) =
+∞
X
n=0
t
n+∞
X
k=0
P (S
k= n) P (T = k)
=
+∞
X
n=0
t
nK
X
k=0
P (S
k= n) P (T = k) +
+∞
X
k=K+1
P (S
k= n) P (T = k)
!
=
+∞
X
n=0
t
nK
X
k=0
P (S
k= n) P (T = k) +
+∞
X
n=0
t
n+∞
X
k=K+1
P (S
k= n) P (T = k)
=
K
X
k=0 +∞
X
n=0
t
nP (S
k= n) P (T = k) +
+∞
X
n=0
t
n+∞
X
k=K+1
P (S
k= n) P (T = k)
=
K
X
k=0
P (T = k)
+∞
X
n=0
t
nP (S
k= n) +
+∞
X
n=0
t
n+∞
X
k=K+1
P (S
k= n) P (T = k)
=
K
X
k=0
P (T = k)G
Sk(t) +
+∞
X
n=0
t
n+∞
X
k=K+1
P (S
k= n) P (T = k)
=
K
X
k=0
P (T = k)G
X(t)
k+
+∞
X
n=0
t
n+∞
X
k=K+1
P (S
k= n) P (T = k).
Remarquons qu’on a permut´ e la somme sur n ∈ N avec la somme sur k ∈ J 1, K K , car la somme sur k est une somme finie. Nous n’avons pas vu de th´ eor` eme permettant de permuter deux sommes infinies.
3. Soit K ∈ N et t ∈] − 1, 1[. Alors,
0 ≤ R
K=
∞
X
n=0
|t|
n∞
X
k=K+1
P (S
k= n) P (T = k)
!
≤
∞
X
n=0
|t|
n∞
X
k=K+1
P (T = k)
! .
Or, le r´ eel P
∞k=K+1
P(T = k)
ne d´ epend pas de n, on peut donc le sortir de la somme sur n, et on obtient
0 ≤ R
K≤
∞
X
k=K+1
P(T = k)
!
∞X
n=0
|t|
n= 1 1 − |t|
n∞
X
k=K+1
P(T = k)
! .
4. Si t = 1, alors G
T◦ G
X(1) = G
T(1) = 1 = G
S(1). Si t ∈] − 1, 1[, alors en utilisant l’´ egalit´ e de la question 2, et en faisant tendre K vers +∞, on obtient :
G
S(t) = G
T(G
X(t)).
Donc, G
S= G
Tsur ] − 1, 1].
5. Si T et les X
nsont d’´ ep´ erance finie, alors G
Xet G
Tsont d´ erivable en 1, donc G
S= G
T◦ G
Xest d´ erivable en 1 de d´ eriv´ ee
G
0S(1) = G
0X(1)G
0T(G
X(1)) = G
0X(1)G
0T(1) = E (X) E (T ),
et donc, S est d’esp´ erance finie et son esp´ erance vaut E (X) E (T ).
2 Processus de Galton-Watson
Soit µ une loi de probabilit´ e caract´ eris´ ee par la suite (p
k)
k∈Nde nombre r´ eels entre 0 et 1 telle que P
∞k=0
p
k= 1 et que P
k
2p
kconverge. Dire qu’une variable al´ eatoire X sur (Ω, A, P ) suit la loi µ signifie que X(Ω) ⊂ N et, pour tout k ∈ N P(X = k) = p
k.
On suppose que p
0+ p
1< 1 (ce qui signifie qu’il existe au moins un entier k sup´ erieur ou ´ egal ` a 2 tel que p
k6= 0).
On ´ etudie un individu qui a un certain nombre de fils. Ces fils ont ´ egalement chacun (ind´ ependamment les uns des autres) un certain nombre de fils et ainsi de suite. Afin de mod´ eliser la situation, on se donne des variables al´ eatoires (X
n,i)
(n,i)∈N×N∗, ind´ ependantes qui suivent toutes la loi µ, on pose Y
0la variable certaine ´ egale ` a 1 et, pour n ∈ N et ω ∈ Ω,
Y
n+1(ω) =
0 si Y
n(ω) = 0
Yn(ω)
X
i=1
X
n,i(ω) si Y
n(ω) 6= 0
Y
nrepr´ esente le nombre d’individus ` a la g´ en´ eration n.
S’il n’y a pas d’individu ` a la g´ en´ eration n, il n’y en a pas plus ` a la g´ en´ eration suivante et sinon, le nombre de fils du i-` eme ´ el´ ement de la g´ en´ eration n est ´ egal ` a X
n,i.
On dit qu’il y a extinction lorsquil existe un entier n tel que Y
n= 0.
On note f la fonction g´ en´ eratrice de la loi µ (et donc de chacune des variables X
n,i) et, pour n ∈ N, ϕ
nla fonction g´ en´ eratrice de la variable al´ eatoire Y
n.
On a donc en particulier, pour t ∈ [−1, 1], ϕ
0(t) = t.
On suppose que toute variable al´ eatoire suivant la loi µ poss` ede une esp´ erance ´ egale ` a m et une variance.
1. Montrer que pour tout n ∈ N, ϕ
n+1= ϕ
n◦ f sur ] − 1, 1].
2. Exprimer, pour n ∈ N, l’esp´ erance de Y
nen fonction de m et de n.
3. Montrer que la suite (ϕ
n(0))
n≥0est une suite d´ efinie par r´ ecurrence avec ϕ
n+1(0) = f(ϕ
n(0)) et ϕ
0(0) = 0, qu’elle est croissante et donc convergente.
4. En utilisant une propri´ et´ e d’une probabilit´ e, montrer que la probabilit´ e d’extinction, c’est ` a dire P (∃n ∈ N , Y
n= 0) est ´ egale a la limite de la suite (ϕ
n(0))
n≥0.
5. On cherche alors ` a d´ eterminer la limite de la suite. Montrer que l’´ equation f (x) = x admet une plus petite solution l pour x ∈ [0, 1] (on pourra ´ etudier la fonction g : x 7−→ f (x) − x) et que la limite de la suite (ϕ
n(0))
n≥0vaut l.
6. Si m = f
0(1) ≤ 1, montrer par l’absurdre que l = 1 et donc que la probabilit´ e d’extinction est
´
egale ` a 1. On pourra ´ etudier la fonction g d´ efinie dans la question pr´ ec´ edente sur [0, 1], montrer qu’elle est C
2, que g
00≥ 0 et que g
00(1) > 0. (La question est difficile, n’h´ esitez pas ` a vous faire un sch´ ema pour avoir une id´ ee.)
Solution. 1. D’apr` es la section pr´ ec´ edente, pour tout n ∈ N , ϕ
n+1= ϕ
n◦ ϕ sur ] − 1, 1].
2. On en d´ eduit, par un r´ ecurrence sur n que ϕ
n= f
n(f compos´ e n fois). Donc, comme X admet un moment d’ordre 2, X admet un moment d’ordre 1, donc f est d´ erivable en 1. Par r´ ecurrence sur n, on montre que cela implique que ϕ
n= f
nest d´ erivable en 1 de d´ eriv´ ee (f
n−1)
0(1)f
0(f
n(1)) = (f
n−1)
0(1)f
0(1) = m
n−1× n = m
n. Pour trouver la formule ` a montrer par r´ ecurrence, on peut calculer les premi` eres d´ eriv´ ee pour n = 1, 2, 3.
3. D’apr` es la question pr´ ec´ edente, ϕ
n(0) = f
n(0), donc ϕ
n+1(0) = f (ϕ
n(0)). De plus, ϕ
0(0) = 0.
Comme f est croissante, la suite est monotone. De plus ϕ
0(0) < f(0) = ϕ
1(0) donc la suite
est croissante. Enfin, comme ϕ
n(0) = P (Y
n= 0), alors la suite est major´ ee par 1 donc elle
converge.
4. On cherche la probabilit´ e P ( S
n∈N
(Y
n= 0)). C’est la probabilit´ e d’une union d’´ ev´ enements croissants (car Y
n= 0 = ⇒ Y
n+1= 0 donc (Y
n= 0) ⊂ (Y
n+1= 0)). Donc,
P [
n∈N
(Y
n= 0)
!
= lim
n→+∞
P (Y
n= 0) = lim
n→+∞
ϕ
n(0).
Remarquons que cela montre ` a nouveau que la suite ϕ
n(0) converge.
5. Soit g : x 7−→ f (x) −x d´ efinie sur [0, 1]. L’ensemble des points fixes de f (c’est-` a-dire l’ensemble des x tel que f (x) = x) sur [0, 1] est ´ egal ` a g
−1({0}). Or g est continue et g(1) = 0 donc g
−1({0}) est un ferm´ e non vide de [0, 1], donc admet un plus petit ´ el´ ement. On note l ce plus petit ´ el´ ement.
On a montre alors, par r´ ecurrence sur n, que ϕ
n(0) ≤ l en utilisant la croissance de la fonction f .
De plus, on sait que (ϕ
n(0))
nconverge vers un r´ eel l
0∈ [0, l]. Donc, en passant ` a la limite lorsque n tend vers +∞ dans l’´ equation ϕ
n+1(0) = f (ϕ
n(0)) et par continuit´ e de f , on obtient l
0= f (l
0). Donc l
0est un point fixe de f plus petit ou ´ egal ` a l, donc, par d´ efinition de l, on a l
0= l.
6. On a g
0(x) = f
0(x) − 1 et g
00(x) = f
00(x) = P
+∞n=2
n(n − 1)x
n−2P(X = n) > 0 si x 6= 0.
En particulier, comme g
00(1) > 0, en notant α = g
00(1)/2, par continuit´ e de g
00en 1, on sait qu’il existe δ > 0 tel que, pour tout x ∈ [1 − δ, 1], g
00(x) > α. Donc, pour tout x ∈ [1 − δ, 1[, g
0(x) = g
0(1)− R
1x
g
00(s)ds ≤ 1f
0(1)−1−αx = −α < 0 et donc g(x) = g(1)− R
1x
g
0(s)ds ≥ αx > 0 ce qui montre que g ne s’annule pas sur [1 − δ, 1[. De plus, comme f
00≥ 0 sur [0, 1], on a g
0croissante donc g
0≤ 0 car g
0(1) ≤ 0. Donc, pour tout x ∈ [0, 1 − δ[, on a g(x) = g(1 − δ) − R
1−δx
g
0(s)ds ≥ g(1 − δ) > 0. Donc g ne s’annule pas non plus sur [0, 1 − δ[. Donc g
−1({0}) = {1}, donc l = 1.
3 Etude de la lign´ ee (BONUS)
On se place dans le cadre de la section pr´ ec´ edente. On suppose de plus que m ≤ 1. On note, pour n ∈ N
∗,
Z
n= 1 +
n
X
i=1
Y
iet Z = 1 +
∞
X
n=1
Y
nOn admettra que Z est une variable al´ eatoire d´ efinie sur {∃n ∈ N , Y
n= 0} qui est bien de probabilit´ e 1 d’apr` es les questions pr´ ec´ edentes.
1. En utilisant une propri´ et´ e d’une probabilit´ e, montrer que, pour tout k ∈ N , ( P (Z
n≤ k))
n∈N∗est une suite convergente. D´ eterminer sa limite.
2. En d´ eduire que pour tout k ∈ N , ( P (Z
n= k))
n∈N∗converge vers P (Z = k).
3. Montrer que pour tout s ∈] − 1, 1[, tout n ∈ N
∗et K ∈ N ,
G
Zn(s) − G
Z(s) =
K
X
k=0
(P(Z
n= k) − P(Z = k))s
k+
+∞
X
k=K+1
P(Z
n= k)s
k−
+∞
X
k=K+1
P(Z = k)s
k.
4. Montrer que pour tout s ∈] − 1, 1[, tout n ∈ N
∗et K ∈ N,
|G
Zn(s) − G
Z(s)| ≤
K
X
k=0
| P (Z
n= k) − P (Z = k)| + |s|
K+1( P (Z
n≥ K + 1) + P (Z ≥ K + 1)) .
5. Pour tout s ∈] − 1, 1[ et ε > 0, montrer qu’il existe K
0tel que 2|s|
K0+1<
ε2puis qu’il existe n
0tel que :
K
X
k=0
| P (Z
n= k) − P (Z = k)| < ε 2 .
6. En d´ eduire que la suite de fonctions (G
Zn) converge simplement vers G
Zsur ] − 1, 1].
7. Exprimer G
Z1en fonction de f.
8. On admet que, pour tout n entier naturel sup´ erieur ou ´ egal ` a 2 et pour tout s ∈] − 1, 1], G
Zn(s) = sf (G
Zn−1(s)). En d´ eduire que, pour tout s ∈] − 1, 1], G
Z(s) = sf (G
Z(s)).
9. Montrer que, si Z est d’esp´ erance finie alors m < 1 et E (Z ) =
1−m1.
Solution. 1. Soit k ∈ N
∗. Comme les Y
isont positifs, on remarque que (Z
n≤ k)
nest une suite d´ ecroissante d’´ ev´ enements. Donc
P
\
n∈N∗
(Z
n≤ k)
!
= lim
n→+∞
P(Z
n≤ k).
De plus, on remarque que T
n∈N∗
(Z
n≤ k) = (Z ≤ k). En effet, si ω ∈ T
n∈N∗
(Z
n≤ k), alors pour tout n, Z
n(ω) ≤ k. Autrement dit, pour tout n, 1 + P
nk=1
Y
i(ω) ≤ k. Donc, la s´ erie 1 + P
Y
i(ω) est major´ ee par k donc elle converge vers une valeur inf´ erieur ` a k. Donc ω ∈ (Z ≤ k). R´ eciproquement, on si ω ∈ (Z ≤ k), alors, pour tout n ∈ N
∗, Z
n(ω) ≤ Z(ω) ≤ k et donc ω ∈ T
n∈N∗
(Z
n≤ k).
2. Soit k ∈ N . On sait que
P (Z
n= k) = P (Z
n≤ k) − P (Z
n≤ k − 1) −→
n→+∞
P (Z ≤ k) − P (Z ≤ k + 1) = P (Z = k).
Ici, on a utilis´ e l´ e r´ esultat de la question pr´ ec´ edente (qui reste vrai si k = −1 car les probabilit´ e vallent 1 dans ce cas) et le fait que, si X est une variable al´ eatoire ` a valeur dans N, on a (X = k) = (X ≤ k) \ (X ≤ k − 1).
3. Soit s ∈] − 1, 1[ et K ∈ N . On a :
G
Zn(s) − G
Z(s) =
+∞
X
k=0
P (Z
n= k)s
k−
+∞
X
k=0
P (Z = k)s
k=
K
X
k=0
P (Z
n= k)s
k−
K
X
k=0
P (Z = k)s
k+
+∞
X
k=K+1
P (Z
n= k)s
k−
+∞
X
k=K+1
P (Z = k)s
k=
K
X
k=0
( P (Z
n= k) − P (Z = k))s
k+
+∞
X
k=K+1
P (Z
n= k)s
k−
+∞
X
k=K+1
P (Z = k)s
k.
4. Soit s ∈] − 1, 1[ et K ∈ N . On a :
|G
Zn(s) − G
Z(s)| ≤
K
X
k=0
P (Z
n= k) − P (Z = k)s
k+
+∞
X
k=K+1
P (Z
n= k)s
k+
+∞
X
k=K+1
P (Z = k)s
k≤
K
X
k=0
| P (Z
n= k) − P (Z = k)| |s|
k+
+∞
X
k=K+1
P (Z
n= k)|s|
k+
+∞
X
k=K+1
P (Z = k)|s|
k≤
K
X
k=0
| P (Z
n= k) − P (Z = k)| +
+∞
X
k=K+1
P (Z
n= k)|s|
K+1+
+∞
X
k=K+1
P (Z = k)|s|
K+1≤
K
X
k=0
| P (Z
n= k) − P (Z = k)| + |s|
K+1+∞
X
k=K+1
P (Z
n= k) +
+∞
X
k=K+1
P (Z = k)
!
≤
K
X
k=0
| P (Z
n= k) − P (Z = k)| + |s|
K+1( P (Z
n≥ K + 1) + P (Z ≥ K + 1)) .
5. Soit s ∈] − 1, 1[ et ε > 0. Comme |s| < 1, la s´ erie g´ eom´ etrique (2|s|
K+1)
Kcongerve vers 0, donc il existe K
0tel que, pour tout K ≥ K
0, 2|s|
K+1< ε/2. En particulier, c’est vrai pour K = K
0. On a vu que tout tout k, | P(Z
n= k) − P(Z
k)| −→
n→+∞
0. Donc, par addition de suite congergente on sait que
K
X
k=0
| P(Z
n= k) − P(Z = k)| −→
n→+∞
0.
Attention, ceci est valable parce que le comme est finie. En particulier, il exite n
0tel que :
K
X
k=0
| P (Z
n= k) − P (Z = k)| < ε 2 .
Maintenant, en reprenant l’in´ egalit´ e de la question 4, on obtient, pour tout n ≥ n
0|G
Zn(s) − G
Z(s)| ≤ ε. On a donc montr´ e que
G
Zn(s) −→
n→+∞