Corrigé D07M
BCPST2 2/12/2014
On eectue une succession innie de lancers indépendants d'une pièce donnant pile avec la probabilité p ∈]0 ; 1[et face avec la probabilitéq= 1−p.
On s'intéresse dans ce problème aux successions de lancers amenant un même côté.
On dit que la première série est de longueur n(avecn∈ N∗) si lesnpremiers lancers ont amené le même côté de la pièce et le (n+ 1)-ième l'autre côté.
De même, la deuxième série commence au lancer suivant la n de la première série et se termine (si elle se termine) au lancer précédant un changement de côté. On dénit de même les séries suivantes.
Pour toutkdeN∗, on notePk(resp.Fk) l'événement : lek-ième lancer amène pile (resp. face) .
1
rePartie : Étude des longueurs de séries
On noteL1(resp.L2) la variable aléatoire égale à la longueur de la première (resp. deuxième) série.
1◦) a. Exprimer, pour toutndeN∗, l'événement(L1=n)à l'aide des événementsPketFkpourk∈J1 ;n+ 1K.
Soit n ∈N∗. On a : (L1 =n) =
P1∩P2∩. . .∩Pn∩Fn+1
∪
F1∩F2∩...∩Fn∩Pn+1
b. En déduire : ∀n∈N∗, P(L1=n) =pnq+qnp.
Les événements
P1∩P2∩. . .∩Pn∩Fn+1 et
F1∩F2∩. . .∩Fn∩Pn+1
sont incompatibles.
Ainsi :
P(L1 =n) =P
P1∩P2∩. . .∩Pn∩Fn+1 +P
F1∩F2∩. . .∩Fn∩Pn+1 . De plus, les lancers sont indépendants, donc les événements P1, P2, . . . , Pn, Fn+1 sont mu- tuellement indépendants ; de même, les événements F1, F2, . . . , Fn, Pn+1 sont mutuellement indépendants. Ainsi :
P(L1 =n) =P(P1)P(P2). . .P(Pn)P(Fn+1) +P(F1)P(F2). . .P(Fn)P(Pn+1) = pnq+qnp
c. Vérier (par le calcul) :
+∞
X
n=1
P(L1=n) = 1.
On a : ∀N >1,
N
X
n=1
P(L1 =n) =
N
X
n=1
(pnq+qnp) =
N
X
n=1
pnq+
N
X
n=1
qnp.
Les deux sommes partielles convergent car il s'agit de sommes partielles associées à des séries géométriques de raison p et q et|p|<1,|q|<1; de plus, on a :
N
X
n=1
P(L1 =n) −→
N→+∞pq× 1
1−p +pq× 1
1−q =p+q= 1
Ainsi :
+∞
X
n=1
P(L1 =n) = 1.
d. Montrer que la variable aléatoireL1admet une espérance et la calculer.
La variable aléatoire L1 admet une espérance si et seulement si la série X
n>1
nP(L1 =n)
converge absolument c'est-à-dire si et seulement si la série X
n>1
nP(L1 = n) converge (car tous les termes sont positifs).
On a : ∀N >1,
N
X
n=1
nP(L1 =n) =
N
X
n=1
n(pnq+qnp) = pqXN
n=1
npn−1+
N
X
n=1
nqn−1 . D'après le cours, les deux sommes partielles convergent car |p|<1,|q|<1, et on a :
N
X
n=1
nP(L1 =n) −→
N→+∞pq 1
(1−p)2 + 1 (1−q)2
= p q + q
p = p2+q2 pq . On conclut : L1 admet une espérance et E(L1) = p2+q2
pq .
2◦) a. Exprimer, pour tousn, kdeN∗, l'événement(L1=n)∩(L2=k)à l'aide des événementsPketFkpourk∈J1 ;n+k+ 1K.
Soient n, k ∈N∗. On a :
(L1 =n)∩(L2 =k) =
P1∩. . .∩Pn∩Fn+1∩. . . Fn+k∩Pn+k+1
∪
F1∩. . .∩Fn∩Pn+1∩. . . Pn+k∩Fn+k+1
b. En déduire la loi du couple(L1, L2).
Les variables aléatoires L1 etL2 prennent toutes les deux leurs valeurs dansN∗.
D'après la question précédente et pour les mêmes raison qu'à la question 1.b, on obtient :
∀n, k ∈N∗, P
(L1 =n)∩(L2 =k)
=pnqkp+qnpkq=pn+1qk+qn+1pk
3◦) a. Montrer : ∀k∈N∗, P(L2=k) =p2qk−1+q2pk−1.
La famille d'événements n
(L1 = n) ;n ∈ N∗
o est un système complet d'événements. Donc d'après la formule des probabilités totales, on a pour tout k∈N∗ :
P(L2 =k) =
+∞
X
n=1
P
(L1 =n)∩(L2 =k)
=
+∞
X
n=1
(pn+1qk+qn+1pk) =p2qk× 1
1−p+q2pk× 1 1−q
= p2qk−1+q2pk−1
Remarque :
∀K >1,
K
X
k=1
P(L2 =k) =
K
X
k=1
p2qk−1+
K
X
k=1
q2pk−1 −→
K→+∞p2 1
1−q +q2 1
1−p =p+q = 1. Ainsi, on a bien :
+∞
XP(L2 =k) = 1.
b. Montrer que la variable aléatoireL2admet une espérance et queE(L2) = 2.
La variable aléatoire L2 admet une espérance si et seulement si la série X
k>1
kP(L2 =k)
converge absolument c'est-à-direla série X
k>1
kP(L2 =k) converge (car tous les termes sont positifs).
On a pour tout K >1,
K
X
k=1
kP(L2 =k) =
N
X
k=1
k(p2qk−1+q2pk−1)
=p2XK
k=1
kqk−1+X
q= 1Kkpk−1
−→
K→+∞
p2× 1
(1−q)2 +q2× 1
(1−p)2 = 1 + 1 = 2
On conclut : L2 admet une espérance et E(L2) = 2.
4◦) a. Les variables aléatoiresL1 etL2 sont-elles indépendantes ?
D'après les questions précédentes, on a : â P
(L1 = 1)∩(L2 = 1)
=p2q+q2p=pq(p+q) =pq et P(L1 = 1)P(L2 = 1) = (2pq)(p2 +q2).
Or :
pq = (2pq)(p2+q2) ⇐⇒ 1 = 2(p2+q2) (car pq6= 0)
⇐⇒ 2(p2+ (1−p)2)−1 = 4p2−4p+ 1
⇐⇒ (2p−1)2 = 0
⇐⇒ p= 1 2
â Si p 6= 1
2, alors P
(L1 = 1)∩(L2 = 1)
6= P(L1 = 1)P(L2 = 1); ainsi, L1 et L2 ne sont pas indépendantes.
â Regardons ce qu'il en est lorsque p= 1
2. Dans ce cas, on a : ∀n, k ∈N∗, P
(L1 =n)∩(L2 =k)
= 1
2n+k+1 + 1
2n+k+1 = 1
2n+k et P(L1 = n)P(L2 = k) = 1
2n × 1 2k ;
ainsi : ∀n, k ∈N∗, P
(L1 =n)∩(L2 =k)
=P(L1 =n)P(L2 =k); donc L1 etL2 sont indépendantes.
On conclut : les variables aléatoires L1 etL2 sont indépendantes si et seulement si p= 1 2.
b. Calculer la covariance du couple(L1, L2).
Commençons par montrer l'existence et calculer l'espérance de L1L2. D'après le théorème de transfert :
L1L2 admet une espérance si et seulement si la série double X
n,k>1
n kP (L1 =n)∩(L2 =k) converge.
â Soit n ∈N∗. On a :
K
X
k=1
n kP (L1 =n)∩(L2 =k)
=
K
X
k=1
n k(pn+1qk+qn+1pk)
=npn+1q
K
X
k=1
kqk−1+nqn+1p
K
X
k=1
kpk−1
−→
K→+∞
npn+1q× 1
(1−q)2 +nqn+1p× 1
(1−p)2 = nqpn−1+npqn−1 Ainsi :
+∞
X
k=1
n kP (L1 =n)∪(L2 =k)
=nqpn−1+npqn−1.
â De plus :
N
X
n=1
(nqpn−1+npqn−1) −→
N→+∞q× 1
(1−p)2+p× 1
(1−q)2 = 1 q+1
p = p+q pq = 1
pq. On en déduit : L1L2 admet une espérance et E(L1L2) = 1
pq. Ainsi, (L1, L2) admet une covariance et
Cov(L1, L2) = E(L1L2)−E(L1)E(L2) = 1
pq − 2(p2+q2)
pq = 1−2(p2 +q2)
pq = −(2p−1)2 pq
Remarques :
â Lorsque p= 1
2, on trouve bien Cov(L1, L2) = 0.
â La covariance est négative, ce que est cohérent puisque les deux variables ont tendance à évoluer en sens contraire.
5◦) Simulation informatique -
a. Écrire une fonction simule_L(p) qui, étant donné un réelpde]0 ; 1[, simule un certain nombre de lancers et qui renvoie les valeurs deL1 etL2 obtenues.
from random import random def lancer ( p ) :
i f random ( )<p : return(1) e l s e:
return(0) def simule_L ( p ) :
x=lancer ( p )
l1=1while lancer ( p )==x :
l1 += 1 l2=1while lancer ( p ) !=x :
l2+=1 return( l1 , l2 )
b. Écrire une fonction estime(p) qui simule 1000 fois l'expérience et qui renvoie une estimation deE(L1), deE(L2)et deCov(L1, L2). Comparer les résultats obtenus avec les résultats théoriques.
def estime ( p ) :
E1 , E2 , E12 =0 ,0 ,0 N=1000
f o r k in range( N ) : a , b=simule_L ( p ) E1 += a/N
E2 += b/N E12 += a∗b/N Cov=E12−E1∗E2
p r i n t( E1 , ' e s t une valeur approch é e de E(L1)=' , ( p/(1−p )+(1−p ) /p ) , ' ( valeur th é orique ) ')
p r i n t( E2 , ' e s t une valeur approch é e de E(L2)=',2 , ' ( valeur th é orique ) ')
p r i n t( Cov , ' e s t une valeur approch é e de Cov(L1 , L2)=',−(2∗p−1)
∗ ∗2/( p∗(1−p ) ) ,' ( valeur th é orique ) ') return( E1 , E2 , Cov )
Exemple d'exécution : In [ 1 ] : estime ( 0 . 7 )
2.7759999999999496 est une valeur approch ée de E ( L1 )=
2.761904761904762 ( valeur th é orique )
2.0789999999999607 est une valeur approch ée de E ( L2 )= 2 ( valeur th é orique )
−0.8063039999998329 est une valeur approch ée de Cov ( L1 , L2 )=
−0.7619047619047614 ( valeur th é orique )
Out [ 1 ] : (2.7759999999999496 , 2.0789999999999607 , −0.8063039999998329)
2
ePartie : Étude du nombre de séries lors des n premiers lancers
On considère dans toute cette partie que la pièce est équilibrée ; ainsip=q=1 2.
Pour toutndeN∗, on noteNnla variable aléatoire égale au nombre de séries obtenus lors desnpremiers lancers.
Par exemple, si les lancers successifs donnent : F F P P P P F F P P P . . .(F désignant face et P désignant pile), on a pour une telle succession :
N1=N2= 1, N3=· · ·=N6= 2, N7=N8= 3, N9=· · ·=N11= 4 les données précédentes ne permettant évidemment pas de déterminerN12.
1◦) Déterminer les lois des variables aléatoiresN1,N2etN3 et donner leurs espérances.
â N1(Ω) ={1} et P(N1 = 1) = 1. Donc E(N1) = 1. â N2(Ω) ={1,2}.
De plus : (N2 = 1) = P1∩P2
∪ F1∩F2
; doncP(N2 = 1) = 1 4+ 1
4 = 1 2
Ainsi : P(N2 = 2) = 1−P(N2 = 1) = 1 2. Enn : E(N2) = 1×1
2 + 2× 1 2 = 3
2. â N3(Ω) ={1,2,3}.
De plus : (N3 = 1) = P1∩P2∩P3
∪ F1∩F2∩F3
; donc P(N3 = 1) = 1 8 +1
8 = 1 4. Puis : (N3 = 3) = P1∩F2∩P3
∪ F1 ∩P2∩F3
; donc P(N3 = 3) = 1 8+ 1
8 = 1 4. Ainsi : P(N3 = 2) = 1−P(N3 = 1)−P(N3 = 3) = 1− 1
4 −1 4 = 1
2. Enn : E(N3) = 1×1
4 + 2× 1
2 + 3× 1 4 = 2.
2◦) Soitn∈N∗.
a. Déterminer l'ensemble des valeurs prises parNn.
La variable Nn vaut au minimum 1 (lorsqu'il n'y a pas de changement de côté) lors des n lancers et au maximum n (lorsqu'il y a un changement de côté à chaque lancer). De plus, toutes les valeurs entre 1 etn sont des valeurs possibles pour Nn.
On conclut : Nn(Ω) =J1 ;nK.
b. Calculer les probabilitésP(Nn= 1)etP(Nn=n).
â On a : (Nn = 1) = P1∩P2∩...∩Pn
∪ F1∩F2∩...∩Fn . Ainsi, pour les mêmes raisons que dans la question 1., on obtient :
P(Nn= 1) = 1 2n + 1
2n = 1 2n−1
â De plus : (Nn=n) = P1∩F2 ∩P3∩...
∪ F1∩P2∩F3∩...
. Toujours pour les mêmes raisons : P(Nn=n) = 1
2n + 1
2n = 1 2n−1.
3◦) Simulation informatique -
Écrire une fonction simule_N(n,p) qui, étant donnés un entierndeN∗et un réelpde]0 ; 1[, simulenlancers de la pièce et renvoie la valeur deNnobtenue.
def simule_N ( n , p ) :
R=[lancer ( p ) f o r k in range( n ) ] N=0f o r k in range(1 , n ) :
i f R [ k 1]!=R [ k ] :
N += 1 return( N )
4◦) Fonction génératrice deNn -
On pose, pour toutndeN∗et pour toutsde[0 ; 1],
Gn(s) =
n
X
k=1
P(Nn=k)sk
a. Calculer, pour toutndeN∗,Gn(0),Gn(1)etG0n(1).
â Gn(0) =
n
X
k=1
P(Nn =k) 0k = 0
â De plus : Gn(1) =
n
X
k=1
P(Nn=k) 1k =
n
X
k=1
P(Nn=k) = 1, car Nn(Ω) =J1 ;nK.
â Enn, Gn est une fonction polynôme donc est dérivable sur [0 ; 1] et on a
∀s∈[0 ; 1], G0n(s) =
n
X
k=1
P(Nn=k)ksk−1
Ainsi : G0n(1) =
n
X
k=1
kP(Nn=k) = E(Nn)
b. Montrer : ∀n∈N∗, ∀k∈J1 ;n+ 1K, P(Nn+1=k) = 1
2P(Nn=k) +1
2P(Nn=k−1).
Soient n ∈N∗ etk ∈J1 ;n+ 1K.
Notons En+1 l'événement : on obtient au (n+ 1)-ième lancer le même côté qu'au n-ième lancer .
Alors on a : P(En+1) = 1
2 et P(En+1) = 1 2.
De plus, l'événement (Nn+1 =k) peut se décomposer de la façon suivante : (Nn+1 =k) = (Nn=k)∩En+1
∪ (Nn =k−1)∩En+1 . On obtient alors :
P(Nn+1 =k) =P (Nn =k)∩En+1
+P (Nn =k−1)∩En+1
par union disjointe
=P(Nn =k)P(En+1) +P(Nn =k−1)P(En+1) par indépendance des lancers.
On en déduit : P(Nn+1 =k) = 1
2P(Nn =k) + 1
2P(Nn =k−1).
c. En déduire : ∀n∈N∗, ∀s∈[0 ; 1], Gn+1(s) = 1 +s 2 Gn(s).
Soit s ∈[0 ; 1]. On a :
Gn+1(s) =
n+1
X
k=1
P(Nn+1 =k)sk
=
n+1
X
k=1
1
2P(Nn =k) + 1
2P(Nn=k−1) sk
= 1 2
n+1
X
k=1
P(Nn=k)sk+ 1 2
n+1
X
k=1
P(Nn=k−1)sk
Or,
n+1
X
k=1
P(Nn=k)sk = Xn
k=1
P(Nn =k)sk
+ 0 =Gn(s). Et,
n+1
X
k=1
P(Nn =k−1)sk =
n
X
`=0
P(Nn=`)s`+1 = 0 +s
n
X
`=1
P(Nn =`)s` =s Gn(s). Ainsi :
Gn+1(s) = 1
2Gn(s) + s
2Gn(s) = 1 +s 2 Gn(s)
d. En déduire, pour toutndeN∗et pour toutsde[0 ; 1], une expression simple deGn(s).
On a : ∀s ∈[0 ; 1], G1(s) = P(N1 = 1)s1 =s.
Ainsi, on obtient directement : ∀n ∈N∗, ∀s ∈[0 ; 1], Gn(s) =1 +s 2
n−1
s.
e. Déterminer, pour toutndeN∗, le nombre moyen de séries dans lesnpremiers lancers.
Le nombre moyen de séries obtenues dans les n premiers lancers est donné par E(Nn) =G0n(1)
On a : ∀s ∈[0 ; 1], G0n(s) =1 +s 2
n−1
+s(n−1) 2
1 +s 2
n−2
. Ainsi : E(Nn) =G0n(1) = 1 + n−1
2 = n+ 1 2 .
3
ePartie : Probabilité d'avoir une innité de fois deux piles consécutifs
1◦) Montrer : ∀x∈R, 1−x6e−x.
On montre que la fonction f : x 7→ e−x−1 +x est décroissante sur R− et croissante sur R+. Puisque f(0) = 0, on en déduit quef est positive ou nulle surR.
On conclut alors : ∀x∈R, 1−x6e−x.
2◦) On considère dans cette question une suite d'événements(Ai)i∈N∗indépendants.
On suppose que la série de terme généralP(Ai)diverge.
Soitk∈N∗xé. Pour toutn>k, on noteCn=Sn
i=kAi=Ak∪ · · · ∪An. a. Justier : lim
n→+∞
n
X
i=k
P(Ai) = +∞.
â On a : P(Cn) =P
Ak∪. . .∪An
= 1−P
Ak∪. . .∪An
= 1−P
Ak∩. . .∩An
= 1−
n
Y
i=k
P(Ai) car lesAi sont indépendants.
â En utilisant la question précédente, on a :
∀i∈N∗, 06P(Ai) = 1−P(Ai)6exp −P(Ai) En multipliant ces inégalités pour i allant de k à n, on obtient :
n
Y
i=k
P(Ai)6
n
Y
i=k
exp
−P(Ai)
= exp
−
n
X
i=k
P(Ai) .
Ainsi : P(Cn)>1−exp
−
n
X
i=k
P(Ai) .
â On a alors : ∀n >k, 1−exp
−
n
X
i=k
P(Ai)
6P(Cn)61. Or, 1−exp −
n
X
i=k
P(Ai)
−→
N→+∞
1−0 = 1.
Donc par le théorème des gendarmes, on obtient : lim
n→+∞P(Cn) = 1.
b. Justier : ∀n>k, P(Cn)6P
+∞
[
i=k
Ai
!
61. En déduire : P
+∞
[
i=k
Ai
!
= 1.
â Soit n >k. On a les inclusions d'ensembles suivants : Cn ⊂
+∞
[
i=k
Ai ⊂ Ω. Puis, par croissance de l'application P, on obtient : P(Cn)6P
+∞
[
i=k
Ai
! 61. â L'inégalité précédente étant vraie pour tout n>k, elle reste vraie lorsque n tend vers
+∞. On obtient donc, par passage à la limite : 16P
+∞
[
i=k
Ai
!
61
On conclut : P
+∞
[
i=k
Ai
!
= 1.
3◦) En considérant, pour toutndeN∗, les événementsAn: on obtient pile au(2n)-ième et au(2n+1)-ième , montrer que la probabilité d'avoir deux piles consécutifs, après n'importe quel lancer, est égale à1.
Soit k ∈ N∗ xé. Notons Fk l'événement : on obtient deux piles consécutifs après le k-ième lancer .
L'événement Fk s'écrit : Fk=
+∞
[
i=k
Ai.
La suite d'événements (Ai)i∈N∗ vérie les hypothèses de la question précédente. En eet : les événements Ai, pour i>1, sont indépendants (car les lancers le sont)
pour touti>1, P(Ai) =P(P2i ∩P2i+1) = p2; ainsi, la série X
i>1
P(Ai)diverge.
On en déduit : P(Fk) = P +∞[
i=k
Ai
= 1.
Autrement dit, on est presque sûr d'obtenir au moins deux piles consécutifs après n'importe quel lancer.