Introduction aux Probabilités - Université Rennes 2
Introduction aux Probabilités - Université Rennes 2
Introduction aux Probabilités - Université Rennes 2
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
98 Chapitre 2. Variables aléatoires discrètes<br />
Comme on l’a vu ci-dessus, la probabilité qu’aucun des Xn ne soit égal à 1 est nulle donc on<br />
exclut ce cas et X est alors une variable aléatoire à valeurs dansÆ∗ . Il nous reste à trouver<br />
sa loi, or pour tout n ∈Æ∗ :<br />
È(X = n) =È(X1 = 0,...,Xn−1 = 0,Xn = 1),<br />
probabilité qu’on évalue facilement via l’indépendance des Xi :<br />
È(X = n) =È(X1 = 0)...È(Xn−1 = 0)È(Xn = 1) = (1−p) n−1 p,<br />
et X suit donc une loi géométrique de paramètre p. La loi géométrique se rencontre typiquement<br />
dans les phénomènes d’attente jusqu’à l’apparition d’un événement.<br />
Figure 2.13 – Lois de Poisson P(2) et P(20).<br />
Exercice 2.6 (Loi de Poisson)<br />
1. Rappelons que pour tout réel x on a +∞<br />
n=0 xn<br />
n! = ex . C’est exactement ce qui s’applique ici :<br />
+∞<br />
n=0<br />
e −λλn<br />
n!<br />
= e−λ<br />
+∞<br />
n=0<br />
λ n<br />
n! = e−λ e λ = 1.<br />
2. Les lois de Poisson pour λ = 2 et λ = 20 sont représentées figure 2.13.<br />
3. Soit λ > 0 fixé. On lance n fois une pièce amenant Pile avec la probabilité pn = λ/n. Soit<br />
Xn le nombre de fois où Pile apparaît durant ces n lancers.<br />
(a) La loi de Xn est la loi binomiale B(n,pn) = B(n,λ/n). En particulier :<br />
∀k ∈ {0,...,n} È(Xn = k) =<br />
(b) Pour k fixé entre 0 et n, on a :<br />
<br />
n λ<br />
k n<br />
D’autre part :<br />
k<br />
=<br />
n!<br />
k!(n−k)!<br />
<br />
n<br />
p<br />
k<br />
k n(1−pn) n−k =<br />
n<br />
k<br />
λ<br />
n<br />
k 1− λ<br />
n−k .<br />
n<br />
k λ<br />
=<br />
n<br />
λk<br />
<br />
1−<br />
k!<br />
1<br />
<br />
... 1−<br />
n<br />
k−1<br />
<br />
λ<br />
−−−→<br />
n n→∞<br />
k<br />
k! .<br />
<br />
1− λ<br />
n−k <br />
= 1−<br />
n<br />
λ<br />
−k e<br />
n<br />
nln(1−λ/n) .<br />
Arnaud Guyader - <strong>Rennes</strong> 2 <strong>Probabilités</strong>