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.
102 Chapitre 2. Variables aléatoires discrètes<br />
(b) Si on mise 1e sur le 13, notre gain moyen vaut :<br />
E[B] = −1× 36 1 1<br />
+35× = −<br />
37 37 37 ,<br />
donc en moyenne cela revient au même que de miser sur une couleur (en moyenne, mais<br />
pas en variance...).<br />
Exercice 2.9 (Espérance d’une loi binomiale)<br />
1. Lorsque X suit une loi binomiale B(n,p), on peut calculer directement sa moyenne comme<br />
suit (en notant q = (1−p) pour alléger les notations) :<br />
E[X] =<br />
n<br />
<br />
n<br />
k p<br />
k<br />
k q n−k =<br />
k=0<br />
n<br />
k<br />
k=1<br />
et le changement d’indice j = (k−1) donne :<br />
n!<br />
k!(n−k)! pk q n−k = np<br />
n<br />
k=1<br />
n−1<br />
<br />
n−1<br />
E[X] = np p<br />
j<br />
j q (n−1)−j = np(p+q) n−1 = np.<br />
j=0<br />
Ainsi lorsque X ∼ B(n,p), son espérance vaut E[X] = np.<br />
<br />
n−1<br />
p<br />
k−1<br />
k−1 q (n−1)−(k−1) ,<br />
2. Soit X1,...,Xn n variables aléatoires i.i.d. suivant la loi de Bernoulli B(p). Rappelons rapidement<br />
la loi de X. La variable aléatoire X = X1 + ··· + Xn peut prendre les valeurs<br />
{0,...,n}. Soit donc k ∈ {0,...,n}, on cherche la probabilité que X soit égale à k. Pour<br />
ce faire, il faut que k des n variables Xi prennent la valeur 1 et les (n−k) autres la valeur<br />
0 : il y a n combinaisons de cette forme. Par indépendance des Xi, chaque événement de<br />
k<br />
cette forme a alors la même probabilité d’apparition, à savoir pkqn−k . On en déduit que<br />
È(X = k) = n<br />
k pkqn−k , c’est-à-dire que X suit une loi binomiale B(n,p).<br />
Par linéarité de l’espérance et sachant que E[X1] = ··· = E[Xn] = p, il vient donc :<br />
E[X] = E[X1 +···+Xn] = E[X1]+···+E[Xn] = np,<br />
ce qui est une façon élémentaire de retrouver l’espérance d’une loi binomiale.<br />
3. Soit X1,...,Xn+m variables aléatoires i.i.d. suivant la loi de Bernoulli B(p), alors X =<br />
X1+···+Xn, suit une loi binomiale B(n,p), Y = Xn+1+···+Xn+m suit une loi binomiale<br />
B(m,p) et Z = X1 + ··· + Xn+m suit une loi binomiale B(n+m,p). On en déduit que la<br />
somme de deux binomiales indépendantes de même paramètre p est encore une binomiale de<br />
paramètre p.<br />
4. Y est à valeurs dans {1,...,n}. Soit donc k ∈ {1,...,n}, on cherche la probabilité que Y<br />
soit égale à k. De deux choses l’une : ou bien on a d’entrée X = k, ou bien on a X = 0 puis<br />
U = k, ce qui traduit par :<br />
È(Y = k) =È({X = k}∪({X = 0}∩{U = k})) =È(X = k)+È({X = 0}∩{U = k}),<br />
et on utilise maintenant l’indépendance des variables X et U :<br />
n<br />
È(Y k 1 1<br />
= k) =È(X = k)+È(X = 0)È(U = k) = + ×<br />
2n 2n n<br />
On en déduit l’espérance de Y :<br />
E[Y] =<br />
n<br />
kÈ(Y = k) =<br />
k=1<br />
n k n<br />
k 1<br />
+<br />
2n 2n k=1<br />
n<br />
k=1<br />
= 1<br />
2 n<br />
k<br />
n .<br />
<br />
n<br />
+<br />
k<br />
1<br />
<br />
.<br />
n<br />
Arnaud Guyader - <strong>Rennes</strong> 2 <strong>Probabilités</strong>