Introduction aux Probabilités - Université Rennes 2
Introduction aux Probabilités - Université Rennes 2
Introduction aux Probabilités - Université Rennes 2
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
104 Chapitre 2. Variables aléatoires discrètes<br />
Exercice 2.12 (Espérance d’une loi de Poisson)<br />
1. Le calcul détaillé vu en cours pour montrer que E[X] = 1 lorsque X ∼ P(1) se généralise au<br />
cas où X ∼ P(λ).<br />
2. La moyenne de Y = e −X peut se calculer par le théorème de transfert :<br />
E[Y] =<br />
+∞<br />
n=0<br />
e −n e −λλn<br />
n!<br />
+∞ (λe<br />
= e−λ<br />
−1 ) n<br />
n=0<br />
où l’on retrouve le développement en série de l’exponentielle :<br />
E[Y] = e −λ e λe−1<br />
= e λ(e−1 −1) .<br />
3. (a) La variable X est à valeurs dansÆ∗ . Pour que X = 1, il faut que le premier soit réussi,<br />
ce qui est certain, et que le second soit raté, ce qui arrive avec probabilité 1/2, donc<br />
p1 =È(X = 1) = 1/2 = 1/(1+1)!. De façon générale, pour que X = n, il faut que les<br />
n premiers sauts soient réussis, ce qui arrive avec probabilité 1×1/2×···×1/n, et que<br />
le (n+1)-ème soit un échec, ce qui arrive avec probabilité 1−rn+1 = n/(n+1). Ainsi :<br />
pn =È(X = n) = 1× 1 1 n<br />
×···× ×<br />
2 n n+1 =<br />
n=1<br />
n=1<br />
n!<br />
,<br />
n<br />
(n+1)! .<br />
On vérifie (pour la forme) que c’est bien une loi de probabilité grâce à l’astuce n =<br />
(n+1)−1 :<br />
+∞<br />
+∞<br />
<br />
1<br />
pn =<br />
n! −<br />
<br />
1<br />
= 1,<br />
(n+1)!<br />
puisque les termes se télescopent.<br />
(b) Le théorème de transfert donne :<br />
E[X +1] =<br />
+∞<br />
n=1<br />
n<br />
(n+1)<br />
(n+1)! =<br />
Par suite E[X]+1 = e, donc E[X] = e−1.<br />
+∞<br />
n=1<br />
1<br />
= e.<br />
(n−1)!<br />
Exercice 2.13 (Espérance d’une loi arithmétique)<br />
1. Pour que X soit effectivement une variable aléatoire, il faut que les pk somment à 1, or :<br />
1 =<br />
n<br />
pk = α<br />
k=0<br />
2. Avec en tête la relation n<br />
n<br />
k=0<br />
k = α n(n+1)<br />
2<br />
k=0k2 = n(n+1)(2n+1)<br />
6<br />
E[X] =<br />
n<br />
kpk =<br />
k=0<br />
2<br />
n(n+1)<br />
=⇒ α =<br />
2<br />
n(n+1) .<br />
, on peut y aller à fond de cinquième :<br />
n<br />
k=0<br />
k 2 = 2n+1<br />
.<br />
3<br />
Exercice 2.14 (Deux dés : somme et différence)<br />
1. U1 suit une loi uniforme sur {1,...,6}, son espérance vaut 7/2 et sa variance 35/12.<br />
2. On appelle X = (U1 +U2) la somme et Y = (U1 −U2) la différence des deux résultats. U2 a<br />
la même loi que U1 donc : E[X] = E[U1]+E[U2] = 7 et E[Y] = E[U1]−E[U2] = 0. Pour le<br />
produit, il suffit d’écrire :<br />
E[XY] = E[(U1 +U2)(U1 −U2)] = E[U 2 1 ]−E[U2 2 ] = 0,<br />
toujours en raison du fait que U1 et U2 ont même loi.<br />
Arnaud Guyader - <strong>Rennes</strong> 2 <strong>Probabilités</strong>