26.06.2013 Views

Introduction aux Probabilités - Université Rennes 2

Introduction aux Probabilités - Université Rennes 2

Introduction aux Probabilités - Université Rennes 2

SHOW MORE
SHOW LESS

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>

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!