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.
110 Chapitre 2. Variables aléatoires discrètes<br />
(b) Pour que X soit supérieure ou égale à i, il faut que les 4 dés prennent une valeur<br />
supérieure ou égale à i. Notons U1,...,U4 les 4 variables correspondant <strong>aux</strong> valeurs<br />
prises par ces dés. Ce sont des variables indépendantes donc<br />
È(X ≥ i) =È(U1 ≥ i,U2 ≥ i,U3 ≥ i,U4 ≥ i) =È(U1 ≥ i)È(U2 ≥ i)È(U3 ≥ i)È(U4 ≥ i)<br />
et puisqu’elles sont uniformes sur {1,...,6}, on a<br />
È(U1 ≥ i) =È(U1 = i)+···+È(U1 = 6) = 1 1<br />
+···+ = (7−i)/6,<br />
6 6<br />
d’où l’on déduit 4 7−i<br />
È(X ≥ i) = .<br />
6<br />
(c) De la formule de sommation des queues, on déduit alors<br />
E[X] =<br />
6<br />
<br />
7−i<br />
i=1<br />
6<br />
4<br />
=<br />
4 6<br />
+<br />
6<br />
4 5<br />
+···+<br />
6<br />
4 1<br />
≈ 1.755<br />
6<br />
(d) Soit S la somme des 3 plus gros scores. En notant T = (U1+U2+U3+U4) le total des<br />
quatre dés, il vient T = X +S, d’où S = T −X, et puisque E[U1] = 7/2 on en déduit<br />
E[S] = E[T]−E[X] = 4E[U1]−E[X] = 4× 7<br />
−E[X] ≈ 12.24<br />
2<br />
(e) Pour chaque valeur i entre 1 et 5, on peut écrire<br />
4 <br />
7−i 7−(i+1)<br />
È(X = i) =È(X ≥ i)−È(X ≥ i+1) = −<br />
6 6<br />
4<br />
4 4 7−i 6−i<br />
= − .<br />
6 6<br />
4. Généralisation : soit X variable aléatoire à valeurs dansÆ∗ admettant une espérance.<br />
(a) Pour une variable à valeurs dansÆ∗ , la formule de sommation des queues s’écrit<br />
+∞<br />
E[X] = ≥ n).<br />
n=1È(X<br />
(b) Soit T1, T2, T3, T4 les temps aléatoires nécessaires pour faire apparaître le 2 sur les<br />
4 dés respectivement. Ces variables sont indépendantes et de même loi géométrique<br />
de paramètre 1/6. Notons T la variable aléatoire correspondant au minimum de ces<br />
temps, T = min(T1,T2,T3,T4). Pour tout n deÆ∗ , on a par le même raisonnement que<br />
ci-dessus È(T ≥ n) =È(T1 ≥ n) 4 ,<br />
or È(T1 ≥ n) =<br />
+∞<br />
k=nÈ(T1 = k) = 1<br />
6<br />
+∞<br />
k=n<br />
k−1 5<br />
6<br />
= 1(5/6)<br />
6<br />
n−1<br />
1−5/6 =<br />
n−1 5<br />
.<br />
6<br />
On en déduit queÈ(T ≥ n) = (5/6) 4(n−1) et de la formule de sommation des queues :<br />
E[T] =<br />
+∞<br />
n=1<br />
4(n−1) 5<br />
=<br />
6<br />
1<br />
1−(5/6) 4.<br />
Remarque : ce résultat peut bien sûr se retrouver en disant que le minimum de 4<br />
variables géométriques indépendantes de paramètre 1/6 est géométrique de paramètre<br />
1−(5/6) 4 .<br />
Arnaud Guyader - <strong>Rennes</strong> 2 <strong>Probabilités</strong>