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

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>

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

Saved successfully!

Ooh no, something went wrong!