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.
2.7. Corrigés 111<br />
Exercice 2.26 (Somme de variables poissoniennes)<br />
1. Soit n ∈Æfixé. Puisque X1 et X2 sont à valeurs dansÆ, leur somme est égale à n si et<br />
seulement si il existe k ∈ {0,...,n} tel que X1 = k et X2 = (n − k). C’est exactement ce<br />
que traduit l’égalité : {X = n} = n k=0 {X1 = k,X2 = n−k}.<br />
2. X est à valeurs dansÆ, donc pour connaître sa loi il suffit de calculerÈ(X = n) pour tout<br />
n ∈Æ, ce qui donne :<br />
n<br />
<br />
n<br />
È(X = n) =È<br />
{X1 = k,X2 = n−k} = = k,X2 = n−k),<br />
k=0È(X1<br />
k=0<br />
et on applique l’indépendance de X1 et X2 pur poursuivre le calcul :<br />
È(X = n) =<br />
n<br />
k=0È(X1 = k)È(X2 = n−k) =<br />
n<br />
k=0<br />
e −λ1 λk 1<br />
k!<br />
λn−k<br />
2<br />
e−λ2<br />
(n−k)! ,<br />
et la fin du calcul glisse comme un pet sur une toile cirée grâce à la formule du binôme :<br />
È(X = n) = e−(λ1+λ2)<br />
n!<br />
On en déduit que X ∼ P(λ1 +λ2).<br />
n<br />
k=0<br />
<br />
n<br />
λ<br />
k<br />
k 1λ n−k<br />
2 = e−(λ1+λ2) (λ1 +λ2) n<br />
3. Généralisation : soit n variables indépendantes X1,...,Xn suivant des lois de Poisson de<br />
paramètres respectifs λ1,...,λn, avec λi > 0 pour tout i ∈ {1,...,n}, alors la variable<br />
X = X1 +···+Xn suit elle aussi une loi de Poisson, de paramètre λ = λ1 +···+λn.<br />
Exercice 2.27 (Un calendrier stochastique)<br />
1. La variable X peut prendre les valeurs {28,30,31} avec les probabilités 1/12, 4/12 et 7/12.<br />
2. La fonction de répartition de X est représentée figure 2.16.<br />
5/12<br />
1/12<br />
3. L’espérance de X est donc<br />
On a par ailleurs<br />
1<br />
F(x)<br />
σ(X) = E[X 2 ]−(E[X]) 2 =<br />
28 30<br />
Figure 2.16 – Fonction de répartition de X.<br />
E[X] = 28× 1 4 7 365<br />
+30× +31× = ≈ 30.42<br />
12 12 12 12<br />
<br />
<br />
282 × 1<br />
12 +302 × 4<br />
12 +312 × 7<br />
<br />
−<br />
12<br />
31<br />
x<br />
n!<br />
.<br />
2 365<br />
≈ 0.86<br />
12<br />
4. La variable Y peut elle aussi prendre les valeurs {28,30,31}. Mais à la différence de X, la<br />
probabilité qu’elle prenne :<br />
<strong>Probabilités</strong> Arnaud Guyader - <strong>Rennes</strong> 2