Introduction aux Probabilités - Université Rennes 2
Introduction aux Probabilités - Université Rennes 2 Introduction aux Probabilités - Université Rennes 2
140 Chapitre 3. Variables aléatoires à densité (c) Montrer que : − +∞ −∞ (d) En déduire que h(X2) ≤ h(X1). f(x)lnϕ(x)dx = 1 2 (1+ln(2πσ2 )). Exercice 3.29 (Nul n’est censé ignorer la loi normale) 1. On appelle premier quartile q1 (respectivement troisième quartile q3) d’une variable aléatoire X à densité le réel tel queÈ(X ≤ q1) = 1/4 (respectivementÈ(X ≤ q3) = 3/4). Déterminer le premier et le troisième quartile d’une loi normale de moyenne 20 et d’écart-type 5. 2. Un groupe de 200 étudiants passe en début d’année un examen et les notes sont approximativement distribuées suivant une loi normale de moyenne 9 et d’écart-type 2. L’enseignant décide de faire des séances de rattrapage pour les étudiants dont les notes sont les plus faibles mais il ne peut encadrer que 30 étudiants. Quelle est la note limite permettant à un étudiant de bénéficier du rattrapage? 3. La durée de la grossesse, en jours, est modélisée par une loi normale de moyenne 270 et de variance 100. Lors d’un procès en attribution de paternité, l’un des pères putatifs peut prouver son absence du pays sur une période allant du 290e au 240e jour avant la naissance. Quelle est la probabilité qu’il puisse être le père malgré cet alibi? 4. Dans une université, une promotion de première année ne doit pas dépasser 200 étudiants. En se basant sur le constat que seulement un candidat accepté sur trois viendra effectivement à la rentrée, la politique de l’université est d’accepter systématiquement 500 étudiants. (a) Sur 500 candidats acceptés, quelle est la loi de la variable X correspondant au nombre d’étudiants effectivement présents à la rentrée? (b) En utilisant l’approximation normale, estimer la probabilité qu’il y ait plus de 200 étudiants présents à la rentrée. Exercice 3.30 (Loi bêta) On considère une variable aléatoire X de densité f(x) = c x(1−x) si 0 ≤ x ≤ 1 0 ailleurs 1. Evaluer la constante c pour que f soit une densité de probabilité. Représenter f. 2. Déterminer la fonction de répartition F de X. La représenter. 3. CalculerÈ(1/4 < X < 3/4). 4. Déterminer espérance et variance de X. 5. MinorerÈ(1/4 < X < 3/4) grâce à l’inégalité de Tchebychev. 6. Pour tout n ∈Æ∗ , déterminer le moment d’ordre n de X. Exercice 3.31 (Loi de Rayleigh) On considère une variable aléatoire X de densité f(x) = x e −x2 2 si x ≥ 0 0 si x < 0 1. Vérifier que f est bien une densité de probabilité. Donner l’allure de f. On dit que X suit une loi de Rayleigh de paramètre 1. 2. Déterminer la fonction de répartition F de X. Donner son allure. Arnaud Guyader - Rennes 2 Probabilités (3.1) (3.1)
3.5. Exercices 141 3. Déterminer la médiane de X, c’est-à-dire la valeur m telle queÈ(X > m) = 1/2. 4. Rappeler ce que vaut la quantité 1 √ 2π +∞ −∞ e −x2 2 dx En déduire la valeur de +∞ 0 e −x2 2 dx. 5. Grâce (par exemple) à une intégration par parties, montrer que E[X] = π 2 6. Soit U une variable aléatoire distribuée suivant une loi uniforme sur ]0,1]. (a) Rappeler ce que vaut la fonction de répartition FU de U. (b) On considère maintenant la variable aléatoire X = √ −2lnU. Dans quel intervalle X prend-elle ses valeurs ? (c) En passant par sa fonction de répartition FX, montrer que la variable aléatoire X suit une loi de Rayleigh de paramètre 1. Exercice 3.32 (Loi de Rademacher et marche aléatoire) Soit X une variable suivant une loi de Bernoulli de paramètre 1/2. 1. Rappeler la moyenne et la variance de X. 2. On considère maintenant la variable aléatoire Y = 2X −1. Quelles valeurs peut prendre Y ? Avec quelles probabilités ? On dit que Y suit une loi de Rademacher. 3. Calculer la moyenne et la variance de Y . 4. On considère maintenant 100 variables aléatoires indépendantes Y1,...,Y100, chacune suivant la loi de Rademacher. On note S100 = Y1 +···+Y100 la somme de ces variables. (a) Quelles valeurs peut prendre la variable S100 ? Préciser sa moyenne et sa variance. (b) Un homme ivre quitte un troquet : il fait des pas d’un mètre, un coup à droite, un coup à gauche, et ce de façon équiprobable et indépendante. Au bout de 100 pas, dans un rayon de combien de mètres autour de son point de départ va-t-il se trouver avec 95% de chances ? Exercice 3.33 (Précipitation vs. précision) 1. La quantité annuelle de précipitations (en cm) dans une certaine région est distribuée selon une loi normale de moyenne 140 et de variance 16. (a) Quelle est la probabilité qu’en une année il pleuve plus de 150 cm? (b) Quelle est la probabilité qu’à partir d’aujourd’hui, il faille attendre au moins 10 ans avant d’obtenir une année avec une quantité annuelle de pluie supérieure à 150 cm? 2. La largeur (en cm) d’une fente entaillée dans une pièce suit une loi normale de moyenne m = 2 et d’écart-type σ. Les limites de tolérance sont données comme étant 2±0.012. (a) Si σ = 0.007, quel sera le pourcentage de pièces défectueuses ? (b) Quelle est la valeur maximale que peut prendre σ de sorte que le pourcentage de pièces défectueuses ne dépasse pas 1%? Exercice 3.34 (Loi de Weibull) On considère une variable aléatoire X de densité 3x2 e−x f(x) = 3 si x ≥ 0 0 si x < 0 1. Vérifier que f est bien une densité de probabilité. On dit que X suit une loi de Weibull. Probabilités Arnaud Guyader - Rennes 2 (3.1)
- Page 94 and 95: 90 Chapitre 2. Variables aléatoire
- Page 96 and 97: 92 Chapitre 2. Variables aléatoire
- Page 98 and 99: 94 Chapitre 2. Variables aléatoire
- Page 100 and 101: 96 Chapitre 2. Variables aléatoire
- Page 102 and 103: 98 Chapitre 2. Variables aléatoire
- Page 104 and 105: 100 Chapitre 2. Variables aléatoir
- Page 106 and 107: 102 Chapitre 2. Variables aléatoir
- Page 108 and 109: 104 Chapitre 2. Variables aléatoir
- Page 110 and 111: 106 Chapitre 2. Variables aléatoir
- Page 112 and 113: 108 Chapitre 2. Variables aléatoir
- Page 114 and 115: 110 Chapitre 2. Variables aléatoir
- Page 116 and 117: 112 Chapitre 2. Variables aléatoir
- Page 118 and 119: 114 Chapitre 2. Variables aléatoir
- Page 120 and 121: 116 Chapitre 3. Variables aléatoir
- Page 122 and 123: 118 Chapitre 3. Variables aléatoir
- Page 124 and 125: 120 Chapitre 3. Variables aléatoir
- Page 126 and 127: 122 Chapitre 3. Variables aléatoir
- Page 128 and 129: 124 Chapitre 3. Variables aléatoir
- Page 130 and 131: 126 Chapitre 3. Variables aléatoir
- Page 132 and 133: 128 Chapitre 3. Variables aléatoir
- Page 134 and 135: 130 Chapitre 3. Variables aléatoir
- Page 136 and 137: 132 Chapitre 3. Variables aléatoir
- Page 138 and 139: 134 Chapitre 3. Variables aléatoir
- Page 140 and 141: 136 Chapitre 3. Variables aléatoir
- Page 142 and 143: 138 Chapitre 3. Variables aléatoir
- Page 146 and 147: 142 Chapitre 3. Variables aléatoir
- Page 148 and 149: 144 Chapitre 3. Variables aléatoir
- Page 150 and 151: ∈Ê 146 Chapitre 3. Variables al
- Page 152 and 153: 148 Chapitre 3. Variables aléatoir
- Page 154 and 155: 150 Chapitre 3. Variables aléatoir
- Page 156 and 157: 152 Chapitre 3. Variables aléatoir
- Page 158 and 159: 154 Chapitre 3. Variables aléatoir
- Page 160 and 161: 156 Chapitre 3. Variables aléatoir
- Page 162 and 163: 158 Chapitre 3. Variables aléatoir
- Page 164 and 165: 160 Chapitre 3. Variables aléatoir
- Page 166 and 167: 162 Chapitre 3. Variables aléatoir
- Page 168 and 169: 164 Chapitre 3. Variables aléatoir
- Page 170 and 171: 166 Chapitre 3. Variables aléatoir
- Page 172 and 173: 168 Chapitre 3. Variables aléatoir
- Page 174 and 175: 170 Chapitre 3. Variables aléatoir
- Page 176 and 177: 172 Chapitre 3. Variables aléatoir
- Page 178 and 179: 174 Chapitre 3. Variables aléatoir
- Page 181 and 182: Annexe A Annexes A.1 Annales Univer
- Page 183 and 184: A.1. Annales 179 Université de Ren
- Page 185 and 186: A.1. Annales 181 Université de Ren
- Page 187 and 188: A.1. Annales 183 3. Montrer que E[X
- Page 189 and 190: A.1. Annales 185 4. Par définition
- Page 191 and 192: A.1. Annales 187 4. Soit Y la varia
- Page 193 and 194: A.1. Annales 189 0.50 0.45 0.40 0.3
3.5. Exercices 141<br />
3. Déterminer la médiane de X, c’est-à-dire la valeur m telle queÈ(X > m) = 1/2.<br />
4. Rappeler ce que vaut la quantité<br />
1<br />
√ 2π<br />
+∞<br />
−∞<br />
e −x2<br />
2 dx<br />
En déduire la valeur de +∞<br />
0 e −x2<br />
2 dx.<br />
5. Grâce (par exemple) à une intégration par parties, montrer que E[X] = π<br />
2<br />
6. Soit U une variable aléatoire distribuée suivant une loi uniforme sur ]0,1].<br />
(a) Rappeler ce que vaut la fonction de répartition FU de U.<br />
(b) On considère maintenant la variable aléatoire X = √ −2lnU. Dans quel intervalle X<br />
prend-elle ses valeurs ?<br />
(c) En passant par sa fonction de répartition FX, montrer que la variable aléatoire X suit<br />
une loi de Rayleigh de paramètre 1.<br />
Exercice 3.32 (Loi de Rademacher et marche aléatoire)<br />
Soit X une variable suivant une loi de Bernoulli de paramètre 1/2.<br />
1. Rappeler la moyenne et la variance de X.<br />
2. On considère maintenant la variable aléatoire Y = 2X −1. Quelles valeurs peut prendre Y ?<br />
Avec quelles probabilités ? On dit que Y suit une loi de Rademacher.<br />
3. Calculer la moyenne et la variance de Y .<br />
4. On considère maintenant 100 variables aléatoires indépendantes Y1,...,Y100, chacune suivant<br />
la loi de Rademacher. On note S100 = Y1 +···+Y100 la somme de ces variables.<br />
(a) Quelles valeurs peut prendre la variable S100 ? Préciser sa moyenne et sa variance.<br />
(b) Un homme ivre quitte un troquet : il fait des pas d’un mètre, un coup à droite, un coup<br />
à gauche, et ce de façon équiprobable et indépendante. Au bout de 100 pas, dans un<br />
rayon de combien de mètres autour de son point de départ va-t-il se trouver avec 95%<br />
de chances ?<br />
Exercice 3.33 (Précipitation vs. précision)<br />
1. La quantité annuelle de précipitations (en cm) dans une certaine région est distribuée selon<br />
une loi normale de moyenne 140 et de variance 16.<br />
(a) Quelle est la probabilité qu’en une année il pleuve plus de 150 cm?<br />
(b) Quelle est la probabilité qu’à partir d’aujourd’hui, il faille attendre au moins 10 ans<br />
avant d’obtenir une année avec une quantité annuelle de pluie supérieure à 150 cm?<br />
2. La largeur (en cm) d’une fente entaillée dans une pièce suit une loi normale de moyenne<br />
m = 2 et d’écart-type σ. Les limites de tolérance sont données comme étant 2±0.012.<br />
(a) Si σ = 0.007, quel sera le pourcentage de pièces défectueuses ?<br />
(b) Quelle est la valeur maximale que peut prendre σ de sorte que le pourcentage de pièces<br />
défectueuses ne dépasse pas 1%?<br />
Exercice 3.34 (Loi de Weibull)<br />
On considère une variable aléatoire X de densité<br />
<br />
3x2 e−x f(x) =<br />
3<br />
si x ≥ 0<br />
0 si x < 0<br />
1. Vérifier que f est bien une densité de probabilité. On dit que X suit une loi de Weibull.<br />
<strong>Probabilités</strong> Arnaud Guyader - <strong>Rennes</strong> 2<br />
(3.1)