Introduction aux Probabilités - Université Rennes 2
Introduction aux Probabilités - Université Rennes 2
Introduction aux Probabilités - Université Rennes 2
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
3.6. Corrigés 157<br />
3. Notons f la densité de X. Il est clair que f = 0 surÊ− et sur [1,+∞[. Pour x ∈ [0,1], il<br />
suffit de dériver la fonction de répartition F, ce qui donne au final :<br />
f(x) = n(1−x) n−1 {0≤x≤1}.<br />
Le calcul de l’espérance de X est alors automatique :<br />
Êxf(x)dx<br />
1<br />
E[X] = = xn(1−x) n−1 dt,<br />
où l’on applique naturellement une intégration par parties :<br />
E[X] = [−x(1−x) n ] 1<br />
0 +<br />
1<br />
0<br />
0<br />
(1−x) n dx =<br />
<br />
− (1−x)n+1<br />
n+1<br />
1<br />
0<br />
= 1<br />
n+1 .<br />
Dans le cas particulier où n = 1, on a X = U1 et on retrouve E[X] = 1/2, moyenne d’une<br />
loi uniforme sur [0,1].<br />
Exercice 3.15 (Racines d’un trinôme aléatoire)<br />
1. Le discriminant de P vaut :<br />
∆ = 16(U 2 −U −2) = 16(U +1)(U −2).<br />
2. On peut écrire D(u) = (u+1)(u −2), d’où l’on déduit que D admet les 2 racines −1 et 2,<br />
est strictement négative sur ]−1,+2[ et strictement positive sur ]−∞,−1[ et sur ]+2,+∞[.<br />
3. Pour que P ait deux racines réelles distinctes, il faut et il suffit que son discriminant soit<br />
strictement positif. Au vu des deux questions précédentes et puisque U prend ses valeurs sur<br />
[0,5], on en déduit que la probabilité p que P ait deux racines réelles distinctes vaut :<br />
p =È(U ∈]−∞,−1[∪]+2,+∞[) =È(2 < U ≤ 5) = 3<br />
5 .<br />
Exercice 3.16 (Lien entre lois exponentielle et géométrique)<br />
1. Puisque X est à valeurs dans ]0,+∞[, Y est à valeurs dansÆ∗ . Pour tout n ∈Æ∗ , on a :<br />
È(Y = n) =È(n−1 < X ≤ n) = F(n)−F(n−1) = 1−e −n <br />
− 1−e −(n−1)<br />
qui s’écrit encore : È(Y = n) = 1−e −1 e −(n−1) .<br />
= e −(n−1) −e −n<br />
On voit que Y suit donc une loi géométrique de paramètre 1−1/e, noté Y ∼ G(1−1/e). Sa<br />
moyenne vaut donc<br />
1 e<br />
E[Y] = = ≈ 1.58.<br />
1−1/e e−1<br />
Sa variance vaut quant à elle :<br />
Var(Y) = 1−(1−1/e)<br />
=<br />
(1−1/e) 2<br />
e<br />
≈ 0.92.<br />
(e−1) 2<br />
2. Soit alors Z = Y − X. la variable Z est à valeurs dans [0,1[ puisque pour tout réel x,<br />
x ≤ ⌈x⌉ < x+1. Soit donc z ∈ [0,1[ : dire que Z = Y −X = ⌈X⌉−X est inférieure à z,<br />
c’est dire que X est à distance inférieure à z de l’entier supérieur le plus proche, c’est-à-dire<br />
qu’il existe n ∈Æ∗ tel que n−z ≤ X ≤ n. Formalisons ceci :<br />
+∞<br />
<br />
È(Z ≤ z) =È<br />
{n−z ≤ X ≤ n} .<br />
n=1<br />
<strong>Probabilités</strong> Arnaud Guyader - <strong>Rennes</strong> 2