Introduction aux Probabilités - Université Rennes 2
Introduction aux Probabilités - Université Rennes 2 Introduction aux Probabilités - Université Rennes 2
182 Annexe A. Annexes 3. Pour n ∈Æfixé, on considère la fonction P définie par : P(x) = 1+x+···+x n = n x j . Exprimer sa dérivée P ′ (x) sous la forme d’une somme de n termes. 4. Pour x = 1, écrire plus simplement P(x) (penser à la somme des termes d’une suite géométrique). En déduire une autre expression de P ′ (x), à savoir : j=0 P ′ (x) = nxn+1 −(n+1)x n +1 (1−x) 2 . 5. Déduire des questions précédentes que X a pour moyenne : E[X] = 1−(1−p)11 . p 6. Supposons maintenant qu’il n’y ait pas seulement 10 candidats, mais un nombre infini, et que l’on procède de la même façon. Appelons Y le numéro du candidat retenu. Quelle est la loi classique suivie par Y ? Rappeler son espérance. La comparer à E[X] lorque p = 1/2. IV. Autour de la loi normale On considère une variable aléatoire X de loi normale N(0,1). 1. Montrer que, pour tout n ∈Æ, on a : E[X n+2 ] = (n+1)E[X n ] (intégrer par parties). 2. Que vaut E[X 2 ]? Déduire de ce résultat et de la question précédente la valeur de E[X 4 ]. 3. Que vaut E[X 3 ]? 4. Soit Y la variable aléatoire définie par Y = 2X +1. (a) Quelle est la loi de Y ? (b) Déterminer E[Y 4 ] (on pourra utiliser la formule du binôme et les moments de X trouvés précédemment). 5. A l’aide de la table de la loi normale, déterminerÈ(|X| ≥ 2). Que donne l’inégalité de Tchebychev dans ce cas ? Comparer et commenter. 6. On considère maintenant que X suit une loi normale de moyenne 7 et d’écart-type 4. (a) DéterminerÈ(X ≤ 8) etÈ(5 ≤ X ≤ 9). (b) Déterminer q tel queÈ(X > q) = 0,9. 7. (Bonus) La taille des enfants d’un collège est distribuée selon une loi normale de moyenne m et d’écart-type σ. On sait qu’un cinquième des élèves mesurent moins de 1m50 et que 10% des élèves mesurent plus de 1m80. Déterminer m et σ. V. Loi de Laplace On considère une variable aléatoire X dont la densité f est donnée par : ∀x ∈Ê, f(x) = 1 2 e−|x| , où |x| représente la valeur absolue de x, c’est-à-dire |x| = x si x ≥ 0 et |x| = −x si x ≤ 0. 1. Vérifier que f est bien une densité surÊ. Représenter f. 2. On note F la fonction de répartition de X. Calculer F(x) (on distinguera les cas x ≤ 0 et x ≥ 0). Représenter F. Arnaud Guyader - Rennes 2 Probabilités
A.1. Annales 183 3. Montrer que E[X] = 0. 4. Pour tout n ∈Æ, on appelle In l’intégrale définie par : (a) Combien vaut I0 ? +∞ In = x 0 n e −x dx. (b) Montrer que pour tout n ∈Æ∗ , In = nIn−1. En déduire que In = n! pour tout n ∈Æ. 5. Pour tout n ∈Æ, calculer E[X 2n ]. Que vaut Var(X)? 6. Pour tout n ∈Æ, que vaut E[X 2n+1 ]? Probabilités Arnaud Guyader - Rennes 2
- 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 144 and 145: 140 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: A.1. Annales 181 Université de Ren
- 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
- Page 195 and 196: A.1. Annales 191 4. (Bonus) La prob
- Page 197 and 198: A.1. Annales 193 III. Pièces défe
- Page 199 and 200: A.1. Annales 195 Tandis que dans le
- Page 201 and 202: A.1. Annales 197 IV. Jeu d’argent
- Page 203 and 204: A.1. Annales 199 4. L’espérance
- Page 205 and 206: A.1. Annales 201 1. Dire que T est
- Page 207 and 208: A.1. Annales 203 Université Rennes
- Page 209 and 210: A.1. Annales 205 Université Rennes
- Page 211 and 212: A.1. Annales 207 Ainsi, le taux de
- Page 213 and 214: A.1. Annales 209 Université Rennes
- Page 215 and 216: A.1. Annales 211 4. Soit X1 et X2 d
- Page 217 and 218: A.1. Annales 213 Figure A.5 - Densi
- Page 219 and 220: A.1. Annales 215 3. Pour la varianc
- Page 221 and 222: A.1. Annales 217 à la suite de quo
- Page 223: Bibliographie [1] Nicolas Bouleau.
A.1. Annales 183<br />
3. Montrer que E[X] = 0.<br />
4. Pour tout n ∈Æ, on appelle In l’intégrale définie par :<br />
(a) Combien vaut I0 ?<br />
+∞<br />
In = x<br />
0<br />
n e −x dx.<br />
(b) Montrer que pour tout n ∈Æ∗ , In = nIn−1. En déduire que In = n! pour tout n ∈Æ.<br />
5. Pour tout n ∈Æ, calculer E[X 2n ]. Que vaut Var(X)?<br />
6. Pour tout n ∈Æ, que vaut E[X 2n+1 ]?<br />
<strong>Probabilités</strong> Arnaud Guyader - <strong>Rennes</strong> 2