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.

A.1. Annales 201<br />

1. Dire que T est une variable aléatoire suivant une loi géométrique de paramètre p signifie que<br />

T est à valeurs dansÆ∗ , avec<br />

∀n ∈Æ∗ È(T = n) = p(1−p) n−1<br />

Son espérance vaut E[T] = 1/p et sa variance Var(T) = q/p 2 .<br />

2. Si on suppose que le nombre de naissance est équiréparti sur les 12 mois de l’année (ceci<br />

signifie en particulier qu’on ne tient pas compte du fait que certains mois ont plus de jours<br />

que d’autres et que les naissances ne sont en fait pas équiréparties sur l’année) et que les<br />

individus interrogés sont indépendants du point de vue du mois de naissance, alors le nombre<br />

de personnes que l’on doit interroger suit une loi géométrique de paramètre 1/12. Ainsi le<br />

nombre moyen de personnes à interroger est E[T] = 12.<br />

3. La loi de X est gémétrique de paramètre 1/2.<br />

4. On reconnaît dans la série concernée le moment d’ordre 2 d’une variable X distribuée suivant<br />

une loi géométrique de paramètre 1/2 :<br />

X ∼ G(1/2) ⇒ E[X 2 ] =<br />

Or E[X 2 ] = Var(X)+(E[X]) 2 = 2+4 = 6.<br />

5. (a) Pour calculer la probabilité p qu’Alice perde de l’argent lors d’une partie, on passe par<br />

l’événement complémentaire, à savoir le fait qu’Alice gagne de l’argent, ce qui arrive si<br />

et seulement si Pile apparaît au premier ou au deuxième lancer. En notant toujours X<br />

+∞<br />

n=1<br />

n 2<br />

2 n.<br />

la variable géométrique introduite précédemment, on a donc :<br />

p = 1−(È(G = 4)+È(G = 1)) = 1−(È(X = 1)+È(X = 2)) = 1−<br />

<br />

1 1<br />

+ =<br />

2 4<br />

1<br />

4 .<br />

(b) La variable G prend les valeurs 5 − n 2 avec les probabilités 1/2 n pour tout n ∈Æ∗ ,<br />

donc son espérance vaut :<br />

E[G] =<br />

+∞<br />

n=1<br />

5−n 2<br />

= 5<br />

2n +∞<br />

n=1<br />

1<br />

−<br />

2n +∞<br />

n=1<br />

n2 = 5−6 = −1.<br />

2n On pouvait aussi trouver ce résultat en appliquant le théorème de transfert puisque la<br />

variable G est tout simplement égale à 5−X 2 , d’où :<br />

E[G] = E[5−X 2 ] = 5−E[X 2 ] = 5−6 = −1.<br />

(c) Sur une partie, Alice a 3 chances sur 4 de gagner de l’argent, donc sur ce principe on<br />

pourrait préférer être du côté d’Alice. Néanmoins, on a vu aussi qu’en moyenne, par<br />

partie, elle perd 1e. Ceci signifie en gros que lorsqu’elle gagne (ce qui arrive 3 fois sur<br />

4) elle gagne peu, tandis que lorsqu’elle perd (ce qui arrive 1 fois sur 4), elle peut perdre<br />

beaucoup. Si on se met à la place de Bob, tout se passe un peu comme s’il achetait un<br />

ticket de Loto à prix variable (1 ou 4e) : il ne va probablement rien récupérer, mais<br />

s’il gagne il peut éventuellement gagner beaucoup. Tout dépend donc si on est joueur<br />

ou non...<br />

Il n’y a par contre plus aucune ambiguïté lorsqu’Alice et Bob jouent un grand nombre<br />

de parties. Notons σ l’écart-type de G et S = G1 +··· +G100 le gain d’Alice sur 100<br />

parties, alors le théorème central limite dit que S est approximativement distribuée<br />

selon une loi normale de moyenne 100×E[G] = −100 et d’écart-type 10σ. Puisque la<br />

moyenne de cette loi normale est négative, S a plus de chances d’être négatif que positif,<br />

donc on préférera être à la place de Bob.<br />

<strong>Probabilités</strong> Arnaud Guyader - <strong>Rennes</strong> 2

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

Saved successfully!

Ooh no, something went wrong!