Introduction aux Probabilités - Université Rennes 2
Introduction aux Probabilités - Université Rennes 2 Introduction aux Probabilités - Université Rennes 2
82 Chapitre 2. Variables aléatoires discrètes mais réelle, estimée ici à 5%) de ne pas se présenter pour l’embarquement. Le nombre de passagers effectivement absents à l’enregistrement suit donc une loi binomiale B(94;0,05), qui peut être approchée par une loi de Poisson P(4.7). Remarque. Si n est grand mais si p n’est pas très petit (de sorte que typiquement on n’ait pas np < 5), l’approximation de la loi binomiale par une loi de Poisson n’est plus valide. Néanmoins, on verra en fin de Chapitre 3 que le Théorème Central Limite permet alors d’approcher la loi binomiale par une loi normale. Ce phénomène a d’ailleurs été illustré figure 2.6 à droite pour n = 90 et p = 1/6. 2.6 Exercices Exercice 2.1 (Loi uniforme) 1. On jette une pièce équilibrée. On appelle X la variable aléatoire qui vaut 0 si on obtient Face et 1 si on obtient Pile. Représenter la fonction de répartition de X. 2. On jette un dé équilibré et on appelleX le résultat du lancer. Donner la loi deX et représenter sa fonction de répartition. 3. De façon générale, on dit que U suit une loi uniforme sur l’ensemble {1,...,n} et on note U ∼ U {1,...,n} si pour tout i entre 1 et n :È(U = i) = 1/n. Représenter la fonction de répartition de U. 4. Lors d’une visite médicale, n patients de tailles différentes se présentent devant le médecin, et ce dans un ordre aléatoire. On note X le rang de présentation du plus grand d’entre eux. Donner la loi de la variable X. Exercice 2.2 (Loi de Bernoulli) 1. On jette une pièce dont la probabilité d’apparition de Pile est 2/3. On appelle X la variable aléatoire qui vaut 0 si on obtient Face et 1 si on obtient Pile. Représenter la fonction de répartition de X. 2. De façon générale, on dit que X suit une loi de Bernoulli de paramètre p et on note X ∼ B(p) si X est à valeurs dans {0,1} avec :È(X = 1) = p. Représenter la fonction de répartition de X. 3. D’une urne contenant B boules blanches, N boules noires et 1 boule rouge, on tire simultanément n boules (avec bien sûr n ≤ (B+N+1)). On appelle X la variable aléatoire égale à 1 si la boule rouge est tirée, 0 sinon : elle suit donc une loi de Bernoulli. Donner son paramètre. 4. Un étudiant aviné sort de chez un ami un jeudi soir comme les autres à Rennes. A l’instant n = 0 il est en O et se déplace à chaque instant entier de +1 ou de -1, et ce de façon équiprobable. Soit Yn la variable aléatoire égale à 1 si à l’instant 2n l’étudiant se retrouve à nouveau en son point de départ, et Yn = 0 sinon. Donner le paramètre de cette loi de Bernoulli. Exercice 2.3 (Loi binomiale) 1. On lance n fois de suite une pièce équilibrée et on note X la somme des résultats obtenus, avec la convention 0 pour Face et 1 pour Pile. Donner la loi de X. 2. On dit que X suit une loi binomiale de paramètres n ∈Æ∗ et p ∈]0,1[ et on note X ∼ B(n,p) si X est à valeurs dans {0,1,...,n} avec pour tout k ∈ {0,1,...,n} : pk =È(X = k) = n k pk (1−p) n−k . Vérifier que c’est bien une loi de probabilité, c’est-à-dire que la somme des pk vaut bien 1. Quel lien peut-on faire entre une loi binomiale B(n,p) et la loi de Bernoulli B(p)? 3. Dans un magasin il y a n clients et m caisses. Chaque client choisit une caisse au hasard et on appelle X le nombre de clients choisissant la caisse numéro 1. Donner la loi de X. Arnaud Guyader - Rennes 2 Probabilités
2.6. Exercices 83 Exercice 2.4 (Loi hypergéométrique) 1. Dans une population de taille N donnée, la proportion favorable à un candidat donné est p. Afin d’estimer p, on interroge un échantillon de n personnes et on appelle X le nombre d’électeurs favorables à ce candidat dans cet échantillon. Donner la loi de X. 2. On dit que X suit une loi hypergéométrique de paramètres N ∈Æ∗ , n ∈ {1,...,N} et p = 1−q ∈]0,1[ et on note X ∼ H(N,n,p) si X est à valeurs dans {0,1,...,n} avec ∀k ∈ {0,1,...,n} pk =È(X = k) = Np Nq k n−k N n Vérifier que c’est bien une loi de probabilité, c’est-à-dire que la somme des pk vaut bien 1. 3. Montrer que lorsque n est très petit devant N, la loi hypergéométrique H(N,n,p) et la loi binomiale B(n,p) se ressemblent comme deux gouttes d’eau. Exercice 2.5 (Loi géométrique) 1. On lance une pièce équilibrée jusqu’à la première apparition de Pile. Quelle est la probabilité que Pile n’apparaisse jamais (on pourra appeler En l’événement : “Pile n’apparaît pas durant les n premiers lancers” et appliquer la continuité monotone décroissante)? On exclut ce cas et on appelle X la variable correspondant à la première apparition de Pile. Donner la loi de X et représenter sa fonction de répartition. 2. On lance un dé équilibré et on appelle X la variable correspondant à la première apparition du numéro 1 (avec la même hypothèse que dans la question précédente). Donner la loi de X et représenter sa fonction de répartition. 3. On dit que X suit une loi géométrique de paramètre p ∈]0,1[ et on note X ∼ G(p) si X est à valeurs dansÆ∗ = {1,2,...} avec pour tout n ∈Æ∗ : pn =È(X = n) = p(1−p) n−1 . Vérifier que c’est bien une loi de probabilité, c’est-à-dire que la somme des pn vaut bien 1. Quel lien peut-on faire entre la loi G(p) et la loi de Bernoulli B(p)? pn ∈Æ Exercice 2.6 (Loi de Poisson) 1. On dit que X suit une loi de Poisson de paramètre λ ∈Ê∗ + et on note X ∼ P(λ) si X est à valeurs dansÆavec : ∀n =È(X = n) = e −λλn n! . Vérifier que c’est bien une loi de probabilité, c’est-à-dire que la somme des pn vaut bien 1. 2. Représenter la suite des (pn)n≥0 pour λ = 2, puis pour λ = 20. 3. Soit λ > 0 fixé. On lance n fois une pièce amenant Pile avec la probabilité pn = λ/n. Soit Xn le nombre de fois où Pile apparaît durant ces n lancers. (a) Quelle est la loi de Xn ? Rappeler en particulierÈ(Xn = k). (b) Pour k fixé entre 0 et n, montrer que limn→∞È(Xn = k) = e−λλk k! . Autrement dit, lorsque n devient grand, la loi binomiale “ressemble” à une loi de Poisson. (c) Montrer que le résultat précédent est encore vrai si on suppose juste que : lim n→+∞ npn = λ. 4. Lors du championnat de France de Ligue 1 de football (saison 2004-2005), on a relevé le nombre de buts marqués par équipe et par match lors de l’ensemble des 38 journées de championnat. En tout, 824 buts ont été marqués lors des 380 matchs disputés (cf. tableau ci-dessous). Soit X la variable correspondant au nombre de buts marqués par une équipe et par match. Déduire la loi de X du tableau. ViaÈ(X = 0), trouver un paramètre λ tel que la loi de X ressemble à une loi de Poisson P(λ). Probabilités Arnaud Guyader - Rennes 2
- Page 35 and 36: 1.5. Corrigés 31 L’hypothèse de
- Page 37 and 38: 1.5. Corrigés 33 et on peut donc u
- Page 39 and 40: 1.5. Corrigés 35 2. Soit A et B de
- Page 41 and 42: 1.5. Corrigés 37 - Concernant la l
- Page 43 and 44: 1.5. Corrigés 39 q Figure 1.9 - Un
- Page 45 and 46: 1.5. Corrigés 41 et pour l’Europ
- Page 47 and 48: 1.5. Corrigés 43 3. On cherche cet
- Page 49 and 50: 1.5. Corrigés 45 Exercice 1.27 (La
- Page 51 and 52: 1.5. Corrigés 47 Exercice 1.31 (Le
- Page 53 and 54: 1.5. Corrigés 49 qui se calcule à
- Page 55 and 56: 1.5. Corrigés 51 2. Cette fois la
- Page 57 and 58: 1.5. Corrigés 53 Figure 1.11 - Pro
- Page 59: 1.5. Corrigés 55 3. Nous voulons c
- Page 62 and 63: 58 Chapitre 2. Variables aléatoire
- Page 64 and 65: 60 Chapitre 2. Variables aléatoire
- Page 66 and 67: 62 Chapitre 2. Variables aléatoire
- Page 68 and 69: 64 Chapitre 2. Variables aléatoire
- Page 70 and 71: 66 Chapitre 2. Variables aléatoire
- Page 72 and 73: 68 Chapitre 2. Variables aléatoire
- Page 74 and 75: 70 Chapitre 2. Variables aléatoire
- Page 76 and 77: 72 Chapitre 2. Variables aléatoire
- Page 78 and 79: 74 Chapitre 2. Variables aléatoire
- Page 80 and 81: 76 Chapitre 2. Variables aléatoire
- Page 82 and 83: 78 Chapitre 2. Variables aléatoire
- Page 84 and 85: 80 Chapitre 2. Variables aléatoire
- Page 88 and 89: 84 Chapitre 2. Variables aléatoire
- Page 90 and 91: 86 Chapitre 2. Variables aléatoire
- Page 92 and 93: 88 Chapitre 2. Variables aléatoire
- 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
2.6. Exercices 83<br />
Exercice 2.4 (Loi hypergéométrique)<br />
1. Dans une population de taille N donnée, la proportion favorable à un candidat donné est<br />
p. Afin d’estimer p, on interroge un échantillon de n personnes et on appelle X le nombre<br />
d’électeurs favorables à ce candidat dans cet échantillon. Donner la loi de X.<br />
2. On dit que X suit une loi hypergéométrique de paramètres N ∈Æ∗ , n ∈ {1,...,N} et<br />
p = 1−q ∈]0,1[ et on note X ∼ H(N,n,p) si X est à valeurs dans {0,1,...,n} avec<br />
<br />
∀k ∈ {0,1,...,n} pk =È(X = k) =<br />
Np Nq<br />
k n−k<br />
N<br />
n<br />
Vérifier que c’est bien une loi de probabilité, c’est-à-dire que la somme des pk vaut bien 1.<br />
3. Montrer que lorsque n est très petit devant N, la loi hypergéométrique H(N,n,p) et la loi<br />
binomiale B(n,p) se ressemblent comme deux gouttes d’eau.<br />
Exercice 2.5 (Loi géométrique)<br />
1. On lance une pièce équilibrée jusqu’à la première apparition de Pile. Quelle est la probabilité<br />
que Pile n’apparaisse jamais (on pourra appeler En l’événement : “Pile n’apparaît pas durant<br />
les n premiers lancers” et appliquer la continuité monotone décroissante)? On exclut ce cas<br />
et on appelle X la variable correspondant à la première apparition de Pile. Donner la loi de<br />
X et représenter sa fonction de répartition.<br />
2. On lance un dé équilibré et on appelle X la variable correspondant à la première apparition<br />
du numéro 1 (avec la même hypothèse que dans la question précédente). Donner la loi de X<br />
et représenter sa fonction de répartition.<br />
3. On dit que X suit une loi géométrique de paramètre p ∈]0,1[ et on note X ∼ G(p) si X est à<br />
valeurs dansÆ∗ = {1,2,...} avec pour tout n ∈Æ∗ : pn =È(X = n) = p(1−p) n−1 . Vérifier<br />
que c’est bien une loi de probabilité, c’est-à-dire que la somme des pn vaut bien 1. Quel lien<br />
peut-on faire entre la loi G(p) et la loi de Bernoulli B(p)?<br />
pn<br />
∈Æ Exercice 2.6 (Loi de Poisson)<br />
1. On dit que X suit une loi de Poisson de paramètre λ ∈Ê∗<br />
+ et on note X ∼ P(λ) si X est à<br />
valeurs dansÆavec :<br />
∀n =È(X = n) = e −λλn<br />
n! .<br />
Vérifier que c’est bien une loi de probabilité, c’est-à-dire que la somme des pn vaut bien 1.<br />
2. Représenter la suite des (pn)n≥0 pour λ = 2, puis pour λ = 20.<br />
3. Soit λ > 0 fixé. On lance n fois une pièce amenant Pile avec la probabilité pn = λ/n. Soit<br />
Xn le nombre de fois où Pile apparaît durant ces n lancers.<br />
(a) Quelle est la loi de Xn ? Rappeler en particulierÈ(Xn = k).<br />
(b) Pour k fixé entre 0 et n, montrer que limn→∞È(Xn = k) = e−λλk k! . Autrement dit,<br />
lorsque n devient grand, la loi binomiale “ressemble” à une loi de Poisson.<br />
(c) Montrer que le résultat précédent est encore vrai si on suppose juste que :<br />
lim<br />
n→+∞ npn = λ.<br />
4. Lors du championnat de France de Ligue 1 de football (saison 2004-2005), on a relevé le<br />
nombre de buts marqués par équipe et par match lors de l’ensemble des 38 journées de<br />
championnat. En tout, 824 buts ont été marqués lors des 380 matchs disputés (cf. tableau<br />
ci-dessous). Soit X la variable correspondant au nombre de buts marqués par une équipe et<br />
par match. Déduire la loi de X du tableau. ViaÈ(X = 0), trouver un paramètre λ tel que<br />
la loi de X ressemble à une loi de Poisson P(λ).<br />
<strong>Probabilités</strong> Arnaud Guyader - <strong>Rennes</strong> 2