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.

2.7. Corrigés 95<br />

1<br />

1/3<br />

1<br />

1<br />

1−p<br />

Figure 2.11 – Fonctions de répartition des lois de Bernoulli B(2/3) et B(p).<br />

Considérons n variables X1,...,Xn qui suivent toutes la même loi de Bernoulli B(p) et<br />

indépendantes c’est-à-dire que :<br />

∀(i1,...,in) ∈ {0,1} n È(X1 = i1,...,Xn = in) =È(X1 = i1)...È(Xn = in).<br />

Considérons alors la variable aléatoire X = X1+···+Xn. Elle est à valeurs dans{0,1,...,n}.<br />

Fixons k entre 0 et n et cherchonsÈ(X = k). Pour que X = k, il faut que exactement k des<br />

variables Xi prennent la valeur 1 et (n−k) la valeur 0, ce qui s’écrit :<br />

<br />

È(X = k) = P(X1 = i1,...,Xn = in),<br />

donc par l’indépendance des Xi :<br />

È(X = k) =<br />

(i1,...,in):i1+···+in=k<br />

<br />

(i1,...,in):i1+···+in=kÈ(X1 = i1)...È(Xn = in).<br />

Il suffit alors de voir que lorsque i1+···+in = k, la quantitéÈ(X1 = i1)...È(Xn = in) est<br />

toujours la même, égale à p k (1−p) n−k , donc :<br />

È(X = k) =<br />

<br />

(i1,...,in):i1+···+in=k<br />

p k (1−p) n−k = p k (1−p) n−k #{(i1,...,in) : i1+···+in = k}.<br />

Et comme on l’a vu plus haut, le nombre de n-uplets comptant exactement k “1” et (n−k)<br />

“0” est n<br />

k , donc :<br />

<br />

n<br />

È(X = k) = p<br />

k<br />

k (1−p) n−k ⇒ X ∼ B(n,p).<br />

Dit brièvement, une loi binomialeB(n,p) peut être vue comme la somme denlois de Bernoulli<br />

B(p) indépendantes.<br />

3. Associons à chacun des n clients une variable Xi valant 1 s’il choisit la caisse numéro 1 et<br />

0 sinon. Pour tout i entre 1 et n, Xi suit donc une loi de Bernoulli. Son paramètre est la<br />

probabilité que le client i choisisse la caisse numéro 1, c’est-à-dire 1/m, donc Xi ∼ B(1/m).<br />

Puisque les clients prennent leur décision indépendamment les uns des autres, les variables<br />

Xi sont indépendantes. La variable X qui nous intéresse, nombre total de clients à opter pour<br />

la caisse numéro 1, est alors tout simplement la somme des Xi. Par la question précédente<br />

on en conclut que X ∼ B(n,1/m).<br />

Exercice 2.4 (Loi hypergéométrique)<br />

1. Supposons d’entrée que n ≤ Np et n ≤ Nq, ce qui est le cas courant lorsque N est bien plus<br />

grand que n, et p pas trop petit. La variable X est alors à valeurs dans {0,...,n}. Fixons<br />

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

1

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

Saved successfully!

Ooh no, something went wrong!