TD4 - Révisions 2 des probabilités

Filtres:

Nb d'énoncés:

- 👍 Toutes les variables aléatoires de cet exercice sont définies sur le même espace probabilisé $(\Omega,{\cal A},P)$.
A toute suite de variables aléatoires $(X_n)_{n\in\N^*}$ dont les propriétés varieront en fonction des questions, on associe la suite de variables aléatoires $(Y_n)_{n\in\N^*}$ définies pour tout entier naturel non nul $n$ par $Y_n = \displaystyle\prod\limits_{k=1}^n X_k$.
1. Dans cette question, $(X_i)_{i\in\N^*}$ est une suite de variables aléatoires indépendantes de même loi de Bernoulli de paramètre $p\in ]0,1[$. Soit $n\in\N^*$.
  1. Déterminer $Y_n(\Omega )$.
  2. Déterminer la loi de $Y_n$
    👨‍🏫
    
    Cet élément n'est pas encore disponible. Se connecter
    .
  3. Les variables aléatoires $Y_n$ et $Y_{n+1}$ sont-elles indépendantes
    📚
    
    Cet élément n'est pas disponible hors connexion. Se connecter
    
    💁‍♂️
    
    Cet élément n'est pas disponible. Se connecter
    ?
2. Dans cette question, $(X_i)_{i\in\N^*}$ est une suite de variables aléatoires indépendantes de même loi définie par $\Pb([X_i=1])=p\in\ ]0,1[$ et $\Pb([X_i=-1])=1-p$. Soit $n\in\N^*$.
  1. Déterminer $Y_n(\Omega )$
    👨‍🏫
    
    Cet élément n'est pas encore disponible. Se connecter
    .
  2. Déterminer l'espérance de $Y_n$
    💁‍♂️
    
    Cet élément n'est pas disponible. Se connecter
    .
  3. Déterminer la loi de $Y_n$
    💁‍♂️
    
    Cet élément n'est pas disponible. Se connecter
    .
  4. Les variables aléatoires $Y_n$ et $Y_{n+1}$ sont-elles indépendantes
    👨‍🏫
    
    Cet élément n'est pas encore disponible. Se connecter
    ?
3. On note $X_0$ la variable aléatoire certaine égale à $1$ et $(Z_i)_{i\in\N^*}$ une suite de variables aléatoires indépendantes de même loi de Bernoulli de paramètre $ p\in\ ]0,1[$. Pour tout entier naturel $n$ non nul, on pose $X_n = Z_n X_{n-1}$ et on définit, comme précédemment, $Y_n = \displaystyle\prod\limits_{i=1}^n X_i$. Soit $n\in\N^*$.
  1. Les variables aléatoires $X_n$ et $X_{n+1}$ sont-elles indépendantes
    👨‍🏫
    
    Cet élément n'est pas encore disponible. Se connecter
    ?
  2. Déterminer les lois de $X_n$ et de $Y_n$
    👨‍🏫
    
    Cet élément n'est pas encore disponible. Se connecter
    .
2015 - 👍 On désigne par $\alpha$ et $p$ deux réels de $]0,1[ \,$. Un joueur participe à un jeu constitué d'une suite de manches.
Avant chaque manche y compris la première, le joueur a une probabilité $\alpha$ de ne pas être autorisé à jouer la manche en question, (on dit qu'il est disqualifié, et c'est définitif), et une probabilité $1- \alpha$ d'y être autorisé, et ceci indépendamment du fait qu'il ait gagné ou perdu la manche précédente s'il y en a eu une.
A chaque manche jouée, le joueur gagne un euro avec la probabilité $p$ et perd un euro avec la probabilité $1-p$.

Si le jeu a commencé, le joueur joue jusqu'à ce qu'il soit disqualifié, et on suppose que les manches sont jouées de façon indépendantes.
On note :
- $X$ le nombre de manches jouées par le joueur avant d'être disqualifié.
- $Y$ le nombre de manches gagnées par le joueur.
- $G$ le gain du joueur à la fin du jeu.
On admet que $X$, $Y$ et $G$ sont des variables aléatoires réelles définies toutes les trois sur le même espace probabilisé et l'égalité:
$$\forall x\in[0,1[,\quad\sum_{n=r}^{+ \infty} \binom{n}{r} \, x^{n-r}=\frac 1{(1-x)^{r+1}}$$
1. 1. Donner la loi de $X$
    📚
    
    Cet élément n'est pas disponible hors connexion. Se connecter
    . (On pourra noter $D_k$ l'événement "Le joueur ne joue pas la $k$ème manche".)
  2. On pose $T=X+1$. Reconnaître la loi de $T$ puis en déduire que l'on a $\ E(X)=\displaystyle\frac{1- \alpha}{\alpha}$
    📚
    
    Cet élément n'est pas disponible hors connexion. Se connecter
    .
  3. En déduire également la valeur de $V(X)$.
2. 1. Déterminer, pour tout entier naturel $n$, la loi conditionnelle de $Y$ sachant $[X=n]$
    📚
    
    Cet élément n'est pas disponible hors connexion. Se connecter
    .
  2. En déduire la loi de $Y$.
3. Calculer l'espérance de $Y$, puis montrer que $V(Y)=\displaystyle\frac{p\,(1- \alpha)\,(p+\alpha -p\alpha)}{\alpha^2}$.
4. 1. Exprimer $G$ en fonction de $X$ et $Y$.
  2. En déduire l'espérance de $G$.
5. 1. Compléter, en utilisant la fonction $\tt{grand}$ les commandes $\tt{Scilab}$ suivantes pour qu'elles simulent l'expérience aléatoire étudiée et affichent les valeurs prises par $X$ et $Y$.
```
alpha=input('entrer la valeur de alpha : ') 
p=input('entrer la valeur de p : ') 
X = -------
Y = -------
disp(X)
disp(Y)
```
  2. Quelles commandes faut-il ajouter aux précédentes pour calculer et afficher la valeur prise par $G$ ?
👍 Soit $n\in \N^*$. On considère une urne $U_n$ contenant $n$ boules numérotées de 1 à $n$. On tire au hasard une boule de $U_n$. Soit $k$ le numéro de la boule tirée.
- Si $k=1$, on arrête les tirages.
- Sinon, on retire de l'urne toutes les boules numérotées de $k$ à $n$, et on effectue un nouveau tirage.
On répète ces tirages jusqu'à l'obtention de la boule numéro $1$.

Soit $X_n$ la variable aléatoire égale au nombre de tirages effectués l'obtention de la boule numéro $1$.

Soit $Y_n$ la variable aléatoire égale à la somme des numéros tirés et $I_n$ la variable aléatoire égale au numéro de la première boule tirée dans l'urne $U_n$.
1. 1. Quelle est la loi de la variable aléatoire $I_n$
    👨‍🏫
    
    Cet élément n'est pas encore disponible. Se connecter
    ?
  2. Quelle est la loi conditionnelle de la variable aléatoire $X_n$ conditionnée par la réalisation de l'événement $(I_n=1)$
    👨‍🏫
    
    Cet élément n'est pas encore disponible. Se connecter
    ?
  3. Pour tout $n \ge 2$, montrer que
    💁‍♂️
    
    Cet élément n'est pas disponible. Se connecter
    : $$\forall\, j \in \N^*, \forall\, k \in \zint{ 2,n } , P_{(I_n=k)}(X_n=j)=P(X_{k-1}=j-1)$$
    👨‍🏫
    
    Cet élément n'est pas encore disponible. Se connecter
2. 1. Quelle est la loi de la variable aléatoire $X_1$
    👨‍🏫
    
    Cet élément n'est pas encore disponible. Se connecter
    ?
  2. Quelle est la loi de $X_2$ ? Calculer $E(X_2)$.
3. 1. Déterminer $X_n(\Omega)$.
  2. Calculer $P(X_n=1)$ et $P(X_n=n)$
    👨‍🏫
    
    Cet élément n'est pas encore disponible. Se connecter
    .
  3. Montrer que : $\forall\, n \ge 2,\forall\, j \ge 2, P(X_n=j)=\dfrac{1}{n} \sum \limits_{k=1}^{n-1}P(X_k=j-1)$
    💁‍♂️
    
    Cet élément n'est pas disponible. Se connecter
    👨‍🏫
    
    Cet élément n'est pas encore disponible. Se connecter
    .
  4. Pour tout $n \ge 2$ et tout $j \ge 2$, calculer $nP(X_n=j)-(n-1)P(X_{n-1}=j)$
    💁‍♂️
    
    Cet élément n'est pas disponible. Se connecter
    👨‍🏫
    
    Cet élément n'est pas encore disponible. Se connecter
    .
    En déduire que pour tout $n \ge 2$ et tout $j \ge 1$ : $$P(X_n=j)= \dfrac{n-1}{n}P(X_{n-1}=j)+\dfrac{1}{n}P(X_{n-1}=j-1)$$
    👨‍🏫
    
    Cet élément n'est pas encore disponible. Se connecter
4. Montrer que: $\forall n \ge 2, E(X_n)=E(X_{n-1})+\dfrac{1}{n}$
  💁‍♂️
  
  Cet élément n'est pas disponible. Se connecter
  👨‍🏫
  
  Cet élément n'est pas encore disponible. Se connecter
  . En déduire $E(X_n)$ ainsi qu'un équivalent simple de cette espérance quand $n$ tend vers l'infini
  👨‍🏫
  
  Cet élément n'est pas encore disponible. Se connecter
  .
2018 - 👍 Soit $f$ la fonction définie par : $\forall x \in \R$, $f(x) = \dfrac{2}{\left(e^x + e^{-x}\right)^2}.$
1. Etudier la parité de $f$.
2. Montrer que $f$ peut être considérée comme densité d'une certaine variable aléatoire $X$.
3. 1. Montrer que $X$ possède une espérance et donner sa valeur.
  2. Montrer que $X$ possède une variance.
4. On note $F$ la fonction de répartition de $X$. Montrer que $F$ est une bijection de $\R$ sur $]0,1[$.
5. On considère la variable aléatoire $Y$ définie par $Y = F(X)$.
  1. Déterminer la loi de $Y$.
  2. Déterminer explicitement $F(x)$ pour tout réel $x$.
  3. Etablir que la fonction $F^{-1}$, bijection réciproque de $F$, est définie par : $$\forall x \in ]0,1[, \, F^{-1}(x) = \frac{1}{2}\ln \left(\frac{x}{1-x}\right).$$
  4. En déduire un script Scilab permettant de simuler la variable aléatoire $X$.
👍 Soit $X$ une variable aléatoire sur $(\Omega,\A,\Pb)$. On rappelle que l'on a la propriété de croissance de l'espérance et d'existence de l'espérance par domination (voir
📚

Cet élément n'est pas disponible hors connexion. Se connecter

📚

Cet élément n'est pas disponible hors connexion. Se connecter
).
1. On suppose que $X$ admet une variance. Montrer que: $$\V(X)=\disp\min_{a\in\R}\E\left((X-a)^2\right)$$ et que la seule valeur qui donne le minimum est $a=\E(X)$.
2. On suppose dans la suite que $X$ est à valeurs dans $[0,1]$ p.s..
  1. Établir que $|X-\frac 12|\leq \frac 12$ p.s.. En déduire que $\V(X)\leq \frac 14$.
  2. Étudier le cas d'égalité.
3. On considère une autre v.a.r. $Y$, sur le même espace, à valeurs dans $[0,1]$ p.s..
  1. Montrer que, $$\E\left((X-\E(X))(Y-\E(Y))\right)=\E(XY)-\E(X)\E(Y)$$
  2. Si $a$ et $b$ sont deux réels, montrer que: $|ab|\leq \frac 12(a^2+b^2)$.
  3. En déduire que $$\left|\E(XY)-\E(X)\E(Y)\right|\leq \frac 14$$
4. Soit $A$ et $B$ deux événements. Démontrer l'inégalité d'Édith Kosmanek: $$\left|\Pb(A\cap B)-\Pb(A)\Pb(B)\right|\leq \dfrac 14$$ et préciser les cas d'égalité.
😱
1. 1. Montrer que : $$\lim\limits_{x\rightarrow +\infty }x^n(1-F(x))=\lim\limits_{x\rightarrow -\infty }x^nF(x)=0\,.$$
    💁‍♂️
    
    Cet élément n'est pas disponible. Se connecter
  2. En déduire que
    💁‍♂️
    
    Cet élément n'est pas disponible. Se connecter
    \begin{equation*} \mathbb{E}(X^n)=n\left(\int\nolimits_{0}^{+\infty }t^{n-1}\mathbb{P}([X>t])dt-\int\nolimits_{- \infty }^{0}t^{n-1}\mathbb{P}([X\leq t])dt \right)\end{equation*}
2. 1. Montrer que $g:x\mapsto F(x+1)-F(x)$ est une ddp d'une variable aléatoire à densité $Y$.
  2. Montrer que $x^n-(x-1)^n\underset{x\to +\infty}\sim nx^{n-1}$ et en utilisant les résultats de la question 1.a., montrer que: $$\displaystyle\lim_{x\to +\infty}\dint_x^{x+1}(t-1)^n(1-F(t))dt=0$$
  3. En déduire que $\dint_0^{+\infty}t^ng(t)dt$ convergence puis que $Y$ admet un moment d'ordre $n$.
3. On suppose maintenant que $X$ est à valeurs positives et possède une ddp continue et strictement positive sur $[0,+\infty[$. Montrer que $\E(X^n)$ existe ssi $\dint_0^{+\infty}x^{n-1}\ln(F(x))dx$ converge.
2016 - 😨
1. 1. Justifier la convergence de l'intégrale $\dint_0^{+\infty}\dfrac{d x}{\sqrt x\, (1+x)}$.
  2. Soit $V$ une variable aléatoire telle que $V(\Omega)=[0, \frac {\pi}2[$ suivant la loi uniforme sur $[0,\frac {\pi}2[$. On pose : $X=\tan ^2(V)$. Montrer que $X$ est une variable aléatoire à densité
    💁‍♂️
    
    Cet élément n'est pas disponible. Se connecter
    👨‍🏫
    
    Cet élément n'est pas encore disponible. Se connecter
    .
  3. En déduire que la fonction $f:x\longmapsto \begin{cases} \dfrac{1}{\pi \sqrt{x}\, (1+x)}&\text{ si }x>0\\ 0&\text{ sinon} \end{cases}$ est une densité de probabilité
    💁‍♂️
    
    Cet élément n'est pas disponible. Se connecter
    .
2. 1. Compléter le code Scilab de la fonction $\texttt{simulX}$ suivante de sorte que son application à l'entier $N$ ($N\geqslant 2$) fournisse une matrice colonne contenant $N$ simulations indépendantes de la variable aléatoire $\texttt{X}$.
```
function x = simulX(N)
    u = rand(...,...);
    x = ones(u); // matrice de même format que u
    for i = 1:N
        x(i,1) = .......
    end;
endfunction
```
    👨‍🏫
    
    Cet élément n'est pas encore disponible. Se connecter
  2. Après avoir affecté une valeur entière supérieure ou égale à 2 à la variable $N$, on exécute les commandes suivantes :
```
x = simulX(N);
y = 0;
for i = 1:N if x(i,1)>1 then y = y+1;  end; end;
q = y/N;
```
    Trouver la loi d'une variable aléatoire dont la valeur de $\texttt{y}$ est, en fin de boucle, une simulation.
    👨‍🏫
    
    Cet élément n'est pas encore disponible. Se connecter
    De quel nombre peut-on s'attendre que $q$ soit proche lorsque la valeur affectée à $N$ est grande et pourquoi ?
    👨‍🏫
    
    Cet élément n'est pas encore disponible. Se connecter
👍 - La statistique d'ordre - Soient $(\Omega,\A,\Pb)$ un espace probabilisé et $X_{1}$, $X_{2}$,..,$X_{n}$, $n$ v.a.r i.i.d (indépendantes et identiquement distribuées) sur cet espace, de fonction de répartition $F$.
Pour tout $\omega\in\Omega$, on ordonne par ordre croissant $(X_{1}(\omega),X_{2}(\omega),..,X_{n}(\omega))$ et on note $(X_{(1)}(\omega), X_{(2)}(\omega),..,X_{(n)}(\omega))$ le $n$-uplet obtenu.
1. Déterminer les fonctions de répartition de $X_{(1)}$ et $X_{(n)}$ en fonction de $F$.
  💁‍♂️
  
  Cet élément n'est pas disponible. Se connecter
2. Montrer que $\forall t\in\R$, $$\dp \Pb([X_{(k)}\leq t])=\sum_{i=k}^n \binom {n}{i}(F(t))^i(1-F(t))^{n-i}$$
  💁‍♂️
  
  Cet élément n'est pas disponible. Se connecter
  On suppose désormais que les $X_k$ sont des variables aléatoires à densité .
3. En déduire que $X_{(k)}$ est une var à densité et déterminer une ddp de $X_{(k)}$ en fonction de $F$ et d'une ddp $f$ communes aux $X_k$
  💁‍♂️
  
  Cet élément n'est pas disponible. Se connecter
  👨‍🏫
  
  Cet élément n'est pas encore disponible. Se connecter
  .
4. 1. Etudier le cas particulier de la loi uniforme sur $[0,1]$.
  2. En déduire que, $\forall k\in\zint{1,n}$, $\dint_0^1 k\displaystyle\binom{n}{k}x^{k-1}(1-x)^{n-k}dx=1$.
  On suppose désormais qu'il existe $a,b$ tels que $F$ réalise une bijection de classe $C^1$, strictement croissante de $]a,b[$ sur $]0,1[$ ($a=-\infty$ et $b=+\infty$ éventuellement).
  
  On note $G$ la réciproque de cette bijection. On suppose aussi que $\E(X_k)$ existe.
5. Montrer que pour tout $k\in\zint{1,n}$, $\E(X_k)=\dint_0^1 G(x)dx$, $\E(|X_k|)=\dint_0^1 |G(x)|dx$
  💁‍♂️
  
  Cet élément n'est pas disponible. Se connecter
  .
6. 1. Établir que, pour tout $k\in\zint{1,n}$, $\E(X_{(k)})$, existe et que l'on a
    💁‍♂️
    
    Cet élément n'est pas disponible. Se connecter
    $$\E(X_{(k)})=\dint_0^1 G(x)k\displaystyle\binom{n}{k}x^{k-1}(1-x)^{n-k}dx$$
  2. Montrer que $\displaystyle\lim_{n\to +\infty}\dint_0^{1-\frac 1{\sqrt n}}G(x)nx^{n-1}dx=0$
    💁‍♂️
    
    Cet élément n'est pas disponible. Se connecter
    et que $$\dint_{1-\frac 1{\sqrt n}}^1 G(x)nx^{n-1}dx\geq G\left(1-\frac 1{\sqrt n}\right)\left(1-\left(1-\frac 1{\sqrt n}\right)^n\right)\,.$$
  3. En conclure que $\displaystyle\lim_{n\to +\infty} \E(X_{(n)})=b$
    💁‍♂️
    
    Cet élément n'est pas disponible. Se connecter
    .
👍 2019 -
1. 1. Rappeler l'expression, pour tout réel $x$, de $\arctan'(x)$.
  2. Donner la valeur de de $\arctan(1)$ puis montrer que, pour tout réel $x$ strictement positif, on a: $$\arctan(x)+\arctan\left(\frac1x\right)=\frac\pi2.$$
  3. Justifier l'équivalent suivant: $$\arctan(x)\underset 0{\sim} x$$
2. 1. Vérifier que la fonction $f$ qui à tout réel $x$ associe $f(x)=\dfrac1{\pi(x^2+1)}$ peut-être considérée comme une densité d'une certaine variable aléatoire $X$ à valeurs dans $\R$.
  2. Déterminer la fonction de répartition $F$ de $X$.
3. 1. Vérifier que la fonction $g$ qui à tout réel $x$ associe $ g(x)=\begin{cases}\dfrac1{x^2}e^{-1/x}\text{ si }x>0\\0\text{ si }x\leq 0\end{cases}$ peut être considérée comme une densité d'une certaine variable aléatoire $T$ à valeurs dans $\R_+^\star$.
  2. Déterminer la fonction de répartition $G$ de $T$.
  On considère une suite $(X_n)_{n\in\N^\star}$ de variables aléatoires, définies sur un espace probabilisé $(\Omega,\A,\Pb)$, mutuellement indépendantes, et suivant toutes la même loi que $X$.
  
  Pour tout entier naturel $n$ non nul, on pose $M_n=\max(X_1,\ldots,X_n)$ et on admet que $M_n$ est une variable aléatoire, définie elle aussi sur l'espace probabilisé $(\Omega,\A,\Pb)$.
4. 1. Déterminer la fonction de répartition $F_{M_n}$ de $M_n$.
  2. On pose, pour tout entier $n$ de $\N^\star$, $ Y_n=\dfrac\pi nM_n$. Justifier que la fonction de répartition de $Y_n$, notée $G_n$, est donnée par: $$\forall x\in\R,~G_n(x)=\left(\frac1\pi\arctan\left(\frac{nx}\pi\right)+\frac12\right)^n$$
5. 1. Déterminer, pour tout $x$ négatif ou nul, la valeur de $\displaystyle\lim_{n\to+\infty}G_n(x)$.
  2. Montrer que, pour tout $x$ strictement positif, on a: $$G_n(x)=\left(1-\frac1\pi\arctan\left(\frac\pi{nx}\right)\right)^n$$
  3. En déduire pour tout $x$ strictement positif, la valeur de $\displaystyle\lim_{n\to+\infty}G_n(x)$.
👨‍🏫
👍 Soit $X$ une variable aléatoire positive de densité $f$ définie par $\forall t\in\R$: $$f(t)=\begin{cases}\frac{2a}{\pi(t^2+a^2)} &\text{ si }t\geq 0\\ 0 &\text{ si }t<0 \end{cases}$$
1. 1. Vérifier que $f$ est bien une densité de probabilité
    💁‍♂️
    
    Cet élément n'est pas disponible. Se connecter
    . $X$ admet-elle une espérance?
  2. Montrer que pour tout $x>0$, $\arctan\left(\frac 1x\right)=\frac{\pi}2-\arctan(x)$.
  3. Déterminer $K>0$, tel que $\Pb([X>t])\underset{t\to +\infty}\sim \dfrac K{t}$.
2. On considère $Y$ une autre v.a.r. positive de même loi que $X$ et indépendante de $X$. On note $Z=\max(X,Y)$, $T=\min(X,Y)$.
  1. Déterminer un équivalent de $\Pb([Z>t])$ et de $\Pb([T>t])$ quand $t\to +\infty$
    💁‍♂️
    
    Cet élément n'est pas disponible. Se connecter
    .
  2. Soit $\beta\in]0,1[$. Démontrer que si $[X+Y>t]$ est réalisé alors on a au moins un des deux événements suivants $[Z>(1-\beta)t]$,$[T>\beta t]$, qui est réalisé
    💁‍♂️
    
    Cet élément n'est pas disponible. Se connecter
    .
3. Déduire en partie de la question précedente que: $$\Pb([Z>t])\leq \Pb([X+Y]>t)\leq \Pb([Z>(1-\beta)t])+\Pb([T>\beta t])$$
  💁‍♂️
  
  Cet élément n'est pas disponible. Se connecter
4. 😨 Déterminer une fonction $b$ définie sur $]1,+\infty[$ à valeurs dans $]0,1[$ et tendant vers $0$ en $+\infty$ telle que: $$\Pb([T>b(t)t])\underset{+\infty}=o\left(\Pb([Z>(1-b(t))t])\right)$$
5. Déduire des deux précédentes questions que: $$\Pb([X+Y>t])\underset{+\infty}\sim \frac{4a}{\pi t}$$
6. 😱 En raisonnant par récurrence, on va montrer que si $n$ est un entier plus grand que $2$ et $X_1,...,X_n$ sont positives indépendantes de même loi que $X$, alors: $$\Pb([X_1+...+X_n>t])\underset{+\infty}\sim \frac{2na}{\pi t}$$
  1. Montrer que la propriété est vraie au rang $2$.
  2. On suppose qu'elle est vraie au rang $n$.
    On pose $S_n=\dsum_{k=1}^n X_k$, $Z_n=\max(S_n,X_{n+1})$, $T_n=\min(S_n,X_{n+1})$. Montrer que $\Pb([Z_n>t])\underset{+\infty}\sim \frac{2(n+1)a}{\pi t}$ et $\Pb([T_n>b(t)t])\underset{+\infty}=o\left(\Pb([Z_n>(1-b(t))t])\right)$.
    En utilisant la question 3, conclure.
👍 2015 - On considère une v.a.r $X$ suivant une loi normale centrée réduite (espérance nulle et variance égale à 1) et on note $\Phi$ la fonction de répartition de $X$
📚

Cet élément n'est pas disponible hors connexion. Se connecter
.
On pose $Y=\left| X \right|$ et on admet que $Y$ est une v.a.r. On note $F_Y$ sa fonction de répartition.
1. 1. Exprimer, pour tout réel $x$ positif, $F_Y(x)$ à l'aide de $\Phi(x)$
    📚
    
    Cet élément n'est pas disponible hors connexion. Se connecter
    . En déduire que $Y$ est une variable à densité et donner une densité $f_Y$ de $Y$
    📚
    
    Cet élément n'est pas disponible hors connexion. Se connecter
    .
  2. Montrer que $Y$ admet une espérance et donner sa valeur
    📚
    
    Cet élément n'est pas disponible hors connexion. Se connecter
    .
  3. Montrer que $Y$ admet une variance et donner sa valeur.
2. On considère la fonction $g$ définie par : $$g(x)= \begin{cases} \frac{e^{-x}}{\sqrt{ \pi \, x}}& \text{ si }x>0 \\ 0 & \text{ si }x \leq 0. \end{cases}$$
  1. Vérifier, en justifiant que l'on peut procéder au changement de variable $u=\sqrt{ 2t}$, que : $$\displaystyle \int_0 ^{+ \infty} g(t) dt= \sqrt{ \frac{2}{\pi}} \; \displaystyle\int_0^{+ \infty} e^{-u^2/2} \, du$$
    📚
    
    Cet élément n'est pas disponible hors connexion. Se connecter
  2. En déduire que $g$ peut être considérée comme une densité.
  On considère dans la suite une v.a.r Z de densité $g$, et on note $G$ sa fonction de répartition.
3. 1. On pose $T = \sqrt{ 2Z}$. On admet que $T$ est une v.a.r à densité. Exprimer la fonction de répartition $F_T$ de $T$ en fonction de $G$, puis en déduire une densité $f_T$ de $T$ et vérifier que $T$ suit la même loi que $Y$.
  2. En déduire que $Z$ possède une espérance et donner sa valeur.
4. Ecrire une commande Scilab permettant de simuler la v.a.r $Z$.
5. On considère les commandes Scilab suivantes :
```
 n=input('Entrer la valeur de n : ')
w= grand(1,n,'exp',1)
s=sum(w.*sqrt(w))/n/sqrt(%pi)
```
  1. En remarquant que $ \ x^2 \, g(t) = \displaystyle\frac{x \, \sqrt{x}}{\sqrt{ \pi}} \; e^{-x} \ $, montrer que $s$ contient une valeur approchée de $\displaystyle\int_0^{+ \infty} x^2 \, g(x) \, dx \ $ pour peu que l'on entre une valeur de $n$ assez grande
    📚
    
    Cet élément n'est pas disponible hors connexion. Se connecter
    .
  2. On admet que $E(X^4)=3.$ Quelle est la valeur exacte de l'intégrale dont il est question ci-dessus ?
👍 Modélisation d'une loi sous contrainte - Caractérisation de la loi exponentielle
- On réalise une expérience dont le but est de mesurer le temps aléatoire $T$ de 1ère réalisation d'un phénomène (panne d'une machine, désintégration d'un élément radioactifs, mort d'un être vivant, obtention du permis de conduire, première erreur d'un apprenant...).
- Pour modéliser mathématiquement cette expérience, on se donne un espace probabilisé dont $T$ est une variable aléatoire et étant donné que l'ensemble des valeurs que peut prendre $T$ est assez compliqué à définir, on considèrera que $T$ est à valeurs dans $\R^{+*}$.
- On pose, pour tout $t\geq 0$, $G(t)=\Pb([T>t])$ en supposant que $G(t)\neq 0$ pour tout $t\geq 0$, $G(0)=1$ et $G$ est dérivable sur $\R^+$.
1. Montrer que $\displaystyle\lim_{h\to 0_+}\frac 1h\Pb_{([T>t])}([T\leq t+h])=-\frac{G'(t)}{G(t)}$.
2. Expliquer quelle propriété la fonction $t\mapsto -\frac{G'(t)}{G(t)}$ doit vérifier pour que $T$ modélise convenablement une durée de vie ou une durée de bon fonctionnement avec usure. Et pour modéliser l'instant de la première erreur d'un système expert apprenant? Quelle propriété possède la fonction $t\mapsto \ln(G(t))$ dans chaque cas?
3. Calculer $G$ dans les trois cas suivant ($\lambda>0$): $\quad\forall t\geq 0$,
  1. $\frac{G'(t)}{G(t)}=-\lambda$. De quelle loi s'agit-il
    📚
    
    Cet élément n'est pas disponible hors connexion. Se connecter
    ?
  2. $\frac{G'(t)}{G(t)}=-\lambda t$. C'est une loi de Raleigh.
  3. $\frac{G'(t)}{G(t)}=-\dfrac {\lambda}{1+t}$. C'est une loi de Pareto.

TD4 - Révisions 2 des probabilités

Voir les énoncés