Exercices corrigés ECT : variables aléatoires discrètes infinies

↩ Chapitre : Variables aléatoires discrètes infinies (ECT)

Introduction

Douze exercices corrigés sur les variables aléatoires discrètes infinies du programme d’ECT, de difficulté croissante : loi géométrique (premier succès, absence de mémoire), loi de Poisson, utilisation des séries géométriques pour vérifier une loi ou calculer une espérance, jusqu’à des situations de contrôle de qualité.

Avant de commencer

Revoir la loi géométrique P(X=k)=(1-p)^{k-1}p (k\geqslant1), d’espérance \frac1p et de variance \frac{1-p}{p^2}, et la loi de Poisson P(X=k)=e^{-\lambda}\frac{\lambda^k}{k!}, d’espérance et de variance \lambda, ainsi que la somme d’une série géométrique.

Exercices

Exercice 1 · Attendre le premier six ★★★

On lance un dé équilibré jusqu’à obtenir 6 ; X est le nombre de lancers effectués. Reconnaître la loi de X, calculer P(X=3), E(X) et V(X).

Corrigé

X est le rang du premier succès dans une suite d’épreuves de Bernoulli indépendantes de paramètre p=\frac16 : X\hookrightarrow\mathcal{G}\big(\frac16\big), avec P(X=k)=\big(\frac56\big)^{k-1}\frac16 pour k\geqslant1. P(X=3)=\frac{25}{36}\times\frac16=\frac{25}{216}. E(X)=\frac1p=6 et V(X)=\frac{1-p}{p^2}=\frac{5/6}{1/36}=30.

Exercice 2 · Probabilité d’attendre longtemps ★★★

Avec X de l’exercice 1, montrer que P(X>n)=\big(\frac56\big)^n et calculer P(X>3).

Corrigé

X>n signifie que les n premiers lancers ne donnent pas 6 ; par indépendance, P(X>n)=\big(\frac56\big)^n. Donc P(X>3)=\frac{125}{216}\approx0{,}58.

Exercice 3 · Appels dans un standard ★★★

Le nombre X d’appels reçus par un standard en une minute suit la loi de Poisson de paramètre 2. Calculer P(X=0), P(X=2), E(X) et V(X).

Corrigé

P(X=k)=e^{-2}\frac{2^k}{k!}. P(X=0)=e^{-2}\approx0{,}135 et P(X=2)=e^{-2}\frac42=2e^{-2}\approx0{,}271. Pour une loi de Poisson, E(X)=V(X)=\lambda=2.

Exercice 4 · Au moins un appel ★★★

Avec X\hookrightarrow\mathcal{P}(2), calculer P(X\geqslant1) et P(X\leqslant2).

Corrigé

P(X\geqslant1)=1-P(X=0)=1-e^{-2}\approx0{,}865. P(X\leqslant2)=e^{-2}\big(1+2+\frac42\big)=5e^{-2}\approx0{,}677.

Exercice 5 · La loi géométrique est bien une loi ★★★

Soit p\in\,]0,1[ et q=1-p. Vérifier que \sum_{k=1}^{+\infty}q^{k-1}p=1, puis calculer la fonction de répartition F(n)=P(X\leqslant n) d’une variable X\hookrightarrow\mathcal{G}(p) pour n\in\mathbb{N}^*.

Corrigé

\sum_{k=1}^{+\infty}q^{k-1}p=p\sum_{j=0}^{+\infty}q^j=\dfrac p{1-q}=1 (série géométrique, 0<q<1). Puis F(n)=\sum_{k=1}^np\,q^{k-1}=p\dfrac{1-q^n}{1-q}=1-q^n.

Exercice 6 · Absence de mémoire ★★★

Soit X\hookrightarrow\mathcal{G}(p) et q=1-p. Montrer que, pour tous entiers m,n\geqslant0 : P_{[X>m]}(X>m+n)=P(X>n). Interpréter.

Corrigé

D’après l’exercice précédent, P(X>n)=1-F(n)=q^n. Comme [X>m+n]\subset[X>m] : P_{[X>m]}(X>m+n)=\dfrac{P(X>m+n)}{P(X>m)}=\dfrac{q^{m+n}}{q^m}=q^n=P(X>n). Avoir déjà attendu m épreuves sans succès ne change rien à la suite : la loi géométrique est « sans mémoire ».

Exercice 7 · Valeur la plus probable d’une loi de Poisson ★★★

Soit X\hookrightarrow\mathcal{P}(\lambda) avec \lambda>0. Montrer que \dfrac{P(X=k+1)}{P(X=k)}=\dfrac{\lambda}{k+1}. Pour \lambda=2{,}5, en déduire la valeur de k pour laquelle P(X=k) est maximale.

Corrigé

\dfrac{P(X=k+1)}{P(X=k)}=\dfrac{e^{-\lambda}\lambda^{k+1}/(k+1)!}{e^{-\lambda}\lambda^k/k!}=\dfrac{\lambda}{k+1}. Pour \lambda=2{,}5, ce rapport est >1 tant que k+1<2{,}5, c’est-à-dire k\leqslant1, et <1 dès que k\geqslant2. Les probabilités augmentent jusqu’à k=2 puis diminuent : la valeur la plus probable est k=2 (P(X=2)\approx0{,}257).

Exercice 8 · Déterminer une constante ★★★

Déterminer le réel c tel que P(X=k)=\dfrac{c}{2^k}, k\in\mathbb{N}, définisse une loi de probabilité, puis calculer P(X\geqslant3).

Corrigé

Il faut c\geqslant0 et \sum_{k=0}^{+\infty}\frac c{2^k}=2c=1, d’où c=\frac12. Alors P(X\geqslant3)=\sum_{k=3}^{+\infty}\frac1{2^{k+1}}=\dfrac{1/16}{1-1/2}=\frac18 (on peut aussi calculer 1-\frac12-\frac14-\frac18).

Exercice 9 · Théorème de transfert et série géométrique ★★★

Soit X\hookrightarrow\mathcal{G}\big(\frac12\big). Calculer E\Big(\big(\tfrac12\big)^X\Big).

Corrigé

Par le théorème de transfert : E\big((\frac12)^X\big)=\sum_{k=1}^{+\infty}\big(\frac12\big)^k\times\big(\frac12\big)^{k-1}\frac12=\sum_{k=1}^{+\infty}\big(\frac14\big)^k=\dfrac{1/4}{1-1/4}=\frac13, la série étant géométrique de raison \frac14, donc convergente.

Exercice 10 · Comparer deux temps d’attente ★★★

Deux commerciaux démarchent des clients ; chaque visite aboutit à une vente avec probabilité 0{,}2 pour le premier et 0{,}25 pour le second, indépendamment. On note X et Y les rangs de leur première vente. Calculer E(X), E(Y), puis la probabilité que chacun ait besoin de plus de 5 visites.

Corrigé

X\hookrightarrow\mathcal{G}(0{,}2) et Y\hookrightarrow\mathcal{G}(0{,}25) : E(X)=5 et E(Y)=4. P(X>5)=0{,}8^5\approx0{,}328 et P(Y>5)=0{,}75^5\approx0{,}237.

Exercice 11 · Un gain qui croît avec l’attente ★★★

On lance un dé jusqu’à obtenir 6 ; on note X le nombre de lancers et l’on reçoit a^X euros, où a>0.

  1. Pour quelles valeurs de a le gain admet-il une espérance ? Calculer alors cette espérance.
  2. Que se passe-t-il pour a=2 ? Calculer l’espérance pour a=1{,}1.
Corrigé

1. Par le théorème de transfert, il s’agit de \sum_{k\geqslant1}a^k\big(\frac56\big)^{k-1}\frac16=\frac a6\sum_{k\geqslant1}\big(\frac{5a}6\big)^{k-1}, série géométrique de raison \frac{5a}6>0. Elle converge si et seulement si \frac{5a}6<1, soit a<\frac65, et alors E(a^X)=\dfrac{a/6}{1-5a/6}=\dfrac a{6-5a}.

2. Pour a=2, la série diverge : le gain n’a pas d’espérance (les gains très élevés, bien que rares, rendent la moyenne infinie). Pour a=1{,}1 : E=\dfrac{1{,}1}{6-5{,}5}=2{,}2 €.

Exercice 12 · Contrôle de qualité ★★★

On teste des composants jusqu’à trouver le premier défectueux ; chacun est défectueux avec probabilité 0{,}1, indépendamment. On note X le nombre de composants testés.

  1. Donner la loi de X et son espérance.
  2. Déterminer le plus petit entier n tel que P(X\leqslant n)\geqslant0{,}95.
  3. On a déjà testé 10 composants sans défaut. Quelle est la probabilité d’en tester au moins 10 de plus sans trouver de défaut ?
Corrigé

1. X\hookrightarrow\mathcal{G}(0{,}1) et E(X)=10.

2. P(X\leqslant n)=1-0{,}9^n\geqslant0{,}95\iff0{,}9^n\leqslant0{,}05\iff n\geqslant\dfrac{\ln0{,}05}{\ln0{,}9}\approx28{,}4 (division par \ln0{,}9<0). Il faut n=29.

3. Par l’absence de mémoire : P_{[X>10]}(X>20)=P(X>10)=0{,}9^{10}\approx0{,}349.


Pour aller plus loin

Besoin d’aide sur ce chapitre ?

Un blocage sur une notion, une méthode de rédaction à acquérir, un devoir ou un concours à préparer : Pr. Elakili, agrégé de mathématiques depuis 1991, plus de 20 ans d’enseignement en classes préparatoires, propose des cours particuliers, en présentiel à Casablanca ou en ligne.

Publications similaires