|

Problème MPSI-PCSI : l’urne de Pólya

↩ Chapitre : Dénombrement et probabilités (MPSI-MP) · Probabilités (PCSI-PSI)

Introduction

Une urne contient une boule blanche et une boule rouge. On tire une boule au hasard, on la remet, et on ajoute une boule de la même couleur. On recommence. Les couleurs tirées tôt sont ainsi favorisées : « le riche s’enrichit ». C’est l’urne de Pólya, modèle de contagion étudié dès 1923.

Le problème montre un résultat inattendu : après n tirages, le nombre de boules blanches suit une loi uniforme. Il établit aussi que la probabilité d’une suite de tirages ne dépend que du nombre de blanches, pas de leur ordre.

Le sujet

Problème pour la MPSI et la PCSI. Durée indicative : 2 heures. Programme : probabilités sur un univers fini, probabilités conditionnelles, formule des probabilités totales, formule des probabilités composées, indépendance, variables aléatoires, espérance, Python.

Niveau : ★. Faisable : après le chapitre Probabilités du second semestre.

Énoncé et corrigé

Une urne contient initialement une boule blanche et une boule rouge. À chaque étape, on tire une boule au hasard (toutes les boules ont la même probabilité d’être tirées), on note sa couleur, puis on la remet dans l’urne avec une boule supplémentaire de la même couleur. Après n tirages, l’urne contient n+2 boules ; on note X_n le nombre de boules blanches qu’elle contient (X_0=1). On note B_k l’événement « le k-ième tirage donne une boule blanche ».

Partie I – La loi de X(n)

1 ▷ Déterminer la loi de X_1, puis celle de X_2.

Indication

Après le premier tirage, l’urne contient 3 boules. Utiliser la formule des probabilités totales avec le système complet (B_1,\overline{B_1}).

Corrigé

P(B_1)=\dfrac12. Si B_1 est réalisé, X_1=2 ; sinon X_1=1. Donc P(X_1=1)=P(X_1=2)=\dfrac12.

X_2=3 si les deux tirages donnent du blanc : P(X_2=3)=\dfrac12\times\dfrac23=\dfrac13. De même P(X_2=1)=\dfrac12\times\dfrac23=\dfrac13. Donc P(X_2=2)=1-\dfrac23=\dfrac13 : X_2 suit la loi uniforme sur \{1,2,3\}.

2 ▷ Montrer par récurrence que, pour tout n\in\mathbb N, X_n suit la loi uniforme sur \{1,2,\dots,n+1\}.

Indication

Sachant X_n=j, l’urne contient n+2 boules dont j blanches. Écrire P(X_{n+1}=k) avec la formule des probabilités totales et le système complet (X_n=j)_{1\leqslant j\leqslant n+1}.

Corrigé

C’est vrai pour n=0. Supposons X_n uniforme sur \{1,\dots,n+1\}. L’événement (X_{n+1}=k) ne peut se produire que si X_n=k et la boule tirée est rouge, ou si X_n=k-1 et la boule tirée est blanche :

P(X_{n+1}=k)=P(X_n=k)\dfrac{n+2-k}{n+2}+P(X_n=k-1)\dfrac{k-1}{n+2}.

Pour 2\leqslant k\leqslant n+1 : P(X_{n+1}=k)=\dfrac1{n+1}\cdot\dfrac{(n+2-k)+(k-1)}{n+2}=\dfrac1{n+2}.

Pour k=1, seul le premier terme subsiste : \dfrac1{n+1}\cdot\dfrac{n+1}{n+2}=\dfrac1{n+2}. Pour k=n+2, seul le second : \dfrac1{n+1}\cdot\dfrac{n+1}{n+2}=\dfrac1{n+2}. Donc X_{n+1} est uniforme sur \{1,\dots,n+2\}.

3 ▷ Calculer E(X_n), puis l’espérance de la proportion Y_n=\dfrac{X_n}{n+2} de boules blanches. Montrer que P(B_k)=\dfrac12 pour tout k\geqslant1.

Indication

Pour P(B_k), conditionner par la valeur de X_{k-1}.

Corrigé

E(X_n)=\dfrac1{n+1}\displaystyle\sum_{j=1}^{n+1}j=\dfrac{n+2}2, donc E(Y_n)=\dfrac12.

Avant le k-ième tirage, l’urne contient k+1 boules et X_{k-1} est uniforme sur \{1,\dots,k\} : P(B_k)=\displaystyle\sum_{j=1}^{k}P(X_{k-1}=j)\dfrac j{k+1}=\dfrac1k\cdot\dfrac{k(k+1)/2}{k+1}=\dfrac12.

Chaque tirage, pris isolément, donne du blanc avec probabilité \dfrac12, comme au premier tirage.

Partie II – L’ordre des tirages n’a pas d’importance

4 ▷ Calculer la probabilité que les n premiers tirages donnent tous une boule blanche.

Indication

Formule des probabilités composées : avant le i-ième tirage, sachant que les précédents ont donné du blanc, l’urne contient i blanches sur i+1 boules.

Corrigé

P(B_1\cap\dots\cap B_n)=\displaystyle\prod_{i=1}^{n}\dfrac i{i+1}=\dfrac12\times\dfrac23\times\dots\times\dfrac n{n+1}=\dfrac1{n+1}, ce qui est cohérent avec P(X_n=n+1)=\dfrac1{n+1}.

5 ▷ Soit 0\leqslant k\leqslant n. Montrer que toute suite donnée de n tirages comportant exactement k blanches a pour probabilité \dfrac{k!\,(n-k)!}{(n+1)!}, quel que soit l’ordre des couleurs. En déduire une seconde démonstration du résultat de la question 2.

Indication

Avec la formule des probabilités composées, regarder séparément les numérateurs des blanches, ceux des rouges, et les dénominateurs.

Corrigé

Au i-ième tirage, le dénominateur est i+1 (nombre de boules dans l’urne), quelles que soient les couleurs : le produit des dénominateurs vaut 2\times3\times\dots\times(n+1)=(n+1)!.

Quand on tire la r-ième boule blanche, l’urne contient r blanches : les numérateurs correspondant aux blanches donnent 1\times2\times\dots\times k=k!. De même, ceux des rouges donnent (n-k)!. La probabilité vaut \dfrac{k!\,(n-k)!}{(n+1)!}, indépendamment de l’ordre.

L’événement (X_n=k+1) est la réunion disjointe des \dbinom nk suites comportant k blanches, donc P(X_n=k+1)=\dbinom nk\dfrac{k!\,(n-k)!}{(n+1)!}=\dfrac{n!}{(n+1)!}=\dfrac1{n+1}.

6 ▷ Les événements B_1 et B_2 sont-ils indépendants ? Calculer P(B_1\mid B_2) et interpréter.

Indication

Calculer P(B_1\cap B_2) et le comparer à P(B_1)P(B_2).

Corrigé

P(B_1\cap B_2)=\dfrac12\times\dfrac23=\dfrac13\neq\dfrac14=P(B_1)P(B_2) : les événements ne sont pas indépendants.

P(B_1\mid B_2)=\dfrac{1/3}{1/2}=\dfrac23. Savoir que le deuxième tirage est blanc rend plus probable que le premier l’ait été aussi : l’urne garde la « mémoire » des tirages et les renforce.

Remarque

La propriété de la question 5 s’appelle l’échangeabilité : la loi d’une suite de tirages ne change pas si l’on permute leur ordre. En deuxième année et au-delà, on montre que la proportion Y_n de boules blanches converge vers une limite aléatoire, de loi uniforme sur [0,1].

7 ▷ (Python) Simuler 100\,000 urnes avec n=10 tirages et afficher la fréquence de chaque valeur de X_{10}.

Indication

Utiliser random.random() : la boule tirée est blanche si ce nombre est inférieur à la proportion de blanches.

Corrigé
import random

def polya(n):
    blanches, total = 1, 2
    for i in range(n):
        if random.random() * total < blanches:
            blanches += 1
        total += 1
    return blanches

N = 100000
compte = [0] * 12
for essai in range(N):
    compte[polya(10)] += 1
print([round(c / N, 3) for c in compte[1:]])

Les onze fréquences obtenues sont toutes proches de \dfrac1{11}\approx0{,}091 : la loi uniforme se voit nettement sur la simulation.


Pour aller plus loin

Pr. Elakili, agrégé de mathématiques et professeur en classes préparatoires depuis 25 ans, accompagne aussi quelques étudiants vers les écoles d’ingénieurs, à Casablanca et à distance. En savoir plus

Publications similaires