Aller au contenu
Télécharger l'application

Accueil › MP › Maths

MP · Maths · semaine 22

Variables aléatoires discrètes

Espaces probabilisés infinis, variables discrètes, lois géométrique et de Poisson, espérance et variance, fonctions génératrices, couples, loi faible des grands nombres.

Sommaire

Le cours

Résumé en cinq points

  1. Une variable aléatoire discrète prend au plus une infinité dénombrable de valeurs, et sa loi est la famille des P(X=x)\P(X=x), de somme 11.
  2. L'espérance est toujours définie dans [0,+∞][0,+\infty] pour une variable positive, et demande la sommabilité dans le cas général. La formule de transfert donne E(f(X))\E(f(X)) sans passer par la loi de f(X)f(X).
  3. La linéarité de l'espérance ne demande aucune indépendance. La variance d'une somme, elle, exige des variables décorrélées pour se simplifier.
  4. Markov puis Bienaymé-Tchebychev donnent la loi faible des grands nombres, avec une majoration de la probabilité de déviation par v/(nε2)v/(n\varepsilon^2).
  5. La fonction génératrice caractérise la loi d'une variable à valeurs dans N\N, donne espérance et variance par dérivation en 11, et transforme la somme de variables indépendantes en produit.
Pourquoi ce chapitre

En première année, une variable aléatoire ne prenait qu'un nombre fini de valeurs. L'espérance était donc une somme finie et tout était licite. Ici, l'ensemble des valeurs devient infini dénombrable, et la somme devient une série ou, plus exactement, une somme de famille sommable.

Deux lois nouvelles apparaissent :

  • la loi géométrique, qui modélise le rang du premier succès ;
  • la loi de Poisson, qui modélise les événements rares.

Le chapitre installe aussi trois outils :

  • La formule de transfert évite de calculer la loi de f(X)f(X).
  • Les inégalités de Markov et de Bienaymé-Tchebychev mènent à la loi faible des grands nombres et aux inégalités de concentration.
  • Les fonctions génératrices transforment un problème probabiliste en un problème de série entière.

AttentionLimites du programme

Sont hors programme :

  • les variables à densité ;
  • l'espérance conditionnelle ;
  • les convergences presque sûre, en probabilité et en loi.

Classiques et HP

Méthodes et approfondissements du chapitre · le statut est précisé pour MP.

Classiques et HP réservés

Prolongements et démonstrations de Maths.

Essayer 7 jours gratuitement Sans engagement · cours, exercices et fiches complets

Fin de l'aperçu gratuit

Encore 20 parties de cours et 13 corrigés.

Essayer 7 jours gratuitement Sans engagement · cours, exercices et fiches complets

Méthodes et exercices

Exercices classiques corrigés

Rangés par thème, du plus simple au plus exigeant. Difficulté et durée indicatives.

Lois conditionnelles 2

Exercice 1. La loi géométrique est la seule sans mémoire ★★

Classiques de khôlle et concours · 20 min · Khôlle

XX est à valeurs dans N∗\mathbb{N}^*, avec P(X>n)>0P(X > n) > 0 pour tout nn, et P(X>n+k∣X>n)=P(X>k)P(X > n + k \mid X > n) = P(X > k) pour tous nn, kk dans N\mathbb{N}. Montrer que XX suit une loi géométrique.

Voir l'indice

Technique équation fonctionnelle sur les queues.

Voir le corrigé offert
  1. Posons un=P(X>n)u_n = P(X > n). Comme (X>n+k)⊂(X>n)(X > n + k) \subset (X > n), l'hypothèse s'écrit un+k=unuku_{n+k} = u_n u_k, avec u0=1u_0 = 1.
  2. Par récurrence, un=qnu_n = q^n avec q=u1>0q = u_1 > 0.
  3. Les événements (X>n)(X > n) décroissent vers le vide, donc unu_n tend vers 00 par continuité décroissante. Ainsi q≠1q \neq 1, et q∈]0,1[q \in ]0, 1[.
  4. Pour n≥1n \geq 1, P(X=n)=un−1−un=qn−1(1−q)P(X = n) = u_{n-1} - u_n = q^{n-1}(1 - q). Donc X∼G(1−q)X \sim G(1 - q).

piège : Oublier de justifier que q<1q < 1, ou oublier l'inclusion qui simplifie la probabilité conditionnelle.

Exercice 2. Poisson conditionnée par une somme ★★

Classiques de khôlle et concours · 20 min · Khôlle

X∼P(λ)X \sim \mathcal{P}(\lambda) et Y∼P(μ)Y \sim \mathcal{P}(\mu) sont indépendantes.

Déterminer la loi de XX sachant (X+Y=n)(X + Y = n).

Voir le début du corrigé
  1. Par les fonctions génératrices, X+Y∼P(λ+μ)X + Y \sim P(\lambda + \mu), donc P(X+Y=n)>0P(X + Y = n) > 0.

La suite du corrigé dans Sup et Spé+ : essai gratuit 7 jours.

Espérance et variance 1

Exercice 3. Points fixes d'une permutation aléatoire ★★

Classiques de khôlle et concours · 25 min · Khôlle

Pour n≥2n \geq 2, σ\sigma est uniforme dans SnS_n et NN compte ses points fixes.

Calculer E(N)E(N) et V(N)V(N).

Voir le début du corrigé
  1. N=∑XiN = \sum X_i, où XiX_i indique (σ(i)=i)(\sigma(i) = i). …

La suite du corrigé dans Sup et Spé+ : essai gratuit 7 jours.

Sommes aléatoires 1

Exercice 4. Amincissement d'une loi de Poisson ★★

Classiques de khôlle et concours · 25 min · Khôlle

N∼P(λ)N \sim \mathcal{P}(\lambda), (Bi)(B_i) est une suite i.i.d. de Bernoulli de paramètre p∈]0,1[p \in ]0, 1[, indépendante de NN, et K=∑i=1NBi.K = \sum_{i=1}^{N} B_i.

Déterminer la loi de KK et montrer que KK et N−KN - K sont indépendantes.

Corrigé détaillé dans Sup et Spé+ : essai gratuit 7 jours.

Espérance et variance 1

Exercice 5. Le collectionneur de vignettes ★★

Classiques de khôlle et concours · 40 min · D'après un écrit CCINP MP

Une collection compte nn vignettes, chaque achat en donne une uniforme, indépendamment.

TnT_n est le nombre d'achats pour la compléter, YkY_k le nombre d'achats pour passer de k−1k - 1 à kk vignettes distinctes, et on admet Y1,…,YnY_1, \ldots, Y_n indépendantes.

Calculer E(Tn)E(T_n), majorer V(Tn)V(T_n), montrer que P(∣Tnnln⁡n−1∣≥ε)P\left(\left|\frac{T_n}{n \ln n} - 1\right| \geq \varepsilon\right) tend vers 00.

Voir le début du corrigé
  1. Yk∼G(pk)Y_k \sim G(p_k) avec pk=(n−k+1)/np_k = (n - k + 1)/n, et Tn=Y1+⋯+YnT_n = Y_1 + \cdots + Y_n.

La suite du corrigé dans Sup et Spé+ : essai gratuit 7 jours.

Sommes aléatoires 1

Exercice 6. Somme d'un nombre aléatoire de variables ★★★

Approfondissement · 50 min · D'après un écrit CCINP MP

NN et les XiX_i sont à valeurs dans N\N, les XiX_i sont i.i.d., et la famille (N,X1,X2,…)(N, X_1, X_2, \ldots) est indépendante.

On pose S=∑i=1NXi.S = \sum_{i=1}^{N} X_i.

Montrer que GS=GN∘GXG_S = G_N \circ G_X sur [−1,1][-1, 1], puis que E(S)=E(N)E(X1)E(S) = E(N)E(X_1) si NN et X1X_1 sont dans L1L^1.

Corrigé détaillé dans Sup et Spé+ : essai gratuit 7 jours.

Approximation par polynômes 1

Exercice 7. Polynômes de Bernstein et théorème de Weierstrass ★★★

Approfondissement · 45 min · Type écrit Mines

ff est continue sur [0,1][0, 1] et Bn(f)(x)=∑k=0n(nk) xk(1−x)n−kf(kn).\begin{aligned} B_n(f)(x) &= \sum_{k=0}^{n} \binom{n}{k}\, x^k (1 - x)^{n-k} \\ &\quad f\left(\frac{k}{n}\right). \end{aligned}

Montrer que Bn(f)B_n(f) converge uniformément vers ff.

Voir le début du corrigé
  1. Pour x∈]0,1[x \in ]0, 1[, Sn∼B(n,x)S_n \sim B(n, x), et pour x∈{0,1}x \in \{0, 1\}, Sn=nxS_n = nx. …

La suite du corrigé dans Sup et Spé+ : essai gratuit 7 jours.

Processus de branchement 1

Exercice 8. Extinction d'une population ★★★

Approfondissement · 60 min · Type oral Centrale

Chaque individu a un nombre d'enfants de loi (pk)(p_k) sur N\N, de fonction génératrice GG, avec 0<p0<10 < p_0 < 1, et m=∑kpk,m = \sum k p_k, éventuellement infini.

Z0=1Z_0 = 1 et Zn+1=∑i=1ZnXn,i,Z_{n+1} = \sum_{i=1}^{Z_n} X_{n,i}, où les Xn,iX_{n,i} sont i.i.d. de loi (pk)(p_k), et on admet ZnZ_n indépendante de (Xn,i)i≥1(X_{n,i})_{i \geq 1}.

Montrer que la probabilité d'extinction qq est le plus petit point fixe de GG sur [0,1][0, 1], et que q=1q = 1 si et seulement si m≤1m \leq 1.

Voir le début du corrigé
  1. L'exercice 6 donne GZn+1=GZn∘GG_{Z_{n+1}} = G_{Z_n} \circ G. …

La suite du corrigé dans Sup et Spé+ : essai gratuit 7 jours.

Classique du chapitre 1

Exercice classique. Cycles d'une permutation aléatoire : lois, moments exponentiels et concentration ★★★

Classique du chapitre

Soit n≥2n\geq 2 et σ\sigma une permutation tirée uniformément dans SnS_n. On note CnC_n son nombre de cycles (points fixes compris). On admet le théorème du cours : CnC_n a la même loi que B1+⋯+BnB_1+\dots+B_n, où les BkB_k sont indépendantes de lois B(1/k)\mathcal B(1/k).

  1. Déterminer la fonction génératrice de CnC_n. En déduire P(Cn=n)\mathbb P(C_n=n) et P(Cn=1)\mathbb P(C_n=1).
  2. Calculer E(2Cn)\mathbb E\left(2^{C_n}\right).
  3. Donner la loi de C4C_4 et vérifier la valeur de E(C4)\mathbb E(C_4).
  4. Montrer que pour tout ε>0\varepsilon>0, P(∣Cnln⁡n−1∣≥ε)⟶0\mathbb P\left(\left|\dfrac{C_n}{\ln n}-1\right|\geq\varepsilon\right)\longrightarrow 0 quand n→+∞n\to+\infty. On pourra utiliser ln⁡(n+1)≤Hn≤1+ln⁡n\ln(n+1)\le H_n\le 1+\ln n et V(Cn)≤Hn\mathbb V(C_n)\le H_n.
Voir le début du corrigé

1. Par indépendance, GCn(x)=∏k=1nx+k−1k=x(x+1)⋯(x+n−1)n!G_{C_n}(x)=\prod_{k=1}^n\frac{x+k-1}{k}=\frac{x(x+1)\cdots(x+n-1)}{n!}. …

La suite du corrigé dans Sup et Spé+ : essai gratuit 7 jours.

Fiche de cours rédigée à partir du programme officiel de mathématiques de MP (arrêté du 5 janvier 2021), section « Variables aléatoires discrètes », paragraphes e) à k). Les ensembles dénombrables et les espaces probabilisés généraux font l'objet d'une fiche séparée, dont les résultats sont supposés acquis ici.

Au concours

Les questions des sujets corrigés qui travaillent ce chapitre. La première question de chaque sujet est en accès libre.

CCINP 2025, MP, Mathématiques 2

  • Q13 et Q14 Matrice aléatoire UU^T : rang, loi de Bernoulli, trace binomiale
  • Q15 et Q16 Matrice de projection aléatoire, loi de Poisson, probabilité d'un événement

Centrale-Supélec 2025, MP, Mathématiques 2

  • Q18 Dérivée de l'énergie libre et espérance de la magnétisation
  • Q40 et Q41 Formule de transfert et espérance de fonction lipschitzienne
  • Q42 à Q44 Convergence en loi par approximation de fonctions de répartition