Espérance, variance et covariance — Centrale-Supélec

Exercices corrigés de Centrale-Supélec sur le thème « espérance, variance et covariance », regroupés par filière.

MP–MPI


Exercice 1. (★★) espérance ; probabilités conditionnelles ; théorème de Fubini
Pour une variable discrète réelle {X} et un événement {A}, définir {\mathbb E(X\mid A)=\sum\limits_xx\mathbb{P}(X=x\mid A)} lorsque cela a un sens, et zéro sinon.

Donner une condition suffisante simple de bonne définition. Pour un système complet {(A_k)}, établir {\mathbb E(X)=\sum\limits_k\mathbb{P}(A_k)\mathbb E(X\mid A_k)}.

Cliquer ici pour voir (ou cacher) la réponse
Pour voir la suite de ce contenu, vous devez : Pour poursuivre votre exploration, vous pouvez :

Exercice 2. (★★★★) inégalité de Hölder ; moments d’une somme indépendante ; inégalité de Young
a) i) Pour {p>1}, {q=p/(p-1)} :

montrer {xy\le x^p/p+y^q/q} pour {x,y\ge0} ;

Cliquer ici pour voir (ou cacher) la réponse
Pour voir la suite de ce contenu, vous devez : Pour poursuivre votre exploration, vous pouvez :
a) ii) Pour {p>1}, {q=p/(p-1)} :

en déduire Hölder, {\mathbb E(|XY|)\le\lVert X\rVert_p\lVert Y\rVert_q} pour {X\in L^p}, {Y\in L^q}.

Cliquer ici pour voir (ou cacher) la réponse
Pour voir la suite de ce contenu, vous devez : Pour poursuivre votre exploration, vous pouvez :
b) Pour {1\le p\lt q}, montrer {L^q\subset L^p} et {\lVert X\rVert_p\le\lVert X\rVert_q}.
Cliquer ici pour voir (ou cacher) la réponse
Pour voir la suite de ce contenu, vous devez : Pour poursuivre votre exploration, vous pouvez :
c) Pour des Rademacher indépendantes {\varepsilon_n} et {p\ge1}, montrer {\lVert X\rVert_p\le C\sqrt p\lVert X\rVert_2} pour toute combinaison linéaire finie {X} des {\varepsilon_n}, avec {C} absolue.
Cliquer ici pour voir (ou cacher) la réponse
Pour voir la suite de ce contenu, vous devez : Pour poursuivre votre exploration, vous pouvez :

Exercice 3. (★★★) espérance d’une fonction ; orthogonalité ; indépendance
Soient {E} préhilbertien réel, {v_1,\ldots,v_n} unitaires et {X_1,\ldots,X_n} i.i.d. uniformes sur {\left\{-1,1\right\}}.
1) Que dire d’une variable positive ou nulle d’espérance nulle ?
Cliquer ici pour voir (ou cacher) la réponse
Pour voir la suite de ce contenu, vous devez : Pour poursuivre votre exploration, vous pouvez :
2) Pour {U=\sum\limits X_iv_i}, calculer {\mathbb E(\lVert U\rVert^2)}.
Cliquer ici pour voir (ou cacher) la réponse
Pour voir la suite de ce contenu, vous devez : Pour poursuivre votre exploration, vous pouvez :
3) Montrer l’équivalence entre l’existence de signes donnant une norme strictement inférieure à {\sqrt n}, et l’existence de signes donnant une norme strictement supérieure à {\sqrt n}.
Cliquer ici pour voir (ou cacher) la réponse
Pour voir la suite de ce contenu, vous devez : Pour poursuivre votre exploration, vous pouvez :
4) À quelle condition ces propriétés sont-elles réalisées ?
Cliquer ici pour voir (ou cacher) la réponse
Pour voir la suite de ce contenu, vous devez : Pour poursuivre votre exploration, vous pouvez :

Exercice 4. (★★★) variance ; moments ; Séries entières
Soient {X} réelle et {a,b\in\mathbb{R}}.
1) Si {X\in L^2}, montrer {aX+b\in L^2} et donner sa variance.
Cliquer ici pour voir (ou cacher) la réponse
Pour voir la suite de ce contenu, vous devez : Pour poursuivre votre exploration, vous pouvez :
2) Pour {K(X)=\mathbb E((X-\mathbb E(X))^4)/(V(X))^2-3} lorsqu’il existe, montrer son invariance par {X\mapsto aX+b} si {a\ne0}.
Cliquer ici pour voir (ou cacher) la réponse
Pour voir la suite de ce contenu, vous devez : Pour poursuivre votre exploration, vous pouvez :
3) Montrer l’équivalence : (i) il existe {\delta>0} tel que {e^{tX}\in L^1} pour {|t|\lt \delta} ;

(ii) tous les moments absolus existent et {\sum\limits\mathbb E(X^n)t^n/n!} a un rayon non nul.

Cliquer ici pour voir (ou cacher) la réponse
Pour voir la suite de ce contenu, vous devez : Pour poursuivre votre exploration, vous pouvez :


PSI


Exercice 1. (★★) Espérance ; Loi uniforme ; Bienaymé-Tchebychev
Python. Deux amis arrivent à un rendez-vous avec des retards {X,Y} indépendants, uniformes sur {\left\{0,\ldots,59\right\}}. On pose {T=|X-Y|}.
1) Interpréter {T}.
Cliquer ici pour voir (ou cacher) la réponse
Pour voir la suite de ce contenu, vous devez : Pour poursuivre votre exploration, vous pouvez :
2) Donner sa loi.
Cliquer ici pour voir (ou cacher) la réponse
Pour voir la suite de ce contenu, vous devez : Pour poursuivre votre exploration, vous pouvez :
3) Programmer une fonction rdv(n) simulant {n} valeurs de {T}.
Cliquer ici pour voir (ou cacher) la réponse
Pour voir la suite de ce contenu, vous devez : Pour poursuivre votre exploration, vous pouvez :
4) Calculer son espérance exacte, l’estimer par simulation et commenter.
Cliquer ici pour voir (ou cacher) la réponse
Pour voir la suite de ce contenu, vous devez : Pour poursuivre votre exploration, vous pouvez :
5) Estimer sa loi avec {10^5} simulations et commenter les écarts.
Cliquer ici pour voir (ou cacher) la réponse
Pour voir la suite de ce contenu, vous devez : Pour poursuivre votre exploration, vous pouvez :
6) Si l’heure est découpée en {N} divisions, donner un équivalent de la probabilité d’arrivée simultanée lorsque {N\to+\infty}.
Cliquer ici pour voir (ou cacher) la réponse
Pour voir la suite de ce contenu, vous devez : Pour poursuivre votre exploration, vous pouvez :

Exercice 2. (★★) Loi uniforme ; Indépendance ; Espérance
Soit {(X_n)} une suite de variables indépendantes, uniformes sur {\left\{1,\ldots,N\right\}}. On pose {S_n=\max_{1\leq k\leq n}X_k} et {T_n=\min_{1\leq k\leq n}X_k}.
1) {S_n} et {T_n} sont-elles indépendantes?
Cliquer ici pour voir (ou cacher) la réponse
Pour voir la suite de ce contenu, vous devez : Pour poursuivre votre exploration, vous pouvez :
2) Exprimer {\mathbb E(T_n)} comme une somme sans la calculer.
Cliquer ici pour voir (ou cacher) la réponse
Pour voir la suite de ce contenu, vous devez : Pour poursuivre votre exploration, vous pouvez :
3) En déduire sa limite lorsque {n\to+\infty}.
Cliquer ici pour voir (ou cacher) la réponse
Pour voir la suite de ce contenu, vous devez : Pour poursuivre votre exploration, vous pouvez :

Exercice 3. (★★) Cauchy-Schwarz ; Covariance ; Permutations
1) Rappeler Cauchy-Schwarz et calculer {\operatorname{Cov}(\mathbf1_A,\mathbf1_B)}.

En déduire {|\mathbb{P}(A\cap B)-\mathbb{P}(A)\mathbb{P}(B)|\leq1/4}.

Cliquer ici pour voir (ou cacher) la réponse
Pour voir la suite de ce contenu, vous devez : Pour poursuivre votre exploration, vous pouvez :
2) On choisit uniformément une permutation de {\left\{1,\ldots,n\right\}}. On note {E_i} l’événement « {i} est fixe ».
Cliquer ici pour voir (ou cacher) la réponse
Pour voir la suite de ce contenu, vous devez : Pour poursuivre votre exploration, vous pouvez :
3) Calculer {\mathbb{P}(E_i)} et {\mathbb{P}(E_i\cap E_j)}.
Cliquer ici pour voir (ou cacher) la réponse
Pour voir la suite de ce contenu, vous devez : Pour poursuivre votre exploration, vous pouvez :
4) Exprimer le nombre {F} de points fixes à l’aide des indicatrices, puis calculer son espérance et sa variance.
Cliquer ici pour voir (ou cacher) la réponse
Pour voir la suite de ce contenu, vous devez : Pour poursuivre votre exploration, vous pouvez :

Exercice 4. (★★) inégalité de Markov ; espérance d’une exponentielle ; indépendance
Pour des Rademacher indépendantes {X_1,\ldots,X_n}, poser {S_n=n^{-1}\sum\limits X_k} et {\Psi(\lambda)=\log\cosh\lambda}.
a) Montrer {\mathbb{P}(Z\ge t)\le e^{-\lambda t}\mathbb E(e^{\lambda Z})} pour {\lambda>0}.
Cliquer ici pour voir (ou cacher) la réponse
Pour voir la suite de ce contenu, vous devez : Pour poursuivre votre exploration, vous pouvez :
b) Montrer {\mathbb{P}(S_n\ge0)\ge1/2}.
Cliquer ici pour voir (ou cacher) la réponse
Pour voir la suite de ce contenu, vous devez : Pour poursuivre votre exploration, vous pouvez :
c) Montrer {\frac1n\log\mathbb{P}(S_n\ge t) \le\inf_{\lambda>0}(\Psi(\lambda)-\lambda t)}.
Cliquer ici pour voir (ou cacher) la réponse
Pour voir la suite de ce contenu, vous devez : Pour poursuivre votre exploration, vous pouvez :

Exercice 5. (★★★) inégalité de Markov ; formule des queues ; indépendance
Soient {X_i} i.i.d. à valeurs dans {\mathbb{N}} et {M_n=\max(X_1,\ldots,X_n)}.
a) Montrer {\mathbb{P}(M_n\le k)=\mathbb{P}(X_1\le k)^n}. Supposer {m_\alpha=\mathbb E(X_1^\alpha)\lt \infty} pour un {\alpha>1}.
Cliquer ici pour voir (ou cacher) la réponse
Pour voir la suite de ce contenu, vous devez : Pour poursuivre votre exploration, vous pouvez :
b) Montrer {\mathbb{P}(X_1\le k-1)\ge1-m_\alpha/k^\alpha}.
Cliquer ici pour voir (ou cacher) la réponse
Pour voir la suite de ce contenu, vous devez : Pour poursuivre votre exploration, vous pouvez :
c) Montrer que {M_n} est intégrable.
Cliquer ici pour voir (ou cacher) la réponse
Pour voir la suite de ce contenu, vous devez : Pour poursuivre votre exploration, vous pouvez :
d) Si {X_1\sim\mathcal G(1/2)}, montrer {\mathbb E(M_n)=\sum\limits_{k\ge0}(1-(1-2^{-k})^n)} et {\mathbb E(M_n)\sim\log n/\log2}.
Cliquer ici pour voir (ou cacher) la réponse
Pour voir la suite de ce contenu, vous devez : Pour poursuivre votre exploration, vous pouvez :

Exercice 6. (★★★★) variance ; sommes de variables indépendantes ; inégalité de Bienaymé-Tchebychev
Soit {\theta>0}. Des individus numérotés {1,2,\ldots} arrivent successivement dans un restaurant disposant d’une infinité de tables infiniment longues. Lorsque le {(k+1)}-ième individu se présente, {k\geq1}, il choisit chacun des {k} individus déjà attablés avec probabilité {1/(k+\theta)} et s’assied à la même table, ou occupe une nouvelle table avec probabilité {\theta/(k+\theta)}. On note {K_n} le nombre de tables occupées lorsque {n} individus sont installés.
1) Déterminer {\mathbb{P}(K_n=1)}.
Cliquer ici pour voir (ou cacher) la réponse
Pour voir la suite de ce contenu, vous devez : Pour poursuivre votre exploration, vous pouvez :
2) Soit {G_n} la fonction génératrice de {K_n}.

Montrer que {G_n(x)=L_n(\theta x)/L_n(\theta)}, où {L_n(x)=\prod\limits_{i=0}^{n-1}(x+i)}.

Cliquer ici pour voir (ou cacher) la réponse
Pour voir la suite de ce contenu, vous devez : Pour poursuivre votre exploration, vous pouvez :
3) Calculer {\mathbb E(K_n)} et {V(K_n)} et en donner des équivalents.
Cliquer ici pour voir (ou cacher) la réponse
Pour voir la suite de ce contenu, vous devez : Pour poursuivre votre exploration, vous pouvez :
4) Étudier le comportement de {K_n/\ln n} lorsque {n\to+\infty}.
Cliquer ici pour voir (ou cacher) la réponse
Pour voir la suite de ce contenu, vous devez : Pour poursuivre votre exploration, vous pouvez :


PC


Exercice 1. (★★) Linéarité ; Probabilités totales ; Variables indicatrices
Jeter indépendamment {n} balles dans {N} trous équiprobables. Soit {T_n} le nombre de trous occupés.
a) Donner ses valeurs possibles.
Cliquer ici pour voir (ou cacher) la réponse
Pour voir la suite de ce contenu, vous devez : Pour poursuivre votre exploration, vous pouvez :
b) Montrer que {\mathbb{P}(T_{n+1}=k)=k\mathbb{P}(T_n=k)/N +(N+1-k)\mathbb{P}(T_n=k-1)/N}.
Cliquer ici pour voir (ou cacher) la réponse
Pour voir la suite de ce contenu, vous devez : Pour poursuivre votre exploration, vous pouvez :
c) Calculer son espérance.
Cliquer ici pour voir (ou cacher) la réponse
Pour voir la suite de ce contenu, vous devez : Pour poursuivre votre exploration, vous pouvez :

Exercice 2. (★★★) Variance ; Groupe symétrique, déterminants ; Inégalité de Markov
(Python) Soient {X_1,\ldots,X_n} indépendantes uniformes sur {\left\{-1,1\right\}}, {S_n=\sum\limits X_i}, {P_n=\prod\limits X_i} et {D(x_1,\ldots,x_n)=\det(1+\delta_{ij}x_i)_{i,j}}.

Poser {A_n=D(X_1,\ldots,X_n)}.

a), b), c) a) Calculer les espérances de {S_n,P_n}.

b) Calculer leurs variances.

c) Donner la loi de {P_n}.

Cliquer ici pour voir (ou cacher) la réponse
Pour voir la suite de ce contenu, vous devez : Pour poursuivre votre exploration, vous pouvez :
d) Calculer {\mathbb E(S_nP_n)} ; sont-elles indépendantes ?
Cliquer ici pour voir (ou cacher) la réponse
Pour voir la suite de ce contenu, vous devez : Pour poursuivre votre exploration, vous pouvez :
e), f), g), h) e) Programmer la liste {[1+\sum\limits x_i,\prod\limits x_i,D(x_1,\ldots,x_n)]}.

f) Tester pour {n=10} et conjecturer une relation.

g) La prouver.

h) Tracer {A_n/n} jusqu’à {200} et conjecturer.

Cliquer ici pour voir (ou cacher) la réponse
Pour voir la suite de ce contenu, vous devez : Pour poursuivre votre exploration, vous pouvez :
i) Montrer que {\mathbb{P}(|A_n/n|\geq\varepsilon)\to0} pour tout {\varepsilon>0}.
Cliquer ici pour voir (ou cacher) la réponse
Pour voir la suite de ce contenu, vous devez : Pour poursuivre votre exploration, vous pouvez :

Exercice 3. (★★) Probabilités totales ; Formule des queues ; Indépendance
Deux joueurs tirent alternativement dans leurs urnes avec remise, le joueur {1} commençant. Leurs proportions de boules rouges sont {p_1,p_2}. Le premier tirage rouge arrête le jeu et fait gagner son auteur.
a) Montrer l’arrêt presque sûr.
Cliquer ici pour voir (ou cacher) la réponse
Pour voir la suite de ce contenu, vous devez : Pour poursuivre votre exploration, vous pouvez :
b) Choisir {p_1,p_2} donnant des chances de victoire égales.
Cliquer ici pour voir (ou cacher) la réponse
Pour voir la suite de ce contenu, vous devez : Pour poursuivre votre exploration, vous pouvez :
c) Calculer l’espérance du nombre de manches.
Cliquer ici pour voir (ou cacher) la réponse
Pour voir la suite de ce contenu, vous devez : Pour poursuivre votre exploration, vous pouvez :

Exercice 4. (★★) Variance d'une somme ; Loi de Bernoulli ; Linéarité
Soient {(X_n)} indépendantes de même loi de Bernoulli de paramètre {p}, et {S_n=\sum\limits_{k=1}^n(X_k+X_{k+1})}.

Calculer son espérance et sa variance.

Cliquer ici pour voir (ou cacher) la réponse
Pour voir la suite de ce contenu, vous devez : Pour poursuivre votre exploration, vous pouvez :

Exercice 5. (★★★) Loi uniforme ; Formule de transfert ; Équivalents
Soient {n=2q+1}, {q\geq1}, et {A_k} d’affixe {e^{2ik\pi/n}}. Pour {1\leq k\lt n}, soit {B_k} l’intersection de {(A_0A_k)} avec {x=-1}. Si {W_n} est uniforme sur {\left\{1,\ldots,n-1\right\}}, posons {Z_n=2\cot(\pi W_n/n)}.

Montrer que l’ordonnée de {B_k} est {2\cot(\pi k/n)}, calculer {\mathbb E(Z_n)} et donner un équivalent de {\mathbb E(|Z_n|)}.

Cliquer ici pour voir (ou cacher) la réponse
Pour voir la suite de ce contenu, vous devez : Pour poursuivre votre exploration, vous pouvez :

Exercice 6. (★★) lois ; combinaisons ; formule de transfert
On choisit uniformément {n} boules parmi {N}, sans remise, {1\le n\le N}, et {X} est le plus grand numéro.
a) Donner sa loi.
Cliquer ici pour voir (ou cacher) la réponse
Pour voir la suite de ce contenu, vous devez : Pour poursuivre votre exploration, vous pouvez :
b) Montrer {\sum\limits_{k=n}^N\binom kn=\binom{N+1}{n+1}}.
Cliquer ici pour voir (ou cacher) la réponse
Pour voir la suite de ce contenu, vous devez : Pour poursuivre votre exploration, vous pouvez :
c) Calculer son espérance.
Cliquer ici pour voir (ou cacher) la réponse
Pour voir la suite de ce contenu, vous devez : Pour poursuivre votre exploration, vous pouvez :
d) Calculer sa variance.
Cliquer ici pour voir (ou cacher) la réponse
Pour voir la suite de ce contenu, vous devez : Pour poursuivre votre exploration, vous pouvez :

Exercice 7. (★) variance d'une somme ; loi binomiale ; linéarité
Une particule part de {0} et effectue indépendamment à chaque instant un pas uniforme dans {\left\{-1,1\right\}}. Soit {X_n} son abscisse.
a) Calculer espérance et variance.
Cliquer ici pour voir (ou cacher) la réponse
Pour voir la suite de ce contenu, vous devez : Pour poursuivre votre exploration, vous pouvez :
b) Pour {-k\le\ell\le k}, calculer {\mathbb{P}(X_{2k}=2\ell)}.
Cliquer ici pour voir (ou cacher) la réponse
Pour voir la suite de ce contenu, vous devez : Pour poursuivre votre exploration, vous pouvez :

Exercice 8. (★★) variance d'une somme ; loi géométrique ; équivalents
Chaque tablette contient indépendamment une image uniforme parmi {N} types. Soit {X_k} le nombre de tablettes nécessaires pour obtenir {k} types distincts.
a) Donner la loi de {X_{k+1}-X_k} et calculer {\mathbb E(X_k)}.
Cliquer ici pour voir (ou cacher) la réponse
Pour voir la suite de ce contenu, vous devez : Pour poursuivre votre exploration, vous pouvez :
b) Donner un équivalent de {\mathbb E(X_N)}.
Cliquer ici pour voir (ou cacher) la réponse
Pour voir la suite de ce contenu, vous devez : Pour poursuivre votre exploration, vous pouvez :
c) Donner un équivalent de son écart type.
Cliquer ici pour voir (ou cacher) la réponse
Pour voir la suite de ce contenu, vous devez : Pour poursuivre votre exploration, vous pouvez :

Exercice 9. (★★★) Groupe symétrique, déterminants ; variance d'une somme ; développement par une ligne ou colonne
Soit {A_n} une matrice de Rademacher indépendantes et {D_n=\det A_n}.
a) Calculer {\mathbb E(D_n)}.
Cliquer ici pour voir (ou cacher) la réponse
Pour voir la suite de ce contenu, vous devez : Pour poursuivre votre exploration, vous pouvez :
b) Montrer par récurrence {V(D_n)=n!}.
Cliquer ici pour voir (ou cacher) la réponse
Pour voir la suite de ce contenu, vous devez : Pour poursuivre votre exploration, vous pouvez :

Exercice 10. (★★★) loi de Poisson ; dérivation terme à terme ; formule de transfert
Pour {\lambda>0}, soit {Y_\lambda\sim\mathcal P(\lambda)}.
1) Montrer qu’il existe {L_1,L_2\in\mathbb{Z}[X]} tels que {\mathbb E(Y_\lambda)=L_1(\lambda)} et {\mathbb E(Y_\lambda^2)=L_2(\lambda)}.
Cliquer ici pour voir (ou cacher) la réponse
Pour voir la suite de ce contenu, vous devez : Pour poursuivre votre exploration, vous pouvez :
2) Pour tout {p\geq1}, montrer l’existence d’un {L_p\in\mathbb{Z}[X]} tel que {\mathbb E(Y_\lambda^p)=L_p(\lambda)}.
Cliquer ici pour voir (ou cacher) la réponse
Pour voir la suite de ce contenu, vous devez : Pour poursuivre votre exploration, vous pouvez :

Exercice 11. (★★) variance d’une somme ; indépendance ; éléments propres
Soient {X\sim\mathcal P(\lambda)} et {Y\sim\mathcal G(p)} indépendantes. On pose {M=\begin{pmatrix}X&Y\\[4pt]Y&X\end{pmatrix}}.
1) Donner {\mathbb E(\operatorname{rg}M)}.
Cliquer ici pour voir (ou cacher) la réponse
Pour voir la suite de ce contenu, vous devez : Pour poursuivre votre exploration, vous pouvez :
2) Déterminer l’espérance et la variance de la plus grande valeur propre de {M}.
Cliquer ici pour voir (ou cacher) la réponse
Pour voir la suite de ce contenu, vous devez : Pour poursuivre votre exploration, vous pouvez :


Retour aux planches par thème

Author: Jean-Michel Ferrard

Professeur de mathématiques en classe préparatoire aux grandes écoles.