Fonction génératrice : exercices corrigés de mathématiques de seconde année, pour les classes de MP, MPI, PC et PSI.
Exercice 1 — Un nombre géométrique de lancers
(Oral Mines-Ponts)
On lance {N} fois une pièce, où {N\leadsto\mathcal{G}(p)}.
Soit {X} le nombre de faces obtenu.
Montrer que {X} est une variable aléatoire discrète.
Donner la loi de {X} conditionnée par {N=n}.
Soit {k\in \mathbb{N}^{\ast }}, on pose {f(x)=\displaystyle\sum\limits_{n=k}^{+\infty}\dbinom{n}{k}x^n}.
Déterminer le rayon de convergence {R} de {f}.
Calculer {f(x)}. Déterminer la loi de {X}.
Cliquer ici pour voir (ou cacher) le corrigé
Soit {X_i} l’indicatrice de « face au ième lancer ».
On a { X=\displaystyle\sum_{i=1}^N X_i}. Poson {S_n=\displaystyle\sum_{i=1}^{n}X_i}.
Pour {k\in \mathbb{N}}, on a : {(X=k)=\displaystyle\biguplus_{n\ge1}(N=n, S_n=k)}Mais {N} et {S_n} sont des variables aléatoires donc les {(N=n, S_n=k)} sont des événements.
Ainsi {(X=k)} est un événement, donc {X} est une v.a.r.
La loi de {X} conditionnée par {(N=n)} est {\mathcal{B}\Big(n,\dfrac{1}{2}\Big)}.
Pour {x\neq 0} et {n\geq k}, on pose {u_n(x)=\dbinom{n}{k}x^n}.
On a : {\left|\dfrac{u_{n+1}(x)}{u_n(x)}\right|=\dfrac{n+1}{n+1-k}|x|\stackrel{n \to +\infty}{\to} |x|}.
Ainsi le rayon de {\displaystyle\sum\limits_{n\geq k}\binom{n}{k} x^{n}} est {R=1}.
Pour {x\in \,]\!-\!1,1[}, soit :{\begin{array}{rl}f(x)&=\dfrac{x^k}{k!}\displaystyle\sum_{n=k}^{+\infty}n(n\!-\!1)\ldots (n\!-\!k\!+\!1) x^{n-k}\\[12pts]&=\dfrac{x^k}{k!}h^{(k)}(x)\end{array}}où {h(x)=\dfrac{1}{1-x}=\displaystyle\sum_{n=0}^{+\infty}x^k}
Par récurrence facile : {h^{(k)}(x)=\dfrac{k!}{(1-x)^{k+1}}}.
Ainsi : {\forall\, x \in\,]-1,1[,\;f(x)=\dfrac{x^k}{(1-x)^{k+1}}}.
Si {k=0}, on a : {\begin{array}{rl}\mathbb{P}(X=0)&=\displaystyle\sum_{n=1}^{+\infty}\mathbb{P}_{(N=n)}(X=0)\mathbb{P}(N=n)\\[12pts]&=\displaystyle\sum_{n=1}^{+\infty}\left(\dfrac{1}{2}\right)^np(1-p)^{n-1}=\dfrac{p}{1+p}\end{array}}
Si {k\in \mathbb{N}^*}, on a : {\begin{array}{rl}\mathbb{P}(X=k)&=\displaystyle\sum_{n=k}^{+\infty}\mathbb{P}_{(N=n)}(X=k)\mathbb{P}(N=n)\\[12pts]&=\displaystyle\sum_{n=k}^{+\infty}\binom{n}{k}\left(\dfrac{1}{2}\right)^np(1-p)^{n-1}\end{array}}En posant {q=1-p}, et avec ce qui précède : {\begin{array}{rl}\mathbb{P}(X=k)&=\dfrac{p}{q}\dfrac{(q/2)^k}{(1-q/2)^{k+1}}\\[12pts]&= \dfrac{2p}{(1+p)^2}\left(\dfrac{1-p}{1+p}\right)^{k-1}\end{array}}
À titre de vérification : {\begin{array}{l}\displaystyle\sum_{k=0}^{+\infty}\mathbb{P}(X\!=\!k)\!=\! \dfrac{p}{1+p}\!+\!\displaystyle\sum_{k=1}^{+\infty}\dfrac{2p}{(1+p)^2}\!\left(\dfrac{1-p}{1+p}\right)^{\!k-1}\\\\\quad=\dfrac{p}{1+p}+\dfrac{2p}{(1+p)^2}\dfrac{1}{1-\dfrac{1-p}{1+p}}=1\end{array}}
Exercice 2 — Stabilité de la loi binomiale
(Oral Centrale)
On considère des variables aléatoires sur un espace probabilisé.
Soit {Y\leadsto \mathcal{B}(n,p)}. Donner sa fonction génératrice.
Soient {Y,Z} indépendantes à valeurs dans {\mathbb{N}}, et non constantes.
On suppose {U=Y+Z\leadsto\mathcal{B}(n,p)}.
Montrer que {Y,Z} suivent des lois binomiales.
Cliquer ici pour voir (ou cacher) le corrigé
C’est du cours : {G_Y(t)=E(t^Y)=(pt+q)^n}.
On a {U(\Omega)\subset[0,n]} donc {\begin{cases}Y(\Omega)\subset[0,n]\\Z(\Omega)\subset[0,n]\end{cases}}
Ainsi {G_Y(t)} et {G_Z(t)} sont donc des polynômes.
Comme {Y} et {Z} sont indépendantes, on {G_U(t)=(pt+q)^n=G_Y(t)G_Z(t)}Ainsi {G_Y} et {G_Z} divisent {(pt+q)^n} dans {\mathbb{R}[X]}.
Il existe {m,r \in [[0, n ]]}, {c,d\in \mathbb{R}^*} tels que : {G_Y(t)=c(pt+q)^m\;\text{et}\;G_Z(t)=d(pt+q)^r}Or {G_Y(1)=1} donc {c=1} et {d=1}.
Et {Y,Z} sont non certaines donc {m\ge1,\;r\ge1}.
Ainsi {\begin{cases}\text{G}_Y(t)=(pt+q)^m\\\text{G}_Z(t)=(pt+q)^r\end{cases}}
Donc {\begin{cases}Y\leadsto \mathcal{B}(m,p)\\ Z\leadsto \mathcal{B}(r,p)\end{cases}} avec {m+r=n}.
Exercice 3 — Loi définie par sa fonction génératrice
(Oral Mines-Ponts)
Soit {\alpha>0}. Montrer qu’il existe une v.a.r {X} telle que {G_{X}(t)=\dfrac{1}{(2-t)^{\alpha}}}.
Donner un équivalent de {\mathbb{P}(X=n)} quand {n\rightarrow +\infty } dans le cas où {\alpha \in \mathbb{N}^*}.
On connait le développement e rayon {1} : {(1+t)^{\alpha}=\displaystyle\sum_{n=0}^{+\infty}\dfrac{\alpha(\alpha-1)\cdots(\alpha-n+1)}{n!}t^n}On en déduit, pour tout {t\in\,]-2,2\,[} : \begin{array}{l}G_X(t)=\dfrac{1}{2^{\alpha}}\Bigl(1-\dfrac{t}{2}\Bigr)^{-\alpha}\\\\=\displaystyle\sum_{n=0}^{+\infty}\dfrac{(-\alpha)(-\alpha-1)\cdots(-\alpha-n+1)}{2^{\alpha}\,n!}\Bigl(-\dfrac{t}{2}\Bigr)^n\\\\=\displaystyle\sum_{n=0}^{+\infty}\dfrac{\alpha(\alpha+1)\cdots(\alpha+n-1)}{n!\,2^{n+\alpha}}\,t^n\end{array}Ainsi {G_X} est la fonction génératrice de {X} telle que {X(\Omega)=\mathbb{N}} et, pour tout {n\in\mathbb{N}} : {\mathbb{P}(X=n)=\dfrac{\alpha(\alpha+1)\cdots(\alpha+n-1)}{n!\,2^{n+\alpha}}}On vérifie que {\mathbb{P}(X=n)\ge0} et : {\displaystyle\sum_{n=0}^{+\infty}\mathbb{P}(X=n)=G_X(1)=1}
On suppose {\alpha\in\mathbb{N}^*}. Alors :{\begin{array}{l}\mathbb{P}(X=n)=\dfrac{\alpha(\alpha+1)\cdots(\alpha+n-1)}{n!\,2^{n+\alpha}}\\\\\quad=\dfrac{(n+\alpha-1)!}{(\alpha-1)!\,n!\,2^{n+\alpha}}=\dfrac{1}{2^{n+\alpha}}\dbinom{n+\alpha-1}{\alpha-1}\end{array}}On peut alors utiliser l’équivalent de Stirling.
Ainsi, quand {n\to\infty}, {\mathbb{P}(X=n)} est équivalent à : \dfrac{(n+\alpha-1)^{n+\alpha-1}\,\text{e}^{-n-\alpha+1}\,\sqrt{2\pi(n+\alpha-1)}}{(\alpha-1)!\,n^n\,\text{e}^{-n}\,\sqrt{2\pi n}\,2^{n+\alpha}}c’est-à-dire équivalent à : {\dfrac{n^{\alpha-1}}{(\alpha-1)!\,\text{e}^{\alpha-1}\,2^{n+\alpha}}\Bigl(1+\dfrac{\alpha-1}{n}\Bigr)^{n+\alpha-1}}
Mais {\displaystyle\lim_{n\to\infty}\Bigl(1\!+\!\dfrac{\alpha\!-\!1}{n}\Bigr)^{n+\alpha-1}=\text{e}^{\alpha-1}}.
On trouve donc : {\mathbb{P}(X=n)\sim \dfrac{n^{\alpha-1}}{(\alpha-1)!\,2^{n+\alpha}}}.
Le rayon de convergence de la fonction {G_X} est strictement supérieur à {1}. La v.a.r. {X} possède donc une espérance et une variance.
De plus, on a {\text{E}(X)=G'_X(1)} et :{\text{V}(X)=G'_X(1)+G''_X(1)-\bigl(G'_X(1)\bigr)^2}On a {\begin{cases}G'_X(t)=\alpha(2-t)^{-\alpha-1}\\\text{G}''_X(t)=\alpha(\alpha+1)(2-t)^{-\alpha-2}\end{cases}}.
En particulier : {\begin{cases}G'_X(1)=\alpha\\\text{G}''_X(1)=\alpha(\alpha+1)\end{cases}}
Il en résulte {\text{E}(X)=\alpha}, et :{\text{V}(X)=\alpha+\alpha(\alpha+1)-\alpha^2=2\alpha}L’inégalité de Bienaymé-Chebyshev s’écrit : {\forall\, \lambda>0,\;\mathbb{P}(|X-\text{E}(X)|\ge\lambda)\le\dfrac{\text{V}(X)}{\lambda^2}}Ainsi : {\mathbb{P}(|X-\alpha|\ge\lambda)\le\dfrac{2\alpha}{\lambda^2}}.
Mais {X\ge\lambda+\alpha} est inclus dans {|X-\alpha|\ge\lambda}.
On trouve donc finalement, pour tout {\lambda>0} : {\mathbb{P}(X\ge\lambda+\alpha)\le \mathbb{P}(|X-\alpha|\ge\lambda)\le\dfrac{2\alpha}{\lambda^2}}
Cette page contient 8 exercices. La suite est réservée aux abonnés.
Les contenus originaux de Mathprepa — notamment les cours, les rédactions d’exercices et les corrigés — ainsi que les éléments originaux de sa présentation, de sa mise en forme et de son architecture éditoriale sont protégés par le droit d’auteur. Cette protection concerne notamment le choix, l’agencement et l’organisation des ressources.
Sauf autorisation préalable écrite, leur reproduction, adaptation ou diffusion, intégrale ou partielle, est interdite, sous réserve des exceptions prévues par le Code de la propriété intellectuelle.
Les documents, logiciels et éléments graphiques de tiers demeurent soumis aux droits de leurs titulaires respectifs.