Exercices de 2nde année.
Probabilités, variables aléatoires

Un exercice très improbable

(Oral XCachan Psi)
Soit {X_1,X_2,Y} trois v.a.r. indépendantes.
On suppose {\begin{cases}X_{1}\leadsto\mathcal{P}(\lambda_1)\\X_{2}\leadsto\mathcal{P}(\lambda_2)\end{cases}}, et {\begin{cases}Y(\Omega)\subset\{-1,1\}\\p=\mathbb{P}(Y=-1)\end{cases}}
On pose {M=\begin{pmatrix} X_{1}^{2} & X_{2}^{2} \\ YX_{2}^{2} & X_{1}^{2}\end{pmatrix}}.
Probabilité que {M} soit diagonalisable dans \mathcal{M}_{2}(\mathbb{R})?

Le collectionneur, épisode 1

Pour doper ses ventes, une marque de chocolat cache dans chaque tablette (et de façon équiprobable) l’une des N figurines d’une collection. On considère ici l’expérience (aléatoire!) vécue par un client cherchant compulsivement à compléter sa collection.
On note {X} le nombre de tablettes à acheter pour compléter l’album. Dans cet épisode, on calcule la loi de X, son espérance, sa variance.

L’urne d’Ehrenfest, épisode 2

On reprend les notations et résultats de l’épisode 1.
On forme ici la matrice de transition associée à ce processus de Markov, et on l’interprète comme celle d’un endomorphisme \varphi de {\mathbb{R}_{N}[X]} dans la base canonique.
Si {t\mapsto G_{n}(t)} est la fonction génératrice de {X_{n}}, on voit que {G_{n+1}=\varphi(G_{n})}.
On retrouve alors la relation {\text{E}(X_{n+1})=1+\Bigl(1-\dfrac{2}{N}\Bigr)\text{E}(X_{n})}.