Lycée St Joseph Lundi 10 février 2020

Classe de PC

Épreuve de Mathématiques 7

Correction

Exercice 1 (PT 2015)

1) Par définition, X(Ω) = N. Soit i ∈ N. Comme (Y = j)j∈N est un système complet d’événements,
+∞
X
P (X = i) = P (X = i, Y = j) Formule des probabilités totales
j=0
i
X λi e−λ αj (1 − α)i−j
=
j=0
j!(i − j)!
i
i −λ
X αj (1 − α)i−j
=λe
j=0
j!(i − j)!
i
!
λi e−λ X i j
= α (1 − α)i−j
i! j=0 j
λi e−λ
= (α + 1 − α)i
i!
λi
= e−λ
i!
Conclusion :
X ,→ P(λ)

2) De même, par définition, Y (Ω) = N. Soit j ∈ N. Comme (X = i)i∈N est un système complet d’événe-
ments,
+∞
X
P (Y = j) = P (X = i, Y = j) Formule des probabilités totales
i=0
+∞
X λi e−λ αj (1 − α)i−j
=
i=j
j!(i − j)!

αj +∞
X λi+j (1 − α)i
= e−λ Tiens donc...
j! i=0 i!
j +∞

i
−λ (αλ)
X λ(1 − α)
=e ...un calcul connu ?
j! i=0
i!
+∞
(αλ)j λ(1−α) xk
= e−λ
X
e Car ∀x ∈ R, ex =
j! k=0
k!
(αλ)j
= e−λα
j!
Conclusion :
Y ,→ P(λα)

1
DST 7

3) On a des zéros dans le tableau de la loi de couple (X, Y ) : parfois, P (X = i, Y = j) = 0. Donc il est peu probable
qu’il y ait indépendance. Essayons de vérifier la formule de l’indépendance dans une case nulle.
Soit i = 0 et j = 1. Alors 0 6 i < j donc

P (X = 0, Y = 1) = 0

De plus, d’après 1 et 2,
1 αλ
P (X = 0)P (Y = 1) = e−λ × e−αλ = e−λ(1+α) αλ 6= 0
0! 1!
car α 6= 0 et λ 6= 0. Ainsi, P (X = 0, Y = 1) 6= P (X = 0)P (Y = 1). Par conséquent,

Les variables X et Y ne sont pas indépendantes

4) On procède comme pour la question de cours sur la loi de X + Y .

D’après 1 et 2, X(Ω) = Y (Ω) = N, donc Z(Ω) = Z a priori. Soit n ∈ Z.
Comme (Y = j)j∈N est un système complet d’événements, on obtient l’union disjointe suivante :
+∞
[
(Z = n) = (Z = n) ∩ (Y = j) Formule des probabilités totales
j=0
+∞
[
= (X = n + j) ∩ (Y = j) Car Z = X − Y = n et Y = j entraîne X − j = n
j=0

Ainsi, en passant aux probabilités,

+∞
X
P (Z = n) = P (X = n + j, Y = j)
j=0

Bizarre ce Z(Ω) = Z. Pas usuel. Donc on regarde plus précisément ce qui se passe si n < 0.
Si n < 0, alors n + j < j donc P (X = n + j, Y = j) = 0 pour tout j ∈ N. Et, en sommant,
P (Z = n) = 0 : Z(Ω) = N.
Si n > 0,
+∞
X
P (Z = n) = P (X = n + j, Y = j)
j=0
+∞
X λn+j e−λ αj (1 − α)n+j−j
= D’après l’énoncé 1
j=0
j!(n + j − j)!

λn (1 − α)n +∞
X λj α j
= e−λ
n! j=0
j!
λn (1 − α)n λα
= e−λ e
n!
n
−λ(1−α) λ(1 − α)
=e
n!
Conclusion :
Z ,→ P(λ(1 − α))

1. Vous venez d’écrire que X et Y ne sont pas indépendantes : on relis sagement l’énoncé, et on utilise la formule donnée.

2
DST 7

5) Soit n un entier naturel. Comme P (Z = n) 6= 0, par définition d’un probabilité conditionnelle,

P (Y = j, Z = n)
P (Y = j | Z = n) =
P (Z = n)
λn+j e−λ αj (1−α)n
j!n!
=
n D’après les calculs de la question 4
λ(1−α)
e−λ(1−α) n!
j j
−αλ λ α
=e
j!
= P (Y = j)

Ainsi, ∀(j, n) ∈ N2 , P (Y = j | Z = n) = P (Y = j)

Par conséquent, Les variables Y et Z sont indépendantes

Dans la question de cours, Y représente le nombre de têtards et Z le nombre d’œufs qui n’ont pas éclos. Éton-
namment, ces deux variables sont indépendantes. C’est lié aux propriétés de l’exponentielle, et vous l’avez déjà
vu dans une autre question de cours :
Une autre façon de voir le même résultat consiste à se donner le nombre Y ,→ P(λ0 ) de têtards, le nombre
Z ,→ P(µ0 ) d’œufs qui n’ont pas éclos supposé indépendant, et de calculer le nombre X = Y + Z d’œufs pondus.
Vous avez vu en question de cours que X ,→ P(λ0 + µ0 ).
6) Notons X ,→ P(λ) le nombre d’enfants, avec λ = 2,2, et Y le nombre de garçons.
Soient i ∈ N et j ∈ N fixés, avec j 6 i.
L’événement (Y = j | X = i) correspond à « obtenir j garçons dans une suite de i expériences de
Bernoulli mutuellement indépendantes » : c’est exactement l’événement (Y0 = j) avec Y0 ,→ B(i, p),
1
avec p = . Donc
2
!
i j
P (Y = j | X = i) = p (1 − p)i−j
j
Puis, par la formule des probabilités composées,

P (Y = j, X = i) = P (Y = j | X = i)P (X = i)
!
i j λi
= p (1 − p)i−j e−λ
j i!
λi e−λ pj (1 − p)i−j
=
j!(i − j)!
Conclusion :
(1,1)i e−2,2
P (Y = j, X = i) =
j!(i − j)!

Exercice 2 (CCINP TSI 2019)

Partie 1 (Loi de X)
1) D’après l’énoncé, P (An ) = p
2) On peut choisir une place uniquement à partir du numéro s, donc

X(Ω) = Js, +∞J

Soit n > s. On choisit la première place disponible à partir de s, donc si on choisit la n-ième, c’est que
toutes celles entre s et n étaient occupées :

(X = n) = Ās ∩ · · · ∩ Ān−1 ∩ An

3
DST 7

3) Les (Ak )k sont mutuellement indépendants, donc en passant aux probabilités dans la formule précé-
dente, il vient,
∀n > s, P (X = n) = (1 − p)n−s p
4) Comme X(Ω) = Js, +∞J, Y (Ω) = N∗ . De plus, pour tout n ∈ N∗ ,
(Y = n) = (X − s + 1 = n) = (X = n + s − 1)
Donc P (Y = n) = P (X = n + s − 1) = p(1 − p)n−1 . On reconnaît une loi géométrique :
1 1−p
Y suit une loi géométrique de paramètre p, E(Y ) = et V (Y ) =
p p2

5) Par définition de Y , X = Y + s − 1. Par linéarité de l’espérance,

1
E(X) = E(Y ) + s − 1 = +s−1
p
Et par propriété de la variance de aX + b,
1−p
V (X) = V (Y ) =
p2

Partie 2 (Calcul de la distance moyenne à l’arrivée)

X
6) D’après le théorème du transfert, |X − d| est d’espérance finie si et seulement si |n − d|P (X = n)
n
converge absolument.
Pour tout n ∈ X(Ω), notons un = |n − d|P (X = n).
0 6 un ∼n→+∞ np(1 − p)n−s
Donc, pour n assez grand (par exemple n > s), un 6= 0 et
un+1 n+1
= (1 − p) −−−−−→ 1 − p < 1
un n n→+∞
X
Donc, d’après la règle de D’Alembert, un converge.
Conclusion :
|X − d| est d’espérance finie, c’est-à-dire E(|X − d|) = Ds existe

7) Pour n 6 d, |n − d| = d − n, et pour n > d, |n − d| = n − d. Par conséquent,

+∞
X
Ds = |n − d|P (X = n) (X(Ω) = Js, +∞J
n=s
Xd +∞
X
= (d − n)P (X = n) + (n − d)P (X = n)
n=s n=d+1

= S1 + S2

8) Soit k ∈ N.
k+1
X
uk+1 = (k + 1 − i)xi But : du uk , donc on fait apparaître k
i=0
Xk
= (k − i)xi+1 décalage d’indice i → i + 1
i=−1
= k + 1 + xuk
Ainsi,
∀k ∈ N uk+1 = k + 1 + xuk

4
DST 7

9) La question précédente nous donne une relation de récurrence : ici, l’énoncé nous invite à faire une preuve
par récurrence. On peut aussi montrer directement la formule en fonction de k en reconnaissant une série
géométrique et une série géométrique dérivée. Soit k ∈ N.
k
X k
X k
X
uk = (k − i)xi = kxi − ixi
i=0 i=0 i=0

k
X
Notons Sk (x) = xi . Comme x 6= 1,
i=0

k k
X 1 − xk+1 X −(k + 1)xk (1 − x) + (1 − xk+1 )
Sk (x) = xi = et Sk0 (x) = ixi−1 = (1)
i=0
1−x i=0
(1 − x)2

Par conséquent, en sommant,

uk = kSk (x) − xSk0 (x) Le numérateur est un polynôme en x,

k+1 k k+1 k+1
k − kx −(k + 1)x + (k + 1)x +1−x
= −x 2
on développe et on groupe a0 + a1 x + . . .
1−x (1 − x)
k kxk+1 − kxk+2 −(k + 1)xk+1 + kxk+2 + x
= − − avec l’objectif en tête
1−x (1 − x)2 (1 − x)2
k −xk+1 + x
= −
1−x (1 − x)2
k x
= + (xk − 1) Passer par A − B = 0 pouvait être plus rapide
1−x (1 − x)2

Montrons par récurrence que la propriété :

k x
Hk : uk = + (xk − 1)
1 − x (1 − x)2

est vraie pour tout k > 0.

0
X 0 x
• H0 : u0 = (0 − i)xi = 0, or + (1 − 1) = 0. Donc H0 vraie.
i=0
1 − x (1 − x)2
• Hk =⇒ Hk+1 : Supposons Hk vraie.

uk+1 = k + 1 + xuk D’après la question 8

k x
 
=k+1+x + (xk − 1) (Hk )
1 − x (1 − x)2
(k + 1)(1 − x) + kx x2 (xk − 1)
= + au brouillon, écrire le but
1−x (1 − x)2
k + 1 − (k + 1)x + kx xk+2 − x2
= + en bas de la page,
1−x (1 − x)2
k+1 x xk+2 − x2
= − + pour diriger les calculs.
1−x 1−x (1 − x)2
k+1 x − x2 xk+2 − x2
= − +
1 − x (1 − x)2 (1 − x)2
k+1 x
= + (xk+1 − 1)
1 − x (1 − x)2

Donc Hk+1 est vraie.

k x
• Conclusion : ∀k ∈ N uk = + (xk − 1)
1 − x (1 − x)2

5
DST 7

10) D’après 3), pour tout n > s, P (X = n) = (1 − p)n−s p. Donc

d
X
S1 = (d − n)(1 − p)n−s p
n=s
d−s
X
=p (d − s − n)(1 − p)n On commence une somme à n = 0, on ajuste.
n=0
= pud−s D’après 9 avec x = 1 − p et k = d − s
d−s 1−p
 
d−s
=p + 2 ((1 − p) − 1)
p p
1−p
=d−s+ ((1 − p)d−s − 1)
p
Conclusion :
1 1
S1 = pud−s = d − s + 1 − + (1 − p)d−s+1
p p

11) Par un calcul similaire à celui de la question 7 et le théorème du Transfert,

+∞
X
E(X − d) = (n − d)P (X = n)
n=s
Xd +∞
X
= (n − d)P (X = n) + (n − d)P (X = n)
n=s n=d+1
= −S1 + S2

Par linéarité de l’espérance, E(X − d) = E(X) − d. Or nous avons calculé E(X) à la question 5 :
1
E(X − d) = +s−1−d
p
Par conséquent,
1
S2 = E(X − d) + S1 = (1 − p)d−s+1
p
De plus Ds = S1 + S2 d’après 7, donc

1 2
Ds = d − s + 1 − + (1 − p)d−s+1
p p

Partie 3 (Optimisation)
1 2 1 2
 
12) Ds+1 − Ds = d − (s + 1) + 1 − + (1 − p)d−(s+1)+1 − d − s + 1 − + (1 − p)d−s+1
p p p p
2
= −1 + (1 − p)d−s (1 − (1 − p))
p
Donc
Ds+1 − Ds = −1 + 2(1 − p)d−s

1
13) Ds+1 − Ds > 0 ⇐⇒ (1 − p)d−s >
2
⇐⇒ (d − s) ln(1 − p) > − ln(2) en composant par ln qui est croissante sur R∗+
− ln(2)
⇐⇒ d − s 6 car 1 − p ∈]0; 1[, donc ln(1 − p) < 0
ln(1 − p)
ln(2)
⇐⇒ s > d + =α
ln(1 − p)
D’où le tableau de signes :

6
DST 7

s 0 α +∞

Ds+1 − Ds − 0 +

La suite (Ds ) est décroissante pour s 6 α + 1 et croissante pour s > α + 1. Donc

ln(2)
 
Ds est minimal pour s = d + +1
ln(1 − p)

Donc, désormais, vous savez comment garer votre voiture.

Exercice 3 (Centrale PC 2018)

Rappels d’arithmétique
A - Loi zêta
X
1) Vérifions que P (Ω) = 1 : Pour x > 1, d’après Riemann, P (X = n) converge, et
n

+∞
X 1 +∞X 1
P (X = n) =
n=1
ζ(x) n=1 nx
=1

Donc
La variable aléatoire discrète X est bien définie
X
2) Par définition de l’espérance, X admet une espérance finie si et seulement si la série nP (X = n)
n>1
converge absolument. Or
1
∀n > 1 nP (X = n) = >0
ζ(x)nx−1
D’après Riemann, cette série converge si et seulement si x − 1 > 1. De plus,

1 +∞X 1 ζ(x − 1)
E(X) = x−1
=
ζ(x) n=1 n ζ(x)

Finalement,

ζ(x − 1)
X admet une espérance finie si et seulement si x > 2 et E(X) =
ζ(x)

k
X k ∈ N. D’après le théorème du Transfert, X admet une espérance finie si et seulement si la série
3) Soit
k
n P (X = n) converge absolument. Or
n>1

1
∀n > 1 nk P (X = n) = >0
ζ(x)nx−k
D’après Riemann, cette série converge si et seulement si x − k > 1. De même, on trouve alors

ζ(x − k)
X k admet une espérance finie si et seulement si x > 1 + k et E(X k ) =
ζ(x)

4) Par définition, X admet une variance si X 2 est d’espérance finie, donc, ici, si et seulement si x > 2.
Dans ce cas,
2
ζ(x − 2) ζ(x − 1)

V (X) = E(X 2 ) − E(X)2 = −
ζ(x) ζ(x)

7
DST 7

5) Soit a ∈ N∗ . On décompose l’événement (X ∈ aN∗ ) en une union disjointe :

+∞
∗
[ [
(X ∈ aN ) = (X = k) = (X = an)
k∈aN∗ n=1

En passant aux probabilités,

+∞
P (X ∈ aN∗ ) =
X
P (X = an)
n=1
+∞
X 1
=
n=1
ζ(x)ax nx
+∞ +∞
1 X 1 X 1
= or ζ(x) =
ζ(x)ax n=1 nx n=1
nx
1
=
ax
Conclusion :
1
∀a ∈ N∗ , P (X ∈ aN∗ ) =
ax

B - Mutuelle indépendance
6) Décrivons l’événement (X ∈ q1 N∗ ) ∩ (X ∈ q2 N∗ ) : comme q1 et q2 sont des nombres premiers distincts,

x ∈ q1 N∗ et x ∈ q2 N∗ =⇒ q1 divise x et q2 divise x
=⇒ q1 q2 divise x d’après le rappel 5 d’arithmétique
∗
=⇒ x ∈ q1 q2 N

Et réciproquement,

x ∈ q1 q2 N∗ =⇒ q1 q2 divise x =⇒ q1 divise x et q2 divise x =⇒ x ∈ q1 N∗ et x ∈ q2 N∗

Donc
(X ∈ q1 N∗ ) ∩ (X ∈ q2 N∗ ) = (X ∈ q1 q2 N∗ )
Ainsi, d’après la question 5 pour a = q1 q2 , a = q1 puis a = q2 ,
 
P (X ∈ q1 N∗ ) ∩ (X ∈ q2 N∗ ) = P (X ∈ q1 q2 N∗ )
1
=
(q1 q2 )x
1 1
= x× x
q1 q2
= P (X ∈ q1 N∗ )P (X ∈ q2 N∗ )

Ainsi,

Les événements (X ∈ q1 N∗ ) et (X ∈ q2 N∗ ) sont indépendants

7) De même, q1 , . . . , qn sont des nombres premiers distincts, donc, d’après le point 5, pour tout a ∈ N∗ ,
n
Y
(∀i ∈ J1, nK , qi divise a) ⇔ qi divise a
i=1

8
DST 7

Donc
n n
!
Y 
∗ ∗
\
(X ∈ qi N ) = X∈ qi N
i=1 i=1
Toujours de même qu’à la question précédente,
n n
! !
Y 
∗ ∗
\
P (X ∈ qi N ) =P X∈ qi N
i=1 i=1
1
= n  D’après 5
Y x
qi
i=1
n
Y 1
=
qx
i=1 i
n
P (X ∈ qi N∗ )
Y
= D’après 5
i=1

Par définition de l’indépendance mutuelle,

Les événements (X ∈ q1 N∗ ), . . . , (X ∈ qn N∗ ) sont mutuellement indépendants

8) La suite (Bn ) est décroissante (pour l’inclusion), donc par continuité décroissante,
+∞
!
\
lim P (Bn ) = P Bn
n→+∞
n=1

+∞ +∞ n +∞
(X 6∈ pk N∗ ) = (X 6∈ pk N∗ ).
\ \ \ \
De plus Bn =
n=1 n=1 k=1 k=1
+∞
(X 6∈ pk N∗ ) = (X = 1) par double inclusion.
\
Montrons que
k=1
⊂ D’après le dernier point des rappels d’arithmétique, pour tout a ∈ N∗ , a > 2, il existe un nombre
premier qui divise a. Donc, si a ∈ N∗ n’est dans aucun pN∗ pour tout p ∈ P, alors a = 1.
+∞
∗
⊃ Comme, pour tout p ∈ P, pN ⊂ J2, +∞J, il vient : (a = 1) =⇒ a ∈ pk N∗ ⊂ J2, +∞J.
\
/
k=1
Donc
+∞
(X 6∈ pk N∗ ) = (X = 1)
\

k=1
Ainsi,
lim P (Bn ) = P (X = 1)
n→+∞

1
De plus, P (X = 1) = et
ζ(x)1x
n
Y
P (X ∈ pk N∗ )


P (Bn ) = par indépendance mutuelle
k=1
n
!
Y 1
= 1− x d’après 5
k=1
pk

Finalement,
n
!
1 Y 1
∀x ∈]1, +∞[, = lim 1− x
ζ(x) n→+∞ k=1 pk

9
DST 7

C - Deux variables indépendantes suivant une loi zêta

9) Passons par l’événement contraire : montrer qu’on appartient à un ensemble est ici plus facile que
montrer la non appartenance.
Ā est l’événement « il existe un nombre premier qui divise X et Y simultanément ».
Soit (a, b) ∈ X(Ω) × Y (Ω) ⊂ (N∗ )2 . Ā s’écrit

∃p ∈ P, a ∈ pN∗ et b ∈ pN∗

Ensemblistement,
+∞
((X ∈ pk N∗ ) ∩ (Y ∈ pk N∗ ))
[
Ā =
k=1

Donc en passant au complémentaire

+∞ +∞
/ pk N∗ ) ∪ (Y ∈
/ pk N∗ )) =
\ \
A= ((X ∈ Cn
k=1 n=1

La suite (Cn ) est décroissante, donc par continuité décroissante,

P (A) = lim P (Cn )

n→+∞
 
/ pk N∗ ) ∪ (Y ∈
Or les événements (X ∈ / pk N∗ ) sont mutuellement indépendant, de la même façon
k
qu’à la question 7 :
n
!
∗ ∗ ∗
\
∀n ∈ N , P (Cn ) = P ((X ∈
/ pk N ) ∪ (Y ∈
/ pk N ))
k=1
n
/ pk N∗ ) ∪ (Y ∈
/ pk N∗ ))
Y
= P ((X ∈ indépendance mutuelle
k=1
n  
1 − P ((X ∈ pk N∗ ) ∩ (Y ∈ pk N∗ ))
Y
= complémentaire
k=1
n  
1 − P (X ∈ pk N∗ )P (Y ∈ pk N∗ )
Y
= indépendance mutuelle
k=1
n !
1 1
Y  
= 1− question 5
k=1
pxk pxk
n
!
Y 1
= 1 − 2x
k=1
pk

Donc, d’après 8, en passant à la limite,

1
P (A) =
ζ(2x)

10
DST 7

D - Deux variables indépendantes suivant une loi uniforme

10) On a
\
A= (X ∈ pN∗ ) ∩ (Y ∈ pN∗ )
p∈P

((X 6∈ pN∗ ) ∪ (Y 6∈ pN∗ ))

\
=
p∈P
+∞
((X 6∈ pi N∗ ) ∪ (Y 6∈ pi N∗ )) (car P = {pi , i ∈ N∗ })
\
=
i=1
+∞ n
!
((X 6∈ pi N∗ ) ∪ (Y 6∈ pi N∗ ))
\ \
=
n=1 i=1
+∞
\
= Cn .
n=1

donc, d’après la propriété de la continuité monotone, comme Cn forme une suite décroissante d’évé-
nements, on a :
+∞ n
! !
∗ ∗
\ \
P (A) = P Cn = lim P (Cn ) = lim P ((X 6∈ pk N ) ∪ (Y 6∈ pk N )) .
n→+∞ n→+∞
n=1 k=1

Or, on peut démontrer comme à la question 6 que les événements ((X ∈ pk N∗ ) ∩ (Y ∈ pk N∗ ))k∈J1,nK
sont mutuellement indépendants (le résultat final sera au carré), donc leurs complémentaires, ((X 6∈
pk N∗ ) ∪ (Y 6∈ pk N∗ ))k∈1,..,n sont aussi indépendants, donc
n
!
∗ ∗
\
P (A) = lim P ((X 6∈ pk N ) ∪ (Y 6∈ pk N ))
n→+∞
k=1
n
P ((X 6∈ pk N∗ ) ∪ (Y 6∈ pk N∗ ))
Y
= lim
n→+∞
k=1
n
(1 − P ((X ∈ pk N∗ ) ∩ (Y ∈ pk N∗ )))
Y
= lim (en passant au complémentaire)
n→+∞
k=1
n
(1 − P (X ∈ pk N∗ )P (Y ∈ pk N∗ ))
Y
= lim (car X et Y sont indépendantes)
n→+∞
k=1
n
!
Y 1 1
= lim 1− x x
n→+∞
k=1
pk pk
n
!
Y 1
= lim 1 − 2x
n→+∞
k=1
pk
1
= (d’après la question 8 avec 2x > 1)
ζ(2x)

III.D - Deux variables indépendantes suivant une loi uniforme

10) D’après le troisième point des rappels d’arithmétique, pour tout ω ∈ Ω,

Wn (ω) ∈ kN∗ ⇔ k | Un (ω) ∧ Vn (ω)

⇔k | Un (ω) et k | Vn (ω)

donc

P (Wn ∈ kN∗ ) = P ((Un ∈ kN∗ ) ∩ (Vn ∈ kN∗ ))

= P (Un ∈ kN∗ )P (Vn ∈ kN∗ ) (Un et Vn indépendantes)
= P (Un ∈ kN∗ )2 (même loi).

11
DST 7

Or, les entiers j de [[1, n]] vérifiant k | j sont les éléments de kN∗ ∩ [[1, n]], c’est-à-dire les entiers qui
s’écrivent ki avec i ∈ N∗ vérifiant 1 6 ki 6 n ⇔ 1 6 i 6 n/k ⇔ 1 6 i 6 bn/kc (car i est un entier).
On a donc {j ∈ [[1, n]] : k | j} = {ki, i ∈ [[1, bn/kc]]}.
Enfin, comme Un ,→ U([[1, n]]), on obtient :

P (Wn ∈ kN∗ ) = P (Un ∈ kN∗ )2

2
Card {ki, i ∈ [[1, bn/kc]]}

=
Card [[1, n]]
2
bn/kc

=
n

bn/kc 1
11) • Pour tout n, k ∈ N∗ 2 , bn/kc 6 n/k, donc 6 .
n k
• Pour tout m ∈ N∗ ,
m
X m
X m
X
`k = lim P (Wn = k) = lim P (Wn = k) (combinaison linéaire de limites finies)
n→+∞ n→+∞
k=1 k=1 k=1
m
!
[
= lim P (Wn = k) (événements incompatibles),
n→+∞
k=1

m
X
donc `k 6 1 comme limite d’une suite de probabilités.
k=1
• De plus, comme Wn (Ω) ⊂ N∗ ,
 
m +∞
!
[ [
P (Wn = k) =1−P  (Wn = k)
k=1 k=m+1

et
 
+∞
[ +∞
X
P (Wn = k) 6 P (Wn = k) (sous-additivité d’une probabilité)
k=m+1 k=m+1
+∞
P (Wn ∈ kN∗ ) (car (Wn = k) ⊂ (Wn ∈ kN∗ ))
X
6
k=m+1
+∞ 2
X  bn/kc
= (d’après la question 10)
k=m+1
n
+∞
X 1
6 (d’après le premier point de cette réponse)
k=m+1
k2

La convergence de la dernière série justifie à posteriori toutes les majorations précédentes

X 1
Or, est une série convergente (Riemann et 2 > 1), donc son reste tend vers 0, donc, pour tout
k>1
k2
+∞
1
ε > 0, il existe M ∈ N∗ tel que pour tout m > M,
X
6 ε.
k=m+1
k2
 
+∞
[
Par suite, pour tout m > M, P  (Wn = k) 6 ε, donc
k=m+1

m m
!
X [
`k = 1 − P (Wn = k) > 1 − ε.
k=1 k=1

12
DST 7

En mettant bout à bout la majoration (valable pour tout m ∈ N∗ ) et la minoration obtenues pour
m
X
`k , on obtient bien :
k=1

m
∃M ∈ N∗ tel que ∀m ∈ N∗ , m > M ⇒ 1 − ε 6
X
∀ε > 0, `k 6 1.
k=1

12) • La question 11 implique

m
∃M ∈ N∗ tel que ∀m ∈ N∗ , m > M ⇒ 1 − ε 6
X
∀ε > 0, `k 6 1 + ε,
k=1

m
X
et donc lim `k = 1.
m→+∞
k=1
+∞
X
Par suite, la série `k converge et vaut 1.
k=1
• De plus, comme, pour tout n ∈ N∗ , P (Wn ∈ kN∗ ) ∈ [0, 1], donc

`k = lim P (Wn ∈ kN∗ ) ∈ [0, 1].

n→+∞

+∞
`k = 1 et, pour tout k ∈ N∗ , `k > 0, donc (`k )k∈N∗ définit une loi de probabilité sur
X
• On a donc
k=1
N∗ .
13) • Pour tout n, k ∈ N∗ 2 ,

1 1 bn/kc 1
n/k − 1 < bn/kc 6 n/k, donc − < 6 .
k n n k
1 1 1 bn/kc 1
Or lim − = , donc, d’après le théorème des gendarmes, lim = , donc
n→+∞ k n k n→+∞ n k
2
bn/kc 1

lim P (Wn ∈ kN∗ ) = lim = .
n→+∞ n→+∞ n k2

• On a donc, pour tout k ∈ N∗ ,

P (W ∈ kN∗ ) = lim P (Wn ∈ kN∗ ) (propriété admise avec B = kN∗ ⊂ N∗ )

n→+∞
1
= (d’après le premier point de cette réponse)
k2
= P (X ∈ kN∗ ) où X suit une loi zêta de paramètre 2 (d’après la question 5)

D’après la seconde propriété admise, W et X suivent donc la même loi de probabilité.

1 1
• On a alors `1 = P (W = 1) = P (X = 1) = 2
= .
ζ(2)1 ζ(2)
Or, P (W = k) = lim P (Wn = 1) = lim P (Un ∧ Vn = 1).
n→+∞ n→+∞
Donc, quand n tend vers +∞, la probabilité, quand on prend indépendamment deux nombres au
1
hasard dans [[1, n]] (loi uniforme) que ces deux nombres soient premiers entre eux, tend vers
ζ(2)
π2
(Culture : ζ(2) = ).
6

FIN DE L’ÉPREUVE

13