DST7 2019c
DST7 2019c
DST7 2019c
Classe de PC
Épreuve de Mathématiques 7
Correction
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,
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
Ainsi, ∀(j, n) ∈ N2 , P (Y = j | Z = n) = P (Y = j)
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)!
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
= 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
5
DST 7
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 +
ln(2)
Ds est minimal pour s = d + +1
ln(1 − p)
+∞
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
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,
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,
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
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
∃p ∈ P, a ∈ pN∗ et b ∈ pN∗
Ensemblistement,
+∞
((X ∈ pk N∗ ) ∩ (Y ∈ pk N∗ ))
[
Ā =
k=1
+∞ +∞
/ pk N∗ ) ∪ (Y ∈
/ pk N∗ )) =
\ \
A= ((X ∈ Cn
k=1 n=1
1
P (A) =
ζ(2x)
10
DST 7
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)
donc
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 :
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
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
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 = 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
FIN DE L’ÉPREUVE
13