Variables discrètes

Exercice 1 ESLSCA
Un jeu vidéo comporte N phases de jeu : niveau 1, niveau 2, ....niveau N. On suppose que N
est un entier au moins égal à 3. Le jeu commence au niveau 1. Ensuite, il faut réussir un niveau
pour passer au suivant et ainsi de suite jusqu’au dernier niveau. Le jeu s’arrête si l’on a échoué
à l’un des niveaux ou si l’on a réussi tous les niveaux.
On suppose en outre que, lorsqu’on parvient au niveau k, (k = 1, 2, ...., N ), la probabilité de
1
réussir ce niveau est égale à . On désigne par XN , la variable aléatoire suivante :
k
¡¡Nombre de niveaux entièrement franchis au moment où le jeu s’arrête¿¿. Ainsi pour k =
1, 2, ......, N −1, l’évènement (XN = k) signifie que l’on a échoué au niveau k+1 et l’évènement
(XN = N ) que l’on est vainqueur du jeu.
k
1. Démontrer que : P (XN = k) = pour k = 1, 2, ......, N − 1 et que P (XN =
(k + 1)!
1
N) =
N!
N
X 1
2. Calculer E(XN +1 ). En déduire E(XN ) = SN −1 avec SN = Que vaut lim E (XN ) ?
k=0
k! N →+∞

3. Exprimer E[(XN + 1)(XN − 1) à l’aide de SN − 3.En déduire V (XN ) en fonction de SN ,

SN −3 et N . Montrer que lim V (XN ) = 3e − e2.
N →+∞

Preuve

1. On a : XN Ω) = {1, 2...., N }. Désignons par Ri l’évènement ¡¡ réussir le i-ième niveau.

(XN = k) ∀1 ≤ k ≤ N − 1 se décompose alors en :
(XN = k) = R1 ∩ R2 ∩ ... ∩ Rk ∩ Rk+1 et la formule des probabilités composés donne :
1 1 1 1
P (XN = k) = 1 × × × .... × × (1 − )
2 3 k k+1
pour tout k ∈ {1, 2, ..., N − 1} et
1 1 1
P (XN = N ) = × .. × =
2 N N!

2. Calculons E(XN + 1)
N N −1
X X k N +1
E(XN + 1) = (k + 1).P (XN = k) = (k + 1) + qui peut aussi se
k=1 k=1
(k + 1)! N!
noter :
N −1 N
X 1 1 1 X 1
E(XN + 1) = + + =
k=1
(k − 1)! (N − 1)! N ! k=0 k!
Comme E(XN + 1) = E(XN ) + 1, on déduit que
N
X 1
E(XN ) = E(XN + 1) − 1 = = SN − 1
k=0
k!
Lorsque N tend vers l’infini, E(XN ) converge vers e − 1

1
 N N −1
X X 1
3. E[(XN + 1)(XN − 1)] = E(XN2 − 1) = (k + 1)(k − 1P (XN = k) = +
k=1 k=2
(k − 2)!
N2 − 1
N!
et comme E(XN2 − 1) = E(XN2 ) − 1 nous aurons :

N2 − 1
E(XN2 ) − 1 = SN −3 +
N!
2
N −1
V (XN ) = E(XN2 ) − (E(XN ))2 = 1 + SN −3 + − (SN − 1)2
N!
Mais comme :
2
N −1


 lim =0
N !

 N →∞

 N −1
X 1
lim SN −3 = lim =e


 N →∞ N →∞
k=2
(k − 2)!

lim (SN − 1)2 = (e − 1)2


N →∞

nous concluons que : lim V (XN ) = 3e − e2

N →∞

2
Exercice 2 INSEEC 97 E
Une urne contient n1 boules blanches et n2 boules noires. (n1 6= 0 et n2 6= 0. Une personne
effectue une succession de tirages d’une boule de la façon suivante :
à chaque tirage, elle remet dans l’urne la boule tirée et elle ajoute x boules de la couleur de la
boule qu’elle vient de remettre, x étant un entier naturel.On considère les variables aléatoires
Xi définies pour tout i 6= 0 par :

Xi = 1 si blanche au tirage i
Xi = 0 sinon
1. (a) Déterminer les lois de X1 et X2 . En déduire E(Xi ) pour i = 1 et i = 2.
(b) On définit la variable aléatoire Y2 = X1X
+ X2 . Que représente cette variable ?
Déterminer la loi de Y2 et vérifier que P (Y2 = i) = 1
i∈Y2 (Ω)
n
X
2. Pour n différent de 0, on définit la variable Yn = Xi .
i=1
(a) Calculer P (Xn+1 = 1/Yn = k), avec k ∈ {0, 1, ..., n}.

(b) A l’aide de la formule des probabilités totales, montrer que :

n1 + xE (Yn )
P (Xn+1 = 1) =
n1 + n2 + nx
(c) En déduire par récurrence que les variables Xn suivent toutes une loi de Bernoulli
n1
de paramètre .
n1 + n2
preuve

1. X1 et X2 sont des variables de bernoulli

Loi de X1
X1 = 1 est l’évènement ¡¡obtenir une boule blanche au premier tirage¿¿ d’où :
n1 n2
P (X1 = 1) = et P (X2 = 0) =
n1 + n2 n1 + n2
Loi de X2
(X1 = 1) ; (X1 = 0) est un système complet d’évènements donc :

P (X2 = 1) = P [(X2 = 1)/(X1 = 1)].P (X1 = 1) + P [(X2 = 1)/(X1 = 0)].P (X1 = 0)

L’application numérique donne :
n2
P (X2 = 1) =
n1 + n2
X1 et X2 suivent la même loi et
n2
E(X1 ) = E(X2 ) =
n1 + n2

3
2. Y2 = X1 + X2 représente le nombre de boules blanches obtenues lors des deux premiers
tirages. Y2 (Ω) = {0, 1, 2}
Loi de Y2
P (Y2 = 0) = P [(X1 = 0) ∩ (X2 = 0)] = P [(X2 = 0)/(X1 = 0)].P (X1 = 0)
Numériquement :
n2 + x n2
P (Y2 = 0) = ×
n1 + n2 + n.x n1 + n2
P (Y2 = 1) = P [(X1 = 1) ∩ (X2 = 0)] + P [(X1 = 0) ∩ (X2 = 1)] qui donne :
P (Y2 = 1) = P [(X2 = 0)/(X1 = 1)].P (X1 = 1) + P [(X2 = 1)/(X1 = 0)].P (X1 = 0)
et si on remplace :
n2 n1 n1 n2
P (Y2 = 1) = × + ×
n1 + n2 + x n1 + n2 n1 + n2 + x n1 + n2
P (Y2 = 2) = P [(X1 = 1) ∩ (X2 = 1)] = P [(X2 = 1)/(X1 = 1)].P (X1 = 1) et après
remplacement :
n1 + x n1
P (Y2 = 2) = ×
n1 + n2 + n.x n1 + n2
X
On vérifie facilement : P (Y2 = i) = 1
i∈Y2 (Ω)
n
X
3. On pose Yn = Xi
i=1

(a) Calcul de P [(Xn+1 = k)/(Yn = k)]

lorsque (Yn = k) est réalisé on a effectué n tirages et on a rajouté dans l’urne n.x
boules dont k.x blanches d’où :
n1 + k.x
P [(Xn+1 = k)/(Yn = k)] =
n1 + n2 + n.x

(b) {(Yn = k)} forment un système complet donc :

n n
X X n1 + k.x
P (Xn+1 = 1) = [P (Xn+1 = 1)/(Yn = k)].P (Yn = k) = .P (Yn =
k=0 0
n1 + n2 + n.x
k) que nous pouvons encore écrire :
" n n
#
1 X X
P (Xn+1 = 1) = n1 P (Yn = k) + x k.P (Yn = k)
n1 + n2 + n.x k=0 k=0

c’est à dire :
n1 + x.E(Yn )
P (Xn+1 = 1) =
n1 + n2 + n.x
(c) Nous avons déja vérifié que X1 et X2 suivaient la même loi.Supposons que ceci soit
vraie pour toutes les variables jusqu’à Xn et montrons que Xn+1 suit la même loi.
n1 + x.E(Yn )
Nous savons que : P (Xn+1 = 1) =
n1 + n2 + n.x

4
Remplaçons alors E(Yn ) par n.E(X1 ) et on aura :
n1
n1 + x.
n1 + n2 n1
P (Xn+1 = 1) = =
n1 + n2 + n.x n1 + n2
C’est gagné : Xn+1 suit la même loi

5
Exercice 3 Extrait ESCP 97 E
X et Y sont deux variables aléatoires indépendantes telles que :

X(Ω) = Y (Ω) = N P (X = k) = P (Y = k) = p.q k (0 < p < 1)

1. Loi de X + Y
2. Déterminer P [(X = k)/(X + Y = n)] pour (0 ≤ k ≤ n).
3. On pose V = Y − X et M = min(X, Y )
(a) Calculer pour tout entier k, P (M = k). En déduire la loi de M
(b) Calculer pour tout entier k et pour tout entier relatif r, la probabilité de l’évènement
(M = k) ∩ (V = r). On distinguera deux cas r = 0 et r < 0.
(c) Trouver la loi de V . M et V sont-elles indépendantes ?
preuve

1. Nous avons : X(Ω) = Y (Ω) = N et P (X = k) = P (Y = k) = p.q k

n
[
(X + Y = n) = [(X = i) ∩ (Y = n − i)]. Il s’agit d’une union finie d’évènements
i=0
deux à deux disjoints. Comme X et Y sont indépendantes, on aura :
Xn Xn
P (X + Y = n) = P (X = i).P (Y = n − i) = p.q i .p.q n−i c’est à dire :
i=0 i=0

P (X + Y = n) = (n + 1).p2 .q n
P [(X = k) ∩ (X + Y = n)] P [(X = k) ∩ (Y = n − k)]
2. P [(X = k)/(X+Y = n)] = =
P (X + Y = n) P (X + Y = n)
On remplace et on aboutit à :

p.q k .p.q n−k 1

P [(X = k)/(X + Y = n)] = 2 n
=
(n + 1).p .q n+1
La loi conditionnelle de X sachant (X + Y = n) est la loi uniforme sur {0, 1, ..., n}
3. Calculons P (M ≥ k)
(M ≥ k) = (X ≥ k) ∩ (Y ≥ k). Les évènements sont indépendants donc :
N
X
P (M ≥ k) = P (X ≥ k).P (Y ≥ k) avec P (X ≥ k) = lim P (X = i) = q k
N →∞
i=k
Par conséquent : P (M ≥ k) = q 2k et

P (M = k) = P (M ≥ k) − P (M ≥ k + 1) = q 2k (1 − q 2 )

4. Déterminons P [(M = k) ∩ (V = r)]

Si r ≥ 0 ⇒ Y − X ≥ 0 M = min(X, Y ) = X
V = r ⇒ Y = X + r ⇒ P [(M = k) ∩ (V = r)] = P [(X = k) ∩ (Y = k + r)]
Si r < 0 ⇒ Y − X < 0 ⇒ P [(M = k) ∩ (V = r)] = P [(Y = k) ∩ (X = k − r)]
et pour les mêmes raisons que précédemment :

P [(M = k) ∩ (V = r)] = q k .p.q k+r .p = q 2k+r .p2

6
 Les variables sont indépendantes donc :

P [(M = k) ∩ (V = r)] = q k .p.q k−r .p = q 2k−r .p2

On peut conclure de l’étude de ces deux cas que :
Pour tout relatif r, P [(M = k) ∩ (V = r)] = q 2k+|r| .p2
5. P [(M = k) ∩ (V = r)] détermine la loi du couple (M, V ). La loi de V est une loi mar-
ginale et on a :
∞ ∞
X
|r|
X 1
P (V = r) = 2
p .q 2k+|r| 2
= p .q q 2k = p2 .q |r|
k=0 k=0
1 − q2
M et V sont-elles indépendantes ?
1
P (M = k).P (V = r) = q 2k .(1−q 2 ).p2 .q |r| . = p2 q 2k+|r| = P [(M = k)∩(V = r)]
1 − q2
M et V sont indépendantes.

7
Exercice 4 INSEEC 93 Option générale
Trois personnes A1 , A2 , A3 , entrent à l’instant 0 dans un bureau de poste qui ne comporte que
deux guichets. Les personnes A1 et A2 peuvent être servies immédiatement alors que A3 doit
attendre qu’un guichet soit libéré pour être servie. On supposera que le temps est mesuré par
des nombres entiers avec une unité fixée. Soit 0 < p < 1 et supposons que pour i=1, 2, 3 le
temps de service de la personne Ai est une variable aléatoire Xi suivant une loi de probabilité
définie pour tout k appartenant à lN par :

P (Xi = k)(1 − p).pk

et supposons X1 , X2 , X3 indépendantes. Nous désignerons par Y l’instant de la première sortie
qui est aussi l’instant où A3 commence à se faire servir et par Z l’instant de sortie de A3 .
1. Exprimer l’évènement (Y ≥ k) à l’aide de X1 et X2 et calculer pour tout entier k ≥ 0 le
nombre P (Y = k). Déterminer alors la loi de Y .

2. Exprimer Z en fonction de Y et X3 . Déterminer la loi de Z.

3. Calculer le temps d’attente moyen de A3 .
preuve

1. Remarquons que Y = Inf (X1 , X2 ) d’où (Y ≥ k) = [(X1 ≥ k) ∩ (X2 ≥ k)]

X1 et X2 sont indépendantes donc : P (Y ≥ k) = P (X1 ≥ k).P (X2 ≥ k)
X∞ XN ∞
X
i
P (X1 ≥ k) = P (X2 ≥ k) = P (X1 = i) = lim (1 − p).p = (1 − p) lim pi
N →∞ N →∞
i=k i=k i=k
ce qui peut encore s’écrire : 
− pN −k

k1
P (X1 ≥ k) = (1 − p) lim p = pk
N →∞ 1−p
Nous concluons que : P (Y ≥ k) = p2k

P (Y = k) = P (Y ≥ k) − P (Y ≥ k − 1) = p2k − p2k+2 = p2k (1 − p2 )

2. Il est clair que Z = Inf (X1 , X2 ) + X3 = Y + X3
Pour tout entier k :
Xk
P (Z = k) = P (Y + X3 = k) = P (Y = j).P (X3 = k − j car Y et X3 sont
j=0
indépendantes. Remplaçons :
X k k
X
2 2j k−j 2 k
P (Z = k) = (1 − p ).p .(1 − p).p = (1 − p ).(1 − p).p pj = (1 − p2 ).pk .(1 −
j=0 j=0
pk+1 )
3. Le temps d’attente moyen de X3 est E(Z) c’est à dire E(Y ) + E(X3 ) avec E(X3 ) =
p p2
; E(Y ) =
1−p 1 − p2
Finalement :
p(1 + 2p)
E(Z) =
1 − p2

8
Exercice 5 (E.S.G.95 Option générale)

Y est une variable aléatoire discrète telle que Y (Ω) = {0, 1, ...., n}.
n−1
X
1. Montrer que E(Y ) = P (Y > k).
k=0
2. Soit g la fonction numérique définie sur ]0, 1] telle que :
n
X
g(x) = xk P (X = k)
k=0

Exprimer E(Y ) et V (Y ) en fonction de g 0 (1) et g”(1).

3. Soit p un réel appartenant à ]0, 1[ et soit n un entier. On suppose que la loi de Y vérifie
les propriétés suivantes :
– P (Y = 0) = (1 − p)n
– Pour tout entier k tel que 0 < k ≤ n :
P (Y = k) (n − k + 1) .p
=
P (Y = k − 1) k (1 − p)
n
X
(a) Vérifier que P (Y = k) = 1
k=0
n
X
(b) Calculer P (X > k) et V (Y ) en utilisant les résultats des questions 1 et 2.
k=0

Preuve

n−1
X
1. Evaluons P (Y > k).
k=0
n−1
X
P (Y > k) = P (Y > 0) + P (Y > 1) + . . . + P (Y > n − 1)
k=0
avec 

 P (Y > 0) = P (Y = 1) + P (Y = 2) + . . . + P (Y = n)
P (Y > 1) = P (Y = 2) + . . . + P (Y = n)


 ... = ...
P (Y > n − 1) = P (Y = n)


En additionnant membre à membre, on arrive à :

n−1
X
P (Y > k) = P (Y = 1) + 2P (Y = 2) + . . . + nP (Y = n) = E(Y )
k=0

n
X
2. Soit g(x) = xk P (Y = k).
k=0
Remarquons que
n
X
g(1) = P (Y = k) = 1
k=0

9
 g est un polynôme de degré n donc g est dérivable et :
n
X
0
g (x) = kxk−1 P (Y = k) ⇒ g 0 (1) = E(Y )
k=1

De même :
n
X n
X
k−2
g”(x) = k(k − 1)x P (Y = k) ⇒ g”(1) = k(k − 1)P (Y = k)
k=2 k=2

On peut indexer cette somme à partir de k = 0 et alors :

n
X n
X
2
g”(1) = k P (Y = k) − kP (Y = k) = E(Y 2 ) − E(Y )
k=0 k=0

Mais comme E(Y ) = g 0 (1) :

E(Y 2 ) = g”(1) + g 0 (1) ⇒ V (Y ) = E(Y 2 ) − (E(Y ))2 = g”(1) + g 0 (1) − (g 0 (1))2

3. (a) Déterminons la loi de Y .

(n − k + 1)p
On sait que : P (Y = k) = P (Y = k − 1) et P (Y = 0) = (1 − p)n
k(1 − p)
d’où :
np
P (Y = 1) = (1 − p)n = np(1 − p)n−1
1 − p)
(n − 1)p n(n − 1) 2
P (Y = 2) = np(1 − p)n−1 = p (1 − p)n−2
2(1 − p) 2
soit
P (Y = 2) = Cn2 p2 (1 − p)n−2
On pressent que Y suit une loi binômiale de paramètres n et p. Justifions le par
récurrence.
C’est vrai pour k = 1.
Supposons que P (Y = k − 1) = Cnk−1 pk−1 (1 − p)n−k+1 . On a alors :

(n − k + 1)p (n − k + 1)p k−1 k−1

P (Y = k) = P (Y = k − 1) = Cn p (1 − p)n−k+1
k(1 − p) k(1 − p)
n!
On remplace Cnk−1 par et après simplification on aboutit à :
(k − 1)!(n − k + 1)!

P (Y = k) = Cnk pk (1 − p)n−k
n
X
Y suit bien une loi binômiale de paramètres n et p et par suite P (Y = k) = 1
k=0
(b) Exprimons g(x) puisque P (Y = k) est connu. On aura :
n
X n
X
k
g(x) = x Cnk pk (1 − p) n−k
= Cnk (px)k (1 − p)n−k
k=0 k=0

10
On reconnait le binôme de Newton et donc :

g(x) = (px + 1 − p)n

Il est immédiat que :

g 0 (x) = np(px + 1 − p)n−1 ⇒ E(Y ) = np

g”(x) = n(n − 1)p2 (px + 1 − p)n−2 ⇒ V (Y ) = np(1 − p)

11
Exercice 6 Ecricome E 2001 exercice 1
Dans cet exercice on étudie l’évolution au cours du temps d’un titre dans une bourse de valeurs.
1.1. Le but de la première partie est de calculer les puissances successives de la matrice :
 
1 − 2a a a
M (a) =  a 1 − 2a a 
a a 1 − 2a
où a représente un nombre réel.
1. Montrer que, pour tous réels a, b, on a : M (a).M (b) = M (a + b − 3ab).
2. En déduire les valeurs de a pour lesquelles la matrice M (a) est inversible et exprimer
son inverse.
3. Justifier le fait que M (a) est diagonalisable.
4. Déterminer le réel a0 non nul, tel que :

[M (a0 )]2 = M (a0 )

5. On considère les matrices :

P = M (a0 ) et Q = I − P

où I désigne la matrice carrée unité d’ordre 3.

(a) Montrer qu’il existe un réel α, que l’on exprimera en fonction de a, tel que :

M (a) = P + αQ

(b) Calculer P 2 , QP , P Q, Q2 .
(c) Pour tout entier naturel n, non nul, montrer que [M (a)]n s’écrit comme combinai-
son linéaire de P et Q.
(d) Expliciter alors la matrice [M (a)]n .
1.2. Évolution d’un titre boursier au cours du temps.
Dans la suite de l’exercice, on suppose que a ∈ 0, 32 .
 

1. On définit des suites (pn )n∈N∗ , (qn )n∈N∗ , (rn )n∈N∗ par leur premier terme p1 , q1 , r1 , et
les relations de récurrence :

pn+1 = (1 − 2a)pn + aqn + arn

qn+1 = apn + (1 − 2a)qn + arn

rn+1 = apn + aqn + (1 − 2a)rn


(a) Exprimer pn , qn , rn en fonction de n, p1 , q1 , r1 .

(b) Étudier la convergence de ces suites.
2. Dans une bourse de valeurs, un titre donné peut monter, rester stable, ou baisser. Dans
un modèle mathématique, on considère que :
– le premier jour le titre est stable ;
2
– si un jour n, le titre monte, le jour n + 1, il montera avec la probabilité , restera
3
1 1
stable avec la probabilité , et baissera avec la probabilité ;
6 6

12
 1
– si un jour n, le titre est stable, le jour n + 1, il montera avec la probabilité , restera
6
2 1
stable avec la probabilité , et baissera avec la probabilité ;
3 6
1
– si un jour n, le titre baisse, le jour n + 1, il montera avec la probabilité , restera
6
1 2
stable avec la probabilité , et baissera avec la probabilité .
6 3
On note Mn (respectivement Sn , respectivement Bn ) l’événement “le titre donné monte
(respectivement reste stable, respectivement baisse) le jour n”.
(a) Exprimer les probabilités de hausse, de stabilité, et de baisse au jour n + 1 en
fonction de ces mêmes probabilités au jour n.
(b) En déduire les probabilités de hausse, de stabilité, et de baisse au jour n.
(c) Quelles sont les limites de ces probabilités lorsque n tend vers l’infini ?

13
Solution

1.1. Calcul des puissances successives de la matrice :

 
1 − 2a a a
M (a) =  a 1 − 2a a 
a a 1 − 2a
où a représente un nombre réel.
1. Justification sans difficulté laissée aux bons soins du lecteur.
2. Si a + b − 3ab = 0 alors M (a).M (b) = I et M (a) est inversible.
a 1
La condition a + b − 3ab = 0 implique b = avec a 6= . Si cette condition est
3a − 1 3
remplie :
 a−1 a a 
   3a − 1 3a − 1 3a − 1 
−1 a  a a−1 a 
(M (a)) =M = 
3a − 1  3a − 1 3a − 1 3a − 1 
 a a a−1 
3a − 1 3a − 1 3a − 1
3. M (a) est une matrice symétrique réelle : elle est donc diagonalisable.
4. La condition (M (a0 ))2 = M (a0 ) entraı̂ne le système :
 
(1 − 2a0 )2 + 2a20 = 1 − 2a0 a0 (1 − 3a0 ) = 0
⇒
2a0 (1 − 2a0 ) + a20 = a0 2a0 (3a0 − 1) = 0
La valeur non nulle de a0 qui répond à la question est :

1
a0 =
3

5. (a) M (a0 ) = M (1/3) = P est la matrice dont tous les coefficients sont égaux à 1/3.
Soit J la matrice dont les termes diagonaux sont nuls et tous les autres égaux à 1.
On a :
2 1
Q = I − P = I − J ⇔ J = 2I − 3Q
3 3
En remarquant que M (a) = (1 − 2a)I + aJ, on a en remplaçant J par 2I − 3Q :
M (a) = (1 − 2a)I + a(2I − 3Q) = I − 3aQ
Remplaçons pour finir I par P + Q et il vient :

M (a) = P + (1 − 3a)Q ⇔ α = 1 − 3a

(b) Immédiatement on obtient :

(M (a0 ))2 = M (a0 ) ⇒ P2 = P
QP = (I − P )P = P − P 2 = 0 ; P Q = P (I − P ) = P − P 2 = 0
Q2 = (I − P )2 = I − 2P + P 2 = I − P = Q

14
 (c) En utilisant le binôme de Newton :
n
X
n n
(M (a)) = (P + α.Q) = Cnk αk Qk P n−k
k=0

CommeP Q = QP = 0 il ne restera : (M (a))n = P n + αn Qn . On distingue deux

cas :
• n = 2p
Si n est pair et puisque P 2 = P et Q2 = Q, on obtient :

(M (a))2p = P + α2p Q

• n = 2p + 1
Dans ce cas P 2p+1 = P 2p .P = P 2 = P et de même Q2p+1 = Q2p .Q = Q2 = Q et

(M (a))2p+1 = P + α2p+1 Q

Conclusion : Pour tout entier naturel n, on a :

(M (a))n = P + αn Q

(d) Il suffit de remplacer pour aboutir à

 
1 + 2αn 1 − αn 1 − αn
1
(M (a))n =  1 − αn 1 + 2αn 1 − αn 
3
1 − αn 1 − αn 1 + 2αn

1.2. Évolution d’un titre boursier au cours du temps.

1. (a) Soit Un (n ≥ 1) le vecteur de R3 définie par
 
pn
Un =  qn 
rn

Le système fournit par l’énoncé s’écrit matriciellement :

   
pn+1 pn
 qn+1  = M (a).  qn  ⇔ Un+1 = M (a)Un
rn+1 rn

On démontre par récurrence triviale que Un = (M (a))n−1 U1 et grâce à la question

1.1.d) on trouve :
1

n−1 n−1 n−1

p n = (1 + 2α )p 1 + (1 − α )q 1 + (1 − α )r

 1

 3
1

(1 − αn−1 )p1 + (1 + 2αn−1 )q1 + (1 − αn−1 )r1

qn =
 3
 rn = 1 (1 − αn−1 )p1 + (1 − αn−1 )q1 + (1 + 2αn−1 )r1

  

3

15
 (b) Puisque a ∈]0; 2/3[, |α| = |1 − 3a| < 1 et donc lim αn−1 = 0. Ce qui permet de
n→+∞
conclure que :

1
lim pn = lim qn = lim rn = (p1 + q1 + r1 )
n→+∞ n→+∞ n→+∞ 3

2. (a) On peut répondre aux deux questions en même temps.

{Mn , Sn , Bn } est un système complet d’évènements. Par application de la formule
des probabilités totales nous aurons :

P (Mn+1 ) = P (Mn+1 /Mn )P (Mn ) + P (Mn+1 /Sn )P (Sn ) + P (Mn+1 /Bn )P (Bn )

P (Sn+1 ) = P (Sn+1 /Mn )P (Mn ) + P (Sn+1 /Sn )P (Sn ) + P (Sn+1 /Bn )P (Bn )
P (Bn+1 ) = P (Bn+1 /Mn )P (Mn ) + P (Bn+1 /Sn )P (Sn ) + P (Bn+1 /Bn )P (Bn )
Posons pn = P (Mn ), qn = P (Sn ) et rn = P (Bn ). En remplaçant les probabilités
connues par leurs valeurs les équations deviennent :
2 1 1
pn+1 = pn + qn + rn
3 6 6
1 2 1
qn+1 = pn + qn + rn
6 3 6
1 1 2
rn+1 = pn + qn + rn
6 6 3
1
Ce sont les équations du début de cette partie de l’exercice pour a =
6
1
(b) Dans les trois formules établies à la question 1.2.1.a), remplaçons α par , p1 et r1
2
par 0, q1 par 1 puisque le premier jour le titre est stable. Nous obtiendrons :
 
1 1
pn = 1 − n−1
3 2
 
1 1
qn = 1 + n−2
3 2
 
1 1
rn = 1 − n−1
3 2
(c) Il ne reste plus à conclure que :

1
lim pn = lim qn = lim rn =
n→+∞ n→+∞ n→+∞ 3

16
Exercice 7 Oral HEC
Soit (Xn ) une suite de variables de Bernoulli indépendantes de paramètre p.
On pose pour tout n non nul : Yn = Xn Xn+1
1. Quelle est la loi de Yn ?
2. Calculer cov(Yn , Yn+k ), k ≥ 1.
Y1 + Y 2 + . . . + Y n
3. On pose Sn = .
n
Montrer que Sn converge en probabilité vers la variable certaine p2
Solution

1. Loi de Yn .
On a déja Yn (Ω) = {0, 1}.
P (Yn = 1) = P [(Xn = 1) ∩ (Xn+1 = 1)] et par indépendance
P (Yn = 1) = P (Xn = 1) × P (Xn+1 = 1) = p2
De même :
(Yn = 0) = [(Xn = 0) ∩ (Xn+1 = 1)]∪[(Xn = 0) ∩ (Xn+1 = 0]∪[(Xn = 1) ∩ (Xn+1 = 0)]
et par indépendance et par les évènements de la réunion sont disjoints :
P (Yn = 0) = 2p(1 − p) + (1 − p)2 = 1 − p2
Conclusion :
Yn est une variable de Bernoulli de paramètre p2 .
2. Calculons cov(Yn , Yn+k ), k ≥ 1.
Distinguons deux cas :
• Si k = 1 alors cov(Yn , Yn+1 ) = E(Yn Yn+1 ) − E(Yn ).E(Yn+1 ) c’est à dire :
2
cov(Yn , Yn+1 ) = E(Xn Xn+1 Xn+2 ) − E(Yn ).E(Yn+1 )
2
avec Xn+1 = Xn+1 .
Les variables (Xn ) étant indépendantes on aura :
E(Xn Xn+1 Xn+2 ) = p3 ⇒ cov(Yn , Yn+1 ) = p3 − p4
• Si k ≥ 2 alors Yn et Yn+k sont indépendantes donc
cov(Yn , Yn+k ) = 0 ∀k ≥ 2

3. Remarquons que E(Sn ) = p2 .

Nous devons justifier que
  

lim P Sn − p2  ≥  = 0

∀ > 0
n→∞

Montrons afin d’appliquer l’inégalité de Bienaymé-Tchébychev que Sn admet une va-

riance.
D’après le cours :
" n #
1 X X
V (Sn ) = 2 V (Yi ) + 2 cov(Yi , Yj )
n i=1 i≤j

17
En utilisant 2) il reste :
" n n−1
#
1 X X
V (Sn ) = 2 V (Yi ) + 2 cov(Yi , Yi+1 )
n i=1 i=1

Il suffit de remplacer et :
1  2 2 3 4

V (Sn ) = n.p (1 − p ) + 2(n − 1)(p − p )
n2
Après simplification nous obtenons :

p2 (1 − p2 ) n−1
V (Sn ) = + 2 2 (p3 − p4 )
n n
Puisque lim V (Sn ) = 0 et comme d’après l’inégalité de Bienaymé-Tchébychev on a :
n→∞

  V (Sn )
∀ > 0 P Sn − p2  ≥  ≤

2
La suite de variables (Sn ) converge en probabilité vers la variable certaine égale à p2

18
Exercice 8 Question sans préparation HEC 97
Soient X et Y des variables de poisson d’espérance 1, indépendantes.
Chercher la loi de X conditionnée par X + Y = s.
Réponse
X et Y suivent donc la même loi de Poisson de paramètre 1, c’est à dire :
1
X(Ω) = Y (Ω) = N ; P (X = k) = P (Y = k) = e−1
k!
Ceci étant précisé, on a :
P [(X = k) ∩ (X + Y = s)] P [(X = k) ∩ (Y = s − k)]
P [(X = k)/(X + Y = s)] = =
P (X + Y = s) P (X + Y = s)
D’après le cours X + Y suit une loi de Poisson de paramètre 2. On peut alors remplacer et :

e−1 e−1
×
k! (s − k)!
P [(X = k)/(X + Y = s)] = −2
e
s−k
2 (s − k)!

qui après simplification se réduit à :

s! 1 1
P [(X = k)/(X + Y = s)] = = Csk
2s .k!(s − k)! 2k 2s−k
1
La loi conditionnée de X sachant X + Y = s est une loi binômiale de paramètres s et
2
Exercice 9 Question sans préparation HEC 97 
1
X1 et X2 sont deux variables indépendantes suivant B n, .
2
Calculer P (X1 = X2 ).
Réponse
Décrivons l’évènement X1 = X2 .
[ n
(X1 = X2 ) = [(X1 = k) ∩ (X2 = k)].
k=0
Puisque les évènements composants cette union sont deux à deux incompatibles et comme les
variables sont indépendantes, on aura (après avoir remplacé P (X1 = k) et P (X2 = k) :
n n
1 X k 2 C2n
P (X1 = X2 ) = 2n (Cn ) = 2n
2 k=0 2

Exercice 10 Question sans préparation HEC 97

X suit une loi géométrique de paramètre p.P [(X > n + 1)/(X > n)] ?
Réponse
P [(X > n + 1) ∩ (X > n)]
P [(X > n + 1)/(X > n)] =
P (X > n)
L’évènement (X > n + 1) implique (X > n) donc (X > n + 1) ⊂ (X > n) et par suite :

(X > n + 1) ∩ (X > n) = (X > n + 1)

19
Ceci fait que :

P (X > n + 1) 1 − P (X ≤ n + 1)
P [(X > n + 1)/(X > n)] = =
P (X > n) 1 − P (X ≤ n)
n+1
X
avec P (X ≤ n + 1) = p.q k−1 = (1 − q n+1 ) et P (X ≤ n) = (1 − q n )
k=1
Finalement nous trouvons :

P [(X > n + 1)/(X > n)] = q = 1 − p

Interprétez ! !

20