BCE Maths approfondies ESSEC ECS 2003, épreuve 2Sujet et corrigé

Epreuve de maths approfondies - ECS 2003

Pas encore noté

Explorer les annales

BanqueBCE Année2003 FilièreECS MatièreMathématiques

Annales BCE ECS Mathématiques BCE ECS 2003 ECS Mathématiques Mathématiques 2003

Téléchargements

Télécharger le sujet (PDF)

Corrigé

Lire en ligne LaTeX Word

Rapport du jury : non disponible

Source du document : annales-prepa.fr

Description

Annale de maths approfondies BCE ESSEC pour la filiere ECS, session 2003.

Ces sujets peuvent vous intéresser

Lecture du sujet en ligne

L'énoncé complet, avec les formules et les figures, sans ouvrir le PDF.

Sujet en PDF

ESSEC
M B A

CONCOURS D'ADMISSION

Option scientifique

MATHEMATIQUES II

La présentation, la lisibilité, l'orthographe, la qualité de la rédaction, la clarté et la précision des raisonnements entreront pour une part importante dans l'appréciation des copies.
Les candidats sont invités à encadrer dans la mesure du possible les résultats de leurs calculs.
Ils ne doivent faire usage d'aucun document; l'utilisation de toute calculatrice et de tout matériel électronique est interdite. Seule l'utilisation d'une règle graduée est autorisée.
Si au cours de l'épreuve un candidat repère ce qui lui semble une erreur d'énoncé, il le signalera sur sa copie et poursuivra sa composition en expliquant les raisons des initiatives qu'il sera amené à prendre.

Le problème étudie les rudiments de la théorie de la communication introduite en 1948 par Claude Shannon.

Dans tout le problème, ( $Ω, A, P$ ) désigne un espace probabilisé.

Partie I Introduction informatique

On rappelle que les entiers compris entre 0 et 31 s'écrivent avec au plus 5 chiffres en binaire, on a donc : Pour tout

n \in [0, 31] \cap ℕ

, il existe une liste (

a_0, a_1, a_2, a_3, a_4

) d'éléments de

{0, 1}

telle que

n = a_0 + a_1 \cdot 2 + a_2 \cdot 2^2 + a_3 \cdot 2^3 + a_4 \cdot 2^4 = a_4 a_3 a_2 a_1 a_0^-^(deux)

.
Cette écriture de

n

est unique et on appellera bin

(n)

la liste

(a_4, a_3, a_2, a_1, a_0)

.
I.1) Déterminer l'écriture binaire de 6 puis bin(6) et déterminer bin(21) (on justifiera les résultats).
I.2) On souhaite écrire une procédure PaSCAL pour obtenir bin(

n

). Compléter la procédure suivante de sorte qu'à l'issue de l'exécution de

bin(n)

on ait un tableau L tel que

L[1]

contienne

a_4, L[2]

contienne

a_3

etc :

Type ecriture = array[1..5] of integer
Procedure bin(n : integer ; var L : ecriture)
var i, : integer (*à compléter éventuellement*)
begin
    for \(\mathrm{i}:=1\) to 5 do \(\mathrm{L}[\mathrm{i}]:=0\);
    (* à compléter*)
\(\mathrm{L}=1\) end ;

I.3) On souhaite numéroter les cartes d'un jeu standard de 32 cartes. On propose ci-après la procédure carte (qui utilise la procédure bin précédente).
Remarque : string désigne les chaînes de caractères (entre deux apostrophes, on met une suite de caractères quelconques).

Procedure carte(n :integer)
var
    fam : array[1..4] of string ;
    val : array[1..8] of string;
    famille,valeur : string;
    L : array[1..5] of integer ;
begin
    fam[1] :='trèfle'; fam[2]:= 'carreau'; fam[3]:='coeur', fam[4]:='pique';
    val[1]:='sept'; val[2]:='huit'; val[3]:='neuf'; val[4]:='dix';
    val[5]:='valet'; val[6]:='dame'; val[7]:='roi',val[8]:='as';
    L:=bin(n);
    famille:=fam[2*L[1]+L[2]+1];
    valeur: = val[4*L[3]+2*L[4]+L[5]+1];
    writeln (valeur,' de ',famille,' est la carte numéro ',n);
end ;

Quelle est la carte numéro 6 ? Qui est le numéro 1 ? Quel est le numéro de la dame de cœur ?

Partie II Position du problème et recherche des fonctions solutions

On cherche à définir une mesure de l'incertitude d'un événement, c'est-à-dire, définir, pour un événement

A

de probabilité non nulle, un nombre réel

i(A)

, appelé l'incertitude de

A

ou entropie de

A

, en respectant le modèle suivant :
(i) Pour l'événement certain

Ω

, l'incertitude est nulle :

i(Ω) = 0

.
(ii) Si

A

et l'événement contraire

A¯

sont équiprobables, alors

i(A) = 1

.
(iii) Si

A

B

sont indépendants pour la probabilité

P

et si

P(A \cap B) \neq 0

alors

i(A \cap B) = i(A) + i(B)

.
(iv) Si

P(A) = P(B) \neq 0

alors

i(A) = i(B)

Le dernier axiome (iv) signifie que

i(A)

ne dépend que du réel

p = P(A)

.
II.1) Soit

φ

une fonction définie sur

]0, 1]

à valeurs dans

ℝ

. Pour un événement

A

de probabilité non nulle, on pose

i_φ(A) = φ(P(A))

.
Montrer que si

φ

vérifie les conditions :

φ(1) = 0, et, φ(1/2) = 1; Pour tout p \in ]0, 1], et tout q \in ]0, 1], φ(pq) = φ(p) + φ(q)

alors

i_φ

vérifie (i),(ii),(iii) et (iv).
II.2) Existe-t-il des réels

α

β

pour lesquels

φ_(α, β) : x \mapsto αln(x) + β

vérifie (1) et (2)?
II.3) Soit

φ : ]0, 1] \to ℝ

une fonction continue sur ]0, 1] et vérifiant (1) et (2).
a) Montrer, à l'aide d'un changement de variable affine, que pour tout

p \in ]0, 1

] :

1/p\int_(p/2)^p φ(t)dt = 1/2φ(p) + \int_(1/2)^1 φ(q)dq

b) En déduire que

φ

est dérivable sur

]0, 1]

et, en dérivant

p \mapsto pφ(p)

, démontrer que :

\forallp \in ]0, 1], - 1/2 = 1/2pφ^'(p) + \int_(1/2)^1 φ(q)dq

c) En déduire qu'il existe alors (

α, β

) tel que

φ = φ_(α, β)

(on pourra considérer l'expression de

φ^'(p)

en fonction de

p

).
II.4) Que peut-on conclure de cette étude?

Partie III Incertitude des événements
Dans toute la suite du problème, on notera

φ

la fonction définie sur

]0, 1]

par

x \mapsto φ(x) = - (ln(x))/(ln(2))

.
Pour un événement

A

de probabilité non nulle, on pose

i(A) = φ(P(A))

.
III.1) On choisit une carte au hasard dans un jeu de 32 cartes.

Soit

A

l'événement « la carte tirée est la dame de cœur ». Que valent

P(A)

i(A)

?
III.2) Soit

n \in ℕ^\times

E

l'ensemble des entiers s'écrivant avec au plus

n

chiffres en binaire. On choisit un élément de

E

au hasard et

A

est l'événement « le nombre obtenu est 0 » .
Quel est le cardinal de

E

? Que valent

P(A)

i(A)

?
III.3) Soit

A

B

deux événements tels que

A \subset B

P(A) \neq 0

. Comparer

i(A)

i(B)

.
III.4) Que vaut

lim_(x \to 0^+)φ(x)

et quelle interprétation peut-on donner de ce résultat?

Partie IV Incertitude d'une variable aléatoire discrète
Dans toute la suite du problème, on considère la fonction

h

définie sur [ 0,1 ] par

h(0) = 0 et pour x \in ]0, 1], h(x) = - x(ln(x))/(ln(2))

Pour une variable aléatoire réelle

X

discrète définie sur (

Ω, A, P

), on pose sous réserve d'existence :

H(X) = \sum_(x \in X(Ω))h(P(X = x))

H(X)

est l'incertitude moyenne - ou entropie - de

X

.
Si

X

est à valeurs dans un ensemble fini

{x_1, x_2, …, x_n}, H(X)

existe et, en notant

p_k = P(X = x_k)

, on a:

H(X) = \sum_(k = 1)^n h(P(X = x_k)) = \sum_(k = 1)^n h(p_k)

IV.1) Soit

n \in ℕ^\times

. Si

U_n

suit la loi uniforme sur

{1, 2, \dots, n}

, que vaut

H(U_n)

?
IV.2) Si on suppose

P(Y = 1) = 1/4, P(Y = 2) = 1/4

P(Y = 3) = 1/2

, que vaut

H(Y)

Classer par ordre croissant

H(U_2), H(U_3)

H(Y)

.
IV.3) Vérifier que

h

est continue et positive sur [ 0,1 ].

Est-elle dérivable en 0 ? Étudier

h

et dessiner sa courbe représentative .
IV.4) Soit

X

une variable aléatoire à valeurs dans un ensemble fini.

Montrer que

H(X) ⩾ 0

avec égalité si, et seulement si,

X

est quasi-certaine.
IV.5) Pour

x \in [0, 1]

, on pose

h_2(x) = h(x) + h(1 - x)

.
a) Pour

x \in [0, 1]

, on a clairement

h_2(x) = h_2(1 - x)

. Que signifie ce résultat quant à la courbe de

h_2

dans un repère orthonormé?
b) Étudier

h_2

et donner son graphe.
c) Soit

X

une variable aléatoire suivant une loi de Bernoulli de paramètre

p \in ]0, 1[

Montrer que

H(X) ⩽ 1

avec égalité si, et seulement si,

p = 1/2

.
IV.6) Soit

X_1

X_2

deux variables de Bernoulli indépendantes de paramètres respectifs

p_1

p_2

Soit

Z

la variable de Bernoulli telle que

P(Z = 1) = P(≪X_1 + X_2

est impair » ).
Donner la loi et l'espérance de

Z

. En notant

p = P(Z = 1)

, contrôler

(1 - 2p) = (1 - 2p_1)(1 - 2p_2)

.
IV.7) Soit

n \in ℕ^\times, p \in ]0, 1[

X

une variable aléatoire suivant une loi binomiale de paramètres

n

p

Soit

Z_n

la variable de Bernoulli telle que

P(Z_n = 1) = P(

X

est impair » ).
Montrer que

1 - 2P(Z_n = 1) = (1 - 2p)^n

(on pourra raisonner par récurrence).
Montrer que

H(Z_n) ⩽ 1

. Dans quel(s) cas a-t-on égalité?

Partie V Maximalité de l'entropie

V.1) Soit

n \in ℕ∖{0, 1}

.
a) Soit

O

l'ensemble des

(p_1, p_2, \dots, p_(n - 1)) \in ]0, 1[^(n - 1)

vérifiant

1 - p_1 - p_2 - \dots - p_(n - 1) > 0

. On admettra que

O

est un ouvert.
Pour

(p_1, p_2, \dots, p_(n - 1)) \in O

, on pose

h_n(p_1, p_2, \dots, p_(n - 1)) = \sum_(k = 1)^(n - 1)h(p_k) + h(1 - p_1 - p_2 - \dots - p_(n - 1))

.
Montrer que

h_n

admet au plus un extremum sur

O

.
b) On rappelle que si une fonction

f

est convexe sur un intervalle

I

, alors on a :

pour tout (t_1, t_2, \dots, t_n) \in I^n, f(1/n\sum_(k = 1)^n t_k) ⩽ 1/n\sum_(k = 1)^n f(t_k)

Vérifier que

- h

est convexe sur

]0, 1

] et en déduire :
si

(p_1, p_2, \dots, p_n) \in ]0, 1]^n

p_1 + p_2 + \dots + p_n = 1

alors

\sum_(k = 1)^n h(p_k) ⩽ (ln(n))/(ln(2))

.
c) Soit

X

une variable aléatoire telle que

X(Ω) = {x_1, x_2, …, x_n}

. Montrer que:

H(X) ⩽ ln(n)/ln(2)

avec égalité si, et seulement si,

X

suit la loi uniforme sur

{x_1, x_2, …, x_n}

V.2) Soit

p \in ]0, 1[

G

une variable aléatoire suivant une loi géométrique de paramètre

p

On pose

m = E(G)

et pour

k \in ℕ^\times, p_k = P(G = k)

.
a) Rappeler la valeur de

m

, montrer que

H(G)

existe et la calculer.
b) Soit

X

une variable aléatoire telle que

X(Ω) = ℕ^\times, E(X) = m

H(X)

existe.

Pour

k \in ℕ^\times

, on pose

q_k = P(X = k)

et on supposera

q_k > 0

.
En justifiant rapidement que pour tout

x > 0, ln(x) ⩽ x - 1

vérifier que pour tout

k \in ℕ^\times

, on a

: ln(p_k) - ln(q_k) ⩽ (p_k)/(q_k) - 1

et établir :

H(X) ⩽ H(G)

avec égalité si, et seulement si,

X

suit la même loi que

G

Partie VI Incertitude d'une variable aléatoire continue

Pour une variable aléatoire

X

admettant une densité

f

continue sur

ℝ

éventuellement privé d'un nombre fini de points, on dit que

X

admet une incertitude quand l'intégrale

\int_(- \infty)^(+ \infty)h(f(x))dx

converge. Dans ce cas, la valeur de l'intégrale

H(X) = \int_(- \infty)^(+ \infty)h(f(x))dx

est appelée incertitude de

X

.
VI.1) Cas des lois normales
a) Soit

Y_0

une variable aléatoire suivant une loi normale centrée réduite.

Montrer que

H(Y_0)

existe et calculer

H(Y_0)

.
b) Soit

Y

une variable aléatoire suivant une loi normale de moyenne

m

et d'écart type

σ > 0

Montrer que

H(Y)

existe et calculer

H(Y)

.
VI.2) Soit

λ > 0

X_0

une variable aléatoire suivant une loi exponentielle de paramètre

λ

. On désignera par

f_0

la densité de

X_0

.
a) Montrer que

H(X_0)

existe et calculer

H(X_0)

en fonction de

λ

.
b) Soit

X

une variable aléatoire à valeurs dans

ℝ_+^\times

, admettant une densité

f

. On suppose que

H(X)

existe et que

X

admet une espérance égale à

1/λ

.
Montrer que :

H(X_0) = - 1/(ln(2))\int_0^(+ \infty)f(x)ln(f_0(x))dx

En utilisant (3) montrer que

H(X) ⩽ H(X_0)

Pas de description pour le moment

Commentaires• BCE Maths approfondies ESSEC ECS 2003, épreuve 2

Connectez-vous pour participer aux discussions

Partagez vos avis, posez des questions et échangez avec la communauté

Chargement des commentaires...

Explorer les annales

Téléchargements

Description

Ces sujets peuvent vous intéresser

Lecture du sujet en ligne

ESSEC M B A

Option scientifique

MATHEMATIQUES II

Dans tout le problème, ( Ω, A, P ) désigne un espace probabilisé.

Partie I Introduction informatique

Partie II Position du problème et recherche des fonctions solutions

Partie V Maximalité de l'entropie

Partie VI Incertitude d'une variable aléatoire continue

Commentaires• BCE Maths approfondies ESSEC ECS 2003, épreuve 2

Commentaires• BCE Maths approfondies ESSEC ECS 2003, épreuve 2

ESSEC
M B A

Dans tout le problème, ( $Ω, A, P$ ) désigne un espace probabilisé.