BCE Maths approfondies ESSEC ECS 2005, épreuve 2Sujet et corrigé

Epreuve de maths approfondies - ECS 2005

Pas encore noté

Explorer les annales

BanqueBCE Année2005 FilièreECS MatièreMathématiques

Annales BCE ECS Mathématiques BCE ECS 2005 ECS Mathématiques Mathématiques 2005

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 2005.

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

BANQUE COMMUNE D'EPREUVES

Concepteur: ESSEC

CODE EPREUVE :

286
ESSECM2_S

OPTION SCIENTIFIQUE

MATHEMATIQUES II

Lundi 16 mai 2005 , de 14 h. à 18 h.

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 être une erreur d'énoncé, il la signalera sur sa copie et poursuivra sa composition en expliquant les raisons des initiatives qu'ilsera amené à prendre.

Dans ce problème, les variables aléatoires sont réelles et toutes définies sur un espace probabilisé (

Ω, A, P

(X_n)_(n ⩾ 1)

représente une suite de variables aléatoires et, pour tout

n ⩾ 1

, on note

S_n = \sum_(i = 1)^n X_i

. Si

X

est une variable aléatoire réelle,

E(X)

désigne son espérance.

Préliminaires

Soit ( $X_n$ ) une suite de variables aléatoires réelles de même loi, admettant une espérance $m$ . Énoncer, avec précision, la loi faible des grands nombres pour la suite $(X_n)$ .
Soit $δ$ un réel strictement positif et $A$ un sous-ensemble de $ℝ$ tel que l'intervalle $]m - δ, m + δ[$ soit inclus dans le complémentaire de $A$ . Déterminer

lim_(n \to + \infty)P((S_n)/n \in A)

L'objet du problème est de préciser de manière quantitative les résultats ci-dessus.

I. Un premier exemple. Le cas gaussien

Dans cette partie,

(X_n)_(n ⩾ 1)

est une suite de variables aléatoires indépendantes suivant toutes une loi normale centrée réduite,

N(0, 1)

Quelle est la loi de $(S_n)/n$ ?
Soit $δ$ un réel strictement positif. Dans cette partie, on note exp la fonction exponentielle.
a) Montrer que

P(|(S_n)/n| ⩾ δ) = 2P((S_n)/n ⩾ δ) = \sqrt((2n)/π)\int_δ^(+ \infty)exp(- (nt^2)/2)dt

b) En posant

u = n(t - δ)

, montrer que

P(|(S_n)/n| ⩾ δ) = \sqrt(2/(nπ)) \times exp(- (nδ^2)/2)\int_0^(+ \infty)exp(- (u^2)/(2n) - uδ)du

a) Montrer que pour tout $x ⩾ 0$ , on a $0 ⩽ 1 - exp(- x) ⩽ x$ .
b) Montrer que l'intégrale $\int_0^(+ \infty)exp(- uδ)du$ converge et la calculer.
c) Déterminer

lim_(n \to + \infty)(\int_0^(+ \infty)exp(- uδ)du - \int_0^(+ \infty)exp(- (u^2)/(2n) - uδ)du)

d) En déduire, lorsque

n

tend vers l'infini, un équivalent de

P(|(S_n)/n| ⩾ δ)

II. Quelques résultats généraux

À l'instar des variables aléatoires discrètes, on admettra que si

X, Y

sont deux variables aléatoires à densité, indépendantes, admettant une espérance, alors

XY

admet une espérance et

E(XY) = E(X)E(Y)

.
Soit

X

une variable aléatoire réelle (discrète ou à densité). Pour tout

s \in ℝ

telle que

e^(sX)

admet une espérance

E(e^(sX))

, on pose

φ(s) = E(e^(sX))

Soit

(X_n)_(n ⩾ 1)

une suite de variables aléatoires indépendantes suivant toutes la même loi que

X

Montrer que pour tout $n ⩾ 1$ , pour tout $s \in ℝ$ tel que $φ(s)$ existe, on a $E(e^(s(S_n)/n)) = (φ(s/n))^n$ .
Soit $Y$ une variable aléatoire réelle et $s > 0$ tel que $E(e^(sY))$ existe.
a) Montrer que pour tout $a$ réel, $1_((Y ⩾ a)) ⩽ e^(s(Y - a))$ , où $1_((Y ⩾ a))$ désigne la fonction indicatrice de l'ensemble ${ω \in Ω|Y(ω) ⩾ a}$ .
b) En déduire que $P(Y ⩾ a) ⩽ e^(- as)E(e^(sY))$ ,
c) Montrer que $P((S_n)/n ⩾ a) ⩽ e^(- as)(φ(s/n))^n$ .
Soit $Y$ une variable aléatoire réelle et $s < 0$ tel que $E(e^(sY))$ existe.
a) Montrer que pour tout $a$ réel, $1_((Y ⩽ a)) ⩽ e^(s(Y - a))$ .
b) En déduire que $P(Y ⩽ a) ⩽ e^(- as)E(e^(sY))$ , puis que $P((S_n)/n ⩽ a) ⩽ e^(- as)(φ(s/n))^n$ .

III. Un second exemple. Le cas binomial

Dans cette partie,

(X_n)_(n ⩾ 1)

est une suite de variables aléatoires indépendantes suivant toutes une loi de Bernoulli

B(p)

, avec

0 < p < 1

. On rappelle que

P(X_1 = 1) = p, P(X_1 = 0) = 1 - p = q

Calculer $φ : s ⟼ φ(s)$ et déterminer son domaine de définition.

Soit

a

un réel fixé de

]0, 1[

.
2. On suppose dans cette question que

a > p

.
a) Étudier sur

ℝ^+

les variations de la fonction

ℓ_a

définie par

ℓ_a : s ⟼ as - lnφ(s)

b) Montrer que la fonction

ℓ_a

atteint sur

ℝ^+

un maximum strictement positif

h(a, p)

qu'on exprimera en fonction de

a

p

.
c) Montrer que

P((S_n)/n ⩾ a) ⩽ e^(- n(sup_(t > 0)(at - lnφ(t))) = e^(- nh(a, p))

On suppose dans cette question que $a < p$ , (donc $1 - a > 1 - p$ ).
a) Déterminer la loi de la variable aléatoire $n - S_n$ .
b) Montrer que

P((S_n)/n ⩽ a) ⩽ e^(- nh(1 - a, 1 - p)) = e^(- nh(a, p))

Soit $ε > 0$ . Déduire des questions précédentes que

P(|(S_n)/n - p| ⩾ ε) ⩽ 2e^(- nmin(h(p + ε, p), h(p - ε, p)))

Soit $α$ un réel de $]0, 1$ [. Montrer que, pour $n$ assez grand, il est toujours possible de trouver deux réels $a_1, a_2$ tels que $0 < a_1 < p < a_2 < 1$ qui vérifient les inégalités:

{P((S_n)/n ⩽ a_1) ⩽ α/2; P((S_n)/n ⩾ a_2) ⩽ α/2

(on pourra étudier les variations de la fonction

a \mapsto h(a, p)

).
6. Une entreprise souhaite acquérir une machine qui fabrique un certain type d'objets et qui, en fonctionnement normal, produit une proportion

p, (0 < p < 1)

, d'objets défectueux. Le directeur veut connaître la valeur de

p

. Pour cela il teste la machine et prélève un échantillon de

n, (n ⩾ 1)

, objets qu'il analyse.
Pour tout

i \in [ [1, n] ]

, soit

X_i

la variable aléatoire de Bernoulli définie par

èéééX_i = {1, si le i-ième objet prélevé est défectueux; 0, sinon

On suppose que dans les conditions de prélèvement, les variables aléatoires

X_1, \dots, X_n

sont indépendantes.
a) Montrer que

F_n = (S_n)/n

est un estimateur sans biais de

p

.
b) Calculer le risque quadratique

r_n = E((F_n - p)^2)

. Déterminer

lim_(n \to + \infty)r_n

.
7. On souhaite déterminer dans cette question un intervalle de confiance du paramètre

p

inconnu, au niveau de confiance

1 - α

, à partir de l'échantillon

(X_1, \dots, X_n)

.
a) Quelle est la limite en loi de la suite

(\sqrtn(F_n - p)/(\sqrt(p(1 - p))))_(n \in ℕ^*)

?
b) Soit

f_n

la réalisation de

F_n

sur l'échantillon considéré. Soit

t_α

le réel défini par

Φ(t_α) = 1 - α/2

, où

Φ

désigne la fonction de répartition de la loi normale centrée, réduite.
Déterminer en fonction de

n, f_n, t_α

un intervalle de confiance

[U_n, V_n]

p

au niveau

1 - α

IV. Le cas général

Soit

X

une variable aléatoire réelle de densité

f

.
Pour tout réel

t

tel que

\int_(- \infty)^(+ \infty)e^(tu)f(u)du

converge, on note

L_X : t ⟼ E(e^(tX)) = \int_(- \infty)^(+ \infty)e^(tu)f(u)du

On supposera que

L_X

est défini sur un intervalle

]α, β[

contenant 0 .

Soit $t \in ]α, β[$ , et $δ > 0$ tel que $[t - δ, t + δ] \subset ]α, β[$ .
a) Montrer que pour tout $u$ réel

|e^(δu) - 1 - δu| ⩽ \sum_(n = 2)^\infty(δ^n|u^n|)/(n!)

b) Montrer que, pour tout

u

réel

e^(tu)|e^(δu) - 1 - δu|f(u) ⩽ (e^((t - δ)u) + e^((t + δ)u))f(u)

c) En déduire que l'intégrale

\int_(- \infty)^(+ \infty)ue^(tu)f(u)du

converge, puis que

X

admet une espérance

m

.
2. Soit

t \in ]α, β[

, et

δ > 0

tel que

[t - δ, t + δ] \subset ]α, β[

. Soit

h \in ℝ

tel que

|h| < δ

.
a) Montrer que, pour tout

u

réel,

|(e^((t + h)u) - e^(tu))/h - ue^(tu)|f(u) ⩽ |h|e^(tu)\sum_(n = 2)^\infty(δ^(n - 2)|u|^n)/(n!)f(u)

puis que

δ^2|(e^((t + h)u) - e^(tu))/h - ue^(tu)|f(u) ⩽ |h|e^(tu)e^(δ|u|)f(u)

b) Montrer que

L_X

est dérivable en

t

et que

L_X^'(t) = \int_(- \infty)^(+ \infty)ue^(tu)f(u)du

On admettra (et on démontrerait de manière analogue) que la fonction

L_X

est de classe

C^2

sur

]α, β

[ et que pour tout

t \in ]α, β[

L_X^('')(t) = \int_(- \infty)^(+ \infty)u^2 e^(tu)f(u)du

On note $ψ(t) = lnL_X(t)$ .
a) Donner le domaine de définition de la fonction $ψ$ .
b) Calculer $ψ^', ψ^('')$ , dérivées première et seconde de $ψ$ .
c) En utilisant l'inégalité de Cauchy Schwarz, montrer que $ψ^'$ est strictement croissante sur $]α, β[$ ; en déduire que $ψ^'$ admet en $α$ (respectivement $β$ ) une limite (finie ou infinie) qu'on notera $L_1(α)$ (respectivement $L_1(β)$ ). Quelle est la valeur de $ψ^'(0)$ ?
d) Montrer que $ψ$ admet en $α$ (respectivement $β$ ) une limite (finie ou infinie) qu'on notera $L_0(α)$ (respectivement $L_0(β)$ ).
Soit a réel donné. Pour tout $t \in ]α, β[$ , on pose : $ℓ_a(t) = at - ψ(t)$ .

Dresser le tableau de variations de la fonction

ℓ_a

(on distinguera trois cas :

a ⩾ L_1(β), a ⩽ L_1(α)

L_1(α) < a < L_1(β))

.
5. Pour tout

a

réel, on pose :

h(a) = sup_(t \in ]α, β[)ℓ_a(t)

. On suppose désormais que

L˙_1(α) < a < L_1(β)

Montrer que

h(a) = a(ψ^')^(- 1)(a) - ψ((ψ^')^(- 1)(a))

.
6. Montrer que si

a > m

h(a) = sup_(t \in ]0, β[)(at - ψ(t))

puis que si

a < m

h(a) = sup_(t\in|α, 0])(at - ψ(t))

Soit $(X_n)_(n ⩾ 1)$ une suite de variables aléatoires indépendantes de même loi que $X$ .

Montrer que si

a > m, P((S_n)/n ⩾ a) ⩽ e^(- nh(a))

, puis que si

a < m, P((S_n)/n ⩽ a) ⩽ e^(- nh(a))

.
8. Soit

ε > 0

. Montrer que

P(|(S_n)/n - m| ⩾ ε) ⩽ 2e^(- nmin(h(m - ε), h(m + ε)))

Pas de description pour le moment

Commentaires• BCE Maths approfondies ESSEC ECS 2005, épreuve 2

Connectez-vous pour participer aux discussions

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

Chargement des commentaires...