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. Aucun document n'est autorisé. 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'il sera amené à prendre.
Toutes les variables aléatoires de ce problème sont supposées définies sur le même espace probabilisé ( Ω, A, ℙ ). On rappelle que pour tout x réel, ⌊x⌋ désigne la partie entière de x, c'est à dire le nombre entier relatif ⌊x⌋ vérifiant ⌊x⌋ ≤ x < ⌊x⌋ + 1.
Si A est un ensemble fini non vide, on note Card(A) le nombre d'éléments de A. Si A = ∅, on convient que Card(A) = 0.
Pour les programmes en Python, on suppose importées :
la bibliothèque numpy sous l'alias np,
la bibliothèque numpy.random sous l'alias rd,
la bibliothèque matplotlib.pyplot sous l'alias plt.
Le mot FIN marque la fin de l'énoncé.
Première partie
Soit f une densité de probabilité sur ℝ, X une variable aléatoire réelle ayant f pour densité et F sa fonction de répartition.
Soit (X_i)_(i ∈ ℕ^∗) un échantillon de X, c'est-à-dire une suite de variables aléatoires réelles mutuellement indépendantes, de même loi que X.
Pour tout entier n ≥ 1, on ordonne, pour chaque ω ∈ Ω, le n-uplet (X_1(ω), X_2(ω), …, X_n(ω)) en :
X_((n, 1))(ω) ≤ X_((n, 2))(ω) ≤ ⋯ ≤ X_((n, n))(ω)
et on admet que les applications X_((n, k)) ainsi définies sont des variables aléatoires réelles sur (Ω, A, ℙ).
Pour tous k, n entiers tels que 1 ≤ k ≤ n, la variable aléatoire X_((n, k)) donne la k-ième valeur obtenue en classant dans l'ordre croissant les valeurs prises par les n premières X_i.
On remarque en particulier que X_((n, 1)) = min_(1 ≤ i ≤ n)(X_i) et X_((n, n)) = max_(1 ≤ i ≤ n)(X_i).
Soit n ∈ ℕ^∗.
(a) Exprimer, à l'aide de F, la fonction de répartition F_((n, n)) de la variable aléatoire X_((n, n)). En déduire que X_((n, n)) admet comme densité la fonction f_((n, n)) définie par :
∀x ∈ ℝ, f_((n, n))(x) = nf(x)F(x)^(n − 1)
(b) Par une méthode similaire, montrer que X_((n, 1)) admet comme densité f_((n, 1)) définie par :
∀x ∈ ℝ, f_((n, 1))(x) = nf(x)(1 − F(x))^(n − 1)
Soit x ∈ ℝ et soient n et k deux entiers tels que 1 ≤ k ≤ n.
Pour tout i ∈ ℕ^∗, on note Y_(i, x) la variable aléatoire indicatrice de l'événement [X_i ≤ x]. C'est à dire
Y_(i, x) = {1, si X_i ⩽ x; 0, sinon
(a) Montrer que Y_(i, x) suit une loi de Bernoulli dont on précisera le paramètre.
(b) Montrer l'égalité entre les événements :
[X_((n, k)) ≤ x] = [∑_(i = 1)^n Y_(i, x) ≥ k]
(c) En déduire que la fonction de répartition F_((n, k)) de la variable aléatoire X_((n, k)) est donnée par :
Pour tout triplet d'entiers (n, k, ℓ) tel que 0 ≤ k ≤ n et 0 ≤ ℓ ≤ n, on introduit les fonctions polynomiales b_(n, ℓ) et a_(n, k) définies respectivement par, pour tout z ∈ ℝ :
On convient également que pour tout n ∈ ℕ^∗, la fonction b_(n − 1, n) est identiquement nulle.
(a) Soient n ∈ ℕ^∗ et ℓ ∈ [ [1, n] ]. Montrer que pour tout z ∈ ℝ :
(b) Soient n ∈ ℕ^∗ et k ∈ [ [1, n] ]. Déduire de la question précédente une expression de a_(n, k)^′ en fonction de l'une des fonctions b_(m, ℓ) avec m et ℓ à déterminer en fonction de n et k.
(c) Soient n ∈ ℕ^∗ et k ∈ [ [1, n] ]. Montrer que la variable aléatoire X_((n, k)) admet comme densité f_((n, k)) définie par :
On suppose pour cette question qu'il existe un intervalle ouvert I = ]a, b[, avec éventuellement a = − ∞ ou b = + ∞, tel que f est continue sur I, f(x) > 0 pour tout x ∈ I et f(x) = 0 pour tout x ∈ ℝ∖I.
(a) Montrer que la fonction de répartition associée F établit une bijection entre les intervalles I et ]0, 1[.
(b) On note F^(− 1) la bijection réciproque de la fonction F restreint à I et on fixe α ∈ ]0, 1[.
Montrer que la suite de variables aléatoires (X_((n, ⌊αn⌋))) converge en loi vers une variable aléatoire certaine égale à F^(− 1)(α).
(c) En déduire que la suite de variables aléatoires ( X_((n, ⌊αn⌋)) ) converge en probabilité vers une variable aléatoire certaine égale à de F^(− 1)(α).
6. Dans cette question, on souhaite écrire une fonction Python d'en-tête def tri(T): permettant de trier dans l'ordre croissant les valeurs d'un tableau unidimensionnel T (de type numpy -array) sans utiliser de fonction de tri prédéfinie dans Python.
Pour cela, on utilise un algorithme de tri appelé tri par insertion et défini de la façon suivante:
On agit sur les coefficients du tableau T , que l'on suppose numérotés de 0 à s − 1.
Pour chaque k compris entre 1 et s − 1, avant l'étape k les coefficients numérotés 0 à k − 1 de T ont déjà été classés dans l'ordre croissant, les coefficients suivants étant inchangés. L'étape k consiste alors à insérer la valeur x du coefficient numéroté k de T en bonne position parmi les k + 1 premiers coefficients de T afin qu'à l'issue de l'étape k les coefficients numérotés 0 à k de T soient classés dans l'ordre croissant, les coefficients suivants étant inchangés.
Par exemple en partant du tableau T dont le contenu est [ 3828352431 15], les étapes de l'algorithme de tri par insertion donnent successivement :
Le tri doit être <<en place >>, c'est à dire que le tableau se retrouve trié en fin de fonction au lieu de retourner un autre tableau, version triée du premier.
Écrire la fonction tri demandée en mettant en œuvre l'algorithme de tri par insertion décrit ci-dessus.
7. On écrit le programme Python suivant à la suite de la fonction tri :
def ech(n):
*****
def X(n,k):
res = ech(n)
*****
n = 2000 ; na = 20
A = np.linspace(0.01, 0.99, na)
B = np.zeros(na)
for k in range(na):
a = A[k]
B[k] = X(n, int(np.floor(a*n)))
plt.plot(A, B, "xk")
plt.show()
La fonction ech, que l'on suppose déjà écrite pour les trois questions suivantes ( a, b et c ), renvoie, sous la forme d'un tableau unidimensionnel de longueur n, une réalisation du n-uplet de variables aléatoires (X_1, X_2, …, X_n).
(a) Compléter la fonction X afin qu'elle renvoie une réalisation de la variable aléatoire X_((n, k)) lorsqu'on lui fournit en entrée deux entiers de type Python int n et k tels que 1 ≤ k ≤ n. On pourra utiliser la fonction tri.
(b) En exécutant le programme, on obtient l'affichage suivant:
À quoi correspondent les points affichés sur cette représentation graphique?
(c) Utiliser la représentation graphique pour déterminer la loi commune des X_i simulées par la fonction ech.
(d) Compléter le corps de la fonction ech par une ou plusieurs lignes de code pour que le script produise une représentation graphique de valeurs simulées proche de la représentation graphique ci-dessus.
Deuxième partie
On s'intéresse dans cette partie au cas où (X_i)_(i ∈ ℕ^∗) est une famille de variables aléatoires mutuellement indépendantes suivant toutes la même loi exponentielle E(λ), avec λ ∈ ]0, + ∞[.
8. Soit n ∈ ℕ^∗ fixé.
(a) On note (T_1, …, T_n) une famille de variables aléatoires mutuellement indépendantes telles que :
pour tout i ∈ [ [1, n] ], T_i suit la loi exponentielle E((n − i + 1)λ).
Pour tout k ∈ [ [1, n] ], on note de plus S_k = T_1 + ⋯ + T_k.
Montrer par récurrence sur k ∈ [ [1, n] ] que la variable aléatoire S_k suit la loi de densité g_(n, k) définie par :
∀x ∈ ℝ, g_(n, k)(x) = {n((n − 1)/(k − 1))λe^(− λ(n − k + 1)x)(1 − e^(− λx))^(k − 1), si x > 0; 0, si x ⩽ 0
(b) Soit k ∈ [ [1, n] ].
Vérifier que S_k suit la même loi que X_((n, k)) lorsque les X_i suivent toutes la loi E(λ).
9. Soit (n, k) un couple d'entiers tel que 1 ≤ k ≤ n.
Montrer que X_((n, k)) admet une espérance et une variance données par :
𝔼(X_((n, k))) = 1/λ∑_(i = 1)^k 1/(n − i + 1) et 𝕍(X_((n, k))) = 1/(λ^2)∑_(i = 1)^k 1/((n − i + 1)^2)
(a) Montrer que pour tout entier j ≥ 1 et tout x ∈ [j, j + 1], on a :
0 ≤ 1/j − 1/x ≤ 2/(x^2)
(b) En déduire l'encadrement, pour (n, k) ∈ ℕ^2 tel que 1 ≤ k ≤ n :
1/λln((n + 1)/(n − k + 1)) ≤ 𝔼(X_((n, k))) ≤ 1/λln((n + 1)/(n − k + 1)) + 2/λ(1/(n − k + 1) − 1/(n + 1))
(b) En déduire que la suite de variables aléatoires (X_((n, ⌊αn⌋))) converge en probabilité vers une variable aléatoire certaine égale à − 1/λln(1 − α).
13. Quelle question de la partie 1 permet de retrouver le résultat précédent?
14. On souhaite estimer la valeur du paramètre λ à l'aide de l'observation de l'échantillon (X_i)_(i ∈ ℕ^∗). Pour cela on introduit pour tout m ∈ ℕ^∗ et t ∈ ]0, + ∞[, la variable aléatoire :
(a) Montrer que pour tout t ∈ ]0, + ∞[, la suite de variables aléatoires (V_(m, t))_(m ∈ ℕ^∗) converge en probabilité vers une constante que l'on précisera.
(b) Soient ε ∈ ℝ_+^∗, m ∈ ℕ^∗ et t ∈ ]0, + ∞[. Montrer que :
En déduire que la suite de variables aléatoires (− ln(V_(m, t)))_(m ∈ ℕ^∗) converge en probabilité vers une constante que l'on précisera.
(c) On fixe deux réels t_1 et t_2 tels que 0 < t_1 < t_2.
Montrer que W_m est un estimateur convergent de λ.
Troisième partie
On admet pour cette question le théorème suivant :
Théorème : Soit n ∈ ℕ^∗ fixé.
Il existe une famille (T_(n, 1), …, T_(n, n)) de variables aléatoires mutuellement indépendantes telles que :
Pour tout i ∈ [ [1, n] ], la variable aléatoire T_(n, i) suit la loi exponentielle E((n − i + 1)λ);
Pour tout k ∈ [ [1, n] ], on a X_((n, k)) = T_(n, 1) + ⋯ + T_(n, k).
En quoi ce théorème donne-t-il un résultat plus fort que ce qui a été prouvé en question 8 b ?
Le but de cette partie est de démontrer ce théorème dans le cas où n = 2.
Soit q ∈ ]0, 1 [ et soit p = 1 − q.
On dit qu'une variable aléatoire Z à valeurs dans ℕ suit la loi L(q) si :
∀k ∈ ℕ, ℙ(Z = k) = pq^k
On suppose que Z suit la loi L(q). Donner la valeur de l'espérance et de la variance de Z. Déterminer ℙ(Z ≥ ℓ) pour tout ℓ ∈ ℕ.
Soit n ∈ ℕ^∗ et soit (Z_1, …, Z_n) une famille de variables aléatoires mutuellement indépendantes de loi L(q).
On pose U_n = min(Z_1, …, Z_n).
(a) Calculer ℙ(U_n ≥ ℓ) pour tout ℓ ∈ ℕ.
(b) En déduire que U_n suit une loi L(r) pour un certain paramètre r à déterminer.
Soient Z_1, Z_2 deux variables aléatoires indépendantes et de même loi L(q). Soient k_1, k_2 deux entiers naturels. Montrer que :
Soient X_1, X_2 deux variables aléatoires indépendantes suivant la loi exponentielle E(λ). Soient x, y deux réels positifs ou nuls.
(a) Soit m un entier naturel non nul. On pose Z_1 = ⌊mX_1⌋ et Z_2 = ⌊mX_2⌋.
Montrer que les variables aléatoires Z_1 et Z_2 suivent toutes les deux la loi L(q), où q est un paramètre que l'on précisera.
(b) On conserve les notations de la question précédente et on pose de plus k_1 = ⌊mx⌋ et k_2 = ⌊my⌋.
Montrer les inclusions entre événements :
Soient X_1, X_2 deux variables aléatoires indépendantes suivant la loi exponentielle E(λ).
On note X_((1)) et X_((2)) les variables aléatoires notées précédemment X_((2, 1)) et X_((2, 2)).
Autrement dit pour tout ω ∈ Ω, si X_1(ω) ≤ X_2(ω), alors X_((1))(ω) = X_1(ω) et X_((2))(ω) = X_2(ω), et dans le cas contraire X_((1))(ω) = X_2(ω) et X_((2))(ω) = X_1(ω).
(a) Montrer que ℙ(X_1 = X_2) = 0. En déduire que les variables aléatoires X_((1)) et X_((2)) − X_((1)) sont presque-sûrement à valeurs strictement positives.
(b) Montrer que pour tous réels positifs x et y :
(c) Montrer que les variables aléatoires T_1 = X_((1)) et T_2 = X_((2)) − X_((1)) sont indépendantes, de loi respective E(2λ) et E(λ).
Conclure quant à l'objectif de cette partie.
Sujet proche avec corrigéBCE Maths appliquées HEC ECE 2014BCE · 2014Corrigé
Même chapitre : Probabilités finies, discrètes et… (+4)Ecricome Maths appliquées ECG 2024Ecricome · 2024Corrigé
Même sessionBCE Maths appliquées EDHEC ECG 2024BCE · 2024Corrigé
Sujet proche avec corrigéBCE Maths appliquées HEC/ESSEC ECG 2023BCE · 2023Corrigé
Même sessionBCE Maths appliquées emlyon ECG 2024BCE · 2024Corrigé
Sujet proche avec corrigéBCE Maths appliquées ESSEC ECE 2018BCE · 2018Corrigé