BCE Maths approfondies HEC ECS 2012Sujet et corrigé

Epreuve de maths approfondies - ECS 2012

Pas encore noté

Explorer les annales

BanqueBCE Année2012 FilièreECS MatièreMathématiques

Annales BCE ECS Mathématiques BCE ECS 2012 ECS Mathématiques Mathématiques 2012

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 HEC pour la filiere ECS, session 2012.

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
CONCOURS D'ADMISSION DE 2012

Conception : H.E.C.

OPTION SCIENTIFIQUE

MATHEMATIQUES

Mercredi 2 mai 2012, de 8 h. à 12 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'il sera amené à prendre

Le problème a pour objet la mise en évidence de quelques propriétés de l'entropie de variables aléatoires discrètes ou à densité. La partie IV utilise dans un exemple, certaines des propriétés établies dans le problème.

On suppose que toutes les variables aléatoires introduites dans le problème sont définies sur un même espace probabilisé (

Ω, A, P

). La notation exp désigne la fonction exponentielle.

Partie I. Quelques inégalités de concavité

Soit $h$ la fonction de $]0, 1$ [ dans $ℝ$ définie par : $h(x) = - xlnx - (1 - x)ln(1 - x)$ .
a) Montrer que la fonction $h$ est positive et concave sur $]0, 1[$ .
b) Montrer que $h$ est prolongeable en une fonction continue sur le segment $[0, 1]$ . Ce prolongement est-il de classe $C^1$ sur $[0, 1]$ ?
c) Tracer la courbe représentative de $h$ dans le plan rapporté à un repère orthonormé.
Justifier pour tout réel $u > 0$ , l'inégalité : $lnu ⩽ u - 1$ . Pour quelles valeurs de $u$ a-t-on $: lnu = u - 1$ ?
Soit $d$ la fonction de (] $0, 1[)^2$ dans $ℝ$ définie par : $d(x, y) = xln(y/x) + (1 - x)ln((1 - y)/(1 - x))$ .

Montrer que

d(x, y) ⩽ 0

et préciser les couples

(x, y)

([0, 1[)^2

pour lesquels

d(x, y) = 0

.
4. On considère trois fonctions

ℓ, r

f

vérifiant les hypothèses suivantes:

$ℓ$ est définie et de classe $C^1$ sur $ℝ$ , à valeurs réelles et concave sur $ℝ$ (on note $ℓ^'$ la fonction dérivée de $ℓ$ );
$r$ est définie et continue sur $ℝ$ , à valeurs réelles;
$f$ est définie et continue sur $ℝ$ , à valeurs positives ou nulles, et $\int_(- \infty)^(+ \infty)f(x)dx = 1$ ;
les intégrales $\int_(- \infty)^(+ \infty)r(x)f(x)dx$ et $\int_(- \infty)^(+ \infty)ℓ(r(x))f(x)dx$ sont convergentes.
a) Établir pour tout couple $(x, y)$ de $ℝ^2$ , l'inégalité : $ℓ(x) - ℓ(y) ⩽ ℓ^'(y)(x - y)$ .
b) Montrer pour tout réel $y$ , l'inégalité : $\int_(- \infty)^(+ \infty)ℓ(r(x))f(x)dx ⩽ ℓ(y) + ℓ^'(y)(\int_(- \infty)^(+ \infty)r(x)f(x)dx - y)$ .
c) En déduire l'inégalité : $\int_(- \infty)^(+ \infty)ℓ(r(x))f(x)dx ⩽ ℓ(\int_(- \infty)^(+ \infty)r(x)f(x)dx)$ .

Soit $(x_n)_(n \in ℕ^*)$ une suite réelle et $(p_n)_(n \in ℕ^*)$ une suite de réels positifs ou nuls vérifiant $\sum_(n = 1)^(+ \infty)p_n = 1$ , telles que les séries $\sum_(n ⩾ 1)r(x_n)p_n$ et $\sum_(n ⩾ 1)ℓ(r(x_n))p_n$ soient convergentes.
Établir l'inégalité : $\sum_(n = 1)^(+ \infty)ℓ(r(x_n))p_n ⩽ ℓ(\sum_(n = 1)^(+ \infty)r(x_n)p_n)$ .

Partie II. Entropie dans le cas continu

On note

F

l'ensemble des fonctions

f

définies et continues sur

ℝ

, à valeurs strictement positives, vérifiant

\int_(- \infty)^(+ \infty)f(x)dx = 1

et telles que l'intégrale

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

soit convergente.
Pour toute variable aléatoire

X

ayant pour densité un élément

f

F

, on définit l'entropie

H(X)

X

par :

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

On note $Z$ une variable aléatoire qui suit la loi normale centrée réduite et $φ$ sa densité continue.
a) Justifier l'existence de l'entropie $H(Z)$ de $Z$ et la calculer.
b) Soit $(a, b) \in ℝ_+^* \times ℝ$ et $X$ une variable aléatoire qui admet pour densité un élément $f$ de $F$ . Montrer que la variable aléatoire $Y = aX + b$ admet une densité appartenant à $F$ et que $H(Y) = H(X) + lna$ .
c) En déduire l'entropie d'une variable aléatoire suivant la loi normale d'espérance $μ$ et d'écart-type $σ > 0$ .
Dans cette question, on considère les couples $(f, g)$ de $F^2$ pour lesquels l'intégrale $\int_(- \infty)^(+ \infty)f(x)ln((g(x))/(f(x)))dx$ est convergente. On pose alors : $D(f, g) = - \int_(- \infty)^(+ \infty)f(x)ln((g(x))/(f(x)))dx$ .
a) Montrer que $D(f, g) ⩾ 0$ .
b) On suppose que $D(f, g) = 0$ . Établir l'égalité : $\int_(- \infty)^(+ \infty)(ln((g(x))/(f(x))) + 1 - (g(x))/(f(x)))f(x)dx = 0$ .

En déduire que

f = g

Partie III. Entropie dans le cas discret

Dans cette question, $N$ désigne un entier supérieur ou égal à 2 .

Soit

X

une variable aléatoire à valeurs dans

[ [1, N] ]

. On pose pour tout

k

[ [1, N] ] : p_k = P([X = k])

.
L'entropie

H(X)

X

est définie par :

H(X) = - \sum_(k = 1)^N p_k ln(p_k)

.
S'il existe un entier

k

[ [1, N] ]

tel que

p_k = 0

, on pose par convention :

p_k ln(p_k) = 0

.
On note

h_N

la fonction de

([0, 1[)^N

dans

ℝ

définie par :

h_N(x) = h_N(x_1, \dots, x_N) = - \sum_(k = 1)^N x_k ln(x_k)

.
a) Calculer en tout point

x

de (]

0, 1[)^N

, le gradient

\nablah_N(x)

et la matrice hessienne

\nabla^2 h_N(x)

h_N

.
b) Montrer que pour l'optimisation de

h_N

sous la contrainte

\sum_(k = 1)^N x_k = 1

, il existe un unique point critique

x^*

que l'on précisera.
c) En utilisant la question 5 ou l'égalité de Taylor-Lagrange à l'ordre 1 , montrer que

h_N

admet en

x^*

un maximum global sous la contrainte

\sum_(k = 1)^N x_k = 1

.
d) Parmi les variables aléatoires à valeurs dans

[ [1, N] ]

, quelle est la loi de celles qui ont la plus grande entropie ?

On note

S

l'ensemble des suites réelles strictement positives

(p_n)_(n \in ℕ^*)

telles que

\sum_(n = 1)^(+ \infty)p_n = 1

.
Soit

X

une variable aléatoire à valeurs dans

ℕ^*

vérifiant pour tout

n

ℕ^*, P([X = n]) = p_n

avec

(p_n)_(n \in ℕ^*) \in S

. On appelle entropie de

X

, le réel

H(X)

défini sous réserve de convergence de la série

\sum_(n ⩾ 1)p_n|ln(p_n)|

, par :

H(X) = \sum_(n = 1)^(+ \infty)p_n|ln(p_n)|

Soit $(p_n)_(n \in ℕ^*)$ une suite de $S$ telle que la série $\sum_(n ⩾ 1)np_n$ est convergente.
a) Justifier l'existence d'un entier $n_0$ tel que, pour tout entier $n ⩾ n_0$ , on a : $\sqrt(p_n)|ln(p_n)| ⩽ 1$ .
b) Établir pour tout $n ⩾ n_0$ tel que $p_n ⩽ 1/(n^3)$ , l'inégalité : $p_n|ln(p_n)| ⩽ 1/(n^(3/2))$ .
c) En déduire que pour tout $n ⩾ n_0$ , on a : $p_n|ln(p_n)| ⩽ max{1/(n^(3/2)), 3p_n lnn}$ .
d) Montrer que la série $\sum_(n ⩾ 1)p_n|ln(p_n)|$ est convergente.

Que peut-on en conclure sur l'entropie d'une variable aléatoire à valeurs dans

ℕ^*

possédant une espérance?
10. Soit

θ

un réel de

]0, 1[

(p_n)_(n \in ℕ^*)

la suite de

S

définie par : pour tout

n

ℕ^*, p_n = θ(1 - θ)^(n - 1)

Soit

X

une variable aléatoire à valeurs dans

ℕ^*

qui vérifie pour tout

n

ℕ^*, P([X = n]) = p_n

.
a) Reconnaître la loi de

X

; préciser son espérance, puis calculer son entropie.
b) Écrire une fonction Pascal d'en-tête function X (theta :real) : integer; permettant de simuler

X

.
c) Soit

Y

une variable aléatoire à valeurs dans

ℕ^*

ayant une espérance égale à celle de

X

. Pour tout

n

ℕ^*

, on pose :

q_n = P([Y = n])

. On suppose que

(q_n)_(n \in ℕ^*) \in S

et que la série

\sum_(n ⩾ 1)q_n ln((p_n)/(q_n))

est convergente. Établir l'égalité :

H(Y) - H(X) = \sum_(n = 1)^(+ \infty)q_n ln((p_n)/(q_n))

.
d) Déterminer le signe de

H(Y) - H(X)

. Conclusion.

Partie IV. Entropie et taux de rendement asymptotique

Soit $(X_n)_(n \in ℕ^*)$ une suite de variables aléatoires à valeurs réelles, définies sur ( $Ω, A, P$ ), qui converge en probabilité vers une variable aléatoire $X$ .
a) Montrer que pour tout $n$ de $ℕ^*$ , l'application $Z_n$ définie sur $Ω$ par $Z_n : ω ⟼ exp(X_n(ω))$ est une variable aléatoire. De même, on note $Z$ la variable aléatoire $Z : ω ⟼ exp(X(ω))$ .
Soit $ε$ et $α$ deux réels strictement positifs.
b) Justifier l'existence d'un réel $s$ tel que $P([|X| ⩾ s]) < α$ .
c) Soit $K_1, K_2$ et $K_3$ trois éléments de $A$ . Montrer que $P(K_1 \cup K_2 \cup K_3) ⩽ P(K_1) + P(K_2) + P(K_3)$ ; en déduire l'inégalité : $P([|Z_n - Z| ⩾ ε]) ⩽ P([|X| ⩾ s]) + P([|X_n - X| ⩾ 1]) + P([|X_n - X| ⩾ εexp(- 1 - s)])$ .
d) Conclure.

On considère une succession de courses hippiques entre

N

chevaux participants

(N ⩾ 2)

numérotés

1, 2, \dots, N

. Pour tout

n

ℕ^*

, on note

G_n

la variable aléatoire égale au numéro du cheval gagnant de la

n

-ième course.

On suppose que les variables aléatoires

G_1, G_2, \dots, G_n, \dots

à valeurs dans

[ [1, N] ]

, sont définies sur (

Ω, A, P

), mutuellement indépendantes et de même loi. On suppose qu'il n'y a qu'un seul gagnant par course.
On pose pour tout

k

[ [1, N] ]

et pour tout

n

ℕ^* : p_k = P([G_n = k])

, avec

0 < p_k < 1

.
Pour tout

k

[ [1, N] ]

, on note

c_k(c_k > 1)

la cote du cheval

k

; ainsi, un parieur qui a misé un montant

m_k

sur le cheval

k

perdra sa mise quelle que soit l'issue de la course, mais recevra la somme

m_k c_k

si le cheval

k

est gagnant. On suppose que les cotes

c_1, c_2, \dots, c_N

sont fixes au cours du temps.
À l'occasion de la première course, un parieur dispose d'une somme monétaire

r_0 > 0

qu'il souhaite répartir en totalité entre les

N

chevaux dans les proportions respectives

f_1, f_2, \dots, f_N

, où pour tout

k

[ [1, N] ], 0 < f_k < 1

. À l'issue de cette première course, le parieur dispose d'une somme monétaire

R_1 = r_0 M_1

avec

M_1 > 0

.
À l'occasion de la deuxième course, ce parieur réinvestit en totalité la somme

R_1

entre les

N

chevaux dans les mêmes proportions

f_1, f_2, \dots, f_N

. À l'issue de cette deuxième course, le parieur dispose d'une somme monétaire

R_2 = R_1 M_2

avec

M_2 > 0

, et ainsi de suite...
La richesse monétaire

R_n

acquise au terme de

n

courses est donc :

R_n = r_0\prod_(i = 1)^n M_i

.
On définit pour tout

n

ℕ^*

, le taux de rendement moyen des paris par :

T_n = ((R_n)/(r_0))^(1/n) - 1

.
12. a) Justifier que

(M_n)_(n \in ℕ^*)

est une suite de variables aléatoires indépendantes, à valeurs strictement positives et de même loi.
b) On suppose que la variable aléatoire

ln(M_1)

admet une espérance

E(ln(M_1))

et une variance

V(ln(M_1))

. Montrer que la suite de variables aléatoires

(T_n)_(n \in ℕ^*)

converge en probabilité vers une variable certaine

τ

que l'on exprimera en fonction de

E(ln(M_1))

. Le réel

τ

est le taux de rendement asymptotique des paris.
13. La stratégie du parieur consiste à choisir les proportions

f_1, f_2, \dots, f_N

qui maximiseraient

τ

On rappelle que les proportions

f_1, f_2, \dots, f_N

sont constantes au cours du temps.
a) Montrer que :

τ = exp(\sum_(k = 1)^N p_k ln(f_k c_k)) - 1

.
b) En déduire la stratégie optimale du parieur et la valeur optimale de

τ

associée à ses paris.
c) On suppose dans cette question que

\sum_(k = 1)^N 1/(c_k) = 1

. Montrer que

\sum_(k = 1)^N p_k ln(p_k c_k) ⩾ 0

Dans quel cas le parieur ne dispose-t-il d'aucune stratégie lui permettant de s'assurer un taux de rendement asymptotique optimal strictement positif?

Pas de description pour le moment

Commentaires• BCE Maths approfondies HEC ECS 2012

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

BANQUE COMMUNE D'EPREUVES CONCOURS D'ADMISSION DE 2012

OPTION SCIENTIFIQUE

MATHEMATIQUES

Partie I. Quelques inégalités de concavité

Partie II. Entropie dans le cas continu

Partie III. Entropie dans le cas discret

Partie IV. Entropie et taux de rendement asymptotique

Commentaires• BCE Maths approfondies HEC ECS 2012

Commentaires• BCE Maths approfondies HEC ECS 2012

BANQUE COMMUNE D'EPREUVES
CONCOURS D'ADMISSION DE 2012