Connectez-vous pour consulter le corrigé.
Toutes les variables aléatoires considérées dans ce problème sont supposées définies sur le même espace probabilisé \((\Omega, \mathcal{A}, \mathbb{P})\).
Si \(t \in \mathbb{R}\), on appelle partie entière de \(t\) que l’on note \(\lfloor t\rfloor\), l’unique entier tel que \(\lfloor t\rfloor \leqslant t<\lfloor t\rfloor+1\).
Montrer que pour tout \(x \in \mathbb{R}\), on a : \(\displaystyle \lim _{n \rightarrow+\infty} \frac{\lfloor n x\rfloor}{n}=x\).
Montrer que : \(\displaystyle \lim _{n \rightarrow+\infty}\left(n-\left\lfloor\frac{n}{2}\right\rfloor\right)=+\infty\)
On rappelle que la restriction de la fonction sin à l’intervalle \(\displaystyle \left[-\frac{\pi}{2}, \frac{\pi}{2}\right]\) est une bijection sur \([-1,1]\).
On note \(\arcsin :[-1,1] \rightarrow\left[-\frac{\pi}{2}, \frac{\pi}{2}\right]\) sa bijection réciproque.
Montrer que pour tout \(x \in[-1,1]\), on a \(\cos (\arcsin (x))=\sqrt{1-x^{2}}\).
Montrer que la fonction \(\arcsin\) est continue sur \([-1,1]\) et dérivable sur \(]-1,1[\), de dérivée \(x \mapsto \dfrac{1}{\sqrt{1-x^{2}}}\).
Soit \(G:[0,1] \rightarrow \mathbb{R}\) la fonction définie par \(G(x)=2 \arcsin (\sqrt{x})\).
Montrer que \(G\) est continue sur \([0,1]\) et dérivable sur \(] 0,1[\), de dérivée \(g\) donnée par \[\forall x \in \left] 0,1 \right[,\ g(x)=\frac{1}{\sqrt{x(1-x)}}\]
Étudier la fonction \(g\) et tracer son graphe.
Soit \(f: \mathbb{R} \rightarrow \mathbb{R}\) la fonction définie par : \[f(t)= \begin{cases} \displaystyle \frac{1}{\pi} \, g(t) & \text { si } t \in \left] 0,1 \right[ \\ \hfill 0 \hfill & \text { sinon }\end{cases}\]
Montrer que la fonction \(f\) est une densité de probabilité.
Soit \(X\) une variable aléatoire de densité \(f\). On dit que \(X\) suit la loi arcsinus.
Montrer que \(X\) admet une espérance et calculer celle-ci.
(On pourra considérer le changement de variable \(u=1-x\)).
Soit \(U\) une variable aléatoire à densité suivant la loi uniforme sur \([0,1]\).
Montrer que la variable aléatoire \(\displaystyle V=\sin ^{2} \! \left(\frac{\pi}{2} U\right)\) suit la loi arcsinus.
À l’aide de la question précédente, compléter les deux lignes de
la fonction Python suivante afin qu’elle
renvoie une réalisation d’une variable aléatoire de loi arcsinus:
import numpy as np
import numpy.random as rd
def arcsin():
U=..........
V=..........
return VSoit \(n \in \mathbb{N}\) tel que \(n \geqslant 4\) et \(1 \leqslant k \leqslant \frac{n}{2}-1\). Montrer l’encadrement : \[G\! \left(\frac{k+1}{n}\right)-G \! \left(\frac{k}{n}\right) \leqslant \frac{1}{\sqrt{k \left( n-k \right)}} \leqslant G\! \left(\frac{k}{n}\right)-G\! \left(\frac{k-1}{n}\right)\]
Montrer que les deux inégalités sont inversées si l’on suppose que \(\displaystyle \frac{n}{2}+1 \leqslant k \leqslant n-1\).
Soient \(x \in \left] 0,1 / 2\right[\) et \(\left(a_{n}\right)_{n \in \mathbb{N}^{*}}\) une suite d’entiers telle que :
Pour tout \(n\) suffisamment grand, on a : \(1 \leqslant a_{n}<\lfloor n x\rfloor\),
\(\displaystyle \lim _{n \rightarrow+\infty} \frac{a_{n}}{n}=0\),
\(\displaystyle \lim _{n \rightarrow+\infty} a_{n}=+\infty\).
Donner un exemple d’une telle suite \(\left(a_{n}\right)_{n \in \mathbb{N}^{*}}\) et montrer que: \[\lim _{n \rightarrow+\infty} \sum_{k=a_{n}}^{\lfloor n x\rfloor} \frac{1}{\sqrt{k \left( n-k \right)}}=G(x)\]
On admet que pour tout \(x \in \left] 0,1\right[\) et toute suite \(\left(a_{n}\right)_{n \in \mathbb{N}^{*}}\) vérifiant les mêmes conditions qu’à la question précédente, on a : \[\lim _{n \rightarrow+\infty} \sum_{k=a_{n}}^{\lfloor n x\rfloor} \frac{1}{\sqrt{k \left( n-k \right)}}=G(x)\]
Soit \(\theta \in \left] 0,1\right[\) et \(\left(X_{i}\right)_{i \in \mathbb{N}^{*}}\) une suite de variables aléatoires mutuellement indépendantes et de même loi donnée par : \[\forall i \in \mathbb{N}^{*}, \ \mathbb{P} \! \left(X_{i}=1\right)=\theta \quad \text { et } \quad \mathbb{P} \! \left(X_{i}=-1\right)=1-\theta\]
On pose pour tout \(n \in \mathbb{N}^{*}\), \(S_{n}=X_{1}+\cdots+X_{n}\) et \(S_{0}=0\).
La suite \(\left(S_{n}\right)_{n \in \mathbb{N}}\) est appelée marche aléatoire sur \(\mathbb{Z}\).
Pour tout \(i \in \mathbb{N}^{*}\), déterminer la loi de \(Y_{i}=\dfrac{1}{2}\left(X_{i}+1\right)\).
En déduire la loi de \(\dfrac{1}{2}\left(S_{n}+n\right)\) pour \(n \in \mathbb{N}^{*}\).
Les variables aléatoires \(\left(S_{n}\right)_{n \in \mathbb{N}^{*}}\) sont-elles mutuellement indépendantes?
On pose pour tout \(n \in \mathbb{N}^{*}\), \(\overline{S}_{n}=\dfrac{1}{n} S_{n}\).
Soit \(\alpha \in \left] 0,1 \right[\). On note \(\Phi\) la fonction de répartition de la loi normale centrée réduite \(\mathcal{N}(0,1)\) et \(t_{\alpha}\) le réel positif tel que \(t_{\alpha}=\Phi^{-1} \!\left(1-\frac{\alpha}{2}\right)\).
En majorant \(\sqrt{\theta \left( 1-\theta \right)}\), montrer que l’intervalle \(\displaystyle \left[\frac{1}{2}\left(1-\frac{t_{\alpha}}{\sqrt{n}}+\overline{S}_{n}\right), \frac{1}{2}\left(1+\frac{t_{\alpha}}{\sqrt{n}}+\overline{S}_{n}\right)\right]\) est un intervalle de confiance asymptotique d’estimation du paramètre \(\theta\) au niveau de confiance \(1-\alpha\).
Justifier que pour tout \(k \in \mathbb{N}\), on a : \(\mathbb{P}\! \left(S_{2 k+1}=0\right)=0\).
Montrer que pour tout \(k \in \mathbb{N}\), on a : \[\mathbb{P}\! \left(S_{2 k}=0\right)= \binom {2k}k \theta^{k} \left( 1-\theta \right)^{k}\]
Soit \(n \in \mathbb{N}^{*}\) fixé. On introduit la variable aléatoire \(L_{n}\), à valeurs dans \(\left[\kern-0.15em\left[ {0,n} \right]\kern-0.15em\right]\), définie par : \[L_n : \begin{array}{ccc} \Omega & \to & \mathbb{R}\\ \omega & \mapsto & \max \left\{k \in \left[\kern-0.15em\left[ {0,n} \right]\kern-0.15em\right] S_{2 k}(\omega)=0\right\} \end{array}\]
La variable aléatoire \(2 L_{n}\) décrit donc le dernier instant avant l’instant \(2 n\) où la marche aléatoire prend la valeur 0.
Déterminer \(\mathbb{P}\! \left(L_{n}=n\right)\).
Soit \(k \in \left[\kern-0.15em\left[ {0,n-1} \right]\kern-0.15em\right]\).
Montrer l’égalité d’événements suivante: \[\left[L_{n}=k\right]=\left[S_{2 k}=0\right] \cap\left[S_{2 k+1} \neq 0\right] \cap \cdots \cap\left[S_{2 n} \neq 0\right]\]
Justifier que: \[\mathbb{P}_{\left[S_{2 k}=0\right]} \! \left(\left[S_{2 k+1} \neq 0\right] \cap \cdots \cap\left[S_{2 n} \neq 0\right]\right)=\mathbb{P}\! \left(\left[S_{1} \neq 0\right] \cap \cdots \cap\left[S_{2(n-k)} \neq 0\right]\right)\]
On notera la valeur de cette probabilité. \((\star)\)
Montrer que pour tout \(n \in \mathbb{N}^{*}\) et tout \(k \in \left[\kern-0.15em\left[ {0,n} \right]\kern-0.15em\right]\) on a : \[\mathbb{P}\! \left(L_{n}=k\right)= \binom {2k}k \theta^{k} \left( 1-\theta \right)^{k} p_{n-k}\]
où par convention \(p_{0}=1\).
À partir de maintenant et dans toute la suite du problème, . Le calcul explicite des est l’objet des questions suivantes.
Pour tout \(n \in \mathbb{N}^{*}\), on considère les événements suivants : \[\mathcal{D}_{n}=\bigcap_{k=1}^{2 n}\left[S_{k} \neq 0\right] \quad, \quad \mathcal{D}_{n}^{+}=\bigcap_{k=1}^{2 n}\left[S_{k}>0\right] \quad, \quad \mathcal{D}_{n}^{-}=\bigcap_{k=1}^{2 n}\left[S_{k}<0\right]\]
On considère également, pour tout \(n \in \mathbb{N}^{*}\) et tout \(r \in \left[\kern-0.15em\left[ {1,n} \right]\kern-0.15em\right]\), l’événement: \[A_{n, r}=\left(\bigcap_{k=1}^{2 n-1}\left[S_{k}>0\right]\right) \cap\left[S_{2 n}=2 r\right]\]
Pour tout entier \(r\), on pose \(A_{n, r}=\varnothing\) lorsque \(r>n\) ou \(r \leqslant 0\) et on note, pour tout \(n \in \mathbb{N}^{*}\) et tout \(r \in \mathbb{Z}, a_{n, r}=\mathbb{P}\! \left(A_{n, r}\right)\).
Montrer que, pour tout \(\omega \in \Omega\), l’ensemble \(\left\{S_{1}(\omega), \ldots, S_{r}(\omega)\right\}\) est un intervalle d’entiers.
En déduire que : \[\mathbb{P}\! \left(\mathcal{D}_{n}\right)=\mathbb{P}\! \left(\mathcal{D}_{n}^{+}\right)+\mathbb{P}\! \left(\mathcal{D}_{n}^{-}\right)\]
Montrer que: \[\mathbb{P}\! \left(\mathcal{D}_{n}^{+}\right)=\sum_{r=1}^{n} a_{n, r}\]
Soit \(n \in \mathbb{N}\) tel que \(n \geqslant 2\).
Soit \((r, q) \in\left(\mathbb{N}^{*}\right)^{2}\). Montrer que : \[\mathbb{P}\! \left(A_{n-1, q} \cap A_{n, r}\right)= \begin{cases}\displaystyle \frac{1}{4} \, a_{n-1, q} & \text { si } q=r-1 \text { ou } q=r+1 \\\displaystyle \frac{1}{2} \, a_{n-1, q} \rule[0pt]{0pt}{20pt}& \text { si } q=r \\ \hfill 0 \rule[0pt]{0pt}{20pt}\hfill & \text { sinon}\end{cases}\]
Montrer que pour tout \(r \in \mathbb{N}^{*}\), on a : \[a_{n, r}=\frac{1}{4} \, a_{n-1, r-1}+\frac{1}{2} \, a_{n-1, r}+\frac{1}{4} \, a_{n-1, r+1}\]
Montrer par récurrence sur \(n\) que pour tout \((n, r) \in\left(\mathbb{N}^{*}\right)^{2}\) on a : \[a_{n, r}=\frac{1}{4^{n} }\left( \binom {2n-1}{n+r-1} - \binom{2n-1}{n+r}\right)\] où l’on pose \(\binom mk=0\) dès que \(k \notin \left[\kern-0.15em\left[ {0,m} \right]\kern-0.15em\right]\).
On rappelle que la suite \(\left(p_{n}\right)_{n \in \mathbb{N}}\) a été définie précédemment \((\star)\).
Montrer que, pour tout \(n \in \mathbb{N}\), on a : \(\displaystyle p_{n}=\dfrac{1}{4^{n}} \binom {2n}n\).
Dans cette troisième partie, on cherche à étudier la limite en loi de la suite de variables aléatoires \(\displaystyle \left(\frac{L_{n}}{n}\right)_{n \in \mathbb{N}^{*}}\).
Compléter par autant de lignes que nécessaire la fonction Python DernierPassage permettant de simuler la variable aléatoire \(L_{n}\) :
import numpy.random as rd
def DernierPassage(n):
L=0
S=0
for i in range(1,2*n+1):
.....
return LÀ l’aide de cette fonction, on simule \(N=10000\) réalisations de la variable aléatoire \(\frac{L_{100}}{100}\) puis on représente les valeurs obtenues sous la forme d’un histogramme à 100 classes. On obtient la figure suivante :
Quelle conjecture peut-on formuler à propos de la suite de variables aléatoires \(\left(\frac{L_{n}}{n}\right)_{n \in \mathbb{N}^{*}}\) ?
Pour tout entier \(n \in \mathbb{N}^{*}\), on pose \(\displaystyle C_{n}=\frac{\sqrt{n}}{4^{n}} \binom{2n}n\) et \(u_{n}=\ln \! \left(C_{n}\right)\).
Montrer que la série de terme général \(u_{n+1}-u_{n}\) converge.
En déduire que la suite \(\left(C_{n}\right)_{n \in \mathbb{N}^{*}}\) est convergente.
On admet que \(\dfrac{1}{\sqrt{\pi}}\) est la limite de cette suite.
Soient \(x \in \left] 0,1 \right[\) et \(\left(a_{n}\right)_{n \in \mathbb{N}^{*}}\) une suite d’entiers telle que:
Pour tout \(n\) suffisamment grand, on a \(1 \leqslant a_{n}<\lfloor n x\rfloor\),
\(\displaystyle \lim _{n \rightarrow+\infty} \frac{a_{n}}{n}=0\),
\(\displaystyle \lim _{n \rightarrow+\infty} a_{n}=+\infty\).
Montrer que: \[\mathbb{P}\! \left(\frac{L_{n}}{n} \leqslant x\right)=\frac{1}{4^{n}} \sum_{k=0}^{\lfloor n x\rfloor} \binom{2k}k \binom{2 \left( n-k \right)}{n-k}\]
Montrer, pour \(n\) suffisamment grand, l’encadrement : \[m_{n} \sum_{k=a_{n}}^{\lfloor n x\rfloor} \frac{1}{\sqrt{k \left( n-k \right)}} \leqslant \frac{1}{4^{n}} \sum_{k=a_{n}}^{\lfloor n x\rfloor} \binom{2k}k \binom{2 \left( n-k \right)}{n-k} \leqslant M_{n} \sum_{k=a_{n}}^{\lfloor n x\rfloor} \frac{1}{\sqrt{k \left( n-k \right)}}\]
où : \[m_{n}=\min \left\{C_{k} C_{n-k}, \ k \in \left[\kern-0.15em\left[ {a_n,\left\lfloor nx \right\rfloor} \right]\kern-0.15em\right] \right\}, M_{n}=\max \left\{C_{k} C_{n-k}, \ k \in \left[\kern-0.15em\left[ {a_n,\left\lfloor nx \right\rfloor} \right]\kern-0.15em\right] \right\}\]
Soient \(\left(\alpha_{n}\right)_{n \in \mathbb{N}^{*}}\) et \(\left(\beta_{n}\right)_{n \in \mathbb{N}^{*}}\) deux suites d’entiers telles que : \[1 \leqslant \alpha_{n} \leqslant \beta_{n} \quad \text{et} \quad \lim _{n \rightarrow+\infty} \alpha_{n}=+\infty\]
Montrer que les deux suites \(\left(\min \limits_{k \in \left[\kern-0.15em\left[ { \alpha_{n},\beta_{n}} \right]\kern-0.15em\right]} C_{k}\right)_{n \in \mathbb{N}^{*}}\) et \(\left(\max\limits _{k \in \left[\kern-0.15em\left[ { \alpha_{n},\beta_{n}} \right]\kern-0.15em\right]} C_{k}\right)_{n \in \mathbb{N}^{*}}\) sont convergentes, de même limite \(\dfrac{1}{\sqrt{\pi}}\).
En déduire que: \[\lim _{n \rightarrow+\infty} \frac{1}{4^{n}} \sum_{k=a_{n}}^{\lfloor n x\rfloor} \binom{2k}k \binom{2 \left( n-k \right)}{n-k} =\frac{G(x)}{\pi}\] où la fonction \(G\) a été définie dans la première partie.
Soient \(x \in \left] 0,1 \right[\) et \(\left(a_{n}\right)_{n \in \mathbb{N}^{*}}\) une suite d’entiers telle que :
Pour tout \(n\) suffisamment grand, on a \(1 \leqslant a_{n}<\lfloor n x\rfloor\),
\(\displaystyle \lim _{n \rightarrow+\infty} \frac{a_{n}}{\sqrt{n}}=0\),
\(\displaystyle \lim _{n \rightarrow+\infty} a_{n}=+\infty\).
Donner un exemple d’une telle suite \(\left(a_{n}\right)_{n \in \mathbb{N}^{*}}\).
En déduire que: \[\lim _{n \rightarrow+\infty} \frac{1}{4^{n}} \sum_{k=0}^{a_{n}-1} \binom{2k}k \binom{2 \left( n-k \right)}{n-k} =0\]
Montrer que la suite de variables aléatoires \(\left(\dfrac{L_{n}}{n}\right)_{n \in \mathbb{N}^{*}}\) converge en loi.
Le corrigé pas à pas, les aides et les explications sont disponibles dans la plateforme.
Pour cette cuvée 2023, HEC et ESCP nous proposent un joli sujet autour du thème classique des marches aléatoires reprenant une très large partie du programme d'analyse et de probabilités.
Beaucoup de questions faisables par tous les candidats, mais aussi un certain nombre de questions techniques, nécessitant un bon recul, sur le sujet d'une part, sur le programme d'autre part