Projet à rendre de Probabilités
e-mail : [email protected]
Université Iba Der THIAM de Thiès
UFR SES, Département de Management des Organisations
UFR SET, Département de Mathématiques
Master 1 Sciences de Données et Applications Année universitaire 2024-2025
Dr Fatou Néné Diop
1 Fonctions caractéristiques
La fonction caractéristique est un outil mathématique qui facilite le calcul des moments
de la loi d’une variable aléatoire. Sa définition nécessite cependant d’avoir recours aux
nombres complexes.
Définition 1.1 Soit X une variable aléatoire réelle. On appelle fonction caractéris-
tique de X, notée φX ptq, l’application de R dans C définie pour tout réel t par :
φX ptq “ EpeitX q “ E rcosptXq ` i sinptXqs .
On dit que φX ptq existe si EpeitX q ă `8.
Exercice 1:
Démontrer que :
1. φX ptq existe toujours ;
2. φX p0q “ 1.
3. φX`b ptq “ eitb φX ptq, où b est une constante.
4. φaX`b ptq “ eitb φX patq, où a et b sont des constantes.
1.1 Quelques exemples de fonctions caractéristiques
Pout tout t P R,
1. Si X une variable aléatoire discrète, alors
ÿ
φX ptq “ EpeitX q “ eitx ¨ P pX “ xq;
x
2. Si X une variable aléatoire absolument continue de densité f , alors
ż `8
itX
φX ptq “ Epe q “ eitx f pxqdx.
´8
1
Exercice 2:
Déterminer les fonctions caractéristiques associées aux variables aléatoires.
1. Si X „ Bp1, pq, où p est la probabilité de succès, est une variable aléatoire bernoul-
lienne.
2. Si X „ Bpn, pq une v.a. de loi de binomiale de paramètres n P N˚ et p Ps0, 1r.
3. Si X „ N p0, 1q variable aléatoire normale centrée réduite.
4. Si X „ N pm, σ 2 q variable aléatoire normale de moyenne m et de variance σ 2 .
5. Si X „ Gammapα, βq.
6. Si X suit une loi de Laplace de densité f pxq “ 12 exp t´|x|u.
Ecrire les programmes Python pour représenter graphiquement les fonctions caractéris-
tiques φX ptq pour X „ Bp5, 0.3q, pour X „ N p2, 5q, pour X „ Gammap3, 2.5q, pour la
loi de Laplace.
Exercice 3: Application du théorème central limite
D’après une étude de marché, 45% des sondés se disent influencés par la publicité
pour les chaussures A, c’est-à-dire tentés par un achat de chaussures A. Un échantillon
(supposé représentatif) de 100 personnes est interrogé dans un grand magasin. On définit
la variable aléatoire X=nombre de clients (sur un total de n=100) tentés par un achat de
chaussures A.
1. Définir les caractéristiques de X (loi suivie, espérance, variance).
2. Déterminer la probabilité qu’au moins 52 personnes disent être tentés par un achat
de chaussures A.
3. Déterminer la probabilité qu’au moins 47 personnes disent être tentés par un achat
de chaussures A.
Exercice 4:
Soit la fonction bêta de première espèce
ż1
Bpα, βq “ xα´1 p1 ´ xqβ´1 dx.
0
Montrer que pour tous α ą 0 et tous β ą 0,
ż `8
xα´1
Bpα, βq “ dx.
0 p1 ` xqα`β
2
Indication : Opérer le changement de variable : x “ up1 ` uq´1 .
Soit la variable aléatoire X distribuée selon une loi bêta de première espèce, X „
p1q
β pα, βq, de densité
1
f pxq “ xα´1 p1 ´ xqβ´1 , x P r0, 1s,
Bpα, βq
où ż1
Bpα, βq “ xα´1 p1 ´ xqβ´1 dx.
0
On demande de montrer que si α “ 1 et β “ 1, alors X „ Upr0, 1sq.
2 Convergence en moyenne et convergence en proba-
bilité
On veut essayer d’illustrer ici la différence entre ces deux modes de convergence. On
donne pXn q une suite de v.a.
(a) On dit que la suite pXn q de v.a. converge en probabilité vers une v.a. X si pour
tout ε ą 0, on a :
lim P p|Xn ´ X| ě εq “ 0.
nÑ`8
Il faut noter que la convergence en probabilité n’entraîne pas la convergence des
espérances. Remarquons aussi que la condition précédente peut s’écrire
lim P p|Xn ´ X| ď εq “ 1.
nÑ`8
(b) On dit que la suite pXn q de v.a. converge en moyenne vers une v.a. X si :
lim Ep|Xn ´ X|q “ 0.
nÑ`8
(c) On dit que la suite pXn q de v.a. converge en loi vers une v.a. X si la fonction de
répartition de Xn tend vers celle de X lorsque n tend vers l’infini, pour tout réel t :
lim Fn ptq “ F ptq.
nÑ`8
On admettra que la convergence en probabilité implique la convergence en loi.
Exercice 5: Application au cas du lancer de pièce
3
On considère qu’on lance n fois une pièce, et on note Xi le résultat du ie me lancer :
Xi “ 0 si face sort et Xi “ 1 si pile sort.
Notre suite de v.a. est n
1ÿ
Yn “ X̄n “ Xi ,
n i“1
c’est-à-dire la moyenne empirique des sorties.
1. Préciser, pour tout entier i fixé entre 1 et n, la loi suivie par la variable Xi . Quelle
est son espérance ? sa variance ?
2. Etudier la convergence en moyenne de Yn “ X̄n en écrivant un programme python
qui permet de représenter l’espérance Ep|Yn ´ X|q “ Ep|X̄n ´ 1{2|q en fonction de
n.
3. Etudier la convergence en probabilité de Yn “ X̄n en écrivant un programme python
qui permet de représenter P p|X̄n ´ 1{2| ě εq en fonction de n.
Exercice 6: Elections, pièges à théorème
(a) On interroge n “ 800 électeurs (d’un panel supposé représentatif) sur un vote dépar-
tageant le candidat A et le candidat B. Le sondage donne 52 % pour A et 48 % pour
B. Indiquer, avec une probabilité de 95% puis de 99%, les limites dans lesquelles se
situe la proportion de votants pour le candidat A. On pourra utiliser n variables
aléatoires Xi indépendantes suivant un loi de Bernoulli, représentant la préférance
de l’électeur i en faveur de A (Xi “ 1) ou en faveur de B (Xi “ 0 ).
(b) On interroge n “ 8000 électeurs (d’un panel supposé représentatif) sur un vote
départageant le candidat A et le candidat B. Le sondage donne 52 % pour A et
48 % pour B. Indiquer, avec une probabilité de 95% puis de 99%, les limites dans
lesquelles se situe la proportion de votants pour le candidat A.
(c) Ecrire un programme python qui permet de tracer cet intervalle limite en fonction de
n, avec une probabilitéde 95% puis de 99%.
