Concours National Commun – Session 2016 – Filière MP

 
X k ε
i. Montrer que f (x) − f Bn,k (x) ≤ .
n 2
Problème2M1
k∈A
 
X k M
ii. Montrer que f (x) − f Bn,k (x) ≤ x(1 − x) ≤ , avec M = sup |f (t)|.
n nα2 2nα2 t∈[0,1]
k∈A
ε M
(d) En déduire que, pour tout x ∈ [0, 1], |Pn (f )(x) − f (x)| ≤ + , avec M = sup |f (t)|.
2 2nα2 t∈[0,1]
(e) En déduire que la suite (Pn (f ))n≥1 converge uniformément vers f sur [0, 1].
5. Plus généralement, soit g : [a, b] → R une fonction continue, (a, b) ∈ R2 , a < b. Montrer qu’il existe une
suite de polynômes (Qn (g))n qui converge uniformément vers g sur [a, b].
Une démonstration probabiliste d'un théorème de convergence

Soit f : [0, 1] → R une fonction continue et n ∈ N∗ .

1. Soit Sn une variable aléatoire suivant une loi binomiale de paramètres n et x, x ∈ [0, 1], on pose, pour
Sn
tout n ∈ N∗ , Xn = .
n
(a) Déterminer E(Xn ) et V (Xn ) respectivement l’espérance et la variance de Xn .
1
(b) Justifier que, pour tout δ > 0, P (|Xn − x| ≥ δ) ≤ .
4nδ 2
2. On introduit la variable aléatoire Yn = f (Xn ) et on pose pour tout x ∈ [0, 1], Cn (f )(x) = E(Yn ). Pour la
suite de cette question, on se donne un réel ε > 0.
(a) Vérifier que x 7→ Cn (f )(x) est une fonction polynomiale définie sur [0, 1].
(b) D’après le théorème de Heine, comme f est continue sur [0, 1], alors il existe β > 0 tel que, pour
ε
tout (x1 , x2 ) ∈ [0, 1] × [0, 1], |x1 − x2 | ≤ β ⇒ |f (x1 ) − f (x2 )| ≤ . ( On ne vous demande pas de
2
redémontrer ce résultat ).
X  k  
k

ε
i. Montrer que f − f (x) P Xn = ≤
n n 2
| nk −x|≤β
     
X k k M
ii. Montrer que f − f (x) P Xn = ≤ , avec M = sup |f (t)|.
n n 2nβ 2 t∈[0,1]
| nk −x|>β
(c) En déduire que la suite (Cn (f ))n≥1 converge uniformément vers f sur [0, 1].

Partie III
Applications
Dans toute la suite de ce problème, pour tout (a, b) ∈ R2 , a < b, on pose I = [a, b].
1. Soit f : I → R une fonction continue, on suppose que pour tout n ∈ N,
Z b
xn f (x)dx = 0.
a

(a) Montrer que la fonction f est nulle sur I.

Z +∞
(b) Pour tout n ∈ N, calculer In = xn e−(1−i)x dx.
0
(c) En déduire qu’il existe une fonction réelle φ, continue sur [0, +∞[ et non nulle, telle que, pour tout
Z +∞
n ∈ N, xn φ(x)dx = 0.
0
Z b
2. Soit g : I → R continue telle que g(t)dt = 0. Montrer qu’il existe une suite (Pn )n∈N de polynômes
a !
Z b
telle que, Pn (t)dt = 0 et lim sup |g(t) − Pn (t)| = 0.
a n→∞ t∈[a,b]

Épreuve de Mathématiques I 1/ 4 Tournez la page S.V.P.

 Concours National Commun – Session 2016 – Filière MP

3. Soit ϕ : I → R de classe
! C . Montrer qu’il existe une !suite (Pn )n∈N de polynômes telle que,
1

lim sup |ϕ(t) − Pn (t)| = 0 et lim sup |ϕ0 (t) − Pn0 (t)| =0
n→∞ t∈[a,b] n→∞
Problème 2
t∈[a,b]

4. Soit ψ : I → R continue et positive. Montrer qu’il existe une suite (P!n )n∈N de polynômes telle que, (

pour tout n ∈ N et tout t ∈ I, Pn (t) ≥ 0 ), et lim sup |ψ(t) − Pn (t)| =0

n→∞ t∈[a,b]

Soit (Ω, A, P ) un espace probabilisé, par la suite, les variables aléatoires considérées sont des variables
aléatoires réelles discrètes ou àă densité. Si X est une variable aléatoire sur (Ω, A, P ), la fonction génératrice
des moments de X, lorsqu’elle existe, est la fonction numérique de la variable réelle t, MX : t → E(etX ), où
E(etX ) désigne l’espérance de la variable aléatoire etX .

Partie I
Cas particulier : variables aléatoires discrètes finies
Soit X une variable aléatoire discrète prenant un nombre fini de valeurs x1 , ..., xr avec les probabilités
respectives p1 , ..., pr , où r ∈ N∗ . Dans cette partie, on définit la fonction ϕX sur R∗ par,

1
∀t ∈ R∗ , ϕX (t) = ln(MX (t))
t
1. Déterminer MZ , lorsque Z suit une loi de Bernoulli de paramètre p, p ∈ [0, 1].
(k)
2. Montrer que MX est de classe C ∞ sur R, et que pour tout entier naturel k, MX (0) = E(X k ).
3. (a) Montrer que ϕX est bien définie sur R∗ et prolongeable par continuité en 0. On pose ϕX (0) = E(X)
et on note encore ϕX la fonction ainsi prolongée.
(b) Démontrer que ϕX est dérivable en 0 et calculer ϕ0X (0) en fonction de la variance V (X) de X.
1
(c) i. Montrer que pour tout u ≤ 0, eu ≤ 1 + u + u2 .
2
ii. Montrer que si X ne prend que des valeurs négatives ou nulles, alors, pour tout t ≥ 0,
t
ϕX (t) ≤ E(X) + E(X 2 ).
2

(d) i. Pour tout entier i tel que 1 ≤ i ≤ r, on note fi la fonction définie sur R, par t 7→ etxi . Montrer
que la famille (f1 , ..., fn ) est libre.
ii. En déduire que deux variables discrètes finies X et Y ont la même loi si, et seulement si, les
fonctions ϕX et ϕY sont égales.
(e) Montrer que si X et Y sont des variables discrètes finies indépendantes, alors, ϕX+Y = ϕX + ϕY .
(f) En déduire MX , lorsque X suit une loi binomiale de paramètre s et p, s est un entier naturel non
nul et 0 ≤ p ≤ 1.
(g) On dit qu’une variable aléatoire réelle X est symétrique si X et −X ont la même loi. Montrer que
ϕX est impaire si, et seulement si, X est une variable aléatoire réelle symétrique.
4. On considère une suite (Xn )n≥1 de variables aléatoires discrètes finies mutuellement indépendantes
sur (Ω, A, P ), qui suivent la même loi que X. On note m l’espérance de X et σ son écart-type que l’on
suppose strictement positif.
Sn − E(Sn )
On pose, pour tout entier naturel non nul, Sn = X1 + X2 + ... + Xn et Sn∗ = p .
V (Sn )

Épreuve de Mathématiques I 2/ 4 Tournez la page S.V.P.

 Concours National Commun – Session 2016 – Filière MP

(a) Montrer que, pour tout entier naturel non nul n et tout réel non nul t,
√ √  
−m n n t
ϕSn∗ (t) = + ϕX √ .
σ σ σ n

t
(b) En déduire que lim ϕSn∗ (t) = .
n→∞ 2

Partie II
Cas des variables aléatoires discrètes réelles infinies
Soit X une variable aléatoire discrète réelle infinie, notons IX l’ensemble des réels t pour lesquels MX existe.
1. (a) Montrer que, pour tous réels a, b, c tels que a < b < c et tout réel x, ebx ≤ eax + ecx .
(b) En déduire que IX est un intervalle contenant 0.
2. Soit Y une variable aléatoire discrète réelle qui suit une loi de Poisson de paramètre λ > 0.
Déterminer la fonction génératrice des moments MY de Y .
3. On suppose que la fonction MX est définie sur un intervalle de la forme ]−a, a[, (a > 0). Notons (xn )n∈N
une énumération des valeurs de X.
Posons, pour tout n ∈ N et tout t ∈] − a, a[, un (t) = P (X = xn )etxn . Soit α > 0 tel que [−α, α] ⊂] − a, a[,
et soit ρ ∈]α, a[.
(k)
(a) Montrer que, pour tout k ∈ N, tout t ∈] − α, α[ et tout n ∈ N, |un (t)| ≤ P (X = xn )(|xn |)k eρ|xn | , où
(k)
un désigne la dérivée k-ème de la fonction un .
(b) Montrer que, pour tout k ∈ N, il existe Mk > 0, pour tout t ∈] − α, α[ et tout n ∈ N,

|u(k)
n (t)| ≤ Mk P (X = xn )e
ρ|xn |
.

(k)
(c) En déduire que MX est de classe C ∞ sur ] − a, a[, et que pour tout k ∈ N, E(X k ) = MX (0).
4. En déduire l’espérance et la variance d’une variable aléatoire Y qui suit une loi de Poisson de paramètre
λ > 0.

Partie III
Cas des variables aléatoires à densité
Si X est une variable aléatoire àă densité, on note IX l’intervalle de R, qui contient 0, pour lequel MX existe.
1. Soient X et Y deux variables aléatoires àă densité indépendantes, qui admettent respectivement des
fonctions génératrices des moments MX et MY , montrer que MX+Y = MX MY .
2. Soit X une variable aléatoire à densité possédant une fonction génératrice des moments MX et une
densité f . On suppose que cette fonction génératrice des moments soit définie sur IX =]a, b[, (a, b) ∈ R2 ,
a < 0 < b, et soit s un réel tel que, 0 < s < min(−a, b).
(a) Montrer que, pour tout k ∈ N∗ et tout t ∈ R, |tk | ≤ e .
k! s|t|
sk
(b) En déduire que, pour tout k ∈ N∗ , E(|X|k ) est finie.
∞
X tk
(c) Montrer que, pour tout t ∈] − s, s[, MX (t) = E(X k ) .
k!
k=0
(k)
(d) En déduire que, pour tout k ∈ N, MX (0) = E(X k ).

F IN DE L’ ÉPREUVE

Épreuve de Mathématiques I 3/ 4 F IN
Soit (Ω, P) un espace probabilisé, on appelle fonction génératrice d’une variable aléatoire réelle X à valeurs dans N,
la fonction Gx définie par :

Problème 3
1.
2. Donner l’expression de GX , en précisant le domaine de définition, dans chaque cas suivant :
a) X suit la loi de Bernoulli de paramètre p, notée B(p), où p ∈ [0, 1].
b) X suit la loi binomiale de paramètre n, p, notée B(n, p), où n ∈ N∗ , p ∈ [0, 1].
c) X suit la loi géométrique de paramètre p, notée G(p), où p ∈]0, 1[.
4. Montrer que la variable aléatoire X admet une espérance si, et seulement si, GX est dérivable en
1 La
et dans 0 (1) = E(X).
ce cas Ggénératrice
fonction X d’une somme de variables aléatoires
5. Montrer que la variable aléatoire X admet un moment d’ordre 2 si, et seulement si, GX est deux
fois dérivable en 1 et dans ce cas V (X) = G00X (1) + G0X (1) − (G0X (1))2 .
6. En déduire l’espérance et la variance d’une variable aléatoire qui suit la loi géométrique G(p) de
paramètre p, où p ∈]0, 1[.
Partie II

Soient n un entier naturel non nul et N une variable aléatoire telle que N (Ω) = J1, nK = {1, . . . , n}.
On suppose que pour tout k de J1, nK, P (N = k) est non nul. On considère n variables aléatoires
indépendantes (Xi )1≤i≤n , toutes de même loi qu’une variable aléatoire X, telle que X(Ω) = J1, mK, avec
N
P
m un entier naturel non nul. On pose S = Xi , (en particulier, sachant que l’événement (N = h) est
i=1
h
réalisé, h ∈ J1, nK, alors S =
P
Xi ).
i=1
1. Montrer que pour tout k ∈ J1, nK, GX1 +...+Xk = GkX .
2. a) Soit Y une variable aléatoire réelle qui prend un nombre fini de valeurs dans Y (Ω), montrer
n
P (N = k)E(Y |[N = k]), où ∀k ∈ J1, nK,
P
que E(Y ) =
k=1
E(Y |[N = k]) =
P
yP ((Y = y)|[N = k]) désigne l’espérance de Y sachant l’événement
y∈Y (Ω)
[N = k] et P ((Y = y)|[N = k]) désigne la probabilité de (Y = y) sachant l’événement
[N = k].
b) Montrer que pour tout k ∈ J1, nK et pour tout réel t, E(tS |[N = k]) = GkX (t).
n
P (N = k)GkX (t).
P
c) En déduire que pour tout réel t, GS (t) =
k=1
d) Montrer que GS = GN ◦ GX .
3. En déduire que E(S) = E(N )E(X).
Partie III
Application
On dispose d’un jeton non truqué à deux faces numérotées 1 et 2 et d’un dé tétraédrique (famille des
pyramides composées de quatre faces triangulaires), équilibré, dont les faces sont numérotées de 1 à 4.
On lance le jeton et on note N le numéro obtenu, puis on lance N fois le dé et pour chaque lancer, on
note le numéro de la face d’appui du dé. Soit S la somme des numéros obtenus lors de ces N lancers,
(si N = 1, le dé est lancé une seule fois et S est le numéro lu sur la face d’appui du dé).
1. a) Déterminer la loi de N .
b) Donner la loi conditionnelle de S sachant [N = k], pour k = 1, puis pour k = 2.
c) En déduire la loi de S, puis son espérance et sa variance.
N
P
2. a) Identifier la variable aléatoire X telle que S = Xi , où X1 et X2 sont deux variables
i=1
aléatoires indépendantes de même loi que X.
b) Déterminer les fonctions génératrices GN et GX et en déduire la fonction génératrice GS .
c) Retrouver, en utilisant la fonction génératrice GS , la loi, l’espérance et la variance de S.
Fin de l’épreuve

Épreuve de Mathématiques I