Lycée St Joseph Pour le jeudi 15 février 2024

Classe de PC

Devoir de Mathématiques numéro 5

Correction

Exercice 1 (CAPES 2021)

1) La variable aléatoire qui modélise le nombre d’achats nécessaires pour obtenir l’ensemble de la collec-
tion, donc n animaux différents, est
Tn

2) Dès le premier achat, le collectionneur a exactement 1 animal : T1 (Ω) = {1}. Donc

T1 = 1

3) a) Notons Xi l’animal, représenté par un numéro entre 1 et n, obtenu lors du i-ème achat.
q
n \
[
L’évènement A considéré est A = (Xi = k) : le collectionneur obtient toujours l’animal k,
k=1 i=1
identique au premier animal tiré, pour tous les achats entre 1 et q. Ainsi,

[ q
n \
!
P(A) = P (Xi = k)
k=1 i=1
n
X \q !
= P (Xi = k) Union disjointe
k=1 i=1
Xn Yq
= P(Xi = k) Tirages indépendants...
k=1 i=1
n
X 1 1
= q
= q−1 ... et équiprobables
k=1
n n

Toujours nommer les objets : nommer l’évènement étudié (A), le résultat du tirage (Xi ).
Ainsi, la probabilité qu’un collectionneur obtienne toujours le même animal au cours de ses q > 2
premiers achats est
1
n q−1

b) Pour avoir deux cartes, il faut au moins 2 achats, donc P(T2 > 1) = 1.
Soit q > 2. L’évènement (T2 > q) est « le collectionneur a obtenu toujours la même carte lors de
1
ses q premiers achats » : (T2 > q) = A, et d’après 3a, P(A) = q−1 . Ainsi,
n
1
∀q > 1, P (T2 > q) =
nq−1
c) Comme la question de cours sur la loi de min(X, Y ).
T2 (Ω) = J2, +∞J. Soit q > 2.

(T2 > q) = (T2 = q) ∪ (T2 > q)

1
DL 5

Comme T2 est à valeurs entières, (T2 > q − 1) = (T2 > q), et l’union étant disjointe,

P(T2 > q − 1) = P(T2 = q) + P(T2 > q)

D’après b,
1 1 n−1
P(T2 = q) = − =
nq−2 nq−1 nq−1
d) Nous cherchons le nombre minimal q d’achats tels que P(T2 6 q) > 0, 99. Or
q
X
P(T2 6 q) = P(T2 = k)
k=2
q
X 1 1
= −
k=2
nk−2 nk−1
1
=1− Télescopique
nq−1
C’est plus rapide, mais peut-être moins naturel, de remarquer que (T2 6 q) = (T2 > q).
Ainsi on cherche q tel que
1 1
1− q−1
>1−
100 100
=⇒ 100q−1 > 100
=⇒ q − 1 > 1

Donc
Il faut au minimum 2 achats pour que le collectionneur ait une probabilité
d’obtenir deux animaux différents supérieure ou égale à 0,99.

e) Pour k = 1, le collectionneur a k − 1 = 0 animaux au départ, et k = 1 animal pour la première

fois après T1 achat, donc Z1 = T1 .
Pour k ∈ J2, nK, le collectionneur a k − 1 animaux après Tk−1 achats, et k animaux après Tk
achats. Il lui a donc fallu Zk = Tk − Tk−1 achats entre l’achat Tk−1 et l’achat Tk .
f) On reconnaît une somme télescopique. En posant T0 = 0, il vient

∀k ∈ J1, nK , Zk = Tk − Tk−1

Et, la somme suivante étant télescopique,

k
X k
X
Zi = Ti − Ti−1 = Tk − T0 = Tk
i=1 i=1

Ainsi,
k
X
∀k > 1, Tk = Zi
i=1

g) Zk est le temps du premier succès dans une suite d’expérience de Bernoulli mutuellement indé-
n−k+1
pendantes de même paramètre p = . Donc
n
n−k+1
 
Zk ∼ G
n

Détaillons : notons j = Tk−1 , et Ak−1 l’ensemble des k − 1 animaux déjà obtenus. Alors

(Zk = i) = (Xj+1 ∈ Ak−1 ) ∩ · · · ∩ (Xj+i−1 ∈ Ak−1 ) ∩ (Xj+i ∈

/ Ak−1 )

2
DL 5

Les achats Xm étant mutuellement indépendants,

P(Zk = i) = P(Xj+1 ∈ Ak−1 ) × · · · × P(Xj+i−1 ∈ Ak−1 ) × P(Xj+i ∈

/ Ak−1 )
i−1 
k−1 k−1
 
= 1−
n n
D’après le cours,

1 n 1−p n(k − 1)
E(Zk ) = = et V(Zk ) = 2
=
p n−k+1 p (n − k + 1)2

n
X n
h) D’après f), Tn = Zi , et, d’après g), E(Zi ) = . Par linéarité de l’espérance,
i=1
n−i+1

n
X
E(Tn ) = E(Zi )
i=1
n
X n
=
i=1
n−i+1
n
X n
= Avec le changement d’indices k = n − i + 1
k=1
k

Ainsi,
n
X n
E(Tn ) = = nHn
k=1
k

i) Comme Hn ∼ ln n (résultat classique 1 ),

E(Tn ) ∼ n ln n

4) a) Indépendance : Les achats (Xi ) sont mutuellement indépendants, donc, comme les (Zk ) sont
construites à partir d’ensembles disjoints de (Xi ), par le lemme des coalitions,

Les (Zk )16k6n , sont mutuellement indépendantes

n
1−p 1 1 X
Variance : Utilisons plutôt V(Zi ) = = − . Comme Tn = Zi ,
p2 p2 p i=1

n
X
V(Tn ) = V(Zi ) par indépendance mutuelle
i=1
n n
X n2 X n
= − d’après g)
i=1
(n − i + 1)2 i=1 n − i + 1
n n
X n2 X n
= 2
− Avec le changement d’indices k = n − i + 1
k=1
k k=1
k
= n2 Bn − nHn

Conclusion :
V(Tn ) = n2 Bn − nHn

1. Comparaison série/intégrale, question de cours. L’énoncé d’origine le redémontrait, ici je le donnais.

3
DL 5

1 π2
b) Par positivité de pour k > n > 1, B n 6 lim B n = .
k2 n→+∞ 6
De plus, Hn > 0 donc −nHn 6 0. Ainsi, d’après a),

n2 π 2
V(Tn ) = n2 Bn − nHn 6
6
5) D’après l’inégalité de Bienaymé-Tchebychev,
V(Tn )
P (|Tn − E (Tn )| > λn ln n) 6
(λn ln n)2
n2 π 2 π2
6 2 2 = .
6λ n (ln n)2 6 λ2 (ln n)2

π2
conclusion : Pour tout nombre réel λ > 0, P (|Tn − E (Tn )| > λn ln n) 6 .
6λ2 (ln n)2
6) Étudions les évènements :
(Tn > n Hn + n ln n) = (Tn > E(Tn ) + n ln n) D’après 3i
= (Tn − E(Tn ) > n ln n)
⊂ (|Tn − E(Tn )| > n ln n)
D’où, d’après 5 avec λ = 1,
π2
P(Tn > n Hn + n ln n) 6 P (|Tn − E (Tn )| > n ln n) 6
6(ln n)2
π2
Pour avoir P (Tn > nHn + n ln n) 6 0, 01, il suffit d’avoir 6 0, 01. Or
6 (ln n)2
π2 π2 π √π
10

2
6 0, 01 ⇐⇒ 6 (ln n)2 ⇐⇒ √ 6 ln n ⇐⇒ n > e 6 ' 371572.1400
6(ln n) 0, 01 6 0, 1 6
conclusion : Pour n0 = 371573, on a ∀n > n0 , P (Tn > nHn + n ln n) 6 0, 01

Exercice 2 (Mines-Ponts MP 2020) X 

1) Comme, pour tout n ∈ N, 0 6 P (Sn = 0d ) 6 1 et R xn = 1, par théorème de majoration,
RF > 1.
De même, pour tout n ∈ N, 0 6 P (R = n) 6 1, donc RG > 1. Ainsi,

Les séries entières définissant F et G ont un rayon de convergence supérieur ou égal à 1

Par théorème de dérivation des séries entières, F et G sont de classes C ∞ sur ]−RF , RF [ et ]−RG , RG [
respectivement. Comme RF > 1 et RG > 1,

F et G sont définies et de classe C ∞ sur ] − 1, 1[

Le cours donne des résultats pour la fonction génératrice d’une variable aléatoire à valeurs dans N. Or, ici,
R(Ω) = N∗ ∪ {+∞}. Il faut donc, a priori, refaire la preuve.
Étude de G :
Convergence normale de la série : Posons un (x) = P (R = n)xn pour tout n ∈ N∗ et x ∈ [−1, 1].
kun k∞ = P (R = n)
+∞ +∞
!
X [ X
Or P (R = n) = P (R = n) = P (R 6= +∞) ∈ [0, 1] : la série kun k∞ converge.
n=1 n=1
X
Donc un converge normalement sur [−1, 1].
Continuité :

4
DL 5

• Pour tout n ∈ N∗ , un est continue sur [−1, 1] car polynomiale ;

X
• un converge normalement donc uniformément sur [−1, 1] ;
Donc, d’après le théorème de continuité des séries de fonctions,

G est définie et continue sur [−1, 1]

De plus, d’après le calcul précédent,

+∞
X
G(1) = P (R = n) = P (R 6= +∞)
n=1

2) Calcul de P ((Sn = 0d ) ∩ (R = k)) : Si R = k, alors Sk = 0 (et Si 6= 0 pour i < k, mais peu importe).
n
X n
X
Or Sn = Xi = Sk + Xi . Ainsi,
i=1 i=k+1

n
 X 
(Sn = 0d ) ∩ (R = k) = Xi = 0 ∩ (R = k)
i=k+1

n
 X 
L’évènement Xi = 0 est une fonction de (Xk+1 , . . . , Xn ), alors que (R = k) est une fonction
i=k+1
de (X1 , . . . , Xk ).
n
X
Par indépendance des (Xi )i et lemme des coalitions, ( Xi = 0) et (R = k) sont indépendants :
i=k+1

n
 X 
P ((Sn = 0d ) ∩ (R = k)) = P Xi = 0 P (R = k)
i=k+1

Or les Xi sont indépendantes et suivent toutes la même loi, donc Y = (Xk+1 , . . . , Xn ) suit la même loi
n−k
X n
X
que Z = (X1 , . . . , Xn−k ). Puis, en appliquant la fonction f : (x1 , . . . , xn−k ) 7→ xi , f (Y ) = Xi
i=1 i=k+1
n−k
X
suit la même loi que f (Z) = Xi . En particulier,
i=1

n
 X   n−k
X 
P Xi = 0 = P Xi = 0
i=k+1 i=1

C’est un résultat que l’on retrouve souvent : regarder n lancers de dés à partir du 1er ou du k + 1-ième, c’est
pareil – i.e. la même loi.
n−k
X
Or Xi = Sn−k :
i=1
P ((Sn = 0d ) ∩ (R = k)) = P (R = k)P (Sn−k = 0d )

Calcul de P (Sn = 0d ) : Soit n ∈ N∗ .

D’après la formule des probabilités totales, avec le système complet d’évènements (R = k)k∈R(Ω) ,
+∞
X
P (Sn = 0d ) = P ((Sn = 0d ) ∩ (R = k)) + P ((Sn = 0d ) ∩ (R = +∞)) Or R 6 n si Sn = 0d
k=1
Xn
= P ((Sn = 0d ) ∩ (R = k))
k=1
= P (R = k)P (Sn−k = 0d ) D’après ci-dessus

5
DL 5

Ainsi,
n
∀n ∈ N∗ , P (Sn = 0d ) =
X
P (R = k)P (Sn−k = 0d )
k=1

3) Soit x ∈] − 1, 1[. Savoir reconnaître un produit de Cauchy k, n − k. Surtout lorsqu’on vous donne le résultat !
+∞
X
F (x) = P (Sn = 0d )xn
n=0
+∞
XX n
= P (S0 = 0d ) + P (R = k)P (Sn−k = 0d )xn D’après 2
n=1 k=1
+∞
XX n
=1+ P (R = k)P (Sn−k = 0d )xn Car S0 = 0 et (R = 0) = ∅
n=0 k=0
+∞ +∞
! !
X X
n n
=1+ P (Sn = 0d )x P (R = n)x Produit de Cauchy
n=0 n=0
= 1 + F (x)G(x)

Conclusion :
∀x ∈ ] − 1, 1[ , F (x) = 1 + F (x)G(x)

Limite de F (x) lorsque x → 1− : C’est de l’analyse. De première année. Rien d’exotique.

D’après ci-dessus,
∀x ∈ ] − 1, 1[, F (x)(1 − G(x)) = 1
Donc, pour x ∈] − 1, 1[, nécessairement 1 − G(x) 6= 0, et
1
F (x) =
1 − G(x)

D’après le résultat de la question 1, lim G(x) = G(1) = P (R 6= +∞).

x→1
• Si P (R 6= +∞) 6= 1, en passant à la limite dans l’égalité précédente, il vient
1 1
lim F (x) = =
x→1− 1 − G(1) P (R = +∞)

• Supposons P (R 6= +∞) = 1. Pour x ∈ [0, 1[, comme les probabilités sont positives,
+∞
X +∞
X
G(x) = P (R = n)xn 6 P (R = n) = P (R 6= +∞) = 1
n=1 n=1

Donc 1 − G(x) > 0, et en passant à la limite avec lim 1 − G(x) = 0,

x→1

lim F (x) = +∞
x→1−

Conclusion :
1


 si P (R 6= +∞) 6= 1
lim F (x) = P (R = +∞)
x→1− 
 +∞ si P (R 6= +∞) = 1
X
4) La série ck à termes positifs diverge, donc
n
X
lim ck = +∞
n→+∞
k=0

6
DL 5

Soit A > 0 quelconque, et N ∈ N tel que

N
X
ck > A + 1
k=0

N
X
La fonction ϕ : [0, 1] → R définie par ϕ(x) = ck xk est continue car polynomiale, et ϕ(1) > A + 1.
k=0
Par continuité, il existe donc α > 0 (et α < 1) tel que

∀x ∈]1 − α, 1[, ϕ(x) > A

X
Soit un tel α. La série entière ck xk converge sur [0, 1], et par positivité de xk et ck ,

+∞
X N
X
∀x ∈]1 − α, 1[, ck xk > ck xk = ϕ(x) > A
k=0 k=0

En conclusion,
+∞
X
∀A > 0, ∃α > 0, ∀x ∈]1 − α, 1[, ck xk > A
k=0
C’est-à-dire
+∞
X
lim ck xk = +∞
x→1−
k=0
X
5) =⇒ Supposons la série P (Sn = 0d ) divergente. Alors RF 6 1. Or R1 > 1 d’après la question 1.
Donc RF = 1. Bien vérifier toutes les hypothèses de 4 avant d’appliquer 4.
Avec ck = P (Sk = 0d ), d’après la question 4 ci-dessus, lim F (x) = +∞.
x→1−
Or, d’après la question 3, cela entraîne P (R 6= +∞) = 1.
⇐= Supposons P (R 6= +∞) = 1. Alors, d’après 3, lim F (x) = +∞.
x→1−
X +∞
X
Supposons que P (Sn = 0d ) converge. En notant ` = P (Sn = 0d ), par positivité du terme
n=0
général,
+∞
X +∞
X
∀x ∈ [0, 1], F (x) = P (Sn = 0d )xn 6 P (Sn = 0d ) = `
n=0 n=0

Donc F est bornée sur [0, 1], ce qui est contradictoire avec lim F = +∞.
X 1−
Ainsi, P (Sn = 0d ) est divergente.
Conclusion :
X
La série P (Sn = 0d ) est divergente si et seulement si P (R 6= +∞) = 1

6) Soit i ∈ N∗ . On a

(Si ∈
/ {Sk , 0 6 k 6 i − 1}) = (Si − S0 6= 0; Si − S1 6= 0; . . . Si − Si−1 6= 0)

Or, pour tout k ∈ J0, i − 1K, comme à la question 2, (Si − S0 , Si − S1 , . . . , Si − Si−1 ) a la même loi que
(Si , . . . , S1 ). Donc

P (Yi = 1) = P (Si ∈
/ {Sk , 0 6 k 6 i − 1})
= P (Si − S0 6= 0; Si − S1 6= 0; . . . Si − Si−1 6= 0)
= P (Si 6= 0, . . . , S1 6= 0) Or (Si 6= 0, . . . , S1 6= 0) = (R > i)
= P (R > i)

7
DL 5

Ainsi,
∀i ∈ N∗ , P (Yi = 1) = P (R > i)
Soit n ∈ N∗ . Nn = Nn−1 si Sn ∈ {Sk , 0 6 k 6 n − 1} et Nn = Nn−1 + 1 si Sn ∈
/ {Sk , 0 6 k 6 n − 1}.
C’est-à-dire Nn = Nn−1 + Yn . D’où
n
X n
X
Yi = 1 + Ni − Ni−1 = Nn
i=0 i=1

Par linéarité de l’espérance,

n
X n
X n
X
E(Nn ) = E(Yi ) = P (Yi = 1) = P (R > i)
i=0 i=0 i=0

Ainsi, comme P (R > 0) = 1,

n
∀n ∈ N∗ ,
X
E(Nn ) = 1 + P (R > i)
i=1

7) On remarque que ((R > i))i∈N est une suite d’événements décroissante pour l’inclusion. Ainsi par
continuité décroissante, on a :
 
\
P (R > i) −−−−→ P  (R > j) = P (R = +∞)
i→+∞
j∈N∗

Or d’après la question précédente, on a

n
E(Nn ) 1X
∀n ∈ N∗ , = P (R > i)
n n i=0

À l’aide du théorème de Cesàro, on peut conclure que

E(Nn )
lim = lim P (R > n) = P (R = +∞)
n→+∞ n n→+∞