Академический Документы
Профессиональный Документы
Культура Документы
Luc Deneire
cole Polytechnique de lUniversit de Nice Sophia Antipolis
PolytechNice Sophia
Dpartement dlectronique, 3e anne, 20132014
http://jalon.unice.fr/public/pqg729/
deneire@unice.fr
Statistique Applique
Dpartement dlectronique
3e anne
Chapitre 2
Lunivers de dpart est (o F indique que la pice affiche face, et lordre est important :[F 00 , P , F ] signifie : le premier jet donne face, le deuxime pile et le troisime
face)
= { [F , F , F ]
[F , F , P ]
[F , P , F ]
[F , P , P ]
[P , F , F ]
[P , F , P ]
[P , P , F ]
[P , P , P ]
}
Chaque a une probabilit de 1/8 (car les lancers sont indpendants, donc la probabilit
de [F , F , F ] vaut (1/2)3 .
Lvnement Au premier lancer apparat face correspond :
A = { [F , F , F ]
[F , F , P ]
[F , P , F ]
[F , P , P ]
}
et lvnement "il y a plus de face que de pile" correspond :
B = { [F , F , F ]
[F , F , P ]
[F , P , F ]
[P , F , F ]
}
On cherche donc P(B|A) = P(BA)
P(A) , avec
B A = { [F , F , F ]
[F , F , P ]
[F , P , F ]
}
3/8
3
On obtient donc P(B|A) = P(BA)
P(A) = 4/8 = 4 ,
Dpartement dlectronique
3e anne
Lexprience alatoire est ici le choix de la pice (disons 100F F , 200P P , 300P F ). Lvnement
la pice choisie au hasard donne pile vaut A = {200P P , 300P F }. Lvnement lautre ct
1/3
1
donne face vaut B = {3P F }. On a donc P(B|A) = P(BA)
P(A) = 2/3 = 2
Exercice 2.3 Issues quiprobables
Une exprience a N = 10 issues quiprobables. Quelle est la probabilit de chaque issue ? Que
devient cette probabilit si N = 1000, si N = 106 ? Que ce passe-t-il si N ?
1
N
Statistique Applique
Dpartement dlectronique
3e anne
[F , F ]
[F , G]
[G, F ]
[G, G]}
[F , G]
[G, F ]}
Statistique Applique
Dpartement dlectronique
3e anne
Un test pour une maladie rare est suppos fiable dans 95% des cas : la probabilit que le test
soit positif quand une personne est malade est gale 0.95, et la probabilit quil soit ngatif
quand une personne nest pas malade est aussi gale 0.95. La probabilit quune personne soit
malade est gale 0.001 (0.1% de la population).
1. Quelle est la probabilit quun test soit positif ?
2. Une personne est teste positive. Quelle est la probabilit quelle soit atteinte de la maladie ?
3. Dans quelles conditions un test positif suggre que la personne est malade ? Interprter le
rsultat.
Afin damliorer la fiabilit du dpistage, on rpte le test dans le cas dun rsultat positif
(videmment, la fiabilit pf de chaque test reste indpendante des rsultats prcdents).
4. Calculer la probabilit P(Pn ) que n tests successifs soient positifs.
5. Une personne est teste successivement n fois positive. Quelle est la probabilit quelle soit
atteinte de la maladie ?
6. On notera N la valeur minimale de n qui donne une rponse suprieure 0.9 la question
prcdente. Dterminer numriquement la valeur de N dans le cas : P(P |M ) = P P |M = 0.9,
P(M ) = 0.1.
7. Donner une explication de lvolution de la probabilit de la question 5 en fonction de n (en
vous aidant dun tableau (1 n N ) de diffrentes probabilits que vous jugez utiles).
[Soit deux vnements, A et B, et P(A) 6= 0, P(B) 6= 0. On dira que lvnement B suggre
lvnement A si P(A|B) > P(A).]
P(M, P )
P(P )
P(P |M ) P(M )
= 0.0187
P(P )
Dpartement dlectronique
3e anne
= P(M ) P(Pn |M ) + P M P Pn |M
n
P(M |Pn )
P(M ) P(Pn |M )
P(M ) P(Pn |M ) + P M P Pn |M
P(M ) P(P |M )
n
P(M ) P(P |M ) + (1 P(M ))(1 P(P |M ) )
6.
N
P(M, P )
P M, P
P(P )
P M, P
P M , P
P M
P(M |P )
P M |P
1
0.009000
0.099000
0.108000
0.001000
0.891000
0.892000
0.083333
0.998879
2
0.008100
0.009900
0.018000
0.000100
0.801900
0.802000
0.450000
0.999875
3
0.007290
0.000990
0.008280
0.000010
0.721710
0.721720
0.880435
0.999986
4
0.006561
0.000099
0.006660
0.000001
0.649539
0.649540
0.985135
0.999998
Ai forment un
systme
partition de lespace des vnements) qui donne ici : P(+) = P(I)
P(+|I) + P I P +|I .
On peut alors calculer P(I|+), et finalement P I|+ = 1 P(I|+) qui est demand.
Statistique Applique
Dpartement dlectronique
3e anne
P C|B
P(B)
Bayes
P B|C
=
P C
(1 P(C|B))P(B)
=
Probas totales
Pour j=7 oui ! Cest la seule valeur de la somme qui est possible partir de *toutes* les
valeurs du premier d P(A B) = 1/36, et P(A) = 6/36 toujours. Pour j=7, P(B) =
6/36, alors indpendance pour chaque i. Par contre, pour les autres valeurs de j, il y a
moins de 6 cas favorables.
Exercice 2.11 Grand magasin ...
Un magasin comporte c caisses, et il y a n clients dans le magasin. chaque instant, la probabilit quun client vienne la caisse est gale p, indpendamment du comportement des
autres clients. Quelle est la probabilit que le nombre de caisses soit insuffisant pour servir tous
les clients simultanment (en dautres termes, quelle est la probabilit quil y ait une queue ?)
Il sagit dun cas typique de variable alatoire binomiale. Soit X le nombre de personnes
voulant aller une caisse, celui-ci suit une loi binomiale de paramtres n et p. La probabin
X
lit que le nombre de caisses soit insuffisant vaut alors P(X > c) =
Cni pi (1 p)ni .
i=c+1
Statistique Applique
Dpartement dlectronique
3e anne
Problme classique : lunivers est form de tous les choix possibles de dates danniversaire, dates quon suppose quiprobables. La taille de lunivers est donc 365n .
Le nombre de dates possibles pour la premire personne choisie vaut 365, pour la
deuxime, 364 (on ne veut pas de date gale), et ainsi de suite. On a donc :
P("toutes les dates diffrentes") =
365.364.(365 n + 1)
/
365n
On notera en particulier que cette probabilit vaut environ 0.5 pour n=23
Statistique Applique
Statistique Applique
Dpartement dlectronique
3e anne
10
Chapitre 3
Variables alatoires
3.1
Exercices
Dpartement dlectronique
3e anne
Un magasin dlectronique vend des sachets de 20 rsistances ayant, pour la plupart, une prcision de 1 %. Cependant, quelques rsistances ont une prcision de 5 %. On admet que la
probabilit quune rsistance ait une prcision de 1% est de 95 %. Pour amliorer ses ventes,
le revendeur envisage dutiliser le slogan chaque sachet contient au moins a rsistances offrant
une prcision de 1%, a tant la valeur quil voudrait fixer pour quau maximum 1 % des clients
ayant achet un sachet vienne se faire rembourser. Quelle doit tre la valeur de a.
si 1 < x 3
sinon
si x 0
,
six < 0
12
Dpartement dlectronique
3e anne
Soit X une variable alatoire normale centre dcart-type , en utilisant les tables, calculez la
probabilit des vnements {X k} et {|X| k} pour k = 1, 2, 3.
Statistique Applique
13
Dpartement dlectronique
3e anne
cx2
0
si 1 x 2
sinon
Dterminez la valeur de c.
Soit lvnement A = {X > 1.5}, calculez P(A) et la densit conditionnelle de X sachant A.
Soit Y = X 2 . Calculez lesprance conditionnelle et la variance conditionnelle de Y sachant
A.
Statistique Applique
14
Dpartement dlectronique
3e anne
Y = R sin
Montrez que est uniformment rpartie sur [0, 2] et que R est distribu selon la loi :
fR (r) = rer
/2
r0
On a que
dFX
PX (x) =
(x) =
dx
3 xa4
0
si x a,
,
si x < a
de mme :
Z
E[X] =
xPX (x)dx =
x3
a
Et finalement :
Z
Z
E[X] =
x2 PX (x)dx =
a3
= 3a3
x4
x2 3
1
1 1
3a
3
dx
=
3a
=
x3
2 x2 a
2
Z
a
a3
= 3a3
x4
1
1
3
dx
=
3a
= 3a2
x2
x a
Statistique Applique
15
Dpartement dlectronique
3e anne
On a PX (x) = ex pour x 0, et
2
1
PY |X (y|x) = p
ey /2(x+1) ,
2(x + 1)
1
2(x + 1)
ey
/2(x+1)
Un message binaire est transmis par les valeurs -1 ou +1. Le canal de communication corrompt
le signal en ajoutant un bruit gaussien de moyenne et de variance 2 . Le rcepteur dcide que
le signal envoy tait -1 si le signal reu est ngatif, et +1 si le signal reu est positif. Donnez
la probabilit derreur (sous la forme dune intgrale).
Il y a erreur si
le bruit est plus grand que 1 si le signal transmis vaut -1
le bruit est plus petit que -1 si le signal transmis vaut +1.
On appelle N la v.a. Gaussienne qui reprsente le bruit. On a donc, pour le premier cas,
que la probabilit derreur est donne par :
P (N 1) = 1 P (N < 1)
o P (N < 1) est la fonction de rpartition dune Gaussienne de moyenne et de variance
2 . Par dfinition de loi de probabilit Gaussienne et de fonction de rpartition, on
obtient
P (N < 1) =
e(v)
/2 2
dv,
Un point est choisi sur un demi-disque de rayon R. Le demi-disque est centr lorigine et est
situ dans le demi-plan suprieur. On demande :
1. La loi de probabilit conjointe de ses coordonnes X et Y
2. la loi de probabilit marginale Y et sa moyenne.
3. Vrifier (2) en calculant E(Y) sans utiliser la loi marginale de Y.
Statistique Applique
16
Dpartement dlectronique
3e anne
1. La point tant choisi au hasard sur un demi-disque de rayon R, cela veut dire
2
que lon a une distribution uniforme sur le demi-disque et donc PX,Y (x, y) = R
2.
Note : cest la solution de Bertsekas, mais cest peut-tre un peu vite dit pour
nos tudiants ... Jaurais tendance dire que P () = 1/ pour [/2, /2]
et PR(r)=rR . On a donc les relations
(X, Y) = (R cos(), R sin()),
et, en tenant compte quon travaille uniquement sur le demi-disque suprieur :
p
(, R) = (arctan(Y/X), X2 + Y2 )
p
(sous contrainte que X2 + Y2 = R)
2. Pour trouver la loi marginale de Y, on intgre la loi jointe sur X :
Z
PY (y) =
A
2
dx =
R2
4A
R2
si 0 y R,
sinon.
p
o A = R2 y 2 . On a alors
E[Y] =
4
R2
y
0
p
4R
R2 y 2 dy =
3
4R
2
r sin rdrd =
2
R
3
17
Dpartement dlectronique
3e anne
Un professeur retrait se rend au bureau une heure rpartie uniformment entre 9 heures du
matin et une heure de laprs-midi, il effectue une seule tche et quitte le bureau ds quelle
est termine. La dure de cette tche est exponentiellement distribue avec un paramtre =
(y) = 1/(5 y), o y est est la longueur de lintervalle de temps entre 9 heures et le moment
de son arrive au bureau.
1. Quel est le temps moyen que le prof. consacre sa tche ?
2. Quel est lheure moyenne de la fin de sa tche ?
3. Un tudiant veut rencontrer ce prof. et arrive une heure rpartie uniformment entre
9 heures du matin et 17 heures. Si le prof. nest pas l, ltudiant part tout de suite. Si
le prof. est l, ltudiant travaille avec le prof pendant une dure uniformment rpartie
entre 0 et 1 heure. Ce rendez-vous naura pas dinfluence sur le temps que le prof. passera
sur sa propre tche. Quel est le temps moyen que le prof. consacrera son tudiant et
quel sera (en moyenne) lheure laquelle le prof. quittera son bureau ?
n
X
(Yi /vi )
i=1
n
X
(1/vi )
i=1
Exercice 3.37 S
oit X et Y deux v.a. de variance positive.
L le meilleur estimateur linaire aux moindres carrs de X bas sur Y , montrez
1. Soit X
que :
h
i
L )Y = 0,
E (X X
et que lerreur destimation est dcorrle de Y .
= E[X|Y ] lestimateur aux moindres carrs de X bas sur Y . Montrez que :
2. Soit X
h
i
L )h(Y ) = 0,
E (X X
quelque soit la fonction h.
Statistique Applique
18