Inscription / Connexion Nouveau Sujet
Accueil l'île des mathématiques Forum de mathématiquesListe de tous les forums de mathématiques SupérieurOn parle exclusivement de maths, pour le supérieur principalement, les BTS, IUT, prépas... LicenceMaths 2e/3e a ProbabilitésTopics traitant de probabilités [tout]Lister tous les topics de mathématiques
Niveau LicenceMaths 2e/3e a
Partager :

Probabilité

Posté par
DDb 30-09-23 à 17:54

Bonjour,

J'ai un exercice à résoudre dont voici l'énoncé sur lequel je rencontre des difficultés :

Cinq personnes sont invitées à une fête en l'honneur d'un officiel, la fête débute au temps t = 0. Les temps d'arrivée de ces cinq
invités sont des variables aléatoires indépendantes avec moyenne commune égale à 2, et le temps d'arrivée de l'officiel est une variable aléatoire exponentielle avec moyenne égale à 1. Si X désigne le nombre d'invités qui arrivent après l'officiel, évaluez
E (X|X<2).

Pour résoudre cela, j'ai essayé de conditionner l'évènement sur le temps d'arrivé de l'officiel sachant que la probabilité est connue car suivant une loi exponentielle.  Mais je n'arrive pas à trouver l'espérance demandée, quelqu'un aurait une idée ?

Merci.

Posté par
GBZMre : Probabilité 01-10-23 à 10:56

Bonjour,

On ne te dit rien dans l'énoncé sur la loi du temps d'arrivée des invités ? N'aurais-tu pas oublié "exponentielles" ?
À part cela, E(X|X<2) s'exprime facilement en fonction de P(X=0) et P(X=1). Reste à calculer ces probabilités, ce qui nous ramène à la question ci-dessus.

Posté par
DDbre : Probabilité 01-10-23 à 12:47

Je vous remercie pour votre réponse. Après vérification de l'énoncé, je n'ai aucune information sur la loi suivie par le temps d'arrivé des invité à part que la moyenne est de 2.

Voila ce que j'ai fait:
P(X=0)  = [smb]integrale)[/[smb]] P(X=0|T=t) P(T=t) dt
or P(T=t) = exp(-t) (loi exponentielle)
P(X=1)  = [smb]integrale[/[smb]] P(X=1|T=t) P(T=t) dt

mais je ne parviens pas à déterminer la valeur de P(X=0|T=t) et de P(X=1|T=t) . J'ai pensé qu'il pourrait s'agir d'une binomiale avec "succès : arriver avant l'officiel" et "échec : arriver après" mais que valent les paramètres de la binomiale ?

Je vous remercie.

Posté par
GBZMre : Probabilité 01-10-23 à 13:47

Bien que tu ne le dises pas, je comprends que ton T est la variable aléatoire "temps d'arrivée de l'officiel".
On a aussi 5 variables aléatoires U_i pour i=1,\ldots,5 qui sont les temps d'arrivée des invités. Si on n'a pas d'autre information sur ces U_i que le fait qu'elles sont indépendantes et que leur espérance est 2, on ne peut pas calculer : si elles sont uniformes sur [0,4], ou exponentielles de moyenne 2, on n'a pas le même résultat ! C'est une faute de l'énoncé de ne pas préciser leur loi. Le plus vraisemblable est que les U_i suivent aussi une loi exponentielle.
Peux-tu exprimer l'événement X=0 en termes de T et des U_i ? Pareil pour X=1 ?

Posté par
DDbre : Probabilité 01-10-23 à 14:31

Oui effectivement, j'ai oublié de le mentionner dans mon message précédent mais T est la variable aléatoire du temps d'arrivé de l'officiel.

Pour les évènements, je pense que l'on peut écrire ainsi :
{x=0} = { Ui <t |T<t}

et {X=1} = [(U_1 >T) (U_2 < T) (U_3 < T) (U_4 < T) (U_5 < T)] [(U_1 < T) (U_2> T) (U_3 < T) (U_4 < T) (U_5 < T)] [(U_1 < T) (U_2 < T) (U_3> T) (U_4 < T) (U_5 < T)] [(U_1 < T) (U_2 < T) (U_3 < T) (U_4 >T) (U_5 < T)] [(U_1 < T) (U_2 < T) (U_3 < T) (U_4 < T) (U_5> T)]

Est-ce exact?

Posté par
DDbre : Probabilité 01-10-23 à 14:34

Pour l'évènement {x=0} c'est plutôt un conditionnement sur T=t

{x=0} = { Ui <t |T=t}

Posté par
GBZMre : Probabilité 01-10-23 à 14:55

Hum...
X=0 ne veut-il pas dire que tous les invités arrivent après l'officiel ?
Ce que tu as fait pour X=1, pourquoi ne le fais-tu pas pour X=0 ?
J'écrirais
\{X=1\}= \bigcup_{i=1}^5\left(\{X_i\leq T\}\cap\bigcap_{j\neq i} \{X_j>T\}\right)

Posté par
DDbre : Probabilité 01-10-23 à 15:01

Sachant que X désigne le nombre d'invités qui arrivent après l'officiel, du coup c'est pas plutôt l'inverse ?
X=0 voudrait pas plutôt dire  que tous les invités arrivent avant l'officiel ?

Posté par
GBZMre : Probabilité 01-10-23 à 18:52

Oui, j'ai confondu "avant" et "après". Mais les changements à faire sont clairs, je te les laisses.
Tout ça se calcule bien si on sait par exemple que les U_i suivent une loi exponentntielle.

Posté par
DDbre : Probabilité 01-10-23 à 20:10

Je vous remercie pour votre réponse.
Si on considère que les U_i suivent une loi exponentielle de paramètre 2, voila ce que j'obtiens, est-ce exact ?

P(X=0) = \prod_{i=1}^{5}{P(U_i<t) P(T=t)} = \prod_{i=1}^{5}{exp(-t)(1-exp(-2t))} = exp(-5t) (1-exp(-2t))^5

et P(X=1) = \sum_{i=1}^{5}{(\prod_{i\neq j}^{}{P(X_j<t)P(X_i>t))exp(-t)}} = \sum_{i=1}^{5}{\prod_{i\neq j}^{}{(1-exp(-2t)exp(-2t)) exp(-t)}} = 4(1-exp(-2t))^4 exp(-8t)exp(-t) = 4 (1-exp(-2t))^4exp(-9t)

Posté par
GBZMre : Probabilité 01-10-23 à 20:29

Tu vois bien que ça ne peut pas aller :ton P(X=0) dépend d'un t !
Pourtant tu as une description en termes d'inégalités entre les U_i et T de l'événement \{X=0\}.
Tu as aussi la desité de probabilité conjointe des T,U_1,\ldots ,U_5. Tout ce qu'il faut pour calculer P(X=0).

Posté par
DDbre : Probabilité 01-10-23 à 20:51

Oui pardon effectivement...
En refaisant les calculs voila ce que j'obtiens : P(X_i<T) = \int_{0}^{infini}{ P(X_i<t) P(X=t)} = \int_{0}^{infini}{(1-exp(-2t))exp(-t)} = 2/3
Donc P(X=0) = (2/3)^5

De même P(X=1) = 5*(\frac{2}{3})^4*\frac{1}{3}

Posté par
DDbre : Probabilité 01-10-23 à 20:56

Mais alors X suivrait une loi binomiale de paramètre B(5, 2/3) ?

Posté par
GBZMre : Probabilité 01-10-23 à 20:59

Es-tu sûr que \{X_1<T\} est indépendant de \{X_2<T\} ?

Posté par
DDbre : Probabilité 01-10-23 à 21:06

Dans l'énoncé il est mentionné que les X_i sont indépendants donc j'ai pensé que les évènements {X_1< T}  et {X_2< T} étaient indépendants. N'est-ce pas exact ?

Posté par
GBZMre : Probabilité 01-10-23 à 22:59

T intervient dans les deux événements.
Pense à l'exemple de tirage de 3 dés rouge, vert et bleu. Si le n° tiré par le rouge est plus grand que celui tiré par le bleu, est-ce que ça ne donne pas plus de chances qu'il soit aussi plus grand que celui tiré par le vert ?

Posté par
DDbre : Probabilité 02-10-23 à 00:22

Ah oui je vois le problème...
Du coup est ce que cela marcherait ? :

P(X=k) \int_{0}^{infini}{P(X=k|T=t)P(T=t)}
Or une fois (T=t) fixé, X suit une distribution binomiale de paramètre n=5 et P=\int_{t}^{infini}{2exp(-2k) dk} = exp(-2t)

Donc P(X=k) = \int_{0}^{infini}{(\frac{n!}{k!(n-k)!})(exp(-2t)^k(1-exp(-2t))^{n-k}exp(-t) dt} = 2 \frac{n!}{k!(n-k)!} \int_{0}^{1}{u^{k-1/2} (1-u)^{n-k}du}         ( changement de variable u = exp(-2t))
d'où, P(X=1) = 10\int_{0}^{1}{u^{1/2}(1-u)^{n-k}du}

Puis par calcule du résultat sur le logiciel R, on a P(X=1) = 0,7388

Ainsi, E(X|X<2) = 0,7388

Posté par
DDbre : Probabilité 02-10-23 à 00:26

Pour la dernière ligne en remplaçant k=1 et n=5 c'est plutôt ça

P(X=1) = 10\int_{0}^{1}{u^{1/2}(1-u)^{4}du}

Posté par
GBZMre : Probabilité 02-10-23 à 10:03

Non, ça ne va pas.
Quand on tâtonne comme ça, il peut venir à l'idée de faire une simulation, pour voir si on est à côté de la plaque.
Ce n'est pas très difficile de faire une simulation en python, puisqu'on trouve des distributions exponentielles dans son module random : random.expovariate(lambd). Alors allons-y : 

import random as rd

# Une expérience
def unX() :
    T=rd.expovariate(1)
    X=0
    for _ in range(5) :
        U=rd.expovariate(1/2)
        if U>T : X+=1
    return X

# Statistique sur n expériences
def RepX(n) :
    R=6*[0]
    for _ in range(n) :
        R[unX()]+=1
    return R


Regardons la statistique sur 100 000 expériences (ça va vite !) 
%time
RepX(100000)

CPU times: user 4 µs, sys: 0 ns, total: 4 µs
Wall time: 6.91 µs

[4716, 9501, 14562, 18948, 23732, 28541]

Dans environ 9,5% des expériences, on obtient X=1. On est très très loin de ton P(X=1)=0,7388. Tu es donc nettement à côté de la plaque

Reprenons les choses dans l'ordre. Tu as 6 variables aléatoires en jeu, et tu connais leur distribution conjointe. Tu as un événement qui est décrit par une combinaison booléenne d'inégalités portant sur ces variables aléatoires ; cette combinaison d'inégalités décrit un sous-ensemble de \mathbb R^6 (en fait de (\mathbb R_+)^6). La probabilité de cet événement se calcule donc en intégrant la distribution conjointe sur ce sous-ensemble, n'est-ce pas ?

Enfin ton calcul de l'espérance conditionnelle E(X|X<2) ne va pas, ce n'est sûrement pas égal à P(X=1). Reviens à la définition de l'espérance conditionnelle.

Posté par
DDbre : Probabilité 02-10-23 à 10:58

Je vous remercie pour votre réponse.
Mon problème est que je ne vois pas comment calculer les probabilités conjointes de chacun des évènements (X_i<T) car comme vous me l'avez expliquer ces événements ne sont pas indépendants.

Posté par
GBZMre : Probabilité 02-10-23 à 11:48

Je ne parle pas de probabilité jointe mais de DENSITÉ jointe (ou conjointe). Puisque les variables aléatoires T,U_1,\ldots,U_5 sont indépendantes, leur densité jointe f(t,u_1,\ldots,u_5) est le produit des densités f_T(t)\times \prod_{i=1}^{5}f_{U_i}(u_i)
Tu ne connais pas cette notion de densité jointe ?

Posté par
DDbre : Probabilité 02-10-23 à 12:18

Je ne connaissais effectivement pas cette notion de densité conjointe.
Mais alors du coup on obtient que :
f(t,u_1,\ldots,u_5) = f_T(t)\times \prod_{i=1}^{5}f_{U_i}(u_i) = 2^5 exp(-t) \prod_{i=1}^{5}{exp(-2U_i)}

Posté par
GBZMre : Probabilité 02-10-23 à 12:28

Pas tout à fait, le \lambda paramètre d'une loi exponentielle n'est pas la moyenne, mais l'inverse de la moyenne.

Posté par
DDbre : Probabilité 02-10-23 à 12:33

Ah oui donc
f(t,u_1,\ldots,u_5) = f_T(t)\times \prod_{i=1}^{5}f_{U_i}(u_i) = \frac{1}{2^5} exp(-t) \prod_{i=1}^{5}{exp(-\frac{u_i}{2})}

Posté par
GBZMre : Probabilité 02-10-23 à 12:49

Oui.

Posté par
DDbre : Probabilité 02-10-23 à 12:53

Je viens de reprendre ma méthode précédente mais avec lambda = 1/2 et on obtient bien :
P(X=1) = 10\int_{0}^{1}{u^2 (1-u)^4} = 0,0952
donc comme obtenu sur Python !

Posté par
DDbre : Probabilité 02-10-23 à 12:58

Par contre, pour calculer l'espérance, on a bien la formule ? :

E(X|X<2) = \sum_{k=0}^{5}{}{k P(X = k|X<2)}

Posté par
GBZMre : Probabilité 02-10-23 à 13:14

Oui, et ça se simplifie.

Posté par
GBZMre : Probabilité 02-10-23 à 13:21

Et ton P(X=1) s'écrit plus agréablement comme 2/21.

Posté par
DDbre : Probabilité 02-10-23 à 13:25

Oui et donc est ce que cela donnerait ?:

E(X|X<2) = P(X=0) + P(X= 1) = \int _0^1\:2u\left(1-u\right)^5du + \int _0^1\:10u^2\left(1-u\right)^4du = 1/21 + 10/105 = 1/7 = 0,1429

Posté par
GBZMre : Probabilité 02-10-23 à 13:50

Non, tu n'appliques pas bien ta formule.

Posté par
DDbre : Probabilité 02-10-23 à 13:58

on n'a pas ? :

[tex]E(X|X<2) = \sum_{k=0}^{5}{}{k P(X = k|X<2)} = \sum_{k=0}^{1}{k ( P(X=0) + P(X=1) )}

Posté par
GBZMre : Probabilité 02-10-23 à 14:07

Ta deuxième égalité est fausse.
Commençons par : qu'est-ce que P(A\mid B) ? Qu'est-ce que P(X=k\mid X<2) ?

Posté par
DDbre : Probabilité 02-10-23 à 14:15

Je crois que l'on a :  

P(A\mid B) =\frac{P(A\bigcap{B})}{P(B)}

Donc P(X=k\mid X<2) = \frac{P(X=k\bigcap{X<2)}}{P(X<2)}

Posté par
GBZMre : Probabilité 02-10-23 à 14:20

Il vaudrait mieux être sûr et connaître à fond cette définition.
Ensuite ? Tu as l'ai d'avoir perdu de vu que X<2, c'est tout simplement X=0 ou X=1.

Posté par
GBZMre : Probabilité 02-10-23 à 14:21

oups, des coquilles : tu as l'air ...

Posté par
DDbre : Probabilité 02-10-23 à 14:43

Oui mais donc on a :

P(X=k\mid X<2) = \frac{P(X=k\bigcap{X<2)}}{P(X<2)} = 7 * P(X=k\bigcap{X<2)}.

Mais que vaut P(X=k\bigcap{X<2)} ? Ne vaut-il pas également P(X<2) ?

Posté par
DDbre : Probabilité 02-10-23 à 14:56

Sinon, au vu de la définition de P(X=k), ne peut on pas dire que X suit une loi Béta incomplète de paramètre (k+2,6-k) donc
E(X|X<2) = E(X=0) + E(X=1) = 2/8 + 3/6 = 0,75 ?

Posté par
GBZMre : Probabilité 02-10-23 à 14:58

Oh la, ça déraille complètement. Fais un "control reset".
Je répète : \{X<2\}= \{X=0\}\cup \{X=1\} (union disjointe).
Qu'est-ce que l'événement "X=k et X<2" (réponse à donner en fonction de k) ?

Posté par
DDbre : Probabilité 02-10-23 à 15:04

Oui donc
P(X<2) = P(X=0) + P(X=1) = 1/7  (calculé au dessus)
et :

P(X\bigcap{X}<2)= \sum_{k=0}^{1}{P(X=k)}

Posté par
DDbre : Probabilité 02-10-23 à 15:05

Donc l'événement "X=k et X<2" est "x=0 ou X=1"

Posté par
GBZMre : Probabilité 02-10-23 à 15:12

Ton écriture P(X\cap X<2) n'a pas de sens. Ton "control reset" n'a pas marché.
Ça n'a rien de sorcier, c'est juste du bon sens.
Je répète : décrire l'événement "X=k et X<2" pour k=0,1,...,5.
Pour k)0 c'est ...
Pour k=1 c'est ...
Pour k=2 c'est ...
...

Posté par
DDbre : Probabilité 02-10-23 à 15:18

Pour k =0 c'est " aucune personne n'est arrivée après l'officiel"
Pour k=1 c'est "une personne est arrivée après l'officiel"
Pour k=2 c'est " impossible car on a la limitation X<2 "

Posté par
GBZMre : Probabilité 02-10-23 à 15:32

Autrement dit : pour k=0 c'est X=0, pour k=1 c'est X=1 et pour k >1 c'est le vide.
Bon, maintenant reprends ta formule pour E(X|X<2) et applique-la correctement.

Posté par
DDbre : Probabilité 02-10-23 à 15:42

On a :

E(X|X<2) = \sum_{k=0}^{5}{}{k P(X = k|X<2)} = \sum_{k=0}^{5}{k * \frac{P(X=k\bigcap{X<2)}}{P(X<2)}} = \frac{P(X=1)}{P(X<2)} = 7*2/21 = 2/3

Posté par
GBZMre : Probabilité 02-10-23 à 15:49

Ouf !
Mais tout ça, c'est bien sûr en supposant que l'énoncé a oublié de dire que les temps d'arrivée des invités suivent une loi exponentielle.

Posté par
DDbre : Probabilité 02-10-23 à 15:52

Enfin !!! Merci beaucoup pour l'aide apporté !

Oui en effet, cela ne marche que si l'énoncé a oublié de mentionné qu'il s'agit de loi exponentiel, mais c'était plus pour comprendre que pour simplement résoudre un exercice.

Merci beaucoup à vous.

Posté par
GBZMre : Probabilité 02-10-23 à 16:00

Avec plaisir.

Avec python, on peut, en plus de faire une simulation, faire faire le calcul exact en utilisant le module Sympy. 

# Calcul théorique
from sympy import *

t=Symbol('t')

Rth=[binomial(5,k)*integrate(exp(-t)*exp(-t/2)**k\
                            *(1-exp(-t/2))**(5-k),(t,0,oo))
                               for k in range(6)]

for k in range(6) :
    print("Probabilité que X = {} : {}".format(k,Rth[k]))


Probabilité que X = 0 : 1/21
Probabilité que X = 1 : 2/21
Probabilité que X = 2 : 1/7
Probabilité que X = 3 : 4/21
Probabilité que X = 4 : 5/21
Probabilité que X = 5 : 2/7

Posté par
GBZMre : Probabilité 02-10-23 à 16:57

Quand on voit une si belle progression arithmétique, on peut se demander : y a-t-il un moyen d'y arriver plus vite ?

Posté par
DDbre : Probabilité 02-10-23 à 20:35

Ah oui effectivement !
Je ne vois pas comment on aurait pu le "voir" avant ?


Rechercher
Menu
Espace membre
Changer d'île

Vous devez être membre accéder à ce service...

Pas encore inscrit ?

1 compte par personne, multi-compte interdit !

Ou identifiez-vous :

Rester sur la page

Inscription gratuite

Fiches en rapport

parmi 1673 fiches de maths

Désolé, votre version d'Internet Explorer est plus que périmée ! Merci de le mettre à jour ou de télécharger Firefox ou Google Chrome pour utiliser le site. Votre ordinateur vous remerciera !