الرئيسية

مسابقة دكتوراه 2017Université des Sciences et de la Technologie Houari Boumediène (USTHB) — الموضوع 02

مسابقة عامة · EDP · المدة: 1سا 30د

JSON import — USTHB 2017 — U.S.T.H.B — Faculté de Mathématiques — Formation doctorale Mathématiques Appliquées — Spécialités : MFA, MoDES et PSA — 26 Octobre 2017 — fichier: FB_IMG_1509283381427.jpg

التمرين 1

Exercice 1

#probabilités#espérance conditionnelle#variables indépendantes

Deux horloges AA et BB sont mises en marche au même instant (qu'on choisit comme l'instant 00). L'horloge AA (resp. BB) sonne après un temps aléatoire TAT_A (resp. TBT_B). On suppose que TAT_A et TBT_B sont deux variables aléatoires réelles indépendantes de densité respective ff et gg. On introduit les fonctions de répartitions

F(x)=P(TAx)=xf(t)dt  et  G(y)=P(TBy)=yg(t)dt.F(x) = P(T_A \le x) = \int_{-\infty}^{x} f(t)\,dt \ \text{ et } \ G(y) = P(T_B \le y) = \int_{-\infty}^{y} g(t)\,dt.

On pose p=P(TBTA) ]0,1[p = P(T_B \le T_A) \in\ ]0,1[.

1. Quelle est la loi de 1{TBTA}\mathbf{1}_{\{T_B \le T_A\}} ? Donner Var(1{TBTA})\mathrm{Var}(\mathbf{1}_{\{T_B \le T_A\}}) en fonction de pp.

2. Déterminer pp comme une intégrale en fonction de GG et ff (ou en fonction de FF et gg). Vérifier que, si TAT_A et TBT_B ont même loi, i.e. f=gf = g, alors p=1/2p = 1/2.

3. On pose S=E[1{TBTA}TA]S = \mathbb{E}\left[\mathbf{1}_{\{T_B \le T_A\}} | T_A\right] et T=E[1{TBTA}TB]T = \mathbb{E}\left[\mathbf{1}_{\{T_B \le T_A\}} | T_B\right]. Déterminer SS et TT. Donner E[S]\mathbb{E}[S] et E[T]\mathbb{E}[T].

التمرين 2

Exercice 2

#méthode de Monte-Carlo#estimation#intervalle de confiance

À travers la présente application, une méthode d'estimation du nombre π\pi est proposée. On se propose d'utiliser la variable V=1U2V = \sqrt{1 - U^2}, où UU suit la loi uniforme sur [0,1][0,1].

1. Montrer que E[V]=π4\mathbb{E}[V] = \frac{\pi}{4}.

2. En déduire, une méthode d'estimation de π\pi à partir d'un échantillon U1,U2,,UnU_1, U_2, \ldots, U_n de UU, l'estimateur ainsi défini étant noté TT.

3. Montrer que TT est sans biais et convergent.

4. À partir d'un intervalle de confiance asymptotique de π\pi obtenu par la présente méthode (au seuil de confiance 95%), déterminer le nombre minimal de variables uniformes à générer pour obtenir une précision absolue d'au moins 3%.

التمرين 3

Exercice 3

#chaînes de Markov#matrice de transition

1. Étant donné une suite (Yn)nN(Y_n)_{n \in \mathbb{N}} de variables aléatoires indépendantes de même loi, à valeurs dans un ensemble E1E_1 fini ou dénombrable, et la variable aléatoire X0X_0 indépendante des YnY_n à valeurs dans un ensemble E2E_2 fini ou dénombrable. Soit (Xn)nN(X_n)_{n \in \mathbb{N}} le processus défini par :

nN,Xn+1=f(Xn,Yn+1)=max(Xn,Yn+1),\forall n \in \mathbb{N}^*, \quad X_{n+1} = f(X_n, Y_{n+1}) = \max(X_n, Y_{n+1}),

ff est une fonction à valeurs dans E2E_2. Montrer que (Xn)nN(X_n)_{n \in \mathbb{N}} est une chaîne de Markov.

2. Soit XnX_n la v.a. égale à la valeur maximale obtenue après nn jets d'un dé. Montrer que (Xn)nN(X_n)_{n \in \mathbb{N}} est une chaîne de Markov. Déterminer sa matrice de transition et étudier la chaîne.