17.11.2013 Views

Processus de Markov, de Levy, Files d'attente, Actuariat et Fiabilité ...

Processus de Markov, de Levy, Files d'attente, Actuariat et Fiabilité ...

Processus de Markov, de Levy, Files d'attente, Actuariat et Fiabilité ...

SHOW MORE
SHOW LESS

Create successful ePaper yourself

Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.

<strong>et</strong> finalement<br />

p H y 1 + p F x 1 = pm H (1 + p FS F,n−2 )<br />

1 − p H p F S H,m−2 S F,n−2<br />

=<br />

Pour m = 2, n = 3, on trouve :<br />

<strong>et</strong><br />

y 1 =<br />

p H<br />

1 − p H p F (1 + p F ) , x 1 =<br />

p m H S F,n−1)<br />

1 − p H p F S H,m−2 S F,n−2<br />

p 2 H (1 + p F)<br />

1 − p H p F (1 + p F )<br />

p H y 1 + p F x 1 = p2 H (1 + p F + p 2 F )<br />

1 − p H p F (1 + p F )<br />

5. a) L’équation <strong>de</strong> Chapman-Kolmogorov donne imédiatement une formule explicite :<br />

P n (1, 1). On note aussi que les marches cycliques ont la matrice <strong>de</strong> transition P circulante,<br />

<strong>et</strong> donc nous avons une <strong>de</strong>composition spectrale bien-connue explicite, qui utilise<br />

les racines (complexes) <strong>de</strong> l’unité. Mais, on peut faire mieux. La matrice P n est aussi<br />

circulante, <strong>et</strong> contient donc seulement <strong>de</strong>ux inconnues : b n = P n (1, 2), c n = P n (1, 3).<br />

Soit b = P(1, 2), c = P(1, 3), a = P(1, 1) = 1 − b − c les probabilités après un pas. On<br />

trouve ( la récurrence ) ( : ) ( )<br />

bn+1 − 1/3 a − b c − b bn − 1/3<br />

=<br />

c n+1 − 1/3 b − c a − c c n − 1/3<br />

Le cas b = c = 1/2 <strong>et</strong> a = b = c = 1/3 donnent <strong>de</strong>s récurences ”<strong>de</strong>couplées”. Le cas<br />

b = 2/3, c = 1/3 est plus difficile. En utilisant l’ordinateur, on rémarque que :<br />

où v n = v n+12 est périodique.<br />

(b n − 1/3, c n − 1/3) = (1/3, 1/3) + 3 −1−n/2 v n<br />

6. a) X, le nombre total <strong>de</strong>s faces a une distribution binomiale B(n, p). Il y a <strong>de</strong>ux<br />

possibiltés : - que Marc tire une pile <strong>et</strong> perd, dans quel cas son gain sera 0, <strong>et</strong> qu’il<br />

tire une face, dans quel cas le gain sera Y =<br />

n où X ′ a une distribution binomiale<br />

1+X ′<br />

B(n, p). Donc, l’espérance du gain est<br />

Y = pE<br />

n = p<br />

1 + X ′<br />

=<br />

∑n−1<br />

k=0<br />

∑n−1<br />

k=0<br />

n<br />

1 + k<br />

n<br />

∑n−1<br />

1 + k Ck n−1 pk q n−1−k = p<br />

k=0<br />

n<br />

1 + k<br />

n!<br />

(k + 1)!(n − k − 1)! pk+1 q n−1−k =<br />

(n − 1)!<br />

k!(n − k − 1)! pk q n−1−k<br />

n∑<br />

Cn j pj q n−j = 1 − q n<br />

b) Le gain esperé d’un ”joueur aléatoire” Y = Y (X) est 0 si X = 0, a.p. q n . Au<br />

cas contraire, le ”joueur aléatoire” est gagnant avec probabilité X <strong>et</strong> perdant avec<br />

n<br />

probabilité 1 − X. Le gain esperé est toujours (1 − n qn )E[ X n<br />

] = (1 − n X qn ).<br />

Finalement, c<strong>et</strong> exercice suggère la question générale du calcul <strong>de</strong>s ”sommes binomiales”,<br />

comme par exemple<br />

S n =<br />

∑n−1<br />

i=0<br />

1 ∑n−1<br />

(i + 1) 2Ci n−1 xi =<br />

i=0<br />

j=1<br />

1<br />

(i + 1) 2Ci n−1 xi

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!