Skip to content
TheChatArchiveThe Chat Archive
gpt-4-0314· OpenAIAi2 WildChat-4.8M (AI2)

Exercice 1. Une urne contient n jetons numérotés de 1 à n. On effectue N tirages…

  1. User

    Exercice 1. Une urne contient n jetons numérotés de 1 à n. On effectue N tirages successifs avec remise. Xi désigne le nombre de tirages du jeton i.

    1. Déterminez la loi de Xi, son espérance et sa variance.
    2. Déterminez la loi de X = ∑n i=1 Xi, son espérance et sa var
  2. Assistant

    iance.

    Solution:

    1. La loi de Xi: Puisqu'il y a n jetons, chaque tirage a une probabilité 1/n de sélectionner le jeton i. Les tirages étant successifs avec remise, chaque tirage est indépendant des autres. Ainsi, Xi suit une loi binomiale avec les paramètres N (le nombre de tirages) et p = 1/n (la probabilité de sélectionner le jeton i). On note cela comme suit: Xi ~ B(N, 1/n).

    Espérance de Xi: L'espérance d'une variable aléatoire qui suit une loi binomiale B(N, p) est donnée par E(Xi) = Np. Dans notre cas, l'espérance de Xi est E(Xi) = N(1/n) = N/n.

    Variance de Xi: La variance d'une variable aléatoire qui suit une loi binomiale B(N, p) est donnée par Var(Xi) = Np(1 - p). Dans notre cas, la variance de Xi est Var(Xi) = N(1/n)(1 - 1/n) = (N/n)(n - 1)/n = N(n - 1)/n^2.

    1. La loi de X: X est la somme des variables aléatoires Xi (i = 1, ..., n), chacune suivant une loi binomiale avec les paramètres N et 1/n. La loi de X n'est pas une simple loi binomiale, car les Xi ne sont pas identiquement distribués (ils ont la même probabilité de succès p = 1/n, mais des paramètres différents). Cependant, on peut déterminer l'espérance et la variance de X en utilisant les propriétés des sommes de variables aléatoires.

    Espérance de X: L'espérance d'une somme de variables aléatoires est égale à la somme de leurs espérances. Ainsi, on a E(X) = E(X1) + ... + E(Xn). Comme l'espérance de chaque Xi est E(Xi) = N/n, on a E(X) = n(N/n) = N.

    Variance de X: La variance d'une somme de variables aléatoires indépendantes est égale à la somme de leurs variances. Ainsi, on a Var(X) = Var(X1) + ... + Var(Xn). Comme la variance de chaque Xi est Var(Xi) = N(n-1)/n^2, on a Var(X) = n(N(n-1)/n^2) = N(n-1).

Responses were produced in different, uncontrolled contexts (system prompts, settings, prior turns). This is not a benchmark.