Extraits Du Concours

Ipest Prof.
Bouaziz
2023-2024 Classe MPSI1
EXTRAITS DE CONCOURS
1. Extrait de CCINP 2016: Autour de la fonction Digamma
On rappelle que la suite définie par, pour tout n ∈ N∗ ,

n
X 1
Hn = − ln(n)
k=1
k
converge vers un réel γ. On pose, pour tout entier naturel non nul
n,
n−1
X 1
ψ(n) = − γ.
k=1
k
Une urne contient n boules numérotées de 1 à n. On effectue un pre-
mier tirage d’une boule dans l’urne et on adopte le protocole suivant:
si on a tiré la boule numéro k, on la remet alors dans l’urne avec k
nouvelles boules toutes numérotées k.
On effectue ensuite un deuxième tirage d’une boule. On note X (respec-
tivement Y ) la variable aléatoire égale au numéro de la boule choisie
au premier tirage (respectivement au deuxième tirage).
(1) Déterminer la loi de la variable aléatoire X ainsi que son espérance

E(X).
(2) Déterminer la loi de la variable aléatoire Y et vérifier que pour

tout entier naturel 1 ≤ k ≤ n,
1 k
P(Y = k) = [ψ(2n + 1) − ψ(n + 1) + ].
n n+k
(3) Calculer l’espérance E(Y ).
2. Extrait de mines 2015: Théorème d’approximation de

Weierstrass
Soit n un entier strictement positif, x ∈ [0, 1] et f : [0, 1] −→ R

une fonction continue. On note X1 , . . . , Xn des variables aléatoires
mutuellement indépendantes et distribuées selon la loi de Bernoulli de
1
2 EXTRAITS DE CONCOURS
paramètre x.
On note également
• S n = X 1 + . . . + Xn .
Sn
• Zn = .
n
• Bn (f )(x) = E(f (Zn )).
(1) Rappeler, sans démonstration, la loi de Sn . En déduire, avec

démonstration, les valeurs de l’espérance et de la variance de
Sn en fonction de n et de x.
(2) En utilisant l’inégalité de Bienaymé-Tchebychev, montrer que

pour tout α > 0,

X n k 1
x (1 − x)n−k ≤ .
k
k 4nα2
0≤k≤n | n −x|≥α
(3) Montrer que :

n
X n k k
Bn (f )(x) − f (x) = x (1 − x)n−k (f ( ) − f (x))
k=0
k n
et en déduire que la suite Bn (f ))n∈N converge uniformément
vers f sur [0, 1].
On pourra utiliser le résultat de la question précédente ainsi
que le théorème de Heine.
On a donc établi le théorème d’approximation de Weierstrass

sur le segment [0, 1] : Toute fonction continue sur [0, 1] y est
limite uniforme d’une suite de poynômes.
3. Loi faible des grands nombres
Soit (Ω, P) un espace probabilisé fini.
Définition: Convergence en probabilité et en moyenne:
Soient (Un )n∈N une suite de variables aléatoires et U une variable

aléatoire définies sur (Ω, P).
? On dit que (Un )n∈N converge en probabilité vers U si:
∀ > 0, lim P(| Un − U |> ) = 0.

n−→+∞
EXTRAITS DE CONCOURS 3
?? On dit que (Un )n∈N converge en moyenne vers U si:
lim E(| Un − U |) = 0.
n−→+∞
♠ On admet que :
Si une suite (Un )n∈N de variables aléatoires converge en probabilité,

alors la limite de cette suite est une variable aléatoire presque sûrement
unique.
Notations : Soient (Xn )n∈N une suite de variables aléatoires définies

sur (Ω, P). On note :
• Sn = nk=1 Xk .
P
Sn
• Xn = , appelée moyenne empirique de X1 , . . . , Xn .
n
Soit (Xn )n∈N une suite de variables aléatoires réelles définies sur
(Ω, P) indépendantes identiquement distribuées.
(1) Enoncer et démontrer l’inégalité de Bienaymé Tchebychev.
(2) Y a-t-il un lien simple entre la convergence en moyenne et la

convergence en probabilité? justifier.
(3) Calculer l’espérance et la variance de Xn .
(4) Montrer que (Xn )n converge en probabilité vers E(X1 ).
? Ce résultat est connu sous le nom ”Loi faible des grands

nombres.
4. Centrale 2016: Autour du pile ou face (Loi forte des

grands nombres)
On considère une suite (Xn )n≥1 de variables aléatoires mutuellement

indépendantes, à valeurs dans {−1, 1} et telles que, pour tout k ∈ N∗ ,
1
P(Xk = 1) = P(Xk = −1) =
2
∗
Pour tout n ∈ N , on pose Sn = X1 + . . . + Xn .
4 EXTRAITS DE CONCOURS
Sn
On se propose de démontrer que la suite ( )n≥1 converge presque
n
sûrement vers 0, c.a.d qu’il existe un événement négligeable Z ∈ P(Ω)
tel que:
Sn (w)
∀w ∈ Ω \ Z, lim = 0.
n−→+∞ n
Pour tout n ∈ N∗ , on pose
Sn 4 1
Un = ( ) et Zn = {w ∈ Ω, ∃k ≥ n, Uk (w) ≥ √ }.
n k
∗ 4 2
(1) Montrer que, pour tout n ∈ N , E(Sn ) = 3n − 2n.
1 3
(2) Montrer que, pour tout n ∈ N∗ , P(Un ≥ √ ) ≤ 3 .
n n2
(3) Montrer que limn−→+∞ P(Zn ) = 0.
(4) En considérant
Z = ∩n∈N∗ Zn ,
Sn
Montrer que ( )n≥1 converge presque sûrement vers 0.
n

Extraits Du Concours

Transféré par

Droits d'auteur :

Formats disponibles

Extraits Du Concours

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Extraits Du Concours

Transféré par

Droits d'auteur :

Formats disponibles

Ipest Prof.

1. Extrait de CCINP 2016: Autour de la fonction Digamma

On rappelle que la suite définie par, pour tout n ∈ N∗ ,

(1) Déterminer la loi de la variable aléatoire X ainsi que son espérance

(2) Déterminer la loi de la variable aléatoire Y et vérifier que pour

2. Extrait de mines 2015: Théorème d’approximation de

Soit n un entier strictement positif, x ∈ [0, 1] et f : [0, 1] −→ R

(1) Rappeler, sans démonstration, la loi de Sn . En déduire, avec

(2) En utilisant l’inégalité de Bienaymé-Tchebychev, montrer que

(3) Montrer que :

On a donc établi le théorème d’approximation de Weierstrass

3. Loi faible des grands nombres

Soit (Ω, P) un espace probabilisé fini.

Définition: Convergence en probabilité et en moyenne:

Soient (Un )n∈N une suite de variables aléatoires et U une variable

? On dit que (Un )n∈N converge en probabilité vers U si:

∀ > 0, lim P(| Un − U |> ) = 0.

?? On dit que (Un )n∈N converge en moyenne vers U si:

Si une suite (Un )n∈N de variables aléatoires converge en probabilité,

Notations : Soient (Xn )n∈N une suite de variables aléatoires définies

(1) Enoncer et démontrer l’inégalité de Bienaymé Tchebychev.

(2) Y a-t-il un lien simple entre la convergence en moyenne et la

(3) Calculer l’espérance et la variance de Xn .

(4) Montrer que (Xn )n converge en probabilité vers E(X1 ).

? Ce résultat est connu sous le nom ”Loi faible des grands

4. Centrale 2016: Autour du pile ou face (Loi forte des

On considère une suite (Xn )n≥1 de variables aléatoires mutuellement

Vous aimerez peut-être aussi

∀ > 0, lim P(| Un − U |> ) = 0.