618. On considère une urne contenanta boules blanches etb boules rouges. Après chaquetirage, on remetc boules de la couleur tirée dans l’urne. On effectuen tirages et on noteX lavariable aléatoire donnant le nombre de boules rouges tirées.
a) Déterminer la loi deX et calculer son espérance.
b) On considèreY la variable aléatoire donnant le numéro du premier tirage pourlequel on tire une boule rouge. Montrer queY admet une espérance et calculer la loideY .
La modélisation proposée est celle des ≪ urnes de Polya ≫. L’énoncé ne précise pas
si la boule tirée est remise ou non dans l’urne. Nous supposons qu’elle est remise, le
problème serait le même si la boule n’était pas remise, mais que l’on rajoutait c + 1 boules
de la couleur choisie. Par ailleurs, nous noterons dans l’exercice Xn au lieu de X la
variable aléatoire qui correspond au nombre de boules rouges tirées au n-ième tirage.
Au bout de ces n tirages, il y a alors a + b + nc boules dans l’urne, dont b + Xnc sont
rouges.
Précisons aussi que l’énoncé est incorrect: Y n’admet une espérance que si b⁄c > 1.
a) Notons Rk (resp. Bk) l’événement ≪ une boule rouge (resp. blanche) est tirée au ke tirage ≫. Par
la formule des probabilités composées, la probabilité de tirer k [[0,n]] boules rouges en
premier, suivies de n - k boules blanches, est P(R1∩Rk∩ Bk+1∩∩ Bn) qui
vaut
Si on
change l’ordre dans lequel on tire les k boules rouges et les n-k boules blanches, le dénominateur
ne change pas, tandis que l’ordre des facteurs du numérateur est permuté, mais le produit restera le
même. Ainsi,
Traditionnellement, l’urne de Polya est étudiée dans le cas ou c = 1 (voire aussi a = b = 1), ce qui
permet de simplifier l’expression précédente. Mais l’examinateur a souhaité dans sa grande sagesse
généraliser à des valeurs quelconques, ce qui rend la simplification du produit précédent impossible
et handicape l’exploitation de la loi pour le calcul de l’espérance. Nous allons calculer
celle-ci différemment. Il est facile d’obtenir la loi conditionnelle de Xn+1 sachant que
Xn= r:
On dispose alors d’une relation sur l’espérance conditionnelle:
d’où,
en passant à l’espérance cette égalité de variables aléatoires:
Remarquons que l’on peut obtenir cette relation par la formule standard de l’espérance, en
conditionnant les probabilités. On a alors
et
par télescopage:
d’où
E(Xn) = n⋅ La forme simple de ce résultat laisse penser qu’il y a peut-être une façon plus
simple de répondre à la question. En effet, si on avait a = b, alors le problème serait symétrique sur
les boules blanches et rouges, et donc la loi de Xn et celle de n-Xn serait la même, ce qui conduit
alors mécaniquement à E(Xn) =⋅
b) Par les calculs précédents, on a
On en déduit la loi de Y : P(Y = 1) = P(X1= 1) = et
De
plus, Y pourrait n’être pas définie: on a alors P(Y = +∞) =limn→∞P(Xn= 0).
Calculons un développement asymptotique de un:= P(Xn= 0): on écrit
Alors lnun= -+ (1⁄k2) = λ-lnn + (1) après une étude classique. Ainsi, il
existe une constante A > 0 telle que
On en déduit au passage que P(Xn= 0)-→n→+∞0 et donc que Y est définie presque sûrement.
Et Y n’admet une espérance que si b⁄c > 1.
De façon complémentaire, on peut démontrer à l’aide de la relation sur l’espérance conditionnelle
que la variable aléatoire
est
une martingale bornée, donc qui converge presque sûrement. Il en est donc de même de la
convergence presque sûre de . La loi de la limite se calcule dans les cas simples: on obtient la
loi uniforme dans le cas où a = b = c = 1, et la loi bêta de paramètres a et b lorsque a et b
sont quelconques mais c = 1. Il ne serait pas choquant que dans le cas général, la loi
limite de soit la loi bêta de paramètres et , de densité sur [0,1] proportionnelle à
xa⁄c-1(1 - x)b⁄c-1.
[Liste des corrigés]