Mon parcours pour réussir en maths
Je révise en autonomie
Je progresse avec un prof
Je m’entraîne sur des annales corrigées
Avis Google France
★★★★★ 4,9 sur 5
Mon parcours pour réussir en ECS2
Je révise en autonomie
Je progresse avec un prof
Je m’entraîne sur des annales corrigées
Avis Google France
★★★★★ 4,8 sur 5
Corrigé du sujet HEC Maths 2 ECS 2019
Revenir à tous les corrigés des annales maths BCE
Partie I. Fonction logistique et lois logistiques
1/ a/ Pour tout , on a . La fonction est de classe sur en tant qu’inverse de fonction de classe sur qui ne s’annule pas. De plus,
donc est strictement croissante sur . Enfin, les limites ne posent pas de problème, on a
On en déduit que est continue et strictement croissante donc réalise une bijection de dans .
Déterminons sa bijection réciproque : soit et tels que
= y
1/ b/ D’après le calcul précédent :
1/ c/ On pose la fonction définie sur par . est dérivable en tant que somme de telles fonctions et
de plus
donc, comme est continue et strictement décroissante sur , elle réalise une bijection de dans donc en particulier, il existe un unique , tel que , i.e. .
1/ d/ Avec les notations précédentes, l’inégalité demandée est en fait
Or est de classe sur et sa dérivée vérifie
donc par l’inégalité des accroissements finis, on a bien
2/ a/ On rappelle la notation .
On utilise l’algorithme de dichotomie avec la fonction pour estimer la valeur de tel que .
Comme est décroissante et que et , on sait, par le théorème de la bijection, que s’annule sur donc on peut restreindre l’étude de sur pour trouver une valeur approchée de : cela justifie les choix de et .
La condition revient donc à donc comme est décroissante, la condition signifie que la fonction s’annule sur , sinon, la fonction s’annule sur . On propose donc
Lambda(c)>c then a=c ; else b=c; end;
2/ b/ À la fin de la boucle while, on sait que l’on aura , donc
c’est-à-dire que tout élément de l’intervalle est distant du milieu de l’intervalle, , d’au plus . Ainsi, est une approximation de à près.
La valeur maximale que l’on peut affectée en ligne (4) est donc .
2/ c/ Le renvoyé par Scilab n’est pas le vrai , mais n’est qu’une valeur approchée. D’après l’inégalité 1.d), on peut dire que la valeur numérique renvoyée par l’instruction (10) est un nombre compris entre et , a priori plus petite en valeur absolue que l’erreur commise.
3/ a/ On a vu en question 1.a) que est une fonction de répartition d’une variable à densité. De plus, comme est de classe sur tout , sa dérivée est bien une densité.
3/ b/ On rappelle que
donc
la fonction est donc paire.
La fonction est de classe en tant que rapport de telles fonctions et
et
On voit que ne s’annule qu’en . De plus, est positive sur et négative sur donc est croissante sur et décroissante sur et sa courbe représentative présente une tangente horizontale en .
Déterminons les points d’inflexion : le signe de dépend uniquement de . On effectue le tableau de signes suivant :
On en déduit que la courbe représentative de présente deux points d’inflexions en et . De plus, est convexe sur et et concave sur .
Remarque : On a
donc . Cela confirme que la fonction est paire et que les points d’inflexion sont bien symétriques l’un par rapport à l’autre par la droite des ordonnées.
On a représenté ici (grâce à Geogebra) la courbe représentative de la fonction dans un repère orthogonal (mais non orthonormé), en représentant aussi les tangentes au points d’abscisses (ce sont les points d’inflexion, on constate que les tangentes « traversent » bien la courbe en ces points) et (tangente horizontale). On rappelle que .
4/ a/ Soit une variable aléatoire suivant la loi logistique standard. Montrons que admet des moments à tout ordre. Soit , admet un moment d’ordre si et seulement si
converge absolument. La fonction est continue et positive sur et comme elle est paire sur , on sait que
or, par croissance comparée, au voisinage de
donc donc par comparaison d’intégrales de fonctions positives, on en déduit que l’intégrale
converge, donc par parité, l’intégrale
converge absolument. On en déduit que admet un moment d’ordre , pour tout .
Si , alors suit une loi logistique standard et donc admet un moment d’ordre , pour tout , donc
admet une espérance comme combinaison linéaire de variables aléatoires admettant une espérance.
Calcul de l’espérance de :
On en déduit que . On en déduit alors que si suit la loi logistique donc
4/ b/ On utilise la méthode d’inversion pour simuler la loi logistique standard. Si , alors montrons que suit la loi logistique standard. En effet, si on note la fonction de répartition de , alors pour tout
On en déduit que suit bien une loi logistique standard. Ainsi, pour simuler une loi logistique , on utilise le fait que si suit une loi logistique standard, on a . On propose donc le programme suivant : on initialise une matrice au format adaptée puis on la remplit en utilisant deux boucles imbriquées :
function S=grandlogis(n,p,r,s)
S = zeros(n,p)
for i=1:n
for j=1:p
U = rand() on simule une loi uniforme sur ]0,1[
Z = log(U/(1-U)) // L(U)
S(i,j) = s*Z + r
end
end
endfunction
4/ c/ Soit . Tout d’abord, par la formule de Koenig-Huygens, on a
Si on dispose d’un -échantillon i.i.d. de même loi que (de loi logistique ), , alors est un -échantillon i.i.d. admettant un moment d’ordre (car admet un moment d’ordre ), donc par la loi faible des grands nombres
Ainsi, on propre le script suivant pour calculer une valeur approchée de et (donc de en retranchant ) en utilisant la loi faible des grands nombres (méthode de Monte-Carlo)
r = input() on laisse l’utilisateur choisir les paramètres
s = input()
n = 10000 n suffisamment grand
Y = grandlogis(n,1,r,s)
S = 0
for i=1:n
S = S + Y(i)^2
end
S = S/n – r^2
disp(S)
Remarque : Les lignes 5 à 9 du programme précédent peuvent être remplacées par : S = mean(Y.^2) – r^2
5/ a/ On écrit
On commence par déterminer une densité de et de .
Soit la fonction de répartition de et celle de : soit
On en déduit que et sont bien des variables à densités (car et sont de classe sur ) et admettent respectivement comme densité
Montrons que le produit convolution est bien défini. On a continue sur et
donc est bornée. On en déduit que existe bien et définit une densité de probabilité.
Comme et sont indépendantes (car et sont indépendantes), alors est une variable à densité admettant comme densité.
Calculons maintenant : soit
=
=
=
On effectue alors le changement de variable (ce changement de variable est valide car est de classe et strictement croissante sur ),
=
=
=
()
=
=
On en déduit que admet pour densité donc suit bien une loi logistique standard.
5/ b/ On en déduit le programme suivant permettant de simuler une variable aléatoire suivant la loi logistique standard
U = grand(1,2,’exp’,1) (on simule U1 et U2)
Z = log(U(1)/U(2))
disp(Z)
COURS DE MATHS
Les meilleurs professeurs particuliers
Pour progresser et réussir
Avis Google France ★★★★★ 4,9 sur 5
Partie II. Variance de la loi logistique standard
6/ a/ On a et .
6/ b/ Soit . Pour tout , on a et donc . De plus, son coefficient dominant est
Pour le coefficient du monôme en , on écrit d’une part
donc la contribution de pour le monôme est
On en déduit que le coefficient devant pour vaut
6/ c/ On sait que est de degré et on connait son coefficient dominant, donc en posant ses racines (non nécessairement deux à deux distinctes), on peut écrire
Si on développe cette expression, on s’aperçoit que le coefficient devant le monôme vaut
En effet, en développant, les termes facteurs de sont ceux pour lesquels on a choisi fois et une fois l’un des et il y en a que l’on somme.
On identifie alors les coefficients devant le monôme et on obtient
7/ a/ Tout d’abord
donc on a bien
Ensuite, par le binôme de Newton, on écrit
Or, on sait que (par une récurrence élémentaire par exemple)
donc si on prend la partie imaginaire de la somme, seuls les indices impairs restent. On obtient
7/ b/ Soit (ce qui assure que ), on a
On peut donc conclure.
7/ c/ On remarque alors que pour tout , si on pose , on a
Or la fonction est strictement décroissante sur (en effet, sa dérivée ) donc injective ce qui permet de dire si on pose pour tout , , que les sont deux à deux distincts. Ainsi, on a trouvé les racines du polynôme , donc
8/ a/ On peut étudier les fonctions et sur ou bien on peut remarquer que la fonction est concave sur et la fonction est convexe (en effet, la dérivée seconde de est la fonction qui est négative sur et la dérivée seconde de est qui est positive sur ) de plus, la droite d’équation
est la tangente en à la fois pour la courbe de la fonction sinus et de la fonction tangente donc par propriété de la convexité
Ensuite, comme sur , on peut écrire
ce qui est l’inégalité demandée.
8/ b/ On remarque que pour tout , on a
En utilisant l’inégalité précédente, on obtient donc
on a donc d’une part
et d’autre part, par l’inégalité précédente
On obtient donc
8/ c/ On a donc, pour tout
or
donc par encadrement, on en déduit que
9/ a/ On rappelle que donc par la formule de Koenig-Huygens
Notamment, l’intégrale converge en .
Pour tout , on a par intégration par partie (la fonction est bien de classe sur et sa dérivée est )
or, par croissance comparée
donc en passant à la limite lorsque , on obtient que non seulement que l’intégrale converge bien mais on a aussi
9/ b/ Soit et soit , on a par linéarité de l’espérance
On justifie maintenant que les intégrales présentes convergent en en précisant qu’au voisinage de
on conclut par le critère de comparaison d’intégrales de fonctions positives. On peut donc passer à la limite lorsque et on obtient exactement ce qui est attendu.
9/ c/ On a, pour tout ,
donc par croissance de l’intégrale
or, si on considère , alors
On en déduit que donc par encadrement, on obtient
On en déduit que lorsqu’on passe à la limite quand dans l’égalité de 9.c), on obtient
On rappelle que l’intégrale se calcule en passant par l’espérance d’une variable aléatoire suivant la loi .
9/ d/ On sait que
on souhaite déterminer la valeur de la somme suivante
Pour tout , on pose
On sait donc que . De plus, on remarque que
donc . On en déduit que
On en déduit que
10/ a/ Les fonctions et sont continues et positives sur . De plus, en , on a par croissance comparée
donc et donc comme converge (intégrale de Riemann avec ), on en déduit par comparaison d’intégrale de fonctions positives que
convergent.
Enfin, en , on a par croissance comparée
on en déduit que et donc comme converge, par comparaison d’intégrales de fonctions positives,
convergent.
On en déduit que converge (car converge absolument) et que converge.
10/ b/ Si on considère , alors par théorème de transfert
et donc par la formule de Koenig Huygens : .
Or, par la question 5.a), on sait que si et sont deux variables indépendantes de loi exponentielle de paramètre , alors
suit une loi logistique standard. Ainsi, par indépendance
Or donc .
COURS A DOMICILE
Des cours sur mesure de qualité
POUR ACCÉLÉRER MA PROGRESSION
Avis Google France ★★★★★ 4,9 sur 5
Partie III. Estimation à partir de données binaires
11/ Comme est continue, on en déduit que est de classe sur et admet pour dérivée . Comme est strictement positive, on en déduit que est strictement croissante. De plus, par propriété d’une fonction de répartition
et comme est continue et strictement croissante, on en déduit qu’elle réalise une bijection de dans .
12/ Les variables aléatoires sont mutuellement indépendantes, de même loi de Bernoulli qui admet une variance, donc par le théorème limite central, on sait que
Or par linéarité de l’espérance et par indépendance
donc
donc converge en loi vers une variable aléatoire suivant une loi normale centrée de variance .
13/ a/ Les variables sont à valeurs dans donc est à valeurs dans donc
or par indépendance des , on sait que donc
Comme est à valeurs dans , on en déduit que et donc
donc
13/ b/ i) On commence par remarquer que
Si , alors et donc par stricte croissance de donc
Montrons maintenant que pour tout , . Tout d’abord, comme est une variable aléatoire (en tant que somme de variables aléatoires), on sait que et sont éléments de la tribu . De plus
(en notant le complémentaire de ). Or, si alors et donc
donc dans tous les cas . De plus, par la question précédente par propriété sur les tribus donc est bien élément de .
13/ b/ ii) D’une part
donc par croissance de , on a
d’autre part, par la formule des probabilités totales, on a
13/ c/ Soit . Par la loi faible des grands nombres (les sont i.i.d. et admettent une variance), on sait que
autrement dit, pour tout
Si : alors donc et donc
donc comme , on en déduit par encadrement que . Comme
on en déduit que .
Si , dans ce cas , alors
On en déduit que . Or par la formule du crible
et comme et , on en déduit que et donc
De plus, , on en déduit par encadrement que admet la même limite que donc
13/ d/ Tout d’abord est bien une variable aléatoire qui ne dépend pas du paramètre inconnu : c’est donc bien un estimateur de .
Ensuite, on écrit que pour tout
(1)
Comme , on en déduit que donc par la question précédente
De plus, donc
par la question précédente () donc par encadrement
et donc
On en déduit que la suite est une suite d’estimateurs convergente de .
Remarque : Le résultat précédent nous fait dire que mais ce n’est pas au programme de pouvoir conclure directement que cela implique la convergence en probabilité dans le cas d’une limite en loi déterministe.
14/ a/ i) La fonction est continue et strictement positive (donc ne s’annule pas). On en déduit que la fonction est continue sur . Ainsi, par définition de la continuité en , on sait que pour tout (en particulier pour celui qu’on a fixé),
ii) Si , alors donc si
On voit donc apparaître un taux d’accroissement de la fonction . Par le théorème des accroissements finis, on sait que pour tout avec , il existe tel que
Donc, en particulier, comme , on a par 14.a.i
soit
De plus, on rappelle que , donc
14/ b/ On en déduit que pour tout
Or
avec
et
donc
On en déduit que
donc . (en probabilité)
Remarque : Dans la définition de la convergence en probabilité, on regarde la limite de plutôt que . Cependant, en remarquant que
on en déduit facilement que c’est en fait équivalent.
14/ c/ On écrit
or (en loi) où et (en probabilité) donc par le théorème de Slutsky
et donc converge en loi vers une variable aléatoire suivant une loi normale centrée et de variance .
Partie IV. Régression logistique
15/ a/ Soit tel que . Alors
par séparation de la norme. Or l’application est injective car la matrice est de rang (on rappelle que et ont même rang) et par le théorème du rang
On en déduit que et donc que . On en déduit que est de rang donc est inversible.
15/ b/ Soit . Pour cette question, on cherche à minimiser la quantité dépendant de suivante
On pose . Par le théorème de projection orthogonale, on sait que la fonction
admet un minimum global uniquement atteint pour , projeté orthogonal de sur .
Or, par injectivité de , on en déduit qu’il existe un unique vecteur tel que . Par propriété de la projection orthogonale, on sait que pour tout , on a
En particulier, pour tout , comme , on a
En particulier, pour , on obtient
On a donc bien ce qui est demandé.
15/ c/ Supposons que l’on connaisse les lois des variables donc cela signifie que l’on connait la valeur de et par bijectivité de la fonction , cela signifie que l’on connait les valeurs de , autrement dit, il existe réels connus tel que
Dans le cas où n’est pas de rang (donc n’est pas injective), l’équation matricielle d’inconnue admet potentiellement plusieurs solutions donc on ne peut pas déterminer .
16/ a/ On rappelle que la fonction est la réciproque de la fonction de répartition . Ainsi, d’après la partie III, question 13, on sait que
(ici, les sont des variables de Bernoulli de paramètre donc c’est bien qui joue le rôle de ).
On en déduit que
Maintenant il faudrait utiliser un résultat hors programme pour justifier que la somme de suites de variables qui convergent en probabilités est une suite qui converge en probabilité. On démontre donc le lemme suivant :
Lemme : Soit et soit , suites de variables aléatoires toutes définies sur un même espace probabilisé tel qu’il existe , réels vérifiant :
alors
Ce lemme permet de conclure que
Preuve du lemme :
On commence pour le cas de deux suites de variables : soit et tel que et .
Soit . Montrons que
On commence par écrire que par inégalité triangulaire
donc, on a l’inclusion d’événements suivante
Ensuite, on remarque que
donc en passant au complémentaire et par De Morgan
On en déduit que
or
Finalement
par hypothèse et donc par encadrement, on en déduit que
donc .
Dans le cas de plusieurs suites de variables aléatoires, on fait une récurrence sur :
La proposition est évidente dans le cas d’une suite de variables.
Soit tel que est vérifiée. Alors soit suites de variables aléatoires telles que
alors par , si on pose , on a et comme , on a grâce au cas de deux suites
16/ b/ On note
Soit . Alors
D’après la question précédente, on a
On note .
On rappelle que donc
. On en déduit que
On peut donc conclure que