QCM : Loi faible et séries génératrices en maths spé (MP) à télécharger en PDF
Ce QCM génératrices MP réunit les deux outils de fin de programme de probabilités. La première partie porte sur les inégalités de concentration : Markov et ses hypothèses, Bienaymé-Tchebychev, puis une majoration chiffrée tirée de la loi faible des grands nombres et l’énoncé exact de ce théorème. La seconde partie travaille la fonction génératrice : rayon de convergence, reconnaissance d’une loi à partir de son expression, formules de l’espérance et de la variance, loi d’une somme indépendante et lecture d’un coefficient.
Réponds sans le cours, en faisant chaque dérivée en 1 au brouillon. Ensuite, lis les explications : elles justifient la bonne réponse et signalent l’erreur derrière chaque piège, par exemple un carré oublié dans Tchebychev ou un terme manquant dans la variance.
À retenir : En 12 questions, ce QCM de maths en MP fait le point sur « Loi faible et séries génératrices » et justifie chaque réponse. Il se fait gratuitement après avoir revu le cours, et se télécharge aussi en PDF.
Les 12 questions
Question 1
Une variable \(X\) à valeurs positives vérifie \(E(X)=2\). Quelle majoration de \(P(X\geq10)\) donne l’inégalité de Markov ?
- \(\dfrac{1}{25}\)
- \(\dfrac{1}{5}\)
- \(\dfrac{4}{5}\)
- \(\dfrac{1}{20}\)
Réponse B.
Markov affirme que \(P(X\geq a)\leq E(X)/a\) pour \(a>0\). Ici, on obtient donc \(2/10=1/5\). La valeur \(1/25\) élève à tort le quotient au carré, comme dans Bienaymé-Tchebychev, qui demanderait une variance. De son côté, \(4/5\) est le complément de la borne, c’est-à-dire une minoration de \(P(X<10)\), et non la majoration cherchée.
Question 2
Quelle hypothèse est indispensable pour appliquer l’inégalité de Markov à \(X\) admettant une espérance ?
- \(X\) admet une variance
- \(X\) prend un nombre fini de valeurs
- \(X\) est à valeurs positives
- Le seuil \(a\) dépasse \(E(X)\)
Réponse C.
La preuve repose sur \(a\,\mathbf{1}_{X\geq a}\leq X\), qui exige \(X\geq0\). Sans positivité, l’inégalité tombe : une variable d’espérance nulle peut valoir 10 avec probabilité \(1/2\). En revanche, la variance ne sert que pour Tchebychev. Par ailleurs, un seuil inférieur à \(E(X)\) reste permis ; la borne obtenue dépasse alors 1, ce qui la rend inutile mais pas fausse.
Question 3
Une variable \(Y\) vérifie \(E(Y)=50\) et \(V(Y)=25\). Que donne Bienaymé-Tchebychev pour \(P(|Y-50|\geq10)\) ?
- Au plus \(\dfrac12\)
- Au plus \(\dfrac25\)
- Au moins \(\dfrac34\)
- Au plus \(\dfrac14\)
Réponse D.
L’inégalité s’écrit \(P(|Y-E(Y)|\geq\varepsilon)\leq V(Y)/\varepsilon^2\). Avec \(\varepsilon=10\), on obtient \(25/100=1/4\). Le piège \(1/2\) divise l’écart type 5 par 10, sans carré. Ensuite, \(2/5\) inverse le rapport entre 10 et 25. Enfin, la borne « au moins \(3/4\) » concerne l’événement contraire \(|Y-50|<10\).
Question 4
On lance \(10\,000\) fois une pièce équilibrée et \(F\) est la fréquence de pile. Quelle majoration de \(P(|F-0{,}5|\geq0{,}05)\) donne Tchebychev ?
- \(0{,}01\)
- \(0{,}02\)
- \(0{,}0005\)
- \(1\)
Réponse A.
La fréquence a pour variance \(p(1-p)/n=0{,}25/10\,000\). Ainsi, la borne vaut \(0{,}25/(10\,000\times0{,}0025)=0{,}25/25=0{,}01\). Le piège \(0{,}02\) remplace la variance \(0{,}25\) par l’écart type \(0{,}5\). De plus, \(0{,}0005\) oublie d’élever \(0{,}05\) au carré. Quant à la borne 1, elle divise seulement par \(\sqrt{n}\) et ne dit plus rien.
Question 5
Soit \((X_n)\) une suite i.i.d. admettant une variance, d’espérance \(m\), et \(S_n=X_1+\dots+X_n\). Que dit la loi faible des grands nombres ?
- Pour tout \(\varepsilon>0\), \(P\big(|S_n/n-m|\geq\varepsilon\big)\to0\)
- Pour tout \(\varepsilon>0\), \(P\big(|S_n-nm|\geq\varepsilon\big)\to0\)
- \(P\big(S_n/n=m\big)\to1\)
- Pour \(n\) assez grand, \(S_n/n=m\)
Réponse A.
Le théorème contrôle la moyenne empirique : la probabilité d’un écart fixé tend vers 0. Cependant, la somme \(S_n-nm\) a une variance \(n\sigma^2\) qui grandit, donc elle ne se concentre pas. Le piège \(P(S_n/n=m)\to1\) est faux, par exemple pour des Bernoulli de paramètre irrationnel. Enfin, l’égalité exacte pour \(n\) grand n’a aucun sens pour des variables aléatoires.
Question 6
Pour une variable \(X\) à valeurs dans \(\mathbb{N}\), que sait-on toujours de la série \(\sum P(X=n)t^n\) ?
- Son rayon de convergence vaut exactement 1
- Elle converge normalement sur \([-1,1]\)
- Son rayon de convergence est infini
- Sa somme en \(t=1\) vaut \(E(X)\)
Réponse B.
Pour \(|t|\leq1\), on a \(|P(X=n)t^n|\leq P(X=n)\), terme général d’une série convergente de somme 1. La convergence est donc normale sur \([-1,1]\), et le rayon vaut au moins 1. Il peut cependant être infini, comme pour une loi de Poisson, ou égal à 1 pour d’autres lois. Enfin, la valeur en 1 vaut toujours 1 ; l’espérance s’obtient avec la dérivée.
Question 7
La fonction génératrice de \(X\) est \(t\mapsto e^{3t-3}\). Quelle est la loi de \(X\) ?
- \(\mathcal{P}(3)\)
- \(\mathcal{P}(1/3)\)
- \(\mathcal{G}(1/3)\)
- \(\mathcal{B}(3,1/3)\)
Réponse A.
Pour \(X\sim\mathcal{P}(\lambda)\), on a \(E(t^X)=e^{-\lambda}\sum\lambda^nt^n/n!=e^{\lambda(t-1)}\). Or \(e^{3t-3}=e^{3(t-1)}\), donc \(\lambda=3\). Comme la fonction génératrice caractérise la loi, la conclusion est certaine. Le piège \(\mathcal{P}(1/3)\) inverse le paramètre. Par ailleurs, une binomiale aurait une génératrice polynomiale, et une géométrique une fraction rationnelle.
Question 8
Une variable \(X\) a pour fonction génératrice \(G_X(t)=\dfrac{t}{3-2t}\). Quelle est sa loi ?
- Géométrique de paramètre \(2/3\) sur \(\mathbb{N}^*\)
- Géométrique de paramètre \(1/3\) sur \(\mathbb{N}\)
- Poisson de paramètre \(2/3\)
- Géométrique de paramètre \(1/3\) sur \(\mathbb{N}^*\)
Réponse D.
On factorise : \(\frac{t}{3-2t}=\frac{\frac13t}{1-\frac23t}=\sum_{k\geq1}\frac13\left(\frac23\right)^{k-1}t^k\). Ce sont donc les probabilités de \(\mathcal{G}(1/3)\), sans terme constant. Le paramètre \(2/3\) confond la probabilité d’échec avec celle du succès. De plus, le facteur \(t\) au numérateur impose \(P(X=0)=0\), ce qui exclut le support \(\mathbb{N}\).
Question 9
Si \(G_X\) est deux fois dérivable en 1, quelle formule donne \(V(X)\) ?
- \(G_X^{\prime\prime}(1)-G_X^{\prime}(1)^2\)
- \(G_X^{\prime\prime}(1)\)
- \(G_X^{\prime\prime}(1)+G_X^{\prime}(1)\)
- \(G_X^{\prime\prime}(1)+G_X^{\prime}(1)-G_X^{\prime}(1)^2\)
Réponse D.
La dérivée seconde en 1 vaut \(E\big(X(X-1)\big)=E(X^2)-E(X)\), et non \(E(X^2)\). Par conséquent, \(E(X^2)=G_X^{\prime\prime}(1)+G_X^{\prime}(1)\), puis on retire \(E(X)^2\). Le piège sans le terme \(G_X^{\prime}(1)\) confond moment factoriel et moment d’ordre 2. Quant à \(G_X^{\prime\prime}(1)+G_X^{\prime}(1)\), c’est \(E(X^2)\) et non la variance.
Question 10
On a \(G_X(t)=\dfrac{(1+t)^4}{16}\). Que vaut \(V(X)\) ?
- \(3\)
- \(1\)
- \(5\)
- \(-1\)
Réponse B.
On calcule \(G_X^{\prime}(1)=4\cdot2^3/16=2\) et \(G_X^{\prime\prime}(1)=12\cdot2^2/16=3\). Donc \(V(X)=3+2-4=1\), cohérent avec \(\mathcal{B}(4,1/2)\) dont la variance est \(4\times\frac14\). La réponse 3 s’arrête à la dérivée seconde. Ensuite, 5 oublie de soustraire le carré de l’espérance. Enfin, une variance négative signale l’oubli du terme \(G_X^{\prime}(1)\).
Question 11
Soient \(X\sim\mathcal{B}(2,1/3)\) et \(Y\sim\mathcal{B}(3,1/3)\) indépendantes. Quelle est la loi de \(X+Y\) ?
- \(\mathcal{B}(5,2/3)\)
- \(\mathcal{B}(6,1/3)\)
- \(\mathcal{B}(5,1/3)\)
- \(\mathcal{B}(5,1/9)\)
Réponse C.
Grâce à l’indépendance, \(G_{X+Y}=G_XG_Y=\left(\frac23+\frac t3\right)^2\left(\frac23+\frac t3\right)^3=\left(\frac23+\frac t3\right)^5\). On reconnaît donc \(\mathcal{B}(5,1/3)\). Le piège \(\mathcal{B}(6,1/3)\) multiplie les nombres d’épreuves au lieu de les additionner. De même, \(1/9\) multiplie les paramètres, et \(2/3\) prend la probabilité d’échec.
Question 12
Une variable \(X\) à valeurs dans \(\mathbb{N}\) a pour fonction génératrice \(G_X(t)=\dfrac{1}{(2-t)^2}\). Que vaut \(P(X=2)\) ?
- \(\dfrac{3}{4}\)
- \(\dfrac{1}{16}\)
- \(\dfrac{3}{16}\)
- \(\dfrac{3}{8}\)
Réponse C.
On écrit \(G_X(t)=\frac14\left(1-\frac t2\right)^{-2}=\frac14\sum_{n\geq0}(n+1)\frac{t^n}{2^n}\). Le coefficient de \(t^2\) vaut donc \(\frac14\times\frac34=\frac{3}{16}\). La réponse \(3/4\) oublie le facteur \(1/4\) issu de la factorisation par \(2^2\). Quant à \(1/16\), elle développe \((1-u)^{-2}\) comme \((1-u)^{-1}\), sans le coefficient \(n+1\).
Pour aller plus loin
- Revoir la leçon : cours de maths spé (MP) sur loi faible et séries génératrices
- S’exercer : exercices corrigés sur loi faible et séries génératrices
- QCM précédent : QCM : Espérance, variance et covariance en maths spé (MP)
- QCM suivant : QCM : Matrices orthogonales et rotations en maths spé (MP)
- Tous les chapitres : le sommaire de maths spé (MP)
Ressources de maths en Maths spé (MP)
Cours
Tout voirExercices corrigés
Tout voirContrôles
Tout voirQCM
Tout voir

























