SlideShare une entreprise Scribd logo
1  sur  28
COMPLEMENT DE COURS.




FONCTION GENERATRICE.
Nous allons étudier, dans ces quelques pages, les fonctions génératrices. Par exemple la fonction
génératrice associée à une variable aléatoire, s’appelle ainsi car elle permet de calculer simplement
les moments de la variable aléatoire auquel elle est notamment de calculer simplement, comme
nous le verrons, l’espérance et la variance d’une variable aléatoire. Elle survient dans de nombreux
problèmes ou concours d’entrée aux grandes écoles même si elle ne figure pas officiellement au
programme des cours. Il est donc intéressant d’avoir quelques notions sur celle-ci pour gagner du
temps au cours des examens.




DEFINITION DE LA FONCTION GENERATRICE.

Soit X une variable aléatoire. Nous appellerons fonction génératrice des moments associée à la
variable aléatoire X la fonction GX définie par:
                ∀t ∈     GX ( t ) = ∑ p ( X = k ) .t k
                                 k∈ X ( Ω )

Ceci, bien sûr, sous réserve de convergence de la série. Ce qui n’est à priori pas acquis.
Lorsque nous calculerons la fonction génératrice d’une variable aléatoire particulière, nous nous
efforceront de calculer la sommation. En effet, ce n’est que lorsque GX(t) s’exprime simplement en
fonction de t que la fonction génératrice rend service. (Voir plus bas les calculs des fonctions
génératrices des variables aléatoires classiques).




PROPRIETE DE LA FONCTION GENERATRICE.
Nous allons étudier les propriétés de la fonction génératrice en les exposant sous forme d’une suite
d’énoncés que nous démontrerons. Nous distinguerons souvent le cas où X(Ω) prend un nombre
fini de valeurs et le cas ou X(Ω) prend un nombre infini de valeur que nous supposerons être égal à
   pour fixer les idées. Le cas où X(Ω) prend un nombre fini de valeurs sera la plupart du temps



http://www.prepa-hec.org/ - Ressources gratuites pour la prépa
beaucoup plus simple à traiter. Le lecteur pourra donc dans un premier temps se limiter à l’étude
de ce cas pour avoir une première approche des propriétés de la fonction génératrice.




http://www.prepa-hec.org/ - Ressources gratuites pour la prépa
Propriété 1 : L’intervalle [0 ;1] est inclus dans le domaine de définition de toute fonction
génératrice.

Démonstration :

1er cas : X (Ω) ⊂ 0; n .
GX est une fonction polynomiale qui, par conséquent admet                                    comme domaine de définition.

2ème cas : X (Ω) =               .
∀k ∈        0 ≤ t ≤ 1⇒ 0 ≤ tk ≤ 1
                               ⇒ 0 ≤ p ( X = k )tk ≤ p ( X = k )
                                           n                        n
                               ⇒ 0 ≤ ∑ p ( X = k )tk ≤ ∑ p ( X = k ) ≤ 1
                                         k =0                      k =0

Par conséquent si l’on fixe t ∈ [ 0,1] , la suite (un)n défini par :
                         n
∀n ∈        un = ∑ p ( X = k ) t k
                        k =0
Est une suite croissante, majorée par 1, donc convergente.
Par conséquent la série ∑ p ( X = k ) .t k est bien défini pour t ∈ [0 ;1].
                                       k∈ X ( Ω )




Propriété 2 : On a : GX(1) = 1.

GX (1) =     ∑ p ( X = k ) .1              k
                                                =     ∑ p ( X = k ) = 1.
           k∈ X ( Ω )                               k∈ X ( Ω )




                                                                          (i )
                                                                         G (0)
Propriété 3 : On a : ∀i ∈ X (Ω)                              p ( X = i) = X
                                                                            i!
1er cas : X (Ω) ⊂ 0; n .
Dérivons i fois la fonction génératrice, on obtient :
                                   k!
∀t ∈      GX ( t ) = ∑                    p ( X = k ) .t k −i
             (i )

                     k∈ X ( Ω ) (k − i )!
                                k ≥i

Pour t=0, on obtient :
                                              k!
∀t ∈       GX
                 (i )
                        ( 0) = ∑                     p ( X = k ) .0k −i = i !. p ( X = i )    car 00 = 1
                                k∈ X ( Ω ) (k − i )!
                                k ≥i

On obtient bien :
               (i )
            G (0)
p ( X = i) = X
               i!

2ème cas : X (Ω) =               .



http://www.prepa-hec.org/ - Ressources gratuites pour la prépa
Si la fonction génératrice est dérivable i fois en 0, la démonstration précédente reste valable.




http://www.prepa-hec.org/ - Ressources gratuites pour la prépa
Propriété 4 : Toute fonction génératrice est continue à gauche en 1.

1er cas : X (Ω) ⊂ 0; n .
Evident car toute fonction polynomiale est continue en tout points.



2ème cas : X (Ω) =                .

On a :
∀a, b ∈ [ 0;1] a ≤ b ⇒ a k ≤ b k
                                  ⇒ p ( X = k ) .a k ≤ p ( X = k ) .b k
                                  ⇒     ∑ p ( X = k ) .a
                                      k∈ X ( Ω )
                                                               k
                                                                   ≤     ∑ p ( X = k ) .b
                                                                       k∈ X ( Ω )
                                                                                            k



                     ⇒ GX (a ) ≤ GX (b)
Par conséquent la fonction génératrice est croissante sur [0 ;1].
De plus elle est majorée par GX(1) = 1. Par conséquent, elle admet une limite à gauche en 1 que
nous noterons µ.
Comme Gx est croissante sur [0 ;1], on a déjà : ∀t ∈ [0;1] 0 ≤ GX (1) − GX (t ) .
De plus :
            ∀t ∈ [0;1]
                            ∞                         ∞
GX (1) − GX (t ) = ∑ p ( X = k ) − ∑ p ( X = k ) .t k
                           k =0                      k =0
                            ∞
                   = ∑ p ( X = k ) . (1 − t k )
                           k =0
                                                              ∞
                   = ∑ p ( X = k ) . (1 − t k ) +            ∑ p ( X = k ) . (1 − t )
                            n
                                                                                      k

                           k =0                             k = n +1
                                                              ∞
                   ≤ ∑ p ( X = k ) . (1 − t k ) +
                            n


                       k =0
                                                             ∑ p(X = k)
                                                            k = n +1
En faisant tendre t vers 1 dans les deux résultats précédents, on obtient :
                                            ∞
∀n ∈      0 ≤ GX (1) − µ ≤                 ∑ p(X = k)
                                          k = n +1
                  ∞
Comme lim
         n →∞
                 ∑ p ( X = k ) = 0 , on en déduit d’après le théorème de l’encadrement que :
                k = n +1

GX (1) = µ .
Et par conséquent GX est bien continue à gauche en 1.




http://www.prepa-hec.org/ - Ressources gratuites pour la prépa
Propriété 5 : Toute fonction génératrice admettant une espérance est dérivable à gauche en
1.

1er cas : X (Ω) ⊂ 0; n .
Evident, car GX en tant que fonction polynomiale est dérivable pour toutes valeurs de t.

2ème cas : X (Ω) =            .
∀t ∈ [ 0;1[ , on a :
                       ∞                   ∞
GX (t ) − GX (1) = ∑ t k p ( X = k ) − ∑ p ( X = k )
                   k =0                   k =0
                       ∞
                 = ∑ ( t k − 1) p ( X = k )
                   k =0
                       ∞
                 = ∑ ( t − 1) (1 + t + t 2 + ... + t k −1 ) p ( X = k )
                   k =0
Donc :
GX (t ) − GX (1) ∞
                  = ∑ (1 + t + t 2 + ... + t k −1 ) p ( X = k )
      t −1          k =0
Ensuite :
                                              ∞                          ∞
                          k         k
                                                   k i                      k i
a ≤ b ⇒ a ≤ b ⇒ ∑ a ≤ ∑ b ⇒ ∑  ∑ a . p ( X = k ) ≤ ∑  ∑ b . p ( X = k )
           i     i            i        i

                        i =0       i=0       k =1  i = 0              k =1  i = 0 
          G (a ) − GX (1) GX (b) − GX (1)
      ⇒ X                       ≤
                a −1                    b −1
                             GX (t ) − GX (1)
donc la fonction t a                            est croissante sur [ 0;1[ .
                                   t −1
De plus :
GX (t ) − GX (1) ∞
                  = ∑ (1 + t + t 2 + ... + t k −1 ) p ( X = k )
      t −1          k =0

                    ∞                 
                 ≤ ∑ 1 + 141 + ... + 1 p ( X = k )
                            +
                        
                   k =0 
                          14 244    3
                            k termes   
                        ∞
                 ≤ ∑ k. p ( X = k ) = E ( X )
                       k =0

                 G (t ) − GX (1)
la fonction t a X                étant croissante et majorée par E(X) sur [0 ;1] admettra donc une
                      t −1
limite fini pour t → 1− . Ce qui montre que GX est dérivable à gauche en 1.




http://www.prepa-hec.org/ - Ressources gratuites pour la prépa
Propriété 6 : On a : E(X) = GX’(1).

∀t ∈ [ 0;1] , on a :
GX (t ) =     ∑ p ( X = k ) .k.t   k −1
    ,

            k∈ X ( Ω )



Et par conséquent :
GX (1) = ∑ p ( X = k ) .k .1k −1 =             ∑       k. p ( X = k ) = E( X )
   ,

            k∈ X ( Ω )                    k∈ X ( Ω )




Propriété 7 : On a :          V(X) = GX’’(1) + GX’(1) - [GX’(1)]2.

1er cas : X (Ω) ⊂ 0; n .
On a vu que :
GX (t ) = ∑ p ( X = k ) .k .t k −1
    '

            k∈ X ( Ω )

GX étant une fonction polynôme sera deux fois dérivable en 1 et on a :
GX (t ) = ∑ p ( X = k ) .k . ( k − 1) .t k − 2
  "

            k∈ X ( Ω )

Et donc :
GX (1) =      ∑ p ( X = k ) .k . ( k − 1) .1   k −2
                                                       =     ∑ k .( k − 1) . p ( X = k ) = E ( X ( X − 1) )
   "

            k∈ X ( Ω )                                     k∈ X ( Ω )

Par conséquent :
V ( X ) = E ( X ( X − 1) ) + E ( X ) − [ E ( X ) ]
                                                       2


                                           2
        = GX (1) + GX (1) − GX (1) 
            "        '         '
                                   


2ème cas : X (Ω) = .
Nous admettrons que le résultat reste vrai dans ce cas. Aucun problème de concours n’ayant, à ce
jour, poussé la torture jusqu'à essayer de faire démontrer aux candidats que toutes variables
aléatoires prenant un nombre infini de valeurs et admettant une variance avait une fonction
génératrice deux fois dérivable à gauche en 1.




http://www.prepa-hec.org/ - Ressources gratuites pour la prépa
Propriété 8 : Soit X et Y, deux variables aléatoires indépendantes .
On a : GX+Y(t) = GX(t).GY(t).

1er cas : X (Ω) ⊂ 0; n et Y (Ω) ⊂ 0; m .
             n+m                      n+m
                                            n                          
GX +Y (t ) = ∑ p ( X + Y = k ) .t k = ∑  ∑ p ( X + Y = k ∩ X = i )  .t k
             k =0                     k =0  i = 0                      
             n+m                                       n+ m
                     n
                                                               n
                                                                                                
           = ∑  ∑ p (Y = k − i ∩ X = i )  .t k = ∑  ∑ p ( Y = k − i ) . p ( X = i ) .t k 
             k =0  i =0                              k = 0  i =0                             
               n
                   n+ m                              n  n+ m                                   
           = ∑  ∑ p (Y = k − i ) . p ( X = i ) .t k  = ∑  ∑ p (Y = k − i ) . p ( X = i ) .t k 
             i =0  k = 0                             i = 0  k =i                               
                    n + m −i
               n
                                                          n
                                                                   m
                                                                                                
           = ∑  ∑ p (Y = k ) . p ( X = i ) .t k +i  = ∑  ∑ p ( Y = k ) . p ( X = i ) .t k +i 
             i =0  k =0                              i = 0  k =0                             
              n                 m
          = ∑ p ( X = i ) .t i .∑ p ( Y = k ) .t k = GX (t ).GY (t )
             i =0              k =0



2ème cas : X (Ω) = et Y (Ω) = .
Soit n un entier quelconque. On a :
D’une part :
 n                       n                    n                  n −i

∑ p ( X = i ) t .∑ p (Y = j ) t ≥ ∑ p ( X = i ) t .∑ p (Y = j ) t
i =0
                    i

                        j =0
                                      j

                                             i=0
                                                             i

                                                                 j =0
                                                                                j



                                             n
                                                  n −i
                                                                                   
                                          = ∑  ∑ p (Y = j ) . p ( X = i ) t i + j 
                                            i =0  j =0                            
                                              n
                                                   n                              
                                          = ∑  ∑ p (Y = j − i ) . p ( X = i ) t j 
                                            i = 0  j =i                           
                                              n
                                                   j                          
                                          = ∑  ∑ p (Y = j − i ) . p ( X = i )  t j
                                            j = 0  i =0                       
                                             n
                                          = ∑ p ( X + Y = j ) .t j
                                            j =0

D’autre part :




http://www.prepa-hec.org/ - Ressources gratuites pour la prépa
n                      n                 2n
                                                             2 n −i
                                                                               
∑    p ( X = i ) t i .∑ p (Y = j ) t j ≤ ∑  p ( X = i ) t i .∑ p (Y = j ) t j 
i =0                  j =0               i =0                 j =0            
                                               2n
                                                                  2n
                                                                                            
                                            = ∑  p ( X = i ) t i .∑ p ( Y = j − i ) t j −i 
                                              i =0                j =i                     
                                               2n
                                                     2n                             
                                            = ∑  ∑ p ( X = i ) . p (Y = j − i ) t j 
                                              i = 0  j =i                           
                                              2n
                                                    j                           
                                            = ∑  ∑ p ( X = i ) . p (Y = j − i )  t j
                                              j =0  i = 0                       
                                                    2n
                                            = ∑ p ( X + Y = j ) .t j
                                                j =0



Nous avons donc montré que :
                n                                   n                n                  2n
∀n ∈           ∑ p ( X + Y = j ) .t ≤ ∑ p ( X = i ) t .∑ p (Y = j ) t ≤ ∑ p ( X + Y = j ) .t
               j =0
                                        j

                                                i =0
                                                                i

                                                                    j =0
                                                                                   j

                                                                                        j =0
                                                                                                               j



Cette double inégalité montre d’une part que si, pour une valeur de t, les séries de terme général
un = p ( X = n ) t n et vn = p (Y = n ) t n convergent, alors la série de terme général
wn = p ( X + Y = n ) t n converge. Et inversement si, pour une valeur de t, la série de terme général
wn = p ( X + Y = n ) t n converge, alors les séries de terme général un = p ( X = n ) t n et
vn = p (Y = n ) t n convergent.
En faisant tendre n vers +∞ dans la double inégalité précédente, on obtient, d’après le théorème de
l’encadrement :
                                     GX+Y(t) = GX(t).GY(t).




Propriété 9 : Soit X1, X2,…,Xn n variables aléatoires indépendantes.
                                    n
On a :          G n ( t ) = ∏ GX k ( t )
                 ∑ Xk       k =1
                      k =1

Nous démontrerons cette propriété par récurrence.
D’après propriété 8, elle est vrai pour n=2.
Supposons la vraie pour n. On a alors
                                                                           n                    n +1
     G n+1 ( t ) = G n            ( t ) = G n ( t ) .GX n+1 ( t ) = ∏ GX k ( t ).GX n+1 ( t ) = ∏ GX k ( t )
      ∑ Xk          ∑ X k + X n+1          ∑ Xk                     k =1                        k =1
       k =1                  k =1            k =1

Et la propriété est vrai pour n+1.
La propriété est donc vraie pour tout n.




http://www.prepa-hec.org/ - Ressources gratuites pour la prépa
EXEMPLES DE CALCUL DE FONCTIONS GENERATRICES.



LOI DE BERNOUILLI.

Si X est une loi de Bernouilli X → B (1, p ) définie par :
∀k ∈ {0,1} p ( X = 1) = p                p ( X = 0) = 1 − p
On a alors :
            1
GX ( t ) = ∑ p ( X = k ) .t k = (1 − p ).t 0 + p.t = pt + 1 − p
           k =0
Nous obtenons alors
GX ' ( t ) = p     GX " ( t ) = 0
Nous en déduisons :
E ( X ) = GX ' (1) = p
V ( X ) = GX " (1) + GX ' (1) − ( GX ' (1) ) = 0 + p − p 2 = p(1 − p)
                                                2




LOI BINOMIALE.

Si X est une loi binomiale X → B ( n, p ) définie par :               ∀k ∈ 0,..., n         p ( X = k ) = Cn p k (1 − p) n − k
                                                                                                           k


On a alors:
            n                        n                         n
GX ( t ) = ∑ p ( X = k ) .t k = ∑ Cn p k (1 − p ) n − k .t k = ∑ Cn ( pt ) (1 − p ) n − k = ( pt + 1 − p )
                                   k                              k        k                                 n

           k =0                     k =0                      k =0
Nous obtenons alors
GX ' ( t ) = np ( pt + 1 − p )      GX " ( t ) = np 2 (n − 1) ( pt + 1 − p )
                             n −1                                              n− 2


Nous en déduisons:
E ( X ) = GX ' (1) = np ( p + 1 − p ) = np
                                     n −1



V ( X ) = GX " (1) + GX ' (1) − ( GX ' (1) ) = np 2 (n − 1) ( p + 1 − p )         + np − ( np )
                                                2                           n−2                   2



        = np 2 (n − 1) + np − ( np ) = np − np 2 = np (1 − p )
                                           2




LOI DE POISSON.

Si X est une loi de Poisson X → P ( λ ) définie par :




http://www.prepa-hec.org/ - Ressources gratuites pour la prépa
λk
∀k ∈       p ( X = k ) = e− λ
                                    k!
On a alors:
                                                                               ( λt )
                                                                                        k
             ∞                            ∞
                                                     λk                  ∞
GX ( t ) = ∑ p ( X = k ) .t = ∑ e
                                k               −λ
                                                          .t = e
                                                              k    −λ
                                                                        ∑                   = e − λ .eλ .t = eλ .t − λ = eλ (t −1)
            k =0                  k =0    k!                            k =0     k!
Nous obtenons alors :
GX ' ( t ) = λ .eλ (t −1) GX " ( t ) = λ 2 .eλ (t −1)
Nous en déduisons:
E ( X ) = GX ' (1) = λ .eλ (1−1) = λ
V ( X ) = GX " (1) + GX ' (1) − ( GX ' (1) ) = λ 2 + λ − λ 2 = λ
                                                          2




LOI GEOMETRIQUE.

Si X est une loi géométrique X → G ( p ) définie par :
∀k ∈ * p ( X = k ) = (1 − p) k −1. p
On a alors :
             ∞                            ∞                                     ∞
                                                                                                                   1            p.t
GX ( t ) = ∑ p ( X = k ) .t k = ∑ (1 − p )k −1. p.t k = pt ∑ (t − p.t ) k = pt.                                            =
            k =1                         k =1                                  k =0                          1 − (t − p.t ) p.t − t + 1
Nous obtenons alors
                    p                                      2 p.(1 − p )
GX ' ( t ) =                             GX " ( t ) =
             ( p.t − t + 1) 2                             ( p.t − t + 1)3
Nous en déduisons :
                         1
E ( X ) = GX ' (1) =
                         p
                                                                                                   2
                                                                2(1 − p) 1  1  1 − p
V ( X ) = GX " (1) + GX ' (1) − ( GX ' (1) )
                                                          2
                                                              =         + −  = 2
                                                                   p2    p  p    p



LOI UNIFORME.

Si X est une loi uniforme X → A 1; n définie par :
                                     1
∀k ∈ 1; n          p(X = k) =
                                     n
On a alors :
                                               t 1− tn
             n
                                   1 k 1 n k  .
                                          n
                                                         si t ≠ 1
GX ( t ) = ∑ p ( X = k ) .t = ∑ .t = ∑ .t =  n 1 − t
                                k

           k =1               k =1 n   n k =1 1
                                                     si t = 1
Nous obtenons alors en utilisant le théorème de prolongement des fonctions de classe C1 :



http://www.prepa-hec.org/ - Ressources gratuites pour la prépa
n +1                                      n
                n.∑ Cnk+1 (t − 1) k − 2 − (n + 1).∑ Cnk (t − 1) k − 2
GX ' ( t ) =            k =2                                     k =2

                                                       n
                                n +1
                                                                 n2 − 1 n k                        n −1
GX " ( t ) = (n − 1).∑ Cn +1 (t − 1) k −3 − 2
                        k
                                                                       .∑ Cn (t − 1)k −3 + (n + 1).∑ Cnk−1 (t − 1) k −3
                               k =3                                n k =3                          k =3
Nous en déduisons :
                     n.Cn +1 − (n + 1).Cn2 n + 1
                        2
E ( X ) = GX ' (1) =                      =
                               n             2
                                                                        n2 − 1 n + 1  n + 1    n2 − 1
                                                                                                       2

V ( X ) = GX " (1) + GX ' (1) − ( GX ' (1) )
                                                                  2
                                                                      =       +     −        =
                                                                          3      2    2         12


LOI HYPERGEOMETRIQUE.

Si X est une loi hypergéométrique X → H ( N , n, p ) définie par :
                                                      C Np .CN− k− p )
                                                        k    n

∀k ∈ 0,..., n                  p( X = k) =
                                                               (1
                                                            n
                                                           CN
On a alors :
                n                                 n     C Np .C N− k− p )
                                                          k     n

GX ( t ) = ∑ p ( X = k ) .t = ∑              k                    (1
                                                                 n
                                                                            .t k
               k =0             C                k =0            N
Compte tenue de l’aspect peu sympathique de cette fonction, nous arrêterons là les calculs.


LOI BINOMIALE NEGATIVE.

Si X est une loi binomiale négative X → J ( r , p ) définie par :
∀k ∈ p ( X = k ) = Ckr+1 −1. p r (1 − p) k
                        −
                          r

(Cette variable aléatoire donne, dans une suite d’épreuves de Bernoulli indépendantes, le nombre
d’échecs avant le rème succès.)
On a alors:
                ∞                                 ∞
GX ( t ) = ∑ p ( X = k ) .t k = ∑ Ckr+1 −1. p r (1 − p )k .t k
                                     −
                                      r
               k =0                              k =0
                                                                                                             r
                         ∞
                                                                            1                   p       
         =p         r
                        ∑C     r −1
                                          .(t − p.t ) = p .
                                                   k         r
                                                                                          =             
                                                                 (1 − ( t − p.t ) )
                               k + r −1
                                                                                            p.t − t + 1 
                                                                                      r
                        k =0

Nous obtenons alors
                                                   r +1                                                2                      r +2
                 1− p    p                                                              1− p                 p       
G X ' ( t ) = r.                                               GX " ( t ) = r.(r + 1).                 .             
                  p  p.t − t + 1                                                        p                p.t − t + 1 
Nous en déduisons:




http://www.prepa-hec.org/ - Ressources gratuites pour la prépa
r.(1 − p )
E ( X ) = GX ' (1) =
                                 p
                                                                                                                       2
                                                                                (1 − p )2 r.(1 − p )  r.(1 − p)    r.(1 − p )
V ( X ) = GX " (1) + GX ' (1) − ( GX ' (1) )
                                                               2
                                                                   = r.(r + 1).      2
                                                                                         +          −            =
                                                                                   p          p           p            p2

LOI DE PASCAL.

Si X est une loi de Pascal X → P ( r , p ) définie par :
∀k ∈ r , +∞            p ( X = k ) = Ckr−1 . p r (1 − p ) k − r
                                        −1


(Cette variable aléatoire donne, dans une suite d’épreuves de Bernoulli indépendantes, le rang
d’apparition du rème succès.)
On a alors :
             ∞                                  ∞
GX ( t ) = ∑ p ( X = k ) .t k = ∑ Ckr−1 . p r (1 − p ) k − r .t k
                                     −1

            k =r                               k =r
                        r                                                     r
                             ∞                                                             ∞
           p                                                       p 
         =                ∑C     r −1
                                   k + r −1   .(t − p.t )   k +r
                                                                   =       (t − p.t ) r ∑ Ckr+1 −1.(t − p.t ) k
                                                                                               −

           1− p                                                     1− p 
                                                                                                 r
                            k =0                                                         k =0
                                                                          r
                                   1                        p.t 
         = ( p.t ) .
                   r
                                                      =             
                       (1 − ( t − p.t ) )               p.t − t + 1 
                                                r


Nous obtenons alors:
                                          r +1                                                                  r +2
             r       p.t                                            r.(2t − 2 p.t + r − 1)      p.t 
GX ' ( t ) = 2                                         GX " ( t ) =                       .             
            p.t  p.t − t + 1                                                  2 4
                                                                              p .t            p.t − t + 1 
Nous en déduisons:
                      r
E ( X ) = GX ' (1) =
                      p
                                                                                                   2
                                                                     r.(r − 2 p + 1) r  r  r.(1 − p )
V ( X ) = GX " (1) + GX ' (1) − ( GX ' (1) )
                                                               2
                                                                   =         2
                                                                                    + −  =
                                                                           p         p  p      p2




http://www.prepa-hec.org/ - Ressources gratuites pour la prépa
TABLEAU RECAPITULATIF SUR LES VARIABLES ALEATOIRES DISCRETES.




            Loi                         Notation     X(Ω)          P(X=k)                   Fonction            E(X)           V(X)
                                                                                           génératrice

Loi uniforme.                                                                              t 1− tn
                                                                                                    si t ≠ 1    n +1           n2 − 1
Est utilisé dans une épreuve ou n
événements peuvent se produirent       X→U( 1; n )   1; n               1                 n 1− t
de façon équiprobables.
                                                                        n                 1 si t = 1              2             12

Loi de Bernoulli.
Dans une épreuve à deux
alternatives, prend la valeur 1 si     X→B(1,p)      {0,1}     p(X=1) = p                    pt + 1 − p           p            p (1 − p )
l’une des deux alternatives de
probabilité p, considéré comme un
                                                               p(X=0) = 1-p
succès, sort et prend la valeur 0
sinon.
Loi binomiale.
Donne, dans une suite de n épreuves
de Bernoulli indépendantes, le         X→ B(n,p)      0; n     Cnk p k (1 − p ) n − k      ( pt + 1 − p )n       np           np (1 − p )
nombre de succès réalisés.




Loi géométrique.
Donne, dans une suite d’épreuves
de Bernoulli indépendantes, le rang    X→G(p)         *
                                                                 (1 − p ) k −1 p                 pt               1           1− p
d’apparition du premier succès
                                                                                              pt − t + 1          p            p2

Loi
hypergéométrique.                      X→H(N,n,p)    ⊂ 0; n       CNp CN− k− p )
                                                                   k   n
                                                                         (1
                                                                                                  ?              np          np(1− p)(N−n)
Donne le nombre d’objets d’un type
particulier présent dans un ensemble                                    n
                                                                       CN                                                         N−1
de n objets tirés sans remise parmi
N.
Loi de Poisson.
Donne le nombre d’événements
                                       X→P(λ)                               λk                e λ (t −1)          λ               λ
                                                                    e− λ
indépendants apparaissant dans un
intervalle de temps ou d’espace. Ces
événements apparaissant de façon                                            k!
absolument fortuite.

Loi de Pascal.
Donne, dans une suite d’épreuves
de Bernoulli indépendantes, le rang    X→ P(r,p)      r ; +∞   Ckr−1 p r (1 − p ) k − r
                                                                  −1
                                                                                               pt 
                                                                                                            r
                                                                                                                  r            r (1 − p )
d’apparition du rème succès.
                                                                                                                p                p2
                                                                                            pt − t + 1 
Loi binomiale
négative.                              X→J(r,p)                   −
                                                               Ckr+1−1 p r (1 − p ) k
                                                                   r                            p      
                                                                                                            r
                                                                                                                r (1 − p )     r (1 − p )
Donne, dans une suite d’épreuves
                                                                                                                   p             p2
                                                                                            pt − t + 1 
de Bernoulli indépendantes, le
nombre d’échecs avant le rème
succès.




http://www.prepa-hec.org/ - Ressources gratuites pour la prépa
EXEMPLES D APPLICATIONS DES FONCTIONS GENERATRICES.




1 – Somme de deux variables aléatoires.
Comme on l’a vue plus haut, si X et Y sont indépendantes : GX+Y(t) = GX(t).GY(t). Cette propriété
nous permet de trouver facilement la fonction génératrice de la somme de deux variables aléatoires
connaissant la fonction génératrice de chacune d’elles.
Supposons par exemple que X et Y soient des lois binomiales de paramètres respectifs (n1,p) et
(n2,p). On aura:

∀t ∈         GX (t ) = ( p.t + 1 − p ) 1
                                        n



∀t ∈        GY (t ) = ( p.t + 1 − p )
                                        n2


Et par conséquent:
GX +Y (t ) = GX (t ).GY (t )
           = ( p.t + 1 − p) n1 .( p.t + 1 − p)n2
        = ( p.t + 1 − p) n1 + n2
On reconnaît la fonction génératrice d’une loi binomiale de paramètre (n1+n2,p).
Par conséquent, on peut énoncer:

Théorème : La somme de deux lois binomiales de paramètres respectifs (n1,p) et (n2,p) est
une loi binomiale de paramètre (n1+n2,p).

Supposons maintenant que X et Y soient des lois de Poisson de paramètre respectif (λ1) et (λ2). On
aura:

∀t ∈         GX (t ) = eλ1 (t −1)
∀t ∈        GY (t ) = eλ2 (t −1)
Et par conséquent :
GX +Y (t ) = GX (t ).GY (t )
           = eλ1 (t −1) .eλ2 (t −1)
        = e( λ1 + λ2 )(t −1)
On reconnaît la fonction génératrice d’une loi de Poisson de paramètre (λ1+λ2).
Par conséquent, on peut énoncer :




http://www.prepa-hec.org/ - Ressources gratuites pour la prépa
Théorème : La somme de deux lois de Poisson de paramètre respectif (λ1) et (λ2) est une loi
de Poisson de paramètre (λ1+λ2).




Supposons maintenant que X et Y soient des lois de Pascal de paramètres respectifs (r1,p) et (r2,p).
On aura:

                                         r1
                           p.t 
∀t ∈        GX (t ) =              
                       p.t − t + 1 
                                         r2
                            p.t 
∀t ∈        GY (t ) =              
                       p.t − t + 1 
Et par conséquent :
GX +Y (t ) = GX (t ).GY (t )
                             r1                      r1
                p.t                   p.t 
          =                     .             
            p.t − t + 1           p.t − t + 1 
                             r1 + r2
               p.t 
        =              
           p.t − t + 1 
On reconnaît la fonction génératrice d’une loi de Poisson de paramètre (r1+r2,p).
Par conséquent, on peut énoncer :

Théorème : La somme de deux lois de Pascal de paramètres respectifs (r1,p) et (r2,p) est une
loi de Pascal de paramètre (r1+r2,p).


Supposons maintenant que X et Y soient des lois binomiales négatives de paramètres respectifs
(r1,p) et (r2,p). On aura:

                                         r1
                           p       
∀t ∈        GX (t ) =              
                       p.t − t + 1 
                                         r2
                            p      
∀t ∈        GY (t ) =              
                       p.t − t + 1 
Et par conséquent :
GX +Y (t ) = GX (t ).GY (t )
                             r1                      r2
                p                     p       
          =                     .             
            p.t − t + 1           p.t − t + 1 
                             r1 + r2
                p       
          =             
            p.t − t + 1 



http://www.prepa-hec.org/ - Ressources gratuites pour la prépa
On reconnaît la fonction génératrice d’une loi binomial négative de paramètre (r1+r2,p).
Par conséquent, on peut énoncer :

Théorème : La somme de deux lois binomiales négatives de paramètres respectifs (r1,p) et
(r2,p) est une loi binomiale négative de paramètre (r1+r2,p).




http://www.prepa-hec.org/ - Ressources gratuites pour la prépa
AUTRES FONCTIONS GENERATRICES.

On peut imaginer, sur le modèle vue précédemment, d’autres fonctions génératrices. Les propriétés
de la fonction génératrice associée à une variable aléatoire ne sont pas forcément conservées.


1 – Fonction génératrice associée à un couple de variables aléatoires.
Nous adopterons dans ce paragraphe la définition donnée dans un concours d’entrée Essec.
(Voir à ce sujet ESSEC 2001, Maths II, Fin de la partie 2.).

Nous supposerons, pour simplifier que les variables aléatoire X et Y de la définition ci-dessous
prennent un nombre fini de valeurs inclues dans 1; n .

Définition : Soit (X,Y) un couple de variable aléatoire. Nous appellerons fonction génératrice
associée au couple de variables aléatoire la fonction G définie par :
                                        n    n
                            G ( x, y ) = ∑∑ p ( X = i ∩ Y = j )(1 + x ) (1 + y )
                                                                       i           j

                                       i =1 j =1



Pour simplifier, nous supposerons que la fonction G est de classe C2 en tout point.



                                    ∂G             ∂G
Propriété 1 : On a : E ( X ) =         et E (Y ) =    .
                                    ∂x             ∂y

On a :
∂G                n   n
    ( x, y ) = ∑∑ i. p ( X = i ∩ Y = j )(1 + x ) (1 + y )
                                                 i −1       j

 ∂x             i =1 j =1

Par conséquent :
∂G               n   n
    ( 0, 0 ) = ∑∑ i. p ( X = i ∩ Y = j )(1 + 0 ) (1 + 0 )
                                                i −1      j

 ∂x            i =1 j =1
               n     n
           = ∑ i.∑ p ( X = i ∩ Y = j )
              i =1   j =1
               n
           = ∑ i. p ( X = i )
              i =1

        = E(X )
Démonstration symétrique pour E(Y).




http://www.prepa-hec.org/ - Ressources gratuites pour la prépa
∂ 2G ∂G ∂G
Propriété 2 : On a : Cov ( X , Y ) =            −  .   .
                                           ∂x.∂y ∂x ∂y

On a :
 ∂ 2G                n   n
       ( x, y ) = ∑∑ i. j. p ( X = i ∩ Y = j )(1 + x ) (1 + y ) .
                                                       i −1       j −1

∂x.∂y              i =1 j =1

Par conséquent :
 ∂ 2G               n   n
       ( 0, 0 ) = ∑∑ i. j. p ( X = i ∩ Y = j )(1 + 0 ) (1 + 0 )
                                                      i −1      j −1

∂x.∂y             i =1 j =1
                      n       n
              = ∑∑ i. j. p ( X = i ∩ Y = j )                        .
                     i =1 j =1

              = E ( X .Y )
On en déduit :
                                               ∂ 2G ∂G ∂G
Cov ( X , Y ) = E ( X .Y ) − E ( X ) .E (Y ) =      −  .   .
                                               ∂x.∂y ∂x ∂y



                                         ∂ 2G ∂G  ∂G                   ∂ 2G ∂G  ∂G 
Propriété 3 : On a : Var ( X ) =             +    1−     et Var ( Y ) = 2 +    1 −    .
                                         ∂x 2 ∂x     ∂x                ∂y   ∂y     ∂y 

On a :
∂G                n   n
    ( x, y ) = ∑∑ i. p ( X = i ∩ Y = j )(1 + x ) (1 + y ) .
                                                 i −1          j

 ∂x             i =1 j =1

Par suite :
∂G                n   n
    ( x, y ) = ∑∑ i.(i − 1). p ( X = i ∩ Y = j )(1 + x )( )( ) (1 + y ) .
                                                          i −1 i − 2      j

 ∂x             i =1 j =1

Par conséquent :
∂G               n   n
    ( 0, 0 ) = ∑∑ i.(i − 1). p ( X = i ∩ Y = j )(1 + 0 )( )( ) (1 + 0 )
                                                         i −1 i − 2     j

 ∂x            i =1 j =1
               n          n
           = ∑∑ i.(i − 1). p ( X = i ∩ Y = j )
              i =1 j =1
               n                  n
           = ∑ i.(i − 1).∑ p ( X = i ∩ Y = j )
              i =1                j =1
               n
           = ∑ i.(i − 1). p ( X = i )
              i =1

           = E ( X ( X − 1) )
On en déduit :




http://www.prepa-hec.org/ - Ressources gratuites pour la prépa
Var ( X ) = E ( X ( X − 1) ) + E ( X ) − ( E ( X ) )
                                                       2



          = E ( X ( X − 1) ) + E ( X ) (1 − E ( X ) )
              ∂ 2 G ∂G  ∂G 
          =        +   1 −    
              ∂x 2 ∂x      ∂x 




http://www.prepa-hec.org/ - Ressources gratuites pour la prépa
2 – Fonction génératrice associée à une suite numérique.


Définition : soit une suite numérique ( un )n∈ . On appelle fonction génératrice associée à la
                                                            +∞
                                                                 uk k
suite ( un )n∈ , la fonction Fu définie par : ∀x   Fu ( x ) = ∑      .x .
                                                            k =0 k !


Le k! présent dans la définition a été introduit pour les raisons suivantes :

- Il augmente considérablement les chances de voir la série converger sur un domaine plus
important. Sans le k! beaucoup de suites numériques auraient une fonction génératrices dont le
domaine de définition serait réduit à {0}.

- Les calculs de la somme se trouvent simplifiés. Pour s’en convaincre le lecteur est invité à
essayer de recalculer la fonction génératrice des déplacements et des surjections dans les deux
exemples données ci-dessous en suppriment le k!.

- L’équivalent de la propriété 3 des fonctions génératrices associées aux variables aléatoires se
trouve simplifier. En effet, nous avons la propriété suivante :

Propriété : soit ( un )n une suite numérique et soit Fu sa fonction génératrice. On a alors :
                               Un = Fu(n)(0).

Le k! présent dans la propriété 3 à disparu.
La démonstration est similaire à celle, donnée pour les variables aléatoires.
Nous avons énoncé cette propriété car c’est celle qui va servir dans ce paragraphe.

Pour mieux comprendre l’intérêt de cette fonction génératrice, nous allons donner quelques
applications où elle intervient. (Les deux exemples qui suivent peuvent être considérés comme un
complément d’étude sur les dérangements et les surjections abordés dans les compléments de cours
sur la formule du crible et sur la formule d’inversion de Pascal.)


Application 1 : complément sur les dérangements.

Nous rappelons qu’un dérangement d’un ensemble E est une permutation sans points fixes.
Nous rappelons aussi que le nombre d(n) de dérangements d’un ensemble de cardinal n est donné
par la formule :
                                             n 
                                                  ( −1) 
                                                       k

                      ∀n ∈     d ( n) = n !∑            
                                                 k! 
                                           k =0
                                                        
Nous allons essayer de donner une autre formule pour d(n) sans sommation.




http://www.prepa-hec.org/ - Ressources gratuites pour la prépa
 ( −1) k
                                   n           
Pour cela, posons : un = n !∑                  . Et calculons la fonction génératrice associée à la suite
                                  k!          
                            k =0
                                              
( un ) n .

Nous avons : (En supposant x < 1 )
                       uk k +∞ k  ( −1)         k +∞ +∞  ( −1)i       k
                                          i
                +∞
∀x     Fu ( x ) = ∑ .x = ∑ .∑                  x = ∑ .∑              x
                  k =0 k !
                                      i!                      i!     
                            k =0 i=0
                                                   i =0 k =i
                                                                       
                +∞     ( −1)i  +∞ k +∞  ( −1)i  x i   1 +∞  ( − x ) 
                                                                        i

            = ∑ .
                       i!  ∑
                                x = ∑ .         .    =    .∑ .        .
                                                                       
               i =0
                               k =i i=0
                                           i !  1 − x 1 − x i=0  i ! 
                 e− x
            =
              1− x
De plus, en utilisant la propriété 3, nous avons : ∀n ∈      un = Fu (0) .
                                                                    (n)


Cette expression, porté dans la formule de d(n) donne : d (n) = Fu (0) .
                                                                                   (n)


Nous avons donc obtenue le résultat suivant :

                                                     e− x
Théorème : Soit f la fonction définie par f ( x ) =       . Le nombre de dérangements d(n) d’un
                                                    1− x
ensemble de cardinal n est donné par : d(n) = f(n)(0).



Application 2 : complément sur les surjections.

Nous rappelons qu’une surjection d’un ensemble E de cardinal p vers un ensemble f de cardinal n
est une application ou chaque élément de l’ensemble d’arrivé admet au moins un antécédent.
Nous rappelons aussi que le nombre S np de surjections d’un ensemble de cardinal p vers un
ensemble de cardinal n est donné par le formule :
                                                             n
                                                       S np = ∑ ( −1)
                                                                        n−k
                                                                              Cn k p
                                                                               k

                                                            k =0



Nous allons essayer là aussi de donner pour S np une formule sans sommation.
                             n
Pour cela, posons : u p = ∑ ( −1)
                                       n−k
                                             Cn k p et calculons la fonction génératrice Fu associée à la suite
                                              k

                            k =0

(u )
   p   p∈
            .
Nous avons :




http://www.prepa-hec.org/ - Ressources gratuites pour la prépa
+∞                 +∞                                  +∞ n
                    up                  1 n                                            xp
     Fu ( x ) = ∑                                ( −1) Cnk k p .x p = ∑∑ ( −1) Cnk k p
                                                      n−k                       n−k
∀x                         .x p = ∑         ∑
              p=0    p!          p =0   p ! k =0                      p =0 k =0        p!
                                                                 ( kx ) = n C k −1 n −k e kx
                                                                                p
                     +∞                                     +∞
               n
                                          xp    n
            = ∑∑ ( −1)                       = ∑ ( −1) Cn ∑              ∑ n( )
                                n−k     k    p        n−k k
                                      C k
                                        n
              k =0 p =0                   p ! k =0          p =0    p!   k =0


            = ( e x − 1)
                            n




De plus, en utilisant la propriété 3, nous avons : ∀n ∈                     u p = Fu
                                                                                              ( p)
                                                                                                     (0) .
Cette expression, portée dans la formule de S np donne : S np = Fu (0) .
                                                                                        (n)


Nous avons donc obtenu le résultat suivant :

Théorème : Soit f la fonction définie par f ( x ) = ( e x − 1) . Le nombre de surjection S np d’un
                                                                            n


ensemble de cardinal p vers un ensemble de cardinal n est donné par : Snp = f(n)(0).

Nous pouvons même aller un peu plus loin.
(voir par exemple concours ESSEC 1998, Maths 3, exercice 2, question 4)
Calculons le développement limité en 0 de Fu à l’ordre n+5.
                                                                      x2 x3 x 4 x5 x6
Le développement limité à l’ordre 6 de x a e x − 1 est : e x − 1 = x + + + + + + x 6ε ( x ) .
                                                                      2 3! 4! 5! 6!
Avec, bien sur : lim ε ( x ) = 0 .
                    x →0

Nous obtiendrons le développement limité de Fu à l’ordre n+5 en élevant à la puissance n
l’expression précédente et en ne conservant que les termes de degré inférieur ou égal à n+5.
(si dans l’expression précédente, nous avions pris un développement limité à l’ordre 7, le terme
 x7
     n’aurait donné que des termes de degré supérieur ou égal à n+6 donc inutile.)
 7!
nous avons :
                                        n                                           n
    x 2 x3 x 4 x5 x 6  n x x 2 x3 x 4 x5 
 x + + + + +  = x 1 + + + + + 
    2 3! 4! 5! 6!        2 3! 4! 5! 6! 
                                                                                          i
                                                      x x 2 x3 x 4 x5 
                                                     n
                                            = x ∑C  + + + + 
                                                 n       i
                                                         n
                                                i =0  2 3! 4! 5! 6! 
                                                                                                      i
                                                      xi   x x 2 x3 x 4 
                                                     n
                                            = x ∑ C   1 + + + +
                                                 n       i
                                                         n                 
                                                i =0  2   3 12 60 360 
                                                                                                             j
                                                      xi  i
                                                     n
                                                                  x x2 x3 x4 
                                            = x ∑ C   ∑ Ci j  + + +
                                                 n       i
                                                         n                     
                                                i =0  2  j = 0  3 12 60 360 
                                                                        j                                        j
                                                      xi  i
                                                     n
                                                                x          x x 2 x3 
                                            = x ∑ C   ∑ Ci j  
                                                 n       i
                                                         n                  1 + + +   
                                                i =0  2  j =0  3         4 20 120 




http://www.prepa-hec.org/ - Ressources gratuites pour la prépa
j                           k
                                          xi  i j  x 
                                         n                           j
                                                                          x x 2 x3 
                                 = x ∑ C   ∑ Ci  
                                     n       i
                                             n                      ∑ C  4 + 20 + 120 
                                                                         k
                                                                         j
                                     i=0  2  j =0  3            k =0              
                                                                j              k                  k
                                          xi  i j  x 
                                         n                           j
                                                                         x  x x 
                                                                                        2
                                 = x ∑ C   ∑ Ci  
                                     n       i
                                             n                      ∑ C  4  1 + 5 + 30 
                                                                         k
                                                                         j  
                                     i=0  2  j =0  3            k =0                
                                                                j              k                      l
                                          xi  i
                                         n
                                                    x
                                                                     j
                                                                         x       k
                                                                                           x x2 
                                 = x ∑ C   ∑ Ci j  
                                     n       i
                                             n                      ∑C  4 
                                                                         k
                                                                         j        ∑ 5 30
                                                                                       l
                                                                                       kC  + 
                                     i=0  2  j =0  3            k =0          l =0         
                                                                j              k              l            l
                                          xi  i
                                         n
                                                    x
                                                                     j
                                                                         x       k
                                                                                        x        x
                                 = x ∑ C   ∑ Ci j  
                                     n       i
                                             n                      ∑C  4 
                                                                         k
                                                                         j        ∑C  5 
                                                                                       l
                                                                                       k         1 + 
                                     i=0  2  j =0  3            k =0          l =0           6
                                                                j              k              l                m
                                         n
                                            xi  i     x
                                                                j
                                                                      x k   x l       x
                                = x ∑ C   ∑ Ci j   ∑ C k   ∑ Ckl   ∑ Clm  
                                     n       i
                                             n                      j
                                     i=0    2  j =0  3  k = 0  4  l = 0  5  m =0 6
Sous cette forme, nous voyons que pour conserver les termes de degré inférieur ou égal à n+5, il
suffit de choisir les termes dont les puissances i, j, k, l, m vérifie :
i+ j +k +l +m ≤ 5
m≤l ≤k ≤ j≤i
c’est à dire :
i=0 ; j=0 ;k=0         ;l=0    ;m=0.
i=1 ; j=0 ;k=0         ;l=0    ;m=0.
i=1 ; j=1 ;k=0         ;l=0    ;m=0.
i=1 ; j=1 ;k=1         ;l=0    ;m=0.
i= 1; j=1 ;k=1         ;l=1    ;m=0.
i= 1; j=1 ;k=1         ;l=1    ;m=1.
i= 2; j=0 ;k=0         ;l=0    ;m=0.
i= 2; j=1 ;k=0         ;l=0    ;m=0.
i= 2; j=1 ;k=1         ;l=0    ;m=0.
i= 2; j=1 ;k=1         ;l=1    ;m=0.
i= 2; j=2 ;k=0         ;l=0    ;m=0.
i= 2; j=2 ;k=1         ;l=0    ;m=0.
i= 3; j=0 ;k=0         ;l=0    ;m=0.
i= 3; j=1 ;k=0         ;l=0    ;m=0.
i=3 ; j=1 ;k=1         ;l=0    ;m=0.
i=3 ; j=2 ;k=0         ;l=0    ;m=0.

Tout calculs faits, après simplifications et factorisations, nous obtenons :

( e x − 1) = x n + n .x n+1 + n(324+ 1) .x n+2 + n (48+ 1) .x n+3
                                                  2
          n                      n                  n
                   2
                      n (15n3 + 30n 2 + 5n − 2 )n 2 ( n + 1)(3n 2 + 7 n − 2) n +5
                  +                                .x n + 4 +               . x + x n + 5ε 1 ( x )
                           5760                            11520
Nous connaissons un autre moyen de trouver un développement limité. C’est la formule de Taylor-
Young, que nous pouvons utiliser à l’ordre n+5.




http://www.prepa-hec.org/ - Ressources gratuites pour la prépa
n+5    (k )
                            Fu (0) k
Nous avons : Fu ( x ) = ∑         .x + x n + 5 .ε1 ( x ) . Nous avons garder la même notation pour
                       k =0   k!
ε1 ( x) car un développement limité est unique.

Nous obtenons donc par identification :

 fu( n ) (0)                                     f u( n +1) (0) n
             =1                                                =
     n!                                          ( n + 1)! 2
 fu( n + 2) (0) n(3n + 1)                        fu( n +3) (0) n 2 ( n + 1)
               =                                              =
 ( n + 2 )!        24                            ( n + 3) !         48
 fu( n + 4) (0) n(15n3 + 30n 2 + 5n − 2)         fu( n +5) (0) n 2 ( n + 1)( n 2 + 7 n − 2)
               =                                              =
 ( n + 4 )!              5760                    ( n + 5 )!               11520

Compte tenu du fait que :
Snp = Fu (0) .
        ( p)




Nous obtenons finalement :

∀n ∈
                                                              n ( n + 1) !
 Sn = n !
  n
                                                   S n +1 =
                                                     n

                                                                  2
           n(3n + 1) ( n + 2 ) !                                n ( n + 1) ( n + 3) !
                                                                    2

 Sn +2 =
  n
                                                    S n +3 =
                                                      n

                 24                                                     48
           n(15n + 30n 2 + 5n − 2) ( n + 4 ) !
                  3
                                                                 n ( n + 1)(n 2 + 7 n − 2) ( n + 5 ) !
                                                                      2

 Sn +4 =
  n
                                                     S n +5 =
                                                       n

                            5760                                                  11520

                                                                n
Remarque : compte tenu ,aussi, du fait que : S np = ∑ ( −1)
                                                                          n−k
                                                                                Cn k p
                                                                                 k

                                                               k =0
Nous en déduisons aussi les formules sommatoires suivantes :




http://www.prepa-hec.org/ - Ressources gratuites pour la prépa
∀n ∈
  n

 ∑ ( −1)
           n−k
                 Cn k n = n !
                  k

 k =0
  n
                                n ( n + 1) !
 ∑ ( −1)
           n−k
                 Cn k n +1 =
                  k

 k =0                                  2
  n
                                n(3n + 1) ( n + 2 ) !
 ∑ ( −1)
           n−k
                 Cn k n + 2 =
                  k

 k =0                                      24
  n
                                n 2 ( n + 1) ( n + 3) !
 ∑ ( −1)
           n−k
                 Cn k n +3 =
                  k

 k =0                                      48
  n
                                n(15n3 + 30n 2 + 5n − 2) ( n + 4 ) !
 ∑ ( −1)
           n−k
                 Cn k n + 4 =
                  k

 k =0                                               5760
  n
                                n ( n + 1)( n + 7 n − 2) ( n + 5 ) !
                                  2             2

 ∑ ( −1)
           n−k
                 Cn k n +5 =
                  k

 k =0                                           11520



3 – Fonction génératrice associée à une famille de polynômes.

On peut définir des fonctions génératrices pour les familles de polynômes.

Définition : Soit Pn une famille de polynômes. On appelle fonction génératrice associé à la
                                                    ∞                             ∞
                                                                                      P ( x) k
famille Pn, la fonction FP défini par : FP ( t ) = ∑ Pk ( x ) .t k ou FP ( t ) = ∑ k        .t .
                                                   k =0                          k =0  k!
Selon la famille étudier on choisira l’une ou l’autre des deux expressions selon la commodité des
calculs.

Voyons quelques exemple.

Polynôme de Tchebytchev de première espèce.

Il sont définies par :
T0 = 1

T1 = X

∀n ∈ , Tn + 2 = 2 XTn +1 − Tn

                                 ∞
                                                       1 − tx
On a alors : FT (t ) = ∑ Tn ( x ).t k =                           .
                                k =0                1 − 2tx + t 2

Polynôme de Tchebytchev de seconde espèce.

Il sont définies par :



http://www.prepa-hec.org/ - Ressources gratuites pour la prépa
U 0 = 1

U1 = 2 X
∀n ∈ , U = 2 XU − U
         n+ 2  n +1 n


                         ∞
                                                1
On a alors : FU (t ) = ∑ U n ( x ).t k =                 .
                        k =0               1 − 2tx + t 2

Polynôme de Laguerre.

Il sont définies par :
 L0 = 1

                                            Ou plus simplement par Ln ( x ) = e x . ( x n e − x ) .
                                                                                                 (n)
 L1 = 1 − X

∀n ∈ , Ln +1 = ( 2n + 1 − X ) Ln − n Ln −1
                                     2



                                                xt
                                            −
                         ∞
                            L ( x) e 1−t
On a alors : FL (t ) = ∑ n .t k =        .
                       k =0  k!    1− t
Polynôme d’Hermite.

Il sont définies par :
H0 = 1
H = 2 X
 1
                                                                                         ( )
                                                                                               (n)
                                     Ou plus simplement par H n ( x ) = (−1) n e x . e − x
                                                                                  2        2

                                                                                                    .
∀n ∈ , H n +1 = 2 X .H n − 2nH n −1
ou H n '( x) = 2nH n −1 ( x)


                         ∞
                             H n ( x) k
On a alors : FH (t ) = ∑             .t = e2 tx −t .
                                                  2


                        k =0   k!




http://www.prepa-hec.org/ - Ressources gratuites pour la prépa
Polynôme de Legendre.

Il sont définies par :
 P0 = 1

                                                                           (
                                    Ou plus simplement par Pn ( x ) = n ( x 2 − 1)     )
                                                                                           (n )
                                                                      1            n
P = 1 − X
    1                                                                                             .
∀n ∈ , (n + 1) P = 2n + 1 P − nP                                    2 n!
                    n +1 ( ) n n−1
                        ∞
                                              1
On a alors : FP (t ) = ∑ Pn ( x).t k =                   .
                       k =0              1 − 2tx + t 2




http://www.prepa-hec.org/ - Ressources gratuites pour la prépa

Contenu connexe

Tendances

Cours continuité et limites
Cours continuité et limitesCours continuité et limites
Cours continuité et limitesYessin Abdelhedi
 
Cours2 Réponse temporelle des systèmes dynamiques continus LTI
Cours2 Réponse temporelle des systèmes dynamiques continus LTICours2 Réponse temporelle des systèmes dynamiques continus LTI
Cours2 Réponse temporelle des systèmes dynamiques continus LTIsarah Benmerzouk
 
CM3 - Transformée de Fourier
CM3 - Transformée de FourierCM3 - Transformée de Fourier
CM3 - Transformée de FourierPierre Maréchal
 
Calcul Des Structures Portiques Methode Des Deplacements Jexpoz
Calcul Des Structures Portiques   Methode Des Deplacements JexpozCalcul Des Structures Portiques   Methode Des Deplacements Jexpoz
Calcul Des Structures Portiques Methode Des Deplacements Jexpozjexpoz
 
ELE2611 Classe 3 - Filtres analogiques linéaires I
ELE2611 Classe 3 - Filtres analogiques linéaires IELE2611 Classe 3 - Filtres analogiques linéaires I
ELE2611 Classe 3 - Filtres analogiques linéaires IJerome LE NY
 
Cours developpements limites
Cours   developpements limitesCours   developpements limites
Cours developpements limiteshassan1488
 
47811458 exercices-systemes-echantillonnes
47811458 exercices-systemes-echantillonnes47811458 exercices-systemes-echantillonnes
47811458 exercices-systemes-echantillonnesTRIKI BILEL
 
recherche operationnelle
recherche operationnelle recherche operationnelle
recherche operationnelle mohamednacim
 
Chapitre 3 robotique e
Chapitre 3 robotique eChapitre 3 robotique e
Chapitre 3 robotique eMouna Souissi
 
E logistics-Vehicle Routing Problem
E logistics-Vehicle Routing ProblemE logistics-Vehicle Routing Problem
E logistics-Vehicle Routing ProblemENSAM Casablanca
 
Chapitre 3 Réponse à une charge quelconque _8DEC_3e4c340a058ddc0c59907d7722...
Chapitre 3 Réponse à une charge quelconque _8DEC_3e4c340a058ddc0c59907d7722...Chapitre 3 Réponse à une charge quelconque _8DEC_3e4c340a058ddc0c59907d7722...
Chapitre 3 Réponse à une charge quelconque _8DEC_3e4c340a058ddc0c59907d7722...AuRevoir4
 
cours de complexité algorithmique
cours de complexité algorithmiquecours de complexité algorithmique
cours de complexité algorithmiqueAtef MASMOUDI
 
Ener1 - CM3 - Puissance électrique
Ener1  - CM3 - Puissance électriqueEner1  - CM3 - Puissance électrique
Ener1 - CM3 - Puissance électriquePierre Maréchal
 
[Supply chain] performance de la logistique et du transport
[Supply chain] performance de la logistique et du transport[Supply chain] performance de la logistique et du transport
[Supply chain] performance de la logistique et du transportonepoint x weave
 
récursivité algorithmique et complexité algorithmique et Les algorithmes de tri
récursivité algorithmique et complexité algorithmique et Les algorithmes de trirécursivité algorithmique et complexité algorithmique et Les algorithmes de tri
récursivité algorithmique et complexité algorithmique et Les algorithmes de triYassine Anddam
 

Tendances (20)

Vibration Mécanique
Vibration MécaniqueVibration Mécanique
Vibration Mécanique
 
Cours continuité et limites
Cours continuité et limitesCours continuité et limites
Cours continuité et limites
 
Cours2 Réponse temporelle des systèmes dynamiques continus LTI
Cours2 Réponse temporelle des systèmes dynamiques continus LTICours2 Réponse temporelle des systèmes dynamiques continus LTI
Cours2 Réponse temporelle des systèmes dynamiques continus LTI
 
CM3 - Transformée de Fourier
CM3 - Transformée de FourierCM3 - Transformée de Fourier
CM3 - Transformée de Fourier
 
Ener1 - CM1 - Monophasé
Ener1 - CM1 - MonophaséEner1 - CM1 - Monophasé
Ener1 - CM1 - Monophasé
 
Calcul Des Structures Portiques Methode Des Deplacements Jexpoz
Calcul Des Structures Portiques   Methode Des Deplacements JexpozCalcul Des Structures Portiques   Methode Des Deplacements Jexpoz
Calcul Des Structures Portiques Methode Des Deplacements Jexpoz
 
ELE2611 Classe 3 - Filtres analogiques linéaires I
ELE2611 Classe 3 - Filtres analogiques linéaires IELE2611 Classe 3 - Filtres analogiques linéaires I
ELE2611 Classe 3 - Filtres analogiques linéaires I
 
Cours developpements limites
Cours   developpements limitesCours   developpements limites
Cours developpements limites
 
Cours3.pptx
Cours3.pptxCours3.pptx
Cours3.pptx
 
47811458 exercices-systemes-echantillonnes
47811458 exercices-systemes-echantillonnes47811458 exercices-systemes-echantillonnes
47811458 exercices-systemes-echantillonnes
 
recherche operationnelle
recherche operationnelle recherche operationnelle
recherche operationnelle
 
DDS Serie 1 exercices
DDS Serie 1 exercicesDDS Serie 1 exercices
DDS Serie 1 exercices
 
Chapitre 3 robotique e
Chapitre 3 robotique eChapitre 3 robotique e
Chapitre 3 robotique e
 
E logistics-Vehicle Routing Problem
E logistics-Vehicle Routing ProblemE logistics-Vehicle Routing Problem
E logistics-Vehicle Routing Problem
 
Tome 1 vibrations
Tome 1 vibrationsTome 1 vibrations
Tome 1 vibrations
 
Chapitre 3 Réponse à une charge quelconque _8DEC_3e4c340a058ddc0c59907d7722...
Chapitre 3 Réponse à une charge quelconque _8DEC_3e4c340a058ddc0c59907d7722...Chapitre 3 Réponse à une charge quelconque _8DEC_3e4c340a058ddc0c59907d7722...
Chapitre 3 Réponse à une charge quelconque _8DEC_3e4c340a058ddc0c59907d7722...
 
cours de complexité algorithmique
cours de complexité algorithmiquecours de complexité algorithmique
cours de complexité algorithmique
 
Ener1 - CM3 - Puissance électrique
Ener1  - CM3 - Puissance électriqueEner1  - CM3 - Puissance électrique
Ener1 - CM3 - Puissance électrique
 
[Supply chain] performance de la logistique et du transport
[Supply chain] performance de la logistique et du transport[Supply chain] performance de la logistique et du transport
[Supply chain] performance de la logistique et du transport
 
récursivité algorithmique et complexité algorithmique et Les algorithmes de tri
récursivité algorithmique et complexité algorithmique et Les algorithmes de trirécursivité algorithmique et complexité algorithmique et Les algorithmes de tri
récursivité algorithmique et complexité algorithmique et Les algorithmes de tri
 

En vedette

Sommation séries entières
Sommation séries entièresSommation séries entières
Sommation séries entièresLoïc Dilly
 
Mathématiques - Primitives particulières
Mathématiques - Primitives particulièresMathématiques - Primitives particulières
Mathématiques - Primitives particulièresLoïc Dilly
 
Mathématiques - Formule du crible
Mathématiques - Formule du cribleMathématiques - Formule du crible
Mathématiques - Formule du cribleLoïc Dilly
 
Lc s2 www.cours-fsjes.blogspot.com
Lc s2 www.cours-fsjes.blogspot.comLc s2 www.cours-fsjes.blogspot.com
Lc s2 www.cours-fsjes.blogspot.comManar Sefiane
 
Fiche cfe amortissements
Fiche cfe amortissementsFiche cfe amortissements
Fiche cfe amortissementsManar Sefiane
 

En vedette (8)

Tableaux derivees
Tableaux deriveesTableaux derivees
Tableaux derivees
 
Sommation séries entières
Sommation séries entièresSommation séries entières
Sommation séries entières
 
Maths Annexes
Maths AnnexesMaths Annexes
Maths Annexes
 
Mathématiques - Primitives particulières
Mathématiques - Primitives particulièresMathématiques - Primitives particulières
Mathématiques - Primitives particulières
 
Mathématiques - Formule du crible
Mathématiques - Formule du cribleMathématiques - Formule du crible
Mathématiques - Formule du crible
 
Lc s2 www.cours-fsjes.blogspot.com
Lc s2 www.cours-fsjes.blogspot.comLc s2 www.cours-fsjes.blogspot.com
Lc s2 www.cours-fsjes.blogspot.com
 
Fiche cfe amortissements
Fiche cfe amortissementsFiche cfe amortissements
Fiche cfe amortissements
 
Formulaire math
Formulaire mathFormulaire math
Formulaire math
 

Similaire à Mathématiques - Fonction génératrice

Mathématiques - Loi binomiale conditionnée
Mathématiques - Loi binomiale conditionnéeMathématiques - Loi binomiale conditionnée
Mathématiques - Loi binomiale conditionnéeLoïc Dilly
 
Aates ch08 lois-a-densite
Aates ch08 lois-a-densiteAates ch08 lois-a-densite
Aates ch08 lois-a-densiteManar Sefiane
 
Fonctions exponentielles et puissances
Fonctions exponentielles et puissancesFonctions exponentielles et puissances
Fonctions exponentielles et puissancesĂmîʼndǿ TrànCè
 
Cours series fourier
Cours series fourierCours series fourier
Cours series fourierMehdi Maroun
 
Cours series fourier
Cours series fourierCours series fourier
Cours series fourierismailkziadi
 
DS6-CB-sujet (1).pdf
DS6-CB-sujet (1).pdfDS6-CB-sujet (1).pdf
DS6-CB-sujet (1).pdfhajar517389
 
M1_exercices_corriges.pdf
M1_exercices_corriges.pdfM1_exercices_corriges.pdf
M1_exercices_corriges.pdfDurelDonfack
 
Math%E9matiques%20 Ct
Math%E9matiques%20 CtMath%E9matiques%20 Ct
Math%E9matiques%20 Ctglenoo
 
Algebre1 s1 par www.etudecours.com
Algebre1 s1 par www.etudecours.comAlgebre1 s1 par www.etudecours.com
Algebre1 s1 par www.etudecours.cometude cours
 
Fonction-Logarithme-2eme-BAC-PC-1--www.etude-generale.com.pdf
Fonction-Logarithme-2eme-BAC-PC-1--www.etude-generale.com.pdfFonction-Logarithme-2eme-BAC-PC-1--www.etude-generale.com.pdf
Fonction-Logarithme-2eme-BAC-PC-1--www.etude-generale.com.pdfetude-generale
 

Similaire à Mathématiques - Fonction génératrice (20)

Mathématiques - Loi binomiale conditionnée
Mathématiques - Loi binomiale conditionnéeMathématiques - Loi binomiale conditionnée
Mathématiques - Loi binomiale conditionnée
 
Cours stat2-kharrat
Cours stat2-kharratCours stat2-kharrat
Cours stat2-kharrat
 
Chap9
Chap9Chap9
Chap9
 
D slides 11
D slides 11D slides 11
D slides 11
 
Aates ch08 lois-a-densite
Aates ch08 lois-a-densiteAates ch08 lois-a-densite
Aates ch08 lois-a-densite
 
transparents-Algo-complexite.pdf
transparents-Algo-complexite.pdftransparents-Algo-complexite.pdf
transparents-Algo-complexite.pdf
 
01 lois-à-densité
01 lois-à-densité01 lois-à-densité
01 lois-à-densité
 
transparents-Algo-correction.pdf
transparents-Algo-correction.pdftransparents-Algo-correction.pdf
transparents-Algo-correction.pdf
 
Fonctions exponentielles et puissances
Fonctions exponentielles et puissancesFonctions exponentielles et puissances
Fonctions exponentielles et puissances
 
Cours series fourier
Cours series fourierCours series fourier
Cours series fourier
 
Cours series fourier
Cours series fourierCours series fourier
Cours series fourier
 
Séries de Fourier
Séries de FourierSéries de Fourier
Séries de Fourier
 
DS6-CB-sujet (1).pdf
DS6-CB-sujet (1).pdfDS6-CB-sujet (1).pdf
DS6-CB-sujet (1).pdf
 
M1_exercices_corriges.pdf
M1_exercices_corriges.pdfM1_exercices_corriges.pdf
M1_exercices_corriges.pdf
 
Exercice intégrales
Exercice intégralesExercice intégrales
Exercice intégrales
 
Math%E9matiques%20 Ct
Math%E9matiques%20 CtMath%E9matiques%20 Ct
Math%E9matiques%20 Ct
 
Algebre1 s1 par www.etudecours.com
Algebre1 s1 par www.etudecours.comAlgebre1 s1 par www.etudecours.com
Algebre1 s1 par www.etudecours.com
 
Exercice dérivabilité
Exercice dérivabilitéExercice dérivabilité
Exercice dérivabilité
 
Fonction-Logarithme-2eme-BAC-PC-1--www.etude-generale.com.pdf
Fonction-Logarithme-2eme-BAC-PC-1--www.etude-generale.com.pdfFonction-Logarithme-2eme-BAC-PC-1--www.etude-generale.com.pdf
Fonction-Logarithme-2eme-BAC-PC-1--www.etude-generale.com.pdf
 
05 exos fonction_exponentielle
05 exos fonction_exponentielle05 exos fonction_exponentielle
05 exos fonction_exponentielle
 

Plus de Loïc Dilly

Règlement SIGEM
Règlement SIGEMRèglement SIGEM
Règlement SIGEMLoïc Dilly
 
Reglement sigem 2010
Reglement sigem 2010Reglement sigem 2010
Reglement sigem 2010Loïc Dilly
 
Lycées Francais Etranger
Lycées Francais EtrangerLycées Francais Etranger
Lycées Francais EtrangerLoïc Dilly
 
Couverture Livre Prepa Ecole de commerce / prepa-HEC.org
Couverture Livre Prepa Ecole de commerce / prepa-HEC.orgCouverture Livre Prepa Ecole de commerce / prepa-HEC.org
Couverture Livre Prepa Ecole de commerce / prepa-HEC.orgLoïc Dilly
 
Admission Post Bac Calendrier 2010
Admission Post Bac Calendrier 2010Admission Post Bac Calendrier 2010
Admission Post Bac Calendrier 2010Loïc Dilly
 
Le Foyer Des Lycéennes, Un Internat Taille Patronne
Le Foyer Des Lycéennes, Un Internat Taille PatronneLe Foyer Des Lycéennes, Un Internat Taille Patronne
Le Foyer Des Lycéennes, Un Internat Taille PatronneLoïc Dilly
 
EM Lyon 2006 Concours
EM Lyon 2006 ConcoursEM Lyon 2006 Concours
EM Lyon 2006 ConcoursLoïc Dilly
 
Essec 2004 Concours
Essec 2004 ConcoursEssec 2004 Concours
Essec 2004 ConcoursLoïc Dilly
 
Classe prépa: étudiants en surrégime - Les Echos
Classe prépa: étudiants en surrégime - Les EchosClasse prépa: étudiants en surrégime - Les Echos
Classe prépa: étudiants en surrégime - Les EchosLoïc Dilly
 
Mathématiques - Formule d'inversion de Pascal
Mathématiques - Formule d'inversion de PascalMathématiques - Formule d'inversion de Pascal
Mathématiques - Formule d'inversion de PascalLoïc Dilly
 
Historique classes prépas
Historique classes prépasHistorique classes prépas
Historique classes prépasLoïc Dilly
 
Jeunes Diplomes 2008
Jeunes Diplomes 2008Jeunes Diplomes 2008
Jeunes Diplomes 2008Loïc Dilly
 
Enquête EM Normandie / Espace Prépas
Enquête EM Normandie / Espace PrépasEnquête EM Normandie / Espace Prépas
Enquête EM Normandie / Espace PrépasLoïc Dilly
 

Plus de Loïc Dilly (14)

Règlement SIGEM
Règlement SIGEMRèglement SIGEM
Règlement SIGEM
 
Reglement sigem 2010
Reglement sigem 2010Reglement sigem 2010
Reglement sigem 2010
 
Lycées Francais Etranger
Lycées Francais EtrangerLycées Francais Etranger
Lycées Francais Etranger
 
Couverture Livre Prepa Ecole de commerce / prepa-HEC.org
Couverture Livre Prepa Ecole de commerce / prepa-HEC.orgCouverture Livre Prepa Ecole de commerce / prepa-HEC.org
Couverture Livre Prepa Ecole de commerce / prepa-HEC.org
 
Admission Post Bac Calendrier 2010
Admission Post Bac Calendrier 2010Admission Post Bac Calendrier 2010
Admission Post Bac Calendrier 2010
 
Le Foyer Des Lycéennes, Un Internat Taille Patronne
Le Foyer Des Lycéennes, Un Internat Taille PatronneLe Foyer Des Lycéennes, Un Internat Taille Patronne
Le Foyer Des Lycéennes, Un Internat Taille Patronne
 
EM Lyon 2006 Concours
EM Lyon 2006 ConcoursEM Lyon 2006 Concours
EM Lyon 2006 Concours
 
Essec 2004 Concours
Essec 2004 ConcoursEssec 2004 Concours
Essec 2004 Concours
 
Classe prépa: étudiants en surrégime - Les Echos
Classe prépa: étudiants en surrégime - Les EchosClasse prépa: étudiants en surrégime - Les Echos
Classe prépa: étudiants en surrégime - Les Echos
 
Mathématiques - Formule d'inversion de Pascal
Mathématiques - Formule d'inversion de PascalMathématiques - Formule d'inversion de Pascal
Mathématiques - Formule d'inversion de Pascal
 
Historique classes prépas
Historique classes prépasHistorique classes prépas
Historique classes prépas
 
Etymopub
EtymopubEtymopub
Etymopub
 
Jeunes Diplomes 2008
Jeunes Diplomes 2008Jeunes Diplomes 2008
Jeunes Diplomes 2008
 
Enquête EM Normandie / Espace Prépas
Enquête EM Normandie / Espace PrépasEnquête EM Normandie / Espace Prépas
Enquête EM Normandie / Espace Prépas
 

Dernier

Festival de Cannes 2024. pptx
Festival    de   Cannes      2024.  pptxFestival    de   Cannes      2024.  pptx
Festival de Cannes 2024. pptxTxaruka
 
Fiche - Accompagnement du travail coopératif au sein d’une équipe d’enseignan...
Fiche - Accompagnement du travail coopératif au sein d’une équipe d’enseignan...Fiche - Accompagnement du travail coopératif au sein d’une équipe d’enseignan...
Fiche - Accompagnement du travail coopératif au sein d’une équipe d’enseignan...Pedago Lu
 
Gestion des flux de trésorerie dans les entreprises
Gestion des flux de trésorerie dans les entreprisesGestion des flux de trésorerie dans les entreprises
Gestion des flux de trésorerie dans les entreprisesHamdConseil
 
Système National de Santé au- Maroc-(2017)."pdf"
Système National de Santé au- Maroc-(2017)."pdf"Système National de Santé au- Maroc-(2017)."pdf"
Système National de Santé au- Maroc-(2017)."pdf"tachakourtzineb
 
Présentation Webinaire Cohésion - Concevoir et mettre en place une CMDB, comm...
Présentation Webinaire Cohésion - Concevoir et mettre en place une CMDB, comm...Présentation Webinaire Cohésion - Concevoir et mettre en place une CMDB, comm...
Présentation Webinaire Cohésion - Concevoir et mettre en place une CMDB, comm...Technologia Formation
 
PLANNING HEBDO ET CR LYCEE COUDON 21 MAI2024
PLANNING HEBDO ET CR LYCEE COUDON 21 MAI2024PLANNING HEBDO ET CR LYCEE COUDON 21 MAI2024
PLANNING HEBDO ET CR LYCEE COUDON 21 MAI2024frizzole
 
Comment enseigner la langue française en Colombie?
Comment enseigner la langue française en Colombie?Comment enseigner la langue française en Colombie?
Comment enseigner la langue française en Colombie?sashaflor182
 
Quitter la nuit. pptx
Quitter          la        nuit.    pptxQuitter          la        nuit.    pptx
Quitter la nuit. pptxTxaruka
 
EL KATRY Reem: Proposition de Programme Artistique et Exposition pour les Écoles
EL KATRY Reem: Proposition de Programme Artistique et Exposition pour les ÉcolesEL KATRY Reem: Proposition de Programme Artistique et Exposition pour les Écoles
EL KATRY Reem: Proposition de Programme Artistique et Exposition pour les ÉcolesSOLIANAEvelyne
 
Decret-n°19-10-du-23-janvier-2019-reglementant-lexportation-des-déchets-spéci...
Decret-n°19-10-du-23-janvier-2019-reglementant-lexportation-des-déchets-spéci...Decret-n°19-10-du-23-janvier-2019-reglementant-lexportation-des-déchets-spéci...
Decret-n°19-10-du-23-janvier-2019-reglementant-lexportation-des-déchets-spéci...zidani2
 
Quitter la nuit. pptx
Quitter        la             nuit.   pptxQuitter        la             nuit.   pptx
Quitter la nuit. pptxTxaruka
 
Présentation sur les Risques Électriques et Leur Prévention en Algérie
Présentation sur les Risques Électriques et Leur Prévention en AlgériePrésentation sur les Risques Électriques et Leur Prévention en Algérie
Présentation sur les Risques Électriques et Leur Prévention en AlgérieSeifTech
 
Webinaire Technologia | DAX : nouvelles fonctions
Webinaire Technologia | DAX : nouvelles fonctionsWebinaire Technologia | DAX : nouvelles fonctions
Webinaire Technologia | DAX : nouvelles fonctionsTechnologia Formation
 

Dernier (13)

Festival de Cannes 2024. pptx
Festival    de   Cannes      2024.  pptxFestival    de   Cannes      2024.  pptx
Festival de Cannes 2024. pptx
 
Fiche - Accompagnement du travail coopératif au sein d’une équipe d’enseignan...
Fiche - Accompagnement du travail coopératif au sein d’une équipe d’enseignan...Fiche - Accompagnement du travail coopératif au sein d’une équipe d’enseignan...
Fiche - Accompagnement du travail coopératif au sein d’une équipe d’enseignan...
 
Gestion des flux de trésorerie dans les entreprises
Gestion des flux de trésorerie dans les entreprisesGestion des flux de trésorerie dans les entreprises
Gestion des flux de trésorerie dans les entreprises
 
Système National de Santé au- Maroc-(2017)."pdf"
Système National de Santé au- Maroc-(2017)."pdf"Système National de Santé au- Maroc-(2017)."pdf"
Système National de Santé au- Maroc-(2017)."pdf"
 
Présentation Webinaire Cohésion - Concevoir et mettre en place une CMDB, comm...
Présentation Webinaire Cohésion - Concevoir et mettre en place une CMDB, comm...Présentation Webinaire Cohésion - Concevoir et mettre en place une CMDB, comm...
Présentation Webinaire Cohésion - Concevoir et mettre en place une CMDB, comm...
 
PLANNING HEBDO ET CR LYCEE COUDON 21 MAI2024
PLANNING HEBDO ET CR LYCEE COUDON 21 MAI2024PLANNING HEBDO ET CR LYCEE COUDON 21 MAI2024
PLANNING HEBDO ET CR LYCEE COUDON 21 MAI2024
 
Comment enseigner la langue française en Colombie?
Comment enseigner la langue française en Colombie?Comment enseigner la langue française en Colombie?
Comment enseigner la langue française en Colombie?
 
Quitter la nuit. pptx
Quitter          la        nuit.    pptxQuitter          la        nuit.    pptx
Quitter la nuit. pptx
 
EL KATRY Reem: Proposition de Programme Artistique et Exposition pour les Écoles
EL KATRY Reem: Proposition de Programme Artistique et Exposition pour les ÉcolesEL KATRY Reem: Proposition de Programme Artistique et Exposition pour les Écoles
EL KATRY Reem: Proposition de Programme Artistique et Exposition pour les Écoles
 
Decret-n°19-10-du-23-janvier-2019-reglementant-lexportation-des-déchets-spéci...
Decret-n°19-10-du-23-janvier-2019-reglementant-lexportation-des-déchets-spéci...Decret-n°19-10-du-23-janvier-2019-reglementant-lexportation-des-déchets-spéci...
Decret-n°19-10-du-23-janvier-2019-reglementant-lexportation-des-déchets-spéci...
 
Quitter la nuit. pptx
Quitter        la             nuit.   pptxQuitter        la             nuit.   pptx
Quitter la nuit. pptx
 
Présentation sur les Risques Électriques et Leur Prévention en Algérie
Présentation sur les Risques Électriques et Leur Prévention en AlgériePrésentation sur les Risques Électriques et Leur Prévention en Algérie
Présentation sur les Risques Électriques et Leur Prévention en Algérie
 
Webinaire Technologia | DAX : nouvelles fonctions
Webinaire Technologia | DAX : nouvelles fonctionsWebinaire Technologia | DAX : nouvelles fonctions
Webinaire Technologia | DAX : nouvelles fonctions
 

Mathématiques - Fonction génératrice

  • 1. COMPLEMENT DE COURS. FONCTION GENERATRICE. Nous allons étudier, dans ces quelques pages, les fonctions génératrices. Par exemple la fonction génératrice associée à une variable aléatoire, s’appelle ainsi car elle permet de calculer simplement les moments de la variable aléatoire auquel elle est notamment de calculer simplement, comme nous le verrons, l’espérance et la variance d’une variable aléatoire. Elle survient dans de nombreux problèmes ou concours d’entrée aux grandes écoles même si elle ne figure pas officiellement au programme des cours. Il est donc intéressant d’avoir quelques notions sur celle-ci pour gagner du temps au cours des examens. DEFINITION DE LA FONCTION GENERATRICE. Soit X une variable aléatoire. Nous appellerons fonction génératrice des moments associée à la variable aléatoire X la fonction GX définie par: ∀t ∈ GX ( t ) = ∑ p ( X = k ) .t k k∈ X ( Ω ) Ceci, bien sûr, sous réserve de convergence de la série. Ce qui n’est à priori pas acquis. Lorsque nous calculerons la fonction génératrice d’une variable aléatoire particulière, nous nous efforceront de calculer la sommation. En effet, ce n’est que lorsque GX(t) s’exprime simplement en fonction de t que la fonction génératrice rend service. (Voir plus bas les calculs des fonctions génératrices des variables aléatoires classiques). PROPRIETE DE LA FONCTION GENERATRICE. Nous allons étudier les propriétés de la fonction génératrice en les exposant sous forme d’une suite d’énoncés que nous démontrerons. Nous distinguerons souvent le cas où X(Ω) prend un nombre fini de valeurs et le cas ou X(Ω) prend un nombre infini de valeur que nous supposerons être égal à pour fixer les idées. Le cas où X(Ω) prend un nombre fini de valeurs sera la plupart du temps http://www.prepa-hec.org/ - Ressources gratuites pour la prépa
  • 2. beaucoup plus simple à traiter. Le lecteur pourra donc dans un premier temps se limiter à l’étude de ce cas pour avoir une première approche des propriétés de la fonction génératrice. http://www.prepa-hec.org/ - Ressources gratuites pour la prépa
  • 3. Propriété 1 : L’intervalle [0 ;1] est inclus dans le domaine de définition de toute fonction génératrice. Démonstration : 1er cas : X (Ω) ⊂ 0; n . GX est une fonction polynomiale qui, par conséquent admet comme domaine de définition. 2ème cas : X (Ω) = . ∀k ∈ 0 ≤ t ≤ 1⇒ 0 ≤ tk ≤ 1 ⇒ 0 ≤ p ( X = k )tk ≤ p ( X = k ) n n ⇒ 0 ≤ ∑ p ( X = k )tk ≤ ∑ p ( X = k ) ≤ 1 k =0 k =0 Par conséquent si l’on fixe t ∈ [ 0,1] , la suite (un)n défini par : n ∀n ∈ un = ∑ p ( X = k ) t k k =0 Est une suite croissante, majorée par 1, donc convergente. Par conséquent la série ∑ p ( X = k ) .t k est bien défini pour t ∈ [0 ;1]. k∈ X ( Ω ) Propriété 2 : On a : GX(1) = 1. GX (1) = ∑ p ( X = k ) .1 k = ∑ p ( X = k ) = 1. k∈ X ( Ω ) k∈ X ( Ω ) (i ) G (0) Propriété 3 : On a : ∀i ∈ X (Ω) p ( X = i) = X i! 1er cas : X (Ω) ⊂ 0; n . Dérivons i fois la fonction génératrice, on obtient : k! ∀t ∈ GX ( t ) = ∑ p ( X = k ) .t k −i (i ) k∈ X ( Ω ) (k − i )! k ≥i Pour t=0, on obtient : k! ∀t ∈ GX (i ) ( 0) = ∑ p ( X = k ) .0k −i = i !. p ( X = i ) car 00 = 1 k∈ X ( Ω ) (k − i )! k ≥i On obtient bien : (i ) G (0) p ( X = i) = X i! 2ème cas : X (Ω) = . http://www.prepa-hec.org/ - Ressources gratuites pour la prépa
  • 4. Si la fonction génératrice est dérivable i fois en 0, la démonstration précédente reste valable. http://www.prepa-hec.org/ - Ressources gratuites pour la prépa
  • 5. Propriété 4 : Toute fonction génératrice est continue à gauche en 1. 1er cas : X (Ω) ⊂ 0; n . Evident car toute fonction polynomiale est continue en tout points. 2ème cas : X (Ω) = . On a : ∀a, b ∈ [ 0;1] a ≤ b ⇒ a k ≤ b k ⇒ p ( X = k ) .a k ≤ p ( X = k ) .b k ⇒ ∑ p ( X = k ) .a k∈ X ( Ω ) k ≤ ∑ p ( X = k ) .b k∈ X ( Ω ) k ⇒ GX (a ) ≤ GX (b) Par conséquent la fonction génératrice est croissante sur [0 ;1]. De plus elle est majorée par GX(1) = 1. Par conséquent, elle admet une limite à gauche en 1 que nous noterons µ. Comme Gx est croissante sur [0 ;1], on a déjà : ∀t ∈ [0;1] 0 ≤ GX (1) − GX (t ) . De plus : ∀t ∈ [0;1] ∞ ∞ GX (1) − GX (t ) = ∑ p ( X = k ) − ∑ p ( X = k ) .t k k =0 k =0 ∞ = ∑ p ( X = k ) . (1 − t k ) k =0 ∞ = ∑ p ( X = k ) . (1 − t k ) + ∑ p ( X = k ) . (1 − t ) n k k =0 k = n +1 ∞ ≤ ∑ p ( X = k ) . (1 − t k ) + n k =0 ∑ p(X = k) k = n +1 En faisant tendre t vers 1 dans les deux résultats précédents, on obtient : ∞ ∀n ∈ 0 ≤ GX (1) − µ ≤ ∑ p(X = k) k = n +1 ∞ Comme lim n →∞ ∑ p ( X = k ) = 0 , on en déduit d’après le théorème de l’encadrement que : k = n +1 GX (1) = µ . Et par conséquent GX est bien continue à gauche en 1. http://www.prepa-hec.org/ - Ressources gratuites pour la prépa
  • 6. Propriété 5 : Toute fonction génératrice admettant une espérance est dérivable à gauche en 1. 1er cas : X (Ω) ⊂ 0; n . Evident, car GX en tant que fonction polynomiale est dérivable pour toutes valeurs de t. 2ème cas : X (Ω) = . ∀t ∈ [ 0;1[ , on a : ∞ ∞ GX (t ) − GX (1) = ∑ t k p ( X = k ) − ∑ p ( X = k ) k =0 k =0 ∞ = ∑ ( t k − 1) p ( X = k ) k =0 ∞ = ∑ ( t − 1) (1 + t + t 2 + ... + t k −1 ) p ( X = k ) k =0 Donc : GX (t ) − GX (1) ∞ = ∑ (1 + t + t 2 + ... + t k −1 ) p ( X = k ) t −1 k =0 Ensuite : ∞ ∞ k k  k i  k i a ≤ b ⇒ a ≤ b ⇒ ∑ a ≤ ∑ b ⇒ ∑  ∑ a . p ( X = k ) ≤ ∑  ∑ b . p ( X = k ) i i i i i =0 i=0 k =1  i = 0  k =1  i = 0  G (a ) − GX (1) GX (b) − GX (1) ⇒ X ≤ a −1 b −1 GX (t ) − GX (1) donc la fonction t a est croissante sur [ 0;1[ . t −1 De plus : GX (t ) − GX (1) ∞ = ∑ (1 + t + t 2 + ... + t k −1 ) p ( X = k ) t −1 k =0 ∞   ≤ ∑ 1 + 141 + ... + 1 p ( X = k ) +  k =0  14 244  3 k termes  ∞ ≤ ∑ k. p ( X = k ) = E ( X ) k =0 G (t ) − GX (1) la fonction t a X étant croissante et majorée par E(X) sur [0 ;1] admettra donc une t −1 limite fini pour t → 1− . Ce qui montre que GX est dérivable à gauche en 1. http://www.prepa-hec.org/ - Ressources gratuites pour la prépa
  • 7. Propriété 6 : On a : E(X) = GX’(1). ∀t ∈ [ 0;1] , on a : GX (t ) = ∑ p ( X = k ) .k.t k −1 , k∈ X ( Ω ) Et par conséquent : GX (1) = ∑ p ( X = k ) .k .1k −1 = ∑ k. p ( X = k ) = E( X ) , k∈ X ( Ω ) k∈ X ( Ω ) Propriété 7 : On a : V(X) = GX’’(1) + GX’(1) - [GX’(1)]2. 1er cas : X (Ω) ⊂ 0; n . On a vu que : GX (t ) = ∑ p ( X = k ) .k .t k −1 ' k∈ X ( Ω ) GX étant une fonction polynôme sera deux fois dérivable en 1 et on a : GX (t ) = ∑ p ( X = k ) .k . ( k − 1) .t k − 2 " k∈ X ( Ω ) Et donc : GX (1) = ∑ p ( X = k ) .k . ( k − 1) .1 k −2 = ∑ k .( k − 1) . p ( X = k ) = E ( X ( X − 1) ) " k∈ X ( Ω ) k∈ X ( Ω ) Par conséquent : V ( X ) = E ( X ( X − 1) ) + E ( X ) − [ E ( X ) ] 2 2 = GX (1) + GX (1) − GX (1)  " ' '   2ème cas : X (Ω) = . Nous admettrons que le résultat reste vrai dans ce cas. Aucun problème de concours n’ayant, à ce jour, poussé la torture jusqu'à essayer de faire démontrer aux candidats que toutes variables aléatoires prenant un nombre infini de valeurs et admettant une variance avait une fonction génératrice deux fois dérivable à gauche en 1. http://www.prepa-hec.org/ - Ressources gratuites pour la prépa
  • 8. Propriété 8 : Soit X et Y, deux variables aléatoires indépendantes . On a : GX+Y(t) = GX(t).GY(t). 1er cas : X (Ω) ⊂ 0; n et Y (Ω) ⊂ 0; m . n+m n+m  n  GX +Y (t ) = ∑ p ( X + Y = k ) .t k = ∑  ∑ p ( X + Y = k ∩ X = i )  .t k k =0 k =0  i = 0  n+m n+ m  n   n  = ∑  ∑ p (Y = k − i ∩ X = i )  .t k = ∑  ∑ p ( Y = k − i ) . p ( X = i ) .t k  k =0  i =0  k = 0  i =0  n  n+ m  n  n+ m  = ∑  ∑ p (Y = k − i ) . p ( X = i ) .t k  = ∑  ∑ p (Y = k − i ) . p ( X = i ) .t k  i =0  k = 0  i = 0  k =i  n + m −i n   n  m  = ∑  ∑ p (Y = k ) . p ( X = i ) .t k +i  = ∑  ∑ p ( Y = k ) . p ( X = i ) .t k +i  i =0  k =0  i = 0  k =0  n m = ∑ p ( X = i ) .t i .∑ p ( Y = k ) .t k = GX (t ).GY (t ) i =0 k =0 2ème cas : X (Ω) = et Y (Ω) = . Soit n un entier quelconque. On a : D’une part : n n n n −i ∑ p ( X = i ) t .∑ p (Y = j ) t ≥ ∑ p ( X = i ) t .∑ p (Y = j ) t i =0 i j =0 j i=0 i j =0 j n  n −i  = ∑  ∑ p (Y = j ) . p ( X = i ) t i + j  i =0  j =0  n  n  = ∑  ∑ p (Y = j − i ) . p ( X = i ) t j  i = 0  j =i  n  j  = ∑  ∑ p (Y = j − i ) . p ( X = i )  t j j = 0  i =0  n = ∑ p ( X + Y = j ) .t j j =0 D’autre part : http://www.prepa-hec.org/ - Ressources gratuites pour la prépa
  • 9. n n 2n  2 n −i  ∑ p ( X = i ) t i .∑ p (Y = j ) t j ≤ ∑  p ( X = i ) t i .∑ p (Y = j ) t j  i =0 j =0 i =0  j =0  2n  2n  = ∑  p ( X = i ) t i .∑ p ( Y = j − i ) t j −i  i =0  j =i  2n  2n  = ∑  ∑ p ( X = i ) . p (Y = j − i ) t j  i = 0  j =i  2n  j  = ∑  ∑ p ( X = i ) . p (Y = j − i )  t j j =0  i = 0  2n = ∑ p ( X + Y = j ) .t j j =0 Nous avons donc montré que : n n n 2n ∀n ∈ ∑ p ( X + Y = j ) .t ≤ ∑ p ( X = i ) t .∑ p (Y = j ) t ≤ ∑ p ( X + Y = j ) .t j =0 j i =0 i j =0 j j =0 j Cette double inégalité montre d’une part que si, pour une valeur de t, les séries de terme général un = p ( X = n ) t n et vn = p (Y = n ) t n convergent, alors la série de terme général wn = p ( X + Y = n ) t n converge. Et inversement si, pour une valeur de t, la série de terme général wn = p ( X + Y = n ) t n converge, alors les séries de terme général un = p ( X = n ) t n et vn = p (Y = n ) t n convergent. En faisant tendre n vers +∞ dans la double inégalité précédente, on obtient, d’après le théorème de l’encadrement : GX+Y(t) = GX(t).GY(t). Propriété 9 : Soit X1, X2,…,Xn n variables aléatoires indépendantes. n On a : G n ( t ) = ∏ GX k ( t ) ∑ Xk k =1 k =1 Nous démontrerons cette propriété par récurrence. D’après propriété 8, elle est vrai pour n=2. Supposons la vraie pour n. On a alors n n +1 G n+1 ( t ) = G n ( t ) = G n ( t ) .GX n+1 ( t ) = ∏ GX k ( t ).GX n+1 ( t ) = ∏ GX k ( t ) ∑ Xk ∑ X k + X n+1 ∑ Xk k =1 k =1 k =1 k =1 k =1 Et la propriété est vrai pour n+1. La propriété est donc vraie pour tout n. http://www.prepa-hec.org/ - Ressources gratuites pour la prépa
  • 10. EXEMPLES DE CALCUL DE FONCTIONS GENERATRICES. LOI DE BERNOUILLI. Si X est une loi de Bernouilli X → B (1, p ) définie par : ∀k ∈ {0,1} p ( X = 1) = p p ( X = 0) = 1 − p On a alors : 1 GX ( t ) = ∑ p ( X = k ) .t k = (1 − p ).t 0 + p.t = pt + 1 − p k =0 Nous obtenons alors GX ' ( t ) = p GX " ( t ) = 0 Nous en déduisons : E ( X ) = GX ' (1) = p V ( X ) = GX " (1) + GX ' (1) − ( GX ' (1) ) = 0 + p − p 2 = p(1 − p) 2 LOI BINOMIALE. Si X est une loi binomiale X → B ( n, p ) définie par : ∀k ∈ 0,..., n p ( X = k ) = Cn p k (1 − p) n − k k On a alors: n n n GX ( t ) = ∑ p ( X = k ) .t k = ∑ Cn p k (1 − p ) n − k .t k = ∑ Cn ( pt ) (1 − p ) n − k = ( pt + 1 − p ) k k k n k =0 k =0 k =0 Nous obtenons alors GX ' ( t ) = np ( pt + 1 − p ) GX " ( t ) = np 2 (n − 1) ( pt + 1 − p ) n −1 n− 2 Nous en déduisons: E ( X ) = GX ' (1) = np ( p + 1 − p ) = np n −1 V ( X ) = GX " (1) + GX ' (1) − ( GX ' (1) ) = np 2 (n − 1) ( p + 1 − p ) + np − ( np ) 2 n−2 2 = np 2 (n − 1) + np − ( np ) = np − np 2 = np (1 − p ) 2 LOI DE POISSON. Si X est une loi de Poisson X → P ( λ ) définie par : http://www.prepa-hec.org/ - Ressources gratuites pour la prépa
  • 11. λk ∀k ∈ p ( X = k ) = e− λ k! On a alors: ( λt ) k ∞ ∞ λk ∞ GX ( t ) = ∑ p ( X = k ) .t = ∑ e k −λ .t = e k −λ ∑ = e − λ .eλ .t = eλ .t − λ = eλ (t −1) k =0 k =0 k! k =0 k! Nous obtenons alors : GX ' ( t ) = λ .eλ (t −1) GX " ( t ) = λ 2 .eλ (t −1) Nous en déduisons: E ( X ) = GX ' (1) = λ .eλ (1−1) = λ V ( X ) = GX " (1) + GX ' (1) − ( GX ' (1) ) = λ 2 + λ − λ 2 = λ 2 LOI GEOMETRIQUE. Si X est une loi géométrique X → G ( p ) définie par : ∀k ∈ * p ( X = k ) = (1 − p) k −1. p On a alors : ∞ ∞ ∞ 1 p.t GX ( t ) = ∑ p ( X = k ) .t k = ∑ (1 − p )k −1. p.t k = pt ∑ (t − p.t ) k = pt. = k =1 k =1 k =0 1 − (t − p.t ) p.t − t + 1 Nous obtenons alors p 2 p.(1 − p ) GX ' ( t ) = GX " ( t ) = ( p.t − t + 1) 2 ( p.t − t + 1)3 Nous en déduisons : 1 E ( X ) = GX ' (1) = p 2 2(1 − p) 1  1  1 − p V ( X ) = GX " (1) + GX ' (1) − ( GX ' (1) ) 2 = + −  = 2 p2 p  p p LOI UNIFORME. Si X est une loi uniforme X → A 1; n définie par : 1 ∀k ∈ 1; n p(X = k) = n On a alors :  t 1− tn n 1 k 1 n k  . n si t ≠ 1 GX ( t ) = ∑ p ( X = k ) .t = ∑ .t = ∑ .t =  n 1 − t k k =1 k =1 n n k =1 1  si t = 1 Nous obtenons alors en utilisant le théorème de prolongement des fonctions de classe C1 : http://www.prepa-hec.org/ - Ressources gratuites pour la prépa
  • 12. n +1 n n.∑ Cnk+1 (t − 1) k − 2 − (n + 1).∑ Cnk (t − 1) k − 2 GX ' ( t ) = k =2 k =2 n n +1 n2 − 1 n k n −1 GX " ( t ) = (n − 1).∑ Cn +1 (t − 1) k −3 − 2 k .∑ Cn (t − 1)k −3 + (n + 1).∑ Cnk−1 (t − 1) k −3 k =3 n k =3 k =3 Nous en déduisons : n.Cn +1 − (n + 1).Cn2 n + 1 2 E ( X ) = GX ' (1) = = n 2 n2 − 1 n + 1  n + 1  n2 − 1 2 V ( X ) = GX " (1) + GX ' (1) − ( GX ' (1) ) 2 = + −  = 3 2  2  12 LOI HYPERGEOMETRIQUE. Si X est une loi hypergéométrique X → H ( N , n, p ) définie par : C Np .CN− k− p ) k n ∀k ∈ 0,..., n p( X = k) = (1 n CN On a alors : n n C Np .C N− k− p ) k n GX ( t ) = ∑ p ( X = k ) .t = ∑ k (1 n .t k k =0 C k =0 N Compte tenue de l’aspect peu sympathique de cette fonction, nous arrêterons là les calculs. LOI BINOMIALE NEGATIVE. Si X est une loi binomiale négative X → J ( r , p ) définie par : ∀k ∈ p ( X = k ) = Ckr+1 −1. p r (1 − p) k − r (Cette variable aléatoire donne, dans une suite d’épreuves de Bernoulli indépendantes, le nombre d’échecs avant le rème succès.) On a alors: ∞ ∞ GX ( t ) = ∑ p ( X = k ) .t k = ∑ Ckr+1 −1. p r (1 − p )k .t k − r k =0 k =0 r ∞ 1  p  =p r ∑C r −1 .(t − p.t ) = p . k r =  (1 − ( t − p.t ) ) k + r −1  p.t − t + 1  r k =0 Nous obtenons alors r +1 2 r +2 1− p  p   1− p   p  G X ' ( t ) = r.   GX " ( t ) = r.(r + 1).   .  p  p.t − t + 1   p   p.t − t + 1  Nous en déduisons: http://www.prepa-hec.org/ - Ressources gratuites pour la prépa
  • 13. r.(1 − p ) E ( X ) = GX ' (1) = p 2 (1 − p )2 r.(1 − p )  r.(1 − p)  r.(1 − p ) V ( X ) = GX " (1) + GX ' (1) − ( GX ' (1) ) 2 = r.(r + 1). 2 + −  = p p  p  p2 LOI DE PASCAL. Si X est une loi de Pascal X → P ( r , p ) définie par : ∀k ∈ r , +∞ p ( X = k ) = Ckr−1 . p r (1 − p ) k − r −1 (Cette variable aléatoire donne, dans une suite d’épreuves de Bernoulli indépendantes, le rang d’apparition du rème succès.) On a alors : ∞ ∞ GX ( t ) = ∑ p ( X = k ) .t k = ∑ Ckr−1 . p r (1 − p ) k − r .t k −1 k =r k =r r r ∞ ∞  p   p  =  ∑C r −1 k + r −1 .(t − p.t ) k +r =  (t − p.t ) r ∑ Ckr+1 −1.(t − p.t ) k −  1− p  1− p  r k =0  k =0 r 1  p.t  = ( p.t ) . r =  (1 − ( t − p.t ) )  p.t − t + 1  r Nous obtenons alors: r +1 r +2 r  p.t  r.(2t − 2 p.t + r − 1)  p.t  GX ' ( t ) = 2   GX " ( t ) = .  p.t  p.t − t + 1  2 4 p .t  p.t − t + 1  Nous en déduisons: r E ( X ) = GX ' (1) = p 2 r.(r − 2 p + 1) r  r  r.(1 − p ) V ( X ) = GX " (1) + GX ' (1) − ( GX ' (1) ) 2 = 2 + −  = p p  p p2 http://www.prepa-hec.org/ - Ressources gratuites pour la prépa
  • 14. TABLEAU RECAPITULATIF SUR LES VARIABLES ALEATOIRES DISCRETES. Loi Notation X(Ω) P(X=k) Fonction E(X) V(X) génératrice Loi uniforme. t 1− tn si t ≠ 1 n +1 n2 − 1 Est utilisé dans une épreuve ou n événements peuvent se produirent X→U( 1; n ) 1; n 1 n 1− t de façon équiprobables. n 1 si t = 1 2 12 Loi de Bernoulli. Dans une épreuve à deux alternatives, prend la valeur 1 si X→B(1,p) {0,1} p(X=1) = p pt + 1 − p p p (1 − p ) l’une des deux alternatives de probabilité p, considéré comme un p(X=0) = 1-p succès, sort et prend la valeur 0 sinon. Loi binomiale. Donne, dans une suite de n épreuves de Bernoulli indépendantes, le X→ B(n,p) 0; n Cnk p k (1 − p ) n − k ( pt + 1 − p )n np np (1 − p ) nombre de succès réalisés. Loi géométrique. Donne, dans une suite d’épreuves de Bernoulli indépendantes, le rang X→G(p) * (1 − p ) k −1 p pt 1 1− p d’apparition du premier succès pt − t + 1 p p2 Loi hypergéométrique. X→H(N,n,p) ⊂ 0; n CNp CN− k− p ) k n (1 ? np np(1− p)(N−n) Donne le nombre d’objets d’un type particulier présent dans un ensemble n CN N−1 de n objets tirés sans remise parmi N. Loi de Poisson. Donne le nombre d’événements X→P(λ) λk e λ (t −1) λ λ e− λ indépendants apparaissant dans un intervalle de temps ou d’espace. Ces événements apparaissant de façon k! absolument fortuite. Loi de Pascal. Donne, dans une suite d’épreuves de Bernoulli indépendantes, le rang X→ P(r,p) r ; +∞ Ckr−1 p r (1 − p ) k − r −1  pt  r r r (1 − p ) d’apparition du rème succès.   p p2  pt − t + 1  Loi binomiale négative. X→J(r,p) − Ckr+1−1 p r (1 − p ) k r  p  r r (1 − p ) r (1 − p ) Donne, dans une suite d’épreuves   p p2  pt − t + 1  de Bernoulli indépendantes, le nombre d’échecs avant le rème succès. http://www.prepa-hec.org/ - Ressources gratuites pour la prépa
  • 15. EXEMPLES D APPLICATIONS DES FONCTIONS GENERATRICES. 1 – Somme de deux variables aléatoires. Comme on l’a vue plus haut, si X et Y sont indépendantes : GX+Y(t) = GX(t).GY(t). Cette propriété nous permet de trouver facilement la fonction génératrice de la somme de deux variables aléatoires connaissant la fonction génératrice de chacune d’elles. Supposons par exemple que X et Y soient des lois binomiales de paramètres respectifs (n1,p) et (n2,p). On aura: ∀t ∈ GX (t ) = ( p.t + 1 − p ) 1 n ∀t ∈ GY (t ) = ( p.t + 1 − p ) n2 Et par conséquent: GX +Y (t ) = GX (t ).GY (t ) = ( p.t + 1 − p) n1 .( p.t + 1 − p)n2 = ( p.t + 1 − p) n1 + n2 On reconnaît la fonction génératrice d’une loi binomiale de paramètre (n1+n2,p). Par conséquent, on peut énoncer: Théorème : La somme de deux lois binomiales de paramètres respectifs (n1,p) et (n2,p) est une loi binomiale de paramètre (n1+n2,p). Supposons maintenant que X et Y soient des lois de Poisson de paramètre respectif (λ1) et (λ2). On aura: ∀t ∈ GX (t ) = eλ1 (t −1) ∀t ∈ GY (t ) = eλ2 (t −1) Et par conséquent : GX +Y (t ) = GX (t ).GY (t ) = eλ1 (t −1) .eλ2 (t −1) = e( λ1 + λ2 )(t −1) On reconnaît la fonction génératrice d’une loi de Poisson de paramètre (λ1+λ2). Par conséquent, on peut énoncer : http://www.prepa-hec.org/ - Ressources gratuites pour la prépa
  • 16. Théorème : La somme de deux lois de Poisson de paramètre respectif (λ1) et (λ2) est une loi de Poisson de paramètre (λ1+λ2). Supposons maintenant que X et Y soient des lois de Pascal de paramètres respectifs (r1,p) et (r2,p). On aura: r1  p.t  ∀t ∈ GX (t ) =    p.t − t + 1  r2  p.t  ∀t ∈ GY (t ) =    p.t − t + 1  Et par conséquent : GX +Y (t ) = GX (t ).GY (t ) r1 r1  p.t   p.t  =  .   p.t − t + 1   p.t − t + 1  r1 + r2  p.t  =   p.t − t + 1  On reconnaît la fonction génératrice d’une loi de Poisson de paramètre (r1+r2,p). Par conséquent, on peut énoncer : Théorème : La somme de deux lois de Pascal de paramètres respectifs (r1,p) et (r2,p) est une loi de Pascal de paramètre (r1+r2,p). Supposons maintenant que X et Y soient des lois binomiales négatives de paramètres respectifs (r1,p) et (r2,p). On aura: r1  p  ∀t ∈ GX (t ) =    p.t − t + 1  r2  p  ∀t ∈ GY (t ) =    p.t − t + 1  Et par conséquent : GX +Y (t ) = GX (t ).GY (t ) r1 r2  p   p  =  .   p.t − t + 1   p.t − t + 1  r1 + r2  p  =   p.t − t + 1  http://www.prepa-hec.org/ - Ressources gratuites pour la prépa
  • 17. On reconnaît la fonction génératrice d’une loi binomial négative de paramètre (r1+r2,p). Par conséquent, on peut énoncer : Théorème : La somme de deux lois binomiales négatives de paramètres respectifs (r1,p) et (r2,p) est une loi binomiale négative de paramètre (r1+r2,p). http://www.prepa-hec.org/ - Ressources gratuites pour la prépa
  • 18. AUTRES FONCTIONS GENERATRICES. On peut imaginer, sur le modèle vue précédemment, d’autres fonctions génératrices. Les propriétés de la fonction génératrice associée à une variable aléatoire ne sont pas forcément conservées. 1 – Fonction génératrice associée à un couple de variables aléatoires. Nous adopterons dans ce paragraphe la définition donnée dans un concours d’entrée Essec. (Voir à ce sujet ESSEC 2001, Maths II, Fin de la partie 2.). Nous supposerons, pour simplifier que les variables aléatoire X et Y de la définition ci-dessous prennent un nombre fini de valeurs inclues dans 1; n . Définition : Soit (X,Y) un couple de variable aléatoire. Nous appellerons fonction génératrice associée au couple de variables aléatoire la fonction G définie par : n n G ( x, y ) = ∑∑ p ( X = i ∩ Y = j )(1 + x ) (1 + y ) i j i =1 j =1 Pour simplifier, nous supposerons que la fonction G est de classe C2 en tout point. ∂G ∂G Propriété 1 : On a : E ( X ) = et E (Y ) = . ∂x ∂y On a : ∂G n n ( x, y ) = ∑∑ i. p ( X = i ∩ Y = j )(1 + x ) (1 + y ) i −1 j ∂x i =1 j =1 Par conséquent : ∂G n n ( 0, 0 ) = ∑∑ i. p ( X = i ∩ Y = j )(1 + 0 ) (1 + 0 ) i −1 j ∂x i =1 j =1 n n = ∑ i.∑ p ( X = i ∩ Y = j ) i =1 j =1 n = ∑ i. p ( X = i ) i =1 = E(X ) Démonstration symétrique pour E(Y). http://www.prepa-hec.org/ - Ressources gratuites pour la prépa
  • 19. ∂ 2G ∂G ∂G Propriété 2 : On a : Cov ( X , Y ) = − . . ∂x.∂y ∂x ∂y On a : ∂ 2G n n ( x, y ) = ∑∑ i. j. p ( X = i ∩ Y = j )(1 + x ) (1 + y ) . i −1 j −1 ∂x.∂y i =1 j =1 Par conséquent : ∂ 2G n n ( 0, 0 ) = ∑∑ i. j. p ( X = i ∩ Y = j )(1 + 0 ) (1 + 0 ) i −1 j −1 ∂x.∂y i =1 j =1 n n = ∑∑ i. j. p ( X = i ∩ Y = j ) . i =1 j =1 = E ( X .Y ) On en déduit : ∂ 2G ∂G ∂G Cov ( X , Y ) = E ( X .Y ) − E ( X ) .E (Y ) = − . . ∂x.∂y ∂x ∂y ∂ 2G ∂G  ∂G  ∂ 2G ∂G  ∂G  Propriété 3 : On a : Var ( X ) = +  1−  et Var ( Y ) = 2 + 1 − . ∂x 2 ∂x  ∂x  ∂y ∂y  ∂y  On a : ∂G n n ( x, y ) = ∑∑ i. p ( X = i ∩ Y = j )(1 + x ) (1 + y ) . i −1 j ∂x i =1 j =1 Par suite : ∂G n n ( x, y ) = ∑∑ i.(i − 1). p ( X = i ∩ Y = j )(1 + x )( )( ) (1 + y ) . i −1 i − 2 j ∂x i =1 j =1 Par conséquent : ∂G n n ( 0, 0 ) = ∑∑ i.(i − 1). p ( X = i ∩ Y = j )(1 + 0 )( )( ) (1 + 0 ) i −1 i − 2 j ∂x i =1 j =1 n n = ∑∑ i.(i − 1). p ( X = i ∩ Y = j ) i =1 j =1 n n = ∑ i.(i − 1).∑ p ( X = i ∩ Y = j ) i =1 j =1 n = ∑ i.(i − 1). p ( X = i ) i =1 = E ( X ( X − 1) ) On en déduit : http://www.prepa-hec.org/ - Ressources gratuites pour la prépa
  • 20. Var ( X ) = E ( X ( X − 1) ) + E ( X ) − ( E ( X ) ) 2 = E ( X ( X − 1) ) + E ( X ) (1 − E ( X ) ) ∂ 2 G ∂G  ∂G  = + 1 −  ∂x 2 ∂x  ∂x  http://www.prepa-hec.org/ - Ressources gratuites pour la prépa
  • 21. 2 – Fonction génératrice associée à une suite numérique. Définition : soit une suite numérique ( un )n∈ . On appelle fonction génératrice associée à la +∞ uk k suite ( un )n∈ , la fonction Fu définie par : ∀x Fu ( x ) = ∑ .x . k =0 k ! Le k! présent dans la définition a été introduit pour les raisons suivantes : - Il augmente considérablement les chances de voir la série converger sur un domaine plus important. Sans le k! beaucoup de suites numériques auraient une fonction génératrices dont le domaine de définition serait réduit à {0}. - Les calculs de la somme se trouvent simplifiés. Pour s’en convaincre le lecteur est invité à essayer de recalculer la fonction génératrice des déplacements et des surjections dans les deux exemples données ci-dessous en suppriment le k!. - L’équivalent de la propriété 3 des fonctions génératrices associées aux variables aléatoires se trouve simplifier. En effet, nous avons la propriété suivante : Propriété : soit ( un )n une suite numérique et soit Fu sa fonction génératrice. On a alors : Un = Fu(n)(0). Le k! présent dans la propriété 3 à disparu. La démonstration est similaire à celle, donnée pour les variables aléatoires. Nous avons énoncé cette propriété car c’est celle qui va servir dans ce paragraphe. Pour mieux comprendre l’intérêt de cette fonction génératrice, nous allons donner quelques applications où elle intervient. (Les deux exemples qui suivent peuvent être considérés comme un complément d’étude sur les dérangements et les surjections abordés dans les compléments de cours sur la formule du crible et sur la formule d’inversion de Pascal.) Application 1 : complément sur les dérangements. Nous rappelons qu’un dérangement d’un ensemble E est une permutation sans points fixes. Nous rappelons aussi que le nombre d(n) de dérangements d’un ensemble de cardinal n est donné par la formule : n  ( −1)  k ∀n ∈ d ( n) = n !∑    k!  k =0   Nous allons essayer de donner une autre formule pour d(n) sans sommation. http://www.prepa-hec.org/ - Ressources gratuites pour la prépa
  • 22.  ( −1) k n  Pour cela, posons : un = n !∑   . Et calculons la fonction génératrice associée à la suite  k!  k =0   ( un ) n . Nous avons : (En supposant x < 1 ) uk k +∞ k  ( −1)  k +∞ +∞  ( −1)i  k i +∞ ∀x Fu ( x ) = ∑ .x = ∑ .∑  x = ∑ .∑  x k =0 k !  i!   i!  k =0 i=0   i =0 k =i   +∞  ( −1)i  +∞ k +∞  ( −1)i  x i 1 +∞  ( − x )  i = ∑ .  i!  ∑  x = ∑ . . = .∑ .  .     i =0   k =i i=0  i !  1 − x 1 − x i=0  i !  e− x = 1− x De plus, en utilisant la propriété 3, nous avons : ∀n ∈ un = Fu (0) . (n) Cette expression, porté dans la formule de d(n) donne : d (n) = Fu (0) . (n) Nous avons donc obtenue le résultat suivant : e− x Théorème : Soit f la fonction définie par f ( x ) = . Le nombre de dérangements d(n) d’un 1− x ensemble de cardinal n est donné par : d(n) = f(n)(0). Application 2 : complément sur les surjections. Nous rappelons qu’une surjection d’un ensemble E de cardinal p vers un ensemble f de cardinal n est une application ou chaque élément de l’ensemble d’arrivé admet au moins un antécédent. Nous rappelons aussi que le nombre S np de surjections d’un ensemble de cardinal p vers un ensemble de cardinal n est donné par le formule : n S np = ∑ ( −1) n−k Cn k p k k =0 Nous allons essayer là aussi de donner pour S np une formule sans sommation. n Pour cela, posons : u p = ∑ ( −1) n−k Cn k p et calculons la fonction génératrice Fu associée à la suite k k =0 (u ) p p∈ . Nous avons : http://www.prepa-hec.org/ - Ressources gratuites pour la prépa
  • 23. +∞ +∞ +∞ n up 1 n xp Fu ( x ) = ∑ ( −1) Cnk k p .x p = ∑∑ ( −1) Cnk k p n−k n−k ∀x .x p = ∑ ∑ p=0 p! p =0 p ! k =0 p =0 k =0 p! ( kx ) = n C k −1 n −k e kx p +∞ +∞ n xp n = ∑∑ ( −1) = ∑ ( −1) Cn ∑ ∑ n( ) n−k k p n−k k C k n k =0 p =0 p ! k =0 p =0 p! k =0 = ( e x − 1) n De plus, en utilisant la propriété 3, nous avons : ∀n ∈ u p = Fu ( p) (0) . Cette expression, portée dans la formule de S np donne : S np = Fu (0) . (n) Nous avons donc obtenu le résultat suivant : Théorème : Soit f la fonction définie par f ( x ) = ( e x − 1) . Le nombre de surjection S np d’un n ensemble de cardinal p vers un ensemble de cardinal n est donné par : Snp = f(n)(0). Nous pouvons même aller un peu plus loin. (voir par exemple concours ESSEC 1998, Maths 3, exercice 2, question 4) Calculons le développement limité en 0 de Fu à l’ordre n+5. x2 x3 x 4 x5 x6 Le développement limité à l’ordre 6 de x a e x − 1 est : e x − 1 = x + + + + + + x 6ε ( x ) . 2 3! 4! 5! 6! Avec, bien sur : lim ε ( x ) = 0 . x →0 Nous obtiendrons le développement limité de Fu à l’ordre n+5 en élevant à la puissance n l’expression précédente et en ne conservant que les termes de degré inférieur ou égal à n+5. (si dans l’expression précédente, nous avions pris un développement limité à l’ordre 7, le terme x7 n’aurait donné que des termes de degré supérieur ou égal à n+6 donc inutile.) 7! nous avons : n n  x 2 x3 x 4 x5 x 6  n x x 2 x3 x 4 x5   x + + + + +  = x 1 + + + + +   2 3! 4! 5! 6!   2 3! 4! 5! 6!  i  x x 2 x3 x 4 x5  n = x ∑C  + + + +  n i n i =0  2 3! 4! 5! 6!  i  xi   x x 2 x3 x 4  n = x ∑ C   1 + + + + n i n  i =0  2   3 12 60 360  j  xi  i n  x x2 x3 x4  = x ∑ C   ∑ Ci j  + + + n i n  i =0  2  j = 0  3 12 60 360  j j  xi  i n x  x x 2 x3  = x ∑ C   ∑ Ci j   n i n 1 + + +  i =0  2  j =0  3   4 20 120  http://www.prepa-hec.org/ - Ressources gratuites pour la prépa
  • 24. j k  xi  i j  x  n j  x x 2 x3  = x ∑ C   ∑ Ci   n i n ∑ C  4 + 20 + 120  k j i=0  2  j =0  3  k =0   j k k  xi  i j  x  n j x  x x  2 = x ∑ C   ∑ Ci   n i n ∑ C  4  1 + 5 + 30  k j  i=0  2  j =0  3  k =0    j k l  xi  i n x j x k  x x2  = x ∑ C   ∑ Ci j   n i n ∑C  4  k j  ∑ 5 30 l kC  +  i=0  2  j =0  3  k =0  l =0   j k l l  xi  i n x j x k x  x = x ∑ C   ∑ Ci j   n i n ∑C  4  k j  ∑C  5  l k  1 +  i=0  2  j =0  3  k =0  l =0   6 j k l m n  xi  i x j x k x l  x = x ∑ C   ∑ Ci j   ∑ C k   ∑ Ckl   ∑ Clm   n i n j i=0  2  j =0  3  k = 0  4  l = 0  5  m =0 6 Sous cette forme, nous voyons que pour conserver les termes de degré inférieur ou égal à n+5, il suffit de choisir les termes dont les puissances i, j, k, l, m vérifie : i+ j +k +l +m ≤ 5 m≤l ≤k ≤ j≤i c’est à dire : i=0 ; j=0 ;k=0 ;l=0 ;m=0. i=1 ; j=0 ;k=0 ;l=0 ;m=0. i=1 ; j=1 ;k=0 ;l=0 ;m=0. i=1 ; j=1 ;k=1 ;l=0 ;m=0. i= 1; j=1 ;k=1 ;l=1 ;m=0. i= 1; j=1 ;k=1 ;l=1 ;m=1. i= 2; j=0 ;k=0 ;l=0 ;m=0. i= 2; j=1 ;k=0 ;l=0 ;m=0. i= 2; j=1 ;k=1 ;l=0 ;m=0. i= 2; j=1 ;k=1 ;l=1 ;m=0. i= 2; j=2 ;k=0 ;l=0 ;m=0. i= 2; j=2 ;k=1 ;l=0 ;m=0. i= 3; j=0 ;k=0 ;l=0 ;m=0. i= 3; j=1 ;k=0 ;l=0 ;m=0. i=3 ; j=1 ;k=1 ;l=0 ;m=0. i=3 ; j=2 ;k=0 ;l=0 ;m=0. Tout calculs faits, après simplifications et factorisations, nous obtenons : ( e x − 1) = x n + n .x n+1 + n(324+ 1) .x n+2 + n (48+ 1) .x n+3 2 n n n 2 n (15n3 + 30n 2 + 5n − 2 )n 2 ( n + 1)(3n 2 + 7 n − 2) n +5 + .x n + 4 + . x + x n + 5ε 1 ( x ) 5760 11520 Nous connaissons un autre moyen de trouver un développement limité. C’est la formule de Taylor- Young, que nous pouvons utiliser à l’ordre n+5. http://www.prepa-hec.org/ - Ressources gratuites pour la prépa
  • 25. n+5 (k ) Fu (0) k Nous avons : Fu ( x ) = ∑ .x + x n + 5 .ε1 ( x ) . Nous avons garder la même notation pour k =0 k! ε1 ( x) car un développement limité est unique. Nous obtenons donc par identification : fu( n ) (0) f u( n +1) (0) n =1 = n! ( n + 1)! 2 fu( n + 2) (0) n(3n + 1) fu( n +3) (0) n 2 ( n + 1) = = ( n + 2 )! 24 ( n + 3) ! 48 fu( n + 4) (0) n(15n3 + 30n 2 + 5n − 2) fu( n +5) (0) n 2 ( n + 1)( n 2 + 7 n − 2) = = ( n + 4 )! 5760 ( n + 5 )! 11520 Compte tenu du fait que : Snp = Fu (0) . ( p) Nous obtenons finalement : ∀n ∈ n ( n + 1) ! Sn = n ! n S n +1 = n 2 n(3n + 1) ( n + 2 ) ! n ( n + 1) ( n + 3) ! 2 Sn +2 = n S n +3 = n 24 48 n(15n + 30n 2 + 5n − 2) ( n + 4 ) ! 3 n ( n + 1)(n 2 + 7 n − 2) ( n + 5 ) ! 2 Sn +4 = n S n +5 = n 5760 11520 n Remarque : compte tenu ,aussi, du fait que : S np = ∑ ( −1) n−k Cn k p k k =0 Nous en déduisons aussi les formules sommatoires suivantes : http://www.prepa-hec.org/ - Ressources gratuites pour la prépa
  • 26. ∀n ∈ n ∑ ( −1) n−k Cn k n = n ! k k =0 n n ( n + 1) ! ∑ ( −1) n−k Cn k n +1 = k k =0 2 n n(3n + 1) ( n + 2 ) ! ∑ ( −1) n−k Cn k n + 2 = k k =0 24 n n 2 ( n + 1) ( n + 3) ! ∑ ( −1) n−k Cn k n +3 = k k =0 48 n n(15n3 + 30n 2 + 5n − 2) ( n + 4 ) ! ∑ ( −1) n−k Cn k n + 4 = k k =0 5760 n n ( n + 1)( n + 7 n − 2) ( n + 5 ) ! 2 2 ∑ ( −1) n−k Cn k n +5 = k k =0 11520 3 – Fonction génératrice associée à une famille de polynômes. On peut définir des fonctions génératrices pour les familles de polynômes. Définition : Soit Pn une famille de polynômes. On appelle fonction génératrice associé à la ∞ ∞ P ( x) k famille Pn, la fonction FP défini par : FP ( t ) = ∑ Pk ( x ) .t k ou FP ( t ) = ∑ k .t . k =0 k =0 k! Selon la famille étudier on choisira l’une ou l’autre des deux expressions selon la commodité des calculs. Voyons quelques exemple. Polynôme de Tchebytchev de première espèce. Il sont définies par : T0 = 1  T1 = X  ∀n ∈ , Tn + 2 = 2 XTn +1 − Tn ∞ 1 − tx On a alors : FT (t ) = ∑ Tn ( x ).t k = . k =0 1 − 2tx + t 2 Polynôme de Tchebytchev de seconde espèce. Il sont définies par : http://www.prepa-hec.org/ - Ressources gratuites pour la prépa
  • 27. U 0 = 1  U1 = 2 X ∀n ∈ , U = 2 XU − U  n+ 2 n +1 n ∞ 1 On a alors : FU (t ) = ∑ U n ( x ).t k = . k =0 1 − 2tx + t 2 Polynôme de Laguerre. Il sont définies par :  L0 = 1  Ou plus simplement par Ln ( x ) = e x . ( x n e − x ) . (n)  L1 = 1 − X  ∀n ∈ , Ln +1 = ( 2n + 1 − X ) Ln − n Ln −1 2 xt − ∞ L ( x) e 1−t On a alors : FL (t ) = ∑ n .t k = . k =0 k! 1− t Polynôme d’Hermite. Il sont définies par : H0 = 1 H = 2 X  1 ( ) (n) Ou plus simplement par H n ( x ) = (−1) n e x . e − x 2 2  . ∀n ∈ , H n +1 = 2 X .H n − 2nH n −1 ou H n '( x) = 2nH n −1 ( x)  ∞ H n ( x) k On a alors : FH (t ) = ∑ .t = e2 tx −t . 2 k =0 k! http://www.prepa-hec.org/ - Ressources gratuites pour la prépa
  • 28. Polynôme de Legendre. Il sont définies par :  P0 = 1  ( Ou plus simplement par Pn ( x ) = n ( x 2 − 1) ) (n ) 1 n P = 1 − X 1 . ∀n ∈ , (n + 1) P = 2n + 1 P − nP 2 n!  n +1 ( ) n n−1 ∞ 1 On a alors : FP (t ) = ∑ Pn ( x).t k = . k =0 1 − 2tx + t 2 http://www.prepa-hec.org/ - Ressources gratuites pour la prépa