Kala te souhaite la bienvenueKalaMaths

Chaînes de Markov

🟡 Moyen

Les énoncés sont gratuits, et les 2 premiers corrigés sont offerts. Les autres corrigés détaillés sont réservés aux abonnés.

S'abonner
  1. 1

    On considère la matrice de transition
    M = (0,750,250,50,5)\begin{pmatrix} 0{,}75 & 0{,}25 \\ 0{,}5 & 0{,}5 \end{pmatrix}
    et l'état initial P0=(10)P_{0} = \begin{pmatrix} 1 & 0 \end{pmatrix} (on part de l'état A).
    Calculer les états probabilistes P1P_{1} puis P2P_{2}.

    Voir le corrigéoffert

    On utilise P1=P0×MP_{1} = P_{0} \times M, où l'état probabiliste est un vecteur ligne.
    P1=(10)×M=(1×0,75+0×0,5 ; 1×0,25+0×0,5)=(0,750,25)P_{1} = \begin{pmatrix} 1 & 0 \end{pmatrix} \times M = ( 1\times 0{,}75 + 0\times 0{,}5 \,;\, 1\times 0{,}25 + 0\times 0{,}5 ) = \begin{pmatrix} 0{,}75 & 0{,}25 \end{pmatrix}.
    Ensuite P2=P1×MP_{2} = P_{1} \times M :
    1re coordonnée : 0,75×0,75+0,25×0,5=0,5625+0,125=0,68750{,}75\times 0{,}75 + 0{,}25\times 0{,}5 = 0{,}5625 + 0{,}125 = 0{,}6875.
    2e coordonnée : 0,75×0,25+0,25×0,5=0,1875+0,125=0,31250{,}75\times 0{,}25 + 0{,}25\times 0{,}5 = 0{,}1875 + 0{,}125 = 0{,}3125.
    Donc P2=(0,68750,3125)P_{2} = \begin{pmatrix} 0{,}6875 & 0{,}3125 \end{pmatrix}.
    Vérifions : 0,6875+0,3125=10{,}6875 + 0{,}3125 = 1, la somme des probabilités vaut bien 1.
    Interprétation : en partant à coup sûr de A, la probabilité d'y être retombe à 75 % après une étape, puis 68,75 % après deux étapes, et se rapproche de l'état stable 23≈66,7 %\frac{2}{3} \approx 66{,}7\,\% : la mémoire du point de départ s'estompe.

  2. 2

    Une chaîne de Markov à deux états A et B a pour matrice de transition
    M = (0,80,20,30,7)\begin{pmatrix} 0{,}8 & 0{,}2 \\ 0{,}3 & 0{,}7 \end{pmatrix}
    Déterminer l'état stable P=(xy)P = \begin{pmatrix} x & y \end{pmatrix}, c'est-à-dire le vecteur ligne tel que x+y=1x + y = 1 et P=P×MP = P \times M.

    Voir le corrigéoffert

    L'état stable vérifie P=P×MP = P \times M avec x+y=1x + y = 1.
    P×M=(0,8x+0,3y ; 0,2x+0,7y)P \times M = ( 0{,}8x + 0{,}3y \,;\, 0{,}2x + 0{,}7y ).
    L'égalité P=P×MP = P \times M donne, sur la 1re coordonnée : x=0,8x+0,3yx = 0{,}8x + 0{,}3y.
    On remplace y par 1−x1 - x : x=0,8x+0,3(1−x)=0,8x+0,3−0,3x=0,5x+0,3x = 0{,}8x + 0{,}3(1 - x) = 0{,}8x + 0{,}3 - 0{,}3x = 0{,}5x + 0{,}3.
    Donc x−0,5x=0,3x - 0{,}5x = 0{,}3, soit 0,5x=0,30{,}5x = 0{,}3, d'où x=0,6x = 0{,}6.
    Alors y=1−0,6=0,4y = 1 - 0{,}6 = 0{,}4.
    État stable : P=(0,60,4)P = \begin{pmatrix} 0{,}6 & 0{,}4 \end{pmatrix}.
    Vérification : P×M=(0,6×0,8+0,4×0,3 ; 0,6×0,2+0,4×0,7)=(0,48+0,12 ; 0,12+0,28)=(0,60,4)=PP \times M = ( 0{,}6\times 0{,}8 + 0{,}4\times 0{,}3 \,;\, 0{,}6\times 0{,}2 + 0{,}4\times 0{,}7 ) = ( 0{,}48+0{,}12 \,;\, 0{,}12+0{,}28 ) = \begin{pmatrix} 0{,}6 & 0{,}4 \end{pmatrix} = P. C'est correct.
    Interprétation : quelle que soit la répartition de départ, la chaîne se stabilise avec 60 % de la population en A et 40 % en B ; les flux entrants et sortants de chaque état se compensent alors exactement (0,6×0,2=0,4×0,3=0,12)(0{,}6\times 0{,}2 = 0{,}4\times 0{,}3 = 0{,}12).

    8 corrigés détaillés pas à pas restent à débloquer

    Chacun reprend l'énoncé, montre le calcul étape par étape et dit où se trouve le piège.

    Le pack de révision, gratuit

    L'essentiel des dix premiers chapitres du programme, en PDF : ce qu'il faut retenir et les questions qui vérifient que c'est acquis. Puis 5 e-mails sur 14 jours, et c'est tout.

  3. 3

    Une chaîne de Markov à deux états A et B a pour matrice de transition
    M = (0,70,30,40,6)\begin{pmatrix} 0{,}7 & 0{,}3 \\ 0{,}4 & 0{,}6 \end{pmatrix}
    On note ana_n la probabilité d'être dans l'état A à l'étape n.
    a) Justifier que an+1=0,4+0,3 ana_{n+1} = 0{,}4 + 0{,}3\,\text{a}_{n}.
    b) En déduire la limite de la suite (ana_n).

    🔒 Corrigé détailléVoir ce qu'il contient →
  4. 4

    Une chaîne de Markov à trois états 1, 2, 3 a pour matrice de transition
    M = (0,50,30,20,10,60,30,40,40,2)\begin{pmatrix} 0{,}5 & 0{,}3 & 0{,}2 \\ 0{,}1 & 0{,}6 & 0{,}3 \\ 0{,}4 & 0{,}4 & 0{,}2 \end{pmatrix}
    Sachant qu'on part de l'état 1, c'est-à-dire P0=(100)P_{0} = \begin{pmatrix} 1 & 0 & 0 \end{pmatrix}, calculer P1P_{1} puis P2P_{2}.

    🔒 Corrigé détailléVoir ce qu'il contient →
  5. 5

    Soit la matrice de transition
    M = (0,550,450,30,7)\begin{pmatrix} 0{,}55 & 0{,}45 \\ 0{,}3 & 0{,}7 \end{pmatrix}
    a) Calculer M2M^{2}.
    b) Vérifier que M2M^{2} est encore une matrice de transition.
    c) Que représente le coefficient (M2)12(M^{2})_{12} ?

    🔒 Corrigé détailléVoir ce qu'il contient →
  6. 6

    Une chaîne de Markov à trois états 1, 2, 3 a pour matrice de transition
    M = (0,70,20,10,30,40,30,20,20,6)\begin{pmatrix} 0{,}7 & 0{,}2 & 0{,}1 \\ 0{,}3 & 0{,}4 & 0{,}3 \\ 0{,}2 & 0{,}2 & 0{,}6 \end{pmatrix}
    On part de l'état probabiliste P0=(0,20,50,3)P_{0} = \begin{pmatrix} 0{,}2 & 0{,}5 & 0{,}3 \end{pmatrix}.
    Calculer P1P_{1} puis P2P_{2}.

    🔒 Corrigé détailléVoir ce qu'il contient →
  7. 7

    Une chaîne de Markov à deux états A et B a pour matrice de transition
    M = (0,850,150,450,55)\begin{pmatrix} 0{,}85 & 0{,}15 \\ 0{,}45 & 0{,}55 \end{pmatrix}
    a) Vérifier que P=(0,750,25)P = \begin{pmatrix} 0{,}75 & 0{,}25 \end{pmatrix} est l'état stable de cette chaîne.
    b) On part de P0=(10)P_{0} = \begin{pmatrix} 1 & 0 \end{pmatrix}. Calculer P1P_{1} et P2P_{2} et commenter.

    🔒 Corrigé détailléVoir ce qu'il contient →
  8. 8

    Deux marques A et B se partagent un marché. Chaque année, 10 % des clients de A passent à B, et 20 % des clients de B passent à A. Au départ, 40 % des clients sont chez A.
    a) Écrire la matrice de transition M et l'état initial P0P_{0}.
    b) Déterminer la répartition après 2 ans.
    c) Déterminer l'état stable à long terme.

    40 %A?A10 %B?B20 %A?B
    🔒 Corrigé détailléVoir ce qu'il contient →
  9. 9

    Un opérateur téléphonique constate que, chaque mois, 20 % de ses clients (état A) partent à la concurrence (état B) et 35 % des clients de la concurrence viennent chez lui. Aujourd'hui, il détient 60 % du marché.
    a) Écrire la matrice de transition M et l'état initial P0P_{0}.
    b) Calculer la répartition du marché dans un mois, puis dans deux mois.

    🔒 Corrigé détailléVoir ce qu'il contient →
  10. 10

    Un système passe entre trois états 1, 2, 3 selon la matrice de transition
    M = (0,60,30,10,20,50,30,10,40,5)\begin{pmatrix} 0{,}6 & 0{,}3 & 0{,}1 \\ 0{,}2 & 0{,}5 & 0{,}3 \\ 0{,}1 & 0{,}4 & 0{,}5 \end{pmatrix}
    a) Calculer le coefficient (M2)13(M^{2})_{13} et interpréter ce nombre.
    b) On part de l'état probabiliste P0=(0,50,50)P_{0} = \begin{pmatrix} 0{,}5 & 0{,}5 & 0 \end{pmatrix}. Calculer P1P_{1}.
    c) En déduire P2=P1×MP_{2} = P_{1} \times M.

    🔒 Corrigé détailléVoir ce qu'il contient →

Comment ça s'est passé ?

Retrouve tout dans Mon suivi.

Le pack de révision, gratuit

L'essentiel des dix premiers chapitres du programme, en PDF : ce qu'il faut retenir et les questions qui vérifient que c'est acquis. Puis 5 e-mails sur 14 jours, et c'est tout.

Partager avec ma classe

Les énoncés de cette page sont gratuits et s'ouvrent sans compte : l'adresse peut être donnée telle quelle, au tableau ou dans l'espace numérique de travail.