Exercices de probabilités posés à HEC

Probabilités élémentaires
1) Une entreprise fabrique des pièces mécaniques à l’aide de deux machines A et B. La machine A fabrique 20%
des pièces et la machine B fabrique 80% des pièces. La proportion de pièces défectueuses fabriquées par A est de
5% et par B de 2%. On effectue des tirages au hasard avec remise d’une pièce dans l’ensemble de la fabrication.

a. Calculer la probabilité de tirer une pièce défectueuse.

b. À l’issue d’un certain tirage, la pièce tirée est défectueuse. Quelle est la probabilité qu’elle ait été fabriquée par
la machine A ?

2) Soit n un entier supérieur ou égal à 2. On dispose de n urnes U1 , U2 , . . . , Un contenant chacune trois boules.
Dans l’ensemble des 3n boules, une seule est rouge, les autres étant bleues.
Sachant que l’on a tiré sans remise deux boules bleues dans l’urne U1 , quelle est la probabilité que l’urne U2
contienne la boule rouge ?

3) On lance une pièce de monnaie équilibrée n fois de suite et on note pn la probabilité de ne pas obtenir deux
“Pile” successifs. Trouver une relation de récurrence liant les pn et déterminer la limite de pn quand n tend vers
l’infini.

Variables aléatoires
1) Soient X et Y deux variables aléatoires indépendantes définies sur un espace probabilisé (Ω, A, P ). On suppose
que X suit la loi de Poisson de paramètre λ > 0�et que Y suit�la loi uniforme sur {1, 2}. Déterminer la loi de
Z = XY . Quelle est la probabilité de l’évènement Z ≡ 0 mod 2 ?

2) Soit c un réel strictement positif et soient X et Y deux variables aléatoires à valeurs dans N définies sur un
espace probabilisé (Ω, A, P ) telles que :

i+j
∀(i, j) ∈ N2 , P ([X = i] ∩ [Y = j]) = c .
i! j!

a) Quelle est la loi de X ? En déduire la valeur de c. Calculer l’espérance et la variance de X. Les variables X et
Y sont-elles indépendantes ?

b) Déterminer la loi de X + Y − 1 et en déduire la variance de X + Y .

c) Calculer la covariance de X et de X + 5Y . Ces deux variables sont-elles indépendantes ?

d) Montrer que Z = 1/(X + 1) admet une espérance et la calculer.

e) Déterminer pour i ∈ N la loi conditionnelle de Y sachant [X = i].

+∞
�
f) Pour A ∈ A, on pose g(A) = k PA (Y = k). Établir l’existence d’une fonction affine f telle que :
k=0

∀ω ∈ Ω, g([X = X(ω)]) = f (Z(ω)).

3) Soit p ∈ ]0, 1[ et q = 1 − p. Soit (Xn )n≥1 un schéma de Bernoulli de paramètre p. Pour n ∈ N∗ , on pose
Yn = Xn + Xn+1 .
a) Pour tout k, l ∈ N tels que 1 ≤ k < l, calculer Cov(Yk , Yl ).

b) Montrer que pour k ≥ 1, 0 < Cov(Yk , Yk+1 ) ≤ 41 .

��� n � ��
�1 � �
� �
c) Montrer que P � Yk − 2p� > ε −−−−−−→ 0 pour tout ε > 0.
�n � n→+∞
k=1

4) Soit E un ensemble de variables aléatoires discrètes centrées définies sur un même espace probabilisé et admettant
une variance.

a) Justifier l’existence de V0 = inf {V (X), X ∈ E}.

1
b) On suppose que pour tout (X, Y ) ∈ E 2 , on a (X + Y ) ∈ E.
2
Montrer que si X, Y ∈ E vérifient V (X) = V (Y ) = V0 , alors X = Y presque sûrement.

5) On tire avec remise une boule d’une urne contenant n boules numérotées de 1 à n. On note T la variable aléatoire
égale au numéro du tirage où pour la première fois, chaque boule a été tirée au moins une fois. Calculer l’espérance
de T et en trouver un équivalent quand n tend vers +∞.

6) La succession d’un nombre infini de lancer d’un dé équilibré est modélisée par une suite (Xn )n≥1 de variables
aléatoires, définies sur un espace probabilisé (Ω, A, P ), indépendantes et de même loi uniforme sur [[1, 6]]. Pour tout
i ∈ [[1, 6]], on note Ti le temps d’attente de la sortie du numéro i.

a) Montrer que T1 est une variable aléatoire et donner sa loi, son espérance et sa variance.

b) Montrer que Inf(T1 , T2 ) et Sup(T1 , T2 ) sont des variables aléatoires et calculer leurs espérances.

c) Justifier l’existence de la covariance de T1 et T2 .

d) Établir les relations :

• ∀ i ∈ [[2, 6]], E(T1 | [X1 = i]) = 7 ;

• ∀ i ∈ [[3, 6]], E(T1 T2 | [X1 = i]) = E (((1 + T1 )(1 + T2 )) ;

En déduire E(T1 T2 ), Cov(T1 , T2 ) ainsi que le coefficient de corrélation linéaire de T1 et T2 .

e) Trouver une réel α tel que les variables T1 et T2 + αT1 soient non corrélées. Calculer l’espérance conditionnelle
de T2 + αT1 sachant [T1 = 1]. Les variables T1 et T2 + αT1 sont-elles indépendantes ?

7) Soit (Xn )n≥1 une suite de variables aléatoires à valeurs dans N, définies sur le même espace probabilisé (Ω, A, P ),
mutuellement indépendantes et de même loi. On pose :

n
�
∀ n ∈ N, Sn = Xi
i=1
∀a > 0, ∀n ∈ N, Fn (a) = P (Sn ≤ a)

∀a > 0, Na = Card {n ∈ N, Sn ≤ a} ∈ N ∪ {+∞}.

a) Montrer que Na est une variable aléatoire, puis démontrer les propriétés :
• Na est presque sûrement finie si et seulement si Fn (a) tend vers 0 quand n tend vers l’infini ;
+∞
�
�
• Na est d’espérance finie si et seulement si n≥0 Fn (a) est convergente, avec E(Na ) = Fn (a) en cas de
n=0
convergence.

2
b) On suppose que P ([Xn = 0]) = 1 − p et P ([Xn = 1]) = q, où p et q sont deux réels vérifiant 0 < q < p < 1. En
�a� + 1
considérant les variables Yn = 1 , montrer que pour tout a > 0, E(Na ) ≤ .
[Xn ≥1] p

8) Soit X une variable aléatoire suivant une loi de Poisson de paramètre λ. Montrer :
� � � � n+1
∀n ∈ N, P [X ≥ n] ≤ P [X = n] .
n+1−λ
En déduire que P (X > n) est négligeable devant P (X = n) quand n tend vers l’infini.

9) Soit p ∈ ]0, 1[. Soit (Xn )n≥1 une suite de variables aléatoires i.i.d., telle que :

∀n ∈ N∗ , P ([Xn = −1]) = p et P ([Xn = 1]) = 1 − p.

n
�
On pose Zn = Xi pour tout n ∈ N∗ .
i=1

a) Pour n ≥ 1, montrer que Zn est une variable aléatoire et donner sa loi et son espérance. Quelle est la limite de
E(Zn ) quand n tend vers l’infini ?

b) Pour quelles valeurs de p les variables Z1 et Z2 sont-elles indépendantes ?

10) Un village possède 3 restaurants R1 , R2 et R3 . Un couple se rend dans l’un de ces trois restaurants chaque
dimanche. À l’instant n = 1 (c’est-à-dire le premier dimanche), il choisit le restaurant R1 , puis chaque dimanche
suivant, soit il choisit le même restaurant que le dimanche précédent avec probabilité p, soit il choisit avec équi-
probabilité l’un des deux autres restaurants.

a) Pour i ∈ {1, 2, 3} et n ∈ N, calculer la probabilité de l’évènement “Ai,n : le couple mange dans le restaurant Ri
le n-ième dimanche”.

b) Soit T la variable aléatoire égale au rang du premier dimanche où le couple retourne au restaurant R1 , s’il y
retourne, et 0 sinon. Déterminer la loi de T et calculer son espérance et sa variance.

c) Modéliser cette situation en écrivant une fonction python qui renvoie la fréquence des visites du restaurant R1
par le couple en 52 dimanches (p sera le paramètre de la fonction).

11) Soit (Xn )n≥0 un schéma de Bernoulli de paramètre 1/2. On définit la suite (Zn )n≥0 par les relations :
X0 Zn−1 + Xn
Z0 = et ∀n ≥ 1, Zn = .
2 2

a) Pour n ≥ 1, les variables Zn−1 et Xn sont-elles indépendantes ?

b) Pour tout n ∈ N, calculer E(Zn ) et V (Zn ). Quelle est la loi de Zn ?

c) Pour [a, b] ⊂ R, quelle est la limite de P ([a ≤ Zn ≤ b]) quand n tend vers l’infini ?

12) Soit (Xi )1≤i≤p une famille de variables aléatoires définies sur un même espace probabilisé et mutellement
indépendantes. On suppose que Xi suit une loi de Poisson de paramètre λi > 0 et on pose S = X1 + · · · + Xp .

a) Pour n ∈ N, déterminer la loi conditionnelle du vecteur (X1 , . . . , Xp−1 ) sachant [S = n].

b) Pour n ∈ N, exprimer l’espérance conditionnelle de X1 sachant [X1 + X2 = n].

13) Soit (Xn )n∈N∗ une suite de variables aléatoires indépendantes définies sur un même espace probabilisé (Ω, A, P )
suivant toutes la même loi géométrique de paramètre p ∈ ]0, 1[. Pour n ∈ N∗ , on note Sn = X1 + · · · + Xn .
�� ��
� Sn 1 ��
a) Pour ε > 0, quelle est la limite de P � � − � quand n tend vers l’infini ?
n p

3
b) Calculer P (Sn = k) pour k, n entiers naturels non nuls.

Jusqu’à la fin de l’exercice, on suppose que f : [1, +∞[−→ R est de classe C 1 , bornée et de dérivée bornée.

c) Montrer que pour tout n ∈ N∗ , la fonction

+∞ � �� �
� k k+n−1
Kn : x �−→ x n
f 1+ (1 − x)k
n n−1
k=0

est définie sur [0, 1].

� �
Sn
d) Montrer que f est d’espérance finie et exprimer son espérance en fonction de Kn (p).
n
e) Soit ε > 0. Montrer qu’il existe deux réels A et B tels que :
� � � �� � �� �� ��
� Sn 1 �� � Sn 1 ��
∀n ∈ N ,∗ �
�E f n −f � ≤ A ε + B P �� − .
p n p�
� �
1
En déduire que pour tout t ≥ 1, Kn tend vers f (t) quand n tend vers l’infini.
t

14) Soit (Xn )n∈N une suite de variables aléatoires réelles indépendantes définies sur un même espace probabilisé
(Ω, A, P ). On suppose que X0 est la variable certaine de valeur 0 et que pour tout n ∈ N∗ , Xn suit la loi binomiale
de paramètres n et p, où p est un réel fixé de ]1/2, 1[. On pose q = 1 − p.

Pour tout n ∈ N et pour tout t ∈ R, on pose Yn = 2Xn − n et gn (t) = E(e−tYn ), puis Zn = min(Y0 , Y1 , . . . , Yn ).

a) Montrer que gn (t) = (pe−t + qet )n pour tout n ∈ N et pour tout t ∈ R+ .

b) Établir que P ([Yn ≤ 0]) ≤ gn (t) pour tout (t, n) ∈ R+ × N. En déduire qu’il existe un réel α ∈ ]0, 1[ tel que :

∀n ∈ N, P ([Yn ≤ 0]) ≤ αn .

c) Pour n ∈ N, déterminer Zn (Ω) et calculer P (Zn = −n).

n
� αk+1
d) Pour k, n ∈ N tels que 0 ≤ k < n, on pose Ak = [Yj ≤ 0]. Montrer que l’on a : P (Ak ) ≤ .
1−α
j=k+1

e) Montrer que pour n ∈ N , k ∈ [[0, n − 1]] et r ∈ [[−n, 0]], on a :

∗

� � � �
P (Zn = r) ≤ P Ak ∩ [Zn = r] + P [Zk = r] et E(Zn ) ≥ −nαn + E(Zn−1 ).

En déduire que la quite (E(Zn ))n≥1 est convergente.

15) a) Soit X une v.a.r. à valeur dans {0, 1, 2}. Quelle est la loi de X, sachant que E(X) = 1 et E(X 2 ) = 5/3 ?

b) Soient n ∈ N∗ et n + 1 réels distincts x0 , x1 , . . . , xn . On suppose que X est une variable aléatoire à valeurs dans
{x0 , x1 , . . . , xn }. Peut-on déterminer la loi de Xà partir des moments E(X k ) pour k ∈ [[1, n]] ?

16) Soit (Xn )n∈N∗ un schéma de Bernoulli de paramètre 1/2. On pose pour tout n ∈ N∗ :

n(n + 1)
n
�
Wn = kXk et sn = .
2
k=1

a) Calculer E(Wn ), V (Wn ), P (Wn = 0), P (Wn = 3) et P (Wn = sn ). Montrer que pour k ∈ [[0, sn ]], P (Wn = k) =
P (Wn = sn − k).

4
b) Déterminer, pour n ∈ N∗ et k ∈ [[0, sn ], le loi de probabilité conditionnelle de Wn+1 sachant [Wn = k]. En
déduire :

1


 P (Wn = k) si k ≤ n


 2

1 1
∀ n ≥ 1, ∀k ∈ [[0, sn+1 ]], P (Wn+1 = k) = P (Wn = k) + P (Wn = k − n − 1) si n + 1 ≤ k ≤ sn

 2 2



 1
 P (Wn = k − n − 1) si sn + 1 ≤ k ≤ sn+1
2

c) Écrire le code d’une fonction python qui, appliquée à deux entiers k et n, renvoie P (Wn = k). Écrire ensuite une
fonction qui, appliquée à un entier n ≥ 1, renvoie la liste [P (Wn = 0), P (Wn = 1), . . . , P (Wn = sn )].

17) On jette une infinité de fois un dé pipé : chaque face porte la valeur 1, 2 ou 3 et la probabilité d’obtenir un 1
(resp. un 2) est égale à p (resp. à q), avec 0 < p, q et p + q < 1. Cette situation est modélisée par la donnée d’une
suite (Dn )n≥1 de variables aléatoires définies sur le même espace probabilisé (Ω, A, P ), indépendantes et de même
loi :
∀n ≥ 1, P (Dn = 1) = p, P (Dn = 2) = q et P (Dn = 3) = 1 − p − q.

a) On fixe n ∈ N∗ . Montrer que les applications

Xn = Card{k ∈ [[1, n]], Dk = 1} et Yn = Card{k ∈ [[1, n]], Dk = 2}

sont des variables aléatoires. Donner les lois de Xn , Yn et (Xn , Yn ). Les deux variables sont-elles indépendantes ?
Xn
Expliquer pourquoi Tn = est un estimateur naturel de p. Calculer son biais (i.e. E(Tn ) − p) et son risque
� n +� 1
2
quadratique (i.e. E (Tn − p) ).

b) On suppose que N : Ω → N est une variable aléatoire indépendantes des Dn , suivant une loi de Poisson de
paramètre λ > 0. On note :

X = Card{k ∈ [[1, N]], Dk = 1} et Y = Card{k ∈ [[1, n]], Dk = 2}

Montrer que X et Y sont des variables aléatoires. Donner leurs lois et montrer qu’elles sont indépendantes. L’es-
X
pérance de T = est-elle égale à p (autrement-dit, T est-il un estimateur sans biais de p) ?
N +1

18) Soit n un entier supérieur ou égal à 2. Une urne contient n boules numérotées de 1 à n ; on effectue dans cette
urne des tirages aléatoires successifs d’une boule avec remise. On note X1 , X2 , . . . les numéros successifs obtenus :
nous supposerons que (Xk )k≥1 est une suite de variables aléatoires définies sur un même espace probabilisé (Ω, A, P ),
indépendantes et de même loi uniforme sur [[1, n]]. On définit :

∀ ω ∈ Ω, Y (ω) = inf{k ≥ 2, Xk (ω) ≥ X1 (ω)}

avec la convention que inf ∅ = +∞.

a) Montrer que Y est une variable aléatoire presque sûrement finie.

n−1 � � � �m−1
1 � i i
b) Pour tout entier m ≥ 1, montrer que P ([Y = m + 1]) = 1− . En déduire que Y est
n i=0 n n
1
n
�
d’espérance finie E(Y ) = 1 + .
j=1
j

c) Pour tout m ≥ 1, calculer la limite quand n tend vers l’infini de P ([Y = m + 1]).

1 �
n
19) Soit (Xn )n≥1 un schéma de Bernoulli de paramètre p ∈ ]0, 1[. Pour tout n ∈ N∗ , on note Sn = Xi .
n i=1

5
a) On note f la fonction définie, pour t ∈ R, par f (t) = −p t + ln(1 − p + pet ). Montrer que pour tout t ≥ 0,
t2
f (t) ≤ et en déduire :
8
� � 2
∀t ∈ R+ , ∀n ∈ N∗ , ∀k ∈ [[1, n]], E et(Xk −p) ≤ et /8 .

b) En déduire : � �
+ t2
∀t, ε ∈ R , P (Sn − p ≥ ε) ≤ exp −tε + .
8

c) Montrer que � �
∀ε ≥ 0, P (|Sn − p| ≥ ε) ≤ 2 exp −2nε2 .
En déduire un intervalle de confiance de risque α pour le paramètre p et comparer sa longueur à celle de l’intervalle
donné par l’inégalité de Bienaymé-Tchebychev.

20) On dispose de N urnes (N ≥ 1) notées U1 , . . . , UN . Pour tout k, l’urne Uk contient k boules rouges et N − k
boules blanches. On choisit au hasard une urne, avec probabilité proportionnelle au nombre de boules rouges qu’elle
contient, puis on procède à une suite de tirage avec remise dans l’urne considérée.

a) Proposer une modélisation de cette expérience aléatoire en terme de variables aléatoires.

b) Pour tout k ∈ [[1, n]], quelle est la probabilité de choisir l’urne Uk ?

c) Pour n ∈ N∗ , on définit les évènements :

En : au cours des 2n premiers tirages, on a obtenu autant de boules rouges que de boules blanches.
R2n+1 : on a obtenu une boule rouge au 2n + 1-ième tirage.

Exprimer P (En ) sous forme d’une somme et calculer P (R2n+1 | En ).

In+2,n
d) Montrer que P (R2n+1 | En ) tend vers Ln = quand N tend vers l’infini, où l’on a posé :
In+1,n
� 1
∀n, p ∈ N, In,p = xn (1 − x)p dx.
0

Calculer la valeur de ces intégrales et en déduire une expression simple de Ln .

21) Une puce fait une suite de sauts de longueur 1 dans un plan muni d’un repère orthonormé (O,�i, �j) ; chaque
saut est effectué au hasard et avec équiprobabilité dans l’une des quatre directions portées par les axes du repère.
Pour tout n ∈ N, on note Mn la position de la puce après n sauts et Xn (resp. Yn ) l’abscisse (resp. l’ordonnée) du
point Mn . On suppose qu’à l’instant initial 0, la puce est à l’origine O du repère, c’est-à-dire que M0 = O.
�
Pour tout n ≥ 1, on pose Tn = Xn − Xn−1 , Un = Yn − Yn−1 et Zn = OMn = Xn2 + Yn2 . On note également pn
la probabilité de l’évènement Mn = O

a) Proposer un modèle mathématique de cette expérience aléatoire.

b) Déterminer la loi, l’espérance et la variance de Tn . Que valent E(Xn ) et E(Xn2 ) ?

√
c) Montrer que E(Zn ) ≤ n.

d) Que vaut pn quand n est impair ?

m � �2 � � � �2
� m 2m 2m 1
e) Pour m ∈ N , montrer l’identité
∗
= et en déduire que p2m = × 2m .
k m m 4
k=0