Université Ouaga3S FST

Tél: 73 96 70 70 /65 52 36 36 /72 91 14 54 MaISN1

Site web: [Link] Février 2021
Année Académique: 2020-2021 Savoir - Savoir Faire - Savoir Être
PROGRAMME DE REVISION DE 150H
Enseignant : M. KAFANDO
MODULE : PROBABILITÉ

???

TRAVAUX DIRIGÉS
???

1 Tribus-mesures.
Exercice 1 Dans ce sujet dénombrable signifie « au plus dénombrable ».
Soit Ω un ensemble non dénombrable. On introduit
n o
T = A ⊂ Ω A ou A est dénombrable .

1 Vérifier que T est une tribu sur Ω.

2 Pour A ∈ T , on pose 

 0 si A est dénombrable
P (A) =  .



 1 si A est dénombrable


Vérifier que P définit une probabilité sur (Ω; T ).

???

Exercice 2 Soient A et B deux événements d’un espace probabilisé.

Démontrer que
max(0, P(A) + P(B) − 1) 6 P(A ∩ B) 6 min(P(A), P(B)).

???

2 Calcul de probabilité d’événements.

Exercice 3 Deux archers tirent chacun leur tour sur une cible. Le premier qui touche a gagné. Le joueur qui
commence a la probabilité p1 de toucher à chaque tour et le second la probabilité p2 (avec p1 ; p2 > 0)

1 Quelle est la probabilité que le premier joueur gagne ?.

2 Montrer qu’il est quasi-certain que le jeu se termine.

3 Pour quelle(s) valeur(s) de p1 existe-t-il une valeur de p2 pour laquelle le jeu est équitable ?.

1/5
 ???
1 1 1
Exercice 4 1 Considérons la mesure discrète sur (R; B(R)) définie par µ1 = δ1 + δ2 + δ3 . Calculer la
3 2 6
valeur de µ1 ([0,3/2]), puis calculer µ1 (R) pour montrer que µ1 est une mesure de probabilités.
∞
X 17
2 Considérons la mesure discrète sur (N; P(N)) définie par µ2 = δk . Soit k ∈ N∗ . Calculer
k=1
2k
µ2 ({1,2, · · · ,k}) puis µ2 (N).
∞
X 1
3 Considérons la mesure discrète sur (R; P(R)) définie par µ3 = δ1/ √k . Calculer la valeur de µ3 ([−1/2,5]),
k
k=1
puis calculer µ3 (R) .

???

3 Variables aléatoires réelles-Lois de probabilité de fonctions de

V.A.R.
Exercice 5 Soit X une variable aléatoire à valeurs dans N telle que

e−2 2k
P [X = k] = (1 + αk) , ∀k ∈ N.
4k!
Déterminer la valeur de α. Calculer l’espérance et la variance de X.

???

Exercice 6 Soit X une variable aléatoire suivant une loi de Poisson de paramètre λ > 0.
Déterminer la probabilité que la valeur de X soit pair.

???

Exercice 7 Soit X une variable aléatoire dont la fonction de densité est

(  
c 1 − x2 −1 6 x 6 1
f (x) = .
0 sinon

1 Calculer la valeur de c.

2 Quelle est la fonction de répartition de X ?.

3 Calculer E(X).

???

Exercice 8 Soit X une variable aléatoire de loi exponentielle de paramètre λ > 0.

1 Pour tous a < b ∈ R+ , calculer PX (]a,b[) puis PX ({a}).

2/5
 2 Déterminer la loi de Y = [X], [·] désigne la fonction partie entière.

3 Déterminer la loi de U1 = X2 .

4 Déterminer la loi de U2 = ln(X).

5 Déterminer la loi de la variable Z = |X − 1|.

???

Exercice 9 Fixons p ∈ ]−1,1[ Soit X une variable aléatoire de densité fX : R → R+ définie, pour tout x ∈ R, par

Kp |x|p
fX (x) = 1[−1;1] (x) avec Kp ∈ R+ .
2
1 Déterminer Kp .

2 Montrer que la variable aléatoire Y = X2 est intégrable puis calculer son espérance.

3 Déterminer la loi de Z = e1/X après avoir justifié que Z est une variable aléatoire définie presque sûrement.

???

Exercice 10 Loi triangulaire.

Soit la fonction affine par morceaux, nulle en dehors de ]0,2[, représentée par la figure 1.

1 Vérifier que f est une densité de probabilité sur R.

2 Soit Z une variable aléatoire positive de densité f de F sa fonction de répartition.

Donner sans calculer d’intégrale les valeurs de F (0) , F (1/2) , F (1) et F (2) . Justifier l’obtention de ces
valeurs.

3 Calculer et représenter sur une figure la fontion de répartition F.

4 Calculer en utilisant f . Le résultat était-il prévisible ?.

Figure 1 – Loi triangulaire.

???

3/5
4 Fonctions génératrices.
Exercice 11 Calculer la fonction génératrice de X lorsque X est une variable aléatoire :

1 de loi de Bernoulli de paramètre p ∈ [0; 1] ;

2 de loi binomiale de paramètres n ∈ N ? et p ∈ [0; 1] ;

3 de loi de Poisson de paramètre λ > 0 ;

4 de loi géométrique de paramètre p ∈ ]0; 1[ ;

5 En déduire l’espérance et la variance de X dans chacun des cas.

???

5 Loi des grands nombres.

Exercice 12 Soit n ∈ N∗ . On extrait n fois avec remise une boule dans une urne composée de 2 boules vertes et 6
boules blanches. Soit Xn la variable aléatoire associée au nombre de boules vertes obtenues lors des n tirages. On
pose Fn = Xn /n.

1 Donner la loi de Xn. En déduire l’espérance et la variance de Xn puis de Fn .

2 On suppose dans cette question que n = 10000. A l’aide de l’exercice précédent, donner une borne inférieure
pour la probabilité de l’événement {Fn ∈ ]0.22; 0.26[} .

3 Donner une estimation du nombre minimal n de tirages nécessaires pour que la probabilité de l’événement
{Fn ∈ ]0.22; 0.26[} soit au moins 0.99.

???

6 Variables aléatoires dans Rn avec n > 2.

Exercice 13 Soient X1 et X2 des variables aléatoires, indépendantes, de loi de Poisson de paramètres λ1 et λ2
respectivement.

1 Calculer la loi de X1 + X2 .

2 Calculer la loi conditionnelle de X1 sachant X1 + X2 . Identifer une loi connue.

???

Exercice 14 On lance 2 dés. On appelle X la v.a.r. égale au résultat du premier dé et Y la v.a.r. égale à la valeur
maximale obtenue.
Déterminer la loi du couple(X,Y) et en déduire la loi de Y.

???

4/5
7 Variables aléatoires dans Rn avec n >2
???

Exercice 15 Soit f la fonction définie par :

  
f x,y = k 1 − max |x| , y 1[−1;1] (x) 1[−1;1] y .

Déterminer k pour que f soit la densité d’un couple (X,Y), préciser les lois marginales et calculer cov(X,Y).

???

Exercice 16 Soient X et Y deux v.a.r. indépendantes de même loi uniforme sur [0; 2].
Déterminer la loi de Z = X − Y , de S = X + Y et de T = XY.

???

8 Convergence des variables aléatoires.

???

Exercice 17 Soit α ∈ ]0,1[ et (Xn )n>1 une suite de v.a.r. de lois géométriques G(α/n).
Xn
Montrer que la suite ( )n>1 converge en loi vers une v.a.r. dont on précisera la loi.
n
???

Exercice 18 Soit (Xn )n>1 une suite de v.a.r. indépendantes de même loi de Poisson P(λ).

1 Enoncer le théorème de la limite centrale.

n
X
2 Déterminer la loi de Un = Xi et calculer P ([Un 6 n]).
i=1

Un − λn
3 On pose Zn = √ . Montrer que la suite (Zn )n>1 converge en loi vers une v.a.r. dont on précisera la
λn
loi. En remarquant que l’on a :

(1 − λ) n
" #!
P([Un 6 n]) = P Zn 6 √ .
λn

En déduire
n
X nk 1
lim e −n
= .
n→∞ k! 2
k=0

???
F IN
???

5/5