Variables aléatoires

Exercice 1. Variables aléatoires entières

1) Soit X une variable aléatoire à valeurs dans N. P
a) Montrer que X a une espérance si et seulement si la série k>1 P(X > k) est convergente et que
dans ce cas, E(X ) est la somme de cette série. P P
b) Établir une formule analogue pour V(X ) en fonction de k>1 P(X > k) et k>1 kP(X > k).
2) Soit (Xn )n>1 une suite de variables aléatoires définies sur un même espace probabilisé, à valeurs
dans N, mutuellement indépendantes et de même loi. On note pour n 2 N : Mn = max(X1 ; : : : ; Xn ).
a) Calculer P(Mn 6 k) en fonction de P(X1 6 k).
b) On suppose que la loi de X1 est la loi uniforme sur [[1; K ]] avec K > 2 fixé. Calculer E(Mn ) et
limn!1 E(Mn ).
c) On suppose que la loi de X1 est la loi géométrique de paramètre p 2 ]0; 1[. Calculer E(Mn ).
Déterminer la loi de m2 = min(X1 ; X2 ), son espérance, et en déduire E(jX1 X2 j).
Exercice 2. Loi de Poisson
Soit X une variable aléatoire suivant la loi de Poisson de paramètre .
1) Donner la loi de X 2 + 1).
2) Calculer P(2X < X 2 + 1).
3) Calculer P(X est pair).
4) Soit Y une variable aléatoire sur le même espace probabilisé, indépendante de X , prenant les valeurs
1 et 2 avec probabilité 12 . Calculer P(XY est pair).
Exercice 3. Loi de Poisson et loi géométrique
Soient X; Y deux variables aléatoires sur un même espace probabilisé, indépendantes, avec X  P () et
Y  G (p). Calculer P(X = Y ).
Exercice 4. Urne de Polya
Une urne contient initialement une boule blanche et une boule noire. On tire au hasard une boule, on note
sa couleur, puis on la remet dans l’urne et on y ajoute une nouvelle boule de cette même couleur. On tire
à nouveau au hasard une boule, on note sa couleur puis on la remet dans l’urne avec une nouvelle boule
de cette même couleur, et ainsi de suite. Les tirages successifs sont supposés mutuellement indépendants.
Soit Xn le nombre de boules blanches tirées au cours de n premiers tirages. Déterminer la loi de Xn .
Exercice 5. Urne de Polya
Un sac contient deux pièces de 1 euro et une pièce d’or (indiscernable des autres au toucher). Vous
pouvez tirer dans ce sac jusqu’à l’obtention de la pièce d’or selon les règles suivantes:
 avant chaque tirage, vous ajoutez deux pièces de 1 euro dans le sac;
 à chaque tirage, vous tirez une pièce et vous la gardez.
Soit X le nombre de tirages nécessaires à l’obtention de la pièce d’or (X = +1 si vous ne l’obtenez
jamais).
1) Quelle est la loi de X ? A-t-elle une espérance? Si oui, la calculer.
2) La pièce d’or vaut euros ( 2 [[2; +1[[). Quelle est la probabilité que vous gagniez de l’argent?
Exercice 6. Dés non équilibrés
On lance indépendament deux dés dont les faces sont numérotées de 1 à 6 et on note S la somme des
faces indiquées. Montrer que, même si les dés sont non équilibrés et différents, il n’est pas possible que S
suive la loi uniforme sur [[2; 12]]. On pourra considérer les fonctions génératrices associées aux dés.

variables-aléatoires.tex – mercredi 7 août 2019

Exercice 7. Permutation aléatoire
Un sac contient n jetons numérotés de 1 à n. On tire indépendament et avec remise des jetons jusqu’à
ce que chaque numéro soit sorti au moins une fois. Soient N le nombre (aléatoire) de jetons tirés et S la
liste des numéros, sans répétition, dans l’ordre où ils ont été tirés.
1) Prouver que P(N < 1) = 1.
2) On note N1 le nombre de jetons tirés avant de tirer un jeton différent du premier, N2 le nombre de
jetons supplémentaires tirés avant de tirer un jeton différent des deux premiers, etc. Déterminer les
lois de N1 ; N2 ; : : : et en déduire E(N ).
3) Prouver que S est uniformément distribuée sur l’ensemble des permuations Sn .
Exercice 8. Couple de variables aléatoires
Soient X; Y deux variables aléatoires sur un même espace probabilisé à valeurs dans N. On suppose que
la loi conjointe de (X; Y ) vérifie : P(X = j; Y = k) = a(j + k)=2j +k .
1) Quelle est la valeur de a ?
2) Déterminer les lois marginales de X et Y .
3) X et Y sont-elles indépendantes ?
4) Calculer E(XY ).
Exercice 9. Variables indépendantes
Soient X; Y deux variables aléatoires réelles discrètes indépendantes et de même loi, ayant une espérance.
On se propose de prouver : E(jX + Y j) > E(jX j).
valeurs dans f 1; 1g.
1) Traiter le cas particulier où X est à P P
2) Dans le cas général, on note a = x>0 xP(X = x), b = x<0 jxjP(X = x), p = P(X > 0) et
q = P(X < 0) = 1 p.
a) En remarquant que jx + y j > jxj jy j quand x et y sont deux réels de signes contraires, montrer
que E(jX + Y j) > 2(ap + bq ) + 2jaq bpj.
b) Déterminer la valeur minimale de ce minorant à a; b fixés quand p décrit [0; 1] et conclure.
3) Donner un cas où l’on a E(jX + Y j) < E(jX j) avec X; Y non indépendantes mais de même loi et un
cas avec X; Y indépendantes mais de lois différentes.
Exercice 10. Variables indépendantes
Soient X; Y deux variables aléatoires complexes discrètes indépendantes et de même loi, ayant une es-
pérance. On se propose de prouver : E(jX + Y j) > E(jX Y j).
R 2
1) Justifier : 8 x; y 2 R, jx + y j jx y j = 2 min(jxj; jy j) sgn(xy ) et 8 z 2 C, =0 j<(ze i )j d = 4jz j.
2) Traiter le cas où X; Y sont à valeurs dans Z. On utilisera les variables aléatoires X + = max(X; 0),
X = max( X; 0), et Y + ; Y définies de manière analogue pour Y .
3) Traiter le cas où X; Y sont à valeurs dans R. On utilisera les variables aléatoires Xn = bnX c,
Yn = bnY c avec n 2 N .
4) Traiter le cas où X; Y sont à valeurs complexes.
Exercice 11. Nombre aléatoire de lancers
On dispose d’une pièce ayant la probabilité p 2 ]0; 1[ de donner pile et on réalise l’expérience suivante :
– on lance la pièce autant de fois que nécessaire pour obtenir pile. Soit N le nombre de lancers effectués.
– on lance à nouveau la pièce N fois et on compte le nombre X de pile obtenus.
1) Quelle est la loi de N ?
2) Quelle est la loi de X ?
3) Calculer E(X ).
Exercice 12. Formule de Wald
Soient (Xn )n>1 et N des variables aléatoires sur un même espace probabilisé, mutuellement indépen-
dantes, à valeurs dans N, les Xi ayant toutes même loi. On considère S = X1 + : : : + XN (somme d’un
nombre aléatoire de variables aléatoires, avec la convention S = 0 si N = 0).
1) Montrer que S est une variable aléatoire et déterminer sa fonction génératrice en fonction des fonctions
génératrices de N et X1 .
2) En déduire E(S ) = E(N )E(X1 ) avec la convention 0  1 = 1  0 = 0.

variables-aléatoires.tex – page 2
Exercice 13. Séries dans je jeu de pile ou face infini
On lance une infinité de fois une pièce ayant une probabilité p 2 ]0; 1[ de donner pile, les lancers étant
mutuellement indépendants. Si ! 2 fP; F gN , on décompose w en sous-suites de résultats consécutifs
identiques, appelés séries, le résultat changeant d’une série à la suivante et on note L1 (! ); L2 (! ); : : :
les longueurs de ces séries. Par exemple, si ! = FFFPFPPPPFP : : :, on a L1 (! ) = 3, L2 (! ) = 1,
L3 (!) = 1, L4 (!) = 4; L5 (!) = 1.
Les fonctions L ; L ; : : : sont bien définies sur le sous-ensemble 0 de
1 2 = fP; F gN constitué des suites
comportant une infinité de P et une infinité de F .
1) Prouver que 0 est un évènement et que P( 0 ) = 1.
Dans la suite de l’exercice, on se place dans l’espace probabilisé constitué de 0 , des évènements
inclus dans 0 et de la restriction de P à ces évènements. On admet que L1 ; L2 ; : : : sont des variables
aléatoires sur cet espace probabilisé.
2) Déterminer la loi de L1 et son espérance.
3) Déterminer la loi conjointe de (L1 ; L2 ). En déduire la loi de L2 et son espérance.
4) Expliquer pourquoi L1 et L2 n’ont pas même loi. L1 ; L2 sont-elles indépendantes ?
5) Montrer que L3 a même loi que L1 , et que L1 ; L3 ne sont pas indépendantes si p 6= 12 .
Exercice 14. Temps d’attente
Au jeu de pile ou face infini avec une pièce équilibrée, on considère les variables aléatoires TXY = nombre
de lancers jusqu’à obtenir la séquence XY où X; Y 2 fP; F g.
1) Déterminer les lois et les espérances de TP P ; TP F ; TF P ; TF F .
2) Calculer P(TP P > TP F ) et P(TP P > TF P ).
3) Déterminer les lois de TP P F et TF P P en fonction de la loi de TP P et leurs espérances.
4) Calculer P(TP P F > TF P P ).
Exercice 15. Marche aléatoire dans Z2
On considère une particule se déplaçant au hasard dans un plan de la manière suivante :
– le temps est discret ;
– à l’instant n, la particule tire une direction au hasard parmi Nord, Sud, Est, Ouest avec probabilité 14
pour chaque direction puis effectue un pas dans cette direction ;
– les tirages sont mutuellement indépendants.
Le but de l’exercice est de prouver qu’il est presque sûr que la particule passera une infinité de fois par
son point de départ. On note Zn = (Xn ; Yn ) la position de la particule à l’instant n dans le repère
(position de départ,Est,Nord) et N le nombre d’instants n > 1 tels que Zn = (0; 0). N est une variable
aléatoire à valeurs dans N [ f1g et il s’agit de prouver que P(N = 1) = 1.
1) Montrer que P(N > 2) = P(N > 1)2 puis généraliser. P
2) En déduire qu’il suffit de prouver que la série k P(N > k) est divergente.
3) Exprimer P(Zn = (0; 0)) sous Pforme d’une somme de coefficients binomiaux.
4) Montrer pour k; m; n 2 N : m
n
= m+n
.
i+j =k i j k
5) En
P déduire une expression simple pour P( Z2 n = (0; 0)) et un équivalent lorsque n ! 1. La série
n P (Z2n = (0 ; 0)) est-elle convergente ?
6) Pour p 2 N fixé soit Np la variable aléatoire valant 1 si Zp = (0; 0) et 0 sinon.
Montrer que E(N0 + : : : + Np ) ! 1.
p!1
7) Conclure.

variables-aléatoires.tex – page 3
Exercice 16. Association de parieurs (Centrale MP 2015)
Dans l’énoncé, n désigne un entier naturel supérieur ou égal à 3 et N un entier naturel non nul.
Un jeu oppose n joueurs notés J1 ; : : : ; Jn . Le jeu consiste à lancer N fois une pièce équilibrée. Avant les
lancers, chaque joueur écrit une liste de prévisions pour les lancers. Les gagnants sont les joueurs ayant
obtenu le plus grand nombre de prévisions correctes : ils se partagent alors la somme de S euros.
Dans la suite, on abrégera pile en P et face en F . Par exemple, si N = 3 et si les lancers donnent PPF ,
le joueur ayant prédit PFP aura une prévision correcte (l’ordre compte). Pour i 2 [[1; n]], on note Xi le
nombre de prévisions correctes du joueur Ji et Gi son gain.
1) Dans cette question, on suppose que les joueurs choisissent leur prédiction au hasard indépendamment
les uns des autres. On admet que dans ces conditions, les variables aléatoires Xi sont mutuellement
indépendantes et de même loi.
a) Justifier que les variables Gi ont même loi. On ne demande pas de déterminer explicitement
cette loi.
b) Justifier que l’espérance de Gi est S=n pour tout i.
c) Vérifier expérimentalement ce fait à l’aide d’une simulation en Python.
2) Dans cette question, on suppose que les joueurs J1 ; J3 ; : : : ; Jn choisissent leur prédiction au hasard
indépendamment les uns des autres et le joueur J2 choisit les prévisions contraires de celles de J1 .
Par exemple, si N = 3 et J1 choisit PFP alors J2 choisit FPF . On admet qu’alors les variables
aléatoires X1 ; X3 ; : : : ; Xn sont mutuellement indépendantes de même que les variables X2 ; X3 ; : : : ; Xn .
A l’issue du jeu, les joueurs J1 et J2 se partagent leurs gains éventuels. On pose G0 = G1 + G2 et
Y = max(X1 ; X2 ). On suppose enfin que N est impair : N = 2p + 1.
a) Montrer que les Xi suivent toutes la même loi que l’on précisera. Dans la suite, on notera qk =
P(Xi = k) et k = P(Xi 6 k).
b) Préciser l’ensemble V des valeurs prises par Y .
c) Soient j 2 [[1; n 1]] et k 2 V . Calculer P(G0 = S=j; Y = k) en fonction de qk et k 1 .
d) En déduire E(G0 ); E(G1 ) et E(G2 ). La stratégie adoptée par J1 et J2 est-elle avantageuse ?
3) Reprendre le modèle de la question précédente en supposant N pair : N = 2p. On vérifiera qu’alors

E(G0 ) = n2S 1 1 nq pn + pn 1 . La stratégie adoptée par J et J est-elle avantageuse ?
p nqp 1 2

Exercice 17. Covariance

1) Soient X; Y deux variables aléatoires discrètes à valeurs dans [0; 1]. Montrer que j cov(X; Y )j 6 14 et
déterminer les cas d’égalité.
2) Soient deux évènements A; B d’un même espace probabilisé. Montrer que jP(A \ B ) P(A)P(B )j 6 14
et déterminer les cas d’égalité.
Exercice 18. Borel-Cantelli, Centrale 2015 P
Soit ( ; A; P)Pun espace probabilisé et (En )n2N une suite d’évènements telle que n2N P(En ) < +1.
1) Soit Z = n2N 1En . Montrer que Z est une variable aléatoire discrète.
2) Soit F = f! 2 tq ! appartient à un nombre fini de En g. Montrer que F est un évènement et que
P(F ) = 1.
3) Montrer que Z admet une espérance.
Exercice 19. Beppo Levi
P1aléatoire discrète à valeurs réelles positives. En considérant Y = dX e, montrer
1) Soit X une variable
que 0 6 E(X ) 6 k=0 P(X > k).
2) Soit (Xn ) une suite de variables aléatoires discrètes réelles positives sur un même espace probabilisé
( ; >; P). On suppose : 8 ! 2 , la suite (Xn (! )) tend vers 0 en décroissant et E(X0 ) < +1.
Montrer que E(Xn ) ! 0.
n!+1
3) Soit (Xn ) une suite de variables aléatoires P
discrètes réelles positives sur un même espace probabilisé
1
( ; >; P) telle que pour tout ! 2 la série n=0 Xn (! ) converge vers un réel noté X (! ).POn suppose
1
aussi que X est une variable aléatoire discrète (réelle positive). Montrer que E(X ) = n=0 E(Xn ).
Attention, ce résultat (bien utile dans certains exercices d’oral) est hors programme !

variables-aléatoires.tex – page 4
Exercice 20. Loi décomposable
Soit X une variable aléatoire à valeurs dans N. On dit que X est décomposable s’il existe deux variables
aléatoires indépendantes Y et Z à valeurs dans N non presque sûrement constantes telles que Y + Z ait
même loi que X .
1) Si X est décomposable, donner une relation entre GX ; GY ; GZ .
2) Soient n > 2 et p 2 ]0; 1[. Si X  B (n; p), montrer que X est décomposable.
3) Soit n > 2 non premier. On suppose que X suit une loi uniforme sur f0; : : : ; n 1g. Montrer qu’il
Pr 1 i   1 Ps 1 ri 
existe r; s 2 N n f0; 1g tels que : 8 t 2 R, GX (t) = r i=0 t  s i=0 t . En déduire que X est
1

décomposable.
4) On suppose que n > 3 est premier. Soit X suivant une loi uniforme sur f0; : : : ; n 1g. Montrer que
X n’est pas décomposable.
Exercice 21. CCP 2017
On considère un couple de variables aléatoires (X; Y ) de loi conjointe :

(i + j )ei+j 1
8 (i; j ) 2 N2 ; P(X = i; Y = j) =
2e2e i! j !
:
1) Déterminer les lois marginales de X et Y .
2) X et Y sont elles indépendantes ?
3) Montrer que E(2X +Y ) existe et donner sa valeur.
Exercice 22. Centrale 2017
Soit (Xi )i2N une famille de variables aléatoires
Pn mutuellement indépendantes suivant une loi de Bernouilli
de paramètre p, et, pour n 2 N, Sn = i=0 Xi .
1) a) Déterminez la loi de Sn . p
b) Majorez u : t 7! P(jSn E(Sn )j > t n) à l’aide de l’inégalité de Bienaymé-Tchebychev. On
nomme ' cette majoration. Tracer à l’aide de Python sur un même graphe u et ' pour n = 100
et p = 0:25. Que constatez-vous ?
2) Soient s > 0, c < 0 < d et y 2 [c; d].
a) Montrez que esy 6
d y esc + y c esd .
d c d c
sd 6 s (d c) .

d e sc c e
2 2
b) Montrez que ln
d c d c 8
c) On considère une variable aléatoire discrète Y centrée à valeurs dans l’intervalle [c; d]. Montrez
que E(esY ) 6 exp( s (d8 c) ).
2 2

Exercice 23. Inégalité

Soit X une variable aléatoire discrète à valeurs dans l’intervalle [a; b].
Montrer que E(X 2 ) 6 (a + b)E(X ) ab et déterminer les cas d’égalité.

variables-aléatoires.tex – page 5
 solutions

Exercice P1.
PN
N
1) a) k=1 P(X > k)
PN 1
=0 kP(X = k) = N P(
kP X > N ) = P1
P k=N N P(X = k).
b) k=1 2kP(X > k)
N N
k=0 k P(X = k) = k=1 P(X > k) + (N + 1)P(X > N )
1 2 1 2

P1 en supposant que E(X ) est finie, on obtient que E(X ) est finie si et seulement si la série
2
donc
k=1 kP(X > k) converge et dans ce cas,
1
X 1
X 1
X 2
V(X ) = 2 kP(X > k) P(X > k) P(X > k) :
k=1 k=1 k=1

2) a) P(Mn 6 k) = P(X1 6 k)n .

PK PK PK
b) E(Mn ) = k=1 P(Mn > k) = K k=1 P(Mn < k) = K n ! K.
k=1 (k=K ) n!1
1

c)
1
X
E( Mn ) = (1 (1 (1 p)k 1
)n )
k=1
1 X
X n  
n ( 1)`+1 (1 p)(k 1)`
k=1 `=1 `
=

Xn X 1 n
( 1)`+1 (1 p)(k 1)`
=
`=1 k=1 `
n  
X n ( 1)`+1 (non simplifiable).
`=1 ` 1 (1 p)
= `

m2 suit la loi G (2p p2 ) donc E(m2 ) = 2p 1 p2

2 2p
et E(jX1 X2 j) = E(M2 m2 ) = 2 1 1
p 1 (1 p)2 2p p2 = 2p p2 .
Exercice 2.
1) P(X 2 + 1 = k) = e  n =n! si k = n2 + 1 et P(X 2 + 1) = 0 si k n’est pas de cette forme.
2) P(2X < X 2 + 1) = P(X 6= 1) = 1 e  .
3) P(X est pair) = e  ch() = 12 (1 + e 2 ).
4) P(XY est pair) = 12 P(X est pair) + 12 = 14 (3 + e 2 ).
Exercice 3.
P(X = Y ) = 1
P P1  k p (e
k=0 P(X = k)P(Y = k) = k=1 e k! p(1 p)k e
1 p  ).
=
1 p
Exercice 4.
P(Xn = k) = n + 1 ((n k)P(Xn
1
1 = k) + kP(Xn 1 =k 1)). Par récurrence sur n, P(Xn = k) = 1
n+1
pour k 2 [[0; n]].
Exercice 5.
r
1) P(X = 1) = 1 et P(X = r) = P(X = rjX > r 1)P(X > r 1) = 1
Q k+2
r + 4 k=2 k + 3 = (r + 3)(r + 4) :
4
5
La série diverge, il n’y a pas d’espérance.
P 1
2) la probabilité de gagner de l’argent est égale à P(X 6 1) = r=1 4( 1 1 1 ! 1
r + 3 r + 4 ) = + 3 !1
Exercice 6.
Si G; H sont les fonctions génératrices, on doit avoir G(x)H (x) = x2 (1 + : : : + x10 )=11. G(x)=x est un
polynôme à coefficients réels de degré 5 ; il admet une racine réelle alors que le polynôme 1 + x + : : : + x10
n’en n’a pas.

variables-aléatoires.tex – page 6
Exercice 7.
1) La probabilité que le jetonj ne soit pas tiré au cours des k premiers tirages est (1 1=n)k k!1! 0. En
conditionnant par j on obtient P(N = 1) = 0.
2) P(Ni = k) = (i=n)k 1 (1 i=n), E(Ni ) = n=(n i) et E(N ) = E(N1 ) + : : : + E(Nn 1 ) = nHn 1 .
3) Pour  2 Sn , on a P(S =  j N1 = k1 ; : : : ; Nn 1 = kn 1 ) = 1k 1 2k 1 : : : (n 1)kn
1 2 1
=nk +:::+kn
1 1 1

est indépendant de  .
Exercice 8.
1) 18 .
2) P(X = j ) = P(Y = j ) = (j + 1)=2j +2 .
3) Non.
4) 3.
Exercice 9.
1) Soient p = P(X = 1) et q = P(X = 1) = 1 p.
On a E(jX + Y j) E(jX j) = 2p2 + 2q 2 1 = 2p2 + 2q 2 (p + q )2 = (p q)2 > 0.
2) a) X
E(jX + Y j) = jx + yjP(X = x)P(Y = y)
x>0;y>0
X
+ jx + yjP(X = x)P(Y = y)
x>0;y<0
X
+ jx + yjP(X = x)P(Y = y)
x<0;y>0
X
+ jx + yjP(X = x)P(Y = y)
x<0;y<0
= A + B + C + D:
A = Px>0;y>0 xP(X = x)P(Y = y) + Px>0;y>0 yP(X = x)P(Y = y) = 2ap.
D = 2bq et B = C > aq bp (calculs analogues).
D’où E(jX + Y j) > 2(ap + bq ) + 2(aq bp). Si aq bp > 0 c’est bon. Sinon, on obtient bp aq en
utilisant jx + y j > jy j jxj.
b) Pour a = b = 0, le minorant est constamment nul et dans ce cas, E(jX j) = a + b = 0.
Pour a + b > 0, le plus petit minorant est (2a2 + 2b2 )=(a + b) > a + b = E(jX j), atteint pour
p = a=(a + b).
3) Pour X; Y dépendantes, prendre Y = X avec P(X = 1) = P(X = 1) = 12 .
Pour X; Y indépendantes de lois distinctes, prendre X = 1, P(Y = 1) = 13 , P(Y = 1) = 23 .

variables-aléatoires.tex – page 7
Exercice 10.
2) min(jX j; jY j) sgn(XY ) = min(X + ; Y + ) + min(X ;Y ) min(X + ; Y ) min(X ; Y +) ;
1
X
E(min(X + ; Y + )) = P(min(X + ; Y + ) > n)
n=0
1
X
= P(X + > n; Y + > n)
n=0
1
X
= P(X + > n)P(Y + > n)
n=0
et de même pour les autres espérances. Il vient

E(jX + Y j) E(jX Y [)
1
X
=2 (P(X + > n)P(Y + > n) + P(X > n)P(Y > n)
n=0

P(X + > n)P(Y > n) P(X > n)P(Y + > n))

1
X
=2 (P(X + > n) P(X > n))(P(Y + > n) P(Y > n))
n=0
1
X
=2 (P(X + > n) P(X > n))2
n=0
> 0:
3) Xn ,Yn sont à valeurs entières, indépendantes de même loi et ont une espérance car jXn j 6 n(jX j + 1)
donc E(jXn + Yn j) > E(jXn Yn j).
Par ailleurs n1 jXn  Yn j jX  Y j 6 n2 , d’où E(jX + Y j) > E(jX Y j) n4 et on fait tendre n
vers +1.
Exercice 11.
1) P(N = k) = pq k 1 .

2) P(X = x j N = k) = xk px q k x , P(X = x) = q x 1
=(1 + q)x+1 si x > 1 et P(X = 0) = q=(1 + q).
3) E(X ) = 1.
Exercice 12. S1 S
1) fS = kg = i=0 k1 +:::+ki =k fN = i; X1 = k1 ; : : : ; Xi = ki g, GS (z ) = GN  GX1 (z ).
2) Le cas où N et X1 ont des espérances finies est immédiat, de même que le cas où une des deux
variables a une espérance nulle.
Si 0 < E(N ) < 1 = E(X1 ), pour K 2 N on considère Yi = min(Xi ; K ) et T = Y1 + : : : + YN . On a
Xi > Yi donc S > T puis E(S ) > E(T ) = E(N )E(Y1 ) > E(N ) PKk=0 kP(X1 = k) K !1 ! 1. On traite
de manière analogue le cas 0 < E(X1 ) < 1 = E(N ).

variables-aléatoires.tex – page 8
Exercice 13.
1) Soit Pm;n =« au cours des n premiers lancers, il sort exactement m pile ».
On a P(Pm;n ) = m n
pm q n m ! 0 à m fixé car q = 1 p < 1. Donc la probabilité qu’une suite
n!1
infinie donne exactement m pile est nulle, et par union dénombrable, la probabilité qu’une suite infinie
comporte un nombre fini de pile est elle aussi nulle. Comme p < 1, on a de même P(il y a un nombre
fini de face) = 0, puis par union, P( 0 ) = 0.
2) En conditionnant par le résultat du premier tirage, on trouve
P(L1 = k) = pk q + pqk , d’où E(L1 ) = p=q + q=p.
3) P(L1 = k; L2 = `) = pk+1 q ` + p` q k+1 , P(L2 = `) = p2 q ` 1 + p` 1 q 2 , E(L2 ) = 2.
4) L2 est la longueur de la première série d’une suite amputée d’un nombre aléatoire de termes, il n’y a
aucune raison pour qu’elle ait même loi que la longueur de la première série d’une suite non amputée
(ou amputée d’un nombre fixé de termes).
P(L1 = 1; L2 = 1) = P(L1 = 1)P(L2 = 1) , p = q = 12 et lorsque cette condition est réalisée, on
constate que la loi conjointe de (L1 ; L2 ) est bien la loi produit des lois de L1 et L2 , identiques dans
ce cas.
5) P(L1 = i; L2 = j; L3 = k) = pi+k q j +1 + pj +1 q i+k , P(L1 = i; L3 = k) = pi+k 1 q 2 + p2 q i+k 1 ,
P(L3 = k) = pk q + pqk .
Exercice 14.
1) P(TP P = k) = 1
P(TPpP =k 1) + 14 P(TP P = k 2) pour k > 3,
2 p
P(TP P = k) = 2 5
p ((
1 5+1 k 1
4 ) ( 1 4 5 )k 1 ), E(TP P ) = 6.

P(TP F = k) = (k 1) S=12 , E(TP F ) = 4.

k
2) P(TP P < TP F ) = P( i=0 F i PP ) = 12 donc P(TP P > TP F ) = 12 .
P(TP P < TF P ) = P(PP ) = 14 donc P(TP P > TF P ) = 34 . Pk 1
3) P(TP P F = k; TP P = `) = P(TP P = `)=2k ` pour k > ` donc P(TP P F = k) = `=2 P(TP P = `)=2k ` .
Pk 2
P(TF P P = k) = 12 P(TP P P=1k P1)+ 12 P(TF P P = k 1) = : : :P
1
= `=1 P(TP P = k `)=2` = P(TP P F = k).
1
E(TP P F ) = E(TF P P ) = `=2 k=3 kP(TP P = `)=2k ` = `=2 (` + 2)P(TP P = `) = E(TP P ) + 2 = 8.
4) Il est presque sûr que PP apparait au moins une fois au cours d’une infinité de lancers. La seule
possibilité pour que PPF apparaisse avant FPP est que la suite des tirages commence par PP . Donc
P(TP P F > TF P P ) = 34 .
Exercice 15. P1
1) P(N > 1) = P i=1 P(P Z116= 0; : : : ; Zi 1 6= 0; Zi = 0).
PP(N >P2) = 1 j =1 P(Z1 6= 0; : : : ; Zi 1 6= 0; Zi = 0; Zi+1 6= 0; : : : ; Zi+j 1 6= 0; Zi+j = 0) =
1 1 P(Z i=1 6
= 0 ; : : : ; Zi 1 6= 0; Zi = 0)P(Z1 6= 0; : : : ; Zj 1 6= 0; Zj = 0) = P(N > 1)2 .
i=1 j =1 1
De même, P(N > k) = P(N > k 1)P(N >P 1) = P(N > 1)k .
2) P(N = 1) = 1 , P(N > 1) = 1 , la série k P(N > 1)k diverge.
3) Pour n impair, P(Zn = (0; 0)) = 0. Pour n = 2p, on a Zn = (0; 0) si et seulement on a tiré autant de
fois Nord que Sud, et autant de fois Est qu’Ouest.
Pp (2p)! 1 2p
Pp n
2
Il vient : P(Z2p = (0; 0)) = 12p k=0
4 k! k! (n k)! (n k)! = 42p p k=0 k .
4) Identifier les coefficients de X k dans (1 + X )m (1 + X )n = (1 + X )m+n .

2
5) P(Z2n = (0; 0)) = 12n 2nn  1 . La série diverge.
4
Pp
n
6) EP1( N 0 + : : : + N p ) =P1n=0 P ( Zn = (0; 0)).
7) k=1 P(N > k) > k=1 P(N0 + : : : + Np > k) = E(N0 + : : : + Np ).

variables-aléatoires.tex – page 9
Exercice 16.
1) a) Pour x = (x1 ; : : : ; xn ) 2 [[0; N ]]n on note f (x) = max(x1 ; : : : ; xn ), h(x) = cardfi tq xi = f (x)g et
gi (x) = S=h(x) si xi = f (x), gi (x) = 0 sinon.
Ainsi pour toute issue ! , on a Gi (! ) = gi (X1 (! ); : : : ; Xn (! )) d’où pour g 2 R et  2 Sn :
X
P(Gi = g) = P(X1 = x1 ; : : : ; Xn = xn )
x2 [[0;N ]]n tq gi (x)=g
X
= P(X1 = x1 ) : : : P(X1 = xn )
x2[[0;N ]]n tq gi (x)=g
X
= P(X1 = x(1) ) : : : P(X1 = x(n) )
x2[[0;N ]]n tq gi (x)=g
X
= P(X1 = y1 ) : : : P(X1 = yn )
y2[[0;N ]]n tq g y)=g
1 (i) (

= P(G 1( i) = g ):


2) a) pk = 2 N Nk .
b) V = [[p + 1; N ]].
c) P(G0 = S=j; Y = k) = P(G0 = S=j; X1 = k) + P(G0 = S=j; X1 = N k) = 2 n 2
q j  n 1 j.
j 1 k k 1
d)
N nX1  
X 2S n 2 j n 1 j
E(G0 ) = q k k 1
k=p+1 j =1 j j 1
N nX1  
X 2S n 1 j n 1 j
=
k=p+1 j =1 n 1 j q k k 1
N
X 2S  
(qk + k 1 )n 1 kn 11
k=p+1 n 1
=

N
X 2S  n 1 
  n 1
k=p+1 n 1
= k k 1

2S  n 1 
=
n 1  N  n 1
p
2S  1 
=
n 1 1
2n 1
:
 
Comme G1 = G2 = 12 G0 , on obtient E(G1 ) = E(G2 ) = n S 1 1 2n1 1 > Sn pour tout n > 3.
3) Calculs abominables: : : En admettant la formule donnée, pn pn 1  nqp pn 1 par accroissements
finis, et p  12 donc J1 et J2 ont probablement encore intérêt à s’associer.
Exercice 17. p
1) Inégalité de Cauchy-Schwarz : j cov(X; Y )j V(X )V(Y ) avec V(X ) = E(X 2 ) E(X )2 6 E(X )
E(X )2 6 14 .
Il y a égalité si et seulement si X; Y sont presque sûrement affinement liées de même loi B ( 12 ).
2) Appliquer la question précédente aux fonctions indicatrices de A; B . Il y a égalité si et seulement si
P(A) = 12 et B diffère de A ou A par un ensemble négligeable.

variables-aléatoires.tex – page 10
Exercice 18.
1) L’ensemble des valeurs possibles est N [ f1g, dénombrable.
Pk
Pour k 2 N, Zk =S n=0 1En est une variable aléatoire discrète par addition.
1
Donc fZ > pg = k=0 fZk > pg est un évènementTpour tout p 2 N. On en déduit que les ensembles
fZ = pg = fZ > pg n fZ > p + 1g et fZ = 1g = 1 p=0 fZ > pg sont des évènements.
2) F = fZ = 1g est un évènement,
S1 donc F en est un. P
1
Par ailleurs, fZ > pg  n=p 1 En donc P(Z > p) 6 n=p 1 P(En ) ! 0 puis P(Z = 1) = 0 par
p!1
continuité décroissante.
3) Le théorème d’interversion série-espérance étant hors programme, il faut ruser: : :

k
X
P(En ) = E(Zk )
n=0
1
X
= P(Zk > i)
i=1
1
X
> P(Zk > i; Zk = Z )
i=1
1
X
= P(Z > i; Zk = Z )
i=1
XI
> P(Z > i; Zk = Z )
i=1

où I Pest un entier quelconque. A I fixé, on fait tendre

PI k vers l’infini. Le premier membre converge
1
vers n=0 P(En ) tandis que le dernier converge vers i=1 P(Z > i; Z 6= 1) par continuité croissante
et finitude de I . Comme P(Z = 1) = 0, on a P(Z > i; Z 6= 1) = P(Z > i). Ainsi, pour tout I fixé :

1
X I
X
P(En ) > P(Z > i):
n=0 i=1
P1
On fait alors tendre I vers l’infini : n=0 PP(En ) > E(Z ), ce qui résout la question. Comme l’inégalité
1
inverse est triviale, on a en réalité E(Z ) = n=0 P(En ) et on a ainsi espérancé terme à terme: : :
Exercice
P119. P1
1) k=0 P(X > k) = k=0 P(Y > Pk1) = E(Y ) > E(X ).
2) Soit " > 0 : on fixe N tel que k=N P(X0 > k) 6 ".
PN 1 P1
Pour n 2 N, on a 0 6 E(Xn ) 6 k=0 P(Xn > k) + k=N P(Xn > k). LaPpremière somme tend
1
vers 0 par continuité décroisante, N étant fixé. La deuxième est majorée par k=N P(X0 > k) 6 ".
3) La suite (X X0 : : : Xn ) relève de la question précédente.

variables-aléatoires.tex – page 11
Exercice 20.
2) X = Y + Z avec Y  B (n 1; p) et Z  B (1; p).
3) Pour n = ab avec a > 2, b > 2 on a n1 (1 + t + : : : tn 1 ) = a1 (1 + t + : : : + ta 1 )  1b (1 + ta + : : : + ta(b 1) ).
Donc si Y suit la loi uniforme sur f0; : : : ; a 1g et Z suit la loi uniforme sur f0; a; : : : ; a(b 1)g avec
Y; Z indépendantes alors Y + Z suit la loi uniforme sur f0; : : : ; n 1g.
4) L’énoncé a été posé à Centrale, option PC, mais aucun prof de prépa n’a trouvé de solution de niveau
PC. Voici celle qui a été retenue après divers échanges entre les professeurs qui s’y sont intéressés.
Soient Y et Z des variables aléatoires entières indépendantes non presque sûrement constantes telles
que Y + Z suive la loi uniforme sur f0; : : : ; n 1g. On note pi = P(Y = i), qj = P(Z = j ) pour tous
i; j dans N et a; b les degrés des fonctions génératrices de Y et Z .
a) Les racines de GY sont certaines racines n-èmes de 1 et elles sont simples, deux à deux conjuguées
donc les polynômes GY (t) et ta GY (1=t) ont la même factorisation dans C[t]. Ils sont égaux, ce qui
implique : pi = pa i pour tout i 2 f0; : : : ; ag.
b) On a pour tout i : pi q0 + : : : + p0 qi = 1=n = p0 q0 donc pi 6 p0 et qi 6 q0 . De plus pour i=a:
pa q0 + : : : + p0 qa = p0 q0 + p1 q1 + : : : + pa qa donc pi qi = 0 si i > 1.
c) On montre par récurrence forte sur i que pi = 0 ou pi = p0 et qi = 0 ou qi = q0 . Pour l’hérédité :
p0 qi + pi q0 = p0 q0 (: : :) où (: : :) est un multiple entier de p0 q0 et un au plus des deux produits du
premier membre est non nul si i > 1; cela suffit à conclure vu b).
d) Conclusion : dans GY , tous les coefficients non nuls sont égaux à p0 et leur somme vaut 1 donc
p0 = 1=(leur nombre). Ce nombre est supérieur ou égal à 2 car Y n’est pas presque sûrement constante.
De même q0 est l’inverse d’un entier au moins égal à 2 puis n = 1=p0 q0 n’est pas premier.
Exercice 21.
1) P(X = i) = 2eee i! (i + e) = P(Y = i).
i 1

2) Non, P(X = 0; Y = 0) 6= P(X = 0)P(Y = 0).

P i+j i+j 1
3) E(2X +Y ) = i;j (i+j2)2e2e i!ej ! = 2e2e :
Exercice 22.
1) a) B (n + 1; p).
b) u(t) 6 pq=t2 avec q = 1 p.
2) a) Convexité de la fonction

t 7! es t. 
b) Soit f (s) = ln d esc c sd f 00 (s) = : : : = (desccdes(cec+sdd))2 (d c)2
d c d ce . On a et la fraction
en facteur est inférieure ou égale à 14 (développer le dénominateur). Il vient par intégrations :
f (s) 6 f (0) + sf 0 (0) + s22 (d 4 c) = s (d 8 c) .
2 2 2

Exercice 23.
E(X 2 ) (a + b)E(X ) = E((X a)(X b)) ab et (X a)(X b) 6 0 . Il y a égalité si et seulement si
X est presque sûrement à valeurs dans fa; bg.

variables-aléatoires.tex – page 12