Lycée Rue Ahmed Amara Le Kef

 Variables Aléatoires 4e

Habib Gammar

1) Variables aléatoires ou aléas numériques

 Activité 1 !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
Une urne contient sept jetons numérotés de 1 à 7.
On tire au hasard et simultanément deux jetons de l’urne
 On gagne deux dinars pour chaque jeton portant un numéro impair obtenu.
 On perd trois dinars pour chaque jeton portant un numéro pair obtenu.
On désigne par X le gain algébrique (positif ou négatif) réalisé en une partie.
1) Quelles sont les valeurs possibles de X .
2) Calculer les probabilités correspondantes.

Gain x i
p( X = x i )

❖ Définition
Soit ( E, P ( E), p ) un espace probabilisé.
On appelle aléa numérique ou variable aléatoire toute application X : E → .

❖ Notation
 L'évènement  a  E ; X ( a) = xi  est noté ( X = xi )
 L'ensemble X ( E ) désigne l'ensemble des valeurs prises par X .

❖ Loi de probabilité

❖ Définition
Soit ( E, P ( E), p ) un espace probabilisé et X une variable aléatoire.
On appelle loi de probabilité de X ou distribution de X l'application :
PX : X ( E ) → [0,1]
.
xi p( X = x i )

❖ Remarques
Soit ( E, P ( E), p ) un espace probabilisé.
n
 Si X est une variable aléatoire sur E telle que X ( E) =  x1 , x2 ,...., x n  alors  p ( X = xi ) = 1
i=1

 On peut donner la loi de probabilité d'une variable aléatoire X à l'aide du tableau ci-dessous

Valeur de x i x1 x2 xn
p ( X = xi ) p1 p2 pn

1/9 Cours : Variables aléatoires 4e

 Cours : Variables aléatoires 4e 2/9
 Activité 2 !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
Deux urnes contiennent respectivement six jetons numérotés de 1 à 6 et quatre jetons numérotés
de 1 à 4.
On tire un jeton au hasard de chaque urne.
Soit X la variable aléatoire qui, à chaque tirage de deux jetons, associe la valeur absolue de la
différence des numéros marqués sur les deux jetons obtenus.
Déterminer la loi de probabilité de X .

❖ Espérance et variance d'une variable aléatoire

❖ Définition
Soit ( E, P ( E), p ) un espace probabilisé et X une variable aléatoire telle que X ( E) =  x1 , x2 ,...., x n 
n
 On appelle espérance mathématique ou moyenne de X le nombre E ( X ) =  x i pi .
i=1

 On appelle variance de X le nombre V ( X ) = E ( ( X − E( X ) ) ) = E ( X ) − ( E( X ) )

2 2 2
.

 On appelle écart-type de X le nombre ( X ) = V( X)

❖ Propriétés
Soit ( E, P ( E), p ) un espace probabilisé et X , Y deux variables aléatoires sur E . Alors
 E ( X ) = E ( X )  E( X + Y ) = E( X ) + E( Y )

 Activité 3 !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
Soit X la variable aléatoire dont la loi de probabilité est donnée par le tableau suivant :

xi 1 2 3
p ( X = xi ) 1 1 1
6 2 3

Calculer E ( X ) , V ( X ) et  ( X )

2/9 Cours : Variables aléatoires 4e

 Cours : Variables aléatoires 4e 3/9
❖ Fonction de répartition
 Activité 4 !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
Soit X la variable aléatoire dont la loi de probabilité est donnée par le tableau suivant :

xi −6 −1 4

p ( X = xi ) 1 4 2
7 7 7
1) Calculer la probabilité de chacun des événements :
p ( X  −8 ) , p ( X  −2 ) , p ( X  −1 ) , p ( X  3 ) , p ( X  4 ) et p ( X  10 )
2) On considère l’application F: →  0,1 
x p( X  x )
Déterminer l’expression de F et la représenter.

❖ Définition
Soit ( E, P ( E), p ) un espace probabilisé et X une variable aléatoire sur E .
On appelle fonction de répartition de X , toute application définie de dans [0,1] par
F:x p( X  x )

 Activité 5 !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
Deux urnes contiennent respectivement trois jetons numérotés 0, 1, 2 et trois jetons numérotés 1, 2, 3.
On tire un jeton au hasard de chaque urne.
Soit X la variable aléatoire qui, à chaque tirage de deux jetons, fait correspondre le produit des
numéros marqués sur les jetons obtenus.
1) Déterminer la loi de probabilité de X .
2) Calculer l’espérance mathématique et la variance de X .
3) Déterminer la fonction de répartition de X et la représenter graphiquement.

 Activité 6 !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
Soit ( E, P ( E), p ) un espace probabilisé et X une variable aléatoire sur E .
On a représenté ci-dessous F, la fonction de répartition de X .
Déterminer la loi de probabilité de X .

3/9 Cours : Variables aléatoires 4e

 Cours : Variables aléatoires 4e 4/9
2) Loi binomiale
 Activité 7 !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
La probabilité qu’un joueur de fléchettes atteigne sa cible est égale à 0,9.
On suppose que le joueur effectue cinq tirs et on note X la variable aléatoire associant à cette
épreuve le nombre de succès réalisés.
Déterminer la loi de probabilité de X .

❖ Définition et théorème
 Soit une expérience aléatoire constituée de n épreuves identiques, indépendantes et n'ayant que
deux issues : succès ou échec. Soit p la probabilité de l'évènement succès.

 On considère la variable aléatoire X associant à cette expérience le nombre de succès réalisés au

cours des n épreuves.

Alors la probabilité de X est donnée par : p ( X = k ) = C nk p k (1 − p) n− k ; k   0,1,...., n

 On dit que X suit une loi binomiale de paramètre ( n, p ) .

❖ Notation
 La loi binomiale de paramètre ( n, p ) est notée B ( n, p ) .

 Lorsque n = 1 , on dit que X suit une loi de Bernoulli.

❖ Espérance et variance
 Soit X une variable aléatoire suivant une loi binomiale B ( n, p ) .

 E( X ) = n p  V ( X ) = n p (1 − p)  ( X ) = n p (1 − p)

 Activité 8 !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
Une urne contient deux boules rouges et quatre boules noires.
On tire au hasard successivement et avec remise cinq boules de l'urne.
On désigne par X la variable aléatoire qui à toute série de cinq tirages associe le nombre de boules
noires obtenues.
1) Déterminer la loi de probabilité de X .
2) Déterminer la probabilité d’obtenir exactement 3 boules noires.
3) Déterminer la probabilité d’obtenir au moins une boule noire.
4) Déterminer la probabilité d’obtenir aux plus quatre boules noires.
5) Calculer l’espérance mathématique, la variance et l’écart-type de X .

4/9 Cours : Variables aléatoires 4e

 Cours : Variables aléatoires 4e 5/9
3) Exemples de lois continues
a) Densité de probabilité
❖ Définition
Une variable aléatoire qui peut prendre comme valeurs tous les nombres réels d’un certain
intervalle I de est dite continue.

❖ Définition
Soit a et b deux réels tel que ( a  b) .
 On appelle densité de probabilité sur l'intervalle I = [ a, b ] toute fonction définie, continue
b
et positive sur I vérifiant : a f (t) d t = 1 (c.-à-d. l’aire sous la courbe de f est égale à 1 u.a)
b x
 Lorsque I = [ a, + [ , la condition a f (t) d t = 1 sera remplacée par
x→+  a
lim f (t) d t = 1

❖ Propriétés
d
 La probabilité de l'évènement X  [ c , d ] est p ( c  X  d ) = c f (t ) d t
 Pour tout réel  , p ( X =  ) = 0
 Pour tout réels c et d , p ( c  X  d ) = p ( c  X  d ) = p ( c  X  d ) = p ( c  X  d )

 Activité 9 !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!

1) Montrer que la fonction f définie sur [0,1] par

f ( t ) = −2 t + 2 est une densité de probabilité sur [0,1]

2) Calculer p ( 0,3  X  0,8 )

0, 3 0,8

 Activité 10 !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!

1) Montrer que la fonction f définie sur [0, + [ par

f (t ) = e − t est une densité de probabilité sur [0, + [

2) Calculer p ( 1  X  2 )

5/9 Cours : Variables aléatoires 4e

 Cours : Variables aléatoires 4e 6/9
b) La loi uniforme
0,8
 Activité 11 !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
 Soit f une fonction positive et constante
0,3 sur
1
un intervalle [ a, b ] , ( a  b) b −a
0,75que
1) Quelle valeur doit-on donner à f pour
b
a f (t) d t = 1
d
2) Calculer dans ce cas c f (t) d t pour [ c, d ]  [ a, b]
a c d b
0,5
❖ Définition
Soit un intervalle [ a, b ] , ( a  b) .

 La fonction f définie sur [ a, b ] par f ( x ) =

1 est appelée densité de la loi de probabilité
b− a
uniforme sur [ a, b ] .

 On appelle probabilité uniforme sur [ a, b ] l’application qui à tout intervalle [ c , d ] inclus dans
d
[ a, b ] associe le réel p ( [ c, d ] ) = c f ( x) d x

❖ Conséquences
 Pour tout réel c de [ a, b ] , p (  c  ) =
c
c f ( x ) d x = 0
(
 Si on désigne par [ c, d ] le complémentaire de [ c , d ] dans [ a, b ] , alors p [ c, d ] = 1 − p ( [ c, d ] ) )
 Si c et d sont deux réels tels que a  c  d  b ; p ( c  X  d ) = 
d 1 dt = d − c
c b− a b−a

❖ Espérance et variance
 Soit X une variable aléatoire réelle continue qui suit une loi de probabilité uniforme sur un
intervalle [ a, b ] alors :

t f (t) d t = a + b
b
 L'espérance mathématique de X est E ( X ) = a 2
(b− a)
2
b
 La variance de X est V ( X ) =  t f ( t ) d t − ( E ( X ) ) =
2 2
a 12

❖ Fonction de répartition
Soit X une variable aléatoire qui suit la loi de probabilité uniforme p sur l’intervalle [ a, b ] .
On appelle fonction de répartition de X l’application :
1
F: → [0,1] définie par :

 0 si x  a

F ( x ) =  p( a  X  x ) si x  [ a, b]
 1 si x  b a b


6/9 Cours : Variables aléatoires 4e

 Cours : Variables aléatoires 4e 7/9
 Activité 12 !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
A partir de 7 heures le matin les bus passent toutes les 10 minutes à un arrêt précis.
Une personne se présente à cet arrêt entre 7 h et 7 h 20 mn.
Soit X la variable aléatoire égale à l’heure exacte de son arrivée à cet arrêt.
On suppose que X suit une loi uniforme sur [0, 20] .

1) Quelle est la probabilité que cette personne attende moins que 5 mn le prochain bus ?
2) Quelle est la probabilité qu'il attende plus que 8 mn ?

c) La loi exponentielle

 Activité 13 !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!

Soit   +.

Soit f la fonction définie sur [0, + [ par f (t ) =  e − t

x x
 = 0,9
1) Calculer 0 f (t) d t et lim
x→+ 0 f (t) d t
d
2) Calculer c f ( t ) d t ; [ c, d ]  [0, + [

❖ Définition

Soit   +.

 La fonction f définie sur [0, + [ par f (t ) =  e − t est appelée densité de loi exponentielle.
 On appelle loi de probabilité exponentielle de paramètre  l’application p qui
d
 à tout intervalle [ c , d ] inclus dans [0, + [ associe le réel p ( [ c, d ] ) = c  e − t d t

 à tout intervalle [ c , + [ inclus dans [0, + [ associe le réel p ( [ c , + [ ) = e −  c

❖ Conséquences
 Soit X une variable aléatoire réelle continue qui suit une loi exponentielle de paramètre   0
sur [0, + [
b
 Pour tous réels positifs a et b tels que a  b on a : p ( a  X  b ) = a  e −  t dt = e −  a − e −  b
t
 Pour tout réel t  0 on a : p ( X  t ) = 0  e − t d t = 1 − e − t

 Pour tout réel t  0 on a : p ( X  t ) = 1 − p ( X  t ) = e −  t

❖ Espérance et variance
Soit X une variable aléatoire réelle continue qui suit une loi exponentielle de paramètre   0
sur [0, + [

 L'espérance mathématique de X est E ( X ) =

1

1
 La variance de X est V ( X ) = 2


7/9 Cours : Variables aléatoires 4e

 Cours : Variables aléatoires 4e 8/9
❖ Fonction de répartition

 Soit X une variable aléatoire réelle continue qui suit une loi 1
exponentielle de paramètre   0 sur [0, + [

 La fonction de répartition F de X est définie sur

 0 si x  0
par F ( x ) =  −x
 1 − e si x  0

 Activité 14 !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
 La durée de vie d’un robot, exprimée en années, jusqu’à ce que survienne la première panne est une
variable aléatoire qui suit une loi exponentielle de paramètre  = 0, 2
t
0  e
− x
Ainsi, la probabilité qu’un robot tombe en panne avant l’instant t est égale à P ( X  t ) = dx

1) Quelle est la probabilité qu’un robot n’ait pas eu de panne au cours des deux premières années.
2) A quel instant t , la probabilité qu’un robot tombe en panne pour la première fois est-elle de 0,5 ?
3) Quelle est la probabilité qu’un robot ait une durée de vie comprise entre 2 et 8 ans.
4) Sachant qu’un robot a fonctionné 5 ans, quelle est la probabilité qu’il ait une durée de vie
supérieure à 15 ans
5) On considère un lot de 10 robots fonctionnant de manière indépendante.
Déterminer la probabilité que, dans ce lot, il y ait au moins un robot qui n’ait pas eu de panne
au cours des deux premières années.

8/9 Cours : Variables aléatoires 4e

 Cours : Variables aléatoires 4e 9/9
Résumé (Lois continues)

Loi uniforme sur [ a, b ] Loi exponentielle de paramètre   0

 0 si x  a
  0 si x  0
Fonction
f ( x) =  1 si a  x  b f ( x) =  −  x
densité  b−a   e si x0
 0 si x  b

( a, b, t   0, +  )
( [ c, d]  [ a, b] )
b
 p( a  X  b ) = a  e − t d t = e −  a − e − b
 p( c  X  d ) = 
d 1 dt = d − c
c b− a b−a
 p ( X  t ) = 1 − e − t

Probabilité
( )
 p [ c, d ] = 1 − p ( [ c, d ] )
 p ( X  t ) = 1 − p ( X  t ) = e − t

Pour tout réels a et b

 p (  X = a ) = 0

 p( a  X  b ) = p( a  X  b ) = p( a  X  b ) = p( a  X  b )

 0 si xa

  0 si x0
Fonction de
F ( x) =  x − a si x  [ a, b] F ( x) = 
répartition  b− a  1 − e
− x
si x  0

 1 si xb

b x
E ( X ) =  t f (t ) d t E ( X ) = lim
x→+ 0
t f (t) d t
a
Espérance
E( X ) = a + b E( X ) = 1
2 

b x
V ( X ) =  t 2 f (t ) d t − ( E ( X ) ) t 2 f (t) d t − ( E ( X ) )
2 2
a
V ( X ) = lim
x→+ 0 
Variance

V(X) =
( b − a) 2 V ( X ) = 12
12 

9/9 Cours : Variables aléatoires 4e