UNIVERSITÉ PARIS DESCARTES

Licence Informatique 2e année

Notes du cours

Probablilités et Statistiques pour

l’Informatique.

Version du 5 octobre 2015.

La version la plus récente de ces notes de cours se trouve sur la page

[Link]
Table des matières

1 Probabilités, événements 1
1.1 Rappels sur les notations mathématiques . . . . . . . . . . . . . . . . . . . 1
1.1.1 Ensembles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.1.2 Ensembles finis, dénombrables, non dénombrables . . . . . . . . . . 2
1.1.3 Sous-ensembles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.1.4 Ensemble des parties d’un ensemble . . . . . . . . . . . . . . . . . . 3
1.1.5 Couples, triplets, n-uplets et suites . . . . . . . . . . . . . . . . . . 3
1.2 Combinatoire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2.1 Cardinal de l’ensemble des couples ou des n-uplets . . . . . . . . . . 4
1.2.2 Cardinal de l’ensemble des parties . . . . . . . . . . . . . . . . . . . 4
1.2.3 Ensemble des combinaisons de p éléments parmi n . . . . . . . . . . 4
1.2.4 Ensemble des permutations d’un ensemble à n éléments . . . . . . . 5
1.2.5 Ensemble des arrangements de p éléments parmi n . . . . . . . . . . 5
1.3 Événements et probabilité . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.3.1 Exemple introductif . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.3.2 Modèle fondamental des probabilités . . . . . . . . . . . . . . . . . 6
1.3.3 Intersections d’événements . . . . . . . . . . . . . . . . . . . . . . . 6
1.3.4 Unions d’événements et probabilité d’une union . . . . . . . . . . . 7
1.3.5 Partition de Ω . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.3.6 Événement complémentaire . . . . . . . . . . . . . . . . . . . . . . 10

2 Probabilités conditionnelles et indépendance d’événements 13

2.1 Probabilités conditionnelles . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.2 Formule des probabilités totales . . . . . . . . . . . . . . . . . . . . . . . . 15
2.3 Formule de Bayes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.4 Indépendance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.4.1 Indépendance de deux événements . . . . . . . . . . . . . . . . . . . 18
2.4.2 Indépendance et événements complémentaires . . . . . . . . . . . . 19
2.4.3 Indépendance de n événements . . . . . . . . . . . . . . . . . . . . 19
2.4.4 Expériences aléatoires indépendantes . . . . . . . . . . . . . . . . . 20
2.5 Double conditionnement, indépendance conditionnelle . . . . . . . . . . . . 21

3
3 Variables aléatoires et lois 25
3.1 Définitions générales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3.1.1 Variables aléatoires . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3.1.2 Support d’une variable aléatoire . . . . . . . . . . . . . . . . . . . . 26
3.1.3 Fonction de répartition d’une variable aléatoire . . . . . . . . . . . 26
3.2 Variables aléatoires discrètes . . . . . . . . . . . . . . . . . . . . . . . . . . 26
3.2.1 Quelques exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3.2.2 Quelques lois usuelles . . . . . . . . . . . . . . . . . . . . . . . . . . 29
3.2.3 Les événements élémentaires [X = x] . . . . . . . . . . . . . . . . . 30
3.3 Variables aléatoires à densité . . . . . . . . . . . . . . . . . . . . . . . . . . 32
3.3.1 Exemple introductif . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
3.3.2 Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
3.3.3 Loi uniforme sur un intervalle . . . . . . . . . . . . . . . . . . . . . 33
3.3.4 Fonction de répartition d’une variable aléatoire à densité . . . . . . 34
3.3.5 Loi exponentielle . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
3.4 Lois quelconques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
3.5 Espérance et variance d’une variable aléatoire . . . . . . . . . . . . . . . . 36
3.5.1 Quelques rappels sur les sommes, séries et intégrales . . . . . . . . . 36
3.5.2 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
3.5.3 Exemples de calculs . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
3.6 Variables aléatoires indépendantes . . . . . . . . . . . . . . . . . . . . . . . 44
3.7 Exemples de calculs de lois utilisant l’indépendance . . . . . . . . . . . . . 45
3.7.1 Somme de variables indépendantes . . . . . . . . . . . . . . . . . . 45
3.7.2 Maximum ou minimum de variables indépendantes . . . . . . . . . 48

4 Lois jointes, lois conditionnelles. 51

4.1 Couples, triplets, vecteurs aléatoires . . . . . . . . . . . . . . . . . . . . . . 52
4.2 Loi jointe d’un couple de variables discrètes . . . . . . . . . . . . . . . . . 52
4.2.1 Formule de calcul d’une espérance . . . . . . . . . . . . . . . . . . . 53
4.3 Loi d’un vecteur de variables discrètes . . . . . . . . . . . . . . . . . . . . 54
4.4 Loi conditionnelle d’une variable . . . . . . . . . . . . . . . . . . . . . . . . 54
4.4.1 Conditionnement par rapport à un événement . . . . . . . . . . . . 54
4.4.2 Conditionnement par rapport à une autre variable . . . . . . . . . . 54
4.5 Covariance et corrélation . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55

5 Théorèmes limites et estimation 59

5.1 Exemples introductifs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
5.2 Convergence de variables aléatoires . . . . . . . . . . . . . . . . . . . . . . 60
5.3 Moyenne empirique et loi des grands nombres . . . . . . . . . . . . . . . . 60
5.3.1 Moyenne empirique d’une suite de variables . . . . . . . . . . . . . 60
5.3.2 La loi des grands nombres . . . . . . . . . . . . . . . . . . . . . . . 61
5.4 Estimation ponctuelle de l’espérance . . . . . . . . . . . . . . . . . . . . . 61
5.5 Estimation ponctuelle de la variance . . . . . . . . . . . . . . . . . . . . . 62
 5.5.1 Estimation avec espérance connue . . . . . . . . . . . . . . . . . . . 62
5.5.2 Estimation avec espérance inconnue . . . . . . . . . . . . . . . . . . 63
5.6 Loi normale et théorème central limite . . . . . . . . . . . . . . . . . . . . 64
5.6.1 La loi normale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
5.6.2 Théorème central limite . . . . . . . . . . . . . . . . . . . . . . . . 64
5.7 Approximations de la loi binomiale . . . . . . . . . . . . . . . . . . . . . . 65
5.7.1 Approximation par la loi de Poisson . . . . . . . . . . . . . . . . . . 65
5.7.2 Approximation par la loi normale . . . . . . . . . . . . . . . . . . . 66
5.8 Estimation par intervalles de confiance . . . . . . . . . . . . . . . . . . . . 66
5.8.1 Intervalle de confiance grâce à l’inégalité de Bienaymé-Tchebychev . 67
5.8.2 Intervalle de confiance grâce au théorème central limite . . . . . . . 67
Chapitre 1

Probabilités, événements

1.1 Rappels sur les notations mathématiques

1.1.1 Ensembles
Un ensemble est un regroupement d’éléments. Par exemple, on note N l’ensemble de
tous les entiers 0, 1, 2, . . .. Le symbole ∈ permet de noter l’appartenance à un ensemble :
par exemple, "3 ∈ N" signifie "3 est un élément de N", ou encore "3 appartient à N".

Pour décrire un ensemble à partir de ses éléments, on utilise les accolades. Par exemple,
•A = {1, 5, 3} : A est l’ensemble formé par les nombres 1, 3, et 5. Bien noter que dans
cette notation l’ordre ne compte pas : {1, 5, 3} = {1, 3, 5} = {3, 1, 5}.
•N = {0, 1, 2, 3, . . .} : N est l’ensemble des nombres 0, 1, 2, etc.
•B = {0, 1, 4, 9, . . .} : N est l’ensemble des carrés des entiers.

Souvent on utilise des expressions logiques entre les accolades pour décrire un ensemble
plus précisément. Par exemple, pour le dernier ensemble B, on écrira plutôt :

B = {n2 , n ∈ N},
ce qui se lit : "B est l’ensemble des n2 tels que n appartient à N".
Ou encore :
B = {n ∈ N, n = k 2 , k ∈ N},
c’est-à-dire : "B est l’ensemble des entiers n tels que n = k 2 , avec k n’importe quel entier".
Dans une telle notation la première virgule fait office de "tel que", tandis que les suivantes
se lisent "et" ou "avec". A noter aussi que les lettres utilisées (n, k) dans les expressions
sont complètement interchangeables. On aurait pu aussi bien écrire

B = {k ∈ N, k = n2 , n ∈ N},

ou encore
B = {i ∈ N, i = j 2 , j ∈ N}.

1
Autre exemple : C = {x ∈ R, x ≤ 3, x ≥ 2} : ensemble des nombres réels supérieurs à 2 et
inférieurs à 3 : c’est l’intervalle [2, 3].

L’ensemble vide ne contient aucun élément. Il est noté ∅. On a par exemple {x ∈

R, x ≤ 2, x ≥ 3} = ∅.

Le cardinal d’un ensemble est le nombre de ses éléments. Il est noté "Card" ou "]".
Par exemple,
• Card{1, 5, 3} = ]{1, 5, 3} = 3,
• ](∅) = 0.

Lorsqu’un ensemble n’a qu’un seul élément, comme par exemple l’ensemble {4}, on
l’appelle singleton. Attention, il est essentiel de distinguer éléments et ensembles : on
écrit 4 ∈ {4} (le nombre 4 appartient à l’ensemble {4}) mais surtout pas {4} = 4 !

1.1.2 Ensembles finis, dénombrables, non dénombrables

Un ensemble est dit fini lorsqu’il possède un nombre fini d’éléments. Par exemple
{1, 5, 3} (3 éléments), ou encore, si n est n’importe quel entier, {1, 2, . . . , n} (n éléments).
Sinon c’est un ensemble infini.

Un ensemble est dit dénombrable s’il est infini mais que l’on peut énumérer ses élé-
ments, c’est-à-dire attribuer un numéro unique à chacun de ses éléments, ou encore en
termes mathématiques : trouver une bijection de N vers cet ensemble. Par exemple,
• N est dénombrable (puisque N = {0, 1, 2, 3, 4, . . .})
• Z est dénombrable (Z = {0, 1, −1, 2, −2, 3, −3, 4, −4, . . .}.)
• Q est dénombrable (mais la numérotation n’est pas évidente).

Enfin, quelques exemples d’ensembles infinis non dénombrables : R, [0, 1], R \ Q.

1.1.3 Sous-ensembles
On dit qu’un ensemble E est une partie d’un autre ensemble F lorsque tous les élé-
ments de E appartiennent aussi à F . On dit encore que E est un sous-ensemble de F
ou que E est inclus dans F , et on note E ⊂ F . Par exemple, {3, 5} ⊂ {1, 5, 3}, ou bien
{5} ⊂ {1, 5, 3}. (Mais surtout pas 5 ⊂ {1, 5, 3} : 5 est un élément, pas un ensemble).
Par convention, ∅ est toujours sous-ensemble de n’importe quel ensemble.

L’union de E et F est l’ensemble des éléments appartenant à E ou à F , noté E ∪ F .

On a ainsi E ∪ F = {x, x ∈ E ou x ∈ F }.

L’intersection de E et F est l’ensemble des éléments appartenant à E et à F , noté

E ∩ F . On a ainsi E ∩ F = {x, x ∈ E, x ∈ F }.
 Si l’on ne considère que des sous-ensembles d’un même ensemble Ω (ce sera le cas par
la suite), on peut parler d’ensemble complémentaire d’un sous-ensemble E de Ω : il
regroupe tous les éléments de Ω ne faisant pas partie de E, et on le note E c . Par exemple
si Ω = R, [2, 4]c =] − ∞, 2[∪]4, ∞[.

Quelques propriétés : Commutativité :

E∪F =F ∪E et E ∩ F = F ∩ E.
Associativité :
(E ∪ F ) ∪ G = E ∪ (F ∪ G) et (E ∩ F ) ∩ G = E ∩ (F ∩ G).
Distributivité :
(E ∪ F ) ∩ G = (E ∩ G) ∪ (F ∩ G) et (E ∩ F ) ∪ G = (E ∪ G) ∩ (F ∪ G).
Passage au complémentaire :
(E ∪ F )c = E c ∩ F c et (E ∩ F )c = E c ∪ F c .

1.1.4 Ensemble des parties d’un ensemble

On peut regrouper tous les sous-ensembles possibles d’un ensemble E : c’est l’ensemble
des parties de E, noté P(E). Par exemple,
P({1, 5, 3}) = {∅, {1}, {3}, {5}, {1, 3}, {5, 3}, {1, 5}, {1, 3, 5}}.
Attention, les sous-ensembles de E sont des éléments de P(E) : écrire F ⊂ E est équivalent
à écrire F ∈ P(E).

1.1.5 Couples, triplets, n-uplets et suites

Pour désigner des suites ordonnées d’éléments, on utilise les parenthèses :
• (1, 5, 3) est le triplet formé des nombres 1, 5 puis 3. Bien noter que dans ce cas
l’ordre compte : (1, 5, 3) 6= (1, 3, 5).
• (2.45, 3) est le couple formé du nombre réel 2.45 et de l’entier 3.
• (1, 3, 5, . . . , 19, 21) est le 10-uplet des 10 premiers entiers impairs.

Pour désigner les ensembles de couples, de triplets, etc, on utilise la notation × (pro-
noncer "croix") :
• {1, 3, 5} × {1, 3, 5} (noté aussi {1, 3, 5}2 ) est l’ensemble des couples d’éléments de
{1, 3, 5}. On a ainsi
{1, 3, 5}2 = {(1, 1), (1, 3), (1, 5), (3, 1), (3, 3), (3, 5), (5, 1), (5, 3), (5, 5)}
On peut remarquer que Card({1, 3, 5}2 ) = 9 = 32 = (Card{1, 3, 5})2 .
 • N × N est l’ensemble des couples de nombres entiers, ce qui peut s’écrire N × N =
{(a, b), a ∈ N, b ∈ N}. On écrit aussi N × N = N2 .
• N × N × N = N3 : ensemble des triplets d’entiers.
• N10 : ensemble des 10-uplets d’entiers. Par exemple (1, 3, 5, . . . , 19, 21) ∈ N10 .
• R × N = {(x, n), x ∈ R, n ∈ N}. Par exemple, (2.45, 3) ∈ R × N.
• Rn = {(x1 , x2 , . . . , xn ), x1 ∈ R, . . . , xn ∈ R} : n-uplets de nombres réels (si n est un
entier fixé).

Lorsque la suite a une infinité d’éléments, on parle de suite tout court, et on note
avec des indices de position : par exemple (1, 1/2, 1/3, 1/4, . . .) est la suite (un )n∈N avec
un = 1/n. On note NN l’ensemble des suites de nombres entiers, RN l’ensemble des suites
de nombres réels, etc.

1.2 Combinatoire
1.2.1 Cardinal de l’ensemble des couples ou des n-uplets
Si Card(A) < ∞ et Card(B) < ∞,

Card(A × B) = Card(A)Card(B).

Plus généralement si Card(A1 ) < ∞, Card(A2 ) < ∞, . . . , Card(An ) < ∞, alors

Card(A1 × A2 × · · · × An ) = Card(A1 )Card(A2 ) · · · Card(An ).

En particulier si Card(A) < ∞,

Card(An ) = (Card(A))n .

1.2.2 Cardinal de l’ensemble des parties

Si Card(A) < ∞,
Card(P(A)) = 2Card(A) .

1.2.3 Ensemble des combinaisons de p éléments parmi n

Soit A un ensemble contenant n éléments, et p un entier. On note Pp (A) l’ensemble des
sous-ensembles de A contenant p éléments. Par exemple si A = {1, 3, 5},

P0 (A) = {∅},
P1 (A) = {{1}, {3}, {5}},
P2 (A) = {{1, 3}, {3, 5}, {1, 5}},
P3 (A) = {{1, 3, 5}}.
 On remarque ici que Card(P0 (A)) = 1, Card(P1 (A)) = 3, Card(P2 (A)) = 3, et

= 1. De manière générale le cardinal de Pp (A) lorsque A contient n éléments
Card(P3 (A))
n
est noté p et vaut
 
n n!
= .
p (n − p)!p!
Rappelons quelques formules classiques sur ce nombre :
         
n n n n n
= , = n, = = 1,
p n−p 1 0 n
     
n n−1 n−1
= + .
p p p−1

1.2.4 Ensemble des permutations d’un ensemble à n éléments

Une permutation d’un ensemble A à n éléments est un n-uplet formé des éléments de
A sans répétition. L’ensemble de ces permutations est noté S(A). Autrement dit on forme
S(A) en considérant tous les ordres possibles pour les éléments de A. Par exemple,

S({1, 3, 5}) = {(1, 3, 5), (1, 5, 3), (3, 1, 5), (3, 5, 1), (5, 1, 3), (5, 3, 1)}.

Le cardinal de A, c’est-à-dire le nombre de permutations de n éléments, est égal à

Card(S(A)) = n!.

1.2.5 Ensemble des arrangements de p éléments parmi n

Soit toujours A un ensemble à n éléments, et p un entier. On note Sp (A) l’ensemble des
p-uplets formés d’éléments de A, sans répétition. Par exemple si A = {1, 3, 5},

S1 (A) = {1, 3, 5},

S2 (A) = {(1, 3), (3, 1), (3, 5), (5, 3), (1, 5), (5, 1)},
S3 (A) = {(1, 3, 5), (1, 5, 3), (3, 1, 5), (3, 5, 1), (5, 1, 3), (5, 3, 1)} = S(A).

On voit que pour construire Sp (A), on forme, à partir de chaque élément de Pp (A),
les p-uplets obtenus en permutant ses éléments. Comme il y a p! telles permutations, le
nombre total d’éléments de Sp (A) est égal à
 
n n!
Card(Sp (A)) = p! Card(Pp (A)) = p! = .
p (n − p)!
1.3 Événements et probabilité
1.3.1 Exemple introductif
On lance un dé. Quelle est la probabilité que le résultat soit un nombre pair supérieur
ou égal à trois ?

Ce problème est très simple et peut se résoudre de tête : le dé doit tomber sur 4 ou 6
pour que le résultat soit à la fois pair et supérieur à 3 ; on peut donc répondre directement
qu’il y a 2 chance sur 6 pour que ça arrive.
Nous allons voir comment introduire des notations mathématiques rigoureuses générales
permettant de résoudre des problèmes tels que celui-ci, ou d’autres plus complexes pour
lesquels l’intuition ne suffit pas. Cependant pour simplifier la compréhension, nous allons
suivre ce premier exemple.
Il s’agit de trouver la probabilité qu’un certain événement se produise, en l’occurrence
l’événement
A = "le résultat du dé est un nombre pair supérieur ou égal à 3".
On note cette probabilité P (A). Par convention la probabilité d’un événement est un
nombre réel compris entre 0 et 1 (c’est-à-dire appartenant à l’intervalle [0, 1]), 0 signifiant
que l’événement n’a aucune chance de se réaliser, et 1 qu’il est certain de se réaliser.

1.3.2 Modèle fondamental des probabilités

L’idée fondamentale de la modélisation mathématique des probabilités consiste à assi-
miler les événements à des sous-ensembles d’un grand ensemble Ω appelé l’univers. L’évé-
nement Ω correspond à tout événement qui se réalise forcément. Par exemple l’événement
"Le dé tombe sur une face" est égal à Ω. On aura donc naturellement
P (Ω) = 1.
Inversement, l’ensemble vide ∅ correspond à tout événement qui ne peut pas se réaliser,
comme par exemple "le résultat du dé est un nombre à la fois pair et impair". On aura
donc
P (∅) = 0.

1.3.3 Intersections d’événements

L’événement A se décompose naturellement de la manière suivante :
A = "le résultat du dé est un nombre pair" et "le résultat du dé est supérieur ou égal à 3",
ou encore, si l’on a défini B = "le résultat du dé est un nombre pair" puis
C = "le résultat du dé est supérieur ou égal à 3", on écrira simplement
A = B et C.
Figure 1.1 – L’événement A représenté comme intersection des événements B et C puis
comme union des événements D4 et D6 .

En termes de sous-ensembles de Ω, le "et" de l’égalité précédente se traduit par une inter-

section. Plutôt que A = B et C, on écrira en fait :

A = B ∩ C.

Malheureusement cette décomposition ne permet pas directement de calculer la proba-

bilité de l’événement A car il n’existe pas de formule générale reliant cette probabilité à
celles de B et de C.

1.3.4 Unions d’événements et probabilité d’une union

Un dé a six faces, numérotées de 1 à 6, et par conséquent pour que le résultat soit pair,
il faut qu’il tombe sur 2, 4, ou 6. Donc pour qu’il soit pair et supérieur à 3, il faut qu’il
tombe sur 4 ou 6. On peut donc formuler différemment l’événement A :

A = "le résultat du dé est 4 ou 6"

ou encore :
A = "le résultat du dé est 4" ou "le résultat du dé est 6"
Par conséquent A est composé de deux événements élémentaires, que l’on peut noter D4 , D6 ,
avec Di = "le résultat du dé est i". On a donc

A = D4 ou D6 .

Les "ou" dans l’égalité précédente se traduisent alors par des unions de sous-ensembles.
On écrira donc en fait :
A = D4 ∪ D6 .
Pour calculer la probabilité d’une union d’événements on dispose des formules sui-
vantes :
 Probabilité de l’union de deux événements - formule générale. Soient E et F
deux événements. Alors

P (E ∪ F ) = P (E) + P (F ) − P (E ∩ F ).

Probabilité d’une union disjointe.

• Soient E et F deux événements. Si E et F sont incompatibles (c’est-à-dire dis-
joints : E ∩ F = ∅) alors

P (E ∪ F ) = P (E) + P (F ).

• Soient E1 , . . . , En plusieurs événements. S’ils sont deux à deux disjoints (Ei ∩Ej =
∅ pour tous i 6= j) alors

P (E1 ∪ E2 ∪ · · · ∪ En ) = P (E1 ) + P (E2 ) + · · · + P (En ).

Dans notre exemple les événements D4 et D6 sont disjoints. En effet l’événement D4 ∩D6
correspond à : "Le dé tombe sur 4 et sur 6", ce qui est impossible. Ainsi D4 ∩ D6 = ∅. On
peut donc écrire
P (A) = P (D4 ) + P (D6 ).
Finalement on sait que la probabilité de tomber sur chaque face est de 61 . Ainsi P (A) =
1
6
+ 16 = 13 .

Interprétation graphique : Les formules précédentes se retrouvent facilement en des-

sinant un diagramme tel que celui de la figure 1.1, et en imaginant que les probabilités des
événements sont les aires des sous-ensembles correspondants (en supposant que Ω est un
carré de côté 1 par exemple).

Voici une autre relation importante découlant des formules précédentes :

Si E ⊂ F alors P (E) ≤ P (F ).

Encore une fois, ceci se comprend très facilement sur un schéma (cf. figure 1.2)

1.3.5 Partition de Ω
Des événements E1 , . . . , En forment une partition de l’univers Ω s’ils sont deux à deux
incompatibles et que leur réunion est égale à Ω. Autrement dit : un et un seul de ces
événements se réalise. Alors on a la relation :

P (E1 ) + · · · + P (En ) = 1.
 Figure 1.2 – Si E ⊂ F alors P (E) ≤ P (F ).

Figure 1.3 – Les événements D1 à D6 forment une partition de Ω.

Cette relation s’obtient en appliquant simplement la formule de probabilité d’une union

disjointe, en se rappelant que P (Ω) = 1 :

1 = P (Ω) = P (E1 ∪ E2 ∪ · · · ∪ En ) = P (E1 ) + · · · + P (En ).

Dans l’exemple du lancer de dé, les événements D1 , . . . , D6 forment une partition de

Ω. Puisque chacun de ces événements a pour probabilité 61 , on vérifie bien la formule :
1
6
+ · · · + 16 = 6 × 61 = 1 (voir figure 1.3). Dans ce cas on voit que non seulement ces
ensembles forment une partition de Ω, mais qu’aussi ils ont tous la même probabilité.
C’est ce qu’on appelle l’équiprobabilité :
Définition. On dit qu’il y a équiprobabilité entre des événements E1 , . . . , En s’ils forment
une partition de Ω et que leurs probabilités sont toutes égales : P (E1 ) = P (E2 ) = · · · =
P (En ) = n1 .
Dans l’exemple du lancer de dé, les 6 événements D1 , D2 , . . . , D6 sont ainsi équipro-
bables. Par contre si on considère un dé truqué (certaines faces ont plus de chances d’appa-
raître que d’autres), alors ces événements D1 , D2 , . . . , D6 formeront toujours une partition
mais ne seront plus équiprobables. Supposons par exemple que le dé soit truqué de sorte
que la probabilité de chaque face soit proportionnelle au résultat. Ceci signifie que le dé a
 Figure 1.4 – E et E c forment une partition de Ω.

deux fois plus de chances de tomber sur 2 que sur 1 ; trois fois plus de chances de tomber
sur 3 que sur 1, etc. On peut alors calculer ces probabilités en écrivant que la somme de
ces probabilités doit faire 1 :

P (D1 ) + P (D2 ) + · · · + P (D6 ) = 1.

Or d’après ce qu’on vient de voir, P (D2 ) = 2P (D1 ), P (D3 ) = 3P (D1 ), etc. Ainsi,

P (D1 ) + 2P (D1 ) + 3P (D1 ) + · · · + 6P (D1 ) = 1,

P (D1 )(1 + 2 + 3 + · · · + 6) = 21P (D1 ) = 1,

1 2 6
et ainsi P (D1 ) = 21
, P (D2 ) = 21
, . . . , P (D6 ) = 21
.

1.3.6 Événement complémentaire

L’événement complémentaire d’un événement E est l’événement correspondant à
l’ensemble complémentaire E c . Il s’agit de la négation de l’événement E : E c se réalise si
et seulement si E ne se réalise pas. On a la formule

P (E c ) = 1 − P (E),

qui provient simplement du fait que E et E c forment une partition de Ω.

La relation suivante est très utile :

Soient E et F deux événements. Alors

P (E) = P (E ∩ F ) + P (E ∩ F c ).

On comprend facilement cette relation en dessinant des patates (cf. figure 1.5). La
preuve mathématique est assez simple aussi ; la voici :
 Figure 1.5 – P (E) = P (E ∩ F ) + P (E ∩ F c ).

Preuve. On va utiliser la formule de probabilité d’une union disjointe. On écrit d’abord

A comme une union :

A = A ∩ Ω = A ∩ (B ∪ B c ) = (A ∩ B) ∪ (A ∩ B c ).

On vérifie que cette union est disjointe :

(A ∩ B) ∩ (A ∩ B c ) = A ∩ B ∩ A ∩ B c = ∅

On applique donc la formule de probabilité d’une union disjointe :

P (A) = P (A ∩ B) + P (A ∩ B c ).


Chapitre 2

Probabilités conditionnelles et
indépendance d’événements

2.1 Probabilités conditionnelles

On tire deux cartes successivement et sans remise d’un jeu de 32 cartes. Quelle est la
probabilité que ce soient deux piques ?

La réponse "intuitive" est la suivante : il y a 8 chances sur 32 de tirer un pique pour

la première carte, puis 7 chances sur 31 pour la deuxième (puisqu’il reste 31 cartes dont 7
8 7
piques), donc la probabilité demandée est égale à 32 × 31 .
La notion de probabilité conditionnelle permet de formuler rigoureusement une telle
réponse.

Définition (Probabilité conditionnelle). Soient E et F deux événements. On note P (E|F )

(ce qui se lit "probabilité de E sachant F ") la probabilité que l’événement E se réalise
sachant que l’événement F est réalisé.

Autrement dit, à partir d’une expérience probabiliste où E et F sont aléatoires, on

change de situation : on suppose que F n’est plus aléatoire mais réalisé, et on cherche
à calculer la probabilité de E dans cette nouvelle situation. Sur un schéma ensembliste
(figure 2.1), ce changement de situation probabiliste consiste à considérer l’ensemble F
comme le nouvel univers, à la place de Ω, et donc à ne plus considérer ce qui est en dehors
de F . Autrement dit, la probabilité d’un événement E sera obtenue en ne retenant que la
probabilité de sa partie contenue dans le nouvel univers, c’est-à-dire l’intersection E ∩ F ,
et en divisant par P (F ), afin que dans la nouvelle situation, la probabilité de l’univers F
soit égale à 1.

13
Figure 2.1 – Schéma du changement de situation probabiliste correspondant au condi-
tionnement par rapport à un événement F . A gauche, situation initiale dans l’univers Ω ;
à droite, situation conditionnée à F : l’événement F devient le nouvel univers, et seule la
partie de E comprise dans F est considérée.

Ceci permet de justifier la formule fondamentale suivante, qui est en fait la définition
mathématique de la probabilité conditionnelle :
P (E ∩ F )
P (E|F ) = .
P (F )
On voit par cette formule que P (E|F ) n’est défini que si P (F ) 6= 0 ; ce qui est cohérent :
on ne peut pas supposer que F est réalisé s’il n’a aucune chance de se réaliser.

remarque : Attention, E|F ne signifie rien en soit, ce n’est pas un événement. Seule
l’expression P (E|F ) a un sens. En fait la probabilité conditionnelle P (E|F ) se note par-
fois PF (E), notation moins usuelle mais bien plus juste car elle traduit précisément le
changement de situation probabiliste évoqué plus haut : la fonction PF est la fonction de
probabilité de la nouvelle situation, en remplacement de la fonction P initiale.

Voici maintenant comment exprimer rigoureusement la réponse à l’exemple précédent :

soient A l’événement "La première carte est un pique", B l’événement "La deuxième carte
est un pique", et C l’événement "Les deux cartes tirées sont des piques". On a donc
C = A ∩ B. D’après la formule des probabilités conditionnelles, on a
P (C) = P (A ∩ B) = P (B|A)P (A).
8
La probabilité de tirer un pique en premier est de P (A) = 32 . Maintenant si A est réalisé,
alors il reste 31 cartes dont 7 piques, et donc la probabilité de tirer à nouveau un pique est
7 7
de 31 : ainsi P (B|A) = 31 . Finalement on obtient
7 8 7
P (C) = P (B|A)P (A) = × = .
31 32 124
remarque : Toujours penser à vérifier que la probabilité calculée est bien un nombre
compris entre 0 et 1.
2.2 Formule des probabilités totales
On dispose de deux urnes. La première contient deux boules noires et une boule blanche ;
et la deuxième contient trois boules noires et deux boules blanches. On tire au hasard une
boule de la première urne et on la place dans la deuxième urne. Puis on tire au hasard une
boule de la deuxième urne. Quelle est la probabilité que cette deuxième boule soit blanche ?

On note B1 l’événement "la première boule tirée est blanche", et B2 l’événement "la
deuxième boule tirée est blanche". On cherche donc à calculer P (B2 ). La formule suivante,
vue au premier chapitre, est le point de départ du calcul :
P (B2 ) = P (B2 ∩ B1 ) + P (B2 ∩ B1c ).
Autrement dit on décompose l’événement "la deuxième boule tirée est blanche" en deux :
"la deuxième boule tirée est blanche et la première était blanche", et "la deuxième boule
tirée est blanche et la première n’était pas blanche (donc était noire)". On utilise alors
la définition mathématique des probabilités conditionnelles pour calculer P (B2 ∩ B1 ) et
P (B2 ∩ B1c ), ce qui donne :
P (B2 ) = P (B2 |B1 )P (B1 ) + P (B2 |B1c )P (B1c ).
C’est la formule des probabilités totales. A présent toutes les probabilités à droite de
l’égalité peuvent se calculer :
• Pour déterminer P (B2 |B1 ) on se place dans la situation où B1 est réalisé, c’est-à-dire
que la première boule tirée est blanche. Dans ce cas la deuxième urne contiendra
trois boules blanches et trois boules noires, et donc la probabilité de tirer une boule
blanche sera de 63 = 21 . Ainsi on a montré que P (B2 |B1 ) = 21 .
• Pour déterminer P (B2 |B1c ) on se place dans la situation inverse : la première boule
tirée est noire, donc la deuxième urne contient deux boules blanches et quatre boules
noires. Ainsi P (B2 |B1c ) = 26 = 13 .
• P (B1 ) est la probabilité que la première boule tirée soit blanche : P (B1 ) = 13 .
• Enfin P (B1c ) = 1 − P (B1 ) = 23 .
Finalement on trouve donc
1 1 1 2 7
P (B2 ) = × + × = .
2 3 3 3 18
On a démontré et utilisé dans ce calcul la formule des probabilités totales :

Formule des probabilités totales, cas simple. Soient E et F deux événements,

avec P (F ) et P (F c ) non nuls. Alors
P (E) = P (E|F )P (F ) + P (E|F c )P (F c ).

La version générale de la formule consiste à conditionner non plus par seulement deux
événements (F et F c ) pour le calcul de P (E), mais par un nombre n :
 Formule des probabilités totales, cas général. Soient E un événement et F1 , F2 , . . . , Fn
des événements formant une partition de Ω, avec P (Fi ) 6= 0 pour tout i. Alors

P (E) = P (E|F1 )P (F1 ) + P (E|F2 )P (F2 ) + · · · + P (E|Fn )P (Fn ).

En voici un exemple d’utilisation (cas n = 3) :

Pour traiter une maladie, les médecins disposent de trois nouveaux médicaments M A,
M B, M C. Dans un premier cas, les médecins prescrivent indifféremment l’un des trois
médicaments pour chaque traitement. Dans un deuxième cas, ils commencent à connaître
mieux ces médicaments, et prescrivent M A dans 50% des cas, M B dans 30% des cas, et
M C dans 20% des cas. En fait les taux de réussite de ces médicaments sont respectivement
de 98%, 96% et 95%. Calculer la probabilité d’échec du traitement dans chaque cas.

On va noter A l’événement "recevoir le médicament M A", et de même B et C. On

cherche la probabilité de E="échec du traitement". Il faut bien comprendre les données du
problème : les taux de réussite correspondent en fait à des probabilités conditionnelles : "si
on reçoit le médicament M A, alors on guérit dans 98% des cas". On a donc P (E c |A) = 0.98,
et de même P (E c |B) = 0.96 et P (E c |C) = 0.95. On va donc utiliser la formule des
probabilités totales en remarquant que A, B et C forment une partition de Ω (car un et
un seul des trois médicaments est administré lors d’un traitement) :

P (E c ) = P (E c |A)P (A) + P (E c |B)P (B) + P (E c |C)P (C).

1er cas : P (A) = P (B) = P (C) = 31 . Donc P (E c ) = 0.98 × 13 + 0.96 × 13 + 0.95 × 13 = 0.963.
Finalement P (E) = 1 − P (E c ) = 0.037.
2e cas : P (A) = 0.5, P (B) = 0.3 et P (C) = 0.2. Donc P (E c ) = 0.98 × 0.5 + 0.96 × 0.3 +
0.95 × 0.2 = 0.968, et P (E) = 0.032.

2.3 Formule de Bayes

Revenons au problème des deux urnes, et cherchons à répondre à cette deuxième ques-
tion :

Si la deuxième boule tirée est blanche, quelle est la probabilité que la première boule
tirée ait été blanche aussi ?

Ici on demande de calculer P (B1 |B2 ). Cette probabilité conditionnelle ne peut pas
être trouvée directement comme c’est le cas pour P (B2 |B1 ). En effet ici on cherche la
probabilité d’un événement en conditionnant par rapport à un événement qui en découle, ce
qui va contre l’intuition. Il faut donc faire une manipulation pour "retourner" la probabilité
conditionnelle :

P (B1 ∩ B2 ) P (B2 |B1 )P (B1 )

P (B1 |B2 ) = = .
P (B2 ) P (B2 )

A présent on peut effectuer le calcul :

1 1
2
× 3 3
P (B1 |B2 ) = 7 = .
18
7

Nous avons donc utilisé la formule suivante, qui est la base de la formule de Bayes :

Soient E et F deux événements avec P (E) et P (F ) non nuls. Alors

P (E|F )P (F )
P (F |E) = .
P (E)

La formule de Bayes est simplement la combinaison de cette formule et de la formule

des probabilités totales pour le calcul de P (E) :

Formule de Bayes, cas simple. Soient E et F deux événements avec P (E), P (F )

et P (F c ) non nuls. Alors

P (E|F )P (F )
P (F |E) = .
P (E|F )P (F ) + P (E|F c )P (F c )

Dans l’exercice des deux urnes, cette formule aurait permis de répondre à la deuxième
question directement. A présent voici la version générale de la formule :

Formule de Bayes, cas général. Soient E et F deux événements, et F1 , F2 , . . . , Fn

des événements formant une partition de Ω, avec P (E), P (F ) et P (Fi ) non nuls pour tout
i. Alors

P (E|F )P (F )
P (F |E) = .
P (E|F1 )P (F1 ) + P (E|F2 )P (F2 ) + · · · + P (E|Fn )P (Fn )

remarque : Le cas simple correspond au cas n = 2, F1 = F et F2 = F c .

2.4 Indépendance
2.4.1 Indépendance de deux événements
La définition intuitive de l’indépendance est la suivante : deux événements sont indé-
pendants lorsque le résultat de l’un n’influence pas le résultat de l’autre. Autrement dit si
E et F sont ces deux événements, le fait de supposer que F est réalisé ne change pas la
probabilité de réalisation de E et inversement. On a donc :

P (E|F ) = P (E) et P (F |E) = P (F ).

Or P (E|F ) = P P(E∩F
(F )
)
et P (F |E) = P P(E∩F
(F )
)
, et par conséquent on voit que les deux condi-
tions ci-dessus se résument en une seule : P (E ∩ F ) = P (E)P (F ). C’est la définition
mathématique de l’indépendance :

Définition. Deux événements E et F sont indépendants si et seulement si

P (E ∩ F ) = P (E)P (F ).

remarque : Cette définition a l’avantage de ne pas supposer P (E) et P (F ) non nuls,

à la différence de la double condition précédente. En fait si P (E) = 0 ou si P (F ) = 0, la
formule est toujours vérifiée. Autrement dit : un événement de probabilité nulle est toujours
indépendant de tout autre événement.
En pratique c’est souvent l’intuition qui permet de décider si deux événements sont indé-
pendants ou pas. La formule P (E ∩F ) = P (E)P (F ) est alors utilisée pour faire des calculs.

exemple 1 : On lance une pièce de monnaie deux fois de suite sur une table. Quelle
est la probabilité d’obtenir deux fois face ?

On note A ="on obtient face au premier lancer" et B ="on obtient face au deuxième
lancer". Ici ces deux événements sont clairement indépendants : le fait d’obtenir face en
premier ne change pas la probabilité d’obtenir face au deuxième. Par conséquent la proba-
bilité demandée ("obtenir deux fois face") sera : P (A ∩ B) = P (A)P (B) = 21 × 12 = 14 .

exemple 2 : A Paris il pleut en moyenne un jour sur deux en octobre. Quelle est la
probabilité qu’il pleuve à la fois le 15 et le 16 octobre ?

Ici on notera A ="il pleut le 15 octobre" et B ="il pleut le 16 octobre", et on cherche

donc à calculer P (A ∩ B). Ici il est sans doute faux de penser que les deux événements
A et B sont indépendants car en général beau et mauvais temps évoluent sur des échelles
de temps plus grandes que la journée : autrement dit il y a plus de chances que le 16 il
fasse un temps similaire à celui du 15 ; et donc s’il a plu le 15 il y aura une plus grande
probabilité qu’il pleuve aussi le 16. Par conséquent même si on connait par hypothèse
P (A) = P (B) = 12 , on ne peut pas en déduire P (A ∩ B) du fait de cette non-indépendance.
Il faudrait disposer d’autres informations pour répondre à la question.

exemple 3 : On lance un dé. Quelle est la probabilité que le résultat soit un nombre
pair supérieur ou égal à trois ?

Il s’agit ici du premier exemple du chapitre 1. On avait noté B="le résultat est un
nombre pair", C="le résultat est ≥ 3", et la probabilité cherchée est P (A) avec A = B ∩C.
En principe B et C n’ont aucune raison d’être indépendants puisqu’ils concernent le même
lancer de dé. Pourtant on a P (B) = 12 , P (C) = 23 , et on avait trouvé P (A) = P (B ∩C) = 13 .
On a donc P (B ∩ C) = P (B)P (C), et donc B et C sont mathématiquement indépendants.
C’est une sorte d’indépendance fortuite, qui va contre l’intuition.

Modifions à présent légèrement l’énoncé : On lance un dé. Quelle est la probabilité que
le résultat soit un nombre pair supérieur ou égal à quatre ?
Ici l’analyse est la même, à savoir que les événements B et D="le résultat est ≥ 4" n’ont
pas de raison d’être indépendants ; et le calcul montre en effet que P (B)P (D) = 12 × 12 6=
P (B ∩ D) = 13 ; c’est-à-dire que B et D ne sont pas indépendants.

Pour résumer, l’intuition peut nous dire si des événements sont indépendants, mais à
l’inverse on ne peut jamais être certain que des événements ne sont pas indépendants sans
faire le calcul.

2.4.2 Indépendance et événements complémentaires

Il est facile de montrer que

E et F indépendants ⇔ E et F c indépendants,
⇔ E c et F indépendants,
⇔ E c et F c indépendant.

Intuitivement, on est simplement en train de dire que le fait que E se réalise/ne se réalise
pas est indépendant du fait que F se réalise/ne se réalise pas.

2.4.3 Indépendance de n événements

On généralise la notion d’indépendance pour plus de 2 événements. Voici d’abord la
version à 3 événements :
Définition. Trois événements E, F, G sont dits indépendants (on dit aussi mutuelle-
ment indépendants) lorsque les quatre relations suivantes sont vérifiées :

P (E ∩ F ) = P (E)P (F ),

P (E ∩ G) = P (E)P (G),
 P (F ∩ G) = P (F )P (G),
P (E ∩ F ∩ G) = P (E)P (F )P (G).

Pourquoi a-t-on besoin de toutes ces relations ? On pourrait penser que les deux pre-
mières ou les trois premières suffisent et entraînent les autres. Mais ceci est faux, comme
le montre le contre-exemple suivant :

Exemple : On tire deux fois un dé à six faces. Les événements suivants sont-ils indé-
pendants ?
A ="le premier dé tombe sur un nombre pair",
B ="le deuxième dé tombe sur un nombre impair",
C ="les deux dés ont même parité".

Il est clair que A et B sont indépendants. A et C sont aussi indépendants : en effet,

d’une part la probabilité de C vaut P (C) = 21 ; d’autre part si l’on suppose que A est réalisé
(le premier dé est pair), alors les deux dés auront même parité si le deuxième est aussi pair,
donc avec probabilité 12 . Ainsi P (C|A) = P (C) = 12 et donc A et C sont indépendants. Par
le même raisonnement on peut voir que B et C sont aussi indépendants. Pour résumer on
a les trois relations (indépendances deux-à-deux)

P (A ∩ B) = P (A)P (B),

P (A ∩ C) = P (A)P (C),
P (B ∩ C) = P (B)P (C).
Cependant il est facile de voir que P (A ∩ B ∩ C) = 0 (les trois événements ne peuvent
se réaliser ensemble) ; et donc que P (A ∩ B ∩ C) est différent de P (A)P (B)P (C). Ainsi
les trois événements ne sont pas indépendants puisqu’il manque la dernière relation, alors
qu’ils sont indépendants deux-à-deux.

Passons à présent à l’indépendance d’un nombre quelconque d’événements :

Définition. Des événements E1 , E2 , E3 , . . . sont dits indépendants, ou mutuellement

indépendants, si la réalisation d’un certain nombre d’entre-eux n’influence pas la réali-
sation des autres. Ceci équivaut à ce que toutes les relations suivantes soient vérifiées :

P (Ei1 ∩ Ei2 ∩ · · · ∩ Eip ) = P (Ei1 ) × P (Ei2 ) × · · · × P (Eip ),

pour tous indices tels que 1 ≤ i1 < i2 < · · · < ip .

2.4.4 Expériences aléatoires indépendantes

Des expériences aléatoires E1 . . . , En sont indépendantes lorsque le résultat de l’une
d’entre-elles n’influe pas sur le résultat des autres. Ceci signifie qu’en choisissant pour
chacune de ces expériences Ei n’importe quel événement Ei qui lui est relatif, on obtient
des événements E1 , . . . , En indépendants.
En pratique c’est directement l’intuition (ou une hypothèse explicite) qui permet de
décider si des expériences aléatoires sont indépendantes. On peut alors en déduire l’indé-
pendance d’événements qui en découlent.

exemple : On lance trois dés, et on note A ="le 1er dé tombe sur 3", B ="le deuxième
dé tombe sur un nombre pair", et C ="le 3e dé tombe sur un nombre impair". Calculer
P (A ∩ B ∩ C).

Les trois lancers de dé sont ici clairement des expériences aléatoires indépendantes. On
en déduit que A, B et C sont indépendants, puisque chacun de ces événements se réfère à
un lancer différent. Ainsi P (A ∩ B ∩ C) = P (A)P (B)P (C) = 16 × 12 × 21 = 241
.

2.5 Double conditionnement, indépendance condition-

nelle
Comme on l’a vu dès le début de ce chapitre, conditionner par rapport à un événement
G signifie se placer dans une nouvelle situation probabiliste dans laquelle G est réalisé.
Cette nouvelle situation change les probabilités des événements... Les probabilités calculées
conditionnellement à G obéissent aux même règles que les probabilités calculées dans la
configuration initiale. Pour cette raison on note parfois P (E|G) = PG (E) la probabilité d’un
événement E sachant G. En termes mathématiques, on dit que PG est une probabilité,
au même titre que la probabilité de référence P , et obéit aux même règles.
Voici quelques exemples de notions et formules découlant de ce principe :

Probabilité conditionnelle d’une union Soient E, F, G trois événements, avec P (G) 6=

0. Alors
P (E ∪ F |G) = P (E|G) + P (F |G) − P (E ∩ F |G).

Double conditionnement Soient E, F, G trois événements, avec P (F ∩G) 6= 0. Alors

P (E ∩ F |G)
P (E|F ∩ G) = .
P (F |G)

Cette formule devient claire si on la comprend comme la définition, sous l’hypothèse que
G est réalisé, de la probabilité conditionnelle de E sachant F . Autrement, elle se démontre
très facilement à partir des définitions :
Preuve.
P (E ∩ F ∩ G) P (E ∩ F |G)P (G) P (E ∩ F |G)
P (E|F ∩ G) = = = .
P (F ∩ G) P (F |G)P (G) P (F |G)


Formule des probabilités totales conditionnelle : Soient E, F, G trois événements

avec P (F ∩ G) 6= 0. Alors

P (E|G) = P (E|F ∩ G)P (F |G) + P (E|F c ∩ G))P (F c |G).

La notion d’indépendance conditionnelle est souvent utile :

Indépendance conditionnelle : Soient E, F, G trois événements, avec P (G) 6= 0. On

dit que E et F sont indépendants conditionnellement à G lorsque, sous l’hypothèse
que G est réalisé, E et F sont indépendants. Autrement dit,

P (E ∩ F |G) = P (E|G)P (F |G).

Des événements conditionnellement indépendants n’ont aucune raison d’être indépen-

dants. Voici un exemple de cette situation.

Exemple : Un tribunal doit traiter d’affaires de meurtres. A la fin du procès deux

jurés doivent se prononcer et l’accusé sera condamné si les deux jurés se prononcent pour
la condamnation. On suppose que lorsque l’accusé a réellement commis un meurtre, le
procès lui est logiquement défavorable, si bien que chaque juré le déclarera coupable avec une
probabilité de 0.7 et leurs deux avis sont alors indépendants. Lorsqu’il n’est pas coupable,
leurs deux avis sont aussi indépendants et la probabilité qu’il soit déclaré coupable est alors
de 0.2 pour chacun des deux jurés. On suppose que 60% des accusés sont effectivement
coupables.
Un accusé est jugé. On note les événements A ="le premier juré le déclare coupable"
et B ="le deuxième juré le déclare coupable".
1. Calculer la probabilité qu’il soit condamné.
2. Les événements A et B sont-ils indépendants ?

1. On doit calculer P (A ∩ B). Traduisons d’abord les hypothèses. Notons M ="l’accusé

est un meurtrier". On a :

P (A|M ) = P (B|M ) = 0.7, et P (A|M c ) = P (B|M c ) = 0.2.

Les hypothèses d’indépendance de l’énoncé sont ici des indépendances conditionnelles :
conditionnellement au fait que l’accusé est un meurtrier (c’est-à-dire que M est réalisé),
les deux avis sont indépendants, et donc A et B sont indépendants. On a donc

P (A ∩ B|M ) = P (A|M )P (B|M ).

De même A et B sont indépendants conditionnellement à M c :

P (A ∩ B|M c ) = P (A|M c )P (B|M c ).

Enfin on a P (M ) = 0.6. A présent on peut calculer :

P (A ∩ B) = P (A ∩ B|M )P (M ) + P (A ∩ B|M c )P (M c ) (formule des probabilités totales),

= P (A|M )P (B|M )P (M ) + P (A|M c )P (B|M c )P (M c ),
31
= 0.7 × 0.7 × 0.6 + 0.2 × 0.2 × 0.4 = .
100

2. On doit comparer P (A ∩ B) à P (A)P (B). On a :

1
P (A) = P (A|M )P (M ) + P (A|M c )P (M c ) = 0.7 × 0.6 + 0.2 × 0.4 = ,
2
1 1
et de même P (B) = 2
. Ainsi P (A)P (B) = 4
6= P (A ∩ B). A et B ne sont donc pas
indépendants.
Chapitre 3

Variables aléatoires et lois

3.1 Définitions générales

3.1.1 Variables aléatoires

On appelle variable aléatoire tout nombre réel aléatoire, c’est-à-dire dont la valeur
dépend du résultat d’une expérience probabiliste. Par exemple :

On lance un dé. Soit X le résultat obtenu.

Ici X est une variable aléatoire et les valeurs possibles de X sont 1, 2, 3, 4, 5, 6. Pour
chacune de ces valeurs, X a une certaine probabilité de lui être égal. Ici en fait on peut
donner directement les probabilités des événements ”X = 1”, ”X = 2”, . . . , ”X = 6” : on
a P (”X = 1”) = P (”X = 2”) = · · · = P (”X = 6”) = 61 .

Remarque : Un nombre réel fixé (c’est-à-dire non aléatoire) peut être vu comme une
variable aléatoire ayant une probabilité 1 d’être égale à la valeur considérée. Par exemple
le nombre x = 2 sera identifié à une variable X telle que P (X = 2) = 1.

Remarques sur les notations :

• Par convention, les variables aléatoires sont en général notées avec des lettres capitales
(X,Y ,T ,etc.) pour les différencier des nombres réels non aléatoires.
• Pour noter les événements relatifs à une variable aléatoire X, comme par exemple
”X = 1”, ”X ≤ 2”, ”0 ≤ X ≤ 4”, on utilise souvent plutôt les crochets : [X =
1], [X ≤ 2], [0 ≤ X ≤ 4].
• De même, plutôt que P (”X = 1”) ou P ([X = 1]) on écrira simplement P (X = 1) ou
P [X = 1].

25
3.1.2 Support d’une variable aléatoire
Le support d’une variable aléatoire est l’ensemble des ses valeurs possibles. C’est la
première chose à préciser lorsqu’on considère une variable aléatoire. On notera S(X) le
support d’une variable aléatoire X.

Exemple 1 : On reprend l’exemple précédent : X est le résultat d’un lancer de dé. Le

support de X est alors {1, 2, 3, 4, 5, 6}.

Exemple 2 : Soit X le nombre de jours avant la prochaine pluie (en supposant que ça
va forcément arriver). Alors X ∈ {0, 1, 2, . . .} = N.

Exemple 3 : On lance une balle, et on note X la distance parcourue par la balle avant
de s’arrêter. Alors on aura X ∈ [0, d] (en supposant qu’il y a une distance maximale d
possible), ou bien simplement X ∈ [0, +∞[.

On vient en fait de voir trois types de support différents avec ces trois exemples :
support fini pour le premier, support infini dénombrable pour le second, support infini
non dénombrable pour le troisième. Cette distinction est essentielle en probabilités, car les
calculs de probabilités vont s’effectuer de façon complètement différentes suivant les cas.
Définition. Une variable aléatoire discrète est une variable aléatoire dont le support
est un ensemble fini ou infini dénombrable.

3.1.3 Fonction de répartition d’une variable aléatoire

Définition. La fonction de répartition d’une variable aléatoire X est la fonction définie
pour tout t ∈ R par
FX (t) = P (X ≤ t).
Autrement dit, FX (t) est la probabilité de l’événement "la valeur de X est inférieure ou
égale à t".
Proposition. On a FX (t) ∈ [0, 1] pour tout t ∈ R ; et FX est une fonction croissante.
Preuve. FX (t) ∈ [0, 1] car c’est une probabilité. De plus, si t ≤ u, on a [X ≤ t] ⊂ [X ≤ u]
et donc P (X ≤ t) ≤ P (X ≤ u), c’est-à-dire FX (t) ≤ FX (u). Donc FX est croissante. 

3.2 Variables aléatoires discrètes

Loi d’une variable discrète. Donner la loi d’une variable aléatoire discrète X, c’est
calculer les probabilités P (X = x) pour toutes les valeurs x possibles prises par X (autre-
ment dit pour tous les x appartenant au support de X).
 Figure 3.1 – Loi et fonction de répartition d’un lancer de dé

3.2.1 Quelques exemples

Exemple 1 : X est le résultat du lancer d’un dé. On a vu que P (X = 1) = P (X =
2) = · · · = P (X = 6) = 16 : c’est la loi de X. On peut la présenter sous forme de tableau :

x 1 2 3 4 5 6
1 1 1 1 1 1
P (X = x)
6 6 6 6 6 6

On peut aussi présenter ce résultat sous la forme d’un graphique, ou diagramme en

bâtons (figure 3.1 à gauche). Enfin on peut aussi tracer le graphe de la fonction de répar-
tition FX (figure 3.1 à droite). On voit ici que la fonction de répartition est constante par
morceaux : elle présente des sauts pour les valeurs du support de X, mais reste constante
entre deux de ces valeurs. Ce sera toujours le cas pour des variables discrètes.

Lorsque toutes les probabilités formant la loi de X sont égales, comme dans l’exemple
du dé, on parle de loi uniforme. C’est l’exemple le plus simple de variable aléatoire.

Définition. On dit que la variable X suit la loi uniforme sur {x1 , x2 , . . . , xn } lorsque le
support de X est égal à {x1 , x2 , . . . , xn } et que P (X = xi ) = n1 pour tout 1 ≤ i ≤ n.

Voici un deuxième exemple élémentaire de variable aléatoire discrète :

Exemple 2 : On lance trois pièces de monnaie. Soit X le nombre de "Face" obtenu.

Quelle est la loi de X ?

Le support de X est ici {0, 1, 2, 3}. On doit donc calculer P (X = 0), P (X = 1), P (X =
2) et P (X = 3).
Définissons F1 ="la première pièce tombe sur Face" ; et de même F2 et F3 . On peut clai-
rement supposer que les trois lancers de pièce sont indépendants ici ; et donc que F1 , F2 , F3
sont indépendants.
• [X = 0] = F1c ∩ F2c ∩ F3c donc P (X = 0) = P (F1c )P (F2c )P (F3c ) grâce à l’indépendance.
Ainsi P (X = 0) = 21 × 21 × 21 = 18 .
• [X = 1] = (F1 ∩ F2c ∩ F3c ) ∪ (F1c ∩ F2 ∩ F3c ) ∪ (F1c ∩ F2c ∩ F3 ). Cette union est disjointe,
 Figure 3.2 – Loi et fonction de répartition de X pour l’exemple 2

donc on peut additionner les probabilités :

P (X = 1) = P (F1 ∩ F2c ∩ F3c ) + P (F1c ∩ F2 ∩ F3c ) + P (F1c ∩ F2c ∩ F3 ),
= P (F1 )P (F2c )P (F3c ) + P (F1c )P (F2 )P (F3c ) + P (F1c )P (F2c )P (F3 ),
(par indépendance)
1 1 1 3
= ( × × )×3= .
2 2 2 8
• [X = 2] = (F1 ∩ F2 ∩ F3c ) ∪ (F1c ∩ F2 ∩ F3 ) ∪ (F1 ∩ F2c ∩ F3 ).
P (X = 1) = P (F1 ∩ F2 ∩ F3c ) + P (F1c ∩ F2 ∩ F3 ) + P (F1 ∩ F2c ∩ F3 ), (union disjointe)
= P (F1 )P (F2 )P (F3c ) + P (F1c )P (F2 )P (F3 ) + P (F1 )P (F2c )P (F3 ), (indépendance)
1 1 1 3
= ( × × )×3= .
2 2 2 8
1
• [X = 3] = F1 ∩ F2 ∩ F3 donc P (X = 0) = P (F1 )P (F2 )P (F3 ) = 8
par indépendance.

La loi de X est en fait un exemple de loi binomiale. Le cas général sera vu un peu plus
loin. La figure 3.2 montre le graphique de cette loi ainsi que la fonction de répartition.

Exemple 3 : On lance un dé et on recommence indéfiniment. Soit X le rang d’ap-

parition du premier 6 (par exemple [X = 5] ="on obtient 6 pour la première fois au 5e
lancer"). Déterminer la loi de X.

Le support de X est ici {1, 2, 3, . . .} = N∗ . En toute rigueur il faudrait ici remarquer

que X n’est pas nécessairement défini en envisageant le cas où le 6 n’apparaît jamais ;
ou bien rajouter la valeur +∞ au support en définissant l’événement [X = +∞] ="le 6
n’apparaît jamais". Cependant on peut montrer que la probabilité de cet événement est
nulle, et donc qu’il n’y a pas lieu de le prendre en compte.
Pour tout n ≥ 1, notons An l’événement "le ne lancer vaut 6". An ne dépend que du
résultat du ne lancer, et il est clair que les lancers sont des expériences indépendantes. Par
conséquent les An sont des événements indépendants.
• [X = 1] = A1 , donc P (X = 1) = P (A1 ) = 61 ,
• [X = 2] = Ac1 ∩ A2 , donc P (X = 2) = P (Ac1 )P (A2 ) par indépendance. Donc P (X =
2) = 65 × 16 .
 • [X = 3] = Ac1 ∩ Ac2 ∩ A3 donc P (X = 3) = P (Ac1 )P (Ac2 )P (A3 ) grâce à l’indépendance.
Donc P (X = 3) = ( 65 )2 × 61 .
• Plus généralement, on aura [X = n] = Ac1 ∩ Ac2 ∩ · · · ∩ Acn−1 ∩ An , donc P (X = n) =
P (Ac1 )P (Ac2 ) . . . P (Acn−1 )P (An ), toujours grâce à l’indépendance. Ainsi P (X = n) =
( 56 )n−1 61 .
Finalement cette dernière formule est valable pour tout n ≥ 1 ; on a donc ainsi bien
déterminé la loi de X. Cette loi s’appelle la loi géométrique de paramètre 16 .

Définition. On dit qu’une variable aléatoire suit la loi géométrique de paramètre p, où

p est un nombre p ∈ [0, 1] fixé, si le support de X est égal à N∗ et que

P (X = n) = (1 − p)n−1 p.

3.2.2 Quelques lois usuelles

On a déjà défini les lois uniformes et géométriques. Voici quelques autres lois clas-
siques :

Loi de Bernoulli. C’est la loi la plus élémentaire : 0 ou 1.

Définition. Une variable aléatoire X suit la loi de Bernoulli de paramètre p ∈ [0, 1] si

X ∈ {0, 1} et P (X = 1) = p, P (X = 0) = 1 − p. On note X ∼ B(p).

Loi binomiale. C’est la loi du nombre de succès lors de n essais indépendants d’une
même expérience probabiliste. Nous allons la calculer sur un exemple simple.

exemple : On lance n dés et on note X le nombre de fois que l’on obtient 6. Quelle
est la loi de X ?

Cet exemple est simplement la généralisation de l’exemple 2 de la section précédente.

Tout d’abord le support de X est {0, 1, 2, . . . , n}. Notons Ai l’événement "On obtient 6 au
i-ème lancer". Tous ces événements sont indépendants. On a :
[X = 0] = Ac1 ∩ Ac2 ∩ · · · ∩ Acn donc P (X = 0) = P (Ac1 )P (Ac2 ) · · · P (Acn ) = ( 65 )n .
Pour l’événement [X = 1] on peut le décomposer ainsi : [X = 1] = (A1 ∩ Ac2 ∩ · · · ∩
Acn ) ∪ (Ac1 ∩ A2 ∩ · · · ∩ Acn ) ∪ · · · ∪ (Ac1 ∩ Ac2 ∩ · · · ∩ An ), donc

P (X = 1) = P (A1 ∩ Ac2 ∩ · · · ∩ Acn ) + P (Ac1 ∩ A2 ∩ · · · ∩ Acn ) + · · · + P (Ac1 ∩ Ac2 ∩ · · · ∩ An ),

= P (A1 )P (Ac2 ) · · · P (Acn ) + P (Ac1 )P (A2 ) · · · P (Acn ) + · · · + P (Ac1 )P (Ac2 ) · · · P (An ),
1 5 n−1 1 5 n−1 1 5 1 5
= ( ) + ( ) + · · · + ( )n−1 = n ( )n−1 .
6 6 6 6 6 6 6 6
Pour [X = 2] et les suivants, on procède de la même manière, mais il devient compliqué
de l’écrire in-extenso. On voit qu’à chaque fois on décompose l’événement [X = k] en
considérant tous les cas possibles pour les k succès envisagés. Pour chacun de ces cas la
probabilité sera la même : ( 16 )k ( 56 )n−k ; et il reste donc à compter le nombre de ces cas. Il
s’agit de compter le

nombre de choix possibles pour les positions des k succès parmi les n
n n 1 k 5 n−k


essais. Il y en a k . Ainsi P (X = k) = k ( 6 ) ( 6 ) .

Définition. Une variable aléatoire suit la loi binomiale de paramètres n ∈ N et p ∈ [0, 1]

lorsque X ∈ {0, 1, 2, . . . , n} et
 
n k
P (X = k) = p (1 − p)n−k .
k

La loi binomiale de paramètres n et p se note B(n, p).

La figure 3.3 montre des exemples de lois binomiales pour différents paramètres.

Loi de Poisson. La loi de Poisson sera vu plus en détail par la suite. Nous donnons
simplement la définition ici :

Définition. Soit λ ≥ 0. Une variable X suit la loi de Poisson de paramètre λ si pour

tout entier k ≥ 0,
λk
P (X = k) = e−λ .
k!
Le support de X est ici N. La loi de Poisson de paramètre λ est notée P(λ).

3.2.3 Les événements élémentaires [X = x]

1) Les événements [X = x], considérés pour tous les x appartenant au support, forment
une partition de Ω. En effet, X prend nécessairement une et une seule de ces valeurs, ce
qui prouve bien que la réunion des [X = x] est égale à Ω, et que [X = x] ∩ [X = y] = ∅ si
x 6= y. Par conséquent la somme totale des P (X = x) doit toujours être égale à 1, ce qui
s’écrit, en notant S le support de X,
X
P (X = x) = 1.
x∈S

Il faut toujours penser à le vérifier lorsqu’on calcule une loi. Pour les exemples précédents,
on a :
• pour le dé : 61 + 16 + 61 + 16 + 61 + 16 = 1,
• pour l’exemple 2 : 18 + 38 + 38 + 81 = 1,
• pour la loi géométrique :
+∞ +∞
X X 1
(1 − p)n−1 p = p (1 − p)n = p = 1.
n=1 n=0
1 − (1 − p)
Figure 3.3 – lois binomiales (à gauche) et fonctions de répartition FX correspondantes (à
droite) pour différents paramètres : 1e ligne : n = 5, p = 0.4 ; 2e ligne : n = 15, p = 0.6 ; 3e
ligne : n = 10, p = 0.05.
 2) De plus ces événements [X = x] sont les événements élémentaires pour la variable
X, au sens où tout événement relatif à X s’exprime comme une union de ces événements,
et sa probabilité est la somme des P (X = x) correspondants.

exemple : L’événement "le dé tombe sur un nombre pair supérieur à 3" est égal à
[X = 4] ∪ [X = 6] si X est le résultat du dé. Sa probabilité est donc de 16 + 16 = 13 .

exemple : Si X est une variable discrète quelconque, l’événement [X ≤ t] est l’union

des [X = x] pour tous les x appartenant au support de X tels que x ≤ t. On peut ainsi
donner une formule pour la fonction de répartition d’une variable discrète :
X
FX (t) = P (X = x).
x∈S,x≤t

3.3 Variables aléatoires à densité

3.3.1 Exemple introductif
On jette un stylo sur une table, et on note X l’angle entre 0 et π qu’il forme avec le
bord de la table. Quelle est la loi de X ?

L’ensemble des valeurs possibles pour cette variable aléatoire est [0, π]. En suivant l’idée
vue auparavant, on voudrait donc chercher à calculer tous les P (X = α) pour α ∈ [0, π].
En fait on verra que P (X = α) sera toujours égal à 0, ce qui signifie que quelle que soit la
valeur de α, le mikado n’a aucune chance de former exactement l’angle α avec la table. On
est obligé pour donner un sens aux probabilités ici, de considérer des intervalles et non des
valeurs uniques, et de regarder les probabilités que X soit dans ces intervalles. Par exemple
on peut raisonnablement penser ici que P (0 ≤ X ≤ π2 ) = 12 , ou que P ( π4 ≤ X ≤ π2 ) = 14 .
Plus généralement, on peut raisonnablement supposer que la probabilité que X appartienne
à un intervalle [α, β] correspond à la proportion d’angles compris dans cet intervalle, c’est-
à-dire que
β−α
P (α ≤ X ≤ β) = .
π
Ceci permet de caractériser entièrement la variable X car la probabilité de tout événement
lié à X peut se calculer à partir de cette formule.
On va néanmoins ici pouvoir donner une valeur de probabilité associée à un angle α
donné en considérant un petit intervalle [α − ε, α + ε] : on a
(α + ε) − (α + ε) 2ε
P (α − ε ≤ X ≤ α + ε) = = .
π π
On obtient ce qu’on souhaite en prenant la limite pour ε tendant vers 0 de
P (α − ε ≤ X ≤ α + ε)
,
2ε
Figure 3.4 – Graphe d’une densité de probabilité fX . La partie colorée correspond à
P (a ≤ X ≤ b).

c’est-à-dire du rapport entre la probabilité de l’intervalle et la longueur de l’intervalle. Ici

ce rapport vaut π1 , donc sa limite aussi. Cette valeur π1 est appelée densité de X en α.
Inversement, si l’on connaît la densité de X en tout point x ∈ [0, π] on obtiendra une
probabilité du type P (α ≤ X ≤ β) en calculant l’intégrale de cette densité sur l’intervalle
[α, β].

3.3.2 Définition

Une variable aléatoire X est dite à densité lorsqu’il existe une fonction fX : R → R+
telle que
Z b
P (a ≤ X ≤ b) = fX (x)dx pour tous a, b ∈ R, a ≤ b.
a

Cette fonction fX est appelée densité de X.

remarque : on peut prendre a = −∞ ou b = +∞ dans cette formule.

Interprétation graphique : La probabilité P (a ≤ X ≤ b) correspond à l’aire du do-

maine situé sous le graphe de fX entre les abscisses a et b (voir figure 3.4).
Ra
remarque 1 : on a bien P (X = a) = P (a ≤ X ≤ a) = a
fX (x)dx = 0.
R +∞
remarque 2 : −∞
fX (x)dx = P (X ∈ R) = 1. Il faut toujours penser à le vérifier.

remarque 3 : Calculer la loi d’une variable à densité, c’est calculer sa densité.

3.3.3 Loi uniforme sur un intervalle

C’est l’exemple le plus simple de loi à densité.
Figure 3.5 – Graphes de la densité et de la fonction de répartition de la loi uniforme sur
un intervalle [a, b].

Définition. La loi uniforme sur un intervalle [α, β] est la loi de densité

 1
β−α
si x ∈ [α, β],
f (x) =
0 sinon.

On note X ∼ U([α, β]) ("X suit la loi uniforme sur [α, β]").

exemple 1 : Dans le premier exemple, il est raisonnable de supposer que X suit la loi
uniforme sur [0, π]. On aura donc par exemple :
Z π
 π 2 1 1
P X≤ = dx = ,
2 0 π 2
ou encore : Z π
π π 2 1 1
P ≤X≤ = dx = .
4 2 π
4
π 4

3.3.4 Fonction de répartition d’une variable aléatoire à densité

Z x
FX (x) = P (X ≤ x) = fX (t)dt.
−∞

Ainsi FX est une primitive de la fonction densité fX .

exemple : Si X suit la loi uniforme sur [α, β], on a
 1
β−α
si x ∈ [α, β],
fX (x) =
0 sinon,

et donc 
 0 si x ≤ α
x−α
FX (x) = si x ∈ [α, β],
 β−α
1 si x ≥ β
La densité et la fonction de répartition d’une loi uniforme sont représentées sur la figure
3.5.
Figure 3.6 – Graphes de la densité et de la fonction de répartition de la loi exponentielle
pour a = 1 (traits pleins) et a = 0.5 (pointillés).

3.3.5 Loi exponentielle

Soit a > 0 un réel. On dit que X suit la loi exponentielle de paramètre a si elle admet
la densité  −ax
−ax ae si x ≥ 0,
fX (x) = ae 1R+ (x) =
0 sinon.
Sa fonction de répartition est :
Z x
1 − e−ax si x ≥ 0,

FX (x) = fX (t)dt =
−∞ 0 sinon.

La figure 3.6 montre densités et fonctions de répartition de la loi exponentielle pour

deux valeurs différentes du paramètre a.

3.4 Lois quelconques

Une variable aléatoire non discrète n’est pas nécessairement à densité. Voici un exemple
d’une telle situation :

Une machine à remplir les bouteilles est défectueuse : elle verse dans chaque bouteille
(de 75cL) une quantité aléatoire de boisson comprise entre 0 et 1 litre.

On peut définir deux variables aléatoires liées à cette expérience : X la quantité de

boisson versée par la machine, et Y la quantité de boisson contenue dans la bouteille. On
a en fait les relations 
Y = X si X ≤ 0.75
Y = 0.75 si X > 0.75
En l’absence d’autre précision, on peut considérer que X suit une loi uniforme sur [0, 1].
Il s’agit donc bien d’une loi à densité. En revanche Y n’est pas une variable discrète (ses
Figure 3.7 – exemple de la machine à remplir les bouteilles : graphe de la fonction de
répartition de la loi de Y .

valeurs possibles correspondent à l’intervalle [0, 0.75]), et n’est pas non plus une variable
à densité car P (Y = 0.75) = P (X > 0.75) = 0.25 6= 0. On dit que la loi de Y possède un
atome en x = 0.75.
On peut calculer facilement la fonction de répartition de Y :

 0 si t ≤ 0,
FY (t) = t si 0 < t < 0.75,
1 si t ≥ 0.75.


Cette fonction est représentée sur la figure 3.7

3.5 Espérance et variance d’une variable aléatoire

3.5.1 Quelques rappels sur les sommes, séries et intégrales
Convergence absolue.
+∞
X N
X
Une série an est dite convergente si les sommes an convergent lorsque N tend
n=0 n=0
+∞
X N
X
vers +∞, et on note alors an = lim an .
N →+∞
n=0 n=0
+∞
X +∞
X
Une série an est dite absolument convergente lorsque |an | est une série
n=0 n=0
+∞
X
convergente. Dans ce cas an est convergente, et de plus il est permis de sommer les
n=0
+∞
X
termes an dans n’importe quel ordre : an = a0 + a1 + a2 + a4 + · · · = a3 + a10 + a8 +
n=0
a5 + a4 + a7 + · · · (on somme tous les an mais dans un ordre différent). Pour bien mettre
 X
en valeur cette propriété, on pourra noter cette somme an : somme des an pour tous
n∈N
les n ∈ N, quel que soit l’ordre d’énumération.
Rb
De la même manière une intégrale a f (x)dx est dite absolument convergente lorsque
Rb
a
|f (x)|dx est une intégrale convergente.

En probabilités on ne s’intéressera qu’aux séries et intégrales absolument convergentes.

Quelques techniques de calcul.

P
• L’indice utilisé dans une notation est "muet", c’est-à-dire qu’il n’a pas d’existence
en dehors de cette somme. On peut donc le remplacer par n’importe quelle autre
lettre :
Xn X n Xn
ak = ai = aj .
k=1 i=1 j=1

• Décalage d’indices :
n−1
X n
X
ai+1 = ak (en posant k=i+1)
i=0 k=1
n
X
= ai (puisque l’indice est "muet")
i=1

Pour une série on aura de même

+∞
X +∞
X
ai+1 = ai .
i=0 i=1

n
X n
X
• Factorisation : xai = x ai
i=0 i=0
• Série géométrique :
n
X 1 − xn+1
xi = si x 6= 1.
i=0
1−x
+∞
X 1
xn = si |x| < 1.
n=0
1−x
Par exemple,
n n−3 n−3
X X X 1 − xn−2
xi = xi+3 = x3 xi = x3 .
i=3 i=0 i=0
1−x
 • Séries entières : Dans certains cas on peut obtenir un développement en série entière
d’une fonction f (x) :
+∞
X
f (x) = an x n .
n=0

Par exemple
+∞
1 X
= xn pour x ∈] − 1, 1[,
1 − x n=0
+∞ n
x
X x
e = pour tout x ∈ R.
n=0
n!
On a alors le droit de dériver la série entière :
+∞
X +∞
X
0 n−1
f (x) = nan x = (n + 1)an+1 xn .
n=1 n=0

Cette propriété est très utile pour les calculs d’espérance et de variance.

3.5.2 Définitions
Espérance
L’espérance d’une variable aléatoire X est la moyenne des valeurs prises par la variable,
pondérées par leurs probabilités. On la note E(X). Avant de voir des définitions plus
précises, voyons un exemple :
exemple : On lance un dé. Si on obtient 6 on reçoit 8 euros ; sinon on perd 2 euros.
On note G le gain obtenu. Quelle est l’espérance de ce gain ?

5
La loi de G est très simple : G ∈ {−2, 8}, et on a P (G = −2) = 6
et P (G = 8) = 16 . La
moyenne pondérée des gains est donc
5 1 1
E(G) = (−2) × + 8 × = − = −0.33.
6 6 3
Cette espérance est négative, ce qui signifie que le jeu est plutôt défavorable.
On verra plus tard que l’espérance correspond aussi à l’idée de valeur moyenne obte-
nue lorsqu’on répète un grand nombre de fois la même expérience : intuitivement, dans
l’exemple précédent, si on joue à ce jeu un grand nombre n de fois, on perdra environ n × 13
euros.

Définition. L’espérance d’une variable discrète X de support S(X) est :

X
E(X) = xP (X = x),
x∈S(X)
lorsque cette somme est bien définie.

Lorsque le support est infini, cette somme est une série infinie ; il peut donc arriver
qu’elle ne soit pas absolument convergente : l’espérance n’est alors pas définie.

Définition. L’espérance d’une variable aléatoire X de densité f sur R est :

Z
E(X) = xf (x)dx,
R

lorsque cette intégrale est bien définie.

Ici encore cette intégrale peut ne pas être absolument convergente ; dans ce cas l’espé-
rance n’est pas définie.

Quelques propriétés de l’espérance.

• L’espérance est une fonction linéaire : si a, b sont des réels, et X, Y des variables
aléatoires,
E(aX+bY)=aE(X)+bE(Y) .
En particulier E(X + Y ) = E(X) + E(Y ), et E(X − Y ) = E(X) − E(Y ).
Attention : La loi de X + Y ne se calcule pas en faisant la somme des lois de X et
de Y (ce qui n’aurait aucun sens).
• Si a ∈ R, E(a) = a puisque a est non aléatoire : autrement dit, a s’interprète comme
une variable aléatoire prenant la valeur a avec probabilité 1.
• Soient X une variable aléatoire, et g : R → R une fonction quelconque. L’espérance
de g(X) se calcule ainsi :
X
E(g(X)) = g(x)P (X = x) si X est une variable discrète,
x∈S(X)

Z
E(g(X)) = g(x)fX (x)dx si X est une variable à densité.
R

Ici encore ces sommes ou ces intégrales peuvent ne pas être absolument convergentes.
Par exemple il se peut très bien que E(g(X)) n’existe pas alors que E(X) existe.

Variance
La variance permet de mesurer l’écart des valeurs de la variable par rapport à l’espé-
rance :

Définition. La variance d’une variable aléatoire X est

V (X) = E((X − E(X))2 ) = E(X 2 ) − E(X)2 .

 Montrons que cette dernière égalité est vraie : on a

E((X − E(X))2 ) = E(X 2 + E(X)2 − 2XE(X)) = E(X 2 ) + E(E(X)) − 2E(XE(X)),

par la propriété de linéarité. A présent E(X) est un nombre réel ; on peut donc écrire
E(E(X)) = E(X), et E(XE(X)) = E(X)E(X) = E(X)2 . Ainsi

E((X − E(X))2 ) = E(X 2 ) + E(X) − 2E(X)2 = E(X 2 ) − E(X)2 .

La variance est un nombre positif qui peut être infini, même lorsque l’espérance est
définie.

Définition. L’ écart-type d’une variable aléatoire X est la racine carrée de sa variance :

p
σ(X) = V (X).

3.5.3 Exemples de calculs

Espérance et variance d’une variable géométrique
Une variable X de loi géométrique de paramètre p ∈ [0, 1] a pour loi :

P (X = n) = (1 − p)n−1 p pour n ≥ 1.

Calculons E(X) :
X
E(X) = nP (X = n)
n≥1
X
= n(1 − p)n−1 p
n≥1
X
= p n(1 − p)n−1 .
n≥1

X X X 1
Notons f (x) = nxn−1 . f (x) est la dérivée de xn = xn − x0 = − 1, donc
n≥1 n≥1 n≥0
1−x
1

0 1
f (x) = 1−x
−1 = (1−x)2
. Ainsi

1 1
E(X) = pf (1 − p) = p 2
= .
p p

1
E(X) =
p
 Calculons V (X) :

V (X) = E(X 2 ) − E(X)2

X 1
= n2 P (X = n) − 2
n≥1
p
X 1
= p n2 (1 − p)n−1 − 2 .
n≥1
p
X
Notons f (x) = n2 xn−1 . On a
n≥1

X X
f (x) = n(n + 1)xn−1 − nxn−1
n≥1 n≥1
!00 !0
X X
= xn+1 − xn
n≥1 n≥1
!00 !0
X X
= xn − xn
n≥2 n≥1
 00  0
1 1
= −1−x − −1
1−x 1−x
2 1
= 3
− ,
(1 − x) (1 − x)2

et donc
 
1 2 1 1 1 1
V (X) = pf (1 − p) − 2 = p − − = − .
p p3 p2 p2 p2 p

1−p
V (X) =
p2

Espérance et variance d’une variable binomiale

Une variable X de loi binomiale de paramètres n ∈ N et p ∈ [0, 1] a pour loi :
 
n k
P (X = k) = p (1 − p)n−k pour 0 ≤ k ≤ n.
k

Calculons E(X) :
n n  
X X n k
E(X) = kP (X = k) = k p (1 − p)n−k .
k=0 k=0
k
Tout d’abord le terme k = 0 de cette somme est nul, donc
n  
X n k
E(X) = k p (1 − p)n−k .
k=1
k
De plus pour k ≥ 1,
 
n n! n! (n − 1)!
k = k = =n
k k!(n − k)! (k − 1)!(n − k)! (k − 1)!(n − k)!
(n − 1)!
= n
(k − 1)!((n − 1) − (k − 1))!
 
n−1
= n .
k−1
Ainsi
n   n  
X n−1 k n−k
X n−1 k
E(X) = n p (1 − p) = n p (1 − p)n−k
k=1
k − 1 k=1
k − 1
n−1 
X n−1  n−1  
k+1 n−(k+1)
X n−1 k
= n p (1 − p) = np p (1 − p)n−(k+1)
k=0
k k=0
k
n−1  
X n−1 k
= np p (1 − p)(n−1)−k = np(p + (1 − p))n−1 .
k=0
k

E(X) = np
Calculons V (X) :
V (X) = E(X 2 ) − E(X)2 = E(X 2 ) − n2 p2 .
n n   n  
2
X
2
X n k
2 n−k
X
2 n
E(X ) = k P (X = k) = k p (1 − p) = k pk (1 − p)n−k
k=0 k=0
k k=1
k
n   n  
X n k X n k
= k(k − 1) p (1 − p)n−k + k p (1 − p)n−k
k=1
k k=1
k
n   n  
X n k n−k
X n k
= k(k − 1) p (1 − p) + k p (1 − p)n−k .
k=2
k k=1
k
Le deuxième terme est égal à E(X), donc à np. De plus pour k ≥ 2,
n! n!
k(k − 1) =
(k!(n − k)! (k − 2)!(n − k)!
(n − 2)!
= n(n − 1)
(k − 2)!((n − 2) − (k − 2)!
 
n−2
= n(n − 1) .
k−2
Ainsi
n  
2
X n−2 k
E(X ) = n(n − 1) p (1 − p)n−k + np
k=2
k − 2
n−2
X n − 2
= n(n − 1) pk+2 (1 − p)n−k−2 + np
k=0
k
n−2  
2
X n−2 k
= n(n − 1)p p (1 − p)n−2−k + np
k=0
k
= n(n − 1)p2 (p + (1 − p))n−2 = n(n − 1)p2 + np.

Finalement,

V (X) = E(X 2 ) − np = n(n − 1)p2 + np − n2 p2 .

V (X) = np(1 − p)

Espérance et variance d’une variable de loi exponentielle

Soit X une variable aléatoire de loi exponentielle de paramètre a > 0. X admet la
densité  −ax
−ax ae si x ≥ 0,
fX (x) = ae 1R+ = .
0 sinon.
Calculons E(X) :
Z Z +∞
E(X) = xfX (x)dx = xae−ax dx.
R 0

On fait une intégration par parties avec u = x, u0 = 1 et v 0 = ae−ax , v = −e−ax :

Z +∞
−ax +∞
(−e−ax )dx
 
E(X) = x(−e ) 0 −
0
Z +∞  +∞
−ax 1 −ax 1
= 0+ e dx = − e = .
0 a 0 a

1
E(X) =
a

Calculons V (X) :
Z Z +∞
1 1
2
V (X) = E(X ) − E(X) = 2
x fX (x)dx − 2 =2
x2 ae−ax dx − .
R a 0 a2
On pose u = x2 , u0 = 2x et v 0 = ae−ax , v = −e−ax :
Z +∞
−ax +∞ 1
2x(−e−ax )dx − 2
 2 
V (X) = x (−e ) 0 −
0 a
Z +∞
1
= 0+2 xe−ax dx − 2
0 a
 +∞ Z +∞
1 1 1
= 2 x(− e−ax ) −2 (− e−ax )dx − 2
a 0 0 a a
Z +∞
2 1
= 0+ e−ax dx − 2
a 0 a
 +∞
2 1 1
= − e−ax − 2
a a 0 a
21 1 1
= − 2 = 2.
aa a a
1
V (X) =
a2

3.6 Variables aléatoires indépendantes

C’est sans doute la notion la plus utilisée en probabilités et statistiques.
Définition. Deux variables aléatoires X et Y sont dites indépendantes lorsque tout
événement [X ∈ I] avec I ⊂ R est indépendant de tout événement [Y ∈ J] avec J ⊂ R.
Autrement dit , ∀I, J ⊂ R,
P (X ∈ I, Y ∈ J) = P (X ∈ I)P (Y ∈ J).
On note parfois X ⊥
⊥ Y . ("X indépendant de Y ").
En pratique, c’est souvent l’intuition qui permet de décider si deux variables sont in-
dépendantes. On peut alors utiliser la définition comme une propriété : tout événement
relatif à une des deux variables sera indépendant de tout événement relatif à l’autre.

exemple : On lance deux dés. Soit X le résultat du premier et Y le résultat du second.

Alors X et Y sont indépendantes.

On généralise facilement cette définition à un nombre quelconque, voire une infinité, de

variables aléatoires :
Définition. Des variables aléatoires X1 , X2 , X3 , . . . sont indépendantes (ou mutuelle-
ment indépendantes) si pour tous sous-ensembles I1 , I2 , I3 , . . . de R, les événements [Xi ∈
Ii ] sont indépendants. Soit encore : pour tous I1 , I2 , I3 , . . . ⊂ R,
P (X1 ∈ I1 , X2 ∈ I2 , . . . , Xn ∈ In ) = P (X1 ∈ I1 )P (X2 ∈ I2 ) · · · P (Xn ∈ In ).
3.7 Exemples de calculs de lois utilisant l’indépendance
3.7.1 Somme de variables indépendantes
exemple 1 : On lance deux dés. Calculer la loi de la somme S des résultats obtenus.

S ∈ {2, 3, 4, . . . , 12}. Si on note X et Y les résultats des deux dés, X et Y sont des
variables aléatoires indépendantes, de même loi uniforme sur {1, 2, . . . , 6} : P (X = i) =
P (Y = i) = 61 .
1
[S = 2] = [X = 1] ∩ [Y = 1] donc P (S = 2) = P (X = 1)P (Y = 1) = 36 .
[S = 3] = ([X = 1] ∩ [Y = 2]) ∪ ([X = 2] ∩ [Y = 1]) donc P (S = 3) = P (X = 1)P (Y =
2
2) + P (X = 2)P (Y = 1) = 36 .
[S = 4] = ([X = 1] ∩ [Y = 3]) ∪ ([X = 2] ∩ [Y = 2]) ∪ ([X = 3] ∩ [Y = 1]) donc
3
P (S = 4) = P (X = 1)P (Y = 3) + P (X = 2)P (Y = 2) + P (X = 3)P (Y = 1) = 36 .
Ainsi de suite. On voit donc que pour chaque valeur possible de la somme S, la proba-
bilité correspondante s’obtient en comptant le nombre de façons différentes d’obtenir cette
somme avec les deux résultats. On aboutit ainsi à la loi suivante :

x 2 3 4 5 6 7 8 9 10 11 12
1 2 3 4 5 6 5 4 3 2 1
P (X = x)
36 36 36 36 36 36 36 36 36 36 36

exemple 2 : Soient X une variable de loi de Poisson P(λ) et Y de loi de Poisson

P(µ). On suppose X et Y indépendantes. Calculer la loi de Z = X + Y .

Les trois variables X, Y, Z sont à valeurs dans N. Calculons P (Z = n) pour tout n ∈ N :

on va décomposer l’événement [Z = n] ainsi :

[Z = n] = [Z = n, X = 0] ∪ [Z = n, X = 1] ∪ [Z = n, X = 2] ∪ · · · .

Cette union est disjointe, donc on peut additionner les probabilités :

P (Z = n) = P (Z = n, X = 0) + P (Z = n, X = 1) + P (Z = n, X = 2) + · · ·
X
= P (Z = n, X = k).
k≥0

Or

P (Z = n, X = k) = P (X + Y = n, X = k)
= P (k + Y = n, X = k)
= P (Y = n − k, X = k)
= P (Y = n − k)P (X = k),
grâce à l’indépendance de X et Y .
k
Or X ∼ P(λ) et Y ∼ P(µ) donc P (X = k) = e−λ λk! si k ≥ 0 (et P (X = k) = 0 sinon),
µn−k
et P (Y = n − k) = e−µ (n−k)! si n − k ≥ 0, soit k ≥ n (et P (Y = n − k) = 0 sinon). Ainsi
on voit que P (X = k)P (Y = n − k) est non nul seulement si 0 ≤ k ≤ n, et donc la somme
sur k s’arrête en fait à k = n :
n
X X λk −µ µn−k
P (Z = n) = P (Z = n, X = k) = e−λ e
k≥0 k=0
k! (n − k)!
n
X 1
= e−λ−µ λk µn−k
k=0
k!(n − k)!
n
−(λ+µ)1 X n!
= e λk µn−k
n! k=0 k!(n − k)!
n  
−(λ+µ) 1 n k n−k
X
= e λ µ
n! k=0 k
(λ + µ)n
= e−(λ+µ) .
n!
Ceci correspond à la formule de la loi de Poisson de paramètre λ + µ. Ainsi la loi de X + Y
est la loi de Poisson de paramètre λ + µ.

Le principe de calcul qui vient d’être vu dans ces deux exemples se généralise : il s’agit
de calculer la loi de la somme de deux variables discrètes indépendantes :
Proposition. Soient X et Y deux variables discrètes indépendantes, et Z = X + Y . Alors
la loi de Z se calcule à partir de celles de X et Y via la formule : pour tout z ∈ S(Z),
X
P (Z = z) = P (X = x)P (Y = z − x).
x∈S(X)

Dans le cas de variables à densité, il existe une formule similaire, en remplaçant la

somme par une intégrale :
Proposition. Soient X et Y deux variables indépendantes admettant des densités fX et
fY , et Z = X + Y . Alors Z est une variable à densité et fZ se calcule à partir de fX et fY
via la formule : pour tout z ∈ R,
Z
fZ (z) = fX (x)fY (z − x)dx.
R

On dit que fZ est le produit de convolution de fX et fY .

Voyons deux exemples d’utilisation de cette formule :
Figure 3.8 – Densité de la somme de 2 variables indépendantes exponentielles de même
paramètre a = 0.5

exemple 3 :Soient X et Y deux variables indépendantes de lois exponentielles de pa-

ramètre a. Calculer la loi de Z = X + Y .

On a fX (x) = fY (x) = ae−ax si x ≥ 0, 0 sinon. La formule donne :

Z
fZ (z) = fX (x)fY (z − x)dx.
R

Or fX (x)fY (z − x) vaut ae−ax ae−a(z−x) lorsque x ≥ 0 et z − x ≥ 0, soit x ≥ 0 et x ≤ z,

soit encore x ∈ [0, +∞] ∩ [−∞, z]. Sinon fX (x)fY (z − x) vaut 0. On a deux cas :
• Si z < 0 alors [0, +∞] ∩ [−∞, z] = ∅ donc fZ (z) = 0
• Si z ≥ 0 alors [0, +∞] ∩ [−∞, z] = [0, z], donc
Z z Z z
−ax −a(z−x)
fZ (z) = ae ae dx = a2
e−ax−az+ax dx
0 0
Z z Z z
−az 2 −az
= a 2
e dx = a e 1dx = a2 ze−az .
0 0

Ainsi la densité de Z est fZ (z) = a2 ze−az si z ≥ 0, 0 sinon. Cette fonction est représentée
sur la figure 3.8 dans le cas a = 0.5.

exemple 4 :Soient X et Y deux variables indépendantes de lois uniformes sur [0, 1]

Calculer la loi de Z = X + Y .

X et Y sont des variables à densité et fX (x) = fY (x) = 1 si 0 ≤ x ≤ 1, 0 sinon. Z est

donc une variable à densité d’après la proposition et sa densité est donnée par
Z
fZ (z) = fX (x)fY (z − x)dx.
R
Figure 3.9 – à gauche : densité de la loi uniforme sur [0, 1]. A droite : densité de la somme
de deux variables indépendantes de lois uniformes sur [0, 1].

Or fX (x)fY (z−x) vaut 1 lorsque 0 ≤ x ≤ 1 et 0 ≤ z−x ≤ 1, soit 0 ≤ x ≤ 1 et z−1 ≤ x ≤ z,

soit encore x ∈ [0, 1] ∩ [z − 1, z]. fX (x) = 0 sinon. L’intersection [0, 1] ∩ [z − 1, z] est parfois
vide. On a en fait plusieurs cas :
• Si z < 0 alors l’intersection est vide donc fZ (z) = 0. Rz
• Si 0 ≤ z < 1 alors [0, 1] ∩ [z − 1, z] = [0, z] donc fZ (z) = 0 1dx = z.
R1
• Si 1 ≤ z ≤ 2 alors [0, 1] ∩ [z − 1, z] = [z − 1, 1] donc fZ (z) = z−1 1dx = 1 − (z − 1) =
2 − z.
• Si z ≥ 2 alors l’intersection est vide donc fZ (z) = 0.
Le graphe de fZ est représenté sur la figure 3.9.

3.7.2 Maximum ou minimum de variables indépendantes

exemple 3 :Un planeur tombe dans un grand lac, que l’on suppose de taille carrée, de
côté 10km. Le planeur dispose de feux de détresse pour signaler sa position, mais leur portée
est de 4 km maximum. On voudrait évaluer la probabilité qu’il soit vu de la côte. On repère
la position du planeur par des coordonnées X et Y (avec 0 ≤ X ≤ 10 et 0 ≤ Y ≤ 10). On
suppose que les variables X et Y sont indépendantes et de même loi uniforme sur [0, 10],
ce qui signifie intuitivement que la planeur a la même probabilité de se retrouver en tel ou
tel endroit du lac. On note D la distance du planeur au bord du lac.
1. Calculer la loi de D.
2. Calculer P (D ≤ 4).
1) La distance au bord du lac est le minimum des distances aux quatre côtés du lac,
qui sont égales à X, Y, 10 − X, 10 − Y : ainsi,

D = min{X, 10 − X, Y, 10 − Y }.

Le support de D est [0, 5]. Pour calculer la loi de D nous allons déterminer sa fonction de
 Figure 3.10 – Exemple 3 : position du planeur dans le lac

répartition : soit t ∈ [0, 5] :

FD (t) = P (D ≤ t)
= P (X ≤ t ou 10 − X ≤ t ou Y ≤ t ou 10 − Y ≤ t)
= P ([X ≤ t] ∪ [10 − X ≤ t] ∪ [Y ≤ t] ∪ [10 − Y ≤ t])
= P ([X ≤ t] ∪ [X ≥ 10 − t] ∪ [Y ≤ t] ∪ [Y ≥ 10 − t])
= 1 − P ([X > t] ∩ [X < 10 − t] ∩ [Y > t] ∩ [Y < 10 − t])
= 1 − P ([t < X < 10 − t] ∩ [t < Y < 10 − t]).

L’indépendance de X et Y permet alors d’écrire :

FD (t) = 1 − P (t < X < 10 − t)P (t < Y < 10 − t).

Ces probabilités se calculent à partir de la densité de la loi uniforme sur [0, 10] :
Z 10−t  Z 10−t 
1 1
FD (t) = 1 − du du
t 10 t 10
(10 − t) − t (10 − t) − t (10 − 2t)2 100 + 4t2 − 40t 4t(10 − t)
= 1− =1− =1− = .
10 10 100 100 100
On a ainsi calculé FD (t) pour 0 ≤ t ≤ 5. A présent si t < 0, FD (t) = P (D ≤ t) = 0, et si
t > 5, FD (t) = P (D ≤ t) = 1. Pour résumer, la fonction FD (t) est donnée par :

 0 si t < 0
4t(10−t)
FD (t) = si 0 ≤ t ≤ 5
 100
1 si t > 5

Cette fonction est représentée sur la figure 3.11 à gauche.

 Figure 3.11 – exemple du planeur : fonction de répartition et densité de D

A présent pour calculer la densité de D il suffit de dériver cette fonction :


 0 si t < 0
0 4(10−2t)
fD (t) = FD (t) = si 0 ≤ t ≤ 5
 100
1 si t > 5.

Cette fonction est représentée sur la figure 3.11 à droite.

4∗4∗(10−4)
2) P (D ≤ 4) = FD (4) = 100
= 96%
Chapitre 4

Lois jointes, lois conditionnelles.

On s’intéresse dans ce chapitre au calculs de probabilités d’événements faisant inter-

venir plusieurs variables aléatoires qui ne sont pas nécessairement indépendantes. L’idée
fondamentale est qu’il ne suffit pas de connaître les lois de toutes les variables pour calculer
de telles probabilités.

Exemple : A titre d’exemple, présentons trois expériences similaires : Dans les trois
expériences on dispose d’un grand nombre de billes, de deux sacs notés A et B, vides au
départ, et d’une pièce de monnaie.
• première expérience : On lance 10 fois successivement la pièce de monnaie ; à chaque
fois, si la pièce tombe sur face, on met une bille dans le sac A, sinon on met une bille
dans le sac B.
• deuxième expérience : On lance 10 fois successivement la pièce de monnaie ; à chaque
fois, si la pièce tombe sur face, on met une bille dans le sac A et une bille dans le sac
B, sinon on ne fait rien.
• troisième expérience : On lance 10 fois successivement la pièce de monnaie ; à chaque
fois, si la pièce tombe sur face, on met une bille dans le sac A, sinon on ne fait rien.
Puis on relance 10 fois la pièce et à chaque fois, si la pièce tombe sur face, on met
une bille dans le sac B, sinon on ne fait rien.
Notons X le nombre de billes contenues dans le sac A à la fin de l’expérience, Y le nombre
de billes dans le sac B, et Z le nombre de billes total dans les deux sacs. On a donc
toujours Z = X + Y . Il est facile de voir que quelle que soit l’expérience, X et Y suivent
toutes les deux la loi binomiale de paramètres n = 10 et p = 0.5. En effet chaque sac
contient au plus 10 billes et le nombre de billes correspond au nombre de succès lors de
10 lancers successifs indépendants, avec probabilité de succès 0.5. Par contre la loi de
Z n’est pas la même dans les trois expériences. En effet dans la premières expérience
on a forcément Z = 10 : on a placé 10 billes en tout. Dans la deuxième expérience, le
nombre de billes dans B est égal au nombre de billes dans A, autrement dit Y = X, et
donc Z = 2X. Les valeurs possibles
dek Z sont donc 0, 2, 4, . . .
, 20, et sa loi est donnée
par P (Z = 2k) = P (X = k) = 20 k
0.5 (1 − 0.5)20−k
= 0.520 20 k
. Enfin dans la troisème
expérience on peut voir que X et Y sont indépendantes et que la loi de Z est la loi binomiale

51
de paramètres n = 20 et p = 0.5 (on fait 20 lancers de dé en tout, et on place une bille
dans un des deux sacs à chaque fois qu’on tombe sur face).
Cet exemple montre que la loi d’une somme Z = X + Y ne dépend pas uniquement
des lois des deux variables X et Y . En fait lorsqu’une variable ou un événement dépend
du résultat de deux variables X et Y discrètes, il faut pour faire des calculs connaître les
probabilités P ([X = x] ∩ [Y = y]) pour toutes les valeurs possibles de X et Y , et ces
probabilités ne se déduisent pas des probabilités P (X = x) et P (Y = y) à moins que les
variables soient indépendantes. Ces probabilités P ([X = x] ∩ [Y = y]) forment ce qu’on
appelle la loi jointe de X et Y , ou encore la loi du couple (X, Y ).

4.1 Couples, triplets, vecteurs aléatoires

Définition. Un couple aléatoire est un couple (X, Y ) où X et Y sont des variables
aléatoires. De même on parle de triplet aléatoire (X, Y, Z) si on considère trois variables
X, Y, Z, et plus généralement de vecteur aléatoire, ou n-uplet aléatoire (X1 , X2 , . . . , Xn ),
en considérant n variables X1 , X2 , . . . , Xn .

Définition. Le support d’un couple aléatoire (X, Y ) est l’ensemble des valeurs prises
par (X, Y ), c’est-à-dire l’ensemble des couples de valeurs prises par X et Y . On le note
S(X, Y ), et il est donc égal à S(X) × S(Y ).

exemples :
• Si X et Y correspondent à des lancers de dés, on a S(X) = S(Y ) = {1, 2, 3, 4, 5, 6} et
S(X, Y ) = {(x, y), x, y ∈ {1, 2, 3, 4, 5, 6}} = {1, 2, 3, 4, 5, 6} × {1, 2, 3, 4, 5, 6}, ce qui
se note aussi {1, 2, 3, 4, 5, 6}2 . Le cardinal de S(X, Y ) (nombre de valeurs prises par
(X, Y )) est donc 62 = 36.
• Avec 10 lancers de dé, on obtient 10 variables X1 , . . . , X10 , et donc un vecteur aléa-
toire (X1 , . . . , X10 ). Le support de ce vecteur est l’ensemble S((X1 , . . . , X10 )) =
{1, 2, 3, 4, 5, 6}10 , et donc Card(S((X1 , . . . , X10 ))) = 610 , soit environ 60 millions de
valeurs possibles.

4.2 Loi jointe d’un couple de variables discrètes

Définition. La loi d’un couple (X, Y ) de variables discrètes est l’ensemble des probabi-
lités P ((X, Y ) = (x, y) = P (X = x et Y = y) (souvent noté P (X = x, Y = y)) pour tous
les couples (x, y) ∈ S(X, Y ), c’est-à-dire pour tous les x ∈ S(X) et y ∈ S(Y ).

On peut présenter cette loi sous forme d’un tableau :

 H
HH y
y1 ··· yk ··· Total (loi de X)
x H HH
x1 P (X = x1 , Y = y1 ) ··· P (X = x1 , Y = yk ) ··· P (X = x1 )
.. .. ... .. ..
. . . .
xn P (X = xn , Y = y1 ) · · · P (X = xn , Y = yk ) · · · P (X = xn )
.. .. .. .. ..
. . . . .
Total (loi de Y ) P (Y = y1 ) ··· P (Y = yk ) ···

En faisant les additions de chaque ligne et de chaque colonne, on obtient les lois de X
et de Y . On a en fait les formules : pour tout x ∈ S(X),
X
P (X = x) = P (X = x, Y = y),
y∈S(Y )

qui vient du fait que l’événement [X = x] est l’union disjointe des événements [X =
x] ∩ [Y = y] pour tous les y ∈ S(Y ). De même pour tout y ∈ S(Y ),
X
P (Y = y) = P (X = x, Y = y).
x∈S(X)

On appelle les lois de X et de Y les lois marginales du couple (X, Y ) (puisqu’on les
lit à la "marge" du tableau). Souvent on les appelle aussi lois marginales de X et de Y , ce
qui n’est pas logique (mais usuel).

En général on ne peut pas retrouver la loi du couple (X, Y ) à partir des lois marginales.
En revanche, si X et Y sont des variables indépendantes, alors on déduit la loi du couple
des lois marginales : P (X = x, Y = y) = P (X = x)P (Y = y).

exemple : On reprend l’exemple des deux sacs A et B. Les trois tableaux suivants
correspondent aux trois cas proposés plus haut pour la loi du couple (XA , XB ) (mais il y
a une infinité d’autres possibilités) :

HHxB HHxB HHxB

HH HH HH
0 1 0 1 0 1
xA HH xA HH xA HH
0 0.25 0.25 0.5 0 0 0.5 0.5 0 0.5 0 0.5
1 0.25 0.25 0.5 1 0.5 0 0.5 1 0 0.5 0.5
0.5 0.5 0.5 0.5 0.5 0.5

4.2.1 Formule de calcul d’une espérance

Lorsque l’on connait la loi d’un couple de variables il est possible de calculer l’espérance
d’une fonction réelle f de ces deux variables. La formule pour des variables discrètes est :
X X
E(f (X, Y )) = f (x, y)P (X = x, Y = y).
x∈S(X) y∈S(Y )
4.3 Loi d’un vecteur de variables discrètes
La loi d’un vecteur (X1 , X2 , . . . , Xn ) de variables discrètes est donnée par les probabilités
P (X1 = x1 , X2 = x2 , . . . , Xn = xn ) pour tous les x1 ∈ S(X1 ), x2 ∈ S(X2 ),... xn ∈ S(Xn ).
Ces valeurs pourraient se placer dans un tableau à n dimensions (si on pouvait le dessiner !)
de même type que celui obtenu pour un couple (X, Y ).

4.4 Loi conditionnelle d’une variable

4.4.1 Conditionnement par rapport à un événement
Définition. Soit X une variable et A un événement tel que P (A) 6= 0. La loi condition-
nelle de X sachant A est la loi de X dans la situation où A est réalisé. Si X est une
variable discrète, la loi de X sachant A est donnée par les probabilités P (X = x|A) pour
tous les x ∈ S(X).

Définition. L’espérance conditionnelle de X sachant A est l’espérance de X dans la

situation où A est réalisé. On la note E(X|A) Dans le cas où X est une variable discrète,
on a X
E(X|A) = xP (X = x|A).
x∈S(X)

4.4.2 Conditionnement par rapport à une autre variable

Soient X et Y deux variables discrètes. Pour tout y ∈ S(Y ) tel que P (Y = y) 6= 0, on
peut considérer la loi de X sachant [Y = y], donnée par les valeurs P (X = x|Y = y) pour
tous les x ∈ S(X). L’espérance conditionnelle de X sachant [Y = y] est donc
X
E(X|Y = y) = xP (X = x|Y = y).
x∈S(X)

Lien avec les lois jointes : On a P (X = x|Y = y) = P (X=x,Y =y)

P (Y =y)
. D plus, la formule
des probabilités totales donne :
X
P (X = x) = P (X = x|Y = y)P (Y = y).
y∈S(Y )

Espérance conditionnelle de X sachant Y . On a défini E(X|Y = y) pour tout y ∈

S(Y ). Si maintenant on note ψ(y) = E(X|Y = y), alors on peut définir E(X|Y ) = ψ(Y ) :
c’est l’espérance conditionnelle de X sachant Y . Autrement dit, E(X|Y ) est la variable
aléatoire telle que pour tout y ∈ S(Y ), E(X|Y ) = E(X|Y = y) lorsque Y = y. Il faut faire
très attention ici car E(X|Y ) est une variable aléatoire et non un nombre, à la différence
de E(X).

Formule de l’espérance totale :

E(E(X|Y )) = E(X).
L’intérêt de cette formule est que dans certaines situations, l’espérance de E(X|Y ) est plus
simple à calculer que celle de X.

4.5 Covariance et corrélation

Définition. Soient X et Y deux variables aléatoires dont les variances sont définies. La
covariance de X et Y est
Cov(X, Y ) = E(XY ) − E(X)E(Y ) = E((X − E(X))(Y − E(Y ))).
La covariance est une mesure incomplète de l’indépendance de deux variables. En effet
on a la résultat suivant :
Proposition. Soient X et Y deux variables indépendantes. Alors Cov(X, Y ) = 0.
Preuve. On fait la preuve pour des variables discrètes. Pour calculer E(XY ), on utilise
la loi du couple (X, Y ) : on fait la somme, pour tous les couples (x, y) de valeurs possibles,
de xy multiplié par la probabilité que le couple prenne cette valeur :
X
E(XY ) = xyP (X = x, Y = y),
(x,y)∈S(X,Y )
X
= xyP (X = x, Y = y),
x∈S(X),y∈S(Y )
X X
= xyP (X = x, Y = y),
x∈S(X) y∈S(Y )
X X
= xyP (X = x)P (Y = y) car X et Y sont indépendantes,
x∈S(X) y∈S(Y )
X X
= ( xP (X = x))( yP (Y = y))
x∈S(X) y∈S(Y )

= E(X)E(Y ).

Attention : La réciproque de la proposition est fausse en général : cov(X, Y ) = 0
n’implique pas que X et Y sont indépendantes.
Proposition. Pour toutes variables aléatoires X et Y ,
|Cov(X, Y )| ≤ σ(X)σ(Y ).
Ce résultat est en fait une conséquence immédiate de l’inégalité de Cauchy-Schwartz :
Inégalité de Cauchy-Schwarz Soient X, Y deux variables aléatoires dont les variances
sont bien définies. Alors p p
E(XY ) ≤ E(X 2 ) E(Y 2 ).

Preuve. Soit t ∈ R. On pose f (t) = E((X + tY )2 ). On a

f (t) = E(X 2 + t2 Y 2 + 2tXY ) = E(X 2 ) + t2 E(Y 2 ) + 2tE(XY ),

= E(Y 2 )t2 + 2E(XY )t + E(X 2 ).

Ainsi f (t) = at2 + bt + c, avec a = E(Y 2 ), b = 2E(XY ), et c = E(X 2 ). Or f (t) est

toujours positif, puisque f (t) = E((X + tY )2 ) (espérance d’une variable positive). Donc
le polynôme at2 + bt + c ne peut pas avoir deux racines distinctes réelles (sinon son signe
change lorsque t parcourt R), et donc son discriminant est négatif ou nul : ∆ = b2 −4ac ≤ 0.
En remplaçant a, b, c par leurs valeurs, on obtient ∆ =p4E(XYp )2 − 4E(Y 2 )E(X 2 ) ≤ 0, et
donc E(XY )2 ≤ E(Y 2 )E(X 2 ), soit encore E(XY ) ≤ E(X 2 ) E(Y 2 ). 

Pour prouver la proposition il suffit d’appliquer cette inégalité à X −E(X) et Y −E(Y ).

Définition. La corrélation entre deux variables X et Y est définie par

Cov(X, Y ) Cov(X, Y )
ρ(X, Y ) = =p p .
σ(X)σ(Y ) V (X) V (Y )

On a donc toujours −1 ≤ ρ(X, Y ) ≤ 1 d’après la proposition précédente. Lorsque

ρ(X, Y ) = 0, c’est-à-dire lorsque Cov(X, Y ) = 0, on dit que X et Y sont décorrélées.

Proposition. Soient X, Y deux variables de variances finies, et a, b deux réels fixés.

V (aX + bY ) = a2 V (X) + b2 V (Y ) + 2abCov(X, Y ).

En particulier on a les formules : V (X +Y ) = V (X)+V (Y )+2Cov(X, Y ), V (X −Y ) =

V (X) + V (Y ) − 2Cov(X, Y ). Si X et Y sont décorrélées (donc en particulier si elles sont
indépendantes), alors V (X + Y ) = V (X − Y ) = V (X) + V (Y ).

Matrice de variance-covariance. Pour un vecteur aléatoire X = (X1 , X2 , . . . , Xn ),

on peut définir toutes les covariances Cov(Xi , Xj ) pour 1 ≤ i ≤ n et 1 ≤ j ≤ n et les
rassembler dans une matrice :
 
V (X1 ) Cov(X1 , X2 ) Cov(X1 , X3 ) · · · Cov(X1 , Xn )
 Cov(X1 , X2 )
 V (X2 ) Cov(X2 , X3 ) · · · Cov(X2 , Xn ) 
Γ(X) = 
 Cov(X1 , X3 ) Cov(X2 , X3 ) V (X 3 ) · · · Cov(X 3 , X )
n .

 .. ... .. 
 . . 
Cov(X1 , Xn ) Cov(X2 , Xn ) Cov(X3 , Xn ) · · · V (Xn )

Cette matrice est symétrique, donc diagonalisable et à valeurs propres positives.

Notations matricielles pour l’espérance et la variance de vecteurs aléatoires :
Soit X un vecteur   : X = (X1 , X2 , . . . , Xn ). On peut 
aléatoire le noter sous
 forme d’un
X1 E(X1 )
 X2   E(X2 ) 
vecteur colonne : X =  .. . Son espérance s’écrit alors E(X) =  .. , et sa matrice
   
 .   . 
Xn E(Xn )
t t
de variance covariance est égale à Γ(X) = E(XX ) − E(X)E(X) . En effet,
 
  X12 X1 X 2 X1 X3 · · · X1 Xn
X1
 X2 
 X1 X2
 X22 X2 X3 · · · X2 Xn 
XXt =  ..  X1 X2 · · · Xn =  X1 X3 X2 X3 X32 · · · X3 Xn 


,
  
 .   .. . .. .
.. 
 . 
Xn 2
X1 Xn X2 X n X3 Xn · · · Xn

donc
 
E(X12 ) E(X1 X2 ) E(X1 X3 ) · · · E(X1 Xn )
 E(X1 X2 ) E(X 2 ) E(X2 X3 ) · · · E(X2 Xn )
 2 
t  E(X1 X3 ) E(X2 X3 ) E(X 2 ) · · · E(X3 Xn )
E(XX ) =  3 .
 .. ... .. 
 . . 
2
E(X1 Xn ) E(X2 Xn ) E(X3 Xn ) · · · E(Xn )

et
 
E(X1 )
 E(X2 ) 
E(X)E(X)t


=  ..  E(X1 ) E(X2 ) · · · E(Xn )
 
 . 
E(Xn )
 
E(X1 )2 E(X1 )E(X2 ) E(X1 )E(X3 ) · · · E(X1 )E(Xn )
 E(X1 )E(X2 )
 E(X2 )2 E(X2 )E(X3 ) · · · E(X2 )E(Xn )

 E(X1 )E(X3 ) E(X2 )E(X3 )
=  E(X3 )2 · · · E(X3 )E(Xn )
.
 .. .. .. 
 . . . 
2
E(X1 )E(Xn ) E(X2 )E(Xn ) E(X3 )E(Xn ) ··· E(Xn )

En soustrayant ces deux matrices, on retrouve l’expression de la matrice de variance-

covariance.
Chapitre 5

Théorèmes limites et estimation

5.1 Exemples introductifs

Voici deux exemples de situations.

note Xi le résultat du ie lancer, puis on

a) On lance n fois un dé à six faces et on P
calcule la moyenne des n lancers X̄n = n ni=1 Xi . Qu’obtient-on lorsque n devient
1

grand ?

L’intuition laisse penser que lorsque n devient grand, cette moyenne devient proche de
l’espérance d’un des lancers Xi , c’est-à-dire de E(Xi ) = 16 + 26 + 63 + 46 + 56 + 66 = 3.5. On
voudrait donc pouvoir dire que la limite de X̄n lorsque n → +∞ vaut 3.5. C’est ce qu’on
appelle la loi des grands nombres. Pour cela, il faut d’abord définir ce que signifie converger
pour une suite de variables aléatoires, puis prouver qu’il y a bien convergence.

b) Cette fois le dé dont on dispose est truqué : il a une probabilité p inconnue de tom-
ber sur 6, et 1−p
5
sur chacune des autres faces. Comment connaître la valeur de p
simplement à partir des résultats obtenus en lançant n fois le dé ?

Si laP
loi des grands nombres est correcte, on peut l’utiliser ici et dire que la moyenne
X̄n = n ni=1 Xi des résultats est proche de l’espérance E(Xi ) = (1+2+3+4+5)× 1−p
1
5
+6p =
1 1
3(1 − p) + 6p = 3(p + 1). Or si X̄n ' 3(p + 1), c’est que 3 X̄n ' p + 1, donc que 3 X̄n − 1 ' p.
Ainsi une valeur approchée de p est donnée par 13 X̄n − 1. On a donc donné une estimation
de p, et on dit que 13 X̄n − 1 est un estimateur de p car c’est une quantité que l’on peut
calculer à partir des résultats des lancers, et qui donne une valeur approchée de la valeur
inconnue p.

59
5.2 Convergence de variables aléatoires
remarque : Il existe plusieurs notions de convergence de variables aléatoires. Dans ce
cours nous ne donnerons qu’une seule définition, qui correspond à la convergence presque
sûre en théorie des probabilités.

De la même manière que l’on peut s’intéresser à la convergence d’une suite (xn )n≥0 de
nombres réels déterminés, on peut aussi regarder la convergence d’une suite (Xn )n≥0 de va-
riables aléatoires, mais cette convergence aura forcément un caractère aléatoire puisque les
Xn sont aléatoires. Autrement dit, si X est une autre variable, on peut définir l’événement
[Xn −→ X] ="la suite (Xn )n≥0 converge vers X".
n→∞
 
Définition. On dit que (Xn )n≥0 converge vers X si P Xn −→ X = 1.
n→∞

5.3 Moyenne empirique et loi des grands nombres

5.3.1 Moyenne empirique d’une suite de variables
Définition. Soit (Xn )n≥0 une suite de variables aléatoires. On appelle moyenne empi-
rique (des n premiers termes de la suite) la variable aléatoire
n
1X
X̄n = Xi .
n i=1

Proposition. Soit (Xn )n≥0 une suite de variables indépendantes et toutes de même loi. On
suppose que l’espérance et la variance communes à tous les Xn : µ = E(Xn ), σ 2 = V (Xn ),
sont bien définies. Alors pour tout n ≥ 0,

σ2
E(X̄n ) = µ et V (X̄n ) = .
n

Preuve.
• E(X̄n ) = E( n1 ni=1 Xi ) = n1 ni=1 E(Xi ) = n1 × nµ puisque tous les Xi ont même
P P
espérance. Donc PE( X̄n ) = µ.
• V (X̄n ) = V ( n i=1 Xi ) = n12 V ( ni=1 Xi ) = n12 ni=1 V (Xi ) car les Xi sont des va-
1 n P P
2
riables indépendantes. Donc V (X̄n ) = n12 × nσ 2 = σn puisque tous les Xi ont même
variance.


Ce résultat est très important car il montre que lorsque n tend vers +∞, la variance
de X̄n tend vers 0, ce qui laisse penser que X̄n converge vers un nombre non aléatoire, égal
à son espérance E(X̄n ) = µ. C’est précisément la loi des grands nombres.
5.3.2 La loi des grands nombres
Théorème 1. Soit (Xn )n≥0 une suite de variables indépendantes et toutes
Pn de même loi.
1
On suppose que l’espérance µ = E(Xn ) est bien définie. Alors X̄n = n i=1 Xi converge
vers µ.

La preuve de ce théorème est très difficile ; il n’est pas question de la faire dans ce cours.

Voici quelques exemples d’application de la loi des grands nombres :

exemple 1 : Pour une série de lancers de dés (non truqués), si Xi représente le résultat du
ie lancer, alors les Xi sont des variables indépendantes et toutes de même loi (loi uniforme
sur {1, 2, 3, 4, 5, 6}). L’espérance des XP
i est bien définie, donc on peut appliquer la loi des
grands nombres : la moyenne X̄n = n1 ni=1 Xi converge vers 3.5 lorque n tend vers +∞ :
X̄n −→ 3.5.
n→∞

exemple 2 : On suppose qu’à chaque minute il y a une probabilité p qu’un client entre
dans une banque (un seul client peut entrer par minute, et toutes les arrivées de clients sont
indépendantes) et on note Xn le temps d’arrivée du ne client. En fait Xn est la somme de
n variables Yi , où Yi représente le temps d’attente entre les clients i − 1 et i. Les Yi sont des
variables indépendantes et de même loi géométrique de paramètre p. La loi géométrique
admet une espérance,P donc on peut appliquer la loi des grands nombres : la moyenne
empirique Ȳn = n1 ni=1 Yi = n1 Xn converge vers E(Y1 ) = p1 . Autrement dit, lorsque n est
grand, n1 Xn est proche de p1 , et donc le temps d’arrivée Xn du ne client est proche de np .

5.4 Estimation ponctuelle de l’espérance

Supposons à présent que X est le résultat d’une expérience aléatoire, et que l’espérance
E(X) = µ est inconnue, comme dans l’exemple du dé truqué. La loi des grands nombres
montre que l’on peut obtenir une valeur approchée de µ en réalisant
P un grand nombre n de
fois la même expérience, puis en calculant la moyenne X̄n = n1 ni=1 Xi , où Xi correspond
au résultat de la ie expérience. Il s’agit ici d’un problème d’estimation, et nous allons
introduire un peu de vocabulaire relatif à ce contexte :

Définition. Un paramètre inconnu λ est un nombre réel, fixé mais inconnu, dont on
voudrait connaître la valeur.

Par exemple si l’espérance µ = E(X) d’une variable est inconnue, µ est un paramètre
inconnu. Dans l’exemple du dé truqué, la probabilité p que le dé tombe sur 6 est un
paramètre inconnu.

Définition. Un échantillon (X1 , X2 , . . . , Xn ) de même loi que X est un vecteur aléatoire

tel que toutes les variables Xi sont indépendantes et ont toutes même loi que X.
Définition. Un estimateur du paramètre λ est variable aléatoire Ln fonction de l’échan-
tillon, c’est-à-dire fonction des Xi pour 1 ≤ i ≤ n.
Cette notion seule est donc vide de sens, puisqu’on ne demande pas a priori que l’esti-
mateur Ln soit proche de λ.
Définition. On dit qu’un estimateur Ln du paramètre λ est convergeant ou consistant
si Ln converge vers λ.
Définition. On dit qu’un estimateur Ln de λ est sans biais si E(Ln ) = λ.
En utilisant ce vocabulaire
P de l’estimation, la loi des grands nombres se traduit donc
ainsi : la moyenne X̄n = n1 ni=1 Xi est un estimateur du paramètre µ = E(X1 ) conver-
geant. C’est aussi un estimateur sans biais car E(X̄n ) = µ.

Dans l’exemple du dé truqué, la moyenne X̄n est donc un estimateur de µ = E(X1 )

convergeant. Cependant dans cet exemple on cherchait un estimateur du paramètre p et
non pas de µ. On avait vu que µ = 3(p + 1), donc l’estimateur de p est en fait Pn = X̄3n − 1.
On vérifie facilement qu’il est convergeant et sans biais :
 
  X̄n    
P Pn −→ p = P − 1 −→ p = P X̄n −→ 3(p + 1) = P X̄n −→ µ = 1,
n→∞ 3 n→∞ n→∞ n→∞
 
X̄n E(X̄n ) µ
E(Pn ) = E −1 = − 1 = − 1 = p.
3 3 3

5.5 Estimation ponctuelle de la variance

Cette fois on suppose que la variance σ 2 = V (X) d’une variable X est le paramètre
inconnu que l’on cherche à estimer. Deux cas peuvent se présenter, suivant que l’espérance
est inconnue elle aussi, ou pas.

5.5.1 Estimation avec espérance connue

Si la valeur de µ est connue, on peut l’utiliser pour calculer l’estimateur.
n
1X
Proposition. Sn = (Xi − µ)2 est un estimateur du paramètre σ 2 convergeant et sans
n i=1
biais.
Preuve. Si on pose Yi = (Xi − µ)2 . Les variables Yi sont indépendantes et identiquement
distribuées, et leur espérance est bien définie puisque :
E(Yi ) = E((Xi − µ)2 ) = V (Xi ) = σ 2 .
1
Pn
On peut donc appliquer aux Yi la loi des grands nombres : Sn = n i=1 Yi2 tend vers
E(Y1 ) = σ 2 
5.5.2 Estimation avec espérance inconnue
Si la valeur de µ est inconnue, on ne peut plus l’utiliser dans l’estimation. On va donc
remplacer sa valeur par son estimateur :
n
1X
Proposition. Sn0 = (Xi − X̄n )2 est un estimateur de σ 2 convergeant et biaisé.
n i=1

Preuve. On va d’abord écrire Sn0 différemment :

n
1X
Sn0 = (Xi − X̄n )2
n i=1
n
1X 2
= (Xi + X̄n2 − 2Xi X̄n )
n i=1
n n n
1X 2 1X 2 1X
= Xi + X̄n − 2X̄n Xi
n i=1 n i=1 n i=1
n
1X 2 1
= X + nX̄n2 − 2X̄n2
n i=1 i n
n
1X 2
= Xi − X̄n2 .
n i=1

On va regarder la convergence de n1 ni=1 XP 2 2

P
i , puis celle de X̄n :
n
• D’après la loi des grands nombres n1 i=1 Xi2 converge vers E(X12 ), qui est égal à
V (X1 ) + E(X1 )2 = σ 2 + µ2 .
• D’après la loi des grands nombres, X̄n converge vers µ, et donc X̄n2 converge vers µ2 :
en effet,
P (X̄n2 −→ µ2 ) = P (X̄n −→ µ) = 1.
n→∞ n→∞

Par conséquent Sn0 converge vers σ 2 + µ2 − µ2 = σ 2 . Ensuite,

n
1X 2
E(Sn0 ) = E( X − X̄n2 )
n i=1 i
n
1X
= E(Xi2 ) − E(X̄n2 )
n i=1
1 1
= n(σ 2 + µ2 ) − ( σ 2 + µ2 )
n n
1 n − 1 2
= σ2 − σ2 = σ .
n n
Donc l’espérance de E(Sn0 ) ne vaut pas σ 2 mais n−1 2
n
σ : c’est un estimateur biaisé. 
Puisque E(Sn0 ) = n−1 2
n
σ , il suffit, pour obtenir un estimateur non biaisé, de prendre n
S0
n−1 n
:
n
00 1 X
Proposition. Sn = (Xi − X̄n )2 est un estimateur de σ 2 convergeant et sans
n − 1 i=1
biais.

5.6 Loi normale et théorème central limite

5.6.1 La loi normale
Définition. Une variable aléatoire X suit la loi normale N (µ, σ 2 ) si elle admet la densité
1 (x−µ)2
fX (x) = √ e− 2σ2 .
2πσ
1
R x − (x−µ)2
La fonction de répartition FX (x) = √2πσ −∞
e 2σ2 dx de la loi normale n’est pas
calculable de façon explicite. Cependant comme cette fonction et sont inverse sont utilisées
constamment dans les calculs, des valeurs approchées de FX et FX−1 pour X ∼ N (0, 1)
et pour toutes les valeurs de x ont été tabulées depuis longtemps. Dans une application
numérique, lors d’un calcul avec la loi normale, on se ramènera toujours à exprimer le
résultat en fonction de FX ou de FX−1 où X ∼ N (0, 1). Le résultat suivant montre que l’on
peut toujours se ramener à cette loi :
Proposition. Si X suit une loi N (µ, σ 2 ) et a, b sont des réels, alors aX + b suit une loi
N (aµ + b, a2 σ 2 ).
X−µ
Par conséquent si X ∼ N (µ, σ 2 ), alors σ
∼ N (0, 1).
2
Proposition. Soient X et Y deux variables indépendantes telles que X ∼ N (µX , σX ) et
2 2 2
Y ∼ N (µY , σY ). Alors X + Y ∼ N (µX + µY , σX + σY ).

5.6.2 Théorème central limite

Théorème 2. Soit (Xn )n≥0 une suite de variables aléatoires indépendantes et identique-
ment distribuées, et X une variable de loi N (0, 1). On suppose que l’espérance µ = E(X1 )
et la variance σ 2 = V (X1 ) sont bien définies. Alors pour tous a, b réels tels que a < b,
 √  Z b Z b
n 1 x2
P a≤ (X̄n − µ) ≤ b −→ P (a ≤ X ≤ b) = fX (x)dx = √ e− 2 dx.
σ n→∞ a 2π a
Autrement dit, ce théorème dit que la loi de
√
n
(X̄n − µ)
σ
converge vers celle de X, c’est-à-dire que tout calcul de probabilité effectué sur cette variable
peut être approché par un calcul√ de probabilité sur X.
n
remarque : l’expression σ (X̄n − µ) peut s’écrire √
de différentes
√
façons : souvent on
Pn n n 1 −nµ
note Sn = i=1 Xi , de sorte que X̄n = n Sn , et donc σ (X̄n − µ) = σ n Sn − µ = Sσn√
1


n
.
5.7 Approximations de la loi binomiale

n k n−k n

tout k ∈ {1, . . . , n}, P (X =
Soit
X une variable de loi binomiale B(n, p) : on a, pour
k) = k p (1 − p) . Lorsque n est grand, les coefficients k deviennent difficile à calculer
numériquement. On cherche donc à approcher la loi binomiale par des lois plus simples à
calculer.

5.7.1 Approximation par la loi de Poisson

Proposition. a) Soit (Xn )n≥0 une suite de variables aléatoires telle que pour tout n la
loi de Xn est B(n, nλ ) où λ est un nombre positif fixé. Soit X une variable de loi de
Poisson de paramètre λ. Alors la loi de Xn converge vers la loi de X.
b) Soit (Xn )n≥0 une suite de variables aléatoires telle que pour tout n la loi de Xn est
B(n, 1 − nλ ) où λ est un nombre positif fixé. Soit X une variable de loi de Poisson de
paramètre λ. Alors la loi de n − Xn converge vers la loi de X.

Preuve.
a)
   k  n−k
n λ λ
P (Xn = k) = 1−
k n n
λ (n − λ)−k
k
 n
n! λ
= 1−
k! (n − k)! nk n−k n
k
 n
λ n! 1 λ
= k
1−
k! (n − k)! (n − λ) n
n
λk n (n − 1) · · · (n − k + 1)

λ
= 1−
k! (n − λ) (n − λ) · · · (n − λ) n
k
 n
λ n (n − 1) (n − k + 1) λ
= ··· 1− .
k! (n − λ) (n − λ) (n − λ) n
(n−1)
Or n
tend vers 1 lorsque n tend vers l’infini, de même que (n−λ)
(n−λ)
, . . . , (n−k+1)
(n−λ)
. De
n λ λ 1
plus 1 − nλ = en ln(1− n ) = en(− n +o( n )) = e−λ+o(1) −→ e−λ . Ainsi P (Xn = k) −→ λk! e−λ =

k

n→∞ n→∞
P (X = k) pour tout k ≥ 0, et donc la loi de Xn converge vers celle de X.

b) n − Xn suit une loi B n, nλ : en effet,

n

n−k λ
k n λ n−k λ k
1 − nλ





P (n − Xn = k) = P (Xn = n − k) = n−k n
= k
1− n n
.
Donc d’après a), la loi de n − Xn converge vers la loi de X.


En pratique :
• Si X ∼ B(n, p) avec n ≥ 30 et p ≤ 0.2, alors on approche la loi de X par une loi de
Poisson(np).
 • Si X ∼ B(n, p) avec n ≥ 30 et p ≥ 0.8, alors on approche la loi de n − X par une loi
de Poisson(n(1 − p)).

exemple : A chaque minute un client peut entrer dans un magasin avec une probabilité
p = 0.05. On suppose qu’un seul client peut entrer à chaque minute et que toutes les entrées
de clients sont indépendantes. Quelle est la probabilité qu’exactement 5 clients entrent en
une heure ?
Soit X le nombre de clients entrés en une heure. X suit une loi binomiale B(60, 0.05).
Puisque 60 ≥ 30 et 60 ∗ 0.05 = 3 ≤ 5, on peut approcher la loi de X par une loi de
5
Poisson(3). Par conséquent, P (X = 5) ' e−3 35! ' 0.1.

5.7.2 Approximation par la loi normale

Si Xn suit une loi binomiale B(n, p), alors Xn = ni=1 Yi où les Yi sont des variables
P
indépendantes de loi de √Bernoulli(p) : P (Yi = 1) = p et P (Yi = 0) = 1 − p. D’après le
théorème central limite, σn ( n1 ni=1 Yi −µ) converge en loi vers N (0, 1), avec µ = E(Y1 ) = p
P
et σ 2 = V (Y1 ) = p(1 − p). Autrement dit, on a le résultat suivant :
Proposition. Soit (Xn )n≥0 une suite de variables aléatoires telle que pour tout n la loi
de √Xn est B(n, p) où p est fixé. Soit X une variable de loi N (0, 1). Alors la loi de
√ n ( n1 Xn − p) converge vers celle de X.
p(1−p)

En√ pratique : Si X ∼ B(n, p) avec n ≥ 30 et 0.2 < p < 0.8, alors on approche la loi
de √ n ( n1 X − p) par une loi normale N (0, 1), ou encore la loi de X par une loi normale
p(1−p)
√
n
N (np, np(1 − p)). ceci vient du fait que si √ (1X − p) suit une loi N (0, 1), alors X
p(1−p) n
suit une loi N (np, np(1 − p)).

exemple : Reprenons l’exemple du magasin,√ mais supposons cette√ foisXque p = 0.5.

Alors 60∗0.5 = 30 donc on approche la loi de √ 60 1
( 60 X −0.5) = 2 60( 60 X −0.5) par
0.5(1−0.5)
une loi normale N (0, 1). Selon cette approximation, P (X = 5) ' 0 puisque la loi normale
est une loi à densité. Pour obtenir des probabilités non négligeables, on se pose plutôt
une question telle que "Quelle est la probabilité √ deX 20
√ X qu’en une√heure20 soient entrés plus
clients ?".√On a alors P (X
√
≥ 20) = P (2 60( 60 − 0.5) ≥ 2 60( 60 − 0.5) = P (2 60( 60 −
60 60
0.5) ≥ − 3 ) ' 1 − F (− 3 ), où F est la fonction de répartition de la loi normale N (0, 1).

5.8 Estimation par intervalles de confiance

Définition. Soit X une variable aléatoire et (X1 , . . . , Xn ) un échantillon de même loi
que X. Estimer un paramètre inconnu λ par intervalle de confiance au niveau 1 − α
consiste à trouver deux variables aléatoires An et Bn fonctions de l’échantillon telles que
P (An ≤ λ ≤ Bn ) ≥ 1 − α.
5.8.1 Intervalle de confiance grâce à l’inégalité de Bienaymé-Tchebychev
Proposition (Inégalité de Bienaymé-Tchebychev). Soit une variable aléatoire X de va-
riance finie, et a un réel. Alors

V (X)
P (|X − E(X)| ≥ a) ≤ .
a2
Preuve. V (X) = E((X − E(X))2 ) et P (|X − E(X)| ≥ a) = P ((X − E(X))2 ≥ a2 ). Donc
si on pose Y = (X− E(X))2 , l’inégalité à démontrer est équivalente à P (Y ≥ a2 ) ≤ E(Y
α2
)
.
2 2
a si Y ≥ a
Posons alors Z = On a Z ≤ Y donc E(Z) ≤ E(Y ). Or E(Z) = a2 P (Y ≥
0 sinon.
a2 ) + 0 × P (Y < a2 ) = a2 P (Y ≥ a2 ). Donc a2 P (Y ≥ a2 ) ≤ E(Y ). 

Cette inégalité permet d’obtenir un intervalle de confiance pour l’estimation de l’es-

pérance d’une variable X. L’estimateur ponctuel de l’espérance est la moyenne X̄n . On
va donc construire un intervalle de confiance autour de cet estimateur. D’après l’inéga-
2
lité de Bienaymé-Tchebychev, on a P (|X̄n − µ| ≥ a) ≤ V (aX̄2 n ) . Or V (X̄n ) = σn . Donc
σ2 σ2
P (−a ≤ X̄n − µ ≤ a) ≤ 1 − na 2 , soit encore P (X̄n − a ≤ µ ≤ X̄n + a) ≤ 1 − na2 . Supposons

que l’on cherche un intervalle de confiance au niveau 1 − α = 0.95, avec n = 1000 et σ = 1

σ2 √σ = 0.1. L’intervalle de confiance obtenu par l’inéga-
alors on aura α = na 2 , donc a = nα
lité de Bienaymé-Tchebychev n’est pas très précis. On peut avoir une meilleure estimation
grâce au théorème central limite.

5.8.2 Intervalle de confiance grâce au théorème central limite

D’après le théorème central limite,
 √ 
n

P −a ≤ X̄n − µ ≤ a ' P (−a ≤ X ≤ a) = FX (a) − FX (−a) ,
σ

où X suit une loi N (0, 1). Or,

 √   
n
σ σ
P −a ≤ X̄n − µ ≤ a = P − √ a ≤ X̄n − µ ≤ √ a
σ n n
 
σ σ
= P X̄n − √ a ≤ µ ≤ X̄n + √ a .
n n

Pour obtenir un intervalle de confiance, on fixe alors un niveau 1 − α, et on cherche a

tel que FX (a) − FX (−a) = 1 − α. En fait la loi normale étant symétrique, on a FX (−a) =
1 − FX (a) et donc FX (a) − FX (−a) = 2FX (a) − 1, et donc FX (a) − F
X (−a) = 1 − α
implique 2FX (a) − 1 = 1 − α donc FX (a) = 1 − α2 , donc a = FX−1 1 − α2 .