Statistiques descriptives et calculs des probabilités

Travaux dirigés

A. BEN TAHAR
Table des matières

Table des matières 1

Avant propos 1

1 Statisitques descriptives univariée 5

1 Enoncé . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2 Soltutions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6

2 Statisitques descriptives bivariée 13

1 Enoncés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2 Solutions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14

3 Ensemble et dénombrement 19
1 Enoncés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2 Solutions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20

4 Probabilité 27
1 Enoncés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2 Solutions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28

5 Variables aléatoires réelles : Cas discret 33

1 Enoncés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
2 Solutions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34

6 Variables aléatoires réelles : Cas à densité 43

1 Enoncés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
2 Solutions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46

7 Couple de variables aléatoires 55

1 Enoncés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
2 Solutions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56

1
 A. BEN TAHAR

2
A. BEN TAHAR

Avant propos

Ce recueil d’exercices corrigés de statistiques descriptives et probabilités est un support

pédagogique destiné aux étudiants de la deuxième année de la faculté des sciences et tech-
niques de Settat. Ces exercices couvrent les statistiques descriptives et quatres chapitres
du polycopié du cours Calculs des probabilités : Ensembles e dénombrements, Espace de
probabilité, Variables aléatoires réelles et couple de variables aléatoires. L’ensemble de ces
exercices résolus permet aux étudiants de consolider leurs connaissances, un entrainement
efficace afin de s’assurer que le cours est bien asimillé et d’acquérir les outils et techniques
nécessaires à leur formation.

3
 A. BEN TAHAR

4
TD No 1

Statisitques descriptives univariée

1 Enoncé
Exercice 1.1
Les données suivantes se rapportent aux taux de croissance annuels en pourcentages des
PIB (en volume) de 8 pays développés en 2004 et en 2005 :
Pays Etats-unis Japon Allemagne France Italie Espagne Portugal Royaume-uni
2004 4,3 4,4 2 2,6 1,4 2,6 1,4 3,4
2005 3,5 2,3 1,8 2,3 1,9 2,9 2,2 2,5
1. a) Calculer la moyenne arithmétique, le mode, la médiane et l’intervalle interquartile des
deux séries annuelles de chiffres.
b) Faire un graphique "boîte à moustaches" pour chaque série et comparer les résultats.
2. Regrouper les taux de croissance dans les classes suivantes de pourcentages : [0 − 2] ;
]2 − 4] ; ]4 − 6[.
a) Faire un tableau indiquant la distribution des effectifs des pays en 2004 et 2005.
b) Calculer la moyenne arithmétique pondérée des taux de croissance à partir des don-
nées de la distribution.
c) Déterminer la classe modale en 2004 et en 2005.
d) Représenter les résultats sur un histogramme
3. Regrouper les taux de croissance dans les classes suivantes de pourcentages : [0; 1, 5] ;
]1, 5; 3] ; ]3; 6[.
a) Faire un tableau indiquant la distribution des effectifs des pays en 2004 et 2005.
b) Calculer la moyenne arithmétique pondérée des taux de croissance à partir des don-
nées de la distribution.
c) Déterminer la classe modale en 2004 et en 2005.
d) Représenter les résultats sur un histogramme.

Exercice 1.2
On étudie la distribution selon la distance de "domicile familial - travail" des salariés d’une
entreprise. Après répartition par classes, on obtient le tableau suivant :

5
 A. BEN TAHAR

Distance (km) [1 ;5[ [5 ;10[ [10 ;20 [20 ;30[ [30 ;50[
Effectif 250 328 165 91 46

1. Quelle proportion de salariés habite à moins de 20 km de l’entreprise ?

2. Tracer l’histogramme correspondant à cette série.
3. Déterminer la valeur de la médiane.
4. L’écart interquartiles est 10,45 et le troisième quartile est 14,97. Déterminer le premier
quartile.
5. Calculer la moyenne correspondant à cette série. Donner la formule utilisée.
6. Calculer l’écart-type.

Exercice 1.3
La taille des élèves d’une classe de seconde est résumée dans le tableau suivant :
Taille ]150 ;160] ]160 ;165] ]165 ;170] ]170 ;175] ]175 ;180] ]180 ;190]
Effectifs 2 7 10 6 2 3

1. Représenter le polygone des effectifs cumulés croissants

2. Déterminer la médiane par interpolation linéaire

2 Soltutions

Solution de l’exercice 1.1

1. On note X la série des PIBs de 2004 et Y la série des PIBs de 2005
a) Moyenne :
La moyenne de X

1X n 4, 3 + 4, 4 + 2 + 2, 6 + 1, 4 + 2, 6 + 1, 4 + 3, 4 22, 1
X̄ = xi = = = 2, 7625
n i=1 8 8

La moyenne de Y

1X n 4, 3 + 4, 4 + 2 + 2, 6 + 1, 4 + 2, 6 + 1, 4 + 3, 4 22, 1
Ȳ = yi = = = 2, 7625
n i=1 8 8

Mode
Le mode de X est la valeur la plus fréquente. Il y a deux valeurs qui sont répétées
deux fois, c’est : 1, 4 et 2, 6. Il s’agit donc d’une série bimodale avec 1,4 et 2,6 pour
modes.
En 2005, la seule valeur qui est répétée deux fois, c’est 2, 3. Donc le mode est égal à
2, 3.
Médiane
Calcul de la médiane de X . Classons les chiffres de la série par ordre croissant :

{1, 4; 1, 4; 2; 2, 6; 2, 6; 3, 4; 4, 3; 4, 4}

6
A. BEN TAHAR

n = 2p avec p = 4. La médiane est donc la moyenne de la pème valeur et de la

(p + 1)ème valeur. C’est donc (2, 6 + 2, 6)/2 = 2, 6. La médiane est donc égale à 2,6.

Calcul de la médiane de Y Classons les chiffres de la série par ordre croissant :

1, 8; 1, 9; 2, 2; 2, 3; 2, 3; 2, 5; 2, 9; 3, 5

On a n = 2p avec p = 4. La médiane est donc la moyenne de la pème valeur et de la

(p + 1)ème valeur. C’est donc (2, 3 + 2, 3)/2 = 2, 3 La médiane est donc égale à 2,3.
Intervalle interquartile
Détermination de l’intervalle interquartile de X . On rappelle que n = effectif total de
la série et p = rang du premier quartile (p = n/4)
Ici n = 8 et p = n/4 = 2. On est donc dans le cas où n = 4p. Dès lors la pème valeur est
1, 4 et la (p + 1)ème valeur est 2

Q 1 = moyenne entre la pème et (p + 1)ème valeur = (1, 4 + 2)/2 = 3, 4/2 = 1, 7

Q 2 = moyenne entre la (2p)ème valeur et la (2p + 1)ème valeur = (2, 6 + 2, 6)/2 = 2, 6
Q 3 = moyenne entre la (3p)ème valeur et la (3p + 1)ème valeur = (3, 4 + 4, 3)/2 = 3, 85
Intervalle interquartile de X est IQ = Q 3 –Q 1 = 3, 85–1, 7 = 2, 15

Détermination de l’intervalle interquartile de X . On rappelle que n = effectif total de

la série et p = rang du premier quartile (p = n/4)
Ici n = 8 et p = n/4 = 2. On est donc dans le cas où n = 4p. Dès lors la pème valeur est
1, 4 et la (p + 1)ème valeur est 2

Détermination de l’intervalle interquartile de Y . On rappelle que n = effectif total de

la série et p = rang du premier quartile (p = n/4). Ici n = 8 et p = n/4 = 2. On est donc
dans le cas où n = 4p. Dès lors la pème valeur est 1, 9 et la (p + 1)ème valeur est 2, 2

Q 1 = moyenne entre la pème et (p + 1)ème valeur = (1, 9 + 2, 2)/2 = 3, 4/2 = 2, 05

Q 2 = moyenne entre la (2p)ème valeur et la (2p + 1)ème valeur = (2, 3 + 2, 3)/2 = 2, 3
Q 3 = moyenne entre la (3p)ème valeur et la (3p + 1)ème valeur = (2, 5 + 2, 9)/2 = 2, 7
Intervalle interquartile de Y est IQ = Q 3 –Q 1 = 2, 7 − 2, 05 = 0, 65
b) Graphique : Boite à moustache
2. Regroupement des taux de croissance dans les classes suivantes [0 − 2] ; ]2 − 4] ; ]4 − 6[.
a) La distribution des effectifs des pays en 2004 et 2005 suivant les classes

Effectif de X Effectif de Y
Classes n i Classes n i
[0 − 2] 3 [0 − 2 2
]2 − 4] 3 ]2 − 4] 6
]4 − 6[ 2 ]4 − 6[ 0

b) La moyenne arithmétique des taux de croissance à partir des données de la distri-

bution par classes. On note par c i le centre de la classe i. Pour simplifier le calcul

7
 A. BEN TAHAR

on ajoute les centres de classes et une colonne pour les nixci dans les tableaux pré-
cédents

Effectif de X Effectif de Y
Classes Effectif n i c i ni × ci Classes n i c i n i × c i
[0 − 2] 3 1 3 [0 − 2] 2 1 2
]2 − 4] 3 3 9 ]2 − 4] 6 3 18
]4 − 6[ 2 5 10 ]4 − 6[ 0 5 0

La moyenne de X est :

1X 3 3 + 9 + 10 22
X̄ = ni × ci = = = 2, 75
n i=1 8 8

La moyenne de Y est :

1X 3 2 + 18 + 0 20
Ȳ = ni × ci = = = 2, 5
n i=1 8 8

c) La classe modale en 2004 et en 2005.

Quand les amplitudes sont égales, la classe modale est celle qui a le plus d’effectif.
Donc en 2004, il y a deux classes modales, à savoir [0-2] et ]2-4]. En 2005, il n’y a
qu’une classe modale, c’est] 2-4].
c) Histogramme :

Effectifs
Effectifs corrigés de Y

4,67

classes
1,5 3 6
2 4 6 classes

fHistogramme de l’effectif de Y
Histogramme de l’effectif de X

3. Regroupement des taux de croissance dans les classes suivantes : [0 − 1, 5] ; ]1, 5 − 3] ;

]3 − 6[.
a) La distribution des effectifs des pays en 2004 et 2005 suivant les classes

8
A. BEN TAHAR

Effectif de X Effectif de Y
Classes n i Classes n i
[0 − 1, 5] 0 [0 − 1, 5] 0
]1, 5 − 3] 7 ]1, 5 − 3] 7
]3 − 6[ 1 ]3 − 6[ 1

b) La moyenne arithmétique des taux de croissance à partir des données de la distri-

bution par classes. On note par c i le centre de la classe i. Pour simplifier le calcul
on ajoute les centres de classes et une colonne pour les nixci dans les tableaux pré-
cédents

Effectif de X Effectif de Y
Classes Effectif n i ci ni × ci Classes ni ci ni × ci
[0 − 1, 5] 0 0,75 1,5 [0 − 1, 5] 0 0,75 0
]1, 5 − 3] 7 2,25 6,75 ]1, 5 − 3] 7 15,75 13,5
]3 − 6[ 1 4,5 13,5 ]3 − 6[ 1 4,5 4,5

La moyenne de X est :
1X 3 1, 5 + 6, 75 + 13, 5 21, 75
X̄ = ni × ci = = = 2, 72
n i=1 8 8
La moyenne de Y est :
1X 3 13, 5 + 4, 5 18
Ȳ = ni × ci = = = 2, 25
n i=1 8 8

c) La classe modale en 2004 et en 2005.

Quand les amplitudes des classes ne sont pas égales, il faut corriger les effectifs
par l’amplitude de classe avant de déterminer la classe modale. On note par a i
l’amplitude de la classe i

Effectif de X Effectif de Y
Classes Effectif n i a i n i /a i Classes n i a i n i /a i
[0 − 1, 5] 0 1,5 1,33 [0 − 1, 5] 0 1,5 0
]1, 5 − 3] 7 1,5 2 ]1, 5 − 3] 7 1,5 4,67
]3 − 6[ 1 3 1 ]3 − 6[ 1 3 0,33

La classe modale est la classe qui a l’effectif corrigé le plus important. C’est [1, 5–3]
en 2004 et en 2005.
c) Histogramme :

9
 A. BEN TAHAR

Effectifs corrigés de X Effectifs corrigés de Y

4,67

2
1,33

classes classes
1,5 3 6 1,5 3 6

Histogramme de l’effectif de X fHistogramme de l’effectif de Y

2
Solution de l’exercice 1.2
1. L’effectif total est
5
X
n= n i = 250 + 328 + 165 + 91 + 46 = 880
i =1

La proportion des de salariés qui habite à moins de 20 km de l’entreprise est

250 + 328 + 165 743
p= = = 0.84
880 880
2. Les amplitudes des classes ne sont pas égales, on doit les corriger. Pour cela on note
a i l’amplitude de la classe i.

Distance (km) [1; 5[ [5; 10[ [10; 20[ [20; 30[ [30; 50[
ni 250 328 165 91 46
ai 4 5 10 10 20
n i /a i 62, 5 65, 6 16, 5 9, 1 2, 3

11111
00000
11111
65, 6
111100000
000011111
1111
000000000
11111
62, 5 111100000
000011111
00000
1111
000011111
00000
111111111
0000
000000000
1111
1111
000011111
00000
000011111
1111
1111
00000
11111
00000
0000
111111111
00000
000011111
1111
000000000
11111
1111
000000000
000011111
1111
1111
0000
00000
11111
00000
000011111
1111
1111
00000
11111
00000
0000
111111111
00000
000000000
1111
000011111
1111
000011111
00000
000011111
1111
1111
0000
00000
11111
00000
000011111
1111
1111
0000
00000
11111
00000
111111111
00000
000000000
11111
1111
000011111
00000
1111
0000
000011111
1111
1111
0000
00000
11111
00000
000011111
1111
1111
00000
11111
00000
0000
111111111
00000
000011111
1111
000000000
11111
00000
1111
0000
000011111
1111
1111
0000
00000
11111
00000
000011111
1111
1111
0000
00000
11111
00000
111111111
00000
000000000
1111
000011111
11111
1111
000000000
000011111
1111
1111
0000
00000
11111
00000
000011111
1111
1111
0000
00000
11111
00000
16, 5
1111 00000000000
11111111111
11111
00000
000011111
00000000000
11111111111
1111
000000000
00000000000
11111111111
11111
1111
000000000
00000000000
11111111111
000011111
1111
1111
0000
00000
00000000000
11111111111
11111
00000
1111 00000000000
11111111111
11111
00000
000011111 0000000000
1111111111
00000000000
11111111111
9, 1
1111
000000000 0000000000
1111111111
00000000000
11111111111
11111
00000
1111
000011111
1111 0000000000
1111111111
00000000000
11111111111
00000
0000
1111
0000 0000000000
1111111111
00000000000
11111111111
11111
00000
111100000
000011111 0000000000
1111111111
00000000000
11111111111
11111 0000000000
1111111111
1111
0000 00000000000
11111111111
00000 0000000000
1111111111
2, 3
1111 00000000000
11111111111
11111
00000
000011111 00000000000000000000
11111111111111111111
0000000000
1111111111
00000000000
11111111111
1111
000000000 00000000000000000000
11111111111111111111
0000000000
1111111111
00000000000
11111111111 00000000000000000000
11111111111111111111
000011111
111100000 0000000000
1111111111
00000000000
11111111111
50
1 5 10 20 30

Histogramme des effectifs

3. La classe qui contient la médiane est [d 2 ; d 3 [= [5; 10[. D’après le cours

n/2 − N2 440 − 250

M e = d2 + a2 = 5 + 5 = 8, 8
n1 250

10
A. BEN TAHAR

4. Soient Q 1 et Q 3 le premier et le troisième quartile. Par définition l’écart interquartile

est IQ = Q 3 − Q 1 . Si IQ = 10, 45 et Q 3 = 14, 97 alors Q 1 = Q 3 − IQ = 14, 97 − 10, 45 = 4, 52
5. On calcule d’abord les centres des classes c i et les produits n i × c i et on les représente
dans le tablequx des effectifs

Distance (km) [1; 5[ [5; 10[ [10; 20[ [20; 30[ [30; 50[
ni 250 328 165 91 46
ci 3 7, 5 15 25 40
ni × ci 750 2460 2475 2275 1840

La moyenne de la distance est

750 + 2460 + 2475 + 2275 + 1840

Mo y = = 11, 13
880

6. Pour simplifier le calcul on ajoute une colonne de n i × c2i

Distance (km) [1; 5[ [5; 10[ [10; 20[ [20; 30[ [30; 50[
ni 250 328 165 91 46
ci 3 7, 5 15 25 40
c2i 9 56, 25 225 625 1600
n i × c2i 2250 18450 37125 56875 73600

La variance est

1X 5
V ar(D istance) = (n i × c2i ) − Mo y2
n i=1
2250 + 18450 + 37125 + 56875 + 73600
= − 11, 132
880
= 213.98 − 123.88
= 90, 1
p
L’écart type est σ = 90.1 = 9.5
2
Solution de l’exercice 1.3
1. Pour représenter le polygone des effectifs cumulés croissants, on calcule les effectifs
cumulés croissant dans le tableau suivant

Taille ]150; 160] ]160; 165] ]165; 170] ]170; 175] ]175; 180] ]180; 190]
Effectif 2 7 10 6 2 3
Effectifs cumulés 2 9 19 25 27 30

11
 A. BEN TAHAR

Effectif cum

30

27
25

19

15

150 160 165 170 180 190 Taille

Polygone des effectifs cumulés

2. La classe qui contient la médiane est ]165; 170].

Effectif cum

30

27
25

19
B

n/2 = 15
M

9 A

150 160 165 170 180 190 Taille

Me

Polygone des effectifs cumulés

Le point M de coordonnées (M e , 15) appartient à la droite (AB) (voir figure ci dessous)

donc on a
x M − x A xB − x A
=
yM − yA yB − yA
on remplace les coordonnées de A et B par ses valeurs, on obtient l’équation suivante :

M e − 165 170 − 165

=
15 − 9 19 − 9
Ainsi
5
M e = 165 + 6 × = 168
10
2

12
TD No 2

Statisitques descriptives bivariée

1 Enoncés

Exercice 2.1
Un site internet reçoit 113 457 visiteurs durant un mois. On désigne par X le navigateur
internet utilisé et Y le système d’exploitation utilisé.

X \Y Windows Mac Linux

Chrome 14103 1186 427
Firefox 30853 4392 3234
Internet Explore 47389 23 0
Safari 668 6416 0
Autres 2974 40 1752

a) Identifier la population, sa taille ainsi que les variables étudiées en précisant leur type.

b) Quelle est la proportion de visiteurs sous Windows ?

c) Quelle proportion de visiteurs qui utilisent le navigateur Safari ?

d) Parmi les utilisateurs de Mac, quelle proportion utilise Chrome ?

e) Parmi les utilisateurs de Safari, quelle est la proportion utilise Windows ?

f) Représenter graphiquement la distribution des proportions par Navigateur pour chaque

système d’exploitation. Les variables X et Y sont-elles indépendantes ?

Exercice 2.2
Le tableau suivant compare la taille Y des enfants avec la taille X de leurs parents (la
taille des parents est égale à la moyenne de la taille du père et de la mère). Pour compenser
les différences de tailles entre sexes, toutes les tailles des personnes de sexe féminin ont été
multiplié par 1, 08. Les tailles sont exprimées en pouces (1 pouce = 2, 54 cm).

13
 A. BEN TAHAR

Y \X ]62; 64] ]64; 66] ]66; 68] ]68; 70] ]70; 72] ]72; 74]
]60; 61, 7] 1 2 0 1 1 0
]61, 7; 63, 7] 2 14 14 8 1 0
]63, 7; 65, 7] 5 17 36 47 2 0
]65, 7; 67, 7] 4 32 108 100 11 0
]67, 7; 69, 7] 2 16 93 135 38 3
]69, 7; 71, 7] 0 7 34 84 35 35
]71, 7; 73, 7] 0 1 4 22 18 13
]73, 7; 75] 0 0 0 5 5 4
(a) Préciser la population, les individus, la taille de la population ainsi que les variables
étudiées.
(b) Quelle est la proportion d’enfants dont la taille est comprise entre 65,7 et 67,7 ?
(c) Parmi les enfants dont la taille est comprise entre 71,7 et 73,7 quelle proportion a des
parents dont la taille est entre 70 et 72 ?
(d) Quelle est la taille moyenne des enfants dont les parents ont une taille comprise entre
68 et 70 ? Convertir le résultat en centimètres.
(e) Même question pour la taille médiane.
(f) Même question pour l’écart-type.

2 Solutions
Solution de l’xercice 2.1

a) Population : visiteurs du site internet étudié.

Individu : un visiteur du site internet.
Taille : 113 457.
Variables étudiées : on étudie deux variables, à savoir X = "le navigateur utilisé par
le visiteur" et Y = "le système d’exploitation utilisé par le visiteur".
X est une variable qualitative nominale.
Y est une variable qualitatif nominale.
b) On recherche la proportion marginale P(Y = W indows). Pour cela, on détermine les
effec- teurs marginaux dans le tableau de contingence :
X \Y Windows Mac Linux Total
Chrome 14103 1186 427 15716
Firefox 30853 4392 3234 38479
Internet Explore 47389 23 0 47412
Safari 668 6416 0 7084
Autres 2974 40 1752 4766
Total 95987 12057 5413 113457
L’effectif marginal de la modalité " Windows " pour Y est donc 95987. On a donc
95987
P(Y = W indows) = = 84, 60%.
113457

14
A. BEN TAHAR

c) L’effectif marginal de la modalité "Safari" pour X est 7084 donc

7084
P(X = Sa f ari) = = 6, 24%.
113457

d) On est sous la condition Y = "Mac" donc on extrait du tableau de contingence la co-

lonne "Mac" et on calcule les proportions correspondantes

X \Y = "Mac" Effectifs Proportion (%)

Chrome 1186 9, 84
Firefox 4392 36, 43
Internet Explore 23 0, 19
Safari 6416 53, 21
Autres 40 0, 33
Total 12057 100

On a donc :P(X = Chrome|Y = Mac) = 9, 84%.

e) On est sous la condition X = "Safari", donc on extrait du tableau de contingence la
ligne correspondant à "Safari"

Y \ X "Safari" Windows Mac Linux Total

Effectifs 668 6416 0 7084
Proportions (%) 9, 43 90, 57 0 100

On a donc P(Y = W indows| X = Sa f ari) = 9, 43%.

f) On doit déterminer les proportions conditionnelles de X sachant les modalités de Y ,
c’est-à-dire X |Y = Windows, X |Y = Mac et X |Y = Linux. On a déjà déterminer X |Y =
Mac dans la question d) donc il nous reste X |Y = Windows et X |Y = Linux

X \Y = "Windows" Effectifs Proportion (%)

Chrome 14103 14, 69
Firefox 30853 32, 14
Internet Explore 47389 49, 37
Safari 668 0, 7
Autres 2974 3, 1
Total 95987 100

X \Y = "Linux" Effectifs Proportion (%)

Chrome 427 7, 89
Firefox 3234 59, 75
Internet Explore 0 0
Safari 0 0
Autres 1752 32, 37
Total 5413 100

15
 A. BEN TAHAR

111
000
Proportion

60
111
000
111
000
111
000 111
000
111
000 11
00 000
111 Windows
50
111
000 000
111 00
11 11
00
111
000
Mac

111
000 000
111 00
11 11
00
00
11
Linux

111
000 000
111
000 00
11
40
111
000 111
000
111 00
11
111
000
111 000
111 00
11
000
00
11
000
111
111
000 000
111 00
11
00
11
000
111
111
000 000
111 00
11 00
11
30
00
11
000
111
111
000 000
111 00
11 00
11
00
11
000
111
111
000 000
111 00
11 00
11
00
00
11
000
111
111
000 000
111 00
11 11
00
11
20
00
11
000
111
111
000 000
111 00
11 00
11
11
00 00
11
000
111
111
000
00 000
111 00
11 00
11
00
11 11
000
111
111
000
00 000
111 00
11 00
11
000
111
00
11 00
11 11
000
111
111
000
00
11 000
111 00
11 00
11
10
000
111
00
11 00
11 000
111
111
000
00
11 000
111 00
11 00
11
000
111
00
11 00
11 000
111
111
000
00
11 000
111 00
11
00
11 00
11
000
111
00
11 00
11 000
111
111
000
00
11 000
111 00
11 000
111 00
11
000
111
00
11 000
111
111
000 000
111 000
111 000
111
00011
111
00
11 00
chromr
00
11
000
111
Firefox Explorer 00011
11100
safari 11111 00
00000 11
Autres
Navigateur

Pour chaque modalité de X , les barres ne sont pas de la même hauteur (voir figure ci
dessous) ; cela signifie que le système d’exploitation influe fortement sur le navigateur
utilisé. Autrement dit, il n’y a pas indépendance entre le système d’exploitation et le
navigateur utilisé.
2
Solution de l’exercice 2.2

a) Population : les enfants étudiés par Galton (en notant qu’à chaque enfant, on associe
ses deux parents).
Individu : un enfant (et ses parents).
Taille de la population : 938 (c’est la somme de tous les éléments du tableau).
Variables étudiées :X = "taille de l’enfant" et Y = "taille des parents
X = est une varible quantitative continue
Y = est une variable quantitative continue.
b) On cherche la proportion marginale P(65, 7 ≤ X ≤ 67, 7) :
4 + 32 + 108 + 100 + 11255 255
P(65, 7 ≤ X ≤ 67, 7) = = = 27, 19
938 938
c) On cherche la proportion conditionnelle P(X ∈]70; 72]|Y ∈]71, 7; 73, 7]). Pour la calcu-
ler, on extrait la colonne Y ∈]71, 7; 73, 7] du tableau et on calcule les proportions

X \Y ∈]71, 7; 73, 7] ]62; 64] ]64; 66] ]66; 68] ]68; 70] ]70; 72] ]72; 74] Total
Effectifs n i 0 1 4 22 18 13 58
Proportions 0 1, 72 6, 9 37, 93 31, 03 22, 41 100%

On a donc P(X ∈]70; 72]|Y ∈]71, 7; 73, 7]) = 31, 03%.

d) On regarde la distribution conditionnelle de Y sachant que X ∈]68; 70]. On extrait
donc du tableau la ligne correspondante et on met les fréquences cumulées N i , les
centres c i des classes et la colonne n i × c i pour les questions suivantes : suivantes :

16
A. BEN TAHAR

Y \ X ∈ 68; 70] ni n i (%) Ni ci ni × ci n i × c2i

]60; 61, 7] 1 0, 25 0, 25 60, 85 60, 85 3702.72
]61, 7; 63, 7] 8 1, 99 2, 24 62, 7 501.60 31450.32
]63, 7; 65, 7] 47 11, 69 13, 93 64, 7 3040.90 196746.23
]65, 7; 67, 7] 100 24, 88 38, 81 66, 7 6670.00 444889
]67, 7; 69, 7] 135 33, 58 72, 39 68, 7 9274.50 637158.15
]69, 7; 71, 7] 84 20, 9 93, 29 70, 7 5938.80 419873.16
]71, 7; 73, 7] 22 5, 47 98, 76 72, 7 1599.40 116276.38
]73, 7; 75] 5 1, 24 100 74, 35 371.75 27639.61
Total 402

La moyenne de Y X ∈]68; 70]) sachant est donc

60.85 + 501.60 + 3040.90 + 6670.00 + 9274.50 + 5938.80 + 1599.40 + 371.75
M =
402
27475.8
= = 68, 30
402
Pour convertir en centimètres, on utilise la formule 1 pouce = 2, 54 cm

M = 68, 30 × 2, 54 = 173, 48.

e) La médiane de Y sachant X ∈]68; 70] se calcule à partir des fréquences cumulées

données dans le tableau précédent. La classe correspondant à la fréquence cumulée
50% est ]d 5 ; d 6 ] =]67, 7; 69, 7] donc la médiane est donnée par la formule
n/2 − N4
Me = d5 + a5
n5
402/2 − 156
= 67, 7 + 2
135
= 68.37

Pour convertir en centimètres, on utilise la formule 1 pouce = 2, 54 cm

M e = 68, 37 × 2, 54 = 173, 66.

f) Calculons d’abord la variance V de Y sachant X ∈]68; 70] en utilisant la colonne n i × c2i

de la table précédente. On a

1 X 6
V = (n i × c2i ) − M 2
402 i=1
3702.723 + . . . + 27639.612
= − (68, 30)2
402
= 4670.984 − 4664.89 = 6.09
p
Donc l’écart typede Y sachant X ∈]68; 70] est σ = 6.09 = 2.47. La convertion en cm
donne
σ = 2, 47 × 2, 54 = 6, 27.

17
 A. BEN TAHAR

18
TD No 3

Ensemble et dénombrement

1 Enoncés
Exercice 3.1
On jette deux dés. on note par E l’événement "la somme des dés est impaire", par F l’événe-
ment "au moins l’un des dés vaut 1" et par G l’événement " la somme des dés est 5". Décrire
E ∩ F, E ∪ F, E ∩ G, E ∩ F c et E ∩ F ∩ G

Exercice 3.2
Soient A 1 , A 2 et A 3 trois sous-ensembles finis d’un espace fondamental Ω. On désigne par
B m pour 1 ≤ m ≤ 3, le sous ensemble formé des points qui appartiennent à exactement m
d’entre eux. Donner l’expression du cardinal card(B m ) pour m = 3 puis pour m = 2 et pour
m = 1.

Exercice 3.3
De combien de manières peut on asseoir 8 personnes en rang si
a) aucune restriction n’est mise ;
b) les personnes A et B veulent être ensemble ;
c) les hommes ne doivent avoir que des voisines et inversement, en supposant qu’il y a 4
hommes et 4 femmes ;

Exercice 3.4
Un étudiant doit répondre à 7 des 10 questions d’un examen.
1. De combien de manières peut il les choisir ?
2. De combien de manières peut-il les choisir s’il est obligé de choisir au moins 3 des 5
premières questions ?

Exercice 3.5
Dans un groupe de 8 femmes et 6 hommes, on doit former un comité de 3 hommes et 3
femmes. Combien de comités différents peut-on former si
a) 2 des hommes refusent d’être ensemble dans le comité ?
b) 2 des femmes refusent d’être ensemble dans le comité ?

19
 A. BEN TAHAR

c) 1 homme et 1 femme refusent d’être ensemble dans le comité ?

Exercice 3.6
Un réseau de téléphonie mobile comporte des numéros à 8 chiffres pris dans l’ensemble
{0, ..., 9}. Dénombrer les numéros comprenant :
a) huit chiffres différents
b) au moins un nombre pairs
c) deux fois 1, deux fois 3, trois fois 5 et une fois 9
d deux chiffres se répétant 4 fois,
e) un chiffre apparaissant 4 fois, les autres une fois

Exercice 3.7
le jeu de 52 cartes est un jeu de carte contenant, comme son nom l’indique, 52 cartes orga-
nisées en quatre signes : pique, coeur, carreau et trèfle. Chaque signe contient treize cartes.
Un brellan est un ensemble de de trois cartes de même valeurs, un carré est un ensemble de
quatre cartes de même valeurs, un full est un ensemble de cinq cartes dont trois ont même
valeur et les deux autres une même autre valeur. De combien de façons peut-on tirer, dans un
jeu de 52 cartes, une main de 5 cartes :
a) qui comporte un brelan, mais ni carré ni full ?
b) qui ne comporte ni 2 cartes au moins de la même valeur, ni 5 cartes dont les valeurs se
suivent, ni 5 cartes d’une même des 4 signes ?

Exercice 3.8
Soit a, b et n des entiers naturels
n n
C nk et (−1)k C nk
X X
i) Calculer
k=0 k=0
n
ii) Soient a, b ∈ N. Montrer que C an+b = C ak C bn−k (Formule de Vandermonde)
X
k=0

2 Solutions

Solution de l’exercice 3.1

On a

E = {(1, 2), (1, 4), (1, 6), (2, 1), (2, 3), (2, 5), (3, 2), (3, 4), (3, 6),
(4, 1), (4, 3), (4, 5), (5, 2), (5, 4), (5, 6), (6, 1), (6, 3)(6, 5)}

F = {(1, 1), (1, 2)(1, 3)(1, 4)(1, 5)(1, 6)(2, 1)(3, 1)(4, 1)(5, 1)(6, 1)}
et
G = {(1, 4), (2, 3), (3, 2), (4, 1)}

20
A. BEN TAHAR

On a E ∩ F = {(1, 2), (1, 4), (1, 6), (2, 1), (4, 1), (6, 1)} et

E∪F = E ∪ (F \ (E ∩ F))
= {(1, 2), (1, 4), (1, 6), (2, 1), (2, 3), (2, 5), (3, 2), (3, 4), (3, 6), (4, 1), (4, 3),
(4, 5), (5, 2), (5, 4), (5, 6), (6, 1), (6, 3)(6, 5), (1, 1), (1, 3), (1, 5), (3, 1), (5, 1)}

Comme G ⊂ E donc E ∩ G = G. On a

E ∩F c = E \F = E \(E ∩F) = {(2, 3), (2, 5), (3, 2), (3, 4), (3, 6), (4, 3), (4, 5), (5, 2), (5, 4), (5, 6), (6, 3)(6, 5)}

On a E ∩ F ∩ G = F ∩ G = {(1, 4), (4, 1)} 2

Solution de l’exercice 3.2

Cas m = 3. On a B3 = A 3 ∩ A 2 ∩ A 1 donc card(B3 ) = card(A 3 ∩ A 2 ∩ A 1 )

Cas m = 2. On a

B2 = (A 1 ∩ A 2 \ A 3 ) ∪ (A 1 ∩ A 3 \ A 2 ) ∪ (A 2 ∩ A 3 \ A 1 )
= (A 1 ∩ A 2 \ (A 1 ∩ A 2 ∩ A 3 )) ∪ (A 1 ∩ A 3 \ (A 1 ∩ A 2 ∩ A 3 )) ∪ (A 2 ∩ A 3 \ (A 1 ∩ A 2 ∩ A 3 ))

est une réunion deux à deux disjoints. Donc

card(B2 ) = card (A 1 ∩ A 2 \ (A 1 ∩ A 2 ∩ A 3 )) + card (A 1 ∩ A 3 \ (A 1 ∩ A 2 ∩ A 3 ))

+ card (A 2 ∩ A 3 \ (A 1 ∩ A 2 ∩ A 3 ))
= card(A 1 ∩ A 2 ) − card(A 1 ∩ A 2 ∩ A 3 ) + card(A 1 ∩ A 3 ) − card(A 1 ∩ A 2 ∩ A 3 )
+ card(A 2 ∩ A 3 ) − card(A 1 ∩ A 2 ∩ A 3 )
= card(A 1 ∩ A 2 ) + card(A 1 ∩ A 3 ) + card(A 2 ∩ A 3 ) − 3card(A 1 ∩ A 2 ∩ A 3 )

Cas m = 1. On a

B1 = (A 1 \ (A 2 ∪ A 3 )) ∪ (A 2 \ (A 1 ∪ A 3 )) ∪ (A 3 \ (A 1 ∪ A 2 ))
= (A 1 \ (A 1 ∩ (A 2 ∪ A 3 ))) ∪ (A 2 \ (A 2 ∩ (A 1 ∪ A 3 ))) ∪ (A 3 \ (A 3 ∩ (A 1 ∪ A 2 )))

est une réunion deux à deux disjoints. Donc

card(B1 ) = card (A 1 \ (A 2 ∪ A 3 )) + card (A 2 \ (A 1 ∪ A 3 )) + card (A 3 \ (A 1 ∪ A 2 ))

= card(A 1 ) − card(A 1 ∩ (A 2 ∪ A 3 )) + card(A 2 ) − card(A 2 ∩ (A 1 ∪ A 3 ))
+ card(A 3 ) − card(A 3 ∩ (A 1 ∪ A 2 ))
card(A 1 ) + card(A 2 ) + card(A 3 ) − card(A 1 ∩ (A 2 ∪ A 3 )) − card(A 2 ∩ (A 1 ∪ A 3 ))
= − card(A 3 ∩ (A 1 ∪ A 2 ))

On développe

card(A 1 ∩ (A 2 ∪ A 3 )) = card((A 1 ∩ A 2 ) ∪ (A 1 ∩ A 3 ))
= card(A 1 ∩ A 2 ) + card(A 1 ∩ A 3 ) − card(A 1 ∩ A 2 ∩ A 3 )

21
 A. BEN TAHAR

De même on a

card(A 2 ∩ (A 1 ∪ A 3 )) = card(A 1 ∩ A 2 ) + card(A 2 ∩ A 3 ) − card(A 1 ∩ A 2 ∩ A 3 )

card(A 3 ∩ (A 1 ∪ A 2 )) = card(A 1 ∩ A 3 ) + card(A 2 ∩ A 3 ) − card(A 1 ∩ A 2 ∩ A 3 )

Donc

card(B1 ) = card(A 1 ) + card(A 2 ) + card(A 3 ) − card(A 1 ∩ A 2 ) − card(A 1 ∩ A 3 )

− card(A 2 ∩ A 3 ) + 3card(A 1 ∩ A 2 ∩ A 3 )

Solution de l’exercice 3.3

a) L’ensemble des cas possibles est l’ensemble des permitations de cardinal 8. Il y a donc
8! manières de faire s’assoir personnes
b) Si les personnes A et B veulent être ensemble. On peut considérer ces deux personnes
comme une seule et il y a deux façon de les faire s’assoir. Donc Le nombre de possibi-
lités de faire assoir les 6 personnes et le couple (A, B) est

2 × 7! = 10080

c) On note C l’événement correpond à la question c). On suppose qu’on a 4 hommes

H1 , H2 , H3 , H4 et 4 femmes F1 , F2 , F3 , F4 . Il 2 × 4 × 4 = 32 couple (homme, femme)
ou (femme,homme) possibles, par exemple

(H1 , F2 ), (H2 , F3 ), (H4 , F1 ), (H3 , F4 )

pour chaque possible il y a 4! manière de les faire assoir. Par le principe de multipli-
cation
cardC = 32 × 4! = 768

Solution de l’exercice 3.6

On note E = {0, 1, 2, 3, 4, 5, 6, 7, 8, 9}
a) Toute configuration de 8 chiffres différents de E est un arrangement sans répétition.
Donc l’ensemble des configurations possibles est l’ensemble des arrangements sans
répétition. Le nombres de configurations possibles est

10!
A 810 = = 1814400
2!

b) Soit A l’ensemble des numéros de téléphone qui contient au moins un chiffre pair. A c
est donc l’ensemble des numéros de téléphone composés des chiffres impairs. Donc

22
A. BEN TAHAR

tout numéros de téléphone est composé par les chiffres impair c-à-d choisi de l’en-
semble {1, 3, 5, 7, 9}. Par conséquent

card(A c ) = 58 = 390625

Si on note par Ω l’ensemble des numéros de téléphone de 8 chiffres de E. On a

card(Ω) = 108 et

card(A) = card(Ω \ A c ) = card(Ω) − card(A c ) = 108 − 58 = 99609375

c) toute configuration est constitutuée de deux fois le chiffre 1, deux fois le chiffre 3, trois
fois le chiffre 5 et une seule fois le chiffre 9. Un exemple de numéros de téléphone

11 33 555 9

Pour obtenir les autres numéros possibles, il suffit de permuter ces chiffres entre
eux. Donc l’ensemble des numéros possibles B est l’ensemble des permutation avec
répétition et le nombre de numéros possibles est

8! 40320
card(B) = = = 1680
2!.2!.3!.1! 24

2
d) On choisit un chiffre parmi les 10, il y a C 10 = 45 choix possibles. Chaque chiffre occupe
quatre places pour former un numéro de téléphone. Pour chaque choix possible, le
nombre de numéros possibles est le nombre de permutations avec répétition

8! [Link]
= = 70
4!.4! 24

Finalement par le principe de multiplication le nombre de numéros possibles pour

tous les choix possibles est

2 8!
C 10 × = 45 × 70 = 3150
4!.4!

e) On choisit un chiffre parmi les 10, il y a 10 choix possibles. Ce chiffre occupe quatre
places, donc il reste à choisir quatre chiffres différents compléter les numéros de télé-
phone, il y a C 94 choix possibles pour les quatres chiffres qui sont différents du premier.
Pour chaque choix possible, par exemple quatre fois le chiffre 7 et une seule fois pour
les chiffres 2, 3, 6 et 8, le nombre de numéros possibles est le nombre de permutations
avec répétition
8!
= [Link] = 1680
4!.1!.1!.1!.1!
Finalement, par le principe de multiplication le nombre de numéros possibles pour
tous les choix possibles est

8! 9×8×7×6
10 × C 94 × = 10 × × 1680 = 2116800
4!.1!.1!.1!.1! 4×3×2×1

23
 A. BEN TAHAR

Solution de l’exercice 3.7

a) Chaque main de 5 carte est de la forme A A ABC, où A, B, C sont des valeurs deux
à deux distinctes. On choisit tout d’abord la valeur A de la première carte. Il y a 13
possibilités. On choisit 3 cartes de cette valeur parmi 4. Il y a C 43 = 4 possibilités. On
2
choisit ensuite deux autres valeurs parmi les 12 restantes. Il y a C 12 = 66 possibilités.
Il y a 4 cartes possibles pour chacune de ces deux valeurs, soit 16 possibilités. Le
nombre de mains est donc 13 × 4 × 66 × 16 = 54912.
b) On cherche donc parmi cinq cartes ayant des valeurs distinctes les mains où les cartes
ne se suivent pas, et celles qui ne sont pas d’une même couleur. Si on appelle
A = "l’ensemble des mains où les valeurs sont distinctes"
B = l’ensemble des mains où les valeurs des cartes se suivent"
C = l’ensemble de mains où les cartes sont de même signe"
On a B ⊆ A et C ⊆ A. Donc

card(A \ (B ∪ C)) = card(A) − card(B ∪ C)

Or card(B ∪ C) = card(B) + card(C) − card(B ∩ C)), donc

card(A \ (B ∪ C)) = card(A) + card(B ∩ C)) − card(B) − card(C)

Calculons card(A). Dans l’événement A, les valeurs de chaque main sont différentes.
5
Comme il y a 13 valeurs différentes dans ce jeu, il y a donc C 13 = 1287 choix possibles.
Puis pour chaque valeur choisie, on choisit un signe des quatre cartes de cette valeur,
ce qui fait 45 choix possibles. Par le principe de multiplication on a

card(A) = 45 × C 13
5
= 1317888

Calculons card(B). Dans l’événement B, il y a 9 choix possibles pour que les valeurs se
suivent. Puis pour chque choix possibles il y a 45 choix pour les signes. Par le principe
de multiplication on a
card(B) = 9 × 45 = 9216
Calculons card(C). On choisit le signe, il y a 4 choix possibles. Puis pour chaque signe
5
choisi, il y a C 13 valeurs possibles donc
5
card(A) = 4 × C 13 = 5148

Calculons card(B ∩ C). L’événement B ∩ C signifie que les cartes se suivent et sont de
même signe. On choisit le signe, il y a 4 choix possibles. Puis pour chaque signe choisi,
il y a 9 choix possibles pour que les valeurs se suivent.

card(B ∩ C) = 9 × 4 = 36

Enfin
card(A \ (B ∪ C)) = 1317888 + 36 − 5148 − 9216 = 1303560

24
A. BEN TAHAR

Solution de l’exercice 3.8

—
i) D’après la formule du binôme de Newton
n n
C nk = C nk 1k 1n−k = (1 + 1)n = 2n
X X
k=0 k=0

ii) D’après la formule du binôme de Newton pour tout x ∈ R, on a d’une part

aX
+b
(1 + x)a+b = C ak+b x k
k=0
= C 0a+b + C 1a+b x + C 2a+b x2 + . . . + C ak+b x k + . . . + C aa+
+ b a+ b
bx

d’autre part

(1 + x)a+b = (1 + x)a (1 + x)b

¢³ ´
= C 0a + C 1a x + C 2a x2 + . . . + C 0b xa C 0b + C 1b x + C 2b x2 + . . . + C bb x b
¡

= C 0a C 0b x0 + C 1a C 0b + C 0a C 1b x + C 0a C 2b + C 1a C 1b + C 0a C 2b x2 + ..
¡ ¢ ¡ ¢
³ ´
.. + C 0a C bk + C 1a C bk−1 + . . . + C ak C 0b x k + . . . + C aa C bb xa+b

Comme (1 + x)a+b est un polynôme en x, par identification des expressions on obtient

C 0a+b = C 0a C 0b



C 1a+b = C 1a C 0b + C 0a C 1b




..



 .

 C ak+b = C 0a C bk + C 1a C bk−1 + . . . + C ak C 0b
..






 .
C aa+
+b
= C aa C bb

b

25
 A. BEN TAHAR

26
TD No 4

Probabilité

1 Enoncés
Exercice 4.1
Une personne a dans sa poche n clés, dont celle de son bureau. Elle essaie les clés au hasard,
une à une, pour ouvrir la porte de son bureau. Quelle est la probabilité que cette personne
tire la bonne clé au kème essai ? (On suppose qu’elle élimine les clés déjà essayées).

Exercice 4.2
Déterminer, en précisant à partir de quelles hypothèses, la probabilité de trouver, dans un
groupe de n personnes choisies au hasard, au moins deux personnes ayant leur anniversaire
le même jour. Calculer une valeur approchée de cette probabilité pour n = 23, n = 41 et n = 57.

Exercice 4.3
Une urne contient initialement une boule blanche et une boule noire. On tire successivement
des boules de cette urne de la façon suivante : lorsuqe l’on tire une boule blanche, on la
remet dans l’urne, lorsque l’on tire une boule noire on la remet dans l’urne et on rajoute une
autre boule noire. Quelle la probabilité : de tirer successivement k boules blanches ? de tirer
successivement k boules noire ? de tirer exactement une boule noire au cours de k tirages ?

Exercice 4.4
Une roue de loterie se compose de secteurs identiques, numérotés de 1 à 12. Une personne fait
tourner la roue devant un repère fixe. On suppose que chaque secteur a la même probabilité
de s’arrêter devant ce repère. A chaque partie un joueur mise une certaine somme d’argent en
choisissant un, deux ou trois numéros sur les 12, il est gagnant si le secteur qui s’arrête de-
vant le repère porte l’un des numéros choisis. Un joueur, possédant un crédit illimité, effectue
une suite de parties en adoptant la stratégie suivante : Il mise sur le chiffre 1 à la première
partie. S’il perd à la nème partie, n ≥ 1, il mise uniquement sur les chiffres 1 et 2 à la partie
suivante et s’il gagne à la nème partie, il mise sur les chiffres 1, 3 et 5.
1. On note p la probabilité de l’événement A : "le joueur gagne la nème partie".
n n

a) Calculer les probabilités conditionnelles P(A n+1 /A n ) et P(A n+1 /A nc ). En déduire

que ∀ n ∈ N? ,
p n+1 = (1/12)p n + 1/6

27
 A. BEN TAHAR

b) En déduire l’expression de p n en fonction de n et déterminer limn→∞ p n .

2. Soit k = 1, ..., n, on note B k l’événement "le joueur gagne une seule fois au cours des n
premières parties et ce gain a lieu à la kème partie "
a) A l’aide de la formule des probabilités composées, calculer P(B n ).
b) Soit k = 1, ..., n, calculer P(B k ).

2 Solutions

Solution de l’exercice 4.1

On note par B k l’événement "tirer la bonne clé au kème tirage". Dans cette exercice on
cherche la probabilité P(B k ). On remarque que B k ⊂ B1c ∩ B2c ∩ . . . ∩ B kc −1 pour k = 2, . . . , n. Sa-
chant que la bonne clé n’est pas tirée pendant les k − 1 premiers tirages, alors la probabilité
de la tirer au kème tirage est
1
P(B k |B1c ∩ B2c ∩ . . . ∩ B kc −1 ) =
n−k+1
car les k − 1 clés essayées se sont rejetées et il reste n − k + 1. Donc
P(B k ) = P(B1c ∩ B2c ∩ . . . ∩ B kc −1 ∩ B k )
= P(B k |B1c ∩ B2c ∩ . . . ∩ B kc −1 ) × P(B1c ∩ B2c ∩ . . . ∩ B kc −1 )
= P(B k |B1c ∩ B2c ∩ . . . ∩ B kc −1 ) × P(B kc −1 |B1c ∩ B2c ∩ . . . ∩ B kc −2 ) × P(B1c ∩ B2c ∩ . . . ∩ B kc −2 )
= P(B k |B1c ∩ B2c ∩ . . . ∩ B kc −1 ) × P(B kc −1 |B1c ∩ B2c ∩ . . . ∩ B kc −2 ) × . . . × P(B2c ∩ B1c ) × P(B1c )
1 n−k+1 (n − 1) 1 1
= × ×...× × =
n−k+1 n−k+2 n (n − 1) n
2

Solution de l’exercice 4.2

On suppose que l’année a 365 jours, et on considère que les dates d’anniversaire sont ré-
parties de manière équiprobable c-à-d pour k = 1, . . . , 365, si on note l’événement E k = "une
personne donnée a son anniversaire le kème jour" alors P(E k ) = 1/365. Soit l’événement A =
"au moins deux personnes ont le même jour d’anniversaire". Si n > 365, alors P(A) = 1, car
on peut toujour trouver 2 personnes ont jour d’anniversaire.
Si n ≤ 365. Chaque personne peut avoir un jour d’anniversaire k ∈ {1, . . . , 365}. L’ensemble
des anniversaires des n personnes Ω est donc l’ensemble des arrangements avec répétition
de n éléments parmi 365. Ainsi
card(A)
P(A) =
card(Ω)
c
Comme l’événement A = "les n personnes ont des jours d’anniversaire différents" est exac-
tement l’ensemble des arrangements sans répétition de n éléments parmi 365. par consé-
n
quent card(A c ) = A 365 et
n
A 365 365!
P(A) = 1 − P(A c ) = 1 − = 1−
365n 365n (365 − n)!

28
A. BEN TAHAR

p ¡ ¢n
D’après la formule de Stirling n! ∼ 2π n ne on a

p
(365)365 e−365 2 × 365π 365 365−n+1/2
µ ¶
P(A) ∼ p = e−n
365n (365 − n)365−n e−(365−n) 2 × (365 − n)π 365 − n

Application numérique :
Pour n = 23 on a P(A c ) = 0.49, n = 41 on a P(A c ) = 0.09 et n = 57 on a P(A c ) = 0.009
2

Solution de l’exercice 4.3

Soient B l’événement "Tirer successivement k boules blanches", N l’événement "Tirer suc-

cessivement k boules noire" et C l’événement "Tirer exactement une seule boule blanches au
cours des k premiers tirage". On note B i l’événement "le i ème tirage est une boule blanche"
et N i l’événement "le i ème tirage est une boule noire".
Calculons la probabilité de B. On a B = B1 ∩ B2 ∩ . . . ∩ B k et par la formule des probabilités
composées

P(B) = P(B1 ∩ B2 ∩ . . . ∩ B k )
= P(B1 ) × P(∩B2 |B1 ) × P(∩B3 |B1 ∩ B2 ) × . . . × . . . P(B k |B1 ∩ B2 ∩ . . . ∩ B k−1 )
1 1 1 1
= × × ×...×
µ2 ¶n2 2 2
1
=
2

Calculons la probabilité de N. On a N = N1 ∩ B2 ∩ . . . ∩ Nk et par la formule des probabilités

composées

P(N) = P(N1 ∩ N2 ∩ . . . ∩ Nk )
= P(N1 ) × P(∩ N2 | N1 ) × P(∩ N3 | N1 ∩ N2 ) × . . . × . . . P(Nk | N1 ∩ N2 ∩ . . . ∩ Nk−1 )
1 2 3 k
= × × ×...×
2 3 4 1+k
1
=
1+k

Calculons la probabilité de C. On note C l l’événement "le l ème tirage est une boule noire
pendant les k premiers tirages et les autres tirage sont blanches".

C l = B1 ∩ . . . ∩ B l −1 ∩ Nl ∩ B l +1 . . . ∩ B k

On a C = C 1 ∪ C 2 ∪ . . . ∪ C k et les événements (C l )1≤l ≤k sont deux à deux disjoints. Donc

k
X
P(C) = P(C l )
l =1

29
 A. BEN TAHAR

Calculons P(C l ). D’après la formule des probabilités composées

P(C l ) = P(B1 ∩ . . . ∩ B l −1 ∩ Nl ∩ B l +1 . . . ∩ B k )
= P(B1 ) × × . . . P(Nl |B1 ∩ . . . ∩ B l −1 ) × P(B l +1 |B1 ∩ . . . ∩ B l −1 ∩ Nl ) ×
. . . × P(B k |B1 ∩ . . . ∩ B l −1 ∩ Nl ∩ B l +1 ∩ . . . ∩ B k )
1 1 1 1 1
= × ×...× × ×...×
2
| 2 {z 2
} | {z 3}
3
l fois k− l fois
µ ¶ l µ ¶ k− l
1 1
=
2 3
Car avant de tirer la boule noire l’urne contient une boule noire et une boule blanche. Après
le l ème tirage pendant lequel on a tiré une boule noire, l’urne contient une blanche et deux
noires. Par conséquent
¡ 1 ¢k ¡ 1 ¢k õ ¶ µ ¶k !
k µ 1 ¶ l µ 1 ¶ n− l 1 − 3 1 k 1
2
X
P(C) = = × 1 1
=3 −
l =1 2 3 2 2−3
2 3
2

Solution de l’exercice 4.4

1. Soient l’événement A n = "le joueur gagne la nème partie" et p n = P(A n ).

a) Le joueur commence le jeu par miser sur un seul chiffre, la probabilté pour qu’il
gagne 1ème la partie est P(A 1 ) = 1/12. Si le joueur gagne la 1ème partie alors il
mise sur trois chiffres donc la probabilté pour qu’il gagne la partie suivante est
P(A 2 | A 1 ) = 3/12 = 1/4 et s’il perd la 1ème partie alors il mise sur deux chiffres
donc la probabilté pour qu’il gagne la partie suivante est P(A 2 | A 1c ) = 2/12 = 1/6
On a de même pour P(A n+1 | A n ) = 3/12 et P(A n+1 | A nc ) = 2/12 pour tout n ≥ 2.

11/12 1/12

A 1c A1

10/12 2/12 9/12 3/12

A 2c A2 A2
A 2c

D’parès la formule des probabilité totales on a

P(A n+1 ) = P(A n )P(A n+1 | A n ) + P(A nc )P(A n+1 | A nc )

= P(A n )P(A n+1 | A n ) + (1 − P(A n ))P(A n+1 | A nc )

donc
3 2 1 1
p n+1 = p n + (1 − p n ) = pn +
12 12 12 6

30
A. BEN TAHAR

b) Toute équation de la forme p n+1 = ap n + b s’appelle équation de récurrence du

premier ordre. Si a 6= 1. La terme général p n est de la forme

b
p n = αa n +
1−a

1 1 b 2
Pour a = et b = on a = et
12 6 1 − a 11
¶n
1 2
µ
pn = α +
12 11

Pour déterminer la valeur de α il suffit de remplacer n par 1. Comme p 1 = 1/12,

la solution de l’équation
1 2 1
α+ =
12 11 12
est
1 2 13
12 − 11 − 132 13
α= 1
= 1
=−
12 12
11

2
On déduit que limn→∞ p n =
11
2. Pour k = 1, ..., n, on note B k l’événement "le joueur gagne une seule fois au cours des
n premières parties et ce gain a lieu à la kème partie "
a) On exprime B n en fonction des événements A i on a

B n = A 1c ∩ A 2c ∩ . . . ∩ A nc −1 ∩ A n

En utilisant la formule des probabilités composées on obtient

P(B n ) = P(A 1c ∩ A 2c ∩ . . . ∩ A nc −1 ∩ A n )
= P(A 1c ) × P(∩ A 2c | A 1c ) × . . . P(A n−1 | A 1c ∩ . . . ∩ A nc −2 ) × P(A n | A 1c ∩ . . . ∩ A nc −1 )
11 10 10 2
= × ...× ×
12 12 12 12
µ ¶n−2
11 2 10
= × ×
12 12 12

b) De même on calcule P(B k ) pour k = 1, ..., n − 1. On commence par P(B1 )

P(B1 ) = P(A 1 ∩ A 2c ∩ . . . ∩ A nc −1 ∩ A nc )
= P(A 1 ) × P(∩ A 2c | A 1 ) × P(A 3c | A 1 ∩ A 2c ) × . . . × P(A n | A 1 ∩ A 2c ∩ . . . ∩ A nc −1 )
1 9 10 10 10
= × × ...× ×
12 12 12 12 12
µ ¶n−2
1 9 10
= × ×
12 12 12

31
 A. BEN TAHAR

Puis on calcule P(B2 )

P(B2 ) = P(A 1c ∩ A 2 ∩ A 3c ∩ . . . ∩ A nc )
= P(A 1c ) × P(∩ A 2 | A 1c ) × P(A 3c | A 1c ∩ A 2 ) × . . . × P(A n | A 1 ∩ A 2 ∩ . . . ∩ A nc −1 )
11 2 9 10 10
= × × ...× ×
12 12 12 12 12
µ ¶n−3
11 2 9 10
= × × ×
12 12 12 12

Calculons maintenant P(B k ) pour k = 3, ..., n − 1

P(B k ) = P(A 1c ∩ . . . ∩ A kc −1 ∩ A k ∩ A kc +1 ∩ . . . ∩ A nc )
= P(A 1c ) × P(∩ A 2c | A 1c ) × . . . × P(A kc −1 | A 1c ∩ . . . ∩ A kc −2 )
×P(A k | A 1c ∩ . . . ∩ A kc −1 ) × P(A kc +1 | A 1c ∩ . . . ∩ A k ) × . . . × P(A nc | A 1c ∩ . . . ∩ A nc −1 )
11 10 10 2 9 10 10
= × ×...× × × × ...×
12 12 12 12 12 12 12
µ ¶n−3
11 2 9 10
= × × ×
12 12 12 12

32
TD No 5

Variables aléatoires réelles : Cas

discret

1 Enoncés
Exercice 5.1
On tire, sans remise, deux boules au hasard d’une urne contenant 8 boules blanches, 4 boules
noires et 2 boules rouges. Supposons que l’on reçoive 2$ pour chaque boule noire tirée et que
l’on perde 1$ pour chaque boule blanche tirée. Si on désigne les gains nets par X , quelles sont
les valeurs possibles pour X et les probabilités associés à ces valeurs ?

Exercice 5.2
Une boîte contient 20 objets, dont 4 sont défectueux. Un échantillon de 3 objets est choisi
au hasard dans cette boîte. Calculer l’espérance et la variance du nombre d’objets défectueux
dans l’échantillon.

Exercice 5.3
La probabilité d’observer une maladie dans une population est p = 0, 1 et la maladie peut
être détectée sans erreur par un dosage sanguin. On souhaite déterminer par ce dosage le
nombre de personnes malades sur un échantillon de 100 personnes. Mais au lieu de tester
le sérum de chaque individu, on partitionne au hasard les 100 personnes en 10 groupes de
10 personnes dont on mélange les sérums. Si le test est négatif sur l’un de ces mélanges, on
considère que les 10 personnes correspondantes sont toutes négatives et l’on est ainsi dis-
pensé des 10 tests individuels. Si, au contraire, le test est positif, c’est qu’alors au moins une
personne est atteinte de la maladie et il faut alors tester séparément chacun des 10 sérums
ayant participé au mélange, on doit donc, dans ce cas, effectuer 11 tests.
1. Trouver les probabilités pour que, dans un groupe, on observe :
a) aucune personne malade,
b) au moins une personne malade.
2. En désignant par N le nombre total de tests à effectuer avec cette méthode de partition
des 100 personnes.

33
 A. BEN TAHAR

a) Préciser l’espace N(Ω), Déterminer la loi de N.

b) Calculer le nombre moyen de tests E(N) et la variance du nombre des tests V ar(N).

Exercice 5.4
Une pièce est jetée jusqu’à ce que pile sorte. Supposons que lors de chaque jet, la probabilité
d’obtenir pile est p, où p ∈ [0, 1]. Les résultats sont supposés indépendants. Soit T le premier
jet pour lequel pile sort.
a) Donner la loi de probabilité de la variable aléatoire T.
b) Montrer que la variable aléatoire T n’a pas de mémoire, c’est à dire :

P(T ≥ n 0 + n|T > n 0 ) = P(T ≥ n) (n ≥ 1)

Exercice 5.5
On tire au hasard et sans remise n boules dans une urne contenant N boules blanches et
M boules noires. Soit X la variable aléatoire qui compte le nombre de boules blanches tirées.
On suppose que n ≥ max(N, M).
a) Donner la loi de X
b) Montrer que E(X ) = NnN nN M N + M − n
+ M et V ar(X ) = ( N + M )2 N + M −1

Exercice 5.6
Le nombre de visiteurs par jour d’une exposition est une v.a suivant la loi de Poisson de
paramètre 1000
1. Quel le nombre moyen de visiteurs un jour donné ?
2. On suppose qu’il y’ait 10 entrées possibles pour cette exposition et que chaque entrée est
équiprobable (entrée E 1 ,..., entrée E 10 ). Quelle est la probabilité qu’un visiteur quelconque
entre par une entrée donnée ?
3. Un visiteur sur 10 entre sans payer. Quel est le nombre moyen de visiteurs qui payent à la
caisse E 1 ?
4. Quelle est la variance du nombre de visiteurs payant ?

Exercice 5.7
Soit (Ω, A , P) un espace probabilisé et (E n )n∈N une suite d’évènements telle que
X
P(E n ) < +∞
n∈N
P
1. Soit Z = n∈N 1E n . Montrer que Z est une variable aléatoire discrète.
2. Soit F = {ω ∈ Ω| ω appartient à un nombre fini de E n }. Montrer que F est un évènement
et que P(F) = 1.
3. Montrer que Z admet une espérance.

2 Solutions

Solution de l’exercice 5.1

Pour i = 1, 2, on note par B i l’événement "Tirer la boule blanche au i ème tirage", par N i

34
A. BEN TAHAR

l’événement "Tirer la boule noire au i ème tirage" et par R i l’événement "Tirer la boule
rouge au i ème tirage". On représente l’énoncé dans un arbre de probabilité.
Soit X la variable aléatoire égale au gain. Les valeurs possibles de X sont {−2, −1, 0, 1, 2, 4}.

8/14 4/14 2/14

B1 N1 R1

2/13
7/13 2/13 8/13
4/13 1/13
4/13 3/13 8/13

B2
N2 R2 B2 N2 R2 B2 N2 R2

Calculons les probabilités associées

8 7 28
P(X = −2) = P(B2 ∩ B1 ) = P(B1 )P(B2 |B1 ) = × =
14 13 91
P(X = −1) = P((B2 ∩ R 1 ) ∪ (B1 ∩ R 2 )) = P(B2 ∩ R 1 ) + P(B1 ∩ R 2 ) = P(R 1 )P(B2 |R 1 )
2 8 8 2 16
+P(B1 )P(R 2 |B1 ) = × + × =
14 13 14 13 91
2 1 1
P(X = 0) = P(R 2 ∩ R 1 ) = P(R 1 )P(R 2 |R 1 ) = × =
14 13 91
P(X = 1) = P((B2 ∩ N1 ) ∪ (N2 ∩ B1 )) = P(B2 ∩ N1 ) + P(B1 ∩ N2 ) = P(N1 )P(B2 | N1 )
4 8 8 4 32
+P(B1 )P(N2 |B1 ) = × + × =
14 13 14 13 91
P(X = 2) = P((N2 ∩ R 1 ) ∪ (N1 ∩ R 2 )) = P(N2 ∩ R 1 ) + P(N1 ∩ R 2 ) = P(R 1 )P(N2 |R 1 )
2 4 4 2 8
+P(N1 )P(R 2 | N1 ) = × + × =
14 13 14 13 91
4 3 6
P(X = 4) = P(N2 ∩ N1 ) = P(N1 )P(N2 | N1 ) = × =
14 13 91

Solution de l’exercice 5.2

Soit X la variable aléatoire qui désigne le nombre d’objets déffectueux dan un échantillon
de 3 trois objets choisi au hasard. Les valeurs possibles de X sont X (Ω) = {0, 1, 2, 3}. Les

35
 A. BEN TAHAR

probabilités associées sont

C 40 C 16
3
2.14 28 140
P(X = 0) = 3
= = =
C 20 19.3 57 285
C 41 C 16
2
8 120
P(X = 1) = 3
= =
C 20 19 285
C 42 C 16
1
16 8 24
P(X = 2) = 3
= = =
C 20 10.19 95 285
0
C 43 C 16 1 1
P(X = 3) = 3
= =
C 20 5.19.3 285

On résume la loi de X dans le tableau suivant :

x 0 1 2 3
140 120 24 1
P(X = x) 285 285 285 285

L’espérance de X est

E(X ) = 0.P(X = 0) + 1.P(X = 1) + 2.P(X = 2) + 3.P(X = 3)

120 24 1 171 3
= 1. + 2. + 3. = =
285 285 285 285 5
La variance de X est

V ar(X ) = 02 .P(X = 0) + 12 .P(X = 1) + 22 .P(X = 2) + 32 .P(X = 3) − E(X )2

µ ¶2
120 24 1 3
= 1. + 4. + 9. −
285 285 285 5
225 9 15 9 204
= − = − =
285 25 19 25 475
2

Solution de l’exercice 5.2

1. On désigne par (
Xi = 1, si la i ème personne malade
Xi = 0, sinon.
dans un groupe donnée. Les variables X 1 , X 2 , . . . , X 1 0 sont indépendantes et de même
loi. La variable X 10
P
i =1 X i suit la loi binomiale B(10, p)
a) La probabilité pour que, dans un groupe, aucune personne n’est malade est
0
P(X = 0) = C 10 p0 (1 − p)10 = (1 − p)10

b) La probabilité pour que, dans un groupe, au moins une personne est malade est

P(X ≥ 1) = 1 − P(X = 0) = 1 − (1 − p)10

36
A. BEN TAHAR

2. Soit N le nombre total de tests à effectuer avec cette méthode de partition des 100 per-
sonnes.
a) N(Ω) = {10, 20, 30, 40, 50, 60, 70, 80, 90, 100, 110}. Calculons P(N = k) pourk ∈ N(Ω). On
note par q = (1 − p)10

P(N = 10) = P(tous les groupes sont sains) = q10

1
P(N = 20) = P(un groupe est malade et 9 groupes sont sains) = C 10 (1 − q)q9
.. .
. = ..

Et pour l = 0, . . . , 10, on a

P(N = 10l + 10) = P(l groupes sont malades et 10 − l groupes sont sains)
l
= C 10 (1 − q)l q10−l

N − 10
b) On remarque que la variable Z = prend les valeurs {0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10}
10
et
l
P(Z = l) = P(N = 10l + 10) = C 10 (1 − q)l q10−l
Ainsi Z suit la loi binomiale B(10, 1 − q). D’après le cours E(Z) = 10(1 − q) et V ar(Z) =
10(1 − q)q donc le nombre moyen de tests à effectuer est

E(N) = E(10Z +10) = 10E(Z)+10 = 100(1− q)+10 et V ar(N) = V ar(10Z) = 1000(1− q)q

Solution de l’exercice 5.4

a) Soit T le premier jet pour lequel pile sort. Les valeurs possibles de T sont T(Ω) = N∗ .
Soit P i l’événement "pile sort le i ème jet". Les événements P i sont indépendants et de
même probabilité p. Ainsi

P(T = k) = P(P1c ∩ P2c ∩ . . . ∩ P kc −1 ∩ P k ) = P(P1c )P(P2c ) . . . P(P kc −1 )P(P k ) = (1 − p)k−1 p

Donc T suit la loi géométrique G (p).

b) Soit T une variable aléatoire suivant la loi géométrique G (p). Montrons d’abord que
P(T ≥ k) = (1 − p)k−1
∞
X
P(T ≥ k) = P(X = l)
l =k
∞
(1 − p)l −1 p = ((1 − p)k−1 p + (1 − p)k p + . . . + (1 − p)k−1+n p + . . .
X
=
l =k
= (1 − p)k−1 p 1 + (1 − p)1 + . . . + (1 − p)n + . . .
¡
∞
= (1 − p)k−1 p (1 − p)n
X
n=0
k−1
= (1 − p)

37
 A. BEN TAHAR

Maintenant montrons que T n’a pas de mémoire. Soient n ≥ 1 et n 0 ≥ 0 on a

P({T ≥ n 0 + n} ∩ {T > n 0 })
P(T ≥ n 0 + n|T > n 0 ) =
P({T > n 0 })
P({T ≥ n 0 + n})
=
P({T ≥ n 0 + 1})
(1 − p)n0 +n−1
=
(1 − p)n0
= (1 − p)n−1
= P(T ≥ n)

Solution de l’exercice 5.5

a) Les valeurs possibles de X sont X (Ω) = {0, 1, . . . , n} et les probabilités associées sont

k n− k
CN .C M
P(X = k) = n
CN +M

pour tout k ∈ X (Ω).

b) Calculons l’espérance

n n k n− k
X X CN .C M
E(X ) = kP(X = k) = k n
k=0 k=1 CN +M

k k−1
Comme kC N = NC N −1
, on a

1 n
k−1 n− k
X
E(X ) = n NC N −1 C M
CN +M k=1
N n
k−1 n− k
X
= n CN −1 C M
CN +M k=1
N n−1
= n CM + N −1
CN +M

n n−1 nN
Comme nC N +M
= (N + M)C M + N −1
. On a E(X ) = N +M . Calculons mainteneant la va-

38
A. BEN TAHAR

riance on a V ar(X ) = E(X (X − 1)) + E(X ) − (E(X ))2 ,il suffit de calculer E(X (X − 1)).

n n k n− k
X X CN .C M
E(X (X − 1)) = k(k − 1)P(X = k) = k(k − 1) n
k=0 k=2 CN +M
1 n
k n− k
X
= n k(k − 1)C N .C M
C N + M k=2
N(N − 1) X n
= C k−2 .C n−k
C N + M k=2 N −2 M
n

N(N − 1) n−2
= n C M + N −2
CN +M
n(n − 1)N(N − 1)
=
(N + M)(M + N − 1)

On a

V ar(X ) = E(X (X − 1)) + E(X ) − (E(X ))2

n(n − 1)N(N − 1) nN nN 2
µ ¶
= + −
(N + M)(M + N − 1) N + M N+M
nN (n − 1)(N − 1) nN
µ ¶
= +1−
N + M (M + N − 1) N+M
nN M N + M − n
=
(N + M)2 N + M − 1

Solution de l’exercice 5.6

1. Le nombre de visiteurs par jour d’une exposition est une v.a suivant la loi de Poisson de
paramètre 1000. Le nombre moyen de visiteurs un jour donné est λ = 1000
2. On suppose qu’il y’ait 10 entrées possibles pour cette exposition et que chaque entrée est
équiprobable (entrée E 1 ,..., entrée E 10 ). La probabilité qu’un visiteur quelconque entre
par une entrée donnée est p = 1/10.
3. Soit Z le nombre de visiteurs par jour d’une exposition donnée. Par hypothèse Z ∼ P (λ).
Soit Z1 le nombre de visiteurs par jour qui entrent par la porte E 1 .
a) On a
½
0 si k > n
P(Z1 = k| Z = n) =
C nk p k (1 − p)n−k sinon

39
 A. BEN TAHAR

b) Les valeurs possibles de Z1 sont N. soit k ∈ N on a

∞
X
P(Z1 = k) = P(Z1 = k| Z = n)P(Z = n)
n=0
∞ λn
C nk p k (1 − p)n−k e−λ
X
=
n= k n!
(pλ)k X
∞ ((1 − p)λ) n− k
= e−λ .
k! n=k (n − k)!
(pλ)k (1− p)λ
= e−λ . .e
k!
(pλ)k − pλ
= e
k!
Donc Z1 ∼ P (pλ). Pour λ = 1000 et p = 1/10, Z1 ∼ P (100)
4. On suppose q’un visiteur sur 10 entre sans payer et si on note par Z1,pa y le nombre
de visiteurs qui payent à la caisse E 1 . Alors Z1,pa y ∼ P (90) donc le nombre moyen de
visiteurs qui payent à la caisse E 1 est E(Z1,pa y ) = 90.
5. Soit Z pa y le nombre de visiteurs payant, on a Z pa y ∼ P (900) donc la variance du nombre
de visiteurs payant est 900
2

Solution de l’exercice 5.7

1. L’ensemble des valeurs possibles est N ∪ {∞}. Pour k ∈ N

k
X
Zk = 1E n
n=0

est une variable aléatoire discrète par addition. Donc

{ Z ≥ p} = ∪∞
k=0 { Z k ≥ p}

est un évènement pour tout p ∈ N. On en déduit que les ensembles

{ Z = p} = { Z ≥ p} \ { Z ≥ p + 1} et { Z = ∞} = ∩∞
p=0 { Z ≥ p}

sont des évènements.

2. On a F = { Z < ∞}, donc F est un evénement. Pour tout p ≥ 1 on a

{ Z ≥ p} ⊂ ∪∞
n= p−1 E n

donc
∞
X
P(Z ≥ p) ≤ P(E n ) −−−−→ 0
p→∞
n= p−1

par continuité décroissante on a P({ Z = ∞}) = 0

40
A. BEN TAHAR

3. Montrons que Z admet une espérance. On d’une part

k
X ∞
X
E(Z k ) = P(E n ) = P(Z k ≥ i)
n=0 i =1
∞
X ∞
X
≥ P(Z k ≥ i, Z k = Z) = P(Z ≥ i, Z k = Z)
i =1 i =1
l
X
≥ P(Z ≥ i, Z k = Z)
i =1

pour tout entier l. A l fixé, on fait tendre k vers l’infini. Le premier membre converge
Pl
vers ∞
P
n=0 P(E n ) tandis que le dernier converge vers i =1 P(Z ≥ i, Z < ∞) par continuité
croissante. Comme P(Z = ∞) = 0, on a P(Z ≥ i, Z < ∞) = P(Z ≥ i). Ainsi, pour tout l fixé :

∞
X l
X
P(E n ) ≥ P(Z ≥ i).
n=0 i =1

D’autre part on fait tendre l vers l’infini on obtient

∞
X
P(E n ) ≥ E(Z)
n=0
P∞
donc E(Z) = n=0 P(E n )
2

41
 A. BEN TAHAR

42
TD No 6

Variables aléatoires réelles : Cas à

densité

1 Enoncés
Exercice 6.1
Soit X une variable aléatoire de densité de probabilité
1

(x − 1) si 1 ≤ x < 2
 2 1



2 si 2 ≤ x < 3
f (x) = x

 2 − 2 si 3 ≤ x < 4


0 ailleur

a) Vérifier que f est bien une densité de probabilité,

b) Calculer P(X ≤ 3, 5) et P(0 ≤ X ≤ 2/X ≤ 3)
c) Déterminer l’espérance et la variance de X
d) On considère la variable Y définie par Y = 4X − 2, 5. Déterminer l’espérance et la variance
de Y .

Exercice 6.2
Soit f la fonction définie sur R par :

a.3− x
½
si x > 0
f (x) =
a.3 x si x < 0.

1. Déterminer a pour que f soit une densité de probabilité.

2. Soit X une variable aléatoire admettant f pour densité. Déterminer la fonction de répar-
tition de X .
3. Calculer E(X ).
4. On pose Y = 3 X . Déterminer la fonction de répartition de Y . Y admet-elle une espérance ?

Exercice 6.3
Soit X une variable aléatoire dont la densité f a la forme :

f (x) = c(x − a)(b − x)1[a,b] (x)

43
 A. BEN TAHAR

où a, b, c sont des constantes positives (a < b) et

½
1 si x ∈ [a, b]
1[a,b] (x) =
0 sinon.

1. Vérifier que l’on a pour tout n

b (b − a)n+2
Z
(x − a)n (b − x)dx = .
a (n + 1)(n + 2)

2. Exprimer c en fonction de a et b.
3. Calculer E(X − a) et E((X − a)2 ).
4. En déduire E(X ) et V ar(X ) en fonction de a et b.

Exercice 6.4
Soit X une variable aléatoire réelle de loi de densité 1 x≥0 λ e−λ x , λ > 0 fixé (loi exponentielle
de paramètre λ).
1. Calculer E(X ) et var(X )
2. Calculer la densité de la loi de 2X
3. Calculer E(2X ), var(2X ).

Exercice 6.5 2
− ( x− m)
Soit X variable aléatoire réelle de loi de densité p 1 e 2σ 2 , σ, m ∈ R fixés (loi N (m, σ2 )).
2πσ2
x2
Soit U variable aléatoire réelle de loi de densité p1 e− 2 .
2π
1. Montrer que σU + m a même loi que X .
2. Calculer E(X ) et var(X ).
3. Calculer la densité de la loi de Y = aX + b pour a et b réels.
4. Calculer E(Y ) et var(Y ).

Exercice 6.6
On appelle fonction gamma la fonction Γ définie par :
Z ∞
Γ(α) = e− y yα−1 d y, ∀α > 0
0

1. Montrer que pour α > 0, β > 0, la fonction f donnée par

βα e−β x xα−1
(
Γ(α) si x≥0
f (x) =
0 si x<0

est une densité de probabilité.

2. Soit X une v.a admettant f pour densité de probabilité.
a) Montrer que Γ(α + 1) = αΓ(α) pour tout α > 0. Quelle est l’expression de Γ(n + 1) quand
n est un entier ?
b) Montrer que E(X ) = αβ

44
A. BEN TAHAR

Exercice 6.7
Soit Z une variable aléatoire de loi exponentielle de paramètre a. On considère la varaible
aléatoire X = exp Z.
i) Montrer que h(x) = xaa+1 1[1,+∞[ (x) est la densité de X . On dit que X suit la loi de Paréto de
paramètre a et on note X ∼ Par(a).
ii) Déterminer la fonction de répartition de X
iii) Calculer l’espérance et la variance de X
iv) Calculer E( X1 )

Exercice 6.8
1
Soit Y variable aléatoire réelle de densité π(1+ x2 )
. Montrer que 1/Y a même loi que Y .

Exercice 6.9
Soit X de loi N (0, 1) (loi normale centrée réduite).
¯ uX ¯
1. Soit u ∈ R. Montrer que la variable ¯ e X−1 ¯ est d’espérance finie.
¯ ¯
³ uX ´
2. Soit M > 0 quelconque. Montrer que la dérivée de u 7→ E e X−1 pour | u| < M est u 7→
− x2 /2
E(e uX ) = R e ux ep . Indication : on admettra l’existence d’une constante C M telle que
R
2π
M | x| − x2 /2 ≤ C M − x2 /4 (∀ x ∈ R). On laissera dans un premier temps la dérivée sous
forme intégrale.
3. Calculer pour aboutir à une expression de la dérivée sans espérance ni intégrale.
³ uX ´
4. Calculer la dérivée de u 7→ E e X−1 pour tout u.

Exercice 6.10
Soit δ > 0 et Y de loi N (0, 1).
2
− x2
R +∞ 1 ∂
1. Montrer que P(Y > δ) = p1
2π δ x ∂ x (− e )dx. En déduire une intégration par parties
δ 2
1 p1
de cette intégrale qui donne que P(Y > δ) = δ 2π
e− 2 − (intégrale positive). En déduire
que
1 1 − δ2
P(Y > δ) ≤ p e 2
δ 2π

2. On remarque que
y2
 
+∞ 1 e −
Z
P(Y > δ) = y p 2  d y
δ y 2π

Déduire de la question précédente que

Z +∞
P(Y > δ) ≥ δ F(y)d y
δ

avec
x2
+∞ e− 2
Z
F(y) = p dx
y 2π

45
 A. BEN TAHAR

R +∞
3. Intégrer par parties δ 1 × F(y)d y (en intégrant le 1 et dérivant le F) pour trouver

x2 δ2
+∞ +∞ e− 2 e− 2
Z Z
1 × F(y)d y = −δ p dx + p .
δ δ 2π 2π

4. En déduire que
δ2
e− 2
1
P(Y > δ) ≥ ¡ p
δ + δ1 2π
¢

Exercice 6.11
p 2
Soit X variable aléatoire réelle de densité (2/π)e− x /2 1 x≥0 .
1. Soit φ : u ∈] − 1, +∞[7→ φ(u) = E(e−uX ). Écrire φ(u) sous forme d’une intégrale sur R et
montrer que φ est continue.
2. Donner la limite de φ(n) quand n entier positif tend vers l’infini.
3. Donner la densité de la variable aléatoire Y = e− X .

2 Solutions

Solution de l’exercice 6.1

a) La reprsentation de f montre que f ≥ 0

Cf

1/2

1 2 3 4

on a
+∞ 1 2 1 3 1 4
Z Z Z Z
f (x)dx = (x − 1)dx + dx + (4 − x)dx
−∞ 2 1 2 2 2 3
1 1 1
= + +
4 2 4
= 1

f est bien une densité de probabilité,

46
A. BEN TAHAR

b) On a
Z 3, 5
P(X ≤ 3, 5) = f (x)dx
−∞
1 2 1 3 1 3, 5
Z Z Z
= (x − 1)dx + dx + (4 − x)dx
2 1 2 2 2 3
1 1 3 4+8+3
= + + = = 15/16
4 2 16 16

Et

P({0 ≤ X ≤ 2} ∩ { X ≤ 3})
P(0 ≤ X ≤ 2| X ≤ 3) =
P(X ≤ 3)
P(0 ≤ X ≤ 2)
=
P(X ≤ 3)
1/4
= = 1/3
3/4

c) Calcul de l’espérance
Z +∞
E(X ) = x f (x)dx
−∞
1 2 1 3 1 4
Z Z Z
= x(x − 1)dx + xdx + x(4 − x)dx
2 1 2 2 2 3
1 2 1 2 1 3 1 4
Z Z Z Z Z 4
= (x − 1)2 dx + (x − 1)dx + xdx − (4 − x)2 dx + 2 (4 − x)dx
2 1 2 1 2 2 2 3 3
1 1 5 1
= + + − +1
6 4 4 6
= 5/2

Calculons V ar(X ), comme V ar(X ) = V ar(X − 1), on calule E((X − 1)2 )

Z +∞
E((X − 1)2 ) = (x − 1)2 f (x)dx
−∞
1 2 1 3 1 4
Z Z Z
= (x − 1)3 dx + (x − 1)2 dx + (x − 1)2 (4 − x)dx
2 1 2 2 2 3
1 2 1 3 1 4 3 4
Z Z Z Z
3 2 3
= (x − 1) dx + (x − 1) dx − (x − 1) dx + (x − 1)2 dx
2 1 2 2 2 3 2 3
1 7 65 19
= + − +
8 6 8 2
= 74/24

Ainsi la variance de X est

V ar(X ) = V ar(X −1) = E((X −1)2 )−(E(X ) − 1)2 = 74/24−(5/2−1)2 = 74/24−9/4 = 20/24 = 5/6

d) On a E(Y ) = 4E(X ) − 2, 5 = 7, 5 et V ar(Y ) = 16V ar(X ) = 16.5/6 = 40/3.

47
 A. BEN TAHAR

Solution de l’exercice 6.2

Soit f la fonction définie sur R par :

a.3− x
½
si x > 0
f (x) =
a.3 x si x < 0.
1. Pour tout x > 0, on a f (− x) = f (x) donc f est impaire. Pour que f soit une densité de
R
probabilité il faut et il suffit que f soit positive et R f (x)dx = 1. On cherche alors la
R
valeur de a pour que R f (x)dx = 1. On a
Z Z +∞
f (x)dx = 2 f (x)dx
R 0
Z ∞ Z +∞
= 2a 3− x dx = 2a e− x ln (3) dx
0 0
1 − x ln (3) +∞
· ¸
= 2a − e
ln (3) 0
2a
=
ln (3)
ln (3)
Par conséquent f est une densité de probabilité ssi a = .
2
2. Soit X une variable aléatoire de densité f . La fonction de répartition de X est

F X (x) = P(X ≤ x)
Z x
= f (t)dt
−∞

pour tout x ∈ R. Si x < 0 alors

¸x
1 3x
·
F X (x) = a e t ln (3) =
ln (3) −∞ 2
Si x ≥ 0 alors
Z 0 Z x
F X (x) = f (t)dt + f (t)dt
−∞ 0
1 1 − t ln (3) x
· ¸
= +a − e
2 ln (3)
¸0
1 1 − t ln (3) x
·
= +a − e
2 ln (3) 0
1 1 −x
= + (1 − 3 )
2 2
3− x
= 1−
2
En résumé la fonction de répartition de X est
−x
1− 3
½
six ≥ 0
F X (x) = 3x 2
2 sinon

48
A. BEN TAHAR

3. X admet-elle une espérance ?. Comme f est paire on a

Z +∞ Z +∞
| x| f (x)dx = 2 x f (x)dx
−∞ 0
Z ∞ Z +∞
= 2a x3− x dx = 2a xe− x ln (3) dx
0 0
cette dernière intégrale est finie donc E(X ) existe. Comme la fonction x → x f (x) est im-
paire donc E(X ) = 0.
4. On pose Y = 3 X . Calculons la fonction de répartition de Y . Soit y ∈ R
FY (y) = P(Y ≤ y) = P(3 X ≤ y) = P(e X ln (3) ≤ y)
Si y ≤ 0 alors FY (y) = 0.
Si y > 0 alors
ln (y) ln (y)
µ ¶ µ ¶
FY (y) = P X≤ = FX
ln (3) ln (3)
 ln ( y)
 1 − 3− ln (3) si ln (y) ≥ 0
= 2
 3 ln ( y)
ln (3)
2 si ln (y) < 0
(
1
1 − 2y si y ≥ 1
= y
2 si 0 < y < 1
En résumé la fonction de répartition de Y est

1
 1 − 2y
 si y ≥ 1
y
FY (y) = si 0 < y < 1
 02

si y ≤ 0
On a
E(|Y |) = E(3 X )
Z ∞
= 3 x f (x)dx
−∞
Z 0 Z ∞
2x
= a 3 dx + a 1dx
−∞ 0
E(Y ) est la somme d’une intégrale convergente et d’une autre divergente donc Y n’admet
pas d’espérance.
2

Solution de l’exercice 6.3

Soit X une variable aléatoire dont la densité f a la forme :

f (x) = c(x − a)(b − x)1[a,b] (x)
où a, b, c sont des constantes positives (a < b) et
½
1 si x ∈ [a, b]
1[a,b] (x) =
0 sinon.

49
 A. BEN TAHAR

1. Par intégration par partie on a

¸b
b (x − a)n+1 (x − a)n+1
b
Z · Z
(x − a)n (b − x)dx = (b − x) + dx
a n+1 a a n+1
¸b
(x − a)n+2
·
= 0 +
(n + 1)(n + 2) a
(b − a)n+2
=
(n + 1)(n + 2)
R∞
2. f est une densité de pobabilité donc −∞ f (x)dx = 1, d’après 1)

∞ b (b − a)3
Z Z
f (x)dx = c (x − a)(b − x)dx = c =1
−∞ a 6

6
donc c =
(b − a)3
3. On a
∞ b 6 (b − a)4 (b − a)
Z Z
E(X − a) = (x − a) f (x)dx = c (x − a)2 (b − x)dx = =
−∞ a (b − a)3 12 2

et
∞ b 6 (b − a)5 3(b − a)2
Z Z
E((X − a)2 ) = (x − a)2 f (x)dx = c (x − a)3 (b − x)dx = =
−∞ a (b − a)3 20 10

4. On a
(b − a) (b + a)
E(X ) = E(X − a) + a = +a=
2 2
et

3(b − a)2 (b − a)2 (b − a)2

V ar(X ) = V ar(X − a) = E((X − a)2 ) − (E(X − a))2 = − =
10 4 20
2

Solution de l’exercice 6.4

1. On fait des intégrations par parties :

Z
E(X ) = λ xe−λ x 1 x≥0 dx
R
Z +∞
= λ xe−λ x dx
0
Z +∞
−λ x +∞
= [− xe ]0 + e−λ x dx
0
1 1
= 0 + [− e−λ x ]+∞
0 =
λ λ

50
A. BEN TAHAR

var(X ) = E(X 2 ) − E(X )2

Z +∞
1
= x2 λ e−λ x dx − 2
0 λ
Z +∞
1
= [− x2 e−λ x ]+∞
0 + 2xe−λ x dx − 2
0 λ
−λ x ¸+∞ Z +∞ −λ x
e e 1
·
= 0 + −2x + 2 dx − 2
λ 0 0 λ λ
−λ x ¸+∞
e 1 1
·
= 0 + −2 2 − 2= 2
λ 0 λ λ

2. Soit f : R → R+ continue bornée.

Z +∞
E( f (2X )) = f (2x)1 x≥0 λ e−λ x dx
−∞
Z +∞
1
(changement de variable t = 2x) = f (t)1 t/2≥0 λ e−λ t/2 dt .
−∞ 2

Cela est vrai ∀ f donc la densité de la loi de 2X est t 7→ 1 t≥0 λ2 e−λ t/2 .
3. Calculons : E(2X ) = 2E(X ) = λ2 (par linéarité de l’espérance) et var(2X ) = E((2X )2 ) −
E(2X )2 = 4E(X 2 ) − 4(E(X ))2 = 4var(X ) = λ42 (par linéarité de l’espérance).
2

Solution de l’exercice 6.5

1. Soit f : R → R+ continue bornée.

Z +∞ 1 x2
E( f (σU + m)) = f (σ x + m) p e− 2 dx
−∞ 2π
Z +∞ 2
1 − ( t− m)
(changement de variable t = σ x + m) = f (t) p e 2σ2 dt
−∞ 2πσ2
Cela est vrai pour tout f donc la densité de la loi de σU + m est la même que celle de
la loi de X donc σU + m et X ont même loi
2. E(X ) = E(σU + m) = σE(U) + m = m (car E(U) = 0 car intégrale de fonction impaire) et

var(X ) = var(σU + m) = E((σU + m)2 ) − E(σU + m)2

= σ2 E(U 2 ) + m2 + 2mσE(U) − m2 = σ2 E(U 2 )
Z +∞
1 x2
= σ2 x2 p e− 2 dx
−∞ 2π
2 +∞
Z +∞
1 1
· ¸
x2
2 − x2 2
= σ −x p e +σ p e− 2 dx
2π −∞ −∞ 2π
= 0 + σ2 .

51
 A. BEN TAHAR

3. Soit f : R → R+ continue bornée.

E( f (Y )) =
E( f (aX + b))
Z +∞ 2
1 − ( t− m)
= f (at + b) p e 2σ2 dt
−∞ 2πσ2
Z +∞ 2
1 − ( x− b − m)
(changement de variable x = at + b) = f (x) p e 2a2 σ2 dx
−∞ 2π a 2 σ 2
2
− ( x−b2−m2)
Cela est vrai pour tout f donc la densité de la loi de Y est x 7→ p 1 e 2a σ .
2πa2 σ2
4. E(Y ) = E(aX + b) = aE(X ) + b = am + b et

var(Y ) = var(aX + b) = E((aX + b)2 ) − E(aX + b)2

= a2 E(X 2 ) + b2 + 2abE(X ) − a2 E(X )2 − b2 − 2abE(X )
= a2 E(X 2 ) − a2 E(X )2 = a2 var(X ) = a2 σ2

Solution de l’exercice 6.8

Soit f : R → R+ continue bornée.

Z +∞ 1
E( f (1/Y )) = f (1/x) dx
−∞ π(1 + x2 )
Z 0 Z +∞
1 1
= f (1/x) dx + f (1/x) dx
−∞ π (1 + x 2)
0 π (1 + x2 )
(changement de variable en u = 1/x)
Z −∞
1 1
µ ¶
= f (u) − 2 du
0 π(1 + 1/u2 ) u
(changement de variable en v = 1/x)
Z 0
1 1
µ ¶
+ f (v) − 2 dv
+∞ π(1 + 1/v2 ) v
Z 0 Z +∞
1 1
= f (u) du + f (v) dv
−∞ π(1 + u ) 2
0 π(1 + v2 )
Z +∞
1
= f (u) du
−∞ π(1 + u2 )

(Remarque : on est obligé de découper l’intégrale en deux morceaux pour faire des change-
1
ments de variables bien définis.) On a donc que u 7→ π(1+ u2 )
est la densité de 1/Y . 2
Solution de l’exercice 6.9

¯ uX (ω) ¯ ³¯ uX ¯´
1. Pour tout ω, ¯ e X (ω−) 1 ¯ ≤ u. Donc E ¯ e X−1 ¯ ≤ E(u) = u.
¯ ¯ ¯ ¯
³ ux ´
2. — Pour tout u, E e X−1 existe par la question précédente.

52
A. BEN TAHAR

e uX (ω) −1
— Pour tout ω, u 7→ X (ω ) est dérivable et de dérivée e uX (ω) .

— Pour tout | u| < M, | e uX | ≤ e M | X | . Et

− x2 /2
M | x| e
Z
M|X |
E(e ) = p e dx
R 2π
exp(C M − x2 /4)
Z
≤ p dx < ∞ .
R 2π

Donc, par théorème de dérivation globale, la fonction considérée est dérivable sur
] − M, M[ et de dérivée u 7→ E(e uX ).
3.
2
e− x /2
Z
E(e uX ) = e ux p dx
R 2π
2
exp(− 12 (x − u)2 + u2 )
Z
= p dx
R 2π
2
= e−u /2
.

4. L’expression de la dérivée est valable sur ] − M; M[ pour tout M donc elle est valable
sur tout R.
2
Solution de l’exercice 6.10

x2 x2
∂
1. On a ∂x
(− e − 2 ) = xe− 2 . On fait une intégration par parties :

1 ∂
Z +∞
1 x2
P(Y > δ) = p (− e− 2 )dx
2π δ x ∂x
1 − x2 ∞
Z +∞
1 1 1 − x2
· ¸
= p e 2 − p e 2 dx
2π x δ 2π δ x2
1 1 − δ2
≤ p e 2.
δ 2π

2. Par la question précédente :

y2
 
∞ 1 e −
Z
P(Y > δ) = y p 2  d y
δ y 2π
Z ∞
≤ y × P(Y > y)d y
δ
Z +∞
= δ F(y)d y
δ

53
 A. BEN TAHAR

3.
y2
+∞ ∞ e− 2
Z Z
1 × F(y)d y = [yF(y)]∞
δ + yp dy
δ δ 2π
 2
∞
y
e− 2
= −δF(δ) + − p 
2π
δ
2 2
∞ − x2 − δ2
e e
Z
= −δ p dx + p
δ 2π 2π

4. D’où
δ2
2 e− 2
P(Y > δ) ≥ −δ P(Y > δ) + δ p
2π
δ2
δ e− 2
P(Y > δ) ≥ p .
1 + δ 2 2π

Solution de l’exercice 6.11

R +∞ p 2
1. On a φ(u) = 0 e−ux (2/π)e− x /2 dx.
p 2
Pour tout u > −1, x 7→ e−ux (2/π)e− x /2 est mesurable (car continue).
p 2 p 2
Pour tout u > −1, pour tout x ≥ 0, | e−ux (2/π)e− x /2 | ≤ e x (2/π)e− x /2 | qui est intégrable
sur [0, +∞[.
p 2
Pour tout x ≥ 0, u 7→ e−ux (2/π)e− x /2 est continue.
Donc par théorème de continuité sous l’intégrale, φ est continue.
p 2 p 2
2. On a pour tous n ≥ 0 et x ≥ 0 , | e−nx (2/π)e− x /2 | ≤ (2/π)e− x /2 qui est intégrable sur
p 2
[0, +∞[. Pour tout x > 0 (donc pour presque tout x de [0, +∞[), e−nx (2/π)e− x /2 → 0
quand n → ∞. Donc par le théorème de la convergence domineée,

φ(n) → 0 quand n → ∞.

3. Pour toute fonction h : R → R continue bornée, on a :

E(h(Y )) = E(h(e− X ))
Z +∞
2
h(e− x ) (2/π)e− x /2 dx
p
=
0
2
0 e− log( t) /2
Z
−x
p
(changement de variable e = t) = h(t) (2/π) dt .
1 −t
p − log( t)2 /2
Donc la densité de Y est t 7→ 1 t∈[0,1] (2/π) e t .
2

54
TD No 7

Couple de variables aléatoires

1 Enoncés
Exercice 7.1
On considère un couple (X , Y ) de variables aléatoires dont la loi conjointe est donnée par le
tableau suivant :
HH Y
H 1 2
X H HH
3 a 2a
4 3a 4a

1. déterminer la valeur de a
2. déterminer les lois marginales
3. déterminer la loi de X sachant {Y = 1}
4. X et Y sont elles indépendantes ?

Exercice 7.2
Soit (X , Y ) un couple aléatoire dont la loi est donnée par
HH Y
H 0 1 2 3
X H H
H
0 0.08 0.04 0.16 0.12
1 0.04 0.02 0.06 0.08
2 0.08 0.04 0.16 0.12

1. déterminer les lois marginales

2. déterminer la loi de X sachant {Y = 1}
3. X et Y sont elles indépendantes ?

Exercice 7.3
Soient X , Y deux variables aléatoires sur un même espace probabilisé à valeurs dans N. On
suppose que la loi conjointe de (X , Y ) vérifie : P(X = j, Y = k) = a( j + k)/2 j+k .
1. Quelle est la valeur de a ?

55
 A. BEN TAHAR

2. Déterminer les lois marginales de X et Y .

3. X et Y sont-elles indépendantes ?
4. Calculer E(X Y ).

Exercice 7.4
Soient X et Y deux variables aléatoires à valeurs dans N et p ∈]0; 1[. On suppose que la loi
conjointe de X et Y vérifie

C nk a n p(1 − p)n
½
si k ≤ n
P(X = k, Y = n) =
0 sinon

pour tout a ∈ R
1. Déterminer la valeur de a.
2. Déterminer la loi de Y
∞ 1
C nk x n−k =
X
3. Déterminer la loi de X (Indication : ∀ x ∈] − 1, 1[ on a )
n= k (1 − x)k+1
4. Les variables X et Y sont elle indépendantes ?

Exercice 7.5
Soit (X , Y ) une variable aléatoire à valeurs dans R2 de loi de densité

3
(x, y) 7→ exp (−| x + 2y| − | x − y|) .
4

Calculer la densité de la loi de (X + 2Y , X − Y ) puis les densités des lois de X et Y . (On pourra
utiliser un changement de variable approprié.)

2 Solutions

Solution de l’exercice 7.1

1. La loi conjointe de X et Y déterminant une probabilité

P(X = 3, Y = 1) + P(X = 3, Y = 2) + P(X = 4, Y = 1) + P(X = 4, Y = 2) = 1

En remplaçant ces probabilités par les valeurs du tableau, on obtient

10a = 1 ⇒ a = 1/10

2. Les lois marginales sont données dans les marges de la table de la loi conjointe, la loi
de X est obtenue en sommant les colonnes et la loi de Y est obtenue en sommant les
lignes.

56
A. BEN TAHAR

HH Y
HH 1 2 P(X = x)
X HH
3 a 2a 3a
4 3a 4a 7a
P(Y = y) 4a 6a 10 a

3. la loi de X sachant Y = 1 est

X|Y=1 P(X = x|Y = 1)

3 1/4
4 3/4

4. Comme P(X = 3|Y = 1) = 1/4 6= 3/10 = P(X = 3) donc X et Y ne sont pas indépendantes.
2

Solution de l’exercice 7.2

1. Les lois marginales sont données dans le tableau suivant :

HH Y
H 0 1 2 3 P(X = x)
X HH
H
0 0.08 0.04 0.16 0.12 0.4
1 0.04 0.02 0.06 0.08 0.2
2 0.08 0.04 0.16 0.12 0.4
P(Y = y) 0.2 0.1 0.38 0.32 1

2. La loi de X sachant {Y = 1} est données par

X |Y = 1 P(X = x|Y = 1)
0 0.4
1 0.2
2 0.4

3. On a
P(Y = 2)P(X = 0) = 0.38 × 0.4 = 0.152 6= P(X = 0, Y = 2) = 0.16
donc X et Y ne sont pas indépendantes
2

Solution de l’exercice 7.3

1. La loi conjointe de X et Y déterminant une probabilité

∞ X
X ∞
P(X = j, Y = k) = 1
j =0 k=0

57
 A. BEN TAHAR

Or
∞ X
∞ ∞ X
∞
a( j + k)/2 j+k
X X
P(X = j, Y = k) =
j =0 k=0 j =0 k=0
∞ X
X ∞ j ∞ X
X ∞ k
= a j+k
+a j+k
j =0 k=0 2 j =0 k=0 2
∞ j X
X ∞ 1 ∞ k X
X ∞ 1
= a j k k
+a j
j =0 2 k=0 2 k=0 2 j =0 2
∞ j
X ∞ k
X
= 2a j
+ 2a k
j =0 2 k=0 2
X∞ j
= 4a j
j =0 2

Car
∞ 1
X 1
= =2
k=0 2k 1 − 12
et comme
∞ j
X 1 X∞ j 1 1
= . == =2
j =0 2
j 2 j=1 2 j −1 2 (1 − 12 )2
donc 8a = 1 entraine a = 1/8
2.
∞
X
P(X = j) = P(X = j, Y = k)
k=0
∞
a( j + k)/2 j+k
X
=
k=0
= = ( j + 1)/2 j+2

De même on a P(Y = k) = (k + 1)/2k+2

3. X et Y ne sont pas indépendantes car P(X = j, Y = k) 6= P(X = j)P(Y = k)
4. E(X Y ) = 3.
2

Solution de l’exercice 7.4

1. La loi conjointe de X et Y déterminant une probabilité

∞ X
X ∞
P(X = k, Y = n) = 1
n=0 k=0

En réordonnant les sommes et en simplifiant les zéros

n
∞ X n
∞ X ∞ 1
C nk a n p(1 − p)n = p (2a(1 − p))n = p
X X X
P(X = k, Y = n) =
n=0 k=0 n=0 k=0 n=0 1 − 2a(1 − p)

58
A. BEN TAHAR

On est donc amené à résoudre l’équation

1
p =1
1 − 2a(1 − p)

ce qui conduit à la solution a = 1/2.

2. Pour n ∈ N on a
n 1 X n
C k p(1 − p)n = p(1 − p)n
X
P(Y = n) = P(X = k, Y = n) =
k=0 2n k=0 n

3. ¶n ¶k
∞ µ
1− p
µ
1− p 1
C nk p
X
P(X = k) = =p
2 2 1− p k+1
³ ´
n= k 1− 2

En simplifiant
1− p 1− p k
µ ¶µ ¶
P(X = k) = 1 −
1+ p 1+ p
4. Les variables ne sont pas indépendantes car l’on vérifie aisément

P(X = k, Y = n) 6= P(X = k)P(Y = n)

pour k = 0 et n = 0
2

Solution de l’exercice 7.5

Soit f : R2 → R+ continue bornée.

3
Z
E( f (X + 2Y , X − Y )) = f (x + 2y, x − y) exp (−| x + 2y| − | x − y|) dxd y
R2 4
On fait un changement de variable en :

( (
u+2v
u = x + 2y x= 3
u−v
v = x− y y= 3 .

L’application :

φ : R2 → R2
u + 2v u − v
µ ¶
(u, v) 7→ ,
3 3
est bijective. On calcule le jacobien (c’est à dire que l’on écrit dans une matrice les dérivées
partielles de φ en u et v) :
· ¸
1/3 1/3
J(u, v) =
2/3 −1/3

59
 A. BEN TAHAR

On fait le changement de variable dans l’intégrale :

3e−|u| e−|v|
Z
E( f (X + 2Y , X − Y )) = f (u, v) | det(J(u, v))| dudv
R2 4
e−|u| e−|v|
Z
= f (u, v) dudv .
R2 4
e−|u| e−|v|
Cela est vrai ∀ f donc la densité de la loi de (X + 2Y , X − Y ) est (u, v) 7→ 4 .
Soit f : R → R+ continue bornée.

E( f (X )) =
3
Z
f (x) exp (−| x + 2y| − | x − y|) dxd y =
R2 4
(Fubini-Tonelli)
3
Z µZ ¶
f (x) exp (−| x + 2y| − | x − y|) d y dx
4 R R

On veut calculer ψ(x) := R exp (−| x + 2y| − | x − y|) d y. Commençons par montrer que c’est
R

une fonction paire. On fait un changement de variable en t = − y dans l’intégrale suivante :

Z +∞
ψ(− x) = exp (−| − x + 2y| − | − x − y|) d y
Z−∞
−∞
= exp (−| − x − 2t| − | − x + t|) (−1)dt
+∞
Z +∞
= exp (−| x + 2t| − | x − t|) dt = ψ(x) .
−∞

On se contente donc de calculer ψ(x) pour x ≥ 0 :

Z − x/2
ψ(x) = e( x+2 y) e−( x− y) d y
−∞
Z x Z +∞
+ e−( x+2 y) e−( x− y) d y + e−( x+2 y) e( x− y) d y
− x/2 x
−3 x/2
e e−3 x
= + e−3 x/2 − e−3 x +
3 3
4e−3 x/2 2 −3 x
= − e .
3 3
4 e−3| x|/2
Donc par parité, ψ(x) = 3 − 23 e−3| x| ∀ x ∈ R. Donc :

3 4e−3| x|/2 2 −3| x|

Z µ ¶
E( f (X )) = f (x) − e .
4 R 3 3
−3| x|
Cela est vrai ∀ f donc la densité de la loi de X est x 7→ e−3| x|/2 − e 2 . 2

60