• Par conséquent :

1 X 2
n
P(B) = 3
k
n
k=1
1 n(n + 1)(2n + 1)
=
n3 6
(n + 1)(2n + 1)
=
6n2
(n + 1)(2n + 1)
Conclusion : P(B) = .
6n2
3. Quelles sont les limites de ces deux probabilités quand n tend vers +∞ ?
Sans difficulté particulière, on remarque que :
1 1
lim P(A) = ; lim P(B) =
n→+∞ 3 n→+∞ 3

••◦◦ Exercice 9
Soit n ∈ N∗ . On considère une expérience aléatoire telle dont l’univers est J1; nK et on suppose qu’il existe
une probabilité P telle que :
∃λ ∈ R+ / ∀k ∈ J1; nK, P(J1; kK) = λk 2
Déterminer, pour tout k ∈ J1; nK, la probabilité de l’évènement {k}.
Remarquons déjà que P(J1; nK) = 1, d’où λn2 = 1.
Par conséquent :
1
λ= 2
n
Soit k ∈ J1; nK. On a :
• Si k = 1 :
1
P({1}) = P(J1; 1K) = λ12 = 2
n
• Si k ≥ 2 :
P({k}) = P(J1; kK) − P(J1; k − 1K)
= λk 2 − λ(k − 1)2
= λ(2k − 1)
2k − 1
=
n2
2k − 1
Conclusion : ∀k ∈ J1; nK, P({k}) = .
n2

•◦◦◦ Exercice 10
Pour chaque variable aléatoire ci-dessous, donner X(Ω).
1. X est le nombre de PILE obtenus en lançant quatre fois consécutives une pièce équilibrée.
X(Ω) = J0; 4K. ⋆Subtile...⋆
2. X est le minimum des nombres obtenus en lançant deux dés équilibrés. Nous verrons, dans le pro-
chain chapitre de probabili-
X(Ω) = J1; 6K. tés, que l’évènement "aucun
PILE n’apparaît" est de proba-
3. X est le rang du premier PILE pour une succession infinie de lancers de pièces et X prend la valeur bilité nulle.
0 si aucune PILE n’apparaît. En toute rigueur, l’énoncé
X(Ω) = N doit préciser la valeur que
prend X dans le cas où aucun
4. Pour tout n ∈ N∗ , Xn est le nombre de fois que l’on obtient 6 en lançant n fois un dé. PILE n’apparaît (l’∞-uplet
Xn (Ω) = J0; nK. (F, F, F, ..., ) est la seule issue
de cet évènement, qui est
donc non vide) ; même si
•◦◦◦ Exercice 11 l’évènement [X = 0] est de
probabilité nulle.
On considère la variable aléatoire X, dont la loi de probabilité est :
valeurs de X 1 5 8 10
probabilités 0,2 p q 0,1
Déterminer les valeurs de p et q, de sorte que l’espérance de X soit égale à 5, 6.
On doit avoir : X
P([X = x]) = 1 ; E(X) = 5, 6
x∈X(Ω)
Or :  X

 P([X = x]) = 1 

 p + q = 0, 7

 x∈X(Ω) ⇐⇒

 5p + 8q = 4, 4
E(X) = 5, 6

p = 0, 4
⇐⇒
q = 0, 3
Conclusion : p = 0, 4 et q = 0, 3.

••◦◦ Exercice 12
Soit p ∈]0; 1[. On lance une pièce donnant PILE avec la probabilité p jusqu’à obtenir le premier PILE ; et
dans tous les cas, on s’arrête après le cinquième lancer. Les lancers sont supposés indépendants.
On note X la variable aléatoire égale au nombre de lancers effectués.

Exercices du chapitre 12 - Page 10/33

1. Calcul préliminaire. Établir :
X
n−1
1 − nx n−1 + (n − 1)xn
∀n ∈ N∗ , ∀x ∈]0; 1[, kx k−1 =
(1 − x)2
k=1

X
n−1
Posons f : x 7−→ xk , définie sur ]0; 1[.
k=0
f étant une fonction polynomiale, elle est dérivable sur ]0; 1[.
X
n−1
Soit x ∈]0; 1[. Puisque f (x) = 1 + xk , on obtient, par linéarité de la dérivation :
k=1
X
n−1
f 0 (x) = kx k−1
k=1
1 − xn
Mais on sait aussi, puisque x ∈]0; 1[, que f (x) = . D’où, en dérivant sous cette forme :
1−x
−nx n−1 (1 − x) − (1 − xn )(−1)
f 0 (x) =
(1 − x)2
−nx n−1 + nx n + 1 − xn
=
(1 − x)2
1 − nx n−1 + (n − 1)xn
=
(1 − x)2
En égalant ces deux expressions, on obtient :
X
n−1
1 − nx n−1 + (n − 1)xn
kx k−1 =
(1 − x)2
k=1

X
n−1
1 − nx n−1 + (n − 1)xn
Conclusion : ∀n ∈ N∗ , ∀x ∈]0; 1[, kx k−1 = .
(1 − x)2
k=1

2. Donner X(Ω). Petit à petit...

Sans difficulté : X(Ω) = J1; 5K. En effet : Vous devez tous être en me-
• l’inclusion X(Ω) ⊂ J1; 5K est immédiate ; sure de donner X(Ω). En
• pour tout k ∈ J1; 5K, l’évènement [X = k] est non vide, car réalisé (par exemple) par l’issue comportant revanche, la justification de-
PILE au k-ième lancer et FACE éventuellement avant ce lancer. mande un travail de rédaction
et de justification non négli-
D’où l’inclusion J1; 5K ⊂ X(Ω). geable, qu’il ne doit pas être
3. Que vaut P([X = 1]) ? la priorité dans votre travail.
Notons, pour tout k ∈ J1; 4K, Pk l’évènement "obtenir PILE au k-ième lancer" er Fk = Pk .
• L’évènement [X = 1] est réalisé si, et seulement si, on obtient PILE au premier lancer.
Ainsi :
[X = 1] = P1
• D’où :
P([X = 1]) = P(P1 ) = p
4. Déterminer le loi de X.
• On a déjà : X(Ω) = J1; 5K et P([X = 1]) = p.
• Ensuite :
 Soit k ∈ J2; 4K.
⇝ L’évènement [X = k] est réalisé si, et seulement si, on obtient que des FACE jusqu’au k-ième
lancer, qui donne PILE.
Ainsi :  
\ 
k−1
 
[X = k] =  Fi  ∩ Pk
 
i=1
⇝ Par conséquent :
  
\ 
k−1 
  
P([X = k]) = P  Fi  ∩ Pk 
   par indépendance des lancers
 i=1 
Y k−1 
=  (1 − p) p
 
i=1
= (1 − p)k−1 p
 ⇝ L’évènement [X = 5] est réalisé si, et seulement si, on obtient le premier PILE au 5ème lancer
OU si l’on n’a obtenu aucun PILE.
Ainsi :    
[X = 5] = F1 ∩ F2 ∩ F3 ∩ F4 ∩ P5 ∪ F1 ∩ F2 ∩ F3 ∩ F4 ∩ F5
⇝ Par conséquent :
   
P([X = 5]) = P F1 ∩ F2 ∩ F3 ∩ F4 ∩ P5 ∪ F1 ∩ F2 ∩ F3 ∩ F4 ∩ F5 P5 ∩ F5 = ∅, donc F1 ∩ ... ∩ F4 ∩ P5 et F1 ∩ ... ∩ F5 sont incompatibles
= P(F1 ∩ F2 ∩ F3 ∩ F4 ∩ P5 ) + P(F1 ∩ F2 ∩ F3 ∩ F4 ∩ F5 ) par indépendance des lancers
= P(F1 ) × ... × P(F4 ) × P(P5 ) + P(F1 ) × ... × P(F5 )
= (1 − p)4 p + (1 − p)5 Petite remarque
On aurait pu raisonner autre-
= (1 − p)4 (p + 1 − p) ment en disant que [X = 5]
= (1 − p)4 est réalisé si, et seulement si,
aucun PILE n’a été obtenu à
l’issue du 4ème lancer.
Par conséquent :
[X = 5] = F1 ∩ ... ∩ F4
Exercices du chapitre 12 - Page 11/33
 Conclusion : X(Ω) = J1; 5K ;
∀k ∈ J1; 4K, P([X = k]) = (1 − p)k−1 p ; P([X = 5]) = (1 − p)4 .

5. Calculer l’espérance de X.
X(Ω) = J1; 5K est fini, donc :
X
5
E(X) = kP([X = k])
k=1
X4
= k(1 − p)k−1 p + 5P([X = 5]) 8 Attention !
p , 0, donc 1 − p , 1 On doit décomposer la
k=1
somme, car il y a deux ex-
X4
pressions de P([X = k]) selon
= p k(1 − p)k−1 + 5(1 − p)4 d’après la question 1. que k = 5 ou k ∈ J1; 4K.
k=1
1 − 5(1 − p)4 + 4(1 − p)4
= p + 5(1 − p)4
(1 − (1 − p))2
1 − 5(1 − p)4 + 4(1 − p)5
= + 5(1 − p)4
p
1 − 5(1 − p) + 4(1 − p) + 5p(1 − p)4
4 5
=
 p 
1 + (1 − p)4 − 5 + 4(1 − p) + 5p
=
p
1 + (1 − p)4 (−1 + p)
=
p
1 − (1 − p)5
=
p

1 − (1 − p)5
Conclusion : E(X) = .
p

6. Reprendre l’exercice en considérant au plus n lancers, avec n ∈ N∗ .

• Dans ce cas, on a : X(Ω) = J1; nK.
• [X = 1] = P1 , donc P([X = 1]) = P(P1 ) = p
• Soit k ∈ J2; n − 1K. On a :  
\ 
k−1
 
[X = k] =  Fi  Pk
 
i=1
D’où :   
\ 
k−1 
  
P([X = k]) = 
P  Fi  ∩ Pk 
   par indépendance des lancers
 i=1 
Y k−1 

=  (1 − p) p
 
i=1
= (1 − p)k−1 p
• L’évènement [X = n] est réalisé si, et seulement si, on obtient le premier PILE au n-ième lancer OU si l’on
n’a obtenu aucun PILE.
Ainsi : n−1    n 
 \   \ 


[X = n] = 
 
Fi  ∩ Pn  ∪  Fi 

i=1 i=1
Par conséquent :
n−1    n 
 \   \ 
P([X = n]) = 

P  
 
 
Fi  ∩ Pn  ∪  Fi 

Pn ∩ Fn = ∅, donc il s’agit d’une union d’évènements incompatibles
n−1 i=1   i=1 
 \   \n 
= P  Fi  ∩ Pn  + P  Fi  par indépendance des lancers
i=1 i=1 Petite remarque
= (1 − p)n−1 p + (−p)n On aurait pu raisonner autre-
= (1 − p)n−1 (p + 1 − p) ment en disant que [X = n]
= (1 − p)n−1 est réalisé si, et seulement si,
aucun PILE n’a été obtenu à
l’issue du n − 1-ième lancer.
Par conséquent :
Conclusion : X(Ω) = J1; nK \
n−1
∀k ∈ J1; n − 1K, P([X = k]) = (1 − p)k−1 p ; P([X = n]) = (1 − p)n−1 . [X = n] = Fi
i=1

Exercices du chapitre 12 - Page 12/33

 • X(Ω) = J1; nK est fini, donc :
X
n
E(X) = kP([X = k])
k=1 8 Attention !
X
n−1
On doit décomposer la
= k(1 − p)k−1 p + nP([X = n]) p , 0, donc 1 − p , 1 somme, car il y a deux ex-
k=1 pressions de P([X = k]) selon
X
n−1 que k = n ou k ∈ J1; n − 1K.
= p k(1 − p)k−1 + n(1 − p)n−1 d’après la question 1.
k=1
1 − n(1 − p)n−1 + (n − 1)(1 − p)n
= p + n(1 − p)n−1
(1 − (1 − p))2
1 − n(1 − p)n−1 + (n − 1)(1 − p)n
= + n(1 − p)n−1
p
1 − n(1 − p)n−1 + (n − 1)(1 − p)n + np(1 − p)n−1
=
 p 
1 + (1 − p)n−1 − n + (n − 1)(1 − p) + np
=
p
1 + (1 − p)n−1 (−1 + p)
=
p
1 − (1 − p)n
=
p

••◦◦ Exercice 13 - C’est faux !

Chacune des affirmations suivantes est fausse. Dans chaque cas, fournir un contre-exemple permettant
de l’infirmer.
1. Si X ne prend que deux valeurs opposées, alors nécessairement E(X) = 0.
Considérons la variable aléatoire X, sur un certain univers Ω, telle que X(Ω) = {−1; 1} ainsi que P([X = −1]) =
0, 1 et P([X = 1]) = 0, 9.
X ne prend que deux valeurs opposées, et pourtant E(X) = 0, 8 , 0.
2. Pour toute variable aléatoire X, on a E(X2 ) = E(X)2 .
D’après la formule de Koenig-Huygens, il suffit, pour fournir un contre-exemple, de trouver une variable
aléatoire telle que V(X) , 0.
Pour cela, il suffit de prendre une variable aléatoire non constante... Prenons la même variable aléatoire que
dans la question précédente.
On avait :
E(X) = 0, 8
Et, par théorème de transfert :
E(X2 ) = (−1)2 P([X = −1]) + 12 P([X = 1])
= 1

Par conséquent : E(X2 ) , E(X)2 .

3. Pour toute variable aléatoire X, les lois de X et X2 sont différentes. Petite remarque
En effet, il est possible de trouver une variable aléatoire X telle que X et X2 ont même loi. Exemples : Pour résumer, toute variable
• Les variables aléatoires constantes égales à 0 et constantes égale à 1 conviennent. aléatoire X telle que X(Ω) ⊂
• Toute variable aléatoire X telle que X(Ω) = {0; 1} convient. {0; 1} vérifie "X et X2 ont la
même loi".
4. Si X et Y ont même espérance et même variance, alors elles ont la même loi de probabilité.
Considérons les variables aléatoires X et Y définies par :
1
• X(Ω) = {−2; 2}, P([X = −2]) = P([X = 2]) =
2
3 5
• Y(Ω) = {−3; −1; 1; 3}, P([X = −3]) = P([X = 3]) = et P([X = −1]) = P([X = 1]) =
16 16
On a E(X) = E(Y) = 0 et V(X) = V(Y) = 4, pourtant X et Y n’ont pas la même loi.
Comment trouver de tels contre-exemples ?
• Prendre déjà des cas simples en imposant E(X) = 0. Ainsi, par la formule de Koenig-Huygens, V(X) =
E(X2 ) (que l’on obtient aisément par théorème de transfert).
• Une variable aléatoire symétrique a une espérance nulle... On en prend un avec deux valeurs pour X. On Pourquoi ?
trouve sa variance (ici 4). Si Y ne prend que deux va-
• Puis on prend une autre variable aléatoire Y qui prend ses valeurs "autour" de celles de X (pour espérer leurs opposées : soit elles
avoir la même variance...) sont à l’extérieures de celles
de X et la variance sera plus
• Ici, on a pris Y(Ω) = {−3; −1, 1, 3}. En notant a = P([Y = −3]) = P([Y = 3]) et b = P([Y = −1])) = P([Y = 1]), grande, soit à l’intérieur et la
on doit avoir : 2a + 2b = 1 et V(Y) = 4, d’où E(Y2 ) = 4, d’où 18a + 2b = 4... variance sera plus petite...

••◦◦ Exercice 14 - Suites de variables aléatoires & matrice

On dispose d’une urne contenant quatre boules numérotées 1, 2, 3 et 4. On effectue dans cette urne une
succession de tirages d’une boule avec remise et on suppose qu’à chaque tirage, chacune des boules a la
même probabilité d’être tirée.
On note pour tout n de N∗ , Xn la variable aléatoire égale au nombre de numéros distincts obtenus en n
tirages.
On a donc X1 = 1 et par exemple, si les premiers tirages donnent 2, 2, 1, 2, 1, 4, 3 alors on a : X1 = 1, X2 = 1,
X3 = 2, X4 = 2, X5 = 2, X6 = 3, X7 = 4.

Exercices du chapitre 12 - Page 13/33

L’espérance et la variance d’une variable aléatoire Z sont notées respectivement E(Z) et V(Z).
 
1/4 0 0 0
3/4 1/2
 0 0
Soit A la matrice carrée d’ordre 4 définie par : A =  . On pose pour tout n de N∗ ,
 0 1/2 3/4 0
 
0 0 1/4 1
 
P([Xn = 1])
P([X = 2])
 
Un =  n
.
P([Xn = 3])
 
P([Xn = 4])
1. 1.a. Déterminer la loi de la variable aléatoire X2 .
Notons, pour tout i ∈ J1; 4K et j ∈ N∗ , Bi,j l’évènement "on tire la boule numéro i lors du j -ième tirage".
• Commençons par remarquer que X2 (Ω) = J1; 2K.
•  L’évènement [X2 = 1] est réalisé si, et seulement si, les deux tirages ont fourni la même boule.
Ainsi :
[4
[X2 = 1] = (Bi,1 ∩ Bi,2 )
i=1
 Par conséquent :
 4 
[ 
P([X2 = 1]) = P  (Bi,1 ∩ Bi,2 )


par incompatibilité, pour i , k de Bi,1 et Bk,1
i=1
X
4
= P(Bi,1 ∩ Bi,2 ) par indépendances des tirages, car effectués avec remise
i=1
X4
= P(Bi,1 )P(Bi,2 ) par équiprobabilité des boules
i=1
X4
1
=
16
i=1
1
=
4
 
• On en déduit, puisque X2 (Ω) = {1; 2}, et donc que [X2 = 1], [X2 = 2] est un système complet
d’évènements :
3
P([X2 = 2]) = 1 − P([X2 = 1]) =
4
Conclusion : X2 (Ω) = {1; 2}
1 3
P([X2 = 1]) = et P([X2 = 2]) = .
4 4

1.b. Calculer E(X2 ) et V(X2 ).

Puisque X2 (Ω) = {1; 2}, on a :
•
E(X2 ) = 1P([X2 = 1]) + 2P([X2 = 2])
7
=
4
• Par théorème de transfert :
E(X22 ) = 12 P([X2 = 1]) + 22 P([X2 = 2])
13
=
4
• D’où, d’après la formule de Koenig-Huygens :
 2
V(X2 ) = E(X22 ) − E(X2 )
13 49
= −
4 16
52 − 49
=
16
3
=
16

7 3
Conclusion : E(X2 ) = et V(X2 ) = .
4 16

1.c. On note F la fonction de répartition de X2 . Déterminer l’expression, pour tout x ∈ R, de

F(x) en fonction de x, puis tracer sa courbe représentative.
Soit x ∈ R. On a : 

 0 si x < 0


 1
F(x) = P([X2 ≤ x]) = 
 si x ∈ [1; 2[

 4
 1 si x ≥ 2
D’où on déduit sa courbe, que je n’ai pas envie de tracer.
2. 2.a. Déterminer U1 .
On sait que X1 est constante égale à 1.
 
1
0
Conclusion : U1 =  .
0
0

Exercices du chapitre 12 - Page 14/33

 2.b. Préciser l’ensemble des valeurs prises par Xn .
Soit n ∈ N∗ .
• Si n = 1, alors Xn (Ω) = {1}.
• Si n = 2, alors Xn (Ω) = {1; 2}.
• Si n = 3, alors Xn (Ω) = {1; 2; 3}.
• Si n ≥ 4, alors Xn (Ω) = {1; 2; 3; 4}.
2.c. Établir pour tout n ∈ N∗ , la relation suivante : Un+1 = AUn .
Soit n ∈ N∗ . Petite remarque
• D’après la formule des probabilités totales, avec ([Xn = k])k∈J1;4K comme système complet d’évè- Même dans les cas n = 1,
n = 2 et n = 3, la famille
nements, on a : ([Xn = k])k∈J1;4K est un sce (au
pire, certains évènements sont
X
4
vides).
P([Xn+1 = 1]) = P([Xn = k] ∩ [Xn+1 = 1]) si k ∈ {2; 3; 4}, alors [Xn = k] ∩ [Xn+1 = 1] = ∅
k=1
= P([Xn = 1] ∩ [Xn+1 = 1]) P([Xn = 1]) , 0
= P([Xn = 1])P[Xn =1] ([Xn+1 = 1])
Supposons l’évènement [Xn = 1] réalisé.
Dans ce cas, l’évènement [Xn+1 = 1] est réalisé si, et seulement si, on tire encore la même boule
au n + 1-ième tirage (la même qu’aux n tirages précédents).
Par équiprobabilité des boules, on a ainsi :
1
P[Xn =1] ([Xn+1 = 1]) =
4
Par conséquent :
1
P([Xn = 1])
P([Xn+1 = 1]) =
4
• De manière analogue, on obtient (sous réserve que P([Xn = 2]) , 0) :
P([Xn+1 = 2]) = P([Xn = 1])P[Xn =1] ([Xn+1 = 2]) + P([Xn = 2])P[Xn =2] ([Xn+1 = 2])
Ensuite :
 Supposons l’évènement [Xn = 1] réalisé.
Dans ce cas, l’évènement [Xn+1 = 2] est réalisé si, et seulement si, on tire une boule qui n’est
pas celle tirée jusqu’alors.
Par conséquent :
3
P[Xn =1] ([Xn+1 = 2]) =
4
 Supposons l’évènement [Xn = 2] réalisé.
Dans ce cas, l’évènement [Xn+1 = 2] est réalisé si, et seulement si, on tire une boule qui a déjà
été tirée
Par conséquent :
1
P[Xn =2] ([Xn+1 = 2]) =
2
3 1
P([Xn+1 = 2]) = P([Xn = 1]) + P([Xn = 2])
4 2
• Et de la même façon, puisque [Xn = 1] ∩ [Xn+1 = 3] = ∅, on obtient :
1 3
P([Xn+1 = 3]) = P([Xn = 2]) + P([Xn = 3])
2 4
• Ainsi que :
1
P([Xn+1 = 4]) = P([Xn = 3]) + P([Xn = 4])
4
Conclusion : ∀n ∈ N∗ , Un+1 = AUn .

 
 1 
−3
 
3. On considère les quatre matrices V1 , V2 , V3 , V4 à 4 lignes et 1 colonne, définies par : V1 =   , V2 =
 3 
 
−1
     
  0    0   
0 
 1   0  0
   
  , V3 =   , V4 =  .
−2  1  0
     
1 −1 1
3.a. Démontrer :  n−1  n−1  n−1
1 1 3
∀n ∈ N∗ , Un = V1 + 3 V2 + 3 V3 + V4
4 2 4
Par récurrence...
• Initialisation.
  Pour n = 1 :
1
0
U1 =  , et :
0
0
 1−1  1−1  1−1
1 1 3
V1 + 3 V2 + 3 V3 + V4 = V1 + 3V2 + 3V3 + V4
4 2 4  
1
0
=  
0
0
L’initialisation est ainsi vérifiée.

Exercices du chapitre 12 - Page 15/33

  n−1  n−1  n−1
1 1 3
• Hérédité. Soit n ∈ N∗ . Supposons Un = V1 +3 V2 +3 V3 + V4 et montrons que
 n  n  n 4 2 4
1 1 3
Un+1 = V1 + 3 V2 + 3 V3 + V4 .
4 2 4
D’après la question 2., on a :
Un+1 = AUn !
 n−1  n−1  n−1 par hypothèse de récurrence
1 1 3
= A V1 + 3 V2 + 3 V3 + V4
4 2 4
 n−1  n−1  n−1
1 1 3
= AV1 + 3 AV2 + 3 AV3 + AV4
4 2 4
Or, après calculs, on trouve :
1 1 3
AV1 = V ; AV2 = V2 ; AV3 = 3V3 ; AV4 = V4
4 1 2 4
D’où :  n  n  n
1 1 3
Un+1 = V1 + 3 V2 + 3 V3 + V4
4 2 4
L’hérédité est ainsi vérifiée.
 n−1  n−1  n−1
1 1 3
Conclusion : ∀n ∈ N∗ , Un = V1 + 3 V2 + 3 V3 + V4 .
4 2 4

3.b. En déduire, pour tout n ∈ N∗ , la loi de la variable aléatoire Xn .

Pas de difficulté particulière, mais long à écrire...
4. 4.a. Calculer, pour tout n de N∗ , la valeur de E(Xn ).
Pareil...

4.b. Calculer lim E(Xn ). Commenter.

n→+∞
• De tête, on trouve :
lim E(Xn ) = 4
n→+∞
• Au bout d’un grand nombre de lancers, les 4 boules auront été tirées (c’est plutôt normal !).

••◦◦ Exercice 15
Dans tout l’exercice, n désigne un entier naturel supérieur ou égal à 2.
On lance n fois une pièce donnant PILE avec la probabilité p ∈]0; 1[ et donnant FACE avec la probabilité
q = 1 − p. On suppose les lancers indépendants et on note :
• pour tout k ∈ J1; nK, Pk l’évènement : "obtenir PILE au k-ième lancer" et Fk = Pk ;
• Xn la variable aléatoire égale au nombre de FACE obtenues avant l’apparition du premier PILE.
On convient que Xn prend la valeur n si aucun PILE n’est obtenu au cours des n lancers.
1. Préciser Xn (Ω).
Assimilons chaque issue de cette expérience à un n-uplet composé de P (PILE) ou de F (FACE).
• Soit ω ∈ Ω. Sans difficulté, Xn (Ω) est un entier compris entre 0 et n. Ainsi : Xn (Ω) ⊂ J0; nK.
• Réciproquement, soit k ∈ J0; nK.
 Si k = 0 : on remarque que l’issue, qui est un n-uplet, (P, P, ..., P) réalise l’évènement [Xn = 0]. Petit à petit...
 Si k = n : on remarque que l’issue (F, F, ..., F) réalise l’évènement [Xn = n]. Vous devez tous être en me-
sure de donner Xn (Ω). En
 Si k ∈ J1; n − 1K : on remarque que l’issue (F, ..., F, P, ...., P) composée de k FACE puis des PILE réalise
revanche, la justification
l’évènement [Xn = k]. demande un travail de rédac-
Par conséquent, l’évènement [Xn = k] est toujours non vide. tion et de justification non
On a ainsi établir : négligeable, qui n’est pas la
J0; nK ⊂ Xn (Ω) priorité dans votre travail.

Conclusion : Xn (Ω) = J0; nK.

2. Calculer P([Xn = 0]) ainsi que P([Xn = n]). àRéflexe !

On travaille sur les évène-
• [Xn = 0] = P1 , donc P([Xn = 0]) = P(P1 ) = p. ments avant de calculer les
•  L’évènement [Xn = n] est réalisé si, et seulement si, on obtient n FACE sans jamais obtenir PILE. probabilités !
Ainsi :
\
n
[Xn = n] = F1 ∩ F2 ∩ ... ∩ Fn = Fk
k=1
 Par conséquent :
 n  Petite remarque
 \  \ Y
P([Xn = n]) = P  Fk  L’écriture avec et n’est
 par indépendance des lancers
k=1 pas indispensable (même si
Y
n elle ne devrait pas trop poser
= = P(Fk ) souci) ; on peut se contenter
k=1
de l’écriture avec les poin-
= = qn tillés.

Conclusion : P([Xn = 0]) = p et P([Xn = n]) = qn .

3. Déterminer, pour tout k ∈ J1; n − 1K, une expression simple de P([Xn = k]).
Soit k ∈ J1; n − 1K.

Exercices du chapitre 12 - Page 16/33

 • L’évènement [Xn = k] est réalisé si, et seulement si, on obtient k-FACE puis un PILE. Ainsi :
 
\k 
 
[Xn = k] = F1 ∩ F2 ∩ ... ∩ Fk ∩ Pk+1 =  Fi  ∩ Pk+1

 
i=1

• Pr conséquent :
  
\k  
  
P([Xn = k]) = P  Fi  ∩ Pk+1 

   par indépendance des lancers
i=1
= qk p

Conclusion : pour tout k ∈ J1; n − 1K, P([Xn = k]) = qk p.

X
n
4. Vérifier que P([Xn = k]) = 1.
k=0 8 Attention !
On a : Il n’y a pas qu’une seule ex-
X
n X
n−1 pression de P([Xn = k]) pour
P([Xn = k]) = P([Xn = 0]) + P([Xn = k]) + P([Xn = n]) tous les k de J0; nK (même si
k=0 k=1 les cas P([Xn = 0]) peut être
X
n−1 inclus dans le cas de la ques-
= p+ qk p + qn q0 = 1
tion précédente.
k=1
X
n−1
= qk p + qn
k=0
X
n−1
= p qk + qn q,1
k=0
1 − qn
= p + qn p = 1−q
1−q
= 1 − qn + qn
= 1
X
n
Conclusion : P([Xn = k]) = 1.
k=0

X
n−1
5. Considérons la fonction f définie sur ]0; 1[ par : ∀x ∈]0; 1[, f (x) = xk .
k=0
5.a. Soit x ∈]0; 1[. En exprimant de deux façons différentes f 0 (x), établir :

X
n−1
x − nx n + (n − 1)xn+1
kx k =
(1 − x)2
k=1

X
n−1
• f étant une fonction polynomiale, elle est dérivable sur ]0; 1[. Et comme f (x) = 1 + xk , on
k=1
obtient, par linéarité de la dérivation :
X
n−1
f 0 (x) = kx k−1
k=1

1 − xn
• Mais on sait aussi, puisque x ∈]0; 1[, que f (x) = . D’où, en dérivant sous cette forme :
1−x
−nx n−1 (1 − x) − (1 − xn )(−1)
f 0 (x) =
(1 − x)2
−nx n−1 + nx n + 1 − xn
=
(1 − x)2
1 − nx n−1 + (n − 1)xn
=
(1 − x)2
En égalant ces deux expressions, on obtient :
X
n−1
1 − nx n−1 + (n − 1)xn
kx k−1 =
(1 − x)2
k=1
Puis, on obtient le résultat voulu en multipliant par x.
X
n−1
x − nx n + (n − 1)xn+1
Conclusion : kx k = .
(1 − x)2
k=1

Exercices du chapitre 12 - Page 17/33

 5.b. En déduire l’espérance de Xn .
Puisque Xn (Ω) = J0; nK, on a :
X
n
E(Xn ) = kP([Xn = k])
k=0
Xn
= kP([Xn = k]) 8 Attention !
k=1 L’expression de P([Xn = n])
X
n−1
n’est pas la même que celle
= kq k p + nqn des P([Xn = k]), avec k ∈
k=1 J1; n − 1K.
X
n−1
= p kq k + nq n question précédente, q ∈]0; 1[
k=1
q − nqn + (n − 1)qn+1
= p + nq n p = 1−q
(1 − q)2
q − nqn + (n − 1)qn+1
= + nq n
1−q
q − nqn + (n − 1)qn+1 + nqn (1 − q)
=
1−q
q + qn (−n + (n − 1)q + n(1 − q))
=
1−q
q + qn (−q)
=
1−q
q − qn+1
=
1−q

q − qn+1
Conclusion : E(Xn ) = .
1−q

5.c. Calculer lim E(Xn ).

n→+∞
Puisque q ∈]0; 1[, on a : lim qn+1 = 0.
n→+∞
q q 1
Conclusion : lim E(Xn ) = = = − 1.
n→+∞ 1−q p p

•••◦ Exercice 16 - Loi d’un minimum

Dans toute l’exercice, n est un entier supérieur ou égal à 2. Soit Ω l’univers d’une expérience aléatoire
muni d’une probabilité P. On dit qu’une variable aléatoire X, définie sur Ω, suit la loi uniforme sur J1; nK
lorsque :
• X(Ω) = J1; nK
1
• ∀k ∈ J1; nK, P([X = k]) =
n
1. Soient X et Y deux variables aléatoires indépendantes sur Ω, suivant toutes deux la loi uniforme
sur J1; nK. On note M = min(X, Y).
1.a. Déterminer, pour tout k ∈ J1; nK, P([X ≥ k]).
Soit k ∈ J1; nK.
On a :
X
n
P([X ≥ k]) = P([X = i])
i=k
Xn
1
=
n
i=k
n−k +1
=
n
Conclusion : pour tout k ∈ J1; nK, P([X ≥ k]).

1.b. Justifier que M est une variable aléatoire sur Ω.

Puisque X et Y sont deux applications définies sur Ω et à valeurs réelles, alors M l’est également.
Conclusion : M est une variable aléatoire.

1.c. Déterminer, pour tout k ∈ J1; nK, la valeur de P([M ≥ k]).

Soit k ∈ J1; nK. Pourquoi ?
On a : x ≥ min(a, b) ⇐⇒ (x ≥ a et x ≥
b)
P([M ≥ k]) = P([min(X, Y) ≥ k])
= P([X ≥ k] ∩ [Y ≥ k]) par indépendance de X et Y
= P([X ≥ k])P([Y ≥ k])
!2 d’après la question 1.a. et comme X et Y ont même loi
n−k +1
=
n
!2
n−k +1
Conclusion : ∀k ∈ J1; nK, P([M ≥ k]) = .
n

1.d. En déduire la loi de M.

Exercices du chapitre 12 - Page 18/33

 • Remarquons déjà que, puisque X(Ω) = J1; nK et Y(Ω) = J1; nK, alors M(Ω) ⊂ J1; nK.
• Soit k ∈ J1; nK.
 Si k = n :
Puisque M(Ω) ⊂ J1; nK, on a :
[M ≥ n] = [M = n]
D’où :
P([M = n]) = P([M ≥ n]) question précédente
1
= 2
n Important !
 Si k ∈ J1; n − 1K : Cette écriture de [M ≥ k]
On a : est très utile pour retrouver
la loi à partir de la fonction
[M ≥ k] = [M = k] ∪ [M ≥ k + 1] de répartition (il y en a une
Puis, par incompatibilité des évènements [M = k] et [M ≥ k + 1], on obtient : analogue sur [max(X, Y) ≤ k]...
voir exercice suivant).
P([M ≥ k]) = P([M = k]) + P([M ≥ k + 1])
D’où : 3 Rigueur !
On voit bien qu’il fallait pro-
P([M = k]) = P([M ≥ k]) − P([M ≥ k + 1]) céder à une disjonction de
!2 !2 question précédente
n−k +1 n−k cas : pour utiliser le résultat
= − de la question précédente
n n
sur P([X ≥ k + 1]) il faut que
(n − k + 1 − (n − k))(n − k + 1 + n − k) k + 1 ≤ n...
=
n2
2n − 2k + 1
=
n2
Les deux cas peuvent se regrouper pour conclure...
Conclusion : M(Ω) = J1; nK Pourquoi ?
2n − 2k + 1 On peut maintenant conclure
∀k ∈ J1; nK, P([M = k]) = . que M(Ω) = J1; nK, car pour
n2 tout k ∈ J1; nK, [M = k] , ∅
(car de probabilité non nulle).
2. Soient maintenant (Xi )i∈J1;nK une suite de variables aléatoires indépendantes sur Ω, suivant toutes
la loi uniforme sur J1; nK. On note M = min(X1 , X2 , ..., Xn ).
2.a. Déterminer, pour tout k ∈ J1; nK, la valeur de P([M ≥ k]).
Soit k ∈ J1; nK.
On a :
P([M ≥ k]) = P([min(X1 , X2 , ..., Xn ) ≥ k])
= P([X1 ≥ k] ∩ [X2 ≥ k] ∩ ... ∩ [Xn ≥ k]) par indépendance des variables aléatoires Xi
= P([X1 ≥ k])P([X
!n 2 ≥ k]) × ... × P([Xn ≥ k]) d’après la question 1.a. et comme les Xi suivent toute la loi uniforme sur J1; nK
n−k +1
=
n
!n
n−k +1
Conclusion : ∀k ∈ J1; nK, P([M ≥ k]) = .
n

2.b. En déduire la loi de M.

• Remarquons déjà que, puisque, pour tout i ∈ J1; nK, Xi (Ω) = J1; nK, alors M(Ω) ⊂ J1; nK.
• Soit k ∈ J1; nK.
 Si k = n :
Puisque M(Ω) ⊂ J1; nK, on a :
[M ≥ n] = [M = n]
D’où :
P([M = n]) = P([M ≥ n]) question précédente
1
=
nn
 Si k ∈ J1; n − 1K :
On a :
[M ≥ k] = [M = k] ∪ [M ≥ k + 1]
Puis, par incompatibilité des évènements [M = k] et [M ≥ k + 1], on obtient :
P([M ≥ k]) = P([M = k]) + P([M ≥ k + 1])
D’où : 3 Rigueur !
On voit bien qu’il fallait pro-
P([M = k]) = P([M ≥ k])! − P([M ≥!k + 1]) question précédente céder à une disjonction de
n n
n−k +1 n−k cas : pour utiliser le résultat
= − de la question précédente
n n
(n − k + 1)n − (n − k)n sur P([X ≥ k + 1]) il faut que
= k + 1 ≤ n...
nn
Les deux cas peuvent se regrouper pour conclure...
Conclusion : M(Ω) = J1; nK Pourquoi ?
(n − k + 1)n − (n − k)n ) On peut maintenant conclure
∀k ∈ J1; nK, P([M = k]) = . que M(Ω) = J1; nK, car pour
nn tout k ∈ J1; nK, [M = k] , ∅
(car de probabilité non nulle).
[
n
2.c. Notons A = [Xi = 1]. Démontrer : P(A) ≥ 1 − e−1 .
i=1
Indication : ∀x ∈] − 1; +∞[, ln(1 + x) ≤ ....

Exercices du chapitre 12 - Page 19/33

 Trivial !
• On rappelle que : Bien entendu, tout le monde
∀x ∈] − 1; +∞[, ln(1 + x) ≤ x sait redémontrer ce résultat
en moins de 2 minutes si
besoin.
•
L’évènement A est réalisé si, et seulement si, il existe i ∈ J1; nK tel que Ai soit réalisé
si, et seulement si, l’évènement [M = 1] est réalisé
Par conséquent :
A = [M = 1]
On en déduit :
P(A) = P([M = 1]) d’après la question précédente
nn − (n − 1)n
=
 n n n
1
= 1− 1−
n
−1
• Or, en utilisant le rappel donné, avec x = ∈] − 1; +∞[ (car n ≥ 2), on a :
n
 
1 −1
ln 1 − ≤
n n
D’où, puisque n > 0 et par croissance de l’exponentielle sur R :
  
1
exp ln 1 − ≤ e−1
n
Autrement dit :  
1 n
1− ≤ e−1
n
Ainsi :  
1 n
1− 1− ≥ 1 − e−1
n

Conclusion : P(A) ≥ 1 − e−1 .

•••◦ Exercice 17 - Loi d’un maximum

Soit n ∈ J2; +∞J. On considère une urne composée de n boules, numérotées de 1 à n, indiscernables au
toucher. On tire simultanément deux boules dans cette urne. On note X la variable aléatoire égale au
plus grand des deux nombres obtenus.
k(k − 1)
1. Justifier que pour tout k ∈ J2; nK, P([X ≤ k]) = .
n(n − 1)
• L’expérience consiste au tirage de 2 boules dans une urne en contenant n, toutes indiscernables au tou-
cher. !
n
Par conséquent, Ω est l’ensemble des sous-ensembles de J1; nK à 2 éléments ; donc Card(Ω) = .
2
• Soit k ∈ J2; nK.
L’évènement [X ≤ k] est réalisé si, et seulement si, le plus grand des deux nombres est inférieur ou égal à k
si, et seulement si, on a tiré 2 boules parmi les boules 1 à k
! !
k   k
Or, puisque k ≥ 2, il y a sous-ensembles de J1; kK à deux éléments. Ainsi : Card [X ≤ k] = .
2 2
Par équiprobabilité (boules indiscernables au toucher), on a ainsi :
 
Card [X ≤ k]
P([X ≤ k]) =
Card(Ω)
k

2
= n

2
k!2!(n − 2)!
=
2!(k − 2)!n!
k(k − 1)
=
n(n − 1)
♥ Astuce du chef ! ♥
k(k − 1) On peut retrouver X(Ω) à
Conclusion : pour tout k ∈ J2; nK, P([X ≤ k]) = . partir de la fonction de ré-
n(n − 1)
partition, donc à partir du
résultat de la question précé-
2. En déduire la loi de X. dente (même si nous n’avons
• Commençons par remarquer que, puisqu’il est impossible que les deux boules tirées soient toutes deux l’expression de la fonction de
numérotées 1, on a X(Ω) = J2; nK. répartition que sur J2; nK et
pas sur R).
• Soit k ∈ J2; nK. En effet, la fonction de répar-
 Si k = 2 : tition est nulle "avant" X(Ω),
Puisque X(Ω) = J2; nK, on a : constante égale à 1 "après"
X(Ω), et possède des disconti-
[M ≤ 2] = [M = 2]
nuités en chaque élément de
D’où : X(Ω).
P([M = 2]) = P([M ≤ 2]) question précédente
2
=
(n − 1)

Exercices du chapitre 12 - Page 20/33

 Important !
Cette écriture de [M ≤ k] est
 Si k ∈ J3; nK. On a :
très utile pour retrouver la
[M ≤ k] = [M = k] ∪ [M ≤ k − 1] loi à partir de la fonction de
Puis, par incompatibilité des évènements [M = k] et [M ≤ k − 1] : répartition.
P([M ≤ k]) = P([M = k]) + P([M ≤ k − 1])
D’où : 3 Rigueur !
On voit bien qu’il fallait pro-
P([M = k]) = P([M ≤ k]) − P([M ≤ k − 1]) question précédente, car k − 1 ≥ 2 céder à une disjonction de
k(k − 1) (k − 1)(k − 2) cas : pour utiliser le résultat
= −
n(n − 1) n(n − 1) de la question précédente
(k − 1)(k − (k − 2)) sur P([X ≤ k − 1]) il faut que
= k − 1 ≥ 2...
n(n − 1)
2(k − 1)
=
n(n − 1)
Les deux cas peuvent se regrouper pour conclure...
Conclusion : X(Ω) = J2; nK
2(k − 1)
∀k ∈ J2; nK, P([X = k]) = .
n(n − 1)

3. Calculer l’espérance et la variance de X.

Puisque X(Ω) = J2; nK, on a :
•
Xn
E(X) = kP([X = k]) question précédente et linéarité de la somme
k=2
2 X
n
= k(k − 1)
n(n − 1)
 n
k=2 
X Xn 
2  
= 
2
k − k 
n(n − 1)  
k=2 k=2  
X n X n 
2
 2 
 
= k − 1 −  k − 1 
n(n − 1)  
k=1 k=1 !
2 n(n + 1)(2n + 1) n(n + 1)
= −
n(n − 1) 6 2
2 (n + 1)(2n + 1) − 3(n + 1)
=
n−1 6
(n + 1)(2n − 2)
=
3(n − 1)
2(n + 1)
=
3
• Par théorème de transfert :
Xn
E(X2 ) = k 2 P([X = k]) question précédente et linéarité de la somme
k=2
2 X
n
= k 2 (k − 1)
n(n − 1)
 n
k=2 
X 3 X 2 
n
2
=  k − k 
n(n − 1)  
k=2 k=2  
 X
n  X
n 
2 
 3 −1−  2 − 1

=  k  k 
n(n − 1) 
k=1 k=1 !
2 n2 (n + 1)2 n(n + 1)(2n + 1)
= −
n(n − 1) 4 6
2 3n(n + 1)2 − 2(n + 1)(2n + 1)
=
n−1 12
(n + 1)(3n(n + 1) − 2(2n + 1))
=
6(n − 1)
(n + 1)(3n2 − n − 2)
= 1 est racine de x 7−→ 3x2 − x − 2
6(n − 1)
(n + 1)(n − 1)(3n + 2)
=
6(n − 1)
(n + 1)(3n + 2)
=
6
• D’où, d’après la formule de Koenig-Huygens :
 2
V(X) = E(X2 ) − E(X) Vérification !
(n + 1)(3n + 2) 4(n + 1)2 ) Deux vérifications pour se
= − conforter :
6 9 
(n + 1) 3(3n + 2) − 8(n + 1) Puisque n ≥ 2, la variance est
= bien positive...
18 Pour n = 2, la variable aléa-
(n + 1)(n − 2) toire X ‘est constante égale à
=
18 2 : son espérance doit donc
valoir 2 et sa variance 0...

••◦◦ Exercice 18
On dispose d’une urne U0 contenant deux boules noires et deux boules blanches, et d’urnes U1 , U2 , U3 , . . .
contenant chacune deux boules blanches. On effectue des tirages selon le protocole suivant :

Exercices du chapitre 12 - Page 21/33

 • on pioche au hasard deux boules dans l’urne U0 , une par une et sans remise, et on les place dans
l’urne U1 ;
• on pioche au hasard deux boules dans l’urne U1 , une par une et sans remise, et on les place dans
l’urne U2 ;
• on pioche au hasard deux boules dans l’urne U2 , une par une et sans remise, et on les place dans
l’urne U3 ; et ainsi de suite.
Pour tout entier naturel n non nul, on note Xn la variable aléatoire égale au nombre de boules noires
contenues dans l’urne Un après y avoir introduit les boules piochées dans l’urne Un−1 , mais avant de
procéder au tirage suivant. On pose X0 = 2.
1. Déterminer la loi de X1 ainsi que son espérance.
Notons, pour i ∈ J1; nK, Ni l’évènement "on pioche une balle noire lors du i-ième tirage dans l’urne U0 ".
• Commençons déjà par remarquer que X1 (Ω) = {0; 1; 2}.
•  L’évènement [X1 = 0] est réalisé si, et seulement si, aucune balle noire n’a été piochée dans l’urne
U0 .
D’où :
[X1 = 0] = N1 ∩ N2
Par conséquent :
P([X1 = 0]) = P(N1 ∩ N2 ) P(N1 ) , 0
= P(N1 )PN (N2 ) tirage sans remise
1
11
=
23
1
=
6
 L’évènement [X1 = 1] est réalisé si, et seulement si, une seule balle noire a été piochée dans l’urne
U0 .
D’où :
[X1 = 1] = (N1 ∩ N2 ) ∪ (N1 ∩ N2 )
Par conséquent :
 
P([X1 = 1]) = P (N1 ∩ N2 ) ∪ (N1 ∩ N2 ) par incompatibilité de N1 et N1 , donc de N1 ∩ N2 et N1 ∩ N2
= P(N1 ∩ N2 ) + P(N1 ∩ N2 ) P(N1 ) , 0, P(N1 ) , 0
= P(N1 )PN1 (N2 ) + P(N1 )PN (N2 ) tirage sans remise
1
12 12
= +
23 23
2
=
3
 L’évènement [X1 = 2] est réalisé si, et seulement si, les deux balles noires ont été piochées dans
l’urne U0 . Petite remarque
D’où : On aurait aussi pu calculer
[X1 = 2] = N1 ∩ N2 deux probabilités, puis dé-
Par conséquent : duire la troisième du fait que
X1 (Ω) = {0; 1; 2}. L’avantage
P([X1 = 2]) = P(N1 ∩ N2 ) P(N1 ) , 0
de la méthode proposée, bien
= P(N1 )PN1 (N2 ) tirage sans remise
que plus longue : elle permet
11 une vérification des résultats
= (la somme des trois probabili-
23 tés doit être égale à 1).
1
=
6

Conclusion : X1 (Ω) = {0; 1; 2}

1 2 1
P([X1 = 0]) = , P([X1 = 1]) = , P([X1 = 2]) = .
6 3 6

2. Déterminer, pour tout n ∈ N, la probabilité de l’évènement [Xn = 2].

• Puisque X0 est constante égale à 2, on a P([X0 = 2]) = 1.
1
• On sait déjà que P([X1 = 2]) = .
6
• Soit n ∈ J2; +∞J.
Notons, pour tout k ∈ N, Ak l’évènement "on pioche les deux balles noires dans l’urne Uk ".
 L’évènement [Xn = 2] est réalisé si, et seulement si, pour tout k ∈ J0; n − 1K, on a pioché les deux
balles noires dans l’urne Uk .
Ainsi :
\
n−1
[Xn = 2] = Ak
k=0
 D’après la formule des probabilités composées (les conditionnements étant effectués par des évè-
nements de probabilité non nulle) :
n−1 
 \ 
P([Xn = 2]) = P  Ak 

k=0
= P(A0 )PA0 (A1 ) × ... × PA0 ∩...∩An−2 (An−1 )
\
i
Or, pour tout i ∈ J0; n − 2K, l’évènement Ai est égal à l’évènement "l’urne Ui+1 contient les deux
k=0
balles noires".
De plus, le tirage étant effectué sans remise, la probabilité, de piocher les deux balles noires dans

Exercices du chapitre 12 - Page 22/33

 1 1 1
une urne les contenant, et contenant également les deux balles blanches, est égale à × = .
2 3 6
Par conséquent :
1 1 1
P([Xn = 2]) = × × ... ×
6 6 6
| {z }
n facteurs
 n
1
=
6
Les trois cas peuvent se regrouper en un seul...
 n
1
Conclusion : ∀n ∈ N, P([Xn = 2]) = .
6
1
3. 3.a. Pour tout entier naturel n non nul, montrer que l’on a : P ([Xn+1 = 1]) = P ([Xn = 1]) + Petite remarque
  2
2 1 n Le résultat à établir est égale-
ment valable si n = 0...
3 6
Soit n ∈ N∗ .
  Pourquoi ?
D’après la formule des probabilités totales, avec [Xn = 0], [Xn = 1], [Xn = 2] comme système complet C’est bien le cas, puisque,
d’évènements, on a : pour tout n ∈ N∗ , Xn (Ω) =
{0; 1; 2}.
P([Xn+1 = 1]) = P([Xn = 0] ∩ [Xn+1 = 1]) + P([Xn = 1] ∩ [Xn+1 = 1]) + P([Xn = 2] ∩ [Xn+1 = 1]) car [Xn = 0] ∩ [Xn+1 = 1] = ∅
= P([Xn = 1] ∩ [Xn+1 = 1]) + P([Xn = 2] ∩ [Xn+1 = 1]) les évènements [Xn = 1] et [Xn = 2] sont de p
= P([Xn = 1])P[Xn =1] ([Xn+1 = 1]) + P([Xn = 2])P[Xn =2] ([Xn+1 = 1])
 n question précédente
1
= P([Xn = 1])P[Xn =1] ([Xn+1 = 1]) + P[Xn =2] ([Xn+1 = 1])
6
Or :
• Supposons l’évènement [Xn = 1] réalisé. Dans ce cas, l’urne Un contient, avant d’y effectuer les
tirages, trois balles blanches et une balle noire.
Par conséquent :
l’évènement [Xn+1 = 1] est réalisé si, et seulement si, l’urne Xn+1 contient, avant d’y effectuer les tirages, trois balles blanches et une
si, et seulement si, la balle noire a été tirée dans l’urne Un
Or, les tirages étant effectués sans remise, la probabilité de tirer la balle noire dans l’urne Un est
1 3 3 1 1 1 1
égale à × + × = = = .
4 3 4 3 4 4 2
• Supposons l’évènement [Xn = 2] réalisé. Dans ce cas, l’urne Un contient, avant d’y effectuer les
tirages, deux balles blanches et deux balles noires.
Par conséquent :
l’évènement [Xn+1 = 1] est réalisé si, et seulement si, l’urne Xn+1 contient, avant d’y effectuer les tirages, deux balles blanches et un
si, et seulement si, une balle noire a été tirée dans l’urne Un
Or, les tirages étant effectués sans remise, la probabilité de tirer une balle noire dans l’urne Un
1 2 1 2 2
est égale à × + × = .
2 3 2 3 3
On en déduit :  
1 2 1 n
P ([Xn+1 = 1]) = P ([Xn = 1]) +
2 3 6
 
1 2 1 n
Conclusion : Pour tout entier naturel n non nul : P ([Xn+1 = 1]) = P ([Xn = 1]) + .
2 3 6
 n
1
3.b. Posons, pour n ∈ N∗ , un = P([Xn = 1]) + 2 . Montrer que (un )n∈N∗ est géométrique puis
6
∗
en déduire, pour tout n ∈ N , l’expression de P([Xn = 1]) en fonction de n.
Cette expression est-elle encore valable pour n = 0 ?
• Soit n ∈ N∗ . On a :
 n+1
1
un+1 = P([Xn+1 = 1]) + 2 question précédente
6 n  n+1
1 2 1 1  n
= P ([Xn = 1]) + +2 1
2 3 6 P([Xn = 1]) = un − 2
 n    6n+1 6
1 1 2 1 n 1
= un − + +2
2  6 n  3 6 6
1 1 2 1
= u + −1 + + 2
2 n  6 n  3 6
1 1 2 1
= un + −1 + +
2 6 3 3
1
= un
2
1
Par conséquent, la suite (un )n∈N∗ est géométrique de raison et de premier terme u1 = P([X1 =
2
1
1]) + = 1.
3
• On en déduit :
 n−1
1
∀n ∈ N∗ , un =
2
D’où :
 n−1  n
1 1
∀n ∈ N∗ , P([Xn = 1]) = −2
2 6
• Or :
 −1  0
1 1
−2 = 2 − 2 = 0 = P([X0 = 1])
2 6

Exercices du chapitre 12 - Page 23/33

  n−1  n
1 1
Conclusion : ∀n ∈ N, P([Xn = 1]) = −2 .
2 6

3.c. Donner, pour tout n ∈ N, la valeur de P ([X

 n = 0]) en fonction de n.
Soit n ∈ N. Puisque [Xn = 0], [Xn = 1], [Xn = 2] est un système complet d’évènements, on a :

P([Xn = 0]) + P([Xn = 1]) + P([Xn = 2]) = 1 Vérification !

On vérifie le résultat pour
Puis, on utilise les résultats des questions 2. et 3.b.... n = 0 et n = 1 en utilisant le
 n−1  n fait que P([X0 = 0]) = 0 et
1 1
Conclusion : ∀n ∈ N, P([Xn = 0]) = 1 − + . 1
P([X1 = 0]) = ... C’est bon !
2 6 6

4. Calculer, pour tout entier naturel n, l’espérance de Xn . Déterminer la limite de cette espérance
lorsque n tend vers +∞.
• Soit n ∈ N. Puisque Xn (Ω) = {0; 1; 2}, on a :
Vérification !
E(Xn ) = 0P([Xn = 0]) + 1P([Xn = 1]) + 2P([Xn = 2])
 n−1 questions précédentes On vérifie le résultat pour n =
1 0 : puisque X0 est constante
=
2 égale à 2, on a E(X0 ) = 2...
c’est bon !

1 Petite remarque
• Puisque ∈] − 1; 1[, on a : Il est normal que cette es-
2
lim E(Xn ) = 0 pérance tende vers 0... En
n→+∞ fait, la variable aléatoire Xn
va tendre (si l’on définit une
notion de limite de variable
aléatoire...) vers la variable
aléatoire suivant la loi cer-
•••◦ Exercice 19 taine égale à 0.
Un mobile se déplace sur un axe comme suit : à l’instant 0, il est au point 0. Puis, pour tout n ∈ N∗ , si Au bout d’un "grand nombre"
de tirages, les urnes ne
le mobile est à l’instant n sur le point d’abscisse k, alors à l’instant n + 1, il sera sur le point d’abscisse contiendront presque-
k + 1 avec probabilité p ∈]0; 1[, sur le point d’abscisse 0 sinon. On appelle Xn la variable aléatoire égale à sûrement pas de balle noire.
l’abscisse du mobile à l’instant n. On a donc X0 = 0.
1. Donner la loi de X1 .
• X1 (Ω) = {0; 1}
• De plus :
 [X1 = 1] ="le mobile est passé du point 0 au point 1" ; d’où P([X1 = 1]) = p
 et ainsi : P([X1 = 0]) = 1 − p
2. Démontrer par récurrence que pour tout n ∈ N∗ , Xn (Ω) = J0; nK.
• Initialisation. Pour n = 1.
On a vu, à la question précédente, que X1 (Ω) = {0; 1} : l’initialisation est ainsi vérifiée.
• Hérédité. Soit n ∈ N∗ . Supposons que Xn (Ω) = J0; nK et montrons que Xn+1 (Ω) = J0; n + 1K.
Par hypothèse de récurrence, Xn (Ω) = J0; nK. Donc, à l’instant n, il existe k ∈ J0; nK tel que le mobile se
situe en position k.
Par conséquent, à l’étape n + 1, le mobile peut se déplacer en position 0 ou en position k + 1. Ainsi, les
points possibles pour la position du mobile à l’instant n + 1 sont : 0 et tous les k + 1, avec k ∈ J0; nK.
Autrement dit : Xn+1 (Ω) = J0; n + 1K : l’hérédité est établie.
Conclusion : pour tout n ∈ N∗ , Xn (Ω) = J0; nK.

3. Montrer que pour tout n ∈ N∗ et tout k ∈ J1; nK : P([Xn = k]) = pP([Xn−1 = k − 1]).
Soit n ∈ N∗ et soit k ∈ J1; nK.  
D’après la question précédente, Xn−1 (Ω) = J0; n − 1K. Ainsi, la famille [Xn−1 = i] est un système
i∈J0;n−1K
complet d’évènements, et d’après la formule des probabilités totales, on obtient :
X
n−1  
P([Xn = k]) = P [Xn−1 = i] ∩ [Xn = k]
i=0
Or, le mobile se déplace seulement de deux façons différentes : soit d’un point i au suivant, soit d’un point i
au point 0. Par conséquent, puisque k , 0, pour être au point k à l’instant n, il faut avoir été au point k − 1 à
l’instant n − 1.
D’où :
∀i , k − 1, [Xn−1 = i] ∩ [Xn = k] = ∅ Pourquoi ?
Et ainsi : Tous les termes de la somme
  pour i , k − 1 sont nuls.
P([Xn = k]) = P [Xn−1 = k − 1] ∩ [Xn = k]
 
= P [Xn−1 = k − 1] × P[Xn−1 =k−1] ([Xn = k])
 
= pP [Xn−1 = k − 1]

Conclusion : pour tout n ∈ N∗ et tout k ∈ J1; nK : P([Xn = k]) = pP([Xn−1 = k − 1]).

4. En déduire que pour tout n ∈ N∗ , E(Xn ) = pE(Xn−1 ) + p ; puis déterminer l’expression de E(Xn ) en
fonction de n et p.

Exercices du chapitre 12 - Page 24/33

 • Soit n ∈ N∗ . Puisque Xn (Ω) = J0; nK, on a :
X
n
E(Xn ) = kP([Xn = k])
k=0
Xn
= kP([Xn = k]) question précédente
k=1
Xn
= kpP([Xn−1 = k − 1]) changement d’indice i = k − 1
k=1

X
n−1
= p (i + 1)P([Xn−1 = i])
i=0
X
n−1 X
n−1
= p iP([Xn−1 = i]) + p P([Xn−1 = i]) Xn−1 (Ω) = J0; n − 1K
i=0 i=0
= pE(Xn−1 ) + p × 1

Conclusion : pour tout n ∈ N∗ , E(Xn ) = pE(Xn−1 ) + p

 
• On remarque alors que la suite E(Xn ) ∗ est une suite arithmético-géométrique...
n∈N
p
 Point fixe de x 7−→ px + p : (car p , 1).
1−p
p
 Notons (un )n∈N∗ la suite définie par : ∀n ∈ N∗ , un = E(Xn )− . On vérifie sans mal que (un )n∈N∗
1−p
p p −p 2
est géométrique, de raison p et de premier terme u1 = E(X1 ) − =p− = .
1−p 1−p 1−p
−p 2 n−1
D’où : ∀n ∈ N∗ : un = p .
1−p
! !
p p n−1 p pn
Conclusion : ∀n ∈ N∗ , E(Xn ) = 1− p = 1− .
1−p 1−p 1−p 1−p

5. 5.a. Soit n ∈ N∗ . Calculer P([Xn = n]) et P([Xn = 0]).

• L’évènement [Xn = n] est réalisé si, et seulement si, à chaque étape, le mobile s’est déplacé sur le
point suivant. Par conséquent : P([Xn = n]) = p n .
 
• Ensuite, d’après la formule des probabilités totales, avec [Xn−1 = i] comme système
i∈J0;n−1K
complet d’évènements :
X
n−1
P([Xn = 0]) = P([Xn = 0] ∩ [Xn−1 = i])
i=0
X
n−1
= P([Xn−1 = i) × P[Xn−1 =i] ([Xn = 0])
i=0
X
n−1
= P([Xn−1 = i]) × (1 − p)
i=0
X
n−1
= (1 − p) P([Xn−1 = i]) Xn−1 (Ω) = J0; n − 1K
i=0
= 1−p

5.b. En utilisant la question 3., démontrer que pour tout n ∈ N∗ et tout k ∈ J0; n − 1K, P([Xn =
k]) = p k (1 − p).
Par récurrence... 8 Attention !
La récurrence porte ici sur n...
• Initialisation. Pour n = 1. et le résultat à établir inclut la
Ainsi n − 1 = 0, et donc J0; n − 1K = {0}. quantification en k !
Or, on sait que P([Xn = 0]) = 1 − p d’après la question précédente.
Et comme p 0 (1 − p) = 1 − p, on a bien : P([Xn = 0]) = p 0 (1 − p). L’initialisation est bien vérifiée.
• Hérédité. Soit n ∈ N∗ . Supposons "∀k ∈ J0; n − 1K, P([Xn = k]) = p k (1 − p)" et montrons "∀k ∈
J0; nK, P([Xn+1 = k]) = p k (1 − p)".
Soit k ∈ J0; nK.
 Si k = 0, le résultat est valable, d’après la question 5.a.
 Si k ∈ J1; nK, d’après la question 3., on a :
P([Xn+1 = k]) = pP([Xn = k − 1]) par hypothèse de récurrence
= pp k−1 (1 − p)
= p k (1 − p)
L’hérédité est établie.
Conclusion : pour tout n ∈ N∗ et tout k ∈ J0; n − 1K, P([Xn = k]) = p k (1 − p).

X
n
5.c. Vérifier que pour tout n ∈ N∗ , P([Xn = k]) = 1.
k=0

Exercices du chapitre 12 - Page 25/33

 Soit n ∈ N∗ . On a :
X
n X
n−1
P([Xn = k]) = P([Xn = k]) + P([Xn = n]) questions 5.a. et 5.b.
k=0 k=0
X
n−1
= p k (1 − p) + p n
k=0
X
n−1
= (1 − p) pk + pn p,1
k=0
1 − pn
= (1 − p) + pn
1−p
= 1

•••◦ Exercice 20
Soit n un entier naturel tel que n ≥ 2. On dispose d’un paquet de n cartes C1 , C2 , . . ., Cn que l’on distribue
intégralement, les unes après les autres entre n joueurs J1 , J2 , ... , Jn selon le protocole suivant :
• la première carte C1 est donnée à J1 ;
• la deuxième carte C2 est donnée de façon équiprobable entre J1 et J2 ;
• la troisième carte C3 est donnée de façon équiprobable entre J1 , J2 et J3 ;
• et ainsi de suite, jusqu’à la dernière carte Cn qui est donc distribuée de façon équiprobable entre
les joueurs J1 ,... , Jn .
On suppose l’expérience modélisée sur un espace probabilisé (Ω, P (Ω), P).
On note Xn la variable aléatoire égale au nombre de joueurs qui n’ont reçu aucune carte à la fin de la
distribution.
1. Déterminer Xn (Ω) et calculer P([Xn = 0]) et P([Xn = n − 1]). Petite remarque
• Xn prend des valeurs entières entre 0 et n ; et le joueur J1 a toujours au moins une carte. Par conséquent : Il s’agit de démontrer l’égalité
Xn (Ω) ⊂ J0; n − 1K. de deux ensembles. On pro-
Réciproquement : cède par double-inclusion.
 L’évènement [Xn = 0] est réalisé en donnant, pour tout i ∈ J1; nK, la carte Ci au joueur Ji . Pour vérifier que J0; n − 1K ⊂
Xn (Ω), il faut démontrer que
 Pour réaliser l’évènement [Xn = 1], il suffit que pour tout i ∈ J1; n − 1K, la carte Ci soit donnée au chaque entier de J0; n − 1K est
joueur Ji et que la carte Cn soit donnée à J1 . dans Xn (Ω). Mais, "k ∈ Xn (Ω)"
 Soit k ∈ J2; n − 2K. Pour réaliser l’évènement [Xn = k − 2], il suffit que, pour tout i ∈ J1; n − kK, la carte équivaut à "k est l’image d’au
moins une issue par Xn ", ce
Ci soit donnée au joueur Ji et que pour tout i ∈ Jn − k + 1; n − 1K, la carte Ci soit donnée au joueur J1 . qui équivaut à également
 L’évènement [Xn = n − 1] est réalisé en donnant toutes les cartes au joueur J1 . "[Xn = k] est non vide" (on
Ainsi, pour tout k ∈ J1; n − 1K, [Xn = k] , ∅. rappelle que [Xn = k] est en
fait l’ensemble des issues dont
Conclusion : Xn (Ω) = J0; n − 1K. l’image par Xn est égale à k ).

• L’évènement [Xn = 0] est réalisé si, et seulement si, pour tout i ∈ J1; n − 1K, la carte Ci est donnée au
joueur Ji .
Notons justement, pour tout i ∈ J1; nK, l’évènement Ai : "la carte Ci est donnée au joueur Ji .
Par conséquent :
\
n
[Xn = 0] = Ai
i=1
Et ainsi :
 n 
\ 
P([Xn = 0]) = P  Ai 

indépendance des distributions
i=1
Y
n
= P(Ai ) équiprobabilité du choix des joueurs : 1 favorable (Ji ), sur i joueurs au moment de distribuer Ci
i=1

Yn
1
=
i
i=1
1
=
n!
• L’évènement [Xn = n − 1] est réalisé si, et seulement si, pour tout i ∈ J1; n − 1K, la carte Ci est donnée au
joueur J1 .
Notons justement, pour tout i ∈ J1; nK, l’évènement A0i : "la carte Ci est donnée au joueur J1 .
Par conséquent :
\n
[Xn = n − 1] = A0i
i=1
Et ainsi :
 n 
\ 
P([Xn = n − 1]) = P  Ai 
 0
indépendance des distributions
i=1
Y
n
= P(A0i ) équiprobabilité du choix des joueurs : 1 favorable (J1 ), sur i joueurs au moment de distribuer Ci
i=1

Yn
1
=
i
i=1
1
=
n!

Exercices du chapitre 12 - Page 26/33

2. Pour tout i de J1, nK, on note Bi la variable aléatoire qui vaut 1 si Ji n’a reçu aucune carte à la fin
de la distribution et vaut 0 sinon.
Déterminer la loi de Bi . Exprimer Xn en fonction des Bi et en déduire l’espérance de Xn .
• Soit i ∈ J1; nK.
 Puisque le joueur J1 reçoit toujours au moins une carte, on a B1 = 0.
 Soit i ∈ J2; nK.
l’évènement [Bi = 1] est réalisé si, et seulement si, Ji n’a reçu aucune carte à la fin de la distribution Ji n’est pas présent lors des précé
si, et seulement si, Ji n’a reçu aucune des cartes Ci , Ci+1 , ..., Cn
Pour tout j ∈ Ji; nK, notons Di,j l’évènement "la carte Cj n’est pas donnée au joueur Ji ". Ainsi :
\
n
[Ji = 1] = Di,j
j =i
Et ainsi :
 
\ n 
 
P([Bi = 1]) = P  Di,j 

  par indépendance des distributions
j =i
Y
n
= P(Di,j ) équiprobabilité du choix des joueurs : j − 1 favorables sur j
j =i
Y n
j −1
= télescopage
j
j =i
i −1
=
n
Et puisque Bi (Ω) = {0; 1}, on a ainsi :
i −1
P([Bi = 0]) = 1 −
n
Conclusion : B1 est constante égale à 0 ;
i −1 i −1
∀i ∈ J2; nK, Bi (Ω) = {0; 1}, P([Bi = 1]) = et P([Bi = 0]) = 1 − .
n n
• Puisque Xn est le nombre de joueurs n’ayant reçu aucune carte, on a :
X
n
Xn = Bi
i=1
• On a ainsi :
 n 
X 
E(Xn ) = E 
 Bi  par linéarité de l’espérance
i=1
X
n
= E(Bi ) B1 = 0 et ∀i ∈ J2; nK, Bi (Ω) = {0; 1}
i=1
X
n
= 0+ (0P([Bi = 0]) + 1P([Bi = 1]))
i=2
X
n
i −1
= changement d’indice k = i − 1
n
i=2
1 X
n−1
= k
n
k=1
1 n(n − 1)
=
n 2
n−1
=
2
3. Donner la loi de X4 .
• On sait déjà que X4 (Ω) = J0; 3K.
• On sait également que :
1
 P([X4 = 0]) =
24
1
 P([X4 = 3]) =
24
Or, on doit avoir :
X
3
P([X4 = k]) = 1
k=0
3
mais aussi, puisque E(X4 ) = , on doit avoir :
2
X
3
kP([X4 = k])
k=0
 11

 P([X4 = 1]) + P([X4 = 2])

 =
Autrement dit, on doit avoir :  12 Après résolution de ce système,

 11
 P([X4 = 1]) + 2P([X4 = 2]) =
 8
 11

 P([X4 = 1]) =

24
on obtient : 


 P([X4 = 2]) =
11
24

Exercices du chapitre 12 - Page 27/33

 Conclusion : X4 (Ω) = J0; 3K
1 11
P([X4 = 0]) = P([X4 = 3]) = ; P([X4 = 1]) = P([X4 = 2]) = .
24 24

4. 4.a. Montrer que pour i et j dans J1, nK tels que i < j , on a :

  (i − 1)(j − 2)
P [Bi = 1] ∩ [Bj = 1] =
n(n − 1)
Soient i, j ∈ J1; nK tels que i < j .
L’évènement [Bi = 1] ∩ [Bj = 1] est réalisé si, et seulement si, les cartes Ci , Ci+1 , ..., Cj −1 ne sont pas
données à Ji ET les cartes Cj , Cj +1 , ..., Cn ne sont données ni à Ji ni à Jj .
Par une démarche analogue à celle mise en place en question 2., on a ainsi :
j −1
Y Y
  k −1
n
k −2
P [Bi = 1] ∩ [Bj = 1] = ×
télescopages
k k
k=i k=j
i − 1 (j − 2)(j − 1)
= ×
j −1 (n − 1)n
(i − 1)(j − 2))
=
n(n − 1)
  (i − 1)(j − 2)
Conclusion : pour tous i, j ∈ J1, nK tels que i < j , on a P [Bi = 1] ∩ [Bj = 1] = .
n(n − 1)

4.b. Soient i, j ∈ J1; nK, avec i , j . Les évènements [Bi = 1] et [Bj = 1] sont-ils indépendants ?
Quitte à échanger i et j (rôles symétriques), on peut supposer que i < j .
D’après la question précédente, on a :
  (i − 1)(j − 2)
P [Bi = 1] ∩ [Bj = 1] =
n(n − 1)
Et, d’après la question 2. :
i −1 j −1
P([Bi = 1]) = ; P([Bj = 1]) =
n n
• Si i = 1 :
Alors on a :     Petite remarque
P [B1 = 1] ∩ [Bj = 1] = 0 = P [B1 = 1]) × P([Bj = 1]
On sait que [B1 = 1] = ∅ et
Dans ce cas, les évènements [Bi = 1] et [Bj = 1] sont indépendants. que l’évènement impossible
est indépendant de tous les
• Si i , 1 : autres... C’est cohérent !
Alors :
   
[Bi = 1] et [Bj = 1] sont indépendants ⇐⇒ P [Bi = 1] ∩ [Bj = 1] = P([B1 = 1]) × P([Bj = 1])
(i − 1)(j − 2) (−1)(j − 1)
⇐⇒ = i − 1 , 0, n , 0
n(n − 1) n2
j −2 j −1
⇐⇒ n , 0, n , 1
n−1 n
⇐⇒ n(j − 2) = (n − 1)(j − 1)
⇐⇒ nj − 2n = nj − j − n + 1
⇐⇒ j = n + 1
Or on sait que j ∈ J1; nK, donc j , n + 1. Par équivalences, on a ainsi :
   
P [Bi = 1] ∩ [Bj = 1] , P [B1 = 1]) × P([Bj = 1]
Les évènements [Bi = 1] et [Bj = 1] ne sont pas indépendants.

Conclusion : pour tout j ∈ J2; nK, les évènements [B1 = 1] et [Bj = 1] sont indépendants
pour tous i, j ∈ J2; nK tels que i , j , les évènements [Bi = 1] et [Bj = 1] ne sont pas indépendants.

•••◦ Exercice 21
On considère une urne contenant n + 1 boules numérotées de 0 à n. On y effectue une suite de tirages
d’une boule à la fois avec remise. On définit la suite de variables aléatoires (Xk )k∈N∗ de la manière
suivante :
• X1 est une variable aléatoire constante égale à 1,
• pour k ∈ J2; +∞J, Xk = 1 si le numéro obtenu au k-ième tirage n’a pas déjà été obtenu au cours des
tirages précédents, et Xk = 0 sinon.
1. Déterminer la loi de X2 .
• Remarquons déjà que X2 (Ω) = {0; 1}.
• Ensuite :
l’évènement [X2 = 1] est réalisé si, et seulement si, le numéro obtenu au deuxième tirage n’a pas été obtenu au premier tirage
si, et seulement si, on pioche une des n balles non tirées au premier tirage
Par équiprobabilité du tirage des boules, on a ainsi :
n
P([X2 = 1]) =
n+1
 
• Puisque X2 (Ω) = {0; 1} et que [X2 = 0], [X2 = 1] est alors un système complet d’évènements, on a :
n 1
P([X2 = 0]) = 1 − =
n+1 n+1

Exercices du chapitre 12 - Page 28/33

 Conclusion : X2 (Ω) = {0; 1}
1 n
P([X2 = 0]) = ; P([X2 = 1]) = .
n+1 n+1

2. Soit k ∈ J2; +∞J. Montrer :

 
n k−1
Xk (Ω) = {0; 1} ; P([Xk = 1]) =
n+1
En déduire l’espérance de Xk .
• Montrons que Xk (Ω) = {0; 1}.
⊂ De façon immédiate, on a Xk (Ω) ⊂ {0; 1}.
⊃ Montrons que {0; 1} ⊂ Xk (Ω).
⇝ Pour réaliser l’évènement [Xk = 0], il suffit que la boule 1 soit tirée aux tirages 1 à k. Ainsi
[Xk = 0] , ∅.
⇝ Pour réaliser l’évènement [Xk = 1], il suffit que la boule 1 soit tirée aux tirages 1 à k − 1 et que
la boule 2 soit tirée au tirage k. Ainsi [Xk = 1] , ∅.
Conclusion : Xk (Ω) = {0; 1}.
• Notons pour tout j ∈ J0; nK, et tout i ∈ J1; kK, Bi,j l’évènement "le numéro obtenu au i-ième tirage n’est
pas le numéro j ".
On a ainsi :
     
[Xk = 1] = B1,0 ∩ B2,0 ∩ ... ∩ Bk−1,0 ∩ Bk,0 ∪ B1,1 ∩ B2,1 ∩ ... ∩ Bk−1,1 ∩ Bk,1 ∪ ... ∪ B1,n ∩ B2,n ∩ ... ∩ Bk−1,n ∩ Bk,n
  
[  \
n k−1
 
= 
 Bi,j  ∩ Bk,j 
 
j =0 i=1

Par conséquent :
   
[
  \
n k−1  
 
P([Xk = 1]) = 
P   Bi,j  ∩ Bk,j 

pour tous j, j 0 ∈ J0; nK, les évènements Bk,j et Bk,j 0 sont incompatibles...
   
j =0 i=1  
X n \
k−1  
  
= P  Bi,j  ∩ Bk,j 
   tirages avec remise, d’où indépendance des évènements
j =0  i=1 
X n Y
k−1 

=  P(Bi,j ) P(Bk,j )
  équiprobabilité des choix de la boule
j =0  i=1 
X n Y
k−1 n  1
=  
 n + 1  n + 1
j =0 i=1
X n  
n k−1 1
=
n+1 n+1
j =0
 
n k−1 1
= (n + 1)
  n+1 n+1
n k−1
=
n+1
 
n k−1
Conclusion : P([Xk = 1]) = .
n+1 Petite remarque
AUTRE MÉTHODE POUR CALCULER CETTE PROBABILITÉ On procède ici à rebours...
Ensuite, commençons par remarquer que, puisque les tirages sont effectués avec remise, il y a toujours On peut, puisque pour tous
n + 1 boules dans l’urne. évènements A1 , A2 , ..., Ak ,
on a : A1 ∩ A2 ∩ ... ∩ Ak =
Aussi : Ak ∩ Ak−1 ∩ .... ∩ A1 .
l’évènement [Xk = 1] est réalisé si, et seulement si, le numéro obtenu au k-ième tirage n’a pas été obtenu aux précédents tirages
si, et seulement si, pour tout i ∈ J1; k − 1K, le numéro obtenu au i-ème tirage n’est pas celui obtenu au k-ièm
si, et seulement si, pour tout i ∈ J1; k − 1K, on pioche au i-ième tirage une des n balles non tirées au k-ième t
Par indépendance des tirages (ceux-ci étant effectués avec remise), puis équiprobabilité des boules tirées :
 
n k−1
P([Xk = 1]) =
n+1
• Puisque Xk (Ω) = {0; 1}, on a :
E(Xk ) = 0P([Xk = 0]) + 1P([Xk = 1])
= P([Xk = 1])
 
n k−1
=
n+1
 
n k−1
Conclusion : E(Xk ) = .
n+1
3. 3.a. Montrer :
  (n − 1)i−1 nj −i
∀i < j, P [Xi = 1] ∩ [Xj = 1] =
(n + 1)j −1
Soient i, j ∈ J1; nK tels que i < j .
En reprenant les évènements définis à la question précédente et en notant, pour tous N, N 0 ∈ J0; nK et

Exercices du chapitre 12 - Page 29/33

 tout m ∈ J1; nK, Bm,N,N 0 l’évènement "le numéro obtenu au m-ième tirage n’est ni le numéro N ni le
numéro N 0 ", on a :
 
 n  i−1   j −1  
n 
[  [  \
 

 
 \ 
 

[Xi = 1] ∩ [Xj = 1] = 
  Bm,N,N 0  ∩ Bi,N ∩  Bm,N 0  ∩ Bj,N 
    
N 0 =0   N=0 m=1 m=i+1 
N,N 0

Par incompatibilité puis indépendance :

 
 n  i−1   j −1  
Xn   X  Y   Y  
     
P([Xi = 1] ∩ [Xj = 1]) = 


 P(Bm,N,N 0 ) × P(Bi,N ) ×  P(Bm,N 0 ) × P(Bj,N )
      équiprobabilité des choix de la boule
N =0  N=0 m=1
0 m=i+1 
0
 N,N 
 n  i−1   j −1  
Xn   X  Y   Y  
  n − 1 
 1  n  1 
=   × ×   × 
  n + 1  n + 1  n + 1  n + 1 
N 0 =0   N=0 m=1 m=i+1 
0
N,N 
n 
 n !
X  X  n − 1 i−1 1
 
n j −i−1 1 
 
=  n+1
×
n+1
×
n+1
×
n + 1 
N 0 =0   N=0 
N,N 0 
n 
 n 

X  X (n − 1)i−1 nj −i−1 
 
=  
 (n + 1) j 
N =0  N=0
0 
N,N 0
Xn !
(n − 1)i−1 nj −i−2
= n×
N 0 =0
(n + 1)j −1
(n − 1)i−1 nj −i−1
Petite remarque
= (n + 1) × n × Champagne !!!
(n + 1)j Sinon, on aurait pu "expli-
(n − 1)i−1 nj −i quer" cette probabilité...
=
(n + 1)j −1

3.b. En déduire, pour tous i < j , la loi du produit Xi Xj .

Soient i, j ∈ J1; nK tels que i < j .
• Puisque Xi (Ω) = {0; 1} et Xj (Ω) = {0, 1}, on a Xi Xj (Ω) ⊂ {0; 1}.
• Ensuite puisque Xi et Xj ne prennent que 0 et 1 comme valeurs, l’évènement [Xi Xj = 1] est réalisé
si, et seulement si, les évènements [Xi = 1] et [Xj = 1] sont simultanément réalisés.
Ainsi :
[Xi Xj = 1] = [Xi = 1] ∩ [Xj = 1]
Par conséquent, d’après la question précédente :
(n − 1)i−1 nj −i
P([Xi Xj = 1]) =
(n + 1)j −1
On en déduit [Xi Xj = 0] , ∅ et :

(n − 1)i−1 nj −i
P([Xi Xj = 0]) = 1 −
(n + 1)j −1

Conclusion : Xi Xj (Ω) = {0; 1},

(n − 1)i−1 nj −i (n − 1)i−1 nj −i
P([Xi Xj = 0]) = 1 − et P([Xi Xj = 1]) = .
(n + 1)j −1 (n + 1)j −1

4. Soit N ∈ J2; +∞J. On note ZN la variable aléatoire égale au nombre de numéros distincts obtenus
au cours des N premiers tirages. Exprimer ZN en fonction des Xk et en déduire son espérance.
X
N
• De façon immédiate, on a ZN = Xi .
i=1
• Ensuite, on avait obtenu :
 
n k−1
∀k ∈ J2; +∞J, E(Xk ) =
n+1
Et on sait que X1 est constante égale à 1, donc E(X1 ) = 1.
 
n 1−1
Puisque = 1, ces deux cas peuvent se regrouper :
n+1
 
n k−1
∀k ∈ N∗ , E(Xk ) =
n+1

Exercices du chapitre 12 - Page 30/33

 • On a enfin : N 
X 
E(ZN ) = E  Xi  linéarité de l’espérance
i=1
X
n
= E(Xi ) par ce qui précède
i=1
XN  i−1
n Petite remarque
= changement d’indice k = i − 1
n+1 On a ainsi lim E(ZN ) =
i=1 N→+∞
X  n k
N−1 (n + 1). Au bout d’un grand
= n nombre de tirages, on obtien-
n+1 ,1 dra en moyenne n + 1 boules
k=0  n+1
 différentes. C’est normal : si
1 − n+1n N
on effectue un grand nombre
= n de tirages, on tirera vraisem-
1 − n+1
  ! blablement toutes les boules
n N possibles...
= (n + 1) 1 −
n+1

•••◦ Exercice 22 - Variables aléatoires indicatrices

Soient Ω l’univers d’une expérience aléatoire et P une probabilité sur P (Ω). Pour tout A ∈ P (Ω), on note
1 A la variable aléatoire définie par :
(
1 si ω ∈ A
∀ω ∈ Ω, 1 A (ω) =
0 sinon
Vocabulaire
1. Que dire de 1Ω et 1∅ ? Si une variable aléatoire est
Pour tout A ∈ P (Ω), la variable aléatoire 1A prend la valeur 1 si l’évènement A est réalisé, 0 sinon. Ainsi : constante égale à un réel c, on
• 1Ω est constante égale à 1 ; dit qu’elle suite la loi certaine
égale à c.
• 1∅ est constante égale à 0.
⋆Subtile...⋆
2. Soit A ∈ P (Ω). Déterminer la loi de 1 A ainsi que son espérance.
Il n’y a pas 1A (Ω) = {0; 1}
• On sait déjà que 1A (Ω) ⊂ {0; 1}. si A = Ω ou A = ∅ par
• Par définition, on a, pour tout ω ∈ Ω : exemple...

ω ∈ [1A = 1] ⇐⇒ ω ∈ A
D’où :
[1A = 1] = A
Par conséquent :
P([1A = 1]) = P(A)
Et ainsi :
P([1A = 0]) = 1 − P(A)
• On en déduit :
E(1A ) = 0P([1A = 0]) + 1P([1A = 1])
= P(A)

3. Soient A, B ∈ P (Ω). Établir :

1A = 1 − 1A ; 1 A∩B = 1 A × 1 B ; 1 A∪B = 1 A + 1 B − 1 A∩B

• Montrons que 1A = 1 − 1A . 8 Attention !

Soit ω ∈ Ω. Il s’agit d’établir une égalité
entre deux applications X et
 Si ω ∈ A.
Y toutes deux définies sur Ω .
⇝ Par définition, on a ainsi 1A (ω) = 1. On montre donc que pour
tout ω ∈ Ω , X(ω) = Y(ω).
⇝ Mais, puisque ω ∈ A, on a ω < A. D’où 1A (ω) = 0.
Ainsi :
1A (ω) = 1 − 1A (ω)
 Si ω ∈ A.
⇝ Puisque ω ∈ A, on a ω < A, d’où 1A (ω) = 0.
⇝ Or ω ∈ A, donc, par définition : 1A (ω) = 0.
Ainsi :
1A (ω) = 1 − 1A (ω)

Conclusion : ∀ω ∈ Ω, 1A (ω) = 1 − 1A (ω).

Autrement dit : 1A = 1 − 1A .
• Montrons que 1A∩B = 1A × 1B .
Soit ω ∈ Ω.
 Si ω ∈ A ∩ B.
⇝ Alors, par définition, 1A∩B (ω) = 1.
⇝ Aussi, puisque ω ∈ A ∩ B, on a ω ∈ A et ω ∈ B.
Par définition, on a alors : 1A (ω) = 1 et 1B (ω) = 1.
D’où :
1A (ω) × 1B (ω) = 1
Ainsi :
1A∩B (ω) = 1A (ω) × 1B (ω)

Exercices du chapitre 12 - Page 31/33

  Si ω ∈ A ∩ B.
⇝ Alors, par définition, 1A∩B (ω) = 0.
⇝ De plus, on sait, d’après la loi de Morgan : A ∩ B = A ∪ B.
Ainsi, puisque ω ∈ A ∪ B, on a ω ∈ A ou ω ∈ B.
D’où, par définition : 1A (ω) = 0 ou 1B (ω) = 0. Ce qui donne (règle du produit nul) :
1A (ω)1B (ω) = 0
Ainsi :
1A∩B (ω) = 1A (ω) × 1B (ω)
Conclusion : ∀ω ∈ Ω, 1A∩B (ω) = 1A (ω) × 1B (ω).
Autrement dit : 1A∩B = 1A × 1B .
• Montrons que 1A∪B = 1A + 1B − 1A∩B .
Utilisons les deux points précédents pour établir celui-ci...
On sait que A ∪ B = A ∩ B. Ainsi :
1A∪B = 1 premier point de la question
A∩B
= 1 − 1A∩B deuxième point de la question
= 1 − 1A × 1B premier point de la question
= 1 − (1 − 1A )(1 − 1B )
= 1 − (1 − 1A − 1B + 1A∩B )
= 1A + 1B − 1A∩B

Conclusion : 1A∪B = 1A + 1B − 1A∩B .

Remarque
AUTRE MÉTHODE POSSIBLE :
Soit ω ∈ Ω.
 Si ω ∈ A ∪ B.
⇝ Alors, par définition, 1A∪B (ω) = 1.
     
⇝ Aussi, remarquons que A ∪ B = A ∩ B ∪ B ∩ A ∪ A ∩ B ; et que c’est une union de trois évènements
deux à deux incompatibles... Trois cas se présentent alors :
— Si ω ∈ A ∩ B.
Alors par définition, 1A∩B (ω) = 1. Mais on a aussi ω ∈ A et ω ∈ B, donc 1A (ω) = 1 et 1B (ω) = 1.
Ce qui donne :
1A (ω) + 1B (ω) − 1A∩B (ω) = 1 + 1 − 1 = 1
— Si ω ∈ A ∩ B.
Alors on a 1A (ω) = 1,1B (ω) = 0, et puisque ω < B, 1A∩B (ω) = 0. Ce qui donne :
1A (ω) + 1B (ω) − 1A∩B (ω) = 1 + 0 − 0 = 1

— Si ω ∈ B ∩ A : analogue au cas précédent :

1A (ω) + 1B (ω) − 1A∩B (ω) = 0 + 1 − 0 = 1
Ainsi :
1A∪B (ω) = 1A (ω) + 1B (ω) − 1A∩B (ω)
Ainsi :
1A∩B (ω) = 1A (ω) × 1B (ω)
 Si ω ∈ A ∪ B.
⇝ Alors, par définition, 1A∪B (ω) = 0.
⇝ De plus, on sait, d’après la loi de Morgan : A ∪ B = A ∩ B.
Ainsi, puisque ω ∈ A ∩ B, on a ω ∈ A et ω ∈ B.
D’où, par définition : 1A (ω) = 0 et 1B (ω) = 0.
Puisque ω < A, on aω < A ∩ B, donc 1A∩B (ω) = 0. D’où :
1A (ω) + 1B (ω) − 1A∩B (ω) = 0 + 0 − 0 = 0
Ainsi :
1A∩B (ω) = 1A (ω) × 1B (ω)

Conclusion : ∀ω ∈ Ω, 1A∪B (ω) = 1A (ω) + 1B (ω) − 1A∩B .

Autrement dit : 1A∪B = 1A + 1B − 1A∩B .

4. Soit A un évènement tel que 0 < P(A) < 1. Si X est une variable aléatoire telle que X(Ω) est fini, on
définit la variable aléatoire, notée E A (X), par : 8 Attention !
1 1
1 1 E(X1A ) et E(X1A )
P(A) P(A)
E A (X) = E(X1 A ) × 1 A + E(X1 A ) × 1 A
P(A) P(A) sont des réels !
Donc EA (X) est bien une
variable aléatoire : c’est une
combinaison linéaire des
4.a. Déterminer la loi de la variable aléatoire E A (1 A ). variables aléatoires 1A et 1A .
On a déjà :
1 1
EA (1A ) = E(1A × 1A ) × 1A + E(1A × 1A ) × 1A d’après les questions précédentes : 1A × 1A = 1A∩A = 1A et 1A × 1A = 1A∩A = 1∅ = 0
P(A) P(A)
1 1
= E(1A ) × 1A + E(0) × 1A question 2. : E(1A ) = P(A)
P(A) P(A)
= 1A + 0
= 1A

Exercices du chapitre 12 - Page 32/33

 ⋆Subtile...⋆
Si on note V (Ω, R) l’ensemble
des variables aléatoires défi-
nies sur Ω , on a :
Conclusion : EA (1A ) et 1A suivent la même loi, donnée en question 2.. • L’application
E : V (Ω, R) −→ R
X 7−→ E(X)
4.b. Soient X et Y deux variables aléatoires prenant un nombre fini de valeurs. Démontrer : est une application linéaire
(voir chapitre).
E A (X + Y) = E A (X) + E A (Y) • Dans cette question,
on demande presque (il
faudrait travailler sur une
On a : combinaison linéaire de X
et Y, pas juste sur X + Y) de
montrer que l’application
1 1 EA : V (Ω, R) −→ V (Ω, R)
EA (X + Y) = E((X + Y)1A ) × 1A + E((X + Y)1A ) × 1A X 7−→ EA (X)
P(A) P(A)
1 1 est également linéaire.
= E(X1A + Y1A ) × 1A + E(X1A + Y1A ) × 1A
P(A) P(A) par linéarité de l’espérance
1   1  
= E(X1A ) + E(Y1A ) × 1A + E(X1A ) + E(Y1A ) × 1A
P(A) P(A)
1 1
= E(X1A )1A + E(Y1A ) × 1A + E(X1A )1A + E(Y1A ) × 1A
P(A) P(A)
= EA (X) + EA (Y)

4.c. Soit X une variable aléatoire prenant un nombre fini de valeurs. Démontrer :
   
E E A (X) = E(X) ; E A X1 A = E A (X) × 1 A

• Puisque 1A et 1A sont des variables aléatoires discrètes finies, EA (X) est une combinaison linéaire
de variables aléatoires discrètes finies : elle est donc également discrète finie, et admet ainsi une
espérance. On a :
!
  1 1
E EA (X) = E E(X1A ) × 1A + E(X1A ) × 1A
P(A) P(A) linéarité de l’espérance
1 1
= E(X1A ) × E(1A ) + E(X1A ) × E(1A ) question 2. : E(1A ) = P(A)
P(A) P(A)
1 1
= E(X1A ) × P(A) + E(X1A ) × P(A)
P(A) P(A)
= E(X1A ) + E(X1A ) linéarité de l’espérance
= E(X(1A + 1A )) question 3. : 1A + 1A = 1
= E(X)
• Par définition, on a :
  1 1
EA X1A = E(X1A 1A ) × 1A + E(X1A 1A ) × 1A 12A = 1A et 1A 1A = 0
P(A) P(A)
1
= E(X1A ) × 1A
P(A)
D’autre part :
!
1 1
EA (X) × 1A = E(X1A 1A ) × 1A + E(X1A 1A ) × 1A 1A
P(A) P(A)
1 1
= E(X1A 1A ) × 1A 1A + E(X1A 1A ) × 1A 1A 12A = 1A et 1A 1A = 0
P(A) P(A)
1
= E(X1A ) × 1A
P(A)
On a bien :  
EA X1A = EA (X) × 1A

Exercices du chapitre 12 - Page 33/33