Probabilités discrètes : les exercices

1 On se place dans l’ensemble N. On considère la tribu F engendrée par les ensembles

Sn = {n, n + 1, n + 2} avec n ∈ {0, 2, 3, . . .}

c’est à dire la plus petite tribu de N contenant tous les Sn .

1. Montrer que pour tout n ≥ 2, le singleton {n} appartient à F.
2. En déduire que toute partie de N∗∗ = {2, 3, . . .} est dans F, autrement dit que P(N∗∗ ) ⊂ F.
3. Caractériser alors simplement les éléments de F.

2 Soit T la tribu engendrée par les parties finies de R. Montrer que T est égal à l’ensemble des parties
A ⊂ R telles que A ou sont son complémentaire est dénombrable.

3 On appelle tribu borélienne sur R la tribu engendrée par les intervalles. Un élément de cette tribu
s’appelle un borélien.
1. Montrer que la tribu borélienne est engendré par chacun des ensembles suivants : les intervalles
fermés, les intervalles du type ]a, b] avec a ≤ b, les intervalle ] − ∞, a].
2. Justifier que la tribu borélienne est engendrée par les ouverts.

4 Pour A ∈ P(N), on note, sous réserve d’existence,

|A ∩ {1, . . . , n}|
µ(A) = lim
n→+∞ n
On note L l’ensemble des parties A ⊂ N pour lesquelles µ(A) existe.
1. Donner des parties A pour lesquelles µ(A) = 0, µ(A) = 1, µ(A) = 21 .
2. Montrer que L =
6 P(N).
3. L’ensemble L est-il une tribu sur N ?

5 Soient n ∈ N∗ et Ω = {−n, . . . , n}. On considère l’application Q : Ω → R définie par

n + 1 − |k|
Q(k) =
(n + 1)2

a. Montrer que Q permet de définir une probabilité sur (Ω, P(Ω)).

b. Calculer la probabilité de l’événement {−n, . . . , n − 1}.

6 Soient r > 0 et p ∈]0, 1[. On définit Q sur N en posant

 
k+r−1 r
Q(k) = p (1 − p)k
r−1

Montrer que Q permet de définir une probabilité sur (N, P(N)).

∗
7 On se place dans l’univers Ω = {0, 1}N où l’on considère une tribu T . On note Ai l’ensemble des
éléments u ∈ Ω tel que ui = 1. On suppose que pour tout i, Ai est un événement (i.e. un élément de
la tribu).
Montrer que l’ensemble des suites qui stationnent à la valeur 1 à partir d’un certain rang est un
événement.

1
 8 Soit (Ω, A, P) un espace probabilisé et (En )n∈N ∈ AN une suite d’événements quelconques. On
suppose que
X∞
P(En ) < +∞
n=0

Soit
F = {ω ∈ Ω/ ω appartient à un nombre fini de (En )n∈N }
Prouver que F est un événement et que P(F ) = 1.

9 Supposons que nous ayons une urne infiniment grande et une collection infinie de boules numérotées
par les éléments de N∗ .
1. A minuit moins une, on place les boules 1 à 10 dans l’urne et on retire la boule 10. A minuit
moins 30 secondes, on place les boules 11 à 20 et on retire et on retire la boule 20. A minuit
moins quinze seconde, les boules 21 à 30 sont introduites et la boule 30 supprimée. On continue
ainsi ”éternellement”. Combien y-a-t-il de boules dans l’urne à minuit ?
2. On reprend la même expérience mais cette fois on retire d’abord la boule 1 puis la boule 2 etc.
Combien y-a-t-il de boules dans l’urne à minuit ?
3. De façon plus générale, quand on supprime une boule, on la choisit au hasard parmi les boules
présentes dans l’urne. Montrer que l’urne ne contient presque sûrement pas la boule 1 à minuit
puis qu’elle est en fait presque sûrement vide à minuit.

10 Problème de la ruine du joueur.

Deux joueurs A et B misent sur les résultats successifs du jet répété d’une pièce. A chaque jet, A
reçoit un point de B si Pile sort et il donne un point à B dans le cas contraire. Ils poursuivent le jeu
jusqu’à ce que l’un des deux joueurs soit ruiné. On suppose que les jets sont indépendants et que côté
Pile de la pièce apparaı̂t avec une probabilité p ∈]0, 1[. On note aussi q = 1 − p.
Dans toute la suite, on note N le nombre total de points mis en jeu (qui est constant tout au long du
jeu).
1. On note Ei l’événement de gain de A quand il démarre avec une fortune de i points et Pi =
P(Ei ). Montrer que
∀i ∈ {1, 2, . . . , N − 1}, Pi = pPi−1 + qPi−1

2. En considérant ui = Pi − Pi−1 , trouver une expression de Pi en fonction de P1 . En considérant

la valeur de PN , expliciter P1 et donc Pi .
3. Montrer que l’un des deux joueurs gagnera presque sûrement.

11 Une séquence d’épreuves indépendantes consiste à jeter plusieurs fois une paire de dés non pipés.
On appelle résultat la somme des chiffres qui apparaissent. Déterminer la probabilité d’obtenir un
résultat valant 5 avant d’en obtenir un valant 7.

12 Soit (Bn )n∈N une suite d’événement mutuellement indépendants. Montrer que
! !
\ X
P Bn ≤ exp − P(Bn )
n∈N n∈N

13 Soit (Ω, A, P ) un espace probabilisé et (En )n∈N une suite d’événements quelconques. Pour un
ensemble X, on note 1X la fonction indicatrice de X.
+∞
X
On pose Z = 1En (on convient que Z = +∞ si la série diverge).
n=0
Prouver que Z est une variable aléatoire discrète.

2
 14 Soit n ∈ N∗ . Pour tout k ∈ {1, . . . , n}, on pose
 
1 1
qk = ln 1 +
ln(1 + n) k

Montrer que l’ensemble des valeurs (qk )1≤k≤n caractérise la loi d’une v.a.r. discrète.

15 Un sauteur saute une à une les hauteurs 1, 2, . . . n, . . . avec une probabilité 1/1, 1/2, . . . 1/n, . . . de
manière indépendante. On note X le rang du dernier saut réussi avant le premier échec, 0 si le premier
saut est un échec. Déterminer la loi de X.

16 Soit X une variable aléatoire réelle discrète. Montrer qu’en tout point x, P(X = x) est égal à la
différence des limites à droite et gauche de FX en x.

17 Soit X une variable aléatoire prenant ses valeurs presque surement dans [[0, p]]. Exprimer l’espérance
et la variance de X à l’aide de la fonction génératrice de X.

18 On se place dans un espace probabilisé (Ω, A, P). Soient X, Y deux variables aléatoires à valeurs
dans N. Montrer que
∀t ∈ [0, 1], |GX (t) − GY (t)| ≤ P(X 6= Y )

19 Dans une famille, le nombre N d’enfants suit la loi P(λ). A chaque naissance, la probabilité que
l’enfant soit une fille est p et celle qu’il soit un garçon est 1 − p. Déterminer les lois du nombre X de
fille et du nombre Y de garçons.

20 Soient X, Y des variables aléatoires à valeurs dans N et telles que

a(j + k)
P(X = k ∩ Y = j) =
2j+k
1. Donner la valeur de a.
2. Déterminer les lois de X et Y .

21 Pour s > 1 et λ ∈ R, on pose

λ
∀n ∈ N∗ , P({n}) =
ns
1. Pour quelle(s) valeur(s) de λ l’application P détermine-t-elle une probabilité sur (N∗ , P(N∗ )) ?
2. Pour p ∈ N∗ , on introduit l’événement Ap = {n ∈ N∗ / p|n}. Exprimer simplement la probabilité
de l’événement Ap .
3. On note P l’ensemble des nombres premiers. Vérifier que la famille (Ap )p∈P est constituée
d’événements mutuellement indépendants.
4. En étudiant P({1}), établir
∞
X 1 1
s
= Q  
n 1− 1
n=1 ps
p∈P

22 Soient X, Y deux variables aléatoires indépendantes. On suppose que X ∼ G(p) avec p ∈]0, 1[ et
que Y ∼ P(λ) avec λ > 0. Déterminer P(X = Y ) et P(X < Y ).

23 Soient p1 , p2 ∈]0, 1[. On se donne des variables aléatoires indépendantes Xi ∼ G(pi ). X =

min(X1 , X2 ) suit une loi géométrique.

3
 24 On dispose de deux dés cubiques honnêtes. Soit S la v.a.r. égale à la somme des numéros affichés
après le lancer simultané des deux dés et N celle égale au nombre de lancers simultanés des 2 dés
jusqu’à ce que la somme des deux numéros affichés soit ≤ 10. Déterminer la loi de N .

25 Soit (Xi )i∈N∗ une suite de variables aléatoires indépendantes qui suivent toutes une loi de Bernoulli
de paramètre p ∈]0, 1[.
Tr est la variable aléatoire égale au rang d’apparition du r-ième succès.
1. Quelle est la loi de Tr ?
2. Montrer que Tr a la même loi qu’une somme de r variables indépendantes Gi suivant une loi
géométrique de paramètre p.

26 Trois clients A1 , A2 , A3 arrivent à une poste où il n’y a que deux guichets. A1 et A2 sont servis
immédiatement et A3 doit attendre. On compte le temps par des entiers.
Pour i ∈ {1, 2, 3}, Xi compte le temps de service du client i. On suppose les Xi indépendantes et

∀k ∈ N, P(Xi = k) = (1 − p)pk

où p ∈]0, 1[.

Y compte le temps de sortie du premier des clients ayant terminé (et donc le temps où A3 se fait
servir).
Z compte le temps de sortie du client A3 .
1. Déterminer la fonction de répartition de Y . En déduire sa loi.
2. Exprimer Z en fonction de X3 et Y . En déduire sa loi.
3. En moyenne, combien de temps passe A3 dans la poste ?

27 Soit X une variable aléatoire réelle possédant une espérance.

1. On suppose dans cette question que X(Ω) ⊂ N. Montrer que
∞
X
E(X) = P(X ≥ n)
n=1

2. Montrer dans le cas d’une variable réelle que, lorsque x → +∞, P(X ≥ x) = o(1/x).
3. Soient X, Y deux variables aléatoires indépendantes suivant respectivement des lois géométriques
de paramètres p et q. Déterminer E(max{X, Y }).

28 On lance une pièce de monnaie ayant une probabilité p de tomber sur “pile”. On note N le nombre
de lancers nécessaires pour obtenir “pile” pour la première fois. On relance alors N fois la pièce et on
note X le nombre de “pile” obtenus.
Déterminer la loi de X. Calculer l’espérance de X.

29 Soit X une variable aléatoire suivant une loi de Poisson de paramètre λ > 0.
 
1
1. Déterminer E 1+x .
2. Quelle est la probabilité que X soit paire.

30 Soient f : R → R une fonction dérivable telle que f 0 soit croissante et X une variable aléatoire
réelle. On suppose que X et f (X) admettent une espérance.
1. Montrer que
∀x ∈ R, f (x) ≥ f 0 (E(X))(x − E(X)) + f (E(X))
2. En déduire que E(f (X)) ≥ f (E(X)).

4
 31 Soient X et Y deux variables aléatoires sur un même espace probabilisé, indépendantes, suivant
une même loi géométrique de paramètre p ∈]0, 1[. On définit Z = X/Y .
1. Justifier Z(Ω)
P+∞⊂ Q+∗ . Soit r ∈ Q+∗ un rationnel d’écriture irréductible r = a/b. Montrer que
P(Z = r) = k=1 P (X = ka, Y = kb) et expliciter cette somme.
2. Justifier E(Z) = E(X) E(1/Y ). Calculer E(X), E(1/Y ) et en déduire E(Z).
3. Justifier l’inégalité ln(x) < x − 1 pour x > 0 et x 6= 1. En déduire E(Z) > 1. Que dire de ce
résultat ?

32 Soient X, Y deux variables indépendantes et de même loi à valeurs > 0. Montrer que E(X/Y ) ≥ 1.

33 Soient θ ∈]0, 1[ et X une v.a.r. dont la loi est donnée par

θk
∀k ∈ N∗ , P(X = k) = −
k ln(1 − θ)
En utilisant la fonction génératrice de X, montrer que X admet une espérance et la calculer.

34 Peut-on truquer deux dés en sorte que la somme des résultats qu’ils donnent suive une loi uniforme
sur [|2, 12|] ?

35 Soient (Xn )n∈N∗ une suite de variables aléatoires, mutuellement indépendantes, de même loi à
valeurs dans N, et T une variable aléatoire à valeurs dans N indépendante des précédentes. (T, Xn )n∈N∗
est une famille de variables aléatoires mutuellement indépendantes.
On note GX la fonction génératrice commune
Pn à toutes les Xn .
Pour n ∈ N et ω ∈ Ω, on pose Sn (ω) = k=1 Xk (ω) et S0 (ω) = 0, puis S(ω) = ST (ω) (ω). On admet
que, pour tout n ∈ N, T et Sn sont indépendantes. Démontrer que

GS = G T ◦ GX

36 Soit n ∈ N∗ et (Xi )16i6n des variables aléatoires

Pn mutuellement indépendantes suivant des lois
binomiales de paramètres mi , pi . On pose Y = i=1 Xi . Démontrer que Y suit une loi binomiale si
et seulement si ∀(i, j) ∈ [[1, n]]2 , pi = pj .

37 Soient X, Y deux variables aléatoires définies sur un même espace probabilisé (Ω, A, P) et à valeurs
dans N. On suppose que la loi du couple (X, Y ) est donnée par
1
∀(i, j) ∈ N2 , P((X = i) ∩ (Y = j)) =
e2i+1 j!
1. Déterminer les lois de X et Y .
2. Prouver que 1 + X suit une loi géométrique et en déduire espérance et variance de X.
3. Déterminer espérance et variance de Y .

38 Soient X, Y des variables aléatoires telles que

i. X et Y admettent une espérance,
ii. X et X − Y sont indépendantes,
iii. Y et X − Y sont indépendantes.
Montrer que X − Y est presque constante. Indication : on montrera l’existence puis la nullité de
V(X − Y ).

39 Soient Ω un ensemble dénombrable muni d’une probabilité P, X, Y des variables aléatoires réelles
admettant une variance.
1. Montrer la sommabilité de ((X(ω 0 ) − X(ω))(Y (ω 0 ) − Y (ω))P({ω})P({ω 0 ))ω,ω0 ∈ Ω .

5
 2. Exprimer la somme en fonction des espérances de X, Y et XY .
3. Qu’en déduire lorsque pour tous ω, ω 0 ∈ Ω on a X(ω) ≤ X(ω 0 ) ⇐⇒ Y (ω) ≤ Y (ω 0 ) ?

40
1. Pour quelle(s) valeur(s) du réel α existe-t-il une variable aléatoire X à valeurs dans N∗ telle
que Z ∞
∗ dt
∀n ∈ N , P(X = n) =
1 (1 + tα )n
2. On suppose la condition précédente vérifée. Montrer que X a un moment d’ordre 2.

41 Soit X une variable aléatoire à valeurs positive telle que X 2 admet une espérance non nulle.
Montrer que
E(X)2 V(X)
P(X > 0) ≥ 2
puis P(X = 0) ≤
E(X ) E(X 2 )

42 On considère X et Y deux
 variables aléatoires
 indépendantes telles que X ∼ G(p) et Y ∼ G(p).
X(ω) Y (ω)
Pour ω ∈ Ω, on note M (ω) = .
Y (ω) X(ω)
1. Calculer P(X = Y ).
En déduire P ({ω ∈ Ω/ M (ω) inversible}).
2. On note U (ω) et V (ω) la plus petite et la plus grande valeur propre de M (ω). Calculer
Cov(U, V ). Les variables U et V sont-elles indépendantes ?

43 Un vase contient 2n boules. n sont numérotées 0 et les n autres sont numérotées de 1 à n. On tire
une poignée de n boules. Soit k ∈ [|1, n|]. Uk est la variable aléatoire qui prend la valeur 1 si la boule
numéro k est dans la poignée de boules tirées et qui vaut 0 sinon.
1. Déterminer la loi de Uk . Donner son espérance et sa variance.
2. Quelle est la covariance de (Uk , Uj ) si j ∈ [|1, n|], avec j 6= k ?

44 Soit X = (Y, Z) un vecteur aléatoire discret à valeurs dans {0, 1}2 de loi

P(Y = 1; Z = 1) = r ; P(Y = 0; Z = 1) = p − r

P(Y = 1; Z = 0) = p − r ; P(Y = 0; Z = 0) = 1 − 2p + r
où 0 < r < p et 0 < 1 − 2p + r.POn considère une P suite de variables indépendantes Xi = (Yi , Zi ) de
même loi que X. On pose U = ni=1 Yi et V = ni=1 Zi .
1. Quelles sont les lois des variables U et V .
2. Calculer la covariance de Y1 et Z1 . Pour quelle valeur de r cette covariance est-elle nulle ? Les
variables Y1 et Z1 sont-elles indépendantes ?
3. Déduire de la question précédente la covariance de U et V .

45 Soit (Xn ) une famille de variables aléatoires mutuellement indépendantes et suivant une loi de
Bernoulli de paramètre p ∈]0, 1[. Pour tout n, on pose Yn = Xn + Xn+1 . On pose aussi
n
1X
Mn = Yi
n
i=1

1. Les Yn sont-elles indépendantes ?

2. Calculer l’espérance et la variance de Mn .
3. Montrer que pour tout ε > 0, limn→+∞ P(|Mn − 2p| ≥ ε) = 0.

6
 46 Un manuscrit de 100 pages comporte 200 fautes de frappe. Celles-ci sont réparties aléatoirement
et indépendamment les unes des autres. On choisit au hasard une page et on note X la v.a.r. égale au
nombre de fautes de frappe sur cette page.
1. Déterminer la loi de X. Quelle autre loi peut-on utiliser pour approcher X ?
2. Calculer la probabilité approchée que la page ne comporte aucune faute de frappe.

47 Soit X une variable aléatoire admettant une variance σ 2 avec σ > 0. Montrer que
1
∀α > 0, P(|X − E(X)| < ασ) ≥ 1 −
α2
48 Soient n ∈ N∗ , X1 , . . . , Xn des variables aléatoires indépendantes, identiquement distribuées, telles
que P(Xi = 1) = P(Xi = −1) = 1/2 pour tout i. On note Sn = X1 + · · · + Xn .
2
1. Soit t ∈ R+ . Montrer que E(etSn ) = chn (t) et en déduire que E(etSn ) ≤ ent /2 .
 2 
2. Soit ε > 0. Montrer que, pour tout t ∈ R+ , P Snn ≥ ε ≤ exp nt2 − ntε . En déduire que

 
Sn 2 n/2
P ≥ε ≤ e−ε
n