P. Sup.

B/L Janvier 

Exercice 1
2 −1
Soit X une VAR continue suivant une loi uniforme sur [1, 2]. Déterminer la loi de la VAR Y = eX .
Exercice 2 (Loi de Cauchy de paramètre 1)
1
Soit f : R −→ R la fonction définie sur R par : f (x) = .
π(1 + x2 )
a) Montrer que f est une densité de probabilité sur R.
b) Soit X une V.A.R. admettant pour densité f . Déterminer sa fonction de répartition puis, si elles
existent, son espérance et sa variance. Calculer P(X 2 − X < 0).
c) Déterminer la loi de la V.A.R. Y = Arc tan X.
Exercice 3
Soit X une variable aléatoire réelle de densité continue f avec f > 0 sur R. Soit F la fonction de
répartition de X.
Calculer E(F (X)) et V (F (X)) et montrer que F (X) ,→ U]0,1[ .
Exercice 4
Soit X une variable aléatoire réelle continue suivant une loi exponentielle de paramètre λ > 0.
Quelle est la probabilité pour que l’équation en t : t2 − 2Xt + 1 = 0
a. ait deux racines réelles distinctes ?
b. ait une racine double ?
Exercice 5
Une personne prend soit le métro, soit le bus pour aller à son travail. Elle prend le métro si elle attend
plus de λ minutes le bus.
Le temps d’attente du bus suit une loi exponentielle T de paramètre λ. Soit A l’événement “la personne
prend le bus”.
a) Calculer P(A).
b) Soit Sn la variable aléatoire qui prend pour valeur le nombre de tickets utilisés en n jours sachant
qu’il faut un ticket pour le métro et un ticket de plus quand l’usager prend le bus mais que le bus est
plus agréable. Quelle est la loi et l’espérance de Sn ?
Exercice 6
Toutes les V.A.R. sont définies sur le même espace probabilisé (Ω, A, P).
1. Soit X une V.A.R. à valeurs dans R+ de densité f continue sur R+ et soit F sa fonction de
répartition. On suppose qu’il existe α > 1 tel que : lim tα (1 − F (t)) = 0.
t→+∞
∫ +∞
Montrer que X admet une espérance E(X) égale à (1 − F (t)) dt.
0
2. Soit (Xk )k∈N∗ une suite de variables aléatoires indépendantes suivant la loi exponentielle de
paramètre 1. Pour tout n ∈ N∗ , on pose Un = min Xk .
1⩽k⩽n
Déterminer la loi de Un , son espérance et sa variance.
3. Soit N une variable aléatoire suivant la loi géométrique de paramètre p ∈ ]0, 1[. On suppose N
indépendante des (Xk )k∈N∗ et on définit la variable aléatoire U par :
∀ω ∈ Ω, U (ω) = min Xk (ω).
1⩽k⩽N (ω)
Déterminer la fonction de répartition de U puis son espérance à l’aide de 1.
Exercice 7
∫ 1
1. Calculer I(p, q) = tp (1 − t)q dt pour (p, q) ∈ N2 .
0
2. Un restaurateur reçoit N réservations de clients qui doivent arriver entre 20 heures et 21 heures.
On suppose que les clients arrivent de manière indépendante et que l’heure d’arrivée de chaque client
suit une loi uniforme sur [0, 1] (on prend 20 heures pour origine).
a) Soit Ct la V.A. égale au nombre de clients arrivant avant l’instant t. Calculer P(Ct = k).
b) Soit Tk la V.A. égale à l’heure d’arrivée du k-ième client. Déterminer la fonction de répartition
de Tk et en déduire la densité de Tk .
c) Calculer l’espérance de Tk .
Exercice 8
La distribution des notes obtenues à un concours suit approximativement une loi N(32, 3; 8, 52 ) (les
notes variant de 0 à 60). 30% des élèves ne sont pas admissibles et 10% sont “grands admissibles” et
ne passent pas l’oral. Entre quelles limites doit varier la note d’un candidat pour qu’il soit admissible
et puisse passer l’oral ?
Exercice 9 (Ensae-Paris Saclay 2021)
Des personnes se présentent successivement à un guichet. On note Tn la VAR qui donne l’heure
d’arrivée de la n-ième personne. 
0 si x < 0
On admet qu’une densité de Tn est fn : x 7−→ n−1 .
 x e−x si x ⩾ 0
(n − 1)!
1. a) Quelle loi obtient-on si n = 1 ?
b) Démontrer par récurrence que fn est une densité de probabilité.
2. Tn admet-elle une  espérance ? Si oui, la calculer.

 ∑ xk
n−1
 1 − e−x si x ⩾ 0
3. Soit Fn : x 7−→ k! . Montrer que Fn est la fonction de répartition de Tn .


k=0

0 si x < 0
4. a) Soit N le nombre de personnes passées par le guichet sur l’intervalle de temps [0, t] (t > 0).
Montrer que P(N = 0) = P(T1 > t) et P(N ⩾ n) = P(Tn ⩽ t) pour tout n ∈ N∗ .
b) Montrer que N suit une loi de Poisson P(α) et déterminer α.
Exercice 10 (Ensae-Paris Saclay 2021)
Soit X une variable aléatoire suivant la loi N(0, 1). On note Fn la fonction de répartition de la variable
aléatoire X n , n ∈ N∗ .
1. Montrer que X 2 est une variable aléatoire à densité et donner une densité de X 2 .
2. Montrer que, pour tout n ∈ N∗ , X n est une variable aléatoire à densité.
3. Montrer que, pour tout réel x, la suite (F2n (x))n∈N∗ converge et préciser sa limite qu’on note
F (x).
4. F est-elle la fonction de répartition d’une variable aléatoire à densité ou discrète ?
Exercice 11
Soient X et Y deux variables aléatoires indépendantes suivant la loi normale centrée réduite.
On note ϕ et Φ respectivement une densité et la fonction de répartition de X (donc de Y ).
On définit Z = sup(X, Y ).
1. Montrer que Z est une variable aléatoire à densité. Exprimer une densité g de Z en fonction de
ϕ et Φ.
2. Montrer que Z admet une espérance et la calculer.
3. Montrer que X 2 et Z 2 suivent la même loi. En déduire la variance de Z.

∼◀ Indications pour les exercices du TD n◦ 12 ▶∼

Ex. 1 : calculer la fonction de répartition puis dériver pour avoir une densité.
Ex. 2 : a) ok ; b) ok ; c) déterminer la fonction de répartition puis dériver pour avoir une densité.
Ex. 3 : ne pas oublier que F ′ = f et que F est bijective.
Ex. 4 : calculer le discriminant puis calculer les probabilités demandées.
Ex. 5 : a) A = (T ⩽ λ) d’où... ; b) Sn = n + Xn où Xn est le nombre de fois où la personne a pris le bus.
Ex. 6 : 1. I.P.P. ; 2. calculer P(Un > x) et reconnaı̂tre une loi classique ; 3. calculer d’abord P(U > x) à l’aide
des probabilités totales et du système complet (N = n)n⩾1 .
Ex. 7 : 1. I.P.P. ; 2. a) loi binomiale ; b) exprimer (Tk ⩽ t) à l’aide de Ct ; c) utiliser 1.
Ex. 8 : utiliser la loi normale centrée réduite.
Ex. 9 : 1. a) cf. cours ; b) ok avec I.P.P. ; 2. utiliser 1. b) ; 3. vérifier que Fn′ = fn ; 4. a) ok ; b)
(N = n) = (N ⩾ n) ∖ (N ⩾ n + 1)...
Ex. 10 : 1. calculer la fonction de répartition puis dériver ; 2. idem 3. distinguer x < 0, x = 0 et x > 0 ; 4.
calculer lim F .
+∞
Ex. 11 : 1. montrer que la fonction de répartition de Z est Φ2 ; 2. calculer E(Z) à l’aide d’une I.P.P. ; 3. vérifier
que les fonctions de répartition de Z 2 et X 2 sont égales et conclure en utilisant les moments de X.