ECG2 - Maths approfondies Lycée Louis Pergaud

TD25
Révisions de probabilité

Variables discrètes
Exercice 25.1 (F)
Aux championnats du monde 2015 d’athlétisme, trois français figurent parmi les huit finalistes du
110m haies. D’après les commentateurs de la télévision française, « cette finale va être très serrée,
tous les finalistes sont du même niveau et ont les mêmes chances ».
Quelle est la probabilité qu’au moins un français figure sur le podium ?

Exercice 25.2 (F)

On dispose de deux dés A et B. Le dé A comporte quatre faces rouges et deux faces jaunes. Le dé B
comporte deux faces rouges et quatre faces jaunes. On lance une pièce de monnaie qui tombe sur pile
1
avec la probabilité . Alors :
3
• si la pièce tombe sur « pile », on ne joue ensuite qu’avec le dé A,

• sinon, on ne joue ensuite qu’avec le dé B.

1. Déterminer la probabilité d’obtenir « rouge » au premier lancer du dé.

2. On a obtenu « rouge » aux deux premiers lancers du dé. Quelle est la probabilité d’obtenir
« rouge » au troisième ?

3. On a obtenu « rouge » aux n premiers lancers du dé. Quelle est la probabilité pn que la pièce
soit tombée sur « pile » ?

Exercice 25.3 (F)

Un candidat passe chaque année 3 concours indépendants, et la probabilité de réussite à chacun de
ces concours vaut 13 . Soit X le nombre d’années nécessaires à la réussite d’au moins un concours.
Déterminer la loi de X, son espérance et sa variance.

Exercice 25.4 (F)

1
1. Soit X une variable aléatoire suivant la loi géométrique G (p), et soit Y = . Y admet-t-elle
X
une espérance ?
1
2. Soit X ,→ P(λ) et Y = . Montrer que E(Y ) existe et la calculer.
X +1

Exercice 25.5 (FF)

Une urne contient au départ une boule verte et une boule rouge. On effectue des tirages successifs
dans cette urne selon la procédure suivante : on tire une boule, si elle est rouge, on arrête les tirages,
si elle est verte, on la remet dans l’urne en ajoutant une boule rouge. On note X le nombre de tirages
effectués.

1. Déterminer la loi de X.
1
2. Montrer que admet une espérance et la calculer.
X

1
ECG2 - Maths approfondies Lycée Louis Pergaud

3. Montrer que X admet une espérance et la déterminer.

Exercice 25.6 (F)

On lance une pièce qui tombe sur pile avec probabilité p, et on note N le rang d’apparition du premier
pile. On place alors des boules numérotées de 0 à N dans une urne, et on effectue des tirages avec
remise d’une boule au hasard jusqu’à obtenir la boule 0. On note X le nombre de tirages nécessaires.

1. (a) Quelle est la loi de N ?

(b) Soit n ∈ N∗ . Déterminer la loi de X conditionnellement à l’évènement [N = n]. En déduire
que E(X|[N = n]) existe et la déterminer.
(c) Montrer que X admet une espérance et la calculer.
(d) i. Écrire une fonction Python d’en-tête def simulation(p) renvoyant une réalisation de
la variable X.
ii. Écrire un script Python utilisant la fonction simulation et permettant d’obtenir une
estimation de E(X).

2. (F) Mêmes questions, si les tirages dans l’urne ont lieu sans remise.

Exercice 25.7 (FF)

Soit X une variable aléatoire suivant une loi binomiale B(n, p). La valeur de cette variable est affichée
sur un compteur détraqué :

• lorsque X est non nul, le compteur affiche X ;

• lorsque X = 0, le compteur affiche un nombre aléatoire compris entre 1 et n, tiré suivant une loi
uniforme U (J1, nK).

On note Y la variable aléatoire égale au numéro affiché par le compteur.

1. Montrer que Y admet une espérance et calculer cette espérance.

2. (a) Écrire une fonction Python d’en-tête def simulation(n,p) renvoyant une réalisation de
la variable Y .
(b) Écrire un script Python utilisant la fonction simulation et renvoyant une estimation de
E(Y ).

Exercice 25.8 (FFF)

Soit n ∈ N∗ . On dispose de deux urnes. L’urne 1 contient n boules rouges, l’urne 2 contient n boules
blanches. On tire une boule de l’urne 1 que l’on place dans l’urne 2, puis on tire une boule de l’urne
2 que l’on place dans l’urne 1. On répète ainsi indéfiniment ces tirages.
On pose X0 = n et, pour tout k ≥ 1, on note Xk le nombre de boules rouges dans l’urne 1 après avoir
remis pour la k-ième fois une boule dans l’urne 1.

1. Soit i ∈ J0, nK.

2i(n − i) + n
(a) Montrer que P[Xk =i] (Xk+1 = i) = .
n(n + 1)
i2
(b) Montrer que P[Xk =i] (Xk+1 = i − 1) = .
n(n + 1)
(n − i)2
(c) Montrer que P[Xk =i] (Xk+1 = i + 1) = .
n(n + 1)

2
ECG2 - Maths approfondies Lycée Louis Pergaud

i(n − 1) + n
2. En déduire que E(Xk+1 |[Xk = i]) = pour tout i ∈ J0, nK.
n+1
3. Exprimer E(Xk+1 ) en fonction de E(Xk ). En déduire une expression de E(Xk ) en fonction de
k.

Exercice 25.9 (FFF - QSP ESCP 2016)

On utilise une pièce de monnaie qui donne pile avec la probabilité p ∈ ]0, 1[.
On commence par lancer la pièce jusqu’à obtenir une première fois pile, et on note N le nombre de
lancers nécessaires. Si le premier pile a été obtenu au n-ème lancer, on lance ensuite cette même pièce
n2 fois et on note X le nombre de pile obtenus au cours de ces n2 lancers.

1. Quelle est la loi suivie par N ? Donner l’espérance et la variance de N .

2. Soit n ∈ N∗ . Déterminer la loi conditionnelle de X sachant l’événement [N = n].

3. En déduire l’existence et la valeur de l’espérance de X.

Couples de variables discrètes

Exercice 25.10 (FF)
Une urne contient des boules rouges et des boules noires, la proportion de boules rouges étant notée
p (0 < p < 1).
On effectue une infinité de tirages avec remise dans cette urne, et on note N (resp. R) le rang du
tirage où, pour la première fois, on a obtenu une boule noire (resp. rouge).

1. Donner la loi de N et la loi de R. Les variables R et N sont-elles indépendantes ?

2. Déterminer la loi conjointe du couple (N, R).

3. Calculer la covariance de N et R, puis le coefficient de corrélation linéaire.

Exercice 25.11 (FF)

Soit n ≥ 3 et soit p ∈]0, 1[. On lance n fois une pièce qui tombe sur pile avec probabilité p. Pour tout
i ∈ J2, nK, on note Xi la variable aléatoire qui vaut 1 si le (i − 1)-ème lancer donne pile et le i-ème
donne face, et 0 sinon.

1. Déterminer la loi des Xi , leur espérance et leur variance.

2. Soient i et j deux entiers tels que 2 ≤ i < j ≤ n. Les variables aléatoires Xi et Xj sont-elles
indépendantes ? Déterminer Cov(Xi , Xj ).
n
3. On pose à présent Y = Xi . Que représente Y ? Déterminer son espérance.
X

i=2

4. En utilisant la bilinéarité de la covariance, déterminer la variance de Y .

Exercice 25.12 (FF)

Soit N ≥ 2. Soient X et Y deux variables aléatoires indépendantes suivant la même loi uniforme sur
J1, N K. On pose U = max(X, Y ) et V = min(X, Y ).

1. Déterminer la loi de U , puis celle de V . U et V sont-elles indépendantes ?

3
ECG2 - Maths approfondies Lycée Louis Pergaud

2. Justifier que U et V admettent une espérance et une variance, et les calculer.

3. Déterminer la variance de U + V , et en déduire Cov(U, V ).

4. (F) Donner la loi de X + Y , puis celle de U + V .

Exercice 25.13 (FF)

Soient X1 et X2 deux variables aléatoires indépendantes définies sur un même espace probabilisé
(Ω, A , P ) suivant la même loi géométrique de paramètre p. On pose q = 1 − p, U = X1 + X2 ,
T = X1 − X2 .

1. Déterminer la loi de U .

2. (F) Déterminer la loi de T .

3. Calculer Cov(U, T ). Les variables U et T sont-elles indépendantes ?

Exercice 25.14 (FFF - Oral ESCP 2016)

Toutes les variables aléatoires considérées dans cet exercice sont définies sur un espace probabilisé
(Ω, A , P ).
Soient λ et p deux réels tels que λ > 0 et 0 < p < 1.
On considère le couple de variables aléatoires (X, Y ) à valeurs dans N2 , de loi définie par :

 e λ p (1 − p)
 −λ n k n−k
si 0 ≤ k ≤ n

∀(k, n) ∈ N2 , P (X = n, Y = k) = k!(n − k)!
0

sinon.

1. Vérifier que la relation ci-dessus définit bien une loi de probabilité sur N2 .

2. Déterminer la loi marginale de la variable aléatoire X, puis celle de la variable aléatoire Y . Les
variables aléatoires X et Y sont-elles indépendantes ?

3. Déterminer la loi conditionnelle de la variable aléatoire Y , sachant que [X = n] est réalisé.

4. Soit Z la variable aléatoire définie par Z = X − Y . Déterminer la loi de la variable aléatoire Z.

5. Les variables aléatoires Y et Z sont-elles indépendantes ?

Exercice 25.15 (FFF - Oral ESCP 2017)

Soit n un entier naturel supérieur ou égal à 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 distribuée de façon équiprobable entre J1 et J2 ;

• la troisième carte C3 est distribuée 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
J1 , J2 , . . . , Jn .

On suppose l’expérience modélisée par un espace probabilisé fini (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).

4
ECG2 - Maths approfondies Lycée Louis Pergaud

2. Pour tout i de [[1, n]], on note Bi la variable aléatoire qui vaut 1 si Ji n’a reçu aucune carte et 0
sinon. Déterminer la loi de Bi .

3. Exprimer la variable aléatoire Xn en fonction des variables aléatoires Bi , et en déduire l’espérance

de Xn .

4. Donner la loi de X4 .

5. Montrer que pour tout i et j dans [[1, n]] tels que i < j :

(i − 1)(j − 2)
P ([Bi = 1] ∩ [Bj = 1]) = .
n(n − 1)

En déduire la covariance Cov(Bi , Bj ) des variables aléatoires Bi et Bj .

n+1
6. Montrer que V (Xn ) = .
12

Variables à densité
Exercice 25.16 (F)
1
Soit X une variable aléatoire suivant la loi uniforme sur ]0, 1[, et soit Y = .
X
Montrer que Y est une variable à densité et en déterminer une densité.

Exercice 25.17 (FF)

Soit X une variable aléatoire qui suit la loi exponentielle de paramètre 1. On pose
Y = ln(eX − 1).

1. Déterminer la fonction de répartition de Y .

2. Montrer que Y est une variable à densité, et en déterminer une densité fY .

3. Montrer que fY est paire.

4. Montrer que E(Y ) existe et vaut 0.

5. (a) Écrire une fonction Python d’en-tête def simulation(n) prenant en entrée un entier na-
turel n non nul, et renvoyant n réalisations de la variable Y .
(b) À l’aide de la fonction simulation, écrire une commande renvoyant une estimation de
E(Y ).

Exercice 25.18 (FF - )

Soit X une variable aléatoire admettant une densité f nulle sur ] − ∞, 0[ et continue sur [0, +∞[. On
note S la fonction définie par S(t) = P (X > t).

1. À l’aide d’une intégration par parties, montrer que pour tout A > 0 :
Z A Z A
S(t)dt = AS(A) + tf (t)dt.
0 0

Z +∞
2. Montrer que si X admet une espérance, alors : ∀A > 0, AS(A) ≤ tf (t)dt.
A
Z +∞
En déduire que l’intégrale S(t)dt est convergente et qu’elle est égale à E(X).
0

5
ECG2 - Maths approfondies Lycée Louis Pergaud

Z +∞
3. Inversement, montrer que si S(t)dt est convergente, alors X admet une espérance et que
0
Z +∞
E(X) = S(t)dt.
0

Exercice 25.19 (FFF - QSP HEC 2009)

Soit U une variable aléatoire définie sur un espace probabilisé (Ω, A , P ), de loi uniforme sur ]0, 1], et
soit q ∈]0, 1].

ln U
 
1. Déterminer la loi de la variable aléatoire X = 1 + , où bxc désigne la partie entière de x.
ln q

2. À l’aide de la fonction rd.random(), écrire une fonction d’en-tête def simulation(p) prenant
en paramètre d’entrée un réel p ∈]0, 1[ et renvoyant une réalisation d’une variable Y ,→ G (p).

Exercice 25.20 (FFFF - QSP HEC 2018)

Toutes les variables aléatoires de l’exercice sont supposées définies sur le même espace probabilisé
(Ω, A , P ). Dans cet exercice, X est une variable qui suit la loi exponentielle de paramètre λ > 0.

1. Soit N la variable aléatoire prenant pour valeur le plus petit entier n tel que [X ≤ n] est réalisé,
c’est-à-dire que : ∀ω ∈ Ω, N (ω) = min{n ∈ N, X(ω) ≤ n}. Déterminer la loi de N .

2. Soit M la variable aléatoire prenant pour valeur le plus grand entier n tel que [X ≥ n] est réalisé.
Montrer que N et M + 1 sont de même loi.

3. Donner une simulation en Python de la variable aléatoire M pour une valeur de λ entrée par
l’utilisateur.

Couples de variables à densité

Exercice 25.21 (FF)
1. On dit que Z suit la loi exponentielle bilatérale si une densité de Z est la fonction f définie par :

1
∀x ∈ R, f (x) = e−|x| .
2
(a) Vérifier que f est bien une densité de probabilité.
(b) Déterminer la fonction de répartition de Z.
(c) (F) Soit Z1 et Z2 deux variables aléatoires indépendantes, suivant la loi exponentielle
bilatérale, déterminer une densité de V = Z1 + Z2 .

2. Dans cette question X et Y sont deux variables aléatoires indépendantes suivant toutes deux la
loi E (1). On pose W = X − Y .

(a) Déterminer une densité de −Y .

(b) Déterminer une densité de W et vérifier que W suit une loi exponentielle bilatérale.
(c) Déterminer l’espérance de W .
(d) Écrire une fonction Python simulant n réalisations d’une loi exponentielle bilatère.
Vérifier numériquement la valeur de l’espérance obtenue à la question précédente.

6
ECG2 - Maths approfondies Lycée Louis Pergaud

(e) On pose T = |W |. Déterminer la fonction de répartition de T et vérifier que T suit une loi
exponentielle dont on donnera le paramètre.

Exercice 25.22 (FFF)  a si t ≥ 1



Pour tout a > 0, on définit la fonction fa sur R par fa (t) = ta+1 .

0 sinon.

1. Montrer que fa est une densité de probabilité.

2. Soient a, b deux réels distincts strictement positifs, et soient X et Y deux variables aléatoires
indépendantes de densités respectives fa et fb .

(a) Déterminer les lois de ln(X) et ln(Y ).

(b) Déterminer une densité de ln(X) + ln(Y ).
(c) Soit Z = XY . Montrer que Z est une variable à densité, et en donner une densité.

Exercice 25.23 (FFFF - Oral HEC 2015)

1. Soient a, b, α trois réels strictement positifs vérifiant 0 < α < a2 ≤ b2 .
Z α
a b
 
(a) Établir la convergence de l’intégrale √ −1 √ −1 dt. Cette intégrale est
0 t α−t
notée Ia,b (α).
(b) Calculer Ia,b (α) à l’aide du changement de variable t = α cos2 (u).
Dans le plan rapporté à un repère orthonormé, on place deux points M et N tels que leurs abscisses
respectives XM et XN suivent la loi uniforme sur ]0, a[ et leurs ordonnées YM et YN suivent la loi
uniforme sur ]0, b[. On suppose que les quatre variables aléatoires XM , XN , YM et YN sont définies
sur un espace probabilisé (Ω, A , P ) et sont indépendantes.
On note D la variable aléatoire égale à la longueur du segment [M, N ] : D2 = (XM −XN )2 +(YM −YN )2 .

2. (a) Quelle est la loi suivie par −XM ?

(b) On pose Za = (XN − XM ) et Zb = YN − YM . Déterminer les lois de probabilité de Za et
Zb respectivement.
 1 √a − 1
  
si 0 < x < a2

(c) Montrer qu’une densité fZa2 de Za2 est donnée par fZa2 (x) = a2 x .
0

sinon
(d) Soit θ < a. Calculer P (D ≤ θ).

Vecteurs aléatoires
Exercice 25.24 (F)
Soient X1 , . . . , Xn n variables indépendantes sur (Ω, A , P ) suivant la même loi géométrique de paramètre
p ∈]0, 1[. On note Z = min(X1 , . . . , Xn ).
Déterminer la loi de Z ainsi que son espérance si elle existe.

Exercice 25.25 (FF - Loi de Weibull)


0 si x < 0
Soient a et b deux réels strictement positifs. Soit la fonction F : x 7→ .
1 − e − ( b )
x a
si x ≥ 0

7
ECG2 - Maths approfondies Lycée Louis Pergaud

1. Montrer que F est la fonction de répartition d’une variable aléatoire à densité X, et donner une
densité f de X.
On dit alors que X suit la loi de Weibull de paramètres a et b, et on note X ,→ W (a, b).

2. Si a = 1, quelle est la loi de X ?

3. Déterminer la loi de X a .
k
 
4. Soit k ∈ N∗ . Montrer que X admet un moment d’ordre k et que E(X k ) = bk Γ 1 + .
a
 a
x
On pourra utiliser le changement de variable t = .
b
En déduire l’espérance et la variance de X.

5. Soient X1 , . . . , Xn des variables aléatoires i.i.d. suivant la loi W (a, b), et soit Yn = min(X1 , . . . , Xn ).
Montrer que Yn suit encore une loi de Weibull dont un précisera les paramètres.

Exercice 25.26 (FFF)

Soient N ≥ 2 et n ∈ N∗ . Un sac contient N boules numérotées de 1 à N . On effectue n tirages avec
remise d’une boule, et on note Zn le plus grand des numéros obtenus.

1. Déterminer la loi de Zn .
N −1  n
k
2. Montrer que E(Zn ) = N − .
X

k=1
N

nN
3. Montrer que E(Zn ) ∼ .
N →+∞ n+1

Exercice 25.27 (FFF - Oral ESCP 2018)

Toutes les variables aléatoires de cet exercice sont définies sur un espace probabilisé (Ω, A , P ).
Soit (Ui )i∈N une suite de variables aléatoires mutuellement indépendantes suivant chacune une loi de
Bernoulli de paramètre p ∈ ]0, 1[.
Soit N une variable aléatoire à valeurs dans N indépendante des Ui et X et Y les variables aléatoires
définies par:
N (ω)
∀ ω ∈ Ω, X(ω) = Ui (ω) et Y =N −X
X

i=1

k+` k
!
1. Vérifier que pour tout (k, `) ∈ N2 , P ([X = k] ∩ [Y = `]) = p (1 − p)` P (N = k + `).
k

2. On suppose que N suit la loi de Poisson de paramètre λ > 0. Montrer que les variables aléatoires
X et Y sont indépendantes.

3. On suppose que X et Y sont indépendantes et que N prend ses valeurs dans N.

On suppose également que pour tout k ∈ N, P (X = k) 6= 0 et que pour tout ` ∈ N, P (Y = `) 6= 0.

(a) Vérifier que pour tout (k, `) ∈ N2 , on a:

(k + 1)P (X = k + 1)P (Y = `)(1 − p) = (` + 1)P (X = k)P (Y = ` + 1)p

(b) En déduire la loi suivie par X puis celle suivie par Y .

(c) Justifier que N suit une loi de Poisson. Préciser son paramètre.

8
ECG2 - Maths approfondies Lycée Louis Pergaud

Exercice 25.28 (FFF - QSP HEC)

Soient X1 , . . . , Xn des variables aléatoires indépendantes suivant toutes la loi uniforme sur [0, 1].

1. Déterminer une densité de − max(X1 , . . . , Xk ) pour tout k ∈ J1, nK.

2. En déduire P ([Xn ≥ X1 ] ∩ [Xn ≥ X2 ] ∩ · · · ∩ [Xn ≥ Xn−1 ]).

Exercice 25.29 (FFFF - Inspiré de QSP HEC 2021)

Un joueur lance simultanément N dés équilibrés. Puis, il effectue un deuxième tirage en ne relançant
que les dés qui n’ont pas donné 6. Il continue ainsi, en ne relançant à chaque tirage que les dés n’ayant
jamais donné 6.
On note, pour n ∈ N∗ , Sn le nombre de 6 obtenus lors des n premiers lancers.

1. Déterminer la loi de S1 , puis celle de S2 .

2. Quelle est la loi de Sn ? son espérance ?

+∞
!
3. Montrer que P [Sn = N ] = 1.
[

n=1

On introduit la variable aléatoire T = min{n ≥ 1, Sn = N }.

4. Calculer P (T ≤ n) pour tout n ∈ N∗ . En déduire la loi de T .

5. (a) Soit X une variable aléatoire à valeurs dans N. En étudiant la sommabilité de la famille
(P (X = k))(k,n)∈I avec I = {(k, n) ∈ N2 , k > n}, montrer que X admet une espérance si,
et seulement si, la série P (X > n) converge, et qu’alors :
X

+∞
E(X) = P (X > n).
X

n=0

(b) En déduire que T admet une espérance finie et donner une formule exprimant celle-ci.

Exercice 25.30 (FFFF) k

Soient k ≥ 2 et p1 , . . . , pk des réels strictement positifs tels que pi = 1.
X

i=1
Soit X un vecteur aléatoire de Mk,1 (R) ayant pour composantes X1 , . . . , Xk tel que :

∀i ∈ J1, kK, P (X = ei ) = pi ,

où (e1 , . . . , ek ) est la base canonique de Mk,1 (R).

1. Pour i ∈ J1, kK, montrer que Xi suit la loi de Bernoulli de paramètre pi .

2. Quelle est la loi de X1 + X2 ? En déduire Cov(X1 , X2 ).

On note E(X) la matrice colonne de Mk,1 (R) dont toutes les composantes sont les espérances E(X1 ), . . . , E(Xk ),
et V(X) la matrice carrée d’ordre k dont le coefficient à la ligne i et à la colonne j est Cov(Xi , Xj )
pour tout (i, j) ∈ J1, kK2 .

3. Expliciter les matrices E(X) et V(X).

9
ECG2 - Maths approfondies Lycée Louis Pergaud

p1 1
   
 ..   .. 
4. On pose C =  . , U =  .  et M = C × t U .
pk 1
Vérifier que Ik − M est la matrice d’un projecteur, et que V(X) et Ik − M ont le même rang.
En déduire le rang de V(X) ainsi que son noyau Ker(V(X)).

5. On munit Mk,1 (R) de son produit scalaire canonique h·, ·i, et on note F = Vect(U )⊥ . Montrer
que P ([X − E(X) ∈ F ]) = 1.
Un sous-espace vectoriel de Mk,1 (R) satisfaisant cette propriété est appelé support vectoriel de
X.

6. Montrer que si G est un support vectoriel de X, alors H = F ∩ G l’est aussi.

Montrer que H ⊥ ⊂ F ⊥ . En déduire que F ⊂ G.

Convergence des variables aléatoires

Exercice 25.31 (F)
Soit (Xn ) une suite de variables aléatoires admettant une espérance telle que lim E(|Xn |) = 0.
n→+∞
P
Montrer que Xn → 0.

Exercice 25.32 (FF)

Soit λ un réel strictement positif, et soit, pour tout entier n, Xn une variable aléatoire suivant la loi
Xn − nλ
de Poisson de paramètre nλ. Montrer que Yn = converge en probabilité vers 0 lorsque n
n
tend vers +∞.

Exercice 25.33 (FF)

Soit N ≥ 2, et soit (Xn ) une suite de variables aléatoires indépendantes suivant la loi uniforme sur
J1, N K. On pose Yn = min(X1 , . . . , Xn ).

1. Montrer que la suite (Yn ) converge en loi vers une variable que l’on précisera.

2. Montrer qu’il s’agit également d’une convergence en probabilité.

Exercice 25.34 (FF)

Soit (Un ) une suite de variables aléatoires indépendantes suivant toutes la loi uniforme sur [0, 1]. On
note Mn et Xn les variables aléatoires définies par :

Mn = max(U1 , . . . , Un ) et Xn = n(1 − Mn ).

Étudier la convergence en loi de la suite de variables aléatoires (Xn ).

Exercice 25.35 (FF - Extrait de EML 2017) 0 si t < 0



On considère la fonction f définie sur R par : ∀t ∈ R, f (t) = 2
si t > 0
π(1 + t2 )


1. Montrer que f est une densité.

10
ECG2 - Maths approfondies Lycée Louis Pergaud

2. On considère une variable aléatoire X à densité, de densité f.

(a) Déterminer la fonction de répartition FX de X.

(b) La variable X admet-elle une espérance ? une variance ?

3. On considère une suite de variables aléatoires réelles (Xn )n∈N∗ à densité, à valeurs strictement
positives, mutuellement indépendantes, dont chacune a pour densité f.
n
On définit, pour tout n ∈ N∗ , les variables aléatoires Mn = max(X1 , · · · , Xn ) et Zn = .
Mn
(a) Déterminer, pour tout n de N∗ , la fonction de répartition FMn de Mn .
1 π
 
(b) Justifier que : ∀u ∈]0; +∞[, Arctan(u) + Arctan = et que Arctan(u) ∼ u.
u 2 u→0
2
 n
x

(c) Montrer alors, pour tout n de N∗ : ∀x ∈]0; +∞[, P(Zn ≤ x) = 1 − 1 − Arctan .
π n
(d) En déduire que la suite de variables aléatoires (Zn )n∈N∗ converge en loi vers une variable
aléatoire à densité dont on reconnaîtra la loi.

Exercice 25.36 (FF - QSP ESCP 2021)

Soit (Xk )k≥1 une suite de variables aléatoires indépendantes suivant toutes la loi N (0, 1). On pose,
pour tout entier naturel n non nul :
n √
1X
Yn = kXk .
n k=1
Montrer que la suite (Yn )n≥1 converge en loi vers une variable aléatoire à densité dont on précisera
une densité.

Exercice 25.37 (FF)

Soit (Xn ) une suite de variables aléatoires indépendantes, définies sur le même espace probabilisé
n
(Ω, A , P ) suivant toutes la loi B(1/2). On pose, pour tout n ∈ N∗ , Sn = Xi .
X

i=1
Sn 1 1
 
Montrer que lim P − ≥√ existe et déterminer sa valeur.
n→+∞ n 2 n

Exercice 25.38 (FFF - QSP ESCP 2021)

1
Z +∞
Déterminer lim xn−1 e−x dx.
n→+∞ (n − 1)! n+√n

Exercice 25.39 (FFF - QSP ESCP 2009)

Soit a > 0. Pour tout entier n > a, on considère Xn une variable aléatoire suivant la loi géométrique
Xn
de paramètre na . Étudier la convergence en loi de la suite (Yn ) définie par Yn = .
n

Exercice 25.40 (FFFF - Oral HEC 2022)

Soient n ∈ N∗ , x ∈ [0, 1] et Sn une variable aléatoire suivant une loi binomiale de paramètres n et x.
On pose Xn = Snn .

1. Montrer que :
1
∀α > 0, P (|Xn − x| ≥ α) 6
4nα2

11
ECG2 - Maths approfondies Lycée Louis Pergaud

2. Soit f : [0, 1] → R une fonction continue. On introduit Yn = f (Xn ) et on pose alors Bn (f )(x) =
E (Yn ). On définit ainsi une fonction Bn (f ) : [0, 1] → R.

(a) Justifier que pour tout n ∈ N, Bn (f ) est une fonction polynomiale en x.

(b) On pose P0 : x 7→ 1, P1 : x 7→ x et P2 : x 7→ x2 .
Déterminer, pour n ∈ N∗ , Bn (P0 ) , Bn (P1 ) et Bn (P2 ).

3. Justifier qu’il existe M ∈ R tel que, pour tout x ∈ [0, 1], |f (x)| 6 M .

4. Soit maintenant ε > 0 fixé. On admet le résultat suivant :

∃α > 0, ∀(x, y) ∈ [0, 1]2 , |x − y| ≤ α =⇒ |f (x) − f (y)| ≤ ε.

(a) Avec les notations précédentes, montrer que :

k k M
     
− f (x) P Xn =
X
f ≤
k∈J0,nK
n n 2nα2
| nk −x|>α
et que :

k k
     
− f (x) P Xn =
X
f ≤ ε.
k∈J0,nK
n n
| nk −x|≤α
(b) Conclure qu’il existe un entier n0 ≥ 1 tel que, pour tout n ≥ n0 :

∀x ∈ [0, 1] |Bn (f )(x) − f (x)| ≤ 2ε.

Commenter le résultat obtenu et illustrer par un dessin.

Estimation ponctuelle et par intervalle de confiance

Exercice 25.41 (FF - Estimation du paramètre d’une loi de Gompertz)
x
Soit a > 0. On note f (x) = aex−ae .
1. Montrer que f est une densité de probabilité.

2. Soit X une variable aléatoire réelle qui admet f pour densité (X suit une loi de Gompertz de
paramètre a). Quelle est la loi de la variable aléatoire eX ?

3. On veut estimer le paramètre a d’une loi de Gompertz à l’aide d’un échantillon (X1 , X2 , . . . , Xn )
de variables aléatoires mutuellement indépendantes suivant cette loi.
On pose Yn = eX1 + eX2 + · · · + eXn .

(a) Quelle est la loi de Yn ?

n
(b) La variable Zn = est-elle un estimateur sans biais et convergent de a ?
Yn

Exercice 25.42 (FF)

Pour R > 0, on pose :
 2t

si 0 ≤ t ≤ R
fR (t) = R2

0 sinon.

12
ECG2 - Maths approfondies Lycée Louis Pergaud

1. Montrer que fR est une densité de probabilité.

2. Soit X une variable aléatoire de densité fR . Déterminer la fonction de répartition de X.

3. Montrer l’existence et calculer E(X) et V (X)

4. Soient T1 , . . . , Tn des variables aléatoires i.i.d. de densité fR où R est inconnu. On pose :

n
3 X
Xn = Ti .
2n i=1

(a) Montrer que Xn est un estimateur sans biais de R.

(b) Déterminer V (Xn ). Xn est-il convergent de R ?

5. On pose à présent Mn = max(T1 , . . . , Tn ).

(a) Montrer que Mn est une variable à densité, et en déterminer une densité.
(b) Mn est-il un estimateur sans biais de R ? Construire à partir de Mn un estimateur Mn0
sans biais de R.
(c) Calculer V (Mn0 ). Mn0 est-il convergent de R ?

6. Comparer les estimateurs Xn et Mn0 .

7. À l’aide de Xn , construire un intervalle de confiance asymptotique de R au niveau de confiance

1 − α.

Exercice 25.43 (FFF)

Soit (X1 , . . . , Xn ) un échantillon d’une loi admettant une espérance m et une variance σ 2 > 0.
n
On considère λ = (λ1 , . . . , λn ) ∈ Rn et la variable Tn = λi Xi . On cherche dans cet exercice λ tel
X

i=1
que Tn soit le meilleur estimateur de m possible. On note pour cela f (λ) = V (Tn ) + (E(Tn ) − m)2 .

1. Exprimer f (λ) en fonction des λi , m et σ 2 .

2. Dans cette question, on cherche λ réalisant le minimum de f .

(a) Montrer que f admet un unique point critique λ∗ que l’on déterminera.
(b) Notons qλ la forme quadratique associée à la hessienne de f en λ ∈ Rn . Montrer que

∀λ ∈ Rn , ∀h ∈ Rn , qλ (h) ≥ 0.

(c) En déduire le meilleur choix possible de λ pour que f soit minimal. Quel est le biais dans
ce cas ?
Indication. Utiliser la formule de Taylor avec reste intégral pour déterminer la nature du
point critique λ∗ .

3. On cherche à présent le meilleur estimateur de la forme Tn qui soit sans biais.

(a) Donner une condition nécessaire et suffisante sur λ pour que Tn soit un estimateur sans
biais de m.
(b) On suppose que Tn est sans biais. Comment choisir les coefficients λ1 , . . . , λn pour que f
soit minimal ?

13
ECG2 - Maths approfondies Lycée Louis Pergaud

Exercice 25.44 (FF)

On suppose que la probabilité qu’un individu contagieux transmette un virus à un individu sain est
p ∈]0, 1[ inconnu, et que l’on cherche à estimer.
Soit (Yn )n∈N∗ une suite de variables indépendantes et identiquement distribuées suivant la loi de
Bernoulli de paramètre p.
n
1X
On note Yn = Yi .
n i=1

5 5
" r r #
1. À l’aide de l’inégalité de Bienaymé-Tchebychev, montrer que Yn − ; Yn + est un in-
n n
tervalle de confiance de p au niveau de confiance 0.95.

2. Prenons n = 1000 et choisissons p de manière uniforme sur [0, 1] à l’aide de la commande p =

rd.random().
Écrire un programme qui calcule le niveau de confiance réel de l’intervalle de confiance obtenu
à la question précédente.

Exercice 25.45 (FFF)

Soit (Xn )n∈N∗ une suite de variables aléatoires i.i.d. suivant la loi exponentielle de paramètre λ
inconnu. Pour tout n ∈ N∗ , on pose Un = max(X1 , . . . , Xn ).

1. Déterminer la fonction de répartition de Un .

2. Montrer que (λUn − ln(n)) converge en loi vers une variable à densité X dont on précisera une
densité.

3. Soit α ∈]0, 1[.

α
(a) Déterminer deux réels a, b tels que P (X ≤ a) = P (X ≥ b) =.
2
(b) En déduire un intervalle de confiance asymptotique de λ, de niveau de confiance 1 − α,
construit à l’aide de Un

Exercice 25.46 (FFF - Oral HEC 2021)

Soit a un réel de ]0, 1[ qu’on suppose inconnu. Soit X une variable aléatoire réelle telle que :
1
• P ([X ≤ a]) = .
2
• la loi conditionnelle de X sachant [X ≤ a] est la loi uniforme sur [0, a].

• la loi conditionnelle de X sachant [X > a] est la loi uniforme sur [a, 1].

1. Montrer que la variable aléatoire X est à densité, dont une densité fX est donnée par :
1


si 0 ≤ x ≤ a
2a





∀x ∈ R, fX (x) = 1 .
si a < x ≤ 1
2(1 − a)




0 sinon



2. Montrer que X admet une espérance et une variance et les calculer en fonction de a.
1 1
3. Établir que l’on a ≤ V [X] ≤ .
12 8

14
ECG2 - Maths approfondies Lycée Louis Pergaud

4. On considère (Xi )i>1 une suite de variables aléatoires mutuellement indépendantes, toutes de
même loi que X.
n
1X
On note pour tout n ≥ 1, Xn = Xk .
n k=1

(a) Déterminer deux réels β et γ (β 6= 0) tels que Tn = βXn + γ soit un estimateur sans biais
de a.
(b) Montrer que Tn est un estimateur convergent de a.
1 1
 
(c) Soit α ∈ ]0, 1[. Montrer que Tn − √ , Tn + √ est un intervalle de confiance de a
2nα 2nα
au niveau de confiance 1 − α.
(d) On pose pour tout α ∈]0, 1[, uα = Φ−1 1 − α2 où Φ désigne la fonction de répartition de

la loi normale centrée réduite.

1 1
 
Monter que l’intervalle Tn − √ uα , Tn + √ uα est un intervalle de confiance asymp-
2n 2n
totique de a au niveau de confiance 1 − α.

15