Licence 2 SPI 2020–2021

Feuille d’exercices 10
Couples de variables aléatoires

Exercice 1
Soit (X, Y ) deux variables aléatoires discrètes telles que X est à valeurs dans {1, 2, 3, 4} et Y
est à valeurs dans {1, 2}. On définit la loi du couple (X, Y ) par
 
1 ij
P(X = i, Y = j) = 1− .
7 30

1. Vérifier qu’on a bien une loi de probabilité.

2. Déterminer les lois marginales.

Solution 1

1. Pour tout couple (i, j), P(X = i, Y = j) est bien à valeurs dans [0, 1]. Reste à savoir si
l’événement total est bien de probablité 1. On vérifie :
4 X
2 4   4
!
X X 1 i 2i 1 X i
P(X = i, Y = j) = 2− − = 2− = 1.
i=1 j=1 i=1
7 30 30 7 i=1
10

2. On calcule pour k ∈ {1, 2, 3, 4} :

     
1 k 1 2k 1 k
P(X = k) = P(X = k, Y = 1 ou 2) = 1− + 1− = 2−
7 30 7 30 7 10

De même pour Y :
4   4
X 1 il 4 l X 4 l
P(Y = l) = 1− = − i= −
i=1
7 30 7 30 i=1 7 3

Exercice 2
On dispose de deux dés : l’un a 2 faces blanches et 4 faces rouges, l’autre a 3 faces blanches,
1 face rouge et 2 faces vertes. On lance les deux dés et on s’intéresse aux couleurs blanche et
verte. Soit X le nombre aléatoire de faces blanches apparues sur les deux dés, et Y le nombre
aléatoire de faces vertes.
1. Déterminer la loi du couple (X, Y ) et ses lois marginales.
2. X et Y sont-elles indépendantes ?
Solution 2

1. On va utiliser la notation suivante pour la suite : sachant que B = blanc, R = rouge,

V = vert, on écrira par exemple ”BR” pour ”le premier dé est Blanc, le second dé est
Rouge”. Il reste a énumérer les possibilités :

4 1 4
P(X = 0, Y = 0) = P(RR) = · =
6 6 36
2 12 14
P(X = 1, Y = 0) = P(BR ou RB) = + =
36 36 36
2 3 1
P(X = 2, Y = 0) = P(BB) = · =
6 6 6
4 2 8
P(X = 0, Y = 1) = P(RV ) = · =
6 6 36
2 2 4
P(X = 1, Y = 1) = P(BV ) = · =
6 6 36
P(X = 2, Y = 1) = 0
2. On voit que P(X = 2, Y = 1) = 0, alors que le produit P(X = 2) · P(Y = 1) n’est pas
nul, les variables ne sont donc pas indépendantes.

Exercice 3
La loi d’un couple de variables aléatoires discrètes (X, Y ) est donnée par le tableau suivant :

X\Y −1 1
0 1/4 p + 1/8
1 1/2 −p + 1/8

1. Quelles conditions doit vérifier p ?

2. Calculer, en fonction de p, la loi marginale de X ainsi que E[X] et Var(X).
3. Calculer la loi marginale de Y ainsi que E[Y ] et Var(Y ).
4. On pose S = X + Y . Déterminer, en fonction de p, la loi de S.
5. Déterminer, en fonction de p, la covariance de (X, Y ).
6. Pour quelle(s) valeur(s) de p, le couple (X, Y ) est-il de corrélation nulle ?
7. Existe-t-il une ou plusieurs valeurs de p qui rendent X et Y indépendantes ?

Solution 3

1. On voit que le fait que l’événement total soit de probabilité 1 est vrai pour tout réel
p. Les seules réelles restrictions sont donc que chacune des valeurs des cases du tableau
doit appartenir à l’intervalle [0, 1]. On a donc :
1 1
0≤p+ ≤ 1 et 0 ≤ −p + ≤ 1
8 8
ce qui donne − 18 ≤ p ≤ 18 .
2. On a
5
E(X) = P(X = 1) = −p + .
8
2
On observe aussi que E(X ) = E(X), on a donc
5 5 p 15
V ar(X) = −p + − (−p + )2 = −p2 + + .
8 8 4 64
3 1
3. Même chose, sachant que P(Y = −1) = 4
et P(Y = 1) = 4
:

3 1 1
E(Y ) = − + = − .
4 4 2
3 1
et E(Y 2 ) = 4
+ 4
= 1. On a donc V ar(Y ) = 1 − 4 = 34 .
1

4. La variable S est à valeurs dans {−1, 0, 1, 2} et on a

1
P(S = −1) = P(X = 0 et Y = −1) =
4
1
P(S = 0) = P(X = 1 et Y = −1) =
2
1
P(S = 1) = P(X = 0 et Y = 1) = p +
8
1
P(S = 2) = P(X = 1 et Y = 1) = −p +
8
5. On rappelle que Cov(XY ) = E(XY ) − E(X)E(Y ). La variable XY est à valeurs dans
{−1, 0, 1} et on a

1
P(XY = −1) = P(X = 1 et Y = −1) =
2
3
P(XY = 0) = P(X = 0) = p +
8
1
P(XY = 1) = P(X = 1 et Y = 1) = −p +
8
On a donc
1 1 3
E(XY ) = − + (−p + ) = −p −
2 8 8
et
3 5 −1 3 1
Cov(X, Y ) = (−p − ) − ( − p) · =− p− .
8 8 2 2 16
1
6. La convariance et donc nulle si et seulement si p = − 24 .
7. Si les variables sont indépendantes, alors Cov(X, Y ) = 0 d’après le cours, donc si cela
1
est possible, cela ne peut l’être que pour p = − 24 .
On vérifie à la main les conditions nécessaires pour que X et Y soient indépendantes.
Si l’on a P(X = 0) · P(Y = −1) = (p + 83 ) 34 = P(X = 0, Y = −1) cela veut dire que l’on
a
3 3 1
(p + ) = ,
8 4 4
1
autrement dit, p = − 24 , ok. On vérifie de même que c’est le cas pour toutes les valeurs
possibles de X et Y , on a donc bien que ces variables sont indépendantes, si et seulement
1
si p = − 24 .
Exercice 4
Soient X et Y deux variables aléatoires discrètes indépendantes de loi de Poisson de paramètres
2 et 3. On pose S = X + Y .
1. Calculer P(S = 0), puis P(S = 1) et P(S = 2).
2. Calculer P(S = k) pour tout entier naturel k.
3. Cas général : X et Y sont deux variables aléatoires discrètes indépendantes de loi de
Poisson de paramètres µ > 0 et λ > 0. On pose S = X + Y . Quelle est la loi de S ?

Solution 4

1. Les variables suivant une loi de Poisson sont à valeurs dans N, on a donc

P(S = 0) = P(X = 0 et Y = 0) = e−2 · e−3 = e−5 .

De même

P(S = 1) = P(X = 0 et Y = 1) + P(X = 1 et Y = 0) = e−2 · 3e−3 + 2e−2 · e−3

et on a donc P(S = 1) = 5e−5 . Enfin,

25 −5
P(S = 2) = P(X = 0 et Y = 2) + P(X = 1 et Y = 1) + P(X = 2 et Y = 0) = e
2
2. On calcule, en n’oubliant pas que X et Y sont indépendantes :
X X 2i −3 3j X 2i 3j
P(S = k) = P(X = i, Y = j) = e−2 e = e−5 .
i+j=k i+j=k
i! j! i+j=k
i!j!
i 3j
Le développement des puissances avec les coefficients multinomiaux assure que i+j=k 2i!j!
P
=
k
(2 + 3) , on a donc
5k
P(S = k) = e−5
k!
3. En faisant exactement le même calcul que la question précédente, en remplacant, 2 et 3
par µ et λ respectivement, on obtient

(λ + µ)k −(λ+µ)
P(S = k) = e ,
k!
autrement dit S suit une loi de Poisson de paramètre λ + µ.
Exercice 5
On considère d’une part X une variable aléatoire de loi de Bernoulli de paramètre 2/3 et d’autre
part Y une variable aléatoire de loi de Bernoulli de paramètre 3/4. On suppose de plus que X
et Y sont des variables indépendantes.
1. Montrer que P(X = 0, Y = 0) = 1/12.
2. En procédant de même, donner la loi de probabilité du couple (X, Y ). On représentera
cette loi dans un tableau.
3. Calculer E[X], E[Y ], Var(Y ), Var(X).
4. Que vaut Cov(X, Y ) ?
5. Soit S = X + Y . Déterminer la loi de S. A partir de cette loi, calculer E[S], Var(S).
6. Retrouver la valeur de E[S] et Var(S) en utilisant uniquement les résultats des questions
3 et 4 (donc sans utiliser la loi de S).
7. Soit T = XY . Déterminer la loi de T . A partir de cette loi, calculer E[T ].
8. Retrouver la valeur de E[T ] en utilisant uniquement les résultats des questions 3 et 4.
9. Calculer Cov(T, X).

Solution 5

1. Les variables sont indépendantes, on a donc

1 1 1
P(X = 0, Y = 0) = P(X = 0) · P(Y = 0) = · = .
3 4 12
2. Pour toutes les valeurs possibles de X et Y , on calculer P(X = i, Y = j) comme la
question précédente. On obtient alors le tableau suivant.
Y \X 0 1
1 2
0 12 12
3 1
1 12 2
3. Les variables X et Y sont à valeurs dans {0, 1}, donc leur espérances respectives sont
égales à la probabilité qu’elles vaillent 1 : E(X) = 23 et E(Y ) 43 . On observe immédiatement
que E(X 2 ) = 23 et E(Y 2 ) = 43 . Ainsi,
2 4 2 3 9 3
V ar(X) = − = et V ar(Y ) = − = .
3 9 9 4 16 16
4. Les variables sont indépendantes, donc de covariance nulle d’après le cours.
5. On voit que S est à valeurs dans {0, 1, 2}. De plus le calcul est immédiat :
1
P(S = 0) = P(X = 0 et Y = 0) =
12
5
P(S = 1) = P(X = 1 ou Y = 1) − P(X = Y = 1) =
12
1
P(S = 2) = P(X = 1 et Y = 1) = .
2
5 2 17 5 4 29
On en déduit que E(S) = 12 + 2 = 12 et de la même manière que E(S 2 ) = 12
+ 2
= 12
.
Ainsi,  2
29 17 59
V ar(S) = − = .
12 12 144
6. L’espérance est linéaire en les variables, on a donc d’après le cours
2 3 17
E(S) = E(X) + E(Y ) = + =
3 4 12
et de même d’après le cours V ar(X + Y ) = V ar(X) + V ar(Y ) − 2Cov(X, Y ), donc
2 3 59
V ar(S) = V ar(X) + V ar(Y ) = + = .
9 16 144

7. La variable T est à valeurs dans {0, 1} et on ne peut avoir T = 1 que si à la fois Xet Y
valent 1. Donc
2 3 1 1
P(T = 1) = · = et P(T = 0) = .
3 4 2 2
On a donc E(T ) = P(T = 1) = 12 .
8. On a 0 = Cov(X, Y ) = E(XY ) − E(X)E(Y ), donc
2 3 1
E(T ) = E(X)E(Y ) = · = .
3 4 2
9. On calcule bêtement la covariance en exhibant la loi suivie par la variable T X, qui est
à valeurs dans {0, 1}. On a T X = 1 si et seulement si T et X valent tous les deux 1, on
a donc
2 1 1
P(T X = 1) = · =
3 2 3
2
et P(T X = 0) = 3 .
On a donc
1 1 2
Cov(T, X) = E(T X) − E(T )E(X) = − · = 0.
3 2 3
(on peut remarquer que les variables T et X ne sont pourtant pas indépendantes)