Vous êtes sur la page 1sur 222

DpartementdeMathmatiques,InformatiqueetGomatique

AbdelhamidElMossadeq
ProfesseurlEHTP

A.ElMossadeq
Juillet2012

TABLE DES MATIRES


Chapitre 1 : Analyse Combinatoire
1. Principe des bergers
2. Applications
3. Ensemble de parties
4. Injections
5. Parties dun ensemble
6. Arrangements
7. Combinaisons
8. Permutations avec rptition
9. Combinaisons avec rptition
10. Exercices
11. Appendice : Principaux rsultats

3
4
6
6
8
9
10
11
12
14
23

Chapitre 2 : Les Espaces de Probabilit


1.
2.
3.
4.
5.

6.

7.

8.
9.

Algbres et tribus dvnements


Mesures de probabilit
Les espaces probabiliss discrets
Les alas
Probabilits conditionnelles
5.1. Probabilits composes
5.2. Formules des probabilits totales
5.3. Formules de Bayes
Indpendance
6.1. Sous tribus indpendantes
6.2. Alas indpendants
6.3. Partitions indpendantes
6.4. Evnements indpendants
Probabilits sur un espace produit
7.1. Les marges dun espace produit
7.2. Iindpendance des marges
Exercices
Appendice : Notations

27
37
45
47
49
50
51
52
54
54
54
55
55
56
57
57
59
82

Chapitre 3 : Les Variables Alatoires


1. Variables alatoires
2. Fonction de rpartition
3. Variables alatoires discrtes
4. Variables alatoires continues
5. Variables alatoires absolument continues
6. Changement de variables
7. Les moments
8. Fonction caractristique
9. Fonctions gnratrices
10. Ingalit de Bienaym-Tchebychev
11. Exercices

87
88
93
95
95
100
105
112
116
119
120

Chapitre 4 : Les Vecteurs Alatoires


1.
2.
3.
4.
5.
6.

Vecteurs alatoires
Fonction de rpartition
Les marges dun vecteur alatoire
Vecteurs alatoires discrets
Vecteurs alatoires absolument continus
Oprations sur les vecteurs alatoires

137
138
139
140
141
145

6.1. La somme de deux alas discrets


6.2. La somme de deux alas continus
6.3. Changement de variables

145
146
149

7. Les moments
8. Densits de probabilit conditionnelle
9. Esprance mathmatique conditionnelle
10. La droite de rgression
11. Convergence des variables alatoires
11.1.
11.2.
11.3.
11.4.
11.5.

Convergence
Convergence
Convergence
Convergence
Comparaison

presque partout
en probabilit
en loi
en norme dordre p
des convergences

150
154
155
156
158
158
158
158
159
159

12. Loi faibles des grands nombres


13. Thorme centrale limite
13.1. Cas de la loi binomiale
13.2. Cas de la loi de Poisson
14. Exercices

160
161
164
164
166

Chapitre 5 : Les Lois Usuelles de Probabilit


1. La loi de Bernouilli
2. La loi binomiale
3. La loi gomtrique
4. La loi binomiale ngative
5. La loi multinomiale
6. La loi hypergomtrique
7. La loi polyhypergomtrique
8. La loi de Poisson
9. La loi uniforme
8. La loi exponentielle
9. La loi normale
10. La loi du Khi-deux
11. La loi de Student
12. La loi de Fisher-Snedecor
13. Les lois de M et S
14. Exercices

191
191
192
193
194
195
195
196
196
197
198
199
201
203
204
205

Analyse Combinatoire

A. El Mossadeq

1. Principe des Bergers

Proposition 1

Soit A et B deux ensembles non vides et f une application de A dans B .


On suppose que B est ni de cardinal n et que pour tout y dans B , le cardinal
de limage rciproque de y par f , f 1 (fyg), est gal un entier non nul p.
Alors A est ni et son cardinal est gal np :

card A = np

Preuve 1

Par hypothse, le cardinal de f 1 (fyg) est non nul pour tout y dans B .
Donc f 1 (fyg) est non vide pour tout y dans B , do la surjection de f:
Daprs la dcomposition canonique de f , A=R et f (A) sont quipotents.
Or f est surjective, donc :

f (A) = B
et par consquent A=R et B ont le mme cardinal :

card A=R = card B


Pour tout x 2 A, dsignons par C (x) la classe dquivalence de x modulo R :

C (x)

=
=
=
=

fy 2 A j xRyg
fy 2 A j f (x) = f (y)g
y 2 A j y 2 f 1 (ff (x)g)
f 1 (ff (x)g)

On en dduit que C (x) a pour cardinal p pour tout x 2 A :

8x 2 A : card C (x) = p
Soit alors x1 ; :::; xn un systme de reprsentants des classes dquivalence modulo R.
Comme C (x1 ) ; :::; C (xn ) forment une partition de A :

A. El Mossadeq

Analyse Combinatoire

8
8i; j 2 f1; :::; ng : i 6= j =) C (xi ) \ C (xj) = ;
>
>
<
n
S
>
>
C (xi ) = A
:
i=1

On a alors :

card A

=
=
=

n
X

k=1
n
X

card C (xk )
p

k=1

np

Exemple 1

Le nombre dlments dun tableau n lignes et p colonnes est np.


En eet, soit lapplacation de lensemble des lments du tableau dans lensemble
f1; :::; ng, qui aux lments de la ieme ligne associe i, 1 i n: Alors :
(1) est surjective,
(2) pour tout i, 1 i n, card 1 (fyg) = p:
Donc le nombre dlments du tableau est np.

2. Applications
Proposition 2

Soit A et B deux ensembles de cardinaux n et p respectivement et soit F (A; B)


lensemble des applications de A dans B .
Alors le cardinal de F (A; B) est pn :

card F (A; B) = pn

Analyse Combinatoire

A. El Mossadeq

Preuve 2

Procdons par rcurrence sur n.


(i) n = 1
Pour dnir une application de A = fag dans B , il su t de dnir limage de

a dans B:
Il y a p possibilits, donc p applications de A dans B .

(ii) On suppose que si A1 a pour cardinal n


est pn

1, alors le cardinal de F (A1 ; B)

F (A1 ; B) = pn

Soit A un ensemble de cardinal n, a un lment arbitraire de A et posons :

A1 = A

fag

Lapplication ':

F (A; B)

F (A1 ; B)

7 !

fjA1 ; fjfag

F (fag ; B)

est bijective, do :

card F (A; B)

=
=

card F (A1 ; B)
pn

card F (fag ; B)

Exemple 2

Une socit a dcid de lancer un nouveau produit dentretien. Le nom de ce


nouveau produit doit comporter quatre lettres.
Combien de noms peut-on former avec toutes les lettres de lalphabet ?
Il y a autant de noms que dapplications dun ensemble quatre lments dans
un ensemble 26 lments, cest dire :

264 = 456 976

A. El Mossadeq

Analyse Combinatoire

3. Ensembles des Parties

Proposition 3

Soit E un ensemble ni de cardinal n et P (E) lensemble de toutes les parties


de E .
Alors le cardinal de P (E) est 2n :

card P (E) = 2n

Preuve 3

Lapplication

P (E)
A

!
7 !

F (E; f0; 1g)


A

o A est la fonction caractristique de A, est une bijection.


En eet, toute application f 2 F (E; f0; 1g) est la fonction caractristique de
la partie f 1 (f1g).
De plus, pour toute partie A et B de E on a :
A

=) A = B

Il en rsulte que :

card P (E) = card F (E; f0; 1g) = 2n

4. Injections

Proposition 4

Soit A et B deux ensembles de cardinaux respectifs p et n, p


lensemble des injections de A dans B .

n, et G (A; B)

Analyse Combinatoire

A. El Mossadeq

Alors lensemble dinjections de A dans B a pour cardinal

card G (A; B) =

n!
(n

p)!

n!
(n

p)!

Preuve 4

Procdons par rcurrence sur p.


(i) p = 1
Toute application de A dans B est injective, donc le nombre dapplications
injectives est :

n!

n=

(n 1)!
(ii) On suppose que si A1 est un ensemble p 1 lments, alors le cardinal de
G (A1 ; B) est :
n!
card G (A1 ; B) =
(n (p 1))!
Soit A un ensemble de cardinal n, a un lment arbitraire de A et considrons
lensemble :
A1 = A
Lapplication

fag

G (A; B)

7 !

G (A1 ; B)
fjA1

est surjective, de plus pour tout f 2 G (A1 ; B), le cardinal de limage rciproque de f par

est [n

card

(p
1

1)] :

(ff g) = n

(p

1)

A. El Mossadeq

Analyse Combinatoire

Daprs le principe des bergers, on a :

card G (A; B)

=
=

[n

(p 1)] card G (A1 ; B)


n!
(n p)!

Corollaire 1

Le nombre de permutations ou bijections dun ensemble A de cardinal n, not


P (A), est :

P (A) = n!

5. Parties dun Ensemble


Proposition 5

Soit B un ensemble ni de cardinal n.


Le nombre de parties de B ayant p lments, p

C (n; p) =

n, est :

n!
p! (n p)!

Preuve 5

Soit A = f1; ::; pg, soit G (A; B) lensemble des injections de A dans B , et soit
E lensemble des parties de B p lments.
Lapplication :

G (A; B)
f

!
7 !

E
f (f1; :::; pg)

est surjective. De plus, pour toute partie X 2 E , le cardinal de limage rciproque


de X par , 1 (X), est p! puisquil existe p! bijections de A sur X , et donc p!
injections de A dans B:

Analyse Combinatoire

A. El Mossadeq

Il en rsulte, daprs le principe des bergers, que :

card G (A; B) = p!C (n; p)


do :

C (n; p) =

n!
p! (n p)!

6. Arrangements

Proposition 6

Soit A un ensemble de cardinal n.


On appelle arrangement dordre p de A, toute suite ordonne de p lments
distincts choisis parmi les lments de A:
Le nombre darrangements dordre p de A, not A(n; p) est :

A(n; p) =

n!
(n

p)!

Preuve 6

Soit A lensemble des arrangements dordre p de A et soit G (A; B) lensemble


des injections de A dans B .
Lapplication :

G (A; B)
f

!
7 !

A
(f (1) ; :::; f (p))

est bijective, donc :

A(n; p)

=
=

card G (A; B)
n!
(n p)!

A. El Mossadeq

Analyse Combinatoire

Exemple 3

Combien dquipes direntes de football (onze joueurs) peut-on former avec les
36 lves dune classe en tenant compte de la place des joueurs ?
Si lon tient compte de la place des joueurs, le nombre dquipes direntes est
le nombre darrangements de onze lments parmi les 36 lves de la classe,
savoir :
36!
36!
=
A (36; 11) =
(36 11)! 25!

7. Combinaisons
Proposition 7

Soit A un ensemble n lments.


On appelle combinaison dordre p de A, toute suite non ordonne de p lments
distincts choisis parmi les lments de A.
Le nombre de combinaisons dordre p de A, not C(n; p) est :

C(n; p) =

n!
p! (n p)!

Preuve 7

Dsignons par C lensemble des combinaisons dordre p de A:


Lapplication ' :

A
(a1 ; :::; ap )

!
7 !

C
fa1 ; :::; ap g

est surjective. De plus le cardinal de limage rciproque par ' de tout lment
X de C est p! :

card '

(X) = p!

car tant donne une combinaison dordre p de A, le nombre de suite ordonne


de p lments distincts quon peut construire, partir de cette combinaison, est

10

Analyse Combinatoire

A. El Mossadeq

le nombre de permutations de p lments, savoir p!.


Il en rsulte, daprs le principe des bergers, que :

card A = p!card C
do :

C(n; p) =

n!
p! (n p)!

Exemple 4

Combien dquipes direntes de football (onze joueurs) peut-on former avec les
36 lves dune classe sans tenir compte de la place des joueurs ?
Si lon ne tient pas compte de la place des joueurs, le nombre dquipes direntes
dans ce cas est le nombre de combinaisons de onze lments parmi les 36 lves
de la classe, savoir :
36!
C (36; 11) =
11! 25!
= 600 805 296

8. Permutations avec Rptition

Proposition 8

Soit E = fa1 ; :::; an g un ensemble n lments.


On appelle permutation avec rptition dordre (p1 ; :::; pn ) de E , toute suite
ordonne des lments de E , o llment ai est rpt pi fois, 1 i n.
Le nombre de ces permutations quon note P (p1 ; :::; pn ), est :

P (p1 ; :::; pn ) =

p!
p1 !:::pn !

o :

p = p1 + ::: + pn

11

A. El Mossadeq

Analyse Combinatoire

Preuve 8

Le nombre de manires pour placer llment a1 dans p1 positions de la suite est


le nombre de combinaisons dordre p1 de p lments : C(p; p1 ):
Pour a2 , il y a C(p p1 ; p2 ) manires possibles,...
Pour ak , il y a C(p p1 ::: pk 1 ; pk ) manires possibles.
Do :
n
Y
C(p p1 ::: pk 1 ; pk )
P (p1 ; :::; pn ) =
k=1

p!
p1 !:::pn !

o p0 = 0

Exemple 5

Combien danagrammes peut-on former avec les lettres du mot OIGNON ?


Le nombre de ces anagrammes est le nombre de permutations dordre 6 avec les
rptitions (2; 2; 1; 1), savoir :

P (2; 2; 1; 1)

=
=

6!
2!2!1!1!
180

9. Combinaisons avec Rptition


Proposition 9

Soit E = fa1 ; :::; an g un ensemble n lments.


On appelle combinaison avec rptition dordre p de E , toute suite non ordonne
des lments de E de longeur p.
Le nombre de ces combinaisons quon note K(n; p) est :

K(n; p) = C(n + p

12

1; p)

Analyse Combinatoire

A. El Mossadeq

Preuve 9

On admet que le nombre de combinaisons avec rptition dordre p de n lments


est :

K(n; p) = C(n + p

1; p)

Exemple 6

Soit E = fa; b; cg :
Dterminer les combinaisons avec rptition de E dordre 1, 2 et 3.
(i) Les combinaisons avec rptition de E dordre 1 sont :

a ;b ; c
(ii) Les combinaisons avec rptition de E dordre 2 sont :

aa ; bb ; cc ; ab ; ac ; bc
(iii) Les combinaisons avec rptition de E dordre 3 sont :

aaa ; bbb ; ccc ; aab ; aac ; abb ; acc ; bbc ; bcc ; abc

13

A. El Mossadeq

Analyse Combinatoire

10. Exercices
Exercice 1

Soit A et B deux ensembles et f une application de A dans B .


On suppose que B est ni de cardinal n et que pour tout y dans B , le cardinal
de limage rciproque de y par f , f 1 (fyg), est gal un entier non nul p.
1. Montrer que f est surjective.
2. Soit R la ralation dquivalence associe f .
Montrer que A=R et B sont quipotents.
3. En dduire le cardinal de A.

Exercice 2

Soit A et B deux ensembles de cardinaux respectifs n et p, et dsignons par


F (A; B) lensemble des applications de A dans B .
1. Dterminer le nombre dapplications de A dans B pour n = 1 et n = 2.
2. Soit a 2 A et A1 = A

fag.
Montrer que F (A; B) et F (A1 ; B)

F (fag ; B) sont quipotents.

3. En dduire, par un raisonnement par rcurrence, le nombre dapplications de

A dans B .

Exercice 3

Soit E un ensemble de cardinal ni n et P (E) lensemble de toutes ses parties.


1. Soit f de E dans f0; 1g une application.

Montrer quil existe une partie unique A dans P (E) telle que f soit la fonction
caractristique de A.

2. En dduire, en utilisant Exercice 2., le cardinal de P (E).

14

Analyse Combinatoire

A. El Mossadeq

Exercice 4

Soit A et B deux ensembles de cardinaux respectifs p et n, p

n.

1. Dterminer le nombre dapplications injectives de A dans B pour p = 1; 2:


2. Soit a 2 A, A1 = A
(resp. A1 ) dans B .

fag et G (resp.G1 ) lensemble des injections de A

Montrer que si g est une injection de A1 dans B , alors lapplication f de A


dans B qui x 2 A1 associe g (x) et a associe un lment arbitraire de

g (A1 ) est une injection.

3. En dduire que lapplication

qui f 2 G associe la restriction de f A1

est une application surjective sur G1 , et que pour tout g 2 G1 , le cardinal de


limage rciproque de g par

est n

p + 1.

4. Dterminer par rcurrence sur p, le nombre dinjections de A dans B .


5. On suppose n = p.
En dduire le nombre de bijections de A dans B .

Exercice 5

On appelle arrangement dordre p de A, toute suite ordonne de p lments


distincts choisis parmi les lments de A.
1. Montrer que lensemble des arrangements dordre p de A est quipotent
lensemble des injections de f1; :::; pg dans A.

2. En dduire le nombre darrangements dordre p de A, not A(n; p).


3. En dduire le nombre de permutations de A (arrangements dordre n de A),
not P (n):

Exercice 6

Soit A un ensemble n lments.


On appelle combinaison dordre p de A, toute suite non ordonne de p lments
distincts choisis parmi les lments de A.

15

A. El Mossadeq

Analyse Combinatoire

1. Quelle est le nombre darrangements quon peut associer une combinaison


dordre p de A ?
2. En dduire le nombre de combinaisons dordre p de A, not C(n; p).

Exercice 7

Soit a un lment de E .
Dterminer le nombre de sous-ensembles de E de cardinal p :
qui contiennent a
qui ne contiennent pas a
En dduire :

C(n; p) = C(n

1; p

1) + C(n

1; p)

Exercice 8

1. Montrer que :

C(n; p) = C(n; n

p)

2. En dduire que :

C(n; n) = C(n; 0)
3. En dduire que :

C(2n; n) = 2C(2n

1; n) = 2C(2n

1; n

1)

4. En utilisant les dveloppements de (1 1)n et (1 + 1)n , calculer :


X
fC(n; p) j 0 p n ; p pairg
et :

fC(n; p) j 0

16

n ; p impairg

Analyse Combinatoire

A. El Mossadeq

Exercice 9

1. Soit A un ensemble n lments.


Quelle est le nombre de partie de A p lments ?
2. En dduire le cardinal de P (A).
Exercice 10

Soit E = fa1 ; :::; an g un ensemble n lments.


On appelle permutation avec rptition dordre (p1 ; :::; pn ) de E , toute suite
ordonne des lments de E , o llment ai est rpt pi fois, 1 i n.
Dterminer le nombre de ces permutations quon note P (p1 ; :::; pn ) :

Exercice 11

Soit E = fa1 ; :::; an g un ensemble n lments.


On appelle combinaison avec rptition dordre p de E , toute suite non
ordonne des lments de E de longeur p.
Dterminer le nombre de ces combinaisons quon note K(n; p).

Exercice 12

1. Dterminer le nombre dapplications strictement croissantes de f1; :::; pg dans

f1; :::; ng

2. Dterminer le nombre dapplications croissantes de f1; :::; pg dans f1; :::; ng.
3. Dterminer le nombre de solutions de lquation :
n
X

xi = p ; p 2 N ; x i 2 N

n
X

xi

i=1

4. Dterminer le nombre de solutions de linquation :

i=1

p ; p 2 N ; xi 2 N

17

A. El Mossadeq

Analyse Combinatoire

Exercice 13

Combien de plaques minralogiques portant un matricule de sept caractres peuton former si les trois premiers sont des lettres et les quatre derniers sont des
chires ?

Exercice 14

A partir dun groupe de cinq hommes et sept femmes, combien de comits diffrents composs de deux hommes et trois femmes peut-on former ?
Quen est-il si deux des hommes sentendent mal et refusent de siger ensemble
au comit ?

Exercice 15

Un cours de Calcul des Probabilits est suivi par six femmes et quatre hommes.
Un examen a lieu, puis les tudiants sont classs selon leurs notes.
On suppose exclu que deux tudiants obtiennent la mme note.
1. Combien de classements dirents peut-on envisager ?
2. Si les femmes sont classes entre elles uniquement et les hommes entre eux,
combien de classements globaux peut-on envisager ?

Exercice 16

Parmi les dix participants un tournoi dchec, on compte quatre russes, trois
amricains, deux anglais et un franais.
Si dans le classement du tournoi on ne peut lire que la liste des nationalits des
joueurs mais pas leur identit, combien de classements individuels correspond
une telle liste ?

Exercice 17

Douze personnes ont leur disposition trois voitures de six, quatre et deux places
respectivement.
De combien de manires peut-on aecter ces douze personnes aux trois voitures
en supposant que :

18

Analyse Combinatoire

A. El Mossadeq

1. nimporte laquelle de ces personnes est susceptible de conduire ?


2. seulement quatre des douze personnes sont susceptibles de conduire ?

Exercice 18

Une personne dispose de vingt mille dirhams investir sur quatre placements
potentiels. Chaque mise doit se monter un nombre entier de milliers de dirhams.
Entre combien de stratgies dinvestissement cette personne a-t-elle le choix si
elle dcide de risquer la totalit de la somme ?
Quen est-il si on admet que la personne nest pas oblige dinvestir la totalit
de la somme ?

Exercice 19

On achte six pices mcaniques. De combien de manires peut-on les rpartir


si :
1. elles doivent tre places chacune dans un atelier dirent ?
2. elles sont places deux deux dans trois ateliers dirents ?
3. il y a quatre ateliers, deux recevant deux pices chacun et deux autres une
pice chacun ?
4. Si les femmes sont classes entre elles uniquement et les hommes entre eux,
combien de classements globaux peut-on envisager ?

Exercice 20

Un ascenseur desservant N tages contient S personnes.


1. De combien de manires les S personnes peuvent-elles sarrter aux dirents
tages ?
2. De combien de manires les S personnes peuvent-elles sarrter aux dirents
tages si :

19

A. El Mossadeq

Analyse Combinatoire

il y a n1 tages tels quen chacun deux sarrtent a1 personnes,


il y a ni tages tels quen chacun deux sarrtent ai personnes,
il y a nk tages tels quen chacun deux sarrtent ak personnes,
o :

n1 + n2 + ::: + nk = N

Exercice 21

Quel est le nombre de monmes de lensemble des polynomes homognes n


variables de degr p ?

Exercice 22

Dans une banque, chaque client possde un compte bancaire dont le code est
compos de tois lettres et cinq chires non ncessairement distincts.
1. On suppose que les trois lettres sont distinctes.
Combien de comptes peut-on ouvrir dont le code :
(a) contient un A et un B ?
(b) contient un A et nit par 123 ?
2. On suppose que les trois lettres ne sont pas ncessairement distinctes.
Combien peut-on ouvrir de comptes dont le code contient au moins deux A ?
3. On suppose que les trois lettres ne sont pas ncessairement distinctes et quil
est impossible dutiliser les chires 0, 1, 2, 3 et 4 qui sont rservs des codes
spciaux.
Combien peut-on ouvrir de comptes dont le code :
(a) nit par 999 ?
(b) commence par A et nit par 89 ?

20

Analyse Combinatoire

A. El Mossadeq

Exercice 23

Les n tmes dune encyclopdie, numrots de 1 n, sont placs au hasard sur


une tagre.
1. Combien y a-t-il de manire de les placer ?
2. Parmi ces classements, combien y en a-t-il o :
(a) les tmes 1 et 2 se trouvent cte cte dans cet ordre ?
(b) les tmes 1 p se trouvent cte cte dans cet ordre ?

Exercice 24

On jette quatre ds discernables et on appelle rsultat, une suite ordonne des


quatre points amens.
1. Combien y a-t-il de rsultats possibles ?
2. Combien parmi eux qui conduisent :
(a) un carr ? (quatre points identiques),
(b) un brelan ? (trois points identiques et un autre dirent),
(c) une double-paire ? (deux couples dirents de points indentiques),
(d) une simple-paire ? (deux points identiques et les autres dirents),
(e) un rsultat banal ? (quatre points dirents)

Exercice 25

Soit En = fa1 ; :::; an g un ensemble n lments.


Si A1 ; :::; Ap sont des sous ensembles de En , on dit quils forment une partition
de En en p classes si :
(P1 ) pour tout i 2 f1; :::; pg, Ai est non vide
(P2 ) A1 ; :::; Ap sont deux deux disjoints
(P3 ) la runion de A1 ; :::; Ap coincide avec En
On remarque que pour toute permutation de f1; :::; pg, les partitions A1 ; :::; Ap
et A (1) ; :::; A (p) sont identiques.
On note S(n; p) le nombre de toutes les partitions de En en p classes.

21

A. El Mossadeq

Analyse Combinatoire

1. Calculer :
(a) S(n; 1) et S(n; n),
(b) S(3; 2) et S(4; 2),
(c) Le nombre de toutes les partitions de En en deux classes A1 et A2 o le
cardinal de A1 est k , 1

1.

(d) En dduire S(n; 2).


2. Soit an+1 un lment nappartenant pas En et posons En+1 = En [ fan+1 g.
(a) Etant donne une partition de En en (k

1) classes, combien de partitions

de En+1 en k classes peut-on costruire ?


(b) Etant donne une partition de En en k classes, combien de partitions de

En+1 en k classes peut-on costruire ?


(c) En dduire une relation entre S(n + 1; k), S(n; k
3. Soit Ep = fa1 ; :::; ap g, 1

1) et S(n; k).

n.

(a) Montrer que toute surjection de En sur Ep dtermine une partition de En


en p classes.
(b) Quel est le nombre de surjections de En sur Ep correspondant une
partition de En en p classes ?
(c) En dduire le nombre de surjections de En sur Ep en fonction de S(n; p).
4. Soit k un lment de f1; :::; pg.
(a) Quel est le nombre de parties k lments dans Ep ?
(b) Quel est le nombre dapplications de En dans Ep ?
(c) Quel est le nombre de surjections En sur Ek ?
(d) En dduire que pour tout p 2 f1; :::; ng on a :
n

p =

p
X

C(p; k)S(n; k)k!

k=1

22

Analyse Combinatoire

A. El Mossadeq

Principaux Rsultats
Arrangements dordre p de
f1; :::; ng
Combinaisons dordre p de
f1; :::; ng

Permutations de f1; :::; ng


Permutations avec rptition
dordre (p1 ; :::; pn ) de f1; :::; ng
Combinaisons avec rptition
dordre p de f1; :::; ng
Applications de f1; :::; pg dans
f1; :::; ng
Applications injectives de
f1; :::; pg dans f1; :::; ng
Applications de f1; :::; pg dans
f1; :::; ng strictement croissantes
Applications croissantes de
f1; :::; pg dans f1; :::; ng
Solutions de lquation :
n
P
xi = p
i=1

Solutions de lquation :
n
P
xi = p

n!

A (n; p) =
C (n; p) =

(n

p)!

n!
p! (n p)!

P (n) = n!
pi

P (p1 ; :::; pn ) =

(p1 + ::: + pn )!
p1 !:::pn !

K(n; p) = C (n + p
np
p

A (n; p)

C (n; p)
K(n; p)

xi 2 N
xi 2 N
p n

K(n; p)

C (p

1; n

1)

i=1

Solutions de linquation :
n
P
xi p
i=1

Solutions de linquation :
n
P
xi p

xi 2 N

K(n + 1; p)

xi 2 N
p n

C (p; n

i=1

23

1)

1; p)

Espaces Probabiliss

A. El Mossadeq

1. Algbres et Tribus dvnements


Dnition 1

Soient un ensemble non vide et A un sous ensemble de P ( ), lensemble des


parties de .
On dit que A est une algbre ou algbre de Boole de P ( ) si les conditions
suivantes sont vries :

(A1) ? 2 A

(A2) Si A 2 A, alors Ac 2 A

(A3) Si A et B sont deux vnements de A, alors A+B est aussi un vnement


de A

Remarque 1

La condition (A1) peut tre remplace par la condition :

(A1)0

2A
En eet, daprs (A2),

= ?c est aussi un vnement de A.

Remarque 2

La condition (A3) est quivalente la condition :

(A3)0 Si A et B sont deux vnements de A, alors AB est aussi un vnement


de A:
En eet, si A et B sont deux vnements de A, alors, daprs (A2), Ac
et B c sont aussi deux vnements de A, do, daprs (A3), Ac + B c est
un vnement de A.
Or :

Ac + B c = [AB]c

27

A. El Mossadeq

Espaces Probabiliss

et :

[Ac + B c ]c = [AB]
Donc, il en rsulte, daprs (A2), que AB est un vnement de A

Dnition 2

Soient un ensemble non vide et T un sous ensemble de P ( ).


On dit que T est une -algbre ou une tribu de P ( ) si les conditions suivantes
sont vries :

(T 1) ? 2 T

(T 2) Si A 2 T , alors Ac 2 T
(T 3) Si (An )n2N est une suite dvnements de T , alors
ment de T

1
P

An est un vne-

n=0

Remarque 3

Toute -algbre est une algbre.


En eet, si A et B sont deux vnements de la
(An )n2N telle que :

A0
A1
Ak

=
=
=

A
B
?; k

est une suite dvnements de T , donc :


1
X
An = A + B

-algbre T , alors la suite

n=0

est un vnement de T .
On en dduit que la condition (T 3) implique la condition (A3), et par consquent
toute -algbre est une algbre.

28

Espaces Probabiliss

A. El Mossadeq

Remarque 4

Une algbre nie est une tribu.


En eet, si (An )n2N est une suite dvnements dune algbre nie A, alors
(An )n2N ne contient quun nombre ni dvnements deux deux distincts.
En consquence, la runion de la famille (An )n2N se ramne une runion nie
dvnements de A1.
P
Il en dcoule que
An est un vnement de A.
n=0

On en dduit que la condition (A3) implique la condition (T 3), et par consquent


toute algbre nie est une tribu.

Proposition 1

Lintersection dune famille de tribu de P ( ) est une tribu de P ( ).


Preuve 1

Soit (Ti )i2I une famille de tribus de P ( ).


Dmontrons que :
Y
T =
Ti
i2I

est une tribu de P ( ).

(T 1) ? 2 T , puisque ? 2 Ti pour tout i 2 I


(T 2) Si A 2 T , alors :

A2T

=) 8i 2 I : A 2 Ti
=) 8i 2 I : Ac 2 Ti
=) Ac 2 T

(T 3) Si (An )n2N est une suite dvnements de T , alors pour tout i 2 I ,


1
P
(An )n2N est une suite dvnements de Ti , donc, pour tout i 2 I ,
An
est un vnement de Ti , et par consquent

T.
Il en rsulte que T est une tribu de P ( ).
29

1
P

n=0

n=0

An est un vnement de

A. El Mossadeq

Espaces Probabiliss

Remarque 5

La runion de deux algbres de P ( ) nest pas, en gnral, une algbre de P ( ).


En eet, prenons :

=
=
=

A1
A2

fa; b; cg
f;; fag ; fb; cg ; g
f;; fbg ; fa; cg ; g

Lvnement :

fa; bg = fag [ fbg

nest pas un lment de A1 [ A2 alors que fag et fbg sont des vnements de
A1 [ A2 .
Remarque 6

Le produit cartsien de deux tribus nest pas, en gnral, une tribu.


En eet, reprenons lexemple prcdent :

=
=
=

A1
A2

fa; b; cg
f;; fag ; fb; cg ; g
f;; fbg ; fa; cg ; g

Alors :
est un vnement de A1

f(a; b)g = fag

A2 , mais :
f(a; b)gc =

nest pas un vnement de A1

fbg
f(a; b)g

A2 .

Dnition 3

Soient un ensemble non vide et A un sous ensemble de P ( ).


On appelle algbre (resp. tribu) engendre par A, la plus petite algbre (resp.
tribu) contenant A.
Cest lintersection de toutes les algbres (resp.tribus) contenant A.
30

Espaces Probabiliss

A. El Mossadeq

Exemple 1

Prenons :

=
=

fa; b; c; dg
ffag ; fa; bgg

Lalgbre engendre par A est :

A = f;; fag ; fa; bg ; fb; c; dg ; fc; dg ; fa; c; dg ; fbg ; g


Proposition 2

Considrons les classes suivantes de P (R) :

C1
C2
C3
C4
C5
C6
C7
C8

=
=
=
=
=
=
=
=

f] 1; x[j x 2 Rg
f] 1; x] j x 2 Rg
f]x; +1[j x 2 Rg
f[x; +1[j x 2 Rg
f]x; y[j x; y 2 Rg
f[x; y[j x; y 2 Rg
f]x; y] j x; y 2 Rg
f[x; y] j x; y 2 Rg

Les huit -algbres engendres par les huit classes Ci (1 i 8) sont identiques.
Dsignons par BR la -algbre engendre par lune quelconque des huit classes.
BR est appel la tribu des borliens de R, et les lments de BR sont appels
les borliens de R.
Preuve 2

Pour tout i, 1

8, dsignons par Bi la tribu engendre par Ci .

1. B1 = B2
(a) Pour tout x 2 R, considrons la suite :

In =]

1
1; x + [
n

31

A. El Mossadeq

(In )n

Espaces Probabiliss

est une suite dcroissante dintervalles de C1 , donc :

] 1; x] =
est un lment de B1 , do :

1
Y

1
1; x + [
n

n=1

C2

B1

B2

B1

et par consquent :

(b) Rciproquement, pour tout x 2 R, considrons la suite :

(In )n

1
n

1; x

In =

est une suite croissante dintervalles de C2 , donc :

] 1; x[ =
est un lment de B2 , do :

1
X
n=1

1; x

C1

B2

B1

B2

et par consquent :

Donc :

B1 = B2
2. B1 = B4
Pour tout x 2 R, on a :

(]

1; x[)c = [x; +1[

32

1
n

Espaces Probabiliss

A. El Mossadeq

On en dduit que :

C4

B1

C1

B4

et :

On conclut que :

B4 = B1 = B2
3. B2 = B3
Pour tout x 2 R, on a :

(] 1; x])c = ]x; +1[


On en dduit que :

C3

B2

et

C2

B3

On conclut que :

B3 = B2 = B1 = B4
4. B1 = B5
(a) Pour tout x 2 R, considrons la suite (In )n2N de C5 :

In =]x
donc :

n; x[ ; n 2 N
In =]

n2N

1; x[

est un lment de B5 do :

C1

B5

B1

B5

et par consquent :

33

A. El Mossadeq

Espaces Probabiliss

(b) Dautre part, pour tout (x; y) 2 R2 on a :

]x; y[= ]x; +1[ \ ] 1; y[


donc :

C5

B1

B5

B1

et par consquent :

Do :

B5 = B1 = B2 = B3 = B4
5. B4 = B6
(a) Pour tout x 2 R considrons, la suite (In )n2N dintervalles de C6 :

In = [x; x + n[ ; n 2 N
donc :

In = [x; +1[

n2N

est un lment de B6 , do :

C4

B6

B4

B6

et par consquent :

(b) Dautre part, pour tout (x; y) 2 R2 on a :

[x; y[= [x; +1[ \ ] 1; y[


donc :

C6

B4

34

Espaces Probabiliss

A. El Mossadeq

et par consquent :

B6

B4

Do :

B6 = B4 = B1 = B2 = B3 = B5
6. B7 = B5
(a) Pour tout (x; y) 2 R2 considrons la suite (In )n

In = x; y
donc :

1
n

; n

dintervalles de C7 :

In = ]x; y[

n2N

est un lment de C5 , do :

C5

B7

B5

B7

et par consquent :

(b) Dautre part, pour tout (x; y) 2 R2 on a :

]x; y] = ]x; +1[ \ ] 1; y]


donc :

C7

B5

B7

B5

et par consquent :

Do :

B7 = B5 = B1 = B2 = B3 = B4 = B6

35

A. El Mossadeq

Espaces Probabiliss

7. B8 = B7
(a) Pour tout (x; y) 2 R2 considrons la suite (In )n

1
;y
n

In = x

; n

dintervalles de C8 :

donc :
1
Y

In = ]x; y]

n=1

est un lment de C7 , do :

C7

B8

B7

B8

et par consquent :

(b) Dautre part, pour tout (x; y) 2 R2 on a :

[x; y] = [x; +1[ \ ] 1; y]


et par consquent :

B8

B7

Do :

B8 = B7 = B1 = B2 = B3 = B4 = B5 = B6

Proposition 3

Considrons les classes suivantes de P (Rn ) :

D1
D2

=
=

fB1
fA1

:::
:::

Bn j Bi 2 BR ; 1 i ng
An j Ai 2 C1 ; 1 i ng

D1 et D2 engendrent une mme tribu quon note BRn et quon appelle la tribu
des borlien de Rn . Ses lments sont appels les borliens de Rn .

36

Espaces Probabiliss

A. El Mossadeq

Preuve 3

Admis

Dnition 4

Soit un ensemble non vide et T une tribu de P ( ).


Le couple ( ; T ) est appel un espace probabilisable.

2. Mesures de Probabilit
Dnition 5

Soit un ensemble non vide et A une algbre de P ( ).


Une fonction :

P :A !R

est dite additive si pour tout couple (A; B) dvnements incompatibles de A


on a :

P [A

B] = P [A] + P [B]

Exemple 2

Soit un ensemble ni non vide.


Lapplication :

P( )
A

!
7 !

est une fonction additive.

37

R
card A

A. El Mossadeq

Espaces Probabiliss

Proposition 4

Soit :

P :A !R
une fonction additive.
1. On a :

P (;) = 0
2. Si A1 ; :::; An sont des vnements de A deux deux incompatibles, alors :

P [A1

:::

An ] = P [A1 ] + ::: + P [An ]

3. Si A 2 A est une partie de B 2 A alors :

P [B] = P [A] + P [B

A]

En particulier :

P [ ] = P [A] + P A
4. Si A et B sont deux vnements de A alors :

P [A + B] = P [A] + P [B]

P [AB]

5. Si P est positive, alors P est croissante.

Preuve 4

1. Pour tout vnement A de A on a :

P [A]

;]

P [A

P [A] + P [;]

do :

P [;] = 0

38

Espaces Probabiliss

A. El Mossadeq

2. Il su t de procder par rcurrence sur n, n

2:

(a) Pour n = 2, on retrouve la dnition dune fonction additive.


(b) Supposons que si A1 ; :::; An sont des vnements de A deux deux incompatibles, alors :

P [A1

:::

An ] = P [A1 ] + ::: + P [An ]

et considrons (n + 1) vnements A1 ; :::; An+1 de A deux deux incompatibles :

P [A1

:::

An+1 ]

P [(A1

:::

An )

P [(A1

:::

An )] + P [An+1 ]

P [A1 ] + ::: + P [An ] + P [An+1 ]

3. Soient A et B deux vnements de A.


Si A est une partie de B alors :

B=A

[B

A]

do :

P [B] = P [A] + P [B

A]

P [ ] = P [A] + P [

A]

En particulier :

ou encore :

P [ ] = P [A] + P A

39

An+1 ]

A. El Mossadeq

Espaces Probabiliss

4. Si A et B sont deux vnements de A alors :

A+B =A

[B

AB]

do

P [A + B]

P [A] + P [B

AB]

P [A] + P [B]

P [AB]

5. Supposons que P soit positive.


Si A est une partie de B alors :

P [B] = P [A] + P [B

A]

do :

P [A]

P [B]

P est donc une fonction croissante.

Proposition 5

Soit P : A ! R une fonction additive.


Les conditions suivantes sont quivalentes :
1. Si (An )n2N est une suite dcroissante dvnements de A dintersection ;,
alors la suite (P [An ])n2N converge vers 0.

2. Si (An )n2N est une suite dcroissante dvnements de A dintersection A, et


si A 2 A, alors la suite (P [An ])n2N converge vers P [A].

3. Si (An )n2N est une suite croissante dvnements de A de runion A, et si

A 2 A, alors la suite (P [An ])n2N converge vers P [A].

4. Si (An )n2N est une suite dvnements de A deux deux incompatibles et de


runion A, et si A 2 A, alors :

P [A] =

1
X
n=0

40

P [An ]

Espaces Probabiliss

A. El Mossadeq

Preuve 5

1. (1) =) (2)
Si (An )n2N est une suite dcroissante dvnements de A dintersection A 2 A,

A)n2N est une suite dcroissante dvnements de A dintersection


; et par consquent :
alors (An

lim P [An

n!1

A] = 0

do :

lim P [An ] = P [A]

n!1

2. (2) =) (3)
Si (An )n2N est une suite croissante dvnements de A de runion A 2 A,

alors (Acn )n2N est une suite dcroissante dvnements de A dintersection :


!c
Y
X
Acn =
An = Ac
n2N

n2N

or, Ac 2 A, donc :

lim P [Acn ] = P [Ac ]

n!1

cest dire :

lim P [

An ] = P [

n!1

A]

do :

lim P [An ] = P [A]

n!1

3. (3) =) (4)
Si (An )n2N est une suite dvnements de A deux deux incompatibles et de
runion A, alors la suite (Bn )n2N telle que pour tout k 2 N :

Bk =

k
M
i=0

est suite croissante dvnements de A.

41

Ai

A. El Mossadeq

Espaces Probabiliss

Or, cette suite a pour runion :


1
X

Bk

1
M

Ai

k=0

k=0

et par consquent :

P [A]

=
=
=
=

lim P [Bn ]
" n
#
M
Ak
lim P

n!1

n!1

lim

n!1
1
X

k=0

n
X

P [Ak ]

k=0

P [Ak ]

k=0

4. (4) =) (1)

Soit (An )n2N une suite dcroissante dvnements de A telle que :


Y
An = ;
n2N

et considrons la suite dnie pour tout k 2 N :

Bk = Ak

Ak

(Bn )n2N est une suite dvnements de A deux deux incompatibles.


Or pour tout n 2 N :
n
M
Bi = A0 An
i=1

donc, la suite (Bn )n2N a pour runion :

42

Espaces Probabiliss

A. El Mossadeq

1
M

Bn

1
X

n=1

[A0

n=1

An ]

A0

An

n2N

A0

An

n2N

=
et par consquent:
1
X

P [Bn ] = P

n=1

Or :

An = A0

A0
"

1
M

Bn = P [A0 ]

n=1

[A0

An ]

donc :

P [An ]

P [A0 ]

P [A0 ]

P [A0 An ]
n
X
P [Bi ]
i=1

do :

lim P [An ] = P [A0 ]

n!1

1
X

P [Bi ] = 0

i=1

Dnition 6

Une fonction additive P qui vrie lune des quatre conditions de la proposition
5 est dite une fonction -additive.
Une fonction -additive positive est appele une mesure.
Une probabilit est une mesure qui vrie :

P( )=1

43

A. El Mossadeq

Espaces Probabiliss

Il en dcoule quune probabilit P est une application de A dans [0; 1] telle


que :

(i ) P ( ) = 1
(ii ) Pour tout couple (A; B) dvnements incompatibles de A
P [A

A on a :

B] = P [A] + P [B]

(iii ) Pour toute suite dvnements (An )n2N de A deux deux incompatibles
1
L
telle que
Ai 2 A, on a :
n=0

"

1
M

Ai =

n=0

1
X

P [An ]

n=0

Remarque 7

Soit :

!R

une mesure.
Lapplication :

!R

A 7 ! P [A] =

[A]
[ ]

est une probabilit sur T .

Dnition 7

On appelle espace probabilis, ou espace de probabilit, la structure mathmatique constitue par un triplet ( ; T ;P ) o ( ; T ) est un espace probabilisable
et P une probabilit sur T .

44

Espaces Probabiliss

A. El Mossadeq

3. Les Espaces Probabiliss Discrets


Dnition 8

On dit que lespace ( ; T ;P ) est un espace probabilis discret si


brable et T = P ( )

est dnom-

Proposition 6

Soit ( ; T ;P ) un espase probabilis discret.


Lapplication p :

p:

!R
! 7 ! p (!) = P [f!g]

possde les proprits suivantes :

(i) p prend ses valeurs dans lintervalle [0; 1]


P
(ii)
p (!) = 1
!2

Preuve 6

(i) p prend ses valeurs dans lintervalle [0; 1] car la probabilit P prend ses
valeurs dans lintervalle [0; 1] :

(ii)
X

p (!)

!2

!2

"

P [f!g]
M
!2

P[ ]

45

f!g

A. El Mossadeq

Espaces Probabiliss

Proposition 7

Soit :

!R

p:

une application telle que :


(i ) pP
prend ses valeurs dans lintervalle [0; 1]
(ii )
p (!) = 1
!2

Lapplication P dnie pour tout A 2 P ( ) par :


X
P [A] =
p (!)
!2A

est une probabilit sur P ( ).

Preuve 7

Il su t dappliquer la dnition dune probabilit.

Il rsulte des propositions 6: et 7: que si ( ; T ;P ) est un espase probabilis


discret, alors la probabilit P est entirement dnie par ses valeurs sur les
vnements lmentaires.
Les p (!), ! 2

, sont appeles les probabilits lmentaires, et lespace

probabilis ( ; T ;P ) est not ( ; p).

Dans le cas o lensemble fondamental

est constitu de N vnements

lmentaires quiprobables :

1
N
la probabilit dun vnement A de P ( ) est :
8! 2

: p (!) =

P [A] =

card A
N

46

Espaces Probabiliss

A. El Mossadeq

4. Les Alas
Dnition 9

Un ala X est une application dun espace probabilisable ( ; T ) dans un espace


probabilisable (E; B) telle que pour tout B 2 B; X 1 (B) est un vnement
de T :
1

8B 2 B : X

(B) 2 T

Exemple 3

Soit A un vnement dun espace probabilis ( ; T ; P ) de probabilit p, 0 <


p < 1, et dsignons par A la fonction caractristique de A :
8
< 1 si ! 2 A
A (!) =
:
0 si ! 2
=A
On a :

8
<
:

(f0g) = A

(f1g) = A

est donc une variable alatoire. On lappelle : variable alatoire de Bernouilli


de paramtre p:
A

Remarque 8

Soient ( ; T ) et (E; B) deux espaces probabilisables.


Si X :
! E est une application, alors :

(B) = X

(B) j B 2 B

est une tribu de P ( ).


Si de plus X est un ala de ( ; T ) dans (E; B), alors X
tribu de T .

47

(B) est une sous

A. El Mossadeq

Espaces Probabiliss

Dnition 10

Une variable alatoire n dimensions ou un vecteur alatoire n dimensions est


un ala valeurs dans (Rn ; BRn ).
Une variable alatoire une dimension est appele une variable alatoire.

Proposition 8

Soit :

X : ( ; T ; P ) ! (E; B)
un ala.
La fonction PX dnie pour tout B 2 B par :

PX [B] = P X

(B)

est une probabilit sur B appele la loi de lala X .

Preuve 8

(i) PX prend ses valeurs dans lintervalle [0; 1] et on a :

PX [E] = P X

(E) = P [ ] = 1

(ii) Si A et B sont deux vnements incompatibles de B, alors X

(A) et

(B) sont des vnements incompatibles de T et on a :


PX [A

B]

P X

(A

B)

P X

(A)

P X

(A) + P X

PX [A] + PX [B]

(B)
1

(B)

(iii) Si (An )n2N est une suite dvnements de B deux deux incompatibles alors

X 1 (An )
et on a :

n2N

est une suite dvnements de T deux deux incompatibles

48

Espaces Probabiliss

A. El Mossadeq

PX

"

1
M

Ak

k=0

"

P X

"

=
=

1
X

k=0
1
X

1
M

Ak

k=0

1
M

(Ak )

k=0

P X

!#

(Ak )

PX [Ak ]

k=0

5. Probabilits Conditionnelles
Dnition 11

Soit ( ; T ;P ) un espase probabilis.


Etant donn un vnement A de T de probabilit non nulle, et un vnement B
de T , on appelle probabilit conditionnelle de B sous lhypothse A, quon note
P [B j A] et quon lit la probabilit de B si A, le nombre rel :

P [B j A] =

P [AB]
P [A]

Proposition 9

Soit TA la trace de T sur A :

TA = fBA j B 2 T g
Alors TA est une tribu de P (A) et lapplication :

PA :

TA
B

!
7
!

R
PA [B] = P [B j A]

est une probabilit sur TA :


49

A. El Mossadeq

Espaces Probabiliss

Preuve 9

Il su t dappliquer les dnitions.

5.1. Principe des Probabilits Composes


Proposition 10

Si A1 ; :::; An sont des vnements dun espace probabilis ( ; T ;P ) et si P [A1 :::An ]


est non nulle, alors :

P [A1 :::An ] = P [A1 ] P [A2 j A1 ] :::P [An j A1 :::An 1 ]


Preuve 10

Procdons par rcurrence sur n, n

2:

(i) Pour n = 2, on retrouve la dnition dune probabilit conditionnelle.


(ii) Supposons que si A1 ; :::; An sont des vnements de lespace probabilis ( ; T ;P )
et si P [A1 :::An ] est non nulle, alors :

P [A1 :::An ] = P [A1 ] P [A2 j A1 ] :::P [An j A1 :::An 1 ]


et soit A1 ; :::; An+1 des vnements de lespace probabilis ( ; T ;P ) telles que

P [A1 :::An+1 ] soit non nulle, alors :


P [A1 ::An+1 ]

P [(A1 ::An ) An+1 ]

P [A1 ::An ] P [An+1 j A1 ::An ]

P [A1 ] P [A2 j A1 ] ::P [An j A1 ::An 1 ] P [An+1 j A1 ::An ]

do le rsultat.

50

Espaces Probabiliss

A. El Mossadeq

5.2. Formule des Probabilits Totales


Soit ( ; T ;P ) un espace de probabilit, et soit (An )n

une suite dvnements

non ngligeables de T formant une partition de :


8
8i; j 2 N : i 6= j =) Ai Aj = ;
>
>
<
1
L
>
>
An =
:
n=1

Proposition 11

Pour tout vnement A de lespace de probabilit ( ; T ;P ) on a :

P [A] =

1
X
n=1

P [An ] P [A j An ]

Preuve 11

Comme :

1
M

An

n=1

alors :

A
1
M

AAn

n=1

do :

P [A]

=
=

1
X
n=1
1
X
n=1

P [AAn ]
P [An ] P [A j An ]

51

A. El Mossadeq

Espaces Probabiliss

Exemple 4

Des tudes statistiques sur une population constitue de 52% de femmes et


48% dhommes permettent de considrer quil y a 54% dhommes et 64% de
femmes qui sont analphabtes. Quelle est la proportion danalphabtes dans
cette population ?
Considrons les vnements :

A
F
H
On a :

:
:
:

"lindividu est analphabte"


"lindividu est une femme"
"lindividu est un homme"

8
< P [F ] = 0:52
:

P [A j F ] = 0:64
P [A j H] = 0:54

P [H] = 0:48

Daprs la formule des probabilits totales on a :

P [A]

=
=

P [F ]
0:592

P [A j F ] + P [H]

P [A j H]

5.3. Formules de Bayes


Soit ( ; T ;P ) un espace de probabilit, et soit (An )n
non ngligeables de T formant une partition de

une suite dvnements

Proposition 12

Pour tout k; k

1, on a :
P [Ak ] P [A j Ak ]
P [Ak j A] = P
1
P [An ] P [A j An ]
n=1

52

Espaces Probabiliss

A. El Mossadeq

Preuve 12

Par dnition dune probabilit conditionnelle, on a :

P [Ak j A] =

P [AAk ]
P [A]

et puisque :

P [A] =

1
X
n=1

P [An ] P [A j An ]

daprs la formule des probabilits totales, et :

P [AAk ] = P [Ak ] P [A j Ak ]
alors :

P [Ak ] P [A j Ak ]
P [Ak j A] = P
1
P [An ] P [A j An ]
n=1

Exemple 5

Reprenons lexemple prcdent.


Y a -t-il une discrimination vis vis des femmes ?
On a :
8
P [A j F ] = 0:64
< P [F ] = 0:52

P [A j H] = 0:54

P [H] = 0:48

Calculons la proportion des femmes parmi les analphabtes


Daprs la formule de Bayes on a :

P [F j A]

=
=

P [F ]
0:56216

P [F ] P [A j F ]
P [A j F ] + P [H] P [A j H]

et donc :

P [H j A] = 1

P [F j A] = 0:43784

Lanalphabtisme frappe davantage les femmes que les hommes.

53

A. El Mossadeq

Espaces Probabiliss

6. Indpendance
6.1. Sous Tribus Indpendantes
Dnition 12

Soit ( ; T ;P ) un espace de probabilit.


On dit que la famille (T1 ; :::; Tn ) de sous tribus de T est indpendante si pour
tout vnement Ai 2 Ti ; 1 i n; on a :

P [A1 :::An ] = P [A1 ] :::P [An ]

6.2. Alas Indpendants


On considre une famille dalas (Xi )1

i
n,
est dnie sur un espace probabilis ( ; T ;P ) valeurs dans un espace
probabilisable (

i n,

o lala Xi , 1

i ; Ti ):

Xi : ( ; T ;P ) ! ( i ; Ti )
Notons Pi la loi PXi de lala Xi , 1

n:

Dnition 13

On dit que les alas X1 ; :::; Xn sont indpendants si les sous tribus X1 1 (T1 ) ; :::;
Xn 1 (Tn ) sont indpendantes.
Cette dnition se traduit par :

8A1 2 T1 ; ::; 8An 2 Tn : P [X1 2 A1 ; ::; Xn 2 An ] = P [X1 2 A1 ] ::P [Xn 2 An ]


ou encore :

8A1 2 T1 ; ::; 8An 2 Tn : P X1 1 (A1 ) ::Xn 1 (An ) = P1 [A1 ] ::Pn [An ]


54

Espaces Probabiliss

A. El Mossadeq

6.3. Partitions Indpendantes


Soit ( ; T ;P ) un espace probabilis et considrons les m partitions de

2:

ni
M

Aij ; 1

j=1

o les Aij , 1

ni et 1

m, sont des vnements de T .

Dnition 14

On dit que ces m partitions de sont indpendantes si pour tout k , 1


et pour tout jk , 1 jk nk , les galits suivantes sont vries :
"m
#
m
Y
Y
P
Akjk =
P [Akjk ]
k=1

m,

k=1

6.4. vnements Indpendants


Dnition 15

Les vnements A1 ; :::; An de lespace probabilis ( ; T ;P ) sont dits indpendants si les partitions suivantes de :

= A1
:
= An

Ac1
Acn

sont indpendantes.
Lindpendance des vnements A1 ; :::; An se traduit par les 2n quations :

P [B1 :::Bn ] = P [B1 ] :::P [Bn ]


o Bi 2 fAi ; Aci g ; 1

n.

55

A. El Mossadeq

Espaces Probabiliss

Dans le cas de deux vnements A et B , les quatre quations exprimant


lindpendance de A et B se ramnent une seule :

P [AB] = P [A] P [B]


Si P [A] > 0 et P [B] > 0, alors :

P [AB] = P [A] P [B] () P [A] = P [A j B]


() P [B] = P [B j A]

7. Probabilits sur un Espace Produit

Dnition 16

Soient ( 1 ; T1 ) et ( 2 ; T2 ) deux espaces probabilisables.


On appelle rectangle de 1
A2 o A1
2 , un ensemble de la forme A1
et A2
2.
Le rectangle A1 A2 est dit mesurable si A1 2 T1 et A2 2 T2 .

Dnition 17

On appelle produit tensoriel de T1 et T2 , not T1


T1 T2 :

T2 , la tribu engendre par

Proposition 13

Les projections :
1

:(

2 ; T1

T2 ) ! (

1 ; T1 )

:(

2 ; T1

T2 ) ! (

2 ; T2 )

sont des alas.

56

Espaces Probabiliss

A. El Mossadeq

Preuve 13

Pour tout vnement A1 2 T1 et tout vnement A2 2 T2 on a :


1

(A1 )
1
2 (A2 )

=
=

A1

A2

donc 1 1 (A1 ) et 2 1 (A2 ) sont des vnements de T1


ce sont aussi des vnements de T1 T2 .

T2 et par consquent

7.1. Les Marges dun Espace Produit


T2 ; P ).
La premire marge de cet espace est lespace probabilis ( 1 ; T1 ; P1 ) construit partir de la premire projection 1 .
La loi P1 de 1 est dnie par :
Considrons lespace probabilis produit (

2 ; T1

8A1 2 T1 : P1 [A1 ] = P [A1


On dnit de faon analogue la deuxime marge (
deuxime projection :

8A2 2 T2 : P2 [A2 ] = P [

2]
2 ; T2 ; P2 )

partir de la

A2 ]

7.2. Indpendances des Marges


Dnition 18

On dit que les marges ( 1 ; T1 ; P1 ) et ( 2 ; T2 ; P2 ) de lespace probabilis produit


( 1
T2 ; P ) sont indpendantes si les alas 1 et 2 sont indpendants,
2 ; T1
cest dire :

P [A1

A2 ] = P1 [A1 ]

pour tout A1 2 T1 et tout A2 2 T2 .

57

P2 [A2 ]

A. El Mossadeq

Espaces Probabiliss

Lespace probabilis ( 1
T2 ; P ) est alors dtermin par ses marges.
2 ; T1
On dit quil est le produit de ses marges.
La probabilit P , note P1 P2 , ou P1 P2 , est appele le produit tensoriel de
P1 et P2 .

Remarque 9

On admet quune probabilit sur T1


valeurs sur T1 T2 .

T2 est entirement dtermine par ses

58

Espaces Probabiliss

A. El Mossadeq

8. Exercices
Exercice 1

On considre un espace probabilis engendr par trois vnements A; B et C .


Exprimer dans cet espace les vnements :

(1) A seul se produit


(2) A et B se produisent mais non C
(3) les trois vnements se produisent simultanment
(4) au moins lun des vnements se produit
(5) au moins deux vnements se produisent
(6) deux vnements au plus se produisent
(7) un seul vnement se produit
(8) deux vnements ou plus se produisent
(9) deux vnements seulement se produisent
(10) aucun des trois vnements ne se produit
(11) pas plus de deux vnements ne se produisent.

Exercice 2

1. Lintersection de deux tribus est-elle une tribu ?


2. La runion de deux tribus est-elle une tribu ?
3. Le produit cartsien de deux tribus est-il une tribu ?

Exercice 3

Soit

un ensemble non vide.

1. Montrer que T = f;; g et P ( ) sont des tribus.

2. Donner la plus petite algre contenant une partie A de

59

A. El Mossadeq

Espaces Probabiliss

3. On pose

= fa; b; c; d; eg
Construire lalgbre engendre par :

C = ffag ; fb; cg ; fd; egg


Exercice 4

Considrons les classes suivantes de P (R) :

C1
C2
C3
C4
C5
C6
C7
C8

=
=
=
=
=
=
=
=

f] 1; x[j x 2 Rg
f] 1; x] j x 2 Rg
f]x; +1[j x 2 Rg
f[x; +1[j x 2 Rg
f]x; y[j x; y 2 Rg
f[x; y[j x; y 2 Rg
f]x; y] j x; y 2 Rg
f[x; y] j x; y 2 Rg

Montrer que ces huit classes Ci (1


appele la tribu des borliens de R.

8) engendrent une mme tribu BR

Exercice 5

Soit :

X:

une application.
Montrer que si E est une tribu de P ( ), alors :

(E) = X

est une tribu de P ( ).

60

(B) j B 2 E

Espaces Probabiliss

A. El Mossadeq

Exercice 6

Soit ( ; T ) un espace probabilisable et A un vnement de T .


Montrer que :
est une tribu de P (A).

TA = fA \ B j B 2 T g

Exercice 7

Soit ( ; T ;P ) un espace de probabilit et B un vnement de T de probabilit


non nulle.
Montrer que lapplication PB :

TB
A

!
7 !

R
P [A j B]

est une probabilit sur TB .


Exercice 8

Soit ( ; T ;P ) un espace de probabilit.


1. Montrer que deux vnements A et B sont indpendants si et seulement si :

P [AB] = P [A] P [B]


2. Montrer que si trois vnements A, B et C sont indpendants alors ils sont
deux deux indpendants.
3. Montrer sur un exemple que la rciproque est fausse.

Exercice 9

Soit ( ; T ;P ) un espace de probabilit.


On considre lensemble :

N = fN 2 T j P (N ) = 0 ou P (N c ) = 0g

61

A. El Mossadeq

Espaces Probabiliss

1. N est-elle une tribu P ( ) ?

2. Montrer quun vnement N de T est indpendant avec lui mme si et seulement si N est un vnement de N .

Exercice 10

Trois maladrois tirent sur un objectif. Chacun na quune seule balle.


Le premier a trois chances sur quatre pour atteindre lobjectif, le second deux
chances sur trois et le troisime une chance sur deux seulement.
Lobjectif a-t-il alors plus de chances de recevoir une seule balle ou de recevoir
les trois balles ?

Exercice 11

Trois usines A, B et C produisent respectivement 50%, 30% et 20% des moteurs de voitures.
Parmi la production de chacune des ces trois usines, 5%, 3% et 2% sont dfectueux.
Calculer la probabilit pour quun moteur dfectueux provient de lusine A.

Exercice 12

Un conducteur normal a une chance sur mille davoir un accident de voiture au


cours dune priode dtermine.
Un conducteur ivre a une chance sur cinquante davoir un accident de voiture au
cours de la mme priode.
On admet quun conducteur sur cent conduit en tat divresse.
Soient les vnements :

A
I

:
:

"avoir un accident"
"conduire en tat divresse"

62

Espaces Probabiliss

A. El Mossadeq

1. Calculer :

2. Dtermimer :

3. En dduire :

P (I)
P (A j I)
P (A j I c )

;
;
;

P (I c )
P (Ac j I)
P (Ac j I c )

P (I \ A)
P (I \ Ac )

;
;

P (I c \ A)
P (I c \ Ac )

P (A) ; P (I j A)
4. Retrouver le rsultat en appliquant le thorme de Bayes.

Exercice 13

Des tudes statistiques sur une population constitue de 60% de femmes et 40%
dhommes permettent de considrer quil y a 50% dhommes et 30% de femmes
qui fument.
On choisit au hasard un individu de la population et on constate quil fume.
Quelle est la probabilit pour quil soit un homme ?

Exercice 14

Un appareil peut tre mont avec des pices de haute qualit ou des pices
ordinaires.
Dans le premier cas, sa abilit est de 95%, dans le second cas, elle est de 70%.
40% des appareils sont monts avec des pices haute qualit.
Un appareil a t soumis lessai et sest avr bon. Trouver la probabilit quil
soit mont avec des pices de haute qualit.

Exercice 15

Une urne contient des boules blanches et des boules noires.


On eectue une suite de n tirages dans lurne.

63

A. El Mossadeq

Espaces Probabiliss

On suppose que la probabilit que la k eme boule tire soit blanche alors que les
1
k 1 prcdantes ltaient est
:
k+1
Calculer la probabilit que les n premires boules tires soient toutes blanches.

Exercice 16

Douze appareils sont en exploitation.


Trois parmi eux sont fabriqus par lusine U1 , quatre par lusine U2 et cinq par
lusine U3 .
Les appareils provenant de lusine U1 passe lessai avec une probabilit de 90%,
ceux de lusine U2 avec une probabilit de 80% et ceux de lusine U3 avec une
probabilit de 75%.
Trouver la probabilit quun appareil choisi au hasard passe lessai.

Exercice 17

Une pice dun quipement lectronique est constitue de trois partie essentielles
A, B et C .
On a constat dans le pass que la partie A tombait en panne dans 10% des cas,
la partie B dans 30% des cas et la partie C dans 40% des cas.
La partie A opre indpendamment de B et de C .
Les parties B et C sont dpendantes de telle sorte que si C est dfaillante, les
chances sont de 1 sur 3 que B soit dfaillante aussi.
Deux au moins des trois parties doivent tre en tat de marche pour que lquipement
fonctionne.
Calculer la probabilit pour quil fonctionne.

Exercice 18

Une preuve sportive, o deux concurrents A et B sont en jeu, consiste atteindre une cible partage en trois cases notes C1 , C2 et C3 .
On admet quun coup atteint une et une seule case.
Pour le joueur A, les probabilits respectives datteindre les cases C1 , C2 et C3
1
forment une progression arithmtique de raison , alors que pour le joueur B ,
4

64

Espaces Probabiliss

A. El Mossadeq

les trois probabilits sont gales.


On choisit lun des deux joueurs, la probabilit que A soit choisi est la moiti de
la probabilit de choisir B .
Le concurrent choisi atteint la case C3 . quelle est la probabilit que ce concurrent
soit A ?

Exercice 19

Deux rgulateurs contrlent le fonctionnement dun moteur.


Il est dsirable que durant un temps t, le moteur fonctionne sans panne.
En prsence des deux rgulateurs, la panne peut survenir avec une probabilit q12 :
Lorsque seul le premier fontionne avec une probabilit q1 : Lorsque seul le second
fontionne avec une probabilit q2 : Et Lorsque les deux sont en panne avec une
probabilit q0 :
La abilit du premier rgulateur est p1 et celle du second rgulateur est p2 :
Les lments se mettent en panne indpendamment les uns des autres.
Trouver la abilit totale.

Exercice 20

On considre quatre groupes A, B , C et D.


Dans chaque groupe, les proportions de personnes ayant fait des tudes suprieures
sont respectivement de 5%, 10%, 25% et 40%.
On choisit au hasard lun des groupes et dans le groupe choisi une personne.
1. Quelle est la probabilit que la personne choisie au hasard ait fait des tudes
suprieures ?
2. La personne choisie ayant fait des tudes suprieures, quelle est la probabilit
quelle appartienne au groupe D ?

Exercice 21

Un joueur est en prsence de deux urnes A et B : lurne A contient quatre boules


noires et trois blanches, lurne B contient trois boules noires et quatre blanches.
Le joueur choisit au hasard lune des deux urnes et y eectue une succession de

65

A. El Mossadeq

Espaces Probabiliss

tirages dune boules avec remise.


Quelle est la probabilit que la troisime boule tire soit noire sachant que les
deux premires boules tires sont noires ?

Exercice 22

On considre trois urnes U1 , U2 et U3 contenant des boules blanches et des


boules noires.
1 1
Les proportions des boules blanches dans les trois urnes U1 , U2 et U3 sont ,
3 2
1
et respectivement.
4
On eectue un tirage de trois boules : la premire de U1 , la deuxime de U2 et
la toisime de U3 .
Calculer la probabilit davoir k boules blanches, 0 k 3:

Exercice 23

Un voyageur arrive un carrefour, il sait qu cet endroit il va trouver deux


routes, une bonne et lautre non.
A ce carrefour, il y a trois frres F1 , F2 et F3 .
F1 dit la vrit une fois sur dix, F2 cinq fois sur dix et F3 neuf fois sur dix.
Le voyageur sadresse un et un seul des trois frres, il demande son chemin et
saperoit par la suite que cette route est bonne.
Quelle est la probabilit quil se soit adress F1 , F2 ou F3 ?

Exercice 24

Une partie des accidents scolaires sont des des accidents de laboratoires.
25% des tudiants ne lisent pas les notices de mise en garde qui accompagnent
les produits quils manipulent. Parmi ceux qui lisent, 10% ont tout de mme des
accidents par manque de prcaution.
Quelle est, pour un tudiant qui ne lit pas la notice, la probabilit davoir un accident si la probabilit quun accident nait pas lu la notice est 0:75 ?

66

Espaces Probabiliss

A. El Mossadeq

Exercice 25

Deux usines fabriquent les mmes pices. La premire produit 70% de bonnes et
la seconde 90%. Les deux usines fabriquent la mme quantit de pices.
1. Quel est le pourcentage des pices bonnes sur lensemble des deux usines ?
2. On achte une pice et on constate quelle est bonne. Quelle est la probabilit
quelle proviennent de la seconde usine ?

Exercice 26

On considre deux sacs S1 et S2 contenant chacun trois boules rouges et sept


boules noires.
On prend une boule dans S1 et on la place dans S2 .
Quelle est alors la probabilit de tirer une boule rouge de S2 ?

Exercice 27

1
Une usine produit des moteurs. Chacun deux a la probabilit
dtre d1000
fectueux.
Un contrle est fait. Il dcle immanquablement un moteur dfectueux, mais re1
jette un bon moteur avec la probabilit
.
100
Un moteur est rejet par le contrle. Quelle est la probabilit quil soit eectivement dfectueux.

Exercice 28

Un avion est port disparu. On pense que laccident a pu arriver aussi bien dans
nimporte laquelle de trois rgions donnes.
Notons 1
i la probabilit quon dcouvre lavion dans la rgion i sil y est
eectivement.
Quelle est la probabilit que lavion se trouve la rgion i, i = 1; 2; 3, si les
recherches dans la rgion 1 nont rien donn ?

67

A. El Mossadeq

Espaces Probabiliss

Exercice 29

Trois urnes A, B et C renferment des boules blanches et des boules noires.


Les proportions de boules blanches sont respectivement de 30%, 60% et 40%.
On tire au hasard une premire boule de lurne A, une seconde est extraite de B
ou C suivant que la premire soit blanche ou noire.
1. Quelle est la probabilit que la seconde boule soit blanche ?
2. La seconde boule est blanche. Quelle est la probabilit que la premire soit
noire ?

Exercice 30

Un examen comporte des rponses par oui ou par non.


Un tudiant connait seulement la moiti du programme. Lorsquil ne sait pas
rpondre une question, il rpond au hasard.
Quelle est la probabilit pour quune rponse soit exacte cause de ses connaissances et non cause de la chance ?

Exercice 31

Une compagnie se procure des accumulateurs chez quatre fournisseurs dirents


: 45% du premier, 25% du second, 20% du troisime et 10% du quatrime.
Dautre part, 90% des accumulateurs provenant du premier fournisseur fonctionnent bien. Les proportions sont de 85% pour le deuxime, 95% pour le troisime
et 80% pour le quatrime.
1. Calculer la probabilit quun accumulateur choisi au hasard soit dfectueux.
2. On choisit au hasard un accumulateur et on constate quil est dfectueux.
Un responsable a rme quil provient du quatrime fournisseur.
Quen pensez-vous ?

68

Espaces Probabiliss

A. El Mossadeq

Exercice 32

On considre deux urnes : lune peinte en blanc et lautre peinte en noir.


Chacune de ces deux urnes contient des boules blanches et des boules noires.
Lurne blanche contient une proportion de boules noires et lurne noire contient
une proportion de boules blanches.
On choisit une urne au hasard (probabilit p de tirer lurne blanche et q = 1 p
de tirer lurne noire) et on tire ensuite une boule de cette urne. Si la boule tire
est de la mme couleur que lurne, on tire nouveau une boule de cette urne.
Dans le cas contraire, on eectue le tirage dans lautre urne. On poursuit ce
mode de tirage, supposs tous avec remise, la neme boule est tire dans lurne
dont la couleur est celle de la (n 1)eme boules tire.
Soit pn la probabilit que la neme boule tire soit blanche, qn la probabilit que
la neme boule tire soit noire et Vn le vecteur colonne de composantes pn et qn :
1. Etablir une relation de rcurrence entre Vn et Vn 1 :
2. En dduire que :

Vn = M n V0
o M est une matrice carre et V0 est le vecteur colonne de composantes p
et q:
3. Que signie :
(a)

=0?

(b)

=1?

(c)

=1?

4. Calculer, dans chacun de ces cas, les limites de pn et qn quand n tend vers

+1:

Exercice 33

On appelle preuve, un lot de trois sujets tirs au hasard parmi cent sujets
possibles.
Un candidat doit traiter au choix lun des trois sujets.

69

A. El Mossadeq

Espaces Probabiliss

1. Combien dpreuves peut-on proposer au candidat ?


2. Un candidat se prsente en ne connaissant que la moiti des sujets. Quelle est
la probabilit pour quil sache traiter :
(a) les trois sujets ?
(b) seulement deux sujets ?
(c) un seul sujet
(d) aucun des trois sujets ?

Exercice 34

Dans une loterie de cent billets, deux billets sont gagnants.


1. Quelle est la probabilit de gagner au moins un lot si lon prend douze billets
de loterie ?
2. Combien faut-il acheter de billets pour que la probabilit de gagner au moins
un lot soit suprieure 0:8 ?

Exercice 35

On jette n fois deux ds.


1. Quelle est la probabilit pour que le double six sorte au moins une fois ?
2. Combien de fois faut-il jeter les deux ds pour parier avec avantage dobtenir
au moins une fois le double six ?

Exercice 36

On dispose de deux urnes contenant respectivement cinq boules bleues et quatre


rouges, et six boules bleues et cinq rouges. On tire une boule de chaque urne.
Quelle est la probabilit :

70

Espaces Probabiliss

A. El Mossadeq

1. de tirer deux boules rouges ?


2. de tirer deux boules bleues ?
3. de tirer une boule bleue et une boule rouge ?

Exercice 37

On lance au hasard un d dont les faces sont numrots de 1 6.


On suppose que la probabilit dapparition dun chire pair est le double de celle
dun chire impair et que les faces paires sont quiprobables.
Quelle est la probabilit dobtenir un diviseur de six ?

Exercice 38

Une urne contient six boules rouges et quatre boules blanches. On tire au hasard
deux boules sans remise. Calculer la probabilit des vnements suivants :
1. les deux boules sont rouges,
2. les deux boules sont blanches,
3. les deux boules sont de couleurs direntes.

Exercice 39

On choisit au hasard un numro de tlphone huit chires.


Calculer la probabilit des vnements suivants :
1. A : les huit chires du numro sont tous distincts.
2. B : le produit des huit chires du numro est divisible par deux.
3. C : les huit chires du numro forment une suite strictement croissante.
4. D : les huit chires du numro forment une suite croissante.

71

A. El Mossadeq

Espaces Probabiliss

Exercice 40

Les n tomes dune encyclopidie sont disposs au hasard sur une tagre.
1. Quelle est la probabilit que les tomes 1 et 2 appraissent cte cte dans cet
ordre ?
2. Quelle est la probabilit que les tomes 1 p (2

n) appraissent cte

cte dans cet ordre ?

Exercice 41

n personnes sont runies dans une mme salle.


Calculer la probabilit des vnements suivants :
1. Il ny a pas deux personnes ayant le mme jour danniversaire.
2. Deux personnes au moins ont le mme jour danniversaire.
3. Deux personnes, et deux seulement, ont le mme jour danniversaire.

Exercice 42

Le code condentiel dune carte bancaire est un nombre de quatre chires tous
non nuls.
Le code dune carte est choisi au hasard par ordinateur.
Calculer la probabilit des vnements suivants :
1. A : le code est un nombre pair
2. B : le code nest compos que de chires pairs
3. C : le code contient une et seule fois le chire 1
4. D : le code est compos de quatre chires distincts
5. E : les quatre chires du code forment une suite croissante
6. F : les quatre chires du code forment une suite strictement croissante

72

Espaces Probabiliss

A. El Mossadeq

Exercice 43

Une urne contient six boules numrotes de 1 6.


On tire successivement trois boules de lurne, sans remise.
Calculer la probabilit des vnements suivants :
1. A : la troisime boule tire porte le numro 2
2. B : la troisime boule tire porte un numro pair
3. C : la troisime boule tire porte un numro au moins gal 2

Exercice 44

On considre six boules numrotes de 1 6.


Une boite comporte six compartiments numrots de 1 6.
On place au hasard les boules, une boule par compartiment.
Quelle est la probabilit pour que quatre boules au moins soient dans le compartiment ayant le mme numro que la boule ?

Exercice 45

On dispose de trois urnes. Les deux premire urnes contiennent cinq boules
vertes et quatre rouges chacune. La troisime contient six boules vertes et quatre
rouges.
On choisit au hasard une urne dans laquelle on tire une boule. On constate que
cette boule est verte.
Quelle est la probabilit de lavoir tire de la troisime urne ?

Exercice 46

On dispose de deux pices de monnaie truques, une pice de dix dirhams et une
pice de cinq dirhams.
La probabilit dobtenir pile en lanant la pice de dix dirhams est :8 alors que
la probabilit dobtenir face en lanant celle de cinq dirhams est :7.

73

A. El Mossadeq

Espaces Probabiliss

On lance au hasard lune des deux pices et on obtient face.


Quelle est la probabilit davoir choisi celle de dix dirhams.

Exercice 47

On dispose de dix jetons : deux noirs, cinq blancs et trois bicolores (une face
blanche et une face noire).
On choisit au hasard un jeton que lon jette. La face apparente est blanche.
Quelle est la probabilit que la face cache soit blanche ?

Exercice 48

On considre une population dans laquelle 75% des cancers des poumons sont
observs chez les fumeurs.
La population contient 4% de cancers de poumons, et 60% de fumeurs.
On tire au hasard un individu de cette population.
1. Quelle est la probabilit que la personne ne fume pas et na pas de cancer ?
2. Si la personne ne fume pas, quelle est la probabilit pour quelle na pas de
cancer ?
3. Si la personne na pas de cancer, quelle est la probabilit quelle fume ?

Exercice 49

Pour prvenir lextension dune pidmie virale, on dcide de soumettre la population menace des tests. Dune faon gnrale, le rsultat de chaque test est
positif pour les porteurs de virus, ngatif pour les personnes qui ne sont pas atteintes, mais il y a des exeptions.
Le but de lexercice est de comparer deux procds de dpistage. Lun nutilisant
quun seul test, lautre consistant en la succession de deux tests identiques raliss indpendamment lun de lautre.
On choisit au hasard un individu A et on dsigne par V et T les vnements :

74

Espaces Probabiliss

A. El Mossadeq

V
T

:
:

"A est porteur de virus"


"le test appliqu A est positif"

On admet que :

P [V ] = 0:1
P [T j V ] = 0:95
P T j V = 0:03
1. Dans cette question, on tudie la procdure de contrle qui nutilise quun seul
test.
(a) Calculer la probabilit de lvnement T .
(b) Le test appliqu A sest avr ngatif.
Calculer la probabilit que A soit porteur du virus.
2. On eectue maintenant deux tests identiques. On considre lvnement :

T2 : "les deux tests appliqus A sont positifs"


(a) Si A est porteur du virus, quelle est la probabilit pour que les deux tests
appliqus A soient ngatifs ?
(b) Les deux tests ont t ngatifs. Quelle est la probabilit que A soit porteurs
du virus ?
(c) Conclure.

Exercice 50

On considre les familles deux enfants.


1. Une famille deux enfants dont au moins un garon.
Quelle est la probabilit que cette famille ait deux garons ?
2. Une famille deux enfants dont lain est un garon.
Quelle est la probabilit que cette famille ait deux garons ?

75

A. El Mossadeq

Espaces Probabiliss

Exercice 51

On dispose de dix urnes numrotes de 0 9.


Lurne k contient k boules noires et 9 k boules blanches.
On choisit une urne au hasard et sans connaitre son numro on tire deux boules
avec remise.
1. Quelle est la probabilit dobtenir deux boules noires ?
2. Les deux boules obtenues sont noires. Quelle est la probabilit quelles proviennent de lurne U5 ?
3. Le premier tirage a donn une boule noire. Quelle est la probabilit que le
second tirage donnent aussi une boule noire ?

Exercice 52

Un ascenseur dessert dix tages.


Quatre personnes prennent cet ascenceur au rez-de-chausse.
On admet que chacune de ces quatre personnes descend au hasard lun des dix
tages et que les dcisions de ces quatre personnes sont indpendantes.
1. Quelle est la probabilit que les quatre personnes sarrtent des tages diffrents ?
2. Quelle est la probabilit pour que deux, et deux seulement, sarrtent au mme
tage ?

Exercice 53

Deux joueurs A et B jouent un jeu dont la rgle est la suivante : il sagit


datteindre une cible.
1
chacun de ses essais, B a une probabilit de de toucher la cible et A une
2
1
probabilit de :
3

76

Espaces Probabiliss

A. El Mossadeq

A et B jouent tour de rle, la partie se termine ds que lun des deux joueurs
atteint la cible. Cest A qui joue le premier.
Soit pn la probabilit que A gagne son neme essai, et qn la probabilit que B
gagne son neme essai.
1. Calculer pn et qn :
2. Calculer :

Pn =

n
X

pk ; Qn =

n
X

qk

k=1

k=1

P = lim Pn ; Q = lim Qn
n!1

n!1

Que reprsente chacun de ces termes ?


3. A et B ont-ils les mmes chances de gagner ?

Exercice 54

Deux joueurs A et B jouent avec deux ds.


Le joueur A gagnera en faisant un total de 7, B en faisant un total de 6.
Cest B qui commence et ensuite A et B jettent alternativement les ds jusqu
ce que lun des deux gagne.
Quelles sont leurs probabilits de gagner ?

Exercice 55

n urnes U1 ; :::; Un contiennent respectivement 1; :::; n boules noires et rien dautre.


On choisit au hasard une urne, on y tire une boule et on la remplace par une
blanche.
Une nouveau tirage dans la mme urne donne une boule blanche.
Quelle est la probabilit pour que les tirages aient t faits dans lurne Ui ?

77

A. El Mossadeq

Espaces Probabiliss

Exercice 56

Le quart dune population a t vaccin contre une maladie.


Au cours dune pidmie, on constate quil y a parmi les malades, un vaccin
pour quatre non vaccins. On sait de plus quil y a un malade sur douze parmi
les vaccins.
1. Quelle est la probabilit de tomber malade pour un individu non vaccin ?
2. Le vaccin est-il e cace ?

Exercice 57

Une boite A contient une boule blanche et trois boules rouges.


Une boite B contient cinq boules blanches et trois boules rouges.
On tire au hasard et indpendamment une boule de lurne A et une boule de
lurne B et les change de boite.
Calculer la probabilit quaprs lchange :
1. A ne contient que des boules rouges.
2. Les deux compositions restent inchanges.

Exercice 58

On considre trois sacs. Le premier contient deux billes rouges et cinq bleues,
le deuxime contient trois billes rouges et deux bleues, alors que le troisime
contient deux billes rouges et trois noires. On coisit au hasard un sac duquel on
tire au hasard et sans remise deux billes.
1. Quelle est la probabilit dobtenir deux billes rouges ?
2. Les deux billes sont rouges. Quelle est la probabilit quil en reste une autre
bille rouge dans le sac ?
3. Sachant que la premire bille sortie est noire, quelle est la probabilit que
lautre soit rouge ?

78

Espaces Probabiliss

A. El Mossadeq

Exercice 59

On considre une suite de tirages avec remise dans une urne U choisie au hasard
parmi n + 1 urnes U0 ; :::; Un .
Soit pi , 0 i n, la probabilit de choisir lurne Ui .
On suppose que lurne Ui , 0 i n, contient n boules dont i sont noires.
1. Quelle est la probabilit dobtenir une boule noire au k eme tirage sachant que
lon a obtenu k

1 boules noires dans les k

1 tirages prcdents ?

2. Quelle est la probabilit que les tirages aient lieu dans lurne Ui sachant que
les k premiers tirages ont donn des boules noires ?

Exercice 60

On considre une urne contenant 2m boules : deux boules de la couleur C1 ,


deux boules de la couleur C2 , ..., deux boules de la couleur Cm ; les m couleurs
sont deux deux direntes.
A chaque tirage, on extrait de lurne deux boules sans remise.
1. Combien y-a-t-il de manires direntes de vider lurne ?
2. Quelle est la probabilit dobtenir deux boules de la couleur C1 au premier
tirage, deux boules de la couleur C2 au deuxime tirage, ..., deux boules de la
couleur Cm au meme tirage ?
3. En dduire la probabilit dobtenir, chacun des m tirages, deux boules de la
mme couleur.
4. Quelle est la probabilit dobtenir deux boules de de la couleur C1 au premier
tirage, deux boules de la couleur C2 au deuxime tirage, ..., deux boules de
la couleur Cm

(m

au (m

2)eme tirage, deux boules de couleurs direntes au

1)eme tirage ?

5. En dduire la probabilit dobtenir deux boules de la mme couleur au premier


tirage, deux boules de la mme couleur au deuxime tirage, ..., deux boules
de la mme couleur au (m
au (m

2)eme tirage, deux boules de couleurs direntes

1)eme tirage.

79

A. El Mossadeq

Espaces Probabiliss

6. En dduire la probabilit dobtenir chaque fois deux boules de la mme couleur


lors de (m

2) tirages seulement.

Exercice 61

Jouer au LOTO consiste cocher une combinaison de six cases sur une ou
plusieurs grilles de quarante neuf cases, numrotes de 1 49, en esprant quelle
coincidera avec la combinaison de six numros, dite gagnante, qui sera dsigne
par le hasard.
Nous ntudions pas, ici, ce qui concerne le numro complmentaire.
1. Quelle est la probabilit :
(a) davoir six bons numros :
(i) en cochant une seule grille ?
(ii) en cochant deux grilles ?
(b) Quelle est la probabilit davoir exactement k bons numros, k 2 f1; 2; 3; 4; 5; 6g,
en cochant une seule grille ?

2. On peut gnralement jouer des grilles multiples : il sagit de cocher plus


de six cases sur une grille de manire avoir plus de chances de rencontrer les
numros de la combimaison gagante.
Les tarifs proposs par la socit du LOTO sont les suivants :
grille
grille
grille
grille
grille

simple (six numros par grille sur deux grilles) :


2DH
multiple de sept numros
:
7DH
multiple de huit numros
: 28DH
multiple de neuf numros
: 84DH
multiple de dix numros
: 210DH

(a) Expliquer les tarifs des grilles multiples.


(b) Quelle est la probabilit davoir exactement k bons numros, k 2 f1; 2; 3; 4; 5; 6g,
en jouant une grille multiple de n numros, n 2 f7; 8; 9; 10g.

80

Espaces Probabiliss

A. El Mossadeq

3. La socit du LOTO NATIONAL accorde un joueur ayant choisi une grille de

n numros, n 2 f7; 8; 9; 10g, et obtenu k bons numros, k 2 f1; 2; 3; 4; 5; 6g,

(n; k) du gain correspondant lobtention de k bons


numros avec une grille simple.

un multiple entier

(a) Expliquer cette dcision.


(b) Calculer

(n; k), k 2 f1; 2; 3; 4; 5; 6g et n 2 f7; 8; 9; 10g.

Exercice 62

Karim dcide de ne plus fumer !


On admet que sil ne fume pas un jour donn, la probabilit quil ne fume pas le
lendemain est 0; 9: Mais sil fume un jour donn, la probabilit quil ne fume pas
le lendemain est 0; 2:
Dsignons par pn la probabilit que Karim ne fume pas le neme jour.
1. Exprimer pn en fonction de pn 1 :
2. Dterminer pn en foction de p1 et n:
3. Calculer la probabilit que Karim ne fume plus.

81

A. El Mossadeq

Espaces Probabiliss

Notations
Soit

un ensemble non vide.

Terminologie
ensembliste
partie pleine,
ensemble fondamental

Notation

Terminologie
probabiliste
lvnement certain

ensemble vide

lvnement impossible

partie , sous-ensemble

vnement

lment

vnement lmentaire

complmentaire de A

lvnement non A

A[B =A+B

runion de A et B

lvnement A ou B

A \ B = AB

intersection de A et B

lvnement A et B

AB = ;

A et B sont disjoints

A et B sont incompatibles

A
!2
n A = Ac = A

Notation

A
T

Ai =

i2I

i2I

Terminologie

runion de A et B supposs incompatibles

Ai

intersection de la famille (Ai )i2I

Ai

runion de la famille (Ai )i2I

i2I

Ai =
L
i2I

i2I

Ai

runion de la famille (Ai )i2I dont les


vnements sont deux deux incompatibles

82

Espaces Probabiliss

A. El Mossadeq

! E une application.
Si B est un vnement de E , on dsigne par [X 2 B] lvnement de
Soit X :

[X 2 B] = X

(B) = f! 2

j X (!) 2 Bg

En particulier, si E = R et si a et b sont deux rels, alors :

[X < a] = X

(] 1; a[) = f! 2

j X (!) < ag

[X

a] = X

(] 1; a]) = f! 2

j X (!)

[X > a] = X

(]a; +1[) = f! 2

j X (!) > ag

[X

a] = X

([a; +1[) = f! 2

j X (!)

[X = a] = X

(fag) = f! 2

ag

ag

j X (!) = ag

[a < X < b] = X

(]a; b[) = f! 2

j a < X (!) < bg

[a < X

b] = X

(]a; b]) = f! 2

j a < X (!)

[a

X < b] = X

([a; b[) = f! 2

ja

X (!) < bg

[a

([a; b]) = f! 2

ja

X (!)

b] = X

83

bg

bg

Variables Alatoires

A. El Mossadeq

1. Variables Alatoires
Dnition 1

Une variable alatoire une dimension est un ala X dni sur un espace probabilis ( ; T ;P ) valeurs dans lespace probabilisable (R; BR ), o BR est la
tribu des borliens de R.
Ainsi, limage rciproque de tout borlien B de BR est un vnement de la
tribu T :

8B 2 BR ; X

(B) 2 T

ou encore :

8B 2 BR ; [X 2 B] 2 T
Rappelons que si :

X : ( ; T ;P ) ! (R; BR )
est une variable alatoire, alors la loi PX de X dnie borlien B de BR
par :

PX [B] = P [X

(B)]

PX est une probabilit sur BR .


En particulier :
PX (] 1; x[)

(] 1; x[)]

P [X

P [X < x]

Remarque 1

Si la variable alatoire X prend ses valeurs dans un sous ensemble E de R, on


peut considrer X comme un ala sur (E; BE ), o BE est la tribu des borliens
de R contenus dans E .

87

A. El Mossadeq

Variables Alatoires

Remarque 2

Soit P une probabilit sur (R; BR ).


On peut considrer P comme la loi de lala IR , o IR est lapplication identique
de R.

2. Fonctions de Rpartition

Dnition 2

Soit :

X : ( ; T ;P ) ! (R; BR )
une variable alatoire.
On appelle fonction de rpartition de X , la fonction F dnie pour tout x dans
R par :

F (x) = PX (] 1; x[) = P [X < x]

Proposition 1

F possde les proprits suivantes :


1. (a) F prend ses valeurs dans lintervalle [0; 1]
(b) lim F (x) = 0
x! 1

(c) lim F (x) = 1


x!+1

2. F est croissante.
3. F est continue gauche

Preuve 1

1. (a) F prend ses valeurs dans lintervalle [0; 1] car PX prend ses valeurs dans
lintervalle [0; 1]

88

Variables Alatoires

A. El Mossadeq

(b) Soit (xn )n2N une suite dcroissante telle que :

lim xn =

n!1

alors la suite dintervalles (] 1; xn [)n2N est une suite dcroissante de BR

telle que :

n2N

] 1; xn [ = ;

Or PX est une probabilit donc :

lim PX (] 1; xn [) = 0

n!1

do :

lim F (xn ) = 0

n!1

Il en rsulte que :

lim F (x) = 0

x! 1

(c) Soit (xn )n2N une suite croissante telle que :

lim xn = +1

n!1

alors la suite dintervalles (] 1; xn [)n2N est une suite croissante de la


tribu BR telle que :

X
n2N

] 1; xn [ = R

Or PX est une probabilit donc :

lim PX (] 1; xn [) = PX [R] = 1

n!1

do :

lim F (xn ) = 1

n!1

89

A. El Mossadeq

Variables Alatoires

Il en rsulte que :

lim F (x) = 1

x!+1

2. Soit (x; y) 2 R2 , alors :

y =) ] 1; x[ ] 1; y[
=) PX (] 1; x[) PX (] 1; y[)
=) F (x) F (y)

3. Soit (xn )n2N une suite croissante telle que :

lim xn = a

n!1

alors la suite dintervalles (] 1; xn [)n2N est une suite croissante de la tribu

BR telle que :

X
n2N

] 1; xn [ = ] 1; a[

Or PX est une probabilit donc :

lim PX (] 1; xn [) = PX (] 1; a[)

n!1

do :

lim F (xn ) = F (a)

n!1

On en dduit que la limite gauche de F (x) au point a est F (a) :

lim F (x) = F (a)

x!a

Dsingons par F (a+) la limite droite de F (x) au point a et calculons


cette limite.
Soit (xn )n2N une suite dcroissante telle que :

lim xn = a

n!1

alors la suite dintervalles (] 1; xn [)n2N est une suite dcroissante de BR

90

Variables Alatoires

A. El Mossadeq

telle que :

n2N

] 1; xn [ = ] 1; a]

Or PX est une probabilit donc :

lim PX (] 1; xn [) = PX (] 1; a])

n!1

do :

lim F (xn )

n!1

PX (] 1; a])

F (a) + PX [fag]

On en dduit que la limite droite de F (x) au point a est :

lim F (x)

x!a+

F (a+)

F (a) + PX [fag]

Proposition 2

Pour tout (a; b) 2 R2 on a :

P [a X < b]
P [a < X < b]
P [a X b]
P [a < X b]
P [X = a]

=
=
=
=
=

F
F
F
F
F

(b) F (a)
(b) F (a+)
(b+) F (a)
(b+) F (a+)
(a+) F (a)

Preuve 2

On a :

[a; b[= ] 1; b[

] 1; a[ =) PX ([a; b[) = PX (] 1; b[)


=) PX ([a; b[) = F (b) F (a)

]a; b[ = ] 1; b[

] 1; a] =) PX (]a; b[) = PX (] 1; b[) PX (] 1; a])


=) PX (]a; b[) = F (b) F (a+)

91

PX (] 1; a[)

A. El Mossadeq

Variables Alatoires

[a; b] = ] 1; b]

] 1; a[ =) PX ([a; b]) = PX (] 1; b]) PX (] 1; a[)


=) PX ([a; b]) = F (b+) F (a)

]a; b] = ] 1; b]

] 1; a] =) PX (]a; b]) = PX (] 1; b]) PX (] 1; a])


=) PX ([a; b]) = F (b+) F (a+)

fag = ] 1; a]

] 1; a[ =) PX (fag) = PX (] 1; a]) PX (] 1; a[)


=) PX (fag) = F (a+) F (a)

Proposition 3

Soit :

F :R !R
une fonction telle que :
1. (a) F prend ses valeurs dans lintervalle [0; 1] ,
(b) lim F (x) = 0
x! 1

(c) lim F (x) = 1:


x!+1

2. F est croissante.
3. F est continue gauche
Alors F est la fonction de rpartition dune loi de probabilit unique.

Preuve 3

Admis

La loi de probabilit PX de la variable alatoire X admettant F comme


fonction de rpartition est dnie pour tout x 2 R par :

PX (] 1; x[) = F (x)

92

Variables Alatoires

A. El Mossadeq

3. Variables Alatoires Discrtes

Dnition 3

Une variable alatoire :

X : ( ; T ;P ) ! (R; BR )
est dite discrte si elle prend au plus une innit dnombrable de valeurs.
La loi PX de X est alors une loi discrte.

Il en rsulte que si X est une variable alatoire discrte dont lensemble des
valeurs est fx1 ; :::; xn ; :::g :

X ( ) = fx1 ; :::; xn ; :::g


alors la loi PX de X est entirement dnies, pour tout i 2 N , par :

pi

PX [fxi g]

P [X = xi ]

Les pi ; i 2 N ; sont appeles les probabilits lmentaires.

Supposons que fx1 ; :::; xn ; :::g sont ordonns dans le sens croissant :

x1 < ::: < xn < :::


la fonction de rpartition dune telle variable alatoire est dnie par :
8
si k = 1
>
< 0
k
1
X
F (xk ) =
>
pi si k 2
:
i=1

et pour tout x 2 R on a :

F (x) =

0
F (xk )

si
si

x x1
xk 1 < x

93

xk ; 2

A. El Mossadeq

Variables Alatoires

Dans le cas o X prend un nombre ni de valeurs x1 < ::: < xn , alors :


8
0
si k = 1
>
>
>
<
F (xk ) =
k 1
X
>
>
>
pi si 2 k n
:
i=1

et pour tout x 2 R on a :
8
0
>
>
>
>
<
F (xk )
F (x) =
>
>
>
>
:
1

si

x1

si

xk

si

x > xn

<x

xk ; 2

Exemple 1

On dit que X est une variable alatoire binomiale dordre n; n


paramtre p; 0 p 1; si pour tout k; 0 k n; on a :

pk = P [X = k] = C (n; k) pk (1

p)n

1; et de

On la note B (n; p) :
Lorsque n = 1; X est appel une variable alatoire de Bernouilli de paramtre
p:

Exemple 2

On dit que X est une variable alatoire de Poisson de paramtre a; a > 0; si


pour tout k; k 2 N; on a :

ak
pk = P [X = k] = e
k!

On la note P (a) :

94

Variables Alatoires

A. El Mossadeq

4. Variables Alatoires Continues


Dnition 4

Une variable alatoire :

X : ( ; T ;P ) ! (R; BR )
est dite continue si sa fonction de rpartition est continue.
Il en rsulte que pour tout a lment de R on a :

P [X = a] = F (a+)

F (a) = 0

5. Variables Alatoires Absolument


Continues
Dnition 5

Une variable alatoire :

X : ( ; T ;P ) ! (R; BR )
est dite absolument continue si sa loi de probabilit PX admet une densit relativement la mesure de Lebesgue sur R, cest dire, il existe une fonction
positive et intgrable f telle que lon ait pour tout x 2 R :
Z x
F (x) =
f (t) dt
1

f est appele la densit de probabilit de X .

95

A. El Mossadeq

Variables Alatoires

La fonction de rpartition F est continue en vertu de la continuit de


lintgrale par rapport la borne suprieure dintgration.
De plus, en tout point x 2 R o F est drivable on a :

f (x) = F 0 (x)
La condition :

PX [R] = 1
se traduit par :

+1

f (t) dt = 1
1

Rciproquement, si f est une fonction positive et intgrable telle que :


Z +1
f (t) dt = 1
1

on obtient une fonction de rpartition vriant les conditions 1., 2.,et 3. de


la proposition 2. en posant :

F (x) =

f (t) dt
1

F est donc la fonction de rpartition dune loi de probabilit unique admettant f comme densit de probabilit.

Exemple 3

On dit quune variable alatoire X suit la loi uniforme sur lintervalle [a; b] si elle
possde une densit de probabilit dnie par :

f (x)

(x)
b a [a;b]
8
1
>
>
si
<
b a
>
>
: 0
si
96

x 2 [a; b]
x2
= [a; b]

Variables Alatoires

A. El Mossadeq

y 0.15

0.10

0.05

-4

-3

-2

-1

La densite de loi unif orme sur [ 4; 4]

Sa fonction de rpartition est dnie par :

8
>
F (x) = 0
>
>
>
>
>
<
x
F (x) =
>
b
>
>
>
>
>
: F (x) = 1

a
a

si

si

si

Exemple 4

On dit quune variable alatoire X suit une loi normale ou de Gauss ou de


Laplace-Gauss, de paramtres 2 R et 2 > 0, quon note N ; 2 , si sa
densit de probabilit est dnie pour tout x 2 R par :

1
f (x) = p exp
2

97

1
2

A. El Mossadeq

Variables Alatoires

0.4

0.3

0.2

0.1

-1

La densite de la loi N (2; 1)


y

1.0
0.8
0.6
0.4
0.2

-1

La f onction de repartition de N (2; 1)

Exemple 5

On dit quune variable alatoire X suit une loi exponentielle de paramtre ,


> 0, quon note ( ), si sa densit de probabilit est dnie par :
8
< e x si x > 0
f (x) =
:
0
si x 0

98

Variables Alatoires

A. El Mossadeq

0.4

0.3

0.2

0.1

0.0

La densite de la loi
Sa fonction de rpartition est donne par :
Z x
F (x) =
f (t) dt
1

0
e

(0:4)

si
si

x
x

0
0

1.0

0.9

0.8

0.7

0.6
0

La f onction de repartition de

99

(0:4)

10

A. El Mossadeq

Variables Alatoires

6. Changements de Variables
Considrons une variable alatoire X dnie sur un espace probabilis ( ; T ;P ) de
fonction de rpartition FX , et soient a et b deux rels tels que a soit non
nul.
Proposition 4

1. Si a est positif alors :

FaX+b (x) = FX

b
a

2. Si a est ngatif alors :

FaX+b (x) = 1

FX

b
a

3. Si X est absolument continue de densit fX alors :

faX+b (x) =

1
fX
jaj

b
a

Preuve 4

1. Si a est positif alors :

FaX+b (x)

=
=
=

P [aX + b < x]
x b
P X<
a
x b
FX
a

2. Si a est ngatif alors :

FaX+b (x)

=
=

P [aX + b < x]
x b
P X>
a

100

Variables Alatoires

A. El Mossadeq

FaX+b (x)

P X

FX

b
a

b
a

3. Supposons que X admette une densit f :

Si a est positif alors :

FaX+b (x)

FX

=
Or la fonction :

7 !

b
a

x b
a

fX (t) dt
1
x

1
fX
1 a

R
1
fX
a

b
a

du

b
a

est une densit de probabilit, donc cest la densit de la variable alatoire

aX + b, do :
1
faX+b (x) = fX
a

b
a

Si a est ngatif alors :

FaX+b (x)

=
=
=

1
Z
Z

FX

b
a

+1
x b
a

x
1

101

fX (t) dt
1
fX
a

b
a

du

A. El Mossadeq

Variables Alatoires

Or la fonction :

7 !

1
fX
a

b
a

est une densit de probabilit, donc cest la densit de la variable alatoire

aX + b, do :
1
fX
a

faX+b (x) =

b
a

Ainsi, la densit faX+b de aX + b est :

1
fX
jaj

faX+b (x) =

b
a

Exemple 6

Soit X une variable alatoire normale N

Y =

et considrons la variable :

La loi de probabilit de Y , dite la loi normale centre rduite N (0; 1) a pour


densit :
1 2
1
x
f (x) = p exp
2
2
y

0.4
0.3
0.2
0.1

-3

-2

-1

La densite de la loi N (0; 1)

102

Variables Alatoires

A. El Mossadeq

Considrons maintenant une transformation S :

7 !

R
y = S (x)

telle que :

(i) S est une transformation bijective


(ii) S est continment drivable
(iii) la drive de S est non nulle
et supposons que la variable alatoire X soit absolument continue de densit

fX :
Proposition 5

La densit fS

de S

X est donne pour tout y 2 R par :


fS

(y) = fX S

(y)

dx
dS

Preuve 5

Pour tout borlien B 2 BR on a :

PS

[B]

=
=

PX S
Z
S

(B)

fX (x) dx

1 (B)

fX S

(y)

dx
dy
dS

daprs le thorme de changement de variable dans une intgrale.


Et comme la fonction :

7 !

R
fX S

103

(y)

dx
dS

A. El Mossadeq

Variables Alatoires

est une densit de probabilit, donc cest la densit de la variable alatoire S X ,


do :
dx
fS X (y) = fX S 1 (y)
dS

Exemple 7

Soit X une variable alatoire absolument continue dont la densit de probabilit


f est la fonction caractristique sur lintervalle [0; 1] :

f (x) =

8
< 1
:

si

x 2 [0; 1]

si

x2
= [0; 1]

Dterminons la loi de probabilit de la variable alatoire :

U=

2 ln X

On a alors :

X = exp

U
2

do :

dx
=
du

1
exp
2

u
2

Ainsi, pour tout u 2 R, la densit fU de U est :

fU (u)

=
=
=

fX exp
1
exp
2
1
exp
2

104

u
2
u
2
u
2

dx
dy
[0;1]

exp

]0;+1[ (u)

u
2

Variables Alatoires

A. El Mossadeq

7. Les Moments
Dnition 6

Soient ( ; T ;P ) un espace probabilis et X une variable alatoire P -intgrable


dnie sur cet espace.
On appelle esprance mathmatique de X , ou moyenne de X , quon note E [X],
le nombre rel :
Z
E [X] =
XdP
Z
=
xdPX
R

Il rsulte de cette dnition que :

(i) si X est une variable alatoire discrte prenant les valeurs x1 ; :::; xn ; :::
avec les probabilits lmentaires p1 ; :::; pn ; ::: alors :
E [X] =

1
X

xk pk

k=1

(ii) si X est une variable alatoire absolument continue de densit f alors :


Z
E [X] =
xf (x) dx
R

Exemple 8

Soit X une variable alatoire de Poisson paramtre a, a > 0, on a :

pk

=
=

P [X = k]
ak a
e ; k2N
k!

105

A. El Mossadeq

Variables Alatoires

Lesprance mathmatique de X est :

E [X]

1
X

k=1
1
X

kpk
k

k=1

ak
e
k!

Exemple 9

Soit X une variable alatoire qui suit une loi exponentielle de paramtre
8
si x 0
< f (x) = 0

f (x) = e

Son esprance mathmatique est :

E [X]

=
=

si

x>0

xf (x) dx

ZR+1

xe

dx

Proposition 6

Soient ( ; T ;P ) un espace probabilis, X


dnie sur cet espace, et g une variable
(R; BR ; PX ).
Alors :
Z
E [g X] =
Z
=

une variable alatoire P -intgrable


alatoire PX -intgrable dnie sur

106

g XdP
g (x) dPX

Variables Alatoires

A. El Mossadeq

Preuve 6

Daprs le thorme de transfert de mesure on a :


Z
E [g X] =
g XdP
Z
=
g (x) dPX
R

Il rsulte de cette proposition que :

(i) si X est une variable alatoire discrte prenant les valeurs x1 ; :::; xn ; :::
avec les probabilits lmentaires p1 ; :::; pn ; ::: respectivement alors :
1
X

E [g X] =

g (xk ) pk

k=1

(ii) si X est une variable alatoire absolument continue de densit f alors :


E [g X] =

g (x) f (x) dx

Exemple 10

Considrons la fonction dnie par :

g:

R !R
x 7 ! xk

o k est un entier naturel non nul, alors :

E [g X] = E X k
est appel le moment dordre k de X .

107

A. El Mossadeq

Variables Alatoires

Ainsi :

(i) si X est une variable alatoire discrte prenant les valeurs x1 ; :::; xn ; :::
avec les probabilits lmentaires p1 ; :::; pn ; ::: respectivement alors :
E [g X] =

1
X

xki pi

i=1

(ii) si X est une variable alatoire absolument continue de densit f alors :


Z
E [g X] =
xk f (x) dx
R

Proposition 7

1. Si :

X : ( ; T ;P ) ! (R; BR )
est une variable alatoire telle que :

X (!) = a
pour tout ! 2
Alors :

, o a 2 R.

E [X] = a
2. Si :

X : ( ; T ;P ) ! (R; BR )
est une variable alatoire positive alors E [X] est positive.
3. Si X1 ; :::; Xn sont des variables alatoires dnies sur ( ; T ;P ) et P -intgrables,
et si a1 ; :::; an sont des constantes relles alors :
" n
#
n
X
X
E
ai Xi =
ai E [Xi ]
i=1

i=1

108

Variables Alatoires

A. El Mossadeq

Preuve 7

1. Soit la variable alatoire X :

( ; T ;P )

7 !

(R; BR )
a

o a est une constante relle.


Alors :

E [X] =
2. On a :

XdP = aP [ ] = a

0 =)

XdP

=) E [X]
3. On a :

"

n
X
i=1

ai Xi

=
=
=

i=1

ai

Xi dP

Z "X
n
n
X

i=1
n
X

ai Xi dP

ai E [Xi ]

i=1

Dnition 7

Soit

X : ( ; T ;P ) ! (R; BR )

une variable alatoire telle que X k , k

1, soit P -intgrable.

109

A. El Mossadeq

1. E [X] =

Variables Alatoires

est lesprance mathmatique ou la moyenne de X .

2. Le moment dordre k de X est :

E X

X k dP

3. Le moment dordre k de X par rapport a est :


h
i Z
k
E (X a) =
(X a)k dP
4. Le moment centr dordre k de X est :
i Z
h
k
(X
E (X
) =

)k dP

5. Lcart absolu dordre k de X relativement a est :


i Z
h
k
E jX aj =
jX ajk dP
6. La variance de X , quon note V [X], est :
h
V [X] = E (X
7. Lcart-type, not

[X], est la racine carre de la variance :


p
[X] = V [X]

8. X est dite centre si :

E [X] = 0
9. X est dite rduite si :

V [X] = 1
10. X est dite centre rduite si :
8
< E [X] = 0
et
:
V [X] = 1

110

Variables Alatoires

A. El Mossadeq

Proposition 8

Soit

X : ( ; T ;P ) ! (R; BR )

une variable alatoire telle que X 2 soit P -intgrable.


1. La variance de X est :

V [X] = E X 2

2. Si a et b sont des rels alors :

V [aX + b] = a2 V [X]
3. La variable :

Y =

E [X]
[X]

est centre rduite


Preuve 8

1. On a :

V [X]

E (X

E X2

E X2

2.

V [aX + b]

=
=
=

2 X+

E ((aX + b) (a + b))
h
i
2
E (a (X
))
a2 V [X]

111

A. El Mossadeq

Variables Alatoires

3. On a :

E [Y ] = E

E [X]
=0
[X]

donc Y est centre.


Dautre part :

V [Y ] = E Y 2 = E

"

E [X]
[X]

=1

do Y est centre rduite.

8. Fonctions Caractristiques

Dnition 8

Soit X une variable alatoire dnie sur un espace de probabilit ( ; T ;P ).


On appelle fonction caractristique de X la fonction X dnie pour tout t 2 R
par :
X

(t) = E [exp itX]

Il rsulte de cette dnition que :

(i) si X est une variable alatoire discrte prenant les valeurs x1 ; :::; xn ; :::
avec les probabilits lmentaires p1 ; :::; pn ; ::: alors :
X

(t) = E [exp itX] =

1
X

exp (itxk ) pk

k=1

(ii) si X est une variable alatoire absolument continue de densit f alors :


Z
exp (itx) f (x) dx
X (t) = E [exp itX] =
R

112

Variables Alatoires

A. El Mossadeq

Remarque 3

La fonction caractristique dune variable alatoire X nest autre que la transforme de Fourier de la mesure PX :

Exemple 11

Soit X une variable alatoire de Bernouilli de paramtre p.

p)1

p (k) = pk (1

; k 2 f0; 1g

Sa fonction caractristique est :


X

(t)

E [exp itX]
1
X
exp (itk) p (k)

k=0

(1

p) + p exp it

Exemple 12

Soit X une variable alatoire qui suit la loi uniforme sur lintervalle [a; b] :

f (x) =

1
b

; x 2 [a; b]

Sa fonction caractristique est :


X

(t)

=
=
=
=

E [exp itX]
Z
exp (itx) f (x) dx
R
Z b
1
exp (itx) dx
a
a b
exp (ibt) exp (iat)
i (b a) t

113

A. El Mossadeq

Variables Alatoires

Proposition 9

Soit :

X : ( ; T ;P ) ! (R; BR )
une variable alatoire.
1. (a)

(b) j
(c)

est continue

Xj
X

(0) = 1

2. Si a et b sont deux rels, alors :


aX+b (t)

= exp (ibt)

(at)

3. Si Y est une variable alatoire dnie sur lespace de probabilit ( ; T ;P ) et


si Y est indpendante de X , alors :
X+Y

4. Si les variables alatoires X; X 2 ; :::; X n sont intgrables, alors


continment direntiables et lon a pour tout k , 1 k
h
i
(k)
k
X (t) = E (iX) exp (itX)
i
h
(k)
k
X (0) = E (iX)

5. Si X est absolument continue de densit fX alors :


Z +1
1
fX (x) =
exp ( itx) X (t) dt
2
1
Preuve 9

1. (a)

est continue car la fonction :

7 !

R
exp (itx)

est PX -intgrable pour tout t 2 R.


114

n:

est n fois

Variables Alatoires

A. El Mossadeq

(b) On a :

Xj

1
(c) Par continuit de

exp itxdPX

jexp itxj dPX

on obtient :
X

(0) = 1

2. On a :
aX+b (t)

= E [exp it (aX + b)] = exp (ibt)

(at)

3. Si X et Y sont indpendantes, alors les variables alatoires exp (itX) et

exp (itY ) sont indpendantes, do :


X+Y

(t)

E [exp it (X + Y )]

E [(exp itX) (exp itY )]

E [(exp itX)] E [(exp itX)]

(t)

(t)

4. En drivant sous le signe intgrale, on obtient :


h
i
(k)
k
X (t) = E (iX) exp (itX)
pour tout k , 1

n:

En particulier :
(k)
X (0)

= E (iX)

5. Daprs la formule dinversion de Fourier, on a :


Z +1
1
fX (x) =
exp ( itx)
2
1
pour tout x 2 R:

115

(t) dt

A. El Mossadeq

Variables Alatoires

9. Fonctions Gnratrices
Dnition 9

Soit X une variable alatoire discrte prenant les valeurs 0; :::; n; ::: avec les probabilits lmentaires p0 ; :::; pn ; :::
On appelle fonction gnratrice de X , ou la gnratrice de Laplace de X , la
fonction GX dnie pour tout z 2 C par :

GX (z)

=
=

E zX
1
X
z k pk
k=0

Remarque 4

Pour une telle variable alatoire on a :


X

(t) = GX (exp it)

pour tout t 2 R.
Remarque 5

Puisque :

GX (1)

1
X

pk

k=0

la srie entire est uniformment convergente pour jzj


vergence est donc suprieur ou gal 1.

116

1. Son rayon de con-

Variables Alatoires

A. El Mossadeq

Exemple 13

Soit X une variable alatoire de Bernouilli de paramtre p :

p)1

p (k) = pk (1

; k 2 f0; 1g

Sa fonction gnratrice est :

GX (z)

E zX
1
X
z k p (k)

=
=

k=0

(1

p) + pz

Proposition 10

Soit X une variable alatoire discrte prenant les valeurs 0; :::; n; ::: avec les probabilits lmentaires p0 ; :::; pn ; ::: et GX sa fonction gnratrice.
1. Pour tout k 2 N on a :

(k)

GX (0) = k!pk
2. Si le rayon de convergence est strictement suprieur 1, on a :

E [X (X
En particulier :

1) ::: (X

8
< E [X] = G0X (1)
:

(k)

k + 1)] = GX (1)

E X 2 = G00X (1) + G0X (1)

117

A. El Mossadeq

Variables Alatoires

Preuve 10

1. On a :

GX (z)

1
X

n=0
k 1
X

z n pn
n

z pn + z pk +

n=0

do :

1
X

z n pn

n=k+1

(k)

GX (0) = k!pk
2. On a :
(k)
GX (z)

1
X

n (n

k + 1) z (n

1) :: (n

k)

pn

n=0

do :

(k)
GX (1)

1
X

n (n

1) :: (n

k + 1) pn

n=0

E [X (X

1) ::: (X

k + 1)]

Il en rsulte que :

E [X] = G0X (1)


et :

E X2

E [X (X

G00X (1) + G0X (1)

118

1)] + E [X]

Variables Alatoires

A. El Mossadeq

10. Ingalit de Bienaym-Tchebychev


Proposition 11

Soit :

X : ( ; T ;P ) ! (R; BR )
une variable alatoire admettant une moyenne
Pour tout rel t strictement positif on a :

et une variance non nulle

1
t2

j>t ]

P [jX

Preuve 11

Pour tout rel t strictement positif on a :


Z
V [X] =
(X
Z
[jX

(t )2

)2 dP

Zj>t

[jX

)2 dP

(X

dP
j>t ]

j>t ]

(t ) P [jX
do lingalit.

Remarque 6

En posant :

t ="
lingalit scrit aussi :
Pour tout rel " strictement positif on a :
2

P [jX

j > "]

119

"2

A. El Mossadeq

Variables Alatoires

11. Exercices

Exercice 1

Soit une variable discrte qui prend des valeurs entires comprises entre 1 et 9
avec les probabilits :

pk = P [X = k] = ak (10

k)

1. Calculer la constante a:
2. Calculer lesprance mathmatique et la variance de X:
On rappelle que si :

Sk =

n
X

ik

i=1

alors :

S1

S2

S3

S4

n (n + 1)
2
n (n + 1) (2n + 1)
6
2
S1
n (n + 1) (2n + 1) 3n2 + 3n + 1
30

Exercice 2

Au cours dune exprience, des rats doivent choisir entre quatre portes dapparence
identique dont lune est dite bonne, et les autres dites mauvaises.
Chaque fois quil choisit la mauvaise porte, le rat reoit une dcharge lectrique
dsagrable et est ramen son point de dpart, et cela jusqu ce quil choisisse la bonne porte.
Le nombre dessais eectus par le rat est une variable alatoire X:

120

Variables Alatoires

A. El Mossadeq

On envisage trois hypothses :

(i) le rat na pas de mmoire : il choisit de faon quiprobable entre les


quatre portes,
(ii) le rat a une mmoire immdiate : chaque nouvel essai, il vite la mauvaise porte choisie lessai prcdent, et il choisit de faon quiprobable
entre les trois portes,
(iii) le rat a une bonne mmoire : chaque essai, il vite toutes les mauvaises
portes choisies prcdemment et il choisit de faon quiprobable entre
celles quil na pas encore essayes.
Dterminer, sous chacune de ces hypothses, la loi de probabilit de X
et son esprance mathmatique.

Exercice 3

On jette deux ds parfaitement quilibrs.


Soient X et Y les variables alatoires uniformes associes chacun des deux ds.
1. Dterminer la loi de probabilit de la variable alatoire :

Z =X +Y
Calculer lesprance mathmatique et la variance de Z:
2. Dterminer la loi de probabilit de X sachant que [Z = 5] :

Exercice 4

On lance un d parfaitement quilibr dont les faces sont numrots de 1 6 et


on note X la variable alatoire gale au nombre alatoire obtenu.
Si X est divisible par 3, on extrait simultanment trois boules dune urne A
contenant trois boules blanches et cinq boules noires. Sinon, on extrait simultanment X boules dune urne B contenant deux boules blanches et trois boules
noires.
Soit Y la variable alatoire gale au nombre de boules blanches obtenues.

121

A. El Mossadeq

Variables Alatoires

1. Dterminer la loi de probabilit de la variable alatoire Y , son esprance mathmatique et sa variance.


2. Calculer la probabilit que le tirage ait t eectu de lurne A sachant que
lon a obtenu deux boules blanches.

Exercice 5

Une urne contient une boule bleue, une boule noire et une boule rouge.
On eectue de cette urne des tirages successifs dune boule avec remise.
On dsigne par X la variable alatoire prenant pour valeur le nombre de boules
tires quand, pour la premire fois, deux couleurs exactement ont t obtenues.
Dterminer la loi de probabilit de X .

Exercice 6

Un forain propose un jeu : A tout les coups on gagne.


Chaque joueur fait tourner deux petites roues divises chacune en dix secteurs
gaux.
On suppose que les deux roues sont indpendantes et que les probabilits darrt
de chaque roue sur chaque secteur sont gales.
La premire a trois secteurs rouges et sept blancs et la deuxime a un secteur
noir et neuf blancs.
Lorsque les deux roues sarrtent lune sur le rouge et lautre sur le noir, le joueur
gagne un gros lot qui revient au forain 20DH ; lorsque lune des deux roues
seulement sarrtent sur le blanc, le joueur gagne un lot qui revient au forain
2DH ; lorsque les deux roues sont sur le blanc, le joueur gagne un lot qui revient
au forain 1DH .
Le forain fait payer un montant de mDH , m 2 N , pour chaque partie.
Dsignons par X la variable alatoire qui, chaque partie, associe le bnce du
forain sur cette partie.
1. Dterminer la loi de probabilit de X .
2. Quelle valeur le forain doit-il donner m pour avoir une esprance de bnce
gale au moins un dirham ?

122

Variables Alatoires

A. El Mossadeq

Exercice 7

Pour

2 ]0; 1[ et n 2, on dnit la suite (pk )1 k n par :


8
) min (k; n k) si 1 k n
< Cn (1
pk =
:
si k = n

o Cn est une constante positive.


Dterminer Cn pour que la suite (pk )1

k n

soit une loi de probabilit.

Exercice 8

Soit X une variable alatoire qui suit la loi gomtrique de paramtre :


Soit r 2 N et posons :

Y
Z

=
=

min (r; X)
max (r; X)

Dterminer les lois de probabilit de Y et Z:

Exercice 9

Une urne renferme dix boules numrotes de 1 10, indiscernables au toucher.


On tire, au hasard, deux boules avec remise de cette urne.
On considre les variables alatoires :
X : le plus grand des deux nombres ports par les deux boules.
Y : le plus petit des deux nombres ports par les deux boules.
Z = X Y:
1. Si F est la fonction de rpartition de X , montrer que pour tout k 2 f1; :::; 10g
on ait :

1)2
F (k) =
100
2. En dduire la loi de probabilit de X , son esprance mathmatique et sa
variance.
(k

123

A. El Mossadeq

Variables Alatoires

3. Dterminer la loi de probabilit de Y , son esprance mathmatique et sa


variance.
Les variables alatoires X et Y sont-elles indpendantes ?
4. Dterminer la loi de probabilit de Z , son esprance mathmatique et sa
variance.
5. Sous lhypothse [Z = 4], dterminer les lois de probabilits conditionnelles de

X et Y ainsi que leurs esprances mathmatiques.

Exercice 10

Soit une urne contenant une boule rouge, deux boules noires et trois boules
jaunes.
on extrait successivement et sans remise quatre boules de cette urne.
Dsignons par X la variable alatoire prenant pour valeurs le rang du tirage aprs
lequel, pour la premire fois, il ne reste que deux couleurs dans lurne.
Dterminer la loi de probabilit de X et son esprance mathmatique.

Exercice 11

Un joueur entreprend une partie de roulette en misant constamment sur les


chances simples. Il a donc, chaque partie, une probabilit p de doubler sa mise
et une probabilit 1 p de la perdre.
Commenant par miser un dirham, il double sa mise aussi longtemps quil perd
et sarrte ou recommence un dirham ds quil a gagne.
1. Montrer que dans ces conditions, il gagnera exactement un dirham chaque fois
que le sort lui sera favorable.
2. Trouver la loi de probabilit de la variable alatoire X gale au nombre de
coups ncessaires pour gagner un dirham.
Calculer lesprance mathmatique et la variance de X:

124

Variables Alatoires

A. El Mossadeq

3. Trouver la loi de probabilit de la variable alatoire Xn gale au nombre de


coups ncessaires pour gagner n dirhams.
Calculer lesprance mathmatique et la variance de Xn :

Exercice 12

Peut-on considrer les expressions suivantes comme des densits de probabilit


de variables alatoires :
1
1. f1 (x) =
si a x b et f1 (x) = 0 ailleurs.
b a
jxj
2. f2 (x) = 2 si a x a et f2 (x) = 0 ailleurs.
a
1
3. f3 (x) = si 1 x e et f3 (x) = 0 ailleurs.
x
4. f4 (x) = a exp ax si x 0 et f4 (x) = 0 ailleurs.
5. f5 (x) = 2x exp x2 si x 0 et f5 (x) = 0 ailleurs.
1
6. f6 (x) =
, x 2 R.
(1 + x2 )
7. f7 (x) =

1
exp
2

jxj , x 2 R:

Exercice 13

Pour quelles valeurs du paramtre , les exprssions suivantes peuvent tre considres comme des densits de probabilit de variables alatoires :
1. f1 (x) =
2. f2 (x) =

si 0

si 0

x
x

et f1 (x) = 0 ailleurs.
et f2 (x) = 0 ailleurs.

1
(4 x) si 0 x
et f3 (x) = 0 ailleurs.
8
2
x
4. f4 (x) =
si
x 2 et f4 (x) = 0 ailleurs.
2
3. f3 (x) =

5. f5 (x) = x exp x2 si x

0 et f5 (x) = 0 ailleurs.

125

A. El Mossadeq

Variables Alatoires

Exercice 14

Soient a 2 ]1; +1[ et X une variable alatoire absolument continue dont la


densit de probabilit f est dnie par :
8
K
>
< 2 (x + ln x) si x 2 [1; a]
x
f (x) =
>
:
0
si x 2
= [1; a]

1. Calculer la constante K.

2. Calculer lesprance mathmatique et la variance de X:

Exercice 15

Soit X une variable alatoire absolument continue de densit de probabilit :


8
< Kx (4 x) 0 x 4
f (x) =
:
0
ailleurs

1. Calculer la constante K.

2. Dterminer la fonction de rpartition de X .


3. Dterminer la probabilit des vnements :

[1

2]

[X > 3 j X > 2]
4. Calculer lesprance mathmatique et la variance de X:
5. Dterminer la densit de probabilit de la variable alatoire :
p
Z= X

Exercice 16

Soit X une variable alatoire absolument continue de densit de probabilit f


dnie par :

126

Variables Alatoires

A. El Mossadeq

f (x) =

8
< 1
:

jxj

jxj

ailleurs

1. Tracer le graphe de f , et vrier que f est bien une densit de probabilit.


2. Dterminer la fonction de rpartition de X .
3. Calculer lesprance mathmatique et la variance de X:
4. On dnit la valeur mdiane m comme lunique solution de lquation :

1
2
et le mode xM la valeur pour laquelle la densit f est maximale.
Dterminer m et xM :
F (x) =

5. Calculer la probabilit des vnements :

1
2

jXj >

1
2

1
4

Exercice 17

Soit X une variable alatoire absolument continue de densit de probabilit f


dnie par :
8
si x 0
>
< 0
f (x) =
>
: x exp x si x > 0
b2
b

1. Si x = 2 est lunique valeur du mode, dterminer le paramtre b:


2. Calculer le moment dordre k de X , k

1:

En dduire lesprance mathmatique et la variance de X:

127

A. El Mossadeq

Variables Alatoires

3. Calculer le coe cient de variation de X dni par :

V1 [X] =

[X]
E [X]

Exercice 18

Soit X une variable alatoire absolument continue dnie par :

A
; x a
x
o X reprsente le revenu par habitant, a le revenu minimum et
dpendant du type du pays o lon se place.
P [X

x] =

un coe cient

1. Soit F (x) la probabilit pour que le revenu dune personne, tire au hasard
dans un pays donn, soit infrieur x:
Quelle condition doit satisfaire la constante A pour que F soit une fonction
de rpartition ?
2. Trouver la densit de probabilit f:
3. Quelle condition doit-elle satisfaire pour que le moment dordre k existe ?
4. Chercher la loi de probabilit de la consommation dnie par :

C= X
o

et

sont des constantes donnes.

Calculer lesprance mathmatique et la variance de C:

Exercice 19

Soit X uneh variable


i alatoire absolument continue suivant la loi uniforme sur
lintervalle
;
:
2 2
Dterminer la densit de probabilit de la variable :

Y = tan X
Y admet-elle un moment dordre 1 ? Que peut-on conclure ?

128

Variables Alatoires

A. El Mossadeq

Exercice 20

Soit X une variable alatoire absolument continue dont la densit de probabilit


f est la fonction caractristique sur lintervalle [0; 1] :
Dterminer les lois de probabilit des variables alatoires :
1. Y = sin X:
2
2. Z = (b a) X + a:
3. U =

2 ln X:

Exercice 21

Soit

un nombre rel et f la fonction de R dans R dnie par


8
si x < 0
< 0
f (x) =
:
2 [x] si x 0

o [x] dsigne la partie entire de x:


1. Calculer

pour que f soit la densit de probabilit dune variable alatoire

absolument continue X .
2. Calculer lesprance mathmatique de X .

Exercice 22

On dsigne par X la variable alatoire reprsentant le nombre dexemplaires


vendus mensuellement par un diteur et on suppose que X suit la loi uniforme
sur lintervalle [a; b] :

f (x) =

si a x b
b a
Lditeur produit un nombre k dexemplaires par mois.
Sur tout exemplaire vendu, il ralise un bnice de dirhams et sur tout exemplaire invendu, il subit une perte de dirhams.
1. Dterminer le prot moyen de lditeur.
2. Dterminer la production k qui maximise le prot.

129

A. El Mossadeq

Variables Alatoires

3. Application numrique :

a = 1000

b = 2000

= 2DH

= 1DH

Exercice 23

Soit X une variable alatoire absolument continue dont la densit de probabilit


f est une fonction continue telle que pour tout x 2 R on ait :

f (x) = f (b

x)

o b est un rel donn.


On suppose que lesprance mathmatique de X existe.
Calculer cet esprance en fonction de b.

Exercice 24

On tudie la dure T des communications tlphoniques urbaines et lon trouve


que cette dure suit une loi exponenetielle donne par la densit :
8
t 0
< 0
f (t) =
:
exp kt t > 0

1. Quelle relation doit vrier

et k pour que f soit eectivement une densit

de probabilit ?
2. Quelle est la fonction de rpartition de T ?
3. Calculer la fonction caractristique de T .
4. En dduire la dure moyenne dune communication tlphonique ainsi que son
cart-type.
5. Quelle valeur faut-il donner k pour que la probabilit quune communication
ne dpasse pas trois minutes soit gale 0:01 ?

130

Variables Alatoires

A. El Mossadeq

Exercice 25

On considre la fonction f dnie par :

f (x) =
o

1
ln
2
jxj

; ] (x)

est un paramtre rel strictement positif.

1. Montrer que f est la densit de probabilit dune variable alatoire X:


2. Dterminer la fonction de rpartition de X:
3. Calculer le moment dordre k de X:
En dduire la variance de X:

Exercice 26

Soit X une variable alatoire dont la fonction de rpartition est donne par :

1 t
e ] 1;0] (t) + 2 e t ]0;+1] (t)
2
Dterminer la fonction de rpartition puis la densit de probabilit de la variable
alatoire :
FX (x) =

Y = jXj
Exercice 27

Dterminer la fonction gnratrice et la fonction caractristique :


1. dune variable alatoire binomiale dordre n et de paramtre p,
2. dune variable alatoire de Poisson de paramtre .

Exercice 28

On suppose quun vnement peut se produire partir de linstant 0:


On note X la variable alatoire telle que [X < t] indique que lvnement sest
produit avant linstant t et G (t) la probabilit pour que lvnement ne se produise pas dans lintervalle [0; t[.
On suppose que :

131

A. El Mossadeq

Variables Alatoires

(i) G est drivable et G (0) = 1:


(ii) P [X < t + dt j X

t] = dt

1. Trouver une relation entre G (t + dt) et G (t) :


2. En dduire G (t) :
3. Dterminer la fonction de rpartition de X ainsi que sa densit de probabilit.

Exercice 29

1. Soit :

X : ( ; T ;P ) ! (R; BR )
une variable alatoire admettant une moyenne

et un cart-type non nulle :

Dmontrer que pour tout rel t strictement positif on a :

1
t2
2. Dune urne contenant, en nombre gal, des boules blanches et des boules
noires, on extrait successivement six boules avec remise. On marque deux
points pour une boule blanche et cinq points pour une boule noire.
Soit X la variable alatoire gale au nombre de boules blanches tires et S la
P [jX

j>t ]

somme des points obtenus.


(a) Dterminer la loi de probabilit de X , son esprance mathmatique et sa
variance.
(b) Exprimer S en fonction de X , puis dterminer la loi de probabilit de S ,
son esprance mathmatique et sa variance.
(c) En utilisant lingalit de Bienaym-Tchebychev, dterminer un majorant
des probabilits de chacun des vnements :

[jS

E (S)j > 5]

[jS

E (S)j > 10]

132

Variables Alatoires

A. El Mossadeq

(d) Calculer eectivement les probabilits de ces vnements.


Que constate-on ?

Exercice 30

La longvit dune abeille ouvrire est une variable alatoire T dont la densit de
probabilit est dnie par :
8
t 0
< 0
f (t) =
: 2
t exp ( t) t > 0

1. Sachant que la longvit moyenne est de 60 jours, calculer


2. Soit Y la longvit moyenne de 1000 abeilles ouvrires.
Dterminer t telle que :

P [jY

50j > t]

0:01

(a) en utilisant lingalit de Bienaym-Tchebychev,


(b) en utilisant une approximation par la loi normale.

133

et :

Vecteurs Alatoires

A. El Mossadeq

1. Vecteurs Alatoires
Dnition 1

Un vecteur alatoire n dimensions, ou une variable alatoire n dimensions


est un ala dni sur un espace probabilis ( ; T ;P ) valeurs dans (Rn ; BRn ),
o BRn est la tribu des borliens de Rn .
Soit

i,

n, la ieme projection de Rn sur R, et posons :

Xi =

Pour tout borlien B 2 BR on a :

Xi 1 [B]

X)

[B]

1
i [B]
i 1

Rn

donc Xi 1 [B] est un vnement de T .

Il en rsulte que pour tout i, 1

n, lapplication :

Xi : ( ; T ;P ) ! (R; BR )
est une variable alatoire une seule dimension dnie sur ( ; T ;P ).

La donne dun vecteur alatoire n dimensions X quivaut donc la


donne de n variables alatoires une dimension X1 ; :::; Xn qui sont ses
composantes.
On note :

X = (X1 ; :::; Xn )
et pour tout ! 2

on a :

X (!) = (X1 (!) ; :::; Xn (!))


Si lon dsigne par Pi la loi PXi de la variable alatoire Xi , alors pour tout

137

A. El Mossadeq

Vecteurs Alatoires

borliens B 2 BR on a :

Pi [B]

P Xi 1 [B]

P X

PX R i

P [X1 2 R; ::; Xi

Ri
1

Rn

Rn

2 R; Xi 2 B; Xi+1 2 R; :::; Xn 2 R]

2. Fonction de Rpartition
Si a = (a1 ; :::an ) est un lment de Rn , on pose :

(a) = f(x1 ; :::xn ) 2 Rn j x1 < a1 ; :::; xn < an g


Dnition 2

Soit :

X : ( ; T ;P ) ! (Rn ; BRn )

o X = (X1 ; :::; Xn ), un vecteur alatoire.


On appelle fonction de rpartition de X , la fonction relle F dnie pour tout x
dans Rn par :

F (x) = PX [ (x)]
On a alors :

F (x)

PX [ (x)]

P [X 2

P [X1 < x1 ; :::; Xn < xn ]

pour tout x = (x1 ; :::xn ) dans Rn .

138

(x)]

Vecteurs Alatoires

A. El Mossadeq

3. Les Marges dun Vecteur Alatoire

Dnition 3

Soit X = (X1 ; :::; Xn ) un vecteur alatoire dni sur ( ; T ;P ) :


Les n marges de PX sont les lois Pi des variables alatoires Xi , 1

n:

Proposition 1

Soit X = (X1 ; :::; Xn ) un vecteur alatoire dni sur ( ; T ;P ), F sa fonction


de rpartition et Fi la fonction de rpartition de Xi :
Les variables alatoires X1 ; :::; Xn sont indpendantes si et seulement si pour
tout (x1 ; :::; xn ) 2 Rn on a :

F (x1 ; :::; xn ) =

n
Y

Fi (xi )

i=1

Preuve 1

Les variables alatoires X1 ; :::; Xn sont indpendantes si et seulement si pour


tout (x1 ; :::; xn ) 2 Rn :

P [X1 < x1 ; :::; Xn < xn ] =

n
Y

P [Xi < xi ]

i=1

donc, si et seulement si pour tout (x1 ; :::; xn ) 2 Rn :

F (x1 ; :::; xn ) =

n
Y
i=1

139

Fi (xi )

A. El Mossadeq

Vecteurs Alatoires

4. Vecteurs Alatoires Discrets

Dnition 4

Soit :

X : ( ; T ;P ) ! (Rn ; BRn )

o X = (X1 ; :::; Xn ), un vecteur alatoire.


On dit que X est discret si X ( ) est dnombrable et T = P ( ).
La loi PX de X est alors une loi discrte. Elle est entirement dnie par
les probabilits lmentaires p (x1 ; :::; xn ), o (x1 ; :::; xn ) parcourt X ( ) :
Puisque pour tout i, 1

n:
Xi ( ) =

X( )

donc Xi ( ) est dnombrable et par consquent X1 ; :::; Xn sont toutes des


variables alatoires discrtes.
Proposition 2

Soit :

X : ( ; T ;P ) ! (Rn ; BRn )

o X = (X1 ; :::; Xn ) ; un vecteur alatoire discret:


Les variables alatoires X1 ; :::; Xn sont indpendantes si et seulement si pour
tout (x1 ; :::; xn ) 2 X ( ) on a :

p (x1 ; :::; xn ) =

n
Y
i=1

140

pi (xi )

Vecteurs Alatoires

A. El Mossadeq

Preuve 2

Les variables alatoires :

X1 ; :::; Xn : ( ; T ;P ) ! (R; BR )
sont indpendantes si et seulement si pour tout (x1 ; :::; xn ) 2 X ( ) :

P [X1 = x1 ; :::; Xn = xn ] =

n
Y

P [Xi = xi ]

i=1

donc, si et seulement si pour tout (x1 ; :::; xn ) 2 Rn :

p (x1 ; :::; xn ) =

n
Y

pi (xi )

i=1

5. Vecteurs Alatoires Absolument


Continus

Dnition 5

Soit :

X : ( ; T ;P ) ! (Rn ; BRn )

o X = (X1 ; :::; Xn ) ; un vecteur alatoire.


On dit que X est absolument continu si sa loi de probabilit PX possde une
densit relativement la mesure de Lebesgue sur Rn , cest dire, il existe une
fonction positive et intgrable f telle que lon ait pour tout a 2 Rn :
Z
F (a) =
f (x1 ; :::; xn ) dx1 :::dxn
(a)

o F est la fonction de rpartition de X .


f est appele alors la densit de probabilit de X .

141

A. El Mossadeq

Vecteurs Alatoires

Remarque 1

La condition :

PX [Rn ] = 1
se traduit par :

f (x1 ; :::; xn ) dx1 :::dxn = 1

Rn

Remarque 2

Toute fonction :

f : Rn ! R
positive, intgrable telle que :

f (x1 ; :::; xn ) dx1 :::dxn = 1

Rn

est la densit de probabilit dune loi de probabilit unique.

Proposition 3

Soit :

X : ( ; T ;P ) ! (Rn ; BRn )

o X = (X1 ; :::; Xn ) ; un vecteur alatoire absolument continu densit de probabilit f .


La variable alatoire Xi , 1
i n, a pour densit la fonction fi dnie pour
tout xi 2 R par :

fi (xi ) =

Rn

f (x1 ; :::; xn ) dx1 :::dxi 1 dxi+1 :::dxn


1

142

Vecteurs Alatoires

A. El Mossadeq

Preuve 3

Remarquons tout dabord que la fonction fi ainsi dnie est une densit de
probabilit.
En eet,fi est positive, intgrable et on a :
Z
Z
fi (xi ) dxi =
f (x1 ; :::; xn ) dx1 :::dxn
R

Rn

Dmontrons maintenant que cest la densit de probabilit de la variable alatoire


Xi .
Pour tout a 2 R on a :

Pi (] 1; a[)

=
=
=
=

PX Ri
Z

1
a

Rn

Ri
Z a

] 1; a[

Rn

f (x1 ; :::; xn ) dx1 :::dxn

] 1;a[ Rn

f (x1 ; :::; xn ) dx1 :::dxi 1 dxi+1 :::dxn dxi


1

fi (xi ) dxi
1

Il en rsulte que fi est bien la densit de probabilit de la variable alatoire Xi .

Proposition 4

Soit :

X : ( ; T ;P ) ! (Rn ; BRn )

o X = (X1 ; :::; Xn ) ; un vecteur alatoire de densit de probabilit f dont les


marges X1 ; :::; Xn admettent les densits f1 ; :::; fn :
Les variables alatoires X1 ; :::; Xn sont indpendantes si et seulement si pour
tout (x1 ; :::; xn ) 2 Rn on a :

f (x1 ; :::; xn ) =

n
Y
i=1

143

fi (xi )

A. El Mossadeq

Vecteurs Alatoires

Preuve 4

(i) Supposons que pour tout (x1 ; :::; xn ) 2 Rn on a :


f (x1 ; :::; xn ) =

n
Y

fi (xi )

i=1

Alors, pour tout a = (a1 ; :::; an ) 2 Rn :

P [X1 < a1 ; :::; Xn < an ]

=
=
=
=

PX [ (a)]
Z
f (x1 ; :::; xn ) dx1 :::dxn
(a)
n
Y Z ai
i=1
n
Y

fi (xi ) dxi

P [Xi < ai ]

i=1

donc les variables alatoires X1 ; :::; Xn sont indpendantes.

(ii) Rciproquement, supposons que les variables alatoires X1 ; :::; Xn soient


indpendantes.
La fonction :

Rn

(x1 ; :::; xn )

7 !

Rn
f1 (x1 ) :::fn (xn )

est positive, intgrable et vrie :


Z
f1 (x1 ) :::fn (xn ) dx1 :::dxn

Rn

donc cest une densit de probabilit.

144

n Z
Y
i=1

fi (xi ) dxi

Vecteurs Alatoires

A. El Mossadeq

Dautre part :

PX [ (a)]

=
=
=
=

P [X1 < a1 ; :::; Xn < an ]


n
Y
P [Xi < ai ]
i=1
n Z ai
Y

Zi=1

fi (xi ) dxi

f (x1 ) :::f (xn ) dx1 :::dxn

(a)

On en dduit que cest la densit de X = (X1 ; :::; Xn ), do pour tout

(x1 ; :::; xn ) 2 Rn :
f (x1 ; :::; xn ) =

n
Y

fi (xi )

i=1

6. Oprations sur les Vecteurs Alatoires

6.1. La Somme de Deux Alas Discrets


Soient X et Y deux variables alatoires discrtes dnies sur un espace probabilis

( ; T ;P ) :
Dterminons la loi de la variable alatoire :
Z =X +Y
Puisque X ( ) et Y ( ) sont des ensembles dnombrables, alors Z ( ) est lui
mme un ensemble dnombrable, et par consquent, Z est une variable alatoire
discrte.

145

A. El Mossadeq

Vecteurs Alatoires

Posons :

I(k) = f(x; y) 2 X ( )
Alors :

P [Z = k] =

Y ( ) j x + y = kg

P [X = x; Y = y]

(x;y)2I(k)

6.2. La Somme de Deux Alas Absolument Continus


Proposition 5

Soient X et Y deux variables alatoires telles que le couple (X; Y ) admette une
densit f .
Alors la variable alatoire X + Y possde une densit fX+Y dnie pour tout
u 2 R par :
Z +1
fX+Y (u) =
f (x; u x) dx
1

Preuve 5

La fonction :

7 !

R
Z +1

f (x; u

x) dx

est une densit de probabilit puisquelle est positive , intgrable et vrie :


Z +1 Z +1
Z
f (x; u x) dx du =
f (x; u x) dxdu
2
1
1
R
Z
=
f (x; y) dxdy

R2

Dmontrons que cest la densit de la variable alatoire X + Y .

146

Vecteurs Alatoires

A. El Mossadeq

Pour tout t 2 R, dsignons par D (t) le domaine de R2 :

D (t) = (x; y) 2 R2 j x + y < t


alors :

PX+Y (] 1; t[)

=
=

P [X + Y < t]
P [(X; Y ) 2 D (t)]
Z +1 Z t x
f (x; y) dy dx
1
Z +1
Z t1
f (x; u x) du dx
1
1
Z t Z +1
f (x; u x) dx du

=
=
=

Il en rsulte que la densit de probabilit de X + Y est la fonction fX+Y dnie


pour tout u 2 R par :

fX+Y (u) =

+1

f (x; u

x) dx

Remarque 3

Si X et Y sont de plus indpendantes alors :

fX+Y (u)

=
=

+1

f (x; u

x) dx

1
+1

fX (x) fY (u
1

x) dx

fX+Y nest autre, dans ce cas, que le produit de convolution de fX et fY :


fX+Y = fX

147

fY

A. El Mossadeq

Vecteurs Alatoires

Exemple 1

Soient X et Y deux variables alatoires indpendantes qui suivent des lois exponentielles de paramtres et respectivement :

fX (x) =

exp

si
si

x>0
x 0

exp

si
si

y>0
y 0

fY (y) =

Calculons la densit de probabilit de la variable alatoire :

Z =X +Y
On a :

fX+Y (u)

=
=
=

(i) si

Z
Z

+1

f (x; u

fX (x) fY (u

81
< 0
:

alors :

fX+Y (u)

x) dx

1
+1

=
=

exp (

u)

x) dx

exp (

) xdx

si

si

u>0

8
< 0
:

exp (

dx

si

si

u>0

0
2

u)

u exp (

148

u)

si
si

u 0
u>0

Vecteurs Alatoires

(ii) si

6=

A. El Mossadeq

alors :
8
0
>
>
<
Z u
=
>
>
exp ( u)
exp (
:
0
8
0
>
>
<
=
>
>
[exp ( u) exp (
:

fX+Y (u)

) xdx

u)]

si

si

u>0

si

si

u>0

6.3. Changement de Variables


Soit X = (X1 ; :::; Xn ) un vecteur alatoire dni sur un espace de probabilit ( ; T ;P ) de densit de probabilit f:
Considrons une transformation S :

Rn

7 !

Rn
y = S (x)

telle que :

(i) S est une transformation bijective


(ii) S est continment direntiable
(iii) le Jacobien DS de S est non nulle.
Proposition 6

La densit fS

de S

X est donne pour tout x 2 Rn par :


fS

(y) = fX S

(y) DS 1

Preuve 6

Cest le thorme de changement de variables dans une intgrale.

149

A. El Mossadeq

Vecteurs Alatoires

7. Les Moments
Dnition 6

Soient ( ; T ;P ) un espace probabilis et :

X : ( ; T ;P ) ! (Rn ; BRn )

o X = (X1 ; :::; Xn ) ; un vecteur alatoire P -intgrable dni sur cet espace.


On appelle esprance mathmatique de X , ou moyenne de X , quon note E [X],
le vecteur :
2
3
E [X1 ]
6
7
:
7
E [X] = 6
4
5
:

E [Xn ]

Proposition 7

Soit :

X : ( ; T ;P ) ! (Rn ; BRn )

o X = (X1 ; :::; Xn ) ; un vecteur alatoire P -intgrable et :

g : (Rn ; BRn ; PX ) ! (R; BR )


une variable alatoire PX -intgrable.
Alors :

E [g X] =

g (x) dPX

Rn

Preuve 7

On a :

E [g X] =

g XdP =

Rn

daprs le thorme de transfert de mesure.

150

g (x) dPX

Vecteurs Alatoires

A. El Mossadeq

Il rsulte de cette dnition que :

(i) si X = (X1 ; :::; Xn ) est un vecteur alatoire discret alors :


X
E [g X] =
g (x1 ; :::; xn ) p (x1 ; :::; xn )
(x1 ;:::;xn )2X( )

(ii) si X = (X1 ; :::; Xn ) est un vecteur alatoire absolument continu de


densit f alors :
Z
g (x1 ; :::; xn ) f (x1 ; :::; xn ) dx1 :::dxn
E [g X] =
Rn

Dnition 7

Soient X et Y deux variables alatoires dnies sur un espace probabilis ( ; T ;P )


de carrs intgrables.
On appelle covariance de X et Y , note Cov [X; Y ], le rel :

Cov [X; Y ] = E [(X

E [X]) (Y

E [Y ])]

X et Y sont dites non corrles si leur covariance est nulle.


En dveloppant, la covariance de X et Y scrit aussi :

Cov [X; Y ]

E [(X

E [X]) (Y

E [Y ])]

E [XY

XE [Y ]

E [XY ]

E [X] E [Y ]

E [X] Y + E [X] E [Y ]]

Proposition 8

Soient X1 ; :::; Xn n variables alatoires dnies sur un espace probabilis ( ; T ;P ).


1. Si X1 ; :::; Xn sont indpendantes alors :
" n
#
n
Y
Y
E
Xi =
E [Xi ]
i=1

i=1

151

A. El Mossadeq

Vecteurs Alatoires

2. Si les variables alatoires Xi et Xj sont indpendantes alors elles sont non


corrles.
3. Si (a1 ; :::; an ) 2 Rn alors :
" n
#
n X
n
X
X
V
ai Xi =
ai aj Cov [Xi ; Xj ]
i=1

i=1 j=1

4. Si X1 ; :::; Xn sont deux deux non corrles alors :


" n
#
n
X
X
V
ai Xi =
a2i V [Xi ]
i=1

i=1

Preuve 8

1. Si X1 ; :::; Xn sont indpendantes alors :

P(X1 ;:::;Xn ) = PX1


do :

"

n
Y
i=1

Xi

n Z
Y
i=1
n
Y

PX n

x1 :::xn dPX1 :::dPXn

Rn

:::

xi dPXi

E [Xi ]

i=1

2. Si Xi et Xj sont indpendantes alors :

E [Xi Xj ] = E [Xi ] E [Xj ]


do :

Cov [Xi ; Xj ] = 0
Xi et Xj sont donc non corrles.

152

Vecteurs Alatoires

3. On a :
"

n
X

ai Xi

i=1

A. El Mossadeq

E4

E4

"

n
X

ai Xi

n
X

ai (Xi

i=1

"

n
X
i=1

i=1 j=1
n X
n
X

!2 3

E [Xi ])

i=1

n X
n
X

ai Xi

ai aj (Xi

#!2 3
5

E [Xi ]) (Xj

E [Xj ])

ai aj Cov [Xi ; Xj ]

i=1 j=1

4. Si X1 ; :::; Xn sont deux deux non corrles alors :

Cov [Xi ; Xj ] = 0
Cov [Xi ; Xj ] = V [Xi ]
do :

"

n
X

ai Xi =

i=1

n
X

si
si

i 6= j
i=j

a2i V [Xi ]

i=1

Dnition 8

Soient X = (X1 ; :::; Xn ) un vecteur alatoire n dimensions et Y = (Y1 ; :::; Ym )


un vecteur alatoire m dimensions dnis sur un espace probabilis ( ; T ;P ).
1. On appelle matrice des covariances de X et Y , la matrice :

E (X

E (X))t (Y

E (Y )) = [Cov [Xi ; Yj ]]

2. On appelle matrice des variances et covariances de X , la matrice :


X

= E (X

E (X))t (X

153

E (X)) = [Cov [Xi ; Xj ]]

A. El Mossadeq

Vecteurs Alatoires

8. Densit de Probabilit Conditionnelle


Dnition 9

Soit (X; Y ) un couple de variables alatoires de densit f , et notons fX et fY


les densits marginales de X et Y respectivement.
Soit x 2 R tel que fX (x) soit non nulle.
On appelle densit conditionnelle de Y relativement [X = x], la fonction
fY (: j x) dnie pour tout y 2 R par :

fY (y j x) =

f (x; y)
fX (x)

Proposition 9

Pour tout x 2 R, telle que fX (x) soit non nulle, la fonction fY (: j x) dnie
pour tout y 2 R par :
f (x; y)
fY (y j x) =
fX (x)
est une densit de probabilit.

Preuve 9

En eet, fY (: j x) est positive , intgrable et :


Z
Z
1
fY (y j x) dy =
f (x; y) dy = 1
fX (x) R
R
Remarque 4

On dnit de manire analogue la densit conditionnelle de X relativement


[Y = y] par :

f (x; y)
fY (y)
pour tout y 2 R, telle que fY (y) soit non nulle
fX (x j y) =

154

Vecteurs Alatoires

A. El Mossadeq

9. Esprance Mathmatique Conditionnelle

Dnition 10

Soient (X; Y ) un couple de variables alatoires discrtes dnies sur un espace


probabilis ( ; T ;P ) :
On appelle esprance mathmatique conditionnelle de Y relativement [X = x],
lorsquelle existe, le nombre rel :

E [Y j X = x] =
Lapplication :

yP [Y = y j X = x]

y2Y ( )

x 7 ! E [Y j X = x]

est appele aussi la courbe de rgression de Y en X:

Dnition 11

Soient (X; Y ) un couple de variables alatoires absolument continues de densit


f , et dsignons par fY (: j x) la densit conditionnelle de Y relativement X:
On appelle esprance mathmatique conditionnelle de Y relativement [X = x],
lorsquelle existe, le nombre rel :

E [Y j X = x] =
Lapplication :

yfY (y j x) dy

x 7 ! E [Y j X = x]

est appele aussi la courbe de rgression de Y en X:

155

A. El Mossadeq

Vecteurs Alatoires

Proposition 10

1. Si g est une fonction mesurable, alors :

E [E [g Y j X = x]] = E [g Y ]
2. Si X et Y sont indpendantes, alors :

E [g Y j X = x] = E [g Y ]
Preuve 10

Admis

10. La Droite de Rgression


Dnition 12

Soient X et Y deux variables alatoires dnies sur un espace probabilis ( ; T ;P )


et possdant des variances non nulles.
On appelle coe cient de corrlation linaire, ou coe cient de Pearson, le nombre
dni par :
Cov [X; Y ]
=
[X] [Y ]

Proposition 11

1.

2.

= 1 si et seulement si il existe a > 0 et un rel b tels que : Y = aX + b:

3.

4.

= 0 si et seulement X et Y sont non corrles.

1 si et seulement si il existe a < 0 et un rel b tels que : Y = aX + b

156

Vecteurs Alatoires

A. El Mossadeq

Preuve 11

Cette proposition dcoule de lingalit de Scharwz.


En eet :
Z
(X E [X]) (Y E [Y ]) dP
jCov [X; Y ]j =

(X

1
2

E [X]) dP

[X] [Y ]

(Y

1
2

E [Y ]) dP

do la proposition.

Dnition 13

On appelle droite de rgression de Y en X , la droite dnie par lquation :

[X] [y

E [Y ]] =

[Y ] [x

E [X]]

Dnition 14

La droite scrit aussi :

y = ax + b
o :

Cov [X; Y ]
V [X]
E [Y ] aE [X]

Remarque 5

On dnit dune manire analogue la droite de rgression de X en Y :

[Y ] [x

E [X]] =

157

[X] [y

E [Y ]]

A. El Mossadeq

Vecteurs Alatoires

11. Convergence des Variables Alatoires


11.1. Convergence Presque Partout
Dnition 15

Soit (Xn )n2N une suite de variables alatoires dnies sur un espace probabilis
( ; T ;P ) :
On dit que (Xn )n2N converge vers X presque srement ou presque partout au
sens de la probabilit P (P -p.s ou P -p.p), sil existe A 2 T , P [A] = 1, telle
que Xn (!) converge vers X (!) pour tout ! 2 A:

11.2. Convergence en Probabilit


Dnition 16

Soit (Xn )n2N une suite de variables alatoires dnies sur un espace probabilis
( ; T ;P ) :
On dit que (Xn )n2N converge en probabilit vers une variable alatoire X dnie
sur ( ; T ;P ) si pour tout " > 0 on a :

lim P [jXn

n!1

Xj > "] = 0

11.3. Convergence en Loi


Dnition 17

Soit Xn , n 2 N, une suite de variables alatoires dnies sur un espace probabilis


( ; T ;Pn ) de fonction de rpartition Fn et soit X une variable alatoire dnie
sur un espace probabilis ( ; T ;P ) de fonction de rpartition F:
On dit que (Xn )n2N converge en loi vers X si Fn (t) converge vers F (t) en tout
point t de continuit de F .

158

Vecteurs Alatoires

A. El Mossadeq

11.4. Convergence en Norme dOrdre p


Soit Lp ( ; T ;P ) lespace des variables alatoires X telles que jXjp soit intgrable et dsignons par k:kp la norme :

kXkp =

1
p

jXj dP

Dnition 18

Soit (Xn )n2N une suite de variables alatoires dnies sur Lp ( ; T ;P ) et X une
variable alatoire de Lp ( ; T ;P )
On dit que (Xn )n2N converge en norme dordre p vers X si :

lim kXn

n!1

Xkp = 0

11.5. Comparaison des Convergences

Convergence presque sre

Convergence k:k2

Convergence en probabilit

+
Convergence en loi

159

(=

Convergence k:k1

A. El Mossadeq

Vecteurs Alatoires

12. Lois Faibles des Grands Nombres


Proposition 12

Soit :

X : ( ; T ;P ) ! (R; BR )
une variable alatoire admettant une moyenne et une variance nie non nulle
2
.
Si (X1 ; :::; Xn ) est un n-chantillon de variable parente X , alors pour tout " > 0
on a :
1
lim P
(X1 + ::: + Xn ) E [X] > " = 0
n!1
n

Preuve 12

Posons :

Mn =

1
(X1 + ::: + Xn )
n

on a :

E [Mn ]

E [X]

V [X]
n
Daprs lingalit de Bienaym-Tchebychev :
V [Mn ]

8" > 0 : P [jMn

E [Mn ]j > "]

V [Mn ]
"2

do :

1
(X1 + ::: + Xn )
n

E [X] > "

V [X]
n"2

et par consquent :

lim P

n!1

1
(X1 + ::: + Xn )
n

160

E [X] > " = 0

Vecteurs Alatoires

A. El Mossadeq

Proposition 13

Soient A 2 T et X = A :
1
La frquence (X1 + ::: + Xn ) darrive de A en n preuves indpendantes
n
converge en loi vers P [A].
Cest la loi des grands nombres de Bernouilli

Preuve 13

Si X =

A,

A 2 T , alors :

E [X] = P [A]

do le rsultat.

13. Thorme Centrale Limite


Proposition 14

Soit :

X : ( ; T ;P ) ! (R; BR )
une variable alatoire admettant une moyenne et une variance nie non nulle
2
et soit (X1 ; :::; Xn ) un n-chantillon de variable parente X .
La variable alatoire :
p
n 1
(X1 + ::: + Xn ) E [X]
n
converge en loi vers une variable alatoire normale centre rduite.

Preuve 14

Dmontrons que la fonction caractristique n de la variable alatoire :


p
n 1
(X1 + ::: + Xn ) E [X]
n

161

A. El Mossadeq

Vecteurs Alatoires

converge vers la fonction caractristique de la variable alatoire normale centre


rduite, savoir :
1 2
t
N (t) = exp
2
Dsignons par la fonction caractristique de la variable alatoire X
Comme :
p
n
X
n 1
Xi E [X]
p
(X1 + ::: + Xn ) E [X] =
n
n
i=1

alors :

n (t)

Et comme

t
p

n
est deux fois continment direntiable, alors :
(0)
0
(0)
00
(0)

=
=
=

1
0
2

puisque :
(k)

(0) = ik E [X]

Il en rsulte, daprs la formule de Taylor, que :

t
p

t2
2n

do :

ln

n (t)

n ln

t
p

n ln 1

t2
2n

1 2
t
2
On conclut que :

lim

n!1

n (t)

= exp

162

1 2
t
2

E [X] :

Vecteurs Alatoires

A. El Mossadeq

Remarque 6

Posons :

1
(X1 + ::: + Xn )
n
Mn est la moyenne empirique du n-chantillon.
On a :
8
>
E [Mn ] = E [X] =
>
<
Mn =

2
>
V [X]
>
: V [Mn ] =
=
n
n
Daprs le thorme centrale limite, la variable alatoire centre rduite associe
la moyenne empirique Mn :
Mn

n
converge vers une variable alatoire normale centre rduite.
En consquence, pour n assez grand, la loi de Mn peut tre rapproche par la
2

loi normale N

:
2

Mn

Remarque 7

Posons :

Sn = X1 + ::: + Xn
On a alors :

8
< E [Sn ] = nE [X] = n
:

V [Sn ] = nV [X] = n

Il en rsulte, daprs le thorme centrale limite que la variable :

Sn

E [Sn ] Sn n
p
=
[Sn ]
n

163

A. El Mossadeq

Vecteurs Alatoires

converge en loi vers une variable normale centre rduite, et par consquent, pour
n assez grand, la loi de Sn peut tre rapproche par la loi normale N n ; n 2 :

Sn

N n ;n

13.1. Cas de la loi binomiale


Soit X une variable de Bernouilli de paramtre p, 0 < p < 1, et soit

(X1 ; :::; Xn ) un n-chantillon de variable parente X .


La variable alatoire :
Sn = X1 + ::: + Xn
est donc une variable binomiale dordre n et de paramtre p : B (n; p). De
plus on a :

8
< E [Sn ] = nE [X] = np
:

V [Sn ] = nV [X] = np (1

p)

On en dduit, daprs ce qui prcde, que la variable :

Sn

E [Sn ]
Sn np
=p
[Sn ]
np (1 p)

converge en loi vers une variable normale centre rduite.


Il en rsulte que pour n assez grand, la loi binomiale B (n; p) peut tre

rapproche par la loi normale N (np; np (1

B (n; p)

p)) :

N (np; np (1

p))

13.2. Cas de la loi de Poisson


Soit X une variable alatoire de Poisson de paramtre

: P ( ),

soit (X1 ; :::; Xn ) un n-chantillon de variable parente X:

164

> 0, et

Vecteurs Alatoires

A. El Mossadeq

La variable alatoire :

Sn = X1 + ::: + Xn
est donc une variable de Poisson de paramtre n : P (n ). De plus :
8
< E [Sn ] = nE [X] = n

V [Sn ] = nV [X] = n

On en dduit, daprs ce qui prcde, que la variable :

Sn

E [Sn ] Sn n
= p
[Sn ]
n
converge en loi vers une variable normale centre rduite.
Il en rsulte que pour n assez grand, la loi de Poisson P (n ) peut tre
rapproche par la loi normale N (n ; n ) :
P (n )

N (n ; n )

165

A. El Mossadeq

Vecteurs Alatoires

14. Exercices

Exercice 1

Soit ( ; T ;P ) un espace de probabilit, et A et B deux vnements de cet espace


tels que :
1
1
P [A] = P [A j B] = P [B j A] =
2
4
Soient X et Y les variables alatoires indicatrices de A et B respectivement.
1. X et Y sont elles indpendantes ?
2. X et Y ont-elles une mme loi de probabilit ?
3. Calculer :

P X2 + Y 2 = 1
P X 2 Y 2 = XY

Exercice 2

On considre un couple (X; Y ) de variables alatoirs prenant les valeurs (i; j)


dans f0; 1; 2; 3g f0; 1; 2g avec les probabilits indiques sur le tableau :

0:1 0:2 0:1 0:1

0:1 0:0 0:0 0:1

0:1 0:0 0:2 0:0

1. Dterminer les probabilits marginales de X et Y .


2. X et Y sont elles indpendantes ?
3. Calculer les esprances mathmatiques de X et Y ainsi que leurs variances.

166

Vecteurs Alatoires

A. El Mossadeq

4. Former les tableaux des probabilits conditionnelles de X relativement Y et


de Y relativement X:
5. Dterminer la distribution de probabilit de :

U = XY
et calculer lesprance mathmatique de U:
6. Dterminer la droite de rgression de Y en X et tracer son graphe.

Exercice 3

On considre un sac contenant sept billes blanches et trois billes noires duquel
on eectue deux tirages sans remise.
Soit X la variable alatoire dont la valeur est :

? 0 si le premier tirage donne une bille blanche


? 1 si le premier tirage donne une bille noire.
Soit Y la variable alatoire dont la valeur est :

? 0 si le second tirage donne une bille blanche


? 1 si le second tirage donne une bille noire.
1. Dresser le tableau de la loi conjointe du couple (X; Y ) et indiquer sur ce
tableau les lois marginales de X et Y:
2. Dterminer la matrice des variances et covariances de (X; Y ) :
3. X et Y sont elles indpendantes ?
4. Dterminer la droite de rgression de Y en X et tracer son graphe.

Exercice 4

Un sac contient n jetons numrots de 1 n, n 3:


On en tire successivement trois, sans remise.
On appelle X la variable alatoire gale au plus grand des trois nombres lus sur
les trois jetons tirs, et Y la variable alatoire gale celui des trois nombres lus

167

A. El Mossadeq

Vecteurs Alatoires

dont la valeur est intermdiaire entre les deux autres.


Dterminer les lois de probabilit de X et Y ainsi que leurs esprances mathmatiques.

Exercice 5

Soient X1 ; :::; Xn n variables alatoires indpendantes.


Chacune de ces variables prend les valeurs 1 et 1 avec une probabilit gale
1
pour chacune de ces valeurs.
2
Soit :

Zn = X1 + ::: + Xn
Quelle est la probabilit pour que la variable alatoire jZn j soit minimum ?
Exercice 6

On jette n ds parfaitement quilibrs:


Soit Mn la variables alatoire gale la moyenne des points obtenus.
1. Calculer lesprance mathmatique et la variance de Mn :
2. Dterminer n pour que lcart-type de Mn soit strictement infrieur 0:01:

Exercice 7

On considre le systme dquations :

u
Xu

+
+

2v
Yv

=
=

5
Z

o X , Y et Z sont trois variables alatoires indpendantes de lois respectives :


8
1
>
>
8i
2
f1;
3;
5;
7;
9g
:
P
[X
=
i]
=
>
>
5
<
1
8j 2 f2; 4; 6; 8; 10g : P [Y = j] =
>
5
>
>
1
>
: 8k 2 f1; :::; 10g :
P [Z = k] =
10
Quelles sont les probabilits pour que le systme ait :

168

Vecteurs Alatoires

A. El Mossadeq

1. une innit de solution ?


2. aucune solution ?
3. une solution unique ?
4. Quelle est la probabilit que le systme admette la solution unique (1; 2) ?

Exercice 8

Soit X1 ; :::; Xn des variables alatoires indpendantes qui suivent une mme loi
de probabilit telle que :

P [Xi = 1]
P [Xi = 1]

8i 2 f1; :::; ng :

=
=

o est un paramtre rel appartenant ]0; 1[ :


Pour tout k , 1 k n, on pose :

Yk =

k
Y

Xi

i=1

1. Calculer lesprance mathmatique de Yk :


2. En dduire la loi de probabilit de Yk :
3. Dterminer les valeurs de

pour lesquelles les variables Y1 ; :::; Yn sont deux

deux non corrles.

Exercice 9

Soit (Xn )n 1 une suite de variables alatoires indpendantes qui suivent toutes
la mme loi de Bernouilli de paramtre p, 0 < p < 1:
On dnit la suite (Yn )n 1 par :
8
< Y1 = X1 m
o

Yn = Y n

+ Xn

et m sont des rels xs.

169

A. El Mossadeq

Vecteurs Alatoires

1. Montrer que pour tout n, n

1, on a :

Yn =

n
X

(Xn

m)

k=0

2. Calculer lesprance mathmatique et la variance de Yn , n


3. Calculer la covariance de Yn et Yn+s , n

1 et s

1:

1:

Exercice 10

Soit X et Y deux variables alatoires indpendantes valeurs dans f 1; 0; 1g


telles que :
8
1
>
>
P
[X
=
1]
=
p
0
p
>
1
1
<
2
et :

>
>
>
: P [X = 1] = p2

P [Y =

p2

1
2

1] = P [Y = 0] = P [Y = 1]

1. Dterminer la loi de

S =X +Y
2. On dnit la variable alatoire Z par :
8
< 1 si X + Y = 0
Z=
:
sinon
2

(a) Montrer que la loi de Z ne dpend pas de p1 et p2 :

(b) Dterminer les valeurs de


8
<

et

pour que :

E [Z] = 3
V [Z] = 2

170

Vecteurs Alatoires

A. El Mossadeq

Exercice 11

Soit X une variable alatoire possdant une moyenne et une variance 2 , et


soit (X1 ; :::; Xn ) un n-chantillon issu X:
Dterminer lesprance mathmatique et la variance de la variable alatoire :
n

1X
Xi
M=
n
k=1

Exercice 12

Soient X1 ; :::; Xn des variables alatoires indpendantes de fonctions de rpartition F1 ; :::; Fn respectivement.
On considre les variables alatoires :
8
< U = max (X1 ; :::; Xn )

V = min (X1 ; :::; Xn )

1. Dterminer les fonctions de rpartition de U et V:


2. On suppose que F1 ; :::; Fn sont drivables.
Dterminer les densits de probabilit de U et V:
3. Etudier le cas o X1 ; :::; Xn est un n-chantillon issu dune variable parente

X:

Exercice 13

Soit (X; Y ) un couple de variables alatoires admettant une densit f , et dsignons


par fX et fY les densits marginales de X et Y respectivement.
Posons :

D (X; Y ) = (x; y) 2 R2 : f (x; y) 6= 0


D (X) = fx 2 R : fX (x) 6= 0g
D (Y ) = fy 2 R : fY (y) 6= 0g

171

A. El Mossadeq

Vecteurs Alatoires

1. Montrer que :

D (X; Y )

D (X)

D (Y )

2. Montrer que si les variables alatoires X et Y sont indpendantes alors :

D (X; Y ) = D (X)

D (Y )

Exercice 14

Soit (X; Y ) un couple de variables alatoires admettant une densit de probabilit


f telle que :

8 (x; y) 2 R2 : f (x; y) = f (y; x)

Montrer que les variables alatoires X et Y suivent une mme loi de probabilit.

Exercice 15

On considre les alas X1 ; :::; Xn dnis sur un espace probabilis ( ; T ; P )


valeurs dans un espace probabilisable (E; B).
La loi de (X1 ; :::; Xn ) est dite symtrique si lon a pour tout A1 2 B; :::; An 2 B
et toute permutation de f1; :::; ng :

P [X1 2 A1 ; :::; Xn 2 An ] = P X1 2 A

(1) ; :::; Xn

2A

(n)

1. Montrer que si la loi de (X1 ; :::; Xn ) est symtrique, alors pour tout k 2

f1; :::; ng, les k -marges de (X1 ; :::; Xn ) suivent la mme loi.

2. Montrer que si (X1 ; :::; Xn ) est un n-chantillon dala parent X alors la loi
de (X1 ; :::; Xn ) est symtrique.
3. On eectue n tirages successifs, avec remise, dans une urne et on dsigne par

Xi , 1 i n, le rsultat du ieme tirage.


Montrer que la loi de (X1 ; :::; Xn ) est symtrique.

172

Vecteurs Alatoires

A. El Mossadeq

Exercice 16

Soit F la fonction de rpartition dun couple de variables alatoires (X; Y ) :


8
< (1 e x ) (1 e y ) si x 0 et y 0
F (x; y) =
:
0
si x < 0 ou y < 0

1. Calculer la densit f de (X; Y ) :

2. Quelles sont les densits marginales de X et Y:


3. X et Y sont elles indpendantes ?
4. Quelle est la fonction de rpartition de Z = X + Y ?

Exercice 17

Soit (X; Y ) un couple de variables alatoires de densit de probabilit :


8
< K si 0 < y < 1 x et x > 0
f (x; y) =
:
0
ailleurs

1. Dterminer la constante K:

2. Calculer la matrice des variances et covariances de (X; Y ) :


3. X et Y sont elles indpendantes ?
4. Dterminer la droite de rgression de Y en X et tracer son graphe.
5. Calculer les densits de probabilit conditionnelles de Y relativement X , et
de X relativement Y:

Exercice 18

Un triplet de variables alatoires (X; Y; Z) a une loi conjointe qui admet une
densit de probabilit f telle que :

X suit la loi uniforme sur lintervalle [0; 1] dont la densit est note fX
Y admet une densit conditionnelle relativement X telle que :

173

A. El Mossadeq

fY (y j x) =

Vecteurs Alatoires

8
< (y
:

x) exp

(y

x)

si

1 et x < y

ailleurs

Z admet une densit de probabilit conditionnelle relativement (X; Y ) telle


que :
8
< (y x) exp z (y x) si 0 x 1 ; x < y ; z > 0
fZ (z j x; y) =
:
0
ailleurs

1. Donner lexprssion de f:

2. Quelles sont les lois marginales de Y et Z ?


3. Quelle est la loi conditionnelle de (X; Y ) relativement Z ?
4. On pose :

U =Y X
V = Z (Y X)
(a) Quelle est la loi du triplet (X; U; V ) ?
(b) X , U et V sont elles indpendantes ?

Exercice 19

Soit (X; Y; Z) un triplet de variables alatoires telle que :

X admette une densit marginale :


8
>
0
si x 0
>
<
fX (x) =
>
x3
>
:
exp x si x > 0
6
Y admette une densit de probabilit conditionnelle relativement [X = x]
telle que :

174

Vecteurs Alatoires

A. El Mossadeq

8
< 3y 2
3
fY (y j x) =
: 0x

si

0<y<x
ailleurs

Z admette une densit de probabilit conditionnelle relativement [(X; Y ) = (x; y)]


telle que :

8
< 2 (y z)
fZ (z j x; y) =
y2
:
0

si

0<z<y
ailleurs

1. Dterminer la loi conjointe du triplet (X; Y; Z) :


2. Dterminer la loi de probabilit conditionnelle du couple (X; Y ) sous lhypothse

[Z = z] :
3. Dterminer la loi de probabilit conditionnelle de la variable alatoire X sous
lhypothse [Y = y; Z = z].
4. On pose :

U =X +Y
V =X Y
(a) Quelle est la loi du couple (U; V ) ?
(b) Quelles sont les lois conditionnelles de U et V ?
(c) U et V sont-elles indpendantes ?

Exercice 20

Soient X et Y un couple de variables alatoires normales indpendantes de


moyennes et 0 , et de variances 2 et 02 respectivement.
1. Quelle est la densit de probabilit du couple (X; Y ) ?
2. On pose :

8
>
< U=X
>
: V =X
175

0
0

A. El Mossadeq

Vecteurs Alatoires

(a) Quelle est la densit du couple (U; V ) ?


(b) U et V sont-elles indpendantes ?
3. On considre la variable alatoire Z dnie par :

Z=

U
V

(a) Dterminer la densit de probabilit du couple (U; Z) :


(b) En dduire la densit de Z:
4. Dterminer la densit de probabilit de la variable alatoire :

T =X +Y

Exercice 21

Soient X et Y deux variables alatoires indpendantes qui suivent une mme loi
de probabilit dont la densit est dnie par :

f (t) =
1. On pose :

1
;
t2

8
>
< U = XY

>
: V =X
Y
(a) Quelle est la densit de probabilit du couple (U; V ) ?

(b) U et V sont-elles indpendantes ?

2. Dterminer les lois marginales de U et V .


3. Dterminer la densit de probabilit et la fonction de rpartition de la variable
alatoire :

Z=

176

Vecteurs Alatoires

A. El Mossadeq

Exercice 22

Soit (X; Y ) un couple de variables alatoires dont la densit de probabilit est


dnie par :
8
K
>
>
si x > 0 ; y > 0 ; x + y < 1
< p
xy
f (x; y) =
>
>
:
0
ailleurs

1. Dterminer la constante K

2. Dterminer les lois marginales et conditionnelles de X et Y:


3. X et Y sont-elles indpendantes ?
4. Dterminer la droite de rgression de Y en X:

Exercice 23

Soit (X; Y ) un couple de variables alatoires dont la densit de probabilit est


dnie par :
8
>
< K sin (2x + y) si x > 0 ; y > 0 ; 2x + y < 1
2
f (x; y) =
>
:
0
ailleurs

1. Dterminer la constante K

2. Dterminer les lois marginales X et Y:


3. X et Y sont-elles indpendantes ?
4. Calculer la matrice des variances et covariances de X et Y:
5. Dterminer la droite de rgression de Y en X
6. Calculer la densit conditionnelles de X relativement Y et de Y relativement
X.

Exercice 24

Soit X une variable alatoire qui suit la loi normale centre rduite et Y une
variable alatoire, indpendante de X , qui prend ses valeurs dans lensemble

177

A. El Mossadeq

Vecteurs Alatoires

f 1; 1g telle que :

P [Y = 1] = p

o p 2 ]0; 1[.
Dterminer la loi de probabilit de :

Z = XY

Exercice 25

Soit (X; Y ) un couple de variables alatoires dont la densit de probabilit est


dnie par :

f (x; y) =

8
< K
:

si

x > 0 ; x2 + y 2 < 1
ailleurs

1. Dterminer la constante K

2. Dterminer les lois marginales X et Y:


3. X et Y sont-elles indpendantes ?
4. Calculer la matrice des variances et covariances de X et Y:
5. Dterminer la droite de rgression de Y en X
6. Calculer la densit conditionnelles de X relativement Y et de Y relativement
X.

Exercice 26

Soit (X; Y ) un couple de variables alatoires indpendantes suivant toutes les


deux la mme loi uniforme sur lintervalle [ 2; 1].
Dterminer la loi de probabilit de la variable alatoire :

T = inf (X; Y )

178

Vecteurs Alatoires

A. El Mossadeq

Exercice 27

Un appareil lectrique fonctionne avec trois piles Pi , i 2 f1; 2; 3g :


La dure de vie de la pile Pi est une variable alatoire Xi : Les trois variables
alatoires X1 , X2 et X3 sont indpendantes et suivent une mme loi exponentielle
de paramtre , > 0:
Lappareil sarrte de fonctionner ds que deux piles sont uses.
Soit T la variable alatoire reprsentant le temps de onctionnement de lappareil
lectrique.
Dterminer la loi de probabilit de T et calculer son esprance mathmatique et
sa variance.

Exercice 28

Soit (X; Y ) un couple de variables alatoires admettant une densit de probabilit


f(X;Y ) dnie par :
8
< K y 2 x2 exp ( y) si jxj y et y > 0
f(X;Y ) (x; y) =
:
0
sinon
o K est une constante.

1. Dterminer la constante K:
2. Les variables alatoires X et Y sont-elles indpendantes ?
3. Pour (k; s) 2 N2 , calculer E X k Y s .
4. En dduire la covariance de X et Y:
Que constate-t-on ?
5. On pose :

8
< U =X +Y
:

V =Y
(a) Dterminer la loi du couple (U; V ) :

(b) Les variables alatoires U et V sont-elles indpendantes ?

179

A. El Mossadeq

Vecteurs Alatoires

Exercice 29

Soit h une fonction positive dnie sur ]0; +1[ et soit H la fonction dnie pour
tout x, x > 0, par :

H (x) =

h (t) dt

On dsigne par

la fonction dnie pour tout x, x > 0, par :


h (x)

+1

h (t) exp ( tx) dt

Soit (X; Y ) un couple de variables alatoires de densit de probabilit :

f(X;Y ) (x; y) =

8
< Kh (jx
:

yj) exp [

max (x; y)]

si

x > 0 et y > 0
sinon

1. Dterminer la constante K:
2. Dterminer les densits marginales de X et Y:
3. Les variables alatoires X et Y sont-elles indpendantes ?
4. On suppose que pour tout x, x > 0, on a :

h (x) = x
(a) Calculer la covariance de X et Y .
(b) Que constate-t-on pour

=1?

Exercice 30

Soit X et Y deux variables alatoires indpendantes qui suivent la mme loi


exponentielle de paramtre :
On pose :

Z = X2

180

Vecteurs Alatoires

A. El Mossadeq

1. Dterminer la loi de probabilit de Z:


2. On considre le polynme :

P (t) = t2

2Xt + Y

Calculer la probabilit pour que les racines de P soient complexes.

Exercice 31

Soit

une densit de probabilit dnie sur R+ telle que les intgrales :

+1

t (t) dt

et :
2

+1

(t

)2

(t) dt

existent et soient nies.


On dnit la fonction par :

(x; y) =

1. Montrer que

8
>
>
<
>
>
:

(x + y)
x+y

si

x > 0 et y > 0
sinon

est la densit de probabilit dun couple (X; Y ) de variables

alatoires.
2. Montrer que X et Y ont la mme loi de probabilit.

N; calculer E X k Y r , puis en dduire le coe cient de


corrlation de X et Y:

3. Pour (k; r) 2 N
4. On pose :

S =X +Y

181

A. El Mossadeq

Vecteurs Alatoires

(a) Dterminer la fonction caractristique de la loi conditionnelle de X par


rapport S:
(b) En dduire la variance conditionnelle de X par rapport S:

Exercice 32

Soit X et Y deux variables alatoires indpendantes suivant une mme loi de


probabilit de densit f dnie sur ]0; +1[ :
On pose :
X
Z=
X +Y
1. Dterminer la loi de probabilit de Z:
2. Dterminer la loi de probabilit de Z dans les cas o f suit la loi exponentielle
de paramtre 1:

Exercice 33

Soit (X; Y ) un couple de variables alatoires admettant une densit de probabilit dnie par :

f(X;Y ) (x; y) =

8
< 4x exp
:

(x + y)

si

0<x<y
sinon

1. X et Y sont-elles indpendantes ?
2. Dterminer les lois marginales de X et Y:
3. Pour (k; r) 2 N2 , calculer le moment dordre k de X et le moment dordre r
de Y .

En dduire le coe cient de corrlation de X et Y:

182

Vecteurs Alatoires

4. On pose :

A. El Mossadeq

8
>
>
< U=

X
X +Y

>
>
: V =X +Y

(a) Dterminer la loi du couple (U; V ) :


(b) U et V sont-elles indpendantes ?
5. On pose :

T =

Y
X +Y

(a) Dterminer la fonction de rpartition de T:


(b) En dduire la mdiane de m de T:
(c) On dnit les variables alatoires Z1 et Z2 par :
8
< 1 si T > m
Z1 =
:
0 si T m
et :

Z2 =

8
< 1
:

si

T <m

si

Calculer le coe cient de corrlation de Z1 et Z2 :

Exercice 34

Soit ' et

deux fonctions relles dnies pour tout x 2 R par :

1
' (x) = p exp
2
et :

(x) =

x2
2

' (t) dt
1

183

A. El Mossadeq

Vecteurs Alatoires

Soit (X; Y ) un couple de variables alatoires dont la densit de probabilit est


dnie pour tout (x; y) 2 R2 par :
!
1
x2 2 xy + y 2
f(X;Y ) (x; y) = p
exp
2
2
2 1
2
1
o

est un paramtre rel tel que j j < 1:

1. On pose :

Y
X
U=p
2
1
Montrer que les variables alatoires X et U suivent la mme loi de probabilit
et sont indpendantes.
2. Calculer :

P [X > 0; Y > 0]

Exercice 35

Soit X et Y deux variables alatoires absolument continues telles que le couple


(X; Y ) admette une densit de probabilit f et posons :

T =X +Y
1. Dmontrer que la variable alatoire T a pour densit la fonction h dnie pour
tout t 2 R par :

h (t) =

+1

f (x; t

x) dx

2. On suppose que X et Y sont indpendantes et suivent des lois exponentielles


de paramtres

et

respectivement.

Dterminer la densit de probabilit de la variable alatoire T:


3. On suppose que X et Y sont indpendantes et suivent des lois uniformes sur
les intervalles [0; a] et [0; b] respectivement.
Dterminer la densit de probabilit de la variable alatoire T:

184

Vecteurs Alatoires

A. El Mossadeq

Exercice 36

On dsigne par (R; ) les variables


sidre les variables alatoires :
8
< X
Y
:
R>0

alatoires rayon et angle polaire, et on con-

=
=
et

R cos
R sin
0< <2

1. Dterminer la loi du couple (R; ) :


2. En dduire les lois marginales de R et

3. On suppose que f est de la forme :

1
g x2 + y 2 D
K
o K est une costante, D un domaine de R2 et g une fonction continue
positive telle que :
Z +1
M=
g (t) dt
f (x; y) =

existe et est nie.

(a) Exprimer K en fonction de M dans les cas suivants :


(i) D = R2
(ii) D = (x; y) 2 R2 j x > 0 et y > 0

(iii) D = (x; y) 2 R2 j x 2 R et y > 0


(b) Que peut-on dire du couple (R; ) ?
4. Dterminer la loi de :

U = X2 + Y 2
5. Etudier les cas suivant :
x
(a) g (x) = exp
2
1
(b) g (x) =
;
(1 + x) +1

>0

185

A. El Mossadeq

Vecteurs Alatoires

Exercice 37

Soit D le disque de centre 0 et de rayon r; r > 0 :

D = (x; y) 2 R2 j x2 + y 2

r2

On dsigne par (X; Y ) un point alatoire valeurs dans le disque D et dont la


loi conjointe est la loi uniforme sur D :

f (x; y) =

1
r2
0

si
si

(x; y) 2 D

(x; y) 2
=D

1. Dterminer les densits marginales de X et Y:


2. Les variables X et Y sont elles indpendantes ?
3. Calculer la covariance de X et Y: Que peut-on conclure ?
4. Dterminer la fonction de rpartition puis la densit de probabilit de la variable
alatoires :

U = X2 + Y 2
5. Calculer lesprance mathmatique de U:
En dduire les esprances mathmatiques de X 2 et Y 2 puis les variances de

X et Y:
6. Dterminer la densit conditionnelle de Y relativement [X = x] :
Calculer : E [Y j X = x], E Y 2 j X = x puis E X 2 + Y 2 j X = x

7. On suppose prsent quun tireur tire sur une cible ayant la forme du disque

D, et que la loi du point dimpact (X; Y ) est la loi uniforme sur D:


Soit L la variable alatoire reprsentant la distance du point alatoire (X; Y )
au centre de la cible.
(a) Dterminer la fonction de rpartition de L puis sa densit de probabilit.
(b) Soit (L1 ; :::; Ln ) n distances du centre du disque D associes n tirs
indpendants. Calculer :

P [min (L1 ; :::; Ln ) > a] ; 0 < a < r

186

Vecteurs Alatoires

A. El Mossadeq

Exercice 38

Soit (X; Y ) un couple de variables alatoires dont la loi de probabilit est donne
par :
n

; (m; n) 2 N N ; m n
n!
est un paramtre rel strictement positif et K une constante relle.

P [(X; Y ) = (m; n)] = KC (n; m) e


o

1. Dterminer la constante K .
2. Dterminer les lois marginales de X et Y:
3. Dterminer les lois conditionnelles de X relativement Y et de Y relativement
X:

Exercice 39

Soit (X; Y ) un couple de variables alatoires dont la densit de probabilit est


donne par :

f (x; y) =
o

jxyj ; 0 < y < 1

est une constante relle.

1. Dterminer la constante :
2. Dterminer les densits marginales de X et Y:
3. Les variables alatoires X et Y sont-elles corrles ?
Sont elles indpendantes ?

187

jxj

Lois Usuelles

A. El Mossadeq

1. La Loi de Bernouilli
Soient ( ; T ;P ) un espace probabilis et X une variable alatoire dnie sur cet
espace.

X est une variable alatoire de Bernouilli de paramtre p, 0 p 1 si


elle prend les valeurs 0 et 1 avec les probabilits 1 p et p respectivement :
8
< P [X = 0] = 1 p
:

P [X = 1] = p

Lesprance mathmatique et la variance de X sont donnes par :


8
< E [X] = p

V [X] = p (1

p)

Les fonctions caractristique et gnratrice sont dnies par :


8
< (t) = p + (1 p) exp it ; t 2 R

G (z) = p + (1

p) z

z2C

2. La Loi Binomiale
Soit ( ; T ;P ) un espace probabilis.

Supposons quon sintresse au nombre de ralisations dun vnement A de

T lorsquon fait n preuves indpendantes de lexprience alatoire dcrite par


( ; T ;P ).
Notons Zn la variable alatoire gale au nombre de ralisations de A en n preuves
indpendantes.

191

A. El Mossadeq

Lois Usuelles

Zn est la somme de n variables indpendantes de Bernouilli de mme paramtre


p, o :
p = P [A]
Pour tout k , 0

n, on a :
P [Zn = k] = C(n; k)pk (1

p)n

La loi de Zn , que lon note B (n; p), est appele la loi binomiale dordre n
et de paramtre p.
Lesprance mathmatique et la variance de Zn sont donnes par :
8
< E [Zn ] = np

V [Zn ] = np(1

p)

Les fonctions caractristique et gnratrice de cette variable sont dnies par :


8
n
; t2R
< n (t) = [p + (1 p) exp it]

Gn (z) = [p + (1

p) z]n

z2C

Remarque 1

Une variable alatoire binomiale dordre n et de paramtre p est la somme de n


variables alatoires indpendantes de Bernouilli de mme paramtre p:

3. La Loi Gomtrique
Soit A un vnement dun espace probabilis ( ; T ;P ) :

Soit Y la variable alatoire gale au nombre dpreuves ncessaires pour la ralisation de lvnement A, les preuves tant indpendantes.

192

Lois Usuelles

A. El Mossadeq

Pour tout k , k 2 N , on a :

P [Y = k] = p (1

p)k

o :

p = P [A]
Lesprance mathmatique et la variance de Y sont donnes par :
8
1
>
E
[Y
]
=
>
>
<
p

>
>
1
>
: V [Y ] =

p2
Les fonctions caractristique et gnratrice sont dnies par :
8
p exp it
>
>
(t)
=
; t2R
Y
>
<
1 (1 p) exp it
>
>
>
: GY (z) =

pz
(1 p) z

z2C

4. La Loi Binomiale Ngative


Soit A un vnement dun espace probabilis ( ; T ;P ).

Soit Yr une variable alatoire dnie sur cet espace telle que [Yr = r + k] ,

k 2 N, dsigne lvnement :
"A se ralise pour la reme fois la (r + k)eme preuve"
les preuves tant indpendantes.
Pour tout k , k 2 N, on a :

P [Yr = r + k] = C(r + k

193

1; k)pr (1

p)k

A. El Mossadeq

Lois Usuelles

La loi de Yr , est appele la loi binomiale ngative dordre r et de paramtre

p.
Lesprance mathmatique et la variance de Yr sont donnes par :

8
r
>
E
[Y
]
=
r
>
>
p
<

>
>
r (1 p)
>
: V [Yr ] =
p2
Les fonctions caractristique et gnratrice sont dnies par :
8
>
>
>
>
<

Yr

(t) =

>
>
>
>
: GYr (z) =

p exp it
(1 p) exp it

pz
(1 p) z

t2R

z2C

5. La Loi Multinomiale
On fait n preuves indpendantes chacune pouvant donner les rsultats A1 ; :::; Ar
avec les probabilits p1 ; :::; pr , p1 + ::: + pr = 1.
Notons Zni , 1

r, la variable alatoire gale au nombre de ralisations de

Ai en n preuves indpendantes.
Zni est une variable binomiale dordre n et de paramtre pi .
La distribution, dite multinomiale ou polynomiale de degr n, de Zn1 ; :::; Znr
est donne pour tous k1 ; :::; kr dans f0; :::; ng telles que k1 + ::: + kr = n, par :
P [Zn1 = k1 ; ::; :Znr = kr ] =

194

n!
pk11 ::: pkr r
k1 ! ::: kr !

Lois Usuelles

A. El Mossadeq

On a :

8
E Zni = npi
>
>
>
>
<
V Zni = npi (1
>
>
>
>
:
Cov Zni ; Znj =

pi )
npi pj

6. La Loi Hypergomtrique
Dune urne contenant M boules rouges et N
hasard n boules sans remise, n

M boules blanches, on tire au

N.

Notons Xn la variable alatoire gale au nombre de boules rouges parmi les n


boules tires.
Pour tout k , 0

inf (M; n), on a :

P [Xn = k] =

C(M; k)C(N M; n
C(N; n)

k)

On a :

E [Xn ]

V [Xn ]

nM
N
nM (N M )(N
(N 1)N 2

n)

7. La Loi Polyhypergomtrique
On suppose que lurne contient N1 boules de la couleur 1, ... , Nr boules de la
couleur r, N1 + :::+ Nr = N .
On tire de lurne n boules sans remise.
Notons Xni , 1

r, la variable alatoire gale au nombre de boules de la

couleur i parmi les n boules tires.

195

A. El Mossadeq

Lois Usuelles

Pour tout k1 , ..., kr tels que k1 + :::+ kr = n, 0

P Xn1 = k1 ; :::; Xnr = kr =

ki

inf (Ni ; n), on a :

C(N1 ; k1 ):::C(Nr ; kr )
C(N; n)

8. La Loi de Poisson
Une variable alatoire X suit une loi de Poisson de paramtre ,

> 0, si

elle prend des valeurs entires positives ou nulle avec les probabilits :
k

P [X = k] =

k!

exp

; k2N

On la note : P ( ).

Lesprance mathmatique et la variance de X sont donnes par :


8
< E [X] =

V [X] =

Les fonctions caractristique et gnratrice sont dnies par :


8
< (t) = exp [ (exp it 1)] ; t 2 R

G (z) = exp [ (z

1)]

z2C

9. La Loi Uniforme
On dit quune variable alatoire X suit la loi uniforme sur lintervalle [a; b] si
elle admet comme densit la fonction dnie par :
8
1
>
>
si x 2 [a; b]
<
b a
f (x) =
>
>
: 0
si x 2
= [a; b]
196

Lois Usuelles

A. El Mossadeq

Sa fonction de rpartition est donne par


8
>
0
>
>
>
>
>
< x a
F (x) =
>
b a
>
>
>
>
>
: 1

si

si

si

Lesprance mathmatique et la variance de X sont donnes par :


8
a+b
>
>
E
[X]
=
>
<
2

>
>
>
: V [X] = (a

b)2
12
Sa fonction caractristique est dnie pour tout t 2 R par :
(t) =

exp (ibt)
i (b

exp (iat)
a) t

10. La Loi Exponentielle


On dit quune variable alatoire X suit la loi exponentielle de paramtre ,

> 0, si elle admet comme densit la fonction :


8
x
si
< exp
f (x) =
:
0
six 0

sa fonction de rpartition est dnie par :


8
0
<
F (x) =
:
1 exp
x

197

x>0

si

si

A. El Mossadeq

Lois Usuelles

0.5
0.4
0.3
0.2
0.1
0.0
0

La loi exponentielle de parametre

10

1
2

Lesprance mathmatique et la variance de X sont donnes par :


8
1
>
>
E
[X]
=
>
<

>
>
1
>
: V [X] = 2

Sa fonction caractristique est dnie pour tout t 2 R par :

(t) =

it

11. La Loi Normale


Dnition 1

On dit quune variable alatoire X suit une loi normale, ou de Gauss, ou de


Laplace-Gauss, de paramtre 2 R et 2 > 0, quon note N ; 2 , si elle
possde une densit dnie sur R par :

1
f (x) = p exp
2

1
2

198

; x2R

Lois Usuelles

A. El Mossadeq

N (0; 1) est appele la loi normale centre rduite.


y

0.4

0.3

0.2

0.1

-3

-2

-1

La densite de la loi N (0; 1)


Lesprance mathmatique et la variance de la loi N
8
< E [X] =

V [X] =

Sa fonction caractrestique est dnie pour tout t 2 R par :

(t) = exp it

1
2

2 2

12. La Loi du Khi-Deux


On pose :

(p) =

+1

xp 1 e x dx ; p > 0

199

sont donnes par :

A. El Mossadeq

Lois Usuelles

Dnition 2

Une variable alatoire X suit la loi p , p > 0, si elle admet comme densit la
fonction dnie par :
xp 1 e x
; x>0
f (x) =
(p)
On a alors :
8
< E [X] = p

V [X] = p

Proposition 1

Soient X1 ; :::; Xn n variables alatoires indpendantes qui suivent une mme loi
normale centre rduite, et considrons la variable alatoire :
n
X
Zn =
Xi2
i=1

Zn suit la loi de densit :

fn (z) =

n
2

z
2

1
n
2

exp

1
z; z>0
2

dite la loi du khi-deux n degrs de libert.


On la note : 2n
Lesprance mathmatique et la variance de la loi du Khi-deux n degrs de
libert sont donnes par :

8
< E [Zn ] = n
:

V [Zn ] = 2n

Sa fonction caractrestique est dnie pour tout t 2 R par :

(t) =

n
2

1
1

2it

200

; t2R

Lois Usuelles

A. El Mossadeq

y 0.12
0.10
0.08
0.06
0.04
0.02
0.00
0

10

12

14

16

18

20

22

24

La densite de la loi du Khi-deux a 7 d:d:l

13. La Loi de Student


Dnition 3

Une variable alatoire X suit la loi Bp;q , p 0 et q 0, si elle admet comme


densit la fonction dnie par :
8 p 1
x (1 x)q 1
>
>
si x 2 [0; 1]
<
B
(p;
q)
f (x) =
>
>
:
0
si x 2
= [0; 1]

o :

B (p; q) =

xp

(1

x)q

dx

On a alors :

8
p
>
E
[X]
=
>
>
p+q
<
>
>
>
: V [X] =

pq
(p + q + 1) (p + q)2

201

A. El Mossadeq

Lois Usuelles

Proposition 2

Soient X et Y deux variables alatoire indpendantes telles que X suive une loi
normale centre rduite et Y une loi du khi-deux n degrs de libert.
La variable alatoire :
p
nX
Tn = p
Y
suit la loi de densit :

t2
1+
n

1
fn (t) = p
nB 12 ; n2

n+1
2

; t2R

dite la loi de Student n degrs de libert, note Tn .

0.4

0.3

0.2

0.1

-4

-3

-2

-1

La densite de la loi de Student a 12 d:d:l

Lesprance mathmatique et la variance de la loi de Student n degrs de


libert sont donnes par :

8
>
< E [Tn ] = 0
>
: V [Tn ] =

202

n
n+2

Lois Usuelles

A. El Mossadeq

Remarque 2

On a :

t2
1
lim fn (t) = p exp
n!1
2
2
Donc Tn converge vers la loi normale centre rduite.

14. La Loi de Fisher-Snedecor

Proposition 3

Soient X et Y deux variables alatoires indpendantes telles que X suive une loi
du khi-deux n degrs de libert et Y une loi du khi-deux m degrs de libert.
La variable alatoire :
mX
F =
nY
suit la loi de densit :
n+m
n n2 n 1
1
n
2
2
x
f (x) =
x
1
+
; x2R
m
m
B n2 ; m2
dite la loi de Fisher n et m degrs de libert.
y

0.8
0.6
0.4
0.2
0.0
0

La densite de la loi F (13; 10)

203

A. El Mossadeq

Lois Usuelles

15. Les Lois de M et S2


Soient X1 ; :::; Xn un n-chantillon issu dune variable alatoire normale de moyenne
et de variance

Posons :

8
>
>
>
>
< M

>
>
2
>
>
: S

=
=

1X
Xi
n i=1
n
1 X
n

(Xi

M )2

i=1

M et S 2 reprsentent la moyenne empirique et la variance empirique du nchantillon.


Proposition 4

1. Les variables alatoires M et S 2 sont indpendantes.


2. La variable alatoire :

(M

suit une loi normale centre rduite.


3. La variable alatoire :

1) S 2

(n

suit une loi du

(n

1) degrs de libert.

4. La variable alatoire :

(M

suit une loi de Student (n

S
p
n
1) degrs de libert.

204

Lois Usuelles

A. El Mossadeq

16. Exercices
Exercice 1

Soient X et Y deux variables alatoires binomiales indpendantes de paramtres


(n; p) et (m; p) respectivement.
1. Quelle est la loi de probabilit de :

Z =X +Y
2. Quelle est la loi conditionnelle de X sous lhypothse [Z = a] ?
3. Soit T une variable alatoire telle que la loi conditionnelle de T sachant

[X = x] est binomiale de paramtres (x; ).


Montrer que T suit une loi binomiale de paramtres (n; p) :

Exercice 2

Soient X et Y deux variables alatoires indpendantes qui suivent des lois de


Poisson de paramtres et respectivement.
1. Quelle est la loi de probabilit de :

Z =X +Y
2. Quelle est la loi conditionnelle de X sous lhypothse [Z = n] ?

Exercice 3

Soient X et Y deux variables alatoires indpendantes qui suivent une mme loi
gomtrique de paramtre p
1. Quelle est la loi de probabilit de :

Z = max (X; Y )

205

A. El Mossadeq

Lois Usuelles

2. Quelle est la loi de probabilit de :

T =X +Y
3. Quelle est la loi conditionnelle de T sous lhypothse [X = k] ?
Calculer lesprance mathmatique de T sous cette hypothse.

Exercice 4

Soient X et Y deux variables indpendantes suivant la mme loi de Bernouilli


de paramtre p, 0 p 1
1. Dterminer les lois de probabilit des variables alatoires :

X +Y

2. U et V sont-elles indpendantes ?

Exercice 5

Deux personnes jouent pile ou face n fois chacune.


1. Quelle est la probabilit que chacune des deux personnes obtienne k fois le
ct pile ?
2. Quelle est la probabilit que les deux personnes obtiennent le mme nombre
de fois pile ?

Exercice 6

On estime que la probabilit pour un nouveau-n dtre primapare est p, et celle


dtre multipare est q = 1 p. On tudie cette parit dans une maternit.
1. Quelle est la probabilit pour que les k premiers nouveaux-ns soient tous des
miltipares ?

206

Lois Usuelles

A. El Mossadeq

2. Quelle est la probabilit pour que le premier primapare soit prcd de k


multipares ?
3. Quelle est la probabilit pour que le reme primapare soit le k eme nouveau-n ?

Exercice 7

Un groupe de 2n lles et 2n garons est spar en deux sous groupes de mme


eectif.
Quelle est la probabilit que dans chaque sous groupe il y a autant de lles que
de garons ?

Exercice 8

dans une loterie, il y a 400 billets et 4 prix.


Une personne dtient dix billets.
Quelle est la probabilit quelle gagne au moins un lot ?

Exercice 9

On distribue les 52 cartes dun jeu quatre joueurs A; B; C et D.


Soient a, b, c et d le nombre das reus par les joueurs respectivement, a + b +
c + d = 4.
1. Quelle est la probabilit dune rpartition (a; b; c; d) ?
2. On considre les rpartitions ( ; ; ; ) o lun des joueurs, sans prciser
lequel, reoit

as, un autre

as, un autre

as et un autre

as.

Combien y a-t-il de rpartitions de ce type ?


Evaluer la probabilit de chacune de ces rpartitions.

Exercice 10

On considre deux urnes contenant chacune dix boules : la premire deux noires
et huit blanches, la deuxime cinq noires et cinq blanches.

207

A. El Mossadeq

Lois Usuelles

1. On tire de la premire urne trois boules simultanment et on dsigne par X la


variable alatoire reprsentant le nombre de boules blanches obtenues lors du
tirage.
Dterminer la loi de probabilit de X et son esprance mathmatique.
2. On tire trois boules simultanment de lune des deux urnes. Elles sont toutes
blanches. Quelle est la probabilit de les avoir tires de la premire urne ?

Exercice 11

Un industriel vend des paquets de th par lot de 25 paquets.


Chaque paquet est suppos peser cent grammes, mais le contrle statistique
a tabli, partir de lexprience antrieure de lusine, que deux pour cent des
paquets produits nont pas un poids rglementaire, cest dire quils psent moins
de cent grammes.
1. On choisit au hasard un lot.
Calculer la probabilit P1 quon y trouve au moins un paquet de th non
rglementaire.
2. On choisit au hasard cinq lots.
Dterminer :
(a) la probabilit P2 que chaque lot contient au moins un paquet de th non
rglementaire.
(b) la probabilit P3 que chaque lot contient exactement un paquet de th
non rglementaire.
(c) la probabililit P4 que quatre lots contiennent au plus trois paquets de th
non rglementaires et le cinquime plus de trois paquets non rglementaires.
3. Un picier achte lindustriel cent lots.
Dterminer lesprance mathmatique du nombre de lots qui contiennent :

208

Lois Usuelles

A. El Mossadeq

(a) exactement trois paquets non rglementaires


(b) au moins deux paquets non rglementaires
(c) au plus trois paquets non rglementaires

Exercice 12

On considre une urne contenant b boules blanches et a b boules noires.


On tire au hasard une boule de lurne, on note sa couleur, puis on la remet dans
lurne en y remettant en mme temps r boules de la mme couleur que la boule
tire, r 2 Z.
On eectue ainsi n tirages et note X la variable alatoire donnant le nombre de
boules blanches obtenues sur ces n tirages.
1. Quelle est la probabilit davoir k boules blanches aux k premiers tirages puis

(n

k) boules noires aux (n

k) tirages suivants ?

2. En dduire la loi de probabilit de X .


3. Quelles sont les lois obtenues dans chacun des deux cas suivants :
(a) r = 0 ?
(b) r =

1?

Exercice 13

Une usine fabrique quatre cent lampes lectriques lheure.


On admet que le nombre X de lampes dfectueuses produites en une heure suit
une loi de Poisson de paramtre :
1. On suppose :

= 15: Calculer :
P [X > 15]

2. Dterminer la plus grande valeur entire du paramtre

P [X > 20]

209

0:05

tel que :

A. El Mossadeq

Lois Usuelles

Exercice 14

1
Un artilleur a une probabilit de datteindre une certaine cible.
5
Il tire dix coups et on compte le nombre de fois N o il atteint la cible.
1. Quelle est la loi de probabilit de N ?
2. Quelle est la probabilit quil ait touch la cible une fois ?
3. Quelle est la probabilit quil ait touch la cible au moins une fois ?
4. Dterminer x tel que :

P [N

x]

0:8

Exercice 15

Une agence de renseignements A comprend plusieurs services spcialiss. Soit S


lun dentre eux.
Le nombre de clients qui sadresse lagence A au cours dune journe est une
variable alatoire X qui suit une loi de Poisson de paramtre :
Dsignons par Y la variable alatoire reprsentant le nombre de clients sadressant
au service S .
1. Quelle est la probabilit, quun jour donn, n clients sadresse lagence ?
2. Chaque client a la probabilit p de consulter le service S .
Quelle est la probabilit quau cours dune journe o n clients sont venus, k
dentre eux aient consult le service S ?
3. Dterminer la loi conjointe de (X; Y ).
4. En dduire la loi de probabilit de la variable alatoire Y .

Exercice 16

Le nombre de voitures fabriques par une usine suit une loi de Poisson de
paramtre , > 0.
La probabilit pour quune voiture prsente un dfaut de fabrication est p, p > 0:

210

Lois Usuelles

A. El Mossadeq

1. Sachant que N voitures ont t fabriques par lusine, calculer la probabilit


pour que k dentre elles prsentent un dfaut.
2. Calculer la probabilit que k voitures produites soient dfectueuses.

Exercice 17

Soient X1 ; :::; Xn n variables alatoires indpendantes qui suivent toutes une


mme loi exponentielle de paramtre , > 0:
Dterminer la loi de la variable alatoire :

Zn = X1 + ::: + Xn

Exercice 18

Soient X et Y deux variables alatoires indpendantes qui suivent des lois normales N 1 ; 21 et N 2 ; 22 respectivement.
Dterminer la loi de la variable alatoire :

T =X +Y

Exercice 19

Soient X et Y deux variables alatoires indpendantes qui suivent des lois normales N (0; 1) et N ; 2 respectivement.
1. Calculer :
(a) P [X < 2:41]
(b) P [X < 1:09]
2. Dterminer x tel que :
(a) P [X < x] = :975
(b) P [X < x] = :883
3. Trouver une relation entre P [X < x] et P [X <

211

x]

A. El Mossadeq

Lois Usuelles

4. Montrer que :

P [a < X < b] = P [X < b]

P [X < a]

5. En dduire P [ a < X < a] en fonction de P [X < a] :


6. Montrer que :

P [Y < y] = P X <

Calculer alors :

P [3 < Y < 4]
lorsque

= 4 et

= 2:

7. On suppose que :

Dterminer alors

8
< P [Y > 1] = :8413
et :

P [Y > 9] = :0228

Exercice 20

La taille des individus dune certaine population est une variable alatoire normale
de moyenne 171 cm et dcart-type 4 cm
1. Un individu tant choisi au hasard et X tant sa taille en cm.
Dterminer la probabilit des vnements suivants :
(a) [X = 175 cm] un cm prs,
(b) [X < 160 cm]
(c) [X > 190 cm]
(d) [jX

171j > 8] :

2. On choisit au hasard dix personnes dans la population et lon note M10 la


moyenne des tailles des individus choisis.

212

Lois Usuelles

A. El Mossadeq

(a) Calculer lesprance mathmatique et la variance de M10 :


(b) Dterminer a tel que :

P [jM10

171j > a] = 0:1

3. On choisit au hasard n personnes dans la population et lon note Mn la


moyenne des tailles des individus choisis.
(a) Calculer lesprance mathmatique et la variance de Mn :
(b) En admettant que Mn suit une loi normale, dterminer a tel que :

P [jMn

171j > a] = 0:1

(c) Dmontrer que pour tout a, a > 0, on a :

lim P [jMn

171j > a] = 0

n!1

Exercice 21

Une machine fabrique en srie des pices utilises dans la construction dun
appareil lectromnager.
Le diamtre de cette pice doit tre gal 10 cm, mais une marge de tolrance m
est permise : cest dire toute pice dont le diamtre est lment de lintervalle
[10 m; 10 + m] est accepte.
On admet que le diamtre L de la pice est une variable alatoire normale de
moyenne = 10 cm et dcart-type = 0:12 cm:
1. Calculer :
(a) la probabilit quune pice mesure moins de 9:85 cm:
(b) la probabilit quune pice mesure moins de 10:21 cm sachant quelle
mesure plus de 9:85 cm:
2. Sur 4375 pices usines, 924 ont d tre refuses : moti dentre elles tant
trop grandes et les autres trop petites.
Dterminer la marge de tolrance m:

213

A. El Mossadeq

Lois Usuelles

3. En supposant que le rglage de la machine permette que la variable alatoire L


soit toujours rgie par une loi normale de moyenne
, quelle valeur faudrait-il donner

= 10 cm et dcart-type

pour que 90% de la production de la

machine soit accepts ?

Exercice 22

Tn dsigne une variable alatoire de Student n degrs de libert.


1. Dterminer t tel que :
(a) P [T7 < t] = :95
(b) P [T24 < t] = :6
2. Calculer :
(a) P [T5 < :92]
(b) P [T7 < 3]
3. Dterminer n tel que :
(a) P [Tn < 2:6] = :99
(b) P [Tn < 1:94] = :95
4. Trouver une relation entre P [Tn < x] et P [Tn <
5. En dduire :

P [ a < Tn < a]
en fonction de :

P [Tn < a]
Dterminer a tel que :

P [ a < T5 < a] = :95

214

x]

Lois Usuelles

A. El Mossadeq

Exercice 23
n

dsigne une variable alatoire du Khi-deux n degrs de libert.

1. Dterminer x tel que :


(a) P
(b) P

2
26
2
21

< x = :75
< x = :01

2. Calculer :
(a) P
(b) P

2
3
2
5

< 1:21
< 9:24

3. Dterminer n tel que :


(a) P
(b) P

2
n
2
n

< 3:36 = :5
< 2:20 = :1

Exercice 24

Fn;m dsigne une variable alatoire de Fisher (n; m) degrs de libert.


1. Dterminer f tel que :
(a) P [F2;5 < f ] = :95
(b) P [F12;8 < f ] = :95
2. Dterminer f tel que :
(a) P [F7;12 < f ] = :975
(b) P [F16;13 < f ] = :975
3. Dterminer f tel que :
(a) P [F20;11 < f ] = :99
(b) P [F16;3 < f ] = :99

215