09exosed PDF

Probabilites L2
C.Hassenforder
CHAPITRE 1
CONCEPTS DE BASE
On fait appel aux probabilites pour decrire une experience dont le resultat est impossible `
a prevoir
avec certitude, mais dont on connait quand-meme lensemble des resultats possibles.
La notion de resultat dune experience nest pas claire : cest lexperimentateur qui decide de ce qui
merite le nom de resultat en fonction de ses propres motivations.
Il est donc très important de definir avec precision les motivations de lexperience et, par suite, ce que
lon entend par resultat.
I- INTRODUCTION DE LA NOTION DEVENEMENT.

Si, lorsquon repète lexperience dans des conditions identiques, le resultat observe est susceptible de
changer, lexperience est dite aleatoire.
Lorsquon effectue une experience aleatoire, certains faits lies `
a cette experience peuvent se produire ou
non : on les appelle evenements.
Lensemble de tous les resultats possibles ou etats est appele univers de lexperience : on le notera .
Chaque resultat possible est appele evenement simple.
Les evenements susceptibles dinteresser ne sont pas seulement les evenements simples.
Un evenement est lie `
a une experience associee `
a si, pour tout resultat , on sait dire si cet
evenement a lieu ou non. On convient didentifier un tel evenement `
a lensemble des pour lequel
il a lieu. Un evenement sera donc identifie `
a une partie de .
Plus generalement, `
a chaque experience, on peut associer un ensemble tel que chaque evenement puisse
etre represente par une partie de .
Rappel sur le vocabulaire ensembliste :
1- Soit A une partie de .
On note A le complementaire de A : cest lensemble de tous les etats qui ne sont pas dans A.
Propri
et
e : A = A.
2- Soient A et B deux parties de .
On note A B lintersection de A et de B : cest lensemble des etats qui sont `
a la fois dans A et dans B.
On note A B la reunion de A et de B : cest lensemble des etats qui sont dans A ou dans B (ils peuvent
etre dans les deux).
On note A B et on dit que A est inclus dans B si tous les etats de A sont dans B.
Propri
et
es :
1) et sont commutatives et associatives.
2) Si A B, alors A B = A et A B = B.
3- Si A1 , , An , sont une infinite denombrable de parties de , on note
An (ou, de facon plus
precise,
+
S
An la reunion denombrable des An : cest lensemble des etats qui sont au moins dans lun
T
des An et on note An lintersection denombrable des An : cest lensemble des etats qui sont dans tous
n=1
les An `
a la fois.
CHAPITRE 1
Resume du cours
Propri
esT:
S et
T
S
1) An = An ; An = An .
n
n
n n
S
S
An = (A An ) : distributivite de lintersection par rapport `
a la reunion ;
2) A
n
n

T
T
A
An = (A An ) : distributivite de la reunion par rapport `
a lintersection.
n
On appelle levenement impossible car il nest jamais realise et levenement certain car il est
toujours realise.
Si A B = , on dit que A et B sont incompatibles car ils ne peuvent avoir lieu en meme temps.
Tribu :
D1 : On appelle tribu A sur , tout sous-ensemble de parties de tel que :
i) A ;
ii) si A A, alors A A ;
+
S
iii) si pour tout n IN, An A, alors
An A.
n=0
Propri
et
es :
1) A ;
2) si, pour tout n IN, An A, alors
+
T
An A.
n=0
Le couple (, A) est appele espace probabilisable.

Cas particulier tr`
es important : lorsque est fini ou infini denombrable, on prend toujours A = P().
Syst`
eme complet d
ev
enements :
On appelle système complet devenements de , toute famille finie ou denombrable (Ai )iI telle que:
i) AS
i A pour tout i I ;
ii)
Ai = ;
iI
iii) si i 6= j, alors Ai Aj = .
II- INTRODUCTION DE LA NOTION DE PROBABILITE.

D2 : Soit (, A) un espace probabilisable. On appelle probabilite sur (, A) toute application P de A
vers [0, 1] telle que :
i) P () = 1 ;

P
S
ii) pour toute suite devenements An A, incompatibles deux `
a deux, on a P
An = P (An ).
n
Le triplet (, A, P ) est appele espace probabilise.

Propri
et
es :
1) Si A B, alors P (A) P (B) ;
2) P (A) = 1 P (A) ; P () = 0 ;
3) P (A
+ P (B) P (A B) ;
n B)= P (A)
n
S
P
4) P
Ai =
P (Ai ) + + (1)k+1
P (Ai1 Aik ) + + (1)n+1 P (A1 An );

S
5) si (An )n est une suite croissante de A, alors P
An = lim P (An ) ;
n
n+

T
Bn = lim P (Bn ).
6) si (Bn )n est une suite decroissante de A, alors P
i=1
i=1
1i1 <ik n
n+
Probabilites L2
C.Hassenforder
Cas particuliers tr`

es importants :
1- fini : = {1 , , n } et A = P().
Soient p1 , , pn , n nombres reels. Il existe une probabilite P sur (, A) telle que, pour tout i {1, , n},
n
P
pi = 1.
pi 0 et
i=1
P
La probabilite P est alors unique et, pour tout A A, P (A) =
pi .
i;i A
D3 : On dit quil y a equiprobabilite lorsque les probabilites de tous les evenements simples sont egales.
TH1 : Sil y a equiprobabilite, alors, pour tout evenement A, on a P (A) =
cardA
card .
2- infini d
enombrable : = {i ; i IN} et A = P().
Il existe une probabilite P sur (, A) telle que, pour tout i IN, P ({i }) = pi si et seulement si, pour
+
P
pi = 1.
tout i IN, pi 0 et
i=0
P
La probabilite P est alors unique et alors, pour tout A P, P (A) =
pi .
i;i A
III EVENEMENTS INDEPENDANTS.

D4 : Soit (, A, P ) un espace probabilise.
1) Deux evenements A et B de A sont independants si P (A B) = P (A)P (B).
2) Une famille devenements (An )n est dite famille devenements independants si, pour tout p IN et
pour tout {i1 , , ip } IN, P (Ai1 Aip ) = P (Ai1 ) P (Aip ). (*)
Mise en garde :
1- Ne pas confondre evenements incompatibles et evenements independants.
2- Lindependance depend de la probabilite consideree.
3- Il faut verifier (*) pour toutes les sous-familles : en particulier, lindependance 2 `
a 2 devenements
nimplique pas leur independance.
TH2 : Si (A, B) est un couple devenements independants, il en est de meme des couples (A, B), (A, B)
et (A, B).
Plus generalement,
TH3 : Si (An )n est une famille devenements independants, il en est de meme de (A0n )n , avec A0n = An
ou bien A0n = An .
CHAPITRE 1
Exercices
Exercices Chapitre 1
Ensembles,
ev
enements
1. * Donner les expressions simplifiees des ensembles suivants:
(a) (A B) (A C) ;
(b) (A B) (A B) ;
(c) (A B) (A B) (A B) .
2. ** Exprimer chacun des evenements suivants `
a laide des evenements A, B et C et des operateurs
reunion, intersection et complementation:
(a) au moins un des trois evenements a lieu ;
(b) au plus un des trois evenements a lieu ;
(c) aucun des trois evenements na lieu ;
(d) les trois evenements ont lieu ;
(e) exactement un seul des trois evenements a lieu ;
(f) A et B ont lieu, mais pas C ;
(g) A a lieu, sinon B na pas lieu non plus.
3. * On lance une pièce trois fois et on considère les evenements suivants:
(a) A : pile apparat exactement deux fois ;
(b) B : pile apparat au moins deux fois ;
(c) C : pile apparat quand face est apparu au moins une fois ;
Exprimer , A, B et C ainsi que A B, A B et A C.
4. ** Dans chacun des cas suivants, donner le nombre delements de et des evenements consideres :
(a) Une famille a 4 enfants. A : les filles et les garcons sont alternes ; B : le premier et le quatrième
sont des garcons ; C :il y a autant de filles que de garcons ; D : il y a 3 enfants en suivant du
meme sexe.
(b) Un representant doit visiter 2 fois 3 villes a, b et c. A : il visite a en premier et en dernier.
(c) Un ascenseur porte 2 personnes et il y a 3 niveaux. A : elles sarretent `
a 2 niveaux differents ; B
: une personne sarrete au premier niveau.
5. * On lance deux des, lun bleu, lautre rouge. Soit x le nombre obtenu par le de bleu et y le nombre
obtenu par le de rouge. On appelle lensemble de tous les couples (x, y) possibles.
(a) Donner un diagramme cartesien de .
(b) Soient les evenements A, B, C et D definis respectivement par: x + y 3 ; x + y = 4 ou 5 ;
6 x + y 7 et x + y > 7 .
Representer graphiquement ces evenements. Forment-ils un système complet devenements?
4
Probabilites L2
C.Hassenforder
Propri
et
es des probabilit
es
6. * Soit a = P (A) ; b = P (B) et c = P (A B). Exprimer P (A) , P (A B) , P (A B) , P (A B)
en fonction de a, b et c.
7. ** Etant donne P (A) = 3/4 et P (B) = 3/8, montrer que P (AB) 3/4 et 1/8 P (AB) 3/8.
8. * Montrer que:
P (A B) P (A)P (B) = P (A)P (B) P (A B) = P (A)P (B) P (A B).
9. ** Montrer par recurrence linegalite suivante:

P (A1 A2 An )
n
X
P (Ai ) (n 1) = 1
i=1
n
X
P (Ai )
i=1
10. * Montrer la formule suivante:

P (A B C) = P (A) + P (B) + P (C) P (A B) P (A C) P (B C) + P (A B C)
11. ** Une bote contient n boules numerotees de 1 `
a n. On tire au hasard une boule. Quelle est la
probabilite que son numero soit divisible par 3 ou par 4? Etudier la limite de cette probabilite lorsque
n .
12. *** Exprimer en fonction de P (A), P (B), P (C), P (A B), P (A C), P (B C), P (A B C)
et pour k {0, 1, 2, 3} les probabilites que:
(a) exactement k des 3 evenements aient lieu ;
(b) au moins k des 3 evenements aient lieu .
13. *** On pose AB = (A B) (A B) et d(A, B) = P (AB).
Montrer que d(A, B) = P (A) + P (B) 2P (A B) et que d(A, C) d(A, B) + d(B, C).
14. *** On jette 3 des. On note X la somme des points obtenus. Calculer la probabilite davoir
X = 11 et X = 12.
Ev
enements ind
ependants
15. * Soient A, B et C trois evenements independants.
(a) A est-il independant de lui-meme? A et A sont-ils independants?
(b) Montrer que (A, B), (A, B) et (A, B) sont des couples devenements independants.
(c) Montrer que (A, B C) est un couple devenements independants.
16. ** Soit (Ai )1in une famille devenements independants tels que P (Ai ) = p pour tout i
{1, 2, , n}. Quelles sont les probabilites que:
(a) au moins un des evenements ait lieu ?
(b) au moins m evenements aient lieu ?
5
CHAPITRE 1
Exercices
(c) exactement m evenements aient lieu ?

17. * Un atelier comporte 3 machines A, B et C.
Les probabilites de defaillence sont respectivement P (A) = 0, 1 ; P (B) = 0, 2 ; P (C) = 0, 3.
Quelle est la probabilite davoir une machine en panne?
18. * Soit = {i ; 1 i 6}. On definit sur lespace probabilisable (, P()) deux probabilites P
et P 0 telles que:
P ({1 }) = 3/10 ; P ({2 }) = 1/5 ; P ({3 }) = 1/20 ; P ({4 }) = 3/20 ; P ({5 }) = 1/20 ; P ({6 }) = 1/4
et, pour tout i {1, 2, , 6} ; P 0 ({i }) = 1/6 .
On considère les evenements A = {1 , 2 , 5 , 6 } et B = {2 , 3 }.
Etudier lindependance de A et de B relativement `
a P , puis relativement `
a P 0.
19. ** Une bote A contient 1 boule blanche et 3 boules rouge. Une bote B contient 5 boules blanches
et 3 boules rouge.
On tire au hasard une boule de A et une boule de B, puis on les change de bote.
(a) Quelle est la probabilite pour quaprès lechange la bote A ne contienne que des boules rouges?
(b) Quelle est la probabilite pour quaprès lechange chaque bote ait retrouve, en nombre de boules de
chaque couleur, sa composition initiale.
20. ** On considère les differentes repartitions possibles des sexes des n enfants dune famille. Soit
lensemble des etats et soient les evenements H : la famille a des enfants des 2 sexes et F : la famille
a au plus une fille.
(a) Decrire ; calculer P (H), P (F ) et P (H F ).
(b) H et F sont-ils independants? (on considèrera n = 2, n = 3 puis n quelconque).
21. ** Deux personnes lancent une pièce n fois chacun (n 1). Quelle est la probabilite quils
obtiennent le meme nombre de faces?
22. *** Deux joueurs A et B jouent avec 2 des. A gagnera avec un total de 7 et B avec un total de
6. B joue le premier et ensuite, (sil y a une suite), A et B jouent alternativement. Le jeu sarrete dès
que lun dentre eux gagne.
Calculer la probabilite de succès de chaque joueur.
23. *** Soient A, B et C trois evenements independants tels que P (A) = a, P (A B C) = 1 b
P (A B C) = 1 c et P (A B C) = x.
(a) Montrer que:
P (B) =
(1 c)(x + b)
ax
et
P (C) =
x
.
x+b
(b) Montrer que x satisfait lequation:

ax2 + (ab (1 a)(a c 1))x + b(1 a)(1 c) = 0.
En deduire que:
c>
(1 a)2 + ab
.
1a
Probabilites L2
C.Hassenforder
CHAPITRE 2
RAPPELS DANALYSE COMBINATOIRE
Lorsque lunivers dune experience est fini, on utilise lequiprobabilite sur (, P()) chaque fois
quaucun evenement simple na de privilège sur les autres.
Dans ce cas, le calcul des probabilites se ramène donc au calcul du nombre delements de et de ses
sous-ensembles.
Lanalyse combinatoire est precisement lensemble des methodes permettant de compter les elements dun
ensemble.
D1 : Lensemble des p-uplets (y1 , , yp ) o`
u yi Ni pour tout i {1, , p} est appele produit cartesien
p
Q
des Ni . Il est note N1 Np , ou bien
Ni .
Si N1 = = Np = N , alors
p
Q
i=1
Ni est note N p .
i=1
Propri
et
e : card(N1 Np ) = cardN1 cardNp et card(N p ) = (cardN )p .
On notera Ap , Bp , des ensembles de cardinal p.
I- TIRAGES ORDONNES AVEC REMISE (ou applications).

On note F(Ep , Fn ) lensemble des applications de Ep vers Fn .
TH1 : cardF(Ep , Fn ) = np .
II- TIRAGES ORDONNES SANS REMISE (ou injections).

On note I(Ep , Fn ) lensemble des injections de Ep vers Fn , lorsque n p.
TH2 : cardI(Ep , Fn ) = n(n 1) (n (p 1)).
Remarque : Si n = p, les injections sont en fait des bijections et on a alors :
cardI(En , Fn ) = n(n 1) 2 1 = n!
Dans le cas general, (n p), cardI(Ep , Fn ) =
n!
(np)!
que lon note Apn .
III- TIRAGES NON ORDONNES SANS REMISE (ou combinaisons).

D2 : Si n p, on appelle coefficient binomial Cnp (ou parfois
n
p

), le nombre
n!
p!(np)! .
Propri
et
es :
1) Cnp = Cnnp ;
p
p1
2) Cnp = Cn1
+ Cn1
.
D3 : Une p-combinaison de Fn est une partie de Fn `
a p elements.
TH3 : Le nombre de p-combinaisons de Fn est Cnp .
7
CHAPITRE 2
Resume du cours
IV- TIRAGES NON ORDONNES AVEC REMISE (ou combinaisons avec r

ep
etitions).
D4 : Une p-combinaison avec repetition de Fn est une liste de p elements de Fn , les repetitions etant
autorisees et lordre dans la liste nintervenant pas.
n1
TH4 : Le nombre de p-combinaisons avec repetitions de Fn est Cp+n1
.
V- PARTAGES DENSEMBLES.
Probl`
eme : Etant donne p entiers positifs ou nuls, n1 , , np , verifiant n1 + + np = n, on cherche
le nombre de partages de Fn en p parties A1 , , Ap telles que cardAi = ni .
TH5 : Le nombre de partages de Fn en p parties A1 , , Ap telles que cardAi = ni est
n!
n1 !np ! .
Probabilites L2
C.Hassenforder
Exercices chapitre 2
Coefficients binomiaux
24. *** On appelle chemin une suite de segments de longueur 1, diriges soit vers le haut, soit vers la
droite.
(a) Denombrer tous les chemins allant dun point (0, 0) dun reseau carre `
a un point (n, n).En deduire
que:
n
n
X
X
(2n)!
n
n 2
=
(Cni )2 et (C2n
) =
.
C2n
(i!(n i)!)2
i=0
i=0
(b) Par une methode analogue, montrer que, pour k {0, 1, , n} :
n
=
Cn+k
k
X
Cki Cnki
i=0
(c) Retrouver le resultat du (b) en developpant de 2 facons differentes (1 + x)k (1 + x)n .

25. ** Montrer que, pour tout p 1 et pour tout n p, on a:
n
X
Ckp
p+1
Cn+1
et
k=p
2p
X
p+1
Ckp = C2p+1
.
k=p
26. ** A partir du developpement de (1 + x)n , calculer:

(a)
n
X
k=0
Cnk
n
X
E(n/2)
(1)k Cnk
k=0
E(n/2)1
Cn2k
k=0
Cn2k+1 .
k=0
(b)
n
X
k Cnk
k=1
n
X
k(k 1)Cnk .
k=2
(c)
n
X
k=0
1
Ck
k+1 n
n
X
(1)k+1
k=0
1
Ck.
k+1 n
27. ** Soient (un )n0 une suite arithmetique, (Ai )i0 et (Bi )i0 les suites definies par:
Ai =
n
X
(Cnk )i
k=0
et Bi =
n
X
uk (Cnk )i
k=0
(a) Calculer A0 , A1 et A2 .
Pn
(b) Montrer que Bi = k=0 unk (Cnk )i et en deduire une expression de Bi en fonction de Ai , u0 et la
raison r de la suite (un ).
Pn
Pn
(c) Calculer k=0 (ak + b)(Cnk )2 et k=0 k(Cnk )2 .
CHAPITRE 2
Exercices
Combinatoire
28. * Vingt chevaux sont au depart dune course et on suppose quil ny a pas dex-aequo.
(a) Combien y-a-t-il de trios possibles?
(b) Combien y-a-t-il de tierces dans lordre possibles?
29. ** De combien de manière peut-on classer 4 individus en supposant quil puisse y avoir des
ex-aequo.
30. * Combien de mots differents peut-on ecrire en permutant les lettres du mot PIERRE?
31. ** 2n personnes doivent sasseoir autour dune table ronde.
(a) De combien de facons differentes peuvent-elles etre placees?
(b) Si on a n hommes et n femmes, de combien de facons differentes peuvent-ils etre places en respectant
lalternance?
32. ** On effectue n contr
oles successifs sur une population de N individus, un individu pouvant etre
contr
ole plusieurs fois.
(a) Decrire lensemble des resultats possibles. Que vaut card ?
(b) Trouver le nombre de resultats pour lesquels un individu est contr
ole:
1. k fois (k n) ?
2. m fois au cours des r premiers contr
oles (m r n) ?
3. pour la s-ième fois au t-ième contr
ole (s t n)?
33. * Combien y-a-t-il de nombres ecrits avec 3 chiffres tous differents pris parmi les chiffres:
(a) {1, 2, 3, 4, 5, 6, 7, 8, 9} ?
(b) {0, 1, 2, 3, 4, 5, 6, 7, 8, 9} ?
34. *** Determiner le cardinal de lensemble des nombres de 4 chiffres que lon peut ecrire avec les 6
chiffres 1, 2, 3, 4, 5, 6 et calculer la somme de tous les nombres de cet ensemble dans les cas suivants:
(a) un chiffre peut etre utilise plusieurs fois ;
(b) les 4 chiffres doivent etre distincts.
35. * Combien de mots de 7 lettres toutes differentes peut-on former :
(a) avec les lettres A, B, C, D, E, F, G ?
(b) avec les lettres A, B, C, D, E, F, G et tels que les lettres C, D et E soient toujours ensemble:
1. dans cet ordre ;
2. dans un ordre quelconque.
.
36. ** Une association de 12 hommes et 8 femmes desire former un comite de 5 personnes dans lequel
doivent se trouver au moins 2 hommes et 2 femmes.
(a) De combien de facon peut-on former ce comite?
(b) Meme question en supposant que Monsieur A et Madame B ne peuvent faire partie simultanement
du comite.
10
Probabilites L2
C.Hassenforder
37. ** Determiner le nombre dapplications surjectives de {1, 2, 3, 4, 5} dans {1, 2, 3, 4} .

38. ** Dans un jeu de 32 cartes, on tire au hasard 6 cartes.
(a) Quel est le nombre de tirages possibles ?
(b) Dans combien de cas obtient-on entre autre 2 dames et 3 trèfles exactement?
39. ** Une main est un ensemble de 13 cartes prises dans un jeu de 52. Combien y-a-t-il de mains
contenant:
(a) au moins un pique ?
(b) au plus un pique ?
(c) exactement 1 as et au plus 2 piques ?
Calculs classiques de probabilit

es
40. * Dans une course de chevaux de 20 partants, quelle est la probabilite davoir:
(a) le tierce dans lordre ?
(b) le tierce dans le desordre ?
(c) ni lordre, ni le desordre ?
41. * Quelle est la probabilite davoir les 6 bons numeros sur une grille simple de loto ? Den avoir
exactement 3 ?
42. ** On prend 5 cartes au hasard dans un jeu de 32.
(a) Quelle est la probabilite quelles soient toutes de hauteurs differentes ?
(b) Quelle est la probabilite davoir un full ? (cest-`
a-dire 2 cartes dune meme hauteur et les 3 autres
cartes dune autre meme hauteur).
43. * Dans un jeu de 32 cartes, on a remplace une autre carte que las de pique par un autre as de
pique. Une personne prend au hasard 3 cartes du jeu. Quelle est la probabilite quelle sapercoive de la
supercherie ?
44. ** On distribue 8 cartes dun jeu de 32. Calculer les probabilites davoir:
(a) exactement 2 curs et au moins un valet ;
(b) au moins un cur et au moins un valet ;
(c) exactement un cur et au moins un valet.
45. ** On lance 4 des et on considère les elements Ai , i {1, 2, 3, 4} associes au nombre de faces
distinctes obtenues. Calculer les P (Ai ).
46. * Est-il plus probable dobtenir au moins 1 as en lancant 4 fois un de ou au moins 1 double as en
lancant 24 fois 2 des ?
47. * Au poker das (5 des), quelle est la probabilite davoir un brelan ?(cest-`
a-dire 3 figures identiques, les 2 autres differentes entre elles et differentes des precedentes)
11
CHAPITRE 2
Exercices
48. *** Un point P se deplace dans le plan. A chaque instant, il a une probabilite p daller de (x, y)
a (x, y + 1) et une probabilite q daller de (x, y) `
`
a (x + 1, y). ( x, y IN et p + q = 1 ).
(a) Quelle est la probabilite quen partant de (0, 0), le point P atteigne le point A (a, b) ?
(b) Quelle est la probabilite quen partant de (0, 0), le point P atteigne le segment M N ; (M (n, 0) ;
N (n, n) ) ?
49. ** 10 livres discernables sont ranges sur une etagère. Quelle est la probabilite pour que 3 livres
donnes soient places lun `
a c
ote de lautre ?
50. ** On a melange 10 paires de chaussettes et on choisit au hasard 4 chaussettes. Quelle est la
probabilite dobtenir :
(a) 2 paires ?
(b) au moins une paire ?
(c) exactement une paire ?
51. ** Un domino porte 2 nombres de {0, 1, 2, 3, 4, 5, 6}, eventuellement identiques.
(a) Combien y-a-t-il de dominos dans un jeu ?
(b) Quelle est la probabilite que 2 dominos tires au hasard soient compatibles ?
(c) Quelle est la probabilite davoir au moins un double parmi 5 dominos tires au hasard ?
52. * Une urne contient N boules numerotees de 1 `
a N . On tire simultanement n de ces boules. Soit
k {1, , N } .
(a) Calculer la probabilite que tous les numeros tires soient inferieurs ou egaux `
a k.
(b) Calculer la probabilite que le plus grand des numeros tires soit egal `
a k.
PN
n1
n
(c) En deduire que k=n Ck1
= CN
.
53. ** Une urne contient N boules numerotees de 1 `
a N . On considera le cas o`
u les tirages se font
avec remise, puis le cas o`
u les tirages se font sans remise.
(a) On tire successivement 2 de ces boules. Quelle est la probabilite que la deuxième boule tiree ait un
numero superieur ou egal `
a celui de la première boule tiree ?
(b) On tire successivement p de ces boules. Quelle est la probabilite que la p-ième boule tiree ait un
numero superieur ou egal `
a celui des p 1 premières boules tirees ?
(c) Determiner la limite de ces probabilites lorsque N tend vers + .
54. ** Une urne contient 10 boules numerotees de 1 `
a 10. On tire 3 fois de suite une boule avec
remise. Quelle est la probabilite dobtenir 3 nombres dans un ordre:
(a) strictement croissant ?
(b) croissant au sens large ?
55. * On compose au hasard un numero de telephone `
a 8 chiffres. Quelle est la probabilite que :
(a) tous les chiffres soient distincts ?
(b) le produit des chiffres soit divisible par 2 ? Par 3 ?
(c) les chiffres forment une suite strictement croissante ?
12
Probabilites L2
C.Hassenforder
56. ** On considère le mot ATTACHANT.

(a) Donner le nombre danagrammes de ce mot.
(b) On tire au hasard et sans remise 4 lettres de ce mot. Quelle est la probabilite de pouvoir ecrire le
mot CHAT avec les lettres obtenues ? Decrire directement le mot CHAT ?
(c) Reprendre les questions du (b) dans le cas de tirages avec remise.
57. ** Un sac contient 10 billes: x blanches et les autres rouges (x {2, , 8}) .
(a) Calculer la probabilite pour que, en tirant simultanement 2 billes du sac, celles-ci soient les 2 de
meme couleur.
(b) Quel doit etre le nombre x pour que cette probabilite soit minimale et quel est ce minimum ?
58. ** Un ascenseur prend 6 personnes au rez-de-chaussee dun immeuble de 8 etages. Quelle est la
probabilite que :
(a) 2 personnes descendent au meme etage, les autres descendent chacune `
a des etages differents et
differents du precedent ?
(b) 1 personne descende `
a un etage, 2 `
a un autre et 3 `
a un autre ?
59. *** Une urne contient a boules rouges et b noires. Deux joueurs tirent `
a tour de r
ole une boule
sans la remettre ; celui qui tire la première boule rouge a gagne. Quelle est la probabilite de gain de
chacun des joueurs ?
En deduire la valeur de:
b
b(b 1)
S =1+
+
+
a+b1 a+b2
60. *** Dans une classe de N + 1 elèves, la solution dun exercice est donnee par un elève `
a un de
ses camarades. Celui-ci la transmet `
a lun de ses camarades, le processus etant repete k fois. Quelle est
la probabilite pour que la solution ne soit pas repetee:
(a) `
a celui qui la trouvee ?
(b) `
a un elève layant transmise ?
(c) meme question que (a) dans le cas o`
u, au lieu de transmettre la solution `
a un elève, on la transmet
a n elèves.
`
61. *** On considère le système:
x 2y = 3
ax by = c
dont les coefficients a, b et c sont determines en lancant 3 fois un de. Quelles sont les probabilite pour
que le système admette:
(a) une solution ? une infinite de solutions ? pas de solution ?
(b) la solution unique (3, 0) ?
62. ** On tire successivement p boules parmi n2 numerotees de 1 `
a n2 . Quelle est la probabilite
davoir:
(a) une seule boule dont le numero est un carre ?
(b) au moins une boule dont le numero soit un carre ?
(c) ayant tire 2 boules, 2 boules dont la difference des numeros soit un carre ?
P
On utilisera nk=1 k 2 = n(n + 1)(2n + 1)/6.
13
CHAPITRE 3
Resume du cours
CHAPITRE 3
VARIABLES ALEATOIRES
LOIS DE PROBABILITE CLASSIQUES
I- GENERALITES.
Soit E une experience aleatoire et (, A, P ) lespace probabilise qui en rend compte.
Il arrive très souvent qu`
a chaque resultat de E, on associe une valeur numerique : on definit ainsi une
application X de vers IR.
On sera amene `
a considerer lensemble des resultats tel que X() = a, ou encore X() < a, ou
encore X() [a, b[... Mais, pour pouvoir considerer la probabilite de ces ensembles, il faut que ceux-ci
soient dans la tribu A.
Notations :
1) X 1 (I) = { ; X() I} note par commodite (X I).
On ecrira ainsi [a < X b] pour X 1 (]a, b]) ; [X x] pour X 1 (] , x]) et [X = x] pour X 1 ({x}).
2) Si A , X(A) = {X() ; A} ; ainsi X() designe lensemble des valeurs susceptibles detre
prises par X.
D1 : Soit (, A) un espace probabilisable. On appelle variable aleatoire reelle (en abrege v.a.r.) toute
application X de vers IR telle que X 1 (I) A pour tout intervalle I de IR.
Cas particulier important : Si A = P(), toute application de vers IR est une v.a.r..
D2 : On appelle variable aleatoire reelle toute application X de vers IR telle que, pour tout x IR,
on ait [X x] A.
TH1 : Les definitions 1 et 2 sont equivalentes.
II- FONCTIONS DE REPARTITION.

D3 : Soit X une v.a.r. definie sur un espace probabilise (, A, P ). On appelle fonction de repartition de
X lapplication FX de IR sur IR definie par FX (x) = P ([X x]).
Propri
et
es :
1) Pour tout x IR, FX (x) [0, 1] ;
2) FX est croissante ;
3) FX est continue `
a droite ;
4) lim FX (x) = 0 ; lim FX (x) = 1 ;
x
x+
5) pour tout (a, b) IR2 , si a < b, alors P ([a < X b]) = FX (b) FX (a) ;
6) P ([X = x]) = FX (x) FX (x ) (= 0 si FX est continue en x).
Recommandation : Letude dune v.a.r. commence toujours par la determination de lensemble X()
des valeurs prises par X.
14
Probabilites L2
C.Hassenforder
III V.A.R. DISCRETES.

D4 : Une v.a.r. X sur (, A, P ) est dite discrète si X() est fini ou denombrable.
On note X() = {x1 , , xn } ou bien X() = {xi ; i IN} et pi = P ([X = xi ]).
D5 : On appelle loi de probabilite dune v.a.r. discrète X, lensemble des couples (xi , pi ).
Fonction de r
epartition : FX (x) =
pi .
i;xi x
La fonction FX est une fonction en escalier, presentant des sauts de pi en chaque xi .

Loi dune fonction dune v.a.r. :
TH2 : Soit X une v.a.r. discrète et g une fonction numerique definie sur X() ; alors Y = g(X) est une
v.a.r. discrète verifiant Y () = g(X()) et, pour tout y Y (), on a :
X
P ([Y = y]) =
P ([X = xi ]).
xi ;g(xi )=y
Lois discr`
etes classiques.
1) Lois discr`
etes finies.
a) Loi de Bernoulli B(p) (ou B(1, p)) :
X() = {0, 1} ; P ([X = 1]) = p ; P ([X = 0]) = 1 p.
b) Loi binomiale B(n, p) :
X() = {0, , n} ; P ([X = k]) = Cnk pk (1 p)nk pour tout k X().
c) Loi hyperg
eom
etrique H(n, M, N ) :
X() = {max(0, n N + M ), , min(n, M )} ; P ([X = k]) =
nk
k
CM
CN
M
pour tout k X().
n
CN
d) Loi
equiprobable U({x1 , , xn }) :
X() = {x1 , , xn } ; P ([X = xk ]) =
1
pour tout xk X().
n
2) Lois discr`
etes infinies.
a) Loi g
eom
etrique sur IN G(p) (ou P(1, p)) :
X() = IN ; P ([X = k]) = p(1 p)k1 pour k IN .
b) Loi de Pascal P(r, p) :
r1 r
X() = IN \ {0, , r 1} ; P ([X = k]) = Ck1
p (1 p)kr pour k r.
c) Loi g
eom
etrique sur IN G0 (p) (ou BN (1, p)) :
X() = IN ; P ([X = k]) = p(1 p)k pour k IN.
15
CHAPITRE 3
Resume du cours
d) Loi binomiale n
egative BN (r, p) :
r1
X() = IN ; P ([X = k]) = Ck+r1
pr (1 p)k pour k IN.
e) Loi de Poisson P() :

X() = IN ; P ([X = k]) = exp()
k
pour k IN.
k!
IV- V.A.R. ABSOLUMENT CONTINUES

D6 : Une v.a.r. X de fonction de repartition FX est dite absolument continue sil existe une fonction
numerique f definie sur IR, appelee densite de X telle que :
i) f (x) 0 pour tout x IR ;
ii) f est continue sur IR, sauf peut-etre en un nombre fini de points en lesquels elle admet des limites `
a
droite
et
a
`
gauche
;
R +
iii) f (t)dt existe et vaut 1 ;
Rx
iv) FX (x) = f (t)dt.
Remarques :
1) La connaissance de f determine entièrement FX mais la connaissance de FRX ne determine pas f de
x
facon unique : on peut modifier `
a son gre f sur un ensemble fini sans changer f (t)dt.
2) Si X est une v.a.r. absolument continue, alors FX est continue, mais la reciproque est fausse.
3) Il existe des v.a.r. qui ne sont ni discrètes, ni absolument continues (celles, par exemple, dont la
fonction de repartition est strictement croissante et presente des sauts en certains points).
Comment reconnatre la fonction de r
epartition dune v.a.r. absolument continue ?
Une fonction de repartition F est celle dune v.a.r. X absolument continue si F est continue sur IR,
derivable sur IR \ I, o`
u I est un sous-ensemble fini de IR, si F 0 est continue sur IR \ I et si F 0 admet des
limites `
a droite et `
a gauche en tout point de I.
Lois absolument continues classiques.
Rappel : Si I est un sous-ensemble de IR, alors 1II (x) =
1 si x I
.
0 si x
/I
a) Loi uniforme U([a, b]) :

loi de densite f definie par f (x) =
1
ba 1I[a,b] (x).
b) Loi exponentielle E() :

loi de densite f definie par f (x) = exp(x)1I]0,+[ (x).
c) Loi Gamma (a, ) :
a
(a)
exp(x)xa1 1I]0,+[ (x) o`

u (a) =
+
R
exp(t)ta1 dt.
d) Loi Beta B(a, b) :

1
a1
(1
B(a,b) x
x)b1 1I]0,1[ (x) o`

u B(a, b) =
e) Loi de Cauchy C() :

16
(2 +x2 ) .
(a)(b)
(a+b) .
Probabilites L2
C.Hassenforder
f ) Loi Normale N (m, 2 ) :

1
2

2
exp (xm)
.
2
2
TH3 : Une v.a.r. X a pour loi la loi normale N (m, 2 ) si et seulement si X =

loi normale N (0, 1).
Xm
est une v.a.r. de
Cons
equence : Tout calcul de probabilite faisant intervenir la loi normale N (m, 2 ) se ramène `
a un
calcul faisant intervenir la loi normale N (0, 1).
TH4 : Soit X une v.a.r. de loi normale N (0, 1), de fonction de repartition . Alors :
1) pour tout x IR, (x) = 1 (x) ; en particulier (0) = 12 ;
2) pour tout x IR, P ([|X| x]) = 2(x) 1 et P ([|X| x]) = 2(1 (x)).
Formule `
a retenir :
R +
t2
e 2 dt =
2 (ne pas chercher `

a calculer!)
17
CHAPITRE 3
Exercices
Fonctions de r
epartition
63. * On lance 2 des et on appelle X la somme des points obtenus. Donner la representation graphique
de la fonction de repartition de X. (On precisera, en particulier les points de discontinuite et leur nature).
64. * On considère la fonction F definie sur IR par:
F (x) = 0 si x < 0 ; F (x) = x/8 si 0 x < 2 ; F (x) = x/4 si 2 x < 4 ; F (x) = 1 si x 4 .
Tracer la representation graphique de F et montrer que F peut etre consideree comme la fonction de
repartition dune v.a.r. X .
65. * Soient a, b IR tels que a < b.
Exprimer P ([a < X < b]), P ([a < X < b]), P ([a X b]), P ([a X < b]) `
a laide de FX .
66. ** Trois urnes A, B et C contiennent respectivement 1 boule blanche et 3 noires, 2 blanches et
2 noires, 3 blanches et 1 noire. On tire au hasard une boule dans chacune des 3 urnes, et on designe par
X le nombre de boules blanches obtenues.
Donner la loi de X et sa fonction de repartition.
67. * Montrer que la fonction F definie par:
F (x) = ex /21I ],0[ (x) + 1I [0,+[ (x)
est une fonction de repartition. La fonction F 0 est-elle une densite de probabilite ?
68. ** Determiner (a, b) IR2 tel que la fonction F definie par:
F (x) =
a(x + 4)
1I ]4,+[ (x)
b + |x|
soit une fonction de repartition.
Variables al
eatoires discr`
etes
69. * Soit X une v.a.r. discrète prenant les valeurs 3, 4, 5 et 6. Determiner la loi de probabilite de
X sachant que:
P ([X < 5]) = 1/3 ; P ([X > 5]) = 1/2 ; P ([X = 3]) = P ([X = 4]).
70. * A et B sont deux avions ayant respectivement 4 et 2 moteurs. Chaque moteur a la probabilite
p de tomber en panne et les moteurs sont independants les uns des autres.
Sachant que chaque avion arrive `
a destination si moins de la moitie de ses moteurs tombent en panne,
quel avion choisissez-vous ?
71. ** Deux joueurs lancent une pièce de monnaie parfaitement equilibree, n fois chacun. Calculer
la probabilite quils obtiennent le meme nombre de fois pile .
72. *** On tire 9 cartes dans un jeu de 52 cartes. On appelle X la v.a.r. egale au nombre de carres
obtenus.
Trouver la loi de X .
73. ** Une urne contient 5 boules toutes distinctes. On tire 3 boules une `
a une avec remise. Soit X
la v.a.r. egale au nombre de boules differentes tirees.
Determiner la loi de X .
18
Probabilites L2
C.Hassenforder
74. ** Une urne contient n boules numerotees de 1 `

a n. Determiner la loi de la v.a.r. X dans les cas
suivants:
(1) On tire k boules au hasard ; X est le plus petit numero obtenu.
(2) On tire successivement 3 boules, sans remise ; X est le numero de la 3-ième boule tiree.
(c) On tire 3 boules au hasard ; X est le numero intermediaire.
75. *** Une urne contient des jetons numerotes de 1 `
a n. On tire tous les jetons successivement et
sans remise. Soit p n. Quelle est la probabilite de tirer les jetons numerotes de 1 `
ap:
(a) dans lordre des numeros et consecutivement ?
(b) dans lordre ?
76. *** Une urne contient des boules numerotes de 1 `
a n. On tire les boules de lurne, une `
a une et
avec remise. On sarrete lorsque, pour la première fois le numero tire est superieur ou egal aux numeros
tires precedemment. Soit X la v.a.r. egale au nombre de tirages effectues.
Determiner la loi de X.
77. * Soit X une v.a.r. `
a valeurs dans IN, telle que, pour tout k IN, P ([X = k]) = 3k .
(a) Determiner .
(b) X a-t-elle plus de chances detre paire ou impaire ?
78. * On lance une pièce truquee jusqu`
a obtenir pour la première fois face. Quelle est la probabilite
pour que le nombre de lancers soit impair ? Pair ?
79. ** On lance une pièce truquee et on note p la probabilite de voir apparatre pile. Soit X le
temps dattente du premier pile. Trouver un entier s tel que P ([X s]) 1 , o`
u est un reel
donne tel que ]0, 1[. Application = 0, 01 et p = 1/6 .
80. ** Combien une famille doit-elle avoir denfants pour avoir au moins un garcon et une fille avec
une probabilite superieure `
a 0,95 ?
81. ** Soit X une v.a.r. de loi geometrique de paramètre p et soit M IN . Determiner les lois de
Z = inf(X, M ) et de Y = sup(X, M ).
82. * Un sauteur tente de franchir les hauteurs successives 1, 2, , n, . Les sauts sont independants
et la probabilite de succès `
a la hauteur n, n IN est 1/n. Le sauteur est elimine `
a son premier echec .
On note X la v.a.r. numero du dernier
saut
r
e
ussi.
P
Trouver la loi de X et verifier que n=1 P ([X = n]) = 1.
k
2
83. * Soit X une v.a.r. entière telle que P ([X = k]) = e2 (1 + k) 4(k!)
pour tout k IN. Determiner
.
84. *** On lance 5 des: `
a chaque lancer, on met de c
ote ceux qui donnent un as et on relance les
autres jusqu`
a obtenir 5 as. Soit X la v.a.r. egale au nombre de lancers et Y la v.a.r. egale au nombre
de des lances .
(a) Calculer P ([X k]) puis P ([X = k]) pour tout k IN .
(b) Calculer P ([Y = k]) pour tout k IN .
85. *** Dans une urne, il y a 10 boules blanches et 5 noires. On appelle X le rang de la r-ième boule
blanche tiree (1 r 10). Determiner la loi de X dans le cas de tirages sans remise puis dans le cas de
tirage avec remise .
19
CHAPITRE 3
Exercices
86. *** Une succession de parties independantes de pile ou face est representee par une suite de
v.a.r. Xn telles que:
P ([Xn = 0]) = P ([Xn = 1]) = 1/2
Pn
On pose Sn = i=1 Xi .
(a) Quelle est la loi suivie par Sn ?
(b) Si k > 0, soit T la v.a.r. egale au premier instant o`
u pile est tombe k fois. Quelle est la loi de T ?
(c) Pierre et Paul jouent `
a pile ou face. Pierre choisit pile et Paul face. Soit U la v.a.r. egale au
premier instant o`
u lun des joueurs gagne k parties . Quelle est la loi de U ?
87. ** Soit X une v.a.r. suivant une loi de Poisson.
Montrer que P ([X impair]) < P ([X pair]).
88. * Soit X `
a valeurs dans IN telle que P ([X = n]) = (/n)P ([X = n 1]) pour tout n IN .
Trouver la loi de X .
89. ** Soit f une fonction definie sur ZZ par :
f (n) = (4/n)f (n 1) pour tout n IN et f (n) = f (n) pour tout n ZZ .
Determiner f pour quelle definisse la loi de probabilite dune v.a.r. X a
` valeurs dans ZZ .
90. * Dans une verrerie, on fabrique des abats-jour en verre qui admettent en moyenne 3 defauts.
La probabilite du nombre de defauts par abat-jour est determinee par une loi de Poisson. Calculer la
probabilite pour quun abat-jour :
(a) ne contienne aucun defaut ;
(b) contienne 2 defauts au plus .
91. * Sachant que le nombre moyen de communications telephoniques recues par un standard entre
10h et 11h est de 1,8 par minute, et que le nombre X dappels recus par minute est une v.a.r. qui suit
une loi de Poisson, calculer la probabilite pour quentre 10h53 et 10h54 il y ait aucun appel ; 1 appel ; 2
appels ; au moins 2 appels ; plus de 2 appels ; 2,3 ou 4 appels.
92. ** Soit X une v.a.r. prenant ses valeurs dans IN. On suppose que pour tout n IN, on a
4P ([X = n + 2]) = 5P ([X = n + 1]) P ([X = n]) .
Montrer que X suit une loi binomiale negative dont on precisera les paramètres .
Variables al
eatoires absolument continues
93. * Verifier que les fonctions f suivantes sont des densites de probabilite:
(a) f (x) = (1 |1 x|)1I ]0,2[ (x)
|x|
(b) f (x) =
1
2
(c) f (x) =
x
4
(d) f (x) =
b
(b2 +(xa)2 )
e
x
e 2 1I ]0,+[ (x)
94. * Soit f la fonction definie par:

f (x) = cx 1I[0,3[ (x) + c(6 x) 1I[3,6[ (x)
(a) Montrer que pour une constante c convenable, que lon determinera, f est une densite de probabilite.
(b) Soit X une v.a.r. de densite f . Soit A levenement [X > 3] et B levenement [1, 5 < X < 4, 5].
Calculer P (A) et P (B). Les evenements A et B sont-ils independants?
20
Probabilites L2
C.Hassenforder
95. ** Soit X une v.a.r. de densite f .

Soit a 6= 0 et b IR et soit Y = aX + b.
(a) Exprimer la densite de Y `
a laide de f .
(b) Meme question avec Y = |X|.
(c) Meme question avec Y = X p ; p IN . (on distinguera les cas p impair et p pair).
Application: Si X suit la loi normale N (0, 1), quelle est la loi de Y = X 2 ?
96. * Soient a et des reels strictement positifs. On pose:
Z +
(a) =
ex xa1 dx
0
(a) Montrer que (a) < + .

(b) Montrer que (a + 1) = a(a) et en deduire que, pour n IN , on a (n) = (n 1)!.
(c) On considère f definie par:
a x a1
e
x
1I]0,+[ (x)
(a)
Verifier que f est une densite de probabilite et representer, selon les valeurs de a, lallure de la
courbe de densite.
f (x) =
97. * Soit X une v.a.r. de loi normale N (0, 1).

Montrer, en utilisant les exercices
33 et 34 que la loi de Z = X 2 /2 est la loi Gamma de paramètres = 1
et a = 1/2 et que (1/2) = .

98. On suppose que la duree dune communication telephonique est une v.a.r. de loi exponentielle
E(k).
(a) Calculer, pour k = 0, 8, la probabilite pour quune communication dure:
() : plus de 4 minutes;
() : entre 3 et 5 minutes.
(b) Quelle valeur faut-il donner `
a k pour que la probabilite quune communication dure plus de 3
minutes soit egale `
a 0,1?
99. * Soit X une v.a.r. de densite f definie par:
f (x) = (1 + x)2 1I[0,+[ (x)
(a) Determiner la fonction de repartition F de X.
(b) Soit Y = ArctanX. Montrer que Y est une v.a.r. absolument continue et determiner sa densite.
100. ** Soit X une v.a.r. strictement positive et > 0. On definit les v.a.r. U et V par U = 1 X
et V = ln X/.
(a) Determiner les lois de U et de V si X suit la loi uniforme sur ]0, 1[.
(b) Determiner la loi de X pour que V suivent la loi exponentielle E().
101. *** Trouver la loi de Y = e1/X si X suit la loi uniforme sur [1, 1].
102. ** Soit X une v.a.r. de densite f definie par:
f (x) = cos x 1I]0,/2[ (x)
Determiner la fonction de repartition de la v.a.r. Y = tan X.
21
CHAPITRE 3
Exercices
103. ** Soit X une v.a.r. absolument continue.

(a) Determiner la loi de Y = sin(X) si X suit la loi uniforme sur ]0, 1[.
(b) Determiner la loi de Z = tan X si X suit la loi uniforme sur ] /2, /2[.
.
104. *** Soit X une v.a.r. de fonction de repartition F definie par:
F (x) = (1 + ex )1
Determiner la fonction de repartition de la v.a.r. Y definie par:
Y =
eX + 1
eX 1
105. ** Soit X une v.a.r. de loi normale N (0, 1). Soit n 2 et a > 0.
(a) Pour quelle valeur du reel a, la probabilite P ([a < X < na]) est-elle maximale?
(b) Soit T = |X|+a. Calculer la fonction de repartition F de T en fonction de la fonction de repartition
de X et en deduire la densite f de T .
106. * Soit X une v.a.r. de loi normale N (0, 1) et soit sa fonction de repartition. Montrer que:
(a) Pour tout x IR, (x) = 1 (x). (En particulier (0) = 1/2.
(b) Pour tout x IR+ , P ([|X| x]) = 2(x) 1 et P ([|X| x]) = 2(1 (x)).
Utilisation de tables
107. * On jette 10 pièces de monnaie truquees de telle sorte que, pour chacune, la probabilite dobtenir
pile soit 0,3. Soit X le nombre de piles obtenus au cours de ce lancer.
(a) Determiner la loi de X.
(b) Quelle est la probabilite dobtenir 3 piles? au plus 3 piles?
108. * Dans un garage, le nombre de voitures vendues en une semaine suit la loi de Poisson de
paramètre 8.
(a) Determiner la probabilite des evenements A en une semaine, 8 voitures ont ete vendues et B en
une semaine, au moins 2 voitures ont ete vendues.
(b) Quelle est la probabilite quen une semaine il y ait eu au moins 6 et au plus 10 voitures vendues?
109. * On suppose que le poids dun bebe est une v.a.r. X de loi normale N (3, 2; 0, 16).
Calculer P ([X 4]), P ([X 3]) et P ([2, 8 X 3, 6]).
110. ** Sur un echantillon de population, on note que 11% des personnes mesurent moins de 1,60m
et 8% plus de 1,80m.
En admettant que la taille dune personne est une v.a.r. de loi normale, preciser les paramètres de cette loi.
111. ** La distribution des notes obtenues `
a un concours admet approximativement la loi normale
de moyenne 32,5 et decart-type 8,5 (les notes allant de 0 `
a 60).
Sachant que 30% des elèves ne sont pas admissibles et que 10% sont admis sans oral, quelles sont les
barres dadmissibilite et dadmission?
22
Probabilites L2
C.Hassenforder
112. * Soit X une v.a.r. de densite f definie par:

2
f (x) = Ax2 ex
/3
1I]0,+[ (x)
Determiner A, la fonction de repartition de X et calculer P ([X > 1]) `

a laide dune table.
113. ** La longueur L du c
ote dun cube suit une loi normale de moyenne 10cm et decart-type 1mm.
Soit V le volume du cube et S laire totale de ses 6 faces.
(a) Calculer P ([V < 1030cm3 ]) et P ([S < 624cm2 ]).
(b) Determiner la densite de V et celle de S.
114. ** Une confiture est qualifiee pur sucre si elle contient entre 420g et 520g de sucre par kg. Le
poids en sucre dun pot suit une loi normale de moyenne 465g et decart-type 30g.
(a) Calculer le pourcentage de la production qui ne doit pas porter la mention pur sucre.
(b) Afin dameliorer la qualite pur sucre, le fabricant souhaite eliminer 15% de sa production.
Determiner un intervalle [a, b] tel que P ([a X b]) = 0, 85.
(c) Un magasin dietetique propose dacheter les pots de moins de 495g mais dau moins Y g de sucre.
Determiner Y sachant que le fabricant refusera la vente au dessus de 20% de chute.
23
CHAPITRE 4
Resume du cours
CHAPITRE 4
PROBABILITES CONDITIONNELLES
La notion de probabilite conditionnelle est introduite chaque fois que, pendant le deroulement dune
experience aleatoire, une information partielle est fournie `
a lexperimentateur.
Un evenement en conditionne un autre, si la realisation de ce dernier depend de la realisation du premier.
Les notions dindependance et de conditionnement sont donc etroitement liees.
I- INTRODUCTION.
Soit (, A, P ) un espace probabilise.
D1 : Soit B A tel que P (B) > 0. On appelle probabilite de A sachant B le nombre P (A/B) ou P B (A)
defini par P (A/B) =
P (AB)
P (B) .
Propri
et
e : Lapplication P B : A 7 P (A/B) est une probabilite sur (, A).
Cons
equence importante : P (A/B) = 1 P (A/B).
Probabilit
es conditionnelles et ind
ependance :
TH1 : Si A et B sont deux evenements independants de probabilite non nulle, alors
P (A/B) = P (A) et P (B/A) = P (B).
II- PROBABILITES COMPOSEES.

On deduit facilement de la definition de la probabilite conditionnelle que, si A et B sont deux
evenements de probabilite non nulle, P (A B) = P (A/B)P (B) = P (B/A)P (A).
Plus generalement,
TH2 : Soit (Ai )1in une famille devenements telle que P (A1 An1 ) 6= 0 ; alors :
!
n
\
P
Ai = P (A1 )P (A2 /A1 ) P (An /A1 An1 ).
i=1
III- FORMULE DES PROBABILITES TOTALES.

TH3 : Soit (Bi )iI un système complet devenements de probabilites non nulles. Alors, pour tout A A,
X
P (A/Bi )P (Bi ).
P (A) =
iI
Cas particulier tr`

es utile : P (A) = P (A/B)P (B) + P (A/B)P (B).
24
Probabilites L2
C.Hassenforder
IV- THEOREME DE BAYES.

TH4 : Soit (Bi )iI un système complet devenements de probabilites non nulles et A un evenement de
probabilite non nulle. Alors, pour tout i0 I :
P (A/Bi0 )P (Bi0 )
.
P (Bi0 /A) = P
P (A/Bi )P (Bi )
iI
En particulier, P (B/A) =
P (A/B)P (B)
.
P (A/B)P (B)+P (A/B)P (B)
25
CHAPITRE 4
Exercices
Exercices Chapitre 4
Probabilit
es conditionnelles
115. * Dans un jeu de 32 cartes, on tire une carte au hasard.
Calculer la probabilite que la carte tiree soit un roi sachant que levenement la carte tiree est un pique
est realise?
116. * Un de est jete 3 fois successivement et les resultats des 3 experiences sont tous differents.
Quelle est la probabilite quil y ait un as?
117. * On tire 4 cartes dun jeu de 32 cartes.
Sachant que lune des cartes tirees est un roi, quelle est la probabilite dobtenir 2 as et 2 rois?
118. * Un sac contient 7 billes rouges, 5 billes blanches et 3 billes noires. On tire successivement 3
billes.
Quelle est la probabilite pour que la première bille tiree soit rouge, la deuxième blanche et la troisième
noire si chaque bille est:
(a) remise dans le sac après tirage ;
(b) non remise dans le sac.
119. ** Soient A1 et A2 deux ensembles de boules. On suppose que A1 contient 75% de boules
blanches et que A2 en contient 50%. En outre, on suppose que A1 contient 3 fois plus de boules que A2 .
On place les boules de A1 et de A2 dans une meme urne et on en tire une au hasard: on constate quelle
est blanche. Quelle est la probabilite que cette boule provienne de A1 ?
120. ** Dans un elevage de moutons, la probabilite quun animal soit atteint par une maladie M est
0,3. La probabilite quun mouton qui nest pas atteint par M ait une reaction positive `
a un test T est
0,9 ; la probabilite quun mouton atteint par M ait une reaction positive `
a T est 0,8.
Quelle est la probabilite quun mouton pris au hasard et ayant une reaction positive `
a T soit atteint par M ?
121. ** On etudie au cours du temps le fonctionnement dun appareil obeissant aux règles suivantes:
a la date n ;
i) si lappareil fonctionne `
a la date n 1, (n IN ), il a la probabilite a detre en panne `
(a ]0, 1[);
ii) si lappareil est en panne `
a la date n 1, (n IN ), il a la probabilite b detre en panne `
a la date
n , (b ]0, 1[).
On note pn la probabilite que lappareil marche `
a la date n.
Etablir, pour n IN , une relation entre pn et pn1 . En deduire pn en fonction de p0 . Etudier la
convergence de la suite (pn )n1 .
122. ** Des pièces mecaniques sont fabriquees en grande serie. On effectue un test sur chacune
delles pour en contr
oler la qualite. On appelle p la probabilite pour quune pièce choisie au hasard soit
bonne ; a la probabilite pour que le test indique comme bonne une pièce qui est effectivement bonne ; b
la probabilite pour que le test indique comme bonne une pièce qui en realite est mauvaise.
(a) Calculer la probabilite pour quune pièce indiquee par le test comme bonne soit effectivement bonne.
(b) A quelle condition le test est-il utile ? (cest-`
a-dire `
a quelle condition cette probabilite est-elle
superieure `
a p?).
123. *** On lance 3 des. Calculer la probabilite des evenements A:avoir 3 numeros de meme parite
et B:avoir un numero strictement superieur `
a la somme des 2 autres.
Calculer P (C/B) o`
u C est levenement:avoir un 6.
26
Probabilites L2
C.Hassenforder
124. ** Deux chasseurs A et B apercoivent un lièvre et tirent simultanement.

(a) Sachant que A atteint et tue dhabitude 5 lièvres sur 6 et B 4 lièvres sur 5, quelle est la probabilite
que le lièvre soit tue?
(b) En fait B a tire.
() Quelle est la probabilite pour que A tue le lièvre sachant que si B tire et manque, les chances
de A datteindre le lièvre se trouvent diminuees de moitie?
() Dans ces conditions, lorsque B a tire, puis A, quelle est la probabilite pour le lièvre den
rechapper?
125. ** Le quart dune population est vaccine. On constate que parmi les malades il y a 1 vaccine
pour 4 non vaccines ; de plus, parmi les vaccines, il y a 1 malade sur 12?
Quelle est la probabilite de tomber malade pour un individu non vaccine? Le vaccin est-il efficace?
126. * Une usine dampoules dispose de 3 machines qui fabriquent respectivement 20, 30 et 50% de
la production. Sachant que la probabilite quune ampoule defectueuse ait ete fabriquee par A, B, C est:
P (D/A) = 0, 05 ; P (D/B) = 0, 04 ; P (D/C) = 0, 01 ;
calculer la probabilite:
(a) quune ampoule soit defectueuse ;
(b) quune ampoule defectueuse provienne de A ;
(c) quune ampoule non defectueuse provienne de C .
127. *** Une urne contient initialement b bonbons blancs et r bonbons rouges. On effectue des
tirages successifs dun bonbon dans cette urne selon le protocole suivant: si `
a un rang quelconque on
obtient un bonbon rouge, celui-ci est remis dans lurne avant le tirage suivant et si `
a un rang quelconque
on obtient un bonbon blanc, on le mange.
(a) Quelle est la probabilite, au cours des n premiers tirages de tirer exactement un bonbon blanc? de
manger au moins un bonbon?
(b) Sachant quau cours des n premiers tirages, on a tire exactement un bonbon blanc, quelle est la
probabilite quil ait ete tire en dernier?
128. * Une urne contient 3 boules rouges et 7 boules blanches. On tire une boule et on remet dans
lurne une boule de lautre couleur.
Quelle est la probabilite que la deuxième boule tiree soit rouge?
129. ** On considère n urnes numerotees de 1 `
a n, lurne k contenant n boules noires et k boules
blanches. On choisit au hasard une urne et dans cette urne une boule.
Quelle est la probabilite dobtenir une boule noire?
130. * Une urne contient 4 boules noires et 2 boules blanches ; une autre 2 boules noires et 4 boules
blanches. On effectue une succession de tirages avec remise dans une des urnes choisie qu hasard.
Quelle est la probabilite que la troisième boule tiree soit blanche sachant que les deux premières letaient?
131. ** Une urne contient 5 boules rouges et 1 noire.
Determiner la probabilite quil faille retirer successivement 3 boules, sans remise dans lurne, pour extraire la boule noire.
132. ** Une urne contient 6 boules blanches et 5 rouges. On en extrait successivement les boules
sans remettre dans le sac les boules sorties. On appelle pn la probabilite pour quau n-ième tirage, la
boule rouge apparaisse pour la première fois.
Calculer pn pour tout entier n.
27
CHAPITRE 4
Exercices
133. * On cherche un parapluie qui se trouve dans un immeuble de 7 etages (rez-de-chaussee compris)
avec la probabilite p (p ]0, 1[). On a explore en vain les 6 premiers niveaux.
Quelle est la probabilite que le parapluie se trouve au 7-ième etage?
134. * On considère 100 des `
a 6 faces dont 50 sont pipes et 50 sont corrects. Pour chaque de pipe, la
probabilite dobtenir la face 6 est 1/2. On prend un de au hasard parmi les 100, on le jette et on constate
que la face 6 apparat. Quelle est la probabilite que le de soit pipe?
135. * On suppose que lon a dans un magasin des machines provenant de 2 usines differentes A et
B: 70% viennent de A et 30% viennent de B. Parmi celles qui viennent de A, 20% presentent un defaut
; parmi celles qui viennent de B, 10% presentent un defaut.
(a) Determiner le pourcentage de machines dans le magasin qui presentent un defaut.
(b) Une machine donnee presente un defaut. Quelle est la probabilite quelle provienne de lusine B?
136. ** Un voyageur X peut prendre le train ou lavion. Si au jour n 1 il prend le train, la probabilite quil prenne lavion au jour n est 1/2. Si au jour n 1, il prend lavion, il prend le train au jour n.
Soit pn la probabilite que X prenne le train au jour n.
Donner lexpression de pn en fonction de n sachant quau premier jour, X prend le train.
137. * Un sac contient 3 jetons. Lun de ces jetons a 2 faces noires, un autre 2 faces blanches et le
troisième a une face noire et lautre blanche. On tire au hasard un jeton du sac et on le pose sur la table:
la face visible est noire. Quelle est la probabilite que le jeton tire ait 2 faces noires?
138. ** Un joueur joue `
a pile ou face avec 2 pièces A et B. Pour le premier jeu, il choisit une pièce
au hasard. Par la suite, il utilisera la meme pièce quau coup precedent en cas de pile et il changera de
pièce en cas de face. Soient a et b les probabilites respectives de piles des pièces A et B. On suppose
a + b < 1.
Calculer la probabilite dobtenir pile au n-ième jeu, ainsi que la limite de cette probabilite lorsque n
tend vers +.
139. ** Soit n IN ; k un entier tel que 0 < k < n et p ]0, 1[. Dans un magasin, se trouvent n
commodes ayant toutes k tiroirs.
(a) Soit r un entier tel que 0 < r k. On considère une commode de ce magasin. Un livre a une
probabilite p de se trouver dans cette commode. Sil est dans la commode, il a la meme probabilite
de se trouver dans chacun des k tiroirs. On ouvre r tiroirs de la commode et on ne le trouve pas:
quelle est la probabilite quil se trouve dans la commode?
(b) Soit m un entier tel que 0 < m n. Un livre est situe dans lun des k tiroirs de lune des n
commodes identiques du magasin. On le cherche en ouvrant r tiroirs de chaque commode: ne le
trouvant pas dans les m premières commodes, quelle est la probabilite de le trouver de cette facon?
140. ** Soit (, A, P ) un espace probabilise. On considère 3 evenements A, B et X tels que
P (A) = 1/2, P (B) = 3/5, P (A B) = 1/5, P (X/A) = P (X/B) = 1/2 et 1/P (X) IN.
Calculer P (X).
141. * Une urne contient a boules noires et b boules blanches. Deux tirages successifs sont effectues
dans cette urne. On appelle E lensemble des resultats du premier tirage, F lensemble des resultats du
deuxième tirage et E F lensemble des couples de tous les tirages possibles.
Donner les probabilites attachees `
a tous les couples possibles de E F lorsque le premier tirage se fait:
(a) avec remise ;
(b) sans remise .
.
28
Probabilites L2
C.Hassenforder
CHAPITRE 5
OPERATION SUR LES V.A.R. ET CALCULS DE LOIS
I- V.A.R. DISCRETES.
Soit X une v.a.r. discrète definie sur un espace probabilise (, A, P ).
On pose X() = {xi ; i IN} (le cas fini est similaire au cas infini denombrable et presente moins de
difficultes).
1- Esp
erance.
D1 : On dit que X possède une esperance si la serie
|xn |P ([X = xn ]) converge ; on appelle alors
n0
esperance de X et on note IE(X) le nombre defini par :

X
IE(X) =
xn P ([X = xn ]).
n0
EXEMPLES DESPERANCES DE V.A.R. AYANT DES LOIS CLASSIQUES :

a) Loi de Bernoulli B(p) : IE(X) = p ;
b) Loi binomiale B(n, p) : IE(X) = np ;
c) Loi hyperg
eom
etrique H(n, M, N ) : IE(X) =
d) Loi g
eom
etrique sur IN G(p) : IE(X) =
1
p
nM
N
e) Loi de Poisson P() : IE(X) = .
2- Moments dordre r.
D2 : i) On appelle moment dordre r de X le nombre mr (X) defini par mr (X) =
xrn P ([X = xn ])
n0
pourvu que cette serie converge absolument.

P
ii) On appelle moment centre dordre r de X le nombre r (X) =
(xn IE(X))r P ([X = xn ]) pourvu
n0
que cette serie converge absolument.

iii) On appelle variance de X et on note var(X) le moment centre dordre 2 : 2 (X).
p
iv) Si X admet une variance, on appelle ecart-type de X le nombre (X) defini par (X) = var(X).
Propri
et
e : Si X est dordre r, les moments et les moments centres dordre k r existent.
3- Calcul de IE(h(X)).
TH1 : Soit h une fonction de IR dans IR telle que h(X) admette une esperance. Alors :
X
h(xn )P ([X = xn ]).
IE(h(X)) =
n0
29
CHAPITRE 5
Resume du cours
Cons
equences :
1) IE(aX + b) = aIE(X) + b si IE(X) existe ;
2) var(X) = IE(X 2 ) IE(X)2 ;
3) var(aX + b) = a2 var(X).
4- Fonctions g
en
eratrices.
La fonction generatrice est un outil de calcul permettant de calculer les moments dune v.a.r. discrète
a valeurs dans IN, et plus particulièrement lesperance et la variance.
`
P
TH2 : Soit GX (t) = IE(tX ) =
tn P ([X = n]). Alors :
n0

IE(X) = lim G0X (t) et var(X) = lim G00X (t) + G0X (t) (G0X (t))2 .
t1
t1
Application aux lois classiques :

a) Loi binomiale B(n, p) :
GX (t) = (pt + 1 p)n ; IE(X) = np ; var(X) = np(1 p).
b) Loi g
eom
etrique sur IN G(p) :

1
1p
p
1
1 ; IE(X) = ; var(X) =
GX (t) =
.
1 p 1 t(1 p)
p
p2
c) Loi binomiale n
egative BN (r, p) :

r
r(1 p)
r(1 p)
p
GX (t) =
; IE(X) =
.
; var(X) =
1 t(1 p)
p
p2
d) Loi de Pascal P(r, p) : (X = Y + r avec Y de loi BN (r, p))
IE(X) =
r
r(1 p)
; var(X) =
p
p2
e) Loi de Poisson P() :

GX (t) = exp((t 1)) ; IE(X) = ; var(X) = .
II- V.A.R. ABSOLUMENT CONTINUES.
1- Moments dune v.a.r. absolument continue.

D3 : Soit X une v.a.r. absolument continue, de densite fX .
i) Soit r IN . On appelle moment dordre r de X et on note mr (X) le reel defini par :
R +
mr (X) = tr fX (t)dt ; pourvu que cette integrale converge absolument.
ii) En particulier, on appelle esperance de X, le moment dordre 1 de X, sil existe.
iii) Si X admet une esperance, on appelle moment centre dordre r de X le moment dordre r, sil existe,
de X IE(X). On le note r (X).
30
Probabilites L2
C.Hassenforder
iv) En particulier, si 2 (X) existe, 2 (X) est appele variance de X et p

note var(X). Si X admet une
variance, on appelle ecart-type de X le nombre (X) defini par (X) = var(X).
Propri
et
es :
1) Soit X une v.a.r. de densite fX admettant une esperance et soit (a, b) IR IR. Alors aX + b
admet une esperance et IE(aX + b) = aIE(X) + b.
R +
R +
2) Si x2 fX (x)dx converge, alors X 2 admet une esperance et IE(X 2 ) = x2 fX (x)dx.
Plus generalement, on admet le theorème suivant :
TH3 : Soit X une v.a.r. absolument continue de densite fX et h une fonction numerique continue et
derivable sur X(), alors h(X) est une v.a.r. absolument continue et, si elle admet une esperance, alors
IE(h(X)) =
h(x)fX (x)dx.
Application aux lois classiques :

a) Loi uniforme U([a, b]) :
IE(X) =
a+b
2
var(X) =
(a b)2
.
12
b) Loi exponentielle E() :

IE(X) =
var(X) =
1
.
2
IE(X) =
var(X) =
a
.
2
IE(X) = m
var(X) = 2 .
c) Loi Gamma (a, ) :
d) Loi Normale N (m, 2 ) :
2- Calcul de la loi de (X).

a) Cas o`
u est bijective :
TH4 : Soit X une v.a.r. absolument continue de densite fX et une fonction numerique continue et
derivable sur un intervalle I contenant X(), telle que 0 ne sannule en aucun point de I ; alors (X)
est une v.a.r. absolument continue et elle admet la densite g definie par :
g(y) =
fX (1 (y))
.
|0 (1 (y))|
b) Cas o`
u nest pas bijective :
Utiliser les fonctions de repartition.
31
CHAPITRE 5
Exercices
Calculs sur les v.a.r. discr`

etes
142. ** Soient n IN et IR et soit X une v.a.r. `
a valeurs dans [0, n] telle que:
P ([X = k]) =
Cnk
pour k [0, n]
k+1
Determiner puis calculer IE(X) et V (X).

143. ** On lance 2 des et on appelle Z la v.a.r. egale `
a la valeur absolue de la difference des numeros
obtenus.
Determiner la loi de Z, sa fonction de repartition, son esperance et sa variance.
144. * A larrivee dune course, il y a 9 chevaux: 4 noirs et 5 alezans. On appelle X la v.a.r. egale
au nombre de chevaux alezans precedant le premier cheval noir.
Determiner la loi de X, son esperance et sa variance.
145. *** Une urne contient n boules numerotees de 1 `
a n. On tire toutes les boules une par une sans
remise et on note X la v.a.r. egale au nombre de boules dont le rang de sortie est egal au numero.
Calculer IE(X) et V (X).
146. *** Une urne contient n boules numerotees de 1 `
a n. On tire des boules avec remise et on
sarrete dès que lon a obtenu un numero superieur ou egal `
a ceux qui precèdent. Soit X la v.a.r. egale
au nombre de tirages effectues.
Determiner IE(X) ainsi que sa limite quand n tend vers +.
147. ** Soient N urnes numerotees de 1 `
a N . Lurne k contient k boules numerotees de 1 `
a k. On
choisit une urne au hasard puis on tire une boule dans lurne choisie. Soit X la v.a.r. egale au numero
de la boule tiree.
Determiner la loi de X et exprimer IE(X).
148. ** Une urne contient n boules numerotees de 1 `
a n. On en tire 2 au hasard sans remise. Soit
X la v.a.r. egale au plus grand numero tire.
(a) Calculer P ([X k]) et en deduire la loi de X.
(b) Calculer IE(X).
149. ** On considère une urne contenant 1 boule rouge, 2 boules noires et 3 boules jaunes. On
effectue des tirages successifs sans remise jusqu`
a ce quil ne reste plus dans lurne que des boules de 2
couleurs differentes. On note X la v.a.r. egale au nombre de tirages effectues.
Determiner la loi de X, son esperance et sa variance.
150. *** Une bote A contient 2 jetons portant le numero 0 et une bote B contient 2 jetons portant
le numero 1. On tire au hasard un jeton dans chaque bote et on les echange. On fait n fois loperation.
Soit Xn la v.a.r. egale `
a la somme des numeros des jetons de la bote A `
a lissue du n-ème echange.
Determiner la loi de Xn et son esperance.
151. ** Soit X une v.a.r. de loi binomiale B(2n, p) et soit Y la partie entière de X/2.
Determiner la loi de Y , IE(Y ) et V (Y ).
152. *** Dans une usine, n automobiles arrivent au meme instant devant N ateliers de peinture.
Chaque vehicule, et de facon independante des autres, est dirige vers un atelier de peinture de manière
equiprobable. Soit X la v.a.r. egale au nombre dateliers sans vehicules.
Calculer IE(X) et V (X).
32
Probabilites L2
C.Hassenforder
153. *** Pour ouvrir 1 porte, un gardien dispose dun trousseau de 10 clefs differentes. Quand il
est ivre, il remelange les clefs après chaque essai ; sinon, il retire la mauvaise clef du lot. On note X le
nombre de clefs necessaires pour ouvrir la porte dans le premier cas et Y dans le second cas.
(a) Determiner les lois de X et de Y ainsi que leur esperance.
(b) Sachant que le gardien est ivre 1 jour sur 3 et quaujourdhui il a essaye au moins 9 clefs pour ouvrir
la porte, quelle est la probabilite quil soit ivre aujourdhui?
154. ** Soient n IN et p ]0, 1[ et soit X une v.a.r. de loi binomiale B(n, p). On definit Y par
Y = X si X 6= 0 et, si X = 0, alors Y prend une valeur quelconque dans [0, n].
Determiner la loi de Y et calculer IE(Y ).
155. * On lance n fois une pièce. Soit X la v.a.r. egale au nombre de piles obtenus et soit Y =
o`
u a IR+ .
Calculer IE(Y ).
aX
2n
156. ** Soient a IR et X une v.a.r. `

a valeurs dans IN telle que, pour k IN :
P ([X = k]) = a/(k(k + 1)(k + 2)).
Determiner a, puis calculer IE(X).
157. ** Soit p ]0, 1[. On pose q = 1 p et on considère une v.a.r. X `
a valeurs dans IN , dont la loi
est definie par P ([X = k]) = ckq k1 pour tout k IN .

Determiner c. Calculer IE(X) et V (X).
158. * Soit X une v.a.r. suivant la loi de Poisson P().
Calculer IE(1/(1 + X)).
159. * Soit X une v.a.r. suivant la loi de Pascal P(r, p).
Montrer que IE((r 1)/(X 1)) = p et en deduire IE(r/X) > p.
160. * Une suite depreuves de Bernoulli de paramètre p est repetee de facon independante jusqu`
a
lobtention de k succès. Soit X la v.a.r. egale au nombre dessais necessaires.
(a) Determiner la loi de X.
(b) Pour k = 2, calculer IE(X) ainsi que IE(2/X).
161. ** Soit X une v.a.r. `
a valeurs dans IN.
Montrer que IE(X) existe si et seulement si la serie de terme general P ([X k]) est convergente et
qualors on a:
X
IE(X) =
P ([X k])
k1
162. ** Le nombre de clients dun grand magasin suit une loi de Poisson P(). Dans le magasin,
chaque client a la probabilite p de se faire voler son portefeuille. Soit Y la v.a.r. egale au nombre de
portefeuilles voles.
Determiner la loi de Y et calculer IE(Y ).
163. ** Soit X une v.a.r. `
a valeurs dans IN et soit Y la v.a.r. definie par Y = X/2 si X est pair et
Y = (1 X)/2 si X est impair.
Determiner la loi de Y et son esperance dans les cas suivants:
(a) X suit la loi geometrique G(p) ;
(b) X suit la loi de Poisson P().
33
CHAPITRE 5
Exercices
164. ** Meme exercice que lexercice 163 avec Y = X/2 si X est pair et Y = 0 si X est impair.
Calculer de plus V (Y ).
165. ** On pose k = IE((X IE(X))k ).
Calculer = 3 / 3 et = 4 / 4 dans les cas suivants:
(a) X suit la loi binomiale B(n, p);
(b) X suit la loi de Poisson P().
166. ** Soit p ]0, 1[ et X une v.a.r. `
a valeurs dans IN telle que, pour tout k IN:
P ([X = k]) =
pk+1
(k + 1) ln(1 p)
(a) Verifier quil sagit bien dune loi de probabilite.

(b) Calculer IE(X) et V (X).
Calculs sur les v.a.r. absolument continues

167. * Soit f definie par f (x) = 13 (1 + |x|) 1I[1,1] (x).
Montrer que f est la densite dune v.a.r. X dont on determinera lesperance et la variance.
168. * Soit X une v.a.r. de densite f definie par f (x) = (x + 1)1I[k,k] (x).
(a) Determiner k et la fonction de repartition de X.
(b) Soit Y = X 2 . Preciser la densite de probabilite, lesperance et la variance de Y .
2
f (x) = k(x2 ex 1I],0[ (x) + x ex 1I[0,+[ (x))

(a) Determiner k pour que f soit la densite dune v.a.r. X.
(b) Montrer que X admet une esperance et une variance et calculer celles-ci.
170. * Soit n IN, kn IR et fn la fonction definie par:
fn (x) = kn |x|n e|x|
(a) Determiner kn pour que fn soit la densite dune v.a.r. Xn .
(b) Determiner alors IE(Xn ) et V (Xn ).
171. *** Soit IR et f la fonction definie par:
f (x) = (1 + cos x) e|x|
(a) Determiner pour que f soit la densite dune v.a.r. X.
(b) Determiner alors IE(X) et V (X).
34
Probabilites L2
C.Hassenforder
172. ** Soit X une v.a.r. suivant une loi normale N (0, 2). Soit > 0 et soit Y la v.a.r. definie par
2
Y = eX .
Determiner la loi de Y ainsi que son esperance.
173. ** Une puce M se promène dans une sphère de centre O et de rayon R. La probabilite que la
puce se trouve dans une portion de la sphère est proportionnelle au volume de cette portion.
Determiner la loi de la distance OM ainsi que son esperance.
174. ** Soit X une v.a.r. de fonction de repartition F continue et strictement croissante et soit
Y = F (X).
Determiner la fonction de repartition de Y et en deduire la loi de Y .
175. * Soit X une v.a.r. de densite f nulle sur ] , 0[. On suppose quil existe tel que
R +
f (t) et dt soit convergente.
0
(a) Montrer que pour tout [0, ], IE(ex ) existe.
(b) Montrer qualors P ([X a]) ea IE(ex ) pour tout a > 0.
176. * Soit X une v.a.r. de densite f nulle sur ] , 0[ et soit Y la v.a.r. egale `
a la partie entière
de X.
(a) Exprimer la loi de Y en fonction de celle de X.
(b) Montrer que IE(Y ) existe si et seulement si IE(X) existe et qualors IE(Y ) IE(X) IE(Y ) + 1.
177. ** Meme exercice que lexercice 164 si X suit:
(a) la loi exponentielle E();
(b) la loi normale N (m, 2 ) ;
(c) la loi de Laplace de densite f definie par f (x) =
1
2
e|x| .
178. * Calculer IE(X) et V (X) lorsque X suit la loi Gamma de densite f definie pour a > 0 et > 0
par:
a x a1
e
f (x) =
x
1I]0,+[ (x)
(a)
179. * Soient p et q IR+ . On pose (p, q) =
R1
0
tp1 (1 t)q1 dt.
(a) Justifier lexistence de (p, q). En supposant q > 1, etablir une relation de recurrence entre (p, q)
et (p + 1, q 1) et en deduire la valeur de (p, q) lorsque p et q IN .
(b) Soit f la fonction definie sur IR par:
f (x) =
1
xp1 (1 x)q1 1I]0,1[ (x)
(p, q)
Verifier que f est une densite.

(c) Soit X une v.a.r. de densite f . Montrer lexistence de IE(X) et de V (X) et les calculer lorsque p
et q IN .
180. ** Soit X une v.a.r. de densite f definie par:
f (x) =
2
1
1
e 2 (ln x1) 1I]0,+[ (x)
2x
35
CHAPITRE 5
Exercices
(a) Verifier que f est une densite de probabilite et exprimer la fonction de repartition de X en fonction
de celle dune v.a.r. de loi normale N (0, 1).
(b) Calculer IE(X) et V (X).
(c) Soit U une v.a.r. de loi normale N (m, 2 ) et soit Z = eU . Calculer IE(U ) et V (U ).
181. * Soient a et deux reels verifiant a > 0 et > 1 et soit f la fonction definie par:
f (x) =
1I[a,+[ .
x
(a) Determiner pour que f soit la densite dune v.a.r. X.

(b) Determiner, lorsquils existent, les moments dordre r de X.
182. * Soit > 0 et soit X une v.a.r. de densite f definie par:
f (x) =
x x2 /22
e
1I[0,+[ (x)
2
Calculer P ([1 X 1]), IE(X), V (X) et determiner la loi de X 2 .
36
Probabilites L2
C.Hassenforder
CHAPITRE 6
COUPLES ALEATOIRES DISCRETS
I- GENERALITES
Soient X et Y deux v.a.r. discrètes, definies sur un meme espace probabilise (, A, P ).
On pose X() = {xi ; i IN} et Y () = {yj ; j IN}.
1- Loi de probabilit
e dun couple (X, Y ).
D1 : On appelle loi de probabilite du couple (X, Y ) lensemble des triplets (xi , yj , pij ) avec
pij = P ([X = xi ] [Y = yj ]) pour i IN et j IN.
2- Lois marginales.
D2 : Les v.a.r. X et Y sont appelees v.a.r. marginales du couple (X, Y ) ; les lois des v.a.r. X et Y sont
appelees lois marginales du couple (X, Y ).
On pose pi. =
pij et p.j =
pij .
TH1 : La loi de X est definie par lensemble des couples (xi , pi. ) pour i IN et la loi de Y est definie
par lensemble des couples (yj , p.j ) pour j IN.
3- Lois conditionnelles.

p
,
Si pi. 6= 0, la loi conditionnelle de Y sachant [X = xi ] est definie par lensemble des couples yj , pij
i.
pour j IN. On peut de meme definir la loi conditionnelle de X sachant [Y = yj ].
4- Ind
ependance de deux v.a.r. discr`
etes.
D3 : Deux v.a.r. discrètes X et Y sont dites independantes si, pour tout (i, j) IN2 , on a :
a-dire pij = pi. p.j ).
P ([X = xi ] [Y = yj ]) = P ([X = xi ])P ([Y = yj ]) ( cest-`
Propri
et
e (admise) : Les v.a.r. X et Y sont independantes si et seulement si, pour toutes fonctions
numeriques f et g, les v.a.r. f (X) et g(Y ) sont independantes.
5- Somme de deux v.a.r. discr`

etes.
TH2 : Soient X et Y deux v.a.r. discrètes et soit Z = X + Y .
Pour z Z(), on pose Iz = {(i, j) IN2 ; xi + yj = z} ; alors P ([Z = z]) =
pij .
(i,j)Iz
37
CHAPITRE 6
Resume du cours
Cas particulier important si X et Y sont ind

ependantes et `
a valeurs dans IN :
TH3 : Si X et Y sont independantes
a valeurs dans IN, de fonctions generatrices respectives GX et
`
P
GY , alors P ([X + Y = n]) =
pi. p.j et GX+Y (t) = GX (t)GY (t) pour tout t [0, 1].
i+j=n
Application :
Si X et Y sont deux v.a.r. independantes :
1) si X suit la loi binomiale B(n, p) et Y la loi B(m, p), alors X + Y suit la loi B(n + m, p) ;
2) si X suit la loi de Poisson P() et Y la loi P(), alors X + Y suit la loi P( + ).
II- OPERATEURS CLASSIQUES.

1- Esp
erance.
Propri
et
es :
1) Si X et Y possèdent une esperance, alors IE(X + Y ) existe et IE(X + Y ) = IE(X) + IE(Y ).
2) Si X et Y possèdent un moment dordre 2, alors IE(XY ) existe.
TH4 : Soit f une application de IR2 dans IR, telle que f (X, Y ) admette une esperance. Alors :
X
X
f (xi , yj )P ([X = xi ] [Y = yj ]) =
f (xi , yj )pij .
IE(f (X, Y )) =
i,j
i,j
Propri
et
e : Si X et Y sont independantes, alors IE(XY ) = IE(X)IE(Y ).
Remarque : La reciproque est en general fausse.
2- Variance et covariance.
D4 : Si X et Y sont dordre 2, on appelle :
1) covariance de X et de Y , le reel cov(X, Y ) defini par cov(X, Y ) = IE ((X IE(X))(Y IE(Y ))) ;
cov(X,Y )
2) coefficient de correlation lineaire de X et de Y , le reel (X, Y ) defini par (X, Y ) = (X)(Y
) ;
3) matrice de covariance de X et de Y , la matrice (X, Y ) definie par :

var(X)
cov(X, Y )
cov(X, X) cov(X, Y )
(X, Y ) =
=
.
cov(Y, X)
var(Y )
cov(Y, X) cov(Y, Y )
Propri
et
es :
1)i) cov(X, Y ) = cov(Y, X) = IE(XY ) IE(X)IE(Y ) ;
1)ii) var(X + Y ) = var(X) + var(Y ) + 2cov(X, Y ) ;
1)iii) si X et Y sont independantes, alors cov(X, Y ) = 0 et var(X + Y ) = var(X) + var(Y ) ;
1)iv) cov(aX + b, cY + d) = ac cov(X, Y ).
2) (X, Y ) [1, 1] et (aX + b, cY + d) =
ac
|ac| (X, Y
).
2
3) (X, Y ) est une matrice reelle symetrique et, pour tout (u, v) IR , (u, v)(X, Y )
38
u
v
0.
Probabilites L2
C.Hassenforder
Couples al
eatoires discrets
183. * On lance 2 des. On appelle X la v.a.r. egale qu resultat du premier de et Y la v.a.r. egale `
a
la valeur maximale obtenue.
Determiner la loi du couple (X, Y ) et en deduire la loi de Y .
184. ** On lance 2 des. Soit T la somme des points obtenus, X le reste de la division de T par 2 et
Y le reste de la division de T par 5.
(a) Donner la loi conjointe de (X, Y ).
(b) Donner les lois marginales de X et de Y .
(c) Les v.a.r. X et Y sont-elles independantes?
185. ** On considère n botes numerotees de 1 `
a n. La bote k contient k boules numerotees de 1 `
a
k. On choisit au hasard une bote, puis une boule dans cette bote. On note X le numero de la bote et
Y le numero de la boule.
(a) Determiner la loi du couple (X, Y ), la loi de Y et IE(Y ).
(b) Calculer P ([X = Y ]).
186. ** Soit (X, Y ) un couple de v.a.r. `
a valeurs dans IN2 tel que:
P ([X = j] [Y = k]) =
(j + k)j+k
e j! k!
(a) Determiner puis trouver les lois de X et de Y . Les v.a.r. X et Y sont-elles independantes?
(b) Calculer IE(2X+Y ).
187. * Soient X et Y deux v.a.r. independantes verifiant, pour tout n IN:
P ([X = n]) = P ([Y = n]) =
1 + an
4(n!)
(a) Determiner a, calculer IE(X) et V (X).

(b) Determiner la loi de S = X + Y .
188. * On pose, pour tout (m, n) IN2 , pn,m =
e1
2m+1 n! .
(a) Montrer que lon peut definir ainsi la loi dun couple (X, Y ).
(b) Determiner les lois marginales. Les v.a.r. X et Y sont-elles independantes?
(c) Calculer lesperance et la variance de X et de Y .
189. * On pose, pour tout (m, n) IN2 , pn,m =
1
2n1 3m .
(a) Montrer que (pn,m )(n,m)IN2 definit une probabilite .

(b) Determiner les lois marginales dun couple (X, Y ) de v.a.r. admettant comme probabilite.
(c) Identifier la loi de X (resp. la loi de Y ) et donner la valeur de IE(X) et de V (X). (resp. de IE(Y )
et de V (Y )).
39
CHAPITRE 6
Exercices
190. ** Soient X et Y deux v.a.r. independantes de lois respectives binomiales B(n, 1/2) et B(m, 1/2).
Calculer P ([X = Y ]).
191. ** Soient X et Y deux v.a.r. independantes de meme loi geometrique G(p).
(a) Determiner la loi de Z = X/Y .
(b) Calculer IE(Z) et montrer que IE(Z) > 1.
192. ** Une urne contient n boules noires indiscernables et 2 boules rouges numerotees 1 et 2.
Lexperience consiste `
a tirer n + 2 fois une boule sans remise. On note:
N1 la v.a.r. egale au rang de tirage de la première boule rouge;
N2 la v.a.r. egale au rang de tirage de la deuxième boule rouge;
R1 la v.a.r. egale au rang de tirage de la boule rouge numero 1;
R2 la v.a.r. egale au rang de tirage de la boule rouge numero 2.
(a) Trouver la loi du couple (R1 , R2 ). En deduire les lois des v.a.r. R1 et R2 .
(b) Trouver la loi du couple (N1 , N2 ). En deduire les lois des v.a.r. N1 et N2 N1 , puis les esperances
IE(N1 ) et IE(N2 ).
193. * Soient X et Y deux v.a.r. independantes. Trouver la loi conditionnelle de X sachant [X + Y =
k] dans les deux cas suivants:
(a) X suit la loi binomiale B(n, p) et Y suit la loi binomiale B(m, p) ;
(b) X suit la loi de Poisson P() et Y suit la loi de Poisson P().
194. ** Soit X une v.a.r. de loi binomiale B(n, p) et Y une v.a.r. `
a valeurs dans IN telle que la loi
conditionnelle de Y sachant [X = k] est la loi binomiale B(k, p0 ).
Determiner la loi de Y .
195. ** Soient X et Y deux v.a.r. `
a valeurs dans IN telles que la loi conditionnelle de X sachant
(Y = n) est lequiprobabilite sur [0, n].
(a) Exprimer la loi du couple (X, Y ) en fonction de la loi de Y ;
(b) Montrer que P ([X Y ]) = 1.
(c) Soit a ]0, 1[. On suppose que P ([Y = n]) = (1 a)2 (n + 1) an . Determiner la loi de X, puis celle
de Y X.
196. ** Soit (a, b, c) ]0, 1[3 verifiant a + b + c = 1 et soit (, ) ]0, 1[2 verifiant + = 1.
n
On pose p0,0 = + a et pour (n, m) 6= (0, 0), pn,m = a Cn+m
bn cm .
(a) Verifier que (pn,m )(n,m)IN2 definit la loi de probabilite dun couple (X, Y ).
(b) Determiner les lois marginales de X et de Y , les esperances et variances de X et de Y .
(c) Determiner la loi conditionnelle de Y sachant [X = 0], puis sachant [X = n].
197. * Soient X et Y deux v.a.r. independantes de meme loi de Bernoulli B(p).
(a) Quelle est la loi de X + Y ? de X Y ?
(b) Les v.a.r. X + Y et X Y peuvent-elles etre independantes?
198. * Soient X et Y deux v.a.r. de loi de Bernoulli.
Montrer que cov(X, Y ) = 0 si et seulement si X et Y sont independantes.
40
Probabilites L2
C.Hassenforder
199. ** Soient X et Y deux v.a.r. dordre 2. On pose S = X + Y et D = X Y .

(a) Montrer que si S et D sont independantes, alors V (S) = V (D).
(b) On suppose que X et Y sont independantes de meme loi, lequiprobabilite sur [1, 3].
() Montrer que V (X) = V (Y ).
() Determiner les lois de S et D. Les v.a.r. S et D sont-elles independantes?
200. *** Soient X0 , X1 ,..., X2n1 , 2n v.a.r. independantes de meme loi de Bernoulli B(1/2).
On pose, pour 0 m n 1, Ym = X2m + X2m+1 et pour k = 0, 1, 2, on designe par Nk le nombre de
v.a.r. Ym egales `
a k.
(a) Determiner la loi de N0 .
(b) Determiner la loi du couple (N0 , N2 ).
201. *** Soit (Xn ) une P
suite de v.a.r. ind
Pnependantes de meme loi de Bernoulli B(p) et soit
n
Yn = Xn Xn+1 . On pose Sn = i=1 Xi et Tn = i=1 Yi .
Calculer IE(Sn ), IE(Tn ), V (Sn ), V (Tn ) et cov(Sn , Tn ).
202. ** Soit (Xn ) une suite de v.a.r. independantes qui verifient P ([Xn = 1]) = P ([Xn = 1]) = 1/2.
On definit une suite (Yn ) par Y1 = X1 et Yn = Yn1 + Xn .
(a) Exprimer Yn en fonction de X1 , X2 ,..., Xn .
(b) Calculer IE(Yn ), V (Yn ) puis cov(Yn , Yn+m ).
203. * Soit X une v.a.r. suivant la loi de Bernoulli B(p) et Y une v.a.r. suivant la loi de Poisson
P(). On suppose les v.a.r. X et Y independantes et on pose Z = XY .
(a) Calculer IE(Z).
(b) Determiner la loi de Z, puis calculer sa variance.
204. *** Soient X1 , X2 ,..., Xn , n v.a.r. discrètes independantes de meme loi, `
a valeurs dans [1, k].
On pose, pour tout j [1, k], pj = P ([Xi = j]).
Soit X la v.a.r. egale au nombre de v.a.r. Xi telles que Xi = 1 et Y la v.a.r. egale au nombre de v.a.r.
Xi telles que Xi = 2.
Calculer le coefficient de correlation (X, Y ).
205. ** Soient X et Y deux v.a.r. discrètes telles que IE(X) = IE(Y ) = m ; V (X) = 12 ; V (Y ) = 22
; cov(X, Y ) = et V (X Y ) 6= 0. On pose Z = aX + bY .
Determiner a et b pour que IE(Z) = m et V (Z) soit maximale.
206. ** On considère 3 urnes contenant chacune n boules numerotees de 1 `
a n. On tire une boule
dans chaque urne. Les v.a.r. X, Y et Z representent les 3 numeros tires.
(a) Calculer P ([Z = X + Y ]).
(b) Determiner cov(X, Y ).
207. ** Soient X et Y deux v.a.r. independantes `
a valeurs dans IN, X suivant la loi geometrique
G(p). Soit Z la v.a.r. telle que Z = X Y si X > Y et Z = 0 sinon.
Exprimer la loi de Z en fonction de celle de Y et montrer quelle ne depend que de = IE((1 p)Y )).
208. ** Soient X et Y deux v.a.r. independantes, X suivant la loi geometrique G(p) et Y suivant la
loi de Poisson P(). Soit Z la v.a.r. telle que Z = 0 si X = 0 et Z = Y si X = 1.
Calculer la loi de Z, gZ (t), IE(Z), V (Z) et P ([X = 1]/[Z = 0]).
41
CHAPITRE 6
Exercices
209. ** Soient X1 et X2 deux v.a.r. independantes de meme loi telles que, pour k IN, P ([X1 =
1
k]) = P ([X2 = k]) = 2k+1
.
Determiner, `
a laide de la fonction de repartition, la loi de X = sup(X1 , X2 ) et calculer IE(X).
210. ** Soit X une v.a.r. suivant la loi geometrique G(p) et soit n IN.
(a) Determiner les lois suivies par les v.a.r. Y = max(n, X) et Z = min(n, X).
(b) Soit T une v.a.r. independante de X suivant aussi la loi geometrique G(p). Determiner les lois
suivies par X + T , max(X, T ) et min(X, T ).
211. ** Soient X et Y deux v.a.r. independantes de meme loi, `
a valeurs dans IN.
(a) On suppose que, pour tout n IN, P ([X = n]) = P ([Y = n]) = pq n o`
u p ]0, 1[ et q = 1 p.
Montrer qualors les v.a.r. V = inf(X, Y ) et W = X Y sont independantes.
(b) Reciproquement, on suppose que, pour tout n IN, P ([X = n]) 6= 0 et que les v.a.r. V = inf(X, Y )
([W =1])
et W = X Y sont independantes. Determiner les lois de X et de Y en fonction de r = P
P ([W =0]) .
(on calculera de deux facons differentes le rapport
42
P ([X=n+1][Y =n])
P ([X=n][Y =n])
pour n IN ).
Probabilites L2
C.Hassenforder
CHAPITRE 7
COUPLES ALEATOIRES A DENSITE
I- LOI DE PROBABILITE DUN COUPLE

Soit (, A, P ) un espace de probabilite et X et Y deux v.a.r. definies sur (, A, P ).
D1 : On appelle fonction de repartition du couple (X, Y ) la fonction FX,Y definie sur IR2 par :
FX,Y (x, y) = P ([X x] [Y y]).
Propri
et
e : Les fonctions de repartition des v.a.r. X et Y verifient
FX (x) = lim FX,Y (x, y) et FY (y) = lim FX,Y (x, y).
y+
x+
D2 : La loi du couple (X, Y ) est dite absolument continue sil existe une application fX,Y de IR2 sur
IR+ , appelee densite du couple (X, Y ), continue sur linterieur dun sous-ensemble D de IR2 et nulle sur
son complementaire, telle que, pour tout (x, y) IR2 :
Z x Z y
fX,Y (u, v)dudv.
FX,Y (x, y) =
Remarque : Il existe des couples (X, Y ) non discrets nadmettant pas non plus de densite (lorsque, par
exemple, X est discrète et Y absolument continue!).
Propri
et
es :

R + R +
R + R +
1) fX,Y (u, v)du dv = fX,Y (u, v)dv du = 1.
2) Les lois marginales de X et de Y admettent les densites fX et fY definies par
fX (u) =
fX,Y (u, v)dv et fY (v) =
fX,Y (u, v)du.
3) En tout (x0 , y0 ) o`
u fX,Y est continue, on a fX,Y (x0 , y0 ) =
2 FX,Y
xy
(x0 , y0 ).
Lois conditionnelles :
D3 : Pour tout x IR tel que fX (x) 6= 0, la densite conditionnelle de Y sachant (X = x) est la fonction
(X=x)
f
(x,y)
definie par gx (y) = X,Y
gx , notee fY
fX (x) .
Remarque : la fonction gx est bien une densite.
II- OPERATEURS.
Si h est une fonction de IR2 sur IR telle que h(X, Y ) admette une esperance, alors :
Z + Z +
h(x, y)fX,Y (x, y)dxdy.
IE(h(X, Y )) =
En particulier, IE(XY ) =
R + R +
xyfX,Y (x, y)dxdy si cette esperance existe.
43
CHAPITRE 7
Resume du cours
Les resultats demontres pour les couples discrets au sujet des operateurs restent valables.
III- INDEPENDANCE.
D4 : Deux v.a.r. X et Y sont dites independantes si, pour tout (x, y) IR2 , on a :
FX,Y (x, y) = FX (x)FY (y).
On admet que ceci equivaut `
a fX,Y (x, y) = fX (x)fY (y) pour tout (x, y) IR2 ou bien `
a
IE(g(X)h(Y )) = IE(g(X))IE(h(Y )) pour toutes fonctions g et h pourvu que ces esperances existent.
(X=x)
Propri
et
e : Si X et Y sont independantes, alors fY
(Y =y)
fX
= fX pour tout y tel que fY (y) 6= 0.
= fY pour tout x tel que fX (x) 6= 0 et
IV- CHANGEMENT DE VARIABLES.

TH1 : Soit (X, Y ) un couple aleatoire de densite fX,Y et une fonction de IR2 sur IR2 . Si fX,Y est
continue sur linterieur dun ensemble D et nulle sur son complementaire, si est une bijection de D
sur E = (D) telle que les derivees partielles de et de 1 existent et soient continues, et si, de plus,
J(1 ) =
x
u
y
u
x
v
y
v
fU,V definie par :
6= 0 sur E, alors le couple aleatoire (U, V ) = (X, Y ) admet pour densite la fonction

fU,V (u, v) = fX,Y (1 (u, v)) J(1 )(u, v) si (u, v) E.
V- SOMME DE DEUX V.A.R..

TH2 : Soit (X, Y ) un couple aleatoire de densite fX,Y . Alors :
1) la v.a.r. X + Y a pour densite la fonction fX+Y definie par :
fX+Y (w) =
fX,Y (w v, v)dv =
fX,Y (u, w u)du.
2) Si X et Y sont independantes, alors :

fX+Y (w) =
fX (w v)fY (v)dv =
fX (u)fY (w u)du.
Application aux lois normales :

TH3 : Si X et Y sont deux v.a.r. independantes de lois respectives N (m1 , 12 ) et N (m2 , 22 ), alors la
v.a.r. X + Y suit la loi normale N (m1 + m2 , 12 + 22 ).
44
Probabilites L2
C.Hassenforder
Couples al
eatoires `
a densit
e
f (x, y) = kxey 1I[O,1] (x) 1I[O,1] (y)
.
(a) Determiner k pour que f soit la densite dun couple (X, Y ).
(b) Determiner les lois de X et de Y .
(c) Les v.a.r. X et Y sont-elles independantes?
213. ** Soit f la fonction definie par:
f (x, y) = k(1 max(|x|, |y|)) 1I[1,1] (x) 1I[1,1] (y)
Determiner k pour que f soit la densite dun couple (X, Y ), preciser les lois marginales et calculer
cov(X, Y ).
214. ** Soit (X, Y ) un couple de v.a.r. de densite f definie par:
f (x, y) = k 1ID (x, y)
o`
u D = {(x, y) IR2 ; |x| + |y| 1}.
(a) Determiner k et les lois marginales de X et Y .
(b) Determiner cov(X, Y ) et etudier lindependance de X et de Y .
215. ** Soient X et Y deux v.a.r. independantes, de meme loi exponentielle E(). Determiner la loi
du couple (U, V ) et etudier lindependance des v.a.r. U et V dans les cas suivants:
(a) U = X + Y et V =
X
Y
(b) U = X + Y et V =
X
X+Y
;
.
216. ** Soient X et Y deux v.a.r. independantes de meme loi uniforme sur [0, 2].
Determiner la loi de Z = X Y , de S = X + Y et de T = XY .
217. * Soit (X, Y ) un couple de v.a.r. de densite f definie par:
f (x, y) = k (x2 + y 2 )1I[1,1] (x) 1I[1,1] (y)
(a) Determiner k.
(b) Determiner cov(X, Y ) et etudier lindependance de X et de Y .
(c) Determiner la loi de S = X + Y .
218. ** Soit f la fonction definie par:
f (x, y) = ey 1ID (x, y)
o`
u D = {(x, y) IR2 ; 0 < x y}.
(a) Verifier que f est la densite dun couple (X, Y ).
(b) Quelles sont les lois des v.a.r. X et Y . Ces v.a.r. sont-elles independantes?
(c) Les v.a.r. X et X Y sont-elles independantes?
(d) Les v.a.r. Y et X/Y sont-elles independantes?
45
CHAPITRE 7
Exercices
219. ** Deux personnes se donnent rendez-vous entre 13 heures et 14 heures: X et Y representent

linstant darrivee de chacune ; Z est le temps dattente de la première arrivee.
Quelle est la loi de Z et son esperance?
220. ** Soient X et Y deux v.a.r. independantes de meme loi admettant pour densite f definie par:
f (x) = ke|x|
.
(a) Determiner k.
(b) Determiner la loi de Q = Y /X et, si elles existent, lesperance et la variance de Q.
(c) Determiner la loi de S = X Y .
221. * Soit (X, Y ) un couple de v.a.r. de densite f definie par:
2
f (x, y) = kxy e(x
+y 2 )
1IIR2 (x, y)
+
(a) Determiner k et les lois marginales de X et de Y .
(b) Determiner la loi de Z = X 2 + Y 2 .

f (x, y) = k 1ID (x, y)
o`
u D = {(x, y) IR2 ; x2 + y 2 1}
(a) Determiner k et les lois de X et de Y .
(b) Determiner les lois de Q = X/Y et de Z = (X 2 + Y 2 )1/2 .
f (x, y) =
1
1I[1,+[ (x) 1I[1,+[ (y)
x2 y 2
Soient U = XY et V = X/Y .
(a) Determiner les lois de U et de V .
(b) Les v.a.r. U et V sont-elles independantes?
f (x, y) = k
1
1ID (x, y)
x2 y
o`
u D = {(x, y) IR2 ; x 1 et x1 y x}
(a) Determiner k.
(b) Determiner les densites marginales et conditionnelles de X et de Y .
225. *** Soient X et Y deux v.a.r. independantes de meme loi admettant pour densite f definie par:
f (x) =
. Determiner la loi de S = X + Y .
46
1
cos x 1I[/2,/2] (x)
2
Probabilites L2
C.Hassenforder
226. ** Soit f la fonction definie par :

f (x, y) =
1
1I]1,0[ (x) 1I]0,1[ (y) + 1ID (x, y)
2
o`
u D = {(x, y) IR2 ; x 0, y 0 et x + y < 1}.
(a) Verifier que f est la densite dun couple (X, Y ) ; determiner les lois marginales de X et de Y ainsi
que la densite de la loi conditionnelle de Y sachant (X = x) pour tout x tel que fX (x) 6= 0.
(b) Les v.a.r. X et Y sont-elles independantes? Calculer cov(X, Y ).
(c) Soient U = X + Y et V = X Y . Determiner la densite du couple (U, V ).
227. * Soit a ]0, 1[ et (X, Y ) un couple de v.a.r. de densite f definie par:
f (x, y) = ((1 + ax)(1 + ay) a) e(x+y+ax) 1IIR2 (x, y)
+
(a) Verifier que f est une densite de probabilite et determiner les lois marginales de X et de Y ; calculer
IE(X) et IE(Y ).
(b) Determiner la loi conditionnelle de X sachant (Y = y).
228. ** Soient X et Y deux v.a.r. independantes de meme loi uniforme sur [1, 1].
(a) Determiner la loi de Z = X Y .
(b) Determiner la loi de T = min(X, Y 3 )
229. ** Soit > 0 et soient X et Y deux v.a.r. independantes de meme loi uniforme sur [0, [. On
pose U = min(X, Y ), V = max(X, Y ), Z = V U et T = U/V .
Determiner les lois de Z et de T .
230. ** Soient X et Y deux v.a.r. independantes, de lois exponentielles respectivement E() et E().
Determiner les lois de U = min(X, Y ) et V = max(X, Y ).
231. ** Soit > 0 et soient X et Y deux v.a.r. independantes, de meme loi de densite f definie par:
f (x) =
3x2
1I[0,]
3
On pose S = X + Y et T = max(X, Y )
(a) Determiner IE(S) et V (S).
(b) Determiner la loi de T .
232. ** Soient X et Y deux v.a.r. independantes de meme loi exponentielle E(). On pose Z =
min(X, Y ) et S = X + Y .
(a) Determiner la loi, lesperance et la variance de Z.
(b) Determiner la loi de S.
233. *** On casse une baguette de bois de longueur 1 en deux endroits qu hasard.
Quelle est la probabilite de pouvoir former un triangle en repliant les deux morceaux extremes?
47
CHAPITRE 7
Exercices
234. ** Soient X et Y deux v.a.r. independantes de meme loi exponentielle E(). On pose U = X Y ,
V = min(X, Y ) et Z = |X Y |.
Determiner les lois de U , V et Z ; examiner lindependance eventuelle de U et V ainsi que de Z et V .
235. ** Soient X et Y deux v.a.r. independantes de meme loi Gamma G(2, ).
(a) Calculer les moments IE(X n ) et preciser V (X).
(b) Calculer IE(eX ) pour > 0.
(c) Determiner la loi de T = min(X, Y ).
.
236. ** On prend un point M au hasard sur le cercle C de centre O et de rayon 1. Soient X et Y les
coordonnees de M .
Calculer cov(X, Y ) et montrer que X et Y ne sont pas independantes.
237. *** Soient A et B deux v.a.r. independantes de meme loi.
Quelle est la probabilite que lequation x2 2Ax + B = 0 ait:
1) 2 solutions reelles ;
2) 2 solutions complexes ;
3) 1 solution double ;
dans les cas suivants:
(a) A et B sont de loi exponentielle E() ;
(b) A et B sont de loi uniforme sur [0, 1].
238. * Soit X une v.a.r. de loi normale N (0, 1) et Y une v.a.r. telle que P (X = 1) = P (X = 1) = 12 .
On suppose que X et Y sont independantes et on pose Z = XY .
(a) Determiner la loi de Z.
(b) Calculer cov(X, Z).
.
239. ** On considère une cible circulaire de centre O et de rayon R. Le point dimpact dune flèche est
represente par ses coordonnees X et Y que lon suppose independantes de meme loi normale N (0, (2R)2 ).
(a) Quelle est la probabilite que la flèche atteigne la cible?
(b) Combien de flèches sont necessaires pour que la probabilite que lune dentre elles au moins atteigne
la cible soit superieure `
a 0,9?
240. ** Soient X1 et X2 deux v.a.r. independantes de lois normales respectives N (m1 , 12 ) et
N (m2 , 22 ).
Determiner la loi de X1 + X2 .
241. ** Soit (X, Y ) un couple de densite f definie par:
f (x, y) = e(
y2
2
xy+x2 )
(a) Determiner et les lois marginales du couple (X, Y ).

(b) Calculer cov(X, Y ) et etudier leventuelle independance de X et de Y .
48
Probabilites L2
C.Hassenforder
CHAPITRE 8
CONVERGENCE EN LOI ET APPROXIMATIONS
Les variables aleatoires Xn , X utilisees dans ce chapitre sont toutes definies sur le meme espace probabilise (, A, P ), `
a valeurs reelles, de fonctions de repartition respectives Fn et F .
I- CONVERGENCE EN LOI.
Souvent, en statistique, on ne connait pas les lois: on observe seulement une certaine distribution.
Les theorèmes de convergence en loi permettent de justifier certaines approximations de distributions
observees par des lois theoriques connues.
D1 : On dit que la suite de variables aleatoires (Xn ) converge en loi vers X si pour tout x en lequel F
L
est continue, lim Fn (x) = F (x). On ecrit Xn X.

n+

L
TH1 : Si Xn suit la loi binomiale B n, n et si X suit la loi de Poisson P(), alors Xn X.
Loi faible des grands nombres : (admise)
TH2 : Soit (Xn )n une suite de variables aleatoires dordre deux, deux `
a deux independantes, de meme
L
2
esperance m et de meme variance > 0. Alors, si Sn = X1 + + Xn et si Zn = Snn , on a Zn m.
II- CONVERGENCE VERS LA LOI NORMALE.
Le theorème central limite, partie fondamentale de ce chapitre, sera admis.
TH3 : Soit (Xn )n une suite de v.a.r. independantes dordre deux, de meme loi, desperance m et de
variance 2 .
L
Alors, si Sn = X1 + + Xn et si Tn = Snnm
, on a Tn T de loi normale N (0, 1).
n
n IE(Sn )
Remarque : IE(Sn ) = nm, var(Sn ) = n 2 et Tn = S
.
var(Sn )
Application : Quand n est grand, cest-`

a-dire en pratique, lorsque n 30, Sn suit approximativement la loi normale N (IE(Sn ), var(Sn )), cest-`
a-dire la loi N (nm, n 2 ) et Zn = Snn la loi normale
2
a-dire la loi N (m, n ).
N (IE(Zn ), var(Zn )), cest-`
III- APPROXIMATIONS.
1- de la loi hyperg
eom
etrique par la loi binomiale.
TH4 : Si n et p sont fixes, pour tout k {0, , n},
lim
N +
nk
k
CN
p CN (1p)
n
CN
= Cnk pk (1 p)nk .
Application : Quand N est grand, cest-`

a-dire en pratique lorsque N 10n, on peut approximer la loi
hypergeometrique H(n, N p, N ) par la loi binomiale B(n, p).
49
CHAPITRE 8
Resume du cours
2- de la loi binomiale par la loi de Poisson.

TH5 : Si (pn )n est une suite de reels de [0, 1] telle que lim npn = , alors, pour tout k fixe,
n+
lim Cnk pkn (1 pn )nk = e
n+
k
.
k!
Application : En pratique, lorsque p 0.1, n 30 et np < 15, on peut approximer la loi binomiale
B(n, p) par la loi de Poisson P(np).
3- de la loi de Poisson par la loi normale.

TH6 : Si (Xn )n est une suite de variables aleatoires independantes, de meme loi de Poisson P() et si
Sn = X1 + + Xn , alors Sn suit la loi de Poisson P(n).
Application : En pratique, lorsque 15, on peut approximer la loi de Poisson P() par la loi normale
N (, ).
4- de la loi binomiale par la loi normale.

TH7 : Si (Xn )n est une suite de variables aleatoires independantes de meme loi de Bernoulli B(p) et si
Sn = X1 + + Xn , alors Sn suit la loi binomiale B(n, p).
Application : En pratique, lorsque n 30, np 15 et np(1 p) > 5, la loi binomiale B(n, p) peut etre
approximee par la loi normale N (np, np(1 p)).
Correction de continuit
e : Si X suit la loi binomiale B(n, p), X est `
a valeurs entières. Or approximer
la loi B(n, p) par la loi normale N (np, np(1 p)) revient `
a considerer X comme une variable aleatoire qui
prend toutes les valeurs reelles.
On remplacera donc P ([X = 0]) par F (0.5), P ([X = n]) par 1 F (n 0.5) et, pour k {1, , n 1},
P ([X = k]) par F (k + 0.5) F (k 0.5).
50
Probabilites L2
C.Hassenforder
Convergence en loi et approximations

242. ** Soit Xn une v.a.r. de loi binomiale negative de paramètres n et pn definie, pour tout k IN,
par:
k
P ([Xn = k]) = Cn+k
pnn (1 pn )k
On suppose que limn n(1 pn ) = > 0.
Montrer que la suite (Xn )nIN converge en loi vers une v.a.r. de loi de Poisson P().
243. * Soit f la densite dune v.a.r. absolument continue X et soit fn la fonction definie sur IR par :
fn (t) = nf (nt)
(a) Montrer que fn est une densite.
(b) Soit Xn une v.a.r. absolument continue de densite fn . Montrer que la suite de v.a.r. (Xn )n1
converge en loi vers la v.a.r. nulle.
244. ** Soit ]0, 1[ et (Xn )n1 une suite de v.a.r. de lois geometriques G(/n).
Montrer que la suite ( Xnn )n1 converge en loi vers une v.a.r. dont on precisera la loi.
245. ** Soit (Xn )n1 une suite de v.a.r. independantes de meme loi de Poisson P().
(a) Determiner la loi de Un = X1 + + Xn et calculer P (Un n).
n n
(b) On pose Zn = U
. Montrer que la suite (Zn )n1 converge en loi vers une v.a.r. dont on precisera
n
la loi. En remarquant que lon a:

(1 )n
Zn
P ([Un n]) = P
n
en deduire:
lim en
n
X
nk
k=0
k!
1
2
246. * Soit X une v.a.r. a

` valeurs dans [1, +[. On suppose quil existe un reel strictement positif
tel que, pour tout x 1, on ait P ([X x]) = x .
(a) Montrer que les v.a.r. X et Y = ln X sont absolument continues et determiner leur densite.
(b) Soit (Xn )n1 une suite de v.a.r. independantes de meme loi que X et soit Un = (X1 X2 Xn )1/n .
Montrer que les suites (ln Un )n1 et (Un )n1 convergent en loi.
247. ** Soit (Xn )n1 une suite de v.a.r. independantes de meme loi de Bernoulli B(1/2). On pose:
Tn =
n
X
Xi
i=1
2i
Montrer que (Tn )n1 converge en loi vers une v.a.r. de loi uniforme sur [0, 1].
248. * Soit (Xn )n1 une suite de v.a.r. telles que Xn () = [1, n] et P ([Xn = k]) = n k.
(a) Determiner n .
(b) Quelle est la limite en loi de la suite (Yn )n1 o`
u Yn =
Xn
n ?
51
CHAPITRE 8
Exercices
249. ** Un sac contient 100 billes dont 36 sont rouges et les autres sont bleues. Une epreuve consiste
` tirer 16 fois de suite une bille
a
p avec remise. Soit X la v.a.r. egale au nombre de boules rouges tirees.
Estimer P ([|X IE(X)| 2 V (X)]).
250. ** Une urne contient 3 boules numerotees 1, 2, 3. On effectue une suite de 100 tirages
P100 independants avec remise. On note Xi le numero de la boule tiree au i-ème tirage et on pose S = i=1 Xi .
Indiquer le plus petit nombre s que lon peut trouver au moyen du theorème de la limite centrale tel que:
P ([200 s S 200 + s]) 0, 9
251. * Une enquète statistique portant sur 100 000 automobilistes debutants a revele que 10 dentre
eux avaient provoque un accident mortel dans leur première annee de conduite.
On choisit 100 debutants au hasard et on designe par X le nombre dentre eux qui ont provoque un
accident mortel au cours de leur première annee de conduite.
Calculer P ([X = 0]) et P ([X = 2]).
252. ** Un joueur lance une pièce equilibree. Lorsquil obtient pile, il gagne 1F et lorsquil obtient
face, il perd 1F.
Quel est le nombre maximal de lancers `
a effectuer pour que le joueur ait 95% de chances de perdre au
plus 20F?
253. *** A la veille dune election, 49% de la population votent pour A et 51% votent pour B. On
effectue une enquète sur 2n + 1 personnes afin de pouvoir faire un pronostic sur le resultat des elections.
(a) Quelle est la probabilite pn pour que le pronostic soit faux?
(b) Montrer que pour n assez grand, il existe an tel que pn ' (an ).
(c) Determiner n pour que pn 0, 1.
254. * Un de regulier est lance 9000 fois.
Determiner la probabilite dobtenir entre 1400 et 1600 fois la face 6.
255. * On dispose de 1000 pots de peinture. La probabilite quun pot soit defectueux est de 0,2%.
Donner la probabilite quau moins 4 pots soient defectueux.
256. ** On fait n parties de pile ou face.
A laide de lapproximation Normale de la loi Binomiale, determiner n pour que lon puisse affirmer que la
frequence dapparition de pile soit comprise entre 0,45 et 0,55 avec une probabilite au moins egale `
a 0,9.
257. ** Une entreprise compte 300 employes. Chacun deux telephone en moyenne 6 minutes par
heure.
Quelle est le nombre de lignes que lentreprise doit installer pour que la probabilite que toutes les lignes
soient utilisees au meme instant soit au plus egale `
a 0,025?
258. ** 500 elèves dun collège prennent leur repas `
a midi `
a la cantine. Chaque elève choisit au hasard
et independamment des autres lun des 2 refectoires. Chaque salle contient N places (250 N 500).
Determiner la valeur minimale pour que la probabilite que chaque elève trouve une place dans la salle
quil a choisie soit superieure `
a 0,99.
259. *** On procède `
a des lancers successifs dune paire de des non pipes. Soit Xi la v.a.r. egale `
a
la somme des 2 numeros obtenus `
a la suite du i-ème lancer.
Combien de lancers sont necessaires pour obtenir avec une probabilite superieure `
a 0,95 une moyenne des
resultats Xi differant de 7 de moins de 0,1?
52

09exosed PDF

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

09exosed PDF

Transféré par

Droits d'auteur :

Formats disponibles

Probabilites L2

I- INTRODUCTION DE LA NOTION DEVENEMENT.

An (ou, de facon plus

Le couple (, A) est appele espace probabilisable.

II- INTRODUCTION DE LA NOTION DE PROBABILITE.

Le triplet (, A, P ) est appele espace probabilise.

P (Ai1 Aik ) + + (1)n+1 P (A1 An );

Cas particuliers tr`

III EVENEMENTS INDEPENDANTS.

9. ** Montrer par recurrence linegalite suivante:

10. * Montrer la formule suivante:

(c) exactement m evenements aient lieu ?

(b) Montrer que x satisfait lequation:

RAPPELS DANALYSE COMBINATOIRE

I- TIRAGES ORDONNES AVEC REMISE (ou applications).

II- TIRAGES ORDONNES SANS REMISE (ou injections).

que lon note Apn .

III- TIRAGES NON ORDONNES SANS REMISE (ou combinaisons).

IV- TIRAGES NON ORDONNES AVEC REMISE (ou combinaisons avec r

(c) Retrouver le resultat du (b) en developpant de 2 facons differentes (1 + x)k (1 + x)n .

26. ** A partir du developpement de (1 + x)n , calculer:

37. ** Determiner le nombre dapplications surjectives de {1, 2, 3, 4, 5} dans {1, 2, 3, 4} .

Calculs classiques de probabilit

56. ** On consid`ere le mot ATTACHANT.

II- FONCTIONS DE REPARTITION.

III V.A.R. DISCRETES.

La fonction FX est une fonction en escalier, presentant des sauts de pi en chaque xi .

e) Loi de Poisson P() :

IV- V.A.R. ABSOLUMENT CONTINUES

Lois absolument continues classiques.

Rappel : Si I est un sous-ensemble de IR, alors 1II (x) =

a) Loi uniforme U([a, b]) :

b) Loi exponentielle E() :

exp(x)xa1 1I]0,+[ (x) o`

d) Loi Beta B(a, b) :

x)b1 1I]0,1[ (x) o`

e) Loi de Cauchy C() :

f ) Loi Normale N (m, 2 ) :

TH3 : Une v.a.r. X a pour loi la loi normale N (m, 2 ) si et seulement si X =

est une v.a.r. de

2 (ne pas chercher `

soit une fonction de repartition.

74. ** Une urne contient n boules numerotees de 1 `

94. * Soit f la fonction definie par:

95. ** Soit X une v.a.r. de densite f .

(a) Montrer que (a) < + .

97. * Soit X une v.a.r. de loi normale N (0, 1).

et a = 1/2 et que (1/2) = .

103. ** Soit X une v.a.r. absolument continue.

112. * Soit X une v.a.r. de densite f definie par:

Determiner A, la fonction de repartition de X et calculer P ([X > 1]) `

II- PROBABILITES COMPOSEES.

III- FORMULE DES PROBABILITES TOTALES.

Cas particulier tr`

IV- THEOREME DE BAYES.

124. ** Deux chasseurs A et B apercoivent un li`evre et tirent simultanement.

OPERATION SUR LES V.A.R. ET CALCULS DE LOIS

|xn |P ([X = xn ]) converge ; on appelle alors

esperance de X et on note IE(X) le nombre defini par :

EXEMPLES DESPERANCES DE V.A.R. AYANT DES LOIS CLASSIQUES :

e) Loi de Poisson P() : IE(X) = .

pourvu que cette serie converge absolument.

que cette serie converge absolument.