Probabilités L2

Exercices Chapitre 5

Calculs sur les v.a.r. discrètes

1. (∗∗) Soient n ∈ IN∗ et β ∈ IR et soit X une v.a.r. à valeurs dans [0, n] telle que:

Cnk
P ([X = k]) = β pour k ∈ [[0, n]]
k+1
Déterminer β puis calculer IE(X) et V (X).

X
n X
n
n! β X n
k
GX (s) = s P ([X = k]) = β sk = C k+1 sk+1
k=0 k=0
(k + 1)!(n + 1 − k − 1)! s(n + 1) k=0 n+1
β X
n
β  
i
= Cn+1 si = (s + 1)n+1 − 1
s(n + 1) i=1
s(n + 1)

n+1
Pour avoir la valeur de β, on écrit GX (1) = 1, soit β = 2n+1 −1
.

 
β (n + 1)(s + 1)n (s + 1)n+1 − 1
G0X (s) = −
(n + 1) s s2
 
β (n + 1)n(s + 1)n−1 (n + 1)(s + 1)n (s + 1)n+1 − 1
G00X (s) = −2 +2 .
(n + 1) s s2 s3

β 2n (n − 1) + 1
On a donc G0X (1) = n+1
[2n (n + 1) − 2n+1 + 1], soit IE(X) = .
2n+1 − 1

β  
G00X (1) = (n + 1)n2n−1 − 2(n + 1)2n + 2(2n+1 − 1) .
(n + 1)

β  n−1 2 
IE(X 2 ) = G00X (1) + G0X (1) = 2 (n + n − 4n − 4 + 8 + 2n + 2 − 4) − 2 + 1)
(n + 1)
β   2n−1 (n2 − n + 2) − 1
= 2n−1 (n2 − n + 2) − 1 =
(n + 1) 2n+1 − 1

2n−1 (n2 − n + 2) − 1 (2n (n − 1) + 1)2

var(X) = IE(X 2 ) − IE(X)2 = −
2n+1 − 1 (2n+1 − 1)2
22n (n2 − n + 2) − 2n+1 − 2n−1 (n2 − n + 2) + 1 − 22n (n − 1)2 − 2n+1 (n − 1) − 1
=
(2n+1 − 1)2
2n n−1 2
2 (n + 1) − 2 (n + 3n − 2)
=
(2n+1 − 1)2
 (n + 1)2n−1 (2n+1 − n − 2)
soit var(X) = .
(2n+1 − 1)2

2. (∗∗) On lance 2 dés et on appelle Z la v.a.r. égale à la valeur absolue de la différence des numéros
obtenus.
Déterminer la loi de Z, sa fonction de répartition, son espérance et sa variance.

Z(Ω) = [[0, 5]] avec [Z = 0] = {(1, 1), (2, 2), (3, 3), (4, 4), (5, 5), (6, 6)}
[Z = 1] = {(1, 2), (2, 3), (3, 4), (4, 5), (5, 6), (6, 5), (5, 4), (4, 3), (3, 2), (2, 1)}
[Z = 2] = {(1, 3), (2, 4), (3, 5), (4, 6), (6, 4), (5, 3), (4, 2), (3, 1)}
[Z = 3] = {(1, 4), (2, 5), (3, 6), (6, 3), (5, 2), (4, 1)}
[Z = 4] = {(1, 5), (2, 6), (6, 2), (5, 1)} et [Z = 5] = {(1, 6), (6, 1)}.

6 3
On a alors P ([Z = 0]) = 36 = 18 , P ([Z = 1]) = 10
36
= 185
, P ([Z = 2]) = 8
36
= 4
18
,
6 3 4 2 2 1
P ([Z = 3]) = 36 = 18 , P ([Z = 4]) = 36 = 18 , P ([Z = 5]) = 36 = 18 .

3 8 12 15 17
FZ (x) = 1I (x)
18 [0,1[
+ 1I (x)
18 [1,2[
+ 1I (x)
18 [2,3[
+ 1I (x)
18 [3,4[
+ 1I (x)
18 [4,5[
+ 1I[5,+∞[ (x)

X
5
1 35
IE(Z) = kP ([Z = k]) = [1 × 5 + 2 × 4 + 3 × 3 + 4 × 2 + 5 × 1] =
18 18
k=0

X
5
1 105 35
2
IE(Z ) = k 2 P ([Z = k]) = [1 × 5 + 4 × 4 + 9 × 3 + 16 × 2 + 25 × 1] = =
k=0
18 18 6
35
 35
 35×34 595
et var(Z) = IE(Z 2 ) − IE(Z)2 = 6
1− 54
soit var(Z) = 18×18
= 162
.

3. (∗) A l’arrivée d’une course, il y a 9 chevaux: 4 noirs et 5 alezans. On appelle X la v.a.r. égale au
nombre de chevaux alezans précédant le premier cheval noir.
Déterminer la loi de X, son espérance et sa variance.

X(Ω) = [[0, 5]] avec P ([X = 0]) = 49 = 126 56

,
5 4 5 35
P ([X = 1]) = 9 × 8 = 18 = 126 ,
P ([X = 2]) = 59 × 48 × 47 = 10
63
= 12620
,
5 4 3 4 5 10
P ([X = 3]) = 9 × 8 × 7 × 6 = 63 = 126 ,
5 4 3 2 4 2 4
P ([X = 4]) = 9 × 8 × 7 × 6 × 5 = 63 = 126 ,
5 4 3 2 1 1
P ([X = 5]) = 9 × 8 × 7 × 6 × 5 = 126

X
5
1
IE(X) = kP ([X = k]) = [1 × 35 + 2 × 20 + 3 × 10 + 4 × 4 + 5 × 1] = 1
k=0
126

X
5
1 294
IE(X 2 ) = k 2 P ([X = k]) = [1 × 35 + 4 × 20 + 9 × 10 + 16 × 4 + 25 × 1] =
126 126
k=0
 294 168 26
var(X) = IE(X 2 ) − IE(X)2 = −1= =
126 126 21

4. (∗ ∗ ∗) Une urne contient n boules numérotées de 1 à n. On tire toutes les boules une par une sans
remise et on note X la v.a.r. égale au nombre de boules dont le rang de sortie est égal au numéro.
Calculer IE(X) et V (X).

Soit Xi la variable aléatoire telle que Xi = 1 si la i-ième boule tirée est à la place i, et
Xi = 0 sinon.
On remarque que X = X1 + · · · + Xn donc IE(X) = IE(X1 ) + · · · + IE(Xn ). Or
P ([Xi = 1]) = (n−1)!
n!
= n1 et P ([Xi = 0]) = 1 − n1 donc IE(X) = n × n1 , soit IE(X) = 1 .
P P
n P
X2 = Xi Xj = Xi2 + Xi Xj avec Xi2 = Xi et, pour i 6= j, Xi Xj (Ω) = {0, 1},
i,j i=1 i6=j
avec
(n − 2)! 1
P ([Xi Xj = 1]) = P ([Xi = 1] ∩ [Xj = 1]) = =
n! n(n − 1)
1 1 n2 −n
donc IE(Xi2 ) = n
et IE(Xi Xj ) = n(n−1)
, d’où IE(X 2 ) = 1 + n(n−1)
= 2 et var(X) = 1 .

5. (∗ ∗ ∗) Une urne contient n boules numérotées de 1 à n. On tire des boules avec remise et on s’arrête
dès que l’on a obtenu un numéro supérieur ou égal à ceux qui précèdent. Soit X la v.a.r. égale au nombre
de tirages effectués.
Déterminer IE(X) ainsi que sa limite quand n tend vers +∞.

X(Ω) = [[2, n + 1]] (avec au pire n, n − 1, · · · , 2, 1, k)

[X > j] signifie que les j premiers numéros tirés sont dans l’ordre décroissant strict. Il y
a Cnj façons de choisir ces numéros et, une fois ceux-ci choisis, il n’y a qu’un ordre possible.
Cnj Cnj−1 Cnj
Ainsi P ([X > j]) = nj
et P ([X = j]) = P ([X > j − 1]) − P ([X > j]) = nj−1
− nj
pour
Cnn
j ∈ [ 2, n]] et P ([X = n + 1]) = P ([X > n]) = nn
.

X
n+1 Xn  j−1 
Cn Cnj Cnn
IE(X) = jP ([X = j]) = j − + (n + 1)
j=2 j=2
nj−1 nj nn
X
n
C j X Cnj X Cj
n X Cjn n
= (j + 1) jn − j j = n
j
+ 1 = n
j
j=1
n j=2
n j=1
n j=0
n

n
n 1
soit IE(X) = 1
n
+1 et lim IE(X) = 1 (car 1
n
+ 1 = en ln(1+ n ) → e).
n→+∞

6. (∗∗) Soient N urnes numérotées de 1 à N . L’urne k contient k boules numérotées de 1 à k. On choisit

une urne au hasard puis on tire une boule dans l’urne choisie. Soit X la v.a.r. égale au numéro de la
boule tirée.
Déterminer la loi de X et exprimer IE(X).
 P
N
1
X(Ω) = [[1, N]] et P ([X = k]) = P ([X = k]/Uj )P (Uj ) avec P (Uj ) = N
.
j=1
1
P ([X = k]/Uj ) = 0 si j < k et P ([X = k]/Uj ) = j
si j ≥ k (j boules dans Uj ).
1
P
N
1
On a donc P ([X = k]) = N j
.
j=k

j
X
N
1 XX k
N N
1 k 1 XX k
N X
IE(X) = kP ([X = k]) = = =
k=1
N k=1 j=k j N 1≤k≤j≤N
j N j=1 k=1 j
 
1 X j(j + 1) 1 X
N N
1 N (N + 1) N +3
= = (j + 1) = +N =
N j=1 2j 2N j=1 2N 2 4

N 3
donc IE(X) = 4
+ 4
.

7. (∗∗) Une urne contient n boules numérotées de 1 à n. On en tire 2 au hasard sans remise. Soit X la
v.a.r. égale au plus grand numéro tiré.
1. Calculer P ([X ≤ k]) et en déduire la loi de X.
2. Calculer IE(X).

1. X(ω) = [[2, n]]. [X ≤ k] signifie que les 2 numéros tirés sont inférieurs ou égaux à
k(k−1)
k. Ainsi, P ([X ≤ k]) = n(n−1) et P ([X = k]) = P ([X ≤ k]) − P ([X ≤ k − 1]).
2
Ainsi, P ([X = 2]) = P ([X ≤ 2]) = n(n−1) et, pour k ≥ 3

k(k − 1) (k − 1)(k − 2) (k − 1)(k − k + 2) 2(k − 1)

P ([X = k]) = − = =
n(n − 1) n(n − 1) n(n − 1) n(n − 1)

2(k−1)
(valable aussi pour k = 2). On a donc P ([X = k]) = n(n−1)
pour tout k ∈ [ 2, n]] .

P
n
2
P
n
2
P
n−1
2. IE(X) = kP ([X = k]) = n(n−1)
k(k − 1) = n(n−1)
k(k + 1).
k=2 k=2 k=1
P
n−1
(n−1)n P
n−1
(n−1)n(2(n−1)+1) (n−1)n(2n−1)
Or k= 2
et k2 = 6
= 6
donc
k=1 k=1

X
n−1  
n(n − 1) 2n − 1 n(n − 1) 2n + 2
k(k + 1) = 1+ =
k=1
2 3 2 3

et IE(X) = 23 (n + 1) .

8. (∗∗) On considère une urne contenant 1 boule rouge, 2 boules noires et 3 boules jaunes. On effectue
des tirages successifs sans remise jusqu’à ce qu’il ne reste plus dans l’urne que des boules de 2 couleurs
différentes. On note X la v.a.r. égale au nombre de tirages effectués.
Déterminer la loi de X, son espérance et sa variance.
 On a 1 boule rouge, 2 boules noires et 3 boules jaunes, donc, pour qu’il ne reste plus
que 2 couleurs, on doit faire, au minimum 1 tirage et au maximum 4 tirages. En effet,
• X = 1 si on tire la boule rouge ;
• X = 2 si on tire les 2 boules noires ou bien une noire puis la rouge ou encore une
jaune puis la rouge ;
• X = 3 si on tire une noire puis une jaune puis, soit la rouge, soit l’autre noire, ou
bien une jaune puis une noire puis, soit la rouge, soit l’autre noire, ou bien les 3 jaunes,
ou encore 2 jaunes puis la rouge ;
• X = 4 si on tire 2 jaunes et une noire dans n’importe quel ordre. Ainsi,

1
; P ([X = 1]) =
6
2 1 2 1 3 1 2+2+3 7
P ([X = 2]) = × + × + × = = ;
6 5 6 5 6 5 30 30
   
2 3 1 1 3 2 1 1 3 2 1 3 2 1 3 × 12 3
P ([X = 3]) = × × + + × × + + × × + × × = = ;
6 5 4 4 6 5 4 4 6 5 4 6 5 4 120 10
3 2 1 3 2 2 3 × 12 3
P ([X = 4]) = × × +3× × × = = .
6 5 4 6 5 4 120 10
5 7 9
On a donc P ([X = 1]) = 30
, P ([X = 2]) = 30
, P ([X = 3]) = P ([X = 4]) = 30
.

(On vérifie au passage que P ([X = 1]) + P ([X = 2]) + P ([X = 3]) + P ([X = 4]) = 1).

X
4
1 82 41
IE(X) = kP ([X = k]) = [1 × 5 + 2 × 7 + 3 × 9 + 4 × 9] = =
30 30 15
k=1

X
4
1
2
IE(X ) = k 2 P ([X = k]) = [1 × 5 + 4 × 7 + 9 × 9 + 16 × 9]
k=1
30
5 + 28 + 81 + 144 258 129 43
= = = =
30 30 15 5
129 412 1935−1681 41 254
IE(X 2 ) − IE(X)2 = 15
− 152
= 225
, d’où IE(X) = 15
et var(X) = 225
.

9. (∗ ∗ ∗) Une boı̂te A contient 2 jetons portant le numéro 0 et une boı̂te B contient 2 jetons portant le
numéro 1. On tire au hasard un jeton dans chaque boı̂te et on les échange. On fait n fois l’opération.
Soit Xn la v.a.r. égale à la somme des numéros des jetons de la boı̂te A à l’issue du n-ème échange.
Déterminer la loi de Xn et son espérance.

Xn (Ω) = {0, 1, 2}. On commence par exprimer la loi de Xn en fonction de celle de

Xn−1 , en utilisant les probabilités totales. Pour simplifier, on pose pn (k) = P ([Xn = k]).
On a alors :

pn (k) = P [Xn−1 =0] ([Xn = k])pn−1 (0)+P [Xn−1 =1] ([Xn = k])pn−1 (1)+P [Xn−1 =2] ([Xn = k])pn−1 (2)
 avec P [Xn−1 =0] ([Xn = 0]) = 0, P [Xn−1 =0] ([Xn = 1]) = 1, P [Xn−1 =0] ([Xn = 2]) = 0 ;

1 1 1 1 1
P [Xn−1 =1] ([Xn = 0]) = , P [Xn−1 =1] ([Xn = 1]) = + = , P [Xn−1 =1] ([Xn = 2]) = ;
4 4 4 2 4

P [Xn−1 =2] ([Xn = 0]) = 0, P [Xn−1 =2] ([Xn = 1]) = 1, P [Xn−1 =2] ([Xn = 2]) = 0 .
On peut écrire ces relations matriciellement, ce qui donne :
      n  
pn (0) 0 14 0 pn−1 (0) 0 14 0 p0 (0)
 pn (1)  =  1 1 1   pn−1 (1)  =  1 12 1   p0 (1)  .
2
pn (2) 0 14 0 pn−2 (2) 0 14 0 p0 (2)

Comme p0 (0) = 1, p0 (1) = 0 et p0 (2) = 0, il ne reste plus qu’à calculer M n , où

 1

0 4
0

M= 1 1
1 .
2
1
0 4
0
−1
Ceci est un exercice d’algèbre linéaire classique : il s’agit de diagonaliser M, M =P DP 
1
et alors M n = P D n P −1 . On a χM (λ) = λ(λ − 1)(λ + 1/2), E0 (M) = IR  0 ,
−1
     
1 1 1 1 1
E1 (M) = IR  4  et E−1/2 (M) = IR  −2 . Si on prend P =  0 4 −2 , on a
1 1 −1 1 1
 1 1

2
0 −2
alors P −1 =  61 1
6
1 
6
et donc
1 1 1
3
−6 3
     1  
pn (0) 1 1 1 0 0 0 2
0 − 12 1
 pn (1)  =  0 4 −2   0 1 0
  61 1 1  0 
n 6 6
1 1 1
pn (2) −1 1 1 0 0 − 12 3
−6 3
0

n    1 1
n 
0 1 − 12
1
2 6
+3 − 12

n n
=  0 4 −2 − 12
  1
6
= 2−2
3 3
− 12
.
n 1 n
0 1 − 12 3
1
6
+ 1
3
− 12
 1 1

n
 P ([Xn = 0]) = 6
+ 3
− 12

2 2 n
On a donc P ([Xn = 1]) = − − 12
.
 3
1
3
1 n
P ([Xn = 2]) = 6
+ 3
− 12
On a alors IE(Xn ) = 1 × P ([Xn = 1]) + 2 × P ([Xn = 2]), soit IE(Xn ) = 1 .

10. (∗∗) Soit X une v.a.r. de loi binomiale B(2n, p) et soit Y la partie entière de X/2.
Déterminer la loi de Y , IE(Y ) et var(Y ).
 X(Ω) = [[0, 2n]] donc Y (Ω) = [[0, n]] avec
     
X X
P ([Y = k]) = P E =k =P k≤ <k+1
2 2
= P ([2k ≤ X < 2k + 2]) = P ([X = 2k]) + P ([X = 2k + 1]).

On a donc :
2k 2k 2n−2k 2k+1 2k+1 2n−2k−1
P ([Y = k]) = C2n p q + C2n p q si k < n et P ([Y = n]) = p2n .

X
n X
n X
n−1
IE(Y ) = kP ([Y = k]) = kP ([X = 2k]) + kP ([X = 2k + 1])
k=1 k=1 k=1

X
2n
GX (s) = sk P ([X = k]) = (ps + q)2n
k=0

X
2n
G0X (s) = ksk−1 P ([X = k]) = 2np(ps + q)2n−1
k=1

En remplaçant s par 1 et par −1, on obtient :

X
2n X
2n
P ([X = k]) = 1 et (−1)k P ([X = k]) = (q − p)2n
k=0 k=0

X
2n X
2n
kP ([X = k]) = 2np et k(−1)k−1 P ([X = k]) = 2np(q − p)2n−1
k=1 k=1

On a donc
X
2n X
n−1
2np(1 + (q − p)2n−1 ) = k(1 + (−1)k−1 )P ([X = k]) = 2 (2k + 1)P ([X = 2k + 1])
k=1 k=0
X
n−1 X
n−1
= 4 kP ([X = 2k + 1]) + 2 P ([X = 2k + 1])
k=0 k=0

P
n−1
avec 1 − (q − p)2n = 2 P ([X = 2k + 1]) et
k=0

X
2n X
n
2n−1 k−1
2np(1 − (q − p) )= k(1 − (−1) )P ([X = k]) = 4 kP ([X = 2k]).
k=1 k=1

On a alors
X
n X
n−1
IE(Y ) = kP ([X = 2k]) + kP ([X = 2k + 1])
k=0 k=0
1 1 1
= np(1 − (q − p)2n−1 ) + np(1 + (q − p)2n−1 ) − (1 − (q − p)2n )
2 2 4
 1

Ainsi, IE(Y ) = np − 1 − (q − p)2n .
4

X
n−1
2
IE(Y ) = k 2 [P ([X = 2k]) + P ([X = 2k + 1])] + n2 P ([X = 2n])
k=0
X
n X
n−1
= k 2 P ([X = 2k]) + k 2 P ([X = 2k + 1])
k=0 k=0

X
2n
G00X (s) = k(k − 1)sk−2 P ([X = k]) = 2n(2n − 1)p2 (ps + q)2n−2
k=2
En remplaçant s par 1 et par −1, on obtient :

X
2n
k(k − 1)P ([X = k]) = 2n(2n − 1)p2
k=0

X
2n
k(k − 1)(−1)k P ([X = k]) = 2n(2n − 1)p2 (q − p)2n−2
k=0

X
n X
n X
n
2
2 2k(2k − 1)P ([X = 2k]) = 8 k P ([X = 2k]) − 4 kP ([X = 2k])
k=0 k=0 k=0
 
= 2n(2n − 1)p2 1 + (q − p) 2n−2

X
n−1 X
n X
n
2
2 2k(2k + 1)P ([X = 2k + 1]) = 8 k P ([X = 2k]) + 4 kP ([X = 2k])
k=0 k=0 k=0
 
= 2n(2n − 1)p2 1 − (q − p) 2n−2

Ainsi,
1   1  
IE(Y 2 ) = n(2n − 1)p2 1 + (q − p)2n−2 + np 1 − (q − p)2n−1
4 4
1 2
 2n−2
 1  
+ n(2n − 1)p 1 − (q − p) − np 1 + (q − p)2n−1
4 4
1 2n

+ 1 − (q − p)
8
1 1 1

= n(2n − 1)p2 − np(q − p)2n−1 + 1 − (q − p)2n
2 2 8

1 1 1

var(Y ) = n2 p2 − np2 − np(q − p)2n−1 + 1 − (q − p)2n
2 2 8
1
1

−n2 p2 + np 1 − (q − p)2n − 1 + (q − p)4n − 2(q − p)2n
2  16
1 1

= np(1 − p) − (q − p)2n−1 + 1 − (q − p)4n
2 16
11. (∗ ∗ ∗) Dans une usine, n automobiles arrivent au même instant devant N ateliers de peinture.
Chaque véhicule, et de façon indépendante des autres, est dirigé vers un atelier de peinture de manière
équiprobable. Soit X la v.a.r. égale au nombre d’ateliers sans véhicules.
Calculer IE(X) et var(X).

On pose Xi = 1 si l’atelier i est vide et Xi = 0 sinon. Le nombre d’ateliers sans

P
N PN
véhicule est donc X = Xi et IE(X) = IE(Xi ) = NP ([Xi = 1]) car les Xi ont tous
i=1 i=1

n
n
même loi, avec P ([Xi = 1]) = NN−1 donc IE(X) = N 1 − N1 .
N 
2
P PN P
X = Xi = Xi2 + Xi Xj . Or Xi2 = Xi (0 ou 1) et Xi Xj suit également une
i=1 i=1 i6=j

n
n
loi de Bernoulli avec P ([Xi Xj = 1]) = P ([Xi = 1] ∩ [Xj = 1]) = NN−2 = 1 − N2 . On

n
n
2n
a alors IE(X 2 ) = N 1 − N1 + (N 2 − N ) 1 − N2 et IE(X)2 = N 2 1 − N1 donc


1 n


2 n


1 2n
var(X) = N 1 − N
+ (N 2 − N ) 1 − N
− N2 1 − N
.

12. (∗ ∗ ∗) Pour ouvrir 1 porte, un gardien dispose d’un trousseau de 10 clefs différentes. Quand il est
ivre, il remélange les clefs après chaque essai ; sinon, il retire la mauvaise clef du lot. On note X le
nombre de clefs nécessaires pour ouvrir la porte dans le premier cas et Y dans le second cas.
1. Déterminer les lois de X et de Y ainsi que leur espérance.
2. Sachant que le gardien est ivre 1 jour sur 3 et qu’aujourd’hui il a essayé au moins 9 clefs pour
ouvrir la porte, quelle est la probabilité qu’il soit ivre aujourd’hui?

1. Dans le premier cas, on a des tirages avec remise donc X(Ω) = IN∗ et
 k−1
9 1
P ([X = k]) = :
10 10
1


X suit la loi géométrique G 10
.

Dans le deuxième cas, on a des tirages sans remise donc, dans le pire des cas, on
1
prendra la bonne clef en dernier, d’où Y (Ω) = [[1, 10]] avec P ([Y = 1]) = 10 , P ([Y = 2]) =
9 1 1 9 8 1 1 1
10
× 9 = 10 , P ([Y = 3]) = 10 × 9 × 8 = 10 , ... P ([Y = k]) = 10 pour tout k (la bonne clef
a autant de chance d’être choisie en premier, deuxième,..., dernier).

Y suit la loi équiprobabilité sur [[1, 10]] .

On a donc IE(X) = 10 et IE(Y ) = 5.5 .

2. Soit A l’événement “le gardien est ivre” et B “le gardien essaie au moins 9 clefs
pour ouvrir la porte”. On cherche P (A/B) et pour cela, on utilise la formule de Bayes ;
P (B/A)P (A)
P (A/B) = .
P (B/A)P (A) + P (B/A)P (A)
On a P (A) = 13 , P (B/A) = P ([Y ≥ 9]) = 2
10
= 1
5
et
+∞ 
X k−1 +∞ 
X j−1+8  8
9 1 9 1 9
P (B/A) = P ([X ≥ 9]) = = =
k=9
10 10 j=k−8
j=1
10 10 10

8


9 8
( 9 ) × 13 10
Ainsi, P (A/B) = 9 10 8 , soit P (A/B) =
.
( 10 ) × 13 + 15 × 23 9 8
10
+ 25

13. (∗∗) Soient n ∈ IN∗ et p ∈]0, 1[ et soit X une v.a.r. de loi binomiale B(n, p). On définit Y par Y = X
si X 6= 0 et, si X = 0, alors Y prend une valeur quelconque dans [[0, n]].
Déterminer la loi de Y et calculer IE(Y ).

On a Y (Ω) = [[0, n]].

P
n
Si k 6= 0, P ([Y = k]) = P ([Y = k]/[X = i])P ([X = i]) avec P ([Y = k]/[X = k]) = 1
i=0
1
et P ([Y = k]/[X = i]) = 0 si i ∈
/ {0, k} et P ([Y = k]/[X = 0]) = n+1 .
1
Si k = 0, P ([Y = 0]/[X = i]) = 0 si i 6= 0 et P ([Y = 0]/[X = 0]) = n+1 . Ainsi,
1
P ([Y = k]) = n+1
P ([X = 0]) + P ([X = k]) si k ∈ [ 1, n]]
1 .
P ([Y = 0]) = n+1
P ([X = 0])

X
n Xn  
1
IE(Y ) = kP ([Y = k]) = k P ([X = 0]) + P ([X = k])
k=1 k=1
n+1
1 X X n n
= P ([X = 0]) k+ kP ([X = k])
n+1
k=1 k=1
1 n(n + 1) n
= P ([X = 0]) × + IE(X) = P ([X = 0]) + IE(X)
n+1 2 2
n
Or IE(X) = np et P ([X = 0]) = (1 − p)n donc IE(Y ) = 2
((1 − p)n + 2p) .

aX
14. (∗) On lance n fois une pièce. Soit X la v.a.r. égale au nombre de “piles” obtenus et soit Y = 2n
où a ∈ IR+ .
Calculer IE(Y ).

X suit la loi binomiale B n, 12 : P ([X = k]) = Cnk 21n pour 0 ≤ k ≤ n.
 X P
n P
n n
IE[Y ] = IE a2n = 21n ak P ([X = k]) = 41n Cnk ak , soit IE(X) = (a+1)
4n
.
k=0 k=0

15. (∗∗) Soient a ∈ IR et X une v.a.r. à valeurs dans IN∗ telle que, pour k ∈ IN∗ :

P (X = k) = a/(k(k + 1)(k + 2)).

Déterminer a, puis calculer IE(X).

 1 α β γ
k(k+1)(k+2)
= avec α = 12 , β = −1 et γ = 12 . Ainsi,
k
+ k+1
+ k+2
     
a 1 2 1 a 1 1 1 1
P ([X = k]) = − + = − − − .
2 k k+1 k+2 2 k k+1 k+1 k+2
P
+∞ P
N
On doit avoir P ([X = k]) = lim P ([X = k]) = 1 avec
k=1 N →+∞ k=1

X N    
aX
N
1 1 1 1
P ([X = k]) = − − −
k=1
2 k=1 k k+1 k+1 k+2
" N   N +1  #
a X 1 1 X 1 1
= − − −
2 k k+1 k k+1
k=1 k=2
  
a 1 1 1 a
= 1− − − →
2 2 N +1 N +2 4

donc a = 4 .

X
+∞ X
+∞
4 X
+∞
4 XN
4
IE(X) = kP ([X = k]) = = = lim
k=1 k=1
(k + 1)(k + 2) k=2 k(k + 1) N →+∞ k=2 k(k + 1)

P
N
4
P
N
4
P
N
4 4 4
avec k(k+1)
= k
− k+1
= 2
− N +1
→ 2 donc IE(X) = 2 .
k=2 k=2 k=2

16. (∗∗) Soit p ∈]0, 1[. On pose q = 1 − p et on considère une v.a.r. X à valeurs dans IN∗ , dont la loi est
définie par P ([X = k]) = ckq k−1 pour tout k ∈ IN∗ .
Déterminer c. Calculer IE(X) et var(X).

P
+∞ P
+∞ P
+∞
GX (s) = sk P ([X = k]) = cksk q k−1 = cs k(qs)k−1 .
k=1 +∞ 0 k=1 k=1
P k−1
+∞ P k 1

0 1 cs
Or kx = x = 1−x = (1−x) 2 donc GX (s) = (1−qs)2 .
k=1 k=0

On doit avoir GX (1) = 1 donc c = p2 .

c 2qcs 4qc 6q 2 cs
G0X (s) = + et G00
X (s) = +
(1 − qs)2 (1 − qs)3 (1 − qs)3 (1 − qs)4
2 2
donc G0X (1) = pc2 + 2qc
p3
= 1+ 2q
p
et G00X (1) = 4qc
p3
+ 6qp4 c = 4q
p
+ 6q
p2
puis, en utilisant q = 1−p,
GX (1) = p − 1, GX (1) = p − 4 + p2 − p + 6 = 2 − p + p2 et GX (1) + G0X (1) = 1 − 6p + p62
0 2 00 4 6 12 8 6 00

donc IE(X) = 2
p
− 1 et var(X) = G00X (1) + G0X (1) − G0X 2 (1) = 1 − 6
p
+ 6
p2
−1+ 4
p
− 4
p2
,
2 2 2q
soit var(X) = p2
− p
= p2
.

17. (∗) Soit X une v.a.r. suivant la loi de Poisson P(λ).

Calculer IE(1/(1 + X)).
 k
P ([X = k]) = e−λ λk! et
  X
+∞ X
+∞
1 1 −λ λk
IE = P ([X = k]) = e
1+X k=0
1+k k=0
(k + 1)!
e−λ X λk+1 e−λ X λk
+∞ +∞
e−λ  λ 
= = = e −1 .
λ k=0 (k + 1)! λ k=1 k! λ

1

e−λ
 λ  1−e−λ
Ainsi, IE 1+X
= λ
e −1 = λ
.

18. (∗) Soit X une v.a.r. suivant la loi de Pascal P(r, p).
Montrer que IE((r − 1)/(X − 1)) = p et en déduire IE(r/X) > p.

r−1 r k−r
X(Ω) = [[r, +∞[ et P ([X = k]) = Ck−1 pq avec q = 1 − p.
  X
+∞ X
+∞
r−1 r−1 (k − 1)! r k−r (k − 2)!
IE = pq = pr q k−r
X −1 k=r
k − 1 (r − 1)!(k − r)! k=r
(r − 2)!(k − r)!
X
+∞
(j − 1)! X
+∞
r j−r+1 r−1 r−1 j−(r−1)
= pq =p Cj−1 p q =p
j=k−1
j=r−1
(r − 2)!(j − r + 1)! j=r−1

P
+∞
r−1 r−1 j−(r−1)
car Cj−1 p q = 1 comme somme des probabilités pour la loi de Pascal
j=r−1
 
r−1
P(r − 1, p) donc IE =p.
X −1

r  
r r−1
IE − p = IE −
X X X−1
   
r(X − 1) − (r − 1)X X −r
= IE = IE
X(X − 1) X(X − 1)
h i r
X−r X−r
Or X(Ω) = [[r, +∞[ donc X(X−1)
≥ 0 et P X(X−1)
6= 0 > 0 donc IE >p.
X

19. (∗) Une suite d’épreuves de Bernoulli de paramètre p est répétée de façon indépendante jusqu’à
l’obtention de k succès. Soit X la v.a.r. égale au nombre d’essais nécessaires.
1. Déterminer la loi de X.
2. Pour k = 2, calculer IE(X) ainsi que IE(2/X).

1. On veut k succès donc X(Ω) = {n ∈ IN ; n ≥ k} et, si X = n, le nieme essai est un

succès et il y a k − 1 autres succès parmi les n − 1 autres essais.
k−1 k n−k
P ([X = n]) = Cn−1 p q : X suit la loi de Pascal P(k, p) .
 P
+∞
2. Pour k = 2, P ([X = 2]) = (n − 1)p2 q n−2 si n ≥ 2 et IE(X) = nP ([X = n]),
n=2
soit :
!
X
+∞ X
+∞
d 2
d 2 X
+∞
IE(X) = n(n − 1)p2 q n−2 = p2 2
(q n ) = p2 2 qn
n=2
dq dq
2
  n=2  n=2
d 1 d 1 2 2p2
= p2 2 − 1 − q = p2 − 1 = p2
=
dq 1−q dq (1 − q)2 (1 − q)3 p3

2
Donc finalement IE(X) = p
.
 +∞ 
P
+∞ P
+∞ P P
+∞
IE( X2 ) = 2
n
P (X = n) = 2
n
(n − 1)p q 2 n−2 2
= 2p qn−2
− 1 n−2
n
q , avec
n=2 n=2  +∞  n=2 n=2
P
+∞
1 1
P
+∞
1 n−2 1
P q n
q n−2 = 1−q
= p
et n
q = q2 n
− q = − q12 (ln(1 − q) + q) = − q12 (q + ln p)
n=2 n=2 n=1
2p2 2p2 2p 2
2p  
donc IE( X2 ) = 2p + q
+ q2
ln p = q
+ 2p
q2
ln p, soit IE X
2
= q
1 + p
q
ln p .

20. (∗∗) Soit X une v.a.r. à valeurs dans IN.

Montrer que IE(X) existe si et seulement si la série de terme général P ([X ≥ k]) est convergente et
qu’alors on a: X
IE(X) = P ([X ≥ k])
k≥1

P
+∞
IE(X) existe si et seulement si kP ([X = k]) converge.
k=1

X
N X
N X
N
SN = P ([X ≥ k]) = P ([X = j])
k=1 k=1 j=k
j
X X
N X
= P ([X = j]) = P ([X = j])
1≤k≤j≤N j=1 k=1

X
N
= jP ([X = j])
j=1

P
+∞
Ainsi, P ([X ≥ k]) converge si et seulement si (SN )N est majorée, c’est-à-dire si
k=1
P
+∞
kP ([X = k]) converge.
k=1

X
+∞
On a alors IE(X) = lim SN donc IE(X) = P ([X ≥ k]) .
N →+∞
k=1

21. (∗∗) Le nombre de clients d’un grand magasin suit une loi de Poisson P(λ). Dans le magasin, chaque
client a la probabilité p de se faire voler son portefeuille. Soit Y la v.a.r. égale au nombre de portefeuilles
volés.
Déterminer la loi de Y et calculer IE(Y ).

k
Si X est le nombre de clients du magasin, P ([X = k]) = e−λ λk! .

X
+∞
P ([Y = j]) = P ([Y = j]/[X = k])P ([X = k])
k=0

0 si j > k
avec P ([Y = j]/[X = k]) = . On a alors
Ckj pj (1 − p)k−j si j ≤ k

X
+∞
λk k!
P ([Y = j]) = e−λ pj (1 − p)k−j
k=j
k! j!(k − j)!
j X
+∞
−λ (λp) λk−j (1 − p)k−j j
−λ (λp) λ(1−p) −λp (λp)
j
= e =e e =e
j! k=j
(k − j)! j! j!

22. (∗∗) Soit X une v.a.r. à valeurs dans IN et soit Y la v.a.r. définie par Y = X/2 si X est pair et
Y = (1 − X)/2 si X est impair.
Déterminer la loi de Y et son espérance dans les cas suivants:
1. X suit la loi géométrique G(p) ;
2. X suit la loi de Poisson P(λ).
∗
1. Si X = 2k avec  k ∈ IN , alors Y = k et si X = 2k + 1 avec k ∈ IN, alors Y = −k.
P ([Y = k]) = P ([X = 2k]) = pq 2k−1
pour k ∈ IN∗
Donc Y (Ω) = ZZ et .
P ([Y = −k]) = P ([X = 2k + 1]) = pq 2k pour k ∈ IN
P P
+∞ P
+∞ P 2k−1 p2 +∞
+∞ P
IE(Y ) = kP (Y = k) = kpq 2k−1 − kpq 2k = (1 − q)p kq = q k(q 2 )k−1 .
k∈ZZ k=1 k=0 k=1 k=1
P k−1
+∞
1 p 2
1 (1−q) 2
1
Or kx = (1−x)2 donc IE(Y ) = q (1−q 2 )2 = q(1−q)2 (1+q)2 soit IE(Y ) = q(1+q)2 .
k=1

2. Si X = 2k avec k ∈ IN, alors Y = k et si X = 2k +2k1 avec k ∈ IN, alors Y = −k.

 −λ λ
 P ([Y = k]) = P ([X = 2k]) = e (2k)! pour k ∈ IN∗
λ2k+1
Donc Y (Ω) = ZZ et P ([Y = −k]) = P ([X = 2k + 1]) = e−λ (2k+1)! pour k ∈ IN∗ .


P ([Y = 0]) = P ([X = 0]) + P ([X = 1]) = e−λ (1 + λ)

X
+∞
λ2k X +∞
λ2k+1
IE(Y ) = ke−λ − ke−λ
k=1
(2k)! k=1 (2k + 1)!
1 −λ X λ2k X
+∞ +∞
1 (2k + 1 − 1)λ2k+1
= e − e−λ
2 k=1
(2k − 1)! 2 k=1
(2k + 1)!
" #
1 −λ X λ2k+2 X X
+∞ +∞ 2k+1 +∞
λ λ2k+1
= e − +
2 (2k + 1)! (2k)! (2k + 1)!
k=0 k=1 k=1
1 −λ
= e [λshλ − λ(chλ − 1) + shλ − λ] ,
2
  
soit IE(Y ) = 12 e−λ −λe−λ + shλ .

23. (∗∗) Même exercice que l’exercice 163 avec Y = X/2 si X est pair et Y = 0 si X est impair.
Calculer de plus var(Y ).

P
+∞
Pour k ∈ IN∗ , P ([Y = k]) = P ([X = 2k]) et P ([Y = 0]) = 1 − P ([X = 2k]).
k=1

1. PX = G(p) et q = 1 − p. On a alors P ([Y = k]) = pq 2k−1 pour k 6= 0 et

X
+∞ X
+∞
2k−1
P ([Y = 0]) = 1 − pq = 1− pq 2j+1
j=k−1
k=1 j=0
1 q 1 1
= 1 − pq 2
=1− = =
1−q 1+q 1+q 2−p

X
+∞
pX 2 k
+∞
k 2k−1
GY (s) = P ([Y = 0]) + s pq = P ([Y = 0]) + (sq )
k=1
q k=1
 
p 1 p p 1
= P ([Y = 0]) + 2
− 1 = P ([Y = 0]) − +
q 1 − sq q q 1 − sq 2
pq 2pq3 pq q
On a alors G0Y (s) = (1−sq2 )2
et G00Y (s) = (1−sq2 )3
donc G0Y (1) = p2 (1+q)2
= p(1+q)2
et
2q3
G00Y (1) = p2 (1+q)3
puis

2q 3 q q2
G00Y (1) + G0Y (1) − G0Y (1)2 = + −
p2 (1 + q)3 p(1 + q)2 p2 (1 + q)4
q  2 
= 2 4
2q (1 + q) + (1 − q)(1 + q)2 − q
p (1 + q)
q  2 
= 2 4
2q + 2q 3 + 1 + 2q + q 2 − q − 2q 2 − q 3 − q
p (1 + q)
q(q 3 + q 2 + 1)
=
p2 (1 + q)4

q q(q 3 + q 2 + 1)
donc IE(Y ) = et var(Y ) = .
p(1 + q)2 p2 (1 + q)4
λ2k
2. PX = P(λ). On a alors P ([Y = k]) = e−λ (2k)!
pour k 6= 0 et

X
+∞
λ2k
P ([Y = 0]) = 1 − e−λ = 1 − e−λ [chλ − 1]
k=1
(2k)!

X
+∞
sk λ2k √

GY (s) = P ([Y = 0]) + e−λ
= P ([Y = 0]) + e−λ ch(λ s) − 1
k=1
(2k)!
√
= P ([Y = 0]) − e−λ + e−λ ch(λ s)
 √ λ
G0Y (s) = e−λ sh(λ s) √
2 s
√ λ2 √ λ
G00Y (s) = e−λ ch(λ s) − e−λ sh(λ s) √
4s 4s s
λ2 −λ λ2 −λ
G0Y (1) = λ2 e−λ shλ et G00Y (1) = 4
e chλ− λ4 e−λ shλ et G00Y (1)+G0Y (1) = 4
e chλ+ λ4 e−λ shλ
λ −λ λ2 −λ λ λ2
donc IE(Y ) = e shλ et var(Y ) = e chλ + e−λ shλ − e−2λ sh2 λ .
2 4 4 4

24. (∗∗) On pose µk = IE((X − IE(X))k ).

Calculer γ = µ3 /σ 3 et δ = µ4 /σ 4 dans les cas suivants:
1. X suit la loi binomiale B(n, p);
2. X suit la loi de Poisson P(λ).

P
On pose m = IE(X) et σ 2 = IE((X − m)2 ) et g(s) = GX (s) = IE(sX ) = sk P ([X = k]).

µ3 = IE((X − m)3 ) = IE(X 3 − 3mX 2 + 3m2 X − m3 ) = IE(X 3 ) − 3mIE(X 2 ) + 2m3 )

µ4 = IE((X−m)4 ) = IE(X 4 −4mX 3 +6m2 X 2 −4m3 X+m4 ) = IE(X 4 )−4mIE(X 3 )+6m2 IE(X 2 )−3m4

g 0 (1) = IE(X) = m, g 00 (1) = IE(X(X − 1)) = IE(X 2 ) − m,

g (3) (1) = IE(X(X − 1)(X − 2)) = IE(X 3 − 3X 2 + 2X) = IE(X 3 ) − 3(g 00 (1) + m) + 2m

g (4) (1) = IE(X(X − 1)(X − 2)(X − 3)) = IE(X 4 − 3X 3 + 2X 2 − 3X 3 + 9X 2 − 6X)

= IE(X 4 − 6X 3 + 11X 2 − 6X)
= IE(X 4 ) − 6(g (3) (1) + 3g 00 (1) + m) + 11(g 00 (1) + m) − 6m

On a donc IE(X) = g 0 (1), IE(X 2 ) = g 00 (1) + g 0 (1), IE(X 3 ) = g (3) (1) + 3g 00 (1) + g 0 (1),

IE(X 4 ) = g (4) (1) + 6g (3) (1) + 7g 00 (1) + g 0 (1)

1. g(s) = (ps + q)n , g 0 (s) = np(ps + q)n−1 , g 00 (s) = n(n − 1)p2 (ps + q)n−2

g (3) (s) = n(n − 1)(n − 2)p3 (ps + q)n−3 , g (4) (s) = n(n − 1)(n − 2)(n − 3)p4 (ps + q)n−4

On a alors

µ3 = n(n − 1)(n − 2)p3 + 3n(n − 1)p2 + np − 3np(n(n − 1)p2 + np) + 2n3 p3

= np3 (n2 − 3n + 2 − 3n2 + 3n + 2n2 ) + np2 (3n − 3 − 3n) + np
= 2np3 − 3np2 + np = np(1 − p)(1 − 2p)
µ3
donc γ = σ3
= √ 1−2p et pour le calcul de µ4 et δ, on procède de même.
np(1−p)

2. g(s) = e−λ eλs , g 0 (s) = λe−λ eλs , g 00 (s) = λ2 e−λ eλs

g (3) (s) = λ3 e−λ eλs , g (4) (s) = λ4 e−λ eλs

On a alors
µ3 = λ3 + 3λ2 + λ − 3λ(λ2 + λ) + 2λ3 = λ
µ3 √1
donc γ = σ3
= λ
et pour le calcul de µ4 et δ, on procède de même.

25. (∗∗) Soit p ∈]0, 1[ et X une v.a.r. à valeurs dans IN telle que, pour tout k ∈ IN:

−pk+1
P ([X = k]) =
(k + 1) ln(1 − p)
1. Vérifier qu’il s’agit bien d’une loi de probabilité.
2. Calculer IE(X) et var(X).

On commence par déterminer GX (s).

X
+∞
1 X sk pk+1+∞
1 X (sp)k+1 +∞
k
GX (s) = s P ([X = k]) = − =− .
ln(1 − p) k+1 s ln(1 − p) k+1
k=0 k=0 k=0

Or, pour |x| < 1, en admettant les interversions des sommes et des intégrales vues dans
les cours sur les séries entières :
+∞ Z x Z x X ! Z x
X
+∞
xk+1 X +∞
dt
k k
= t dt = t dt = = [− ln(1 − t)]x0 = − ln(1 − x).
k=0
k + 1 k=0 0 0 k=0 0 1 − t

ln(1−ps) P
+∞
Ainsi, GX (s) = s ln(1−p)
et on a bien P ([X = k]) = GX (1) = 1.
k=1
 
1 ln(1 − ps) p
=G0X (s) − −
ln(1 − p) s2 s(1 − ps)
 
00 1 2 ln(1 − ps) 2p p2
GX (s) = + 2 −
ln(1 − p) s3 s (1 − ps) s(1 − ps)2
p p(2−3p) p(1−2p)
G0X (1) = −1 − (1−p) ln(1−p)
, G00X (1) = 2 + (1−p) 00 0
2 ln(1−p) , GX (1) + GX (1) = 1+ (1−p)2 ln(1−p)
2
et G00X (1) + G0X (1) − G0X (1)2 = − (1−p)2 pln(1−p) − (1−p)2 (ln(1−p))
p
2 . On a donc :

p p[ln(1 − p) + p]
IE(X) = −1 − et var(X) = −
(1 − p) ln(1 − p) (1 − p)2 (ln(1 − p))2

Calculs sur les v.a.r. absolument continues

26. (∗) Soit f définie par f (x) = 13 (1 + |x|) 1I[−1,1] (x).
Montrer que f est la densité d’une v.a.r. X dont on déterminera l’espérance et la variance.

f est positive, continue sauf en −1 et en 1 et

Z Z Z
1 1 2 1 1
f (x) dx = (1 + |x|) dx = (1 + x) dx = [(1 + x)2 ]10 = 1
3 −1 3 0 3
donc f est bien
R 1 une densité de probabilité.
1
IE(X) = −1 3 x(1 + |x|) dx = 0 (intégrale sur [−1, 1] d’une fonction impaire).
R1 R1 h 3 4
i1  
IE(X 2 ) = −1 13 x2 (1 + |x|) dx = 23 0 (x2 + x3 ) dx = 23 x3 + x4 = 23 13 + 14 = 7
18
.
0
7
Ainsi, IE(X) = 0 et var(X) = 18
.

27. (∗) Soit X une v.a.r. de densité f définie par f (x) = (x + 1)1I[−k,k] (x).
1. Déterminer k et la fonction de répartition de X.
2. Soit Y = X 2 . Préciser la densité de probabilité, l’espérance et la variance de Y .

R +∞ h ik
x2
1. −∞
f (x)dx = 2
= 2k = 1 d’où k = 12 .
+x
−k
Rx  2 
FX (x) = −∞ (t + 1)1I[− 1 , 1 ] (t)dt, soit FX (x) = x2 + x + 38 1I[− 1 , 1 ] (x) + 1I] 1 ,+∞[ (x) .
2 2 2 2 2

√ √
2. FY (y) = P (X 2 ≤ y) = (FX ( y) − FX (− y))1I]0,+∞[ (y) et
√ √ √ √
fY (y) = 2√1 y (f ( y) + f (− y))1I]0,+∞[ (y) = 2√1 y ( y + 1 − y + 1)1I]0, 1 [ (y).
4

− 21
D’où fY (y) = y 1I]0, 1 [ (y) .
4

R +∞ R1 1 h 3 i 14
2
IE(Y ) = −∞
yf Y (y)dy = 0
4
y 2 dy =
3
y 2 = 23 × 18 soit IE(Y ) = 12
1
.
0
R +∞ R1 3 h 5 i 14
De même, IE(Y 2 ) = −∞ y 2 fY (y)dy = 04 y 2 dy = 25 y 2 = 25 × 32 1 1
= 80 .
0
1 1 64 1
On a alors var(Y ) = IE(Y 2 ) − IE(Y )2 = 80
− 144
= 80×144
, soit var(Y ) = 180
.

28. (∗) Soit f la fonction définie par:

2
f (x) = k(x2 ex 1I]−∞,0[ (x) + x e−x 1I[0,+∞[ (x))

1. Déterminer k pour que f soit la densité d’une v.a.r. X.

2. Montrer que X admet une espérance et une variance et calculer celles-ci.

1. On a f ≥ 0 pour k ≥ 0, f continue sur IR et

Z Z Z  "Z  +∞ #
0 +∞ +∞
−x2 1 2
f (x) dx = k x2 ex dx + xe dx = k x2 e−x dx + − e−x
−∞ 0 0 2 0
 
1 5k
= k Γ(3) + =
2 2

2
d’où k = 5
.
R R
2. |x| f (x) dx et x2 f (x) dx sont des intégrales convergentes donc IE(X) et IE(X 2 )
existent, avec Z 0 
Z +∞
2 3 x 2 −x2
IE(X) = x e dx + x e dx
5 −∞ 0
 Z 0 Z +∞ 
2 2 4 x 3 −x2
IE(X ) = x e dx + xe dx
5 −∞ 0
Z 0 Z +∞
3 x
x e dx = − x3 e−x dx = −Γ(4) = −3! = −6 ;
−∞ 0
Z 0 Z +∞
4 x
x e dx = x4 e−x dx = Γ(5) = 4! = 24.
−∞ 0
R +∞ u2 − u2 √ 2 R +∞
+∞ u 2 R 2
En posant x = √u , on a x2 e−x dx =
e du
= 4√1 2 −∞ u2 e− 2 du et en
2 0 0 2 2
R +∞ u2 √
utilisant la variance de la loi N (0, 1), il vient −∞ u2 e− 2 du = 2π.
R +∞ 2 R +∞
De même, en posant u = x2 , du = 2x dx, on a 0 x3 e−x dx = 12 0 ue−u du = Γ(2) = 12
h √ i  
2
√
et ainsi, IE(X) = 25 −6 + 4π et IE(X 2 ) = 25 24 + 12 = 49 5
, soit IE(X) = − 12
5
+ π
10
et
√ √
var(X) = 49 5
− 144
25
+ 1225 π − 100
π
, soit var(X) = 10125
+ 1225 π − 100
π
.

29. (∗) Soit n ∈ IN, kn ∈ IR et fn la fonction définie par:

fn (x) = kn |x|n e−|x|

1. Déterminer kn pour que fn soit la densité d’une v.a.r. Xn .

2. Déterminer alors IE(Xn ) et V (Xn ).

1. fn est une fonction paire, positive si kn ≥ 0 et continue sur IR.

Z Z +∞
fn (t) dt = 2kn tn e−t dt = 2kn Γ(n + 1) = 2n!kn
0

1
donc kn = 2n!
.

2. IE(Xn ) = 0 (intégrale d’une fonction impaire sur IR).

Z +∞
2 (n + 2)!
IE(Xn ) = 2kn tn+2 e−t dt = 2kn Γ(n + 3) =
0 n!
donc IE(Xn ) = 0 et var(Xn ) = (n + 1)(n + 2) .

30. (∗ ∗ ∗) Soit α ∈ IR et f la fonction définie par:

f (x) = α(1 + cos x) e−|x|

1. Déterminer α pour que f soit la densité d’une v.a.r. X.

2. Déterminer alors IE(X) et V (X).

1. f est paire, positive pour α ≥ 0 et continue sur IR

Z +∞ Z +∞  
−|x| 1 ix 1 1
(1 + cos x)e dx = 2 1 + (e + e ) e−x dx = 2 +
−ix
+ =3
−∞ 0 2 1−i 1+i
 R +∞ 1
donc −∞
α(1 + cos x)e−|x| dx = 3α et α = 3
.
R +∞
2. IE(X) = −∞
αx(1 + cos x)e−|x| dx = 0 comme intégrale sur IR d’une fonction im-
paire.

Z +∞ Z +∞
2 2 −|x|
IE(X ) = x α(1 + cos x)e dx = 2α x2 (1 + cos x)e−x dx
−∞ 0
Z +∞
= 2αΓ(3) + 2α x2 cos xe−x dx.
0

Z Z +∞
+∞
2
 −x 2
−x
+∞
x cos xe dx = −e x cos x 0 + e−x (2x cos x − x2 sin x)dx
0 0
Z +∞
= e−x (2x cos x − x2 sin x)dx
0

Z Z +∞
+∞
2
 −x 2
−x
+∞
x sin xe dx = −e x sin x 0 + e−x (2x sin x + x2 cos x)dx
0 0
Z +∞
= e−x (2x sin x + x2 cos x)dx
0
R +∞ R +∞
puis, par différence, 0 x2 cos xe−x dx = 0 x(cos x − sin x)e−x dx. De même,
Z +∞ Z +∞
−x
 −x +∞
x cos xe dx = −e x cos x 0 + e−x (cos x − x sin x)dx
0 0
Z +∞
= e−x (cos x − x sin x)dx
0

Z Z +∞
+∞
−x
 −x +∞
x sin xe dx = −e x sin x 0 + e−x (sin x + x cos x)dx
0 0
Z +∞
= e−x (sin x + x cos x)dx
0
R +∞ R
1 +∞
d’où 0 x cos xe−x dx = 2 0 (cos x − sin x)e−x dx
R +∞ R +∞
et 0 x sin xe−x dx = 12 0 (cos x + sin x)e−x dx. Enfin,
( R R


+∞ 1 +∞
cos xe−x
dx = e−(1−i)x
+ e−(1+i)x
dx = 12 1 1
+ 1+i = 12
R0+∞ 2 R0
+∞
1−i
,
0
sin xe−x dx = 2i1 0 e−(1−i)x − e−(1+i)x dx = 2i1 1
1−i
1
− 1+i = 12
R +∞ R +∞ R +∞
d’où 0 x cos xe−x dx = 0, 0 x sin xe−x dx = 12 , 0 x2 cos xe−x dx = − 12 et IE(X 2 ) =
3α = 1 d’où
IE(X) = 0 et var(X) = 1.
31. (∗∗) Soit X une v.a.r. suivant une loi normale N (0, 4). Soit α > 0 et soit Y la v.a.r. définie par
2
Y = e−αX .
Déterminer la loi de Y ainsi que son espérance.

m = 0 et σ 2 = 4.
h i 
−αX 2 0 si y ≤ 0
FY (y) = P ([Y ≤ y]) = P e ≤y =
P ([−αX 2 ≤ ln y]) si y > 0
 

Si y > 0, FY (y) = P X 2 ≥ − lnαy , soit

 1 si
y ≥ 1 q   
q
FY (y) = ln y ln y .
 P X≤− − α +P X≥ − α si y ∈]0, 1[

  q  q 
ln y ln y
Ainsi, FY (y) = FX − − α + 1 − FX − α 1I]0,1[ (y) + 1I[1,+∞[(y) et

" r ! r !#    
ln y ln y 1 1 1
fY (y) = fX − − + fX − − q − 1I]0,1[ (y)
α α 2 − lnαy αy

x2
Or fX (x) = √1 1 e− 2σ2 donc
2π σ

1 1 ln y2 1 1 1 1 1 2 −1
fY (y) = √ e 2ασ √ 1I]0,1[ (y) = √ √ y 2ασ 1I]0,1[ (y)
2π σ y −α ln y 2π −α ln y σ

1 1
soit fY (y) = √ y 2ασ2 −1 1I]0,1[ (y)
σ −2πα ln y
h i Z +∞
1
Z +∞
x2
−αX 2 −αx2 2
IE(Y ) = IE e = e fX (x) dx = √ e−αx e− 2σ2 dx
−∞ σ 2π −∞
Z +∞ s
1 x2 1 1 2π
= √ e− 2 (2α+ σ2 ) dx = √
σ 2π −∞ σ 2π 2α + σ12

1
d’où IE(Y ) = √ .
1 + 2ασ 2
1 1 1
Pour σ = 2, fY (y) = √ y 8α −1 1I]0,1[ (y) et IE(Y ) = √ .
2 −2πα ln y 1 + 8α
32. (∗∗) Une puce M se promène dans une sphère de centre O et de rayon R. La probabilité que la puce
se trouve dans une portion de la sphère est proportionnelle au volume de cette portion.
Déterminer la loi de la distance OM ainsi que son espérance.
 
 0 si x ≤ 0


x 3
Soit X la distance de M à O, 0 ≤ X ≤ R avec P ([X ≤ x]) = si 0 < x < R
 R
1 si x ≥ R
3x2
donc fX (x) = 1I]0,R[ (x) .
R3
R 3
RR
IE(X) = xfX (x) dx = R3 0
x3 dx, soit IE(X) = 34 R .

33. (∗∗) Soit X une v.a.r. de fonction de répartition F continue et strictement croissante et soit
Y = F (X).
Déterminer la fonction de répartition de Y et en déduire la loi de Y .

FY (y) = P ([Y ≤ y]) = P ([F (X) ≤ y]). F est continue et strictement croissante avec
lim F = 0 et lim F = 1 donc F est une bijection strictement croissante de IR sur ]0, 1[.
−∞ +∞
Ainsi, FY (y) = 0 si y ≤ 0, FY (y) = 1 si y ≥ 1 et si y ∈]0, 1[,

FY (y) = P ([X ≤ F −1 (y)]) = F (F −1 (y)) = y

donc FY (y) = y1I]0,1[ (y)+1I[1,+∞[ (y) et fY (y) = 1I]0,1[ (y) : Y suit la loi uniforme sur ]0, 1[ .

R +∞
34. (∗) Soit X une v.a.r. de densité f nulle sur ]−∞, 0[. On suppose qu’il existe λ tel que 0
f (t) eλt dt
soit convergente.
1. Montrer que pour tout α ∈ [0, λ], IE(eαx ) existe.
2. Montrer qu’alors P ([X ≥ a]) ≤ e−aα IE(eαx ) pour tout a > 0.

R +∞ R +∞
1. IE(eαX ) = 0
f (t)eαt dt mais |f (t)eαt | ≤ f (t)eλt pour t > 0 et 0
f (t)eλt dt est
convergente, donc IE(eαX ) existe .
R +∞
2. P ([X ≥ a]) = f (t) dt et
a
Z +∞ Z a Z +∞
αX αt αt
IE(e ) = f (t)e dt = f (t)e dt + f (t)eαt dt
Z0 +∞ 0
Z +∞ a

≥ f (t)eαt dt ≥ eαa f (t) dt

a a

d’où P ([X ≥ a]) ≤ e−αa IE(eαX ) pour tout a > 0.

35. (∗) Soit X une v.a.r. de densité f nulle sur ] − ∞, 0[ et soit Y la v.a.r. égale à la partie entière de X.
1. Exprimer la loi de Y en fonction de celle de X.
2. Montrer que IE(Y ) existe si et seulement si IE(X) existe et qu’alors IE(Y ) ≤ IE(X) ≤ IE(Y ) + 1.

1. Y (Ω) = IN et, pour tout k ∈ IN, P ([Y = k]) = P ([IE(X) = k]) = P ([k ≤ X <
k + 1]), soit
R k+1
P ([Y = k]) = k f (x)dx .
 2. On a, pour tout ω ∈ Ω, Y (ω) ≤ X(ω) < Y (ω) + 1 :
• Si IE(X) existe, alors IE(Y ) existe car 0 ≤ Y ≤ X ;
• Si IE(Y ) existe, alors IE(X) existe car 0 ≤ X < Y + 1, avec IE(Y + 1) = IE(Y ) + 1.
Donc IE(Y ) existe si et seulement si IE(X) existe, et alors IE(Y ) ≤ IE(X) ≤ IE(Y ) + 1 .

36. (∗∗) Même exercice que l’exercice 164 si X suit:

1. la loi exponentielle E(λ);
2. la loi normale N (m, σ 2 ) ;
1
3. la loi de Laplace de densité f définie par f (x) = 2 e−|x|.

R +∞ R +∞
1. en posant u = λx, on a IE(X) = 0 λe−λx x dx = λ1 0 ue−u du = Γ(2) λ
= λ1 = m
Z +∞ Z +∞
2 −λx 2 1 Γ(3) 2
IE(X ) = λe x dx = 2 u2 e−u du = 2 = 2
0 λ 0 λ λ
Z +∞ Z +∞
3 −λx 3 1 Γ(4) 6
IE(X ) = λe x dx = 3 u3 e−u du = 3 = 3
0 λ 0 λ λ
Z +∞ Z +∞
1 Γ(5) 24
IE(X 4 ) = λe−λx x4 dx = 4 u4 e−u du = 4 = 4
0 λ 0 λ λ
2 1 1
IE((X − m)2 ) = IE(X 2 ) − IE(X)2 = 2 − 2 = 2
λ λ λ
6 6 3 1 2
IE((X − m)3 ) = IE(X 3 − 3mX 2 + 3m2 X − m3 ) = 3 − 3 + 3 − 3 = 3
λ λ λ λ λ

IE((X − m)4 ) = IE(X 4 − 4mX 3 + 6m2 X 2 − 4mX 3 + X 4 )

24 24 12 4 1 9
= 4
− 4 + 4 − 4 + 4 = 4.
λ λ λ λ λ λ
Ainsi, γ = 2 et δ = 9 .
R +∞ (x−m)2 R +∞ u2
2. IE((X − m)3 ) = √1 e− 2σ 2 (x − m)3 dx = σ3 √1 u3 e− 2 du = 0
−∞ σ 2π x−m −∞ 2π
u= σ

(intégrale d’une fonction impaire), donc γ = 0 . De même,

Z +∞ Z +∞
4 1 −
(x−m)2
4 4 1 u2
IE((X − m) ) = √ e 2σ 2
(x − m) dx = σ √ u4 e− 2 du
−∞ σ 2π u= x−m
σ −∞ 2π
h i Z +∞ 
σ4 u2
+∞ u2
= √ −u3 e− 2 +3 u2 e− 2 du = 3σ 4
2π −∞ −∞

donc δ = 3 .

3. f étant une fonction paire, x 7→ xf (x) et x 7→ x3 f (x) sont impaires et donc

IE(X) = IE(X 3 ) = 0.
 R +∞ R +∞
IE(X 2 ) = 0 x2 e−x dx = Γ(3) = 2 et IE(X 4 ) = 0 x4 e−x dx = Γ(5) = 24 donc
σ 2 = 2, γ = 0 et δ = 6 .

37. (∗) Calculer IE(X) et V (X) lorsque X suit la loi Gamma de densité f définie pour a > 0 et λ > 0
par:
λa −λx a−1
f (x) = e x 1I]0,+∞[ (x)
Γ(a)

λa
R +∞ λa
IE(X) = Γ(a) 0
xa e−λx dx = Γ(a)
× Γ(a+1)
λa+1
avec Γ(a + 1) = aΓ(a) et IE(X) = a
λ
.
λa
R +∞ a+1 −λx a
IE(X 2 ) = Γ(a) 0
x e dx = λ
Γ(a)
× Γ(a+2)
λa+2
avec Γ(a + 2) = (a + 1)aΓ(a) donc
a(a+1)
IE(X 2 ) = λ2 et var(X) = λa2 .

R1
38. (∗) Soient p et q ∈ IR∗+ . On pose β(p, q) = 0 tp−1 (1 − t)q−1 dt.
1. Justifier l’existence de β(p, q). En supposant q > 1, établir une relation de récurrence entre β(p, q)
et β(p + 1, q − 1) et en déduire la valeur de β(p, q) lorsque p et q ∈ IN∗ .
2. Soit f la fonction définie sur IR par:
1
f (x) = xp−1 (1 − x)q−1 1I]0,1[ (x)
β(p, q)
Vérifier que f est une densité.
3. Soit X une v.a.r. de densité f . Montrer l’existence de IE(X) et de V (X) et les calculer lorsque p
et q ∈ IN∗ .

1. Au voisinage de 0, tp−1 (1 − t)q−1 ∼ tp−1 . Il y a convergence pour p − 1 > −1,

c’est-à-dire pour p > 0.
Au voisinage de 1, tp−1 (1 − t)q−1 ∼ (1 − t)q−1 . Il y a convergence pour q − 1 > −1,
c’est-à-dire pour q > 0.
On procède à une intégration par parties en posant u = tp et v 0 = (1 − t)q−2
Z 1  p 1 Z 1
p q−2 t (1 − t)q−1 p
β(p + 1, q − 1) = t (1 − t) dt = − + tp−1 (1 − t)q−1 dt
0 q − 1 0 q − 1 0

p
donc β(p + 1, q − 1) = q−1
β(p, q) .

q−1 (q − 1)(q − 2)
β(p, q) = β(p + 1, q − 1) = β(p + 2, q − 2)
p p(p + 1)
Z 1
(q − 1)(q − 2) · · · 1 (q − 1)(q − 2) · · · 1
= β(p + q − 1, 1) = tp+q−2 dt
p(p + 1) · · · (p + q − 2) p(p + 1) · · · (p + q − 2) 0
(q − 1)(q − 2) · · · 1 (q − 1)!(p − 1)!
= =
p(p + 1) · · · (p + q − 2)(p + q − 1) (p + q − 1)!
(q−1)!(p−1)!
Ainsi, β(p, q) = (p+q−1)!
si p ∈ IN∗ et q ∈ IN∗ .
 Γ(p)Γ(q)
(Plus généralement, β(p, q) = Γ(p+q)
).
R
2. f ≥ 0, f est continue sur IR et f (x) dx = 1 donc f est bien une densité.

1
R1 β(p+1,q)
3. IE(X) = β(p,q) 0
tp (1 − t)q−1 dt = β(p,q)
,
Z 1
1
2 β(p + 2, q)
IE(X ) = tp+1 (1 − t)q−1 dt = .
β(p, q) 0 β(p, q)
p!(q−1)! (p+q−1)! p
Si p ∈ IN∗ et q ∈ IN∗ , IE(X) = (p+q)! (p−1)!(q−1)!
= p+q

(p + 1)!(q − 1)! (p + q − 1)! p(p + 1)

IE(X 2 ) = =
(p + q + 1)! (p − 1)!(q − 1)! (p + q)(p + q − 1)
h i 2 2 −pq−p)
et var(X) = IE(X 2 ) − IE(X)2 = p+qp p+1
p+q−1
p
− p+q = p(p +p+pq+q−p
(p+q)2 (p+q+1)
d’où finalement
p pq
IE(X) = p+q
et var(X) = (p+q)2 (p+q+1)
.

39. (∗∗) Soit X une v.a.r. de densité f définie par:

1 1 2
f (x) = √ e− 2 (ln x−1) 1I]0,+∞[ (x)
2πx
1. Vérifier que f est une densité de probabilité et exprimer la fonction de répartition de X en fonction
de celle d’une v.a.r. de loi normale N (0, 1).
2. Calculer IE(X) et V (X).
3. Soit U une v.a.r. de loi normale N (m, σ 2 ) et soit Z = eU . Calculer IE(U ) et var(U ).

1. f ≥ 0, f est continue sur IR∗ et, en posant u = ln x − 1,

Z Z +∞ Z +∞
1 − 12 (ln x−1)2 1 u2
f (x) dx = √ e dx = √ e− 2 du = 1
0 2πx 2π −∞
(intégrale de la densité de la loi N (0, 1)), donc f est bien une densité.
Si x ≤ 0, FX (x) = 0 et si x > 0,
Z x Z x Z ln x−1
1 − 12 (ln t−1)2 1 u2
FX (x) = f (t) dt = √ e dt = √ e− 2 du = Φ(ln x − 1)
−∞ 0 2πt 2π −∞
où Φ est la fonction de répartition de la loi normale N (0, 1).
Ainsi, FX (x) = Φ(ln x − 1)1I]0,+∞[ (x) .

2. Pour le calcul de IE(X) et de IE(X 2 ), on fait le changement de variable u = ln x,

x = eu , dx = eu du.
Z +∞ Z +∞
1 − 12 (ln x−1)2 1 1 2
IE(X) = √ e dx = √ eu e− 2 (u−1) du
2π 0 2π −∞
Z +∞ Z +∞
1 − 12 (u2 −2u+1−2u) 1 1 2
= √ e du = √ e− 2 [(u−2) −3] du = e3/2
2π −∞ 2π −∞
 Z +∞ Z +∞
2 1 − 12 (ln x−1)2 1 1 2
IE(X ) = √ e dx = √ e2u e− 2 (u−1) du
2π 0 2π −∞
Z +∞ Z +∞
1 − 12 (u2 −2u+1−4u) 1 1 2
= √ e du = √ e− 2 [(u−3) −8] du = e4
2π −∞ 2π −∞

donc IE(X) = e3/2 et var(X) = e4 − e3 .

(u−m) 2
3. Z = eU avec fU (u) = √1 e− 2σ2
σ 2π

Z +∞ Z +∞
1 (u−m)2
u − 2σ2 1 1 2 2 2
IE(Z) = √ e e du = √ e− 2σ2 (u −2mu+m −2σ u) du
σ 2π −∞ σ 2π −∞
Z +∞
1 1 2 2 2 2 4 2 σ2
= √ e− 2σ2 [(u−(m+σ )) +m −m −σ −2mσ ] du = em+ 2
σ 2π −∞

Z +∞ Z +∞
1 (u−m)2
2u − 2σ2 1 1 2 2 2
2
IE(Z ) = √ e e du = √ e− 2σ2 (u −2mu+m −4σ u) du
σ 2π −∞ σ 2π −∞
Z +∞
1 1 2 2 2 2 4 2 2
= √ e− 2σ2 [(u−(m+2σ )) +m −m −4σ −4mσ ] du = e2m+2σ
σ 2π −∞

σ2 2 2
donc IE(Z) = em+ 2 et var(U ) = e2m+2σ − e2m+σ .

40. (∗) Soient a et α deux réels vérifiant a > 0 et α > 1 et soit f la fonction définie par:

λ
f (x) = 1I[a,+∞[ .
xα
1. Déterminer λ pour que f soit la densité d’une v.a.r. X.
2. Déterminer, lorsqu’ils existent, les moments d’ordre r de X.

1. f est positive pour λ ≥ 0, continue sur IR \ {a} et

Z Z +∞  +∞
−α x−α+1 λ 1
f (x) dx = λ x dx = λ = α−1
a −α + 1 a α−1a

donc λ = (α − 1)aα−1 .
R +∞
2. IE(X r ) = λ a
xr−α dx existe pour α − r > 1, c’est-à-dire r < α − 1 . On a alors
 +∞
r xr−α+1 ar−α+1 (α − 1)ar
IE(X ) = λ =λ = .
r−α+1 a α−1−r α−1−r

41. (∗) Soit σ > 0 et soit X une v.a.r. de densité f définie par:
x −x2 /2σ2
f (x) = e 1I[0,+∞[ (x)
σ2
 Calculer P (−1 ≤ X ≤ 1), IE(X), V (X) et déterminer la loi de X 2 .

Z 1 Z 1  1
x − x22 2
− x2 − 12
P ([−1 ≤ X ≤ 1]) = f (x) dx = e 2σ dx = −e 2σ = 1 − e 2σ .

−1 0 σ2 0

Z +∞ Z +∞ Z +∞
r
x2 − x22 1 x
2 − 2σ
2
σ 2
2 − u2 π
IE(X) = 2
e 2σ dx = 2 x e 2
dx =x ue du = σ.
0 σ 2σ −∞ u= σ 2 −∞ 2
Z +∞  +∞ Z +∞  +∞
2 x3 − x22 2
− x2
2
− x2 2
2
− x2
IE(X ) = 2
e 2σ dx = −xe 2σ +2 xe 2σ dx = −2σ e 2σ = 2σ 2
0 σ 0 0 0
pπ

donc IE(X) = 2 σ et var(X) = σ 2 2 − π2 .

√ √ √ √
P ([X 2 ≤ y]) = P ([− y ≤ X ≤ y]) 1I]0,+∞[(y) = (FX ( y) − FX (− y)) 1I]0,+∞[ (y)
√
1 √ 1 y y 1 y
fX (y) = √ fX ( y)1I]0,+∞[ (y) = √ 2 e− 2σ2 1I]0,+∞[ (y) = 2 e− 2σ2 1I]0,+∞[ (y)
2
2 y 2 y σ 2σ


donc X 2 suit la loi exponentielle E 2σ1 2 .