Vous êtes sur la page 1sur 1

BIBM@TH

Ressources mathématiques > Base de données d'exercices >


Exercices de dénombrement - probabilités - statistiques >
Accéder à mon compte > Accéder à ma feuille d'exercices >

Exercices corrigés - Couple de


variables aléatoires
Vecteurs aléatoires discrets finis
Exercice 1 - Loi marginale [Signaler une erreur] [Ajouter
à ma feuille d'exos]

Enoncé
On dispose de n boites numérotées de 1 à n. La boite k
contient k boules numérotées de 1 à k . On choisit au
hasard de façon équiprobable une boite, puis une boule
dans cette boite. On note X le numéro de la boite et Y le
numéro de la boule.

1. Déterminer la loi conjointe du couple (X, Y).


2. En déduire la loi de Y .
3. Calculer l'espérance de Y .

Indication
Corrigé

1. Pour tout (i, j) dans {1, … , n}2 , on a


P((X, Y) = (i, j)) = P(X = i)P(Y = j|X = i).

On en déduit que si j > i, alors P((X, Y) = (i, j)) = 0


alors que si j ≤ i,
1 1
P((X, Y) = (i, j)) = × .
n i
2. Y prend ses valeurs dans {1, … , n} et on a
n n n
1
P(Y = k) = ∑ P((X = i, Y = k)) = ∑ P((X = i, Y = k)) = ∑ .
i=1 i=k i=k
ni

3. Pour calculer l'espérance, on applique la définition et


on permute les sommes.

1 n n k
E(Y) = ∑ ∑
n k=1 i=k i

1 n 1 i
= ∑ ∑k
n i=1 i k=1
n
1 1 i(i + 1)
= ∑ ×
n i=1 i 2
n
1 i+1
= ∑
n i=1 2

×( − 1)
1 (n + 1)(n + 2)
=
2n 2
n+3
= .
4

Exercice 2 - Loi jointe uniforme [Signaler une


erreur] [Ajouter à ma feuille d'exos]

Enoncé
Soit (X, Y) un couple de variables aléatoires suivant une loi
uniforme sur {0, … , n}2 .

1. Déterminer la loi de X , la loi de Y , la loi de X + Y.


2. X et Y sont-elles indépendantes?

Indication
Corrigé

1. X est à valeurs dans {0, … , n}. On a, pour tout k


de {0, … , n},
n n
1 1
P(X = k) = ∑ P((X, Y) = (k, i)) = ∑ = .
i=0 i=0
(n + 1)2 n + 1

X suit donc une loi uniforme sur {0, … , n}. Par


symétrie, il en est de même de Y .
La variable aléatoire X + Y est à valeurs dans
{0, … , 2n} et pour tout k dans cet intervalle d'entiers,
on a
k
P(X + Y = k) = ∑ P((X = i, Y = k − i)).
i=0

Si k ≤ n, ceci devient égal à


k
1 k+1
P(X + Y = k) = ∑ = 2.
i=0
(n + 1)2
(n + 1)

Sik > n, la somme ne peut aller que jusque n (car


i ≤ n) et ne peut commencer qu'en k − n (car
k − i ≤ n) et donc
n
1 2n − k + 1
P(X + Y = k) = ∑ = 2 .
i=k−n
(n + 1)2
(n + 1)

2. Les variables X et Y sont indépendantes, car pour


tout couple (i, j) de {0, … , n}, on a bien

1
P((X = i), (Y = j)) = P(X = i)P(Y = j) = .
(n + 1)2

Exercice 3 - Vecteurs aléatoires et matrices


[Signaler une erreur] [Ajouter à ma feuille d'exos]

Enoncé
On considère un espace probabilisé (Ω, , P) et deux
variables aléatoires X et Y définies sur Ω et à valeurs dans
{1, … , n + 1} , où n est un entier naturel supérieur ou
égal à 2. On pose, pour tout couple
(i, j) ∈ {1, … , n + 1}2
ai,j = P(X = i, Y = j).
On suppose que :

{0
si |i + j − (n + 2)| = 1
ai,j = 2n
sinon.
1. Vérifier que la famille (ai,j ) ainsi définie est bien une
loi de probabilité de couple.
2. Ecrire la matrice A ∈ n+1 (ℝ) dont le terme
général est ai,j . Vérifier que A est diagonalisable.
3. Déterminer les lois de probabilité de X et Y .
4. Pour tout couple (i, j) ∈ {1, … , n + 1}2 , on pose :

bi,j = P(X = i|Y = j).


Déterminer la matrice B ∈ n+1 (ℝ) dont le terme
général est bi,j . Montrer que le vecteur

⎛ P(X = 1) ⎞
⎜ ⎟
v= ⎜ ⋮ ⎟
⎜ ⎟
⎝ P(X = n + 1) ⎠
est vecteur propre de B.

Indication
Corrigé

1. Tous les scalaires ai,j sont positifs ou nuls. Comptons


le nombre de ai,j non nuls. Ce sont les termes pour
lesquels :
soit i + j = n + 3, avec 1 ≤ i, j ≤ n + 1, soit les
couples de la forme (i, n + 3 − i) avec
1 ≤ i, n + 3 − i ≤ n + 1 qui donne 2 ≤ i ≤ n + 1.
Il y a donc n tels termes.
soit i + j = n + 1, avec 1 ≤ i, j ≤ n + 1, soit les
couples de la forme (i, n + 1 − i) avec
1 ≤ i, n + 1 − i ≤ n + 1 qui donne 1 ≤ i ≤ n. Il y a
encore n tels termes.
Au total, il y a 2n termes, et comme chacun vaut 1/2n,
la somme fait bien 1.
2. La matrice de A a la forme :

⎛ 0 … … … 1/2n 0 ⎞
⎜ ⎟
⎜ 0 … … 1/2n 0 1/2n ⎟
⎜ ⎟
⎜ ⋮ ⋱ ⋱ ⋱ 0 ⎟
⎜ ⋮ ⎟
⎜ ⋱ ⋱ ⎟
⎜ 1/2n ⋮ ⎟
⎜ ⎟
⋱ ⋱
⎝ 0 1/2n 0 … 0 ⎠
(les termes en 1/2n sont au dessus et en dessous de la
diagonale non principale). Elle est symétrique réelle,
donc diagonalisable.
3. La loi de X est donnée par
P(X = i) = ∑n+1 n+1
j=1 P(X = i, Y = j) = ∑j=1 ai,j. On
trouve :
P(X = 1) = P(X = n + 1) = 1/2n.
P(X = i) = 1/n si 2 ≤ i ≤ n.
Matriciellement, cela signifie qu'on a fait la somme sur
chaque ligne de A. Par symétrie,Y suit la même loi que
X.
4. On a, pour tout 1 ≤ i, j ≤ n + 1,
ai,j
bi,j = .
P(Y = j)
b1,j ≠ 0 si et seulement si j = n, et dans ce cas
b1,n = 1/2.
bn+1,j ≠ 0 si et seulement si j = 2, et dans ce cas
bn+1,2 = 1/2.
pour 2 ≤ i ≤ n, bi,j ≠ 0 si et seulement si
j = n + 3 − i ou j = n + 1 − i. Donc :

{ bn,1
b2,n+1 = 1 bi,n+3−i = 1/2
= 1 bi,n+1−i = 1/2.

On vérifie alors aisément que v est vecteur propre


pour la valeur propre 1.

Vecteurs aléatoires discrets infinis


Exercice 4 - Couple géométrique [Signaler une
erreur] [Ajouter à ma feuille d'exos]

Enoncé
Soient X et Y deux variables aléatoires à valeurs dans ℕ∗ ,
telles que :
a
P((X = i) ∩ (Y = j)) = ,
2i+j
pour tous i, j de ℕ∗ .
1. Calculer a .
2. Déterminer les lois marginales de X et Y.
3. X et Y sont-elles indépendantes?

Indication
Corrigé

1. Il est d'abord nécessaire que a ≥ 0. On a ensuite :


+∞
a a
∑ 2i+j = 1 ⟺ ∑ 2i = 1 ⟺ a = 1.
i,j≥1 i=1

2. Pour i ∈ ℕ∗ , on a :
+∞ +∞
1 1 1 1
P(X = i) = ∑ P((X = i) ∩ (Y = j)) = ∑ i+j = i = .
j=1 j=1 2 2 2 2 i−1

X suit donc une loi géométrique de paramètre 1/2. Par


raison de symétrie, il en est de même pour Y .
3. On a :
1
P(X = i) × P(Y = j) = = P((X = i) ∩ (Y = j)).
2i+j
Les variables aléatoires sont indépendantes.

Exercice 5 - Couple géométrique [Signaler une


erreur] [Ajouter à ma feuille d'exos]

Enoncé
Soit X et Y deux variables aléatoires indépendantes
suivant la même loi géométrique de paramètre p ∈]0, 1[.
On pose Z = min(X, Y) et q = 1 − p . Soit en outre n un
entier strictement positif.

1. Calculer P(X ≥ n) .
2. Calculer P(Z ≥ n) . En déduire P(Z = n) . Quelle
est la loi de Z ?
3. Les variables X et Z sont-elles indépendantes?

Indication
Corrigé

1. L'événement X ≥ n s'écrit comme réunion


(dénombrable et disjointe) des événéments élémentaires
X = k, k ≥ n. On a donc

k−1 qn−1 p
P(X ≥ n) = ∑ P(X = k) = ∑ q p= = qn−1 .
k≥n k≥n
1−q

2. On a Z ≥ n si et seulement si X ≥ n et Y ≥ n. Ces
deux événements sont indépendants, et donc

P(Z ≥ n) = P(X ≥ n)P(Y ≥ n) = q2n−2 .


Or,

P(Z = n) = P(Z ≥ n) − P(Z ≥ n + 1) = q2n−2 − q2n = q2n−2 (1 − q2 ).


2
Ainsi, Z suit une loi géométrique de paramètre 1 − q .
3. Remarquons que les événements (X = n) ∩ (Z ≥ n)
et (X = n) ∩ (Z = n) sont égaux et égaux à
(X = n) ∩ (Y ≥ n). Si X et Z étaient indépendantes,
alors on aurait

P((X = n) ∩ (Z ≥ n)) = P(X = n)P(Z ≥ n)


et

P((X = n) ∩ (Z = n)) = P(X = n)P(Z = n).


En particulier, on devrait avoir P(Z = n) = P(Z ≥ n),
ce qui n'est pas le cas. X et Z ne sont pas des variables
aléatoires indépendantes.

Exercice 6 - Guichet de poste [Signaler une erreur]


[Ajouter à ma feuille d'exos]

Enoncé
Dans un bureau de poste, il y a deux guichets. Chacune des
personnes arrivant à la poste choisit le premier guichet
avec une probabilité p , ou le deuxième guichet avec une
probabilité q = 1 − p . Les personnes effectuent leur choix
de façon indépendante. En une heure, le nombre X de
personnes arrivés à la poste suit une loi de Poisson (m).
On désigne par Y le nombre de personnes ayant choisi le
premier guichet.

1. Exprimer la probabilité conditionnelle de Y = k


sachant que X = n .
2. En déduire la loi conjointe du couple (X, Y) .
3. Déterminer la loi de Y . On trouvera que Y suit une
loi de Poisson de paramètre mp .

Indication
Corrigé

1. Pour chaque personne, le choix du premier guichet


se fait avec une probabilité p. Les choix sont
indépendants les uns des autres, et Y = k|X = n
compte le nombre de "succès" lorsqu'on réalise n fois
l'épreuve. On reconnait le schéma théorique d'une
variable aléatoire de loi binomiale. On a donc :

(k)p q
n k n−k

{0
si 0 ≤ k ≤ n
P(Y = k|X = n) =
si k > n.

2. On a :

P(Y = k, X = n) = P(X = n)P(Y = k|X = n)


e−m mn! (nk)pk qn−k si k ≤ n
n

{0
=
sinon.

3. Il faut réaliser la sommation! On a, tenant compte du


fait que les premiers termes sont nuls :
+∞
P(Y = k) = ∑ P(Y = k, X = n)
n=k

( q ) k! ∑ (n − k)!
−m p k 1 +∞ (mq)n
=e
n=k

( q ) k!
−m p k 1 k
+∞
(mq)n−k
=e (mq) ∑
n=k
(n − k)!

( q ) k!
−m p k 1 k
+∞
(mq)n
=e (mq) ∑
n=0
(n)!

=e ( )
p k 1
−m
(mq)k emq
q k!
k
−mp (mp)
=e .
k!

Exercice 7 - Naissances [Signaler une erreur]


[Ajouter à ma feuille d'exos]

Enoncé
On suppose que le nombre N d'enfants dans une famille
suit une loi de Poisson de paramètre λ > 0 . On suppose
qu'à chaque naissance, la probabilité que l'enfant soit une
fille est p ∈]0, 1[ et celle que ce soit un garçon est
q = 1 − p . On suppose aussi que les sexes des naissances
successives sont indépendants. On note X la variable
aléatoire correspondant au nombre de filles par familles, et
Y celle du nombre de garçons.
1. Déterminer la loi conjointe du couple (N, X) .
2. En déduire la loi de X et celle de Y .

Indication
Corrigé

1. La probabilité P(X = k|N = n) est égale (nk)pk qn−k


si k ≤ n (à nombre de naissances fixé, le nombre de
filles suit une loi binomiale de paramètres n et p), et 0
si k > n (ou k < 0). On en déduit que

( k)
n k n−k −λ λn
P(N = n, X = k) = P(X = k|N = n)P(N = n) = p q e .
n!

2. On déduit la loi marginale de X à partir de la loi du


couple :

∑ P(X = k, N = n)
P(X = k) =
n≥k
e−λ λn pk qn−k
∑ k!(n − k)!
=
n≥k

e−λ λk pk +∞ λn−k qn−k


∑ (n − k)!
=
k! n=k

e−λ λk pk +∞ λm qm
∑ m!
=
k! m=0
e−λ λk pk λq
= e
k!
e−λp (λp)k
=
k!
Ainsi, X suit une loi de Poisson de paramètre λp. De
même, Y suit une loi de Poisson de paramètre λq.

Vecteurs aléatoires continus


Exercice 8 - Tir à l'arc [Signaler une erreur] [Ajouter à
ma feuille d'exos]

Enoncé
Théo fait du tir à l'arc sur une cible circulaire de rayon 1.
On suppose que Théo est suffisamment maladroit pour que
le point d'impact M de coordonnées (X, Y) soit
uniformément distribué sur la cible. On note
D = {(x, y) ∈ ℝ2 ; x 2 + y2 ≤ 1} .
1. Quelle est la densité du couple (X, Y) ?
2. Déterminer les lois marginales de X et de Y.
3. Les variables aléatoires X et Y sont-elles
indépendanes?

Indication
Corrigé

1. D'après l'énoncé, on a
1
p(X,Y) (x, y) = 1 (x, y)
π D
la constante 1/π permettant de normaliser cette densité
(son intégrale vaut 1).
2. On applique la formule du cours :

2 ‾‾‾‾‾‾2
∫ℝ π√
pX (x) = p(X,Y) (x, y)dy = 1 − x 1]−1,1[ (x).

Par symétrie du rôle joué par X et Y , on a aussi


2 ‾‾‾‾‾‾2
∫ℝ π√
pY (x) = p(X,Y) (x, y)dx = 1 − y 1]−1,1[ (y).

3. Soit I = J
= [3/4, 1]. Il est clair que P(X ∈ I) > 0
et que P(Y ∈J) > 0. D'autre part, puisque
(3/4 + (3/4 2 > 1, on a aussi
)2
)
P(X ∈ I, Y ∈ J) = 0.
Ainsi,

P(X ∈ I, Y ∈ J) ≠ P(X ∈ I)P(X ∈ J)


et donc les variables aléatoires X et Y ne sont pas
indépendantes.

Exercice 9 - Triangle [Signaler une erreur] [Ajouter à ma


feuille d'exos]

Enoncé
Soit T l'intérieur d'un triangle du plan délimité par les
points O(0, 0) , I(1, 0) et J(0, 1) et soit (X, Y) un couple
de variables aléatoires de loi uniforme sur le triangle T .

1. Donner la densité du couple (X, Y) .


2. Calculer les lois marginales de X et de Y .
3. Les variables aléatoires X et Y sont-elles
indépendantes?
4. Calculer la covariance du couple (X, Y) . Qu'en
pensez-vous?

Indication
Corrigé

1. Puisque (X, Y) suit une loi uniforme sur le triangle T


dont l'aire est 1/2 , la densité du couple (X, Y) est
donnée par

p(X,Y) (x, y) = 2 × 1T (x, y).


2. On trouve la densité marginale en appliquant la
formule du cours (par intégration). Remarquons que X
est à valeurs dans [0, 1], et donc que pX (x) = 0 si
x ∉ [0, 1]. Si x ∈ [0, 1], on en déduit
+∞

∫−∞
pX (x) = pX,Y (x, y)dy
1−x

∫0
= 2dy
= 2(1 − x).
On en déduit donc que

pX (x) = 2(1 − x)1[0,1] (x).


Par symétrie, la densité de Y , pY , est égale à celle de
X , pX .
3. Soit I = J = [1/2, +∞[. Il est clair que
P(X ∈ I) > 0 et P(Y ∈ J) > 0. D'autre part,
2
l'ensemble {(x, y) ∈ ℝ ; x > 1/2 et y > 1/2}est
disjoint de T , et donc

P(X ∈ I, Y ∈ J) = 0 ≠ P(X ∈ I)P(Y ∈ J).


Les deux variables aléatoires ne sont pas indépendantes.
4. On a d'une part
1
1
∫ℝ ∫0
𝔼(X) = 𝔼(Y) = xpX (x)dx = 2x(1 − x)dx = .
3

D'autre part,

∫ℝ2
𝔼(XY) = xyp(X,Y) (x, y)dxdy
1 1−x

∫x=0 ∫y=0
=2 xydxdy
1

∫x=0
= x(1 − x)2 dx
1
= .
12
On en déduit que
1 1 1
Cov(X, Y) = 𝔼(XY) − 𝔼(X)𝔼(Y) = − =− ≠ 0.
12 9 36
La covariance est non-nulle, on retrouve donc le résultat
de la question précédente nous disant que les variables
aléatoires ne sont pas indépendantes.

Exercice 10 - Exponentielle [Signaler une erreur]


[Ajouter à ma feuille d'exos]

Enoncé
Soit X et Y deux variables aléatoires indépendantes
suivant des lois exponentielles de paramètres respectifs λ
et μ . Déterminer P(X > Y) .

Indication
Corrigé
Les variables (X, Y) étant indépendantes, le couple (X, Y)
admet pour densité

f (x, y) = 𝟙[0,+∞[2 (x, y)λe−λx μe−μy .

On en déduit que

P(X > Y) = E(1x>y )


+∞ +∞

∫y=0 ∫x=y
= λe−λx dxμe−μy dy
+∞

∫y=0
= μe−(λ+μ)y dy
μ
= .
λ+μ
En particulier, si λ = μ, on obtient 1/2.

Exercice 11 - Produit de lois de Pareto


[Signaler une erreur] [Ajouter à ma feuille d'exos]

Enoncé
On dit que la variable aléatoire X suit une loi de Pareto de
paramètre α > 0 si,

∀x ≥ 1, P(X > x) = x −α .
1. Démontrer que cette propriété caractérise
effectivement la loi de X . Montrer que X suit une loi à
densité, et préciser cette densité.
2. Pour quelles valeurs de α la variable X est-elle
d'espérance finie?
3. Soient X, Y deux variables aléatoires indépendantes
suivant une loi de Pareto de paramètre α. On note dPY
la loi de Y . Montrer que, si t ≥ 1, alors
+∞
P (X >
y)
t
∫1
P(XY > t) = dPY (y).

t ≥ 1,
4. En déduire que, pour tout
−α
P(XY > t) = t (1 + α ln t).

Indication
Corrigé

1. On remarque que P(X > 1) = 1, et donc pour


t ≤ 1, on a P(X > t) = 1. Ainsi, la formule donnée
permet de caractériser complètement la fonction de
répartition FX qui vaut

FX (t) = 1[1,+∞[ (t)(1 − t −α ).


Cette fonction est dérivable, sauf éventuellement en 1.
Sa dérivée est la densité

fX (t) = 1[1,+∞[ (t)αt −α−1 .


−α−1
2. La fonction t × t est intégrable au voisinage de
+∞ si et seulement si −α < −1, c'est-à-dire α > 1.
3. Puisque (X, Y) sont indépendantes, la loi du couple
(X, Y) est égale au produit (tensoriel) des lois.
Autrement dit, par le théorème de transfert :

∫ℝ2 ∫ℝ2
P(XY > t) = 1{xy>t} (x, y)d P(X,Y) (x, y) = 1{xy>t} (x, y)d PX (x)d PY (y).

2 2
On peut intégrer sur [1, +∞[ au lieu de ℝ , puis
utiliser le théorème de Fubini pour obtenir

(∫1 )
+∞ +∞

∫1
P(XY > t) = 1{xy>t} (x, y)d PX (x) d PY (y).

Or,
+∞ +∞
1{x≥t/y} (x)d PX (x) = P (X > ) .
t
∫1 ∫1
1{xy>t} (x, y)d PX (x) =
y
4. En utilisant le résultat précédent, et en remarquant
que P(X > t/y) = 1 si y ≥ t, on a
t +∞

∫1 ∫t
−α α −α−1
P(XY > t) = t y αy dy + αy−α−1 dy.

En intégrant, on trouve
t

∫1
−α
P(XY > t) = αt y−1 dy + t −α = αt −α ln(t) + t −α = t −α (1 + α ln t).

Meef
Exercice 12 - L'automne [Signaler une erreur] [Ajouter
à ma feuille d'exos]

Enoncé
Un étudiant s’ennuie durant son cours de probabilités et
passe son temps à regarder par la fenêtre les feuilles
tomber d’un arbre. On admet que le nombre de feuilles
tombées à la fin du cours est une variable aléatoire X qui
suit une loi de Poisson de paramètre λ > 0 . Cela signifie
que pour tout k ∈ ℕ ,

−λ λk
P(X = k) = e .
k!
1.
a. Expliquer pourquoi les hypothèses de l'énoncé
permettent de dire que pour tout λ > 0 ,
+∞
λ λk
e =∑ .
k=0
k!

b. \emph{Calculer} l’espérance et la variance de X.


2. A chaque fois qu’une feuille tombe par terre,
l’étudiant lance une pièce qui donne pile avec une
probabilité p et face avec probabilité q = 1 − p ,
p ∈]0, 1[. On note F et P le nombre de faces et de
piles obtenus respectivement.
a. Pour k ∈ ℕ fixé, expliquer de manière simple
pourquoi la loi de F sachant X = k est une loi
binomiale dont on précisera les paramètres. En
déduire l’expression de P(F = a|X = k) .
b. Pour (k, a) ∈ ℕ , calculer la quantité
P(X = k, F = a) .
c. En déduire la loi de F , ainsi que son espérance.
d. Donner, sans calculs, la loi de P.
3. Montrer que P et F sont indépendantes.
4. Calculer E[PF] et Var[P + F] .

Indication
Corrigé

1.
a. On nous dit que X est une variable aléatoires à
valeurs dans ℕ telle que

−λ λk
P(X = k) = e .
k!
On sait aussi que
+∞

∑ P(X = k) = 1.
k=0

De ces deux relations, on déduit facilement le résultat


demandé.
+∞
λ λk
e =∑ .
k=0
k!

b. Ce sont des arguments à savoir. On a


+∞
E(X) = ∑ kP(X = k)
k=0
+∞
−λ λk
=e ∑ (k − 1)!
k=1
+∞
λk −λ
= e λ∑
k=0
k!
= λ.
On a de la même façon, en écrivant
k 2 = k(k − 1) + k,
+∞
2
E(X ) = ∑ k 2 P(X = k)
k=0
+∞ +∞
−λ λk −λ λk
∑ (k − 2)! + e ∑ (k − 1)!
=e
k=2 k=1
= λ2 + λ.
On en déduit que

V(X) = E(X 2 ) − (E(X)) = λ.


2

2.
a. Lorsque X est fixé égal à k, F compte le nombre
de succès (obtenir face) de la répétition de k
expériences aléatoires indépendantes ayant chacune
une probabilité q de succès. Donc la loi de F sachant
X = k est une loi binomiale (k, q). On en déduit
que

(a)q p
k a k−a

{0
si 0 ≤ a ≤ k
P(F = a|X = k) =
sinon.

b. On a :

P(F = a, X = k) = P(X = k)P(F = a|X = k)


e−λ λk! (ak)qa pk−a
k

{0
si a ≤ k
=
sinon.

c. D'après la formule des probabilités totales,


+∞
P(F = a) = ∑ P(F = a, X = k)
k=a

q a 1 +∞ (λp)k
=e ( ) −λ
p a! ∑k=a
(k − a)!
+∞
(λp)k−a
=e ( )
q a 1 −λ a
(λp) ∑
p a! k=a
(k − a)!
+∞
(λp)k
=e ( )
q a 1 −λ a
(λp) ∑
p a! k!
k=0

=e ( )
q a 1
−λ
(λp)a eλp
p a!
a
−λq (λq)
=e .
a!
Ainsi, F suit une loi de Poisson de paramètre qλ.
d. Par symétrie, P suit une loi de Poisson de
paramètre pλ.
3. L'événement (F = a) ∩ (P = b) est l'événement
(F = a) ∩ (X = a + b) et donc
ℙ(F = a et P = b) = ℙ(F = aet X = a + b)
= P(F = a|X = a + b)P(X = a + b)

(a + b)! ( a )
a+b
−λ λ a+b a b
=e q p
a+b
−λ λ
=e q a pb .
a!b!
D'autre part,

−λq (λq)a −λp (λp)b


ℙ(F = a) × ℙ(P = b) = e e .
a! b!
Ces deux quantités sont égales, et donc P et F sont
indépendantes.
4. Par indépendance de P et F , on a

E(PF) = E(P)E(F) = λ2 pq
et

Var[P + F] = Var(P) + Var(F) = λ,


ce qu'on pouvait aussi retrouver en remarquant plus
simplement que P + F = X.

Nous contacter

Vous aimerez peut-être aussi