MA401 : Probabilités TD5

TD5 : Variables aléatoires discrètes dénombrables

Exercice 1 Une urne contient des boules blanches et noires. On suppose que la probabilité de piocher une blanche vaut
p ∈]0, 1[. On effectue des tirages successifs avec remise.
Soit X1 la variable aléatoire égale au rang d’apparition de la 1-ère boule blanche.
1. Reconnaı̂tre la loi de X1 et donner la valeur de E(X1 ) et de V (X1 ).
2. Soit X2 la variable aléatoire égale au rang d’apparition de la 2-ième boule blanche.
Déterminer la loi de X2 ainsi que son espérance.

Exercice 2 On considère deux variables X et Y telles que X(Ω) = Y (Ω) = N× et

∀i, j ∈ N× , P (X = i et Y = j) = pi+1 (1 − p)j + (1 − p)i+1 pj .
1. Donner les lois de X et de Y.
2. Montrer que X et Y admettent des espérances et expliciter E(X) et E(Y ).
3. Justifier que la variable X(X − 1) admet une espérance et la calculer.
En déduire V (X). Procéder de même avec Y.
1
4. Si p 6= , montrer que X et Y sont dépendantes (utiliser P (X = 1 ∩ Y = 1))
2
1
5. Montrer que X et Y sont indépendantes lorsque p = .
2
Exercice 3 Soient a et b deux réels tels que 0 < a < 1 et 0 < b < 1.
On effectue une suite d’expérience aléatoires consistant à jeter simultanément deux pièces de monnaie notées A et B. On
suppose que ces expériences sont indépendantes et qu’à chaque expérience les résultats des deux pièces sont indépendants.
On suppose que, lors d’une expérience, la probabilité que la pièce A donne ”pile” est a, et que la probabilité que la pièce B
donne ”pile” est b.
Soit X le nombre d’expériences qu’il faut réaliser avant que la pièce A donne ”face” pour la première fois, et Y le nombre
d’expériences qu’il faut réaliser avant que la pièce B donne ”face” pour la première fois.
1. Quelles sont les lois de probabilités de X et de Y ? Calculer E(X).
2. Calculer la probabilité de l’évènement (X = Y ). Interprétation.
3. Trouver, pour k ∈ N, la valeur de P (X > k).
En déduire les probabilités P (X > Y ) et P (X > Y ). Interprétation.

Exercice 4 Un péage comporte m guichets numérotés de 1 à m. Soit N la variable aléatoire égale au nombre de voitures
arrivant au péage en 1 heure. On suppose que N suit une loi de Poisson de paramètre λ > 0. On suppose de plus que les
conducteurs choisissent leur file au hasard et que ces choix sont indépendants. Soit X la variable aléatoire égale au nombre
de voitures se présentant au guichet n1.
1. Calculer P(N =n) (X = k) , 0 6 k 6 n.
+∞
P
2. Justifier que P (X = k) = P(N =n) (X = k) P (N = n)
n=k
n
1 k λk +∞
 
P 1 1
3. Montrer que P (X = k) = e−λ ( ) λ 1− .
m k! n=0 n! m
4. En déduire la loi de probabilité de X (on retrouvera une loi usuelle)
5. Donner sans calcul les valeurs de E(X) et de V (X).

Exercice 5 On suppose que le nombre N de colis expédiés à l’étranger chaque jour par une entreprise suit une loi de Poisson
de paramètre λ. Ces colis sont expédiés indépendamment les uns des autres.
La probabilité pour qu’un colis expédié à l’étranger soit détérioré est égale à t.
On s’intéresse aux colis expédiés à l’étranger un jour donné :
N est la variable aléatoire égale au nombre de colis expédiés ; X est la variable aléatoire égale au nombre de colis détériorés ;
Y est la variable aléatoire égale au nombre de colis en bon état. On a donc : X + Y = N.
1. Calculer, pour tout n, k ∈ N, la probabilité conditionnelle suivante : P(N =n) (X = k).
2. En déduire que X suit la loi de Poisson P(λt).
3. En suivant une méthode similaire à X, déterminer la loi de Y .
4. Les variables X et Y sont-elles, à priori et sans calcul, indépendantes ?
5. Calculer la probabilité P ((X = k) ∩ (Y = q)) et P (X = k)P (Y = q). Conclusion

L2 Mathématiques et Informatique 2009-2010 1 FST - Université Paul Cézanne

MA401 : Probabilités TD5
PHEC1 Correction feuille d’exercices n 23 2005-2006

correction de l’exercice 1
1. On répète indé…niment l’expérience E " piocher une boule dans l’urne ", les expériences étant mutuellement indépen-
dantes et X représente le rang de réalisation de l’évènement A " obtenir une boule blanche " dont la probabilité est
égale à p donc X suit la loi géométrique G(p), c’est-à-dire

X1 ( ) = N ; 8n 2 N P (X1 = n) = (1 p)n 1
p

En particulier, X admet une espérance et une variance et on a

1 1 p
E(X1 ) = et V (X1 ) =
p p2

2. Loi de X2 : Etant donné que l’on ne peut obtenir la 2-ième boule blanche qu’à compter de la seconde pioche, il est
immédiat que X2 ( ) = Nnf0; 1g: Le rang d’apparition de la seconde boule blanche dépendant du rang d’apparition
de la première boule blanche, c’est-à-dire des évènements f(X1 = 1); (X1 = 2); ::g = f(X1 = i)gi2N : En utilisant le
système complet d’évènements f(X1 = i)gi2N ; on a

+1
X j 1
X +1
X
8j 2 Nnf0; 1g; P (X2 = j) = P (X1 = i \ X2 = j) = P (X1 = i \ X2 = j) + P (X1 = i \ X2 = j)
| {z }
i=1 i=1 i=j
=0
j 1
X j 1
X
= (1 p)j 2 2
p = (1 p)j 2 2
p 1 = (j 1)(1 p)j 2 2
p
i=1 i=1

Justi…cation des calculs de probabilités : Etant donné que la seconde boule blanche apparait nécessairement après
la première boule blanche (!!), l’évènement (X1 = i \ X2 = j) est impossible lorsque i > j: Lorsque i < j , i 6 j 1;
l’évènement (X1 = i \ X2 = j) est identique à l’évènement B1 \ \ Bi 1 \ Bi \ Bi+1 \ Bj 1 \ Bj , où Bk désigne
l’évènement " obtenir une boule blanche à la k-ième pioche ". Etant donné que ces évènements sont mutuellements
indépendants, que deux de ces évènements ont pour probabilité p et les j 2 autres ont la probabilité (1 p), on en
déduit que

P (X1 = i \ X2 = j) = P (B1 \ \ Bi 1 \ Bi \ Bi+1 \ Bj 1 \ Bj )

= P (B1 ) P (Bi 1 )P (Bi )P (Bi+1 ) P (Bj 1 )P (Bj ) = (1 p)j 2 2
p

Espérance de X2 : La variable X2 admet une espérance ssi la série

X X X
jP (X2 = j) = j(j 1)(1 p)j 2 2
p = p2 j(j 1)(1 p)j 2

n>2 j>2 j>2

converge, ce qui est le cas car 1 p 2]0; 1[ donc à ] 1; 1[ et l’on a

+1
X +1
X 2 2
E(X2 ) = j(j 1)(1 p)j 2 2
p = p2 j(j 1)(1 p)j 2
= p2 =
j=2 j=2
(1 (1 p))3 p

correction de l’exercice 2
1. Loi de X : Par dé…nition, X( ) = N et, en utilisant le système complet d’évènements f(Y = 1); (Y = 2); :::g =
f(Y = j)gj2N ; on a, pour tout i 2 N ;

+1
X +1
X +1
X +1
X
P (X = i) = P (X = i \ Y = j) = pi+1 (1 p)j + (1 p)i+1 pj = pi+1 (1 p)j + (1 p)i+1 pj
j=1 j=1 j=1 j=1
+1
X +1
X +1
X +1
X
= pi+1 (1 p)k+1 + (1 p)i+1 pk (k = j 1) = pi+1 (1 p) (1 p)k + (1 p)i+1 p pk
k=0 k=0 k=0 k=0

i+1 1 i+1 1 i i
= p (1 p) + (1 p) p = (1 p)p + p(1 p)
1 (1 p) 1 p

De même, Y ( ) = N et, en utilisant le système complet d’évènements f(X = 1); (X = 2); :::g = f(X = i)gi2N ; on a,

www.mathematiques.fr.st 1/7 abdellah bechata

L2 Mathématiques et Informatique 2009-2010 2 FST - Université Paul Cézanne

MA401 : Probabilités TD5
PHEC1 Correction feuille d’exercices n 23 2005-2006

pour tout j 2 N ;
+1
X +1
X +1
X +1
X
P (Y = j) = P (X = i \ Y = j) = pi+1 (1 p)j + (1 p)i+1 pj = (1 p)j p pi + pj (1 p) (1 p)i
i=1 i=1 i=1 i=1
+1
X +1
X
= (1 p)j p pk+1 + pj (1 p) (1 p)k+1 (k = j 1)
k=0 k=0
+1
X +1
X
j 2 1 1
= (1 p) p k
p + pj (1 p)2 (1 p)k = (1 p)j p2 + pj (1 p)2
1 p 1 (1 p)
k=0 k=0
j 1 2
= (1 p) p + pj 1
(1 p)2

2. X admet une espérance et calcul de E(X) : La variable X admet une espérance ssi la série
X X X X X X
iP (X = i) = i (1 p)pi + p(1 p)i = (1 p) ipi + p i(1 p)i = (1 p) ipi + p i(1 p)i
i>1 i>1 i>1 i>1 i>0 i>0

converge. Or cette dernière série est une combinaison linéaire de deux séries convergentes (car p et 1 p appartiennent
à ]0; 1[ donc à ] 1; +1[); ce qui implique que X admet une espérance et

X +1
X +1
X +1
X
i i i 1
E(X) = iP (X = i) = i (1 p)p + p(1 p) = (1 p)p ip + p(1 p) i(1 p)i 1

i>1 i=1 i=1 i=1

1 1 p 1 p
= (1 p)p + p(1 p) = +
(1 p)2 (1 (1 p))2 1 p p

Y admet une espérance et calcul de E(Y ) : La variable Y admet une espérance ssi la série

X X p2 X (1 p)2 X
jP (Y = j) = j (1 p)j 1 2
p + pj 1
(1 p)2 = j(1 p)j + jpj
1 p p
j>1 j>1 j>1 j>1

p 2 X (1 p) X 2
= j(1 p)j + jpj
1 p p
j>0 j>0

converge. Or cette dernière série est une combinaison linéaire de deux séries convergentes (car p et 1 p appartiennent
à ]0; 1[ donc à ] 1; +1[); ce qui implique que Y admet une espérance et
+1
X +1
X +1 +1
p2 X (1 p)2 X
E(Y ) = jP (Y = j) = j (1 p)j 1 2
p + pj 1
(1 p)2 = j(1 p)j + jpj
j=1 j=1
1 p j=1 p j=1
+1
X +1
2 X +1
X +1
X
p2 (1 p)
= j(1 p)j + jpj = p2 j(1 p)j 1
+ (1 p)2 jpj 1
1 p j=0
p j=0 j=0 j=0
1 1
= p2 + (1 p)2 =1+1=2
(1 (1 p))2 (1 p)2
P
3. Variance de X : La variable X admet une variance ssi la série i2 P (X = i) converge, ce qui est vrai puisque l’égalité
i>1
suivante
X X X X
i2 P (X = i) = [i(i 1) + i] P (X = i) = i(i 1)P (X = i) + iP (X = i) =
i>1 i>1 i>1 i>1
X X
= i(i 1) (1 p)pi + p(1 p)i + i (1 p)pi + p(1 p)i =
i>1 i>1
X X X X
= (1 p)p2 i(i 1)pi 2
+ p(1 p)2 i(i 1)(1 p)i 2
+ (1 p)p ipi 1
+ p(1 p) i(1 p)i 1

i>1 i>1 i>1 i>1

X X X X
2 i 2 2 i 2 i 1
= (1 p)p i(i 1)p + p(1 p) i(i 1)(1 p) + (1 p)p ip + p(1 p) i(1 p)i 1

i>0 i>0 i>0 i>0

L2 Mathématiques et Informatique 2009-2010 3 FST - Université Paul Cézanne

www.mathematiques.fr.st 2/7 abdellah bechata
MA401 : Probabilités TD5
PHEC1 Correction feuille d’exercices n 23 2005-2006

(car les termes correspondant à i = 0 sont nuls) montre que la série considérée est une combinaison linéaire de séries
convergentes (car p et 1 p appartiennent à ]0; 1[ donc à ] 1; +1[) et l’on a
+1
X
E X2 = i2 P (X = i)
i=1
+1
X +1
X +1
X +1
X
= (1 p)p2 i(i 1)pi 2
+ p(1 p)2 i(i 1)(1 p)i 2
+ (1 p)p ipi 1
+ p(1 p) i(1 p)i 1

i=0 i=0 i=0 i=0

2 2 2 2 1 1
= (1 p)p + p(1 p) + (1 p)p + p(1 p)
(1 p)3 (1 (1 p))3 (1 p)2 (1 (1 p))2
2 2
p 1 p p 1 p
= 2 +2 + +
1 p p 1 p p
2 2 2
p 1 p p 1 p p 1 p
V (X) = E(X 2 ) [E(X)]2 = 2 +2 + + +
1 p p 1 p p 1 p p
" #
2 2 2 2
p 1 p p 1 p p 1 p
= 2 +2 + + +2+
1 p p 1 p p 1 p p
2 2
p 1 p p 1 p
= + + + 2
1 p p 1 p p
P
Variance de Y : La variable Y admet une variance ssi la série j 2 P (Y = j) converge, ce qui est vrai puisque l’égalité
j>1
suivante
X X X X
j 2 P (Y = j) = [j(j 1) + j]P (Y = j) = j(j 1)P (Y = j) + jP (Y = j)
j>1 j>1 j>1 j>1
X X
= j(j 1) (1 p)j 1 2
p + pj 1
(1 p)2 + j (1 p)j 1 2
p + pj 1
(1 p)2
j>1 j>1
X X
j 1 2 j 1 2
= j(j 1) (1 p) p +p (1 p) + j (1 p)j 1 2
p + pj 1
(1 p)2
j>0 j>0
X X
2 j 2 2
= p (1 p) j(j 1)(1 p) + (1 p) p j(j 1)pj 2

j>0 j>0
X X
2 j 1 2 j 1
+p j(1 p) + (1 p) jp
j>0 j>0

montre que la série considérée est une combinaison linéaire de séries convergentes (car p et 1 p appartiennent à ]0; 1[
donc à ] 1; +1[) et l’on a
+1
X
E Y2 = j 2 P (Y = j)
j=1
+1
X +1
X +1
X +1
X
= p2 (1 p) j(j 1)(1 p)j 2
+ (1 p)2 p j(j 1)pj 2
+ p2 j(1 p)j 1
+ (1 p)2 jpj 1

j=0 j=0 j=0 j=0

2 2 1 1
= p2 (1 p) 3
+ (1 p)2 p 3
+ p2 + (1 p)2
(1 (1 p)) (1 p)) (1 (1 p))2 (1 p)2
1 p p
= 2 +2 +2
p 1 p
1 p p 1 p p
V (X) = E(X 2 ) [E(X)]2 = 2 + +1 4=2 + 1
p 1 p p 1 p

4. D’après l’énoncé, on a

P (X = 1 \ Y = 1) = p2 (1 p) + (1 p)2 p = p(1 p)(p + 1 p) = p(1 p)

et d’après la question 1, on a

P (X = 1)P (Y = 1) = [(1 p)p + p(1 p)] p2 + (1 p)2 = 2p(1 p) p2 + (1 p)2

L2 Mathématiques et Informatique 2009-2010 4 FST - Université Paul Cézanne

www.mathematiques.fr.st 3/7 abdellah bechata
MA401 : Probabilités TD5
PHEC1 Correction feuille d’exercices n 23 2005-2006

1
Par conséquent, en tenant compte que p et 1 p appartiennent à ]0; 1[ et sont distincts de ; on a
2
P (X = 1 \ Y = 1) = P (X = 1)P (Y = 1) , p(1 p)2 , 1 = 2 p2 + (1
p) = 2p(1 p) p2 + (1 p)2
1
, 1 = 2(2p2 2p + 1) , 4p2 4p + 1 = 0 , p = (2p 1)2 = 0 , p =
2
1 1
ce qui est absurde car p 6= donc les variables X et Y sont dépendantes lorsque p 6= :
2 2
5. En utilisant l’énoncé et la question 1, on a, pour tous i et j dans N ;
" #" #
i i j 1 2 j 1 2
1 1 1 1 1 1 1 1
P (X = i) P (Y = j) = 1 + 1 1 + 1
2 2 2 2 2 2 2 2
" #" # " #" #
i+1 i+1 j+1 j+1 i+1 j+1
1 1 1 1 1 1
= + + = 2 2
2 2 2 2 2 2
i j i+j
1 1 1
= =
2 2 2
i+1 j i+1 j i+1 j i+1 j
1 1 1 1 1 1 1 1
P (X = i et Y = j) = 1 + 1 = +
2 2 2 2 2 2 2 2
i+j+1 i+j
1 1
= 2 =
2 2
donc 8i; j 2 N ; P (X = i) P (Y = j) = P (X = i et Y = j) ; ce qui implique que les variables X et Y sont indépen-
1
dantes lorsque p = :
2
correction de l’exercice 3
On considère Pk (resp. Fk ) l’évènement " obtenir Pile au k-ième lancer " (resp. " obtenir Face au k-ème lancer "). Pour
éviter des notations trop lourdes, on notera P P F l’évènement P1 \ P2 \ F3 :
1. Loi de X : X( ) = N (il faut au moins un lancer pour obtenir Face !) et
n lancers
z }| {
n 1
8n 2 N ; p(X = n) = p(P
| {z P}F ) = p(P ):::p(P )p(F ) = a (1 a)
n 1 fois

Loi de Y : Y ( ) = N (il faut au moins un lancer pour obtenir Face !) et

n lancers
z }| {
n 1
8n 2 N ; p(Y = n) = p(P
| {z P}F ) = p(P ):::p(P )p(F ) = b (1 b)
n 1 fois
P P P
Espérance de X : La variable X admet une espérance ssi la série nP (X = n) = nan 1
(1 a) = (1 a) nan 1
n>1 n>1 n>0
converge, ce qui est le cas car a 2]0; 1[ ] 1; 1[ et l’on a
+1
X 1 1
E(X) = (1 a) nan 1
= (1 a) =
n=0
(1 a)2 1 a

2. L’évènement (X = Y ) s’écrit aussi

+1
[
(X = Y ) = (X = 1 \ Y = 1) [ (X = 2 \ Y = 2) [ = (X = n \ Y = n)
n=1

L’union étant disjointe et les variables X et Y étant indépendantes, on a :

+1
X +1
X +1
X
P (X = Y ) = P (X = n \ Y = n) = P (X = n)P (Y = n) = an 1
(1 a)bn 1
(1 b)
n=1 n=1 n=1
+1
X +1
X
= (1 a)(1 b) (ab)n 1
= (1 a)(1 b) (ab)k (k = n 1)
n=1 k=0
1 (1 a)(1 b)
= (1 a)(1 b) =
1 ab 1 ab
L2 Mathématiques et Informatique 2009-2010 5 FST - Université Paul Cézanne
www.mathematiques.fr.st 4/7 abdellah bechata
MA401 : Probabilités TD5
PHEC1 Correction feuille d’exercices n 23 2005-2006

Interprétation : La probabilité que chaque joueur obtienne pile pour la première fois au même lancer est égale à

(1 a)(1 b)
:
1 ab

3. P (X > k) : L’évènement (X > k) s’écrit encore

+1
[
(X > k) = (X = k + 1) [ (X = k + 2) [ = (X = n)
n=k+1

L’union étant disjointe, on en déduit que

+1
X +1
X +1
X
P (X > k) = P (X = n) = an 1
(1 a) = (1 a) an 1
= (1 a) ak + ak+1 +
n=k+1 n=k+1 n=k+1
+1
X +1
X 1
= (1 a) aj+k (j = n (k + 1) ) n = j + k + 1) = (1 a)ak aj = (1 a)ak = ak
j=0 j=0
1 a

P (X > Y ) : On introduit naturellement le système complet d’évènements

f(Y = 1); (Y = 2); :::g = (Y = n); n2N

Ensuite, la réalisation de l’évènement [(X > Y ) \ (Y = n)] implique bien entendu la réalisation de l’évènement (X >
n)\(Y = n); la réciproque étant évidente (remarquez que l’on ne peut pas dire que les évènements [(X > Y ) \ (Y = n)]
et (X > n) sont identiques car ce dernier ne donne aucune information sur Y ): Dès lors, en tenant compte que les
variables X et Y sont indépendantes, on en déduit que
+1
X +1
X +1
X
P (X > Y ) = P [(X > Y ) \ (Y = n)] = P [(X > n) \ (Y = n)] = P (X > n)P (Y = n)
n=1 n=1 n=1
+1
X +1
X +1 +1
1 b 1 bX 1 b X
= an bn 1
(1 b) = n n
a b = (ab)n = (ab)k+1 (k = n 1)
n=1
b n=1
b n=1
b
k=0
+1
X
1 b a(1 b)
= ab (ab)k =
b 1 ab
k=0

correction de l’exercice 4
1. L’évènement (N = n) est réalisé et l’on souhaite la réalisation de l’évènement (X = k); autrement dit, n voitures
arrivent au péage en 1 heure et on souhaite que k voitures se présentent au guichet n 1. On réalise donc n expériences
identiques à E " la voiture se présente au péage ", mutuellement indépendantes et on souhaite k réalisations de
1
l’évènement A " la voiture se présente au guichet n 1 ", dont la probabilité est égale à (chaque péage étant choisi
m
avec la même probabilité). Par conséquent, on se trouve dans le cadre du schéma binômial donc
k n k
n 1 1
8n 2 N; 8k 2 [[0; n]]; P(N =n) (X = k) = 1
k m m

2. Le nombre de voitures se présentant au guichet n 1 dépend évidemment du nombre de voitures présentes au péage,
c’est-à-dire des évènements f(N = 0); (N = 1); :::g = f(N = n); n 2 Ng : En utilisant le système complet d’évènements
(N = n)n2N ; la formule des probabilités totales nous donne
+1
X k
X1 +1
X
P (X = k) = P (N = n \ X = k) = P (N = n \ X = k) + P (N = n \ X = k)
n=0 n=0
| {z }
n=k
=0
+1
X +1
X
= P (N = n \ X = k) = P (N = n)P(N =n) (X = k)
n=k n=k

Justi…cation : On ne peut avoir plus de voitures au guichet n 1 que de voitures présentes au péage donc l’évènement
(N = n \ X = k) est impossible lorsque k > n , n < k:

L2 Mathématiques et Informatique 2009-2010 6 FST - Université Paul Cézanne

www.mathematiques.fr.st 5/7 abdellah bechata
MA401 : Probabilités TD5
PHEC1 Correction feuille d’exercices n 23 2005-2006

3. Puisque N suit la loi de Poisson P( ); c’est-à-dire

n
N ( ) = N et 8n 2 N; P (N = n) = e ;
n!
les questions 1 et 2 nous donne les égalités suivantes
+1
X n k n k +1
k X n n k
n 1 1 1 n! 1
P (X = k) = e 1 =e 1
n! k m m m n! k!(n k)! m
n=k n=k
k k
1 1
e +1
X n n k e +1
X j+k j
m 1 m 1
= 1 = 1
k! (n k)! m j=n k k! j=0
j! m
n=k
k k
1 k 1 k
e +1
X j j e +1
X j
m 1 m 1 1
= 1 = 1
k! j=0
j! m k! j=0
j! m

4. En utilisant la question précédente, on constate que la somme correspond à la somme de la série exponentielle donc
k k
1 k
e
m 1 m
8k 2 N; P (X = k) = exp 1 = exp
k! m m k!

On en déduit immédiat que X suit la loi de Poisson P

m

5. D’après le cours sur la loi de Poisson , on a E(X) = V (X) = .

m

correction de l’exercice 5
1. L’évènement (N = n) est réalisé et l’on souhaite la réalisation de l’évènement (X = k); autrement dit, n colis sont
expédiés et souhaite que k colis soient détériorés. On réalise donc n expériences identiques à E " expédier le colis ",
mutuellement indépendantes et on souhaite k réalisations de l’évènement A " le colis est détérioré ", dont la probabilité
est égale à t. Par conséquent, on se trouve dans le cadre du schéma binômial donc
n k n k
8n 2 N; 8k 2 [[0; n]]; P(N =n) (X = k) = t (1 t)
k

2. Le nombre de colis détériorés dépend évidemment du nombre de colis expédiés, c’est-à-dire des évènements f(N = 0); (N = 1)
f(N = n); n 2 Ng : En utilisant le système complet d’évènements (N = n)n2N ainsi que la formule des probabilités
totales et en tenant compte que l’évènement (N = n\X = k) est impossible lorsque n < k (on ne peut avoir strictement
plus de colis détériorés que de colis expédiés), on en déduit les di¤érentes égalités suivantes
+1
X k
X1 +1
X
P (X = k) = P (N = n \ X = k) = P (N = n \ X = k) + P (N = n \ X = k)
n=0 n=0
| {z }
n=k
=0
+1
X +1
X +1
X n
n k n k
= P (N = n \ X = k) = P (N = n)P(N =n) (X = k) = e t (1 t)
n! k
n=k n=k n=k
+1
X n +1
k X n
n! n k e t n k
= e tk (1 t) = (1 t)
n! k!(n k)! k! (n k)!
n=k n=k
+1
k X j+k
e t j
= (1 t) (j = n k)
k! j=0
j!
+1
k X j +1
k X
e tk j e tk 1 j
= (1 t) = ( (1 t))
k! j=0
j! k! j=0
j!
k k k
e t ( t)
= exp ( (1 t)) = exp ( t) (série exponentielle)
k! k!
donc X suit la loi de Poisson P( t):

L2 Mathématiques et Informatique 2009-2010 7 FST - Université Paul Cézanne

www.mathematiques.fr.st 6/7 abdellah bechata
MA401 : Probabilités TD5
PHEC1 Correction feuille d’exercices n 23 2005-2006

3. Les calculs sont absolument identiques (et laissé au lecteur) en remplaçant X par Y; t par 1 t (probabilité qu’un colis
ne soit pas détérioréà, on obtient au …nal
q
( (1 t))
Y ( ) = N et 8q 2 N; P (Y = q) = exp ( (1 t))
q!

4. On se dit que le nombre de colis détériorés dépend du nombre de colis non détériorés et réciproquement donc on pense
que les variables X et Y sont dépendantes .......
5. D’une part, les questions 2 et 3 nous donne
k q k
( t) ( (1 t)) k+q t (1 t)q
8k; q 2 N; P (X = k)P (X = q) = exp ( t) exp ( (1 t)) =e
k! q! k!q!

Ensuite, pour calculer la probabilité P ((X = k) \ (Y = q)); nous devons considérer le système complet d’évènements
(N = n)n2N (le nombre de colis détériorés et non détériorés dépend du nombre de colis expédiés) donc
+1
X
P ((X = k) \ (Y = q)) = P [(X = k) \ (Y = q) \ (N = n)]
n=0

Or N = X + Y donc lorsque n 6= k + q; l’évènement (X = k) \ (Y = q) \ (N = n) est clairement impossible donc

P ((X = k) \ (Y = q)) = P [(X = k) \ (Y = q) \ (N = k + q)] = P [(X = k) \ (N = k + q)]

En e¤et, la réalisation de l’évènement (X = k)\(Y = q)\(N = k+q) implique celle de l’évènement (X = k)\(N = k+q):
Réciproquement, si l’évènement (X = k) \ (N = k + q) est réalisé alors, étant donné que N = X + Y par dé…nition,
on a nécessairement Y = (k + q) k = q donc l’évènement (X = k) \ (Y = q) \ (N = k + q) est réalisé.
Pour …nir, en utilisant les questions 1 et 2, on obtient
" #
k+q
k+q k q
P ((X = k) \ (Y = q)) = P (N = k + q)P(N =k+q) (X = k) = e t (1 t)
(k + q)! k
k
k+q k 1 (k + q)! k+q t (1 t)q
= e t (1 t)q =e
(k + q)! k!q! k!q!

ce qui entraine que

8k; q 2 N; P ((X = k) \ (Y = q)) = P (X = k)P (X = q)
donc les variables X et Y sont indépendantes !!!
En fait, la connaissance du nombre de colis détériorés ne peut déterminer celui du nombre de colis non détériorés
car le nombre de colis expédiés n’est pas dé…ni donc celui du nombre non détériorés également. Réciproquement la
connaissance du nombre de colis non détériorés ne peut déterminer le nombre de colis détériorés.

L2 Mathématiques et Informatique 2009-2010 8 FST - Université Paul Cézanne

www.mathematiques.fr.st 7/7 abdellah bechata