Probabilités. Chapitre 3.

Les variables aléatoires discrètes.

On suppose dans ce chapitre que ( Ω , P) est un espace probabilisé fini ou dénombrable

(c'est à dire que les éléments de Ω sont numérotables).

1 Les variables aléatoires discrètes.

Par définition, les variables aléatoires réelles définies sur ( Ω , P) sont les applications de Ω dans R.
Elles sont discrètes (par opposition à "continues") en ce sens que, comme Ω , l'ensemble des valeurs
qu'elles prennent est au plus dénombrable.

Par exemple, si l'épreuve étudiée consiste à jeter deux fois un dé ordinaire, on peut choisir pour univers
Ω l'ensemble {1, 2, 3, 4, 5, 6}2 et pour probabilité P l'équiprobabilité. La somme, la différence, le
produit, le quotient, le plus grand, le plus petit, le premier, le deuxième, (etc...) des deux numéros
obtenus sont des variables aléatoires réelles.

Les variables aléatoires réelles sont souvent notées X et, accessoirement, s'il y en a plusieurs : Y, Z, T.
Dans la suite du chapitre, X, Y, Z, T désignent des variables aléatoires réelles définies sur Ω .

Voici comment on peut noter certains événements :

Evénement Notation
{ a ∈ Ω / X(a) = 8} (X = 8)
{ a ∈ Ω / X(a) ≤ 5 } (X ≤ 5)
{ a ∈ Ω / −3,5 < X(a) < 8 } (-3,5 < X < 8)
{ a ∈ Ω / X(a) > 7 } (X > 7)

2 La loi de probabilité.
La loi de probabilité de X est la donnée, sous forme de tableau ou par une formule, des valeurs x
possibles pour X et des probabilités P(X = x) correspondantes.
Quand la loi de probabilité de X est présentée sous forme d'un tableau, on a intérêt à donner aussi les
probabilités cumulées P(X ≤ x).
Voici, à titre d'exemple, un tel tableau pour X égale à la somme des deux numéros obtenus lors de deux
jets d'un dé ordinaire :
x 2 3 4 5 6 7 8 9 10 11 12
P(X = x) 1/36 2/36 3/36 4/36 5/36 6/36 5/36 4/36 3/36 2/36 1/36
P(X ≤ x) 1/36 3/36 6/36 10/36 15/36 21/36 26/36 30/36 33/36 35/36 1
La ligne des probabilités cumulées doit se terminer par 1.
Elle définit la fonction de répartition.

La fonction de répartition F de X est la fonction définie sur R, à valeurs dans [0,1], telle que:
F(x) = P(X ≤ x).
Dans le cas où les valeurs possibles pour X sont en nombre fini, la courbe représentative de F est
un escalier dont la première marche a pour ordonnée 0 et dont la dernière marche a pour ordonnée 1.

* Exercice : représenter F dans l'exemple ci-dessus.

___________________________
Probabilités Chapitre 3 Page 1
3 L'espérance mathématique.
On suppose que X prend les valeurs xi avec les probabilités respectives pi (i∈IN*).

L'espérance mathématique de X est le réel :

E(X) = ∑ p .x .
i i
i

L'espérance mathématique de X précise la position de X.

Pour tout réel a :

E(a) = a ; E(X + a) = E(X) + a ; E(X + Y) = E(X) + E(Y) ; E(a.X) = a.E(X).
(L’espérance d’une constante est cette constante ; l’espérance est linéaire.)
On admet provisoirement l’égalité E(X + Y)=E(X) + E(Y).

Par définition, une variable aléatoire est centrée si son espérance mathématique est nulle.
Centrer une variable aléatoire, c’est lui retirer son espérance mathématique.
si m = E(X) alors : E(X – m) = 0.

4 La variance, l'écart-type.
On suppose que X prend les valeurs xi avec les probabilités respectives pi (i∈IN*).
On désigne par m l'espérance mathématique de X.

a) La variance.
La variance de X est le réel :
V(X) = E(X – m)2.
La variance de X précise sa dispersion. Elle est d’autant plus grande que X est dispersée.
Elle est nulle si, et seulement si, X est constante.

Voici différentes écritures pour la variance de X :

V(X) = E(X – m)2 ; V(X) = ∑ p i .(x i − m) 2 ; V(X) = E(X2) – m2 ; V(X) = ∑ p i .x i − m2 .
2

i i

Retenir : espérance du carré moins carré de l’espérance.

Si a est un réel alors :
V(a) = 0 (et réciproquement, si V(X)=0 alors X est constante) ;
V(X + a) = V(X) (la variance est insensible aux translations);
V(a.X) = a2.V(X) ;
E(X – a)2 = V(X) + (m – a)2 (égalité de Koenig-Huygens).

b) L’écart-type.
L'écart-type de X est la racine carrée de la variance de X. On le note σ (X) .
σ (X) = V(X) .
Il résulte des propriétés de la variance que :
(∀(a, b)∈IR2) σ (a. X + b) = a . σ (X) .
L'écart-type de X précise lui aussi la dispersion de X. Il est d’autant plus grand que X est dispersée.
Il est nul si, et seulement si, X est constante.
Par définition, une variable aléatoire est réduite si son écart-type est égal à 1.
Réduire une variable aléatoire d’écart-type non nul, c’est la diviser par son écart-type.
Si s = σ(X) et si s ≠ 0 alors : σ(X/s) = 1.

___________________________
Probabilités Chapitre 3 Page 2
c) L'inégalité de Bienaymé-Tchébycheff.
Désignons par m l'espérance mathématique de X. Si σ(X) > 0 alors :

1
Pour a > 0 : P(|X - m| ≥ a.σ(X)) ≤ .
a2

Voici un graphique illustrant cette inégalité :

m-3s m-2s m-s m m+s m+2s m+3s

(s : écart-type)

moins de 25% à l'extérieur

donc plus de 75% à l'intérieur

moins de 11,2 % (1/9) à l'extérieur

donc plus de 88,8 % à l'intérieur
Démonstration :
σ 2 = ∑ p i ( x i − m )2 ≥ ∑ p (x i i − m)2 ≥ a 2 .σ 2 ∑p i = a 2 .σ 2 .P( X − m ≥ a.σ) .
i x i − m ≥a. σ x i − m ≥a. σ

5 Les moments.
Désignons par m l'espérance mathématique de X, si elle existe.

Le moment d’ordre n (n∈N) de X est l’espérance de Xn, c’est à dire :

∑p x . i
n
i
i
Le moment centré d’ordre n (n∈N) de X est l’espérance de (X-m)n, c’est à dire : ∑ p ( x i i − m )n .
i

Ainsi, le moment (centré ou pas) d’ordre 0 de X est 1 ; le moment d’ordre 1 de X est E(X) ;
le moment centré d’ordre 1 de X est 0 ; le moment centré d’ordre 2 de X est V(X).

Certains moments de X peuvent ne pas exister : la variable aléatoire prenant la valeur i (i∈N*) avec la
6 1 π2
probabilité pi = 2 2 ne possède que son moment d’ordre 0. ( ∑ 2 = ).
π i i i 6

6 La loi uniforme sur { a + 1, a + 2, ..., a + n } (a ∈ IR ; n ∈ IN*).

On suppose que la loi de probabilité de la variable aléatoire X est ainsi définie :
1
(∀ i ∈ {1, ..., n}) P(X = a + i) = .
n
Par définition, X est uniforme sur { a + 1, ..., a + n }.
X a pour espérance mathématique :
n+1
E(X) = a + .
2
X a pour variance :
n2 – 1
V(X) = .
12

___________________________
Probabilités Chapitre 3 Page 3
 Exercices.
1. On tire au hasard une carte dans un jeu de 32. Soit X la variable aléatoire qui associe à une carte la valeur 4 si c’est un as, 3
pour un roi, 2 pour une dame, 1 pour un valet et 0 pour le reste. Donner la loi de probabilité de X, l’espérance mathématique
de X et la variance de X.
2. On jette deux dés non truqués. Soient X le plus grand des deux chiffres, Y la somme des deux chiffres et Z la somme de X
et de Y. Déterminer les lois de probabilités, les espérances mathématiques et les variances des trois variables aléatoires X, Y
et Z.
3. Une urne contient 10 boules numérotées 0 pour l’une d’entre elles, 1 pour trois d’entre elles et 2 pour les autres. On extrait
simultanément deux boules. Déterminer la loi de probabilité de la somme X des chiffres puis E(X) et Var(X).
4. Les 6 faces d’un dé truqué sont numérotées de 1 à 6. Les faces 1, 3, 5 sont équiprobables, les faces paires sont
2
équiprobables et on sait que P(2)= P(1).
3
a) Trouver les probabilités des différentes faces.
b) On pose X=1 si le numéro est impair, X=2 si le numéro est 6 et X=0 dans les autres cas. Déterminer la loi de probabilité de
X, sa fonction de répartition, son espérance mathématique et sa variance.
5. Un jeu consiste à puiser au hasard dans un sac contenant 20 jetons blancs et 80 jetons noirs. On puise jusqu’à l’obtention
d’un jeton noir, mais en se limitant à 4 tirages au maximum et en remettant le jeton tiré dans le sac à chaque fois. A combien
de tirages peut-on s’attendre sur 100 parties.
6. On lance un dé dix fois de suite. Soit Xi le numéro obtenu au i-ième lancer et S la somme des numéros obtenus.
a) Trouver E(Xi), Var(Xi), E(S), Var(S).
b) Donner un majorant de P(|S-E(S)| ≥ 20).
7. On choisit au hasard un nombre X entre 1 (compris) et 9 (compris).
Donner la loi de probabilité de X, son espérance mathématique et sa variance.
Quelle est la probabilité que ce nombre soit compris, au sens large, entre 3 et 7 ?
Utiliser l’inégalité de Bienaymé-Tchébychev pour donner un minorant de cette probabilité.
8. On choisit au hasard, avec équiprobabilité, deux nombres parmi les cinq nombres 0, 1, 2, 3, 4.
On désigne par X la variable aléatoire égale au plus grand des deux nombres choisis.
8.1. Donner la loi de probabilité de X, son espérance mathématique et sa variance.
8.2. L’inégalité de Bienaymé-Tchébychev fournit un majorant de la probabilité P(X = 1).
Quel est ce majorant ?
9. On dispose 3 pions blancs et 1 pion noir sur un damier comportant 3 lignes et 4 colonnes.
a) Quelle est la probabilité que les 3 pions blancs soient sur une même ligne ou un même colonne ?
b) quelle est la loi de probabilité et l’espérance mathématique de X définie comme la somme des indices de ligne et de
colonne de la case occupée par le pion noir ?
10. 1) On considère une roue de loterie divisée en six secteurs égaux : un rouge, trois blancs et deux bleus.
Un joueur fait tourner cette roue et regarde quelle est la couleur obtenue. Si elle est rouge, il gagne ; si elle est blanche, il
perd ; si elle est bleue, il doit refaire tourner la roue. Si, à l’issue de cette deuxième épreuve, la couleur obtenue est rouge, le
joueur gagne ; si elle est blanche ou bleue, il perd.
Calculer les probabilités suivantes :
a) probabilité p1 de gagner dès la première épreuve ;
b) probabilité p2 de gagner à l’issue de la deuxième épreuve ;
c) probabilité p′ de gagner la partie.
2) La roue possède maintenant x secteurs égaux (x étant un nombre entier supérieur ou égal à 4) ; un secteur est rouge, trois
sont blancs et les autres sont bleus. Le principe du jeu reste le même que précédemment : si le joueur gagne à la première
épreuve, il reçoit 4 F ; s’il perd à cette première épreuve, il verse 2 F ; s’il obtient un secteur rouge à la deuxième épreuve, il
reçoit 6 F ; s’il obtient un secteur blanc, il verse 1 F et s’il obtient un secteur bleu, il ne reçoit ni ne verse rien.
On appelle X la variable aléatoire réelle égale à +A si le jour a gagné A F, à -B si le joueur a perdu B F.
a) Etablir la loi de probabilité de X en fonction de x.
b) Déterminer en fonction de x l’espérance mathématique de X.
c) Quel doit être le nombre total de secteurs de la roue pour que le jeu soit équitable, c’est à dire pour que E(X)=0 ?
d) Quel doit être le nombre total de secteurs pour que E(X) soit maximale ?
11. 9 chevaux, 4 blancs et 5 noirs, pénètrent 1 à 1 sur la piste d’un cirque. On désigne par X le nombre de chevaux blancs
précédant le premier cheval noir. Donner la loi de probabilité de X, son espérance mathématique et sa variance.

___________________________
Probabilités Chapitre 3 Page 4
12. Un sac contient n boules dont deux blanches, les autres étant noires. On épuise l’urne en tirant une à une les n boules sans
les remettre. Soit X le rang de la première boule blanche tirée. Donner la loi de probabilité de X et son espérance
mathématique.
13. On tire simultanément 2 boules d’un sac contenant 6 boules numérotées de 0 à 5. X est ainsi défini : X=0 si les numéros a
a+b
et b obtenus sont impairs ; x= s’ils sont tous deux pairs ; X=|a-b| dans tous les autres cas.
2
Trouver la loi de probabilité de X.
14. On s’intéresse à une population de six personnes.
Voici un tableau précisant l’âge (en années) et le sexe de chacune d’elles.
Sexe M F F M M F
Age 19 20 21 22 23 24
On choisit au hasard une personne dans cette population.
14.1. On considère les événements suivants :
A : la personne choisie est de sexe masculin ;
B : la personne choisie est de sexe féminin ;
C : la personne choisie est âgée d’au plus 20 ans ;
D : la personne choisie est âgée d’au moins 21 ans ;
E : la personne choisie est âgée d’au moins 22 ans.
a) Déterminer les paires d’événements (choisis parmi ces événements) incompatibles.
b) Déterminer les paires d’événements (choisis parmi ces événements) contraires.
c) Déterminer les paires d’événements (choisis parmi ces événements) indépendants.
14.2. On désigne par X la variable aléatoire égale à l’âge (en années) de la personne choisie.
a) Calculer l’espérance mathématique et la variance de X.
L’inégalité de Bienaymé-Tchébychev fournit un minorant de la probabilité de l’événement F :
« L’âge de la personne choisie est compris (au sens large) entre 20 ans et 23 ans ».
b) Donner ce minorant.
c) Quelle est la probabilité réelle de cet événement F ?
14.3. On choisit au hasard une autre personne parmi les cinq personnes restantes.
Calculer la probabilité que les deux personnes choisies soient de même sexe.
14.4. On désigne par Y la variable aléatoire égale à l’âge (en années) de la plus jeune
des deux personnes choisies.
a) Donner la loi de probabilité de Y.
b) Calculer la probabilité P (Y < X – 1).
c) Calculer la probabilité PA(Y < X) ( Probabilité que la deuxième personne choisie soit
plus jeune que la première, sachant que la première est de sexe masculin).
14.5. On choisit au hasard une troisième personne parmi les quatre personnes restantes.
Calculer la probabilité que la plus jeune et la plus âgée des trois personnes choisies
soient de même sexe.

___________________________
Probabilités Chapitre 3 Page 5
15. Lucie possède exactement 5 poules : 2 blanches et 3 rousses. Demain, elle en destinera une à la casserole. Les rousses sont
plus difficiles à capturer que les blanches : pour chaque rousse, la probabilité de passer à la casserole demain est 1/6 ; pour
chaque blanche, cette probabilité est 1/4. Pour l’heure (la nuit tombe, les poules s’endorment), Lucie vient chercher les œufs
pondus aujourd’hui. Ils sont dispersés dans la paille mais elle n’aura pas grand mal à les trouver. Aucune poule ne pond plus
d’un œuf par jour. Les rousses sont plus vaillantes que les blanches : chaque jour, pour chaque rousse, la probabilité de
pondre un œuf est 2/3. Pour chaque blanche, cette probabilité est 1/2. Les poules pondent, ou ne pondent pas,
indépendamment les unes des autres. Pour chaque poule blanche et pour chaque poule rousse, la ponte d’un œuf aujourd’hui
et le passage à la casserole demain sont indépendants.
15.1. On s’intéresse à une poule choisie au hasard parmi les 5 poules.
Donner la probabilité de chacun des événements suivants :
• B : la poule choisie est blanche ;
• R : la poule choisie est rousse ;
• F : la poule choisie a pondu un œuf aujourd’hui ;
• C1 : la poule choisie passera à la casserole demain ;
• la poule choisie a pondu un œuf aujourd’hui et passera à la casserole demain.
15.2. On désigne par N le nombre d’œufs pondus aujourd’hui par les 5 poules.
Donner l’espérance mathématique de N puis la loi de probabilité de N.
15.3. Calculer la probabilité de chacun des événements suivants :
• la poule qui passera à la casserole demain est rousse ;
• la poule qui passera à la casserole demain a pondu un œuf aujourd’hui ;
• les 5 poules ont pondu exactement 3 œufs aujourd’hui.
15.4. Lucie vient de trouver un œuf pondu aujourd’hui. Il y a peut-être d’autres œufs pondus aujourd’hui. Calculer la
probabilité, sachant que Lucie vient de trouver un œuf pondu aujourd’hui, de chacun des événements suivants :
• la poule qui a pondu cet œuf est rousse ;
• la poule qui a pondu cet œuf passera à la casserole demain ;
• les 5 poules ont pondu exactement 3 œufs aujourd’hui.
15.5. On s’intéresse à 3 poules choisies au hasard parmi les 5 poules.
Calculer la probabilité de chacun des événements suivants :
• RRR : les 3 poules choisies sont rousses ;
• FFF : les 3 poules choisies ont pondu aujourd’hui ;
• C3 : l’une des 3 poules choisies passera à la casserole demain ;
• les 3 poules choisies ont pondu aujourd’hui et l’une d’elles passera à la casserole demain.
15.6. Lucie vient de trouver deux autres œufs pondus aujourd’hui. Il y a peut-être d’autres œufs pondus aujourd’hui. Calculer
la probabilité, sachant que Lucie a trouvé trois œufs pondus aujourd’hui, de chacun des événements suivants :
• ces 3 œufs ont été pondus par les 3 poules rousses ;
• la poule qui passera à la casserole demain a pondu l’un de ces 3 œufs ;
• les 5 poules ont pondu exactement 3 œufs aujourd’hui.
______________________________________

___________________________
Probabilités Chapitre 3 Page 6
 Réponses.
1.
x 0 1 2 3 4
P(X = x) 1/2 1/8 1/8 1/8 1/8
E(X) = 5/4 = 1,25 ; Var(X) = 35/16 = 2,1875.
2.
x 1 2 3 4 5 6
P(X = x) 1/36 3/36 5/36 7/36 9/36 11/36
P(X ≤ x) 1/36 4/36 9/36 16/36 25/36 1
y 2 3 4 5 6 7 8 9 10 11 12
P(Y = y) 1/36 2/36 3/36 4/36 5/36 6/36 5/36 4/36 3/36 2/36 1/36
P(Y ≤ y) 1/36 3/36 6/36 10/36 15/36 21/36 26/36 30/36 33/36 35/36 1
z 3 4 5 6 7 8 9 10
P(Z = z) 1/36 0 2/36 1/36 2/36 2/36 3/36 2/36
P(Z ≤ z) 1/36 1/36 3/36 4/36 6/36 8/36 11/36 13/36
Z 11 12 13 14 15 16 17 18
P(Z = z) 4/36 3/36 4/36 4/36 3/36 2/36 2/36 1/36
P(Z ≤ z) 17/36 20/36 24/36 28/36 31/36 33/36 35/36 1
E(X) = 161/36 ; Var(X) = 2555/1296 ; E(Y) = 7 ; Var(Y) = 35/6 ;
E(Z) = 413/36 = E(X) + E(Y) ; Var(Z) = 17675/1296 ≠ Var(X) + Var(Y).
3.
x 1 2 3 4
P(X = x) 1/15 3/15 6/15 5/15
P(X ≤ x) 1/15 4/15 10/15 1
E(X) = 3 ; V(X) = 4/5.
4. a)
Face 1 2 3 4 5 6
Probabilité 3/15 2/15 3/15 2/15 3/15 2/15
b)
x 0 1 2
P(X = x) 4/15 9/15 2/15
P(X ≤ x) 4/15 13/15 1
x X<0 0≤x<1 1≤x<2 2<x
F(x) 0 4/15 13/15 1
E(X) = 13/15 ; V(X) = 86/225.
5. X : nombre de tirages.
x 1 2 3 4
P(X = x) 4/5 4/25 4/125 1/125
E(X) = 1,248; Sur 100 parties on peut s’attendre à 125 tirages (124,8).
6. a) E(Xi) = 3,5 ; V(Xi) = 35/12 ; E(S) = 35 ; V(S) = 175/6 ; b) P(|S – E(S)| ≥ 20) < 7/96.
7. La loi de X est uniforme sur {1, 2, ..., 9}.E(X) = 5 ; Var(X) = 20/3 ; P(3 ≤ X ≤ 7) = 5/9 ; P(|X – 5| ≤ 2) ≥ 7/27.
8.
1. E(X) = 3 ; V(X) = 1
x 1 2 3 4 2. P(X = 1) = P(|X – 3| ≥ 2) ≤ 1/4
P(X = x) 1/10 2/10 3/10 4/10
3 × C34 + 4
9. a) 3
= 4/55 b)
C12
x 2 3 4 5 6 7
P(X = x) 1/12 2/12 3/12 3/12 2/12 1/12
P(X ≤ x) 1/12 3/12 6/12 9/12 11/12 1
E(X)=4,5.

___________________________
Probabilités Chapitre 3 Page 7
10. 1) p1 = 1/6 ; p2 = 1/18 ; p′ = p1 + p2 = 2/9
2) a)
a -2 -1 0 4 6
P(X = a) 3 x−4 3 x−4 x−4 1 x−4 1
× × ×
x x x x x x x x
P(X ≤ a) 3x 6 x − 12 x2 − 2x + 4 x2 − x + 4 1
x2 x2 x2 x2
x − 12 24 − x 2 ( x − 36 ) 1
b) E(X) = 2
c) x = 12 d) E′(x) = 3
; E″(x) = 4
; x = 24 ; E(24) = .
x x x 48
C 84−−ii
11. (∀i∈{0, 1, 2, 3, 4}) P(X = i) = ; sous forme de tableau :
C 94
x 0 1 2 3 4
P(X = x) 70/126 35/126 15/126 5/126 1/126
P(X ≤ x) 70/126 105/126 120/126 125/126 1
E(X) = 2/3 ; Var(X) = 50/63
n ( n − 1)
12. L’univers Ω est l’ensemble des paires de tirages parmi n tirages. Card Ω = C 2n = .
2
L’événement (X = i) (1 ≤ i ≤ n – 1) a autant déléments qu’il y a de positions possibles pour le tirage de la 2ème boule blanche,
2( n − i )
c’est à dire n – i. Donc P(X = i) = (1 ≤ i ≤ n – 1).
n ( n − 1)
n −1 2 i ( n − i ) 2n n −1 2 n −1 2 n n ( n − 1) 2 n ( n − 1)( 2 n − 1) n + 1
E(X) = ∑ = ∑ i- ∑ i2 = - = .
i =1 n ( n − 1) n ( n − 1) i =1 n ( n − 1) i =1 n ( n − 1) 2 n ( n − 1) 6 3
13.
x 0 1 2 3 4 5
P(X=x) 3/15 6/15 1/15 4/15 0 1/15
P(X ≤ x) 3/15 9/15 10/15 14/15 14/15 1
14.
1. a) A et B ; C et D ; C et E b) A et B ; C et D c) A et C ; A et D ; B et C ; B et D
2. a) E (X) = 21,5 ; Var (X) = 35/12 b) 8/15 c) 2/3
3. 2/5
4. Voici un tableau donnant les valeurs possibles pour Y.
2 19 20 21 22 23 24
1
19 M 19 19 19 19 19
20 F 19 20 20 20 20
21 F 19 20 21 21 21
22 M 19 20 21 22 22
23 M 19 20 21 22 23
24 F 19 20 21 22 23
a)
y 19 20 21 22 23
P(Y = y) 5/15 4/15 3/15 2/15 1/15
P(Y ≤ y) 5/15 9/15 12/15 15/15 15/15
b) P (Y < X – 1) = 1/3 c) 7/15
5. 1/2

15.
15.1. 2/5 ; 3/5 ; 3/5 ; 1/5 ; P(F∩C1) = 7/60
15.2. E(N) = 3×(2/3) + 2×(1/2) = 3 n 0 1 2 3 4 5
P(N = n) 1/108 8/108 25/108 38/108 28/108 8/108
15.3. PC1(R) = 1/2 ; PC1(F) = 7/12 ; P(N = 3) = 19/54 15.4. PF(R)=2/3 ; PF(C1)=7/36 ; P(N=3 / N>0)=38/107
15.5. 1/10 ; 23/108 ; 3/5 ; P(FFF∩C3) = 17/135 15.6. PFFF(RRR)=16/115 ; PFFF(C3)=68/115 ; P(N=3 / N ≥ 3)=19/37

___________________________
Probabilités Chapitre 3 Page 8
B. Lefrançois, Bulletin APMEP n°411, Juillet 1997.

Voici, mes chers élèves, sous forme de poème,

L’énoncé d’un nouveau et passionnant problème...

Dans une urne, un beau jour, séjournaient, réunis,

Vingt jetons identiques qui se trouvaient munis
Chacun d’un numéro allant de un à vingt.
Vouloir les distinguer eut été vraiment vain !
A côté de cette urne, se tenait, sur la table,
Un magnifique dé, exactement semblable
A ceux que, d’habitude, vous tous utilisez
Lorsque vous ne cherchez qu’à vous en amuser.
C’est alors que, prêtant une main innocente,
Quelqu’un de votre classe va rompre notre attente :
Mylèn’ jette le dé, lit le nombre obtenu,
Plonge la main dans l’urne et, de son contenu,
Retire de jetons ce nombre exactement.
Alors elle décide, fort opportunément,
De ne garder en fait, pour faire son bonheur,
Que ceux des numéros dont cinq est diviseur.
Et dans sa tête alors, qui, en calculs est bonne, (Et pour plaire à son prof qui de chiffres l’assomme,)
Des jetons conservés, elle calcule la somme.
Pour celui qui possède un soupçon de pratique,
Un tel nombre se nomme aléa numérique.
De cet aléa-là, vous tous, sans hésiter,
Devez donner la loi de probabilité ;
Enfin dans votre élan, calculez l’espérance
Et si vous le pouvez, aussi la variance.

Voici donc posées, en vers de mirliton,

Des questions dont, j’espère, vous aimerez le ton...

___________________________
Probabilités Chapitre 3 Page 9
 Solution.

1 C116 C16
2
C 3 C164 5
C16 6
C16 1 16 120 560 1820 4368 8008
P(S = 0) = ( 1 + 2 + 16 3
+ 4
+ 5
+ 6
)= ( + + + + + )
6 C 20 C 20 C 20 C 20 C 20 C 20 6 20 190 1140 4845 15504 38760
54008
= .
116280
0
1 C16 C1 C16 2 3
C16 4
C16 C165
11340
P(S = 5) = ( 1 + 16 2
+ 3
+ 4
+ 5
+ 6
)= .
6 C 20 C 20 C 20 C 20 C 20 C 20 116280
11340
P(S = 10) = P(S = 5) = .
116280
P(S = 15)
(S = 15) = {15}∪{5, 10}. P(S = 15) = P({15}) + P({5, 10}).
0
11340 1 C16 C116 C162 3
C16 4
C16 2464
P({15}) = ; P({5, 10}) = ( 2 + 3 + 4 + 5 + 6 ) = .
116280 6 C 20 C 20 C 20 C 20 C 20 116280
11340 2464 13804
P(S = 15) = + = .
116280 116280 116280
P(S = 20)
13804
(S = 20) = {20}∪{5, 15}.P(S = 20) = P(S = 15) = .
116280
P(S = 25)
4928
(S = 25) = {5, 20}∪{10, 15}.P(S = 25) = P({5, 20}) + P({10, 15}) = 2P(5, 10}) = .
116280
P(S = 30)
(S = 30) = {10, 20}∪{5, 10, 15}. P(S = 30) = P({10, 20}) + P({5, 10, 15}).
2464
P({10, 20}) = .
116280
1 C0 C116 2
C16 3
C16 511
P({5, 10, 15}) = ( 16 3
+ 4
+ 5
+ 6
)= .
6 C 20 C 20 C 20 C 20 116280
2464 511 2975
P(S = 30) = + = .
116280 116280 116280
P(S = 35)
2975
(S = 35) = {15, 20}∪{5, 10, 20}. P(S = 35) = P({15, 20}) + P({5, 10, 20}) = P(S = 30) = .
116280
0
1 C16 C1 2
C16 3
C16 511
P(S = 40) = P({5, 15, 20}) = ( 3 + 16 4
+ 5
+ 6
)= .
6 C 20 C 20 C 20 C 20 116280
1 C0 C116 C162
C163
511
P(S = 45) = P({10, 15, 20}) = ( 16 3
+ 4
+ 5
+ 6
)= .
6 C 20 C 20 C 20 C 20 116280
1 C0 C116 2
C16 84
P(S = 50) = P({5, 10, 15, 20}) = ( 16 4
+ 5
+ 6
)= .
6 C 20 C 20 C 20 116280

Loi de probabilité de S.

s 0 5 10 15 20 25 30 35 40 45 50
116280*P(S=s) 54008 11340 11340 13804 13804 4928 2975 2975 511 511 84
116280*P(S ≤ s) 54008 65348 76688 90492 104296 109224 112199 115174 115685 116196 116280

35 98875
E(S) = ; Var(S) = .
4 912

___________________________
Probabilités Chapitre 3 Page 10