Livre Du Professeur - Chapitre 13 - Sommes de Variables Aléatoires

Livre du professeur - Mathématiques Tle Spécialité - Chapitre 13 : Sommes de variables aléatoires
Livre du professeur - Mathématiques

Chapitre 13 : Sommes de variables aléatoires
Table des matières

1 Informations sur ce chapitre 2
2 Avant de commencer 3
2.1 Corrigés des exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
3 Activités 5
3.1 Activité A : Étude d’un jeu de dé . . . . . . . . . . . . . . . . . . . . . . . 5
3.2 Activité B : Étude de la variance . . . . . . . . . . . . . . . . . . . . . . . 7
3.3 Activité C : Tirage avec ou sans remise . . . . . . . . . . . . . . . . . . . . 8
4 Auto-évaluation 10
5 TP/TICE 12
5.1 Corrigé du TP 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
5.2 Corrigé du TP 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
6 Travailler les automatismes 14

6.1 Exercices à l’oral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
6.2 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
7 Exercices d’entraînement partie 1 18
10 Exercices de synthèse 30
Document sous licence libre Creative Commons

2
1 Informations sur ce chapitre

Le B.O. introduit ce chapitre comme un prolongement du programme de première dans
lequel ont été étudiées les notions de variables aléatoires et de leur espérance, variance et
écart-type.
Il est également précisé que l’objectif du chapitre est de développer l’intuition, les com-
pétences de calculs et de raisonnement sur les variables aléatoires.
C’est dans cette optique que le chapitre « Sommes de variables aléatoires » a été rédigé.
Il est question d’aborder les variables aléatoires d’un point de vue concret, comme en
témoignent les activités d’introduction qui ont pour but de conjecturer, notamment, la
propriété de linéarité de l’espérance (déjà observée en seconde sur la moyenne) et l’addi-
tivité de la variance dans le cadre de variables aléatoires indépendantes.
Les exercices de ce chapitre sont très largement issus de situations de la vie courante, ce
qui permet notamment de développer les compétences de modélisation, en plus de celles
de calculs et de raisonnement.

3
2 Avant de commencer
2.1 Corrigés des exercices
Corrigé exercice 1 :
On pioche au hasard une carte du paquet de tarot. La variable aléatoire X correspond au
nombre de points qui lui est associé. X peut donc prendre comme valeurs 4, 5 ; 3, 5 ; 2, 5 ;
1, 5 et 0, 5.
1. X correspond au gain algébrique obtenu donc X peut ici prendre les valeurs 2 et
−10.
2. Le dé est équilibré, on est donc en situation d’équiprobabilité.
xi 2 −10
4 2 2 1
P (X = xi ) = =
6 3 6 3
2 1
3. On a E(X) = x1 p1 + ... + xr pr donc E(X) = 2 × + (−10) × = −2. Ainsi, au
3 3
bout d’un grand nombre de répétitions de l’expérience, la moyenne théorique des
valeurs prises par X s’élève à −2.
2
On a V (X) = p1 (x1 − E(X))
4. p √ + ... + pr (xr − E(X))2 Ainsi, V (X) = 32. Or σ(X) =
V (X) donc σ(X) = 4 2.
1. On construit l’arbre ci-dessous.
2. P (T ∩ C) = P (T ) × PT (C) = 0, 3 × 0, 8 = 0, 24.
3. D’après la formule des probabilités totales, on a P (C) = P (T ∩ C) + P (T ∩ C) =
0, 24 + 0, 7 × 0, 15 = 0, 345. Ainsi, la probabilité qu’un client du magasin achète une
coque de protection s’élève à 0, 345.

4
On répète 100 fois de manière supposée identique et indépendante l’expérience ayant deux
issues :
• le succès : « Le train est arrivé en retard » de probabilité p = 0, 23 ;
• l’échec : « Le train n’est pas arrivé en retard » de probabilité 1 − p = 0, 77.
X compte le nombre de succès donc X suit la loi binomiale de paramètres n = 100 et
p = 0, 23.
On note respectivement N et R les événements « On obtient une boule noire » et «On
obtient une boule rouge ». On construit l’arbre pondéré représentant la situation.
Soit X la variable aléatoire correspondant au gain total à l’issue de la partie.

Les calculs sur les arbres de probabilités permettent de déterminer la loi de probabilité
de X.
xi −6 1 20
4n n2 4
P (X = xi )
(n + 2)2 (n + 2)2 (n + 2)2
On veut trouver les valeurs possibles de n donnant un jeu équitable. Autrement dit, on
veut trouver n tel que E(X) = 0.
4n n2 4 n2 − 24n + 80
Or, E(X) = −6 × + 1 × + 20 × = .
(n + 2)2 (n + 2)2 (n + 2)2 (n + 2)2
Ainsi, E(X) = 0 si, et seulement si, n2 − 24n + 80 = 0. On reconnaît une équation du
second degré avec a = 1, b = −24 et c = 80. Ainsi, ∆ = b2 − 4ac = (−24)2 − 4√× 1 ×
−b − ∆
80 = 256. Comme ∆ > 0, l’équation admet deux solutions réelles : n1 = et
√ 2a
−b + ∆
n2 = . D’où n1 = 4 et n2 = 20.
2a
Les deux solutions devant être entières et positives, les deux valeurs obtenues sont bien
des solutions cherchées. Ainsi, le jeu est équitable pour n = 4 ou n = 20.

5
3 Activités
3.1 Activité A : Étude d’un jeu de dé
Questions :
Partie A : On ne joue qu’une seule fois
1. X peut prendre les valeurs −12, 6 et 15.

Le dé étant équilibré, on est dans en situation d’équiprobabilité.
On peut alors déterminer la loi de probabilité de X.
xi −12 6 15
3 1 2 1 1
P (X = xi ) = =
6 2 6 3 6
2. On a E(X) = x1 p1 + ... + xr pr = −1, 5e. Cela signifie qu’au bout d’un grand nombre
de répétitions de l’expérience, la valeur moyenne théorique prise par X s’élève à
−1, 5 e. Le jeu est donc défavorable au joueur.
Partie B : On triple les gains (et les pertes)
1. En triplant les gains et les pertes, la variable aléatoire T peut prendre les valeurs
−36, 18 et 45. On obtient donc, en raisonnant comme ci-dessus, la loi de probabilité
de T .
ti −36 18 45
3 1 2 1 1
P (T = ti ) = =
6 2 6 3 6
On calcule alors E(T ) = −4, 5.
2. On joue au même jeu dans les mêmes conditions : seuls les gains sont triplés. Tout
se passe comme si on jouait au jeu avec les règles décrites initialement et qu’on
multipliait par trois les gains et les pertes pour obtenir le second jeu. On a donc
T = 3X.
3. On a E(T ) = 3E(X). Or T = 3X donc E(3X) = 3E(X).
Partie C : On étend le jeu
1. Y peut prendre les valeurs −2 et 3. De plus, on se trouve dans une situation d’équi-
probabilité. On peut alors déterminer la loi de probabilité de Y .
yi −2 3
P (Y = yi ) 0, 5 0, 5

6
Z correspond au gain total obtenu, donc au gain de la première manche auquel

on ajoute les gains obtenus à la seconde manche. X correspondant aux gains de la
première manche et Y à ceux de la seconde manche, on a donc Z = X + Y .
2. Les pondérations de la “première colonne” ont déjà été calculées en partie 1. Celles
de la deuxième colonne se trouvent par un simple calcul de probabilités.
3. On obtient le tableau ci-dessous.
zi −14 −9 4 9 13 18
3 1 3 1 2 1 2 1 1 1
P (Z = zi ) = = = =
12 4 12 4 12 6 12 6 12 12
En effet, pour obtenir un gain total égal à 13 e, il faut obtenir 15 e à la première

étape et perdre 2 e à la seconde étape alors que pour obtenir au total 18 e, il faut
obtenir 15 e à la première étape et 3 e à la seconde.
4. On a E(Z) = z1 p1 + ... + zr pr = −1e.

Or E(X) = −1, 5e et E(Y ) = 0, 5×(−2)+0, 5×3 = 0, 5. Donc E(X)+E(Y ) = −1e.
Ainsi, on obtient que E(Z) = E(X + Y ) = E(X) + E(Y ).
Le jeu est légèrement moins désavantageux pour le joueur mais cela reste assez
proche de ce qui était obtenu avec les règles de la partie A.
Bilan :
On peut conjecturer que si X et Y sont deux variables aléatoires et a un nombre réel,
E(aX) = aE(X) et E(X + Y ) = E(X) + E(Y ).

7
3.2 Activité B : Étude de la variance

Questions :
Partie A : Étude de T
1. On est en situation d’équiprobabilité. On en déduit la loi de probabilité de T .
ti −1 2
2 3
P (T = ti ) = 0, 4 = 0, 6
5 5
On a donc E(T ) = t1 p1 + t2 p2 = 0, 8, soit une espérance de 0,80 e.
2. On a donc V (T ) = 0, 4(−1 − 0, 8)2 + 0, 6(2 − 0, 8)2 = 2, 16.
Partie B : On double les gains (et les pertes)
1. La loi de probabilité de U est donnée dans le tableau ci-dessous.
ui −2 4
2 3
P (U = ui ) = 0, 4 = 0, 6
5 5
Les lois de probabilité de T et de U sont les mêmes, à multiplication par 2 près, on

a donc U = 2T .
On a donc E(U ) = E(2T ) = 2E(T ) = 1, 6, soit une espérance de 1,60 e.
2. On a donc V (U ) = 0, 4(−2 − 1, 6)2 + 0, 6(4 − 1, 6)2 = 8, 64.

D’où V (U ) = V (2T ) = 4V (T ) = 22 V (T ).
3. On suppose maintenant que tous les gains sont triplés et on note W la variable
aléatoire correspondant au gain algébrique alors obtenu. Le loi de probabilité de W
est donnée dans le tableau ci-dessous.
wi −3 6
P (W = wi ) 0,4 0,6
On a ainsi W = 3T et E(W ) = 3E(T ) = 3 × 0, 8 = 2, 4. D’où V (W ) = 0, 4 × (−3 −

2, 4)2 + 0, 6 × (6 − 2, 4)2 = 19, 44. On remarque alors qu’on a V (W ) = 19, 44 =
9 × 2, 16. Donc V (3T ) = 9V (T ).
Bilan :
Il semble que si X est une variable aléatoire et a un nombre réel, alors V (aX) = a2 V (X).

8
3.3 Activité C : Tirage avec ou sans remise

Questions :
1. On obtient l’arbre suivant.
2. a. X peut prendre les valeurs −1 et 2. Y peut également prendre les valeurs −1

et 2. Z peut donc prendre les valeurs −2, 1 et 4.
b. On obtient les lois de probabilités suivantes (en utilisant pour Y et Z les
propriétés de calculs sur les arbres de probabilité).
xi −1 2
2 3
P (X = xi ) = 0, 4 = 0, 6
5 5
yi −1 2
2 3
P (Y = xi ) = 0, 4 = 0, 6
5 5
zi −2 1 4
P (Z = zi ) 0,1 0,6 0,3
c. On a E(X) = E(Y ) = 0, 8 et E(Z) = 1, 6.

d. On a donc V (X) = V (Y ) = 0, 4(−1 − 0, 8)2 + 0, 6(2 − 0, 8)2 = 2, 16 et V (Z) =
3, 24.
e. On a V (X + Y ) 6= V (X) + V (Y ).
3. Dans le cas d’un tirage avec remise, on obtient l’arbre de probabilité ci-dessous.

9
X peut prendre les valeurs −1 et 2. Y peut également prendre les valeurs −1 et 2. Z

peut donc prendre les valeurs −2 ; 1 et 4.On obtient les lois de probabilités suivantes
(en utilisant pour Y et Z les règles de calculs sur les arbres de probabilité).
xi −1 2
2 3
P (X = xi ) = 0, 4 = 0, 6
5 5
yi −1 2
2 3
P (Y = xi ) = 0, 4 = 0, 6
5 5
zi −2 1 4
P (Z = zi ) 0,16 0,48 0,36
On a E(X) = E(Y ) = 0, 8 et E(Z) = 1, 6. On a donc V (X) = V (Y ) = 2, 16

et V (Z) = 4, 32. On obtient donc dans ce cas V (Z) = V (X) + V (Y ) et ainsi
V (X + Y ) = V (X) + V (Y ).
Bilan :
Ainsi, si X et Y sont indépendantes, il semble que l’on a l’égalité V (X + Y ) = V (X) +
V (Y ).

10
4 Auto-évaluation
On a E(X) = −4×0, 25+2×0, 6+3×0, 15 = 0, 65 donc E(2X) = 2E(X) = 2×0, 65 = 1, 3.
Réponse : d
On a E(X) = 1, 3 d’après les calculs de l’exercice précédent, et E(Y ) = −7 × 0, 15 + 1 ×
0, 2 + 3 × 0, 35 + 5 × 0, 3 = 1, 7.
Donc E(3X − Y ) = 3E(X) − E(Y ) = 3 × 0, 65 − 1, 7 = 0, 25.
Réponse : c
V (X) = 0, 25(−4 − 0, 65)2 + 0, 6(2 − 0, 65)2 + 0, 15(3 − 0, 65)2 = 7, 3275.
De même, V (Y ) = 15, 31. Les variables aléatoires X et Y étant indépendantes, on a
doncV (X + Y ) = V (X) + V (Y ) = 22, 6375.
Réponse : a
Les variables aléatoires X et Y étant indépendantes, on a V (2X + Y ) = V (2X) + V (Y ) =
4V (X) + V (Y ) = 44, 62.
Réponse : d
X et Y suivant des lois binomiales, on a p
E(X) = np = √ 100 × 0, 25 = 25 etpE(Y ) = mq =
200
√ × 0, 4 = 80. On a également σ(X) = np(1 − p) = 18, 75 et σ(Y ) = mq(1 − q) =
48. On a donc E(X) < E(Y ) et σ(X) < σ(Y ).
Réponses : b et d
Si X et Y sont indépendantes, alors V (2X − Y ) = V (2X + (−Y )) = V (2X) + V (−Y ).
Or V (−Y ) = (−1)2 V (Y ) = V (Y ) donc V (2X − Y ) = V (2X) + V (Y ) et donc la réponse
c. est vraie. En poursuivant le calcul on obtient V (2X − Y ) = 22 V (X) + V (Y ) = 4V (X) +
V (Y ), donc la réponse d. est vraie.
Réponses : c et d
Par hypothèse, E(X2 ) = E(Xn ) donc la réponse a. est juste.
Par ailleurs, E(X1 + ... + Xn ) = E(X1 ) + ... + E(Xn ) = nE(X1 ) = nE(Xn ) car toutes les
variables aléatoires ont même loi de probabilité. Donc c. et d. sont justes également.

11
En revanche, la réponse b. est a priori fausse. Les variables aléatoires X1 et Xn ne font

que suivre la même loi de probabilité : cela signifie seulement qu’elles peuvent prendre les
mêmes valeurs et qu’elles ont la même probabilité de prendre chacune de ces valeurs. On
peut juste dire, dans ce cas, que 3 est aussi une valeur possible de Xn .
Réponses : a, c et d
Il manque une hypothèse ! En général, aucune des propositions des réponses a., b. et c.
ne convient. Ajouter l’hypothèse d’indépendance des variables, par exemple, permettrait
de justifier ces égalités.
Réponse : d
1. E(X) = −8 × 0, 35 + 2 × 0, 45 + 4 × 0, 2 = −1, 1
E(Y ) = 1 × 0, 1 + 3 × 0, 25 + a × 0, 45 + 7 × 0, 2 = 0, 45a + 2, 25
2. E(X + 2Y ) = E(X) + 2E(Y ) = −1, 1 + 2(0, 45a + 2, 25) = 0, 9a + 3, 4. On résout

alors l’équation 0, 9a + 3, 4 = 7 et on obtient a = 4.

12
5 TP/TICE
5.1 Corrigé du TP 1
Méthode 1
1. Voir le dossier TICE.
2. On entre dans la case D1 la formule = C1+1 puis on étend la formule vers la droite.
3. On entre dans la case B4 la formule = ALEA.ENTRE.BORNES(1 ;3) et on étend

la formule.
4. On entre dans la case B8 la formule = NB.SI(B4 :B6 ;1), dans la case B9 la formule
= NB.SI(B4 :B6 ;2) et, enfin, on entre la formule = NB.SI(B4 :B6 ;3) dans la case
B10. Puis on étend ces formules vers la droite.
5. On entre dans la case B12 la formule = NB.SI(B8 :B10 ;0) (on compte le nombre de
tiroir contenant zéro objet).
6. On entre dans la case B14 la formule = SOMME(B12 :CW12)/100.

On pourrait ensuite essayer d’augmenter le nombre d’essais pour et changer la der-
nière formule pour observer ce qui se passe.
Méthode 2
1. On procède trois fois, (c’est-à-dire une fois pour chaque objet), au choix des tiroirs.
On choisit aléatoirement un nombre entier parmi 0 (tiroir 1), 1 (tiroir 2) et 2 (tiroir
3). Chaque entier choisi augmente d’une unité le nombre d’objets présents dans le
tiroir associé.
2. On part de l’élément 0 de la liste (le tiroir 1) puis on regarde le contenu de chaque

tiroir. Dès qu’un tiroir ne contient pas d’objet, on augmente le compteur d’une unité.
Concrètement, on compte donc le nombre de tiroirs vides à l’issue de la distribution.
3. Cette fonction répète m fois la fonction précédente, et donc répète m fois l’expérience
aléatoire. A chaque répétition, le programme ajoute le nombre de tiroirs vides à la
variable S. A la fin, la valeur de cette variable est divisée par m, calculant ainsi le
nombre moyen de tiroirs vides.
Les résultats obtenus sont proches de 0,88. Cela signifie qu’en moyenne sur 100 (ou
10 000) essais, le nombre moyen de tiroirs restés vides s’élève à environ 0,88.

13
5.2 Corrigé du TP 2
Questions préliminaires
1. On peut obtenir la somme 9 avec les tirages suivants : 1 + 3 + 5 ; 1 + 4 + 4 ; 1 +
2 + 6 ; 2 + 2 + 5 et 4 + 3 + 2.
2. Les six possibilités d’obtenir 10 avec trois dés sont : 1 + 3 + 6 ; 6 + 2 + 2 ; 5 + 4
+ 1 ; 5 + 3 + 2 ; 4 + 4 + 2 et 4 + 3 + 3.
Méthode 1
1. Voir le dossier TICE.
2. On doit écrire dans la case C1 la formule = B1 + 1.
3. On écrit dans la case B3 la formule = ALEA.ENTRE.BORNES(1 ;6). On étend
ensuite cette formule à la ligne 4 et à la ligne 5 jusqu’à la colonne GS.
4. On entre dans la cellule B7 la formule = SOMME(B3 :B5) puis on étend la formule.
5. Enfin, on entre dans la case B9 la formule = NB.SI(B7 :GS7 ;9) et dans la case B10
la formule = NB.SI(B7 :GS7 ;10).
6. Il faut suffisamment de lancers pour obtenir une différence saisissante, d’où l’intérêt
d’une mise en commun des résultats.
Méthode 2
1. Le programme simule le lancer de trois dés équilibrés et retourne la somme obtenue.
2. On lance n fois le dé : si la somme vaut 9, la variable de comptage associée augmente
d’une unité et si la somme vaut 10, la variable de comptage associée augmente d’une
unité.
3. L’hypothèse semble être vérifiée. : la somme 10 apparaît plus souvent que la somme
9.
Pour aller plus loin

1. On a X = X1 + X2 + X3 .
2. On a ainsi E(X) = E(X1 ) + E(X2 ) + E(X3 ). Toutes ces variables ont même loi de
probabilité. Étudions donc, par exemple, la loi de probabilité de X1 .
xi 1 2 3 4 5 6
1 1 1 1 1 1
P (X1 = xi )
6 6 6 6 6 6
On obtient ainsi E(X1 ) = 3, 5 et donc E(X) = 10, 5.

De même, les variables étant indépendantes, le calcul de variance donne V (X) =
35 √
3V (X1 ) = 3 × = 8, 75 et on a ainsi, σ(X) = 8, 75.
12

14
6 Travailler les automatismes

6.1 Exercices à l’oral
On a Y = 2X.
On a E(X) = −4 × 0, 2 − 1 × 0, 3 + 2 × 0, 4 + 8 × 0, 1 = 0, 5 et E(Y ) = 1, 3.
Ainsi, E(Z) = E(X + Y ) = E(X) + E(Y ) = 0, 5 + 1, 3 = 1, 8.
V (X) = 0, 2(−4 − 0, 5)2 + 0, 3(−1 − 0, 5)2 + 0, 4(2 − 0, 5)2 + 0, 1(8 − 0, 5)2 = 11, 25
et V (Y ) = 7, 81. Les variables aléatoires X et Y étant indépendantes, on a V (Z) =
V (X + Y ) = Vp(X) + V (Y√) = 11, 25 + 7, 81 = 19, 06.
Ainsi, σ(Z) = V (Z) = 19, 06 ≈ 4, 365 78.
X suit une np(1 − p) et
p loi binomiale de paramètres n et p donc E(X) = np, V (X) = √
σ(X) = np(1 − p). Ainsi, E(X) = 100 × 0, 3 = 30, V (X) = 21 et σ(X) = 21 ≈ 4, 6.
Les variables aléatoires X1 , . . . , X4 ont la même loi donc E(X) = E(X1 + ... + X4 ) =
E(X1 ) + E(X2 ) + E(X3 ) + E(X4 ) = 4E(X1 ).
Or, E(X1 ) = −4 × 0, 25 + 1 × 0, 15 + 5 × 0, 2 + 10 × 0, 4 = 4, 15.
Donc E(X) = 4 × 4, 15 = 16, 6.
Par ailleurs, X1 , . . . , X4 sont des variables aléatoires indépendantes et de même
p loi donc
V (X) = 4V (X1 ). Or V (X1 ) = 31, 9275 d’où V (X) = 127, 71 et donc σ(X) = V (X) =
√
127, 71 ≈ 11, 30.
D’après les résultats de l’exercice précédent, on a :
E(Y ) = E(X 1 ) = 4, 15,
X1 + X 2 + X3 + X 4 4V (X1 ) 31, 9275
V (Y ) = V = 2
= = 7, 981875
√ 4 4 4
et σ(Y ) = 7, 981875 ≈ 2, 825.
6.2 Exercices
1. Par exemple, X1 correspond au gain remporté à la roulette, X2 à celui remporté en
jouant la première fois aux machines à sous et X3 au gain remporté en y jouant une
seconde fois.

15
2. Yvann a tort : le gain remporté la première aux machines à sous n’est pas nécessai-
rement le même que celui remporté à la seconde tentative.
En prenant X1 comme prix de la boisson chaude choisie par Ridwan et X2 comme celui
des boissons froides identiques choisies par Justine et Victor, le prix total payé par Victor
s’élève donc bien à X = X1 + 2X2 .
On a E(X) = −7 × 0, 04 − 4 × 0, 27 + 2 × 0, 36 + 5 × 0, 33 = 1, 01 et E(Y ) = 0, 48.
Donc E(3X) = 3E(X) = 3, 03 et E(X + Y ) = E(X) + E(Y ) = 1, 49.
D’après les résultats de l’exercice précédent, E(X − Y ) = E(X) − E(Y ) = 0, 53 et
E(3X − Y ) = E(3X) − E(Y ) = 2, 55.
On a E(X) = −0, 9 + 0, 37a et E(Y ) = 4, 23.
Ainsi, E(2X + 5Y ) = 2E(X) + 5E(Y ) = 19, 35 + 0, 74a.
47
Or E(2X + 5Y ) = 20, 29 donc 19, 35 + 0, 74a = 20, 29 et donc a = .
37
On a V (X) = 14, 9499 et V (Y ) = 8, 6896.
Donc V (5X) = 25V (X) = 373, 7475 et, comme X√et Y sont indépendantes, V (X + Y ) =
√(X) + V (Y ) = 23, 6395. On a donc σ(5X) = 373, 7475 ≈ 19, 3323 et σ(X + Y ) =
V
23, 6395 ≈ 4, 8620.
X et Y étant supposées indépendantes, on a V (3X + 2Y ) = 9V (X) + 4V (Y ) = 169, 3075.
2
Par ailleurs, V (3X − 2Y ) = 9V (X) + (−2)
√ V (Y ) = 169, 3075.
On a donc σ(3X + 2Y ) = σ(3X − 2Y ) = 169, 3075 ≈ 13, 012.
X suit une loi binomiale donc E(X) = np = 150×0, 6 = 90. De même, E(Y ) = mq = 120.
On a E(Y ) > E(X) donc Y est la variable aléatoire qui a la moyenne théorique la plus
forte.
La dispersion des valeurs autour de la moyenne s’étudie
p à l’aide de l’écart-type.
√
X
p et Y suivant√des lois binomiales, on a σ(X) = np(1 − p) = 36 = 6 et σ(Y ) =
mq(1 − q) = 84. On a σ(X) < σ(Y ) donc X est la variable aléatoire pour laquelle la
dispersion des valeurs autour de la moyenne est la plus faible.

16
X suit une loi binomiale de paramètres n et p donc E(X) = np = 60 et V (X) =
np(1 − p) = 48. D’où 60(1 − p) = 48. Par conséquent, p = 0, 2 et n = 300.
X suit une loi binomiale de paramètres n = 15 et p = 0, 7 donc E(X) = np = 15 × 0, 7 =
10, 5. √
Par ailleurs, on a V (X) = np(1 − p) = 3, 15 et ainsi σ(X) = 3, 15.
1. On a E(X7 ) = −5 × 0, 4 + 0 × 0, 3 + 1 × 0, 2 + 3 × 0, 1 = −1, 5. Les variables X1 ;
. . . ; X10 étant identiquement distribuées, on a E(S10 ) = 10 × E(X7 ) = −15.
2. Les variables X1 ; . . . ; X10 étant indépendantes, on a V (S10 ) = 10 × V (X7 ).

Or V (X7 ) = 8, 175 donc V (S10 ) = 81, 75 et donc σ(S10 ) = 2, 86.
10V (X7 )
1. On a E(M10 ) = E(X7 ) = −1, 5 et V (M10 ) = = 0, 8175.
102
√
2. Ainsi, σ(M10 ) = 1, 785.
Pour tout k ∈ {1; ...; n}, on a E(Xk ) = 4 × 0, 25 + 10 × 0, 5 + 12 × 0, 25 = 9.
Ainsi, pour tout n ∈ N∗ , E(Sn ) = 9n.
De fait, E(Sn ) > 2 453 si, et seulement si, 9n > 2 453 si, et seulement si, n > 273.
Donc la valeur minimale cherchée est n = 273.
√ X1 ; . . . ; Xn étant de plus indépendantes,

Les variables aléatoires on a, pour tout k ∈
{1; ...; n}, σ(Sn ) = n × σ(Xk ). Or V (Xk ) = 0,√25 × (4 − 9) + 0, 5 × (10 − 9)2 + 0, 25 ×
2
2
(12 − 9) = 9 donc σ(Xk ) = 3. Ainsi, √ σ(Sn ) = 3 n. √
Donc σ(Sn ) 6 60 si, et seulement si, 3 n 6 60 c’est-à-dire n 6 20 et donc n 6 400, par
croissance de la fonction racine carrée sur son ensemble de définition. La valeur maximale
de n cherchée vaut donc 400.
On peut reprendre, par exemple, la situation de l’exercice 21 en ne jouant qu’une seule
fois aux machines à sous.

17
On peut, par exemple, imaginer la situation suivante. On joue à un jeu consistant à piocher
un jeton de couleur dans un sac, puis à lancer un dé cubique équilibré. Il faut penser à
donner des valeurs aux gains obtenus, et à faire en sorte que le choix du jeton n’influe pas
sur le gain obtenu avec le lancer de dé.

18
7 Exercices d’entraînement partie 1

X1 peut correspondre au prix initial de la gourmette et X2 au prix de la gravure.
1. Z peut prendre les valeurs −4 − 2, −4 + 5, 1 − 2, 1 + 5, 20 − 2 et 20 + 5 c’est-à-dire
−6, 1, −1, 6, 18 et 25.
2. Il n’est pas possible, sous ces conditions, de déterminer la loi de probabilité de Z.

Il faudrait des informations supplémentaires, par exemple l’indépendance des va-
riables aléatoires X et Y .
C’est faux. Par exemple si on obtient un 1 avec le premier dé, un 6 avec le deuxième dé
et un 6 avec le troisième dé, on a X1 = 1 et X = 1 + 6 + 6 = 13 6= 3 × 1.
1. On peut écrire X = X1 + X2 où X1 correspond au prix initialement payé selon l’âge
et X2 au prix payé pour un supplément.
2. X1 prend les valeurs 15, 10 et 30. X2 prend les valeurs 5, 15 et 17. X prend donc
les valeurs 20, 30, 32, 15, 25, 27, 35, 45 et 47.
1. X1 correspond au gain obtenu grâce au premier lancer donc X1 ((3; 4)) = 3 × 3 = 9.
X2 correspond au gain obtenu grâce au second lancer donc X2 ((1; 6)) = 3 × 6 = 18.
Enfin X1 ((4; 2)) = 3 × 4 = 12.
2. a. X correspond au gain total obtenu à l’issue des deux lancers.

b. X((3; 5)) = 3 × 3 + 3 × 5 = 24.
1. On a X2 ((V ; R; N )) = −10, X1 ((N ; V ; V )) = 5 et X3 ((R; N ; R)) = −10.
X1 + X2 + X3
2. a. On a X = .
3
X1 ((N ; V ; V )) + X2 ((N ; V ; V )) + X3 ((N ; V ; V ))
b. On a donc X((N ; V ; V )) =
3
5+2+2
= = 3.
3

19

1. E(X + 3Y ) = E(X) + 3E(Y ).
Or, E(X) = 1 × 0, 12 + 2 × 0, 54 + 3 × 0, 34 = 2, 22 et E(Y ) = 5 × 0, 2 + 10 × 0, 4 +
15 × 0, 4 = 11. Donc E(X + 3Y ) = 2, 22 + 3 × 11 = 35, 22.
2. On a V (X) = 0, 12 × (1 − 2, 22)2 + 0, 54 × (2 − 2, 22)2 + 0, 34 × (3 − 2, 22)2 = 0, 411 6

et V (Y ) = 14. Les variables aléatoires X et Y étant indépendantes, on obtient
V (X + 3Y ) = V (X) + 9V (Y ) = 126, 411 6.
p √
D’où σ(X + 3Y ) = V (X + 3Y ) = 126, 411 6 ≈ 11, 24.
E(X − Y ) = E(X + (−1) × Y ) = E(X) + (−1)E(Y ) = E(X) − E(Y ) donc l’affirmation
est vraie.
En règle générale, cette affirmation est fausse. Dans le cas où X et Y sont indépendantes,
on a V (X − Y ) = V (X + (−1) × Y ) = V (X) + (−1)2 V (Y ) = V (X) + V (Y ), donc cette
affirmation est fausse même dans ce cas.
On doit avoir E(X + Y ) = E(X) + E(Y ) et E(2X − 3Y ) = 2E(X) − 3E(Y ).
On obtient les résultats ci-dessous.
E (X) E (Y ) E (X + Y ) E (2X − 3Y )
0,35 0,2 0,55 0,1
0,12 -0,47 -0,35 1,65
-0,22 0,45 0,23 -1,79
On sait que E(Z) = E(X + 3Y ) et donc, d’après la linéarité de l’espérance, que E(Z) =
E(X) + 3E(Y ).
Or E(X) = −5 × 0, 4 + 2 × 0, 05 + 4 × 0, 25 + 12 × 0, 3 = 2, 7 et E(Y ) = 4, 1 donc
E(Z) = 2, 7 + 3 × 4, 1 = 15.
6
Or E(Z) = 12×0, 75+0, 25×a = 9+0, 25a. Ainsi, on a 9+0, 25a = 15 d’où a = = 24.
0, 25
En conclusion, l’ensemble des valeurs prises par Z est {12; 24}.

20
1. Commençons par déterminer la loi de probabilité de X1 . X1 correspond au prix de
la place en euros. X1 peut donc prendre trois valeurs : 12 ; 7 et 5. On choisit un
client en hasard. La répartition des ventes de places permet de déterminer la loi de
probabilité suivante.
xi 5 7 12
P (X1 = xi ) 0, 22 0, 3 0, 48
Déterminons maintenant la loi de X2 . X2 correspond au prix de l’éventuel supplé-

ment en euros. X2 peut donc prendre quatre valeurs : 0 ; 4 ; 5 et 7. On choisit un
client en hasard. La répartition des ventes de confiseries permet de déterminer la loi
de probabilité suivante.
xi 0 4 5 7
P (X2 = xi ) 0, 5 0, 12 0, 23 0, 15
2. a. X correspond au prix total payé par un client, c’est-à-dire à la somme du prix

de la place et du prix de l’éventuelle confiserie donc X = X1 + X2 .
b. On a alors E(X) = E(X1 + X2 ) = E(X1 ) + E(X2 ).
Or E(X1 ) = 5 × 0, 22 + 7 × 0, 3 + 12 × 0, 48 = 8, 96 et E(X2 ) = 2, 68 donc
E(X) = 8, 96 + 2, 68 = 11, 64. Sur l’ensemble des clients du cinéma, le prix
moyen payé s’élève à 11,64 e.
1. On a E(aX + Y ) = E(aX) + E(Y ) donc E(aX + Y ) = aE(X) + E(Y ).
2. La variables aléatoire b est une variable aléatoire constante : elle prend une seule
valeur, b, avec une probabilité égale à 1. D’où E(b) = b × 1 = b. Ainsi, en utilisant
la formule de la question précédente, E(aX + b) = aE(X) + b.
1. X ne peut prendre que quatre valeurs : 70, 90, 120 et 160. D’après les données de
l’énoncé, la loi de probabilité de X est la suivante.
xi 70 90 120 160
P (X = xi ) 0, 12 0, 47 0, 40 0, 01
Y ne peut prendre que trois valeurs : 100, 150 et 200. D’après les données de l’énoncé,
la loi de probabilité de Y est la suivante.

21
yi 100 150 200

P (Y = yi ) 0, 45 0, 40 0, 15
2. a. Z1 correspond au prix total payé après le changement de deux pneus et des

plaquettes de frein donc Z1 = X + Y .
b. On a, d’une part, E(X) = 70×0, 12+90×0, 47+120×0, 40+160×0, 01 = 100, 3
et, d’autre part, E(Y ) = 100 × 0, 45 + 150 × 0, 40 + 200 × 0, 15 = 135 d’où
E(Z1 ) = E(X) + E(Y ) = 235, 3. En moyenne, le changement des plaquettes
de frein et de deux pneus s’élève donc à 235,30 e.
3. Dans ce cas, on a Z2 = X +2Y donc E(Z2 ) = E(X)+2E(Y ) et donc E(Z2 ) = 370, 3.
En moyenne, le changement des plaquettes de frein et des quatre pneus s’élève donc
à 370,30 e.
Comme X et Y sont indépendantes, on a V (X + Y ) = V (X) + V (Y ) et V (X − 3Y ) =
V (X) + V (−3Y ) = V (X) + 9V (Y ).
V (X) V (Y ) V (X + Y ) V (X − 3Y )
1,4 1,6 3 15,8
122 206
2,8 39,4
30 30
6,1 5,3 11,4 53,8
1. Pour tout k ∈ {1; 2; 3}, Xk vaut 1 si l’automobiliste s’est arrêté au feu k et 0 sinon.
Ainsi, Xk est une variable de comptage selon que l’automobiliste choisi se soit arrêté
ou non au ke feu. Par définition, X = X1 + X2 + X3 donc X compte bien le nombre
de feux auxquels s’est arrêté l’automobiliste.
2. On commence par déterminer la loi de probabilité de chacune des variables aléa-
toires.
xi 0 1
P (X1 = xi ) 0, 2 0, 8
xi 0 1
P (X2 = xi ) 0, 7 0, 3
xi 0 1
P (X3 = xi ) 0, 35 0, 65
On a E(X) = E(X1 ) + E(X2 ) + E(X3 ) = 0, 8 + 0, 3 + 0, 65 = 1, 75. En moyenne,

un automobiliste s’arrête donc à 1, 75 feux.

22
1. Au total, un client paie la monture et deux verres identiques. Ainsi, le prix payé
correspond à celui de la monture, qu’on associe à la variable aléatoire X, auquel
s’ajoute le prix des deux verres, chaque verre associé à la variable aléatoire Y . On
a donc Z = X + 2Y .
2. On commence par donner les lois de probabilité de X et de Y .
xi 100 200 300

P (X = xi ) 0, 26 0, 56 0, 18
yi 20 60 110 220 375

P (Y = yi ) 0, 07 0, 48 0, 22 0, 2 0, 03
Ainsi, E(X) = 100 × 0, 26 + 200 × 0, 56 + 300 × 0, 18 = 192 et E(Y ) = 20 × 0, 07 +

60 × 0, 48 + 110 × 0, 22 + 220 × 0, 2 + 375 × 0, 03 = 109, 65.
On a donc E(Z) = E(X) + 2E(Y ) = 192 + 2 × 109, 65 = 411, 3.
En moyenne, un client paie 411,30 e une paire de lunettes chez cet opticien.
3. X et Y sont indépendantes donc V (Z) = V (X) + V (2Y ) = V (X) + 4V (Y ).

On a V (X) = 0, 26 × (100 − 192)2 + 0, 56 × (200 − 192)2 + 0, 18 × (300 − 192)2 d’où
V (X) = 4 336.
Et V (Y ) = 0, 07 × (20 − 109, 65)2 + . . . + 0, 03 × (375 − 109, 65)2 = 6 p
293, 627 5.
Ainsi, V (Z) = 4 336 + 4 × 6 293, 6275 = 29 510, 51. On a donc σ(Z) = V (Z) =
√
29 510, 51 ≈ 171, 7862.
1. On peut écrire Z = X + Y où X est la variable aléatoire correspondant au prix du
CD et Y la variable aléatoire correspondant au prix du vinyle.
2. On commence par déterminer la loi de probabilité de chacune des variables aléa-

toires.
xi 5 10 15 20
P (X = xi ) 0, 07 0, 12 0, 64 0, 17
yi 10 20 30
P (Y = yi ) 0, 33 0, 45 0, 22

23
On a E(X) = 5 × 0, 07 + 10 × 0, 12 + 15 × 0, 64 + 20 × 0, 17 = 14, 55 et E(Y ) =

10 × 0, 33 + 20 × 0, 45 + 30 × 0, 22 = 18, 9.
Ainsi, E(Z) = E(X) + E(Y ) = 14, 55 + 18, 9 = 33, 45.
Sur un grand nombre de client, la dépense moyenne est 33,45 e.
3. Le choix du CD n’a aucune influence sur le choix du vinyle, les variables aléatoires
X et Y sont donc indépendantes. On a donc V (Z) = V (X) + V (Y ).
Or V (X) = 0, 07(5 − 14, 55)2 + . . . 0, 17 × (20 − 14, 55)2 = 14, 0475 et V (Y ) =
0, 33×(10−18, 9)2 +. .√
.+0, 22(30−18, 9)2 = 53, 79, donc V (Z) = 14, 0475+53, 76 =
67, 8375 d’où σ(Z) = 67, 8375 ≈ 8, 236.
1. a. Soient X1 , . . . , Xn , n variables aléatoires définies sur un univers Ω. On note Pn
la propriété : « E(X1 + . . . + Xn ) = E(X1 ) + . . . + E(Xn ) ».
Initialisation : Pour n = 1, E(X1 ) = E(X1 ).
Pour n = 2, E(X1 + X2 ) = E(X1 ) + E(X2 ) d’après le cours.
Donc P1 et P2 sont vraies.
Hérédité : Soit k un entier naturel non nul tel que Pk soit vraie. On veut
montrer que Pk+1 est vraie.
E(X1 + . . . + Xk + Xk+1 ) = E((X1 + . . . + Xk ) + (Xk+1 )) donc E(X1 + . . . + Xk +
Xk+1 ) = E(X1 + . . . + Xk ) + E(Xk+1 ) d’après le cours. Et donc, par hypothèse
de récurrence, E(X1 +. . . Xk +Xk+1 ) = E(X1 )+E(X2 )+. . .+E(Xk )+E(Xk+1 ).
Donc la propriété est vraie au rang k + 1.
Conclusion : Ainsi, par récurrence, on en déduit que, pour tout entier naturel
non nul n, Pn est vraie.
b. D’après le résultat de la question précédente, on a E(a1 X1 + . . . + an Xn ) =
E(a1 X1 )+. . .+E(an Xn ). Pour toute variable aléatoire X définie sur un univers
Ω et pour tout réel a, on a E(aX) = aE(X), donc E(a1 X1 + . . . + an Xn ) =
a1 E(X1 ) + . . . + an E(Xn ).
2. a. Soient X1 , . . . , Xn , n variables aléatoires indépendantes définies sur un univers

Ω. On note Pn la propriété : « V (X1 + . . . + Xn ) = V (X1 ) + . . . + V (Xn ) ».
Initialisation : Pour n = 1, V (X1 ) = V (X1 ).
Pour n = 2, V (X1 + X2 ) = V (X1 ) + V (X2 ) car X1 et X2 sont indépendantes.
Donc P1 et P2 sont vraies.
Hérédité : Soit k un entier naturel non nul tel que Pk soit vraie. On veut
montrer que Pk+1 est vraie.
V (X1 +. . .+Xk +Xk+1 ) = V ((X1 +. . .+Xk )+(Xk+1 )) donc, puisque les variables
Xi sont indépendantes, V (X1 +. . .+Xk +Xk+1 ) = V (X1 +. . .+Xk )+V (Xk+1 ).
D’où, par hypothèse de récurrence, V (X1 + . . . Xk + Xk+1 ) = V (X1 ) + V (X2 ) +
. . . + V (Xk ) + V (Xk+1 ).
Donc la propriété est vraie au rang k + 1.
Conclusion : Ainsi, par récurrence, on en déduit que, pour tout entier naturel
non nul n, Pn est vraie.

24
b. D’après le résultat de la question précédente, on a V (a1 X1 + . . . + an Xn ) =

V (a1 X1 )+. . .+V (an Xn ). On en déduit que V (a1 X1 +. . .+an Xn ) = a21 V (X1 )+
. . . + a2n V (Xn ) en utilisant que, pour toute variable aléatoire X définie sur un
univers Ω et pour tout réel a, V (aX) = a2 V (X).

25

E(Z) = 2E(X) + 3E(Y ). Or X suit une loi binomiale de paramètres n = 20 et p = 0, 2
donc E(X) = np = 20 × 0, 2 = 4. De même, E(Y ) = 100 × 0, 5 = 50.
Ainsi, E(Z) = 2 × 4 + 3 × 50 = 158.
Par ailleurs, X et Y sont indépendantes, donc V (Z) = 4V (X) + 9V (Y ).
X suivant une loi binomiale de paramètres n = 20 et p = 0, 2, on a V (X) = np(1 − p) =
20 × 0, 2 × 0, 8 = 3, 2. De même, V (Y ) = 100 × 0, 5 × 0, 5 = 25.
On a donc V (Z) p = 4 × 3, √2 + 9 × 25 = 237, 8.
Enfin, σ(Z) = V (Z) = 237, 8 ≈ 15, 421.
E(Sn ) = n × E(X1 ) = 423.
Or E(X1 ) = −2 × 0, 35 + 1 × 0, 225 + 8 × 0, 125 + 10 × 0, 3 = 3, 525.
E(Sn ) 423
D’où n = = = 120.
E(X1 ) 3, 525
σ(X1 )
On a σ(Mn ) = √ . Or E(X1 ) = 5 × 0, 2 + 10 × 0, 4 + 15 × 0, 4 = 11 donc V (X1 ) =
n √
2
0, 2 × (5 − 11) √+ 0, 4 × (10 − 11)2 + 0, 4 × (15 − 11)2 = 14 d’où σ(X1 ) = 14. Ainsi
√ 14
σ(Mn ) = 2 = √ et on en déduit que n = 7.
n
1. X suit une loi binomiale donc E(X) = np =p 11 × 0, 35 =
√3, 85, V (X) = np(1 − p) =
11 × 0, 35 × 0, 65 = 2, 5025 et ainsi σ(X) = V (X) = 2, 5025 ≈ 1, 582.
2. Seule une victoire rapporte des points (trois points pour être précis), on a donc
Y = 3X. D’où E(Y ) = 3 × 3, 85 = 11, 55, V (Y ) = 9 × 2, 5025 = 22, 5225 et
σ(Y ) ≈ 3 × 1, 582 ≈ 4, 746.
1. On répète 12 fois de manière identique et indépendante une expérience à deux issues :
• le succès : « L’élève choisi a obtenu une mention », de probabilité p = 0, 75 ;

• l’échec : « l’élève choisi n’a pas obtenu de mention », de probabilité 1−p = 0, 25.
X compte le nombre de succès, donc X suit une loi binomiale de paramètres n = 12

et p = 0, 75. De même, Y suit une loi binomiale de paramètres n = 20 et p = 0, 55.
2. a. Z = X + Y .

26
b. On a E(Z) = E(X) + E(Y ). Or, X suit une loi binomiale donc E(X) = np =
12 × 0, 75 = 9. De même, E(Y ) = 20 × 0, 55 = 11. D’où E(Z) = 9 + 11 = 20.
En interrogeant des élèves de ces deux lycées, dans ces conditions, on devrait
donc obtenir, en moyenne, 20 élèves ayant obtenu leur bac avec mention.
c. Les variables aléatoires X et Y sont indépendantes donc V (Z) = V (X)+V (Y ).
Or, X suit une loi binomiale donc V (X) = np(1−p) = 12×0, 75×0, 25 = 2, 25.
De même, V (Y p) = 20×,√ 0, 55 × 0, 45 = 4, 95. Ainsi, V (Z) = 2, 25 + 4, 95 = 7, 2
d’où σ(Z) = V (Z) = 7, 2 ≈ 2, 683.
1. S20 correspond au prix total des 20 timbres des 20 enveloppes prélevées.
2. E(S20 ) = 20 × E(X1 ). Or, la loi de probabilité de X1 est la suivante.
xi 0,95 0,97 1,16 1,40

P (X1 = xi ) 0,12 0,56 0,20 0,12
Ainsi, E(X1 ) = 0, 95 × 0, 12 + 0, 97 × 0, 56 + 1, 16 × 0, 2 + 1, 40 × 0, 12 = 1, 0572.

Donc E(S20 ) = 20 × 1, 0572 = 21, 144. En moyenne, le prix des 20 timbres s’élève
donc à 21,144 euros.
3. D’après l’énoncé on peut assimiler l’expérience a un tirage avec remise, les variables
aléatoires Xk sont donc identiquement distribuées.√ On est donc dans le cadre d’un
échantillon de variables aléatoires. D’où σ(Sn ) = n × σ(X1 ).
95 − 1, 0572)2 + . .√. + 0, 12 × (1, 40 − 1, 0572)2 = 0, 021 852 16.
√ × (0,√
Or, V (X1 ) = 0, 12
Ainsi, σ(S20 ) = 20 × 0, 021 852 16 = 0, 437 043 2.
1. La variable aléatoire S7 désigne le nombre de points que rapporte le tirage si jamais
on arrive à former un mot avec les sept jetons tirés.
2. Puisqu’on assimile cette expérience à un tirage avec remise, alors les variables aléa-
toires X1 , . . . , X7 sont identiquement distribuées. On est donc dans le cadre d’un
échantillon de variables aléatoires. Ainsi, E(S7 ) = 7 × E(X1 ).
La loi de probabilité de X1 est décrite dans le tableau ci-dessous.
xi 0 1 2 3 4 8 10
2 73 8 6 6 2 5
P (X1 = xi )
102 102 102 102 102 102 102
2 5 197
On a ainsi E(X1 ) = 0 × + . . . + 10 × = .
102 102 102
2 5 1379
Donc E(S7 ) = 7 × E(X1 ) = 7 0 × + . . . + 10 × = ≈ 13, 5.
102 102 102
Ainsi, en choisissant sept lettres au hasard dans le lot des 102 lettres, en moyenne,
la somme de leurs points vaut environ 13,5.

27
197
3. E(M7 ) = E(X1 ) ≈ ≈ 2. Cela signifie que lorsqu’on choisit 7 lettres au hasard,
102
en moyenne, la moyenne des points des sept lettres vaut environ 2.
1. La variable aléatoire S2 correspond à la somme des points obtenus après avoir pioché
(avec remise) les deux cartes.
2. On remet la carte tirée dans le paquet : on est dans le cadre d’un tirage avec remise,
et donc d’un échantillon de variables aléatoires. Ainsi, E(S2 ) = 2E(X1 ).
La loi de probabilité de X1 est la suivante.
xi 0, 5 1, 5 2, 5 3, 5 4, 5
59 4 4 4 7
P (X1 = xi )
78 78 78 78 78
59 7 7 7
On a ainsi E(X1 ) = 0, 5 × + . . . + 4, 5 × = soit E(S2 ) = ≈ 2, 33. En
78 78 6 3
moyenne, la somme des points des deux cartes tirées vaut donc environ 2,33.
3. On remet la première carte tirée dans le paquet. Ainsi, le nombre de points que vaut
la première carte n’a aucune influence sur la seconde : les variables aléatoires X1 et
X2 sont donc indépendantes. Ainsi, V (S2 ) = 2V (X1 ).
200 400 p
Or, V (X1 ) = donc V (S2 ) = et on en déduit que σ(S2 ) = V (S2 ) ≈ 1, 85.
117 117
1. En numérotant les clients de 1 à 20, on peut écrire X = X1 + X2 + . . . + X20 où,
pour tout k ∈ {1; . . . ; 20}, Xk correspond au prix payé par le k-ième client.
2. On peut assimiler cette expérience à un tirage avec remise, donc on est dans le cadre
d’un échantillon de variables aléatoires. Ainsi, E(X) = 20 × E(X1 ).
La loi de probabilité de X1 est la suivante.
xi 45 65 80 100
P (X1 = xi ) 0,24 0,32 0,34 0,1
On a donc E(X1 ) = 0, 24 × 45 + . . . + 0, 1 × 100 = 68, 8. Ainsi, E(X) = 20 × 68, 8 =

1 376. Cela signifie qu’en moyenne, en choisissant 20 clients au hasard, le montant
total s’élève à 1376 euros.
3. Puisque les variables aléatoires sont indépendantes (l’expérience étant assimilée à

un tirage avec remise), on a V (X) = 20V (X1 ).
p
Or
√ V (X 1 ) = 280, 56, d’où V (X) = 5611, 2. Et on obtient alors σ(X) = V (X) =
5611, 2 ≈ 74, 9079.

28
1. On a S100 = X1 + X2 + . . . + X100 .
2. On veut le montant moyen total moyen payé par les 100 contrevenants, c’est-à-dire
qu’on cherche à calculer E(S100 ). Puisqu’on assimile l’expérience à un tirage avec
remise, on est bien dans le cadre d’un échantillon de variables aléatoires. On a donc
E(S100 ) = 100 × E(X1 ). La loi de probabilité de la variable aléatoire X1 est la
suivante.
xi 90 135 375
P (X1 = xi ) 0, 79 0, 15 0, 06
Ainsi, E(X1 ) = 0, 79 × 90 + 0, 15 × 135 + 0, 06 × 375 = 113, 85. On a donc E(S100 ) =

100 × 113, 85 = 11 385. Ainsi, en moyenne, le montant total payé en choisissant 100
contrevenants au hasard s’élève à 11385 euros.
3. On assimile l’expérience à un tirage avec remise. On a donc V (S100 ) = 100V (X1 ).

Or V (X1 ) = 4 608, 4275 donc V (S100 ) = 460 842, 75. Et on en déduit alors que
σ(S100 ) ≈ 678, 884.
σ(X1 )
4. D’après le cours, σ(M100 ) = √ ≈ 6, 789.
100
1. La variable aléatoire X1 correspond au prix payé pour l’entrée. Sa loi de probabilité
est donc la suivante.
xi 0 9 11
P (X1 = xi ) 0, 64 0, 22 0, 14
La variable aléatoire X2 correspond au prix payé pour la plat. Sa loi de probabilité

xi 19 22
P (X2 = xi ) 0, 76 0, 24
La variable aléatoire X3 correspond au prix payé pour le dessert. Sa loi de probabilité

xi 0 6 7 8
P (X3 = xi ) 0, 22 0, 38 0, 3 0, 1
2. On a X = X1 + X2 + X3 .

29
3. E(X) = E(X1 ) + E(X2 ) + E(X3 ).

Or E(X1 ) = 0, 22 × 9 + 11 × 0, 14 = 3, 52, E(X2 ) = 0, 76 × 19 + 0, 24 × 22 = 19, 72
et E(X3 ) = 0, 38 × 6 + 0, 3 × 7 + 0, 1 × 8 = 5, 18. Donc E(X) = 28, 42.
En moyenne, sur un grand nombre de clients, un client du restaurant paie donc
28,42 e.
4. On obtient un échantillon de taille 10 de la variable aléatoire X. Le prix total payé

par les dix clients vaut donc 10 × E(X) = 10 × 28, 42 soit 284,20 e.

30
10 Exercices de synthèse
1. a. On a Z = X + Y .
b. La loi de probabilité de la variable X est donnée par le tableau suivant.
xi −15 2 10
26 13 13
P (X = xi ) = 0, 5 = 0, 25 = 0, 25
52 52 52
La loi de probabilité de la variable Y est donnée par le tableau suivant.
yi -1 0 1 2 5
24 4 8 4 12
P (Y = yi )
52 52 52 52 52
c. On a E(Z) = E(X) + E(Y ).
Or, E(X) = 0, 5 × (−15) + 2 × 0, 25 + 10 × 0, 25 = −4, 5 et
24 12
E(Y ) = −1 × + ... + 5 × = 1.
52 52
D’où E(Z) = −4, 5 + 1 = −3, 5.
Par ailleurs, on remarque que la couleur obtenue n’a aucune influence sur la
valeur de la carte. Les variables aléatoires X et Y sont donc indépendantes et
on a donc V (Z) = V (X) + V (Y ).
74 74 6 645
Or, V (X) = 118, 25 et V (Y ) = . D’où V (Z) = 118, 25 + = .
r 13 13 52
p 6 645
Ainsi, σ(Z) = V (Z) = ≈ 11, 132 9.
52
2. a. On a S = Z1 + Z2 + Z3 + Z4 + Z5 .
b. Pour tout k ∈ {1; . . . ; 5}, Zk suit la même loi de probabilité que Z. On étudie
donc un échantillon de taille 5 de la variable aléatoire Z.
Ainsi, E(S) = 5 × E(Z) = 5 × (−3, 5) = −17, 5. Et puisqu’on remet systémati-
quement la carte obtenuer dans le paquet, les variables Zk sont indépendantes.
√
r
6 645 33 225
On a donc σ(S) = 5 × = ≈ 25, 277 3.
52 52
c. La variable aléatoire M correspond à r la moyenne des points obtenus à l’issue des
6 645 √
σ(Z) 52 6 645
cinq parties. On a σ(M ) = √ = √ = √ d’où σ(M ) ≈ 5, 055 4.
n 5 260
1. a. E(X) = −5 × 0, 06 + . . . + 10 × 0, 13 = 4, 42 + 0, 21a et E(Y ) = b × 0, 01 +
. . . + 20 × 0, 3 = 5, 46 + 0, 01b.

31
b. E(T ) = E(Y ) − E(X) = 5, 46 + 0, 01b − 4, 42 − 0, 21a = 1, 04 + 0, 01b − 0, 21a

et E(Z) = 3E(X) + 2E(Y ) = 24, 18 + 0, 63a + 0, 02b.
(
1, 04 + 0, 01b − 0, 21a = 0, 1
On résout donc le système suivant et on
24, 18 + 0, 63a + 0, 02b = 26, 5
obtient a = 4 et b = −10.
2. a. Puisque a = 4, on a E(X) = 5, 26 et, puisque b = −10, on a E(Y ) = 5, 36.

Donc V (X) = 14, 792 4 et V (Y ) = 103, 850 4.
On a V (10Z) = 102 V (Z) = 100V (Z) = 54 853, 32 donc V (Z) = 548, 533 2.
Or V (3X) + V (2Y ) = 9V (X) + 4V (Y ) = 548, 533 2. On a donc bienV (Z) =
V (3X + 2Y ) = 9V (X) + 4V (Y ) donc les variables aléatoires X et Y peuvent
être indépendantes.
b. D’après l’énoncé, V (T ) = 89, 058.
Or, V (Y ) + V (X) = 103, 850 4 + 14, 792 4 = 118, 642 8.
Donc V (T ) = V (Y − X) 6= V (Y ) + V (X).
Les variables aléatoires X et Y ne peuvent donc pas être indépendantes.
1. La variable aléatoire X1 correspond au nombre de points gagnés avec la règle 1.
xi 0 1
18 18
P (X1 = xi ) = 0, 5 = 0, 5
36 36
D’où E(X1 ) = 0 × 0, 5 + 1 × 0, 5 = 0, 5.
La variable aléatoire X2 correspond au nombre de points gagnés avec la règle 2.
xi 0 2
2 12 1
P (X2 = xi ) =
3 36 3
2 1 2
Donc E(X2 ) = 0 × +2× = .
3 3 3
xi 0 5
5 6 1
P (X3 = xi ) =
6 36 6
5 1 5
Donc E(X3 ) = 0 × +5× = .
6 6 6

32
xi −10 0
10 5 13
P (X4 = xi ) =
36 18 18
5 13 25
Donc E (X4 ) = −10 × +0× =− .
18 18 9
2. a. On a X = X1 + X2 + X3 + X4 .
2 5 25 4
b. E(X) = E(X1 ) + E(X2 ) + E(X3 ) + E(X4 ) = 0, 5 + + − =− .
3 6 9 3
On a E(X) < 0, le jeu est donc défavorable au joueur.
3. a. Y correspond au nombre de points obtenus par le groupe entier donc Y =

Y1 + Y2 + . . . + Y18 .
b. On étudie échantillon de taille 18 de la variable aléatoire X. Ainsi, pour tout
k ∈ {1; . . . ; 18}, E(Yk ) = E(X).
−24
c. On a donc E(Y ) = 18 × E(X) = 18 × = −24. En moyenne, le groupe
18
perd 24 points au total.
1. a. La pièce étant équilibrée, on est en situation d’équiprobabilité. On en déduit
la loi de la variable aléatoire Xk .
xi 0 k
P (Xk = xi ) 0,5 0,5
k
b. On a donc, pour tout k ∈ {1; . . . ; n}, E(Xk ) = 0 × 0, 5 + k × 0, 5 = .
2
2 2
k k
c. Pour tout k ∈ {1; . . . ; n}, V (Xk ) = 0, 5 × 0 − + 0, 5 × k − =
2 2
k2 k2 k2
+ = .
8 8 4
2. a. D’après sa définition, pour tout ` ∈ {1; . . . ; n}, on a Y` = X1 + . . . + X` .
1 1 `(` + 1) `(` + 1)
b. E(Y` ) = E(X1 ) + . . . + E(X` ) = (1 + . . . + `) = × = On
2 2 2 4
cherche maintenant à résoudre E(Y` ) > 280.
`(` + 1)
E(Y` ) > 280 ⇔ > 280 ⇔ `2 + ` > 1 120 ⇔ `2 + ` − 1 120 > 0.
4
On reconnaît un polynôme du second degré avec a = 1, b = 1 et c = −1 120.
Puisque ∆ = b2 −4ac = 12 −4×1×(−1 120) = 4 481,∆ >√0 et donc le polynôme
√
−b − ∆ −1 − 4 481
étudié admet deux racines réelles distinctes :x1 = = ≈
√ √ 2a 2×1
−b + ∆ −1 + 4 481
−33, 97 et x2 = = ≈ 32, 97.
2a 2×1
On obtient ainsi le tableau de signes suivant.

33
Il faut donc au moins 33 lancers pour que le gain moyen dépasse 280 euros.
c. On va montrer par récurrence que pour tout m > 1 :
m m(m + 1)(2m + 1)
k2 =
P
.
k=1 6
1 × (1 + 1) × (2 × 1 + 1) 6
Initialisation : 12 = 1 et = = 1.
6 6
Donc la proposition est vraie au rang 1.
Hérédité : Supposons qu’il existe un entier m tel que :
m m(m + 1)(2m + 1)
k2 =
P
.
k=1 6
Montrons alors que cette formule est aussi vraie au rang m + 1, c’est-à-dire
m+1
P 2 (m + 1)(m + 1 + 1)(2(m + 1) + 1) (m + 1)(m + 2)(2m + 3)
k = = .
k=1 6 6
m+1
P 2 m
k 2 + (m + 1)2 donc, d’après l’hypothèse de récurrence,
P
On a k =
k=1 k=1
m+1 m(m + 1)(2m + 1) m(m + 1)(2m + 1) + 6(m + 1)2
k2 = + (m + 1)2 =
P
.
k=1 6 6
En factorisant, on obtient alors :
m+1
P 2 (m + 1) [m(2m + 1) + 6(m + 1)] (m + 1)(2m2 + 7m + 6)
k = = .
k=1 6 6
(m + 1)(m + 2)(2m + 3) (m + 1)(2m2 + 7m + 6)
Or, = .
6 6
m+1
P 2 (m + 1)(m + 2)(2m + 3)
Ainsi, k = .
k=1 6
Conclusion : On a montré que l’égalité était vraie au rang m = 1, puis que
si elle était vraie pour un entier naturel non nul m quelconque, alors elle est
vraie au rang m + 1. D’après le principe de récurrence, pour tout m ∈ N∗ ,
m+1
P 2 m(m + 1)(2m + 1)
k = .
k=1 6
Les variables Xk étant indépendantes (les résultats obtenus lors des lancers
précédents n’ayant pas d’influence sur les lancers futurs), on a :
V (Y` ) = V (X1 ) + . . . + V (X` ).
k2
Or, pour tout k ∈ {1; . . . ; n}, V (Xk ) = .
4
12 `2 1 2 `(` + 1)(2` + 1)
D’où V (Y` ) = + ... + = (1 + . . . + `2 ) = .
4 4 4 24
1. Les informations et notations de l’énoncé donnent l’arbre de probabilités suivant :

34
2. La variable aléatoire X1 ne peut prendre que deux valeurs : 0 et 5.
xi 0 5
P (X1 = xi ) 0, 9 0, 1
De même, la variable aléatoire X2 ne peut prendre que deux valeurs : 0 et 5.
xi 0 5
P (X2 = xi ) 0, 9 × 0, 35 + 0, 1 × 0, 85 = 0, 4 0, 6
3. On a E(X1 ) = 0, 5 et E(X2 ) = 3.
Les variables aléatoires X1 et X2 ne sont pas identiquement distribuées puisqu’elles
n’ont pas la même loi de probabilité.
4. On a P ((X1 = 0) ∩ (X2 = 0)) = 0, 9 × 0, 35 = 0, 315 d’après l’arbre de probabilité.

Par ailleurs, P (X1 = 0)×P (X2 = 0) = 0, 6×0, 4 = 0, 24. Ainsi, P ((X1 = 0)∩(X2 =
0)) 6= P (X1 = 0) × P (X2 = 0) donc les variables aléatoires X1 et X2 ne sont pas
indépendantes.
5. a. On obtient les lois de probabilités suivantes.
yi 0 5
P (Y1 = yi ) 0, 1 0, 9
yi 0 5
P (Y2 = yi ) 0, 4 0, 6

35
b. Les deux variables aléatoires ne sont pas identiquement distribuées car elles
n’ont pas la même loi de probabilité.
En revanche, on vérifie que :
• P ((Y1 = 0) ∩ P (Y2 = 0)) = P (Y1 = 0) × P (Y2 = 0)
• P ((Y1 = 0) ∩ P (Y2 = 5)) = P (Y1 = 0) × P (Y2 = 5)
• P ((Y1 = 5) ∩ P (Y2 = 0)) = P (Y1 = 5) × P (Y2 = 0)
• P ((Y1 = 5) ∩ P (Y2 = 5)) = P (Y1 = 5) × P (Y2 = 5)
Donc les variables aléatoires Y1 et Y2 sont indépendantes.
1. Y peut prendre les valeurs y1 = (x1 − E(X))2 ; . . . ; yr = (xr − E(X))2 .
Ainsi, E(Y ) = p1 × (x1 − E(X))2 + . . . + pr × (xr − E(X))2 .
D’où E(Y ) = V (X).
2. On a (X − E(X))2 = X 2 − 2E(X)X + E(X)2 .
3. On a Y = (X − E(X))2 donc E(Y ) = E(X 2 − 2E(X)X + E(X)2 ).

D’après la linéarité de l’espérance, E(Y ) = E(X 2 ) − E(2E(X)X) + E(E(X)2 ). De
plus, 2E(X) est un réel donc, toujours par linéarité de l’espérance, E(2E(X) ×
X) = 2E(X) × E(X) = 2E(X)2 . D’où E(Y ) = E(X 2 ) − 2E(X)2 + E(X)2 et donc
E(Y ) = E(X 2 ) − E(X)2 .
Or, d’après la question 1, E(Y ) = V (X) d’où V (X) = E(X 2 ) − E(X)2 .
1. a. On obtient l’arbre pondéré suivant.
b. X correspond au nombre de « rencontres » à l’issue des trois tirages.

c. La variable aléatoire X1 peut prendre exactement deux valeurs : 0 et 1.
X1 prend la valeur 1 si, et seulement si, la boule 1 est tirée au premier tirage.

36
xi 0 1
2 1
P (X1 = xi )
3 3
La variable aléatoire X2 peut prendre exactement deux valeurs : 0 et 1. X2
prend la valeur 1 si, et seulement si, la boule 1 est tirée au premier tirage.
xi 0 1
2 1 1 1 1 1
P (X2 = xi ) × + × =
3 3 2 3 2 3
La variable aléatoire X3 peut prendre exactement deux valeurs : 0 et 1. X3
prend la valeur 1 si, et seulement si, la boule 1 est tirée au premier tirage.
xi 0 1
2 1
P (X3 = xi )
3 3
2 1 1
d. Pour tout k ∈ {1; 2; 3}, E(Xk ) = 0 × + 1 × = donc E(X) = E(X1 ) +
3 3 3
1 1 1
E(X2 ) + E(X3 ) = + + = 1.
3 3 3
e. En moyenne, durant cette expérience, a lieu une rencontre.
2. On reprend le même raisonnement. Pour k ∈ {1; . . . ; n}, on note Yk la variable

aléatoire valant 1 si on tire la boule numérotée k au ke tirage et 0 sinon. On pose
Y = Y1 + . . . + Yn .
Pour tout k ∈ {1; . . . ; n}, Yk suit alors la loi de probabilité suivante.
yi 0 1
n−1 1
P (Yk = yi )
n n
1
Ainsi, pour tout k ∈ {1; . . . ; n}, E(Yk ) = et donc E(Y ) = 1.
n
Ainsi, en moyenne, a lieu une rencontre.
1. a. Chaque étape de l’arbre suivant correspond à un objet.

37
b. X correspond au nombre de tiroirs vides à l’issue de la distribution.

c. On commence par déterminer la loi de probabilité de la variable aléatoire X1 .
X1 prend la valeur 1 si, et seulement si, le tiroir 1 n’a jamais été choisi.
Sinon, X1 prend la valeur 0.
X1 prend donc la valeur 1 lors des choix (T2 ; T2 ; T2 ), (T2 ; T2 ; T3 ), (T2 ; T3 ; T2 ),
(T2 ; T3 ; T3 ), (T3 ; T2 ; T2 ), (T3 ; T2 ; T3 ), (T3 ; T3 ; T2 ) et (T3 ; T3 ; T3 ), ce qui correspond
1 1 1 8
à une probabilité de 8 × × × = .
3 3 3 27
On obtient ainsi la loi de probabilité de X1 .

38
xi 0 1
19 8
P (X1 = xi )
27 27
8 8
Ainsi, E(X1 ) = 1 × = .
27 27
De la même façon, on obtient les lois de probabilité de X2 et X3 .
xi 0 1
19 8
P (X2 = xi )
27 27
xi 0 1
19 8
P (X3 = xi )
27 27
8 24 8
Ainsi, E(X2 ) = E(X3 ) = E(X1 ) d’où E(X) = 3 × = = .
27 27 9
8
d. Il y a donc en moyenne tiroir vide à l’issue de la distribution.
9
2. a. Y1 est la variable aléatoire valant 1 si le tiroir 1 n’est jamais choisi et 0 sinon.
Cette situation pourrait être modélisée par un arbre de probabilité à n colonnes
représentant les n objets et, à chaque issue, n branches représentant les n tiroirs
possibles. On a donc, à chaque rangement, n choix de tiroirs possibles, ce qui
fait au total nn possibilités. Si Y1 = 1, cela signifie qu’on ne choisit jamais le
tiroir 1. Cela veut dire qu’à chaque étape, on a en réalité n − 1 choix (tout sauf
le tiroir 1).
(n − 1)n
Ainsi, P (Y1 = 1) = .
nn
(n − 1)n
Or, E(Y1 ) = 0 × P (Y1 = 0) + 1 × P (Y1 = 1) = P (Y1 = 1) = .
nn
b. Les variables aléatoires Y1 ; . . . ; Yn ont toutes la même loi de probabilité. Ainsi,
(n − 1)n (n − 1)n
E(Y ) = nE(Y1 ) = . En moyenne, on a donc tiroirs vides à
nn−1 nn−1
l’issue de la distribution.
1. Supposons qu’il existe z0 et z1 tels que Az0 et Az1 ne soient pas disjoints. Alors il
existerait un couple de réels (x; y) ∈ ValX × ValY tel que x × y = z0 et x × y = z1 .
Ainsi on aurait z0 = z1 , et donc les ensembles Az0 et Az1 seraient les mêmes. Pour
deux valeurs distinctes prises par Z, les ensembles Az sont donc disjoints.
S
2. On a z∈ValZ Az = ValX × ValY .
S
3. On a P (Z = z) = P (X × Y = z) = P ( (X = x) ∩ (Y = y)). Or, les ensembles
(x;y)∈Az
P
Az sont tous disjoints donc P (Z = z) = P ((X = x) ∩ (Y = y)).
(x;y)∈Az

39
4. Par définition,
P P P
E(Z) = zP (Z = z) d’où E(Z) = zP ((X = x) ∩ (Y = y)) donc
z∈ValZ z∈ValZ (x;y)∈Az
P P
E(Z) = xyP ((X = x) ∩ (Y = y)).
z∈ValZ (x;y)∈Az
P P
Donc E(Z) = zP (X = x) × P (Y = y)) car les variables aléatoires X
z∈ValZ (x;y)∈Az
et Y sont indépendantes.
P P
5. Or, E(X)E(Y ) = xP (X = x) × yP (Y = y) donc
x∈ValX y∈ValY
P P
E(X)E(Y ) = xyP (X = x) × P (Y = y). Or, la famille d’ensembles
x∈ValX y∈ValY
(Az )z∈ValZ forme une partition de ValX × ValY d’où :
P P
E(X)E(Y ) = zP (X = x) × P (Y = y).
z∈ValZ (x;y)∈Az
1. On a V (Z) = E(Z 2 ) − (E(Z))2 .
2. Par définition de la variable aléatoire Z, V (Z) = E((X + Y )2 ) − (E(X + Y ))2 .

Or E((X + Y )2 ) = E(X 2 + 2XY + Y 2 ) = E(X 2 ) + 2E(XY ) + E(Y 2 )
et (E(X + Y ))2 = (E(X) + E(Y ))2 = (E(X))2 + 2E(X)E(Y ) + (E(Y ))2 .
Ainsi, V (Z) = E(X 2 ) + 2E(XY ) + E(Y 2 ) − (E(X))2 − 2E(X)E(Y ) − (E(Y ))2
donc V (Z) = E(X 2 ) − (E(X))2 + E(Y 2 ) − (E(Y ))2 + 2E(XY ) − 2E(X)E(Y ).
3. Les variables aléatoires X et Y sont indépendantes. L’exercice précédent permet

alors d’affirmer que E(XY ) = E(X)E(Y ).
On obtient alors V (Z) = E(X 2 ) − (E(X))2 + E(Y 2 ) − (E(Y ))2 , c’est-à-dire, d’après
la formule de König-Huygens, V (Z) = V (X) + V (Y ).
Ainsi, si X et Y sont indépendantes, on a alors V (X + Y ) = V (X) + V (Y ).

Livre Du Professeur - Chapitre 13 - Sommes de Variables Aléatoires

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Livre Du Professeur - Chapitre 13 - Sommes de Variables Aléatoires

Transféré par

Droits d'auteur :

Formats disponibles

Livre du professeur - Mathématiques Tle Spécialité - Chapitre 13 : Sommes de variables aléatoires

Livre du professeur - Mathématiques

Table des matières

6 Travailler les automatismes 14

7 Exercices d’entraînement partie 1 18

8 Exercices d’entraînement partie 2 19

9 Exercices d’entraînement partie 3 25

Document sous licence libre Creative Commons

Livre du professeur - Mathématiques Tle Spécialité - Chapitre 13 : Sommes de variables aléatoires

1 Informations sur ce chapitre

Document sous licence libre Creative Commons

Livre du professeur - Mathématiques Tle Spécialité - Chapitre 13 : Sommes de variables aléatoires

Document sous licence libre Creative Commons

Livre du professeur - Mathématiques Tle Spécialité - Chapitre 13 : Sommes de variables aléatoires

Soit X la variable aléatoire correspondant au gain total à l’issue de la partie.

Document sous licence libre Creative Commons

Livre du professeur - Mathématiques Tle Spécialité - Chapitre 13 : Sommes de variables aléatoires

1. X peut prendre les valeurs −12, 6 et 15.

Partie B : On triple les gains (et les pertes)

On calcule alors E(T ) = −4, 5.

3. On a E(T ) = 3E(X). Or T = 3X donc E(3X) = 3E(X).

Partie C : On étend le jeu

Document sous licence libre Creative Commons

Livre du professeur - Mathématiques Tle Spécialité - Chapitre 13 : Sommes de variables aléatoires

Z correspond au gain total obtenu, donc au gain de la première manche auquel

3. On obtient le tableau ci-dessous.

En effet, pour obtenir un gain total égal à 13 e, il faut obtenir 15 e à la première

4. On a E(Z) = z1 p1 + ... + zr pr = −1e.

Document sous licence libre Creative Commons

Livre du professeur - Mathématiques Tle Spécialité - Chapitre 13 : Sommes de variables aléatoires

3.2 Activité B : Étude de la variance

1. On est en situation d’équiprobabilité. On en déduit la loi de probabilité de T .

On a donc E(T ) = t1 p1 + t2 p2 = 0, 8, soit une espérance de 0,80 e.

2. On a donc V (T ) = 0, 4(−1 − 0, 8)2 + 0, 6(2 − 0, 8)2 = 2, 16.

Partie B : On double les gains (et les pertes)

1. La loi de probabilité de U est donnée dans le tableau ci-dessous.

Les lois de probabilité de T et de U sont les mêmes, à multiplication par 2 près, on

2. On a donc V (U ) = 0, 4(−2 − 1, 6)2 + 0, 6(4 − 1, 6)2 = 8, 64.

On a ainsi W = 3T et E(W ) = 3E(T ) = 3 × 0, 8 = 2, 4. D’où V (W ) = 0, 4 × (−3 −

Document sous licence libre Creative Commons

Livre du professeur - Mathématiques Tle Spécialité - Chapitre 13 : Sommes de variables aléatoires

3.3 Activité C : Tirage avec ou sans remise

2. a. X peut prendre les valeurs −1 et 2. Y peut également prendre les valeurs −1

c. On a E(X) = E(Y ) = 0, 8 et E(Z) = 1, 6.

Document sous licence libre Creative Commons

Livre du professeur - Mathématiques Tle Spécialité - Chapitre 13 : Sommes de variables aléatoires

X peut prendre les valeurs −1 et 2. Y peut également prendre les valeurs −1 et 2. Z

On a E(X) = E(Y ) = 0, 8 et E(Z) = 1, 6. On a donc V (X) = V (Y ) = 2, 16

Document sous licence libre Creative Commons

Livre du professeur - Mathématiques Tle Spécialité - Chapitre 13 : Sommes de variables aléatoires

Document sous licence libre Creative Commons

Livre du professeur - Mathématiques Tle Spécialité - Chapitre 13 : Sommes de variables aléatoires

En revanche, la réponse b. est a priori fausse. Les variables aléatoires X1 et Xn ne font

2. E(X + 2Y ) = E(X) + 2E(Y ) = −1, 1 + 2(0, 45a + 2, 25) = 0, 9a + 3, 4. On résout

Document sous licence libre Creative Commons

Livre du professeur - Mathématiques Tle Spécialité - Chapitre 13 : Sommes de variables aléatoires

3. On entre dans la case B4 la formule = ALEA.ENTRE.BORNES(1 ;3) et on étend

6. On entre dans la case B14 la formule = SOMME(B12 :CW12)/100.

2. On part de l’élément 0 de la liste (le tiroir 1) puis on regarde le contenu de chaque

Document sous licence libre Creative Commons

Livre du professeur - Mathématiques Tle Spécialité - Chapitre 13 : Sommes de variables aléatoires

Pour aller plus loin

On obtient ainsi E(X1 ) = 3, 5 et donc E(X) = 10, 5.

Document sous licence libre Creative Commons