See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/356791724

Couples Aléatoires, Cours et Exercices LICENCE MATHÉMATIQUE

Book · December 2021

CITATIONS READS

0 1,447

1 author:

Kamel Tahri
Abou Bakr Belkaid University of Tlemcen
29 PUBLICATIONS 36 CITATIONS

SEE PROFILE

Some of the authors of this publication are also working on these related projects:

Elliptic equation with Kirchhoff type and singular term View project

P(x) biharmonic operator and p(x) laplacian View project

All content following this page was uploaded by Kamel Tahri on 06 December 2021.

The user has requested enhancement of the downloaded file.

TP ET TD - PROBABILITÉ
(PLUS DE 100 EXERCICES CORRIGÉS)

LICENCE MATHÉMATIQUE

AUTEUR : TAHRI KAMEL

ANNÉE : 2020-2021
 TABLE DES MATIÈRES

Introduction 4

1 Couples de variables aléatoires discrètes 5

1.1 Indépendance de deux variables aléatoires . . . . . . . . . . . . . . . . . . . . 5
1.1.1 Indépendance d’événements . . . . . . . . . . . . . . . . . . . . . . . . 5
1.1.2 Indépendance de deux variables aléatoires . . . . . . . . . . . . . . . . 5
1.1.3 Indépendance de variables aléatoires discrètes . . . . . . . . . . . . . . 6
1.2 Généralité sur les couples de variables aléatoires réelles . . . . . . . . . . . . . 7
1.3 Couples de variables aléatoires discrètes . . . . . . . . . . . . . . . . . . . . . . 8
1.3.1 Loi d’un couple de variables discrètes . . . . . . . . . . . . . . . . . . . 8
1.3.2 Lois marginales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.3.3 Lois conditionnelles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.4 Variable aléatoire fonction de deux variables aléatoires discrètes . . . . . . . . 13
1.4.1 Fonction d’un couple de variables aléatoires discrètes . . . . . . . . . . 13
1.4.2 Somme de deux variables indépendantes : le produit de convolution . 15
1.4.3 Stabilité des lois binomiales et de Poisson . . . . . . . . . . . . . . . . . 15
1.5 Covariance, corrélation linéaire . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.5.1 Espérance d’un produit . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.5.2 Covariance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.5.3 Coefficient de corrélation linéaire . . . . . . . . . . . . . . . . . . . . . . 20
1.6 Des exemples d’application . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
1.7 Exercices résolus . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25

2 Couples de variables aléatoire continues 60

2.1 Distributions simultanées . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
2.1.1 Cas de variables discrètes . . . . . . . . . . . . . . . . . . . . . . . . . . 61
2.1.2 Cas de variables continues . . . . . . . . . . . . . . . . . . . . . . . . . . 62
2.2 Variables aléatoires indépendantes . . . . . . . . . . . . . . . . . . . . . . . . . 63
2.2.1 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
2.2.2 Plusieurs variables aléatoires indépendantes . . . . . . . . . . . . . . . 64
2.3 Sommes de variables aléatoires indépendantes . . . . . . . . . . . . . . . . . . 65
2.3.1 Convolution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65

2
 TABLE DES MATIÈRES

2.3.2 Additivité des lois classiques . . . . . . . . . . . . . . . . . . . . . . . . 66

2.4 Propriétés de l’espérance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
2.4.1 Espérance d’une fonction de deux variables . . . . . . . . . . . . . . . 67
2.4.2 Covariance de la variance . . . . . . . . . . . . . . . . . . . . . . . . . . 68
2.4.3 Cas de variables indépendantes . . . . . . . . . . . . . . . . . . . . . . 69
2.4.4 Corrélation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
2.5 Des exemples d’application . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
2.6 Exercices Résolus . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77

Bibliographie 103

Page 3/103 2020 / 2021

 INTRODUCTION

La théorie des probabilités remonte au début du dix septième siècle c’était une consé-
quence des études portées aux jeux de hasard qui remontent à l’antiquité (Égypte, Irak,
Grèce et Rome). Depuis, des mathématiciens s’y sont intéressés de plus prés , quoique on
n’a pu y mettre des axiomes que récemment (dans les années vingt et trente de ce siècle).
Cette théorie est devenue de plus en plus importante durant ces dernières années.Des idées
de probabilités et de statistique sont présentes dans la plupart des domaines : sciences natu-
relles, chimie, biologie, médecine, psychologie etc...

Ce cours est destiné aux étudiants de 3ème année ingénieurs informatique et autres tech-
nologues et scientifiques. Un premier chapitre est consacré aux variables aléatoires discrètes
et des exercices d’application. Le chapitre II est consacré aux variables aléatoires continues
et des exercices d’application.

4
 CHAPITRE 1

COUPLES DE VARIABLES ALÉATOIRES DISCRÈTES

1.1 Indépendance de deux variables aléatoires

1.1.1 Indépendance d’événements

Définition 1 :

Deux évènements A et B sont dits indépendants lorsque

P(A ∩ B) = P(A) × P(B)

Remarque 1 :

* Si P(A) 6= 0, A et B sont indépendants si et seulement si P(B) = PA (B) .

* La plupart du temps, l’indépendance se déduit de la situation. Deux évènements
sont indépendants lorsque la réalisation de l’un ne donne pas d’information sur
la réalisation de l’autre.

1.1.2 Indépendance de deux variables aléatoires

Dans cette section, X etY sont deux variables aléatoires (discrètes ou non) d’un espace
probabilisé (Ω, A , P).

Définition 2 :

On dit que les variables aléatoires X et Y sont indépendantes lorsque pour tout (x, y) ∈
R2 , les évènements |X ≤ x| et [Y ≤ y] sent indépendants, c’est à dire :

P([X ≤ x] ∩ [Y ≤ y]) = P(X ≤ x)P(Y ≤ y)

5
 CHAPITRE 1. COUPLES DE VARIABLES ALÉATOIRES DISCRÈTES

Propriétés 1 :

Soient X et Y deux variables aléatoires (discrètes ou non) d’un espace probabilisé

(Ω, A , P) Alors il y a équivalence entre :
1. X etY sont indépendantes.
2. pour tous intervalles I et J de R :

P([X ∈ I] ∩ [Y ∈ J]) = P(X ∈ I)P(Y ∈ J)

3. pour tout évènement A ∈ AX (Rappelons que AX est la plus petite tribu conte-
nant tous les évènements [X ≤ x], x ∈ R. Elle représente l’information fournie
par X) et tout évènement B ∈ AY :

P(A ∩ B) = P(A)P(B)

Remarque 2 :

* L’indépendance de deux variables aléatoires se déduit souvent de la situation.

* On n’aura jamais besoin de revenir aux tribus. Il faut surtout retenir que l’in-
dépendance de X et de Y signifie que tout évènement formé à partir de X est
indépendant de tout évènement formé à partir de Y.

Propriétés 2 :

Si X et Y sont indépendantes alors pour toutes fonctions f et g dont les ensembles de

définition contiennent respectivement X(Ω) et Y(Ω), les variables aléatoires f(X) et
g(Y) sont indépendantes.

1.1.3 Indépendance de variables aléatoires discrètes

Propriétés 3 :

Les variables aléatoires discrètes X et Y sont indépendantes si et seulement si pour

tout (x, y) ∈ X(Ω) × Y(Ω), on a ;

P([X = x] ∩ [Y = y]) = P(X = x) × P(Y = y)

Propriétés 4 :

Si X et Y sont indépendantes alors pour toutes fonctions f et g dont les ensembles de

définition contiennent respectivement X(Ω) et Y(Ω), les variables aléatoires f(X) et
g(Y) sont indépendantes.

Page 6/103 2020 / 2021

 1.2. GÉNÉRALITÉ SUR LES COUPLES DE VARIABLES ALÉATOIRES RÉELLES

{x
Démonstration. On fixeXune numérotation du support X(Ω) = i , i ∈ N} .E(X|B) existe si et
seulement si la série xi PB (X = xi ) converge absolument. Or X et Y étant indépendantes et
X
B ∈ AY , on aPB (X = xi ) = P (X = xi ) . Ainsi E(X|B) existe si et seulement si xi P (X = xi )
converge absolument, c’est à dire si et seulement si E(X) existe. De plus, on a :

E(X) = E(X|B)

Remarque 3 :

En pratique, B est de la forme [Y ≤ y] ou [Y = y].

1.2 Généralité sur les couples de variables aléatoires réelles

Dans cette section, X etY sont deux variables aléatoires (discrètes ou non) d’un espace
probabilisé (Ω, A , P).

Définition 3 :

On appelle couple des variables aléatoires X et Y et on note (X, Y) l’application :



 Ω −→
(X, Y) : −→ (X(ω), Y(ω))

 ω

Définition 4 :

On appelle tribu associée au couple aléatoire (X, Y) la tribu notée A(X,Y) engendrée par
les évènements ([X 6 x] ∩ [Y 6 y])(x,y)∈R2 . C’est la plus petite tribu contenant tous ces
évènements.

Définition 5 :

On appelle loi du couple aléatoire (X, Y) (ou loi conjointe de (X, Y) ) la donnée de la
fonction F(X,Y) : R2 → R, appelée répartition conjointe, définie par :

∀(x, y) ∈ R2 , F(X,Y) (x, y) = P([X 6 x] ∩ [Y 6 y])

La loi de X est appelée la première loi marginale du couple (X, Y), et la loi de Y la
seconde loi marginale de (X, Y).

Page 7/103 2020 / 2021

 CHAPITRE 1. COUPLES DE VARIABLES ALÉATOIRES DISCRÈTES

Remarque 4 :

On a (X, Y)(Ω) ⊂ X(Ω) × Y(Ω). Ainsi on ne donnera pas en général le support

(X, Y)(Ω) du couple (X, Y), mais plutôt les supports X(Ω) et Y(Ω) de X et Y.

Propriétés 5 :

Les variables X et Y sont indépendantes si et seulement si

∀(x, y) ∈ R2 , F(X,Y) (x, y) = FX (x)FY (y)

où FX , FY sont les fonctions de répartition de X et Y.

Propriétés 6 :

On suppose que :
i) les couples (X1 , Y1 ) et (X2 , Y2 ) ont la même loi conjointe,
ii) g est une fonction continue a sur R2 à valeurs dans R.
Alors les variables aléatoires g (X1 , Y1 ) et g (X2 , Y2 ) ont la même loi pour la définition
de la continuité d’une fonction de R2 dans R.

1.3 Couples de variables aléatoires discrètes

Dans toute la suite, X et Y sont des variables discrètes dont on fixera une numérotation de
leurs supports (avec I = [1, n] ou N et J = [1, m] ou N selon que X et Y soient finies ou non ) :

X(Ω) = {xi , i ∈ I} et Y(Ω) = {yj , j ∈ J}

1.3.1 Loi d’un couple de variables discrètes

Propriétés 7 :

La loi du couple (X, Y) est entièrement déterminée par la donnée de :

i) X(Ω) = {xi , i ∈ I} et Y(Ω) = {yj , j ∈ J},
ii) pi,j = P ([X = xi ] ∩ [Y = yj ]) pour tout (i, j) ∈ I × J.

Notation : [X = xi ] ∩ [Y = yj ] = [X = xi , Y = yj ] = [(X, Y) = (xi , yj )]

Remarque 5 :

Lorsque X et Y sont finies, la loi du couple (X, Y) peut être représentée par un tableau
à double entrée.

Page 8/103 2020 / 2021

 1.3. COUPLES DE VARIABLES ALÉATOIRES DISCRÈTES

HH
y
H
HH y1 y2 ... ym
x HH

x1 p1,1 = P ([X = x1 ] ∩ [Y = y1 ]) p1,2 ... p1,m

x2 p2,1 p2,2 ... p2,m

.. .. .. ..
. . . .

xn pn,1 pn,2 ... pn,m

Exercice 1 :

Considérons l’expérience aléatoire consistant à jeter deux dés, X la variable aléatoire

donnant le plus petit résultat et Y le plus grand. Déterminer la loi conjointe de (X, Y).

Propriétés 8 :

La famille ([X = xi ] ∩ [Y = yj ])(i,j)∈I×J est un système complet d’évènements. Par consé-

quent, la famille (P ([X = xi ] ∩ [Y = yj ]))(i,j)∈I×J est sommable et on a :
X X
P ([X = xi ] ∩ [Y = yj ]) = pi,j = 1
(i,j)∈I×J (i,j)∈I×J

Remarque 6 :

Lorsque la loi de (X, Y) est représentée par un tableau, la somme de toutes les proba-
bilités du tableau vaut 1.

Propriétés 9 :

Soient I et J des ensembles finis ou dénombrables, et soit (pi,j )(i,j)∈I×J une famille de
réels satisfaisant :
i) ∀(i, j) ∈ I × J, pi,j ≥ 0,
ii) la famille (pi,j )(i,j)∈I×J est sommable et sa somme vaut 1.
Alors la famille (pi,j )(i,j)∈I×J définit une loi conjointe de probabilité, c’est à dire qu’il
existe un couple de variables discrètes (X, Y) sur un espace probabilisé (Ω, A , P) tel
que : X(Ω) × Y(Ω) = I · ×J et ∀(i, j) ∈ I × J, P([X = i] ∩ [Y = j]) = pi,j .

Page 9/103 2020 / 2021

View publication stats