Institut National de Statistique et d'Économie Appliquée Filières DS-DSE-DSOR

Première année Cycle Ingénieur Année 2023-2024

Probabilités
Fiche de TD n°2 - Éléments de correction

Exercice 1 : Deux dés

On lance deux dés parfaitement équilibrés. On note X et Y les deux valeurs obtenues.
Déterminer P(X = Y ), P(X ≤ Y ), et la fonction de masse de la variables aléatoire X + Y .

 X et Y sont deux variables aléatoires indépendantes suivant la loi uniforme sur {1, . . . , 6}.
6
X
P(X = Y ) = P(X = k; Y = k)
k=1
X6
= P(X = k)P(X = k) Par indépendance
k=1
6
X 1 1 1
= × = .
6 6 6
k=1

 Par symétrie, on a
P(X ≤ Y ) = P(X ≥ Y ).
Or,
P(X ≤ Y ) + P(X ≥ Y ) − P(X = Y ) = P((X ≤ Y ) ∪ (X ≥ Y )) = 1.
On en déduit,
1 7
P(X ≤ Y ) = [1 + P(X = Y )] = .
2 12
 Page 22, chapitre 2, support du cours.

Exercice 2 : Lancers de pièce

On considère une suite innie de lancers d'une pièce tombant sur pile avec probabilité
p ∈ [0, 1]. Déterminer la fonction de masse des variables aléatoires suivantes :
1. Le temps d'attente du premier pile.
Pour tout n ∈ N∗ ,

P (X = n) = p(1 − p)n−1 . (Loi géométrique)

2. Le temps d'attente du k ème pile, pour k ∈ N∗ .

Pour tout n ∈ N∗ \{1, . . . , k},
k−1 k
P (X = n) = Cn−1 p (1 − p)n−k . (Loi de Pascal)

1
 3. Le nombre de piles obtenus après n lancers.
Pour tout k ∈ {0, . . . , n},

P (X = k) = Cnk pk (1 − p)n−k . (Loi binomiale)

Exercice 3 : Loi géométrique

1. Soit X une v.a. à valeurs entières dont la fonction de masse est dénie par

P (X = k) = C(1 − p)k−1 , k = 1, 2, . . . et P (X = k) = 0, si non

(a) Déterminer C ;
X
P (X = k) = 1 ⇐⇒ C = p.
k∈N∗

(b) Soit N ∈ N, calculer la probabilité pour que X soit supérieure strictement à N ;

N
X
P (X > N ) = 1 − P (X ≤ N ) = 1 − p(1 − p)k−1 = (1 − p)N .
k=1

(c) Sachant que X est plus grande que N , quelle est la probabilité qu'elle soit plus grande
que 2N ?

P (X > 2N ; X > N ) P (X > 2N )

P (X > 2N/X > N ) = = = (1 − p)N .
P (X > N ) P (X > N )

(d) Quelle est la probabilité pour que X soit un multiple 3 ?

+∞
X X p(1 − p)2
P (X ≡ 0 [3] ) = P (X = 3k) = p (1 − p)3k−1 = .
1 − (1 − p)3
k∈N∗ k=1

2. La probabilité qu'une ampoule particulière claque durant le k ième mois d'utilisation est
donnée par la loi :
1 5 k−1
 
P (X = k) = , k = 1, 2, . . . .
6 6
Quatre ampoules sont testées simultanément. Déterminer la probabilité que :
(a) Aucune des quatre ampoules ne claque durant le premier mois d'utilisation.
 4
4 5 4
P (A) = P (X1 > 1, X2 > 1, X3 > 1, X4 > 1) = P (X > 1) = (1 − P (X = 1)) = .
6

(b) Exactement 2 ampoules ont claqué à la n du troisième mois.

P (B) = C42 P (X ≤ 3)2 P (X > 3)2 .

2
 (c) Exactement une ampoule a claqué durant chacun des trois premiers mois.

P (C) = A34 P (X = 1) P (X = 2) P (X = 3) P (X > 3) .

(d) Exactement une ampoule a claqué à la n du second mois et exactement deux ampoules
fonctionnent encore au début du cinquième mois.

P (D) = A24 P (X ≤ 2) P (3 ≤ X ≤ 4) P (X ≥ 5)2 .

Exercice 4 : Loi de Poisson

1. Soit λ > 0. Soit X une variable aléatoire à valeurs entières ayant comme fonction de
masse
λk
P(X = k) = C , ∀k ∈ N.
k!
(a) Déterminer C , puis P(X > 1).
+∞ k
X X λ
P (X = k) = C = Ceλ = 1 ⇐⇒ C = e−λ .
k!
k∈N k=0

P(X > 1) = 1 − P(X = 0) − P(X = 1) = 1 − e−λ (1 + λ).

(b) Déterminer la probabilité que X soit un nombre pair.

+∞ +∞
X X λ2k eλ + e−λ 1 + e−2λ
P (X ≡ 0 [2] ) = P (X = 2k) = e−λ = e−λ = .
(2k)! 2 2
k=0 k=0

2. Le nombre de clients d'un bureau de poste en l'espace d'une journée est une variable
aléatoire poissonienne de paramètre λ. La probabilité qu'un homme rentre dans le bureau
est p. Montrer que le nombre des hommes et celui des femmes parmi les clients quotidiens
sont des variables aléatoires poissoniènnes de paramètres respectifs λp et λ(1 − p) et
qu'elles sont indépendantes.
On note :
 X le nombre de clients du bureau de poste en l'espace d'une journée, alors X ∼ P(λ)

λn −λ
P (X = n) = e , ∀n ∈ N.
n!
 XH le nombre de clients hommes en l'espace d'une journée, alors pour tout n ∈ N

P (XH = k|X = n) = Cnk pk (1 − p)n−k , ∀k ∈ {0, . . . , n}.

 XF le nombre de clients femmes en l'espace d'une journée, alors pour tout n ∈ N

P (XF = k|X = n) = Cnk (1 − p)k pn−k , ∀k ∈ {0, . . . , n}.

3
 Par la formule des probabilités totales, ∀k ∈ N
+∞
X
P (XH = k) = P (XH = k|X = n) P (X = n) (P (XH = k|X = n) = 0, si k > n)
n=k
+∞
X λn −λ
= Cnk pk (1 − p)n−k e
n!
n=k
+∞
X n! λn
= pk (1 − p)n−k e−λ
(n − k)!k! n!
n=k
+∞
(λp)k X (λ(1 − p))n−k (λp)k λ(1−p) (λp)k −λp
= e−λ = e−λ e = e .
k! (n − k)! k! k!
n=k

On en déduit que XH ∼ P(λp), et par symétrie que XF ∼ P(λ(1 − p)).

D'un autre côté, on a pour tout (k, ℓ) ∈ N2 ,

P (XH = k , XF = ℓ) = P (XH = k , X = k + ℓ)
= P (XH = k | X = k + ℓ) P (X = k + ℓ)
k λk+ℓ −λ
= Ck+ℓ pk (1 − p)ℓ e
(k + ℓ)!
(λp)k −λp (λ(1 − p))ℓ −λ(1−p)
= e e = P (XH = k) P (XF = ℓ) ,
k! ℓ!
d'où l'indépendance entre XH et XF .

Exercice 5 : Loi exponentielle

Soit f : R −→ R la fonction f (x) = e−x 11{x>0} .

1. Montrer que f est une densité de probabilité.
f mesurable, positive et vérie
Z Z +∞
f (x)dx = e−x dx = 1.
R 0

2. Soit X de densité f , déterminer la fonction de répartition de X .

Z x
f (x)dx = 1 − e−x 11{x>0} .


FX (x) =
−∞

3. Montrer que pour tous s, t > 0 on a

P(X ≥ s + t|X ≥ s) = P (X ≥ t).

P (X ≥ s + t) F̄X (s + t) e−(s+t)
P(X ≥ s + t|X ≥ s) = = = = e−t = P (X ≥ t).
P (X ≥ s) F̄X (s) e−s
Cette propriété est appelée absence de mémoire.

4
 4. Réciproquement, montrer que l'absence de mémoire caractérise la loi exponentielle.
On note la fonction survie de X
S(x) = F̄X (x) = P(X > x), ∀x > 0.
S est une fonction décroissante qui vérie
lim S(x) = 1, lim S(x) = 0, et S(s + t) = S(s)S(t), ∀s, t > 0.
x→−∞ x→+∞

Par récurrence, on a
S(n) = S(1)n , ∀n ∈ N,
et pour tout n ∈ N∗
   n  
1 1 1 1
S(1) = S n × =S ⇐⇒ S = S(1) n .
n n n
On en déduit que pour tout rationnel positif p/q
   p
p 1 p
S =S = S(1) q .
q q
Par densité de Q dans R
S(t) = S(1)t = eln(S(1))t , ∀t ∈ R+ .
Les propriétés de la fonction de survie impliquent 0 < S(1) < 1. On pose alors λ = − ln(S(1)).
Alors
S(x) = e−λx , ∀x > 0.

5. Répondre aux questions précédentes en remplaçant f par fλ (x) = λe−λx 11{x>0} , ∀λ > 0.

Exercice 6 : Loi uniforme - loi exponentielle

Soit X une v.a. de loi uniforme sur [0, 1]. Montrer que Y = − ln(1 − X) est une v.a. continue
et déterminer sa densité fY .
X est une v.a. de loi uniforme sur [0, 1], donc

0 si x < 0

FX (x) = x si 0 ≤ x < 1 .

1 si x ≥ 1


La fonction f : [0, 1] → R+ , x → − ln(1 − x) est mesurable. Y = − ln(1 − X) est alors une v.a.,
et sa fonction de répartition vérie
FY (y) = P (Y ≤ y) = P (− ln(1 − X) ≤ y)
= P (−y ≤ ln(1 − X))
= P e−y ≤ 1 − X


(
−y

0 si y < 0
= FX 1 − e = ⇒ Y ∼ E(1).
1 − e−y si y ≥ 0

FY est continue et de classe C 1 sur R, alors Y est une v.a. continue dont la densité est donnée
par
fY (y) = FY′ (y) = e−y 11{y≥0} .

5
Exercice 7 : Lois Min et Max

Soient X et Y deux v.a. indépendantes de fonctions de répartition FX et FY .

1. Calculer la fonction de répartition des v.a. Min(X, Y ) et Max(X, Y ).
On note V = max(X, Y ) et W = min (X, Y ). Alors pour tout x ∈ R,

FV (x) = P (max(X, Y ) ≤ x) = P (X ≤ x, Y ≤ x)
= P (X ≤ x) P (Y ≤ x) Car X ⊥ Y
= FX (x)FY (x),

et,

FW (x) = P (min(X, Y ) ≤ x) = 1 − P (min(X, Y ) > x)

= 1 − P (X > x, Y > x)
= 1 − P (X > x) P (Y > x) Car X ⊥ Y
= 1 − (1 − FX (x)) (1 − FY (x)) .

2. Déterminer ces lois pour X uniforme sur − 21 , 12 et Y uniforme sur [−1, 1].
 

Application directe de la question 1.

Exercice 8 : Loi normale, loi χ2

On admet que Z
x2 √
e− 2 dx = 2π.
R
Soit X une variable aléatoire continue de densité
1 x2
fX (x) = √ e− 2 , x ∈ R.
2π
1. Montrer que P(X ≤ x) = P(X ≥ −x) pour tout x ∈ R.
Par changement de variable,
Z x Z −x Z +∞
P(X ≤ x) = fX (t)dt = − fX (−t)dt = fX (t)dt = P(X ≥ −x), ∀x ∈ R.
−∞ +∞ −x

2. Exprimer la fonction de répartition de X 2 en fonction de celle de X .

Pour tout x ∈ R∗− , on a FX 2 (x) = 0.
Soit x ∈ R+
√ √
√
√

FX 2 (x) = P X 2 ≤ x = P − x ≤ X ≤ x = FX


x − FX − x .

3. En déduire que X 2 est une variable continue, et déterminer sa densité.

La fonction FX 2 est continue, de classe C 1 sur R∗+ , X 2 est donc une v.a. continue et sa
densité vérie
√
1 −1 √
√

 
′ 1 −1 1
fX 2 (x) = FX 2 (x) = x fX
2 x + x fX − x 11{x>0} = x− 2 fX
2 x 11{x>0} .
2 2

6
4. En déduire la valeur de Z +∞
x−1/2 e−x/2 dx.
0

1
+∞ √
+∞
x− 2 √ 2
Z Z Z
1 x
fX 2 (x)dx = 1 ⇐⇒ x− 2 fX x dx = √ e− 2 dx = 1
R 0 0 2π
Z +∞ √
⇐⇒ x−1/2 e−x/2 dx = 2π.
0