Académique Documents
Professionnel Documents
Culture Documents
Probabilités
Fiche de TD n°2 - Éléments de correction
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.
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∗ ,
1
3. Le nombre de piles obtenus après n lancers.
Pour tout k ∈ {0, . . . , n},
1. Soit X une v.a. à valeurs entières dont la fonction de masse est dénie par
(a) Déterminer C ;
X
P (X = k) = 1 ⇐⇒ C = p.
k∈N∗
(c) Sachant que X est plus grande que N , quelle est la probabilité qu'elle soit plus grande
que 2N ?
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
2
(c) Exactement une ampoule a claqué durant chacun des trois premiers mois.
(d) Exactement une ampoule a claqué à la n du second mois et exactement deux ampoules
fonctionnent encore au début du cinquième mois.
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
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
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
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 .
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.
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
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,
2. Déterminer ces lois pour X uniforme sur − 21 , 12 et Y uniforme sur [−1, 1].
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