Mention Physique - L2 - Année 2011-2012

Licence de Sciences et Technologies

LP 207: Mathématiques pour physiciens 2

TD N◦6 : Probabilités, variables discrètes, dénombrements

I. Dénombrements et probabilités

A) Jeux

1. Dés indiscernables.
On lance 3 dés indiscernables. On s’intéresse au résultat indépendamment de l’ordre
(“configuration” des 3 dés) : ainsi, 124, 142, 421, etc comptent pour une configuration.
Combien y a-t-il de configurations possibles ? Rép. : Il y a 6 configs du type aaa, 6 × 5
du type aab, et 3!1 6 × 5 × 4 = C63 du type abc. Au total 56 configurations.

2. Blanches et noires.
Une urne contient 5 boules blanches indiscernables et 8 boules noires indiscernables. On
tire successivement 6 boules de l’urne en remettant chaque fois la boule tirée.

(a) Quel est le nombre de tirages possibles ? Rép. : si on veut dire le nombre de
résultats ordonnés possibles : 6 choix de B ou N : 26 ; si on veut le nombre de tirages,
c’est-à-dire le nombre total de fois où ces résultats sont atteints, N = 136 = 4 826 809.

(b) Combien de ces tirages amènent :

i. 5 boules noires et 1 boule blanche dans cet ordre ? Rép. : 85 × 5
ii. 1 boule noire au plus Rép. : 0 N : 56 + 1 N : 55 × 8 × 6 = 165 625.
iii. 3 boules blanches et 3 boules noires ? Rép. : 53 × 83 × 6!/(3!)2 = 1 280 000
iv. 1 boule blanche au moins ? Rép. : 0 B : 86 , donc ≥ 1 B : N − 86 = 136 − 86 =
4 564 665.

3. Boules discernables
On dispose dans une urne de 5 boules distinctes numérotées de 1 à 5. On tire trois fois
une boule et on la remet dans l’urne après chaque tirage. On note le résultat obtenu :
par exemple (1, 5, 1) indique qu’on a tiré la première fois la boule marquée 1, la deuxième
fois la boule marquée 5 et la troisième fois la boule marquée 1.

(a) Quel est le nombre de résultats (tirages) possibles (on tient donc compte de l’ordre
dans lequel les boules apparaissent) ? Rép. : 53 = 125
(b) Quel serait le nombre de résultats possibles si l’on ne tenait pas compte de l’ordre
d’apparition des chiffres (par exemple (1, 5, 1) serait le même résultat que (1, 1, 5)).
Rép. : cf exercice 1: 5 + 5 × 4 + 5 × 4 × 3/3! = 35.

1
 (c) Calculez la probabilité que l’on obtienne des chiffres tous différents. Rép. : Nombre
de configs de 3 chiffres différents C53 = 10 ; proba 3!C53 /53 = A35 /53 = 12/25.
(d) Calculez la probabilité que l’on obtienne des chiffres tous identiques. Rép. :
1
5/53 = 25 .
(e) Calculez la probabilité que la somme des chiffres obtenus soit égale à 6. Rép. :
nombre de “cas favorables” = coefficient de x6 dans (x + x2 + · · · + x5 )3 = coefficient
de x3 dans (1 + x + · · · + x4 )3 = coefficient de x3 dans 1/(1 − x)3 = coefficient de
∂ 2
x3 dans 21 ( ∂x ) (1 − x)−1 = coefficient de x3 dans 12 ( ∂x
∂ 2 5
) x = 10. Donc probabilité
3
= 10/5 = 2/25. Mais on a aussi vite fait d’énumérer les configs : 114 (3 tirages
ordonnés), 123 (3! tirages) et 222 (1 tirage), total 10 tirages.
(f) Calculez la probabilité que la somme des chiffres obtenus soit égale à 6 sachant que
le premier tirage a donné le résultat 1. Rép. : les configs sont 114 (2 tirages) et
123 ( 2 tirages), donc 4 tirages sur 25; probabilité = 4/52 .

4. 421.
Au jeu de dés du 421, où on lance trois dés simultanément et on s’intéresse au résultat à
l’ordre près, quelle est la probabilité de faire

(a) 421, c’est-à-dire un lancer de 4 2 1 quel que soit l’ordre des trois dés ? Rép. :
1
3!/63 = 36
1
(b) un “brelan”, c’est-à-dire un lancer de trois dés de même valeur ? Rép. : 6/63 = 36
.
(c) une “fiche”, 11x, quel que soit x 6= 1 ? Rép. : 5 × 3/63 : 5 pour le choix de x, 3
pour le dé qui donne x.
(d) une “tierce”, soit trois chiffres consécutifs ? Rép. : 4 × 3!/63 = 91 , avec 4 pour le
choix du début de la tierce : 123, 234, 345 ou 456.

5. Loto.
Quelle est la probabilité de trouver le bon tirage au loto ? (Rappel : on propose 5 nombres
différents entre 1 et 49 et un “numéro chance” entre 1 et 10.) Rép. : nombre de “cartes”
5
de 5 numéros et du “numéro chance” N = C49 × 10 = 19 068 840, probabilité d’une bonne
−8
carte = 1/N ≈ 5, 24 10 .

B) Autres problèmes de combinatoire

1. Bureau.
Une assemblée de 30 personnes doit élire un bureau composé de quatre membres (un
président, un vice-président, un secrétaire, un trésorier). Combien y a-t-il de bureaux
possibles, sachant que chacune des 30 personnes est éligible et à n’importe quel poste ?
Rép. : A430 = 30 × 29 × 28 × 27 = 657720.

2. Anniversaire commun

(a) Calculer la probabilité que les anniversaires de n personnes n’aient pas lieu le même
jour.
(b) En déduire la probabilité qu’au moins deux personnes parmi les n aient le même
jour anniversaire.

2
 Rép. : a) Négligeant les années bissextiles, le choix de l’anniversaire de la première
personne est 365, celui de la seconde 364, . . . , celui de la n-ième est 365 − n + 1. La
probabilité est donc pn = 365 · 364 · · · (365 − n + 1)/365n . b) La probabilité qu’au moins
deux personnes aient la même date est p0 = 1 − pn . Pour n  365 on approxime
pn ≈ 1 − 1+2+···+n−1
365
= 1 − n(n − 1)/730, donc p0 = 1 − pn ≈ n(n − 1)/730. Pour n = 20,
cette approximation donne p0 ≈ 380/730 ≈ 0, 52, en fait p0 = 0, 41. Dès n = 23, on a
p0 = 0, 507, plus d’une chance sur deux ! Pour n = 60, p0 = 0, 994, voir Figure .
1.0

0.8

0.6

0.4

0.2

10 20 30 40 50 60

Figure 1: Probabilité de même anniversaire dans un groupe de n individus, 1 ≤ n ≤ 65.

3. Boules dans des boı̂tes

(a) On veut calculer le nombre Nb,n de façons de répartir n boules dans b boı̂tes discern-
ables, chaque boı̂te pouvant contenir un nombre arbitraire de boules, et les boules
étant indiscernables. Montrer que Nb,n est égal au nombre de façons de placer b − 1
séparations entre les n boules alignées le long d’un axe. Donner l’expression de Nb,n .
n b−1
Rép. : Cn+b−1 = Cn+b−1
(b) Reprendre le calcul du a) en supposant maintenant les boules discernables. Rép. :
0
La première boule a b choix, la seconde aussi, etc, donc Nb,n = bn .
(c) ? Reprenons et généralisons le problème des configurations de 3 dés (exercice A.1).
En général si on tire p valeurs entre 1 et n, le nombre de configurations est donné
p
par Cn+p−1 , pourquoi ? Rép. P : Il s’agit de compter toutes les configurations
1m1 2m2 · · · nmn avec mi ≥ 0, mj = p. On représente une telle configuration par
1∗ ∗ ∗ 2 ∗
|{z} |{z} ∗ ∗ · · · n ∗ ∗
|{z}∗ donc à nouveau, comme dans le a) ci-dessus, il s’agit de placer
P m1 m2 mn
mj = p séparations entre les 1, · · · , n. Comme on démarre toujours avec un 1,
p
les p séparations sont entre n − 1 symboles, c’est bien Cn+p−1 , cqfd. Noter que dans
3
l’exercice I.A.1 p = 3, n = 6, C8 = 56 et dans le I.A.3.b, p = 3, n = 5, C73 = 35.

4. ? Configurations d’états excités en physique moléculaire.

Les niveaux d’énergie En d’un oscillateur harmonique quantique de fréquence ω sont
indexés par un nombre entier n = 0, 1, 2 · · · , avec En = (n + 12 )~ω. On dispose de b os-
cillateurs de même fréquence. Quelle
Pb est la “dégénérescence”
Pb (c’est-à-dire la multiplicité)
P
du niveau d’énergie totale E = i=1 Eni = i=1 (ni + 2 )~ω, si on se fixe n = bi=1 ni ?
1

Montrer
P que la question 3 (a) ou (c) fournit la réponse. Rép. : On a b nombres nni tels
que i ni = n, c’est le problème traité en 3.c, avec n 7→ b et p 7→ n, donc multipl=Cn+b−1 .

3
 II. Probabilités, indépendance, conditionnement

1. Le pari du chevalier de Méré1 .

Expliquer pourquoi le pari de l’apparition d’au moins un 6 lors du lancer de 4 dés
“honnêtes” est avantageux, tandis que le pari d’au moins un double 6 lorsque l’on lance
24 fois deux dés est désavantageux. Rép. : La probabilité de n’avoir aucun 6 dans un
lancer de 4 dés est de ( 56 )4 = 0, 482, donc le complémentaire, probabilité d’avoir au moins
un 6 est 0, 517 > 21 , pari avantageux ! La probabilité de n’avoir aucun double 6 dans une
2 24
série de 24 lancers de 2 dés est (6(6−1)
2 )24 = .5086 donc la probabilité d’au moins un double
6 est 0,4914, pari désavantageux!

2. Paradoxe de Galilée.
On désire lever, comme l’a fait Pascal, cet apparent paradoxe dû à Galilée. Au cours
d’un lancer de 3 dés, on observe que les totaux 9 et 10 peuvent être obtenus de six façons
différentes :

9 6-2-1 5-3-1 5-2-2 4-4-1 4-3-2 3-3-3

10 6-3-1 6-2-2 5-4-1 5-3-2 4-4-2 4-3-3

On observe pourtant que 10 est plus fréquemment obtenu que 9. Comment expliquer cet
apparent paradoxe ? Calculer les probabilités d’obtenir 9. resp. 10. Rép. : Il faut
tenir compte non seulement du nombre (six) de façons d’obtenir 9 ou 10, mais aussi du
nombre de configurations des 3 dés y conduisant, avec leurs répétitions. Une configuration
de 3 dés différents vient avec une fréquence plus élevée qu’une configuration avec 2 dés
identiques + 1 troisième, qui elle-même est plus fréquente qu’une configuration de 3 dés
identiques. Les configurations conduisant au 9 sont du même type que celle du 10, sauf
la dernière : 333 est moins fréquent que 433. Plus précisément, une configuration donnée
1
abc vient avec la probabilité 3 × 2 × 1/63 = 36 (choix du dé qui porte a, puis du dé
3 1
qui porte b etc), aab a la probabilité 3/6 = 72 et aaa a la probabilité 613 = 216 1
. Donc
1 1 1 25 1 1
P (9) = 3 36 + 2 72 + 216 = 216 et P (10) = 3 36 + 3 72 = 18 , P (10) − P (9) = 72
1 1
− 216 1
= 108 .

3. Fratrie
Un enquêteur fait un sondage auprès de familles ayant deux enfants. On suppose les
naissances des garçons et des filles équiprobables. L’enquêteur sonne à la porte. Une
petite fille vient lui ouvrir. Quelle est la probabilité qu’elle ait un frère? Rép. : Attention
il est faux de dire “évènements naissances de garçon et fille indép. donc p = 21 ”. Il faut
1
2
dire : P (G|F ) = P (G ∩ F )/P (F ) = 2
3 = 3
car sur les 4 cas possibles, FF, FG, GF, GG,
4
trois contiennent F, et 2 ont F et G.

1
un contemporain et correspondant de Pascal. . .

4
4. Puce (marche aléatoire sur une grille fixe)
Une puce se déplace par sauts successifs sur les sommets
et le centre de gravité d’un triangle équilatéral. Au temps
t = 0, elle est en O. Au temps t = 1 elle saute sur un des
sommets de façon équiprobable. Par la suite, elle saute
au temps t = n du point où elle se trouve en l’un des
autres points de façon équiprobable.

(a) Calculer la probabilité qu’elle revienne en O pour

A
la première fois au temps t = n. Rép. : No-
tons P (4, t) la probabilité de la puce d’être sur un
des sommets du triangle au temps t en n’étant pas
repassée par l’origine entre temps. On a P (4, 1) =
1, P (4, 2) = 23 , etc P (4, n − 1) = ( 23 )n−2 , donc
probabilité de premier retour à l’origine au temps
n : P (O, t = n) = 31 ( 23 )n−2 . O
(b) Calculer la probabilité de l’évènement “la puce re- B C
vient en O”. Commenter. Un théorème (Pólya,
1921) énonce qu’une marche aléatoire à 1 ou 2 di-
mensions repasse par l’origine, mais pas en 3 di-
mensions.P Rép. : La probabilité cherchée est
P (O) = ∞ 1 2 n−2
n=2 3 ( 3 ) = 1 (série géométrique). La
puce est certaine de repasser à l’origine dans le
futur !

5. Test de maladie
Un test servant à dépister une maladie grave vient d’être mis au point. Ses résultats,
annonce le fabricant, sont très fiables : si le sujet est malade, le test est positif dans
95% des cas; si le sujet n’est pas malade, le test donne un résultat négatif dans 9 cas sur
10. Sachant que la maladie en question ne frappe que 1% de la population quelle est la
probabilité pour un patient dont le test est positif d’être effectivement atteint ? Qu’en
concluez-vous ?
Rép. : Notons M , resp. S l’“évènement ” malade, resp. sain, et ± le résultat du test.
On donne P (+|M ) = 0.95, P (−|S) = 0.9, P (M ) = 0.01. Selon Bayes P (+|M ) = P (M ∩
99
+)/P (M ) d’où P (M ∩+) = 0.95×0.01. De même P (−|S) = P (−∩S)/P (S), P (S) = 100 ,
donc P (− ∩ S) = 0.9 × 0.99. Par ailleurs, toujours par Bayes, la probabilité cherchée est
P (M |+) = P (M ∩ +)/P (+), et P (+) = P (+ ∩ M ) + P (+ ∩ S) (évènements exclusifs)
donc P (+) = P (+ ∩ M ) + (P (S) − P (− ∩ S)) = 0.95 × 0.01 + (1 − 0.9) × 0.99 = 0.1085.
Finalement
0.95 × 0.01
P (M |+) = = 0.0875 .
0.1085
Malgré les apparences des chiffres de départ, le test est très mauvais ! Cela est dû au fait
que la maladie est rare, P (M ) = 0.01, ce qui impose aux tests une plus grande fiabilité.

5
 6. Canal binaire
Une ligne de transmission transmet des “1” et des “0”. a
0 0
Soit E le signal émis (signal aléatoire), et X le signal b
reçu. Soit p0 (p1 ) la probabilité qu’un “0” soit émis (re- c
spectivement un “1”).
Il y a des erreurs de transmission. On estime les proba- d
1 1
bilités conditionnelles de transmission :
a = P (X = 0|E = 0) b = P (X = 1|E = 0)
c = P (X = 0|E = 1) d = P (X = 1|E = 1)

(a) Déterminer P (X = 0), P (X = 1). Rép. : P (X = 0) = P (X = 0∩E = 0)+P (X =

0 ∩ E = 1) = P (X = 0|E = 0)P (E = 0) + P (X = 0|E = 1)P (E = 1) = ap0 + cp1 ,
et de même P (X = 1) = P (X = 1|E = 0)P (E = 0) + P (X = 1|E = 1)P (E = 1) =
bp0 + dp1
(b) On a reçu un “1”. Quelle est la probabilité qu’un “1” ait été émis ? Rép. :
P (E = 1|X = 1) = P (E = 1 ∩ X = 1)/P (X = 1) = P (X = 1|E = 1)P (E =
1)/P (X = 1) = bp0dp+dp
1
1

(c) Calculer Pe la probabilité d’erreur de transmission. Rép. : Pe = P (X = 1 ∩ E =

0) + P (X = 0 ∩ E = 1) = bp0 + cp1 .
Cas a = b = c = d = 1/2. Rép. : Pe = 12 (p0 + p1 ) = 21
Cas b = c = 0. Rép. : Pe = 0.

7. Dés défectueux
On dispose de 100 dés dont la moitié a été victime d’un défaut de fabrication et donne
le 1 avec une probabilité de 1/3. Un dé pris au hasard ayant fourni un 1, quelle est
la probabilité qu’il soit défectueux ? Rép. : Le tirage d’un dé sain ou d’un dé
défecteux sont des événements exclusifs, donc les probabilités s’ajoutent : P (1|dé sain) =
1
6
, P (1|dé défectueux) = 13 , P (1) = P (1|dé sain)P (dé sain)+P (1|dé défectueux)P (dé défectueux) =
1
6
× 12 + 31 × 12 = 41 . Donc la probabilité qu’un dé soit défectueux si on a tiré un 1 est
1
× 13
P (dé défectueux|1) = P (dé défectueux ∩ 1)/P (1) = 2
1 = 23 .
4

8. Théorème d’addition
Démontrer à partir du théorème d’addition des probabilités sa généralisation

P (A ∪ B ∪ C) = P (A) + P (B) + P (C) − P (A ∩ B) − P (B ∩ C) − P (A ∩ C) + P (A ∩ B ∩ C) .

Rép. : On itère la relation du th. d’addition :

P (A ∪ B ∪ C) = P (A ∪ B) + P (C) − P ((A ∪ B) ∩ C)
= P (A) + P (B) + P (C) − P (A ∩ B) − P ((A ∩ C) ∪ (B ∩ C))
= P (A) + P (B) + P (C) − P (A ∩ B) − P (B ∩ C) − P (A ∩ C) + P ((A ∩ C) ∩ (B ∩ C))
= P (A) + P (B) + P (C) − P (A ∩ B) − P (B ∩ C) − P (A ∩ C) + P (A ∩ B ∩ C)

Donner l’interprétation diagrammatique de cette identité.

6
 Mention Physique - L2 - Année 2011-2012
Licence de Sciences et Technologies
LP 207: Mathématiques pour physiciens 2

TD N◦7 : Variables aléatoires. Lois de probabilité

I. Lois de probabilité

1. Densité et fonction de répartition

Considérons la fonction F (x), définie par :
ex
F (x) = (x ∈ R)
ex + e−x
(a) Montrer que F est une fonction de répartition d’une v.a. réelle continue X. Rép.
: F (x) = 1 − 1+e1 2x est une fonction monotone croissante tendant vers 0 à −∞ et 1
à +∞.
2e2x 2
(b) Quelle est la densité f de X ? Rép. : f (x) = F 0 (x) = (1+e2x )2
= (ex +e−x )2

(c) Montrer que X est une v.a. réelle centrée. Rép. : f est une fonction paire donc
hXi = 0.
(d) Donner l’expression
R ∞de la2xvariance de X (on ne cherchera pas à calculer l’intégrale).
2
Rép. : varX = −∞ (ex +e−x )2 dx

2. Densité et fonction de répartition (2)

Soit la fonction de variable réelle x définie par f (x) = 0 sur ] − ∞, −q] ∪ [q, ∞[, f (x) =
k(x + q) sur ] − q, 0] et f (x) = −k(x − q) sur [0, q[ (k et q sont des constantes positives).

(a) Tracer le graphe de f (x). Déterminer pour quelle valeur de k cette fonction définit
une densité de probabilité pour une variable aléatoire continue X. Rép. : Graphe
de f = triangle −− /\−− . Normalisation kq 2 = 1 (= aire du triangle).
(b) Déterminer la fonction de répartition associée à f (x) et la tracer. Rép. : F (x) =
(x+q)2 2 2 2

2q 2
pour −q < x < 0 ; F (x) = q +2qx−x
2q 2
= 1 − (q−x)
2q 2
pour 0 < x < q ; 0 en deçà,
1 au delà.
(c) Calculer l’espérance de X : hXi. Rép. : f paire, donc hXi = 0.
q2
(d) Calculer la variance de X : var(X), puis son écart type σ. Rép. : var X = 6
,
σ = √q6 .
(e) Calculer la probabilité que X soit supérieur à hXi sachant que X est supérieur à
1−F (0)
−q/2. Rép. : P (X > 0|X > −q/2) = P (X > 0)/P (X > −q/2) = 1−F (−q/2)
=
1
2
7 = 47 .
8

1
 R∞
(f) ? Montrer que la limite de −∞ f (x)g(x)dx lorsque q tend vers 0 est g(0) lorsque g
est une fonction continue. Rép. : Argument qualitatif : quand q → 0, l’intervalle
R f (x) 6= 0 est de plus
où R en plus concentré au voisinage de 0 et on peut approximer
f (x)g(x)dx ' g(0) f (x)dx = g(0). Plus précisément,
R∞ même type d’argument que
dans le (f) de l’exercice suivant. On écrit I = −∞ f (x)(g(x)−g(0)+g(0))dx = g(0)+
R∞
I 0 avec I 0 = −∞ f (x)(g(x) − g(0))dx. Comme g est continue en 0, on peut rendre
Rη
|g(x) − g(0)| <  pour |x| < η. Donc I 0 = I10 + I20 , I10 = −η f (x)(g(x) − g(0))dx <
Rη R R
 −η f (x)dx < , et I20 = |x|>η f (x)(g(x) − g(0))dx = η<|x|<q f (x)(g(x) − g(0))dx
qui est nulle dès que q < η. Donc I 0 <  arbitrairement petit quand q → 0, I → g(0),
CQFD.

3. Lois exponentielles
i) Soit la fonction f (x) = Ce−ax pour x ≥ 0, f (x) = 0 si x < 0, avec a > 0. Quelle valeur
doit prendre la constante C ? Déterminer les moments qui existent et les calculer. Rép.

R
∂ k ∞ −ax0
: C = a, mk = C − ∂a 0
e dx0 = a−k k!.
ii) Soit la fonction à variable réelle x définie par f (x) = ke−α|x| (k et α sont des constantes
positives).

(a) Déterminer pour quelle valeur de k cette fonction définit une densité de probabilité
pour une variable aléatoire continue X. Rép. : 2k = α. Tracer f (x) avec α = 1.
Même question avec α = 5. Rép. : voir figure

0.8

0.6

0.4

0.2

!2 !1 1 2

Figure 1: loi exponentielle pour α = 1 et 5 : la plus pointue correspond à α = 5.

(b) Déterminer la fonction de répartition associée à f (x). La tracer pour α = 1 puis

pour α = 5. Rép. : F (x) = 12 eαx pour x ≤ 0, = 1 − 21 e−αx si x ≥ 0.
1.0

0.8

0.6

0.4

0.2

!4 !2 2 4

Figure 2: Fonction de répartition de la loi exponentielle pour α = 1.

(c) Calculer l’espérance (ou moyenne) de X . Rép. : hXi = 0 par symétrie.

2
(d) Calculer
√ la variance de X : var(X), puis son écart type σ. Rép. : varX = 2/α ,
σ = 2/α.
(e) Calculer la probabilité que X soit supérieur à α−1 + hXi sachant que X est supérieur
−1 )
à hXi. Rép. : P (X > α−1 + hXi|X > hXi) = P (X > α−1 |X > 0) = PP(X>α (X>0)
=
1−F (α−1 ) 1
1−F (0)
= e

2
 R∞
(f) ? Montrer que la limite de −∞ f (x)g(x)dx lorsque α tend vers +∞ est g(0) lorsque
Rg ∞est une fonction continue.
1
Interpréter à l’aide des dessinsRfaits au dessus. Rép. :
R ∞ −αx ∞
−∞
g(x)f (x)dx = 2
α 0
e (g(x) + g(−x)) = g(0) + 12 α 0 e−αx (g(x) + g(−x) −
2g(0)). Mais comme f est continue, ∀, ∃η R η : R|x| < η ⇒ |g(x) + g(−x) − 2g(0)| < .
∞
La deuxième intégrale est découpée en 0 + η . La première est < , la seconde
R∞
= e−ηα 0 e−αx (g(x+η)+g(−x−η)−2g(0)), l’intégrale est finie et le préfacteur e−ηα
assure que le tout tend vers 0 quand α → ∞. CQFD. L’interprétation graphique
R de plus en plus “piquée” au voisinage de 0 quand α → ∞ donc
est que la courbe est
l’intégrale ≈ g(0) f (x)dx = g(0).

4. Distribution de Lorentz
Une loi de probabilité importante en physique est la loi de Lorentz (parfois appelée
Cauchy-Lorentz) de densité :
 
γ 1
f (x) = (1)
π γ 2 + (x − x0 )2
R∞
(a) Montrer que f (x) est bien une densité de probabilité. Rép. : f > 0 et −∞ f (x)dx =
1
(b) Quel est le mode, (c’est-à-dire la valeur de x qui donne le maximum), de cette
distribution ? Rép. : mode = x0 Que caractérise le paramètre γ ? Rép. : γ
donne la largeur du pic.
R∞
(c) Montrer que la moyenne et la variance ne sont pas définies. Rép. : −∞ xm f (x)dx
est divergent pour m ≥ 1.

II. Exemples concrets

1. Durée de vie d’une savonnette

La durée d’utilisation d’une savonnette mesurée en jours est une variable aléatoire réelle,
T , dont la densité de probabilité est :

f (t) = λ2 te−λt (t ≥ 0)

où λ est un paramètre réel positif.

R∞
(a) Vérifier que f est bien une densité de probabilité. Rép. : 0
f (t)dt = 1.
(b) Déterminer la fonction de répartition F de la variable aléatoire T . Rép. : F (t) =
1 − e−λt (1 + tλ).
(c) On constate que hT i = 20 j. Déterminer λ et σ(T ). Rép. : Par des intégrations
par parties répétées on trouve hT i = λ2 , hT 2 i = λ62 . Donc hT i = 20 ⇒ λ = 0,1 j−1 ,
et var T = hT 2 i − hT i2 = λ22 . Une bonne méthode pour calculerR “économiquement”
∞
tous ces moments est d’introduire la fonction φ(α) = heαT i = 0 f (t)eαt dt, qui est
λ 2
telle que sa dérivée n-ième = φ(n) (0) = hT n i. Or ici φ(α) = (λ−α) 2 et les calculs des

moments deviennent aisés.

(d) Calculer la probabilité qu’une savonnette dure plus de 30 jours sachant qu’elle est
toujours là au bout de 10 jours. Rép. : P (T > 30|T > 10) = P (T > 30)/P (T >
10) = (1 − F (30))/(1 − F (10)) = e−20λ (1 + 30λ)/(1 + 10λ). Avec λ = 0, 1, p =
2e−2 = 0, 27.

3
2. Pile ou face

On dispose de n pièces identiques. On associe à la i-ème pièce la variable aléatoire Xi qui

prend la valeur 1 lorsque cette pièce tombe sur pile et 0 lorsqu’elle tombe sur face. On
suppose que la probabilité d’obtenir Xi = 1 (pile) est p et celle d’obtenir Xi = 0 (face)
est q = 1 − p. Les variables aléatoires Xi sont toutes indépendantes.

(a) Calculer l’espérance puis la variance de Xi . Rép. : hXi i = p · 1 + q · 0 = p ;

hXi2 i = p · 12 + q · 02 = p ; var Xi = hXi2 i − hXi i2 = p(1 − p).
Pn
(b) Donner la loi de probabilité de la variable aléatoire X = i=1 Xi . Rép. : loi
binomiale P (X = k) = pk q n−k Cnk .
P Pn
(c) Calculer nk=0 P (X = k). Interprétation ?Rép. : k n−k k
k=0 p q Cn = (p + q)n = 1,
probabilité totale =1.
(d) On appelle fonctionP génératrice associée à la variable aléatoire X la fonction de z
par φ(z) = nk=0 z k P (X = k). Montrer que φ(z) = (pz + q)n . Rép. :
définie P
φ(z) = nk=0 z k pk q n−k Cnk = (pz + q)n .
0
(e) Montrer P que la moyenne de X, hXi, est égale Pàn φ (1). En déduire hXi. Rép. :
n
φ (z) = k=0 kz P (X = k) donc φ (1) = k=0 kP (X = k) = hXi. Ici φ0 (1) =
0 k−1 0

np(p + q)n−1 = np.

P
(f) En calculant φ00 (1), déterminerPla variance de X. Rép. : φ00 (z) = nk=0 k(k −
1)z k−2 P (X = k) donc φ00 (1) = nk=0 (k 2 −k)P (X = k) = hX 2 −Xi = var(X)+hXi2 −
hXi. Donc varX = φ00 (1) − φ0 (1)2 + φ0 (1). Ici φ00 (1) = n(n − 1)p2 = np − np2 = npq,
expression déjà trouvée en cours pour la loi binomiale.
(g) Quelle est la probabilité que l’on obtienne au moins k0 fois pile : P (X ≥ k0 ). Faites
l’application
Pn numérique pour p = 1/2, n = 5 et k0 = 4. Rép. : P (X ≥ k0 ) =
k=k0 p q Cn . Pour p = 1/2, n = 5 et k0 = 4, P (X ≥ 4) = ( 21 )5 (C54 + C55 ) = 16
k n−k k 3
.

3. Durée de vie d’un appareil

On met en service un appareil à l’instant t = 0. Il cesse de fonctionner à l’instant aléatoire
T , durée de vie de l’appareil. Soient F (x) la fonction de répartition de T et f (x) sa densité.

(a) Exprimer en fonction de F et f la fonction de répartition FT >t (x) = P (T < x|T > t)
et la densité fT >t (x) de la v.a. T conditionnée par T > t. Rép. : F (x) = P (T < x),
FT >t (x) = P (T < x|T > t) = PP(t≤T <x)
(T >t)
= F (x)−F (t)
1−F (t)
d
pour t ≤ x ; f (x) = dx F (x) et
d f (x)
donc aussi fT >t (x) = F (x)
dx T >t
= 1−F (t)
.
(b) On considère un système dont la densité de probabilité de panne à l’instant t, sachant
qu’il fonctionnait jusqu’à l’instant t, est une constante. Déterminer F (t) et f (t)
définissant la loi de l’instant de la panne. Interpréter dans ce cas fT >t (t+x).Calculer
la durée de vie moyenne (ou espérance de vie) hT i. Rép. : On suppose donc
f (t) F 0 (t)
fT >t (t)dt = P (t < T < t + dt|T > t) = αdt = 1−F (t)
dt = 1−F (t)
dt, F (t) satisfait
0
F (t)
donc une équa diff 1−F (t)
= α avec la c.i. F (0) = 0, d’où F (t) = 1 − e−αt , puis
f (t) = αe−αt ; fT >t (t+x) est la densité de probabilité que l’appareil, qui fonctionnait
à l’instant t, cesse de fonctionner à l’instant
R∞ ultérieur t + x. On calcule fT >t (t + x) =
αe . Durée de vie moyenne hT i = 0 tf (t)dt = α1 .
−αx

(c) On connecte deux appareils A1 et A2 , de durées de vie aléatoires T1 et T2 indépendantes

et de densités f1 et f2 , pour former un système de durée de vie T . Déterminer les
fonctions F (t) et f (t) relatives au temps T dans le cas où A1 et A2 sont connectés

4
 • en série (le système fonctionne si A1 et A2 fonctionnent). Rép. : F (s) (x) =
P (T < x) = P ((T1 < x) ∪ (T2 < x)) = P (T1 < x) + P (T2 < x) − P ((T1 < x) ∩
(T2 < x)) = F1 (x) + F2 (x) − F1 (x)F2 (x), ou encore, en regardant les probabilités
complémentaires P (T > x) = P ((T1 > x) ∩ (T2 > x)) = (1 − F1 (x))(1 − F2 (x)),
d’où F (s) (x) = 1 − P (T > x) = 1 − (1 − F1 (x))(1 − F2 (x)) = etc. f (s) (x) =
0
F (s) (x) = f1 (x)(1 − F2 (x)) + f2 (x)(1 − F1 (x)).
• en parallèle (le système fonctionne si A1 ou A2 fonctionne(nt)). Rép. :
F (p) (x) = P (T < x) = P ((T1 < x) ∩ (T2 < x)) = F1 (x)F2 (x). f (p) (x) =
0
F (p) (x) = f1 (x)F2 (x)) + f2 (x)F1 (x).
(d) Calculer l’espérance de vie du système dans les deux cas précédents, si α1 = α2
(αi étant l’inverse de la durée de vie moyenne de l’appareil i). Rép. : F (s) (x) =
1
1 − e−(α1 +α2 )x ; hT (s) i = α1s = α1 +α 2
≤ α1i = hT (i) i, i = 1 ou 2 ;
F (p) (x) = (1 − e−α1 x )(1 − e−α2 x ) = (1 − e−α1 x ) + (1 − e−α2 x ) − (1 − e−(α1 +α2 )x ) ;
hT (p) i = α1p = α11 + α12 − α1 +α
1
2
≥ α1i . On a bien hT (p) i ≥ hT (i) ii=1,2 ≥ hT (s) i ce à quoi
on s’attendait.
4. Paradoxe de Bertrand
Soit un cercle de rayon R. Quelle est
√ la longueur a du côté du triangle équilatéral ABC
inscrit dans ce cercle ? Rép. : a = 3R. On se propose d’étudier l’évènement E suivant :
une corde tracée au hasard a une longueur ` supérieure à a. Quelle est la probabilité de
E ? Trois raisonnements différents vont conduire à trois résultats différents !
C

!
M
.Q
A A’
O O P

B
Figure 3: Trois définitions d’une “corde aléatoire”

(a) On fixe une extrémité de la corde en A, l’autre extrémité M a une densité uniforme
sur le cercle. Montrer que E est réalisé sissi M appartient à l’arc BC. En déduire la
probabilité p1 de cet évènement. Montrer que l’angle θ = OAM\ a une distribution
uniforme et trouver la relation entre ` et θ ; en déduire la densité de probabilité
de `. Comment retrouve-t-on la probabilité p1 à partir de cette densité ? Rép. :
p1 = 13 . L’angle au sommet OAM \ est la moitié de l’angle au centre A \0 OM qui a

une distribution uniforme par hypothèse et on a ` = 2R cos θ. Calculons la densité

de probabilité de ` à partir de celle (constante) de θ : f (θ) = π1 , − 12 π ≤ θ ≤ 12 π
et ` = 2R cos θ ; si la fonction θ 7→ ` était monotone, on écrirait f1 (`) = f (θ) dθ
d`
,
mais ceci n’est vrai que sur la moitié de l’intervalle en θ : il y a deux valeurs ±θ
qui donnent la même valeur de ` et ilRfaut donc multiplier f1 par un facteur 2 d’où
2R
f1 (`) = π2 2 1 2 1 , et on a bien p1 = a f1 (`)d` = 13 .
(4R −` ) 2
(b) On se donne un rayon quelconque du cercle et un point aléatoire P sur ce rayon avec
une densité uniforme. On construit la corde dont ce rayon est la médiatrice. Dans
quel intervalle P doit-il varier pour que l’évènement E soit réalisé ? En déduire la
probabilité p2 de cet évènement et calculer la densité de probabilité de `. Vérifier
comme en a) le calcul de p2 . Rép. : P ∈ au segment 0 ≤ x ≤ 12 R du rayon, donc
√
p2 = 12 ; ` = 2 R2 − x2 donc f2 (`) = f (x) dx d`
, 0 ≤ x ≤ R, f (x) = R1 (densité de x
1 √ `
R 2R
supposée uniforme), d’où f2 (`) = 2R 4R2 −`2
et on a bien p2 = a f2 (`)d` = 12 . .

5
 (c) Soit un point Q choisi de façon aléatoire à l’intérieur du disque, avec une densité
uniforme, et la corde dont il est le milieu. Comment construit-on géométriquement
cette corde ? Chercher à quelle région du disque Q doit appartenir pour que E soit
réalisé. En déduire la probabilité p3 de cet évènement, puis calculer la densité de
probabilité de `. Vérifier comme en a) le calcul de p3 . Rép. : On construit le cercle
de centre O passant par Q, la corde est la tangente en Q. La corde est plus longue
que a si le point est situé à l’intérieur d’un disque concentrique de rayon R/2. L’aire
de ce disque est le quart de celle du grand disque. La probabilité est donc p3 = 14 .
Soit r le rayon du “petit” cercle, 0 ≤ r ≤ R, avec une densité f (r) = R22 r ; on a
√ R 2R
` = 2 R2 − r2 et on calcule donc f3 (`) = f (r) dr d`
= 2R` 2 ; p3 = R√3 f3 (`)d` = 14 .

Ce paradoxe souligne que le problème de départ est mal posé. Ce que l’on entend par
corde “tracée au hasard” n’est pas bien défini !

6
 Mention Physique - L2 - Année 2011-2012
Licence de Sciences et Technologies
LP 207: Mathématiques pour physiciens 2

TD N◦8 : Lois de probabilité classiques

1. Marche aléatoire.
Un mobile évolue de façon aléatoire le long d’un axe gradué. À t = 0 il est en 0 ; à chaque
instant entier t = k, (k ≥ 0), son abscisse varie de +1 avec la probabilité p et de −1 avec
la probabilité q = 1 − p. On note Xn son abscisse au temps t = n.
(a) Montrer que les valeurs prises par Xn sont les entiers relatifs 2k − n (0 ≤ k ≤ n).
Calculer P (Xn = 2k − n). Rép. : P (Xn = 2k − n) = pk q n−k Cnk
Xn + n
(b) On pose Yn =
2
i. Reconnaı̂tre la loi de Yn . Rép. : P (Yn = k) = P (Xn = 2k − n) = pk q n−k Cnk ,
loi binomiale.
ii. Donner hYn i et var(Yn ). Rép. : hYn i = np, var(Yn ) = npq (voir cours).
iii. En déduire hXn i puis var(Xn ). Rép. : Xn = 2Yn − n donc hXn i = 2hYn i − n =
n(p − q), var(Xn ) = 4var(Yn ) = 4npq.
(c) Pour quelle valeur de p la v.a. est-elle centrée ? Ce résultat vous étonne-t-il ? Rép.
: p = q = 21 bien sûr ! probabilités égales d’aller à gauche ou à droite.
2. Péage d’autoroute (loi de Poisson).
Un péage d’autoroute comporte m guichets. On suppose que le nombre N de voitures
arrivant en 1 heure suit la loi de Poisson de paramètre λ. On suppose, de plus, que les
conducteurs choisissent leur poste au hasard, et que ces choix sont indépendants. Soit Xi
(1 ≤ i ≤ m), le nombre de voitures passant par le poste numéro i .
(a) En calculant successivement P (Xi = k|N = n) , ((k, n) ∈ N2 ), puis P (Xi = k),
n−k
déterminer la loi de Xi . Rép. : P (Xi = k|N = n) = n!(m−1) k!(n−k)!mn
somme des

n−k
probabilités des Cnk évènements exclusifs, chacun ayant la probabilité m1k m−1
m
=
n−k n λn −λ n!(m−1)n−k λn −λ
(m − 1) /m ; P (N = n) = n! e , donc P (Xi = k ∩ N = n) = k!(n−k)!mn n! e ,
∞
X
P (Xi = k) = P (Xi = k ∩ N = n) (1)
n=k
∞
e−λ λk X λn−k (m − 1)n−k
= (2)
k! mk n=k (n − k)!mn−k
λ  k
e−λ λk λ m−1 e− m λ
= e m = (3)
k! mk k! m
(4)
qui est la loi de Poisson de paramètre λ/m.

1
 λ
(b) Donner hXi i et var(Xi ). Rép. : hXi i = var(Xi ) = m

3. Distribution des vitesses de Maxwell-Boltzmann

A l’équilibre thermodynamique, la fonction de distribution des modules des vitesses v des
molécules d’un gaz est donnée par :
 m 3/2 mv 2
f (v) = 4π v 2 exp (− )
2πkT 2kT
(a) La fonction
R∞ f (v) est-elle une densité de probabilité? Rép. : Oui, car on vérifie
que 0 f (v)dv = 1. La loi f (v) sur le module v de la vitesse ~v provient de la
réexpression en coordonnées sphériques (v, θ, φ) de la loi normale sur ~v : fvect (~v ) =
m

3/2 v2
2πkT
exp (− m~
2kT
), elle même produit de trois lois normales sur les trois com-
m

1/2 mv 2
posantes vx , vy , vz , fi (vi ) = 2πkT exp(− 2kTi ) ; on a écrit dvx dvy dvz = v 2 dv sin θdθdφ,
et on a intégré sur les variables angulaires θ, φ, d’où le facteur 4π supplémentaire.
(b) Quelle est le mode u de cette distribution ? (c’est-à-dire la valeur de la vitesse la
plus p
probable) Rép. : Le zéro de la dérivée de f (v) donc le “mode” est tel que
v = 2/κ où κ = m/kT
(c) Quelle estpla vitesse moyenne? la vitesse
p quadratique moyenne? l’écart type ? Rép.
: hvi = 2 2/πκ, hv 2 i = 3/κ, σ = (3 − 8/π)/κ.

4. Calculs de moments de la loi gaussienne.

x2 1
a. En “complétant le carré”, c’est-à-dire en écrivant l’identité 2σ 2
− bx = 2σ 2
(x − bσ 2 )2 −
1 2 2
b σ , montrer que
2 Z ∞
x2 1 2 2
φ(b) = dx e− 2σ2 +bx = Ce 2 b σ
−∞

avec une constante C que l’on déterminera. Rép. : Après changement de variable, on
R u2 √
se ramène à une intégrale gaussienne du e− 2σ2 , donc C = 2πσ 2 .

b. Par dérivation par rapport à b, calculer les moments mk = hxk i de la distribution

P∞ mk k dk
gaussienne : montrer que φ(b) = k=0 k! b , ou encore dbk φ(b) b=0 = mk . La fonc-
tion φ(b) est dite fonction génératrice
 2 des  moments . Calculer explicitement
 m22 et m4 .
R +∞ x
R +∞ x
Rép. : φ0 (b) = −∞ dx x exp − 2σ2 + bx , . . . , φ(k) (b) = −∞ dx xk exp − 2σ 2 + bx ,
R  2

+∞ x
donc φ(k) (0) = −∞ dx xk exp − 2σ 2 = C mk . De plus, φ(b) = C exp 12 b2 σ 2 , φ0 (b) =
bσ 2 φ(b), φ00 (b) = bσ 2 φ0 (b) + σ 2 φ(b), φ000 (b) = bσ 2 φ0 (b) + 2σ 2 φ(b), ce qui suggère la re-
lation générale φ(k) (b) = bσ 2 φ(k−1) (b) + (k − 1) σ 2 φ(k−2) (b), qu’on vérifie facilement par
récurrence. On a alors, φ(0) = C, φ0 (0) = 0 (donc moment d’ordre 1 est nul, car la
gaussienne est une fonction paire), d’où on déduit que toutes les dérivées impaires de φ
évaluées à zero sont nulles, et par consequent tous les moments impairs sont nuls. Pour
k = 2` pair, on trouve φ(2`) (0) = 1 × 3 × ... × (2` − 1) σ 2` φ(0), et donc m2` = φ(`) (0)/C =
1 × 3 × ... × (2` − 1) σ 2` = (2` − 1)!! σ 2` = (2`)!/(2` (`)!) σ 2` . Pour k = 2, m2 = σ 2 , et pour
k = 4, m4 = 3σ 4 , etc.

2
5. Loi multinomiale
On considère une généralisation de la loi binomiale P où la v.a. X peut prendre v valeurs
`1 , · · · , `v avec des probabilités p1 , · · · , pv , i pi = 1. La probabilité d’avoir ki tirages de
X = `i en N essais est
N!
P (k1 , k2 , · · · , kv ) = pk1 · · · pkvv (5)
k1 ! · · · kv ! 1
N!
Les coefficients k1 !···kv !
sont les coefficients multinomiaux.

(a) Démontrer que CNk1 CNk2−k1 · · · CNkv−k1 −···−kv−1 = N!

k1 !···kv !
puis démontrer l’identité
v
X X Yv

N N! k
xj = xj j (6)
j=1 k1 ,··· ,kv ≥0,
k1 ! · · · kv ! j=1
P
j kj =N

qui généralise à k variables x1 , xx , · · · , xk l’identité du binôme. Rép. : Il y a CNk1

choix des k1 puissances de x1 parmi les N facteurs, puis CNk2−k1 choix des k2 termes
x2 parmi les N − k1 facteurs restants, etc.
(b) Justifier la loi (5). Cette loi est-elle bien normalisée ? Rép. : Il y a CNk1 choix
des k1 X = `1 parmi les N , chacun avec la probabilité pk11 , puis CNk2−k1 choix des k2
X = `2 parmi les N − k1 restants, etc. Normalisation grâce à l’identité (6).
(c) Calculer la loi P (ki ) pour un i fixé. De quelle loi s’agit-il ? Calculer la valeur
moyenne hki i et sa variance. Rép. :

pki i X Y pkj j
P (ki ) = N! (7)
ki ! kj , j6=i j6=i
kj !
P
j6=i kj =N −ki

pki i N! X Y pkj j
= (N − ki )! (8)
ki ! (N − ki )! kj , j6=i j6=i
kj !
P
j6=i kj =N −ki

(6) N!
= pki (1 − pi )N −ki , (9)
(N − ki )!ki ! i

c’est la loi binomiale donc hki i = N pi , var ki = N pi (1 − pi ).

(d) Applications au jeu de dés. Rép. : v = 6, N lancers, probabilité d’une configuration
de k1 fois 1, etc, k6 fois 6 (sans tenir compte de l’ordre) donnée par P (k1 , k2 , · · · , k6 ),
en principe p1 = · · · = p6 = 16 .