M1.6.

1 Probabilités
Corrigé TD3

v0.1

23 juillet 2017
ENSIAS M1.6.1 – Probabilités Corrigé TD3

Exercice 1. Une paire de dé à quatre faces (1, 2, 3, 4) est lancée une seule fois. X est
la variable aléatoire discrète représentant le produit des faces inférieures des dés.
Déterminer la variance conditionnelle de X 2 sachant que la somme des faces est plus
grande que leur produit.

Exercice 2. Les variables aléatoires X et Y sont décrites par leur densité conjointe :

K si x + y ≤ 1, x > 0, y > 0
fX,Y (x, y) = 
0 sinon

(a) X et Y sont-elles indépendantes ?

(b) X et Y sont-elles conditionnellement indépendantes sachant que max(X, Y ) ≤
0.5 ?
(c) Soit R = XY . Calculer E(R).
(d) Si A et B sont les évènements «2(Y − X) ≥ Y + X» et «Y ≥ 34 », calculer
P (A), P (B), P (ĀB), P (ĀB̄). Déterminer et faire le diagramme de la densité
conditionnelle fX|ĀB̄ (x|ĀB̄).

Exercice 3. Les variables aléatoires X et Y ont la densité conjointe :


Ax si 1 ≤ x ≤ y ≤ 2
fX,Y (x, y) = 
0 sinon

(a) Calculer A.
(b) Calculer la fonction densité de probabilité de Y : fY (y).
[ ]
1 3
(c) Quelle est E X
Y = 2
?
(d) Quelle est fZ (z), la densité de probabilité de la variable aléatoire Z = X − Y ?

Exercice 4. Un ensemble a un cardinal de n éléments. On choisit de façon aléatoire et

équiprobable un sous-ensemble non vide. Soit X la variable aléatoire discrète, cardinal
du sous-ensemble choisi.
(a) Montrer que
n
E(X) = ( )n−1
2 − 12
n22n−2 − n(n + 1)2n−2
V ar(X) =
(2n − 1)2
(b) Montrer que pour n → +∞, V ar(X) ≃ n4 . Comparer ce résultat avec la forme
limite que prend V ar(Y ) pour P (Y = i) = n1 .
On démontrera ou on utilisera les égalités suivantes :
∑
n ∑
n
kCkn = n2n−1 et k 2 Ckn = n(n + 1)2n−2
k=1 k=1

v0.1 page 1 / 16 23-07-2017

ENSIAS M1.6.1 – Probabilités Corrigé TD3

Exercice 5. Les variables aléatoires X et Y sont décrites par la densité conjointe :


1 si 0 ≤ x ≤ 1, 0 ≤ y ≤ 1
fX,Y (x, y) =
0 sinon

et la variable Z est définie par Z = XY .

Déterminer le second moment conditionnel de Z sachant que l’équation r2 +xr+y = 0
a des racines réelles en r.

Exercice 6. Les variables aléatoires indépendantes X et Y sont décrites par leur densité
marginale :
1 z2
fX (z) = fY (z) = √ e− 2 avec z ∈ R
2π
Y
Déterminer la loi de Q = X
. Calculer E(Q) et V ar(Q).

Exercice 7. Une pièce de monnaie a p pour probabilité de tomber sur face. On la lance
indéfiniment. Calculer l’espérance du nombre de jets qu’il faudra jusqu’à ce qu’une
chaine de r résultats consécutifs de type face apparaisse.

v0.1 page 2 / 16 23-07-2017

ENSIAS M1.6.1 – Probabilités Corrigé TD3

Exercice 1. Une paire de dé à quatre faces (1, 2, 3, 4) est lancée une seule fois. X est
la variable aléatoire discrète représentant le produit des faces inférieures des dés.
Déterminer la variance conditionnelle de X 2 sachant que la somme des faces est plus
grande que leur produit.

Solution.
Soient X1 et X2 les faces inférieures des deux dés, respectivement. X est leur produit :
X = X 1 X2 .
Soit Y = (X1 + X2 > X). On veut calculer V (X 2 |Y ).
On a X(Ω) = {1, 2, 3, 4, 6, 8, 9, 12, 16}.
k 1 2 3 4 6 8 9 12 16
1 2 2 3 2 2 1 2 1
P (X = k) 16 16 16 16 16 16 16 16 16

On a
V (X 2 |Y ) = E(X 4 |Y ) − E(X 2 |Y )2
Calculons E(X 2 |Y ) et E(X 4 |Y ) :
∑
E(X 2 |Y ) = x2 P (X = x|Y )
x∈X(Ω)
1 ∑
= x2 P (X = x et Y )
P (Y ) x∈X(Ω)
16 2 1 2 2 2
= (1 × + 22 × + 22 × + 22 × )
7 16 16 16 16
25
=
7

∑
E(X 4 |Y ) = x4 P (X = x|Y )
x∈X(Ω)
1 ∑
= x4 P (X = x et Y )
P (Y ) x∈X(Ω)
16 4 1 2 2 2
= (1 × + 24 × + 24 × + 24 × )
7 16 16 16 16
97
=
7
1 2 2 2 7
ceci avec P (Y ) = 16
+ 16
+ 16
+ 16
= 16
.
Alors ( )2
97 25 54
V (X 2 |Y ) = − =
7 7 49

v0.1 page 3 / 16 23-07-2017

ENSIAS M1.6.1 – Probabilités Corrigé TD3

Exercice 2. Les variables aléatoires X et Y sont décrites par leur densité conjointe :

K si x + y ≤ 1, x > 0, y > 0
fX,Y (x, y) =
0 sinon
(a) X et Y sont-elles indépendantes ?

Solution.
On calcule d’abord K. On a
∫∫
fX,Y (x, y) dx dy = 1
R2
et [ ]1
∫ 1 ∫ 1−y ∫ 1
(1 − y)2 K
K dx dy = K (1 − y) dy = K − =
0 0 0 2 0
2
K
et donc 2
= 1 et K = 2.

Soit T = {(x, y)|x + y ≤ 1, x > 0, y > 0}.

On a ∀x ∈]0, 1[,
∫ ∫ 1−x
fX (x) = fX,Y (x, y) dx = 2 dx = 2(1 − x)
R 0

donc 
2(1 − x) si 0 < x < 1
fX (x) =
0 sinon
Puisque x et y jouent des rôles symétriques, on a aussi

2(1 − y) si 0 < y < 1
fY (y) =
0 sinon

v0.1 page 4 / 16 23-07-2017

ENSIAS M1.6.1 – Probabilités Corrigé TD3

On a pour (x, y) = ( 12 , 21 ) ∈ T ,
( ) ( ) ( )
1 1 1 1
fX fY = 1 et fX,Y , =2
2 2 2 2
donc ( ) ( ) ( )
1 1 1 1
fX fY ̸= fX,Y ,
2 2 2 2
et donc X et Y sont dépendantes.

(b) X et Y sont-elles conditionnellement indépendantes sachant que max(X, Y ) ≤ 0.5 ?

Solution.
Soit E = (max(X, Y ) ≤ 0.5). On a

E ⇐⇒ X ≤ 0.5 et Y ≤ 0.5

Soit C = {(x, y)|0 < x, y ≤ 0.5}.

(X|E) et (Y |E) sont définies sur T ∩ C = C car C ⊂ T .
On a ∀(x, y) ∈ C,
fX,Y (x, y)
fX,Y |E (x, y) =
P (E)
et ∫∫ ∫ 1∫ 1
1 2 2 1
P (E) = P (X, Y < ) = f (x, y) dx dy =
2 X,Y
2 dx dy =
2 1
]0, 2 [ 0 0 2
donc 
4 si (x, y) ∈ C
fX,Y |E (x, y) =
0 sinon

On a ∀ 0 < x < 12 ,
∫ ∫ 1
2
fX|E (x) = fX,Y |E (x, y) dx = 4 dx = 2
R 0

donc 
2
si 0 < x < 1
2
fX|E (x) =
0 sinon

Symétriquement, on a 
2 si 0 < y < 1
2
fY |E (y) =
0 sinon

Finalement, on a ∀(x, y) ∈ R2 ,

fX|E (x)fY |E (y) = fX,Y |E (x, y)

et donc X et Y sont conditionnellement indépendantes sachant E.

v0.1 page 5 / 16 23-07-2017

ENSIAS M1.6.1 – Probabilités Corrigé TD3

(c) Soit R = XY . Calculer E(R).

Solution.
On a

E(R) = E(XY )
∫∫
= xyfX,Y (x, y) dx dy
R2
∫ 1 ∫ 1−x
= 2xy dx dy
0 0
∫ 1 (∫ 1−x )
= x 2y dy dx
0 0
∫ 1
= x(1 − x)2 dx
0
= ...
7
=
12

(d) Si A et B sont les évènements «2(Y − X) ≥ Y + X» et «Y ≥ 43 », calculer P (A),

P (B), P (ĀB), P (ĀB̄). Déterminer et faire le diagramme de la densité conditionnelle
fX|ĀB̄ (x|ĀB̄).

Solution.
On a
A ⇐⇒ Y ≥ 3X
donc
A = {(x, y) | y ≥ 3x, x + y ≤ 1, x > 0, y > 0} = A1 ∪ A2
en posant
3
A1 = {(x, y) | x > 0, y ≥ , x + y ≤ 1}
4
3
A2 = {(x, y) | x > 0, 0 < y < , y ≥ 3x}
4
avec A1 ∩ A2 = ∅.
Donc
P (A) = P (A1 + A2 ) = P (A1 ) + P (A2 )

v0.1 page 6 / 16 23-07-2017

ENSIAS M1.6.1 – Probabilités Corrigé TD3

On a
∫∫ ∫ 1 ∫ 1−y ∫ 1
1
P (A1 ) = fX,Y (x, y) dx dy = 2 dx dy = 2(1 − y) dy =
A1 3
4
0 3
4
16
∫∫ ∫ 3 ∫ y ∫ 3
4 3 4 y 3
P (A2 ) = fX,Y (x, y) dx dy = 2 dx dy = 2 dy =
A2 0 0 0 3 16
donc
1
P (A) =
4
Et puisque B = A1 (dans T ), on a
1
P (B) =
16
On a
P (ĀB) = P ((A1 + A2 )B) = P (Ā1 Ā2 B) = P (∅A2 ) = P (∅) = 0
ceci car A1 = B.
On a
1
P (ĀB̄) = P (A + B) = P (A) =
4
ceci car B ⊂ A.

On a ĀB̄ = Ā, car B ⊂ A =⇒ Ā ⊂ B̄.

Alors ∀(x, y) ∈ Ā (il ne faut pas oublier que la complémentarité est dans T ),
∫
fX|ĀB̄ (x) = fX,Y |ĀB̄ (x, y) dy
R

v0.1 page 7 / 16 23-07-2017

ENSIAS M1.6.1 – Probabilités Corrigé TD3

On a ∀(x, y) ∈ Ā,
fX,Y (x, y) 2 8
fX,Y |ĀB̄ (x, y) = = 3 =
P (ĀB̄) 4
3
ceci avec P (ĀB̄) = P (Ā) = 1 − P (A) = 34 .
On a Ā = A3 + A4 , avec
1
A3 = {(x, y) | 0 < x < , y > 0, y < 3x}
4
1
A4 = {(x, y) | x ≥ , y > 0, x + y ≤ 1}
4
avec A3 ∩ A4 = ∅.

Alors
∫ 3x
 8

 dy si 0 < x < 1

 3 4

 0

∫
1−x 8
fX|ĀB̄ (x) =  dy si 1
≥x<1

 3 4

 0




0 sinon


 si 0 < x < 14
8x

fX|ĀB̄ (x) =

8
3
(1 − x) si 41 ≥ x < 1


0 sinon

v0.1 page 8 / 16 23-07-2017

ENSIAS M1.6.1 – Probabilités Corrigé TD3

Le diagramme de densité de fX|ĀB̄ est représenté sur la figure suivante :

Exercice 3. Les variables aléatoires X et Y ont la densité conjointe :


Ax si 1 ≤ x ≤ y ≤ 2
fX,Y (x, y) =
0 sinon

(a) Calculer A.

Solution.
On a ∫∫
fX,Y (x, y) dx dy = 1
R2
et ∫∫ ∫ 2∫ 2 ∫ 2
2
fX,Y (x, y) dx dy = Ax dx dy = A x(2 − x) dx = A
R2 1 x 1 3
donc A 23 = 1 et A = 3
2
.

(b) Calculer la fonction densité de probabilité de Y : fY (y).

Solution.
On a ∀1 ≤ y ≤ 2, ∫ y
3 3
fY (y) = x dx = (y 2 − 1)
1 2 4

v0.1 page 9 / 16 23-07-2017

ENSIAS M1.6.1 – Probabilités Corrigé TD3

donc 
 3 (y 2 − 1) si 1 ≤ y ≤ 2
4
fY (y) =
0 sinon

[ ]
1 3
(c) Quelle est E X
Y = 2
?

Solution.
On a ∀1 ≤ x ≤ 32 ,
( ∫ ) ( )
1 3 1 3
E Y = = fX|Y x dx
X 2 R x 2
On a ∀1 ≤ x ≤ y ≤ 2 (avec y ̸= 1),
3
fX,Y (x, y) x 2x
fX|Y (x|y) = = 3 22 = 2
fY (y) 4
(y − 1) y −1

donc ∀1 ≤ x ≤ 32 ,
( )
3 2x 8
fX|Y x = ( )2 = x
2 3
−1 5
2
.
Alors ( ∫ ) 3
1 3 2 1 8 4
E Y = = × x dx =
X 2 1 x 5 5

(d) Quelle est fZ (z), la densité de probabilité de la variable aléatoire Z = X − Y ?

Solution.
On a Z ∈ [−1, 0].
On a ∀1 ≤ y ≤ 2,

F−Y (y) = P (−Y < y) = P (Y > −y) = 1 − FY (−y)

donc
′
F−Y (y) = f−Y (y) = fY (−y) = fY (y)
(la dernière étape car fY est paire), donc −Y ≡ Y .
Z est la somme de X et −Y . On a ∀ − 1 ≤ z ≤ 0,
∫ ∫ 2+z
3 3
fZ (z) = fX,Y (x, x − z) dx = x dx = (z + 1)(z + 3)
R 1 2 2
ceci avec
1 ≤ x ≤ x − z ≤ 2 ⇐⇒ 1 ≤ x ≤ 2 + z
car −1 ≤ z ≤ 0.

v0.1 page 10 / 16 23-07-2017

ENSIAS M1.6.1 – Probabilités Corrigé TD3

Alors 
 3 (z + 1)(z + 3) si − 1 ≤ z ≤ 0
2
fZ (z) =
0 sinon

Exercice 4. Un ensemble a un cardinal de n éléments. On choisit de façon aléatoire et

équiprobable un sous-ensemble non vide. Soit X la variable aléatoire discrète, cardinal
du sous-ensemble choisi.
(a) Montrer que
n
E(X) = ( )n−1
2 − 12
n22n−2 − n(n + 1)2n−2
V ar(X) =
(2n − 1)2

Solution.
On démontre tout d’abord les relations à utiliser :
∑
n ∑
n ∑
n−1
kCkn = k−1
nCn−1 =n Ckn−1 = n2n−1
k=1 k=1 k=0

∑
n ∑
n
2
k Ckn = knCk−1
n−1
k=1 k=1
∑
n−1
=n (k + 1)Ckn−1
k=0
(n−1 )
∑ ∑
n−1
=n kCkn−1 + Ckn−1
k=0 k=0
= n((n − 1)2 +2 n−2 n−1
)
n−2
= n(n + 1)2

On a
∑
n
E(X) = kP (X = k)
k=1
avec
Ckn
P (X = k) = n
2 −1
donc
∑
n
Ckn
E(X) = k
k=1 2n − 1
n−1
n2
=
2n − 1
n
= ( )n−1
2− 1
2

v0.1 page 11 / 16 23-07-2017

ENSIAS M1.6.1 – Probabilités Corrigé TD3

On a
V ar(X) = E(X 2 ) − E(X)2
avec
∑
n
E(X 2 ) = k 2 P (X = k)
k=1
∑n
Ckn
= k2
k=1 2n − 1
n(n + 1)2n−2
=
2n − 1
donc
( )2
n(n + 1)2n−2 n2n−1
V ar(X) = −
2n − 1 2n − 1
n22n−2 − n(n + 1)2n−2
=
(2n − 1)2

(b) Montrer que pour n → +∞, V ar(X) ≃ n4 . Comparer ce résultat avec la forme limite
que prend V ar(Y ) pour P (Y = i) = n1 .
On démontrera ou on utilisera les égalités suivantes :
∑
n ∑
n
kCkn = n2n−1 et k 2 Ckn = n(n + 1)2n−2
k=1 k=1

Solution.
On a
n22n−2 − n(n + 1)2n−2
V ar(X) =
(2n − 1)2
n2n−2 (2n − (n + 1))
=
(2n − 1)2
et donc
n2n−2 × 2n n
V ar(X) ∼ n 2
=
n→+∞ (2 ) 4
Pour P (Y = i) = n1 , on a
n+1
E(Y ) =
2
et
n2 − 1 n2
V ar(Y ) = ∼
12 n→+∞ 12
On déduit que V ar(Y ) a une croissance quadratique alors que V ar(X) a une crois-
sance linéaire.

v0.1 page 12 / 16 23-07-2017

ENSIAS M1.6.1 – Probabilités Corrigé TD3

Exercice 5. Les variables aléatoires X et Y sont décrites par la densité conjointe :


1 si 0 ≤ x ≤ 1, 0 ≤ y ≤ 1
fX,Y (x, y) =
0 sinon

et la variable Z est définie par Z = XY .

Déterminer le second moment conditionnel de Z sachant que l’équation r2 +xr+y = 0
a des racines réelles en r.

Solution.
On veut calculer E(Z 2 |A) avec A l’évènement : r2 + xr + y = 0 a des racines réelles
en r.
On a
A ⇐⇒ x2 − 4y ≥ 0 ⇐⇒ x2 ≥ 4y
Soit D = {(x, y) ∈ R2 | 0 ≤ x, y ≤ 1, x2 ≥ 4y}.

On a ∫∫
E(Z 2 |A) = x2 y 2 f(X,Y )|A (x, y) dx dy
R2

On a ∀(x, y) ∈ D,
fX,Y (x, y)
f(X,Y )|A (x, y) =
P (A)
avec
∫∫ ∫∫ ∫ 1∫ 1 2
x ∫ 1
4 1 2 1
P (A) = fX,Y (x, y) dx dy = dx dy = dx dy = x dx =
D D 0 0 0 4 12
donc 
12 si (x, y) ∈ D
f(X,Y )|A (x, y) =
0 sinon

v0.1 page 13 / 16 23-07-2017

ENSIAS M1.6.1 – Probabilités Corrigé TD3

Alors
∫∫
E(Z 2 |A) = x2 y 2 × 12 dx dy
D
∫ (∫ 1 2
)
1 4
x
2 2
= 4x 3y dy dx
0 0
∫ 1
1 6
= 4x2 x dx
0 43
∫ 1
1 8
= x dx
0 16
1
=
9 × 16
1
=
144

Exercice 6. Les variables aléatoires indépendantes X et Y sont décrites par leur densité
marginale :
1 z2
fX (z) = fY (z) = √ e− 2 avec z ∈ R
2π
Y
Déterminer la loi de Q = X
. Calculer E(Q) et V ar(Q).

Solution.
On a ∀t ∈ R∗ ,
∫ +∞ ( )
z z
fQ (t) = fX (z)fY − dz
−∞ t t2
∫ +∞
1 − z2 − z22 |z|
= e 2 e 2t 2 dz
−∞ 2π t
∫ +∞
1 − 2 (1+ 2 ) z
z 2 1
=2 e t dz
0 2π t2
∫ +∞
1 z2
z e− 2 (1+ t2 dz
1
= 2
πt 0
On pose
( )
z2 1
u= 1+ 2
2 t
soit v
u
u 2u
z= t
1 + t12
et v
u
1 u 2 1
dz = √ t du = √ du
1
2 u 1+ t2 2u(1 + 1
)
t2

v0.1 page 14 / 16 23-07-2017

ENSIAS M1.6.1 – Probabilités Corrigé TD3

Alors
v
u
1 ∫ +∞ u t
2u −u 1
fQ (t) = 2 1 e
√ du
πt 0 1 + t2 2u(1 + 1
)
t2
∫ +∞
1
= 2 e−u du
πt (1 + t12 ) 0
1 [ ]
−u +∞
= −e
π(1 + t2 ) 0

1
=
π(1 + t2 )

On a
1
tfQ (t) ∼
x→+∞ πt
∫
donc tfQ (t) diverge, et donc E(Q) n’existe pas, et donc V ar(Q) n’existe pas.
R

Exercice 7. Une pièce de monnaie a p pour probabilité de tomber sur face. On la lance
indéfiniment. Calculer l’espérance du nombre de jets qu’il faudra jusqu’à ce qu’une
chaine de r résultats consécutifs de type face apparaisse.

Solution.
Soit X le nombre de jets qu’il faudra jusqu’à ce qu’une chaine de r résultats consécutifs
de type face apparaisse. On a X(Ω) = [r, +∞[.
((X = n) veut dire que la première fois que la chaine de r faces consécutives apparait
est au ne jet.)
(X = n) veut dire que le résultat est du type
(n − r − 1) de piles et/ou faces sans chaine de r faces consécutives pile r faces
en d’autres termes, toutes les réalisations du type
l faces et (n − r − 1 − l) piles pile r faces
avec 0 ≤ l ≤ r − 1.
Alors (r−1 )
∑
P (X = n) = Cln−r−1 (1 − p)n−r−1−l l
p (1 − p)pr
l=0

L’espérance de X, si elle existe, est

∑
+∞ ∑
+∞
E(X) = P (X > n) = qn
n=0 n=0

en posant qn = P (X > n).

On a pour n ≥ r + 1,
P (X = n) = P (X > n − r − 1)(1 − p)pr

v0.1 page 15 / 16 23-07-2017

ENSIAS M1.6.1 – Probabilités Corrigé TD3

et
P (X = n) + P (X > n) = P (X ≥ n) = P (X > n − 1)
donc
P (X > n) = P (X > n − 1) − P (X > n − r − 1)(1 − p)pr
c’est-à-dire
qn = qn−1 − c qn−r−1
en notant c = (1 − p)pr .
Alors
1
qn−r−1 = (qn−1 − qn )
c
On a
∑
+∞
E(X) = qn
n=0
∑
+∞
= qn−r−1
n=r+1
∑
+∞
1
= (qn−1 − qn )
n=r+1 c
( )
1
= qr − lim qn
c n→+∞
1
= qr
c
ceci car lim qn = lim P (X > n) = 0.
n→+∞ n→+∞
On a
qr = P (X > r) = 1 − P (X ≤ r) = 1 − P (X = r) = 1 − pr
donc
1 − pr ∑
1 r−1
E(X) = = pk
(1 − p)pr pr k=0

v0.1 page 16 / 16 23-07-2017