Exercices

Exercice 21 Calculer l’espérance et la variance d’une variable uniforme sur { 1, 0, 3}.

Exercice 22 On suppose que dans une population 20% des femmes n’ont pas d’enfant,
30% ont un seul enfant, 40% ont deux enfants et 10% ont trois enfants. Calculer la
moyenne et la variance du nombre d’enfant par femme.

Exercice 23 Soit X la variable aléatoire représentant le nombre d’heures d’entraı̂nement

d’un athlète. Supposons que l’ensemble des valeurs possibles de X soit {0, 1, 2, 3, 4, 5} et
que la loi de probabilité de X soit donnée par :
xi 0 1 2 3 4 5
IP(X = xi ) 0,1 c 2c 3c 2c c

où c est un réel.

1/ Déterminer la valeur de c.
2/ Calculer l’espérance de X ainsi que sa variance.
3/ Donner la fonction de répartition de X.
4/ Calculer IP(2 < X  4) et IP(X > 4).

Exercice 24 Une personne possède 4 clés parmi lesquelles une seule ouvre la porte. Elle
les essaie au hasard en éliminant celles qui ne marchent pas. On appelle X “le nombre
d’essais nécessaires pour ouvrir la porte”.
1/ Calculer la loi de probabilité de X.
2/ Calculer IE(X) et V ar(X).

Exercice 25 (Loi hypergéométrique) L’oral d’un concours comporte au total 100 su-
jets. Les candidats tirent au sort trois sujets, et choisissent alors le sujet traité parmi ces
trois sujets. Un candidat se présente en ayant révisé 60 sujets sur les 100. Quelle est la
probabilité pour que le candidat ait révisé
a) les trois sujets tirés ;
b) exactement deux sujets sur les trois sujets ;
c) aucun des trois sujets.
d) Définir une variable aléatoire associée à ce problème puis donner sa loi de probabilité
et son espérance.

Exercice 26 Déterminer la loi de probabilité, l’espérance et l’écart-type de la variable

aléatoire donnée par la fonction de répartition :
F (t) = 1 si t 3 ; F (t) = 45 si 2  t < 3 ; F (t) = 15 si 1  t < 2 ; F (t) = 0 si t < 1.

44
Exercice 27 Une gre↵e sur une souris a une probabilité de succès p = 0, 2. On suppose
que les résultats de gre↵e (succès, échec) sont indépendants. On gre↵e 10 souris.
1) Définir une variable aléatoire associée à cette expérience.
2) Quelle est sa loi de probabilité ? Son espérance et sa variance ?
3) Quelle est la probabilité d’avoir, sur les 10 gre↵es :
- 10 succès ;
- aucun succès ;
- au moins un succès ;
- exactement 4 succès.
Exercice 28 On dispose de deux dés équilibrés. Le premier a quatre faces et le second
en a six. Les faces sont numérotées de 1 à 4 pour le premier et de 1 à 6 pour le second.
On lance ces deux dés et l’on appelle X la variable aléatoire correspondant au numéro de
la face sortie du dé à quatre faces et Y celui du dé à six faces.
On pose S = X + Y .
1/ Calculer l’espérance et la variance de X et de Y .
2/ En déduire l’espérance de S.
3/ a/ Déterminer la loi de probabilité de S.
b/ Calculer P (S > 7).
c/ Calculer la probabilité que S prenne des valeurs paires.
d/ Calculer la moyenne et la variance de la variable aléatoire T = 5S + 36.
Exercice 29 Les nucléotides A,C,G,T se répartissent uniformément le long d’une séquence
ADN.
1) Combien de mots de 3 lettres peut-on faire avec les les lettres A,C,G,T ?
2) Quelle est la probabilité d’avoir le mot AAA ?
3) Quelle est la probabilité qu’un mot de 3 lettres contienne au moins un G ?
4) Sur une séquence de longueur 100, quelle est la loi du nombre de A ?
Exercice 30 On se donne deux v.a. X1 et X2 indépendantes et suivant la loi de Bernoulli
de paramètre p (0 < p < 1). On pose Yi = 2Xi 1, i = 1, 2.
1) Les v.a. X1 et X1 X2 sont-elles indépendantes ?
2) Calculer les lois de Y1 et Y2 . Sont-elles indépendantes ?
3) Pour p = 1/2, les v.a. Y1 et Y1 Y2 sont-elles indépendantes ?
Exercice 31 On lance une pièce de monnaie jusqu’à obtenir 3 fois Pile. On suppose que
IP(Pile)= p, 0 < p < 1. Soit N la v.a. représentant le nombre de lancers nécessaires pour
obtenir 3 fois Pile. Calculer la loi de probabilité de N ainsi que son espérance.
Exercice 32 Soient X et Y deux v.a. indépendantes. En utilisant la fonction génératrice,
calculer la loi de X + Y dans les cas suivants :
1) X suit la loi binomiale B(n, p) et Y suit la loi binomiale B(m, p), n, m 1 et 0 < p < 1.
2) X suit la loi de Poisson P( ) et Y suit la loi de Poisson P(µ), , µ > 0.

45
 Corrigé des exercices

Exercice 21 : La loi d’une variable aléaoire X uniforme sur { 1, 0, 3} est donnée par
IP(X = 1) = IP(X = 0) = IP(X = 3) = 1/3.
Ainsi, IE(X) = 13 ( 1 + 0 + 3) = 2/3.
De la même manière, on a IE(X 2 ) = 13 (1 + 0 + 9) = 10/3, donc V ar(X) = 10/3 (4/9) =
26/9.

Exercice 22 : On suppose que dans une population 20% des femmes n’ont pas d’enfant,
30% ont un seul enfant, 40% ont deux enfants et 10% ont trois enfants.
La loi de probabilité de X, le nombre d’enfants par femme, est donnée par le tableau
suivant :

xi 0 1 2 3
IP(X = xi ) 0,2 0,3 0,4 0,1

La moyenne du nombre X d’enfant par femme est :

E(X)=0 ⇥ 0, 2 + 1 ⇥ 0, 3 + 2 ⇥ 0, 4 + 3 ⇥ 0, 1=1.4 enfants.
La variance est
V ar(X)=0 ⇥ 0, 2 + 12 ⇥ 0, 3 + 22 ⇥ 0, 4 + 32 ⇥ 0, 1 1, 42 =0, 84.
Et donc l’écart type est 0, 916 enfant.
P
Exercice 23 : 1) On écrit que i IP(X = xi ) = 1, i.e. 0, 1 + 9c = 1. Cela donne c = 0, 1.
2) IE(X) = 0 + c + 4c + 9c + 8c + 5c = 27c = 2, 7 heures.
V ar(X) = IE(X 2 ) (IE(X)2 ) = c + 8c + 27c + 32c + 25c (2, 7)2 = 9, 3.
3) On rappelle la définition de la fonction de répartition FX (t) = IP(X  t) (c’est une
fonction cumulative).
Pour t < 0, FX (t) = 0 ;
pour 0  t < 1, FX (t) = IP(X = 0) = 0, 1 ;
pour 1  t < 2, FX (t) = IP(X = 0) + IP(X = 1) = 0, 2 ;
pour 2  t < 3, FX (t) = IP(X = 0) + IP(X = 1) + IP(X = 2) = 0, 4 ;
pour 3  t < 4, FX (t) = IP(X = 0) + IP(X = 1) + IP(X = 2) + IP(X = 3) = 0, 7 ;
pour 4  t < 5, FX (t) = IP(X = 0) + IP(X = 1) + IP(X = 2) + IP(X = 3) + IP(X = 4) =
0, 9 ;
pour t 5, FX (t) = IP(X = 0)+IP(X = 1)+IP(X = 2)+IP(X = 3)+IP(X = 4)+IP(X =
5) = 1.
4) IP(2 < X  4) = IP(X = 3) + IP(X = 4) = 0, 3 + 0, 2 = 0, 5.
Enfin IP(X > 4) = IP(X = 5) = 0, 1.

Exercice 24 : 1/ La loi de probabilité de X est donnée par :

P (X = 1) = 1/4 car il y a une bonne clé parmi 4 ;
P (X = 2) = IP(M1 ) ⇥ IP(B2 /M1 ) = (3/4) ⇥ (1/3) = 1/4 où M1 est l’événement ⌧ la 1ère
clé est mauvaise et B2 l’événement ⌧ la 2ème clé est bonne .

46
De la même manière, on peut écrire
P (X = 3) = (3/4) ⇥ (2/3) ⇥ (1/2) = 1/4 ;
P (X = 4) = (3/4) ⇥ (2/3) ⇥ (1/2) = 1/4 :
La loi de X est donc la loi uniforme sur {1, 2, 3, 4}.
2/ On calcule facilement IE(X) = 5/2 et V (X) = 1, 25.
3
C60
Exercice 25 : a) La probabilité que les trois sujets choisis aient été révisés est 3
C100
.
2 .C 1
C60
b) La probabilité que deux des trois sujets tirés aient été révisés est 3
C100
40
.
C3
c) Aucun des trois sujets : C 340 .
100
d) La variable aléatoire X associée à ce problème est “le nombre de sujets révisés parmi
les 3”. Son support est l’ensemble {0,1,2,3}. La loi de X est donnée par :
k 3 k
C60 .C40
IP(X = k) = 3
.
C100
En fait, IP(X = 3) est celle de a) IP(X = 2) celle de b) et IP(X = 0) celle de c). On déduit

IP(X = 1) = 1 (IP(X = 0) + IP(X = 2) + IP(X = 3)).

Résultats numériques :
k = 0 : IP(X = 0) ' 6, 110 ⇥ 10 2
k = 1 : IP(X = 1) ' 0, 289
k = 2 : IP(X = 2) ' 0, 438
k = 3 : IP(X = 3) ' 0, 212
On calcule l’espérance IE(X) = 1, 8.

Exercice 26 : D’après le cours, les valeurs possibles de X sont les points de discontinuité
de F , c’est à dire {1, 2, 3}, et les probabilités associées sont les amplitudes de sauts en ces
points. Ainsi

IP(X = 1) = 1/5, IP(X = 2) = 3/5, IP(X = 3) = 1/5.

Donc IE(X) = 1/5 + 6/5 + 3/5 = 2 et V ar(X) = 2/5 = 0, 4.

Exercice 27 : 1) Une variable aléatoire associée à cette expérience est le nombre de

succès parmi 10 gre↵es.
2) Chaque gre↵e, indépendamment des autres, peut être un succès ou un échec. La loi du
nombre de succès parmi 10 gre↵es est une loi binomiale avec n = 10, p = P (Succès)=
0,2 ; l’espérance est 2 et la variance est 1,6.
3) La probabilité d’avoir, sur les 10 gre↵es :
- 10 succès : 0, 0000001 ;
- Aucun succès : 10, 7% ;
- Exactement 4 succès : environ 8, 8%.

47
Exercice 28 : La v.a. X suit la loi uniforme sur {1, 2, 3, 4, } et Y suit la loi uniforme sur
{1, 2, 3, 4, 5, 6}.
1/ IE(X) = (1 + 2 + 3 + 4)/4 = 5/2, IE(Y ) = (1 + 2 + ... + 6)/6 = 7/2.
Comme IE(X 2 ) = (12 + 22 + 32 + 42 )/4 = 15/2, IE(Y ) = (12 + 22 + ... + 62 )/6 = 91/6, on
peut aisément calculer les variances V ar(X) = 5/4 et V ar(Y ) = 35/12.
2/ IE(S) = IE(X) + IE(Y ) = 6.
3/ a/ La v.a. S prend les valeurs 2, 3, 4, 5, 6, 7, 8, 9, 10. Pour calculer IP(S = k), 2  k  10,
on utilise l’indépendance de X et Y .
IP(S = 2) = IP(X = 1 et Y = 1) = 1/4 ⇥ 1/6 = 1/24 = IP(S = 10)
IP(S = 3) = IP(X = 1 et Y = 2) + IP(X = 2 et Y = 1) = 2 ⇥ 1/24 = 1/12 = IP(S = 9).
le facteur 2 correspond au nombre de façons de faire 3 : 1+2 et 2+1
De même, on trouve
IP(S = 4) = IP(S = 8) = 3/24, IP(S = 5) = IP(S = 6) = IP(S = 7) = 4/24.
On vérifie que IP(S = 2) + · · · + IP(S = 10) = 1.
b/ IP(S > 7) = IP(S = 8) + ... + IP(S = 10) = 6/24 = 1/4.
c/ IP(S 2 {2, 4, 6, 8, 10}) = 1/2.
d/ IE(T ) = 5IE(S) + 36 = 5 ⇥ 6 + 36 et V ar(T ) = V ar(5S) = 25 V ar(S).
Pour calculer V ar(S), soit on utilise la loi de S, c’est à dire on calcule à la main IE(S 2 )
puis la variance, soit on utilise

V ar(S) = V ar(X) + V ar(Y ) = 25/6

comme X et Y sont indépendantes.

Exercice 29 : 1) On peut faire 4 ⇥ 4 ⇥ 4 = 43 = 64 mots de 3 lettres avec les les lettres

A,C,G,T.
2) Les mots de 3 lettres étant tous équiprobables, la probabilité d’avoir le mot AAA est
1/64, 1 cas favorable parmi 64 cas possibles.
3) La probabilité qu’un mot de 3 lettres contienne au moins un G est 1 P (aucunG) =
1 (33 /43 ) = 37/64 = 0.578.
4) On peut considérer une séquence comme la répétition indépendante de lettres ; la loi
du nombre de A est donc une loi binomiale, n = 100, p = P (A) = 1/4.

Exercice 30 : 1) Les v.a. X1 et X1 X2 ne sont pas indépendantes car

IP({X1 = 1} \ {X1 X2 = 1}) 6= IP(X1 = 1)IP(X1 X2 = 1).

En e↵et, IP(X1 = 1) = p. D’autre part, comme X1 et X2 sont indépendantes, on a

IP(X1 X2 = 1) = IP({X1 = 1} \ {X2 = 1}) = IP(X1 = 1)IP(X2 = 1) = p2 .

Calculons enfin

IP({X1 = 1} \ {X1 X2 = 1}) = IP({X1 = 1} \ {X2 = 1}) = p2 6= p ⇥ p2 = p3 ,

48
car 0 < p < 1.
2) Les v.a. Y1 et Y2 ont même loi. Les v.a. prennent les valeurs 1 et 1 et IP(Y1 = 1) =
IP(X1 = 1) = p.
Les v.a. Y1 et Y2 sont indépendantes car elles sont fonctions affines de X1 et X2 qui sont
indépendantes, par hypothèse.
3) Comme Y1 et Y2 sont indépendantes, on a

IP(Y1 Y2 = 1) = IP(Y1 = 1 ; Y2 = 1) + IP(Y1 = 1 ; Y2 = 1)

= IP(Y1 = 1)IP(Y2 = 1) + IP(Y1 = 1)IP(Y2 = 1) = p2 + (1 p)2 = 1/4 + 1/4 = 1/2.

Donc IP(Y1 Y2 = 1) = 1 IP(Y1 Y2 = 1) = 1/2.
Pour montrer que Y1 et Y1 Y2 sont indépendantes, il faut vérifier 4 identités :

IP(Y1 = 1 ; Y1 Y2 = 1) = IP(Y1 = 1 ; Y2 = 1) = p2 = 1/4 = IP(Y1 = 1)IP(Y1 Y2 = 1);

IP(Y1 = 1 ; Y1 Y2 = 1) = IP(Y1 = 1 ; Y2 = 1) = p(1 p) = 1/4 = IP(Y1 = 1)IP(Y1 Y2 = 1);

IP(Y1 = 1 ; Y1 Y2 = 1) = IP(Y1 = 1 ; Y2 = 1) = (1 p)2 = 1/4 = IP(Y1 = 1)IP(Y1 Y2 = 1);
IP(Y1 = 1 ; Y1 Y2 = 1) = IP(Y1 = 1 ; Y2 = 1) = (1 p)p = 1/4 = IP(Y1 = 1)IP(Y1 Y2 = 1).
Exercice 31 : La v.a. N prend pes valeurs 3, 4, 5, · · ·. Calculons IP(N = k), k 3.
On a IP(N = 3) = IP(Pile 3 fois) = p3 . Sur l’événement {N = 4}, on a 3 fois Pile dont
une en 4ème position. Il reste 3 places et 2 Pile à placer : C32 choix possibles. Ainsi

IP(N = 4) = 3 p3 (1 p).

Pour n 3, on a
IP(N = n) = Cn2 1 p3 (1 p)n 3 .
car il y a 3 Pile (dont le dernier) avec Cn2 1 choix possibles pour les 2 autres Pile.
Calculons l’espérance de N :
X
IE(N ) = n Cn2 1 p3 (1 p)n 3 .
n 3

Comme n Cn2 1 = n(n 1)(n 2)/2, on a

p3 X
IE(N ) = n(n 1)(n 2)(1 p)n 3 .
2 n 3

Grâce à une formule de la page 38, il vient

p3 6 3
IE(N ) = = .
2 (1 (1 p))4 p

49
Exercice 32 : 1) Calculons la fonction génératrice d’une v.a. X1 suivant la loi de Bernoulli
de paramètre p :

GX1 (t) = IE(tX1 ) = t0 (1 p) + t1 p = tp + 1 p.

Comme une v.a. X suivant une loi binomiale B(n, p) peut s’écrire X = X1 +X2 +· · ·+Xn ,
somme de v.a. indépendantes et de même loi de Bernoulli B(p), on a

GX (t) = IE(tX1 +···+Xn ) = IE(tX1 ) · · · IE(tXn ) = (tp + 1 p)n .

Si maintenant X et Y sont deux v.a. indépendantes et de loi binomiale B(n, p) et B(m, p)

alors

GX+Y (t) = IE(tX+Y ) = IE(tX tY ) = IE(tX )IE(tY ) = (tp+1 p)n (tp+1 p)m = (tp+1 p)n+m .

Vomme la fonction génératrice caractérise la loi, et comme on reconnaı̂t la fonction

génératrice d’une loi binomiale B(n+m, p), on en déduit que X +Y suit la loi B(n+m, p).
2) Calculons la fonction génératrice d’une v.a. X suivant une loi de Poisson de paranètre
. Par définition, on peut écrire
k
X X X (t )k
GX (t) = IE(tX ) = tk IP(X = k) = tk e =e =e et = e (t 1)
.
k 0 k 0 k! k 0 k!

Par conséquent, si X et Y sont deux v.a. indépendantes de loi de Poisson de paramètres

et µ alors

GX+Y (t) = IE(tX tY ) = IE(tX )IE(tY ) = e (t 1) µ(t 1)

e = e( +µ)(t 1)
.

On reconnaı̂t la fonction génératrice d’une loi de Poisson de paramètre + µ.

50