CPGE Ibn Ghazi

Classe MP*1

Série d’exercices
Probabilités et Variables aléatoires discrètes
2023-2024

Exercice 1
On effectue des tirages dans une urne contenant préalablement 𝑎 boules
blanches et 𝑏 boules noires. Après chaque tirage, la boule est remise dans
l’urne avec 𝑐 autres boules de la même couleur.
1. Pour tout 𝑛 ∈ N∗ , déterminer la probabilité 𝑝𝑛 que la première boule blanche
`
soit obtenue au 𝑛𝑒𝑚𝑒 tirage.
𝑛−1
2. Pour tout 𝑛 ∈ N∗ , on pose 𝑎𝑛 =
Î 𝑏+𝑘𝑐
𝑎+𝑏+𝑘𝑐 .
𝑘=0
i. Montrer que, pour tout entier 𝑛 > 2, 𝑝𝑛 = 𝑎𝑛−1 − 𝑎𝑛 ,
+∞
Í
ii. Calculer lim 𝑎𝑛 et en déduire 𝑝𝑛 . Interpréter.
𝑛→+∞ 𝑛=1

Exercice 2 Loi de succession de Laplace

On considère 𝑝 + 1 urnes 𝑈 0, . . . , 𝑈𝑝 telles que l’urne 𝑈𝑘 contient 𝑘 boules

blanches et 𝑝 − 𝑘 boules noires. On choisit aléatoirement une urne puis on
effectue 𝑛 tirages avec remise. Pour tout 𝑛 ∈ N∗ on considère l’événement 𝐴𝑛
défini par « les 𝑛 premiers tirages ont donné des boules blanches ».
1. Déterminer 𝑃 (𝐴𝑛 ).
2. Exprimer 𝑃 (𝐴𝑛+1 |𝐴𝑛 ) puis calculer lim 𝑃 (𝐴𝑛+1 |𝐴𝑛 ).
𝑛→+∞

Exercice 3 Retour à l’origine

Une particule se déplace dans l’espace rapporté à un repère orthonormé direct.

Á l’instant 𝑡 = 0, elle est située en 𝑂. Puis à chaque instant 𝑡 = 𝑛, elle se
trouve en un point 𝑀𝑛 (𝑥𝑛 , 𝑦𝑛 , 𝑧, 𝑛) de coordonnées entières. Elle passe avec
équiprobabilité à l’un des huit points obtenus en faisant varier 𝑥𝑛 , 𝑦𝑛 et 𝑧𝑛 de
±1.
1. On note 𝑋𝑛 l’événement « la particule est située en 𝑂 à l’instant 𝑡 = 2𝑛 ».

1
Série d’exercices Probabilités et Variables aléatoires discrètes

Déterminer 𝑃 (𝑋𝑛 ).
√
𝑛 2𝑛

[Link] la convergence de la suite (𝑢𝑛 )𝑛 ∈N , où 𝑢𝑛 = 4𝑛 𝑛 , vers une limite
𝑙 > 0. (Ind : Considérer une série)
𝑙3
3. Montrer que 𝑃 (𝑋𝑛 ) ∼ 𝑛 3/2
.
[Link] particule repasse t-elle une infinité de fois par l’origine ? (On pourra
appliquer un lemme de Borel-Cantelli)

Exercice 4 Fonction de répartition

Soit 𝑋 une variable aléatoire réelle (non nécessairement discrète) sur (Ω,𝑇 , 𝑃)
i.e., ∀𝑥 ∈ R, (𝑋 6 𝑥) ∈ 𝑇 . On lui associe l’application notée 𝐹𝑋 définie par :
R −→ R
𝐹𝑋 :
𝑥 ↦−→ 𝑃𝑋 (] − ∞, 𝑥]) = 𝑃 (𝑋 6 𝑥)
qui s’appelle fonction de répartition de 𝑋 .
1. Exemples :
1.a. On jette un dé équilibré 𝑛 fois. Soit 𝑋 le nombre de fois que 6 est apparu.

1.a.i. Déterminer un espace probabilisé approprié et expliciter la variable 𝑋 .

[Link]. Déterminer, pour tout 0 6 𝑘 6 𝑛, 𝑃 (𝑋 = 𝑘).
[Link]. Déterminer alors la loi de probabilité de 𝑋 .
[Link]. Tracer, pour 𝑛 = 3, le graphe de la fonction de répartition de 𝑋 .
1.b. Déterminer la fonction de répartition d’une variable géométrique 𝑋 ↩→
G(𝑝).
1.c. Soit 𝑋 une variable qui suit une loi de Poisson de paramètre 𝜆. Vérifier
que : ∫ +∞
1
∀𝑛 ∈ N, 𝐹𝑋 (𝑛) = 𝑒 −𝑥 𝑥 𝑛𝑑𝑥 .
𝑛! 𝜆
2. Propriétés générales de la fonction de répartition 𝐹𝑋 . Montrer que :
2.i. 𝐹𝑋 est croissante,
[Link]. lim 𝐹𝑋 (𝑥) = 0 et lim 𝐹𝑋 (𝑥) = 1,
𝑥→−∞ 𝑥→+∞
[Link]. 𝐹𝑋 est continue à droite de chaque point 𝑥 ∈ R.
Remarque
On montre que toute fonction réelle possédant les trois propriétés précé-
dentes est une fonction de répartition d’une 𝑣.𝑎.𝑟 .

CPGE Ibn Ghazi page 2 / 16 Classe MP*1

Série d’exercices Probabilités et Variables aléatoires discrètes

3. Détermination de la loi 𝑃𝑋 en fonction de 𝐹𝑋 . Soient 𝑎, 𝑏 ∈ R tel que 𝑎 < 𝑏.

Établir les formules suivantes :
3.i. 𝑃 (𝑋 < 𝑎) = 𝐹𝑋 (𝑎 − ),
[Link]. 𝑃 (𝑎 < 𝑋 6 𝑏) = 𝐹𝑋 (𝑏) − 𝐹𝑋 (𝑎),
[Link]. 𝑃 (𝑎 6 𝑋 6 𝑏) = 𝐹𝑋 (𝑏) − 𝐹𝑋 (𝑎 − ),
[Link]. 𝑃 (𝑎 < 𝑋 < 𝑏) = 𝐹𝑋 (𝑏 − ) − 𝐹𝑋 (𝑎),
3.v. 𝑃 (𝑋 = 𝑎) = 𝐹𝑋 (𝑎) − 𝐹𝑋 (𝑎 − ).
4. En déduire que l’ensemble des points de discontinuité d’une fonction de
répartition est au plus dénombrable.

Exercice 5 Définition générale d’une variable aléatoire réelle discrète

Soit 𝑋 une variable aléatoire réelle sur (Ω,𝑇 , 𝑃) et soit

𝐷 = {𝑥 ∈ R ; 𝑃 (𝑋 = 𝑥) > 0}

le domaine de discontinuité de sa fonction de répartition 𝐹𝑋 .

1. Montrer que les deux propriétés suivantes sont équivalentes
1a. 𝑃 (𝑋 ∈ 𝐷) = 1
𝑋 (Ω 0) est au plus dénombrable

1b. il existe une partie Ω0 de Ω telle que :
𝑃 (Ω 0) = 1
On dit que 𝑋 est une variable aléatoire discrète ou de loi discrète (relati-
vement à 𝑃) si l’une des deux propriétés ci-dessus est réalisée. Comparer cette
définition avec celle donnée en cours.
Dans la suite de cet exercice, on suppose que 𝑋 vérifie les conditions de la
question précédente.
2. Montrer que :
2a.((𝑋 = 𝑥))𝑥 ∈𝐷 et ((𝑋 = 𝑥))𝑥 ∈𝑋 (Ω0) sont des systèmes d’événements au plus
dénombrable quasi complets.
2b. (𝑃 (𝑋 = 𝑥))𝑥 ∈𝐷 et (𝑃 (𝑋 = 𝑥))𝑥 ∈𝑋 (Ω0) sont sommables de somme égale à 1.
3. On définit la fonction (ou la loi) de densité discrète de 𝑋 par :

R −→ R
𝑓𝑋 :
𝑥 ↦−→ 𝑃 (𝑋 = 𝑥)

CPGE Ibn Ghazi page 3 / 16 Classe MP*1

Série d’exercices Probabilités et Variables aléatoires discrètes

Montrer que pour tout intervalle 𝐴 de R on a :

∑︁ ∑︁
𝑃𝑋 (𝐴) = 𝑃 (𝑋 ∈ 𝐴) = 𝑓𝑋 (𝑥) = 𝑓𝑋 (𝑥)
𝑥 ∈𝐴∩𝐷 𝑥 ∈𝐴∩𝑋 (Ω0 )

Exercice 6 Exemples de Lois d’une VARD

1. On jette un dé 𝑛 fois. Soit 𝑋 le nombre de fois que 6 est apparu. Ici, Ω =

{1, ..., 6}𝑛 Définir la variable aléatoire 𝑋 et en considérant une probabilité
uniforme donner la loi de probabilité de 𝑋 .
2. On jette deux dés équilibrés. Soit 𝑋 le maximum des deux résultats. Quelle
est la loi de 𝑋 ? Même question si 𝑋 est le produit des deux résultats ?

Exercice 7 Approximation de la loi binomiale par la loi de Poisson

Soit (𝑋𝑛 ) une suite de 𝑣.𝑎.𝑟 .𝑑 sur le même espace probabilisé (Ω,𝑇 , 𝑃) telles que
pour tout 𝑛, 𝑋𝑛 suit la loi binomiale B (𝑛, 𝑝𝑛 ) où (𝑝𝑛 ) est une suite d’éléments
de [0, 1] vérifiant :

lim 𝑝𝑛 = 0
lim 𝑛𝑝𝑛 = 𝜆 ∈ R∗

Montrer que, pour tout 𝑘 ∈ N :

lim 𝑃 (𝑋𝑛 = 𝑘) = 𝑃 (𝑋 = 𝑘)

où 𝑋 désigne une variable aléatoire sur (Ω,𝑇 , 𝑃) suivant la loi de Poisson P (𝜆).

Exercice 8 Somme de Variables indépendantes

1. Soient 𝑋 et 𝑌 deux variables aléatoires indépendantes telles que 𝑋 ↩→ 𝐵(𝑛, 𝑝)

et 𝑌 ↩→ 𝐵(𝑚, 𝑝). Montrer que : 𝑋 + 𝑌 ↩→ 𝐵(𝑛 + 𝑚, 𝑝). Généraliser.
[Link] 𝑋 et 𝑌 deux variables indépendantes suivant la loi géométrique G(𝑝).
Donner la loi de 𝑋 + 𝑌 .
[Link] 𝑋 1, 𝑋 2, . . . , 𝑋𝑛 une suite de variables de Rademacher indépendantes.
𝑛
Í
Déterminer la loi de 𝑆𝑛 = 𝑋𝑘 .
𝑘=1

CPGE Ibn Ghazi page 4 / 16 Classe MP*1

Série d’exercices Probabilités et Variables aléatoires discrètes

Exercice 9
Soit 𝑛 un entier > 2. On pose :

𝑆𝑛 = {𝑘 ∈ {1, ..., 𝑛} ; 𝑘 ∧ 𝑛 = 1}
𝐷𝑛 = {𝑘 ∈ N ; 𝑘 divise 𝑛}

Puis considèrons une variable aléatoire sur un espace probabilisé (Ω,𝑇 , 𝑃) telle
que : 𝑋 suit la loi uniforme sur [[1, 𝑛]].
1. On considère les événements :

𝐴1 = ”𝑋 est multiple de 2”
𝐴2 = ”𝑋 est multiple de 5”

1a. On suppose 𝑛 = 100. Calculer 𝑃 (𝐴1 ) et 𝑃 (𝐴2 ). 𝐴1 et 𝐴2 sont-ils indépen-

dants ?
1b. Mêmes questions pour 𝑛 = 101.
[Link] considère la décomposition de 𝑛 en produit de facteurs irréductibles :
𝑟
𝑛 = 𝑝𝑖𝛼𝑖 ;
Î
𝑖=1
Pour tout 1 6 𝑖 6 𝑟, on note 𝐴𝑖 l’événement ”𝑋 est divisible par 𝑝𝑖 ” et 𝐴
l’événement ”𝑋 est premier avec 𝑛”
2a. Exprimer 𝑃 (𝐴) en fonction de 𝑛 et de l’indicateur d’Euler de 𝑛, 𝜑 (𝑛). (On
rappelle que 𝜑 (𝑛) = 𝑐𝑎𝑟𝑑 (𝑆𝑛 )
1
2b. Montrer que, pour tout 1 6 𝑖 6 𝑟, 𝑃 (𝐴𝑖 ) =
𝑝𝑖
2c. Montrer que les 𝐴𝑖 sont mutuellement indépendants.
2d. Exprimer 𝐴 à l’aide des 𝐴𝑖
2e. En déduire l’expression :
𝑟  
Ö 1
𝜑 (𝑛) = 𝑛 1−
𝑖=1
𝑝𝑖

Exercice 10 Loi de Zipf

+∞
Í 1
Soit 𝑎 ∈]1, +∞[, on définit le réel 𝜁 (𝑎) = 𝑎
. On considère une variable
𝑛=1 𝑛

CPGE Ibn Ghazi page 5 / 16 Classe MP*1

Série d’exercices Probabilités et Variables aléatoires discrètes

aléatoire 𝑋 définie sur un espace probabilisé (Ω,𝑇 , 𝑃), à valeurs dans N∗, par :
1
∀𝑛 ∈ N∗, 𝑃 (𝑋 = 𝑛) =
𝜁 (𝑎)𝑛𝑎

1. Vérifier que l’on définit ainsi bien une loi de probabilité

2. Pour tout 𝑛 ∈ N∗, on considère l’événement 𝐴𝑛 = ”𝑋 est multiple de 𝑛”
2a. Calculer 𝑃 (𝐴𝑛 )
2b. Donner une condition nécessaire et suffisante pour que 𝐴𝑛 et 𝐴𝑚 soient
indépendantes.
`
3. Application : On note 𝑝𝑖 le 𝑖 𝑒𝑚𝑒 nombre premier avec 𝑖 ∈ N∗ (𝑝 1 = 2, 𝑝 2 =
3, ...𝑒𝑡𝑐) et notons 𝐶𝑛 l’événement ”𝑋 non divisible par les 𝑛 premiers nombres
premiers)
3a. Calculer 𝑃 (𝐶𝑛 )
Ñ
3b. Déterminer 𝐶𝑛
𝑛 ∈N∗
3c. En déduire le développement eulérien de la fonction 𝜁 de Riemann :
+∞   −1
Ö 1
∀𝑎 > 1, 𝜁 (𝑎) = 1− 𝑎
𝑖=1
𝑝𝑖

1
3d. Montrer que la probabilité qu’aucun carré ne divise 𝑋 est .
𝜁 (2𝑎)

Exercice 11
Soient 𝑋, 𝑌, 𝑍 trois variables aléatoires
 indépendantes
 suivant la loi de Poisson
𝑋 𝑌
de paramètre 𝜆 > 0. On pose 𝑀 = .
0 𝑍
1. Calculer la probabilité de l’événement « 𝑀 est diagonalisable ».
2. Déterminer sa limite lorsque 𝜆 tend vers +∞.

Exercice 12

Soient 𝑋, 𝑌, 𝑍 trois variables 𝑖.𝑖.𝑑 selon une loi géométrique de paramètre 𝑝.

1. Déterminer la loi de 𝑆 = 𝑋 + 𝑌 .
2. Déterminer la loi conditionnelle de 𝑋 sachant (𝑆 = 𝑘), où 𝑘 ∈ 𝑆 (Ω).

CPGE Ibn Ghazi page 6 / 16 Classe MP*1

Série d’exercices Probabilités et Variables aléatoires discrètes

3. Pour 𝑛 ∈ 𝑆 (Ω), calculer 𝑃 (𝑆 > 𝑛).

4. Déterminer 𝑃 (𝑆 6 𝑍 ), 𝑃 (𝑆 > 𝑍 ) et 𝑃 (𝑆 = 𝑍 ).

Exercice 13

Soient (𝑋𝑛 )𝑛 ∈N∗ une suite de variables aléatoires 𝑖.𝑖.𝑑 selon la loi G(𝑝). On
pose, pour 𝑛 > 1, 𝑌𝑛 = min(𝑋 1, . . . , 𝑋𝑛 ) et 𝑍𝑛 = max(𝑋 1, . . . , 𝑋𝑛 ).
1. Calculer 𝐸 (𝑌𝑛 ).
2. Donner un équivalent de 𝐸 (𝑍𝑛 ) quand 𝑛 tend vers +∞.

Exercice 14
Soit 𝑋 une variable aléatoire à valeurs dans N∗ et admettant une espérance.
1
1. Montrer que admet une espérance
𝑋
2
√

1
2. Développer, pour tout réel 𝑡, 𝐸 𝑡 𝑋 + √
𝑋
 
1
3. En déduire que 𝐸 (𝑋 )𝐸 >1
𝑋

Exercice 15
Soit 𝑋 une variable aléatoire entière.
1. Démontrer que :
𝑁
∑︁ 𝑁
∑︁+1
∀𝑁 ∈ N, 𝑛𝑃 (𝑋 = 𝑛) = 𝑃 (𝑋 > 𝑛) − (𝑁 + 1)𝑃 (𝑋 > 𝑁 + 1)
𝑛=0 𝑛=1
Í
[Link] déduire que 𝑋 admet une espérance si et seulement si, 𝑃 (𝑋 > 𝑛)
converge et que dans ce cas :
+∞
∑︁
𝐸 (𝑋 ) = 𝑃 (𝑋 > 𝑛)
𝑛=1

Exercice 16

(Inégalité de Jensen)
Soit 𝑋 une variable aléatoire et 𝑓 une fonction dérivable convexe de R dans R.
On suppose que 𝑋 et 𝑓 (𝑋 ) admettent des espérances.

CPGE Ibn Ghazi page 7 / 16 Classe MP*1

Série d’exercices Probabilités et Variables aléatoires discrètes

1. Justifier que :

∀𝑥 ∈ R, 𝑓 (𝑥) > 𝑓 0 (𝐸 (𝑋 )) (𝑥 − 𝐸 (𝑥)) + 𝑓 (𝐸 (𝑥))

2. En déduire l’inégalité de Jensen :

𝑓 (𝐸 (𝑋 )) 6 𝐸 (𝑓 (𝑋 ))

Exercice 17

Soit 𝑛 ∈ N∗ et 𝑀 = (𝑋𝑖,𝑗 )16𝑖,𝑗 6𝑛 une matrice de variables aléatoires réelles

discrètes centrées réduites 𝑖.𝑖.𝑑. On pose 𝐷 = det(𝑀). Calculer 𝐸 (𝐷) et 𝑉 𝑎𝑟 (𝐷).

Exercice 18 Loi conjointe et lois marginales

Soit 𝑋 = (𝑋 1, 𝑋 2 ) un vecteur aléatoire qui prend ses valeurs dans {5; 5.5; 6} ×
{100; 125; 150; 175} avec les probabilités suivantes :

𝑥1\ 𝑥2 100 125 150 175 𝑃 (𝑋 1 = 𝑥 1 )

5 0.08 0.08 0.06 0
5.5 0.08 0.16 0.16 0.08
6 0 0.08 0.1 0.12
𝑃 (𝑋 2 = 𝑥 2 )

Compléter le tableau.

Exercice 19

Soit (𝑋, 𝑌 ) un vecteur aléatoire discret sur (Ω,𝑇 , 𝑃) à valeurs dans N2 et de loi
conjointe :

(𝑛 + 𝑘)𝑎𝑛+𝑘
∀(𝑛, 𝑘) ∈ N2, 𝑃 (𝑋 = 𝑛, 𝑌 = 𝑘) = 𝑒 −1
𝑛!𝑘!
1. Déterminer 𝑎
2. Déterminer les lois marginales du couple ?
3. 𝑋 et 𝑌 sont-elles indépendantes ?

Exercice 20

On considère un schéma de Bernoulli : une suite de 𝑣.𝑎.𝑟 .𝑑 (𝑋𝑛 ) indépendantes

CPGE Ibn Ghazi page 8 / 16 Classe MP*1

Série d’exercices Probabilités et Variables aléatoires discrètes

de probabilité de succès constante égale à 𝑝. On attend le second succès. 𝑌1

désigne le rang du premier succès et 𝑌2 celui du second. 𝑇 = 𝑌2 − 𝑌1 est donc le
temps d’attente cherché.
1. Raconnaitre la loi de 𝑌1
2. Déterminer la loi conjointe de (𝑌1, 𝑌2 )
3. Déduire que 𝑇 suit une loi géométrique sur N∗ aussi.
4. Vérifier que 𝑌1 et 𝑇 sont indépendantes.

Exercice 21
Soient 𝑋 et 𝑌 deux variables aléatoires discrètes à valeurs dans N définies
sur un espace probabilisé (Ω,𝑇 , 𝑃). On suppose que 𝑋 suit la loi de Poisson
de paramètre 𝜆 > 0. On suppose de plus, que pour tout entier 𝑛 ∈ N∗, la loi
conditionnelle de 𝑌 sachant (𝑋 = 𝑛) est la loi binomiale B (𝑛, 𝑝) et que si 𝑛 = 0,
la variable aléatoire 𝑌 prend presque sûrement la valeur 0.
1. Déterminer la loi de 𝑌
2. Déterminer, pour chaque 𝑘 ∈ N, la loi conditionnelle de 𝑋 sachant l’événe-
ment (𝑌 = 𝑘)

Exercice 22

Soit (Ω,𝑇 , 𝑃) un espace probabilisé et soient 𝑋 et 𝑌 deux variables aléatoires

sur (Ω,𝑇 , 𝑃) indépendantes de même loi géométrique sur N de paramètre
𝑝 ∈]0, 1[ : (∀𝑘 ∈ N 𝑃 (𝑋 = 𝑘) = 𝑃 (𝑌 = 𝑘) = 𝑝𝑞𝑘 où 𝑞 = 1 − 𝑝)
1. Justifier que :

(𝑌 = 𝑋 ) = ∪ (𝑌 = 𝑛) ∩ (𝑋 = 𝑛)
𝑛 ∈N
(𝑌 > 𝑋 ) = ∪ (𝑌 = 𝑚) ∩ (𝑋 = 𝑛)
(𝑛, 𝑚) ∈ N2
𝑛 6𝑚

2. En déduire le calcul des probabilités suivantes :

1
2a. 𝑃 (𝑌 = 𝑋 ) ; étudier le cas où 𝑝 = 2
1
2b. 𝑃 (𝑌 > 𝑋 ) ; étudier le cas où 𝑝 = 2

3. Démontrer que 𝑃 (𝑌 > 𝑋 ) = 𝑃 (𝑋 > 𝑌 ) et retrouver ainsi 𝑃 (𝑌 > 𝑋 )

CPGE Ibn Ghazi page 9 / 16 Classe MP*1

Série d’exercices Probabilités et Variables aléatoires discrètes

4. On définit les variables aléatoires 𝑈 et 𝑉 par :

𝑈 = min(𝑋, 𝑌 ) et 𝑉 = max(𝑋, 𝑌 )

[Link] que, pour tout 𝑛, 𝑚 ∈ N tels que 𝑛 6 𝑚, on a : (𝑈 > 𝑛, 𝑉 6 𝑚) =

(𝑛 6 𝑋 6 𝑚) ∩ (𝑛 6 𝑌 6 𝑚)
4b. Calculer, pour tout (𝑛, 𝑚) ∈ N2, la probabilité 𝑃 (𝑈 > 𝑛, 𝑉 6 𝑚)
4c. En déduire les lois des variables aléatoires 𝑈 et 𝑉
4d. Identifier la loi de la variable aléatoire 𝑈
5. Déterminer la loi de la variable aléatoire 𝑊 = 𝑉 − 𝑈

Exercice 23

Soient (𝑋𝑛 )𝑛 ∈N∗ une suite de variables aléatoires 𝑖.𝑖.𝑑 de loi donnée par 𝑃 (𝑋𝑛 =
Î𝑛
−1) = 𝑝 et 𝑃 (𝑋𝑛 = 1) = 1 − 𝑝 avec 𝑝 ∈]0, 1[. On pose 𝑌𝑛 = 𝑋𝑘 , 𝑎𝑛 = 𝑃 (𝑌𝑛 =
𝑘=1
−1) et 𝑏𝑛 = 𝑃 (𝑌𝑛 = 1).
 
𝑎𝑛
1. Pour 𝑛 ∈ N∗ , on pose 𝑍𝑛 = . Déterminer une matrice 𝑀 telle que
𝑏𝑛
𝑍𝑛+1 = 𝑀𝑍𝑛 .
2. Exprimer 𝑎𝑛 en fonction de 𝑛 et 𝑝.
3. Calculer 𝐸 (𝑌𝑛 ) et déterminer sa limite quand 𝑛 tend vers +∞.
4. Calculer cov(𝑌𝑛 , 𝑌𝑛+1 ).

Exercice 24
La loi de Poisson est couramment utilisée pour modéliser les files d’attentes. On
suppose que le nombre de voitures se présentant en une heure à une barrière
de péage est une variable aléatoire 𝑋 qui suit une loi de Poisson de paramètre
𝜆 > 0. A cette barrière, il y’a 𝑁 péages, chaque voiture arrivant choisit un péage
au hasard de manière équiprobable et indépendamment des autres voitures.
On note 𝑌 le nombre de voitures se présentant au péage 𝑛 ◦ 1.
1. Pour 𝑛 ∈ N et 𝑘 ∈ {0, ..., 𝑛}, déterminer 𝑃 (𝑋 =𝑛) (𝑌 = 𝑘)
2. En déduire la loi conjointe du couple (𝑋, 𝑌 )
3. Montrer que 𝑌 suit une loi de poisson à déterminer

CPGE Ibn Ghazi page 10 / 16 Classe MP*1

Série d’exercices Probabilités et Variables aléatoires discrètes

Exercice 25

Soit (Ω,𝑇 , 𝑃) un espace probabilisé. On considère une succession d’un nombre

aléatoire 𝑁 d’épreuves indépendantes de Bernoulli à deux issues possibles : Le
succès étant obtenu avec une probabilité 𝑝 ∈]0, 1[ et l’échec avec une probabilité
𝑞 = 1 −𝑝. 𝑁 est une 𝑣.𝑎.𝑟 à valeurs dans N et on note 𝑋 la 𝑣.𝑎.𝑟 égale au nombre
de succès obtenus et 𝑌 le nombre d’échecs parmi les 𝑁 épreuves.
1. On suppose que 𝑁 suit une loi de Poisson de paramètre 𝜆 > 0.
𝑛

1a.Déterminer les lois de 𝑋 et de 𝑌 . (On pourra utiliser la notation 𝑘 =0
pour 𝑘 > 𝑛)
1b. Déterminer la loi conjointe de (𝑋, 𝑌 ).
1c. Etudier l’indépendance de 𝑋 et 𝑌 . Déterminer le coefficient de corrélation
entre 𝑋 et 𝑁 .
2. Soit 𝑎 ∈]0, 1[ et 𝑏 = 1 − 𝑎. On suppose dans cette question que 𝑁 suit une
loi donnée par :
∀𝑛 ∈ N, 𝑃 (𝑁 = 𝑛) = 𝑏 𝑎𝑛
2a. Préciser pour 𝑘 ∈ N et 𝑢 ∈] − 1, 1[,
+∞  
∑︁ 𝑛
𝑢𝑛
𝑘
𝑛=𝑘

2b. Déterminer la loi de 𝑋 et de 𝑌

2c. Déterminer la loi du couple (𝑋, 𝑌 ). 𝑋 et 𝑌 sont-elles indépendantes ? Cal-
culer cov(𝑋, 𝑌 ).

Exercice 26
Soit 𝑋 une variable aléatoire entière dont la fonction génératrice est donnée
par :
√ √ 𝑡
∀𝑡 ∈] − 2, 2[, 𝐺𝑋 (𝑡) = .
2 − 𝑡2
1. Déterminer la loi de 𝑋 .
𝑋 +1
2. Reconnaître la loi de 𝑌 = 2 .
3. En déduire 𝐸 (𝑋 ) et 𝑉 (𝑋 ).

CPGE Ibn Ghazi page 11 / 16 Classe MP*1

Série d’exercices Probabilités et Variables aléatoires discrètes

Exercice 27
On lance indéfiniment une pièce équilibrée et on note 𝑇 le rang de la première
apparition du motif 𝑃𝐹 .
1. Déterminer la loi de 𝑇 .
2. Déterminer la fonction génératrice 𝐺𝑇 .
3. Calculer 𝐸 (𝑇 ) et 𝑉 (𝑇 ).

Exercice 28 Formule de Wald

Soit 𝑁 une variable aléatoire à valeurs dans N∗ et (𝑋𝑛 )𝑛 ∈N∗ une suite de variables
𝑁
Í
aléatoires discrètes réelles 𝑖.𝑖.𝑑. On pose 𝑆 𝑁 = 𝑋𝑘 .
𝑘=1
1. Montrer que 𝑆 𝑁 est une variable aléatoire discrète.
2. On suppose que 𝑋 1 et 𝑁 ont une espérance. Prouver que 𝑆 𝑁 ∈ L 1 et que :
+∞
∑︁

𝐸 (|𝑆 𝑁 |) = 𝐸 |𝑆 𝑁 | · 1 (𝑁 =𝑛) et que
𝑛=1

𝐸 (𝑆 𝑁 ) = 𝐸 (𝑁 )𝐸 (𝑋 1 ).

[Link] suppose que les variables 𝑋𝑛 sont également à valeurs dans N. Prouver
que 𝐺𝑆 𝑁 = 𝐺 𝑁 ◦ 𝐺𝑋1 .

Exercice 29

Une pièce truquée donne pile avec la probabilité 𝑝 ∈]0, 1[. On la lance 𝑛 fois et
on note 𝐹𝑛 la fréquence d’obtenir pile.
1
1. Montrer que 𝑉 (𝐹𝑛 ) 6 4𝑛 .
2. Donner une condition suffisante sur 𝑛 pour que 𝑃 (|𝐹𝑛 − 𝑝 | > 10−2 ) 6 5%.

Exercice 30

Soit (𝑋𝑛 )𝑛 une suite de variables aléatoires 𝑖.𝑖.𝑑 de loi de Bernoulli de paramètre
𝑝. On pose 𝑌𝑛 = 𝑋𝑛 𝑋𝑛+1 et 𝑍𝑛 = 𝑌1 + . . . + 𝑌𝑛 pour 𝑛 > 1.
1. Déterminer la loi, l’espérance et la variance de 𝑌𝑛 .
2. Calculer la variance de 𝑍𝑛 .
 
3. Pour 𝜀 > 0, montrer que 𝑃 𝑍𝑛
𝑛 − 𝑝2 > 𝜀 −→ 0.
𝑛→+∞

CPGE Ibn Ghazi page 12 / 16 Classe MP*1

Série d’exercices Probabilités et Variables aléatoires discrètes

Exercice 31 Inégalité de Chernov

Soit (𝑋𝑛 )𝑛 ∈N∗ une suite de variables aléatoires réelles indépendantes telles que :
1
∀𝑛 ∈ N∗, 𝑃 (𝑋𝑛 = 1) = 𝑃 (𝑋𝑛 = −1) = .
2
Pour tout 𝑛, on pose : 𝑆𝑛 = 𝑋 1 + . . . + 𝑋𝑛 .
 
𝑛𝑡 2
1. Soit 𝑡 ∈ R+ . Montrer que 𝐸 (𝑒 𝑡𝑆𝑛 ) = ch𝑛 (𝑡) puis que 𝐸 (𝑒 𝑡𝑆𝑛 ) 6 exp 2 .
2. Soit 𝜀 > 0. Montrer que pour 𝑡 ∈ R+ ,
 2
−𝑛𝜀 2
      
𝑆𝑛 𝑛𝑡 𝑆𝑛
𝑃 > 𝜀 6 exp − 𝑛𝑡𝜀 puis que 𝑃 > 𝜀 6 exp .
𝑛 2 𝑛 2
   2
3. Montrer enfin que 𝑃 𝑆𝑛
𝑛 > 𝜀 6 2 exp −𝑛𝜀
2 .

Problèmes de synthèse

P1 (d’après E3A 2015)

Des bits d’information, c’est-à-dire des 1 ou 0, sont transmis par l’intermédiaire

d’un canal. Ce canal n’est pas complètement fiable. On observe qu’un bit envoyé,
un 1 ou un 0, peut être altéré en sortie, c’est-à-dire qu’un 1 (respectivement un 0)
en entrée du canal peut devenir un 0 (respectivement un 1) en sortie. On note 𝑏 le
0 0
bit envoyé et 𝑏 le bit en sortie (𝑏 ∈ {0, 1} et 𝑏 ∈ {0, 1})
0
𝑏 −→ Canal bruité −→ 𝑏

Après observation, on modélise la transmission d’un bit de façon probabiliste :

- Le bit envoyé définit une variable aléatoire 𝑏 : On note 𝛼 la probabilité qu’un 1
soit envoyé, (𝛼 = 𝑃 (𝑏 = 1)) et donc 1 − 𝛼 la probabilité qu’un 0 soit envoyé.
- La perturbation dans le canal est aussi modélisée de façon probabiliste :
- On désigne par 𝑝 la probabilité qu’un 1 en entrée ne soit pas altéré (c’est-à-dire
0
𝑝 = 𝑃 (𝑏 = 1|𝑏 = 1)) et donc 1−𝑝 désigne la probabilité qu’un 1 en entrée devienne
un 0 en sortie.
- On désigne par 𝑞 la probabilité qu’un 0 en entrée ne soit pas altéré pendant la
transmission, et donc 1 − 𝑞 désigne la probabilité qu’un 0 en entrée devienne un 1
en sortie.

CPGE Ibn Ghazi page 13 / 16 Classe MP*1

Série d’exercices Probabilités et Variables aléatoires discrètes

0
1. On a écrit ci-dessus 𝑝 = 𝑃 (𝑏 = 1|𝑏 = 1). Exprimer de la même manière 1 − 𝑝, 𝑞
et 1 − 𝑞 en terme de probabilités conditionnelles.
2. Un bit est envoyé. Quelle est la probabilité de recevoir un 1 en sortie ?
[Link] reçoit le bit 1. Quelle est alors la probabilité qu’un 1 ait été envoyé en
entrée ?
Soit 𝑛 un entier supérieur ou égal à 2. On décide d’envoyer 𝑛 fois le même bit 𝑏.
On note 𝑏 10 , ..., 𝑏𝑛0 les 𝑛 bits obtenus en sorie et on note 𝑋 la variable aléatoire qui
compte le nombre de 1 en sortie. On remarque que les valeurs possiblement prises
par 𝑋 sont 0, 1, ..., 𝑛 :
0


 𝑏 −→ Canal bruité −→ 𝑏 1
 0
 𝑏 −→ Canal bruité −→ 𝑏 2


..


 .
 𝑏 −→ Canal bruité −→ 𝑏 0

 𝑛

4. Soit 𝑘 un entier entre 0 et 𝑛. Exprimer 𝑃 (𝑋 = 𝑘) en fonction des paramètres

𝑝, 𝑞, 𝛼 .
5. En déduire l’espérance de 𝑋 en fonction des paramètres 𝑝, 𝑞, 𝛼 .
6. Soit 𝑘 un entier entre 0 et 𝑛. Exprimer la probabilité que le bit 1 ait été envoyé
sachant que le nombre de 1 en sortie vaut 𝑘.
Le canal est désormais supposé symétrique, c’est-à-dire que chaque bit, que ce
soit un 0 ou un 1, peut être altéré avec la même probabilité (1 − 𝑝). On suppose
1
< 𝑝 < 1.
2
6a. Déterminer en fonction des paramétres 𝑝 et 𝛼, l’ensemble des valeurs 𝑘 prises
par 𝑋 pour les quelles il est plus probable (au sens strict) qu’un 1 ait été envoyé
plutôt qu’un 0.
1
6b. Que devient ce résultat lorsque 𝛼 = ?
2
1
7. On suppose 𝛼 = . On note 𝑓 (𝑛) la probabilité que l’interprétation de l’obser-
2
vation en sortie soit fausse, c’est-à-dire que le bit en entrée n’est pas celui le plus
probable en sortie.
7a. Exprimer 𝑓 (𝑛) en fonction des 𝑃 (𝑋 = 𝑘), pour des entiers 𝑘 entre 0 et 𝑛.
7b. Donner une expression de 𝑓 (𝑛) en fonction de 𝑛 et 𝑝.

CPGE Ibn Ghazi page 14 / 16 Classe MP*1

Série d’exercices Probabilités et Variables aléatoires discrètes

7c.Écrire une fonction binôme en langage Python qui prend en entrée un entier
naturel 𝑁 et un entier
 naturel
 𝑘 compris entre 0 et 𝑁 et retourne la valeur du
𝑁
coefficient binomial .
𝑘
7d. On suppose 𝑝 = 0.95. Écrire un programme en langage Python qui prend en
entrée l’entier naturel 𝑛 et donne une estimation de 𝑓 (𝑛).
Pb2
1. (Une démonstration du théorème d’approximation de Weierstrass (d’aprè
Mines 2015))
Soit 𝑛 ∈ N∗, 𝑥 ∈ [0, 1] et 𝑓 : [0, 1] → R une fonction continue. On note 𝑋 1, ..., 𝑋𝑛
des variables aléatoires mutuellement indépendantes et équidistribuées selon la
𝑆𝑛
loi de Bernoulli de paramètre 𝑥 . On note également 𝑆𝑛 = 𝑋 1 + ... + 𝑋𝑛 et 𝑍𝑛 =
𝑛
et 𝐵𝑛 (𝑓 ) (𝑥) = 𝐸 (𝑓 (𝑍𝑛 ))
1a. Donner la loi de 𝑆𝑛 . En déduire les valeurs de l’espérance et de la variance de
𝑆𝑛 en fonction de 𝑛 et de 𝑥 .
1b. En utilisant l’inégalité de Bienaymé-Tchebychev, montrer que pour tout 𝛼 > 0 :
 
∑︁ 𝑛 1
𝑥 𝑘 (1 − 𝑥)𝑛−𝑘 6
𝑘 4𝑛𝛼 2
06𝑘 6𝑛
𝑘
𝑛 −𝑥 > 𝛼

1c. Montrer que :

𝑛      
∑︁ 𝑛 𝑘 𝑛−𝑘 𝑘
𝐵𝑛 (𝑓 ) (𝑥) − 𝑓 (𝑥) = 𝑥 (1 − 𝑥) 𝑓 − 𝑓 (𝑥)
𝑘 𝑛
𝑘=0

et en déduire que la suite (𝐵𝑛 (𝑓 ))𝑛 ∈N converge uniformément vers 𝑓 sur [0, 1]
2. Dans cette question on considère une suite de variables aléatoires (𝑋𝑛 )𝑛 ∈N∗
mutuellement indépendantes et équidistribuées selon la loi géomètrique sur N∗
𝑆𝑛
de paramètre 𝑝 ∈]0, 1[. On note pour tout 𝑛 ∈ N∗ 𝑆𝑛 = 𝑋 1 + ... + 𝑋𝑛 et 𝑍𝑛 =
𝑛
2a. Déterminer les valeurs de l’espérance et de la variance de 𝑍𝑛 en fonction de 𝑛
et de 𝑝.
2b. Calculer la fonction génératrice 𝐺𝑆𝑛 de la variable 𝑆𝑛 en tout point 𝑡 ∈ [−1, 1]
[Link] le fait que 𝐺𝑆𝑛 est développable en série entière dans ] − 1, 1[ et en
déduire la loi de 𝑆𝑛 .

CPGE Ibn Ghazi page 15 / 16 Classe MP*1

Série d’exercices Probabilités et Variables aléatoires discrètes

3. Soit maintenant 𝑓 une fonction réelle, uniformément continue et bornée sur la

demi-droite [1, +∞[. Pour 𝑛 ∈ N∗, on note 𝑓𝑛 la fonction définie par : pour tout
𝑥 ∈]0, 1]
+∞    
𝑛
∑︁ 𝑛 +𝑘 −1 𝑘
𝑓𝑛 (𝑥) = 𝑥 𝑓 1+ (1 − 𝑥)𝑘
𝑛−1 𝑛
𝑘=0

3a. Justifier que 𝑓𝑛 soit bien définie sur ]0, 1].

3b. Calculer 𝐸 (𝑓 (𝑍𝑛 )) en fonction de 𝑓𝑛 (𝑝).
3c. Soit, pour tout 𝜀 > 0, le réel 𝛿 (𝜀) défini par :

𝛿 (𝜀) = sup{|𝑓 (𝑥) − 𝑓 (𝑦)| ; |𝑥 | > 1, |𝑦| > 1 et |𝑥 − 𝑦| 6 𝜀}

Démontrer que :
    
1 1
𝐸 𝑓 (𝑍𝑛 ) − 𝑓 6 𝛿 (𝜀) + 2 k𝑓 k ∞ 𝑃 𝑍𝑛 − >𝜀
𝑝 𝑝

En déduire que, pour tout 𝑎 > 1, on a :

 
1
lim sup 𝑓𝑛 − 𝑓 (𝑥) = 0
𝑛−→+∞𝑥 ∈ [1,𝑎] 𝑥

CPGE Ibn Ghazi page 16 / 16 Classe MP*1