Probabilités et variables aléatoires discrètes

I - Préliminaires techniques

1) Ensembles dénombrables
Définition : un ensemble est dit dénombrable si et seulement s’il est en bijection avec N (on dit qu’il
est équipotent à N).
Premiers exemples
1) N∗ est dénombrable ; l’ensemble des entiers pairs (resp. impairs) est dénombrable.
2) Z est dénombrable : on obtient une bijection f de N dans Z en posant pour tout q dans N f (2q) = q
et f (2q + 1) = −q − 1.
NB : pour montrer qu’une application est bijective, le plus simple est parfois d’exhiber sa bijection
réciproque ! Sinon, on peut montrer que tout élément de l’ensemble d’arrivée admet un unique
antécédent (souvent par analyse-synthèse, ce qui rejoint la première idée. . . ). On peut aussi
montrer qu’elle est surjective et injective.
Pour montrer qu’un ensemble est dénombrable, il existe des résultats plus généraux.

Lemme : toute partie infinie de N est dénombrable.

Théorème : toute partie infinie d’un ensemble dénombrable est dénombrable.

Corollaire : un ensemble E est fini ou dénombrable (on dit aussi au plus dénombrable) si et seulement
s’il est en bijection avec une partie de N (i.e. si et seulement s’il existe une injection de
E dans N ou encore si et seulement s’il existe une surjection de N dans E).
Corollaire : un ensemble non vide est fini ou dénombrable si et seulement s’il peut être décrit paramétrique-
ment sous la forme {xn , n ∈ N}.

Lemme : N2 est dénombrable.

Théorème : le produit cartésien de deux ensembles dénombrables est dénombrable.

Applications : pour tout m dans N∗ , Nm est dénombrable ; Q est dénombrable.
NB : R n’est pas dénombrable ; {0, 1}N non plus ! On peut montrer qu’ils sont équipotents.

2) Compléments sur les séries (hors programme, résultats admis)

a) Permutation des termes d’une série absolument convergente
Si la série numérique un est absolument convergente, alors pour toute permutation σ de N (i.e.
bijection de N dans N), uσ(n) est également absolument convergente et a même somme.
Ce résultat permet de donner un sens à une somme indexée par un ensemble dénombrable, dès que la
série des termes indexée selon un ordre arbitraire est absolument convergente.
b) Sommation par paquets
Soit un une série absolument convergente, I un ensemble fini ou dénombrable et (Pi )i∈I une partition
de N. Alors, pour tout i dans I, Si = un a un sens (somme finie ou somme d’une série absolument
n∈Pi
convergente) ; Si a également un sens et l’on a
i∈I
∞
un = Si = un
n=0 i∈I i∈I n∈Pi
(d’où l’appellation de sommation par paquets).
Comme au paragraphe précédent, ce résultat se généralise à une somme indexée par un ensemble
dénombrable autre que N.
11. Probabilités et variables aléatoires discrètes Page 2

c) Suites doubles
On appelle suite double une suite (up,q ) indexée par les couples (p, q) de N2 .
Cas des suites doubles à termes dans R+
Si les up,q sont dans R+ , les assertions suivantes sont équivalentes :
• pour tout p dans N, la série up,q converge, de somme σp , et la série σp converge
q≥0 p≥0

• pour tout q dans N, la série up,q converge, de somme τ q , et la série τ q converge

p≥0 q≥0

• la série de terme général up,q converge

p+q=n

• la suite de terme général up,q converge

0≤p,q≤N

Lorsque ces assertions sont vraies, on a

   
∞ ∞ ∞ ∞ ∞
 up,q  =  up,q  = up,q = lim up,q .
N→∞
p=0 q=0 q=0 p=0 n=0 p+q=n 0≤p,q≤N

On dit alors que la suite double (up,q ) est sommable et la valeur commune ci-dessus est notée up,q .
(p,q)∈N2
Les deux premières écritures se généralisent au cas de l’indexation par un produit cartésien de deux
ensembles dénombrables, on parle alors de famille sommable (ui,j )(i,j)∈I×J .
Cas des suites doubles à termes dans C
Si les up,q sont dans C, la suite double (up,q ) est dite sommable si et seulement si (|up,q |) l’est.
Auquel cas les quatre expressions ci-dessus ont un sens et ont la même valeur, toujours notée up,q .
(p,q)∈N2

II - Espaces probabilisés
1) Notion de tribu — Notations et vocabulaire
Lorsqu’on veut généraliser la notion de probabilité à un univers Ω infini, on s’aperçoit que l’ensemble
des événements ne peut pas toujours être P (Ω) tout entier (par exemple si les calculs de probabilités
impliquent des calculs d’intégrales).

Définition : si Ω est un ensemble, on appelle tribu sur Ω toute partie A de P (Ω) telle que :
•Ω∈A
• A est stable par passage au complémentaire : pour tout A de A, A = Ω\A ∈ A
∞
• A est stable par union dénombrable : pour toute suite (An )n∈N d’éléments de A, An ∈ A.
n=0

Un espace probabilisable est un couple (Ω, A) où A est une tribu sur l’ensemble Ω.
Exemples : A = {∅, Ω} est une tribu sur Ω, la tribu grossière sur Ω ; P (Ω) est une tribu sur Ω.
Ces notions sont utilisées pour modéliser une expérience aléatoire.
Les éléments de Ω sont les issues (ou réalisations, ou encore résultats possibles).
Les éléments de A sont les événements (ce sont des parties de Ω, c’est-à-dire des ensembles de résultats
possibles).
Les événements élémentaires sont ceux de la forme {ω} où ω ∈ Ω.
∅ est l’événement impossible, Ω l’événement certain ; pour A ∈ A, A est l’événement contraire de A.
Pour (A, B) ∈ A2 , A ∪ B est appelé événement “ A ou B”, A ∩ B est appelé événement “ A et B”.
On dit que A et B sont des événements incompatibles si et seulement si A ∩ B = ∅, que A implique B
si et seulement si A ⊂ B.
11. Probabilités et variables aléatoires discrètes Page 3

Un système complet fini d’événements est une famille finie (A1 , . . . , Am ) d’événements tels que :
• les An sont incompatibles deux à deux : i = j ⇒ Ai ∩ Aj = ∅
m
• l’union des An est l’univers tout entier : An = Ω.
n=1

Un système complet dénombrable d’événements est une suite (An )n∈N d’événements tels que :
• les An sont incompatibles deux à deux : i = j ⇒ Ai ∩ Aj = ∅
∞
• l’union des An est l’univers tout entier : An = Ω.
n=0

NB : c’est la version probabiliste des partitions ; on parle communément de système complet d’événements
dans la mesure où la notation permet de distinguer les deux cas précédents.

2) Notion d’espace probabilisé

Définition : si Ω est un ensemble et A une tribu sur Ω, on appelle probabilité sur (Ω, A) une application
P : A → [0, 1] telle que :
• P (Ω) = 1
• σ-additivité : pour toute suite (An )n∈N d’événements incompatibles 2 à 2,
∞ ∞
P An = P (An ) .
n=0 n=0

Le triplet (Ω, A, P ) est dit espace probabilisé.

Un événement de probabilité 1 autre que Ω est dit presque sûr ou presque certain.
Un événement de probabilité 0 autre que ∅ est dit négligeable ou presque impossible.
NB : la propriété de σ-additivité contient la convergence de la série P (An ), pour toute suite
(An )n∈N d’événements incompatibles 2 à 2.
Elle est bien entendu vraie aussi pour toute famille finie d’événements incompatibles 2 à 2 (qu’il
suffit de compléter par des ∅ pour obtenir une suite, sans pour autant changer la réunion ni la
somme des probabilités, voir § 4)). On parle alors d’additivité.

3) Germe de probabilité sur Ω, P (Ω) lorsque Ω est au plus dénombrable

Théorème : si Ω est au plus dénombrable et si p : Ω → [0, 1] vérifie p (ω) = 1, alors il existe une
ω∈Ω
unique probabilité P sur Ω, P (Ω) telle que P ({ω}) = p (ω). P est définie par :
∀A ∈ P (Ω) P (A) = p (ω) .
ω∈A
Dém. La preuve – banale dans le cas fini – est hors programme en MPSI da
ns le cas dénombrable ; elle
utilise la notion de famille sommable, cf. I-2).

Le cas d’équiprobabilité sur un univers fini :

#A
Si Ω est un ensemble fini non vide et A = P (Ω), P : A → est une probabilité sur (Ω, A), dite
#Ω
probabilité uniforme sur Ω ; c’est un cas particulier du théorème précédent, caractérisé par le fait que
tous les événements élémentaires ont même probabilité (cela est impossible sur un univers infini !).
Dans ce cas, la probabilité d’un événement est le quotient du nombre de cas “favorables” par le nombre
de cas possibles.
Exemples : parmi les situations classiques d’équiprobabilité, citons le lancer d’une pièce équilibrée, d’un
dé non pipé, le tirage “au hasard” d’une carte dans un jeu, d’une boule indiscernable des autres dans
une urne. . .
11. Probabilités et variables aléatoires discrètes Page 4

4) Premières propriétés
Soit (Ω, A, P ) un espace probabilisé.
∞ ∞ ∞ ∞
• Pour toute suite (An )n∈N d’événements, An = An et An = An ;
n=0 n=0 n=0 n=0
• A est stable par intersection dénombrable.
• A est stable par union finie et par intersection finie.
• A est stable par différence (A\B = A ∩ B : A et non B) et par différence symétrique :
A∆B = (A\B) ∪ (B\A) = (A ∪ B) \ (A ∩ B) (ou exclusif : soit A, soit B)
• P (∅) = 0 et ∀A ∈ A P A = 1 − P (A).
m m
• Si A0 , . . . , Am sont des événements incompatibles 2 à 2, P An = P (An ).
n=0 n=0

• Pour A, B dans A tels que A ⊂ B, P (B\A) = P (B) − P (A).

• ∀ (A, B) ∈ A2 P (A ∪ B) = P (A) + P (B) − P (A ∩ B).
• Croissance : pour A, B dans A tels que A ⊂ B, P (A) ≤ P (B).
• Continuité croissante : si (An )n∈N est une suite croissante d’événements (∀n An ⊂ An+1 ), alors
∞
lim P (An ) = P An .
n→∞ n=0

• Continuité décroissante : si (An )n∈N est une suite décroissante d’événements (∀n An+1 ⊂ An ),
∞
lim P (An ) = P An .
n→∞ n=0

• Sous-additivité : si (An )n∈N est une suite d’événements, alors

∞ ∞
P An ≤ P (An )
n=0 n=0
(où cette dernière somme vaut par convention +∞ si la série diverge. . . ).
m m
Pour une famille finie A0 , . . . , Am d’événements, on a P An ≤ P (An ).
n=0 n=0

5) Répétition une infinité de fois d’une expérience à deux issues

De nombreux contextes variés correspondent à ce modèle, typiquement : “on lance une infinité de fois
une pièce de monnaie” (c’est bien sûr une expérience virtuelle, même pour une infinité dénombrable !).
∗
L’univers Ω est alors, {P, F}N (où P désigne “pile” et F “face” et où l’on numérote les lancers
1, 2. . . ). Ω n’est pas dénombrable et cela pose des problèmes de définition d’une tribu et d’une pro-
babilité “raisonnables”. Par exemple, dans le cas d’une pièce équilibrée, on souhaite que la probabilité
1
d’un événement où l’on impose le résultat d’exactement n lancers soit n ; alors, si l’on avait pour
2
tribu P (Ω), pour respecter la continuité décroissante, il faudrait que la probabilité de tout événement
élémentaire soit nulle. . . On ne peut donc pas généraliser la construction du § 3) au cas non dénom-
brable. Hélas – même si c’est possible – il est délicat (et hors programme !) de construire une tribu
qui permette de modéliser convenablement la situation.
C’est pourquoi, en pratique, on n’explicite pas la tribu utilisée et l’on se contente d’opérations sur des
événements “raisonnables” comme ceux évoqués ci-dessus.
Le lecteur scrupuleux remarquera que c’est souvent le cas dans les problèmes de probabilité.
∞
Par exemple, soit l’événement A : “obtenir pile à tous les lancers”. Ainsi A = An où An est
n=1
1
l’événement “les n premiers lancers donnent pile”, de sorte que P (An ) = . Il est clair que la suite
2n
(An ) est décroissante et donc P (A) = lim P (An ) = 0 : A est un événement presque impossible (on
n→∞
s’en doutait !). A (“obtenir au moins une fois face”) est donc presque certain.
11. Probabilités et variables aléatoires discrètes Page 5

6) Conditionnement
Soit (Ω, A, P ) un espace probabilisé.
a) Probabilité conditionnelle
Théorème et définition : soient A et B deux événements, tels que P (A) > 0.
On appelle probabilité de B sachant A le réel
P (A ∩ B)
PA (B) = , noté aussi P (B|A) .
P (A)
L’application PA est une probabilité sur (Ω, A), parfois appelée probabilité
conditionnée à A.

NB : on peut “justifier” cette appellation par analogie avec le calcul de la fréquence de réalisation de
B sachant que A est réalisé, sur un grand nombre N de répétitions de l’expérience (approche
“fréquentiste” des probabilités) :
nA∩B
nA∩B P (A ∩ B)
= nNA ∼ .
nA P (A)
N
Exemple : je lance 2 dés (cubiques) équilibrés, en les maintenant cachés.
Quelle est la probabilité qu’il y ait au moins un 6 ?
Je découvre l’un des dés qui montre un 5, quelle est la probabilité que l’autre soit un 6 ?
Convention importante
Dans toute la suite on convient que P (A) P (B|A) = 0 lorsque P (A) = 0 (alors que P (B|A) n’a pas
de sens a priori ).

b) Formule des probabilités composées

Théorème : pour tous événements A, B on a : P (A ∩ B) = P (A) P (B|A).

Cette formule absolument banale est très utile en pratique ! Voir par exemple l’expérience emblématique
de tirage sans remise : on extrait successivement sans remise deux boules d’une urne contenant 7
boules blanches et 4 noires ; quelle est la probabilité d’obtenir deux boules noires ? On cherche ainsi
la probabilité de l’événement N2 ∩ N1 , où Nk est l’événement “la k-ième boule est noire”. Alors, en
supposant les tirages équiprobables :
4 3 6
P (N1 ∩ N2 ) = P (N1 ) P (N2 |N1 ) = · = ≈ 0, 11.
11 10 55

Une récurrence immédiate donne la version générale :

Théorème : pour toute famille finie d’événements (A1 , . . . , Am ),
m
P An = P (A1 ) P (A2 |A1 ) P (A3 |A1 ∩ A2 ) · · · P (Am |A1 ∩ · · · ∩ Am−1 )
n=1
(ce produit étant nul dès que l’une des intersections A1 ∩. . .∩Ak a une probabilité nulle !).
4 3 2 1
Exemple : dans le cas précédent, la probabilité d’obtenir 4 boules noires est · · · et celle
11 10 9 8
d’obtenir au moins 5 boules noires vaut 0 !

c) Formule des probabilités totales

Pour rassembler les énoncés correspondant aux cas fini et dénombrable, on note I = [[1, m]] ou I = N.
Définition : (An )n∈I est un système quasi complet (ou presque complet) d’événements si et seulement
si les An sont incompatibles deux à deux et P An = 1.
n∈I
Théorème : soit (An )n∈I un système complet (resp. quasi complet) d’événements ; alors
∀B ∈ A P (B) = P (An ) P (B|An ) (formule des probabilités totales)
n∈I
(avec toujours la convention officielle : P (An ) P (B|An ) = 0 lorsque P (An ) = 0).
Là encore, dans le cas dénombrable, le résultat comprend la convergence de la série !
11. Probabilités et variables aléatoires discrètes Page 6

NB : cette formule permet de calculer la probabilité d’un événement, connaissant ses probabilités
conditionnées aux événements d’un système complet (ou quasi complet), ce qui est une situation
assez répandue.
Appliquée à plusieurs événements, elle conduit souvent à des égalités matricielles.

Exemple 1 (toujours le même) : en utilisant le système complet d’événements N1 , N1 j’obtiens

4 3 7 4 4
P (N2 ) = P (N1 ) P (N2 |N1 ) + P N1 P N2 |N1 = · + · = .
11 10 11 10 11

d) Formule de Bayes
De nouveau des formules banales, compte tenu des résultats précédents, mais formules très utiles aussi,
car permettant de “remonter dans le temps” puisqu’elles peuvent donner une probabilité conditionnelle
dans l’ordre inverse de l’ordre “chronologique” des expériences. . . De son temps, la formule de Bayes
s’appelait “théorème de probabilité des causes".
Théorème : si A, B sont deux événements de probabilité non nulle, alors
P (A) P (B|A)
P (A|B) = (formule de Bayes)
P (B)
Et son corollaire compte tenu de la formule des probabilités totales :
Théorème : soit (An )n∈I un système complet (resp. quasi complet) d’événements.
Si B est un événement de probabilité non nulle, alors
P (A) P (B|A)
∀A ∈ A P (A|B) = (formule de Bayes)
P (B|An ) P (An )
n∈I

Exemple : on dispose de 100 dés dont 80 sont équilibrés et 20 sont pipés au point qu’ils donnent un 6
avec une probabilité de 1/2. On lance un dé choisi au hasard et on obtient 6. Quelle est la probabilité
que ce dé soit pipé ?

7) Indépendance
Soit toujours (Ω, A, P ) un espace probabilisé.
Définition : deux événements A et B sont indépendants si et seulement si P (A ∩ B) = P (A) P (B)
(on remarque que cette relation est symétrique. . . ).

NB : dans le cas où P (A) = 0, A et B sont indépendants si et seulement si P (B|A) = P (B), ce

qui semble intuitivement raisonnable. De même, si P (A) = 1, A et B sont indépendants si et
seulement si P B|A = P (B).
Il faut bien comprendre que l’on ne démontre pas que deux événements sont indépendants par du
“baratin” sur la réalisation de telle ou telle expérience, mais en vérifiant l’égalité ci-dessus.
En revanche, c’est dans la définition même de la probabilité que l’on peut faire en sorte que deux
événements intuitivement indépendants le soient formellement.
Définition : soit (Ai )i∈I une famille d’événements.
∗ les Ai , i ∈ I, sont indépendants deux à deux si et seulement si
∀ (i, j) ∈ I 2 i = j ⇒ P (Ai ∩ Aj ) = P (Ai ) P (Aj ) .
∗ les Ai , i ∈ I, sont mutuellement indépendants si et seulement si, pour toute partie
finie J de I,

P Aj = P (Aj ) .
j∈J j∈J
11. Probabilités et variables aléatoires discrètes Page 7

NB : bien entendu, l’indépendance mutuelle implique l’indépendance 2 à 2, mais la réciproque est

fausse. Voir l’exemple ci-après.

Exemple : on lance deux fois une pièce équilibrée. Soient les événements A : “les deux résultats
sont différents”, B : “obtenir face au premier lancer”, C : “obtenir pile au second lancer”.
Montrer que A, B et C sont indépendants deux à deux mais pas mutuellement indépendants.

Propriété : si les Ai , i ∈ I, sont mutuellement indépendants, alors pour toute partie finie J de I et
tout k de I n’appartenant pas à J, Ak et Aj sont indépendants.
j∈J

Propriété : si A et B sont indépendants, alors A et B sont indépendants, de même que A et B.

Propriété : si les Ai , i ∈ I, sont mutuellement indépendants, alors toute famille (Bi )i∈I où, pour tout
i, Bi = Ai ou Bi = Ai est aussi une famille d’événements mutuellement indépendants.

III - Variables aléatoires discrètes

1) Généralités
a) Définitions et notations
Une variable aléatoire discrète X sur un espace probabilisable (Ω, A) est une application de Ω dans un
ensemble E, telle que :
1) l’ensemble X (Ω) des valeurs prises par X est fini ou dénombrable ;

2) pour tout élément x de X (Ω), l’ensemble des antécédents de x est un événement, autrement dit
∀x ∈ X (Ω) X −1 ({x}) ∈ A.

NB : la propriété 2 est évidemment vérifiée lorsque A = P (Ω) !

Si (Ω, A, P ) est un espace probabilisé, une variable aléatoire discrète sur (Ω, A) est aussi appelée variable
aléatoire discrète sur (Ω, A, P ).
Lorsque E ⊂ R, on parle de variable aléatoire réelle discrète.
Lorsque E ⊂ Rd , on parle de vecteur aléatoire réel discret.
Propriété : pour toute partie U de E, X −1 (U ) est un événement.

Notations : pour x élément de E, l’événement X −1 ({x}) est aussi noté (X = x) ou {X = x} ;

pour U partie de E, l’événement X −1 (U ) est aussi noté (X ∈ U ) ou {X ∈ U }.
Exemple 1 (cas fini où A = P (Ω)) : on lance deux dés et l’on associe à chaque issue la somme des
résultats des deux dés.
Exemple 2 (cas où X (Ω) est dénombrable) : temps d’attente
Dans le cas (classique) de la répétition infinie d’une expérience, ladite expérience pouvant se solder
par la survenue d’un événement A. On appelle temps d’attente de l’événement A la variable aléatoire
T qui, à chaque suite de résultats, associe le rang de la première occurrence de A, avec la convention
que ce rang vaut ∞ si A ne se produit jamais. Ainsi T prend ses valeurs dans N∗ ∪ {∞}, qui est bien
dénombrable. Il est beaucoup plus délicat de démontrer la propriété 2 de la définition, d’autant qu’on
n’a déjà pas (en MPSI) les outils pour expliciter une tribu “ra
isonnable” !
Normalement, les énoncés diront que ce type d’application est une variable aléatoire.
Exemple 3 (cas général) : variable aléatoire indicatrice
Si A ∈ A, l’application 1A : Ω → {0, 1} qui à ω associe 1 si ω ∈ A, 0 sinon, est une variable aléatoire
discrète sur (Ω, A).

Variables aléatoires sur Ω, P (Ω) lorsque Ω est fini ou dénombrable

Dans ce cas toute application de Ω dans E est une variable aléatoire discrète !
11. Probabilités et variables aléatoires discrètes Page 8

b) Loi d’une variable aléatoire discrète

Théorème et définition : soit une variable aléatoire discrète X sur un espace probabilisé (Ω, A, P ).
La loi de X est l’application PX : P X (Ω) → [0, 1] .
U → P (X ∈ U )
PX est ainsi une probabilité sur X (Ω) , P (X (Ω)) .
La loi de X est entièrement déterminée par la famille P (X = x) x∈X(Ω) .
La loi de X est appelée par certains auteurs “loi de probabilité de X”.
On appelle souvent “loi de X” la famille P (X = x) x∈X(Ω) ; on remarquera que la donnée de cette
famille comprend l’ensemble X (Ω) et les valeurs des P (X = x) pour tous les x de X (Ω).

Propriété : soit I un ensemble fini ou dénombrable. Si X, variable aléatoire discrète sur (Ω, A, P ),
prend ses valeurs dans {xi , i ∈ I} (où les xi sont distincts 2 à 2), alors les (X = xi ), i ∈ I,
forment un système complet d’événements. En particulier, on a
P (X = xi ) = 1.
i∈I
Le théorème suivant fournit en quelque sorte une réciproque à cette propriété banale.

Théorème : soit I un ensemble fini ou dénombrable. Si X : Ω → E prend ses valeurs dans {xi , i ∈ I}
(où les xi sont distincts 2 à 2) et si (pi )i∈I est une famille de réels de [0, 1] telle que
pi = 1, alors il existe un espace probabilisé (Ω, A, P ) tel que
i∈I
∀i ∈ I P (X = xi ) = pi .
Dém. Banale pour I fini, hors programme pour I dénombrable.
Ce théorème a pour avantage (appréciable) de permettre d’étudier une variable aléatoire définie par sa
loi, sans avoir à expliciter l’espace probabilisé correspondant.

c) Fonction de répartition d’une variable aléatoire réelle discrète

Définition : soit une variable aléatoire réelle discrète X sur un espace probabilisé (Ω, A, P ).
La fonction de répartition de X est l’application FX : R → [0, 1] .
x → P (X ≤ x)
Propriétés : soit FX la fonction de répartition d’une variable aléatoire réelle discrète X.
a) FX est croissante sur R
b) lim FX = 0 et lim FX = 1
−∞ +∞

c) Si X prend ses valeurs dans {xi , i ∈ I}, où I est fini ou dénombrable et les xi distincts
2 à 2, alors
∀x ∈ R FX (x) = P (X = xi ) où Ix = {i ∈ I / xi ≤ x}
i∈Ix
NB : dans le cas d’une variable aléatoire à valeurs dans N (cas très fréquent) on a
k
∀x < 0 FX (x) = 0 et ∀k ∈ N ∀x ∈ [k, k + 1[ FX (x) = P (X = i) .
i=0

On peut penser que, dans le cas discret, la fonction de répartition n’apporte rien puisqu’elle se déduit
de la loi de X. Mais, dans le cas continu (hors programme), c’est l’outil essentiel. . .
De plus, dans le cas d’une variable aléatoire à valeurs dans N, la fonction de répartition se calcule
parfois naturellement et l’on en déduit la loi de X :
∀n ∈ N P (X = n) = FX (n) − FX (n − 1) .
Exemple : une urne contient N boules indiscernables numérotées de 1 à N (N ≥ 3). On en extrait
simultanément 3 et l’on note X le plus grand des 3 numéros obtenus. Alors X (Ω) = [[3, N]] et
n n n−1
3 3 − 3
∀n ∈ [[3, N]] FX (n) = P (X ≤ n) = N
d’où P (X = n) = N
.
3 3
11. Probabilités et variables aléatoires discrètes Page 9

2) Quelques lois usuelles

a) Loi uniforme
Soit E un ensemble fini non vide.
Une variable aléatoire X suit la loi uniforme sur E si et seulement si X (Ω) = E et
1
∀x ∈ E P (X = x) = .
#E
On écrit alors X ֒→ U (E).
Cette loi correspond à l’équiprobabilité d’obtenir les différentes valeurs possibles.
b) Loi de Bernoulli (pas de “i” avant les deux “l”)
Soit p ∈ [0, 1].
Une variable aléatoire X suit la loi de Bernoulli de paramètre p si et seulement si X (Ω) = {0, 1} et
P (X = 1) = p et P (X = 0) = 1 − p.
On écrit alors X ֒→ B (p).
C’est le modèle des expériences à deux résultats, souvent appelés succès (X = 1) et échec (X = 0). Une
telle expérience est dite expérience de Bernoulli.
Noter que l’univers “ambiant” ne se réduit pas nécessairement à deux issues, comme dans le jeu de “pile
ou face”. Le succès peut par exemple être “obtenir un 6 en lançant un dé”, auquel cas l’événement
(X = 1) est {6}, tandis que (X = 0) = {1, 2, 3, 4, 5}.

c) Loi binomiale (pas d’accent circonflexe)

Soient n ∈ N∗ et p ∈ [0, 1].
Une variable aléatoire X suit la loi binomiale de paramètres n, p si et seulement si X (Ω) = [[0, n]] et
n k
∀k ∈ [[0, n]] P (X = k) = p (1 − p)n−k .
k
On écrit alors X ֒→ B (n, p).
C’est le modèle du nombre de succès lors de la réalisation de n expériences de Bernoulli indépendantes,
de même paramètre p (pour n = 1, on retrouve la loi de Bernoulli B (p) !).
Par exemple : lancers consécutifs d’une même pièce, d’un même dé (ou de plusieurs, mais ayant les
mêmes caractéristiques !) ; tirages dans une urne avec remise. . .

d) Loi géométrique
Soit p ∈ ]0, 1[.
Une variable aléatoire X suit la loi géométrique de paramètre p si et seulement si X (Ω) = N∗ et
∀k ∈ N∗ P (X = k) = p (1 − p)k−1 .
On écrit alors X ֒→ G (p).
C’est le modèle du rang du premier succès lors de la réalisation d’une infinité d’expériences de Bernoulli
indépendantes, de même paramètre p. On jette alors un voile pudique sur le cas où ledit premier succès
ne surviendrait jamais, ce qui est presque impossible (on dit que X est définie presque sûrement plutôt
que d’ajouter ∞ parmi les valeurs possibles, cela pour les calculs ultérieurs : cf. V et VI).
Propriété : si X ֒→ G (p), alors, pour tout (n, k) ∈ N2 , P (X > n + k | X > n) = P (X > k).
On dit que la loi géométrique est une loi sans mémoire.

Cette propriété est caractéristique des lois géométriques :

Théorème : soit X une variable aléatoire à valeurs dans N∗ , telle que : ∀k ∈ N∗ P (X = k) > 0.
Si l’on a :
∀ (n, k) ∈ N2 , P (X > n + k | X > n) = P (X > k) ,
alors X suit une loi géométrique.
11. Probabilités et variables aléatoires discrètes Page 10

e) Loi de Poisson (avec une majuscule)

Soit λ ∈ R+∗ .
Une variable aléatoire X suit la loi de Poisson de paramètre λ si et seulement si X (Ω) = N et
λk
∀k ∈ N P (X = k) = e−λ · .
k!
On écrit alors X ֒→ P (λ).
Cette loi est “abstraite” au sens où elle ne découle pas d’un calcul de probabilité concret, contrairement
aux précédentes. Elle est appelée “loi des événements rares” car elle est apparue à partir d’un modèle
considérant un événement se produisant à un rythme “raisonnable”, précisément un nombre constant de
fois par unité de temps (par exemple, connexion à un serveur web, arrivée à une caisse de supermarché,
décès suite à une ruade de cheval dans la cavalerie prussienne. . . ).
On s’intéresse à la variable aléatoire X donnant le nombre de réalisations pendant une durée T . On
découpe T en n intervalles de temps d’amplitude T /n et, par hypothèse, la probabilité de survenue de
l’événement durant chacun de ces intervalles est de la forme p = αT /n.
Comme l’intervalle [0, T ] est l’enchaînement de n intervalles de même amplitude T /n, on considère que
la loi binomiale de paramètres n, p s’applique et, pour k ∈ [[0, n]] fixé :
k
n k n (n − 1) · · · (n − k + 1) αT αT
P (X = k) = p (1 − p)n−k = · · exp (n − k) ln 1 −
k k! n n
d’où (k est fixé !)
(αT )k
P (X = k) −→ exp (−αT )
n→∞ k!
où l’on reconnaît la loi de Poisson de paramètre λ = αT .
On peut ainsi espérer approcher la loi binomiale B (n, p) par la loi de Poisson P (np), beaucoup plus
simple à calculer. L’expérience montre que la précision est satisfaisante pourvu que n soit “assez grand”
et np “pas trop grand”, une condition (empirique) souvent proposée étant n ≥ 30 et np ≤ 5 .
Voici les graphes pour n = 30 et np = 5 (limité à [0, 15]) :

0.20
Binomiale
Poisson

0.15

0.10

0.05

0.00
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

Théorème : soit (Xn )n∈N une suite de variables aléatoires telle que, pour tout n, Xn ֒→ B (n, pn ) où
npn −→ λ ∈ R. Alors
n→∞ λk
∀k ∈ N P (Xn = k) −→ e−λ · .
n→∞ k!

3) Fonction d’une variable aléatoire discrète

Soit X une variable aléatoire discrète sur l’espace probabilisé (Ω, A, P ), à valeurs dans un ensemble E.
Si ϕ est une fonction de E dans un ensemble F , on note (abusivement) ϕ (X) la fonction ϕ ◦ X.
Propriété : ϕ (X) est une variable aléatoire discrète sur (Ω, A, P ).

NB : la loi de probabilité de ϕ (X) n’est pas toujours facile à expliciter, lorsque ϕ n’est pas injective.

Exemple : soit ϕ : x → x2 et X ֒→ U (E) où E = {−1, 0, 1, 2}. Alors X 2 (E) = {0, 1, 4} et

1 1 1
P X 2 = 0 = P (X = 0) = ; P X 2 = 4 = P (X = 2) = ; P X 2 = 1 = P (X = −1)+P (X = 1) = .
4 4 2
11. Probabilités et variables aléatoires discrètes Page 11

IV - Couple de variables aléatoires discrètes

1) Généralités
Soient X et Y deux variables aléatoires discrètes sur un même espace probabilisé (Ω, A, P ), à valeurs
respectivement dans les ensembles E et F . On dispose alors sur (Ω, A, P ) du vecteur aléatoire discret
Z = (X, Y ) : ω → (X (ω) , Y (ω)). En effet :
• Z (Ω) ⊂ X (Ω) × Y (Ω) donc Z (Ω) est fini ou dénombrable
• pour (x, y) ∈ Z (Ω), Z −1 (x, y) = X −1 ({x}) ∩ Y −1 ({y}) ∈ A.
Pour alléger, l’événement ((X, Y ) = (x, y)) est noté (X = x, Y = y).
Définition : la loi conjointe (ou loi mutuelle) de X et de Y est la loi du couple (X, Y ) :
∀ (x, y) ∈ X (Ω) × Y (Ω) P (X = x, Y = y) = P (X = x) ∩ (Y = y) .
les lois marginales du couple (X, Y ) sont la loi de X et la loi de Y :
∀x ∈ X (Ω) P (X = x) = P (X = x, Y = y)
y∈Y (Ω)
et
∀y ∈ Y (Ω) P (Y = y) = P (X = x, Y = y) .
x∈X(Ω)
Attention ! Les lois marginales se déduisent de la loi conjointe, mais elles ne permettent pas de la
déterminer.
Exemple : une urne contient 3 boules blanches et 4 noires ; on en extrait deux boules et l’on note X1
la variable aléatoire donnant 1 (resp. 0) si la première boule est blanche (resp. noire). On définit de
même X2 pour la deuxième boule et l’on représente dans un tableau la loi conjointe de (X1 , X2 ) dans
les deux cas avec et sans remise :
avec remise sans remise

X2 0 1 loi de X1 X2 0 1 loi de X1
X1 X1
16 12 4 2 2 4
0 0
49 49 7 7 7 7
12 9 3 2 1 3
1 1
49 49 7 7 7 7
4 3 4 3
loi de X2 1 loi de X2 1
7 7 7 7

Définition : pour x ∈ X (Ω) tel que P (X = x) > 0, on appelle loi conditionnelle de Y sachant (X = x)
la loi de Y relativement à la probabilité P(X=x) , c’est-à-dire l’application
Y (Ω) → [0, 1]
P (X = x, Y = y)
y → P(X=x) (Y = y) =
P (X = x)
On définit de même la loi conditionnelle de X sachant (Y = y) lorsque P (Y = y) > 0.

2) Somme de variables aléatoires discrètes

Théorème : toute somme finie de variables aléatoires réelles discrètes est une variable aléatoire réelle
discrète.
Dém. Pour deux variables aléatoires X et Y , on considère le vecteur (X, Y ), auquel on applique la
fonction ϕ : (X, Y ) → X + Y (cf. III-3)). Le cas général s’en déduit par récurrence.
NB : comme le produit par un scalaire est banal, on en déduit que l’ensemble des variables aléatoires
réelles discrètes est un R-espace vectoriel.
11. Probabilités et variables aléatoires discrètes Page 12

3) Variables aléatoires discrètes indépendantes

Définition : X et Y sont dites indépendantes si et seulement si
∀ (x, y) ∈ X (Ω) × Y (Ω) P (X = x, Y = y) = P (X = x) P (Y = y)
(autrement dit, pour tout x tel que P (X = x) > 0, la loi conditionnelle de Y sachant
(X = x) coïncide avec la loi de Y ).

Théorème : si X et Y sont indépendantes, alors

∀ (A, B) ∈ P (X (Ω)) × P (Y (Ω)) P (X ∈ A, Y ∈ B) = P (X ∈ A) P (Y ∈ B) .
Dém. Hors programme dans le cas dénombrable. . .
Théorème : si X et Y sont indépendantes et f et g des fonctions définies respectivement sur X (Ω) et
Y (Ω), alors f (X) et g (Y ) sont indépendantes.

Définition : soit (Xi )i∈I une famille de variables aléatoires discrètes. On dit que les Xi , i ∈ I, sont
mutuellement indépendantes si et seulement si, pour toute famille (xi )i∈I de Xi (Ω),
i∈I
les événements (Xi = xi ) i∈I
sont mutuellement indépendants.

NB : la vérification de cette propriété serait certes fastidieuse, mais en général c’est le contexte
qui fournit des variables aléatoires mutuellement indépendantes, par exemple les variables de
Bernoulli associées à des lancers successifs d’une pièce. . .
Exemple fondamental
Si X1 , . . . , Xn sont mutuellement indépendantes et suivent chacune la loi de Bernoulli B (p), alors
X1 + · · · + Xn suit la loi binomiale B (n, p).
Lemme des coalitions : le théorème précédent se généralise ; supposons pour simplifier que (Xk )1≤k≤n
est une famille finie de variables aléatoires réelles discrètes mutuellement indépendantes, que p est un
entier de [[1, n − 1]] et que f (resp. g) est une fonction de Rp (resp. Rn−p ) dans R.
Alors les variables aléatoires réelles discrètes f (X1 , . . . , Xp ) et g (Xp+1 , . . . Xn ) sont indépendantes.

V - Espérance et variance
1) Espérance d’une variable aléatoire réelle discrète
Définition : soit X une variable aléatoire réelle discrète à valeurs dans un ensemble dénombrable
xn , n ∈ N (où les xn sont distincts 2 à 2).
On dit que X est d’espérance finie si et seulement si la série xn P (X = xn ) est absolu-
ment convergente ; si c’est le cas, on appelle espérance de X le réel
∞
E (X) = xn P (X = xn ) .
n=0
On l’admet en PSI, mais l’hypothèse de convergence absolue permet de montrer que cette notion ne
dépend pas de l’ordre dans lequel on a “numéroté” les xn . . .
Plus généralement, on dit que X admet un moment d’ordre m si et seulement si X m est d’espérance
finie, auquel cas le réel E (X m ) est dit moment d’ordre m de X.
Dans le cas où X prend un nombre fini de valeurs, elle est d’espérance finie et l’on retrouve la définition
de 1re année :
E (X) = xP (X = x) = X (ω) P ({ω}) si Ω est fini .
x∈X(Ω) ω∈Ω

Comme la somme des “coefficients” P (X = xn ) vaut 1, on retrouve aussi l’idée de moyenne pondérée
des valeurs prises par X (l’espérance est un indicateur de position).
Exemple 1 : on lance deux dés et l’on désigne par X la variable aléatoire qui donne la somme des
résultats des deux dés. On trouve E (X) = 7, résultat prévisible pour raisons de symétrie. . .
∞
Exemple 2 : si X est bornée, elle est d’espérance finie (ne pas oublier que P (X = xn ) = 1).
n=0
11. Probabilités et variables aléatoires discrètes Page 13

Exemple 3 : d’après le théorème du III-1)b) in fine, il existe une variable aléatoire réelle discrète X
∞
∗ ∗ 1 1
d’image N telle que : ∀n ∈ N P (X = n) = (en effet = 1).
n (n + 1) n=1
n (n + 1)
Cela fournit un exemple de variable aléatoire qui n’est pas d’espérance finie.
Théorème : soit X à valeurs dans N ; X est d’espérance finie si et seulement si la série P (X ≥ n)
converge, auquel cas
∞
E (X) = P (X ≥ n) .
n=1
2) Propriétés de l’espérance
a) Une idée utile pour les calculs d’espérance
Voici une piste pour démontrer plusieurs résultats parmi ceux qui suivent. Démonstrations hors pro-
gramme car il s’agit d’utiliser abondamment des sommations par paquets et des séries doubles.
L’idée majeure est que l’on n’a pas besoin d’expliciter la loi d’une variable aléatoire discrète Z pour
calculer son espérance : il suffit de connaître une partition (Ak )k∈K de Ω (où K est fini ou dénombrable)
telle que Z prenne une valeur constante, disons ck , sur chacun des Ak . On a alors le résultat suivant :
Z est d’espérance finie si et seulement si |ck | P (Ak ) converge et si c’est le cas E (Z) = ck P (Ak ).
k∈K k∈K

Idée de la dém. Pour tout z de Z (Ω), on note Kz = {k ∈ K / ck = z}, de sorte que (Kz )z∈Z(Ω) est une
partition de K et que
∀z ∈ Z (Ω) |z| P (Z = z) = |ck | P (Ak ) et zP (Z = z) = ck P (Ak )
k∈Kz k∈Kz
b) Théorème du transfert
Soient X une variable aléatoire discrète à valeurs dans xn , n ∈ N (où les xn sont distincts 2 à 2) et
f une application à valeurs réelles, dont l’ensemble de définition contient xn , n ∈ N .
Alors f (X) est d’espérance finie si et seulement si la série f (xn ) P (X = xn ) est absolument conver-
gente, auquel cas
∞
E f (X) = f (xn ) P (X = xn ) .
n=0
NB : résultat similaire dans le cas où X prend un nombre fini de valeurs (sans soucis de convergence !).

c) Linéarité de l’espérance
Soient X et Y deux variables aléatoires réelles discrètes sur un même espace probabilisé et (a, b) ∈ R2 .
Si X et Y sont d’espérance finie, alors aX + bY est d’espérance finie et
E (aX + bY ) = aE (X) + bE (Y ) .
Corollaire : si X est d’espérance finie, alors E X − E (X) = 0 (variable aléatoire centrée).

d) Positivité et croissance de l’espérance

Positivité soit X une variable aléatoire réelle discrète à valeurs dans R+ .

Si X est d’espérance finie, alors E (X) ≥ 0.
Croissance soient X et Y deux variables aléatoires réelles discrètes sur un même espace probabilisé,
telles que X ≤ Y (i.e. X (ω) ≤ Y (ω) pour tout ω ∈ Ω).
Si X et Y sont d’espérance finie, alors E (X) ≤ E (Y ).
Exercice (classique mais hors programme) : si |X| ≤ Y et Y d’espérance finie, alors X est d’espérance
finie et E (|X|) ≤ E (Y ) (idée : appliquer le théorème du transfert à Z = (X, Y ), avec f : (x, y) → x).
e) Espérance du produit de deux variables aléatoires réelles indépendantes
Soient X et Y deux variables aléatoires réelles discrètes sur un même espace probabilisé.
Si X et Y sont indépendantes et d’espérance finie, alors XY est d’espérance finie et
E (XY ) = E (X) E (Y ) .
Attention ! Réciproque fausse.
11. Probabilités et variables aléatoires discrètes Page 14

3) Variance et écart type

Théorème et définition : soit X une variable aléatoire réelle discrète.
Si X 2 est d’espérance finie, alors X est également d’espérance finie et l’on appelle variance de X le réel
V (X) = E (X − E (X))2 = E X 2 − E (X)2 .

Dans ce cas l’écart type de X est le réel σ (X) = V (X).

NB : la variance et surtout l’écart type (qui s’exprime dans la même “unité” que X) sont des indicateurs
de la dispersion des valeurs prises par X de part et d’autre de l’espérance.

Propriété : si X 2 est d’espérance finie et (a, b) ∈ R2 , alors (aX + b)2 est d’espérance finie et
V (aX + b) = a2 V (X) ; σ (aX + b) = |a| σ (X) .

4) Trois inégalités fondamentales

a) Inégalité de Markov
Soit X une variable aléatoire réelle discrète à valeurs dans R+ , d’espérance finie. Alors
E (X)
∀α > 0 P (X ≥ α) ≤ .
α
b) Inégalité de Bienaymé-Tchebychev
Soit X une variable aléatoire réelle discrète telle que X 2 soit d’espérance finie. Alors
V (X)
∀α > 0 P X − E (X) ≥ α ≤ .
α2
NB : ces deux dernières majorations ont le mérite d’être simples, mais sont en général assez brutales.
Elles peuvent fournir deux majorations différentes pour une même probabilité, c’est bien sûr la
meilleure que l’on retiendra. . .

c) Inégalité de Cauchy-Schwarz
Soient X et Y deux variables aléatoires réelles discrètes sur un même espace probabilisé telles que
X 2 et Y 2 soient d’espérance finie.
Alors XY est d’espérance finie et |E (XY )| ≤ E (X 2 ) E (Y 2 ).
Noter que sous les hypothèses précédentes, si besoin, E (XY ) se calcule grâce au théorème du transfert
appliqué à (X, Y ) avec la fonction f : (x, y) → xy. Si X (Ω) = {xi , i ∈ I} et Y (Ω) = {yj , j ∈ J}, alors
E (XY ) = xi yj P (X = xi , Y = yj ) .
(i,j)∈I×J

5) Covariance et coefficient de corrélation

Soient X et Y deux variables aléatoires réelles discrètes sur un même espace probabilisé telles que
X 2 et Y 2 soient d’espérance finie.
Alors X − E (X) Y − E (Y ) est d’espérance finie et on appelle covariance de X et Y le réel

Cov (X, Y ) = E X − E (X) Y − E (Y ) = E (XY ) − E (X) E (Y )

Ainsi, si X et Y sont indépendantes, alors Cov (X, Y ) = 0 (réciproque fausse. . . ).

Si X et Y ont une variance non nulle, on appelle coefficient de corrélation de X et Y le réel
Cov (X, Y )
ρ (X, Y ) = .
σ (X) σ (Y )
L’inégalité de Cauchy-Schwarz, appliquée aux variables centrées X − E (X) et Y − E (Y ), donne
|ρ (X, Y )| ≤ 1.

L’appellation “coefficient de corrélation” vient du fait que, dans le cas fini, une valeur de |ρ (X, Y )|
proche de 1 indique que le nuage de points formé par les valeurs de (X, Y ) est “voisin d’une droite”.
Cf. la méthode des moindres carrés vue en TD et le cas d’égalité dans l’inégalité de Cauchy-Schwarz.
11. Probabilités et variables aléatoires discrètes Page 15

6) Variance d’une somme finie de variables aléatoires réelles discrètes

Soient X1 , . . . , Xn des variables aléatoires réelles discrètes dont le carré est d’espérance finie. Alors
n 2
Xk est d’espérance finie et l’on a
k=1
n n
V Xk = V (Xk ) + 2 Cov (Xi , Xj ) .
k=1 k=1 1≤i<j≤n
Si en outre les Xk sont indépendantes deux à deux, alors
n n
V Xk = V (Xk )
k=1 k=1

Exemple : si X ֒→ B (p), alors E (X) = E X 2 = p et V (X) = p (1 − p). On obtient ainsi que,

si X ֒→ B (n, p), alors E (X) = np et V (X) = np (1 − p).
11. Probabilités et variables aléatoires discrètes Page 16

5) Lois usuelles
a) Loi uniforme

Si X ֒→ U ([[1, N]]), . On retrouve

2
N +1 1 N N +1 N +1 N2 − 1
E (X) = et V (X) = n (n − 1) + − = .
2 N n=1 2 2 12

b) Loi de Bernoulli
Si X ֒→ B (p), . On retrouve
E (X) = p et V (X) = 0 + p − p2 = p (1 − p) .

c) Loi binomiale
Si X ֒→ B (n, p),

On retrouve
E (X) = np et V (X) = n (n − 1) p2 + np − (np)2 = np (1 − p) .

si X ֒→ B (n, p), Y ֒→ B (m, p) (avec le même p !) et si X et Y sont indépendantes,

alors X + Y ֒→ B (n + m, p).

d) Loi géométrique

Si X ֒→ G (p) (p ∈ ]0, 1[),

Il en résulte que X 2 est d’espérance finie et que :
1 1−p
E (X) = et V (X) = .
p p2
e) Loi de Poisson

Si X ֒→ P (λ) (λ > 0),

Il en résulte que X 2 est d’espérance finie et que :
E (X) = λ et V (X) = λ.
si X ֒→ P (λ), Y ֒→ P (µ) et si X et Y sont indépendantes, alors X + Y ֒→ P (λ + µ).

VII - La loi faible des grands nombres

Soit (Xn )n≥1 une suite de variables aléatoires réelles discrètes, deux à deux indépendantes, de même
loi, telles que les Xn2 soient d’espérance finie.
n
On note m et σ l’espérance et l’écart type communs aux Xk et Sn = Xk .
k=1
1
Alors on a, pour tout ε > 0, P Sn − m ≥ ε −→ 0
n n→∞

1 σ2
avec, plus précisément, pour tout n dans N∗ , P Sn − m ≥ ε ≤ .
n nε2
Ce résultat justifie d’une certaine façon l’approche fréquentiste des probabilités : si les Xk suivent
1
une même loi de Bernoulli de paramètre m, Sn est la fréquence d’obtention d’un succès durant n
n
répétitions de l’expérience. . .