Chapitre 2

Variables aléatoires discrètes

2.1 Loi d’une variable aléatoire

2.1.1 Rappels ensemblistes
Considérons une application f : E −→ F , où E et F sont deux ensembles.
Pour toute partie A ⊂ E de E, on note f hAi l’ensemble

f hAi = {f (a), a ∈ A} = {y ∈ F | ∃a ∈ A, y = f (a)}.

En particulier, l’ensemble f hEi est l’image de l’application f , i.e. l’ensemble des éléments de E qui ont
au moins un antécédent par f .
De même, si B ⊂ F est une partie de F , on note f −1 hBi l’ensemble

f −1 hBi = {x ∈ E | f (x) ∈ B}.

C’est une partie de l’ensemble E, appelée image réciproque de la partie B par l’application f . C’est
l’ensemble des x ∈ E tels que f (x) «tombe» dans l’ensemble B. Cette notation ne suppose pas que
l’application f est bijective !

Exemple 1. L’ensemble f −1 hF i est égal à E : en effet, pour tout x ∈ E, on a f (x) ∈ F ; ceci prouve que
tous les x ∈ E appartiennent à f −1 hF i, donc que E ⊂ f −1 hF i. L’autre inclusion est automatiquement
vérifiée.

Exemple 2. Si l’ensemble B est réduit à un élément : B = {b}, alors f −1 h{b}i est l’ensemble des x ∈ E
tels que f (x) ∈ {b}, i.e. tels que f (x) = b. Si l’élément b n’a pas d’antécédent par f , alors f −1 h{b}i = ∅.

Cette application «image réciproque» se comporte bien vis-à-vis des opérations ensemblistes :

Proposition
Soit f : E −→ F une application. Si (Bi )i∈I est une famille de parties de F , on a les égalités

f −1 h∪i∈I Bi i = ∪i∈I f −1 hBi i et f −1 h∩i∈I Bi i = ∩i∈I f −1 hBi i.

Démonstration. Procédons par double inclusion pour la première formule .

– Soit x ∈ f −1 h∪i∈I Bi i. Par définition, on a f (x) ∈ ∪i∈I Bi . Il existe donc un indice i au moins, disons i0 ,
tel que f (x) appartient à Bi0 . Par suite, x appartient à l’ensemble f −1 hBi0 i ⊂ ∪i∈I f −1 hBi i.
– Pour l’inclusion inverse, considérons un élément x ∈ ∪i∈I f −1 hBi i. Il existe au moins un indice i,
disons i0 , tel que x appartienne à f −1 hBi0 i. Ceci signifie que f (x) appartient à Bi0 ⊂ ∪i∈I Bi , donc x
appartient à f −1 h∪i∈I Bi i.
La deuxième formule se démontre de façon tout à fait analogue, la locution «il existe au moins un
indice i tel que» devenant «pour tout indice i ∈ I, on a…».

19
20 Chapitre 2. Variables aléatoires discrètes

2.1.2 Variable aléatoire discrète

Définition (variable aléatoire discrète)

Une variable aléatoire discrète sur l’espace probabilisable (Ω, A) est une application X : Ω −→ E telle
que
– l’image XhΩi de X soit une partie finie ou dénombrable de E ;
– pour tout x appartenant à l’image XhΩi de X, l’ensemble X −1 h{x}i appartient à la tribu A.

Dans toute la suite, lorsque nous parlerons de variable aléatoire, il s’agira toujours, même si ce n’est
pas rappelé, de variable aléatoire discrète.
L’ensemble XhΩi est l’ensemble des valeurs que peut prendre la variable aléatoire X ; on exige donc
que, pour toute telle valeur x, on puisse calculer la probabilité de l’événement «la variable aléatoire prend
la valeur x». Cet ensemble XhΩi étant au plus dénombrable, ce sera en général l’ensemble N, ou N∗ , ou Z.
Notation : En théorie des probabilités, il est d’usage de noter (X = x) l’événement X −1 h{x}i.
Remarque 1. En général, l’univers Ω n’est pas explicité, pas plus que la tribu A. Il est donc difficile de
vérifier que, pour tout x ∈ XhΩi, l’ensemble X = x appartient bien à la tribu. Ce sera implicitement
supposé. L’essentiel est que l’on puisse mesurer la probabilité de l’événement X = x.
Exemple 1. Lors du lancer d’une pièce, on peut s’intéresser à la variable aléatoire qui prend la valeur 0
si la pièce tombe sur «pile», 1 si elle tombe sur «face».
Exemple 2. Lors du lancer d’un dé, on s’intéresse à la variable aléatoire X qui indique le résultat du
tirage : la variable aléatoire prend ses valeurs dans l’intervalle d’entiers [[1, 6]].
Exemple 3. Lors de deux lancers de dés consécutifs, la variable aléatoire X indique le couple de deux
résultats obtenus. Elle prend ses valeurs dans l’ensemble fini [[1, 6]]2 .
Exemple 4. Le nombre de connexions à un site internet durant une journée est une variable aléatoire ;
elle prend ses valeurs dans l’ensemble N.
Exemple 5. Lors d’une succession de lancers d’une pièce, la variable aléatoire T qui indique quel est
le rang de la première apparition de «pile». Par convention, T prend la valeur ∞ si aucun tirage ne
donne «pile». La variable aléatoire prend ses valeurs dans l’ensemble N∗ ∪ {∞}, qui est bien dénombrable
(l’application ϕ définie par ϕ(0) = ∞ et ϕ(n) = n pour n ∈ N∗ est une bijection de N dans N∗ ∪ {∞}).
Une telle variable aléatoire s’appelle un temps d’attente.

Proposition
Soit X une variable aléatoire à valeurs dans l’ensemble E. Pour toute partie B ⊂ E, l’ensemble X −1 hBi
est un événement (i.e. qu’il appartient à la tribu A).

Démonstration. Commençons par écrire B sous la forme B = B1 ∪ B2 , où B1 est l’ensemble des éléments
de B qui appartiennent en plus à l’image XhΩi de la variable aléatoire, et B2 l’ensemble des éléments
de B qui n’appartiennent pas à cette image. On a alors
X −1 hBi = X −1 hB1 ∪ B2 i = X −1 hB1 i ∪ X −1 hB2 i = X −1 hB1 i ∪ ∅ = X −1 hB1 i
(en effet, comme aucun élément de B2 n’appartient à l’image de X, on a X −1 hB2 i = ∅). L’ensemble B1
est maintenant inclus dans l’image de X, qui est au plus dénombrable, donc B1 l’est aussi. Il s’écrit donc
sous la forme B1 = ∪i∈I {bi }, l’union étant finie ou dénombrable. On a donc
X −1 hBi = X −1 hB1 i = X −1 h∪i∈I {bi }i = ∪i∈I X −1 h{bi }i.
Les ensembles X −1 h{bi }i appartenant tous à la tribu A, il en est de même de l’union ∪i∈I X −1 h{bi }i
puisqu’elle est finie ou dénombrable.
Notation : De même que l’on note X = x l’événement X −1 h{x}i, on notera X ∈ B l’événement
X −1 hBi. Avec cette notation, la première égalité de la démonstration précédente s’écrit


X ∈ B1 ∪ B2 = (X ∈ B1 ) ∪ (X ∈ B2 ).
Ainsi, pour toute partie B ⊂ E, on pourra mesurer la probabilité de l’événement X ∈ B.
2.1. Loi d’une variable aléatoire 21

Fonction d’une variable aléatoire

Il arrive fréquemment qu’à partir d’une variable aléatoire discrète X, on veuille en définir d’autres : par
exemple |X|, ou X 2 . Pour cela, il faut vérifier que ce sont encore des variables aléatoires au sens défini
plus haut.

Proposition
Soit X une variable aléatoire à valeurs dans l’ensemble E et f : E −→ F une application. Alors
l’application f ◦ X est encore une variable aléatoire discrète.

Démonstration. Si l’image de la variable aléatoire X est finie, on peut l’écrire sous la forme XhΩi =
{x1 , . . . , xn }, donc l’image de l’application f ◦ X est (f ◦ X)hΩi = {f (x1 ), . . . , f (xn )}, qui est encore un
ensemble fini. Si cette image est dénombrable, on peut l’écrire sous la forme XhΩi = {xn , n ∈ N}. L’image
de l’application f ◦ X est alors (f ◦ X)hΩi = {f (xn ), n ∈ N}, qui est un ensemble fini ou dénombrable
(certains de f (xi ) peuvent être égaux !).
Soit maintenant y appartenant à l’image de f ◦ X. On a


(f ◦ X = y) = {ω ∈ Ω | f X(ω) = y}
= {ω ∈ Ω | X(ω) ∈ f −1 h{y}i}
= (X ∈ f −1 h{y}i),

qui est bien un événement en vertu de la proposition précédente.

Notation : cette variable aléatoire f ◦ X est notée, abusivement, f (X).

2.1.3 Loi
Un phénomène aléatoire sera en pratique étudiée via une variable aléatoire décrivant ce phénomène.
Comme l’univers Ω n’est en pratique pas explicité, ce n’est pas tant la variable aléatoire X en elle-même
qui nous intéresse que la probabilité qu’elle prenne telle ou telle valeur. C’est cette idée qui est à l’origine
du concept de loi d’une variable aléatoire.

Définition (loi d’une variable aléatoire)

La loi d’une variable aléatoire X définie sur l’espace probabilisé (Ω, A, P) est la donnée de
– l’ensemble XhΩi des valeurs prises par la variable aléatoire X ;
– pour tout x ∈ XhΩi, la probabilité P(X = x) de l’événement (X = x).

Cette loi donne tous les renseignements utiles sur la variable aléatoire X : en effet, B est une partie
de l’ensemble XhΩi, il peut s’écrire sous la forme B = {bi , i ∈ I}, les bi étant deux à deux distincts et
l’ensemble I étant fini ou dénombrable. On peut alors calculer la probabilité de l’événement X ∈ B par
σ-additivité :

P(X ∈ B) = P X ∈ ∪i∈I {bi } = P ∪i∈I (X = bi ) = P(X = bi )

X

i∈I

puisque l’union est disjointe.

Remarque 1. La donnée d’une variable aléatoire X définit une probabilité PX sur l’univers XhΩi (muni
de la tribu pleine), définie par

∀x ∈ XhΩi, PX ({x}) = P(X = x).

Deux variables aléatoires X et Y ont même loi si, et seulement si, elles ont la même image et que les
probabilités PX et PY sont égales. On note X ∼ Y .

Remarque 2. Si A est un événement de probabilité non nulle, la loi conditionnelle de X sachant A est la
donnée, pour tout x ∈ XhΩi, de la probabilité conditionnelle PA (X = x).

Commençons par rappeler les lois classiques des variables prenant leur valeur dans un ensemble fini.
 22 Chapitre 2. Variables aléatoires discrètes

a) Loi uniforme

Définition
On dit que la variable aléatoire X suit une loi uniforme sur l’ensemble E = [[a, b]] (de cardinal
n = b − a + 1) si, et seulement si,
1
XhΩi = [[a, b]] et ∀k ∈ [[a, b]], P(X = k) = .
n
On note X ∼ U ([[a, b]]).

1
n

a b

Fig. 2.1 – Histogramme de la loi uniforme sur [[a, b]]

Exemple 1. On lance un dé équilibré. La variable aléatoire qui indique quel numéro est sorti suit la loi
uniforme U ([[1, 6]]).

On simule informatiquement une variable aléatoire suivant une loi uniforme en tirant au hasard
(uniformément) un entier dans l’intervalle [[a, b]]. En python, on obtient (après avoir importé le module
random avec l’alias rd) :
1 def simulUniforme (a, b):
2 return rd. randrange (a, b+1)
L’appel simulUniforme(a, b) renvoie alors un entier tiré uniformément dans l’intervalle [[a, b+1[[= [[a, b]].

b) Loi de Bernoulli

Définition
Soit p ∈ ]0, 1[. On dit que la variable aléatoire X suit la loi de Bernoulli de paramètre p si, et
seulement si,
XhΩi = {0, 1} et P(X = 1) = p, P(X = 0) = 1 − p.
On note X ∼ B(p).

Cette loi modélise un événement aléatoire qui ne peut avoir que deux issues possibles : le succès avec
probabilité p (associé à la valeur 1 prise par la variable aléatoire), et l’échec, avec probabilité 1−p (associé
à la valeur 0).

1−p

0 1

Fig. 2.2 – Histogramme de la loi de Bernoulli de paramètre p

On simule une loi de Bernoulli en tirant aléatoirement et uniformément un réel dans l’inter-
valle [0, 1[ : si ce réel est inférieur à p, on renvoie 1 ; sinon, on renvoie 0.
 2.1. Loi d’une variable aléatoire 23

1 def simulBernoulli (p):

2 X = rd. random ()
3 if X < p:
4 return 1
5 else:
6 return 0

c) Loi binomiale

Définition
Soit p ∈ ]0, 1[ et n ∈ N. On dit que la variable aléatoire X suit la loi binomiale de paramètres n et p
si, et seulement si,
 
n k
XhΩi = [[0, n]] et ∀k ∈ [[0, n]], P(X = k) = p (1 − p)n−k .
k

On note X ∼ B(n, p).

0, 2 0, 2

0, 15 0, 15

0, 1 0, 1

0, 05 0, 05

0 0
0 2 4 6 8 10 12 14 16 18 20 0 2 4 6 8 10 12 14 16 18 20

Fig. 2.3 – Histogrammes des lois binomiales B(20, 0.5) et B(20, 0.8)

Exemple 2. On lance n + 1 fois de suite une pièce déséquilibrée pour laquelle la probabilité d’obtenir P
est égale à p. On note X la variable aléatoire qui compte le nombre de fois où la pièce est tombée sur P :
elle vérifie X ∼ B(n, p).

On simule une loi binomiale en faisant la somme de lois de Bernoulli indépendantes (la définition
est rappelée plus loin) :
1 def simulBinomiale (n, p):
2 X = 0
3 for i in range (n):
4 X += simulBernoulli (p)
5 return X

d) Loi discrète finie

Avant de passer aux variables aléatoires prenant une infinité dénombrable de valeurs, intéressons-
nous à la simulation d’une variable aléatoire X prenant un nombre fini de valeurs x0 , . . . , xn−1 , avec les
probabilités respectives p0 , . . . , pn−1 (de somme égale à 1). On peut simuler une telle loi en tirant un
réel u uniformément dans l’intervalle [0, 1[ : il tombera
– dans l’intervalle [0, p0 [ (de longueur p0 ) avec probabilité p0 ;
– dans l’intervalle [p0 , p0 + p1 [ (de longueur p1 ) avec probabilité p1 ;
– …
– dans l’intervalle [1 − pn−1 , 1[ (de longueur pn−1 ) avec probabilité pn−1 .
 24 Chapitre 2. Variables aléatoires discrètes

Il suffit donc de trouver l’unique entier k ∈ [[0, n]] tel que Sk−1 6 u < Sk (somme partielle) et de renvoyer
la valeur xk (par convention, S−1 = 0).
1 def simulFinie (x, p):
2 n = len(p)
3 S = 0
4 k = -1
5 u = rd. random ()
6 while S <= u:
7 k += 1
8 S += p[k]
9 return x[k]

e) Loi géométrique

Définition
Soit p ∈ ]0, 1[. On dit que la variable aléatoire X suit la loi géométrique de paramètre p si, et seulement
si,
XhΩi = N∗ et ∀k ∈ N∗ , P(X = k) = p(1 − p)k−1 .
On note X ∼ G (p).

Commençons par remarquer que ceci définit bien une loi de probabilité : en effet, les réels p(1 − p)k−1
sont tous positifs ou nuls et la série converge puisque 0 < 1 − p < 1. La somme de cette série est égale à
∞ ∞
X X 1
p(1 − p)k−1 = p (1 − p)k = 1 · = 1.
1 − (1 − p)
k=1 k=0

0, 2

0, 1

0
1 5 10 15 20

Fig. 2.4 – Histogramme de la loi géométrique G (0, 2)

Exemple 3. On lance une pièce jusqu’à l’obtention du premier P. On suppose que, à chaque lancer, la
probabilité d’obtenir P est égale à p. On note X la variable aléatoire qui indique le nombre de lancers
nécessaires pour obtenir le premier P (par convention, la variable aléatoire X prend la valeur ∞ si P ne
sort jamais).
Pour tout entier n > 1, l’événement (X = n) est l’événement «les n − 1 premiers tirages donnent F et
le n-ième donne P», et l’événement (X > n) est l’événement «le n-ième tirage a lieu». On a donc, pour
tout entier n > 2 :
P(X = n | X > n) = p et P(X > n | X > n) = 1 − p.
Par la formule des probabilités composées, on a donc
P (X = n) = p(1 − p)n−1 .
Par ailleurs, l’événement (X = ∞) est l’événement contraire de l’événement (X ∈ N∗ ) ; sa probabilité est
∞
P(X = ∞) = 1 −
X
p(1 − p)n−1 = 0 :
n=1
2.2. Couples de variables aléatoires ; indépendance 25

il est négligeable.

Remarque 3. Pour cette raison, la loi géométrique est aussi appelée loi du premier succès.

f) Loi de Poisson

Définition
Soit λ > 0 un réel. On dit que la variable aléatoire X suit la loi de Poisson de paramètre λ si, et
seulement si,
λk
XhΩi = N et ∀k ∈ N, P(X = k) = e−λ .
k!
On note X ∼ P(λ).

Remarquons ici encore que ceci définit bien une loi de probabilité : les réels e−λ λk! sont tous positifs ;
k

la série converge et sa somme est égale à

∞
λk
e−λ = e−λ eλ = 1.
X
k!
k=0

0, 15

0, 10

0, 05

0
0 2 4 6 8 10 12 14 16 18 20

Fig. 2.5 – Histogramme de la loi de Poisson P(10)

2.2 Couples de variables aléatoires ; indépendance

2.2.1 Couple de variables aléatoires ; lois marginales et loi conjointe
Étant données deux variables aléatoires X : Ω −→ E et Y : Ω −→ F , on peut former une nouvelle
variable aléatoire U = (X, Y ) : Ω −→ E × F , appelé couple de variables aléatoires.
Une variable aléatoire étant essentiellement étudiée via sa loi, nous allons établir un lien entre la loi
du couple (X, Y ) et les lois de X et Y .

Définition (lois marginale)

Soit U = (X, Y ) une variable aléatoire à valeurs dans R2 . Les lois des variables aléatoires X et Y sont
appelées lois marginales du couple (X, Y ).

La connaissance de la loi du couple (X, Y ) permet de connaître ses deux lois marginales. En effet, notons

XhΩi = {xi , i ∈ I} et Y hΩi = {yj , j ∈ J}

(ensembles finis ou dénombrables, les xi étant supposés deux à deux distincts, les yj aussi). La loi du
couple est la donnée des

pi,j = P (X, Y ) = (xi , yj ) = P X = xi , Y = yj

pour tous (i, j) ∈ I × J.

26 Chapitre 2. Variables aléatoires discrètes

La loi de la variable aléatoire X est la donnée, pour tout i ∈ I, de la probabilité pi,∗ = P(X = xi ).
La famille d’événements (Y = yj )j∈J étant un système complet d’événements, on a

pi,∗ = P ∪j∈J (X = xi , Y = yj ) = P(X = xi , Y = yj ) =

X X
pi,j .
j∈J j∈J

De même, pour tout j ∈ J, la probabilité p∗,j = P(Y = yj ) est égale à

X
p∗,j = pi,j .
i∈I

Le fait que les pi,∗ définissent la loi de la variable aléatoire X donne en particulier la relation
X
pi,∗ = 1,
i∈I

ce qui s’écrit encore  

X X
 pi,j  = 1.
i∈I j∈J

On retrouve que la somme de tous les pi,j est égale à 1, ce qui est bien normal puisque ces pi,j définissent
la loi de la variable aléatoire U = (X, Y ). De même, on a
X
p∗,j = 1,
j∈J

ce qui s’écrit aussi !

X X
pi,j = 1.
j∈J i∈I

On peut résumer la situation par le tableau suivant :

P (Y = y1 ) (Y = y2 ) ··· (Y = yj ) ··· loi de X

(X = x1 ) p1,1 p1,2 ··· p1,j ··· p1,∗
(X = x2 ) p2,1 p2,2 ··· p2,j ··· p2,∗
.. .. .. .. ..
. . . . .
(X = xi ) pi,1 pi,2 ··· pi,j ··· pi,∗
.. .. .. .. ..
. . . . .
loi de Y p∗,1 p∗,2 ··· p∗,j ··· 1

Remarque 1. Dans le cas où les ensembles I et J sont infinis, on utilise ici le principe de «sommation
par paquets» des pi,j : quitte à renommer les éléments de I et J par des entiers, on peut supposer que
I = J = N. On a alors
– les pi,j sont tous positifs ou nuls ;
– l’ensemble d’indicesPI × J = N × N peut se découper sous la forme N × N = ∪∞ i=0 {i} × N ;
– chacune des séries j pi,j converge (elle a pour somme pi,∗ ) ;
– la série des pi,∗ converge (elle a pour somme 1).
On peut donc parler de la somme de tous les pi,j . Pour calculer celle-ci, on peut procéder par n’importe
quel regroupement :   !
X X X X X
pi,j =  pi,j  = pi,j = · · · .
(i,j)∈I×J i∈I j∈J j∈J i∈I

Examinons maintenant le problème inverse : connaissant la loi de chacune des deux variables X et Y ,
peut-on déterminer la loi du couple U = (X, Y ) ? Sans information supplémentaire, c’est impossible. En
revenant au tableau précédent, cela revient à remplir les cases du tableau connaissant la colonne de droite
et la ligne du bas. Il y a plusieurs façons de le faire !
2.2. Couples de variables aléatoires ; indépendance 27

Exemple 1. Les deux tableaux ci-dessous illustrent des situations possibles de deux variables aléatoires
suivant toutes les deux la même loi :

P (Y = 0) (Y = 1) (Y = 2) loi de X
(X = 0) 0, 1 0 0, 2 0, 3
(X = 1) 0, 1 0, 4 0 0, 5
(X = 2) 0, 1 0, 1 0 0, 2
loi de Y 0, 3 0, 5 0, 2 1

P (Y = 0) (Y = 1) (Y = 2) loi de X
(X = 0) 0, 09 0, 15 0, 06 0, 3
(X = 1) 0, 15 0, 25 0, 1 0, 5
(X = 2) 0, 06 0, 1 0, 04 0, 2
loi de Y 0, 3 0, 5 0, 2 1

On peut en revanche retrouver la loi du couple (X, Y ) en connaissant

– la loi de X ;
– la loi de Y sachant (X = x) pour tout x ∈ XhΩi tel que P(X = x) > 0.
En effet, pour tout (x, y) ∈ XhΩi × Y hΩi, on a

P(X = x, Y = y) = P(Y = y | X = x)P(X = x).

On pourra donc définir une loi de couple en commençant par donner la loi de X puis, pour tout x tel
que P(X = x) soit non nul, la loi de Y sachant (X = x).

Exemple 2. On suppose que le nombre N d’enfants par famille suit une loi de Poisson de paramètre λ.
On suppose également qu’à chaque naissance, la probabilité que l’enfant soit une fille est égale à p ∈ ]0, 1[
(c’est donc un garçon avec probabilité q = 1 − p). On cherche à déterminer la loi de X (nombre de filles)
et la loi de Y (nombre de garçons). Pour cela, commençons par déterminer la loi du couple U = (X, N ).
On connaît la loi de N ; il nous reste à déterminer la loi de X sachant (N = n) pour tout entier n.
Sachant (N = n), le nombre de filles est k ∈ [[0, n]] (et le nombre de garçons est n − k). Puisque
chaque naissance donne une fille avec probabilité p, la probabilité que, parmi les n naissances, k enfants
exactement soient des filles vaut
 
n k n−k
P(X = k | N = n) = p q
k

(remarquons que cette formule reste vraie même si k > n). Pour tout couple (k, n) ∈ N2 , on a donc
n
 
−λ λ n k n−k
P X = k, N = n = e


p q .
n! k

Pour tout entier k, on a donc

∞ ∞
λn n k n−k
 
P(X = k) = P(X = k, N = n) = e−λ
X X
p q
n=0 n=0
n! k
∞ ∞
λn n! pk λk X λm q m
= e−λ pk q n−k = e−λ
X
n! k!(n − k)! k! m=0 m!
n=k
k
(λp) λq (λp)k
= e−λ e = e−λp .
k! k!

La variable aléatoire X suit donc une loi de Poisson de paramètre λp. Par symétrie, la variable aléatoire Y
suit une loi de Poisson de paramètre λq.
28 Chapitre 2. Variables aléatoires discrètes

2.2.2 Indépendance
Nous avons défini la notion d’événements indépendants. Intéressons-nous maintenant aux événements
associés à des variables aléatoires.
Définition
Deux variables aléatoires X, Y définies sur un espace probabilisé (Ω, A, P) sont dites indépendantes si,
et seulement si,

∀x ∈ XhΩi, ∀y ∈ Y hΩi, P(X = x, Y = y) = P(X = x)P(Y = y).

On note X ⊥
⊥Y .

Autrement dit, les variables aléatoires X et Y sont indépendantes si, et seulement si, pour toutes valeurs
x et y prises par X et Y , les événements (X = x) (la variable aléatoire X prend la valeur x) et (Y = y)
sont indépendants.

Exemple 1. Si X est une variable aléatoire constante, elle est indépendante de toute variable aléatoire Y .
En effet, en notant a la valeur de cette constante, on a, pour tout y ∈ Y hΩi

P(X = a, Y = y) = P(Y = y) = P(X = a)P(Y = y).

Exemple 2. On lance deux fois de suite une pièce équilibrée. On note X (resp. Y ) la variable aléatoire
indiquant le résultat obtenu (P ou F) lors du premier (resp. deuxième) tirage. Les probabilités sont les
suivantes :

P (Y = P ) (Y = F ) loi de X
(X = P ) 1/4 1/4 1/2
(X = F ) 1/4 1/4 1/2
loi de Y 1/2 1/2 1

Les deux variables aléatoires sont indépendantes : pour tous x, y ∈ {P, F }, on a

P(X = x, Y = y) = P(X = x)P(Y = y).

Exemple 3. On lance trois fois de suite une pièce équilibrée. On note X (resp. Y ) le nombre de P obtenus
lors des deux premiers tirages (resp. deux derniers tirages). Les probabilités sont les suivantes :

P (Y = 0) (Y = 1) (Y = 2) loi de X
(X = 0) 1/8 1/8 0 1/4
(X = 1) 1/8 1/4 1/8 1/2
(X = 2) 0 1/8 1/8 1/4
loi de Y 1/4 1/2 1/4 1

Les deux variables aléatoires ne sont pas indépendantes : on a par exemple

P(X = 0, Y = 2) 6= P(X = 0)P(Y = 2).

Exemple 4. Reprenons l’exemple du nombre de filles et de garçons. On a supposé que le nombre N

d’enfants dans une famille suivait une loi de Poisson P(λ) et que, à chaque naissance, la probabilité
que l’enfant soit une fille était égale à p ∈ ]0, 1[. Nous avons alors vu que le nombre X de filles suivait
une loi de Poisson P(λp) (et le nombre de garçons une loi de Poisson P(λq), avec q = 1 − p). Pour
tous m, n > 0, on a
m+n
 
−λ λ m+n m n
P(X = m, Y = n) = P(X = m, N = m + n) = e p q
(m + n)! m
λm λn (m + n)! m n
= e−λp−λq p q
(m + n)! m!n!
(λp)m −λq (λq)m
= e−λp e = P(X = m)P(Y = n) :
m! m!
2.2. Couples de variables aléatoires ; indépendance 29

les variables aléatoires sont indépendantes. En revanche, les variables aléatoires X et N ne le sont pas :
par exemple, P(X = n + 1, N = n) est nul (on ne peut pas avoir n enfants, dont n + 1 filles), alors que
ni P(X = n + 1) ni P(N = n) n’est nul.
Remarque 1. De façon générale, on repère facilement la non indépendance de deux variables aléatoires
en trouvant un couple (x, y) pour lequel P(X = x, Y = y) = 0 alors que P(X = x) et P(Y = y) sont non
nuls.
Exemple 5. Si la loi suivie par le nombre d’enfants avait été constante : N = 2 par exemple, les variables
aléatoires X et Y ne seraient alors plus indépendantes : on aurait eu P (X = 0, Y = 0) = 0 alors que
P (X = 0) 6= 0 et P(Y = 0) 6= 0.

Proposition
Soient X, Y deux variables aléatoires indépendantes définies sur l’espace (Ω, A, P).
Pour toutes parties A ⊂ XhΩi, B ⊂ Y hΩi, on a

P(X ∈ A, Y ∈ B) = P(X ∈ A)P(Y ∈ B).

Démonstration. Notons
A = {xi , i ∈ I} et B = {yj , j ∈ J}
(les ensembles I et J étant au plus dénombrables). L’événement (X ∈ A, Y ∈ B) est alors la réunion
disjointe des événements (X = xi , Y = yi ), d’où l’on tire

P(X ∈ A, Y ∈ B) = P ∪(i,j)∈I×J (X = xi , Y = yj ) = P(X = xi , Y = yj )

X

(i,j)∈I×J
   

P(X = xi )P(Y = yj ) = P(X = xi )  P(Y = yj )

X X X X
= 
i∈I j∈J i∈I j∈J

P(X = xi )P(Y ∈ B) = P(X ∈ A)P(X ∈ B)

X
=
i∈I

(les sommations par paquets sont légitimes puisque les termes sont tous positifs).
On déduit de cette propriété le résultat intuitif suivant :
Proposition
Soient X et Y deux variables aléatoires indépendantes définies sur l’espace (Ω, A, P).
Pour toutes fonctions f et g, respectivement définies sur XhΩi et Y hΩi, les variables aléatoires f (X)
et g(Y ) sont encore indépendantes.

Démonstration. Notons {xi , i ∈ I} et {yj , j ∈ J} les ensembles (f ◦ X)hΩi et (g ◦ Y )hΩi des valeurs prises
par les variables aléatoires f (X) et g(Y ). Pour tous i ∈ I, j ∈ J, on a
P f (X) = xi , g(Y ) = yj = P X ∈ f −1 h{xi }i, Y ∈ g −1 h{yj }i

= P X ∈ f −1 h{xi }i P Y ∈ g −1 h{yj }i

= P f (X) = xi P g(Y ) = yj ,

ce qui prouve que les variables aléatoires f (X) et g(Y ) sont indépendantes.
De même que la notion d’événements indépendants se généralise à n événements, on peut s’intéresser
à la notion de n variables aléatoires indépendantes.

Définition (indépendance mutuelle, cas fini)

Les variables aléatoires X1 , . . . , Xn sont dites mutuellement indépendantes si, et seulement si, pour
tout (x1 , . . . , xn ) ∈ X1 hΩi × · · · × Xn hΩi, on a

P(X1 = x1 , . . . , Xn = xn ) = P(X1 = x1 ) · · · P(Xn = xn ).

30 Chapitre 2. Variables aléatoires discrètes

La proposition précédente se généralise alors en

Proposition
Soient X1 , . . . , Xn des variables aléatoires indépendantes définies sur l’espace (Ω, A, P).
Pour toutes fonctions f1 , . . . , fn , respectivement définies sur les ensembles X1 hΩi, . . . , Xn hΩi, les va-
riables aléatoires f1 (X1 ), . . . , fn (Xn ) sont encore indépendantes.

Démonstration. Elle est identique au cas n = 2.

On peut aussi chercher à former de nouvelles variables aléatoires à partir de plusieurs des Xi :

Proposition (lemme des coalitions)

Soient X1 , . . . , Xn des variables aléatoires mutuellement indépendantes. Pour tout entier m ∈ [[1, n−1]]
et toutes fonctions f et g de m et n−m variables respectivement, les variables aléatoires f (X1 , . . . , Xm )
et g(Xm+1 , . . . , Xn ) sont encore indépendantes.

Démonstration. Commençons par montrer que les variables aléatoires

U = (X1 , . . . , Xm ) et V = (Xm+1 , . . . , Xn )

sont indépendantes. Pour cela, considérons des éléments x1 , . . . , xn appartenant à X1 hΩi, . . . , Xn hΩi : on
a
P U = (x1 , . . . , xm ), V = (xm+1 , . . . , xn )

= P(X1 = x1 , . . . , Xm = xm , Xm+1 = xm+1 , . . . , Xn = xn )

= P(X1 = x1 ) · · · P(Xm = xm )P(Xm+1 = xm+1 ) · · · P(Xn = xn )
= P(X1 = x1 , . . . , Xm = xm )P(Xm+1 = xm+1 , . . . , Xn = xn )
= P U = (x1 , . . . , xm ) P V = (xm+1 , . . . , xn ) .

On en déduit que les variables aléatoires

f (X1 , . . . , Xm ) = f (U ) et g(Xm+1 , . . . , Xn ) = g(V )

le sont encore.

Exemple 6. Si X, Y, Z sont trois variables aléatoires mutuellement indépendantes, les variables aléatoires
X + Y et Z le sont encore.

Remarque 2. Le résultat précédent se généralise à un nombre quelconque de coalitions : si les variables

aléatoires X1 , . . . , Xn sont indépendantes, les variables aléatoires f1 (X1 , . . . , Xm ), f2 (Xm+1 , . . . , Xp ),
f3 (Xp+1 , . . . , Xq ) . . . le sont encore.

Une suite finie (X1 , . . . , Xn ) de variables aléatoires mutuellement indépendantes sert à modéliser une
expérience répétée n fois de suite, l’issue de chaque expérience ne dépendant pas de l’issue des autres
expériences. Rappelons à ce sujet le résultat suivant :

Théorème (somme de lois de Bernoulli)

Soient X1 , . . . , Xn des variables aléatoires indépendantes suivant chacune une loi de Bernoulli B(p).
Alors la variable aléatoire Sn = X1 + · · · + Xn suit une loi binomiale B(n, p).

Démonstration. La variable aléatoire prend ses valeurs dans l’intervalle d’entiers [[0, n]]. L’événement
(Sn = k) est la réunion disjointe des nk événements «k des n variables aléatoires X1 , . . . , Xn prennent

la valeur 1 et les n − k autres la valeur 0». Chacun de ces événements étant de probabilité pk (1 − p)n−k
(par indépendance des variables aléatoires), on a
 
n k
P(Sn = k) = p (1 − p)n−k .
k
2.3. Espérance ; variance 31

Proposition (somme de lois de Poisson)

Soient X et Y deux variables aléatoires indépendantes suivant chacune une loi de Poisson : X ∼ P(λ)
et Y ∼ P(µ). Alors la variable aléatoire X + Y suit encore une loi de Poisson : X + Y ∼ P(λ + µ).

Démonstration. L’ensemble des valeurs prises par la variable aléatoire Z = X + Y est N. Pour tout entier
n ∈ N, l’événement Z = n est la réunion disjointe des événements (X = k, Y = n − k) (k ∈ [[0, n]]). Par
suite, on a
n
P(X + Y = n) = P X = k, Y = n − k
X

k=0
n
P(X = k)P(Y = n − k) (indépendance de X et Y )
X
=
k=0
n
λk −µ µn−k
e−λe
X
=
k! (n − k)!
k=0
n   k n−k
n λ µ
= e−(λ+µ)
X
k n!
k=0
(λ + µ)n
= e−(λ+µ) .
n!

Définition (indépendance mutuelle, cas infini)

Soit (Xn )n∈N une suite de variables aléatoires définies sur un espace probabilisé (Ω, A, P). Les variables
aléatoires Xn sont dites mutuellement indépendantes si, et seulement si, pour tous n1 < n2 < · · · < np ,
les variables aléatoires Xn1 , . . . , Xnp sont mutuellement indépendantes.

Définition
On appelle suite de variables aléatoires indépendantes identiquement distribuées toute suite de variables
aléatoires mutuellement indépendantes et suivant toutes la même loi.

Une telle suite sert à modéliser une répétition (potentiellement) infinie d’une même expérience (l’is-
sue de chacune des expériences ne dépendant à nouveau pas de l’issue des autres expériences). Nous
admettrons le résultat suivant :

Théorème
Soit X une variable aléatoire définie sur un espace probabilisé (Ω, A, P).
Il existe un espace probabilisé (Ω0 , A0 , P0 ) dans lequel on peut trouver une suite (Xn )n∈N de variables
aléatoires indépendantes identiquement distribuées, suivant toutes la même loi que X.

2.3 Espérance ; variance

2.3.1 Espérance d’une variable aléatoire
Soit X : Ω −→ C une variable aléatoire discrète. L’ensemble XhΩi des valeurs prises
par Ω est alors
fini ou dénombrable. On cherche à donner un sens à la somme de la famille xP(X = x) x∈XhΩi («valeur
moyenne prise par la variable aléatoire X). Comme nous l’avons déjà signalé, le calcul d’une «somme
infinie» peut dépendre de l’ordre dans lequel on ajoute les termes et des précautions sont à prendre.
32 Chapitre 2. Variables aléatoires discrètes

a) Cas d’une variable aléatoire à valeur dans [0, +∞]

On suppose dans cette section que les valeurs prises par la variable aléatoire X sont soit des réels
positifs ou nuls, soit la valeur exceptionnelle +∞ (nous avons déjà rencontré de telles variables aléatoires :
temps d’attente d’un certain événement). Dans le calcul des termes xP(X = x), on peut alors rencontrer
le terme +∞P(X = +∞). On adopte la convention suivante :

si P(X = +∞) = 0
(
0
+∞P(X = +∞) = .
+∞ sinon

Définition (espérance d’une variable aléatoire à valeurs dans [0, +∞])

Soit X une variable aléatoire discrète à valeurs dans [0, +∞]. L’espérance de X est le nombre E(X)
appartenant à [0, +∞], défini par

E(X) =
X
xP(X = x).
x∈XhΩi

On dit que la variable aléatoire X est d’espérance finie si, et seulement si, E(X) < +∞.
Commençons par comprendre cette définition.
– Si la valeur +∞ est prise par la variable aléatoire X et que P(X = +∞) > 0, on a alors E(X) = +∞.
– Si la valeur +∞ est prise par la variable aléatoire X et que P(X = +∞) = 0, la convention faite plus
haut fait que tout se passe comme si la valeur +∞ n’était pas prise par la variable aléatoire X.

– Si la valeur +∞ n’est pas prise par la variable aléatoire X, alors la famille xP(X = x) x∈XhΩi
est une famille finie ou dénombrable de réels positifs ou nuls. Si elle est finie, on peut évidemment
calculer sa somme, qui est un réel positif ou nul : la variable
P aléatoire est d’espérance finie. Si elle est
dénombrable, nous avons vu que la convergence de la série xi P(X = xi ) ne dépendant pas du choix
d’une numérotation des éléments de XhΩi sous la forme XhΩi = {xi , i ∈ N}, et qu’en cas de convergence,
la somme de cette série ne dépendait pas non plus de la numérotation.

Remarque 1. Dans le cas où l’ensemble des valeurs prises est fini (et que ces valeurs sont touts finies) :
XhΩi = {x0 , . . . , xp }, on peut convenir d’étendre cet ensemble en un ensemble dénombrable {xn , n ∈ N} :
chaque valeur xk (k > p + 1) est alors prise avec une probabilité nulle. La série xn P(X = xn ) est alors
P
convergente (elle n’a qu’un nombre fini de termes non nuls) et sa somme est
∞ p
xn P(X = xn ) = xn P(X = xn ) = E(X).
X X

n=0 n=0

Nous adopterons par la suite ce formalisme, qui permet de ne pas avoir à distinguer, dans les énoncés, le
cas des variables aléatoires prenant un nombre fini de valeurs de celui des variables aléatoires prenant un
nombre dénombrable de valeurs.

Remarque 2. L’espérance d’une variable aléatoire X dépend donc uniquement de la loi suivie par X (et
pas de l’univers Ω). Pour calculer l’espérance d’une variable aléatoire, on peut calculer l’espérance d’une
autre variable aléatoire, de même loi.

Exemple 1. Soit A un événement et X = 1A la fonction indicatrice de A, définie par

1 si ω ∈ A
(
1A (ω) =
0 si ω ∈/A

Les deux valeurs prises par la variable aléatoire 1A vérifient

P(1A = 1) = P({ω ∈ Ω | 1A (ω) = 1}) = P(A) et P(1A = 0) = P({ω ∈ Ω | 1A (ω) = 0}) = P(Ā).

La variable aléatoire 1A est donc d’espérance finie, et

E(1A ) = 1 × P(1A = 1) + 0 × P(1A = 0) = P(A).

2.3. Espérance ; variance 33

Un cas particulier est celui, fréquent en pratique, des variables aléatoires à valeurs dans N ∪ {+∞}.
On dispose pour cela de la

Proposition (espérance d’une variable aléatoire à valeurs dans N ∪ {+∞})

Soit X une variable aléatoire à valeurs dans N ∪ {+∞}. On a alors
∞
E(X) =
X
nP(X > n).
n=1

Notons qu’il y a ici une ambiguïté dans la notation : quand on parle de la somme d’une série, notée
n=0 un , on ne veut pas dire que le terme u∞ doit être pris en compte dans la somme : il n’y a pas
P∞
de terme noté u∞ (uniquement des termes un , où n est un entier fini). Mais ici, si la variable aléatoire
X prend la valeur +∞, alors le terme +∞P(X = +∞) figure dans la somme qui définit E(X). Doit-on
comprendre qu’il faut aussi prendre en compte le terme P(X > +∞) dans la somme de droite ? Nous
allons voir au cours de la démonstration que cette ambiguïté est sans importance.
Démonstration. Commençons par remarquer que, si la variable aléatoire X prend la valeur +∞ et que
P(X = +∞) > 0, le membre de gauche est égal à +∞. Par ailleurs, pour tout entier n ∈ N, on a
P(X > n) > P(X = +∞), donc la série (à termes positifs) de terme général P(X > n) est divergente.
Par suite, que l’on décide de prendre en compte ou non le terme P(X > +∞) dans le membre de droite,
sa valeur est aussi +∞.
Étudions ensuite le cas où la variable aléatoire prend la valeur +∞ mais que P(X = +∞) = 0. Alors
on a aussi P(X > +∞) = 0, donc tout se passe comme si X ne prenait en fait que des valeurs entières.
Reste à traiter le cas où X est en fait à valeurs entières, ce que nous supposerons désormais. Pour
tout k ∈ N, l’événement (X > k) est la réunion disjointe des événements (X = k) et (X > k + 1), donc
vérifie
P(X = k) = P(X > k) − P(X > k + 1).
La somme partielle de la série définissant l’espérance est donc
n n
k P(X > k) − P(X > k + 1)
X X

kP(X = k) =
k=0 k=0
Xn n
X
= kP(X > k) − kP(X > k + 1)
k=0 k=0
n
X n+1
X
= kP(X > k) − (k − 1)P(X > k)
k=1 k=1
n
k − (k − 1) P(X > k) − nP(X > n + 1)
X

=
k=1
n
P(X > k) − nP(X > n + 1).
X
=
k=1

– Si X est d’espérance finie, on a aussi

∞ ∞ ∞
P(X = k) =
X X X
0 6 nP(X > n + 1) = n nP(X = k) 6 kP(X = k) −→ 0
n→∞
k=n+1 k=n+1 k=n+1

(reste d’une série convergente). On en déduit que la série P(X > k) converge et, en passant à la limite,
P
l’égalité
∞
E(X) = P(X > k).
X

k=1

– Si X n’est pas d’espérance finie, on a n=0 kP(X = k) = +∞. Comme

P∞

n n
P(X > k) >
X X
kP(X = k),
k=1 k=0

on en déduit que la série P(X > k) diverge, donc la formule est encore vraie (les deux membres sont
P
égaux à +∞).
34 Chapitre 2. Variables aléatoires discrètes

Remarque 3. Puisque, dans le cadre strict des probabilités, il est autorisé d’utiliser les résultats admis
sur les familles sommables, on peut aussi présenter la preuve ainsi (sans avoir à se préoccuper de savoir
si la somme est finie ou non) :
∞ ∞ ∞ ∞ ∞ ∞
! k
!
P(X > n) = P(X = k) = P(X = k) =
X X X X X X X
kP(X = k) = kP(X = k),
n=1 n=1 k=n k=1 n=1 n=1 k=0

démonstration illustrée par la figure suivante (noter pk = P(X = k) et sommer par colonnes) :

n=1 P(X > n) = p1 + p2

P∞
+ p3 + · · ·
+ p2 + p3 + · · ·
+ p3 + · · ·
.
+ ..

b) Cas d’une variable aléatoire à valeurs dans C

Définition (espérance d’une variable aléatoire complexe)

Soit X une variable aléatoire à valeurs dans

C. On dit que la variable aléatoire X est d’espérance finie
si, et seulement si, la famille xP(X = x) x∈XhΩi est sommable. Si c’est le cas, l’espérance de X est le
complexe
E(X) =
X
xP(X = x).
x∈XhΩi

Rappelons que dire que cette famille est sommable signifie que la famille |x|P(X = x) x∈XhΩi l’est. Si

l’ensemble
P XhΩi est dénombrable, pour toute numérotation de XhΩi sous la forme XhΩi = {xi , i ∈ N},
la série xi P(X = xi ) est alors absolument convergente, et sa somme ne dépend pas de la numérotation
choisie : c’est l’espérance de X. Si l’ensemble XhΩi est fini, on convient, comme précédemment, d’étendre
cet ensemble en un ensemble dénombrable, les nouvelles valeurs étant chacune prise avec une probabilité
nulle.
Proposition
Une variable aléatoire discrète X bornée est d’espérance finie. De plus, si M est une constante telle
que |X| 6 M , son espérance vérifie |E(X)| 6 M .

Démonstration. Pour tout entier n, on a

|xn P(X = xn )| = |xn |P(X = xn ) 6 M P(X = xn ),

terme général d’une série convergente, donc la série xn P(X = xn ) converge absolument. L’espérance
P
de X vérifie alors
∞ ∞ ∞
xn P(X = xn ) 6 M P(X = xn ) = M.
X X X
|E(X)| = |xn |P(X = xn ) 6
n=0 n=0 n=0

2.3.2 Lois usuelles

Donnons l’espérance des variables aléatoires suivant les lois usuelles, en commençant par rappeler le
cas des variables aléatoires prenant un nombre fini de valeurs.

a) Loi constante

Proposition
Si la variable aléatoire X suit une loi constante de valeur a, alors E(X) = a.

Démonstration. La variable aléatoire prend pour unique valeur a, avec probabilité 1.

2.3. Espérance ; variance 35

b) Loi uniforme

Proposition
Si la variable aléatoire X suit une loi uniforme X ∼ U ([[a, b]]), alors E(X) = 2 .
a+b

Démonstration. Chaque valeur k ∈ [[a, b]] est prise avec probabilité n,

1
où n = b − a + 1. On a donc
b
k 1 a+b a+b
E(X) =
X
= ×n = .
n n 2 2
k=a

c) Loi de Bernoulli

Proposition
Si la variable aléatoire X suit une loi de Bernoulli X ∼ B(p), alors E(X) = p.

Démonstration. On a
E(X) = 1 × p + 0 × (1 − p) = p.

Ce cas correspond à celui où la variable aléatoire X est une fonction indicatrice.

d) Loi binomiale

Proposition
Si la variable aléatoire X suit une loi binomiale X ∼ B(n, p), alors E(X) = np.

Démonstration. Donnons deux démonstrations de ce résultat.

– La première est basée sur la formule
   
n n n−1
= ,
k k k−1
valable pour tout k ∈ [[1, n]] (formule qui
se vérifie par un calcul immédiat et qu’il est bon de connaître).
Cette formule s’écrit aussi k nk = n n−1k−1 . L’espérance vaut donc

n  
n k
E(X) =
X
k p (1 − p)n−k
k
k=0
n  
X n−1 k
= n p (1 − p)n−k
k−1
k=1
n−1
X n − 1
=n pk+1 (1 − p)n−1−k
k
k=0

n−1
= np p + (1 − p) = np.

– La deuxième s’obtient par dérivation d’une fonction polynomiale : en notant

n  

n X n k
f : x 7→ px + (1 − p) = p (1 − p)n−k xk ,
k
k=0

on a
n  
X n
f 0 (x) = pk (1 − p)n−k kxk−1 .
k
k=0
36 Chapitre 2. Variables aléatoires discrètes

En prenant la valeur en 1, on trouve

n  
n k
p (1 − p)n−k k = E(X).
X
f 0 (1) =
k
k=0

Comme on a aussi f 0 (x) = np px + (1 − p) , on a également f 0 (1) = np.

n−1

e) Loi géométrique

Proposition
Si la variable aléatoire X suit une loi géométrique X ∼ G (p), elle est d’espérance finie, et celle-ci vaut
E(X) = p1 .

Démonstration. Tout d’abord, la variable aléatoire X est d’espérance finie car la série de terme général
kP(X = k) = kp(1 − p)k−1 converge (absolument : elle est à termes positifs) : on a kP(X = k) ∈ O( k12 ).
Donnons ici encore deux démonstrations de la formule calculant l’espérance.
– La première consiste à utiliser le résultat démontré pour les variables aléatoires à valeurs entières : on a
∞
E(X) = P(X > n).
X

n=1

Ici, pour tout n > 1, on a

∞ ∞ ∞
P(X > n) = P(X = k) =
X X X
p(1 − p)k−1 = p(1 − p)n−1 (1 − p)k = (1 − p)n−1 .
k=n k=n k=0

On a donc
∞
1
E(X) =
X
(1 − p)n−1 = .
n=1
p

– Introduisons maintenant la série entière f (x) = n=1 p(1 − p)n−1 xn . La règle de d’Alembert montre
P∞
facilement que le rayon de convergence de cette série entière est égal à R = 1−p
1
> 1. Pour tout x ∈ ]−R, R[,
on a
∞
X
n−1 px
f (x) = px (1 − p)x =
n=1
1 − qx

en notant q = 1 − p. Dans l’intervalle ]−R, R[, on peut dériver terme à terme pour obtenir

∞
X
f 0 (x) = p(1 − p)n−1 nxn−1 .
n=1

En particulier pour x = 1 (puisque 1 est dans l’intervalle ouvert de convergence) :

∞
p(1 − p)n−1 n = E(X).
X
f 0 (1) =
n=1

Or l’autre expression trouvée pour f (x) donne aussi

p(1 − qx) + pqx p

f 0 (x) = = ,
(1 − qx)2 (1 − qx)2

d’où f 0 (1) = p
(1−q)2 = p1 .
2.3. Espérance ; variance 37

f) Loi de Poisson

Proposition
Si la variable aléatoire X suit une loi de Poisson X ∼ P(λ), elle est d’espérance finie, et celle-ci vaut
E(X) = λ.

Démonstration. La série définissant l’espérance a pour terme général e−λ n λn! : elle est absolument conver-
n

gente. Sa somme est

∞ ∞
λn λn−1
E(X) = e−λ = e−λ λ = e−λ λeλ = λ.
X X
n
n=0
n! n=1
(n − 1)!

Remarque 1. On peut P aussi calculer cette espérance, comme pour la série géométrique, en introduisant
la série entière f (x) = n=0 e−λ λn! xn .
∞ n

2.3.3 Propriétés de l’espérance

Proposition
Soit X une variable aléatoire discrète d’espérance finie.
1. Si la variable aléatoire X est positive ou nulle, on a E(X) > 0.
2. Pour tous réels a, b, la variable aléatoire aX + b est d’espérance finie, et

E(aX + b) = aE(X) + b.

Démonstration. 1. Si les valeurs prises par la variable aléatoire sont toutes positives ou nulles, la série
définissant son espérance est à termes positifs, donc la somme l’est encore.
2. Notons {xn , n ∈ N} l’ensemble des valeurs prises par la variable aléatoire X. L’ensemble des valeurs
prises par la variable aléatoire Y = aX + b est alors {axn + b, n ∈ N}. De plus, pour tout entier n,
on a (en supposant a 6= 0) l’égalité des événements suivants :

(aX + b = axn + b) = (aX = axn ) = (X = xn ).

Il faut donc étudier la convergence absolue de la série

X X
(axn + b)P(aX + b = axn + b) = (axn + b)P(X = xn ).

Les deux séries xn P(X = xn ) et bP(X = xn ) étant absolument convergentes, cette dernière
P P
l’est encore, donc la variable aléatoire aX + b est d’espérance finie, donnée par
∞ ∞ ∞
E(aX + b) = xn P(X = xn ) + b P(X = xn ) = aE(X) + b.
X X X
(axn + b)P(X = xn ) = a
n=0 n=0 n=0

Le cas a = 0 est immédiat : la variable aléatoire aX + b est alors constante égale à b, donc est
d’espérance finie, donnée par E(aX + b) = b = aE(X) + b.

Définition
On dit que la variable aléatoire X est centrée si, et seulement si, elle vérifie E(X) = 0.

Remarque 1. Si la variable aléatoire X admet est d’espérance finie, alors la variable aléatoire X ∗ =
X − E(X) est centrée.
38 Chapitre 2. Variables aléatoires discrètes

Théorème (transfert)
Soient X une variable aléatoire et f : XhΩi −→ C une fonction.
La variable aléatoire f (X) est d’espérance finie si, et seulement si, la famille f (x) x∈XhΩi est sommable.

Si c’est le cas, on a
E f (X) =

X
f (x)P(X = x).
x∈XhΩi

Ce théorème permet donc d’indexer la somme définissant l’espérance par l’ensemble des valeurs prises
par la variable aléatoire X et non par la variable aléatoire Y = f (X) comme la définition l’exige. D’où le
nom de théorème de transfert.

Démonstration. Démontrons ce théorème dans le cas où la fonction f est injective. Numérotons l’ensemble
XhΩi sous la forme XhΩi = {xn , n ∈ N}. L’ensemble des valeurs prises par la variable aléatoire Y = f (X)
est alors {f (xn ), n ∈ N} (valeurs deux à deux distinctes). De plus, pour tout entier n, on a l’égalité des
événements


f (X) = f (xn ) = {ω ∈ Ω | f (X(ω)) = f (xn )} = {ω ∈ Ω | X(ω) = xn } = (X = xn )

(par
P injectivité de f ). La variable aléatoire f (X) est d’espérance finie si, et seulement si, la série
yn P(f
P (X) = yn ) est absolument convergente (en notant yn = f (xn )), i.e. si, et seulement si, la
série f (xn )P(X = xn ) est absolument convergente d’après la remarque précédente. L’espérance est
alors
∞ ∞
E f (X) =

X
X
f (xn )P f (X) = f (xn ) = f (xn )P(X = xn ).
n=0 n=0

Démontrons maintenant ce théorème dans le cas général où f n’est pas injective (démonstration non
exigible). Pour cela, notons, pour tout y ∈ Y hΩi, XhΩiy = {x ∈ XhΩi | f (x) = y} : l’ensemble XhΩi est
la réunion disjointe des ensembles XhΩiy lorsque y parcourt Y hΩi.
– Supposons la variable aléatoire X d’espérance finie. On peut alors écrire (sommation par paquets)
   

P(X = x)
X X X X X
|x|P(X = x) =  |y|P(X = x) = |y| 
x∈XhΩi y∈Y hΩi x∈XhΩiy y∈Y hΩi x∈XhΩiy
X
= |y|P(Y = y)
y∈Y hΩi

(car l’événement (Y = y) est la réunion disjointe des événements (X = x) lorsque x parcourt l’ensemble
XhΩi). Ceci prouve que la variable aléatoire Y est d’espérance finie.
– Réciproquement, supposons la variable aléatoire Y d’espérance finie. La même démonstration (lue à
l’envers) prouve cette fois-ci que la variable aléatoire X est d’espérance finie.
Lorsque l’une (donc les deux) de ces
deux variables aléatoires est d’espérance finie, la même sommation
par paquets de la famille xP(X = x) x∈XhΩi prouve alors la formule de l’énoncé.

Nous déduisons de ce résultat le suivant :

Théorème (linéarité)
Soient X, Y deux variables aléatoires, chacune d’espérance finie. Pour tous a, b ∈ C, la variable aléatoire
aX + bY est encore d’espérance finie, donnée par

E(aX + bY ) = aE(X) + bE(Y ).

Démonstration (non exigible). Notons Z la variable aléatoire Z = (X, Y ) et p1 , p2 les deux projections,
définies par p1 (x, y) = x et p2 (x, y) = y. La variable aléatoire aX + bY est donc ap1 (Z) + bp2 (Z). Notons

XhΩi = {xn , n ∈ N} et Y hΩi = {yn , n ∈ N}

les ensembles de valeurs prises par les variables aléatoires X et Y . L’ensemble des valeurs prises par Z est
alors {(xi , yj ), (i, j) ∈ N × N} (certaines de ces valeurs étant éventuellement prises avec probabilité nulle).
2.3. Espérance ; variance 39

Le théorème de transfert montre que la variable aléatoire aX + bY admet une espérance si, et seulement
si, on peut la famille (axi + byj )P(X = xi , Y = yj )(i,j)∈N×N est sommable. Or on a
X X
|axi + byj |P(X = xi , Y = yj ) 6 (|axi |P(X = xi , Y = yj ) + |byj |P(X = xi , Y = yj ))
(i,j)∈N2 (i,j)∈N2
∞ ∞ ∞ ∞
P(X = xi , Y = yj ) + |b| P(X = xi , Y = yj )
X X X X
= |a| |xi | |yj |
i=0 j=0 j=0 i=0
X∞ ∞
X
= |a| |xi |P(X = xi ) + |b| |yj |P(Y = yj ) < +∞,
i=0 j=0

donc cette famille est sommable. La même sommation par paquets (sans les modules) prouve ensuite la
formule E(aX + bY ) = aE(X) + bE(Y ).

Rappelons que cette propriété de linéarité de l’espérance permet un autre calcul de l’espérance d’une
variable aléatoire X suivant une loi binomiale B(n, p). En effet, soient n variables aléatoires indépendantes
X1 , . . . , Xn suivant chacune une loi de Bernoulli de paramètre p. Alors la variable aléatoire X1 +· · ·+Xn
suit une loi binomiale B(n, p), donc

E(X1 + · · · + Xn ) = E(X1 ) + · · · + E(Xn ) = np.

La variable aléatoire X n’est pas nécessairement égale à X1 + · · · + Xn , mais a même loi, donc même
espérance.
Enfin, le résultat démontré l’an dernier sur l’espérance de variables aléatoires indépendantes reste
valable :
Théorème
Soient X, Y deux variables aléatoires indépendantes, chacune d’espérance finie. Alors la variable aléa-
toire XY est d’espérance finie, donnée par

E(XY ) = E(X)E(Y ).

Démonstration (non exigible). Conservons les mêmes notations que pour le théorème de linéarité. La
variable aléatoire XY est cette fois-ci égale à f (Z), où la fonction f est définie par f (x, y) = xy.

Pour
montrer que XY est d’espérance finie, il suffit de montrer que la famille |xi yj |P(X = xi , Y = yj ) (i,j)∈N2
est sommable. Or
X X
|xi yj |P(X = xi , Y = yj ) = |xi yj |P(X = xi )P(Y = yj )
(i,j)∈N×N (i,j)∈N×N
 
∞
X ∞
X
= |xi |P(X = xi ) |yj |P(Y = yj )
i=0 j=0

∞
! ∞

X X
= |xi |P(X = xi )  |yi |P(Y = yi ) < +∞,
i=0 j=0

donc la variable aléatoire XY est d’espérance finie. La même sommation par paquets prouve ensuite que
E(XY ) = E(X)E(Y ).

Attention ! Cette propriété ne caractérise pas les variables aléatoires indépendantes ! Il est possible
d’avoir E(XY ) = E(X)E(Y ) sans que les variables soient indépendantes !

Exemple 1. Pour la réciproque, considérons la variable aléatoire X prenant les trois valeurs −1, 0, 1,
chacune avec probabilité 13 , et la variable aléatoire Y = X 2 . On a alors XY = X 3 = X, donc E(XY ) =
E(X) = 0, d’où E(XY ) = E(X)E(Y ). Les variables aléatoires ne sont pourtant pas indépendantes, car
«connaître la valeur prise par Y permet d’obtenir un renseignement sur la valeur prise par X». Plus
précisément, on a par exemple

P(X = 0, Y = 1) = 0 6= P(X = 0)P(Y = 1).

40 Chapitre 2. Variables aléatoires discrètes

Remarque 2. La propriété se généralise à un nombre quelconque de variables aléatoires : si X1 , . . . , Xn

sont des variables aléatoires mutuellement indépendantes, chacune d’espérance finie, alors X1 · · · Xn est
aussi d’espérance finie, et on a
E(X1 · · · Xn ) = E(X1 ) · · · E(Xn ).

2.3.4 Variance
L’espérance d’une variable aléatoire représente sa moyenne. La variable X − E(X) mesure l’écart à
la moyenne ; il est donc naturel de s’intéresser à l’espérance de cette variable aléatoire pour avoir une idée
de la dispersion de la variable aléatoire X autour de sa moyenne. Cependant, la présence de la valeur
absolue rend les choses peu exploitables ; on préfère s’intéresser à l’espérance de son carré, la variable
aléatoire X − E(X) .

2

Définition
Si la variable aléatoire X − E(X) est d’espérance finie, on définit la variance V(X) de X par

2

V(X) = E X − E(X) .

2 

Dans la pratique, pour vérifier que X est de variance finie, on peut se contenter de vérifier que X 2 est
d’espérance finie :
Proposition
Si la variable aléatoire X 2 est d’espérance finie, alors X est d’espérance et de variance finies ; on a alors

V(X) = E(X 2 ) − E(X)2 .

Démonstration. Supposons que X 2 soit d’espérance finie. Commençons par montrer c’est aussi le cas
de X. Pour cela, choisissons une numérotation {xn , n ∈ N} de l’ensemble XhΩi : on a alors
∞ ∞ ∞ ∞
1 + x2n 1X 1X
P(X = Xn ) = P(X = xn ) + |xn |2 P(X = xn ) < +∞
X X
|xn |P(X = xn ) 6
n=0 n=0
2 2 n=0
2 n=0

(on a utilisé l’inégalité r 6 1+r

2 , valable pour tout réel r, qui résulte de (r − 1) > 0).
2
2

Pour démontrer la formule, il suffit alors d’écrire

X − E(X) = X 2 − 2E(X)X + E(X)2 .

2

Chacune des trois variables aléatoires est d’espérance finie, donc X − E(X) aussi, et on a

2

V(X) = E X 2 − 2E(X)X + E(X)2 = E(X 2 ) − 2E(X)E(X) + E(X)2 = E(X 2 ) − E(X)2

par linéarité de l’espérance.

Remarque 1. On exprime le fait que la variable aléatoire X 2 est d’espérance finie en disant que X admet
un moment d’ordre 2 (qui est l’espérance E(X 2 )). Si X admet un moment d’ordre 2, elle admet donc un
moment d’ordre 1 (son espérance) et une variance. Réciproquement, supposer que la variable aléatoire
est de variance finie suppose en particulier qu’elle est d’espérance finie ; la formule

X − E(X) = X 2 − 2E(X)X + E(X)2

2

donne alors
X 2 = X − E(X) + 2E(X)X − E(X)2 ,

2

donc X 2 est d’espérance finie. Ainsi, une variable aléatoire est de variance finie si, et seulement si, elle
admet un moment d’ordre 2.

Définition
Soit X une variable aléatoire admettant un moment d’ordre 2. Son écart-type est σ(X) = V(X).
p
2.3. Espérance ; variance 41

Si la variable aléatoire X a une dimension (au sens physique : longueur, température...), alors son
écart-type a la même dimension.

Proposition
Soit X une variable aléatoire admettant un moment d’ordre 2. Pour tous réels a, b, la variable aléatoire
aX + b est de variance finie, donnée par

V(aX + b) = a2 V(X).

En particulier, on a σ(aX + b) = |a|σ(X).

Démonstration. On a (aX + b)2 = aX 2 + 2abX + b2 . Chacune de ces variables aléatoires est d’espérance
finie, donc Y = aX + b admet un moment d’ordre 2, donc une variance. Notons Y = aX + b : son
espérance est E(Y ) = aE(X) + b, donc

V(Y ) = E (aX + b)2 − (aE(X) + b)2

 

= E(a2 X 2 − a2 E(X)2 + 2ab X − E(X)

= a2 E(X 2 ) − a2 E(X)2 + 2ab × 0 = a2 V(X).

La formule sur l’écart type s’en déduit immédiatement.

Ainsi, ajouter une constante à une variable aléatoire modifie son espérance, mais pas sa variance. C’est
parfaitement normal, puisque cette dernière s’intéresse aux écarts à la moyenne de la variable aléatoire.

Définition
On dit que la variable aléatoire X est réduite si, et seulement si, elle vérifie V(X) = 1.

Si X est une variable aléatoire qui prend au moins deux valeurs (chacune avec probabilité non nulle)
et qu’elle est de variance finie, alors la variable aléatoire

X − E(X)
X∗ =
σ(X)

est d’espérance nulle et de variance égale à 1 ; c’est la variable aléatoire centrée réduite associée à X.
Terminons enfin ce paragraphe en calculant le variance des variables aléatoires suivant une loi usuelle.

a) Loi constante

Proposition
Si la variable aléatoire X suit une loi constante, sa variance est nulle.

Démonstration. La variable aléatoire X prend une valeur a avec probabilité 1, donc

V(X) = a − a)2 × 1 = 0.

Remarque 2. Réciproquement, si X admet une variance nulle, alors la variable aléatoire (X − E(X))2 ,
positive ou nulle, a une espérance nulle. Cette variable aléatoire prend donc la valeur 0 avec probabilité 1,
i.e. que la variable aléatoire X prend la valeur E(X) avec probabilité 1 : la variable aléatoire X est
presque sûrement constante.
42 Chapitre 2. Variables aléatoires discrètes

b) Loi uniforme

Proposition
Si la variable aléatoire X suit une loi uniforme X ∼ U ([[a, b]]), alors V(X) = 12 ,
n2 −1
où n = b − a + 1
est le nombre de valeurs prises.

Démonstration. La variable aléatoire Y = X − (a − 1) suit la loi uniforme U ([[1, n]]) et a même variance
que X. Son espérance est E(Y ) = n+1
2 ; on a aussi
n
1 (n + 1)(2n + 1)
E(Y 2 ) =
X
k2 = .
n 6
k=1

On obtient donc
(n + 1)(2n + 1) (n + 1)2 (n + 1)(n − 1)
V(X) = V(Y ) = E(Y 2 ) − E(Y )2 = − = .
6 4 12

c) Loi de Bernoulli

Proposition
Si la variable aléatoire X suit une loi de Bernoulli X ∼ B(p), alors V(X) = p(1 − p).

Démonstration. On a
V(X) = (0 − p)2 (1 − p) + (1 − p)2 p = (1 − p)p p + (1 − p) = p(1 − p).

d) Loi binomiale

Proposition
Si la variable aléatoire X suit une loi binomiale X ∼ B(n, p), alors V(X) = np(1 − p).

Démonstration. – Première démonstration : on calcule E(X 2 ) en écrivant X 2 = X(X − 1) + X. Pour le

calcul de E X(X − 1) , on écrit

n  
n k
E X(X − 1) =

X
k(k − 1) p (1 − p)n−k .
k
k=0

Rappelons que la formule n n n−1

s’écrit encore



k = k k−1
   
n n−1
k =n ,
k k−1
d’où l’on tire      
n n−1 n−2
k(k − 1) = n(k − 1) = n(n − 1) ,
k k−1 k−2
d’où
n  
n−2 k
E X(X − 1) = n(n − 1)
X
p (1 − p)n−k


k−2
k=0
n−2
X n − 2
= n(n − 1) p2 pk (1 − p)n−2−k
k
k=0

n−2
= n(n − 1)p2 p + (1 − p) = n(n − 1)p2 .
2.3. Espérance ; variance 43

On a donc
V(X) = E X(X − 1) + E(X) − E(X)2 = n(n − 1)p2 + np − n2 p2 = np(1 − p).

– Deuxième démonstration : nous avons vu que la fonction polynomiale f
: x 7→ px + (1 − p) vérifiait

n

f 0 (1) = E(X). On vérifie par la même technique que f 00 (1) = E X(X − 1) (faites-le !), ce qui permet de
conclure comme précédemment.

e) Loi géométrique

Proposition
Si la variable aléatoire X suit une loi géométrique X ∼ G (p), elle est de variance finie, donnée par
V(X) = 1−p p2 .

Démonstration. Introduisons à nouveau la série entière f (x) = p(1 − p)n−1 xn , de rayon de conver-
P∞
n=0
gence R = 1−p
1
> 1. Pour tout x ∈ ]−R, R[, on a
∞
X
f 00 (x) = p(1 − p)n−1 n(n − 1)xn−2 .
n=0

En particulier, la série n−1

n(n − 1) converge et a pour somme f 00 (1), ce qui signifie que la
P
p(1 − p)
variable aléatoire X(X − 1) admet une espérance, égale à f 00 (1). On a déjà calculé que, pour x ∈ ]−R, R[,
on avait f 0 (x) = (1−qx)2 ; on a donc f (x) = (1−qx)3 , d’où E X(X − 1) = f (1) = p2 . On en déduit
p 00 2pq

00 2(1−p)

2(1 − p) 1 1 1−p
V(X) = E X(X − 1) + E(X) − E(X)2 =


+ − 2 = .
p2 p p p2

f) Loi de Poisson

Proposition
Si la variable aléatoire X suit une loi de Poisson X ∼ P(λ), elle est de variance finie, donnée par
V(X) = λ.

Démonstration. La série entière f (x) = e−λ λn! xn a un rayon de convergence infini et sa somme est
P∞ n
n=0
f (x) = e−λ+λx . Pour tout réel x, on a
∞
λn
e−λ
X
f 00 (x) = n(n − 1)xn−2 .
n=0
n!

En particulier, la série e−λ λn! n(n

− 1) converge (et a pour somme f 00 (1)), donc la variable aléatoire
P n

X(X − 1) a une variance, donc X = X(X − 1) + X a une espérance. La variance de X vaut

2

V(X) = E X(X − 1) + E(X) − E(X)2 = f 00 (1) + λ − λ2 = λ,

puisque f 00 (x) = λ2 e−λ+λx .

2.3.5 Covariance
Dans ce paragraphe, nous nous intéressons aux variations conjointes de deux variables aléatoires X
et Y .
Proposition (Cauchy-Schwarz)
Soient X et Y deux variables aléatoires, chacune de variance fine. Alors la variable aléatoire XY est
d’espérance finie. De plus, celle-ci vérifie

E(XY )2 6 E(X 2 )E(Y 2 ).

44 Chapitre 2. Variables aléatoires discrètes

Démonstration (non exigible). Notons

XhΩi = {xn , n ∈ N} et Y hΩi = {yn , n ∈ N}.

Par le théorème de transfert, pour montrer que la
variable aléatoire XY est d’espérance finie, il suffit de
montrer que la famille |xi yj |P(X = xi , Y = yj ) (i,j)∈N2 est sommable. Or

|xi |2 + |yj |2
P(X = xi , Y = yj )
X X
|xi yj |P(X = xi , Y = yj ) 6
2
(i,j)∈N2 (i,j)∈N2
∞ ∞ ∞ ∞
1 1X
P(X = xi , Y = yj ) + P(X = xi , Y = yj )
X X X
= |xi |2 |yj |2
2 i=0 j=0
2 j=0 i=0
∞ ∞
1X 1X
= |xi |2 P(X = xi ) + |yj |2 P(Y = yj ) < +∞,
2 i=0
2 j=0

donc XY est d’espérance finie.

La démonstration de l’inégalité de Cauchy-Schwarz est maintenant la même que dans toutes les
situations où
on la rencontre. On introduit la variable aléatoire λX + Y (λ ∈ R) et on pose f (λ) =
E (λX + Y )2 . On a alors
f (λ) = λ2 E(X 2 ) + 2λE(XY ) + E(Y 2 ).
– Si E(X 2 ) = 0, la fonction f est affine. Comme elle ne prend que des valeurs positives ou nulles, son
coefficient de degré 1 (i.e. 2E(XY )) est nul, donc l’inégalité à démontrer est vérifiée.
– Sinon, f est une fonction polynomiale de degré 2, avec au plus une racine réelle (elle vérifie f (λ) > 0
pour tout réel λ). Son discriminant ∆ = 4E(XY )2 − 4E(X 2 )E(Y 2 ) est donc négatif ou nul, ce qu’il fallait
démontrer.

Définition (covariance)
Soient X et Y deux variables aléatoires, chacune de variance finie. La covariance de X et Y est

Cov(X, Y ) = E(XY ) − E(X)E(Y ).

La définition est bien justifiée par l’énoncé précédent. On a évidemment Cov(X, Y ) = Cov(Y, X) :
la covariance est symétrique. Elle est aussi bilinéaire :

Proposition (bilinéarité de la covariance)

L’application covariance est bilinéaire.

Démonstration. Cette application apparaît comme la somme de deux applications, chacune linéaire par
rapport à X et à Y (linéarité du produit et de l’espérance).
On a une autre expression de la covariance :
Proposition
Si les deux variables aléatoires X et Y sont chacune de variance finie, leur covariance est égale à

Cov(X, Y ) = E X − E(X) Y − E(Y ) .





Démonstration. Remarquons que

X − E(X) Y − E(Y ) = XY − E(X)Y − E(Y )X + E(X)E(Y ).

Ces quatre variables aléatoires sont chacune d’espérance finie, donc X − E(X) Y − E(Y ) aussi, et on

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




2.3. Espérance ; variance 45

Remarque 1. On déduit de cette nouvelle expression que la covariance est aussi positive, i.e. que
Cov(X, X) > 0 pour toute variable aléatoire X : en effet, c’est l’espérance de la variable aléatoire
positive X − E(X) . Il y a donc de fortes similitudes avec un produit scalaire. Ce n’en est toutefois pas

2

un : la propriété Cov(X, X) = 0 implique seulement que la variable aléatoire X est presque sûrement
égale à son espérance (la probabilité de l’événement X 6= E(X) est nulle).

Proposition
Si les deux variables aléatoires X et Y sont indépendantes et chacune d’espérance finie, alors
Cov(X, Y ) = 0. La réciproque est fausse.

Démonstration. Remarquons que l’énoncé ne suppose pas que X et Y sont de variance finie : nous avons
en effet démontré que, sous la seule hypothèse que X et Y étaient d’espérance finie (et indépendantes),
il en était de même du produit XY et qu’on avait E(XY ) = E(X)E(Y ) ; la covariance est donc nulle.
Nous avons vu que, réciproquement, cette propriété n’entraînait pas l’indépendance de X et Y .
La covariance permet de calculer la variance d’une somme :
Proposition
Soient X et Y deux variables aléatoires, chacune de variance finie. Alors X + Y est de variance finie,
donnée par
V(X + Y ) = V(X) + V(Y ) + 2Cov(X, Y ).
En particulier, si les variables aléatoires sont indépendantes, on a

V(X + Y ) = V(X) + V(Y ).

Démonstration. On a (X + Y )2 = X 2 + 2XY + Y 2 , et chaque terme de la somme est d’espérance finie,

donc X + Y est de variance finie. En notant mX = E(X) et mY = E(Y ), on a E(X + Y ) = mX + mY ,
donc
V(X + Y ) = E (X + Y − mX − mY )2

= E (X − mX )2 + (Y − mY )2 + 2(X − mX )(Y − mY )

= E (X − mX )2 + E (Y − mY )2 + 2E (X − mX )(Y − mY )

= V(X) + V(Y ) + 2Cov(X, Y )

La formule se généralise à une somme finie de variables aléatoires :

Proposition
Soient X1 , . . . , Xn des variables aléatoires, chacune de variance finie. Alors la variable aléatoire X1 +
· · · + Xn est de variance finie, donnée par
n
V(X1 + · · · + Xn ) = V(Xk ) + 2 Cov(Xi , Xj ).
X X

k=1 16i<j6n

En particulier, si les variables aléatoires sont deux à deux indépendantes, elles vérifient
n
V(X1 + · · · + Xn ) = V(Xi ).
X

k=1

Démonstration. Il suffit d’écrire (en notant mk = E(Xk )) que

X1 + · · · + Xn − E(X1 + · · · + Xk ) = (X1 − m1 ) + · · · + (Xn − mn )

2
2
n
X X
= (Xk − mk )2 + 2 (Xi − mi )(Xj − mj ).
k=1 16i<j6n
46 Chapitre 2. Variables aléatoires discrètes

Remarque 2. Noter que la formule est vraie en supposant seulement les variables aléatoires deux à deux
indépendantes ; elle l’est a fortiori si elles sont mutuellement indépendantes.
Exemple 1. Soit X une variable aléatoire suivant une loi binomiale B(n, p). Choisissons n variables
aléatoires indépendantes X1 , . . . , Xn suivant chacune une loi de Bernoulli B(p). La variable aléatoire X
a même loi que X1 + · · · + Xn , donc sa variance vérifie
n
V(X) = V(xi ) = np(1 − p) :
X

k=1

on retrouve une formule déjà démontrée.

L’inégalité de Cauchy-Schwarz donne des bornes pour la covariance :
Proposition
Soient X et Y deux variables aléatoires, chacune de variance finie. Leur covariance vérifie

Cov(X, Y ) 6 σ(X)σ(Y ).

Démonstration. C’est une conséquence immédiate de l’inégalité de Cauchy-Schwarz appliquée aux

variables aléatoires X − E(X) et Y − E(Y ).

Définition (coefficient de corrélation)

Si X et Y sont deux variables aléatoires, chacune de variance finie non nulle, on définit leur coefficient
de corrélation ρ(X, Y ) par
Cov(X, Y )
ρ(X, Y ) = .
σ(X)σ(Y )

C’est donc un réel appartenant à l’intervalle [−1, 1]. Il est nul dès que les variables aléatoires sont indé-
pendantes (mais sa nullité n’entraîne pas l’indépendance des variables aléatoires).
Exemple 2. Soit X une variable aléatoire variance finie non nulle, et Y = aX + b (a 6= 0). On a
Cov(X, Y ) = Cov(X, aX + b) = aCov(X, X) + bCov(X, 1) = aV(X)
(rappelons que la variable aléatoire constante 1 est indépendante de X, donc leur covariance est nulle),
donc
aV(X) a
ρ(X, Y ) = = .
σ(X)|a|σ(X) |a|
Le coefficient de corrélation vaut 1 si a > 0, −1 si a < 0.

2.4 Fonctions génératrices

Nous avons utilisé, à plusieurs reprises, une série entière P(X = n)tn pour calculer des espérances
P
ou des variances. La technique est très générale.
Définition (fonction génératrice)
Soit X une variable aléatoire prenant ses valeurs dans N. La fonction génératrice de X est la série
entière GX = P(X = n)tn .
P

En cas de convergence, on peut interpréter la somme de cette série comme une espérance :
Proposition
Soit t un réel. La fonction génératrice de X converge absolument en t si, et seulement si, la variable
aléatoire tX est d’espérance finie. Si c’est le cas, on a

GX (t) = E(tX ).
2.4. Fonctions génératrices 47

Démonstration. Le théorèmeP n de transfert indique que la variable aléatoire t est d’espérance finie si, et
X

seulement si, la série t P(X = n) est absolument convergente (les valeurs prises par X sont ici les
entiers positifs !). Si c’est le cas, on a
∞
E(tX ) = tn P(X = n) = GX (t).
X

n=0

On peut dans tous les cas minorer le rayon de convergence de cette série entière :

Proposition
Le rayon de convergence de la fonction génératrice d’une variable aléatoire X est au moins égal à 1 et
la fonction GX est continue sur le segment [−1, 1].

Démonstration. En posant fn (t) = P(X = n)tn pour tout t ∈ [−1, 1], on a ||fn ||∞ = P(X = n), terme
général d’une série convergente, donc la série de fonctions converge normalement sur le segment [−1, 1].
Les fn étant toutes continues, la fonction GX est définie et continue sur ce segment.

Exemple 1. Si X suit une loi de Bernoulli B(p), sa fonction génératrice est en fait polynomiale :

GX (t) = 1 − p + pt.

Exemple 2. Si X suit une loi binomiale B(n, p), sa fonction génératrice est aussi polynomiale :
n  
X n
GX (t) = pk (1 − p)n−k tk .
k
k=0

Sa somme est GX (t) = (1 − p + pt)n .

Exemple 3. Si X suit une loi géométrique G (p), nous avons calculé sa fonction génératrice :
∞
X pt
GX (t) = p(1 − p)n−1 tn = .
n=1
1 − qt

Le rayon de convergence est égal à 1

q > 1.

Exemple 4. Si X suit une loi de Poisson P(λ), nous avons aussi calculé la fonction génératrice
∞
λn n
e−λ t = e−λ+λt .
X
GX (t) =
n=0
n!

Le rayon de convergence est infini.

La connaissance de la loi de X permet de déterminer sa fonction génératrice. La réciproque est vraie :

Proposition
La loi d’une variable aléatoire X à valeurs dans N est caractérisée par sa fonction génératrice.

Démonstration. La fonction GX est de classe C ∞ sur l’intervalle ]−1, 1[ et vérifie

(n)
GX (0)
∀n ∈ N, P(X = n) = .
n!
La connaissance de la fonction GX permet donc de connaître la loi de X.
48 Chapitre 2. Variables aléatoires discrètes

Cette technique des fonctions génératrices est donc très puissante : elle permet de concentrer toute
l’information concernant la variable aléatoire X dans une seule fonction. C’est cette technique qui nous
a déjà permis de calculer des espérances et des variances. Voyons comment elle se généralise.
P Posons fn (t) = P(X = n)t pour t ∈ [0, 1] : la fonction génératrice n’est autre que la série de fonctions
n

fn ; elle converge normalement sur

P l’intervalle [0, 1]. Supposons de plus que la variable aléatoire X soit
d’espérance finie, i.e. que la série nP(X = n) converge (la série étant à P termes positifs, il n’est pas
nécessaire de préciser qu’elle converge absolument). Alors la série de fonctions fn0 converge normalement
sur le segment [0, 1] : en effet, pour tout réel t ∈ [0, 1], on a |fn0 (t)| = nP(X = n)tn−1 6 nP(X = n),
qui est le terme général d’une série convergente. Le théorème de dérivation terme à terme des séries
de fonctions P∞affirme que la n−1
fonction GX est de classe C 1 sur le segment [0, 1], et que sa dérivée vérifie
0
GX (t) = n=0 nP(X = n)t pour tout réel t ∈ [0, 1]. Pour t = 1, on obtient E(X) = G0X (1).

Théorème
Soit X une variable aléatoire à valeurs dans N. La variable aléatoire X est d’espérance finie si, et
seulement si, sa fonction génératrice est dérivable en 1. Si c’est le cas, on a E(X) = G0X (1).

Démonstration (non exigible). Le sens direct vient d’être démontré. Démontrons la réciproque par contra-
posée. Pour cela, supposons que la variable aléatoire X n’est pas d’espérance finie, i.e. que la série
nP(X = n) diverge. Comme c’est une série à termes positifs, ses sommes partielles tendent vers +∞.
P
Déduisons-en dans un premier temps que G0X (t) −→ +∞.
t→1
Commençons par remarquer que toutes les fonctions définissant la série G0X (sur l’intervalle [0, 1[) sont
croissantes ; la fonction G0X est donc croissante sur [0, 1[. À ce titre, elle admet une limite `, finie ou infinie,
en 1. Choisissons maintenant un réel A > 0. Choisissons ensuite un réel N tel que n=0 nP(X = n) > A
PN
(la série diverge vers +∞). De l’égalité
N
X ∞
X
nP(X = n)t n−1
6 nP(X = n)tn−1 = G0X (t),
n=0 n=0

valable pour tout réel t ∈ [0, 1[, on déduit, par passage à la limite (légitime : on a démontré l’existence
d’une limite en 1 pour G0X ) que
XN
nP(X = n) 6 `.
n=0
La limite ` vérifie ` > A, et ceci pour tout A > 0, donc ` = +∞.
Déduisons-en maintenant que GX n’est pas dérivable en 1 en démontrant que
GX (t) − GX (1)
−→ +∞.
t−1 t→1

On sait que la fonction GX est

– continue sur le segment [0, 1] ;
– dérivable sur l’intervalle [0, 1[.
Le théorème des accroissements finis affirme l’existence, pour tout réel t ∈ [0, 1[, d’un réel t0 ∈ ]t, 1[ tel
que GX (t)−G
t−1
X (1)
= G0X (t0 ). Lorsque t tend vers 1, t0 tend aussi vers 1, donc G0X (t0 ) tend vers +∞, donc
le taux d’accroissement aussi.
Étudions maintenant Pla2variance. Supposons pour cela que la variable aléatoire
PX admette une va-
riance. Alors les séries n P(X = n) et nP(X = n) convergent, donc la série
P
n(n − 1)P(X = n)
converge aussi. Ainsi,
– les séries de fonctionsP fn et fn convergent simplement sur le segment [0, 1] ;
P P 0
– la série de fonctions fn00 converge normalement sur P∞le même segment.
La fonction GX est donc de classe C 2 et vérifie G 00
X (t) = n=0 n(n − 1)P(X = n)t
n−2
pour tout t ∈ [0, 1].
Pour t = 1, la formule donne E X(X − 1) = GX (1). 00

Théorème
Soit X une variable aléatoire à valeurs dans N. La variable aléatoire X est de variance finie si, et
seulement si, sa fonction génératrice est deux fois dérivable en 1. Si c’est le cas, on a

E X(X − 1) = G00X (1).

2.5. Loi des grands nombres 49

Démonstration (non exigible). Le sens direct vient d’être démontré. Le sens réciproque se traite par la
contraposée, comme pour l’énoncé précédent.

Rappelons que cette formule permet alors de calculer la variance :

V(X) = E(X 2 ) − E(X)2 = E X(X − 1) + E(X) − E(X)2 .

Enfin, on dispose d’une formule calculant la fonction génératrice d’une somme de deux variables
aléatoires indépendantes :

Théorème
Soient X, Y deux variables aléatoires indépendantes à valeurs dans N. Pour tout réel t ∈ [−1, 1], on a

GX+Y (t) = GX (t)GY (t).

Démonstration. Pour tout réel t ∈ [−1, 1], les variables aléatoires tX et tY sont indépendantes (car X
et Y le sont), donc on a

GX+Y (t) = E(tX+Y ) = E(tX tY ) = E(tX )E(tY ) = GX (t)GY (t).

Exemple 5. Considérons deux variables aléatoires indépendantes X et Y suivant chacune une loi bino-
miale : X ∼ B(n, p) et Y ∼ B(m, p). Pour tout réel t ∈ [−1, 1], on a

n
m
m+n
GX+Y (t) = GX (t)GY (t) = (1 − p) + pt (1 − p) + pt = (1 − p) + pt .

Cette fonction génératrice est celle d’une loi binomiale B(m + n, p), donc X + Y suit cette loi.

2.5 Loi des grands nombres

Nous avons vu que la variance était un indicateur de dispersion de la variable aléatoire. Elle permet
en particulier d’estimer quantitativement la probabilité que la variable aléatoire prenne des valeurs «à
distance supérieure à ε» de sa moyenne. Pour l’établir, commençons par la

Proposition (inégalité de Markov)

Soit X une variable aléatoire positive d’espérance finie. Pour tout réel t > 0, on a

E(X)
P(X > t) 6 .
t

Démonstration. Notons {xi , i ∈ I} l’ensemble des valeurs prises par X. On découpe cet ensemble d’indices
en 2 :
I1 = {i ∈ I | xi > t} et I2 = {i ∈ I | xi < t}.
Alors
xi P(X = xi ) 6 xi P(X = xi ) = E(X),
X X X
tP(X > t) = tP(X = xi ) 6
i∈I1 i∈I1 i∈I

d’où l’inégalité demandée.

On en déduit le
Théorème (inégalité de Bienaymé-Chebychev)
Soit X une variable aléatoire admettant un moment d’ordre 2. Notons m son espérance et σ 2 sa
variance. Pour tout réel ε > 0, on a

σ2
P(|X − m| > ε) 6 .
ε2
50 Chapitre 2. Variables aléatoires discrètes

Démonstration. Il suffit d’appliquer l’inégalité de Markov à la variable aléatoire positive |X − m|2 .

Terminons enfin ce chapitre en nous intéressant à une expérience aléatoire répétée un grand nombre
de fois. On considère la moyenne Yn des résultats des n premières expériences. On peut espérer que cette
variable aléatoire prendra des valeurs significativement proches de l’espérance de X.

Théorème (loi faible des grands nombres)

Soit (Xn )n>1 une suite de variables aléatoires deux à deux indépendantes, de même loi, d’espérance
finie m et de variance finie σ 2 . Notons Yn = X1 +···+X
n
n
. Alors, pour tout réel ε > 0, on a

σ2
P |Yn − m| > ε 6 2 .


nε
En particulier, on a
P |Yn − m| > ε


−→ 0.
n→∞

Démonstration. La variable aléatoire Yn a pour espérance m et pour variance σn (par indépendance

2

des Xi ). L’inégalité à démontrer est exactement celle de Bienaymé-Chebychev.

Exemple 1. Un medium prétend pouvoir deviner un nombre auquel on pense. On décide de réaliser une
série de 100 «divinations» : il doit à chaque fois deviner un nombre compris entre 1 et 10. On note Xn la
variable aléatoire prenant la valeur 1 si il réussit lors de l’expérience numéro n, 0 sinon.
Pour nous qui ne croyons pas à la divination, les variables aléatoires Xn sont indépendantes et suivent
toutes une loi de Bernoulli B(0.1), d’espérance m = 0, 1 et de variance σ 2 = 0, 09. Pour tout réel ε > 0,
on a donc
σ2 9 · 10−4
P(|Y100 − 0, 1| > ε) 6 = .
100ε2 ε2
J’accepterai de rejeter l’hypothèse que Xn suit une loi de Bernoulli B(0.1) à condition de constater
un événement qui devrait être, sous cette hypothèse, de probabilité faible, disons inférieure à 5%. Choi-
sissons donc ε de sorte que 9·10 6 0, 05 : ε = 0, 14 convient. Remarquons maintenant que l’événement
−4

ε2
|Y100 − 0.1| > ε s’écrit encore |S100 − 10| > 100ε = 14 (où S100 = X1 + · · · + X100 ), i.e. S100 > 24 (l’évé-
nement S100 6 −4 est impossible...). Ainsi, si je constate que le nombre total de succès est supérieur ou
égal à 24, la probabilité que les Xn suivent une loi B(0.1) sera inférieure à 5%, et je pourrai croire à ses
talents de médium.