#306

Lois discrètes innies

Khôlles - Classes prépa Thierry Sageaux, Lycée Gustave Eiel.

LOI GEOMETRIQUE

Exercice 1. ˇ “(
Un concierge possède un trousseau de dix clefs dont une seule permet d'ouvrir la porte en face de lui.
Soit X le nombre de clefs essayées pour ouvrir la porte.
1) Déterminer la loi de X (On envisagera deux cas, avec puis sans remise).
2) Le concierge est ivre un jour sur trois.
Quand il est ivre, il essaie les clefs au hasard avec remise, sinon, on procède sans remise. Sachant qu'un
jour huit essais ont été nécessaires pour ouvrir la porte, quelle est la probabilité que le concierge ait
été ivre ce jour-là ?

Exercice 2. ˇ “)
Montrer qu'une loi géométrique est sans mémoire.
Exercice 3. ˇ “
+∞ xk
On admet que l'égalité n
est valable pour x ∈] − 1, 1[ et k ∈ N.


xn =
P
k (1 − x)k+1
n=k
Soit p un nombre réel tel que 0 < p < 2/3. Dans un pays, la probabilité qn qu'une famille ait exactement
n enfants est de pn /2 quand n > 1 ; par ailleurs, la probabilité, à chaque naissance, d'avoir un garçon est
de 1/2.
1) Calculer la probabilité q qu'une famille ait au moins un enfant.
Calculer la probabilité q0 qu'une famille n'ait aucun enfant.
2) Soient n ∈ N\{0} et k ∈ [[0, n]]. On considère une famille de n enfants ; calculer la probabilité pour
que cette famille ait exactement k garçons.
3) Soit k ∈ N\{0}. Calculer la probabilité pour qu'une famille ait exactement k garçons.
4) Calculer la probabilité pour qu'une famille n'ait aucun garçon.
Exercice 4. ˇ “
Soient a et b deux réels tels que 0 < a < 1 et 0 < b < 1.
On eectue une suite d'expériences aléatoires consistant à jeter simultanément deux pièces de monnaie
notées A et B . On suppose que ces expériences sont indépendantes et qu'à chaque expérience les résultats
des deux pièces sont indépendants. On suppose que, lors d'une expérience, la probabilité que la pièce A
donne "pile" est a, et que la probabilité que la pièce B donne "pile" est b.
Soit X le nombre d'expériences qu'il faut réaliser pour que la pièce A donne "face" pour la première fois,
et Y le nombre d'expériences qu'il faut réaliser pour que la pièce B donne "face" pour la première fois.
1) Quelles sont les lois de probabilités de X et de Y ? Donner E(X).
2) Déterminer la probabilité pour que les joueurs obtiennent face pour la première fois au même
moment.
3) Trouver, pour k ∈ N, la valeur de P (X > k).
En déduire les probabilités P (X > Y ) et P (X > Y ).
Exercice 5. ˇ “
Soit n un entier naturel non nul. Un jardinier plante n bulbes de tulipes dans son jardin. Chaque
bulbe a une probabilité p ∈ [0, 1] de donner une eur. Lorsqu'une tulipe eurit une année, elle reeurit
toutes les années suivantes. En revanche, si un bulbe n'a pas donné de eur une année, il a toujours une

19 mai 2021 1 Thierry Sageaux

#306 Lois discrètes innies

probabilité p de donner une eur l'année suivante. On suppose de plus que les oraisons des diérents
bulbes sont indépendantes. On pose q = 1 − p.
On suppose que l'expérience est modélisée par un espace probabilisé (Ω, A , P ). On appelle T la variable
aléatoire réelle correspondant au nombre d'années nécessaires pour que tous les bulbes eurissent.
1) Pour tout h ∈ [[1, n]], on dénit la variable aléatoire Th égale au nombre d'années nécessaires pour
que le hième bulbe eurisse.
a) Déterminer la loi de Th .
b) Exprimer T en fonction des Th . En déduire la loi de T .
n
2) a) Calculer lim k (−1) N (q ) .
n
P
k k N
N →+∞ k=1
n N
b) Calculer n
(q k )j−1 .

P
(−1)k
P
lim k
N →+∞ k=1 j=1
c) En déduire E(T ) sous forme d'une somme.
Exercice 6.
Soient X et Y deux variables aléatoires indépendantes suivant une même loi géométrique de paramètre
psur N∗ . On pose U = max(X, Y ) et V = min(X, Y ).
1) Donner la loi du couple (U, V ).
2) En déduire les lois marginales de U et de V .
3) Calculer les espérances de U et de V .
Exercice 7.
La variable aléatoire X est à valeurs dans N.
+∞
1) On suppose que X suit une loi géométrique de paramètre p sur N. Calculer p(X = 2k).
P
k=0
La variable X a-t-elle plus de chances d'être paire ou impaire ?
2) Idem si X suit P(λ) (on pourra se ramener à l'étude des solutions de l'équation diérentielle
y 0 + y = eλ ).

Exercice 8. ˇ “(
Soit (Xn )n∈N∗ une suite de variables aléatoires indépendantes suivant une loi de Bernoulli de paramètre
p ∈]0, 1].
On pose N = inf{n ∈ N∗ , Xn = 1} si cet ensemble est non vide, N = +∞ sinon.
1) Calculer P (N = +∞).
2) Donner la loi de N .
Exercice 9. ˇ “
Deux joueurs Alice et Bob eectuent une série de lancers de pièce jusqu'à obtenir un Pile avec une
pièce truquée pour laquelle la probabilité d'obtenir Pile vaut p ∈ [0, 1]. On note XA et XB le nombre de
tirages nécessaires pour chacun des joueurs.
1) Donner la loi de XA et de XB .
2) Calculer p(XA = XB ).
3) Calculer p(XB ≥ k).
4) Déterminer la probabilité p(XA ≥ XB ).
Exercice 10. ˇ “
Robin tire sur une cible avec la probabilité p ∈ [0, 1] d'atteindre cette cible. Il tire n fois de suite sur
cette cible. A l'issue des n tirs, un compteur comptabilise le nombre de fois où la cible a été atteinte au
cours de ces n tirs.
Malheureusement, le compteur fonctionne mal : il ache le bon résultat avec la probabilité 21 et le
bon résultat augmenté de 1 avec la même probabilité.

2 Thierry Sageaux
#306 Lois discrètes innies

On note Y la variable aléatoire égale au nombre de fois où Robin atteint la cible au cours des n tirs
et X la variable aléatoire égale au nombre aché par le compteur.
1) Quelle est la loi de Y ?
2) Déterminer la loi de X ?
3) Déterminer la loi de la variable aléatoire Z = X − Y .
4) En déduire la valeur de l'espérance de X .
5) On imagine maintenant que le compteur ache un tir réussi avec seulement une probabilité de
2 et que Robin tire sur la cible jusqu'à ce que le compteur ache un tir réussi. Soit T la variable
1

aléatoire du nombre de tirs de Robin.

a) Déterminer la loi de T
b) Peut-on calculer son espérance ?
LOI DE POISSON

Exercice 11. ˇ “
1) Si dans une population, une personne sur cent est centenaire, quelle est la probabilité de trouver
au moins un centenaire parmi 100 personnes choisies au hasard ? Et parmi 200 ?
2) Montrer que sur un groupe de 200 personnes, la probabilité d'avoir exactement un centenaire est
la même que celle d'en avoir deux.
3) Plus généralement, montrer que si X suit P(λ) avec λ ∈ N∗ , alors p(X = λ − 1) = p(X = λ).
Exercice 12. ˇ “
Soit (X, Y ) un couple de variables aléatoires à valeurs dans N tel que
k
p((X = n) ∩ (Y = m)) = .
(n + m + 1)!
1) Calculer k.
2) Les variables aléatoires X et Y sont-elles indépendantes ?
3) Déterminer la loi de Z = X + Y et calculer E(Z).
Exercice 13.
On considère une entreprise de construction produisant des objets sur deux chaînes de montage A et
B qui fonctionnent indépendamment l'une de l'autre. Pour une chaîne donnée, les fabrications des pièces
sont indépendantes. On suppose que A produit 60% des objets et b produit 40% des objets. La probabilité
qu'un objet construit par la chaîne A soit défectueux est 0, 1 alors que la probabilité pour qu'un objet
construit par la chaîne B soit défectueux est 0, 2.
1) On choisit au hasard un objet à la sortie de l'entreprise. On constate que cet objet est défectueux.
Calculer la probabilité de l'évènement : "l'objet provient de la chaîne A".
2) On suppose de plus que le nombre d'objets produits en une heure par A est une variable aléatoire
Y qui suit une loi de Poisson de paramètre λ = 20. ON considère la variable aléatoire X représentant
le nombre d'objets défectueux produits par la chaîne A en une heure.
a) Rappeler la loi de Y ainsi que la valeur de l'espérance et de la variance de Y .
b) Soient k et n deux entiers naturels, déterminer la probabilité conditionnelle p(Y =n) (X = k).
(on distinguera les cas k ≤ n et k > n).
c) En déduire, en utilisant le système complet d'évènements (Y = i)i∈N , que X suit une loi de
Poisson de paramètre 2.

Exercice 14.
Le nombre X de touristes sur les Ramblas de Barcelone suit une loi de Poisson P(λ). Sur cette avenue,
chaque touriste a la probabilité p xe de se faire voler son portefeuille. Déterminer la loi de la variable
aléatoire Y égale au nombre de portefeuilles volés et calculer son espérance.

3 Thierry Sageaux
#306 Lois discrètes innies

Exercice 15.
Une population comporte en moyenne une personne mesurant plus de 1m90 sur 80 personnes. Sur
100 personnes, calculer la probabilité qu'il y ait au moins une personne mesurant plus de 1m90. (utiliser
une loi de Poisson). Sur 300 personnes, calculer la probabilité qu'il y ait au moins une personne mesurant
plus de 1m90.

Exercice 16.
Le nombre d'exemplaire d'un journal A demandés chaque jour à un gérant d'un hospice est une
variable aléatoire suivant une loi de Poisson P(8). La recette de chaque vente est de 1e.
1) Calculer la recette moyenne.
2) Le stock est de 10 exemplaires. Quelle est la probabilité que le gérant ne puisse satisfaire toutes
les demandes ? Quelle est alors la recette moyenne ?

Exercice 17.
On donne X(Ω) = N et pour tout k ∈ N∗ , p(X = k) = k4 p(X = k − 1). Montrer que X suit une loi de
Poisson.

Exercice 18.
Une bactérie a la probabilité p d'être touchée par un laser. On envoie un rayon laser chaque seconde.
La bactérie ne meurt que lorsqu'elle est touchée r fois (r ∈ N∗, xé). Déterminer la loi de la variable
aléatoire X égale à la durée de vie de la bactérie ainsi que son espérance de vie.

Exercice 19. ˇ “
On lance trois dés à six faces jusqu'à obtenir trois six, sachant que, dès qu'un dé tombe sur 6, on arrête
de le lancer, et on se contente de relancer les dés n'ayant pas encore donné un 6. On note (Xi )i∈[[1,3]] le
nombre de lancers nécessaires avant d'obtenir un 6 sur chacun des trois dés.
1) Quels sont les lois des variables Xi ?
2) Calculer la probabilité p(X ≤ k) avec X la variable aléatoire donnant le nombre de lancers néces-
saires pour obtenir les trois 6.
3) En déduire la loi de X .
4) Déterminer l'espérance si elle existe.
Exercice 20. ˇ “
On considère une suite de variables aléatoires X1 , X2 , . . ., Xn ,. . .dénies sur le même espace probabilisé
(Ω, A, p), mutuellement indépendantes, et suivant toutes la même loi exponentielle de paramètre λ (avec
λ > 0).
Pour tout entier n de N\{0}, on pose Sn = sup(X1 , X2 , . . . , Xn ) et on admet que Sn est une variable
aléatoire, elle aussi dénie sur (Ω, A, p).
1) a) Déterminer la fonction de répartition Fn de Sn .
b) En déduire que Sn est une variable aléatoire à densité et vérier que la fonction fn dénie par :
si x < 0

0
fn (x) =
λne−λx (1 − e−λx )n−1 si x ≥ 0
est une densité de Sn .
On pose pour tout réel x supérieur ou égal à 0 :
Z x Z x
In (x) = Fn (t)dt et Jn (x) = tfn (t)dt.
0 0

1 fn (x)
2) Vérier que : ∀x ∈ R+ , ∀n ≥ 2, on a Fn (x) = Fn−1 (x) − .
λ n
1 Fn (x)
3) a) Démontrer que : ∀x ∈ R+ , ∀n ≥ 2, on a In (x) = In−1 (x) − .
λ n

4 Thierry Sageaux
#306 Lois discrètes innies
n F (x)
1 P
b) Calculer I1 (x) puis en déduire que : ∀x ∈ R+ , ∀n ∈ N\{0}, on a In (x) = x − k
.
λ k=1 k
4) a) Montrer que : ∀x ∈ R+ , ∀n ∈ N\{0}, on a Jn (x) = xFn (x) − In (x).
1 n 1
b) Déduire des questions précédentes que Sn possède une espérance et que E(Sn ) = .
P
λ k=1 k

LOI DE PASCAL et BINOMIALE NÉGATIVE

Exercice 21.
Un livre compte quatre erreurs. Lors d'une relecture, la probabilité qu'une erreur soit corrigée est 0, 3.
Calculer le nombre minimal de relectures pour que la probabilité que toutes les erreurs soient corrigées
soit supérieur ou égale à 0, 95.

Exercice 22.
On lance un dé équilibré à six faces numérotées de 1 à 6. On appelle succès le fait d'obtenir un 6.
1) On note Tn le nombre de lancers qu'il faut pour obtenir un ne succès.
a) Déterminer la loi de probabilité de Tn , son espérance mathématique, sa variance.
+∞ 1
b) Montrer que n−1 (t − pt) = (1 − (t − pt))n .
k+n−1
P
k
k=0
c) En déduire la fonction génératrice de Tn .
2) On note Yn le nombre d'échecs précédant le ne succès. Déterminer la loi de probabilité de Y , sa
fonction génératrice, son espérance mathématique, sa variance.
AUTRES LOIS INCLASSABLES

Exercice 23. ˇ “
Une urne contient initialement une boule blanche et une boule noire. On eectue des tirages dans
cette urne, en remettant après chaque tirage la boule tirée en ajoutant une nouvelle boule de la même
couleur que la boule tirée. On note X le nombre de tirages nécessaires avant de tirer une boule blanche.
Déterminer la loi de X ainsi que son espérance si elle existe.

Exercice 24. ˇ “
e−2 2k
Soit X une variable aléatoire dénie sur N. Pour tout k ∈ N, on pose p(X = k) = (1 + ak).
4 × k!
1) Déterminer a.
2) La variable X admet-elle une espérance et une variance ? Si oui, les calculer.
Exercice 25. ˇ “
On considère deux variables X et Y telles que X(Ω) = Y (Ω) = N\{0} et
P ((X = i) ∩ (Y = j)) = pi+1 (1 − p)j + (1 − p)i+1 pj avec p ∈
/ {0; 1}.
2
∀(i, j) ∈ (N\{0}) ,
1) Montrer que p(X = i) = (1 − p)pi + p(1 − p)i . De même, déterminer p(Y = j).
2) Déterminer l'espérance de X et montrer que E(Y ) = 2.
3) Calculer le moment d'ordre 2 de la variable X . En déduire V (X).
1
4) Si p 6= , montrer que X et Y sont dépendantes.
2
1
5) Montrer que X et Y sont indépendantes lorsque p = .
2
Exercice 26. ˇ “
On eectue des tirages avec remise dans une urne contenant n boules numérotées de 1 à n (avec
n > 1). Les tirages ayant lieu "au hasard", les boules ont toutes la même probabilité d'être tirées.

5 Thierry Sageaux
#306 Lois discrètes innies

On dénit une suite (Ui )i∈N∗ de variables aléatoires par U1 = 1, et, pour tout entier i > 1, Ui = 1 si
on obtient au iième tirage un numéro qui n'a pas été obtenu lors des (i − 1) tirages précédents et Ui = 0
sinon.
Enn, pour tout entier i supérieur ou égal à 1, on note Ti la variable aléatoire égale au numéro obtenu
au iième tirage.
1) Donner la loi de U2 .
2) a) Donner la loi de Ti .  i−1
1
b) En déduire que ∀i ∈ [[2, n]], P (Ui = 1) = 1 − .
n
c) Vérier que cette formule reste valable pour i = 1.
Pour tout entier k ≥ 2, on note Vk (n) la variable aléatoire égale au nombre de numéros distincts
obtenus au cours des k premiers tirages.
3) a) Exprimer Vk (n) en fonction des variables Ui . !
 k
1
b) En déduire que Vk (n) possède une espérance donnée par E(Vk (n)) = n 1− 1− .
n
c) Déterminer n→+∞
lim E(Vk (n)).

Exercice 27. ˇ “
On considère une pièce de monnaie telle qu'à chaque lancer, la probabilité d'obtenir "face" est égale
à 23 . On lance cette pièce plusieurs fois de suite. Si on obtient "face" deux fois de suite, on dit que l'on a
obtenu un doublé.
Pour tout n ∈ N∗ , on note An l'évènement : "on obtient un doublé pour la première fois aux nième et
(n + 1)ième lancers". Pour tout n ∈ N∗ , on note pn la probabilité de l'évènement An .
1) Calculer p1 , p2 , p3 .
2) On désigne par B l'évènement : "le premier lancer donne pile" et par C l'évènement : "le premier
lancer donne face et le deuxième lancer donne pile".
a) Montrer que pour tout n ∈ N∗ , on a PB (An+2 ) = P (An+1 ) et PC (An+2 ) = P (An ).
1 2
b) En déduire que pour tout n ∈ N\{0; 1}, on a pn+2 = pn+1 + pn .
3 9
3) a) Déterminer pn en fonction de n.
b) Pour tout n ∈ N∗ , on note Dn l'évènement : "on obtient au moins un doublé au cours des n + 1
premiers lancers". Calculer p(Dn ).
Exercice 28. Le problème du collectionneur.
Dans chacun de mes paquets de céréales "SnowFlakes" il y a une gurine de Blanche neige et les sept
nains (huit gurines diérentes au total). Combien faut-il que j'achète de paquets en moyenne pour avoir
les huit gurines ?
Exercice 29.
Les variables aléatoires X et Y sont à valeurs dans N telles que
(j+k)λk+j
∀(j, k) ∈ N2 , p [(X = j) ∩ (Y = k)] = e2λ j!k!
avec λ > 0.
1) Déterminer λ.
2) Trouver les lois de X , de Y . Sont-elles indépendantes ?
3) Calculer E(2X+Y ).
Exercice 30.
Soit X une variable aléatoire telle que X(Ω) = N∗ et pour tout k ∈ N∗ , p(X = k) = k(k+1)(k+2)
a
.
1) Déterminer a.
2) La variable aléatoire X admet-elle une espérance et une variance ? Si oui, les calculer.
Exercice 31.
La variable aléatoire X est à valeurs dans N. On dénit une variable aléatoire Y par

6 Thierry Sageaux
#306 Lois discrètes innies

si X est impair.

X
Y = X
2 si X est pair.
Déterminer la loi de Y si :
1) si X suit P(λ). 2) si X suit GN (p).
Chaînes de Markov

Exercice 32.
Joe Dalton est en prison avec 3$. Il peut être libéré sous caution pour 8$. Un garde est d'accord pour
faire une série de paris avec lui. Si Joe mise A$, alors il gagne A$ avec la probabilité 0, 4 et perd A$ avec
la probabilité 0, 6.
1) Trouver la probabilité qu'il gagne 8$ avant de tout perdre si
a) il mise 1$ à chaque fois,
b) il mise, chaque fois, autant que possible mais pas plus que nécessaire pour obtenir 8$.
2) Quelle est la stratégie qui maximise ses chances de sortir de prison ?
Exercice 33.
On jette une pièce de monnaie équilibrée de façon répétée et indépendante. Trouver le nombre moyen
de lancers nécessaires pour observer une succession FPFF.
Exercice 34. ˇ “(  
0 1 0 0
0 1 2
0
On considère une chaîne de Markov ayant pour matrice de transition : P = 
1
3 3 .
0 0 0
1 1
0 2 2 0
1) Dessiner le diagramme de transition associé à P .
2) Quels sont les états absorbants ?
3) Quelles sont les classes de communication ?
4) Déterminer la ou les probabilités invariantes.
5) Quels sont les états récurrents ? transcients ?
Exercice 35. La marche de l'ivrogne.
Un ivrogne sort du pub. Il suit le trottoir, large de 2m, dans le but d'atteindre sa maison située à 20m
de là. A chaque pas, il fait soit un pas en diagonale vers la gauche, soit un pas en diagonale vers la droite
de 50cm. Il y a deux exceptions : S'il est contre le mur (comme en sortant du pub) et qu'il fait un pas
vers le mur, il se cogne et va tout droit. S'il arrive à 2m du mur, il tombe dans le caniveau et il y reste.
Sa femme l'attend devant chez lui et ne le récupèrera que s'il réussi à arriver en face de la porte
d'entrée.
Quelle est la probabilité qu'il réussisse à rentrer chez lui ?
Exercice 36.
On considère une chaîne de Markov à valeurs dans N de matrice de transition P telle que pour tout
1 1
k ∈ N∗ , Pk,k+1 = et Pk,0 = 1 − .
k+1 k+1
1) Représenter cette chaîne de Markov par un graphe et écrire sa matrice de transition.
2) Soit T0 = inf{n ≥ 1, Xn = 0}. On suppose que X0 = 0.
a) Quelles est la loi de T0 ?
b) Montrer que 0 est un état récurrent puis que c'est un état récurrent positif.
c) Montrer que 0 est apériodique.
3) Déterminer la mesure invariante associée à cette chaîne de Markov. Connaissez-vous cette loi.

7 Thierry Sageaux
#306 Lois discrètes innies

Solutions des exercices

Exercice 1.
1) S'il est ivre, il y a remise et on doit considérer que l'expérience aléatoire est la répétition d'épreuve
de Bernoulli de probabilité de succès inchangée égale à p = 10 1
. De plus, X(Ω) = N∗ et X suit une loi
géométrique sur N de paramètre 10 . Ainsi, p(X = k) = q p.
∗ 1 k−1

S'il n'est pas ivre, il s'agit d"une loi uniforme de paramètre 10 et p(X = k) = 10
1

2) On utilise la formule de Bayes en notant I l'évènement : "il est ivre" :

1 7
pI (X=8)×p(I) 3q p 4782969
p(X=8) (I) = ¯
pI (X=8)×p(I)+pĪ (X=8)×p(I)
= 1 7
q p+ 23 p
= 14782969 ' 0, 32
3

Exercice 2.
On veut montrer que si X suit G (p), on a P(X>n) (X > n + m) = p(X > m).
On a p(X > n) = q n et p(X > n + m) = q n+m , d'où le résultat.

Exercice 3.
1) Soit N la variable aléatoire du nombre d'enfants dans une famille. On cherche q = p(N ≥ 1) =
+∞
P +∞
P pk 1 +∞
P k p
qk = = p = .
k=1 k=1 2 2 k=1 2(1 − p)
p 1 − 2p
D'autre part, q0 = 1 − = .
2(1 − p) 1−p
2) Soit G la variable aléatoire du nombre de garçons, on cherche p(N =n) (G = k) Cette loi condi-
tionnelle suit une loi binomiale de paramètres n et 12 car il s'agit de la répétition de n schémas de
Bernoulli identiques et indépendants ayant la même probabilité de succès. Donc p(G=k) (N = n) =

1 k 1 n−k
       n
n 1
n
k = .
2 2 k 2
3) On utilise les probabilités totales avec le système complet d'évènements (N n=k . Donc
= n)+∞
+∞
X +∞
X
P (G = k) = P ((G = k) ∩ (N = n)) = P(N =n) (G = k) × P (N = n)
n=k n=k
+∞    n n +∞  
X n 1 p 1 X n  p n
= =
k 2 2 2 k 2
n=k n=k

1 ( p2 )k k
p
= = .
2 (1 − p2 )k+1 (2 − p)k+1

4) On procède par complémentaire :

+∞ +∞
X X pk
P (G = 0) = 1 − P (G > 0) = 1 − P (G = k) = 1 −
(2 − p)k+1
k=1 k=1
+∞  k
1 X p 1 p 1
=1− =1− × p
2−p 2−p 2 − p 2 − p 1 − 2−p
k=1

1 p 4 − 7p + 2p2
=1− × = .
2 − p 2 − 2p (2 − p)(2 − 2p)

8 Thierry Sageaux
#306 Lois discrètes innies

Exercice 4.
1) L'expérience aléatoire est la répétition de schéma de Bernoulli identiques et indépendants ayant la
même probabilité de succès ou d'échec. On arrête l'expérience quand il y a un succès. La variable X
(resp Y ) suit donc une loi géométrique sur N × de paramètre 1 − a (resp. 1 − b).
Ainsi, p(X = k) = ak−1 (1 − a) et p(Y = k) = bk−1 (1 − b).
1
Donc E(X) = .
1−a
Attention au piège pile/face.
2) On utilise les probabilités totales avec le système complet d'évènements (X = k)k∈N , pour trouver ×

p(X = Y ). Ce qui donne :

+∞
X +∞
X
p(X = Y ) = p((X = k) ∩ (Y = k)) = (1 − a)(1 − b) (ab)n
k=1 n=0

(1 − a)(1 − b)
= .
1 − ab

3) On trouve
+∞
X +∞
X
p(X > k) = p(X = n) = (1 − a) an−1
n=k+1 n=k+1
k
(1 − a)a
= = ak .
1−a
ce n'est pas une surprise. Cela correspond à l'évènement pour lequel les k premiers lancés ont
donné pile.
• Pour P (X > Y ), on utilise encore les probabilités totales :
+∞
X +∞
X +∞
X
P (X > Y ) = P ((X > Y ) ∩ (Y = k)) = P(Y =k) (X > Y ) × P (Y = k) = P (X > k) × P (Y = k)
k=1 k=1 k=1
+∞ +∞
X 1−b X
= ak bk−1 (1 − b) = (ab)k
b
k=1 k=1

(1 − b)a
b 1−b
= = .
cancelb(1 − ab) 1 − ab

1−b (1 − a)(1 − b) (2 − a)(1 − b)

Donc P (X > Y ) = P (X > Y ) + P (X = Y ) = + = .
1 − ab 1 − ab 1 − ab

Exercice 5.
1) a) Pour la oraison d'un seul bulbe, chaque année, l'expérience aléatoire est la répétition d'un
schéma de Bernoulli ayant la même probabilité de succès p. L'expérience est répétée jusqu'au
succès et on compte le nombre de répétition. On a donc Th qui suit une loi géométrique sur N∗ de
paramètre p.
b) La variable aléatoire T est le nombre d'années telle que tous les bulbes soient en eur. On a
donc T = max {Th }.
h∈[[1,n]]

9 Thierry Sageaux
#306 Lois discrètes innies

Pour trouver la loi d'un max, on procède toujours de la même façon :

 
  \
P (T ≤ N ) = P max {Th } ≤ N =P (Th ≤ N )
h∈[[1,n]]
h∈[[1,n]]

car les variables sont indépendantes

Y
= P (Th ≤ N )
h∈[[1,n]]
Y Y
1 − qN


= (1 − P (Th > N )) =
h∈[[1,n]] h∈[[1,n]]

= (1 − q N )n .

Ainsi, P (T = N ) = P (T ≤ N ) − P (T ≤ N − 1) = (1 − q N )n − (1 − q N +1 )n .
2) a) On calcule
n   n  
X n X n
lim (−1)k N (q k )N = lim N (−q N )k
N →+∞ k N →+∞ k
k=1 k=1
" n   #
X n
= lim N N k
(−q ) − 1 (avec le binôme de Newton)
N →+∞ k
k=0
h N
i
= lim N (1 − q N )n − 1 = lim N en ln(1−q ) − 1
 
N →+∞ N →+∞

A partir de là, on peut procéder par exemple de la façon suivante car q N tend vers 0 quand
N htend vers +∞i (0 < q < 1). On a en ln(1−q ) = e−nq +o(nq ) = 1 − nq N + o(q N ). Donc
N N N

N en ln(1−q ) − 1 = −nN q N + o(N q N ), dont la limite quand N → +∞ vaut 0 en écrivant

N

N q N = N eN ln q avec ln q < 0.
b) On calcule
n  XN N Xn  
X n k k j−1
X
k n
lim (−1) (q ) = lim (−1) (q k )j−1
N →+∞ k j=1 N →+∞
j=1
k
k=1 k=1
N X
n  
X n
= lim (−q j−1 )k
N →+∞
j=1 k=1
k
N  
X
n
= lim 1 − q j−1 −1
N →+∞
j=1
N
X
n
= lim 1 − q j−1 −N
N →+∞
j=1

avec les mêmes idées que ce qui précède.

+∞
c) Sous hypothèse de convergence, on peut calculer N P (T = N ), ou, plus futé, on
P
E(T ) =
N =1
+∞
peut utiliser E(T ) = P (T ≥ N ).
P
N =1

+∞ +∞
P 
1 − (1 − q j−1 )n
P
E(T ) = P (T ≥ j) =
j=1 j=1

10 Thierry Sageaux
#306 Lois discrètes innies

On retrouve l'opposé de la somme précédente.

Exercice 6.
1) On a (U, V )(Ω) = (N∗ )2 . On trouve

i < j ⇒ p((U = i) ∩ (V = j)) = 0
i=j ⇒ p((U = i) ∩ (V = i)) = p2 (1 − p)2i−2
i>j ⇒ p((U = i) ∩ (V = j)) = 2p2 (1 − p)i+j−2


+∞ i−1
2) p(U 2p2 (1 − p)i+j−2 + p2 (1 − p)2i−2 = p(1 − p)i−1 (2 + (p −
P P
= i) = p((U = i) ∩ (V = j)) =
j=1 j=1
2)(1 − p)[ i − 1). (On remarque que le cas p(U = 1) rentre dans le cas général).
De même, pour V , on trouve p(V = j) = p(2 − p)(1 − p)2j−2 .
1 3 − 2p
3) Le calcul ne pose pas de problème et on obtient : E(V ) = et E(U ) = .
p(2 − p) p(2 − p)

Exercice 7.
+∞ +∞ +∞ p 1 q 1 +∞
1) q 2k p = p (q 2 )k =
P P P P
p(X = 2k) = 2
= > = 1− = p(X =
k=0 k=0 k=0 1−q 1+q 1+q 1+q k=0
2k + 1) .
Il y a donc plus de chance que X soit paire.
1 1 q
Or >1− = , donc elle a plus de chance d'être paire.
1+q 1+q 1+q
+∞ +∞
2) . On pose
P P λ2k −λ
p(X = 2k) = (2k)! e
k=0 k=0

+∞
λ2k
P
S(λ) = (2k)!
k=0

+∞ +∞ +∞
On obtient alors S(λ) = λk λ2k+1
= eλ − λ2k+1
. En dérivant par rapport à λ, on obtient
P P P
(k)! − (2k+1)! (2k+1)!
k=0 k=0 k=0
(en prenant soin d'écrire les sommes partielles puis de passer à la limite :
+∞
λ2k
S 0 (λ) = eλ − = eλ − S(λ)
P
(2k)!
k=0

On est donc bien ramené à résoudre S 0 (λ) + S(λ) = eλ .

Or la résolution de cette équation diérentielle donne :
• Equation homogène : y 0 + y = 0 qui donne y1 = Ke−λ avec K ∈ R.
• Solution particulière de y 0 + y = eλ qui donne y0 = 21 eλ .
D'où les solutions : y = Ke−λ + 12 eλ . Pour trouver K , il sut de considérer les conditions initiales :
Si λ = 0, ce cela donne S(0) = 1, donc K = 12 .
Ainsi,
eλ + e−λ
S(λ) = .
2
(Il s'agit d'un cosinus hyperbolique).

Exercice 8. +∞  n
1) p(N = +∞) = p (Xk = 0) . On calcule pn = p(Xk = 0) = (1 − p)n car les variables sont
T Q
k=1 k=1
indépendantes. Donc p(N = +∞) = lim (1 − p)n = 0 (sauf si p = 0 ce qui n'est pas le cas ici).
n→+∞

11 Thierry Sageaux
#306 Lois discrètes innies

2) La variable aléatoire N est donc le premier succès dans la succession de évènements aléatoires
identiques et indépendants suivant une loi de Bernoulli. Ainsi, N suit GN∗ (p) et p(N = k) = p(1−p)k−1
et on retrouve bien p(N = +∞) = 0.

Exercice 9.
1) G ().
+∞ +∞ p2 p
2) On a p(XA = XB ) = p((XA = k) ∩ (XB = k)) = (p(1 − p)k−1 )2 = .
P P
2
=
k=1 k=1 (1 − (1 − p) ) 2−p
+∞ p(1 − p)k−1
3) = (1 − p)k−1 .
P
p(X ≥ k) = p(X = i) =
i=k 1 − (1 − p)
4) Par calcul direct ou en utilisant l'astuce qui consiste à dire que p(XA ≥ XB ) = p(XB ≥ XA )
par symétrie et comme on connaît le cas d'égalité, il vient : 2p(XA ≥ XB ) − p(XA = XB ) = 1 ⇔
1
p(XA ≥ XB ) = .
2−p

Exercice 10.
1) L'expérience aléatoire est la répétition de n schémas de Bernoulli identiques et indépendants ayant
la même probabilité de succès p. Donc Y suit la loi binomiale B(n, p).
2) En utilisant les probabilités totales dans le système complet d'évènements {(Y = k), (Y = k − 1)},
on trouve
    
1 1 1 n k n−k n k−1 n−k+1
p(X = k) = p(Y = k) + p(Y = k − 1) = p (1 − p) + p (1 − p)
2 2 2 k k−1
n!pk−1 (1 − p)n−k p
 
1−p
= +
2(k − 1)!(n − k)! k n − k + 1
n!pk−1 (1 − p)n−k
= (np − 2kp + p + k).
2k!(n − k + 1)!

3) La variable aléatoire Z ne prend que deux valeurs : 0 (quand le score est correct) ou 1 (sinon). On
a donc une loi de Bernoulli de paramètre 12 .
1
4) Ainsi, E(X) = E(Z) + E(Y ) = + np .
2
5) a) A chaque tir, la probabilité que le tir soit raté ou non comptabilisé est (q + p2 ) et il est réussi avec
une probabilité de p2 . L'expérience aléatoire est la répétition de schémas de Bernoulli identiques
et indépendants jusqu'au premier succès. On compte le nombre d'essais, ainsi, T suit une loi
géométrique sur N ∗ .
1 2
b) Le cours dit que E(T ) = p = .
2 p

Exercice 11.
1) Compte tenu de la faible probabilité, on approche la loi binomiale par une loi de Poisson d'espérance
1, P(1). On veut p(X ≥ 1) = 1 − p(X = 0) = 1 − e−1 ' 0, 63.
Pour un groupe de 200 personnes, l'espérance est de 2, ce qui donne P (X ≥ 1) = 1 − e−2 ' 0, 86.

Exercice 12.
k 1 P 1
1) On doit calculer 1 = en sommant sur les diago-
P P
=k =k
n,m (n + m + 1)! n,m (n + m + 1)! p=0 p!

nales. Donc k = e−1 .

2) Il sut de calculer les lois marginales. Comme la situation est symétrique, il sut de le faire pour
X avec les probabilités totales :

12 Thierry Sageaux
#306 Lois discrètes innies

e−1
+∞ +∞ +∞
 n 1

P P −1
P 1 −1
P
p(X = n) = p((X = n) ∩ (Y = m)) = =e =e e−
m=0 m=0 (n + m + 1)! p=n+1 p! l=0 l!

Mais en fait, on peut aller plus vite en remarquant que p(X = 0) = 1 − e−1 = p(Y = 0) et comme
p((X = 0) ∩ (Y = 0)) = e−1 6= (1 − e−1 )2 . Donc elles ne sont pas indépendantes.
3) On calcule
k k e−1 e−1
.
P P
p(Z = k) = p(X + Y = k) = p((X = p) ∩ (Y = k − p)) = =
p=0 p=0 (k + 1)! k!

La variable aléatoire Z suit donc une loi de Poisson P(1) et E(Z) = 1.

Exercice 14.
On a clairement Y = pX qui n'est pas à valeurs entières a priori. Et p(Y = α) = p(X = αp ), ce qui
α

vaut 0 si α
p / N et
∈ λp
( )!
α e−λ sinon. Par linéarité de l'espérance, on a E(Y ) = pE(X) = pλ .
p

Exercice 15.
Soit X le nombre de personnes mesurant plus de 1m90 parmi 100 personnes. Alors X suit une loi de
Poisson de paramètre 100
80 . Et p(X ≥ 1) = 1 − p(X = 0) = 0, 714.
Sur 300 personnes, on trouve p(Y ≥ 1) = 1 − e 80 ' 0, 976.
300

Exercice 16.
1) On note X la variable aléatoire considérée et comme elle suit une loi de Poisson de paramètre 8,
on sait que l'espérance est E(X) = 8e
2) La probabilité que le gérant ne puisse pas satisfaire tout le monde est, compte tenu de son stock :
p(X > 10) = 1 − p(X ≤ 10), ce qui, d'après les tables donne p(X > 10) ' 1 − 0, 8159 ' 0, 1841 .
Pour la recette moyenne dans ces conditions, on a une nouvelle variable aléatoire Y telle que Y (Ω) =
[[0; 10]] et qui suit X pour les premières valeurs : p(Y = k) = p(X = k) = e−8 8k! si k ≤ 9 et
k

p(Y = 10) = p(X ≥ 10). Il faut revenir à la formule de base pour déterminer l'espérance :
10 9
8k
kp(Y = k) = e−8
P P
E(X) = (k−1)! + 10 × (1 − p(X < 9)) ' 7.574
k=0 k=0 | {z }
'0,7166

Exercice 17.
Par récurrence, calculer p(X = k) en fonction de p(X = 0). On obtient facilement p(X = k) =
+∞ +∞
4k
= 0) et comme p(X = k) = 1, on a p(X = 0) 4k
= 1 ⇒ p(X = 0)e4 = 1. Donc
P P
k! p(X k!
k=0 k=0
p(X = 0) = e−4 .

Exercice 18.
La variable aléatoire X suit une loi de Pascal de paramètres r et p. Ainsi, E(X) = pr .

Exercice 19.
1) G ( 16 ).
3
2) On a (X ≤ k) = (Xi ≤ k). Par l'indépendance des trois dés,
T
i=1

3
p(Xi ≤ k) = (1 − q k )3 .
Q
p(X ≤ k) =
i=1

13 Thierry Sageaux
#306 Lois discrètes innies

3) p(X = k) = p(X ≤ k) − p(X ≤ k − 1) = (1 − q k )3 − (1 − q k−1 )3 = 3q k−1 (1 − q) − 3q 2(k−1) (1 −

2
q )+q (1 − q 3 ).
3(k−1)
+∞ 3 3 1
4) E(X) = .


3kq k−1 (1 − q) − 3kq 2(k−1) (1 − q 2 ) + kq 3(k−1) (1 − q 3 ) =
P
− 2
+
k=1 1−q 1−q 1 − q3
358
A.N. Si q = 56 , alors E(X) = .
33
Exercice 20. n
1) a) On a p(Sn ≤ x) = p(Xk ≤ x) car les Xk sont mutuellement indépendantes. Comme les Xk
Q
k=1
suivent une loi exponentielle, on sait que p(Xk ≤ x) = 1 − e−λx si x ≥ 0 et p(Xk ≤ x) = 0 sinon.
Donc
si x ≥ 0 .

Fn (x) = (1 − e−λx )n
0 sinon.
b) On vérie que Fn est croissante sur R, continue sauf éventuellement en un nombre ni de réels
(ici, elle l'est partout) et que lim Fn (x) = 0 alors que lim Fn (x) = 1. Il s'agit donc bien d'une
x→−∞ x→+∞
variable à densité.
D'autre part, pour trouver la densité, il sut de dériver Fn :
Fn0 (x) = n × (−λ) × (−e−λx ) × (1 − e−λx )n−1 .
ce qui est bien le résultat demandé.
2) On a
1 fn (x)
Fn (x) = (1 − e−λx )n = (1 − e−λx )(1 − e−λx )n−1 = (1 − e−λx )n−1 − e−λx (1 − e−λx )n−1 = Fn−1 (x) −
λ n
3) a) On intègre l'égalité précédente (les fonctions étant continues), ce qui donne
Z x
1
In (x) = In−1 (x) − fn (t)dt
λn 0
Z x Z 0 Z x
Et comme Fn (x) = fn (t)dt = fn (t)dt + fn (t)dt, on a bien
−∞ −∞ 0
| {z }
=0

1 Fn (x)
In (x) = In−1 (x) −
λ n
b) On calcule
Z x  x
1 1 1 F1 (x)
I1 (x) = (1 − e−λt )dt = t + e−λt = x + e−λx − = x − .
0 λ 0 λ λ λ
Pour obtenir la seconde relation, on utilise celle trouvée à la question précédente : In (x) −
1 Fn (x)
In−1 (x) = − et par télescopage,
λ n
n F (x)
−1 P k
In (x) − I1 (x) =
λ k=2 k
n F (x)
−1 P
et avec l'expression de I1 (x) trouvée ici on obtient : In (x) = x + k
.
λ k=1 k
4) a) On procède à une IPP avec u0 (t) = fn (t) et v(t) = t, et comme on peut prendre u(t) = Fn (t),
on trouve

14 Thierry Sageaux
#306 Lois discrètes innies
Z x
Jn (x) = [tFn (t)]x0 − Fn (t)dt = xFn (x) − In (x).
0
Z +∞ Z +∞
b) On a E(Sn ) = tfn (t)dt = tfn (t) = lim Jn (x) si elle existe.
x→+∞
−∞ 0
Prouvons tout d'abord qu'il y a convergence : Jn (x) = xFn (x) − In (x) = x(Fn (x) − 1) +
1 Pn F (x) ∼
k
. Or (1 + u)n − 1) ∼ nu quand u = e−λx → 0. Donc x(Fn (x) − 1) +∞ −nxe−λx . Et
λ k=1 k
Fk (x) 1
lim x(Fn (x) − 1) = 0. De plus, lim = .
x→+∞ x→+∞ k k
1 Pn 1
Donc Jn (x) converge et E(Sn ) = .
λ k=1 k

Exercice 21.
Soit Xi la variable aléatoire du nombre de relecture pour supprimer l'erreur i. On cherche
4
! 4
(indépendance)
\ Y
p (Xi ≤ n) = p(Xi ≤ n)
i=1 i=1
4
Y
= (1 − (0, 7)n )
i=1
4
= (1 − (0, 7)n ) .
√
ln(1 − 4 0, 95)
On veut (1 − (0, 7)n )4 ≥ 0, 95 ⇔ n≥ .
√ ln 0, 7
ln(1 − 4 0, 95
Or ' 12, 23. Ainsi, n0 = 13 .
ln 0, 7

Exercice 22.
1) a) La variable aléatoire Tn est la reproduction de schéma de Bernoulli indépendants répétés jus-
qu'au n succès. Elle suit donc une loi de Pascal de paramètres P(n, 61 ). Ainsi, E(Tn ) = n
p = 6n et
p2 = 30n.
V (Tn ) = nq
b) Voir chapitre sur les séries.
c) On a
+∞ +∞  
X X n−1 n
GTn (t) = E(tTn ) = tk p(Tn = k) = p (1 − p)k−n tk
k−1
k=n k=n
+∞  
X k+n−1
= (pt)n (t − pt)k
n−1
k=0
 n
n 1 pt
= (pt) = .
(1 − (t − pt))n 1 − t + pt

2) On a Tn = Yn + n, donc E(Yn ) = E(Tn ) − n = 5n et V (Yn ) = V (Tn ) = 30n.

Exercice 23.
1 2 k−1 1 1
On a p(X = k) = × × ··· × × = . On vérie que la somme fait bien 1 par
2 3 k k+1 k(k + 1)
n k n 1
DES et télescopage. L'espérance est la limite de qui diverge comme somme de
P P
=
k=0 k(k + 1) k=0 k + 1
Riemann.

15 Thierry Sageaux
#306 Lois discrètes innies

Exercice 24.
P e−2 2k
+∞ 1 + 2a 3
1) (1 + ak) = . Donc a = .
k=0 4 × k! 4 2
11 39 35
2) On trouve E(X) = , E(X ) =
2
et V (X) = .
4 4 16
Exercice 25.
1) On utilise la formule des probabilités totales sur le système complet d'évènements (Y = j)j∈N\{0} .
+∞
X +∞
X +∞
X
i+1 j i+1
p(X = i) = p((X = i) ∩ (Y = j)) = p (1 − p) + (1 − p) pj
j=1 j=1 j=1
+∞
X +∞
X +∞
X +∞
X
i+1 k+1 i+1 k+1 i+1 k i+1
=p (1 − p) + (1 − p) p =p (1 − p) (1 − p) + (1 − p) p pk
k=0 k=0 k=0 k=0
pi+1 (1 − p) (1 − p)i+1 p
= + = (1 − p)pi + p(1 − p)i
1 − (1 − p) 1−p
+∞ N 1 − pN +1 1
en utilisant le fait que pk = pk = car |p| < 1.
P P
lim lim =
k=0 N →+∞ k=0 N →+∞ 1−p 1−p
De même, on détermine p(Y = j) = (1 − p)j−1 p2 + pj−1 (1 − p)2 .
2) L'existence n'est pas demandée mais est donnée par les suites géométriques. On a
+∞
X +∞
X +∞
X
i
E(X) = ip(X = i) = (1 − p) ip + p i(1 − p)i
i=1 i=1 i=1
+∞ +∞
X X (1 − p)p p(1 − p)
= (1 − p)p ipi−1 + (1 − p)p i(1 − p)i−1 = +
i=1 i=1
(1 − p)2 (1 − (1 − p))2
p 1−p
= +
1−p p

+∞ 1 +∞
On utilise ici le fait (vu en cours) que ipi−1 = , obtenu en dérivant f : p 7−→
P P i
2
p =
i=1 (1 − p) i=0
1
.
1−p
• Pour l'espérance de Y , on fait la même chose :
+∞ +∞ +∞
X p2 X (1 − p)2 X j
E(Y ) = jp(Y = j) = j(1 − p)j + jp
j=1
1 − p j=1 p j=1
+∞
X +∞
X
= p2 j(1 − p)j−1 + (1 − p)2 jpj−1
j=0 j=0
2 22
p (1 − p)
= + =1+1= 2
(1 − (1 − p))2 (1 − p)

16 Thierry Sageaux
#306 Lois discrètes innies

3) On cherche
+∞
X
E(X 2 ) = i2 p(X = i)
i=1
+∞
X +∞
X +∞
X +∞
X
= (1 − p)p2 i(i − 1)pi−2 + p(1 − p)2 i(i − 1)(1 − p)i−2 + (1 − p)p ipi−1 + p(1 − p) i(1 − p)i−1
i=0 i=0 i=0 i=0
2
2 2 1 1
= (1 − p)p + p(1 − p)2 + (1 − p)p + p(1 − p)
(1 − p)3 (1 − (1 − p))3 (1 − p)2 (1 − (1 − p))2
 2  2
p 1−p p 1−p
=2 +2 + + .
1−p p 1−p p

D'où la variance avec la formule de König-Huygens :

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

4) On regarde p((X = 1) ∩ (Y = 1)) = p(1 − p) d'après l'énoncé. Or

p(X = 1) × p(Y = 1) = 2p(1 − p)[p2 + (1 − p)2 ].

Donc si les variables étaient indépendantes, on aurait
p(1 − p) = 2p(1 − p)[p2 + (1 − p)2 ] ⇔ 4p2 − 4p + 1 = 0 ⇔ (2p − 1)2 = 0 ⇔ p = 12 .

5) On remplace dans l'expression de

1
p((X = i) ∩ (Y = j)) =
2i+j
et dans celle de
1 1 1
p(X = i) × p(Y = j) = 2 × ×2× = .
2i+1 2j+1 2i+j

Exercice 26.
n−1
1) On trouve que U2 suit une loi de Bernoulli de paramètre .
n
2) a) Les tirages étant indépendants, Ti suit une loi uniforme U ([[1, n]]).
b) Si l'on veut (Ui = 1), cela signie que la valeur Ti n'est pas apparue avant, lors des i−1 premiers
 i−1
   i−1
1
tirages. Ainsi, P (Ui = 1) = P
T
(Tk 6= Ti ) = 1−
k=1 n
c) Evident. On ne tire qu'un seul nombre qui ne peut être que nouveau ! L'évènement est certain.
k
3) a) Par dénition, Vk (n) = Ui .
P
i=1

17 Thierry Sageaux
#306 Lois discrètes innies

b) Par linéarité de l'espérance, on obtient

k k  i−1
X X 1
E(Vk (n)) = E(Ui ) = 1−
i=1 i=1
n
k−1
X i
1
= 1−
i=0
n
k

1
1− 1−
n
=  
1
1− 1−
n
 k !
1
=n 1− 1−
n

c) Deux façons de faire : Avec le binôme de Newton

 k !   
1 k 1
E(Vk (n)) = n 1 − 1 − =n +o
n n n

D'où la limite cherchée : lim E(Vk (n)) = k . (ce qui est normal quand on y rééchit un
n→+∞
peu).
 k
1 k
Ou, plus rapide, avec les équivalents : 1 − 1 − ∼ et par produit.
n n

Exercice 27.  2  2  2  2  3
2 1 2 1 2 1 2
1) Avec un arbre basique, on trouve p1 = , p2 = et p3 = +
3 3 3 3 3 3 3
2) a) Pour la première égalité, on a l'évènement An+2 sachant B qui signie que la séquence obtenue
de n+2 lancers est P/.../F/F , qui a bien la même probabilité d'apparition que la séquence .../F/F
sur n + 1 lancers. D'où le résultat.
Idem pour la seconde.
b) On utilise la formule des probabilités totales avec le système complet d'évènements (B, B̄). On
a donc :
1 2
p(An+2 ) = p(B) × pB (An+2 + p(B̄) × pB̄ (An+2 ) = p(An+1 ) + pB̄ (An+2 )
3 3
En utilisant les probabilités composées et les probabilités totales encore, on trouve
pB̄ (An+2 ) = pB̄ (C) × pC (An+2 + pB̄ (C̄) pC (An+2 ).
| {z } | {z } | {z }
2 =p(An ) =0
=
3
1 2
D'où le résultat : pn+2 = pn+1 + pn .
3 9
3) a) C'est plus simple si on a la théorie des suites récurrentes doubles. On trouve directement
 n+2  n+2
2 −1
−4 .
3 3

18 Thierry Sageaux
#306 Lois discrètes innies

Sinon, on utilise une récurrence en écrivant :

1 2
pn = pn−1 + pn−2
3 9 "  #
  2  
1 1 2 2 1 2 1 2
= pn−2 + pn−3 + pn−2 = + pn−2 + × pn−3
3 3 9 9 3 9 3 9
"  #
2   
1 2 1 2 1 2
= + pn−3 + pn−4 + × pn−3
3 9 3 9 3 9
"  # "  #
3 2
1 1 2 1 2 1 2 2
= + × + × pn−3 + + × pn−4
3 3 9 3 9 3 9 9

et ainsi de suite, jusqu'à tomber sur la somme de termes d'une suite géométrique et on retrouve la
formule précédente.
n
b) On a p(Dn ) = pk , somme de termes d'une suite géométrique. Ce qui donne, tous calculs
P
k=1
 n  n
8 2 1 −1
faits, p(Dn ) = 1 − − .
9 3 9 3

Exercice 28.
 Soit
8
Ai l'évènement : "la gurine i est apparue lors des n premiers tirages". On pose alors pn =
Ai la probabilité que toutes les gurines apparaissent dans les n premiers tirages. On a alors
T
p
i=1

8
! 8
!
\ [
pn = p Ai =1−p Ai
i=1 i=1

X8 X X
=1− p(Ai ) − p(Ai ∩ Aj ) + p(Ai ∩ Aj ∩ Ak )−
i=1 1≤i≤j≤8 1≤i≤j≤k≤8

X
··· − p(Ai1 ∩ Ai2 ∩ · · · ∩ Ai7 ) + p(A1 ∩ A2 ∩ · · · ∩ A8 )
| {z }
1≤i1 ≤i2 ≤···≤i7 ≤8
=0
  n    n    n    n    n    n    n 
7 8 6 8 5 8 4 8 3 8 2 8 1
=1− 8× − × + × − × + × − × + ×
8 2 8 3 8 4 8 5 8 6 8 7 8
| {z }
=qn

7
 n
8−k
en utilisant la formule du crible de Poincaré. On remarque que qn = (−1)k+1 k8 .
P

k=1 8
Soit Y la variable aléatoire du nombre de tirages nécessaires pour avoir les huit gurines. On a
p(Y = n) = pn − pn−1 pour n ≥ 8 avec p7 = 0 et l'espérance cherchée est :
+∞
X
E(Y ) = np(Y = n) = 8p8 + 9p9 − 9p8 + 10p10 − 10p9 + 11p11 . . .
n=8
−1
N
!
X
= −p8 − p9 − p10 − · · · = lim − pn + N pN .
N →+∞
n=8

Or

19 Thierry Sageaux
#306 Lois discrètes innies

−1
NP −1
NP −1
NP −1
NP
− pn + N pN = − (1 − qn ) + N (1 − qN ) = −(N − 1 − 8 + 1) + qn + N − N qN = 8 + qn − N qN .
n=8 n=8 n=8 n=8

De plus, lim N qN = 0 car lim N αN = lim N eN ln α = 0 car 0 < α < 1 et donc ln α < 0. Ici
N →+∞ N →+∞ N →+∞
k
dans notre cas, α = avec 1 ≤ k ≤ 7.
8
Il reste donc à traiter
−1
NP −1 P
NP 7
 n 7 −1
 n −1
 n
8−k
NP 8−k 7
NP 8−k
8 8 8
.


(−1)k+1 (−1)k+1 (−1)k+1
P P
qn = k = k = k
n=8 n=8 k=1 8 k=1 n=8 8 k=1 n=8 8
−1
NP 1 − αN −8 8
Or αn = α .
n=8 1−α
D'où
−1
NP 7
1 − ( 8−k N −8
8 )
8 ) .
8
(−1)k+1 ( 8−k 8
P
qn = k
n=8 k=1 1 − ( 8−k
8 )

N −8
1 − ( 8−k
8 ) 1 8
Mais lim = = .
N →+∞ 1 − ( 8−k
8 ) 1 − 8−k
8
k
On trouve donc
−1
N
!
   8 7
X 8 8 8−k X
E(Y ) = lim − pn + N pN =8+ (−1)k+1
N →+∞
n=8
k k 8
k=1
 8  8  8  8
8 7 8 6 8 5 8 4
=8+8× × − 28 × × + 56 × × − 70 × × +
1 8 2 8 3 8 4 8
 8  8  8
8 3 8 2 8 1
56 × × − 28 × × +8× ×
5 8 6 8 7 8
761
=
35
' 21, 7

Exercice 29.
1) On doit utiliser la somme des probabilités des évènements (X = j) ∩ (Y = k) qui forment une
partition de l'univers :
P
p [(X = j) ∩ (Y = k)] = 1
j∈N, k∈N

Or, si la somme converge (et c'est le cas ici puisqu'elle est égale à 1, on peut faire des sommations par

20 Thierry Sageaux
#306 Lois discrètes innies

paquets sans changer la somme :

X XX
p [(X = j) ∩ (Y = k)] = p [(X = j) ∩ (Y = k)]
j∈N, k∈N j∈N k∈N
+∞ X
+∞
X (j + k)λk+j
=
j=0 k=0
e2λ j!k!
+∞ j X +∞
X λ (j + k)λk
= e−2λ
j=0
j! k!
k=0
+∞ +∞ 
λj X jλk kλk
X 
= e−2λ +
j=0
j! k! k!
k=0
+∞ +∞ k +∞
!
−2λ
X λj X λ X λk−1
=e j +λ
j=0
j! k! (k − 1)!
k=0 k=1
+∞
X λj
= e−2λ jeλ + λeλ


j=0
j!
 
+∞ j−1 +∞ j
X λ X λ
= e−λ λ +λ 
j=1
(j − 1)! j=0
j!

= e−λ (λeλ + λeλ )

= 2λ.

1
Donc 2λ = 1 ⇔ λ= .
2
2) On utilise le fait que (Y = k)k∈N est un système complet d'évènements et avec un calcul similaire
au précédent, on trouve :
X
p(X = j) = p [(X = j) ∩ (Y = k)]
k∈N
+∞
X (j + k)λk+j
=
e2λ j!k!
k=0
+∞
λj X (j + k)λk
= e−2λ
j! k!
k=0
+∞ 
λj X jλk kλk

= e−2λ +
j! k! k!
k=0
+∞ +∞
!
j
−2λ λ
X λk X λk−1
=e j +λ
j! k! (k − 1)!
k=0 k=1
λj
= e−λ (j + λ).
j!

λk
Par symétrie, on a p(Y = k) = e−λ (k + λ).
k!
Les v.a.r. sont indépendantes si et seulement si p [(X = j) ∩ (Y = k)] = p(X = j) × p(Y = k) pour
tout (j, k) ∈ N2 . On calcule donc :

21 Thierry Sageaux
#306 Lois discrètes innies

λj λk λk+j
p(X = j) × p(Y = k) = e−λ (j + λ) × e−λ (k + λ) = 2λ (k + λ)(j + λ)
j! k! e k!j!
Or (k + λ)(j + λ) 6= (j + k), donc les variables aléatoires ne sont pas indépendantes.
+∞
3) On doit calculer 2n p(X + Y = n) :
P
n=0
n n
X X (n − k + k)λk+n−k
p(X + Y = n) = p [(X = n − k) ∩ (Y = k)] =
e2λ (n − k)!k!
k=0 k=0
n n n  
−2λ n
X 1 ne−2λ λn X n! ne−2λ λn X n
= ne λ = =
(n − k)!k! n! (n − k)!k! n! k
k=0 k=0 k=0
ne−2λ λn n
= 2
n!
On remarque que p(X + Y = 0) = 0. D'où,
N
X N
X
2n p(X + Y = n) = 2n p(X + Y = n)
n=0 n=1
N
X ne−2λ λn
= 2n × 2n
n=1
n!
N N
X (4λ)n X (4λ)n−1
= e−2λ = 4λe−2λ
n=1
(n − 1)! n=1
(n − 1)!

On passe à la limite :
+∞ N N
X X X (4λ)n−1
E(2X+Y ) = 2n p(X + Y = n) = lim 2n p(X + Y = n) = lim 4λe−2λ
n=0
N →+∞
n=0
N →+∞
n=1
(n − 1)!

= 4λe−2λ × e4λ = 4λe2λ

Exercice 30.
1) On doit calculer la somme des probabilités qui fait 1. On commence par décomposer en éléments
simples la fraction rationnelle :
2 1 −2 1
= + +
k(k + 1)(k + 2) k k+1 k+2
D'où,
N N
X a aX1 2 1
= − +
k(k + 1)(k + 2) 2 k k+1 k+2
k=1 k=1
     
a 1 2 1 1 2 1 1 2 1
= − + + − + + − + + ...
2 1 2 3 2 3 4 3 4 5
   
1 2 1 1 2 1
... + − + + − +
N −1 N N +1 N N +1 N +2
 
a 1 2 1 1 2 1
= − + + − +
2 1 2 2 N +1 N +1 N +2
 
a 1 1
= − .
2 2 (N + 1)(N + 2)
en utilisant un télescopage sur trois lignes. Ainsi,

22 Thierry Sageaux
#306 Lois discrètes innies
+∞
 
P a a 1 1 a
= lim − = ⇒ a=4.
k=1 k(k + 1)(k + 2) N →+∞ 2 2 (N + 1)(N + 2) 4
+∞ 4k
2) Pour qu'elle admette une espérance, il faut que converge. On procède de la
P
k=1 k(k + 1)(k + 2)
même façon que précédemment avec une décomposition en éléments simples :
4 4 4
= −
(k + 1)(k + 2) k+1 k+2
Ainsi, par télescopage encore,
N N
 
P 4 P 4 4 4 4 4
= − = − =2−
k=1 (k + 1)(k + 2) k=1 k+1 k+2 2 N +2 N +2
et
+∞
 
4k 4
= 2 .
P
E(X) = = lim 2−
k=1 k(k + 1)(k + 2) N →+∞ N +2
Pour la variance, il y a un problème de convergence comme nous allons le voir de suite.
+∞ 4k 2
Il nous faut calculer . Or la décomposition en éléments simples donne :
P
k=1 k(k + 1)(k + 2)

4k 2 4k −4 8
= = +
k(k + 1)(k + 2) (k + 1)(k + 2) k+1 k+2
et
N N
 
P 4k P −4 8 4 4 4 8
= + = −2 + + + ... + +
k=1 (k + 1)(k + 2) k=1 k+1 k+2 3 4 N +1 N +2
D'où
+∞
P 4k 2 +∞
P 1
= −2 + 4
k=1 k(k + 1)(k + 2) k=3 k

mais cette dernière somme diverge car il s'agit de la série harmonique. Donc E(X 2 ) n'existe pas et
V (X) non plus par voie de conséquence.
Exercice 31.
k impair

(X = k) ∪ (X = 2k)
On a (Y = k) =
(X = 2k)  k pair.
1) Si k est impair, alors p(Y = k) = 1
k! + λk
(2k)! λk e−λ . Et si k est pair, alors p(Y = k) = λ2k −λ
(2k)! e .
2) Si k est impair, alors p(Y = k) = q p(q k + 1). Et si k est pair, alors p(Y = k) = q 2k p.
k

Exercice 33.
Le diagramme de transition des trois derniers tirages est le suivant (chaque êche a une proba de 12 ).
1 M=
1

2 2 0 0 0 0 0 0 0
0 0 1 1
1 1 0 2 2 0 0 0 0

2 2 0 0 0 0 0 0 0
1
0 12

0 0 0 0 0 0
 2
1 1
 Le gain 9 est absorbant.
0 0 0 0 0 0 0
 2 2 
0 0 1 1
 0 2 0 0 0 0 2
1
0 0
 2 0 0 12 0 0 0
0 0 1 1
0 0 0 0 2 2 0
0 0 0 0 0 0 0 0 1
 
Q R
Sous forme canonique, cela donne M = avec R = t(0, 0, 0, 0, 0, 12 , 0, 0, 1).
(0) 1

23 Thierry Sageaux
#306 Lois discrètes innies

(I8 − Q)−1 R
 
(0)
On a donc lim M = n
. On trouve
n→+∞ (0)
1
5 3 3 3
 
4 3 2 2 2 2 2 2
2 3 2 5 3 2 3 3 
 2 2 2 2
3 3 3 5 3 2 3 3 
 2 2 2 2
−1
2 2 2 3 1 2 1 1 
(I8 − Q) =   
2 2 2 23 21 2 21 21 

1 1 1 2 
 2 2 2 2
2 2 2 2 1 2 2 1 
2 2 2 2 1 2 2 3
On calcule ensuite la proba cherchée ((I8 − Q)−1 R).t( 18 , 18 , 18 , 18 , 18 , 18 , 18 , 81 ) = 1. On nit donc toujours
par gagner. Pour avoir le nombre de moyen de lancers, on reprend ce qui a été fait avec M n .

Exercice 34.
2) Il n'y en a pas.
3) Il n'y en a qu'une seule.
Exercice 35.  1 1
0 2 2 0 0
0 21 0 1 0
2
La matrice de transition est M =  0 2 0 2 0  .
1 1


0 0 1 0 1 
2 2
0 0 0 0 1
 
1 1 −1 0 1
−2 −1 0 0 1
Avec la matrice de passage P =  1 −1 1 0 1, on trouve la matrice diagonale associée :
 

1 1 1 0 1
0 0 0 1 0
 −1 
2 0 0 0 0
 0 0 0 0 0
 1

 0 0 2 0 0
D= 
 0 0 0 0 0
0 0 0 0 0

Exercice 36.
1)

0 1 0 ... ... ...

 
..
.
 1 1 
 2 0 2


.. .. ..

. . .
 2 1

 
3 3
et la matrice M = 
 .. .. .. .. ..

 . . . . .


.. ..
 
. .
 
 k 1 
 k+1 k
.. .. ..

. . .

24 Thierry Sageaux
#306 Lois discrètes innies

1 1 1 k−1 k−1
2) a) T0 (Ω) = [[2, +∞[[ et P (T0 = k) = 1 × × × ··· × × = .
2 3 k−1 k k!
1 P 1
b) On calcule = (e − 1) − (e − 2) = 1 donc 0 est récurrent.
P P
P (T0 = k) = −
k≥2 k≥2 (k − 1)! k≥2 k!
P k−1 P 1
De plus, E(T0 ) = k = = e < ∞ donc positif.
k≥2 k! k≥0 k!
c) La période de 0 est le pgcd des cycles de retour. Ici, on a 2 ∧ 3 ∧ · · · = 1. Donc 0 est apériodique. !
P kαk
3) On cherche (α1 , . . . , αk , . . . )M = (α1 , . . . , αk , . . . ) = , α1 , 2 α2 , . . . , k−1 αk−1 , . . . . Soit
1 1
k≥1 k + 1
 α2 = α1
1 α

 α3 = 2 α2 = 21


à résoudre le système .
.. . Comme αk = 1, alors α1 = e−1 . La mesure invariante
P

 k≥1
 αk = α1

(k−1)!
est e−1 ( 0!1 , 1!1 , . . . , k!1 , . . . ). Il s'agit d"une loi de Poisson de paramètre 1.

25 Thierry Sageaux