Anda di halaman 1dari 58

Cours de Probabilits

1. Dnombrement 2. Probabilits 3. Variables alatoires relles

Pour BCPST 1

Anne scolaire : 2004/2005


16 juin 2005

Mohamed TARQI

Table des matires


1 Dnombrement
1.1 Gnralits. Rappels 1.1.1 1.1.2 1.1.3 1.1.4 1.1.5 1.2 1.3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Ensemble de parties de E, Inclusion entre ensembles

3
3 3 3 4 4 4 5 6 6 7 8 8 8 10 11 11 12 12

P(E) "" . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Complmentaire d'une partie et ngation . . . . . . . . . . . . . . . . Runion, intersection et produit d'ensembles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Ensembles nis 1.3.1 1.3.2 Ensembles quipotents . . . . . . . . . . . . . . . . . . . . . . . . . . Proprits des cardinaux des ensembles nis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Nombre d'application de Nombre d'injections de Nombre de parties Tirage avec remise Tirage sans remise Tirage simultan

1.4

Dnombrement 1.4.1 1.4.2 1.4.3

Ep sur En . . . . . . . . . . . Ep sur En , (1 p n) . . . . ayant p lments d'un ensemble ni

. . . . . . . . . . . . . . . . . . . . . . . .

1.5

Applications ( Exemples de tirages ) 1.5.1 1.5.2 1.5.3

. . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . .

2 Probabilits
2.1 2.2 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Concepts de base des probabilits . . . . . . . . . . . . . . . . . . . . . . . . 2.2.1 2.2.2 2.3 2.3.1 2.3.2 2.4 2.4.1 2.4.2 2.5 preuve . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Ensemble

14
14 14 14 15 16 16 18 22 22 23 25

des ventualits. vnements

. . . . . . . . . . . . . . .

Probabilit

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Dnitions et proprits . . . . . . . . . . . . . . . . . . . . . . . . . Exercices rsolus

Probabilit conditionnelle

Dnitions et proprits . . . . . . . . . . . . . . . . . . . . . . . . . Formule des probabilits totales . . . . . . . . . . . . . . . . . . . . .

Indpendance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

3 Variables alatoires relles


3.1 Loi de probabilit d'une variable alatoire 3.1.1 3.1.2 3.2 3.2.1 3.2.2 3.2.3 3.2.4 3.3 3.3.1 3.3.2 3.3.3 3.4 3.4.1 3.4.2 3.4.3 3.4.4 Loi d'une variable alatoire . . . . . . . . . . . . . . . . . . . variables alatoires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

28
28 28 29 30 30 33 33 35 36 36 36 40 41 41 43 44 46

Caractristiques d'une variable alatoire

Fonction de rpartition . . . . . . . . . . . . . . . . . . . . . . . . . . Esprance mathmatiques ( la moyenne ) Ingalit de Bienyam-Tchebychev Loi uniforme Variance et cart-type . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Lois usuelles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Lois de tirage avec remise Loi hypergomtrique

Couple de variables alatoires . . . . . . . . . . . . . . . . . . . . . . . . . . Lois marginales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Lois conditionnelles . . . . . . . . . . . . . . . . . . . . . . . . . . . . L'indpendance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Covariance, coecient de corrlation linaire . . . . . . . . . . . . .

A Problme I B Problme II C Problme III

51 53 55

Chapitre 1

Dnombrement
Contents
1.1 1.2 1.3 1.4 1.5 Gnralits. Rappels . . . . . . . . . Applications . . . . . . . . . . . . . . Ensembles nis . . . . . . . . . . . . . Dnombrement . . . . . . . . . . . . . Applications ( Exemples de tirages ) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 . 5 . 6 . 8 . 11

1.1 Gnralits. Rappels


1.1.1 Introduction
On suppose acquise la notion intuitive d'ensemble et nous admettons que se lit

a appartient E

) est une notation comprise par tous. La notation

x E ( qui x x est interdite. . E = {1, a,

Remarquons que cette interdiction a une autre interdiction : On ne peut pas parler d'un ensemble dont les lments seraient tous les ensembles, car on devait avoir En gnral, on dtermine un ensemble soit, en explicitant ses lments : soit par comprhension : Par exemple :

},

E = {x/x N = {x/x

veri la proprit entier

}.

} = {0, 1, 2, ...} } = {..., 2, 1, 0, 1, 2, ...}

Z = {x/x

entier relatif

1.1.2 Ensemble de parties de E, P(E)


Dnition 1.1.1.
En particulier :

Soit

un ensemble. Nous admettrons que toutes les parties de

consti-

tuent un nouvel ensemble appel ensemble des parties de

et not

P(E)

P()= P({a})={{a}, } P(a, b)={{a, b}, {a}, {b}, }

1.1.3 Inclusion entre ensembles ""


Dnition 1.1.2.
ensemble de Soit

un ensemble. Nous dirons que

est inclus dans

( ou sous

) si tout lment de

est lment de

et on note

AE

On a donc :

A E (x, x A = x E) A E (A P(E))
On rappelle que pour tout x on a :

(x E) ({x} E) ({x} P(E))

1.1.4 Complmentaire d'une partie et ngation


Dnition 1.1.3.
mentaire de

tant donne un ensemble E et une partie A de E . On appelle complA dans E et on note E l'ensemble de tous les lments de E n'appartient pas

A.
Donc

A E
en particulier

= {x E/x A} / =E
et

1.1.5 Runion, intersection et produit d'ensembles


Dnition 1.1.4.
1. 2. 3. Si Soit

et

deux ensembles. On dnit les ensembles suivantes

A B = {(x, y)/x A A B = {x/x A A B = {x/x A


on dit que

et

y B},

produit cartsien de

Aet B .

oux B}, etx B}, A


et

runion de A et B. intersection de A et B.

A B = ,
Soit  a)

sont

disjointes.
i I,

Gnralisation :
I
un ensemble non vide, pour tout on se donne un ensemble

Ei .

on dnit

les ensembles suivantes :

Ei = {x/i I,
iI iI

tel que x Ei }

runion de la famille d'ensembles

(Ei )iI

 b)

Ei = {x/i I, x Ei }

intersection de la famille d'ensembles

(Ei )iI
de

Proposition 1.1.1. ( Lois de Morgan ) Quels que soient les lments A et B


on a :

P(E)

AB A B = CE CE CE AB A B CE = CE CE

Dmonstration :
En eet :

(x E),

on peut crire :

non(x A et x B) (x A) ou (x B) / / non(x A ou x B) (x A) et (x B) / /
c'est dire :

AB A B CE = CE CE AB A B CE = CE CE

Dnition 1.1.5.
ensembles
Donc :

Soit

et

et

et on note

B deux parties d'un ensemble E . On appelle dirence des A \ B l'ensemble des lments de A n'appartient pas B .

A \ B = {x E/x A et x B} /

Exercice 1.1.
Soit

(Ai )1in

une famille de parties d'un ensemble

E
C i=n

i=n
1. Montrer que :

i=n

Ai
i=1

=
i=1
et

AC i

i=n
et

Ai
i=1

=
i=1

AC . i

2. Pour toutes parties

de

E,

on pose :

A B = (A B) \ (A B).
Montrer que :

A B = (A \ B) (B \ A) = (A B) (B A).

1.2 Applications
Soient

et

deux ensembles non vides, et

On dit que

est une application

f une application de E source dans F but. surjective ou une surjection si tout lment de que y = f (x)
ou une

but est l'image d'un lment au moins de la source. C'est dire :

( E), (x E) tel
On dit que

est une application

injective

injection

si tout lment de but

est l'image d'un lment ( au plus ) de la source. C'est dire :

(x, y E), [f (x) = f (y) = x = y]


On dit que

est une application

bijective

ou une

bijection

si tout lment de but

est l'image d'un lment unique de la source. C'est dire :

(y E), (!x E) tel


5

que y = f (x)

Donc une application est une bijection si et seulement si elle est la foissurjective et injective.

Si une application

une fonction rciproque, note

f : x y = f (x) est une bijection de E dans F , f 1 , dnie de F dans E . On peut crire :

alors elle admet

(x, y E F ), [y = f (x) x = f 1 (y)]

1.3 Ensembles nis


1.3.1 Ensembles quipotents
Si

et

sont deux entiers naturels tels que

p n, E

on pose

[p, n] = {p, p + 1, ..., n} E

Dnition 1.3.1.
dans

tant donns deux ensembles

F,

on dit que

et

sont

quipotents

et

F.

S'il existe une bijection de

Exemples
1. Soit

l'ensemble des entiers pairs et

celui des entiers impairs, alors

et

sont

quipotents, en eet l'application

: P n
est une bijection. 2. L'application

I n + 1

dnie par :

: R \ {1} R \ {2} 2x+1 x x1


est une bijection, donc 3. L'application

R \ {1}

et

R \ {1}

sont quipotentes.

dnie par :

: ] 1, 1[ x
est une bijection, donc

x 1x2

] 1, 1[ [1, n].

et

sont quipotentes.

Dnition 1.3.2.
n E cardE = n
tel que

On dit qu'un ensemble

est ni s'il existe un entier naturel non nul

soit quipotent

Ce nombre

est appel le

cardinal

de

E,

on crit

On pose, par convention, card = 0 Un ensemble non f ini est appel ensemble inf ini, par exemple N, Z, Q, R, C sont des
ensembles innis.

card{, , , , , , , , , } = 10 card[1, n] = n. card[p, n] = n p + 1.

1.3.2 Proprits des cardinaux des ensembles nis


Thorme 1.3.1.
dans tant donns deux ensembles nis

F. f
Si Si

est une bijection si et seulement si

E et F cardE =cardF . E
et

et une application

de

Thorme 1.3.2.

tant donns deux ensembles nis

F.

E F alors cardE cardF . (E F et E = F ) alors cardE < cardF f f f


est surjective cardE est est

Thorme 1.3.3.
Si Si Si

f cardf (E) = cardF injective cardE = cardf (E) cardF bijective cardE = cardf (E) = cardF
tant donne une application

de

ni dans

ni.

Thorme 1.3.4.

Quels que soit les ensembles nis

et

on a :

card(E F ) = cardE + cardF card(E F )

Exercice 1.2.
1.

E, F, G tant trois ensembles nis, dmontrer que : card(E F G) = cardE + cardF + cardG card(E F ) card(E G) card(F G) + card(E F G) A
. .

2.

B tant deux parties d'un ensemble ni E , dmontrer que : A cardE = cardA + cardA (A = E = E\A) cardE = card(A B) + card(A B) + card(A B) + card(A B)
et

Thorme 1.3.5.

Quels que soient les ensembles nis

et

F,

on a :

card(E F ) = cardE cardF

Rgle
Si un objet la paire

a peut tre choisi de n faons et qu'un objet b peut tre choisi de m faons, (a, b), prise dans cette ordre, peut tre choisie de nm faons.

Gnralisation
Quels que soient les ensembles nis

E1 , E2 , ..., Ep ,

on a :

card(E1 E2 ... Ep ) = cardE1 cardE2 ... cardEp


En particulier :

cardE n = (cardE)n

1.4 Dnombrement
On note

En (n 1)

un ensemble quelconque ni a

lments.

1.4.1 Nombre d'application de Ep sur En


Thorme 1.4.1. Dmonstration :
Posons

Le nombre d'applications de

Ep

sur

En

est

np .

F(Ep , En )

l'ensemble d'applications de

Ep

sur

En .

Soit l'application :

p : F(Ep , En ) En En ... En = En f (f (a1 ), f (a2 ), ..., f (ap ))


avec

Ep = {a1 , a2 , ..., ap }
est bien dnie bijective, donc :

p cardF(Ep , Fn ) = cardEn = np

Dnition 1.4.1.
de

Soit E un ensemble et p un entier non nul. Un E p = E E ... E est appel une p-liste d'lments de E .

lment

(x1 , x2 , ..., xp )

Exemples
1. Le nombre possible de rsultats, l'issue de trois lancers successifs d'une pice de monnaie est

23 = 8.

En eet, un rsultat est une

3 liste

d'lments de

{P, F }

2. Supposons que l'on ait dans

boules numrotes

1, 2, ..., r

que l'on rpartit  au hasard 

urnes numrotes

1, 2, ..., n

et que l'on s'intresse aux direntes rpartitions

de ces

boules. L'ensemble des rpartitions peut tre assimil l'ensemble :

{(x1 , x2 , ..., xr ) o xi le
Il y a donc

nombre de l'urne qu'occupe le boule

i}

nr

telle rpartition.

1.4.2 Nombre d'injections de Ep sur En , (1 p n)


Thorme 1.4.2. Dmonstration :
On assimile lments de

Le nombre d'injections de

Ep

sur

En

est

n(n 1)...(n p + 1)

Ep

l'ensemble

Pour construire une

En ,

une fois

{1, 2, ..., p}. injection de Ep dans En , l'image de 1 est choisi ; on

il faut choisir l'image de choisit l'image de

parmi

dirent du choix

de l'image de de l'image de

1, 2,

il y a

n1

choix, puis on choisit l'image de

dirent de l'image de

et

et ainsi de suite ..., donc le nombre de choix d'injections vaut :

n(n 1)...(n p + 1) =
On note :

n! (n p)! n! (n p)!

Ap = n(n 1)...(n p + 1) = n

Applications

Dnition 1.4.2.
lment de

tant donn un ensemble ni

E,

cardE

= n, un

arrangement de p
E.

est une

p-liste

d'lments deux deux distincts pris parmi ceux de

Proposition 1.4.1. Le nombre de p-arrangements d'un ensemble a n lments (1 p n)


est

Ap . n

Remarques
Si p > n, Ap = 0 : Il n'y a aucune injection de Ep dans En . n Si p = n, An = n! c'est le nombre d'applications bijectives ( permutations n sur En . Si p = 0, on pose par convention A0 = 1. n
) de

Ep

Exemples
1. Une agence de voyage soumet ces clients une liste de huit ville. Elle propose de choisir un circuit de cinq villes parmi ces huit, en indiquant l'ordre de visite des cinq villes choisies. Le nombre de circuits possibles est

A5 = 336 8

2. Combien de classements peut-on former avec 23 lves ( on suppose qu'il n'y a pas d'ex-aequo) : c'est

A23 = 23! 23
tiercs possible dans

3. Douze chevaux participent la course du tierc. Un tierc est un triplet(c1 , c2 , c3 )(ci

[1, 12]).

Il y a

A3 = 1320 12

l ordre.

( on suppose qu'il n'y a pas

d'ex-aequo)

Exercice 1.3.
Combien peut-on former de mots avec toutes les lettres du mot tant utilise une seule fois ? Combien en existe-t-il commenant par

AHM ED,

chaque lettre

et nissant par

1.4.3 Nombre de parties ayant p lments d'un ensemble ni


Soit

un ensemble ni ayant

parties de

ayant

lments

n lments (n 1). (p n). p

Dsignons par

Pp (E)

l'ensemble de

Thorme 1.4.3.
(0 p n)

Le nombre de parties ayant n! est p!(np)! . p n! n On note n = p = p!(np)! .

lments d'un ensemble

lments

Dmonstration :
Soient Soit

un ensemble a

lments et

l'ensemble d'injections de

dans

et

E un ensemble a n lments. Posons (M, E) Pp (E) l'ensemble de parties de E a p lments.

l'application :

(M, E) Pp (E) i A = i(M ) = {i1 , i2 , ..., ip }


On a : puis

(M, E) = APp (E) 1 (A) p n! cardPp (E) = p!(np)! = n .

( runion disjointe ), d'o card

(M, E) = p!.cardPp (E)

Dnition 1.4.3. Remarque


Si

Un sous-ensemble de

de cardinal

est appel

combinaison

de

lments distincts pris parmi ceux de

E.

p > n,

p n

= 0,

En eet, il n'y a pas de sous-ensemble de

ayant un cardinal

strictement suprieure de celui de

E. n,
on a :

Il est clair que quel que soit l'entier naturel

0 n

n n

=1

Exemples
1. L'agence de voyages (l'exemple prcdent ) propose galement ces clients une formule "libert" pour laquelle le touriste choisit cinq villes sans prciser l'ordre dans lequel ces villes seront visites. Le nombre de formules "libert" est 2. Il y a

5 8

= 56

A3 12 3!

= 220

tiercs dans le dsordre dans une course runissant douze chevaux.

3. Le nombre de tirages de cinq cartes d'un jeu de 52 cartes est

5 52

= 2598 960.

Exercice 1.4.
positifs de l'quation

Montrer que le nombre de suites

(x1 , x2 , ..., xp ) N p qui sont solutions en x1 + x2 + ... + xp = n ( p et n xs ) est n+p1 . n

nombres entiers

Proprits des nombres n (Triangle de Pascal)

Proposition 1.4.2.
p n

p n1

p1 n1

tant donn

et

entiers naturels

(0 p n),

alors

p n

np et n

10

Dmonstration :
E un ensemble ni a n lments. Si A E est une partie a p lments alors A =
Soit

A est une partie de E

n p lments

donc l'application :

: Pp (E) Pnp (E) A A


est une bijection. Donc lments

Pp (E)

et

Pnp (E)

ont mme cardinal, c'est dire :

p n

np n

Autrement dit : Il y a autant de de parties a

np

lments qu'il y a de parties a

Soit

a E.

ceux qui contient l'lment Il

p lments peuvent se regrouper en deux catgories disjointes : d'une part a et d'autre part ceux qui ne contient pas a. Les premiers s'obtient en adjoignant a n'importe que partie a p1 lments de E\{a}. p1 y en a donc n1 . p Les autres sont forms de p lments pris parmi E\{a}. Il y en a n1 p p1 p En conclusion : n = n1 + n1 .
Les parties a

Thorme 1.4.4. (Formule de binme de Newton)


complexes et un entier naturel

tant donns

et

rels o

n,

alors :

p=n

(a + b)n =
p=0

p np p b na

Exemples
Soit

n N , + +2
1 n 1 n

on a :

0 n 0 n 0 n

+ +
1 n

2 n 2 n

+ ... +
2 n 3 n

n n

p=n

=
p=0

p n

= (1 + 1)n = 2n .
p n

+ ... + (1)p
p n

+ ... + (1)n
n n p=n

n n

p=n

=
p=0

p p n (1)

= (1 + 1)n = 0.

+ 22

+ ... + 2p

+ ... + 2n

=
p=0

p p n2

= 3n .

1.5 Applications ( Exemples de tirages )


On dispose d'une urne o se trouvent note

boules, de

couleurs direntes

Ni (i [1, k])

le nombre de boules de la couleur

i,

on a :

(k N ), N1 + N2 + ... + Nk = N

On

Nous allons tirer au hasard

boules de cette urne, on distingue trois types de tirages.

1.5.1 Tirage avec remise


On tire les

boules une une, en remettant chaque fois la boule tire dans l'urne

avant de prcder au tirage suivant, le rsultat est un les rptitions sont possibles, il existe donc

nuplet

de boules de l'urne, toutes

Nn

rsultats possibles.

11

n1 + n2 + ... + nk = n. Quel est le nombre de n-uplets qui constitus de n1 boules de la couleur 1, n2 boules de la couleur 2, ..., nk boules de la couleur k .
Soient des entiers tels que

n1 , n2 , ..., nk

n n n n! Proposition 1.5.1. Ce nombre (Nombre de tirages possibles) gal n1 !n2 !...nk ! N1 1 N2 2 ...Nk k .

1.5.2 Tirage sans remise


n-uplet form de boules distinctes. Il s'agit donc d'un n-arrangement An rsultats possibles. N Quel est le nombre de nuplets qui sont constitus de n1 boules de la couleur 1, n2 boules de la couleur 2, ..., nk boules de la couleur k .
Le rsultat ici est un sans rptition des

boules de l'urne, par consquent, il existe

n! Proposition 1.5.2. Ce nombre (Nombre de tirages possibles) gal n1 !n2 !...nk ! An11 An22 ...Ankk . N N N

1.5.3 Tirage simultan


Eectuons un tirage simultan de Un chantillon de type la couleur

boules, le rsultat est ici une partie a

lments

de l'ensemble des boules de l'urne. Le nombre de cas possibles est donc de la couleur 1 prise parmi

n. N

prise parmi

(n1 , n2 , ..., nk ) signie que cette partie est constitu de n1 boules N1 , n2 boules de la couleur 2 prise parmi N2 , ..., nk boules de Nk .
nk n1 n2 N1 N2 ... Nk .

Proposition 1.5.3. Exercice 1.5.

Le nombre de cas favorables est :

Un sac contient 4 boules rouges, 2 noires et 3 blanches. On tire de ce sac deux boules

remise. Combien y a-t-il de tirages contenant :


a) une boule rouge et une boule blanche ; b) 2 boules de mme couleur ; c) au moins une boule blanche.

avec

Solution
Notons :

A l'ensemble de tirages contenant une boule rouge et une boule blanche ; B l'ensemble de tirages contenant deux boules de mme couleur ; C l'ensemble de tirages contenant au moins une boule blanche. 2! 1 0 1 a) cardA = 1!0!1! 4 2 3 = 24 b) On peut crire B = B1 B2 B3 ( runion disjointe ) avec : .. B1 l'ensemble de tirages contenant deux boules rouges ; .. B2 l'ensemble de tirages contenant deux boules noires ; .. B3 l'ensemble de tirages contenant deux boules blanches.

12

Donc :

cardB = cardB1 + cardB2 + cardB3 2! 2! 2! = 42 20 30 + 40 22 30 + 40 20 32 2! 0! 0! 0! 2! 0! 0! 0! 2! = 29 C = C1 C2 ( runion disjointe ) avec : .. C1 l'ensemble de tirages contenant un boule blanche et une boule rouge ; .. C2 l'ensemble de tirages contenant une boule blanche et une boule noire ; ..C3 = B3 .
c) Alors :

cardC = cardC1 + cardC2 + cardB3 2! 2! 2! = 42 21 30 + 40 21 31 + 40 20 32 1! 1! 0! 0! 1! 1! 0! 0! 2! = 85

Exercice 1.6.
Refaite le mme exercice dans les cas suivants : Tirage sans remise et Tirage simultan.

13

Chapitre 2

Probabilits
Contents
2.1 2.2 2.3 2.4 2.5 Introduction . . . . . . . . . . . . . Concepts de base des probabilits Probabilit . . . . . . . . . . . . . . Probabilit conditionnelle . . . . . Indpendance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14 14 16 22 25

2.1 Introduction
Lorsqu'un phnomne est dtermin par une loi connue, on peut utiliser cette loi pour faire des

prvisions.

Par exemple, considrons un point mobile sur une droite. Si nous

choisissons un origine et un sens sur cette droite, chaque instant le point est repr par son abscisse. Mathmatiquement, le mouvement est donc reprsent par une fonction :

f : I R t x = f (t)
Par application de de cette loi, on peut prvoir et dterminer la position du mobile chaque instant. Ce pendant toutes les situations ne sont pas aussi simples : par exemple, dans une partie de pile ou face, on ne peut pas dire l'avance si c'est pile qui sortir ou si face. Un tel phnomne semble chapper toute prvision. On dit qu'il est alatoire. L'objet des probabilits est d'tudier, d'un point de vue thorique les phnomnes ala-

toires

2.2 Concepts de base des probabilits


2.2.1 preuve
Dnition 2.2.1.
On dit qu'une exprience ou une preuve est une experience alatoire s'elle est rpt dans les m

mes conditions conduit des rsultats dirents, donc dans

une exprience alatoire, on ne sait pas d'avance le rsultat.

14

Exemples
1. Soit l'preuve " lancer une pice de monnaie trois fois dans l'air ". On peut obtenir soit pile, soit face pour le premier cas, puis, soit pile, soit face pour le deuxime lancer, etc... 2. " Tirage d'une carte d'un jeu de 52 cartes " 3. Dans une urne on dpose sept boules rouges, quatre noires et deux boules vertes " On tire successivement deux boules sans les remettre dans l'urne "

2.2.2 Ensemble des ventualits. vnements


Dnition 2.2.2. Exemples
1. Considrons le jeu de la pice lance trois fois. On peut reprsenter toutes les possibilits l'aide de l'arbre suivant :

Considrons une exprience alatoire. L'ensemble des ventualits

associ cette preuve est l'ensemble des rsultats possibles. On note cette ensemble

er lancer e lancer e lancer

P P P F P F F P P

F F F P F

Dans ce cas :

= {P P P, P P F, P F P, P F F, F P P, F P F, F F P, F F F }
2. Dans l'exprience " lancer deux fois d'un d "

= [1, 6]2
3. Au jeu de la roulette qui contient 37 chires,0,1,2,...,36. L'espace des ventualits est :

= {n N/0 n 36}
4. L'espace des vnements associ l'preuve " lancer d'une pice de monnaie et d'un d " est :

= {P, F } [1, 6]

Dnition 2.2.3.

Soit

l'espace des ventualits associ une preuve et

vnement.
Exemples

semble de ses parties. Chaque lment de

P(),

c'est--dire chaque partie de

P() l'en est appel

 Dans le jeu de la pice de monnaie lance trois fois,l'vnement " pile sort en premier " est

{P P P, P P F, P F P, P F F }. {2, 4, 6}.

 Au jeu de d l'vnement " rsultat pair " est

15

vnements particuliers
est dit vnement impossible. est dit vnement certain. Deux vnements A et B sont dits disjoints ou incompatibles si l'vnement  A et B est impossible, c'est dire A B = . Chaque partie de possdant un seul lment ( un singleton ) est appel vnement

lmentaire, les vnements lmentaires sont disjoints deux deux.

Exemples
Dans le jeu de la pice de monnaie lance trois fois :  1) L'vnement caractris par " sortir cinq fois pile " est impossible. De mme l'vnement " obtenir une fois pile et deux fois pile " est impossible.  2) Les vnements " obtenir une fois pile " et obtenir deux fois pile " sont incompatibles.

2.3 Probabilit
2.3.1 Dnitions et proprits
Dnition 2.3.1.
Une probabilit

est une application de

P ()

dans

[0, 1]

qui vrie :

p() = 0, p() = 1
et pour tout couple d'vnements tels que

AB =

on a :

p(A B) = p(A) + p(B)


On appelle espace probabilis le triplet un espace probabilis ni.

(, P (), p),

si

est ni on dit que

(, P (), p)

est

Exemple
On lance une pice de monnaie une fois. Ici

= {P, F } p : P() [0, 1] 1 P 2 1 F 2

L'application :

est une probabilit et

(, P (), p)
Soit

est un espace probabilis ni.

Proposition 2.3.1.
1. 2. 3.

(, P (), p)

est un espace probabilis.

A, B P (), p(A B) = p(A) + p(B) p(A B). A, B P () A B, p(A) p(B). A P (), p(A) = 1 p(A), avec A = A
tels que

16

Dmonstration :
1.

A, B P ()

on a :

A B) = (A B) (B A) (A B)
et les trois parties On a donc :

A B, B A, A B

sont deux deux disjointes .

p(A B) = p(A B) + p(B A) + p(A B)


D'autre part :

A = (A B) (A B) B = (B A) (A B)
On a alors :

et

(A B) (A B) = (B A) (A B) =

et

p(A) = p(A B) + p(A B) p(B) = p(B A) + p(A B)


En portant les valeurs

p(A B)

et de

p(B A)

dans (1), on a :

p(A B) = p(A) p(A B) + p(B) p(A B) + p(A B)


d'o :

p(A B) = p(A) + p(B) p(A B)


2. Soit On

A, B P () a : B = A

tels que

A B. = A (B A)

et

et

BA

sont disjoints, donc :

p(B) = p(A) + p(B A) p(A) (carp(B A) 0)


3.

= A A,

donc

1 = p() = p(A) + p(A)

Dnition 2.3.2.

Soit

(, P (), p)

un espace probabilis ni, posons

On dit que les vnements lmentaires sont quiprobables si tous les

= {a1 , a2 , ..., an }. p({ai }) sont gaux.

Proposition 2.3.2.

Soit

(, P (), p)

est un espace probabilis ni tel que les vnements

lmentaires soient quiprobables. On a alors : 1 a , p({a}) = 2 p Si A = {ai1 , ai2 , ..., aip } , p(A) = n = cardA card

nombre de cas f avorables nombre de cas possibles

17

Preuve :

On a :

= {a1 , a2 , ..., an },

donc :

1 = p({a1 }) + p({a2 }) + ... + p({an }),


1 p(A) = p({ai1 , ai2 , ..., aip }) = k. n = k n

d'o

i, p({ai }) =

1 n

Exemples
1. L'exemple deja tudier d'une partie de pile ou face trois lancers est un cas particulier o les vnements lmentaires sont quiprobables. 2. Considrons le jet d'un d six faces numrots de 1 6. Si le d une forme rgulire ( cube ) et s'il est fait d'une matire homogne, chaque numro a la mme probabilit, c'est d'quiprobabilit. 3. Si on lance un d truqu comporte les numros

1 6 . ce pendant on peut fabriquer des ds o le centre de gravit

n'est pas la mme distance de chaque face. Dans ce cas il faudra rejeter l'hypothse

6, 1, 2, 3, 4, 5, 6,

dans ce cas

{1, 2, 3, 4, 5}

mais les vnements lmentaires ne sont pas quiprobables : la proba-

bilit de  sortir 6  est le double de celle  sortir 1 .

2.3.2 Exercices rsolus


Exercice 2.1.
p
est une probabilit dnie sur l'univers

= {1 , 2 , 3 , 4 , 5 , 6 }. 3
1 4

Le tableau ci-dessous

indique les probabilits des vnements lmentaires :

1 pi
Calculer

4 15

2 x

4
1 12

5
1 12

6 y

et

y,

pour que :

p({1 , 2 , 3 }) = 2p({4 , 5 , 6 }).

On a d'une part :

4 1 1 1 +x+ + + +y =1 15 4 12 12
d'autre part :

ou

x+y =

19 60

4 1 1 1 + x + = 2( + + y) 15 4 12 12
L'unique solution est

ou

31 1 + x = + 2y 60 3

x=

3 20

et

y=

1 6

18

Exercice 2.2.
p
est une probabilit sur l'univers

. A

et

sont deux vnements tels que : et

1 2 p(A) = , p(B) = 3 5
Calculer

p(A B) =

1 6

p(A B), p(A B), p(B A), p(A B).


et

AB

AB

sont deux vnements incompatibles dont la runion est

A,

donc :

p(A) = p(A B) + p(A B),


d'o :

p(A B) = p(A B) = p(A) + p(B) p(A B)

1 1 1 = 3 6 6 17 30
7 30 13 30 .

, d'o :

p(A B) =

p(B A) + p(B A) = p(B), donc p(B A) = A B = A B , donc p(A B) = 1 p(AB) =

Exercice 2.3.
On lance deux fois de suite une pice de monnaie. Dterminer l'ensemble puis

pour ce jeu,

P ()

et indiquer pour chaque partie de

la probabilit associe.

Il est clair que

= {P, F } {P, F } = {(P, P ), (P, F ), (F, P ), (F, F )}


et

P() = A B C D
avec

A = {, } B = {{(P, P )}, {(P, F )}, {(F, P )}, {(F, F )}} C = {{(P, P ), (P, F )}, {(P, P ), (F, P )}, {(P, P ), (F, F )}, {(P, F ), (F, P )}, {(P, F ), (F, F )}, {(F, P ), (F, F )}} D = {{(P, P ), (P, F ), (F, P )}, {(P, F ), (F, P ), (F, F )}, {(F, F ), (P, P ), (P, F )}, {(F, F ), (P, P ), (F, P )}}
On suppose que les deux ds ne sont pas truqus, donc, par quiprobabilit, on a :

E P(), p(E) =

cardE , d'o : 24

p() = 0

et

p() = 1 1 16

E B, p(E) =
19

2 16 3 E D, p(E) = 16 E C, p(E) =

Exercice 2.4.
Une urne contient 1 boule noire, 2 boules rouges, 3 boules vertes. 1. On prlve successivement et sans remise deux boules de l'urne et on note leur couleur. On suppose que tous les tirages sont quiprobables. Quelle est la probabilit des vnements suivants : boule rouge

A:

obtenir deux boules vertes

B:

obtenir au moins une

C:

obtenir deux boules de couleurs direntes

2. Mmes questions qu'au 1) On prlve successivement deux boules avec remise (la premire est remise dans l'urne avant le tirage de la deuxime ). 3. Mmes questions, en supposant que l'on prlve deux boules simultanment.

Solution
Pour distinguer les boules de mme couleur, on suppose que les boules sont numrotes

N1 , R 2 , R 3 , V 4 , V 5 , V 6 .
1. Soit

l'univers associ ce premier type de tirage, donc card est le nombre d'ar-

rangements de deux lments ( les deux boules tires ) d'un ensemble six lments ( six boules dans l'urne ) donc card =A6

= 6 5 = 30. 2 = 6.

Pour que

soit ralisable il faut tirer deux boules vertes successivement et sans

remise, l'urne contient trois boules vertes, donc cardA=3 D'o :

p(A) =
De mme

6 1 = 30 5 .
Pour que

p(B) = 1 p(B), B : donc cardB

aucune boule rouge

soit rali-

sable il faut tirer les deux boules, successivement et sans remise, parmi les 4 boules

N1 , V 4 , V 5 , V 6 .
D'o

= 4 3 = 12 12 3 = p(B) = 1 p(B) = 1 30 5

p(C) = 1 p(C) avec C : deux boules de mmes couleurs = C1 C2 ( runion disjointe ) C avec : C1 : obtenir deux boules vertes C2 : obtenir deux cardC =2 1 + 3 2 = 8 et p(C) = 1 8 11 = 30 15

boules rouge

donc

20

2. Ici card est le nombre d'application d'un ensemble de six lments dans un ensemble 2 lments, donc card =6

= 36. 3=9 et cardB =4 4


disjointe ) avec :

De faon similaire, on trouve cardA=3 Pour

C, on a C = C1 C2 C3 ( runion C1 : obtenir deux boules vertes C2 : obtenir deux boules rouge C3 "obtenir deux boules noires "
D'o

cardC = cardC1 + cardC2 + cardC3 = 3 3 + 2 2 + 1 1 = 14


Ainsi

p(A) =

1 16 5 9 = , p(B) = 1 = , 36 4 36 9 =
2 6

et

14 11 p(C) = 1 p(C) = 1 = . 36 18 15
issues possibles dont

3. On obtient exactement les mmes rsultats qu' la question 1) ; l'ordre des boules tires n'intervient pas ; card ralisent

A, 6

ralisant

et

= 15, 4 ralisantC.

donc il y a

Exercice 2.5.
Est-il probable d'amener au moins une fois un six avec un d en quatre coups que d'amener un double six au moins une fois avec deux ds en 24 coups ? (On suppose que les ds ne sont pas truqus)

Solution Avec un d :
L'exprience consiste lancer quatre fois un d et noter les numros obtenus ; l'ensemble Soit

est

{1, 2, 3, 4, 5, 6}4 , = 54
et

donc card

= 64 . A = {1, 2, 3, 4, 5}4

l'vnement : " obtenir au moins une fois 6 " ; alors

donc cardA

Avec deux ds ( un bleu et un noir ) :

p(A) = 1

54 64

= 0. 517 7 (b, n) obtenus ; 62 = 36 couples fois un double 6;

L'exprience consiste lancer 24 fois les deux ds et noter les couples

dsigne le numro obtenu avec le d bleu et

possibles et card

24 cardB = 35

Conclusion :

= 3624 . Soit B l'vnement 3524 donc p(B) = 1 = 0. 491 4 3624

n avec le d : obtenir au

noir. Il y a moins une

Il est plus probable d'amener au moins une fois un six avec un d en quatre coups que d'amener un double six au moins une fois avec deux ds en 24 coups.

21

2.4 Probabilit conditionnelle


2.4.1 Dnitions et proprits
(, P (), p) un espace probabilis et B un vnement de probabilit non nulle. la probabilit de A sachant que B est ralis est le nombre not p(A/B) p(AB) ou pB (A), donn par p(A/B) = p(B) . L'application : pB : P () [0, 1] est une probabilit sur : C'est la probabilit conditionnelle sachant B .
Soit

Proposition 2.4.1.

Dmonstration :
pB () = p(B) = p(B) = 1 p(B) p(B) A, A , tels que A A = on a : pB (A A ) = p[(AA )B] = p[(AB)(A B)] = p(B) p(B)
p(A B) p(B)

p(AB) p(B)

= pB (A) + pB (A )

Exemple
On tire une carte d'un jeu de 32 cartes :

1 1 1 1

R R R R

D D D D

V V V V

10 10 10 10

9 9 9 9

8 8 8 8

7 7 7 7

On considre les trois vnements :

R : tirer un roi T : tirer un tr`f le e R T : tirer un roi de tr`f le e 8 1 Ici card = 32 p(T ) = = 4 , p(R T ) = 32
ce cas l'espace des vnements est

1 32

et

p(RT ) p(T )

1 8

On arrive maintenant savoir, avant de dcouvrir la carte, qu'il s'agit d'un tre. Dans

= {1, R, D, V, 10, 9, 8, 7} R/T

( les huit cartes de tre )

Donc tirer un roi dans ces conditions-l est un vnement de sachant que l'on tir un tre. Cet vnement est not On a bien et

p(R/T ) =

p(RT ) p(T ) .

. C'est 1 p(R/T ) = 8

tirer un roi

Remarques
Il est parfois ais de dterminer p(A/B). On peut alors P (A B) = P (A/B) P (B). De mme, si P (A) = 0, P (A B) = P (B/A) P (A).
dduire

P (A B)

en crivant

Proposition 2.4.2.
p(A) = 0
1. 2. 3. et

Soit

et

deux vnements d'un espace probabilis

(, P (), p)

tels

p(B) = 0,

il y a quivalence entre les proprits suivantes :

P (A/B) = P (A) P (A B) = P (A) P (B) P (B/A) = P (B).


22

2.4.2 Formule des probabilits totales


Dnition 2.4.1. Soit A1 , A2 , ..., An des vnements d'un espace . On dit que A1 , A2 , ..., An
forment une partition de 1) 2) 3)

si : i {1, 2, ..., n}, Ai = . i, j {1, 2, ..., n}, si i = j A1 A2 ... An =

alors

Ai Aj =

Exemple
2 boules vertes. On tire successivement deux boules sans les remettre dans l'urne. Pour i = 1 ou 2, on note : Ri eme tirage N l'vnement tirer une boule noire ` l'vnement tirer une boule rouge au i i eme tirage V l'vnement tirer une boule verte au ieme tirage On a : ` ` au i i 1) R1 = , N1 = , V1 = 2) R1 N1 = , V1 R1 = , N1 V1 = 3) R1 N1 V1 = N1 , V1 , R1 forment une partition de . De mme N2 , V2 , R2 forment une partition de .
Dans une urne on dpose boules rouges, boules noires et

Proposition 2.4.3. (Formule des probabilits totales)


Soit

un vnement d'un espace probabilis

(, P (), p)

et

A1 , A2 , ..., An

des vne-

ments formant une partition de

Alors :

i=n

p(A) =
i=1

p(A/Ai ) p(Ai )

Preuve :
p(A) = p(A )
car

= p(A (A1 A2 ... An ) = p((A A1 ) (A A2 ) ... (A An )) = p(A A1 ) + p(A A2 ) + ... + p(A An )) = p(A/A1 ) p(A1 ) + ... + p(A/An ) p(An )
car car

A1 , A2 , ..., An

sont deux deux disjoints

p(A B) = p(A) p(B).

Exemple
Un individu est choisi au hasard dans une population possdant la proportion

p ]0, 1[

de tricheurs. On fait tirer une carte d'un jeu de 52 cartes cet individu et on admet que si cet individu est un tricheur il est sur de retourner un as. Quelle est la probabilit que cet individu retourne un as ? Soit

l'vnement

l'individu choisi est un tricheur

et

l'vnement

l'individu

retourne un as

.
23

On a

: = T T,

ainsi :

p(A) = p(T )p(A/T ) + p(T )p(A/T ) 1 = p.1 + (1 p). 13 1 + 12p = 13 (p(A/T ) =


1 13 , si l'individu ne triche, il 4 chances sur 52 de retourner un as )

Proposition 2.4.4. (Formule de Bayes)


Sous les mmes conditions de la proposition prcdente, si de plus tout entier

p(B) > 0,

on a, pour

k {0, 1, ..., n},

l'identit :

p(Ak /B) =

p(B/Ak ) p(Ak )
i=n

p(B/Ai ) p(Ai )
i=1

Preuve :
k {0, 1, ..., n},
on peut crire :

p(Ak /B) = =

p(B Ak ) p(B) p(B/Ak )p(Ak )


i=n

p(B/Ai ) p(Ai )
i=1

Exemple
Un matre et son lve tirent l'arc sur une cible. La probabilit pour que l'arc aille l'lve est

0.8 ;

dans ce cas, la probabilit que la che aille au but est

0.5.

Par contre,

si la che est tire par le matre, la probabilit de succs est quelle est la probabilit qu'elle ait t tire par le matre ? Notons :

0.7.

Une che part au but ;

A l'arc va au matre  B  la che va au but

Donc la probabilit demande est la propbabilit conditionnelle

p(A/B).

p(A/B ) =
d'o

p(B/A )p(A) p(B/A )p(A) + p(B/A )p(A)

p(A/B ) =

0.70.2 0.70.2+0.50.8

= 0.2592

24

2.5 Indpendance
Soit

et

deux vnements de probabilits non nulles.

Remarquons que si la ralisation de l'vnement bilit de la ralisation de l'vnement formule des probabilits composes devient :

B (p(B) = 0) n'agit pas sur la probaA (p(A) = 0), c'est dire p(A/B) = p(A), alors la

p(A B) = p(A) p(B)

Dnition 2.5.1. Remarques

indpendants si p(A B) = p(A) p(B).

Deux vnements

et

d'un espace probabilis

(, P (), p)

sont dits

L'indpendance est une relation symtrique entre les vnements. Si p(A) = 0 ou p(B) = 0, les deux vnements sont indpendants (p(A B) = p(A) p(B) = 0)

Exemples
1. On tire une carte d'un jeu de 32 cartes. On considre les trois vnements :

R : tirer un roi T : tirer un tre R T : tirer un roi de tre Les vnements R : tirer un roi
eet :

et

T :

tirer un tre sont indpendants, en

1 1 1 p(R) = , p(T ) = et p(R T ) = , 8 4 32 p(R T ) = p(R) p(T ).

donc

Autrement dit, savoir ou non que de

est ralis n'intervient pas dans la probabilit

R. n
enfants.

2. Considrons les direntes rpartitions possibles des sexes des enfants d'une famille ayant

Considrons l'vnement

M :

la famille a des enfants de deux sexes  et l'vnement

F :

 la famille a au plus une lle .

Notons

Cas : n = 2

n l'ensemble de ces rpartitions. card

= 2n .

2
Alors

= {(G, G), (G, F ), (F, G), (F, F )}

M = {(G, F ), (F, G)}, F = {(G, G), (G, F ), (F, G)}


d'o

et

M F =M

25

d'o

Cas
3

2 1 3 1 = , p(F ) = , p(M F ) = 4 2 4 2 p(M F ) = p(M ).p(F ), M et F ne sont pas indpendants : n=3 p(M ) =

dans ce cas.

On a dans ce cas :

= {(G, G, G), (G, G, F ), (G, F, F ), (F, G, F ), (F, G, G), (F, F, G), (G, F, G), (F, F, F )} M = {(G, G, F ), (G, F, F ), (F, G, F ), (F, G, G), (F, F, G), (G, F, G)} F = {(G, G, G), (G, G, F ), (F, G, G), (G, F, G)}

et

M F = {(G, G, F ), (F, G, G), (G, F, G)}


d'o

p(M ) =
Dans ce cas

3 4 1 3 6 = , p(F ) = = , p(M F ) = 8 4 8 2 8
et

p(M F ) = p(M ).p(F ). M

sont indpendants.

Exercice 2.6.
Montrer que , pour

n > 3, M

et

ne sont pas indpendants.

Si

Soient A et B deux vnements d'un espace probabilis (, P (), p). A et B sont indpendants, alors A et B sont indpendants. De mme pour les vnements A et B et pour les vnements A et B.

Proposition 2.5.1.

Preuve :
On a

A = (A B) (A B)

et cette runion est disjointe, d'o

p((A B) = p(A) p(A B) = p(A) p(A).p(B) = p(A)(1 p(B)) = p(A).p(B)


donc les vnements dants. Comme

et

A et B sont indpendants, et par symtrie A et B sont aussi indpen et A sont indpendants. A sont indpendants. alors B (Ak )1kn
une suite nie d'vnements d'un espace probabilis

Dnition 2.5.2.
(, P (), p).

Soit

On dit que les vnements

A1 , A2 , ..., An

sont mutuellement indpendants si

pour toute suite nie

Ai1 , Ai2 , ..., Aik

d'vnements distincts, on a :

p(Ai1 Ai2 ... Aik ) = p(Ai1 ).p(Ai2 ).....p(A)ik


26

Remarque
Si les vnements

A1 , A2 , ..., An

sont mutuellement indpendants, alors ils sont ind-

pendants deux deux, mais la rciproque est est fausse en gnral. Voici un contre exemple.

Exemple
a et b. Considrons les A = {a pair }, B = {b impair } et C = {a et b de mme parit} On 1 a : p(A) = p(B) = p(C) = et p(A B) = p(A C) = p(B C) = 1 donc A, B et 2 4 C sont deux deux indpendants, mais p(A B C) = 0 = 1 : A, B et C ne sont pas 8
On lance deux ds non truqus dont les rsultats sont nots vnements suivants mutuellement indpendants.

27

Chapitre 3

Variables alatoires relles


Contents
3.1 3.2 3.3 3.4 Loi de probabilit d'une variable alatoire Caractristiques d'une variable alatoire . Lois usuelles . . . . . . . . . . . . . . . . . . Couple de variables alatoires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28 30 36 41

3.1 Loi de probabilit d'une variable alatoire


3.1.1 variables alatoires
Dnition 3.1.1.
de On appelle varaible alatoire relle ( en abrg v.a.r ) toute application

dans

R.

Notations
Soit

1 (x) 1. X
2. 3. 4.

R: = { /X() = x} se note X = x. X 1 (]a, +[) = { /X() > a} se note X > a. X 1 ([a, b[) = { /a X() < b} se note a X b. X 1 (] , a]) X 1 (] , b]) se note (X a, X b).

une variable alatoire relle de

dans

Exemples
1. On lance une pice de monnaie, l'univers associ cette exprience est soit

= {P, F },

la variable dnie par

X({P }) = 1

et

X({F }) = 0, 1 2

alors

p(X = 0) = p(X = 1) =

2. Soit une urne deux catgories contenant des boules blanches en proportion des boules noires en proportion chaque tirage

et

1 p.

On tire de cette urne

boules avec remise,

de

boules on peut faire correspondre le nombre

X()

des boules

blanches obtenues. Dans ce cas on a

X() = [0, n].


28

3. Un tournoi de football se joue entre quatre quipes. Chaque quipe doit rencontrer une fois et une fois seulement les trois autres. chaque match, on attribue 2 points l'quipe gagnante, 0 point l'quipe perdante et 1 point chaque quipe s'il y a match nul. Soit

le nombre de points marqus par une quipe donne la n du tournoi. Ici

X() = {0, 1, 2, 3, 4, 5, 6}.

3.1.2 Loi d'une variable alatoire


Proposition 3.1.1.
l'application : (

et dnition

) Soit

une v.a.r dnie sur

(, P (), p),

alors

pX : X() [0, 1] a p(X = a)


est une probabilit sur

suit la loi de

X(), s'appelle probabilit pX .

la loi de probabilit de

X.

On dit aussi que la v.a.r

Dmonstration :

On a :

X() =
a
donc

(X = a)

pX (X()) =
a

p(X = a) = 1

Soient B et B deux parties disjointes de X(), donc ils existent deux parties disjointes A et A de tels que : X(A) = B et X(A ) = B , donc :

pX (B B ) = p(
aBB

X = a)

= p(A A ) = p(A) + p(A ) = p(X 1 (A)) + p(X 1 (A )) = pX (B) + pX (B )

Exemple
Un sac contient six jetons : deux jetons portent le numro 1 ; trois portent le numro 2 ; un jeton porte le numro 3. On suppose que les jetons ont mme probabilit d'apparition. On tire simultanment trois jetons du sac. Soit nombres ports par les jetons tirs.

la v.a.r associe la somme des

29

Dterminer la loi de L'univers D'o :

X.

associ cette preuve est l'ensemble des parties trois lments (jetons)

parmi les six que contient le sac.

card =

3 6

= 20

On peut avoir des types d'ventualits suivants :

{1, 1, 1}, {1, 2, 2}, {1, 1, 3}, {1, 2, 3}, {2, 2, 2}, {2, 2, 3}
Donc

prend les valeurs :

4, 5, 6, 7,

c'est--dire

X() = {4, 5, 6, 7}. 3 20


2 1 2 1

p(X = 4) = p(X = 5) = p(X = 6) = p(X = 7) =


La loi de probabilt de

2 1 2 3

20
1 2 2 3

= + 20 20

1 1 1 2 3 1 2 1 3 1

+ 3 20

3 3

7 20 7 = 20 =

20

se rsume dans le tableau suivant :

xi X() p(X = xi )

4
3 20

5
7 20

6
7 20

7
3 20

3.2 Caractristiques d'une variable alatoire


3.2.1 Fonction de rpartition
Dnition 3.2.1.
Soit

une v.a.r dnie sur un espace probabilis

pelle fonction de rpartition de de

la fonction numrique

FX

(, P (), p), on dnie sur R par :

ap-

x R, FX (x) = p(X x)

Exercice 3.1.
Un sac contient 3 boules rouges et 3 boules vertes. On tire une une les 6 boules du sac ( sans remise ) Soit

la v.a.r qui chaque tirage des six boules associe le nombre de boules vertes

tires avant l'apparition, pour la premire fois, d'une boule rouge. 1) Quelles sont les valeurs prises par 2) Quelle est la loi de

X? X.

X?

3) Dnir la fonction de rpartition de

30

Solution
1. Le rsultat de cette preuve est une permutation des 6 boules et, si on dsigne par

l'univers des ventualits, alors :

card = 6!
Il est vident que au

X() = {0, 1, 2, 3} ( car la premire boule rouge peut apparatre 1er tirage ( alors X = 0), ou au 2me tirage ( alors X = 1), ou au 3me tirage ( alors X = 2) ou au 4me tirage (alors X = 3)) p(X = 0) = p(E0 ) E0 tant l'vnement constitu er position, donc gure en 1 (
des permutations des 6 boules du sac o une rouge

2.

cardE0 =
permutations des

1 3 5!

1 est le nombre de choix de la boule rouge tir la 3

fois,

5!

est le nombre de

autres boules ), alors :

p(X = 0) =

1 5! 3

6!

1 2

p(X = 1) = p(E1 ) E1 tant l'vnement constitu des permutations des 6 er position, et une rouge en 2 position, donc verte en 1 cardE1 = (
1 pour la verte tir la 3 1 1 3 3 4!

boules du sac o gure une

fois,

1 pour la rouge tire la 3

fois,

4!

est le nombre de

permutations des quatre autres boules ), donc :

p(X = 1) =

1 1 4! 3 3

6!

3 10

p(X = 2) = p(E2 ) E2 tant l'vnement constitu des permutations des 6 boules du sac o gurant une er position, une verte en 2 position et une rouge en 3 position, donc verte en 1 cardE2 = A2 1 3! 3 3 (A2 3
correspondant aux arrangements des deux boules vertes gurant en 1 et 2 positions,

1 correspond la rouge tire la 3

fois,

3!

est le nombre de permutations des

trois autres boules ), donc :

p(X = 2) = p(X = 3) = p(E3 ) E3 tant l'vnement

3 A2 1 3! 3 3 = 6! 20

constitu des permutations des 6 boules du sac o gurant les

trois vertes suivies des trois rouges ), donc cardE3

= 3!3!

31

(3!

dsignant le nombre de permutations des trois boules vertes ou des trois boules

rouges ), on a :

p(X = 2) =
La loi de probabilit de

3!3! 1 = 6! 20

est rsume dans le tableau suivant :

k X() p(X = k)
3. Fonction de rpartition de Si Si Si

0
1 2

1
3 10

2
3 10

3
1 10

X.

Soit

xR

x < 0, FX (x) = 0 1 x [0, 1[, FX (x) = p(X = 0) = 2 x [1, 2[, (X x) = (X = 0) (X = 1)

( runion disjointe ) donc :

FX (x) = p(X x) = p(X = 0) + p(X = 1) =


Si

8 10

x [2, 3[ (X x) = (X = 0) (X = 1) (X = 2)

( runion disjointe ) donc :

FX (x) = p(X x) = p(X = 0) + p(X = 1) + p(X = 2) =


Si

19 20
( runion

x [3, +[

(X x) = (X = 0) (X = 1) (X = 2) (X = 3)

disjointe )donc :

FX (x) = p(X x) = p(X = 0) + p(X = 1) + p(X = 2) + p(X = 3) =


D'o'u

20 =1 20

FX (x) =

0 1 2 1

8 10 19 20

si x<0 si x [0, 1[ si x [1, 2[ si x [2, 3[ si x3

Thorme 3.2.1. Soit X une v.a.r. et soit FX sa fonction de rpartition. Alors FX possde
les proprits suivantes : 1) 2) 3)

F est une fonction croissante ( au sens large F est continue droite en tout point de R. lim FX (x) = 0 et lim FX (x) = 1
x+

Proposition 3.2.1.
1) 2)

Soit X une v.a.r . et soit FX sa fonction de rpartition. a, b R, a < b, P (a < X b) = FX (b) FX (a) a R, p(X = a) = FX (a) FX (a ), (FX (a ) = lim FX (x))

On a :

xa

32

3.2.2 Esprance mathmatiques ( la moyenne )


Dnition 3.2.2.
X une variable alatoire relle (, P (), p) avec X() = {x1 , x2 , ..., xn }. On appelle X le nombre not E(X), dni par :
Soit dnie sur un espace probabilis ni esprance mathmatique de la v.a.r

i=n

E(X) =
i=1

xi p(X = xi ) U
une fonction de

Proposition 3.2.2.
a :

Soit

une v.a.r et

dans

R,

dnie sur

DX .

On

i=n

E(U (X)) =
i=1
avec

U (xi )p(X = xi )

X() = {x1 , x2 , ..., xn } En particulier si Y = aX + b,


Soit

alors

E(Y ) = aE(X) + b. Y = X E(X). X , on a E(X) = 0.

Dnition 3.2.3.
Y

une v.a.r, on pose

s'appelle la v.a.r centre associe

De manire gnrale si

E(X) = 0, X

est

dite centre.

3.2.3 Variance et cart-type


Dnition 3.2.4.
X une variable alatoire relle dnie sur un (, P (), p) avec X() = {x1 , x2 , ..., xn }. On appelle variance de la v.a.r X le rel not V ar(X), dni
Soit espace probabilis ni par :

i=n

V ar(X) =
i=1

[xi E(X)]2 p(X = xi )

On appelle

cart-type de X le nombre (X) dni par :


(X) = V ar(X)

Remarque
1. La variance est un nombre positif car la somme de produits positifs

V ar(X) = i=n [xi E(X)]2 p(X = xi ) : C'est i=1 [xi E(X)]2 et p(X = xi ).

33

2. La variance peut tre calculer autrement : En eet :

i=n

V ar(X) =
i=1 i=n

[xi E(X)]2 p(X = xi ) [x2 2xi E(X) + E 2 (X)]p(X = xi ) i


i=1 i=n i=n i=n

=
i=1

x2 p(X i

= xi ) 2E(X)
i=1

xi p(X = xi ) + E (X)
i=1 i=n

p(X = xi )

= E(X 2 ) 2E 2 (X) + E 2 (X) (


i=1

p(X = xi ) = 1)

= E(X 2 ) E 2 (X)
d'o :

V ar(X) = E(X 2 ) E 2 (X)

Proposition 3.2.3.
ni (, P (), p) et

Soit

une variable alatoire relle dnie sur un espace probabilis

a, b

des rels, alors :

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

et

(aX + b) = |a| (X)

Dmonstration :
On a d'une part :

V ar(aX + b) = E[(aX + b)2 ] E 2 (aX + b) = a2 E(X 2 ) + 2abE(X) + b2 a2 E 2 (X) 2abE(X) b2 = a2 [E(X 2 ) E 2 (X)] = a2 V ar(X)
et d'autre part :

(aX + b) = =

V ar(aX + b) a2 V ar(X) V ar(X)

= |a|

= |a| (X)

Dnition 3.2.5.

rduite associe X .
Proposition 3.2.4.
gale un, de mme

La variable alatoire

Y =

XE(X) est appel la variable (X)

centre-

La moyenne d'une v.a.r centre-rduite 2

est nulle et sa variance est

E(Y ) = 1

34

Dmonstration :
1 1 E(Y ) = E( XE(X) ) = (X) [E(X) E(E(X))] = (X) [E(X) E(X)] = 0 (X) 1 V ar(Y ) = ( (X) )2 V ar(Y ) = 1 ( car V ar(Y ) = 2 (Y )) V ar(Y ) = 1 = E(Y 2 ) E 2 (Y ) = 1 E(Y 2 ) = 1

Exemple
Dans l'exemple prcdent, Exercice 3.1, on a :

E(X) =
kX()

kp(X = k) 1 3 3 1 +1 +2 +3 2 10 20 20

= 0 = 3 4

E(X 2 ) =
kX()

k 2 p(X = k) 1 3 3 1 + 12 + 22 + 32 2 10 20 20

= 02 =
Donc

27 20 27 3 63 ( )2 = 20 4 80

V ar(X) = E(X 2 ) (E(X))2 =


et

(X) =
La variable

V ar(X) = 0.88741

Y =

XE(X) (X)

5 4X3 est une v.a.r centre rduite. 7 3

3.2.4 Ingalit de Bienyam-Tchebychev


Proposition 3.2.5.
Soient

une v.a.r sur un univers

cart-type. Alors, pour tout nombre rel strictement

ni, positif : 2 2

m sa moyenne et

son

p(|X m| )

preuve :
Nous savons que :

2 = V ar(X) =
xi

(X(xi ) m)2 p(X = xi ) avec = {x1 , x2 , ..., xn }

35

On pose :

= |X m| = {xi / |X(xi ) m| }
alors

2 =
xi 2

(X(xi ) m)2 p(X = xi )

p( )p(X = xi ) 2 p( ) = 2 p(|X m| )
d'o

p(|X m| )

2 2

Remarque
En considrant l'vnement contraire

C,

nous obtenons l'ingalit suivante :

p(|X m| < ) 1
En eet,

2 2
2 2

1 p( ) 1

2 , c'est--dire 2

p(|X m| < ) 1

( C = |X m| < )

3.3 Lois usuelles


3.3.1 Loi uniforme
Soit

une variable alatoire sur un univers

avec

X() = {x1 , x2 , ..., xn }


suit la loi

Dnition 3.3.1.
on crit

X Un

si

On dit qu'une variable alatoire 1 p(X = xi ) = n .

uniforme sur X() et

On a :

E(X) =
Cas particulier :

1 n

xi
i=1

et V ar(X) =

1 n

x2 E 2 (X) i
i=1

X() = {1, 2, ..., n}, alors la loi 1 P (X = xi ) = n , i = 1, 2, ..., n n+1 E(X) = 2 2 1 V ar(X) = n 12
Si

de

peut tre facilement rsume par :

3.3.2 Lois de tirage avec remise


Loi de Bernoulli Dnition 3.3.2.
On dit qu'une variable alatoire

est une

v.a.r

de

Bernoulli si elle
X
suit la loi de

ne prend que deux valeurs 0 et 1 avec des probabilits non nulles. On dit Bernoulli de paramtre

et on crit

X (1, p)
36

Exemple
On lance une pice de monnaie o la probabilit d'amener pile est note v.a.r

p ]0, 1[.

La

dnie par

X = 1 si le rsultat est pile et X = 0 sinon. X


Soit

est une

v.a.r de Bernoulli.

Proposition 3.3.1.

X (1, p), et

alors

E(X) = 0(1 p) + 1.p = p


.

V (X) = (0 p)2 (1 p) + (1 p)2 p = p(1 p) = pq

Loi binomiale ( Schma de Bernoulli )


On dispose d'une urne qui contient deux types de boules, des noires et des blanches par exemple. Dans cette urne, la proportion des boules blanches est probabilit est

p,

celle des noires est

q = 1 p.

Chaque fois que l'on tire une boule, on la remet dans l'urne. On a, chaque tirage, la

p(B) de tirer p(N ) = q = 1 p.

une boule blanche est

p(B) = p

et celle de tirer une boule noire

Cette situation illustre ce qui porte le nom de

schma de Bernoulli :
B
( succs) et

Dnition 3.3.3.

Une preuve donne lieu deux issues possibles

(chec).

La probabilit du succs est (nombre d'preuves) et

et celle d'chec est

q = 1p

cette preuve est excut

fois.

On dit qu'on a confront un schma de Bernoulli caractris par les nombres

( probabilit de succs chaque preuve )

Univers associ un schma de Bernoulli


Soit un schma de Bernoulli de paramtres Chaque srie de

et

p. n
lettres, chacune tant

tirages peut tre rsume par une liste de

ou

N. 2n
listes possibles qui sont les vnements lmentaires.

Il y a donc

Proposition 3.3.2.
n
ayant
Soit de ces

Un schma de Bernoulli de paramtres

et

donne lieu un univers

2n

lments.

la variable alatoire qui donne le nombre de boules blanches obtenues la n

tirages. Nous avons :

X(n ) = {0, 1, ..., n}

Thorme 3.3.1. Dmonstration :

Dans un schma de Bernoulli de paramtres

et

entier compris entre

et

n,

la probabilit de l'vnement

(X = k)

est

p , tant donn k pk (1 p)nk n

(X = k) est form de k vnements lmentaires. tudions, par n exemple, l'vnement lmentaire B...B N...N Chaque tirage d'une boule est indpendant
En eet : L'vnement des autres, il vient alors

p(B...BN...N ) = p...p q...q = pk (1 p)nk


k fois nk fois
37

k fois

nk fois

D'autres part les change, c'est--dire

k vnements lmentaires qui constituent n

(X = k)

ont la mme

probabilit, car le nombre de lettres

est le mme dans tous les cas. Seul l'ordre qui

P (X = k) =

k pk (1 n

p)nk

Dnition 3.3.4.
sur l'univers la

loi binomiale
p
. On crit

qui lui est associ, dnie par

tant donn un schma de Bernoulli de paramtres n et p, la probabilit, p(X = k) = k pk (1p)nk porte le nom de n . On la note B(n, p) et on dit que X suit une loi binomiale de paramtres

et

X B(n, p)

Exemple
Supposons que dans des conditions normales de fonctionnement, la quantit de pices dfectueuses usines par une machine est une caisse de

1%. X
de pices dfectueuses dans

En considrant que la machine est bien rgle, le nombre

100

2 ). pices, suit la loi (100, 10

La probabilit pour qu'il y ait moins de

pices dfectueuses dans la caisse est donc :

1 p(X < 2) = 1 p(X = 0) p(X = 1) = 1 = 1 0.99 = 0.26424


0 0 100 0.01 (1 100

0.01)100

1 1 100 0.01 (1

0.01)99

0.9999

Exercice 3.2.
Dans un groupe de 100 personnes, quelle est la probabilit pour que 2 personnes exactement soient nes le mme jour ?

Solution
On suppose que :

La probabilit de naissance est le mme toute l'anne Il y a indpendance entre les naissances. Il n'y a pas d'anniversaire le 29 fvrier ( On ne tient pas compte des annes bissextiles
) Pour un jour donn, chaque individu, on associ une v.a.r de Bernoulli gale 1 si son anniversaire, 0 sinon. Le nombre de personnes nes ce jour l est donc une variable binomiale avec

X (100, p)

p=

1 365 .

La probabilit cherche est donc :

p(X = 2) =

p)98 100 99 1 2 1 98 = ( ) (1 ) 2 365 365 = 0.0284


alors

2 2 100 p (1

Proposition 3.3.3.

Soit

X B(n, p)

E(X) = np

et

V (X) = npq

38

Dmonstration :

Par dnition, on a :

E(X) =
k=0

kp(X = k) =
k=0

k k n p (1

p)nk =
k=1

k k n p (1

p)nk

et terme est nul ) et ( le 1

k
donc

k n

n! (k 1)!(n k)!

E(X) = n p

k=1 n1

(n 1)! pk1 (1 p)nk (k 1)!(n k)! (n 1)! pi (1 p)n1i i!(n i 1)!

= = =
On peut crire :

np
i=1

np(p + 1 p)n1 np

V ar(X) = E(X(X 1)) + E(X) E 2 (X) = E(X(X 1)) + np n2 p2


Calculons

E(X(X 1)).
n

E(X(X 1)) =
k=0 n

k(k 1) k(k 1)
k=2

k k n p (1

p)nk p)nk (les


deux premiers termes sont nuls)

=
mais

k k n p (1

k(k 1)
donc

k n

= n(n 1)

k2 n2

E(X(X 1)) = n(n 1) = n(n 1)p


k=2 n 2

k2 k n2 p (1

p)nk p)nk

k2 k2 (1 n2 p

k=2 n2

= n(n 1)p2
i=0

i i n2 p (1

p)(n2)i

(avec i = k 2)

= n(n 1)p2 (p + 1 p)n2 = n(n 1)p2


39

D'o :

V ar(X) = E(X(X 1)) + np n2 p2 = n(n 1)p2 + np n2 p2 = npq

Exercice 3.3.
Un d ttradique a ses quatre faces numrotes d repose sur la face numrote

aprs un lancer

1, 2, 3, 4. Soit pi la probabilit (i = 1, 2, 3, 4). On donne :

pour que le

p1 =
Soit

1 7 11 5 , p2 = , p3 = , 4 = 12 36 36 12 A


la v.a.r qui associe un jet de ce d la somme des nombres ports sur les faces

visibles. On lance le d 5 fois de suite. Quelle est la probabilit pour que l'vnement

est pair  se ralise a) deux fois exactement ? b) au moins une fois ? c) au plus une fois ?

3.3.3 Loi hypergomtrique


On considre une urne qui contient avec

boules, et

Np

boules blanches et

Nq

boules noires,

la proportion des boules blanches

1p

celle des boules noires.

Dnition 3.3.5.
X

On considre l'urne prcdente, on tire

boules de cette urne, sans

remise, et on appelle

X
Si

la v.a.r gale au nombre de boules blanches obtenues et on dit que

suit une loi hypergomtrique de paramtres

N, n

et

p.

Nous crivons et

(N, n, p)

Proposition 3.3.4.
k nk Np Nq n N

(N, n, p),

alors

X() [0, n]

k [0, n] p(X = k) =

Proposition 3.3.5.

Soit

(N, n, p),

on a

E(X) = np

et

V (X) = npq N n N 1

Remarque importante
On montre que

k nk Np Nq n N

tend vers

k pk (1 p)nk quand n

converge en loi vers une variable binomiale de Si

N tend vers +. On dit que paramtres n et p.

est assez grand, on peut, dans un calcul de probabilit, remplacer la loi hyper-

gomtrique

(N, n, p)

dpendant de trois paramtres par la loi binomiale

dpend que de deux paramtres est satisfaisante lorsque

B(n, p) qui ne n et p. Dans la pratique, on admet que cette approximation N > 10n.

40

3.4 Couple de variables alatoires


3.4.1 Lois marginales
Soit

(, P (), p)

un espace probabilis ni et

C = (X, Y )

un couple de variables ala-

toires, nous notrons

X() = {x1 , x2 , ..., xn } et Y () = {y1 , y2 , ..., ym } pij = p((X = xi ) (Y = yj )), pour (i, j) [1, n] [1, m] pi. = p((X = xi ), pour i [1, n] p.j = p(Y = yj )), pour j [1, m] f: I R t x = f (t)

Dnition 3.4.1.
1) L'application

Soit

C = (X, Y )

un couple de variables alatoires.

p : X() Y () [0, 1] (xi , yj ) pij = p((X = xi ) (Y = yj ))


s'appelle la

loi conjointe du couple

C = (X, Y )

2) L'application

p : X() [0, 1] xi pi. = p((X = xi )


s'appelle la de

premire loi marginale du couple C = (X, Y ) (c'est tout simplement la loi


p : Y () [0, 1] yj p.j = p(Y = yj ))

X)
3) L'application

s'appelle la

deuxime loi marginale du couple( c'est la loi de Y ) Reprsentation matricielle des lois de = (X, Y ) C
X\ Y

x1 x2 xn
Loi de

y1 p11 p21

y2 p12 p22

ym p1m p2m

Loi de

p1 p2

pn1 p1

pn2 p2

pnm pm

pn
1

Exemple
Une urne contient 4 boules blanches et 3 boules noires. On tire successivement 2 boules de l'urne. Nous noterons

la v.a.r prenant la valeur 1 si la premire boule tire est blanche

41

et 0 sinon. Nous dnissons de mme la v.a.r

concernant le tirage de la deuxime boule.

er e 1 cas :Tirage avec remise 2 cas X\ Y

Tirage sans remise

0
9 49 12 49 3 7
Soit

1
12 49 16 49 4 7

Loi de X

Y X\

0
1 7 2 7 3 7

1
2 7 2 7 4 7

Loi de X

0 1
Loi de Y

3 7 4 7

0 1
Loi de Y

3 7 4 7

Thorme 3.4.1.

C = (X, Y )

un couple de variables alatoires. Alors les lois margi-

nales du couple sont donnes par : j=m x X(), p(X = x) = p(X = x, Y = yj ) j=1 i=n p(X = xi , Y = y) y Y (), p(Y = y) = i=1 i=n j=m

i=1 j=1

p(X = xi , Y = yj ) = 1

Dmonstration :
x X(),
on peut crire :

j=m

(X = x) = (X = x) (
j=1 j=m

Y = yj )

=
j=1
d'o

(X = xi , Y = yj ) (runion

disjointe)

j=m

j=m

p(X = x) = p(
j=1

(X = xi , Y = yj ) =
j=1

p(X = x, Y = yj )

De mme, on montre que :

i=n

y Y (), p(Y = y) =
i=1

p(X = xi , Y = y)

On a :

i = 1, 2, ..., n
j=m i=n i=n j=m

p(X = xi ) =
j=1

p(X = x, Y = yj ) = 1 =
i=1

p(X = xi ) =
i=1 j=1

p(X = x, Y = yj )

42

Remarque
Le thorme peut s'crire sous la forme :

j=m

i [1, n], pi = j [1, m], pj =


i=1 i=n j=m

pij
j=1 i=n

pij

i=1 j=1

pij = 1

3.4.2 Lois conditionnelles


Soit

C = (X, Y )

un couple de variables alatoires, avec :

X() = {x1 , x2 , ..., xn } et () = {y1 , y2 , ..., ym } pij = p((X = xi ) (Y = yj )), pour (i, j) [1, n] [1, m] pi. = p(X = xi ), pour i [1, n] p.j = p(Y = yj )), pour j [1, m] Si p(Y = yj ) = 0, on peut considrer les nombres p(X = xi /Y =yj ) =
De mme si

p((X = xi ) (Y = yj )) pij = p(Y = yj ) pj

p((X = xi ) = 0,

on peut considrer les nombres

p(Y = yj /X=xi ) =
d'o la dnition suivante :

pij p((X = xi ) (Y = yj )) = p(X = xi ) pj

Dnition 3.4.2.
tionnelle de relation :

Soit

sachant

C = (X, Y ) un couple de variables alatoires. On appelle loi condiY = yj , l'application dnie sur X(), valeurs dans [0, 1] par la xi p(X = xi /Y =yj ) = pij pj

De mme on appelle loi conditionnelle de valeurs dans

sachant

X = xi , l'application dnie sur Y (), pij pi

[0, 1]

par la relation :

yi p(Y = yi /X=xi ) =

Exemple
Reprenons l'exemple prcdent et dterminons toutes les lois conditionnelles : a)

Tirage avec remise


X /Y

=0

X /Y

=1

3 7

4 7

3 7

4 7

43

par exemple :

p(X = 0/Y =1 ) =
Y /X

9 49 3 7

3 = 7)
0 1

=0

Y /X

=1

3 7

4 7

3 7

4 7
quelle valeur de et

On remarque que le conditionnement de

( ou de b)

X ) n'aecte pas la Tirage sans remise


X /Y

loi de

( ou

X ( ou de Y ) par n'importe Y ), c'est--dire X/Y =j = X


X /Y

Y /X=i = Y

=0

=1

p
par exemple

1 2
2 7 3 7

1 2

2 3

1 3

p(X = 0/Y =1 ) =
Y /X

= 2) 3
0 1

=0

Y /X

=1

1 2

1 2

2 3

2 3

Dans ce cas, le conditionnement a eu un eet. Par exemple tirage inue sur la loi de la deuxime.

X/Y =0 = X

ou

Y /X=1 = Y.

Il est normal que dans un tirage sans remise, la connaissance du rsultat de la premire

3.4.3 L'indpendance
Dnition 3.4.3.
Soit variables alatoires, on dit les v.a.r

(, P (), p) un espace probabilis ni et C = (X, Y ) X et Y sont indpendantes si :

un couple de

p((X = xi ) (Y = yj )) = p(X = xi ) p(Y = yj )) pour (i, j) [1, n] [1, m]


ou encore :

pij = pi pj pour (i, j) [1, n] [1, m]

Exemple
Les deux variables remise.

et

Y,

considrs dans l'exemple prcdent, sont indpendantes

dans le cas de tirage avec remise et ne sont pas indpendantes dans le cas de tirage sans

Exercice 3.4.
Une urne contient une boule porte le numro 1, deux boules portent le numro 2 et trois boules portent le numro 3. On dtermine un entier

trois chires en tirant successive-

ment et avec remise 3 boules de l'urne. On suppose que les tirages sont quiprobables. La premire boule tire fournit le chire des centaines de

n,

le deuxime tirage indique

le chire des dizaines et le troisime tirage indique le chire des units. 1. Calculer les probabilits des l'vnements :

A obtenir un entier constitu B obtenir un nombre pair

par trois chires impairs

44

2. Soit

la variable alatoire gale au nombre des chires pairs dans l'entier

et

la

v.a.r gale

si

n
et

pair et

si

a) Donner la loi du couple b) Les v.a.r

n impair. (X, Y ).

sont-ils indpendantes ?

Solution
1. Puisque le tirage est avec remise alors card

= 63 .
8 27
et

A B

est ralis si on a tir trois boules parmi les quatre qui portent les numros

impairs, donc cardA

=444

et

4 p(A) = ( 6 )3 =

est ralisable si et seulement si on a obtenu, dans le troisime tirage, une boule

portant un numro pair, donc cardB 2. a) On a :

=662

p(B) = 1 . 3

X() = {0, 1, 2, 3} et Y () = {0, 1}


L'vnement chire pair, ceci est impossible donc

(X = 0, Y = 0) signie qu'on obtient un nombre pair qui contient aucun p00 = p(X = 0, Y = 0) = 0 L'vnement (X = 0, Y = 1) signie qu'on obtient un nombre impair qui contient 8 aucun chire pair, c'est--dire A = (X = 0, Y = 1), donc p01 = p(A) = 27 L'vnement (X = 1, Y = 0) signie qu'on obtient un nombre pair qui contient un

seul chire pair,

p10 = p(X = 1, Y = 0) 442 = 63 4 = 27


De mme on trouve :

p11 =

8 4 2 1 , p20 = , p21 = , p30 = , p31 = 0 27 27 27 27


Y X\

0 1 2 3
Loi de b) On a, par exemple,

0 0
4 27 4 27 1 27 9 27

1
8 27 8 27 2 27

Loi de

0
18 27

8 27 12 27 6 27 1 27

1
8 9 27 . 27 , donc
pas indpen-

p(X = 0, Y = 0) = 0 et p(X = 0) p(Y = 0) = p(X = 0, Y = 0) = p(X = 0) p(Y = 0) et les v.a.r X et Y ne sont


dantes.

45

Exercice 3.5.
Montrer le rsultat suivant : Deux variables alatoires sont indpendantes si et seulement si, le rang de la matrice associe

A (A = (pij )1in,1jm )

est gal 1.

3.4.4 Covariance, coecient de corrlation linaire


Esprance de
Soient

u(X, Y ) Y
deux v.a.r sur

et

.
(

L'esprance de formule suivante :

Z = u(X, Y )

fonction relle deux variables ) est donn par la

E(Z) =
(x,y)X()Y ()
Cas particuliers :

u(x, y)p(X = x, Y = y)

E(X + Y ) = =

(x + y)p(X = x, Y = y)
(x,y)X()Y ()

(x,y)X()Y ()
Or :

xp(X = x, Y = y) =
(x,y)X()Y ()

[
xX() yY ()

xp(X = x, Y = y)] p(X = x, Y = y]

=
xX()
De plus

x[
yY ()

p(X = x, Y = y) = p(X = x)
yY ()
D'o

xp(X = x, Y = y) =
(x,y)X()Y ()
De mme, on a :

xp(X = x) = E(X)
xX()

yp(X = x, Y = y) = E(Y )
(x,y)X()Y ()

Conclusion :
E(X + Y ) = E(X) + E(Y ) E(XY ) =
(x,y)X()Y () xyp(X

= x, Y = y)

46

De plus, si

et

sont indpendantes, alors :

E(XY ) =
(x,y)X()Y ()

xyp(X = x, Y = y) xyp(X = x)p(Y = y)


(x,y)X()Y ()

= =
xX()

xp(X = x)
yX()

yp(X = y)

= E(X)E(Y )
Donc si

et

sont deux v.a.r

indpendantes, alors

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

Covariance Dnition 3.4.4.

Soit

(, P (), p)

un espace probabilis ni et

C = (X, Y )

un couple de

variables alatoires. Le nombre :

E[(X E(X))(Y E(Y )]


est appel

Proposition 3.4.1. Preuve :


En eet : On a :

covariance de X et Y
Soient

et not

Cov(X, Y ). ,
alors

et

deux v.a.r sur

E[(X E(X))(Y E(Y )] =

E(X.Y ) E(X)E(Y )

E[(X E(X))(Y E(Y )] = E[XY E(Y )X E(X)Y + E(X)E(Y )]


et l'esprance tant un application linaire, il vient :

E[(X E(X))(Y E(Y )] = E(XY ) E(Y )E(X) E(X)E(Y ) + E(X)E(Y ) = E(X.Y ) E(X)E(Y )

Exemple
Soient

En eet,

Y de loi B(1, p), alors Cov(X, Y ) = p(X = 1, Y = 1) p2 . E(XY ) = (x,y)X()Y () xyp(X = x, Y = y) = p(X = 1, Y = 1)
et

Thorme 3.4.2.
1)

Soit X, Y, X , Y des variables alatoires sur (, P (), p). Alors : Cov(X, Y ) = Cov(Y, X) 2) Cov(X + X , Y ) = Cov(X, Y ) + Cov(X , Y ) et Cov(X, Y + Y ) = Cov(X, Y ) + Cov(X, Y ) 3) Cov(X, Y ) = Cov(X, Y ) = Cov(X, Y ) 4) Cov(X, X) = V ar(X) 0 5) V ar(X + Y ) = V ar(X) + 2Cov(X, Y ) + V ar(Y ) 6) Si X et Y indpendantes alors Cov(X, Y ) = 0

47

La preuve ne pose aucun problme.

Lemme
Soit

une v.a.r. Si

V ar(X) = 0

alors

est constante.

Preuve :
V ar(X) =

i=n

[xi E(X)]2 p(X = xi ) = 0 i [1, n], [xi E(X)]2 p(X = xi ) = 0


i=1

i [1, n], xi E(X) = 0 i [1, n]; xi = E(X)


donc

X() = {E(X)}

et par suite

est la variable constante gale

E(X).
Alors :

Thorme 3.4.3.

Soit

X, Y

deux variables alatoires sur

(, P (), p).

|Cov(X, Y )| (X)(Y )()


L'galit ayant lieu si et seulement si

Y = aX + b

a, b

des rels )

Preuve :
On pose, pour tout

RT () = V ar(X + Y ),

alors :

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


Si

V ar(X) = 0, T

est un trinme du second degr en

trinme

pour tout

Ainsi

= [Cov(X, Y )]2 V ar(X)V ar(Y ) 0


C'est--dire

|Cov(X, Y )| (X)(Y ) ((X) =


Si

V ar(X)) Cov(X, Y ) = 0,
donc

V ar(X) = 0

dans ce cas

et

sont indpendantes et

()

est

vri. Si

Cas d'galit :

|Cov(X, Y )| = (X)(Y ), T () admet une racine double c : T (c) = V ar(cX + Y ) = 0, cX + Y est donc une v.a.r constante b ( d'aprs le lemme ). On a donc cX + Y = b = Y = cX + b = aX + b (c = a).

Coecient de corrlation linaire Dnition 3.4.5.


Soit

lorsque

et Y deux variables Cov(X, Y ) = 0).

alatoires sur

(, P(), p).

On dit que

et

sont corrles le nombre

On appelle coecient de corrlation linaire de X et Cov(X,Y ) (X)(Y ) .


48

et on note

(X, Y )

Proposition 3.4.2.
1) 2)

Soit

X, Y

deux variables alatoires sur

(, P(), p).

Alors :

1 (X, Y ) 1 X et Y sont indpendantes = (X, Y ) = 0 3) Si (X, Y ) = 1 (rep.1), alors il existe a > 0 que Y = aX + b.

(resp.a

< 0)

et une constante

tel

Exercice 3.6.
Soit

une variable uniforme sur

{1, 0, 1},

c'est--dire :

X() = {1, 0, 1}
Calculer

et

p(X = 1) = p(X = 0) = p(X = 1) =

1 3

(X n , X m )

avec

(n, m) N2 .

Solution
k N ,
on a : Si

est pair :

E(X k ) = (1)k p(X = 1) + 0k .p(X = 0) + 1k .p(X = 1) =


et

2 3

V ar(X) = E(X 2k ) E 2 (X k ) =
Si

2 2 2 ( )2 = 3 3 9

est impair

E(X k ) = (1)k p(X = 1) + 0k .p(X = 0) + 1k .p(X = 1) = p(X = 1)) + p(X = 1) = 0


et

V ar(X) = E(X 2k ) E 2 (X k ) =
Calculons

2 2 0= 3 3

(X n , X m ) =

Cov(X n ,X m ) (X n )(X m )

(X n , X m ) =
Si

E(X n+m ) E(X n )E(X m ) V ar(X n ).V ar(X m )

et

sont pairs.

(X n , X m ) =
Si

2 3

( 2 )2 3
2 9

=1

2 9

est pair et

impair ou si

impair et

pair.

(X n , X m ) =

0 0 ( 2 )2 3
2 9
49

=0

2 3

Si

et

sont impairs.

(X n , X m ) =

2 3

00
2 3

=1

2 3

50

Annexe A

Problme I
Premire partie
Une urne contient deux boules de l'urne. 1. Calculer la probabilit qu'il tire deux boules blanches. 2. Le joueur participe maintenant au jeu suivant : (a) s'il tire deux boules blanches il gagne (b) s'il tire deux boules noires il perd

boules :

blanches et

noires. Un joueur extrait simultanment

francs

(x 0) ;

10x

francs ;

(c) s'il tire une boule blanche et une boule noire, il procde un second tirage de deux boules, sans remettre les deux premires boules tires : l'issue de second tirage il gagne On dsigne par ) du joueur. 3. Donner la loi de probabilit de la v.a.r 4. Calculer, en fonction de

francs s'il tire deux boules blanches, sinon il perd

francs.

G la v.a.r dont les valeurs sont gales aux gains ( positifs ou ngatifs G. G.
dterminer

y,

l'esprance mathmatique de

pour que

le jeu soit quitable, c'est dire

E(G) = 0.

5. s'il tire une boule blanche et une boule noire, il procde un second tirage de deux boules, sans remettre les deux premires boules tires : l'issue de second tirage il gagne

francs s'il tire deux boules blanches, sinon il perd

francs.

Pour cette valeur de

y,

calculer l'cart-type

(G)

de la variable

en fonction de

x.

Deuxime partie
Soit la fonction

f,

dnie pour tout rel

x,

par :

f (x) =
1. Dterminer le rel

110x2 + 60 21

tel que

x+

lim [f (x) x] = 0
pour

Quel est le signe de

f (x) x

x0?

51

2. tudier la fonction

et tracer sa courbe reprsentative

(C)

et ses asymptotes dans

un repre orthonorm ( unit : 3. Dterminer l'entier naturel compris entre

1.5 cm

).

pour lequel l'cart-type

(G)

de la premire partie est

et

8.

52

Annexe B

Problme II
On considre le jeu lectronique suivant : Un point lumineux

se dplace par sauts successifs sur un axe d'origine

chaque instant se situer en l'un des cinq points Lorsque le point ci-dessous :

Pj

d'abscisses j gales :

O, et peut 2; 1; 0; 1; 2.

qu'il se positionne en

L est en Pj , j {2, 1, 0, 1, 2} l'instant t, la probabilit pour Pk , k {2, 1, 0, 1, 2} l'instant t + 1 est fournie par le tableau

instant t \

instant t+1

P2 P1 P0 P1 P2

P2 0 0.5 0 0 0

P1 1 0 0.5 0 0

P0 0 0.5 0 0.5 0

P1 0 0 0.5 0 0

P2 0 0 0 0.5 1

1. On dsigne par l'instant

Xn

la v.a.r qui prend pour valeur l'abscisse du point lumineux

t=n Xi , i = 0, 1, 2, 3, 4. Calculer v.a.r Xi , i = 0, 1, 2, 3, 4. (X3 , X4 ).


l'esp-

(a) Dterminer les lois de probabilit des v.a.r rance mathmatique et la variance des

(b) Calculer le coecient de corrlation linaire du couple 2. (a) Dterminer la loi de probabilit de

Xn+1

en fonction de la loi de probabilit de

Xn .
(b) On dsigne par

an

la probabilit de l'vnement

Xn = 0.

tablir une relation

de rcurrence de la forme :

an+2 + an + an2 = 0, n 2.
(c) Dterminer toutes les suites

(un )nN

relles vriant la relation de rcurrence :

un+1 + un + un1 = 0, n 1.
53

(d) En dduire

an .

Dmontrer que la suite

(an )nN

converge et calculer sa limite.

54

Annexe C

Problme III
On dsire tudier sur un certain nombre d'annes les mouvements migratoires d'une population lors des vacances d't. L'observation de cette population a conduit la construction d'un modle mathmatique dont les hypothses sont les suivantes :

H1 : Le territoire sur lequel volue la population durant les vacances d't est divis en trois rgions, notes 1, 2, 3. H2 : Chaque anne, tout individu de la population tudie choisit une rgion et une seule pour y passer toutes les vacances d't. H3 : Le choix d'une rgion par un individu pour y passer ses vacances d't est un phnomne alatoire qui volue dans le temps partir d'une anne initiale appele anne 1. i {1, 2, 3} et n 1, l'vnement :  choisir la rgion i pour y n  et i (n) = p[Ai (n)], i {1, 2, 3} la probabilit de choisir l'anne n, la region i pour y passer ses vacances d't. H4 : 1 (1) = 0.2; 2 (1) = 0.45; 3 (1) = 0.35 H5 : La probabilit de choisir la rgion i, i {1, 2, 3}, pour y passer ses vacances l'anne n + 1, ne dpond que du choix effectu l'anne n.
On note

Ai (n),

pour

passer ses vacances d't, l'anne

aij = p[Ai (n + 1)/Aj (n)] , 1 i 3, 1 j 3, la probabilit de choisir la rgion i l'anne n + 1, sachant que l'anne n, on choisi la rgion j. On suppose que i, j {1, 2, 3}, aij est indpendant de l'anne considre et que les aij sont les lments de la matrice M suivante : a11 a12 a13 0.3 0.1 0.6 M = a21 a22 a23 = 0.5 0.3 0.2 a31 a31 a33 0.2 0.6 0.2
On note

H6 : On suppose que la population tudie reste inchange durant toutes les annes prises en considration dans ce modle.

Question prliminaire :

55

A1 , A2 , ..., An une famille d'vnements d'un univers , avec p(A1 A2 ...Ai ) = 0, i = 1, 2, ..., n 1.
Soit Montrer que

p(A1 A2 ... An ) = p(A1 )p(A2/A1 )p(A3/A1 A2 )...p(An/A1 A2 ...An1 )

Partie A
1. (a) Soit

Bn

l'vnement  choisir chaque anne la rgion 2 durant toutes les

premires annes  Calculer

p(B3 ). Exprimer p(Bn )

en fonction de

n. 1
l'anne

(b) Sachant qu'un individu choisit la rgion qu'il ait choisi la rgion

2,

quelle est la probabilit

l'anne

1?

(c) Calculer la probabilit pour qu'un individu change de rgion entre la premire anne et la deuxime anne.

Partie B
2. (a) Exprimer, en le justiant, une relation entre les matrices

1 (n + 1) 2 (n + 1) 3 (n + 1)
puis entre les matrices

et

1 (n) 2 (n) 3 (n)

1 (n + 1) 2 (n + 1) 3 (n + 1) M = P DP 1 ,
avec

et

1 (1) 2 (1) 3 (1) P


inversible telle que

(b) On montre le rsultat suivant : Il existe une matrice

On pose

1 0 D= 0 0 0 a a P 1 = b b c c

Montrer que

0 0 ( = 0.1+i 0.11) a b c 1 0 0 M n = P 0 n 0 P 1 0 0 n

et

1 P = 1 1

x y z

x y z

Dnition C.0.6.
ments de quand On note alors

On dit qu'une suite de matrices (Un )n1 de type (m q) lC, (Un = [uij (n)]1im,1jq ) converge vers une matrice L = (lij )1im,1jq ntend vers l'inni si lim uij (n) = l (i, j) {1, 2, ..., m} {1, 2, ..., q}

n+

L = lim Un
n+

56

Proposition C.0.3. tant donn une suite de matrices


et
3.

(Un )n1 de type (m q) lments de C , qui converge vers la matrice L , lorsque n tend vers l'inni et V , W deux matrices telles que les produits V L et LW soient dnis, on a alors : lim V Un = V L
n+ n+

lim Un W = LW. (M n )n1


converge et calculer sa limite. deux matrices telles que la

(a) Montrer que la suite de matrices (b) Soient

U = (uij )1i3,1j3

et

V = (vij )1i3,1j3 U V.

somme des lments de chaque colonne de chacune d'elles soit gale qu'il est de mme pour la matrice

1. Montrer P 1 .

(c) Dduire de ce qui prcde les valeurs des lments 4. Montrer que les suites limites.

a, a , a

de la matrice

[1 (n)]n1 , [2 (n)]n1 , [3 (n)]n1

convergent. Calculer leurs

57