Probabilités – L2 Informatique – S4 – 2021 R. Loubaton, I. Marcovici, W.

Oçafrain

Feuille 3 : Variables aléatoires discrètes

Exercice 1
a. On lance deux dés équilibrés. On note X1 le résultat du premier dé, et X2 le résultat du deuxième
dé. Déterminer la loi de X1 − X2 .
On commence par déterminer les valeurs possibles pour la variable aléatoire X = X1 − X2 . Comme
X1 et X2 prennent des valeurs (indépendantes) entre 1 et 6, on a X(Ω) = {−5, . . . , 5}. On regarde
ensuite quelles sont les différentes manières d’obtenir chaque valeur possible. On a :

P(X = −5) = P((X1 , X2 ) = (1, 6)) = 1/36

P(X = −4) = P((X1 , X2 ) ∈ {(1, 5), (2, 6)}) = 2/36
P(X = −3) = P((X1 , X2 ) ∈ {(1, 4), (2, 5), (3, 6)}) = 3/36
P(X = −2) = P((X1 , X2 ) ∈ {(1, 3), (2, 4), (3, 5), (4, 6)}) = 4/36
P(X = −1) = P((X1 , X2 ) ∈ {(1, 2), (2, 3), (3, 4), (4, 5), (5, 6)}) = 5/36
P(X = 0) = P((X1 , X2 ) ∈ {(1, 1), (2, 2), (3, 3), (4, 4), (5, 5), (6, 6)}) = 6/36

et on vérifie facilement que P(X = i) = P(X = −i), ce qui donne les valeurs restantes.
b. On lance un dé équilibré, au plus 5 fois, en s’arrêtant dès qu’on obtient 6. Donner la loi du
nombre de lancers effectués.
Ici, par hypothèse, on va faire entre 1 et 5 lancers. Donc si on note X le nombre de lancers, on a
X(Ω) = {1, 2, 3, 4, 5}.
On a P(X = 1) = 1/6 (cas où on obtient tout de suite un 6)
P(X = 2) = (5/6) · (1/6) = 5/36 (obtenir autre chose qu’un 6, puis un 6)
De même, P(X = 3) = (5/6)2 · (1/6) et P(X = 4) = (5/6)3 · (1/6)
Et P(X = 5) = (5/6)4 , car l’événement X = 5 correspond en fait simplement à ne pas obtenir de 6
au cours des quatre premiers lancers (ou sinon, on peut aussi calculer P(X = 5) en utilisant le fait
que la somme des probabilités doit être égale à 1).

Exercice 2 Un livre de 350 pages contient 450 erreurs d’impression réparties au hasard. Soit X la
variable aléatoire du nombre d’erreurs dans une page déterminée.
a. Quelle est la loi de X ?
Il faut ici imaginer qu’on répète 450 fois l’expérience qui consiste à choisir au hasard une page du
livre, et à y glisser une erreur. Si on fixe une page du livre, alors à chaque erreur qu’on fait, la
probabilité qu’elle soit sur cette page est de 1/350. Donc X suit la loi Binomiale de paramètres
n = 450 et p = 1/350.
b. Donner une expression de la probabilité qu’il y ait au moins 3 erreurs dans une page déterminée.
On a P(X ≥ 3) = 1 − P(X = 0) − P(X = 1) − P(X = 2), où :

P(X = 0) = (1 − p)450
 
450
P(X = 1) = p · (1 − p)449 = 450 · p · (1 − p)449
1
 
450 2 450 · 449 2
P(X = 2) = p · (1 − p)448 = p · (1 − p)448
2 2

Exercice 3 Montrer que si X est une v. a. de loi géométrique, elle vérifie la propriété d’absence
de mémoire suivante : ∀k ∈ N, ∀n ∈ N, P(X > n + k | X > n) = P(X > k).

1
Probabilités – L2 Informatique – S4 – 2021 R. Loubaton, I. Marcovici, W. Oçafrain

Interpréter ce résultat en considérant une suite d’épreuves répétées.

On a :
P(X > n + k etX > n) P(X > n + k)
P(X > n + k | X > n) = = .
P(X > n) P(X > n)
Or, si X suit une loi géométrique de paramètre p, l’événement X > ` peut être interprété comme
le fait qu’après avoir répété ` fois une expérience ayant une probabilité de succès, on n’a toujours
pas observé de succès, ce qui revient au fait que les ` premiers essais ont donné des échecs. Ainsi,
pour tout entier ` ≥ 1, on a : P(X > `) = (1 − p)` , et il en découle que :

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

L’interprétation est la suivante : pour la loi géométrique, sachant qu’au bout de n essais, on n’a tou-
jours pas observé de succès, la probabilité de devoir faire encore au moins k essais pour observer un
succès est la même que la probabilité, pour quelqu’un qui n’aurait fait aucun essai antérieurement,
de devoir faire au moins k essais pour observer un succès. On parle de phénomène d’absence de
mémoire. C’est lié au fait que les répétitions successives sont indépendantes. En gros, si vous avez
perdu n fois au loto, ça ne change pas vos probabilités concernant ce qui va se passer ensuite, vous
n’avez ni plus ni moins de chance de gagner que si vous commenciez tout juste à jouer.

Exercice 4 Soient X et Y deux v. a. indépendantes de loi uniforme sur {0, 1, 2, · · · , 9}.

a. Calculer P(X = Y ).
Il y a ici une erreur courante à ne pas faire ! La réponse est 1/10, car on a :
9
X 9
X 9
X
P(X = Y ) = P(X = i et Y = i) = P(X = i)P(Y = i) = (1/10)2 = 10 · (1/10)2 = 1/10.
i=0 i=0 i=0

b. Déterminer la loi de X + Y .
On commence par regarder les valeurs possibles pour X + Y . Ce sont les entiers de 0 à 18.
Pour chaque entier i ∈ {0, . . . , 18}, on détermine alors P(X + Y = i). On a :

P(X + Y = 0) = P((X, Y ) = (0, 0)) = 1/100

P(X + Y = 1) = P((X, Y ) ∈ {(0, 1), (1, 0)}) = 2/100
P(X + Y = 2) = P((X, Y ) ∈ {(0, 2), (1, 1), (2, 0)}) = 3/100, etc.

Au final, on obtient la loi suivante :

i 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
P(X + Y = i) 1 2 3 4 5 6 7 8 9 10 9 8 7 6 5 4 3 2 1
100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100

On peut vérifier au passage que la somme des probabilités vaut bien 1.

Exercice 5 On lance deux dés. On note X le plus grand des numéros obtenus, et Y le plus petit.
a. Déterminer les lois de X et de Y . Ces deux variables aléatoires sont-elles indépendantes ?
Ici, on a X(Ω) = {1, . . . , 6} et Y (Ω) = {1, . . . , 6}.
Notons D1 (respectivement D2 ) le résultat du premier (respectivement second) dé. Alors

X = max(D1 , D2 ), Y = min(D1 , D2 ).

2
Probabilités – L2 Informatique – S4 – 2021 R. Loubaton, I. Marcovici, W. Oçafrain

Puisque D1 et D2 sont indépendants, pour tout i, j ∈ J1, 6K,

1
P((D1 , D2 ) = (i, j)) = .
36
Et comme pour l’exercice précédent, on regarde les différentes possibilités :

P(X = 1) = P[(D1 , D2 ) = (1, 1)] = 1/36,

P(X = 2) = P[(D1 , D2 ) ∈ {(1, 2), (2, 2), (2, 1)}] = 3/36,

et de même

P(X = 3) = 5/36, P(X = 4) = 7/36, P(X = 5) = 9/36, P(X = 6) = 11/36.

À nouveau, il n’est pas inutile de vérifier que la somme vaut bien 1.

Pour la variable Y , les valeurs sont inversées :

P(Y = 1) = 11/36, P(Y = 2) = 9/36, P(Y = 3) = 7/36, P(Y = 4) = 5/36, P(Y = 5) = 3/36, P(Y = 6) = 1/36.

Les variables X et Y ne sont clairement pas indépendantes ! En effet, puisqu’on a nécessairement

Y ≤ X,

alors on a
P(X = 1 etY = 6) = 0
, alors que
P(X = 1)P(Y = 6) > 0.

b. Calculer E(X) et E(Y ), et vérifier que E(X) + E(Y ) = 7. Comment aurait-on pu retrouver ce
résultat de manière plus simple ?
On a
E(X) = (1 + 6 + 15 + 28 + 45 + 66)/36 = 161/36
, et
E(Y ) = (11 + 18 + 21 + 20 + 15 + 6)/36 = 91/36
.
Par linéarité de l’espérance, on a :

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

Or
X + Y = max(D1 , D2 ) + min(D1 , D2 ) = D1 + D2 .
Donc

E(X + Y ) = E(D1 + D2 ) = E(D1 ) + E(D2 ) = 3.5 + 3.5 = 7.

c. Calculer V (X) et V (Y ).
On a V (X) = E(X 2 ) − E(X)2 . Or,

E(X 2 ) = (1 · 1 + 4 · 3 + 9 · 5 + 16 · 7 + 25 · 9 + 36 · 11)/36 = 791/36

3
Probabilités – L2 Informatique – S4 – 2021 R. Loubaton, I. Marcovici, W. Oçafrain

.
D’où
V (X) = (791/36) − (161/36)2 = 2555/1296
On peut de même calculer V (Y ) :
11 9 7 5 3 301
E(Y 2 ) = +4× +9× + 16 × + 25 × +1= .
36 36 36 36 36 36
Puis
2555
V (Y ) = .
1296

Exercice 6 Soit X une variable aléatoire discrète d’espérance et de variance finies et Y une autre
v. a. telle que Y = aX + b. Calculer E(Y ) et V (Y ) en fonction de E(X) et V (X).
La correction réside dans le cours.
Par linéarité de l’espérance,

E(Y ) = E(aX + b × 1) = aE(X) + b E(1) = aE(X) + b.

|{z}
=1

Maintenant,

V (Y ) = E[(Y − E(Y ))2 ]

= E[(aX + b − aE(X) − b)2 ]
= E[(aX − aE(X))2 ] = a2 E[(X − E(X))2 ] = a2 V (X).

Exercice 7
1. Déterminer et tracer la fonction de répartition de la loi uniforme sur {0, . . . , n} et de la loi
géométrique de paramètre p.
2. Calculer l’espérance et la variance d’une variable aléatoire qui suit une loi uniforme sur l’en-
semble {0, 1, . . . , n}.
3. Calculer l’espérance d’une variable aléatoire qui suit une loi géométrique de paramètre p.

1. Notons U une variable aléatoire de loi uniforme sur {0, . . . , n} et τ une variable aléatoire de
loi géométrique de paramètre p. Alors, pour tout t ∈ R,

 0 si t < 0
btc+1
P[U ≤ t] = si t ∈ [0, n]
 n+1
1 si t > n,

où btc est la partie entière de t, i.e. l’unique entier n tel que n ≤ t < n + 1. Voici son graphe
pour n = 4 :

4
Probabilités – L2 Informatique – S4 – 2021 R. Loubaton, I. Marcovici, W. Oçafrain

1 2 3 4 5 t

On fait la même chose pour la variable τ : pour tout t ∈ R, en utilisant la formule P(X >
`) = (1 − p)` , de l’exercice 4, on a que pour tout t ≥ 0,

P[τ ≤ t] = P[τ ≤ btc] = 1 − P[τ > btc] = 1 − (1 − p)btc .

Donc, pour tout t ∈ R,


0 si t < 0
P[τ ≤ t] =
1 − (1 − p)btc sinon

De même, voici le graphe pour p = 0.5 :

1 2 3 4 5 t

2.
n
X
E(U ) = kP(U = k)
k=0
n
X 1
= k×
n+1
k=0
n
1 X
= k
n+1
k=0
n
= .
2

Var(U ) = E(U 2 ) − E(U )2

n
X n2
= k 2 P(U = k) −
4
k=0
n
1 X 2 n2
= k − .
n+1 4
k=0
Pn 2
Voici un moyen astucieux de calculer k=0 k : d’un côté,
n
X n+1
X n
X
3 3 3
(k + 1) = k = (n + 1) + k3 .
k=0 k=1 k=0

5
Probabilités – L2 Informatique – S4 – 2021 R. Loubaton, I. Marcovici, W. Oçafrain

De l’autre côté,
n
X n
X n
X n
X n
X
(k + 1)3 = k3 + 3 k2 + 3 k + 1.
k=0 k=1 k=0
|k=0
{z } |k=0
{z }
n(n+1)
= 2 =n+1

Donc par égalité,

n
X 3
(n + 1)3 = 3 k 2 + n(n + 1) + n + 1.
2
k=0
Donc
n
(n + 1) 2(n + 1)2 − 3n − 2
 

X 1 3
k2 = (n + 1)3 − n(n + 1) − (n + 1) =
3 2 6
k=0
n(n + 1)(2n + 1)
= .
6
Donc
4n2 + 2n 3n2 n2 n
Var(U ) = − = + .
12 12 12 6
3.
∞
X
E(τ ) = kP(τ = k)
k=1
X∞
= kp(1 − p)k−1
k=1
X∞
=p k(1 − p)k−1 .
k=1

Considérons la fonction
∞
X
x ∈]0, 1[7→ xk .
k=0
P∞
k=0 xk est une somme infinie de termes d’un suite géométrique de raison x ∈]0, 1[, que l’on
sait calculer
∞ N
X
k
X 1 − xN +1 1
x = lim xk = lim = .
N →∞ N →∞ 1−x 1−x
k=0 k=0

De plus, la fonction x 7→ ∞ k
P
k=0 x est dérivable et
∞
!0 ∞
X X
xk = kxk−1 .
k=0 k=1

Donc
∞  0
X
k−1 1 1
kx = = .
1−x (1 − x)2
k=1
Donc, en remplaçant x par 1 − p,
∞
X 1 1
E(τ ) = p k(1 − p)k−1 = p × 2
= .
(1 − (1 − p)) p
k=1

6
Probabilités – L2 Informatique – S4 – 2021 R. Loubaton, I. Marcovici, W. Oçafrain

Exercice 8 Soient X et Y deux v. a. indépendantes, et de même loi :

P(X = 1) = P(X = 2) = P(X = 3) = P(Y = 1) = P(Y = 2) = P(Y = 3) = 1/3.

On considère deux nouvelles v.a. Z = X + Y et T = X − Y .

1. Donner les lois de Z et T .
2. Montrer que les v.a. Z et T ne sont pas indépendantes.
3. Calculer E(Z), E(T ) et E(ZT ) (on remarquera que E(ZT ) = E(Z)E(T ) bien que Z et T ne
soient pas indépendantes).

1. Remarquons d’abord que nécessairement

X + Y ∈ J2, 6K, et X − Y ∈ J−2, 2K.

On va calculer cas par cas :

1
P (X + Y = 2) = P(X = 1, Y = 1) = P(X = 1)P(Y = 1) = .
9
2
P(X + Y = 3) = P(X = 1, Y = 2) + P(X = 2, Y = 1) = .
9
3
P(X + Y = 4) = P(X = 1, Y = 3) + P(X = 2, Y = 2) + P(X = 3, Y = 1) = .
9
2 1 1
P(X + Y = 5) = , P(X + Y = ) = .
9 6 9
De la même manière, on peut déterminer les lois de X − Y ,
1 2 3 2 1
P(X−Y = −2) = , P(X−Y = −1) = , P(X−Y = 0) = , P(X−Y = 1) = , P(X−Y = 2) = .
9 9 9 9 9

2. Pour tout k1 ∈ J2, 6K et k2 ∈ J−2, 2K,

 
k1 + k2 k1 − k2 1
P(Z = k1 , T = k2 ) = P X = ,Y = = 1 k1 +k2 ∈J1,3K, k1 −k2 ∈J1,3K , (1)
2 2 9 2 2

où
k1 +k2
∈ J1, 3K et k1 −k

1 si 2
∈ J1, 3K
1 k1 +k2 ∈J1,3K, k1 −k2 ∈J1,3K = 2 2
2 2 0 sinon.
k1 +k2
Par exemple, pour k1 = 2 et k2 = −2, puisque 2 = 0 6∈ J1, 3K,

P(Z = 2, T = −2) = 0,

alors que
P(Z = 2)P(T = −2) 6= 0.

7
Probabilités – L2 Informatique – S4 – 2021 R. Loubaton, I. Marcovici, W. Oçafrain

3.
6
X
E(Z) = kP(X + Y = k)
k=2
1 2 3 2 1
=2× +3× +4× +5× +6×
9 9 9 9 9
2 + 6 + 12 + 10 + 6
= = 4.
9

2
X
E(T ) = kP(X − Y = k)
k=−2
1 2 3 2 1
= −2 × −1× +0× +1× +2×
9 9 9 9 9
= 0.

De même, on constate par la formule (1) que, pour tout k1 ∈ J2, 6K et k2 ∈ J−2, 2K,

P(Z = k1 , T = k2 ) = P(Z = k1 , T = −k2 ).

Donc
6
X 2
X
E(ZT ) = k1 k2 P(Z = k1 , T = k2 )
k1 =2 k2 =−2
6
X 2
X
= k1 k2 P(Z = k1 , T = −k2 ) (c’est la formule précédente)
k1 =2 k2 =−2
6
X 2
X
= k1 × (−k3 ) × P(Z = k1 , T = k3 ) (changement de variable k3 = −k2 )
k1 =2 k3 =−2
6
X 2
X
=− k1 × k3 × P(Z = k1 , T = k3 ) = −E(ZT ).
k1 =2 k3 =−2

Donc
E(ZT ) = 0.

Exercice 9 Trois amis se retrouvent à une terrasse ensoleillée et commandent 3 cafés. Chacun
d’eux met dans sa tasse 2 sucres avec probabilité 16 , 1 sucre avec probabilité 13 , et pas de sucre
avec probabilité 21 . Leurs choix sont bien entendu indépendants. On note X3 le nombre de sucres
consommés par les 3 clients, et Y le nombre de sucres consommés par le plus âgé.
a. Donner la moyenne et la variance de X3 et Y .
b. Ces variables aléatoires sont-elles indépendantes ?

a. Notons Y1 et Y2 le nombre de sucres consommés par les deux autres clients respectivement. On
rappelle que les variables Y , Y1 et Y2 sont mutuellement indépendantes.
1 1 1 2
E(Y ) = 0 × +1× +2× = .
2 3 6 3

8
Probabilités – L2 Informatique – S4 – 2021 R. Loubaton, I. Marcovici, W. Oçafrain

De même, on a
2
E(Y1 ) = E(Y2 ) = .
3
Puis, comme on a X3 = Y + Y1 + Y2 , alors

E(X3 ) = E(Y ) + E(Y1 ) + E(Y2 ) = 2.

Concernant la variance,
1 1 1 4
Var(Y ) = E(Y 2 ) − E(Y )2 = (0 × +1× +4× )−
2 3 6 9
5
= .
9
De même, on a
5
Var(Y1 ) = Var(Y2 ) = .
9
On rappelle que X3 = Y +Y1 +Y2 . Or, les variables Y , Y1 et Y2 sont mutuellement indépendants.
Donc, d’après une propriété du cours,
5
Var(X3 ) = Var(Y ) + Var(Y1 ) + Var(Y2 ) = .
3
b. Il suffit de voir que
X3 = Y + Y1 + Y2 .
En particulier,
X3 ≥ Y.
Donc
P(X3 = 1, Y = 2) = 0,
alors que P(X3 = 1)P(Y = 2) 6= 0. Donc elles ne sont pas indépendantes.

Exercice 10 Soient X, Y deux v. a. indépendantes prenant un nombre fini de valeurs, respective-

ment (xi )i=1,...,n et (yj )j=1,...,m . En considérant toutes les valeurs possibles pour le couple (X, Y ),
montrer que E(XY ) = E(X)E(Y ).

n X
X m
E(XY ) = xi yj P(X = xi , Y = yj )
i=1 j=1
n X
X m
= xi yj P(X = xi )P(Y = yj )
i=1 j=1
 
n m
!
X X
= xi P(X = xi ) × yj P(Y = yj )
i=1 j=1

= E(X)E(Y ).

Exercice 11 Une puce se déplace par sauts successifs sur les sommets A, B, C, et le centre de
gravité O d’un triangle équilatéral. Au temps t = 0, elle est en O. Puis elle saute en l’un des points

9
Probabilités – L2 Informatique – S4 – 2021 R. Loubaton, I. Marcovici, W. Oçafrain

A, B ou C de façon équiprobable. Par la suite, elle saute au temps t = n du point où elle se trouve
en l’un des autres points de façon équiprobable.
a. Calculer la probabilité qu’elle revienne en O pour la première fois au temps t = n.
b. Calculer la probabilité de l’événement : “la puce revient en O”. Commenter.

a. On note τ le temps de premier retour en O de la puce. Déjà, on remarque que

P[τ = 1] = 0,

puisque la puce démarre en O et qu’elle est obligé de sauter en A,B ou C au premier temps.
Définissons
τ1 = τ − 1.
τ1 est alors le premier temps d’atteinte de O par la puce, une fois qu’on a reinitialisé le temps
juste après le premier saut de la puce. A chaque saut, la puce a une probabilité de 13 d’arriver
en O. Autrement dit, τ1 suit une loi géométrique de paramètre 13 , i.e.
 k−1
1 2
P(τ1 = k) = , ∀k ≥ 1.
3 3

Donc  k−2
1 2
P(τ = k) = P(τ1 = k − 1) = , ∀k ≥ 2.
3 3
b. En reprenant la variable τ ,
!
[
P({la puce revient en O}) = P {τ = k}
k∈N
X
= P(τ = k)
k∈N
∞  k−2
X 1 2
= ×
3 3
k=2
1 1
= × 2 = 1.
3 1− 3

Donc, d’après calcul, la puce reviendra nécessairement en O à un moment donné.

Exercice 12 Un examen consiste en 20 questions auxquelles il faut répondre par oui ou par non ;
chaque réponse juste est notée 1 point et chaque réponse fausse, 0 point. Un étudiant répond
entièrement au hasard : sa note finale est une variable aléatoire X.
a. Soit Xk la note qu’il obtient à la k–ième question : calculer E(Xk ) et V (Xk ).
b. Exprimer X en fonction des Xk ; en déduire E(X) et V (X).
c. Donner la loi de X ; calculer la probabilité pour l’étudiant d’avoir une note inférieure à 3.
d. Un étudiant sérieux estime qu’il donnera une réponse exacte à chaque question avec une proba-
bilité de 0,8. Quelle est la loi de sa note, son espérance et sa variance ?

10
Probabilités – L2 Informatique – S4 – 2021 R. Loubaton, I. Marcovici, W. Oçafrain

a. Xk est une variable de Bernouilli de paramètre 12 , i.e.

1
P(Xk = 1) = P(Xk = 0) = .
2
Alors
1 1 1
E(Xk ) = ×0+ ×1= ,
2 2 2
puis

V (Xk ) = E(Xk2 ) − E(Xk )2

 
1 1 1
= ×0+ ×1 −
2 2 4
1 1 1
= − = .
2 4 4
b.
20
X
X= Xk .
k=1
Par linéarité de l’espérance
20
X 1
E(X) = E(Xk ) = 20 × = 10.
2
k=1

De plus, les variables Xk sont mutuellement indépendants, donc

20
X 1
V (X) = V (Xk ) = 20 × = 5.
4
i=1

c. X suit une loi binomiale de paramètre n = 20 et p = 12 . De plus,

P(X < 3) = P(X = 0) + P(X = 1) + P(X = 2)

 20  20    20
1 1 20 1
= + 20 × + .
2 2 2 2

d. Sa note suit une loi binomiale de paramètre n = 20 et p = 0.8. Alors son espérance est

16

et sa variance est égale à

16
20 × 0.8 × 0.2 = .
5

Exercice 13 Soit X = (X1 , X2 ) une v.a. discrète à valeur dans E = E1 × E2 , les Ei étant finis ou
dénombrables. La loi de X est déterminée par la donnée, pour tout couple (i, j) de E, de :

P(X1 = i et X2 = j) =: pi,j .

a. Calculer les lois de X1 et X2 en fonction de pi,j .

b. On suppose que E1 = E2 , calculer P(X1 = X2 ).

11
Probabilités – L2 Informatique – S4 – 2021 R. Loubaton, I. Marcovici, W. Oçafrain

c. On suppose à partir de cette question que Ei = N. Calculer la loi de X1 + X2 en fonction de pi,j .

d. Application : pour λ et µ positifs stricts, X1 et X2 indépendantes, et

λk µk
P(X1 = k) = e−λ , P(X2 = k) = e−µ , k ≥ 0.
k! k!
Calculer pi,j puis donner une expression simple de la loi de X1 + X2 .

a. Pour tout i ∈ E1 ,

P(X1 = i) = P(X1 = i, X2 ∈ E2 )
X
= P(X1 = i, X2 = j)
j∈E2
X
= pi,j .
j∈E2

De la même manière, pour tout j ∈ E2 ,

X
P (X2 = j) = pi,j .
i∈E1

b. X X
P (X1 = X2 ) = P(X1 = i, X2 = i) = pi,i .
i∈E1 i∈E1

c. Pour tout k ∈ N,
∞
X
P(X1 + X2 = k) = P (X1 = i, X2 = k − i)
i=0
k
X
= pi,k−i .
i=0

d. Puisque les variables X1 et X2 sont indépendantes,

λi µj
pi,j = P(X1 = i, X2 = j) = P(X1 = i)P(X2 = j) = e−(λ+µ) .
i! j!
Alors, d’après la question précédente,
k
X λi µk−i
P(X + Y = k) = e−(λ+µ)
i! (k − i)!
i=0
k  
−(λ+µ) k 1 k i k−i
X
=e µ λµ
k! i
i=0
(λ + µ)k
= e−(λ+µ) (formule du binôme de Newton).
k!
Autrement dit, X + Y suit une loi de Poisson de paramètre λ + µ

12
Probabilités – L2 Informatique – S4 – 2021 R. Loubaton, I. Marcovici, W. Oçafrain

Exercice 14 Dans une promotion de n étudiants, chaque étudiant a une probabilité p de réussir
les épreuves écrites et d’être ainsi admis à passer l’oral. Chacun de ceux qui passe l’oral a une
probabilité a de le réussir. On note X le nombre d’étudiants admis à passer l’oral, et Y le nombre
d’étudiants obtenant finalement le diplôme.
a. Quelle est la loi de X ? Sachant que X = k, quelle est la loi de Y ?
b. Donner la loi jointe pk,l de (X, Y ). En déduire la loi de Y .

a. X ∼ B(n, p). Sachant que X = k, Y ∼ B(k, a).

b.

pk,l = P(X = k, Y = l)
= P(X = k) × P(Y = l|X = k)
 n
k n−k × k al (1 − a)k−l


k p (1 − p) l si k ≥ l
=
0 sinon.

Conformément à la question a. de l’exercice précédent,

n    
X n k n−k k l
P(Y = l) = p (1 − p) × a (1 − a)k−l
k l
k=l
n
X n! k!
= al × pk (1 − p)n−k × (1 − a)k−l
k!(n − k)! l!(k − l)!
k=l
n
n! X (n − l)!
= al pk (1 − p)n−k × (1 − a)k−l
l!(n − l)! (n − k)!(k − l)!
k=l
 X n−l  
l l n n−l
=ap (1 − a)k pk (1 − p)n−k−l
l k
k=0
 
n
= al pl ((1 − a)p + 1 − p)n−l
l
 
n
= (ap)l (1 − ap)n−l .
l

Autrement dit, Y ∼ B(n, ap).

13