Suquet Cours Deug Proba

Université des Sciences et Technologies de Lille
U.F.R. de Mathématiques Pures et Appliquées

Bât. M2, F-59655 Villeneuve d’Ascq Cedex
Introduction au
Calcul des Probabilités
Probabilités à Bac+2 et plus si affinités. . .
Charles SUQUET
L2 2005–2006
Table des matières
1 Espaces Probabilisés 1
1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 Événements . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.3 La probabilité comme fonction d’ensembles . . . . . . . . . . . 5
1.4 Exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.5 Remarques sur le choix d’un modèle . . . . . . . . . . . . . . . 17
1.6 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2 Conditionnement et indépendance 29
2.1 Probabilités conditionnelles . . . . . . . . . . . . . . . . . . . 29
2.1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . 29
2.1.2 Propriétés . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.1.3 Quelques exemples . . . . . . . . . . . . . . . . . . . . 34
2.2 Indépendance . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
2.2.1 Indépendance de deux événements . . . . . . . . . . . 36
2.2.2 Indépendance mutuelle . . . . . . . . . . . . . . . . . . 39
2.2.3 Épreuves répétées . . . . . . . . . . . . . . . . . . . . . 40
2.3 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
3 Variables aléatoires discrètes 51

3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
3.2 Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
3.2.1 Variable aléatoire discrète . . . . . . . . . . . . . . . . 52
3.2.2 Loi d’une variable aléatoire discrète . . . . . . . . . . . 53
3.2.3 Fonction de répartition . . . . . . . . . . . . . . . . . . 54
3.3 Lois discrètes classiques . . . . . . . . . . . . . . . . . . . . . 58
3.3.1 Lois de Bernoulli . . . . . . . . . . . . . . . . . . . . . 58
3.3.2 Loi uniforme sur un ensemble fini de réels . . . . . . . 58
3.3.3 Lois binomiales . . . . . . . . . . . . . . . . . . . . . . 58
3.3.4 Lois hypergéométriques . . . . . . . . . . . . . . . . . . 59
3.3.5 Lois géométriques . . . . . . . . . . . . . . . . . . . . . 61
i
3.3.6 Lois de Poisson . . . . . . . . . . . . . . . . . . . . . . 63
3.3.7 Sur le caractère universel de la loi de Poisson . . . . . . 70
3.4 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
4 Vecteurs aléatoires discrets 83

4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
4.2 Vecteurs aléatoires . . . . . . . . . . . . . . . . . . . . . . . . 84
4.3 Variables aléatoires indépendantes . . . . . . . . . . . . . . . . 86
4.4 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
5 Moments des v. a. discrètes 97

5.1 Espérance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
5.2 Moments d’ordre r . . . . . . . . . . . . . . . . . . . . . . . . 106
5.3 Variance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108
5.4 Covariance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114
5.5 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119
6 Loi des grands nombres 131

6.1 Deux modes de convergence . . . . . . . . . . . . . . . . . . . 131
6.2 Loi faible des grands nombres . . . . . . . . . . . . . . . . . . 133
6.3 Estimation d’une proportion inconnue . . . . . . . . . . . . . . 134
6.4 Convergence presque sûre des fréquences . . . . . . . . . . . . 136
6.5 Discussion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 140
6.6 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 148
7 Approximation gaussienne 155

7.1 La courbe en cloche . . . . . . . . . . . . . . . . . . . . . . . . 155
7.2 Étude graphique . . . . . . . . . . . . . . . . . . . . . . . . . 159
7.3 Le théorème de De Moivre-Laplace . . . . . . . . . . . . . . . 163
7.4 Preuve du théorème de De Moivre-Laplace . . . . . . . . . . . 166
7.4.1 Évaluation asymptotique de b(k, n, p) . . . . . . . . . . 167
7.4.2 Sommes de Riemann . . . . . . . . . . . . . . . . . . . 172
7.5 Vitesse de convergence . . . . . . . . . . . . . . . . . . . . . . 175
7.6 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 179
8 Variables aléatoires réelles 187

8.1 Sortie du cadre discret . . . . . . . . . . . . . . . . . . . . . . 187
8.2 Notion de variable aléatoire réelle . . . . . . . . . . . . . . . . 191
8.3 Variables à densité . . . . . . . . . . . . . . . . . . . . . . . . 194
8.3.1 Densité . . . . . . . . . . . . . . . . . . . . . . . . . . 194
8.3.2 Moments des variables à densité . . . . . . . . . . . . . 198
ii
8.4 Lois à densité classiques . . . . . . . . . . . . . . . . . . . . . 199
8.4.1 Lois uniformes . . . . . . . . . . . . . . . . . . . . . . . 199
8.4.2 Lois exponentielles . . . . . . . . . . . . . . . . . . . . 201
8.4.3 Lois gaussiennes . . . . . . . . . . . . . . . . . . . . . . 204
8.5 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 207
A Ensembles et dénombrements 211

A.1 Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . 211
A.2 Ensembles finis . . . . . . . . . . . . . . . . . . . . . . . . . . 213
iii
iv
Introduction
Issu du cours de Probabilités en DEUG MASS et MIAS, ce document
s’adresse à un public varié. Les étudiants de DEUG pourront y trouver une
rédaction détaillée de toutes les questions abordées en cours. Quelques déve-
loppements vont au-delà du strict programme et sont susceptibles d’intéresser
des lecteurs curieux ou plus avancés. Les outils mathématiques utilisés restent
néanmoins strictement dans le cadre du DEUG.
Ce premier tome 1 est consacré à ce que l’on appelle les probabilités dis-
crètes. Par rapport aux rudiments de calcul des probabilités enseignés au
lycée, l’innovation est la prise en compte de l’infini. Cette notion s’introduit
très naturellement en calcul des probabilités, par exemple dès qu’il s’agit de
modéliser des temps d’attente. On ne peut pas étudier avec un espace Ω
de cardinal fini une expérience aléatoire aussi simple que : « on lance un dé
jusqu’à la première obtention d’un six ». Nous nous posons donc la question
de la définition et de l’étude des probabilités sur des univers Ω infinis. Il est
possible au niveau du DEUG de faire une théorie assez rigoureuse si l’on
veut bien faire l’impasse sur les problèmes de construction (ou d’existence)
de tels espaces probabilisés infinis capables de modéliser correctement les
expériences aléatoires envisagées.
Le principal outil mathématique utilisé est celui des séries. Il permet
une étude classique assez complète des variables aléatoires discrètes. Cette
étude débouche sur deux grands théorèmes de convergence de la théorie des
probabilités : la loi des grands nombres et la convergence vers une loi gaus-
sienne qui sont discutés dans des cas simples dans les deux derniers chapitres.
Nous avons choisi de donner autant que possible des démonstrations de ces
théorèmes dans ces cas particuliers. Ces démonstrations sont instructives en
elles-mêmes et peuvent être considérées comme une introduction au cours
de Licence. Une autre particularité de ce document est la discussion sur les
questions de vitesse de convergence à propos des approximations (par une loi
de Poisson ou par une loi de Gauss). Trop souvent on trouve à ce sujet dans
la littérature des recettes qui, données sans justification, ressemblent plus à
1. Y en aura-t-il un deuxième ?
v
de la cuisine 2 qu’à des mathématiques.
Chaque chapitre contient une section d’exercices qui suit autant que pos-
sible l’ordre d’exposition du cours 3 . Certains sont des applications directes
du cours ou des sujets d’examen ou de D.S., d’autres des approfondisse-
ments. Leur niveau de difficulté n’a volontairement pas été indiqué a priori.
De même, on ne trouvera pas dans cette introduction de plan de lecture
détaillé pour chaque DEUG. De telles indications pourront être données en
cours ou en TD, mais je n’ai pas souhaité cloisonner a priori une curiosité
qui, pour un scientifique, est tout le contraire d’un vilain défaut. . .
Je remercie tous les collègues qui m’ont aidé directement ou indirectement
à rédiger ce polycopié et plus particulièrement Maurice Chamontin, Sylvie
Roelly et Marie-Claude Viano avec qui j’ai fait équipe en DEUG MASS et
MIAS. Il va de soi qu’ils ne portent aucune responsabilité pour les quelques
débordements auxquels j’ai pu me laisser aller ni pour les quelques fautes 4
que l’on ne manquera pas de trouver dans cette première édition 5 (septembre
1996).
Comme prévu ci-dessus, le deuxième tome n’a toujours pas été écrit et
un certain nombre d’erreurs ont été détectées dans la première édition et
corrigées dans la deuxième 6 (septembre 1997). Je remercie tous ceux qui m’en
ont signalé et plus particulièrement les étudiants de l’amphithéâtre de DEUG
MASS 96–97 pour leur vigilance. Merci également à Michel Lifshits pour
ses précisions sur l’historique du théorème de De Moivre-Laplace, à Youri
Davydov et Myriam Fradon pour d’utiles discussions ainsi qu’à tous les
chargés de TD de probabilités en DEUG MIAS pour leur participation active.
Last but not least, merci à Daniel Flipo qui avec patience et disponibilité
m’a fait bénéficier de ses compétences d’expert dans le traitement de texte
scientifique LATEX 2ε .
Les troisième et quatrième éditions de ce polycopié (septembre 1998 et
1999), ont bénéficié des amendements et corrections suggérés par Myriam
Fradon, Jeanne Devolder et Anne Philippe. C’est pour moi un plaisir
de les en remercier ici.
La cinquième édition (septembre 2000) de ce polycopié s’est enrichie
(alourdie ?) d’un chapitre sur les variables aléatoires réelles qui s’est sub-
2. Il y a souvent de bonnes raisons cachées derrière une recette qui peut paraı̂tre arbi-
traire. . .
3. Ces exercices ne se substituent pas aux séances de TD et à leurs fiches d’exercices
mieux adaptées à chacun des publics concernés.
4. Dont le nombre suit une loi de Poisson.
5. Remerciements anticipés à tout lecteur qui m’aidera à réduire le paramètre de ladite
loi pour la prochaine édition.
6. Qui ne prétend pas en être exempte, voir exercice 5.7 pour une modélisation.
vi
stitué à la promesse électorale d’un deuxième tome. Le titre a changé en
conséquence.
La sixième édition (septembre 2001) comprend quelques exercices sup-
plémentaires. La septième est inchangée, sauf la correction d’un quarantaine
(sic) de fautes de frappe ou d’orthographe. La plupart m’ont été signalées par
Denis Bitouzé de l’Université du Littoral que je remercie pour sa lecture
attentive. Je saisis l’occasion de cette huitième édition (septembree 2003)
pour remercier également Azzouz Dermoune, Jeanne Devolder, Daniel
Flipo, Myriam Fradon, Marguerite Zani, Gwénaëlle Castellan et Lau-
rence Marsalle pour la diffusion de ce polycopié à leurs étudiants des
DEUG MIAS et MASS et de la préparation au C.A.P.E.S. et à l’Agréga-
tion Interne.
Villeneuve d’Ascq, septembre 2003.
Ce polycopié est disponible sur Internet, au format PDF, à l’adresse URL

suivante :
http://math.univ-lille1.fr/~suquet/
vii
viii
Chapitre 1
Espaces Probabilisés
1.1 Introduction
La théorie des probabilités fournit des modèles mathématiques permet-
tant l’étude d’expériences dont le résultat ne peut être prévu avec une totale
certitude. En voici quelques exemples :
Expérience Résultat observable

Lancer d’un dé Un entier k ∈ {1, . . . , 6}
Prélèvement de n objets en sortie Nombre d’objets défectueux
d’une chaı̂ne de production dans l’échantillon
Questionnaire à 100 questions Suite ω de 100 réponses
binaires ω ∈ {oui, non}100
Lancer d’une pièce jusqu’à la Un entier k ∈ N : le temps
première obtention de pile d’attente du premier succès
Mise en service d’une ampoule Durée de vie T ∈ R
Lancer d’une fléchette sur une cible Point d’impact
Mouvement d’un grain de pollen Une fonction continue :
dans un liquide la trajectoire
Mélange de deux gaz Répartition spatiale de deux
types de molécules
Bien que le résultat précis de chacune de ces expériences soit imprévisi-

ble, l’observation et l’intuition nous amènent à penser que ces phénomènes
obéissent à certaines lois. Par exemple si on jette 6000 fois le dé, on s’attend
à ce que le nombre d’apparitions de la face « 3 » soit voisin de 1000. Si on
met en service 100 ampoules, leurs durées de vie observées seront concentrées
autour d’une certaine valeur moyenne.
1
Chapitre 1. Espaces Probabilisés
La théorie des probabilités permet de donner un sens précis à ces consi-

dérations un peu vagues. La statistique permet de confronter les modèles
probabilistes avec la réalité observée afin de les valider ou de les invalider.
Par exemple si quelqu’un a 60 bonnes réponses sur 100 au questionnaire, est-
il légitime de considérer qu’il a « mieux fait » que le hasard ? Sur les n objets
prélevés en sortie de chaı̂ne, k sont défectueux. Peut-on en déduire quelque
chose sur la qualité de la production globale ?
1.2 Événements
La théorie moderne des probabilités utilise le langage des ensembles pour

modéliser une expérience aléatoire. Nous noterons Ω un ensemble dont les
éléments représentent tous les résultats possibles ou événements élémentaires
d’une expérience aléatoire donnée. Les événements (ou événements composés)
seront représentés par des parties (sous-ensembles) de Ω.
Il n’est pas toujours facile de trouver un ensemble Ω permettant de

modéliser l’expérience aléatoire. Voici une règle pratique pour y arriver :
les événements élémentaires sont ceux qui contiennent l’information maxi-
male qu’il est possible d’obtenir de l’expérience. Par exemple si on jette un
dé, l’événement A : « obtention d’un chiffre pair » n’est pas élémentaire.
Il est composé des trois événements élémentaires 2, 4, 6 : A = {2, 4, 6}.
Ici Ω = {1, 2, 3, 4, 5, 6}. De même si on lance trois fois une pièce de mon-
naie, les événements élémentaires sont des triplets comme (p,f,p) indiquant
le résultat précis de chacun des trois lancers. Ici Ω = {f, p}3 . L’événe-
ment B « obtention de pile au deuxième des trois lancers » est composé :
B = {(f, p, f); (f, p, p); (p, p, f); (p, p, p)}.
Avec ce mode de représentation, les opérations logiques sur les événe-

ments : « et », « ou », « négation » se traduisent par des opérations ensem-
blistes : intersection, réunion, passage au complémentaire. Voici un tableau
de correspondance entre les deux langages.
2 Ch. Suquet, Probabilités

1.2. Événements
Notations Vocabulaire ensembliste Vocabulaire probabiliste

∅ ensemble vide événement impossible
Ω ensemble plein événement certain
ω élément de Ω événement élémentaire
A sous-ensemble de Ω événement
ω∈A ω appartient à A Le résultat ω est une des
réalisations possibles de A
A⊂B A inclus dans B A implique B
A∪B réunion de A et B A ou B
A∩B intersection de A et B A et B
Ac complémentaire de A événement contraire de A
dans Ω
A∩B =∅ A et B sont disjoints A et B sont incompatibles
Les opérations logiques sur les événements peuvent bien sûr faire interve-
nir plus de deux événements. Ainsi, si A1 ,. . ., An sont des événements,
n
∪ Ai = A1 ∪ A2 · · · ∪ A n
i=1
est l’ensemble des ω qui sont dans l’un au moins des Ai . C’est donc l’événe-
ment « réalisation de l’un au moins des Ai (1 ≤ i ≤ n) ». De même :
n
∩ Ai = A1 ∩ A2 · · · ∩ A n
i=1
est l’ensemble des ω qui sont dans tous les Ai . C’est donc l’événement « réa-
lisation de chacun des Ai (1 ≤ i ≤ n) ». Il est facile d’étendre ces définitions
aux réunions et intersections d’une suite infinie d’événements :
+∞
∪ ∗ Ai = ∪ Ai = {réalisation de l’un au moins des Ai , i ∈ N∗ },
i∈N i=1
+∞
∩ Ai = ∩ Ai = {réalisation de tous les Ai , i ∈ N∗ }.
i∈N∗ i=1
Ces opérations logiques sur des suites d’événements sont très utiles pour
analyser des événements complexes à l’aide d’événements plus simples et,
comme nous le verrons plus tard, calculer ainsi des probabilités. A titre
d’illustration, examinons la situation suivante.
Ch. Suquet, Probabilités 3

Exemple 1.1 Alice et Bruno lancent le même dé à tour de rôle (Alice com-
mence). Le gagnant est le premier à obtenir un « six ».
On s’intéresse aux trois événements
A = {victoire d’Alice},
B = {victoire de Bruno},
D = {Il n’y a pas de vainqueur}.
La simplicité de leur définition est trompeuse. Leur structure compliquée

peut être analysée à l’aide des événements plus simples suivants :
Fn = {fin de la partie au n-ième lancer}, n ∈ N∗ ,

Sj = {le j-ème lancer donne un « six »}, j ∈ N∗ .
Commençons par D. Il est clair que D se réalise si et seulement si le « six »

n’apparaı̂t à aucun lancer, autrement dit si et seulement si quel que soit
j ∈ N∗ , l’événement Sjc est réalisé. D’où :
\
D= Sjc .
j∈N∗
Alice ne peut gagner la partie que lors d’un lancer de rang impair puisque
les lancers de rang pair sont ceux de Bruno. Alice peut donc gagner à l’un
des lancers 1, 3, 5, . . . , 2k + 1, . . . Alice gagne si et seulement si la partie se
termine par l’un de ces lancers. De même Bruno peut gagner aux lancers
2, 4, 6, . . . , 2k, . . . d’où :
[ [
A= F2k+1 B= F2k .
k∈N k∈N∗
Enfin, chaque Fn (n ≥ 2) se réalise si et seulement si d’une part chacun des

n − 1 premiers lancers donne autre chose qu’un « six », autrement dit réalise
Sjc (1 ≤ j ≤ n − 1) et d’autre part le n-ième lancer donne « six » (Sn se
réalise). On a donc :

n−1
c
∩ Sj ∩ Sn ,
F1 = S1 , Fn = n>1
j=1
et finalement :
[ 2k [ 2k−1
c
A= ∩ Sj ∩ S2k+1 , B= ∩ Sjc ∩ S2k .
j=1 j=1
k∈N k∈N∗

1.3. La probabilité comme fonction d’ensembles
Remarquons que nous n’avons pas eu besoin de préciser dans quel ensemble Ω
on travaillait pour effectuer les décompositions d’événements ci-dessus. Seule
importait leur structure logique. Voici un choix possible (parmi d’autres) de
Ω : on prend l’ensemble des suites de chiffres ω de l’un des deux types suivants.
Soit ω est une suite finie de chiffres pris parmi {1, 2, 3, 4, 5} et terminée par
un 6. Soit ω est une suite infinie de chiffres pris parmi {1, 2, 3, 4, 5} (et donc
sans aucun 6). Remarquons qu’avec ce choix de Ω, D est l’ensemble des suites
∗
du deuxième type : D = {1, 2, 3, 4, 5}N .
Remarque 1 Si I est un ensemble d’indices quelconque non vide et (Ai )i∈I

une famille d’événements indexée par I, on peut définir ∪i∈I Ai comme l’ensemble
des ω appartenant à l’un au moins des Ai et ∩i∈I Ai comme l’ensemble des ω
appartenant à chacun des Ai . Ces définitions sont globales et ne font appel à
aucune structure d’ordre sur I ni, dans le cas où I est infini, à aucune notion
de convergence.
1.3 La probabilité comme fonction d’ensembles

Ce titre appelle tout de suite une explication. La probabilité P telle que
nous allons la définir ci-dessous est une fonction qui à un événement associe
un nombre compris entre 0 et 1 et censé mesurer les chances de réalisation
de cet événement. Pour des raisons sortant du cadre de ce cours, il n’est pas
toujours possible d’attribuer ainsi de manière cohérente une probabilité à
chaque partie de Ω. En d’autres termes, P ne peut pas être considérée comme
une application de l’ensemble P(Ω) de toutes les parties de Ω dans [0, 1] mais
comme une fonction ayant un domaine de définition F généralement plus
petit que P(Ω). Voici les propriétés qu’il est raisonnable d’exiger de F :
– F contient Ω et tous les singletons {ω}.
– F est stable par passage au complémentaire : si B est un événement
de F, B c l’est aussi.
– F est stable par les opérations de réunion et d’intersection sur les suites
d’événements 2 . Si A1 , A2 , . . . est une suite finie ou infinie d’événements
de F, sa réunion et son intersection sont encore des événements de F.
L’étude faite à l’exemple 1.1 montre que ces propriétés sont vraiment le moins
que l’on puisse exiger de F dès que l’on travaille sur une expérience aléatoire
ayant une infinité de résultats élémentaires possibles (i.e. Ω infini). Nous
1. à passer en première lecture.

2. Bien sûr grâce à la stabilité par complémentaire, la stabilité par réunion équivaut à
la stabilité par intersection.

appellerons famille d’événements observables toute famille F de parties de Ω

vérifiant les conditions ci-dessus 3 .
Définition 1.1 Soit Ω un ensemble et F une famille d’événements obser-
vables sur Ω. On appelle probabilité sur (Ω, F) toute application P de F dans
[0, 1] vérifiant :
(i) P (Ω) = 1.
(ii) Pour toute suite (Aj )j≥1 d’événements de F deux à deux disjoints
(incompatibles) :
X +∞
P ∪ ∗ Aj = P (Aj ).
j∈N
j=1
Le triplet (Ω, F, P ) s’appelle espace probabilisé.

Définir une probabilité sur (Ω, F) c’est en quelque sorte attribuer une « masse »
à chaque événement observable, avec par convention une masse totale égale
à 1 pour l’événement certain Ω. La propriété (ii) s’appelle σ-additivité.
Exemple 1.2 (suite de l’exemple 1.1)
Revenons à la partie de dé entre Alice et Bruno . Admettons provisoirement
que l’on ait construit un (Ω, F, P ) modélisant correctement cette expérience
et que pour n ≥ 1, P (Fn ) = (5/6)n−1 (1/6). Ce résultat peut se justifier par
la règle du conditionnement en chaı̂ne qui sera vue ultérieurement. On peut
alors calculer la probabilité de victoire de chacun des joueurs.
En effet on a [ [
A= F2k+1 B= F2k .
k∈N k∈N∗
De plus chacune de ces réunions est disjointe : si i 6= j, Fi ∩ Fj = ∅ car si un
événement élémentaire ω était commun à Fi et Fj , cela signifierait que pour
la même suite, le « six » apparaı̂trait pour la première fois au i-ème lancer et
au j-ème lancer ce qui est absurde. Donc les F2k+1 sont deux à deux disjoints
et
+∞ +∞
X X 1 5 2k 1 X 25 j 1 1 6
P (A) = P (F2k+1 ) = = = 25 = ,
k∈N k=0
6 6 6 j=0
36 6 1 − 36
11
en utilisant la convergence et le calcul de la somme de la série géométrique
de raison 25/36. De même :
+∞ +∞
X X 1 5 2k−1 5 X 25 j 5 1 5
P (B) = P (F2k ) = = = 25 = .
k∈N ∗ k=1
6 6 36 j=0
36 36 1 − 36
11
3. On dit aussi tribu ou σ-algèbre de parties de Ω, mais nous n’emploierons pas ce

vocabulaire abstrait. La définition générale d’une tribu F ne suppose pas que tous les
singletons {ω} soient des éléments de F.

On constate que Alice est légèrement avantagée par le fait de lancer la pre-
mière, ce qui est conforme à l’intuition. De plus par la propriété d’additivité
2.(b) ci-dessous, comme A, B et D sont trois événements disjoints dont la
réunion est Ω, on en déduit que P (D) = 0. La probabilité qu’il n’y ait aucun
vainqueur est donc nulle, ce qui là aussi est conforme à l’intuition. On remar-
∗
quera cependant que dans le modèle choisi pour Ω, D = {1, 2, 3, 4, 5}N est
très loin d’être vide, c’est même un ensemble très « gros » du point de vue
de la cardinalité : on peut démontrer qu’il est en bijection avec l’ensemble de
tous les nombres réels 4 .
Proposition 1.2 (Propriétés générales d’une probabilité)

Toute probabilité P sur (Ω, F) vérifie les propriétés suivantes :
1. P (∅) = 0.
2. Additivité
(a) Si A ∩ B = ∅, P (A ∪ B) = P (A) + P (B).
(b) Si les Ai (1 ≤ i ≤ n) sont deux à deux disjoints :
n
n X
P ∪ Ai = P (Ai ).
i=1
i=1
3. ∀A ∈ F, P (Ac ) = 1 − P (A).
4. ∀A ∈ F, ∀B ∈ F, A ⊂ B ⇒ P (A) ≤ P (B).
5. ∀A ∈ F, ∀B ∈ F, P (A ∪ B) = P (A) + P (B) − P (A ∩ B).
6. Continuité monotone séquentielle
(a) Si (Bn )n≥1 est une suite croissante d’événements de F conver-
gente 5 vers B ∈ F, alors P (B) = lim P (Bn ). Notation :
n→+∞
Bn ↑ B ⇒ P (Bn ) ↑ P (B) (n → +∞).
(b) Si (Cn )n≥1 est une suite décroissante d’événements de F conver-

gente 6 vers C ∈ F, alors P (C) = lim P (Cn ). Notation :
n→+∞
Cn ↓ C ⇒ P (Cn ) ↓ P (C) (n → +∞).
7. (a) ∀A ∈ F, ∀B ∈ F P (A ∪ B) ≤ P (A) + P (B).

4. L’idée clé est de considérer le développement en base 5 des réels de ]0, 1[. . .
5. Ce qui signifie : ∀n ≥ 1, Bn ⊂ Bn+1 et B = ∪ Bn .
n≥1
6. Ce qui signifie : ∀n ≥ 1, Cn+1 ⊂ Cn et C = ∩ Cn .

n≥1

n
n X
(b) ∀A1 , . . . , An ∈ F, P ∪ Ai ≤ P (Ai ).
i=1
i=1
+∞
X

(c) ∀A1 , . . . , An , . . . ∈ F, P ∪ ∗ Ai ≤ P (Ai ).
i∈N
i=1
Preuve : Soit P une fonction d’ensemble F → [0, 1] satisfaisant aux condi-

tions (i) et (ii) de la définition 1.1, il s’agit de démontrer que P vérifie les
propriétés 1 à 7.
Preuve de 1. Comme P (Aj ) ≥ 0 pour tout Aj ∈ F, on a toujours
X
P (Aj ) ≥ P (A1 ) + P (A2 ),
j∈N∗
le premier membre pouvant être égal à +∞. En choisissant Aj = ∅ pour tout

j ∈ N∗ et en utilisant la σ-additivité (ii), on en déduit :
+∞
X

P (∅) = P ∪ Aj = P (Aj ) ≥ P (∅) + P (∅).
j∈N∗
j=1
Par conséquent, P (∅) ≥ 2P (∅) et comme P (∅) ≥ 0, ceci entraı̂ne P (∅) = 0.

Preuve de 2. Soient A1 , . . . , An , n événements de F deux à deux disjoints.
Pour j > n, posons Aj = ∅. On a ainsi une suite infinie (Aj )j≥1 d’événements
deux à deux disjoints. En utilisant la σ-additivité, on obtient alors :
n +∞
n X X
P ∪ Aj = P ∪ ∗ Aj = P (Aj ) + P (Aj ).
j=1 j∈N
j=1 j=n+1
D’après 1, la somme pour j ≥ n + 1 vaut 0, ceci prouve 2(b). Bien sûr 2(a)
n’est que le cas particulier n = 2.
Preuve de 3. Prendre B = Ac dans 2 (a) et utiliser (i).
Preuve de 4. Si A ⊂ B, alors B = A ∪ (B ∩ Ac ) et cette réunion est disjointe.
D’après 2 (a) on a P (B) = P (A) + P (B ∩ Ac ) et comme P (B ∩ Ac ) ≥ 0, on
en déduit P (B) ≥ P (A).
Preuve de 5. On a les décompositions suivantes en unions disjointes :
A ∪ B = (A ∩ B c ) ∪ (A ∩ B) ∪ (Ac ∩ B),
A = (A ∩ B c ) ∪ (A ∩ B),
B = (A ∩ B) ∪ (Ac ∩ B).

En utilisant l’additivité on en déduit :
P (A ∪ B) = P (A ∩ B c ) + P (A ∩ B) + P (Ac ∩ B)
= P (A ∩ B c ) + P (A ∩ B) + P (A ∩ B) + P (Ac ∩ B)

−P (A ∩ B)
= P (A) + P (B) − P (A ∩ B).
Preuve de 6. Il suffit de prouver 6(a), la propriété 6(b) s’en déduit en appli-

quant 6(a) à la suite d’événements Bn = Cnc . Admettons, pour l’instant, que
pour tout n ≥ 1, Bn vérifie la décomposition en union disjointe :

n
Bn = B0 ∪ ∪ (Bi \ Bi−1 ) .
i=1
En écrivant la réunion infinie des Bn à l’aide de cette décomposition et en

« effaçant » toutes les répétitions des Bi \ Bi−1 , on en déduit immédiatement
que B vérifie la décomposition en union disjointe :

B = B0 ∪ ∪ ∗ (Bi \ Bi−1 ) .
i∈N
Passant aux probabilités, ces deux décompositions nous donnent :

n
X
P (Bn ) = P (B0 ) + P (Bi \ Bi−1 ),
i=1
+∞
X
P (B) = P (B0 ) + P (Bi \ Bi−1 ).
i=1
Comme cette série converge, sa somme est la limite de la suite de ses sommes
partielles de rang n, ce qui s’écrit :
n n
X o
P (B) = lim P (B0 ) + P (Bi \ Bi−1 ) = lim P (Bn ).
n→+∞ n→+∞
i=1
Ainsi pour compléter la preuve, il ne reste plus qu’à justifier la décomposition

de Bn . Posons :
n
Dn = B0 ∪ ∪ (Bi \ Bi−1 ) .
i=1
Pour montrer que Bn = Dn , il suffit de montrer que Dn ⊂ Bn et Bn ⊂ Dn . La

première inclusion est évidente puisque pour tout i ≤ n, Bi \Bi−1 ⊂ Bi ⊂ Bn .
Pour prouver l’inclusion inverse, on note ω un élément quelconque de Bn et

on montre que ω appartient à Dn . Soit i0 = i0 (ω) le plus petit des indices

i tels que ω ∈ Bi . Comme cet ensemble d’indices contient au moins n, on a
0 ≤ i0 ≤ n. Si i0 = 0, ω ∈ B0 et comme B0 ⊂ Dn , ω ∈ Dn . Si i0 ≥ 1, par
la définition même de i0 , on a ω ∈ Bi0 et ω ∈
/ Bi0 −1 , donc ω ∈ Bi0 \ Bi0 −1 et
comme i0 ≤ n, Bi0 \ Bi0 −1 ⊂ Dn donc ω ∈ Dn . Le raisonnement précédent
étant valable pour tout ω de Bn , on en déduit Bn ⊂ Dn .

0 1B B \ B0 B2 \ B1

Preuve de 7(a). D’après 5 :
P (A ∪ B) = P (A) + P (B) − P (A ∩ B) ≤ P (A) + P (B),
car P (A ∩ B) ≥ 0.
Preuve de 7(b). On remarque que pour tout n ≥ 1 on a :
n n
∪ Ai = ∪ Bi ,
i=0 i=0
où les Bi sont des événements deux à deux disjoints définis comme suit :
B0 = A0 , B1 = A1 ∩ B0c , B2 = A2 ∩ (B0 ∪ B1 )c , . . .
. . . Bn = An ∩ (B0 ∪ B1 ∪ . . . Bn−1 )c , . . .
Par additivité :
n
n n X
P ∪ Ai = P ∪ Bi = P (Bi ).
i=0 i=0
i=0
Par construction pour tout i, Bi ⊂ Ai , d’où P (Bi ) ≤ P (Ai ) et :

n n
n X X
P ∪ Ai = P (Bi ) ≤ P (Ai ).
i=0
i=0 i=0

Preuve de 7(c). Posons pour tout n ≥ 1,
n
D n = ∪ Ai , D= ∪ Dn = ∪ Ai .
i=0 n≥1 i∈N
La suite (Dn )n≥1 est croissante et a pour limite D. Donc d’après 6(a),
P (Dn ) ↑ P (D) (n → +∞). D’après 7(b) on a :
n
X
∀n ≥ 1, P (Dn ) ≤ P (Ai ).
i=0
Les deux membres de cette inégalité étant les termes généraux de deux suites
croissantes de réels positifs, on obtient en passant à la limite quand n tend
vers +∞ :
X+∞
P ( ∪ Ai ) = P (D) ≤ P (Ai ).
i∈N
i=0
Ce qui prouve 7(c). Remarquons que les sommes partielles de la série convergent
dans R+ ∪ {+∞}. Bien sûr l’inégalité obtenue n’a d’intérêt que lorsque la
série de terme général P (Ai ) converge et a une somme strictement inférieure
à 1.
Le calcul de probabilités de réunions ou d’intersection est une question
cruciale. La propriété 5 montre qu’en général on ne peut pas calculer P (A∪B)
à partir de la seule connaissance de P (A) et P (B) et qu’on se heurte à la
même difficulté pour P (A ∩ B) (voir l’exercice 1.6). Le calcul des probabilités
d’intersections sera discuté au chapitre 2. Pour les probabilités de réunions,
on peut se demander comment se généralise la propriété 5 lorsqu’on réunit
plus de deux évènements. Il est facile de vérifier (faites-le !) que :
P (A∪B∪C) = P (A)+P (B)+P (C)−P (A∩B)−P (A∩C)−P (B∩C)+P (A∩B∩C).
Le cas général est donné par la formule de Poincaré ci-dessous qui exprime
P (A1 ∪ · · · ∪ An ) à l’aide des probabilités de toutes les intersections des Ai :
2 à 2, 3 à 3, etc. L’exercice 1.12 sur le problème des appariements présente
une application de cette formule.
Proposition 1.3 (Formule de Poincaré)

Pour tout entier n ≥ 2 et tous évènements A1 , . . . , An :
n n
n X X X
P ∪ Ai = P (Ai )+ (−1)k+1 P (Ai1 ∩· · ·∩Aik ). (1.1)
i=1
i=1 k=2 1≤i1 <i2 <...<ik ≤n

Preuve : On raisonne par récurrence (voir aussi l’exercice 5.6 du chapitre 5

pour une autre méthode). La formule est vraie pour n = 2, car dans ce cas
elle se réduit à
P (A ∪ B) = P (A) + P (B) − P (A ∩ B). (1.2)
Supposons la formule de Poincaré vraie au rang n (plus précisément on sup-

pose que pour toute suite de n évènements A1 , . . . , An , l’égalité (1.1) est
vérifiée). Pour en déduire qu’elle est alors vraie au rang n + 1, il nous faut
n+1 n
calculer P ∪ Ai . On commence par appliquer (1.2) avec A = ∪ Ai et
i=1 i=1
B = An+1 . On obtient ainsi :
n+1 n h n i
P ∪ Ai = P ∪ Ai + P (An+1 ) − P ∪ Ai ∩ An+1
i=1 i=1 i=1
n n
= P ∪ Ai + P (An+1 ) − P ∪ (Ai ∩ An+1 ) .
i=1 i=1
On applique maintenant l’hypothèse de récurrence (formule de Poincaré (1.1))

d’abord avec les n évènements A1 , . . . , An puis avec les n évènements A01 , . . . , A0n ,
où l’on a posé A0i := Ai ∩ An+1 . Il vient :
n n
n+1 X X X
P ∪ Ai = P (Ai ) + (−1)k+1 P (Ai1 ∩ · · · ∩ Aik )
i=1
i=1 k=2 1≤i1 <i2 <...<ik ≤n
+ P (An+1 )
Xn n
X X
0
− P (Ai ) − (−1)j+1 P (A0i1 ∩ · · · ∩ A0ij )
i=1 j=2 1≤i1 <i2 <...<ij ≤n
n+1
X
= P (Ai ) (1.3)
i=1
Xn X
+ (−1)k+1 P (Ai1 ∩ · · · ∩ Aik ) (1.4)
k=2 1≤i1 <i2 <...<ik ≤n
n
X
+ (−1)2+1 P (Ai ∩ An+1 ) (1.5)
i=1
n
X X
+ (−1)(j+1)+1 P (Ai1 ∩ · · · ∩ Aij ∩ An+1(1.6)
)
j=2 1≤i1 <i2 <...<ij ≤n

1.4. Exemples
Comparons ce résultat avec ce que l’on espère trouver, c’est-à-dire avec

n+1
X n+1
X X
P (Ai ) + (−1)k+1 P (Ai1 ∩ · · · ∩ Aik ) .
i=1 k=2 1≤i1 <i2 <...<ik ≤n+1
| {z }
=:Tn+1
Cela revient à vérifier que Tn+1 est égal à la somme des lignes (1.4) à (1.6) ci-
dessus. Partageons Tn+1 en deux blocs comme suit. Le premier bloc regroupe
tous les termes tels que ik < n + 1 (et donc ik ≤ n et k ≤ n). On le
retrouve exactement à la ligne (1.4). Le deuxième bloc regroupe tous les
termes pour lesquels ik = n + 1. Dans ce bloc, la somme des termes pour
lesquels k = 2 se retrouve ligne (1.5). Il reste alors la somme des termes pour
lesquels 3 ≤ k ≤ n + 1 et ik = n + 1 (donc ik−1 ≤ n). Cette somme est
exactement le contenu de la ligne (1.6), comme on peut le voir en faisant le
changement d’indice k = j + 1 dans (1.6). Ceci achève la récurrence.
1.4 Exemples
Nous examinons maintenant quelques exemples élémentaires.
Exemple 1.3 On effectue une partie de pile ou face en trois coups. Quelle
est la probabilité d’obtenir pile aux premier et troisième lancers ?
On peut modéliser cette expérience en prenant Ω = {f, p}3 et pour famille
d’événements observables F = P(Ω) l’ensemble de toutes les parties 7 de Ω.
La pièce étant supposée symétrique, nous n’avons a priori pas de raison de
supposer que l’un des 8 triplets de résultats possibles soit favorisé ou défa-
vorisé par rapport aux autres. Nous choisirons donc P de sorte que tous les
événements élémentaires aient même probabilité (hypothèse d’équiprobabi-
lité), soit :
1 1
∀ω ∈ Ω, P ({ω}) = = 3.
Card Ω 2
L’événement B dont on veut calculer la probabilité s’écrit :
B = {(p,f,p); (p,p,p)}.
D’où :
1 1 1
P (B) = + = .
8 8 4
7. Lorsque Ω est fini, il est toujours possible de faire ce choix.

Exemple 1.4 On fait remplir un questionnaire à 20 questions binaires. Quelle

est la probabilité qu’un candidat répondant au hasard obtienne au moins 16
bonnes réponses ?
On choisit ici :
Ω = {oui, non}20 , F = P(Ω).
Si le candidat répond complètement au hasard, on peut considérer que cha-
cune des 220 grilles de réponses possibles a la même probabilité d’apparaı̂tre
(hypothèse d’équiprobabilité sur Ω). Pour tout B ⊂ Ω, on a alors :
CardB
P (B) = .
CardΩ
En particulier pour B = {obtention d’au moins 16 bonnes réponses},
16 17 18 19 20
C20 + C20 + C20 + C20 + C20 6196
P (B) = 20
= 20 ' 0, 006.
2 2
Exemple 1.5 (Contrôle de production)

On prélève au hasard un échantillon de k pièces dans une production totale de
N pièces comprenant en tout n pièces défectueuses. Quelle est la probabilité
de :
Aj = {il y a exactement j pièces défectueuses dans l’échantillon}?
On prend pour Ω l’ensemble de toutes les parties à k éléments d’un ensemble à

N éléments (ensemble de tous les échantillons possibles de taille k), F = P(Ω)
et P l’équiprobabilité sur Ω. Il suffit alors de dénombrer tous les échantillons
ayant exactement j pièces défectueuses. Un tel échantillon se construit en
prenant j pièces dans le sous-ensemble des défectueuses (Cnj choix possibles)
et en complétant par k − j pièces prises dans le sous-ensemble des non-
défectueuses (CNk−j
−n choix possibles). On en déduit :

j k−j
Cn CN −n  0 ≤ j ≤ n,
P (Aj ) = si 0 ≤ j ≤ k,
CNk
k − j ≤ N − n.

Si l’une de ces trois conditions n’est pas vérifiée, P (Aj ) = 0.
Ces trois premiers exemples concernent le cas où l’on peut choisir Ω fini.
On peut caractériser complètement les probabilités sur les ensembles finis.
C’est l’objet de l’énoncé suivant.

1.4. Exemples
Proposition 1.4 Soit Ω = {ω1 , . . . , ωn } un ensemble fini à n éléments. La

donnée d’une probabilité P sur (Ω, P(Ω)) équivaut à celle d’une suite finie
(pi )1≤i≤n de réels tels que :
n
X
pi = 1, pi ≥ 0 (1 ≤ i ≤ n)
i=1
et des n égalités
P ({ωi }) = pi , 1 ≤ i ≤ n.
Preuve : Si P est une probabilité sur (Ω, P(Ω)), on a P (Ω) = 1 et comme

Ω est la réunion disjointe des {ωi } (1 ≤ i ≤ n), on a :
n
X
P ({ωi }) = 1.
i=1
Si on définit les réels pi par pi := P ({ωi }), il est clair qu’ils vérifient les
conditions requises.
Réciproquement, donnons nous une suite finie p1 , . . . , pn de réels positifs
de somme 1. Définissons la fonction d’ensemble Q sur (Ω, P(Ω)) de la manière
suivante :
(a) Q(∅) := 0.
(b) ∀i ∈ {1, . . . , n}, Q({ωi }) := pi . X
(c) ∀B ∈ P(Ω) (c.à.d. ∀B ⊂ Ω), Q(B) := pi .
ωi ∈B
Remarquons que (a) et (b) sont deux cas particuliers de (c) si l’on convient
qu’une somme indexée par l’ensemble vide (donc ayant 0 termes) vaut 0
et une somme indexée par un singleton donc ayant un seul terme vaut ce
terme. Nous allons vérifier que la fonction d’ensembles Q ainsi définie est
bien une probabilité sur (Ω, P(Ω)), autrement dit que Q vérifie les conditions
(i) (Q(Ω) = 1) et (ii) (σ-additivité) de la définition 1.1.
Vérification de (i) : En utilisant la définition de Q et l’hypothèse sur la
somme des pi :
X Xn
Q(Ω) = pi = pi = 1.
ωi ∈Ω i=1
Vérification de (ii) : Soit (Aj )j≥1 une suite de parties de Ω deux à deux
disjointes. Comme Ω est fini, seul un nombre fini m de Aj sont non vides
(m ≤ n). Notons les Aj1 , . . . , Ajk . . . , Ajm . Soit A leur réunion :
m
∪ ∗ Aj = ∪ Ajk = A.
j∈N k=1

D’après la définition de Q :
X
Q(A) = pi .
ωi ∈A
Dans cette somme finie, regroupons en un même paquet tous les pi indexés
par des ωi appartenant au même Ajk :
m
X X m
X
Q(A) = pi = Q(Ajk ).
k=1 ωi ∈Ajk k=1
Finalement
m
X +∞
X
Q ∪ ∗ Aj = Q(A) = Q(Ajk ) = Q(Aj ).
j∈N
k=1 k=1
Ainsi la fonction d’ensemble Q vérifie la propriété de σ-additivité, c’est bien

une probabilité sur (Ω, P(Ω)).
Remarque : Lorsque Ω est fini, la façon la plus simple de construire une
probabilité sur (Ω, P(Ω)) est de choisir pi = 1/n pour tout i (Card Ω = n). On
parle alors d’équiprobabilité ou de probabilité uniforme sur (Ω, P(Ω)). C’est la
modélisation qui s’impose naturellement lorsqu’on n’a pas de raison de penser
a priori qu’un résultat élémentaire de l’expérience soit favorisé ou défavorisé
par rapport aux autres. La situation est radicalement différente lorsque Ω est
infini dénombrable (par exemple N ou une suite infinie d’éléments distincts).
Sur un tel ensemble, il ne peut pas y avoir d’équiprobabilité. Imaginons que
l’on veuille tirer une boule au hasard dans une urne contenant une infinité
de boules ayant chacune un numéro entier distinct (et une boule par entier).
Soit ωi l’événement tirage de la boule numérotée i (i ∈ N) et pi sa probabilité.
Par σ-additivité, on doit toujours avoir :
X
pi = 1.
i∈N
Mais si tous les pi sont égaux, la série ci-dessus contient une infinité de termes
tous égaux à p0 . Sa somme vaut alors +∞ si p0 > 0 ou 0 si p0 = 0, il y a
donc une contradiction.
Proposition 1.5 Soit Ω = {ω0 , ω1 , . . . , ωi , . . .} un ensemble infini dénom-
brable (c’est-à-dire en bijection avec N). La donnée d’une probabilité sur
(Ω, P(Ω)) équivaut à la donnée d’une suite (pi )i∈N de réels tels que :
+∞
X
pi = 1, pi ≥ 0 (i ∈ N)
i=0

1.5. Remarques sur le choix d’un modèle
et des égalités
P ({ωi }) = pi , i ∈ N.
Preuve : La démonstration est analogue à celle de la proposition 1.4 en

remplaçant les sommes finies par les séries. En particulier pour montrer la σ-
additivité de Q, on utilise la propriété de sommation par paquets des séries
qui est toujours vérifiée pour les séries à termes positifs. Les détails sont
laissés au lecteur.

Exemple 1.6 (Une probabilité définie sur N, P(N) )
Soit a un réel strictement positif fixé. On pose :
e−a ak
∀k ∈ N, pk = .
k!
On remarque que pk est le terme général positif d’une série convergente :
+∞ −a k +∞ k
X e a −a
X a
=e = e−a ea = 1.
k=0
k! k=0
k!
Pour tout A ⊂ N, on définit :

X
P (A) = pk .
k∈A
D’après la proposition 1.5, P est une probabilité sur (N, P(N)). On l’appelle
loi de Poisson de paramètre a. Calculons par exemple P (2N) où 2N désigne
l’ensemble des entiers pairs.
+∞ −a 2l
X X e a 1
P (2N) = pk = = e−a ch a = (1 + e−2a ).
k∈2N l=0
(2l)! 2
Une conséquence de ce résultat est : si l’on tire un nombre entier au ha-

sard suivant une loi de Poisson, la probabilité qu’il soit pair est strictement
supérieure à 21 .
1.5 Remarques sur le choix d’un modèle

Envisageons la situation suivante « on jette deux dés . . . ». Un événement
élémentaire associé à cette expérience est la sortie de deux nombres entiers
distincts ou non compris entre 1 et 6.

Une première modélisation consiste à choisir Ω = {1, 2, 3, 4, 5, 6}2 , à

prendre comme ensemble d’événements observables F = P(Ω) et à attri-
buer à chaque événement élémentaire {(i, j)} la probabilité 1/36 (Modèle
(1)).
Il est commode de représenter Ω sous la forme d’un tableau à 36 cases
correspondant chacune à un événement élémentaire. On peut alors définir la
probabilité comme un rapport d’aires (Modèle (10 )) :
P (B) = Aire de B/Aire de Ω.
1 2 3 4 5 6
1
2
3
4
5
6
Ce modèle (1) ou (10 ) est accepté d’autant plus facilement qu’on aura
précisé que les deux dés sont distinguables (par exemple un dé rouge et un
vert, ou deux dés blancs lancés chacun sur une table différente). On peut
ainsi distinguer l’événement {(2, 3)} de l’événement {(3, 2)} où la première
composante désigne le résultat du dé rouge. A la question : quelle est la
probabilité d’obtenir un 2 et un 3 et quelle est celle d’obtenir un double 6 ?
On répondra naturellement :
P (2 et 3) = P ({(2, 3)} ∪ {(3, 2)}) = 1/36 + 1/36 = 1/18,
P (6 et 6) = P ({(6, 6)}) = 1/36.

Supposons maintenant que les deux dés ne sont plus distinguables (par exemple
jet de deux dés blancs sur une même table ou jet de deux dés de couleurs
différentes, l’observation étant notée sans tenir compte de la couleur)
Voici une modélisation possible : on garde le même Ω mais on change
d’ensemble d’événements observables. On ne considère comme événements
observables que les parties symétriques de Ω ( i.e. invariantes par (i, j) 7→
(j, i)). Les événements élémentaires sont alors de deux types : les doubles et
les paires de deux chiffres distincts. F est alors constituée de 221 événements,
ce modèle est moins riche en information que le précédent (236 événements).
On peut raisonnablement penser que la couleur n’influe pas sur les résultats et
attribuer pour rester cohérent avec notre première modélisation la probabilité
1/36 aux doubles et 1/18 aux paires de deux chiffres distincts. On voit ainsi

1.5. Remarques sur le choix d’un modèle
un exemple de situation pourtant très simple où il n’y a pas équiprobabilité

des événements élémentaires. (Modèle (2) )
Remarquons là aussi que l’on peut donner une représentation géométri-
que de ce modèle en repliant le carré le long de sa diagonale i = j.
1 2 3 4 5 6
Les événements élémentaires sont
@ 1
maintenant représentés par un carré ou @
un triangle et leur probabilité est définie @ 2
comme un rapport d’aires (loi uniforme
@ 3
@
sur le triangle rectangle de côté 6). (Mo- @ 4
dèle (20 ))
@ 5
@
@6
@
Un troisième modèle peut être proposé et il sera souvent adopté impli-
citement par des débutants à qui on aura dit : on jette deux dés de même
couleur. . . On considère 21 événements élémentaires : les 6 doubles et les 15
paires à deux chiffres distincts.
Ω = {1, 2, . . . , 6, 12, . . . , 16, 23, . . . 26, 34, . . . , 56}

| {z } | {z }
doubles distincts
On prend comme ensemble d’événements observables F = P(Ω) ensemble

des parties de Ω. On définit la probabilité P par l’hypothèse d’équiprobabilité
(Modèle (3)). On obtient une représentation géométrique équivalente à l’aide
du schéma ci dessous :
1 2 3 4 5 6
Les événements élémentaires sont 1
représentés par un carré et la proba- 2
bilité est définie comme un rapport 3
d’aires (loi uniforme sur la figure ci- 4
contre). (Modèle (30 )) 5
6
Avec ce modèle, la probabilité d’obtenir un double six est la même que
1
celle d’obtenir un deux et un trois et vaut 21 .
On peut imaginer toute une liste d’excellents arguments qui militent en
faveur des modèles (1) et (2) contre le modèle (3), par exemple : « on jette
deux dés de couleurs différentes et on les filme avec deux caméras, une couleur
et l’autre noir et blanc. . . », « il y a deux façons d’obtenir 2 et 3 et une seule
de faire un double 6 ».
Tous ces arguments relèvent d’une analyse a priori de l’expérience et pas
de la théorie mathématique des probabilités. Chacun des modèles présentés

ci-dessus a sa cohérence comme objet mathématique. La question pertinente

est : parmi ces modèles, lequel (lesquels ?) représente(nt) le mieux la réalité ?
Pour un physicien, ce qui fait la valeur d’un modèle est sa capacité à
permettre la prévision du résultat d’expériences. Ainsi certaines expériences
sont « expliquées » par la théorie de la relativité alors que leur résultat ne
s’accorde pas avec la théorie de la mécanique classique.
Si l’on se place dans le cadre des modèles (1) et (2), la loi forte des grands
nombres nous dit que si l’on jette les dés une infinité de fois, la fréquence
1
d’apparition du double six va converger 8 vers 36 tandis qu’avec le modèle
1
(3) cette fréquence convergera vers 21 . La réalisation d’un grand nombre de
lancers permet donc ici de constater que les modèles (1) et (2) rendent mieux
compte de la réalité que le (3). Une question importante est alors : que faut-il
entendre par grand nombre ? Cette question sera discutée ultérieurement.
1.6 Exercices
Ex 1.1. Partie de dés entre Alice et Bruno (cf. exemple 1.1)

D’après l’étude faite à l’exemple 1.1, on a :
[ n−1
A∪B = ∩ Sjc ∩ Sn .
j=1
n∈N∗
La règle de calcul automatique du complémentaire nous donne alors :
c \ n−1
c c
A∪B =A ∩B = ∪ Sj ∪ Snc .
j=1
n∈N∗
D’autre part comme A, B et D forment une partition de Ω, on a

c \
A∪B =D= Sjc .
j∈N∗
On en déduit :
\ n−1 \
∪ Sj ∪ Snc = Sjc .
j=1
n∈N∗ j∈N∗
Proposer une vérification directe de cette formule.
8. En un sens qui sera précisé dans le chapitre sur la loi des grands nombres.

1.6. Exercices
Ex 1.2. On lance un dé jusqu’à la première apparition du six. Notons :
Si = {Le i-ème lancer donne un six}, i ∈ N.
Écrire à l’aide des événements Si et Sic l’événement
A = {La première apparition du six a lieu après le 5-ème lancer}.
Est-ce le même événement que
B = {Six n’apparaı̂t pas au cours des 5 premiers lancers}?
Ex 1.3. On effectue une suite infinie de lancers d’un dé. Pour tout i ∈ N∗ ,
on note :
Ai = {Obtention de l’as au i-ème lancer}.
1) Définir par une phrase ne comportant aucun vocabulaire mathéma-
tique chacun des événements :
+∞ 4 +∞
E1 = ∩ Ai , E2 = ∩ Aci ∩ ∩ Ai , E3 = ∪ Ai .
i=5 i=1 i=5 i>4
2) Ecrire à l’aide des Ai l’événement « on obtient au moins une fois l’as

au-delà du n-ième lancer ».
3) On pose Cn = ∪ Ai . Montrer que la suite (Cn ) est décroissante (i.e.
i>n
que pour tout n ≥ 1, Cn+1 est inclus dans Cn ). Caractériser d’une phrase ne
comportant pas de vocabulaire mathématique l’événement C = ∩ Cn .
n≥1
4) Ecrire à l’aide des Ai les événements :
Bn = {On n’obtient plus que des as à partir du n-ième lancer}

B = {On n’obtient plus que des as à partir d’un certain lancer}
Ex 1.4. Soient f et g deux applications de Ω dans R. Montrer que :

ε ε
{ω ∈ Ω, f (ω) + g(ω) ≥ ε} ⊂ {ω ∈ Ω, f (ω) ≥ } ∪ {ω ∈ Ω, g(ω) ≥ }
2 2
Ex 1.5. On considère une suite de fonctions (fn )n≥1 : Ω → R, ω 7→ fn (ω).
On pose pour tout ε > 0 et tout k ∈ N∗ :
Bε,k = {ω ∈ Ω, |fk (ω)| < ε}.

1) On fixe ε > 0. Ecrire à l’aide d’opérations ensemblistes sur les Bε,k ,

l’ensemble :
Aε,n = {ω ∈ Ω, ∀k ≥ n, |fk (ω)| < ε}.
2) Même question pour :
Aε = {ω ∈ Ω, ∃n(ω), ∀k ≥ n(ω), |fk (ω)| < ε}.
3) Montrer que l’ensemble :
A = {ω ∈ Ω, lim fk (ω) = 0}
k→+∞
peut s’écrire à l’aide d’opérations ensemblistes sur une suite d’ensembles du

type Bε,k .
Ex 1.6. Deux événements A et B sont tels que : P (A) = P (B) = 0, 75.
Quel est le maximum de P (A ∩ B) ? Quel est son minimum ?
Ex 1.7. Inégalité de Bonferroni
1) Si P (A) = 0.9 et P (B) = 0.8, montrer que P (A ∩ B) ≥ 0.7.
2) Montrer que pour tous événements A et B,
P (A ∩ B) ≥ P (A) + P (B) − 1.
3) Généraliser :
n
X
∀A1 , . . . , An ∈ F, P (A1 ∩ · · · ∩ An ) ≥ P (Ai ) − (n − 1).
i=1
Ex 1.8. On suppose que P et Q sont deux probabilités sur (Ω, F) vérifiant

P ≤ Q, ce qui signifie : ∀A ∈ F, P (A) ≤ Q(A). Montrer qu’alors P = Q
(égalité de deux fonctions d’ensembles).
Ex 1.9. Soit (An )n≥1 une suite d’événements ayant chacun une probabilité
1 (on rappelle que P (An ) = 1 n’implique pas An = Ω). On note A leur
intersection. Que peut-on dire de P (A) ?
Ex 1.10. Dénombrement de sommes d’entiers
Le but de cet exercice est d’établir les deux formules de dénombrement sui-
vantes. Pour n, r > 1 entiers donnés, considérons l’équation à r inconnues :
x1 + x2 + · · · + xr = n. (1.7)
Une solution de cette équation est un r-uplet (x1 , . . . , xr ) dont la somme des
composantes xi (1 ≤ i ≤ r) vaut n. Lorsque les xi sont des réels, (1.7) a une
infinité de solutions. On s’intéresse aux solutions dont toutes les composantes
sont des entiers.

1.6. Exercices
Proposition 1.6
r−1 n
a) L’équation (1.7) admet exactement Cn+r−1 = Cn+r−1 solutions à com-
posantes entières positives ou nulles ;
r−1
b) si n ≥ r > 1, l’équation (1.7) admet exactement Cn−1 solutions à
composantes entières strictement positives.
Voici une traduction plus concrète du problème. On dispose de n jetons iden-
tiques (il n’est donc pas possible de les distinguer) et de r boı̂tes numérotées
de 1 à r. Le cas a) donne le nombre de façons de répartir ces jetons dans les r
boı̂tes (certaines pouvant rester vides). Le cas b) donne le nombre de répar-
titions pour lesquelles aucune boı̂te ne reste vide. Dans cette interprétation,
xi représente le nombre de jetons déposés dans la boı̂te no i.
1) Démontrez la Proposition 1.6 b) en vous aidant du codage des répar-
titions possibles par des chaı̂nes de caractères, illustré par l’exemple suivant
avec n = 9 et r = 4. On représente d’abord chaque jeton par le caractère ’O’,
avec un espace entre deux caractères consécutifs :
O O O O O O O O O.
Pour représenter les 4 boı̂tes, il suffit d’insérer 3 caractères ’|’, chacun dans
un espace libre. Par exemple, la chaı̂ne
O O|O O O|O|O O O
code la répartition avec 2 jetons dans la première boı̂te, 3 dans la deuxième, 1
dans la troisième et 3 dans la quatrième, autrement dit la solution (x1 , x2 , x3 , x4 ) =
(2, 3, 1, 3).
2) Prouvez la Proposition 1.6 a), en utilisant le codage suivant illustré
à nouveau dans le cas n = 9 et r = 4. Le caractère ’|’ représente à la fois le
début et la fin d’une boı̂te (sauf s’il est le premier ou le dernier de la chaı̂ne).
Il nous en faut donc 5 pour représenter 4 boı̂tes. On représente encore chaque
jeton par un ’O’, mais cette fois on ne laisse plus d’espace entre les caractères
de la chaı̂ne. L’exemple de la question précédente sera alors codé par la chaı̂ne
de 14 caractères sans espaces :
|OO|OOO|O|OOO|.
Ceci permet de représenter une boı̂te vide par deux caractères ’|’ consécutifs.
Par exemple les chaı̂nes
|OO||OOOO|OOO|, |||OOOO|OOOOO|,
représentent respectivement les solutions (2, 0, 4, 3) et (0, 0, 4, 5).
3) Montrer que l’on peut passer du cas a) au cas b) par un simple
changement d’inconnue et utiliser cette remarque pour contrôler les résultats
précédents.

Ex 1.11. En attendant le métro ↑ 1.10

Prologue. Dans une station de métro est disposée une rangée de 16 sièges.
Un sociologue observe la répartition des voyageurs assis sur cette rangée. Il
représente son observation par une chaı̂ne de caractères ’O’ (pour « occupé »)
et ’L’ (pour « libre ») :
OLOLLOLOLLLOLOLO
Notre sociologue se demande si les voyageurs ont choisi leur place au hasard
parmi les places disponibles, ou s’ils ont cherché à s’isoler. Si les voyageurs
choisissent au hasard parmi les places disponibles, toutes les répartitions des
7 personnes sur les 16 places sont équiprobables. Pour se faire une idée, on
compte les séries. Une série est ici un bloc de lettres identiques encadré (sauf
s’il est en début ou en fin) par des lettres différentes. Dans l’observation
réalisée, il y donc 13 séries :
O, L, O, LL, O, L, O, LLL, O, L, O, L, O.
dont 7 séries de O, ce qui est le maximum possible pour cette lettre.

1) Une chaı̂ne comportant m lettres L et n lettres O est construite au
hasard. On se propose de calculer la probabilité qu’elle comporte exactement
r séries de O. On pourra utiliser les résultats de l’exercice 1.10 comme suit.
Pour i = 1, . . . , r, notons xi le nombre de lettres O de la i-ème série de O
(tous les xi sont strictement positifs). Soit y1 le nombre (éventuellement nul)
de L avant la première série de O, yr+1 le nombre (éventuellement nul) de L
après la dernière série de O. Pour 2 ≤ i ≤ r, yi désigne le nombre strictement
positif de lettres L dans la série qui précède la i-ème série de O.
L. . .L} O.
| {z . .O} L.
| {z . .L} O.
| {z . .O} . . . . . . L.
| {z . .L} O.
| {z . .O} L.
| {z . .L}
| {z
y1 x1 y2 x2 yr xr yr+1
Les r-uplets (x1 , . . . , xr ) possibles sont les solutions à composantes stricte-

ment positives de l’équation x1 + . . . xr = n. On se ramène à une condition
du même type pour les yi en faisant le changement de variable
z1 = y1 + 1, zr+1 = yr + 1, zi = yi (2 ≤ i ≤ r).
Montrer que pour 1 ≤ r ≤ n et 1 ≤ r ≤ m + 1, la probabilité pr d’avoir r

séries de O est
r r−1
Cm+1 Cn−1
pr = n
.
Cm+n
2) Pouvez vous aider le sociologue du prologue ?

1.6. Exercices
Ex 1.12. Le problème des appariements

Dans le vestiaire d’une piscine, chaque nageur range ses vêtements sur un
cintre. Il le dépose au guichet où un employé équipe le cintre d’un bracelet
rouge numéroté et remet au nageur un bracelet jaune portant le même nu-
méro. Ainsi, à la fin de la séance, le nageur peut récupérer ses affaires en
échange du bracelet. Avant l’ouverture au public, les bracelets sont rangés
sur un tableau à N crochets supportant chacun un bracelet rouge et un jaune
de même numéro 9 .
Deux gamins turbulents s’introduisent dans le vestiaire avant l’ouverture.
En se battant ils renversent le tableau portant les bracelets. Pour ne pas
être découverts, ils les remettent en place en prenant bien soin de placer sur
chaque crochet un bracelet jaune et un rouge, mais sans tenir compte des
numéros.
A l’ouverture, N nageurs se présentent et devant l’affluence, l’employé re-
met à chacun son bracelet jaune sans prendre le temps de vérifier les numéros.
On se propose de calculer les probabilités des événements :
EN,k = {exactement k nageurs retrouvent leurs affaires}.
On choisit comme espace probabilisé ΩN ensemble des toutes les permuta-

tions (i.e. bijections) sur {1, . . . , N } muni de l’équiprobabilité PN . On notera :
Bi = {le i-ème nageur retrouve ses affaires}.
1) Pour j ≤ N et 1 ≤ i1 < i2 < · · · < ij ≤ N , calculer PN (Bi1 ∩· · ·∩Bij ).

En déduire : X 1
PN (Bi1 ∩ · · · ∩ Bij ) = .
i <i <···<i
j!
1 2 j
2) Calculer PN (EN,0 ).
3) On fixe k nageurs retrouvant leurs affaires. Exprimer à l’aide de
PN −k (EN −k,0 ) le nombre de permutations des N − k autres nageurs telles
qu’aucun d’eux ne retrouve ses affaires. En déduire la valeur de PN (EN,k ).
4) Pour k fixé, calculer : pk = lim PN (EN,k ). Montrer que la suite
N →∞
(pk )k∈N définit une probabilité P sur N (il s’agit d’une loi de Poisson).
5) Montrer que :
1
∀k ∈ {0, . . . , N }, |PN (EN,k ) − pk | < .
k! (N + 1 − k)!
9. Toute ressemblance avec une piscine proche du campus ne serait pas forcément aléa-
toire.

En déduire :
n
X e
∀n ∈ {0, . . . , N }, |PN (EN,j ) − pj | ≤ .
j=0
(N + 1 − n)!
5
X
6) Application : après avoir vérifié que : 0.9994 < pj < 0.9995,
j=0
donner pour N ≥ 12 quelconque des valeurs numériques approchées à 10−4
près des PN (EN,j ) pour j = 0, 1, . . . 5 (ces valeurs ne dépendent pas de N ).
Même question pour la probabilité qu’au moins 6 nageurs retrouvent leurs
affaires.
Ex 1.13. Loi ζ ↓ 2.18

Soit a ∈]1, +∞[. On définit le réel ζ(a) par :
+∞
X 1
ζ(a) = .
k=1
ka
On peut alors définir une probabilité Pa sur N∗ en posant (cf. proposition

1.5) :
1
pk = , k ∈ N∗ .
ζ(a)k a
On dit que Pa est la loi zeta de paramètre a. Si m ∈ N∗ , on note mN∗
l’ensemble {km, k ∈ N∗ } de ses multiples non nuls. Calculer Pa (2N∗ ). Géné-
raliser.
Ex 1.14. Sur la probabilité qu’un entier tiré au hasard soit un multiple. . .

On a vu qu’il n’existe pas de probabilité uniforme sur N (cf. page 16). L’objet
de cet exercice est de donner une réponse négative à la question moins naı̈ve
suivante : existe-t-il une probabilité P sur (N, P(N)) telle qu’un entier tiré
au hasard suivant cette loi P soit pair avec une probabilité 1/2, multiple
de 3 avec une probabilité 1/3, multiple de 4 avec probabilité 1/4, etc. Plus
formellement, notons nN l’ensemble des multiples de l’entier n (y compris 0).
On suppose qu’il existe une probabilité P vérifiant :
1
∀n ∈ N∗ , P (nN) = .
n
et on souhaite réfuter cette conjecture.
1) Montrer que nécessairement P ({0}) = 0.

1.6. Exercices
2) Prouver la relation
+∞
1 −1 1 −1 X X 1
1− 1− = k1 3k2
.
2 3 m=0 k +k =m
2
1 2
3) Soit pi le i-ème nombre premier (p1 = 2, p2 = 3, p3 = 5, . . .). On

pose pour 1 ≤ k ≤ n :
n
Y 1
πk,n = 1−
i=k
pi
et on se propose d’en trouver la limite lorsque n tend vers +∞, k restant
fixé. Justifier les écritures suivantes :
n +∞
Y 1 −1 X X 1
1− = k
i=1
pi p 1 · · · pknn
l=0 k +···+k =l 1
1 n
n
X 1
≥ .
j=1
j
4) En déduire lim π1,n , puis lim πk,n (k fixé).

n→+∞ n→+∞
5) Montrer que si les entiers a et b sont premiers entre eux :
P (aN ∩ bN) = P (aN)P (bN).
En déduire
P (aNc ∩ bNc ) = P (aNc )P (bNc ).
6) On note pour alléger Ei = pi N. Montrer que pour tout n ≥ 2,
n Y n
c
P ∩ Ei = P (Eic ).
i=1
i=1
+∞
En déduire la valeur de P ∩ Eic pour tout k ≥ 1.
i=k
+∞
7) Montrer que P ∪ Ei = 1 pour tout k et en déduire que
i=k
P ({0, 1, . . . , k − 1}) = 0 pour tout k,

ce qui est manifestement absurde (pourquoi ?).
Ex 1.15. Construire une probabilité sur P sur (N∗ , P(N∗ )) vérifiant P ({n}) >
0 pour tout n et :
1 1
P (2N) = , P (3N) = .
2 3
Imaginer une expérience aléatoire correspondant à cette modélisation.


Chapitre 2
Conditionnement et
indépendance
2.1 Probabilités conditionnelles

2.1.1 Introduction
Comment doit-on modifier la probabilité que l’on attribue à un événe-

ment lorsque l’on dispose d’une information supplémentaire ? Le concept de
probabilité conditionnelle permet de répondre à cette question.
Par exemple, une fédération d’escrime regroupe N licenciés, dont NH
hommes et NF = N − NH femmes. Il y a NG gauchers (des deux sexes)
parmi tous les licenciés. On choisit un individu au hasard. Notons :
G = {l’individu choisi au hasard est gaucher}

H = {l’individu choisi au hasard est un homme}
On note NG∩H le nombre d’escrimeurs hommes gauchers. On a bien sûr :

P (H) = NH /N et P (G ∩ H) = NG∩H /N . Quelle est la probabilité qu’un li-
cencié homme choisi au hasard soit gaucher ? On dispose ici d’une information
supplémentaire : on sait que l’individu choisi est un homme. En considérant
les divers choix possibles d’un homme comme équiprobables, la probabilité
cherchée est clairement : NG∩H /NH . Ceci s’exprime aussi à l’aide de P (H)
et de P (G ∩ H) en remarquant que :
NG∩H N P (G ∩ H) P (G ∩ H)
= = .
NH N P (H) P (H)
Par analogie, nous donnons dans le cas général la définition formelle :
29
Chapitre 2. Conditionnement et indépendance
Définition 2.1 Soit H un événement tel que P (H) 6= 0. Pour tout événe-
ment observable A, on définit :
P (A ∩ H)
P (A | H) = ,
P (H)
appelée probabilité conditionnelle de l’événement A sous l’hypothèse H.
Remarquons que pour l’instant, il ne s’agit que d’un jeu d’écriture. On a
simplement défini un réel P (A | H) pour que :
P (A ∩ H) = P (A | H)P (H).
Ce qui fait l’intérêt du concept de probabilité conditionnelle, c’est qu’il est

souvent bien plus facile d’attribuer directement une valeur à P (A | H) en
tenant compte des conditions expérimentales (liées à l’information H) et d’en
déduire ensuite la valeur de P (A ∩ H). Le raisonnement implicite alors utilisé
est : tout espace probabilisé modélisant correctement la réalité expérimentale
devrait fournir telle valeur pour P (A | H). . .
Exemple 2.1 Une urne contient r boules rouges et v boules vertes. On en
tire deux l’une après l’autre, sans remise. Quelle est la probabilité d’obtenir
deux rouges ?
Notons H et A les événements :
H = {rouge au 1er tirage}, A = {rouge au 2e tirage}.
Un espace probabilisé (Ω, F, P ) modélisant correctement cette expérience

devrait vérifier :
r
P (H) = ,
r+v
r−1
P (A | H) = .
r+v−1
En effet, si H est réalisé, le deuxième tirage a lieu dans une urne contenant
r + v − 1 boules dont r − 1 rouges. On en déduit :
r−1 r
P (deux rouges) = P (A ∩ H) = P (A | H)P (H) = × .
r+v−1 r+v
On aurait pu arriver au même résultat en prenant pour Ω l’ensemble des
arrangements de deux boules parmi r + v, muni de l’équiprobabilité et en
faisant du dénombrement :
card Ω = A2r+v = (r + v)(r + v − 1), card(A ∩ H) = A2r = r(r − 1).

2.1. Probabilités conditionnelles
d’où :
r(r − 1)
P (A ∩ H) = .
(r + v)(r + v − 1)
Notons d’ailleurs que card H = r(r + v − 1) d’où
card H r(r + v − 1) r
P (H) = = = .
card Ω (r + v)(r + v − 1) r+v
En appliquant la définition formelle de P (A | H) on retrouve :
P (A ∩ H) r(r − 1) r+v r−1

P (A | H) = = × = ,
P (H) (r + v)(r + v − 1) r r+v−1
ce qui est bien la valeur que nous avions attribuée a priori en analysant les
conditions expérimentales.
Remarque : Il importe de bien comprendre que l’écriture A | H ne désigne

pas un nouvel événement 1 différent de A. Quand on écrit P (A | H), ce
que l’on a modifié, ce n’est pas l’événement A, mais la valeur numérique
qui lui était attribuée par la fonction d’ensembles P . Il serait donc en fait
plus correct d’écrire PH (A) que P (A | H). On conservera néanmoins cette
dernière notation essentiellement pour des raisons typographiques : P (A |
H1 ∩ H2 ∩ H3 ) est plus lisible que PH1 ∩H2 ∩H3 (A).
2.1.2 Propriétés
Proposition 2.2 Soit (Ω, F, P ) un espace probabilisé et H un événement
fixé tel que P (H) 6= 0. Alors la fonction d’ensembles P ( . | H) définie par :
P ( . | H) : F → [0, 1] B 7→ P (B | H)
est une nouvelle probabilité sur (Ω, F).
La vérification est laissée en exercice. Une conséquence immédiate est que la

fonction d’ensembles P ( . | H) vérifie toutes les propriétés de la proposition
1.2.
Corollaire 2.3 La fonction d’ensemble P ( . | H) vérifie :

1. P (∅ | H) = 0, P (Ω | H) = 1 et si A ⊃ H, P (A | H) = 1.
1. En fait cette écriture prise isolément (sans le P ) n’a pas de sens et ne devrait ja-
mais être utilisée. Le symbole | ne représente pas une opération sur les événements qui
l’entourent.

2. Si les Ai sont deux à deux disjoints :

n
n X
P( ∪ Ai | H) = P (Ai | H).
i=1
i=1
c
3. Pour tout B ∈ F, P (B | H) = 1 − P (B | H).
4. Pour tous A ∈ F et B ∈ F, si A ⊂ B, P (A | H) ≤ P (B | H).
5. Pour tous A ∈ F et B ∈ F,
P (A ∪ B | H) = P (A | H) + P (B | H) − P (A ∩ B | H).
6. Pour toute suite (Ai )i≥1 d’événements :
+∞
X

P ∪ Ai | H ≤ P (Ai | H).
i∈N∗
i=1
7. Si Bn ↑ B, P (Bn | H) ↑ P (B | H), (n → +∞).

8. Si Cn ↓ C, P (Cn | H) ↓ P (C | H), (n → +∞).
Nous n’avons vu jusqu’ici aucune formule permettant de calculer la pro-
babilité d’une intersection d’événements à l’aide des probabilités de ces évé-
nements. Une telle formule n’existe pas dans le cas général. Les probabilités
conditionnelles fournissent une méthode générale tout à fait naturelle pour
calculer une probabilité d’intersection.
Proposition 2.4 (Règle des conditionnements successifs)
Si A1 , . . . , An sont n événements tels que P (A1 ∩ . . . ∩ An−1 ) 6= 0, on a :
P (A1 ∩ . . . ∩ An ) = P (A1 )P (A2 | A1 )P (A3 | A1 ∩ A2 ) × · · ·
· · · × P (An | A1 ∩ . . . ∩ An−1 ).
n−1 i
Preuve : Pour 1 ≤ i ≤ n − 1, on a ∩ Aj ⊂ ∩ Aj d’où :
j=1 j=1
n−1 i
0<P ∩ Aj ≤ P ∩ Aj .
j=1 j=1
i
Donc P ∩ Aj n’est nul pour aucun i ≤ n − 1 et on peut conditionner par
j=1
i
l’événement ∩ Aj . Ceci légitime le calcul suivant :
j=1
P (A1 )P (A2 | A1 )P (A3 | A1 ∩ A2 ) × · · · × P (An | A1 ∩ . . . ∩ An−1 )

P (A1 ∩ A2 ) P (A1 ∩ A2 ∩ A3 ) P (A1 ∩ . . . ∩ An )
= P (A1 ) × × × ··· ×
P (A1 ) P (A1 ∩ A2 ) P (A1 ∩ . . . ∩ An−1 )
= P (A1 ∩ . . . ∩ An ),
après simplifications en chaı̂ne de toutes ces fractions.

Les probabilités conditionnelles permettent aussi de calculer la probabilité

d’un événement en conditionnant par tous les cas possibles. Du point de vue
ensembliste, ces cas possibles correspondent à une partition de Ω. On dit
qu’une famille (Hi )i∈I est une partition de Ω si elle vérifie les trois conditions :
– ∀i ∈ I, Hi 6= ∅.
– Ω = ∪ Hi .
i∈I
– Les Hi sont deux à deux disjoints (i 6= j ⇒ Hi ∩ Hj = ∅).
2
Proposition 2.5 (Conditionnement par les cas possibles )
(i) Si H est tel que P (H) 6= 0 et P (H c ) 6= 0, on a
∀A ∈ F, P (A) = P (A | H)P (H) + P (A | H c )P (H c ).
(ii) Si H1 , . . . , Hn est une partition finie de Ω en événements de proba-

bilités non nulles,
n
X
∀A ∈ F, P (A) = P (A | Hi )P (Hi ).
i=1
(iii) Si (Hi )i∈N est une partition de Ω telle que ∀i ∈ N, P (Hi ) 6= 0 :
+∞
X
∀A ∈ F, P (A) = P (A | Hi )P (Hi ).
i=0
Preuve : Il suffit de vérifier (iii), les deux premières propriétés se démontrant

de façon analogue. Comme (Hi )i∈N est une partition de Ω,

A=A∩Ω=A∩ ∪ Hi = ∪ (A ∩ Hi )
i∈N i∈N
et cette réunion est disjointe car les Hi étant deux à deux disjoints, il en est
de même pour les (A ∩ Hi ). Par conséquent par σ-additivité :
+∞
X +∞
X
P (A) = P (A ∩ Hi ) = P (A | Hi )P (Hi ).
i=0 i=0
2. ou formule des probabilités totales.

Lorsqu’on a une partition de Ω en n hypothèses ou cas possibles Hi et

que l’on sait calculer les P (Hi ) et les P (A | Hi ), on peut se poser le problème
inverse : calculer P (Hj | A) à l’aide des quantités précédentes. La solution
est donnée par la formule suivante quelquefois appelée (abusivement) formule
des probabilités des causes.
Proposition 2.6 (Formule de Bayes)

Soit A un événement de probabilité non nulle. Si les événements Hi (1 ≤
i ≤ n) forment une partition de Ω et aucun P (Hi ) n’est nul, on a pour tout
j = 1, . . . , n :
P (A | Hj )P (Hj )
P (Hj | A) = Pn .
i=1 P (A | Hi )P (Hi )
Preuve : Par définition des probabilités conditionnelles on a :

P (A ∩ Hj ) P (A | Hj )P (Hj )
P (Hj | A) = = .
P (A) P (A)
Et il ne reste plus qu’à développer P (A) en conditionnant par la partition

(Hi , 1 ≤ i ≤ n) comme à la proposition 2.5.
La même formule se généralise au cas d’une partition dénombrable. Ces
formules sont plus faciles à retrouver qu’à mémoriser. . .
2.1.3 Quelques exemples

Exemple 2.2 On considère deux urnes U1 et U2 . L’urne U1 contient r1
boules rouges et v1 boules vertes. L’urne U2 contient contient r2 boules rouges
et v2 boules vertes. On lance un dé. S’il indique le chiffre 1, on choisit l’urne
U1 , sinon on choisit U2 . Dans chaque cas on effectue deux tirages avec remise
dans l’urne choisie. Quelle est la probabilité d’obtenir une rouge au premier
tirage ? deux rouges en tout ?
Adoptons les notations d’événements suivantes :
R = {rouge au 1er tirage}, R0 = {rouge au 2e tirage},
H1 = {choix de l’urne U1 }, H2 = H1c = {choix de l’urne U2 }.

Il est facile de calculer directement P (R | Hi ) et P (R ∩ R0 | Hi ) pour i = 1, 2.
En effet, une fois l’urne Ui choisie, on a un problème classique de tirages
avec remise dans la même urne que l’on peut traiter (par exemple) par le
dénombrement. On a ainsi :
ri 0
r 2
i
P (R | Hi ) = , P (R ∩ R | Hi ) = .
ri + v i ri + v i

La formule de conditionnement par la partition {H1 , H2 } donne :

P (R) = P (R | H1 )P (H1 ) + P (R | H2 )P (H2 )
1 r1 5 r2
= + .
6 r1 + v 1 6 r2 + v 2
et
P (R ∩ R0 ) = P (R ∩ R0 | H1 )P (H1 ) + P (R ∩ R0 | H2 )P (H2 )
1 r1 2 5 r2 2
= + .
6 r1 + v 1 6 r2 + v2
Exemple 2.3 Un questionnaire à choix multiples propose m réponses pour

chaque question. Soit p la probabilité qu’un étudiant connaisse la réponse
à une question donnée. S’il ignore la réponse, il choisit au hasard l’une des
réponses proposées. Quelle est pour le correcteur la probabilité qu’un étudiant
connaisse vraiment la bonne réponse lorsqu’il l’a donnée ?
Notons :
B = {l’étudiant donne la bonne réponse}
C = {l’étudiant connaı̂t la bonne réponse}
On cherche P (C | B). Avec ces notations, les données de l’énoncé peuvent se
traduire par :
1
P (C) = p, P (C c ) = 1 − p, P (B | C) = 1, P (B | C c ) = .
m
On en déduit :
P (B ∩ C)
P (C | B) =
P (B)
P (B | C)P (C)
=
P (B | C)P (C) + P (B | C c )P (C c )
1×p mp
= 1 = .
1 × p + m (1 − p) 1 + (m − 1)p
Pour p fixé, P (C | B) est une fonction croissante de m, les deux bornes étant
P (C | B) = p (cas m = 1) et P (C | B) → 1 (m → +∞). D’autre part pour
m fixé, P (C | B) est une fonction croissante de p. On a pour p > 0 :
P (C | B) m
= ≥ 1,
p 1 + (m − 1)p
l’égalité n’étant possible que pour p = 1. Tout ceci est conforme à l’intuition.

Exemple 2.4 Un test sanguin a une probabilité de 0.95 de détecter un cer-

tain virus lorsque celui ci est effectivement présent. Il donne néanmoins un
faux résultat positif pour 1% des personnes non infectées. Si 0.5% de la po-
pulation est porteuse du virus, quelle est la probabilité qu’une personne ait le
virus sachant qu’elle a un test positif ?
Notons
V = {la personne testée a le virus},

T = {la personne testée a un test positif}.
On cherche P (V | T ). Or on sait que :
P (V ) = 0.005, P (T | V ) = 0.95, P (T | V c ) = 0.01
On en déduit :
P (T ∩ V ) P (T | V )P (V )
P (V | T ) = =
P (T ) P (T | V )P (V ) + P (T | V c )P (V c )
0.95 × 0.005
= ' 0.323
0.95 × 0.005 + 0.01 × 0.995
On voit ainsi que contrairement à ce que l’on aurait pu croire le test n’est
pas fiable : si la personne présente un test positif, la probabilité qu’elle ne
soit pas porteuse du virus est deux fois plus élevée que celle qu’elle le soit !
2.2 Indépendance
2.2.1 Indépendance de deux événements
Soient A et B deux événements de probabilité non nulle. Il arrive que la
connaissance de la réalisation de A ne modifie pas notre information sur celle
de B, autrement dit que P (B | A) = P (B). C’est le cas par exemple lorsque
l’on fait un tirage avec remise et que la réalisation de A ne dépend que du
résultat du premier tirage, celle de B que du deuxième. Symétriquement on
aura dans cet exemple P (A | B) = P (A). Cette remarque se généralise :
Proposition 2.7 Si A et B sont des événements de probabilité non nulle,

les trois égalités suivantes sont équivalentes :
(i) P (B | A) = P (B),
(ii) P (A | B) = P (A),
(iii) P (A ∩ B) = P (A)P (B).

2.2. Indépendance
Preuve : Comme P (A) 6= 0 et P (B) 6= 0, on a la chaı̂ne d’équivalences :
P (A ∩ B) P (A ∩ B)
= P (B) ⇔ P (A ∩ B) = P (A)P (B) ⇔ = P (A).
P (A) P (B)
D’autre part la relation (iii) est toujours vérifiée dans le cas dégénéré où
P (A) = 0 ou P (B) = 0. En effet, on a alors à la fois P (A)P (B) = 0 et
0 ≤ P (A ∩ B) ≤ min P (A), P (B) = 0 d’où P (A ∩ B) = 0. Ainsi la relation
(iii) est un peu plus générale que (i) et (ii). Elle a aussi sur les deux autres
l’avantage de la symétrie d’écriture. C’est elle que l’on retient pour définir
l’indépendance.
Définition 2.8 Soit (Ω, F, P ) un espace probabilisé. Deux événements A et

B de cet espace sont dits indépendants lorsque :
P (A ∩ B) = P (A)P (B).
Exemple 2.5 On jette deux fois le même dé. Les événements
A = {obtention d’un chiffre pair au premier lancer},

B = {obtention du 1 au deuxième lancer},
sont indépendants.
En effet, en prenant Ω = {1, 2, . . . , 6}2 , F = P(Ω) et P l’équiprobabilité,
on vérifie que :
3×6 1 6×1 1
P (A) = = , P (B) = = ,
36 2 36 6
3×1 1 1 1 1
P (A ∩ B) = = , P (A)P (B) = × = .
36 12 2 6 12
Remarques :
– Si A est un événement tel que P (A) = 0 ou P (A) = 1, alors il est
indépendant de tout événement, y compris de lui même (c’est le cas en
particulier pour Ω et ∅).
– Deux événements incompatibles A et B avec P (A) > 0 et P (B) > 0 ne
sont jamais indépendants. En effet A ∩ B = ∅ implique P (A ∩ B) = 0
or P (A)P (B) 6= 0.
– L’indépendance de deux événements A et B n’est pas une propriété in-
trinsèque aux événements, elle est toujours relative au modèle (Ω, F, P )
que l’on a choisi. Voici un exemple pour l’illustrer.

Exemple 2.6 Une urne contient 12 boules numérotées de 1 à 12. On en tire

une au hasard et on considère les événements :
A = {tirage d’un nombre pair}, B = {tirage d’un multiple de 3}.
L’espace probabilisé qui s’impose naturellement ici est Ω = {1, . . . , 12} muni
de l’équiprobabilité P . Les événements A et B s’écrivent :
A = {2, 4, 6, 8, 10, 12}, B = {3, 6, 9, 12}, A ∩ B = {6, 12}.
6 1 4 1
P (A) = = , P (B) = =
12 2 12 3
2 1 1 1 1
P (A ∩ B) = = , et P (A)P (B) = × = ,
12 6 2 3 6
donc A et B sont indépendants.
On rajoute maintenant dans l’urne une boule numérotée treize et on re-
commence l’expérience.
Les événements A et B restent les mêmes, mais le modèle a changé. On a
maintenant l’équiprobabilité P 0 sur Ω0 = {1, . . . , 13} et :
6 4 2
P 0 (A) = , P 0 (B) = , P 0 (A ∩ B) =
13 13 13
mais
6 4 24 2
P 0 (A)P 0 (B) = × = 6= ,
13 13 169 13
donc A et B ne sont plus indépendants. Un peu de réflexion permet de relier
ces résultats calculatoires avec la notion intuitive d’indépendance présentée
en introduction. Dans le premier cas, la proportion des multiples de trois
parmi les pairs est la même que parmi les impairs. Le fait de savoir que la
boule tirée est paire ne modifie en rien notre information sur B. Par contre
dans le deuxième cas, l’ajout de la treizième boule modifie la proportion des
multiples de trois : elle est plus élevée chez les pairs que chez les impairs. Donc
le fait de savoir que la boule tirée est paire augmente un peu la probabilité
que nous pouvons attribuer à B.
Proposition 2.9 Si A et B sont indépendants, il en est de même pour les

paires d’événements A et B c , Ac et B, Ac et B c .
Preuve : Par hypothèse, P (A ∩ B) = P (A)P (B). En considérant la réunion
disjointe A = (A ∩ B) ∪ (A ∩ B c ), nous avons : P (A ∩ B c ) = P (A) − P (A ∩ B),
d’où :
P (A ∩ B c ) = P (A) − P (A)P (B) = P (A) 1 − P (B) = P (A)P (B c ).

Donc A et B c sont indépendants. L’échange des rôles de A et B dans ce

raisonnement donne l’indépendance de Ac et B. En réutilisant le premier
résultat avec Ac à la place de A, on obtient alors celle de Ac et B c .

2.2. Indépendance
2.2.2 Indépendance mutuelle

On se propose de généraliser la notion d’indépendance à plus de deux
événements. Examinons d’abord la situation suivante.
Exemple 2.7 Une urne contient quatre jetons : un bleu, un blanc, un rouge
et un bleu-blanc-rouge. On en tire un au hasard. Considérons les trois évé-
nements
A = {le jeton tiré contient du bleu},
B = {le jeton tiré contient du blanc},
C = {le jeton tiré contient du rouge}.
Il est clair que P (A) = P (B) = P (C) = 2/4 = 1/2. D’autre part :
1
P (A ∩ B) = P (tricolore) = = P (A)P (B)
4
et de même P (B ∩ C) = 1/4 = P (B)P (C), P (C ∩ A) = 1/4 = P (C)P (A).
Ainsi les événements A, B, C sont deux à deux indépendants.
D’autre part P (A | B ∩ C) = 1 car B ∩ C = {tricolore}. Donc la connais-
sance de la réalisation simultanée de B et C modifie notre information sur
A. La notion d’indépendance deux à deux n’est donc pas suffisante pour tra-
duire l’idée intuitive d’indépendance de plusieurs événements. Ceci motive la
définition suivante.
Définition 2.10 Trois événements A, B, C sont dits mutuellement indé-
pendants lorsqu’ils vérifient les quatre conditions :
P (A ∩ B) = P (A)P (B),
P (B ∩ C) = P (B)P (C),
P (C ∩ A) = P (C)P (A),
P (A ∩ B ∩ C) = P (A)P (B)P (C).
Avec cette définition de l’indépendance des événements A, B et C on a bien 3
P (A | B) = P (A), P (A | B ∩ C) = P (A), ainsi que toutes les égalités qui
s’en déduisent par permutation sur les lettres A, B, C. On peut généraliser
cette définition comme suit.
Définition 2.11 Les n événements A1 , . . . , An sont dits mutuellement indé-
pendants si pour toute sous famille Ai1 , . . . , Aik avec 1 ≤ i1 < . . . < ik ≤ n,
on a :
P (Ai1 ∩ . . . ∩ Aik ) = P (Ai1 ) × · · · × P (Aik ). (2.1)
3. Lorsque les probabilités conditionnelles existent.

L’indépendance mutuelle implique évidemment l’indépendance deux à deux

et la réciproque est fausse comme le montre l’exemple 2.7. Dans toute la suite,
lorsque nous parlerons d’une famille de plusieurs événements indépendants
sans autre précision , nous sous-entendrons systématiquement mutuellement
indépendants.
Proposition 2.12 Si {A1 , . . . , An } est une famille de n événements indé-

pendants, toute famille obtenue en remplaçant certains des Ai par leur com-
plémentaire est encore indépendante.
Preuve : Supposons la proposition démontrée dans le cas où l’on a remplacé

un seul Ai par son complémentaire. Le cas général s’en déduit en utilisant
cette propriété autant de fois qu’il y a de Ai changés en leur complémentaire.
Dans le cas d’un seul Ai remplacé, on ne perd pas de généralité en supposant
qu’il s’agit de A1 (il suffit de changer l’indexation des événements, ce qui
n’affecte pas leur indépendance mutuelle). Il nous reste alors à vérifier (2.1)
dans le cas où i1 = 1 avec Aci1 à la place de Ai1 (dans le cas i1 > 1, l’égalité
ne fait intervenir que des éléments de la famille initiale et il n’y a donc rien à
vérifier). Posons B = Ai2 ∩ · · · ∩ Aik . L’hypothèse (2.1) appliquée à la famille
Ai2 . . . , Aik nous donne P (B) = P (Ai2 ) × · · · × P (Aik ). La même hypothèse
appliquée à Ai1 . . . , Aik nous donne alors l’indépendance de Ai1 et de B. Par
la proposition 2.9, on en déduit :
P (Aci1 ∩ B) = P (Aci1 ) × P (B) = P (Aci1 ) × P (Ai2 ) × · · · × P (Aik ),
ce qui achève la preuve.
Définition 2.13 Une suite infinie d’événements est dite indépendante si

toute sous suite finie est formée d’événements mutuellement indépendants.
2.2.3 Épreuves répétées

Considérons une suite d’épreuves réalisées dans les mêmes conditions ex-
périmentales. Par exemple tirages avec remise dans la même urne, lancers
successifs d’un dé, . . . Il est alors raisonnable de supposer que les résultats de
tout sous ensemble fini d’épreuves n’ont aucune influence sur ceux des autres
épreuves.
Définition 2.14 On dit que les épreuves sont indépendantes si toute suite
(Ai )i≥1 telle que la réalisation de chaque Ai est déterminée uniquement par
le résultat de la i-ème épreuve est une suite indépendante d’événements.

2.2. Indépendance
Exemple 2.8 On réalise une suite d’épreuves indépendantes. Chaque épreuve

résulte en un succès avec probabilité p ∈]0, 1[ ou un échec avec probabilité
q = 1 − p. Quelle est la probabilité des événements suivants :
a) A = {Au moins un succès au cours des n premières épreuves},
b) B = {Exactement k succès au cours des n premières épreuves},
c) C = {Toutes les épreuves donnent un succès} ?
Notons pour tout i ≥ 1 : Ri = {succès à la i-ème épreuve}, Ric est alors
l’échec à la i-ème épreuve.
n n
a) A = ∪ Ri , d’où Ac = ∩ Ric . Les Ric étant indépendants, on a :
i=1 i=1
n
Y
c
P (A ) = P (Ric ) = (1 − p)n = q n .
i=1
n
On en déduit P (A) = 1 − q .
b)Traitons d’abord le cas 0 < k < n. L’événement B est la réunion disjointe
de tous les événements du type :

c
BI = ∩ Ri ∩ ∩ Rj ,
i∈I j∈J
où I est une partie de cardinal k de {1, . . . , n} et J son complémentaire dans

{1, . . . , n}. L’ensemble d’indices I représente un choix possible des k épreuves
donnant un succès, les autres épreuves indexées par J donnant alors un échec.
En considérant tous les choix possibles de l’ensemble I (il y en a Cnk ), on
obtient une partition de B par les BI . Par indépendance des épreuves, pour
tout I on a : Y Y
P (BI ) = P (Ri ) × P (Rjc ) = pk q n−k .
i∈I j∈J
On voit ainsi que P (BI ) ne dépend pas de I. On en déduit :

X
P (B) = P (BI ) = Cnk pk q n−k .
I⊂{1,...,n}
card(I)=k
La vérification de la validité de la formule P (B) = Cnk pk q n−k dans les cas

k = 0 et k = n est laissée au lecteur.
c) Pour n ≥ 1, soit Cn = {succès aux n premières épreuves}. Clairement C
est inclus dans Cn donc 0 ≤ P (C) ≤ P (Cn ). En utilisant l’indépendance des
Ri on obtient :
n Y n
P (Cn ) = P ∩ Ri = P (Ri ) = pn .
i=1
i=1
n
donc pour tout n ≥ 1, 0 ≤ P (C) ≤ p . En faisant tendre n vers +∞, on en
déduit P (C) = 0.

2.3 Exercices
Ex 2.1. Donner une CNS pour que P (A | H) = 1.
Ex 2.2. Un avion a disparu et la région où il s’est écrasé est divisée pour sa
recherche en trois zones de même probabilité. Pour i = 1, 2, 3, notons 1−αi la
probabilité que l’avion soit retrouvé par une recherche dans la zone i s’il est
effectivement dans cette zone. Les constantes αi représentent les probabilités
de manquer l’avion et sont généralement attribuables à l’environnement de
la zone (relief, végétation,. . .). On notera Ai l’événement l’avion est dans la
zone i, et Ri l’événement l’avion est retrouvé dans la zone i (i = 1, 2, 3).
1) Pour i = 1, 2, 3, déterminer les probabilités que l’avion soit dans la
zone i sachant que la recherche dans la zone 1 a été infructueuse.
2) Étudier brièvement les variations de ces trois probabilités condition-
nelles considérées comme fonctions de α1 et commenter les résultats obtenus.
Ex 2.3. Une urne contient 5 boules blanches et 7 rouges. On effectue 3

tirages d’une boule suivant la procédure suivante. A chaque tirage on prend
une boule et on la remet dans l’urne en y ajoutant une boule de même couleur.
Calculer les probabilités que l’échantillon de trois boules tiré contienne :
a) Aucune blanche.
b) Exactement une blanche.
c) Trois blanches.
d) Exactement deux blanches.
Ex 2.4. L’erreur du Grand Inquisiteur 4

« Pour Tomás de Torquemada, le grand inquisiteur espagnol de funeste mé-
moire, une confession était une preuve indiscutable de culpabilité, même
quand elle avait été arrachée sous la torture, cas fréquent à l’époque. Une
des conclusions de R. Matthews dénommée l’erreur de l’inquisiteur, est sur-
prenante : dans certaines circonstances, les aveux militent plus en faveur de
l’innocence de l’accusé qu’ils ne prouvent sa culpabilité ! ». On note respecti-
vement A, C et I les événements « l’accusé avoue », « l’accusé est coupable »
et « l’accusé est innocent ». On pose p = P (C) et on définit le rapport d’aveux
r par :
P (A | I)
r= .
P (A | C)
1) Calculer P (C | A) en fonction de r et p.
2) Dans quel cas a-t-on P (C | A) > P (C) ?
3) Proposer une interprétation du cas r > 1.
4. D’après l’article de Ian Stewart, Pour la Science 230, décembre 1996.

2.3. Exercices
Ex 2.5. Une compagnie d’assurance répartit ses clients en trois classes R1 ,

R2 et R3 : les bons risques, les risques moyens et les mauvais risques. Les
effectifs des ces trois classes représentent 20% de la population totale pour
la classe R1 , 50% pour R2 et 30% pour R3 . Les statistiques indiquent que
les probabilités d’avoir un accident au cours de l’année pour une personne de
l’une de ces trois classes sont respectivement de 0.05, 0.15 et 0.30.
1) Quelle est la probabilité qu’une personne choisie au hasard dans la
population ait un accident dans l’année ?
2) Si M. Martin n’a pas eu d’accident cette année, quelle est la proba-
bilité qu’il soit un bon risque ?
Ex 2.6. Conditionnements multiples

Soit (Ω, F, P ) un espace probabilisé et H ∈ F un évènement tel que P (H) 6=
0. On note PH la fonction d’ensembles définie par
∀A ∈ F, PH (A) := P (A | H).
On sait (cf. Prop 2.2) que PH est une nouvelle probabilité sur (Ω, F), on peut
donc l’utiliser pour construire de nouvelles probabilités conditionnelles. On
définit ainsi :
P (A | H2 | H1 ) := PH1 (A | H2 ).
1) Quelle condition doivent vérifier H1 et H2 pour que cette définition

soit légitime ?
2) Exprimer P (A | H2 | H1 ) sous la forme d’une probabilité condition-
nelle relative à un seul évènement.
3) En déduire que P (A | H2 | H1 ) = P (A | H1 | H2 ).
4) Généraliser la question 2) au cas de n évènements H1 , . . . , Hn et
justifier à l’aide de ces nouvelles notations l’appellation règle des condition-
nements successifs pour la Proposition 2.4.
Ex 2.7. On dispose de n urnes contenant chacune 3 boules. Parmi ces 3n

boules, l’une est jaune et toutes les autres sont bleues. On ignore dans quelle
urne se trouve la boule jaune.
1) On tire sans remise deux boules de l’urne 1. On note B1 l’évènement
« les deux boules tirées sont bleues » et J1 l’évènement « la boule jaune est
dans l’urne 1 ». Calculer P (B1 | J1 ) et P (B1 | J1c ). En déduire P (B1 ).
2) Quelle est la probabilité que la boule jaune soit dans l’urne 1 si le
tirage a donné deux bleues ?

3) On reprend l’expérience avec cette fois n personnes chacune face à

une urne où elles tirent simultanément et sans remise deux boules. On note
Bi et Ji les événements définis de manière analogue à la première question.
a) Que vaut P (Bic | Jk ) pour 1 ≤ i, k ≤ n ? On distinguera les cas i = k
et i 6= k. En déduire P (Bi ).
b) Expliquer sans calcul pourquoi les évènements Bi et Bj (i 6= j) ne sont
pas indépendants.
c) Déterminer les valeurs des probabilités conditionnelles P (Bi ∩Bj | Jk ) :
on distinguera les deux cas k ∈ {i, j} et k ∈ / {i, j}. En déduire P (Bi ∩ Bj ).
d) Généraliser en calculant par la même méthode P (Bi1 ∩ Bi2 ∩ · · · ∩ Bir )
où 1 ≤ i1 < i2 < · · · < ir ≤ n.
e) Voyez vous une méthode plus rapide pour obtenir ce dernier résultat ?
Ex 2.8. Montrer que si A, B, C sont indépendants, A ∪ B et C sont

indépendants. Généraliser.
Ex 2.9. On suppose que les événements A1 , . . . , A5 sont indépendants.

Donner une expression plus simple des probabilités : P (A1 | A3 ), P (A3 |
A2 ∩ A4 ), P (A1 ∩ A3 | A2 ), P (A1 ∩ A2 | A3 ∩ A4 ∩ A5 ).
Ex 2.10. La définition de l’indépendance de trois événements s’écrit expli-

citement avec 4 égalités. Combien d’égalités faut-il pour écrire explicitement
celle de l’indépendance de n événements ?
Ex 2.11. On s’intéresse à la répartition des sexes des enfants d’une famille

de n enfants. On prend comme modélisation
Ωn = {f, g}n = { (x1 , . . . , xn ), xi ∈ {f, g}, i = 1, . . . , n},
muni de l’équiprobabilité. On considère les évènements :
A = {la famille a des enfants des deux sexes},

B = {la famille a au plus une fille}.
1) Montrer que pour n ≥ 2, P (A) = (2n − 2)/2n et P (B) = (n + 1)/2n .

2) En déduire que A et B ne sont indépendants que si n = 3.
Ex 2.12. On effectue des lancers répétés d’une paire de dés et on observe

pour chaque lancer la somme des points indiqués par les deux dés. On se
propose de calculer de deux façons la probabilité de l’événement E défini
ainsi : dans la suite des résultats observés, la première obtention d’un 9 a
lieu avant la première obtention d’un 7.

2.3. Exercices
1) Quelle est la probabilité de n’obtenir ni 7 ni 9 au cours d’un lancer ?

2) Première méthode : On note Fi = {obtention d’un 9 au i-ème lancer }
et pour n > 1, En = { ni 7 ni 9 ne sont obtenus au cours des n − 1 premiers
lancers et le n-ième lancer donne 9}. Dans le cas particulier n = 1, on pose
E1 = F1 .
a) Exprimer E à l’aide d’opérations ensemblistes sur les En (n ≥ 1).
Exprimer de même chaque En à l’aide des Fi et des Hi = { ni 7 ni 9
au i-ème lancer }.
b) Calculer P (En ) en utilisant l’indépendance des lancers.
c) Calculer P (E).
3) Deuxième méthode : On note G1 = { obtention d’un 7 au premier
lancer }.
a) Donner une expression de P (E) en utilisant le conditionnement par la
partition {F1 , G1 , H1 }.
b) Donner sans calcul les valeurs de P (E | F1 ), P (E | G1 ) et expliquer
pourquoi P (E | H1 ) = P (E).
c) En déduire la valeur de P (E).
Ex 2.13. Trois personnes nommées A, B, C lancent à tour de rôle la même

pièce de monnaie (ABCABCABC. . .). La probabilité d’obtenir pile lors d’un
lancer est p (0 < p < 1). Le gagnant est le premier qui obtient pile (la partie
s’arrête alors).
1) On note An (resp. Bn , Cn ) l’événement A gagne la partie lors du
n-ième lancer (resp. B, C). Calculer P (A1 ), P (B2 ), P (C3 ). Les événements
A1 et B2 sont-ils indépendants ?
2) En discutant suivant les valeurs de n, calculer P (An ), P (Bn ), P (Cn ).
3) Calculer la probabilité de gagner de chacun des trois joueurs.
4) Quelle est la probabilité qu’il y ait un vainqueur ? Conclure.
Ex 2.14. On se propose de calculer la probabilité de fonctionnement de

quelques circuits électriques simples à l’aide des probabilités de fonctionne-
ment de leurs composants. Dans tout ce qui suit, les composants ont des
fonctionnements mutuellement indépendants. On note pi la probabilité de
fonctionnement du composant Ci et Fi l’événement :
Fi = {le composant Ci fonctionne}.
On dit que le circuit fonctionne si le courant peut passer du point A au point
B.
1) Circuit série : Calculer la probabilité de fonctionnement du circuit
suivant :

A - B
C1 C2 C3 -
2) Circuit parallèle : Calculer la probabilité de fonctionnement du circuit

suivant :
C1
A - -B
C2
3) Circuit mixte : Calculer la probabilité de fonctionnement du circuit

suivant lorsque tous les pi sont égaux à p.
C2 C3
A - - B
C1
C4 C5
Ex 2.15. Soit Ω un ensemble fini dont le cardinal est un nombre premier. On

le munit de l’équiprobabilité P . Soient A et B deux parties de Ω distinctes
chacune de ∅ et de Ω. Démontrer que A et B ne sont pas indépendantes.
Ex 2.16. Épreuves répétées à trois issues.

On considère une suite de n épreuves répétées indépendantes avec pour
chaque épreuve trois résultats possibles : A avec probabilité a, B avec pro-
babilité b ou C avec probabilité c (a + b + c = 1). On notera respectivement
Ai , Bi et Ci les événements obtention du résultat A (respectivement, B, C)
à la i-ème épreuve.
1) Dans cette question, n = 5. Quelle est la probabilité d’obtenir dans
cet ordre 2 A suivis d’un B et de 2 C ? Quelle est celle d’obtenir (sans
condition d’ordre) 2 A, 1 B et 2 C ?
2) Généraliser en montrant que la probabilité d’obtenir au cours des n
épreuves (et sans condition d’ordre) i résultats A, j résultats B et k résultats
C (i + j + k = n) vaut :
n! i j k
abc .
i! j! k!

2.3. Exercices
Ex 2.17. On rappelle que si A est un événement, la variable aléatoire indi-

catrice de A est la fonction définie sur Ω par :

1 si ω ∈ A,
1A (ω) =
0 sinon.
Autrement dit, 1A vaut 1 si A est réalisé et 0 sinon.

Soit (Ai )i≥1 une suite d’événements indépendants. On note pi = P (Ai ) et
on suppose que :
X+∞
a := pi < +∞.
i=1
Le but de cet exercice est de prouver l’inégalité

n
∗
X ak
∀n, k ∈ N , P 1Ai ≥ k ≤ .
i=1
k!
La dernière question propose une application de cette inégalité.

1) Que peut-on dire du cas k > n ? On suppose dans la suite k ≤ n.
Pn
2) On note Bn,k := {ω ∈ Ω; i=1 1Ai (ω) ≥ k}. Justifier l’inclusion
[
Bn,k ⊂ ∩ Ai .
i∈F
F ⊂{1,...,n}
card F =k
3) En déduire que
X Y
P (Bn,k ) ≤ pi .
F ⊂{1,...,n} i∈F
card F =k
Pn
4) On note an = i=1 pi . Montrer que
X Y
akn ≥ k! pi .
F ⊂{1,...,n} i∈F
card F =k
Indication : On remarquera que

X
akn = pi1 · · · pik .
(i1 ,...,ik )∈{1,...,n}k
5) Conclure.

6) Application à un problème de tir. Dans un stand de tir, une cible

mobile traverse le champ visuel d’un tireur (une traversée par épreuve). À
chaque épreuve, le tireur tire un coup sur la cible. D’une épreuve à la sui-
vante, la vitesse de la cible augmente de 20%. On suppose que pour un tireur
donné, la probabilité de toucher la cible est inversement proportionnelle à la
vitesse de la cible. Elle vaut ainsi p ∈]0, 1[ pour le premier tir, 56 p pour le se-
cond (pourquoi ?), etc. Les tirs sont supposés indépendants, le tireur dispose
d’autant de cartouches qu’il le souhaite et le défi qu’il doit relever est celui de
toucher au moins 20 fois la cible. En utilisant le résultat démontré ci-dessus,
majorer sa probabilité de réussir (indépendamment de p).
Ex 2.18. Loi ζ (suite)↑ 1.13

On travaille avec l’espace probabilisé (N∗ , P(N∗ ), Pa ) où Pa est la loi ζ de
paramètre a > 1 (voir la définition exercice 1.13 page 26).
1) Donner une CNS sur les entiers j > 1 et m > 1 pour que les événe-
ments A = jN∗ et B = mN∗ soient Pa -indépendants.
2) Soit pi le i-ème nombre premier (p1 = 2, p2 = 3, p3 = 5, . . .). On note
Ai = pi N∗ . Montrer que (Ai )i≥1 est une suite d’événements indépendants.
3) Soit Cn l’ensemble des entiers de N∗ divisibles par aucun des nombres
premiers pi pour 1 ≤ i ≤ n. Calculer Pa (Cn ).
4) Déterminer ∩ Cn .
n≥1
5) En déduire la formule d’Euler :
+∞ n +∞
X 1 Y 1 −1 Y 1 −1
∀a > 1, a
= ζ(a) = lim 1 − a
= 1 − a
.
k=1
k n→∞
i=1
p i i=1
p i
6) On peut retrouver cette formule par une calcul direct sur la série
définissant ζ(a). En voici le début :
+∞
X 1 X 1 X 1
ζ(a) = = +
k=1
ka ka ka
2|k 26 | k
1 X 1
= a ζ(a) +
2 ka
26 | k
On recommence avec la série (1−2−a )ζ(a) en séparant les termes dont l’indice
est un multiple de 3 des autres. . .Expliciter cette méthode et résoudre le
problème de convergence sous-jacent.

2.3. Exercices
Ex 2.19. Un train se compose de 10 wagons citernes contenant un produit

dangereux. Chacun des wagons peut avec une probabilité 0.1 (et indépendam-
ment des autres) avoir un défaut. Avant le départ, les wagons sont examinés
par deux contrôleurs. Chacun d’eux vérifie tous les wagons, sans échanger
d’information avec son collègue pendant le contrôle. On admet que chaque
contrôleur peut déceler le défaut (s’il y en a un) d’un wagon donné avec une
probabilité égale à 0.7. Un seul défaut suffit pour que le train soit retardé.
Trouver les probabilités des événements suivants :
a) Le train est retardé.
b) Le train part avec au moins un wagon défectueux.


Chapitre 3
Variables aléatoires discrètes
3.1 Introduction
Dans de nombreux jeux, on fait intervenir le hasard en observant la somme

des points marqués par deux dés. Considérons le jet d’un dé bleu et d’un dé
rouge et notons S la somme des points obtenus. On modélise cette expérience
en prenant l’équiprobabilité sur :
Ω = {1, 2, 3, 4, 5, 6}2 .
Un événement élémentaire ω est un couple (b, r) où b désigne le résultat du

dé bleu et r celui du rouge. Pour tout événement élémentaire ω = (b, r), on a
S(ω) = b + r. Il est facile de représenter tous les cas possibles par un tableau
à 36 cases.
1 2 3 4 5 6
1 2 3 4 5 6 7
2 3 4 5 6 7 8
3 4 5 6 7 8 9
4 5 6 7 8 9 10
5 6 7 8 9 10 11
6 7 8 9 10 11 12
On a ainsi défini une application S de Ω dans l’ensemble des sommes de points

possibles : {2, 3, . . . , 11, 12}. On dit que S est une variable aléatoire sur Ω.
En fait, l’observation qui nous intéresse dans cette expérience, ce n’est pas ω,
mais seulement S(ω). Ce que l’on aimerait connaı̂tre, c’est la probabilité que
la somme des points prenne une valeur donnée, soit P (S = k) pour k entier
fixé entre 2 et 12. En utilisant l’équiprobabilité sur Ω et le tableau ci-dessus,
51
Chapitre 3. Variables aléatoires discrètes
nous obtenons immédiatement :

k 2 3 4 5 6 7 8 9 10 11 12
1 2 3 4 5 6 5 4 3 2 1
P (S = k) 36 36 36 36 36 36 36 36 36 36 36
Cela revient à considérer un nouvel ensemble d’événements élémentaires :

Ω0 = S(Ω) = {2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12}
et à munir cet ensemble de la probabilité PS définie par le tableau des P (S =
k). Cette nouvelle probabilité s’appelle loi de la variable aléatoire S.
3.2 Généralités
3.2.1 Variable aléatoire discrète
Définition 3.1 Soit (Ω, F, P ) un espace probabilisé. On appelle variable
aléatoire discrète sur (Ω, F, P ) toute application X :
X : Ω −→ R ω 7→ X(ω),
vérifiant les deux conditions :
(i) L’ensemble des images X(Ω) = {X(ω), ω ∈ Ω} est une partie au
plus dénombrable de R. On peut donc numéroter ses éléments par des
indices entiers 1
X(Ω) = {x0 , x1 , . . . , xk , . . .}.
(ii) Pour tout xk ∈ X(Ω), Ak = {ω ∈ Ω, X(ω) = xk } fait partie de la
famille F d’événements auxquels on peut attribuer une probabilité par
P.
L’événement Ak est aussi noté X −1 ({xk }) (inverse ensembliste 2 ) ou plus com-
modément {X = xk }. Nous utiliserons l’abréviation v.a. pour variable aléa-
toire. Remarquons que la famille de tous les Ak forme une partition de Ω :
on classe chaque élément de Ω selon son image par X. Il en résulte :
X X
P (Ak ) = P (X = xk ) = 1.
xk ∈X(Ω) xk ∈X(Ω)
Dans cette écriture, les sommes sont des séries convergentes si X(Ω) est infini
et des sommes ordinaires lorsque l’ensemble X(Ω) est fini.
1. Pour tous les exemples classiques que nous rencontrerons, il est possible de les nu-
méroter de manière croissante : x0 < x1 < x2 . . .. Mais ce n’est pas toujours le cas, car
l’ensemble des valeurs possibles peut être par exemple les décimaux (ou les rationnels) de
[0, 1] (voir exercice 3.15).
2. Ceci ne suppose pas la bijectivité de X.

3.2. Généralités
3.2.2 Loi d’une variable aléatoire discrète

L’application X permet de transporter la probabilité P de Ω sur R : on
considère les P (X = xk ) comme des masses ponctuelles situées aux points
xk de la droite réelle. La probabilité d’une partie quelconque de R est alors
définie comme la somme de ses masses ponctuelles.
Définition 3.2 Soit X une variable aléatoire discrète sur (Ω, F, P ). On lui
associe la fonction d’ensemble PX définie sur la famille de toutes les parties
de R en posant :
pk = PX ({xk }) = P (Ak ) = P (X = xk ),
puis pour tout B ⊂ R :

X X
PX (B) = P (X = xk ) = pk .
xk ∈B xk ∈B
La fonction d’ensembles PX ainsi définie est une probabilité sur la famille

P(R) de toutes les parties de R. On l’appelle loi de la variable aléatoire X.
Remarquons que la définition de PX (B) a toujours un sens en convenant
qu’une somme indexée par l’ensemble vide vaut 0 et en notant que s’il y a
une infinité de xk dans B, la somme surX B des pk est une sous-série de la
série à termes positifs convergente : pk = 1. Le fait que PX soit une
xk ∈X(Ω)
probabilité résulte des propositions 1.4 et 1.5.
Remarque 1 : Deux variables aléatoires peuvent avoir même loi sans être
égales. Par exemple considérons le jet de deux dés, l’un bleu et l’autre rouge.
Notons X le nombre de points indiqué par le dé bleu et Y celui du rouge.
Les variables aléatoires X et Y sont définies sur le même espace probabi-
lisé Ω = {1, 2, 3, 4, 5, 6}2 muni de l’équiprobabilité. On a X(Ω) = Y (Ω) =
{1, 2, 3, 4, 5, 6} et :
1 1
∀k ∈ {1, 2, 3, 4, 5, 6}, P (X = k) = , P (Y = k) = .
6 6
Donc X et Y ont même loi : PX = PY . Pour autant on n’a pas l’égalité des
variables aléatoires X et Y qui signifierait X(ω) = Y (ω) pour tout ω ∈ Ω
(égalité de deux applications). Autrement dit, en lançant deux dés on obtien-
drait à coup sûr un double. Par contre nous pouvons considérer l’événement
{X = Y } dont la réalisation n’est pas certaine et calculer sa probabilité :
6 6 1
P (X = Y ) = P ∪ {(X, Y ) = (k, k)} = = .
k=1 36 6

On en déduit : P (X 6= Y ) = 5/6.
Remarque 2 : Deux variables aléatoires discrètes X et Y peuvent avoir
même loi sans que X(Ω) = Y (Ω). Cela vient du fait que pour certaines va-
leurs xk dans X(Ω) (ou yl ∈ Y (Ω)), on peut avoir P (X = xk ) = 0 (ou
P (Y = yl ) = 0). Bien sûr, on pourrait redéfinir X et Y de façon à effacer
ces valeurs particulières, ce qui reviendrait remplacer Ω par l’un de ses sous-
ensembles Ω0 . On ne fera pas cette convention 3 , car on a parfois intérêt à
laisser dans l’ensemble des valeurs possibles d’une v.a. des valeurs qui sont
atteintes avec une probabilité nulle. C’est le cas lorsqu’on étudie des pro-
blèmes de convergence de suites de v.a. (voir la discussion sur la loi forte des
grands nombres pour les fréquences).
3.2.3 Fonction de répartition
Définition 3.3 On appelle fonction de répartition de la variable aléatoire

X, la fonction FX définie sur R par :
∀x ∈ R, FX (x) = PX (] − ∞, x]) = P (X ≤ x).
On a aussi :
X
FX (x) = P (X = xk ).
xk ∈X(Ω)
xk ≤x
Voici à titre d’exemple la représentation graphique de FS où S est la variable

aléatoire somme des points de deux dés.
3. Sauf dans le cas de l’exemple 3.2 ci-dessous.

6
1
-
0 2 3 4 5 6 7 8 9 10 11 12 x
Théorème 3.4 La fonction de répartition FX d’une variable aléatoire dis-

crète X est croissante sur R, continue à droite et limitée à gauche en tout
point. Elle tend vers 0 en −∞ et vers 1 en +∞. Elle caractérise la loi de X,
autrement dit : FX = FY si et seulement si les variables aléatoires X et Y
ont même loi.
Preuve : Vérifions d’abord la croissance de FX sur R. Soient s et t deux
réels quelconques tels que s ≤ t. Tout ω vérifiant X(ω) ≤ s vérifie a fortiori
X(ω) ≤ t. Cette implication se traduit par l’inclusion d’événements {X ≤
s} ⊂ {X ≤ t} d’où P (X ≤ s) ≤ P (X ≤ t), autrement dit FX (s) ≤ FX (t).
Ainsi FX est croissante. Il en résulte qu’elle possède une limite à gauche et
une limite à droite en tout point x de R (cf. cours d’analyse).
Le reste de la preuve repose sur la propriété de continuité monotone sé-
quentielle de la probabilité (cf. proposition 1.2) que nous rappelons mainte-
nant :
Soit P une probabilité sur l’espace (Ω, F).
(i) Si (An )n∈N∗ est une suite croissante d’événements (c’est-à-dire ∀n ∈
N∗ , An ⊂ An+1 ) alors
[
lim P (An ) = P (A) où A = An .
n→+∞
n∈N∗

(ii) Si (Bn )n∈N∗ est une suite décroissante d’événements (c’est-à-dire ∀n ∈

N∗ , Bn+1 ⊂ Bn ) alors
\
lim P (Bn ) = P (B) où B = Bn .
n→+∞
n∈N∗
Soit x ∈ R fixé. Comme on est assuré de l’existence de la limite à

droite de FX en ce point, pour montrer que cette limite vaut FX (x) et éta-
blir la continuité à droite de FX en x, il suffit de vérifier que : FX (x) =
limn→+∞ FX (x + 1/n). Comme FX (x + 1/n) = P (X ≤ x + 1/n), ceci résulte
de la propriété (ii) ci-dessus appliquée aux événements Bn = {X ≤ x + 1/n}
en remarquant que :
\n 1o
X ≤x+ = {X ≤ x}. (3.1)
n∈N∗
n
En effet, pourTtout ω ∈ {X ≤ x}, on a X(ω) ≤ x ≤ x + 1/n pour tout n ∈ N∗

et donc ω ∈ n∈N∗ Bn d’où {X ≤ x} est inclus dans l’intersection des Bn
(n ∈ N∗ ). Réciproquement tout ω dans cette intersection vérifie : ∀n ∈ N∗ ,
X(ω) ≤ x + 1/n. Le passage à la limite quand n tend vers l’infini conservant
cette inégalité large, on en déduit X(ω) ≤ x soit encore ω ∈ {X ≤ x}. Ainsi
l’intersection des Bn , (n ∈ N∗ ) est incluse dans {X ≤ x}, ce qui achève la
vérification de (3.1).
Comme FX est croissante, elle admet des limites en −∞ et +∞. Si X(Ω)
est borné inférieurement 4 , il est clair que FX (x) = 0 pour tout x assez petit
et donc limx→−∞ FX (x) = 0. Dans le cas général, on identifie la limite en
−∞ (dont on connaı̂t l’existence) grâce à une suite particulière :
lim FX (x) = lim FX (−n) = lim P (X ≤ −n).

x→−∞ n→+∞ n→+∞
On utilise à nouveau la propriété (ii) avec Bn = {X ≤ −n} en montrant

que : \
{X ≤ −n} = ∅. (3.2)
n∈N∗
En effet, soit ω un élément de cette intersection. Alors X(ω) ≤ −n pour

tout n ∈ N∗ donc en passant à la limite, X(ω) = −∞, ce qui est impossible
puisque X ne prend que des valeurs finies 5 . Donc cette intersection est vide et
par (ii), limn→+∞ P (X ≤ −n) = P (∅) = 0. La preuve de limx→+∞ FX (x) = 1
est analogue et est laissée au lecteur.
4. Attention, dans le cas général x0 n’est pas nécessairement le plus petit élément de
X(Ω), on peut très bien avoir par exemple X(Ω) = Z.
5. Ce qui ne signifie pas que X(Ω) soit borné. . .

Supposons que les variables aléatoires X et Y aient même loi. Cela signifie
que pour tout B ⊂ R, PX (B) = PY (B). En choisissant B de la forme ]−∞, t],
t ∈ R, on en déduit que pour tout réel t, P (X ≤ t) = P (Y ≤ t) autrement
dit FX (t) = FY (t). Donc les fonctions FX et FY sont égales.
Réciproquement, supposons que les deux variables aléatoires discrètes X
et Y aient même fonction de répartition, ce qui signifie :
∀x ∈ R, FX (x) = FY (x). (3.3)
Admettons provisoirement le lemme suivant :
Lemme 3.5 Si X est une v. a. discrète de fonction de répartition F , on a :
∀x ∈ R, P (X = x) = F (x) − F (x− ) = F (x) − lim+ F (x − ε). (3.4)

ε→0
D’après (3.3) et (3.4) on a donc P (X = x) = P (Y = x) pour tout x ∈ R. Il

en résulte que X et Y ont même loi.
Preuve du lemme 3.5 : On remarque que pour tout x ∈ R et tout n ∈ N∗ ,
1 1 1
P (x − < X ≤ x) = P (X ≤ x) − P (X ≤ x − ) = FX (x) − FX (x − ).
n n n
On utilise une nouvelle fois (ii) en vérifiant que :
\n 1 o
{X = x} = x− <X ≤x (3.5)
n∈N∗
n
En effet, le premier membre de (3.5) est clairement inclus dans le second.

Réciproquement, si ω est un élément quelconque de cette intersection, pour
tout n ∈ N∗ , x − 1/n < X(ω) ≤ x, donc en passant à la limite quand n tend
vers l’infini, x ≤ X(ω) ≤ x d’où X(ω) = x. Ceci termine la justification de
(3.5) et comme on sait que FX a une limite à gauche au point x, on conclut
en appliquant (ii) à la suite décroissante d’événements Bn = {x − 1/n <
X ≤ x} :
P (X = x) = lim FX (x) − FX (x − 1/n) = FX (x) − FX (x− ).

n→+∞

3.3 Lois discrètes classiques

3.3.1 Lois de Bernoulli
Définition 3.6 La variable aléatoire X suit la loi de Bernoulli de paramètre
p (p ∈ [0, 1]) si elle ne prend que deux valeurs 0 et 1 avec :
P (X = 1) = p P (X = 0) = 1 − p = q.
On notera X ∼ B(p).
Si A est un événement de probabilité p, son indicatrice définie par

1 si ω ∈ A, 1 si A est réalisé
1A (ω) = =
0 si ω ∈ /A 0 si A n’est pas réalisé
est une variable aléatoire suivant la loi de Bernoulli de paramètre p. Récipro-

quement, si X est une v.a. de Bernoulli, on peut toujours écrire X = 1A en
définissant A = {ω ∈ Ω, X(ω) = 1}.
3.3.2 Loi uniforme sur un ensemble fini de réels

Définition 3.7 La variable aléatoire X suit la loi uniforme sur l’ensemble
de réels {x1 , . . . , xn } si PX est l’équiprobabilité sur cet ensemble.
Autrement dit, l’ensemble des valeurs possibles de X est X(Ω) = {x1 , . . . , xn }

et :
1
∀k = 1, . . . , n, P (X = xk ) = .
n
Par exemple le nombre de points indiqué par un dé suit la loi uniforme sur
{1, 2, 3, 4, 5, 6}.
3.3.3 Lois binomiales

Définition 3.8 La variable aléatoire X suit la loi binomiale de paramètres
n et p (n ∈ N∗ et p ∈ [0, 1]) si l’ensemble des valeurs possibles est X(Ω) =
{0, 1, . . . , n} et
∀k = 0, 1, . . . , n, P (X = k) = Cnk pk (1 − p)n−k .
Notation : X ∼ B(n, p).

3.3. Lois discrètes classiques
La formule ci-dessus définit bien une loi de probabilité puisque les Cnk pk (1 −
p)n−k sont positifs et :
n
X n
Cnk pk (1 − p)n−k = p + (1 − p) = 1n = 1,
k=0
en appliquant la formule du binôme de Newton (d’où le nom de la loi). La

loi binomiale B(n, p) est la loi du nombre de succès obtenus en une suite de
n épreuves répétées indépendantes avec pour chaque épreuve une probabilité
de succès p. Ceci a été démontré dans l’exemple 2.8.
De même, soit A1 , . . . , An une famille de n événements mutuellement indé-
pendants ayant tous même probabilité p et notons Xi la variable de Bernoulli
indicatrice de Ai :
1 si ω ∈ Ai ,
Xi (ω) =
0 si ω ∈ Aci .
n
X
Alors la variable aléatoire Sn = Xi suit la loi binomiale B(n, p).
i=1
3.3.4 Lois hypergéométriques

Alors que la loi binomiale intervient dans les tirages avec remise, la loi
hypergéométrique correspond aux tirages sans remise.
Exemple 3.1 Dans une production totale de N objets dont M sont défec-
tueux, on prélève au hasard un échantillon de n objets (tirage sans remise).
Soit X le nombre aléatoire d’objets défectueux dans l’échantillon. Quelle est
sa loi ?
On peut prendre comme espace Ω l’ensemble de tous les échantillons possibles
(toutes les parties à n éléments d’un ensemble de cardinal N ) muni de l’équi-
probabilité. Chaque échantillon a ainsi une probabilité 1/CNn d’être choisi.
Les échantillons (événements élémentaires) réalisant l’événement {X = k}
sont ceux qui contiennent k objets défectueux et n − k objets défectueux.
Ceci n’est réalisable que si 0 ≤ k ≤ M et 0 ≤ n − k ≤ N − M . Dénom-
brons ces échantillons. On les forme en choisissant k objets défectueux dans
une sous-population de M et en complétant par n − k objets non défectueux
choisis dans une sous population de N − M . Il y en a donc CM k
× CNn−k
−M .
Finalement :
k
× CNn−k

CM −M 0 ≤ k ≤ M,
P (X = k) = si (3.6)
n
CN 0 ≤ n − k ≤ N − M.

Définition 3.9 La loi définie par (3.6) s’appelle loi hypergéométrique de pa-
ramètres N , M et n. Notation : X ∼ H(N, M, n). Le paramètre N est l’ef-
fectif de la population totale, M celui de la sous-population à laquelle on
s’intéresse et n la taille de l’échantillon observé.
Pour une taille d’échantillon n fixée, plus N et M sont grands, moins les
tirages sans remise diffèrent des tirages avec remise. Plus précisément, la loi
hypergéométrique converge vers la loi binomiale au sens suivant.
Théorème 3.10 On suppose que quand N tend vers +∞, M = M (N ) tend
vers +∞ en vérifiant la condition :
M
lim =p avec 0 < p < 1. (3.7)
N →+∞ N
Alors, n restant fixé, la loi hypergéométrique H(N, M, n) converge vers la loi

binomiale B(n, p), ce qui signifie que si (XN )N ≥1 est une suite de v.a. avec
XN ∼ H(N, M, n) et Y est une v.a. de loi binomiale B(n, p),alors :
∀k = 0, 1, . . . , n, lim P (XN = k) = P (Y = k), (3.8)
N →+∞
autrement dit :
k
CM × CNn−k
−M
∀k = 0, 1, . . . , n, lim = Cnk pk (1 − p)n−k . (3.9)
N →+∞ CNn
Preuve : Remarquons d’abord que comme p est strictement positif, l’hypo-
thèse (3.7) implique que M tend vers +∞ avec N ; il en va de même pour
N − M puisque p < 1.
Pour n et k fixés, posons :
CMk
× CNn−k
−M
pN = n
CN
M! (N − M )! n!(N − n)!
= × ×
k!(M − k)! (n − k)! (N − M ) − (n − k) ! N!
M! (N − M )! (N − n)!
= Cnk × × . (3.10)
(M − k)! (N − M ) − (n − k) ! N!
Comme k est fixé et M tend vers +∞, la première fraction dans (3.10) est
le produit de k facteurs M , (M − 1), . . ., (M − k + 1) tous équivalents 6 à M
d’où :
M!
∼ M k, N → +∞. (3.11)
(M − k)!
6. Rappelons que deux suites (uN ) et (vN ) sont dites équivalentes lorsque uN = vN (1 +
εN ) avec εN tendant vers 0 quand N tend vers +∞ (notation : uN ∼ vN ).

Par le même argument avec n − k et N − M au lieu de k et M :

(N − M )!
∼ (N − M )n−k , N → +∞. (3.12)
(N − M ) − (n − k) !
Enfin :
(N − n)! 1
∼ n, N → +∞. (3.13)
N! N
En reportant ces équivalents dans (3.10), on voit que lorsque N tend vers
+∞ :
M k (N − M )n−k k N − M n−k
k M
pN ∼ Cnk = Cn , (3.14)
Nn N N
d’où : lim pN = Cnk pk (1 − p)n−k .
N →+∞
3.3.5 Lois géométriques

Exemple 3.2 (Un problème de temps d’attente)
Considérons une suite infinie d’épreuves répétées indépendantes avec même
probabilité de succès p ∈]0, 1[. Soit X le numéro (aléatoire) de la première
épreuve où l’on obtient un succès. Si l’on n’obtient jamais de succès, on
conviendra que X = +∞. Calculer P (X = k) pour tout k ∈ N∗ . En déduire
les valeurs de P (X ∈ N∗ ) et P (X = +∞).
En notant Ri = {succès à la i-ème épreuve}, on a :
{X = k} = {échec aux (k − 1) premières et succès à la k-ième}
k−1
∩ c
= Ri ∩ Rk .
i=1
D’où par indépendance des épreuves :

k−1
Y
P (X = k) = P (Ri ) × P (Rk ) = (1 − p)k−1 p.
c
i=1
Posons q = 1 − p et notons que q ∈]0, 1[. La décomposition de l’événement

{X ∈ N∗ } en la réunion disjointe des {X = k} (k ∈ N∗ ) nous donne par
σ-additivité :
X X
P (X ∈ N∗ ) = P (X = k) = q k−1 p
k∈N∗ k∈N∗
X
= p ql (l = k − 1)
l∈N
1
= p = 1.
1−q

Ainsi avec probabilité 1, le premier succès apparaı̂t au bout d’un nombre

fini d’épreuves 7 . Remarquons qu’on aurait pu arriver au même résultat en
montrant que P (X = +∞) = 0 par la méthode utilisée à l’exemple 2.8 c)
en échangeant les rôles de succès et échec. Finalement on peut considérer
X comme une variable aléatoire ayant comme ensemble de valeurs possibles
X(Ω) = N∗ au lieu de N∗ ∪ {+∞}.
Définition 3.11 Une variable aléatoire X suit la loi géométrique de para-

mètre p ∈]0, 1[, si X(Ω) = N∗ et :
∀k ∈ N∗ , P (X = k) = (1 − p)k−1 p.
Notation : X ∼ G(p).
Lorsque X suit une loi géométrique, les probabilités P (X > n) ont une
expression particulièrement simple en fonction de q = 1 − p . Calculons les
de deux façons.
Première méthode : On calcule le reste d’une série géométrique :
+∞
X +∞
X
P (X > n) = q k−1 p = ql p
k=n+1 l=n
+∞
X +∞
X
n l−n n
= pq q = pq qj
l=n j=0
n
pq
= = qn.
1−q
Deuxième méthode : On se place dans la situation de l’exemple 3.2. L’événe-

ment {X > n} se réalise si et seulement si les n premières épreuves donnent
un échec.
n
{X > n} = ∩ Ric .
i=1
En utilisant l’indépendance des Ri on en déduit :

n
Y
P (X > n) = P (Ric ) = q n .
i=1
7. Mais pas borné par un nombre fixé choisi avant le début des épreuves. . .

3.3.6 Lois de Poisson

Définition 3.12 On dit que la variable aléatoire discrète X suit la loi de
Poisson de paramètre λ > 0 si l’ensemble des valeurs possibles est X(Ω) = N
et
e−λ λk
∀k ∈ N, P (X = k) = .
k!
Notation : X ∼ P(λ).
On sait (cf. cours d’analyse) que la fonction exponentielle a un développement

en série entière avec rayon de convergence infini. En particulier :
+∞ k
λ
X λ
∀λ > 0, e = .
k=0
k!
On a donc bien :
+∞ +∞ k
X
−λ
X λ
P (X = k) = e = e−λ eλ = 1.
k=0 k=0
k!
Une des raisons de l’importance de cette loi est le théorème de convergence

de la loi binomiale vers la loi de Poisson.
Théorème 3.13 Si (pn )n≥1 est une suite de réels de [0, 1] vérifiant
npn → λ ∈]0, +∞[, quand n → +∞, (3.15)
alors :
λk
∀k ∈ N, Cnk pkn (1 − pn )n−k −→ e−λ , quand n → +∞.
k!
Preuve : L’hypothèse (3.15) peut s’écrire sous la forme plus maniable :
npn = λun avec un tendant vers 1 quand n tend vers +∞. Ainsi pn = λun /n
et
k k n−k n! 1 λ k k λun n−k
Cn pn (1 − pn ) = un 1 − . (3.16)
(n − k)! k! n n
Pour obtenir la limite de cette expression lorsque n tend vers +∞, k restant
fixé, on remarque successivement que :
n! 1
lim = 1, (3.17)
n→+∞ (n − k)! nk
lim ukn = 1, (3.18)

n→+∞

λun n−k
lim 1− = e−λ . (3.19)
n→+∞ n
Pour justifier (3.19), on écrit :
λun n−k h λun i
1− = exp (n − k) ln 1 − , (3.20)
n n
puis comme λun /n tend vers 0 :
λun λu
n
(n − k) ln 1 − ∼n − ∼ −λ, (n → +∞).
n n
Par continuité de la fonction exponentielle, la limite du second membre de
(3.20) est donc bien e−λ , ce qui prouve (3.19). On obtient alors la conclusion
du théorème en passant à la limite dans (3.16).
Application pratique : Le théorème 3.13 sert de justification théorique à la
règle pratique suivante : lorsque n est « grand » et np « petit », on peut
remplacer la loi binomiale B(n, p) par la loi de Poisson P(λ) où λ = np. En
général on considère que n de l’ordre de quelques centaines et np de l’ordre de
quelques unités donnent une bonne approximation. Sous cette forme, cette
règle relève plus de la cuisine que des mathématiques. Il est possible par
des techniques élémentaires (voir exercice 3.19) de contrôler l’erreur commise
en utilisant cette approximation. Nous nous contenterons ici d’un exemple
classique et d’une comparaison graphique pour illustrer la qualité de cette
approximation.
Exemple 3.3 Le président d’un bureau de vote est né un 1er avril. Il décide
de noter le nombre X de personnes ayant leur anniversaire le même jour que
lui parmi les 500 premiers électeurs qui se présentent.
La situation peut être assimilée à une suite d’épreuves répétées indépen-
dantes et X est une variable aléatoire suivant la loi binomiale de paramètres
n = 500 et p = 1/365 (en négligeant la question des années bissextiles sinon
on prendrait p = 4/(3 × 365 + 366), ce qui ne changerait pas grand chose
numériquement). Ainsi :
1 k 364 500−k
k
P (X = k) = C500 .
365 365
La règle énoncée ci-dessus nous conduit à approximer la loi de X par une loi
de Poisson de paramètre :
1
λ = np = 500 × .
365
Voici une comparaison numérique pour les petites valeurs de k :
k 0 1 2 3 4 5
P (X = k) 0.2537 0.3484 0.2388 0.1089 0.0372 0.0101
e−λ λk
0.2541 0.3481 0.2385 0.1089 0.0373 0.0102
k!
Remarquons que la probabilité d’observer plus de 5 anniversaires un 1er

avril, calculée par la loi exacte de X ou par son approximation poissonienne
est inférieure à 0.003.
Comparaison graphique :
Les diagrammes en bâtons ci-dessous représentent la loi binomiale B(n, p)
et la loi de Poisson approximante P(λ) avec λ = np. Les segments verticaux
(les bâtons) du diagramme représentant la loi d’une variable discrète X (
à valeurs dans N) ont une hauteur égale à P (X = k) avec une extrémité
inférieure au point d’abscisse k de l’axe horizontal. Pour la lisibilité, on a
légèrement décalé vers la gauche les bâtons de la loi de Poisson (en bleu)
et vers la droite ceux de la loi binomiale(en rouge). Bien que le diagramme
en bâtons de la loi binomiale B(n, p) soit constitué théoriquement de n + 1
bâtons (et que celui de la loi de Poisson en ait une infinité), seul un petit
nombre de bâtons est visible sur les graphiques, les autres correspondant à des
probabilités trop petites 8 . L’échelle verticale de chaque figure a été choisie de
façon adaptative de façon que l’avant dernière graduation verticale donne la
valeur de la plus grande probabilité binomiale. On constate que pour n = 200
(figure 3.4), la différence entre les deux diagrammes n’est pratiquement plus
discernable visuellement.
8. En fait, on s’est contenté d’afficher les probabilités correspondant à k inférieur ou

égal à la partie entière supérieure de 2λ + 4. Il est facile de vérifier (cf. exercices 3.18 et
3.19) que la somme des probabilités ainsi négligées est inférieure à 1%, pour chacune des
deux lois.

0.2663
0.2130
0.1598
0.1065
0.0533
0.0000
-1 0 1 2 3 4 5 6 7 8 9 10 11 12 13
Fig. 3.1 – Lois B(25, 0.16) et P(4)

0.255
0.204
0.153
0.102
0.051
0.000
-1 0 1 2 3 4 5 6 7 8 9 10 11 12 13
Fig. 3.2 – Lois B(50, 0.08) et P(4)

0.249
0.199
0.150
0.100
0.050
0.000
-1 0 1 2 3 4 5 6 7 8 9 10 11 12 13
Fig. 3.3 – Lois B(100, 0.04) et P(4)

0.247
0.197
0.148
0.099
0.049
0.000
-1 0 1 2 3 4 5 6 7 8 9 10 11 12 13
Fig. 3.4 – Lois B(200, 0.02) et P(4)

3.3.7 Sur le caractère universel de la loi de Poisson

L’étude qui suit a pour but de mieux faire saisir l’importance de la loi
de Poisson, en justifiant au passage le bien fondé de l’hypothèse (3.15) du
théorème de convergence de la loi binomiale vers la loi de Poisson.
Considérons un phénomène se traduisant par des observations (ou réa-
lisations) aléatoires pendant un intervalle de temps [0, 1[ (exemples : dés-
intégrations d’atomes, accidents d’avion, faux numéros de téléphone sur un
standard, éruptions volcaniques, naissances de triplés,. . .). On suppose que
le phénomène vérifie les hypothèses suivantes :
(a) Les observations dans des intervalles de temps disjoints sont indépen-
dantes ;
(b) Pour tout réel t tel que 0 ≤ t < t + T ≤ 1 la loi du nombre (aléatoire)
d’observations dans l’intervalle [t, t + T [ ne dépend que de la durée T
de cet intervalle.
Partageons l’intervalle de temps [0, 1[ en n intervalles disjoints
hk k + 1h
In,k = , , 0 ≤ k < n.
n n
Notons :

pn = P avoir exactement une observation dans In,k

rn = P avoir au moins une observation dans In,k .
D’après (b), pn et rn ne dépendent pas de k. En écrivant de deux façons la

probabilité de n’avoir aucune observation dans [0, 1[ on obtient :
n−1 n h k k + 1 h o
1 − r1 = P ∩ aucune observation dans ,
k=0 n n
= (1 − rn )n en utilisant (a) et (b).
D’où 1 − rn = (1 − r1 )1/n . Un développement limité à l’ordre 1 de cette

expression nous permet d’écrire :
1 1 δn
(1 − r1 )1/n = exp ln(1 − r1 ) = 1 + ln(1 − r1 ) + , où lim δn = 0.
n n n n→+∞
Nous noterons désormais :
− ln(1 − r1 ) = λ, λ ∈]0, +∞[. (3.21)
Il vient rn = nλ − δnn d’où limn→+∞ nrn = λ.

Pour le type de phénomène que nous envisageons, il est vraisemblable que
l’on arrive à isoler les observations lorsque les intervalles de la subdivision sont

assez petits : asymptotiquement, la probabilité d’avoir plus d’une observation

dans [k/n, (k + 1)/n[ est négligeable devant celle d’en avoir exactement une.
Plus précisément, nous rajoutons à notre modèle l’hypothèse :
rn − p n
(c) εn = −→ 0, quand n → +∞.
pn
D’après (c), rn /pn converge vers 1, d’où limn→+∞ npn = λ.
Cherchons maintenant la probabilité d’avoir exactement l observations
dans [0, 1[. Cette probabilité peut se décomposer en :
P (l observations dans [0, 1[) = P (An ) + P (Bn ), (3.22)
où

An = l observations avec au plus une dans chaque In,k ,

Bn = l observations avec au moins un In,k en contenant plusieurs .
Calcul de P (An ) : Notons

n h i i + 1h o
Di = exactement une observation dans , ,
n n
n h i i + 1h o
Ei = aucune observation dans , , 0 ≤ i < n.
n n
L’événement An est la réunion disjointe de tous les événements du type :

∩ Di ∩ ∩ Ej ,
i∈I j∈J
où I ⊂ {1, . . . , n}, card I = l et J = {1, . . . , n} \ I. D’après l’hypothèse

d’indépendance (a), la probabilité de chacun de ces événements est pln (1 −
rn )n−l d’où :
P (An ) = Cnl pln (1 − rn )n−l .
Pour trouver la limite de P (An ) lorsque n tend vers l’infini, l restant fixé,
il suffit d’adapter la preuve du théorème 3.13 : ici nous avons à trouver la
limite de (1 − rn )n−l au lieu de (1 − pn )n−l . Or
(n − l) ln(1 − rn ) ∼ −nrn ∼ −λ,
d’où limn→+∞ (1 − rn )n−l = e−λ . On en déduit :
e−λ λl
lim P (An ) = . (3.23)
n→+∞ l!
Majoration de P (Bn ) : Le calcul de P (Bn ) étant trop compliqué, nous nous
contenterons d’une majoration. La réalisation de l’événement Bn implique

l’existence d’au moins deux observations dans au moins l’un des intervalles
de longueur 1/n. Autrement dit :
n−1
[n hk k + 1h o
Bn ⊂ au moins deux observations dans , .
k=0
n n
Par conséquent
h k k + 1 h o
n−1 n
P (Bn ) ≤ P ∪ au moins deux observations dans ,
k=0 n n
n−1
X
≤ (rn − pn ) = n(rn − pn ) = npn εn .
k=0
D’après (c) et la convergence de npn vers λ, npn εn tend vers 0 quand n tend
vers +∞. Il en est donc de même pour P (Bn ).
Pour conclure, on remarque que (3.22) est vérifiée pour tout entier n ≥ 1
et que le premier membre de cette égalité ne dépend pas de n. Cette égalité
reste donc vraie à la limite :
e−λ λl
P (l observations dans [0, 1[) = lim P (An ) + P (Bn ) = ,
n→+∞ l!
d’après (3.23) et la majoration de P (Bn ). Ce résultat étant valable pour tout
entier l, nous avons donc démontré :
Théorème 3.14 Soit un phénomène donnant lieu à des observations aléa-
toires vérifiant les hypothèses :
(a) Les observations dans des intervalles de temps disjoints sont indé-
pendantes ;
(b) Pour tout réel t tel que 0 ≤ t < t + T ≤ 1 la loi du nombre (aléatoire)
d’observations dans l’intervalle [t, t + T [ ne dépend que de la durée T
de cet intervalle.
(c) En notant pn la probabilité d’avoir exactement une observation dans
un intervalle de temps de durée 1/n et rn celle d’en avoir au moins
rn − p n
une, εn = −→ 0, quand n → +∞.
pn
Alors le nombre aléatoire d’observations dans l’intervalle [0, 1[ suit la loi de
Poisson de paramètre λ défini par
λ = − ln(1 − r1 ).
Remarque : L’examen attentif de la démonstration ci-dessus montre que la

structure d’ordre de l’intervalle [0, 1[ n’y joue aucun rôle. L’important est la

3.4. Exercices
possibilité de réaliser une partition de [0, 1[ en intervalles de même longueur

tendant vers 0. Par conséquent en remplaçant la longueur par l’aire ou le
volume, il est possible d’obtenir une version spatiale en dimension 2 ou 3 du
théorème 3.14. Ceci permet de comprendre pourquoi la loi de Poisson fournit
une bonne modélisation par exemple du nombre d’erreurs typographiques
dans une page imprimée, du nombre d’impacts de météorites sur un terri-
toire donné, du nombre d’accidents sur une portion d’autoroute pendant une
période donnée, du nombre de raisins dans une portion de cake, du nombre
d’étoiles dans une région de l’univers, . . .
3.4 Exercices
Ex 3.1. La propriété d’absence de mémoire
1) 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). (3.24)
Interpréter ce résultat en considérant une suite d’épreuves répétées.
2) Trouver toutes les lois qui vérifient la propriété (3.24).
Indication : On notera G(n) = P (X > n) et on montrera que (3.24) se
traduit par une relation simple entre G(n + k), G(n) et G(k).
Ex 3.2.
1) Proposer des formules permettant de simplifier les expressions :
X X
F (x, y) = Cn2k x2k y n−2k , G(x, y) = Cn2k+1 x2k+1 y n−2k−1 .
0≤2k≤n 0<2k+1≤n
2) Soit X une variable aléatoire suivant la loi binomiale B(n, p). Calcu-
ler : P (X pair).
Ex 3.3. Code de la Route I.

Pour l’examen du Code de la Route, les candidats doivent remplir un
questionnaire de 40 questions en choisissant pour chacune d’elles l’une des
4 réponses proposées, dont une seule est exacte. Un candidat totalement
ignorant décide de tenter sa chance en cochant complètement au hasard une
réponse pour chaque question.
1) Quelle est la loi du nombre S de bonnes réponses du candidat ? Jus-
tifiez votre réponse.
2) Calculer P (S ≥ 36).

Ex 3.4. Code de la Route II.

Le modèle précédent est trop simpliste, en voici un plus réaliste. Le can-
didat n’est pas complètement ignorant et il arrive qu’il connaı̂sse la réponse à
certaines questions. Il répond alors à coup sûr. S’il ignore la réponse, il choi-
sit au hasard entre les 4 réponses proposées. On suppose toutes les questions
indépendantes et que pour chacune de ces questions, la probabilité que le can-
didat connaisse la vraie réponse est p. Ce paramètre p mesure donc le vrai
niveau du candidat. Malheureusement il n’est pas connu de l’examinateur.
On définit les variables aléatoires suivantes :
S nombre de réponses connues du candidat ;
T nombre de bonnes réponses obtenues au hasard ;
U nombre total de bonnes réponses (U = S + T ) ;
V nombre de mauvaises réponses (S + T + V = 40).
1) Quelle est la loi de S ?
2) On note Bi l’évènement « le candidat donne la bonne réponse à la
iième question ». Calculer P (Bi ) en fonction de p (on conditionnera par les
deux cas possibles).
3) En déduire la loi de U , puis celle de V .
4) Utiliser une méthode analogue pour trouver la loi de T .
Ex 3.5. Code de la Route III.

Ce que peut réellement observer l’examinateur, c’est la valeur prise par U
(ou ce qui revient au même par V ). Les quantités intéressantes pour tirer des
conclusions sur le niveau réel du candidat sont les P (S = i | U = m) pour
i ≤ m ≤ 40. Par exemple si le candidat a obtenu 38 bonnes réponses, on
aimerait évaluer P (S ≥ 36 | U = 38).
1) Expliquer pourquoi pour i ≤ m ≤ 40,
P (S = i, U = m) = P (S = i, T = m − i, V = 40 − m).
2) En utilisant le résultat de l’exercice 2.16, en déduire en fonction de

i, m et p, l’expression de P (S = i | U = m).
3) En déduire l’expression de P (S ≥ 36 | U = 38).
Ex 3.6. Contrôleur contre fraudeur

Une compagnie de métro pratique les tarifs suivants. Le ticket donnant
droit à un trajet coûte 5 F ; les amendes sont fixées à 100 F pour la première
infraction constatée, 200 F pour la deuxième et 2 000 F pour la troisième.
La probabilité p pour un voyageur d’être contrôlé au cours d’un trajet est
supposée constante et connue de la seule compagnie. Un fraudeur décide de

3.4. Exercices
prendre systématiquement le métro sans payer jusqu’à la deuxième amende

et d’arrêter alors de frauder. On note T le nombre de trajets effectués jusqu’à
la deuxième amende (T est le numéro du trajet où le fraudeur est contrôlé
pour la deuxième fois). On note q = 1 − p la probabilité de faire un trajet
sans contrôle.
1) Montrer que la loi de T est donnée par
P (T = k) = (k − 1)p2 q k−2 , k ≥ 2.
2) Pour n ∈ N∗ , calculer P (T > n). Indication : on pourra commencer

par chercher une formule explicite pour la somme de la série entière
+∞
X
f (x) := xk−1 ,
k=n+1
puis pour sa dérivée terme à terme.

3) Calculer numériquement P (T > 60) (pourquoi s’intéresse-t-on à cette
quantité ?) lorsque p = 1/10 et lorsque p = 1/20.
4) D’un point de vue purement financier (et donc hors de toute consi-
dération de moralité), quel conseil donneriez vous au fraudeur ?
Ex 3.7. Loi binomiale négative

1) Soit n ∈ N∗ fixé. Donner le développement en série entière de la
variable q de :
f (q) = (1 − q)−n , q ∈ [0, 1[.
Dans la suite, on note p = 1 − q.

2) En déduire qu’en posant :
k
∀k ∈ N, P (X = k) = Cn+k−1 pn q k ,
on définit une loi de probabilité sur N. Cette loi s’appelle loi binomiale né-
gative de paramètres n et p.
3) On considère une urne contenant n1 boules vertes et n2 boules rouges.
On note p = n1 /(n1 + n2 ). On effectue des tirages avec remise d’une boule
dans l’urne jusqu’à l’obtention de la n-ième boule verte. Soit Y la variable
aléatoire égale au nombre de boules rouges ainsi tirées. Quelle est la loi de
Y?

Ex 3.8. On considère une suite infinie d’épreuves répétées indépendantes.

La i-ème épreuve peut donner une réussite (évènement Ri ) avec probabilité p
(0 < p < 1) ou un échec (évènement Ric ) avec probabilité q = 1 − p. On note
X le numéro (aléatoire) de l’épreuve où l’on observe la deuxième réussite.
1) Écrire les évènements {X = 2}, {X = 3}, {X = 4} à l’aide des Ri et
Ric et calculer leurs probabilités respectives.
2) Calculer P (X = k) pour tout entier k.
3) Écrire à l’aide des Ri et Ric l’événement
{ on n’observe jamais de deuxième succès}
et montrer que sa probabilité est nulle.

4) Calculer l’espérance de X (voir chapitre 5).
Ex 3.9. On jette deux dés dont l’un est équilibré, l’autre est truqué de façon
inconnue. On note X, Y les nombres de points indiqués respectivement par le
dé équilibré et le dé truqué. La variable aléatoire X suit ainsi la loi uniforme
sur {1, . . . , 6}, tandis que la loi de Y nous est inconnue : on sait seulement
que l’ensemble des valeurs possibles de Y est {1, . . . , 6}, mais on ignore les
valeurs des P (Y = j) pour j ∈ {1, . . . , 6}. On suppose que le truquage
n’affecte pas l’indépendance des deux dés. On note R la variable aléatoire
égale au représentant dans {0, . . . , 5} de la classe d’équivalence de X + Y
modulo 6.
1) Montrer sans faire de calcul que pour tout r ∈ {0, . . . , 5} et tout
j ∈ {1, . . . , 6}, il existe un unique i ∈ {1, . . . , 6} tel que i + j = r modulo 6.
2) Expliquer pourquoi l’événement {R = r} est réunion de 6 événements
deux à deux disjoints du type {X = i, Y = j}. Expliciter cette décomposition
pour {R = 3}.
3) Calculer P (R = r) pour r ∈ {0, . . . , 5} et en déduire que R suit la
loi uniforme sur {0, . . . , 5} et ceci quelle que soit la loi de Y , c’est-à-dire quel
que soit le truquage du deuxième dé.
Ex 3.10. Groin chercheur

Le nombre de truffes trouvées par le cochon Sherlock durant une période de
recherche T (en heures) suit une loi de Poisson de paramètre λ(T ). On sait
que λ(1) = 1, 7.
1) Calculer la probabilité que Sherlock ne trouve aucune truffe en une
heure.
2) Calculer la probabilité que Sherlock trouve au moins 2 truffes en une
heure.

3.4. Exercices
On note maintenant X1 le nombre de truffes trouvées par Sherlock un

jour donné entre 6h et 7h et X2 le nombre de truffes trouvées par Sherlock
le même jour entre 7h et 8h.
3) Quelle est l’espérance de X1 + X2 ?
4) En déduire λ(2).
5) Les événements {X1 = 0} et {X2 = 0} sont-ils indépendants ?
Ex 3.11. Soit X une v.a. de Poisson de paramètre λ > 0. On définit la v.a.

Y de la manière suivante :
– Si X prend une valeur nulle ou impaire alors Y prend la valeur 0.
– Si X prend une valeur paire alors Y prend la valeur X/2.
Trouver la loi de Y .
Ex 3.12. Mélange de lois

On suppose que le nombre N d’oeufs pondus par un insecte suit une loi de
Poisson de paramètre α :
αk
P (N = k) = e−α k ∈ N.
k!
On suppose également que la probabilité de développement d’un oeuf est
p et que les oeufs sont mutuellement indépendants. On note S le nombre
(aléatoire) de survivants. Montrer que S suit une loi de Poisson de paramètre
pα.
Ex 3.13. Le nombre de fois où un individu attrape un rhume en une année

donnée est une variable de Poisson de paramètre λ = 5. Un nouveau médica-
ment vient d’être mis sur le marché. Il réduit le paramètre de Poisson à λ = 3
pour 75% de la population. Pour le reste de la population, le médicament est
sans effet notable sur les rhumes. Si un individu essaie le médicament pendant
un an et attrape 2 rhumes au cours de cette période, quelle est la probabilité
que le médicament lui ait été bénéfique ?
Ex 3.14. Un boulanger mélange 1000 raisins dans de la pâte pour fabriquer

100 brioches de même masse.
1) Quelle est la loi exacte du nombre X de raisins contenus dans une
brioche achetée chez ce boulanger ? Précisez quelles hypothèses vous faites.
2) En utilisant une approximation classique de la loi de X, évaluer la
probabilité que la brioche achetée contienne 10 raisins à deux unités près (i.e.
8 ≤ X ≤ 12).

Ex 3.15. Une loi discrète pathologique 9

Le but de cet exercice est de construire et d’étudier une v.a. discrète ayant
pour ensemble X(Ω) de valeurs possibles l’ensemble D des nombres décimaux
de [0, 1[. Un nombre décimal peut se représenter par une suite finie de chiffres
décimaux. Cette représentation n’est pas unique, par exemple :
0.375 = 0.3750 = 0.37500 = 0.375000 = . . .
On peut aussi l’écrire sous la forme k10−n avec k ∈ N et n ∈ N∗ . Si k n’est
pas divisible par 10, nous dirons que l’on a la forme réduite (pour l’exemple
précédent, k = 375 et n = 3). Nous construisons X par la procédure suivante.
On dispose de deux urnes. La première contient des boules rouges et des
vertes. On note p la proportion de boules rouges (0 < p < 1) et q celle des
vertes. La deuxième urne contient 10 boules numérotées de 0 à 9. On effectue
des tirages avec remise dans la première urne jusqu’à la première apparition
d’une rouge. On note N le nombre (aléatoire) de tirages nécessaires. Une fois
connue la valeur de N , on effectue N tirages avec remise d’une boule dans
la deuxième urne. En notant Yj le chiffre sorti lors du j-ème tirage dans la
deuxième urne (i ≤ N ), on forme le nombre décimal :
N (ω)
X Yj (ω)
X(ω) = 0, Y1 (ω)Y2 (ω) . . . YN (ω) (ω) = .
j=1
10j
1) Quelle est la loi de N ?

2) Soit n fixé. Lorsque l’on effectue n tirages dans la deuxième urne,
quelle est la probabilité d’obtenir une suite de n chiffres décimaux choisie à
l’avance ?
3) Calculer P (X = 0.375) (attention, il y a une infinité de façons d’ob-
tenir cette valeur !).
4) Soit d ∈ D et k10−n sa forme réduite. Calculer P (X = d).
5) Vérifier que D est dénombrable en décrivant un procédé permettant
de numéroter bijectivement les éléments de D par ceux de N.
6) Montrer qu’il n’existe pas de numérotation croissante des éléments
de X(Ω) (i.e. vérifiant ∀k ∈ N, xk < xk+1 ).
7) Calculer l’espérance de X (voir chapitre 5). Le résultat dépend de p.
On vérifiera que dans tous les cas :
9 1
< IE X < .
20 2
Commenter ce résultat. Comment interpréter les cas limite p = 1 et p = 0 ?
9. mais presque. . .

3.4. Exercices
8) Soit F la fonction de répartition de X. Montrer que F n’est constante

dans aucun intervalle de [0, 1[ (si petit soit-il). Ce n’est donc pas une fonction
en escaliers (puisqu’elle est constante sur ] − ∞, 0[ et sur [1, +∞[).
9) Montrer que F n’est continue sur aucun intervalle de [0, 1[ (aussi petit
soit-il). Cependant F est continue en tout réel non décimal de [0, 1[ (il y en
a une infinité non dénombrable).
10) Détailler le calcul de P (X ≤ 0.375 | N = j) en distinguant les deux
cas j < 3 et j ≥ 3.
11) Généraliser en montrant que :
[10j d] + 1
∀d ∈ D, P (X ≤ d | N = j) = .
10j
12) Calculer F (k/10) pour 0 ≤ k ≤ 9 et F (l/100) pour 0 ≤ l ≤ 99.
13) Peut-on donner une formule générale pour F (d), d ∈ D ?
Ex 3.16. Le terme central de la loi binomiale 10

Soit p ∈]0, 1[ et q = 1 − p. Dans tout ce qui suit on note :
b(k, n, p) = Cnk pk q n−k pour 0 ≤ k ≤ n,
k et n étant entiers. Ainsi b(k, n, p) est la probabilité qu’une variable bino-
miale de paramètres n et p prenne la valeur k.
1) Vérifier que pour k ≥ 1, on a :
b(k, n, p) (n + 1)p − k
=1+ .
b(k − 1, n, p) kq
En déduire que :
si k ≤ (n + 1)p, b(k, n, p) ≥ b(k − 1, n, p),
si k > (n + 1)p, b(k, n, p) < b(k − 1, n, p).
Pour n et p fixés, le maximum de b(k, n, p) est donc atteint en k = m, m
étant défini comme l’unique entier tel que :
(n + 1)p − 1 < m ≤ (n + 1)p.
Si (n + 1)p n’est pas entier, l’inégalité de droite est stricte et il y a un seul
maximum. Si (n + 1)p est un entier on a m = (n + 1)p et b(m − 1, n, p) =
b(m, n, p) réalisent tous deux le maximum. Dans tous les cas, le nombre
b(m, n, p) est appelé terme central de la loi binomiale. On se propose d’en
donner un équivalent simple lorsque n tend vers +∞.
10. Cet exercice est purement analytique. Il permet de démontrer un résultat important
qui sera utilisé lors de la preuve du théorème de De Moivre Laplace.

2) Étudier les variations de la fonction :

f : [0, 1] → [0, 1], x :7→ xm (1 − x)n−m .
3)Vérifier que np ∈ ] (n + 1)p − 1, (n + 1)p [. Montrer que :
m m
si np ≤ m ≤ (n + 1)p, b m, n, ≤ b(m, n, p) ≤ b m, n, .
n+1 n
(3.25)
4) Montrer de même que :
m + 1 m
si (n + 1)p − 1 < m < np, b m, n, ≤ b(m, n, p) ≤ b m, n, .
n+1 n
(3.26)
∗
5) On rappelle la formule de Stirling : pour tout j ∈ N ,
√ 1 1
j! = 2πj j+1/2 e−j eθj où < θj < .
12j + 1 12j
En utilisant cette formule, donner un équivalent des bornes des encadrements
(3.25) et (3.26). En déduire que :
1
b(m, n, p) ∼ √ , (n → +∞). (3.27)
2πnpq
En remplaçant les équivalents par des encadrements, et en se fatiguant un
peu plus, on pourrait montrer qu’il existe une constante C indépendante de
p et un entier n0 dépendant de p tels que :
1 C
∀n ≥ n0 , b(m, n, p) = √ (1 + εn ) avec |εn | ≤ . (3.28)
2πnpq npq
Ex 3.17. Que pensez vous de l’affirmation suivante : « Si on lance un grand
nombre (pair) de fois une pièce équilibrée, il y a une forte probabilité d’obtenir
exactement autant de piles que de faces » ?
Ex 3.18. La queue de la loi de Poisson 11
1) Si X suit la loi de Poisson de paramètre λ > 0, montrer que :
k+1
∀k > λ − 1, P (X ≥ k) < P (X = k) .
k+1−λ
Indication : On part de :
+∞ j
X λ λk λ λ2 λ3
= 1+ + + + ······
j=k
j! k! k + 1 (k + 1)(k + 2) (k + 1)(k + 2)(k + 3)
et on majore la parenthèse par la somme d’une série géométrique. . .

11. La « queue » de la loi d’une v.a. X est la fonction t 7→ P (X > t).

3.4. Exercices
2) En déduire que :
∀k ≥ 2λ − 1, P (X > k) < P (X = k).
Ex 3.19. Contrôle de l’erreur dans l’approximation poissonienne
On se propose de donner des résultats quantitatifs sur l’approximation de la
probabilité binomiale b(k, n, p) par e−λ λk /k! où λ = np.
1) Justifier l’encadrement suivant :
u2
∀u ∈ [0, 1[, exp −u − ≤ 1 − u ≤ exp(−u). (3.29)
2(1 − u)
Indication : Dans le développement en série entière de ln(1 − u), contrôler le
reste de rang 2 par une série géométrique.
2) En déduire que si 0 ≤ k ≤ n,
k−1
nk Y j nk (k − 1)k
Cnk = 1− ≤ exp − .
k! j=1 n k! 2n
3) En déduire que si n ≥ 2 et 0 ≤ k ≤ n :
e−λ λk k
b(k, n, p) ≤ exp (2λ + 1 − k) .
k! 2n
En particulier :
e−λ λk
∀k ≥ 2λ + 1, b(k, n, p) ≤ .
k!
En combinant cette inégalité avec le résultat de l’exercice 3.18, on en déduit
la majoration suivante de la queue de la loi binomiale :
n
X e−λ λk
∀k ≥ 2λ + 1, b(j, n, p) ≤ . (3.30)
j=k+1
k!
4) Montrer en utilisant l’encadrement de la question 1 et la formule de

Stirling (cf. exercice 3.16) que l’on a pour 0 ≤ k < n la minoration :
e−λ λk

1 2 2n − k 12k + 1
b(k, n, p) ≥ exp (2λ + 1)k − 2k − λ − .
k! 2n n − λ 72(n − k)
Ex 3.20. Assurances maritimes et concentration du capital
Une compagnie d’assurances assure une flotte de 500 navires de pêche valant
chacun 6 millions de francs. Le risque assuré est la perte totale du navire
qui est un événement de probabilité 0.001 pour une année. Les naufrages des
différents navires sont considérés comme indépendants. On note X la variable
aléatoire égale au nombre de navires perdus en une année.

1) Trouver la loi exacte de X.

2) Évaluer P (X = 10) en utilisant une approximation de la loi de X.
3) La compagnie rembourse le 31 décembre, sur ses réserves, la valeur
des bateaux assurés ayant fait naufrage dans l’année. A combien doivent
s’élever ces réserves financières pour qu’elle puisse effectuer la totalité de
ces remboursements avec une probabilité supérieure à 0.999 ? Indication :
En utilisant l’inégalité (3.30) de l’ exercice 3.19, montrer qu’il suffit que ces
réserves représentent la valeur d’un très petit nombre de navires et faire un
calcul basé sur la loi exacte de X.
4) Comparer avec ce que donnerait l’approximation poissonnienne.
5) La compagnie fusionne avec une autre compagnie identique (500 na-
vires assurés). Reprendre brièvement les questions 1) et 3) et commenter le
résultat obtenu.

Chapitre 4
Vecteurs aléatoires discrets
4.1 Introduction
Dans des situations où interviennent plusieurs variables aléatoires, le cal-
cul de la probabilité d’un événement dont la réalisation dépend des valeurs
de ces variables doit faire intervenir ces variables considérées dans leur en-
semble et non chacune isolément. On est amené à étudier ainsi une nouvelle
notion, celle de vecteur aléatoire. Commençons par préciser cette idée sur un
exemple élémentaire.
Exemple 4.1 Une urne contient 7 boules : 2 bleues, 3 blanches et 2 rouges.

On en prélève 3 d’un coup. On note respectivement X et Y les nombres
de boules bleues et blanches dans l’échantillon tiré. Calculer les probabilités
suivantes : P (X > Y ), P (X = Y ), P (2 rouges).
Il est clair que ces deux variables suffisent à décrire complètement l’expérience
puisque la composition de l’échantillon est déterminée par les valeurs de X
et Y : le nombre de rouges étant (3 − X − Y ). L’espace probabilisé associé
naturellement à cette expérience est l’ensemble de tous les échantillons pos-
sibles (il y en a C73 = 35) muni de l’équiprobabilité. Les valeurs possibles du
couple aléatoire (X, Y ) sont dans l’ensemble {0, 1, 2}×{0, 1, 2, 3}. Les proba-
bilités d’observation de ces valeurs P (X = i, Y = j) se calculent facilement
en faisant du dénombrement.
P (X = i, Y = j) = P (i bleues, j blanches, (3 − i − j) rouges)

C2i C3j C23−i−j
= ,
C73
en faisant la convention Cnk = 0 lorsque k < 0 ou k > n.
83
Chapitre 4. Vecteurs aléatoires discrets
↓ i\j → 0 1 2 3 P (X = i)
3 6 1 10
0 0 35 35 35 35
2 12 6 20
1 35 35 35
0 35
2 3 5
2 35 35
0 0 35
4 18 12 1
P (Y = j) 35 35 35 35
1
Les valeurs de P (X = i, Y = j).

Le tableau des P (X = i, Y = j) permet le calcul des lois marginales PX et
PY . Plus généralement, on peut à l’aide de ce tableau calculer la probabilité
de tout événement dont la réalisation ne dépend que de la valeur du couple
(X, Y ). Ainsi :
2 2 3 1
P (X > Y ) = + + = ,
35 35 35 5
12 12
P (X = Y ) = 0 + +0= ,
35 35
2 3 1
P (2 rouges) = P (X + Y = 1) = + = .
35 35 7
4.2 Vecteurs aléatoires

Définition 4.1 Soient X et Y deux variables aléatoires discrètes définies
sur le même espace probabilisé (Ω, F, P ). L’application :
Ω → R2 , ω 7→ X(ω), Y (ω)

est appelée couple aléatoire discret de marginales X et Y et notée (X, Y ).

Définition 4.2 De même si X1 , . . . , Xm sont des v.a. discrètes sur le même
(Ω, F, P ), on définit le vecteur aléatoire (X1 , . . . , Xm ) comme l’application :
Ω → Rm , ω 7→ X1 (ω), . . . , Xm (ω)

La v.a. Xi est la i-ème marginale du vecteur.

Le couple aléatoire (X, Y ) permet de transporter la probabilité P de F sur
l’ensemble des parties de R2 .
Définition 4.3 La loi PX,Y du couple (X, Y ) est la probabilité définie sur
l’ensemble des parties de R2 par :
∀B ⊂ R2 ,

PX,Y (B) = P {ω ∈ Ω, X(ω), Y (ω) ∈ B} .
Les lois PX et PY des v.a. X et Y sont appelées lois marginales du couple.

4.2. Vecteurs aléatoires
Dans la suite les ensembles de valeurs possibles pour les v.a. marginales X
et Y seront notés :
X(Ω) = {x0 , x1 , . . . , xi , . . .} et Y (Ω) = {y0 , y1 , . . . , yj , . . .}.
Il est facile de voir que la loi du couple (X, Y ) est caractérisée par les proba-
bilités PX,Y {(xi , yj } = P (X = xi , Y = yj ), pour xi ∈ X(Ω), yj ∈ Y (Ω).
Proposition 4.4 Si (X, Y ) est un couple aléatoire, ses lois marginales PX
et PY peuvent se calculer par :
X
∀xi ∈ X(Ω), P (X = xi ) = P (X = xi , Y = yj ), (4.1)
yj ∈Y (Ω)
X
∀yj ∈ Y (Ω), P (Y = yj ) = P (X = xi , Y = yj ). (4.2)
xi ∈X(Ω)
Preuve : Il suffit de faire la vérification pour (4.1), celle de (4.2) est analogue
en échangeant les rôles de X et Y . Pour i fixé, l’événement {X = xi } est la
réunion de la famille dénombrable d’événements 2 à 2 disjoints {X = xi , Y =
yj } (pour tous les j tels que yj ∈ Y (Ω)). La relation (4.1) s’en déduit par
σ-additivité.
Remarque : La connaissance de la loi du couple (X, Y ) permet de calculer
les lois marginales. Il importe de bien comprendre que la réciproque est fausse.
Il n’est généralement pas possible de calculer la loi PX,Y du couple aléatoire
(X, Y ) à partir de la seule connaissance de ses lois marginales PX et PY .
Voici un exemple élémentaire de deux couples aléatoires ayant mêmes lois
marginales sans avoir même loi (voir aussi l’exercice 4.1).
Exemple 4.2 On jette un dé bleu et un rouge. On note X les points indiqués
par le dé bleu, Y ceux du dé rouge et on pose Z = 7 − X. Alors les couples
aléatoires (X, Y ) et (X, Z) ont mêmes lois marginales mais pas même loi.
En effet il est clair que X, Y et Z suivent chacune la loi uniforme sur
{1, 2, 3, 4, 5, 6}. Les lois des couples sont données par les tableaux suivants
1 2 3 4 5 6 1 2 3 4 5 6
1 1 1 1 1 1 1
1 36 36 36 36 36 36
1 0 0 0 0 0 6
1 1 1 1 1 1 1
2 36 36 36 36 36 36
2 0 0 0 0 6
0
1 1 1 1 1 1 1
3 36 36 36 36 36 36
3 0 0 0 6
0 0
1 1 1 1 1 1 1
4 36 36 36 36 36 36
4 0 0 6
0 0 0
1 1 1 1 1 1 1
5 36 36 36 36 36 36
5 0 6
0 0 0 0
1 1 1 1 1 1 1
6 36 36 36 36 36 36
6 6
0 0 0 0 0

Loi de (X, Y ) Loi de (X, Z)
L’extension au cas des vecteurs aléatoires de la définition 4.3 et de la pro-

position 4.4 ne pose pas d’autre problème que l’alourdissement des notations
et est laissée au lecteur.
4.3 Variables aléatoires indépendantes

Définition 4.5 (Indépendance de deux v.a.)
Deux variables aléatoires discrètes X et Y sont dites indépendantes si pour
tous sous-ensembles A et B de R, les événements {X ∈ A} et {Y ∈ B} sont
indépendants :
∀A ⊂ R, ∀B ⊂ R P (X ∈ A, Y ∈ B) = P (X ∈ A)P (Y ∈ B), (4.3)
ce qui s’écrit aussi : PX,Y (A × B) = PX (A)PY (B).
Dans l’exemple 4.2 ci-dessus, les variables aléatoires X et Y sont indépendantes,

les v.a. X et Z ne le sont pas. Il s’agit là de deux situations extrêmes. D’un
côté la connaissance de la valeur prise par X ne nous apporte aucune infor-
mation sur la valeur prise par Y (indépendance). De l’autre, la connaissance
de la valeur de X détermine complètement la valeur de Z (dépendance fonc-
tionnelle). La situation générale est intermédiaire entre ces deux cas extrêmes
(voir un exemple à l’exercice 4.1).
Définition 4.6 (Indépendance d’une famille finie de v.a.)

Les m variables aléatoires discrètes X1 , . . . , Xm sont dites indépendantes si
pour toutes parties A1 , . . . , Am de R, les événements {X1 ∈ A1 },. . .,{Xm ∈
Am } sont mutuellement indépendants.
Définition 4.7 (Indépendance d’une suite de v.a.)

Une suite (Xn )n∈N de variable aléatoires discrètes est dite indépendante si
toute sous-suite finie est indépendante au sens de la définition 4.6.
Dans une suite d’épreuves répétées indépendantes, si pour tout i ≥ 1, Xi est

une variable aléatoire dont la valeur ne dépend que du résultat de la i-ème
épreuve (par exemple points obtenus lors du i-ème lancer d’un dé), la suite
(Xi )i≥1 est indépendante.
Pour vérifier l’indépendance de deux variables aléatoires discrètes, on dis-
pose du critère calculatoire suivant :

4.3. Variables aléatoires indépendantes
Proposition 4.8 Les variables aléatoire discrètes X et Y sont indépen-

dantes si et seulement si :
∀xi ∈ X(Ω), ∀yj ∈ Y (Ω), P (X = xi , Y = yj ) = P (X = xi )P (Y = yj ).

(4.4)
Preuve : D’abord il est clair que l’indépendance implique (4.4), il suffit de

choisir A = {xi } et B = {yj } dans (4.3).
Réciproquement, supposons (4.4) vérifiée. Pour montrer l’indépendance
de X et Y , on cherche à vérifier (4.3) pour deux parties A et B quelconques
de R.
X
P (X ∈ A, Y ∈ B) = P (X = xi , Y = yj )
(xi ,yj )∈A×B
X
= P (X = xi )P (Y = yj )
(xi ,yj )∈A×B
X X
= P (X = xi ) P (Y = yj ) (4.5)
xi ∈A yj ∈B
= P (X ∈ A)P (Y ∈ B).
Dans (4.5) nous avons utilisé les propriétés des séries à termes positifs (som-
mation par paquets, produit de deux séries).
Remarque : Si l’on connaı̂t la loi de X et celle de Y et si l’on sait que X et Y
sont indépendantes, alors on peut reconstruire la loi du couple (X, Y ) à partir
des lois marginales. Il suffit d’utiliser (4.4). Au risque d’insister lourdement,
rappelons que cette reconstruction n’est pas possible en général à partir de
la seule connaissance des lois de X et Y .
La proposition 4.8 peut se généraliser au cas des vecteurs aléatoires (énoncé
et démonstration laissés en exercice).
Proposition 4.9 Soient X et Y deux variables aléatoires discrètes indépen-

dantes, f et g deux fonctions dont les domaines de définition contiennent
respectivement X(Ω) et Y (Ω). Alors les variables aléatoires discrètes f (X)
et g(Y ) sont indépendantes.
Preuve : D’abord précisons la notation f (X). Il s’agit en fait de l’application

f ◦X :

f ◦ X : Ω → R ω 7→ f X(ω) .


L’ensemble des valeurs possibles f X(Ω) = {f (x0 ), f (x1 ), . . .} est au plus
dénombrable 1 . f (X) est donc bien une variable aléatoire discrète (et de même
pour g(Y )).
Pour prouver l’indépendance de f (X) et g(Y ), il suffit d’après
la propo-
sition 4.8 de vérifier que pour tous s ∈ f X(Ω) , et t ∈ g Y (Ω) ,

P f (X) = s, g(Y ) = t = P f (X) = s P g(Y ) = t .
En utilisant (4.4) et le produit de deux séries à termes positifs, on obtient :
X
P f (X) = s, g(Y ) = t = P (X = xi , Y = yj )
xi :f (xi )=s
yj :g(yj )=t
X
= P (X = xi )P (Y = yj )
xi :f (xi )=s
yj :g(yj )=t
X X
= P (X = xi ) P (Y = yj )
xi :f (xi )=s yj :g(yj )=t

= P f (X) = s P g(Y ) = t .
Proposition 4.10 (Somme de deux v.a. indépendantes)

Si X et Y sont deux v. a. indépendantes avec X(Ω) ⊂ N et Y (Ω) ⊂ N, la loi
de la variable aléatoire X + Y est donnée par :
X
∀n ∈ N, P (X + Y = n) = P (X = i)P (Y = j)
i+j=n
Xn
= P (X = i)P (Y = n − i).
i=0
Preuve : Comme X et Y sont à valeurs entières, il en est de même pour

X + Y dont la loi sera caractérisée par les P (X + Y = n). Pour les calculer,
il suffit de décomposer l’événement {X + Y = n} en la réunion disjointe de
tous les événements {X = i, Y = j} tels que i + j = n. On en déduit :
X
P (X + Y = n) = P (X = i, Y = j) (4.6)
i+j=n
X
= P (X = i)P (Y = j), (4.7)
i+j=n
1. On ne suppose pas f injective, on peutdonc très bien avoir X(Ω) infini dénombrable
et f X(Ω) fini. Dans tous les cas, f X(Ω) est en bijection avec une partie D de X(Ω)
obtenue en regroupant dans la même classe tous les éléments de X(Ω) ayant même image
par f et en choisissant un seul représentant dans chaque classe. Comme X(Ω) est au plus
dénombrable, il en est de même pour D ⊂ X(Ω).

4.4. Exercices
ce qui prouve la proposition.

Remarque : Si X et Y ne sont pas indépendantes, (4.7) n’est plus valable, on
peut seulement écrire (4.6). On voit ainsi que l’on peut toujours calculer la loi
de X + Y si l’on connaı̂t la loi du couple (X, Y ). Par contre le calcul de la loi
de X + Y à partir des lois de X et Y n’est possible que sous l’indépendance.
Par ailleurs la méthode utilisée se généralise au cas de variables aléatoires
discrètes quelconques ( pas forcément à valeurs entières) au prix de quelques
complications d’écriture.
Exemple 4.3 Soient X et Y deux variables aléatoires indépendantes suivant

des lois de Poisson de paramètres respectifs α et β. Déterminer la loi de leur
somme S.
Les lois de X et Y sont données par :
e−α αi e−β β j
P (X = i) = , P (Y = j) = .
i! j!
Comme X et Y sont indépendantes :

n n
X X e−α αi e−β β n−i
P (S = n) = P (X = i)P (Y = n − i) =
i=0 i=0
i! (n − i)!
n
e−(α+β) X i i n−i
= C αβ
n! i=0 n
e−(α+β) (α + β)n
= .
n!
Ainsi S suit la loi de Poisson de paramètre λ = α + β.
4.4 Exercices
Ex 4.1. On jette un dé bleu et un rouge. On note X les points indiqués
par le dé bleu, Y ceux du dé rouge et on définit la variable aléatoire Z de la
manière suivante :

 X(ω) si X(ω) ≤ 3,
Z(ω) = Y (ω) si X(ω) > 3 et Y (ω) > 3,
Y (ω) + 3 si X(ω) > 3 et Y (ω) ≤ 3.

Déterminer les lois des couples (X, Y ) et (X, Z). Vérifier que ces couples ont
mêmes lois marginales mais pas même loi.

Ex 4.2. Montrer que deux variables aléatoires de Bernoulli X et Y sont

indépendantes si et seulement si P (X = 1, Y = 1) = P (X = 1)P (Y = 1).
Ex 4.3. Soient X et Y indépendantes et de même loi géométrique de pa-
ramètre p. Déterminer la loi de X + Y .
Ex 4.4. On lance indéfiniment le même dé. Soit X le numéro du premier
lancer où l’on obtient un « trois » et Y celui du premier lancer où l’on obtient
un « quatre ».
1) Quelle est la loi de X, celle de Y ? Ces deux variables aléatoires sont-
elles indépendantes (répondre sans calculer la loi du couple) ?
2) Pour le k-ème lancer (k ∈ N∗ ), on note Ak l’obtention d’un « trois »,
Bk celle d’un « quatre » et Ck celle d’aucun de ces deux chiffres. Exprimer à
l’aide d’évènements de ces types, l’évènement {X = i, Y = j}. En déduire la
loi du couple (X, Y ).
3) Donner sans calcul (mais en justifiant votre réponse) les valeurs de
P (X < Y ) et P (X > Y ).
4) On définit la variable aléatoire Z = 3X 4Y . Quelle est la probabilité
que Z soit une puissance de 36 ?
Ex 4.5. On considère une suite d’épreuves répétées indépendantes. On note
Si l’événement succès à la i-ème épreuve et on pose p = P (Si ), q = 1 − p. On
définit les variables aléatoires X1 et X2 par : X1 est le numéro de l’épreuve où
apparaı̂t le premier succès, X1 + X2 est le numéro d’apparition du deuxième
succès.
1) Pour j et k dans N∗ , exprimer l’événement {X1 = j, X2 = k} à l’aide
des Si . En déduire la loi de (X1 , X2 ) puis celle de X2 . Vérifier que X1 et X2
sont indépendantes.
2) Calculer P (X1 = k | X1 + X2 = n) pour k = 1, . . . , n − 1. Commenter
le résultat.
Ex 4.6. ↑ 3.7
1) On considère une suite d’épreuves de Bernoulli indépendantes avec
pour chacune même probabilité de succès p. Soit Y le nombre aléatoire
d’épreuves avant le premier succès (si celui ci se produit lors de la première
épreuve, Y = 0). Quelle est la loi de Y , celle de Y + 1 ?
2) Donner une formule générale permettant de calculer la loi de
n
X
Tn = Yi ,
i=1
où les i sont des v.a. indépendantes de même loi que Y .

4.4. Exercices
3) Cette formule fait intervenir la quantité :

X
Nn,k = 1 = Card {(i1 , . . . , in ) ∈ Nn , i1 + · · · + in = k},
i1 +···+in =k
qui peut aussi s’interpréter comme le nombre de façons de disposer k objets

k
identiques dans n cases. Montrer que ce nombre vaut Cn+k−1 . Indication :
pour dénombrer ces dispositions, il est commode d’employer le codage suivant
qui utilise deux caractères : | et ∗. Le premier sert à délimiter les boites,
le deuxième représente l’un des objets. Par exemple si n = 5 et k = 7,
la disposition comprenant deux objets dans la première boite, trois dans
la deuxième, aucun dans la troisième, un dans la quatrième et un dans la
cinquième est représentée par :
| ∗∗ | ∗ ∗ ∗ || ∗ | ∗ |
4) Reconnaı̂tre la loi de Tn . En déduire la loi de la somme de n variables

indépendantes de même loi géométrique de paramètre p.
5) Soient U et V deux variables aléatoires indépendantes suivant des
lois binomiales négatives de paramètres respectifs (n, p) et (m, p). Donner
sans calcul la loi de U + V .
Ex 4.7. Soit (X, Y, Z) un triplet de variables aléatoires discrètes indépen-

dantes. Soit f une fonction deux variables réelles dont le domaine de définition
contient l’ensemble de toutes les valeurs possibles du couple aléatoire (X, Y ).
1) Démontrer que les variables aléatoires f (X, Y ) et Z sont indépen-
dantes (on pourra s’inspirer de la preuve de la proposition 4.9).
2) En déduire sans calcul la loi de X + Y + Z lorsque X, Y et Z sont
indépendantes et suivent des lois de Poisson de paramètres respectifs α, β,
γ. Généraliser au cas de n variables de Poisson indépendantes.
3) Déduire de la première question que si (X1 , . . . , Xn ) est un vecteurs
aléatoire à composantes indépendantes et si I et J sont deux sous ensembles
disjoints de {1, . . . , n}, toute fonction des Xi indexés par I est indépendante
de toute fonction des Xj indexés par J. Indication : traiter d’abord le cas où
card J = 1 en faisant une récurrence sur card I.
Ex 4.8. Un militant entreprend de faire signer une pétition à l’entrée d’un

supermarché. Le nombre de personnes X qu’il peut ainsi contacter est une
variable aléatoire de Poisson de paramètre α. Soit p la probabilité qu’une
personne ainsi sollicitée signe la pétition. On note Y le nombre total de
signatures et Z le nombre total de refus de signature (X = Y + Z).

1) Soient j et k deux entiers. En distinguant les cas j > k et j ≤ k,

calculer P (Y = j | X = k).
2) En déduire P (X = k, Y = j).
3) Déterminer la loi de Y . Les variables aléatoires X et Y sont elles
indépendantes ?
4) En utilisant le résultat de la question 2), déterminer la loi du couple
(Y, Z).
5) Ces deux variables aléatoires sont elles indépendantes ? Commenter.
Ex 4.9. On considère que le nombre de lapins (des deux sexes) engendrés

par une lapine issue d’un élevage de laboratoire est une variable aléatoire S
dont la loi est donnée par
P (S = n) = pq n , n ∈ N.
1) Quelle(s) relation(s) doivent vérifier les paramètres p et q pour qu’il
s’agisse bien d’une loi de probabilité (attention, ce n’est pas exactement une
loi géométrique).
2) Jane est une lapine issue de cet élevage. Quelle est la probabilité
qu’elle n’engendre aucun lapin ? Qu’elle en engendre au moins 20 ?
3) Soit X le nombre de lapins femelles et Y le nombre de lapins mâles
engendrés par Jane ( S = X + Y ). On suppose que la loi de X est telle que :
P (X = k | S = n) = Cnk ak bn−k 0 ≤ k ≤ n.
où les paramètres positifs a et b ne dépendent pas de n et vérifient a + b = 1.
Interpréter cette relation et la signification des paramètres. Que vaut P (X =
k | S = n) pour n < k ?
4) En utilisant la théorie des séries entières, montrer que pour tout k
fixé et tout x ∈] − 1, +1[,
+∞
X k!
n(n − 1) . . . (n − k + 1)xn−k = .
n=k
(1 − x)k+1
5) Calculer P (X = k) pour tout k ∈ N. En déduire que la loi de X est

du même type que celle de S avec des paramètres différents.
6) Donner sans calcul la loi de Y .
7) Pour i, j ∈ N, discuter les valeurs de :
P (X = i et Y = j | S = n)
selon que n = i + j ou n 6= i + j. En déduire P (X = i, Y = j). Les deux
variables aléatoires X et Y sont elles indépendantes ?

4.4. Exercices
Ex 4.10. La solitude du gardien de but

On considère une suite de n épreuves répétées indépendantes avec pour
chaque épreuve trois issues possibles : succès avec probabilité p, échec avec
probabilité q ou nul avec probabilité r (p + q + r = 1). On notera respective-
ment Si , Ei et Ni les événements succès, échec, nul à la i-ème épreuve.
1) Dans cette question, n = 5. Quelle est la probabilité d’obtenir dans
cet ordre 2 succès suivis d’un échec et de 2 nuls ? Quelle est celle d’obtenir
(sans condition d’ordre) 2 succès, 1 échec et 2 nuls ?
2) Généraliser en montrant que la probabilité d’obtenir au cours des n
épreuves (et sans condition d’ordre) i succès, j échecs et k nuls (i+j +k = n)
vaut :
n! i j k
pq r .
i! j! k!
3) On revient au cas n = 5 et on note X` la variable aléatoire codant le
résultat de la `-ième épreuve par X` = 1 pour un succès, X` = −1 pour un
échec et X` = 0 pour un nul. On définit la variable aléatoire
5
X
Z= X` .
`=1
Calculer P (Z = 0).
4) Application : Un match de coupe entre deux équipes de football
s’étant terminé sur un score nul, l’équipe qualifiée est désignée par la séance
des penaltys. Un joueur de l’équipe A tire un penalty face au gardien de
l’équipe B, puis un joueur de l’équipe B tire un penalty face à celui de l’équipe
A et ainsi de suite jusqu’à ce que chaque équipe ait tiré 5 penaltys. On admet
que la probabilité de réussir un penalty est dans chaque cas de 0, 7 et que
tous les tirs sont indépendants. Calculer la probabilité que les deux équipes
soient encore à égalité après avoir tiré chacune ses 5 penaltys. Calculer la
probabilité de qualification de A au bout de ses 5 penaltys.
Ex 4.11. La loi multinomiale

1) Montrer que le nombre N de façons de répartir une population de n
individus en k groupes d’effectifs respectifs n1 , . . . , nk où n1 + · · · + nk = n
est :
n!
N=
n1 ! . . . nk !
2) En déduire la formule du multinôme : ∀(a1 , . . . , ak ) ∈ Rk :
X n!
(a1 + · · · + ak )n = an1 1 . . . ank k .
n1 +···+nk
n
=n 1
! . . . n k !

Indication : Considérer le premier membre comme un produit de n facteurs

et examiner la forme générale d’un terme du développement de ce produit.
3) Soient p1 , . . . , pk des réels positifs tels que p1 + · · · + pk = 1.
a) Montrer que l’on définit bien une loi de probabilité sur Nk en posant :

 0 si n1 + · · · + nk 6= n,
P ({(n1 , . . . , nk )}) =
n!
pn1 . . . pnk k si n1 + · · · + nk = n.

n1 !...nk ! 1
On dit que P est la loi multinomiale de paramètres (n, p1 , . . . , pk ).

b) Soit X = (X1 , . . . , Xk ) une variable aléatoire à valeurs dans Nk sui-
vant la loi multinomiale P définie ci-dessus. Montrer que Xi suit la loi
binomiale de paramètres n, pi .
c) Montrer que X1 + X2 suit la P loi binomiale de paramètres n, (p1 + p2 ).
Généraliser au cas de : Y = i∈I Xi où I est une partie de {1, . . . , k}.
d) On effectue une série de n épreuves répétées dans des conditions iden-
tiques avec pour chacune d’elles k résultats possibles de probabilités
respectives p1 , . . . , pk . On note Xl le nombre total de résultats du type
l, (1 ≤ l ≤ k). Quelle est la loi de (X1 , . . . , Xk ) ?
4) On lance 6n fois un dé, quelle est la probabilité d’obtenir exactement
n fois chacune des faces ? Majorer cette probabilité à l’aide de la formule de
Stirling :
√ 1 1
∀n ≥ 1, n! = 2πn nn e−n eθn , < θn < .
12n + 1 12n
Application numérique : n = 100.
Ex 4.12. Sondage téléphonique.

Un enquêteur d’un institut de sondage dispose d’une liste de n personnes à
interroger par téléphone. On suppose qu’à chaque appel d’un correspondant
la probabilité de le contacter est p. L’enquêteur compose successivement les n
numéros (première vague d’appels). On note X1 la variable aléatoire nombre
de correspondants contactés au cours de cette première vague. Lors de la
deuxième vague d’appels l’enquêteur compose les n−X1 numéros non obtenus
et parvient à contacter X2 correspondants. . .On demande de trouver les lois
des variables aléatoires :
a) Xl (l ∈ N∗ ) ;
b) Sk = X1 + · · · + Xk (k ≥ 2) ;
c) V nombre de vagues nécessaires à l’obtention de tous les correspondants ;

4.4. Exercices
d) Y nombre d’appels nécessaires à l’obtention d’un correspondant donné ;

e) T nombre total d’appels nécessaires à l’obtention de tous les correspon-
dants.
Indications : On fera une hypothèse raisonnable d’indépendance entre les
correspondants. Pour k ≥ 2, on notera Ei,l l’événement le ie correspondant
est contacté lors de la le vague d’appels (1 ≤ i ≤ n, 1 ≤ l ≤ k − 1) et par Fi,k
l’événement le ie correspondant n’est pas contacté lors des k − 1 premières
vagues d’appels. Pour k fixé, on peut alors considérer une série de n épreuves
répétées indépendantes de résultats possibles (E1 , . . . , Ek−1 , Fk ) et utiliser
l’exercice 4.11 pour trouver la loi de (X1 , . . . , Xk−1 , Rk ) avec Rk = n − Sk−1 .


Chapitre 5
Moments des variables

aléatoires discrètes
Les moments d’une variable aléatoire sont certaines quantités numériques

associées à sa loi et qui apportent une information sur cette loi. Leur étude
nous permettra d’obtenir l’inégalité de Tchebycheff et la loi faible des grands
nombres.
5.1 Espérance
Définition 5.1 Soit X une variable aléatoire discrète vérifiant :
X
|xk |P (X = xk ) < +∞. (5.1)
xk ∈X(Ω)
On appelle espérance mathématique de X le réel IE X défini par :

X
IE X = xk P (X = xk ). (5.2)
xk ∈X(Ω)
L’espérance de X apparaı̂t ainsi comme le barycentre des valeurs possibles

de X pondérées par leurs probabilités de réalisation. Notons que l’hypothèse
(5.1) garantit l’existence de IE X (convergence absolue de la série (5.2)). Re-
marquons aussi que l’espérance ne dépend que de la loi de X. Voici quelques
calculs d’espérances de lois classiques.
Exemple 5.1 (v.a. constante)

Si X est constante (∃c ∈ R, ∀ω ∈ Ω, X(ω) = c), son espérance est IE X = c.
Preuve : C’est une conséquence immédiate de la formule (5.2).
97
Chapitre 5. Moments des v. a. discrètes
Exemple 5.2 (Loi de Bernoulli)

Si X suit la loi de Bernoulli de paramètre p, IE X = p.
En effet :
IE X = 0 × P (X = 0) + 1 × P (X = 1) = 0 × q + 1 × p.
On a vu qu’une variable de Bernoulli de paramètre p peut toujours être consi-

dérée comme l’indicatrice d’un événement A de probabilité p. On a donc :
Pour tout événement A, IE 1A = P (A). (5.3)
Exemple 5.3 (Loi uniforme)

Si X suit la loi uniforme sur l’ensemble fini {x1 , . . . , xn }, IE X est égale à la
moyenne arithmétique des xi .
En effet : X(Ω) = {x1 , . . . , xn } et P (X = xi ) = 1/n pour tout i compris
entre 1 et n. D’où :
n n
X 1X
IE X = xi P (X = xi ) = xi .
i=1
n i=1
Le calcul de l’espérance des lois binomiale et hypergéométrique est moins

immédiat et sera vu ultérieurement. Dans les trois exemples précédents, l’exis-
tence de IE X ne pose aucun problème puisque X(Ω) étant fini, le second
membre de (5.2) est la somme d’un nombre fini de termes.
Exemple 5.4 (Loi géométrique)

1
Si X suit la loi géométrique de paramètre p > 0, IE X = .
p
∗ k−1
On a ici X(Ω) = N , P (X = k) = q p où q = 1 − p ∈]0, 1[. La série à
termes positifs :
+∞
X X+∞
kP (X = k) = kq k−1 p
k=1 k=1
est clairement convergente, ce qui justifie l’existence de IE X. On a alors sous

5.1. Espérance
réserve de justification :
+∞ +∞
X
k−1
X d k
IE X = kq p = p (x ) (5.4)
k=1 k=1
dx x=q
" +∞ #
d X k
= p x (5.5)
dx k=1
x=q
1 1
= p 2
= . (5.6)
(1 − q) p
Justification : La série entière de terme général xk a pour rayon de conver-
gence 1. On sait (cf. cours d’analyse) que sa somme est alors dérivable terme
à terme en tout point de ] − 1, +1[. Ceci légitime le passage de (5.4) à (5.5).
On remarque alors que :
+∞ +∞
d X k d X k d 1 1
x = x = = ,
dx k=1 dx k=0 dx 1 − x (1 − x)2
ce qui justifie (5.6).
Exemple 5.5 (Loi de Poisson)

Si X suit la loi de Poisson de paramètre λ, IE X = λ.
En effet on a ici : X(Ω) = N, P (x = k) = e−λ λk /k!. La série de terme
général positif uk = kP (X = k) est convergente par application du critère
de d’Alembert car uk+1 /uk = λ/k est inférieur à 1 − ε pour k ≥ k0 . Donc
IE X existe. La somme de cette série se calcule ainsi :
+∞ +∞ +∞ l
X X e−λ λk −λ
X λ
IE X = kP (X = k) = = λe = λ.
k=0 k=1
(k − 1)! l=0
l!
Remarques :
1. Si X et Y ont même loi, il est clair que IE X = IE Y . La réciproque est
fausse. Voici un contre exemple. On choisit X suivant la loi uniforme
sur {−1, +1} et Y suivant la loi uniforme sur {−2, 0, +2}. Les lois PX
et PY sont différentes, mais IE X = IE Y :
1 1
IE X = −1 × +1× = 0,
2 2
1 1 1
IE Y = −2 × + 0 × + 2 × = 0.
3 3 3

2. Il y a des lois sans espérance. Par exemple celle définie sur N∗ par :
+∞
c X 1 6
P (X = k) = , avec c = 1 soit c = .
k2 k=1
k 2 π 2
Il est clair que pour cette loi, la série (5.1) diverge.
Proposition 5.2 (Linéarité de l’espérance)

Pour toutes variables aléatoires X et Y ayant une espérance et toute constante
a, les v.a. X + Y et aX ont une espérance et :
IE(X + Y ) = IE X + IE Y, (5.7)
IE(aX) = a IE X. (5.8)
Preuve : La vérification de (5.8) est directe. Pour prouver (5.7), on pose

Z = X + Y et on étudie dans un premier temps le cas particulier où X(Ω) et
Y (Ω) sont finis. Il en est alors de même pour Z(Ω), ce qui règle la question
de l’existence de IE Z. La loi de Z est donnée par :
X
∀zk ∈ Z(Ω), P (Z = zk ) = P (X = xi , Y = yj ), (5.9)
xi +yj =zk
la sommation étant étendue à tous les couples (xi , yj ) de X(Ω) × Y (Ω) vé-
rifiant la condition xi + yj = zk . Pour alléger les écritures, dans les formules
suivantes, nous abrégeons l’indexation par xi ∈ X(Ω) en indexation par i et

5.1. Espérance
de même pour Y , j et Z, k.
X
IE Z = zk P (Z = zk ) (5.10)
k
X X
= zk P (X = xi , Y = yj )
k xi +yj =zk
X X
= (xi + yj )P (X = xi , Y = yj ) (5.11)
k xi +yj =zk
X
= (xi + yj )P (X = xi , Y = yj ) (5.12)
i,j
XX XX
= xi P (X = xi , Y = yj ) + yj P (X = xi , Y = yj(5.13)
)
i j i j
" #
X X
= xi P (X = xi , Y = yj )
i j
" #
X X
+ yj P (X = xi , Y = yj ) (5.14)
j i
X X
= xi P (X = xi ) + yj P (Y = yj ) (5.15)
i j
= IE X + IE Y. (5.16)
Le passage de (5.11) à (5.12) se justifie en remarquant que les « droites »

d’équation x + y = zk réalisent une partition du « rectangle » X(Ω) × Y (Ω).
Dans le cas général, X(Ω) × Y (Ω) pouvant être infini, il faut justifier
l’existence de IE Z. Pour cela, on remplace dans les égalités (5.10) à (5.16)
zk par |zk | puis xi + yj par |xi + yj | (les probabilités restant inchangées). On
passe de (5.12) à (5.13) en utilisant l’inégalité triangulaire. Ceci nous donne
finalement :
X X X
|zk |P (Z = zk ) ≤ |xi |P (X = xi ) + |yj |P (Y = yj ) < +∞,
k i j
d’après l’hypothèse d’existence de IE X et IE Y . L’existence de IE Z étant

acquise, les égalités (5.10) à (5.16) sans valeurs absolues restent vraies par
les propriétés des séries doubles absolument convergentes (sommation par
paquets).
Voici deux applications de (5.7) à un calcul d’espérance.
Exemple 5.6 (Espérance d’une loi binomiale)
Si X suit la loi binomiale B(n, p), IE X = np.

On sait en effet que X a même loi que la somme

n
X
S= Xi ,
i=1
où les Xi sont des variables de Bernoulli indépendantes de paramètre p.

Comme l’espérance d’une v. a. ne dépend que de sa loi, IE X = IE S et par
linéarité de l’espérance :
n
! n
X X
IE X = IE Xi = IE Xi = np,
i=1 i=1
en utilisant l’exemple 5.2.
Exemple 5.7 (Espérance d’une loi hypergéométrique)

M
Si X suit la loi hypergéométrique H(N, M, n), IE X = n .
N
L’espérance d’une v. a. ne dépendant que de la loi, on ne perd pas de géné-
ralité en supposant que X est le nombre d’objets défectueux observé dans
un échantillon de taille n prélevé sans remise dans une population totale de
N objets dont M sont défectueux. En numérotant de 1 à M tous les objets
défectueux, on a alors
X = X1 + · · · + XM ,
où
1 si le i-ème objet défectueux est prélevé,
Xi =
0 sinon.
Chaque Xi est une variable de Bernoulli de paramètre pi = P (Xi = 1). Le
calcul de pi se ramène au dénombrement de tous les échantillons possibles
contenant le i-ème objet défectueux. Un tel échantillon est constitué en pre-
nant le i-ème défectueux et en complétant par n − 1 objets (défectueux ou
non) choisis dans le reste de la population. D’où :
1 × CNn−1
−1 n
pi = P (Xi = 1) = n
= .
CN N
Ainsi les Xi ont même loi et même espérance IE Xi = n/N . Par linéarité on
en déduit :
M
X n
IE X = IE Xi = M .
i=1
N
Remarquons que le résultat obtenu est le même que pour un prélèvement de
n objets avec remise : dans ce cas, le nombre Y d’objets défectueux dans
l’échantillon suit la loi binomiale B(n, M/N ) et IE Y = nM/N .

5.1. Espérance
Nous examinons maintenant le problème du calcul de l’espérance de f (X)

où X est une variable aléatoire discrète et f une fonction (déterministe)
définie au moins sur X(Ω). Commençons par un exemple élémentaire. On
suppose que X suit la loi uniforme sur {−2, −1, 0, 1, 2} et que f est la fonction
polynôme f (x) = x4 − x2 + 2. Posons Y = f (X) et déterminons l’ensemble
Y (Ω). On a f (−1) = f (0) = f (+1) = 2 et f (−2) = f (+2) = 14. Donc
Y (Ω) = {2, 14} et en utilisant la définition de l’espérance :
IE Y = 2P (Y = 2) + 14P (Y = 14).
Le premier terme de cette somme peut se réécrire :

2P (Y = 2) = 2 P (X = −1) + P (X = 0) + P (X = 1)
= f (−1)P (X = −1) + f (0)P (X = 0) + f (1)P (X = 1).
On obtient de même :
14P (Y = 14) = f (−2)P (X = −2) + f (2)P (X = 2).
En reportant ces résultats dans IE Y , on voit que :

+2
X X
IE f (X) = f (k)P (X = k) = f (x)P (X = x).
k=−2 x∈X(Ω)
L’intérêt de cette formule est qu’elle permet un calcul direct de IE f (X) à

partir de la loi de X, sans passer par la loi de Y .
Proposition 5.3 (Espérance d’une fonction d’une v.a.)
Soient X une v.a. discrète et f une fonction numérique dont l’ensemble de
définition contient X(Ω). Si IE f (X) existe,
X
IE f (X) = f (x)P (X = x). (5.17)
x∈X(Ω)
Preuve : Posons Y = f (X). L’ensemble X(Ω) = {x0 , x1 , . . .} est au plus

dénombrable. L’application f n’étant pas supposée injective, il peut y avoir
des répétitions dans la suite des f (xk ). L’ensemble Y (Ω) qui peut s’écrire
en effaçant toutes les répétitions de cette suite est lui même au plus dénom-
brable. Par hypothèse l’espérance de Y existe et est donc définie par la série
absolument convergente (ou somme finie si Y (Ω) est fini) :
X
IE f (X) = IE Y = yP (Y = y). (5.18)
y∈Y (Ω)

Pour chaque réel y de Y (Ω), notons By l’ensemble de ses antécédents :
By = {x ∈ X(Ω), f (x) = y}, y ∈ Y (Ω).
Ce sous-ensemble de X(Ω) contient au moins un élément et peut être fini

ou infini dénombrable. On peut alors décomposer l’événement {Y = y} en
réunion disjointe (d’une famille au plus dénombrable) :
[
{Y = y} = {X = x}.
x∈By
Le terme général de la série (5.18) peut donc s’écrire :

X
yP (Y = y) = y P (X = x) (5.19)
x∈By
X
= f (x)P (X = x) (5.20)
x∈By
La série (5.20) est absolument convergente car f étant constante sur By ,

tous ses termes sont de même signe et la série à termes positifs (5.19) est
convergente. Comme les By forment une partition de X(Ω), on a en utilisant
la propriété de sommation par paquets des séries à termes positifs :
X X X
|f (x)|P (X = x) = |f (x)|P (X = x)
x∈X(Ω) y∈Y (Ω) x∈By
X
= |y|P (Y = y) < +∞,
y∈Y (Ω)
d’après l’hypothèse d’existence de IE Y . Ceci légitime la même sommation

sans les valeurs absolues, laquelle prouve (5.17).
Remarque : En appliquant la proposition 5.3 avec f (x) = |x|, on obtient :
X
IE |X| = |xk |P (X = xk ).
xk ∈X(Ω)
Ceci est exactement la série (5.1) dont la convergence garantit l’existence de

IE X. On en déduit :
Proposition 5.4 (Espérance et valeur absolue)

Si IE X existe, | IE X| ≤ IE |X| < +∞.
Proposition 5.5 (Positivité de l’espérance)

5.1. Espérance
(i) Si X a une espérance et si X ≥ 0, alors IE X ≥ 0.

(ii) Si X et Y ont une espérance et si X ≤ Y , alors IE X ≤ IE Y .
Preuve : Les notations X ≥ 0 et X ≤ Y signifient respectivement : ∀ω ∈ Ω,

X(ω) ≥ 0 (resp X(ω) ≤ Y (ω)). Supposons d’abord que X est positive. Alors
tous les réels xk de X(Ω) sont positifs et si l’espérance de X existe, la série
de terme général xk P (X = xk ) est une série convergente à termes positifs.
Sa somme IE X est donc un réel positif, ce qui prouve (i). Pour prouver
(ii), on remarque que l’hypothèse X ≤ Y équivaut à la positivité de la v.a.
Z = Y − X. En appliquant (i) à Z on en déduit : IE(Y − X) ≥ 0, puis par
linéarité IE Y − IE X ≥ 0 d’où IE X ≤ IE Y .
Pour terminer cette section, nous donnons une condition suffisante d’exis-
tence de l’espérance. La démonstration pourra être passée en première lec-
ture.
Proposition 5.6 Si Z est une v.a. discrète ayant une espérance et si pour
tout ω ∈ Ω, |X(ω)| ≤ |Z(ω)|, alors X possède une espérance.
Preuve : Cet énoncé fait penser à la propriété suivante des séries : si pour
tout k ∈ N, |uk | ≤ |vk | et si vk est le terme général d’une série absolument
convergente, alors la série de terme général uk est aussi absolument conver-
gente. Malheureusement, la situation est ici plus compliquée pour la raison
suivante. Il peut y avoir plusieurs valeurs différentes 1 zl de Z(ω) lorsque ω
décrit l’événement fixé {X = xk }. Tout ce que l’on peut en dire est qu’elles
vérifient toutes |zl | ≥ |xk |. S’il n’y avait qu’une seule valeur zl = zk commune
à tous les Z(ω) pour ω ∈ {X = xk }, on serait ramené à l’énoncé sur les séries
en posant uk = xk P (X = xk ) et vk = zk P (Z = zk ).
Le point clé de la démonstration est la remarque suivante :
X
P (X = xk ) = P (X = xk , Z = zl )
zl ∈Z(Ω)
X
= P (X = xk , Z = zl ). (5.21)
zl ∈Z(Ω)
|zl |≥|xk |
En effet si ω ∈ {X = xk , Z = zl }, on a simultanément X(ω) = xk et

Z(ω) = zl et par hypothèse |X(ω)| ≤ |Z(ω)|. Il en résulte que pour tous les
zl vérifiant |zl | < |xk |, l’événement {X = xk , Z = zl } est impossible et par
conséquent P (X = xk , Z = zl ) = 0.
1. Voire même une infinité.

Par hypothèse, la série de terme général positif |zl |P (Z = zl ) a une somme

finie et nous voulons montrer qu’il en est de même pour la série de terme
général |xk |P (X = xk ). Le calcul qui suit est légitimé par les propriétés des
séries à termes positifs (dont les sommes ne sont pas nécessairement finies a
priori) :
X X X
|xk |P (X = xk ) = |xk | P (X = xk , Z = zl )
xk ∈X(Ω) xk ∈X(Ω) zl ∈Z(Ω)
|zl |≥|xk |
X X
= |xk |P (X = xk , Z = zl )
xk ∈X(Ω) zl ∈Z(Ω)
|zl |≥|xk |
X X
≤ |zl |P (X = xk , Z = zl )
|zl |≥|xk |
X X
≤ |zl |P (X = xk , Z = zl )
X X
= |zl | P (X = xk , Z = zl )
zl ∈Z(Ω) xk ∈X(Ω)
X
= |zl |P (Z = zl ) < +∞,
zl ∈Z(Ω)
d’après l’hypothèse d’existence de IE Z.
5.2 Moments d’ordre r

Définition 5.7 Soit r ∈ N∗ . On appelle moment d’ordre r de la v. a. X la
quantité X
IE(X r ) = xrk P (X = xk ), (5.22)
xk ∈X(Ω)
lorsqu’elle est définie, c’est-à-dire si :

X
IE(|X|r ) = |xk |r P (X = xk ) < +∞. (5.23)
xk ∈X(Ω)
Lorsqu’il existe, ce moment d’ordre r sera noté IE X r (ne pas confondre avec
(IE X)r ).
Lorsque X(Ω) est borné, (5.23) est vérifiée pour toute valeur de r (exercice)
et X possède des moments de tout ordre. Lorsque X(Ω) n’est pas borné, la
condition est d’autant plus contraignante que r est plus grand.

5.2. Moments d’ordre r
Proposition 5.8 Si X possède un moment d’ordre r, elle possède aussi des

moments de tout ordre n ≤ r.
Preuve : Par hypothèse (5.23) est vérifiée avec l’exposant r et il s’agit de
prouver la même inégalité avec n à la place de r. La série de terme général
positif |xk |n P (X = xk ) a une somme finie ou infinie et on ne change pas cette
somme en regroupant ses termes en deux paquets comme suit :
X X
IE(|X|n ) = |xk |n P (X = xk ) + |xk |n P (X = xk ).
xk : |xk |≤1 xk : |xk |>1
Dans la première somme, on majore |xk |n par 1. Dans la deuxième on le

majore par |xk |r puisque n ≤ r et si x > 1, xn ≤ xr .
X X
IE(|X|n ) ≤ P (X = xk ) + |xk |r P (X = xk )
xk : |xk |≤1 xk : |xk |>1
X
≤ P (|X| ≤ 1) + |xk |r P (X = xk )
xk ∈X(Ω)
r
= P (|X| ≤ 1) + IE(|X| ) < +∞.
Ainsi IE(|X|n ) est fini et X possède un moment d’ordre n.
Pour toute variable aléatoire X, P (|X| ≥ t) tend vers 0 quand t tend vers
+∞, c’est une conséquence du théorème 3.4. L’existence de moments nous
donne des renseignements sur la vitesse de cette convergence 2 . C’est le sens
du théorème suivant dû à Markov.
Théorème 5.9 (Inégalité de Markov)
Si X est une variable aléatoire positive ayant une espérance, on a :
IE X
∀t > 0, P (X ≥ t) ≤ . (5.24)
t
Corollaire 5.10 Si X est une variable aléatoire ayant un moment d’ordre
r:
IE |X|r
∀t > 0, P (|X| ≥ t) ≤ . (5.25)
tr
Preuve : Dans la série à termes positifs définissant IE X, on peut effectuer
un regroupement en deux paquets en classant les xk comparativement à t :
X
IE X = xk P (X = xk )
xk ∈X(Ω)
X X
= xk P (X = xk ) + xk P (X = xk ).
xk : xk ≥t xk : xk <t
2. Inversement, on peut construire une variable aléatoire n’ayant pas d’espérance pour
laquelle cette convergence est aussi lente que l’on veut.

Comme X est positive, tous les termes du deuxième paquet sont positifs ou
nuls, par conséquent on obtient une minoration de IE X en les effaçant :
X
IE X ≥ xk P (X = xk )
xk : xk ≥t
X
≥ tP (X = xk ) = tP (X ≥ t).
xk : xk ≥t
Ainsi IE X ≥ tP (X ≥ t), ce qui prouve (5.24). Pour le corollaire, X n’étant

plus supposée positive, on applique l’inégalité de Markov à la v.a. positive
Y = |X|r en notant que pour tout t > 0, {|X| ≥ t} = {|X|r ≥ tr } = {Y ≥
tr }.
5.3 Variance
Considérons un amphi de 100 étudiants venant de subir 3 un D.S. où la
moyenne de l’amphi a été 10. On choisit un étudiant au hasard et on désigne
par X sa note ; X(Ω) est l’ensemble des notes (toutes différentes) attribuées
à ce D.S.. Comme tous les choix d’étudiants sont équiprobables, pour tout
xk ∈ X(Ω),
Nombre d’étudiants ayant obtenu la note xk
P (X = xk ) = .
100
X
D’où : IE X = xk P (X = xk ) = 10.
xk ∈X(Ω)
Cette moyenne ne nous apporte pas une information très précise sur l’am-
phi. Elle peut être obtenue avec 100 étudiants ayant 10 aussi bien qu’avec
50 ayant 0 et 50 ayant 20 ou un grand nombre de situations intermédiaires
entre ces deux configurations extrêmes. Il est important pour compléter l’in-
formation apportée par la moyenne de disposer d’une quantité permettant de
mesurer la dispersion autour de cette moyenne. Le deuxième moment centré
de X, à savoir IE(X − IE X)2 joue ce rôle 4 .
Définition 5.11 Soit X une v.a. ayant un moment d’ordre 2. On appelle

respectivement variance de X et écart type de X les quantités :
Var X = IE(X − IE X)2 , σ(X) = (Var X)1/2 .

3. C’est généralement le terme adéquat. . .
4. On pourrait utiliser d’autres quantités comme IE |X − IE X|, mais leurs propriétés
sont moins intéressantes.

5.3. Variance
Remarquons que l’existence de IE X 2 entraı̂ne celle de IE X puis, en déve-

loppant (X − IE X)2 et en utilisant la linéarité, celle de Var X. Lorsque X
représente une grandeur physique, X, IE X et σ(X) ont la même unité, mais
pas Var X.
Proposition 5.12 (Translation et changement d’échelle)
Si X a un moment d’ordre 2,
∀a ∈ R, ∀b ∈ R, Var(aX + b) = a2 Var X.
Preuve : On a en utilisant la définition 5.11, la linéarité de l’espérance et le
fait que l’espérance de la constante b est b :
Var(aX + b) = IE[aX + b − IE(aX + b)]2 = IE[aX + b − a IE X − b]2
= IE[a(X − IE X)]2 = IE[a2 (X − IE X)2 ]
= a2 IE[(X − IE X)2 ] = a2 Var X.
En particulier si a = 0, ceci montre que la variance d’une constante est nulle.

La réciproque est presque vraie :
Proposition 5.13
Var X = 0 ⇔ X = IE X (p.s.) ⇔ X est presque sûrement constante.
Preuve : Notons µ = IE X. L’égalité presque sûre (p.s.) signifie ici : P (X =
µ) = 1, de même X constante presque sûrement signifie : il existe une
constante c telle que P (X = c) = 1. Rappelons que nous avons accepté
de conserver dans l’ensemble X(Ω) des valeurs prises par X, des réels xk tels
que P (X = xk ) = 0. Ainsi, « X constante presque sûrement »ne signifie pas
forcément X(Ω) = {c}.
Les implications de droite à gauche sont évidentes. Dans l’autre sens,
supposons que X a un moment d’ordre 2. On a alors :
X
Var X = IE(X − µ)2 = (xk − µ)2 P (X = xk ).
xk ∈X(Ω)
Cette somme ou série à termes positifs ne peut être nulle que si tous ses
termes sont nuls, donc :
∀xk ∈ X(Ω), (xk − µ) = 0 ou P (X = xk ) = 0.
Autrement dit, pour tous les xk 6= µ, P (X = xk ) = 0. On en déduit P (X 6=
µ) = 0 et P (X = µ) = 1. La variable aléatoire X est donc égale presque
sûrement à la constante µ = IE X.

Pour le calcul de la variance, il est souvent plus commode d’utiliser la

formule suivante que la définition 5.11.
Proposition 5.14 (Formule de Koenig)
Var X = IE X 2 − (IE X)2 .
Preuve : Rappelons que nous notons IE X 2 pour IE(X 2 ) et que le second
membre de la formule ci-dessus n’est donc généralement pas nul. On pose à
nouveau µ = IE X.
Var X = IE(X − µ)2 = IE[X 2 − 2µX + µ2 ]
= IE X 2 − 2µ IE X + IE µ2
= IE X 2 − 2µ2 + µ2 = IE X 2 − µ2 ,
en utilisant la linéarité de l’espérance et l’espérance d’une constante.
Voyons maintenant quelques calculs de variance de lois classiques.
Exemple 5.8 (Variance d’une loi de Bernoulli)
La variance d’une loi de Bernoulli de paramètre p est p(1 − p) = pq.
En effet si X suit la loi B(p), on a IE X = p et IE X 2 = 02 × q + 12 × p = p
(avec q = 1 − p). D’où :
Var X = IE X 2 − (IE X)2 = p − p2 = p(1 − p).
Exemple 5.9 (Variance de la loi uniforme sur {1, . . . , n})

n2 − 1
Si X suit la loi uniforme sur {1, . . . , n}, Var X = .
12
Dans ce cas, X(Ω) = {1, . . . , n} et pour tout entier k compris entre 1 et n,
P (x = k) = 1/n. On calcule alors IE X et IE X 2 :
n n
X 1X 1 n(n + 1) n+1
IE X = kP (X = k) = k= = .
k=1
n k=1 n 2 2
n n
2
X
2 1X 2
IE X = k P (X = k) = k
k=1
n k=1
1 n(n + 1)(2n + 1) (n + 1)(2n + 1)
= = .
n 6 6
En appliquant la formule de Koenig, on obtient :
(n + 1)(2n + 1) (n + 1)2 (n + 1)(n − 1)
Var X = − = .
6 4 12

5.3. Variance
Exemple 5.10 (Variance d’une loi binomiale)

Si X suit la loi B(n, p), Var X = np(1 − p) = npq.
On peut démontrer ce résultat par la formule de Koenig (exercice) ou le
déduire d’une formule générale sur la variance d’une somme de v.a. indépen-
dantes (cf. proposition 5.23). Nous en donnons une troisième preuve instruc-
tive en elle-même. On part du fait que X a même loi et donc même variance
que :
Xn
Sn = Xi ,
i=1
où les Xi sont des v.a. de Bernoulli indépendantes de même paramètre p.
Nous posons Yi = Xi − IE Xi = Xi − p. On a alors :
n
X n
X n
X n
X
Sn − IE Sn = Xi − IE Xi = (Xi − IE Xi ) = Yi .
i=1 i=1 i=1 i=1
D’où : n
X X
2
(Sn − IE Sn ) = Yi2 + Yi Yj .
i=1 1≤i,j≤n
i6=j
Par linéarité de l’espérance, on en déduit :

n
X X
2
Var Sn = IE(Sn − IE Sn ) = IE Yi2 + IE(Yi Yj ). (5.26)
i=1 1≤i,j≤n
i6=j
D’après l’exemple 5.8, on sait que IE Yi2 = Var Xi = pq. D’autre part,

IE(Yi Yj ) = IE (Xi − p)(Xj − p)
= IE(Xi Xj ) − p IE Xj − p IE Xi + p2
= IE(Xi Xj ) − p2 .
Il reste donc à calculer les IE(Xi Xj ) pour i 6= j. Comme les Xk ne peuvent
prendre que les valeurs 0 ou 1, il en est de même pour Zi,j = Xi Xj . C’est
donc une v.a. de Bernoulli de paramètre p0 donné par :
p0 = P (Xi Xj = 1) = P (Xi = 1, Xj = 1) = P (Xi = 1)P (Xj = 1) = p2 ,
en utilisant l’indépendance de Xi et Xj pour i 6= j. On en déduit IE(Xi Xj ) =
p0 = p2 et IE(Yi Yj ) = 0 pour i 6= j. En reportant ce résultat dans (5.26) il
vient : n
X
Var X = Var Sn = IE Yi2 = npq.
i=1

Exemple 5.11 (Variance d’une loi de Poisson)

Si X suit la loi de Poisson P(λ), Var X = λ.
Il est facile de vérifier (exercice) qu’une loi de Poisson possède des moments
de tout ordre donc a fortiori une variance. On sait déjà que IE X = λ, il nous
reste à calculer IE X 2 :
+∞ −λ k +∞
X e−λ λk
2e λ
X
2
IE X = k = k
k=0
k! k=1
(k − 1)!
+∞
−λ
X λk
= e (k − 1) + 1
k=1
(k − 1)!
+∞ +∞
2 −λ
X λk−2 −λ
X λk−1
= λe + λe
k=2
(k − 2)! k=1
(k − 1)!
= λ2 + λ.
D’où Var X = IE X 2 − (IE X)2 = (λ2 + λ) − λ2 = λ.
Exemple 5.12 (Variance d’une loi géométrique)

q
Si X suit la loi géométrique de paramètre p, Var X = 2
p
La vérification est laissée en exercice.
Une des raisons de l’importance de la variance est le théorème suivant.
Théorème 5.15 (Inégalité de Tchebycheff ) Si Var X existe,

Var X
∀t > 0, P (|X − IE X| ≥ t) ≤ . (5.27)
t2
Preuve : Il suffit d’appliquer le corollaire de l’inégalité de Markov (corollaire
5.10) avec r = 2 à la v.a. Y = X − IE X.
Remarque : Si on pose t = uσ(X) dans (5.27), on obtient une nouvelle
forme de l’inégalité de Tchebycheff :
1
∀u > 0, P |X − IE X| ≥ uσ(X) ≤ 2 . (5.28)
u
Sous cette forme, le majorant obtenu est indépendant de la loi de X. Ceci
permet de comprendre pourquoi σ(X) s’appelle écart type ou unité d’écart.
Pour toute loi de probabilité ayant un moment d’ordre 2, la probabilité d’ob-
server une déviation par rapport à l’espérance d’au moins u unités d’écart
est majorée par u−2 .

5.3. Variance
Exemple 5.13 On jette 3600 fois un dé. Minorer la probabilité que le nombre
d’apparitions du 1 soit compris strictement entre 480 et 720.
Notons S le nombre d’apparitions du 1. Cette variable aléatoire suit la loi
binomiale B(3600, 1/6). La valeur exacte de la probabilité qui nous intéresse
est :
719
X 1 k 5 3600−k
k
P (480 < S < 720) = C3600 .
k=481
6 6
Le calcul de la valeur exacte de cette somme nécessiterait l’écriture d’un
programme et une certaine puissance de calcul informatique. L’inégalité de
Tchebycheff est une alternative pratique à un calcul aussi déraisonnable. En
effet on a :
1 1 5
IE S = 3600 × = 600, Var S = 3600 × × = 500
6 6 6
et on remarque que 480 − 600 = −120, 720 − 600 = 120 d’où :
480 < S < 720 ⇔ −120 < S − 600 < +120 ⇔ |S − 600| < 120.
L’inégalité de Tchebycheff s’écrit ici :

500
∀t > 0, P (|S − 600| ≥ t) ≤ .
t2
En particulier pour t = 120 :
500 5
P (|S − 600| ≥ 120) ≤ = .
1202 144
D’où en passant à l’événement complémentaire :
5
P (480 < S < 720) = P (|S − 600| < 120) ≥ 1 − ≥ 0.965.
144
On peut aussi utiliser l’inégalité de Tchebycheff avec un intervalle non centré
sur l’espérance. Il suffit alors d’utiliser le plus grand intervalle centré qu’il
contient. Ainsi pour minorer P (550 < S < 700), il suffit de remarquer que
550 < S < 700 ⇐ 550 < S < 650,
d’où :
{550 < S < 700} ⊃ {550 < S < 650}
et d’appliquer l’inégalité de Tchebycheff avec t = 50. Bien sûr le résultat
obtenu sera moins bon.

On peut aussi utiliser l’inégalité de Tchebycheff avec un intervalle unilatéral

(i.e. du type [a, +∞[ ou ] − ∞, a]).
Exemple 5.14 Avec les notations de l’exemple précédent, proposer une va-
leur de u telle que P (S ≥ u) ≤ 0.05.
Comme la v.a. S est bornée par 3600, la réponse n’a d’intérêt que pour
u < 3600. Une première idée est d’essayer l’inégalité de Markov qui s’écrit
ici :
IE S 600
P (S ≥ u) ≤ = .
u u
Par cette inégalité, il suffirait de prendre u tel que 600/u ≤ 0.05. Malheureu-
sement, la plus petite solution de cette inéquation est u0 = 600/0.05 = 12000
et le résultat est sans intérêt. Pour utiliser l’inégalité de Tchebycheff, on com-
mence par remarquer que pour tout t positif, l’inégalité S − IE S ≥ t implique
|S − IE S| ≥ t, ce qui se traduit par l’inclusion d’événements :
{S − IE S ≥ t} ⊂ {|S − IE S| ≥ t}.
On en déduit :
500
P (S ≥ t + IE S) = P (S − IE S ≥ t) ≤ P (|S − IE S| ≥ t) ≤ .
t2
Il suffit alors de choisir la plus petite valeur de t telle que 500/t2 ≤ 0.05 soit
t1 = 100. La valeur correspondante pour u étant u1 = t1 + IE S = 700.
5.4 Covariance
Le but de cette section est le calcul de la variance d’une somme de va-
riables aléatoires. L’inégalité de Tchebycheff montre l’importance d’un tel
calcul en vue des théorèmes de convergence. Le calcul de la variance d’une
loi binomiale (exemple
5.10) illustre le rôle
clé joué par des quantités comme
IE(Xi Xj ) et IE (Xi − IE Xi )(Xj − IE Xj ) . Nous allons généraliser l’étude de
ces quantités.
Si X et Y sont des variables aléatoires discrètes, leur produit XY est aussi
une v.a. discrète. En utilisant l’inégalité |XY | ≤ X 2 + Y 2 et les propositions
5.6 et 5.2, on voit qu’une condition suffisante pour l’existence de IE(XY )
est que X et Y possèdent des moments d’ordre deux. Lorsqu’elle existe,
l’espérance de XY se calcule par la formule suivante (justification laissée en
exercice) : X
IE(XY ) = xi yj P (X = xi , Y = yj ). (5.29)
xi ∈X(Ω)
yj ∈Y (Ω)

5.4. Covariance
Remarquons que son calcul nécessite en général la connaissance de la loi du

couple (X, Y ), celle des lois marginales ne suffit pas.
Théorème 5.16 (Inégalité de Cauchy Schwarz)
Si X et Y ont des moments d’ordre 2 :
| IE(XY )| ≤ (IE X 2 )1/2 (IE Y 2 )1/2 . (5.30)
Preuve : L’existence de IE(XY ) est assurée par celle de IE X 2 et de IE Y 2 .
De même pour tout t ∈ R le trinôme
t2 IE Y 2 + 2t IE(XY ) + IE X 2 = IE(X + tY )2
est défini et positif. Ceci n’est possible que si son discriminant est négatif.
Ceci se traduit par :
2
∆0 = IE(XY ) − IE X 2 IE Y 2 ≤ 0,
ce qui fournit exactement l’inégalité cherchée.
L’inégalité de Cauchy Schwarz est une égalité si et seulement si ∆0 = 0,
ce qui équivaut à l’existence d’un zéro double t0 pour le trinôme, autrement
dit à l’existence d’un réel t0 tel que IE(X + t0 Y )2 = 0. Par la proposition
5.13, ceci équivaut à X + t0 Y = 0 (p.s.). Ainsi une CNS d’égalité dans (5.30)
est la colinéarité (presque sûre) de X et Y .
Contrairement à ce qui se passe pour la somme, l’espérance d’un produit
n’est en général pas le produit des espérances (exercice 5.21). C’est néanmoins
vrai dans le cas de l’indépendance.
Proposition 5.17 Si X et Y sont indépendantes et ont une espérance, alors
XY a une espérance et
IE(XY ) = IE X IE Y.
Preuve : Admettons provisoirement que XY possède une espérance. Alors
en utilisant (5.29), l’indépendance et le produit de deux séries absolument
convergentes on obtient :
X
IE(XY ) = xi yj P (X = xi , Y = yj )
xi ∈X(Ω)
yj ∈Y (Ω)
X
= xi yj P (X = xi )P (Y = yj )
xi ∈X(Ω)
yj ∈Y (Ω)
X X
= xi P (X = xi ) yj P (Y = yj )
xi ∈X(Ω) yj ∈Y (Ω)
= IE X IE Y.

Pour compléter la preuve, il reste à montrer que les hypothèses IE |X| <
+∞ et IE |Y | < +∞ entraı̂nent IE |XY | < +∞. En remplaçant les x et
les y par leurs valeurs absolues dans les séries ci-dessus et en utilisant les
propriétés des séries à termes positifs (à somme éventuellement infinie), on
obtient IE |XY | = IE |X| IE |Y | d’où IE |XY | < +∞.
Remarque : La réciproque est fausse. Il peut arriver que IE(XY ) = IE X IE Y
sans que X et Y soient indépendantes. Prenons par exemple X suivant la loi
uniforme sur {−1, 0, 1} et Y = 1{X=0} . D’une part IE X = 0 et d’autre part
XY est identiquement nulle donc IE(XY ) = 0 = IE X IE Y . Clairement X et
Y ne sont pas indépendantes.
Regardons maintenant comment calculer Var(X + Y ) lorsque X et Y ont
des moments d’ordre 2 (ce qui entraı̂ne l’existence de cette variance. . .). En
utilisant la définition de la variance et la linéarité de l’espérance on obtient :
2
Var(X + Y ) = IE X + Y − IE(X + Y )
2
= IE (X − IE X) + (Y − IE Y )
= IE (X − IE X)2 + (Y − IE Y )2

+ 2(X − IE X)(Y − IE Y )

= Var X + Var Y + 2 IE (X − IE X)(Y − IE Y ) .
Ainsi on voit qu’en général Var(X + Y ) 6= Var X + Var Y et qu’il y a un

terme correctif. Nous le noterons 2 Cov(X, Y ).
Définition 5.18 Si les v.a. X et Y ont des moments d’ordre 2, on appelle
covariance du couple aléatoire (X, Y ) la quantité :

Cov(X, Y ) = IE (X − IE X)(Y − IE Y ) .
Remarquons que Cov(X, X) = Var X.

Proposition 5.19 (Propriétés de la covariance)
Pour tout couple (X, Y ) de v.a. ayant des moments d’ordre 2 :
(i) Cov(X, Y ) = Cov(Y, X).
(ii) Pour tous réels a, b, c, d : Cov(aX + b, cY + d) = ac Cov(X, Y ).
(iii) | Cov(X, Y )| ≤ σ(X)σ(Y ).
(iv) Si X et Y sont indépendantes alors Cov(X, Y ) = 0 (réciproque
fausse).
Preuve : La propriété de symétrie (i) découle immédiatement de la défini-
tion. Pour (ii) il suffit de remarquer que IE(aX + b) = a IE X + b et d’utiliser
la définition. La propriété (iii) est simplement l’inégalité de Cauchy-Schwarz

5.4. Covariance
appliquée aux variables X 0 = X − IE X et Y 0 = Y − IE Y . Pour vérifier (iv),

posons m = IE X et m0 = IE Y et définissons les fonctions affinesf (x) = x−m
et g(y) = y − m0 . Il est clair que Cov(X, Y ) = IE f (X)g(Y ) . Comme les
variables X et Y sont indépendantes, il en est de même pour les v.a. f (X)
et
g(Y ). Par la proposition 5.17 on a donc Cov(X, Y ) = IE f (X) IE g(Y ) . Or
IE f (X) = IE(X − m) = IE X − m = 0 d’où Cov(X, Y ) = 0. Pour voir que
la réciproque est fausse, on peut utiliser le même contre exemple que pour la
réciproque de la proposition 5.17.
Définition 5.20 (Coefficient de corrélation)

Si X et Y sont des v.a. non constantes ayant des moments d’ordre 2, on
appelle coefficient de corrélation entre X et Y la quantité :
Cov(X, Y )
ρ(X, Y ) = .
σ(X)σ(Y )
D’après (iii) on a toujours −1 ≤ ρ(X, Y ) ≤ 1. D’autre part il résulte facile-

ment du cas d’égalité dans l’inégalité de Cauchy-Schwarz que |ρ| est maximal
lorsque Y est une fonction affine de X : Y = aX + b. Quand ρ = 0 (ce qui
arrive en particulier lorsque X et Y sont indépendantes), on dit que X et Y
sont non corrélées.
Proposition 5.21 (Formule de Koenig)

Si la covariance de X et Y existe, elle peut se calculer par :
Cov(X, Y ) = IE(XY ) − IE X IE Y.
Preuve : La vérification est analogue à celle de la formule de Koenig pour

la variance (qui n’est que le cas particulier Y = X) et est laissée en exercice.
Proposition 5.22 (Variance d’une somme, cas général)

Si les v.a. X1 , . . . , Xn ont des moments d’ordre 2 :
n
X n
X
Var Xi = Cov(Xi , Xj ) (5.31)
i=1 i,j=1
X n n
X
= Var Xi + Cov(Xi , Xj ) (5.32)
i=1 i,j=1
i6=j

Preuve : Nous avons déjà rencontré le cas n = 2 pour lequel (5.32) s’écrit :
Var(X + Y ) = Var X + Var Y + 2 Cov(X, Y ). (5.33)
Pour n quelconque, l’identité algébrique :

X n 2 X n
Yi = Yi Yj .
i=1 i,j=1
utilisée avec Yi = Xi − IE Xi et la linéarité de l’espérance nous donnent :

Xn X n X n 2
Var Xi = IE Xi − IE Xi
i=1 i=1 i=1
n
X n
X 2
= IE Xi − IE Xi
i=1 i=1
n
X 2
= IE Yi
i=1
n
X n
X
= IE(Yi Yj ) = Cov(Xi , Xj ).
i,j=1 i,j=1
Proposition 5.23 (Variance d’une somme et indépendance)

Si X1 , . . . , Xn sont indépendantes et ont des moments d’ordre 2 :
X n X n
Var Xi = Var Xi (5.34)
i=1 i=1
En particulier, si les Xi sont indépendantes, de même loi ayant un moment

d’ordre 2 : X n
Var Xi = n Var X1 . (5.35)
i=1
Preuve : Il suffit d’appliquer (5.32) en remarquant que l’indépendance im-

plique la nullité des Cov(Xi , Xj ) pour i 6= j. Si de plus les Xi ont même loi,
elles ont même variance : Var Xi = Var X1 , ce qui donne (5.35). Remarquons
qu’en fait nous avons seulement utilisé l’indépendance deux à deux et pas
l’indépendance mutuelle. La proposition est donc vraie sous cette hypothèse
plus générale 5 .
5. Et même dans le cas encore plus général de v.a. Xi deux à deux non corrélées. . .

5.5. Exercices
5.5 Exercices
Ex 5.1. Soit X une variable aléatoire discrète à valeurs dans N et d’espé-
rance finie.
1) Vérifier que
P (X > 0) ≤ IE X.
Donner un contre-exemple lorsque X n’est pas à valeurs entières.
2) On suppose que X a un moment d’ordre 2. Montrer que
1
P (X ≥ 2) ≤ IE X(X − 1).
2
Proposer et montrer une inégalité du même type s’il y a un moment d’ordre
k.
Ex 5.2. Soit X une variable aléatoire discrète à valeurs dans N∗ . Pour

tout k ∈ N∗ , on note pk = P (X = k). On suppose que X a une espérance
mathématique IE X finie et que la suite (pk )k≥1 est décroissante sur N∗ .
1) Démontrer l’inégalité :
2 IE X
∀k ∈ N∗ , P (X = k) < . (5.36)
k2
Indication : Considérer la somme partielle de rang k de la série définissant
IE X.
2) L’inégalité (5.36) reste-t-elle vraie sans l’hypothèse de décroissance
de (pk )k≥1 ?
3) Est-il possible qu’il existe une constante c > 0 et un entier k0 tels
que :
c IE X
∀k ≥ k0 , P (X = k) ≥ ? (5.37)
k2
Ex 5.3. On suppose que le couple de variables aléatoires discrètes (X, Y )
a une loi donnée par :
α
∀(i, j) ∈ N2 , P (X = i, Y = j) = ,
(1 + i + j)!
où α est une constante strictement positive qui sera précisée ultérieurement.
1) Expliquer sans calcul pourquoi les marginales X et Y ont même loi.
2) On pose S = X + Y . Montrer que :
α
∀k ∈ N, P (S = k) = .
k!
3) En déduire la valeur de α et reconnaı̂tre la loi de S.

4) Calculer P (X = 0). Les variables aléatoires X et Y sont-elles indé-

pendantes ?
5) Donner sans calcul l’espérance de S et en déduire la valeur de IE X.
La même méthode peut-elle servir pour obtenir Var X ?
6) Calculer P (X = Y ) et en déduire sans calcul P (X > Y ).
Ex 5.4. Une urne contient 2N jetons numérotés de 1 à N , chaque numéro

étant présent deux fois. On tire m jetons sans remise. Soit S la variable
aléatoire égale au nombre de paires restant dans l’urne. Calculer l’espérance
de S. Ce modèle fut utilisé par Bernoulli au 18ème siècle pour étudier le
nombre de couples survivants dans une population de N couples après m
décès.
Indications : Pour 1 ≤ i ≤ N , on considèrera la variable aléatoire Xi définie
par :
1 si la i-ème paire reste dans l’urne,
Xi =
0 sinon.
Calculer P (Xi = 1) et IE Xi . En déduire la valeur de IE S.
Ex 5.5. Dans une urne contenant au départ une boule verte et une rouge on
effectue une suite de tirages d’une boule selon la procédure suivante. Chaque
fois que l’on tire une boule verte, on la remet dans l’urne en y rajoutant une
boule rouge. Si l’on tire une boule rouge, on arrête les tirages. On désigne par
X le nombre de tirages effectués par cette procédure. On notera Vi (resp. Ri )
l’événement obtention d’une boule verte au i-ème tirage (resp. rouge).
1) Pour k ∈ N∗ , donner une expression de l’événement {X = k} à l’aide
des événements Vi (1 ≤ i ≤ k − 1) et Rk .
2) Que vaut P (Vn | V1 ∩ . . . ∩ Vn−1 ) pour n ≥ 2 ?
3) Déterminer la loi de X.
4) Calculer IE X.
5) Calculer l’espérance de la variable aléatoire X1 .
6) On recommence l’expérience en changeant la procédure : à chaque
tirage d’une boule verte on la remet dans l’urne en y rajoutant une boule
verte. Comme précédemment, on interrompt les tirages à la première appa-
rition d’une boule rouge. Soit Y le nombre de tirages effectués suivant cette
nouvelle procédure. Trouver la loi de Y . Que peut-on dire de l’espérance de
Y ? Interpréter.
Ex 5.6. La formule de Poincaré

En utilisant la relation IE(1A ) = P (A), démontrer la formule de Poincaré :

5.5. Exercices
Pour toute famille A1 , . . . , An d’événements :

n
n X X
P ∪ Ai = P (Ai ) − P (Ai1 ∩ Ai2 ) + · · ·
i=1
i=1 1≤i1 <i2 ≤n
X
k+1
· · · + (−1) P (Ai1 ∩ · · · ∩ Aik ) + · · ·
1≤i1 <i2 <...<ik ≤n
· · · + (−1)n+1 P (A1 ∩ · · · ∩ An ).
Indication : Écrire l’indicatrice de l’intersection des Aci comme un produit

d’indicatrices. . .
Ex 5.7. Un polycopié de 140 pages contient avant la première lecture un

nombre n ≥ 100 d’erreurs typographiques réparties au hasard (on suppose
que n est inférieur au nombre total de caractères que peut contenir une page).
1) Quelle est la loi exacte de la variable aléatoire Y0 égale au nombre
d’erreurs de la page 13 avant la première lecture ? Par quelle loi peut-on
l’approximer ? On supposera dans les deux questions suivantes que Y0 suit
cette loi approchée.
2) On effectue des lectures successives de cette page. A chaque lecture
les erreurs subsistantes peuvent être détectées (et donc corrigées) indépen-
damment les unes des autres, chacune avec une probabilité 1/3. On posera
λ = n/140. On note Yi le nombre d’erreurs restant sur la page 13 après la
i-ème lecture. Calculer pour j et k entiers les probabilités conditionnelles
P (Y1 = j | Y0 = k) (distinguer selon que j ≤ k ou j > k).
3) En déduire la loi de Y1 , puis celle de Yi .
4) En fait le nombre total d’erreurs dans le polycopié étant inconnu,
on le modélise par une variable aléatoire N . Comme N est au plus égale
au nombre maximum de caractères que peuvent contenir les 140 pages du
polycopié, N est bornée et son espérance existe. On la note µ. Il sera commode
d’écrire toutes les formules comme si l’ensemble des valeurs possibles de N
était N (Ω) = N (cela revient à écrire des séries dans lesquelles P (N = n) = 0
pour n assez grand. . .). On définit la variable aléatoire Zi (i ≥ 1) nombre
total d’erreurs subsistant dans l’ensemble du polycopié après la i-ème lecture
(l’indépendance des détections et leurs probabilités sont les mêmes que ci-
dessus). Comme la loi de N est inconnue, nous ne pouvons plus calculer les
lois des Zi . Calculer P (Z1 = k | N = n). Montrer que IE Z1 = 2µ/3.
5) Exprimer IE Zi en fonction de µ.
Ex 5.8.

1) Soit Z une variable aléatoire de loi uniforme sur l’ensemble {1, 2, . . . , n}.
Calculer explicitement IE Z en fonction de n.
2) On considère l’expérience aléatoire suivante. On dispose au départ
d’une urne vide et d’autant de boules numérotées que l’on veut. Par un
procédé quelconque, on génère une variable aléatoire X à valeurs dans N∗
(on suppose pour simplifier que P (X = n) > 0 pour tout n ∈ N∗ ). Soit n
la valeur effectivement obtenue par ce procédé. On rajoute alors dans l’urne
n boules numérotées de 1 à n. On effectue enfin un tirage d’une boule dans
cette urne. Soit Y son numéro. On a ainsi :
1
si 1 ≤ k ≤ n,
P (Y = k | X = n) = n
0 sinon.
+∞
X
Calculer kP (Y = k | X = n).
k=1
1 1
3) On suppose que X a une espérance. Montrer que IE Y = IE X + .
2 2
Indication : Comme on ne connaı̂t pas la loi de Y , il est commode de démarrer
le calcul de la manière suivante :
+∞
X +∞ X
X +∞
IE Y = kP (Y = k) = k P (Y = k | X = n)P (X = n).
k=1 k=1 n=1
4) Pour générer la variable aléatoire X, on effectue des lancers répétés

d’un même dé et on appelle X le nombre de lancers avant la deuxième ob-
tention d’un « six ». Par exemple si la deuxième apparition du « six » a lieu
lors du 10ème lancer, on prend X = 9. Déterminer la loi de X puis celle de
Y.
Ex 5.9. Soit X une variable aléatoire à valeurs dans N et ayant une espé-
rance.
1) Montrer que
lim nP (X ≥ n) = 0.
n→∞
Indication : On pourra utiliser, après l’avoir justifiée, l’inégalité :
+∞
X
nP (X ≥ n) ≤ kP (X = k).
k=n
n
X
2) Exprimer P (X ≥ k) à l’aide des P (X = k) (1 ≤ k ≤ n − 1) et de
k=1
P (X ≥ n).

5.5. Exercices
+∞
X
IE X = P (X ≥ k).
k=1
4) La valeur de X est fournie par un générateur de nombres aléatoires.

Une fois connue effectivement cette valeur, disons n, on met dans une urne
n + 1 boules numérotées de 0 à n. On tire enfin une boule de cette urne
et on note Y son numéro. Discuter en fonction de k et n des valeurs de la
probabilité conditionnelle :
P (Y = k | X = n).
5) Le générateur est réglé de façon que X suive la loi de Poisson de

paramètre λ. Trouver une relation simple entre P (Y = k) et P (X > k).
6) Expliquer comment la question 3) vous permet de contrôler ce résul-
tat.
Ex 5.10. Généraliser la proposition 5.5 en remplaçant dans (i) X ≥ 0 par

P (X ≥ 0) = 1 et dans (ii), X ≤ Y par P (X ≤ Y ) = 1.
Ex 5.11. Un problème d’assurances.

Une compagnie d’assurance étudie le coût annuel des sinistres « incendie
de maison individuelle » pour ses clients d’un département donné. Le modèle
mathématique utilisé est le suivant. On note Xi le coût (arrondi en nombre
entier de francs) du ième sinistre de l’année prochaine. On suppose que les Xi
sont des variables aléatoires indépendantes de même loi d’espérance connue
IE Xi = µ. Le nombre de sinistres de l’année prochaine est une variable
aléatoire N suivant la loi de Poisson de paramètre λ. On note S0 = 0 et pour
tout entier n ≥ 1 :
Xn
Sn = Xi .
i=1
Le coût annuel des sinistres est la variable aléatoire T définie par


N
 X

Xi , si N ≥ 1;
T =
 i=1

0, si N = 0.
On admettra que pour tout n, les variables aléatoires Sn et N sont indé-

pendantes, ce qui implique que pour tous entiers i, j, les évènements {Sn = i}
et {N = j} sont indépendants. Le but de l’exercice est d’exprimer IE T en

fonction de λ et µ. On remarquera que l’on ne peut pas utiliser directement la

linéarité de l’espérance dans la somme définissant T car le nombre de termes
N est aléatoire.
1) Que valent IE N et IE Sn ?
2) Montrer que pour tous entiers k, n,
P (T = k | N = n) = P (Sn = k).
3) Prouver que IE T = λµ. Indication : On pourra partir de la formule

+∞
X
IE T = kP (T = k)
k=0
et exprimer les P (T = k) en conditionnant par rapport aux valeurs possibles

de N .
Ex 5.12. L’avancement de certains jeux se fait selon la règle suivante : le

joueur lance deux dés et avance son pion d’un nombre de cases donné par la
somme des points obtenus. S’il a obtenu un double, il peut rejouer et avancer
encore et ainsi de suite tant qu’il obtient des doubles. Après le premier lancer
sans double, il passe la main au joueur suivant. On s’intéresse à la somme
S des points obtenus par cette procédure par un joueur lors d’un tour. Pour
i ≥ 1, on note Di l’événement le i-ème lancer a lieu et donne un double (on a
donc Di ⊂ Di−1 ). On note Xi la variable aléatoire égale à 0 si le i-ème lancer
n’a pas lieu et à la somme des points du i-ème lancer sinon.
1) Donner brièvement la loi de X1 et son espérance.
2) Calculer P (D1 ), P (Di | Di−1 ) et trouver une relation de récurrence
entre P (Di ) et P (Di−1 ). En déduire l’expression explicite de P (Di ) en fonc-
tion de i.
3) Pour i ≥ 2, donner les valeurs des probabilités conditionnelles
c
P (Xi = k | Di−1 ) et P (Xi = k | Di−1 ),
en distinguant les cas k = 0 et k ∈ {2, . . . , 12}.

4) En déduire une relation simple entre P (Xi = k) et P (X1 = k) pour
k ∈ {2, . . . , 12} puis entre IE Xi et IE X1 . Quelle est la loi de Xi ?
Xn
5) On pose Sn = Xi . Montrer que IE Sn converge en croissant vers
i=1
8, 4 lorsque n tend vers +∞.

5.5. Exercices
6) On note N le nombre aléatoire de lancers effectués selon la procédure

ci-dessus. Calculer P (N ≥ n) et en déduire que P (N = +∞) = 0. On admet
alors que l’on peut remplacer Ω par Ω0 = {ω ∈ Ω; N (ω) < +∞}. C’est ce
que nous ferons désormais. On peut alors considérer N comme une variable
aléatoire à valeurs dans N∗ . Quelle est sa loi ?
7) On définit la variable aléatoire S sur Ω0 par :
+∞
X
S(ω) = Xi (ω).
i=1
Notons que puisque ω est dans Ω0 , tous les termes de la série sont nuls à partir
du rang (aléatoire) N (ω) + 1, il n’y a donc pas de problème de convergence.
S est le nombre total de points obtenus, sauf dans le cas où il y a une infinité
de lancers. Comme celui-ci a une probabilité nulle, le fait de le laisser tomber
n’affecte pas la loi du nombre total de points obtenus qui est donc celle de S.
Après avoir justifié l’inclusion :
{S = k} ⊂ {12N ≥ k},
valable pour tout k ∈ N, montrer que :
P (S = k) ≤ 36q k où q = 6−1/12 .
En déduire l’existence de IE S.
8) On définit sur Ω0 la variable aléatoire Rn = S − Sn−1 . Montrer qu’elle
vérifie :
Rn ≤ S1{S≥2n} .
En déduire que pour tout n ∈ N∗ :
0 ≤ IE S − IE Sn−1 ≤ IE(S1{S≥2n} ).
9) Exprimer IE(S1{S≥2n} ) à l’aide des P (S = k) et montrer qu’elle tend

vers zéro quand n tend vers l’infini.
10) Conclure.
Ex 5.13. Montrer qu’une variable aléatoire bornée (i.e. X(Ω) est une partie
bornée 6 de R) a des moments de tout ordre.
Ex 5.14. Montrer qu’une loi de Poisson possède des moments de tout ordre.
Si X suit la loi P(λ), calculer IE(X − λ)3 et IE(X − λ)4 .
6. Pas forcément finie !

Ex 5.15. Soit X une variable aléatoire. On suppose qu’il existe une constante
a > 0 telle que IE exp(aX) < +∞. Que peut-on dire de la vitesse de conver-
gence vers 0 de P (X > t) quand t tend vers +∞ ? Donner un exemple de
v.a. non bornée vérifiant cette condition pour tout a.
Ex 5.16. En s’inspirant des exemples 5.7 et 5.10, calculer la variance d’une

loi hypergéométrique.
Ex 5.17. ↑ 3.7, ↑ 4.6

Calculer l’espérance et la variance d’une loi binomiale négative de paramètres
n et p.
Ex 5.18. Reprendre l’exemple 5.14 en calculant IE S 2 et en utilisant l’inéga-

lité de Markov à l’ordre 2. Comparer avec le résultat fourni par l’inégalité de
Tchebycheff.
Ex 5.19. Un hebdomadaire lance une campagne d’abonnement en envoyant

par la poste n lettres proposant trois types d’abonnement : 1 an pour 200F, 2
ans pour 360 F et 3 ans pour 500 F. Les campagnes précédentes permettent
de savoir que les probabilités pi qu’une personne ainsi sollicitée s’abonne pour
i années sont : p1 = 0.09, p2 = 0.04 et p3 = 0.02. On admet que les différentes
personnes sollicitées ont des comportements mutuellement indépendants.
1) Quelle est la probabilité qu’une personne sollicitée ne réponde pas ?
Quelle est la loi du nombre Sn de lettres sans réponse ? Donner IE Sn et
Var Sn .
2) L’éditeur se demande quel nombre minimal de lettres il doit envoyer
pour qu’avec une probabilité d’au moins 0.95, le pourcentage de lettres sans
réponses reste au dessous de 90%. En utilisant l’inégalité de Tchebycheff
proposez lui une solution.
3) Pour i = 1, 2, 3, donner la loi de Yi nombre d’abonnements pour i
années reçus à la fin de la campagne. Les variables aléatoires Y1 et Y2 sont-
elles indépendantes ?
4) Soit Rn la rentrée financière procurée par les abonnements. Que vaut
IE Rn ?
Ex 5.20. On se propose de démontrer l’inégalité de Cantelli : si X est une

v.a. ayant une espérance m et une variance σ 2 , on a :
σ2
∀t > 0 P (X − m ≥ t) ≤ .
σ 2 + t2
1) Vérifier que l’on peut se ramener au cas m = 0.

5.5. Exercices
2) Montrer que pour tout u ≥ 0 :
σ 2 + u2
P (X ≥ t) ≤ P (X + u)2 ≥ (t + u)2 ≤ .
(t + u)2
3) Conclure en choisissant u de de façon à minimiser le majorant ainsi

obtenu.
Ex 5.21.
1) Donner un exemple très simple de couple (X, Y ) de v.a. non indé-
pendantes pour lequel on a IE(XY ) 6= IE X IE Y .
2) Donner un exemple de couple (X, Y ) de v.a. tel que le produit XY
ait une espérance sans que X ni Y n’aient de moment d’ordre 2.
Ex 5.22. Covariances d’une loi multinomiale 7 ↑ 4.11

On considère une suite de n épreuves répétées indépendantes, chaque épreuve
ayant k résultats possibles r1 , . . . , rk . On note pi la probabilité de réalisation
du résultat ri lors d’une épreuve donnée. Par exemple si on lance n fois un
dé, k = 6 et pi = 1/6 pour 1 ≤ i ≤ 6. Si on lance n fois une paire de dés et
que l’on s’intéresse à la somme des points, k = 11 et les pi sont donnés par
le tableau des P (S = i + 1) page 52 : p1 = 1/36, p2 = 2/36,. . .
Pour 1 ≤ i ≤ k, notons Xi le nombre de réalisations du résultat ri au
cours des n épreuves.
1) Expliquer sans calcul pourquoi Var(X1 + · · · + Xk ) = 0.
2) Quelle est la loi de Xi ? Que vaut sa variance ?
3) Pour i 6= j, donner la loi et la variance de Xi + Xj .
4) En déduire Cov(Xi , Xj ).
5) Contrôler ce résultat en développant Var(X1 +· · ·+Xk ) et en utilisant
la première question.
Ex 5.23. Une preuve probabiliste d’un théorème d’analyse ↓ 6.10

Le but de cet exercice est de présenter une démonstration probabiliste d’un
célèbre théorème d’analyse (Bernstein-Weierstrass-Stone) : toute fonction
continue sur [0, 1] est limite uniforme sur cet intervalle d’une suite de po-
lynômes. La méthode utilisée ici est due à Bernstein et donne une construc-
tion explicite de la suite de polynômes. Les trois dernières questions sont
7. Il n’est pas nécessaire de connaı̂tre la loi multinomiale (exercice 4.11) pour pouvoir
faire cet exercice.

consacrées à la vitesse de convergence. On note C[0, 1] l’espace des fonctions

continues sur [0, 1] muni de la norme :
kf k∞ = sup |f (x)|.
x∈[0,1]
La convergence suivant cette norme n’est autre que la convergence uniforme.

Si f ∈ C[0, 1], on définit son polynôme de Bernstein d’ordre n par :
n
X k
Bn f (x) = Cnk f xk (1 − x)n−k , n ≥ 1.
k=0
n
1) Justifier la relation :
n
X
f (x) = Cnk f (x)xk (1 − x)n−k .
k=0
2) Pour x ∈ [0, 1] fixé, considérons la variable aléatoire Sn de loi bino-

miale B(n, x). Vérifier que :
S
n
IE f = Bn f (x).
n
3) Justifier les inégalités :
X
|f (x) − Bn f (x)| ≤ εCnk xk (1 − x)n−k
k:|f (x)−f (k/n)|<ε
X
+ 2kf k∞ Cnk xk (1 − x)n−k
k:|f (x)−f (k/n)|≥ε
S
n
≤ ε + 2kf k∞ P f (x) − f ≥ ε . (5.38)

n

4) La fonction f est uniformément continue sur [0, 1] (pourquoi ?). On

a donc :
∀ε > 0, ∃δ > 0, tel que |x − y| < δ ⇒ |f (x) − f (y)| < ε,
δ ne dépendant que de f et ε, mais pas de x. En déduire que

S
n
P f (x) − f ≥ ε ≤ P (|Sn − nx| ≥ nδ),

n
puis en appliquant l’inégalité de Tchebycheff :
S x(1 − x) 1
n
P f (x) − f ≥ε ≤ ≤ .

n nδ 2 4nδ 2
5.5. Exercices
5) En reportant cette majoration dans (5.38), on obtient finalement :
kf k∞
∀n ≥ 1, ∀x ∈ [0, 1], |f (x) − Bn f (x)| ≤ ε + (5.39)
2δ 2 n
Conclure.
6) On s’intéresse maintenant à la vitesse de convergence. Supposons
d’abord que f est lipschitzienne : il existe une constante a telle que
∀x, y ∈ [0, 1], |f (x) − f (y)| ≤ a|x − y|.
On peut alors prendre δ = ε/a dans l’écriture de la continuité uniforme de

f . En choisissant convenablement ε en fonction de n dans (5.39), en déduire
que kf − Bn f k∞ = O(n−1/3 ).
7) Plus généralement, on suppose f hölderienne d’exposant α : il existe
des constantes 0 < α ≤ 1 et a > 0 telles que :
∀x, y ∈ [0, 1], |f (x) − f (y)| ≤ a|x − y|α .

Montrer qu’alors kf − Bn f k∞ = O n−α/(2+α) .


Chapitre 6
Loi des grands nombres
Les inégalités de moment (Markov, Tchebycheff) ont d’importantes ap-

plications à la convergence de la moyenne arithmétique :
n
1X
Mn = Xi
n i=1
des n premiers termes d’une suite de v.a. indépendantes et de même loi. Ce

type de résultat est connu sous le nom de loi des grands nombres. Nous en
donnons un premier aperçu 1 .
6.1 Deux modes de convergence

Pour commencer, il convient de préciser ce que l’on entend par conver-
gence d’une suite de variables aléatoires (Xn ) vers une v.a. X. Comme les Xn
sont des applications de Ω dans R, le premier mode de convergence auquel
on pense est la convergence pour tout ω ∈ Ω de la suite de réels Xn (ω) vers le
réel X(ω). Ceci correspond à la convergence simple d’une suite d’applications
en analyse. Malheureusement pour le type de résultat que nous avons en vue,
ce mode de convergence est trop restrictif. Pour la loi des grands nombres,
même dans le cas le plus favorable 2 , on ne peut empêcher que la suite étudiée
diverge pour une infinité de ω. Ce qui sauve la situation est que l’ensemble
1. Seuls sont au programme du DEUG dans ce chapitre, la convergence en probabilité
et la loi faible des grands nombres avec ses applications. La convergence presque sûre et
la loi forte des grands nombres sont destinés aux lecteurs plus curieux ou plus avancés. Ils
pourront être considérés comme une introduction au cours de Licence. Néanmoins ils ont
été rédigés en n’utilisant que des outils mathématiques du DEUG.
2. Voir la discussion à propos de la loi forte des grands nombres pour les fréquences
section 6.5.
131
Chapitre 6. Loi des grands nombres
de ces ω a une probabilité nulle. Ceci nous amène à définir la convergence

presque sûre :
Définition 6.1 (Convergence presque sûre)
Soit (Xn )n≥1 une suite de variables aléatoires et X une v.a. définies sur le
même espace probabilisé (Ω, F, P ). On dit que Xn converge presque sûrement
vers X si l’ensemble des ω tels que Xn (ω) converge vers X(ω) a pour proba-
bilité 1.
p.s.
Notation : Xn −−−→ X.
n→+∞
Rappelons qu’un événement de probabilité 1 n’est pas forcément égal à Ω, il

peut même y avoir une infinité d’éléments dans son complémentaire (cf. page
7 la remarque dans l’exemple 1.2). Remarquons aussi que l’ensemble Ω0 des
ω tels que Xn (ω) converge vers X(ω) est bien un événement observable (cf.
exercice 1.5 en remplaçant les fonctions par des variables aléatoires), c’est-
à-dire un événement de la famille F. Il est donc légitime de parler de sa
probabilité.
Dans la convergence presque sûre, le rang n0 à partir duquel on peut
approximer Xn (ω) par X(ω) avec une erreur inférieure à ε dépend à la
fois de ε et de ω ∈ Ω0 : n0 = n0 (ε, ω). On ne sait pas toujours expliciter
la façon dont n0 (ε, ω) dépend de ω. D’autre part on peut très bien avoir
sup{n0 (ε, ω), ω ∈ Ω0 } = +∞. Ceci fait de la convergence presque sûre en
général un résultat essentiellement théorique 3 . Supposons que la valeur de
Xn dépende du résultat de n épreuves répétées (ou de n observations). Sa-
voir que Xn converge presque sûrement vers X ne permet pas de prédire le
nombre non aléatoire n d’épreuves (ou d’observations) à partir duquel on
aura |Xn (ω) − X(ω)| < ε (sinon pour tous les ω ∈ Ω0 , du moins avec une
probabilité supérieure à un seuil fixé à l’avance par exemple 95%, 99%,. . .).
Or cette question a une grande importance pratique pour le statisticien. C’est
l’une des raisons de l’introduction de la convergence en probabilité qui permet
de répondre à cette question lorsque l’on connaı̂t la vitesse de convergence
selon ce mode.
Définition 6.2 (Convergence en probabilité)
Soit (Xn )n≥1 une suite de variables aléatoires et X une v.a. définies sur le
même espace probabilisé (Ω, F, P ). On dit que Xn converge en probabilité
vers X si :
∀ε > 0, lim P (|Xn − X| ≥ ε) = 0.
n→+∞
Pr
Notation : Xn −−−→ X.
n→+∞
3. Sauf si l’on connaı̂t la loi de la v.a. ω 7→ n0 (ε, ω), ou au moins si l’on sait majorer
P (n0 > t). . .

6.2. Loi faible des grands nombres
La convergence presque sûre implique la convergence en probabilité (exer-

cice 6.3), la réciproque est fausse (exercice 6.4). Pour cette raison, la conver-
gence en probabilité de la suite Mn définie en introduction s’appelle une
loi faible des grands nombres, sa convergence presque sûre une loi forte des
grands nombres.
6.2 Loi faible des grands nombres

Théorème 6.3 Soit (Xn )n≥1 une suite de variables aléatoires deux à deux
indépendantes, de même loi ayant un moment d’ordre 2. Alors :
n
1X Pr
Xi −−−→ IE X1 .
n i=1 n→+∞
Preuve : Ici, la v.a. limite est la constante IE X1 (ou n’importe quel IE Xi ,

puisque les Xi ayant même loi ont même espérance). Il s’agit donc de vérifier
que :
X n
1

∀ε > 0, lim P Xi − IE X1 ≥ ε = 0.

n→+∞ n i=1
n
1X
Posons Mn = Xi . On a :
n i=1
n
1X
IE Mn = IE Xi = IE X1 . (6.1)
n i=1
D’autre part, les Xi étant deux à deux indépendantes et de même loi on a
d’après la proposition 5.23 :
X n
1 1 1
Var Mn = 2 Var Xi = 2 (n Var X1 ) = Var X1 . (6.2)
n i=1
n n
L’inégalité de Tchebycheff appliquée à chaque Mn nous dit que pour ε > 0
fixé :
Var Mn
∀n ∈ N∗ , P (|Mn − IE Mn | ≥ ε) ≤ .
ε2
D’où compte tenu du calcul de IE Mn et Var Mn :
Var X1
∀n ∈ N∗ , P (|Mn − IE X1 | ≥ ε) ≤ . (6.3)
nε2
En faisant tendre n vers +∞ (ε restant fixé) on en déduit :
lim P (|Mn − IE X1 | ≥ ε) = 0.
n→+∞
Ce raisonnement est valable pour tout ε > 0.

Remarque : Nous avons en fait démontré un peu plus que la seule conver-
gence en probabilité. Nous avons d’après (6.3) une vitesse de convergence en
O(1/n). Si l’on connaı̂t Var X1 ou si on sait le majorer, on peut donc ré-
pondre à la question posée page 132 lors de l’introduction de la convergence
en probabilité.
Corollaire 6.4 (Loi faible des g. n. pour les fréquences)

Si (Xn )n≥1 est une suite de v.a. de Bernoulli indépendantes de même para-
mètre p, alors :
n
1X Pr
Xi −−−→ p.
n i=1 n→+∞
Preuve : Il suffit d’appliquer la loi faible des grands nombres en notant qu’ici
IE X1 = p.
Interprétation : Considérons une suite d’épreuves répétées indépendantes.
Pour chaque épreuve la probabilité d’un « succès » est p. Notons Xi l’indica-
trice de l’événement succès à la i-ème épreuve. Alors :
Xn
Sn = Xi est le nombre de succès en n épreuves et Mn = n−1 Sn est la
i=1
fréquence des succès au cours des n premières épreuves. Remarquons que
pour tout ω, 0 ≤ Mn (ω) ≤ 1.
6.3 Estimation d’une proportion inconnue

On se propose d’estimer le paramètre p inconnu d’une loi de Bernoulli à
partir des observations Xi (ω), 1 ≤ i ≤ n, les Xi étant des v.a. de Bernoulli
indépendantes de même paramètre p.
Exemple 6.1 On a une urne comportant des boules rouges en proportion
inconnue p et des boules vertes (en proportion q = 1 − p). On effectue n
tirages d’une boule avec remise.
Notons :
Xi = 1{rouge au i-ème tirage}
et comme ci-dessus désignons par Mn la moyenne arithmétique des Xi ou
fréquence d’apparition du rouge au cours des n premiers tirages. D’après la
loi faible des grands nombres pour les fréquences, Mn converge en probabilité
vers p. Comme on s’attend à ce que Mn soit proche de p pour les grandes
valeurs de n, il est naturel d’estimer p par Mn . En fait on observe une valeur
particulière Mn (ω) calculée à partir des résultats des n tirages réellement
effectués. La question pratique qui se pose est de donner une « fourchette »

6.3. Estimation d’une proportion inconnue
pour l’approximation de p par la valeur observée Mn (ω). L’inégalité de Tche-

bycheff (6.3) pour Mn s’écrit ici :
Var X1 p(1 − p)
P (|Mn − p| ≥ t) ≤ 2
= . (6.4)
nt nt2
Comme p est inconnu, on ne peut pas utiliser directement ce majorant. On
remplace alors p(1 − p) par :
1
sup x(1 − x) =
x∈[0,1] 4
(la parabole d’équation y = x(1−x) a sa concavité tournée vers les y négatifs,

les deux zéros du trinôme sont x1 = 0 et x2 = 1 ; par symétrie, le sommet a
pour abscisse (x1 + x2 )/2 = 1/2 et pour ordonnée 1/2(1 − 1/2) = 1/4). En
reportant dans (6.4), on obtient quelle que soit la valeur inconnue p :
Var X1 1
P (|Mn − p| ≥ t) ≤ 2
= (6.5)
nt 4nt2
d’où en passant à l’événement complémentaire :
1
P (Mn − t < p < Mn + t) ≥ 1 − . (6.6)
4nt2
En pratique on remplace Mn par la valeur réellement observée Mn (ω) et on
dit que I =]Mn (ω)−t, Mn (ω)+t[ est un intervalle de confiance (ou fourchette)
pour p. Le deuxième membre de (6.5) peut s’interpréter comme un majorant
de la probabilité de se tromper lorsque l’on déclare que p est dans I. On dit
aussi que I est un intervalle de confiance au niveau α ≥ 1 − 1/(4nt2 ).
Exemple 6.2 (Sondage) Avant le second tour d’une élection présidentielle

opposant les candidats A et B, un institut de sondage interroge au hasard
1 000 personnes dans la rue 4 . On note p la proportion d’électeurs décidés
à voter pour A dans la population totale. Dans l’échantillon sondé, cette
proportion est égale à 0.54. Proposer un intervalle de confiance pour p au
niveau 0.95.
Le sondage peut être assimilé à un tirage avec remise (en admettant qu’une
personne interrogée plusieurs fois accepte de répondre à chaque fois) et on
4. Ceci est une simplification volontaire permettant d’assimiler la situation à un tirage
avec remise : une même personne peut ainsi être interrogée plusieurs fois au cours du
sondage. En pratique les méthodes utilisées par les instituts de sondage pour sélectionner
un échantillon sont un peu plus compliquées. . .

est ramené à la situation de l’exemple précédent. Ici la fréquence observée

réellement est Mn (ω) = 0.54 et l’inégalité (6.6) nous dit que l’on peut prendre
comme intervalle de confiance :
1
I =]0.54 − t, 0.54 + t[ avec un niveau α ≥ 1 − .
4nt2
Comme on souhaite que α soit au moins égal à 0.95, il suffit de choisir la plus
petite valeur de t telle que :
1 1
1− 2
≥ 0.95 ⇔ t ≥ √ ' 0.0707.
4 000t 10 2
En prenant t = 0.071, on obtient : I =]0.469, 0.611[. On remarque qu’une
partie de cet intervalle correspond à p < 1/2. Ainsi, bien que le sondage donne
54% d’intentions de vote en faveur de A, l’inégalité (6.6) ne nous permet pas
de pronostiquer sa victoire avec une probabilité d’erreur inférieure à 5%.
Exemple 6.3 (Sondage, suite) L’institut de sondage désire présenter à

ses clients une fourchette à ±1% avec un niveau de confiance égal au moins
à 0.95%. Combien de personnes doit-il interroger ?
On repart de (6.6). Cette fois on impose t = 0.01 et on cherche n minimal
tel que :
1
≤ 0.05
4n × 0.012
On trouve n = 50 000, ce qui donne au sondage un coût prohibitif 5 . Nous
reviendrons sur ce problème au chapitre suivant.
6.4 Convergence presque sûre des fréquences

On peut représenter graphiquement la suite Mn (ω) des fréquences de
succès dans une suite d’épreuves de Bernoulli par la ligne brisée dont les
sommets ont pour coordonnées (n, Mn (ω)). A chaque ω correspond ainsi une
ligne brisée infinie que nous appellerons trajectoire. La loi faible des grands
nombres nous donne le comportement asymptotique de ces trajectoires dans
leur ensemble. Elle signifie grosso modo que pour n grand fixé (n ≥ n0 (ε))
la plupart des trajectoires vont traverser le segment vertical d’ extrémités
5. Les sondages ordinaires sont faits sur des échantillons de 500 ou 1 000 personnes. Pour
les élections présidentielles, les instituts interrogent des échantillons de 5 000 personnes. La
petite étude ci-dessus montre que pour gagner une décimale sur la précision du sondage
(i.e. diviser par 10 la longueur de l’intervalle de confiance), il faut multiplier la taille de
l’échantillon et donc le coût du sondage par 100. . .

6.4. Convergence presque sûre des fréquences
(n, p − ε) et (n, p + ε). Elle ne nous dit rien sur le comportement individuel
de chaque trajectoire. Une trajectoire qui traverse ]p − ε, p + ε[ à la verticale
de n peut très bien sortir de la bande horizontale engendrée par ce segment
au delà de n. Une question naturelle est alors : existe-t-il des trajectoires
qui à partir d’un certain rang n0 = n0 (ω, ε) restent dans la bande {(x, y) ∈
R2 , x ≥ n0 et p − ε < y < p + ε} ? Nous allons montrer que l’ensemble des
trajectoires qui vérifient cette propriété pour tout ε > 0 a pour probabilité
1, autrement dit que Mn converge presque sûrement vers p.
Théorème 6.5 (Loi forte des g. n. pour les fréquences)

Si (Xn )n≥1 est une suite de v.a. de Bernoulli indépendantes de même para-
mètre p, alors :
n
1X p.s.
Xi −−−→ p.
n i=1 n→+∞
Preuve : Comme précédemment, nous notons :

n
X Sn
Sn = Xi et Mn = .
i=1
n
Les deux ingrédients principaux de la démonstration sont :

– L’écriture de l’événement {Mn converge vers p} à l’aide d’opérations
ensemblistes dénombrables sur les événements {|Mn − p| ≥ ε} dont on
sait majorer les probabilités.
– L’obtention d’une vitesse de convergence vers 0 de ces mêmes probabi-
lités suffisante pour que :
+∞
X
P (|Mn − p| ≥ ε) < +∞. (6.7)
n=1
Remarquons que l’inégalité de Tchebycheff est ici trop faible puisqu’elle nous
donne seulement une vitesse en O(n−1 ). En fait, on peut obtenir une vitesse
de convergence exponentielle grâce à l’inégalité suivante de Bernstein :
P (|Mn − p| ≥ ε) ≤ 2 exp(−2nε2 ). (6.8)
Nous admettons provisoirement cette inégalité dont une preuve est proposée
à l’exercice 6.7. A partir de maintenant, la démonstration se développe en 7
« pas » élémentaires.
1er pas : On rappelle la traduction automatique des quantificateurs. Si I est
un ensemble quelconque d’indices, (Pi ) une propriété dépendant de l’indice

i et Ai l’ensemble des ω ∈ Ω vérifiant (Pi ), on a :

\
{ω ∈ Ω, ∀i ∈ I, ω vérifie (Pi )} = Ai
i∈I
[
{ω ∈ Ω, ∃i = i(ω) ∈ I, ω vérifie (Pi )} = Ai
i∈I
Ainsi le quantificateur ∀ peut toujours se traduire par une intersection et le

quantificateur ∃ par une réunion.
2e pas : Considérons l’ensemble :
C = {ω ∈ Ω, lim Mn (ω) = p}.
n→+∞
On peut exprimer C à l’aide des événements {|Mn − p| < ε} en écrivant la

définition de la limite :
ω ∈ C ⇔ ∀ε > 0, ∃k = k(ω, ε), ∀n ≥ k, |Mn (ω) − p| < ε, (6.9)
et en appliquant la règle de traduction automatique des quantificateurs :
\[ \
C= {|Mn − p| < ε}.
ε>0 k∈N n≥k
L’inconvénient de cette décomposition est que le « ε > 0 » dans la pre-

mière intersection est une indexation par l’ensemble I =]0, +∞[ qui n’est pas
dénombrable. On ne peut donc pas appliquer les propriétés de σ-additivité
ou de continuité monotone séquentielle à ce stade.
3e pas : Il est facile de remédier à cet inconvénient : il suffit de discrétiser le ε
dans la définition de la limite. On sait qu’on obtient une définition équivalente
remplaçant dans (6.9) le « ∀ε > 0 » par « ∀εj » où (εj )j∈N est une suite
strictement décroissante de réels tendant vers 0. On peut choisir par exemple
εj = 10−j . En appliquant à nouveau la traduction des quantificateurs, nous
obtenons : \[ \
C= {|Mn − p| < εj }.
j∈N k∈N n≥k
Remarquons au passage que, sous cette forme, il est clair que l’ensemble C
est en fait un événement, c’est-à-dire un membre de la famille F de parties
de Ω sur laquelle est définie la fonction d’ensemble P . En effet, Mn étant une
variable aléatoire, les {|Mn − p| < εj } sont des événements et C s’obtient
par des opérations ensemblistes dénombrables sur ces événements. Il est donc
légitime de parler de la probabilité de C. Nous allons montrer que P (C) = 1.
4e pas : Nous venons de passer d’une infinité non dénombrable de ε à une
suite (εj ). Le lemme suivant va nous permettre de travailler avec une seule
valeur de ε.

6.4. Convergence presque sûre des fréquences
Lemme 6.6 Si (Aj )j∈N est une suite d’événements ayant chacun une pro-
babilité 1, alors leur intersection a aussi une probabilité 1.
Preuve : Par passage au complémentaire, il suffit de prouver que la réunion
des Acj a une probabilité nulle. Or :
X
0≤P ∪ Acj ≤ P (Acj ) = 0,
j∈N
j∈N
puisque chaque P (Acj ) est nul par hypothèse. Nous avons utilisé ici la pro-
priété 7(c) de la proposition 1.2 pour majorer la probabilité d’une réunion
dénombrable d’événements (pas forcément disjoints).
Si l’on prouve que pour chaque ε > 0 fixé, P (Cε ) = 1 où
[ \
Cε = {|Mn − p| < ε},
k∈N n≥k
il suffira d’appliquer le lemme avec Aj = Cεj pour obtenir P (C) = 1.

5e pas : Soit donc ε > 0 fixé. Pour montrer que Cε a une probabilité 1, on
travaille sur son complémentaire que nous noterons B.
\ [
B= {|Mn − p| ≥ ε}.
k∈N n≥k
On a : \ [
B= Bk avec Bk = {|Mn − p| ≥ ε}.
k∈N n≥k
Donc B est inclus dans chaque Bk , d’où :

∀k ∈ N, 0 ≤ P (B) ≤ P (Bk ). (6.10)
6e pas : On majore P (Bk ) en utilisant à nouveau la proposition 1.2 7(c) :
X
0 ≤ P (Bk ) = P ∪ {|Mn − p| ≥ ε} ≤ P (|Mn − p| ≥ ε).
n≥k
n≥k
D’après (6.8), ce majorant est le reste de rang k d’une série convergente. Il

tend donc vers 0 quand k tend vers +∞. Il en est donc de même pour P (Bk ).
7e pas, conclusion : En passant à la limite quand k tend vers +∞ dans (6.10),
on en déduit P (B) = 0. En passant à l’événement complémentaire on a donc
montré que P (Cε ) = 1. Comme la seule hypothèse faite sur ε pour obtenir
ce résultat était ε > 0, on a donc P (Cε ) = 1 pour tout ε > 0. D’après le 4e
pas ceci entraı̂ne P (C) = 1, autrement dit : Mn converge presque sûrement
vers p.

Comme sous-produit de la démonstration que nous venons d’achever, nous

avons montré au passage que la convergence en probabilité avec une vitesse
suffisante implique la convergence presque sûre, plus précisément :
Théorème 6.7 (Condition suffisante de convergence p.s.)
Si (Yn )n≥1 et Y sont des variables aléatoires vérifiant :
+∞
X
∀ε > 0, P (|Yn − Y | > ε) < +∞, (6.11)
n=1
alors Yn converge presque sûrement vers Y .

Preuve : Il suffit de remplacer |Mn − p| par |Yn − Y | dans la démonstration
ci-dessus.
6.5 Discussion
Considérons une urne contenant 10 boules numérotées de 0 à 9. La loi
forte des grands nombres pour les fréquences nous dit que si l’on effectue
une suite illimitée de tirages avec remise d’une boule, la fréquence d’appari-
tion du chiffre 7 va converger vers 1/10 avec probabilité 1. Pour démontrer ce
théorème, nous avons admis implicitement l’existence d’un espace probabilisé
(Ω, F, P ) modélisant cette expérience (suite infinie de tirages avec remise).
La construction mathématique rigoureuse d’un tel modèle présente une réelle
difficulté qui est au coeur de la théorie de la mesure et relève du programme
de la licence de mathématiques. Nous nous contenterons de quelques considé-
rations élémentaires 6 sur cet espace probabilisé, utiles pour notre exploration
de la loi forte des grands nombres.
L’espace Ω doit être assez « riche » pour « supporter » une suite infinie
(Yi )i≥1 de v. a. indépendantes et de même loi uniforme sur {0, 1, 2, . . . , 8, 9}.
La variable aléatoire Yi s’interprète comme le numéro Pn obtenu lors du i-ième
−1
tirage. On pose alors Xi = 1{Yi =7} et Mn = n i=1 Xi est la fréquence
d’aparition du 7 en n tirages.
Nous allons examiner deux choix possibles pour Ω. Le premier et le plus
naturel est de prendre :
∗
Ω = {0, 1, 2, . . . , 8, 9}N .
Autrement dit un élément quelconque ω de Ω est une suite (ci )i≥1 de chiffres
décimaux. Le choix de la famille F d’événements observables est plus dé-
licat. On ne peut pas prendre l’ensemble de toutes les parties de Ω car on
6. Tout est relatif. . .

6.5. Discussion
ne pourrait pas attribuer une probabilité à chacune de ces parties de façon

compatible avec ce que l’on sait déjà sur les tirages finis. Il est clair que F
doit contenir les événements dont la réalisation ne dépend que d’un nombre
fini de tirages (c’est bien le cas des événements du type {|Mn − p| > ε}
auxquels on sait attribuer une probabilité (au moins théoriquement puisque
l’on sait écrire une formule donnant P (n(p − ε) < Sn < n(p + ε)) à l’aide de
la loi binomiale). On prend pour F la plus petite famille d’événements ob-
servables 7 parmi celles qui contiennent les événements dont la réalisation ne
dépend que d’un nombre fini d’épreuves. Pour définir la fonction d’ensemble
P sur F, on utilise un théorème de prolongement de la théorie de la mesure.
On peut alors voir qu’avec ce modèle, chaque événement élémentaire ω doit
avoir une probabilité nulle. En effet, fixons ω0 = (u1 , u2 , . . . , un , . . .) ∈ Ω. On
a:
∀n ≥ 1, {ω0 } ⊂ {Y1 = u1 } ∩ {Y2 = u2 } ∩ · · · ∩ {Yn = un },
d’où n
n Y 1 n
P ({ω0 }) ≤ P ( ∩ {Yi = ui }) = P (Yi = ui ) = ,
i=1
i=1
10
en utilisant la nécessaire indépendance des Yi . Ainsi :
∀n ≥ 1, 0 ≤ P ({ω0 }) ≤ 10−n .
En faisant tendre n vers l’infini on en déduit P ({ω0 }) = 0. Ce raisonnement

est valable pour tout ω0 de Ω.
Notons que la nullité de P ({ω}) pour tout ω ∈ Ω ne contredit P pas l’égalité
P (Ω) = 1. En effet on n’a pas le droit d’écrire ici « P (Ω) = ω∈Ω P ({ω}) »
car l’ensemble d’indexation Ω n’est pas dénombrable (il est en bijection avec
l’intervalle [0, 1] de R).
Si E est un événement dénombrable, les événements élémentaires qui le
composent
P peuvent être indexés par N : E = {ω0 , ω1 , . . . , ωn , . . .} et P (E) =
n∈N P ({ωn }) = 0. Ceci est valable a fortiori pour les événements finis.
Donc si un événement a une probabilité non nulle dans ce modèle, il
est nécessairement composé d’une infinité non dénombrable d’événements
élémentaires. La réciproque est fausse. Considérons en effet l’événement B
défini comme l’obtention à chacun des tirages des seuls chiffres 0 ou 1. Dans
notre modèle B est l’ensemble des suites de 0 et de 1, il n’est pas dénombrable
(puisqu’en bijection avec [0, 1]). Par ailleurs :
B= ∩ {Yi = 0 ou 1}.
i∈N∗
7. i.e. vérifiant les trois conditions données page 5.

n
On a donc pour tout n ≥ 1, B ⊂ Bn = ∩ {Yi = 0 ou 1}, d’où
i=1
2 n
∀n ≥ 1, 0 ≤ P (B) ≤ P (Bn ) = .
10
En faisant tendre n vers l’infini, on en déduit P (B) = 0. Notons d’autre part

que si ω ∈ B, ω ne contient aucun « 7 » parmi ses termes donc Mn (ω) = 0 et
B est inclus dans l’événement {Mn → 0} (ce qui prouve d’une autre façon que
P (B) = 0 grâce à la loi forte des grands nombres). Ainsi le complémentaire
de l’événement de probabilité 1 {Mn → 1/10} contient l’événement B et est
donc lui même infini non dénombrable.
La situation est même encore plus surprenante : on peut faire converger
Mn (ω) vers n’importe quel rationnel r fixé de [0, 1] et ce, pour tous les ω
d’un événement Cr non dénombrable et de probabilité nulle (si r 6= 1/10).
Voici comment faire. On pose r = k/l, k ∈ N, l ∈ N∗ et on définit Cr comme
l’ensemble des suites de la forme :
ω = (7, . . . , 7, uk+1 , . . . , ul , 7, . . . , 7, ul+k+1 , . . . , u2l , 7, . . . , 7, . . . . . .)

| {z } | {z } | {z } | {z } | {z }
k l−k k l−k k
en répétant indéfiniment l’alternance de blocs de k chiffres 7 consécutifs et

des blocs de l − k chiffres ui pouvant prendre seulement les valeurs 0 ou 1. Il
est immédiat de vérifier que la fréquence des 7 dans une telle suite converge
vers k/l, donc Cr ⊂ {Mn → r}. Il est aussi clair que Cr est en bijection avec
∗
{0, 1}N (la bijection s’obtient en effaçant les 7 et sa réciproque en intercalant
des blocs de k chiffres 7 consécutifs tous les l − k chiffres binaires).
En adaptant ce procédé, on peut faire converger Mn (ω) vers n’importe
quel réel x de [0, 1] sur un événement Cx non dénombrable et de probabilité
nulle si x 6= 1/10 (exercice).
On peut aussi construire des événements non dénombrables et de proba-
bilité nulle sur lesquels Mn ne converge vers aucune limite. A titre d’exemple
voici comment construire un événement E tel que ∀ω ∈ E :
lim inf Mn (ω) = 0, et lim sup Mn (ω) = 1. (6.12)

n→+∞ n→+∞
Commençons par construire une suite particulière ω0 = (ci )i≥1 vérifiant

(6.12) :
ω0 = ( 7, 7 , 8, 8, 8, 8, 7, . . . , 7, 8, . . . , 8, 7, . . . . . . , 7, . . . . . .).
|{z} | {z } | {z } | {z } | {z }
2 22 62 422 (42+422 )2

6.5. Discussion
et ainsi de suite en alternant indéfiniment des bloc de 7 consécutifs et de 8

consécutifs. La longueur de chaque bloc est le carré de la somme des lon-
gueurs de tous les blocs précédents. Avec cette construction, l’indice du der-
nier chiffre de chaque bloc est un entier de la forme m + m2 . A chaque étape,
le dernier bloc placé écrase quasiment tout le passé et ainsi Mn (ω0 ) va osciller
indéfiniment entre 0 et 1. Plus précisément, si le bloc considéré se termine
par un 8, il contient au moins m2 chiffres 8 et donc au plus m chiffres 7
donc Mm2 +m (ω0 ) ≤ m/(m + m2 ) et ce majorant tend vers 0 quand m tend
vers +∞. Si le bloc finit sur un 7, il contient au moins m2 chiffres 7, donc
Mm2 +m (ω0 ) ≥ (m2 /(m + m2 ) et ce minorant tend vers 1 quand m tend vers
+∞. On a ainsi pu extraire de la suite Mn (ω0 ) n∈N∗ une sous suite conver-
geant vers 0 et une autre convergeant vers 1. Comme 0 ≤ Mn (ω0 ) ≤ 1 pour
tout n, on en déduit que ω0 vérifie (6.12).
Pour obtenir une infinité non dénombrable de suites ω ayant la même
propriété, il suffit de modifier légèrement la construction de ω0 en :
ω = ( 7, ∗ , 8, 8, 8, ∗, 7, . . . , 7, ∗, 8, . . . , 8, ∗, 7, . . . . . . , 7, ∗, . . . . . .)
|{z} | {z } | {z } | {z } | {z }
2 22 62 422 (42+422 )2
où le dernier chiffre de chaque bloc de ω0 est remplacé au choix par un 0 ou

un 1 (représenté par l’astérisque ci-dessus).
En travaillant encore un peu, on pourrait de même montrer pour tout
couple de réels (a, b) de [0, 1] tels que a < b, l’existence d’événements Ea,b non
dénombrables et de probabilité nulle sur lesquels Mn a pour limite inférieure
a et pour limite supérieure b. . .
Tous ces exemples montrent que l’événement {Mn ne converge pas vers
1/10} a une structure très complexe. Ainsi l’aspect naturel et intuitif de la
loi forte des grands nombres pour les fréquences masque un résultat plus
profond qu’il n’y paraı̂t. Le presque sûrement qui figure dans l’énoncé de
cette loi n’est pas une finasserie artificielle de puriste mais est bien inhérent
au problème étudié.
On est naturellement tenté d’interpréter les résultats précédents du point
de vue de la théorie des nombres en considérant les suites de chiffres décimaux
sur lesquelles nous venons de travailler comme des développements décimaux
illimités de nombres réels de [0, 1]. Notre second modèle sera donc (Ω0 , F 0 , P 0 )
où :
Ω0 = [0, 1]
et F 0 et P 0 restent à définir.
Cependant il se présente ici une difficulté qui fait que ce nouveau modèle
ne se réduit pas à une traduction automatique du précédent. Si (ci )i≥1 est

une suite de chiffres décimaux, la série :

+∞
X ci
(6.13)
i=1
10i
converge et sa somme est un réel x de [0, 1] que l’on peut noter

+∞
X ci
x = 0.c1 c2 . . . ci . . . = .
i=1
10i
Réciproquement, tout réel de [0, 1] admet un développement décimal du type

(6.13). Ce développement est unique lorsque x n’est pas un nombre décimal
(i.e. x n’est pas de la forme k/10n , k ∈ N, n ∈ N∗ ). Par contre si x est
décimal, il possède deux développements décimaux distincts 8 . Ceci provient
de la sommation de série géométrique suivante :
+∞ +∞
X 9 9 X 1 9 1 1
∀n ≥ 1, i
= n j
= n 1
= n−1
. (6.14)
i=n
10 10 j=0
10 10 1 − 10
10
Cette relation permet de voir que si un développement décimal illimité ne

comporte plus que des 9 à partir d’un certain rang n (le (n − 1)-ème chiffre
n’étant pas un 9), on ne change pas la somme de la série en remplaçant tous
ces 9 par des 0 et en augmentant d’une unité le (n − 1)-ème chiffre. On a
ainsi la propagation d’une retenue depuis l’infini. Par exemple :
5973
0.5972999999 . . . = 0.5973000000 . . . =
104
(il ne s’agit pas d’une égalité approchée, mais d’une égalité rigoureuse, les
points de suspension représentant la répétition indéfinie du chiffre 9 ou 0
respectivement). Le développement ne comportant que des 9 à partir d’un
certain rang est appelé développement décimal impropre, celui ne comportant
que des 0 est appelé développement décimal propre.
En revenant aux tirages illimités dans notre urne à dix boules, on voit
que si l’on choisit Ω0 = [0, 1], les deux suites de résultats qui correspondent à
un même réel décimal seront représentées par le même réel ω. Par exemple
(5, 9, 7, 2, 9, 9, 9, . . .) et (5, 9, 7, 3, 0, 0, 0, . . .) seront représentées par l’événe-
ment élémentaire ω = 5973/1 0000.
Pour surmonter cette difficulté, nous « dédoublons » la suite (Yi )i≥1 . Pour
tout i ≥ 1, on définit les deux variables aléatoires Yi et Yi0 comme suit. Si
8. Voir exercice 6.11.

6.5. Discussion
ω ∈ [0, 1] n’est pas décimal, Yi (ω) = Yi0 (ω) est le i-ème chiffre décimal de
l’unique développement décimal de ω. Si ω est un décimal de [0, 1], Yi (ω) est
le i-ème chiffre de son développement propre, Yi0 (ω) le i-ème chiffre décimal
de son développement impropre. On requiert, comme dans le premier modèle
que chacune de ces deux suites soit indépendante et que chacune des variables
Yi et Yi0 suive la loi uniforme sur {0, 1, . . . , 8, 9}. Ceci permet de montrer que
chaque événement élémentaire ω doit avoir une probabilité P 0 nulle. D’autre
part, Yi et Yi0 diffèrent seulement sur l’ensemble D des décimaux de [0, 1] qui
est dénombrable (voir exercice 3.15), donc de probabilité P 0 nulle. Ainsi les
deux suites (Yi )i≥1 et (Yi0 )i≥1 sont égales P 0 -presque sûrement. Il est donc
quand même possible d’interpréter la suite illimitée de tirages dans l’urne
comme le choix aléatoire d’un réel ω de [0, 1] suivant la loi de probabilité P 0 .
On peut maintenant examiner les conséquences de notre cahier des charges
(les conditions sur les suites de v.a. (Yi )i≥1 et (Yi0 )i≥1 ) sur la construction de
(F 0 , P 0 ). La condition d’indépendance de la suite (Yi )i≥1 avec même loi uni-
forme sur {0, 1, . . . , 8, 9} pour tout Yi peut s’écrire comme suit. Pour tout
n ≥ 1, et tout n-uplet (c1 , . . . , cn ) de chiffres décimaux,
n
0
Y 1
P (Y1 = c1 , Y2 = c2 , . . . , Yn = cn ) = P 0 (Yi = ci ) = .
i=1
10n
En notant que l’on a exclu les développement impropres dans la définition

des Yi , on a l’équivalence :
Y1 (ω) = c1 , Y2 (ω) = c2 , . . . , Yn (ω) = cn ⇔ ω ∈ [αn , αn + 10−n [,
où l’on a posé : αn = c1 10−1 + · · · + cn 10−n . Lorsque le n-uplet (c1 , . . . , cn )

prend toutes les valeurs possibles (à n fixé), αn décrit exactement l’ensemble
des décimaux pouvant s’écrire sous la forme k10−n . La condition sur la suite
(Yi )i≥1 peut donc se traduire par :
h k k + 1h 1
∀n ≥ 1, ∀k = 0, 1, . . . , 10n − 1, P0 n
, n
= n.
10 10 10
L’utilisation de la suite (Yi0 ) à la place de (Yi ) dans le raisonnement ci-dessus
nous aurait donné la même conclusion mais avec des intervalles ouverts à
gauche et fermés à droite. Notons que dans les deux cas la probabilité P 0 de
l’intervalle concerné est égale à sa longueur. On peut aussi utiliser chacun
de ces deux résultats pour redémontrer que la probabilité d’un événement
élémentaire ω est forcément nulle. Finalement, grâce à l’additivité de P 0 on
en déduit facilement que la condition sur la suite (Yi ) équivaut à :
∀a, b ∈ [0, 1] ∩ D (a < b), P 0 ([a, b]) = b − a (6.15)

(ou à chacune des conditions obtenues avec [a, b[, ]a, b] ou ]a, b[). Par conti-
nuité monotone de P 0 , on en déduit que (6.15) s’étend au cas de réels a, b > a
quelconques de [0, 1] : il suffit de considérer deux suites de décimaux an ↑ a
et bn ↓ b et de noter que [a, b] = ∩n≥1 [an , bn ] (détails laissés en exercice).
Nous voyons maintenant que le problème de la construction de (F 0 , P 0 ) est
exactement celui de la construction d’une fonction d’ensemble σ − additive
prolongeant la fonction longueur d’un intervalle. Ce problème est celui de la
construction de la mesure de Lebesgue. On peut le résoudre en prenant pour
F 0 la plus petite famille d’événements observables (toujours au sens de la page
5) contenant les intervalles. On arrive ainsi à définir la longueur ou mesure de
Lebesgue des sous ensembles de [0, 1] qui sont dans F 0 . Si un tel sous ensemble
est de la forme B = ∪i≥1 ]ai , bi [ où les suites (ai ) et (bi ) vérifient pour tout
n : 0 ≤ an < bn ≤ an+1 < bn+1 ≤ 1, alors B est une réunion disjointe
d’intervalles et sa probabilité P 0 ou longueur est évidemment la série de
terme général la longueur de ]ai , bi [. Malheureusement, tous les éléments de la
famille F 0 sont loin d’avoir une structure aussi simple et le calcul explicite de
leur longueur n’est pas toujours possible (on sait qu’elle existe et on connaı̂t
ses propriétés). Nous connaissons déjà un exemple d’élément de F 0 qui ne
peut pas s’écrire comme réunion dénombrable d’intervalles disjoints, c’est
l’événement C7 = {convergence de la fréquence du chiffre 7 vers 1/10}. En
effet par densité des décimaux, tout intervalle contient au moins un décimal
(en fait une infinité) et si ω est décimal, Yi (ω) = 0 à partir d’un certain
rang (de même Yi0 (ω) = 9) par conséquent Mn (ω) converge vers 0 donc
ω∈ / C7 . Ainsi C7 ne peut s’écrire comme réunion dénombrable d’intervalles
disjoints. Nous savons pourtant calculer sa longueur par la loi forte des grands
nombres : elle vaut 1.
Dans toute cette section nous nous sommes intéressés à la fréquence d’ap-
parition du 7. Bien sûr ce chiffre n’a été choisi que pour fixer les idées et
n’importe quel autre chiffre décimal aurait tout aussi bien fait l’affaire. Pour
généraliser un peu définissons Mn,j comme la fréquence d’apparition du chiffre
j (j ∈ {0, 1, . . . , 8, 9}) au cours des n premiers tirages. Notons de même Cj
l’événement {Mn,j converge vers 1/10}. Par la loi forte des grands nombres,
chaque Cj a une longueur (i.e. une probabilité P 0 ) égale à 1. Par le lemme
6.6, l’intersection de ces dix ensembles a aussi une longueur 1.
Convenons d’appeler nombre normal tout réel de [0, 1] tel que la fréquence
de chacun des 10 chiffres décimaux 0, 1, . . . 9 dans le développement décimal
illimité de ce nombre converge vers 1/10. Nous avons ainsi obtenu un résultat
de théorie des nombres qui s’énonce ainsi : l’ensemble de tous les nombres
normaux de [0, 1] a pour longueur 1 (on dit aussi presque tout nombre de
[0, 1] est normal). Ce résultat est dû à Borel. On pourrait maintenant traduire
tous les exemples étudiés dans le cadre du premier modèle et voir ainsi que

6.5. Discussion
l’ensemble de longueur nulle des nombres non normaux a une structure très
complexe. Là encore, le théorème de Borel est plus profond qu’il n’y paraı̂t
à première vue. . .

6.6 Exercices
Ex 6.1. Montrer que si Xn converge presque sûrement vers X et Yn converge
presque sûrement vers Y , il existe un événement Ω0 de probabilité 1 tel que
pour tout ω ∈ Ω0 , le couple (Xn (ω), Yn (ω)) converge vers (X(ω), Y (ω)). En
déduire que pour toute fonction continue g : R2 → R, la suite de v.a. g(Xn , Yn )
converge presque sûrement vers g(X, Y ). Applications : g(x, y) = x + y,
g(x, y) = xy,. . .
Ex 6.2. Convergence en probabilité et addition

1) Soient U et V deux variables aléatoires positives, justifier l’inégalité :
∀ε > 0, P (U + V ≥ ε) ≤ P (U ≥ ε/2) + P (V ≥ ε/2).
2) En déduire que si Xn et Yn convergent en probabilité vers respecti-

vement X et Y , alors Xn + Yn converge en probabilité vers X + Y .
Ex 6.3. La convergence p.s. implique la convergence en probabilité

On suppose que la suite de v.a. (Xn )n≥1 converge presque sûrement vers la
v.a. X, ce qui signifie que l’événement :
Ω0 = {ω ∈ Ω, lim Xn (ω) = X(ω)}

n→+∞
a pour probabilité 1. On fixe ε > 0 et on définit :
Ω0ε = {ω ∈ Ω, ∃m0 = m0 (ω), ∀n ≥ m0 , |Xn (ω) − X(ω)| < ε}.
1) Vérifier que P (Ω0ε ) = 1.

2) Exprimer Ω0ε à l’aide d’opérations ensemblistes dénombrables sur les
événements {|Xn − X| < ε}.
3) Pour tout k ≥ 1, on définit les événements
Ak = {ω ∈ Ω, ∀n ≥ k, |Xn (ω) − X(ω)| < ε}.
Vérifier que la suite (Ak )k≥1 est croissante pour l’inclusion et identifier sa
réunion. En déduire :
∀η > 0, ∃k0 , P (Ak0 ) > 1 − η,
puis :
∀n ≥ k0 , P (|Xn − X| < ε) > 1 − η.
4) Conclure.

6.6. Exercices
Ex 6.4. La convergence en probabilité n’implique pas la convergence p.s.

↓6.12
∗
Considérons le jeu de pile ou face infini avec Ω = {0, 1}N où l’on code 0 pour
face et 1 pour pile. On construit une suite de variables aléatoires (Tn )n≥1
comme suit
T1 = 1
T2 = 1 si face (f) au premier coup, 0 sinon
T3 = 1 si pile (p) au premier coup, 0 sinon
T4 = 1 si ff, 0 sinon
T5 = 1 si fp, 0 sinon
T6 = 1 si pf, 0 sinon
T7 = 1 si pp, 0 sinon
T8 = 1 si fff, 0 sinon, etc.
Pour une définition plus formalisée, si :
kn
X
n=2 kn
+ ai 2kn −i ai ∈ {0, 1}
i=1
est l’écriture de n en base 2, on a en notant Xi la variable indicatrice de

l’événement « pile au i-ème coup » :
kn
Y
Tn = (ai Xi + (1 − ai )(1 − Xi ))
i=1
1) En utilisant l’indépendance des Xi , montrer que :

1
P (Tn = 1) =
2kn
En déduire que la suite (Tn ) converge en probabilité vers 0.
∗
2) Par ailleurs soit ω = (ui )i≥1 fixé dans {0, 1}N . Vérifier que la suite
(Tn (ω)) prend une infinité de fois la valeur 1. Indication : Pour k ∈ N∗ , poser
k
X
nk = nk (ω) = 2k + ui 2k−i
i=1
et calculer Tnk (ω).

3) Montrer que Tn (ω) prend aussi une infinité de fois la valeur 0.
4) En déduire que la suite de réels (Tn (ω)) ne converge pour aucun
ω ∈ Ω. A fortiori Tn ne converge pas presque sûrement.

Ex 6.5. Reprendre les calculs des exemples 6.2 et 6.3 avec un niveau de
confiance de 99%.
Ex 6.6. Une inégalité de Hoeffding

Soit Z une variable aléatoire réelle vérifiant : a ≤ Z ≤ b presque sûrement.
On se propose de montrer l’inégalité suivante :
(b − a)2

IE (exp(Z − IE Z)) ≤ exp
8
1) On rappelle qu’une fonction g est dite convexe sur un intervalle I, si

pour tous a, b ∈ I et tous u, v ∈ [0, 1] tels que u + v = 1 :
g(ua + vb) ≤ ug(a) + vg(b).
Une condition suffisante pour qu’une fonction soit convexe sur I est qu’elle
I. Soit t > 0 et d ∈ R. On définit la
ait une dérivée seconde positive sur
fonction g par g(x) = exp t(x − d) . Vérifier sa convexité et en déduire :
b − x t(a−d) x − a t(b−d)
∀x ∈ [a, b], et(x−d) ≤ e + e (6.16)
b−a b−a
2) On pose d = IE Z. Déduire de la question précédente l’inégalité :
b − d t(a−d) d − a t(b−d)
IE (exp(t(Z − d))) ≤ e + e
b−a b−a
3) On pose :

b − d ta d − a tb
f (t) = ln e + e − td
b−a b−a
Montrer que pour tout t ∈ [0, 1], f 00 (t) ≤ 14 (b − a)2 . Conclure.
Ex 6.7. Preuve de l’inégalité de Bernstein

En utilisant l’inégalité de Hoeffding, on se propose de démontrer le théorème
suivant
Théorème 6.8 (Bernstein) Soient X1 , . . . , Xn n variables aléatoires réelles

indépendantes. On suppose que pour chaque i = 1, . . . , n, il existe des constantes
ai et bi telles que presque sûrement, ai ≤ Xi ≤ bi . Alors on a :
n
−2t2
X
∀t > 0 P (Xi − IE Xi ) ≥ t ≤ 2 exp Pn (6.17)

(b − a )2
i=1 i=1 i i

6.6. Exercices
1) Montrer que pour tout u > 0 :

" n
#
u2 X
P (Sn − IE Sn ≥ t) ≤ exp −ut + (bi − ai )2 ,
8 i=1
où l’on a noté Sn = ni=1 Xi .

P
2) Optimiser cette inégalité en choisissant u de façon à minimiser le

second membre.
3) Démontrer une inégalité analogue pour P (Sn −IE Sn ≤ −t) et conclure.
Commentaires : Examinons ce que donne ce théorème dans le cas où les Xi
sont indépendantes et de même loi. Alors on peut prendre tous les ai égaux
à un réel a et tous les bi égaux à b. Tous les IE Xi sont égaux à IE X1 . En
posant t = nε dans (6.17), on obtient :
−2nε2

Sn
P − IE X1 ≥ ε ≤ 2 exp
. (6.18)
n (b − a)2
En particulier si les Xi sont des v.a. de Bernoulli de paramètre p, on peut
prendre a = 0 et b = 1 et on a :

Sn
P − p ≥ ε ≤ 2 exp(−2nε2 ).
(6.19)
n
Ex 6.8. On considère une suite infinie de jets d’un dé et on appelle Sn le
nombre d’apparitions du 6 au cours des n premiers lancers.
1) En quels sens peut-on dire que Sn /n converge vers 1/6 ?
2) En utilisant l’inégalité de Tchebycheff, puis celle de Bernstein, ma-
jorer :
Sn 1
P − > 0.01 .

n 6
3) On note un le majorant donné par l’inégalité de Tchebycheff, vn celui
donné par celle de Bernstein. Comparer ces deux majorants suivant les valeurs
de n. Indication : On pourra par exemple étudier les variations de la fonction :
x 7→ xe−bx x ∈ [0, +∞[ 0 < b < 1.
4) Montrer en utilisant l’inégalité de Bernstein que :

r !
Sk 1 2 ln k
P ∀k ≥ 11 − ≤ ≥ 0.999.
k 6 k
Donner une interprétation graphique.

Ex 6.9. Énoncer une loi forte des grands nombres pour une suite de va-
riables aléatoires indépendantes, de même espérance et uniformément bornées
(∃a, b tels que ∀i ∈ N∗ , a ≤ Xi ≤ b p.s.). Quelles sont les adaptations à faire
dans la preuve du théorème 6.5 pour obtenir cette généralisation ?
Ex 6.10. Vitesse de convergence des polynômes de Bernstein ↑ 5.23
L’inégalité (6.19) permet d’améliorer les résultats obtenus à l’exercice 5.23 sur
la vitesse de convergence uniforme des polynômes de Bernstein d’une fonction
continue. L’utilisation de (6.19) à la place de l’inégalité de Tchebycheff nous
donne en effet la majoration :
kf − Bn f k∞ ≤ ε + 4kf k∞ exp(−2nδ 2 ). (6.20)
1) On suppose f lipschitzienne. Vérifier que le choix ε = cn−β dans
(6.20) donne une vitesse de convergence en O(n−β ) pour tout β < 1/2, mais
que la même méthode ne permet pas d’obtenir la vitesse O(n−1/2 ).
2) Toujours avec f lipschitzienne, comment choisir
c minimal pour ob-
tenir avec ε = c(ln n/n)1/2 la vitesse O (ln n/n)1/2 ?
3) On suppose maintenant f hölderienne d’exposant α.Montrer qu’avec
un choix judicieux de ε, on obtient la vitesse O (ln n/n)α/2 .
Ex 6.11. Développement(s) décimaux illimités d’un réel
1) Prouver l’existence du développement décimal illimité d’un réel x de
[0, 1]. On donnera un algorithme simple permettant d’obtenir à partir de x
les sommes partielles de la série du type (6.13).
2) Étudier l’unicité de ce développement. Indication : Supposons que :
+∞ +∞
X ci X di
i
=
i=1
10 i=1
10i
et notons n0 le plus grand indice pour lequel les n0 premiers chiffres décimaux
ci et di sont deux à deux égaux. Si c1 6= d1 , on prend n0 = 0. On peut alors
supposer que dn0 +1 > cn0 +1 . Examiner ce que cela implique pour les chiffres
ci et di , i > n0 en utilisant la relation (6.14).
Ex 6.12. Reprendre l’exercice 6.4 avec Ω = [0, 1], F 0 et P 0 étant définis à
partir des intervalles et de leur longueur comme dans le deuxième modèle de la
section 6.5. On définit Xi (ω) comme le i-ème chiffre du développement du réel
ω en base 2. On conviendra d’exclure les développements binaires impropres
(i.e. n’ayant que des 1 à partir d’un certain rang). Montrer qu’avec ce modèle
les v.a. Tn s’interprètent simplement comme des indicatrices d’intervalles.
Interpréter graphiquement la convergence en probabilité des Tn et leur non
convergence p.s.

6.6. Exercices
Ex 6.13. Caractérisation des nombres rationnels normaux

1) On considère le nombre réel x ∈ [0, 1] dont le développement décimal
illimité s’écrit :
x = 0.35712712712 . . . 712 . . .
On dit que ce développement est périodique, la période étant ici la séquence
de chiffres 712 qui se répète indéfiniment (à partir d’un certain rang). Montrer
par un calcul de somme de série que x est un rationnel.
2) Généraliser.
3) Réciproquement, montrer que tout rationnel de [0, 1] a un dévelop-
pement décimal périodique.
4) Caractériser par une condition sur leur période les rationnels de [0, 1]
qui sont des nombres normaux au sens de Borel (voir page 146).


Chapitre 7
Approximation gaussienne de
la loi binomiale
Nous connaissons déjà l’approximation d’une loi binomiale B(n, p) par

une loi de Poisson P(λ) avec λ = np lorsque n est « grand » et np « petit ».
Nous étudions dans ce chapitre une approximation utilisable lorsque np ne
peut être considéré comme « petit ». Le résultat théorique qui justifie cette
approximation est le théorème de De Moivre-Laplace qui est lui même un cas
particulier du théorème central limite. Ce dernier est, avec la loi des grands
nombres, certainement le plus important théorème du calcul des probabilités.
L’approximation qui nous intéresse fait intervenir une famille de fonctions
appelées densités gaussiennes (ou normales) liées à la célèbre courbe en cloche
de Gauss.
7.1 La courbe en cloche

Définition 7.1 Soit m ∈ R et σ ∈]0, +∞[. On appelle densité gaussienne
ou normale fm,σ sur R la fonction :
(t − m)2

+ 1
fm,σ : R −→ R t 7−→ √ exp −
σ 2π 2σ 2
La fonction f0,1 est appelée densité normale ou gaussienne standard.
Dans cette famille de fonctions, m est un paramètre de localisation ou de po-

sition (c’est la valeur où fm,σ atteint son maximum). Le paramètre σ est un
paramètre d’échelle, il caractérise l’aplatissement de la courbe. Les courbes
représentatives Cm,σ de ces fonctions se déduisent toutes de la courbe C0,1 par
translations et changements d’échelle. On passe de C0,1 à Cm,σ par la trans-
formation : (x, y) 7→ (σx + m, σy ) et de Cm,σ à C0,1 par (x, y) 7→ ( x−m
σ
, σy).
155
Chapitre 7. Approximation gaussienne
La courbe C0,1 (figure 7.1) est très populaire sous le nom de courbe en cloche
de Gauss.
0.5
0.45
0.4
0.35
0.3
0.25
0.2
0.15
0.1
0.05
0
-4 -3 -2 -1 0 1 2 3 4
Fig. 7.1 – Densité f0,1
Bien que f0,1 (t) soit strictement positif pour tout réel t, la densité f0,1
semble être à support dans [−4, +4]. Cela provient de la décroissance rapide
2
de exp(− t2 ) quand t tend vers +∞ et des limites de résolution du dessin.
L’influence des paramètres m et σ est illustrée par les figures 7.2 et 7.3.
Une propriété importante de C0,1 est que l’aire qu’elle délimite avec l’axe
des abscisses vaut 1 :
Z +∞ t2
1
√ exp − dt = 1. (7.1)
−∞ 2π 2
L’exercice 7.1 présente une démonstration de cette relation. Les autres fonc-
tions fm,σ ont aussi une intégrale généralisée sur R qui vaut 1. Pour le
voir, soient a < b deux réels quelconques. Par le changement de variable
u = (t − m)/σ :
b Z b∗
(t − m)2
Z 2
1 1 u
√ exp − dt = √ exp − du, (7.2)
a σ 2π 2σ 2 a∗ 2π 2

7.1. La courbe en cloche
où les nouvelles bornes sont :

a−m b−m
a∗ = et b∗ = .
σ σ
0.4
0.35
0.3
0.25
0.2
0.15
0.1
0.05
0
-8 -6 -4 -2 0 2 4 6 8
Fig. 7.2 – Densités f−2,1 , f0,1 , f3,1
Lorsque a et b tendent respectivement vers −∞ et +∞, il en est de même

pour a∗ et b∗ . On en déduit :
Z +∞ Z +∞
(t − m)2
2
1 1 u
√ exp − 2
dt = √ exp − du = 1.
−∞ σ 2π 2σ −∞ 2π 2
L’aire délimitée par Cm,σ , l’axe des abscisses et les droites d’équation t = a,
t = b joue un rôle important dans l’approximation des probabilités binomiales
P (a < Sn ≤ b). Par changement de variable, le calcul de cette aire se ramène
à celui de l’aire correspondante pour C0,1 avec a∗ et b∗ à la place de a et b.
Elle peut donc s’écrire sous la forme Φ(b∗ )−Φ(a∗ ) où la fonction Φ est définie
par : Z x 2
1 t
∀x ∈ R, Φ(x) = √ exp − dt. (7.3)
−∞ 2π 2
Cette intégrale ne peut s’exprimer à l’aide des fonctions usuelles. On peut
en calculer une valeur approchée avec toute précision souhaitée (voir exercice
7.2). La figure 7.4 représente le graphe de Φ .

0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
-8 -6 -4 -2 0 2 4 6 8
Fig. 7.3 – Densités f0,1 , f0,0.5 , f0,2
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
-4 -3 -2 -1 0 1 2 3 4
Rx
Fig. 7.4 – Fonction Φ : x 7→ −∞
f0,1 (t) dt

7.2. Étude graphique
La table en annexe donne les valeurs de Φ(x) par pas de 0.01 pour x
compris entre 0 et 3 et quelques valeurs pour x compris entre 3 et 4.5. Pour
x négatif, la parité de la densité entraı̂ne la relation Φ(x) = 1 − Φ(−x). Pour
les « très grandes valeurs de x », (i.e. |x| ≥ 4), on dispose du résultat suivant
qui donne une évaluation de la « queue » de la loi normale :
Lemme 7.2 Pour tout x > 0, on a l’encadrement :

2 2
1 1 1 x 1 1 x
− 3 √ exp − < 1 − Φ(x) < √ exp − . (7.4)
x x 2π 2 x 2π 2
Preuve : La dérivation de chacun des 3 membres A, B et C de (7.4) donne :

2 2 2
e−x /2 e−x /2 e−x /2

0 3 0 0 1
A (x) = −1 + 4 √ B (x) = − √ C (x) = −1 − 2 √ .
x 2π 2π x 2π
Il suffit alors d’intégrer sur [x, +∞[ l’encadrement suivant vrai pour tout y :
2 2 2
e−y /2 e−y /2 e−y /2

1 3
−1 − 2 √ <− √ < −1 + 4 √ ,
y 2π 2π y 2π
pour obtenir (7.4).
7.2 Étude graphique

Soient X1 , . . . , Xn n v.a. de Bernoulli indépendantes de même paramètre
p. On pose Sn = X1 + · · · + Xn . La loi de Sn est alors une binomiale B(n, p) :
P (Sn = k) = Cnk pk (1 − p)n−k (0 ≤ k ≤ n)
Les histogrammes 1 ci-dessous représentent cette loi pour différentes valeurs

des paramètres n et p. Bien que l’histogramme de la loi B(n, p) soit constitué
théoriquement de n + 1 rectangles, seule une partie d’entre eux est visible sur
le dessin, les autres correspondant à des probabilités trop petites. Le nombre
ε représente pour chaque figure un majorant de la probabilité correspondant
à la réunion de ces rectangles « invisibles ». Sur chaque figure, la courbe en
pointillés représente la densité fm,σ dont les paramètres sont donnés par :
m = IE Sn = np et σ 2 = Var Sn = npq.
1. Les rectangles de l’histogramme ont une aire proportionnelle aux nombres P (Sn = k)
et ont pour axes de symétrie les droites d’équation x = k correspondantes.

0.12
0.1
0.08
0.06
0.04
0.02
0
5 10 15 20 25 30 35 40 45
Fig. 7.5 – Binomiale n = 50, p = 0.5 (ε = 3.1 × 10−4 )
0.3
0.25
0.2
0.15
0.1
0.05
0
-5 0 5 10 15 20 25 30 35

7.2. Étude graphique
0.2
0.18
0.16
0.14
0.12
0.1
0.08
0.06
0.04
0.02
0
-5 0 5 10 15 20 25 30 35 40 45
0.14
0.12
0.1
0.08
0.06
0.04
0.02
0
-5 0 5 10 15 20 25 30 35 40

0.1
0.09
0.08
0.07
0.06
0.05
0.04
0.03
0.02
0.01
0
-10 0 10 20 30 40 50

7.3. Le théorème de De Moivre-Laplace
7.3 Le théorème de De Moivre-Laplace

Ces figures laissent entrevoir la possibilité d’approximer une binomiale en
un sens que nous précisons maintenant. Il est commode pour cela d’effectuer
un changement d’origine de façon à centrer les variables aléatoires et un
changement d’échelle de façon à ce qu’elles aient toutes pour variance 1. La
nouvelle v.a. obtenue par ce procédé est :
Sn − IE(Sn ) Sn − np
Sn∗ = = √ (7.5)
σ(Sn ) npq
Théorème 7.3 (De Moivre-Laplace) Soit Sn une variable aléatoire de
loi binomiale de paramètres n et p et Sn∗ définie par (7.5). Pour tous réels
c < d fixés :
Z d t2
∗ 1
lim P (c < Sn ≤ d) = Φ(d) − Φ(c) = √ exp − dt.
n→+∞ c 2π 2
On a la même limite pour P (c ≤ Sn∗ ≤ d), P (c ≤ Sn∗ < d) et P (c <
Sn∗ < d). De Moivre a donné la première version de ce théorème 2 en 1733.
Laplace (1812) prouva plus tard le même résultat par une méthode différente
en obtenant une évaluation de la vitesse de convergence. La démonstration
du théorème (cf. section 7.4) repose sur un encadrement adéquat des coeffi-
cients binomiaux et la formule de Stirling. Elle pourra sans inconvénient être
passée en première lecture, l’important étant plutôt de comprendre la signi-
fication et l’utilisation pratique du théorème de De Moivre-Laplace. Comme
dans le cas de l’approximation par une loi de Poisson, ce théorème permet
l’approximation de P (a < Sn ≤ b) pour les grandes valeurs de n. Pour cela il
√
suffit de remarquer que la fonction x 7→ (x − np)/ npq étant croissante, on
a l’équivalence :
a − np Sn (ω) − np b − np
a < Sn (ω) ≤ b ⇔ √ < √ = Sn∗ (ω) ≤ √ .
npq npq npq
On en déduit que pour tout n ≥ 1
a − np b − np
∗
P (a < Sn ≤ b) = P √ < S n ≤ √
npq npq
Lorsque n est « grand » le théorème de De Moivre-Laplace nous dit que le
second membre peut être approximé par :
a − np b − np b − np a − np
P √ < Sn∗ ≤ √ 'Φ √ −Φ √ .
npq npq npq npq
2. Publiée en 1738 dans la seconde édition de son livre The Doctrine of Chances.

Il suffit alors d’utiliser la table des valeurs de Φ pour calculer cette probabilité.
Pour que l’approximation soit légitime, il convient de savoir majorer l’er-
reur commise en fonction de n, p (et aussi de a et b). Une telle majoration
sera donnée sans démonstration section 7.5. L’idée générale est que la vitesse
de convergence dans le théorème de De Moivre-Laplace est, comme pour l’in-
égalité de Tchebycheff, en O(n−1/2 ). La constante sous-entendue dans le O
est d’autant meilleure que p est proche de 1/2 (et se dégrade fortement quand
p est proche de 0 ou 1). Cette dépendance par rapport à p est illustrée par
les figures 7.5 à 7.9.
Exemple 7.1 On lance 3600 fois un dé. Évaluer la probabilité que le nombre
d’apparitions du 1 soit compris strictement entre 540 et 660.
Soit S le nombre d’apparitions du 1. Cette variable aléatoire suit la loi bi-
nomiale B(3600, 1/6). On a IE S = 600 et Var S = 500. En notant S ∗ =
(S − IE S)/σ(S) la variable centrée réduite associée à S :
540 − 600 660 − 600
P (540 < S < 660) = P √ < S∗ < √ .
500 500
Comme n est grand on peut utiliser l’approximation liée au théorème de De
Moivre-Laplace :
−60 60 6 −6
P √ < S∗ < √ ' Φ √ − Φ √ .
10 5 10 5 5 5
En utilisant la parité de la densité f0,1 , on a pour tout a > 0 : Φ(a)−Φ(−a) =
2Φ(a) − 1. En utilisant la table des valeurs de Φ on obtient donc :
P (540 < S < 660) ' 2Φ(2.68) − 1 ' 0.9926 ' 0.99.
√
(en raison de l’approximation de 6/ 5 par 2.68, il n’y a pas lieu de conserver
les deux derniers chiffres).
Il est intéressant de comparer ce résultat avec ce qu’aurait donné l’inéga-
lité de Tchebycheff. En reprenant les calculs de l’exemple 5.13, on obtient :
500 31
P (540 < S < 660) ≥ 1 − 2
= > 0.86.
60 36
Pour être honnête, il convient néanmoins de noter que les deux résultats sont
de nature différente. Le deuxième est une minoration dont on est certain, pas
une approximation. Pour pouvoir affirmer que le théorème de De Moivre-
Laplace nous donne ici un meilleur résultat que l’inégalité de Tchebycheff, il
faut donc vérifier que l’erreur d’approximation est inférieure à 0.99 − 0.86 =
0.13. (À suivre. . .)

7.3. Le théorème de De Moivre-Laplace
Exemple 7.2 Une entreprise emploie 500 personnes qui déjeunent à la can-
tine à l’un ou l’autre des deux services avec une probabilité égale de manger
au premier ou au second. Si le gérant veut avoir une probabilité supérieure
à 95% de disposer d’assez de couverts, combien devra-t-il en prévoir pour
chacun des deux services ?
Voici une modélisation du problème. On numérote les 500 personnes par

ordre alphabétique 3 . On note Xi la variable aléatoire valant 1 si la i-ème
personne de la liste mange au premier service, 0 si elle mange au deuxième.
Les Xi sont des variables de Bernoulli de même loi : P (Xi = 0) = P (Xi =
1) = 1/2. On suppose les Xi indépendantes, hypothèse raisonnable dans le
cas d’une numérotation par ordre alphabétique 4 . Bien que l’énoncé ne le
précise pas il s’agit évidemment de trouver le nombre minimum de couverts
à disposer à chaque service, sinon avec 500 couverts à chaque service, le
gérant ne prendrait aucun risque ! Notons k ce nombre minimum. LeP nombre
500
(aléatoire) de personnes mangeant au premier service est : Sn = i=1 Xi
(avec n = 500). Le nombre de personnes mangeant au deuxième service est
par conséquent 500−Sn (on suppose que tout le monde mange). Le problème
revient donc à trouver k minimal tel que :
P (Sn ≤ k et 500 − Sn ≤ k) ≥ 0.95.
Ce qui s’écrit encore :
P (500 − k ≤ Sn ≤ k) ≥ 0.95. (7.6)
La loi de Sn est la binomiale B(500, 1/2), mais comme n est grand, il est
légitime d’utiliser l’approximation de cette loi par le théorème de De Moivre-
Laplace. Pour ce faire, on normalise Sn en la centrant puis en divisant par
l’écart type. L’espérance et la variance de Sn sont IE Sn = n 21 = 250 et
Var Sn = n( 21 )(1 − 12 ) = 125. On peut écrire (7.6) sous la forme équivalente :

500 − k − 250 ∗ k − 250
P √ ≤ Sn ≤ √ ≥ 0.95.
125 125
√
où Sn∗ = (Sn − 250)/ 125. En négligeant l’erreur d’approximation, le pro-
blème revient à trouver k minimal tel que :

k − 250 250 − k
Φ √ −Φ √ ≥ 0.95.
125 125
3. Ou tout autre ordre fixé à l’avance.
4. Ce ne serait bien sûr pas le cas si on les avait numérotées d’après leur ordre d’arrivée
à la cantine, mais cet ordre est lui même aléatoire et nous l’avons exclu.

En utilisant comme dans l’exemple√précédent la relation Φ(a) − Φ(−a) =

2Φ(a) − 1 avec ici a = (k − 250)/ 125, on est ramené à la résolution de
l’inéquation : 2Φ(a) − 1 ≥ 0.95 équivalente à Φ(a) ≥ 0.975. La table nous
donne Φ(1.96)
√ = 0.9750. On prendra donc pour √k le plus petit entier tel que
(k − 250)/ 125 ≥ 1.96 d’où : k ≥ 250 + 1.96 125 ≈ 271.91. Ainsi il suffit
de prévoir 272 couverts par service pour avoir une probabilité supérieure à
0.95 que chacun puisse manger au service de son choix. On constate qu’en
acceptant un risque faible de surcharge de la cantine, il y a moyen de réaliser
une économie considérable en place et en mobilier.
7.4 Preuve du théorème de De Moivre-Laplace

Nous donnons dans cette section une démonstration du théorème de De
Moivre-Laplace (cas général : p quelconque dans ]0, 1[). Les techniques utili-
sées relèvent uniquement du programme d’analyse du DEUG. Signalons qu’il
existe une démonstration beaucoup plus rapide 5 , basée sur la transformation
de Fourier (cf. cours de Licence).
La preuve que nous proposons n’est pas la démonstration classique. Elle
s’inspire de Feller 6 . En fait nous allons faire un peu plus que prouver le
théorème de De Moivre-Laplace. Nous allons montrer l’existence d’un entier
n0 = n0 (p) et d’une constante C tels que :
P (c ≤ Sn∗ ≤ d) − Φ(d) − Φ(c) ≤ √C ,

∀n ≥ n0 , (7.7)
npq
ce qui prouvera le théorème tout en nous donnant une idée de la vitesse de

convergence 7 . Nous notons dans la suite :
b(k, n, p) = Cnk pk q n−k .
Il s’agit d’étudier le comportement asymptotique de :

X k − np
P (c ≤ Sn∗ ≤ d) = b(k, n, p), où xk = √ . (7.8)
c≤xk ≤d
npq
√
Remarquons que dans cette somme, le nombre de termes (en gros (d−c) npq)
tend vers l’infini avec n, donc k peut très bien tendre vers l’infini avec n, mais
5. Mais moins instructive.
6. W. Feller, An Introduction to Probability Theory and its Applications, Vol. I, ex.
19–21 p. 182 (2e édition).
7. On ne cherchera pas à optimiser la valeur de C, ni même à l’expliciter.

7.4. Preuve du théorème de De Moivre-Laplace
pas n’importe comment. Il doit vérifier une condition du type :

k − np
√ ≤ c0 = max(|c|, |d|). (7.9)

npq
La démonstration se fait en deux temps :
– On cherche un encadrement de b(k, n, p) donnant un équivalent de la
forme (2πnpq)−1/2 exp(−x2k /2) lorsque n tend vers +∞ et k reste as-
treint à la condition (7.9).
– On traite alors le second membre de (7.8) comme une somme de Rie-
mann que l’on approxime par l’intégrale Φ(d) − Φ(c) en contrôlant
l’erreur commise.
7.4.1 Évaluation asymptotique de b(k, n, p)

Notre point de départ est l’évaluation asymptotique du terme central de
la loi binomiale pour laquelle nous renvoyons à l’exercice 3.16 p. 79 dont nous
rappelons les résultats :
Le maximum de b(k, n, p) à n et p fixés est atteint pour k = m défini
comme l’unique entier tel que :
(n + 1)p − 1 < m ≤ (n + 1)p.
Il existe un entier n1 = n1 (p) et une constante c1 tels que
1 c1
∀n ≥ n1 , b(m, n, p) = √ (1 + εn ) avec |εn | ≤ . (7.10)
2πnpq npq
On raccroche l’évaluation asymptotique de b(k, n, p) à celle de b(m, n, p) en
écrivant :
k
Y b(j, n, p)
si k > m, b(k, n, p) = b(m, n, p) , (7.11)
j=m+1
b(j − 1, n, p)
m
Y b(j − 1, n, p)
si k < m, b(k, n, p) = b(m, n, p) . (7.12)
j=k+1
b(j, n, p)
Nous sommes ainsi conduits à la recherche d’un encadrement du quotient :

b(j, n, p) (n + 1 − j)p
= . (7.13)
b(j − 1, n, p) jq
Pour des raisons de simplification calculatoire,
p on « centre » j par (n + 1)p
et on « normalise » en divisant par (n + 1)pq. Pour cela, posons :
j = (n + 1)p + δj et (n + 1)pq = τn2 (τ > 0).

Avec ces notations, on a :

(n + 1 − j)p = (n + 1)p − (n + 1)p2 − pδj = (n + 1)p(1 − p) − pδj = τn2 − pδj .
En reportant dans (7.13), il vient :
b(j, n, p) τ 2 − pδj 1 − puj δj
= n2 = avec uj = . (7.14)
b(j − 1, n, p) τn + qδj 1 + quj τn2
Examinons d’abord le cas où k > m : on a alors j > m et δj > 0 donc uj > 0.
Nous pouvons alors utiliser avec x = quj l’encadrement suivant :
1
∀x > 0, 1−x< < 1 − x + x2 .
1+x
En effet, pour x ≥ 1, cet encadrement est trivial, pour 0 < x < 1, on utilise
le développement (1 + x)−1 = 1 − x + x2 − x3 + · · · en série alternée dont
le terme général décroı̂t en valeur absolue. La somme de la série est donc
encadrée par deux sommes partielles consécutives.
Minoration du quotient :
1 − puj
> (1 − puj )(1 − quj ) = 1 − (p + q)uj + pqu2j > 1 − uj .
1 + quj
Majoration du quotient :
1 − puj
< (1 − puj )(1 − quj + q 2 u2j )
1 + quj
= 1 − (p + q)uj + (pq + q 2 )u2j − pq 2 u3j
< 1 − uj + qu2j
< 1 − uj + u2j .
Nous obtenons ainsi l’encadrement :
b(j, n, p)
Si j > m, 1 − uj < < 1 − uj + u2j . (7.15)
b(j − 1, n, p)
Dans le cas où k < m, on s’intéresse au quotient inverse :
b(j − 1, n, p) 1 + quj
= .
b(j, n, p) 1 − puj
Cette fois uj est négatif. En échangeant les rôles de p et q et en remplaçant
uj par −uj , on est donc ramené au cas précédent, d’où :
b(j − 1, n, p)
Si j < m, 1 + uj < < 1 + uj + u2j . (7.16)
b(j, n, p)

L’étape suivante est d’encadrer les produits figurant dans (7.11) et (7.12).
Pour cela, il est commode d’utiliser le lemme suivant qui procure un enca-
drement de chaque facteur par des exponentielles.
Lemme 7.4
t2
∀t ∈]0, 1[, exp −t − < 1 − t < exp(−t).
2(1 − t)
Preuve : L’inégalité de droite provient de la convexité de la fonction t 7→

e−t : la courbe représentative est toujours au dessus de sa tangente au point
d’abscisse 0 (on peut aussi considérer le développement en série entière de
e−t et remarquer que pour 0 < t < 1, il s’agit d’une série alternée dont le
terme général décroı̂t en valeur absolue. . .).
Pour l’inégalité de gauche, on utilise le développement en série entière :
+∞ k
t2 t3 tk X t
∀t ∈]0, 1[, ln(1 − t) = −t − − − · · · − − · · · = −t − .
2 3 k k=2
k
En minorant chaque dénominateur par 2 dans la série, on exploite la formule

explicite pour la somme d’une série géométrique pour obtenir :
+∞ k
X t t2 t2
< (1 + t + t2 + · · · ) = .
k=2
k 2 2(1 − t)
On en déduit :
t2
∀t ∈]0, 1[, ln(1 − t) > −t − ,
2(1 − t)
et il ne reste plus qu’à prendre l’exponentielle des deux membres.

Notons maintenant que d’après (7.9), uj tend vers 0 comme n−1/2 lorsque
n tend vers +∞ (et même uniformément par rapport à j) : on peut trouver
un entier n2 = n2 (p, c, d) tel que :
1
∀n ≥ n2 , 0 ≤ |uj | ≤ ,
2
pour tous les j concernés par notre démonstration. Si t ∈ [0, 1/2], 1/(1 − t) ≤
2. Combinée à cette remarque, l’application du lemme 7.4 avec t = uj nous
fournit :
∀n ≥ n2 , ∀j > m, exp(−uj − u2j ) < 1 − uj .

Le même lemme avec t = uj − u2j nous donne :
∀n ≥ n2 , ∀j > m, 1 − uj + u2j < exp(−uj + u2j ).
Ces deux inégalités nous permettent de remplacer les bornes de l’encadrement

(7.15) par des exponentielles. On en déduit pour tout n ≥ n2 et tout k > m :
" k k
# k
" k k
#
X X Y b(j, n, p) X X
exp − uj − u2j < < exp − uj + u2j .
j=m+1 j=m+1 j=m+1
b(j − 1, n, p) j=m+1 j=m+1
Évaluation de la somme des uj

La somme des termes d’une progression arithmétique est égale au nombre
de termes multiplié par la moyenne du premier et du dernier. En appliquant
cette règle, puis en centrant par rapport à (n + 1)p, nous obtenons :
k k
X 1 X
uj = 2
j − (n + 1)p
j=m+1
τn j=m+1
1
= (k − m) k + m + 1 − 2(n + 1)p
2τn2
1
= 2
k − (n + 1)p − m − (n + 1)p
2τn

× k − (n + 1)p + m − (n + 1)p + 1
2 2
k − (n + 1)p − m − (n + 1)p k−m
= 2
+
2τn 2τn2
2 2
k − (n + 1)p m − (n + 1)p k−m
= 2
− 2
+ . (7.17)
2τn 2τn 2τn2
2
Comme m − (n + 1)p est majoré par 1, la somme des deux derniers
termes de (7.17) est comprise entre (k − 1 − m)/(2τn2 ) et (k − m)/(2τn2 ). Il
existe donc une constante c2 (par exemple c2 = (1 + c0 )/2) telle que :
2 k 2
k − (n + 1)p c2 X k − (n + 1)p c2
− ≤ uj ≤ + , (7.18)
2τn2 τn j=m+1 2τn2 τn
pour tout n ≥ n2 et tous les k > m vérifiant (7.9).

Majoration de la somme des u2j
A la différence de la somme des uj qui est le terme principal, celle des u2j est

un terme d’erreur. Comme nous voulons seulement avoir une idée de la vi-
tesse de convergence dans le théorème de De Moivre-Laplace, une majoration
grossière nous suffit. On l’obtient en majorant chaque terme de la somme par
le plus grand d’entre eux :
k k
X 1 X 2 (k − m)3
u2j = 4 j − (n + 1)p ≤ .
j=m+1
τn j=m+1 τn4
Il existe une constante c3 (par exemple c3 = (1 + c0 )3 ) telle que pour tout

n ≥ n2 et tous les k > m vérifiant (7.9) :
k
X c3
0≤ u2j ≤ . (7.19)
j=m+1
τn
Posons pour alléger les écritures :

2
k − (n + 1)p
tk = .
τn
De (7.18) et (7.19), on tire :
t2 c + c k t2 c + c
k 2 3
Y b(j, n, p) 2 3
exp − − ≤ ≤ exp − k + . (7.20)
2 τn j=m+1
b(j − 1, n, p) 2 τ n
En combinant (7.10), (7.11) et (7.20), on vérifie facilement qu’il existe

une constante c4 et un entier n3 = n3 (p, c, d) tels que pour tout n ≥ n3 et
tous les k > m vérifiant (7.9) :
2
e−tk /2 c4
b(k, n, p) = √ (1 + ε0n,k ), avec |ε0n,k | ≤ . (7.21)
2πnpq τn
Pour le cas j < m, uj est négatif et on a les mêmes estimations que pour
j > m en remplaçant uj par −uj (en prenant garde que dans l’évaluation de
la somme des uj , le nombre de termes est (m − k) au lieu de (k − m)). On
vérifie ainsi facilement 8 que (7.21) reste valable pour k < m.
Avant de passer à la suite de notre programme, il convient de mettre le
résultat obtenu sous une forme plus commode en revenant à la normalisation
et au centrage traditionnels. Posons :
√ k − np
σn = npq et xk = . (7.22)
σn
8. Pour les courageux et les sceptiques pas encore épuisés. . .s’il en reste.

Notons que 1/τn ≤ 1/σn . On vérifiera à titre d’exercice que :

c5
exp(−t2k /2) = exp(−x2k /2)(1 + ε00n,k ) avec |ε00n,k | ≤ ,
σn
pour n ≥ n4 et tous les k vérifiant (7.9). Le résultat de cette partie peut donc
s’énoncer :
Théorème 7.5
Avec les notations (7.22) ci-dessus, il existe une constante A et un entier
√
n0 = n0 (p, c0 ) tels que pour tout n ≥ n0 et tout k tel que |k − np| ≤ c0 npq :
exp(−x2k /2) A
b(k, n, p) = √ (1 + εn,k ) avec |εn,k | ≤ . (7.23)
σn 2π σn
7.4.2 Sommes de Riemann

Disposant d’une évaluation asymptotique de chaque terme b(k, n, p), nous
pouvons passer à celle de leur somme indexée par la condition :
k − np
c≤ √ ≤ d.
npq
Nous notons respectivement k1 et k2 le plus petit et le plus grand entier

vérifiant cette condition. Nous nous proposons dans cette partie d’évaluer à
l’aide d’une intégrale la somme :
k2
X 1 X
P (c ≤ Sn∗ ≤ d) = b(k, n, p) = f (xk )(1 + εn,k ),
k=k1
σn c≤x ≤d
k
où l’on pose :

1 x2
f (x) = √ exp − .
2π 2
Le nombre de termes dans cette somme est k2 − k1 + 1 qui est majoré par
(d − c)σn + 1. Compte tenu de (7.23), on en déduit :
k2
1 X A (d − c)σn + 1 c6
|εn,k | ≤ 2
≤ .
σn k=k σn σn
1
Par conséquent :
1 X c6
P (c ≤ Sn∗ ≤ d) − f (xk ) ≤ . (7.24)

σn c≤x ≤d σn
k

On est ainsi ramené à l’évaluation de la somme de Riemann de terme géné-

ral σn−1 f (xk ). On considère pour cela σn−1 f (xk ) comme l’aire d’un rectangle
de base [sk , sk+1 ] et de hauteur f (xk ), où les sk constituent un partage de
l’intervalle [c, d] tel que sk+1 − sk = σn−1 et sk ≤ xk ≤ sk+1 pour tout k. A
priori, xk peut être placé n’importe où 9 sur [sk , sk+1 ]. Nous admettrons (cf.
exercice 7.10) que le meilleur choix pour une fonction f de classe C 2 , est de
prendre xk au milieu de [sk , sk+1 ], ce qui revient à poser :
1 1
sk = x k − et sk+1 = xk + (k1 ≤ k ≤ k2 ).
2σn 2σn
Lorsque f est monotone sur [xk−1 , xk+1 ] (ce qui est bien le cas ici sauf peut-
être pour l’un de ces intervalles), il est facile de se convaincre que ce choix
est meilleur que de prendre comme partage la suite des xk elle même (figure
7.10).
f (xk )
xk sk+1 xk sk xk
sk + sk+1
Choix sk = xk Choix xk = Choix sk+1 = xk
2
Fig. 7.10 – Divers choix de sk
Avec notre choix des sk , on a (cf. exercice 7.10) :

1 Z sk+1 1
f (xk ) − f (x) dx ≤ sup |f 00 |.

σn 24σ 3
sk n k ,sk+1 ]
[s
La fonction f 00 est donnée ici par f 00 (x) = (2π)−1/2 (x2 − 1) exp(−x2 /2). Elle
est bornée sur R, le maximum de |f 00 | est atteint en 0 et vaut (2π)−1/2 . Nous
pouvons donc écrire :
k2 Z xk +1/(2σn )
1 X 2
f (xk ) = f (x) dx + ∆n , (7.25)
σn k=k xk1 −1/(2σn )
1
9. Le choix de la position de l’un des xk détermine celle de tous les autres par transla-
tion.

où
1 k2 − k 1 + 1 (d − c)σn + 1 c7
|∆n | ≤ √ × 3
≤ √ ≤ 2. (7.26)
2π 24σn 24 2π σn3 σn
Enfin dans l’évaluation de notre somme de Riemann par Φ(d) − Φ(c), nous
devons tenir compte d’une dernière source d’erreur : les deux termes de bord
générés par la non coı̈ncidence (en général) des bornes c et xk1 − 1/(2σn ) à
gauche et d et xk2 + 1/(2σn ) à droite (cf. figure 7.11). Comme à chaque fois la
distance entre les deux bornes √ concernées n’excède pas 1/(2σn ) et la fonction
f est majorée sur R par 1/ 2π, on contrôle ces deux termes d’erreur par
l’inégalité :
Z c Z d 1
f (x) dx + f (x) dx ≤ √ . (7.27)

xk1 −1/(2σn ) xk2 +1/(2σn ) 2π σn
c x k1 1/σn xk d
Fig. 7.11 – Approximation par Φ(d) − Φ(c)
Conclusion
L’inégalité triangulaire nous permet de déduire de (7.24), (7.25), (7.26) et
(7.27) l’existence d’une constante C et d’un entier n0 = n0 (p, c, d) tels que :
d
exp(−x2 /2)
Z

∗ C
∀n ≥ n0 , P (c ≤ Sn ≤ d) − √ dx ≤ √ . (7.28)

c 2π npq
Ceci achève la preuve du théorème de De Moivre-Laplace.

7.5. Vitesse de convergence
Remarque :
Lorsqu’on applique ce théorème d’un point de vue pratique (i.e. avec n fixé),
on peut éliminer l’erreur due aux termes de bord (7.27) en remplaçant c par
xk1 − 1/(2σn ) et d par xk2 + 1/(2σn ). On peut voir que cela ne change rien
pour Sn∗ , en effet :
1 1 k1 − 1/2 − np Sn − np k2 + 1/2 − np
x k1 − ≤ Sn∗ ≤ xk2 + ⇔ √ ≤ √ ≤ √
2σn 2σn npq npq npq
1 1
⇔ k1 − ≤ Sn ≤ k2 +
2 2
⇔ k 1 ≤ Sn ≤ k 2 ,
puisque Sn ne prend que des valeurs entières. Ce procédé d’approximation

s’appelle correction de continuité.
7.5 Vitesse de convergence

La démonstration du théorème de De Moivre-Laplace nous a permis de
voir 10 que la vitesse de convergence était en O(n−1/2 ), plus précisément nous
avons montré que l’erreur commise en utilisant l’approximation :

b − np a − np
P (a ≤ Sn ≤ b) ' Φ √ −Φ √
npq npq
√
est majorée par C/ npq. Par ailleurs l’évaluation du terme dominant de
la loi binomiale par la formule de Stirling nous montre qu’on ne peut pas
espérer en général avoir une vitesse de convergence meilleure que O(n−1/2 ).
De nombreux travaux de l’école russe du début du siècle ont été consacrés à la
détermination d’une valeur explicite pour la constante C et plus généralement
à la recherche d’un contrôle fin de l’erreur tenant compte des valeurs de p, a et
b. Les calculs sont trop compliqués pour trouver leur place dans ce polycopié.
Nous nous contenterons de présenter sans démonstration des résultats dûs à
Uspensky 11 .
Le résultat le plus fin concerne l’approximation obtenue en effectuant la
« correction de continuité ». Dans cette approximation, chaque probabilité
binomiale P (Sn = k) est représentée graphiquement par le rectangle élémen-
taire de base [k − 1/2, k + 1/2] et de hauteur P (Sn = k). C’est exactement
la convention adoptée sur les figures 7.5 à 7.9 pour représenter la loi de Sn .
10. La lecture de cette section ne présuppose pas celle de la précédente. Il y a donc
forcément quelques redites. . .
11. J. V. Uspensky, Introduction to mathematical probability, McGraw-Hill 1937.

De plus les bornes de variation de Φ sont ajustées de façon à prendre en

compte seulement un nombre entier de ces rectangles (plus de « chutes » aux
bords). La réduction des bornes (en abscisse) du rectangle élémentaire par
√
la transformation t 7→ (t − np)/ npq nous donne comme nouvelles bornes :
√ √
(k − 1/2 − np)/ npq et (k + 1/2 − np)/ npq. Si k1 et k2 sont des entiers,
l’approximation avec correction de continuité s’écrit ainsi :
1 1
P (k1 ≤ Sn ≤ k2 ) = P k1 − ≤ Sn ≤ k2 +
2 2
k1 − 0.5 − np ∗ k2 + 0.5 − np
= P √ ≤ Sn ≤ √
npq npq

k2 + 0.5 − np k1 − 0.5 − np
' Φ √ −Φ √ .
npq npq
Notons pour alléger :

k1 − 0.5 − np k2 + 0.5 − np
z1 = √ , z2 = √ . (7.29)
npq npq
Voici maintenant une évaluation de l’erreur d’approximation pour la correc-

tion de continuité :
Théorème 7.6 (Uspensky)

Si Sn suit la loi binomiale B(n, p) et si npq ≥ 25, alors pour tous entiers k1
et k2 tels que 0 ≤ k1 ≤ k2 ≤ n, on a :
q−p
t2 z2
2
P (k1 ≤ Sn ≤ k2 ) = Φ(z2 ) − Φ(z1 ) + √ (1 − t ) exp − + ε,
6 2πnpq 2 z1
où z1 et z2 sont définis par (7.29) et où le terme complémentaire ε vérifie :
0.13 + 0.18|p − q| 3√
|ε| < + exp − npq . (7.30)
npq 2
√
Le terme d’erreur dominant est en 1/ npq, il se dégrade quand p est proche
de 0 ou de 1 ( q = 1 − p est alors proche de 0).
√
Dans le cas particulier où p = 1/2, le terme en 1/ npq s’annule et l’erreur
d’approximation est en O(1/(npq)). De même si p est quelconque mais z1 =
−z2 (intervalle [k1 , k2 ] symétrique autour de np).
Lorsque l’on n’effectue pas la correction de continuité, les résultats sont
moins bons, mais on a toujours en général un terme d’erreur dominant en
√
1/ npq. Quelques notations supplémentaires sont nécessaires à leur exposi-
tion. Nous souhaitons évaluer P (x1 ≤ Sn∗ ≤ x2 ) pour x1 et x2 réels fixés. Pour

7.5. Vitesse de convergence
x ∈ R, on appelle partie fractionnaire de x le réel θ = x − [x] (où [x] désigne

la partie entière de x, plus grand entier inférieur ou égal à x). On note alors :
√
θ1 la partie fractionnaire de nq − x1 npq, (7.31)
√
θ2 la partie fractionnaire de np − x2 npq. (7.32)
Théorème 7.7 (Uspensky)

Si Sn suit la loi binomiale B(n, p) et si npq ≥ 25, alors pour tous réels x1 et
x2 avec x1 < x2 , on a :
A q−p h 2
i x2
P (x1 ≤ Sn∗ ≤ x2 ) = Φ(x2 )−Φ(x1 )+ √ + √ (1 − t2 )e−t /2 +ε0 ,
2πnpq 6 2πnpq x1
où θ1 et θ2 sont définis par (7.31) et (7.32), A par :

1 x2 1 x2
1
A= − θ1 exp − + − θ2 exp − 2
2 2 2 2
et le terme ε0 est majoré par :
0.20 + 0.25|p − q| 3√
|ε0 | < + exp − npq . (7.33)
npq 2
On peut faire des commentaires analogues à ceux qui suivent le théorème
7.6. Il est intéressant de déduire du théorème 7.7 une majoration uniforme
√
(par rapport à x1 et x2 ) de l’erreur d’approximation du type C/ npq. Ceci
permet de se faire rapidement une première idée et de voir s’il y a lieu d’affiner
l’approximation à l’aide de l’un des résultats ci-dessus.
Corollaire 7.8 (Majoration uniforme de l’erreur)

Si npq ≥ 25, pour tous réels x1 < x2 ,
0.588
P (x1 ≤ Sn∗ ≤ x2 ) − Φ(x2 ) − Φ(x1 ) ≤ √ .
npq
Preuve : Comme θ1 et θ2 sont dans [0, 1[, il est clair que |A| ≤ 1. D’autre
2
part l’étude des variations de la fonction t 7→ (1 − t2 )e−t /2 montre que sur
−1.5
R son maximum est √ en t = 0) et son minimum −2e
√ 1 (atteint > −0.4463
(atteint en t = − 3 et t = 3). On a donc :
i
q−p h
√ 2 −t ≤ √ 1 1 +√
2 /2 x2 0.4463
6 2πnpq (1 − t )e x1
npq 6 2π
.

√
Par hypothèse, npq ≥ 5, d’où :
0.20 + 0.25|p − q| 1 0.45 0.09

≤√ =√ .
npq npq 5 npq
Enfin, pour le dernier terme, on écrit :

3√ 1 √ 3√ 1
sup xe−3x/2 .

exp − npq = √ npq exp − npq ≤√
2 npq 2 npq x≥5
L’étude des variations de la fonction x 7→ xe−3x/2 montre qu’elle est décrois-

sante et positive sur [2/3, +∞[, le supremum ci-dessus est donc atteint en
x = 5 et vaut 5e−7.5 < 0.0028. Finalement en rassemblant toutes ces majora-
√
tions partielles, on voit que l’on a bien un majorant du type C/ npq et que
l’on peut prendre :
1 1.4463
C=√ 1+ + 0.09 + 0.0028 < 0.5880.
2π 6
Exemple 7.3 (suite de l’exemple 7.1)

On lance 3600 fois un dé et on s’intéresse à la probabilité que le nombre
d’apparitions du 1 soit compris strictement entre 540 et 660. D’après l’ap-
proximation gaussienne utilisée à l’exemple 7.1, cette probabilité vaut environ
0.9926. D’autre part, l’inégalité de Tchebycheff nous dit qu’elle est certaine-
ment supérieure à 0.86. On voudrait savoir si l’approximation gaussienne
donne réellement un meilleur résultat.
D’après le corollaire 7.8, l’erreur ∆ commise en faisant l’approximation est
majorée par :
0.588 0.588
∆≤ √ =√ < 0.0263.
npq 500
On peut donc affirmer que
P (540 < Sn < 660) ≥ 0.9926 − 0.0263 > 0.9662
(en diminuant d’une unité le quatrième chiffre après la virgule pour prendre
en compte la précision de 10−4 dans la table des valeurs de Φ). L’approxi-
mation gaussienne donne donc bien un meilleur résultat que l’inégalité de
Tchebycheff.

7.6. Exercices
7.6 Exercices
Ex 7.1. Un calcul d’intégrale
1) Montrer la convergence de l’intégrale généralisée :
Z +∞ x2
I= exp − dx.
0 2
2) Vérifier que :
Z +∞ Z +∞ (x2 + y 2
2
I = exp − dx dy.
0 0 2
3) Calculer cette intégrale double en passant en coordonnées polaires.

Z +∞ x2
1
√ exp − dx = 1.
−∞ 2π 2
Ex 7.2. Comment construire la table des valeurs de Φ

Utiliser le lemme sur l’évaluation de la queue de la loi normale pour
donner une méthode pratique de construction d’une table des valeurs de Φ
avec une précision au moins égale à 10−d . Indication : On considérera le
développement en série de Taylor de la densité gaussienne standard sur un
intervalle compact [−a, +a] convenablement choisi et on remarquera qu’il
s’agit d’une série alternée. Il est donc facile d’encadrer les sommes partielles
et de majorer l’erreur commise en remplaçant la série par l’une de ses sommes
partielles. On est ainsi ramené à un calcul de polynôme.
Ex 7.3. Trouver un entier k tel qu’avec une probabilité d’environ 0.5 le

nombre de faces obtenues en 1000 lancers d’une pièce soit compris au sens
large entre 490 et k.
Ex 7.4. Un central téléphonique dessert 5000 abonnés. A un instant donné,

chaque abonné a une probabilité égale à 2 % d’utiliser son téléphone et les
appels des abonnés sont supposés indépendants. Quel nombre minimal d’ap-
pels doit pouvoir traiter simultanément le central pour que sa probabilité
d’être saturé à un instant donné soit inférieure à 2.5 % ?
Ex 7.5. Surréservation aérienne

Il arrive assez souvent que le nombre de réservations pour une liaison aé-
rienne soit supérieur au nombre de passagers se présentant effectivement le

jour du vol. Cela est dû à des empêchements imprévisibles de certains pas-
sagers et à une politique systématique de certains d’entre eux qui réservent
des places sur plusieurs vols de façon à choisir au dernier moment celui qui
leur convient le mieux (en raison de la concurrence, les compagnies ne péna-
lisent pas les clients qui se désistent et ne font payer effectivement que ceux
qui embarquent). Pour compenser ce phénomène, une compagnie aérienne
exploitant un avion de 300 places décide de faire de la surréservation (sur-
booking) en prenant pour chaque vol un nombre n > 300 de réservations. S’il
se présente plus de 300 passagers à l’embarquement, les 300 premiers arrivés
prennent leur vol et les autres sont dédommagés financièrement.
1) On considère que les passagers sont mutuellement indépendants et
que la probabilité de désistement de chacun d’eux est 10%. On note n le
nombre de réservations prises par la compagnie pour un vol donné et Sn le
nombre (aléatoire) de passagers se présentant à l’embarquement pour ce vol.
Donner la loi de Sn , IE Sn et Var Sn .
2) Le directeur commercial de la compagnie aimerait connaı̂tre la valeur
maximale de n telle que : P (Sn ≤ 300) ≥ 0.99. En utilisant le théorème de
De Moivre-Laplace, proposez une solution approchée de ce problème.
Ex 7.6. Une entreprise de vente par correspondance envoie un lundi 2100
colis. La probabilité qu’un colis soit distribué le lendemain est 0.7, celle qu’il
soit retourné pour erreur d’adresse est de 0.001. On note X le nombre de
colis distribués le lendemain et Y le nombre de colis retournés pour erreur
d’adresse.
1) Donner la loi exacte, l’espérance et la variance de X. Même question
pour Y .
2) Proposer une valeur approchée de la probabilité P (1358 ≤ X ≤ 1442)
en expliquant soigneusement la méthode utilisée.
3) Par quelle loi discrète classique peut-on approcher la loi de Y ? Uti-
liser cette approximation pour évaluer P (Y ≥ 4).
Ex 7.7. Un modèle simple pour le mélange de deux gaz
Un récipient hermétique de 2 litres est séparé en deux parties symétriques
« gauche » et « droite » par une cloison hermétique munie d’une vanne à large
ouverture. La vanne étant fermée, la partie gauche du récipient contient au
départ 1 litre d’oxygène et sa partie droite 1 litre d’azote le tout à la pression
atmosphérique. On ouvre la vanne de la cloison intermédiaire et on laisse
s’effectuer le mélange, puis au bout d’un temps suffisant on ferme la vanne.
On mesure alors la proportion d’azote et d’oxygène dans la partie gauche et
on constate expérimentalement qu’elles sont égales. Le but de cet exercice
est l’étude d’un modèle simple permettant de prévoir ce phénomène.

7.6. Exercices
Les molécules étant agitées d’un mouvement incessant, on suppose qu’après

fermeture de la vanne, chaque molécule a une probabilité 1/2 de se trouver
dans la partie gauche du récipient. On dispose de n molécules d’oxygène et
n d’azote. On indexe les molécules d’oxygène de 1 à n et celles d’azote de
n + 1 à 2n. On note Xi la variable de Bernoulli indicatrice de l’événement la
i-ème molécule se trouve dans la partie gauche après fermeture de la vanne.
On suppose les Xi indépendantes. On pose :
n
X 2n
X
Sn = Xi , Tn = Xi .
i=1 i=n+1
La variable Sn est donc le nombre aléatoire de molécules d’oxygène et Tn

celui des molécules d’azotes dans la partie gauche après fermeture.
1) Quelle est la loi exacte de Sn , son espérance et sa variance (en fonction
de n) ? On a clairement les mêmes résultats pour Tn .
2) Soit x > 0 un nombre fixé. On considère l’événement
n n x√ n x√ o
A= − n ≤ Sn ≤ + n .
2 2 2 2
En utilisant le théorème de De Moivre-Laplace, montrer que l’on peut ap-

proximer P (A) par 2Φ(x) − 1 où Φ est la fonction de répartition de la loi
normale N (0, 1). On a bien sûr le même résultat pour P (B), avec
n n x√ n x√ o
B= − n ≤ Tn ≤ + n .
2 2 2 2
√
3) On suppose désormais que n−x n > 0. On s’intéresse à l’événement
n n − x√n Tn
√
n+x n o
C= √ ≤ ≤ √ .
n+x n Sn n−x n
Montrer que A ∩ B ⊂ C.
4) En négligeant l’erreur due à l’approximation gaussienne, proposer à
l’aide de Φ(x) une majoration de P (Ac ∪ B c ). En déduire une minoration de
P (C). On exprimera simplement le résultat final en fonction de la quantité
R(x) = (1 − Φ(x)).
5) Application numérique : n = 1022 , x = 10. On utilisera la formule
d’encadrement de 1 − Φ(x) pour les « très grandes valeurs de x » fournie à
la fin des tables. Commentez le résultat obtenu.

Ex 7.8. Une compagnie d’assurances assure sur une année n personnes

contre un certain risque. On note Xi la somme qu’aura à verser cette année
la compagnie au i-ème client. C’est une variable aléatoire qui prend la valeur
0 lorsque le client n’est pas sinistré. On peut en général considérer que les va-
riables aléatoires X1 , . . . Xn sont indépendantes. Supposons qu’elles obéissent
toutes à une même loi d’espérance mathématique µ et de variance σ 2 . Soit x
la prime demandée à chacun des n clients. Comment la compagnie doit-elle
fixer x pour qu’avec une probabilité supérieure à 1 − ε la différence entre
l’encaissement des primes et les remboursements sur l’année reste supérieure
à un montant b déterminé par ses frais de gestion et le bénéfice minimum
qu’elle désire faire ?
Ex 7.9. Montrer que le théorème de De Moivre-Laplace implique la loi

faible des grands nombres pour les fréquences. Indication : pour ε > 0 fixé,
contrôler l’erreur commise écrivant l’ approximation :
S r r
n
n n
P − p ≤ ε ' Φ ε − Φ −ε .

n pq pq
Ex 7.10. Sur l’approximation d’une somme de Riemann
Soit f une fonction deux fois continûment dérivable sur un intervalle [a, b] et
(sk ) un partage quelconque de [a, b]. Soit xk ∈ [sk , sk+1 ].
1) Montrer qu’en général on a :
Z sk+1
1 c
f (xk ) − f (x) dx ≤ .

sk+1 − sk (sk+1 − sk )2

sk
2) Lorsque xk est le milieu du segment [sk , sk+1 ] :

Z sk+1
1 mk
f (x ) − f (x) dx ≤ ,

k
sk+1 − sk 24(sk+1 − sk )3

sk
où mk est le maximum de |f 00 | sur [sk , sk+1 ].

Indication : utiliser la formule de Taylor-Lagrange.
Ex 7.11. En reprenant l’exemple 7.3, donner une majoration plus fine de

l’erreur d’approximation.
Ex 7.12. Retour sur le problème des deux dés

1) Combien de fois faut-il lancer une paire de dés pour qu’avec une pro-
babilité supérieure à 0.999, la fréquence d’apparition du double six soit plus
proche de 1/36 que de 1/21 ? (On supposera que la probabilité d’obtention
d’un double six est effectivement 1/36. . .).

7.6. Exercices
2) Reprendre la même question en supposant que la probabilité d’appa-

rition du double six est 1/21.
3) Définir et discuter une procédure permettant de répondre expérimen-
talement à la question posée à la fin du chapitre 1.

Table des valeurs de Φ (loi normale standard)
Φ(x)
x t
x 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0.0 0.5000 0.5040 0.5080 0.5120 0.5160 0.5199 0.5239 0.5279 0.5319 0.5359
0.1 0.5398 0.5438 0.5478 0.5517 0.5557 0.5596 0.5636 0.5675 0.5714 0.5754
0.2 0.5793 0.5832 0.5871 0.5910 0.5948 0.5987 0.6026 0.6064 0.6103 0.6141
0.3 0.6179 0.6217 0.6255 0.6293 0.6331 0.6368 0.6406 0.6443 0.6480 0.6517
0.4 0.6554 0.6591 0.6627 0.6664 0.6700 0.6736 0.6772 0.6808 0.6844 0.6879
0.5 0.6915 0.6950 0.6985 0.7019 0.7054 0.7088 0.7122 0.7156 0.7190 0.7224
0.6 0.7257 0.7291 0.7324 0.7356 0.7389 0.7421 0.7454 0.7486 0.7517 0.7549
0.7 0.7580 0.7611 0.7642 0.7673 0.7703 0.7734 0.7764 0.7793 0.7823 0.7852
0.8 0.7881 0.7910 0.7939 0.7967 0.7995 0.8023 0.8051 0.8079 0.8106 0.8133
0.9 0.8159 0.8186 0.8212 0.8238 0.8264 0.8289 0.8315 0.8340 0.8365 0.8389
1.0 0.8414 0.8438 0.8461 0,8485 0.8508 0.8531 0.8554 0.8577 0.8599 0.8622
1.1 0.8643 0.8665 0.8687 0.8708 0.8729 0.8749 0.8770 0.8790 0.8810 0,8830
1.2 0.8849 0.8869 0.8888 0.8907 0.8925 0.8944 0.8962 0.8980 0.8997 0.9015
1.3 0.9032 0.9049 0.9066 0.9083 0.9099 0.9115 0.9131 0.9147 0.9162 0.9177
1.4 0.9193 0.9207 0.9222 0.9236 0.9251 0.9265 0.9279 0.9292 0.9306 0.9319
1.5 0.9332 0.9345 0.9357 0.9370 0.9382 0.9394 0.9406 0.9418 0.9429 0.9441
1.6 0.9452 0.9463 0.9474 0.9485 0.9495 0.9505 0.9515 0.9525 0.9535 0.9545
1.7 0.9554 0.9564 0.9573 0.9582 0.9591 0.9599 0.9608 0.9616 0.9625 0.9633
1.8 0.9641 0.9648 0.9656 0.9664 0.9671 0.9678 0.9686 0.9693 0.9699 0.9706
1.9 0.9713 0.9719 0.9726 0.9732 0.9738 0.9744 0.9750 0.9756 0.9761 0.9767
2.0 0.9772 0.9778 0.9783 0.9788 0.9793 0.9798 0.9803 0.9808 0.9812 0.9817
2.1 0.9821 0.9826 0.9830 0.9834 0.9838 0.9842 0.9846 0.9850 0.9854 0.9857
2.2 0.9861 0.9864 0.9868 0.9871 0.9874 0.9878 0.9881 0.9884 0.9887 0.9890
2.3 0.9893 0.9895 0.9898 0.9901 0.9903 0.9906 0.9909 0.9911 0.9913 0.9916
2.4 0.9918 0.9920 0.9922 0.9924 0.9926 0.9928 0.9930 0.9932 0.9934 0.9936
2.5 0.9938 0.9940 0.9941 0.9943 0.9944 0.9946 0.9948 0.9949 0,9951 0.9952
2.6 0.9953 0.9955 0.9956 0.9957 0.9958 0.9960 0.9961 0.9962 0.9963 0.9964
2.7 0.9965 0.9966 0.9967 0.9968 0.9969 0.9970 0.9971 0.9972 0.9973 0.9974
2.8 0.9974 0.9975 0.9976 0.9977 0.9977 0.9978 0.9979 0.9979 0.9980 0.9981
2.9 0.9981 0.9982 0.9982 0.9983 0.9984 0.9984 0.9985 0.9985 0.9986 0.9986

7.6. Exercices
Table pour les grandes valeurs de x
x 3.0 3.1 3.2 3.3 3.4 3.5 3.6 3.8 4.0 4.5
Φ(x) 0.99865 0.99904 0.99931 0.99952 0.99966 0.99976 0.999841 0.999928 0.999968 0.999997
La table donne les valeurs de Φ(x) pour x

positif. Lorsque x est négatif, on utilise la y
relation
Φ(x) = 1 − Φ(−x)
qui résulte de la parité de la densité gaus-

sienne N (0, 1). Exemple : pour x = −1, 8, x −x t
on trouve : Φ(x) = 1 − 0, 9641 = 0, 0359.


Chapitre 8
Variables aléatoires réelles
8.1 Sortie du cadre discret
Le théorème de De Moivre-Laplace nous a montré que pour la variable

aléatoire discrète Sn∗ , à la limite, les probabilités P (a < Sn∗ ≤ b) devenaient
Rb
des intégrales a f0,1 (t) dt. De même la fonction de répartition Fn∗ de Sn∗
tend vers la fonction continue Φ qui a toutes les propriétés d’une fonction de
répartition (croissance de 0 à 1 sur ]−∞, +∞[, continuité à droite et limites à
gauche en tout point) sauf les discontinuités. Il est alors bien tentant d’élargir
notre définition des variables aléatoires pour pouvoir dire que Φ estR la fonction
b
de répartition d’une variable aléatoire Z et que P (a < Z ≤ b) = a f0,1 (t) dt.
Avant de succomber définitivement à cette tentation, nous allons examiner
d’autres exemples assez naturels de convergence de fonctions de répartition
de variables discrètes vers des fonctions croissantes continues.
Convergence de lois uniformes confinées dans [0, 1].
Pour n ≥ 2, considérons une variable aléatoire Un de loi uniforme sur
l’ensemble {1/n, 2/n, . . . , n/n}. Soit Fn sa fonction de répartition. C’est la
fonction en escalier nulle sur ] − ∞, 1/n[, valant 1 sur [1, +∞[ et avec sauts
d’amplitude 1/n aux points k/n (1 ≤ k ≤ n). On a clairement Fn (k/n) = k/n
et pour tout x ∈ [0, 1[, on a un unique k entre 1 et n tel que (k − 1)/n ≤ x <
k/n et Fn (x) = (k − 1)/n. On a ainsi
1
∀x ∈ [0, 1[, Fn (x) ≤ x < Fn (x) + ,
n
d’où 0 ≤ x − Fn (x) < 1/n. Si nous faisons tendre n vers +∞, ceci montre
que Fn (x) converge (uniformément) sur [0, 1[ vers x. Comme Fn est constante
égale à 0 sur ] − ∞, 0[ et constante égale à 1 sur [1, +∞[, Fn converge sur
187
Chapitre 8. Variables aléatoires réelles
tout R vers la fonction continue F définie par


 0 si −∞ < x < 0,
F (x) = x si 0 ≤ x ≤ 1,
1 si 1 < x < +∞.

À nouveau F a toutes les propriétés d’une fonction de répartition, sauf les

sauts.
L’exemple que nous venons d’étudier semble à première vue assez artifi-
ciel. Il est pourtant relié à un problème essentiel : comment choisir au hasard
un nombre réel entre 0 et 1 ? ou encore un point d’un segment ? ou encore
construire un générateur de nombres aléatoires pour les simulations informa-
tiques ? En pratique, on écrit les nombres sous forme décimale (ou binaire).
Choisir un réel au hasard revient ainsi à choisir la suite de ses chiffres déci-
maux. Et bien sûr comme il est impossible d’écrire une infinité de chiffres, on
se contente d’une approximation en tronquant au-delà d’un certain rang m.
On considèrera donc une variable aléatoire Un comme ci-dessus avec n = 10m .
Voici une façon complètement élémentaire de générer une telle variable. Dans
une urne contenant dix boules numérotées de 0 à 9, on effectue m tirages avec
remise. Notons Yi le chiffre sorti au i-ème tirage. Posons pour n = 10m
m
X Yi (ω)
Un (ω) = Vm (ω) := .
i=1
10i
Ce modèle a déjà été discuté au chapitre 6 (section 6.5). On y a déjà vu que

Vm suit la loi uniforme sur l’ensemble des décimaux Dm := {k/10m ; 0 ≤ k ≤
10m }. D’après ce qui précède 1 , sa fonction de répartition converge vers F . Il
n’est pas difficile ici d’imaginer ce que pourrait bien être une variable aléatoire
(généralisée) ayant pour fonction de répartition F . Il suffit de remarquer que
la série
+∞
X Yi (ω)
U (ω) :=
i=1
10i
converge pour tout ω vers un réel de [0, 1] puisque le terme général est compris
entre 0 et 9/10i .
Convergence de lois géométriques par changement d’échelle de temps.
Nous avons vu au chapitre 3 que le temps d’attente du premier succès
dans une suite d’épreuves répétées indépendantes suit une loi géométrique.
L’expression « temps d’attente » est ici relative à l’horloge intrinsèque de
1. En adaptant l’exemple précédent avec une loi uniforme sur {0/n, 1/n, . . . n/n} et en
considérant la sous-suite (Fn0 ), où n0 = 10m .

8.1. Sortie du cadre discret
l’expérience dont l’unité de temps est la durée d’une épreuve. Par exemple
si l’on fait des tirages avec remise d’une boule dans une urne contenant des
boules vertes et des rouges, le numéro du tirage où l’on sort pour la première
fois une boule verte est assimilé à la durée de l’attente de ce premier succès 2 .
Envisageons maintenant une situation où le temps d’attente a un sens plus
physique. Par exemple l’attente du premier éclair d’un orage, celle du premier
tremblement de terre de l’année, de la première désintégration d’atome dans
un accélérateur de particules,. . .On dispose d’une horloge H0 pour mesurer
ce temps d’attente. La durée observée sera toujours un multiple entier de la
plus petite durée u0 mesurable par l’horloge H0 . On découpe alors le temps
en intervalles [0, u0 [, [u0 , 2u0 [, [2u0 , 3u0 [, etc. Si l’évènement que l’on attend
se produit pour la première fois dans l’intervalle de temps [ku0 , (k + 1)u0 [,
son temps d’attente mesuré par notre horloge aura été ku0 . Si l’on remplace
H0 par une horloge dix fois plus précise H1 , la plus petite unité de temps
mesurable sera u1 = u0 /10 et le temps d’attente observé sera l’un des 10
nombres 10ku1 , (10k + 1)u1 , . . ., (10k + 9)u1 . . .
Pour fixer les idées, imaginons que l’on attende le premier éclair lors
d’un orage. Prenons comme unité de départ u0 = 1 seconde et notons A[s,t[ ,
l’évènement « il n’y a pas d’éclair pendant l’intervalle [s, t[ ». On suppose
ici que s et t sont des réels (0 ≤ s < t) mesurant le temps en secondes
avec une précision infinie, ce qui est évidemment inaccessible à l’expérience.
Nous ferons les hypothèses suivantes (analogues aux hypothèses (a) et (b))
du théorème 3.14) :
(a) Les A[s,t[ indexés par des intervalles de temps disjoints sont indépen-
dants ;
(b) Pour tout réels 0 ≤ s < t, P (A[s,t[ ) ne dépend que de la durée t − s.
Autrement dit, il existe une fonction h : R+ → [0, 1] telle que P (A[s,t[ ) =
h(t − s).
Soit X0 le temps d’attente du premier éclair mesuré par l’horloge H0 . La
variable aléatoire discrète X0 prend ses valeurs dans N. Pour trouver sa loi,
on remarque d’abord que p0 := P (X0 = 0) = P (Ac[0,1[ ) = 1 − h(1). Ensuite
pour k ∈ N∗ , la décomposition
k
{X0 = k} = ∩ A[i−1,i[ ∩ Ac[k,k+1[
i=1
combinée avec les hypothèses d’indépendance (a) et de stationnarité (b) nous

donne en posant q0 = h(1) = 1 − p0 :
P (X0 = k) = q0k p0 . (8.1)
2. Ceci suppose implicitement que tous les tirages ont la même durée. D’ailleurs, même
si ce n’est pas le cas, il suffit d’imaginer un observateur qui n’aurait pas d’autre moyen de
mesurer le temps que de compter le nombre de tirages, d’où le nom d’horloge intrinsèque. . .

Cette loi ressemble à la loi géométrique (à une translation près : 1 + X0 suit
la loi géométrique de paramètre p0 ). On suppose désormais que q0 est stric-
tement inférieur à 1 et strictement positif. Comme pour la loi géométrique,
il est facile dévaluer la queue de la loi de X0 . En effet, pour tout entier k, on
a
+∞ +∞
X j k+1
X p0
P (X0 > k) = q0 p 0 = q0 p 0 q0i = q0k+1 = q0k+1 .
j=k+1 i=0
1 − q0
On en déduit que pour tout x ∈ R+ ,

[x]+1
P (X0 > x) = P (X0 > [x]) = q0 , (8.2)
où l’on a noté [x] la partie entière de x, c’est-à-dire l’unique entier k tel que
k ≤ x < k + 1.
Maintenant, supposons que l’on dispose d’une suite d’horloges (ou chrono-
mètres) Hn où la plus petite unité de temps mesurable par Hn est un = 10−n
secondes. Notons Xn le temps d’attente du premier éclair mesuré par cette
horloge dans l’unité un . Notons Yn ce même temps d’attente converti en se-
condes. Par exemple avec n = 3, si l’on observe X3 (ω) = 5 347 millièmes de
seconde, on aura Y3 (ω) = 5,347, X2 (ω) = 534, Y2 (ω) = 5,34, X1 (ω) = 53,
Y1 (ω) = 5,3, et X0 (ω) = Y0 (ω) = 5. Il est clair que pour trouver la loi de Xn ,
il suffit de remplacer dans (8.1), q0 par qn = h(10−n ) et p0 par pn = 1 − qn .
D’autre part la relation entre h(1) et h(10−n ) découle immédiatement de la
décomposition
10n
A[0,1[ = ∩ A[(i−1)10−n ,i10−n [ .
i=1
n
On obtient donc h(1) = h(10−n )10 . Pour alléger les écritures, notons h(1) =
exp(−a), ce qui est toujours possible avec un paramètre a > 0 puisque 0 <
h(1) < 1. Avec cette notation, qn = h(10−n ) = exp(−a10−n ).
Comment se comporte la fonction de répartition de Yn lorsque n tend vers
l’infini ? En utilisant (8.2) avec qn à la place de q0 , on obtient :
n x]+1
P (Yn > x) = P (Xn > 10n x) = qn[10 = exp −a10−n ([10n x] + 1) .

Grâce à l’encadrement y − 1 < [y] ≤ y valable pour tout réel y, on voit que
10n x [10n x] + 1 10n x + 1

< ≤ ,
10n 10n 10n
ce qui se simplifie en x < 10−n ([10n x]+1) ≤ x+10−n et assure la convergence
de P (Yn > x) vers exp(−ax).

8.2. Notion de variable aléatoire réelle
On en déduit immédiatement que la fonction de répartition de Yn converge

en tout point x vers

0 si x ≤ 0,
F (x) =
1 − e−ax si x > 0.
À nouveau F a toutes les propriétés d’une fonction de répartition, sauf les

sauts.
8.2 Notion de variable aléatoire réelle

Dans l’observation d’une grandeur physique X (longueur, aire, volume,
temps, intensité de courant,. . .), il est impossible pratiquement d’avoir une
précision infinie. Dans ces conditions, attribuer une valeur précise X = x (x
étant un réel) signifie implicitement que la vraie valeur de X est dans un
petit intervalle contenant x et dont la longueur dépend de la précision de
l’appareil de mesure dont on dispose. Dans le même ordre d’idées, on peut
remarquer que dans les exemples de convergence de fonctions de répartition
vus en introduction, les probabilités de valeurs ponctuelles s’annulent à la
limite. Il n’en va pas de même pour les probabilités d’intervalles. Pour gé-
néraliser la théorie des variables aléatoires discrètes que nous avons étudiée
jusqu’à présent, il apparaı̂t donc pertinent de ne pas baser cette théorie sur
les probabilités du type P (X = x) mais plutôt sur les P (X ∈ I) où I est un
intervalle. La définition ci-dessous est donc motivée par la nécessité d’attri-
buer de façon cohérente une probabilité aux ensembles {ω ∈ Ω; X(ω) ∈ I}.
Définition 8.1 Soit (Ω, F, P ) un espace probabilisé. On appelle variable

aléatoire réelle sur (Ω, F, P ) toute application X :
X : Ω −→ R ω 7→ X(ω),
vérifiant la condition :
(i) Pour tout intervalle I de R, l’ensemble A = {ω ∈ Ω, X(ω) ∈ I}
appartient à la famille F d’événements auxquels on peut attribuer une
probabilité par P .
Cette définition a un contenu plus riche qu’il n’y paraı̂t. Par exemple si X est
une variable aléatoire réelle, {X ∈
/ [0, 1]} est dans F puisque F est stable par
passage au complémentaire. De même {X ∈] − 3, 1] ou X ∈]4, 5]} est dans
F puisque F est stable par union dénombrable, donc a fortiori par union

finie. Plus généralement, on peut montrer que si BR est la plus petite famille
contenant tous les intervalles de R et telle que 3
(a) R ∈ BR ;
(b) BR est stable par passage au complémentaire dans R ;
(c) BR est stable par union dénombrable ;
alors pour tout B ∈ BR , X −1 (B) est dans F. On peut donc attribuer une
probabilité à {X ∈ B}.
Cette famille BR s’appelle tribu borélienne de R. Il se trouve qu’il existe
des parties de R qui ne sont pas dans BR . La situation est donc plus complexe
que pour une variable aléatoire discrète Y où Y −1 (B) ∈ F pour tout B ⊂
R. Cette propriété des variables aléatoires discrètes repose sur le fait que
l’ensemble des valeurs possibles Y (Ω) est dénombrable. Pour une variable
aléatoire réelle, en général on ne dispose plus de cette hypothèse. Bien sûr,
les variables aléatoires discrètes sont aussi des variables aléatoires réelles.
Les propriétés (a)–(c) sont les mêmes que celles attribuées à la famille
d’évènements observables F lors de la définition 1.1 de l’espace probabilisé
(Ω, F, P ) mais avec R à la place de Ω. On peut alors définir la loi de X
comme dans le cas d’une variable discrète (cf. la définition 3.2) mais avec BR
au lieu de P(R).
Définition 8.2 Soit X une variable aléatoire réelle sur (Ω, F, P ). On lui
associe la fonction d’ensembles PX définie sur la famille BR de parties de R
en posant :
PX (B) = P (X ∈ B) = P ({ω ∈ Ω; X(ω) ∈ B} = P X −1 (B) .

La fonction d’ensembles PX ainsi définie est une probabilité sur BR . On l’ap-

pelle loi de la variable aléatoire X.
Pour légitimer cette définition, il nous faut vérifier que la fonction d’ensembles
PX est bien une probabilité sur BR . En effet, PX (R) = P (Ω) = 1. De plus si
(Bi )i∈N est une suite de parties de R éléments de BR et deux à deux disjointes,
on voit aisément que

X −1 ∪ Bi = {ω ∈ Ω; X(ω) ∈ ∪ Bi } = ∪ {ω ∈ Ω; X(ω) ∈ Bi }.
i∈N i∈N i∈N
3. Plus petite au sens de l’inclusion, ce qui signifie que BR est une sous-famille de toute
autre famille B 0 contenant les intervalles et ayant les trois propriétés (a)–(c).

8.2. Notion de variable aléatoire réelle
Comme les évènements {X ∈ Bi } sont deux à deux disjoints, la σ-additivité

de PX découle alors de celle de P :

∪ Bi = P X −1 ∪ Bi −1
PX = P ∪ X (Bi )
i∈N i∈N i∈N
X
P X −1 (Bi )

=
i∈N
X
= PX (Bi ).
i∈N
Théorème 8.3 Soit X une variable aléatoire réelle.

(a) Sa loi PX est caractérisée par les probabilités d’intervalles

PX (]a, b]) = P X ∈]a, b] , a, b ∈ R.
(b) Elle est aussi caractérisée par la fonction de répartition FX : R →

[0, 1] définie par
FX (x) = PX (] − ∞, x]) = P (X ≤ x), x ∈ R.
La conséquence pratique de ce théorème est que pour montrer que deux va-
riables aléatoires X et Y ont même loi, il suffit de montrer que pour tous
réels a ≤ b, P (X ∈]a, b]) = P (Y ∈]a, b]) ou que X et Y ont même fonction
de répartition. La caractérisation (a) revient à dire que deux probabilités (au
sens fonctions d’ensembles) sur BR qui coı̈ncident sur la famille des intervalles
de R sont égales. C’est un résultat qui sera vu en Licence et que nous admet-
tons. La caractérisation (b) découle alors facilement de (a) en remarquant
que P (X ∈]a, b]) = FX (b) − FX (a).
Théorème 8.4 La fonction de répartition FX d’une variable aléatoire réelle

X est croissante sur R, continue à droite et limitée à gauche en tout point.
Elle tend vers 0 en −∞ et vers 1 en +∞.
Preuve : La démonstration est essentiellement la même que celle du théo-

rème 3.4. L’adaptation est laissée au lecteur.
Signalons enfin que le théorème 8.4 a la réciproque suivante.
Théorème 8.5 Soit F une fonction définie et croissante sur R. On suppose

de plus que F est continue à droite et limitée à gauche en tout point et qu’elle
tend vers 0 en −∞ et vers 1 en +∞. Alors il existe une espace probabilisé
(Ω, F, P ) et une variable aléatoire réelle X définie sur cet espace et ayant F
pour fonction de répartition.

La preuve complète de ce théorème relève elle aussi du programme de Licence.

Le schéma de preuve est le suivant. On prend Ω = R, F = BR et pour X
l’application identité de R. On commence par définir P sur la famille I des
intervalles de la forme ]a, b] en posant P (]a, b]) := F (b) − F (a). La difficulté
est de prouver que P se prolonge à toute la famille BR . . .
8.3 Variables à densité

8.3.1 Densité
La loi d’une variable aléatoire X est à densité f si pour tout intervalle de
R, la probabilité d’appartenance de X à cet intervalle peut s’écrire comme
l’intégrale de f sur cet intervalle. L’apparente simplicité de cette définition
informelle est trompeuse. Dans le cadre du programme de DEUG, la seule
notion d’intégrale que l’on connaisse est celle de Riemann et il se trouve
qu’elle n’est pas totalement satisfaisante pour les besoins de la théorie des
probabilités. Nous nous contenterons donc d’une définition susceptible de
réinterprétation ultérieure.
Définition 8.6 Une fonction f : R → R est appelée densité de probabilité si

elle est positive (en tout point t ∈ R où elle est définie, f (t) ≥ 0), intégrable
sur R et si Z +∞
f (t) dt = 1. (8.3)
−∞
Définition 8.7 La variable aléatoire réelle X suit la loi de densité f si :

Z b
∀a ∈ R, ∀b ≥ a, P (X ∈]a, b]) = f (t) dt. (8.4)
a
Il est clair d’après cette définition que si Y est une autre variable aléatoire
ayant même loi que X ( donc mêmes probabilités d’appartenance aux inter-
valles), elle a aussi la densité f . Il serait donc plus correct de parler de la
densité de la loi de X.
Voyons maintenant à quoi peut ressembler une densité. D’abord si f est
une fonction positive définie seulement sur un intervalle ]a, b[ de R et telle
Rb
que a f (t) dt = 1, on peut en faire une densité en la prolongeant à tout R
en posant f (t) := 0 pour t ∈]a,
/ b[.
Voici quatre exemples simples de densités :
1 1
f1 (t) := 1[a,b] (t); f2 (t) := √ 1]0,1] (t);
b−a 2 t

8.3. Variables à densité
1
f3 (t) := e−t 1[0,+∞[ (t); f4 (t) := .
π(1 + t2 )
Ces exemples entrent tous dans le cadre de ce que nous appellerons le modèle
courant, lequel recouvre toutes les densités classiques.
Modèle courant de densité : f est positive sur son ensemble de définition et
vérifie l’un des deux cas suivants
(i)R f est définie et continue sur R et son intégrale de Riemann généralisée
+∞
−∞
f (t) dt converge et vaut 1. C’est le cas de f4 ci-dessus.
(ii) f est définie sur R privé d’un ensemble fini de points a1 < . . . < an .
Sur chacun des intervalles ouverts ] − ∞, a1 [, ]ai , ai+1 [ (1 ≤ i < n),
]an , +∞[, f est continue et a une intégrale de Riemann (ordinaire ou
généralisée) convergente et la somme de toutes ces intégrales vaut 1.
Les fonctions f1 , f2 et f3 sont dans ce cas.
Pour obtenir des densités d’une forme plus complexe, on peut considérer
le modèle suivant.
Modèle plus sophistiqué de densité : f est définie et positive sur l’ensemble
R \ D où D est une partie dénombrable de R (on peut donc considérer les élé-
ments de D comme les termes d’une suite infinie de réels tous distincts 4 ). De
plus R \ D peut s’écrire comme réunion dénombrable ∪i∈N ]ai , bi [ d’intervalles
ouverts disjoints de R̄. Remarquons que l’on ne suppose pas nécessairement
bn = an+1 . On suppose en outre que pour tout i ∈ N et tout intervalle
[α, β] ⊂]ai , bi [, f est Riemann intégrable sur [α, β] et l’intégrale (ordinaire ou
Rb
généralisée) aii f (t) dt converge. Finalement on suppose aussi que
Z +∞ +∞ Z
X bi
f (t) dt := f (t) dt = 1.
−∞ i=0 ai
Proposition 8.8 Si la variable aléatoire X a pour densité f , sa fonction de

répartition F vérifie : R
x
(i) ∀x ∈ R, F (x) = −∞ f (t) dt ;
(ii) F est continue sur R.
(iii) Si f est continue au point x0 , alors F est dérivable en ce point et
F 0 (x0 ) = f (x0 ).
Preuve : Puisque X a pour densité f , on a pour tous réels a < b,

Z b
P (X ∈]a, b]) = F (b) − F (a) = f (t) dt. (8.5)
a
4. Il n’est pas toujours possible de choisir la numérotation des éléments de D de façon

à ce que cette suite soit monotone. C’est clairement impossible lorsque D a au moins deux
points d’accumulation finis

Preuve de (i) : Il suffit d’appliquer (8.5) avec b = x fixé et a = −n pour

chaque n ∈ N tel que −n < x. La suite d’événements
An := {X ∈] − n, x]}, n > −x,
est croissante pour l’inclusion et a pour réunion A = {X ∈] − ∞, x]}. Par
continuité monotone séquentielle (cf. proposition 1.2), on a P (An ) ↑ P (A),
d’où
Z x Z x
F (x) = P (A) = lim P (X ∈] − n, x]) = lim f (t) dt = f (t) dt,
n→+∞ n→+∞ −n −∞
en notant que l’ intégrale généralisée de la densité f converge en −∞.

Preuve de (ii) : Fixons x0 ∈ R quelconque. On sait déjà que F est continue
à droite en tout point comme toute fonction de répartition. Il suffit donc de
montrer la continuité à gauche en x0 . Nous nous contenterons de le faire sous
l’hypothèse additionnelle suivante : « il existe a < x0 tel que f soit définie et
Riemann intégrable sur tout intervalle [a, a0 ] ⊂ [a, x0 [ ». On a alors
Z x Z x0
lim f (t) dt = f (t) dt,
x↑x0 a a
où la deuxième intégrale est soit une intégrale de Riemann ordinaire soit une
intégrale généralisée convergente. Cette relation peut aussi s’écrire à l’aide
de F :
lim F (x) − F (a) = F (x0 ) − F (a).
x↑x0
On en déduit par addition de F (a) que F (x) tend vers F (x0 ) quand x tend
vers x0 par valeurs inférieures. L’hypothèse supplémentaire que nous avons
introduite est vérifiée par toutes les densités du modèle courant ci-dessus et
aussi par les densités du modèle plus général lorsque x0 n’est pas un point
d’accumulation de D.
Preuve de (iii) : Puisque f est continue en x0 , elle est définie sur tout un
voisinage de x0 et donc sur tout un intervalle ]a, b[ contenant x0 . La continuité
de f en x0 peut alors s’écrire :
∀ε > 0, ∃]x0 −δ, x0 +δ[⊂]a, b[; ∀t ∈]x0 −δ, x0 +δ[, |f (t)−f (x0 )| < ε. (8.6)
R x +h
Pour tout h tel que 0 < |h| < δ, on a alors F (x0 + h) − F (x0 ) = x00 f (t) dt
d’où
Z x0 +h

|F (x0 + h) − F (x0 ) − hf (x0 )| = f (t) − f (x0 ) dt ≤ hε.
x0
En divisant par h on voit que F a bien une dérivée en x0 et que celle ci vaut
f (x0 ).

8.3. Variables à densité
Remarques :
– Pour toute densité f (au sens de la définition 8.6), il existe une variable
aléatoire X ayant f pour densité : il suffit d’appliquer le théorème 8.5
en définissant F par (i).
– D’après (ii) toute variable aléatoire à densité a une fonction de répar-
tition continue. La réciproque est fausse : il existe des lois à fonction
de répartition continue sans densité.
– Par ailleurs si X a une densité, sa fonction de répartition n’est pas
forcément dérivable en tout point. Par exemple√la densité f2 ci-dessus
a pour fonction de répartition associée F2 (x) = x1]0,1] (x) + 1]1,+∞[√ (x)
(cette écriture condensée signifie que F2 (x) est nul sur R− , vaut x
entre 0 et 1 et reste constant égal à 1 sur ]1, +∞[). F2 est dérivable en
tout point sauf en 0 et en 1.
La proposition suivante donne une règle pratique permettant de trouver la
densité (lorsqu’elle existe !) à partir de la fonction de répartition dans les cas
les plus courants.
Proposition 8.9 On suppose que la fonction de répartition F de X est C 1

par morceaux au sens suivant : F est continue sur R et dérivable sur R privé
(éventuellement) d’un ensemble fini de points a1 < . . . < an . Sur chacun des
intervalles ouverts ] − ∞, a1 [, ]ai , ai+1 [ (1 ≤ i < n), ]an , +∞[, la dérivée f
de F est continue. Alors X a pour densité f .
Preuve : Il est commode de poser a0 := −∞ et an+1 = +∞. Sur chacun

des intervalles ouverts I découpés par les ai , F est dérivable et sa dérivée
f est continue. On sait alors que f a une infinité de primitives sur I et
que si l’onR x fixe un α dans I, toute primitive H de f sur I est de la forme
H(x) = α f (t) dt+C, avec C constante. Comme F est l’une des primitives de
f sur I, en prenant H = F et en faisant x = α, on voit que la constante R x C vaut
F (α). On a donc pour α et x quelconques dans I, F (x) − F (α) = α f (t) dt.
Fixons α et prenons x ≥ α. Faisons tendre x vers la borne supérieure ai de I.
Comme F est R acontinue (ou dans le cas ai = +∞, F a une limite 1), l’intégrale
généralisée α i f (t) dt converge et vaut F (ai ) − F (α) (ou 1 − F (α) quand
ai = +∞). RDe même en faisant tendre α vers ai−1 on voit que l’intégrale
ai
généralisée ai−1 f (t) dt converge et vaut F (ai ) − F (ai−1 ) (ou F (ai ) quand
ai−1 = −∞). Finalement soient a et b > a quelconques dans R. Si a et b sont
Rb
dans le même intervalle I on a directement F (b) − F (a) = a f (t) dt. Sinon
on note (ai )i0 ≤i≤i1 l’ensemble de tous les ai qui sont dans [a, b] et on écrit
1 −1
iX Z b

F (b)−F (a) = F (ai0 )−F (a)+ F (ai+1 )−F (ai ) +F (b)−F (ai1 ) = f (t) dt,
i=i0 a

en utilisant la relation de Chasles pour lesRintégrales généralisées. On a donc

b
toujours P (X ∈]a, b]) = F (b) − F (a) = a f (t) dt, ce qui montre que X a
pour densité f .
8.3.2 Moments des variables à densité

Définition 8.10 Si Rla loi de la variable aléatoire réelle X a une densité f
+∞
telle que l’intégrale −∞ |x|f (x) dx converge, on appelle espérance de X le
réel Z +∞
IE X := xf (x) dx.
−∞
Lorsque les intégrales et les séries concernées sont absolument conver-

gentes, on a le tableau comparatif suivant.
Variable discrète Variable à densité f

X(Ω) {x0 , x1 , x2 , . . .} R ou intervalle
X Z b
P (a < X ≤ b) P (X = xk ) f (t) dt
a<xk ≤b a
X Z x
F (x) = P (X ≤ x) P (X = xk ) f (t) dt
xk ≤x −∞
X Z +∞
IE X xk P (X = xk ) xf (x) dx
xk ∈X(Ω) −∞
X Z +∞
IE g(X) g(xk )P (X = xk ) g(x)f (x) dx
xk ∈X(Ω) −∞
X Z +∞
IE X 2
x2k P (X = xk ) x2 f (x) dx
xk ∈X(Ω) −∞
X Z +∞
Var X (xk − IE X)2 P (X = xk ) (x − IE X)2 f (x) dx
xk ∈X(Ω) −∞
Commentaires : Nous admettons les formules donnant IE X 2 et IE g(X)

lorsque X est à densité. Dans le cas « courant » où F est C 1 par morceaux,
on peut les obtenir par changement de variable. On remarquera l’analogie
formelle entre les formules de ce tableau. En gros, on passe des v.a. discrètes
aux v.a. à densité en remplaçant les séries par des intégrales et les probabilités
ponctuelles P (X = x) par les « probabilités infinitésimales » f (t) dt. Cette
analogie s’explique par l’existence d’une théorie de l’intégration qui unifie ces
deux cas. Cette théorie relève d’un cours de Licence. Elle est indispensable
si on veut établir proprement une propriété aussi naturelle que la linéarité

8.4. Lois à densité classiques
de l’espérance. En effet il est facile de trouver des exemples de variables

aléatoires X et Y ayant chacune une densité et une espérance mais telles
que X + Y n’ait pas de densité (cf. exercice 8.4). Il est donc impossible de
démontrer la formule IE(X + Y ) = IE X + IE Y avec la définition 8.10.
8.4 Lois à densité classiques

8.4.1 Lois uniformes
Définition 8.11 La variable aléatoire réelle X suit la loi uniforme sur l’in-
tervalle [a, b] (−∞ < a < b < +∞) si elle a une densité f constante sur cet
intervalle et nulle en dehors. On a alors
1
f (t) = 1[a,b] (t).
b−a
La fonction de répartition F est affine par morceaux :


 0
 x− si −∞ < x ≤ a;
a
F (x) = si a < x ≤ b;
 b−a

1 si b < x < +∞.
f (t) 6
-
a 0 b t
F (x) 6
1 !
!
! !!
!
!!
!!
!!
! !! -
a 0 b x

La règle suivante permet en général d’éviter les calculs d’intégrales (élé-

mentaires mais fastidieux) pour évaluer P (X ∈ B) lorsque B est une réunion
finie ou dénombrable d’intervalles (voir l’exercice 8.2). La preuve est laissée
en exercice.
Proposition 8.12 Si X suit la loi uniforme sur [a, b], alors pour tout inter-
valle I de R,
`([a, b] ∩ I)
P (X ∈ I) = ,
`([a, b])
où `(J) désigne la longueur de l’intervalle J.
En particulier pour I = [a, b] on voit que P (X ∈ [a, b]) = 1. Ainsi une variable
aléatoire de loi uniforme est bornée. Elle a donc des moments de tout ordre.
Calculons l’espérance et la variance.
Proposition 8.13 Si X suit la loi uniforme sur [a, b], son espérance et sa
variance sont données par :
a+b (b − a)2
IE X = , Var X = .
2 12
La valeur de l’espérance est conforme à l’intuition si l’on se rappelle l’in-
terprétation de l’espérance comme barycentre d’un système de masses : le
centre de gravité d’un fil homogène correspondant au segment [a, b] est bien
le milieu de ce segment.
Preuve :
Z +∞ Z b b
x2

x dx 1 a+b
IE X = xf (x) dx = = = (b2 −a2 ) = .
−∞ a b−a 2(b − a) a 2(b − a) 2
Le moment d’ordre deux se calcule de la même façon.

+∞ b b
x2 dx x3 b 3 − a3
Z Z
2 2 1
IE X = x f (x) dx = = = = (b2 +ab+a2 ).
−∞ a b−a 3(b − a) a b−a 3
La variance s’en déduit grâce à la formule de Koenig.
1 (a + b)2 1
Var X = IE X 2 − (IE X)2 = (b2 + ab + a2 ) − = (a2 + b2 − 2ab).
3 4 12
Une des raisons de l’importance de la loi uniforme sur [0, 1] est le théorème
suivant.

Théorème 8.14 Si X est une variable aléatoire réelle de fonction de répar-

tition continue strictement croissante F et si U est une variable aléatoire de
loi uniforme sur [0, 1], alors la variable aléatoire Y := F −1 (U ) a même loi
que X.
Rappelons qu’avoir même loi que X ne signifie aucunement être égale à X.

Ce théorème permet de réduire la simulation informatique de la loi de X
à celle de U . Le résultat s’étend à toutes les fonctions de répartition, sans
hypothèse de continuité ni de croissance stricte (voir l’exercice 8.3).
Preuve : Comme F est continue strictement croissante, c’est une bijection
de R sur son image ]0, 1[ (en raison de la stricte monotonie de F , les bornes
0 et 1 ne sont pas atteintes). Par conséquent F −1 :]0, 1[→ R est bien définie
et vérifie :
∀u ∈]0, 1[, ∀x ∈ R, F −1 (u) ≤ x si et seulement si u ≤ F (x).
Comme P (0 < U < 1) = 1, on en déduit que les évènements {F −1 (U ) ≤ x}

et {U ≤ F (x)} ont même probabilité. Pour obtenir la fonction de répartition
de Y , on remarque alors que pour tout x ∈ R,
`([0, F (x)])
P (Y ≤ x) = P (F −1 (U ) ≤ x) = P (U ≤ F (x)) = = F (x).
`([0, 1])
Ainsi Y a pour fonction de répartition F donc a même loi que X.
8.4.2 Lois exponentielles
Définition 8.15 Soit a un réel strictement positif. La variable aléatoire

réelle X suit la loi exponentielle de paramètre a si elle admet pour densité
f (t) = ae−at 1[0,+∞[ (t).

f (t) 6
a
-
0 1 2 t
F (x) 6
1
-
0 1 2 x
En pratique, plutôt que de travailler avec la fonction de répartition d’une

loi exponentielle, il est plus commode d’utiliser la fonction de survie G :

1 si x ≤ 0,
G(x) = P (X > x) = 1 − F (x) =
e−ax si x > 0.
Les lois exponentielles sont souvent utilisées pour modéliser des temps d’at-
tente. Par exemple, temps d’attente à partir de maintenant du prochain trem-
blement de terre, du prochain faux numéro sur une ligne téléphonique, de la
prochaine désintégration d’un atome de radium, etc.
De même que l’absence de mémoire en temps discret était une propriété
caractéristique des lois géométriques (cf. exercice 3.1), l’absence de mémoire
en temps continu caractérise les lois exponentielles.
Théorème 8.16 (Absence de mémoire)
(i) Si la variable aléatoire X suit une loi exponentielle, alors elle vérifie
la propriété d’absence de mémoire :
∀s ∈ R+ , ∀t ∈ R+ , P (X > t + s | X > t) = P (X > s). (8.7)
(ii) Réciproquement si une variable aléatoire X vérifie (8.7), alors elle
suit une loi exponentielle.

Preuve : Remarquons d’abord que la probabilité conditionnelle dans (8.7)

s’exprime commodément à l’aide de la fonction de survie G de la variable
aléatoire X (définie par G(x) := P (X > x)). En effet, s étant positif, on
a t + s ≥ t d’où l’inclusion de {X > t + s} dans {X > t} et l’égalité
d’évènements : {X > t + s} ∩ {X > t} = {X > t + s}. On en déduit
P (X > t + s) G(t + s)
P (X > t + s | X > t) = = . (8.8)
P (X > t) G(t)
Preuve de (i) : Si X suit la loi exponentielle de paramètre a, on a G(x) = e−ax

pour tout x positif et (8.8) se traduit alors par :
e−a(t+s)
P (X > t + s | X > t) = = e−as = P (X > s).
e−at
Preuve de (ii) : Soit X une variable aléatoire dont la loi vérifie (8.7) et
G sa fonction de survie. Comme G = 1 − F (où F désigne la fonction de
répartition de X), G est décroissante et continue à droite et tend vers 0 en
+∞. De plus l’écriture de (8.7) suppose implicitement que G(t) > 0 pour
tout t ≥ 0 car sinon P ( . | X > t) ne serait pas définie. Grâce à (8.8), on voit
que la propriété d’absence de mémoire (8.7) équivaut à
G(t + s)
∀s ∈ R+ , ∀t ∈ R+ , = G(s).
G(t)
La fonction de survie G doit donc être une solution décroissante, continue

à droite, tendant vers 0 en +∞ et telle que 0 < G(t) ≤ 1 de l’équation
fonctionnelle 5 :
∀s ∈ R+ , ∀t ∈ R+ , G(t + s) = G(t)G(s). (8.9)
En faisant s = t = 0 dans (8.9), on obtient G(0) = G(0)2 et comme G(0) > 0,

on a
G(0) = 1. (8.10)
En faisant s = t dans (8.9), on obtient G(2t) = G(t)2 , puis de proche en
proche
∀n ∈ N∗ , ∀t ≥ 0, G(nt) = G(t)n . (8.11)
5. Une équation fonctionnelle est une équation dont l’inconnue est. . .une fonction ! Les
équations différentielles sont des exemples bien connus d’équations fonctionnelles.

En particulier pour t = 1/d, d ∈ N∗ :

n 1 n
∗ ∗
∀n ∈ N , ∀d ∈ N , G =G . (8.12)
d d
Lorsque n = d, (8.12) donne G(1) = G(1/d)d d’où
1
∀d ∈ N∗ , G = G(1)1/d . (8.13)
d
Nous connaissons maintenant G sur l’ensemble des rationnels positifs puisque
(8.10), (8.11), (8.12) et (8.13) nous donnent
∀r ∈ Q+ , G(r) = G(1)r . (8.14)
Soit x ∈ R+ \ Q+ , x est limite d’une suite décroissante (rn ) de rationnels.

Comme G est continue à droite, G(rn ) converge vers G(x). D’autre part
l’application y 7→ G(1)y est continue sur R. Ainsi en appliquant (8.14) à rn
et en faisant tendre n vers l’infini on obtient
∀x ∈ R+ , G(x) = G(1)x . (8.15)
A priori la constante G(1) est dans ]0, 1]. On peut écarter la valeur G(1) = 1
car sinon d’après (8.15), la limite en +∞ de G serait 1 alors qu’elle vaut 0.
Finalement, puisque 0 < G(1) < 1, on peut poser G(1) = e−a pour un réel
a > 0 (cela revient à prendre a = − ln G(1)). On peut alors réécrire (8.15)
sous la forme
∀x ∈ R+ , G(x) = e−ax .
La fonction de survie G est donc la même que celle de la loi exponentielle de
paramètre a, donc X suit cette loi (puisque la fonction de survie caractérise
la loi au même titre que la fonction de répartition).
8.4.3 Lois gaussiennes

Nous avons déjà rencontré ces lois lors de l’étude du théorème de De
Moivre Laplace. Elles jouent un rôle capital dans l’étude des lois limites de
sommes de variables aléatoires indépendantes.
Définition 8.17 On dit que la variable aléatoire X suit la loi gaussienne ou
normale N (m, σ) si elle a pour densité la fonction :
(t − m)2

+ 1
fm,σ : R −→ R t 7−→ √ exp − .
σ 2π 2σ 2
La loi N (0, 1) est appelée loi normale standard.

Tous les calculs de probabilités concernant une variable aléatoire de loi N (m, σ)
peuvent se ramener à des calculs sur une variable de loi normale standard.
Proposition 8.18 Si la variable aléatoire X suit la loi N (m, σ), alors Y :=
(X − m)/σ suit la loi N (0, 1).
Preuve : On calcule P (a < Y ≤ b) pour a et b réels quelconques (a < b).
X −m
P a< ≤ b = P (σa + m < X ≤ σb + m)
σ
Z σb+m
(x − m)2

1
= √ exp − dx.
σa+m σ 2π 2σ 2
Il suffit alors de faire le changement de variable y = (x − m)/σ pour obtenir
Z b 2
1 y
∀a ∈ R, ∀b > a, P (a < Y ≤ b) = √ exp − dy.
a 2π 2
Donc Y a bien la densité f0,1 .
En raison de la décroissance rapide de l’exponentielle, il est clair que les
variables gaussiennes ont des moments de tout ordre. L’interprétation des
paramètres m et σ est très simple.
Proposition 8.19 Si la variable aléatoire X suit la loi N (m, σ),
IE X = m, Var X = σ 2 .
Preuve : La variable aléatoire Y := (X − m)/σ suit la loi N (0, 1) et l’on a

X = σY + m. Il suffit donc de montrer que IE Y = 0 et Var Y = IE Y 2 = 1.
L’espérance de Y s’écrit
Z +∞ 2
y y
IE Y = √ exp − dy.
−∞ 2π 2
La convergence de cette intégrale généralisée étant acquise, il est clair qu’elle
vaut 0 en raison de l’imparité de l’intégrande (la fonction sous le signe
somme). On a alors Var Y = IE Y 2 et il nous faut vérifier que
Z +∞ 2 2
2 y y
IE Y = √ exp − dy = 1.
−∞ 2π 2
Une façon de le voir est d’intégrer par parties la densité f0,1 . Pour celà consi-
dérons pour a > 0 l’intégrale
Z a 2
1 y
I(a) := √ exp − dy
−a 2π 2

et posons u = exp(−y 2 /2), dv = (2π)−1/2 dy, du = −y exp(−y 2 /2) dy et

v = (2π)−1/2 y. Il vient
2 a Z a
−y 2
2
y y y
I(a) = √ exp − − √ exp − dy
2π 2 −a −a 2π 2
2 Z a 2 2
2a a y y
= √ exp − + √ exp − dy.
2π 2 −a 2π 2
En faisant tendre a vers l’infini 6 dans cette égalité, on obtient
Z +∞ 2 Z +∞ 2 2
1 y y y
1= √ exp − dy = √ exp − dy.
−∞ 2π 2 −∞ 2π 2
La figure suivante illustre la signification du paramètre de position m et

du paramètre de dispersion σ pour la loi gaussienne N (m, σ).
6. Pour aller plus vite, on a intégré sur un intervalle symétrique [−a, +a] parce que
l’on sait déjà que les intégrales généralisées concernées sont convergentes. Si l’on voulait
se servir de ce calcul pour montrer leur convergence, il faudrait bien sûr intégrer sur un
intervalle [−a, b] et faire tendre a et b séparément vers +∞.

8.5. Exercices
-
m − 3σ m − 2σ m − σ m m + σ m + 2σ m + 3σ
-
68, 3%
-
95, 4%
-
99, 7%
Cette concentration de pratiquement toute la probabilité dans l’intervalle

[m − 3σ, m + 3σ] permet l’utilisation des lois gaussiennes pour modéliser des
grandeurs aléatoires qui a priori prennent leurs valeurs seulement dans un
petit intervalle de R+ : taille, poids, . . ., même si théoriquement une variable
gaussienne peut prendre toute valeur entre −∞ et +∞.
8.5 Exercices
Ex 8.1. Le temps d’attente (en minutes) pour accéder à des données suit
une loi uniforme U[1, 6].
1) Déterminer la probabilité d’attendre au moins 4 minutes.
2) Déterminer le temps d’attente moyen.

Ex 8.2. Un arrêt de bus est desservi tous les quart d’heures à partir de 7 h
du matin (inclus). Un passager arrive à l’arrêt à un instant aléatoire de loi
uniforme sur [7 h ; 7 h 30]. Quelle est la probabilité qu’il attende moins de
5 mn pour un bus ? plus de 10 mn ?
Ex 8.3. Soit F une fonction de répartition. On définit sur ]0, 1[ son inverse
généralisée F −1 par
F −1 (u) := inf{x ∈ R; F (x) ≥ u}, u ∈]0, 1[.
1) Pourquoi a-t-on exclu les cas particuliers u = 0 et u = 1 de la défini-

tion ci-dessus ? Que peut-on dire des limites de F −1 en 0 et en 1 ?
2) Pour u ∈]0, 1[, on pose Iu := {x ∈ R; F (x) = u}. Montrer que Iu est
un intervalle fermé à gauche ou l’ensemble vide.
3) Donner la construction graphique de F −1 (u) dans chacun des cas
possibles pour Iu : Iu = ∅, Iu = {x0 }, Iu = [x0 , x1 [, Iu = [x0 , x1 ].
4) Représenter F −1 lorsque F est en escaliers.
5) Montrer que les inégalités F −1 (u) ≤ x et u ≤ F (x) sont équivalentes
en justifiant chacune des implications ci-dessous. Dans un sens,
u ≤ F (x) ⇒ F −1 (u) ≤ x.
Dans l’autre sens,
F −1 (u) ≤ x ⇒ ∀ε > 0, F (x + ε) ≥ u ⇒ F (x) ≥ u.
6) Soit X une variable aléatoire de fonction de répartition F et U une

variable aléatoire de loi uniforme sur [0, 1]. Montrer que X et F −1 (U ) ont
même loi.
Ex 8.4. Soit X une variable aléatoire de loi uniforme sur [0, 1] et Y := 1−X.
Trouver la fonction de répartition de Y et en déduire sa loi. Ceci fournit
un exemple élémentaire de deux variables à densité dont la somme est une
variable discrète.
Ex 8.5. Soit X une variable aléatoire de loi uniforme sur [0, 1] et Y la

variable aléatoire définie sur le même espace Ω par

X(ω) si X(ω) ∈ [0, 1/4] ∪ [3/4, 1];
Y (ω) :=
1 − X(ω) si X(ω) ∈]1/4, 3/4[.
Quelle est la loi de Y ? Trouver la fonction de répartition de la variable

aléatoire Z := X + Y et vérifier que Z n’est ni discrète ni à densité.

8.5. Exercices
Ex 8.6. Soit X une variable aléatoire de densité :

2x/θ2 si x ∈ [0; θ],
f (x) =
0 sinon.
1) Calculer IE[X], IE[X 2 ] puis Var[X] en fonction de θ.

2) Calculer P (X < θ/4).
Ex 8.7. Consommation d’eau

La consommation journalière en eau d’une agglomération au cours du mois
de juillet est une variable aléatoire X dont la densité f a la forme :
f (t) = c(t − a)(b − t)1[a,b] (t), t ∈ R,
où a, b, c sont des constantes strictement positives (a < b) et 1[a,b] (t) = 1 si

t ∈ [a, b] et 0 sinon.
1) Vérifier que l’on a pour tout n ∈ N :
b
(b − a)n+2
Z
(t − a)n (b − t) dt = .
a (n + 1)(n + 2)
2) Exprimer la constante c en fonction de a et b.

3) Calculer IE(X − a) et IE (X − a)2 . En déduire IE X et Var X.
4) Donner la fonction de répartition F de la variable aléatoire X : on
distinguera pour le calcul de F (x) les cas x < a, a ≤ x ≤ b et x > b et,
dans le deuxième cas, on écrira F (x) en fonction de (x − a) et (b − x) sans
développer ni réduire le polynôme obtenu. Donner l’allure des représentations
graphiques de f et F . Proposer une interprétation physique des constantes a
et b.
5) En notant Xi la consommation du i-ème jour et en supposant que
les Xi sont indépendantes et de même loi que X, exprimer à l’aide de F
et de n la fonction de répartition de la variable aléatoire Mn = max Xi .
1≤i≤n
Indication : On commencera par écrire l’événement {Mn ≤ x} en fonction
des événements {Xi ≤ x}.
6) En fait la ville est alimentée en eau par un canal qui peut fournir
au maximum une quantité journalière d’eau x0 = a + 0.9(b − a) et par un
réservoir de sécurité dans lequel elle peut puiser en cas de trop forte demande.
Calculer numériquement la probabilité qu’au cours des 31 jours du mois de
juillet, on ne fasse jamais usage du réservoir de sécurité (le résultat ne dépend
ni de a ni de b).

Ex 8.8. Soit X une variable aléatoire suivant la loi exponentielle de para-

mètre a. On lui associe la variable aléatoire discrète Y = [X], où les crochets
désignent la partie entière. Quelle est la loi de Y ? Quelle est la loi de la partie
fractionnaire Z := X − [X] ?
Ex 8.9. Calcul des moments de la loi gaussienne standard

Soit X une variable aléatoire de loi N (0, 1).
1) Que valent les IE X 2n+1 pour n ∈ N ?
2) On pose cn = IE X 2n . Montrer en intégrant par parties que
1
∀n ∈ N, cn = cn+1 .
2n + 1
en déduire une formule explicite pour IE X 2n .
Ex 8.10. Une formule simple pour la queue de la loi normale

Soit X une variable aléatoire de loi N (0, 1).
1) En utilisant le changement de variable t = x + s dans la relation
Z +∞ 2
1 t
P (X ≥ x) = √ exp − dt,
x 2π 2
vérifier que l’ on a pour tout x ≥ 0,

1
exp −x2 /2 , P (|X| ≥ x) ≤ exp −x2 /2 .

P (X ≥ x) ≤
2
√
Ces majorations sont moins bonnes que le lemme 7.2 pour x ≥ 2/ 2π '
0,798. Elles ont l’avantage d’être plus faciles à mémoriser et de donner pour
les petites valeurs de x un majorant inférieur à 1.
2) Soit (Xi )i≥1 une suite de variables aléatoires indépendantes de même
loi que X. Montrer que pour tout r ≥ 0,
r
≤ exp −r2 /2 .

P min |Xi | ≥ √
1≤i≤n n
3) Montrer de même que pour tout c > 1,

√
lim P max |Xi | < c 2 ln n = 1.
n→+∞ 1≤i≤n

Annexe A
Ensembles et dénombrements
A.1 Généralités
Soit Ω un ensemble ; A est un sous-ensemble (ou une partie) de Ω si tout
élément de A est aussi un élément de Ω (∀ω ∈ A, ω ∈ Ω). On note A ⊂ Ω.
On appelle P(Ω) l’ensemble des parties de Ω ce que l’on peut noter 1
P(Ω) = {A; A ⊂ Ω}.
Ainsi les écritures A ⊂ Ω et A ∈ P(Ω) sont deux façons de dire la même

chose 2 .
Si A et B sont deux parties du même ensemble Ω, on dit que A est incluse
dans B (notation A ⊂ B) si tout élément de A est aussi élément de B (∀ω ∈
A, ω ∈ B), autrement dit, si l’appartenance à A implique l’appartenance à
B:
A ⊂ B signifie ∀ω ∈ Ω, (ω ∈ A) ⇒ (ω ∈ B).
Soit I un ensemble quelconque d’indices (fini ou infini) et (Ai )i∈I une
famille de parties de Ω. On définit son intersection ∩ Ai et sa réunion,
i∈I
∪ Ai par :
i∈I
∩ Ai = {ω; ∀i ∈ I, ω ∈ Ai } et ∪ Ai = {ω; ∃i ∈ I, ω ∈ Ai }.
i∈I i∈I
1. Dans toutes les écritures d’ensembles entre accolades, nous utilisons le point virgule
au sens de « tel que ».
2. Noter cependant la différence de statut de A : dans la première écriture, A est
considéré comme un ensemble, dans la deuxième comme un élément d’un ensemble d’un
type un peu particulier.
211
Annexe A. Ensembles et dénombrements
Remarque : La réunion et l’intersection d’une famille de parties de Ω sont

définies de façon globale, elles s’obtiennent d’un coup, sans passage à la limite
quand I est infini et sans qu’un ordre éventuel sur l’ensemble d’indices I n’ait
d’importance. Dans la définition de la propriété de σ-additivité :
+∞
X
P ∪ Ai = P (Ai ),
i∈N∗
i=1
le premier membre s’obtient sans passage à la limite, tandis que le deuxième

résulte d’un passage à la limite. Cette définition reste cohérente parce que
pour une série à termes positifs, la valeur de la somme ne dépend pas de
l’ordre de sommation. Si on voulait définir la σ-additivité pour une fonction
d’ensemble pouvant prendre des valeurs positives et négatives, il faudrait
imposer en plus que la série ci-dessus soit absolument convergente.
Réunion et intersection sont très utiles pour la traduction automatique des
quantificateurs. Si I est un ensemble quelconque d’indices, (πi ) une propriété
dépendant de l’indice i et Ai l’ensemble des ω ∈ Ω vérifiant (πi ), on a :
\
{ω ∈ Ω; ∀i ∈ I, ω vérifie (πi )} = Ai
i∈I
[
{ω ∈ Ω; ∃i = i(ω) ∈ I, ω vérifie (πi )} = Ai
i∈I
Ainsi le quantificateur ∀ peut toujours se traduire par une intersection et le

quantificateur ∃ par une réunion. (Pour une illustration, voir le chapitre 6,
p. 138).
L’intersection et l’union sont distributives l’une par rapport à l’autre,
c’est à dire

B ∪ ∩ Ai = ∩ (Ai ∪ B) B ∩ ∪ Ai = ∪ (Ai ∩ B).
i∈I i∈I i∈I i∈I
Le complémentaire de A (dans Ω) est l’ensemble Ac := {ω ∈ Ω; ω ∈ /

A}. L’opération passage au complémentaire (qui est une bijection de P(Ω)
dans lui-même) vérifie (Ac )c = A, Ωc = ∅, ∅c = Ω et échange réunions et
intersections grâce aux très utiles formules :
c c
∩ Ai = ∪ Aci ∪ Ai = ∩ Aci .
i∈I i∈I i∈I i∈I
On définit le produit cartésien E × F de deux ensembles E et F par :
E × F := {(x, y); x ∈ E, y ∈ F }.

A.2. Ensembles finis
Attention dans cette écriture (x, y) ne désigne en aucune façon un ensemble

mais un couple d’éléments (l’ordre d’écriture a une importance). Pour éviter
toute confusion, on utilise des accolades pour la description des ensembles et
des parenthèses pour les couples, triplets, etc, d’éléments.
L’ensemble E 2 = E×E = {(x1 , x2 ); x1 ∈ E, x2 ∈ E} peut être utilisé pour
représenter l’ensemble de toutes les applications de {1, 2} dans E, le couple
(x1 , x2 ) correspondant à l’application f : {1, 2} → E définie par f (1) = x1
et f (2) = x2 . Il pourrait de la même façon représenter les applications d’un
ensemble à deux éléments dans E (remplacer les chiffres 1 et 2 par n’importe
quelle paire de symboles distincts : 0 et 1, a et b, etc.).
Plus généralement, pour n ≥ 2, E n est l’ensemble des n-uplets ou listes de
longueur n d’éléments de E. Dans un n-uplet (x1 , . . . , xn ), il peut y avoir des
répétitions. On peut aussi utiliser E n pour représenter toutes les applications
de l’ensemble {1, . . . , n} (ou de n’importe quel ensemble à n éléments) dans
E.
Soit I un ensemble quelconque, fini ou infini. Par analogie avec ce qui
précède, l’ensemble de toutes les applications f : I → E sera noté E I . Par
exemple avec E = {0, 1} et I = N, on obtient l’ensemble {0, 1}N de toutes
les suites de chiffres binaires indexées par N : {0, 1}N = {u = (ui )i∈N ; ui =
0 ou 1}. Avec E = R et I = [0, 1], on obtient l’ensemble R[0,1] des fonctions
définies sur l’intervalle [0, 1] et à valeurs dans R.
A.2 Ensembles finis

Soit E un ensemble fini. Le cardinal de E, noté card E est le nombre de
ses éléments.
Proposition A.1 Soient E et F deux ensembles finis. Leur produit cartésien

a pour cardinal
card(E × F ) = card E × card F.
Proposition A.2
(a) Si card E = n et card F = p, l’ensemble F E des applications de E
dans F est fini et a pour cardinal pn , autrement dit :
card F E = (card F )card E .

(b) Comme P(E) est en bijection avec l’ensemble {0, 1}E des applications
de E dans {0, 1},
card P(E) = 2n = 2card E .

Annexe A. Ensembles et dénombrements
Une bijection naturelle entre P(E) et {0, 1}E est l’application ϕ qui à toute
partie A de E associe sa fonction indicatrice :
ϕ : P(E) → {0, 1}E A 7→ ϕ(A) := 1A .
Rappelons que l’indicatrice d’une partie A de E est l’application

1 si ω ∈ A,
1A : E → {0, 1} ω 7→ 1A (ω) :=
0 si ω ∈ / A.
Si E est un ensemble de cardinal n et p un entier tel que 1 ≤ p ≤

n, on appelle arrangement de p éléments de E tout p-uplet (x1 , x2 , . . . , xn )
d’éléments tous distincts de E. Un tel arrangement représente une injection
de {1, . . . , p} dans E.
Proposition A.3 Le nombre d’arrangements de p éléments de E (1 ≤ p ≤

n = card E) est
n!
Apn = n(n − 1)(n − 2) · · · (n − p + 1) = .
(n − p)!
Apn est aussi le nombre d’injections d’un ensemble I de cardinal p (par exemple
{1, . . . , p}) dans E. En particulier pour I = E (et donc p = n), on obtient
le nombre de bijections de E dans lui même (appelées aussi permutations de
E) :
nombre de permutations de E = Ann = n!
On appelle combinaison de p éléments de E (1 ≤ p ≤ n = card E) toute

partie de cardinal p de E. Une telle combinaison, comme un arrangement a
tous ses éléments distincts, mais l’ordre d’écriture n’a pas d’importance.
Proposition A.4 Le nombre de combinaisons de p éléments de E (1 ≤ p ≤

n = card E) est
n(n − 1)(n − 2) · · · (n − p + 1) n!
Cnp = = .
p(p − 1) · · · 1 p!(n − p)!

Bibliographie
[1] P. Barbe et M. Ledoux. Probabilité. Espaces 34, Belin, 1998.

[2] P. Billingsley. Probability and measure. Wiley, 1979.
[3] E. Borel, Probabilité et certitude. Que sais-je ? No 445 P.U.F.
[4] W. Feller, An Introduction to Probability Theory and its Applications,
Vol. I. Wiley.
[5] D. Foata et A. Fuchs, Calcul des Probabilités. Dunod, 1998.
[6] Le hasard, numéro hors-série de Pour la Science, avril 1996.
[7] S. M. Ross, Initiation aux probabilités. Presses polytechniques et univer-
sitaires romandes, Lausanne.
[8] D. Ruelle, Hasard et Chaos. Odile Jacob, 1991.
[9] J. V. Uspensky, Introduction to mathematical probability. McGraw-Hill,
1937.
215

Suquet Cours Deug Proba

Transféré par

Droits d'auteur :

Formats disponibles

Suquet Cours Deug Proba

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Suquet Cours Deug Proba

Transféré par

Droits d'auteur :

Formats disponibles

Université des Sciences et Technologies de Lille

U.F.R. de Mathématiques Pures et Appliquées

3 Variables aléatoires discrètes 51

4 Vecteurs aléatoires discrets 83

5 Moments des v. a. discrètes 97

6 Loi des grands nombres 131

7 Approximation gaussienne 155

8 Variables aléatoires réelles 187

A Ensembles et dénombrements 211

Villeneuve d’Ascq, septembre 2003.

Ce polycopié est disponible sur Internet, au format PDF, à l’adresse URL

Expérience Résultat observable

Bien que le résultat précis de chacune de ces expériences soit imprévisi-

La théorie des probabilités permet de donner un sens précis à ces consi-

La théorie moderne des probabilités utilise le langage des ensembles pour

Il n’est pas toujours facile de trouver un ensemble Ω permettant de

Avec ce mode de représentation, les opérations logiques sur les événe-

2 Ch. Suquet, Probabilités

Notations Vocabulaire ensembliste Vocabulaire probabiliste

Ch. Suquet, Probabilités 3

La simplicité de leur définition est trompeuse. Leur structure compliquée

Fn = {fin de la partie au n-ième lancer}, n ∈ N∗ ,

Commençons par D. Il est clair que D se réalise si et seulement si le « six »

Enfin, chaque Fn (n ≥ 2) se réalise si et seulement si d’une part chacun des

4 Ch. Suquet, Probabilités

Remarque 1 Si I est un ensemble d’indices quelconque non vide et (Ai )i∈I

1.3 La probabilité comme fonction d’ensembles

1. à passer en première lecture.

Ch. Suquet, Probabilités 5

appellerons famille d’événements observables toute famille F de parties de Ω

Le triplet (Ω, F, P ) s’appelle espace probabilisé.

3. On dit aussi tribu ou σ-algèbre de parties de Ω, mais nous n’emploierons pas ce

6 Ch. Suquet, Probabilités

Proposition 1.2 (Propriétés générales d’une probabilité)

Bn ↑ B ⇒ P (Bn ) ↑ P (B) (n → +∞).

(b) Si (Cn )n≥1 est une suite décroissante d’événements de F conver-

Cn ↓ C ⇒ P (Cn ) ↓ P (C) (n → +∞).

7. (a) ∀A ∈ F, ∀B ∈ F P (A ∪ B) ≤ P (A) + P (B).

6. Ce qui signifie : ∀n ≥ 1, Cn+1 ⊂ Cn et C = ∩ Cn .

Ch. Suquet, Probabilités 7

Preuve : Soit P une fonction d’ensemble F → [0, 1] satisfaisant aux condi-

le premier membre pouvant être égal à +∞. En choisissant Aj = ∅ pour tout

Par conséquent, P (∅) ≥ 2P (∅) et comme P (∅) ≥ 0, ceci entraı̂ne P (∅) = 0.

8 Ch. Suquet, Probabilités

En utilisant l’additivité on en déduit :

Preuve de 6. Il suffit de prouver 6(a), la propriété 6(b) s’en déduit en appli-

En écrivant la réunion infinie des Bn à l’aide de cette décomposition et en

Passant aux probabilités, ces deux décompositions nous donnent :

Ainsi pour compléter la preuve, il ne reste plus qu’à justifier la décomposition

Pour montrer que Bn = Dn , il suffit de montrer que Dn ⊂ Bn et Bn ⊂ Dn . La

Ch. Suquet, Probabilités 9

on montre que ω appartient à Dn . Soit i0 = i0 (ω) le plus petit des indices

Preuve de 7(a). D’après 5 :

P (A ∪ B) = P (A) + P (B) − P (A ∩ B) ≤ P (A) + P (B),

Par construction pour tout i, Bi ⊂ Ai , d’où P (Bi ) ≤ P (Ai ) et :

10 Ch. Suquet, Probabilités

Preuve de 7(c). Posons pour tout n ≥ 1,

P (A∪B∪C) = P (A)+P (B)+P (C)−P (A∩B)−P (A∩C)−P (B∩C)+P (A∩B∩C).

Proposition 1.3 (Formule de Poincaré)

Ch. Suquet, Probabilités 11