TD VARIABLES ALEATOIRES

BCPST 2
2024-2025

EXERCICE 1

A. On considère la famille de nombres réels suivante :

 n+1  n+1
2 −1
(an )n∈N? , avec an = −4 ∀n ∈ N?
3 3
Montrer que cette famille définie la loi de probabilité d’une variable aléatoire X.
B. Montrer que : si X ,→ B(n, p) ⇒ Y = n − X ,→ B(n, q).
C. On lance une pièce de monnaie équilibrée et on note X la v.a représentant le nombre de face
obtenu.
1. Déterminer la loi de probabilité de la v.a X.
2. Soit la v.a Y = X 2 − 1. Déterminer la loi de probabilité de la v.a Y et donner sa fonction de
répartition.

EXERCICE 2

Soit une v.a X à valeur dans N∗ telle que :

3n−1
P (X = n) = k .
n!
1. Quelle valeur doit-on donner au nombre réel k pour que la loi de probabilité de la v.a X soit
parfaitement déterminée.
2. Calculer E(X) et V (X).

EXERCICE 3

Pour ses besoins en gestion, un fabricant de montres électroniques a fourni les données suivantes
à un cabinet de conseils :
• A la sortie d’usine, le quart des montres fabriquées sont défecteurses, elles sont par conséquent
renvoyées à l’atelier pour réparation. Le reste est mis en vente.
• La moitié des montres renvoyées à l’atelier sont réparées et mises en ventes, le reste est détruit.
• Le prix de revient de la production d’une montre est de 5000 Fcfa.
• Le coût de réparation d’une montre est de 300 Fcfa.
Ala sortie d’usine, nous avons choisi une montre au hasard.
1. Calculer la probabilité que la montre vendue.
.
Soit X la v.a qui représente le prix de vente d’une montre électronique, et soit Y la v.a qui
représente le bénéfice réalisé à la vente d’une montre.
.
2. A partir de quel prix de vente unitaire le fabricant espère t-il réalier un bénéfice.
3. Si le fabricant vend une montre à 5300 Fcfa, quel sera son bénéfice (ou perte) par montre
vendue ?

EXERCICE 4
On place une souris dans une cage. Elle se trouve face à 4 portillons dont un seul lui permet de
sortir de la cage. A chaque essai infructuex, la souris reçoit une décharge électrique et on la
replace à l’endroit initial. On suppose que la souris mémorise les essais intructueux et choisit de
façon équiprobable entre les portillons qu’elle n’as pas encore essayé.
Soit X la v.a représentant le nombre d’essais pour sotir de la cage.
1. Déterminer la loi de probabilité de la v.a X. Reconnaître la loi.
2. Calculer E(X) et V (X).

EXERCICE 5

On suppose que le pourcentage de gauchers est 1 pourcent. Soit X la v.a prenant comme valeurs
le nombre de gauchers dans un échantillon de 200 personnes choisies au hasard.
1. Quelle est la loi de probabilité de la v.a X ?
2. Par quelle loi peut-on approximer la loi de probabilité de la v.a X ?
3. Quelle est la probabilité pour qu’il y ait plus de 4 gauchers dans l’échantillon ?

EXERCICE 6

Soient X et Y deux v.a indépendantes définies sur un même espace probabilisé (Ω, A, P ), à valeur
dans N telles que :
X ,→ P(λ) avec λ > 0. La v.a Y est définie par :
1
Y (Ω) = {1; 2} , P (Y = 1) = P (Y = 2) = .
2
On pose Z = XY .
1. Déterminer la loi de Z.
2. Quelle est la probabilité que Z prenne des valeurs paires ?

EXERCICE 7

Soit un couple (X, Y ) de v.a dont la loi conjointe est donnée par :
y1 y2 y3
1 1
x1 0 5 5
1 1
x2 5 5
α
avec xi 6= xj et yi 6= yj si i 6= j.
1. Que vaut α ? déterminer les lois marginales de X et de Y.
(x2 − x1 )(2y1 − y2 − y3 )
2. Montrer que Cov(X, Y ) = .
25
3. Les v.a X et Y sont-elles indépendantes ?

EXERCICE 8

Soit p ∈]0, 1[ et soit (X, Y ) un couple de v.a à valeurs dans N dont la loi conjointe est donnée par :
(
 \  λ(1 − p)k si k ≥ n
∀(n, k) ∈ N2 , P [X = n] [Y = k] =
0 sinon

1. Déterminer la valeur de λ.
2. Déterminer les lois marginales du couples (X, Y ). Quelle est la loi de X + 1? En déduire E(X)
et V (Y ).
3. Montrer que les v.a X et X − Y suivent la même loi.
4. Montrer que les v.a X et X − Y sont indépendantes.
5. En dédiure Cov(X, Y ). X et Y sont-elles indépendantes ?
EXERCICE 9

Soient X et Y deux v.a indépendantes définies sur un même espace probabilisé (Ω, A, P ), à valeur
dans N telles que :
X ,→ P(λ) avec λ > 0 et Y ,→ G(p) avec p ∈]0, 1[.
Pour tout ω ∈ Ω, on définit la matrice A(ω) par :
 
X(ω) Y (ω) − 1
A(ω) = (1)
Y (ω) − 1 X(ω).

Déterminer la probabilité que A(ω) soit inversible.

EXERCICE 10

On considère un couple (X, Y ) de v.a réelles à valeurs dans N pour lequel il existe un réel α tel
que la loi de (X, Y ) soit définie par :
2
 \  α
∀(i, j) ∈ N , P [X = i] [Y = j] = .
j!2i+j
1. Déterminer α.
2. Déterminer les lois marginales.
3. Les v.a sont-elles indépendantes ?

EXERCICE 11

Déterminer si les fonctions suivantes sont des densités de probabilité et si oui, déterminer la
fonction de répartition de la VAR associée à cette densité.
(
0 si t > 0
f (t) = 1 −t t
2ln(2)
e ln (1 + e ) si t ≥ 0,


0 si t > 0
g(t) = −t
 −t
2
 23 e 2 1−e 2 si t ≥ 0,

EXERCICE 12

Déterminer α pour que la fonction f dénie sur R par :

(
0 si t ∈]1,
/ 2[
f (t) =
√α si t ∈]1, 2[,
t−1

soit une densité de probabilité.

EXERCICE 13

Calculer, si elles existent, l’espérance et la variance de la variable X dont une densité est :
(
0 si t < 1
∀x ∈ R, f (x) = 4ln(t)
t3
si t ≥ 1.
EXERCICE 14

On considère la fonction f dénie par :

( 1
4
(1 − x) 3 si 0 ≤ x ≤ 1
∀x ∈ R, f (x) = 3
0 sinon.
1. Montrer que f est la densité d’une variable aléatoire Y .
2. Déterminer la fonction de répartition F de la variable Y .
Construire sa représentation graphique dans un repère orthonormal.
3. Calculer l’espérance de la variable Y.
4. Calculer P (0, 488 < Y ≤ 1, 2).

EXERCICE 15

Soit X une variable aléatoire suivant la loi exponentielle

√ E(λ).
1. Déterminer la loi de la variable aléatoire Y = X.
2. Déterminer une densité de X 2 .
3. Déterminer une densité de X 3 .

EXERCICE 16

Soit X une variable alatoire à densité dont la fonction de répartition F est strictement croissante.
Déterminer la loi de la variable aléatoire Y = F (X).

EXERCICE 17

1
Soit F la fonction définie sur R par pour tout x ∈ R ; F (x) = .
1 + e−x
1. Montrer que F est la fonction de répartition d’une variable aléatoire X à densité, dont on
déterminera une densité. Etudier l’espérance et la variance de X.
X −1
2. On pose Y = eeX +1 .
Déterminer la fonction de répartition de Y et une densité de Y . La variable Y admet-elle une
espèrance ? Si oui, la calculer.

EXERCICE 18

1
Soit f la fonction défnie sur R par pour tout x ∈ R ; f (t) = π(1+t2) .

1. Montrer que f est une densité de probabilité.

2. Soit X une variable aléatoire de densité f . La variable X admet-elle une espérance ?
3. Soit Y = X1 .
Déterminer la fonction de répartition de Y et ensuite une densité de Y . Y admet-elle une
espérance ?
4. Soit Z = X 2 . Déterminer la fonction de répartition de Z et ensuite une densité de Z.

EXERCICE 19

On désigne par X1 ; X2 ; ... ; Xn les rendements en quintaux par hectare de n parcelles

ensemencées avec une même variété de céréale. On suppose que ces variables sont indépendantes
et suivent toutes la même loi normale N (µ; σ 2 ). Soit la variable aléatoire moyenne
M = n1 (X1 + X2 + ... + Xn ).
i) Déterminer l’espérance et la variance de M .
ii) Quelle est la loi de M ?
iii) On suppose que σ = 2, 5, combien de parcelles faut-il observer pour que
P (µ − 1 ≤ M ≤ µ + 1) > 0, 99 ?
EXERCICE 20

R +∞ 1
1. Montrer que l’intégrale 0 (1+x) 2 dx converge et donner sa valeur.
1
2. On considère la fonction f définie par : ∀x ∈ R, f (x) = 2(1+|x|)2

a) Montrer que f est paire.

b) Montrer que f peut être considérée comme une fonction densitée de probabilité.
Dans la suite, on considère une variable aléatoire X, définie sur un espace probabilisé (Ω; A; P )
admettant f comme densité. On note F la fonction de répartition de X.
3. On pose Y = ln(1 + |X|) et on admet que Y est une variable aléatoire, elle aussi définie sur
l’espace probabilisé (Ω; A; P ).
a) Déterminer Y (Ω).
b) Exprimer la fonction de répartition G de Y à l’aide de F :
c) En déduire que Y admet pour densité la fonction g définie par :
(
2ex f (ex − 1) si x ≥ 0
g(x) =
0 si x < 0,

d) Montrer enfin que Y suit une loi exponentielle dont on déterminera le paramètre. c)
Déterminer la fonction génératrice des moments de la VAC Y .