EI-SE3 / Probabilités / Contrôle 1-bis

10 mai 2016

Exercice 1 [5 points]

(a) Montrer les propriétés suivantes quand elles sont vraies ; dans le cas contraire, [3]
construire un contre-exemple.
1. P(A|B) + P(Ā|B) = 1
2. P(A|B) + P(A|B̄) = 1
3. P(A|B) + P (Ā|B̄) = 1
Solution :
1
P(A|B) + P(Ā|B) = (P(A ∩ B) + P(Ā ∩ B) (définition)
P(B)
1
= P (B) (théorème des probabilités totales avec A, Ā)
P(B)
=1
Ensuite on prend Ω = [[1, 6]], ensemble des résultats possibles d’un lancer de dé à
1
6 faces. On choisit (naturellement) T = P(Ω) et P(ω ∈ Ω) = #Ω = 16 . Posons A
l’évènement “obtenir 2” et B l’évènement “obtenir un nombre pair”.
On vérifie alors que
1
P(A|B) + P(A|B̄) = 6= 1 , et
3
4
P(A|B) + P (Ā|B̄) = 6= 1 .
3
1
Alternative possible : prendre P(B) = P(B̄) = 2
pour 2., et A = B pour 3. ;
on obtient respectivement 2P(A) et 2.

(b) L’étudiant X vient en TD deux fois sur trois ; quand il vient il arrive une fois sur [2]
deux à l’heure, les autres fois il a au moins vingt minutes de retard. Il est 8h40, le
TD commence à 8h30. Quelle chance a le professeur de voir encore arriver X ?
Solution :
On note A l’évènement “X vient en TD” et B l’évènement “X est à l’heure”.
L’énoncé donne P(A) = 32 et P(B|A) = 12 . On cherche alors la probabilité pour
que X vienne en TD sachant qu’il est en retard (le TD est commencé depuis 10
minutes). Cela s’écrit

Probabilités EI-SE3 1/7

 P(B̄|A)P(A)
P(A|B̄) = (formule de Bayes)
P(B̄)
(1 − P(B|A))P(A)
= (formule des probas totales)
(1 − P(B|A))P(A) + P(B̄|Ā)(1 − P(A))
1/2 × 2/3
= (s’il ne vient pas, il est en retard avec proba 1)
1/2 × 2/3 + 1 × 1/3
1
= ,
2
soit une chance sur deux de voir X arriver.

Remarque : B ⊂ A car B ⇒ A. Donc P(B|A) = P(B∩A) P(A)

= P(B)
P(A)
; on obtient P(B)
(puis P(B̄)) directement sans passer par la formule des probabilités totales.

Exercice 2 [5 points]

Considérons deux boı̂tes identiques A et B dont l’une contient deux fois plus de pièces
d’or que l’autre, mais vous ignorez laquelle. La situation est donc totalement symétrique.

Notons n le nombre de pièces d’or dans la boı̂te A ; alors la boı̂te B en contient soit
2n, soit n2 avec à chaque fois une probabilité de 12 . On peut donc déterminer combien de
pièces d’or se trouvent dans la boı̂te B en moyenne.

(a) Que donne le calcul suggéré par l’analyse en italique ? Pourquoi y a-t-il un problème ? [1]
Solution :
On obtient (mais c’est faux) 12 n2 + 12 × 2n = 5n4
> n, ce qui suggérerait qu’il y
a un avantage − en moyenne de n4 − à choisir la boı̂te B. Mais l’énoncé étant
complètement symétrique, il y aurait le même avantage en choisissant la boı̂te A.

Cette analyse est fausse car elle suppose qu’à chaque tirage A contient le même
nombre de pièces, constant égal à n. Sous cette hypothèse alors le calcul est juste
et il vaut mieux choisir B. Mais il n’y a aucune raison de faire cette hypothèse ;
en tout cas l’énoncé ne la suggère pas.
(b) Définir un espace probabilisé adéquat pour cette expérience, puis exprimer X la [4]
variable aléatoire donnant le nombre de pièces d’or dans la boı̂te B. Calculer alors
son espérance ; est-ce conforme à l’intuition ?

Probabilités EI-SE3 2/7

 Solution :
L’expérience se déroule en deux temps :
1. On choisit un nombre de pièces n que l’on place dans chaque boı̂te ;
2. On choisit une boı̂te dans laquelle on ajoute encore n pièces.
Il est donc naturel de prendre pour espace fondamental Ω = N∗ × {0, 1}, 0 codant
la boı̂te A et 1 la boı̂te B. L’énoncé n’écartant aucune situation, tout singleton de
Ω est à considérer : il faut donc prendre T = P(Ω). Ensuite, on ne peut pas choisir
la loi uniforme car Ω est infini. On considère alors une loi discrète quelconque P1
sur N∗ , ainsi que la loi de Bernouilli de paramètre 12 de loi notée P2 , et on pose
P = P1 × P2 la loi de probabilité produit (les deux choix étant indépendants).

On définit deux variables aléatoires Y et Z correspondant respectivement aux

choix 1 et 2 ci-dessus. On peut alors exprimer X :

X = Y + Y Z = Y (1 + Z) ,

puis son espérance, Y et Z étant indépendantes :

3
E[X] = E[Y ] × (1 + E[Z]) = E[Y ] .
2
Donc en moyenne B contient 32 fois la plus petite valeur placée dans les boı̂tes.
C’est en accord avec l’intuition qui nous dit que si on gagne 2Y une fois sur deux et
Y le reste du temps, on devrait gagner “à peu près 2+12
Y = 3Y2 ”, ce qui se traduit
mathématiquement par 32 E[Y ].

Remarque : on peut aussi écrire X comme suit

+∞
X
X= 1Y =n (n1Z=0 + 2n1Z=1 ) ,
n=1

menant au même résultat (c’est la même variable aléatoire).

Exercice 3 [5 points]

On jette 2 dés. Soient X la variable aléatoire égale au plus petit des deux nombres ob-
tenus, Y la variable aléatoire égale au plus grand des deux, et Z la différence en valeur
absolue des points obtenus.

(a) Déterminer la loi de X. Tracer sa fonction de répartition (renormaliser les valeurs). [2]

Probabilités EI-SE3 3/7

 Solution :

Notons D1 et D2 les nombres obtenus respectivement au premier et second lancer.

En l’absence d’indications on suppose que ces variables aléatoires sont iid. de loi
uniforme. X a pour support [[1, 6]]. Soit k ∈ [[1, 6]].

P(X = k) = P((D1 = k ∩ D2 ≥ k) ∪ (D2 = k ∩ D1 ≥ k))

= P(D1 = k ∩ D2 ≥ k) + P(D2 = k ∩ D1 ≥ k)
= − P(D1 = k ∩ D2 ≥ k ∩ D2 = k ∩ D1 ≥ k)
= 2P(D1 = k ∩ D2 ≥ k) − P(D1 = k ∩ D2 = k) (symétrie des rôles)
= 2P(D1 = k)P(D2 ≥ k) − P(D1 = k)P(D2 = k) (indépendance)
27−k 11
= − (hypothèses sur Di )
6 6 66
13 − 2k
=
36

Afin de tracer la fonction de répartition à la main on calcule les valeurs de

11 20 27 32 35
F (k) = P(X ≤ k), égales respectivement à 36 , 36 , 36 , 36 , 36 et 1 pour k al-
36
lant de 1 à 6. On multiplie ensuite tout par 10 (par exemple) pour compter en
doubles-carreaux sur un cahier (ou en centimètres éventuellement, sur une feuille
blanche). Il suffit alors de tracer la fonction en escaliers valant 0 de 0 à 1 (exclu),
puis 1.1 carreaux de 1 à 2 (exclu), . . .etc jusqu’à 3.5 carreaux de 5 à 6 (exclu) puis
3.6 carreaux à partir de 6 (inclus).

Tracé de la fonction de répartition en utilisant le logiciel R :

#png("img/FX_graph.png", width=800, height=800)

par(mar=c(5,4.5,1,1))
plot(ecdf(c(
rep(1,11),rep(2,9),rep(3,7),rep(4,5),rep(5,3),6)),
main="", xlab="k", ylab="F(k) = P(X < k+1)",
cex.lab=1.5, cex.axis=1.5)
#dev.off()

Probabilités EI-SE3 4/7

 (b) Déterminer la loi de Z (c’est-à-dire les P(Z = k)). [1]
Solution :
Z est à valeurs dans [[0, 5]] ; on procède alors par dénombrement (toutes les confi-
gurations (i, j) étant équiprobables) : à k ∈ [[1, 5]] fixé, combien y a-t-il de com-
binaisons (avec ordre) de D1 et D2 menant à Y − X = k ? Il y en a exactement
2(6 − k). Le cas k = 0 est à traiter à part, il correspond aux doubles (double 1,
double 2, etc) : il y a 6 possibilités menant à k = 0. On obtient donc la loi de Z :
1


 P(Z = 0) =
6
 P(Z = k ∈ [[1, 5]]) = − k
 6
18
(c) Calculer l’espérance et la variance de X [2]
Solution :
6
X
E[X] = kP(X = k)
k=1
6
X 13k − 2k 2
=
k=1
36
6 6
13 X 1 X 2
= k− k
36 k=1 18 k=1
13 6 × 7 1 6 × 7 × 13
= −
36 2 18 6
91
= , soit environ 2.5
36

Probabilités EI-SE3 5/7

 Ensuite, Var(X) = E[X 2 ] − E[X]2 . On calcule donc
6
X
E[X 2 ] = k 2 P(X = k)
k=1
6 6
13 X 2 1 X 3
= k − k
36 k=1 18 k=1
13 6 × 7 × 13 1
= − 212
36 6 18
2 2
7 × 13 − 2 × 21
=
36
1183 − 882 301
= = ,
36 36
puis
301 × 36 − 912 2555
Var(X) = 2
= , soit environ 2 .
36 1296

Exercice 4 [5 points]

Soient X une variable aléatoire exponentielle de paramètre λ > 0 et ε une variable

aléatoire discrète indépendante de X telle que P(ε = 1) = P(ε = −1) = 12 . Déterminer
la densité de Y = εX, son espérance mathématique et sa variance.
(Cette loi est appelée loi exponentielle symétrique.)

Solution :
Soit x ∈ R+ . En utilisant la formule des probabilités totales, on écrit

P(Y ≤ x) = P(Y ≤ x|ε = −1)P(ε = −1) + P(Y ≤ x|ε = 1)P(ε = 1)

1
= (P(−X ≤ x) + P(X ≤ x))
2
1
= (1 + 1 − e−λx )
2
e−λx
=1− = F+ (x) .
2
De même pour x ∈ R− ,

Probabilités EI-SE3 6/7

 1
P(Y ≤ x) = (P(−X ≤ x) + P(X ≤ x))
2
1
= P(X ≥ −x)
2
1
= (1 − P(X ≤ −x))
2
eλx
= = F− (x) .
2
−λx λeλx
F+0 (x) = λe 2 et F−0 (x) = 2
. Ces deux expressions sont égales à f (x) = λ2 e−λ|x| , qui
est donc la densité de Y .

L’espérance est nulle car la densité est symétrique par rapport à zéro. On peut aussi le
voir en écrivant E[Y ] = E[ε]E[X] = 0 par indépendance des variables aléatoires ε et X.
Z +∞
2
Enfin, Var[Y ] = E[Y ] = x2 f (x)dx
x=−∞
Z +∞ 2
λx −λx
=2 e dx (par symétrie)
x=0 2
 2 +∞ Z +∞
x −λx
=2 − e +2 xe−λx dx (intégration par parties)
2 0 x=0
2 2
= E[X] = 2
λ λ

On peut aussi finir le calcul directement sans passer par la valeur (connue) de l’espérance
d’une loi exponentielle :
+∞ !
−xe−λx 1 +∞ −λx
 Z
Var[Y ] = 2 + e dx (IPP)
λ 0 λ x=0
+∞
2 −e−λx

2
= = 2
λ λ 0 λ

Probabilités EI-SE3 7/7