Fiche d’entraînement – Couples de variables aléatoires discrètes (ECG maths appliquées) : 9 exercices corrigés

↩ Chapitre : Variables aléatoires discrètes (ECG maths appliquées)

Fiche d’entraînement : 9 exercices corrigés pour s’exercer sur ce thème.
📘 Résumé de cours, auto-test et autres exercices : Variables aléatoires discrètes

Introduction

Les couples de variables aléatoires discrètes jouent un rôle crucial dans l’étude conjointe de deux phénomènes aléatoires et offrent une perspective enrichissante sur leurs interactions et dépendances mutuelles. Cette fiche d’exercices vise à approfondir votre compréhension des principaux concepts associés à ces couples, explorant les intrications des probabilités jointes, marginales et conditionnelles. À travers cette série, vous serez invités à maîtriser l’analyse des couples de variables aléatoires discrètes, un élément fondamental pour avancer sereinement en probabilités.

Exercice 1 · Lois marginales ★★★

Soit a\in\,]0,1[ et b\in\mathbb{R}_+^*. On considère X et Y deux variables aléatoires à valeurs dans \mathbb{N} telles que, pour tout (i,j)\in\mathbb{N}^2 :

    \[P(X=i,Y=j)=\begin{cases}0 & \text{si } i<j\,;\\[1mm] \dfrac{e^{-b}\,b^i\,a^j(1-a)^{i-j}}{j!\,(i-j)!} & \text{si } i\geqslant j.\end{cases}\]

Déterminer les lois marginales du couple (X,Y).

Corrigé

Loi de X. Pour i\in\mathbb{N}, par la formule du binôme : P(X=i)=\sum_{j=0}^{i}\frac{e^{-b}b^i}{i!}\binom ija^j(1-a)^{i-j}=e^{-b}\frac{b^i}{i!} : X\hookrightarrow\mathcal{P}(b).

Loi de Y. Pour j\in\mathbb{N}, en posant m=i-j : P(Y=j)=\frac{e^{-b}(ab)^j}{j!}\sum_{m\geqslant0}\frac{\big(b(1-a)\big)^m}{m!}=e^{-ab}\frac{(ab)^j}{j!} : Y\hookrightarrow\mathcal{P}(ab).

Exercice 2 · Maximum de deux lois uniformes ★★★

Soit X et Y deux variables aléatoires indépendantes suivant toutes les deux la loi uniforme sur [\![1,N]\!]. Déterminer la loi de Z=\max(X,Y).

Corrigé

Par indépendance, P(Z\leqslant k)=P(X\leqslant k)P(Y\leqslant k)=\frac{k^2}{N^2} pour k\in[\![0,N]\!]. Donc, pour k\in[\![1,N]\!], P(Z=k)=\frac{k^2-(k-1)^2}{N^2}=\frac{2k-1}{N^2}.

Exercice 3 · Nombre de tirages poissonien ★★★

Une urne contient la même quantité de boules rouges, de boules blanches et de boules vertes. On tire avec remise N boules, où N est une variable aléatoire suivant la loi de Poisson de paramètre \lambda>0. On note R le nombre de boules rouges et B le nombre de boules blanches.

  1. Calculer : P(R=i,B=j\,|\,N=n) pour tous entiers naturels i,j,n tels que i+j\leqslant n.
  2. Déterminer la loi du couple (R,B).
  3. Les variables R et B sont-elles indépendantes ?
Corrigé

1. Sachant N=n, chaque tirage donne rouge, blanche ou verte avec probabilité \frac13 : P(R=i,B=j\mid N=n)=\frac{n!}{i!\,j!\,(n-i-j)!}\cdot\frac{1}{3^n}.

2. Probabilités totales, avec m=n-i-j :

    \[P(R=i,B=j)=\sum_{n\geqslant i+j}e^{-\lambda}\frac{\lambda^n}{n!}\cdot\frac{n!}{i!\,j!\,(n-i-j)!\,3^n}=\frac{e^{-\lambda}(\lambda/3)^{i+j}}{i!\,j!}\,e^{\lambda/3}=e^{-\frac\lambda3}\frac{(\lambda/3)^i}{i!}\cdot e^{-\frac\lambda3}\frac{(\lambda/3)^j}{j!}.\]

3. La loi jointe est le produit des lois \mathcal{P}\big(\frac\lambda3\big) : R et B sont indépendantes, toutes deux de loi \mathcal{P}\big(\frac\lambda3\big).

Exercice 4 · Espérance de X puissance Y ★★★

Soit X et Y deux variables aléatoires indépendantes. On suppose que X suit la loi uniforme sur [\![1,3]\!] et Y la loi géométrique de paramètre \frac{3}{4}. Calculer l’espérance de Z=X^Y.

Corrigé

Par le théorème de transfert et l’indépendance : E(X^Y)=\frac13\sum_{x=1}^{3}\sum_{y\geqslant1}x^y\cdot\frac34\Big(\frac14\Big)^{y-1}=\frac13\sum_{x=1}^{3}\frac{3x}{4-x}, les séries géométriques de raison \frac x4<1 convergeant. D’où E(Z)=\frac13(1+3+9)=\frac{13}{3}.

Exercice 5 · Maximum et minimum de lois géométriques ★★★

Soit X et Y deux variables aléatoires indépendantes suivant la loi géométrique de paramètre p\in\,]0,1[. On pose T=\max(X,Y) et U=\min(X,Y).

  1. Montrer sans calcul que T et U admettent une espérance et que : 0\leqslant E(T)\leqslant\dfrac{2}{p}, 0\leqslant E(U)\leqslant\dfrac{1}{p}.
  2. Déterminer la loi de T.
  3. Montrer que U suit une loi géométrique dont on précisera le paramètre.
  4. Déterminer les espérances de T et U.
  5. Déterminer la loi du couple (T,U).
  6. Les variables U et T sont-elles indépendantes ?
Corrigé

1. 0\leqslant U\leqslant X et 0\leqslant T\leqslant X+Y, avec E(X)=E(Y)=\frac1p : T et U ont une espérance, et E(U)\leqslant\frac1p, E(T)\leqslant\frac2p.

2. Avec q=1-p : P(T\leqslant k)=(1-q^k)^2, d’où P(T=k)=(1-q^k)^2-(1-q^{k-1})^2 pour k\geqslant1. 3. P(U>k)=P(X>k)P(Y>k)=(q^2)^k : U\hookrightarrow\mathcal{G}(1-q^2).

4. E(U)=\frac{1}{1-q^2} et, comme T+U=X+Y, E(T)=\frac2p-\frac{1}{1-q^2}.

5. Pour i<j : P(U=i,T=j)=P(X=i,Y=j)+P(X=j,Y=i)=2p^2q^{i+j-2} ; pour i=j : p^2q^{2i-2} ; pour i>j : 0. 6. P(U=2,T=1)=0 alors que P(U=2)P(T=1)>0 : U et T ne sont pas indépendantes.

Exercice 6 · Différence de lois géométriques ★★★

Soit X et Y deux variables aléatoires indépendantes suivant des lois géométriques de paramètres respectifs p et q. On pose : Z=Y-X et T=|Y-X|.

  1. Déterminer la loi de Z.
  2. Calculer l’espérance et la variance de Z.
  3. Calculer P(Y>X) et P(Y<X).
  4. Déterminer la loi de T.
  5. Calculer l’espérance de T.
Corrigé

Notons p'=1-p, q'=1-q et s=1-p'q'=p+q-pq. 1. Pour k\geqslant0 : P(Z=k)=\sum_{x\geqslant1}pp'^{\,x-1}qq'^{\,x+k-1}=\frac{pq\,q'^{\,k}}{s} ; pour k<0 : P(Z=k)=\frac{pq\,p'^{\,|k|}}{s}.

2. Par linéarité et indépendance : E(Z)=\frac1q-\frac1p et V(Z)=V(X)+V(Y)=\frac{1-p}{p^2}+\frac{1-q}{q^2}.

3. P(Y>X)=\sum_{k\geqslant1}\frac{pq\,q'^{\,k}}{s}=\frac{p(1-q)}{p+q-pq} et, symétriquement, P(Y<X)=\frac{q(1-p)}{p+q-pq}.

4. P(T=0)=\frac{pq}{s} et, pour k\geqslant1, P(T=k)=\frac{pq\,(p'^{\,k}+q'^{\,k})}{s}. 5. Avec \sum_{k\geqslant1}kr^k=\frac{r}{(1-r)^2} : E(T)=\frac{pq}{s}\Big(\frac{1-p}{p^2}+\frac{1-q}{q^2}\Big).

Exercice 7 · Coefficient de corrélation ★★★

Soit X,Y,Z trois variables aléatoires deux à deux indépendantes et de même loi, admettant une variance. On pose T=X+Y et U=X+Z. Calculer le coefficient de corrélation linéaire du couple (T,U).

Corrigé

Notons \sigma^2 la variance commune (supposée non nulle). Par bilinéarité et indépendance deux à deux : \mathrm{cov}(T,U)=\mathrm{cov}(X,X)+\mathrm{cov}(X,Z)+\mathrm{cov}(Y,X)+\mathrm{cov}(Y,Z)=\sigma^2, et V(T)=V(U)=2\sigma^2. Donc \rho(T,U)=\frac{\sigma^2}{\sqrt{2\sigma^2\cdot2\sigma^2}}=\frac12.

Exercice 8 · Couple binomial et matrice ★★★

On donne, dans un espace probabilisé, deux variables aléatoires X et Y prenant leurs valeurs dans [\![1,n+1]\!]. On suppose qu’il existe k tel que :

    \[\forall (i,j)\in[\![1,n+1]\!]^2,\quad p_{ij}=P\big((X=i)\cap(Y=j)\big)=k\binom{n}{i-1}\binom{n}{j-1}.\]

  1. Déterminer la valeur de k.
  2. Quelle est la loi de X ? Quelle est la loi de Y ? X et Y sont-elles indépendantes ?
  3. Reconnaître la loi de Z=X-1. Donner l’espérance et la variance de X.
  4. On note B\in\mathcal{M}_{n+1}(\mathbb{R}) la matrice dont le coefficient (i,j) est b_{ij}=P_{(X=j)}(Y=i). Calculer b_{ij} et en déduire les dimensions de l’image et du noyau de B.
  5. Calculer B^2. Déterminer les valeurs propres de B. La matrice B est-elle diagonalisable ?
Corrigé

1. \sum_{i,j}p_{ij}=k\Big(\sum_{m=0}^{n}\binom nm\Big)^2=k\,4^n=1 : k=\frac{1}{4^n}. 2. P(X=i)=\frac{1}{4^n}\binom{n}{i-1}2^n=\frac{\binom{n}{i-1}}{2^n}, et de même pour Y. Comme p_{ij}=P(X=i)P(Y=j), X et Y sont indépendantes.

3. P(Z=m)=\binom nm\frac1{2^n} : Z\hookrightarrow\mathcal{B}\big(n,\frac12\big). Donc E(X)=\frac n2+1 et V(X)=\frac n4.

4. Par indépendance, b_{ij}=P(Y=i)=\frac{\binom{n}{i-1}}{2^n} : toutes les colonnes de B sont égales et non nulles. Donc \mathrm{rg}(B)=1 : \dim\mathrm{Im}\,B=1 et \dim\mathrm{Ker}\,B=n.

5. B=c\,\ell^{\,\mathsf T} avec c=(P(Y=i))_i et \ell=(1,\dots,1) ; alors B^2=c\,(\ell^{\,\mathsf T}c)\,\ell^{\,\mathsf T}=B car \sum_iP(Y=i)=1. B est un projecteur non nul et non égal à I : ses valeurs propres sont 0 (sous-espace propre de dimension n) et 1 (dimension 1). Le polynôme X^2-X, scindé à racines simples, annule B : B est diagonalisable.

Exercice 9 · Droite de régression ★★★

Soit X et Y deux variables aléatoires discrètes admettant un moment d’ordre 2. On note f la fonction définie de \mathbb{R}^2 dans \mathbb{R} par : \forall (a,b)\in\mathbb{R}^2,\ f(a,b)=E\big((Y-aX-b)^2\big).

  1. Calculer les dérivées partielles de f.
  2. Si la variance de X est non nulle, montrer que la fonction f admet un unique point critique, que l’on précisera en fonction de E(X), E(Y), V(X) et \mathrm{cov}(X,Y).
Corrigé

1. En développant, f(a,b)=E(Y^2)+a^2E(X^2)+b^2-2aE(XY)-2bE(Y)+2abE(X), polynôme en (a,b) : \partial_af=2aE(X^2)-2E(XY)+2bE(X) et \partial_bf=2b-2E(Y)+2aE(X).

2. \partial_bf=0 donne b=E(Y)-aE(X) ; en reportant dans \partial_af=0 : a\big(E(X^2)-E(X)^2\big)=E(XY)-E(X)E(Y). Si V(X)\neq0, l’unique point critique est

    \[a_0=\frac{\mathrm{cov}(X,Y)}{V(X)},\qquad b_0=E(Y)-\frac{\mathrm{cov}(X,Y)}{V(X)}E(X).\]

La droite y=a_0x+b_0 est la droite de régression de Y en X.


Pour aller plus loin

    Pr. Elakili, agrégé de mathématiques et professeur en classes préparatoires depuis 25 ans, accompagne aussi quelques étudiants vers les écoles de commerce, à Casablanca et à distance. En savoir plus

    Publications similaires