Université Abou berkBelkaid Tlemcen (2021/2022)

Faculté de Technologie
Département des Télécommunications (2éme année)

TD N 3

1 Exercice N 1
I] Soit X v.a.r discréte, on dé…nit la fonction PX associée à la variable X, par:

xi 1 0 1
PX (xi ) 4=7 1=7 2=7

1. Donner le support de la v.a.r X puis véri…er que PX est bien une fonction
de masse.
2. Déterminer la fonction de répartition FX
3. Calculer P (jXj 0:5); P (X 0); P (X 0)
4. Calculer l’espérance mathématique E(X) et sa variance V(X).

II] Soit Y v.a.r discréte. On pose 2 ]0; 1[, on dé…nit la fonction PY associée
à la variable Y, par :

min(k; 8 k) si k 2 f1; :::; 7g

P (Y = k) =
1 si k=8
où est une constante positive

1. Déterminer a…n que PY soit une fonction de masse de support DY =

f1; :::; 8g
2. Si = 45 ; calculer E(Y) et V(Y) puis calculer P (2 Y 3); P (Y 3)

2 Exercice N 2
Soit X la variable aléatoire réelle (v a r) continue et soit f une fonction dé…nie
par :

f (x) = (x + 1) 1[0;2]
(x + 1) si x 2 [0; 2]
=
0 sinon

1. Déterminer « » a…n que la fonction f soit une fonction de densité.

2. Calculer l’espérance mathématique E(X) et son ecart type

1
 3. Déterminer la fonction de répartition F, en déduire P (X 1); P (1
X 3=2):

1 si x 2 A
Remarque: la fonction indicatrice est notée: 1A =
0 ailleurs

3 Exercice N 3
I] Soit X une variable aléatoire (v.a.r) discréte …nie, qui suit une loi uniforme
sur l’ensemble DX = f 3; 2; 1; 2g:

1. Donner la loi de X (fonction de masse PX )

2. Calculer E(X) et V(X)

II] Soit la variable aléatoire Y = 2X + 1:

1. Donner DY puis la loi de la variable Y

2. Calculer E(Y) de deux manières di¤érentes
2
3. On dé…nit la variable aléatoire Z = (X + 1) , reprendre les questions
précédentes pour la v.a.r Z.

4 Exercice N 4
I] Soit X une variable aléatoire (v.a.r) continue de densité f telle que:

f (x) = cos x 1[0; ]

2
8
< 0 si x 0
= cos x si x 2 0; 2
:
0 si x 2

1. Déterminer ;a…n que la fonction soit une densité.

2. Déterminer la fonction de répartition de X, FX

3. On pose Y = '(x) = X + ;déterminer la loi de Y.

5 Exercice N 5
Soit X ,!U[0,1] . 0;Dé…nissons Y= - 1 ln(X).Trouver la fonction de répar-
tition de Y et sa densité

2
6 Exercice N 6
Soient n parts budgétaires indépendantes X1 , ...,Xn suivant une loi uniforme
dans l’intervalle [0, 1]. Calculer la fonction de répartition et la densité de Y =
min(X1 , ...,Xn ) puis de Z= max(X1 , ...,Xn )
Indication: Rappel
Si X suit une loi uniforme sur [0; 1] (X ,!U[0,1]), alors sa fonction de densité
est
f (x) = 1 1[0;1]
et sa fonction de répartition est
8
< 0 si x 0
F (x) = x si x 2 [0; 1]
:
1 si x 1

7 Exercice N 7 (supplémentaire: cas discret in-

…ni)
On dit qu’une variable alératoire discrète (in…nie) X suit une loi géomètrique
de paramétre , 0 1, si sa fonction de masse (sa loi) est donnée par:
k 1
PX (k) = (1 ) ; pour tout k 2 N

1. Véri…er que P ainsi dé…nie est bien une loi de probabilité ( une fonction
de masse).
2. Calculer en fonction de ; la probabilité suivante: P (X 3):
3. calculer en fonction de ; E(X) et V(X)

8 Exercice N 8 (supplémentaire: cas continu)

Soit X une v.a.r continue et f une fonction dé…nie par:
x2
k(1 4 ) si 2 x 2
f (x) =
0 sinon
1. Déterminer k de telle sorte que f soit une fonction de densité.
2. Déterminer la fonction de répartition de X
3. Calculer P (0 X 3); P (jXj 1); P (X 1=2); E(X) et V (X)
X 2
4. On pose Y = '(x) = 2 ; déterminer la loi de Y.

"Elevez vos mots, pas votre voix, car c’est la pluie qui fait pousser les ‡eurs,
pas le tonnerre" (Djalla el dine el rumi)

3
9 Solutions
9.1 Exercice N 1
I] 1) Donner le support de la v.a.r X puis véri…er que PX est bien une fonction
de masse.
8
< 3P (X = k) 0
> 8k 2 DX
PX une f onction de masse () X
>
: P (X = k) = 1
k=1
8
>
< 3 P (X = k) 0 evident
() X
>
: P (X = k) = 4+1+2
7 =1
k=1

2) Déterminer la fonction de répartition FX

8
>
> 0 si x 1
< 4
7 si 1 x 0
FX (x) = 5
>
> si 0 x 1
: 7
1 si x 1

3) Calculer P (jXj 0:5); P (X 0); P (X 0)

X
P (A) = P (x = k)
k2A

X
P (jXj 0:5) = P (X = k)
k2] 0:5;0:5[

= P (X = 0)
= 1=7

X
P (X 0) = P (X = k)
k 0
= P (X = 1)
= 2=7

X
P (X 0) = P (X = k)
k 0
= P (X = 0) + P (X = 1)
= 3=7

4) Calculer l’espérance mathématique E(X) et sa variance V(X).

4
 pour l’espérance, on a :
3
X
E(X) = xi PX (xi )
i=1
X
= k P (X = k)
k
4 1 2
= ( 1) +0 +1
7 7 7
4+2
=
7
2
=
7
Pour la variance , on a:

V (X) = E(X 2 ) [E(X)] 2

et
n
X
E(X 2 ) = x2i PX (xi )
i=1
X
= k 2 PX (k)
k
4 1 2
= ( 1) 2+ 02 + 12
7 7 7
4+0+2 6
= =
7 7
ainsi

V (X) = E(X 2 ) [E(X)] 2

2
6 2
=
7 7
42 4 38
= =
49 49 49
II] 1) Déterminer a…n que PY soit une fonction de masse de support DY =
f1; :::; 8g
Rappel: on a, 2 ]0; 1[, on dé…nit la fonction PY associée à la variable Y,
par :

min(k; 8 k) si k 2 f1; :::; 7g

P (Y = k) =
1 si k=8
où est une constante positive.

5
 8
>
< P (Y = k) 0 8k
X8
PY une fonction de masse ()
>
: P (Y = k) = 1
k=1
8
>
< 7 0 car 0 et min(k; 8 k) 0
X 7
X
()
>
: P (Y = k) + 1 =1 ) P (X = k) =
k=1 k=1

En e¤ent, on a:

k 1 2 3 4 5 6 7
8 k 7 6 5 4 3 2 1
min(k; 8 k) 1 2 3 4 3 2 1
min(k; 8 k) 2 3 4 3 2

donc
7
X
P (Y = k) = () (1 + 2 + 3 + 4 + 3 + 2 + 1) =
k=1
=) 16 = 1
1
=) =
16
4 1
2) Si = 5 =) = 20 ; calculons E(Y) et V(Y) puis P (2 Y 3); P (Y
3)
8
X 96
E(Y ) = k PY (k) = = 4:8
20
k=1

et
8
X
2 552
E(Y ) = k 2 PY (k) = = 27:6
i=1
20
car
k 1 2 3 4 5 6 7 8
1 2 3 4 3 2 1 1
PY (k) 20 20 20 20 20 20 20 5
1 4 9 16 15 12 7 8
k PY (k) 20 20 20 20 20 20 20 5
k2 1 4 9 16 25 36 49 64
2 1 8 27 64 75 72 49 64
k PY (k) 20 20 20 20 20 20 20 5

ainsi

V (Y ) = E(Y 2 ) E 2 (Y )
= E(Y 2 ) [E(Y )] 2
2
= 27:6 (4:8) = 4:56

6
et l’ecart type p p
Y = V (Y ) = 4:56 = 2:135
calculer P (2 Y 3); P (Y 3)
X
P (A) = P (Y = k)
k2A

X
P (2 Y 3) = P (Y = k)
k2[2;3]

= P (Y = 2) + P (Y = 3)
2 3 5 1
= + = =
20 20 20 4

P (Y 3) = 1 P (Y 3)
= 1 [P (Y = 1) + P (Y = 2)]
1 2 17
= 1 + = = 0:85
20 20 20

9.2 Exercice N 2
1) Déterminer « » a…n que la fonction f soit une fonction de densité.

f (x) = (x + 1) 1[0;2]
(x + 1) si x 2 [0; 2]
=
0 sinon
8
< 0 si x 0
= (x + 1) si x 2 [0; 2]
:
0 si x 2
8
>
> f (x) 0 8x 2 R
< Z
+1
f densité ssi
>
> f (x)dx = 1
:
1
1ére condition:

f (x) 0 =) (x + 1) 0
=) 0

en e¤et 0 x 2 )1 x+1 3 ainsi (x + 1) est toujours positif

7
 2éme condition:

Z
+1 Z0 Z2 Z
+1

f (x)dx = f (x)dx + f (x)dx + f (x)dx

1 1 0 2
Z2
= (x + 1) dx
0
2
x2
= +x
2 0
4
= +2 0
2
= 4

donc
Z
+1
1
f (x)dx = 1 () = positif donc accepte
4
1

conclusion pour = 14 , f (x) est bien une fonction de densité.

2) Calculer l’espérance mathématique E(X) et son ecart type.
a) l’espérance:

Z
+1

E(X) = x f (x) dx
1
Z0 Z2 Z
+1

= x f (x) dx + x f (x) dx + x f (x) dx

1 0 2
Z2
1 1
= x (x + 1) dx car =
4 4
0
2 2 3
Z Z2
14
= x2 dx + x dx 5
4
0 0
!
3 2 2
1 x x2
= +
4 3 0 2 0
1 8 1 14
= 0 + [2 0] =
4 3 4 3
7
=
6
b) variance et ecart-type

8
 Z
+1
2
E(X ) = x2 f (x) dx
1
Z0 Z2 Z
+1
2 2
= x f (x) dx + x f (x) dx + x2 f (x) dx
1 0 2
Z2
1 1
= x2 (x + 1) dx car =
4 4
0
2 2 3
Z Z2
14
= x3 dx + x2 dx 5
4
0 0
!
4 2 2
1 x x3
= +
4 4 0 3 0
1 8 1 20
= [4 0] + 0 =
4 3 4 3
5
=
3
Conclusions: la variance est

V (X) = E(X 2 ) [E(X)] 2

2
5 7
=
3 6
60 49 11
= =
36 36
l’ecart-type est: p
p11
X = V (X) =
6
3) Déterminer la fonction de répartition F, en déduire P (X 1); P (1
X 3=2)
FX : R ! [0; 1]
Zx
x 7 ! FX (x) = P (X x) = f (t):dt
1

Si x 0
Zx
FX (x) = f (t):dt = 0
1

9
Si 0 x 2

Zx
FX (x) = f (t):dt
1
Z0 Zx
= f (t):dt + f (t):dt
1 0
Zx
1
= (t + 1):dt
4
0
x
1 1 2
= t +t
4 2 0
1 2 1
= x + x
8 4
Si x 2
Zx
FX (x) = f (t):dt
1
Z0 Z2 Zx
= f (t):dt + f (t):dt + f (t):dt
1 0 2
Z2
= f (t):dt
0
Z2
1
= (t + 1):dt = 1
4
0

conclusion: 8
< 0 si x 0
1 2
FX (x) = 8x + 14 x si 0 x 2
:
1 si x 2
En déduire la probabilité de l’événement P (X 1); P (1 X 3=2)

P (x 2 [a; b]) = FX (b) FX (a)

10
 P (X 1) = P (x 2 [1; +1[)
= FX (+1) FX (1)
= lim FX (x) FX (1)
x!+1
1 1
= lim 1 (1) 2 + 1
x!+1 8 4
1+2
= 1
8
8 3 5
= =
8 8
3
P (1 X 3=2) = P (x 2 [1; ])
2
3
= FX ( ) FX (1)
2
1 3 2 13 1 1
= + (1) 2 + 1
8 2 42 8 4
9 + 12 1 + 2
=
24 8
21 12 9
= =
24 24
remarque; on peut calculer ces probabilités en utilisant la fonction de densité:
Zb
P (x 2 [a; b]) = f (x) dx
a

Z
+1

P (X 1) = f (x) dx
1
Z2 Z
+1

= f (x) dx + f (x) dx
1 2
Z2
1
= (x + 1) dx
4
1
2
1 1 2
= x +x
4 2 1
1 4 1
= +2 1
4 2 2
1 4+4 1 2 1 5
= =
4 2 4 2
5
= cqf d
8

11
9.3 Exercice N 3
1) Donner la loi de X (fonction de masse PX ) , avec X loi uniforme sur DX =
f 3; 2; 1; 2g

xi 3 2 1 2
PX (xi )
donc
xi 3 2 1 2
PX (xi ) 1=4 1=4 1=4 1=4
En e¤et

8
>
< P (X = k) 0 8k 2 DX
X4
PX une f onction de masse ()
>
: P (X = k) = 1
k=1
8
>
< 4 0 8k 2 DX
() X
>
: =4 =1
k=1
() = 1=4
pour l’espérance, on a :
4
X
E(X) = xi PX (xi )
i=1
4
1X
= xi
4 i=1
1
= ( 3 2 + 1 + 2)
4
2
=
4
1
= = 0:5
2
Pour la variance , on a:
V (X) = E(X 2 ) [E(X)] 2
et
n
X
E(X 2 ) = x2i PX (xi )
i=1
1
= (9 + 4 + 1 + 4)
4
18
=
4

12
ainsi

V (X) = E(X 2 ) [E(X)] 2

2
18 1
=
4 2
18 1 17
= =
4 4 4
II] Y = 2X + 1 = '(X) : ' doit etre une fonction bijective ie ' 1 existe:
le support de Y : DY = '(DX ) = '(f 3; 2; 1; 2g) = f 5; 3; 3; 5g
pour la fonction de masse, on a:

yi 5 3
PY (yi ) = P (Y = yi ) P (Y = 5) = P (2X + 1 = 5) P (Y = 3) = P (2X + 1 = 3)
= P (2X = 6) = P (2X = 4)
= P (X = 3) = P (X = 2)
= 41 = 14

yi 3 5
PY (yi ) = P (Y = yi ) P (Y = 3) = P (2X + 1 = 3) P (Y = 5) = P (2X + 1 = 5)
= P (2X = 2) = P (2X = 4)
= P (X = 1) = P (X = 2)
= 14 = 41
conclusion
yi 5 3 3 5
PY (yi ) 1=4 1=4 1=4 1=4
Pour calculer E(Y), en réalité on a 3 méthodes:

En utilisant la propriété de linéarité de l’espérance : E(aX+b)=aE(X)+b

E(Y ) = E(2X + 1)
= 2E(X) + 1
1
= 2 +1
2
= 0

En utilisant une propriété de l’espérance

n
X
E('(x)) = '(xi ) PX (xi )
i=1

13
 donc
E(Y ) = E(2X + 1)
4
X
= (2xi + 1) PX (xi )
i=1
1 X
= (2xi + 1)
4
xi 2DX
1
= [(2 ( 3) + 1) + (2 ( 2) + 1) + (2 ( 1) + 1) + (2 (2) + 1)]
4
= 0

En utilisant la loi de Y
n
X
E(Y ) = yi PY (yi )
i=1
n
1X
= yi
4 i=1
1
= [ 5 3 + 3 + 5]
4
= 0
2 1
3) Z = (x) = (X + 1) ; doit etre une fonction bijective ie existe:
le support de Y : DZ = (DX ) = (f 3; 2; 1; 2g) = f1; 4; 9g
pour la fonction de masse, on a:
zi 1 4 9
PZ (zi ) P (Z = 1) P (Z = 4) P (Z = 4)
2 2 2
= P (Z = zi ) = P ((X + 1) = 1) = P ((X + 1) = 4) = P ((X + 1) = 9)
= P (jX + 1j = 1) = P (jX + 1j = 2) = P (jX + 1j = 3)
= P (X + 1 = 1) = P (X + 1 = 2) = P (X + 1 = 3)
+P (X + 1 = 1) +P (X + 1 = 2) +P (X + 1 = 3)
= P (X = 0) + P (X = 2) = P (X = 1) + P (X = 3) = P (X = 2) + P (X = 4)
= 0 + 14 = 14 = 14 + 41 = 12 = 14 + 0 = 14
Pour l’esparance, on ne peut utiliser que deux méthodes:

n
X
E( (x)) = (xi ) PX (xi )
i=1
1 X 2
= (xi + 1)
4
xi 2DX
1
= (4 + 1 + 4 + 9)
4
18
= = 4:5
4

14
 n
X
E(Z) = zi PZ (zi )
i=1
1 1 1
= 1 +4 +9
4 2 4
1+8+9 18 9
= = = = 4:5
4 4 2
Remarques
Il faut toujours mentionner au moins une fois la formule qui dé…nit l’espérance
pour pouvoir l’utiliser dans une solution.
Il faut utiliser les quotients, sinon utiliser 3 chi¤res après la virgule.
Il faut détailler le raisonnement jamais un résultat seul.

9.4 Exercice N 4
Soit la fonction de densité de X
8
< 0 si x 0
f (x) == cos x si x 2 0; 2
:
0 si x 2
8
>
> f (x) 0 8x 2 R
< Z
+1
f densite ()
>
> f (x)dx = 1
:
1
1ére condition:
f (x) 0 =) cos x 0
h i
=) 0 car cos x 0 si x 2 0;
2
2éme condition:
Z
+1 Z0 Z=2 Z
+1

f (x)dx = f (x)dx + f (x)dx + f (x)dx

1 1 0 =2

Z=2
= cos x dx
0
=2
= [sin x]0
h i
= sin sin 0
2
=

15
 Or
Z
+1

f (x)dx = 1 () = 1 positif donc accepte

1

conclusion pour = 1, f (x) est bien une fonction de densité.

2) la fonction de répartition:

FX : R ! [0; 1]
Zx
x 7 ! FX (x) = P (X x) = f (t):dt
1

Si x 0
Zx
FX (x) = f (t):dt = 0
1

Si 0 x =2

Zx
FX (x) = f (t):dt
1
Z0 Zx
= f (t):dt + f (t):dt
1 0
Zx
= cos t:dt car =1
0
x
= [sin t]0
= sin x sin 0
= sin x

16
Si x =2
Zx
FX (x) = f (t):dt
1

Z0 Z=2 Zx
= f (t):dt + f (t):dt + f (t):dt
1 0 =2

Z=2
= f (t):dt
0

Z=2
= cos t:dt = 1
0

conclusion: 8
< 0 si x 0
FX (x) = sin x si 0 x =2
:
1 si x =2
3) On pose Y = '(X) = X + ;déterminer la loi de Y.
méthode 1 (appliquer proposition 2 vu en cours des v.a.r: chapitre trans-
formations de variables aléatoires)
a) le support
h i
DY = '(DX ) = ' 0;
h i 2
= ;
2
b) l’application inverse et sa dérivée:
Y = '(X) () y = x+
1
() x= y=' (y)
0
1
' (y) = 1
1
c) Ainsi, selon proposition2 sa fonction de densité est: ( si ' existe )
1 10
fX (' (y)) ' (y) si y 2 DY
fY (y) =
0 sinon

fX ( y) j 1j si y 2 2 ;
fY (y) =
0 ailleurs
cos( y) j 1j si y 2 2 ;
=
0 ailleurs
cos y si y 2 2 ;
=
0 ailleurs

17
 méthode 2 on utilise la fonction de répartion de la v.a.r Y.
Rappel DY = '(DX ) = 2 ;

FY (y) = P (Y y)
Si y 2 alors
FY (y) = 0
Si 2 y alors

FY (y) = P (Y y)
= P( X + y)
= P( X y )
= P (X y)
= 1 P (X y)
= 1 FX ( y)
= 1 sin( y)
= 1 sin y

Si y alors
FY (y) = P (Y y) = 1
Conclusion: en dérivant la fonction de répartition on obtient le meme résultat
0
fY (y) = (FY (y)) = cos y si y
2

9.5 Exercice N 5
On a X ,!U[0,1] . On pose Y= - 1 ln(X)='(x) et on doit dé…nir la loi de Y
avec 0
méthode 1 (appliquer proposition 2 vu en cours v.a.r; chapitre transforma-
tions de variables aléatoires)
méthode 2 on utilise la fonction de répartion de la v.a.r Y.
Rappel DY = '(DX ) = [0; +1[

FY (y) = P (Y y)

Si y 0 alors
FY (y) = 0

18
Si y 0 alors
FY (y) = P (Y y)
1
= P( ln(x) y)
= P (ln(x) y)
= P (X exp( y))
= 1 FX (exp( y))
= 1 exp( y)
on utilisera la dé…nition de la fonction de répartition de la loi uniforme (vu en
cours ou voir l’indication et rappel de la …che de TD ie FX (x) = x).
La fonction de densité etant la dérivée de la fonction de répartition, on aura:
y
e si y 0
fY (y) =
0 si y 0
ainsi Y ,! E ( ) est une loi exponentielle de paramètre :

9.6 Exercice N 6
I] Soient X1 , ...,Xn des variables indépendantes de loi uniforme sur [0, 1]. On
pose Y = min(X1 , ...,Xn )
utilisons la fonction de répartition de Y (pour 0 y 1)
FY (y) = P (Y y)
= P (min(X1 ; :::Xn ) y)
= 1 P (min(X1 ; :::Xn ) y)
= 1 P (X1 y \ ::: \ Xn y)
Yn
= 1 P (Xi y) ( )
i=1
= 1 (1 y)n ( )
( ) Si min(Xi ) est supérieur à y, cela signi…e que le plus petit des Xi est
supérieur à y, ou encore que tous les Xi sont plus grands que y, de plus les
variables sont indépendantes ainsi
P (A \ B \ C) = P (A) P (B) P (C)
( ) les Xi étant des lois uniformes on utilisera la dé…nition de la fonction
de répartition (vu en cours)
En dérivant la fonction de répartition on aura:
n 1
fY (y) = n (1 y) si 0 y 1
II] Soient X1 , ...,Xn des variables indépendantes de loi uniforme sur [0, 1].
On pose Z = max(X1 , ...,Xn )

19
 utilisons la fonction de répartition de Z (pour 0 z 1)

FZ (z) = P (Z z)
= P (max(X1 ; :::Xn ) z)
= P (X1 z \ ::: \ Xn z)
Yn
= P (Xi z) ( )
i=1
= zn ( )

( ) Si max(Xi ) est inférieur à z, cela signi…e que le plus grand des Xi est
inférieur à z, ou encore que tous les Xi sont plus petits que z, de plus les variables
sont indépendantes ainsi

P (A \ B \ C) = P (A) P (B) P (C)

( ) les Xi étant des lois uniformes on utilisera la dé…nition de la fonction

de répartition (vu en cours)
En dérivant la fonction de répartition on aura:

fz (z) = n z n 1
si 0 z 1

Indication: Rappel
Si X suit une loi uniforme sur [0; 1] (X ,!U[0,1]), alors sa fonction de densité
est
fX (x) = 1 1[0;1]
et sa fonction de répartition est
8
< 0 si x 0
FX (x) = x si x 2 [0; 1]
:
1 si x 1

20