L2 conomie Probabilits

VARIABLES ALATOIRES DISCRTES

1. Lois quelconques . . . . . . . . . . . . . . . . . . . . . . . . 1
2. Lois binomiales . . . . . . . . . . . . . . . . . . . . . . . . . 2
3. Lois et sries gomtriques . . . . . . . . . . . . . . . . . . . 4
4. Lois de Poisson . . . . . . . . . . . . . . . . . . . . . . . . . 6

1. Lois quelconques
Rappels de cours : Esprance et variance
Si X est une variable alatoire discrte,
X X 
E(X) = k P(X = k) et Var(X) = E(X ) E(X) =
2 2
k P(X = k) E(X)2 .
2

kX() kX()

Exercice 1.1. On considre le lanc dun d pip dont la loi est donne par le tableau suivant
(avec a R) :

k 1 2 3 4 5 6
P(X = k) a 2a 3a 3a 2a a

(a) quelle(s) condition(s) sur a ce tableau dfinit bien une loi de probabilit ?
(b) Calculer lesprance et la variance de X.

Corrig de lexercice 1.1.

(a) Pour dmontrer quon est en prsence dune loi de probabilit, il faut vrifier les deux
conditions suivantes :

k {1, . . . , 6}, P(X = k) 0

P6
et k=1 P(X = k) = 1.

La premire condition donne a 0 ; regardons ce que donne la deuxime :

a + 2a + 3a + 3a + 2a + a = 1 12a = 1 a = 1
12
.

1
 On est donc en prsence dune loi de probabilit si et seulement si a = 1
12
. Le tableau
devient

k 1 2 3 4 5 6
P(X = k) 1
12
2
12
3
12
3
12
2
12
1
12

(On ne simplifie par les fractions car on va devoir les additionner pour calculer lesprance
et la variance.)
(b) Calculons lesprance de X :
6
X 1 4 9 12 10 6 42 7
E(X) = k P(X = k) = + + + + + = = = 3,5.
k=1
12 12 12 12 12 12 12 2

Calculons la variance :

Var(X) = E(X 2 ) E(X)2 ,

avec
6
X 1 8 27 48 50 36 170
E(X) = k2 P(X = k) = + + + + + = = 14,1667.
k=1
12 12 12 12 12 12 12

et donc :
170 72 170 49 170 147 23
Var(X) = 2 = = = = 1,9167.
12 2 12 4 12 12 12

2. Lois binomiales
Rappels de cours : Loi binomiale
Si X suit une loi binomiale de paramtres p et n, on a, pour k {0, 1, 2, . . . , n},

P(X = k) = nk pk (1 p)nk , E(X) = np et Var(X) = np(1 p).

Exercice 2.1. La proportion de la population franaise qui a un groupe sanguin AB est de 3 %.

Dans un hpital, un patient de groupe sanguin AB ncessite une transfusion durgence et il ny
a plus de sang AB disponible. Quelle est la probabilit que, parmi les 40 personnes en salle
dattente, les mdecins trouvent un individu de groupe sanguin AB pour pouvoir eectuer la
transfusion ? Et si on tait au Japon, o il y a 10 % des personnes de groupe AB ? Et Hawa
o seulement 1 % des personnes sont du groupe AB ? On supposera que les groupes sanguins
des personnes dans la salle dattente sont indpendants les uns des autres.

Corrig de lexercice 2.1. Soit X le nombre de personnes de la salle dattente qui ont un groupe
sanguin AB. Notons A lvnement la personne a pour groupe sanguin AB ; daprs lnonc,

2
on a P(A) = 0,03. La variable alatoire X suit une loi binomiale de paramtres p = P(A) = 0,03
et n = 40. On a

P(X 1) = 1 P(X = 0) = 1 400 (0,03)0 (0,97)40 = 1 (0,97)40 ' 70,43 %.

Au Japon, la probabilit devient

P(X 1) = 1 (0,90)40 ' 98,52 %,

et Hawa

P(X 1) = 1 (0,99)40 ' 33,10 %.

Exercice 2.2. Dans le cadre du test dun vaccin pour une infection, on fait plusieurs exp-
riences pour mesurer lecacit du vaccin :
on teste le vaccin sur 10 animaux et aucun nest malade ;
on teste le vaccin sur 17 animaux et un seul est malade ;
on teste le vaccin sur 23 animaux et deux seulement sont malades.
On sait que linfection touche 25 % du btail lorsque les btes ne sont pas vaccines.
(a) Soit X la variable alatoire discrte comptant le nombre de btes malades parmi n si elles
ne sont pas vaccines. Quelle est la loi suivie par X ? Calculer les probabilits P(X = 0)
pour lexprience no 1, P(X 1) pour la no 2 et P(X 2) pour la no 3.
(b) Parmi les trois expriences prcdentes, quelle est la plus concluante pour prouver le-
cacit du vaccin ?

Corrig de lexercice 2.2.

(a) La loi de X est une loi binomiale de paramtre p = 0,25 et n ; la valeur de n est 10, 17 ou
23 selon lexprience considre.
Pour la premire exprience, on a n = 10 et donc

P(X = 0) = 10 (0,25)0 (0,75)100 = (0,75)10 ' 5,63 %.

0

Pour la deuxime exprience, on a n = 17 et donc

P(X 1) = P(X = 0) + P(X = 1) = (0,75)17 + 10

1
(0,25)(0,75)16 ' 5,01 %.

Pour la troisime exprience, on a n = 23 et donc

P(X 2) = (0,75)23 + 10 (0,25)(0,75)22 + 10

1 2
(0,25)2 (0,75)21 ' 4,92 %.

(b) Lexprience la plus concluante est celle qui a la probabilit la plus faible de se produire
lorsquon suppose que le vaccin na aucun eet. La troisime tant celle qui a la plus petite
probabilit, cest celle qui est la plus concluante.

3
 3. Lois et sries gomtriques
Rappels de cours : Loi gomtrique
Si X suit une loi gomtrique de paramtre p, on a, pour k 1,

P(X = k) = nk p(1 p)k1 , E(X) = 1p et Var(X) = 1p .

p2

Exercice 3.1 (Temps dattente de mtros). On suppose que le temps dattente (en minutes)
dun mtro suit une loi gomtrique. Durant les heures de pointes du matin, le temps dattente
moyen dun mtro pour la ligne 8 est de 3 minutes tandis quil est de 2 min pour la ligne 9.
(a) Quels sont les paramtres des lois gomtriques pour les lignes no 8 et no 9 ?
(b) Quelle est la probabilit dattendre entre 2 et 4 minutes un mtro de la ligne 8 ? de la
ligne 9 ?
(c) Mme question pour un temps dattente de plus de 5 minutes.

Corrig de lexercice 3.1. Notons X le temps dattente de la ligne 8 et Y celui de la ligne 9.

(a) Le temps moyen dattente est lesprance donc on doit avoir E(X) = 3 et E(Y) = 2.
Lesprance dune loi gomtrique de paramtre p est 1p donc le paramtre de X est 13
tandis que celui de Y est 21 . On a donc

P(X = k) = 1
3
( 23 )k1 et P(Y = k) = 1
2
( 12 )k1 = ( 12 )k .

(b) On a

P(2 X 4) = P(X = 2) + P(X = 3) + P(X = 4)

= 1
3
( 23 )21 + 13 ( 23 )31 + 13 ( 23 )41 = 2
9
+ 4
27
+ 8
81
= 18+12+8
81

= 38
81
' 46,91 %.

et

P(2 Y 4) = P(Y = 2) + P(Y = 3) + P(Y = 4)

= ( 12 )2 + ( 12 )3 + ( 12 )4 = 1
4
+ 81 + 1
16
= 4+2+1
16

= 7
16
' 43,75 %.

(c) On a (rappelons quune loi gomtrique prend ses valeurs dans N donc ne prend jamais
la valeur 0)

P(X 5) = 1 P(X < 5)

= 1 P(X = 1) P(X = 2) P(X = 3) P(X = 4)
= 1 P(X = 1) P(2 X 4) = 1 13 38
81
= 812738
81

= 16
81
' 19,75 %.
P+
Autre methode. On peut aussi utiliser la formule P(X 5) = k=5 P(X = k) et calculer la
somme en faisant le changement de variable k0 = k 5.

4
 Faisons le mme calcul pour Y :

P(X 5) = 1 P(Y = 1) P(2 Y 4) = 1 12 7

16
= 1687
16

= 1
16
' 6,25 %.

Exercice 3.2 (Une variante de la loi gomtrique). Soit un paquet de 52 cartes.

(a) On tire une carte dans la paquet. Soit A lvnement on tire un trfle numrot de 2
7 , B lvnement on tire un roi, une reine ou un valet de trfle et C = A B. Calculer
P(C).
(b) On tire maintenant indfiniment des cartes du paquets en les remettant chaque fois.
Notons S lvnement A se produit avant B et S k lvnement les k 1 premiers
tirages correspondent lvnement C et le k-ime lvnement A . Calculer P(S k )
puis montrer quon a lunion disjointe S = +
S
P+ k=1 S k .
(c) En dduire que P(S ) = k=1 P(S k ) et calculer P(S ).

Corrig de lexercice 3.2.

(a) On a P(A) = 52
6
et P(B) = 3
52
. Les vnements A et B sont incompatibles donc P(A B) = 0.
Par suite,

P(C) = P(A B) = P(A B) = 1 P(A B) = 1 [P(A) + P(B) P(A B)]

= 1 P(A) P(B) = 43
52
.

(b) Puisque les tirages sont indpendants (il y a remise chaque fois et on tire les cartes au
hasard), on a

P(S k ) = P(C)k1 P(A) = ( 43

52
)k1 6
52
.

Supposons que lvnement S se produise. Il existe alors un tirage k tel que A se soit
produit la premire fois au k-ime tirage et quau cours daucun des tirages prcdentes
ni lvnement A ni lvnement B ne se soient produit (autrement dit, chaque fois,
cest lvnement C qui sest produit) ; cette vnement est exactement S k , donc S est
lunion, pour tous les entiers k 1, des S k . Cette union est disjointe car tous les S k sont
incompatibles.
(c) Puisque les S k sont incompatibles, on a
S+
P+ P+ 43 k1
P(S ) = P = k=1 P(S k ) = .
6


k=1 S k 52 k=1 52

Faisons le changement de variable k0 = k 1 :

P+
0
43 k 2
P(S ) = 6
52 k0 =0 52
= 6
52
1
1 43
= 6
52
1
9 = 6
9
= .
52 52 3

Il y a donc 66,67 % de chances que lvnement A se produise avant lvnement B.

5
 4. Lois de Poisson
Rappels de cours : Loi de Poisson
Si X suit une loi de Poisson de paramtre , on a
k
P(X = k) = k!
e , E(X) = et Var(X) = .

Rappelons que 0 = 1 et 0! = 1.

Exercice 4.1 (Nombre de dsintgrations dune substance radioactive). Le nombre X de

dsintgrations dune substance radioactive durant un intervalle de temps de 7,5 secondes suit
une loi de Poison de paramtre 3,87.
(a) Quel est le nombre moyen de dsintgrations durant un intervalle de temps de 7,5 se-
condes ? Calculer lcart-type correspondant.
(b) Dterminer la probabilit quil ny ait aucune dsintgration durant un intervalle de
temps de 7,5 secondes.
(c) Quelle est la probabilit quil y ait entre 3 et 5 dsintgrations durant un intervalle de
temps de 7,5 secondes ?

Corrig de lexercice 4.1.

(a) Le nombre moyen de dsintgrations est lesprance de X. Puisque X suit une loi de Pois-
son de paramtre = 3,87, on a E(X) = et donc il y a en moyenne 3,87 dsintgrations
durant chaque priode de 7,5 secondes.
La variance
dune loi de Poisson de paramtre est gale = 3,87 donc lcart-type
est 3,87 = 1,97.
(b) On a
0
P(X = 0) = 0!
e = e ' 0,0209.

Il y a 2,09 % de chances quil y ait zro dsintgrations durant une priode de 7,5 secondes.
(c) On a

P(3 X 5) = P(X = 3) + P(X = 4) + P(X = 5)

3 4 5 4 5
 3 
= e + e + e = + + e
6 24 120 6 24 120
' 0,5473.

Il y a 54,73 % de chances quil y ait entre 3 et 5 dsintgrations durant une priode de 7,5
secondes.

Exercice 4.2 (Bombardement de Londres). Durant la seconde guerre mondiale, le sud de

Londres a t bombard continuellement pour un total de 537 impacts de bombes. On divise
cette partie de Londres en 576 zones de 25 hectares chacune et on note N la variable alatoire
telle que N = k est lvnement une zone a t touche par k impacts . On suppose que N
suit une loi de Poisson.
(a) Quel est le paramtre de la loi de Poisson ?

6
 (b) Calculer le nombre de zones ayant reu 1, 2, 3, 4 et plus de 5 impacts. Les bombarde-
ments taient-ils cibls sur des zones spcifiques ou taient-ils fait laveugle ?
(c) Les donnes relles sont reproduites dans le tableau suivant. Y a-t-il concordance avec
les rsultats prcdents ?

nombre dimpacts 0 1 2 3 4 5
nombre de zones 229 211 93 35 7 1

Corrig de lexercice 4.2.

(a) Le paramtre dune loi de Poisson est son esprance, donc la valeur moyenne du nombre de
bombardements par zones. Puisquil y a 537 impacts et 576 zones, on a = 537
576
' 0,9323.
(b) Le nombre de zones ayant reu k impacts est gal 576 P(N = k). Calculons les proba-
bilits :
0
P(N = 0) = 0!
e = e ' e0,9323 ' 0,393 651
1
P(N = 1) = 1!
e = e ' e0,9323 ' 0,366 997
2 2
P(N = 2) = 2!
e = 2
e ' e0,9323 ' 0,171 074
3 3
P(N = 3) = 3!
e = 6
e ' e0,9323 ' 0,053 164
4 4
P(N = 4) = e = e = e ' e0,9323 ' 0,012 391
4! 24
P(N 5) = 1 P(N < 5) = 1 P(N 4)
= 1 P(N = 0) P(N = 1) P(N = 2) P(N = 3) P(N = 4)
= 0,002 723.

Pour obtenir les nombres de zones correspondant aux nombres dimpacts par zone, on
multiplie par 576 et on arrondi le rsultat :

nombre dimpacts 0 1 2 3 4 5
nombre de zones 227 211 99 31 7 2
On remarque quil y a assez peu de zones ayant beaucoup dimpacts. On peut donc consi-
drer que les bombardements taient fait laveugle.
(c) Quand on compare les chires de deux tableaux, on voit une nette correspondance :

nombre dimpacts 0 1 2 3 4 5
nombre reel de zones 229 211 93 35 7 1
nombre calcule de zones 227 211 99 31 7 2

Il faudrait nanmoins faire un test statistique (test du 2 par exemple) pour vrifier la
correspondance.

Exercice 4.3. Un ambassadeur reoit 500 personnes lors dune rception le 1er janvier. Il a
prvu dorir un cadeau cotant 20 euros chaque invit, sauf aux invits dont lanniversaire
tombe le 1er janvier, qui auront un cadeau cotant 100 euros. Pour simplifier, on considrera
quune anne a 365 jours (on nglige les annes bissextiles) et que toutes les dates danniver-

7
saire ont la mme probabilit.
(a) Soit X la variable alatoire nombre dinvit ayant leur anniversaire qui tombe le 1er
janvier . Quelle est la loi suivie par X ? En dduire le cot moyen des cadeaux.
(b) On approxime X par une loi de Poisson Y. Trouver le paramtre . Le cot moyen des
cadeaux change-t-il ? Comparer dans les deux cas de figure la probabilit quil ny ait 0
des invits n le 1er janvier. Mme question pour 1, 2, 3 ou 4 invits. Lapproximation
par la loi de Poisson est-elle bonne ?

Corrig de lexercice 4.3.

(a) Vu les hypothses de lnonc, la probabilit que la date danniversaire dun invit tombe
le 1er janvier est p = 365
1
. Puisque les dates danniversaire de tous les invits sont indpen-
dantes entre elles, X suit une loi binomiale de paramtres p et n = 500. Le nombre moyen
de personnes ayant un anniversaire tombant le 1er janvier est donc E(X) = np = 365 500
'
1,37. Le cot moyen des cadeaux sera donc
500
365
100 + (500 500
365
) 20 = 3690000
365
' 10 109,59.

Le cot moyen des cadeaux de la rception sera de 10 109,59 euros.

(b) Puisque le paramtre dune loi de Poisson est gal son esprance, on va prendre = 500
365
.
Le cot moyen des cadeaux ne change pas, car lesprance est la mme dans les deux cas.
Les probabilits quil ny ait k invits n le 1er janvier sont

et P(Y = k) = k! e .
k
P(X = k) = 500k
p (1 p)500k = 500 k

k
364 500
( 365 )

Comparons dans le tableau suivant les valeurs trouves pour k {0, 1, 2, 3, 4} :

k 0 1 2 3 4
P(X = k) 0,2537 0,3484 0,2388 0,1089 0,0372
P(Y = k) 0,2541 0,3481 0,2385 0,1089 0,0373

Les rsultats obtenus sont trs proches. On pouvait le prvoir, car lapproximation dune
loi binomiale par une loi de Poisson est relativement bonne lorsque p est petit, n grand et
= np ni grand ni petit. Pour dmontrer que lapproximation est bonne, il faudrait faire
un test statistique appropri (test du 2 ).