Prepa Help
Prepa Help › Cours › Mathématiques, 2e année

Variables aléatoires discrètes en MP, MPI, PSI, PC, PT, TSI et TPC : cours, méthodes et exercices corrigés

Variables aléatoires discrètes, lois usuelles géométrique et de Poisson, couples et indépendance, espérance, variance et covariance, inégalités de Markov et de Bienaymé-Tchebychev, loi faible des grands nombres, fonctions génératrices.

Les nombres sont ceux du chapitre complet ; chaque filière voit la partie qui correspond à son programme.

Le nombre de pièces fendues d'une fournée, le rang de la première pièce fendue, le nombre d'appels reçus en une minute : ces grandeurs sont des variables aléatoires discrètes. On étudie leur loi, avec les lois géométrique et de Poisson et l'approximation d'une loi binomiale par une loi de Poisson ; leur espérance, définie par une série absolument convergente et calculée par le théorème de transfert ; leur variance ; l'inégalité de Bienaymé-Tchebychev, qui permet de choisir une taille d'échantillon. Dans la plupart des filières, le chapitre étudie aussi les couples, l'indépendance, la covariance, l'inégalité de Markov, la loi faible des grands nombres et les fonctions génératrices ; en TSI de France, les couples et la covariance sont vus sur un univers fini ; en TPC, le chapitre s'en tient à une variable. Ce chapitre suit les programmes de MP, PSI et TSI au Maroc et de MP, MPI, PC, PSI, PT, TSI et TPC en France, pour le CNC et les concours français (CCINP, Centrale-Supélec, Mines-Ponts, e3a-Polytech, Banque PT).

Ce que tu sauras faire

Le nombre de pièces fendues d'une fournée, le rang de la première pièce fendue, le nombre d'appels reçus en une minute : ces grandeurs dépendent du hasard et prennent une infinité de valeurs possibles. Ce chapitre les étudie comme des variables aléatoires discrètes, avec leur loi, leur valeur moyenne et leur dispersion. À la fin, tu dois savoir :

L'essentiel : Pour déterminer… Extrait gratuit

Un extrait de la fiche « L'essentiel » du chapitre. Les démonstrations sont dans le cours détaillé.

On cherche On utilise
la loi de XX les événements (X=x)(X = x), les probabilités composées, P(X>k)P(X > k), la formule des probabilités totales
la loi de f(X)f(X) P(f(X)=y)=∑f(x)=yP(X=x)P(f(X) = y) = \sum_{f(x) = y}P(X = x)
E(X)E(X) la définition avec convergence absolue, une loi usuelle, la linéarité et les indicatrices, ∑P(X≥n)\sum P(X \geq n)
E(f(X))E(f(X)) le théorème de transfert
V(X)V(X) König-Huygens, E(X(X−1))E(X(X - 1))
une probabilité d'écart Bienaymé-Tchebychev

Une méthode du chapitre Extrait gratuit

Un exercice corrigé Extrait gratuit

Dans le chapitre complet

Le cours détaillé, toute la fiche « L'essentiel », 19 méthodes, 23 pièges corrigés, la carte mentale, 44 exercices corrigés, 13 problèmes de concours, les fiches à mémoriser et l'assistant qui répond à tes questions. Les trois premiers chapitres de chaque matière sont offerts avec un compte d’essai gratuit.

Ouvrir l'essai gratuitVoir les offres

Plan du cours

Les méthodes du chapitre

Chaque méthode est une fiche : quand l'utiliser, le rappel de cours, les étapes, la rédaction attendue sur la copie, un exemple traité, les erreurs à éviter.

  1. Écrire X(Ω)X(\Omega) et les événements (X=x)(X = x)
  2. Déterminer la loi d'une variable
  3. Reconnaître une loi usuelle et justifier la modélisation
  4. Montrer qu'une espérance existe et la calculer
  5. Appliquer le théorème de transfert
  6. Calculer une variance
  7. Calculer E(X)E(X) par ∑P(X≥n)\sum P(X \geq n)
  8. Majorer par Bienaymé-Tchebychev, choisir une taille d'échantillon
  9. Approcher une loi binomiale par une loi de Poisson
  10. Contrôler un résultat par une simulation
  11. Étudier un couple : loi conjointe, lois marginales, lois conditionnelles
  12. Montrer l'indépendance de deux variables, ou la réfuter
  13. Calculer une covariance et la variance d'une somme
  14. Loi d'une somme, d'un minimum, d'un maximum
  15. Majorer par l'inégalité de Markov
  16. Appliquer la loi faible des grands nombres
  17. Utiliser une fonction génératrice
  18. Utiliser la fonction de répartition
  19. Montrer une convergence en probabilité ou en loi

Les exercices corrigés

Chaque exercice a ses indications, sa correction rédigée et ce qu'il faut en retenir.

Application directe (18)

Entraînement (20)

Approfondissement (6)

Les problèmes de concours

Des extraits de sujets réels, corrigés en entier, avec la durée conseillée et les méthodes mobilisées.

Questions fréquentes

Qu'est-ce qu'une variable aléatoire discrète ?

C'est une grandeur qui dépend de l'issue d'une expérience et prend un nombre fini ou une infinité dénombrable de valeurs, chaque (X=x)(X = x) étant un événement. Les événements (X=x)(X = x) forment un système complet. Au Maroc, le programme définit d'abord une variable aléatoire réelle quelconque, puis les variables de loi discrète.

Quand une variable aléatoire a-t-elle une espérance ?

Quand la série ∑xnP(X=xn)\sum x_nP(X = x_n) converge absolument ; l'espérance est alors sa somme. Une variable discrète n'en a pas toujours : si P(X=n)=cn2P(X = n) = \frac{c}{n^2} pour n≥1n \geq 1, la série ∑nP(X=n)\sum nP(X = n) diverge. On justifie donc la convergence absolue avant tout calcul.

Que dit le théorème de transfert ?

Il calcule l'espérance de f(X)f(X) avec la loi de XX, sans chercher celle de f(X)f(X) : f(X)f(X) est d'espérance finie si et seulement si ∑f(xn)P(X=xn)\sum f(x_n)P(X = x_n) converge absolument, et alors E(f(X))=∑f(xn)P(X=xn)E(f(X)) = \sum f(x_n)P(X = x_n). Il sert pour E(X2)E(X^2), E(X(X−1))E(X(X - 1)) ou E(11+X)E\big(\frac{1}{1 + X}\big).

À quoi sert l'inégalité de Bienaymé-Tchebychev ?

Elle majore la probabilité qu'une variable s'écarte de sa moyenne : P(∣X−E(X)∣≥β)≤V(X)β2P(|X - E(X)| \geq \beta) \leq \frac{V(X)}{\beta^2}. Appliquée à une fréquence observée, elle donne une taille d'échantillon suffisante : pour estimer une proportion à 0,010{,}01 près avec un risque de 5 %5\ \%, 50 00050\,000 observations suffisent.

Quand approcher une loi binomiale par une loi de Poisson ?

Quand le nombre nn d'épreuves est grand et la probabilité pp de succès petite : on remplace B(n,p)\mathcal{B}(n, p) par P(np)\mathcal{P}(np). Si npn→λ>0np_n \to \lambda > 0, P(Xn=k)P(X_n = k) tend vers e−λλkk!e^{-\lambda}\frac{\lambda^k}{k!} ; c'est pourquoi la loi de Poisson est la loi des événements rares.

Qu'est-ce qu'une fonction génératrice ?

Pour une variable XX à valeurs dans N\mathbb{N}, c'est GX(t)=E(tX)=∑P(X=n)tnG_X(t) = E(t^X) = \sum P(X = n)t^n, de rayon au moins 11. Elle caractérise la loi, donne E(X)=GX′(1)E(X) = G_X'(1) et la variance, et transforme la loi d'une somme de variables indépendantes en produit. Elle est au programme de MP, MPI, PC, PSI, PT et de TSI au Maroc, pas de TSI en France ni de TPC.

Comment y accéder

Ce chapitre fait partie de l'accès complet. Les trois premiers chapitres de chaque matière (deux par bloc en économie et droit, en management et gestion) sont offerts avec un compte d'essai gratuit. Créer un compte d'essai ou se connecter. Pour l'accès complet et les tarifs, vois les offres.

Toute ta prépa au même endroit

Pour chaque chapitre : le cours, l'essentiel, les méthodes, les pièges, les exercices corrigés, les problèmes de concours, et un assistant qui répond à tes questions. Programmes du Maroc et de France. Avec la plateforme vidéo YOUNESS SCHOOL offerte, dès 600 DH (60 $) par mois, sans engagement.

Prépas scientifiques : voir l'offrePrépas ECS et ECT : voir l'offreTu hésites encore ? Essaie gratuitement Prepa Help.

← Espaces probabilisés · Variables aléatoires à densité →