La loi conjointe d’un couple \((X, Y)\) de variables aléatoires discrètes, c’est la donnée de toutes les probabilités \(P(X = x,\ Y = y)\) pour chaque couple de valeurs possibles. En pratique, on la range dans un tableau à double entrée, et c’est à partir de ce tableau que tout le reste se déduit : lois marginales, lois conditionnelles, indépendance, covariance. Cet article te donne la méthode, pas à pas, avec six exercices corrigés.

Au programme

  • 🟢 1re année (MPSI, MP2I, PCSI, ECG1 approfondies) : couple de variables aléatoires sur un univers fini, loi conjointe, lois marginales, loi conditionnelle sachant un événement.
  • 🟠 2e année (MP, MPI, PC, PSI, ECG2) et BCPST2 : couples à valeurs dans \(\mathbb{N}^2\) (séries doubles), lois conditionnelles.

Synonymes que tu croiseras : loi du couple, loi jointe, probabilité conjointe, loi simultanée. Ils désignent tous la même chose. Pour le cadre complet, vois le cours sur les couples de variables aléatoires.

I. Qu’est-ce que la loi conjointe d’un couple ?

La loi conjointe d’un couple \((X, Y)\) de variables aléatoires discrètes est la donnée, pour tout \(x\) de \(X(\Omega)\) et tout \(y\) de \(Y(\Omega)\), de la probabilité \(P(X = x,\ Y = y)\). Cette notation désigne la probabilité de l’événement \([X = x] \cap [Y = y]\) : les deux conditions sont réalisées simultanément. Connaître la loi conjointe, c’est tout connaître du couple.

Deux notations équivalentes. En MPSI, MP, PC on écrit \(P(X = x,\ Y = y)\) ; en ECG on écrit plus souvent \(P([X = x] \cap [Y = y])\). C’est exactement la même probabilité : la virgule joue le rôle de l’intersection.

On lance deux dés équilibrés indépendants à trois faces numérotées 1, 2, 3. On note \(X\) leur minimum et \(Y\) leur maximum. Les neuf couples de résultats sont équiprobables. Comme \(X\leq Y\), certaines cases sont nulles.

Tableau de loi conjointe en carte de chaleur trois par trois du couple minimum maximum de deux dés à trois faces, avec les lois marginales en marge
La loi conjointe se lit dans le tableau central ; les lois marginales s’obtiennent en sommant chaque ligne et chaque colonne.

Exemple : le tableau du couple (min, max). En énumérant les 9 issues, on trouve :

  • \(P(X = 1,\ Y = 1) = \displaystyle\frac{1}{9}\) (seule l’issue \((1,1)\)) ;
  • \(P(X = 1,\ Y = 2) = \displaystyle\frac{2}{9}\) (issues \((1,2)\) et \((2,1)\)) ;
  • \(P(X = 1,\ Y = 3) = \displaystyle\frac{2}{9}\), \(P(X = 2,\ Y = 2) = \displaystyle\frac{1}{9}\), \(P(X = 2,\ Y = 3) = \displaystyle\frac{2}{9}\), \(P(X = 3,\ Y = 3) = \displaystyle\frac{1}{9}\).

Toutes les cases sous la diagonale (où \(X\) > \(Y\)) sont nulles. La somme des cases vaut bien \(\displaystyle\frac{1 + 2 + 2 + 1 + 2 + 1}{9} = 1\).

Pour décrire une loi, les valeurs doivent être positives ou nulles et leur somme doit être égale à 1. Ces deux contrôles sont nécessaires.


II. Construire le tableau à double entrée en 4 étapes

Face à un énoncé, la méthode est toujours la même. On la découpe en quatre étapes.

Méthode : la loi conjointe en 4 étapes

  1. Déterminer les supports \(X(\Omega)\) et \(Y(\Omega)\) : quelles valeurs chaque variable peut-elle prendre ?
  2. Dresser le tableau vide : une ligne par valeur de \(X\), une colonne par valeur de \(Y\).
  3. Remplir les cases : utiliser le dénombrement ou \(P(X=x,Y=y)=P(X=x)P_{X=x}(Y=y)\) lorsque \(P(X=x)\gt 0\). Si \(P(X=x)=0\), toute la ligne est nulle, sans définir cette probabilité conditionnelle.
  4. Vérifier la positivité ou nullité des cases et une somme totale égale à 1.

L’étape 3 admet deux grandes approches. Quand les issues sont équiprobables, on compte (dénombrement) le nombre d’issues favorables à chaque case. Quand l’expérience se fait en deux temps (tirage puis tirage), on utilise les probabilités composées, c’est-à-dire la probabilité conditionnelle.

Exemple : tirage sans remise. Une urne contient 2 boules rouges et 2 boules vertes. On tire deux boules successivement, sans remise. On pose \(X = 1\) si la 1re boule est rouge, \(0\) sinon ; \(Y = 1\) si la 2e boule est rouge, \(0\) sinon.

Étape 1–2. \(X(\Omega) = Y(\Omega) = \{0, 1\}\), tableau \(2 \times 2\).

Étape 3. Par les probabilités composées :

\(P(X = 1,\ Y = 1) = \displaystyle\frac{2}{4} \times \displaystyle\frac{1}{3} = \displaystyle\frac{1}{6}\)

\(P(X = 1,\ Y = 0) = \displaystyle\frac{2}{4} \times \displaystyle\frac{2}{3} = \displaystyle\frac{1}{3}\)

De même \(P(X = 0,\ Y = 1) = \displaystyle\frac{1}{3}\) et \(P(X = 0,\ Y = 0) = \displaystyle\frac{2}{4} \times \displaystyle\frac{1}{3} = \displaystyle\frac{1}{6}\).

Étape 4. \(\displaystyle\frac{1}{6} + \displaystyle\frac{1}{3} + \displaystyle\frac{1}{3} + \displaystyle\frac{1}{6} = 1\) ✓

Le tableau est construit : c’est l’objet central dont on va maintenant extraire les lois marginales.

🎁 EN BONUS

Fiche PDF à imprimer

Le support de révision est reçu gratuitement par e-mail.

📄 Ta fiche méthode loi conjointe

Reçois gratuitement le PDF par e-mail.


III. Lois marginales : sommer une ligne ou une colonne

La loi marginale de \(X\) est tout simplement la loi de \(X\) seule, obtenue en « oubliant » \(Y\). On la calcule en sommant chaque ligne du tableau. La formule repose sur la formule des probabilités totales appliquée au système complet des événements \([Y = y]\).

Lois marginales. À partir de la loi conjointe :

\(P(X = x) = \displaystyle\sum_{y \in Y(\Omega)} P(X = x,\ Y = y)\)

\(P(Y = y) = \displaystyle\sum_{x \in X(\Omega)} P(X = x,\ Y = y)\)

Dans le tableau : la loi de \(X\) s’obtient en sommant chaque ligne, la loi de \(Y\) en sommant chaque colonne. On les écrit « en marge » du tableau : d’où le nom.

Exemple : retour au couple (min, max). En sommant les lignes du tableau de la partie I :

  • \(P(X = 1) = \displaystyle\frac{1 + 2 + 2}{9} = \displaystyle\frac{5}{9}\) ;
  • \(P(X = 2) = \displaystyle\frac{1 + 2}{9} = \displaystyle\frac{3}{9}\) ;
  • \(P(X = 3) = \displaystyle\frac{1}{9}\).

Par symétrie du problème, \(P(Y = 1) = \displaystyle\frac{1}{9}\), \(P(Y = 2) = \displaystyle\frac{3}{9}\), \(P(Y = 3) = \displaystyle\frac{5}{9}\). Chaque loi marginale somme bien à 1.

Une fois les marginales connues, tu peux calculer les espérances \(E(X)\) et \(E(Y)\), les variances, et plus tard la covariance du couple.

Besoin d’un coup de pouce ? Nos professeurs t’aident à transformer ces méthodes en réflexes, à ton rythme.

Logo-excellence-maths
Un accompagnement premium et accessible
Un professeur diplômé de Polytechnique, exigeant et bienveillant. Suivi sur-mesure, résultats mesurables en 4 semaines. Premier cours « satisfait ou remboursé ».

IV. Quelle méthode pour trouver la loi d’un couple ?

Le tableau à double entrée est l’outil universel, mais ce n’est pas toujours le plus rapide. Selon l’information dont tu disposes, une autre approche va plus vite. Voici comment choisir.

Choisir sa méthode pour obtenir la loi conjointe
Situation Méthode Formule clé
Issues équiprobables, petit support Dénombrement, tableau \(P(X = x,\ Y = y) = \displaystyle\frac{\text{cas favorables}}{\text{cas possibles}}\)
Expérience en deux temps (tirage puis tirage) Probabilités composées \(P(X = x,\ Y = y) = P(X = x)\,P_{X = x}(Y = y)\)
\(X\) et \(Y\) indépendantes Produit des marginales \(P(X = x,\ Y = y) = P(X = x)\,P(Y = y)\)
On ne connaît que les marginales Impossible en général sauf si indépendance (partie V)

Attention : la ligne « produit des marginales » n’est valable que si l’indépendance est démontrée ou donnée par l’énoncé : jamais supposée gratuitement. C’est précisément le sujet de la partie suivante.


V. Peut-on remonter des marginales à la loi conjointe ?

En général, non. Connaître la loi de \(X\) et celle de \(Y\) séparément ne suffit pas à reconstituer la loi du couple : il manque l’information sur la façon dont les deux variables « bougent ensemble ». Deux couples très différents peuvent avoir exactement les mêmes marginales.

Erreur classique. Écrire systématiquement \(P(X = x,\ Y = y) = P(X = x)\,P(Y = y)\) sans justification. Cette égalité est la définition de l’indépendance : si l’énoncé ne l’affirme pas et ne te demande pas de la vérifier, tu n’as pas le droit de l’utiliser.

Les seules marginales ne déterminent généralement pas la loi conjointe. L’indépendance est une information supplémentaire qui permet de prendre leur produit.

Cas de l’indépendance. Les variables \(X\) et \(Y\) sont indépendantes si et seulement si, pour tout couple \((x, y)\) :

\(P(X = x,\ Y = y) = P(X = x)\,P(Y = y)\)

D’autres informations de dépendance peuvent aussi déterminer la conjointe, par exemple une relation donnée \(Y=X\). Il faut donc distinguer les marginales seules et les marginales accompagnées d’une relation entre les variables.

Dans notre exemple fil rouge, \(X\) (le min) et \(Y\) (le max) ne sont pas indépendants : on a \(P(X = 3,\ Y = 1) = 0\) alors que \(P(X = 3)\,P(Y = 1) = \displaystyle\frac{1}{9} \times \displaystyle\frac{1}{9} \neq 0\). Une seule case qui contredit le produit suffit à conclure à la dépendance.


VI. 🟠 Couples à valeurs dans N² (séries doubles)

En deuxième année (MP, MPI, PC, PSI) et en ECG, le support du couple peut être infini : \(X(\Omega) = Y(\Omega) = \mathbb{N}\) ou \(\mathbb{N}^*\). Le tableau devient infini et la vérification « somme à 1 » se transforme en calcul de somme double.

Factorisation sur un produit de supports. Si \(P(X=i,Y=j)=a_i b_j\) avec des facteurs positifs ou nuls, pour tous les couples du produit cartésien des supports, alors :

\(\displaystyle\sum_{i}\sum_{j} a_i b_j = \left(\sum_i a_i\right)\left(\sum_j b_j\right)\)

La normalisation permet alors de retrouver le produit des marginales. Une factorisation valable seulement sur un domaine triangulaire, avec des zéros ailleurs, ne suffit pas : il faut contrôler toutes les cases.

Exemple : couple géométrique. Soit \((X, Y)\) à valeurs dans \((\mathbb{N}^*)^2\) avec \(P(X = i,\ Y = j) = \displaystyle\frac{c}{2^{i + j}}\). On détermine \(c\) par la condition de normalisation :

\(\displaystyle\sum_{i \geq 1}\sum_{j \geq 1} \displaystyle\frac{c}{2^{i+j}} = c\left(\sum_{i \geq 1}\displaystyle\frac{1}{2^i}\right)^2 = c \times 1^2 = c = 1\)

Donc \(c = 1\). La marginale de \(X\) vaut \(P(X = i) = \displaystyle\sum_{j \geq 1}\displaystyle\frac{1}{2^{i+j}} = \displaystyle\frac{1}{2^i}\) : on reconnaît une loi géométrique de paramètre \(\displaystyle\frac{1}{2}\), et comme \(P(X = i,\ Y = j) = P(X = i)\,P(Y = j)\), les variables sont indépendantes.


VII. Lire une loi conditionnelle dans le tableau

La loi conditionnelle de \(Y\) sachant \(X = x\) répond à la question : « une fois \(X = x\) fixé, comment \(Y\) se répartit-il ? ». On l’obtient en divisant une ligne du tableau par son total marginal.

Loi conditionnelle. Pour \(x\) tel que \(P(X = x)\) > \(0\) :

\(P_{X = x}(Y = y) = \displaystyle\frac{P(X = x,\ Y = y)}{P(X = x)}\)

Pour \(x\) fixé, la famille des \(P_{X = x}(Y = y)\) est bien une loi de probabilité : sa somme sur \(y\) vaut 1.

Exemple. Dans le couple (min, max), sachant \(X = 1\) (donc \(P(X = 1) = \displaystyle\frac{5}{9}\)) :

\(P_{X = 1}(Y = 1) = \displaystyle\frac{1/9}{5/9} = \displaystyle\frac{1}{5}\), \(P_{X = 1}(Y = 2) = \displaystyle\frac{2}{5}\), \(P_{X = 1}(Y = 3) = \displaystyle\frac{2}{5}\). Somme \(= 1\) ✓.

C’est le point de départ de l’espérance conditionnelle et de la formule de l’espérance totale, traitées dans une page dédiée.


VIII. Erreurs fréquentes

❌ Oublier les cases nulles. Quand une contrainte lie \(X\) et \(Y\) (comme \(X \leq Y\)), certaines cases valent 0. Les omettre fausse les marginales. ✅ Diagnostic : parcours tout le support, case par case, même celles que tu « sens » nulles : et écris 0 explicitement.

❌ Confondre loi conjointe et loi conditionnelle. \(P(X = x,\ Y = y)\) (conjointe) n’est pas \(P_{X = x}(Y = y)\) (conditionnelle). La première se lit dans la case, la seconde divise la case par le total de la ligne. ✅ Repère le vocabulaire « sachant que » : il signale une conditionnelle.

❌ Multiplier les marginales sans indépendance. Voir la partie V. Tant que l’indépendance n’est pas établie, \(P(X = x)\,P(Y = y)\) n’a aucune raison d’égaler la case conjointe.


IX. Exercices corrigés

Six exercices classés par difficulté. Essaie-les avant d’ouvrir la correction. Pour aller plus loin, retrouve la série complète dans nos exercices corrigés sur les couples de variables aléatoires.

Exercice 1 : Deux lancers d’une pièce ★

On lance une pièce équilibrée deux fois. \(X = 1\) si le 1er lancer donne pile, \(0\) sinon ; \(Y\) est le nombre total de piles. Dresse le tableau de la loi conjointe, puis donne les lois marginales.

Voir la correction de l’exercice 1

Les 4 issues PP, PF, FP, FF sont équiprobables, de probabilité \(\displaystyle\frac{1}{4}\). On a \(X(\Omega) = \{0, 1\}\) et \(Y(\Omega) = \{0, 1, 2\}\).

PP : \(X = 1, Y = 2\) ; PF : \(X = 1, Y = 1\) ; FP : \(X = 0, Y = 1\) ; FF : \(X = 0, Y = 0\). D’où :

\(P(X = 0, Y = 0) = P(X = 0, Y = 1) = P(X = 1, Y = 1) = P(X = 1, Y = 2) = \displaystyle\frac{1}{4}\), les autres cases nulles.

Marginales : \(P(X = 0) = P(X = 1) = \displaystyle\frac{1}{2}\) ; \(P(Y = 0) = \displaystyle\frac{1}{4}\), \(P(Y = 1) = \displaystyle\frac{1}{2}\), \(P(Y = 2) = \displaystyle\frac{1}{4}\).


Exercice 2 : Min et max de deux dés ★★

On lance deux dés équilibrés à 6 faces. \(X\) est le minimum, \(Y\) le maximum des deux résultats. Donne la loi marginale de \(X\).

Voir la correction de l’exercice 2

Il y a 36 issues équiprobables. Pour \(k \in \{1, \dots, 6\}\), \([X = k]\) signifie que les deux dés sont \(\geq k\) et qu’au moins un vaut \(k\) :

\(P(X \geq k) = \displaystyle\frac{(7- k)^2}{36}\), donc \(P(X = k) = P(X \geq k)- P(X \geq k+1) = \displaystyle\frac{(7-k)^2- (6-k)^2}{36} = \displaystyle\frac{13- 2k}{36}\).

Ainsi \(P(X = 1) = \displaystyle\frac{11}{36}\), \(P(X = 2) = \displaystyle\frac{9}{36}\), …, \(P(X = 6) = \displaystyle\frac{1}{36}\). La somme vaut \(\displaystyle\frac{11+9+7+5+3+1}{36} = 1\) ✓.


Exercice 3 : Tirage sans remise ★★

Une urne contient 3 boules rouges et 2 noires. On tire 2 boules successivement sans remise. \(X\) = nombre de rouges obtenues au 1er tirage (0 ou 1), \(Y\) = nombre de rouges au 2e tirage. Donne la loi conjointe.

Voir la correction de l’exercice 3

Par les probabilités composées \(P(X = x, Y = y) = P(X = x)\,P_{X = x}(Y = y)\) :

\(P(X = 1, Y = 1) = \displaystyle\frac{3}{5} \times \displaystyle\frac{2}{4} = \displaystyle\frac{6}{20} = \displaystyle\frac{3}{10}\)

\(P(X = 1, Y = 0) = \displaystyle\frac{3}{5} \times \displaystyle\frac{2}{4} = \displaystyle\frac{3}{10}\)

\(P(X = 0, Y = 1) = \displaystyle\frac{2}{5} \times \displaystyle\frac{3}{4} = \displaystyle\frac{3}{10}\)

\(P(X = 0, Y = 0) = \displaystyle\frac{2}{5} \times \displaystyle\frac{1}{4} = \displaystyle\frac{1}{10}\)

Vérification : \(\displaystyle\frac{3+3+3+1}{10} = 1\) ✓. Les variables ne sont pas indépendantes (par exemple \(P(X=0,Y=0) = \displaystyle\frac{1}{10} \neq P(X=0)P(Y=0)\)).


Exercice 4 : Reconstruire sous indépendance ★★

On sait que \(X\) suit une loi de Bernoulli de paramètre \(\displaystyle\frac{1}{3}\), que \(Y\) suit une loi uniforme sur \(\{1, 2\}\), et que \(X\) et \(Y\) sont indépendantes. Donne la loi conjointe.

Voir la correction de l’exercice 4

L’énoncé affirme l’indépendance : on a donc le droit de multiplier les marginales.

\(P(X = 1) = \displaystyle\frac{1}{3}\), \(P(X = 0) = \displaystyle\frac{2}{3}\) ; \(P(Y = 1) = P(Y = 2) = \displaystyle\frac{1}{2}\).

\(P(X = 1, Y = 1) = \displaystyle\frac{1}{3} \times \displaystyle\frac{1}{2} = \displaystyle\frac{1}{6}\), \(P(X = 1, Y = 2) = \displaystyle\frac{1}{6}\), \(P(X = 0, Y = 1) = \displaystyle\frac{1}{3}\), \(P(X = 0, Y = 2) = \displaystyle\frac{1}{3}\).

Somme \(= \displaystyle\frac{1}{6} + \displaystyle\frac{1}{6} + \displaystyle\frac{1}{3} + \displaystyle\frac{1}{3} = 1\) ✓.


Exercice 5 : Couple à valeurs dans N² ★★★ 🟠

Soit \((X, Y)\) à valeurs dans \((\mathbb{N}^*)^2\) avec \(P(X = i, Y = j) = \displaystyle\frac{c}{3^{i}\,3^{j}}\). Détermine \(c\), les lois marginales, et dis si \(X\) et \(Y\) sont indépendantes.

Voir la correction de l’exercice 5

Normalisation : \(\displaystyle\sum_{i \geq 1}\sum_{j \geq 1}\displaystyle\frac{c}{3^i 3^j} = c\left(\sum_{i \geq 1}\displaystyle\frac{1}{3^i}\right)^2\). Or \(\displaystyle\sum_{i \geq 1}\displaystyle\frac{1}{3^i} = \displaystyle\frac{1/3}{1- 1/3} = \displaystyle\frac{1}{2}\), donc la somme vaut \(\displaystyle c \times \displaystyle\frac{1}{4} = 1\), d’où \(c = 4\).

Marginale de X : \(P(X = i) = \displaystyle\sum_{j \geq 1}\displaystyle\frac{4}{3^i 3^j} = \displaystyle\frac{4}{3^i} \times \displaystyle\frac{1}{2} = \displaystyle\frac{2}{3^i}\). De même \(P(Y = j) = \displaystyle\frac{2}{3^j}\).

On vérifie \(P(X = i)\,P(Y = j) = \displaystyle\frac{4}{3^i 3^j} = P(X = i, Y = j)\) : les variables sont indépendantes.


Exercice 6 : Loi conditionnelle à partir d’un tableau ★★

La loi conjointe de \((X, Y)\) est : \(P(X=0,Y=0)=0{,}1\), \(P(X=0,Y=1)=0{,}3\), \(P(X=1,Y=0)=0{,}4\), \(P(X=1,Y=1)=0{,}2\). Détermine la loi conditionnelle de \(Y\) sachant \(X = 1\).

Voir la correction de l’exercice 6

On calcule d’abord la marginale : \(P(X = 1) = 0{,}4 + 0{,}2 = 0{,}6\).

\(P_{X=1}(Y = 0) = \displaystyle\frac{0{,}4}{0{,}6} = \displaystyle\frac{2}{3}\) et \(P_{X=1}(Y = 1) = \displaystyle\frac{0{,}2}{0{,}6} = \displaystyle\frac{1}{3}\).

Somme \(= 1\) ✓. On remarque que \(P_{X=1}(Y = 0) = \displaystyle\frac{2}{3} \neq P(Y = 0) = 0{,}5\) : conditionner par \(X\) change la loi de \(Y\), donc les variables ne sont pas indépendantes.


X. Questions fréquentes

Quelle est la différence entre loi conjointe et loi marginale ?

La loi conjointe décrit le couple complet : elle donne \(P(X = x,\ Y = y)\) pour chaque combinaison de valeurs. La loi marginale décrit une seule variable, obtenue en « oubliant » l’autre, c’est-à-dire en sommant une ligne (pour \(X\)) ou une colonne (pour \(Y\)) du tableau conjoint. La conjointe contient toute l’information ; les marginales n’en gardent qu’une partie.

Comment trouver une loi marginale à partir de la loi conjointe ?

On somme sur toutes les valeurs de l’autre variable : \(P(X = x) = \sum_y P(X = x,\ Y = y)\). Concrètement, dans le tableau à double entrée, la loi de \(X\) est la somme de chaque ligne, et la loi de \(Y\) la somme de chaque colonne. C’est une application directe de la formule des probabilités totales.

Peut-on retrouver la loi conjointe à partir des deux lois marginales ?

En général, les marginales seules ne suffisent pas. Si l’indépendance est donnée ou démontrée, \(P(X=x,Y=y)=P(X=x)P(Y=y)\). D’autres informations, comme une relation déterministe entre les variables, peuvent aussi permettre de retrouver la conjointe.


XI. Pour aller plus loin

Tu sais maintenant construire la loi conjointe d’un couple, en extraire les marginales et les lois conditionnelles. Les étapes suivantes du chapitre :

Besoin d’un accompagnement sur-mesure pour sécuriser les probabilités en prépa ? Découvre nos cours particuliers pour la prépa ECG et toutes les filières.

Logo-excellence-maths
Progresse en probabilités avec un prof d'élite
Un professeur diplômé de Polytechnique, exigeant et bienveillant. Suivi sur-mesure pour la prépa ECG, résultats mesurables en 4 semaines. Premier cours « satisfait ou remboursé ».