Tu as compris le cours sur les couples de variables aléatoires, mais devant un tableau à double entrée ou une loi conjointe sur \(\mathbb{N}^2\), tu bloques ? C’est exactement pour ça que cette page existe. Voici 14 exercices classés par difficulté croissante, de la lecture d’un tableau de loi conjointe au problème type concours. Chaque exercice est corrigé pas à pas, avec les calculs recalculés et le piège à éviter signalé. Le niveau cible est la prépa (MPSI, MP2I, PCSI, ECG, puis MP, MPI, PC pour les séries avancées 🟠). Essaie chaque énoncé au brouillon avant d’ouvrir la correction : c’est comme ça qu’on progresse vraiment.

Rappel de cours : les formules à avoir en tête

Avant de te lancer, garde ces quatre réflexes sous les yeux. Pour approfondir, chaque notion renvoie vers son cours complet.

Loi conjointe et lois marginales

La loi conjointe d’un couple \((X,Y)\) donne les \(P(X=x,\,Y=y)\). Les lois marginales s’en déduisent par sommation :

\(P(X=x) = \displaystyle\sum_{y} P(X=x,\,Y=y)\) (on somme chaque ligne), et de même par colonne pour \(Y\). Voir la loi conjointe.

Indépendance et covariance

\(X\) et \(Y\) sont indépendantes si pour tout \((x,y)\), \(P(X=x,\,Y=y)=P(X=x)\,P(Y=y)\).

La covariance vaut \(\mathrm{Cov}(X,Y)=E(XY)-E(X)E(Y)\), et la variance d’une somme :

\(V(X+Y)=V(X)+V(Y)+2\,\mathrm{Cov}(X,Y)\).

Le réflexe à garder : si \(X\) et \(Y\) sont indépendantes, alors \(E(XY)=E(X)E(Y)\) et \(\mathrm{Cov}(X,Y)=0\). La réciproque est fausse (exercice 9). Pour relier tout ça, pense à l’espérance et à la variance.

Loi conjointe de l’exercice 1 : lignes 0,1 ; 0,2 ; 0,1 et 0,2 ; 0,2 ; 0,2. Marginales de X : 0,4 et 0,6 ; de Y : 0,3, 0,4 et 0,3. Total : 1.
Les six probabilités de l’exercice 1 totalisent 1. Les marges sont les sommes des lignes et des colonnes.

Série 1 ★ : Loi conjointe et lois marginales

On commence par le cœur du chapitre : lire et construire un tableau de loi conjointe, puis en extraire les marges et les lois conditionnelles.

Exercice 1 : Lire un tableau de loi conjointe ★

La loi conjointe du couple \((X,Y)\), avec \(X\in\{1,2\}\) et \(Y\in\{1,2,3\}\), est donnée ci-dessous.

Loi conjointe du couple pour l’exercice 1
\(P(X=i,\,Y=j)\)\(Y=1\)\(Y=2\)\(Y=3\)
\(X=1\)\(0{,}1\)\(0{,}2\)\(0{,}1\)
\(X=2\)\(0{,}2\)\(0{,}2\)\(0{,}2\)

Déterminer les lois marginales de \(X\) et de \(Y\), puis calculer \(E(X)\) et \(E(Y)\).

Voir la correction de l’exercice 1

Vérification préalable. La somme des six cases vaut \(0{,}1+0{,}2+0{,}1+0{,}2+0{,}2+0{,}2=1\) : c’est bien une loi de probabilité.

Loi marginale de \(X\) (on somme chaque ligne) :

\(P(X=1)=0{,}1+0{,}2+0{,}1=0{,}4\) et \(P(X=2)=0{,}2+0{,}2+0{,}2=0{,}6\).

Loi marginale de \(Y\) (on somme chaque colonne) :

\(P(Y=1)=0{,}3\), \(P(Y=2)=0{,}4\), \(P(Y=3)=0{,}3\).

Espérances :

\(E(X)=1\times 0{,}4+2\times 0{,}6=1{,}6\).

\(E(Y)=1\times 0{,}3+2\times 0{,}4+3\times 0{,}3=0{,}3+0{,}8+0{,}9=2\).

En résumé : \(E(X)=1{,}6\) et \(E(Y)=2\).


Exercice 2 : Construire la loi d’un couple (tirage sans remise) ★

Une urne contient 2 boules blanches et 3 boules noires. On tire deux boules successivement sans remise. On pose \(X=1\) si la première boule est blanche, \(0\) sinon, et \(Y=1\) si la seconde est blanche, \(0\) sinon. Déterminer la loi conjointe de \((X,Y)\). Les variables sont-elles indépendantes ?

Voir la correction de l’exercice 2

On raisonne avec la probabilité conditionnelle : \(P(X=a,\,Y=b)=P(X=a)\,P(Y=b\mid X=a)\).

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

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

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

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

La somme vaut \(\displaystyle\frac{1}{10}+\displaystyle\frac{3}{10}+\displaystyle\frac{3}{10}+\displaystyle\frac{3}{10}=1\) : cohérent.

Marginales : \(P(X=1)=\displaystyle\frac{1}{10}+\displaystyle\frac{3}{10}=\displaystyle\frac{2}{5}\) et par symétrie \(P(Y=1)=\displaystyle\frac{2}{5}\).

Indépendance : \(P(X=1)P(Y=1)=\displaystyle\frac{2}{5}\times\displaystyle\frac{2}{5}=\displaystyle\frac{4}{25}=0{,}16\), alors que \(P(X=1,\,Y=1)=\displaystyle\frac{1}{10}=0{,}1\).

\(0{,}16\neq 0{,}1\) : les variables ne sont pas indépendantes (le tirage sans remise crée une dépendance).


Exercice 3 : loi conditionnelle ; espérance (ECG2 approfondies) ★

Le couple \((X,Y)\) avec \(X\in\{0,1\}\) et \(Y\in\{0,1,2\}\) suit la loi suivante : \(P(0,0)=\displaystyle\frac{1}{8}\), \(P(0,1)=\displaystyle\frac{1}{8}\), \(P(0,2)=\displaystyle\frac{1}{4}\), \(P(1,0)=\displaystyle\frac{1}{4}\), \(P(1,1)=\displaystyle\frac{1}{8}\), \(P(1,2)=\displaystyle\frac{1}{8}\). Déterminer la loi conditionnelle de \(Y\) sachant \(X=0\), puis \(E(Y\mid X=0)\).

Voir la correction de l’exercice 3

D’abord la marginale : \(P(X=0)=\displaystyle\frac{1}{8}+\displaystyle\frac{1}{8}+\displaystyle\frac{1}{4}=\displaystyle\frac{1}{2}\).

La loi conditionnelle s’obtient en divisant chaque probabilité par \(P(X=0)\) :

\(P(Y=0\mid X=0)=\displaystyle\frac{1/8}{1/2}=\displaystyle\frac{1}{4}\), \(P(Y=1\mid X=0)=\displaystyle\frac{1/8}{1/2}=\displaystyle\frac{1}{4}\), \(P(Y=2\mid X=0)=\displaystyle\frac{1/4}{1/2}=\displaystyle\frac{1}{2}\).

Somme : \(\displaystyle\frac{1}{4}+\displaystyle\frac{1}{4}+\displaystyle\frac{1}{2}=1\), c’est bien une loi.

Espérance conditionnelle :

\(E(Y\mid X=0)=0\times\displaystyle\frac{1}{4}+1\times\displaystyle\frac{1}{4}+2\times\displaystyle\frac{1}{2}=\displaystyle\frac{1}{4}+1=\displaystyle\frac{5}{4}\).

Conclusion : \(E(Y\mid X=0)=\displaystyle\frac{5}{4}\). Pour aller plus loin, voir l’espérance conditionnelle.


Série 2 ★★ : Indépendance et lemme des coalitions

On passe à la vérification de l’indépendance de variables aléatoires et à l’un des outils les plus utiles en prépa : le lemme des coalitions.

Exercice 4 : Reconnaître un couple indépendant ★★

Le couple \((X,Y)\), avec \(X\in\{1,2\}\) et \(Y\in\{1,2\}\), a pour loi conjointe : \(P(1,1)=\displaystyle\frac{1}{12}\), \(P(1,2)=\displaystyle\frac{1}{4}\), \(P(2,1)=\displaystyle\frac{1}{6}\), \(P(2,2)=\displaystyle\frac{1}{2}\). Les variables \(X\) et \(Y\) sont-elles indépendantes ?

Voir la correction de l’exercice 4

Marginales. \(P(X=1)=\displaystyle\frac{1}{12}+\displaystyle\frac{1}{4}=\displaystyle\frac{1}{3}\) donc \(P(X=2)=\displaystyle\frac{2}{3}\). De même \(P(Y=1)=\displaystyle\frac{1}{12}+\displaystyle\frac{1}{6}=\displaystyle\frac{1}{4}\) donc \(P(Y=2)=\displaystyle\frac{3}{4}\).

Test. On vérifie \(P(X=i,Y=j)=P(X=i)P(Y=j)\) sur chaque case :

\(P(X=1)P(Y=1)=\displaystyle\frac{1}{3}\times\displaystyle\frac{1}{4}=\displaystyle\frac{1}{12}\) ✓ ; \(\displaystyle\frac{1}{3}\times\displaystyle\frac{3}{4}=\displaystyle\frac{1}{4}\) ✓ ; \(\displaystyle\frac{2}{3}\times\displaystyle\frac{1}{4}=\displaystyle\frac{1}{6}\) ✓ ; \(\displaystyle\frac{2}{3}\times\displaystyle\frac{3}{4}=\displaystyle\frac{1}{2}\) ✓.

Les quatre égalités sont vérifiées : \(X\) et \(Y\) sont indépendantes. Attention : il faut vérifier toutes les cases, une seule égalité ne suffit pas.


Exercice 5 : Lemme des coalitions ★★

Soit \(X_1,X_2,X_3,X_4\) quatre variables mutuellement indépendantes de loi de Bernoulli de paramètre \(p\). On pose \(S=X_1+X_2\) et \(T=X_3+X_4\). Montrer que \(S\) et \(T\) sont indépendantes et en déduire \(E(ST)\).

Voir la correction de l’exercice 5

Argument clé. \(S\) est une fonction de \((X_1,X_2)\) et \(T\) une fonction de \((X_3,X_4)\). Les deux paquets de variables sont disjoints. Le lemme des coalitions affirme alors que \(f(X_1,X_2)\) et \(g(X_3,X_4)\) sont indépendantes.

Donc \(S\) et \(T\) sont indépendantes.

Par indépendance, \(E(ST)=E(S)E(T)\). Comme \(E(X_i)=p\), on a \(E(S)=2p\) et \(E(T)=2p\), d’où :

\(E(ST)=(2p)\times(2p)=4p^2\).

Piège. Si on avait pris \(S=X_1+X_2\) et \(T=X_2+X_3\), les coalitions se chevauchent (via \(X_2\)) et le lemme ne s’applique plus.


Exercice 6 : Espérance d’un produit ★★

Les variables \(X\) et \(Y\) sont indépendantes. \(X\) prend les valeurs \(-1,0,1\) de façon équiprobable, et \(Y\) prend les valeurs \(1\) et \(2\) avec \(P(Y=1)=P(Y=2)=\displaystyle\frac{1}{2}\). Calculer \(E(XY)\) et \(V(XY)\).

Voir la correction de l’exercice 6

Espérances de départ. \(E(X)=\displaystyle\frac{-1+0+1}{3}=0\) et \(E(Y)=\displaystyle\frac{1+2}{2}=\displaystyle\frac{3}{2}\).

Espérance du produit (indépendance) :

\(E(XY)=E(X)E(Y)=0\times\displaystyle\frac{3}{2}=0\).

Variance. Par indépendance, \(E(X^2Y^2)=E(X^2)E(Y^2)\). On calcule \(E(X^2)=\displaystyle\frac{1+0+1}{3}=\displaystyle\frac{2}{3}\) et \(E(Y^2)=\displaystyle\frac{1+4}{2}=\displaystyle\frac{5}{2}\).

Donc \(E((XY)^2)=\displaystyle\frac{2}{3}\times\displaystyle\frac{5}{2}=\displaystyle\frac{5}{3}\), puis :

\(V(XY)=E((XY)^2)-\big(E(XY)\big)^2=\displaystyle\frac{5}{3}-0=\displaystyle\frac{5}{3}\).

Bilan : \(E(XY)=0\) et \(V(XY)=\displaystyle\frac{5}{3}\).


Série 3 ★★ : Covariance, corrélation et variance d’une somme

La covariance mesure la liaison entre deux variables. Ces trois exercices couvrent son calcul, son usage dans la variance d’une somme, et le contre-exemple incontournable.

Exercice 7 : Covariance et coefficient de corrélation ★★ 🟠 ECG

Le couple \((X,Y)\) avec \(X,Y\in\{1,2\}\) a pour loi : \(P(1,1)=0{,}3\), \(P(1,2)=0{,}2\), \(P(2,1)=0{,}1\), \(P(2,2)=0{,}4\). Calculer \(\mathrm{Cov}(X,Y)\) puis le coefficient de corrélation \(\rho(X,Y)\).

Voir la correction de l’exercice 7

Marginales. \(P(X=1)=0{,}5\), \(P(X=2)=0{,}5\), \(P(Y=1)=0{,}4\), \(P(Y=2)=0{,}6\). Donc \(E(X)=1{,}5\) et \(E(Y)=1{,}6\).

Espérance du produit.

\(E(XY)=1\cdot 0{,}3+2\cdot 0{,}2+2\cdot 0{,}1+4\cdot 0{,}4=0{,}3+0{,}4+0{,}2+1{,}6=2{,}5\).

Covariance : \(\mathrm{Cov}(X,Y)=E(XY)-E(X)E(Y)=2{,}5-1{,}5\times1{,}6=2{,}5-2{,}4=0{,}1\).

Variances. \(V(X)=E(X^2)-E(X)^2=2{,}5-2{,}25=0{,}25\) et \(V(Y)=(0{,}4+2{,}4)-2{,}56=0{,}24\).

Corrélation :

\(\rho(X,Y)=\displaystyle\frac{\mathrm{Cov}(X,Y)}{\sqrt{V(X)V(Y)}}=\displaystyle\frac{0{,}1}{\sqrt{0{,}25\times0{,}24}}=\displaystyle\frac{0{,}1}{\sqrt{0{,}06}}\approx 0{,}41\).

Interprétation : \(\rho\gt 0\), liaison positive modérée. Le coefficient \(\rho\) est au programme d’ECG ; voir le coefficient de corrélation.


Exercice 8 : Variance d’une combinaison linéaire ★★

On sait que \(V(X)=4\), \(V(Y)=9\) et \(\mathrm{Cov}(X,Y)=-2\). Calculer \(V(X+Y)\), \(V(X-Y)\) et \(V(2X-3Y)\).

Voir la correction de l’exercice 8

On utilise \(V(aX+bY)=a^2V(X)+b^2V(Y)+2ab\,\mathrm{Cov}(X,Y)\).

Somme : \(V(X+Y)=4+9+2\times(-2)=9\).

Différence : ici \(a=1,\ b=-1\), donc \(V(X-Y)=4+9-2\times(-2)=17\).

Combinaison : \(a=2,\ b=-3\) :

\(V(2X-3Y)=4\times4+9\times9+2\times2\times(-3)\times(-2)=16+81+24=121\).

Résultats : \(9\), \(17\) et \(121\). Remarque : le signe du double produit change selon celui de \(ab\) : c’est la source d’erreur n°1 (voir pièges). Plus de détails dans le cours sur la variance.


Exercice 9 : Covariance nulle n’implique pas indépendance ★★

Soit \(X\) une variable prenant les valeurs \(-1,0,1\) de façon équiprobable, et \(Y=X^2\). Montrer que \(\mathrm{Cov}(X,Y)=0\), puis que \(X\) et \(Y\) ne sont pas indépendantes.

Voir la correction de l’exercice 9

Covariance. \(E(X)=\displaystyle\frac{-1+0+1}{3}=0\). Ensuite \(XY=X\cdot X^2=X^3\), donc \(E(XY)=E(X^3)=\displaystyle\frac{(-1)^3+0+1^3}{3}=0\).

D’où \(\mathrm{Cov}(X,Y)=E(XY)-E(X)E(Y)=0-0=0\).

Dépendance. Pourtant \(Y\) est une fonction de \(X\) : connaître \(X\) détermine \(Y\). Prouvons-le formellement. \(P(X=0)=\displaystyle\frac{1}{3}\) et \(P(Y=0)=P(X=0)=\displaystyle\frac{1}{3}\). Or \(\{X=0\}=\{Y=0\}\), donc \(P(X=0,\,Y=0)=\displaystyle\frac{1}{3}\).

Mais \(P(X=0)P(Y=0)=\displaystyle\frac{1}{3}\times\displaystyle\frac{1}{3}=\displaystyle\frac{1}{9}\neq\displaystyle\frac{1}{3}\).

Conclusion : \(\mathrm{Cov}(X,Y)=0\) mais \(X\) et \(Y\) sont dépendantes. La covariance ne capte que la liaison linéaire : « décorrélées » n’est pas « indépendantes ».

Erreur à éviter : conclure « \(\mathrm{Cov}(X,Y)=0\) donc \(X\) et \(Y\) indépendantes ». C’est faux en général, comme le montre l’exercice 9. L’implication ne vaut que dans un sens : indépendance \(\Longrightarrow\) covariance nulle.

🎁 EN BONUS

Fiche PDF à imprimer

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

📄 L’essentiel du cours en PDF

Reçois gratuitement le PDF par e-mail.

Logo-excellence-maths
Bloqué sur les probabilités de prépa ?
Un professeur diplômé de Polytechnique, exigeant et bienveillant. Suivi sur-mesure, méthode de rédaction concours et correction de tes copies pour gagner des points. Premier cours « satisfait ou remboursé ».

Série 4 ★★★ : Loi de X+Y, du minimum et du maximum

On attaque le calcul explicite de la loi d’une transformation d’un couple : la somme de variables aléatoires, puis le minimum et le maximum.

Exercice 10 : Loi de la somme de deux dés ★★★

On lance deux dés équilibrés indépendants, de résultats \(X\) et \(Y\). On pose \(S=X+Y\). Déterminer la loi de \(S\), puis \(E(S)\) et \(V(S)\).

Diagramme en bâtons de la loi de la somme de deux dés équilibrés, avec un pic en 7.
La loi de X+Y forme un triangle : la somme 7 est la plus probable, avec six façons de l’obtenir.
Voir la correction de l’exercice 10

Support. \(S\) prend ses valeurs dans \(\{2,3,\dots,12\}\). Chaque issue \((x,y)\) a probabilité \(\displaystyle\frac{1}{36}\) (36 issues équiprobables).

Loi. Le nombre de couples donnant une somme \(k\) est \(k-1\) pour \(k\leq 7\) puis \(13-k\) pour \(k\geq 7\) :

\(P(S=2)=\displaystyle\frac{1}{36}\), \(P(S=3)=\displaystyle\frac{2}{36}\), …, \(P(S=7)=\displaystyle\frac{6}{36}\), …, \(P(S=12)=\displaystyle\frac{1}{36}\).

Espérance (linéarité) : \(E(S)=E(X)+E(Y)=3{,}5+3{,}5=7\).

Variance (indépendance) : pour un dé, \(V(X)=\displaystyle\frac{35}{12}\). Comme \(X\) et \(Y\) sont indépendants :

\(V(S)=V(X)+V(Y)=\displaystyle\frac{35}{12}+\displaystyle\frac{35}{12}=\displaystyle\frac{35}{6}\approx 5{,}83\).

Bilan : \(E(S)=7\) et \(V(S)=\displaystyle\frac{35}{6}\).


Exercice 11 : Loi du maximum de deux dés ★★★

Avec les mêmes \(X\) et \(Y\) (deux dés équilibrés indépendants), on pose \(M=\max(X,Y)\). Déterminer la loi de \(M\), puis \(E(M)\).

Voir la correction de l’exercice 11

Méthode par la fonction de répartition. \(M\leq k\) signifie \(X\leq k\) et \(Y\leq k\). Par indépendance :

\(P(M\leq k)=P(X\leq k)P(Y\leq k)=\displaystyle\left(\displaystyle\frac{k}{6}\right)^2=\displaystyle\frac{k^2}{36}\).

Loi. \(P(M=k)=P(M\leq k)-P(M\leq k-1)=\displaystyle\frac{k^2-(k-1)^2}{36}=\displaystyle\frac{2k-1}{36}\) pour \(k=1,\dots,6\).

On obtient \(\displaystyle\frac{1}{36},\displaystyle\frac{3}{36},\displaystyle\frac{5}{36},\displaystyle\frac{7}{36},\displaystyle\frac{9}{36},\displaystyle\frac{11}{36}\), de somme \(1\).

Espérance.

\(E(M)=\displaystyle\sum_{k=1}^{6} k\,\displaystyle\frac{2k-1}{36}=\displaystyle\frac{1+6+15+28+45+66}{36}=\displaystyle\frac{161}{36}\approx 4{,}47\).

Conclusion : \(E(M)=\displaystyle\frac{161}{36}\). La technique « passer par \(P(M\leq k)\) » est le réflexe pour un max ; pour un min, on passe par \(P(\min\geq k)\) (voir la fonction de répartition).


Série 5 ★★★ 🟠 : Couples sur N², conditionnement et espérance totale

Niveau 2e année (MP, MPI, PC, ECG2) : couples à valeurs infinies et conditionnement par la formule de l’espérance totale. C’est ici que les concours prélèvent leurs questions.

Exercice 12 : mélange binomial–Poisson, deuxième année ★★★

Soit \(N\sim\mathcal{P}(\lambda)\), avec \(\lambda\gt 0\). Sachant \(N=n\), \(X\) suit \(\mathcal{B}(n,p)\), où \(0\lt p\lt 1\). Déterminer la loi de \(X\). En ECG2 approfondies, retrouver son espérance par l’espérance totale.

Voir la correction de l’exercice 12

Loi de \(X\) par probabilités totales. Pour \(k\geq 0\), en conditionnant par \(N\) (qui doit être \(\geq k\)) :

\(P(X=k)=\displaystyle\sum_{n\geq k} P(N=n)\,{n \choose k}p^k(1-p)^{n-k}\)

\(P(X=k)=\displaystyle\sum_{n\geq k} e^{-\lambda}\displaystyle\frac{\lambda^n}{n!}\cdot\displaystyle\frac{n!}{k!(n-k)!}p^k(1-p)^{n-k}\)

On pose \(m=n-k\) et on factorise :

\(P(X=k)=e^{-\lambda}\displaystyle\frac{(\lambda p)^k}{k!}\sum_{m\geq 0}\displaystyle\frac{(\lambda(1-p))^m}{m!}=e^{-\lambda}\displaystyle\frac{(\lambda p)^k}{k!}\,e^{\lambda(1-p)}\)

\(P(X=k)=e^{-\lambda p}\displaystyle\frac{(\lambda p)^k}{k!}\).

Donc \(X\) suit une loi de Poisson de paramètre \(\lambda p\).

Espérance totale (ECG2 approfondies). La loi trouvée assure l’intégrabilité. Ainsi \(E(X)=\sum_{n\geq0}E(X\mid N=n)P(N=n)=\sum_{n\geq0}npP(N=n)=pE(N)=\lambda p\).


Exercice 13 : dé puis pièces, ECG2 approfondies ★★★

On lance un dé équilibré de résultat \(X\), puis \(X\) pièces équilibrées. Les lancers de pièces sont mutuellement indépendants et indépendants du résultat du dé. \(Y\) compte les piles. Calculer \(E(Y)\) et \(P(Y=0)\).

Voir la correction de l’exercice 13

Loi conditionnelle. Sachant \(X=k\), \(Y\) suit \(\mathcal{B}\!\left(k,\displaystyle\frac{1}{2}\right)\), donc \(E(Y\mid X=k)=\displaystyle\frac{k}{2}\).

Espérance totale :

\(E(Y)=\sum_{k=1}^{6}E(Y\mid X=k)P(X=k)=\sum_{k=1}^{6}\displaystyle\frac{k}{2}\displaystyle\frac{1}{6}=\displaystyle\frac{21}{12}=1{,}75.\)

Calcul de \(P(Y=0)\). \(P(Y=0\mid X=k)=\displaystyle\left(\displaystyle\frac{1}{2}\right)^k\). Par probabilités totales :

\(P(Y=0)=\displaystyle\sum_{k=1}^{6}\displaystyle\frac{1}{6}\left(\displaystyle\frac{1}{2}\right)^k=\displaystyle\frac{1}{6}\sum_{k=1}^{6}\displaystyle\frac{1}{2^k}\).

Or \(\displaystyle\sum_{k=1}^{6}\displaystyle\frac{1}{2^k}=1-\displaystyle\frac{1}{2^6}=\displaystyle\frac{63}{64}\), donc :

\(P(Y=0)=\displaystyle\frac{1}{6}\times\displaystyle\frac{63}{64}=\displaystyle\frac{63}{384}=\displaystyle\frac{21}{128}\approx 0{,}164\).

Bilan : \(E(Y)=1{,}75\) et \(P(Y=0)=\displaystyle\frac{21}{128}\).


Problème type concours ★★★ : Minimum et maximum de deux dés

Un grand classique d’oral et d’écrit, qui mobilise tout le chapitre : loi conjointe, marges, indépendance et covariance.

Exercice 14 : Étude complète du couple (U, V) ★★★

On lance deux dés équilibrés indépendants, \(X\) et \(Y\). On pose \(U=\min(X,Y)\) et \(V=\max(X,Y)\).

a. Déterminer la loi conjointe de \((U,V)\). b. En déduire les lois marginales de \(U\) et de \(V\). c. Les variables \(U\) et \(V\) sont-elles indépendantes ? d. Montrer que \(UV=XY\) et \(U+V=X+Y\), puis calculer \(\mathrm{Cov}(U,V)\).

Voir la correction de l’exercice 14

a. Loi conjointe. On a toujours \(U\leq V\). Les 36 issues sont équiprobables.

• Si \(u<v\) : l’événement \(\{U=u,V=v\}\) correspond aux deux issues \((X,Y)=(u,v)\) et \((v,u)\), donc \(P(U=u,V=v)=\displaystyle\frac{2}{36}=\displaystyle\frac{1}{18}\).

• Si \(u=v\) : une seule issue \((u,u)\), donc \(P(U=u,V=u)=\displaystyle\frac{1}{36}\).

• Si \(u>v\) : probabilité nulle.

b. Marginales. Pour le maximum (cf. exercice 11) : \(P(V=k)=\displaystyle\frac{2k-1}{36}\). Pour le minimum, par symétrie \(P(U=k)=\displaystyle\frac{13-2k}{36}\) pour \(k=1,\dots,6\) (valeurs \(11,9,7,5,3,1\) sur \(36\)).

c. Indépendance. \(P(U=1,V=1)=\displaystyle\frac{1}{36}\), tandis que \(P(U=1)P(V=1)=\displaystyle\frac{11}{36}\times\displaystyle\frac{1}{36}=\displaystyle\frac{11}{1296}\neq\displaystyle\frac{36}{1296}\). Non indépendantes.

d. Identités. Pour tout tirage, \(\{U,V\}=\{X,Y\}\), donc \(U+V=X+Y\) et \(UV=XY\).

D’où \(E(UV)=E(XY)=E(X)E(Y)=3{,}5\times 3{,}5=12{,}25\) (par indépendance de \(X,Y\)).

Espérances : \(E(V)=\displaystyle\frac{161}{36}\) et \(E(U)=\displaystyle\frac{1\cdot11+2\cdot9+3\cdot7+4\cdot5+5\cdot3+6\cdot1}{36}=\displaystyle\frac{91}{36}\). (Contrôle : \(E(U)+E(V)=\displaystyle\frac{252}{36}=7=E(X+Y)\) ✓.)

Covariance :

\(\mathrm{Cov}(U,V)=E(UV)-E(U)E(V)=12{,}25-\displaystyle\frac{91}{36}\times\displaystyle\frac{161}{36}=\displaystyle\frac{15876-14651}{1296}=\displaystyle\frac{1225}{1296}\approx 0{,}95\).

Conclusion : \(\mathrm{Cov}(U,V)=\displaystyle\frac{1225}{1296}\gt 0\) : min et max varient dans le même sens, ce qui est cohérent.


Erreurs fréquentes à éviter

Ces trois réflexes fautifs reviennent dans presque toutes les copies.

❌ Additionner les variances sans vérifier l’indépendance. Écrire \(V(X+Y)=V(X)+V(Y)\) n’est valable que si \(\mathrm{Cov}(X,Y)=0\). En général, il faut le terme \(+2\,\mathrm{Cov}(X,Y)\) (exercice 8).

❌ Confondre \(2X\) et \(X_1+X_2\). On a \(V(2X)=4V(X)\) alors que \(V(X_1+X_2)=2V(X)\) si \(X_1,X_2\) sont indépendantes de même loi que \(X\). Doubler une variable n’est pas additionner deux copies.

❌ Oublier de vérifier TOUTES les cases pour l’indépendance. Trouver une seule égalité \(P(X=i,Y=j)=P(X=i)P(Y=j)\) ne prouve rien ; il faut qu’elle soit vraie partout (exercice 4). À l’inverse, un seul contre-exemple suffit à prouver la dépendance.

Tu veux encore plus d’entraînement ? Reçois gratuitement le PDF par e-mail, avec des exercices supplémentaires corrigés, différents de ceux de cette page.

📄 12 exercices corrigés pour t’entraîner


Questions fréquentes

Comment trouver la loi conjointe d’un couple à partir d’un énoncé ?

On détermine les valeurs possibles et chaque probabilité conjointe. Pour \(P(X=x)\gt 0\), on peut utiliser \(P(X=x,Y=y)=P(X=x)P(Y=y\mid X=x)\). Les cases doivent être positives ou nulles et leur somme doit valoir 1.

Covariance nulle : les deux variables sont-elles indépendantes ?

Non, pas forcément. L’indépendance entraîne une covariance nulle, mais la réciproque est fausse. Deux variables peuvent être « décorrélées » (covariance nulle) tout en étant dépendantes : l’exemple classique est \(X\) uniforme sur \(\{-1,0,1\}\) et \(Y=X^2\) (exercice 9). La covariance ne mesure que la liaison linéaire.

Quelle est la différence entre loi conjointe et loi marginale ?

La loi conjointe décrit le couple dans son ensemble : elle donne \(P(X=x,\,Y=y)\) pour chaque paire de valeurs. La loi marginale ne concerne qu’une seule variable : \(P(X=x)\) s’obtient en sommant la loi conjointe sur toutes les valeurs de \(Y\). On passe donc du couple à une variable en « sommant » les lignes ou les colonnes du tableau.


Pour aller plus loin

Tu maîtrises maintenant les exercices sur les couples. Consolide les briques de base du chapitre :

Tu veux progresser plus vite et sécuriser la rédaction en concours ? Découvre les cours particuliers Excellence Maths pour la prépa scientifique.

Logo-excellence-maths
Prépa ECG : les probabilités te font perdre des points ?
Loi conjointe, covariance, espérance totale : un suivi sur-mesure avec un professeur diplômé de Polytechnique, pensé pour l'exigence des concours ECG. Premier cours « satisfait ou remboursé ».

Excellence Maths : 14 exercices corrigés sur cette page et 12 exercices complémentaires dans le PDF. Les indications de filière distinguent le socle de prépa et les prolongements.

Les formules de covariance et de variance supposent des moments d’ordre 2 finis. C’est automatique pour les variables à valeurs finies des premiers exercices.