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 :
(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 \((x,y)\), .
La covariance vaut , et la variance d’une somme :
.
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.
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.
| \(P(X=i,\,Y=j)\) | \(Y=1\) | \(Y=2\) | \(Y=3\) |
|---|---|---|---|
| \(X=1\) | \(0{,}1\) | \(0{,}2\) | \(0{,}1\) |
| \(X=2\) | \(0{,}2\) | \(0{,}2\) | \(0{,}2\) |
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 : c’est bien une loi de probabilité.
Loi marginale de \(X\) (on somme chaque ligne) :
et .
Loi marginale de \(Y\) (on somme chaque colonne) :
\(P(Y=1)=0{,}3\), \(P(Y=2)=0{,}4\), \(P(Y=3)=0{,}3\).
Espérances :
.
.
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 : .
La somme vaut : cohérent.
Marginales : et par symétrie .
Indépendance : , alors que .
\(0{,}16\neq 0{,}1\) : 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 : , , , , , . 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 : .
La loi conditionnelle s’obtient en divisant chaque probabilité par \(P(X=0)\) :
, , .
Somme : , c’est bien une loi.
Espérance conditionnelle :
.
Conclusion : . 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 : , , , . Les variables \(X\) et \(Y\) sont-elles indépendantes ?
Voir la correction de l’exercice 4
Marginales. donc . De même donc .
Test. On vérifie \(P(X=i,Y=j)=P(X=i)P(Y=j)\) sur chaque case :
✓ ; ✓ ; ✓ ; ✓.
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 :
.
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 . Calculer \(E(XY)\) et \(V(XY)\).
Voir la correction de l’exercice 6
Espérances de départ. et .
Espérance du produit (indépendance) :
.
Variance. Par indépendance, \(E(X^2Y^2)=E(X^2)E(Y^2)\). On calcule et .
Donc , puis :
.
Bilan : \(E(XY)=0\) et .
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.
.
Covariance : .
Variances. et .
Corrélation :
.
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 .
Somme : \(V(X+Y)=4+9+2\times(-2)=9\).
Différence : ici \(a=1,\ b=-1\), donc .
Combinaison : \(a=2,\ b=-3\) :
.
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. . Ensuite \(XY=X\cdot X^2=X^3\), donc .
D’où .
Dépendance. Pourtant \(Y\) est une fonction de \(X\) : connaître \(X\) détermine \(Y\). Prouvons-le formellement. et . Or \(\{X=0\}=\{Y=0\}\), donc .
Mais .
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.
Fiche PDF à imprimer
Le support de révision est reçu gratuitement par e-mail.
📄 L’essentiel du cours en PDFReçois gratuitement le PDF par e-mail.
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 \(V(S)\).
Voir la correction de l’exercice 10
Support. \(S\) prend ses valeurs dans \(\{2,3,\dots,12\}\). Chaque issue \((x,y)\) a probabilité (36 issues équiprobables).
Loi. Le nombre de couples donnant une somme \(k\) est \(k-1\) pour \(k\leq 7\) puis \(13-k\) pour \(k\geq 7\) :
, , …, , …, .
Espérance (linéarité) : .
Variance (indépendance) : pour un dé, . Comme \(X\) et \(Y\) sont indépendants :
.
Bilan : \(E(S)=7\) et .
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 :
.
Loi. pour \(k=1,\dots,6\).
On obtient , de somme \(1\).
Espérance.
.
Conclusion : . 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 , 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 \(\geq k\)) :
On pose \(m=n-k\) et on factorise :
.
Donc \(X\) suit une loi de Poisson de paramètre \(\lambda p\).
Espérance totale (ECG2 approfondies). La loi trouvée assure l’intégrabilité. Ainsi .
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 , donc .
Espérance totale :
Calcul de \(P(Y=0)\). . Par probabilités totales :
.
Or , donc :
.
Bilan : \(E(Y)=1{,}75\) et .
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 .
• Si \(u=v\) : une seule issue \((u,u)\), donc .
• Si \(u>v\) : probabilité nulle.
b. Marginales. Pour le maximum (cf. exercice 11) : . Pour le minimum, par symétrie pour \(k=1,\dots,6\) (valeurs \(11,9,7,5,3,1\) sur \(36\)).
c. Indépendance. , tandis que . Non indépendantes.
d. Identités. Pour tout tirage, \(\{U,V\}=\{X,Y\}\), donc \(U+V=X+Y\) et \(UV=XY\).
D’où (par indépendance de \(X,Y\)).
Espérances : et . (Contrôle : ✓.)
Covariance :
.
Conclusion : : 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.
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 . 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 :
- Espérance (1ère) : Cours, Propriétés et Exercices
- Variance (1ère) : Cours, Propriétés et Exercices
- 25 Exercices Variables Aléatoires Prépa Corrigés (PDF)
Tu veux progresser plus vite et sécuriser la rédaction en concours ? Découvre les cours particuliers Excellence Maths pour la prépa scientifique.
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.