1

UNIVERSITÉ DE CERGY Année 2012-2013

U.F.R. Économie & Gestion
Licence d’Économie et Gestion MATH201 : Probabilités

Chapitre IV : Couples de variables aléatoires discrètes

1 Généralités
~ une application de Ω dans R2
Définition 1. Soit (Ω, P(Ω), P) un espace probabilisé et C
On note : C ~ : Ω −→ R2
où X et Y sont deux V.A. définies sur (Ω, P(Ω), P).
ω 7−→ (X(ω), Y (ω))
On dit que C ~ = (X, Y ) est un couple de V.A. discrètes, ou plus simplement couple aléatoire
discret, lorsque les V.A. X et Y sont discrètes.

Exemple 1 On lance un dé. X est le numéro qui sort et Y vérifie Y (Ω) = {0; 1} où Y = 0 si le
numéro est pair et Y = 1 si le numéro est impair.
Remarque : En principe, le couple C ~ pourrait prendre une infinité (dénombrable) de valeurs,
cependant, dans tous les exemples traités, nous nous contenterons d’étudier des couples prenant
un nombre fini de valeurs.
~ = (X, Y ) un couple aléatoire discret. On note, dans le cas fini :
Notations : Soit C
1. X(Ω) = {x1 , · · · , xn } et Y (Ω) = {y1 , · · · , ym }
~ = (xi , yj )) = P((X = xi ) ∩ (Y = yj )) pour tout (i, j) ∈ [[1, n]] × [[1, m]]
2. pij = P(C
3. pi• = P(X = xi ) pour tout i ∈ [[1, n]]
4. p•j = P(Y = yj ) pour tout j ∈ [[1, m]]

2 Loi conjointe, lois marginales

~ = (X, Y ) un couple aléatoire discret.
Définition 2. Soit C
L0 application p : X(Ω) × Y (Ω) −→ [0, 1] ~
1. s’appelle la loi conjointe du couple C.
(xi , yj ) 7−→ pij

L1/S1 - MATH 201 - Probabilités

J. Stéphan - Université de Cergy-Pontoise - UFR Économie & Gestion
 2

L0 application p : X(Ω) −→ [0, 1]

•
2. s’appelle la première loi marginale du couple
xi 7−→ pi•
~ (C’est en fait la loi de X)
C.
L0 application p• : Y (Ω) −→ [0, 1] ~
3. s’appelle la seconde loi marginale du couple C.
yj 7−→ p•j
(C’est en fait la loi de Y )
~ détermine complètement
Remarque : Nous verrons que la loi conjointe d’un couple aléatoire C
~ mais que la réciproque est fausse.
les lois marginales de C,
~ = (X, Y ) un couple aléatoire discret. Avec les notations précédentes, on a :
Théorème 1. Soit C
m
X n
X
1. ∀i ∈ [[1, n]], pi• = pij et 2. ∀j ∈ [[1, m]], p•j = pij
j=1 i=1
X X
Remarque : On a bien évidemment : pi• = 1 et p•j = 1 puisque les pi• (respectivement
i∈[[1,n]] j∈[[1,m]]
les p•j ) représentent
X X
X (resp.
la loi de X X
de Y ). X
Enfin, pij = pij = pij = 1
i∈[[1,n]] j∈[[1,m]] j∈[[1,m]] i∈[[1,n]] (i,j)∈[[1,n]]×[[1,m]]

Y
y1 y2 ··· yj ··· ym Loi de X
X

x1 p11 p12 ··· p1j ··· p1m p1•

x2 p21 p22 ··· p2j ··· p2m p2•

.. .. ..
. . .

xi pi1 pi2 ··· pij ··· pim pi•

.. .. ..
. . .

xn pn1 pn2 ··· pnj ··· pnm pn•

Loi de Y p•1 p•2 ··· p•j ··· p•m 1

~
Table 1 – représentation matricielle des lois de C

Exercice 1 On lance un dé non truqué (hypothèse d’équiprobabilité). On considère les variables

aléatoires X et Y définies sur {1; 2; 3; 4; 5; 6} par :
X prend la valeur 0 si le résultat est pair, et la valeur 1 sinon.
Y prend la valeur 0 si le résultat est 2 ou 4, et la valeur 1 sinon.
Donner le tableau de la loi conjointe du couple (X, Y ) et des lois marginales.

L1/S1 - MATH 201 - Probabilités

J. Stéphan - Université de Cergy-Pontoise - UFR Économie & Gestion
 3

Exercice 2 Une urne contient 3 boules blanches et 4 boules noires. On tire successivement
deux boules de cette urne. On considère les V.A.R. X et Y définies par : X prend la valeur 1 si
la première boule tirée est blanche et 0 sinon. Y prend la valeur 1 si la seconde boule tirée est
blanche, et 0 sinon. Donner la table de la loi conjointe de (X, Y ) dans le cas où les tirages se font
avec remise, puis dans le cas où les tirages se font sans remise.

3 Lois conditionnelles
Remarque : Soient C ~ = (X, Y ) un couple aléatoire discret, et xi , (respectivement yj ) une valeur
prise par X) (respect. Y ) telle que P(Y = yj ) 6= 0. On peut considérer la probabilité conditionnelle
P((X = xi ) ∩ (Y = yj )) p
P(Y =yj ) (X = xi ) = = ij
P(Y = yj ) p•j
~ = (X, Y ) un couple aléatoire discret défini sur un espace probabilisé.
Définition 3. Soit C
1. Pour tout indice j tel que P(Y = yj ) 6= 0, on appelle loi conditionnelle de X sachant
(Y = yj ), l’application définie sur X(Ω), à valeurs dans [0, 1] par :
pij
xi 7−→ P(Y =yj ) (X = xi ) =
p•j

2. Pour tout indice i tel que P(X = xi ) 6= 0, on appelle loi conditionnelle de Y sachant
(X = xi ), l’application définie sur Y (Ω), à valeurs dans [0, 1] par :
pij
yj 7−→ P(X=xi ) (Y = yj ) =
pi•
n
X m
X
Remarque : On a vu que pij = p•j et pij = pi• , les applications définies ci-dessus sont
i=1 j=1
n m
pij pij
X X 
donc bien des lois de probabilités = =1 .
i=1 p•j j=1 pi•
Exercice 3
On considère deux V.A.R. X et Y discrètes sur un univers Ω telles que X(Ω) = Y (Ω) =
{0; 1; 2}. On donne la table de la loi conjointe de (X, Y ) et des lois marginales.

Y
0 1 2 Loi de X
X
0 0, 1 0, 2 0, 3 0, 6
1 0 0, 1 0, 2 0, 3
2 0 0 0, 1 0, 1

Loi de Y 0, 1 0, 3 0, 6 1

Déterminer toutes les lois conditionnelles.

L1/S1 - MATH 201 - Probabilités

J. Stéphan - Université de Cergy-Pontoise - UFR Économie & Gestion
 4

4 Indépendance de V.A.R.
Définition 4. Soit C~ = (X, Y ) un couple aléatoire discret défini sur un espace probabilisé quel-
conque. On dit que les V.A.R.D. X et Y sont indépendantes si et seulement si
 
∀(i, j) ∈ [[1, n]] × [[1, m]], P (X = xi ) ∩ (Y = yj ) = P(X = xi ) · (Y = yj )

ou encore, avec les notations du paragraphe précédent :

∀(i, j) ∈ [[1, n]] × [[1, m]], pij = pi• · p•j

Exercice 4
On lance un dé non truqué (hypothèse d’équiprobabilité). On considère les V.A. X et Y définies
sur [[1; 6]] par :
X prend la valeur 1 si le résultat est pair, et la valeur −1 sinon.
Y prend la valeur 2 si le résultat est 2 ou 5, et la valeur 1 sinon.
Compléter la table de la loi conjointe

Y
Loi de X
X

Loi de Y 1

Combien y-a-t-il d’égalités à vérifier pour justifier que les V.A.R.D. X et Y dont indépen-
dantes ?
Remarque : Si CardX(Ω) = n et CardY (Ω) = m, il y a n · m égalités à vérifier. Par contre,
pour justifier que deux V.A.R.D. ne sont pas indépendantes, il suffit de montrer qu’une égalité
n’est pas vérifiée !

Définition 5. On peut généraliser cette notion à d V.A.R. discrètes définies sur le même espace
probabilisé : elles sont dites mutuellement indépendantes si et seulement si :

∀α1 ∈ X1 (Ω), · · · , ∀αd ∈ Xd (Ω),

 
P (X1 = α1 ) ∩ · · · ∩ (Xd = αd ) = P(X1 = α1 ) × · · · × P(Xd = αd )

L1/S1 - MATH 201 - Probabilités

J. Stéphan - Université de Cergy-Pontoise - UFR Économie & Gestion
 5

5 Somme de deux V.A.R. discrètes

Le but de ce paragraphe est de déterminer la loi de la somme Z = X + Y de deux V.A.R
discrètes X et Y définies sur un même espace probabilisé Ω.

5.1 Définitions - Exemples

Exercice 5
On lance un dé non truqué (hypothèse d’équiprobabilité). Soient X et Y les V.A.R discrètes
définies par :
X est le chiffre obtenu et Y prend la valeur 3 si le résultat est un multiple de 3 et 1 sinon.
1. Donner la loi conjointe du couple (X, Y ), et les lois marginales
2. Donner la loi de la V.A.R. Z = X + Y
Remarque : Ainsi, lorsque pour une valeur z ∈ Z(Ω), on veut calculer P(Z = z), il faut
considérer l’ensemble Iz = {(i, j) ∈ [[1, n]] × [[1, m]]/xi + yj = z}. Cet ensemble décrit toutes les
façons d’obtenir z en sommant X + Y . Iz étant une partie de [[1, n]] × [[1, m]] donc de N2 , elle est
dénombrable, et en utilisant la σ-additivité de P, on a :
 [  
P(Z = z) = P(X + Y = z) = P (X = xi ) ∩ (Y = yj )
(i,j)∈Iz
X
= pij
(i,j)∈Iz

Théorème 2. Soient X et Y deux V.A.R. discrètes indépendantes à valeurs dans N (ou une
partie de N). La loi de Z = X + Y est obtenue en faisant le produit de convolution de la loi de X
par la loi de Y , i.e.
X X
∀n ∈ N, P(Z = n) = P(X = p) × P(Y = q) = P(X = p) × P(Y = n − p)
p+q=n p≥0

Exercice 6
On considère deux variables aléatoires X et Y de loi de Bernoulli de
1 2
paramètres et respectivement.
2 3
1
On suppose de plus que P ({X = 0} ∩ {Y = 0}) = .
6
1. Déterminer la loi du couple (X, Y ). Les variables X et Y sont-elles indépendantes ?
2. On pose U = X + Y et V = X · Y . Déterminer la loi du couple (U, V ), ainsi que les lois des
variables aléatoires U et V . Les variables aléatoires U et V sont-elles indépendantes ?
Exercice 7 Sur Ω = {−1; 0; 1}, on considère un couple (X, Y ) de V.A. tel que, pour tout
(i; j)∈ Ω2 ,

1

 si i = j,
9




 1

P ({X = i} ∩ {Y = j}) = si i = 0 ou j = 0 et i 6= j,


 12
1



 si i = −j et i 6= j.
6

L1/S1 - MATH 201 - Probabilités

J. Stéphan - Université de Cergy-Pontoise - UFR Économie & Gestion
5.2 Quelques cas particuliers 6

1. Représenter ces données dans une table. Déterminer les lois marginales de X et Y .
2. Déterminer l’espérance de X, puis celle de Y .
3. Les V.A. X et Y sont-elles indépendantes ?
4. Déterminer la loi de probabilité de la variable Z = X + Y .
Exercice 8 La loi d’un couple (X, Y ) de V.A. est donnée par le tableau suivant :

Y
−2 −1 0 1 2 Loi de X
X
1 1 1 1
0 0 0
6 12 12 3
1 1 1 1
1 0 0
12 24 24 6
1 1 1 1
2 0 0
4 8 8 2
1 5 1 1 1
Loi de Y 1
4 24 3 8 12

1. Calculer E(X) et E (Y ).
2. Les variables aléatoires X et Y sont-elles indépendantes ?
3. On pose Z = X + Y . Donner le tableau de la loi de probabilité du couple (X, Z). Les V.A.
X et Z sont-elles indépendantes ?

5.2 Quelques cas particuliers

5.2.1 Loi binomiale
Théorème 3. Soient X ,→ B(n, p) et Y ,→ B(n0 , p) (le paramètre p doit être le même !) deux
V.A. indépendantes : alors X + Y ,→ B(n + n0 , p)

Corollaire : Considérons n V.A.R. indépendantes qui suivent toutes la même loi de Bernouilli
(ou loi Binomiale B(1, p)). Alors Z = X1 + X2 + · · · + Xn suit la loi binomiale B(n, p) .

5.2.2 Loi de Poisson

Théorème 4. Soient X ,→ P(λ) et Y ,→ P(µ) deux V.A. indépendantes qui suivent des lois
de Poisson ; alors X + Y ,→ P(λ + µ)

L1/S1 - MATH 201 - Probabilités

J. Stéphan - Université de Cergy-Pontoise - UFR Économie & Gestion
5.3 Espérance 7

5.3 Espérance
Théorème 5. Soient X et Y deux V.A.R.D. définies sur un espace probabilisé (Ω, P(Ω), P). On
suppose que X et Y possèdent chacune une espérance. Alors
1. X + Y possède une espérance et E(X + Y ) = E(X) + E(Y ).
2. Pour tous réels a et b, W = aX + b possède une espérance et E(W ) = a.E(X) + b.

5.4 Variance et covariance

Théorème 6. Soit X une V.A.R.D. définie sur (Ω, P(Ω), P). On suppose que X possède une
variance. Alors Y = aX + b (où (a, b) ∈ R2 ) possède une variance et V (Y ) = a2 V (X)

Définition 6. Soient X et Y deux V.A.R.D. définies sur un espace probabilisé (Ω, P(Ω), P). On
suppose que X et Y possèdent chacune une variance. On appelle covariance de X et Y , notée
cov (X, Y ), l’espérance du produit des V.A.R. centrées associées à X et à Y , i.e.

cov (X, Y ) = E[(X − E(X))(Y − E(Y ))]

Théorème 7. Avec les notations ci-dessus, on a :

cov (X, Y ) = E(XY ) − E(X)E(Y )

Théorème 8. Soient X et Y deux V.A.R.D. définies sur un espace probabilisé (Ω, P(Ω), P). On
suppose que X et Y possèdent chacune une variance. Alors
1. La V.A.R.D. Z = X + Y possède également une variance
2. V (X + Y ) = V (X) + V (Y ) + 2cov (X, Y )

5.5 Corrélation linéaire

Définition 7. Soient X et Y deux V.A.R. discrètes sur un espace probabilisé (Ω, P(Ω), P). On
suppose que X et Y possèdent chacune une variance non nulle.
On appelle coefficient de corrélation linéaire de X et Y le nombre réel noté ρX,Y défini
par :
cov (X, Y )
ρX,Y =
σ(X).σ(Y )
q
où σ(X) (respectivement σ(Y )) est l’écart-type de X (respectivement de Y ) et σ(X) = V (X) .

Remarque : Il existe une inégalité (dite de Cauchy-Schwarz) en analyse qui s’écrit :


n

n
!1/2 n
!1/2
X 
x2i yi2
X X
xi y i  6 ·
 

 
i=1 i=1 i=1

Cette inégalité s’applique

 ici : |cov (X, Y )| 6 σ(X).σ(Y )
Conséquence : ρX,Y  ≤ 1
 

L1/S1 - MATH 201 - Probabilités

J. Stéphan - Université de Cergy-Pontoise - UFR Économie & Gestion
5.5 Corrélation linéaire 8

Théorème 9. Soient X et Y deux V.A.R. discrètes sur un espace probabilisé (Ω, P(Ω), P). On
suppose que X et Y possèdent chacune une variance non nulle. On a l’implication

Xet Y indépendantes ⇒ cov (X, Y ) = 0

Xet Y indépendantes ⇒ V (X + Y ) = V (X) + V (Y )

Remarque : Ces deux implications ne possèdent pas de réciproque !

Exercice 9
La loi d’un couple de V.A.R. discrètes (X, Y ) est donné par le tableau ci-dessous : (X(Ω) =
{1; 2} et Y (Ω) = {1; 2.3.} ).

Y
1 2 3 Loi de X
X
1 1
1 0 0
2 2
1 1 1
2 0
4 4 2
1 1 1
Loi de Y 1
4 2 4

Calculer cov (X, Y ). X et Y sont-elles indépendantes ?

Exercice 10
Un dé équilibré est lancé n fois. Soit X la variable aléatoire égale au nombre de chiffres pairs
obtenus et Y la variable aléatoire égale au nombre de 1 obtenus.
1. Pour n = 2, explicitez la loi conjointe de X et Y . Calculez cov(X; Y ).
2. Dans le cas général, calculez V(X), V(Y ), V(X + Y ) et en déduire cov(X; Y ).
Indication pour V(X + Y ) : quelle est la loi de X + Y ?

L1/S1 - MATH 201 - Probabilités

J. Stéphan - Université de Cergy-Pontoise - UFR Économie & Gestion