Chapitre 22 : Variables alatoires innies

ECE3 Lyce Carnot

4 mai 2011

Introduction
Ce chapitre est destin gnraliser les rsultats obtenus sur les variables alatoires au cas o
celles-ci prennent une innit de valeurs. Un exemple extrmement classique : on lance une pice
jusqu' obtenir Pile et on note X le nombre d'essais ncessaires. La variable X peut prendre comme
valeur n'importe quel entier, et il se peut mme que X ne prenne pas de valeur du tout (si on ne tombe
jamais sur Pile, vnement possible bien que de probabilit nulle) ! En fait, les dnitions vues pour
les variables nies ne vont tre que trs lgrement modies. La principale dirence proviendra lors
du calcul des paramtres comme l'esprance, qui feront intervenir non plus une somme nie, mais
une srie.

1 Complments de probabilits
Dnition 1. Soit (An ) une suite d'vnements dans un espace probabilis (, T , P ), la suite est
dite croissante si n N, An An+1 , et dcroissante si n N, An+1 An .
Proposition 1. Thorme de la limite monotone.
!
Pour toute suite croissante d'vnements (An ), on a P
Pour toute suite dcroissante d'vnements (An ), on a P

+
[

An

n=0
+
\
n=0

An

= lim P (An ).
n+
!
= lim P (An ).
n+

Exemple : Un singe immortel tape tous les jours 100 000 caractres de faon compltement alatoire
sur un clavier de 50 touches. On cherche la probabilit que ce singe tape un jour donn l'intgralit
des Misrables sans une seule faute de frappe, sachant que ce livre fait exactement 100 000 caractres
(ce n'est srement pas vrai mais peu importe). Notons An l'vnement  Le singe n'a pas russi
taper entirement le livre avant le jour n . La suite d'vnements (An ) est dcroissante (si le singe n'a
1

pas russi avant le jour n + 1, c'est qu'il n'avait pas russi avant le jour n), et, en notant p = 1 000
50
(probabilit que notre singe !
tape son livre un jour donn), P (An ) = (1 p)n . Par thorme de la
limite monotone, P

+
\

n=0

An

= lim P (An ) = 0 puisque p > 0, donc 1 p < 1. Il y a donc une

n+

probabilit nulle que le singe n'arrive jamais taper Les Misrables. Autrement dit, le singe arrivera
taper le livre avec probabilit 1 (il faudra juste attendre trs trs longtemps).

Dnition 2. Un vnement est ngligeable si sa probabilit est nulle. Un vnement est presque
sr si sa probabilit vaut 1.
1. Un vnement peut trs bien tre presque sr sans tre l'vnement certain. Prenons
l'exemple d'une innit de Pile ou Face ; l'vnement A :  on tire au moins un Pile  n'est pas
l'vnement certain (il existe exactement un lment de , celui compos d'une innit de Face, qui
n'appartient pas A), mais est presque sr. Pire, l'exemple de la section prcdente nous donnait
un vnement presque sr, alors qu'il existe une innit de possibilits qui ne sont pas dans A !
Remarque

2 Variables innies
2.1 Dnition, oprations
Dnition 3. Une variable alatoire innie (discrte) X sur un espace probabilis est une
application X : Z dnie sur un ensemble presque sr.
2. On peut en fait dnir sans dicult supplmentaire des variables alatoires prenant
une innit de valeurs qui ne sont pas ncessairement entires, tant que celles-ci peuvent tre mises
sous forme d'une suite de rels.
Exemple 1 : On eectue une suite de lancers de d, et on note X le nombre de lancers ncessaires
avant d'obtenir le premier 6.
Exemple 2 : Une urne contient une boule blanche, une noire et une verte. On tire dans l'urne
avec remise jusqu' tirer pour la deuxime fois la boule blanche. On note X le nombre de tirages
ncessaires. On a ici X() = {2; 3; . . .}.
Remarque 3. On continuera naturellement utiliser les notations X = i ou X > i pour les mmes
vnements que dans le cas ni.
Remarque

Proposition 2. Soient X et Y deux variables innies sur un mme univers , alors X + Y , XY ,

max(X, Y ) et min(X, Y ) sont galement des variables alatoires.

Proposition 3. Soit

X une variable alatoire innie sur et g : Z Z une fonction, alors

g(X) :
7 g(X()) est aussi une variable alatoire (note g(X)).

2.2 Loi
Dnition 4. Soit X une variable alatoire innie, la loi de probabilit de X est la donne des
probabilits P (X = k), pour toutes les valeurs de k appartenant X().

4. Il n'est videmment plus possible de prsenter la loi d'une variable innie sous la forme
d'un tableau. On devra se contenter d'une formule.
Remarque

 k1
5
1
Exemple 1 : On calcule sans dicult P (X = k) =
.
6
6
Exemple 2 : Pour les trois boules dans l'urne, on aura X = k si on tire une boule blanche au tirage k
1
(probabilit ) et exactement une boule blanche sur les k1 premiers tirages, ce qui a pour probabilit
3
 k2
2
1
(en tenant compte du choix de la position de la premire boule blanche) (k 1)
, donc
3
3
 2  k2
1
2
P (X = k) = (k 1)
.
3
3
P
Proposition 4. On a toujours
P (X = k) = 1.
kX()

Exemple 1 : Un peu de rvision sur les sries :

+  k1
X
5
k=1

+ 

1
1X
=
6
6
k=0

5
6

k
=

1
1

6 1

Exemple 2 : C'est une srie gomtrique drive qui va tre utile cette fois-ci. En eet,

5 =
6
+
X

(k

k=2

 2  k2
+  k1
1
2
1X
2
1
1
1)
=
k
=

= 1.
2 2
3
3
9
3
9
1

k=1
3

1.

2.3 Fonction de rpartition

Dnition 5. La fonction de rpartition d'une variable alatoire
FX : R R dnie par FX (x) = P (X 6 x).

X est toujours la fonction

Proposition 5. Les proprits vues dans le cas d'une variable alatoire nie restent toutes valables.

La seule dirence est que la courbe reprsentative de FX n'est plus en escalier (car il y a une innit
de  marches ).

2.4 Moments d'une variable alatoire innie

Dnition 6. On dit que la variable innie X admet une esprance si la srie de terme gnral
kP
(X = k) est absolument convergente. L'esprance de X est alors la somme de la srie : E(X) =
X
kP (X = k).

kX()

Exemple 1 : On verra dans le paragraphe consacr aux lois gomtriques que l'esprance du nombre
de lancers eectus vaut 6.

Exemple 2 : Ici, pas de loi usuelle, il faut faire le calcul, qui fait intervenir une srie gomtrique
+
X

 2  k2
1
2
1
2
1
drive seconde : E(X) =
k(k 1)
=
= 54 = 6.


3
3
3
9
9
1 23
k=2

Proposition 6. Si X et Y sont deux variables alatoires innies admettant une esprance et dnies
sur le mme univers , X + Y admet aussi une esprance et E(X + Y ) = E(X) + E(Y ).

Proposition 7. Si X est une variable alatoire positive et qu'elle admet une esprance, on a E(X) >
0. Si X , Y sont deux variables alatoires admettant une esprance et telles que X 6 Y , alors
E(X) 6 E(Y ).

Thorme 1. (thorme du transfert) Soit

X une
X variable alatoire et g : R R une fonction,
alors si g(X) admet une esprance, E(g(X)) =
g(k)P (X = k).
kX()

Dnition 7. Soit X une variable alatoire et r un entier positif, X admet un moment d'ordre

r si X r admet une esprance. Dans ce cas, on note toujours mr (X) = E(X r ).

Dnition 8. La variable alatoire innie X admet une variance si elle admet une esprance m
et si la variable (X m)2 admet une esprance. On a alors V (X) = E((X m)2 ).

Thorme 2. La variable X admet une variance si et seulement si X et X 2 admettent une esprance

et la formule de Knig-Huygens reste valable.

3 Lois usuelles innies

3.1 Loi gomtrique
Dnition 9. On dit que la variable alatoire X suit une loi gomtrique de paramtre p [0; 1]
si X() = N et k N , P (X = k) = p(1 p)k1 . On le note X G(p).

Exemple : Vous aurez reconnu la loi apparaissant dans notre exemple des lancers de d. Les cas de
la position d'apparition du premier Pile dans une srie de Pile ou Face serait galement une variable
gomtrique. En gnral, le temps d'attente d'un vnement lors d'un processus sans mmoire (c'est-dire que l'apparition de l'vnement au n-ime tirage ne dpend pas des rsultats des tirages
prcdents) suit toujours une loi gomtrique.
1
p

Proposition 8. Si X G(p), X admet une esprance et une variance et E(X) = et V (X) =

3

1p
.
p2

Dmonstration.

La srie pour l'esprance est ( un facteur prs) une srie geomtrique drive, elle

est donc convergente, et E(X) =

+
X

pk(1 p)k1 = p

k=1

p
1
1
= 2 = . On a donc
(1 (1 p))2
p
p

1
= 2 . De plus, X(X 1) admet une esprance (on a une srie de type gomtrique drive
p
+
X
2
2(1 p)
seconde) qui vaut E(X(X 1)) =
pk(k 1)(1 p)k1 = p(1 p)
=
, donc
(1 (1 p))3
p2
k=1
2(1 p) 1
1
2(1 p) + p 1
1p
V (X) = E(X(X 1)) + E(X) E(X)2 =
+ 2 =
=
.
2
2
p
p p
p
p2
E(X)2

Proposition 9. La loi gomtrique est une loi sans mmoire : si X G(p), (n, m) N2 , PX>n (X >
n + m) = P (X > m).
Dmonstration.

Commenons par calculer P (X > m) =

P (X = k) =

k>m

pq m

+
X

qj = p

j=0

qm
1q

+
X

pq

k1

k=m+1

=p

+
X

q j+m =

j=0

= q m . De mme, on a donc P (X > n) = q n et P (X > n + m) = q n+m , donc

PX>n (X > n + m) =

P (X > n + m)
= q m , ce qui prouve bien l'galit demande.
P (X > n)

3.2 Loi de Poisson

Dnition 10. On dit que la variable alatoire X suit une loi de Poisson de paramtre R+
si X() = N et k N, P (X = k) = e

k
. On le note X P().
k!

5. D'aprs les rsultats vus au chapitre prcdent sur la srie exponentielle, la somme de
ces probabilits vaut bien 1. Par ailleurs, la suite P (X = k) converge trs vite vers 0 quand k tend
vers +.
Exemple : La loi de Poisson sert en fait de modlisation beaucoup de situation concrtes. Elle est
par exemple utilise pour le nombre d'appels reus (en un temps donn) par un standard tlphonique.
On l'appelle parfois galement loi des vnements rares.
Remarque

Proposition 10. Si X P(), X admet une esprance et une variance, et E(X) = V (X) = .
Dmonstration.

+
X
k=0

E(X) =

+
X
k=0
+

ke

X k1
k
= e
= e e = , et de mme E(X(X1)) =
k!
(k 1)!
k=1

X k2
k
k(k 1)e
= 2
= 2 . On a donc V (X) = E(X(X 1)) + E(X) E(X)2 =
k!
(k 2)!

2 + 2 = .

k=2

6. Mais d'o vient donc cette envie de modliser certains phnomnes par une loi faisant
intervenir des exponentielles et des factorielles qui semblent tout droit sorties du chapeau d'un
mathmaticien fou ? En fait, il existe une faon presque simple de voir les choses : la loi de Poisson
reprsente une sorte de limite de lois binmiales d'esprance constante, mais pour lesquelles on
augmente la valeur du paramtre n (et on diminue donc proportionnellement la valeur de p), comme
l'explique le rsultat suivant :
Remarque

Proposition 11. Soit R+ et (Xn ) une suite de variables alatoires telles que Xn B n, .
n
k

Alors k N, lim P (Xn = k) = e .

n+
k!


 C'est
 un calcul de limite un peu laborieux mais assez joli. Fixons donc un entier k

N ; si Xn B n,
, on aura donc (pour n > k, puisqu'avant les probabilits seront nulles) P (Xn =
n
   k 

n

nk
k) =
1
. Cherchons des quivalents de tout ce qui apparait dans ce produit.
k
n
n
k
Pour le terme du milieu, k , on ne touche rien. Pour celui de gauche, on  dveloppe  le coecient
n
n
n!
n(n 1)(n 2) . . . (n k + 1)
binmial, ce qui donne
=
=
. Le numrateur de cette
k!(n k)!
k!
k
fraction est un polynme (en la variable n, bien entendu, puisque k est
 x kpour tout ce calcul) de
n
n
. Enn, pour le dernier
degr n, et de coecient dominant nk . Il est donc quivalent nk , et

k!
k



nk

terme, on passe par la forme exponentielle : 1

= e(nk) ln(1 n ) . Comme lim
= 0,
n+ n
n





nk

on a ln 1
, donc (n k) ln 1

() . On en dduit que
n+
n
n
n
n


k
n
k
k

= e , puis en recollant les morceaux P (Xn = k)

k e e , ce qui
lim
1
n+
n
k! n
k!
Dmonstration.

achve la dmonstration.