Documente Academic
Documente Profesional
Documente Cultură
Travaux publics
Une entreprise fabrique des supports d'auvent utilisés notamment dans la construction de stades. Ces
pièces sont réalisées en béton.
Soit la variable aléatoire X qui à chaque production de 50 pièces associe le nombre
de supports défectueux qu'elle contient. La production est suffisamment importante pour que l'on
puisse assimiler tout tirage de 50 supports à 50 tirages aléatoires et indépendants.
On admet que X suit la loi de Poisson de paramètre 1.
Donner à 10 −2 près :
a) P(X = 0).
b) P(X ≥ 4).
1
Probabilités - Loi de Poisson
Une usine a vendu 100 machines à laver. Celles-ci ont été utilisées le même nombre d'heures dans une
année. Le tableau suivant donne la répartition du nombre des réparations xi suivant le nombre ni de
machines vendues.
Nombre de réparations xi 0 1 2 3 4
Nombre de machines ni 58 32 7 3 0
Fabrications textiles
On considère que la variable aléatoire X, qui mesure la durée de vie exprimée en nombre entier
d'années d'un équipement industriel, suit la loi de Poisson de paramètre λ = 5.
On définit la fonction ν de ce même équipement par : v(t) = P(X > t).
Montrer que v(1) = 0,959.
Présenter sous forme de tableau les valeurs de v(t) pour t entier, 1 ≤ t ≤ 10, on donnera les valeurs
approchées à 0,001 près.
Analyses biologiques
1° Une suspension de 10 6 bactéries est infectée par une population de phages (particules
infectieuses). A la fin de l’expérience, on a constaté que 65 ⋅ 10 4 bactéries ont été infectées.
Quel est le pourcentage de bactéries infectées ?
2° On observe une bactérie au hasard. Soit X la variable aléatoire qui, à toute bactérie aléatoire
associe le nombre de phages infectant cette bactérie. On admet que X suit une loi de Poisson de
paramètre m.
a) En calculant P(X = 0), justifier le choix du paramètre m = 1,05.
b) Déterminer à 0,001 près P(X = 1), P(X = 2), P(X = 3).
Quel est le nombre moyen de phages par bactérie infectée ?
2
Probabilités - Loi de Poisson
Fabrications textiles
Construction navale
Un client achète un lot de bagues commercialisées par l'entreprise après avoir subi la procédure de
contrôle. Pour contrôler la qualité de ce lot le client prélève 200 bagues.
On admet que le stock est suffisamment important pour pouvoir assimiler ce prélèvement à 200 tirages
indépendants. On admet que la variable aléatoire D, qui à tout prélèvement au hasard de 200 bagues
effectué dans le lot associe le nombre de bagues non conformes qu'il contient, suit une loi de Poisson
de paramètre λ = 3.
Déterminer le plus petit entier k tel que la probabilité de l'événement "D ≤ k" soit supérieure ou égale
à 0,95.
3
Probabilités - Loi de Poisson
Fabrications textiles
Un chef d'entreprise, pour éviter l'attente des camions venant livrer, envisage si cela s'avère nécessaire,
de construire de nouveaux postes de déchargement. Il y en a actuellement cinq. On considère, pour
simplifier l'étude, qu'il faut une journée pour décharger un camion.
Une enquête préalable sur 120 jours ouvrables a donné les statistiques suivantes :
4
Probabilités - Loi de Poisson
Maintenance industrielle
Dans cet exercice on donnera les valeurs approchées de tous les résultats à 10 −2 près.
Un distributeur automatique élabore du jus d'orange en mélangeant de l'eau et du concentré d'orange.
A - Vous êtes chargé d'approvisionner chaque matin l'appareil en concentré,
Le plein de concentré étant réalisé chaque matin, on suppose maintenant que la probabilité qu'un jour
pris au hasard la machine soit hors service par manque de concentré est p = 0,05. Les pannes sont
supposées indépendantes les unes des autres.
1° Montrer que la variable aléatoire Y qui, à toute période de 30 jours associe le nombre de jours où le
distributeur est hors service par manque de concentré, suit une loi binomiale.
Quels sont ses paramètres ?
2° On approche cette loi par une loi de Poisson. Quel est son paramètre ?
Déterminer la probabilité qu'il y ait au plus deux mises hors service du distributeur, en un mois de
30 jours, par manque de concentré.
5
Probabilités - Loi de Poisson
Comptabilité et gestion
Une entreprise conditionne et commercialise du sel fin fluoré en sachets portant les mentions "Poids
net 1 kg et fluorure de potassium 250 mg/kg". Une machine met le sel en sachets.
La fermeture des sachets est automatisée, mais le mécanisme est quelquefois défectueux. On sait que
la variable X qui, à toute année d'utilisation aléatoire, associe le nombre de pannes au cours de cette
année d'utilisation, suit une loi de Poisson de paramètre λ. Par ailleurs, on a remarqué que les
événements "X = 1" et "X = 2" ont la même probabilité.
a) Montrer que le paramètre de cette loi est 2. On rappelle que, pour tout entier k,
λ k
P(X = k) = e .λ , (λ > 0) .
k!
b) Calculer la probabilité que le nombre de pannes dans une année aléatoire soit supérieur ou
égal à 6.
Productique
Un constructeur a besoin, pour équiper ses vélos, de tubes de selle en aluminium. Ce constructeur se
propose de contrôler les lots qu’il reçoit par comptage, au moyen de plans d’échantillonnage indiqués
par la norme NF X06 - 022.
Il constitue un échantillon de 80 tubes.
La norme conseille d’accepter le lot si le nombre de tubes défectueux de cet échantillon est inférieur
ou égal à 2.
On admet que, la variable aléatoire X qui, à tout échantillon aléatoire de 80 tubes, associe le nombre de
tubes défectueux, obéit à une loi de Poisson de paramètre λ inconnu.
λ2
1° Montrer que la probabilité d’accepter le lot est égale à f ( λ ) = e − λ (1 + λ + ).
2
2° Étudier les variations de la fonction f pour λ variant de 0 à 10.
3° Donner le tableau de valeurs de f(λ) pour λ entier variant de 0 à 10. Tracer alors la courbe (courbe
d’efficacité) représentant la fonction f sur [0, 10] (on prendra pour unités 1 cm sur l’axe des
abscisses et 10 cm sur l’axe des ordonnées.
4° On appelle p la probabilité qu’un tube pris au hasard dans un lot soit défectueux. On admettra que
λ = 80 p. En utilisant la courbe représentative de la fonction f,
a) déterminer la probabilité d’acceptation quand p vaut 0,01 ;
b) inversement, déterminer la valeur de p à partir de laquelle la probabilité d’acceptation devient
inférieure à 0,1.
6
Probabilités - Loi de Poisson
Industries papetières
m2
ϕ ( m ) = e − m (1 + m + )
2
2° Étudier les variations de la fonction ϕ sur l'intervalle [0, 8] et tracer sa courbe représentative dans
un repère orthogonal d'unités graphiques 1cm sur l’axe des abscisses et 10 cm sur l’axe des
ordonnées.
3° Utiliser la représentation graphique précédente pour déterminer,
a) la probabilité que le lot soit accepté si p = 0,07;
b) la valeur de p à partir de laquelle la probabilité d’accepter le lot est inférieure à 0,95.
Industries graphiques
Les premières épreuves d'un ouvrage à imprimer contiennent des fautes d'impression.
Le choix d'une page d'un ouvrage est assimilé à un tirage aléatoire non exhaustif. Un ouvrage ayant été
soumis à une première correction, la variable aléatoire X qui, à toute page, associe le nombre de
fautes suit la loi de Poisson de paramètre λ = 0,2.
a) Déterminer la probabilité qu'il y ait exactement une faute sur une page prise au hasard, puis celle
que la page ne comporte aucune erreur, et enfin celle qu'il y ait 3 fautes au plus.
b) Si l'on répète un grand nombre de fois ce travail, quel est le nombre moyen de fautes par pages ?
7
Probabilités - Loi de Poisson
Maintenance 1994
On considère une variable aléatoire X suivant une loi de Poisson de paramètre λ inconnu telle que :
P(X ≤ 1) = 0,95.
1° Démontrer que λ est solution de l'équation ln (1 + x) – x = ln (0,95).
2° Étudier les variations de la fonction ϕ définie sur [ 0 , + ∞ [ par : ϕ(x) = ln (1 + x) – x .
En déduire que l'équation du 1° admet une solution unique, λ, dans [ 0, + ∞[ .
Déterminer un encadrement d'amplitude 10 −1 de λ.
8
Probabilités - Loi de Poisson
A - 1° Donner pour les entiers k tels que k ≤ 5, à 0,001 près, les probabilités P(X = k) pour une
variable aléatoire X suivant la loi de Poisson de paramètre m = 1,8.
2° On dira que l'événement [X = k] est envisageable si et seulement si P(X = k) ≥ 0,05. Déterminer
les événements envisageables.
Dans la suite de l'exercice, on se limitera aux événements envisageables et on prendra les valeurs
approchées suivantes :
k 0 1 2 3 4
P( X = k ) 0,17 0,30 0,27 0,16 0,10
B - Un atelier contient un parc de 50 machines qui demandent, en moyenne, de manière aléatoire, une
intervention d'une heure. Le but du problème est de déterminer le nombre d'ouvriers à embaucher : le
sur-emploi coûte cher ainsi que le sous-emploi qui perturbe la production en retardant les interventions
nécessaires.
Toutes les données sont ramenées à l'heure :
• 3,6 % des machines demandent une intervention ;
• un ouvrier embauché revient à 200 F ;
• si l'intervention n'a pas lieu la perte est estimée à 500 F ;
• le nombre d'ouvriers embauchés est n ;
• le nombre de machines demandant une intervention est k ;
• le nombre d'interventions ne pouvant être assurées est h ;
• on note Y la variable aléatoire mesurant le coût Cn (h) correspondant aux données précédentes.
1° Montrer que la variable aléatoire X qui, à une heure choisie au hasard, associe le nombre de
machines qui demandent une intervention dans l'heure est assimilable à celle du A).
2° Justifier les relations suivantes :
a) Cn (h) = 200 n + 500 h,
b) P( Y = Cn (0) ) = P( X ≤ n ) et, si h ≠ 0, P( Y = Cn (h) ) = P( X = n + h ).
3° Calculer, l'espérance mathématique de la variable aléatoire Y pour les valeurs de n correspondant
aux évènements envisageables : 0 ≤ n ≤ 4. En déduire le nombre le plus économique d'ouvriers à
embaucher.
9
Probabilités - Loi de Poisson
Un lycée achète son papier pour photocopieur à une entreprise. On admet que la probabilité qu'une
feuille du papier livré, prise au hasard, bloque le photocopieur est p = 0,001.
Une documentation de 12 pages est photocopiée en 50 exemplaires. On appelle K la variable aléatoire
qui, à toute série de 600 photocopies, associe le nombre de blocages pendant la reprographie.
On assimilera une série de 600 photocopies à un prélèvement de 600 feuilles de papier au hasard et
avec remise.
1° Quelle est la loi de probabilité suivie par K ?
2° Calculer la probabilité des événements suivants (on donnera les résultats exacts, puis arrondis au
millième) :
a) Au cours de ce travail, le photocopieur ne se bloque jamais.
b) Au cours de ce travail, le photocopieur se bloque exactement trois fois.
3° On admet que la loi de probabilité suivie par K peut être approchée par une loi de Poisson.
a) Préciser son paramètre.
b) Quelle est la probabilité que le photocopieur se bloque plus de deux fois pendant ce travail ?
10
Probabilités - Loi de Poisson
Bâtiment 1995
Une machine produit des pièces cylindriques destinées à faire des axes de moteurs. On étudie le
diamètre, exprimé en millimètres, des pièces issues de cette fabrication.
On suppose maintenant que la probabilité qu'une pièce choisie au hasard dans la production d'une
journée soit défectueuse est p = 0,05.
On prélève au hasard 60 pièces.
La production est assez importante pour qu'on puisse assimiler ce prélèvement à un tirage avec remise
de 60 pièces.
On appelle Y la variable aléatoire qui, à tout prélèvement de 60 pièces, associe le nombre de pièces
défectueuses.
a) Expliquer pourquoi Y suit une loi binomiale dont on déterminera les paramètres.
b) Calculer P(Y ≤ 2).
c) On approche la loi binomiale de la question précédente par la loi de Poisson de même
espérance mathématique. Préciser le paramètre de cette loi.
En utilisant cette loi de Poisson, déterminer la probabilité qu'un échantillon de 60 pièces
contienne au plus deux pièces défectueuses.
11
Probabilités - Loi de Poisson
Biotechnologie 1997
Une entreprise fabrique en grande série des pipettes de laboratoire. Ces pipettes sont calibrées.
On s'intéresse à la fiabilité de la calibration à l'aide d'un test gravimétrique On refuse toutes les
pipettes pour lesquelles le volume obtenu lors du test est strictement supérieur à 100,3 µl ou
strictement inférieur à 99,7 µl. La probabilité qu'une pipette soit défectueuse est égale à 0,06.
Dans un lot d'un très grand nombre de pipettes, on effectue un contrôle sur 50 pipettes choisies au
hasard. On appelle alors Y la variable aléatoire qui, à tout lot de 50 pipettes associe le nombre de
pipettes défectueuses.
On assimile les prélèvements de 50 pipettes à des tirages de 50 pipettes avec remise.
1° Quelle est la loi de probabilité de Y ?
2° On suppose désormais que l'on peut approcher la loi de probabilité de Y par une loi de Poisson.
a) Préciser le paramètre de cette loi.
b) Quelle est la probabilité qu'il n'y ait aucune pipette défectueuse dans le lot ?
c) Quelle est la probabilité qu'il y ait plus de 4 pipettes défectueuses dans le lot ?
12
Probabilités - Loi de Poisson
13
Probabilités - Loi de Poisson
Dans un service public, on s'intéresse à l'événement : "Une personne se présente au guichet au cours
d'une minute, c'est à dire entre la minute t et la minute (t + 1), t étant entier".
On a observé que la probabilité de cet événement est 0,1.
On admet que la probabilité que deux personnes se présentent au guichet au cours d'une même minute
est négligeable et que l'arrivée des personnes est indépendante de la minute considérée. On désigne par
X la variable aléatoire qui, à une heure choisie au hasard, associe le nombre de personnes qui peuvent
se présenter au guichet durant cette heure.
1° Quelle est la loi de probabilité de X ?
Calculer l'espérance mathématique et l'écart type de X.
2° On admet que l'on peut approximer la loi précédente par une loi de Poisson.
Quel est son paramètre ? Déterminer à 10 −3 près P(X = 3), puis P(X ≤ 6).
Une étude statistique montre que la probabilité de l'événement "une intervention au moins est
nécessaire sur l'installation au cours d'un mois donné" est 0,125. On admet que la nécessité d'intervenir
au cours d'un mois ne dépend pas du mois considéré. On note X la variable aléatoire qui, à chaque
année aléatoire, associe le nombre de mois où il a fallu intervenir sur l'installation.
1° Expliquer pourquoi X suit une loi binomiale et donner les paramètres n et p de cette loi.
2° Calculer la probabilité des événements suivants :
a) on n'est pas intervenu dans l'année.
b) on est intervenu un seul mois dans l'année.
c) on est intervenu au moins deux mois dans l'année.
3° On se propose d'approcher la loi de X par une loi de Poisson de paramètre λ = np.
En utilisant cette loi de Poisson, déterminer les probabilités respectives des événements définis aux
questions 2a, 2b et 2c.
Les valeurs sont-elles bien compatibles avec les résultats du 2° ?
14
Probabilités - Loi de Poisson
La probabilité qu'une imprimante de modèle BAG ne puisse transcrire correctement un caractère est
0,005. On suppose que les qualités de transmission des caractères sont indépendantes.
On désigne par X la variable aléatoire qui, à tout lot de 1000 caractères, associe le nombre de
caractères transcrits incorrectement par l'imprimante.
1° Quelle est la loi de probabilité de X ?
2° On admet que la loi de probabilité suivie par X peut être approchée par une loi de Poisson dont on
déterminera le paramètre. Quelle est à 10 −3 près la probabilité que, parmi 1000 caractères à
imprimer :
a) tous soient transcrits correctement ?
b) au moins 998 soient transcrits correctement ?
c) plus de 5 caractères soient transcrits incorrectement ?
Conception de produits industriels 1995
15
Probabilités - Loi de Poisson
16
Probabilités - Loi de Poisson
Une entreprise fabrique des courroies dont cinq pour mille présentent un défaut.
Un détaillant achète un lot de 600 courroies. Soit X la variable aléatoire qui, à tout lot de 600 courroies
prélevées aléatoirement, associe le nombre de courroies défectueuses du lot (lot assimilé à un
échantillon aléatoire non exhaustif).
1° Quelle est la loi de probabilité de la variable aléatoire X ?
Calculer l'espérance mathématique et l'écart type de X.
2° a) La loi de probabilité de X peut être approchée par une loi de Poisson. Quel est le paramètre de
cette loi ?
b) A l'aide de cette loi approchée, donner la valeur approchée de Pn = P(X = n).
Donner les valeurs approchées de Pn pour n = 0, n = 1, n = 2, n = 3, n = 4, n = 5, n = 6, et en
déduire P(X ≤ 6). Quelle conclusion en tire-t-on ?
On a observé que 2 % des micro-ordinateurs d’un type donné tombaient en panne par mois
d’utilisation. Une entreprise décide d’acquérir 150 micros de ce type.
On appelle X la variable aléatoire qui à un mois choisi au hasard, associe le nombre mensuel de
pannes prévisibles pour un parc de 150 machines. On suppose également que les micro-ordinateurs
fonctionnent indépendamment les uns des autres.
1° Déterminer la loi de probabilité de X. Calculer la probabilité des événements suivants :
a) le nombre mensuel de pannes est 5.
b) le nombre mensuel de pannes est au plus égal à 3.
2° La loi de X peut-être assimilée à la loi de Poisson. Montrer que le paramètre est λ = 3.
On utilise cette approximation dans la suite de l’exercice.
a) Refaire les calculs du 1°
b) Déterminer le nombre minimum N tel que la probabilité de l’événement “ le nombre de pannes
est au plus N “ soit supérieure à 0,99.
c) Déterminer P(X = k + 1) en fonction de P(X = k), k entier appartenant à [0 ; 150] . En déduire
un algorithme calculant, pour une valeur donnée de k dans [0 ; 150] , P(X = k) et P(X ≤ k)
sans utiliser les fonctions puissance et factorielle, mais en utilisant la fonction exponentielle,
EXP( ), supposée connue.
17
Probabilités - Loi de Poisson
A - On dispose d'un dé cubique bien équilibré dont les faces sont numérotées de 1 à 6.
On jette le dé 10 fois de suite. Soit X la variable aléatoire qui, à tout ensemble de 10 lancers aléatoires
et avec remise, associe le nombre de 6 obtenus.
On suppose que X suit une loi binomiale.
1° Préciser les paramètres de cette loi binomiale.
2° Calculer les probabilités suivantes :
P(X = 0) ; P(X = 1) ; P(X ≥ 2).
On donnera les valeurs exactes, puis des valeurs décimales approchées à 10 −4 près.
B - On dispose maintenant d'un jeu de deux dés bien équilibrés et de couleurs différentes.
On suppose qu'on lance n fois le couple de dés, où n est inconnu.
On note Z la variable aléatoire qui, à tout ensemble de n lancers, associe le nombre de 6 obtenus. On
admet que Z suit une loi de Poisson de paramètre λ. (Cette loi de Poisson est en fait l'approximation de
la loi binomiale suivie par Z : ces deux lois ont même espérance mathématique).
n
1° Montrer que λ = .
36
2° Calculer à 10 −4 près la probabilité P(Z = 0).
3° Pour quelles valeurs de n a-t-on : P(Z ≥ 1) > 0,95 ?
18
Probabilités - Loi de Poisson
Un rayon laser est dirigé vers une cible à atteindre. D'une statistique préalable, on déduit que la
probabilité que ce rayon laser atteigne la cible est 0,01. On fait l'expérience qui consiste à émettre n
fois le rayon laser, les émissions étant deux à deux indépendantes et ayant même probabilité
d'atteindre la cible.
Soit X la variable aléatoire qui à une telle expérience, associe le nombre de fois où la cible est atteinte
par le rayon laser.
1. Déterminer la loi de probabilité de X.
Dans le cas où n = 300, calculer l'espérance mathématique et l'écart type de cette loi.
2. Pour une expérience avec un nombre n d'essais, n ≥ 50, on admet qu'il est légitime d'approcher la
loi de probabilité de X par une loi de Poisson.
a) Donner en fonction de n le paramètre λ de cette loi de Poisson.
b) On estime que l'expérience est concluante lorsque le rayon laser atteint au moins trois fois la
cible. Donner les valeurs prises par la variable aléatoire X correspondant à l'événement
"l'expérience est concluante", et exprimer la probabilité de cet événement en fonction de λ.
c) Soit f la fonction définie pour x positif ou nul par :
x2
f ( x ) = e − x (1 + x + )
2
Étudier le sens de variation de f et calculer f(6,1), f(6,2) et f(6,3).
d) En utilisant les résultats de la question 2.c donner un nombre n0 d'essais à partir duquel la
probabilité de l'événement "l'expérience est concluante" est strictement supérieure à 0,95.
19
Probabilités - Loi de Poisson
Un atelier de menuiserie produit en grande série pour l'assemblage des meubles, des tourillons en
forme de cylindre.
On désigne par Y la variable aléatoire qui, à chaque lot de n tourillons (30 ≤ n ≤ 1000) tirés au hasard
de la production, associe le nombre de tourillons défectueux de ce lot. La probabilité qu'un tourillon
prélevé au hasard dans la production soit défectueux est 0,003 . La production est assez importante
pour qu'on puisse assimiler ce prélèvement à un tirage avec remise de n tourillons.
a) Donner la loi suivie par Y ainsi que ses paramètres.
On admet que cette loi peut être approchée par une loi de Poisson de paramètre λ, on note Z la
variable aléatoire qui suit cette loi. Exprimer λ en fonction de n.
b) Le lot est acceptable si le nombre de tourillons défectueux est inférieur ou égal à 1.
Montrer que : P(Z ≤ 1) = f ( λ ) = e −λ (1 + λ ) .
20