Documente Academic
Documente Profesional
Documente Cultură
Ex 1 : ( T+p 385 ) Un magasin reçoit chaque jour d'un grossiste, une quantité constante de produit A. La probabilité
pour qu'un jour donné, le grossiste ne livre pas le produit A est de 2%.
a) Dans ces conditions, quelle est la probabilité pour que le magasin soit approvisionné au moins 235 jours sur 240
jours ouvrables dans l'année ?
b) Quelle est la durée moyenne annuelle pendant laquelle on peut s'attendre à ne pas trouver le produit A dans le
magasin ?
Si l'on note X la variable aléatoire égale au nombre de jours de non approvisionnement du produit A, en admettant
que chaque jour les livraisons sont indépendantes les unes des autres, X suit une loi binômiale de paramètres n = 240
et p = 0,02.
P k
k=5
a) p(X ≤ 5) = p(X=0) + p(X=1) + p(X = 2) + p(X = 3) + p(X = 4) + p(X = 5) = C240´0, 02k´0, 98240−k »
k=0
0,65 √
√
b) On calcule : E(X) = n.p = 240×0,02 = 4,8 jours ; s(X) = n.p.q = 240´0, 02´0, 98 » 2,17 jours
Le produit A ne sera pas livré dans une fourchette E(X) ± σ(X), c'est à dire de 2 à 7 jours par an.
Ex 2 : ( T+ p 386 ) Un commerçant vend le même jour 6 magnétoscopes. La probabilité qu'un appareil de ce type
soit en bon état au bout de 5 ans est de 0,8. Calculer les probabilités que, 5 ans plus tard :
a) 4 magnétoscopes exactement soient en bon état ;
b) Tous les magnétoscopes soient en bon état ;
c) Au moins un magnétoscope soit en panne.
A chaque magnétoscope peut être associé une épreuve de bernouilli, où le succès est le bon état avec une probabilité
p = 0,8 et l'échec est la panne avec une probabilité q = 0,2.
Les pannes sont indépendantes. La variable aléatoire X égale au nombre de magnétoscopes en bon état au bout de
5 ans est la somme de 6 variables aléatoires de bernouilli indépendantes et de même probabilité de succès p = 0,8.
X suit la loi B(6 ; 0,8).
a) p(X = 4) = C64 ×0,8 4 ×0,2 2 » 0,25 b) p(X = 6) = C66 ×0,8 6 ×0,2 0 » 0,26
c) L'événement est l'événement contraire du b) de probabilité égale à 1 − p(X = 6) » 0,74.
Ex 2' :( T+ p 386 ) Une usine fabrique des tubes fluorescents. Elle a testé la durée de vie de 400 tubes et obtenu
le tableau ci-dessous :
Durée de vie 300 400 500 600 700 800 900 1000 1100
( en heures ) 400 500 600 700 800 900 1000 1100 1200
Nombre de tubes 8 52 58 76 68 62 48 22 6
Ex 3 : ( Bréal p 99 ) Sachant que le nombre moyen de communications téléphoniques reçues par un standart entre
10h et 11h est de 1,8 par minute et que le nombre X d'appels reçus par minute est une variable aléatoire qui suit une
loi de poisson ; calculer la probabilité pour qu'entre 10h53 et 10h54 il y ait :
a) Aucun appel b) Un appel c) Deux appels d) Au moins deux appels
k
−1,8 1,8
La loi de poisson de paramètre 1,8 permet d'écrire p(X = k) = e ´ k! k ∈ [F06E ?].
0 1
a) p(X = 0) = e−1,8´1,8
0! = e
−1,8
» 0, 165 29 b) p(X = 1) = e−1,8´1,8
1! » 0,297 52
2
c) p(X = 2) = e−1,8´1,8
2! » 0,267 76 d) p(X ≥ 2) = 1 − p(X = 0) − p(X = 1) » 0, 537 19
Ex 4 : ( Vuibert p 28 ) ( BTS construction métallique 1994 )
Une entreprise de construction métallique s'approvisionne régulièrement chez le même fournisseur en poutres IPE.
Ex 5 : ( Vuibert p 29 ) Dans un atelier comportant un grand nombre de machines semblables on a constaté qu'au
cours d'une semaine, le nombre X de machines nécessitant une intervention de l'équipe de maintenance suit une loi de
poisson de paramètre 4.
Déterminer le nombre k tel qu'il y ait une probabilité au moins égale à 0,95 que le nombre de machines nécessitant
une intervention soit au plus égale à k.
On cherche k tel que p(X ≤ k ) ≥ 0,95 on fait une lecture inverse de la table de poisson de paramètre 4 en
additionnant les probabilités p(X = k ) à partir de k = 0 jusqu'à ce que la somme dépasse 0,95.
P
k=7 P
k=8
p(X = k)»0, 948 et p(X = k)»0, 978.
k=0 k=0
Il y a 95% de chances que le nombre de machines nécessitant une intervention soit inférieur ou égal à 8.
Ex 6 : ( T+ p 388) La loi de probabilité du nombre de ventes mensuelles d'un produit x est donnée par le tableau
suivant :
Quantités ( en millions ) 0 1 2 3 4 5 6
probabilités 0,21 0,32 0,26 0,14 0,05 0,02 0
a) Comparer le nombre moyen m et l'écart-type des ventes mensuelles. La loi de probabilité des ventes peut-elle être
assimilée à une loi de poisson ?
b) Calculer les probabilités déduites de la loi de poisson P(m).
c) En supposant que les ventes mensuelles soient indépendantes deux à deux, quelle est la loi de probabilité suivie
par le nombre de ventes annuelles ? Quelle est sa moyenne et son écart-type ?
d) Calculer la probabilité que le nombre de ventes annuelles soit supérieur ou égal à 20 millions d'unités
a) On obtient : m »,56 et σ »,3 donc σ 2 »,49. m est assez proche de σ 2 .
k
b) La loi de poisson P(1,56) définie par p(X = k) = e−1,56´1,56 k! k ∈ [F06E ?] donne les mêmes résultats.
c) Les douze variables aléatoires associées au douze mois de l'année sont indépendantes, leur somme suit une loi de
poisson de paramètre
√ 12×1,56 = 18,72. Le nombre moyen des ventes annuelles est donc de 18,72 millions. l'écart-type
est donc de 18, 72 » 4,3 millions ;
d) p(Z ≥ 20) = 1 − p(Z ≤ 19 ) = 1 − 0,586 » 0,414
Ex 7 : ( Vuibert p 30 ) Un constructeur de vélos a besoin de tubes de selles en aluminium. Son fournisseur habituel
lui propose un lot de tubes. Le constructeur se propose de contrôler les lots qu'il reçoit par comptage au moyen des
plans d'échantillonnage indiqués par la norme N F X06 −022. Il constitue un échantillon de 80 tubes.
D:\1_math\Classe\5_BTS\Cours-Proba-Stat\11-var\binom-poisson-anc.doc [9B?][9A?] 2/?
La norme conseille d'accepter le lot si le nombre x de tubes défectueux de cet échantillon est inférieur ou égal à 2.
On admet que la variable aléatoire X donnant les valeurs de x obéit à une loi de poisson de paramètre λinconnu.
1. Montrer que la probabilité d'accepter le lot est égale à : f (λ) = e − λ (1 + λ+λ2 / 2 ).
2. Etudier les variations de f pour λvariant de 0 à 10.
3. Donner le tableau de valeurs de f (λ) pour λentier de 0 à 10. Tracer alors la courbe ( courbe d'efficacité)
représentant la fonction f sur [0 ; 10] ( on prendra pour unités 1 cm en abscisses et 10 cm en ordonnées ).
4. On appelle p la probabilité qu'un tube pris au hasard dans un lot soit défectueux. On admettra que λ= 80p.
En utilisant la courbe représentative de 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.
k
1. p(X = k) = e−λ´λk! k ∈ [F06E ?]. donc f (λ) = p(X ≤ 2) = p(X = 0) + p(X = 1) + p(X = 2) d'ou le résultat.
0 2
2. f (x) =- λ2 e−λ donc [Warning : Image ignored] ≤ 0 la fonction est donc décroissante sur [0 ; 10]
3. Tableau de valeurs
λ 0 1 2 3 4 5 6 7 8 9 10
f (λ) 1 0,919 0,677 0,423 0,238 0,125 0,062 0,030 0,014 6,2×10 − 3
2,8×10 − 3
Ex 8 : ( T+ p 387 ) Sur une année, un magasin est en rupture de stock d'un produit A, en moyenne 3 semaines,
et d'un produit B, en moyenne 2 semaines. Les approvisionnement se font toutes les semaines et sont indépendants.
Appelons X le nombre aléatoire de ruptures de stock du produit A, Y le nombre aléatoire de ruptures de stock du
produit B et Z le nombre aléatoire de ruptures de stock d'un produit A ou B sur une période d'un an.
On considère que la variable aléatoire X suit une loi de poisson de paramètre 3 et Y suit une loi de poisson de
paramètre 2.
1. Quelle est la probabilité que le nombre de ruptures de stock du produit A soit strictement supérieur à 1 ?
2. Quelle est la probabilité que, sur un an, il n'y ait aucune rupture de stock ?
3. Quelle est la probabilité qu'il y ait au moins 2 ruptures de stock ?
0 1
1. p(X > 1) = 1 − p(X ≤ 1) = 1 − p(X = 0) − p(X = 1) = 1 − e−3 30! − e−3 31! » 0,80
2. L'événement Z = 0 est réalisé lorsque X = 0 et Y = 0, donc p(Z = 0) = p[(X = 0) I(Y = 0)].
0 0
Les livraisons étant indépendantes on a p(Z = 0) = p(X = 0)×p(Y = 0) = e−3 30! × e−2 20! » 0,00673.
3. p(Z ≥ 1) = 1 − p(Z = 0) − p(Z = 1). Il ne reste plus qu'a calculer ce dernier.
L'événement Z = 1 est réalisé lorsque X = 0 et Y = 1 ou lorsque X =1 et Y = 0.
p(Z = 1) = p(X = 0)×p(Y = 1) + p(X = 1)×p(Y = 0) » 0,0337 d'où p(Z ≥ 1) » 0,96.
rem : Z est la somme de deux variables aléatoires de poisson indépendantes X et Y donc Z suit une loi de poisson
de paramètre λ = 2 + 3 = 5.
Ex 9 : ( Bréal p 100 ) La distribution statistique suivante donne la répartition du nombre de jours sans accident,
avec 1 accident, . . . , avec quatre accidents pour une période de 50 jours dans une ville.
Nombre d'accidents : xi 0 1 2 3 4
Nombre de jours : fi 21 18 7 3 1
Valeurs de k 0 1 2 3 4
p(X = k) 0,4066 0,3659 0,1647 0,0494 0,0111
3. Le nombre théorique de jours où auront lieu k accidents est donné par Fi = n×p(X = k ) avec n = 50 on obtient
Nombre d'accidents : x i 0 1 2 3 4
Nombre de jours théoriques : Fi 20,33 » 20 18,30 » 18 8,24 » 8 2,47 » 2 0,56 » 1
P
f .x 2
4. La moyenne de la loi empirique est λ = 0, 9 et sa variance est s2 = Pi fi i2 − X » 0,97.
La moyenne de la loi de poisson est λ = 0, 9 et sa variance est s2 = λ = 0, 9. L'ajustement est bon.
5. Le nombre de jours sans accidents sera N = 365×p(X = 0) = 365×0,4066 » 149 jours.