Résumé

N’oubliez jamais que le 1er professeur de la personne c’est lui même.

Correction Examen probabilités

Mohamed BARRADI
med.barradi@gmail.com.

8 janvier 2016
Table des matières

1 Examen 2014/2015 Session normale 2

1 Exercice 1 : . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
2 Exercice 2 : . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
3 Exercice 3 : . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4

2 Examen 2013/2014 Session normale 6

1 Exercice 1 : . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2 Exercice 2 : . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
3 Exercice 3 : . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
4 Exercice 4 : . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10

1
1. Examen 2014/2015 Session normale

1 Exercice 1 :
1. La moyenne emperique de l’echantillon est :
1X
X= Xi
n
Donc sa réalisation est :
1
x= (24 + ::: + 69) = 46:3
10
La variance emperique de l’echantillon est :

1X 2
s2 = xi x2
n
1
= (242 + ::: + 692 ) 46:32
10
= 202:01

:
2. Sachant que n = 10 < 30 et X suit loi normale et inconnue
Donc l’intervalle de con…ance sera
Scor Scor
IC = X p T(n 1;1 ); X + p T(n 1;1 )
n 2
n 2

Avec La réalisation de X est x = 46:3

la réalisation de Scor est scor :
r r
n 2 10
scor = s = 202:01 = 14:98
n 1 9

et on a = 0:05 ) 1 2
= 0:975 et n 1 = 10 1=9

2
2 Exercice 2 : 3

Donc T(n 1;1 2

) = T(9;0:975) = 2:262 de la table de la loi de student.

Scor 14:98
p T(n 1;1 ) = T(9;0:975) p
n 2
10
14:98
= 2:262 p = 10:71
10

Alors la réalisation de l’intervalle de con…ance est

scor scor
IC = x p t(n 1;1 ); x + p t(n 1;1 )
n 2
n 2

IC = [46:3 10:71 ; 46:3 + 10:71]

= [ 35:59; 57:01 ]

Avec une probabilité de 95% le poids moyen varie entre 35.59 et 57.01.
3. Sachant que est connue et égale à 1.4
Donc l’intervalle de con…ance sera :

IC = x Z(1 ) p ; x + Z(1 ) p
2
n 2
n

Avec
1:4
Z(1 ) p = Z(0:95) p = 0:73
2
n 10
L’intervale de con…ance devient :

IC = [46:3 0:73 ; 46:3 + 0:73]

= [ 45:57; 47:03]

2 Exercice 2 :
1. Puisque E(F ) = p alors L’estimation ponctuelle de la proportion est :

K 60
f= = = 30%
n 200
3 Exercice 3 : 4

2. Intervalle de con…ance de la proportion pour seuil 10% est :

" r r #
f (1 f ) f (1 f )
ICp = f z(1 ): ; f + z(1 ):
2 n 2 n

Avec z(1 2
) = z(0:95) = 1:6449
ICp = [0:2467 ; 0:3533]

3. Intervalle de con…ance de la proportion pour seuil 1% est :

" r r #
f (1 f ) f (1 f )
ICp = f z(1 ): ; f + z(1 ):
2 n 2 n

Avec z(1 2
) = z(0:995) = 2:5758
ICp = [0:2165 ; 0:3834]

3 Exercice 3 :
1. Puisque on cherche à con…rmer si la quantité de nicotine dans les ciga-
rettes est 0.6 mg alors le test est bilatéral. donc l’hypothéses seront
H0 : m = 0:6
H1 : m 6= 0:6
2. Puisque n = 50 > 30 et connue telque = 0:1 Alors
X m
X N m; p )Z= N (0; 1)
n p
n
– Seuil : = 10%
Zaccept = [m0 z(1 ): p ; m0 + z(1 ): p ]
2n 2 n
0:1 0:1
= [0:6 1:6449: p ; 0:6 + 1:6449: p ]
50 50
= [0:572 ; 0:627]
On a 0:65mg 2 = [0:572 ; 0:627] ) x 2
= Zaccept ; donc on rejete H0 c’est
à dire que la quantité de nicotine dans les cigarettes n’est pas 0.6 mg
de seuil 1%.
3 Exercice 3 : 5

– Seuil : = 1%

Zaccept = [m0 z(1 ): p ; m0 + z(1 ): p ]

2 n 2 n
0:1 0:1
= [0:6 2:5758: p ; 0:6 + 2:5758: p ]
50 50
= [0:563 ; 0:636]

On a 0:65mg 2 = [0:563 ; 0:636] ) x 2

= Zaccept ; donc on rejete H0 c’est
à dire que la quantité de nicotine dans les cigarettes n’est pas 0.6 mg
de seuil 1%.
– Seuil : = 5%

Zaccept = [m0 z(1 ): p ; m0 + z(1 ): p ]

2 n 2 n
0:1 0:1
= [0:6 1:96: p ; 0:6 + 1:96: p ]
50 50
= [0:5722 ; 0:6277]

On a 0:65mg 2 = [0:5722 ; 0:6277] ) x 2 = Zaccept ; donc on rejete H0

c’est à dire que la quantité de nicotine dans les cigarettes n’est pas
0.6 mg de seuil 1%.
2. Examen 2013/2014 Session normale

1 Exercice 1 :
1. On peut remarqué que la densité donnée de fX est celle de la loi
Uniforme d’intervalle [1 , 3]
1
Et pour fY est celle de loi exponnentielle de parametre =
2
2. On sait que l’espérence d’une variable X qui suit loi Uniforme d’inter-
valle [a; b] est :

b+a (b a)2
E(X) = ; V ar(X) =
2 12
Donc
3+1 (3 1)2 1
E(X) = = 2; V ar(X) = =
2 12 3
Et l’espérence d’une variable Y qui suit loi exponnentielle de parametre
est :
1 1
E(Y ) = ; V ar(Y ) = 2

Donc
1 1
E(Y ) = 1 = 2; V ar(Y ) = 1 2
=4
2 2

3. Les fonctions de répartitions :

La fonction de répartition de la variable X
8 8
< 0 si x < a < 0 si x < 1
x a x 1
FX (x) = si x 2 [a; b] , FX (x) = si x 2 [1; 3]
: b a : 2
1 si x > b 1 si x > 3

Alors :
2 1
P (X 2) = FX (2) = = 0:5
2

6
2 Exercice 2 : 7

La fonction de répartition de la variable Y

0 si y < 0 0 si y < 0
FY (y) = y , FY (y) = 1
y
e + 1 si y 0 e 2 +1 si y 0

Alors
1 1
P (Y 2) = 1 FY (2) = 1 ( e + 1) = e = :::

2 Exercice 2 :
1. Soit X la variable aléatoire qui désigne le poids d’un paquet de chocolat
en gramme.
– Puisque E(X) = m donc X est une estimation ponctuelle du poids
moyen des paquets de chocolat m tel que sa réalisation est

1 X
10
x= xi = 50:7g
10 i=1

Alors 50.7g est une bonne estimation du poids moyens des paquets
de chocolat.
– Puisque E(Sb2 ) = V (X) = 2 telque Sb2 est la variance corrigé
n 1 X
Sb2 = S2 = (Xi X)2
n 1 n 1
donc la variance corrigée est une estimation ponctuelle de la variance
V (X) telque sa réalisation est :

1 X
10
2
sb = (xi x)2
10 1 1
1
= (49:60 50:7) 2 + :: + (49:16 50:7)2
9
= 2:7g 2

Alors 2.7g2 est une bonne estimation de la variance V(X).

2. On a la taille d’echantillon n = 10 < 30 et X suit loi normale avec
l’ecart-type inconnue.
2 Exercice 2 : 8

sb X m
Alors X N m; p Alors T = Student n-1 ddl (Student
n sb
p
n
9 ddl)
On sait que ICm(95%) = [x e; x + e]
Cherchons la valeur de e telque

P (jx mj e) = 0:95
, P ( e X m e) = 0:95
e X m e
, P( ) = 0:95
sb sb sb
p p p
n n n
e
On pose t9 = )
sb
p
n

P ( t9 T t9 ) = 0:95 , F (t9 ) F ( t9 ) = 0:95

, 2F (t9 ) 1 = 0:95
1:95
, F (t9 ) = = 0:975
2
, t9 = F 1 (0:975) = 2:262

F 1 de la table fractile de la loi student de degré de liberté 9

alors p
e sb 2:7
t9 = , e = p t9 = p 2:262 = 1:177
sb n 10
p
n
Alors
ICm(95%) = [x e; x + e] = [49:52; 51:87]
Avec une probabilité de 95% le poids moyen des paquets m varie entre
49.52g et 51.87g.
3. Dans cette question on a est connue est égale à 2. donc avec un
3 Exercice 3 : 9

probabilité de 95%

e 0:5 , p z 0:5
n
2
2 2
, n z ,n 1:96
0:5 0:5
, n 61:46 , n ' 62

3 Exercice 3 :
1. La population est : les clients d’une banque , telque 20% de cette po-
pulation sont des fonctionnaires.
On a choisi un echantillon de taille n = 100; et on s’interesse à Pb
la variable qui désigne la fréquence (%) des fonctionnaires dans cet
echantillon.
Donc p = 0:2. D’aprés la théorie d’ecantillonnage :
L’espérence mathématique et la variance mathématique de pb sont

E(Pb) = p = 0:2
p(1 p)
V (Pb) = = 0:0016
n

2. Puisque n = 100 > 30 et np = 20 > 5 et n(1 p) = 80 > 5 ) Pb suit

q
approximativement N p; p(1n p) = N (0:2; 0:04)
b
donc Z = qP p N (0; 1) d’où
p(1 p)
n

0:22 0:2
P (Pb > 0:22) = P (Z > ) = P (Z > 0:5)
0:04
= 1 (0:5) = 0:3025

3. On a

P (0:18 Pb 0:22) = P ( 0:5 Z 0:5)

= 2 (0:5) 1 = 0:383
4 Exercice 4 : 10

4 Exercice 4 :
1. Puisque on cherche à savoir est ce que le poids moyen du produit A
est 800g, alors le test est de la moyenne bilatérale, d’où les hypothéses
sont
H0 : m = 800g
H1 : m 6= 800g
2. Puisquel’échantillon de taille n = 150 > 30 il a donné x = 760g et
connue telque = 64 Alors

X m
X N m; p )Z= N (0; 1)
n p
n

– Seuil : = 5%

Zaccept = [m0 z(1 ): p ; m0 + z(1 ): p ]

2 n 2 n
64 64
= [800 1:96: p ; 800 + 1:96: p ]
150 150
= [789:75 ; 810:25]

On a 760g 2 = [789:75 ; 810:25] ) x 2

= Zaccept ; donc on rejete H0 c’est
à dire que le poids moyen du produit A n’est pas 800g de seuil 5%.