Documente Academic
Documente Profesional
Documente Cultură
Probabilités
Corrigé Série 2
Corrigé exercice 1 :
1. Pour avoir une distribution de probabilité il faut que :
k X k
P (X = k) = c × ≥ 0; ∀k ∈ DX et c× =1
5 5
k∈DX
k
Or, k > 0, donc pour avoir c × ≥ 0, il faut que c > 0 et,
5
5
X k cX c 5(5 + 1) 1
c× = k= × = c × 3 = 1, donc, c = .
5 5 5 2 3
k∈DX k=1
k
D’où, P (X = k) = ; ∀k ∈ DX .
15
2. La fonction de répartition de X est définie par :
F
R −→ [0 , 1]
x 7−→ F (x) = P (X < x)
D’où,
0 si x≤1
1 k(k + 1)
F (x) = × si k < x ≤ k + 1, pour k = 1; 2; 3; 4
15 2
1 si x>5
Ce qui permet de dresser le tableau suivant :
x ∈ R ]∞ , 1] ]1 , 2] ]2 , 3] ]3 , 4] ]4 , 5] ]5 , +∞[
F (x) 0 1/15 3/15 6/15 10/15 1
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
−4 −3 −2 −1 0 1 2 3 4 5 6 7 8 9 10
5 2
152
X 1 X 1 5(5 + 1)
E(X 2 ) = k 2 P (X = k) = × k3 = × = = 15.
15 15 2 15
k∈DX k=1
2
11
D0 où, V (X) = 15 − ' 1, 556.
3
P ((X < 5) ∩ (X ≥ 2)) P (2 ≤ X < 5) F (5) − F (2) 9/15 9
4. P (X < 5/X ≥ 2) = = = = = ' 0, 643.
P (X ≥ 2) 1 − P (X < 2) 1 − F (2) 14/15 14
Corrigé exercice 2 : On suppose que les trois urnes distinctes portent les numéros 1 ; 2 et 3. On
commence par tirer une boule puis on effectue un tirage avec remise sur l’ensembles U = {1; 2; 3} des
numéros des urnes et on met la boule tirée dans l’urne correspondante. On continue ainsi jusqu’à la
distribution des trois boules sur les urnes. Donc l’expérience aléatoire revient à effectuer un tirage avec
remise (on peut choisire la même urne plusieur fois) et avec ordre (les urnes sont distinctes) sur l’ensembles
U = {1; 2; 3}. D’où, Ω = U 3 = {ω = (i, j, k) : i; j; k ∈ U }, cardΩ = 33 = 27 est la loi de probabilité sur Ω
est uniforme, c.à.d, ∀ ω = (i; j; k) ∈ Ω; PΩ (ω) = 1/27.
On peut illustrer cette expérience aléatoire par le schéma suivant :
2
Probabilités S2 Corrigé Série 2 S. BENHMIDA
3! 6
P (N = 3) = PΩ {avoir les trois numéros dif f érents} = = .
27 27
On a (3 !=6) pssibilités de choisir les trois numéros différents.
D’où, le tableau de la loi probabilité de N :
n ∈ DN 1 2 3 T otal
P (N = n) 3/27 18/27 6/27 1
3 12 4
D’après le le tableau de la loi conjointe on a, P (1; 1) = 0 6= P (N = 1)P (X = 1) = × = , donc
27 27 81
les varaibles alétoires N et X ne sont pas indépendantes.
3.
X 3 18 6 19
E(N ) = nP (N = n) = 1 × +2× +3× = = 2, 111.
27 27 27 9
n∈DN
X 8 12 6 1 27
E(X) = xP (X = x) = 0 × +1× +2× +3× = = 1.
27 27 27 27 27
x∈DX
5 2
D0 où, V (X) =
− (1)2 = = 0, 667.
3 3
19 28
4. E(N + X) = E(N ) + E(X) = +1= = 3, 111.
9 9
X X 1 6 6 6 19
E(N.X) = n × xP (n, x) = 1 × 3 × +2×1× +2×2× +3×1× = = 2, 111.
27 27 27 27 9
n∈DN x∈DX
19
On remarque que : E(N.X) = E(N )E(X) = . Mais ; attention, on a montré que les varaibles N et
9
X ne sont pas indépendantes.
19 19
Cov(N, X) = E(N.X) − E(N )E(X) = − = 0.
9 9
Malgré que, Cov(N, X) = 0, les varaibles N et X ne sont pas indépendantes, car la condition
Cov(N, X) = 0 est nécessaire pour l’indépendace de deux variables aléatoires, mais elle n’est pas suffi-
sante.
26 2 80
V (N + X) = V (N ) + V (X) + 2Cov(N, X) = V (N ) + V (X) = + = = 0, 988.
81 3 81
4
Probabilités S2 Corrigé Série 2 S. BENHMIDA
Corrigé exercice 3 :
Soit l’événement, A = ”Un client émet un chèque sans provision”. On a P (A) = 0, 02 = p et on
considère la variable aléatoire X = ”Le nombre des chèques sans provision parmi les 250 chèques émis”.
1. D’après les données, X suit une loi binomiale de paramètres n = 250 et p = 0, 02.
DX = {k ∈ N : 0 ≤ k ≤ 250} et P (X = k) = C250 k (0, 02)k (0, 98)250−k ; ∀ k ∈ D .
X
On note : X ∼ B(250; 0, 02).
E(X) = np = 250 × 0, 02 = 5 chèques.
p p √ √
σX = V (X) = np(1 − p) = 250 × 0, 02 × 0, 098 = 4, 9 ' 2, 214 chèques.
0 (0, 02)0 (0, 98)250 = (0, 98)250 = 0, 006
2. P (X = 0) = C250
3. On a, n = 250 > 50 et p = 0, 02 < 0, 1, donc on peut approximer la loi binomiale B(n; p) de X par la
loi de Poisson de paramètre λ = np = 250 × 0, 02 = 5. On note : X ≈ P(5).
5k
D’où, P (X = k) ' e−5 ; ∀ k ∈ DX .
k! 0
51
−5 5
4. P (X ≥ 2) = 1 − P (X < 2) = 1 − [P (X = 0) + P (X = 1)] ' 1 − e + = 1 − 6e−5 ' 0, 9596
0! 1!
1. Calcul de P (D) :
4 4 4
!
[ X X
P (D) = P DLi = P (DLi ) = P (Li )P (D/Li )
i=1 i=1 i=1
4
1 X 1
= P (D/Li ) = (0, 02 + 0, 05 + 0, 07 + 0, 1) = 0, 06.
4 4
i=1
5
Probabilités S2 Corrigé Série 2 S. BENHMIDA
3. On considère, pour j = 1 et 2, les événements : Dj = ”avoir une pièce défectueuse au j ème tirage”.
On définit l’événement, ”avoir les deux pièces défectueuses” = D1 D2 et on calcule par la formule de
Bayes la probabilité P (L4 /D1 D2 ).
1
P (L )P (D 1 D 2 /L ) × P (D1 /L4 )P (D2 /L4 )
1 2
P (L4 /D D ) = 4
4 4
= 4 (Voir la ramarque ci-dessous)
4
X 1 X
P (Li )P (D1 D2 /Li ) × P (D1 /Li )P (D2 /Li )
4
i=1 i=1
P (D/L4 )P (D/L4 ) (0, 1)2
= = = 0, 56.
4
X (0, 02)2 + (0, 05)2 + (0, 07)2 + (0, 1)2
P (D/Li )P (D/Li )
i=1
Remarque : Puisque le tirage des pièces s’effectue avec remise dans le même lot, donc, conditionnellement
à un lot donné, les événements D1 et D2 sont indépendants. D’où,
P (D1 D2 /Li ) = P (D1 /Li )P (D2 /Li ) et on a P (D1 /Li ) = P (D2 /Li ) = P (D/Li ) pour i = 1, 2, 3 et 4.
4. On considère, pour i = 1, 2, 3 et 4 :
Les variables aléatoires, Xi = ”le nombre des pièces défectueuses parmi les dix tirées dans Li ” et les
probabilités pi = P (avoir une pièce défectueuse sachant que le tirage soit dans le lotLi ) = P (D/Li ).
Le tirage des dix pièces s’effectue avec remise dans le même lot, donc, Xi suit une loi binomiale de
paramètres n = 10 et p = pi . D’où, pour i = 1, 2, 3 et 4 :
DXi = {k ∈ N : 0 ≤ k ≤ 10} et P (Xi = k) = C10 k (p )k (1 − p )10−k ; ∀ k ∈ D .
i i Xi
On note : Xi ∼ B(10; pi ).
On considère l’événement : D2 = ”il y a 2 pièces défectueuses parmi les dix”.
a. On calcule les probabilités conditionnelles P (D2 /Li ) = P (Xi = 2) pour i = 1, 2, 3 et 4 :
2 (0, 02)2 (0, 98)8 = 0, 015.
P (D2 /L1 ) = P (X1 = 2) = C10
2 (0, 05)2 (0, 95)8 = 0, 075.
P (D2 /L2 ) = P (X2 = 2) = C10
2 (0, 07)2 (0, 93)8 = 0, 123.
P (D2 /L3 ) = P (X3 = 2) = C10
2 (0, 10)2 (0, 90)8 = 0, 194.
P (D2 /L4 ) = P (X4 = 2) = C10
1
P (L4 )P (D2 /L4 ) × P (D2 /L4 )
P (L4 /D2 ) = 4 = 4 4
X 1 X
P (Li )P (D2 /Li ) × P (D2 /Li )
4
i=1 i=1
P (D2 /L4 ) 0, 194
= 4 = = 0, 477.
X 0, 015 + 0, 075 + 0, 123 + 0, 194
P (D2 /Li )
i=1
6
Probabilités S2 Corrigé Série 2 S. BENHMIDA
D’autre part, on a , n = 60 > 50 et p = 0, 05 < 0, 1, donc on peut approximer la loi binomiale B(n; p)
par la loi de Poisson de paramètre λ = np = 60 × 0, 05 = 3. On note : Y ≈ P(3).
3k
D’où, P (Y = k) ' e−3 × ; ∀ k ∈ DY .
k!
d. On calcule la probabilité P (Y = 2), avec les deux lois approximatives.
Avec la loi binomiale : P (Y = 2) ' C602 (0, 05)2 (0, 95)58 ' 0, 226.
32
Avec la loi de Poisson : P (Y = 2) ' e−3 × ' 0, 224.
2!
7
Probabilités S2 Corrigé Série 2 S. BENHMIDA
V (Y )
c. D’après l’inégalité de Bienaymé-Tchébychev on a : P (|Y − E(Y )| ≥ ε) ≤ ; ∀ ε > 0.
ε2
12 3
Or, E(Y ) = V (Y ) = λ0 = 12 et avec ε = 4, on a : P (|Y − 12| ≥ 4) ≤ 2
= = 0, 75.
4 4
Corrigé exercice 7 :
X = ”le nombre de véhicules qui passent au centre de contrôle pendant une heure”
On considère l’événement A = ”Un véhicule contrôlé présente des défauts”, on a, P (A) = p = 0, 25.
3k
1. X suit une loi de Poisson de paramètre λ = 3. D’où, DX = N et P (X = k) = e−3 × ; ∀ k ∈ DX .
k!
P (X ≥ 2) = 1 − P (X < 2) = 1 − [P (Y = 0) + P (Y = 1)] = 1 − e−3 × [1 + 3] = 1 − 4 × e−3 ' 0, 801.
2. Y = ”le nombre de véhicules qui passent au centre pendant une journée”.
Si on considère les huit variables aléatoires Xi pour i = 1; 2; 3; ...; 8 :
Xi = ”le nombre de véhicules qui passent au contrôle pendant la ième heure”.
Pour tout i ; Xi ∼ P(3) et les Xi sont mutuellement indépendantes, alors ;
8
X 8
X
Y = Xi et Y suit une loi de Poisson de paramètre : λy = λ = 8λ = 24. On note, Y ∼ P(24).
i=1 i=1
24n
D’où, DY = N et P (Y = n) = e−24 × ; ∀ n ∈ DY . E(Y ) = V (Y ) = λy = 24.
n!
3. On considère les deux variables aléatoires discrète suivantes :
Z = ”le nombre de véhicules contrôlés qui présentent des défauts pendant une journée”.
(Z/Y = n) = ”le nombre de véhicules présentant des défauts parmi les n contrôlés pendant une journée”.
a. Chaque véhicule qui passent au contrôle est une experience aléatoire de Bernoulli de paramètre
p = 0, 25 et les véhicules passent indépendamment les uns des autres, donc la loi conditionnelle de
(Z/Y = n) est une loi binomiale de paramètres n et p = 0, 25. On note : (Z/Y = n) ∼ B(n; 0, 25).
D(Z/Y =n) = {k ∈ N : 0 ≤ k ≤ n} et P (Z = k/Y = n) = Cnk (0, 25)k (0, 75)n−k ; ∀ k ∈ D(Z/Y =n) .
b. Y et Z sont deux variables aléatoires discrètes à valeurs entières telles que, Y suit une loi de
Poisson de paramètre λy = 24 et (Z/Y = n) suit une loi binomiale de paramètres ; n et p = 0, 25 ; donc,
d’après une propriété du cours, la loi marginale de Z est une loi de Poisson de paramètre λz = pλy =
0, 25 × 24 = 6. D’où,
6k √ √
DZ = N et P (Z = k) = e−6 × ; ∀ k ∈ DZ . E(Z) = λz = 6 et σz = λz = 6 =' 2, 449.
k!
V (Z)
c. D’après l’inégalité de Bienaymé-Tchébychev on a : P (|Z − E(Z)| ≥ ε) ≤ ; ∀ ε > 0.
ε2
6 6
Or, E(Z) = V (Z) = λz = 6 et avec ε = 3, on a : P (|Z − 6| ≥ 3) ≤ 2 = = 0, 667.
3 9