UNIVERSITÉ SIDI MOHAMED BEN ABDELLAH – FÈS

FSJES – Département Sc. Économiques et Gestion

Première année de Licence – S2 –

Sections 9, 10, 11&12 Pr. S. BENHMIDA A.U. 2019–2020

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

Figure 1 – Représentation graphique de F

1
Probabilités S2 Corrigé Série 2 S. BENHMIDA
3.
5
X 1 X 1 5(5 + 1)(2 × 5 + 1) 5 × 11 11
E(X) = kP (X = k) = × k2 = × = = ' 3, 667.
15 15 6 15 3
k∈DX k=1

V (X) = E(X 2 ) − (E(X))2 ; or,

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 :

Figure 2 – Schéma de l’experience aléatoire

1. La loi de probabilité de N : On a, DN = {1; 2; 3} et on calcule les probabilités, P (N = n) ∀ n ∈ DN .

3
P (N = 1) = PΩ {avoir trois numéros identiques} = PΩ {(1, 1, 1); (2, 2, 2); (3, 3, 3)} = .
27
3 × 2 × p3 (2, 1) 3×2×3 18
P (N = 2) = PΩ {avoir deux numéros identiques} = = = .
27 27 27
On a trois pssibilités de choisir le numéros doublé et deux possibilités de choisir le troisième différent
puis on permute les trois numéros dont deux identiques et un différent.

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

2. La loi de probabilité du couple (N, X) :

On a, DX = {0, 1; 2; 3} ; DN,X = DN × DX et on calcule les probabilités, P (n, x) ∀ (n, x) ∈ DN,X .
Pour calculer les probabilités, P (n, x) on utilise le théorème des probabilités composées en condition-
nant par la variable aléatoire N .
3 2 2
P (1; 0) = P (N = 1 et X = 0) = P (N = 1)P (X = 0/N = 1) = × = .
27 3 27
Car avec (N = 1), c.à.d, une seule urne contient trois boules et les deux autres sont vides, donc pour
avoir une urne vide, c.à.d (X = 0), on a deux chances sur trois.
3
P (1; 1) = P (N = 1 et X = 1) = P (N = 1)P (X = 1/N = 1) = × 0 = 0.
27
Car avec (N = 1), c.à.d, une seule urne contient trois boules et les deux autres sont vides, donc il est
impossible d’avoir une urne qui conteint une seule boule , c.à.d (X = 1).
3
P (1; 2) = P (N = 1 et X = 2) = P (N = 1)P (X = 2/N = 1) = × 0 = 0.
27
Car avec (N = 1), il est aussi impossible d’avoir une urne qui conteint deux boules , c.à.d (X = 2).
3 1 1
P (1; 3) = P (N = 1 et X = 3) = P (N = 1)P (X = 3/N = 1) = × = .
27 3 27
Car avec (N = 1), on a une seule urne contient trois boules et les deux autres sont vides, donc pour avoir
une urne qui conteint trois boules, c.à.d (X = 3), on a une chance sur trois.
18 1 6
P (2; 0) = P (N = 2 et X = 0) = P (N = 2)P (X = 0/N = 2) = × = .
27 3 27
Car avec (N = 2), c.à.d, deux urnes sont ocupées et la 3ème est vide, donc pour avoir une urne vide, c.à.d
(X = 0), on a une chance sur trois.
18 1 6
P (2; 1) = P (N = 2 et X = 1) = P (N = 2)P (X = 1/N = 2) = × = .
27 3 27
Car avec (N = 2), on a une urne contient une boule, l’autre contient deux boules et la 3ème est vide,
donc pour avoir (X = 1) , c.à.d, une urne qui contient une seule boule, on a une chance sur trois.
18 1 6
P (2; 2) = P (N = 2 et X = 2) = P (N = 2)P (X = 2/N = 2) = × = .
27 3 27
Car avec (N = 2), on a une urne contient une boule, l’autre contient deux boules et la 3ème est vide,
donc pour avoir (X = 2) , c.à.d, une urne qui contient deux boules, on a une chance sur trois.
18
P (2; 3) = P (N = 2 et X = 3) = P (N = 2)P (X = 3/N = 2) = × 0 = 0.
27
Car avec (N = 2), on a une urne contient une boule, l’autre contient deux boules et la 3ème est vide,
donc il est impossible d’avoir une urne qui conteint trois boules.
6
P (3; 0) = P (N = 3 et X = 0) = P (N = 3)P (X = 0/N = 3) = × 0 = 0.
27
Car avec (N = 3), les tois urnes sont ocupées c.à.d, chaque urne contient une seule boule, donc il est
impossible d’avoir une urne vide, c.à.d (X = 0).
6 6
P (3; 1) = P (N = 3 et X = 1) = P (N = 3)P (X = 1/N = 3) = ×1= .
27 27
Car avec (N = 3), chaque urne contient une seule boule, donc il est sûr d’avoir une urne qui contient une
seule boule, c.à.d (X = 1).
6
P (3; 2) = P (N = 3 et X = 2) = P (N = 3)P (X = 2/N = 3) = × 0 = 0.
27
Car avec (N = 3), chaque urne contient une seule boule, donc il est impossible d’avoir une urne qui
contient deux boules, c.à.d (X = 2).
3
Probabilités S2 Corrigé Série 2 S. BENHMIDA
6
P (3; 3) = P (N = 3 et X = 3) = P (N = 3)P (X = 3/N = 3) = × 0 = 0.
27
Car avec (N = 3), chaque urne contient une seule boule, donc il est impossible d’avoir une urne qui
contient trois boules, c.à.d (X = 3).
D’où le tableau de contingence de la loi conjointe du couple (N, X), on en déduit la loi marginale de
X et on retrouve celle de N :
XXX
XXX x ∈ DX
XXX 0 1 2 3 Loi marginale de N
n ∈ DN XXX
X
1 2/27 0 0 1/27 3/27
2 6/27 6/27 6/27 0 18/27
3 0 6/27 0 0 6/27
Loi marginale de X 8/27 12/27 6/27 1/27 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

V (N ) = E(N 2 ) − (E(N ))2 ; or,

X 3 18 6 43
E(N 2 ) = n2 P (N = n) = 1 × +4× +9× = = 4, 778.
27 27 27 9
k∈DN
 2
43 19 26
D0 où, V (N ) = − = = 0, 321.
9 9 81
V (X) = E(X 2 ) − (E(X))2 ; or,
X 8 12 6 1 5
E(X 2 ) = x2 P (X = x) = 0 × +1× +4× +9× = = 1, 667.
27 27 27 27 3
k∈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!

Corrigé exercice 4 : On considère les événements, D et Li , pour i = 1, 2, 3 et 4,

D = ”La pièce tirée est défectueuse”.
Li = ”On choisit le lot no i” = ”On effectue le tirage des pièces dans le lot no i”.
Soit Ω l’ensemble de toutes les pièces fabriquées par l’usine, ainsi les événements, L1 , L2 , L3 et L4 ,
1
forment une partition de Ω et on a, P (Li ) = , pour i = 1, 2, 3 et 4, car le choix d’un lot est au hasard.
4
D’apès les données on a aussi les probabilités conditionnelles suivantes :
P (D/L1 ) = 0, 02 ; P (D/L2 ) = 0, 05 ; P (D/L3 ) = 0, 07 et P (D/L4 ) = 0, 1.
On peut représenter les événements, D et Li sur un diagramme de Venn.

Figure 3 – Diagramme de Venn

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

2. On calcule les probabilités conditonnelles P (Li /D̄) pour i = 1, 2, 3 et 4 :

P (L1 D̄) P (L1 )P (D̄/L1 ) 1 (1 − P (D/L1 )) 1 (1 − 0, 02)
P (L1 /D̄) = = = × = × = 0, 261.
P (D̄) P (D̄) 4 (1 − P (D)) 4 (1 − 0, 06)
P (L2 D̄) P (L2 )P (D̄/L2 ) 1 (1 − P (D/L2 )) 1 (1 − 0, 05)
P (L2 /D̄) = = = × = × = 0, 253.
P (D̄) P (D̄) 4 (1 − P (D)) 4 (1 − 0, 06)

5
Probabilités S2 Corrigé Série 2 S. BENHMIDA

P (L3 D̄) P (L3 )P (D̄/L3 ) 1 (1 − P (D/L3 )) 1 (1 − 0, 07)

P (L3 /D̄) = = = × = × = 0, 247.
P (D̄) P (D̄) 4 (1 − P (D)) 4 (1 − 0, 06)
P (L4 D̄) P (L4 )P (D̄/L4 ) 1 (1 − P (D/L4 )) 1 (1 − 0, 1)
P (L4 /D̄) = = = × = × = 0, 239.
P (D̄) P (D̄) 4 (1 − P (D)) 4 (1 − 0, 06)
X4
Remarque : On vérifie que, P (Li /D̄) = 1.
i=1

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

b. De (a.) on déduit, par la formule de Bayes, la probabilité conditionnelle P (L4 /D2 ) :

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

Corrigé exercice 5 : Soit l’événement, D = ”avoir un sac défectueux”. On a P (D) = 0, 05 = p.

1. On considère la variable aléatoire X définie par :
X = ”le nombre de sacs remplis par la machine avant le premier contrôle”.
a. D’après les données, X suit une loi binomiale négative de paramètres m = 3 et p = 0, 05.
DX = {k ∈ N : 3 ≤ k} et P (X = k) = Ck−1 2 (0, 05)3 (0, 95)k−3 ; ∀ k ∈ D . On note : X ∼ G(3; 0, 05).
X
m 3 m(1 − p) 3 × 0, 95
b. E(X) = = = 60 et V (X) = 2
= = 1140.
p 0, 05 p (0, 05)2
c. P (X = 20) = C19 2 (0, 05)3 (0, 95)17 = 0, 009.

2. On considère la variable aléatoire Y = ” le nombre de sacs défectueux parmi les 60”.

On a, N = 1000 ; n = 60 et p = 0, 05, donc, N1 = pN = 0, 05 × 1000 = 50 et N2 = N − N1 = 950.
a. D’après les données, Y suit une loi hypergéométrique de paramètres, N = 1000 ; n = 60 et
p = 0, 05.
DY = {k ∈ N : sup(0; n − N2 ) ≤ k ≤ inf (n; N1 )} = {k ∈ N : 0 ≤ k ≤ 50}
k C 60−k
C50 950
et P (Y = k) = 6 ; ∀ k ∈ DY . On note : Y ∼ H(1000; 60; 0, 05).
C1000 0
b. E(Y ) = np = 60 × 0, 05 = 3.
N −n 940
V (Y ) = np(1 − p) × = 60 × 0, 05 × 0, 95 × = 2, 682.
N −1 999
n 60
c. D’une part, le taux de sondage = = 0, 06 < 0, 1, donc, on peut approximer la loi
N 1000
hypergéométrique H(1000; 60; 0, 05) de Y par la loi binomiale de paramètres, n = 60 et p = 0, 05. On
note : Y ≈ B(60; 0, 05).
k (0, 05)k (0, 95)60−k ; ∀ k ∈ D .
D’où, P (Y = k) ' C60 Y

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!

Corrigé exercice 6 : On considère la variable aléatoire X définie par :

X = ”le nombre de réclamations reçues chaque jour par le service après-vente du magasin”
X suit une loi de Poisson de paramètre λ = 2 (X ' P(2)).
2k
D’où, DX = N et P (X = k) = e−2 × ; ∀ k ∈ DX .
k!
1. On Calcule les probabilités P (X = 1) et P (X ≤ 2) :
2
a. P (X = 1) = e−2 × = 2 × e−2 ' 0, 271.
1!  0
22

−2 2 2
b. P (X ≤ 2) = P (X = 0) + P (X = 1) + P (X = 2) = e × + + = 5 × e−2 ' 0, 677.
0! 1! 2!

7
Probabilités S2 Corrigé Série 2 S. BENHMIDA

2. On considère la variable aléatoire Y définie par :

Y = ”Le nombre de réclamations reçues chaque semaine par le service après-vente du magasin”
a. On a une semaine de 6 jours d’ouverture pour le magasin, donc Y suit aussi une loi de Poisson
12k
de paramètre λ0 = 6λ = 6 × 2 = 12. D’où, DY = N et P (Y = k) = e−12 × ; ∀ k ∈ DY .
√ √ k!
b. E(Y ) = λ0 = 12 et σY = V (Y ) = λ0 = 12 ' 3, 464.
p

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