Académique Documents
Professionnel Documents
Culture Documents
Probabilité
Probabilité
i
doc (Col. : Science Sup 19.3x250) 2012/4/27 14:21 page i #1
Thrse Phan
Jean-Pierre Rowenczyk
Exercices et problmes
de statistique et probabilits
2e dition
i
i
i
doc (Col. : Science Sup 19.3x250) 2012/4/27 14:21 page ii #2
i
i
i
doc (Col. : Science Sup 19.3x250) 2012/4/27 14:21 page iii #3
Avertissement
Chapitre 1
vii
Probabilits. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Rappel de cours . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.1
Rappels de Mathmatiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2
1.3
1.4
1.5
1.6
1.7
Probabilits individuelles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.8
10
11
13
Du mal dmarrer ? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
14
15
23
Chapitre 2
Convergences et chantillonnage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
29
Rappel de cours . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
29
2.1
Lois statistiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
29
2.2
Proprits . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
29
2.3
chantillon gaussien . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
30
2.4
Convergences . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
30
32
i
i
i
doc (Col. : Science Sup 19.3x250) 2012/4/27 14:21 page iv #4
iv
34
Du mal dmarrer ? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
36
36
41
Chapitre 3
Estimation ponctuelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
49
Rappel de cours . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
49
3.1
chantillonnage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
49
3.2
Estimation statistique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
50
3.3
51
52
54
Du mal dmarrer ? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
55
56
64
Chapitre 4
Information et exhaustivit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
71
Rappel de cours . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
71
4.1
71
4.2
73
74
76
Du mal dmarrer ? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
78
79
88
Chapitre 5
97
Rappel de cours . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
97
5.1
97
Thorme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
i
i
i
doc (Col. : Science Sup 19.3x250) 2012/4/27 14:21 page v #5
5.2
97
5.3
Thorme de Lehmann-Scheffe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
97
98
102
Du mal dmarrer ? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
106
107
119
Chapitre 6
Intervalles de confiance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
131
Rappel de cours . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
131
6.1
131
6.2
131
6.3
134
6.4
135
135
139
Du mal dmarrer ? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
146
147
160
Chapitre 7
Tests paramtriques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
177
Rappel de cours . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
177
7.1
177
7.2
Thorie de la dcision . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
178
7.3
Notion de risque . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
179
7.4
179
180
185
Du mal dmarrer ? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
188
i
i
i
doc (Col. : Science Sup 19.3x250) 2012/4/27 14:21 page vi #6
vi
189
212
Chapitre 8
223
Rappel de cours . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
223
8.1
Test dadquation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
223
8.2
Test dindpendance. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
224
227
229
Du mal dmarrer ? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
229
230
Chapitre 9
245
Rappel de cours . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
245
9.1
Hypothses . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
245
9.2
245
246
9.1
246
9.2
Principe de lANOVA. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
247
9.3
Calcul de la constante C . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
248
9.4
249
9.5
250
nonc du problme. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
251
Du mal dmarrer ? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
252
Corrig du problme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
252
Index
255
i
i
i
doc (Col. : Science Sup 19.3x250) 2012/4/27 14:21 page vii #7
Avertissement
Cet ouvrage est destin aux tudiants de Licence, de premire anne des Grandes coles dingnieurs, de commerce et de gestion ou dInstitut Universitaires de Technologie dsireux dapprhender les concepts et les notions de base de la statistique.
Il peut tre utile tous ceux qui seraient dsireux dacqurir ou de revoir les notions oprationnelles
des mthodes de base de la statistique.
Cet ouvrage comporte des rappels de cours sans dmonstrations, des exercices classiques de
difficults progressives (le niveau de difficult est repr par un nombre dtoiles), ainsi que des
problmes plus complexes permettant daborder des cas concrets dutilisation de la statistique dans
diffrents domaines dapplication. Il est dcoup en chapitres mais il comporte fondamentalement
deux grandes parties :
Une premire partie concerne le calcul des probabilits
Bien que comportant des rappels de cours relativement complets, nous avons choisi, dlibrment, de ne proposer dans cette partie, que des exercices abordant des notions et des calculs de
probabilit qui sont utiliss en statistique : Thorme Central-Limite (ou thorme de la limite
centrale), Lois de probabilits frquemment utilises en statistique (Loi normale, du Khi-deux,
de Student, de Fisher...)
Nous avons donc vit de proposer des exercices de probabilits calculatoires classiques (exercices utilisant la combinatoire, calcul de paramtres de lois de probabilits...).
Pour cette raison, avant daborder les chapitres de statistique, nous conseillons vivement au
lecteur, de se reporter, en cas de besoin, aux ouvrages spcialiss, afin de revoir ou de complter
leurs connaissances en matire de calcul des probabilits.
Une deuxime partie est consacre ltude des trois mthodes de base utilises en statistique :
Lestimation ponctuelle
Lestimation par intervalle
Les tests dhypothse
Les chapitres concernant lestimation ponctuelle permette daborder les notions essentielles
permettant dtudier les estimateurs de paramtres rels de lois de probabilits.
Nanmoins, ces chapitres proposent quelques exemples destimation de paramtres vectoriels.
Les chapitres consacrs lestimation par intervalle proposent un ventail large dexercices
diffrents, permettant dapprhender la plupart des cas concrets rencontrs dans les diffrents
domaines utilisant la statistique.
Les chapitres consacrs aux tests dhypothses sont essentiellement consacrs ltude des
tests paramtriques dans le cas dhypothses simples et ltude de deux types de tests non
paramtriques, les tests dajustement et les tests dindpendance.
Les diffrents chapitres proposent toujours la mme organisation : les noncs, puis une rubrique
Du mal dmarrer , et enfin, les corrigs des exercices proposs.
Chaque corrig propose, en outre, un bilan ce quil faut retenir .
i
i
i
doc (Col. : Science Sup 19.3x250) 2012/4/27 14:21 page viii #8
Remerciements
Nous tenons, tout dabord exprimer toute notre gratitude nos collgues de lcole Centrale de
Paris et de lcole Spciale des Travaux Publics, pour nous avoir incits laborer cet ouvrage et
pour nous avoir fourni de nombreux conseils de rdaction.
En particulier, nous tenons remercier, Alain MARRET et Michel LUCIEN, pour leur apport lors
de llaboration du contenu de cet ouvrage.
Nos remerciements vont ensuite Franck PHAN, pour son aide prcieuse pour lutilisation de
Latex et donc de la ralisation de la maquette de cet ouvrage.
Enfin, nous tenons galement remercier vivement les ditions DUNOD, Anne Bourguignon et
Benjamin Peylet, pour leur accueil, leur comptence et leur grande comprhension au cours de la
ralisation de cet ouvrage.
Thrse PHAN et Jean-Pierre ROWENCZYK
i
i
i
doc (Col. : Science Sup 19.3x250) 2012/4/27 14:21 page 1 #9
Probabilits
RAPPEL DE COURS
1.1 Rappels de Mathmatiques
a) Oprations sur les ensembles
b) Analyse combinatoire
Cnp =
n!
Anp
=
p!(n p)!
p!
Per (n) = n!
i
i
i
doc (Col. : Science Sup 19.3x250) 2012/4/27 14:21 page 2 #10
1 Probabilits
La thorie des probabilits repose sur ltude de phnomnes alatoires. Une exprience est dite
alatoire si on ne peut pas prvoir son rsultat et si rpte dans les mmes conditions, elle peut
donner des rsultats diffrents. Les rsultats possibles de cette exprience constituent lensemble
fondamental V. Un vnement alatoire est une assertion relative au rsultat de lexprience.
On identifie usuellement lvnement alatoire et la partie de V pour laquelle cet vnement est
ralis.
Si P est une probabilit dfinie sur V, et si A et B sont deux parties de V, on a :
P() = 0
et
P(V) = 1
P(A) = 1 P(A)
P(A B) = P(A) + P(B) P(A B)
P(A B) = P(A) + P(B) si A B =
b) Probabilits conditionnelles
A et B indpendants
P(A B) = P(A)P(B)
P(A/B) =
P(A B)
P(B/A)P(A)
=
P(B)
P(B)
i
i
i
doc (Col. : Science Sup 19.3x250) 2012/4/27 14:21 page 3 #11
Rappel de cours
P(X = t)
t<x
On dit que la variable alatoire X de fonction de rpartition F est continue si on peut dfinir
une fonction densit de probabilit f de X vrifiant :
f (x) = F (x) ou
F(x) =
f (t)dt
P(X = x)
xw1 (y)
i
i
i
doc (Col. : Science Sup 19.3x250) 2012/4/27 14:21 page 4 #12
1 Probabilits
Cas continu
G(y) = P(Y < y) = P(X < w1 (y)) = F w1 (y)
exp(it x)P(X = x)
w X (t) = E eit X =
DX
Cas continu
w X (t) = E eit X =
exp(it x) f (x)d x
DX
t s
itm
Loi de Gauss LG(m, s)
w X (t) = e exp
2
f) Fonctions gnratrice G
variable discrte
m r = E(X r ) =
xir P(X = xi )
variable continue
m r = E(X r ) =
t r f (t)dt
DX
i
i
i
doc (Col. : Science Sup 19.3x250) 2012/4/27 14:21 page 5 #13
Rappel de cours
wnX (0)
in
m n = E(X n ) =
E [X (X 1) . . . (X n + 1)] = G (n)
X (0)
o G (n)
X est la drive dordre n de la fonction gnratrice.
b) Moments centrs dordre r
variable discrte
(xi E[X ])r P(X = xi )
mr = E (X E[X ])r =
i
variable continue
mr = E (X E[X ])r =
(t E[X ])r f (t)dt
DX
c) Esprance mathmatique
Calcul direct
variable discrte
E(X ) =
xi P(X = xi )
variable continue
E(X ) =
t f (t)dt
DXx
E(X ) = G X (1) =
x P(X = x)
DX
m 1 = E(X ) =
w1X (0)
i1
i
i
i
doc (Col. : Science Sup 19.3x250) 2012/4/27 14:21 page 6 #14
1 Probabilits
Variable discrte
E[w(X )] =
w(x)P(X = x))
E[w(X )] =
w(x) f (x)d x
DX
d) Variance
Calcul direct
Variable discrte
(xi E[X ])2 P(X = xi )
m2 = E (X E[X ])2 =
X
Variable continue
m2 = E (X E[X ])
(t E[X ])2 f (t)dt
=
DX
sX =
V (X )
V (X + Y ) = V (X ) + V (Y ) + 2Cov (X , Y )
Ingalit de Bienaym-Tchebichev
1
t2
i
i
i
doc (Col. : Science Sup 19.3x250) 2012/4/27 14:21 page 7 #15
Rappel de cours
P(X = u, Y = v)
u<x v<y
Variables continues
Fonction de rpartition
F(x, y) = P(X < x, Y < y) =
f (x, y)d xd y
D XY
Densit de probabilit
2 F(x, y)
x y
f (x, y) =
Dans ce qui suit, les formules sont donnes pour des variables continues. Les formules, pour les
variables discrtes, sen dduisent aisment.
F(x, .) =
F(., y) =
f (u, v)dv du
d F(x, .)
= f (x, .) =
dx
Loi marginale de Y
f (u, v)du dv
d F(., y)
= f (., y) =
dy
f (x, v)dv
f (u, y)du
i
i
i
doc (Col. : Science Sup 19.3x250) 2012/4/27 14:21 page 8 #16
1 Probabilits
Loi conditionnelle de Y /X
F(x, y)
x
F(y/X = x) = F(y/x) =
d F(x, .)
dx
f (y/x) =
d F(y/x)
f (x, y)
=
dy
f (x, .)
Loi conditionnelle de X /Y
F(x, y)
y
F(x/Y = y) = F(x/y) =
d F(., y)
dy
f (x/y) =
d F(x/y)
f (x, y)
=
dx
f (., y)
c) Esprance mathmatique
Esprances des variables marginales
E(X ) =
x f (x, y)d xd y
E(Y ) =
D XY
y f (x, y)d xd y
D XY
E(X /Y ) =
x f (x/y)d x
Xy
E(Y /X ) =
y f (y/x)dy
Yx
E(X ) = E[E(X /Y )]
E(Y ) = E[E(Y /X )]
d) Variance
Variances conditionnelles
V (Y ) = V [E(Y /X )] + E[V (Y /X )]
i
i
i
doc (Col. : Science Sup 19.3x250) 2012/4/27 14:21 page 9 #17
Rappel de cours
e) Corrlation
Coefficient de corrlation
r=
=
sx s y
V (X ) V (Y )
Rapport de corrlation
h2Y /X =
V [E(Y /X )]
V (Y )
M(X , Y ) =
V (x)
Cov (x, y)
Cov (x, y)
V (y)
Deux variables X et Y sont indpendantes si, quel que soit deux vnements X A et Y B,
on a :
P(X A , Y B) = P(X A) P(Y B)
Proprits
Le tableau ci-aprs rappelle la dfinition, lesprance et la variance des six lois discrtes les plus
courantes
i
i
i
doc (Col. : Science Sup 19.3x250) 2012/4/27 14:21 page 10 #18
10
1 Probabilits
Loi
Dfinition
P(X = x) =
Uniforme
1
n
Esprance
Variance
n+1
2
n2 1
12
x {0,1}
p(1 p)
x {1,2, . . .}
1
p
q
p2
np
np(1 p)
x {1,2, . . . , n}
P(X = x) = p x (1 p)1x
Bernoulli
Pascal
Binomiale
P(T = t) =
Hyper-gomtrique
x {0,1, . . . n}
C Nt p C Nnt
N p
C Nn
np
np(1 p)
Poisson
mx
x!
x {0,1, . . . n}
N n
N 1
b) Lois continues
Dfinition
f (x) =
Gauss LG(m, s)
f (x) =
Exponentielle de
paramtre l
1
ba
f (x) =
Gamma g(l, r)
Variance
ba
2
(b a)2
12
s2
1
l
1
l2
r
l
r
l2
x [a, b]
(x m)2
1
exp
2s2
s 2p
f (x) = l exp(lx)
Esprance
x ] , +[
x [0, +[
l lx
(lx)r 1
e
G(r )
ai LG(m i , si ) = LG
n
n
ai m i ,
ai2 si2
i=1
i=1
i
i
i
doc (Col. : Science Sup 19.3x250) 2012/4/27 14:21 page 11 #19
11
2.
2. Quelle est la probabilit quun nouveau-n pris au hasard soit indemne de ces troubles
sachant que le test a donn un rsultat ngatif ?
1.4 Dans une carrire de marbre, un contrle est effectu sur des dalles destines la construction.
La surface des dalles est vrifie pour dtecter dventuels clats ou taches. Il a t constat quen
moyenne il ya 1,2 dfaut par dalle et que le nombre de dfauts par dalle suit une loi de Poisson.
1. Quel est le paramtre de cette loi de Poisson ? Quelles sont les valeurs possibles de la
variable ?
2.
Lentreprise prsente ses clients deux catgories de dalles : celles prsentant moins de
deux dfauts (qualit ***) et celles prsentant au moins deux dfauts (qualit **). Quelle est la
probabilit dobserver au moins deux dfauts sur une dalle ? Quelle est alors la proportion de
dalles de qualit ** ?
3.
4.
Sur 500 dalles contrles, quel est le nombre attendu ne prsentant aucun dfaut ?
i
i
i
doc (Col. : Science Sup 19.3x250) 2012/4/27 14:21 page 12 #20
12
1 Probabilits
1.5 Une grande mutuelle dassurances envisage dventuels changements de tarifs. Pour cela,
elle a tudi le risque daccident automobile de ses assurs en fonction de lanciennet de leur
permis. Parmi ses assurs, il y a 20 % de jeunes ayant leur permis depuis moins de 5 ans et le
risque daccident de ces jeunes conducteurs est de 0,4. Le risque daccident des assurs ayant leur
permis depuis plus de 5 ans est de 0,125.
1. Si on choisit au hasard 10 jeunes conducteurs, quelle est la probabilit den voir au moins un
ayant un accident dans lanne ?
2.
Mme question avec 10 assurs ayant leur permis depuis plus de 5 ans.
3. Si on prend au hasard 10 assurs, quelle est la probabilit den voir au moins un ayant un
accident dans lanne ?
1.6 Un fabricant dordinateurs portables souhaite vrifier que la priode de garantie quil doit
associer au disque dur correspond un nombre pas trop important de retours de ce composant
sous garantie. Des essais en laboratoire ont montr que la loi suivie par la dure de vie, en annes,
de ce composant est la loi exponentielle de moyenne 4.
1. Prciser la fonction de rpartition de cette loi ainsi que son esprance E(X ) et son carttype s.
2.
Quelle est la probabilit quun disque dur fonctionne sans dfaillance plus de quatre ans ?
3. Quelle est la probabilit quun disque dur fonctionne sans dfaillance six ans au moins,
sachant quil a fonctionn dj cinq ans.
4.
Quelle est la probabilit que la dure de vie appartienne lintervalle : [E(X )s, E(X ) + s] ?
5.
6. Donner la priode de garantie optimum pour remplacer moins de 15 % des disques durs sous
garantie.
1.7 On estime que 1 400 passagers ont rserv, le vendredi soir, sur le TGV Paris-Nantes de
19h30.
Les portes du train ouvrent une demi-heure avant le dpart.
Parmi les usagers, 50 arrivent avant louverture des portes et 70 arrivent trop tard.
On considre la variable alatoire X , gale la date darrive dun voyageur calcule par rapport
19h30. (X = 0 19h30 et X est exprim en minutes).
1.
En admettant que cette variable X suit une loi LG(m, s), calculer m et s.
2. Dterminer lheure laquelle les portes du train doivent tre ouvertes pour quil ny ait pas
plus de 20 usagers qui attendent sur le quai.
3. Calculer le nombre de voyageurs ayant manqu le train si celui-ci accuse un retard de
5 minutes.
i
i
i
doc (Col. : Science Sup 19.3x250) 2012/4/27 14:21 page 13 #21
13
1.8 Le modle suivant peut tre utilis pour reprsenter le nombre de blesss dans les accidents
de la circulation au cours dun week-end.
Le nombre daccidents suit une loi de Poisson de paramtre l.
Le nombre de blesss par accident, suit une loi de Poisson de paramtre m.
Le nombre total de blesss est donc :
S = X1 + X2 + + X N
S est la somme dun nombre alatoire de variables de Poisson, indpendantes et de mme loi.
1.
2.
3.
pour
x>0
Soit Y une autre variable alatoire. On suppose que la loi conditionnelle de Y sachant X est une
1
loi normale de paramtres m = 0 et s2 =
2X
1.
2.
3.
i
i
i
doc (Col. : Science Sup 19.3x250) 2012/4/27 14:21 page 14 #22
14
1 Probabilits
2. Le poids dun voyageur et celui de ses bagages suivent des lois dont on ne connat pas la
nature. Par contre, lesprance mathmatique et la variance de chacune de ces lois ont les valeurs
donnes prcdemment. Calculer une limite suprieure de la probabilit pour que le commandant
refuse dembarquer une partie des bagages afin que le poids de lappareil ne dpasse pas 129,42
tonnes.
On suppose en fait que le poids dun voyageur suit une loi normale LG(70 ; 10) et celui des
bagages suit une loi normale LG(20 ; 10).
3.
Calculer la probabilit pour que le commandant refuse dembarquer une partie des bagages afin
que le poids de lappareil ne dpasse pas 129,42 tonnes.
Expliquer la diffrence avec le rsultat prcdent.
Problme 1.2
On dispose de n variables alatoires relles (X 1 , . . . , X n ) mutuellement indpendantes, de mme
loi, de fonction de rpartition F de classe C 2 sur R. La densit de ces variables alatoires est note
f.
Soit (Y1 , . . . , Yn ) la suite des X i ordonnes de faon croissante.
Dans cet exercice, on sintresse la loi du couple (Yn , Y1 ).
La fonction de rpartition du couple (Yn , Y1 ) est dfinie par F(x, y) = P[(Yn x) (Y1 y)].
1. Calculer P[(Yn x) (Y1 > y)] et en dduire la fonction de rpartition F du couple
(Yn , Y1 ).
2.
3.
Dans cette question, les variables X i suivent toutes des lois uniformes sur lintervalle [0,1].
DU MAL DMARRER
1.1 Il est plus simple, dans un premier temps, de chercher la probabilit de lvnement complmentaire.
1.2 La capture des oiseaux se faisant en globalit, on recherche un nombre de combinaisons sans
rptition.
1.3 Dans ce type dexercice, il est essentiel de mettre en vidence les vnements en prsence.
1.4 De la valeur moyenne de la variable, on peut dduire la valeur du paramtre de la loi.
i
i
i
doc (Col. : Science Sup 19.3x250) 2012/4/27 14:21 page 15 #23
15
1.5 Pour chacune des deux premires questions, on identifiera les paramtres de la loi suivie par la
variable considre. Dans la troisime question, la population totale des assurs est constitue du
mlange des deux catgories tudies ; il faut alors chercher la probabilit quun assur quelconque
ait un accident.
1.6 Lesprance de la loi exponentielle est linverse du paramtre.
1.7 Le nombre de passagers arrivs avant louverture des portes et celui des passagers arrivs en
retard permettent de calculer les paramtres de la loi.
1.8 La difficult de lexercice rside dans le fait que le nombre daccidents, dans un week-end
donn, est lui-mme une ralisation dune variable alatoire. On est donc amen, dans un premier
temps, chercher une probabilit conditionnelle.
1.9 La connaissance de la loi conditionnelle de Y sachant X et de la loi marginale de X nous
permet de dterminer la loi du couple.
Problme 1.1
On dtermine trs facilement lesprance du poids total T de lappareil et lindpendance des
variables permet de dterminer aussi la variance de T . Dans la question 2, ne connaissant pas la loi
des variables, on peut utiliser lingalit de Bienaym-Tchebichev. En revanche, dans la question
suivante, on peut dterminer la valeur exacte de la probabilit recherche.
Problme 1.1
Il est essentiel de remarque que dans la srie ordonne, Y1 est le minimum et Yn le maximum.
An365
365n
i
i
i
doc (Col. : Science Sup 19.3x250) 2012/4/27 14:21 page 16 #24
16
1 Probabilits
1.2 Le nombre de dispositions que lon peut faire en choisissant 100 sternes parmi 20 000 est :
100
C20
000 . Les oiseaux non bagus sont au nombre de 19 500 donc le nombre de combinaisons de
100
100 sternes non bagues parmi 20 000 est : C19
500 .
1.
100
C19
500
0, 0790
100
C20
000
p1 =
99
500 C19
500
0, 2036
100
C20
000
i
i
i
doc (Col. : Science Sup 19.3x250) 2012/4/27 14:21 page 17 #25
17
1. On cherche la probabilit quun nouveau-n pris au hasard soit atteint de ces troubles sachant
que le test a donn un rsultat positif cest--dire : P(A/B). Pour cela, on utilise la formule de
Bayes :
P(B/A) P(A)
P(B/A) P(A)
P(A/B) =
=
P(B)
P(B/A)P(A) + P(B/ A)P(A)
0,95 0,02
= 0,244 2
P(A/B) =
0,95 0,02 + 0,06 0,05
2. De la mme faon, la probabilit quun nouveau-n pris au hasard soit indemne de ces
troubles sachant que le test a donn un rsultat ngatif est gale :
P(A/B) =
0,94 0,98
= 0,998 9
0,94 0,98 + 0,05 0,02
1.4 1. Soit X la variable : nombre de dfauts par dalle . La loi de X est une loi de Poisson.
Son paramtre est gal la moyenne observe sur lchantillon : l = 1,2. Les valeurs possibles
de X sont les entiers positifs.
2.
Or
1,22
e1,2
2!
P(X = 0) = 0,301 , P(X = 1) = 0,361 , P(X = 2) = 0,217
La probabilit dobserver au moins deux dfauts sur une dalle est alors :
P(X 2) = 1 P(X 1) = 1 e1,2 1,2 e1,2 = 0,338
Sur les 500 dalles contrles, le nombre attendu ne prsentant aucun dfaut est :
500 P(X = 0) 150
i
i
i
doc (Col. : Science Sup 19.3x250) 2012/4/27 14:21 page 18 #26
18
1 Probabilits
1.5 1. Soit X la variable alatoire : nombre de jeunes conducteurs accidents parmi les 10
choisis. Chacun de ces jeunes a une probabilit de 0,4 davoir un accident dans lanne et ceci
indpendamment les uns des autres. La loi de la variable X est donc la loi binomiale de paramtres
n = 10 et p = 0,4.
P(A/J ) = 0,4
P(A/J ) = 0,125
ainsi que P(J ) = 0,2. Le thorme des probabilits totales donne alors :
p = 0,2 0,4 + 0,8 0,125 = 0,18. On en dduit finalement :
P(Z 1) = 1 P(Z = 0) = 1 0,8210 = 0,86
1.6 1. La loi suivie par la dure de vie, en annes, de ce composant est la loi exponentielle de
moyenne 4. Sa densit est :
f (x) = 0,25e0,25x
pour
x 0
La dure de vie moyenne est gale 1/0,25 = 4 ans et son cart-type est s = 4. La fonction de
rpartition est :
F(x) = 0 si x < 0
x
f (t)dt = 1 e0,25x si x 0
F(x) =
0
2.
i
i
i
doc (Col. : Science Sup 19.3x250) 2012/4/27 14:21 page 19 #27
3.
19
P(X 6)
= e0,25(65) = e0,25 = 0,78
P(X > 5)
On cherche la dure d durant laquelle 50 % des disques durs fonctionnent sans dfaillance :
P(X > d) = 1 F(d) = 0,5. Do exp(0,25d) = 0,5. On obtient d = 2,77 ans.
5.
6.
t =
ln 0,85
0, 61
0,25
1.7 1. Lorigine des heures darrive est place 19h30. X est lheure darrive dun voyageur
compte partir de 19h30 et exprime en minutes.
Parmi lensemble des 1 400 passagers, X , variable statistique, reprsente lheure darrive des
voyageurs, qui est dcrite par sa distribution statistique.
Si on tire un voyageur au hasard , X est la variable alatoire heure darrive du voyageur , dont
la loi-parente est la loi de description statistique prcdente et dont les probabilits peuvent tre
calcules partir des frquences observes dans lensemble de la population.
La variable alatoire X suit la loi LG(m, s). Soit U la variable centre rduite associe. On sait
que 30 passagers arrivent une demi-heure avant le dpart :
P(X 30) = P
X m
30 m
s
s
= P(U u 0 ) =
50
1 400
P(U u 0 ) = 0,964 3
et
F(1,80) = 0,964 1
i
i
i
doc (Col. : Science Sup 19.3x250) 2012/4/27 14:21 page 20 #28
20
1 Probabilits
Do :
u 0 = 1,803 =
et
30 + m
s
X m
m
m
70
P(X 0) = P
=P U
=
s
s
s
1 400
P(U u 1 ) = 1 P(U u 1 ) = 0,05
soit
P(U u 1 ) = 0,95
F(1,65) = 0,950 5
et
m
s
m
30 + m
= 1,803 ;
= 1,645
s
s
{m = 14,31 mn
s = 8,70 mn}
X + 14,31
a + 14,31
P(X a) = P
8,7
8,7
a + 14,31
20
P(X a) = P U u 3 =
=
= 0,014 3
8,7
1 400
2.
14,31 a
= 2,19
8,7
et
a = 33,36 mn = 33 mn et 20 s
i
i
i
doc (Col. : Science Sup 19.3x250) 2012/4/27 14:21 page 21 #29
3.
21
X + 14,31
5 + 14,31
19,31
P(X 5) = P
=P U
8,7
8,7
8,7
P(X 5) = p =
et n = 1 400 p = 18,648
Il y aura donc, si le train accuse 5 minutes de retard, 19 personnes qui manqueront le train.
Ce quil faut retenir de cet exercice
Seule la loi normale centre rduite est tabule. Aussi, ds quon a une variable X suivant
une loi normale de paramtres m et s, on introduit la variable centre rduite associe :
(X m)
.
U=
s
1.8 Soit N la variable alatoire reprsentant le nombre daccidents. La loi de N est la loi de
Poisson de paramtre l.
Soit X la variable alatoire reprsentant le nombre de blesss par accidents. La loi de X est la loi
de Poisson de paramtre m.
Soit S la variable alatoire reprsentant le nombre total de blesss :
S=
N
Xi
i=1
S est donc la somme dun nombre alatoire N de variables de Poisson, indpendantes, suivant
toutes la mme loi.
i
i
i
doc (Col. : Science Sup 19.3x250) 2012/4/27 14:21 page 22 #30
22
1 Probabilits
emn (mn)s
P(S = s/N = n) =
s!
emn (mn)s el ln
P(S = s) =
s!
n!
n=0
el ms ln n s emn
P(S = s) =
s!
n!
n=0
P(S = 0) = e
2.
ln emn
n!
n=0
= exp[l(1 em )]
E(S) = E[E(S/N )]
E(S/N = n) = nm E(S/N ) = N m
E(S) = E(N m) = mE(N ) = ml
3.
et
V (S/N ) = N m
V (S) = ml + m2 l = ml(1 + m)
1.9 1.
f (y, x)
f (x)
f (y, x) =
2
1
ex(1+y )
p
i
i