Vous êtes sur la page 1sur 8

L2 AES TD de statistique 2008/2009

Cours de Mme Mriot

M.-A. Jambu & S.Turolla

Theme 4 - Lois usuelles discrtes

Exercice 1 (Loi binomiale)


A et B sont deux avions ayant respectivement 4 et 2 moteurs. Les moteurs sont supposs
indpendants les uns des autres, et ils ont une probabilit p de tomber en panne. Chaque
avion arrive destination si moins de la moiti de ses moteurs tombe en panne. Quel
avion choisissez-vous ? (on discutera en fonction de p).
Loi binomiale : Si on effectue n preuves successives indpendantes o on note chque
fois la ralisation ou non dun certain vnement A, on obtient une suite de la forme
AAAA . . . AAA. A cet vnement lmentaire w on associe le nombre X (w) de ralisations
de A. On dfinit ainsi une v.a. X qui suit une loi binomiale de paramtres n et p = P (A).,
caractrise par X () = {0, 1, . . . , n} et pour k X () :
P (X = k) = Cnk pk (1 p)nk
E (X) = np et V (X) = npq

On dfinit par X la variable alatoire associe au nombre de moteurs qui tombent en panne pour
lavion A et par Y

la variabe alatoire associe au nombre de moteurs qui tombent en panne pour

lavion B. Daprs lnonc, X () = {0, 1, 2, 3, 4} et Y () = {0, 1, 2}.


Ainsi lvnement lavion A arrive destination est ralis si [(X = 0) (X = 1)] et lvnement
lavion B arrive destination est ralis si [(Y = 0)].
Daprs lnonc, on en dduit que X suit une loi binomiale de paramtres X B (4, p) et Y suit
une loi binomiale de paramtres Y B (2, p). Ainsi,
P (X = 0) = C40 p0 (1 p)4 = (1 p)4
et
P (X = 1) = C41 p1 (1 p)3 = 4p (1 p)3
De plus
P (Y = 0) = C20 p0 (1 p)2 = (1 p)2
De ce fait, nous choisirons de voyager dans lavion A si P (X = 0) + P (X = 1) > P (Y = 0), ou

inversement. Daprs les calculs prcdents, nous en dduisons


(1 p)4 + 4p (1 p)4 > (1 p)2
(1 p)4 + 4p (1 p)4 (1 p)2 > 0
p (1 p)2 (2 3p) > 0

avec (A B)4 = A4 + B 4 4A3 B + 6A2 B 2 4AB 3 .
Par consquent, si 0 < p < 2/3 on choisira lavion A, si p = 2/3 ou p = 0 ou p = 1 on est indiffrent
entre les deux avions et si 2/3 < p < 1 on choisira lavion B.

Exercice 2 (Loi binomiale)


Un concessionnaire de voitures vend le mme jour 7 vhicules identiques des particuliers. Sachant
que la probabilit pour que ce type de voiture soit en tat de rouler deux ans aprs est de 0.9, calculez
la probabilit :
1. Que les 7 voitures soient en service deux ans plus tard;
On dnome par X la variable alatoire associe au nombre de voitures en tat de rouler deux
ans aprs leur achat. Daprs lnonc, X () = {0, 1, 2, 3, 4, 5, 6, 7} et cette variable alatoire
suit une loi binomiale de paramtres X B (7, 0.9).
Ainsi, la probabilit que 7 voitures soient en service deux ans plus tard est
P (X = 7) = C77 0.97 (1 0.9)0
= 0.47
2. Que les 7 voitures soient hors de service deux ans plus tard;
La probabilit que 7 voitures soient hors service deux ans plus tard est
P (X = 0) = C70 0.90 (1 0.9)7
= 107
3. Que 4 voitures soient hors de service;
La probabilit que 4 voitures soient hors service deux ans plus tard est
P (X = 3) = C73 0.93 (1 0.9)4
= 0.0025
4. Que 3 voitures au plus soient hors de service.

La probabilit que 3 voitures au plus soient hors service deux ans plus tard est P (X 4) =
P (X = 4) + P (X = 5) + P (X = 6) + P (X = 7). Il nous faut donc calculer
P (X = 4) = C74 0.94 (1 0.9)3
= 0.0229
et
P (X = 5) = C75 0.95 (1 0.9)2
= 0.1240
et
P (X = 6) = C76 0.96 (1 0.9)1
= 0.3720
Ainsi, la probabilit de cet vnement est
P (X 4) = P (X = 4) + P (X = 5) + P (X = 6) + P (X = 7)
= 0.0229 + 0.1240 + 0.3720 + 0.47
= 0.9889

Exercice 3 (Loi hypergomtrique)


Une urne est constitue de 10 boules blanches et 8 boules noires. On tire au hasard, et sans remise, 5
boules dans lurne. Soit la variable alatoire X = {nombres de boules noires}.
1. Quelle est la loi de probabilit de X ?
Loi hypergomtrique : On effectue n tirages sans remise dans une urne contenant N
objets dont NA objets A. On note X (w) le nombre dobjets A tirs lissue de lvnement
lmentaire w. Dans le schma hypergomtrique ici, ces n tirages sans remise sont quivan chantillons
lents un seul tirage de n objets et il y a donc quiprobabilit de chacun des CN

possibles. POur calculer la probabilit dobtenir k objets A il faut donc dnombrer tous les
k
chantillons qui contiennent exactement k des NA objets A, il y en a CN
chacun deux
A
nk
contenant simultanment n k objets A, il y en a CN
NA . Ainsi, pour tout entier k tel que

0kn:
P (X = k) =

k C nk
CN
N NA
A
n
CN

E (X) = np et V (X) ' npq


Dans cette exprience, la variable alatoire X suit une loi hypergomtrique.
3

Par consquent, la probabilit que k boules noires soient tires scrit :


5x
C8x C188
P (X = xi ) =
5
C18

La loi de probabilit de X scrit alors


xi

P (X = xi )

0.0294

0.1961

0.3922

0.2941

0.0817

0.0065

2. Calculer son esprance et sa variance.


Lesprance de la variable alatoire scrit
i=8
X

E (X) = E

!
=

xi

i=1

= 5

i=8
X

E (xi )

i=1

8
= 2.22
18

La variance de la variable alatoire scrit

i=8
X

V (X) = V

!
xi

i=1

i=8
X

V (xi )

i=1

10
8

= 1.23
= 5
18 18

Exercice 4 (Loi de Poisson)


Le nombre de micro-ordinateurs vendus chaque jour dans le magasin X suit une loi de Poisson de
paramtre ( = 5).
1. Calculer la probabilit que dans une journe :
(a) On ne vend aucun micro-ordinateur;
Loi de Poisson : Une v.a. X suit une loi de Poisson de paramtre > 0 si cets une variable
valeurs entires, X () = N, donc avec une infinit de valeurs possibles, de probabilit
P (X = k) = e

k
k!

kN

E (X) = V (X) =
On dfinit par X la variable alatoire associe au nombre de micro-ordinateurs vendus
chaque jour dans le magasin. La probabilit associe la vente daucun micro-ordinateur

se dtermine par :
k
k!
50
P (X = 0) = e5 = 0.0067
0!

P (X = k) = e

(b) On vend 5 micro-ordinateurs;


La probabilit associe la vente de 5 micro-ordinateurs se dtermine par :
P (X = 5) = e5

55
= 0.1755
5!

(c) On vend au moins 2 micro-ordinateurs;


La probabilit associe la vente dau moins 2micro-ordinateurs se dtermine par :
P (X 2) = 1 P (X < 2)
= 1 [P (X = 0) + P (X = 1)]


1
5 5
= 1 0.0067 + e
1!
= 0.9596
(d) Le nombre de micro-ordinateurs vendus soit compris dans [2, 6].
La probabilit associe la vente dun nombre de micro-ordinateurs compris entre 2 et 6 se
dtermine par :
P (2 X 6) = P (X 6) P (X < 2)
"
#
P (X = 0) + P (X = 1) + P (X = 2) + P (X = 3) + P (X = 4)
=
+P (X = 5) + P (X = 6) P (X < 2)
" 5 50
1
2
3
4
5 #
e 0! + e5 51! + e5 52! + e5 53! + e554! + e5 55!
=
6
1
+e5 56! 0.0067 + e5 51!
= [0.0067 + 0.0337 + 0.0842 + 0.1404 + 0.1755 + 0.1755 + 0.1462 0.0404]
= 0.7218
2. Dterminer lesprance et la variance de la variable alatoire associe au nombre de
micro-ordinateurs vendus chaque jour dans le magasin.
La variable alatoire X suivant une loi de Poisson, on sait par dfinition que
E (X) = V (X) = = 5

Exercice 5 (Binomiale qui tend vers une Poisson)


Lors dun sondage portant sur un grand nombre dindividus, 2% des personnes interroges acceptent de
ne pas rester anonymes. Sachant que lun des sondeurs a interrog 250 personnes, calculez la probabilit
que :
1. Ces 250 personnes souhaitent rester anonymes;
On dfinit par X la variable alatoire associe au nombre de personnes dsireuses de ne pas rester
anonymes. Cette variable alatoire suit donc une loi binomiale de paramtres X B (250, 0.02).
Nanmoins, on sait que lorsque n > 50 et p < 0.1, alors la loi binomiale converge vers une loi de
Poisson. Ainsi, la probabilit que les 250 personnes souhaitent rester anonymes se dtermine de
la facon suivante :
0
P (X = 0) = C250
0.020 (1 0.02)250

= 0.0067
ou
50
0!
= 0.0067

P (X = 0) = e5

2. 3 personnes acceptent de ne pas rester anonymes;


La probabilit que 3 personnes acceptent de ne pas rester anonymes se dtermine de la facon
suivante :
3
P (X = 3) = C250
0.023 (1 0.02)247

= 0.1401
ou
53
3!
= 0.1403

P (X = 3) = e5

3. Plus de 10 personnes acceptent de ne pas rester anonymes.


La probabilit que plus de103 personnes acceptent de ne pas rester anonymes se dtermine de la
facon suivante :
P (X > 10) = 1 P (X 10)
= 0.0137

Exercice 6 (Loi binomiale ngative)


On lance un d six faces quilibres successivement et de faon indpendante. On associe la variable
alatoire X au nombre de face 1 obtenue.
1. Calculer le nombre de lancers ncessaires lobtention de 6 faces 1.
Loi binomiale ngative : On effectue des preuves successives indpendates jusqu ce
que n vnements A soient raliss et on note Y le nombre (alatoire) dpreuves effectues.
On en dduit la probabilit
n1 n
P (Y = y) = Cy1
p (1 p)yn , y n

E (Y ) =

n
p

et V (Y ) =

nq
p2

On est ici en prsence dune loi binmiale ngative. Ainsi, le nombre de lancers ncessaires
lobtention de six faces 1 se dtermine par
n1 n
p (1 p)xn
P (X = x) = Cx1

o n correspond au nombre de ralisations que lon souhaite (ici n = 6).


A laide dExcel, on peut dterminer la loi de probabilit de la variable alatoire X et observer
que la probabilit la plus grande est associe de faon gale 30 ou 31 lancers.
2. Calculer lesprance et la variance de X.
Par dfinition
E (X) =

V (X) =

n
6
=
= 36.14
p
0.166

nq
6 0.166
=
= 36.14
2
p
0.1662

Exercice 7 (Loi de Poisson)


Un chef dentreprise, pour viter lattente des camions venant livrer, envisage de construire de nouveau
poste de dchargement. Actuellement, 5 postes sont en activit. Pour simplifier ltude, on considre
quil faut une journe entire pour dcharger un camion. On dsigne par X la variable alatoire
mesurant le nombre de camions venant livrer chaque jour.
1. Une enqute statistique pralable montr quon pouvait assimiler la loi de X une
loi de Poisson de paramtre = 4.
(a) Quelle est, 103 prs, la probabilit de navoir aucun camion en attente ?

La probabilit qu un poste aucun camion nattende revient calculer la probabilit quil


y au plus un camion par jour, soit
P (X 6) = 1 P (X < 6)
= P (X = 0) + P (X = 1) + P (X = 2) + P (X = 3) + P (X = 4) + P (X = 5)
40
41
42
43
44
45
= e4 + e4 + e4 + e4 + e4 + e4
0!
1!
2!
3!
4!
5!
= 0.7851
(b) Combien faudrait-il de postes de dchargement pour porter cette probabilit
0,95 ?
Il faudrait 7 postes de dchargement car
P (X 8) = 1 P (X < 8)
= P (X = 0) + P (X = 1) + P (X = 2) + P (X = 3)
+P (X = 4) + P (X = 5) + P (X = 6) + P (X = 7)
40
41
42
43
44
45
46
47
= e4 + e4 + e4 + e4 + e4 + e4 + e4 e4
0!
1!
2!
3!
4!
5!
6!
7!
= 0.9488
2. On prvoit lavenir de doubler la frquence de livraison, ce qui porterait le paramtre
de la loi de Poisson de la variable alatoire X = 8. Combien faudrait-il alors de
postes de dchargement pour que la probabilit de navoir aucun camion en attente
soit suprieure 0,95 ?
A laide dExcel, on peu trpondre cette question facilement. On trouve ainsi quil faudrait 13
postes de dchargements.