Académique Documents
Professionnel Documents
Culture Documents
Probabilités 2 PDF
Probabilités 2 PDF
CALCUL DE PROBABILITES
Exercice 1. ARRANGEMENTS.
Une tlvision prive dcide d'opter pour le systme de programmes page en utilisant des dcodeurs
commands par des codes huit chiffres.
a) Donner le nombre d'abonns potentiels puis le nombre d'abonns avec code composs de huit chiffres
diffrents.
b) Calculer le nombre de codes 2 chiffres diffrents, l'un tant utilis 1 fois et l'autre 7 fois.
c) Mme question avec 3 chiffres diffrents, dont 2 sont utiliss une fois et le troisime 6 fois.
SOLUTION.
1. Nombre d'arrangements avec rptitions de dix
lments huit huit.
Un abonn potentiel correspond un code possible, c'est--dire une suite de huit chiffres, chacun tant pris
parmi les 10 chiffres possibles { 0 , 1 , 2 , 3 , 4 , 5 , 6 , 7 , 8 , 9 }. Il y a 10 faons de choisir le premier chiffre, 10
faons de choisir le deuxime chiffre, etc., 10 faons de choisir le huitime chiffre, soit au total 10 10 ... 10
= 108 faons de choisir un code. Il y a donc 108 abonns potentiels ayant chacun un code diffrent.
10 !
= 90 faons de choisir deux chiffres diffrents parmi les dix chiffres possibles, lorsque le
(10 2) !
premier chiffre n'apparatra qu'une fois et le deuxime chiffre sept fois. Pour chaque choix de deux chiffres
diffrents, le premier chiffre peut occuper l'une quelconque des C 18 = 8 places dans le code, d'o le nombre de
codes de deux chiffres diffrents, l'un utilis une seule fois et l'autre sept fois :
10 !
2
A10
C 18 =
8 = 720
8!
Exercice 2. COMBINAISONS.
Neuf personnes se prsentent la mdecine du travail pour passer la visite annuelle. Deux mdecins les
reoivent. Le premier verra 5 personnes, le second 4.
1. De combien de faons diffrentes les neuf personnes peuvent-elles tre rparties entre chaque mdecin ?
2. Il y a 4 personnes portant des lunettes. De combien de faons diffrentes peut-on raliser cette rpartition,
sachant que chaque mdecin verra 2 personnes portant des lunettes ?
3. De plus, on veut que M. Durand qui porte des lunettes et M. Dupond qui n'en porte pas, soient examins par
le mme mdecin. Combien de rpartitions sont possibles ?
SOLUTION.
1. Nombre de faons de rpartir 4 personnes pour un
mdecin et 5 pour l'autre.
Il y a C 49 = 126 faons de choisir 4 personnes parmi les 9, et C 12 = 2 faons de choisir le mdecin qui recevra 4
personnes, soit, au total,
mdecins.
C12 C 24 C 52 = 2 6 10 = 120 faons dont les 2 mdecins peuvent voir chacun deux personnes lunettes.
C 13 = 3 faons de choisir un autre patient lunettes et C14 = 4 faons de choisir un autre patient
sans lunettes, soit C 13 C 14 = 12 faons de choisir un groupe de 4 personnes dont 2 lunettes, contenant MM
lunettes, il y a
Durand et Dupond.
Si MM Durand, lunettes, et Dupond, sans lunettes, sont vus par le mdecin qui voit 5 malades, dont 2
lunettes, il y a
Durand et Dupond.
Comme, par ailleurs, il y a 2! = 2 faons, pour les mdecins de se rpartir les groupes de 4 et 5 personnes, cela
fait au total : 2! ( 12 + 18 ) = 60 faons dont MM Durand et Dupond peuvent tre examins ensemble.
Exercice 3. COMBINAISONS.
L'preuve orale de statistique et probabilits d'un DEUG est organise en lots de 3 sujets tirs au sort parmi 80
sujets portant sur ce cours. L'tudiant doit traiter un des sujets de son choix.
1/ Combien d'preuves diffrentes peut-on organiser ?
2/ Un candidat se prsente en n'ayant rvis que 50 sujets. Quelle est la probabilit pour qu'il puisse traiter :
a) les 3 sujets,
b) deux sujets,
c) un sujet,
d) aucun sujet.
3/ Combien de sujets un tudiant doit-il rviser pour avoir une probabilit au moins gale 0,99 de rpondre au
moins un sujet ?
SOLUTION.
1. Nombre possible d'preuves diffrentes.
C'est le nombre de faons de choisir 3 sujets parmi 80, sans tenir compte de l'ordre :
3
C 80
= 82 160
a) Le nombre de cas favorables est le nombre des combinaisons des 50 sujets rviss, 3 3 :
probabilit pour que l'tudiant tombe sur 3 sujets qu'il a rvis est donc :
C3 = 19600 = 245 0,24
P(3) = 50
3
82160 1027
C80
b) Le nombre de cas favorables est
sur 2 sujets qu'il a rviss est donc :
2
C 50
C130
3
C 50
= 19 600. La
2
C50
C130
36750 3675
=
=
0,45
3
82160 8216
C80
c) Le nombre de cas favorables est C150 C 230 = 50 435 = 21750. La probabilit pour que l'tudiant tombe sur
P(2) =
C 330
C150 C230
3
C80
21750 2175
=
0,26
82160 8216
= 4060. La probabilit pour que l'tudiant tombe sur aucun des sujets
P(0) =
C330
3
C80
4060
203
=
0,05
82160 4108
3
C80
x
3
C80
3
3
0,01, donc C 80
x 821,60, soit x = 62. ( C18 = 816 ).
Exercice 4. PROBABILITES.
Une tude de la population d'une grande ville de province a fait apparatre que pendant un mois :
35 % des personnes sont alles au cinma,
12 % des personnes sont alles au muse,
6 % des personnes sont alles aux deux.
Calculer la probabilit que, pendant ce mois, une personne ait fait les choix suivants :
a) Aller au cinma ou au muse,
b) Ne pas aller au cinma,
c) N'aller ni au cinma, ni au muse,
d) Aller au cinma mais pas au muse.
SOLUTION.
Les rsultats de l'tude peuvent tre prsents sous forme de tableau :
Sont alles au muse
Sont alles au cinma
6%
12 %
Total
35 %
6%
Total
6%
59 %
65 %
12 %
88 %
100 %
35 %
Exercice 5. PROBABILITES.
Dans un laboratoire se trouve une cage avec 100 souris prsentant deux caractres : sexe (mle ou femelle ),
couleur (blanche ou noire) ; 87 sont mles, 57 sont blanches et 55 sont mles et blanches.
1/ Donner l'effectif par catgorie.
2/ Une assistante prend une souris au hasard. Calculer la probabilit pour qu'elle obtienne une souris
blanche ou une souris mle.
3/ Elle dcide de choisir 6 souris. Calculer la probabilit qu'elle obtienne 6 souris blanches si les
prlvements sont raliss :
a) avec remise
b) sans remise
SOLUTION.
1. Tableau des effectifs.
Les quatre donnes de l'nonc permettent de remplir le tableau des effectifs, suivant les caractres.
Mle
55
32
87
Blanche
Noire
Total
Femelle
2
11
13
Total
57
43
100
3,04 10-2.
100 99 98 97 96 95
6
Cette probabilit peut tre calcule en faisant le rapport du nombre de cas favorables C 57
au nombre de cas
6
possibles C100
:
P(6B)=
6
C57
6
C100
36288252
2067
=
= 0,030441826215 3,04 10-2.
1192052400 67900
Exercice 6.
On veut tudier linfluence de lordre de la prise de trois mdicaments sur lefficacit dun traitement constitu
par ces trois produits. De combien de faons possibles peut-on organiser ce traitement ?
SOLUTION.
Le nombre de traitements possibles est le nombre de permutations dun ensemble trois lments, qui est aussi
le nombre de bijections dun ensemble trois lments : cest 3 !, factorielle 3, qui vaut 3 2 1 = 6.
Il y a 6 faons possibles dorganiser le traitement.
On peut numrer facilement les six faons possibles dorganiser le traitement avec trois produits A, B, C :
(A, B, C)
(A, C, B)
(B, C, A)
(B, A, C)
(C, A, B)
(C, B, A).
Exercice 7.
Soit lensemble des chiffres de 0 9 inclus. Combien peut-on former de nombres de cinq chiffres, tous distincts,
avec les dix chiffres de lensemble ? (On rappelle quun nombre de cinq chiffres commenant par un 0 est
considr comme un nombre de quatre chiffres).
SOLUTION.
1e mthode.
1
Il y a A 9 = 9 faons de choisir le premier chiffre parmi les chiffres de 1 9. Une fois le premier chiffre choisi, il
4
2e mthode.
Il y a 9 faons de choisir le premier chiffre diffrent de 0.
Il y a 9 faons de choisir le deuxime chiffre parmi les 9 chiffres restant aprs le choix du premier chiffre.
Il y a 8 faons de choisir le 3e chiffre parmi les 8 chiffres restant aprs le choix des deux premiers chiffres.
Il y a 7 faons de choisir le 4e chiffre parmi les 7 chiffres restant aprs le choix des trois premiers chiffres.
Il y a 6 faons de choisir le 5e chiffre parmi les 6 chiffres restant aprs le choix des quatre premiers chiffres.
Au total, nous obtenons 9 9 8 7 6 = 27 216 nombres de 5 chiffres diffrents ne commenant pas par un 0.
27 216 nombres de 5 chiffres diffrents ne commencent pas par un 0.
3e mthode.
5
Il y a A 9 = 9 8 7 6 = 3 024 nombres ayant quatre chiffres diffrents de 0 et diffrents entre eux. Ces A 9
sont en correspondance biunivoque avec les nombres de 5 chiffres diffrents commenant par un 0.
5
Il y a donc A10 A 9 = 30 240 3 024 = 27 216 nombres de 5 chiffres diffrents ne commenant pas par un 0.
27 216 nombres de 5 chiffres diffrents ne commencent pas par un 0.
4e mthode.
5
Exercice 8.
On dispose de cinq antibiotiques efficaces pour traiter une maladie infectieuse. On a vrifi au laboratoire que les
cinq produits sont galement actifs in vitro sur le microbe, mais on ne peut pas donner plus de deux antibiotiques
la fois. Combien y a-t-il de traitements possibles en associant deux antibiotiques ?
SOLUTION.
2
Il y a C 5 =
5 4
1 2
ligne de compte.
Exercice 9.
Une urne contient dix boules (6 blanches et 4 rouges).
On tire au hasard et successivement deux boules de cette urne.
Calculer, dans le cas o le tirage est effectu avec remise, puis dans le cas o le tirage est effectu sans remise, les
probabilits suivantes :
probabilit pour que les deux boules soient blanches,
probabilit pour que les deux boules soient de mme couleur,
probabilit pour que l'une au moins des boules tires soit blanche.
SOLUTION.
A. Tirage avec remise.
Dans ce cas, les preuves sont indpendantes et les probabilits sont les mmes dans les deux tirages successifs. Dans un
tirage, la probabilit d'une boule blanche est gale au nombre de cas favorables (6), divis par le nombre de cas possibles
(10), c'est donc 0,6.
) = 1 P (B 1 ) = 0,4
P ( ) = 1 P (B 2 ) = 0,4
L'vnement C : " Les boules tires lors des deux tirages successifs sont de mme couleur " peut tre crit :
C = (B 1 B 2 ) s (
Or les vnements B 1 B 2 et
indique alors que l'on a :
sont incompatibles, leur intersection est vide. L'axiome des probabilits totales
P ( C ) = P (B 1 B 2 ) + P (
P ( C ) = P (B 1 B 2 ) + P (
) = P (B 1 B 2 ) + 1 P (B 1 s B 2 )
P ( C ) = P (B 1 ) P (B 2 ) + 1 ( P (B 1 ) + P (B 1 ) P (B 1 B 2 ) ) = 1 + 2 P (B 1 ) P (B 2 ) P (B 1 ) P (B 2 )
P ( C ) = 1 + 2 0,6 0,6 0,6 0,6 = 1,72 1,20 = 0,52.
La probabilit pour que les deux boules tires soient de mme couleur est 0,52.
On aurait pu crire aussi = (B 1
)s(
L'axiome des probabilits totales donne :
P ( ) = P (B 1
)+P(
B 2 ) = P (B 1 ) P (
)+P(
P ( C ) = 1 P ( ) = 0,52.
3. Probabilit pour que l'une au moins des boules tires soit blanche.
Soit B l'vnement : " L'une au moins des boules tires est blanche ". L'vnement complmentaire
boules tires sont rouges ",
=
P( )=P(
)=P(
)P(
P (B) = 1 P (
) = 1 0,16 = 0,84
La probabilit pour que l'une au moins des boules tires soit blanche est 0,84.
, sinon P ( B 2 |
)=
La probabilit pour que les deux boules tires soient blanches est
2. Probabilit pour que les deux boules tires soient de la mme couleur.
Comme prcdemment, l'vnement C : " Les boules tires lors des deux tirages successifs sont de mme couleur " peut
tre crit :
C = (B 1 B 2 ) s (
Or les vnements B 1 B 2 et
indique alors que l'on a :
sont incompatibles, leur intersection est vide. L'axiome des probabilits totales
P ( C ) = P (B 1 B 2 ) + P (
La diffrence vient de l'expression des probabilits du deuxime membre puisque les tirages ne sont pas indpendants :
P (B 1 B 2 ) = P ( B 1 ) P ( B 2 | B 1 ) =
P(
)=P(
)P(
) = ( 1 P (B 1 )) ( 1 P ( B 2 |
P ( C ) = P (B 1 B 2 ) + P (
)=
)) = ( 1 0,6) ( 1
)=
La probabilit pour que les deux boules soient de mme couleur est
P (B) = 1 P ( ) = 1
.
)=
=
La probabilit pour que l'une au moins des boules tires soit blanche est
Exercice 10.
Les cultures de tissus vgtaux peuvent tre infectes soit par des champignons, soit par des bactries.
La probabilit d'une infection par un champignon est 15 %.
La probabilit d'infection par une bactrie est 8 %.
1/ Quelle est la probabilit d'une infection simultane par champignons et bactries,
dans le cas o les infections sont indpendantes,
dans le cas o les infections n'tant pas indpendantes, la probabilit d'infection par les bactries quand on a une
infection par les champignons est gale 4 %.
2/ Calculer la probabilit d'infection quelle qu'en soit l'origine (dans les deux cas proposs ci-dessus).
SOLUTION.
Nous noterons :
B l'vnement : " La culture est infecte de bactries ",
C l'vnement : " La culture est infecte de champignons ".
Donnes :
%
Total
P (B c C)
Total
15
85
100
92
Exercice 11.
Pour garantir l'anonymat dans certaines enqutes par sondage, on introduit le hasard dans les rponses possibles.
Admettons que l'on cherche savoir quelle est la proportion de mdecins ayant pratiqu illgalement l'avortement. On
demande alors chaque mdecin interrog de se retirer dans son cabinet et de jouer pile ou face de la faon suivante :
S'il obtient pile, il doit rpondre, sincrement, la question : " Avez-vous un jour pratiqu un avortement illgal ?
S'il obtient face, il doit rejouer et rpondre, toujours aussi sincrement, la question : " Avez-vous obtenu face au
deuxime tirage ?
Ainsi le mdecin donne une seule rponse, " Oui " ou " Non ", mais l'enquteur ne sait pas s'il a rpondu la premire
ou la deuxime question.
Supposons que la proportion de " Oui " ait t de 41 % . Quelle est la proportion de mdecins ayant pratiqu un
avortement illgal ?
SOLUTION.
Notons
F 1 l'vnement : " On obtient face au premier tirage du jeu de pile ou face ",
F 2 l'vnement : " On obtient face au deuxime tirage du jeu de pile ou face ",
A l'vnement : " Le mdecin a pratiqu un avortement illgal ",
Oui l'vnement : " Le mdecin a rpondu Oui l'enqute ".
On connat : P (F 1 ) = P ( F 2 ) = 0,5 et les vnements F 1 et F 2 sont indpendants.
P (Oui) = 0,41
On cherche calculer P (A) = P (Oui | )
Oui = (Oui F 1 ) (Oui
Comme les vnement (Oui F 1 ) et (Oui
= 0,32
PROBABILITES CONDITIONNELLES
INDEPENDANCE EN PROBABILITE
Exercice 12.
Un nouveau vaccin a t test sur 12500 personnes ; 75 d'entre elles, dont 35 femmes enceintes, ont eu des
ractions secondaires ncessitant une hospitalisation.
1/ Sachant que ce vaccin a t administr 680 femmes enceintes, quelle est la probabilit qu'une femme
enceinte ait eu ne raction secondaire si elle reoit le vaccin ?
2/ Quelle est la probabilit qu'une personne non enceinte ait une raction secondaire ?
SOLUTION.
1. Probabilit de raction secondaire pour une femme
enceinte vaccine.
Les donnes de l'nonc peuvent tre prsentes dans un tableau :
Femme enceinte
Personne non enceinte
Total
Ractions secondaires
35
75
Total
680
12500
Ractions secondaires
35
40
75
Total
680
11820
12500
35 femmes enceintes sur 680 prsentent une raction secondaire ncessitant une hospitalisation. La probabilit de
35
7
=
5,1 10-2.
raction secondaire pour une femme enceinte est donc
680 136
Exercice 13.
La population des USA en 1980, classe par rgion, rpondu de la faon suivante un sondage sur son attitude
face la lgislation de la marijuana : (noter que la somme des proportions est gale 100 %)
Pour
7,8 %
18,2 %
Rgion Est
Autres rgions
Contre
22,2 %
51,8 %
1/ Quelle est la probabilit pour quun individu choisi au hasard soit pour la lgislation ?
2/ Quelle est la probabilit pour quun individu de la Rgion Est soit pour la lgislation ?
3/ Peut-on dire que les vnements Appartenir la Rgion Est et Etre pour la lgislation de la marijuana
sont indpendants ?
SOLUTION.
1. Probabilit pour quun individu choisi au hasard soit pour la
lgislation.
On peut complter le tableau des donnes par les proportions marginales :
Pour
Contre
Total
Rgion Est
7,8 %
22,2 %
30 %
Autres Rgions
18,2 %
51,8 %
70,0 %
Total
26,0 %
74,0 %
100,0 %
Dans ce tableau, on voit que 26 % des individus sont pour la lgislation de la marijuana : la probabilit pour
quun individu tir au hasard dans la population soit pour la lgislation de la marijuana est donc
P (Pour) = 0,26
P( Pour Est )
P( Est )
7 ,8 %
30,0 %
= 0, 26
Exercice 14.
Dans le cadre de la mise au point d'un alcootest, on a observ les rsultats suivants :
Alcootest
positif
Alcootest
ngatif
Sujets
ivres
Sujets
sains
150
18
10
322
les sujets ayant t classs en sujets ivres et sains d'aprs leur alcoolmie, c'est--dire leur concentration sanguine
en alcool.
-1- Donner la frquence des rponses faux positifs et des rponses faux ngatifs .
-2- Calculer la sensibilit et la spcificit de ce test.
-3- Calculer les valeurs prdictives positive et ngative ainsi que l'efficacit du test lorsqu'il est appliqu :
une population o la probabilit a priori de trouver un sujet ivre est P = 0,01 ;
un soir de rveillon, une population de sujets dont la probabilit a priori d'tre ivres est P =
0,20.
-4- En supposant que la spcificit prenne sa valeur maximale et que P = 0,01 :
quelle valeur aurait VPP ?
quelle valeur devrait avoir Sp pour que VPP > 0,50 ?
SOLUTION.
Le tableau des donnes peut tre complt par les effectifs marginaux :
Alcootest
positif
Alcootest
ngatif
Total
Sujets
ivres
Sujets
sains
Total
150
18
168
10
322
332
160
340
500
Cette probabilit ne se calcule pas partir du tableau directement car, dans le tableau, la probabilit d'tre ivre est de
= 0,32, diffrente des valeurs indiques de 0,01 et de 0,20. Il faut la calculer en fonction de la valeur de P dans la
population, compte tenu des valeurs de sensibilit et de spcificit du test.
VPP =
VPP =
VPP =
VPP =
La valeur prdictive ngative VPN est la probabilit de ne pas tre ivre lorsque l'alcootest est ngatif :
VPN = P ( Sujet sain | Alcootest ngatif ) =
VPN =
VPN =
VPN =
VPN =
VPN =
0,1517
0,9993
Ef = ( S e S p ) P + S p =
= 0,9470
VPN =
Ef = ( S e S p ) P + S p =
0,8157
0,9838
= 0,9451
3.3. Remarques.
* Dans une population o la probabilit a priori P d'tre ivre est faible, le test n'a pas grande valeur pour dtecter les
sujets ivres (moins d'une chance sur 6 que le sujet soit ivre si le test est positif), bien que sensibilit et spcificit du test
soient leves. Le contrle de l'alcoolmie reste donc important.
* Par contre, la probabilit de laisser passer un sujet ivre est trs faible ( 1 VPN = 0,0007 si P = 0,01).
* VPN et VPP varient en sens inverse en fonction de P.
VPP =
; VPN = 1 ; Ef = P + (1 P) S p
0,9476
Pour que VPP soit plus grand que 0,50, il faudrait que l'on ait : P > 0,50 (P + (1 S p ) (1 P)), soit P > (1 - S p ) (1
P)
Sp > 1
0,9899.
Exercice 15.
Dans une population prsentant une douleur abdominale, 30 % des patients ont une appendicite aigu. Parmi ces
derniers, 70 % ont une temprature corporelle suprieure 37, 5 C alors que chez des patients sans appendicite, une
temprature suprieure 37, 5 C est retrouve dans 40 % des cas. Pour un patient de cette population prsentant une
douleur abdominale, on dfinit les vnements suivants :
A : le patient prsente une appendicite aigu
T : le patient a une temprature corporelle suprieure 37, 5 C.
1.On demande de calculer les probabilits suivantes :
P (A) =
Rponse 1
P (T | A ) =
Rponse 2
P (T | ) =
Rponse 3
P( |A)=
Rponse 4
P (T ) =
Rponse 5
2. Pour un patient ayant une temprature suprieure 37, 5 C, calculer la probabilit "P 1" qu'il ait une appendicite
aigu.
P1 =
Rponse 6
3. Pour un patient n'ayant pas une temprature suprieure 37, 5 C, calculer la probabilit "P 2" qu'il n'ait pas une
appendicite aigu.
Rponse 7
P2 =
Tableau de rponses de l'exercice 15 (Rponses 1 7)
SOLUTION.
1/ Probabilits conditionnelles.
Les donnes de l'nonc permettent de construire le tableau
des probabilits conjointes.
Ce tableau peut tre complt par soustraction et addition.
Sur ce tableau, on lit alors :
P (A) = 0, 30
Rponse 1 : ABD
P (T | A ) =
= 0, 70
Rponse 2 : ABCE
P (T |
)=
= 0,40
Rponse 3 : ACE
P( |A)=
= 0,30
Rponse 4 : ABD
P (T ) = 0,49
2/ Probabilit P 1 .
P 1 = P (A | T ) =
= 0, 43
Rponse 6 : ADE
3/ Probabilit P 2.
P1 = P (
| )=
= 0,82
Rponse 7 : BCDE
Rponse 5 : BCD
Exercice 16.
Solution.
La formule de Bayes donne :
avec
D'o :
= 0,4
P (B 2 ) =
= 0,2
P (B 3 ) =
= 0,4
= 25 P (B i )
On obtient donc :
Exercice 17.
Dans une population contenant 0,1 % de malades atteints d'une maladie " M ", on choisit une personne au hasard. Cette
personne subit un test donn " T ". On suppose que l'aptitude du test dceler la maladie " M " est dfinie ainsi :
sur 100 personnes atteintes de la maladie " M ", 90 auront un test positif.
sur 100 personnes non atteintes de la maladie " M ", 1 personne aura un test positif.
On dfinit les vnements alatoires suivants :
T : " Le test considr est positif "
: " Le test considr est ngatif "
M : " La personne choisie au hasard est atteinte de la maladie M "
: " La personne choisie au hasard n'est pas atteinte de la maladie M " .
1/ Donner les valeurs des probabilits suivantes : P (M ), P ( ), P (T | M ), P (T |
).
2/ Calculer la spcificit du test.
3/ En remarquant que l'on peut crire T = (M T ) (
T ), calculer la probabilit pour que le test " T " soit
positif.
4/ En dduire la valeur prdictive positive du test, c'est--dire la valeur de la probabilit pour que, le test tant positif,
la personne choisie soit rellement atteinte de la maladie " M ".
5/ Calculer la valeur prdictive ngative et l'efficacit du test.
6/ Refaire l'exercice en supposant que la prvalence de la maladie est 10 %.
Solution
1/ Valeurs de probabilits.
Les donnes peuvent tre rsumes dans le tableau suivant :
= 0,1 %
P(
= 99,9 %
)=
P (T | M ) =
P (T |
)=
= 90 %
=1%
2/ Spcificit.
Par dfinition, la spcificit du test est l'aptitude liminer les faux malades : c'est la probabilit pour que le test soit
ngatif lorsque la personne n'est pas malade :
Sp = P ( |
S p = 99 %
donne la rponse :
P (T ) =
= 1,089 10 2
VPP = P (M | T ) =
= 8,3 %
VPN = P (
| )=
= 99,99 %
P(
) = 90 %
P (T | M ) = 90 % (Sensibilit)
P (T |
)=1%
Sensibilit (S e ) = P (T | M ) = 90,00 %
Spcificit (S p ) = P ( |
)=
= 99,00 %
= 90,91 %
= 98,89 %.
| )=
= 90.
= 91,82 %.
On voit donc que c'est surtout la valeur prdictive positive du test qui est augmente, ainsi que le risque relatif, lorsque la
prvalence augmente.
SOLUTION.
1/ Hamster non dou d'apprentissage.
Les essais sont indpendants et, pour chaque essai, la probabilit p de tomber sur le bon portillon est
la mme :
1
P ( succs ) = p = = 0,20.
5
4
A chaque essai, la probabilit qu'a le hamster de se tromper est la mme : P ( chec ) = q = 1 p = = 0,80.
5
1
a) P ( un essai ) = = 0,20.
5
b) P ( trois essais ) = P ( chec au premier essai chec au deuxime essai succs au troisime essai )
= P ( chec au premier essai ) P ( chec au deuxime essai ) P ( succs au troisime essai )
= P ( chec ) P ( chec ) P ( succs ) = q p
4 4 1
16
= =
= 0,128
5 5 5 125
4 6 1
6
c) P (sept essais) = q p = = 0,0524288 5,24 10-2.
5 5
Si le hamster dispose d'un nombre infini d'essais, sa probabilit de sortir de la cage est :
P ( sortie ) = p
qi
i= 0
=p
1
= 1.
1 q
A force d'essayer au hasard, le hamster est sr de sortir de sa cage ! Mais il peut mettre longtemps.
Au dpart, le hamster a une chance sur 5 de trouver le bon portillon du premier coup. P (X = 1) =
1
=
5
0,20.
4
), il tente nouveau sa
5
4 1 1
= = 0,20.
5 4 5
Si le hamster n'a toujours pas trouv le bon portillon au deuxime essai (probabilit
4
3
3
= ), il
5
4
5
3 1 1
= = 0,20.
5 3 5
4
3 2 2
Si le hamster n'a toujours pas trouv le bon portillon au troisime essai (probabilit = ), il
5 4
3 5
2 1 1
tente nouveau sa chance avec une chance sur 2 de russite : P ( X = 4 ) = = = 0,20.
5 2 5
4
3 2
1
Si le hamster n'a toujours pas trouv le bon portillon au quatrime essai (probabilit =
5 4
3 2
1
1
), il est assur de trouver le bon portillon au dernier essai puisqu'il n'en reste qu'un essayer : P ( X = 5 ) = =
5
5
0,20.
Nous pouvons donc dresser le tableau suivant de la loi de probabilit de X :
Valeurs de X =
nombre d'essais xi
P ( X = xi )
0,20
0,20
0,20
0,20
0,20
P ( X = x ) = 1.
i
i=1
b) Esprance mathmatique de X.
i=5
E(X) =
x P ( X = x ) = ( 1 + 2 + 3 + 4 + 5 ) 0,2 = 3
i
i=1
c) Variance de X.
V(X) = E (X ) - [ E(X) ] = ( 1 + 2 + 3 + 4 + 5 ) 0,2 3 = 2
Exercice 19.
Un certain jeu dpend du nombre de points X obtenus en jetant un d quilibr.
1/ Calculer la loi de probabilit de X. Calculer lesprance mathmatique E(X) et la variance V(X).
2/ Le gain de ce jeu est donn par la fonction linaire suivante G = 2 X + 8.
Tabuler la distribution de G ;
Calculer le gain espr E(G) et la variance V(G).
SOLUTION.
1/ Loi de probabilit de la variable alatoire X.
Chaque valeur de X est quiprobable, donc, avec un d six faces bien quilibr, les probabilits des
valeurs de X sont donnes dans le tableau suivant :
X = xi
P ( X = xi )
1
6
1
6
1
6
1
6
1
6
1
6
E(X) =
x P ( X = x ) = ( 1 + 2 + 3 + 4 + 5 + 6 ) 16 = 72 = 3,5
i
i=1
2
1 7
91 49 35
=
2,9167
=
6 2
6
4
12
35 2
X = =
12
105
6
1,708
10
12
14
16
18
20
P ( G = gi )
= P ( X = xi )
1
6
1
6
1
6
1
6
1
6
1
6
105 3,416
G = 2 X =
3
Exercice 20.
La probabilit d'observer une maladie dans une population est P = 0,1 et la maladie peut tre dtecte sans erreur
par un dosage sanguin. On souhaite dterminer par ce dosage le nombre de personnes malades sur un chantillon
de 100 personnes.
Mais au lieu de tester le srum de chaque individu, on partitionne au hasard l'chantillon en 10 groupes de 10
personnes dont on mlange les srums.
Si le test est ngatif, sur l'un de ces mlanges, on considre que les 10 personnes correspondantes sont toutes
ngatives et l'on est ainsi dispens des 10 tests individuels.
Si, au contraire, le test est positif, c'est qu'alors au moins une personne est atteinte de la maladie et il faut alors
tester sparment chacun des 10 srums ayant particip au mlange, on doit donc, dans ce cas, effectuer 11 tests.
1/ Trouver les probabilits pour que, dans un groupe, on observe :
aucune personne malade,
une et une seule personne malade,
au moins une personne malade.
2/ En dsignant par N le nombre total de tests effectuer avec cette mthode de partition pour un chantillon de
100 personnes, trouver les probabilits suivantes :
P ( N = 110 )
P ( N = 100 )
3/ Calculer le nombre moyen de tests E(N) et la variance du nombre des tests Var (N).
SOLUTION.
1/ Loi de probabilit du nombre X de personnes malades dans un groupe de 10
personnes.
Pour une personne du groupe, de deux choses l'une : ou bien elle est atteinte de la maladie (probabilit P
= 0,1), ou bien elle n'est pas atteinte de la maladie (probabilit q = 0,9). Le fait de regarder si la personne est, ou
non, atteinte de la maldie constitue une preuve de Bernoulli. Si l'on rpte pour les 10 personnes du groupe
cette preuve de Bernoulli, le nombre X de succs, c'est--dire le nombre de personnes atteintes de la maladie suit
une loi binomiale B ( 10 ; 0,1 ) :
k
P ( X = k ) = C10
( 0,1 )k ( 0,9 )10 k.
Pour k = 10 (10 groupes ayant au moins un malade), cette loi de probabilit donne :
P ( N = 110 ) = ( 1 0,910 )10 = 1,37 10-2.
Pour k = 9 (9 groupes ayant au moins un malade), cette loi de probabilit donne :
P ( N = 100 ) = 10 ( 1 0,910 )9 0,910 = 7,36 10-2.
c) Remarques.
Lorsqu'on prend n G = 100, les formules donnant E ( N ) et Var ( N ) peuvent s'crire en fonction du seul
paramtre n (taille des groupes), pour n > 1 (pour n = 1 : E ( N ) = 100, Var ( N ) = 0) :
100
E ( N ) = 100 ( 1 0,9n ) +
n
Var ( N ) = 100 n ( 1 0,9n ) 0,9n
250
200
150
100
50
0
0
20
40
60
80
100
Exercice 21.
On sait que la probabilit pour qu'une personne soit allergique un certain mdicament est gale 103. On
s'intresse un chantillon de 1000 personnes. On appelle X la variable alatoire dont la valeur est le nombre de
personnes allergiques dans l'chantillon.
1 - Dterminer, en la justifiant, la loi de probabilit de X.
2 - En utilisant une approximation que l'on justifiera, calculer les probabilits des vnements suivants :
a) Il y a exactement deux personnes allergiques dans l'chantillon.
b) Il y a au moins deux personnes allergiques dans l'chantillon.
SOLUTION.
1/ Loi de probabilit de X.
Pour une personne de l'chantillon, de deux choses l'une : ou bien elle est allergique (probabilit p = 103 ), ou
bien elle ne l'est pas (probabilit q = 1 p = 0,999 ). L'preuve qui consiste regarder, pour une personne de
l'chantillon si elle allergique ou non, constitue une preuve de Bernoulli. Lorsqu'on rpte cette preuve de
Bernoulli pour les n = 1000 individus de l'chantillon, le nombre X de succs, c'est--dire le nombre X de
personnes allergiques, suit une loi binomiale B ( 1000 ; 103 ) :
k
P ( X = k ) = C1000
10 3k ( 0,999 )1000 3k.
Exercice 22.
Le temps T ncessaire un rat pour parcourir un labyrinthe est une variable alatoire dont la distribution de
probabilit est donne par :
T (en secondes)
P( T = t)
0,1
0,1
0,3
p5
0,2
0,1
SOLUTION.
1/ Condition de normalisation.
La somme des probabilits est toujours gale 1 :
P(T = 2) + P(T = 3) + P(T = 4) + P(T = 5) + P(T = 6)+ P(T = 7)= 1
Cest la condition de normalisation .
Il en rsulte :
P(T = 5)
= 1 ( P(T = 2) + P(T = 3) + P(T = 4) + P(T = 6)+ P(T = 7) )
= 1 0,8
= 0,2
P(T = 5) = 0,2
E(T)
Var (T) =
Var(T) =
T = 1,43 s
3/ Rcompense : variable R.
Valeurs de R en fonction des valeurs de T :
T
P(T)
0,1
0,1
0,3
0,2
0,2
0,1
P(R)
0,3
0,2
0,3
0,1
0,1
= Var ( R )
= 1,65
= 1,28 biscuits
R = 1,28 biscuits
P1 = T2
16
25
36
49
P(T)
0,1
0,1
0,3
0,2
0,2
0,1
P2 = 10 T + 5
25
35
45
55
65
75
P(T)
0,1
0,1
0,3
0,2
0,2
0,1
Exercice 23.
Les centres de transfusion sanguine diffusent un tableau donnant la rpartition en France des principaux groupes
sanguins :
O
AB
Rhsus +
37,0 %
38,1 %
6,2 %
2,8 %
Rhsus
7,0 %
7,2 %
1,2 %
0,5 %
1/ Dix personnes prises au hasard en France donnent leur sang. Soit X la variable alatoire qui prend pour
valeur le nombre de personnes appartenant au groupe A. On demande de calculer :
E(X);
Var ( X ) ;
P(X=4);
P(X=0);
P ( X > 0 ).
2/ Pour une intervention chirurgicale, on doit avoir au moins 3 donneurs de groupe O et de rhsus +. Dix
personnes ignorant leur groupe sanguin sont disposes ce don. Calculer la probabilit davoir au moins les
donneurs ncessaires parmi les dix volontaires.
SOLUTION.
1/ Loi de probabilit de X.
Pour une personne choisie au hasard en France, de deux choses lune :
ou bien elle est de groupe A (probabilit 0,381 + 0,072 = 0,453)
ou bien elle nest pas de groupe A (probabilit 1 0,453 = 0,547)
Ainsi lpreuve qui consiste regarder si une personne choisie au hasard en France est de groupe A ou nest pas
de groupe A est une preuve de Bernoulli, avec deux rsultats possibles : tre ou ne pas tre de groupe A, les
probabilits tant toujours les mmes.
Quand on rpte cette preuve de Bernoulli 10 fois, le nombre de susss de lpreuve, cest--dire le nombre de
personnes de groupe A parmi les 10 personnes choisies au hasard, suit une loi binomiale de paramtres n = 10 et
p = 0,453. La loi de probabilit de X est donc donne par la formule de la loi binomiale :
P ( X = k ) = B( n ; p ) ( k ) = C n pk ( 1 p )n k
k
E(X)=np
Var ( X ) = n p ( 1 p ).
Nous obtenons donc ici :
E ( X ) = 10 0,453 = 4,53
Var ( X ) = 4,53 0,547 = 2,48
4
Exercice 24.
On considre deux portes de lapereaux dune race donne : la premire porte est de 6 lapereaux et la deuxime
de 8 lapereaux. On regroupe tous les lapereaux et on suppose que chacun a la mme probabilit dtre choisi.
1/ On prlve simultanment 4 lapereaux. Calculer les probabilits dobtenir :
3 lapereaux de la premire porte ;
1 lapereau de la deuxime porte ;
au plus un lapereau de la deuxime porte.
2/ Donner le nombre moyen attendu de lapereaux de la premire porte.
SOLUTION.
Soit X le nombre de lapereaux de la premire porte, tirs dans un chantillon de n = 4 lapereaux tirs
simultanment. Soit Y le nombre de lapereaux de la deuxime porte, tirs dans un chantillon de n = 4
lapereaux tirs simultanment.
1/ Loi hypergomtrique.
La probablit pour que X = k est le rapport du nombre de cas favorables au nombre de cas possibles. Le nombre
de cas possibles est le nombre dchantillons de n = 4 lapereaux que lon peut constituer avec
N = n1 + n2 = 6 + 8 = 14 lapereaux :
4
n k
Cn Cn
1
= C 6 C 8 = 20 8 = 160
et la probabilit davoir exactement k = 3 lapereaux de la premire porte dans le tirage effectu est :
n k
P(X=k)=
Cn Cn
1
n
Cn +n
1
2
C6 C8
4
C14
160
1001
= 0,1598
P ( X = 3 ) = 0,1598
Lvnement Y = 1 est le mme que lvnement X = 3. Les probabilits sont donc les mmes :
P ( Y = 1 ) = P ( X = 3 ) = 0,1598
Enfin lvnement Au plus un lapereau de la deuxime porte est la runion des deux vnements disjoints
3 lapereaux de la 1e porte et 1 lapereau de la 2e porte et 4 lapereaux de la 1e porte et 0 lapereau de la 2e
porte . La probabilit de cette runion est la somme des probabilits (axiome des probabilits totales) :
P ( Y 1) = P ( Y = 1 ) + P ( Y = 0 )
=P(X=3)+P(X=4)
3
=
=
=
C6 C8
4
C14
160
1001
175
C6 C8
4
C14
1001
= 0,1748
15
1001
P ( Y 1 ) = 0,1748
E(X)=
n k
Cn Cn
k =0
Cn +n
1
n1
n1 + n2
n1
est la probabilit de tirer un lapereau de la premire porte quand on tire au hasard un lapereau
n1 + n2
dans le lot des 14 lapereaux. Ici, nous obtenons numriquement :
6
12
=
= 1,7143
E(X)=4
14
7
o p =
E ( X ) = 1,7143 lapereaux
N n
N 1
npq
14 1
14 14 13 49 637
On considre que cette variance est pratiquement gale n p q ds que le taux de sondage n/N est infrieur
0,1. Dans ce cas, on peut approcher la loi hypergomtrique par une loi binomiale de paramtres n et p. Cette
approximation revient en fait considrer que le tirage se fait avec remise et que la probabilit de tirage reste la
mme pour tous.
Exercice 25.
On considre quil apparat, en moyenne, chaque anne 20 nouveaux cas de poliomylite pour 100 000 habitants.
On appelle X le nombre de nouveaux cas de poliomylite dans lanne, dans une ville de 50 000 habitants
(respectivement 5 000 habitants).
1/ Montrer que la variable X suit une loi binomiale.
2/ Montrer que lon peut faire ici lapproximation de la loi binomiale par une loi de Poisson.
3/ Calculer la probabilit pour quil apparaisse au plus quatre nouveaux cas de poliomylite :
a) dans une ville de 50 000 habitants.
b) dans une ville de 5 000 habitants.
SOLUTION.
1/ Loi de probabilit de la variable alatoire X.
Pour un individu, la probabilit de contracter la poliomylite dans un dlai dun an est
20
p=
= 2,0 104.
100.000
Considrons lpreuve suivante : on regarde si un individu a contract la poliomylite dans lanne qui prcde
lobservation. Cette preuve a deux rsultats possibles
le succs : probabilit p = 2,0 104
lchec : probabilit q = 1 p.
Cest une preuve de Bernoulli. Lorsquon recommence n fois cette preuve de Bernoulli, pour tous les habitants
dune ville, le nombre de succs est le nombre X de cas de poliomylite apparus dans la ville dans lanne
prcdant lobservation. La variable alatoire X suit une loi binomiale de paramtres n et p.
P(X = k) = C n pk (1 p)nk.
k
( 1 p )n k =
1
k ! ( n k )!
k ! ( n k )! n
et e
= p k e
n k e
k!
k!
k!
soient voisines, il faut que k soit ngligeable devant n, au moins pour les termes intressants, cest--dire pour les
termes entourant la moyenne = n p. Cest le cas si n est grand et si le produit n p reste de lordre dau plus
quelques units, car, dans ce cas, on a :
n k
n!
nk et 1
e
n
( n k )!
En rsum, lapproximation de la loi binomiale par la loi de Poisson est justife si :
p est petit
n est grand
n p est de lordre de grandeur de lunit
En pratique, on considre que lapproximation est justifie pour
p < 0,1
n > 30
n p de lordre de quelques units
Dans le cas prsent, nous avons :
p = 2 10 4 < 0,1
n = 50 000 ou n = 5 000. Les deux valeurs sont suprieures 30
n p = 10 ou 1.
On peut donc considrer que, dans les deux cas, lapproximation par la loi de Poisson de paramtre = n p est
justifie.
24 e
P(X 4) = 0,9963
DISTRIBUTIONS CONJOINTES
Exercice 26.
Soient X et Y deux variables alatoires indpendantes de lois :
x
P(X=x)
1
1
2
2
1
2
1
1
4
P(Y=y)
2
1
2
3
1
4
SOLUTION.
1/ Paramtres des lois de probabilits de X et de Y.
E(X) =
xi P ( X = xi ) = ( 1 + 2 ) 2
3
= 1,5.
2
2
1 3
1
V(X) = E(X) [ E(X) ] = ( 1 + 2 ) = .
4
2 2
1
1
1
E(Y) = yi P ( Y = yi ) = 1 + 2 + 3 = 2.
4
2
4
i
1
1
1
1
+ 2 + 3 2 = .
4
2
4
2
\Y
1
2
P(Y=y)
P(X=x)
1
8
1
8
1
4
1
4
1
4
1
2
1
8
1
8
1
4
1
2
1
2
1
\Y
1
2
2
3
3
4
4
5
P ( T = 2 ) = P ( X = 1 et Y = 1 ) =
1
8
1 1 3
+ =
4 8 8
1 1 3
P ( T = 4 ) = P ( X = 1 et Y = 3 ) + P ( X = 2 et Y = 2 ) = + =
8 4 8
1
P ( T = 5 ) = P ( X = 2 et Y = 3 ) =
8
Ces valeurs donnent le tableau suivant de la loi de probabilit de T :
P ( T = 3) = P ( X = 1 et Y = 2 ) + P ( X = 2 et Y = 1 ) =
t
P(T=t)
2
1
8
3
3
8
4
3
8
5
1
8
2
1
3
3
1 7
3
+ 3 + 4 + 5 = = 0,75.
8
8
8
8 2
4
Remarques :
3
7
+2=
2
2
La loi de probabilit de T est symtrique, donc la moyenne est la valeur centrale de la distribution.
1 1 3
Comme les variables X et Y sont indpendantes, on a V(T) = V(X + Y) = V(X) + V(Y) = + = .
4 2 4
E(T) = E(X + Y) = E(X ) + E(Y) =
Z=1
Z=2
Z=3
1
P(1;1)=
8
Z=2
1
P(2;1)=
8
1
P(1;2)=
4
Z=4
1
P(2;2)=
4
\Y
1
P(1;3)=
1
8
Z=6
P(2;3)=
1
8
1
1
8
2
1 1 3
+ =
8 4 8
3
1
8
4
1
4
6
1
8
1
3
1
1
1
9
+ 2 + 3 + 4 + 6 - 3 = = 2,25.
8
8
8
4
8
4
5/ Calcul de la covariance de X et Y.
a) Premire mthode.
La formule
V ( X + Y ) = V ( X ) + V ( Y ) + 2 Cov ( X , Y ),
jointe la remarque V ( X + Y ) = V ( X ) + V ( Y ) du 3/, montre que l'on a :
Cov ( X , Y ) = 0
b) Deuxime mthode.
La formule
Cov ( X , Y ) = E ( X Y ) E ( X ) E ( Y )
donne, avec les valeurs numriques obtenues :
3
Cov ( X , Y ) = 3 2 = 0
2
Exercice 27.
La loi du couple ( X , Y ) est dfinie par le tableau suivant :
X
\Y
1
2
1
4
1
4
SOLUTION.
1/ Lois marginales de X et Y.
On obtient les lois de probabilits marginales de X et de Y en faisant les sommes par lignes ou par
colonnes des probabilits lmentaires du tableau de probabilits conjointes :
x
1
1
2
P(X=x)
y
P(Y=y)
1
1
4
2
1
2
2
1
2
3
1
4
1
8
P(Z=z)
2
1 1 3
+ =
4 2 4
6
1
4
Exercice 28.
Pour essayer de savoir si le bonheur dpend du niveau dinstruction, on a demand aux individus dune
population donne de se classer eux-mmes en fonction de l indice bonheur X suivant :
X = 1 sils sestiment malheureux
X = 0 sils sestiment moyennement heureux
X = 1 sils sestiment heureux
X = 2 sils sestiment trs heureux
En mme temps, on a relev, pour chaque individu, le degr dinstruction Y :
Y = 1 sils nont aucun diplme
Y = 0 sils ont le niveau du baccalaurat
Y = 1 sils ont un diplme suprieur
La loi de probabilit conjointe des deux variables alatoires X et Y dans la population considre est la
suivante :
X : indice
bonheur
Y : degr
dinstruction
1
0
1
0, 01
0, 00
0, 35
0, 07
0, 12
0, 04
0, 01
0, 30
0, 00
0, 00
0, 10
0, 00
Rponse : 1
Rponse : 2
Rponse : 3
P(X=1)
P ( X = 0 et Y 0 )
P(X=0|Y0)
2/ Calculer :
Rponse : 4
Rponse : 6
E(X)
E(XY)
Var (X)
Cov (X , Y)
Rponse : 5
Rponse : 7
A:
B:
C:
D:
Rponse : 8
( Tableau des rponses de l'Exercice 3 : Rponses 1 7)
0,99 0,81 0,55 0,40 0,29 0,10
1,00 0,85 0,62 0,49 0,35 0,15 0,00
B
C
D
E
AB
AC
AD
AE
BC
BD
BE
CD
0,10
0,12
0,15
0,16
0,18
0,25
0,31
0,35
0,39
0,44
0,51
0,59
0,63
0,75
0,87
0,91
0,99
1,00
CE
DE
ABC
ABD
ABE
ACD
ACE
ADE
BCD
BCE
BDE
CDE
ABCD
ABCE
ABDE
ACDE
BCDE
ABCDE
X : indice
bonheur
Y : degr
dinstruction
1
0
1
Total
Total
0, 01
0, 00
0, 35
0, 36
0, 07
0, 12
0, 04
0, 23
0, 01
0, 30
0, 00
0, 31
0, 00
0, 10
0, 00
0, 10
0, 09
0, 52
0, 39
1, 00
Rponse 1 : ACE
Sur ce tableau, on voit apparatre la probabilit marginale P (X = 1) = 0, 31
Rponse 2 : ABD
Dans la colonne X = 0, la somme des probabilits pour que Y = 0 ou Y = 1 est 0,16
P( X = 0 et Y 0 )
P( X = 0 et Y = 0 ) + P( X = 0 et Y = 1 ) 0,12 + 0,04 16
=
=
P ( X = 0 | Y 0) =
=
= 0, 176
P( Y 0 )
P( Y = 0 ) + P( Y = 1 )
0,52 + 0,39 91
Rponse 3 : ABE
E (X)
Rponse 4 : ABC
2
i
E (X Y) =
x y P( X = x et Y = y )
i
Rponse 5 : BCD
Rponse 6 : AE
Rponse 7 : AD
Rponse 8 : BD
Exercice 29.
Soient X et Y deux variables alatoires indpendantes de lois :
X
P(X = xi )
20
0,25
Y
P(Y = yi )
40
0,75
10
0,16
20
0,32
40
0,32
80
0,20
SOLUTION.
1/ Esprance mathmatique et variance de X et Y.
= 0,25 20 + 0,75 40 = 0,25 ( 20 + 3 40 ) = 0,25 140 =
140
= 35
4
Var(X) = 0,25 (20 35)2 + 0,75 (40 35)2 = 0,25 125 + 0,75 25 = 0,25 25 (5 + 3) = 2 25 = 50
E(Y)
= 0,16 10 + 0,32 20 + 0,32 40 + 0,20 80 = 1,6 + 6,4 + 12,8 + 16 = 36,8
Var(Y) = 0,16 (1036,8)2 + 0,32 (2036,8)2 + 0,32 (4036,8)2 + 0,20 (8036,8)2
= 114,9184 + 90,3168 + 3,2768 + 373,2480 = 581,7600
E(X)
E(X) = 35
Var(X) = 50
E(Y) = 36,8
Var(Y) = 581,76
20
40
Probabilits
10
20
40
80
Probabilits
0,04
0,12
0,16
0,08
0,24
0,32
0,08
0,24
0,32
0,05
0,15
0,20
0,25
0,75
1,00
Ce tableau donne la loi conjointe de X et Y. Comme les variables alatoires sont indpendantes par hypothse,
chaque probabilit conjointe sobtient par produit des probabilits marginales :
P(X = xi et Y = yj ) = P(X = xi ) P(Y = yj )
20
40
10
20
40
80
30
50
40
60
60
80
100
120
20
40
10
20
40
80
0,04
0,12
0,08
0,24
0,08
0,24
0,05
0,15
Loi de probabilit de T = X + Y.
T
P(T=ti )
30
0,04
40
0,08
50
0,12
60
0,32
80
0,24
100
0,05
120
0,15
20
40
10
20
40
80
200
400
400
800
800
1600
1600
3200
20
40
10
20
40
80
0,04
0,12
0,08
0,24
0,08
0,24
0,05
0,15
Loi de probabilit de Z = X Y.
Z
P(Z=zi )
E(Z)
200
0,04
400
0,20
800
0,32
1600
0,29
3200
0,15
= 0,04 200 + 0,20 400 + 0,32 800 + 0,29 1600 + 0,15 3200
= 8 + 80 + 256 + 464 + 480 = 1288
5/ Calcul de la covariance de X et Y.
Cov(X,Y) = E(X Y) E(X) E(Y) = E(Z) E(X) E(Y) = 1288 35 36,8 = 0
Exercice 30.
Dans certains accidents de la route, les chocs peuvent tre latraux ou frontaux : ces deux tats sont rsums par
la variable alatoire X deux valeurs 0 et 1 ; choc latral : X = 0 ; choc frontal : X = 1.
La gravit de laccident est dcrite par la variable alatoire Y trois valeurs 1, 2, 3.
X
0
1
Une enqute ralise sur un grand nombre daccidents conduit au tableau
Y
ci-contre donnant la loi de probabilit conjointe du couple ( X , Y ) :
1
0,10 0,15
2
0,08 0,25
1/ Calculer les probabilits suivantes :
3
0,02 0,40
P(X=1)
P ( X = 0 et Y 2 )
P(X=0|Y2)
2/ Calculer les lois de probabilit marginales de X et de Y, ainsi que leurs esprances mathmatiques et leurs
variances.
3/ Les variables alatoires X et Y sont-elles indpendantes ?
4/ Etablir la loi de probabilit de la variable alatoire Z = X. Y et calculer E ( Z ) et Var ( Z ).
5/ Calculer la covariance Cov ( X , Y ) et le coefficient de corrlation linaire . Conclusion ?
6/ Calculer lesprance mathmatique et la variance de la variable alatoire T = X + Y.
7/ On dfinit une fonction de gravit G = a X + b Y o a = 0,2 et b = 0,8. Calculer E ( G ) et Var ( G ).
SOLUTION.
1/ Probabilits marginales.
Le tableau des donnes peut tre compt par une ligne de totaux et une colonne de totaux :
X
1
2
3
Total
Total
0,10
0,08
0,02
0,20
0,15
0,25
0,40
0,80
0,25
0,33
0,42
1,00
P ( X = xi )
0,20
0,80
1
0,25
2
0,33
3
0,42
Y
1
2
3
0
0
0
1
2
3
0
0,20
1
0,15
2
0,25
3
0,40
5/ Variable alatoire T = X + Y.
Par combinaison linaire, on obtient :
E ( T ) = E ( X + Y ) = E ( X ) + E ( Y ) = 0,80 + 2,17 = 2,97
Var ( T ) = Var ( X + Y ) = Var ( X ) + Var ( Y ) + 2 Cov ( X , Y ) = 0,16 + 0,6411 + 2 0,114 = 1,029
6/ Fonction de gravit G.
E(G)
Var ( G )
G = 0,2 X + 0,3 Y
= 0,2 E ( X ) + 0,3 E ( Y ) = 0,2 0,8 + 0,3 2,17 = 0,811
= Var( 0,2 X + 0,3 Y ) = 0,22 Var ( X ) + 0,32 Var ( Y ) + 2 0,2 0,3 Cov ( X , Y )
= 0,04 0,16 + 0,09 0,6411 + 2 0,06 0,114 = 0,077779
Exercice 31.
1/ Soit X le nombre de filles dans une famille de trois enfants :
Etablir la loi de probabilit de X. (On suppose que la probabilit de naissance dune fille ou dun garon
est la mme chaque naissance, soit p = 0,5).
Quelle est la probabilit davoir au moins deux garons ?
2/ Soit Y le nombre de squences. On appelle squence une suite denfants de mme sexe (exemples : FFF
Y = 1 ; GFF Y = 2 ; GFG Y = 3).
Donner la loi de probabilit conjointe de X et Y.
Etablir la loi marginale de Y.
SOLUTION.
1/ Loi de probabilit du nombre de filles dans une famille de trois enfants.
Pour une naissance, lpreuve qui consiste regarder de quel sexe est le nouveau-n, est une preuve de
Bernoulli avec deux rsultats possibles :
le succs, naissance dune fille, avec une probabilit p = 0,5 ;
lchec, avec naissance dun garon, avec une probabilit q = 0,5.
Lorsquon rpte cette preuve pour les trois enfants de la famille, le nombre de succs est le nombre X de filles
dans la famille ; cette variable alatoire suit une loi binomiale de paramtres n = 3 et p = 0,5.
k
P( X = k) = C n pk (1 p)nk =
k
C3
8
0
1
1
3
2
3
3
1
La probabilit davoir au moins deux garons est la probabilit davoir au plus une fille, cest donc la somme :
1 3
P(X = 0) + P(X = 1) = + = 0,5
8 8
Il y a une chance sur deux davoir au moins deux garons.
1
2
3
P(X = xi )
P(Y = yj )
0,125
0
0
0,125
0
0,250
0,125
0,375
0
0,250
0,125
0,375
0,125
0
0
0,125
0,250
0,500
0,250
1,000
La loi de probabilit marginale de la variable alatoire Y est donne dans la dernire colonne :
Y
P ( Y = yj )
1
0,25
2
0,50
3
0,25
Cette loi de probabilit est symtrique : son esprance mathmatique est donc la valeur centrale 2, qui est aussi
mode et mdiane.
SOLUTION.
1/ Relation liant les coefficients a, b, c, de la densit de probabilit f(x).
Comme la fonction f(x) dfinie par f(x) = a x + b x + c sur [ 0 ; 1 ] et 0 ailleurs, est continue sur 'intervalle
ouvert ] 0 ; 1 [, elle dfinit une densit de probabilit si :
Elle vrifie la condition de normalisation :
Elle est positive sur l'intervalle [ 0 ; 1 ]
f(x) dx = 1.
a) Condition de normalisation.
Puisque f(x) est nulle en dehors de l'intervalle [ 0 ; 1 ], la condition de normalisation se rduit :
3
2
1
x =1
x
x
a
b
+b
+cx
( a x + b x + c ) dx = 1, soit a
= 1, ou encore : + + c = 1,
3
2
3
2
x=0
0
b) Positivit sur [ 0 ; 1 ].
Ltude de la positivit de f(x) est ici hors du sujet de lexercice. La positivit sur l'intervalle [ 0 ; 1 ] se traduit
par :
f(0) 0 et f(1) 0 ;
f(x) = 0 x ] 0 ; 1 [.
f(0) 0 donne c 0.
f(1) 0 donne a + b + c 0.
Toute la conique est contenue entre les droites X = 0 et X = 4 : c'est une ellipse ( E0 ). Cette ellipse ( E0 ) est la
projection paralllement l'axe b d'une ellipse ( E ) du plan d'quation 2 a + 3 b + 6 c = 6. Le centre de l'ellipse
( E0 ) est le point X = 2, Y = 6. En ce point, le polynme qui dfinit l'ellipse vaut 3636+363636+9 = 25. Il
est ngatif. Donc :
le discriminant = b 4 a c de f(x) est ngatif l'intrieur de l'ellipse ( E ),
est nul sur l'ellipse ( E ).
est positif l'extrieur de l'ellipse ( E ).
1er cas : Intrieur et frontire de l'ellipse ( E0 ).
C'est la rgion (dite adhrence) dfinie par :
0c4
3
3
{c + 2 - [ 3 c ( 4 c) ] } a { c + 2 + [ 3 c ( 4 c) ] }
2
2
Dans ce domaine, est plus petit que zro, f(x) garde toujours le signe de a. Or
{ c + 2 [ 3 c ( 4 c) ] } 0
puisque 3 c ( 4 - c ) = ( c + 2 ) - 4 ( c - 1 ), qui est positif, est plus petit que ( c + 2 ), avec un c + 2 compris
entre 2 et 6, donc a est positif et f(x) est positif quel que soit x. Ainsi, lorsque le point ( a , c ) est adhrent
l'ellipse, f(x) dfinit toujours une densit de probabilit.
On peut rsumer ce raisonnement de la faon suivante :
Pour
a
b
3
3
+ + c = 1 , 0 c 4 et {c + 2 - [ 3 c ( 4 c) ] } a { c + 2 + [ 3 c ( 4 c) ] },
3 2
2
2
f(x) = a x + b x + c dfinit toujours une densit de probabilit sur [ 0 ; 1 ].
3
{c + 2 + [3c( 4 c) ] }]}
2
2
Dans ce domaine, le discriminant de f(x) est strictement positif, f(x) a deux racines relles distinctes :
1
1
{ a + 3 ( c 1) + [ a 3 a c + 9 c 6 a 18 c + 9 ] }
(b )=
x1 =
2a
3a
1
1
x2 =
{ a + 3 ( c 1) [ a 3 a c + 9 c 6 a 18 c + 9 ] }
(b+ )=
2a
3a
Pour que f(x) ne change pas de signe l'intrieur de l'intervalle, ces deux racines doivent tre toutes deux
l'extrieur de l'intervalle [ 0 ; 1 ]. Pour que f(x) soit positif dans l'intervalle [ 0 ; 1 ], il faut que l'on ait :
ou bien : a > 0 et les racines sont toutes deux du mme ct de l'intervalle [ 0 ; 1 ],
ou bien : a < 0 et les racines sont de part et d'autre de l'intervalle [ 0 ; 1 ].
Ces conditions peuvent s'crire aussi :
ou bien : a > 0 et ( x2 < 0 ou x1 > 1 )
ou bien : a < 0 et ( x1 < 0 et x2 > 1 ).
Les conditions f(0) 0 et f(1) 0 limitent l'tude au secteur de plan dfini par c 0 et a 3 ( c - 2 ). La droite c
= 0 du plan ( c , a ) est tangente l'ellipse. La droite a = 3 ( c - 2 ) est tangente, elle aussi, l'ellipse. En effet :
Pour c = 3, le point de la droite a pour ordonne a = 3, et le point ( 3 , 3 ) est sur l'ellipse puisque l'on a :
a 3 a c + 9 c 6 a 18 c + 9 = 9 - 27 + 81 - 18 - 54 + 9 = 99 - 99 = 0.
3
La tangente est donc la droite de pente 3 qui passe par le point ( 3 , 3 ), c'est la droite a = 3 ( c - 2 ).
Dans la rgion dfinie, entre les deux droites c = 0 et a = 3 ( c - 2 ), par c 0 et a 3 ( c - 2 ), on a f(0)
3
0 et f(1) 0. Quand a-t'on f(x) 0 pour tout x entre 0 et 1 ? Rponse: pour c 3 et a {c + 2 - [ 3 c ( 4 c)
2
] }, pas ailleurs. Ainsi, la rgion o f(x) dfinit une densit de probabilit est la rgion hachure sur la figure.
Dans cette rgion, les deux racines de f(x) sont l'extrieur de l'intervalle [ 0 , 1 ] : du mme ct pour a > 0, de
part et d'autre pour a < 0. Au-del de l'ellipse, les deux racines sont l'intrieur de l'intervalle [ 0 , 1 ].
En rsum :
Pour que f(x) = a x + bx + c dfinisse une densit de probabilit, il faut et il suffit que :
1. 2 a + 3 b + 6 c = 6 (condition de normalisation)
2. Le point ( c , a ) appartienne la rgion dfinie (par positivit de f(x)) par :
l'adhrence de l'ellipse (E) d'quation a - 3 a c + 9 c - 6 a - 18 c + 9 = 0
le triangle curviligne limit par les droites c = 0 et 2 a - 3 c = 6 et la branche infrieure de
l'ellipse (E).
Points particuliers :
Sur l'ellipse :
A:c=0;a=3(b=0)
B:c=1;a=0(b=0)
C:c=3;a=3(b=6)
D : c = 4 ; a = 9 ( b = 12 )
E : c = 3 ; a = 12 ( b = 12 )
Dans l'ellipse :
M:c=2;a=6(b=6)
Hors de l'ellipse :
O:c=0;a=0(b=2)
P:c=2;a=0(b=2)
Q:c=0;a=6(b=6)
Droites particulires :
Segment QOA : c = f ( 0 ) = 0. A droite de ce segment : f ( 0 ) > 0.
Segment QBME : a = 6 ( c 1 ).
Segment QPC : a = 3 ( c 2 ). A gauche de ce segment : f ( 1 ) > 0.
Segment OBP : a = 0 . Sur cette droite, on a b = 2 ( 1 - c ) et f(x) est du premier degr .
Pour c = 1 : pas de racine, f(x) = 1, x [ 0 ; 1 ].
c
Pour c 1, f(x) a pour racine : x =
2 ( c 1)
Pour 0 < c < 1 : une racine < 0. Droite ascendante ( b > 0 )
Pour 1 < c < 2 : une racine > 1. Droite descendante ( b < 0 )
Segment AMD : 2 a = 3 ( c + 2 ). Axe de symtrie verticale de l'ellipse.
Droite AB : a = 3 ( 1 c ). Intersection des plans 2 a + 3 b + 6 c = 6 et b = 0
Rgions particulires et rsultats s'y rattachant :
Intrieur de l'ellipse : f(x) est toujours positif et f(x) dfinit une densit de probabilit.
0<c<4
3
3
{c + 2 - [ 3 c ( 4 c) ] } a { c + 2 + [ 3 c ( 4 c) ] }
2
2
b > 0 gauche de la droite AB ; b < 0 droite de la droite AB ; b = 0 sur le segment de droite AB.
1
1
1
1
) = ; f(x) dcrot de 0 , puis crot de 1.
2
2
2
2
1
; f(0)
2
1
; f(x) dcrot
2
1
1
, puis crot de 1.
2
2
3
{ c + 2 + [ 3 c ( 4 c) ]
2
1
} ; b < 0 ; f(x) n'a pas de racine relle ; son axe de symtrie est gauche de x = ; f(x) est croissante
2
au voisinage de 1, et dcroissante au voisinage de 0.
3
Secteur d'ellipse sous AB : 0 < c < 1 ; { c + 2 [ 3 c ( 4 c) ] } < a < 3 ( 1 c ) ; b > 0 ; f(x) est
2
croissante au voisinage de 1 et croissante au voisinage de 0.
Segment AB : 0 < c < 1 ; a = 3 ( 1 c ) ; b = 0 ; f(x) = 3 ( 1 c ) x + c est minimum pour x = 0 et
croissante sur [ 0 ; 1 ].
3
Intrieur de la demi-ellipse BCDEM : 1 < c < 4 ; { c + 2 [ 3 c ( 4 c) ] } < a < Inf ( 6 ( 1 c ) ;
2
3
1
ac .
3
Arc BC : f(x) a une racine double > 1. 1 < c < 3 , a = {c + 2 - [ 3 c ( 4 c) ] } , b = 2 a c .
2
Point C : c = 3 , a = 3 ( b = 6 ) : f(x) = 3 ( x - 1 ), 1 est racine double.
c
2
Arc CD : f(x) a une racine double positive
comprise entre 1 et ;
3
a
3
3 < c < 4 , a = {c + 2 - [ 3 c ( 4 c) ] } , b = 2 a c .
2
2
est racine double. c atteint l sa valeur
Point D : c = 4 ; a = 9 ( b = - 12 ) : f ( x ) = ( 3 x - 2 ) ;
3
maximum.
c
2
1
Arc DE : f(x) a une racine double positive
comprise entre et ;
3
2
a
3
3 < c < 4 , a = {c + 2 + [ 3 c ( 4 c) ] } , b = 2 a c .
2
1
est racine double a atteint l sa valeur
Point E : c = 3 ; a = 12 ( b = 12 ) : f(x) = 3 ( 2 x - 1 ) ;
2
maximum.
c
1
Arc EA : f(x) a une racine double positive
comprise entre et 0 ;
2
a
3
0 < c < 3 , a = {c + 2 + [ 3 c ( 4 c) ] } , b = 2 a c .
2
Intrieur du triangle curviligne AOB : f(x) a deux racines relles simples < 0 ; f(x) est croissant sur [ 0 ; 1
].
Intrieur du triangle curviligne BPC : f(x) a deux racines relles simples > 1 ; f(x) est dcroissant sur [ 0 ;
1 ].
Point O : c = 0 ; a = 0 ( b = 2 ) : f(x) = 2 x ; f(x) a une racine relle simple x = 0 ; f(x) est croissant sur [ 0 ; 1
].
Segment OB : 0 < c < 1 ; a = 0 ( b = 2 ( 1 - c ) ) ; f(x) = 2 ( 1 - c ) x + c a une racine relle simple < 0 ; f(x)
est croissant sur [ 0 ; 1 ].
Segment BP : 1 < c < 2 ; a = 0 ( b = 2 ( 1 - c ) ) ; f(x) = 2 ( 1 - c ) x + c a une racine relle simple > 1 ; f(x)
est dcroissant sur [ 0 ; 1 ].
Point P : c = 2 ; a = 0 ( b = 2 ) ; f(x) = 2 ( x 1 ) a une racine relle simple x = 1 ; f(x) est dcroissant
sur [ 0 ; 1 ].
a
a
) ) ; f(x) = x [ a x + 2 ( 1
) ] a deux racines relles
Segment OA : c = 0 ; 0 < a < 2 ( b = 2 ( 1
3
3
1 1
1
distinctes : 0 et 2 ( ) qui est infrieure ; f(x) est croissante sur [ 0 ; 1 ].
3 a
3
a
a
) ) ; f(x) = x [ a x + 2 ( 1
) ] a deux racines relles
3
3
1 1
) qui est suprieure 1 ; f(x) est croissante au voisinage de 0.
3 a
Point Q : c = 0 ; a = 6 ( b = 6 ) : f(x) = 6 x ( x - 1 ) a deux racines relles distinctes 0 et 1 ; f(x),
1
croissante au voisinage de 0, admet pour axe de symtrie la droite x = .
2
distinctes : 0 et 2 (
2
1+
1 c
1
1
pour axe de symtrie. Ses racines sont
1
: elles sont situes de part et d'autre
droite x =
2
2
3
1
de l'intervalle [ 0 ; 1 ], et symtriques par rapport au milieu du segment [ 0 ; 1 ]. f(x) est croissante de 0
2
1
et dcroissante de 1.
2
Triangle QOB : 0 < c < 1 ; 6 ( c 1 ) < a < 0 ; f(x) a deux racines relles distinctes de part et d'autre de
1
l'intervalle [ 0 ; 1 ], son axe de symtrie est droite de x = ; f(x) est croissante au voisinage de 0.
2
Triangle QBP : 0 < c < 2 ; 3 ( c 2 ) < a < Inf ( 6 ( c 1 ) ; 0 ) ; f(x) a deux racines relles distinctes de part
1
; f(x) est dcroissante au
et d'autre de l'intervalle [ 0 ; 1 ] , son axe de symtrie est gauche de x =
2
voisinage de 1.
Segment QP : 0 < c < 2 ; a = 3 ( c 2 ) ; ( b = 2 ( 3 2 c ) ) ; f(x) = ( x 1 ) ( 3 ( c 2 ) x c ) a deux
1
1
qui est ngative ; f(x) est dcroissante au voisinage de 1.
racines relles distinctes : 1 et 1
c
3
1
2
En dehors du secteur de plan limit par QOAEDCPQ, la fonction f(x) ne dfinit pas une densit de
probabilit parce qu'il y a toujours au moins un morceau de l'intervalle [ 0 ; 1 ] dans lequel f(x) est ngative.
b. Fonction de rpartition F ( x ).
La fonction de rpartition F ( x ) correspondant f(x) est dfinie par F(x) =
f(t) dt.
Pour x 0, la fonction f(t) est nulle sur tout l'intervalle d'intgration, donc F(x) est nulle.
Pour 0 < x < 1, on peut dcomposer l'intervalle d'intgration en deux morceaux :
Un morceau de 0 sur lequel f(t) est nulle, donc sur lequel l'intgrale est nulle ;
0
2 x + 3 x
1
F(x)=
x ( 6 x + 6 x ) dx = [ 23 x + 2 x ]
1
x f(x) dx =
1
0
1
.
2
b. Variance.
1.
1
1
6 x ( x ) ( 1 x ) dx
) f ( x ) dx =
2
2
0
1
1
1
Changement de variable : x = u ; dx = du ; x = 0 u = ; x = 1 u = .
2
2
2
Var ( X ) = E ( ( X E ( X ) ) ) =
Var ( X ) =
2.
1
2
1
2
1
1
6(u+
) u (
u ) du = 6
2
2
(x
1
2
u (
1
2
1
1
6 5 21 1
3
1
u ) du = 2 [
u
u ]0 =
=
.
4
2
5
8 40 20
E ( X) =
x ( 6 x + 6 x ) dx = 6 x dx + 6 x dx = 65 [ x ]
1
x f(x) dx =
2
3 1
3
1
1
.
=
=
Var ( X ) =
10 4 20
10 2
5.
L'cart-type est la racine carre de la variance : X =
10
1
0
3 4 1
3
[ x ]0 =
2
10
4/ Mdiane et mode.
a) Mdiane.
1
1
. On a donc F ( Me ) = ; comme F ( Me ) est diffrent de
2
2
1
0 et de 1, Me est compris entre 0 et 1, et Me est solution de l'quation : 2 Me + 3 Me = . Il y a une
2
1
1
solution vidente que l'on avait dj trouve plus haut : Me = . Divisons le polynme 2 Me + 3 Me
2
2
1
par ( Me ) :
2
La mdiane Me est dfinie par : Pr ( X Me ) =
1
1
1
2 M e + 3 M e
= ( Me
) ( 2 M e + 2 M e + 1 ) = 2 ( M e
) ( Me
1+ 3
2
) ( Me
1 3
).
1
, les autres sont ou ngative ( Me =
2
Me =
1
.
2
b) Mode.
Par dfinition, le mode de X est la valeur de X pour laquelle f(x) atteint un maximum. Dans la construction
de la courbe reprsentative de la densit de probabilit f(x), nous avons vu que f(x) a un maximum, et un
seul pour x = 0,5. Le mode de X est donc :
1
Mo = .
2
5 2 5
2=
10
F(x)
25 11 5
50
5 5
=
10
5+ 5
+=
10
25 7 5
50
5+ 2 5
+2=
10
25 + 7 5
50
25 + 11 5
50
7 5
Pr ( | X | < ) = F ( + ) - F ( ) =
= 0,6261
25
11 5
= 0,9839
Pr ( | X | < 2 ) = F ( + 2 ) - F ( 2 ) =
25
1
.
k
1
4
3
, ce qui n'est pas trs fin comme
4
Exercice 33.
On suppose que la glycmie est distribue normalement dans la population, avec une moyenne de 1 g/l et un
cart-type de 0,03 g/l. On mesure la glycmie chez un individu.
1- Calculer la probabilit pour que sa glycmie soit :
a) infrieure 1,06 ;
b) suprieure 0,9985 ;
c) comprise entre 0,94 et 1,08 ;
2- On mesure la glycmie chez 1 000 individus. Donner le nombre moyen d'individus dont la glycmie est
suprieure 0,99.
SOLUTION.
1/ Probabilit de divers intervalles de valeurs de la glycmie.
Notons X la glycmie mesure sur un individu de la population. X suit une loi de Gauss G ( 1,00 ; 0,03
X
). La variable alatoire centre rduite correspondante U =
suit une loi de Gauss G ( 0 ; 1 ).
a) P ( X < 1,06 )
C'est la surface hachure suivante :
1,06 1
P ( X < 1,06 ) = P U <
= P ( U < 2 ) = F ( 2 ) = 0,977249868052 0,9772
0,03
b) P ( X > 0,9985 )
0,9985 1
P ( X > 0,9985 ) = P U >
= P ( U > 0,05 ) = P ( U < 0,05 )
0,03
0,94 1
8
8
1,08 1
=P
<U<
=F
F(2)=F
1+F(2)
0,03
0,03
3
3
= 0,9962 + 0,9772 1 = 0,9734
P ( 0,94 < X < 1,08 ) = 0,9734
Exercice 34.
A l'entre d'une station de mtro, un marchand de journaux remarque qu'en moyenne, entre 8h et 9h, une
personne sur 10 achte un journal.
1. Sachant qu'il passe 400 personnes entre 8h et 9h, indiquer la loi de probabilit de X, nombre de journaux
vendus pendant cette priode (prciser les hypothses).
2. Donner l'esprance mathmatique et la variance de X.
3. Par quelle loi de probabilit peut-on approcher la loi de X ? Utiliser cette approximation pour calculer les
probabilits des vnements :
X = 42 ; X 45 ; 35 X < 45 ; 29 X < 52.
SOLUTION.
1/ Loi de probabilit du nombre X de journaux vendus entre 8h et 9h.
a) Epreuve de Bernoulli.
Pour une personne qui prend le mtro entre 8h et 9h, de deux choses l'une : ou bien elle achte un journal
(succs, probabilit p = 0,1 ), ou bien elle n'en achte pas ( chec, probabilit q = 0,9 ). Regarder si la personne
achte un journal constitue donc une preuve de Bernoulli.
Hypothses :
On suppose que les 400 personnes qui prennent le mtro entre 8h et 9h dcident
indpendamment l'une de l'autre de l'achat ou non d'un journal. (preuves indpendantes).
On suppose que la probabilit d'acheter un journal est la mme pour toules les personnes qui
prennent le mtro entre 8h et 9h. (la probabilit du succs est la mme pour chaque preuve).
X = 42
41,5 < X' < 42,5
6,148 10-
Loi normale G ( 40 ; 36 )
6,283 10-
5,849 10-
Loi de Poisson P ( 40 )
X 45
X' > 44,5
22,367 10-
22,663 10-
23,432 10-
35 X < 45
34,5 < X' < 44,5
59,585 10-
29 X < 52
28,5 < X' < 51,5
94,542 10-
59,371 10-
57,181 10-
94,472 10-
93,188 10-
L'approximation par la loi normale de moyenne 40 et de variance 36 apparat comme la meilleure des deux
approximations envisageables. Cependant, il faut remarquer que le perfectionnement des calculettes actuelles
permet, dans un cas comme celui-ci, de se passer d'approximation et de calculer la vraie valeur de probabilit
donne par la loi binomiale, et ceci, assez rapidement.
Dtail des calculs dans l'approximation normale :
a) P ( X = 42 )
42 ,5 40
41,5 40
La correction de continuit donne P ( X = 42 ) = P ( 41,5 < X' < 42,5 ) = F
F
6
6
5
1
P ( X = 42 ) = F
F
= 0, 661 5 0, 598 7 = 6,28 10-.
12
4
b) P ( X 45 )
44 ,5 40
3
P ( X 45 ) = P ( X' > 44,5 ) = 1 P ( X' < 44,5 ) = 1 F
=1F
= 1 F ( 0,75 )
6
4
P ( X 45 ) = 1 0, 773 4 = 22,66 10-.
c) P ( 35 X < 45 )
6
6
3
11
3
11
=F
F
= F
+F
1
4
12
4
12
= F ( 0,75 ) + F ( 0,9167) = 0, 773 4 + 0, 802 3 1 = 59,37 10-.
Exercice 35.
On dsire tudier la loi de probabilit du temps dattente dun vhicule devant un signal de circulation type
rouge et vert . On suppose que la priodicit du signal est rgulire et que larrive du vhicule est
compltement alatoire. Le temps dattente du vhicule est not X ; il peut varier de a = 0 b = 60 (en
k
k
secondes). On dfinit sur lintervalle de dfinition de X, la fonction f(x) =
(k > 0).
=
ba
60
1/ Calculer la valeur de k pour que f(x) puisse tre considre comme la fonction densit de probabilit de la
variable alatoire continue X qui prend ses valeurs dans lintervalle [ a ; b ] = [ 0 ; 60 ].
k=
Rponse 1
E(X) =
Rponse 2
Rponse 3
Rponse 4
Rponse 5
Rponse 6
0,05
0,09
0,11
0,15
0,19
0,25
0,29
0,33
0,41
0,49
0,52
0,57
0,65
0.,71
0,81
1
5
7
9
12
17
26
30
33
37
41
45
47
50
51
B
C
D
E
AB
AC
AD
AE
BC
BD
BE
CD
CE
DE
ABC
ABD
ABE
ACD
ACE
ADE
BCD
BCE
BDE
CDE
ABCD
ABCE
ABDE
ACDE
BCDE
ABCDE
SOLUTION.
1/ Condition de normalisation.
Pour que la fonction f(x) =
de normalisation
k
ba
k
60
k=1
Rponse 1 : ABD
2/ Esprance mathmatique.
E(X) =
x f(x) dx = 0
60
2 x = 60
2
1 x
60
=
=
= 30 secondes
60 2
60
60 2
x=0
x dx
E(X) = 30 secondes
Rponse 2 : BDE
3/ Ecart-type.
= Var ( X ) =
=
300 = 10
60
( x E ( X )) f ( x ) dx =
3 = 17,32050807569
60 ( x 30 )
60
( x 30 )3 x=60
dx =
=
180
x=0
30
180
= 17 s
Rponse 3 : BCD
0 f(x) dx = 60
x
Do :
20
60
1
3
= 0,33
Rponse 4 : AE
30 15
60
1
4
= 0,25
Rponse 5 : AC
Rponse 6 : CD
Lingalit de Bienaym-Tchebitcheff donne :
1
P( | X E(X) | k ) 2
k
Exercice 36.
Calculer lesprance mathmatique et la variance dune variable alatoire gaussienne X sachant que :
P(X 2) = 0, 5793
et
P(X > 5) = 0,2119
SOLUTION.
La table de la fonction de rpartition de la variable normale centre rduite (Cours polycopi, page 61) donne :
0,5793 = F(0,20)
1 0,2119 = 0,7881 = F(0,80)
On en dduit :
2 E( X )
= 0,20
5 E( X )
= 0,80
do :
5 E( X )
0,80
=
=4
2 E( X )
0,20
3 E(X) = 3
E(X) = 1
2 E(X) = 0,20
= 10 5 E(X) = 10 5 = 5
=5
La variance 2 est donc gale 52 = 25.
2 = 25
Exercice 37.
On suppose que la taille de 615 tudiants est distribue normalement avec une moyenne de 1,75 m et un carttype de 20 cm. Calculer le nombre dtudiants ayant des tailles :
infrieures ou gales 1,50 m
comprises entre 1,50 m et 1,65 m
suprieures ou gales 2 m.
SOLUTION.
Soit X la taille dun tudiant. Le nombre dtudiants ayant une taille comprise entre deux limites a et b est :
b 1,75
a 1,75
F
= 615 [F(5 b 8,75) F(5 a 8,75)].
N = 615 P( a < X < b) = 615 F
0,20
0,20
On peut donc dresser le tableau suivant des rsultats :
X
5 (X 1,75)
F(5X8,75)
P(X < 1,5)
P(1,5 < X < 1,65)
P(X 2)
N
1,50
1,65
2
+
1,25
0,50
1,25
+
0
0,1056
0,3085
0,8944
1
0,1056
0,2029
0,1056
65
125
65
Exercice 38.
On jette un d 6 000 fois. On appelle X la variable alatoire correspondant au nombre de fois o on observe la
face 1 aprs les 6 000 jets.
1. Montrer que X est une variable binomiale.
2. Justifier lapproximation de la loi binomiale par la loi de Gauss.
3. En utilisant lapproximation gaussienne, calculer les probabilits suivantes :
P ( 980 X 1 030 )
P ( 980 < X < 1 030 )
SOLUTION.
1/ Loi de probabilit de la variable alatoire X.
Lpreuve consistant jeter le d et regarder si la face suprieure porte le chiffre 1 est une preuve de
Bernoulli avec deux rsultats possibles :
1
le succs, la face suprieure porte le chiffre 1 , de probabilit p =
6
5
lchec, la face suprieure ne porte pas le chiffre 1 , de probabilit q = 1 p = .
6
Lorsquon rpte cette preuve 6 000 fois, le nombre X de succs, cest--dire le nombre de 1 qui sont sortis,
1
suit une loi binomiale de paramtres n = 6 000 et p = .
6
6000k
5
k
P(X = k) = C 6000 6000
6
La probabilit pour que X soit compris entre 980 et 1 030 est donc :
6000k
k=1030
P(980 X 1 030) =
C 6000
k
5 6000 k=1030 C6000
=
k
6
5
k = 980
6000
k = 980
P(X=k)
Exemple : P ( X = 1 030 )
2
3
( k )
3
10000
e 0,54 = 8,05 10 3.
6( k 1000 )
10000
10000
On peut prendre aussi la surface sous la courbe de Gauss, dans un intervalle [ k 0,5 ; k + 0,5 ] de longueur 1
entourant k :
k + 0,5
k 0,5
P(X=k)F
F
6
6
Exemple : P ( X = 1 030 ) F 30,5
F 29,5
= F (1,057) F (1,022)
5000
5000
= 0,85464 0,84659 = 0,00805
Pour un intervalle [ a ; b ] de valeurs de X, la probabilit binomiale sobtiendra en faisant la somme des
probabilits des valeurs entires contenues dans lintervalle. La somme des surfaces sous la courbe de Gauss
donne lapproximation normale avec correction de continuit (Cours polycopi, page50) :
1030,5 1000
979 ,5 1000
P(980 X 1 030)
=F(
)F(
)
28,86751345948
28,86751345948
= F(1,056550992617) F(0,7101408311033)
= F(1,056550992617) + F(0,7101408311033) 1
= 0,854641721579 + 0,761191595859 1
= 0,6158331744
Remarque : Le calcul sans correction de continuit donne : P(980 X 1 030) = 0,606440063691. Nous
retiendrons donc la valeur avec correction de continuit :
P(980 X 1 030) = 0,6158
Le calcul avec la table de la fonction de rpartition de la variable normale centre rduite donne, par
interpolation linaire :
P(980 X 1 030) = F(1,057) + F(0,710) 1 = 0,8547 + 0,7611 1 = 0,6158
Sa prcision est donc bien suffisante, par rapport celle de la machine calculer.
En enlevant les valeurs entires bornes de lintervalle, il reste :
6
6
= F 29,5
F 19,5
5000
5000
= F (1,02190997647) F (0,675499814952)
= 0,846588244907 0,249679134450
= 0,596909110457
0,5969
Exercice 39.
On lance un d 450 fois. On appelle succs le fait dobtenir un 5 ou un 6, et chec le fait dobtenir un
autre chiffre.
1/ Soit Xi la variable alatoire Nombre de succs observs au ime lancer . Ecrire la distribution de
probabilit de Xi ; calculer son esprance mathmatique et sa variance.
2/ Soit Y la variable alatoire Nombre total de succs observs aprs les 450 lancers . En utilisant le
thorme central limite, dduire la loi de probabilit suivie par Y ; puis calculer E(Y) et Var(Y).
SOLUTION.
1/ Loi de probabilit du nombre de succs lors du ime lancer.
Les valeurs possibles de la variable alatoire Xi sont 0 et 1. La valeur 0 correspond zro succs, cest--dire
lchec. La valeur 1 correspond au succs. Lors du ime lancer, les vnements lmentaires constituant le
succs sont les vnements 5 et 6 . La probabilit du succs est donc :
nombre de cas favorables
2
1
P(Xi = 1) =
= =
nombre de cas possibles
6
3
et la probabilit de lchec est :
2
P(Xi = 0) =
3
La loi de probabilit de la variable alatoire Xi est donc une loi de Bernoulli, donne par :
Valeurs k de Xi
P(Xi = k)
1
3
Var(Xi ) =
2
9
i=n
X
n
1
des variables alatoires Xi correspondant aux n lancers, tend vers une loi de Gauss de
i =1
Var(Xi ). Pour n = 450, on peut donc affirmer, par multiplication par n, que la
1
450
i = 450
de moyenne :
X
i =1
Exercice 40.
Soit
U N ( 0 , 1 ),
une variable alatoire de Gauss centre rduite
Soit
T loi de Student = 5 ddl,
une variable alatoire de Student 5 degrs de
libert,
Calculer pour chacune des deux variables alatoires les intervalles de pari au risque "" pour = 0,05 et =
0,01. On calculera les intervalles unilatraux et les intervalles bilatraux (en rpartissant alors "" de faon
quivalente droite et gauche).
SOLUTION.
1) Loi de Gauss.
Risque unilatral.
= 0,05
On cherche la valeur u de la variable normale U centre rduite telle que la surface hachure soit gale
5 %.
La table de la fonction de rpartition de la variable de Gauss centre rduite donne, par interpolation
linaire :
F( 1, 645 ) = 0, 9500
On a donc : Prob ( U ] ; 1,645 ] ) = 0,95 = 1 0,05, et l'intervalle de pari au risque 5 % droite
est
L'intervalle ] ; 1,645 ]
Par symtrie, on obtient F ( 1,645 ) = 1 F ( 1,645 ) = 0,05. On a donc Prob ( U [ 1,645 ; + [ )
= 0,95 = 1 - 0,05 et l'intervalle de pari au risque 5 % gauche est :
L'intervalle [ 1,645 ; + [
= 0,01
On cherche la valeur u de la variable normale U centre rduite telle que la surface hachure soit gale
1 %.
La table de la fonction de rpartition de la variable alatoire normale centre rduite donne, par
interpolation linaire :
F ( 2, 575 ) = 0, 995 0 = 1 0, 005 0
On a donc : Prob ( U [ 2, 575 ; + 2, 575 ] ) = 0,99 et l'intervalle de pari au risque bilatral de 1 %
est :
L'intervalle [ 2, 575 ; + 2, 575 ]
2) Loi de Student.
Fonction de rpartition de la variable de Student 5 degrs de libert.
La fonction de rpartition de la loi de Student 5 degrs de libert est la fonction :
F5 ( t ) =
5 + 1
2
5
2
u2
1 +
5+1
2
du =
5 3
du
2 3
1 +
3 5
du
2 3
u
1 +
= tg x, d'o du = 5 ( 1 + tg x ) dx.
5
t
. On obtient donc :
Pour u tendant vers , x tend vers . Pour u = t, x = Arc tg
2
5
Pour calculer l'intgrale, on pose
Arctg
t
5
Arctg
5
dx
8
=
cos4 x dx .
2
3 2
( 1 + tg x )
2
1
cos4 x = ( 3 + 4 cos 2x + cos 4x )
8
t
t
t
1
1
2
1
sin ( 2 Arc tg ) +
sin ( 4 Arc tg )
F5 ( t ) = Arc tg + +
2 3
12
5
5
5
8
F5 ( t ) =
3
1
F5 ( t ) = Arc tg
5 t (5 t )
1 4 5
t
+
+ +
2
3 t + 5
3 (5 + t 2 ) 2
5
t
1
1
F5 ( t ) = + Arc tg
2
5 t (3 t + 25)
+
2
2
( t + 5)
Bien que cette fonction soit facile calculer l'aide d'une calculette, il en existe des tables.
Risque unilatral
=5%
On cherche la valeur t de la variable alatoire de Student 5 degrs de libert, telle que la surface
hachure soit gale 5 %.
3 5
L'intervalle ] 3, 365 ; + ]
Risque bilatral.
=5%
La densit de probabilit de la variable de Student est une fonction symtrique. Si l'on rpartit le risque
galement droite et gauche, on cherche la valeur u de la variable normale U centre rduite telle que
la surface hachure soit gale 5 %.
=1%
La densit de probabilit de la variable de Student est une fonction symtrique. Si l'on rpartit le risque
galement droite et gauche, on cherche la valeur t de la variable de Student T 5 degrs de libert
telle que la surface hachure soit gale 1 %.
REVISIONS
Exercice 41.
Un joueur lance une flchette au hasard dans une cible de rayon 1 et dcoupe en couronnes concentriques par
1 2
n 1
( au hasard signifiant que la flchette touche la cible et que la
des cercles de rayons , , ,
n n
n
probabilit pour que la flchette pointe dans un domaine donn est proportionnelle laire de ce domaine). Si la
i
i 1
et
, pour 1 i n, le joueur
flchette touche la cible dans la couronne limite par les cercles de rayon
n
n
gagne n i francs. On appelle X la variable alatoire reprsentant le gain du joueur.
1. Soit D un domaine de la cible, daire a(D). Quelle est la probabilit pour que la flchette pointe dans le
domaine D ?
k =n
k =1
n( n + 1 )( 2n + 1 )
).
6
SOLUTION.
1.1. Probabilit du domaine D.
Comme on suppose que la flchette pointe forcment dans la cible, la probabilit du domaine D est le rapport de
laire du domaine D laire 2 de la cible :
P (D) =
a ( D)
2
i
i 1
2 2
n
n
P (X = n i) =
2
i
=
P (X = n i) =
1
n2
i 1
1
n2
(2 i 1)
(2 i 1)
E (X) =
i =1
2
E (X) =
n
i =n
i =n
i n
2
i =1
i =n
(n i) P (X = n i) = n (n i)(2 i 1)
1
i =1
i =1
1
i
n
2
i =n
i =n
1+ n i=
1
i =1
i =1
2n + 1
n2
i =n
i =n
i1 n i
2
i =1
i =1
i =n
i =1
E (X) =
n( n + 1 )
;
i=
2
i =n
i
i =1
n( n + 1 )( 2n + 1 )
6
( n + 1 )( 2n + 1 )
( n + 1 )( 2n + 1 ) n + 1
1+
=
(3 (2 n + 1) 6 n + 2 (2 n + 1))
2n
3n
6n
E (X) =
n +1
5( n + 1 )( 2n + 1 )
( 10 n + 5) =
6n
6n
E (X) =
5( n + 1 )( 2n + 1 )
6n
Exercice 42.
Dans une banque, le nombre de chques mis par les clients chaque jour est une variable alatoire X qui suit une
loi de Poisson de paramtre R+*. On suppose que les chques sont mis indpendamment les uns des autres.
Pour un chque mis, la probabilit pour que ce chque soit sans provision est p ] 0 , 1 [. On appelle Y la
variable alatoire correspondant au nombre de chques mis sans provision lors dune journe.
1. Soit n N *. Montrer que la loi conditionnelle de la variable Y sachant lvnement { X = n } est une loi
binomiale dont on dterminera les paramtres.
2. Dterminer la loi du couple (X,Y).
3. En dduire la loi de la variable alatoire Y et calculer son esprance.
4. Les variables Y et X Y sont-elles indpendantes ?
SOLUTION.
2.1. Loi de probabilit conditionnelle de la variable Y.
Lorsque le nombre de chques mis dans une journe est X = n, considrons un chque mis, parmi ces n
chques. De deux choses lune, ou bien il est couvert par une provision (probabilit 1 p), ou bien il est sans
provision (probabilit p). Le fait de regarder sil a ou non une provision constitue une preuve de Bernoulli.
Lorsquon rpte n fois cette preuve de Bernoulli, le nombre de succs dans cette rptition est le nombre Y de
chques sans provision : on sait que le nombre de succs dans une rptition dpreuves de Bernoulli, suit une loi
binomiale de paramtre n (nombre de rptitions) et p (probabilit du succs). Lorsque le nombre de chques
mis en une journe est X = n, le nombre Y de chques sans provision suit une loi binomiale de paramtres n et
p:
n k
nk
P (Y = k) =
p ( 1 p)
k
n
o
est le coefficient binomial dindices n et k, quon peut gnraliser en prenant une valeur nulle lorsque
k
k est strictement plus grand que n.
P (X = n) = e
n
, par dfinition de la loi de Poisson de paramtre .
n!
p ( 1 p)
n! k
P (X = n et Y = k) = 0 pour k > n.
P (X = n et Y = k) = e
P (X = n et Y = k) = n e
p k ( 1 p )n k
k ! ( n k )!
P (Y = k et X = n)
n k
P (Y = k) =
P (Y = k et X = n) = e
n k
pk
k!
n k
( 1 p )n k n
( n k )!
j 0
( ( 1 p )) j
j!
On a donc :
P (Y = k) = e
( p ) k (1 p)
e
k!
P (Y = k) = e p
( p ) k
k!
Or on a :
(Y = k et X Y = k) (Y = k et X = k + k)
p k ( 1 p ) k'
( p ) k ( ( 1 p ))k'
= e
P (Y = k et X Y = k) = P (Y = k et X = k + k) = k + k e
k!
k' !
k!
k' !
k
k'
k
(
p
)
(
(
1
p
))
(
p
)
(
(
1
p ))k'
P (Y = k et X Y = k) = e ( p + ( 1 p ))
= e p
e (1 p )
k!
k' !
k!
k' !
k
k'
p ( p )
(1 p ) ( ( 1 p ))
e
est la probabilit pour que Y = k ; e
est la probabilit pour le nombre de
k!
k' !
chques avec provision soit gal k, puisque, tant donn un chque reu dans la journe, la probabilit pour
quil soit couvert par une provision est 1 p. Or le nombre de chques avec provision est X Y, donc P (X Y =
( ( 1 p ))k'
. On a bien :
k) = e (1 p )
k' !
P (Y = k et X Y = k) = P (Y = k) P (X Y = k)
Exercice 43
Soit a R et soit X une variable alatoire continue dont la densit f est dfinie, pour tout x R, par :
x2
4
f (x) = a x e
1[ 0 , + [ (x).
o 1A dsigne la fonction indicatrice de lensemble A.
1. Que vaut a ?
2. On pose Y = X 2. Dterminer la fonction de rpartition de la variable alatoire Y et prciser sa densit. Quelle
est la loi de la variable alatoire Y ?
3. Calculer lesprance de la variable alatoire Y.
SOLUTION
3.1. Valeur de la constante a.
La constante a et dtermine par la condition de normalisation :
f (x) dx = 1
R
xe
x2
4
xe
x2
4
dx = 1
x2
4
u=
donne du =
x2
4
1
x dx
2
xe
x2
4
dx = 2
e u du = 2 [ e u ] 0 = 2
1
2
1
y)=
2
xe
0
x2
4
dx =
y
4
du = 1 e
y
4
FY (y) = P ( Y y) = 1 e 4
1
e
4
y
4
y
4
1
fY (y) = e
4
1[ 0 , + [ (y).
y f (y) dy
Y
1 +
ye
4 0
Pour calculer lintgrale, on intgre par parties, en posant :
u = y, do du = dy
E (Y) =
y
4
pour avoir dv = e
dy , on pose v = 4 e
La formule dintgration par parties :
y
4
dy
y
4
u dv = u v v du
donne :
+
0
y e 4 dy = 4 [ y e 4 ] 0 + 4
+ y
e 4
0
do :
E (Y) = 4
dy = 16 [ e 4 ] 0 = 16
Exercice 44.
Soit E = {a,b,c,d,e }. On choisit au hasard un sous-ensemble F de E.
1. Dcrire un espace probabilis associ cette exprience alatoire.
2. Dterminer les probabilits des deux vnements suivants :
aF
{ a,c,d } F
3. Calculer la probabilit que { a,b,c } F sachant que a F.
4. Calculer la probabilit que { a,b } F sachant que c F ou d F.
5. Soit X la variable alatoire gale au nombre dlments de F.
a) Quelle est la loi suivie par X ?
b) Donner, sans calcul la valeur de E (X) et de Var (X).
SOLUTION.
1. Espace probabilis.
Un espace probabilis est un triplet (, F, P) dans lequel :
est lensemble des vnements lmentaires dune preuve,
F est lensemble des observables de lpreuve, cest--dire lensemble des vnements possibles,
P une probabilit dfinie sur .
Dans lpreuve considre, les vnements lmentaires sont les parties de E :
= P (E)
Les vnements possibles sont alors les ensembles de parties de E :
F = P (P (E))
La phrase On choisit au hasard un sous-ensemble F de E indique que toutes les parties de E sont
1
1
dtre choisie au hasard :
quiprobables, chaque partie F de E a une probabilit 5 =
32
2
F P (E) P(F) =
1
32
Exemple.
On peut prendre pour E lensemble des 5 enfants a, b, c, d, e, dune famille. On tudie la rpartition des sexes. F
dsigne lensemble des filles. Chacune des 32 distributions possibles des sexes est suppose quiprobable.
2. Probabilit dvnements.
2.1. Evnement a F.
Comme toutes les parties sont quiprobables, la probabilit pour quune partie contienne llment a est le
rapport entre le nombre de parties contenant a et le nombre total de parties. Le nombre de parties ne contenant
pas a est 2 4, donc le nombre de parties contenant a est 2 5 2 4 = 2 4 et la probabilit de lvnement a F est :
4
1
2
P (a F) = 5 =
2
2
Autrement dit : de deux choses lune, ou bien a F, ou bien a F, et les deux vnements ont la mme
probabilit.
1
Dans notre exemple, il revient au mme de dire que la probabilit pour quun enfant donn soit une fille est .
2
2.2. Evnement { a , c , d } F.
1
8
Dans notre exemple, cela revient dire que la probabilit pour que les 1er, 3e et 4e enfants soient des filles est de
1
: cest le produit des probabilits pour que chacun des enfants considrs soient des filles. Cest ce qui se
8
passe lorsque le sexe dun enfant est indpendant en probabilit du sexe des autres enfants.
3. Probabilit conditionnelle.
P({a,c,d}F|aF)=
P( { a ; c ; d } F )
P( a F )
P({a,c,d}F|aF)=
1
1
= 8 =
1
4
2
1
4
Dans notre exemple, cela revient dire que la probabilit pour que les 1er, 3e et 4e enfants soient des filles
1
: cest le produit des probabilits pour que le 3e soit une fille et
lorsquon sait que le 1er est une fille est de
4
pour que le 4e soit une fille.
4. Probabilit conditionnelle.
P ( { a ; b } F | (c F ou d F )) =
P( { a ; b} F )
P( c F ou d F )
8
1
Il y a 2 3 parties de E contenant { a ; b }, donc P ( { a ; b } F ) =
= .
32 4
P (c F ou d F ) = P (c F ) + P (d F ) P (c F et d F )
1
P (c F ) =
2
1
P(dF)=
2
8
1
= , do :
Il y a 2 3 parties de E contenant d et ne contenant pas c, donc P (c F et d F ) =
32 4
1 1 1 3
P (c F ou d F ) = + =
2 2 4 4
On aurait pu crire aussi :
P (c F ou d F ) = 1 P (c F et d F ) = 1
P ( { a ; b } F | (c F ou d F )) =
1
4
1
4
3
4
4 1
=
3 3
On tombe l sur un paradoxe dj soulign dans de nombreux jeux de la Revue Pour la Science : la
probabilit pour que les deux premiers enfants soient des filles lorsquon sait que si le 3e est une fille, alors le 4e
est une fille, nest pas gale au produit des probabilits pour que le premier soit une fille et pour que le deuxime
soit une fille, mme si lon suppose que les sexes des enfants successifs sont indpendants.
Il y a C 5 = 1 partie de E 0 lment.
1
Il y a C 5 = 5 parties de E 1 lment.
2
Il y a C 5 = 10 parties de E 2 lments.
3
Il y a C 5 = 10 parties de E 3 lments.
4
Il y a C 5 = 5 parties de E 4 lments.
5
Il y a C 5 = 1 partie de E 5 lments.
La loi de probablit de X concide donc avec la loi binomiale de paramtres n = 5 et p =
1
2
1
2
5
2
Var (X) = n p q = n p (1 p) =
5
4
Ce rsultat signifie que le nombre de filles dans une famille de 5 enfants suit une loi binomiale. On sy attendait
1
car, pour un enfant, de deux choses lune : ou cest un garon (probabilit , dans notre hypothse), ou cest une
2
1
fille (probabilit ). Regarder de quel sexe est un enfant est une preuve de Bernoulli, dont la rptition dans
2
1
une famille de 5 enfants donne, pour le nombre X de filles, une variable binomiale de paramtres n = 5, et p = .
2
Exercice 45.
Soit une variable alatoire X valeurs dans N * telle que :
3n1
n!
1. Quelle valeur doit-on donner au nombre rel pour que la loi de X soit parfaitement dtermine ?
2. a) Calculer lesprance mathmatique E (X).
b) Calculer la variance Var (X).
3. Dterminer la fonction gnratrice de X en fonction de , puis retrouver les valeurs de , E(X), Var(X).
P (X = n) =
SOLUTION.
1. Condition de normalisation.
La valeur de est dtermine par la condition : la somme des probabilits est gale 1 . Cette condition
scrit :
P (X = n) = 1
n=1
3n1
=1
n!
n=1
n!
n=1
=1
Or on a :
n=1
n!
n= 0
n!
1 = e3 1
donc :
3
3
e 1
n=1
n=1
n P (X = n) =
3
3n1
n
= 3
n!
e 1
n=1
e
E (X) = 3 3
e 1
Var (X) = E (X 2 ) (E (X) ) 2
E (X ) =
n=1
n P (X = n) =
n=1
3
3n1
n
= 3
n!
e 1
2
n=1
n 1
( n 1 )!
n 1
3
= 3
e3
( n 1 )! e 1
n=1
n 1
( n 1 )!
n=1
( n 1 )!
= x e x. Or la drive de y = x ex est :
y = (x + 1) e x
n 1
n=1
( n 1 )!
= 4 e3
3
3
e
E (X 2 ) = 3
4 e 3 = 12 3
e 1
e 1
3
3
3
e
e
e
Var (X) = 12 3
3 3
=3 3
43 3
e 1 e 1
e 1
e 1
e3
Var (X) = 3
(e 3 1) 2
(e 3 4)
FG (u) =
u P (X = n) =
n=1
n=1
3n1
u
=
n!
3
n
FG (u) =
n=1
( 3u )n 3 u
=
(e 1)
3
n!
3u
(e 1)
3
FG (1) =
P (X = n) = 1
n=1
d ( FG( u ))
e 3u
=3 3
du
e 1
E (X ) =
3
3
e 3u 1
et FG (u) = 3
(e 1) = 1 = 3
3
e 1
e 1
3u
n e
, pour n 1.
=
3
du n
e3 1
3
d ( FG( u ))
e
E (X) =
=3 3
du
u=1
e 1
P (X = n) =
n=1
d 2 ( FG( u ))
E (X 2 ) =
du 2
u=1
d n ( FG( u ))
et
n=1
n=1
n (n 1) P (X = n) + n P (X = n)
d ( FG( u ))
+
du
u=1
e
3
e 1
= 12
e
e3 4
3
4
3
=
3
e
3
3
(e 3 1) 2
e 1
e 1
On retrouve bien les mmes rsultats que ceux obtenus prcdemment.
= (3 2 + 3)
e
3
e 1
Exercice 46
On observe un phnomne alatoire. Pendant la dure dobservation, la probabilit que ce phnomne se
produise k fois est gale (1 ) k avec k entier positif et 0 < < 1. Lorsque ce phnomne se produit, il a une
probabilit p dtre enregistr. On note X le nombre de phnomnes enregistrs au cours de la dure
dobservation.
1. Calculer lesprance mathmatique de X.
2. Calculer la variance de X.
3. a) Dterminer la fonction gnratrice de X.
b) Retrouver E(X) et Var(X).
SOLUTION
1. Loi de probabilit de X.
Soit Y le nombre de fois que le phnomne se produit pendant la dure dobservation. Pour un phnomne qui se
produit pendant la dure dobservation, de deux choses lune : ou bien il est observ (probabilit p), ou bien il
nest pas observ (probabilit 1 p). Le nombre de phnomnes observs sur les k qui se sont produits suit donc
une loi binomiale de paramtres k et p :
k h
kh
P (X = h | Y = k) =
p (1 p)
h
Par hypothse, on a :
P (Y = k) = (1 ) k
On en dduit :
k h
kh
P (X = h et Y = k) = P (X = h | Y = k) P (Y = k) = (1 ) k
p (1 p)
h
k h
kh
P (X = h et Y = k) =
(1 ) k
P(X = h) =
p (1 p)
h
k h
k h
p h
P(X = h) = (1 )
1 p
k h
k
k
( (1 p) )
h
2. Paramtres de X.
E (X) =
h P (X = h) = (1 )
h 0
h 0
E (X) = (1 )
h k
k h
h
x =x
h
h= k
h=1
h k
k h
( (1 p) )k
k 0
k
h1
=x
hx
h
h h
Pour x =
h= k
h=1
p h k
k
h
( (1 p) )
1 p
h
h k
k p h
h
h 1 p
k d (xh )
d
=x
dx
dx
h= k
h=1
k h
d ((1 + x ) 1)
= k x (1 + x)k 1
x =x
dx
k
p
, il vient :
1 p
h k
k p h
p
1
kp
h
=
=k
k 1
1 p
h 1 p
(1 p)
(1 p) k
k h
x
h
Do :
E (X) = (1 )
( (1 p) )
kp
(1 p) k
k 0
kx
k1
k 0
dx
= p (1 )
k1
k 0
1
d 1
=
=
dx 1 x
(1 x ) 2
k 0
k1
(1 ) 2
k 0
E (X) = p
On a :
E (Y) =
k P (Y = k) =
k 0
k (1 ) k = (1 )
k 0
=
1 1
E (X) = p E (Y) = E (p Y)
pY est la moyenne de X pour Y fix : cest la moyenne conditionnelle de X, on la note EY (X), et lon a :
E (X) = E (EY (X))
La moyenne de X est la moyenne de sa moyenne conditionnelle.
Variance.
Pour calculer Var (Y), calculons E (Y 2).
E (Y 2) =
P (Y = k) =
k 0
(1 ) k = (1 ) + (1 )
k 0
E (Y 2) = (1 ) + (1 )
k (k 1) + k
k
k 2
k 2
d2
1
d
E (Y 2) = (1 ) + (1 ) 2
+
2
d
d 1
2
1
+
E (Y 2) = (1 ) 2
3
2
(1 )
(1 )
(1 + )
(1 )
(1 )
k 2
1
1
(1 + )
(1 ) 2
(1 ) 2
p
2
Var (p Y) =
(1 ) 2
Calculons la variance de X partir de la loi de probabilit de X :
E (X 2 ) =
h 0
h 2 P (X = h) = (1 )
h 0
k h
p
h2
1 p
k
k
( (1 p) )
h
( (1 p) )
h
p
k
) = (1 ) ( (1 p) ) h
1
p
k
k
+ x
h x = x
h (h 1) x
hx
h
h
E (X 2 ) = (1 )
h2
k 0
h k
1 p
E (X 2
h k
k 0
h k
h2
h k
h1
h k
x2
k
d 2 (1 + x ) k
h2
= x 2 k (k 1) (1 + x)k 2
= x2
h (h 1) x
h
dx 2
h k
k
d (1+ x ) k
h1
= x k (1 + x)k 1
=x
hx
dx
h
h k
p
1
, on a 1 + x =
Pour x =
, et :
1 p
1 p
p
h2
1 p
(k (k 1) p + k p)
k ( k 1) p + kp
) = (1 ) ( (1 p) )
= (1 ) p k (k 1) + p k
(1 p)
k = dd 11 = (1 )
k (k 1) = dd 11 = (12)
k
1
h
1 p
h k
E (X 2
k 0
k 0
k 0
k 0
k 0
E (X 2 ) = p 2
2 2
(1 )
Var (X) = p
Var (X) = p 2
+p
2 2
(1 ) 2
2
p2
1
(1 ) 2
+p
2
+ p2
1
(1 ) 2
1 (1 p)
= p2
p
(1 )
(1 ) 2
+ p (1 p)
Var (X) =p 2
(1 ) 2
(1 p) (1 )
1+
3. Fonction gnratrice de X.
La fonction gnratrice est lesprance mathmatique de uX :
FG (u) =
uh P (X = h) = (1 )
h 0
FG (u) = (1 )
k 0
h k
uh
h 0
k h
p
uh
1 p
1 p
h
k
k
( (1 p) )
h
k
k
( (1 p) )
h
FG (u) = (1 )
h k
( (1 p) )k
k 0
h k
p
uh
1 p
p
uh
1 p
k
pu
= 1+
h
1 p
( (1 p) ) 1 + 1pup
1
FG (u) = (1 ) (1 p (1 u)) =
1 (1 p (1 u))
k
FG (u) = (1 )
k 0
k 0
FG (u) =
1 ((1 p) + p u ))
FG (1) = 1
d ( FG ( u ))
h P (X = h) =
du
h 0
d ( FG ( u ))
du
d ( FG ( u ))
p(1 )
=
=p
2
2
du
1
(1 ((1 p ) + pu ))
(1 )
u=1
p(1 )
E (X) = p
E (X 2) =
h 2 P (X = h) =
h 0
du
h 0
(1 ((1 p ) + pu ))
E (X ) = 2 p
Var (X) = E (X ) (E (X)) = 2 p
2
d 2 ( FG ( u ))
h P (X = h) =
du
d 2 ( FG ( u ))
du
2 p (1 )
h (h 1) P (X = h) +
h 0
2 2
d ( FG ( u ))
u=1
(1 )
+p
2 2
(1 )
(1 )
+p
(1 )
= 2 p2
(1 )
p
+p
1
1
Var (X) = p 2
2 p (1 )
u=1
+ E (X)
u=1
= p2
(1 )
+p
Ces rsultats sont bien les rsultats obtenus soit directement partir de la loi de probabilit de X, soit partir des
formules :
E (X) = E (EY (X))
Var (X) = Var (EY (X)) + E (VarY (X))