Exercices de Probabilités Et Biostatistique

Enonc et cor r i g
EXERCICES DE PROBABILITES ET BIOSTATISTIQUE

ABDELKADER BENHARI
Prpa, Licence, prparation des concours
. Dnombrement
. Espace de probabilits
. Lois discrtes
. Lois continues
. Probabilits conditionnelles et indpendance
. Thormes limites
. Variables alatoires discrtes
. Vecteurs alatoires - Lois marginales
. Biostatistique
. Tables statistiques
A.BENHARI
. Les notions de base
. Statistique descriptive
. Estimation
. Notions de tests
. Tests paramtriques
. Tests du KHI-DEUX
. Comparaisons multiples
. Probabilits
Exercices - D
enombrement : enonce
D
enombrements pratiques
Exercice 1 - Dans une entreprise...
Dans une entreprise, il y a 800 employes. 300 sont des hommes, 352 sont membres dun
syndicat, 424 sont maries, 188 sont des hommes syndiques, 166 sont des hommes maries, 208
sont syndiques et maries, 144 sont des hommes maries syndiques. Combien y-a-t-il de femmes
celibataires non syndiquees ?
Exercice 2 - Nombres et chires -
Soit A lensemble des nombres à 7 chires ne comportant aucun 1. Determiner le nombre
delements des ensembles suivants :
1. A.
2. A
1
, ensemble des nombres de A ayant 7 chires dierents.
3. A
2
, ensemble des nombres pairs de A.
4. A
3
, ensemble des nombres de A dont les chires forment une suite strictement croissante
(dans lordre o` u ils sont ecrits).
Exercice 3 - Tirage dans un jeu de cartes -
On tire simultanement 5 cartes dun jeu de 32 cartes. Combien de tirages dierents peut-on
obtenir :
1. sans imposer de contraintes sur les cartes.
2. contenant 5 carreaux ou 5 piques.
3. 2 carreaux et 3 piques.
4. au moins un roi.
5. au plus un roi.
6. 2 rois et 3 piques.
Exercice 4 - Ranger des livres -
On souhaite ranger sur une etagère 4 livres de mathematiques (distincts), 6 livres de phy-
sique, et 3 de chimie. De combien de fa cons peut-on eectuer ce rangement :
1. si les livres doivent etre groupes par matières.
2. si seuls les livres de mathematiques doivent etre groupes.
Exercice 5 - Anagrammes -
Denombrer les anagrammes des mots suivants : MATHS, RIRE, ANANAS.
Exercice 6 - Des tours sur un echiquier -
De combien de fa cons dierentes peut-on placer p tours sur un echiquier de fa con à ce quelles
ne puissent pas se prendre.
Exercice 7 - Le problème des anniversaires -
Vous etes dans une classe de 30 elèves. Votre prof de maths veut parier avec vous 10euros
que deux personnes dans cette classe ont la meme date danniversaire. Acceptez-vous le pari ?
Exercice 8 - Grilles de Fleissner -
Les grilles tournantes, mises au point par le colonel Fleissner, servirent pour une methode
A.BENHARI
Exercices - D
de cryptographie qui fut utilisee par les allemands lors de la Première Guerre Mondiale. Une
telle grille est constituee par un carre de cote 6. On divise ce carre en une grille de 36 petits
carres egaux (tous de cote 1), et on ote 9 de ces carres. La propriete suivante doit etre veriee :
les trous que lon obtient avec la grille en position initiale, avec la grille tournee dun quart de
tour, dun demi-tour ou de trois quart de tour ne se superposent jamais. Ainsi, les 36 positions
peuvent etre occupees par un trou après eventuellement une rotation de la grille dun quart,
dun demi ou de trois-quart de tour.
1. Combien peut-on fabriquer de telles grilles ?
2. Pour quelles valeurs de n peut-on fabriquer une grille de Fleissner de cote n? Combien de
telles grilles peut-on alors fabriquer ?
D
enombrements plus th
eoriques
Exercice 9 - Parties de cardinal pair -
Soit E un ensemble ni de cardinal n 1. Demontrer que le nombre de parties de E de
cardinal pair vaut 2
n1
.
Exercice 10 - Partition dun ensemble -
Combien existe-t-il de partitions dun ensemble de cardinal np en n parties de cardinal p ?
Exercice 11 - Derangement et problème des rencontres -
Soit E un ensemble à n elements. On appelle derangement de E toute permutation de E ne
laissant aucun element invariant. On notera D
n
le nombre de derangements de E.
1. Si E comporte un seul element, y-a-t-il des derangements de E ? En deduire D
1
.
2. Si E comporte deux elements, combien y-a-t-il de derangements de E ? En deduire D
2
.
3. On suppose n quelconque, et on ecrit E = {a
1
, . . . , a
n
}. Soit f une permutation de E. On
suppose quelle laisse k elements invariants. Combien y-a-t-il de telles permutations ? En
deduire la formule suivante :
n! =
n
k=0
n
k
D
k
.
4. En deduire D
3
, D
4
, D
5
.
5. Cinq couples de danseurs se rendent à un bal masque. A larrivee, on separe les hommes
et les femmes , on numerote les femmes de 1 à 5 , et les hommes de 1 à 5. On les fait
ensuite selancer sur une piste , chaque homme choississant au hasard une femme pour
partenaire.
(a) A chaque numero de femme, on associe le numero de lhomme avec lequel elle danse.
Combien y-a-t-il dassociations possibles ?
(b) Donner la probabilite pour quaucun couple legitime ne soit reconstitue.
(c) Determiner la probabilite pour quun seul couple legitime soit reconstitue.
(d) Determiner la probabilite pour quil y ait plus de couples illegitimes sur la piste de
danse que de couples legitimes.
Exercice 12 - Partie sans entiers consecutifs -
Soit n 1 et p 0 des entiers. On note F
p
n
lensemble des parties de {1, . . . , n} ne contenant
aucune paire dentiers consecutifs. On note K
p
n
le cardinal de F
p
n
.
A.BENHARI
Exercices - D
1. Determiner K
p
n
quand p > (n + 1)/2.
2. Soit {a
1
, . . . , a
p
} une partie de F
p
n
ecrite de sorte que a
i
< a
i+1
. On pose b
k
= a
k
+1 k.
Prouver que 1 b
1
< b
2
< < b
p
n + 1 p.
3. Soit G
p
n
lensemble des parties à p elements de {1, . . . , n+1p}. Construire une bijection
de F
p
n
sur G
p
n
.
4. En deduire la valeur de K
p
n
.
5. Application : au loto on tire 6 numeros dans {1, . . . , 49}. Combien de tirages ne contiennent
aucune paire dentiers consecutifs ?
Exercice 13 - Nombre de surjections -
On se propose de calculer le nombre S(n, p) de surjections de {1, . . . , n} sur {1, . . . , p}, o` u
(n, p) (N
)
2
.
1. Des cas particuliers :
(a) Calculer S(n, p) pour p > n.
(b) Calculer S(n, n).
(c) Calculer S(n, 1).
(d) Calculer S(n, 2).
2. Calculer S(n + 1, n).
3. Demontrer que, pour tout n > 1 et tout p > 1, on a la relation
S(n, p) = p(S
p
n1
+ S
p1
n1
).
4. En deduire un algorithme recursif pour calculer S(n, p).
Coefficients bin
omiaux
Exercice 14 - Autour de la formule du binome -
1. Quel est le coecient de a
2
b
4
c dans le developpement de (a + b + c)
7
?
2. Calculer la somme

n
0
+
1
2
n
1
+ +
1
n + 1
n
n
.
3. Soient p, q, m des entiers naturels, avec q p m. En developpant de deux facons
dierentes (1 + x)
m
, demontrer que
m
p
mq
p
q
1
mq
p 1
+ +
q
k
mq
p k
+ +
mq
p q
.
Exercice 15 - Une extension de la formule du triangle de Pascal - L1/Math Sup -
Soient p, q, m des entiers naturels, avec q p m. Demontrer par un denombrement que
m
p
=
q
j=0
q
j
mq
p j
.
A.BENHARI
Exercices - D
Exercice 16 - Une somme -
Soit n, p des entiers naturels avec n p. Demontrer que
n
k=p
k
p
n + 1
p + 1
.
Exercice 17 - Bizarre, bizarre,... -
Montrer que, pour n 1, on a :
2n
n
=
n
k=0
n
k
2
.
Exercice 18 - Avec des nombres complexes -
Calculer (1 + i)
4n
. En deduire les valeurs de
2n
p=0
(1)
p
4n
2p
et
2n1
p=0
(1)
p
4n
2p + 1
.
Exercice 19 - Avec des polynomes -
Calculer les sommes suivantes :
S
n
=
n
k=0
(1)
k
n
k
2
et T
n
=
n
k=0
k
n
k
2
.
A.BENHARI
Exercices - Dnombrement : corrig
Dnombrements pratiques
Exercice 1 - Dans une entreprise... -
Notons E, H, M et S les ensembles constitus respectivement des employs, des employs
hommes, des employs maris, des employs syndiqus. Lnonc donne :
card(E) = 800, card(H) = 300, card(S) = 352, card(M) = 424,
card(H S) = 188, card(H M) = 166, card(S M) = 208, card(H M S) = 144.
On cherche card(

H

M

S), o

A dsigne le complmentaire de A dans E. Daprs les lois de
Morgan :
card(

H

M

S) = card(H M S).
On applique la formule du crible de Poincar :
card(H M S) = card(H) + card(M) + card(S) card(H M) card(H S) card(M S)
+card(H M S).
On en dduit :
card(H M S) = 658,
et
card(

H

M

S) = 800 658 = 142.
Il y a donc 142 femmes clibataires non syndiques.
Exercice 2 - Nombres et chires -
1. Pour crire un lment de A, on a
8 choix pour le premier chire (tous sauf 0 et 1).
9 choix pour les 6 autres chires (tous sauf 0).
On a donc card(A) = 8 9
6
.
2. Pour crire un lment de A
1
, on a
8 choix pour le premier chire (tous sauf 0 et 1)
Notant E lensemble des chires dirents de 0 et du premier chire choisi, le reste de
lcriture de cet lment est un arrangement de 6 lments de E.
Puisque E comporte 8 lment, on a donc :
card(A
1
) = 8 A
6
8
= 8
8!
2!
.
3. Un lment de A est pair si son chire des units est 0,2,4,6 ou 8. Il y a 5 faons de choisir
ce chire des units, 8 faons de choisir le premier chire, et 9
5
autres de choisir les autres
chires. On a donc :
card(A
2
) = 5 8 9
5
.
A.BENHARI
4. Remarquons quun lment de A
3
ne comporte pas le chire zro. Il y a

8
7
faons de
choisir 7 chires tous distincts parmi {2, 3, . . . , 9}, et une seule faon, ces 7 chires choisis,
de les crire en ordre croissant. On a donc
card(A
3
) =
8
7
.
Exercice 3 - Tirage dans un jeu de cartes -
1. Il ny a pas dordre et pas de rptition sur les cartes : un tirage est donc une combinaison
de 5 cartes parmi 32. Il y a :

32
5
= 201376 tirages dirents.

2. Pour obtenir 5 carreaux, il faut choisir 5 cartes parmi 8 : il y a

8
5
tels tirages. De mme

pour obtenir 5 piques. Comme les deux cas sont disjoints, il y a 2
8
5
= 112 tels tirages

dirents.
3. Il y a

8
2
faons de choisir 2 carreaux parmi 8 puis, pour chacune de ces faons, il y a

3
8
faons de choisir 3 piques. Le nombre de tirages recherch est donc :

8
2
8
3
= 1568.
4. On compte le complmentaire, cest--dire les tirages sans rois : il faut alors choisir 5 cartes
parmi 28, il y a

28
4
tels tirages. Le nombre de tirages recherch est donc :

32
5
28
5
=
103096.
5. On a dj compt les tirages sans roi. Pour les tirages comprenant un roi, il y a 4 faons
de choisir le roi, puis, pour chacune de ces faons,

28
4
faons de choisir les autres cartes.

On en dduit quil y a

28
5
+ 4
28
4
= 180180 tels tirages.

6. On spare les tirages contenant le roi de pique et ceux ne contenant pas le roi de pique.
si le tirage ne contient pas le roi de pique, il y a

3
2
choix dirents de 2 rois parmi 3,

puis

7
3
choix de 3 piques parmi 7 (tous sauf le roi de pique).

si le tirage contient le roi de pique, il reste 3 choix pour le roi dirent du roi de pique,
puis

7
2
choix pour les trois autres piques. Cela faisant, on na tir que 4 cartes. Il reste
une carte choisir qui nest ni un roi, ni un pique, et donc 32 (4 + 7) = 21 choix.
Finalement, le nombre de tirages possibles est :
3
7
2
21 +
3
2
7
3
= 1428.
Exercice 4 - Ranger des livres -
1. Il y a 3 ! faons de choisir lordre des matires. Une telle faon choisie, il y a 4 ! faons de
ranger les livres de mathmatiques, 6 ! faons de ranger les livres de physique, et 3 ! faons
de ranger les livres de chimie. Le nombre de rangements possible est donc : 3!4!6!3!.
2. Il peut y avoir 0,1,...,9 livres placs avant les livres de mathmatiques. Il y a donc 10 choix
du nombre de livres placs avant le livre de mathmatiques. Ce choix fait, il y a 4 ! faons
dordonner les livres de mathmatiques, et 9 ! faons dordonner les autres : il y a donc en
tout 10 4!9! rangements dirents.
A.BENHARI
Exercice 5 - Anagrammes -
Un anagramme correspond une permutation des lettres dun poids. Mais si on permute
deux lettres identiques, on trouve le mme mot ! On doit donc diviser le nombre total de per-
mutations par le nombres de permutations entre lettres identiques. On trouve donc :
MATHS : 5 !
RIRE : 4 !/2 !
ANANAS : 6 !/(2 !3 !)
Exercice 6 - Des tours sur un chiquier -
Les p tours doivent tre sur des lignes direntes. On commence par choisir les p lignes o
sont les tours. Il y a

n
p
choix possibles. Une fois ces lignes choisies, on choisit les colonnes o
sont les tours. Pour la tour situe sur la premire ligne, on a n choix, pour la tour situe sur
la deuxime ligne, on a n 1 choix, et ainsi de suite jusqu la p-ime ligne o on a n p + 1
choix. On obtient n(n 1) . . . (n p + 1) = A
p
n
choix. Finalement, le nombre total de faons
direntes dont lon peut placer les tours sans quelles puissent se prendre est gal

n
p
A
p
n
.
Exercice 7 - Le problme des anniversaires -
On va chercher plutt la probabilit que deux personnes nont pas la mme date danniver-
saire et, pour simplier, on va oublier que certaines annes comportent un 29 fvrier. Formalisons
un peu le problme. Pour que deux personnes naient pas la mme date danniversaire, on doit
fabriquer une injection de {1, . . . , 30} dans {1, . . . , 365}. Il y a A
30
365
applications, sur un total
de 365
30
applications. La probabilit recherche est donc gale
1
A
30
365
365
30
0, 293.
Refusez le pari !
Exercice 8 - Grilles de Fleissner -
1. On a 36=4*9 choix pour placer le premier trou. On ne peut ensuite plus choisir ni ce
carr, ni les 3 carrs obtenus partir de celui-ci par rotation. Il reste donc 32=4*8 choix
pour placer le second trou. On a ensuite 4*7 choix pour placer le troisime trou, et ainsi
de suite... jusque 4 choix pour placer le 9me trou. Mais attention ! Ce faisant, on compte
certaines grilles deux fois. En eet, on obtient la mme grille si on change le premier trou
et le deuxime trou.... Il faut diviser donc le total obtenu par le nombre de permutations
possibles entre les 9 trous, soit 9 ! Finalement, le nombre de grilles possibles est
4 9 4 8 4 7 4 1
9!
= 4
9
.
2. Si on veut construire une grille de Fleissner, il faut pouvoir raliser n
2
/4 trous (pour
quavec les 4 positions, on puisse obtenir n
2
trous). Ainsi, n doit tre pair (et dans ce cas,
n
2
est bien un multiple de 4). Ensuite, on procde comme dans le cas prcdent : on a
n
2
= 4
n
2
4
choix pour le premier carr, n
2
4 = 4
n
2
4
1
choix pour le deuxime

carr,... En noubliant pas de diviser par la factorielle de
n
2
4
, on obtient que le nombre de
grilles est 4
n
2
/4
.
A.BENHARI
Exercice 9 - Parties de cardinal pair -
On commence par remarquer que, si on a prouv que le nombre de parties de cardinal pair
dun ensemble n lment est 2
n1
, alors le nombre de parties du mme ensemble qui sont de
cardinal impair vaut galement 2
n1
. En eet, le nombre total de parties, qui vaut 2
n
, est la
somme du nombre de parties de cardinal pair et du nombre de parties de cardinal impair.
Dmontrons maintenant le rsultat. On procde par rcurrence sur n. Si n = 1, la seule partie
de E de cardinal pair est . On a bien 1 = 2
0
. Supposons maintenant le rsultat dmontr au
rang n, et prouvons-le au rang n + 1. Soit donc E de cardinal n + 1, et crivons E = {a} F
o F est de cardinal n. Alors une partie de E de cardinal pair
ou bien contient a, et on doit alors la complter avec une partie de cardinal impair de F.
Il y a 2
n1
telles parties.
ou bien ne contient pas a, et cest galement une partie de cardinal pair de F. Il y a l
aussi exactement 2
n1
telles parties.
Finalement, on trouve que le nombre de parties de E de cardinal pair vaut 2
n1
+2
n1
= 2
n
=
2
(n+1)1
. Lhypothse de rcurrence est donc prouve au rang n + 1.
Exercice 10 - Partition dun ensemble -
Pour fabriquer une telle partition, on peut partir dune liste ordonne des np lments, et
les grouper ensuite p par p. Il y a (np)! faons dcrire ces listes ordonnes, mais plusieurs listes
peuvent donner la mme partition. Dabord, sur chaque groupe de p lments quon a choisi,
on peut oprer une permutation qui ne changera par la partition obtenue. Pour chaque groupe,
il y a p! telles permutations, et comme il y a n groupe de p lments, on obtient nalement
(p!)
n
telles permutations. Ensuite, on peut galement permuter tous ces groupes les uns avec
les autres. Il y a n! telles permutations de ces groupes. Finalement, on trouve que le nombre de
partitions dun ensemble de cardinal np en n parties de cardinal p est
(np)!
(p!)
n
n!
.
Exercice 11 - Drangement et problme des rencontres -
1. Il ny a quune seule permutation de E qui est lidentit. Ce nest pas un drangement,
D
1
= 0.
2. Des deux permutations de E, seule celle qui inverse les deux lments est un drangement :
D
2
= 1.
3. Il y a

n
k
choix de k lments invariants parmi n. Une fois ces choix xs, la permutation
est un drangement sur les n k autres lments. Il y a donc
n
k
D
nk
telles permutations.
On adopte pour que cette formule soit aussi vraie si k = n la convention D
0
= 1. On spare
ensuite les permutations de E en fonction de leur nombre de points invariants. Comme
les ensembles que lon obtient sont disjoints, et quil y a en tout n! permutations de E,
on obtient :
n! =
n
k=0
n
k
D
nk
.
Pour obtenir la formule demande, il faut ensuite faire le changement dindices l = n k,
et utiliser la proprit des coecients binmiaux :

n
k
n
nk
.
4. On applique la relation pour n = 3. On obtient :
3! = D
0
+ 3D
1
+ 3D
2
+D
3
= D
3
= 2.
Dnombrements plus thoriques
A.BENHARI
De mme, en appliquant la relation pour n = 4, on trouve D
4
= 9, et pour n = 5, D
5
= 44.
5. (a) Une telle association correspond une permutation de {1, . . . , 5}. Il y a 5! = 120
telles permutations.
(b) Si aucun couple lgitime nest reconstitu, cest que la permutation prcdente est
un drangement. Il y a D
5
= 44 telles associations, et la probabilit recherche est
44/120 = 11/30.
(c) Si un seul couple lgitime est reconstitu, il y a 5 choix pour le couple. Pour le reste,
il faut un drangement : il y a donc 5 D
4
= 45 telles possibilits.
(d) On compte aussi le cas o deux couples lgitimes sont reconstitus : il y a

5
3
= 10
choix de 2 couples parmi 5. Pour les autres, il faut une association qui soit un
drangement : 10 D
3
= 20. Le nombre dassociations o il y a plus de couples
illgitimes que de couples lgitimes est donc : 20 + 45 + 44 = 109, ce qui donne une
probabilit de 109/120>1/2. Le bal masqu favorise les rencontres !
Exercice 12 - Partie sans entiers conscutifs -
1. Soit A = {a
1
, . . . , a
p
} une partie de {1, . . . , n} ne contenant pas deux entiers conscutifs,
avec a
1
< a
2
< < a
p
. Alors on a a
i+1
a
i
2, et donc, par rcurrence, a
p

a
1
+ 2p 2 2p 1. Mais on a aussi a
p
n. Ainsi, il est impossible de trouver une telle
partie ds que 2p 1 > n, cest--dire ds que 2p > n + 1. Ainsi, dans ce cas, K
p
n
= 0.
2. Puisque a
i+1
a
i
2, on a b
i+1
b
i
= a
i+1
a
i
1 1 et donc b
i+1
> b
i
. On a clairement
b
1
1 et b
p
= a
p
p + 1 n + 1 p.
3. Lapplication est donne par la question prcdente. A tout lment {a
1
, . . . , a
p
} de F
p
n
, o
les a
i
sont en ordre croissant, on associe la partie {b
1
, . . . , b
p
} o b
k
= a
k
+1 k. Daprs
la question prcdente, ceci dnit bien une partie p lments de {1, . . . , n + 1 p},
donc un lment de G
p
n
. Reste prouver quil sagit dune bijection. Cest clairement une
injection, car si deux lments {a
1
, . . . , a
p
} et {a
1
, . . . , a
p
} ont la mme image {b
1
, . . . , b
p
},
alors pour chaque k {1, . . . , p}, on a a
k
+ 1 k = a
k
+ 1 k et donc a
k
= a
k
. De plus,
cest une bijection. Si {b
1
, . . . , b
p
} est un lment de G
p
n
, on dnit a
1
, . . . , a
p
en posant
a
k
= b
k
+ k 1. Alors on vrie facilement, comme la question prcdente (mais en
changeant les rles de a
k
et b
k
), que {a
1
, . . . , a
p
} est lment de F
p
n
.
4. Puisque F
p
n
et G
p
n
sont en bijection, ils ont le mme cardinal. Mais le cardinal de G
p
n
est
connu, et cest

n+1p
p
. Cest aussi la valeur de K

p
n
.
5. Le nombre de tirages recherch est K
6
49
, qui vaut

44
6
.
Exercice 13 - Nombre de surjections -
1. (a) Si p > n, il ny a pas de surjection de {1, . . . , n} sur {1, . . . , p}. On a donc S(n, p) = 0.
(b) Lorsque p = n, les surjections de {1, . . . , n} sur {1, . . . , n} sont les bijections de
{1, . . . , n} sur lui-mme. Il y en a donc n! = S(n, n).
(c) Lorsque p = 1, toute application de {1, . . . , n} dans {1} est une surjection. Mais il y
a une seule application de {1, . . . , n} dans {1}. On a donc S(n, 1) = 1.
A.BENHARI
(d) Lorsque p = 2, il y a deux applications qui ne sont pas surjectives : celle qui envoie
tous les lments sur 1 et celle qui envoie tous les lments sur 2. De plus, il y a 2
n
applications de {1, . . . , n} dans {1, 2}. On en dduit que S(n, 2) = 2
n
2.
2. Lorsque lon tudie les surjections de {1, . . . , n+1} dans {1, . . . , n}, un unique lment de
lensemble darrive a deux antcdents, et tous les autres en ont un seul. On peut donc
caractriser une surjection par le choix de cet lment et de ses deux antcdents, puis
par une bijection entre les n 1 autres lments. On a donc
S(n + 1, n) = n
n + 1
2
(n 1)! =
n(n + 1)!
2
.
3. Soit s une surjection de {1, . . . , n} sur {1, . . . , p}. Llment i = s(n) peut tre atteint
de n faons. Une fois cet lment choisi, notons s
la restriction de s {1, . . . , n 1}.

Remarquons que tous les lments de {1, . . . , p}\{i} sont atteints par s
. On distingue
alors deux cas :
Soit i est atteint par s
, et alors s
est une surjection de {1, . . . , n 1} sur {1, . . . , p}. Il

y a S(n 1, p) possibilits ;
Soit i nest pas atteint par s
, et s
est une surjection de {1, . . . , n1} sur {1, . . . , p}\{i}.

Il y a S(n 1, p 1) possibilits.
Finalement, on obtient que
S(n, p) = p
S(n 1, p) +S(n 1, p 1)
.
4. On programme la fonction suivante S, darguments n et p deux entiers naturels non nuls.
Fonction S(n,p)
Si p>n, retourner 0.
Si p=1, retourner 1.
Sinon, retourner p(S(n-1,p-1)+S(n-1,p))
Seriez-vous capables de prouver que cet algorithme se termine quelles que soient les entres
n et p ?
Coefficients binmiaux
Exercice 14 - Autour de la formule du binme -
1. On commence par dvelopper en crivant (a +b +c)
7
= ((a +b) +c)
7
. Il vient :
(a +b +c)
7
=
7
k=0
7
k
(a +b)
7k
c
k
.
Le terme devant a
2
b
4
c
7
ne peut tre issu que du produit (a +b)
6
c. Or,
(a +b)
6
=
6
k=0
6
k
a
k
b
6k
.
A.BENHARI
On en dduit que le coecient devant (a +b +c)
7
est
7
1
6
2
= 7
6 5
2
= 105.
2. On dveloppe (1 +t)
n
avec la formule du binome :
(1 +t)
n
=
n
k=0
n
k
t
k
.
On intgre ensuite cette formule entre 0 et x, et on trouve
x
0
(1 +t)
n
dt =
x
0
n
k=0
n
k
t
k
dt
soit
(1 +t)
n+1
1
n + 1
=
n
k=0
1
k + 1
n
k
x
k+1
.
Il sut ensuite de faire x = 1 pour trouver le rsultat :
2
n+1
1
n + 1
=
n
k=0
1
k + 1
n
k
.
3. On va chercher le coecient devant x
p
de (1 +x)
m
. Dune part, par la formule du binome
de Newton, il est gal

m
p
. Dautre part, on crit

(1 +x)
m
= (1 +x)
q
(1 +x)
mq
=
j=0
q
j
x
j
mq
l=0
mq
l
x
l
.
Le coecient devant x
p
est alors obtenu en prenant les produits des termes en x
j
et x
l
avec l = p j. j parcourt donc lintervalle {0, . . . , q} et on a :
m
p
=
q
j=0
q
j
mq
p j
,
ce qui est bien le rsultat demand.
Exercice 15 - Une extension de la formule du triangle de Pascal -
On va sinspirer de la dmonstration de la formule du triangle de Pascal. Soit E un ensemble
ayant m lments, et F une partie de E ayant q lments. On cherche le nombre de parties de
E ayant exactement p lments.
Une telle partie peut ne contenir aucun lment de F. Il y a exactement

mq
p
telles
parties.
Une telle partie peut contenir exactement un lment de F. On a

q
1
choix pour cet

lment, et

mq
p1
choix pour les autres.

A.BENHARI
Plus gnralement on compte le nombre de parties p lments de E contenant exactement
k lments de F. Il y a
q
k
possibilits pour choisir ces lments de F, et
mq
pk
possibilits
pour choisir les autres lments (ils sont pk, choisir parmi mq). Le nombre de parties
recherch dans ce cas est donc

q
k
mq
pq
.
Faisant la somme pour k de 0 q, on trouve la formule souhaite.
Exercice 16 - Une somme -
Une mthode naturelle pour dmontrer cette proprit est de procder par rcurrence sur
n. La formule est clairement vraie pour n = 0 (ce qui implique p = 0). Supposons la proprit
vraie au rang n, cest--dire que pour tout p n, la formule donne est vrie. Prouvons-la au
rang n + 1. Pour cela, prenons p n + 1. Si p n, alors on a
n+1
k=p
k
p
=
n
k=p
k
p
n + 1
p
n + 1
p + 1
n + 1
p
(hypothse de rcurrence)
=
n + 2
p + 1
(formule du triangle de Pascal).

Si p = n + 1, la formule est aussi vrie. La proprit est donc aussi vraie au rang n + 1.
On peut aussi dmontrer cette galit par un dnombrement. Le coecient binomial
n + 1
p + 1
dsigne le nombre de parties p + 1 lments dans lensemble {0, . . . , n} qui a n + 1 lments.

Soit E une telle partie, et k le plus grand entier quelle contient. Puisque la partie contient p+1
lments, on a k p. De plus, cet lment choisi, il reste p lments choisir dans lensemble
{0, . . . , k 1} qui contient k lments, cest--dire quil reste
k
p
choix.
Exercice 17 - Bizarre, bizarre,... -
2n
n
est le nombre de parties n lments dans un ensemble 2n lments. Pour compter

ce nombre de parties, on peut aussi diviser lensemble en deux sous-ensembles contenant chacun
n lments. Pour obtenir 2n lments, on peut en prendre k dans le premier, ie
n
k
choix,
et n k dans le deuxime, soit
n
n k
choix. On a donc :
2n
n
=
n
k=0
n
k
n
n k
=
n
k=0
n
k
2
puisque
n
n k
n
k
.
Une autre faon de procder est de remarquer que
2n
n
est le coecient devant X

n
du
polynme (X + 1)
2n
. On retrouve lautre valeur en crivant (X + 1)
2n
= (X + 1)
n
(X + 1)
n
et
en identiant.
A.BENHARI
Exercice 18 - Avec des nombres complexes -
On commence par mettre 1 + i sous forme trigonomtrique, soit 1 + i =

2e
i/4
. On en
dduit
(1 +i)
4n
= 2
2n
e
in
= (1)
n
4
n
.
On calcule ceci dune autre faon en utilisant la formule de Newton :
(1 +i)
4n
=
4n
k=0
4n
k
i
k
.
On remarque alors que si k = 2p est pair, i
k
est rel et vaut (1)
p
. Si k = 2p + 1 est impair, i
k
est imaginaire pur et vaut (1)
p
i. En sparant les parties relles et imaginaires, on trouve
(1 +i)
4n
=
2n
p=0
(1)
p
4n
2p
+i
2n1
p=0
(1)
p
4n
2p + 1
.
En identiant avec le rsultat prcdent, on trouve
2n
p=0
(1)
p
4n
2p
= (1)
n
4
n
et
2n1
p=0
(1)
p
4n
2p + 1
= 0.
Exercice 19 - Avec des polynmes -
Introduisons les polynmes P(x) = (x + 1)
n
, Q(x) = (x 1)
n
, et cherchons le coecient
devant x
n
du produit PQ. On a dune part,
P(x) =
n
k=0
n
k
x
k
et Q(x) =
n
k=0
(1)
k
n
k
x
nk
.
Le coecient devant x
n
du produit PQ est donc
n
k=0
(1)
k
n
k
2
= S
n
.
Dautre part, on a
PQ(x) = (x
2
1)
n
=
n
k=0
(1)
k
n
k
x
2k
.
On distingue alors deux cas. Si n est impair, le coecient devant x
n
est nul, et on a donc S
n
= 0.
Si n = 2p est pair, alors on a
S
2p
= (1)
p
2p
p
.
Pour calculer T
n
, il faut penser driver. On a
P(x) =
n
k=0
n
k
x
k
et P
(x) =
n
k=1
k
n
k
x
k1
.
A.BENHARI
Si on cherche le coecient devant x
n1
du produit P
P, on trouve
n1
k=1
k
n
k
n
n k
=
n1
k=1
k
n
k
n
k
= T
n
.
Dautre part, on a
P
P(x) = n(x + 1)
2n1
= n
2n1
k=0
2n 1
k
x
k
.
On en dduit que
T
n
= n
2n 1
n
.
A.BENHARI
Exercices - Espaces probabilis
es : enonce
Exercice 1 - Racines de polynomes -
On jette 3 fois un de à 6 faces, et on note a, b et c les resultats successifs obtenus. On note
Q(x) = ax
2
+ bx + c. Determiner la probabilite pour que :
Q ait deux racines reelles distinctes.
Q ait une racine reelle double.
Q nait pas de racines reelles.
Exercice 2 - Foot ! -
On organise un tirage au sort entre n equipes de basket-ball de 1ère division et n equipes
de 2ième division (chaque equipe joue un match, et un seul).
1. Calculer la probabilite p
n
que tous les matchs opposent une equipe de 1ère division à une
equipe de 2ème division.
2. Calculer la probabilite q
n
que tous les matchs opposent deux equipes de la meme division.
3. Montrer que pour tout n 1,
2
2n1
n

2n
n
2
2n
.
4. En deduire lim
n+
p
n
et lim
n
q
n
.
A.BENHARI
Exercices - Espaces probabiliss : corrig
Exercice 1 - Racines de polynmes -
On associe lexprience alatoire lunivers des possibles = {1, 2, 3, 4, 5, 6}
3
, muni de
lquiprobabilit. Ainsi, la probabilit dun vnement A vaut card(A)/6
3
. On sintresse dabord
lvnement A = {(a, b, c) ; b
2
4ac > 0}. Il sut de dnombrer A. On commence par
tablir un petit tableau avec les valeurs de 4ac :
c\a 1 2 3 4 5 6
1 4 8 12 16 20 24
2 8 16 24 32 40 48
3 12 24 36 48 60 72
4 16 32 48 64 80 96
5 20 40 60 80 100 120
6 24 48 72 96 120 144
On calcule le cardinal de A en regardant dans le tableau le nombre de valeurs de a et c pour
lesquelles b
2
> 4ac, pour les 6 valeurs que peut prendre b. On trouve :
card(A) = 0 + 0 + 3 + 5 + 14 + 16 = 38.
On en dduit :
P(A) =
38
216
=
19
108
.
On note pareillement B = {(a, b, c) ; b
2
4ac = 0} et C = {(a, b, c) ; b
2
4ac < 0}. Le
mme dnombrement prouve que :
P(B) =
5
216
.
On peut calculer P(C) de la mme faon, ou remarquer que les 3 vnement A, B, C forment
un systme complet dvnements. On dduit alors :
P(C) = 1 P(A) P(B) =
173
216
.
Exercice 2 - Foot ! -
1. On va dnombrer les tirages au sort en tenant compte de lordre des matchs dans le
tirage. On pourrait faire sans cette convention, on obtiendrait les mmes rsultats mais
cela changerait un peu la faon de faire. Un tirage au sort se prsente donc comme une
nliste de matchs, cest--dire une nliste de combinaisons 2 2 disjointes. Il y a C
2
2n
faons de choisir la premire combinaison. Puis, cette combinaison choisie, il y a encore
C
2
2n2
faons de choisir la combinaison suivante. Et ainsi de suite... Ainsi, le nombre total
de tirages au sort est :
C
2
2n
C
2
2n2
. . . C
2
4
C
2
2
=
(2n)!
2
n
.
Parmi ces tirages, comptons ceux qui ne font sopposer que des quipes de division dis-
tinctes. Pour le premier match, il y a n faons de choisir lquipe de premire division, et
A.BENHARI
Exercices - Espaces probabiliss : corrig
n faons de choisir lquipe de deuxime division, soit n
2
choix. Pour le second match, il
reste choisir parmi n 1 quipes, et donc on a (n 1)
2
choix. Finalement, on obtient :
p
n
=
(n!)
2
(2n)!
2
n
=
2
n
C
n
2n
.
2. Dabord, si n est impair, un tel tirage au sort est clairement impossible, et q
n
= 0. On
suppose donc que n est pair et scrit 2k. On choisit dabord les k matchs parmi 2k qui
opposent les matchs de 1re division entre eux : cela fait C
k
2k
choix. Une fois ce choix
ralis, il faut compter le nombre de tirages lintrieur entre quipes de 1re division.
De la mme faon que lorsquon a compt le nombre total de tirages au sort, on trouve
(2k)!
2
k
. De mme pour les tirages au sort entre quipes de 2 division. On a donc :
q
2k
=
C
k
2k
C
2k
4k
.
3. Ecrivons que :
(2n)! = 2
n
(2n 1)(2n 3) . . . 3 1 n!.
On a donc :
C
n
2n
= 2
n
(2n 1)(2n 3) . . . 3
n!
.
Maintenant, en utilisant lencadrement 2n k 1 2n k 2n k + 1, on obtient
2
n
(2n 2)(2n 4) . . . 4 2
n!
C
n
2n
2
n
2n(2n 4) . . . 4 2
n!
qui donne nalement le rsultat demand.
4. On a donc :
0 p
n

n
2
n1
,
qui prouve que p
n
tend vers 0 si n tend vers +. De mme pour q
n
...
A.BENHARI
Exercices - Probabilit
es conditionnelles et
ind
ependance : enonce
Probabilit
es conditionnelles
Exercice 1 - CD-Rom -
Le gerant dun magasin dinformatique a re cu un lot de boites de CD-ROM. 5% des botes
sont abmees. Le gerant estime que :
60% des botes abmees contiennent au moins un CD-ROM defectueux.
98% des botes non abmees ne contiennent aucun CD-ROM defectueux.
Un client achète une boite du lot. On designe par A levenement : la boite est abimee et par
B levenement la boite achetee contient au moins une disquette defectueuse.
1. Donner les probabilites de P(A), P(A
c
), P(D|A), P(D|A
c
), P(D
c
|A) et P(D
c
|A
c
).
2. Le client constate quun des CD-ROM achete est defectueux. Quelle est a la probabilite
pour quil ait achete une boite abimee.
Exercice 2 - QCM -
Un questionnaire à choix multiples propose m reponses pour chaque question. Soit p la
probabilite quun etudiant connaisse la bonne reponse à une question donnee. Sil ignore la
reponse, il choisit au hasard lune des reponses proposees. Quelle est pour le correcteur la
probabilite quun etudiant connaisse vraiment la bonne reponse lorsquil la donnee ?
Exercice 3 - De pipe -
Un lot de 100 des contient 25 des pipes tels que la probabilite dapparition dun six soit de
1/2. On choisit un de au hasard, on le jette, et on obtient un 6. Quelle est la probabilite que le
de soit pipe ?
Exercice 4 - Pièces defectueuses -
Une usine fabrique des pièces, avec une proportion de 0,05 de pièces defectueuses. Le controle
des fabrications est tel que :
si la pièce est bonne, elle est acceptee avec la probabilite 0,96.
si la pièce est mauvaise, elle est refusee avec la probabilite 0,98.
On choisit une pièce au hasard et on la controle.Quelle est la probabilite
1. quil y ait une erreur de controle ?
2. quune pièce acceptee soit mauvaise ?
Exercice 5 - Compagnie dassurance -
Une compagnie dassurance repartit ses clients en trois classes R
1
, R
2
et R
3
: les bons
risques, les risques moyens, et les mauvais risques. Les eectifs de ces trois classes representent
20% de la population totale pour la classe R
1
, 50% pour la classe R
2
, et 30% pour la classe R
3
.
Les statistiques indiquent que les probabilites davoir un accident au cours de lannee pour une
personne de lune de ces trois classes sont respectivement de 0.05, 0.15 et 0.30.
1. Quelle est la probabilite quune personne choisie au hasard dans la population ait un
accident dans lannee ?
2. Si M.Martin na pas eu daccident cette annee, quelle est la probabilite quil soit un bon
risque ?
Exercice 6 - Sauts de puce -
Une particule se trouve à linstant 0 au point dabscisse a (a entier), sur un segment gradue
A.BENHARI
ind
ependance : enonce
de 0 à N (on suppose donc 0 a N). A chaque instant, elle fait un bond de +1 avec la
probabilite p (0 < p < 1, p = 1/2), ou un bond de 1 avec la probabilite q = 1 p. Autrement
dit, si x
n
est labscisse de la particule à linstant n, on a :
x
n+1
=
x
n
+ 1 avec probabilite p
x
n
1 avec probabilite 1 p.
Le processus se termine lorsque la particule atteint une des extremites du segment (i.e. sil existe
x
n
avec x
n
= 0 ou x
n
= N). On cherche à determiner la probabilite que le processus est sans
n.
1. On note u
a
la probabilite pour que la particule partant de a, le processus sarrete en 0.
(a) Que vaut u
0
? u
N
?
(b) Montrer que si 0 < a < N, alors u
a
= pu
a+1
+qu
a1
.
(c) En deduire lexpression exacte de u
a
.
2. On note v
a
la probabilite pour que la particule partant de a, le processus sarrete en N.
Reprendre les questions precedentes avec v
a
au lieu de u
a
.
3. Calculer u
a
+v
a
. Quen deduisez-vous ?
Ind
ependance d
ev
enements
Exercice 7 - Circuit electrique -
1. Soient A, B, C trois evenements. Montrer que :
P(ABC) = P(A) +P(B) +P(C) P(AB) P(AB) P(BC) +P(ABC).
2. On dispose de 3 composants electriques C
1
, C
2
et C
3
dont la probabilite de fonctionne-
ment est p
i
, et de fonctionnement totalement independant les uns des autres. Donner la
probabilite de fonctionnement du circuit
(a) si les composants sont disposes en serie.
(b) si les composants sont disposes en parallèle.
(c) si le circuit est mixte : C
1
est dispose en serie avec le sous-circuit constitue de C
2
et
C
3
en parallèle.
Exercice 8 - Independance et contexte -
1. Une urne contient 12 boules numerotees de 1 à 12. On en tire une hasard, et on considère
les evenements
A =tirage dun nombre pair,
B =tirage dun multiple de 3.
Les evenements A et B sont-ils independants ?
2. Reprendre la question avec une urne contenant 13 boules.
A.BENHARI
ind
ependance : enonce
Exercice 9 - Independance impossible -
On suppose quon a un espace probabilise tel que lunivers est un ensemble ni de cardinal
un nombre premier p, et que le modèle choisi soit celui de lequiprobabilite. Prouver que deux
evenements A et B non triviaux ne peuvent pas etre independants.
Exercice 10 - Indicatrice dEuler -
Soit n > 1 un entier xe. On choisit de manière equiprobable un entier x dans {1, . . . , n}.
Pour tout entier m n, on note A
m
levenement m divise x. On note egalement B levenement
x est premier avec n. Enn, on note p
1
, . . . , p
r
les diviseurs premiers de n.
1. Exprimer B en fonction des A
p
k
.
2. Pour tout m n qui divise n, calculer la probabilite de A
m
.
3. Montrer que les evenements A
p
1
, . . . , A
p
r
sont mutuellement independants.
4. En deduire la probabilite de B.
5. Application : on note (n) le nombre delements inversibles de Z/nZ. Demontrer que
(n) = n
r
k=1
1
1
p
k
.
Probl
`
emes ouverts
Exercice 11 - Tests de depistage -
Vous etes directeur de cabinet du ministre de la sante. Une maladie est presente dans la
population, dans la proportion dune personne malade sur 10000. Un responsable dun grand
laboratoire pharmaceutique vient vous vanter son nouveau test de depistage : si une personne
est malade, le test est positif à 99%. Si une personne nest pas malade, le test est positif à 0, 1%.
Autorisez-vous la commercialisation de ce test ?
Exercice 12 - Menteur ! -
Vous jouez à pile ou face avec un autre joueur. Il parie sur pile, lance la pièce, et obtient
pile. Quelle est la probabilite pour quil soit un tricheur ?
A.BENHARI
Exercices - Probabilits conditionnelles et indpendance :
corrig
Probabilits conditionnelles
Exercice 1 - CD-Rom -
1. Lnonc donne directement P(A) = 0, 05, do P(A
c
) = 0, 95, P(D|A) = 0, 6 et P(D
c
|A
c
) =
0, 98. On en dduit :
P(D
c
|A) = 1 P(D|A) = 0, 4
P(D|A
c
) = 1 P(D
c
|A
c
) = 0, 02.
Daprs la formule des probabilits totales :
P(D) = P(A)P(D|A) +P(A
c
)P(D|A
c
) =
49
1000
.
2. On obtient P(A|D) grce la formule de Bayes :
P(A|D) =
P(A D)
P(D)
=
P(D|A)P(A)
P(D)
=
30
49
.
Exercice 2 - QCM -
On note :
B = {Ltudiant donne la bonne rponse}
C = {Ltudiant connait la bonne rponse} .
On cherche P(C|B), et lnonc donne :
P(C) = p, P(B|C) = 1, P(B|C
c
) =
1
m
.
Daprs la formule des probabilits totales, on a :
P(B) = P(C)P(B|C) +P(C
c
)P(B|B
c
) =
(m1)p + 1
m
.
Daprs la formule de Bayes :
P(C|B) =
P(B|C)P(C)
P(B)
=
mp
1 + (m1)p
.
Exercice 3 - D pip -
On note D lvnement : "le d est pip", et S lvnement : "on obtient 6". Lnonc donne
P(D) = 25/100 et P(S|D) = 1/2 ? La formule de Bayes nous permet de calculer P(D|S) :
P(D|S) =
P(D)P(S|D)
P(D)P(S|D) +P(D)P(S|D)
.
Comme on a P(D) = 1 P(D) = 3/4 et P(S|D) = 1/6, on obtient nalement :
P(D|S) =
1
2
.
A.BENHARI
corrig
1. On note A lvnement "la pice est accepte par le contrle", et B lvnement "la pice
est bonne". Lvnement E "Il y a une erreur au contrle" se dcompose en AB et AB.
Ces deux derniers vnements sont incompatibles, on a donc :
P(E) = P(A B) +P(A B).
Maintenant, P(AB) = P(A|B)P(B). Or, P(B) = 0, 05, et P(A|B) = 1P(A|B) = 0, 02.
De mme, on a P(A B) = P(A|B)P(B) et on a P(A|B) = 1 P(A|B) = 0, 04. On
obtient nalement :
P(E) = 0, 95 0, 04 + 0, 05 0, 02.
2. Dans cette question, on cherche P(B|A) alors que lon connait les probabilits condition-
nelles sachant B. Ceci nous invite utiliser la formule de Bayes.
P(B|A) =
P(B)P(A|B)
P(B)P(A|B) +P(B)P(A|B)
=
0, 05 0, 02
0, 95 0, 96 + 0, 05 0, 02
=
1
913
0, 001.
Exercice 5 - Compagnie dassurance -
1. On note A lvnement "avoir un accident dans lanne". Comme les trois classes R
1
, R
2
et
R
3
ralisent une partition de la population. On peut appliquer la formule des probabilits
totales :
P(A) = P(A|R
1
)P(R
1
) +P(A|R
2
)P(R
2
) +P(A|R
3
)P(R
3
)
= 0, 05 0, 2 + 0, 15 0, 5 + 0, 3 0, 3
= 0, 175.
2. On cherche la probabilit dtre dans R
1
sachant quon na pas eu daccident, cest--dire
la probabilit P(R
1
|A). La formule de Bayes donne :
P(R
1
|A) =
P(A|R
1
)P(R
1
)
P(A)
.
La probabilit P(A) se calcule par la formule P(A) = 1P(A), tandis que lnonc donne
P(A|R
1
) = 0, 95. On obtient nalement :
P(R
1
|A) =
0, 95 0, 2
1 P(A)
= 0, 23.
Exercice 6 - Sauts de puce -
1. (a) Par dnition, on a u
0
= 1 (le processus commence en 0, il sarrte immdiatement,
en 0), et u
N
= 0 (le processus commence en N, il sarrte aussitt, en N).
Exercice 4 - Pices dfectueuses -
A.BENHARI
corrig
(b) On note A lvnement : "Partant de a, le processus sarrte en 0", B lvnement :
"Partant de a linstant 0, linstant 1, la particule est en a+1", et C lvnement :
"Partant de a linstant 0, linstant 1, la particule est en a 1". Par la formule
des probabilits totales :
P(A) = P(B)P(A|B) +P(C)P(A|C).
Maintenant, puisquon part linstant t = 0 de a, on a P(B) = p et P(C) = q.
Dautre part, si la particule est linstant 1 en a +1, la probabilit que le processus
sarrte en 0 vaut u
a+1
. On a donc : P(A|B) = u
a+1
, et de mme P(A|C) = u
a1
.
On en dduit la formule de rcurrence :
u
a
= pu
a+1
+qu
a1
.
(c) Pour a allant de 1 N 1, la suite (u
a
) vrie la formule de rcurrence :
u
a+1
=
1
p
u
a

q
p
u
a1
.
Lquation caractristique de cette rcurrence est :
r
2
1
p
r +
q
p
= 0.
Cette quation du second degr admet deux solutions distinctes,
r
1
= 1 et r
2
=
q
p
(remarquer ici lutilisation de lhypothse p = 1/2 qui permet darmer que les deux
racines sont distinctes). Il existe donc des rels et tels que, pour tout a dans
{0, . . . , N}, on ait :
u
a
= +
q
p
a
.
Utilisant que u
0
= 1 et u
N
= 0, on obtient :
u
a
=
q
N
q
N
p
N
+
p
N
p
N
q
N
q
p
a
.
2. Le mme raisonnement prouve que :
v
a
= pv
a+1
+qv
a1
.
La rsolution de cette rcurrence donne :
v
a
=
p
N
p
N
q
N
+
p
N
q
N
p
N
q
p
a
.
3. On vrie aisment que u
a
+v
a
= 1. Ceci signie que, presque srement, le processus va
sarrter.
A.BENHARI
corrig
Indpendance dvnements
Exercice 7 - Circuit lectrique -
1. On procde en deux temps. Dune part :
P ((A B) C) = P(A B) +P(C) P((A B) C).
Mais,
P((A B) C) = P((A C) (B C)) = P(A C) +P(B C) P(A B C),
et
P(A B) = P(A) +P(B) P(A B).
On appelle aussi ceci la formule du crible de Poincar, elle se gnralise avec plusieurs
vnements par rcurrence.
2. On note F
i
lvnement : le circuit C
i
fonctionne. Par hypothse, les vnements F
i
sont
mutuellement indpendants. Il faut calculer pour le premier cas P(F
1
F
2
F
3
), pour le
second P(F
1
F
2
F
3
), et pour le troisime P(F
1
(F
2
F
3
)). On a :
(a) Par indpendance des vnements :
P(F
1
F
2
F
3
) = p
1
p
2
p
3
.
(b) Daprs la formule prcdente, et par indpendance des vnements :
P(F
1
F
2
F
3
) = p
1
+p
2
+p
3
p
1
p
2
p
1
p
3
p
2
p
3
+p
1
p
2
p
3
.
(c) Lvnement F
1
F
2
est indpendant de C
1
. On a donc :
P(C
1
(C
2
C
3
)) = P(C
1
)P(C
2
C
3
) = P(C
1
)
P(C
2
) +P(C
3
) P(C
2
C
3
)
soit
P(C
1
(C
2
C
3
)) = p
1
(p
2
+p
3
p
2
p
3
) .
Exercice 8 - Indpendance et contexte -
1. On a :
A = {2, 4, 6, 8, 10, 12}
B = {3, 6, 9, 12}
A B = {6, 12}.
On a donc P(A) = 1/2, P(B) = 1/3 et P(A B) = 1/6 = P(A)P(B). Les vnements A
et B sont indpendants.
A.BENHARI
corrig
2. Les vnements A, B et AB scrivent encore exactement de la mme faon. Mais cette
fois, on a : P(A) = 6/13, P(B) = 4/13 et P(AB) = 2/13 = 24/169. Les vnements A et
B ne sont pas indpendants. Cest conforme lintuition. Il ny a plus la mme rpartition
de boules paires et de boules impaires, et dans les multiples de 3 compris entre 1 et 13, la
rpartition des nombres pairs et impairs est reste inchange.
Exercice 9 - Indpendance impossible -
Supposons quil existe A et B deux vnements non triviaux indpendants. On note m le
cardinal de A et n le cardinal de B. On a donc P(A) = m/p et P(B) = n/p. Puisque A et B sont
supposs indpendants, et toujours parce que le modle adopt est celui de lquiprobabilit,
on a :
card(A B) = p P(A B) =
mn
p
.
Puisque le cardinal est un entier, p divise le produit mn, et par le thorme de Gauss, il divise
lun des deux, disons n. Dautre part, puisque n p, ceci nest possible que si n = 0 ou n = p.
Autrement dit, seulement si A est ou lvnement certain, ou lvnement impossible, cest--dire
un vnement trivial.
Exercice 10 - Indicatrice dEuler -
1. On sait que x est premier avec n si et seulement si aucun des diviseurs premiers de n ne
divise x. On a donc :
B = A
c
p
1
A
c
p
r
.
2. Il sut de calculer le cardinal de A
m
. Mais si n = km, alors les multiples de m qui sont
infrieurs ou gaux n sont m, 2m, . . . , km. On a donc
P(A
m
) =
k
n
=
1
m
.
3. Soit i
1
< < i
m
des entiers distincts choisis dans {1, . . . , r}. On doit prouver que
P(A
p
i
1
) . . . P(A
p
i
m
) = P(A
p
i
1
A
p
i
m
).
Mais,
P(A
p
i
1
) . . . P(A
p
i
m
) =
m
j=1
1
p
i
j
.
Dautre part, puisque p
i
1
, . . . , p
i
m
sont premiers entre eux deux deux, un entier est
multiple de p
i
1
. . . p
i
m
si et seulement sil est multiple de chaque p
i
j
, j = 1, . . . , m. On en
dduit que
A
p
i
1
A
p
i
m
= A
p
i
1
...p
i
m
,
soit
P(A
p
i
1
A
p
i
m
) =
1
p
i
1
. . . p
i
m
,
ce qui prouve le rsultat voulu.
4. Les vnements A
c
p
1
, . . . , A
c
p
r
sont galement indpendants. On en dduit que
P(B) =
r
j=1
P(A
c
p
j
) =
r
j=1
1
1
p
k
.
A.BENHARI
corrig
5. Un lment x de Z/nZ, x = 1, . . . , n, est inversible si et seulement sil est premier avec n.
On a donc
P(B) =
(n)
n
ce qui, grce la question prcdente, donne le rsultat voulu.
Problmes ouverts
Exercice 11 - Tests de dpistage -
Les chires donns ont lair excellent, mais ils donnent linverse de ce que lon souhaite.
Le problme est plutt le suivant : si une personne a une rponse positive au test, est-elle
malade ? Cest la formule de Bayes qui permet de remonter le chemin. Prcisment, on note M
lvnement La personne est malade, et T lvnement le test est positif. Les donnes dont
on dispose sont P(M) = 10
4
, P(T|M) = 0, 99 et P(T|M
c
) = 0, 001. On cherche P(M|T). La
formule de Bayes donne :
P(M|T) =
P(T|M)P(M)
P(T|M)P(M) +P(T|M
c
)P(M
c
)
=
10
4
0, 99
10
4
0, 99 + 10
3
0, 9999
0, 09.
Cest catastrophique ! La probabilit pour quune personne positive au test soit eectivement
malade est infrieure 10%. Le test engendre donc beaucoup de faux-positifs (personnes posi-
tives au test, mais non malades). Cest tout le problme des maladies assez rares : les test de
dpistage doivent tre extrmement ables. Remarquons par ailleurs ici une bonne illustration
du vieil adage des statisticiens : on peut faire dire nimporte quoi aux chires, cf le laboratoire
pharmaceutique !
Exercice 12 - Menteur ! -
Soit x la proportion de tricheurs dans la population. On note respectivement P, F, H, T
les vnements le joueur obtient pile, le joueur obtient face, Le joueur est honnte, le
joueur est un tricheur. Il semble raisonnable de convenir que P(P|H) = 1/2 et P(F|H) = 1/2
et P(P|T) = 1 (un tricheur fait vraiment ce quil veut !). On cherche donc P(T|P). De la formule
de Bayes, on dduit :
P(T|P) =
P(P|T)P(T)
P(P|T)P(T) +P(P|H)P(H)
=
x
x + 1/2(1 x)
=
2x
x + 1
.
A.BENHARI
Exercices - Lois discr
`
etes usuelles : enonce
Exercice 1 - Avion -
A et B sont deux avions ayant respectivement 4 et 2 moteurs. Les moteurs sont supposes
independants les uns des autres, et ils ont une probabilite p de tomber en panne. Chaque avion
arrive à destination si moins de la moitie de ses moteurs tombe en panne. Quel avion choisissez-
vous ? (on discutera en fonction de p).
Exercice 2 - Pièce de monnaie -
On possède une pièce de monnaie truquee de telle sorte que la probabilite dobtenir pile soit
0,3.
1. On lance 10 fois la pièce. Quelle est la probabilite dobtenir 3 fois pile ?
2. On lance la pièce jusquà ce que lon obtienne pile pour la première fois. Combien eectuera-
t-on en moyenne de lancers ?
Exercice 3 - Service de depannage -
Le service de depannage dun grand magasin dispose dequipes intervenant sur appel de
la clientèle. Pour des causes diverses, les interventions ont parfois lieu avec retard. On admet
que les appels se produisent independamment les uns des autres, et que, pour chaque appel, la
probabilite dun retard est de 0,25.
1. Un client appelle le service à 4 reprises. On designe par X la variable aleatoire prenant
pour valeurs le nombre de fois o` u ce client a d u subir un retard.
(a) Determiner la loi de probabilite de X, son esperance, sa variance.
(b) Calculer la probabilite de levenement : Le client a au moins subi un retard.
2. Le nombre dappels recus par jour est une variable aleatoire Y qui suit une loi de Poisson
de paramètre m. On note Z le nombre dappels traites en retard.
(a) Exprimer la probabilite conditionnelle de Z = k sachant que Y = n.
(b) En deduire la probabilite de Z = k et Y = n.
(c) Determiner la loi de Z. On trouvera que Z suit une loi de Poisson de paramètre
m0, 25.
3. En 2013, le standard a recu une succession dappels. On note U le premier appel recu en
retard. Quelle est la loi de U ? Quelle est son esperance ?
Exercice 4 - Le concierge -
Un concierge rentre dune soiree. Il dispose de n clefs dont une seule ouvre la porte de son
domicile, mais il ne sait plus laquelle.
1. Il essaie les clefs les unes après les autres en eliminant après chaque essai la clef qui na
pas convenu. Trouver le nombre moyen dessais necessaires pour trouver la bonne clef.
2. En realite, la soiree etait bien arrosee, et après chaque essai, le concierge remet la clef
essayee dans le trousseau. Trouver le nombre moyen dessais necessaires pour trouver la
bonne clef.
Exercice 5 - Chane de fabrication -
On considère une entreprise de construction produisant des objets sur deux chanes de
montage A et B qui fonctionnent independemment lune de lautre. Pour une chane donnee,
les fabrications des pièces sont independantes. On suppose que A produit 60% des objets et B
produit 40% des objets. La probabilite quun objet construit par la chaine A soit defectueux est
0.1 alors que la probabilite pour quun objet construit par la chaine B soit defectueux est 0.2.
A.BENHARI
Exercices - Lois discr
`
etes usuelles : enonce
1. On choisit au hasard un objet à la sortie de lentreprise. On constate que cet objet est
defectueux. Calculer la probabilite de levenement lobjet provient de la chane A .
2. On suppose de plus que le nombre dobjets produits en une heure par A est une variable
aleatoire Y qui suit une loi de Poisson de paramètre = 20. On considère la variable
aleatoire X representant le nombre dobjets defectueux produits par la chane A en une
heure.
(a) Rappeler la loi de Y ainsi que la valeur de lesperance et de la variance de Y .
(b) Soient k et n deux entiers naturels, determiner la probabilite conditionnelle P (X = k|Y = n).
(On distinguera les cas k n et k > n ).
(c) En deduire, en utilisant le système complet devenements (Y = i)
iN
, que X suit une
loi de Poisson de paramètre 2 .
Exercice 6 - Pile ou face -
On considère une suite de parties independantes de pile ou face, la probabilite dobtenir
pile à chaque partie etant egale à p, o` u p ]0, 1[. Si n 1, on note T
n
le numero de lepreuve
amenant le nième pile. Enn, on pose A
1
= T
1
etA
n
= T
n
T
n1
.
1. Quelle est la loi de T
1
? Donner la valeur de son esperance.
2. Soit n 2. Montrer que A
1
, . . . , A
n
sont des variables aleatoires independantes qui suivent
une meme loi.
A.BENHARI
Exercices - Lois discrtes usuelles : corrig
Exercice 1 - Avion -
On note X la variable alatoire du nombre de moteurs de A qui tombent en panne, et Y la
variable alatoire du nombre de moteurs de B qui tombent en panne. X suit une loi binomiale
B(4, p). En particulier, on a :
P(X = 0) +P(X = 1) =
4
0
p
0
(1 p)
40
+
4
1
p
1
(1 p)
41
= (1 p)
4
+ 4p(1 p)
3
.
Dautre part, Y suit une loi binomiale B(2, p). En particulier,
P(Y = 0) = (1 p)
2
.
On a intrt prendre lavion A si P(X = 0) +P(X = 1) P(Y = 0). Ceci donne :
p(1 p)
2
(2 3p) 0.
Donc, si 0 p < 2/3 (cas que lon espre tre celui du monde rel), il est prfrable de choisir
A. Si p = 2/3, le choix est indirent, et si p > 2/3, il vaut mieux choisir B.
Exercice 2 - Pice de monnaie -
1. Soit X le nombre de piles obtenus au cours de 10 lancers. X est le nombre de ralisations
de lvnement "le lancer donne pile" de probabilit constante 0,3 au cours de 10 lancers
indpendants. X suit donc une loi binomiale de paramtres n = 10 et p = 0, 3. On en
dduit : P(X = 3) =

10
3
(0, 3)
3
(1 0, 3)
103
0, 27.
2. Soit Y le nombre de lancers eectus jusqu lobtention de pile pour la premire fois. Y est
le temps dattente de la premire ralisation de lvnement "obtenir pile" de probabilit
constante 0,3 lors dune suite de lancers indpendants, donc Y suit une loi gomtrique de
paramtre 0,3. On en dduit, en appliquant la formule du cours du calcul de lesprance
dune loi gomtrique
E(Y ) =
1
0, 3
=
3
10
.
Exercice 3 - Service de dpannage -
1. (a) Soit R lvnement "le client a subi un retard". X est le nombre de ralisations de
lvnement R de probabilit constante 1/4 au cours de 4 appels indpendants. Donc
X suit une loi binomiale B(4, 1/4). En particulier, on a :
E(X) = 1 et V (X) =
3
4
.
(b) On cherche P(X 1) :
P(X 1) = 1 P(X = 0) = 1
3
4
4
.
2. (a) On note p = 0, 25 et q = 1 0, 25. On reconnait le schma thorique dune variable
alatoire de loi binomiale. On a donc :
P(Z = k|Y = n) =

n
k
p
k
q
nk
si 0 k n
0 si k > n
A.BENHARI
(b) On a :
P(Z = k, Y = n) = P(Y = n)P(Z = k|Y = n)
=
e
mm
n
n!
n
k
p
k
q
nk
si k n
0 sinon.
(c) Il faut raliser la sommation ! On a, tenant compte du fait que les premiers termes
sont nuls :
P(Z = k) =
+
n=k
P(Z = k, Y = n)
= e
m
p
q
k
1
k!
+
n=k
(mq)
n
(n k)!
= e
m
p
q
k
1
k!
(mq)
k
+
n=k
(mq)
nk
(n k)!
= e
m
p
q
k
1
k!
(mq)
k
+
n=0
(mq)
n
(n)!
= e
m
p
q
k
1
k!
(mq)
k
e
mq
= e
mp
(mp)
k
k!
.
Z suit donc une loi de Poisson de paramtre m0, 25.
3. U est le rang de la premire ralisation de lvnment R de probabilit 1/4 au cours dune
succession dappels indpendants. Y suit donc la loi gomtrique G(1/4), cest--dire que,
pour k 1,
P(U = k) =
1
4

3
4
k1
.
On applique la formule du cours pour obtenir lesprance (on on calcule simplement la
somme dune srie gomtrique), et on trouve que
E(U) = 4.
Exercice 4 - Le concierge -
Notons p
k
la probabilit que la porte soit ouverte au k-ime essai et V
k
lvnement "la porte
nest pas ouverte aprs le k-ime essai". On a
p
k
= P(V
c
k
V
k1
) = P(V
k1
) P(V
k
),
la dernire formule venant du fait que (V
k
) est une suite dcroissante dvnements. Dans chaque
cas, on va calculer P(V
k
) en utilisant la formule
P(V
k
) = P(V
k
|V
k1
)P(V
k1
).
A.BENHARI
1. Si V
k1
est vraie, au k-ime essai, le concierge choisit au hasard une clef parmi les n(k1)
qui restent. On a donc
P(V
k
) =
1
1
n k 1
P(V
k1
) =
n k
n k 1
P(V
k1
).
Par une rcurrence aise, on trouve donc que, pour k n,
P(V
k
) =
n k
n
et P(V
k
) = 0 si k = n. On a donc, pour 1 k n,
p
k
=
n k 1
n

n k
n
=
1
n
.
Le nombre moyen dessais vaut donc
n
k=1
kp
k
=
1
n
n
k=1
k =
n 1
2
.
2. Cette fois, si V
k
est vraie, le concierge tire une clef parmi les n du trousseau, et donc
P(V
k
) =
1
1
n
P(V
k1
) =
n 1
n
P(V
k1
).
On obtient cette fois, pour k 0,
P(V
k
) =
n 1
n
k
,
puis
p
k
=
n 1
n
k1
n 1
n
k
=
n 1
n
k1
1
n
.
En reconnaissant une loi gomtrique de paramtre 1/n, on trouve que le nombre moyen
dessais ncessaires est
+
k=1
kp
k
= n.
Finalement, ce nest pas si dirent !
1. Pour un objet pris la sortie, P (A) = 0.6 et P (B) = 0.4 Soit D =lobjet est dfec-
tueux. On a P (D|A) = 0.1 et P (D|B) = 0.2 et comme (A, B) est un systme complet
dvnements,
P (D) = P (D|A) P (A) +P (D|B) P (B)
= 0.1 0.6 + 0.2 0.4
= 0.14.
A.BENHARI
Si lobjet est dfectueux, la probababilit de lvnement lobjet provient de la chane A
est P (A|D) que lon calcule par la formule de Bayes :
P (A/D) =
P (A D)
P (D)
=
P (D/A) P (A)
P (D)
=
0.1 0.6
0.14
=
0.06
0.14
=
6
14
=
3
7
.
2. On suppose de plus que le nombre dobjets produits en une heure par A est une variable
alatoire Y qui suit une loi de Poisson de paramtre = 20. On considre la variable
alatoire X reprsentant le nombre dobjets dfectueux produits par la chane A en une
heure.
(a) On a Y () = N et pour tout entier n : P (Y = n) =

n
e
n!
. E (Y ) = = 20 et
V (Y ) = = 20
(b) Quand Y = n, X est le nombre dobjets dfectueux parmi n, qui sont dfectueux
indpendemment les un des autres avec une mme probabilit 0.1. Donc X|Y =
n B (n, 0.1) et P [X = k|Y = n] = 0 si k > n et P [X = k|Y = n] =

n
k
0.1
k
0.9
nk
si k n
(c) Comme (Y = n)
nN
, est un systme complet dvnements on a pour tout entier k :
P (X = k) =
+
n=0
P [X = k|Y = n] P (Y = n)
srie convergente dont on calcule la somme partielle en distinguant suivant que n k
ou n < k :
M
k=0
P [X = k|Y = n] P (Y = n) =
k1
n=0
P [X = k|Y = n] P (Y = n)
+
M
n=k
P [X = k|Y = n] P (Y = n)
= 0 +
M
n=k
n
k
0.1
k
0.9
nk
20
n
e
20
n!
=
0.1
0.9
k
e
20
M
n=k
n!
k! (n k)!n!
(0.9 20)
n
=
1
9
k
e
20
1
k!
M
n=k
1
(n k)!
18
n
=
1
9
k
e
20
1
k!
Mk
m=0
1
m!
18
m+k
1
9
k
e
20
1
k!
18
k
e
18
=
2
k
e
2
k!
donc X P (2)
A.BENHARI
Exercice 6 - Pile ou face -
1. La variable alatoire T
1
est le temps dattente du premier pile ; elle suit la loi gomtrique
de paramtre p, donc desprance 1/p.
2. Notons X
n
la variable alatoire gale 1 si la partie numro n amne pile. Les variables
X
n
sont des variables alatoires de Bernoulli indpendantes de mme paramtre p. Soit
(i
1
, . . . , i
n
) N
n
. Lvnement (A
1
= i
1
, . . . , A
n
= i
n
) scrit aussi :
X
1
= = X
i
1
1
= 0, X
i
1
= 1, X
i
1
+1
= = X
i
1
+i
2
1
= 0, X
i
1
+i
2
= 1, . . . , X
i
1
++i
n
= 1.
Donc, en posant q = 1 p, on a :
P(A
1
= i
1
, . . . , A
n
= i
n
) = q
i
1
1
pq
i
2
1
p . . . q
i
n
1
p.
En sommant pour (i
1
, . . . , i
n1
) parcourant (N
)
n1
, on a :
P(A
n
= i
n
) = q
i
n
1
p.
(A
n
) suit bien une loi gomtrique de paramtre p. De plus lexpression ci-dessus prouve
que :
P(A
1
= i
1
, . . . , A
n
= i
n
) = P(A
1
= i
1
) . . . P(A
n
= i
n
),
ce qui montre que les variables A
1
, . . . , A
n
sont indpendantes.
A.BENHARI
Exercices - Lois continues usuelles (et moins usuelles) :
enonce
Lois classiques
Exercice 1 - Carre de la loi uniforme -
Soit X une variable aleatoire suivant une loi uniforme sur [a, b], avec 0 < a < b. Donner la
fonction de repartition, la densite, lesperance et la variance de Y = X
2
.
Exercice 2 - Uniforme et exponentielle -
Soit U une variable aleatoire de loi uniforme sur [0, 1]. Demontrer que la variable aleatoire
X = ln U suit une loi exponentielle.
Exercice 3 - Lecture de la table de la loi normale -
1. Lecture directe : soit X une variable aleatoire suivant une loi normale N(0, 1). Determiner
t > 0 tel que P(t < X < t) 0, 95.
2. Renormalisation : soit X une variable aleatoire suivant une loi normale N(8, 4). Donner
des valeurs approchees pour
P(X < 7, 5), P(X > 8, 5), P(6, 5 < X < 10), P(X > 6|X > 5).
3. Lecture inverse : Soit X une variable aleatoire suivant une loi gaussienne. Determiner
lesperance et la variance de X sachant que
P(X < 1) 0, 05
P(X > 3) 0, 12.
Exercice 4 - Variable aleatoire sans memoire -
On dit quune variable aleatoire T à valeurs dans R
+
est sans memoire si elle verie, pour
tous s, t 0,
P(T > t +s) = P(T > s)P(T > t).
1. Verier quune variable aleatoire T veriant une loi exponentielle de paramètre > 0,
cest-à-dire dont la densite est donnee par f(t) = exp(t)1
[0,+[
(t) est une variable
aleatoire sans memoire.
2. Reciproquement, soit T une variable aleatoire à valeurs dans R
+
sans memoire et veriant
P(T > 0) > 0.
(a) On suppose quil existe t > 0 tel que P(T > t) = 0. Calculer P(T > t/2
n
) en fonction
de P(T > t). En deduire que P(T > 0) = 0. Conclusion ?
(b) Soit = P(T > 1). Demontrer que P(T > t) =
t
pour tout t R
+
(demontrer le
dabord pour t N
+
, puis pour t Q
+
et enn pour t R
+
).
(c) Conclure.
Exercice 5 - Uniforme et binomiale -
Soient X
0
, . . . , X
n
des variables aleatoires suivant une loi uniforme sur [0, 1], independantes.
1. Soit 0 k n et soit U
k
= min(X
0
, . . . , X
k
). Demontrer que U
k
admet une densite que
lon determinera.
A.BENHARI
enonce
2. Soit N une variable aleatoire suivant une loi binomiale B(n, 1/2). Demontrer que U =
min(X
0
, . . . , X
N
) admet une densite que lon determinera.
Autres lois
Exercice 6 - Exponentiel des deux cotes ! -
Soit f la fonction denie sur R par :
f(x) =
a.3
x
si x > 0
a.3
x
si x < 0.
1. Determiner a pour que f soit une densite de probabilite.
2. Soit X une variable aleatoire admettant f pour densite. Determiner la fonction de repar-
tition de X. Montrer que X admet une esperance E(X) et la calculer.
3. On pose Y = 3
X
. Determiner la fonction de repartition de Y . Y admet-elle une esperance ?
Exercice 7 - Etude dune densite -
Soit f la fonction de R dans R denie par
f(x) =
e
x
(1 +e
x
)
2
.
1. Montrer que f est une densite de probabilite. Determiner la fonction de repartition dune
variable aleatoire X ayant f pour densite.
2. Soit la fonction de R dans R denie par :
(x) =
e
x
1
e
x
+ 1
.
Etudier les variations de . Montrer que realise une bijection de R sur ] 1, 1[, et
determiner sa bijection reciproque.
3. On denit une variable aleatoire Y par :
Y = (X) =
e
X
1
e
X
+ 1
.
Determiner la fonction de repartition et une densite de Y .
Exercices pratiques
Une usine fabrique des cadres de velo. Pour quune pièce soit terminee, il faut quelle passe
par la chane A puis par la chane B. Le temps de passage exprime en minutes pour un objet
sur la chane A est une variable aleatoire M suivant une loi exponentielle de paramètre 2. Le
temps de passage exprime en minutes pour un objet sur la chane B est une variable aleatoire
N suivant une loi uniforme sur [0, 1] Les variables M et N sont independantes.
A.BENHARI
enonce
1. Rappeler lexpression dune densite de probabilite v de M et dune densite w de N.
2. On note S la variable aleatoire representant le temps total de fabrication dune pièce.
Exprimer S en fonction de M et de N et determiner le temps moyen de fabrication dune
pièce.
Exercice 9 - Pannes -
Le fonctionnement dune machine est perturbe par des pannes. On considère les variables
aleatoires X
1
, X
2
et X
3
denies par : X
1
est le temps, exprime en heures, ecoule entre la mise
en route de la machine et la première panne. X
2
(resp. X
3
), est le temps, en heures, ecoule
entre la remise en route de la machine après la première (resp. la deuxième) panne et la panne
suivante. On suppose que les variables aleatoires X
1
, X
2
et X
3
sont independantes et suivent la
meme loi exponentielle de paramètre 1/2.
1. Quelle est la duree moyenne de fonctionnement entre deux pannes consecutives ?
2. Soit E levenement : chacune des 3 periodes de fonctionnement de la machine dure plus
de 2 heures. Calculer P(E).
3. Soit Y la variable aleatoire egale à la plus grande des 3 durees de fonctionnement de la
machine sans interruption.
(a) Calculer P(Y t) pour tout t R.
(b) Determiner une densite de Y .
(c) Pour a < 0, calculer
+
0
te
at
dt.
(d) Demontrer que la variable aleatoire Y admet une esperance, dont on calculera, en
heures et minutes, la valeur.
A.BENHARI
corrig
Lois classiques
Exercice 1 - Carr de la loi uniforme -
On calcule la fonction de rpartion F
Y
de Y . Si y < 0, on a
F
Y
(y) = P(Y y) = 0.
Si y 0, alors
F
Y
(y) = P(Y y) = P(
y X
y) = P(X
y) = F
X
(
y).
Connaissant la fonction de rpartition de X, on en dduit
F
Y
(y) =
_
_
0 si y < a
2
ya
ba
si y [a
2
, b
2
]
1 si y > b
2
.
Cette fonction de rpartition est drivable sauf en a
2
et en b
2
. La drive donne la densit. On
en dduit que Y admet une densit p
Y
donne par :
p
Y
(y) =
_
_
0 si y < a
2
1
2(ba)
y
si y [a
2
, b
2
]
9 si y > b
2
.
Pour calculer lesprance et la variance de Y , il est prfrable de se souvenir que Y = X
2
. On
en dduit :
E(Y ) = E(X
2
) =
_
b
a
x
2
b a
dx =
b
3
a
3
3(b a)
,
E(Y
2
) = E(X
4
) =
_
b
a
x
4
b a
dx =
b
5
a
5
5(b a)
,
Var(Y ) = E(Y
2
) E(Y )
2
=
4(b a)
4
45
.
Exercice 2 - Uniforme et exponentielle -
On va calculer la fonction de rpartition de X. On remarque que X x si et seulement si
U exp(x), puisque la fonction x exp(x) est dcroissante. On a donc
F
X
(x) = P(X x) = P(U exp(x)).
Si x < 0, alors exp(x) > 1 et donc F
X
(x) = 0. Si x 0, alors exp(x) [0, 1] et donc, puis
U suit une loi uniforme valeurs dans [0, 1],
F
X
(x) = 1 exp(x).
On reconnait bien la fonction de rpartition dune loi exponentielle de paramtre 1 (on peut
encore driver la fonction de rpartition pour retomber sur la densit).
Exercice 3 - Lecture de la table de la loi normale -
A.BENHARI
corrig
1. On note la fonction de rpartition de la loi N(0, 1). On a
P(t < X < t) = (t) (t) = (t) (1 (t)) = 2(t) 1.
Donc P(t < X < t) 0, 95 (t) = 0, 975 ce qui donne t 1, 96.
2. Posons Y =
X8
4
. Alors Y suit la loi N(0, 1). On peut alors rpondre aux diverses questions
en les formulant laide de Y , et en utilisant la table de la loi normale.
(a) On a X < 7, 5 Y < 0, 5/4 = 0, 125. On a donc
P(X < 7, 5) = (0, 125) = 1 (0, 125).
Puisque (0, 12) 0, 55 et (0, 13) 0, 55, on trouve nalement que
P(X < 7, 5) 1 0, 55 = 0, 45.
(b) On a X > 8, 5 Y > 0, 125 et donc
P(X > 8, 5) = P(Y > 0, 125) = 1 (0, 125) 0, 45.
(c) On a 6, 5 < X < 10 0, 375 < Y < 0, 5 et on trouve en raisonnant comme
prcdemment
P(6, 5 < X < 10) 0, 34.
(d) Il y a une dicult supplmentaire du fait de lvnement qui est un peu plus com-
pliqu. On rsoud cette dicult en crivant que :
P(X > 6|X > 5) =
P
_
(X > 6) (X > 5)
_
P(X > 5)
=
P(X > 6)
P(X > 5)
.
En renormalisant comme aux questions prcdentes, on trouve que
P(X > 6|X > 5) 0, 89.
3. Si X suit la loi N(m, ), alors Y =
Xm
suit la loi N(0, 1). On doit avoir :

0, 05 = P(X < 1) = P
_
Y <
1 m
_
=
_
1 m
_
et
0, 12 = P(X > 3) = 1 P
_
Y
3 m
_
= 1
_
3 m
_
.
Or, 0, 05 = 1 0, 95 = (1, 645) et 0, 12 (1, 175). On doit donc avoir
_
1m
= 1, 645
m3
= 1, 175.
On rsoud le systme et on trouve que
_
m 1, 33
1, 41.
A.BENHARI
corrig
Exercice 4 - Variable alatoire sans mmoire -
1. Il sagit simplement de calculer la fonction de rpartition dune loi exponentielle. Mais,
par intgration,
P(T > t) =
_
+
t
e
t
dt = e
t
,
ce qui entrane facilement que T est sans mmoire.
2. (a) On va prouver par rcurrence sur n que P(T > t/2
n
) = 0. Cest vrai pour n = 0 et
si cest vrai au rang n, alors
P(T > (t/2
n+1
+t/2
n+1
)) = P(T > t/2
n+1
)P(T > t/2
n+1
)
ce qui implique
P(T > t/2
n
) =
_
P(T > t/2
n+1
)
_
2
,
ce qui prouve que P(T > 2
n+1
) = 0. Mais alors, la suite dvnements (A
n
) dnie
par A
n
= T > t/2
n
est une suite croissante dvnements, et

n
A
n
= (T > 0). On
en dduit que
P(T > 0) = lim
n+
P(T > t/2
n
) = 0,
ce qui contredit lhypothse faite sur T. On a donc P(T > t) > 0 pour tout t 0.
(b) On commence par prouver par rcurrence sur n entier non-nul que P(T > n) =
n
.
Cest vrai pour n = 1, et si cest vrai au rang n, alors
P(T > n + 1) = P(T > n)P(T > 1) =
n
=
n+1
.
Soit maintenant t = p/q appartenant Q
+
, avec p, q des entiers strictement positifs.
On a alors :
P(T > p) = P(T > p/q + +p/q) (avec q termes dans la somme)
= P(T > p/q)P(T/p/q + +p/q) (avec q 1 termes dans la somme)
=
_
P(T > p/q)
_
q
soit
P(T > p/q) =
_
P(T > p)
_
1/q
=
p/q
.
Soit nalement t R
+
. Il existe deux suites de rationnels (x
n
) et (y
n
) avec x
n
t
y
n
pour tout n et les suites (x
n
), (y
n
) convergent vers . On a de plus
y
n
= P(T > y
n
) P(T > t) P(T > x
n
) =
x
n
.
On passe la limite quand n tend vers + et on trouve
t
P(T > t)
t
ce qui donne le rsultat voulu.
A.BENHARI
corrig
(c) La fonction de rpartition de T est dnie, pour t > 0, par
F
T
(t) = 1 P(T > t) = 1
t
.
La fonction de rpartition est drivable sur ]0, +[, on retrouve la densit de T en
la drivant. Or, la drive de t 1
t
est t ln
t
= ln exp(t ln ). Cest
bien la densit dune loi exponentielle de paramtre = ln > 0.
Exercice 5 - Uniforme et binomiale -
1. On va calculer la fonction de rpartion F
k
de U
k
. Pour tout x R, on a
P(U
k
> x) = P
_
k
i=0
X
i
> x
_
=
k
i=0
P(X
i
> x),
car les variables alatoires sont indpendantes. On en dduit :
F
k
(x) = P(U
k
x) = 1 P(U
k
> x) = 1
k
i=0
_
1 P(X
i
x)
_
.
Connaissant la loi des X
i
, on en dduit :
F
k
(x) =
_
_
0 si x < 0
1 (1 x)
k+1
si x [0, 1]
1 si x > 1.
La fonction F
k
est C
1
sur R\{0, 1}. On en dduit que U
k
admet une densit g
k
donne
par la drive de F
k
,
g
k
(x) =
_
0 si x / [0, 1]
(k + 1)(1 x)
k
si x [0, 1].
2. On procde de la mme faon, en utilisant la formule des probabilits totales. On obtient,
pour tout x R,
P(U x) =
n
k=0
P(N = k)P(U x|N = k)
=
n
k=0
P(N = k)P(U
k
x)
=
n
k=0
_
n
k
_
1
2
n
_
1 (1 x)
k+1
_
.
La fonction de rpartition est C
1
sur R\{0, 1}. On en dduit que U admet une densit g
donne par
g(x) =
_
0 si x / [0, 1]
n
k=0
_
n
k
_
1
2
n
(k + 1)(1 u)
k
si u [0, 1].
A.BENHARI
corrig
Autres lois
Exercice 6 - Exponentiel des deux cts ! -
1. La fonction f est continue sur R, positive si a 0, et on a :
_
+
0
3
x
dx =
_

0
e
xln 3
dx =
1
ln 3
,
_
0
3
x
dx =
1
ln 3
.
Ainsi, f est une densit de probabilit si et seulement si a =
ln 3
2
.
2. Si x 0, on a :
F(x) =
1
2
ln 3
_
x
e
t ln 3
dt =
3
x
2
.
Si x 0, on a :
F(x) = F(0) +
_
x
0
e
t ln 3
dt = 1
3
x
2
.
La fonction xf(x) est ngligeable au voisinage de +devant la fonction 1/x
2
, et il en est
de mme au voisinage de car cette fonction est impaire. Elle est donc intgrable, et
X admet bien une esprance. En outre, toujours par imparit de x xf(x), lesprance
est nulle !
3. Y prend ses valeurs dans R
+
, et on a :
P(Y x) = P(3
X
x) = P
_
X
ln x
ln 3
_
.
On en dduit : si 0 x 1,
F
Y
(x) =
1
2
3
ln x
ln 3
=
x
2
.
Si x > 1, on a :
F
Y
(x) = 1
1
2
3
ln x
ln 3
= 1
1
2x
.
En particulier, pour x > 1, la densit de Y est :
f
Y
(x) = F
Y
(x) =
1
2x
2
.
Au voisinage de +, on a :
xf(x)
1
2x
,
fonction qui nest pas intgrable. Y nadmet pas desprance.
A.BENHARI
corrig
1. f est une fonction dnie sur R, continue, positive. Il sut de prouver que
_
+
f(x)dx = 1.
Remarquons que x
1
1+e
x
est une primitive de f. Donc :
_
b
a
f(t)dt =
1
1 +e
b

1
1 +e
a
.
Faisant tendre b vers + et a vers , on trouve que
_
+
f(x)dx = 1. f est bien une

densit de probabilit.
2. La fonction est dnie sur R, drivable, et vrie
(x) =
2e
x
(1+e
x
)
2
> 0. En outre,
limx (x) = 1 et lim
x+
(x) = +1 : ralise une bijection strictement crois-
sante de R sur ] 1, 1[. Pour calculer
1
, il faut rsoudre lquation suivante :
y =
e
x
1
e
x
+ 1
e
x
=
1 +y
1 y
,
et donc pour tout y ] 1, 1[, on a :
1
(y) = ln
_
1 +y
1 y
_
.
3. Y prend ses valeurs dans ] 1, 1[, et, pour tout x de ] 1, 1[ :
P(Y x) = P((X) x) = P(X
1
(x))
= P
_
X ln
_
1 +x
1 x
__
=
1
1 + exp
_
ln
_
1+x
1x
__
=
x + 1
2
.
Ainsi,
Y U(] 1, 1[).
Exercices pratiques
1. Une densit de M est : v (t) = 0 sur R
et v (t) = 2e
2t
sur R
+
une densit de N est :
w(t) = 1 sur [0, 1] et 0 ailleurs
2. Le temps total de fabrication est la somme des temps de passage sur A et B. On a
donc S = N + M. On en dduit que le temps moyen de fabrication dune pice est :
E (S) = E (M) +E (N) =
1
2
+
10
2
= 1.
Exercice 7 - Etude dune densit -
A.BENHARI
corrig
1. La dure moyenne de fonctionnement entre deux pannes conscutives est lesprance (com-
mune) des variables alatoires X
1
, X
2
et X
3
, cest--dire 1/(1/2) = 2.
2. Lvnement E scrit : E = (X
1
2) (X
2
2) (X
3
2). Les variables alatoires X
1
,
X
2
et X
3
tant indpendantes, on a P(E) = P(X
1
2) P(X
2
2) P(X
3
2). Or,
P(X
i
2) =
_
+
2
1
2
e
t/2
dt = e
1
.
On en conclut que P(E) = e
3
.
3. (a) On a Y = max(X
1
, X
2
, X
3
). Ainsi, (Y t) = (X
1
t) (X
2
t) (X
3
t). Par
indpendance des 3 variables alatoires, on en dduit que
P(Y t) = P(X
1
t)P(X
2
t)P(X
3
t).
Ainsi, si t 0, P(Y t) = 0. Si t > 0, alors
P(Y t) =
_
1 e
t/2
_
3
.
(b) La quantit calcule la question prcdente est la fonction de rpartition de Y ,
nous la notons F
Y
. Alors F
Y
est continue sur R et C
1
sur R
. On en dduit que Y
admet une densit note f
Y
dnie sur R
par f
Y
(t) = F
Y
(t), soit
f
Y
(t) =
_
_
_
0 si t < 0
3
2
e
t/2
_
1 e
t/2
_
2
si t > 0.
(c) A laide dune intgration par parties, on trouve que
_
x
0
te
at
dt =
_
te
at
a
_
x
0
_
x
0
e
at
a
dt
=
x
a
e
ax
1
a
_
e
ax
a
_
x
0
=
x
a
e
ax
e
ax
a
2
+
1
a
2
.
Faisant tendre x vers +, on trouve nalement que
_
+
0
te
at
dt =
1
a
2
.
(d) Nous allons prouver que
_
x
0
tf
Y
(t) admet une limite lorsque x tend vers +. Mais,
pour tout x > 0,
_
x
0
tf
Y
(t)dt =
_
x
0
3
2
te
t/2
(1 e
t/2
)
3
dt
=
3
2
_
x
0
_
te
t/2
2te
t
+te
3t/2
_
dt
Faisant tendre x vers + et utilisant la question prcdente, on obtient que lint-
grale
_
+
0
tf
Y
(t)dt converge, et vaut
E(Y ) =
3
2
_
1
(1/2)
2

1
(1)
2
+
1
(3/2)
2
_
=
11
3
.
La dure maximale moyenne de fonctionnement entre deux pannes est 3h40min.
Exercice 9 - Pannes -
A.BENHARI
Exercices - Th
eor
`
emes limites : enonce
Diverses notions de convergence
Exercice 1 - Une suite de variables aleatoires -
Pour tout entier naturel n non nul, on considère la fonction f
n
denie par f
n
(x) = 1
R
+
(x) exp(n
2
x
2
/2).
1. Montrer que f
n
est la densite dune variable aleatoire.
2. Soit (X
n
) une suite de variables aleatoires telle que, pour tout entier n 1, X
n
admet
pour densite f
n
. Demontrer que la suite (X
n
) converge en probabilite vers une variable
aleatoire X que lon precisera.
Exercice 2 - Maximum de lois uniformes -
Soit (U
n
) une suite de variables aleatoires independantes suivant toutes la loi uniforme sur
[0, 1]. On note M
n
= max(U
1
, . . . , U
n
) et X
n
= n(1 M
n
).
1. Quelle est la fonction de repartition de X
n
?
2.

Etudier la convergence en loi de la suite (X
n
).
Exercice 3 - Convergence en loi pour une suite de variables à densite -
Soit n un entier naturel non-nul et soit a un reel. On considère la fonction f
n
denie sur R
par f
n
(x) =
an
(1+n
2
x
2
)
.
1. Determiner a pour que f
n
soit une densite de variable aleatoire.
2. Soit (X
n
) une suite de variables aleatoires telle que chaque X
n
admet pour densite f
n
.
Etudier lexistence de moments pour X

n
.
3.

Etudier la convergence en loi de la suite (X
n
).
Autour de lin
egalit
e de Bienayme-Tchebichev
Exercice 4 - Une variante de linegalite de Markov -
Soit X une variable aleatoire admettant une densite f. On suppose que X ne prend que des
valeurs positives ou nulles, et que X admet une esperance mathematique m non-nulle.
1. Demontrer que pour tout > 0, P(X m)
1
.
2. On note q le 3-ième quartile de X, cest-à-dire le nombre q tel que F(q) = 3/4, o` u F est
la fonction de repartition de X. Demontrer que q 4m.
Exercice 5 - Une variante de linegalite de Markov -
Soit X une variable aleatoire ne prenant que des valeurs positives ou nulles et admettant
une esperance mathematique m non-nulle. Demontrer que pour tout > 0, P(X m)
1
.
Th
eor
`
eme Central Limit
Exercice 6 - Fournisseur daccès -
Un fournisseur daccès à Internet met en place un point local daccès, qui dessert 5000
abonnes. A instant donne, chaque abonne a une probabilite egale à 20% detre connecte. Les
comportements des abonnes sont supposes independants les uns des autres.
A.BENHARI
Exercices - Th
eor
`
emes limites : enonce
1. On note X la variable aleatoire egale au nombre dabonnes connectes à un instant t. Quelle
est la loi de X ? Quelle est son esperance, son ecart-type ?
2. On pose Y =
X1000
800
. Justier precisement quon peut approcher la loi de Y par la loi
normale N(0, 1).
3. Le fournisseur daccès souhaite savoir combien de connexions simultanees le point daccès
doit pouvoir gerer pour que sa probabilite detre sature à un instant donne soit inferieure
à 2, 5%. En utilisant lapproximation precedente, proposer une valeur approchee de ce
nombre de connexions (on pourra utiliser une table de la loi normale).
Exercice 7 - La cantine ! origine -
Lors de la construction dun collège accueillant 500 elèves, il est prevu la construction dune
cantine comprenant deux salles, chacune disposant de N places. On fait lhypothèse que chaque
elève qui mange choisit au hasard lune des deux salles, independamment les uns des autres.
Determiner la valeur de N à prevoir pour que la probabilite que chaque elève trouve une place
dans la salle quil a choisie soit superieure à 0,99.
Exercice 8 - Saturation de standard -
Une entreprise compte 300 employes. Chacun deux telephone en moyenne 6 minutes par
heures. Quel est le nombre de lignes que lentreprise doit installer pour que la probabilite que
toutes les lignes soient utilisees au meme instant soit au plus egale à 0,025. On pourra utiliser
une approximation de la loi dune certaine variable aleatoire
Exercice 9 - Surreservation aerienne -
Il arrive assez souvent que le nombre de reservations pour une liaison aerienne soit supe-
rieur au nombre de passagers se presentant eectivement le jour du vol. Cela est d u à des
empechements imprevisibles de certains passagers et à une politique systematique de certains
dentre eux qui reservent des places sur plusieurs vols de facon à choisir au dernier moment
celui qui leur convient le mieux (en raison de la concurrence, et selon les tarifs choisis, les com-
pagnies ne penalisent pas les clients qui se desistent et ne font payer eectivement que ceux
qui embarquent). Pour compenser ce phenomène, une compagnie aerienne exploitant un avion
de 300 places decide de faire de la surreservation (surbooking) en prenant pour chaque vol un
nombre n > 300 de reservations. Sil se presente plus de 300 passagers à lembarquement, les
300 premiers arrives prennent leur vol et les autres sont dedommages nancièrement.
1. On considère que les passagers sont mutuellement independants et que la probabilite de
desistement de chacun deux est 10%. On note n le nombre de reservations prises par la
compagnie pour un vol donne et S
n
le nombre (aleatoire) de passagers se presentant à
lembarquement pour ce vol. Donner la loi de S
n
, E(S
n
) et V (X
n
).
2. Le directeur commercial de la compagnie aimerait connaitre la valeur maximale de n
telle que P(S
n
300) 0, 99. En utilisant le theorème Central-Limit (ou theorème de
De Moivre-Laplace), proposez une solution approchee de ce problème. On pourra saider
dune table de la loi normale.
A.BENHARI
Exercices - Thormes limites : corrig
Diverses notions de convergence
Exercice 1 - Une suite de variables alatoires -
1. On remarque que f
n
est positive et continue. De plus, pour tout x > 0,
_
x
f
n
(t)dt =
_
x
0
n
2
t exp(n
2
t
2
/2)dt =
_
exp(n
2
t
2
/2)
_
1
0
= 1 exp(n
2
x
2
/2).
Faisant tendre x vers +, on en dduit que
_
+
f(t)dt = 1,
ce qui achve de prouver que f
n
est une densit de probabilit.
2. Soit > 0. On a
P(|X
n
| ) =
_
+
n
2
t exp(n
2
t
2
/2)
=
_
exp(n
2
t
2
/2)
_
+
= exp(n
2
2
/2).
Lorsque n +, ceci tend vers 0. On en dduit que (X
n
) converge en probabilit vers
la variable alatoire nulle (X = 0).
Exercice 2 - Maximum de lois uniformes -
1. On commence par dterminer la fonction de rpartion de M
n
. Puisque M
n
est valeurs
dans [0, 1], il est clair que si x 0, on a P(M
n
x) = 0 et si x 1, on a P(M
n
x) = 1.
Prenons maintenant x ]0, 1[. Alors :
M
n
x i {1, . . . , n}, X
i
x.
Puisque les variables alatoires (X
i
)
1in
sont indpendantes, on en dduit que
P(M
n
x) =
n
i=1
P(X
i
x) = x
n
.
Pour obtenir la fonction de rpartition de X
n
, on remarque que
X
n
x M
n
1
x
n
,
do
P (X
n
x) = 1 P
_
M
n
1
x
n
_
.
De plus,
1
x
n
[0, 1] x [0, n].
A.BENHARI
On en dduit que la fonction de rpartition de (X
n
) est donne par
F
X
n
(x) =
_
_
0 si x 0
1
_
1
x
n
_
n
si 0 x n
1 si x n.
2. On va tudier, x x, la limite de F
X
n
(X). Dabord, pour x 0, il est clair que
lim
n
F
X
n
(x) = 0. Maintenant, pour x 0, ds que n est assez grand, on a x n et donc
F
X
n
(x) = 1
_
1
x
n
_
n
.
Or, en passant lexponentielle, on sait que
lim
n+
_
1
x
n
_
n
= e
x
.
On en dduit que F
X
n
(x) tend vers F(x) dni par
F(x) =
_
0 si x 0
1 e
x
si x 0.
On en dduit que (X
n
) converge en loi vers la loi exponentielle de paramtre 1.
Exercice 3 - Convergence en loi pour une suite de variables densit -
1. f
n
tant continue et positive, elle sera une densit de variable alatoire si et seulement si
_
+
f
n
(x)dx = 1.
Or,
_
+
an
(1 +n
2
x
2
)
dx =
a
[arctan(nx)]
+
=
a
= a.
f
n
est donc une densit de variable alatoire si et seulement si a = 1.
2. On a xf
n
(x)
+
1
nx
dont lintgrale est divergente au voisinage de +, et qui est une
fonction positive. Ainsi, la variable alatoire X
n
nadmet pas desprance, ni aucun autre
moment.
3. Notons F
n
la fonction de rpartion de X
n
, dnie par
F
n
(x) =
_
x
f
n
(t)dt =
1
_
arctan(nx) +

2
_
.
Si x < 0, arctan(nx) /2, et donc F
n
(x) 0. Si x > 0, arctan(nx) /2 et donc
F
n
(x) 1. Soit maintenant X une variable alatoire identiquement nulle. Sa fonction
de rpartition F
X
vrie F
X
(x) = 0 si x < 0 et F
X
(x) = 1 si x 0. Autrement dit, en
tout point de continuit de F
X
, la suite (F
n
(x)) converge vers F
X
(x). Cest exactement
la dnition de la convergence en loi de la suite (X
n
) vers X.
A.BENHARI
Autour de lingalit de Bienayme-Tchebichev
Exercice 4 - Une variante de lingalit de Markov -
1. On va copier la preuve de lingalit de Markov. En eet, on crit
P(X m) =
_
+
m
f(x)dx
_
+
m
x
m
f(x)dx
1
m
_
+
0
xf(x)dx
1
m
m
.
2. On remarque que
F(q) = P(X q) = P
_
X m
q
m
_
= 1 P
_
X m
q
m
_
1
m
q
daprs la question prcdente. Or, on sait que F(q) = 3/4. On en dduit bien que q 4m.
Exercice 5 - Une variante de lingalit de Markov -
On va copier la preuve de lingalit de Markov. En eet, on crit
P(X m) =
_
+
m
xdP
X
(x)
_
+
m
x
m
dP
X
(x)
1
m
_
+
0
xdP
X
(x)
1
m
m
.
Thorme Central Limit
Exercice 6 - Fournisseur daccs -
1. X compte le nombre de succs lors de la ralisation de 5000 preuves alatoires indpen-
dantes, dont la probabilit de ralisation de chacune est 0,2. X suit donc une loi binomiale
B(5000, 0.2). Son esprance vaut 5000 0, 2 = 1000, sa variance 5000 0, 2 0, 8 = 800.
A.BENHARI
2. On est dans les conditions dapplication du thorme Central-Limit (ou du thorme de
De Moivre-Laplace).
3. On cherche N tel que P(X N) 0, 975. Mais on a :
X N Y
N 1000
800
.
On en dduit, en notant la fonction de rpartition de la loi normale :
P(X N) 0, 025 P
_
Y
N 1000
800
_
0, 025
1
_
N 1000
800
_
0, 025

_
N 1000
800
_
0, 975 (2)
Cette condition sera ralise ds que :
N 1000
800
2 N 1057.
Il faut installer pouvoir grer au moins 1057 connexions simultanes - ce qui est nalement
assez peu !
Exercice 7 - La cantine ! origine -
On note X la variable alatoire correspondant au nombre dlves choisissant la premire
salle. Alors tous les lves trouvent une place si X N et si 500 X N, soit
500 N X N.
De plus, X suit une loi binomiale B(500, p). On a 500 > 30 et n1/2
_
1
1
2
_
5. On est donc
dans les conditions o on peut approcher la loi de X par la loi normale N
_
500
1
2
,
_
500
1
2

1
2
_
ie N(250,
125). Posons
Y =
X 250
125
.
On peut considrer que Y suit une loi normale N(0, 1), et on cherche N tel que
P
_
500 N 250
125
Y
N 250
125
_
0, 99.
Or,
P
_
500 N 250
125
Y
N 250
125
_
= P
_
250 N
125
Y
N 250
125
_
=
_
N 250
125
_
_
250 N
125
_
= 2
_
N 250
125
_
1.
A.BENHARI
o dsigne la fonction de rpartition de la loi normale N(0, 1). On cherche donc N tel que
2
_
N 250
125
_
1 0, 99
_
N 250
125
_
0, 995 (2, 575).
Ceci est vri ds que
N250
125
2, 575, cest--dire ds que N 279.
Exercice 8 - Saturation de standard -
On note N le nombre de lignes installes, et X le nombre demploys qui tlphonent
linstant t. On cherche N tel que P(X N) 0, 025. La probabilit pour quun employ
tlphone linstant t est 6/60 = 1/10. Les appels des employs tant supposs indpendants,
X suit la loi binomiale B(300, 1/10). Lesprance de X vaut 30, et lcart-type

27. Posons
X
=
X30
27
. Par le thorme Central-Limit, on peut considrer que X suit la loi normale
N(0, 1). On note la fonction de rpartition de la loi normale. On a :
P(X N) 0, 025 P
_
X

N 30
27
_
0, 025
1
_
N 30
27
_
0, 025

_
N 30
27
_
0, 975 = (1, 96)
N 30
27
1, 96
N 41.
Il faut installer au moins 41 lignes !
Exercice 9 - Surrservation arienne -
1. S
n
compte le nombre de succs de ralisations de n expriences alatoires, la probabilit
de succs de chacune tant 9/10. On en dduit que S
n
suit une loi binomiale B(n, 9/10).
En utilisant les formules du cours, on a :
E(S
n
) = 0, 9n et V (S
n
) = 0, 09n.
2. On note Y
n
=
S
n
0,9n
0,3
n
. Remarquons que
S
n
300 Y
n

1000
n
3
n.
Le thorme central limite justie que lon peut approcher la loi de Y
n
par la loi normale
rduite N(0, 1). On note la fonction de rpartition de la loi normale. On a lapproxima-
tion :
P
_
Y
n

1000
n
3
n
_

_
1000
n
3
n
_
.
Or, une table de la loi normale nous dit que :
(2, 4) 0, 99.
A.BENHARI
La fonction de rpartition tant croissante, il sut que :
1000 3n
n
2, 4.
On obtient lquation :
3n 2, 4
n + 1000 0.
En posant x =
n, on a une fonction du second degr tudier (trouver le plus grand x

pour lequel elle est positive), ce qui ce stade ne devrait plus poser trop de problmes.
Le plus grand n pour lequel cette quantit est positive est 316.
A.BENHARI
Exercices - Variables al
eatoires discr
`
etes : enonce
Variables discr
`
etes finies - Exercices pratiques
Exercice 1 - Loi dun de truque -
On considère un de cubique truque, de telle sorte que la probabilite dobtenir la face nume-
rotee k est proportionnelle à k (on suppose que les faces sont numerotees de 1 à 6). Soit X la
variable aleatoire associee au lancer de ce de.
1. Determiner la loi de X, calculer son esperance.
2. On pose Y = 1/X. Determiner la loi de Y , et son esperance.
Exercice 2 - Garagiste -
Un garagiste dispose de deux voitures de location. Chacune est utilisable en moyenne 4
jours sur 5. Il loue les voitures avec une marge brute de 300 euros par jour et par voiture. On
considère X la variable aleatoire egale au nombre de clients se presentant chaque jour pour
louer une voiture. On suppose que X() = {0, 1, 2, 3} avec
P(X = 0) = 0, 1 P(X = 1) = 0, 3 P(X = 2) = 0, 4 P(X = 3) = 0, 2.
1. On note Z le nombre de voitures disponibles par jour. Determiner la loi de Z. On pourra
considerer dans la suite que X et Y sont independantes.
2. On note Y la variable aleatoire : nombre de clients satisfaits par jour. Determiner la loi
de Y .
3. Calculer la marge brute moyenne par jour.
Exercice 3 - Vaches laitières -
Les vaches laitières sont atteintes par une maladie M avec la probabilite p = 0, 15. Pour
depister la maladie M dans une etable de de n vaches, on fait proceder à une analyse de lait.
Deux methodes sont possibles :
Première methode : On fait une analyse sur un echantillon de lait de chaque vache.
Deuxième methode : On eectue dabord une analyse sur un echantillon de lait provenant
du melange des n vaches. Si le resultat est positif, on eectue une nouvelle analyse, cette
fois pour chaque vache.
On voudrait connatre la methode la plus economique (=celle qui necessite en moyenne le moins
danalyse). Pour cela, on note X
n
la variable aleatoire du nombre danalyses realisees dans la
deuxième etape. On pose Y
n
=
X
n
n
.
1. Determiner la loi de Y
n
, et montrer que son esperance vaut : 1 +
1
n
(0.85)
n
.
2. Etudier la fonction f(x) = ax + ln x, pour a = ln(0, 85). Donner la liste des entiers n tels
que f(n) > 0.
3. Montrer que f(n) > 0 equivaut à E(Y
n
) < 1. En deduire la reponse (en fonction de n) à
la question posee).
A.BENHARI
eatoires discr
`
etes : enonce
Exercice 4 - Maximiser lesperance -
Soit n 2. On considère deux variables aleatoires independantes X
1
et X
2
, denies sur
le meme espace probabilise (, B, P), et suivant la loi uniforme discrète sur {1, 2, . . . , n}. On
considère a un entier de {1, 2, . . . , n}, et Y la variable aleatoire denie par :
, Y () =
X
1
() si X
2
() a
X
2
() si X
2
() > a.
1. Determiner la loi de Y (verier que lon obtient bien une loi de probabilite).
2. Calculer lesperance de Y et la comparer à lesperance de X
1
.
3. Pour quelles valeurs de a cette esperance est-elle maximale ?
Exercice 5 - Entropie dune variable aleatoire -
Soit X une variable aleatoire discrète prenant la valeur x
i
avec probabilite p
i
, pour i =
1, . . . , n. On denit lentropie de X par :
H(X) =
n
i=1
p
i
ln(p
i
).
1. Calculer H(X) si X est constante.
2. Calculer H(X) si X est equidistribuee.
3. Trouver la valeur maximale de H(X) pour X parcourant lensemble des variables aleatoires
discrètes prenant au plus n valeurs.
Variables discr
`
etes infinies
Exercice 6 - Une certaine variable aleatoire -
Soit p ]0, 1[. On dispose dune pièce amenant pile avec la probabilite p. On lance cette
pièce jusquà obtenir pour la deuxième fois pile. Soit X le nombre de face obtenus au cours
de cette experience.
1. Determiner la loi de X.
2. Montrer que X admet une esperance, et la calculer.
3. On procède à lexperience suivante : si X prend la valeur n, on place n + 1 boules nume-
rotees de 0 à n dans une urne, et on tire ensuite une boule de cette urne. On note alors Y
le numero obtenu. Determiner la loi de Y . Calculer lesperance de Y .
4. On pose Z = X Y . Donner la loi de Z et verier que Z et Y sont independantes.
Exercice 7 - Deux fois pile -
On joue à pile ou face avec une pièce non equilibree. A chaque lancer, la probabilite dobtenir
pile est 2/3, et donc celle dobtenir face est 1/3. Les lancers sont supposes independants, et on
note X la variable aleatoire reelle egale au nombre de lancers necessaires pour obtenir, pour la
première fois, deux piles consecutifs. Pour n 1, on note p
n
la probabilite P(X = n).
1. Expliciter les evenements (X = 2), (X = 3), (X = 4), et determiner la valeur de p
2
, p
3
,
p
4
.
Variables discr
`
etes finies - Exercices th
eoriques
A.BENHARI
eatoires discr
`
etes : enonce
2. Montrer que lon a p
n
=
2
9
p
n2
+
1
3
p
n1
., n 4.
3. En deduire lexpression de p
n
pour tout n.
4. Rappeler, pour q ] 1, 1[, lexpression de

+
n=0
nq
n
, et calculer alors E(X).
Exercice 8 - Loi de Pascal -
On lance une pièce de monnaie dont la probabilite de tomber sur pile vaut p. On note X la
variable aleatoire correspondant au nombre de lancers necessaire pour obtenir r fois pile. Quelle
est la loi de X ?
Exercice 9 - Rangee de spots -
Une rampe verticale de spots nommes de bas en haut S
1
, S
2
, S
3
, S
4
change detat de la
manière suivante :
à linstant t = 0, le spot S
1
est allume.
si, à linstant t = n, n 0, le spot S
1
est allume, alors un (et un seul) des spots
S
1
, S
2
, S
3
, S
4
sallume à linstant t = n + 1, et ceci de manière equiprobable.
si, à linstant t = n, n 0, le spot S
k
(2 k 4) est allume, le spot S
k1
sallume à
linstant t = n = 1.
On pourra remarquer quà chaque instant, un et un seul spot est allume. On note X la variable
aleatoire representant le premier instant (sil existe) o` u le spot S
2
sallume.
1. Calculer la probabilite pour que le spot S
1
reste constamment allume jusquà linstant n.
2. Calculer la probabilite des evenements (X = 1) et (X = 2).
3. Calculer la probabilite des evenements (X = n), pour n 3.
4. Determiner lesperance de X.
Exercice 10 - Une autre expression de lesperance -
1. Soit X une variable aleatoire à valeurs dans N.
(a) Montrer que, pour tout n N
, on a :
n
k=0
kP(X = k) =
n1
k=0
P(X > k) nP(X > n).
(b) On suppose que

+
k=0
P(X > k) converge. Demontrer que X admet une esperance.
(c) Reciproquement, on suppose que X admet une esperance. Demontrer alors que
nP(X > n)
n
tend vers 0, puis que la serie

+
k=0
P(X > k) converge, et enn
que
E(X) =
+
k=0
P(X > k).
2. Application : on dispose dune urne contenant N boules indiscernables au toucher nume-
rotees de 1 à N. On eectue, à partir de cette urne, n tirages successifs dune boule, avec
remise, et on note X le plus grand nombre obtenu.
(a) Que vaut P(X k) ? En deduire la loi de X.
(b) A laide des questions precedentes, donner la valeur de E(X).
A.BENHARI
eatoires discr
`
etes : enonce
(c) A laide dune somme de Riemann, demontrer que la suite
1
N
N1
k=0
k
N
N
admet
une limite (lorsque N tend vers +) que lon determinera.
(d) En deduire que lim
N+
E(X)
N
=
n
n+1
.
A.BENHARI
Exercices - Variables alatoires discrtes : corrig
Variables discrtes finies - Exercices pratiques
Exercice 1 - Loi dun d truqu -
1. X prend ses valeurs dans {1, . . . , 6}. Par hypothse, il existe un rel a tel que P(X = k) =
ka. Maintenant, puisque P
X
est une loi de probabilit, on a :
6
k=1
P(X = k) = 1 a
6 7
2
= 1 = a = 1/21.
On a donc :
k 1 2 3 4 5 6
P(X = k)
1
21
2
21
3
21
4
21
5
21
6
21
On vrie aisment en appliquant la formule que E(X) =
13
3
.
2. On a Y = k X = 1/k. Y prend donc ses valeurs dans {1, 1/2, 1/3, 1/4, 1/5, 1/6}, et
la loi est donne par :
k 1/1 1/2 1/3 1/4 1/5 1/6
P(Y = k)
1
21
2
21
3
21
4
21
5
21
6
21
Le calcul de lesprance nest pas plus dicile, et donne :
E(Y ) =
2
7
.
Attention lerreur suivante : ce nest pas parce que Y = 1/X que E(Y ) = 1/E(X)!!!.
Exercice 2 - Garagiste -
1. Z est lment de {0, 1, 2}. On a :
P(Z = 2) =
4
5

4
5
=
16
25
(les deux voitures sont disponibles). Dautre part,
P(Z = 0) =
1
5

1
5
=
1
25
(les deux voitures sont simultanment indisponibles). Enn, on obtient :
P(Z = 1) = 1 P(Z = 0) P(Z = 1) =
8
25
.
2. Remarquons que Y est valeurs dans {0, 1, 2}. On calcule sa loi en utilisant la formule
des probabilits totales. Lvnement Y = 0 se produit si X = 0 ou bien si X 1 et
Z = 0. Ces deux vnements tant disjoints, on a :
P(Y = 0) = P(X = 0) +P(X 1 Z = 0) = P(X = 0) +P(X 1)P(Z = 0)
A.BENHARI
(la disponibilit des voitures tant suppose indpendante de larrive des clients). Do :
P(Y = 0) = 0, 1 + 0, 9
_
1
5
_
2
= 0, 136.
De mme, lvnement Y = 1 se produit si X = 1 et Z 1 ou bien si X 2 et Z = 1.
On en dduit :
P(Y = 1) = P(X = 1)P(Z 1) +P(X = 2)P(Z = 1) = 0, 48.
Enn, lvnement Y = 2 est ralis si X 2 et Z = 2. Ceci donne :
P(Y = 2) = P(X 2)P(Z = 2) = 0, 6
_
4
5
_
2
= 0, 384.
3. La marge brute vaut 300Y . La marge brute moyenne par jour est en euros :
E(300Y ) = 300(0 0, 136 + 1 0, 48 + 2 0, 384) = 374, 4.
Exercice 3 - Vaches laitires -
1. Y
n
ne prend que deux valeurs, 1/n et 1 + 1/n. On a en outre :
(Y
n
= 1/n) aucune vache nest malade
do P(Y
n
= 1/n) = 0, 85
n
. On en dduit - la loi de Y est une loi de probabilit -
P(Y = 1 + 1/n) = 1 (0, 85)
n
. Le calcul de lesprance donne :
E(Y
n
) =
0, 85
n
n
+
n + 1
n
(1 0, 85
n
) = 1 +
1
n
0, 85
n
.
2. f est drivable sur ]0, +[, et f
(x) =
1+ax
x
. f
(x) est donc du signe de 1 + ax, ce qui

permet de dire que f est croissante sur ]0, 1/a[, et dcroissante ensuite. La limite de f
en + est , il en est de mme en 0. En calculant les valeurs successives de f(n), on
a f(17) > 0, 07 et f(18) < 0, 03. 17 est donc la plus grande valeur entire pour laquelle
f(n) est positive. En outre, f(1) < 0 alors que f(2) > 0. Lensemble dentiers recherch
est donc {2, . . . , 17}.
3. On a :
E(Y
n
) < 1 1 +
1
n
0, 85
n
< 1
0, 85
n
>
1
n
nln(0, 85) > ln n.
Par suite, E(Y
n
) < 1 f(n) > 0. Ltude prcdente montre que les entiers n
pour lesquels f(n) > 0 est {2, . . . , 17}. On a intrt choisir la deuxime mthode si, et
seulement si, il y a de 2 17 vaches dans ltable !
A.BENHARI
Variables discrtes finies - Exercices thoriques
Exercice 4 - Maximiser lesprance -
1. On a Y () = {1, . . . , n}, et par indpendance des variables alatoires X
1
et X
2
:
si k a, P(Y = k) = P ((X
1
= k) (X
2
a)) =
1
n

a
n
.
si k > a, P(Y = k) = P ((X
1
= k) (X
2
a)) +P ((X
2
= k) (X
2
> a)) =
a
n
2
+
1
n
.
On a bien a
a
n
2
+ (n a)
_
a
n
2
+
1
n
_
= 1.
2. Le calcul de lesprance est facile :
E(Y ) =
a
k=1
k
a
n
2
+
n
k=a+1
k
a
n
2
+
n
k=a+1
k
n
=
a(n + 1)
2n
+
(a +n + 1)(n a)
2n
= E(X
1
) +
a
2n
(n a) E(X
1
).
3. On vrie que :
E(Y ) =
1
2n
_
5
4
n
2
+n (a n/2)
2
_
.
Ainsi, E(Y ) est maximale pour |a n/2| le plus petit possible :
si n est pair, cest pour a = n/2.
si n est impair, cest pour a = (n 1)/2 ou a = (n + 1)/2.
Exercice 5 - Entropie dune variable alatoire -
1. Si X est constante, on a p
i
= 1 pour un i et p
j
= 0 pour j = i. On en dduit que
H(X) = 1 ln(1) = 0.
2. Si X est quirpartie, on a p
i
= 1/n pour tout i. On en dduit
H(X) =
n
i=1
ln(1/n)
n
= ln(1/n) = ln(n).
3. Posons f(x) = xln(x). Cette fonction est concave, car sa drive seconde est f
(x) =
1
x
< 0. On a donc
1
n
f(p
1
) + +
1
n
f(p
n
) f
_
p
1
+ +p
n
n
_
f(1/n)
ce qui se traduit encore en
n
i=1
f(p
i
)
n
i=1
f(1/n) = ln n.
Ainsi, on a toujours H(X) ln n et cette valeur est atteinte quand X est quidistribue.
H(X) mesure le dsordre engendr par X. Lorsque X ne prend quune seule valeur, son
entropie est nulle (pas de dsordre). Lorsque la variable est quidistribue, le dsordre est
maximal et lentropie aussi.
A.BENHARI
Variables discrtes infinies
Exercice 6 - Une certaine variable alatoire -
1. Lvnement X = n correspond au droulement suivant : on a obtenu un et un seul pile
lors des n + 1 premiers tirages, et le n + 2-ime tirage donne un face. Il y a donc n + 1
choix pour le premier pile. Ceci choisi, lvnement lmentaire a une probabilit qui vaut
p
2
(1 p)
n
. On a donc :
P(X = n) = (n + 1)p
2
(1 p)
n
.
2. La srie dnisant E(X) est videmment convergente, et sa sommation est facile (si elle
vous semble dicile, il faut rviser comment faire, par exemple en utilisant les sries
entires). On trouve :
E(X) =
+
n=1
nP(X = n) =
2(1 p)
p
.
3. Si n 1 est x, et k {0, . . . , n}, on a clairement :
P(Y = k|X = n) =
1
n + 1
.
Par la formule des probabilits totales :
P(Y = k) =
n=0
P(Y = k|X = n)P(X = n)
=
n=k
(n + 1)p
2
(1 p)
n
1
n + 1
= p(1 p)
k
.
On reconnait que Y + 1 suit une loi gomtrique de paramtre p. On a donc :
E(Y ) =
1
p
1 =
1 p
p
.
Ceci peut bien sr se retrouver par un calcul direct.
4. On a :
(Z = h) =
j=0
[(Y = j) (X = h +j)] .
Cette runion tant disjointe, il vient :
P(Z = h) =
j=0
P(Y = j|X = h +j)P(X = h +j)
=
j=0
p
2
(1 p)
h+j
= p(1 p)
h
.
A.BENHARI
On a ensuite :
P[(Z = h), (Y = j)] = P(X = h +j, Y = j) = P(Y = j|X = h +j)P(X = h +j)
= p
2
(1 p)
h+j
.
Ceci est gal P[(Z = h), (Y = j)]. Les variables alatoires sont indpendantes.
Exercice 7 - Deux fois pile -
1. On note P
k
(resp. F
k
) lvnement on obtient pile (resp. face) au kime lancer. Lvne-
ment (X = 2) correspond :
(X = 2) = P
1
P
2
= p
1
=
_
2
3
_
2
.
De mme,
(X = 3) = F
1
P
2
P
3
= p
2
=
1
3
_
2
3
_
2
.
Pour (X = 4), cela se corse un peu !
(X = 4) = F
1
F
2
P
3
P
4
P
1
F
2
P
3
P
4
= p
4
=
4
27
.
2. On sinspire du calcul de p
4
: pour obtenir X = n, on peut :
ou bien avoir obtenu pile au 1er lancer (proba 2/3). Dans ce cas, on a forcment obtenu
face au second lancer (sinon X = 2), donc avec encore une probabilit de 2/3. Mainte-
nant, il reste n2 lancers, et le premier "double pile" doit arriver au bout du n2ime.
Ceci se produit avec une probabilit valant p
n2
.
ou bien avoir obtenu face au 1er lancer (proba 1/3). Il reste n1 lancers o il faut obtenir
le premier double pile au bout du n 1-ime, ce qui se produit avec une probabilit
valant p
n1
.
Daprs la formule des probabilits totales, on trouve :
p
n
=
2
9
p
n2
+
1
3
p
n1
.
3. On a une classique formule de rcurrence linaire dordre 2. Lquation caractristique
r
2
= r/3 + 2/9 a pour solution 2/3 et 1/3. On en dduit nalement :
p
n
=
_
2
3
_
n
+
_
1
3
_
n
.
On dtermine et en testant sur les premiers termes. On obtient :
p
n
=
_
2
3
_
n+1
+
4
3
_
1
3
_
n
.
4. Il est bien connu que pour tout q ] 1, 1[, on a :
+
n=0
nq
n
=
q
(1 q)
2
.
A.BENHARI
On en dduit :
E(X) =
+
n=1
np
n
=
17
4
.
Exercice 8 - Loi de Pascal -
Il est dabord clair que X prend ses valeurs dans {r, r + 1, . . . , }. Soit k r. Remarquons
que si X = k, alors le dernier lancer est un pile. Pour les lancers prcdents, on a obtenu r 1
fois pile, parmi k 1 lancers. Le nombre de tirages correspondant X = k est donc
_
k1
r1
_
. La
probabilit de chaque lancer est p
r
(1 p)
rk
. On en dduit que :
P(X = k) =
_
k 1
r 1
_
p
r
(1 p)
kr
.
Exercice 9 - Range de spots -
1. Si le spot reste constamment allum jusqu linstant n, cest quil y a eu la succession
dvnement A
k
: "le spot S
1
est clair linstant k". Par la formule des probabilits
composes, on trouve que :
P(A
1
A
n
) = P(A
n
|A
1
. . . A
n1
) . . . P(A
1
) =
1
4
n
.
2. Clairement( !), on a P(X = 1) = 1/4. Dautre part, (X = 2) est ralis, soit si le spot S
1
reste allum linstant 1 et le spot S
2
sallume linstant 2, soit si le spot S
3
sallume
linstant 1 (et S
2
sallumera automatiquement linstant 2). Ces deux cas sont disjoints,
donc :
P(X = 2) =
1
4

1
4
+
1
4
=
5
16
.
3. Soit n 3. S
3
sallume pour la premire fois linstant n si et seulement si :
Soit S
1
reste allum jusqu linstant n 1, et S
2
sallume linstant n.
Soit S
1
3
sallume linstant n 1.
Soit S
1
4
sallume linstant n 2.
Ces cas tant disjoints, on obtient :
n 3, P(X = n) =
1
4
n1
1
4
+
1
4
n2
1
4
+
1
4
n3
1
4
=
21
4
n
.
4. La convergence de la srie tant vidente, on obtient :
E(X) =
n=1
nP(X = n)
=
1
4
+
5
8
+ 21
+
n=3
n
4
n
.
La somme de la srie se calcule en utilisant

x0
x
n
= 1/(1x) pour |x| < 1, en drivant
cette galit, et en faisant x = 1/4. On obtient nalement :
E(X) =
7
3
.
A.BENHARI
Exercice 10 - Une autre expression de lesprance -
1. (a) Pour n 1, on peut crire :
n
k=0
kP(X = k) =
n
k=1
k (P(X > k 1) P(X > k))
=
n1
k=1
(k + 1 k)P(X > k) nP(X > n) +P(X > 0)
=
n1
k=0
P(X > k) nP(X > n).
(b) On a, pour tout entier n,
n
k=0
kP(X = k)
+
k=0
P(X > k).
La suite des sommes partielles dune srie termes positifs est majore. Cest que la
srie converge.
(c) Si X admet une esprance, la srie

kP(X = k) converge. Mais :
0 nP(X > n) = n
k=n+1
P(X = k)
k=n+1
kP(X = k).
Ce dernier terme tend vers 0, lorsque n tend vers linni, comme reste dune srie
convergente. Donc :
E(X) =
+
k=0
P(X > k).
(d) On utilise le mme type dargument :
n
k=0
k
2
P(X = k) =
n
k=0
k
2
(P(X > k 1) P(X > k))
=
n1
k=0
(2k + 1)P(X > k) n
2
P(X > n).
Si X admet une variance, X admet un moment dordre 2, et la srie

k
2
P(X = k)
converge. Mais :
0 n
2
P(X > n) = n
2

k=n+1
P(X = k)
k=n+1
k
2
P(X = k).
Ce dernier terme tend vers 0 lorsque n tend vers linni, et donc :
E(X
2
) =
+
k=0
(2k + 1)P(X > k).
A.BENHARI
2. (a) On a X k si et seulement si les n preuves ont amen un rsultat infrieur ou gal
k, et on a donc :
P(X k) =
_
k
N
_
n
= P(X > k) = 1
_
k
N
_
n
.
Quant la loi de X, on trouve, pour 1 k N :
P(X = k) = P(X k) P(X k 1) =
k
n
(k 1)
n
N
n
.
(b) Par la question prcdente :
E(X) = N
N1
k=0
_
k
N
_
n
.
(c) On reconnait ici une somme de Riemann de la fonction x x
n
, continue sur [0, 1].
On a donc, pour N qui tend vers linni :
1
N
N1
k=0
_
k
N
_
n
_
1
0
x
n
dx =
1
n + 1
.
(d) On a :
E(X)
N
= 1
1
N
N1
k=0
_
k
N
_
n
1
n
n + 1
=
n
n + 1
.
A.BENHARI
Exercices - Vecteurs al
eatoires - lois marginales... :

enonce
Exercice 1 - Guichet de poste -
Dans un bureau de poste, il y a deux guichets. Chacune des personnes arrivant à la poste
choisit le premier guichet avec une probabilite p, ou le deuxième guichet avec une probabilite
q = 1 p. Les personnes eectuent leur choix de facon independante. En une heure, le nombre
X de personnes arrives à la poste suit une loi de Poisson P(m). On designe par Y le nombre
de personnes ayant choisi le premier guichet.
1. Exprimer la probabilite conditionnelle de Y = k sachant que X = n.
2. En deduire la loi conjointe du couple (X, Y ).
3. Determiner la loi de Y . On trouvera que Y suit une loi de Poisson de paramètre mp.
Exercice 2 - Des boules dans des botes -
On a n botes numerotees de 1 à n. La bote k contient k boules numerotees de 1 à k. On
choisit au hasard une bote, puis une boule dans la bote. Soit X le numero de la bote, et Y le
numero de la boule.
1. Determiner la loi du couple (X, Y ).
2. Determiner la loi de Y et son esperance.
3. Les variables aleatoires X et Y sont-elles independantes ?
4. Calculer P(X = Y ).
Exercice 3 - Couple geometrique -
Soient X et Y deux variables aleatoires à valeurs dans N
, telles que :
P
(X = i) (Y = j)
=
a
2
i+j
,
pour tous i, j de N
.
1. Calculer a.
2. Determiner les lois marginales de X et Y .
3. X et Y sont-elles independantes ?
Exercice 4 - Tir à larc -
Theo fait du tir à larc sur une cible circulaire de rayon 1. On suppose que Theo est suf-
samment maladroit pour que le point dimpact M de coordonnees (X, Y ) soit uniformement
distribue sur la cible. On note D = {(x, y) R
2
; x
2
+ y
2
1}.
1. Quelle est la densite du couple (X, Y ) ?
2. Determiner les lois marginales de X et de Y .
3. Les variables aleatoires Xet Y sont-elles independanes ?
Exercice 5 - Triangle -
Soit T linterieur dun triangle du plan delimite par les points O(0, 0), I(1, 0) et J(0, 1) et
soit (X, Y ) un couple de variables aleatoires de loi uniforme sur le triangle T.
1. Donner la densite du couple (X, Y ).
2. Calculer les lois marginales de X et de Y .
3. Les variables aleatoires X et Y sont-elles independantes ?
A.BENHARI
Exercices - Vecteurs al
eatoires - lois marginales... :

enonce
4. Calculer la covariance du couple (X, Y ). Quen pensez-vous ?
Exercice 6 - Vecteurs aleatoires et matrices -
On considère un espace probabilise (, B, P) et deux variables aleatoires X et Y denies sur
et à valeurs dans {1, . . . , n + 1}, o` u n est un entier naturel superieur ou egal à 2. On pose,
pour tout couple (i, j) {1, . . . , n + 1}
2
a
i,j
= P(X = i, Y = j).
On suppose que :
a
i,j
=
1
2n
si |i + j (n + 2)| = 1
0 sinon.
1. Verier que la famille (a
i,j
) ainsi denie est bien une loi de probabilite de couple.
2. Ecrire la matrice A M
n+1
(R) dont le terme general est a
i,j
. Verier que A est diago-
nalisable.
3. Determiner les lois de probabilite de X et Y .
4. Pour tout couple (i, j) {1, . . . , n + 1}
2
, on pose :
b
i,j
= P(X = i|Y = j).
Determiner la matrice B M
n+1
(R) dont le terme general est b
i,j
. Montrer que le vecteur
v =
P(X = 1)
.
.
.
P(X = n + 1)
est vecteur propre de B.

A.BENHARI
Exercices - Vecteurs alatoires - lois marginales... : corrig
Exercice 1 - Guichet de poste -
1. Pour chaque personne, le choix du premier guichet se fait avec une probabilit p. Les
choix sont indpendants les uns des autres, et Y = k|X = n compte le nombre de "succs"
lorsquon ralise n fois lpreuve. On reconnait le schma thorique dune variable alatoire
de loi binomiale. On a donc :
P(Y = k|X = n) =
_
C
k
n
p
k
q
nk
si 0 k n
0 si k > n
2. On a :
P(Y = k, X = n) = P(X = n)P(Y = k|X = n)
=
_
e
mm
n
n!
C
k
n
p
k
q
nk
si n
0 sinon.
3. Il faut raliser la sommation ! On a, tenant compte du fait que les premiers termes sont
nuls :
P(Y = k) =
+
n=k
P(Y = k, X = n)
= e
m
_
p
q
_
k
1
k!
+
n=k
(mq)
n
(n k)!
= e
m
_
p
q
_
k
1
k!
(mq)
k
+
n=k
(mq)
nk
(n k)!
= e
m
_
p
q
_
k
1
k!
(mq)
k
+
n=0
(mq)
n
(n)!
= e
m
_
p
q
_
k
1
k!
(mq)
k
e
mq
= e
mp
(mp)
k
k!
.
Exercice 2 - Des boules dans des botes -
1. Remarquons dabord que (X, Y ) prend ses valeurs dans {1, . . . , n}
2
. En outre :
P
_
(X = i) (Y = j)
_
= P(X = i)P(Y = j|X = i).
On a donc :
P
_
(X = i) (Y = j)
_
=
_
0 si i < j
1
n

1
i
si i j.
2. Y est une loi marginale du couple (X, Y ). On a donc :
P(Y = j) =
n
i=1
P
_
(X = i) (Y = j)
_
.
A.BENHARI
On en dduit :
P(Y = j) =
1
n
n
i=j
1
i
.
Le calcul de lesprance donne :
E(Y ) =
n
j=1
jP(Y = j) =
1
n
n
j=1
n
i=j
j
i
.
On permute les sommes. En cas de dicults, il est conseill de reprsenter les sommes
sous forme dun tableau (triangulaire). On obtient :
E(Y ) =
1
n
n
i=1
i
j=1
j
i
=
1
n
n
i=1
1
i

i(i + 1)
2
=
1
2n
n
i=1
(i + 1)
=
n + 3
4
.
3. Il est facile de vrier que P(Y = 2) = 0, et bien sr on a P(X = 1) =
1
n
= 0. On en
dduit que
P(X = 1)P(Y = 2) = 0.
Or, on a prouv que P
_
(X = 1), (Y = 2)
_
= 0. Les variables alatoires ne sont pas
indpendantes.
4. Lvnement (X = Y ) est ralis si, et seulement si, X et Y prennent les mmes valeurs.
On a donc :
P(X = Y ) =
n
i=1
P
_
(X = i), (Y = i)
_
=
1
n
n
i=1
1
i
.
Exercice 3 - Couple gomtrique
1. Il est dabord ncessaire que a 0. On a ensuite :
i,j1
a
2
i+j
= 1
+
i=1
a
2
i
= 1 a = 1.
2. Pour i N
, on a :
P(X = i) =
+
j=1
P
_
(X = i) (Y = j)
_
=
+
j=1
1
2
i+j
=
1
2
i
=
1
2
1
2
i1
.
X suit donc une loi gomtrique de paramtre 1/2. Par raison de symtrie, il en est de
mme pour Y .
A.BENHARI
3. On a :
P(X = i) P(Y = j) =
1
2
i+j
= P
_
(X = i) (Y = j)
_
.
Les variables alatoires sont indpendantes.
Exercice 4 - Tir larc -
1. Daprs lnonc, on a
p
(X,Y )
(x, y) =
1
1
D
(x, y)
la constante 1/ permettant de normaliser cette densit (son intgrale vaut 1).
2. On applique la formule du cours :
p
X
(x) =
_
R
p
(X,Y )
(x, y)dy =
2
_
1 x
2
1
]1,1[
(x).
Par symtrie du rle jou par X et Y , on a aussi
p
Y
(x) =
_
R
p
(X,Y )
(x, y)dx =
2
_
1 y
2
1
]1,1[
(y).
3. Soit I = J = [3/4, 1]. Il est clair que P(X I) > 0 et que P(Y J) > 0. Dautre part,
puisque (3/4)
2
+ (3/4)
2
> 1, on a aussi
P(X I, Y J) = 0.
Ainsi,
P(X I, Y J) = P(X I)P(X J)
et donc les variables alatoires X et Y ne sont pas indpendantes.
Exercice 5 - Triangle -
1. Puisque (X, Y ) suit une loi uniforme sur le triangle T dont laire est 1/2, la densit du
couple (X, Y ) est donne par
p
(X,Y )
(x, y) = 21
T
(x, y).
2. On trouve la densit marginale en appliquant la formule du cours (par intgration). Re-
marquons que X est valeurs dans [0, 1], et donc que p
X
(x) = 0 si x / [0, 1]. Si x [0, 1],
on en dduit
p
X
(x) =
_
+
p
X,Y
(x, y)dy
=
_
1x
0
2dy
= 2(1 x).
On en dduit donc que
p
X
(x) = 2(1 x)1
[0,1]
(x).
Par symtrie, la densit de Y , p
Y
, est gale celle de X, p
X
.
A.BENHARI
3. Soit I = J = [1/2, +[. Il est clair que P(X I) > 0 et P(Y J) > 0. Dautre part,
lensemble {(x, y) R
2
; x > 1/2 et y > 1/2} est disjoint de T, et donc
P(X I, Y J) = 0 = P(X I)P(Y J).
Les deux variables alatoires ne sont pas indpendantes.
4. On a dune part
E(X) = E(Y ) =
_
R
xp
X
(x)dx =
_
1
0
2x(1 x)dx =
1
3
.
Dautre part,
E(XY ) =
_
R
2
xyp
(X,Y )
(x, y)dxdy
= 2
_
1
x=0
_
1x
y=0
xydxdy
=
_
1
x=0
x(1 x)
2
dx
=
1
12
.
On en dduit que
Cov(X, Y ) = E(XY ) E(X)E(Y ) =
1
12

1
9
=
1
36
= 0.
La covariance est non-nulle, on retrouve donc le rsultat de la question prcdente nous
disant que les variables alatoires ne sont pas indpendantes.
Exercice 6 - Vecteurs alatoires et matrices -
1. Tous les scalaires a
i,j
sont positifs ou nuls. Comptons le nombre de a
i,j
non nuls. Ce sont
les termes pour lesquels :
soit i + j = n + 3, avec 1 i, j n + 1, soit les couples de la forme (i, n + 3 i) avec
1 i, n + 3 i n + 1 qui donne 2 i n + 1. Il y a donc n tels termes.
soit i + j = n + 1, avec 1 i, j n + 1, soit les couples de la forme (i, n + 1 i) avec
1 i, n + 1 i n + 1 qui donne 1 i n. Il y a encore n tels termes.
Au total, il y a 2n termes, et comme chacun vaut 1/2n, la somme fait bien 1.
2. La matrice de A a la forme :
_
_
_
_
_
_
_
_
_
_
_
_
0 . . . . . . . . . 1/2n 0
0 . . . . . . 1/2n 0 1/2n
.
.
.
.
.
.
.
.
.
.
.
.
0
.
.
.
.
.
.
.
.
.
1/2n
.
.
.
.
.
.
.
.
.
0 1/2n 0 . . . 0
_
_
_
_
_
_
_
_
_
_
_
_
.
Elle est symtrique relle, donc diagonalisable.
A.BENHARI
3. La loi de X est donne par P(X = i) =
n+1
j=1
P(X = i, Y = j) =
n+1
j=1
a
i,j
. On trouve :
P(X = 1) = P(X = n + 1) = 1/2n.
P(X = i) = 1/n si 2 i n.
Matriciellement, cela signie quon a fait la somme sur chaque ligne de A. Par symtrie,Y
suit la mme loi que X.
4. On a, pour tout 1 i, j n + 1,
b
i,j
=
a
i,j
P(Y = j)
.
b
1,j
= 0 si et seulement si j = n, et dans ce cas b
1,n
= 1/2.
b
n+1,j
= 0 si et seulement si j = 2, et dans ce cas b
n+1,2
= 1/2.
pour 2 i n, b
i,j
= 0 si et seulement si j = n + 3 i ou j = n + 1 i. Donc :
_
b
2,n+1
= 1 b
i,n+3i
= 1/2
b
n,1
= 1 b
i,n+1i
= 1/2.
On vrie alors aisment que v est vecteur propre pour la valeur propre 1.
A.BENHARI
Biostatistique
-------------------------------------------------------------------------------------------------------------
Exercice 1
On a dos une enzyme chez 200 sujets normaux avec les rsultats suivants (les dosages
sont exprims en units internationales : UI)

Classe Effectif
[4, 6[ 10
[6, 8[ 80
[8, 10[ 50
[10, 12[ 40
[12, 14[ 20
On sait par ailleurs que la moyenne est de 8.79 UI, la mdiane de 8.61 UI et lcart-type
de 8.61 UI.
1. Tracez lhistogramme de la distribution. Quelle est la classe modale ? A quelle
classe appartient la mdiane, la moyenne ?
2. On dissocie la classe [6, 8[ en 2 classes: une classe [6, 7[ deffectif 40, et une
classe [7, 8[ deffectif 40. Tracez lhistogramme de la nouvelle distribution.
Quelle est la classe modale ?
3. Commentez les rsultats des deux premires questions.

Corrig Exercice 1
1. la classe modale est la classe [6, 8[
0
0,025
0,05
0,1
0,125
0,15
0,20
[4, 6[ [6, 8[ [8, 10[ [10, 12[ [12, 14[

La mdiane et la moyenne appartiennent la classe [8, 10[. La distribution est nettement
asymtrique.
A.BENHARI
2. la classe modale est la classe [8, 10[
[4, 6[ [6, 7[ [8, 10[ [10, 12[ [12, 14[ [7, 8[
0
0,025
0,05
0,1
0,125
0,15
0,20

3. Lhistogramme correctement ralis ne laisse pas apparatre de changement dans lallure
de la distribution.
Exercice 2
Soit une famille de 6 enfants. On considre que la probabilit de naissance dun garon = celle
dune fille = 0,5.

1. La probabilit quil y ait 6 filles vaut (0,5)6
2. La probabilit quil y ait 3 filles est plus grande que la probabilit quil y ait 2 filles
3. La probabilit quil y ait 1 garon est plus grande que la probabilit quil y ait 5 filles
4. La probabilit quil y ait au moins une fille est plus grande que la probabilit quil y ait
1 seule fille.
5. Lvnement le plus probable est la naissance de 3 enfants du mme sexe.
Corrig Exercice 2
La probabilit de naissance d'une fille en premier enfant = 0,5
La probabilit de la 2me = 0,5 en considrant que les vnements sont indpendants entre
eux (la probabilit du suivant ne dpend pas du sexe du prcdent)
Donc pour avoir 6 filles : (0,5)
6

Pour 3 filles , il faut 3 filles et 3 garons: donc (0,5)
3
+ (0,5)
3
. Mais je peux avoir # ordres
d'apparition: ex : FFFGGG ou FFGFGG ou FGFFGG, etc. Il s'agit donc de multiplier
par le nombre de combinaisons de 3 parmi 6 ce qui est donn par C
n
k
(Dans le cas de 6
filles, il n'y avait qu'une seule possibilit)
On retrouve finalement l'expression de la loi binomiale que l'on aurait pu appliquer depuis le
dbut (La variable "naissance d'une fille" est une variable de type Bernouilli. La
rptition de cette preuve suit donc une loi binomiale) :
C
n
k
p
k
q
(n-k)
avec p= probabilit de naissance d'une fille=0,5=q et n=6, k= variant de 0 6

A.BENHARI
Biostatistique
-------------------------------------------------------------------------------------------------------------
Exercice 3
On dispose des rsultats suivants pour ltude dun test pour le dpistage du cancer du
colon :
a) Il y a 1% de personnes atteintes de cancer du colon dans la population dpister ;
b) pour un sujet cancreux, le test est positif dans 90% des cas ;
c) pour un sujet non cancreux, le test est positif dans 35 % des cas ;
1. Quelles sont la spcificit et la sensibilit du test tudi ?
2. a) Calculer la probabilit quun sujet ne soit pas atteint de cancer du colon si le
rsultat du test est ngatif ? (et comment appelle-t-on cette probabilit ?)
b) Calculer la probabilit quun sujet soit atteint de cancer du colon si le rsultat
du test est positif ? (et comment appelle-t-on cette probabilit ?)
3. Que pensez-vous de lutilisation de ce test pour le dpistage ? (qui conduit
lattitude suivante : on arrte les investigations chez les sujets ngatifs pour le test,
alors que les sujets positifs sont explors par une coloscopie totale pour confirmer
ou non le diagnostic de cancer du colon). Argumentez votre rponse.
Corrig Exercice 3
1. Sensibilit = 0.90
Spcificit = 0.65
2. p
(cancer-/test-)
= VPN = 0.998
p
(cancer+/test+)
= VPP = 0.025
3. La VPN est bonne : il y aura trs peu de vrais cancreux (2 p 1000) parmi les sujets dont
lexploration sarrtera. En revanche, seulement 2,5 % des sujets pour lequel le test est
positif sont vraiment cancreux. On ralisera donc une coloscopie chez 35 % des sujets
avec une chance de trouver un cancer, chez ceux-ci, de 2,5 %. Ce nest pas raisonnable.

Exercice 4
Vous devez prendre en charge un homme de 70 ans, qui a eu un cathtrisme cardiaque
il y a 8 jours, et chez qui la diurse vient brusquement de diminuer fortement. Il raconte quil
a pris, au cours des dernires 48 heures, un mdicament anti-inflammatoire non strodien,
prescrit par son mdecin en raison de douleurs mcaniques du genou droit. Il vous apparat
rapidement que ce patient a une insuffisance rnale aigu, et vous cherchez en faire le
diagnostic tiologique (trouver la cause). Vos deux hypothses diagnostiques principales sont:
la ncrose tubulaire aigu ( laquelle vous donnez a priori une probabilit de 90 %), et
lembolie athromateuse (probabilit a priori de 10 %). Lexamen clinique du patient vous
apporte les renseignement suivants:
A.BENHARI
- il a une hypertension artrielle
- il a un livedo reticularis (signe cutan dorigine vasculaire).
Dautre part, vos connaissances de la sensibilit et de la spcificit de ces deux signes
cliniques dans le contexte de linsuffisance rnale aigu, sont les suivantes:

pour la ncrose tubulaire aigu pour lembolie athromateuse
sensibilit spcificit sensibilit spcificit
Hypertension artrielle 0.05 0.40 0.90 0.70
Livedo reticularis 0.08 0.25 0.60 0.90
1. Quelle est, la suite de lexamen clinique, votre hypothse diagnostique
privilgie ? Justifiez votre rponse ( laide de calculs).
2. Que faites vous maintenant ?
a) vous tes assez sr de vous et vous arrtez la dmarche diagnostique, ou
b) vous prescrivez un examen complmentaire X (ne donnez pas son nom)
possdant certaines caractristiques (que vous devez prciser).
Justifiez votre rponse.

Corrig Exercice 4
1. Au dpart (avant lexamen clinique):
p(NTA +) = 0.90
p(EA+) = 0.10
a) Sachant le patient hypertendu (HTA +), le calcul des valeurs prdictives positives
donne les rsultats suivants:
p (NTA+/HTA+) = 0.43
p (EA+/HTA+) = 0.25
b) Sachant le patient prsentant un livedo reticularis (LR +), le calcul des valeurs
prdictives positives donne les rsultats suivants (il faut maintenant prendre comme
probabilits de dpart, les probabilits donnes dans le paragraphe ci-dessus) :
p (NTA+/LR+) = 0.07
p (EA+/LR+) = 0.67
Lembolie athromateuse a maintenant une probabilit de 0.67 (contre 0.07 la ncrose
tubulaire) : cest maintenant lhypothse diagnostique privilgie.
2. 0.67 est une probabilit insuffisante pour arrter la procdure diagnostique. Il serait
bon de chercher confirmer le diagnostic dembolie athromateuse par la prescription
dun examen complmentaire spcifique (dembolie athromateuse).

A.BENHARI
Biostatistique
-------------------------------------------------------------------------------------------------------------
Exercice 5
Soit la variable alatoire X dont les valeurs x
i
= {1, 2, 4, 8, 16} ont pour probabilit
p (X= x
i
)= p
i
= k / x
i
.

1. Dterminer la loi de distribution des probabilits de X.
2. Calculer lesprance, la variance, et lcart-type de la variable X.

Corrig Exercice 5
Pour que P(X=X
i
) soit une distribution de probabilits il faut que :

P
i
= k/x
i
= k/1 + k/2 + k/4 + k/8 + k/16 = 1 = 31 k/16

donc : k = 16/31

La loi de distribution de X est donc gale

X 1 2 4 8 16

P (X
i
)
16
31
8
31
4
31
2
31
1
31

Esprance et variance

Esprance E(X) = x = Pixi = 2,58

Variance
2
x
=
i
p
i
(x
i
-
2
)

=
i
(p
i
x
i
2
)

- [E(X)]
2
= 9,34

Ecart-type
x
= racine (
2
) = 3,056
A.BENHARI
Exercice 6
X tant une variable alatoire normale centre rduite, indiquer les probabilits
suivantes :
(1) p[-2 < X < 2]
(2) p[X >3,9]
(3) p[X >1]
(4) p[-1 < X < 2]
(5) X tant une variable normale (moyenne 10 ;cart-type 5), calculer: p[5 < X < 20]

Corrig Exercice 6
(1) 0,950
(2) (0,0001)/2
(3) 0,16
(4) 0,815
(5)

P(
5 10
5
p
x 10
5
p
20 10
5
)

P(1 p Y p 2) = 0.815
Exercice 7
On tire un chantillon de 100 bbs dune population ou la valeur vraie du taux de prmaturs
est de 8%. Quelle est la probabilit pour que le pourcentage observ de prmaturs soit:
(1) compris entre 4 % et 12 % ? Extrieur cet intervalle ?
(2) infrieur 4 % ? Suprieur 12 % ?
(3) Suprieur 14 % ?
(4) compris entre 12 % et 14 % ?
(5) compris entre 4 % et 14 % ? Les conditions dapplication du calcul sont-elles vrifies ?
(6) Pour ces 100 naissances :
Quel est lintervalle, symtrique autour de 8 %, tel que:
le taux de prmaturs observ ait 5 chances sur 100 dtre lextrieur ?
le taux de prmaturs observ ait 10 chances sur 100 dtre lextrieur ?
A.BENHARI
Biostatistique
-------------------------------------------------------------------------------------------------------------
Corrig Exercice 7
(1) u=0,04 {Racine ( 0,08 0,92) 100} = 1,47
Proba ( 0,04<p < 0,12) = 0,86
Proba ( p> 0,04 ou p < 0,12) = 0,14
(2) 0,07 et 0,07
(3) u=0,06 {Racine ( 0,08 0,92) 100} = 2,21
La probabilit correspondant une valeur de u de 2, 21 est : 0.02 (cf table)
Proba ( p>0.14)= 0.02 2= 0.01
(4) Probabilit d'tre suprieur 12%: 0.07 ; probabilit d'tre suprieur 14%: 0.02. Donc, la
probabilit d'tre entre les 2 est la diffrence de ces 2 probabilits: soit 0.05 (aux arrondis
prs)
(5) mme type de calcul: 0,92 (aux arrondis prs)
BORNES: Exemple sur la question (1)
np= 0.04 100 = 4 sur la borne infrieure. La valeur de np = 12 sur la borne suprieure.
Valeur suprieure 5: les conditions d'application du test ne sont pas tout fait respectes. En
toute logique, il faudrait donc employer les probabilits exactes donnes par la loi binomiale.,
(6) IC 95 % : [0,03; 0,13]
IC 90 % : [0,035; 0,125]
Exercice 8
On dispose dun frottis sanguin. On compte 100 leucocytes sur lesquelles on observe 45
polynuclaires.
a) Quel est lintervalle de confiance au risque 5 % du pourcentage polynuclaires chez le sujet
do provient le frottis ?
b) On dispose dun autre frottis sur lequel on compte 150 leucocytes dont 90 polynuclaires.
Donnez lintervalle de confiance au risque 5%. Compltez le graphique ci-dessous en
reprsentant les deux intervalles calculs: se recouvrent-ils ?
Est-il raisonnable de penser que les deux frottis proviennent du mme prlvement ?

A.BENHARI
Corrig Exercice 8
(1)
0, 45 1, 96
0, 45X0, 55
100
= 0, 45 0,10 = (0, 35;0, 55)
Validit 0,35 100 = 35 > 5
(2)
0, 60 1, 96
0, 60 X0, 40
160
= 0, 60 0, 08 = (0, 68; 0, 52)
Validit 0,32X150 = 48 > 5
0,55
0,35
0,52 0,68

(3)
p = == = 0, 54
u= == =
0,6 0,45
0,54X0,46(1/100+ ++ +1/ 150)
= == =2,34

Rejet de H
O
avec un degr de signification p < 0,02
Exercice 9
Il y deux hpitaux dans la ville de P-le-Petit. Dans le plus grand des 2 hpitaux, accouchent
en moyenne 45 femmes par semaine. Dans le second, 15 accouchent chaque semaine. La
probabilit pour qu'un bb soit un garon est de 0.52 et la probabilit de grossesse multiple
(jumeaux, tripls, etc.) est de 0.012. Pour une semaine choisie au hasard, quel hpital a le plus
de chance:
(a) de procder l' accouchement d'une femme ayant une grossesse multiple ?
(b) d'observer plus de 60% de bbs de sexe masculin?

Corrig Exercice 9
(a) L'hpital o il y a le plus de naissance
(b) L'hpital o les fluctuations d'chantillonnage sont les plus grandes (le + petit)

A.BENHARI
Biostatistique
-------------------------------------------------------------------------------------------------------------
Exercice 10
En 25 ans la taille moyenne des hommes adultes est passe de 175,8 cm 179,1 cm,
alors que lcart type est rest le mme, gal 5,84 cm. La taille minimale pour rentrer dans la
police est de 172 cm. Quelle proportion dhommes taient trop petits pour rentrer dans la
police il y a 25 ans et aujourdhui ? (on supposera que la distribution de la taille des hommes
suit une loi normale).

Corrig Exercice 10
Il y a 25 ans, la taille minimum (172 cm) correspondait (172 175,8)/5,84 = 0,65
dviations standard. Daprs la table de la loi normale, la proportion de sujets plus petits que
le seuil correspondait 0,258.
Aujourdhui, la taille minimum (172 cm) correspond (172 179,1)/5,84 = 1,22 dviations
standard.
Daprs la table de la loi normale, la proportion de sujets plus petits que le seuil correspond
0,111. Cette proportion a plus que diminu de moiti.

Exercice 11
Une maladie gntique autosomale rcessive est prsente chez 1/2000 enfants ns
vivants. Si les 2 parents sont htrozygotes pour la maladie, il y a une chance sur 4 pour que
leur enfant ait la maladie
1. Quel est la probabilit poir un couple dhtrozygotes davoir 2 enfants sains ?
2. Un couple a 4 enfants sains. Quel est la probabilit que le 5
me
soit sain ?

Corrig Exercice 11
1. La probabilit de chaque enfant est de 0.75. Les deux vnements sont indpendants : le
rsultat cherch est donc le produit des 2 vnements lmentaires : 0,75
2
, oit 0,56

2. 0,75. Les vnements sont indpendants. Les quatre grossesses prcdentes ninfluencent
pas le rsultat de la dernire.
A.BENHARI
Exercice 12
On sintresse la dure de gestation chez la femme et aux facteurs pouvant linfluencer. La
dure de gestation conventionnelle (dg) est compte depuis le premier jour des dernires
rgles (que lon suppose parfaitement connu) jusqu laccouchement. Dans la population
tudie elle vaut en moyenne 280 jours (40 semaines); les enfants sont dits prmaturs au-
dessous de 259 jours et post- matures au- dessus de 294 jours.

La dure de gestation vraie (dgo) commence bien entendu la fcondation.
Pourquoi la dure de gestation dg varie -t- elle dune femme lautre ?
En est-il de mme de dgo ?
Une dg infrieure 280 est-elle normale ou pathologique ?
Lest-elle seulement au-dessous de 259 ?
Sur quelles bases pensez-vous quon a tabli ces limites 259 et 294 ?

Corrig Exercice 12

Les dures de gestations varient parce que ce sont des variables biologiques. Citer quelques
sources de variations

La dfinition du normal et du pathologique sur une variable continue est arbitraire.

Le seuil est habituellement tabli sur une autre variable : ici, au dessus ou en dessous dune
certaine dure de gestation, le risque pour lenfant devient inacceptable (on peut discuter
ce que veut dire inacceptable).

A.BENHARI
Biostatistique
-------------------------------------------------------------------------------------------------------------

Exercice 13
Pour valuer la valeur diagnostique du dosage de la transferrine dans les hpatites
alcooliques, 2 groupes de sujets ont t tudis.
Dans un premier chantillon de 15 sujets normaux, indemnes de toute lsion hpatique,
les dosages ont donn les rsultats suivants:
moyenne = 1,9 g/L cart-type = 0,2 g/L.
Dans un deuxime chantillon de 14 malades ayant une hpatite alcoolique, les dosages
ont donn les rsultats suivants:
moyenne = 1,3 g/L cart-type = 0,2 g/L.
On supposera que la distribution de la transferrine est normale dans les deux groupes.
1. Lhpatite alcoolique entrane-t-elle une modification de la valeur de la
transferrine ?
2. On dcide que le test transferrine est positif (indique une hpatite alcoolique)
quand la valeur dose est infrieure 1,5 g/L. Quelle est la sensibilit de ce test ?
sa spcificit ?
On raisonnera sur les lois de distributions de la transferrine dans chacun des groupes et
on pourra utiliser les approximations u
0 05 .
= 2 et u
0 30 .
= 1.
Corrig Exercice 13
1. Il sagit de la comparaison de 2 moyennes observes (petits effectifs)
a. Les hypothses en prsence:
H
o
hypothse nulle : les moyennes vraies dans les deux groupes concident
A
=
B

H
1
hypothse alternative :
A

B

b. Statistique de test sous H
o
: test t
t =
x
A
- x
B
s
2
n
A
+
s
2
n
B

o $ s
2
est une approximation de la variance commune des variables tudies:
$ s
(n 1) s (n 1) s
(n 1) + (n 1)
A A
2
B B
2
A B
2
=
+

t est une variable de Student n
A
+ n
B
2 degrs de libert (ici 27 ddl).
c. IP
.95
= [-2.052 2.052]
d. Rgle de dcision
A.BENHARI
si t
c

IP
.95
on ne peut pas dire que les rpartitions thoriques sont
diffrentes.
si t
c

IP
.95
on conclut que les rpartitions thoriques sont diffrentes.
e. Calcul de t
c

les variances doivent tre gales (cest vrifi ici)
t
c
= 7,79
f. Conclusion
Jugement de signification : on rejette H
o
(au risque 5 %, p < 0.001)
Jugement dinterprtation: la valeur de la transferrine est plus basse chez les sujets
avec hpatite alcoolique; mais on ne peut conclure la causalit de lassociation
sur cette seule tude (qui est une tude dobservation).
2.
1 DS
0,9 1,1 1,3 1,5 1,7 1,9
Valeur observe
2 DSs
hpatite
Normaux

Sensibilit = 0.850 Spcificit = 0.975

Exercice 14
Dans une entreprise utilisant du styrne, on a mesur le volume globulaire moyen
(VGM) chez les mmes 20 employs pendant une priode de travail (x) et aprs un mois de
cong (y). On a observ les rsultats suivants:

Sujet 1 2 3 4 5 6 7 8 9 10
x 95.1 94.3 96.2 92.3 97.8 95.0 96.2 97.3 94.5 93.8
y 93.5 90.2 93.4 91.3 94.8 95.0 94.4 92.3 92.7 90.0

Sujet 11 12 13 14 15 16 17 18 19 20
x 90.1 89.8 98.4 99.3 97.7 96.3 95.0 93.7 91.5 98.7
y 91.2 90.5 97.0 95.2 96.1 94.7 93.5 93.5 92.0 98.8

Peut-on dire que lexposition au styrne entrane une modification du VGM ?
(Construisez et ralisez le test adquat puis discutez-en les rsultats)

A.BENHARI
Biostatistique
-------------------------------------------------------------------------------------------------------------
Corrig Exercice 14
Il sagit de comparer deux moyennes observes dans le cas de sries apparies. On
travaille sur les diffrences d= y x entre les 2 priodes
1. Les hypothses en prsence:
H
o
: la moyenne vraie de la diffrence = 0
H
1
: 0
2. Statistique de test sous H
o

t =
d -
0
s
2
n
suit une loi de Student 19 ddl
3. IP
.95
= [2.093 2.093]
4. Rgle de dcision
- si t
c
est inclus dans l IP
.95
la moyenne vraie n'est pas significativement diffrente
de 0.
- si t
c
nest pas inclus dans l

IP
.95
au risque , la moyenne est significativement
diffrente de 0.
5. Calcul de t
c

d = 1.65, s
2
= 3.01
t
c
= 4.25, conditions de validit : la diffrence doit tre distribue normalement
degr de signification p < 10
3

6. Conclusion
- Jugement de signification : on rejette H
o
(au risque 5 %)
- Jugement dinterprtation: le VGM est significativement plus faible pendant la
priode des congs. Le rle du styrne est possible mais certainement pas
dinterprtation causale.

Exercice 15
Parmi 200 femmes enceintes prsentant un risque daccouchement prmatur, on a constitu
deux groupes de 100 femmes par tirage au sort : les femmes du groupe A ont un cerclage du
col de lutrus, celles du groupe B nen ont pas eu (le cerclage est suppos viter
laccouchement prmatur mais peut avoir des effets nfastes). Le tableau ci-dessous indique
les nombres observs daccouchement prmaturs, et de morts ns :
Groupe A (n=100) Groupe B (n=100)
Accouchement prmatur 7 16
Mort-n 5 4
A.BENHARI
1. Y a-t-il une diffrence entre les deux groupes pour la frquence daccouchement
prmaturs ? Est-elle attribuable au cerclage ?
2. Y a-t-il une diffrence entre les deux groupes pour la frquence des mort-ns ? Est-elle
attribuable au cerclage ?
Corrig Exercice 15
1. Il sagit de la comparaison de 2 rpartitions observes de survenue/non survenue
daccouchement prmaturs (variable qualitative 2 modalits)
a) Les hypothses en prsence :
H
0
: les rpartitions thoriques de la variable sont identiques dans les deux
populations cercles/non cercles
H
1
: les rpartitions thoriques sont diffrentes
b) Statistique de test sous H
o
: chi-2 dhomognit
( )
2
2
=
O C
C
j j
j j 1
nb cases tableau
suit un chi-2 (2-1) (2 -1) = 1 ddl
c) IP
.95
= [0 3.84]
d) Rgle de dcision
- si
c
2

IP
.95
diffrentes.
- si
c
2

IP
.95
e) Calcul de
c
2

c
2
= 3.98 (conditions de validit OK)
f) Conclusion
o
(au risque 5 %, p < 0.05)
- Jugement dinterprtation: on peut conclure la causalit de lassociation
puisque les deux groupes ont t tirs au sort.
2. Il sagit de la comparaison de 2 rpartitions observes de mort-ns/vivants (variable
qualitative 2 modalits)
a) Les hypothses en prsence:
- H
0
populations cercles/non cercles
- H
1
o
: chi-2 dhomognit
( )
2
2
=
O C
C
j j
j j 1
nb cases tableau
suit un chi-2 (2-1) x (2 -1) = 1 ddl
c) IP.
95
= [0 3.84]
d) Rgle de dcision
A.BENHARI
Biostatistique
-------------------------------------------------------------------------------------------------------------
- si
c
2

IP.
95
diffrentes.
- si
c
2

IP.
95
e) Calcul de
c
2

Les conditions de validit ne sont pas satisfaites : deux des effectifs thoriques
sont infrieurs 5.
f) La conclusion est impossible ici. Il aurait fallu avoir des chantillons plus
importants.

Exercice 16
Aprs avoir suivi pendant 20 ans un groupe de 200 sujets fumeurs et un groupe de 200
sujets non fumeurs, on a obtenu les rsultats suivants:

Non Fumeurs Fumeurs
Survenue dun cancer 20 40
Pas de Survenue de cancer 180 160

Peut-on dire que le tabagisme augmente la probabilit de survenue de cancer ?
(Construisez et ralisez le test adquat puis discutez-en les rsultats)

Corrig Exercice 16
Il sagit de la comparaison de 2 rpartitions observes de survenue/non survenue de
cancer (variable qualitative 2 modalits)
H
o
populations fumeuse/non fumeuse
H
1
o
: chi-2 dhomognit

( )
2
2
=
O C
C
j j
j j 1
nb cases tableau
suit un chi-2 (2-1) x (2 -1) = 1 ddl
3. IP
.95
= [0 3.84]
4. Rgle de dcision
- si
c
2

IP
.95
on ne peut pas dire que les rpartitions thoriques sont diffrentes.
- si
c
2

IP
.95
5. Calcul de
c
2

A.BENHARI

c
2
= 7.84 (conditions de validit OK)
6. Conclusion
o
(au risque 5 %, p < 0.01)
- Jugement dinterprtation: le tabac est associ un risque de survenue de cancer plus
lev; mais on ne peut conclure la causalit de lassociation sur cette seule tude (qui est
une tude dobservation).

Exercice 17
On se propose d'tudier un examen utilis dans le dpistage du diabte : le test
d'hyperglycmie provoque par voie orale.
Le principe de ce test est le suivant : un sujet, jeun et au repos a un taux de glucose
dans le sang dont les variations sont faibles. Si l'on fait absorber une quantit donne de
glucose, on provoque une lvation sensible de la glycmie qui est passagre, d'une dure de
l'ordre de 2 heures pour une quantit de 75 g de glucose chez les sujets normaux, et plus
longue chez les sujets diabtiques.
Chez 58 personnes prsumes diabtiques, on a pratiqu un tel test, et on a mesur chez
chaque sujet, dans les mmes conditions techniques, la glycmie juste avant et 2 heures aprs
l'ingestion de glucose.
x
i
dsigne la glycmie de dpart, y
i
la glycmie 2 heures aprs ; on a trouv :
y
i
= 5722 y
i
2

= 570640
x
i
= 5646 x
i
2

= 594470
et x
i
y
i
= 562023
On voudrait tudier la diffrence d
i
= y
i
x
i
entre les niveaux de la glycmie 2 heures
et de la glycmie jeun.
1. Aprs avoir calcul d
i
et d
i
2

donner la variation moyenne de glycmie
observe et l'intervalle de confiance de la variation moyenne dans la
population.
2. Comparer les glycmies jeun et au bout de 2 heures. Prciser les hypothses
de validit.
Corrig Exercice 17
1.
d
i
= 76

d
i
2

= 41064

variation moyenne d =
76
58
= 1 , 31
variance estime s
d
2
=
1
57
41064
76 ( )
2
58
|
\

|

|
= 719
A.BENHARI
Biostatistique
-------------------------------------------------------------------------------------------------------------
IC
95%
= 1 , 31 1 , 96
719
58

; 1 , 31 + 1 , 96
719
58
(

(
= [5,59 ; 8,21]
2. test de comparaison de moyennes sur sries apparies
H
0
: le diffrence moyenne vraie est nulle = 0
H
1
: la diffrence moyenne vraie est non nulle 0
z =
d
s
2
n
=
1 , 31
719
58
= 0,37 IP
95%
= [1,96 ; 1,96] NS
validit : n 30
au risque 5%, la glycmie au bout de deux heures n'est pas diffrente de celle jeun
A.BENHARI

Exercice 18
Des chercheurs se sont demands sil nexiste pas de relation entre la latitude de lhabitat et le
risque de grossesse multiple. Ils ont obtenu des donnes de 19 pays europens concernant le
taux de grossesse multiple, la latitude et aussi la consommation de divers aliments, dont le
lait.

(James et al Dizygotic twinning, birth weight and latitude. Ann Hum Biol. 1985; 12: 441-7.)
Pays Latitude (X) Taux de grossesse
multiple (Y)
Consommation de
produits laitiers (Z)
Portugal 40 6.5 3.8
Grce 40 8.8 7.7
Espagne 41 5.9 8.2
Italie 44 8.6 6.5
France 47 7.1 10.9
Autriche 48 7.5 15.9
Belgique 51 7.3 11.6
Allemagne (Ouest) 51 8.2 14.1
Pays Bas 52 8.1 18.9
Angleterre/Galles 53 8.9 17.1
Irlande 53 11 24.4
Danemark 56 9.6 16.8
Sude 60 8.6 20.9
Norvge 61 8.3 19.3
Finlande 62 12.1 30.4

1. Y a-t-il une relation entre la latitude et le taux de grossesse multiple ? (le coefficient de
corrlation de Pearson est gal 0.62)

2. Y a-t-il une relation entre la latitude et le taux de grossesses multiples, si lon prend en
compte la consommation de lait ? Quen conclure ? (le coefficient de corrlation de Pearson
entre latitude et consommation de produit laitiers est gal 0.88, le coefficient de corrlation
de Pearson entre le taux de grossesses multiples et consommation de produit laitier est gal
0.78)

Corrig Exercice 18

1. Le coefficient de corrlation de Pearson entre la latitude (X) et le taux de grossesses
multiples (Y) est de 0.62
A.BENHARI
Biostatistique
-------------------------------------------------------------------------------------------------------------

Il faut donc construire le test :
H
o
: = 0 [les variables ne sont pas corrles],
H
1
: 0 [les variables sont corrles]
La Statistique du test est base sur le coefficient de corrlation calcul:
sous H
o
, 2 n
r 1
r
2
XY
suit une loi de Student n-2 degrs de libert o n est le

nombre de couples exprimentaux

En calculant
t =
2
XY
r
r
1
n 2 =
2
0, 1 62
62 , 0
13 = 2.81 13 ddl
On constate que r
xy
est significativement de 0 avec p < 1 et positif.

2. Il faut calculer (et tester) le coefficient de corrlation partiel entre la latitude (X) et le
taux de grossesses multiples (Y), ajust sur la consommation de produits laitiers (Z)

Le test est le suivant :
H
o
: = 0 [les variables ne sont pas corrles],
H
1
: 0 [les variables sont corrles]
La Statistique du test est base sur le coefficient de corrlation ajust:

Z XY,
r =
r
xy
r
xz
r
yz
(1 r
2,xz
) (1 r
2,yz
)

sous H
o
, 3 n
r 1
r
2
Z XY,
suit une loi de Student n-2 degrs de libert o n est le

nombre de couples exprimentaux.

En calculant
Z XY,
r =
) )(1 (1

2 2,
78 . 0 88 . 0
78 . 0 88 . 0 62 . 0
= -0.21

On constate que
Z XY,
r nest pas significativement diffrent de 0.

La relation observe entre latitude et taux de grossesse multiple disparat quand on ajuste sur
la consommation de produits lacts (et vraisemblablement sur de nombreux autres paramtres
comportementaux).

A.BENHARI
Exercice 19
Il a t dmontr que, dans certaines communauts, la mortalit par maladie coronarienne a
une corrlation statistiquement significative (r=0.54) avec le nombre de tlphones portables
per capita de la population.
Donnez toutes les interprtations de cette constatation.
Corrig Exercice 19
Premire explication: Tlphoner occasionne un stress. Le stress est cause de maladie
coronarienne.
Seconde explication: La densit de tlphone est un "tiers-facteur" ("confounding variable" in
english) : c'est le marqueur d'un certain mode de vie. Ce mode de vie s'accompagne d'un grand
nombre de postes tlphones. Ce mode de vie est galement associ certaines habituddes (vi
sedentaire, consommation excessive de graisses satures ou de tabac) qui sont des facteurs de
risque de la maladie.

Mode de vie
Tlphone
Maladie
coronarienne
li
li
non li

Exercice 20
On dose les phosphatases alcalines chez 27 enfants gs de 12 ans. Les rsultats des dosages
sont les suivants: 320, 256, 148, 159, 325, 225, 248, 153, 198, 212, 265, 305, 149, 256, 369,
268, 177, 153, 258, 318, 301, 259, 297, 196, 200, 256, 219.
1. Calculez la moyenne exprimentale, la mdiane, le mode, et les quartiles de la
distribution des phosphatases alcalines dans cet chantillon.
2. On prcise que lcart-type exprimental de la distribution est de 61.9.
En supposant que la distribution des phosphatases alcalines soit normale, donnez
un intervalle de confiance pour la moyenne vraie de la valeur des phosphatases
alcalines.
3. La distribution des phosphatases alcalines chez ladulte est connue pour tre
normale, de moyenne 125. Les valeurs observes dans lchantillon denfants de
12 ans sont elles diffrentes de celles de ladulte ? Esquissez une interprtation
physiologique (on supposera que lchantillon tudi est reprsentatif des enfants
de cet ge).

A.BENHARI
Biostatistique
-------------------------------------------------------------------------------------------------------------
Corrig Exercice 20
1. moyenne = 240.37
mode = 256 (3 observations)
mdiane = 256
1
er
quartile = 196
3
me
quartile = 297
cart-type = 61.90 (donn)
2. IC: comme n < 30, il faut supposer que la variable est distribue normalement (ceci est
prcis dans lnonc) la formule utiliser est la suivante:
IC
1
= x t

s
n
x + t

s
n

(

(

ici : t
0.05
= 2 056 . (26 ddl) donc IC
0.95
= [215.88 264.86]
3. Il sagit de comparer la moyenne observe dans lchantillon une valeur thorique.
H
o
: la moyenne vraie concide avec la valeur donne
h
(125): =
h
= 125
H
1
:
h

o

t =
x -

h
s
2
n
suit une loi de Student 26 ddl
c) IP
.95
= [2.056 2.056]
d) Rgle de dcision
- si t
c
IP
.95
la moyenne observe n'est pas significativement diffrente de la
valeur donne.
- si t
c
IP
.95
au risque , la moyenne observe et la valeur donne sont
significativement diffrentes.
e) Calcul de t
c

t
c
= 9.68, conditions de validit : la variable phosphatase alcaline doit tre
distribue normalement (ceci est prcis dans lnonc)
degr de signification p < 10
8

f) Conclusion
o
(au risque 5 %)
- Jugement dinterprtation: les enfants de 12 ans ont des valeurs de
phosphatases alcalines plus leves que les adultes (croissance).

A.BENHARI
Exercice 21
Lors d'une intervention chirurgicale, on a mesur les variables suivantes pour 141
sujets :
x pression expiratoire post-opratoire en mbar
y pression inspiratoire pr-opratoire en mbar
z pression expiratoire pr-opratoire en mbar
Les rsultats obtenus sont runis ci-dessous :
m
x
= 32 m
y
= 53 m
z
= 71
s
2
x
= 354 s
2
y
= 611 s
2
z
= 873
xy

= 258 018 xz

= 358 852 yz

= 598 063
1) La liaison entre la pression expiratoire post-opratoire et la pression inspiratoire
pr-opratoire est-elle significarive ?
2) La liaison entre x et y s'explique-t-elle par la pression expiratoire pr-opratoire ?

Corrig Exercice 21
1) Le coefficient de corrlation entre x et y vaut :
r
xy
=
258 018 (141 32 53)
140 354 611
= 0,29
En calculant
t =
r
xy
1 r
2,xy

n 2 =
0,29
1 0,29
2
139 = 3,57 139 ddl
On constate que r
xy
est significativement de 0 avec p < 1 et positif.
2) Pour tester si la liaison entre x et y s'explique par la pression expiratoire pr-opratoire
z, il faut calculer le coefficient de corrlation partielle entre x et y z constant.
r
xy,z
=
r
xy
r
xz
r
yz
(1 r
2,xz
) (1 r
2,yz
)

On a : r
xz
= 0,49 t = 6,63 139 ddl (p < 1)
r
yz
= 0,66 t = 10,36 139 ddl (p < 1)
Ces deux coefficients sont significativement diffrents de 0.
r
xy,z
=
0,29 0,66 0,49
(1 0,66
2
) (1 0,49
2
)
= 0,05
t = 0,59 138 ddl indique que r
xy,z
n'est pas significativement diffrent de 0.
La liaison entre x et y s'explique donc par la valeur de la pression expiratoire pr-
opratoire.
NB1 : la liaison entre x et z persiste y fix puisque
A.BENHARI
Biostatistique
-------------------------------------------------------------------------------------------------------------
r
xy,y
=
0,49 029 0,66
(1 0,29
2
) (1 0,66
2
)
= 0,42
t = 5,44 138 ddl indique que r
xz,y
est significativement diffrent de 0 (p
< 1).
NB2 : la liaison entre y et z persiste x fix r
yz,x
= 0,62 t = 9,28 138 ddl c'est-
dire que r
yz,x
est significativement diffrent de 0 (p < 1).

A.BENHARI
Exercice 22

Un mdecin se propose d'tudier le rsultat obtenu avec un nouveau mdicament chez des
malades atteints dune certaine maladie M, par comparaison au traitement ancien de
rfrence. Les malades ayant reu l'ancien traitement sont ceux vus avant le 31/12/2002.
Ceux ayant reu le nouveau mdicament sont ceux vus entre le 1/1/2003 et le 1/1/2005.

TRAITEMENT Gurison Echec
Nouveau 70 40
Ancien 80 240

(1) Le taux de gurison est-il le mme dans les 2 groupes de traitement (alpha= 5%)?
(2) Interprter ces rsultats, laide de deux mthodes diffrentes

Corrig Exercice 22
Tableau de contingence complet

TRAITEMENT Gurison Echec Total
Nouveau 70 40 110
Ancien 80 240 320
Total 150 280 430

Test statistique (noubliez pas de poser vos hypothses !)
Par la mthode du CHI2
Effectifs calculs
TRAITEMENT Gurison Echec
Nouveau 38,372 71,628
Ancien 111,628 208,372

( )
2
2
=
O C
C
j j
j j 1
nb cases tableau
= 53.8
ddl = ( nc-1)(nl-1) = 1
Rejet de

o H
, p p. 0001
Conditions de validit : tous les effectifs calculs sont >5

A.BENHARI
Biostatistique
-------------------------------------------------------------------------------------------------------------
Par la mthode de la comparaison de deux pourcentages:

p1= 63,64% p (1-p)/n1 0,002065
p2= 25,00% P (1-p)/n2 0,00070984
Dif= 38.64% Variance=
p (1-p)/n1 +
p (1-p)/n2
0,00277484
p*= 34,88% ET=racine (variance) 0,053
u=test=Dif/var 7,33461225

P*= estimation de p sous l'hypothse nulle
(2) Il existe une diffrence entre les 2 traitements. Elle est hautement "significative".
S'agit-il d'une relation causale ou d'une covariation ? On ne peut trancher car nous sommes en
situation d'observation et non en situation exprimentale.
Il est indispensable de se mettre dans la situation de l'essai contrl pour pouvoir affirmer l'efficacit
suprieure du nouveau traitement par rapport au traitement de rfrence.
A.BENHARI

Exercice 23
On veut analyser les rsultats dune nouvelle chirurgie tubaire ralise chez des femmes infertiles
pour des raisons mcaniques (obstruction des trompes de Fallope). Le dlai de survenue de la
grossesse a t recueilli chez 38 femmes opres conscutivement. Certaines nont pas encore conu
au moment o lon veut faire raliser cette analyse. A partir des donnes prsentes dans le tableau
suivant, construisez la courbe de Kaplan-Meier de survenue de grossesse chez ces femmes.
Dlai (en mois) jusqu la conception ou aux dernires nouvelles des 38 femmes opres

Femmes ayant conu Femmes nayant pas conu

1 2
1 3
1 4
1 7
1 7
1 8
2 8
2 9
2 9
2 9
2 11
3 24
3 24
3
4
4
4
6
6
9
9
9
10
13
16

A.BENHARI
Biostatistique
-------------------------------------------------------------------------------------------------------------
Corrig Exercice 23
Il faut construire le tableau :

Date de
lvnement
Priode Nombre de
sujets
risque au
dbut de la
priode
Nombre
dvnements
Probabilit de ne
pas prsenter
lvnement
pendant la
priode
Probabilit de
ne pas prsenter
lvnement
lissue de la
priode
0 [0-1[ 38 - 1.0 1.0
1 [1-2[ 38 6 32/38=0.84 0.84
2 [2-3[ 38-6=32 5 27/32=0.84 0.84*0.84=0.71
2* (1)
3 [3-4[ 32-5-1=26 3 23/26=0.88 0.71*0.88=0.63
3* -
4 [4-6[ 26-3-1=22 3 19/22=0.86 0.63*0.86=0.54
4* (1)
6 [6-9[ 22-3-1=18 2 16/18=0.89 0.54*0.89=0.48
7* (2)
8* (2)
9 [9-10[ 18-2-2-
2=12
3 9/12=0.75 0.48*0.75=0.36
9* (3)
10 [10-13[ 12-3-3=6 1 5/6=0.83 0.36*0.83=0.30
11* (1)
13 [13-16[ 6-1-1=4 1 3/4=0.75 0.30*0.75=0.23
16 [16-24[ 4-1=3 1 2/3=0.67 0.23*0.67=0.15
24* 2
A.BENHARI

Exercice 24
Des diabtiques traits par insuline depuis plus de 2 ans ont t pris en charge selon une
nouvelle stratgie thrapeutique. Chez ces sujets, rpartis en 3 groupes selon leur glycmie
initiale jeun, on a observ les rsultats suivants (moyenne cart-type), avant la prise en
charge, et 4 mois aprs :

Examen
Groupe 1
Glycmie initiale
basse
(< 1g/l)
Groupe 2
Glycmie initiale
moyenne
(entre 1g/l et 2,5 g/l)
Groupe 3
Glycmie initiale
leve
(> 2.5 g/l)
Tous sujets

Nombre de sujets 54 100 49 203
Glycmie initiale 0,68 0,23 1,65 0,40 3,20 0,63 1,77 0,95
Glycmie aprs 4 mois 1,39 0,83 1,76 0,84 2,47 0,95 1,83 0,95
1. Commentez en dtail les rsultats (de nouveaux calculs sont inutiles).
2. Les promoteurs de la nouvelle stratgie affirment que celle-ci [la nouvelle stratgie] doit
tre dsormais gnralise car elle amliore la glycmie des diabtiques les plus risque
de complications (glycmie initiale > 2.5 g/l) . Que pensez-vous de cette affirmation ?

A.BENHARI
Biostatistique
-------------------------------------------------------------------------------------------------------------
Corrig Exercice 24
1. On observe que la glycmie est stable dans lensemble du groupe ; en revanche la
glycmie a baiss (en moyenne de 0,73 g/l) dans le groupe niveau initial lev et a
augment (en moyenne de 0,71 g/l) dans le groupe niveau initial bas. Evidemment les
cart-types augmentent (ils taient faibles initialement par la construction des 3
groupes).
2. Les variations observes sont caractristiques du phnomne de rgression vers la
moyenne. Elles ont donc une origine purement statistique, et ne prouvent en aucun cas
(ni mme ne suggrent) que la nouvelle intervention est efficace (il faudrait le montrer
par une tude adapte), et encore moins quelle doive tre gnralise.
Exercice 25
Dans un travail prliminaire ralis dans le cadre dun essai ouvert, 25 patients traits avec
de lhypotensor avaient une pression artrielle de 136 mm Hg , contre 144 mm Hg chez les
25 patients non traits.
On veut vrifier ce rsultat dans un essai randomis en double aveugle, correctement
dimensionn. Linvestigateur prend comme hypothse une diffrence de 5 mmHg entre
mdicament et placebo. Lcart-type de la PAS dans chaque groupe est de 17 mmHg. Le
statisticien consult sur le calcul du nombre de sujets ncessaire choisit un risque alpha de 5%
et un risque beta de 20%
Questions :
1. Quelle influence aurait eu sur le nombre de sujets le choix dune diffrence plus grande,
toutes les autres hypothses restant identiques.
2. Quelle est la puissance de lessai planifi
3. Combien de sujets faut-il inclure dans chaque groupe ?
Corrig Exercice 25
1. Diminution du nombre de sujets
2. 80%
3. 176 sujets / groupe

Exercice 26
Un groupe de mdecins a observ que parmi les 800 malades examins dans leurs
consultations hospitalires spcialise en hypertension artrielle, il y avait 185 ouvriers, 250
employs et cadres moyens, 250 cadres suprieurs ou membres de profession librale, et 115
malades dautres catgories.
A.BENHARI
Selon lINSEE, dans cette rgion, la rpartition de ces catgories sont respectivement de 36,
30, 20 et 14 pour 100 sujets.

(1) La rpartition entre catgories professionnelles dans cette consultation reflte-t-elle la
population de la rgion ?
(2) Sinon, comment lexpliquez-vous ?

Corrig Exercice 26
1. Il sagit dun CHI-2 dadquation. Les effectifs thoriques sobtiennent partir des
proportions de lINSEE (proportions vraies).
2. Poser ensuite les hypothses nulle et alternative, et choisissez une rgle de dcision
3. Le chi2 se calcule simplement : on obtient
2
X
3 ddl = 87,9 p < 0,001
4. Explication :
frquence de la maladie diffrente dans la rgion
ou accs aux soins diffrents.

Exercice 27
Un essai thrapeutique contrl, randomis en double aveugle a cherch valuer
lefficacit dun nouvel anti-hypertenseur en le comparant avec un placebo. Pour tre inclus
dans ltude les patients devaient avoir une tension artrielle diastolique, mesure une fois,
suprieure 100 mmHg en position couche. Le critre de jugement principal tait la
diminution de la tension artrielle diastolique un mois aprs le dbut du traitement.
1. Quest-ce quune randomisation ? Dfinition et intrt.
2. Quest-ce que le double aveugle ? Dfinition et intrt.
3. Que pensez-vous du critre dinclusion et de sa mesure ? Comment aurait-on d
procder ?
4. Que pensez-vous du critre de jugement principal ? Quelles sont les difficults de
lanalyse statistique de ce critre ? Pourront-elles tre surmontes dans cette tude ?
5. Dans cette tude, le nombre de sujets ncessaire inclure a t calcul au pralable. Un
nombre total de 200 sujets tait prvu. Quels sont les lments prendre
obligatoirement en compte pour le calcul de ce nombre ?
6. Les rsultats de lessai sont rsums par la phrase suivante: la diminution de la tension
artrielle diastolique a t en moyenne ( cart-type) de 1,05 ( 1.20) mmHg dans le
groupe avec traitement actif (n = 100) contre 0.97 ( 1,64) dans le groupe trait par
placebo (n = 100); la diffrence est significative, p < 0.01 . Que pensez-vous de cette
affirmation ? Argumentez votre rponse (un calcul est ncessaire).
A.BENHARI
Biostatistique
-------------------------------------------------------------------------------------------------------------

Corrig Exercice 27
1. Randomisation: ici, rpartition alatoire des patients en deux goupes: traitement actif et
placebo. Intrt: les groupes sont initialement comparables (mia part le traitement).
2. On parle de double aveugle quand le malade et le mdecin ne connaissent pas la
nature du traitement attribu (actif ou placebo); Intrt: les groupes restent comparables
en cours de traitement (limitation des effets de la suggestibilit, des esprances du
patient et du mdecin).
[On parle de simple aveugle quand le malade seul ne connait pas la nature du traitement;
de triple aveugle, quand le malade, le mdecin et le statisticien ne connaissent pas la
nature du traitement attribu (cest la procdure prfrer).]
3. Il sagit dun paramtre forte variabilit physiologique intra-sujet, et mesure souvent
entache derreur (erreurs de mesure). De ce fait, la dfinition dun seuil pathologique
est difficile. Il aurait fallu minimiser ces erreurs par la ralisation de plusieurs mesures
successives (et lutilisation de la moyenne de ces mesures)
4. Pour les raisons voques dans la question prcdente, le critre de jugement principal
va tre affect par le phnomne de rgression vers la moyenne. Celui-ci va perturber les
rsultats de lanalyse statistique: chez un sujet trait donn, on ne saura si la baisse de la
tension est attribuable au traitement ou au phnomne de rgression vers la moyenne.
Un essai avec un groupe contrle (et randomisation) permet de surmonter la difficult:
leffet de la rgression vers la moyenne pourra tre quantifi dans le groupe tmoin et
compar leffet observ dans le groupe trait (qui inclus leffet du traitement plus
leffet de la rgression vers la moyenne).
5. Il sagira de comparer deux moyennes expriementales; le nombre de sujets inclure
(dans chaque groupe) est donn par la formule :
( )
n u u = +
2
2
2 2
2
. Interviennent
dans ce calcul : les risques de premire et de deuxime espces, la variance du critre de
jugement et la diffrence attendue (entre les valeurs prises par le critre de jugement
dans les deux groupes).
6. Le test de comparaison de moyennes observes aboutit la statistique de test suivante:

z =
x
A
- x
B
s
A
2
n
A
+
s
B
2
n
B
( ) ( )
=
+
=
1 05 0 97
1
100
1 64
100
0 39
2 2
, .
,20 ,
, (NS).
Le rsultat annonc (p <0,01) est donc totalement faux.
A.BENHARI
Biostatistique
-------------------------------------------------------------------------------------------------------------
Exercice 28
Certains diurtiques augmentent l'excrtion urinaire de calcium. Un investigateur souhaite
vrifier que le Natriurix possde cette proprit. Il dcide de comparer l'excrtion horaire de
calcium observe dans les 6 heures suivant l'ingestion de Natriurix (5 mg ) dans un groupe de
9 hommes slectionns au hasard, celle observe sous placebo dans un groupe de 16
hommes galement slectionns au hasard. Les rsultats sont les suivants : Natriurix : n
1
=9,
m
1
=7,5 mg/h et s
1
=6,0 ; Placebo : n
2
=16, m
2
=6,0 mg/h s
2
=2,0.
(1) L'excrtion de calcium diffre-t-elle entre les 2 groupes (utiliser un risque de premire
espce de 5%) ?
(2) Quel est l'intervalle de confiance 95% de la diffrence moyenne d'excrtion horaire de
calcium entre les 2 groupes ?

Corrig Exercice 28
Il sagit de la comparaison de 2 moyennes observes des rponses aux traitement (variable
quantitative), sur un petit chantillon
H
o
: Les moyennes thoriques de la variable sont identiques dans les deux populations
traites par Natriurix ou placebo
H
1
: les moyennes thoriques sont diffrentes
o
: test de t
c) Variance commune= (8(6)
2
+ 15 (2)
2
) (9+16 -2) = 15.1
d) Test de t = (7.5-6.5) racine [(15.1) (1/9+1/16)] = 0.62
e) Intervalle de confiance 95% (7.5-6.5) (2.069) (1.62)
Exercice 29
Un investigateur souhaite estimer la proportion de sujets prsentant un certain signe S au
cours dune maladie M
Selon son exprience, ce signe S doit tre observ avec une frquence de lordre de 50%.

Il souhaite estimer cette proportion avec une prcision de 5%

1. Quel est le nombre de malades ncessaires pour estimer la proportion de malades
ayant le signe S avec la prcision souhaite ?
2. Selon vous, comment fait-on pour proposer une prcision raisonnable
3. Quel aurait t leffectif de malades si la prcision demande avait t de 3%

A.BENHARI
Corrig Exercice 29
On prendra un intervalle de confiance 95%. Ce point peut tre discut, car comme le choix
dun intervalle de pari, il est arbitraire.

1. n = (1.96
2
) (.50) (1-0.50) / (.05
2
) = 384.
2. Il ny a pas de mthode. Le role du statisticien est de guider le clinicien sur la base des
consquences dune prcision insuffisante, ou au contraire la pertinence dune
prcision excessive.
3. n = (1.96
2
) (0.50) (1-0.50) / (.03
2
) = 1067.

Exercice 30
Parmi 120 patients ayant fait un accident vasculaire crbral, 50 ont prsent des cphales
(maux de tte) avant l'accident.

(1) Donner une estimation par intervalle de confiance de la proportion de cphales parmi ces
patients.

(2) On sait par ailleurs que la frquence des cphales dans la population est de 25%. Existe-t-
il une diffrence significative entre le pourcentage observ parmi les patients et le pourcentage
thorique de 25 % ?

(3) Donner 2 interprtations de cette diffrence.

Corrig Exercice 30
1) IC
alpha
= p u
alpha
[ p
*
(
1-
p) / n ]
IC
95
= 0.417 1.96 * 0.045 = [0. 328, 0.505]
2) On considerera que la proportion considre comme admise dans la population est un
pourcentage vrai . Les hypothses sont :
Ho: p = 0.25
H1: p 0.25
Attention : p est aussi un pourcentage vrai : celui de cphales parmi les patients.
sous Ho, la variable
u =
p
* (1 )
n

suit une loi normale N(0, 1) si np 5 et n (1-p) 5 (ici conditions respectes)
A.BENHARI
Biostatistique
-------------------------------------------------------------------------------------------------------------
Quand la valeur absolue de u est infrieure la valeur correspondant au seuil choisi (par
exemple, 5%, soit u=1,96), on ne rejette pas l'hypothse nulle. Dans le cas contraire, on rejette
l'hypothse nulle.
Ici:
u =
0. 417 0. 25
O. 25x0. 75
120
= 4.2
Cette valeur est infrieure la valeur seuil. On rejette donc l'hypothse nulle. Le degr de
signification est : p <0.001.
3) Il existe une diffrence "vraie"
les malades sont plus souvent adresss l'hpital quand ils ont mal la tte.

Exercice 31
Parmi une srie de patients ayant une tumeur crbrale (Exemple tir de Bland et Altman
BMJ 2004;328:1073 ) on a les donnes suivantes :

Semaines jusquau dcs ou jusqu la censure (indique par *), chez 51 adultes avec une
tumeur rcidivante.
Group A (20 Astrocytomes): 6, 13, 21, 30, 31*, 37, 38, 47*, 49, 50, 63, 79, 80*, 82*,
82*,86, 98, 149*, 202, 219
Groupe B (31 Glioblastomes): 10, 10, 12, 13, 14, 15, 16, 17, 18, 20, 24, 24, 25, 28, 30,
33, 34*, 35, 37, 40, 40, 40*, 46, 48, 70*, 76, 81, 82, 91, 112, 181

1) calculer les effectifs attendus de dcs sur les premires tapes
2) On donne les effectifs attendus sur lensemble de la priode de surveillance : 22.48
dans le groupe A et 19.52 dans le groupe B. La survie diffre-t-elle dans les 2
groupes ?

Corrig Exercice 31

Calculs des effectifs attendus:

Le premier dcs a eu lieu en semaine 6, quand un patient dans le groupe 1 est dcd.
Au dbut de cette semaine, il y avait 51 sujets vivants au total: le risque de dcs en
cette semaine est 1/51.
Il y a 20 patients dans le groupe 1, ainsi, si l'hypothse nulle est vraie, le nombre prvu
de dcs dans le groupe 1 est 20 x 1/51 = 0.39.
De mme, dans le groupe 2 le nombre prvu de dcs est 31 x 1/51 = 0.61.
A.BENHARI
Le deuxime vnement s'est produit en semaine 10, avec deux dcs. Il y a
maintenant 19 et 31 patients exposs au risque (vivant) dans les deux groupes, 1 tant
mort en semaine 6. La probabilit de dcs en semaine 10 est donc 2/50. Les nombres
attendus de dcs sont donc 19 x 2/50 = 0.76 et 31 x 2/50 = 1.24 respectivement.

Courbes de survie :

Test statistique

H
o
: survie comparable
H
1
: diffrence de survue
o
: la statistique de test approprie est le log-rank test
Cette statistique de test est en fait un
2
(Somme des (O - C)
2
/C pour chaque groupe) . Le
nombre de degrs de libert est le nombre de groupes moins 1 soit : 2 - 1 = 1

3. Intervalle de pari fixer : par exemple risque 5%

4. Calcul: le
2
= (14 - 22.48)
2
/ 22.48 + (28 - 19.52)
2
/ 19.52 = 6.88.

5. Le degr de signification est p < 0.01.

6. Jugement de signification : on rejette H
o
(au risque 5 %, p < 0.01)
Jugement dinterprtation: le risque de dcs est plus important dans le cas des glioblastomes
que dans celui des astrocytomes.

Exercice 32
Une chercheuse dsire savoir si les sujets atteints d'une certaine maladie M ont des apports
alimentaires corrects. La valeur recommande exprime en kiloJoules est de 7725 kJ en
moyenne.
Elle obtient par une analyse dittique soigneuse les estimations suivantes des apports
nergtiques journaliers chez 11 sujets:

A.BENHARI
Biostatistique
-------------------------------------------------------------------------------------------------------------
Sujet Age Sujet Age
1 5260 7 6805
2 5470 8 7515
3 5640 9 7515
4 6180 10 8230
5 6390 11 8770
6 6515
(1) Calculer la moyenne et la dviation standard des apports nergtiques.
(2) Quel est l'intervalle de confiance 95% de la moyenne des apports?
(3) Les apports caloriques de cette population diffrent-ils des apports recommands?
Corrig Exercice 32
1. Moyenne: 6754 Ecart-type: 1142
Ecart-type de la moyenne: 1142/racine (11) =344.4
2. IC 95%: 5986 7521
3. Deux rponses commenter :
A. Lintervalle de confiance n'inclut pas la valeur recommande de 7725
B. On peut galement batir un test statistique.
Ne pas oublier de bien suivre la procdure habituelle (dtermination des hypothses,
choix motiv de la statistique du test, calcul de la statistique du test et conclusions.
Ici, il sagit dun cas de comparaison dune valeur obesrve une valeur vraie sur un
petit chantillon. Il sagit donc dun Test t de Student
t = (6754 - 7725)/ (1142/racine(11))= -2.821 (10 ddl)

A.BENHARI
Exercice 1 - Une election -
Lors dune election opposant 2 candidats, un sondage dopinion realise sur un echantillon
de 1000 personnes donne 52% des voix au candidat A, et 48% au candidat B.
1. Donner un intervalle de conance au niveau 0,95 des intentions de vote pour A.
2. Combien faudrait-il interroger de personnes pour quil y ait moins de 5% de chances que
B lemporte, si A a recueilli 52% des intentions de vote dans le sondage ?
Exercice 2 - Autour de lestimation -
Dans cet exercice, on survole quelques proprietes de lestimation de paramètres au pro-
gramme de lecrit du capes.
1. Soit X une variable aleatoire suivant une loi normale centree reduite.
(a) Demontrer que pour ]0, 1[, il existe un unique reel positif t
tel que P(t

X t
) = 1 .
(b) En utilisant une table de la loi normale, donner une valeur approchee pour t
0,05
, t
0,01
.
2. Estimation dune proportion. Dans une population, un caractère est present dans une
proportion p. On cherche à estimer la valeur de p. Pour cela, on etudie un echantillon de
n elements de cette population, et on designe par X
n
le nombre de fois o` u ce caractère
est retrouve dans lechantillon.
(a) Quelle est la loi de X
n
?
(b) On pose Z
n
=
X
n
np
np(1p)
. Justier, que, pour tous reels a < b, on a
P(Z
n
[a, b])
b
a
1
2
e
t
2
/2
.
(c) On xe ]0, 1[, et on pose I
n
=
p t
p(1 p)
n
; p + t
p(1 p)
. Deduire des
questions precedentes que lim
n+
P(X
n
/n I
n
) = 1 .
(d) Verier que I
n

p
t
n
; p +
t
.
(e) Verier que
X
n
/n
p
t
n
; p +
t
X
n
n

t
n
;
X
n
n
+
t
.
Dans la pratique, on fait lapproximation suivante : si n 30, np 5 et n(1 p)
5, alors on considère que P(X
n
/n I
n
) 1 . On dit alors que lintervalle
X
n
n

t
n
;
X
n
n
+
t
est un intervalle de conance au niveau 1 de p. Ceci si-

gnie concrètement (modulo lapproximation) la chose suivante : Si dans une popula-
tion un caractère est present dans une proportion p, si lorsque lon observe n elements
de cette population, le caractère est present avec une frequence valant f = X
n
/n,
alors, avec probabilite superieure ou egale à 1 , la probabilite que p soit dans
lintervalle
p
t
n
; p +
t
est superieure ou egale à 1 .

Exercices supplmentaires - Ennonc
A.BENHARI
3. Application numerique : lors dune election opposant 2 candidats, un sondage dopinion
realise sur un echantillon de 1000 personnes donne 52% des voix au candidat A, et 48%
au candidat B.
(a) Donner un intervalle de conance au niveau 0,95 des intentions de vote pour A.
(b) Combien faudrait-il interroger de personnes pour quil y ait moins de 5% de chances
que B lemporte, si A a recueilli 52% des intentions de vote dans le sondage ?
Exercice 3 - Une reaction chimique -
Une reaction lente conduit à une concentration y de produit, donnee en fonction du temps
par la relation theorique
y = 0, 01
1
t +
.
Lexperience conduit au tableau de valeurs suivant :
t (sec) 0 180 360 480 600 900 1200
y (10
3
mole/l) 0 2, 6 4, 11 4, 81 5, 36 6, 37 6, 99
.
Determiner par la methode des moindres carres des valeurs possibles pour et .
Exercice 4 - Prediction -
Letude dune reaction chimique en fonction du temps a donne les resultats suivants :
Temps t (en h) 1 2 3 4 5
Concentration C (en g/L) 6, 25 6, 71 7, 04 7, 75 8, 33
Des considerations theoriques laissent supposer que la concentration C et le temps t sont lies
par une relation de la forme C =
1
at+b
. Donner une estimation de la concentration après 6H.
Exercices supplmentaires - Ennonc
A.BENHARI
Exercice 1 - Une lection -
1. Il sagit juste dappliquer le cours. Un intervalle de conance est donn par
I =
0, 52
t
n
; 0, 52 +
t
,
avec ici = 0, 05, t
1, 96. On trouve :
I [0, 489; 0, 551] .
On est bien dans les conditions dapplications, puisque n 30, np = 1000 0, 52 5 et
n(1 p) 5.
2. On veut dterminer une valeur de n pour laquelle
0, 52
1, 96
2
n
0, 5.
Ceci est quivalent

n 1, 96/(2 0, 02). n = 2401 convient. En ralit, ce que nous
avons obtenu, cest quil y a 95% de chances que le pourcentage obtenu par A soit compris
entre 50 et 54%, ce qui est une information plus prcise que linformation dsire.
Exercice 2 - Autour de lestimation -
1. (a) Posons, pour t 0,
f(t) = P(t X t) =
t
t
1
2
e
x
2
/2
dx = 2
t
0
1
2
e
x
2
/2
dx.
Cette fonction est drivable, de drive f
(t) =
1
2
e
t
2
/2
strictement positive. Donc
f est continue, strictement croissante sur ]0, +[, f(0) = 0 et lim
+
f = 1. f
ralise donc une bijection strictement croissante de ]0, +[ sur ]0, 1[, ce qui prouve
le rsultat.
(b) Notons la fonction de rpartition de la loi normale centre rduite. On a
P(X [t, t]) = (t) (t) = 2(t) 1
par proprit de symtrie de . On en dduit lquivalence
P(X [t
, t
]) = 1 (t
) = 1

2
.
La table de la loi normale donne (1, 96) 0, 975, et donc t
0,05
1, 96. Pour
= 0, 01, on lit (2, 57) 0, 9949 et (2, 58) 0, 9951. On choisit comme valeur
approche t
0,01
2, 58.
2. (a) X
n
suit une loi binomiale B(n, p) (rptition de n expriences alatoires indpen-
dantes avec probabilit p de succs).
(b) Il sagit ici dune consquence du thorme de la limite centre, puisque X
n
= Y
1
+
+ Y
n
, o les Y
i
sont des variables alatoires indpendantes, de mme loi (loi de
Bernoulli de paramtre p), desprance p et dcart-type

p(1 p).
Exercices supplmentaires - Corrig
A.BENHARI
(c) Il est facile de voir que
X
n
n
I
n

X
n
np
np(1 p)
[t
, t
].
Il sut alors dappliquer les questions prcdentes.
(d) Ltude de la fonction x x(1 x) sur [0, 1], qui atteint son maximum en x = 1/2,
montre que pour tout p [0, 1], on a

p(1 p)
1
2
.
(e) Cest trivial ?
3. (a) Il sagit juste dappliquer le cours. Un intervalle de conance est donn par
I =
0, 52
t
n
; 0, 52 +
t
,
avec ici = 0, 05, t
1, 96. On trouve :
I [0, 489; 0, 551] .
On est bien dans les conditions dapplications, puisque n 30, np = 10000, 52 5
et n(1 p) 5.
(b) On veut dterminer une valeur de n pour laquelle
0, 52
1, 96
2
n
0, 5.
Ceci est quivalent

n 1, 96/(2 0, 02). n = 2401 convient. En ralit, ce que
nous avons obtenu, cest quil y a 95% de chances que le pourcentage obtenu par A
soit compris entre 50 et 54%, ce qui est une information plus prcise que linformation
dsire.
Exercice 3 - Une raction chimique -
Il faut retransformer lquation thorique en quation linaire. Pour cela, on pose
z =
1
0, 01 y
= t + .
Le tableau des valeurs de z, arrondies lunit, en fonction du temps est :
t(sec) 0 180 360 480 600 900 1200
z 100 135 170 193 216 275 332
.
Lapplication des formules prcdentes donne alors
0, 194 et 100, 143.
Exercice 4 - Prdiction -
On va commencer par dterminer des valeurs possibles pour a et b en utilisant la mthode
des moindres carrs. Pour cela, on pose D = 1/C = at +b et on utilise la mthode des moindres
carrs. A 10
2
prs, on trouve
a 0, 01 et b 0, 170.
Pour t = 6, on peut estimer que C 9, 1g/l.
Exercices supplmentaires - Corrig
A.BENHARI

TABLES STATISTIQUES
TABLE 1 : TABLE DE LA VARIABLE NORMALE REDUITE U (*)

0,00

0,01

0,02

0,03

0,04

0,05

0,06

0,07

0,08

0,09
0,00 2,576 2,326 2,170 2,054 1,960 1,881 1,812 1,751 1,695
0,10 1,645 1,598 1,555 1,514 1,476 1,440 1,405 1,372 1,341 1,311
0,20 1,282 1,254 1,227 1,200 1,175 1,150 1,126 1,103 1,080 1,058
0,30 1,036 1,015 0,994 0,974 0,954 0,935 0,915 0,896 0,878 0,860
0,40 0,842 0,824 0,806 0,789 0,772 0,755 0,739 0,722 0,706 0,690
0,50 0,674 0,659 0,643 0,628 0,613 0,598 0,583 0,568 0,553 0,539
0,60 0,524 0,510 0,496 0,482 0,468 0,454 0,440 0,426 0,412 0,399
0,70 0,385 0,372 0,358 0,345 0,332 0,319 0,305 0,292 0,279 0,266
0,80 0,253 0,240 0,228 0,215 0,202 0,189 0,176 0,164 0,151 0,138
0,90 0,126 0,113 0,100 0,088 0,075 0,063 0,050 0,038 0,025 0,013

La probabilit sobtient par addition des nombres inscrits en marge.
Exemple : Pour = 1,960 la probabilit est = 0,00 + 0,05 = 0,05.

Table pour les petites valeurs de la probabilit

0,001

0,000 1

0,000 01

0,000 001

0,000 000 1

0,000 000 01

10
-9

3,29053

3,89059

4,41717

4,89164

5,32672

5,73073

6,10941

(*) Daprs Fisher et Yates, Statistical tables for biological, agricultural, and medical
research (Olivier and Boyd, Edinburgh) avec laimable autorisation des auteurs et des
diteurs.

A.BENHARI
Biostatistique
-------------------------------------------------------------------------------------------------------------
TABLE 2 :Table du t de Student (*)
La table donne la probabilit alpha pour que t gale ou dpasse, en valeur
absolue une valeur donne, en fonction du nombre de degrs de libert (d.d.l.).

d.d.l.

0,90

0,50

0,30

0,20

0,10

0,05

0,02

0,01

0,001
1 0,158 1,000 1,963 3,078 6,314 12,706 31,821 63,657 636,61
9
2 0,142 0,816 1,386 1,886 2,920 4,303 6,965 9,925 31,598
3 0,137 0,765 1,250 1,638 2,353 3,182 4,541 5,841 12,924
4 0,134 0,741 1,190 1,533 2,132 2,776 3,747 4,604 8,610
5 0,132 0,727 1,156 1,476 2,015 2,571 3,365 4,032 6,869
6 0,131 0,718 1,134 1,440 1,943 2,447 3,143 3,707 5,959
7 0,130 0,711 1,119 1,415 1,895 2,365 2,998 3,499 5,408
8 0,130 0,706 1,108 1,397 1,860 2,306 2,896 3,355 5,041
9 0,129 0,703 1,100 1,383 1,833 2,262 2,821 3,250 4,781
10 0,129 0,700 1,093 1,372 1,812 2,228 2,764 3,169 4,587
11 0,129 0,697 1,088 1,363 1,796 2,201 2,718 3,106 4,437
12 0,128 0,695 1,083 1,356 1,782 2,179 2,681 3,055 4,318
13 0,128 0,694 1,079 1,350 1,771 2,160 2,650 3,012 4,221
14 0,128 0,692 1,076 1,345 1,761 2,145 2,624 2,977 4,140
15 0,128 0,691 1,074 1,341 1,753 2,131 2,602 2,947 4,073
16 0,128 0,690 1,071 1,337 1,746 2,120 2,583 2,921 4,015
17 0,128 0,689 1,069 1,333 1,740 2,110 2,567 2,898 3,965
18 0,127 0,688 1,067 1,330 1,734 2,101 2,552 2,878 3,922
19 0,127 0,688 1,066 1,328 1,729 2,093 2,539 2,861 3,883
20 0,127 0,687 1,064 1,325 1,725 2,086 2,528 2,845 3,850
21 0,127 0,686 1,063 1,323 1,721 2,080 2,518 2,831 3,819
22 1,127 0,686 1,061 1,321 1,717 2,074 2,508 2,819 3,792
23 0,127 0,685 1,060 1,319 1,714 2,069 2,500 2,807 3,767
24 0,127 0,685 1,059 1,318 1,711 2,064 2,492 2,797 3,745
25 0,127 0,684 1,058 1,316 1,708 2,060 2,485 2,787 3,725
26 0,127 0,684 1,058 1,315 1,706 2,056 2,479 2,779 3,707
27 0,127 0,684 1,057 1,314 1,703 2,052 2,473 2,771 3,690
28 0,127 0,683 1,055 1,311 1,699 2,045 2,462 2,756 3,659
29 0,127 0,683 1,055 1,310 1,697 2,042 2,457 2,750 3,646
30 0,127 0,683 1,055 1,310 1,697 2,042 2,457 2,750 3,646
0,126 0,674 1,036 1,282 1,645 1,960 2,326 2,576 3,291

Exemple : Avec d.d.l. = 10, pour t = 2,228 la probabilit est = 0,05

A.BENHARI

TABLE 3 : TABLE DE
2
(*)

La table donne la probabilit alpha pour que CHI-2 gale ou dpasse une valeur donne, en
fonction du nombre de degrs de libert (d.d.l.).

d.d.l.

0,90

0,50

0,30

0,20

0,10

0,05

0,02

0,01

0,001
1 0,0158 0,455 1,074 1,642 2,706 3,841 5,412 6,635 10,827
2 0,211 1,386 2,408 3,219 4,605 5,991 7,824 9,210 13,815
3 0,584 2,366 3,665 4,642 6,251 7,815 9,837 11,345 16,266
4 1,064 3,357 4,878 5,989 7,779 9,488 11,668 13,277 18,467
5 1,610 4,351 6,064 7,289 9,236 11,070 13,388 15,086 20,515
6 2,204 5,348 7,231 8,558 10,645 12,592 15,033 16,812 22,457
7 2,833 6,346 8,383 9,803 12,017 14,067 16,622 18,475 24,322
8 3,490 7,344 9,524 11,030 13,362 15,507 18,168 20,090 26,125
9 4,168 8,343 10,656 12,242 14,684 16,919 19,679 21,666 27,877
10 4,865 9,342 11,781 13,442 15,987 18,307 21,161 23,209 29,588
11 5,578 10,341 12,899 14,631 17,275 19,675 22,618 24,725 31,264
12 6,304 11,340 14,011 15,812 18,549 21,026 24,054 26,217 32,909
13 7,042 12,340 15,119 16,985 19,812 22,362 25,472 27,688 34,528
14 7,790 13,339 16,222 18,151 21,064 23,685 26,873 29,141 36,123
15 8,547 14,339 17,322 19,311 22,307 24,996 28,259 30,578 37,697
16 9,312 15,338 18,418 20,465 23,542 26,296 29,633 32,000 39,252
17 10,085 16,338 19,511 21,615 24,769 27,587 30,995 33,409 40,790
18 10,865 17,338 20,601 22,760 25,989 28,869 32,346 34,805 42,312
19 11,651 18,338 21,689 23,900 27,204 30,144 33,687 36,191 43,820
20 12,443 19,337 22,775 25,038 28,412 31,410 35,020 37,566 45,315
21 13,240 20,337 23,858 26,171 29,615 32,671 36,343 38,932 46,797
22 14,041 21,337 24,939 27,301 30,813 33,924 37,659 40,289 48,268
23 14,848 22,337 26,018 28,429 32,007 35,172 38,968 41,638 49,728
24 15,659 23,337 27,096 29,553 33,196 36,415 40,270 42,980 51,179
25 16,473 24,337 28,172 30,675 34,382 37,652 41,566 44,314 52,620
26 17,292 25,336 29,246 31,795 35,563 38,885 42,856 25,642 54,052
27 18,114 26,336 30,319 32,912 36,741 40,113 44,140 46,963 55,476
28 18,939 27,336 31,391 34,027 37,916 41,337 45,419 48,278 56,893
29 19,768 28,336 32,461 35,139 39,087 42,557 46,693 49,588 58,302
30 20,599 29,336 33,530 36,250 40,256 43,773 47,692 50,892 59,703

Exemple : Avec d.d.l. = 3, pour
2
= 0,584 la probabilit est = 0,90.

A.BENHARI
Biostatistique
-------------------------------------------------------------------------------------------------------------
TABLE 4 : TABLE DU COEFFICIENT DE CORRELATION (*)
La table indique la probabilit pour que le coefficient de corrlation gale ou dpasse,
en valeur absolue, une valeur donne r, cest--dire la probabilit extrieure delibert
libert (d.d.l.).

d.d.l
0,10 0,05 0,02 0,01
1 0,9877 0,9969 0,9995 0,9999
2 0,9000 0,9500 0,9800 0,9900
3 0,8054 0,8783 0,9343 0,9587
4 0,7293 0,8114 0,8822 0,9172
5 0,6694 0,7545 0,8329 0,8745
6 0,6215 0,7067 0,7887 0,8343
7 0,5822 0,6664 0,7498 0,7977
8 0,5494 0,6319 0,7155 0,7646
9 0,5214 0,6021 0,6851 0,7348
10 0,4973 0,5760 0,6581 0,7079

11 0,4762 0,5529 0,6339 0,6835
12 0,4575 0,5324 0,6120 0,6614
13 0,4409 0,5139 0,5923 0,6411
14 0,4259 0,4973 0,5742 0,6226
15 0,4124 0,4821 0,5577 0,6055
16 0,4000 0,4683 0,5425 0,5897
17 0,3887 0,4555 0,5285 0,5751
18 0,3783 0,4438 0,5155 0,5614
19 0,3687 0,4329 0,5034 0,5487
20 0,3598 0,4227 0,4921 0,5368

25 0,3233 0,3809 0,4451 0,4869
30 0,2960 0,3494 0,4093 0,4487
35 0,2746 0,3246 0,3810 0,4182
40 0,2573 0,3044 0,3578 0,3932
45 0,2428 0,2875 0,3384 0,3721
50 0,2306 0,2732 0,3218 0,3541
60 0,2108 0,2500 0,2948 0,3248
70 0,1954 0,2319 0,2737 0,3017
80 0,1829 0,2172 0,2565 0,2830
90 0,1726 0,2050 0,2422 0,2673
100 0,1638 0,1946 0,2301 0,2540
Exemple : Avec d.d.l. = 30, pour r = 0,3494 la probabilit est = 0,05.

A.BENHARI
O.Deheuvels (1996) La probabilit, le hasard et la certitude, Presses Universitaires de France, Que sais-je, 3.
E.Dion (1997) Invitation la thorie de l'information, Edition du Seuil, Collection Point Sciences.
R.O.Duda & P.E.Hart (1973) Pattern Classification and Scene Analysis, John Wiley & Sons, New York.
D. Ghorbanzadeh (1998) Probabilits : Exercices corrigs, Editions Technip.
C.Goujet & C.Nicolas (1981) Mathmatiques Appliques: probabilits, initiation la recherche oprationnelle, Masson.
ISO Standard (1995) Statistical methods for Quality Control, 4th edition, ISO Standards Handbook.
N.L.Johnson & S.Kotz (1993) Process Capability Indices, Chapman & Hall.
M.Kunt (1991) Techniques modernes de traitement numrique des signaux, Presses polytechniques
et universitaires romandes.
D.C.Mongomery (1996) Introduction to Statistical Quality Control, 3rd edition, Wiley and sons, Inc.
G.Perrin (2000) Effects of non-normality on Cost of Quality, University of Nottingham, Division of Manufacturing Engineering and Operations Management.
W.H.Press, B..Flannery, S.A.Teukolsky & W.T.Vetterling, Numerical Recipes: The Art of Scientific Computing, Cambridge
University Press, 1986.
J.P.Reau & G.Chauvat, Probabilits et statistiques. Excercices et corrigs, Armand Colin, Collection cursus TD, srie
conomie, 1996.
G.Saporta (1990) Probabilits, Analyse des donnes et statistique, Edition Technip. Collection Statistique en biologie et mdecine.
J.J.Schwarz (1980) Combinatoire et Probabilits, Polycopi de cours, Dpartement Informatique, INSA Lyon.
J.J.Schwarz (1980) Statistique: rappels de cours et exemples, Polycopi de cours, Dpartement Informatique, INSA Lyon.
B.Scherrer (1988) Biostatistique, Edition Gaetan Morin.
Bibliographie

Exercices de Probabilités Et Biostatistique

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Exercices de Probabilités Et Biostatistique

Transféré par

Droits d'auteur :

Formats disponibles

Enonc et cor r i g

EXERCICES DE PROBABILITES ET BIOSTATISTIQUE

= 201376 tirages dirents.

tels tirages. De mme

= 112 tels tirages

faons de choisir 2 carreaux parmi 8 puis, pour chacune de ces faons, il y a

faons de choisir 3 piques. Le nombre de tirages recherch est donc :

tels tirages. Le nombre de tirages recherch est donc :

faons de choisir les autres cartes.

= 180180 tels tirages.

choix dirents de 2 rois parmi 3,

choix de 3 piques parmi 7 (tous sauf le roi de pique).

choix pour le deuxime

. Cest aussi la valeur de K

la restriction de s {1, . . . , n 1}.

est une surjection de {1, . . . , n 1} sur {1, . . . , p}. Il

est une surjection de {1, . . . , n1} sur {1, . . . , p}\{i}.

. Dautre part, on crit

choix pour cet

choix pour les autres.

possibilits pour choisir ces lments de F, et

(formule du triangle de Pascal).

dsigne le nombre de parties p + 1 lments dans lensemble {0, . . . , n} qui a n + 1 lments.

est le nombre de parties n lments dans un ensemble 2n lments. Pour compter

est le coecient devant X

suit la loi N(0, 1). On doit avoir :

f(x)dx = 1. f est bien une

Etudier lexistence de moments pour X

n, on a une fonction du second degr tudier (trouver le plus grand x

(x) est donc du signe de 1 + ax, ce qui

eatoires - lois marginales... :

eatoires - lois marginales... :

est vecteur propre de B.

suit une loi de Student n-2 degrs de libert o n est le

suit une loi de Student n-2 degrs de libert o n est le

tel que P(t

est un intervalle de conance au niveau 1 de p. Ceci si-

est superieure ou egale `a 1 .

Vous aimerez peut-être aussi