Vous êtes sur la page 1sur 20

Probabilités - Loi de Poisson

Travaux publics

Une entreprise fabrique des supports d'auvent utilisés notamment dans la construction de stades. Ces
pièces sont réalisées en béton.
Soit la variable aléatoire X qui à chaque production de 50 pièces associe le nombre
de supports défectueux qu'elle contient. La production est suffisamment importante pour que l'on
puisse assimiler tout tirage de 50 supports à 50 tirages aléatoires et indépendants.
On admet que X suit la loi de Poisson de paramètre 1.
Donner à 10 −2 près :
a) P(X = 0).
b) P(X ≥ 4).

Traitement des matériaux


L'objectif de cet exercice est d'analyser la production d'une entreprise réalisant des résistors pour des
fours électriques. Ces résistors sont fabriqués à partir de fil métallique livré en bobine.
Le fil utilisé présente des défauts soit de diamètre soit d'homgénéité qui rendent inutilisable le résistor.
On considère un très grand nombre de bobines et on constate que sur l'ensemble des résistors produits
avec le fil d'une bobine, il y a en moyenne 6 résistors défectueux.
On admet que la variable aléatoire Z qui, à tout fabrication utilisant une bobine prélevée au hasard,
associe le nombre de résistors défectueux, suit une loi de Poisson de paramètre λ .
a) Déterminer la valeur de λ .
b) Calculer la valeur exacte puis une valeur décimale approchée à 10 −3 près :
de la probabilité P1 qu'il n'y ait aucun résistor défectueux,
de la probabilité P2 qu'il n'y ait pas plus de 6 résistors défectueux.

 1 
Probabilités - Loi de Poisson

Industrie et commerce du bois

Une usine a vendu 100 machines à laver. Celles-ci ont été utilisées le même nombre d'heures dans une
année. Le tableau suivant donne la répartition du nombre des réparations xi suivant le nombre ni de
machines vendues.
Nombre de réparations xi 0 1 2 3 4
Nombre de machines ni 58 32 7 3 0

1° Calculer le nombre moyen λ de réparations.


2° Soit X la variable aléatoire qui suit la loi de Poisson de paramètre λ, déterminer à 0,001 près
P(X = 0) , P(X = 1) , P(X = 2) , P(X = 3) , P(X = 4).
3° Comparer les valeurs de ni avec celles déduites de la loi de Poisson de même moyenne.

Fabrications textiles

On considère que la variable aléatoire X, qui mesure la durée de vie exprimée en nombre entier
d'années d'un équipement industriel, suit la loi de Poisson de paramètre λ = 5.
On définit la fonction ν de ce même équipement par : v(t) = P(X > t).
Montrer que v(1) = 0,959.
Présenter sous forme de tableau les valeurs de v(t) pour t entier, 1 ≤ t ≤ 10, on donnera les valeurs
approchées à 0,001 près.


Analyses biologiques

1° Une suspension de 10 6 bactéries est infectée par une population de phages (particules
infectieuses). A la fin de l’expérience, on a constaté que 65 ⋅ 10 4 bactéries ont été infectées.
Quel est le pourcentage de bactéries infectées ?
2° On observe une bactérie au hasard. Soit X la variable aléatoire qui, à toute bactérie aléatoire
associe le nombre de phages infectant cette bactérie. On admet que X suit une loi de Poisson de
paramètre m.
a) En calculant P(X = 0), justifier le choix du paramètre m = 1,05.
b) Déterminer à 0,001 près P(X = 1), P(X = 2), P(X = 3).
Quel est le nombre moyen de phages par bactérie infectée ?

 2 
Probabilités - Loi de Poisson

Fabrications textiles

1° La variable aléatoire X suit la loi de Poisson de paramètres 1.


Calculer P(X ≤ 3).
2° Une compagnie d’assurances assure un parc de 200 véhicules contre un risque qui a la probabilité
0,5 % de survenir. Frais de gestion déduits, chaque prime souscrite rapporte 160 F à la compagnie,
qui verse 10 000 F pour chaque sinistre.
a) Montrer que la variable aléatoire qui associe à tout parc de 200 véhicules le nombre de sinistres
peut-être approchée par la loi étudiée au 1°
b) Déterminer à 0,001 près la probabilité qu’a la compagnie de réaliser un bénéfice. Calculer
l’espérance de ce bénéfice.

Construction navale

Un client achète un lot de bagues commercialisées par l'entreprise après avoir subi la procédure de
contrôle. Pour contrôler la qualité de ce lot le client prélève 200 bagues.
On admet que le stock est suffisamment important pour pouvoir assimiler ce prélèvement à 200 tirages
indépendants. On admet que la variable aléatoire D, qui à tout prélèvement au hasard de 200 bagues
effectué dans le lot associe le nombre de bagues non conformes qu'il contient, suit une loi de Poisson
de paramètre λ = 3.
Déterminer le plus petit entier k tel que la probabilité de l'événement "D ≤ k" soit supérieure ou égale
à 0,95.

 3 
Probabilités - Loi de Poisson

Fabrications textiles

Un chef d'entreprise, pour éviter l'attente des camions venant livrer, envisage si cela s'avère nécessaire,
de construire de nouveaux postes de déchargement. Il y en a actuellement cinq. On considère, pour
simplifier l'étude, qu'il faut une journée pour décharger un camion.
Une enquête préalable sur 120 jours ouvrables a donné les statistiques suivantes :

Nb d'arrivées par jours xi 0 1 2 3 4 5 6 7 8 9 10


Nb de jours ni 2 10 18 22 23 19 12 7 4 2 1

1° Déterminer à 10 −2 près la moyenne, la variance et l'écart type de cette distribution.


2° Soit X la variable aléatoire qui, à un jour choisi au hasard, associe le nombre de camions venant
livrer ce jour. Le responsable fait l'hypothèse que cette variable aléatoire suit la loi de Poisson de
paramètre 4.
a) Quelle est à 0,0001 près, la probabilité de n'avoir aucun camion en attente ?
b) Combien faudrait-il de postes de déchargement pour que la probabilité de n'avoir aucun camion
en attente soit supérieure à 0,95 ?
c) On prévoit, pour les années à venir, un doublement de la fréquence des livraisons. On admettra
que la variable aléatoire Y = 2 X suit la loi de Poisson de paramètre 8. Combien faudrait-il de
postes de déchargement pour que la probabilité de n'avoir aucun camion en attente soit
supérieure à 0,95 ?

 4 
Probabilités - Loi de Poisson

Maintenance industrielle

Dans cet exercice on donnera les valeurs approchées de tous les résultats à 10 −2 près.
Un distributeur automatique élabore du jus d'orange en mélangeant de l'eau et du concentré d'orange.
A - Vous êtes chargé d'approvisionner chaque matin l'appareil en concentré,
Le plein de concentré étant réalisé chaque matin, on suppose maintenant que la probabilité qu'un jour
pris au hasard la machine soit hors service par manque de concentré est p = 0,05. Les pannes sont
supposées indépendantes les unes des autres.
1° Montrer que la variable aléatoire Y qui, à toute période de 30 jours associe le nombre de jours où le
distributeur est hors service par manque de concentré, suit une loi binomiale.
Quels sont ses paramètres ?
2° On approche cette loi par une loi de Poisson. Quel est son paramètre ?
Déterminer la probabilité qu'il y ait au plus deux mises hors service du distributeur, en un mois de
30 jours, par manque de concentré.

B - Vous êtes également chargé de la maintenance du distributeur.


1° Une enquête a montré que la variable aléatoire Z qui, à toute période de 30 jours associe le nombre
de pannes mécaniques du distributeur, suit la loi de Poisson telle que
P(Z = 1) = 6 × P(Z = 3). Démontrer que le paramètre de cette loi de Poisson est λ = 1.
2° a) On suppose que les variables aléatoires Y et Z sont indépendantes.
Déterminer la probabilité de l'événement :"Y = 1 et Z = 1".
b) Déterminer la probabilité de l'événement "le distributeur est hors service deux fois exactement
en un mois de 30 jours", le hors service se produisant par manque de concentré ou par
défaillance mécanique du distributeur et ce de façon indépendante.
Pour simplifier, on considérera que si le distributeur est victime le même jour d'une panne
mécanique et d'une panne de concentré, il s'agit quand même de pannes distinctes.

 5 
Probabilités - Loi de Poisson

Comptabilité et gestion

Une entreprise conditionne et commercialise du sel fin fluoré en sachets portant les mentions "Poids
net 1 kg et fluorure de potassium 250 mg/kg". Une machine met le sel en sachets.
La fermeture des sachets est automatisée, mais le mécanisme est quelquefois défectueux. On sait que
la variable X qui, à toute année d'utilisation aléatoire, associe le nombre de pannes au cours de cette
année d'utilisation, suit une loi de Poisson de paramètre λ. Par ailleurs, on a remarqué que les
événements "X = 1" et "X = 2" ont la même probabilité.
a) Montrer que le paramètre de cette loi est 2. On rappelle que, pour tout entier k,
λ k
P(X = k) = e .λ , (λ > 0) .
k!
b) Calculer la probabilité que le nombre de pannes dans une année aléatoire soit supérieur ou
égal à 6.

Productique

Un constructeur a besoin, pour équiper ses vélos, de tubes de selle en aluminium. Ce constructeur se
propose de contrôler les lots qu’il reçoit par comptage, au moyen de plans d’échantillonnage indiqués
par la norme NF X06 - 022.
Il constitue un échantillon de 80 tubes.
La norme conseille d’accepter le lot si le nombre de tubes défectueux de cet échantillon est inférieur
ou égal à 2.
On admet que, la variable aléatoire X qui, à tout échantillon aléatoire de 80 tubes, associe le nombre de
tubes défectueux, obéit à une loi de Poisson de paramètre λ inconnu.

λ2
1° Montrer que la probabilité d’accepter le lot est égale à f ( λ ) = e − λ (1 + λ + ).
2
2° Étudier les variations de la fonction f pour λ variant de 0 à 10.
3° Donner le tableau de valeurs de f(λ) pour λ entier variant de 0 à 10. Tracer alors la courbe (courbe
d’efficacité) représentant la fonction f sur [0, 10] (on prendra pour unités 1 cm sur l’axe des
abscisses et 10 cm sur l’axe des ordonnées.
4° On appelle p la probabilité qu’un tube pris au hasard dans un lot soit défectueux. On admettra que
λ = 80 p. En utilisant la courbe représentative de la fonction f,
a) déterminer la probabilité d’acceptation quand p vaut 0,01 ;
b) inversement, déterminer la valeur de p à partir de laquelle la probabilité d’acceptation devient
inférieure à 0,1.

 6 
Probabilités - Loi de Poisson

Industries papetières

Une machine fabrique des tiges en acier.


Un client achète un lot de tiges fabriquées par cette machine ; pour contrôler la qualité de ce lot, il
prélève 80 tiges et accepte ce lot si le nombre de tiges défectueuses parmi les 80 est au plus égal à 2.
On désigne par p la probabilité qu'une tige prise au hasard dans le lot soit défectueuse et l'on suppose
p < 0,1. On assimile tout prélèvement de 80 tiges à un prélèvement aléatoire non exhaustif.
1° On admet que la variable aléatoire Y qui, à tout prélèvement aléatoire de 80 tiges, associe le
nombre de tiges défectueuses de cet échantillon, suit une loi de Poisson de paramètre m = 80 p .
Montrer que la probabilité que le client accepte un lot est :

m2
ϕ ( m ) = e − m (1 + m + )
2
2° Étudier les variations de la fonction ϕ sur l'intervalle [0, 8] et tracer sa courbe représentative dans
un repère orthogonal d'unités graphiques 1cm sur l’axe des abscisses et 10 cm sur l’axe des
ordonnées.
3° Utiliser la représentation graphique précédente pour déterminer,
a) la probabilité que le lot soit accepté si p = 0,07;
b) la valeur de p à partir de laquelle la probabilité d’accepter le lot est inférieure à 0,95.

Industries graphiques

Les premières épreuves d'un ouvrage à imprimer contiennent des fautes d'impression.
Le choix d'une page d'un ouvrage est assimilé à un tirage aléatoire non exhaustif. Un ouvrage ayant été
soumis à une première correction, la variable aléatoire X qui, à toute page, associe le nombre de
fautes suit la loi de Poisson de paramètre λ = 0,2.
a) Déterminer la probabilité qu'il y ait exactement une faute sur une page prise au hasard, puis celle
que la page ne comporte aucune erreur, et enfin celle qu'il y ait 3 fautes au plus.
b) Si l'on répète un grand nombre de fois ce travail, quel est le nombre moyen de fautes par pages ?

 7 
Probabilités - Loi de Poisson

Maintenance 1994

On considère une variable aléatoire X suivant une loi de Poisson de paramètre λ inconnu telle que :
P(X ≤ 1) = 0,95.
1° Démontrer que λ est solution de l'équation ln (1 + x) – x = ln (0,95).
2° Étudier les variations de la fonction ϕ définie sur [ 0 , + ∞ [ par : ϕ(x) = ln (1 + x) – x .
En déduire que l'équation du 1° admet une solution unique, λ, dans [ 0, + ∞[ .
Déterminer un encadrement d'amplitude 10 −1 de λ.

 8 
Probabilités - Loi de Poisson

Industries graphiques 1988

A - 1° Donner pour les entiers k tels que k ≤ 5, à 0,001 près, les probabilités P(X = k) pour une
variable aléatoire X suivant la loi de Poisson de paramètre m = 1,8.
2° On dira que l'événement [X = k] est envisageable si et seulement si P(X = k) ≥ 0,05. Déterminer
les événements envisageables.
Dans la suite de l'exercice, on se limitera aux événements envisageables et on prendra les valeurs
approchées suivantes :
k 0 1 2 3 4
P( X = k ) 0,17 0,30 0,27 0,16 0,10

B - Un atelier contient un parc de 50 machines qui demandent, en moyenne, de manière aléatoire, une
intervention d'une heure. Le but du problème est de déterminer le nombre d'ouvriers à embaucher : le
sur-emploi coûte cher ainsi que le sous-emploi qui perturbe la production en retardant les interventions
nécessaires.
Toutes les données sont ramenées à l'heure :
• 3,6 % des machines demandent une intervention ;
• un ouvrier embauché revient à 200 F ;
• si l'intervention n'a pas lieu la perte est estimée à 500 F ;
• le nombre d'ouvriers embauchés est n ;
• le nombre de machines demandant une intervention est k ;
• le nombre d'interventions ne pouvant être assurées est h ;
• on note Y la variable aléatoire mesurant le coût Cn (h) correspondant aux données précédentes.
1° Montrer que la variable aléatoire X qui, à une heure choisie au hasard, associe le nombre de
machines qui demandent une intervention dans l'heure est assimilable à celle du A).
2° Justifier les relations suivantes :
a) Cn (h) = 200 n + 500 h,
b) P( Y = Cn (0) ) = P( X ≤ n ) et, si h ≠ 0, P( Y = Cn (h) ) = P( X = n + h ).
3° Calculer, l'espérance mathématique de la variable aléatoire Y pour les valeurs de n correspondant
aux évènements envisageables : 0 ≤ n ≤ 4. En déduire le nombre le plus économique d'ouvriers à
embaucher.

 9 
Probabilités - Loi de Poisson

Approximation d'une loi binomiale à l'aide d'une loi de Poisson


Groupement C 1999

Un lycée achète son papier pour photocopieur à une entreprise. On admet que la probabilité qu'une
feuille du papier livré, prise au hasard, bloque le photocopieur est p = 0,001.
Une documentation de 12 pages est photocopiée en 50 exemplaires. On appelle K la variable aléatoire
qui, à toute série de 600 photocopies, associe le nombre de blocages pendant la reprographie.
On assimilera une série de 600 photocopies à un prélèvement de 600 feuilles de papier au hasard et
avec remise.
1° Quelle est la loi de probabilité suivie par K ?
2° Calculer la probabilité des événements suivants (on donnera les résultats exacts, puis arrondis au
millième) :
a) Au cours de ce travail, le photocopieur ne se bloque jamais.
b) Au cours de ce travail, le photocopieur se bloque exactement trois fois.
3° On admet que la loi de probabilité suivie par K peut être approchée par une loi de Poisson.
a) Préciser son paramètre.
b) Quelle est la probabilité que le photocopieur se bloque plus de deux fois pendant ce travail ?

Conception de produits industriels 1999


Une machine usine des billes de roulement à billes. On suppose dans cette question que la proportion
de billes acceptables dans la production est de 95%.
Soit X la variable aléatoire qui, à chaque lot de n billes choisies au hasard dans la production, associe
le nombre de billes défectueuses. On assimile le choix d'un lot à un tirage avec remise.
a) Déterminer la loi de probabilité de la variable aléatoire X. Donner son espérance mathématique.
b) Soit n = 10.
Calculer la probabilité que l'échantillon contienne au plus 2 billes défectueuses.
c) Soit n = 100.
On admet que la loi de probabilité de X peut être approchée par une loi de Poisson de paramètre λ.
Quelle est la valeur de λ ?
Quelle est la probabilité que le lot tiré contienne plus de deux pièces défectueuses ?
Dans cet exercice chaque probabilité demandée sera calculée à 10 −3 près.

 10 
Probabilités - Loi de Poisson

Bâtiment 1995

Une machine produit des pièces cylindriques destinées à faire des axes de moteurs. On étudie le
diamètre, exprimé en millimètres, des pièces issues de cette fabrication.
On suppose maintenant que la probabilité qu'une pièce choisie au hasard dans la production d'une
journée soit défectueuse est p = 0,05.
On prélève au hasard 60 pièces.
La production est assez importante pour qu'on puisse assimiler ce prélèvement à un tirage avec remise
de 60 pièces.
On appelle Y la variable aléatoire qui, à tout prélèvement de 60 pièces, associe le nombre de pièces
défectueuses.
a) Expliquer pourquoi Y suit une loi binomiale dont on déterminera les paramètres.
b) Calculer P(Y ≤ 2).
c) On approche la loi binomiale de la question précédente par la loi de Poisson de même
espérance mathématique. Préciser le paramètre de cette loi.
En utilisant cette loi de Poisson, déterminer la probabilité qu'un échantillon de 60 pièces
contienne au plus deux pièces défectueuses.

Informatique de gestion (Nouméa) 1997


On prélève, au hasard et avec remise, 50 chèques de l'échantillon E. On désigne par X la variable
aléatoire prenant pour valeur le nombre de chèques "de petite valeur" parmi les 50 chèques prélevés.
On admet que la probabilité qu'un chèque soit "de petite valeur" est 0,01.
a) Donner la loi de probabilité suivie par X. Préciser ses paramètres.
b) Calculer l'espérance mathématique et la variance de la variable aléatoire X.
Quel est le nombre moyen de chèques "de petite valeur" parmi les 50 chèques prélevés ?
c) Déterminer la probabilité d'avoir un chèque "de petite valeur" parmi les 50 prélevés puis en donner
une valeur approchée à 10 −3 près.
d) On admet qu'on peut approcher la loi de X par une loi de Poisson.
Montrer que le paramètre λ de cette loi de Poisson est 0,5.
En utilisant la table de la loi de Poisson, calculer la probabilité d'avoir au moins 3 chèques "de
petite valeur" parmi les 50 prélevés.

 11 
Probabilités - Loi de Poisson

Biotechnologie 1997

Une entreprise fabrique en grande série des pipettes de laboratoire. Ces pipettes sont calibrées.
On s'intéresse à la fiabilité de la calibration à l'aide d'un test gravimétrique On refuse toutes les
pipettes pour lesquelles le volume obtenu lors du test est strictement supérieur à 100,3 µl ou
strictement inférieur à 99,7 µl. La probabilité qu'une pipette soit défectueuse est égale à 0,06.
Dans un lot d'un très grand nombre de pipettes, on effectue un contrôle sur 50 pipettes choisies au
hasard. On appelle alors Y la variable aléatoire qui, à tout lot de 50 pipettes associe le nombre de
pipettes défectueuses.
On assimile les prélèvements de 50 pipettes à des tirages de 50 pipettes avec remise.
1° Quelle est la loi de probabilité de Y ?
2° On suppose désormais que l'on peut approcher la loi de probabilité de Y par une loi de Poisson.
a) Préciser le paramètre de cette loi.
b) Quelle est la probabilité qu'il n'y ait aucune pipette défectueuse dans le lot ?
c) Quelle est la probabilité qu'il y ait plus de 4 pipettes défectueuses dans le lot ?

Travaux publics 1994

Un atelier est constitué de 30 postes de travail identiques.


On appelle X la variable aléatoire qui, un jour tiré au hasard, associe aux 30 postes, le nombre de
postes de travail dans lesquels une machine et une seule est en panne.
Les 30 postes fonctionnent de manière indépendante.
On admet que la probabilité qu'une machine et une seule soit en panne est 0,124.
a) Déterminer, en la justifiant la loi de probabilité de la variable aléatoire X.
b) Calculer la probabilité que, parmi 30 postes, il y en ait 4 exactement qui comportent une
machine et une seule en panne.
c) Calculer la probabilité que, parmi 30 postes, il y en ait au moins 2 qui comportent une machine
et une seule en panne.
d) On approche la loi de X par une loi de Poisson. Préciser le paramètre de cette loi de Poisson.
e) Refaire les calculs des questions b) et c) à l'aide de la loi de Poisson.

 12 
Probabilités - Loi de Poisson

Bâtiment (Nouvelle Calédonie)1992


On envisage l’installation d’une pompe à chaleur “en relève de chaudière” dans un hôtel “deux
étoiles” en construction.
On se propose d’étudier si le contrat de maintenance forfaitaire annuel proposé par l’installateur, après
la période de garantie d’un an, est plus avantageux que la facturation au prix réel des interventions
ponctuelles.
Une étude statistique permet au constructeur d’affirmer que la probabilité de l’événement “la pompe à
chaleur tombe en panne une fois pendant un mois donné” est 0,125.
Dans un but de simplification, on admet que, pendant un mois donné, la pompe à chaleur ne peut
tomber en panne qu’au plus une seule fois et que les pannes éventuelles survenues deux mois d’une
même année sont indépendantes.
On note X la variable aléatoire qui, à chaque année (de douze mois!) associe le nombre de pannes
survenues à la pompe à chaleur.
1° Expliquer pourquoi X suit une loi binomiale. Donner les paramètres de cette loi.
2° Calculer la probabilité des événements suivants :
a) il n’y a pas de panne dans l’année ;
b) il y a au plus deux pannes dans l’année.
3° Calculer l’espérance mathématique notée E(X) de la variable aléatoire X. Que représente E(X) ?
4° Les résultats d’une étude statistique menée auprès de nombreux utilisateurs de ce modèle de pompe
à chaleur n’ayant pas souscrit de contrat de maintenance annuel permettent d’admettre que le coût
d’une intervention est de 2100 F TTC.
Soit Y la variable aléatoire qui à chaque année associe le montant total en francs (TTC) des frais
de réparation de la pompe à chaleur.
a) Quelle est l’espérance mathématique notée E(Y) de la variable Y ? Que représente E(Y) ?
b) Le contrat de maintenance forfaitaire annuel de la pompe à chaleur est proposé par l’installateur
au prix de 4500 F TTC.
Quelle est la solution de maintenance la plus intéressante sur une longue période ?
5° On approche la loi binomiale du 1° par une loi de Poisson de paramètre λ = np , où n et p sont les
paramètres de cette loi binomiale.
En utilisant la loi de Poisson, déterminer les probabilités respectives des deux évènements du a) et
du b) de la question 2°.
6° On considère que, pour un évènement l’approximation d’une loi binomiale par une loi de Poisson
p − p'
est justifiée lorsque l’erreur relative est, en valeur absolue, inférieure à 10 % (p étant la
p
probabilité de cet évènement mesurée avec la loi binomiale et p’ celle du même évènement
mesurée avec la loi de Poisson ).
Pour chacun des deux évènements précédents, déterminer si l’approximation de la loi binomiale du
1° par la loi de Poisson du 5° est justifiée.
Dans cet exercice chaque probabilité demandée sera calculée à 10 −3 près.


 13 
Probabilités - Loi de Poisson

En assistance technique d'ingénieur 1992

Dans un service public, on s'intéresse à l'événement : "Une personne se présente au guichet au cours
d'une minute, c'est à dire entre la minute t et la minute (t + 1), t étant entier".
On a observé que la probabilité de cet événement est 0,1.
On admet que la probabilité que deux personnes se présentent au guichet au cours d'une même minute
est négligeable et que l'arrivée des personnes est indépendante de la minute considérée. On désigne par
X la variable aléatoire qui, à une heure choisie au hasard, associe le nombre de personnes qui peuvent
se présenter au guichet durant cette heure.
1° Quelle est la loi de probabilité de X ?
Calculer l'espérance mathématique et l'écart type de X.
2° On admet que l'on peut approximer la loi précédente par une loi de Poisson.
Quel est son paramètre ? Déterminer à 10 −3 près P(X = 3), puis P(X ≤ 6).

Équipement technique énergie 1995

Une étude statistique montre que la probabilité de l'événement "une intervention au moins est
nécessaire sur l'installation au cours d'un mois donné" est 0,125. On admet que la nécessité d'intervenir
au cours d'un mois ne dépend pas du mois considéré. On note X la variable aléatoire qui, à chaque
année aléatoire, associe le nombre de mois où il a fallu intervenir sur l'installation.
1° Expliquer pourquoi X suit une loi binomiale et donner les paramètres n et p de cette loi.
2° Calculer la probabilité des événements suivants :
a) on n'est pas intervenu dans l'année.
b) on est intervenu un seul mois dans l'année.
c) on est intervenu au moins deux mois dans l'année.
3° On se propose d'approcher la loi de X par une loi de Poisson de paramètre λ = np.
En utilisant cette loi de Poisson, déterminer les probabilités respectives des événements définis aux
questions 2a, 2b et 2c.
Les valeurs sont-elles bien compatibles avec les résultats du 2° ?

 14 
Probabilités - Loi de Poisson

Industries graphiques 1992

La probabilité qu'une imprimante de modèle BAG ne puisse transcrire correctement un caractère est
0,005. On suppose que les qualités de transmission des caractères sont indépendantes.
On désigne par X la variable aléatoire qui, à tout lot de 1000 caractères, associe le nombre de
caractères transcrits incorrectement par l'imprimante.
1° Quelle est la loi de probabilité de X ?
2° On admet que la loi de probabilité suivie par X peut être approchée par une loi de Poisson dont on
déterminera le paramètre. Quelle est à 10 −3 près la probabilité que, parmi 1000 caractères à
imprimer :
a) tous soient transcrits correctement ?
b) au moins 998 soient transcrits correctement ?
c) plus de 5 caractères soient transcrits incorrectement ?


Conception de produits industriels 1995

Un grand magasin propose en location des nettoyeurs à haute pression.


Une enquête statistique portant sur plusieurs années antérieures montre que l'on peut estimer à
p = 0,02 la probabilité que, pendant une année donnée, un nettoyeur pris au hasard en location soit
remis au magasin en mauvais état de fonctionnement.
On désigne par X la variable aléatoire qui, une année donnée, associe à chaque échantillon de 100
appareils loués, le nombre d'appareils rendus en mauvais état de fonctionnement. On assimile les
échantillons de 100 appareils à des échantillons aléatoires non exhaustifs. On admet que la variable
aléatoire X suit une loi binomiale.
1. Quels sont les paramètres de cette loi ?
2. Calculer la probabilité que, sur 100 appareils loués, deux d'entre eux au plus soient rendus en
mauvais état de fonctionnement. On donnera une valeur décimale approchée à 10 −2 près.
3. Déterminer l'espérance mathématique de X.
4. On admet que la loi de probabilité de X peut être approchée par une loi de Poisson. Quel est le
paramètre λ de cette loi de Poisson ?
En utilisant la table fournie dans le formulaire, calculer la probabilité que, dans un échantillon de
100 appareils, 5 appareils au moins soient rendus en mauvais état de fonctionnement.

 15 
Probabilités - Loi de Poisson

Productique textile 1992


Dans un atelier, une machine découpe des pièces circulaires de fibres textiles destinées à la mécanique
de précision.
La probabilité qu'une pièce soit défectueuse est 0,06.
Dans un lot contenant un très grand nombre de pièces, on effectue un contrôle sur n articles choisis au
hasard avec remise. On appelle X la variable aléatoire qui associe à un tel échantillon de n articles le
nombre de pièces défectueuses.
1. n = 5 .
a) Quelle est la loi de probabilité de X ?
b) Quelle est la probabilité que l'on ait exactement une pièce défectueuse dans un tel échantillon ?
c) Quelle est la probabilité que l'on ait au plus deux pièces défectueuses dans un tel échantillon ?
2) n = 50.
On suppose que la loi de X peut être approchée par une loi de Poisson dont on déterminera le
paramètre.
a) Quelle est la probabilité qu'il n'y ait aucune pièce défectueuse dans un tel échantillon ?
b) Quelle est la probabilité qu'il y ait strictement moins de 5 pièces défectueuses dans un
échantillon ?
c) Quelle est la probabilité qu'il y ait strictement plus de 5 pièces défectueuses dans un
échantillon ?
On donnera tous les résultats approchés à 10 −3 près.

 16 
Probabilités - Loi de Poisson

Maintenance et après vente automobile 1995

Une entreprise fabrique des courroies dont cinq pour mille présentent un défaut.
Un détaillant achète un lot de 600 courroies. Soit X la variable aléatoire qui, à tout lot de 600 courroies
prélevées aléatoirement, associe le nombre de courroies défectueuses du lot (lot assimilé à un
échantillon aléatoire non exhaustif).
1° Quelle est la loi de probabilité de la variable aléatoire X ?
Calculer l'espérance mathématique et l'écart type de X.
2° a) La loi de probabilité de X peut être approchée par une loi de Poisson. Quel est le paramètre de
cette loi ?
b) A l'aide de cette loi approchée, donner la valeur approchée de Pn = P(X = n).
Donner les valeurs approchées de Pn pour n = 0, n = 1, n = 2, n = 3, n = 4, n = 5, n = 6, et en
déduire P(X ≤ 6). Quelle conclusion en tire-t-on ?

Informatique industrielle 1990

On a observé que 2 % des micro-ordinateurs d’un type donné tombaient en panne par mois
d’utilisation. Une entreprise décide d’acquérir 150 micros de ce type.
On appelle X la variable aléatoire qui à un mois choisi au hasard, associe le nombre mensuel de
pannes prévisibles pour un parc de 150 machines. On suppose également que les micro-ordinateurs
fonctionnent indépendamment les uns des autres.
1° Déterminer la loi de probabilité de X. Calculer la probabilité des événements suivants :
a) le nombre mensuel de pannes est 5.
b) le nombre mensuel de pannes est au plus égal à 3.
2° La loi de X peut-être assimilée à la loi de Poisson. Montrer que le paramètre est λ = 3.
On utilise cette approximation dans la suite de l’exercice.
a) Refaire les calculs du 1°
b) Déterminer le nombre minimum N tel que la probabilité de l’événement “ le nombre de pannes
est au plus N “ soit supérieure à 0,99.
c) Déterminer P(X = k + 1) en fonction de P(X = k), k entier appartenant à [0 ; 150] . En déduire
un algorithme calculant, pour une valeur donnée de k dans [0 ; 150] , P(X = k) et P(X ≤ k)
sans utiliser les fonctions puissance et factorielle, mais en utilisant la fonction exponentielle,
EXP( ), supposée connue.

 17 
Probabilités - Loi de Poisson

Industries céramiques 1992

A - On dispose d'un dé cubique bien équilibré dont les faces sont numérotées de 1 à 6.
On jette le dé 10 fois de suite. Soit X la variable aléatoire qui, à tout ensemble de 10 lancers aléatoires
et avec remise, associe le nombre de 6 obtenus.
On suppose que X suit une loi binomiale.
1° Préciser les paramètres de cette loi binomiale.
2° Calculer les probabilités suivantes :
P(X = 0) ; P(X = 1) ; P(X ≥ 2).
On donnera les valeurs exactes, puis des valeurs décimales approchées à 10 −4 près.
B - On dispose maintenant d'un jeu de deux dés bien équilibrés et de couleurs différentes.
On suppose qu'on lance n fois le couple de dés, où n est inconnu.
On note Z la variable aléatoire qui, à tout ensemble de n lancers, associe le nombre de 6 obtenus. On
admet que Z suit une loi de Poisson de paramètre λ. (Cette loi de Poisson est en fait l'approximation de
la loi binomiale suivie par Z : ces deux lois ont même espérance mathématique).
n
1° Montrer que λ = .
36
2° Calculer à 10 −4 près la probabilité P(Z = 0).
3° Pour quelles valeurs de n a-t-on : P(Z ≥ 1) > 0,95 ?

Techniques physiques pour l'industrie et le laboratoire 1995

Une entreprise fabrique un certain type de jouets électroniques.


On admet que la probabilité que la durée de vie d'un tel jouet, prélevé au hasard dans la production,
soit strictement supérieure à 29,8 milliers d'heures est 0,025. On note Y la variable aléatoire qui, à tout
échantillon aléatoire de 160 jouets (assimilé à un échantillon non exhaustif), associe le nombre de
jouets dont la durée de vie est strictement supérieure à 29,8 milliers d'heures.
a) Montrer que Y suit la loi binomiale B (n, p) avec n = 160 et p = 0,025.
Calculer la moyenne E(Y) et l'écart type σ(Y).
b) On peut approcher la loi de probabilité de Y par une loi de Poisson, donner son paramètre λ.
c) Déterminer le plus petit entier n0 tel que : P(Y ≤ n0) > 0,90.

 18 
Probabilités - Loi de Poisson

Conception de produits industriels 1989

Dans un atelier fonctionnent 12 machines ; chacune d’elles a la probabilité 0,036 de se trouver en


panne un jour donné. Les 12 machines fonctionnent de façons indépendantes.
1° On désigne par X la variable aléatoire qui à un jour choisi au hasard associe le nombre de
machines en panne ce jour là. On appelle A l’événement : “ 3 machines au moins se trouvent en
panne un jour aléatoire “.
Quelle est la loi suivie par la variable aléatoire X ?
Calculer à 10 - 5 près la probabilité p1 = P(A). On prendra par la suite p1 = 0,008.
2° Cet atelier fonctionne 250 jours par an. On appelle Y la variable aléatoire qui, à une année
aléatoire, associe le nombre de jours de l’année où se produit l’événement A.
Calculer à 10 −3 près, en utilisant une approximation par la loi de Poisson de la loi suivie par Y,
une valeur approchée de la probabilité p2 = P(Y ≥ 3).

Informatique industrielle 1993

Un rayon laser est dirigé vers une cible à atteindre. D'une statistique préalable, on déduit que la
probabilité que ce rayon laser atteigne la cible est 0,01. On fait l'expérience qui consiste à émettre n
fois le rayon laser, les émissions étant deux à deux indépendantes et ayant même probabilité
d'atteindre la cible.
Soit X la variable aléatoire qui à une telle expérience, associe le nombre de fois où la cible est atteinte
par le rayon laser.
1. Déterminer la loi de probabilité de X.
Dans le cas où n = 300, calculer l'espérance mathématique et l'écart type de cette loi.
2. Pour une expérience avec un nombre n d'essais, n ≥ 50, on admet qu'il est légitime d'approcher la
loi de probabilité de X par une loi de Poisson.
a) Donner en fonction de n le paramètre λ de cette loi de Poisson.
b) On estime que l'expérience est concluante lorsque le rayon laser atteint au moins trois fois la
cible. Donner les valeurs prises par la variable aléatoire X correspondant à l'événement
"l'expérience est concluante", et exprimer la probabilité de cet événement en fonction de λ.
c) Soit f la fonction définie pour x positif ou nul par :

x2
f ( x ) = e − x (1 + x + )
2
Étudier le sens de variation de f et calculer f(6,1), f(6,2) et f(6,3).
d) En utilisant les résultats de la question 2.c donner un nombre n0 d'essais à partir duquel la
probabilité de l'événement "l'expérience est concluante" est strictement supérieure à 0,95.

 19 
Probabilités - Loi de Poisson

Productique bois 1995

Un atelier de menuiserie produit en grande série pour l'assemblage des meubles, des tourillons en
forme de cylindre.
On désigne par Y la variable aléatoire qui, à chaque lot de n tourillons (30 ≤ n ≤ 1000) tirés au hasard
de la production, associe le nombre de tourillons défectueux de ce lot. La probabilité qu'un tourillon
prélevé au hasard dans la production soit défectueux est 0,003 . La production est assez importante
pour qu'on puisse assimiler ce prélèvement à un tirage avec remise de n tourillons.
a) Donner la loi suivie par Y ainsi que ses paramètres.
On admet que cette loi peut être approchée par une loi de Poisson de paramètre λ, on note Z la
variable aléatoire qui suit cette loi. Exprimer λ en fonction de n.
b) Le lot est acceptable si le nombre de tourillons défectueux est inférieur ou égal à 1.
Montrer que : P(Z ≤ 1) = f ( λ ) = e −λ (1 + λ ) .

 20 