Vous êtes sur la page 1sur 49

Probabilites et Statistique pour SIC

Exercices

Exercice 1 Combien de mots de passe de 8 symboles peut-on creer avec 66 caract`eres ?


Exercice 2 Dans un pays, les voitures ont des plaques dimmatriculation composees de deux lettres (leur
alphabet a 26 caract`eres) suivies de trois chires. Combien de plaques possibles y-a-t-il ?
Exercice 3 Un professeur dispose de 32 livres sur un rayon de sa biblioth`eque. 23 dentre eux sont des
livres de mathematiques et 9 de physique. Le professeur aimerait ranger ses livres de facon que tous les
livres traitant du meme sujet restent groupes. Combien y a-t-il de dispositions possibles ?
Exercice 4 4 Americains, 3 Suisses et 5 Anglais doivent sasseoir sur un meme banc. Les gens de meme
nationalite doivent rester ensemble. Combien de dispositions peut-on imaginer ?
Exercice 5 On veut former un comite comprenant 4 des 23 personnes dun groupe. Combien y a-t-il de
ces comites ?
Exercice 6 Combien de mains de poker existe-t-il ? Le jeu comprend 52 cartes, une main en contient 5.
Exercice 7 Dans un groupe de 10 femmes et 8 hommes, on doit former un comite de 3 hommes et 3
femmes. Combien de comites dierents peut-on former si :
a) 2 des hommes refusent detre ensemble dans le comite ?
b) 2 des femmes refusent detre ensemble dans le comite ?
c) 1 homme et 1 femme refusent detre ensemble dans le comite ?
Exercice 8 Un laboratoire de recherche en psychologie du reve dispose de 4 chambres `a deux lits. Trois
paires de vrais jumeaux sont etudiees. On veut placer chaque paire dans une chambre et assigner `a chacun
un lit bien determine. De combien de mani`eres peut-on organiser lexperience ?
Exercice 9 Demontrer par le calcul que la construction du triangle de Pascal est correcte, cest-`a-dire
que
Cnk = Cnk 11 + Cnk 1
Exercice 10 n personnes dont A et B se mettent au hasard dans une rangee. Combien des mani`eres
y-a-t-il davoir k personnes entre A et B ?
Exercice 11 Un de est jete jusqua ce quun 6 sorte, ce qui marque la fin de lexperience.
a) Quel est lensemble fondamental pour cette experience ?
b) Notons par En levenement lexperience sarrete au neme jet. Quels points de lensemble fondac
mental sont contenus dans En ? Decrire ([1
1 En ) .
Exercice 12 On jette deux des. On note par E levenement la somme des des est impaire, par F
levenement au moins lun des des montre 1, et par G la somme des des est 5. Decrire
a) E \ F ,
b) E [ F ,
c) F \ G,
d) E \ F c ,
e) E \ F \ G.
Exercice 13 Trois joueurs, A, B et C, jettent une pi`ece `a tour de role : A joue dabord, puis B, puis C,
puis A etc. Le premier qui obtient pile a gagne. Lensemble fondamental de cette experience peut etre
decrit comme suit :

1, 01, 001, 0001, . . . ,


S=
0000
1

a) Donner une interpretation des points de S.


b) Decrire les evenements suivants en termes de ces points :
i) A gagne ;
ii) B gagne ;
iii) (A [ B)c .
Exercice 14 n personnes, dont A et B, se mettent au hasard dans une rangee.
a) Decrire lensemble fondamental associe `a cette experience, et en donner le nombre delements.
b) Quelle est la probabilite quil y ait k personnes entre A et B (0 k n 2) ?
c) Verifier votre resultat pour n = 3 en explicitant tous les cas possibles.
Exercice 15 Quelle est la probabilite de tirer au moins un 6 lorsquon jette un de quatre fois ?
Exercice 16 On rep`ete n fois le lancer de deux des. Calculer la probabilite que le six apparaisse au
moins une fois. Quelle valeur donner `
a n pour que cette probabilite atteigne 1/2 ?
Exercice 17 Combien de personnes faut-il pour que la probabilite quau moins deux dentre elles aient
leur anniversaire le meme mois soit au moins 1/2 ? Admettre que tous les mois sont equiprobables.
Exercice 18 Un recepteur se bloque si la duree entre les instants de reception de deux signaux est
inferieure au temp mort . On sait que les deux signaux atteignent le recepteur dans lintervalle de temps
(0, t), et arrivent independamment lun de lautre et au hasard.
a) Decrire lensemble fondamental associe `a cette experience stochastique.
b) Quelle est la probabilite que le recepteur se bloque ?
c) Simplifier votre resultat en admettant que t.
Exercice 19 a) On j`ete une pi`ece n fois, n
2. On note Pn la probabilite que des piles successifs
napparaissent jamais lors des n jets. Montrer que
Pn =

1
Pn
2

1
+ Pn
4

4.

b) Montrer que limn!1 Pn = 0.


c) Soit Qn la probabilite que la suite P F P P P F F P napparaisse jamais lors de n jets. Montrer que
limn!1 Qn = 0.
Indication : La probabilite Qn que la suite P F P P P F F P napparaisse jamais lors de n jets est plus
petite que la probabilite Rn que la meme suite napparaisse jamais entre le jet numero 8i et le jet numero
8(i + 1) 1 o`
u i est un entier plus petit ou egal `a n/8 8.
Exercice 20 On jette un de trois fois.
a) Decrire lensemble fondamental de cette experience.
b) Quelle est la probabilite que la somme des des soit superieure ou egale `a 15 ?
Exercice 21 On jette deux pi`eces equilibrees. Quelle est la probabilite que lune des deux pi`eces tombe
sur pile ?
Exercice 22 En 1654 de Mere propose `
a Pascal le probl`eme suivant : Est-il plus probable dobtenir au
moins un 6 avec 4 des que dobtenir au moins un double 6 lors de 24 jets de deux des ?
Donner la reponse `
a cette question.
Exercice 23 Soit S la somme des valeurs de trois des jetes simultanement. Il y a six configurations
dierentes qui permettent dobtenir 9 ou 10 :
pour S = 9 : (6,2,1), (5,3,1), (5,2,2), (4,4,1), (4,3,2) et (3,3,3),
pour S = 10 : (6,3,1), (6,2,2), (5,4,1), (5,3,2), (4,4,2) et (4,3,3).
Peut-on en conclure que
P (S = 9) = P (S = 10)?
Exercice 24 Dune urne contenant 20 boules numerotees de 1 `a 20, on tire sans remplacement 3 des
boules. Quelquun parie quau moins une des boules tirees portera un numero egal ou superieur `a 17.
Quelle est la probabilite quil gagne ?

Exercice 25 Une urne contient 25 boules, 15 sont rouges et 10 sont vertes. Cinq boules sont tirees au
hasard, sans remise.
a) Trouver la probabilite que la premi`ere, la troisi`eme et la cinqui`eme boule soient rouges et que la
deuxi`eme et la quatri`eme soient vertes.
b) Trouver la probabilite que la premi`ere, la deuxi`eme et la troisi`eme boule soient rouges et que la
quatri`eme et la cinqui`eme soient vertes.
c) Trouver la probabilite que la la deuxi`eme et la troisi`eme boule soient rouges et que la premi`ere, la
quatri`eme et la cinqui`eme soient vertes.
Exercice 26 Meme exercice que le probl`eme 36 ! ! !
Exercice 27 On consid`ere 3 cartes `
a jouer de meme forme. Cependant, les deux faces de la premi`ere
carte ont ete colorees en noir, les deux faces de la deuxi`eme carte en rouge tandis que la troisi`eme porte
une face noire et lautre rouge. On melange les trois cartes au fond dun chapeau, puis une carte tiree au
hasard en est extraite et placee au sol. Si la face apparente est rouge, quelle est la probabilite que lautre
soit noire ?
Exercice 28 Pour depister une maladie, on applique un test. Si le patient est eectivement atteint, le
test donne un resultat positif dans 99% des cas. Mais il se peut aussi que le resultat du test soit positif
alors que le consultant est en bonne sante, et ceci se produit dans 2% des cas. Sachant quen moyenne
un consultant sur 1000 est atteint de la maladie `a depister, calculer la probabilite pour quun client soit
atteint sachant que son test a ete positif. Que penser de ce resultat ?
Exercice 29 Les jours peuvent etre ensoleilles ou nuageux. Le temps du lendemain est le meme que
celui daujourdhui avec probabilite p, et dierent avec probabilite q, o`
u p + q = 1. Sil est ensoleille
aujourdhui, montrez que la probabilite sn quil soit ensoleille le neme jour suivant satisfait
sn = (p
o`
u s0 = 1. En deduire que
sn =

q)sn

1
(1 + (p
2

+ q;

q)n );

0.

Exercice 30 Une unite de production comprend deux machines automatiques fonctionnant independamment
lune de lautre. Chaque machine a la fiabilite p au cours dune journee, ce qui signifie que sa probabilite
de tomber en panne pendant cette periode est egale `a 1 p. Dans ce cas, elle sera reparee pendant la
nuit et se retrouvera en etat de marche le lendemain. Une seule machine peut etre reparee `a la fois.
On note Xn = nombre de machines en panne au debut de la ni`eme journee, n = 1, 2, . . .. Calculer les
probabilites conditionnelles P (Xn+1 = 0|Xn = 0), P (Xn+1 = 1|Xn = 0), P (Xn+1 = 0|Xn = 1) et
P (Xn+1 = 1|Xn = 1).
Exercice 31 Les pi`eces fabriquees par une usine sont soumises `a un controle, mais le mecanisme de
contr
ole nest pas enti`erement fiable. En eet, si une pi`ece est bonne, elle est acceptee avec une probabilite
de 0.9, par contre si elle est defectueuse, elle est refusee avec une probabilite de 0.8.
a) Si un lot comprend trois pi`eces bonnes et une pi`ece defectueuse, quelle est la probabilite que ces
quatre pi`eces soient acceptees lors du controle ?
b) Quelle est la probabilite quil y ait une erreur lors du controle dune pi`ece si lon sait quil y a en
moyenne 20% de pi`eces defectueuses dans la production ?
c) Quelle est la probabilite quune pi`ece acceptee par le controle soit defectueuse (si lon admet de
nouveau quil y a en moyenne 20% de pi`eces defectueuses dans la production) ?
Exercice 32 Un couple a deux enfants. Quelle est la probabilite que les deux soient des filles sachant
que lanee en est une ?
Exercice 33 On jette deux des equilibres. Quelle est la probabilite quau moins lun dentre eux montre
6, sachant que les deux resultats sont dierents ?
Exercice 34 On choisit trois cartes au hasard et sans remise dans un jeu ordinaire de 52 cartes. Calculer
la probabilite que la premi`ere carte tiree soit un pique, sachant que les deux derni`eres en sont.
Exercice 35 On admet que 5% des hommes et 0, 25% des femmes sont daltoniens. On selectionne une
personne daltonienne au hasard. Quelle est la probabilite quil sagisse dun homme ? On admettra que les
hommes sont aussi nombreux que les femmes. Si au contraire il y en avait deux fois plus que de femmes,
que deviendrait le resultat ?
3

Exercice 36 La couleur des yeux dune personne est determinee par une unique paire de g`enes. Si les
deux sont des g`enes yeux bleus, la personne aura les yeux bleus ; si les deux sont des g`enes yeux marrons,
la personne aura les yeux marrons ; si lun est un g`ene oeil bleu et lautre un g`ene oeil marron, la personne
aura les yeux marrons (car le g`ene oeil marron est dominant par rapport au g`ene oeil bleu). Un nouveau-ne
recoit independamment un g`ene oeil de chacun de ses parents et le g`ene quil recoit dun de ses parents a
autant de chances detre lun des deux g`enes oeil de ce parent. Supposons que Xavier et ses deux parents
ont les yeux marrons, mais que la soeur de Xavier a les yeux bleus.
a) Quelle est la probabilite que Xavier ait un g`ene oeil bleu ?
b) Si la femme de Xavier a les yeux bleus, quelle est la probabilite que leur premier enfant ait les yeux
bleus ?
Exercice 37 a) On tire au hasard n boules sans remise dune urne en contenant N de couleur blanche
et M de couleur noire. Donner la fonction de masse de la variable aleatoire X qui compte le nombre de
boules blanches tirees. Demontrer que lesperance de X est N n/(M + N ).
Indication : ecrire le nombre de boules blanches tirees comme la somme de Xi , 1 i N , o`
u Xi est egal
a 1 si la i-`eme boule blanche a ete tiree parmi les n boules, et 0 sinon.
`
b) Une urne contient N boules blanches et M noires. On prel`eve des boules une `a une jusqu`a ce que
la premi`ere boule blanche apparaisse. Si on designe par X le nombre de boules alors prelevees, quelle est
lesperance de X ?
Exercice 38 On jette simultanement deux des `a six faces jusqu`a lobtention dune somme de 5 ou de 7.
a) Le jeu sest arrete au ji`eme lancer. Quelle est la probabilite quon ait obtenu une somme de 5 au
ji`eme lancer ?
b) Quelle est la probabilite de finir de jouer avec une somme de 5 ?
c) Quel est le nombre moyens de jets jusqu`a larret du jeu ?
Exercice 39 On jette une pi`ece n fois. Supposons que lors de chaque jet, la probabilite dobtenir pile
est p, o`
u p 2 [0, 1]. Les resultats sont supposes independants.
a) Donner la loi de probabilite de la variable X qui compte le nombre de piles obtenus.
b) Donner lesperance et la variance de X.
Exercice 40 a) Un parc contient L lions et T tigres. Un employe du parc est charge de silloner le parc.
Chaque fois quil voit un lion ou un tigre, il note sur un calepin le type danimal (lion ou tigre) quil a vu.
Il sarrete une fois quil a note n animaux pour faire un rapport `a son chef. Quelle est la loi du nombre
de lions notes dans le rapport ? Donner la probabilite que k lions aient ete notes.
b) Dans un parc concurrent, une autre stategie est adoptee : chaque fois que lemploye (courageux !)
voit un lion ou un tigre, il le capture. Apr`es avoir capture n animaux, lemploye fait un rapport `a son
chef. Quelle est la loi du nombre de lions notes dans le rapport ? Donner la probabilite que k lions aient
ete captures.
Exercice 41 42800 mariages ont ete celebres en Suisse en 2010. En expliquant vos hypoth`eses et en
donnant les lois de probabilites correspondantes, calculer la probabilite que pour exactement 2 de ces
couples :
a) les deux epoux soient nes un 1er janvier,
b) les deux epoux aient le meme jour danniversaire.
Exercice 42 Un assistant de mathematiques essaie desesperement de passer son permis de conduire. On
suppose quil a une probabilite p 2 (0, 1] de reussir son permis `a chaque essai, et on note T le nombre
dessais necessaires pour quil reussisse son permis. Donner la fonction de masse de T , sa moyenne et sa
variance.
Exercice 43 La fonction de masse dune variable aleatoire X est donnee par
i

P (X = i) = c
o`
u

i!

, i = 0, 1, 2, . . . ,

est un reel positif.


a) Calculer c et reconnatre la loi de X
a) Calculer P (X = 0).
b) Calculer P (X > 2).
c) Donner lesperance et la variance de X.
4

Exercice 44 Soient X et Z deux variables `a valeurs enti`eres

0. On suppose que :

a) Z est une variable de Poisson de param`etre .


b) X Z et :

8n

0 ,

8k n

P {X = k|Z = n} = Cnk pk (1

p)(n

k)

(autrement dit : la loi conditionnelle de X sachant que Z = n est binomiale de param`etres n et p,


pour un 0 < p < 1 fixe).
Prouver que X et Y = Z
respectifs.

X sont deux variables de Poisson independantes, et donner leurs param`etres

Exercice 45 Calculer les deux premiers moments dune variable aleatoire X distribuee geometriquement
(param`etre p) en utilisant sa fonction generatrice des moments.
Exercice 46 On consid`ere le jeu suivant, qui peut etre joue autant de fois que voulu. Chaque tour est
independant et `
a chaque fois, la probabilite de gagner est p. A chaque tour, le joueur parie une certaine
quantite x, quelconque. En cas de reussite, le joueur recup`ere le double de sa mise. En cas dechec, le
joueur perd sa mise. Arnaud applique une strategie simple : il joue tant quil na pas gagne. Au premier
tour, il parie 100CHF. A chaque tour perdu, il parie le double de sa mise au tour precedent. D`es quil a
gagne une fois, il sarrete.
a) Quelle est la quantite misee par Arnaud au tour n ?
b) Quelle est la loi du nombre de tours joues par Arnaud jusquau premier succ`es ?
c) Montrer que la valeur moyenne de la mise dArnaud au tour o`
u il sarrete est
100p
si p > 1/2
2(1 p)
1
si p 1/2
En donner une interpretation.
Exercice 47 Un livre de 350 pages contient 450 erreurs dimpression reparties au hasard. Calculer de
deux facons dierentes la probabilite pour quil y ait au moins trois erreurs dans une page determinee.
Exercice 48 Montrer que si X et Y sont deux variables independantes suivant les lois de Poisson de
param`etres respectifs 1 et 2 alors Z = X + Y suit la loi de Poisson de param`etre 1 + 2 :
a) Par calcul direct de la fonction de masse.
b) En utilisant la fonction generatrice des moments.
Exercice 49 On suppose que la taille, en centim`etres, dun homme age de 25 ans est une variable
aleatoire normale de param`etres m = 175 et 2 = 36. Quelle est la pourcentage dhommes de 25 ans
ayant une taille superieure `
a 185 cm ? Parmi les hommes mesurant plus de 180 cm, quel pourcentage
dentre eux depassent 192 cm ?
Exercice 50 Le nombre de kilom`etres couverts par une batterie de voiture avant defaillance est distribue
exponentiellement et sa valeur moyenne est de 10000 kilom`etres. Une personne souhaite se lancer dans un
voyage de 5000 kilom`etres. Avec quelle probabilite terminera-t-elle son voyage sans avarie de batterie ?
Exercice 51 Pour fonctionner, un syst`eme utilise une cellule interchangeable. On dispose de la pi`ece
originale et dune cellule de rechange. Si le syst`eme a une duree de vie aleatoire X et si sa densite est
donnee (en mois) par :

x>0
cxe x/2
f (x) =
0
x0
quelle est la probabilite que le syst`eme fonctionne pendant au moins 5 mois ?
Exercice 52 La vitesse dune molecule au sein dun gaz homog`ene en etat dequilibre est une variable
aleatoire, dont la fonction de densite est donnee par

2
ax2 e bx
x 0
f (x) =
0
x<0
o`
u b = m/2kT et k, T, m sont respectivement la constante de Boltzmann, la temperature absolue et la

masse de la molecule. Evaluer


a en fonction de b.
5

1
Exercice 53 Si X admet la densite de probabilite fX (x) = 1 1+x
eatoire
2 , on dit que X est une variable al
de Cauchy. Montrer que X nadmet pas desperance mathematique.

Exercice 54 Soit X une variable aleatoire de loi gamma, de densite



x 1
x
si x 0
() e
f (x) =
0
si x < 0,
R1 y 1
pour > 0, > 0 et o`
u ( ) = 0 e y
dy est la fonction gamma.
a) En employant une integration par parties, montrer que ( ) = ( 1) ( 1). Pouvez-vous trouver
une expression pour ( n) quand n est un nombre entier ?
b) Montrer que lesperance de X est / .
Exercice 55 Les pi`eces dune voiture sont souvent copiees, et vendues comme des pi`eces originales. On
veut remplacer certaines pi`eces dune voiture. Avec probabilite 1/4 on ach`ete une pi`ece pirate, et avec
probabilite 3/4 on ach`ete une pi`ece originale. La duree de vie est une variable aleatoire exponentielle de
param`etre 5 pour une pi`ece pirate, et de param`etre 2 pour une pi`ece originale. Appelons T la duree de
vie de la pi`ece que lon ach`ete. Supposons que la pi`ece ait survecu jusquau temps t apr`es son installation.
Quelle est la probabilite (t) que cette pi`ece soit pirate ? Trouver la limite de (t) lorsque t ! 1.
Exercice 56 Soit X une variable normale centree reduite et Y = eX (on dit que Y est une variable
lognormale). Calculer la moyenne et la variance de Y .
Indication : on donne la fonction generatrice des moments de X : MX (t) = exp(t2 /2), t 2 R.
Exercice 57 On dispose de deux composants electroniques dont les durees de vie (temps avant la panne),
exprimees en annees, sont modelisees par des variables aleatoires X et Y independantes. On suppose que
la duree de vie moyenne du premier composant est un an, alors que le deuxi`eme composant a une duree
de vie moyenne de 6 mois.
a) Donner les lois de X et Y .
b) Calculer leurs fonctions de repartition FX et FY .
On consid`ere deux montages possibles pour ces composants : en serie ou en parall`ele. Le syst`eme
monte en serie tombe en panne d`es que lun des composants tombe en panne. Le syst`eme monte en
parall`ele tombe en panne lorsque les deux composants sont tombes en panne. On note S la duree de vie
du syst`eme en serie et T celle du syst`eme en parall`ele.
c) Calculer la fonction de repartition FT de T .
d) Calculer la fonction de repartition FS de S.
e) Calculer la probabilite que le composant de duree de vie X fonctionne toujours `a linstant x (x > 0)
sachant que le syst`eme en serie est tombe en panne avant cet instant.
f) Sachant que le composant de duree de vie X est tombe en panne avant linstant x, quelle est la
probabilite que le syst`eme en parall`ele fonctionne toujours `a un instant t (avec t > x) ?
Exercice 58 Soient X1 , . . . , Xn des variables aleatoires exponentielles independantes de param`etre commun . Calculer la fonction de repartition de min(X1 , . . . , Xn ) et reconnatre cette distribution.
Exercice 59 Si X est une variable aleatoire exponentielle de param`etre
variable aleatoire Y definie par Y = ln X.

= 1, calculer la densite de la

Exercice 60 Soit X une variable aleatoire normale desperance nulle et de variance 1. Calculer la densite
de la loi de Y = eX (on dit que Y est une variable lognormale).
Exercice 61 Soient X et Y deux variables aleatoires avec une densite conjointe f (x, y). Calculer la loi
de X et de Y dans les cas suivants et determiner dans chaque cas si X et Y sont idependantes :
a) f (x, y) = xe x(1+y) pour x, y 0, et f (x, y) = 0 sinon.
b) f (x, y) = 60xy 2 pour x, y 0 et x + y 1, et f (x, y) = 0 sinon.
Exercice 62 Donner une expression pour la fonction de repartition et pour la densite du maximum Z
puis du minimum Z de deux variables aleatoires continues independantes X et Y .
Exercice 63 Soit Z = X + Y o`
u X et Y sont des variables exponentielles independantes de param`etres
et
.
1
2
a) Donner la fonction de repartition de Z.
b) Calculer sa fonction generatrice des moments.
6

c) La fonction generatrice des moments dune variable aleatoire G de loi gamma de param`etres ,
est donnee par :
) , t <
.
t
et 2 , la variable Z est-elle de loi Gamma et quels en sont

MG (t) = (
Deduire du b) sous quelle condition sur
alors les param`etres ?

Exercice 64 Soit (X, Y ) un vecteur aleatoire de densite de probabilite jointe :

1/ si x2 + y 2 1
h(x, y) =
0
sinon .
a) Calculer les densites marginales f et g de X et de Y . X et Y sont-elles independantes ?
b) Trouver Cov(X, Y ) sans calcul.
Exercice 65 On lance deux des equilibres. On note X1 (resp. X2 ) le plus grand (resp. le plus petit) des
deux resultats. Donner les fonction de masse de X1 et de X2 et les tracer.
Exercice 66 Un programme consiste en deux modules independants. Le nombre derreurs X1 dans le
premier module a la fonction de masse P1 et le nombre derreurs X2 dans le deuxi`eme module a la fonction
de masse P2 o`
u
x
P1 (x)
P2 (x)

0
0.5
0.7

1
0.2
0.2

2
0.2
0.1

3
0.1
0

a) Verifier que P1 et P2 sont bien des fonctions de masse.


b) Tracer les fonctions de repartition de X1 et X2 .
c) Calculer la fonction de masse de Y = X1 + X2 , le nombre total derreurs dans le programme.
d) Tracer sa fonction de repartition.
Exercice 67 Les variables aleatoires X et Y sont telles que X est de moyenne 1 et de variance 4, Y est
de moyenne 2 et de variance 9, et corr(X, Y ) = 1/3. Quelle est la variance de 3X 2Y + 1 ? Quelle est la
covariance de X + 2Y avec X Y ? Si Z est une autre variable aleatoire verifiant E(3X 2Y + Z) = 0,
quelle est la moyenne de Z ?
Exercice 68 Soient X1 et X2 deux variables aleatoires independantes avec distribution binomiale de
param`etres n et . Quelle est la variance de X1 X2 ? Si X1 , . . . , Xn sont des observations issues dune
loi binomiale (n, ), quelle est la varaince de leur somme S = X1 + + Xn ?
Exercice 69 Soit X et Y deux variables aleatoires independantes, la premi`ere avec moyenne 2 et variance
3, la seconde avec moyenne 4 et variance 5.
a) Quelle est la moyenne de 5X

3Y + 9 ? Quelle est la variance de 3Y

b) Supposant que X et Y sont de meme variance


64, que vaut la correlation corr(X, Y ) ?

2X ?

, si X + Y est de variance 96 et X

Y de variance

Exercice 70 On lance un de equilibre n fois. Soit X1 le nombre total de 1 obtenus pendant les n lances,
et X2 le nombre total de 2.
a) Quelles sont les distributions de X1 et X2 ? Pourquoi ?
b) Quelles sont les variances de X1 et X2 ?
c) On pose la variable aleatoire U = X1 + X2 . Que represente-t-elle ? En considerant la distribution de
la variable aleatoire U et de l`
a obtenant sa variance, deduire que le coefficient de correlation de X1
avec X2 est = 1/5.
d) Quelle est la variance de V = X1

X2 , et quelle est sa correlation avec U ?

Exercice 71 On suppose que X et Y sont des variables aleatoires independantes suivant chacune la loi
uniforme sur [0, 1]. Montrer que Z = X + Y admet pour densite
8
< z si 0 z 1
2 z si 1 z 2 .
fZ (z) =
:
0 sinon
7

Exercice 72 Soit Z le total des points obtenus `a pile ou face, avec 0 le gain pour pile et 1 pour face, et
en lancant independamment un de equilibre, dont la face indique le nombre de points obtenus. Donner
la fonction de densite de Z et lesperance conditionnelle E(Z | X = x), o`
u X represente le resultat de
pile ou face. Calculer egalement la variance conditionnelle var(Z | X = x) et verifier que les resultats
concordent avec le theor`eme 167.
Exercice 73 Soit X et Y des variables aleatoires Bernoulli et geometrique independantes. Trouver la
fonction de densite de Z = X + Y et calculer les esperances conditionnelles de Z sachant X = x et de Z
sachant Y = y.
Exercice 74 Un programme informatique est compose de trois sections : une section dinitialisation A,
une section de calcul B composee de 100 cycles de calcul identiques et independants, et une section finale
C. On a enregistre les temps de calcul du programme pour chacune des trois sections. Le tableau suivant
resume les temps de calcul obtenus.
Section
Initialisation A
Calcul B (compose de 100 cycles)
Finalisation C

Temps moyen (ms)


5.5
3.4
4.5

Deviation standard (ms)


2.5
2.6
1.3

Tous les temps sont independants exceptes ceux des sections A et C dont la correlation vaut 0.2.
a) Calculer cov(A, C).
b) Calculer la moyenne et la variance du temps dexecution total T du programme.
c) Les temps des sections A et C sont normalement distribues. Bien que le temps de calcul dun cycle
de la section B ne soit pas normalement distribue, expliquer pourquoi la distribution du temps total
de la section B (qui comporte 100 cycles) peut etre approximee par une loi normale et preciser les
param`etres de cette distribution.
d) Calculer la proportion des cas pour lesquels le programme prend
i) moins de 10 ms,
ii) plus de 20 ms.
Exercice 75 Un professeur sait par experience que la note de test dun etudiant se presentant `a un
examen final est une variable aleatoire desperance 75.
a) Donner une borne superieure `
a la probabilite que la note de test dun etudiant depasse 85.
Supposons maintenant que le professeur sache en plus que la variance de la note de test dun etudiant
est 25.
b) Que peut-on dire de la probabilite quun etudiant obtienne une note comprise entre 65 et 85 ?
c) Combien faudrait-il quil se presente detudiants `a cet examen pour assurer, avec une probabilite
dau moins 0,9, que la moyenne de la classe soit de 75 plus ou moins 5 ? Ne pas utiliser le theor`eme central
limite.
d) Utiliser le theor`eme central limite pour resoudre la partie c).
Exercice 76 On consid`ere n variables aleatoires reelles X1 , X2 , . . . , Xn , independantes et identiquement
distribuees, ayant pour fonction de densite :
8
< 0 si x < 0
x si 0 x
f (x) =
:
0 si x >
( est un param`etre reel > 0 ).
a) Determiner la valeur de pour laquelle f est bien une fonction de densite.
b) Donner la fonction de repartition FMn du maximum Mn des variables X1 , X2 , . . . , Xn et calculer
ses deux premiers moments.
c) Montrer que Mn converge en probabilite vers .

Exercice 77 On arrondit 50 nombres `


a lentier le plus proche et on eectue la somme. Si les erreurs
darrondi individuelles sont distribuees uniformement sur ( 0, 5, 0, 5), quelle est la probabilite que la
somme obtenue ait un ecart de plus de 3 par rapport `a la somme exacte ?

Exercice 78 On a 100 ampoules dont les durees de vie sont des variables aleatoires independantes
exponentielles de moyenne 5 heures. Si lon allume une ampoule `a la fois et que chaque ampoule grillee
est instantanement remplacee par une neuve, quelle est la probabilite quil reste encore au moins une
ampoule intacte apr`es 525 heures ?
Exercice 79 Un local doit etre eclaire en permanence ; lorsque lampoule tombe en panne, elle est
immediatement remplacee par une nouvelle ampoule. Il en existe de deux qualites : une qualite A de
duree de vie (en heure) exponentielle de param`etre A = 0.01 et une qualite B de duree de vie (en
heures) exponentielle de param`etre B = 0.02. On a stocke 40 ampoules de qualites A et 60 de qualite B.
Quelle est la probabilite que cette reserve soit suffisante pour une illumination de 6500 heures du local ?
Exercice 80 Quelle est la probabilite quun de equilibre jete 120 fois produise moins de 16 fois le nombre
six ?
Exercice 81 Une pi`ece est lancee 500 fois. Quelle est la probabilite pour que le nombre de faces di`ere
de 250 dau plus 10 ?
Exercice 82 Soit X une variable aleatoire distribuee uniformement dans lintervalle (0, 1), i.e. : X prend
ses valeurs dans (0, 1) et P { < X < } =
, si 0 < 1.
a) On pose Y = ln X. Calculer lesperance de Y et la variance de Y .
b) Si X1 , . . . , X100 sont 100 variables independantes de meme loi que X et si Z = X1 X2 . . . X100 ,
donner une approximation de P {Z < 10 40 }. Indication : passer au logarithme et utiliser a).
Exercice 83 Expliquer bri`evement les termes robuste
la mediane est une mesure de localisation robuste .

et

mesure de localisation

dans lenonce

Exercice 84 Definir la correlation empirique pour un echantillon de n paires dobservations (xi , yi ),


i = 1, . . . , n. Esquisser les types de nuages de points de x et y auxquels on sattend lorsque la correlation
empirique vaut 1, 0 et 1.
et variance empirique s2 =
Exercice 85 Soient X1 , . . . , Xn des observations avec moyenne empirique X
0. Laquelle (lesquelles ?) des affirmations suivantes est-elle correcte ? Justifier.
a) La taille de lechantillon est trop petite.
b) Toutes les observations sont egales.
= 0.
c) X
d) Les observations sont normalement distribuees.
Exercice 86 Quelles affirmations ci-apr`es sappliquent `a la correlation empirique rXY ? Justifier.
a) Depend des unites dans lesquelles sont exprimees X et Y .
b) Mesure lassociation des variables X et Y .
c) Est comprise entre

1 et 1.

d) Ne peut jamais etre exactement zero.


Exercice 87 Lesquelles des affirmations suivantes sappliquent `a la covariance empirique sXY ? Justifier.
a) Mesure lassociation des variables X et Y
b) Est comprise entre

1 et 1.

c) Ne peut jamais etre exactement zero.


d) Depend des unites dans lesquelles sont exprimees X et Y .
Exercice 88 On a pese dix pommes cueillies aleatoirement sur un arbre, et on donne leur poids en
grammes ci-dessous.
121.9

164.4

167.3

170.1

178.6

99.2

96.4

187.1

144.6

172.9

a) Obtenir un intervalle de confiance `


a 90% pour le poids moyen dune pomme.
b) Expliquer ce quon entend par

intervalle de confiance `a 90%

dans le point precedent.

Exercice 89 Lors dun test, on a demande `a 120 personnes qui etait Jean-Jacques Rousseau, et 12
dentre elles ont repondu quil etait plongeur. Estimer la proportion de la population qui a donne une
mauvaise reponse. Obtenir un intervalle de confiance `a 95% pour cette proportion. (Question subsidiaire :
qui etait vraiment Jean-Jacques Rousseau ?)
Exercice 90 Une entreprise analyse la duree des conversations telephoniques de ses employes de bureau.
Neuf conversations consecutives avaient pour duree, en minutes :
10.3,

9.4,

9.9,

7.5,

11.7,

3.4,

7.8,

11.0,

10.0.

a) Calculer la moyenne empirique x


et la variance empirique s2 de ces observations. Quelles sont les
2
unites de x
et de s ?
b) Si on ajuste une distribution normale `
a ces observations, quelle est la probabilite que quune conversation telephonique dure plus de 10 minutes ?
c) Tester au niveau 5% si la duree moyenne des conversations telephoniques egale huit minutes contre
son alternative quelle ne dure pas huit minutes.
Exercice 91 On eectue 25 mesures dune constante physique m dans un laboratoire, en supposant
que ces mesures suivent une loi normale N (m; 2 ) de variance 2 connue. A lissue de ces 25 mesures,
lintervalle de confiance `
a 90% obtenu pour m est : [6, 04; 6, 18]. Combien de mesures supplementaires
doit-on eectuer si lon veut :
a) diminuer de moitie la longueur de lintervalle de confiance `a 90% pour m ?
b) obtenir un intervalle de confiance `
a 95% pour m ayant la meme longueur ?
Exercice 92 On observe les donnees x1 , . . . , x6 , distribuees selon la loi N (m1 ; 12 ), et y1 , . . . , y12 distribuees selon la loi N (m2 ; 22 ) (m1 , m2 , 12 et 22 sont inconnus, et les variables sont supposees independantes
dans leur ensemble). Pour le premier echantillon, les moyenne et variance empirique sont de : m
x =
P6
P6
1
1
2
2
x
=
49,
2
et

=
(x
m

)
=
2,
8,
tandis
que
pour
le
deuxi`
e
me

e
chantillon
on
obtient
:
k
k
x
x
k=1
k=1
6
5
m
y = 48, 4 et y2 = 3, 04.
a) Construire des intervalles de confiance `a 95% pour m1 et pour m2 .
b) On dispose `
a present de plus dinformation quau point a) : les variances 12 et 22 sont maintenant
supposees connues, de valeurs respectives 2, 5 et 3. Donner de nouveaux intervalles de confiance `a 95%
pour m1 et m2 .
X m
Y)
c) En supposant toujours que 12 = 2, 5 et 22 = 3, donner la distribution de la dierence (m
des moyennes empiriques de chaque echantillon, puis construire un intervalle de confiance `a 90% pour
(m1 m2 ).
Exercice 93 Les poids en grammes de 1000 pots de confiture sortis successivement dune machine `
a
conditionner ont ete les suivants (les resultats sont donnes par classes de longueur 2, lorigine de la 1`ere
classe etant 2000 et lextremite de la derni`ere 2024) :
classe
1 2
3 4
5
6
7
8
9 10 11
nombre de pots 9 21 58 131 204 213 185 110 50 16 3

12
0

On admet que les poids X des pots sont independants de loi N (m; 2 ).
a) Donner une estimation de m et 2 .
b) Donner des intervalles de confiance de niveau 95% et 99% pour m.
Exercice 94 Une etude eectuee sur 300 employes dune entreprise a revele que le nombre moyen, X,
de cafes bus annuellement `
a la cafeteria de lentreprise par un employe suit une loi normale de moyenne
500 et decart-type 100. Donner un intervalle de confiance `a 95% de la moyenne et de la variance de X.
Exercice 95 Une entreprise souhaite recruter un ingenieur informaticien mais na pas encore decide
quel salaire annuel proposer pour lembauche. Ne voulant pas proposer un salaire trop eloigne des salaires
moyens proposes dans les autres entreprises, le recruteur decide dinterroger 1000 ingenieurs sur leurs
salaires annuels. Il ressort de lenquete que le salaire moyen des 1000 ingenieurs est de 48000 CHF avec
un ecart-type de 12000 CHF.
a) Donner lintervalle de confiance au seuil 90% du salaire moyen.
b) Est-il raisonnable de dire que grosso-modo le salaire moyen dun ingenieur est de 50000 CHF ?

10

Exercice 96 On observe un echantillon y1 , . . . , yn dune distribution Gamma(3, ) de densite


f (y) =

1
e
2

(y)2

y > 0.

Determiner les estimateurs du maximum de vraisemblance de .


Exercice 97 Donner lestimateur de vraisemblance dune distribution de Poisson (2) `a partir dun
echantillon z1 , . . . , zm .
Exercice 98 Dans la population des menages dun pays lointain on consid`ere le montant des economies
mensuelles X (exprimees en milliers de maravedis) qui poss`ede la distribution de densite
f (x) := k 2 xe

kx

1[0,+1] (x)

x 2 R,

o`
u le param`etre k est inconnu. On prel`eve un echantillon de 400 menages et on a calcule la moyenne
x
= 2.
a) Estimer k en utilisant la methode de maximum de vraisemblance.
b) En donner un intervalle de confiance au seuil 95%.
c) Quel est le pourcentage des familles qui economisent moins de 1000 maravedis par mois (on oublie
lerreur destimation de k) ?
Exercice 99 Considerons un disque D de centre O connu et de rayon R inconnu.
a) On choisit un point x uniformement dans D. Ceci signifie que si A est un sous-ensemble de D de
0, que vaut la
surface s(A), alors : P {x 2 A} = s(A)/(R2 ). Soit la distance de x `a O. Pour r
probabilite P { r} ? En deduire la densite de la variable aleatoire .
b) On choisit maintenant n points independamment et uniformement dans D, en notant 1 , 2 , . . . , n
leurs distances au centre O. Donner lestimateur du maximum de vraisemblance de R comme fonction de
1 , 2 , . . . , n . Calculer le biais de cet estimateur et donner ensuite un estimateur sans biais de R.
Exercice 100 Soit X1 , . . . , Xn un echantillon aleatoire issu de la loi uniforme U (0, b). Trouver lestimateur de maximum de vraisemblance de b.
Exercice 101 On consid`ere un n echantillon X1 , . . . , Xn de loi p U [0, a] + (1 p) U[0, b], i.e. que Xi suit
la loi uniforme sur [0, a] avec la probabilite p et la loi uniforme sur [0, b] avec la probabilite 1 p. On
suppose a < b avec a et b fixes et connus.
a) Determiner la fonction de repartition et la densite de X1 .
b) Considerons Na la variable aleatoire egale au nombre dindividus Xi compris entre 0 et a. Quelle
est la loi de Na ? En deduire son esperance et sa variance.
c) Determiner lestimateur de maximum de vraisemblance de p.
Exercice 102 On observe (X1 , . . . , Xn ), n-echantillon de la loi uniforme sur [a, b], de moyenne theorique
a+b
a+b 2
2 . Quelle est lerreur quadratique E{(X
2 ) } de la moyenne empirique ?
Exercice 103 On observe le temps dattente de n personnes `a un feu rouge, temps notes t1 , . . . , tn . On
fait lhypoth`ese que les temps dattente sont independants et de meme loi uniforme U[0, ]. La duree
dattente maximale `
a ce feu rouge est
, param`etre inconnu et strictement positif.
Pdonc
N
u T = n1 i=1 Ti est un estimateur sans biais de et que sa variance converge
a) Monter que 1 = 2T o`
vers 0 quand n ! 1.
b) Calculer la fonction de repartition et la densite de la variable aleatoire Mn = maxni=1 Ti . Calculer
son esperance et sa variance.
c) En deduire un deuxi`eme estimateur sans biais 2 de . Montrer que sa variance converge egalement
vers 0 quand n ! 1.
d) Lequel des deux estimateurs 1 et 2 choisiriez-vous pour estimer ?
e) Montrer que Mn et 2 convergent en probabilite vers .
Exercice 104 La duree T separant deux arrivees successives de requetes `a un serveur suit une loi exponentielle de param`etre et de densite :
f (t|) = e

pour t > 0.

On suppose que le param`etre est stochastique et suit une loi exponentielle de param`etre
densite
g() = e
11

connu, de

La densite g() represente donc la densite a priori sur le param`etre .


a) Montrer que la densite a posteriori de est proportionnelle `a e (t+ ) .
b) On observe un echantillon de n durees t1 , . . . , tn . Determiner `a partir des observations ti les estimateurs du maximum a posteriori de .
Exercice 105 Une entreprise produit des composants electroniques. Le responsable de la chane de
production affirme que seul 5% des composants produits sont defectueux. Un inspecteur de qualite affirme quant a` lui que la proportion de composants defectueux est plus elevee et lestime `a 10%. Afin
de determiner lequel des deux est le plus pr`es de la realite, un echantillon de 20 composants est preleve
aleatoirement et teste. Le test rev`ele 3 composants defectueux.
On se place dans un cadre bayesien. On note p la variable aleatoire egale `a la probabilite quun composant soit defectueux et X la variable aleatoire egale au nombre de composants defectueux parmi les 20
composants. En labsence dinformation supplementaires, on suppose a priori que les taux de defaillance
de 5% et 10% sont equiprobables.
a) Traduire lenonce en termes probabilistes sur p et X.
b) Calculer la probabilite marginale que X = 3.
c) Calculer la fonction de masse a posteriori de p et interpreter le resultat.
d) Calculer la moyenne a posteriori de p et sa variance a posteriori.
e) Conclure.

12

Probabilites et Statistique pour SIC


Probl`emes

Probl`
eme 1 Un mot de passe est consitue de six lettres, sans tenir compte de leur casse. Combien de
mots de passe existe-il ? Combien de mots de passe ne contiennent que des lettres distinctes ?
Probl`
eme 2 Pour constituer une equipe de football (11 joueurs), on a le choix entre 20 postulants. En
supposant que chaque joueur est polyvalent (il peut jouer `a tous les postes), combien peut-on constituer
dequipes differentes ? Si parmi les 20 postulants, 17 sont joueurs de champ et 3 sont gardiens, combien
dequipes distinctes peut-on alors constituer ?
Probl`
eme 3 Combien de nombres de 3 chiffres distincts peut-on former `a laide des six chiffres 2, 3, 5,
6, 7, 9 ? Combien de ces nombres sont :
a) inferieurs `
a 500 ?
b) impairs ?
c) pairs ?
d) multiples de 5 ?
Probl`
eme 4 Six serveurs sont connectes par une ligne de communication. A chaque instant, un serveur
donne est soit pret `
a transmettre, soit dej`
a occupe.
a) Combien detats du syst`eme forme des six serveurs y a-t-il ?
b) Combien y a-t-il de possibilites que 3 serveurs exactement soient prets `a transmettre `a un instant
donne ?
Probl`
eme 5 Combien de facons y-a-t-il de mettre 4 tours sur un echiquier de sorte quaucune tour nen
menace une autre ?
Probl`
eme 6 On souhaite souder 8 composants electroniques sur un circuit imprime, 4 composants du
type A et 4 composants du type B. Le circuit imprime ne dispose que de 8 places libres alignees. Combien
y-a-t-il de facons de proceder si :
a) Il ny a pas dautres restrictions.
b) Les composants A doivent rester ensemble et les composants B egalement.
c) Seuls les composants A doivent rester ensemble.
d) Les composants A et B doivent etre alternes.
Probl`
eme 7 Raymond a oublie son mot de passe pour acceder `a sa messagerie electronique. Il se souvient
neanmoins que son mot de passe contient r occurrences de la lettre c, dont en derni`ere position. Les
autres symboles ne peuvent etre que a ou b. Combien de mots de passe de longueur n pourraient
etre celui de Raymond ?
Probl`
eme 8 Afin de pouvoir mieux organiser les nombreux fichiers associes `a un logiciel (fichiers de
donnees, de code, ...), on impose un nouveau syst`eme pour nommer ceux-ci. Dans un tel syst`eme, un
nom de fichier se compose dun identificateur et dune extension relies par un point. Un identificateur de
fichier comporte de 1 `
a 5 caract`eres dont le premier est une lettre, les caract`eres suivants sont soit une
lettre soit un chiffre. Une extension comporte de 1 `a 3 caract`eres, le premier est une lettre, les suivants
une lettre ou un chiffre. De facon `
a ne pas avoir des noms trop imprononcables, on nutilise que 20 lettres
de A `
a T, toutes en minuscule.
a) Combien didentificateurs de fichiers peut-on avoir ?
b) Combien de noms de fichier existe-t-il ?
c) Les fichiers dont lextension commencent par la lettre d sont des fichiers de donnees. Combien
de possibilites y a-t-il pour nommer les fichiers de donnees ?
Probl`
eme 9 Calculer le nombre de diagonales dun polygone `a n 3 cotes. Existe-t-il un polygone o`
u
le nombre de c
otes soit egal au nombre de diagonales ?
13

Probl`
eme 10 4 composants electroniques de type A, 3 composants de type B et 5 composants de type
C doivent etre montes en serie. La seule contrainte au fonctionnement du syst`eme est que les composants
de meme type doivent rester groupes. Combien de dispositions peut-on imaginer ?
Probl`
eme 11 Il faut repartir 14 ordinateurs dans deux bureaux de 7 personnes chacun. Combien y a-t-il
de repartitions possibles entre les deux bureaux
a) en supposant que la repartition au sein des bureaux a de limportance ?
b) en supposant que la repartition au sein des bureaux est sans importance ?
Probl`
eme 12 Quatre bits sont transmis `a travers un canal. On regarde `a la reception letat de ces
quatre bits, dans lordre de reception. Chaque bit est soit correctement recu, soit recu avec erreur de
transmission. On note d un bit recu sans erreur et e un bit recu avec erreur.
a) Quel est lensemble fondamental pour cette experience aleatoire ?
b) Lister les evenements tels que au plus un bit soit recu avec erreur.
c) Denombrer les evenements tels que plus de la moitie des bits soient transmis avec erreur.
Probl`
eme 13 Un contr
ole de qualite est effectue chaque heure sur des cartes `a puce. A chaque test,
la carte `
a puce testee est classee selon son bon ou mauvais fonctionnement. Le controle sarrete lorsque
deux cartes `
a puce consecutives sont defectueuses, ou lorsque quatre cartes `a puces ont ete testees. Quel
est lensemble fondamental de cette experience ?
Probl`
eme 14 Dans une fabrique de processeurs, on prel`eve toutes les heures les trois derniers processeurs
produits et on note dans lordre de prel`evement letat de ces trois processeurs. Chacun est classe dans
une des deux categories : en etat de marche, code 1, et defectueux, code 0.
a) Decrivez lespace fondamental associe `
a cette experience aleatoire.
b) Decrivez (en termes ensemblistes) les evenements suivants :
i) le premier processeur est defectueux,
ii) le dernier processeur est en etat de marche,
iii) deux processeurs sont defectueux,
iv) au moins deux processeurs sont en etat de marche.
Probl`
eme 15 Un disque dur a 1% de chance de tomber en panne. Par consequent, il est muni de deux
backups, chacun ayant 2% de chance de tomber en panne. Linformation est perdue uniquement lorsque
les trois composants sont en panne. En supposant que les trois composants fonctionnent independamment
les uns des autres, quelle est la probabilite que linformation soit sauvee ?
Probl`
eme 16 Trois terminaux sont relies `a un ordinateur via 2 lignes de communication. Le terminal
1 a sa propre ligne alors que les terminaux 2 et 3 partagent une ligne de telle sorte qu`a chaque instant
un seul de ces deux terminaux peut etre utilise. Durant une journee de travail, le terminal 1 est utilise
30 minutes chaque heure, le terminal 2 est utilise 10 minutes chaque heure et terminal 3 est utilise 5
minutes chaque heure. En supposant que les lignes de communication op`erent de mani`ere independantes,
quelle est la probabilite quau moins un terminal soit operatif `a un moment quelconque de la journee de
travail ?
Probl`
eme 17 Quelle est la probabilite pour que lecriture decimale dun nombre entier tire au hasard
entre 0 et 9999 comporte au moins une fois le chiffre 1 ?
Indication : utiliser la formule dinclusion-exclusion.
Probl`
eme 18 Au jeu de loto, sous contr
ole dun huissier, 6 numeros parmi 49 numeros de 1 `a 49 sont
tires au hasard. Un joueur de loto doit jouer 6 numeros distincts (on ignore ici la notion de numero
complementaire). On dit quon a gagne la cagnotte si les 6 numeros joues correspondent aux 6 numeros
tires.
a) Quel est lespace fondamental associe aux tirages ?
b) Quelle est la probabilite de gagner la cagnotte ?
c) La societe organisatrice du loto envisage de passer de 49 numeros `a 60 numeros avec un tirage de
8 numeros plut
ot que 6. Aura-t-on plus de chances de gagner la cagnotte ?
Probl`
eme 19 Sophie veut parier `
a une course de chevaux mais na aucune idee des performances des
jockeys et chevaux. Elle decide donc de parier au hasard.
a) Sophie a-t-elle plus de chance de trouver les 3 chevaux de tete dans lordre lors dune course de 17
chevaux, ou les 4 premiers chevaux dans lordre lors dune course de 18 chevaux ?
b) Meme question que precedemment mais dans le desordre.
14

Probl`
eme 20 Des bits sont envoyes `
a la suite sur un canal. Un bit donne prend la valeur 1 avec la
probabilite p. Les bits envoyes sont independants.
a) On enregistre deux bits `
a la suite b0 et b1 .
i) Quelle est la probabilite que les deux bits aient des valeurs differentes ?
ii) Quelle est la probabilite que le second bit soit egal `a 1 si le premier est egal a` 0 ?
b) On note maintenant la valeur de quatre bits envoyes `a la suite.
i) Trouver la probabilite davoir au moins deux bits egaux `a 1 parmi les quatre.
ii) Trouver la probabilite davoir au moins deux bits egaux `a 1 et le quatri`eme bit `a 0.
Probl`
eme 21 Un logiciel libre programme par un etudiant de lEPFL contient 5 bugs, repartis uniformement dans le code. Le code comporte 10 000 lignes dont 3000 de commentaire. Une certaine execution
du logiciel passe par 1/3 des lignes executables. Quelle est la probabilite que le programme sexecute correctement ?
Probl`
eme 22 n resistances sont installees en serie, dont les resistances A et B.
a) Decrire lensemble fondamental associe `a cette experience, et en donner le nombre delements.
b) Quelle est la probabilite quil y ait k resistances placees entre A et B (0 k n 2) ?
c) Verifier votre resultat pour n = 3 en explicitant tous les cas possibles.
Probl`
eme 23 Le Daily Mail du 13 octobre 2010 rapporte que la famille Allali (Angleterre) vient juste
davoir son troisi`eme enfant et que, fait surprenant, ses trois enfants sont tous nes le meme jour (un 7
octobre, en 2005, 2007 et 2010). Le journaliste affirme quil y a moins dune chance sur 48 millions que
trois enfants dune famille (ni jumeaux, ni triplets) naissent un meme jour. Que pensez-vous de cette
affirmation ?
Probl`
eme 24 Vous venez dinstaller un module de detection de courriers indesirables dans votre client de
courrier electronique. Le module reussit `
a identifier les courriers indesirables dans 99% des cas. Neanmoins
le module annonce quun message est indesirable alors quil ne lest pas dans 2% des cas. Les statistiques
officielles indiquent que 10% des courriers electroniques recus sont indesirables. Quelle est la probabilite
quun message soit effectivement indesirable lorsque le module indique que cest le cas ?
Probl`
eme 25 A un test de fin dannee, trois el`eves, Alain, Boris et Charles, ont oublie de mettre leur
nom sur les copies. Le professeur sait quels sont ces trois el`eves mais ne sait pas quelle copie appartient `
a
chacun dentre eux. Il estime neanmoins que Alain a 80% de chance davoir reussi lexamen, Boris 70% et
Charles 60%. Apr`es correction des trois copies, il sav`ere que deux ont reussi lexamen et un la echoue.
En supposant que les etudiants ont travaille independamment, quelle est la probabilite que ce soit Charles
qui ait echoue `
a lexamen ?
Probl`
eme 26 Lenvoi dun paquet du serveur S1 au serveur S2 sur internet passe par deux routeurs
intermediaires R1 et R2 . La probabilite que le paquet se perde sur chaque segment du chemin S1
R1 R2 S2 est p. On constate, au niveau du serveur S2 la perte du paquet. Quelle est la probabilite
quil ait ete perdu au niveau de S1 ? de R1 ? de R2 ?
Probl`
eme 27 Un routeur recoit lessentiel des paquets quil fait transiter depuis deux autres routeurs
R1 et R2 , en proportion equilibree. On constate quenviron un paquet sur 200 est endommage lorsque
ceux-ci proviennent de R1 , alors que seulement un paquet sur 1000 est endommage lorsquils proviennent
de R2 . On consid`ere un paquet recu de lun de ces deux routeurs R1 ou R2 . Le paquet inspecte nest pas
endommage. Quelle est la probabilite quil provienne de R1 ?
Probl`
eme 28 100 programmes informatiques sont testes contre diverses sources derreurs. Il est trouve
que 20 dentre eux ont des erreurs de syntaxe, 10 des erreurs dentree/sortie qui ne sont pas des erreurs de
syntaxe, 5 ont dautres types derreurs, 6 ont `a la fois des erreurs de sytaxe et des erreurs dentree/sortie,
3 ont des erreurs de syntaxe ainsi que dautres types derreur et un seul a les trois types derreur. Un
programme est selectionne aleatoirement parmi ces 100 programmes.
a) Exprimer sous forme de probabilites les quantites donnees dans lenonce.
b) Quelle est la probabilite que le programme selectionne ait des erreurs de syntaxe ou des erreurs
dentree/sortie ou les deux ?
c) On sait que le programme selectionne a une erreur de syntaxe. Quelle est la probabilite quil ait
egalement une erreur dentree/sortie ?

15

Probl`
eme 29 Des requetes sont effectuees sur des serveurs via 5 lignes de communication. Les lignes
de communication ne sont pas utilisees egalitairement : les pourcentages des requetes envoyees sur les
lignes 1, 2, 3, 4 et 5 sont respectivement de 20, 30, 10, 15 et 25. De plus la ligne sur laquelle est envoyee
la requete depend de la longueur de la requete : la probabilite quune requete exc`ede 100 caract`eres sur
les lignes 1 `
a 5 est respectivement de 0.4, 0.5, 0.6, 0.2 et 0.8. Quelle est la probabilite quune requete
quelconque exc`ede 100 caract`eres ?
Probl`
eme 30 On tire au hasard deux chiffres entre 0 et 9. Quelle est la probabilite que le premier chiffre
soit 6, sachant que la somme des deux est 6 ?
Probl`
eme 31 Un magasin delectronique a remarque que la probabilite pn que n clients entrent dans le
magasin un jour donne est pn (1 p), n = 0, 1, . . .. De plus, lorsquun client visite le magasin, il en ressort
avec un achat deux fois sur trois. Neanmoins, le client nest pas satisfait de cet achat et le rapporte au
magasin une fois sur quatre. On suppose que le fait dacheter un produit et le fait den etre satisfait sont
des evenements independants.
a) Quelle est la probabilite quun client ach`ete un produit et en soit satisfait ?
b) Si on sait que k produits vendus nont pas ete rapportes au magasin, montrer que la probabilite
conditionnelle que le magasin ait recu la visite de n clients est donnee par
Cnk pnk (2 p)k+1 /2n+1 , n k.
Probl`
eme 32 La probabilite pour que la duree de vie dun composant depasse 10 000 heures est de 80%
et on admet que les pannes des differents composants sont independantes.
a) Avec 3 composants, on realise un montage en serie. Il suffit que lun des composants tombe en
panne pour que le syst`eme ne fonctionne plus. Quelle est la probabilite pour que celui-ci fonctionne au
moins 10000 heures ?
b) Avec les memes composants que precedemment, on realise un deuxi`eme montage en parall`ele.
Dans ce cas pour que le syst`eme ne fonctionne plus il faut que tous les trois composants soient en panne.
i) Quelle est la probabilite pour que le syst`eme fonctionne au moins 10000 heures ?
ii) Sachant que le syst`eme, qui a ete sous tension 10000 heures, est en etat de fonctionnement,
quelle est la probabilite quun composant au moins soit defectueux ?
Probl`
eme 33 Dans une assemblee de n personnes, on doit constituer un comite de s personnes puis
designer un president parmi celles-ci. Les n personnes narrivant pas `a se mettre daccord pour former le
comite, elles decident apr`es des heures de debat de proceder par tirage au sort, aussi bien pour designer
les s personnes du comite que son president. M. Truc, membre de lassemble, nest pas le president du
comite. Quelle est est la probabilite que celui-ci fasse neanmoins partie du comite ?
Probl`
eme 34 On met au point un algorithme pour detecter si une page web ecrite en anglais est redigee
par un natif (quelquun dont langlais est la langue maternelle). On evalue que 55% des pages web en
anglais sont ecrites par des natifs. Lalgorithme reussit `a detecter correctement que la page est ecrite par
un natif dans 95% des cas lorsque la page est effectivement ecrite par un natif. Elle affirme cependant
incorrectement que la page est ecrite par un natif alors que ce nest pas le cas avec probabilite 1%.
Quelle est la probabilite quune page soit ecrite par un natif lorsque lalgorithme laffirme ?
Probl`
eme 35 Un etudiant passe un test sous la forme dun questionnaire `a choix multiple ; pour chacune
des questions posees, il y a 5 reponses proposees, dont une seule reponse juste. Si letudiant connat la
reponse juste, il la choisit. Dans le cas contraire, il choisit une reponse au hasard parmi les 5 reponses
proposees. Letudiant connait la reponse juste `a 70% des questions.
a) Quelle chance a letudiant de repondre correctement `a une question donnee ?
b) Si pour une question letudiant a repondu correctement, quelle est la probabilite quil ait repondu
en connaissance de cause (cest-`
a-dire pas au hasard) ?
Probl`
eme 36 Une requete peut etre envoyee de mani`ere equiprobable sur six serveurs, quatre etant de
type X et deux serveurs etant de type Y . Deux requetes consecutives ne peuvent pas etre envoyees sur
le meme serveur. On consid`ere deux requetes consecutives.
a) Decrire lensemble fondamental de cette experience stochastique.
b) Definissons les evenements suivants B1 = la premi`ere requete est envoyee sur un serveur de type
X et B2 = la seconde requete est envoyee sur un serveur de type X.
i) Calculer les probabilites P (B1 ), P (B2 |B1 ), P (B2 |B1c ) et P (B2 ).
ii) Verifier que P (B1 B2 ) + P (B1c B2 ) + P (B1 B2c ) + P (B1c B2c ) = 1.
16

Probl`
eme 37 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 `
a 99%. Si une personne nest pas malade, le test est positif `a 0.1%. Autorisez-vous la
commercialisation de ce test ?
Probl`
eme 38 On consid`ere le jeu de de suivant : pour participer au jeu, on mise 3 CHF. Puis on lance
le de et on recup`ere 15 CHF si le nombre obtenu est 6. Le jeu est-il en moyenne rentable ? A partir de
quel gain pour lobtention dun 6 devriendrait-il rentable ?
Probl`
eme 39 On consid`ere lalgorithme naf ci-dessous pour trouver le plus grand element, note M ,
dans une liste non vide L de n elements :
1. On initialise le maximum M avec la valeur du premier element de la liste.
2. On parcourt ensuite la liste, du 2i`eme au dernier element, et on affecte cet element a` M si celui-ci
est plus grand que la valeur courante de M .
Lors du traitement dune liste de taille n :
a) Quel est le nombre de comparaisons effectuees ?
b) Quel est le nombre daffectations `
a M dans le cas le plus favorable ? le plus defavorable ?
Dans la suite, on suppose que les elements de la liste sont deux-`a-deux distincts et que les n! permutations possibles ont la meme probabilite dapparatre dans la liste. Soit p(n, k) la probabilite pour que,
lors du deroulement de lalgorithme sur une liste (aleatoire) L de taille n, k affectations soient necessaires.
c) Montrer la recurrence suivante, pour n 2 et k 1 :
p(n, k) =

1
n1
p(n 1, k 1) +
p(n 1, k)
n
n

Indication : Raisonner selon que le ni`eme element est maximal ou non.


d) Soit En lesperance mathematique du nombre daffectations effectuees lors du traitement dune
liste de taille n. Deduire de la recurrence ci-dessus la recurrence sur En :
En =

1
+ En1
n

et donner une approximation de En (en fonction de n) lorsque n +.


Probl`
eme
! 40 Soit X une variable aleatoire prenant ses valeurs dans les nombres naturels. Montrer que
E(X) =
n=1 P (X n).

Probl`
eme 41 On desire estimer le nombre N de poissons dans un lac sans avoir `a tous les compter. Une
methode pour cela est la methode dite de la capture-recapture : dans un premier temps, M poissons sont
captures, marques dune certaine facon pour les distinguer, puis relaches dans le lac. Quelques minutes
plus tard (le temps que les poissons aient pu se melanger), n poissons sont captures, et on note X le
nombre de poissons qui sont marques, parmi ces n poissons.
(Cette methode a ete introduite par Laplace en 1768 pour estimer la population de la France.)
a) Calculer la fonction de masse de X.
b) Lapplication de cette methode au lac Leman donne X = k. Determiner alors le nombre de poissons
maximisant la probabilite P (X = k) (on parle de
du lac Leman, N , le plus probable, i.e. trouver N
maximum de vraisemblance).
est infinie.
c) Montrer que lesperance de N
Probl`
eme 42 Un joueur tourne une roue. A chaque essai, il a une probabilite 1 p de tomber sur une
case lui rapportant 1 CHF et p de tomber sur la case banqueroute qui lui fera tout perdre et leliminera
du jeu. Il debute avec une somme initiale nulle et souhaite atteindre un gain G0 , apr`es quoi il quittera
le jeu sil ny a pas dej`
a ete contraint avant. Les resultats successifs obtenus en tournant la roue sont
supposes independants.
a) Quelle est la probabilite que le joueur atteigne le gain G0 quil setait fixe ?
b) En deduire lesperance du gain final.
Probl`
eme 43 Une requete est envoyee sur un reseau. On suppose quil a une probabilite p [0, 1] que
cette requete recoive une reponse. Dans le cas contraire, la requete est renvoyee jusqu`a ce quune reponse
soit recue. On note T le nombre dessais necessaires `a cela. Donner la fonction de masse de T .
17

Probl`
eme 44 Pour la nouvelle annee, un fournisseur internet decide de proposer une offre speciale
dabonnement pour attirer de nouvels utilisateurs. Chaque nouvel utilisateur recoit loffre speciale avec
une probabilite de 0.2. 20 nouvels utilisateurs sinscrivent `a ce fournisseur internet. Par quelle loi peut-on
modeliser le nombre dentre eux qui beneficient de loffre speciale ? Calculer la probabilite quau moins le
quart dentre eux en beneficient.
Probl`
eme 45 Un chef dentreprise, pour eviter lattente des camions venant livrer, envisage de construire
de nouveaux poste de dechargement. Actuellement, 5 postes sont en activite. Pour simplifier letude, on
consid`ere quil faut une journee enti`ere pour decharger un camion. On designe par X la variable aleatoire
mesurant le nombre de camions venant livrer chaque jour. Une enquete statistique prealable a montre
quon pouvait assimiler la loi de X `
a une loi de Poisson de param`etre 4.
a) Quelle est la probabilite de navoir aucun camion en attente ?
b) Combien faudrait-il de postes de dechargement pour porter cette probabilite `a plus de 0.9 ?
Probl`
eme 46 Un concierge rentre de soiree. Il dispose de n cles dont une seule ouvre la porte de son
domicile mais il ne sait plus laquelle.
a) Il essaie les cles les unes apr`es les autres en eliminant apr`es chaque essai la cle qui na pas convenu.
Quelle est la probabilite que la porte ouvre apr`es le ki`eme essai ?
b) En realite la soiree a ete bien arrosee et le concierge ne pense pas `a mettre de cote la mauvaise cle
apr`es lavoir essayee. Donner la loi du nombre dessais necessaires pour trouver la bonne cle. Quelle est
la probabilite que la porte ouvre apr`es le ki`eme essai ?
Probl`
eme 47 Pour letude des sols dune region, on effectue des tests `a partir dechantillons preleves sur
le terrain. Cinq echantillons doivent etre soumis aux tests et on sait que la probabilite quun echantillon
preleve sav`ere etre inadequat (endommage par exemple) est de 0.2. Si lon veut etre assure de disposer
de cinq echantillons utilisables avec une probabilite au moins egale `a 0.99, combien dechantillons faut-il
prelever ?
Probl`
eme 48 Une version avancee dun jeu sur console sort. 60% des joueurs ont passe tous les niveaux
de la version precedente. 30% dentre eux decident dacheter la version avancee alors que seulement 10%
des joueurs nayant pas passe tous les niveaux decident de lacheter.
a) Quelle est la probabilite quun joueur ach`ete la version avancee du jeu ?
b) Sur 10 joueurs, quel est le nombre moyen de personnes achetant la version avancee ?
c) Quelle est la probabilite quau moins trois joueurs lach`etent ?
Probl`
eme 49 La production dun certain composant donne 5% de composants defectueux. On a besoin
de 10 composants non defecteux pour 10 nouveaux ordinateurs. Les composants sont testes jusqu`a ce
que 10 composants non defectueux soient trouves.
a) Quelle est la loi du nombre X de composants `a tester avant den trouver 10 fonctionnels ?
b) Quelle est la loi du nombre Y de composants fonctionels parmi 12 testes ?
c) Calculer de deux facons, `
a partir de a) et b), la probabilite que plus de 12 composants doivent etre
testes pour en trouver 10 fonctionnels.
Probl`
eme 50 On consid`ere une classe composee de N 60 el`eves, N pair, quon regroupe aleatoirement
deux par deux. On sinteresse aux N/2 couples distincts ainsi formes.
a) Donner la loi du nombre de couples ayant leur anniversaire le meme jour, cest-`a-dire au nombre
de couples formes de deux personnes nees un meme jour de lannee (mais pas necessairement une meme
annee). On supposera pour simplifier quune annee est composee de 365 jours.
b) Calculer de deux facons, en fonction de N , la probabilite quau moins un couple ait son anniversaire
le meme jour .
Indication : utiliser lapproximation par la loi de Poisson (en la justifiant).
c) Quel doit etre le nombre minimal detudiants dans la classe pour que cette probabilite soit superieure
a 60% ? Faire le calcul de deux facons.
`
Probl`
eme 51 A un instant t donne, n serveurs cherchent a` envoyer une reponse chacun (n reponses au
total pour les n serveurs) via n canaux de transmission independants. Ces canaux etant partages par
dautres serveurs, il y a une probabilite p quun canal soit dej`a occupe `a cet instant. Lorsquun serveur
essaie denvoyer une reponse sur un canal occupe, lenvoi echoue et la reponse est mise en attente jusquau
pas de temps suivant (t+1) lorsque le serveur retente lenvoi, et ainsi de suite jusqu`a ce que les n reponses
aient ete envoyees.
a) On consid`ere une reponse particuli`ere `a envoyer,
18

i) Quelle est la loi du nombre de pas de temps necessaires `a lenvoi de cette reponse ?
ii) Quelle la probabilite que moins de k pas de temps soient necessaires ?
b) On consid`ere les n reponses `a envoyer,
i) Quelle est la probabilite que moins de k pas de temps soient necessaires `a lenvoi de ces n
reponses ?
ii) En deduire la probabilite quexactement k pas de temps soient necessaires.
Probl`
eme 52 n serveurs sont connectes via une ligne de communication. On estime le reseau tel que,
chaque minute, un serveur recoit avec une probabilite p une requete sur cette ligne. De plus, durant une
minute quelconque, un serveur ne peut recevoir plus dune requete.
a) Quelle est la loi du nombre de requetes recues par minute par les n serveurs ?
b) En deduire lesperance et la variance de la proportion de requetes recues par serveur sur une minute.
Probl`
eme 53 Une enquete realisee aupr`es de clients frequentant un magasin rev`ele que, une fois entres
dans le magasin, 40% dentre eux font un achat. Sur 1000 clients entres dans le magasin, on designe par
X le nombre de ceux qui ont reellement achete quelque chose.
a) Quelle est la fonction de masse de X ? Calculer son esperance et sa variance.
b) Calculer la probabilite que moins de 300 personnes aient fait des achats.
c) Calculer la probabilite que plus de 500 personnes aient fait des achats.
Probl`
eme 54 Lutilisation dun logiciel de reconnaissance decriture a produit, `a partir de 1000 pages
de texte, 1500 erreurs reparties au hasard.
a) Donner une valeur exacte de la probabilite quune page retranscrite par le logiciel contienne moins
de 2 erreurs.
b) Calculer la probabilite de cet evenement si on remplace la loi du nombre derreurs par une loi de
Poisson bien choisie.
Probl`
eme 55 Un serveur dessert 1000 postes via 50 lignes `a haut debit. Aux heures de pointe, chaque
poste est occupe en moyenne pendant 2, 5 secondes par minute. On suppose les postes independants.
Quelle est la probabilite de saturation du reseau pendant une duree moyenne dune minute de pointe ?
Probl`
eme 56 Une variable aleatoire X a pour densite
"
2x3 , x 1
f (x) =
.
0, x < 1
Calculer sa moyenne et sa variance.
Probl`
eme 57 La duree de vie dun composant (en annees) est une variable aleatoire continue de fonction
de densite
" k
si x 1
x4
f (x) =
0
si x < 1
a) Trouver k.
b) Calculer la fonction de repartition de la duree de vie du composant.
c) Calculer la probabilite que la duree de vie du composant exc`ede 3 ans.
d) Quelle est la duree de vie moyenne du composant ?
e) Quel est lecart-type de duree de vie ?
Probl`
eme 58 La fonction de repartition de Pareto `a deux param`etres > 0 et > 0 est
"
# x $
1

, x> .

F (x) =
0, x
a) Verifier quil sagit bien dune fonction de repartition.
b) Calculer les moments dordre 1 et 2. A quelle condition sont-ils finis ?
Probl`
eme 59 On suppose que le temps dattente entre deux jobs successifs dune imprimante est en
moyenne de 1/4 dheure.
a) Quelle loi utiliser pour le temps dattente (en heure) entre deux jobs ?
b) Quelle est la probabilite que le job suivant soit envoye dans les 5 minutes ?

19

Probl`
eme 60 La duree de vie dun processeur a une moyenne = 12 ans et un ecart-type = 4 ans.
a) En deduire la valeur des param`etres de la loi (`a preciser) decrivant la duree de vie du processeur.
b) Calculer la probabilite que le processeur ait une duree de vie entre 10 et 15 ans.
Probl`
eme 61 On admet que la temperature moyenne en hiver `a Rome suit une loi normale de moyenne
de 10 C et decart-type 4 C. Pour un hiver de temperature moyenne inferieure `a 4 C, letat de grand
froid est decrete. On suppose les temperatures independantes dun hiver `a lautre.
a) Quelle est la probabilite que letat de grand froid soit decrete un hiver donne ?
b) Quelle est la probabilite que letat de grand froid ne soit pas decrete sur une periode de 10 ans ?
Probl`
eme 62 On joue `
a pile ou face, et le resultat X vaut 0 pour pile et 1 pour face. Si la pi`ece tombe
sur face, on jette encore un de equilibre, et on obtient le resultat Y {1, . . . , 6}. Soit Z = X + Y le
score total. Calculer les esperance et variance conditionnelles de Z sachant X et les utiliser pour verifier
le theor`eme 167.
Probl`
eme 63 Un examen dalg`ebre lineaire consiste en 20 questions `a choix multiples, chacune avec
quatre choix `
a disposition, dont un seulement correct. Il faut repondre correctement `a 10 questions pour
reussir lexamen. Ayant pris ses revisions un peu `a la leg`ere, un etudiant decide de repondre aux questions
de mani`ere aleatoire. Trouver lesperance et la variance du total des points quil obtiendra. Quelle est la
probabilite quil reussisse son examen ? Une fois lexamen termine, il discute avec ses amis, et ils concluent
quil a coche la bonne reponse `
a six questions, et une fausse reponse `a quatre autres questions. Quel est
lesperance du total de points obtenus, conditionnee sur cette nouvelle information ? Quelle est `a present
la probabilite quil reussisse lexamen ?
Probl`
eme 64 Le telechargement dun logiciel se fait via deux miroirs possibles, lun situe en Europe
et lautre aux Etats-Unis. On estime que, selon letat du reseau, le telechargement via lun de ces deux
miroirs met entre a et b secondes, toute duree entre ces deux valeurs etant equiprobable. Les temps de
telechargements via les deux miroirs sont independants.
a) Quelle est la loi du temps necessaire au telechargement en passant par lun des deux miroirs ?
Donner sa fonction de repartition.
b) Adrien demande simultanement le telechargement du logiciel par les deux miroirs.
i) Quelle est la fonction de repartition du temps au bout duquel le premier telechargement du
logiciel sera termine ?
ii) Calculer son esperance et sa variance.
Probl`
eme 65 Un calcul sur ordinateur necessite lappel `a n fonctions, dont les temps de calculs sont
independants et de loi normales N (i , i ). On suppose que le programme principal appelant ces fonctions
ajoute un temps b, fixe, au temps total de calcul. Quelle est la loi du temps total de calcul ?
Probl`
eme 66 Le nombre N de moustiques dans ma chambre dhotel une fois la nuit tombee suit une
distribution de Poisson de moyenne , et chacun deux me pique independamment avec probabilite p.
Trouver les moyenne et variance conditionnelles du nombre Z de piq
ures que jaurai le matin, sachant quil
y avait N = n moustiques. Utilisant ces resultats, trouver les moyenne et variance non conditionnelles de
Z. Utiliser les esperances conditionnelles pour calculer la fonction generatrice des moments de Z. Quelle
est la distribution de Z ?
Probl`
eme 67 Les variables aleatoires X et Y sont toutes deux discr`etes avec une fonction de probabilite
conjointe definie dans le tableau ci-dessous.
X
0
1

Y
0 1 2
p 2p p
3p 2p p

Calculer la fonction de probabilite marginale PX (x) de X. Que vaut p ? Calculer egalement E(Y 2 ) et
E(XY ).
Probl`
eme 68 On suppose que la duree de vie dun individu est une variable aleatoire de densite
" 2
ct (t 100)2 si t [0, 100]
.
f (t) =
0 sinon
a) Calculer la constante c.
b) Quelle est lesperance de vie moyenne dun individu ?
c) Quelle est la probabilite quun individu ait une duree de vie entre 50 et 80 ans ?
20

Probl`
eme 69 Un syst`eme a une duree de vie aleatoire X de densite donnee (en mois) par :
"
cxex/2
x>0
f (x) =
0
x0
Quelle est la probabilite que le syst`eme fonctionne pendant au moins 5 mois ?
Probl`
eme 70 Les timbres produits par la poste sont theoriquement de forme carree de c
ote l = 1.5 cm.
Neanmoins, la machine etant mal calibree, les timbres produits ne sont pas toujours exactement de c
ote
l mais restent toujours carres. On suppose que lerreur de production est de +/- 0.2 cm par cote et que
toutes les valeurs entre ces deux bornes sont equiprobables.
a) Par quelle loi peut on modeliser les longueurs mesurees ? Donner sa fonction de repartition.
b) Quelle est la fonction de repartition de laire du timbre ?
Probl`
eme 71 Ad`ele attend lascenseur, dont la capacite maximale est de 750 kilos. Lascenseur arrive
avec 10 adultes dedans. On suppose que le poids moyen dun adulte suit une loi normale de moyenne 70
kilos et decart-type de 12 kilos.
a) Quelle est la loi du poids des 10 personnes dans lascenseur ?
b) Est-il raisonnable quAd`ele, 55 kilos, entre dans lascenseur ?
Probl`
eme 72 Des ingenieurs civils ayant participe `a la construction du pont de Millau ont estime que le
poids W (en milliers de kilos) que la travee du pont peut supporter sans subir de dommage au niveau de
sa structure, suit une loi normale, de moyenne 400 et decart-type 40. Supposons que le poids (egalement
en milliers de kilos) dune voiture est une variable aleatoire normale de moyenne 3 et decart-type 0.3.
Combien de voitures devraient se trouver sur cette travee pour que la probabilite de rupture soit superieure
a 0.1 ?
`
Probl`
eme 73 Soit Y une variable aleatoire de loi Gamma de param`etres = 1/2 et = 1. On rappelle
que sa densite est
" 1 y
e
, y>0
y
fY (y) =
.
0, y 0
Soit X une autre variable aleatoire dont on ne connait que la loi conditionnellement `a Y : la loi de X
1
sachant Y est la loi normale N (0, 2Y
).
a) Calculer la densite du couple (X, Y ).
b) Calculer la densite X.
c) Calculer et reconnatre la densite conditionnelle de Y sachant X.
Probl`
eme 74 Soit X une variable gaussienne centree reduite et % une variable independante de X telle
que P (% = 1) = P (% = 1) = 1/2. On note Y = %X.
a) Calculer Cov(X, Y ).
b) Le vecteur (X, Y ) est-il gaussien ?
c) Les variables X et Y sont-elles independantes ?
Probl`
eme 75 Soit (X, Y ) un vecteur aleatoire de densite conjointe
"
c(x2 + xy
2 ) si 0 x 1, 0 y 2
fX,Y (x, y) =
0 sinon
a) Determiner la constante c.
b) Determiner la densite marginale de X et celle de Y . Les variables aleatoires X et Y sont-elles
independantes ?
c) Calculer P (X > Y ).
Probl`
eme 76 On a calcule quun certain logiciel produit en moyenne 25 erreurs toutes les 1000 heures
dutilisation, avec un ecart-type de 2. Donner un majorant de la probabilite davoir plus de 30 erreurs en
1000 heures dutilisation. Quen est-il si lecart-type passe `a 4 ?
Probl`
eme 77 Un serveur recoit des requetes de 8 lignes de communication. On sait que le nombre de
requetes issues dune quelconque de ces lignes est en moyenne de 20 requetes par seconde. On suppose
de plus que le nombre de requetes est independant de la ligne. On souhaite savoir si le nombre total de
requetes recues par le serveur nexc`ede pas le seuil de 500 requetes par seconde, qui est un seuil critique
pour le serveur.
a) Utiliser linegalite de Markov pour obtenir un majorant de cette probabilite.
b) Quobtenez-vous en utilisant linegalite de Chebyshov ?
21

Probl`
eme 78 Un disque dur a 350 gigabytes de disponibles. Cela est-il vraisemblablement suffisant pour
stocker 300 films de taille moyenne 1.1 gigabyte et decart-type 0.4 ?
Probl`
eme 79 La mise `
a jour dun logiciel necessite linstallation de 85 fichiers, installes sequentiellement.
Le temps dinstallation est aleatoire, mais prend en moyenne 15 secondes par fichier, avec un ecart-type
de 4 secondes. Quelle est la probabilite que le logiciel soit mis `a jour en moins de 20 minutes ?
Probl`
eme 80 280 messages independants sont envoyes dun centre de transmission. Les messages sont
traites sequentiellement et le duree de transmission dun message suit une loi exponentielle de param`etre
= 5 min1 . Quelle est la probabilite que les 280 messages soient transmis en moins dune heure ?
Probl`
eme 81 Un serveur recoit 1000 requetes par minute. Neanmoins, suite `a des probl`emes sur les
lignes de communication, on estime que la probabilite quun requete echoue est de 4%. On suppose
lechec ou non des requetes independants.
a) Quelle est exactement la probabilite pour que plus de 30 requetes echouent en une minute ?
b) Donner deux approximations de la probabilite a), en les justifiant.
Probl`
eme 82 N touristes veulent se rendre `a Zermatt et doivent donc prendre le train `a Tasch. Or le
train ne comporte que deux wagons de n places chacuns. On admet que les choix des touristes de monter
dans la voiture de tete ou de queue sont independants les uns des autres et quun touriste quelconque a
une chance sur deux de monter dans le premier wagon.
a) Quelle est la probabilite p que tous les touristes ne puissent pas monter dans la voiture quils ont
choisi ?
b) Combien aurait-il fallu de places dans le train si on sait que N = 1000 et si on veut que p soit
inferieur `
a 0,01 ?
Probl`
eme 83 Une entreprise assemble 25 ordinateurs par jour. Les controles de qualite montrent que
95% des ordinateurs assembles fonctionnent correctement.
Donner une bonne approximation de la probabilite quau moins 600 ordinateurs sans defaut aient ete
assembles `
a lissue de 25 journees de travail.
Probl`
eme 84 Le nombre de clients entrant dans un magasin un jour donne suit une loi de Poisson de
param`etre 12. Quelle est la probabilite de ne pas tomber en-dessous de 250 clients sur un mois de 22
jours ouvrables ? On fera les hypoth`eses dindependance qui simposent.
Probl`
eme 85 A partir dun echantillon aleatoire de 500 temps de reponse dun serveur, on a trouve un
temps de reponse moyen de 5 millisecondes avec un ecart-type 2 millisecondes.
a) Donner un intervalle de confiance `
a 95% du temps de reponse moyen.
b) Si lon souhaite que la longueur de lintervalle de confiance nexc`ede pas 0.3 ms, quelle devrait etre
la taille de lechantillon teste ?
Probl`
eme 86 On admet que la duree de vie dun composant (en mois) est de distribution normale
N (, 9). On teste 20 de ces composants pour trouver une duree de vie moyenne y = 100.9. Au seuil 99%,
rejette-on lhypoth`ese = 100 ?
Probl`
eme 87 Les connexions internet sont parfois ralenties d
u `a la latence de transmission du reseau.
On souhaite quantifier cette latence. On envoie pour cela 500 paquets sur le reseau. On obtient une latence
moyenne de 0.8 seconde, avec un ecart-type de 0.1 seconde. Donner un intervalle de confiance au seuil
99.5% de la latence moyenne dans le reseau.
Probl`
eme 88 Lutilisation dun ordinateur consomme de lelectricite. Sur 9 ordinateurs on a obtenu les
co
uts journaliers suivantes exprimes en CHF :
1, 2

0, 8

0, 6

1, 1

1, 2

0, 9

1, 5

0, 9

1, 0

a) Calculer la moyenne et la variance de cet echantillon.


b) On suppose que le co
ut journalier de lutilisation dun ordinateur suit une loi normale. Rejette-on
lhypoth`ese dun co
ut journalier moyen de 1 CHF au seuil 95% ?
Probl`
eme 89 Soit Y1 , . . . , Yn un echantillon aleatoire provenant dune distribution exp(). Trouver le
test optimal pour tester lhypoth`ese H0 : = 1 et son alternative H1 : > 1.

22

Probl`
eme 90 Soit Y1 , . . . , Yn un echantillon aleatoire provenant dune distribution de Poisson avec
moyenne . Trouver le test optimal pour tester lhypoth`ese H0 : = 0 et son alternative H1 : > 0 .
Montrer quil nest pas toujours possible de trouver une region de rejet de taille , et proposer une
approximation pour la region de rejet si ce nest pas le cas.
Probl`
eme 91 Dans le cas dun proc`es o`
u un individu est accuse de crime, quel jugement errone correspond `
a une erreur statistique de type I ? (Considerer lhypoth`ese nulle comme etant linnocence de
laccuse.) Un etudiant en droit sinteresse aux sentences appliquees `a de jeunes adultes convaincus de
grave crime a` larme blanche en Angleterre et dans le Pays de Galles. Il selectionne aleatoirement un
echantillon de 26 cas tires des dossiers de justice pour la fin de lannee 2009 ; il trouve que la duree
moyenne de la peine est de 6.87 mois, avec un ecart-type de 2.2 mois.
a) Construire un intervalle de confiance `
a 95% pour la duree moyenne de la peine.
b) Quelles sont precisement les hypoth`eses faites en a) ?
c) Supposer que tous ces condamnes ont purge la moitie de leur peine. Quelle sont les esperance et
ecart-type empiriques du temps de peine restant pour son echantillon aleatoire de 26 cas ?
d) Utiliser les resultats du point precedent pour tester au niveau 1% lhypoth`ese que le temps moyen
passe en prison etait dau moins 5 mois pour les jeunes adultes convaincus de grave crime `a larme
blanche en Angleterre et dans le Pays de Galles.
Probl`
eme 92 Supposer que les variables aleatoires X1 et X2 ont pour moyenne 1 et 2 respectivement
et pour variance 12 et 22 , avec corr(X1 , X2 ) = .
a) Si a1 , a2 , b1 et b2 sont constant, prouver que
cov(a1 X1 + a2 X2 , b1 X1 + b2 X2 ) =

2
2 %
%

ai bj cov(Xi , Xj ),

i=1 j=1

en citant precisement les resultats utilises.


b) Prouver lenonce ci-apr`es, avec ou sans laide du point precedent.
var(a1 X1 + a2 X2 ) = a21 12 + a22 22 + 2a1 a2 1 2
en citant precisement les resultats utilises.
2 , pour deux variable aleatoires independantes X
1 et X
2 representant
1 X
c) Quelle est la distribution de X
des moyennes empiriques et satisfaisant
'
'
&
&
2
2
1 N 1 , 1
2 N 2 , 2 ,
X
X
n1
n2
2 ).
1, X
et calculer cov(X
d) On a mesure et reporte dans le tableau ci-dessous le temps de trajet arrondi `a 5 minutes de 10
etudiantes et 10 etudiants en statistiques se rendant `a luniversite.
Etudiante

10 40 20 10 20 45 20

Etudiant

20 25 30 25 40 20 40 20 15 40

Tester au niveau 5% si le temps moyen de trajet pour les etudiantes et pour les etudiants est identique.
e) Pourquoi est-il raisonnable de penser que les donnee du point precedent peuvent etre considerees
comme ! deux echantillons independants" ?
Probl`
eme 93 Un sondage aupr`es de 123 etudiants de statistiques a mis en lumi`ere que durant la nuit du
17 au 18 mars 2010, 62 etudiants se sont couches apr`es 3 heures du matin. Estimer la probabilite quun
etudiant de statistiques de cette universite se soit couche apr`es 3 heures du matin cette nuit-l`a. Donner
lapproximation dun intervalle de confiance `a 95% pour la proportion de la population correspondant `
a
tous les el`eves de statistiques de cette universite setant couche apr`es 3 heures du matin.

23

Probl`
eme 94 Un ingenieur compare lepaisseur de peinture sur des voitures de deux lignes de production
(A) et (B) selectionnees aleatoirement. Il a reporte ses resultats dans le tableau ci-dessous.
(A)
(B)

0.23 0.13 0.28 0.19 0.22 0.34 0.28 0.34 0.17 0.22
0.11 0.23 0.32 0.06 0.16 0.21 0.15 0.20 0.27 0.19

Est-ce que ces resultats indiquent quil y a une difference significative depaisseur de peinture sur les deux
lignes de production ? Quelles sont les hypoth`eses faites dans le point precedent ? Obtenir un intervalle
de confiance `
a 98% pour lepaisseur de peinture sur la ligne de production (A).
Probl`
eme 95 On dit quune variable aleatoire Y suit une loi log-normale de param`etres (m, 2 ) si X =
ln Y suit une loi normale N (m, 2 ). On dispose dun echantillon de neuf observations dune loi log-normale
de param`etres (m, ) inconnus :
11, 3

2, 1

1, 1

8, 9

4, 6

5, 7

13, 5

24, 5

16, 4

a) Construire un intervalle de confiance pour m (au niveau = 0, 05).


b) Meme question pour .
Probl`
eme 96 Considerons un echantillon aleatoire X1 , . . . , Xn issu de la loi normale dont la moyenne
est inconnue mais lecart-type est connu.
a) Determiner lestimateur de maximum de vraisemblance de . Est-il biaise ? Calculer sa variance.
b) Calculer linformation observee.
Probl`
eme 97 Soit X1 , . . . , Xn un echantillon aleatoire issu dune population de densite
" 1 1 (x)

si x >
e
f, (x) =
0 sinon
o`
u > 0. Determiner les estimateurs de maximum de vraisemblance de et .
Probl`
eme 98 Chaque annee, la hauteur maximale H de la crue dun fleuve est mesuree. On estime
quune crue superieure `
a 6 m`etres serait catastrophique. On a modelise la loi de la variable aleatoire H
comme etant de Rayleigh, i.e la densite de H est
x x2
e 2a , x > 0,
a
o`
u a est un param`etre inconnu strictement positif. Pendant 8 ans on a observe les hauteurs de crue
(en m)
fH (x) =

2, 5

2, 9

1, 8

0, 9

1, 7

2, 1

2, 2

2, 8

a) Donner lestimateur du maximum de vraisemblance de a.


b) Une compagnie dassurance estime quune catastrophe narrive en moyenne quau plus une fois
tous les mille ans. Ceci peut-il etre justifie par les observations ?
Probl`
eme 99 On consid`ere un n-echantillon X1 , . . . , Xn i.i.d de loi de densite de param`etre > 0 :
" 1 1 1

si x 1
x
f (x) =
.
0 si x < 1
a) Verifier que f est une densite de probabilite.
b) Determiner lestimateur de maximum de vraisemblance de .
Probl`
eme 100 Sur 100 ampoules electriques choisies au hasard, une duree totale de 88 912 heures a ete
trouvee. Les durees de vie des ampoules peuvent etre modelisees par une loi exponentielle de param`etre
, inconnu.
a) Donner lestimateur de maximum de vraisemblance de .
b) Donner un intervalle de confiance `
a 90% de .
c) Au seuil 90%, rejette-on lhypoth`ese = 0.001 ?

24

Probl`
eme 101 Une chane de fabrication de composants electroniques produit un pourcentage 100 p
de produits defectueux. p est inconnu mais on sait que p 0.08. On teste n composants.
a) Quel est lestimateur du maximum de vraisemblance de p ?
b) Quelle doit etre la taille de lechantillon pour que lerreur quadratique moyenne associee `a p soit
inferieur ou egal `
a 0,002 ?
Probl`
eme 102 Les temps T1 , T2 , . . . , Tn entre deux pannes successives dun ordinateur sont des variables
aleatoires independantes distribuees identiquement selon la loi Gamma de param`etres = 2 et = 1 ,
qui a pour fonction de densite :
f (y) =

y y
e
2

si y > 0,

sinon.

est un param`etre > 0 inconnu et `


a estimer.
a) On observe les n premiers temps t1 , t2 , . . . , tn entre deux pannes successives ; estimer `a laide de
t1 , t2 , . . . , tn par la methode du maximum de vraisemblance.
b) Donner le biais et lerreur quadratique de lestimateur de maximum de vraisemblance de .
Probl`
eme 103 On sinteresse au nombre moyen de pannes reseau hebdomadaires sur un certain reseau.
On se place dans un cadre bayesien et on consid`ere donc que ce nombre moyen, , est une variable
aleatoire.
a) On note X la variable aleatoire egale au nombre de pannes reseau sur une semaine donnee. On
suppose que la repartition des pannes sur la semaine est aleatoire. Quelle loi proposez-vous pour X,
conditionnellement `
a ?
b) On a trouve sur des reseaux similaires un nombre moyen de 4 pannes par semaine avec un ecarttype de 2 pannes par semaine. Proposer un choix simple de loi a priori pour et preciser ses param`etres.
Indication : pensez `
a la densite conjuguee de la loi proposee en 1).
c) Deux pannes se sont produites sur le reseau la semaine derni`ere, et aucune panne cette semaine.
Donner la loi a posteriori de , son esperance a posteriori et sa variance a posteriori.
Probl`
eme 104 Un operateur telephonique desire mettre `a jour la statistique des appels quil traite. Les
derni`eres statistiques donnaient une moyenne de 1000 appels par heure, avec un ecart-type de 200 appels.
Du fait de lextension du reseau, le nombre moyen dappels traites peut avoir evolue. On propose
de donner une estimation bayesienne de . Une nouvelle enquete est donc menee. Elle rev`ele que, au
cours de 10 heures choisies aleatoirement, 7265 appels ont ete traites. On note la frequence des appels
telephoniques et X le nombre dappels durant une heure donnee. On suppose que, conditionnellement `
a
, X suit une loi de Poisson de param`etre :
P (X = k|) =

e k
, k = 0, 1, . . .
!

On suppose de plus que est de loi Gamma(, ).


a) En se basant sur les chiffres de la precedente enquete, quelles valeurs de et preconisez-vous ?
b) Determiner la loi a posteriori de (la nommer et donner ses param`etres).
c) Donner la moyenne et lecart-type a posteriori de .
d) Determiner lintervalle de credibilite au niveau 95% de .
Probl`
eme 105 Le nombre de fautes X et le nombre de cartons Y distribues dans le groupe B lors de la
coupe du monde de football de 2006 sont donnes dans le tableau qui suit.
Match 1 2 3 4 5 6
X
26 19 34 34 31 39
Y
3 4 6 8 3 4
a) Calculer la covariance et la correlation du nombre de fautes avec le nombre de cartons.
b) Donner lestimation de la ligne de regression predisant le nombre de cartons en fonction du nombre
de fautes.
c) Predire le nombre de cartons si un match compte 30 fautes.

25

Probabilites et Statistique pour SIC


Corriges aux Exercises

Corrig
e 1 668
Corrig
e 2 262 103
Corrig
e 3 23!9!2!
Corrig
e 4 4!3!5!3!
4
Corrig
e 5 C23
5
Corrig
e 6 C52
3
Corrig
e 7 Remarquons quil y a C10
C83 = 6720 facons de choisir un comite de 3 hommes et 3 femmes
dans un groupe de 10 femmes et 8 hommes.
a) Le nombre de comites de 3 hommes qui contiennent les deux hommes qui refusent detre ensemble
est C61 = 6. Alors, le nombre de comites de 3 hommes qui ne contiennent pas les 2 hommes qui refusent
detre ensembles est C83 6 = 50. Il sen suit que la reponse cherchee est
3
(C83
C10

6) = 120 50 = 6000.

b) Le raisonemment ici est similaire. On obtient :


3
(C10

C81 )C83 = (120

8) 56 = 6272.

c) Le nombre des comites avec lhomme et la femme qui refusent detre ensemble est C92 C72 = 756.
Alors la reponse est
3
C83 C92 C72 = 6720 756 = 5964.
C10
Corrig
e 8 Il y a 4! = 24 facons de placer les trois paires de jumeaux dans les 4 chambres. Dautre part,
pour chaque placement, il y a 23 = 8 facons de distribuer les trois paires de jumeaux dans les lits. Il y a
donc 4!23 = 192 facons dorganiser lexperience.
Corrig
e 9 On a
Cnk

1
1

+ Cnk

(n 1)!
(n
(n 1)!
+
=
(n k)!(k 1)! (n k 1)!k!

1)!(k + n
(n k)!k!

k)

= Cnk

Corrig
e 10 On sapercoit dabord quil y a 1 + (n k 2) = n k 1 mani`eres de placer le bloc A . . .
B de longeur k + 2 dans la rangee. Il faut ensuite tenir compte des permutations de A et B : 2! = 2. Et
des permutations des (n 2) personnes dierentes de A et B : (n 2)!. Il y a donc 2(n 2)!(n k 1)
facons davoir k personnes entre A et B.
u 1 = {(D1 , D2 , . . .) o`
u
Corrig
e 11 a) Lensemble fondamental de cette experience est = 1 [ 2 o`
Di 2 {1, 2, 3, 4, 5} 1 i < 1} (levenement aucun 6 ne sort) et 2 = [1
u
n=1 {(D1 , D2 , . . . , Dn 1 , 6) o`
Di 2 {1, 2, 3, 4, 5} 1 i n 1} (levenement que lexperience sarrete).
b) Les points de lensemble fondamental qui sont contenus dans En sont de la forme (D1 , . . . , Dn 1 , 6).
c
egal `
a levenement aucun 6 ne sort, cest `a dire 1 .
Lensemble 1 = ([1
1 En ) est
Corrig
e 12 a) E \ F = {(1, 2), (1, 4), (1, 6), (2, 1), (4, 1), (6, 1)}.
b) E [ F est egal `
a levenement la somme des des est impaire ou bien lun des des montre 1.
c) F \ G = {(1, 4), (4, 1)}.
a levenement la somme des des est impaire et chaque de montre un nombre plus
d) E \ F c est egal `
grand ou egal `
a 2.
e) E \ F \ G = F \ G.
26

Corrig
e 13 a) Le point {000 . . .} represente levenement personne ne gagne. Les autres points correspondent `
a des evenements o`
u A, B ou C gagne.
b) i) Ceux o`
u le numero 1 se situe dans la place 3n + 1 pour n entier, correspond `a levenement o`
uA
gagne.
ii) Ceux o`
u le numero 1 se situe dans la place 3n + 2 pour n entier, correspond `a levenement o`
u
B gagne.
iii) Ceux o`
u le numero 1 se situe dans la place 3n pour n entier, correspond `a levenement o`
uC
gagne. Finalement, (A [ B)c est egal `
a levenement que C gagne ou personne ne gagne.
Corrig
e 14 a) Lensemble fondamental est forme de tous les arrangements ordonnes possibles de n
personnes. Donc #() = n!.
b) Soit levenement Ek =il y a k personnes entre A et B. Determinons #(Ek ) =nombre de cas
favorables de Ek :
. . B de longueur k+2. On sapercoit quil y a 1+(n k 2) = (n k 1)
On consid`ere dabord le bloc A . k!
mani`eres de le placer dans la rangee.
Il faut ensuite tenir compte des permutations
- de A et B : 2! = 2 permutations,
- des (n

2) personnes dierentes de A et B : (n

2)! configurations dierentes.

Ainsi,
#(Ek ) = 2 (n

1)(n

et

2 (n k 1)(n
#(Ek )
=
#()
n!
Pn 2 2(n k 1)
Remarque : On peut contr
oler que k=0 n(n 1) = 1.
P (Ek ) =

2)!

2)!
=

2 (n k 1)
.
n(n 1)

c) Il est facile detablir la liste des 3! = 6 cas possibles. On obtient alors que
P (k = 0) =

2
2
1
4
= et P (k = 1) = = ,
6
3
6
3

ce qui correspond bien `


a lexpression trouvee sous b).
Remarque : On a bien P (k = 0) + P (k = 1) = 1.
Corrig
e 15 La probabilite de ne tirer aucun 6 est de
moins un 6 est de 1

5 4
6

' 0.5177.

5 4
6

' 0.4822. Alors, la probabilite de tirer au

Corrig
e 16 La probabilite de que le six apparaisse au moins une fois est 1
probabilite atteigne 1/2 il faut que 1

5 2n
6

Pour que cette

1/2. Cest `a dire que


n

donc n

5 2n
.
6

ln 2
2 ln 65

2.

Corrig
e 17 La probabilite que les anniversaires de n personnes soient dans des mois dierents est
12 11 (12
12n

n + 1)

Alors, la probabilite quau moins deux personnes entre n personnes aient leur anniversaire le meme mois
est
12 11 (12 n + 1)
1
12n
Finalement, il faut au moins 5 personnes pour que cette probabilite soit au moins 1/2.
Corrig
e 18 a) Deux signaux S1 et S2 atteignent le recepteur dans lintervalle (0, t). Soient X1 : le temps
darrivee de S1 et X2 : le temps darrivee de S2 . Lensemble fondamental ou espace des resultats possibles
est donc :
= (x1 , x2 ) 2 R2 | 0 x1 t , 0 x2 t .
27

Un element de cet ensemble (un couple (x1 , x2 )) represente une issue possible de cette experience (cest-`
adire un evenement elementaire de lensemble fondamental) : le signal S1 arrive au temps x1 et le signal
S2 arrive au temps x2 .
b) Levenement A qui nous interesse (i.e. le recepteur se bloque) est un sous-ensemble de defini
par :
o
n
A = (x1 , x2 ) 2 |x1 x2 | < .

Le fait dadmettre que les deux signaux arrivent independamment lun de lautre et au hasard nous
permet daffirmer quon a aaire `
a un mod`ele equiprobable. On peut alors calculer la probabilite de
levenement A comme suit :
P (A) =

2 (t
t2

t2
aire de A
=
aire de

)2
2

2t 2
.
t2

c) Si t, on peut negliger ( t )2 par rapport `a 2 t , et donc P (A) '

2
t .

Corrig
e 19 a) Soit Sn le jet numero n et En levenement deux piles successifs napparaissent pas.
Remarquons que Pn = P (En ) et que
P (En ) = P (En \ {Sn = P }) + P (En \ {Sn = F })
Mais
P (En \ {Sn = F }) = P (En

\ {Sn = F }) =

1
P (En
2

et
P (En \ {Sn = P }) = P (En

\ {Sn

= F } \ {Sn = P }) =

1)

1
P (En
4

2)

On en deduit que

1
1
Pn 1 + Pn 2
(1)
2
4
b) Remarquons que Pn est une fonction decroisante de n (cest a` dire que Pn+1 Pn ). On en deduit
que la limite limn!1 Pn existe. Appelons la P1 . En prenant la limite n ! 1 dans lequation (1) on
deduit que
3
P 1 = P1
4
Ceci etant possible seulement si P1 = 0.
c) Soit Gn,i egale `
a levenement {S8i = P, S8i+1 = F, S8i+2 = P, S8i+3 = P, S8i+4 = P, S8i+5 =
F, S8i+6 = F, S8(i+1) 1 = P }, et Rn,i = Gcn,i (cest `a dire levenement la suite Sj , 8i j 8(i + 1) 1,
Pn =

n/8 8

est dierente de P, F, P, P, P, F, F, P ). Soit Rn = \i=1 Rn,i . Par lindependance des evenements Rn,i ,
1 i n/8, on a

n/8
n/8
Y
1
P (Rn ) =
P (Rn,i ) = 1
(2)
28
i=1

o`
u dans la derni`ere egalite on a employe le fait que P (Rn,i ) = 1 218 . De lequation (2), on deduit que
limn!1 P (Rn ) = 0. Mais clairement P (Qn ) P (Rn ) (parce que Qn Rn ). Alors, limn!1 P (Qn ) = 0.
u 1 Y1 , Y2 , Y3
Corrig
e 20 a) Lensemble fondamental de cette experience est = {(Y1 , Y2 , Y3 ) o`
6}.
b) Soit X1 le de qui montre la valeur la plus petite, X3 le de qui montre la valeur la plus grande et X2
le de qui montre une valeur entre X1 et X3 (cest-`
a dire X1 X2 X3 ). On veut calculer la probabilite
de levenement X1 + X2 + X3 15. On appellera cet evenement par E. La table ci-dessous donne les
valeurs de X1 , X2 et X3 qui rend leur somme plus grande ou egale `a 15.
X1
3
4
4
5
5
5
6

X2
6
5
6
5
5
6
6

X3
6
6
6
5
6
6
6

somme
15
15
16
15
16
17
18
28

poids
3
3!
3
1
3
3
1

probabilite
1/216
1/216
1/216
1/216
1/216
1/216
1/216

La cinqui`eme colonne correspond au nombre de facons quil y a dobtenir les valeurs de X1 , X2 et X3


donnees. Et la sixi`eme colonne correspond `a la probabilite de chaque configuration (cest-`a-dire 1/63 =
1/216). Alors, la probabilite recherchee est egale `a
P (E) =

(3 + 6 + 3 + 1 + 3 + 3 + 1)
20
=
' 0.0926.
216
216

Corrig
e 21 La probabilite quaucune des deux pi`eces ne tombe sur pile est egale `a la probabilite dobtenir
(F, F ). Cest a` dire 1/4. Alors, la reponse recherchee est 1 1/4 = 3/4.
Corrig
e 22 On utilise le fait que levenement avoir au moins un succ`es est le complementaire de
levenement navoir aucun succ`es. La probabilite dobtenir au moins un 6 avec 4 des est donc de
1

1 4
) ' 0, 518,
6

(1

et la probabilite dobtenir au moins un double 6 lors de 24 jets de deux des est de


1

1 24
) ' 0, 491.
36

(1

Corrig
e 23 On ne peut pas en conclure que P (S = 9) = P (S = 10) car les configurations ne sont pas
equiprobables. Si lon tient compte de lordre elles le sont, il faut donc tenir compte des permutations
possibles de chaque configuration. Ainsi (3,3,3) ne compte quune fois alors que (5,2,2) compte triple
27
et (5,3,1) compte six fois. On obtient P (S = 9) = 25
63 et P (S = 10) = 63 .
Corrig
e 24 P {il gagne} = 1

P {il perd} = 1

161514
201918

Corrig
e 25 a) et b) La reponse est la meme :
P =

15 14 13 10 9
= 0.03854.
25 24 23 22 21

P =

15 14 10 9 8
= 0.0237.
25 24 23 22 21

c) On obtient

Corrig
e 26 Corrige du probl`eme 36.
Corrig
e 27 Soient RR, N N et RN respectivement les evenements, la carte choisie est enti`erement
rouge, enti`erement noire et bicolore. Soit encore R levenement, la face apparente de la carte tiree
est rouge. On aura
P (RN |R)

=
=
=

P (R|RN )P (RN )
P (R|RR)P (RR) + P (R|RN )P (RN ) + P (R|N N )P (N N )
1
1
3

1
3

1
2
1
2

1
3
1
3

+0

1
3

Corrig
e 28 Soit M levenement le patient est atteint, B levenement le patient est en bonne sante,
et + levenement le resultat du test est positif. De la formule de Bayes on a
P (M |+)

P (+|M )P (M )
P (+|M )P (M ) + P (+|B)P (B)

99 1
100 1000
99 1
2 999
100 1000 + 100 1000

99
' 0.0472
2097

Ceci nest pas un tr`es bon resultat. Pour essayer de lameliorer il faudrait repeter le test...

29

Corrig
e 29 Soit Sn levenement le neme jour est ensoleille et Nn levenement le n`eme jour est nuageux. Alors,
sn

=
=

P (Sn ) = P (Sn |Sn 1 )P (Sn


psn 1 + q(1 sn 1 )

(p

q)sn

1)

+ P (Sn |Nn

1 )P (Nn 1 )

+q

0 par induction sur n. Si n = 0 cest clairement vrai.


On demontre que sn = 12 (1 + (p q)n ), n
Supposons maintenant que cette formule est valide pour n m. Alors,
sm+1

=
=
=
=

(p

q)sm + q

1 1
+ (p q)m + q
(p q)
2 2
p+q 1
+ (p q)m+1
2
2
1
1 + (p q)m+1 .
2

Ceci montre que le resultat est vrai pour m + 1. Donc sn = 12 (1 + (p

q)n ) pour tout n

0.

Corrig
e 30 Xn ne peut prendre que les valeurs 0 et 1. En eet, il ne peut y avoir plus dune machine
en panne au debut dune journee. On a
P (Xn+1 = 0|Xn = 0)

P (Xn+1 = 0|Xn = 1)
P (Xn+1 = 1|Xn = 0)
P (Xn+1 = 1|Xn = 1)

= p2 + p(1 p) + (1 p) p = p(2 p)
(soit ni lune ni lautre ne tombe en panne,
soit lune tombe en panne et est reparee,
soit lautre tombe en panne et est reparee)
= p
= (1 p)2
= 1 p.

Corrig
e 31 a) P (A|B) = 0.9 et P (Ac |B c ) = 0.8.
b) Les 4 pi`eces sont acceptees, donc le controle des 3 bonnes pi`eces est sans erreur et il y a erreur
dans le contr
ole de la pi`ece defectueuse . La probabilite dun tel evenement est :
P (A|B)3 P (A|B c ) = (0, 9)3 0, 2 ' 0.146.
c) Soit levenement E =il y a erreur dans le controle dune pi`ece.
P (E) = P (Ac |B) P (B) + P (A|B c ) P (B c ). Do`
u, puisque P (B c ) = 0, 2,
P (E) = 0, 1 0, 8 + 0, 2 0, 2 = 0, 12.
d) P (B c |A) =

P (A|B c ) P (B c )
P (A|B c ) P (B c )
=
' 0, 053.
P (A)
P (A|B) P (B) + P (A|B c ) P (B c )

Corrig
e 32 Lensemble fondamental de cette experience est = {(E1 , E2 ) o`
u E1 est le sexe du premier
enfant et E2 est le sexe du deuxi`eme}. Levenement les deux enfants sont des filles est A = {(F, F )},
et lanee en est une est B = {(F, F ), (F, G)}. La probabilite recherchee est
P (A|B) =

P (A)
1/4
1
P (A \ B)
=
=
= .
P (B)
P (B)
1/2
2

Corrig
e 33 Lensemble fondamental de cette experience est = {(D1 , D2 ) o`
u 1 Di 6 et i = 1, 2}.
Appelons A levenement au moins lun dentre eux montre 6, et B levenement les deux resultats sont
dierents. On veut calculer
P (A|B) =
Mais, P (B) =

65
66

5
6

P (A \ B)
.
P (B)

et
30

P (A \ B) = P (B)

P (Ac \ B) =

54
5
=
66
6

5
6

Alors, la probabilite recherchee est

5
.
9

6
= 1/3.
9
Corrig
e 34 Soit A levenement la premi`ere carte tiree est un pique et B levenement les deux
derni`eres en sont. Remarquons que
P (A|B) = 1

P (A \ B)

13 12 11
52 51 50

P (B)

P (A \ B) + P (A \ B c ) =

Alors, la probabilite recherchee est egale `a P (A|B) =

13 12 11 39 13 12
+
52 51 50 52 51 50

131211
131211+391312

11
50 .

Corrig
e 35 Soit D levenement la personne selectionee est un daltonien, H levenement elle est un
homme et F levenement cest une femme. Tout dabord, par la formule de Bayes on a
P (H|D) =

P (D|H)P (H)
P (D|H)P (H) + P (D|M )P (M )

Si on admet que les hommes sont aussi nombreux que les femmes, alors P (H) = P (F ) = 1/2 et
P (H|D) =

5
100

5
1
100 2
0,25
1
2 + 100

1
2

20
5
=
.
5.25
21

Si au contraire il y avait deux fois plus de femmes que des hommes, on aurait,
P (H|D) =

5
100

5
2
100 3
0,25
2
3 + 100

1
3

40
10
=
.
10.25
41

Corrig
e 36 Dabord remarquons que si Xavier et ses deux parents ont les yeux marrons et si la soeur de
Xavier a les yeux bleus, il faut que les deux parents aient chacun un g`ene oeil bleu et un autre marron.
a) Xavier peut avoir des g`enes (M, M ), (M, B) et (B, M ), alors, la probabilite que Xavier ait un g`ene
oeil bleu est 2/3.
b) On definira par GX , GF et GE les g`enes yeux de Xavier, de sa femme et de son enfant. Alors,
P (GE = (B, B)) = P (GX 2 {(M, B), (B, M )})

21
1
1
=
= .
2
32
3

Corrig
e 37 a) On numerote les boules blanches de 1 `a N . Soit Xi la v.a. definie par : Xi = 1 si la boule
blanche numero i a ete tiree, 0 sinon.
On a
M +N n
M +N n
M +N 1 M +N 2
P {Xi = 0} =
.
...
=
,
M +N M +N 1
M +N n+1
M +N
n
P {Xi = 1} =
.
M +N
PN
Comme X = i=1 Xi , on en deduit que :
E(X) =

N
X

E(Xi ) =

i=1

Nn
.
M +N

b) On numerote les boules noires de 1 a` M et pour 1 j M , on definit Yj par : Yj = 1 si la boule


noire numero j a ete tiree avant la premi`ere boule blanche, 0 sinon. Pour chaque 1 j M :
P {Yj = 1} =

1
.
N +1

(les evenements la boule noire numero j est tiree avant toutes les boules blanches et la boule blanche
numero i est tiree avant toutes
PM les autres boules blanches et avant la boule noire numero j sont
equiprobables). Comme X = j=1 Yj + 1, on obtient :
E(X) = 1 +

31

M
.
N +1

Corrig
e 38 a) On appelle Xi la somme de 2 des au i`eme jet : Xi 2 {2, . . . , 12}. On a P (Xi = 5) = 1/9
et P (Xi = 7) = 1/6. On appelle le temps darret du jeu, = 1, 2, . . ., et Fj = { = j} est levenement
que le jeu sarrete au j`eme jet. On note que on peut ecrire levenement Fj comme
h
i
{Xj = 5 ou Xj = 7} \ \ji=11 {Xi 6= 5 et Xi 6= 7}
En utilisant cela et lindependance des variables Xi on obtient que pour tout j

2
1/9
= .
1/9 + 1/6
5

P (Xj = 5|Fj ) = P ({Xj = 5}|{Xj = 5} [ {Xj = 7}) =


b) Puisque le jeu va sarreter presque s
urement (cest`adire
probabilite totale on arrive `
a

P1

j=1

P (Fj ) = 1), par la formule de la

X
1
2
2
P ( le jeu sarrete avec un 5 ) =
P (Xj = 5|Fj )P (Fj ) =
P (Fj ) = .
5
5
j=1
j=1
1
X

c) Par definition de et Fj on a
E( ) =

1
X

jP (Fj ).

j=1

Puisque que P (Xi = 5 ou Xi = 7) = 5/18, on voit facilement que


j 1

5
5
.
P (Fj ) = 1
18
18
On est donc en train de calculer lesperance dune loi geometrique de parametre 5/18 et on conclut
E( ) =

18
= 3.6
5

Corrig
e 39 a) X suit une loi binomiale de param`etres n et p : P {X = k} = Cnk pk (1 p)n k .
b) Voir cours. E(X) = np et V ar(X) = np(1 p).
Note : Pour montrer que XP
a pour esperance np et variance np(1 p), on peut utiliser la decomposition
n
u Yi sont des variables aleatoires de Bernouilli independantes de
de X sous la forme X =
i=1 Yi o`
param`etres p. Les Yi ont pour esperance
E(Yi ) = 0 P (Y1 = 0) + 1 P (Yi = 1) = 0 (1

p) + 1 p = p

et variance
V ar(Yi ) = E(Yi2 )

E(Yi )2 = {02 P (Y1 = 0) + 12 P (Yi = 1)}

p2 = p

p2 = p(1

p).

On a alors
E(X)

E(

n
X

Yi ) =

i=1

V ar(X)

n
X

E(Yi ) =

i=1

n
X

p = np,

i=1

n
n
n
X
X
X
V ar(
Yi ) =
V ar(Yi ) =
{p(1
i=1

i=1

p)} = np(1

p).

i=1

Pn
Pn
valable parce que les Yi sont independantes mais ce nest
Attention, V ar( i=1 Yi ) = i=1 V
i ) est P
Par(Y
n
n
pas vrai en general. Par contre E( i=1 Yi ) = i=1 E(Yi ) est toujours vrai.

Corrig
e 40 a) Il sagit ici dun tirage avec remise car le meme animal peut etre note deux fois par
lemploye. La probabilite quune observation quelconque soit celle dun lion est de L/(L + T ). Le nombre
de lions notes dans le rapport suit une loi binomiale de param`etres n et p = L/(L + T ). La probabilite
que k lions aient ete notes vaut
k
n k

L
T
, k = 0, . . . , n.
Cnk
L+T
L+T
b) Contrairement au a), on est ici dans le cadre dun tirage sans remise. Le nombre de lions notes
dans le rapport suit une loi hypergeometrique de param`etres L, T et n. La probabilite que k lions aient
ete captures vaut
CLk CTn k
, k = max(0, n T ), . . . , min(L, n).
n
CL+T
32

Corrig
e 41 On suppose que les dates danniversaire sont egalement reparties sur lannee et, pour simplifier, quune annee comporte 365 jours.
a) La probabilite quune personne au hasard soit nee un 1er janvier est alors de 1/365. La probabilites
que les deux epoux soient nees un 1er janvier est, en supposant lindependance, 1/3652 . Sur les 42800
couples maries en 2010, le nombre de ceux dont les deux epoux sont nes un 1er janvier, X, suit une loi
binomiale de param`etres n = 42800 et p = 1/3652 . On a donc

42798
1
1
2
P (X = 2) = C42800
= 0.0374.
1
3654
3652
b) La probabilite pour que les deux epoux soient nes un meme jour est 365 fois plus elevee que la
probabilite quils soient nes un 1er janvier. Le nombre Y de couple maries ayant leur anniversaire le meme
jour suit donc une loi binomiale de param`etres n = 42800 et p = 1/365. On a donc
42798

1
1
2
P (X = 2) = C42800
' 0.
1
3652
365
Corrig
e 42 T est une variable aleatoire geometrique, sa fonction de masse est donnee par
p)n

P (T = n) = p(1

1.

On a
E(T ) =

1
X

n P (T = n) =

n=1

E(T )

1
X

=p

n P (T = n) =

d
p
dp

1
X

n p(1

n=1

(1

p)

V ar(T )
Corrig
e 43 a) Puisque

1
X

n(1

p)

n=1

La variance de T vaut donc :


=

1
X

n(1 p)n

1
d X
(1 p)n =
dp n=1

n=1

n=1

n p(1 p)n

n=1

Dautre part,
2

1
X

E(T 2 )
1
X
i=0

n 1

p)
)

n 1

=p

1
X

n (1

p)

n 1

n=1

d
p
dp

E(T )2 =

2
p2

P {X = i} = 1 = c

(1

p)

1
p2

1
1
= 2
p2
p

1
p
1
X
i=0

p(

d
p
dp

i!

(1 +

n k

(p )k X k
Cn (1
k!

n!
p)n

n k

(p )k X (1 p)n k n
k!
(n k)!
n k

=
=

(p ) (1 p)
e
k!
(p )k
,
e p
k!

33

1
.
p

1
, p 2 (0, 1].
p

n k

p)n

p)

1
2
2
+ 2) = 2
p3
p
p

Corrig
e 44 Commencons par calculer la fonction de masse de X. Pour k entier
X
P {X = k} =
P {X = k|Z = n}P {Z = n}
Cnk pk (1

n(1

n=1

= ce ,

c) P {X > 2} = 1 (P (X = 0) + P (X = 1) + P (X = 2)) = 1
Voir cours. E(X) = V ar(X) = .

1
X

1
d 1
1
= p 2 = .
dp p
p
p

necessairement c = e . Il sagit de la loi de Poisson de param`etre .


o
b) P {X = 0} = c 0! = e .

n k

n!
k

k!(n k)!
(n k)!

)=e

P1

i=3 i!

0 fixe, on a :

. d)

X est donc poissonienne de param`etre p .


Ensuite, pour l entier 0 fixe :
X
P {Y = l} =
P {Y = l|Z = n}P {Z = n}
n l

n l

P {X = n

l|Z = n}P {Z = n}

Cnl pn l (1

p)l e

n!

n l

p) )l
l!

((1

(1 p)

Y est aussi poissonienne de param`etre (1


8k, l

p) . Enfin :
X
P {X = k
et Y = l} =

P {X = k

n 0

et Y = l|Z = n}P {Z = n}

P {X = k

et Y = l|Z = k + l}P {Z = k + l}

k
Ck+l
pk (1

p)l e

(p )k
e
k!

(1 p)

k + l)
l!
((1 p) )l
l!

X et Y sont bien independantes.


Corrig
e 45 La fonction de masse de X est donnee par
p)n

P (X = n) = p(1

et sa FGM MX (t) vaut


MX (t) =

1
X

etn p(1

p)n

1
X

= pet

n=1

[et (1

p)]n

n=1

pet
et (1

p)

0
Le premier moment est donne par MX
(0), soit

E(X) =

1
.
p

Le deuxi`eme moment est donne par la deuxi`eme derivee de MX (t) evalue en t = 0 et vaut
2
p2

E(X 2 ) =

1
.
p

Corrig
e 46 a) Arnaud mise au tour n la somme de 100 2n 1 CHF.
b) Puisque chaque tour est une experience de Bernouilli de param`etre p, le nombre de tours N jusquau
premier succ`es suit une loi geometrique de param`etre p. Sa fonction de masse est donc
p)n

P (N = n) = p(1

, n = 1, 2, . . .

En eet, levenement {N = n} a lieu si les (n 1) premiers tours ont ete perdus et le ni`eme a ete gagne.
c) Soit Y : le montant investi au dernier pari, cest-`a-dire lorsque Arnaud gagne pour la premi`ere fois.
u N est la variable aleatoire du nombre de tours jusquau premier succ`es. On a
On a Y = 100 2N 1 o`
E(Y )

=
=

E(100 2N
100p

1
X

n=1

{2(1

)=

1
X

n=1

p)}n

(100 2n

)P (N = n) =

100p
1 2(1 p)

1
X

n=1

(100 2n

)p(1

p)n

si p > 1/2
si p 1/2

Si p 1/2 il faut etre en moyenne infiniment riche pour pouvoir suivre cette strategie ! Si p > 1/2, une
fortune finie sera en moyenne suffisante.
34

Corrig
e 47 Considerons pour fixer les idees la premi`ere page. Une erreur donnee apparait sur cette page
avec la probabilite 1/350 puisque les erreurs sont equireparties (cest-`a-dire reparties au hasard) et il y a
350 pages au total. Le nombre derreurs dimpression X sur la premi`ere page est donc distribue selon un
loi de Bernouilli B(n = 450, p = 1/350), do`
u
P (X

3) = 1

2
X

P (X 2) =

i
C450

i=0

1
350

349
350

450

' 0, 14.

Puisque n est grand et p est petit, on peut aussi faire lapproximation de cette binomiale par une loi de
Poisson de param`etre = np ' 1.29 et on obtient alors
P (X

P (X 2) = 1

3) = 1

Corrig
e 48 a) Par calcul direct : pour k entier

1+

=
=
Z est encore poissonienne, de param`etre (
b) Rappelons que pour tout t reel,

0:

1+ 2)

2)

1+ 2)

k!

MZ (t) = E[etZ ] = E[etX etY ] = E[etX ]E[etY ]

MX (t) = e

1
X

etk

k=0

Ainsi :

MZ (t) = exp(

1 (e

/2 ' 0, 14.

Pk
P {X = l et Y = (k l)}
Pl=0
k
l)}
l=0 P {X = l}P {Y = (k
Pk
(k l)
l
( 1+ 2)
2
1
e
l=0 l! (k l)!
Pk
l
(k l)
e ( 1+ 2)
1
2
l=0 k! l! (k l)!
k!

P {Z = k} =
=
=

Or :

k!

=e

1)) exp(

t
1e

2 (e

on retrouve le fait que Z est poissonienne de param`etre (

= exp(

(par ind.) .

1 (e

1)) = exp((
1

1))
1

2 )(e

1)),

2 ).

Corrig
e 49 Soit X la variable aleatoire de la taille dun homme age de 25 ans.
P (X > 185) ' 4, 78 %
et
P (X > 192|X > 180) =

P (X > 192)
' 1, 14 %.
P (X > 180)

Corrig
e 50 Soit X le nombre de kilom`etres couverts par une batterie de voiture avant defaillance.
X E( ) avec = 1/10000.
Z 1
1
P (X > 5000) =
e x dx = e 5000 = e 2 .
5000

Corrig
e 51 Il faut dabord calculer c. Pour que f soit une densite on doit avoir
cest`
adire
1
.
c = R1
x
exp(
x/2)dx
0
On fait une integration par parties et on obtient
Z 1
x exp( x/2)dx = 2x exp( x/2)
0

1
0

+2

R +1
1

f (x)dx = 1,

exp( x/2)dx = 4,

donc c=1/4. Par consequent la probabilite que le syst`eme fonctionne au moins 5 mois est egale `a
Z 1
1
5
x
1
1
exp( x/2)dx = exp( x/2) 5
x exp( x/2) 5 = e 5/2 + e 5/2 ' 0.287.
4
2
2
5
35

R1

Corrig
e 52 On doit trouver a tel que

f (x)dx = 1. Donc

a = R1
0

x2

1
.
exp( bx2 )dx

p
Si on fait le changement de variable y/ 2b = x on obtient
Z

x exp( bx )dx =

1
p
2b

3 Z

y exp( y /2)dy =

1
p
2b

3 p

+1
1

y2
p exp( y 2 /2)dy.
2

La derni`ere integrale est egale `


a 1 (cest la variance dune variable normale standard) et donc
4
a = p b3/2 .

Corrig
e 53
E(X) =
et comme

x
dx =
(1 + x2 )

0
1

x
dx +
(1 + x2 )

x
dx.
(1 + x2 )

x
1
dx =
ln 1 + x2 |1
0 = 1,
(1 + x2 )
2

diverge, on en deduit que X nadmet pas desperance mathematique.


Corrig
e 54 a) On calcule
Z 1
e y y 1 dx =
() =

y 1 1
y
|0

+ (

1) (

1) = (

1) (

1)

( > 1).

Puisque (1) = 1, on en deduit que, pour n un nombre entier 1, ( n) = (n 1)! .


b) On a
Z 1
Z 1
( + 1)

y
1
E(X) =
= .
x e x dx =
e y dy =

() 0
() 0
()
Corrig
e 55 Soit P levenement la pi`ece achete est pirate. On a alors
(t) = P (P|T > t)

=
=
=

P (T > t|P)P (P)


P (T > t)
1
5t
4e
1
5t + 3 e 2t
4e
4
1
1 + 3e3t

On en deduit que
lim (t) = lim P (P|T > t) = 0.

t!1

t!1

Corrig
e 56 La fonction generatrice des moments est definie par MX (t) = E(etX ). Ainsi
E(Y )

E(eX ) = MX (1) = exp(1/2),

E(Y 2 )

=
=

E(e2X ) = MX (2) = exp(2),


E(Y 2 ) (E(Y ))2 = exp(2)

V ar(Y )

exp(1).

Corrig
e 57 a) X et Y etant des durees de vie, on utilise la loi exponentielle. Dapr`es lenonce, X suit
une loi exponentielle de param`etre 1 et Y une loi exponentielle de param`etre 2.
b) On a

e t si t 0
2e 2t si t 0
fX (t) =
et fY (t) =
0 sinon
0 sinon
donc
FX (t) =

fX (x)dx =
1

1 e t si t
0 sinon

36

et

FY (t) =

1 e 2t si t
0 sinon

c) FT (x) = P (T x) = P ([X x] \ [Y x]). X et Y etant independantes, on a


FT (x)

=
=

P (X x)P (Y x) = FX (x)FY (x)

(1 e x )(1 e 2x ) = 1 e x e
0 sinon

2x

+e

3x

si x

d) FS (x) = P (S x) = P ([X x][[Y x]) = 1 P ([X > x]\[Y > x]). X et Y etant independantes,
on a
FS (x)

1 P ([X > x])P ([Y > x]) = 1

1 e x e 2x = 1 e 3x si x
=
0 sinon

e) On cherche P (X > x|S x). On a


P (X > x|S x)

=
=

FX (x))(1

FY (x))

P (X > x \ S x)
P (X > x \ Y x)
=
P (S x)
P (S x)
x
e (1 e 2x )
(1 FX (x))FY (x)
=
FS (x)
1 e 3x

f) On cherche P (T > t|X x). On a


P (T > t|X x)

(1
0

P (T > t \ X x)
P (Y > t \ X x)
=
P (X > x)
P (X x)
(1 FY (t))FX (x)
= 1 FY (t) = e 2t .
FX (x)

=
=

Corrig
e 58 Tout dabord remarquons que
P (min(X1 , . . . , Xn )
Mais P (X1

t) = e

t) = P (X1

t, . . . , Xn

t) = P (X1

t)n

. Do`
u
P (min(X1 , . . . , Xn )

tn

t) = e

et donc la fonction de repartition de min(X1 , . . . , Xn ) est


P (min(X1 , . . . , Xn ) t) = 1

tn

On en deduit que min(X1 , . . . , Xn ) est une variable aleatoire exponentielle de param`etre n.


Corrig
e 59 On regarde pour y 2 R
P (Y y) =

fY (z)dz.
1

Du fait que la fonction logarithme soit inversible (elle est strictemement croissante), on peut ecrire
Z exp(y)
exp( x)dx.
P (Y y) = P (log X y) = P {X exp(y)} =
0

On fait le changement de variable z = log x et on obtient


Z
Z y
exp(z) exp{ exp(z)}dz =
P (Y y) =

exp{z

exp(z)}dz,

do`
u
fY (z) = exp{z

exp(z)}.

Corrig
e 60 Tout dabord nous calculerons la loi de Y . Cest-`a-dire,
Z 1
1
e
P (Y
x) = P (X ln x) = p
2 ln x
Z 1
(ln y 0 )2 1
1
2
= p
e
dy 0
y0
2 x

y2
2

dy

o`
u dans la derni`ere egalite on a fait le changement de variable y ! ln y 0 . On en deduit que la densite de
la loi de Y est
(
(ln y)2
1
p1 e
2
si y 0
y
2
f (y) =
0
si y < 0
37

Corrig
e 61 a) Soit fX la densite de X et fY la densite de Y . Remarquons que
fY (y) =

f (x, y)dx =

xe x(1+y)
(1 + y)

On en deduit que Y a une loi donnee par P (Y < a) =


fX (x) =

a
1+a .

y)2

(1 +

x(1+y)

1
(1 + y)2

Dautre part,
x

f (x, y)dy = e

On en deduit que X est une variable aleatoire exponentielle de param`etre 1. X et Y ne sont pas
independantes parce que f (x, y) 6= fX (x)fY (y).
b) Soit fX la densite de X et fY la densite de Y . Remarquons que
Z

fX (x) =
Dautre part,

fY (y) =

1 x

f (x, y)dy = 60x


0

1 y

f (x, y)dx = 60y

1 x

y 2 dy = 20x(1

x)3

xdx = 30y 2 (1

y)2

1 y
0

X et Y ne sont pas independantes parce que f (x, y) 6= fX (x)fY (y).


Corrig
e 62 On a pour tout reel z :
FZ (z)
FZ (z)

FX (z)FY (z),

(1

FX (z))(1

FY (z)) = FX (z) + FY (z)

FX (z)FY (z).

Puis
fZ (z)
fZ (z)

fX (z)FY (z) + FX (z)fY (z),

fX (z)(1

FY (z)) + fY (z)(1

FX (z)).

Corrig
e 63 a) On a
8t

0,

P {Z t}

=
=
=
=

1 2

(1

t
1u

e
0

1u

(1

t u

2 (t

1t

2v

dv}du

2t

1e

(1 e 1 t ) +
1 (1 + t)e

1
1

u)

Z
2

)du

e(

1 )u

du

0
1t

(e

2t

si
si

1
1

6=
=

2
2

b) Rappelons que :
8t 2 R,

MZ (t) = E[etZ ] = E[etX etY ] = E[etX ]E[etY ]

(par ind.) .

Dans le cas dune variable exponentielle :


8t <

1,

MX (t) =

+1
1e

1u

etu du =
1

do`
u:
8 t < min(
c) On deduit du b) que si

2,

1,

2 ),

MZ (t) =

1
1

Z est une variable Gamma de param`etres = 2 et .

38

Corrig
e 64 a) On a
f (x) =
pour

1 x 1. De meme

1 x2

1 x2

2p
1
dy =
1

x2 ,

2p
1 y2 ,

pour 1 y 1. X et Y ne sont pas independantes car h(x, y) 6= f (x)g(y).


b) Cov(X, Y ) = 0 par symetrie.
g(y) =

Corrig
e 65 Lensemble des valeurs possibles prises par X1 est S = {1, 2, 3, 4, 5, 6}. Lenumeration des
dierents cas possibles donne :
P (X1 = 1) = 1/36
P (X1 = 3) = 5/36
P (X1 = 5) = 9/36

P (X1 = 2) = 1/12
P (X1 = 4) = 7/36
P (X1 = 6) = 11/36

De meme, pour X2 ,
P (X2 = 1) = 11/36
P (X2 = 3) = 7/36
P (X2 = 5) = 3/36

P (X2 = 2) = 9/36
P (X2 = 4) = 5/36
P (X2 = 6) = 1/36

On obtient les graphes suivants :

0.3
0.2

P(x)

0.0

0.1

0.2
0.0

0.1

P(x)

0.3

0.4

Fonction de masse de X2

0.4

Fonction de masse de X1

Corrig
e 66 a) On verifie que la somme de lignes vaut 1.
b) FX1 (0) = 0.5, FX1 (1) = 0.7, FX1 (2) = 0.9, FX1 (3) = 1.
FX2 (0) = 0.7, FX1 (1) = 0.9, FX1 (3) = 1.

0.8
0.6
F(x)
0.4
0.2
0.0

0.0

0.2

0.4

F(x)

0.6

0.8

1.0

Fonction de repartition de X2

1.0

Fonction de repartition de X1

2
x

c) P (Y = 0) = P (X1 = 0)P (X2 = 0) = 0.35.


P (Y = 1) = P (X1 = 0)P (X2 = 1) + P (X1 = 1)P (X2 = 0) = 0.24.
39

P (Y = 2) = 0.23 P (Y = 3) = 0.13.
P (Y = 4) = 0.04.
P (Y = 5) = 0.01.
On verifie : 0.35 + 0.24 + 0.23 + 0.13 + 0.04 + 0.01 = 1.
d) FY (0) = 0.35, FY (1) = 0.59, FY (2) = 0.82, FY (3) = 0.95, FY (4) = 0.99, FY (5) = 1.

0.0

0.2

0.4

F(y)

0.6

0.8

1.0

Fonction de repartition de Y

Corrig
e 67 La variance
p se decompose var(3X 2Y + 1) = 9var(X) 12cov(X, Y ) + 4var(Y ). On a
u var(3X 2Y +1) = 48. Par bilinearite de la covariance,
cov(X, Y ) = corr(X, Y ) var(X)var(Y ) = 2. Do`
cov(X +2Y, X Y ) = var(X)+cov(X, Y ) 2var(Y ) = 12. Par linearite de lesperance, E(3X 2Y +Z) =
0 () E(Z) = 2E(Y ) 3E(X). Do`
u E(Z) = 1.
Corrig
e 68 var(X1

) et on en deduit var(S) = n2 (1

X2 ) = var(X1 ) + var(X2 ) = 2n(1

Corrig
e 69 a) Par linearite de lesperance, E(5X

3Y + 9) = 5E(X)

).

3E(Y ) + 9 = 7.

b) On a que cov(X + Y ) = var(X) + var(Y ) + 2cov(X, Y ) et que cov(X


2cov(X, Y ). De l`
a on tire le syst`eme dequations :
(
cov(X, Y ) = 96 2var(X)
cov(X, Y ) = 64 + 2var(X),

Y ) = var(X) + var(Y )

do`
u lon deduit var(X) = var(Y ) = 40 et cov(X, Y ) = 16. La correlation est alors donnee par
p 16
= 0.4.
4040
Corrig
e 70 a) X1 et X2 sont distribuees selon une loi binomiale de param`etres (n, 1/6). En eet, la
loi binomiale est une somme de lois Bernoulli, qui representent chacune la probabilite dun succ`es ou
dun echec.
b) On a var(X1 ) = var(X2 ) = n

1
6

1
6)

(1

=n

5
36 .

c) La variable U represente le nombre total de 1 et de 2 obtenus pendant n lances. Elle est Bin(n, 1/3),
n
donc sa variance vaut n 29 . On a que cov(X1 , X2 ) = 12 [var(X1 ) + var(X2 ) var(X1 + X2 )] = 36
.
n 5n
1
Do`
u corr(X1 , X2 ) = 36 / 36 = 5 .

d) On a var(V ) = var(X1 ) + var(X2 )

2cov(X1 , X2 ) =

cov(U, V ) = var(X1 ) + var(X2 ). Ainsi, corr(U, V ) =


Corrig
e 71 On utilise
fZ (z) =

12n
36 .

En outre, corr(U, V ) = p

cov(U,V )
var(U )var(V )

, o`
u

10n
p .
4 6

fX (x)fY (z

x)dx

avec ici fX (x) = fY (y) = 1 si 0 x 1 et nulle sinon. On a donc


fX (x)fY (z

x) = 1 si 0 x 1 et z

1 x z,

0 sinon.

Il y a plusieurs cas `
a considerer :
Si z > 2 ou z < 0, alors {0 x 1} \ {z 1 x z} est vide et fZ (z) = 0.
Si 0 z 1, alors {0 x 1} \ {z 1 x z} = {0 x z} et fZ (z) = z.
Si 1 z 2, alors {0 x 1} \ {z 1 x z} = {z 1 x 1} et fZ (z) = 1
On retrouve bien la densite voulue.
40

(z

1) = 2

z.

Corrig
e 72 Enumerant les evenements possibles, on observe que P(Z = 1) = P(Z = 7) = 1/12 et que
P(Z = 2) = = P(Z = 6) = 1/6. E(Z | X = x) = 3.5 + x. On calcule dabord var(Z | X = 0) = E(Z 2 |
X = 0) E(Z | X = 0)2 = 1/6(62 + + 12 ) 3.52 = 35/12, par ailleurs var(Z | X = 1) correspond `a la
meme loi, transposee dune unite. Ainsi, var(Z | X = x) = 35/12 ne depend pas de x. Le theor`eme 167 est
1
1
+ 2 16 + . . . + 6 16 + 7 12
= 4 et Ex {E(Z | X = x)} = 12 (3.5 + 4.5) = 4.
verifie, puisque E(Z) = 1 12
Corrig
e 73 Si z = 0, P(Z = z) = P(X = 0)P(Y = 0) = (1 p)p. Pour z
1, P(Z = z) = P(X =
0)P(Y = z) + P(X = 1)P(Y = z 1) = p(1 p)z 1 (1 p + p2 ). On a E(Z | X = x) = E(Y ) + x et de
meme E(Z | Y = y) = E(X) + y, avec E(X) = p(1 p) et E(Y ) = (1 p)/p.
Corrig
e 74 On note A, B, C les variables aleatoires des temps de calcul pour chacune des trois sections
du programme.
a) On a cov(A, C) = corr(A, C)

A C

b) On a

= 0.2 2.5 1.3 = 0.65.

E(T ) = E(A + B + C) = E(A) + E(B) + E(C) = 5.5 + 3.4 + 4.5 = 13.4,


et
var(T )

= var(A + B + C)
= var(A + C) + var(B)
= var(A) + var(C) + 2cov(A, C) + var(B)
= 2.52 + 1.32 + 2 0.65 + 2.62

16.

c) Le temps de calcul de la section B est la somme de 100 temps de calculs identiquement distribues et
independants. Dapr`es le theor`eme central limite, la distribution de B est approximativement normale.
Ses param`etres sont ceux obtenus empiriquement, B ' N (3.4, 6.76).

d) La loi de T est approximativement normale comme somme de lois normales avec T ' N (13.4, 16). On
a alors

T 13.4
10 13.4
p
Pr(T 10) = Pr
p
= ( 0.85) 0.20,
16
16
et

20 13.4
T 13.4
p
p
=1
(1.65) 0.05.
Pr(T 20) = Pr
16
16
Corrig
e 75 a) Comme X est une variable aleatoire positive, par linegalite de Markov, :
P {X > 85} E(

X
75
)=
' 0, 88.
85
85

b) La connaissance du 2i`eme moment de X permet dameliorer la majoration precedente, par linegalite


de Chebyshov :
P {X > 85} = P {X 2 > 852 }

1
E(X 2 ) =
852

+ E(X)2
25 + 752
=
' 0, 78.
852
852

On a aussi :
2

P {65 X 85} = P {|X

E(X)| 10} = 1

P {|X

E(X)| > 10}

102

= 3/4.

c) Puisque les notes de chacun des n etudiants sont des variables independantes, leur moyenne
arithmetique
n
1X
Xn =
Xk
n
k=1

est encore desperance 75, et sa variance vaut


P {|X n

E(X n )| 5} = 1

1
n2 (n.25)

P {|X n

E(X n )| > 5}

avec 10 etudiants notre probabilite vaut au moins 0, 9 .


41

= 25/n. On a ensuite :
1

n 1
25/n
=
,
25
n

d) Voyons sil est pertinent dutiliser le T.C.L. Si celui-ci sapplique, on a :


Z 5
5
5
Z p
)
= P ( 5 Zn 5) = P ( p
P {|X n E(X n )| 5} '
25/n
25/n
5

(o`
u Zn est normale centree de variance 25/n et Z normale centree reduite). Le nombre minimum
detudiants obtenu est cette fois n = 3 , un resultat franchement dierent ! Avec n = 10, on est en
eet pas dans ls cas asymptotique et le TCL ne sapplique donc pas.
Corrig
e 76 a) = 22 .
b) Par definition FMn (x) = P (max1in Xi x). Alors,
Z x
n
2 n
x
x 2n
n
FMn (x) =
ydy
=
=
2

0
Dautre part fMn (x) =

dFMn (x)
.
dx

Alors,
fMn (x) =

2n 2n
x
2n

et
1 = E(Mn )
2 = E(Mn2 )

=
=

x
0

2n 2n
x
2n

x2
0

2n 2n
x
2n

dx =
1

2n
2n 2n+1
=

2n 2n + 1
2n + 1

dx =

n 2
2n 2n+2
=

2n 2n + 2
n+1

c) Il faut montrer que pour tout > 0 on a ; limn!1 P (|Mn


Chebyschov,
P (|Mn

) = 0. Mais, par linegalite de

1
E((Mn )2 )
2
1
E(M 2 2Mn + 2 )
2 n

4n
2
n
+
1
2 n + 1 2n + 1
2
1
2 (2n + 1)(n + 1)

=
=
=

do`
u le resultat.
Corrig
e 77 Soient X1 , X2 , . . . , X50 les nombres consideres, A1 , . . . , A50 leurs arrondies et U1 , U2 , . . . , U50
les
variables
derreur correspondantes.
P50 On a donc Xk = Ak + Uk . La somme obtenue en arrondissant est
P50
A
et
la
somme
exacte
est
k=1 k
i=k Xk , donc lerreur sur la somme est
50
X

Xk

k=1

50
X

Ak =

k=1

50
X

Uk .

k=1

P50
La variable k=1 Uk est centree (son esperance est nulle), de variance 50 1/12 (par independance). On
a donc, par application du T.C.L :
P {|

50
X

k=1

Uk | > 3} ' P (|Z| > p

3
50/12

(o`
u Z est normale centree reduite)

) = 2 P (Z > p

3
50/12

) ' 0, 144.

Corrig
e 78 Soit T la variable aleatoire de duree de vie du syst`eme ; T suit approximativement une loi
normale desperance 100 5 = 500 et de variance 2 = 100 25 = 2500 (dapr`es lindependance des
variables de duree de vie de chaque ampoule). On a donc :
P {T > 525} ' P (Z >
(o`
u Z est normale centree reduite)
42

525
p

500
) ' 0, 31.
2500

Corrig
e 79 Dans notre probl`eme, une premi`ere ampoule de duree de vie X1 est placee puis, lorsque
celle-ci est en fin de vie, on la change par une autre ampoule de duree de vie X2 , etc.
On sinteresse `
a la somme des durees de vie de ces ampoules. Puisquon sinteresse `a la somme, lordre
des Xi importe peu.
Appelons XA la somme des durees de vie des ampoules de type A. Puisque 40 30 et que lon peut
estimer que la duree de vie dune ampoule est independante dune autre, on peut appliquer le theor`eme
central limite qui nous dit que la somme XA obeit approximativement `a une loi normale de moyenne
2
A = 40A = 4000 [heures] et de variance A
= 402 = 400000 [heures2 ].
A
De meme, si lon appele XB la somme des durees de vie des ampoules de type B, on obtient grace
au TCL (et a` lindependance des durees de vie) que XB obeit approximativement `a une loi normale de
2
= 602 = 150000 [heures2 ].
moyenne B = 60B = 3000[heures] et de variance B
B
On sinteresse ici `
a la somme des durees de vie de toutes les ampoules qui est X = XA + XB . Grace `
a
ladditivite de la loi normale et `
a lindependance des durees de vie, X est approximativement une variable
2
2
normale de moyenne = A + B = 7000 et de variance 2 = A
+ B
= 550000. Ayant obtenu la loi de
X on peut maintenant calculer notre probabilite

6500 7000
p
P (X 6500) = 1 P (X 6500) = 1
=1
( 0.67) = 0.75.
550000
Corrig
e 80 Le nombre de six obtenus lors de 120 jets suit une loi binomiale de param`etres n = 120
et p = 1/6. Cette variable aleatoire a pour moyenne np = 120 1/6 = 20 et variance np(1 p) =
120 1/6 5/6 ' 16, 7. Par le TCL, on approxime le nombre de six obtenus lors de 120 jets par une
variable aleatoire X normale de moyenne = 20 et de variance 2 = 16, 7. La probabilite davoir moins
de 16 fois le nombre six est alors donne par
P (X < 15, 5) = P (Z <

15, 5

) = P (Z < 1, 1) ' 0, 135,

o`
u Z est une variable aleatoire normale centree reduite.
Corrig
e 81 Soit X le nombre de faces obtenus. X est egal `a la somme de 500 variables aleatoires
independentes de Bernoulli de param`etre 1/2. X est donc une v.a. binomiale de param`etres n = 500 et
p = 1/2. Son esperance et sa variance valent donc := E(X) = np = 500 12 = 250 et 2 := V ar(X) =
np(1 p) = 500 12 12 = 125. Par application du TCL, on a ensuite
P (250 10 X 250 + 10) = P (240 X 260)

260
240
Z
= P ( 0, 894 Z 0, 894) = 2 P (0 Z 0, 894) = 2 0, 314 = 0, 628,
' P
o`
u Z est une variable gaussienne centree reduite
Corrig
e 82 a) Puisque que Y = ln X on a
Z 1
ln x dx = x ln x
E(Y ) =
0

et
var(Y ) = E Y

(E(Y )) =

x|10 =

1,

(ln x)2 dx

1 = x(ln x)2

2x ln x + 2x|10

1 = 1.

b) On observe que la fonction ln est strictement croissante et donc


P Z < 10

40

= P (ln Z <

et que, si on pose Yi = ln Xi , on obtient


ln Z =

100
X

40 ln 10) ,

Yi ,

i=1

cest`
adire ln Z est la somme de 100 variable independentes avec la meme distribution (et on a calcule
en (a) lesperance et la variance de Yi ). On va donc utiliser le TCL et remplacer ln Z par la variable W
de loi N ( 100, 100) . Finalement on obtient
!
W E(W )
40 ln 10 + 100
40
p
' (0.790) ' 0.78.
' P (W < 40 ln 10) = P
<
P Z < 10
10
var(W )
43

Corrig
e 83 La mediane est une mesure de localisation au meme titre que la moyenne (confondues dans
le cas gaussien par exemple). La mediane est tr`es peu influencee par une perturbation importante dune
observation, et donc peu sensible `
a la presence douliers, au contraire de la moyenne par exemple.
Corrig
e 84 La correlation empirique est definie comme
Pn
(xi x
)(yi y)
1
pPn i=1
,
Pn
2
n 1
x
)
y)2
i=1 (xi
i=1 (yi

o`
ux
et y sont les moyennes empiriques de x1 , . . . , xn et de y1 , . . . , yn respectivement.

Corrig
e 85 Toutes les observations sont egales.
Corrig
e 86 La correlation empirique mesure lassociation (lineaire) des variables X et Y et est toujours
comprise entre 1 et 1. On peut donner comme contre-exemple `a d) les observations (x1 , y1 ) = (1, 1)
et (x2 , y2 ) = (1, 1), pour lesquelles la correlation est nulle.
Corrig
e 87 La covariance empirique mesure lassociation des variables X et Y mais nest pas bornee.
On peut donner comme contre-exemple `
a c) les observations (x1 , y1 ) = (1, 1) et (x2 , y2 ) = (1, 1), pour
lesquelles la covariance est nulle. Contrairement `a la correlation, la covariance nest pas standardisee et
depend des unites de X et Y .
Corrig
e 88 a) La moyenne empirique vaut 150.3 grammes et lecart-type empirique 33.2 grammes.
Supposant le poids des pommes normalement distribue, alors les bornes dun intervalle de confiance `
a
90% se calculent comme suit : 150.30.933.2, autrement dit un intervalle de confiance [120.4, 180.1].
b) Un intervalle de confiance `
a 90% pour la moyenne recouvre en moyenne (si on cueille plusieurs autres
echantillons de pommes) 9 fois sur 10 la vraie moyenne.
Corrig
e 89 On estime la proportion de la population qui a donne une mauvaise reponse `a 12/120 =
0.1. On pose X comme la variable aleatoire representant le nombre de bonnes reponses, cest-`a-dire
X Bin(120, 0.1). On applique le theor`eme central limite pour deduire un intervalle de confiance, ici
0.1)
[0.1 1.96 0.1(1
] = [0.099, 0.102].
120
Corrig
e 90 a) On a x
= 9 et s2 = 6.25.
b) Si X est la variable aleatoire pour le temps de conversation, on cherche P(X
10). On suppose
= X X , la probabilite recherchee est P(X
0.4) = 1
(0.4) = 0.345.
X N (
x, s2 ), et ecrivant X
s
c) On utilise le test du rapport de vraisemblances 2{`0 (8) `a (
x)} = 2( 21.24 + 20.52) = 1.44. Le
quantile `
a 95% de la loi 21 etant 3.84, on ne peut rejeter lhypoth`ese nulle au niveau 5%.

Corrig
e 91 a) Avec n mesures, lintervalle de confiance `a (1
[Xn

p z1
n

/2 ; Xn

) = 90% pour m est :

+ p z1
n

/2 ]

p
(Xn etant la moyenne arithmetique des n mesures). LIC a pour longueur 2( / n)z1 /2 . Pour diminuer
de moitie la longueur de cet intervalle, il faut donc quadrupler le nombre de mesures eectuees, autrement
dit eectuer 75 mesures supplementaires.
m ayant la meme
b) Soit = 0, 1 et 0 = 0, 05, Pour obtenir un intervalle de confiance `a 95% pour
p
p
nz1 0 /2
0
0
longueur que lIC `
a 90%, il faut donc un nombre n de mesures qui soit tel que : n ' z1 /2 ' 5, 958,
0
soit n = 35.5, donc 11 mesures supplementaires.
Corrig
e 92 a) On sait que :
P {m
X

6(m
X m1 )
X

suit une loi de Student `a 5 degres de liberte. On a ensuite :

a m1 m
X + a}

=
=
=

P {|m
X m1 | a}
P {m1 a m
X m1 + a}
p
p
p
6
6
6

(m
X m1 ) a
}.
P{ a
X
X
X

Cette probabilite vaut 0, 95 si : a X6 ' 2, 57. Ici : x ' 1, 673, on obtient donc : a ' 1, 756, puis
Ix = [47, 44; 50, 96].
44

De meme,

12(m
Y
Y

m2 )

suit une loi de Student `a 11 degres de liberte, la probabilite P {m


Y

m
Y + a0 } vaut donc 0, 95 pour

12
0
Y .(a )

' 2, 2, ainsi

a0 m2

Iy = [47, 29; 49, 51].


p
X
b) 6( m

m1
1

) suit une loi normale centree reduite, et :


p
X
6 p m
P {|m
X m1 | a} = P { a
6(

m1

vaut 0, 95 pour a

)a

p
6
1

},

' 1, 96, i.e. : a ' 1, 265. Le nouvel intervalle de confiance `a 95% pour m1 est donc
Jx = [47, 935; 50, 465].

Pour le deuxi`eme echantillon, les calculs donnent : a0 ' 1,96


2 ' 0, 98, et le nouvel intervalle de confiance
a 95% pour m2 est donc
`
Jy = [47, 42; 49, 38].
c) (m
X

m
Y ) est encore normale, desperance (m1 m2 ) et de variance : 12 /6 + 22 /12 = 2/3,
p
p
I = [(49, 2 48, 4) 1, 64. 2/3; (49, 2 48, 4) + 1, 64. 2/3] = [ 0, 54; 2, 14]

fournit donc un intervalle de confiance `


a 90% pour la dierence (m1

m2 ).

Corrig
e 93 a) On a :
m

S2

1
(9 2001 + 21 2003 + . . . + 3 2023) ' 2010, 73,
1000
1
(9 (2001 2010, 73)2 + 21 (2003 2010, 73)2 + . . . + 3 (2023
999

2010, 73)2 ) ' 12, 81.

b) Soit Z une variable N (0; 1). On a : P {Z > 1, 96} ' 0, 025, P {Z > 2, 58} ' 0, 005 . Lintervalle de
confiance `
a 95% pour la moyenne m est donc :
[m

1, 96 S
1, 96 S
p
;m
+ p
] ' [2010, 51; 2010, 95].
1000
1000

Lintervalle de confiance `
a 99% pour la moyenne m est :
[m

2, 58 S
2, 58 S
p
;m
+ p
] ' [2010, 44; 2011, 02].
1000
1000

Corrig
e 94 On note X la variable aleatoire egale au nombre de cafes bus annuellement par un employe.
Dapr`es lenonce, X est normal. Noons et 2 respectivement sa moyenne et variance, tous deux inconnus.
A partir des quantite de cafes X1 , . . . , Xn bus annuellement par les n = 300 employes, on a trouve une
= 500 et une variance empirique S 2 = 1002 des quantites de cafe bus annuellement
moyenne empirique X
par un employe. Un intervalle de confiance `a 95% de la moyenne annuelle est alors donne par :
p
p
+ tn 1 (1 /2)S/ n],
tn 1 (1 /2)S/ n, X
[X
o`
u n = 300 et tn 1 (1 ) est le (1 )-quantile de la loi de Student `a (n 1) degres de liberte (egal ici
` z1 car n = 300 est grand), = 0.05. On trouve alors lIC `a 95% de :
a
[488.66, 508.79].
Note : Avec la table, on utilise tn 1 (1 ) = t1 (1
centrale reduite et on obtient lIC `
a 95% de :

) = z1

le (1

) quantile de la loi normale

[488.68, 511.32].
Un intervalle de confiance `
a 95% de la variance
[
o`
u

2
n 1 ()

(n
2
n 1 (1

est le -quantile de la loi du

de X est donne par :

(n
1)S 2
, 2
/2) n

`a (n

1)S 2
],
1 (/2)

1) degres de liberte. On obtient lIC :

[8572.39, 11818.53].
45

Corrig
e 95 a) Puisque n = 1000 est asez large, on peut supposer que le salaire moyen suit une loi
normale. Un intervalle de confiance au seuil 90% du salaire moyen est (avec = 0.1)
p
p
z1 /2 S/ n, X
+ z1 /2 S/ n] = [47375, 48624].
[X
b) Cela revient `
a tester lhypoth`ese H : le salaire moyen est gal `a 50000 CHF. Dapr`es la question

precdente,
on rejette cette hypoth`ese au seuil 90%, donc on conclut que laffirmation nest pas raisonnable.
Corrig
e 96 La vraisemblance vaut
L()

n
Y

f (yi )

i=1

Pn

2 n n e i=1 yi 2n
0,
0

puis :

3n
= Pn

yi

8 > 0, L() = Cte exp


7! 3n log

Pn

i=1

Qn

i=1

n
X

yi2 ,

yi + 3n log

i=1

0>

yi atteint son maximum en

i=1

qui est lestimateur du maximum de vraisemblance de .


Corrig
e 97 La vraisemblance est
L()

m
Y

(e

zi !

i=1

zi

2m (2)

),
z1 +...+zm

z1 ! . . . z m !

0.>

Do`
u
8 > 0, L() = Cte exp {(z1 + . . . + zm ) log 2
L(.) atteint son maximum en

2m} .

Pm

z
i=1 zi
= ,
2m
2
qui est lestimateur du maximum de vraisemblance de .
=

Corrig
e 98 a) Soient x1 , . . . , x400 les donnees (
L(k)

400
Y

0) de lechantillon. Pour tout k > 0 :

fk (xi )

i=1

k 800 (

400
Y

xi )e

i=1

=
k 7! 800 log k

xi

n
Cte exp 800 log k

xi atteint son maximum en

b) La log-vraisemblance vaut

o
xi ,

2
800
k = P = = 1.
xi
x
`(k) = Cte + 800 log k

46

xi ,

do`
u
`0 (k)

`00 (k)

800/k

xi ,

800/k 2 .

= 800/k2 = 800. Un IC approximatif pour k au niveau


Linformation observee en k vaut donc J(k)
(1 ) = 95% est
1/2 z1 /2 , k + J(k)
1/2 z1 /2 ] = [0.93, 1.07].
[k J(k)
c) La proportion de familles economisant moins de 1000 maravedis est donc :
=

xe

2
' 26%.
e

dx = 1

Corrig
e 99 a) On a :
P { r} =

r 2
R2

1,

= ( Rr )2 ,

si 0 r R,
si r > R.

La fonction de densite fR de la variable est donc nulle en dehors de lintervalle [0; R] et telle que :
8r 2 [0; R], fR (r) =

2r
.
R2

b) Puisque les variables 1 , . . . , n sont independantes :


L(R) =

n
Y

fR (i ).

i=1

On a donc
L(R) =

0 Q
n
2n ( i=1 i )/R2n

si 0 R < max1in i ,
si R max1in i

et la fonction de vraisemblance L(.) atteint son maximum en :


= max i .
R
1in

a pour densite
Puisque P {(max1in i ) r} = P (1 r)n = ( Rr )2n , R
fR (r) =
vaut
et le bias de R
=
E(R)

2n
R2n

Un estimateur sans biais de R est donc

2n 2n
r
R2n

, r > 0,

R
0

r r2n

dr =

2n
R.
2n + 1

= 2n + 1 max i .
R
2n 1in
Corrig
e 100 a) La densite de la loi uniforme U (0, b) est
f (x) =

1
pour 0 x b.
b

La vraisemblance est

1
pour 0 X1 , . . . , Xn b
bn
qui atteint son maximum lorsque b est le plus petit possible, i.e. lorsque b est egal `a la plus grande des
xi . Lestimateur de maximum de vraisemblance de b est donc b = maxni=1 Xi .
L(b) =

47

Corrig
e 101 a) En notant Ua
8
<
FX1 (x) =
:
8
>
>
<
=
>
>
:
et la fonction de densite est

(resp. Ub ) : X1 provient provient de la loi uniforme sur [0, a], on a


0 si x < 0
P (X1 x|Ua )P (Ua ) + P (X1 x|Ub )P (Ub ) si 0 x b
1 si x > b
0 si x < 0
p xa + (1 p) xb si 0 x a
p + (1 p) xb si a x b
1 si x > b
8
0 si x < 0
>
>
< p (1 p)
si 0 x a
a +
b
fX1 (x) =
(1 p)
>
si
a

xb
>
: b
0 si x > b

b) Les variables etant supposees independantes, chacune des Xi appartiendra `a lintervalle [0, a] avec
la probabilite FX1 (a). Ainsi Na suit la loi binomiale de param`etre n et p = p + (1 bp)a . Son esperance est
n
p et sa variance n
p(1 p).
c) La vraisemblance pour p est
L(p) =

p 1 p
+
a
b

Na

p
b

Na

et en derivant par rapport `


ap
@ log L(p)
b a
= Na
@p
pb + (1 p)a
do`
u on tire
p =

(n

Na )

1
1

Na b na
.
b a

Corrig
e 102 On a

E (X

a+b 2
)
2

=E

n
X
Xi
i=1

a+b 2
)
2n

n
X
i=1

E (

a+b 2
)
2n

Xi
n

(b

a)2
12n

(la variance dune somme de variables independantes centrees vaut la somme de leurs variances et Xi /n
2
est de loi uniforme sur [ na , nb ], donc de variance (b12na)2 ).
2
Corrig
e 103 a) On a E(T) = /2 et V ar(T) = 12n
donc E(1 ) = et V ar(1 ) =
b) P (Mn < m) = P (T1 < m et T2 < m . . . et Tn < m), donc
8
< (m/)n si m 2 [0, ]
1 si m >
P (Mn < m) =
:
0 si m 0

Par integration, E(Mn ) =


c) On prend 2 =

n
n+1

n+1
n Mn .

et E(Mn2 ) =

n 2
n+2

donc V ar(Mn ) =

On a E(2 ) = et V ar(2 ) =

2
n(n+2)

2
3n

! 0.

n 2
(n+2)(n+1)2 .

! 0 quand n ! 1.

d) Puisque la variance de 2 est plus faible que la variance de 1 (donc risque quadratique plus faible),
il est preferable dutiliser 2 .
e) Mn et 2 convergent vers en probabilite car :
8 > 0,

P {|Mn

| > } = P {(

Mn ) > } = (

)n ! 0

et
P {|2

| > } = P {|Mn

n
n
n
| >
} = P {Mn <
(
n+1
n+1
n+1
48

)} + P {Mn >

n
( + )} ! 0.
n+1

Corrig
e 104 a) La densite a posteriori secrit
f (|t) =

f (t|)f ()
/ f (t|)f () = e
f (t)

( +t)

/ e

( +t)

b) La vraisemblance a posteriori secrit


L() = f (|t1 , . . . , tn ) / f (t1 , . . . , tn |)f () = f ()
qui est maximale lorsque
n

n 1

n
X

ti

i=1

soit lestimateur du maximum a posteriori


M AP =

n
Pn

i=1

n
Y

i=1

f (ti |) = n e

Pn

( +

i=1 ti )

=0

Ti

Corrig
e 105 a) Dapr`es lenonce, la loi a priori de p est

P (p = 0.05) = P (p = 0.1) = 0.5.


Pour p fixe, X suit une loi binomiale de param`etres n = 20 et p :
P (X = k|p) = Cnk pk (1

p)n

b) Dapr`es la formule des proabilites totales,


P (X = 3)

= P (X = 3|p = 0.05)P (p = 0.05) + P (X = 3|p = 0.1)P (p = 0.1)


= 0.0596 0.5 + 0.1901 0.5 = 0.1249.

c) Parmi les 20 composants, 3 composants ont ete detectes comme defecteux. Les probabilites a
posteriori de p = 0.05 et p = 0.1 sont, dapr`es le theor`eme de Bayes,
P (p = 0.05|X = 3)

P (p = 0.1|X = 3)

0.0596 0.5
P (X = 3|p = 0.05)P (p = 0.05)
=
= 0.2386
P (X = 3)
0.1249
0.1901 0.5
P (X = 3|p = 0.1)P (p = 0.1)
=
= 0.7614
P (X = 3)
0.1249

Il est a posteriori trois fois plus probable que 10% des composants soient defectueux, plutot que 5%.
d) Lesperance a posteriori de p est
E(p|X = 3) = 0.05 P (p = 0.05|X = 3) + 0.1 P (p = 0.1|X = 3) = 0.0881.
La variance a posteriori de p est
V ar(p|X = 3)

= E(p2 |X = 3)

=
=

{E(p|X = 3)}2

0.052 P (p = 0.05|X = 3) + 0.12 P (p = 0.1|X = 3)


0.0004

{E(p|X = 3)}2

e) La moyenne a posteriori de p nest ni en accord avec le chef de production (qui affirme que p = 0.05),
ni en accord avec linspecteur (qui estime que p = 0.1). Neanmoins, la valeur donnee par linspecteur est
la plus proche de la moyenne a posteriori.

49