Académique Documents
Professionnel Documents
Culture Documents
probabilits et statistique
Universit Paris 1 Panthon-Sorbonne
Cours de deuxime anne de licence de sciences conomiques
Cette uvre est mise disposition selon les termes de la licence Creative
Commons Paternit - Partage lIdentique 3.0 non transpos.
iii
2 Conditionnement et indpendance
11
.
.
.
.
25
25
39
44
48
55
55
63
volutions de ce document
71
iii
variance
. . . . .
. . . . .
. . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
Introduction
Ce document propose des exercices corrigs illustrant le cours de probabilits
et statistique. Les corrections sont abondamment commentes pour faciliter la
comprhension et expliciter le raisonnement qui conduit la bonne solution.
On trouve ainsi la suite de lnonc dun exercice une srie de commentaires
encadrant des lments de correction. La rponse attendue lors dune valuation
est constitue de lensemble des lments de correction, lexclusion, bien
entendu, des commentaires. Pour faciliter la sparation entre correction et
commentaires, les lments de correction sont prsents comme suit :
Correction
Un lment de correction.
Pour profiter au maximum de ce recueil, il est trs vivement conseill de lire
lnonc seulement, puis de rdiger une correction exhaustive (et pas seulement
un brouillon) en se mettant dans les conditions dune valuation, cest--dire
en se chronomtrant, en nutilisant pas de calculatrice et, enfin, en sabstenant
de consulter des notes de cours ou dautres documents. Une fois la correction
rdige, on pourra la confronter la correction type, en reprant notamment les
justifications manquantes. On pourra aussi rechercher dans les commentaires
un ventuel raisonnement faux typique, si la correction rdige est fortement
loigne de la correction type.
Chapitre 1
Expriences alatoires et
probabilits
Exercice 1.1
nonc On tudie les connexions dinternautes un site web. Celui-ci propose
six versions de son contenu, rparties en trois versions anglaises (notes en) et
trois versions franaises (notes f r). Pour chaque langue, les trois versions sont
les suivantes : une version normale (n), une version pour les petits crans comme
ceux des tlphones (p) et une version pour les crans de taille moyenne comme
ceux des tablettes (m). En tudiant lhistorique des connexions, on constate que
les versions ne sont pas utilises de faon uniforme. Plus prcisment, si on
choisit un internaute connect au hasard, la probabilit de tomber sur chacune
des versions est donne par la table suivante :
version (f r,n) (f r,p) (f r,m) (en,n) (en,p) (en,m)
5
1
4
3
P({version})
a
b
21
21
21
21
Dans la table, chaque version est dsigne par sa langue et son type. Lensemble
des six versions forme lunivers . Les lettres a et b dsignent des paramtres
dterminer.
Question 1 Quelles proprits doivent vrifier a et b pour que P soit bien une
probabilit sur ?
Question 2 On constate que le site a deux fois plus dutilisateurs anglophones
que dutilisateurs francophones. En dduite a et b.
Question 3 Quel pourcentage dutilisateurs du site consultent la version pour
petit cran ?
Dans cet exercice, lunivers est dj fix et lobjectif est de construire une probabilit sur cet univers. Les questions ont pour objectif de tester la connaissance
des proprits dune probabilit.
1
Correction
Pour que P soit une probabilit sur , il faut que P({version}) [0,1]
pour toute version du site web. En particulier, on doit donc avoir :
P({(f r,n)}) = a [0,1],
P({(en,p)}) = b [0,1].
De plus, on doit avoir P() = 1. Or, est lunion disjointe de tous
les vnements lmentaires et P() est donc la somme des probabilits
indiques dans le tableau. On a donc :
P() = a +
5
1
4
3
+
+
+b+
= 1,
21 21 21
21
soit
a+b=
8
.
21
Il est frquent que la solution propose ne soit pas aussi bien justifie que ce qui
prcde. Il est pourtant important de ne pas oublier les conditions de la forme
a [0,1] et surtout de justifier quon peut faire la somme des valeurs donnes
dans le tableau. Il se pourrait en effet que ne soit pas couvert compltement
par les lments du tableau (imaginons ici une version allemande du site pour
laquelle on ne donne pas de probabilits prcises), et il faudrait donc connatre
la probabilit de lensemble des vnements lmentaires lists dans le tableau
pour remplacer lanalyse base sur P() = 1.
Correction
Le site ayant deux fois plus dutilisateurs anglophones que francophones, on
suppose que P({version anglaise}) = 2P({version franaise}). Or lvnement {version anglaise} est lunion disjointe des trois vnements {(en,n)},
{(en,p)} et {(en,m)} et donc la probabilit de lvnement est la somme
des probabilits des trois vnements lmentaires. Donc, daprs le tableau,
on a
4
3
+b+ ,
21
21
7
=b+ .
21
P({version anglaise}) =
P({version franaise}) = a +
3
soit finalement
7
6
.
b+
=2 a+
21
21
5
12
+b= .
21
21
Exercice 1.2
nonc On place dans un sac 5 billets de 5 e, 7 billets de 10 e et 10 billets
de 20 e. On choisit au hasard une poigne de 8 billets, chaque billet ayant la
mme probabilit dtre attrap.
Question 1 Quelle est la probabilit de navoir choisi aucun billet de 5 e ?
Question 2 Quelle est la probabilit davoir obtenu uniquement des billets de
20 e ?
Question 3 Quelle est la probabilit davoir obtenu au moins un billet de
chaque valeur ?
Question 4 On recommence lexprience en tirant les billets un par un et en
remettant le billet dans le sac aprs son tirage. Calculer les probabilits des
trois vnements ci-dessus dans cette nouvelle exprience.
Comme dans tout exercice de probabilit qui ne fait pas intervenir de variables
alatoires, on doit commencer la rsolution par la dfinition de lunivers
associ lexprience. On rencontre ici une difficult classique : les billets dune
catgorie ne sont pas (facilement) discernables. On pourrait donc tre tent
5
obtenues en sattaquant directement aux questions sans passer par la phase de
modlisation sont totalement fausses.
Correction
Soit lvnement A = {navoir aucun billet de 5 e}. Il est clair que A peut
aussi sexprimer
A = {avoir uniquement des billets de 10 e et de 20 e}.
On cherche donc les sous-ensembles de 8 billets distincts choisis dans B 0 ,
8 ,
lensemble des 17 billets de 10 e et 20 e. On en dduit alors que |A| = C17
puis que
P(A) =
8
17! 14!8!
C17
17 16 10
=
=
' 0, 076
8
9!8!
22!
22 21 15
C22
Notons que le rsultat attendu est simplement celui qui fait apparatre les
formules explicites pour les Cnp . La simplification du rsultat et la valeur
numrique approche ne doivent pas tre fournies en gnral.
On peut interprter le rsultat sous forme dun tirage squentiel. Il est clair
en effet que la probabilit de tirer un unique billet qui ne soit pas de 5 e est
de 17
22 . Si on tire ensuite un deuxime billet sans remettre le premier, il ne
reste plus que 21 billets, dont seulement 16 ne sont pas de 5 e. La probabilit
15
de ne pas tomber sur un billet de 5 e devient donc 16
21 , puis 20 et ainsi de
10
suite jusqu 15 pour le huitime billet. En formalisant ce raisonnement et en
sappuyant sur la notion de probabilits conditionnelles, on peut retrouver le
rsultat sur P(A). Il est cependant beaucoup plus simple de dterminer la taille
de A en sappuyant sur des proprits connues.
Notons quil ne faut surtout pas chercher dterminer la composition de
la poigne de billets ne contenant pas de billets de 5 e au risque de perdre
beaucoup de temps. Cet exercice se diffrencie donc dautres exercices dans
lesquels on tudie une partie complexe de en la dcomposant en parties
plus simples. Ici, on sintresse toujours des sous-ensembles de taille huit,
mais on change lensemble dont ils sont des parties : on passe de B tout entier
(lensemble des 22 billets) un sous-ensemble de B. On procde exactement de
la mme faon pour la question suivante.
Correction
Soit lvnement D = {obtenir uniquement des billets de 20 e}. On
cherche ainsi les sous-ensembles de taille 8 billets choisis dans lensemble
8 et
des 10 billets de 20 e. On donc |D| = C10
P(D) =
8
C10
10! 14!8!
=
' 1, 41 104 .
8
8!8! 22!
C22
La troisime question se traite dune faon assez diffrente car elle ncessite de
rcrire lvnement.
Correction
Soit lvnement
E = {obtenir au moins un billet de chaque valeur}.
On tudie son complmentaire F = E quon dcompose en deux sousvnements disjoints :
F1 = {obtenir des billets dune seule valeur}
F2 = {obtenir des billets de deux valeurs}.
F1 est en fait lvnement
F1 = {obtenir uniquement des billets de 20 e} = D,
car il ny a pas assez de billets de 5 e et de 10 e pour obtenir une poigne
de 8 billets compose uniquement de lune ou lautre des valeurs. On sait
8 . On dcompose F en trois sous-ensembles disjoints :
dj que |F1 | = C10
2
G5 = {obtenir des billets de 10 e et de 20 e, et pas de 5 e},
G10 = {obtenir des billets de 5 e et de 20 e, et pas de 10 e},
G20 = {obtenir des billets de 5 e et de 10 e, et pas de 20 e}.
On remarque que
G20 = {navoir aucun billet de 20 e}.
En effet, comme il y a strictement moins de 8 billets de 5 e et de 10 e, ne
pas obtenir de billet de 20 e implique dobtenir au moins un billet de 5
e et au moins un billet de 10 e. Daprs le raisonnement de la premire
8 .
question, on a donc |G20 | = C12
On remarque aussi que
G5 = {aucun billet de 5 e} \ {uniquement des billets de 20 e}.
8 , alors que daprs la
Daprs la question 1, |{aucun billet de 5 e}| = C17
8 . On a donc
question 2, |{uniquement des billets de 20 e}| = C10
8
8
|G5 | = C17
C10
.
7
Un raisonnement similaire conduit
8
8
|G10 | = C15
C10
.
Finalement, on a
|F | = |F1 | + |G5 | + |G10 | + |G20 |
8
8
8
8
8
8
= C10
+ C17
C10
+ C15
C10
+ C12
8
8
8
8
= C17
+ C15
+ C12
C10
On a donc
P(E) = 1 P(F ) = 1
8 + C8 + C8 C8
C17
15
12
10
' 0, 902.
8
C22
Cette question est beaucoup plus complexe que les prcdentes et peut conduire
des solutions fausses de faon malheureusement assez naturelle. Il est frquent
par exemple de confondre les vnements G5 et A. Or, dans G5 , on considre les
poignes qui ne contiennent pas de billet de 5 e mais qui contiennent aussi au
moins un billet de 10 e et au moins un billet de 20 e. Lvnement A est moins
restrictif car il demande seulement de ne pas avoir de billet de 5 e. On peut
donc obtenir une poigne ne contenant que des billets de 20 e. Pour trouver
|G5 |, on doit donc enlever de A les poignes ne contenant que des billets de 20
e.
Une autre erreur classique consiste essayer de construire les rsultats
de lexprience qui constituent lvnement tudi. Cette stratgie fonctionne
trs bien dans certaines situations, mais elle est parfois dlicate mettre en
uvre. Dans la question prcdente, on tudie donc des sous-ensembles de
8 billets contenant au moins un billet de chaque valeur. Pour obtenir un tel
sous-ensemble, on peut donc choisir un billet de 5 e (soit 5 possibilits), un
billet de 10 e (7 possibilits), un billet de 20 e (10 possibilits) et enfin 5
5 possibilits). Les
billets quelconques parmi les 19 billets restants (soit donc C19
5 faons de construire une
choix tant indpendants, on obtient 5 7 10 C19
poigne de 8 billets.
Le problme est quon construit de cette faon plusieurs fois les mmes
poignes, ce qui revient les compter plusieurs fois. Si on choisit par exemple les
billets (c1 , d1 , v1 ) puis la poigne {c2 , c3 , d2 , d3 , v2 }, on obtient la mme poigne
que si on commence par choisir (c2 , d2 , v2 ) puis la poigne {c1 , c3 , d1 , d3 , v1 }.
5 = 4 069 800 alors que C 8 = 319 770 : on compte donc
En fait 5 7 10 C19
22
de trs nombreuses fois les mmes poignes. Il faudrait ainsi trouver un moyen
dviter ces constructions redondantes, ce qui est assez complexe. La meilleure
solution reste alors la technique de dcomposition utilise dans la correction.
Le traitement de la question 4 ncessite lintroduction dun nouvel univers.
Comme indiqu plus haut, cette tape est indispensable pour obtenir des
rsultats corrects.
Correction
Le tirage tant maintenant squentiel, on obtient une liste de billets. De
plus, comme les billets sont remis dans le sac, on peut obtenir plusieurs
fois le mme. Lunivers est donc le produit cartsien B 8 , soit
= {(b1 , . . . , b8 ) | i, bi B}.
Comme dans la dfinition du premier univers, on attend ici des expressions cl
importantes : liste (par opposition ensemble et pour tenir compte de lordre
dans le tirage) et plusieurs fois le mme (par opposition distinct et pour
traduire la remise entre chaque tirage).
On introduit ensuite la probabilit sur .
Correction
Comme dans les questions prcdents, on utilise la probabilit uniforme
sur , ce qui demande le calcul du cardinal de cet ensemble. Comme cest
un produit cartsien, on a
|| = |B|8 = 228 .
Le calcul des trois probabilits se fait ensuite assez facilement en utilisant les
mmes raisonnements que dans la premire exprience, avec les adaptations
ncessaires au mode de tirage.
Correction
On considre lvnement A = {navoir aucun billet de 5 e}. Comme pour
la question 1, il sagit de trouver les tirages ne contenant que des billets
de 10 e et de 20 e. On cherche donc les listes de 8 billets choisis dans
B 0 , lensemble des billets de 10 e et de 20 e. On a donc clairement
|A| = |B 0 |8 = 178 . Donc
P(A) =
178
' 0, 127.
228
9
se traite par dcomposition exactement comme dans la question 3. En utilisant les mmes notations, on cherche donc la taille de son complmentaire
F en passant par F1 et F2 . Une diffrence avec la question 3 est quon
peut obtenir ici des listes de 8 billets contenant uniquement des billets
de 5 e, ou uniquement des billets de 10 e car on remet les billets. On
dcompose donc F1 en trois sous-vnements disjoints :
H5 = {obtenir uniquement des billets de 5 e},
H10 = {obtenir uniquement des billets de 10 e},
H20 = {obtenir uniquement des billets de 20 e}.
Dans chaque cas, on cherche des listes constitues uniquement des billets
dun catgorie, ce qui conduit un ensemble contenant k 8 listes si on
considre k billets. On a donc
|H5 | = 58 ,
|H10 | = 78 ,
|H20 | = 108 .
Le calcul des cardinaux de G5 , G10 et G20 se fait selon les mmes principes
que dans la question 3 : on compte dabord le nombre de listes ne contenant
pas de billets de la valeur non souhaite, puis on enlve au total le nombre
de listes composes uniquement dun type de billet. On obtient ainsi :
|G5 | = (7 + 10)8
| {z }
pas de 5 e
8
78
|{z}
uniquement des 10 e
8
108
|{z}
uniquement des 20 e
|G10 | = (5 + 10) 5 10 ,
|G20 | = (5 + 7)8 58 78 .
Finalement, on a
|F | = |H5 | + |H10 | + |H20 | + |G5 | + |G10 | + |G20 |,
= 178 + 158 + 128 58 78 108 ,
ce qui donne
P(E) = 1 P(F ) = 1
Chapitre 2
Conditionnement et
indpendance
Exercice 2.1
nonc On considre le jeu suivant : le joueur lance dabord un d non truqu.
Il tire ensuite un jeton dans une urne choisie en fonction du rsultat du d.
Lurne A est choisie quand le d donne 1, 2 ou 3, lurne B quand on obtient 4
ou 5 et lurne C quand on obtient 6. Les urnes contiennent les jetons suivants :
urne A : deux jetons rouges, trois jetons bleus ;
urne B : deux jetons bleus, quatre jetons verts ;
urne C : un jeton vert, un jeton rouge.
Question 1 Quelle est la probabilit dobtenir un jeton rouge par ce procd ?
Question 2 On obtient un jeton vert. Quelle est la probabilit que ce jeton
soit issu de lurne B ?
Question 3 On obtient un jeton bleu. Quelle est la probabilit que le lancer
du d ait donn 3 ?
Question 4 Quelle est la probabilit de ne pas obtenir un jeton vert, sachant
que le lancer du d a donn 3 ou 6 ?
Question 5 Est-ce que lvnement choisir dans lurne C et lvnement
obtenir un jeton rouge sont indpendants ? Justifiez votre rponse.
12
Correction
On considre les vnements R, Bl et V qui correspondent respectivement
lobtention dun jeton rouge, bleu ou vert la fin de lexprience. On
considre aussi les vnements A, B et C correspondant respectivement
lutilisation des urnes dsignes par les mmes lettres.
Comme le d utilis nest pas truqu, on suppose que la probabilit sur
lensemble des faces du d {1, . . . , 6} est uniforme. Daprs lnonc, on a
P(A|{le d donne 1, 2 ou 3}) = 1,
P(A|{le d donne 4, 5 ou 6}) = 0.
La probabilit conditionnelle sur P(A|{le d donne 1, 2 ou 3}) est la traduction
naturelle de la relation dterministe (cest--dire non alatoire) entre rsultat
du lancer de d et le choix de lurne. De faon gnrale, on traduit un nonc
de la forme si U alors V en P(V |U ) = 1.
Correction
Comme les vnements {le d donne 1, 2 ou 3} et {le d donne 4, 5 ou 6}
sont disjoints et que leur union forme lunivers tout entier (du point de
vue du lancer du d), on peut appliquer la loi des probabilits totales. On
a donc
P(A) =P(A|{le d donne 1, 2 ou 3})P({le d donne 1, 2 ou 3})
+ P(A|{le d donne 4, 5 ou 6})P({le d donne 4, 5 ou 6}).
On a donc aprs simplification
P(A) = P({le d donne 1, 2 ou 3}) =
|{1, 2, 3}|
1
= .
|{1, 2, 3, 4, 5, 6}|
2
13
Correction
Considrons le tirage dun jeton dans lurne A. Lunivers correspondant
A scrit
A = {r1 , r2 , b1 , b2 , b3 },
o r1 et r2 sont les jetons rouges, et b1 , b2 , et b3 les jetons bleus. Les
jetons sont supposs discernables pour faciliter lanalyse. En labsence
dhypothse particulire sur les urnes et les jetons, on suppose que la
probabilit sur A , PA , est uniforme. On a donc
PA (R) = PA ({r1 , r2 }) =
|{r1 , r2 }|
2
= .
|{r1 , r2 , b1 , b2 , b3 }|
5
14
2 1
1 1 1
17
+0 + = .
5 2
3 2 6
60
15
On note deux points importants dans la solution. Il faut dabord traduire
correctement lnonc : ici on sait que V a eu lieu puisquon a obtenu un jeton
vert. On demande alors la probabilit de B, ce qui sous-entend quon cherche
la probabilit conditionnelle de cet vnement ou, en dautres termes, quon
cherche la probabilit de B sachant que V a eu lieu. On doit donc calculer
P(B|V ).
Cette grandeur tant inconnue, on utilise loutil classique pour se ramener
des grandeurs connues, savoir la rgle de Bayes (il faut imprativement
rappeler le nom de cette rgle pour lutiliser). Elle permet en effet de renverser
le conditionnement : on passe ici de P(B|V ) P(V |B). Or, cette deuxime
grandeur est connue puisquelle se dduit du protocole suivi dans lexprience.
La question suivante se traite exactement de la mme manire : on utilise
la rgle de Bayes et la loi des probabilits totales pour calculer les probabilits
conditionnelles recherches.
Correction
On cherche calculer P({le d donne 3}|Bl). En notant {3} lvnement
sur le d, la rgle de Bayes donne
P({3}|Bl) =
P(Bl|{3})P({3})
.
P(Bl)
3 1 1 1
1
37
+ +0 = ,
5 2 3 3
6
90
ce qui conduit
P({3}|Bl) =
3
5
37
90
1
6
9
.
37
Ltude dun vnement sur le d plutt que sur lurne demande un peu
dattention : il faut en effet justifier que P(Bl|{3}) = P(Bl|A) ce qui se fait
16
simplement en indiquant quon raisonne de la mme faon dans les deux cas.
On sait en effet que lobtention dun 3 conduit utiliser lurne A et donc
aux probabilits conditionnelles dj calcules. Il faut simplement bien faire
attention de considrer P(Bl|{3}) dans les calculs, et pas P(Bl|A), pour viter
toute confusion.
La question suivante est un peu plus subtile. Elle est destine tester
les connaissance sur les probabilits conditionnelles. En effet, si U et V sont
deux vnements disjoints, on pourrait croire que pour un autre vnement W ,
P(W |U ou V ) est gal la somme de P(W |U ) et P(W |V ), ce qui est faux en
gnral. En revanche, comme une probabilit conditionnelle est une probabilit,
on a bien
P(U ou V |W ) = P(U |W ) + P(U |V ),
quand U et V sont disjoints. En utilisant la rgle de Bayes ou la dfinition des
probabilits conditionnelles, on peut donc calculer P(W |U ou V ), mais cest
un peu plus complexe quon pourrait le croire de prime abord.
Correction
On cherche donc P(V |D) avec
D = {le d a donn 3 ou 6}.
En utilisant le fait que P(V |D) = 1 P(V |D), on se ramne au calcul de
P(V |D). Or, par dfinition des probabilits conditionnelles, on a
P(V |D) =
P(V D)
P(V {3}) + P(V {6})
=
,
P(D)
P({3}) + P({6})
la deuxime galit provenant du fait que D est lunion disjointe des deux
vnements {3} et {6} (qui dsignent respectivement lobtention dun 3 et
dun 6).
On sait que P(V {3}) = 0 puisque lobtention dun 3 conduit utiliser
lurne A qui ne contient pas de jeton vert. Dautre part, en appliquant de
nouveau la dfinition des probabilits conditionnelles, on a
P(V {6}) = P(V |{6})P({6}).
Or, lobtention dun 6 conduit utiliser lurne C et donc choisir un jeton
parmi deux jetons (dont un est vert). On a donc P(V |{6}) = 12 . On en
dduit donc
0+ 1 1
1
P(V |D) = 1 2 1 6 = ,
4
6 + 6
et donc finalement que P(V |D) = 34 .
La dernire question est essentiellement une question de cours.
17
Correction
Deux vnements U et V sont indpendants si et seulement si P(U V ) =
P(U )P(V ). On considre donc lvnement C R. Par dfinition des
probabilits conditionnelles, on a
P(C R) = P(R|C)P(C) =
Or, daprs la question 1, P(R) =
P(R) P(C) =
17
60 ,
1 1
.
2 6
donc
17 1
6= P(C R).
60 6
Exercice 2.2
nonc Un fabricant prpare des films de protection dcran pour tlphones
portables. Il retient trois longueurs pour la diagonale des crans (et donc pour
les films), 4 pouces, 4,7 pouces et 5 pouces. On se limite ici aux possesseurs
de tlphones avec ces trois tailles dcran. Une tude de march indique au
fabricant que les crans de 4 pouces quipent 30 % des tlphones. Cette tude
lui indique aussi que 30 % des possesseurs dcran 4 pouces ont une protection
dcran. Cest aussi le cas de 25 % des possesseurs dcran 4,7 pouces et de
40 % des possesseurs dcran 5 pouces.
Question 1 Sachant que 34 % des possesseurs de tlphone possdent une
protection dcran, calculer le pourcentage de possesseurs dcran de 4,7 pouces
et de 5 pouces.
Question 2 On considre un possesseur de protection dcran. Calculer la
probabilit quil possde un tlphone avec un cran de 5 pouces.
Question 3 On considre maintenant une personne possdant une protection
dcran et dont le tlphone na pas un cran de 4,7 pouces. Calculer la probabilit
quelle possde un tlphone avec un cran de 5 pouces.
18
Correction
On appelle lensemble de tous les possesseurs de tlphone pris en
compte dans ltude. Lexprience alatoire consiste choisir au hasard
une personne dans cet ensemble. Lnonc se traduit alors comme suit :
on note E4 lvnement la personne choisie possde un tlphone
avec un cran de 4 pouces (idem pour E4,7 et E5 ) ;
on note P E lvnement le tlphone de la personne choisie possde
une protection dcran ;
on a
P(E4 ) = 0,3,
P(P E|E4 ) = 0,3,
P(P E|E4,7 ) = 0,25,
P(P E|E5 ) = 0,4.
Notons que sans la modlisation effectue ci-dessus, la rsolution de lexercice
devient dlicate et hasardeuse. Il faut aussi que la modlisation soit juste !
Il est ainsi frquent dinverser le conditionnement lors de la traduction de
lnonc. Ici, on parle par exemple des possesseurs dcran 4 pouces , ce qui
sous-entend que lvnement E4 est ralis de faon sre. On est donc bien en
train de spcifier P(P E|E4 ) et non pas P(E4 |P E). Pour donner une indication
sur cette dernire probabilit, on aurait crit quelque chose comme parmi
les possesseurs de protection dcran, x % possdent un cran 4 pouces , soit
donc P(P E|E4 ) = x. Dans tous les cas, il faut imprativement identifier ce qui
est certain pour dterminer lvnement de conditionnement.
Correction
Lnonc prcise que P(P E) = 0,34. Or, les vnements E4 , E4,7 et E5
forment une partition de (daprs lnonc, le fabricant se limite ces
tailles), on peut appliquer la loi des probabilits totales, ce qui donne :
P(P E) = 0,34,
= P(P E|E4 )P(E4 ) + P(P E|E4,7 )P(E4,7 ) + P(P E|E5 )P(E5 ),
= 0,9 + 0,25 P(E4,7 ) + 0,4 P(E5 ).
Pour la mme raison, on a P(E4 ) + P(E4,7 ) + P(E5 ) = 1. On obtient ainsi
deux quations deux inconnues :
0,25 = 0,25 P(E4,7 ) + 0,4 P(E5 ),
0,7 = P(E4,7 ) + P(E5 ).
19
En soustrayant la deuxime quation la premire multiplie par 4, on
obtient :
0,3 = 0,6P(E5 ),
soit P(E5 ) = 0,5 et donc P(E4,7 ) = 0,2.
La rsolution ci-dessus ne comporte pas de difficult particulire. Il faut bien
entendu invoquer la loi des probabilits totales en prcisant que ses conditions
dapplication sont bien vrifies. Attention, il faudrait en toute rigueur dire
quon suppose que les vnements E4,7 et E5 sont tous deux de probabilit non
nulle, car cette condition est ncessaire pour appliquer la loi.
Correction
On cherche ici P(E5 |P E). En appliquant la rgle de Bayes, on obtient :
P(E5 |P E) =
P(P E E4,7 E5 )
P(P E E5 )
=
.
P(P E E4,7 )
P(P E E4,7 )
20
0,2
20
=
' 0,69.
0,29
29
La dernire question ne comporte pas non plus de difficult spcifique. Cependant, elle peut paratre surprenante, notamment parce quon nutilise pas pour
sa rsolution la rgle de Bayes ou la loi des probabilits totales. Ceci vient
du fait que lvnement de conditionnement P E E4,7 mlange une cause
(la taille de lcran) et une consquence (la possession dune protection
dcran). De ce fait, la probabilit associe ce conditionnement est totalement
inconnue. En passant par la rgle de Bayes, on obtiendrait :
P(E5 |P E E4,7 ) =
ce qui naide pas beaucoup, seule P(E5 ) tant connue. En particulier, le calcul
de P(P E E4,7 |E5 ) nest pas plus facile que celui de la probabilit dorigine,
notamment parce quon ne sait rien de particulier sur lvnement P E E4,7 .
Autrement dit, le passage pas la rgle de Bayes ne fait ici que compliquer le
calcul.
Exercice 2.3
nonc Dans une sordide affaire, les polices scientifiques de Las Vegas, Miami
et Manhattan cooprent afin de confondre le coupable. Sur les lieux du crime, il
y avait onze personnes prsentes, et il ny a pas de doute que le coupable est
parmi elles. On trouve sur les lieux du crime un fragment de cheveu qui ne peut
appartenir quau coupable. Les quipes de Manhattan et de Miami mettent en
place deux tests pour identifier le coupable partir de ce fragment. Les deux
tests sont positifs avec certitude si la personne teste est le coupable, mais les
deux tests sont galement positifs dans 10 % des cas si la personne teste est
innocente.
Question 1 (question prliminaire) Montrer que pour toute probabilit et pour
deux vnements E1 et E2 tels que P(E1 ) = 1 et P(E2 ) = 1 alors P(E1 E2 ) = 1.
Pour la suite, on notera pour une personne prise au hasard :
T1 : lvnement le test 1 est positif
T2 : lvnement le test 2 est positif
C : lvnement la personne est coupable
On suppose que chaque suspect la mme probabilit que les autres dtre choisi
au hasard parmi les onze suspects.
Question 2 Donner une criture simple de lvnement I : La personne est
innocente et de lvnement T : les rsultats aux deux tests (1 et 2) sont
positifs .
21
Question 3 Quelle est la probabilit quun suspect pris au hasard soit le coupable sachant que le test 1 est positif ?
Pour la suite de lexercice, on admettra, du fait de la symtrie du problme, que
P(C|T2 ) = P(C|T1 ). Les deux quipes de Manhattan et de Miami se rendent
compte que pour les personnes innocentes un rsultat positif avec le test 1
et un rsultat positif avec le test 2 sont des vnements indpendants. Plus
formellement T1 et T2 sont conditionnellement indpendants sachant I.
Question 4 Grce au rsultat de la question 1, dterminez la probabilit que
les tests 1 et 2 soient tous les deux positifs sachant que la personne est coupable.
Question 5 En appliquant la formule des probabilits totales T1 , T2 et T1 T2 ,
dterminez si en gnral T1 et T2 sont indpendants.
Question 6 Quelle est la probabilit davoir affaire au coupable lorsque les
deux tests 1 et 2 sont administrs une mme personne et sont positifs ?
Question 7 Lquipe de Las Vegas entre en scne et imagine un autre test (le
test 3) qui est tel quaucune personne non-coupable ne puisse tre positive
la fois au test 2 et au test 3. Comme les deux autres tests, le test 3 est positif
avec certitude si la personne teste est coupable. Proposez une procdure pour
dcouvrir de manire certaine le coupable (et justifiez).
Cet nonc est reprsentatif du raisonnement probabiliste. Il est assez dlicat car
il fait intervenir la notion dindpendance conditionnelle. Ceci dit, la premire
question est lmentaire et ne demande que dappliquer les proprits classiques
des probabilits.
Correction
On sait que pour deux vnements quelconques
P(E1 E2 ) = P(E1 ) + P(E2 ) P(E1 E2 ),
et donc ici
P(E1 E2 ) = 1 + 1 P(E1 E2 ).
Or une probabilit est toujours infrieure ou gale 1, donc P(E1 E2 )
1, et donc 2 P(E1 E2 ) 1. Comme P(E1 E2 ) 1, on obtient
P(E1 E2 ) = 1 (ainsi que P(E1 E2 ) = 1, dailleurs).
La deuxime question est aussi assez lmentaire et repose sur la traduction
des formules logiques en oprations ensemblistes.
Correction
On a clairement I = C car on est soit coupable, soit innocent. On a aussi
de faon vidente T = T1 T2 .
22
P(T1 |C)P(C)
.
P(T1 )
Dans cette formule, seule P(T1 ) nest pas connue. On lobtient en appliquant
la rgle des probabilits totales (C,I) (qui sont complmentaires). On
obtient
P(T1 ) = P(T1 |C)P(C) + P(T1 |I)P(I),
1
10
=1
+ 0,1 ,
11
11
2
= .
11
Ceci nous permet de vrifier au passage que P(.|T1 ) est bien dfinie. On
en dduit de plus que
P(C|T1 ) =
1
2
11
1
11
1
= .
2
23
Correction
On sintresse P(T1 T2 |C). Comme P(.|C) est une probabilit comme
une autre, on peut lui appliquer le rsultat de la question 1. On sait en
effet que P(T1 |C) = P(T2 |C) = 1 et donc P(T1 T2 |C) = 1.
On demande trs souvent de dterminer si deux vnements sont indpendants.
Ici la difficult vient du fait quil faut sappuyer sur tout ce qui est connu sur
les hypothses formules sur les probabilits conditionnelles P(.|C) et P(.|I)
alors quen gnral, on se contente dun calcul numrique simple.
Correction
Pour tudier lindpendance entre T1 et T2 , on calcule P(T1 T2 ). Pour
cela on applique la rgle des probabilits totales pour le couple (C, I). On
a donc
P(T1 T2 ) = P(T1 T2 |C)P(C) + P(T1 T2 |I)P(I).
On sait que P(T1 T2 |C) = 1 (question prcdente). De plus T1 et T2 sont
conditionnellement indpendants sachant I, donc
P(T1 T2 |I) = P(T1 |I)P(T2 |I) = 0,1 0,1 = 0,01.
Donc finalement
P(T1 T2 ) = 1
1
10
1
+ 0,01
= .
11
11
10
2
Nous avons dj calcul P(T1 ) = 11
la question 3. Par symtrie, P(T 2) =
4
1
P(T1 ) et donc P(T1 ) P(T2 ) = 121 6= 10
. On en dduit donc que T1 et T2
ne sont pas indpendants.
P(T1 T2 | C)P(C)
.
P(T1 T2 )
24
La dernire question est formule de faon ouverte. Il est important dans ce type
de situation de commencer par formuler de faon mathmatique les nouvelles
hypothses, avant mme de chercher une solution. Ces hypothses conduisent
en gnral de faon assez directe une solution naturelle, comme cest le cas
ici.
Correction
On note T3 lvnement le test 3 est positif . Daprs lnonc, on a
P(T2 T3 I) = 0,
car il est impossible dtre la fois innocent et dobtenir un rsultat positif
aux tests 2 et 3. Il semble donc naturel dtudier la probabilit dtre
coupable sachant T2 T3 , soit P(C|T2 T3 ). Notons que cette probabilit
est bien dfinie car C T2 T3 et P(C) > 0. Par la rgle de Bayes, on a
donc
P(T2 T3 |C)P(C)
P(C|T2 T3 ) =
P(T2 T3 )
Or, on a
T2 T3 = (T2 T3 I) (T2 T3 C),
et lunion est disjointe. Donc, daprs lnonc,
P(T2 T3 ) = P(T2 T3 C),
et daprs la dfinition des probabilits conditionnelles
P(T2 T3 C) = P(T2 T3 |C)P(C),
et donc
P(C|T2 T3 ) = 1.
On trouve donc le coupable avec certitude en considrant le seul suspect
pour lequel les tests 2 et 3 donnent un rsultat positif.
Notons que dans cette dernire question, la vrification de P(T2 T3 ) > 0 est
un point crucial. En effet, on pourrait trs bien avoir P(T2 T3 ) = 0, soit donc
bien P(T2 T3 C) = 0. Il est donc important de sassurer que le test 3 est
toujours positif pour le coupable. Si on relchait cette hypothse, rien dans
lnonc ne permettrait de conclure.
Chapitre 3
Exercice 3.1
nonc Pour les jeux suivants, on utilise un d quatre faces numrotes
0, 2, 3 et 5. On dispose aussi dune urne contenant trois billes numrotes
respectivement 1, 3 et 5.
Dans premier jeu, on procde de la faon suivante : on lance le d puis on
tire une bille. Si le d donne 0, on ne gagne rien. Sinon, on gagne 5 e si le d
et la bille portent le mme numro. Sinon, on gagne 1 e.
Question 1 Donner lunivers 1 et la probabilit associs lexprience alatoire.
Soit X la variable alatoire correspondant au gain du joueur.
Question 2 Donner la dfinition de X sous forme dune fonction (on pourra
utiliser un tableau) et expliciter X(1 ).
Question 3 Donner la loi de X et son esprance E(X).
Le second jeu est plus complexe. On lance un d puis on place dans lurne une
bille portant le numro de la face obtenue lors du lancer du d (par exemple,
on place une deuxime bille portant un 3 si on obtient 3). On tire ensuite une
bille dans lurne ainsi modifie. Le gain en euros est alors le montant indiqu
sur la bille obtenue. On note Y la variable alatoire correspondante.
Question 4 Donner Y (2 ) (il nest pas ncessaire de dcrire explicitement
2 , mme si cela peut tre utile).
Question 5 Donner la loi de Y .
Question 6 Donner E(Y ). Lorganisateur qui propose ce jeu demande de
payer 3 e pour jouer une fois. Quelle est sa rmunration moyenne ?
25
26
La premire question est trs classique et nappelle pas de commentaire particulier (il faut toujours une rdaction rigoureuse, bien entendu).
Correction
Lexprience consiste lancer un d dont les faces sont F = {0, 2, 3, 5}
puis choisir une bille dans lensemble B = {1, 3, 5}. Lunivers est alors
lensemble des couples obtenus, soit
1 = F B.
En absence dindication particulire dans lnonc, on considre que le d et
lurne ne sont pas truqus et donc que la probabilit P sur 1 est uniforme.
|A|
Pour tout A 1 , on a donc P(A) = |
. On a de plus |1 | = 12.
1|
Quand une variable alatoire est dfinie explicitement comme cest le cas ici,
il est trs important de bien prciser son comportement, notamment quand
lunivers est suffisamment petit pour permettre un calcul exhaustif.
Correction
Le tableau suivant donne le rsultat du d en ligne, celui du tirage dans
lurne en colonne et la valeur de X chaque intersection :
F/B
0
2
3
5
1
0
1
1
1
3
0
1
5
1
5
0
1
1
5
27
par dfinition de PX
par dfinition de X
car P est uniforme
1
4
7
12
1
6
1
7
1
+1
+5 ,
4
12
6
17
.
12
On applique ici simplement les dfinitions. Comme toujours, il est important
de justifier les calculs. Ceci ncessite le rappel de la dfinition de PX (comme
ci-dessus, on peut se contenter dexpliciter un calcul) et celui de E(X) (comme
ci-dessus, il suffit de donner la formule applique au cas concret).
=
Correction
Commenons par expliciter 2 . Chaque tirage constitue une paire de deux
chiffres, la face du d et le numro de la bille. Cependant, il est important
de distinguer les billes qui portent le mme numro afin de pouvoir faire
lhypothse duniformit. Pour faciliter lcriture, on dcompte 2 en 4
sous ensembles, Of avec f F en fonction du rsultat du d. On obtient
ainsi :
O0 = {0} {0, 1, 3, 5},
O2 = {2} {1, 2, 3, 5},
O3 = {3} {1, 31 , 32 , 5},
O5 = {5} {1, 3, 51 , 52 },
et 2 = 00 O2 O3 O5 . On a not 31 et 32 les deux billes portant la
valeur 3 (idem pour 51 et 52 ). Par symtrie du problme, et sans mention
spcifique dans lnonc, il est naturel de supposer que la probabilit est
uniforme sur 2 .
Cette partie de lexercice est plus dlicate en tant quexprience compose
et en raison des valeurs identiques sur certaines billes. Comme toujours dans
28
cette seconde situation, il faut supposer les billes discernables car cest la
seule solution simple pour dfinir la probabilit. Lexprience se faisant en deux
temps, il serait plus rigoureux de passer par les probabilits conditionnelles pour
dterminer la probabilit sur 2 . On crirait ainsi que P(f et b) = P(b|f )P(f )
o f dsigne lvnement obtenir la face f par le lancer du d et b dsigne
lvnement obtenir la bille b . P(f ) vaut clairement 14 pour tout f car le
d nest pas truqu (pas de mention ce sujet dans lnonc). Ensuite, pour
tout f , lurne contient toujours 4 billes (discernables !) et donc P(b|f ) = 14 car
les billes sont priori quiprobables. Donc tout vnement f et b est de
1
probabilit 16
ce qui revient exactement dire que la probabilit est uniforme
sur 2 .
Notons pour finir que cette analyse nest pas ncessaire pour dterminer
Y () car le texte de lnonc permet dnumrer les valeurs possibles de faon
directe. Cependant, le calcul de PY est facilit par lcriture explicite de 2 et
la dtermination de P.
Correction
On constate dans 2 que Y peut prendre les valeurs 0, 1, 2, 3 et 5. On
obtient donc
Y (2 ) = {0, 1, 2, 3, 5}.
Correction
Le calcul de PY se fait comme celui de PX ci-dessus. Par exemple on a
PY ({2}) = P(Y 1 ({2})
= P({2} {2})
|{2} {2}|
=
|2 |
1
= .
16
par dfinition de PY
par dfinition de Y
car P est uniforme
29
Correction
On calcule E(Y ) comme suit
1
4
1
5
5
+1
+2
+3
+5 ,
16
16
16
16
16
23
46
= .
=
16
8
E(Y ) = 0
1
8
e.
Exercice 3.2
nonc On considre le jeu suivant : le joueur lance dabord un d non truqu.
Sil obtient 1, 2 ou 3, il gagne lquivalent en euros (cest--dire 1 e sil obtient 1,
par exemple). Sinon, il perd 2 e. On note X la variable alatoire correspondant
au gain du joueur (ngatif en cas de perte).
Question 1 Donnez la loi de X et sa fonction de rpartition FX .
Question 2 Calculez lesprance de X.
Question 3 Calculez la variance de X.
On modifie le jeu de la faon suivante : les gains restent les mmes pour les
rsultats 1, 2 ou 3, mais si le joueur obtient autre chose, il relance le d. Sil
obtient 3 ou moins, il gagne 3 e, sinon il perd 5 e.
Question 4 Dcrivez formellement lunivers du nouveau jeu.
Question 5 Donnez la loi de Y (qui dsigne de nouveau le gain du joueur) et
calculez son esprance.
Question 6 Quelle variante du jeu est la plus avantageuse pour le joueur ?
Quand une variable alatoire est dfinie de faon explicite, il est important
de bien dfinir lunivers de lexprience alatoire de dpart afin dviter toute
confusion. Cela sera particulirement important dans la deuxime partie de
lexercice.
Correction
Lexprience alatoire est un lancer de d dont lunivers est donc
= {1, 2, 3, 4, 5, 6},
muni dune probabilit uniforme (car le d nest pas truqu). La variable
alatoire X est donne par le tableau suivant :
1 2 3 4
5
6
X() 1 2 3 2 2 2
30
0 pour x < 2,
21 pour 2 x < 1,
6 pour 2 x < 3,
1 pour x 3.
Pour calculer E(X), on applique la dfinition de lesprance, savoir
X
E(X) =
xPX (x).
xX()
On obtient ainsi
E(X) = 2
1
1
1
1
+ 1 + 2 + 3 = 0.
2
6
6
6
13
3
1
1
1
1
13
+ 12 + 22 + 32 = ,
2
6
6
6
3
' 4,33.
31
1
1
2
3
3
3
3
2
1
2
3
3
3
3
3 4
5
6
1 1
1
1
2 2
2
2
3 3
3
3
3 5 5 5
3 5 5 5
3 5 5 5
5
=
9
36
1
4
6
36
1
=
1
6
6
36
2
=
3
1
6
6
36
9
36
5
12
32
1
1
1
5
1
+1 +2 +3
= .
4
6
6
12
2
Comme E(Y ) > E(X), on gagne en moyenne plus la deuxime variante
qui est donc plus avantageuse pour le joueur.
E(Y ) = 5
Exercice 3.3
nonc On tudie dans cet exercice lanctre du jeu de craps, le hazard. Le
joueur commence par choisir un entier entre 5 et 9 inclus quon appelle le
principal. Le joueur lance alors 2 ds ( six faces non truqus) et fait la somme
des rsultats. Dans une version simplifie du jeu, les gains sont les suivants. Si
la somme obtenue est le principal, le joueur gagne 1 e. Sinon, si la somme est
2 ou 3, le joueur perd 1 e. Si la somme est 11, le joueur gagne si le principal
vaut 7, sinon il perd (1 e dans les deux cas). Si la somme est 12, le joueur
gagne si le principal vaut 6 ou 8, sinon il perd (toujours 1 e). Enfin, dans tous
les autres cas, il ne se passe rien (ni gain, ni perte).
Question 1 On appelle S la variable alatoire donnant la somme des deux
ds. Donner S() et la loi de S.
Question 2 On appelle X7 la variable alatoire donnant le gain (ngatif en
cas de perte) du joueur quand le principal vaut 7. Donner X7 (), puis la loi de
X7 et sa fonction de rpartition.
Question 3 Calculer E(X7 ) et V (X7 ).
Question 4 On considre X6 le gain du joueur quand le principal vaut 6.
Donner la loi de X6 et E(X6 ).
Dans le vrai jeu du hazard, la situation neutre ne correspond pas un gain
nul. En effet, si le joueur nobtient ni son principal, ni 2, 3, 11 ou 12, on note
la somme obtenue et on lappelle la chance. Le joueur doit alors relancer les
ds. Sil obtient son principal, il perd 1 e alors que sil obtient la chance, il
gagne 1 e. Sinon, le rsultat est nul (ni gain, ni perte).
Question 5 On suppose que le joueur a choisit 7 comme principal. On note
G7 la variable alatoire de son gain final. Dterminer la loi de G7 sachant que
le premier tirage est neutre .
Question 6 Dterminer la loi de G7 (sans conditionnement).
La principale difficult de la premire partie cet exercice est la complexit des
rgles du jeu (qui sont seulement une version simplifie des rgles dorigines).
33
Il faut donc tre trs mticuleux dans lanalyse de lnonc et dans lcriture
des variables alatoires identifies. La second partie de lnonc est beaucoup
plus complexe.
Correction
On suppose les ds discernables avec un premier lancer L1 et un
second lancer L2 . On crit alors lunivers = {1, 2, 3, 4, 5, 6}2 et on
suppose que la probabilit P est uniforme (car lnonc parle de ds non
truqus). On a || = 36.
Comme presque toujours, le choix discernable simpose pour pouvoir faire
lhypothse dquiprobabilit.
Correction
Pour dcrire la variable alatoire S, on la reprsente par un tableau avec
en ligne le premier lancer et en colonne le second, et dans chaque case la
somme. On obtient
S(L1 , L2 )
1
2
3
4
5
6
L1
1
2
3
4
5
6
7
L2
3 4 5 6
4 5 6 7
5 6 7 8
6 7 8 9
7 8 9 10
8 9 10 11
9 10 11 12
2
3
4
5
6
7
8
On constate que S() = {2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12}. Pour calculer la loi
de S, on applique la dfinition P(S = s) = P(S 1 ({s})). On a par exemple
S 1 ({4}) = {(3, 1), (2, 2), (1, 3)},
et donc P(S = 4) = P({(3, 1), (2, 2), (1, 3)}). Comme P est uniforme
3
P(A) = |A|
|| et donc P(S = 4) = 36 . En rptant ce type de calcul, on
obtient la loi de S :
s
P(S = s)
10 11 12
1
36
2
36
3
36
4
36
5
36
6
36
5
36
4
36
3
36
2
36
1
36
34
L1
1
2
3
4
5
6
L2
1
2 3 4 5 6
1 1 0 0 0 1
1 0 0 0 1 0
0
0 0 1 0 0
0
0 1 0 0 0
0
1 0 0 0 1
1
0 0 0 1 1
1
2
9
0 si t < 1
1
9 si 1 t < 0
FX7 (x) =
7
si 0 t < 1
9
1 si t 1
35
On sait que
E(X7 ) =
x P(X7 = x),
xX()
= 1
1
6
2
+0 +1 ,
9
9
9
1
= .
9
On sait aussi que V (X7 ) = E(X72 ) E(X7 )2 . On calcule E(X72 )
X
x2 P(X7 = x),
E(X72 ) =
xX()
= (1)2
1
6
2
+ 02 + 12 ,
9
9
9
3
= ,
9
et donc
3
9
26
= .
81
V (X7 ) =
2
1
,
9
Pour les calculs qui prcdent, il suffit de rappeler une fois chaque dfinition
ou proprit, puis de donner les rsultats.
Correction
Pour tudier X6 , on procde de la mme faon que pour X7 . Le tableau
des valeurs est
X6 (L1 , L2 )
L1
1
2
3
4
5
6
L2
1
2 3 4 5
6
1 1 0 0 1
0
1 0 0 1 0
0
0
0 1 0 0
0
0
1 0 0 0
0
1
0 0 0 0 1
0
0 0 0 1 1
36
Correction
On constate que X6 () = {1, 0, 1} (par simple lecture du tableau). La
loi de X6 est obtenue comme celle de X7 en utilisant lquiprobabilit sur
et le tableau. On trouve ainsi
x 1
5
P(X6 = x) 36
25
36
1
6
= 1
=
5
25
1
+0
+1 ,
36
36
6
1
.
36
Comme la dmarche est strictement identique pour X6 et pour X7 , les justifications et les dtails donns pour X7 nont pas besoin dtre rpts pour X6 .
On se contente donc de dire quon utilise les mmes techniques et de produire
les rsultats.
Correction
On sintresse donc la loi de G7 sachant que le rsultat est neutre. On
dfinit dabord S la variable alatoire donnant la somme des deux ds lors
du premier lancer. La loi de S est facile obtenir en utilisant le premier
tableau qui donne justement les valeurs de S en fonction du lancer. On
trouve
s
P(S = s)
10 11 12
1
36
2
36
3
36
4
36
5
36
6
36
5
36
4
36
3
36
2
36
1
36
P({G7 = g} N )
P(S = s)
37
10
3
36
4
36
5
36
5
36
4
36
3
36
P(A|B C) =
38
3 2
36
4 2
36
5 2
36
5 2
36
4 2
36
10
3 2
36
et donc
2
2
4
3
3 2
+
+ ... +
,
P({G7 = 1 N }) =
36
36
36
100
= 2,
36
De mme on a
s
P({G7 = 1} {S = s})
10
6 3
36 36
6 4
36 36
6 5
36 36
6 5
36 36
6 4
36 36
6 3
36 36
et donc
6
36
144
= 2.
36
P({G7 = 1} N ) =
3
4
3
+
+ ... +
36 36
36
,
39
25
216
6
36
155
216
3.2
288
362
620
362
388
362
Exercice 3.4
nonc Pour amliorer la sret de fonctionnement dun serveur informatique,
on envisage dintroduire de la redondance, cest--dire davoir plusieurs exemplaires des composants importants. On peut raliser les oprations suivantes :
on utilise trois alimentations de 300 Watts chacune : le serveur peut
continuer fonctionner avec une alimentation en panne car il consomme
au maximum 500 Watts.
on place les quatre disques durs en configuration RAID 5 : le serveur peut
continuer fonctionner avec un disque dur en panne.
40
41
Correction
Le serveur est en panne si deux au moins des alimentations sont en panne.
On note A lvnement panne de lalimentation globale . On a donc
P(A) = P(A1 + A2 + A3 2),
= P(A1 + A2 + A3 = 2) + P(A1 + A2 + A3 = 3),
= C32 p2 (1 p) + C33 p3 ,
= p2 (3 2p),
en utilisant les proprits de la loi Binomiale.
La deuxime question est exactement la mme que la premire mais avec des
paramtres numriques lgrement diffrents...
Correction
Comme pour les alimentations, on modlise les disques durs par des
variables Dj de Bernoulli B(q), indpendantes. Le nombre de disques en
panne est alors une variable de loi Binomiale B(4,q). Le serveur est en panne
si au moins deux des disques sont en panne, lvnement correspondant D
tant de probabilit
4
X
P(D) = P
Dj 2 ,
j=1
4
4
4
X
X
X
= P
Dj = 2 + P
Dj = 3 + P
Dj = 4
j=1
C42 q 2 (1
2
j=1
2
q) +
C43 q 3 (1
q) +
j=1
C44 q 4 ,
= q (6(1 q) + 4q(1 q) + q 2 ),
= q 2 (3q 2 8q + 6).
Pour choisir la meilleure solution, on compare les probabilits de panne en
supposant que p = q. On a ainsi
P(A) P(D) = p2 (3 2p) p2 (3p2 8p + 6),
= p2 (3p2 + 6p 3).
Le signe de cette diffrence est alors celui de f (p) = 3p2 + 6p 3.
La drive de f est f 0 (p) = 6(1 p) qui sannule en p = 1 et qui est
donc positive sur lintervalle [0, 1]. La fonction est donc croissante sur
cet intervalle. Or, f (1) = 0 (et f (0) = 3. Donc, sur lintervalle [0, 1],
42
Exercice 3.5
nonc Un magasin spcialis reoit en moyenne 4 clients par jour, le nombre
de clients tant distribu selon une loi de Poisson. Calculer la probabilit que le
magasin soit visit le mercredi par :
Question 1 aucun client ;
Question 2 5 clients ;
Question 3 au moins 6 clients.
43
Correction
On note C la variable alatoire donnant le nombre de clients reus par
jour dans le magasin. Par hypothse, C est distribue selon une loi de
Poisson de paramtre et telle que E(C) = 4. Or, on sait que si C P(),
E(C) = , donc = 4.
40
= e4 ' 0.0183.
0!
45
' 0.156.
5!
5
[
{C = k},
k=0
5
X
k=0
P(C = k) = 1 e4
5
X
4k
k=0
k!
' 0.215.
44
3.3
Exercice 3.6
nonc On suppose que la variable alatoire X suit la loi uniforme sur lensemble
X() = {3, 2, 1, 4}.
Question 1 Donner la loi de X.
Question 2 Calculer E(X) et V (X).
On dfinit la variable alatoire Y = 2X + 1.
Question 3 Donner Y () et la loi de Y .
Question 4 Calculer E(Y ) de deux faons diffrentes.
Reprendre les deux questions prcdentes pour la variable Z = (X + 1)2 .
Correction
Par hypothse, la loi de X est uniforme et la probabilit davoir X = x pour
tout lment x de X() est donc constante. De ce fait, cette probabilit
1
est de |X()|
= 41 . La loi de X est donc rsume par le tableau suivant
x 3 2 1
1
1
PX (x) 14
4
4
4
1
4
On applique ici directement les rsultats de cours sur la loi uniforme pour une
variable alatoire discrte ( ne pas confondre avec le cas continu).
Correction
Lesprance de X est donne par
X
E(X) =
xPX (x),
xX()
1 X
x,
4
xX()
1
= (3 2 + 1 + 4),
4
= 0.
Il faut toujours mentionner au moins une fois la formule qui dfinit lesprance
pour pouvoir lutiliser dans une solution.
45
Correction
Pour calculer la variance, on utilise la formule V (X) = E(X 2 ) (E(X))2
dont le deuxime terme est nul. On sait aussi que pour toute fonction ,
X
E((X)) =
(x)PX (x).
xX()
On a donc
V (X) = E(X 2 ),
X
=
x2 PX (x),
xX()
1
= ((3)2 + (2)2 + 12 + 42 ),
4
= 7.
Le rappel de la proprit gnrale qui permet de calculer E((X)) nest pas
ncessaire pour le calcul de E(X 2 ) mais il est conseill car il permet de ne pas
faire lerreur frquente qui consiste mettre les probabilits au carr plutt
que les valeurs de x.
Correction
Considrons Y = 2X + 1. Le tableau suivant donne la valeur de Y pour
toutes les valeurs possibles de X :
x 3 2 1 4
2x + 1 5 3 3 9
On a donc Y () = {5, 3, 3, 9}.
Comme Y est une variable discrte, sa loi est dtermine
par
les
y1
probabilits PY (y) pour tout y Y (). Or, PY (y) = PX 2
car
Y = 2X + 1 et donc X = Y 21 . De plus, pour tout y , y1
2 puisquon a
dans Y ()les images
par Y des valeurs de X(). De ce fait, pour tout
y1
1
y , PX 2 = 4 . Donc la loi de Y est la loi uniforme sur Y ().
On applique ci-dessus les proprits classiques pour la loi dune variable alatoire
obtenue comme fonction dune autre variable, Y = f (X). On sait en effet que
pour sous-ensemble A de Y (),
PY (A) = PX (Y 1 (A)),
o Y 1 est dfini par
Y 1 (A) = {x X() | f (x) A}.
46
Dans le cas dune variable alatoire discrte qui nous intresse ici, il suffit de
considrer les ensembles A rduits une seule valeur, ce qui conduit la solution
propose. Notons que celle-ci est simple car la transformation Y = 2X + 1 est
bijective. La variable Z sera lgrement plus complexe tudier.
Correction
Pour calculer E(Y ), on peut appliquer en fait trois rsultats diffrents.
On sait que pour tout et dterministes, et toute variable alatoire X,
E(X + ) = E(X) + . Ici on a donc
E(Y ) = 2E(X) + 1 = 1.
On peut aussi appliquer le rsultat rappel ci-dessus la fonction (x) =
2x + 1. On a donc
E(Y ) = E((X)),
X
=
(x)PX (x),
xX()
1 X
(2x + 1),
4
xX()
1
= (5 3 + 3 + 9),
4
= 1.
Enfin, on peut appliquer la dfinition de lesprance Y , ce qui donne
X
E(Y ) =
yPY (y),
yY ()
1 X
y,
4
yY ()
1
= (5 3 + 3 + 9),
4
= 1.
Quand on demande dobtenir une esprance par deux mthodes diffrentes,
cest en gnral quon veut que le calcul soit ralis une fois avec la dfinition de
lesprance (troisime calcul ci-dessus) et une autre fois en sappuyant sur une
proprit classique de lesprance comme sa linarit (utilise dans le premier
calcul) ou la formule pour E((X)), applique trs rgulirement (deuxime
calcul dans la correction).
47
Correction
On tudie maintenant Z = (X +1)2 . On calcule Z() au moyen du tableau
suivant qui donne les valeurs de Z en fonction des valeurs de X :
x 3 2 1 4
(x + 1)2 4
1 4 25
On constate que Z() = {1, 4, 25}. Pour calculer la loi de Z on doit
dterminer Z 1 (z) pour tout z Z(). Le tableau suivant rsume ce
calcul et la loi de Z obtenue ainsi, en appliquant la proprit PZ (z) =
PX (Z 1 (z)) :
z
Z 1 (z)
1
4
25
{2} {3, 1} {4}
PZ (z) = PX (Z 1 (z))
1
4
1
2
1
4
On utilise ici le fait que la loi de X sur X() est uniforme et donc que la
probabilit dun ensemble A est donne par le ratio entre le cardinal de A et
celui de X(). On remarque que le calcul est lgrement plus complexe que
celui de Y car la fonction x 7 (x + 1)2 nest pas injective : les deux valeurs
distinctes 3 et 1 que peut prendre X sont toutes deux transformes en la
valeur 4 pour Z. De ce fait, la loi de Z sur Z() nest pas uniforme.
Correction
Pour calculer E(Z), on peut appliquer le rsultat classique Z = (X)
avec (x) = (x + 1)2 , ce qui donne
E(Z) = E((X)),
X
=
(x)PX (x),
xX()
1 X
(x + 1)2 ,
4
xX()
1
= (4 + 1 + 4 + 25),
4
17
= .
2
48
1
1
1
1 + 4 + 25,
4
2
4
17
= .
2
3.4
Exercice 3.7
nonc Soit un couple de variables alatoires (X, Y ) tel que X() = {2, 0, 1}
et Y () = {1, 1, 2} dont la loi jointe est donne par le tableau suivant :
P(X = x, Y = y) y = 1 y = 1 y = 2
x = 2
0,2
0,2
x=0
0,1
0,1
0,05
x=1
0,2
0
0,1
Question 1 Donner lunique valeur possible pour en justifiant brivement
la rponse.
Question 2 Calculer les lois marginales de X et de Y .
Question 3 Montrer que X et Y ne sont pas indpendantes.
Question 4 Calculer la loi conditionnelle de X sachant Y = 1. En dduire
E(X|Y = 1).
Question 5 Calculer lesprance conditionnelle de X sachant que Y 6= 2.
Question 6 Calculer E(XY ) et en dduire Cov(X,Y ).
Question 7 On pose Z = X + Y . Calculer la loi de Z, puis E(Z) et V (Z).
Correction
49
Donc la somme des probabilits contenues dans le tableau doit tre gale
1. On constate que la somme est ici 0,95 + . Donc = 0,05.
La justification propose est assez dtaille. On peut se contenter de dire que la
somme des probabilits doit tre gale 1, puisque cest une proprit majeure
des tableaux utiliss pour donner les lois de couple de variables alatoires
discrtes.
Correction
La loi marginale de X est donne par
X
P(X = x) =
P(X = x, Y = y).
yY ()
50
Correction
On utilise la dfinition de la loi conditionnelle, P(X = x|Y = 1) =
P(X=x,Y =1)
P(Y =1) , ce qui conduit immdiatement la loi rsume dans le tableau
suivant
x
2
0
1
0,1
2
1
0
P(X = x|Y = 1) 0,2
=
=
0,3
3
0,3
3
0,3 = 0
Lesprance conditionnelle est obtenue en appliquant la dfinition, cest-dire
X
E(X|Y = 1) =
xP(X = x|Y = 1),
xX()
= 2
2
1
+ 0 + 1 0,
3
3
4
= .
3
On se contente ici dappliquer les dfinitions et de faire des calculs lmentaires.
La question suivante est lgrement plus complexe puisquil faut considrer un
conditionnement qui ne sexprime pas sous la forme Y = y.
Correction
6=2)
On doit dabord calculer P(X = x|Y 6= 2) = P(X=x,Y
P(Y 6=2) . Or, {Y 6= 2} =
{Y = 1} {Y = 1}, avec une union disjointe. Donc
P(X = x, Y = 1) + P(X = x, Y = 1)
.
P(Y = 1) + P(Y = 1)
2
=
0,4
0,8
1
2
0,2
0,8
0
=
1
4
0,2
0,8
1
=
1
4
51
= 2
1
1
1
+0 +1 ,
2
4
4
3
= .
4
Comme dans lexercice 2.1, la difficult de lanalyse vient essentiellement de la
tentation dinventer des proprits fausses en gnralisant des proprits
vraies. En particulier, ici, on pourrait tre tenter de croire que la probabilit
P(X = x|Y 6= 2) est gale la probabilit 1 P(X = x|Y = 2). Or, cest en
gnral faux. Dans le cas prsent, si on considre par exemple x = 2, on a
P(X = 2, Y = 2)
,
P(Y = 2)
0,05
=1
,
0,2
3
= ,
4
1 P(X = 2|Y = 2) = 1
y = 1
0,2 2 = 0,4
0,1 0 = 0
0,2 1 = 0,2
y=1
0,2 2 = 0,4
0,1 0 = 0
01=0
y=2
0,05 4 = 0,2
0,05 0 = 0
0,1 2 = 0,2
52
Correction
On sait que Cov(X, Y ) = E(XY ) E(X)E(Y ). On calcule donc E(X) et
E(Y ) en utilisant les dfinitions de ces esprances :
X
E(X) =
xP(X = x)
xX()
53
Correction
Comme Z = X + Y et que lesprance est linaire, on a
E(Z) = E(X) + E(Y ) = 0,6 + 0,2 = 0,4.
De plus, on sait que
V (X + Y ) = V (X) + V (Y ) + 2Cov(X,Y ).
On calcule donc les variances de X et Y . On a
E(X 2 ) = (2)2 0,45 + 02 0,25 + 12 0,3
= 2,1,
et
E(Y 2 ) = (1)2 0,5 + 12 0,3 + 22 0,2
= 1.6.
Donc V (X) = E(X 2 ) (E(X))2 = 1,74 et V (Y ) = 1,56. On obtient
finalement
V (Z) = 1,74 + 1,56 + 2 (0,08) = 3,14.
Notons que lesprance et la variance de Z qui sont obtenues ici au moyen de
proprits de ces deux grandeurs pourraient aussi tre calcules directement
partir de la loi de Z. Quelle que soit loption choisie, il faut rappeler les
proprits et dfinitions utilises.
Chapitre 4
Exercice 4.1
nonc Soit la fonction f dfinie par
(
ax2 + b
f (x) =
0
si x [0,1]
sinon
55
56
Correction
On remarque que f (0) = b, et il faut donc que b 0. Si a = 0, il ny a pas
dautre condition ncessaire pour assurer la positivit.
La drive de f est donne par f 0 (x) = 2ax. Sur lintervalle [0,1], le
signe de f 0 est donc celui de a. Si a > 0, f est croissante sur [0,1] et on a
donc f (x) b pour tout x [0,1]. De ce fait, la condition b 0 est encore
suffisante pour assurer f (x) 0. Si a < 0, f est dcroissante sur [0,1], et
donc a donc f (x) f (1) = a + b pour tout x [0,1]. On doit donc avoir
a + b 0.
En rsum si b 0 et si a b, alors f est positive (le cas a b
inclus en particulier le casR a 0).
Z
f (x)dx =
f (x)dx.
0
ax2 + b dx =
ha
3
x3 + bx
i1
0
a
+ b.
3
57
Z
=
f (x)dx,
0,5
ha
i1
,
x3 + bx
3
0,5
a
a 1
1
= +b b ,
3
3 8
2
a
b
=1
.
24 2
Une erreur courante dans lanalyse prcdente consiste confondre densit
f et fonction de rpartition F . On sait en effet que, par dfinition, si FX
est la fonction de rpartition de X, P(X 0,5) = 1 FX (0,5) (on a utilis
la continuit de X pour saffranchir de problmes aux bornes de intervalles).
Si on confond f et F , on peut tre tent dcrire (ce qui est faux !) que
P(X 0,5) = 1 f (0,5) = 1 a4 b. On obtient alors un rsultat totalement
diffrent dans la suite (et, insistons sur ce point, faux).
Correction
En utilisant les rsultats de la premire question, on a donc deux quations
deux inconnues :
a
+ b = 1,
3
a
b
7
1
= .
24 2
8
En utilisant b = 1
a
3
a
1 a
7
+ = ,
24 2 6
8
ce qui donne a = 3, puis b = 0 (et donc f (x) = 3x2 sur [0, 1]). On remarque
que les valeurs de a et b sont compatibles avec les ingalits tablies la
question 1 et donc quon obtient bien une densit.
La dernire vrification est trs importante. On pourrait en effet supposer par
exemple que P(X 0,5) = 18 . Des calculs similaires ceux effectus ci-dessus
58
On sait que E(X) = xf (x)dx. ce qui donne ici (en tenant compte de
la nullit de f en dehors de [0,1]) :
1
x 3x2 dx,
E(X) =
0
3x3 dx,
0
3 4 1 3
x
= ,
=
4
4
0
=
3x4 dx,
0
3 5 1 3
= ,
=
x
5
5
0
E(X ) =
3
9
3
= .
5 16
80
Exercice 4.2
Soit une fonction F dfinie de la faon
a(x + b)2
F (x) =
cx + d
suivante :
si
si
si
si
x 2
x ] 2,0]
x ]0,1]
x>1
Question 1 Donner les conditions que doivent vrifier les nombres rels a, b,
c, d et e pour que F soit la fonction de rpartition dune variable alatoire
relle absolument continue.
59
60
61
0 si x 0
F (x) = x si x ]0,1]
1 si x > 1
On reconnat la fonction de rpartition de la loi uniforme sur lintervalle
[0,1].
Correction
On suppose maintenant que P(Y [1; 0,5]) = 58 . On a
5
= P(Y [1; 0,5])
8
= P(Y ] 1; 0,5])
= F (0,5) F (1)
c
= + d a(b 1)2
2
d e
1
8
1
2
1
2
c
2
= 1 2a puis, a =
1
8
puis
62
Correction
Pour calculer lesprance et la variance de Y , on doit dterminer sa densit
fY , cest--dire la drive de F . On obtient directement :
0
si y 2
1 (y + 2) si y ] 2,0]
fY (y) = 41
si y ]0,1]
0
si y > 1
On a alors
Z
E(Y ) =
yfY (y)dy
Z 2
2
Z 1
Z 0
yfY (y)dy
yfY (y)dy +
yfY (y)dy +
yfY (y)dy +
y
y
(y + 2)dy +
dy
4
2
0 2
2 1
0
3
y
y2
y
+
+
=
12
4 2
4 0
(2)3 (2)2 1
+
12
4
4
1
=
12
0 2
y
Z
=
=
16
=
1
=
2
et donc V (Y ) =
71
144 .
2
y4
Z
0
y3
6
(2)4
16
(y + 2)dy +
+
(2)3
6
0
1
3
y
1
+
6
y2
dy
2
4.2
63
Exercice 4.3
nonc On remplit un verre de volume 20 cl dune quantit alatoire deau
choisie uniformment entre 0 et 20 cl :
Question 1 quelle est la probabilit dobtenir moins de 5 cl deau ?
Question 2 on vide 5 verres ainsi remplis dans une trs grande bassine. Quelle
quantit moyenne deau obtient-on dans la bassine ?
Correction
Soit V la variable alatoire correspondant la quantit deau dans un
verre. Par hypothse, V suit une loi uniforme sur lintervalle [0, 20].
La seule difficult de modlisation est de bien comprendre quon travaille ici
avec une variable alatoire continue et pas avec une variable discrte. En effet,
il ny a pas de raison de supposer que la quantit deau est ncessairement un
entier, par exemple.
Correction
On cherche P(V 5). Par dfinition de la fonction de rpartition, on a
P(V 5) = FV (5). Or, pour une variable uniforme sur [0, 20], on a
FV (5) =
50
1
= ,
20 0
4
Exercice 4.4
nonc On suppose que la dure de vie dun disque dur est distribue selon une
loi exponentielle. Le fabricant veut garantir que le disque dur a une probabilit
64
infrieure 0.001 de tomber en panne sur un an. Quelle dure de vie moyenne
minimale doit avoir le disque dur ?
Correction
On appelle D la variable alatoire donnant la dure de vie du disque dur.
D suit une loi exponentielle de paramtre . Le fabricant veut garantir
que
P(D 1) 0.001.
Comme P(D a) = FD (a) par dfinition, on obtient lingalit
1 exp( 1) 0.001,
en appliquant la formule classique pour la fonction de rpartition dune
variable de loi exponentielle. On a alors
1 exp() 0.001,
0.999 exp(),
ln(0.999) ,
ln(0.999),
1
1
,
ln(0.999)
1
999,5 .
en utilisant la croissance de ln
en utilisant la dcroissance de
1
x
Or, comme D suit une loi exponentielle, son esprance est 1 . La dure de
vie moyenne du disque dur doit donc tre dau moins 999,5 ans !
Cet exercice est une simple application des proprits de la loi exponentielle et
de la dfinition de la fonction de rpartition. Il faut simplement tre attentif dans
la manipulation des ingalits pour bien obtenir une minoration de lesprance
et donc de la dure de vie.
Exercice 4.5
nonc Daprs une tude rcente, la taille des femmes franaises est distribue
selon une loi normale de moyenne m = 1,58 et dcart-type = 0,06. Pour
produire un stock de vtements, un fabricant souhaite utiliser cette loi.
Question 1 Il commence par dterminer un intervalle de la forme [ma, m+a]
(donc symtrique autour de la moyenne) contenant en moyenne 90 % (environ)
des tailles des femmes franaises : calculer a.
65
T
T m
T m
m + a,
a,
a
.
66
Ensuite, on applique la proprit de symtrie de la loi normale pour se dbarrasser du terme ngatif (le terme FY ()).
Correction
La lecture de la table de la loi normale donne :
FY (1,64) = 0,9495,
FY (1,65) = 0,9505.
Pour avoir un intervalle lgrement plus grand que celui recherch par le
fabricant, on choisit = 1,65. Si on pose a = = 0,06 1,65 = 0,099,
on a donc
P(T [m a, m + a]) = P(T [1,481; 1,679]) ' 0,9
67
Correction
tudions le premier intervalle. On a
ma
a
a
T
T m
T m
m a3 ,
a3 ,
a
,
3
,
3
et donc
h
a i
= P Y ,
,
P T m a, m
3
3
= FY
FY (),
3
= 1 FY
1 + FY (), par symtrie
3
1,65
,
selon lanalyse prcdente
= 0,9505 FY
3
= 0,9505 0,7088,
= 0,2417.
On a de la mme faon
h
a
a i
P T m ,m +
=P Y ,
,
3
3
3 3
FY
,
= FY
3
3
= 2FY
1,
3
= 2 0,7088 1,
= 0,4176.
Enfin :
h
i
a
P T m + ,m + a = P Y
, ,
3
3
= FY () FY
,
3
= 0,9505 0,7088,
= 0,2417,
68
0,2417
0,90
0,4176
0,90
0,2417
0,90
' 27%
' 46%
' 27%
Annexes
69
volutions de ce document
72
volutions de ce document