PROD 2100

GESTION DE LA PRODUCTION

RECUEIL DEXERCICES
&
SOLUTIONS
de le Court Elonore, Botton Quentin, Semal Pierre

de le Court Elonore (b.112 / Tl : 010/47.83.70)

Botton Quentin (b.110 / Tl : 010/47.83.83)
Semal Pierre (B.118 / Tl : 010/47.83.66)

Anne 2004 - 2005

First session : Mathematical and statistical revisions

FIRST SESSION :
"Mathematical and statistical revisions"

Objectifs : Se remettre en mmoire les notions de probabilits et de statistique

auxquelles le cours de Gestion de la Production fait rfrence.
Contenu : - Enoncs des exercices rsoudre (pages 4 8);
- Solutions (pages 9 16);
- Table Normale Rduite (page 17).
Monitorat : Exercices individuels faire chez soi.

First session : Mathematical and statistical revisions

Enoncs
Question 1 : chantillon fini & valeurs discrtes
Supposons que nous lancions un d 10 fois et que les valeurs prises par le d soient les
suivantes : une fois la valeur 1; 1 fois la valeur 3; 2 fois la valeur 4; 3 fois la valeur 5
et 3 fois la valeur 6.
1.1) Sur base des 10 lancs de d, calculez dans le tableau ci-dessous les diffrentes
frquences absolues et relatives (fr=a/n).
Si 10 lancs (n=10) :
nombre de fois quon a
obtenu une valeur donne :
a = frquence absolue
1
0
1
2
3
3

Valeur du d : X

1
2
3
4
5
6

Frquence relative : fr=a/n

?
?
?
?
?
?
Somme = ?

1.2) Quelle est la somme des frquences relatives pour lensemble de lchantillon n ?
Est-ce toujours vrai?
1.3) Quelle est la moyenne X obtenue pour cet chanllon?
1.4) Quelle est la mdiane? La moiti des observations se trouve dun ct de la
mdiane, lautre moiti se trouve de lautre ct.
1.5) Quel est le mode? Cest la valeur pour laquelle la frquence relative est la plus
grande.
1.6) Quelle est la diffrence entre la notion de frquence relative et celle de
probabilit ? Pour rpondre cette question aidez-vous du schma suivant :
X

n=10

n=50

n=

1
2
3
4
5
6
Totaux

0.1
0
0.1
0.2
0.3
0.3
1

0.22
0.12
0.14
0.14
0.14
0.24
1

1/6
1/6
1/6
1/6
1/6
1/6
1

First session : Mathematical and statistical revisions

1.7) Travaillons maintenant, non plus avec les frquences relatives observes dans
lchantillon, mais avec les probabilits dobtenir 1, 2, ..., 6 lors du lanc dun d.
Soit X cette variable alatoire.
a) Reprsentez graphiquement cette distribution et donnez sa distribution
(fonction mathmatique).
b) Calculez sa moyenne X , sachant que la formule de la moyenne dune
distribution discrte est la suivante :
xp x . Expliquez.
x

c) Calculez sa variance 2 , sachant que la formule de la variance dune

distribution discrte est la suivante :
( x x ) 2 p x . Expliquez.
x

Enfin, que reprsente une variance ? En quelle unit est-elle exprime ?

d) La variance d'
une variable alatoire dont les valeurs tombent loin de la
moyenne sera-t-elle plus ou moins grande que la variance d'
une variable
alatoire dont les valeurs tombent prs de la moyenne ?
e) Une autre mesure de dispersion plus frquemment utilis est celle de l'
cart
type. Celui-ci est exprim dans les mmes units que les observations,
expliquant son utilit. Calculez cet cart type .
f) Enfin, indiquez sur votre graphique la moyenne et lcart type calculs
prcdemment.
Question 2 : Distribution continue
2.1) La temprature sur lle de Papeete oscille strictement entre [20,25]. Selon vous,
quelle type de distribution a-t-on faire ici, en supposant que toutes les
tempratures sont quiprobables (cd ont la mme probabilit de survenir) ?
2.2) Cette courbe sappelle densit de probabilit de la variable T. Reprsentez cette
distribution graphiquement et donnez-en la formule mathmatique. N'
oubliez pas
d'
indiquer sur le graphique quelle est sa densit de probabilit.
2.3) Sachant que la probabilit dun vnement se calcule par intgration de la
distribution, calculez les probabilits suivantes :
a) Prob (X = 22) =
b) Prob (X > 22) =
c) Prob (X 22) =
d) Prob (X < 23,5) =
e) Prob (X 23,5) =
f) Prob (22 < X 23,5) =

First session : Mathematical and statistical revisions

2.4) Intuitivement, quelle est la moyenne X d'

une distribution uniforme ?
Mathmatiquement, la moyenne dune distribution de probabilit continue se
calcule par la formule suivante :

X = xp x dx
0

Comparez cette formule avec celle de la question 1.7.b). Quen dduisez-vous ?

Enfin, que vaut cette moyenne dans l'
exemple donn ci-dessus ?
2.5) La formule de la variance dune distribution continue est la suivante :

2 = ( x x ) 2 p x dx .

Sachant cela, calculez la variance dune distribution de probabilit uniforme.

Expliquez et comparez la formule de la question 1.7.c). Que vaut cette variance
dans lexemple donn ci-dessus ?
2.6) Calculez lcart type de cette distribution et reprsentez-le sur votre graphique.
2.7) Supposons maintenant que, pour des raisons pratiques videntes, lon arrondisse
systmatiquement les tempratures mesures lunit la plus proche. Ainsi, une
temprature de 20,4 sera arrondie 20, tandis quune temprature de 20,55
sera arrondie 21.
Soit Y la variable alatoire discrte dcrivant cette temprature arrondie
(nombres alatoires entiers allant de 20 25). Pour Y :
a) reprsentez la distribution de probabilit et comparez la question 2.2);
b) calculez les probabilits de la question 2.3) et comparez;
c) calculez la moyenne et comparez la question 2.4);
d) calculez la variance et comparez la question 2.5);
e) calculez lcart type et comparez la question 2.6).
Question 3 : chantillon fini & valeurs continues

Soit une entreprise qui fabrique des tubes de diffrentes longueurs. Une des machines
est sense dcouper des tubes de 10 cm de longueur. Le responsable de la qualit
vient de prlever un chantillon de tube pour vrifier la prcision de la machine.
Soit sur les 10 tubes prlevs, la classification suivante :
Entre 8, 5 et 9,5 cm
Entre 9,5 et 10,5 cm
Entre 10,5 et 11.5 cm

Frquence absolue
3
5
2

Frquence relative

3.1) Calculez les frquences relatives.

3.2) Dessinez un histogramme.
3.3) Quelle est la moyenne de lchantillon?
First session : Mathematical and statistical revisions

3.4) Si lon prlevait 100 tubes, de quel type de distribution cela se rapprocherait-il?
Question 4

4.1) Pour beaucoup de variables alatoires, la distribution de probabilit a une forme

de cloche. On l'
appelle la courbe normale ou de Gauss. Cette distribution apparat
tre un modle raisonnable pour le comportements de certains (nombreux)
phnomnes alatoires. Reprsentez graphiquement cette distribution N(,) et
indiquez y les deux paramtres suivants : moyenne et cart type .
4.2) La distribution normale permet galement de calculer des intervalles de
confiance. Ainsi, on pourra par exemple certifier que dans 95 % des cas, un
nombre alatoire se trouvera dans l'
intervalle 2 ; + 2 . Indiquez sur votre
graphique les intervalles de confiance suivants : [ , + ] , 2 ; + 2
et [ 3 , + 3 ] .
4.3) Reprsentez sur un mme graphique deux distributions normales de mme
moyenne mais dcarts types diffrentes.
4.4) Pour pouvoir calculer plus facilement des probabilits avec une distribution
normale, on utilise la distribution normale rduite N(0,1). Celle-ci est identique
la premire mais standardise, savoir, distribue autour d'
une moyenne = 0 et
d'
un cart type = 1. L'
exemple ci-dessous reprsente la correspondance entre la
distribution normale et la distribution normale rduite.

-3

2
-2

-1

+
1

+ 2
2

+ 3

(,)

(0,1)

Sachant que X est distribu selon une (,) et Z selon une N(0,1), vrifiez les
galits suivantes :
a) Prob (X ) = Prob (Z 0)
b) Prob (X + ) = Prob (Z 1)
First session : Mathematical and statistical revisions

b) Prob (X + k) = Prob (Z k)
Ces galits peuvent se vrifier en comparant les intgrales (surfaces), qui sont
identiques.
On remarque donc aisment que ces deux distributions sont identiques mais
construites une chelle diffrente. Pour passer dune distribution lautre, nous
a
b
X
utilisons : Z =
. Ainsi, Prob (a < X < b) = prob
.
<Z<

4.5) Enfin, pour une distribution N(69,3), calculez les probabilits suivantes :
a) Prob (X > 74) =
b) Prob (X 74) =
c) Prob (70 X 74) =
Question 5 : Variables alatoires deux rsultats possibles : Loi Binomiale

Considrons dabord les familles o il y aurait exactement trois naissances.

La probabilit davoir un garon nimporte quelle naissance est de 52%.
5.1) Le sexe la premire naissance ninfluence aucunement le sexe des naissances
suivantes. Quelle est lhypothse statistique sous-jacente?
5.2) Quelle est la probabilit davoir une famille o il y aurait dabord un garon, puis
une fille et enfin un garon (rsoudre avec un arbre de probabilit)?
5.3) Quelle est la probabilit davoir au moins deux filles?
5.4) Quelle est la probabilit davoir exactement une fille? Exprimez votre rponse en
employant la distribution binomiale.

First session : Mathematical and statistical revisions

Solutions
Question 1

1.1)
Valeur du d : X

Si n = 10 : a = frquence
absolue
1
0
1
2
3
3

1
2
3
4
5
6

Frquence relative : fr=a/n

0.1
0
0.1
0.2
0.3
0.3
Somme = 1

1.2) La somme des frquences relatives pour lensemble de lchantillon n est de 1. La

somme des frquences relatives doit toujours tre gale 1.
1.3) Moyenne = 4,5
1.4) Mdiane = 5
1.5) Mode = 5 ou 6
1.6) Probabilit = limite de la frquence relative (n tend vers ).
La frquence relative est lie un chantillon fini que lon a observ.
1.7.a)
0,18
0,16
0,14
0,12
0,10
0,08
0,06
0,04
0,02
0,00
1

La distribution est la suivante :

1 / 6 si x {1,2,3,4,5,6}
px =
0 sinon

First session : Mathematical and statistical revisions

1.7.b) X = 1/6 * 1 + 1/6 * 2 + 1/6 * 3 + 1/6 * 4 + 1/6 * 5 + 1/6 * 6 = 3,5

1.7.c) La variance est une mesure typique de dispersion. Elle exprime l'
importance des
carts entre les observations et la moyenne. Elle est exprimes en (units)2.
2 = (1 3,5) 2 * 1 / 6 + ( 2 3,5) 2 * 1 / 6 + ( 3 3,5) 2 * 1 / 6 + ( 4 3,5) 2 * 1 / 6
+ (5 3,5) 2 * 1 / 6 + ( 6 3,5) 2 * 1 / 6
= 2,92

1.7.d) Elle aura une variance plus importante.

1.7.e) =

2.82 = 1,71.

1.7.f)
0,18
0,16
0,14
0,12
0,10

= 1,71

= 1,71

0,08
0,06
0,04
0,02
0,00
1

First session : Mathematical and statistical revisions

Question 2

2.1) Distribution continue uniforme

2.2)

Densit de Probabilit

1 / (b-a)

La formule mathmatique de cette distribution est la suivante :

1
si a x b
ba
px = 0
si b < x
0
si x < a

1
si 20 x 25
px = 5
0 sinon
22

2.3.a) Prob (X = 22) =

p x dx = 0 car la fonction tant continue, on a une chance

22

infime de tomber exactement sur cette valeur. Ceci reste vrai pour toute
distribution continue.
2.3.b) Prob (X > 22) = 3/5 car j'
ai 1/5 de chances de tomber dans [22, 23], 1/5 de
chances de tomber dans [23, 24], 1/5 de chances de tomber dans [24, 25].
Mathmatiquement, cela se calcule de la manire suivante :

22

p x dx =

25

25

1
1
25 22 3
dx = [ x] =
=
5
5
5
5
22
22

2.3.c) Prob (X 22) = 3/5 (Prob (X=22) = 0)

2.3.d) Prob (X < 23,5) = 7/10
2.3.e) Prob (X 23,5) = 7/10

First session : Mathematical and statistical revisions

10

2.3.f) Prob (22 X 23,5) = Prob (X 22 ) - Prob (X 23,5) = 3/5 - 3/10 = 3/10.
Selon la formule mathmatique, on trouve videmment exactement la mme
probabilit.
a + b 20 + 25
=
= 22 , 5 .
2
2
Mathmatiquement, cela donne :

2.4) =

xp x dx = x(

1
1
1
x
)dx =
xdx =
ba
ba a
ba 2

b2 a 2

2
2
2 = 1 b a = 1 (b a )(b + a ) =
= 2
ba
2 ba
2
ba

a+b
2

La comparaison entre

xp x dx et

xp x est directe. Dans les deux cas, nous

considrons tous les cas (intgrale de - + ou somme sur tous les cas possibles).
Et, dans chaque cas, nous multiplions la valeur observe x par sa probabilit ( p x dx ou
p x ).
2.5)

(b a ) 2
=
=
12

( 25 20 )

Cette formule est obtenue :

( x x) 2 p x dx = (

12

= 2 , 08333

1
1 1
a+b 2
a+b 3
) (x
) dx =
(x
)
ba a
2
ba 3
2

=
a

1 1
a+b 3
a+b 3
(b
) (a
) =
3ba
2
2

1 1
ba 3 a b 3
1 1
b a 3 1 (b a )
(b a ) 2
(
) (
) =
2(
) =
=
3 ba
2
2
3ba
2
3
4
12
2

2.6) L'
cart type se trouve en prenant la racine carre de la variance. Ici, il est de
1,44.

Densit de Probabilit

0,2

0,16

0,12

= 1,44

= 1,44

0,08

0,04

0
18

19

20

21

22

23

24

25

26

27

First session : Mathematical and statistical revisions

11

2.7.a)

Prob

0,2

0,2

0,2

0,2

0,1

0,1

20

21

22

23

24

25

2.7.b) Prob (X = 22) = 0,20

Prob (X > 22) = 0,20 + 0,20 + 0,10 = 0,50
Prob (X 22) = 0,20 + 0,20 + 0,20 + 0,10 = 0,70
Prob (X < 23,5) = 0,20 + 0,20 + 0,20 + 0,10 = 0,70
Prob (X 23,5) = 0,70
Prob (22 < X 23,5) = 0,20
2.7.c) = 20 * 0,1 + 21 * 0,2 + 22 * 0,2 + 23 * 0,2 + 24 * 0,2 + 25 * 0,1 = 22,5
2.7.d) 2 = (20-22,5)2 * 0,1 + (21-22,5)2 * 0,2 +(22-22,5)2 *0,2 + (23-22,5) *0,2 +
(24 -22,5)2 * 0,2 + (25-22,5)2 * 0,1 = 2,25
2.7.e) = 1,5
Question 3

3.1)
Entre 8, 5 et 9,5 cm
Entre 9,5 et 10,5 cm
Entre 10,5 et 11.5 cm

Frquence absolue
3
5
2

First session : Mathematical and statistical revisions

Frquence relative
0.3
0.5
0.2

12

3.2)
Entre 8, 5 et 9,5
cm

Entre 9,5 et10,5

cm

Entre 10,5 et
11.5 cm

3
2
1
0

Frquence absolue

3.3) 9 * 0.3 + 10 * 0.5 + 11 * 0.2 = 9,9

3.4) Tend vers une normale
Question 4

4.1) La moyenne est centrale et l'

cart type se situe au point d'
inflexion de la courbe.

au point d' inflexion de la courbe

First session : Mathematical and statistical revisions

13

4.2)

68%

95%
99,70%
3

+ 2

+ 3

4.3) Deux distributions normales de mme moyenne mais dcarts types diffrents.

=3
=2

4.4.a) Prob (X ) = Prob (

4.4.b) Prob (X + ) = Prob (

4.4.c) Prob (X + k) = Prob (

) = Prob ( Z 0)

First session : Mathematical and statistical revisions

+
) = Prob (Z 1)

+ k
) = Prob (Z k )

14

4.5.a) Prob (X > 74) = Prob (Z > (74-69)/3) = Prob (Z > 1,67) = 0.05 (voir dans les
tables normales rduites quel est le Z correspondant la probabilit calcule).
4.5.b) Prob (X 74) = 0.05 (pour la mme raison que dans l'
exercice 3.7.a)
4.5.c) Prob (70 X 74) = Prob (X > 70) Prob(X > 74) = Prob(Z > 70-69)/3)Prob(Z > 74-69)/3) = = Prob(Z >0.3)- Prob(Z >1.6) = 0.38- 0.05 = 0.33
Question 5 : Loi binomiale
5.1) Indpendance des vnements

5.2) Prob(garon) * Prob(fille) * Prob(garon) = 0.52*0.48*0.52 = 13%

5.3) Prob(trois filles) + Prob(2 filles et puis un garon) + Prob(1 fille, 1 garon et puis 1
fille) + Prob(1 garon et puis 2 filles) = 0.48*0.48*0.48 + 0.48*0.48*0.52 +
0.48*0.52*0.48 + 0.52*0.48*0.48 = 47%
5.4)Prob(1fille et puis deux garons) + Prob(1 graon, 1 fille et 1 garon enfin) +
Prob(deux garons et 1 fille) = 0.48*0.52*0.52 + 0.52*0.48*0.52 + 0.52*0.52*0.48=39 %
Loi binomiale :
n s
p ( s) =
(1 ) n s
s
example: probabilit davoir exactement s filles et n-s garons dans une famille de
n enfants (s n).

n
n!
=
s
s!(n s)!

Probabilit davoir exactement une fille (question 5.4) dans une famille de trois
3
3!
p (1) =
(0.48)1 (1 0.48) 31 =
(0,48)1 (0,52) 2 = 3 * 0,48 * 0,52 2 = 39%
1
1!2!
Pour avoir s (avec s = 1 dans ce cas) filles parmi n (avec n = 3 dans ce cas)
vnements, il faut que s vnements (s = 1) soient du type fille (0,48) s et que (n-s)
vnements soient du type pas fille (1 - 0,48)n-s. De plus, ces vnements peuvent
arriver dans des ordres diffrents : par exemple, dans ce cas-ci, fille - garon - garon,
n
garon - fille - garon, garon - garon - fille. Cest
qui calcule le nombre
s
dordres diffrents davoir ces s vnements fille dans n vnements.
Ainsi, si on cherche la probabilit davoir s filles dans un ordre prcis, on utilise
p ( s ) = s (1 ) n s .
La probabilit davoir une seule fille, ne en premier lieu dans une famille de trois :
p * (1) = (0.48)1 (1 0.48) 31 = (0,48)1 (0,52) 2 = 0,48 * 0,52 2 = 13%
?

First session : Mathematical and statistical revisions

15

Distribution normale N(0,1)

z

= nombre d'
carts types

P(z)

= Prob [ x z ] =

E(z)

= nombre moyen de manquants =

z
0,0000
0,1000
0,2000
0,3000
0,4000
0,5000
0,6000
0,7000
0,8000
0,9000
1,0000
1,1000
1,2000
1,3000
1,4000
1,5000
1,6000
1,7000
1,8000
1,9000
2,0000
2,1000
2,2000
2,3000
2,4000
2,5000
2,6000
2,7000
2,8000
2,9000
3,0000
3,1000
3,2000
3,3000
3,4000
3,5000
3,6000
3,7000
3,8000
3,9000
4,0000

P(z)
0,5000
0,4602
0,4207
0,3821
0,3446
0,3085
0,2743
0,2420
0,2119
0,1841
0,1587
0,1357
0,1151
0,0968
0,0808
0,0668
0,0548
0,0446
0,0359
0,0287
0,0228
0,0179
0,0139
0,0107
0,0082
0,0062
0,0047
0,0035
0,0026
0,0019
0,0014
0,0010
0,0007
0,0005
0,0003
0,0002
0,0002
0,0001
0,0001
0,0001
0,0000

p N ( 0 ,1) ( x ) dx

E(z)
0,3989
0,3509
0,3069
0,2668
0,2304
0,1978
0,1687
0,1429
0,1202
0,1004
0,0833
0,0686
0,0561
0,0455
0,0367
0,0293
0,0232
0,0183
0,0143
0,0111
0,0085
0,0065
0,0049
0,0037
0,0027
0,0020
0,0015
0,0011
0,0008
0,0005
0,0004
0,0003
0,0002
0,0001
0,0001
0,0001
0,0000
0,0000
0,0000
0,0000
0,0000

( x z ) pN ( 0 ,1) ( x ) dx

E(-z)
0,3989
0,4509
0,5069
0,5668
0,6304
0,6978
0,7687
0,8429
0,9202
1,0004
1,0833
1,1686
1,2561
1,3455
1,4367
1,5293
1,6232
1,7183
1,8143
1,9111
2,0085
2,1065
2,2049
2,3037
2,4027
2,5020
2,6015
2,7011
2,8008
2,9005
3,0004
3,1003
3,2002
3,3001
3,4001
3,5001
3,6000
3,7000
3,8000
3,9000
4,0000

First session : Mathematical and statistical revisions

16