Vous êtes sur la page 1sur 18

Statistique Applique / Exercices corrigs

Luc Deneire
cole Polytechnique de lUniversit de Nice Sophia Antipolis
PolytechNice Sophia
Dpartement dlectronique, 3e anne, 20132014
http://jalon.unice.fr/public/pqg729/
deneire@unice.fr

cole Polytechnique de lUNSA


PolytechNice-Sophia

Statistique Applique

Dpartement dlectronique
3e anne

Chapitre 2

Expriences et espace probabilis


Exercice 2.1 Jet de pices
On lance une pice (non truque) trois fois. Calculer la probabilit que plus de pices donnent
face que pile, sachant quau premier lancer apparat face.

Lunivers de dpart est (o F indique que la pice affiche face, et lordre est important :[F 00 , P , F ] signifie : le premier jet donne face, le deuxime pile et le troisime
face)
= { [F , F , F ]
[F , F , P ]
[F , P , F ]
[F , P , P ]
[P , F , F ]
[P , F , P ]
[P , P , F ]
[P , P , P ]
}
Chaque a une probabilit de 1/8 (car les lancers sont indpendants, donc la probabilit
de [F , F , F ] vaut (1/2)3 .
Lvnement Au premier lancer apparat face correspond :
A = { [F , F , F ]
[F , F , P ]
[F , P , F ]
[F , P , P ]
}
et lvnement "il y a plus de face que de pile" correspond :
B = { [F , F , F ]
[F , F , P ]
[F , P , F ]
[P , F , F ]
}
On cherche donc P(B|A) = P(BA)
P(A) , avec
B A = { [F , F , F ]
[F , F , P ]
[F , P , F ]
}
3/8
3
On obtient donc P(B|A) = P(BA)
P(A) = 4/8 = 4 ,

cole Polytechnique de lUNSA


PolytechNice-Sophia

Dpartement dlectronique
3e anne

Exercice 2.2 Jet de pices bizarres


On a trois pices (non truques) : la premire a deux cts face, la deuxime a deux cts pile,
et la troisime est normale. On lance une pice, choisie au hasard, et elle donne pile. Quelle est
la probabilit que lautre ct soit face ?

Lexprience alatoire est ici le choix de la pice (disons 100F F , 200P P , 300P F ). Lvnement
la pice choisie au hasard donne pile vaut A = {200P P , 300P F }. Lvnement lautre ct
1/3
1
donne face vaut B = {3P F }. On a donc P(B|A) = P(BA)
P(A) = 2/3 = 2
Exercice 2.3 Issues quiprobables
Une exprience a N = 10 issues quiprobables. Quelle est la probabilit de chaque issue ? Que
devient cette probabilit si N = 1000, si N = 106 ? Que ce passe-t-il si N ?

Clairement si les issues sont quiprobables, P() =


N .

1
N

et la probabilit tend vers zro si

Exercice 2.4 Infinit dnombrable dissues


Soit une exprience dont les issues possibles sont les nombre {1, 2, 3, . . .}. A ces issues, on associe
les probabilits :
1
P(k) = k ,
k = 1, 2, 3, .
2
La somme de ces probabilits vaut-elle 1 ? Peux-t-on avoir une infinit dissues, toutes ayant
une probabilit non nulle ? Comparez lexercice prcdent.

Exercice 2.5 Le problme du chevalier de Mr


Lequel de ces deux vnements est le plus probable : Obtenir au moins une fois un six en quatre
lancers de ds, ou Obtenir au moins un double six en vingt quatre lancers de deux ds.

Pour la premire exprience, le nombre dissues lmentaires (la cardinalit de lunivers)


vaut 64 (avec chacune une probabilit de 1/64 ). Le nombre de cas favorables vaut 64 54 ,
4
4
et la probabilit du premier vnement vaut donc 6 65
= 0.5177.
4
Pour le deuxime cas, le nombre dissues lmentaires vaut 3624 et le nombre de
cas favorables vaut 3624 3524 et la probabilit du deuxime vnement vaut donc
3624 3524
= 0.4914.
3624
Les deux vnements ont donc environ la mme probabilit dapparition, mme sil vaut
mieux parier sur le premier.
Exercice 2.6 Garons et filles
On suppose que lorsquun couple a un enfant, la probabilit davoir un garon est gale
p = 0.51. On suppose par ailleurs que les naissances sont mutuellement indpendantes entre
elles.
a. Quelle est la probabilit davoir deux garons quand on a deux enfants ?
b. Quelle est la probabilit davoir deux filles quand on a deux enfants ?
c. Quelle est la probabilit davoir un garon et une fille quand on a deux enfants ?
Vous savez quun couple a deux enfants :
d. on vous dit que lan est une fille ; quelle est la probabilit que le cadet soit une fille ?
e. on vous dit quau moins lun des enfants est une fille : quelle est la probabilit que les deux
enfants soient des filles ?
f. vous rencontrez cette famille avec un des enfants (lautre enfant est absent) : cest une fille.
Quelle est la probabilit que les deux enfants soient des filles ?

Statistique Applique

cole Polytechnique de lUNSA


PolytechNice-Sophia

Dpartement dlectronique
3e anne

a. Ici, lunivers est


= {

[F , F ]
[F , G]
[G, F ]
[G, G]}

o [F , G] signifie laine est une fille et le cadet est un garon. On a donc


P([G, G]) = P(G) .P(G) = p.p = p2 , par la proprit dindpendance
b. La probabilit davoir deux filles vaut (1 p)2 .
c. La probabilit davoir un garon et une fille quand on a deux enfants vaut P(B) o
B= {

[F , G]
[G, F ]}

et donc P(B) = 2.p(1 p)


Vous savez quun couple a deux enfants :
d. on vous dit que lan est une fille, la probabilit que le cadet soit une fille vaut
(1 p)2
P(C A)
=
= 1 p, avec
P(C|A) =
P(A)
1p
C = { [F , F ]
A = { [F , F ]
et
.
[G, F ]}
[F , G]}
Plus simplement, on aurait pu dire que la probabilit que la cadette soit une fille vaut
1 p.
e. on vous dit quau moins lun des enfants est une fille (vnement A), quelle est la proA = { [F , F ]
[F , G] .
babilit que les deux enfants soient des filles (vnement B) ?
[G, F ]}
B = { [F , F ]} .
(1 p)2
P(B A)
=
P(B|A) =
P(A)
1 p2
f. vous rencontrez cette famille avec un des enfants (lautre enfant est absent) : cest une
fille. Quelle est la probabilit que les deux enfants soient des filles ?
Attention, ici, lexprience alatoire est vous rencontrez un des enfants, et donc
lunivers vaut :
= { [F , F ]
[F , G]
[G, F ]
[G, G]}
Mais [F , G] signifie lenfant que jai rencontre est une fille et lenfant que je nai
pas rencontr est un garon.
A = { [F , F ]
On a donc
.
[F , G]}
B = { [F , F ]} .
P(B A)
(1 p)2
=
=1p
P(B|A) =
P(A)
(1 p)2 + p.(1 p)

Statistique Applique

cole Polytechnique de lUNSA


PolytechNice-Sophia

Dpartement dlectronique
3e anne

Exercice 2.7 Dtection de maladie rare

Un test pour une maladie rare est suppos fiable dans 95% des cas : la probabilit que le test
soit positif quand une personne est malade est gale 0.95, et la probabilit quil soit ngatif
quand une personne nest pas malade est aussi gale 0.95. La probabilit quune personne soit
malade est gale 0.001 (0.1% de la population).
1. Quelle est la probabilit quun test soit positif ?
2. Une personne est teste positive. Quelle est la probabilit quelle soit atteinte de la maladie ?
3. Dans quelles conditions un test positif suggre que la personne est malade ? Interprter le
rsultat.
Afin damliorer la fiabilit du dpistage, on rpte le test dans le cas dun rsultat positif
(videmment, la fiabilit pf de chaque test reste indpendante des rsultats prcdents).
4. Calculer la probabilit P(Pn ) que n tests successifs soient positifs.
5. Une personne est teste successivement n fois positive. Quelle est la probabilit quelle soit
atteinte de la maladie ?
6. On notera N la valeur minimale de n qui donne une rponse suprieure 0.9 la question

prcdente. Dterminer numriquement la valeur de N dans le cas : P(P |M ) = P P |M = 0.9,
P(M ) = 0.1.
7. Donner une explication de lvolution de la probabilit de la question 5 en fonction de n (en
vous aidant dun tableau (1 n N ) de diffrentes probabilits que vous jugez utiles).
[Soit deux vnements, A et B, et P(A) 6= 0, P(B) 6= 0. On dira que lvnement B suggre
lvnement A si P(A|B) > P(A).]

On note P(P ) la probabilit que le test soit positif, et P(M ) la probabilit


que la personne

soit malade. Lnonc nous donne P(P |M ) = 0.95 et P P |M = 0.95. {M, M } est un
univers (M et M sont
donc une partition
de lunivers), de mme que P et P . On en


dduit que P P |M = 0.05 et P P |M = 0.05.
1.


P(P ) = P(P |M ) .P(M ) + P P |M .P M
= 0.95 .001 + 0.05 0.999 = 0.0509
2.
P(M |P )

P(M, P )
P(P )

P(P |M ) P(M )
= 0.0187
P(P )

3. Un test positif suggre que la personne est malade si P(M |P ) P(M )


P( dtection) = P(P |M ) 1/2(parP(M |P ) P(M ) ...
Statistique Applique

cole Polytechnique de lUNSA


PolytechNice-Sophia
4.
P(Pn )

Dpartement dlectronique
3e anne



= P(M ) P(Pn |M ) + P M P Pn |M
n

= P(M ) P(P |M ) + (1 P(M ))(1 P(P |M ) )


5.

P(M |Pn )

= P(M ) P(Pn |M ) /P(Pn )


=

P(M ) P(Pn |M )


P(M ) P(Pn |M ) + P M P Pn |M

P(M ) P(P |M )
n
P(M ) P(P |M ) + (1 P(M ))(1 P(P |M ) )

6.
N
P(M, P )
P M, P
P(P ) 
P M, P 
P M , P
P M
P(M |P )
P M |P

1
0.009000
0.099000
0.108000
0.001000
0.891000
0.892000
0.083333
0.998879

2
0.008100
0.009900
0.018000
0.000100
0.801900
0.802000
0.450000
0.999875

3
0.007290
0.000990
0.008280
0.000010
0.721710
0.721720
0.880435
0.999986

4
0.006561
0.000099
0.006660
0.000001
0.649539
0.649540
0.985135
0.999998

Exercice 2.8 Alcootest


Un alcootest a t mis au point. Celui-ci donne un rsultat positif si la personne a un taux
dalcool suprieur la valeur admise (on dira quil est en tat dbrit) avec une probabilit
de 96 %. Il donne galement un rsultat positif si la personne nest pas en tat dbrit avec
une probabilit de 2 %.
En faisant lhypothse que dans les Alpes Maritimes, 2 % des conducteurs conduisent en tat
dbrit, calculer la probabilit quun conducteur des Alpes Maritimes ne soit pas en tat
dbrit sil a t contrl positif.
En notant I lvnement la personne teste est ivre et I lvnement complmentaire la personne
teste nest pas ivre, + lvnement le test est positif et "" lvnement le test est ngatif,
les donnes sont
sensibilit = proportion de positifs parmi les ivres = P(+|I) = 0, 96
slectivit = 1 - taux de faux positifs = 1 - proportion de positifs parmi les non-ivres =
1 P +|I = 1 0, 02 = 0, 98
prvalence = proportion divres dans la population teste = P(I) = 0, 03.
On nous demande de calculer P I|+ = 1 P(I|+).
On utilise :
P(I) P(+|I)
le thorme de Bayes : P(I|+) =
P(+)
P(I) et P(+|I) nous sont fournis par lnonc ; reste dterminer P(+), ce pourquoi il faut
faire appel :
X
X
le thorme des probabilits totales P(B) =
P(B Ai ) =
P(Ai ) P(B|Ai ) (o les
i

Ai forment un
 systme
 partition de lespace des vnements) qui donne ici : P(+) = P(I)
P(+|I) + P I P +|I .

On peut alors calculer P(I|+), et finalement P I|+ = 1 P(I|+) qui est demand.

Statistique Applique

cole Polytechnique de lUNSA


PolytechNice-Sophia

Dpartement dlectronique
3e anne

Exercice 2.9 Cherchez le trsor


On sait quun trsor peut se trouver deux endroits, avec probabilit et 1 , respectivement
(0 1). On cherche au premier endroit et, si le trsor est l, on le dcouvre avec probabilit
p.
Montrer que le fait de ne pas trouver le trsor au premier endroit suggre quil se trouve au
second.

Tout dabord, dfinissons les vnements :


A : Le trsor se trouve au premier endroit (P(A) = ).
B : Le trsor se trouve au deuxime endroit (P(B) = 1 ).
C : on trouve le trsor au premier endroit.
Premier lment de traduction : le trsor nest pas trouv au premier endroit (vnement

suggre quil se trouve au second endroit (vnement B) se traduit par P B|C >
C)
P(B).
Dautre part, on a on cherche au premier endroit et, si le trsor est l, on le dcouvre
avec probabilit p se traduit par P(C|A)
= p. On notera que P(C|B) = 0.

Il nous reste donc trouver P B|C :



P C|B
P(B)

Bayes
P B|C
=
P C
(1 P(C|B))P(B)


=
Probas totales

P C|A P(A) + P C|B


P(B)
P(B)
=
(1 P(C|A))P(A) + (1 P(C|B))P(B)
1
1
=
=
> p si p > 0 ... CQFD
(1 p) + (1 )
1 + p
Exercice 2.10 Ds
On lance deux ds. On dfinit les vnements Ai et Bj comme suit :
Ai = {Le premier d est i}
Bj = {La somme des ds est gale j}
Examiner lindpendance des vnements Ai et Bj (1 i 6 , 1 j 12) ?

Pour j=7 oui ! Cest la seule valeur de la somme qui est possible partir de *toutes* les
valeurs du premier d P(A B) = 1/36, et P(A) = 6/36 toujours. Pour j=7, P(B) =
6/36, alors indpendance pour chaque i. Par contre, pour les autres valeurs de j, il y a
moins de 6 cas favorables.
Exercice 2.11 Grand magasin ...
Un magasin comporte c caisses, et il y a n clients dans le magasin. chaque instant, la probabilit quun client vienne la caisse est gale p, indpendamment du comportement des
autres clients. Quelle est la probabilit que le nombre de caisses soit insuffisant pour servir tous
les clients simultanment (en dautres termes, quelle est la probabilit quil y ait une queue ?)

Il sagit dun cas typique de variable alatoire binomiale. Soit X le nombre de personnes
voulant aller une caisse, celui-ci suit une loi binomiale de paramtres n et p. La probabin
X
lit que le nombre de caisses soit insuffisant vaut alors P(X > c) =
Cni pi (1 p)ni .
i=c+1

Exercice 2.12 Anniversaires


1. Un ensemble contient n lments.
Calculer le nombre de ses sous-ensembles (y compris et ).
2. Il y a n personnes dans une salle. Calculer la probabilit que les n dates danniversaire
soient toutes diffrentes.

Statistique Applique

cole Polytechnique de lUNSA


PolytechNice-Sophia

Dpartement dlectronique
3e anne

Problme classique : lunivers est form de tous les choix possibles de dates danniversaire, dates quon suppose quiprobables. La taille de lunivers est donc 365n .
Le nombre de dates possibles pour la premire personne choisie vaut 365, pour la
deuxime, 364 (on ne veut pas de date gale), et ainsi de suite. On a donc :
P("toutes les dates diffrentes") =

365.364.(365 n + 1)
/
365n

On notera en particulier que cette probabilit vaut environ 0.5 pour n=23

Statistique Applique

cole Polytechnique de lUNSA


PolytechNice-Sophia

Statistique Applique

Dpartement dlectronique
3e anne

10

Chapitre 3

Variables alatoires
3.1

Exercices

Exercice 3.1 Jeu dchecs


Fischer et Spassky jouent un match dchecs o le premier qui gagne une partie gagne le match.
Aprs dix parties nulles, le match est dclar nul. La probabilit quune partie soit gagne
par Fischer est gale 0.4 et la probabilit quelle soit gagne par Spassky est gale 0.3,
indpendamment du rsultat des parties prcdentes.
1. Quelle est la probabilit que Fischer gagne le match ?
2. Quelle est la fonction de probabilit pN (n) du nombre des parties (dure du match) ?

Exercice 3.2 Examen(s)


Un tudiant a le droit de se prsenter jusqu m fois un examen. La probabilit de russir
est chaque fois gale p (indpendamment du nombre de fois quil sest dj prsent. . . ).
Calculer la fonction de probabilit du nombre des essais (v.a. N ), sachant que ltudiant russit
lexamen.

Exercice 3.3 Communication par paquet


Un fournisseur daccs internet utilise 50 modems pour servir 1000 clients. On estime qu
chaque instant, chaque client voudra utiliser une connexion avec une probabilit de 1%, indpendemment des autres clients.
Quelle est la masse de probabilit du nombre de modems utiliss un temps donn ?
Rpondre la question prcdente en approximant la masse de probabilit du nombre de
clients par une loi de Poisson.
Quelle est la probabilit quil y ai plus de clients demandant une connection que de modems ?
Donnez une solution exacte et approche sur base de lapproximation de Poisson.

Exercice 3.4 le mathmaticien fumeur


Un mathmaticien fumeur a une boite dallumettes dans sa poche droite et une autre boite
dans sa poche gauche. Chaque fois quil veut allumer une cigarette, il choisit une boite dune
de ses poches avec probabilit p = 1/2, indpendemment des choix prcdents. Les deux boites
contiennent, au dpart, n allumettes.
Quelle est la masse de probabilit du nombre dallumettes restantes au moment ou le mathmaticien cherche une allumette, mais discouvre que la boite quil a choisie est vide ? Comment
peut-on gnraliser au cas o les probabilits de choisir la poche gauche vaut p 6= 1/2.

Exercice 3.5 Intervalles de confiance


11

cole Polytechnique de lUNSA


PolytechNice-Sophia

Dpartement dlectronique
3e anne

Un magasin dlectronique vend des sachets de 20 rsistances ayant, pour la plupart, une prcision de 1 %. Cependant, quelques rsistances ont une prcision de 5 %. On admet que la
probabilit quune rsistance ait une prcision de 1% est de 95 %. Pour amliorer ses ventes,
le revendeur envisage dutiliser le slogan chaque sachet contient au moins a rsistances offrant
une prcision de 1%, a tant la valeur quil voudrait fixer pour quau maximum 1 % des clients
ayant achet un sachet vienne se faire rembourser. Quelle doit tre la valeur de a.

Exercice 3.6 Intervalles de confiance


On estime que le nombre de clients voulant se connecter sur un hotspot WiFi suit une loi de
Poisson de paramtre = 1.3. Loprateur du hotspot garantit un dbit au client annonc
comme tant le dbit total divis par le nombre de clients simultans. On demande de donner
un intervalle de confiance au niveau p = 0.99 quant au nombre de clients connects (et donc
galement quant au dbit annonc par loprateur).

Exercice 3.7 Esprance mathmatique / conditionnelle


Le revenu moyen des mnages en 2007 tait de 17.243 Euros en rgion PACA, de 15.157 Euros en
rgion Nord-Pas-de-Calais et de 18.835 Euros en Alsace. Quel est le revenu moyen sur lensemble
de ces trois rgions, en supposant que 25 % de la population habite lAlsace et que 45 % habite
la rgion PACA (et donc 30 % la rgion Nord-Pas-de-Calais).

Exercice 3.8 Esprance mathmatique


Un prix est plac alatoirement dans une boite parmi 10 (les boites sont numrotes de 1 10).
On cherche trouver le prix en posant des questions binaires (le prix est-il dans la boite x ?).
Donnez lesprance mathmatique du nombre de questions poser sous lhypothse des deux
stratgies suivantes :
1. La stratgie dnumration : Le prix est-il dans la boite k ?
2. La stratgie dichotomique : vous liminez chaque fois la moiti des boites restantes avec
une question du type : le prix est-il dans une boite de numro infrieur ou gal k ?

Exercice 3.9 Esprance mathmatique


Soit X une variable alatoire de densit gale :

x/4
fX (x) =
0

si 1 < x 3
sinon

soit galement lvnement A = {X 2}.


1. Trouvez E[X], P(A), fX|A (x|a) et E[X|A].
2. Soit Y = X 2 , trouvez E[Y ] et var{Y }.

Exercice 3.10 Esprance mathmatique


Soit la densit exponentielle bilatrale suivante :

pex
fX (x) =
(1 p)ex

si x 0
,
six < 0

o > 0 et p [0, 1]. Trouvez la moyenne et la variance de X de deux manires diffrentes :


par calcul direct
en utilisant une esprance conditionnelle et en vous basant sur la moyenne et la variance de
la v.a. exponentielle unilatrale connue (la moyenne vaut 1/ et la variance vaut 2/2 ).

Exercice 3.11 Intervalles


Statistique Applique

12

cole Polytechnique de lUNSA


PolytechNice-Sophia

Dpartement dlectronique
3e anne

Soit X une variable alatoire normale centre dcart-type , en utilisant les tables, calculez la
probabilit des vnements {X k} et {|X| k} pour k = 1, 2, 3.

Exercice 3.12 Normaliser et calculer


Une variable alatoire X a comme fonction de probabilit :
(
x2 /a, x {3, 2, 1, 0, 1, 2, 3}
.
pX (x) =
0
ailleurs
Calculer :
1. les valeurs de a et de E[X],
2. la fonction de probabilit pZ (z) de la v.a. Z = (X E[X])2 ,
2
3. la variance X
partir de pZ (z),
2
partir de pX (x).
4. la variance X

Exercice 3.13 Temprature


La temprature dune ville est reprsente par une variable alatoire C. Une journe est caractrise ordinaire si la temprature ne sloigne pas plus quun cart-type de la valeur moyenne.
Si E[C] = C = 10o C, quelles sont les valeurs extrmes de la temprature en Fahrenheit lors
dune journe ordinaire ? (F = 32 + 59 C)

Exercice 3.14 Alatoire ?


1. Une variable alatoire X prend une seule valeur x = c. Calculer la fonction de probabilit
2
.
pX (X), lesprance E[X] et la variance X
2. On nous dit que la variance Y2 dune variable alatoire Y est nulle. Quelle conclusion
peut-on en dduire ?

Exercice 3.15 Transformations


Soit X une variable alatoire dont les valeurs possibles et quiprobables sont les entiers entre 0
et 9. Calculer les fonctions de probabilit suivantes :
1. pY (y) de Y = X mod (3),
2. pZ (z) de Z = 5 mod (X + 1).

Exercice 3.16 v.a. normale


Soit X et Y des variables alatoires de moyennes 0 et 1 respectivement et de variances 1 et 4
respectivement. Trouvez :
1. P(X 1.5) et P(X 1)
2. la densit de probabilit de (Y 1)/2
3. P(1 Y 1)
4. P(X 2|X 0)

Exercice 3.17 Ampoules ...(ref LLN - MAT1271)


La dure de vie dune ampoule lectrique est donne par la variable alatoire X, exprime en
heures, de densit gale :

a/x3
si 1500 X 2500
fX (x) =
0
sinon
Trouvez la constante a, la fonction de rpartition de X, E[X] et var[X]

Statistique Applique

13

cole Polytechnique de lUNSA


PolytechNice-Sophia

Dpartement dlectronique
3e anne

Exercice 3.18 v.a. jointe simple (ref LLN - MAT1271)


La fonction 6 x y est positive sur le rectangle dfini par 0 < x < 2, 2 < y < 5.
1. Calculer k tel que k(6 x y) soit une densit de probabilit pour (x, y)
2. Calculer P(X < 1, Y < 3) , P(X + Y < 3) et P(X < 1|Y < 3).
3. Trouvez la densit de probabilit marginale de X.
4. Trouvez la densit conditionnelle fX|Y (x|y).

Exercice 3.19 v.a. normales jointes (ref LLN MAT1271)


Soit trois variables alatoires indpendantes X N (2, 1), Y N (3, 2) et Z N (4, 3), calculez :
P(1 < X < 3)
P(X Y )
P(3X 2Y > 1)
P(X + Y 2Z 4)
P(X Y etZ < 5)

Exercice 3.20 Conditionnement REF Bertsekas


Soit X une v.a. de densit

fX (x) =

cx2
0

si 1 x 2
sinon

Dterminez la valeur de c.
Soit lvnement A = {X > 1.5}, calculez P(A) et la densit conditionnelle de X sachant A.
Soit Y = X 2 . Calculez lesprance conditionnelle et la variance conditionnelle de Y sachant
A.

Exercice 3.21 v.a. jointes : Laiguille de Buffon


Soit un ensemble de droites horizontales, distantes lune de lautre dune distance d, traces sur
un plan horizontal (une table). On laisse tomber une aiguille de longueur l < d sur cette table.
On demande la probabilit que cette aiguille intersecte une des droites.

Exercice 3.22 v.a. jointes et conditionnement : tir de flchettes


Un joueur de flchettes tire sur une cible qui est un disque de rayon r, avec une densit de
probabilit uniforme (il ne rate jamais la cible ...) et la probabilit dun point dimpact (x, y)
est la mme partout.
1. Exprimez la densit de probabilit uniforme sur le disque.
2. Calculez la densit de probabilit marginale sur laxe vertical Y (fY (y)).
3. Calculez la densit de probabilit conditionnelle que la flchette arrive au point X = x
sachant que sur laxe vertical Y = y (fX|Y (x|y)).

Exercice 3.23 v.a. jointes et conditionnement : tir de flchettes


Un joueur de flchettes tire sur une cible qui est un disque de rayon r, avec une densit de
probabilit uniforme (il ne rate jamais la cible ...). Soit X la distance entre le point dimpact
et le centre de la cible.
1. Exprimez la densit de probabilit de X.
2. Calculez la densit de probabilit marginale sur laxe vertical Y (fY (y)).
3. La cible a un cercle intrieur de rayon t. Si X t, le score est de S = 1/X, sinon, le score
est de S = 0. Trouvez la fonction de rpartition de S. Est-ce que S est une v.a. continue.

Statistique Applique

14

cole Polytechnique de lUNSA


PolytechNice-Sophia

Dpartement dlectronique
3e anne

Exercice 3.24 changement de variable


Soit X une p
variable alatoire uniformment distribues sur [1, 1]. Trouvez la densit de probabilit de |X| et de ln|X|.

Exercice 3.25 changement de variable


Soit une v.a. X de densit fX (x), et une autre variable alatoire indpendante Y de densit
fY (y) trouvez la densit de
Z = eX , que devient cette densit si X Un([0, 1])
Z = |X|1/3
Z = |X|1/4
Soit X et Y uniformment rparties sur [0, 1], trouvez les fonction de rpartition et densit
de probabilit de |X Y |.

Exercice 3.26 Transformation cartsien vers polaire


Soit X et Y des variable alatoires indpendantes de densits de probabilits gaussiennes. La
paire (X, Y ) peut tre transforme en coordonnes polaires en termes de R 0 et [0, 2]
par les expressions :
X = R cos ,

Y = R sin

Montrez que est uniformment rpartie sur [0, 2] et que R est distribu selon la loi :
fR (r) = rer

/2

r0

Montrez que R2 a une distribution exponentielle de paramtre 1/2

Exercice 3.27 Fonction de rpartition


Trouver la loi de probabilit, la moyenne et la variance de la v.a. X dont la fonction de rpartition
est :

3
1 xa3
si x a,
FX (x) =
,
0
si x < a
o a est une constante positive.

On a que
dFX
PX (x) =
(x) =
dx

3 xa4
0

si x a,
,
si x < a

de mme :
Z

E[X] =

xPX (x)dx =

x3
a

Et finalement :
Z
Z
E[X] =
x2 PX (x)dx =

a3
= 3a3
x4

x2 3



1
1 1
3a
3
dx
=
3a

=
x3
2 x2 a
2

Z
a

a3
= 3a3
x4



1
1
3
dx
=
3a

= 3a2
x2
x a

Exercice 3.28 O on mlange majuscules et minuscules ...


Soit X une variable alatoire de distribution exponentielle et de moyenne = 1 (PX (x) =
ex , x 0, E[X] = 1/, var(X) = 1/2 ). Une fois quon a observ la valeur exprimentale (ralisation) x de X, on gnre une variable alatoire Y normale, de moyenne nulle et de
variance x + 1 (pour rappel, la loi de probabilit gaussienne dune v.a. T de moyenne et de
2
2
1
variance 2 vaut PT (t) =
e(t) /2 ). On demande la loi de probabilit jointe de X et
2
Y.

Statistique Applique

15

cole Polytechnique de lUNSA


PolytechNice-Sophia

Dpartement dlectronique
3e anne

On a PX (x) = ex pour x 0, et
2
1
PY |X (y|x) = p
ey /2(x+1) ,
2(x + 1)

pour tout x 0 et tout y.


On en dduit alors
PX,Y (x, y) = PX (x)PY |X (y|x) = ex p

1
2(x + 1)

ey

/2(x+1)

Exercice 3.29 Dtection de signal

Un message binaire est transmis par les valeurs -1 ou +1. Le canal de communication corrompt
le signal en ajoutant un bruit gaussien de moyenne et de variance 2 . Le rcepteur dcide que
le signal envoy tait -1 si le signal reu est ngatif, et +1 si le signal reu est positif. Donnez
la probabilit derreur (sous la forme dune intgrale).

Il y a erreur si
le bruit est plus grand que 1 si le signal transmis vaut -1
le bruit est plus petit que -1 si le signal transmis vaut +1.
On appelle N la v.a. Gaussienne qui reprsente le bruit. On a donc, pour le premier cas,
que la probabilit derreur est donne par :
P (N 1) = 1 P (N < 1)
o P (N < 1) est la fonction de rpartition dune Gaussienne de moyenne et de variance
2 . Par dfinition de loi de probabilit Gaussienne et de fonction de rpartition, on
obtient
P (N < 1) =

e(v)

/2 2

dv,

et pour le deuxime cas, par symtrie, on obtient le mme rsultat.


Pour = 1, on a P (N < 1) = 0.8413 et la probabilit derreur est 0.3174

Exercice 3.30 Un point sur un demi-disque

Un point est choisi sur un demi-disque de rayon R. Le demi-disque est centr lorigine et est
situ dans le demi-plan suprieur. On demande :
1. La loi de probabilit conjointe de ses coordonnes X et Y
2. la loi de probabilit marginale Y et sa moyenne.
3. Vrifier (2) en calculant E(Y) sans utiliser la loi marginale de Y.

Statistique Applique

16

cole Polytechnique de lUNSA


PolytechNice-Sophia

Dpartement dlectronique
3e anne

1. La point tant choisi au hasard sur un demi-disque de rayon R, cela veut dire
2
que lon a une distribution uniforme sur le demi-disque et donc PX,Y (x, y) = R
2.
Note : cest la solution de Bertsekas, mais cest peut-tre un peu vite dit pour
nos tudiants ... Jaurais tendance dire que P () = 1/ pour [/2, /2]
et PR(r)=rR . On a donc les relations
(X, Y) = (R cos(), R sin()),
et, en tenant compte quon travaille uniquement sur le demi-disque suprieur :
p
(, R) = (arctan(Y/X), X2 + Y2 )
p
(sous contrainte que X2 + Y2 = R)
2. Pour trouver la loi marginale de Y, on intgre la loi jointe sur X :
Z

PY (y) =
A

2
dx =
R2

4A
R2

si 0 y R,
sinon.

p
o A = R2 y 2 . On a alors
E[Y] =

4
R2

y
0

p
4R
R2 y 2 dy =
3

en utilisant le changement de variable z = R2 y 2 pour lintgration.


3. On peut trouver lesprance en utilisant directement la loi conjointe. En notant D
le demi-disque, on a :
Z
E[Y] =

yPX,Y (x, y)dxdy =


D

4R
2
r sin rdrd =
2
R
3

Exercice 3.31 Somme de v.a.


Les variables alatoires X, Y et Z sont indpendantes et uniformment rparties sur [0, 1].
Trouvez le densit de probabilit de X + Y + Z.

Exercice 3.32 Somme de v.a. REF Bertsekas


Une quipe de foot doit dsigne trois tireurs de penalty, chaque tireur russissant avec une
probabilit pi , indpendemment des autres tireurs. soit X le nombre de penalties marqus aprs
que chaque tireur ait tir une fois. Utilisez la convolution pour calculer la masse de probabilit
de X.

Exercice 3.33 Somme de v.a. REF Bogaerts


Soit X Y Exp(), la dur de fonctionnement de deux machines identiques et indpendantes
avant loccurrence dune premire panne, alors Z = X +Y est la dure totale de fonctionnement
des deux machines si lune se met en marche ds que lautre est en panne. Trouvez la densit
de probabilit de la dure totale de fonctionnement.

Exercice 3.34 v.a. et esprance conditionnelle REF Bertsekas


Statistique Applique

17

cole Polytechnique de lUNSA


PolytechNice-Sophia

Dpartement dlectronique
3e anne

Un professeur retrait se rend au bureau une heure rpartie uniformment entre 9 heures du
matin et une heure de laprs-midi, il effectue une seule tche et quitte le bureau ds quelle
est termine. La dure de cette tche est exponentiellement distribue avec un paramtre =
(y) = 1/(5 y), o y est est la longueur de lintervalle de temps entre 9 heures et le moment
de son arrive au bureau.
1. Quel est le temps moyen que le prof. consacre sa tche ?
2. Quel est lheure moyenne de la fin de sa tche ?
3. Un tudiant veut rencontrer ce prof. et arrive une heure rpartie uniformment entre
9 heures du matin et 17 heures. Si le prof. nest pas l, ltudiant part tout de suite. Si
le prof. est l, ltudiant travaille avec le prof pendant une dure uniformment rpartie
entre 0 et 1 heure. Ce rendez-vous naura pas dinfluence sur le temps que le prof. passera
sur sa propre tche. Quel est le temps moyen que le prof. consacrera son tudiant et
quel sera (en moyenne) lheure laquelle le prof. quittera son bureau ?

Exercice 3.35 Estimation aux moindres carrs


Un radar surestime la vitesse des voitures par une quantit uniformment rpartie entre 0 et 10
km/h. En supposant que la vitesse des voitures sur autoroute est uniformment rpartie entre
100 et 140 km/h, quelle est lestime de la vitesse de la voiture base sur la mesure du radar ?

Exercice 3.36 Estimation base sur plusieurs mesures


Soit X une v.a. de moyenne et de variance v ; soit Y1 , . . . Yn les mesures telles que
Yi = X + Wi ,
o les erreurs de mesure Wi sont des v.a. de moyenne nulle et de variance vi . X et Wi sont
supposes mutuellement indpendantes.
Montrez que lestimateur linaire aux moindres carrs vaut
(/v)
=
X
(1/v)

n
X
(Yi /vi )
i=1
n
X

(1/vi )

i=1

Exercice 3.37 S
oit X et Y deux v.a. de variance positive.
L le meilleur estimateur linaire aux moindres carrs de X bas sur Y , montrez
1. Soit X
que :
h
i
L )Y = 0,
E (X X
et que lerreur destimation est dcorrle de Y .
= E[X|Y ] lestimateur aux moindres carrs de X bas sur Y . Montrez que :
2. Soit X
h
i
L )h(Y ) = 0,
E (X X
quelque soit la fonction h.

Statistique Applique

18