Vous êtes sur la page 1sur 19

Table des matires

1 Correction du TD1 :
1

Rappel I : . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.1

Calcul des integrales . . . . . . . . . . . . . . . . . . .

1.2

Fonction densit f (x) . . . . . . . . . . . . . . . . . . .

1.3

Fonction de Rpartition FX (x) . . . . . . . . . . . . . .

1.4

Esprence E(X)

. . . . . . . . . . . . . . . . . . . . .

1.5

La variance V ar(X) : . . . . . . . . . . . . . . . . . . .

1.6

Calcule de Probabilit : . . . . . . . . . . . . . . . . . .

Exercice 1 : . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Exercice 2 : . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Rappel II : . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

4.1

Loi Uniforme U [a; b] . . . . . . . . . . . . . . . . . . .

4.2

Exponnentielle "( ) . . . . . . . . . . . . . . . . . . . . 10

Exercice 3 : . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10

Exercice 4 : . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11

Rappel III : . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
7.1

Loi Normale N ( ; ) . . . . . . . . . . . . . . . . . . . 12

Exercie 5 : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14

Exercice 6 : . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17

TABLE DES MATIRES

10

Exercice 7 : . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18

11

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19

12

Fin

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19

1.

Correction du TD1 :

Avant de commencer la correction, nous allons voir le schma du TD1 :


1. Exercice 1 et 2 : les variables alatoires continues avec une densit f
quelquonque.
2. Exercice 3 et 4 : les lois usuelles continues ( Uniforme U [a; b] ; Exponnentielle "( )).
3. Exercice 5, 6 et 7 : loi normale N (m; ) (Application, et manipulation
des calcules).

1
1.1

Rappel I :
Calcul des integrales
On a

Z
Z

1.2

xn+1
ax dx = a
n+1
Z
adx = [ax]
n

xn + xm dx =
Z
eax dx =

xm+1
xn+1
+
n+1 m+1
eax
a

Fonction densit f (x)


f est un densit si et seulement si :
1. f est dnie sur R et f (x)
Z +1
2.
f (x)dx = 1:

0 (8x 2 R):

Rappel I :

1.3

Fonction de Rpartition FX (x)


La fonction de Rpartition nous aide calculer les probabilits :
Z x
f (x)dx
FX (x) =
1

Et on discute FX suite au cas de x pour dtrminer la valeur de f (x):


1.4

Esprence E(X)

E(X) =
E( X) =
E( X + ) =
E( X + Y ) =
2

E(X ) =
E(g(X)) =

+1

x:f (x)dx
1

E(X) ; E( ) =
E(X) +
E(X) + E(Y )
+1

x2 :f (x)dx
1
+1

g(x):f (x)dx
1

telque g est une fonction de X )comme g(X) = X 2


1.5

La variance V ar(X) :

V ar(X)
V ar( X)
V ar( )
V ar( X + )
V ar( X + Y )

= E(X 2 ) E 2 (X):
= 2 V ar(X)
= 0
= 2 V ar(X)
= V ar( X) + V ar( Y )

si les variables sont indpendents donc Cov(X; Y ) = 0

:Cov(X; Y )

Exercice 1 :

1.6

Calcule de Probabilit :

P (X
P (a
P (X

a) = F (a)
X b) = F (b)
a) = 1 P (X

F (a)
a) = 1

F (a)

Exercice 1 :
Soit X le taux de rempliage dun barage, donc X est exprim en %
On a f une fonction densit dnie sur R; tel que :

f (x) = x2 (1 x) si 0 < x < 1


f (x) = 0 sinon (c--dire si x 2] 1; 0] [ [1; +1[)
1. Puisque f est une densit, alors
Z +1
Z 1
Z 0
Z +1
f (x)dx = 1:
f (x)dx +
f (x)dx +
f (x)dx = 1 ,
1
0
1
1
Z 0
Z 1
Z +1
2
,
0:dx +
x (1 x):dx +
0:dx = 1:
1
0
1
Z 1
, 0+
x2 (1 x):dx + 0 = 1:
Z 1 0
,
x2 x3 dx = 1
0

,
,
,

x3 x4
=1
3
4 0
1 1
(
0) = 1
3 4
1
( ) = 1 , = 12:
12

Exercice 1 :

2. Calculons FX :
Alors, on a par dnition :
FX (x) =

f (x)dx
1

On peut remarquer que la valeur de f (x) dpend de la valeur de x,


donc on aura 3 cas :
Si x 2] 1; 0], alors
Z x
Z x
f (x)dx =
0:dx = 0
FX (x) =
1

Si x 2]0; 1[, alors


FX (x) =

f (x)dx =
f (x)dx +
1
1
Z x
Z 0
12x2 (1 x)dx
0:dx +
=

f (x)dx

x
3

= 0 + 12
Si x 2 [1; +1[, alors
Z
FX (x) =
Z
=
Z
=

x4
4

= 4x3

3x4

f (x)dx
1
0

f (x)dx +
f (x)dx +
f (x)dx
0
1
Z 1
Z x
2
0:dx +
12x (1 x):dx +
0:dx
1
0
1
Z 1
= 0 + 12 x2 x3 dx + 0
1
0

= 12

x
3

Donc
FX (x) =

8
<

x4
4

= 12(
0

0
4x3 + 3x4
:
1

1
)=1
12

si x 0
si x 2]0; 1[
si x 1

Exercice 2 :

3. Calculons lesprence E(X) :


On a ,
Z +1
E(X) =
x:f (x)dx
1
Z +1
Z 1
Z 0
x:f (x)dx
x:f (x)dx +
x:f (x)dx +
=
1
0
1
Z x
Z 1
Z 0
2
x:0:dx
x:[12x (1 x)]:dx +
x:0:dx +
=
1

Z 1
= 0 + 12 x3
0

x
x dx + 0 = 12
4
4

x
5

1
0

12
3
=
=
20
5
4. Calculons P (30%
P (30%

90%):

X 90%) = P (0:3 X 0:9)


= F (0:9) F (0:3) = 0:9477 0:837
= 0:864

On utilise la fonction de rpartition pour dtrminer les valeur de


F (0:9) et F (0:3): Alors puisque 0:9 2]0; 1[ et aussi 0:3 donc :
F (0:9) = 4(0:9)3
F (0:3) = 4(0:3)3

3(0:9)4 = 0:9477
3(0:3)4 = 0:0837

Exercice 2 :
Soit T le temps de sjour dun malade exprim en jour.
On a f une fonction densit dnie sur R; tel que :
f (t) = e t si x 0
f (t) = 0 sinon (c--dire si x 2]

1; 0[)

Exercice 2 :

1. Puisque f est une densit, alors


Z 0
Z +1
Z +1
f (t)dt = 1 ,
f (t)dt +
f (t)dt = 1:
1
1
0
Z +1
Z 0
0:dt +
e t :dt = 1:
,
1
0
Z +1
e t dt = 1:
, 0+
0

+1

=1
0
t +1
0
1

=1

( e
( e0 )) = 1
(0 + 1) = 1 , = 1 car (e

,
,

= 0 et e0 = 1)

2. Calculons FX :
Alors, on a par dnition :
FX (x) =

f (x)dx
1

On peut remarquer que la valeur de f (t) dpend de la valeur de t, donc


on aura 2 cas :
Si t 2] 1; 0[, alors
Z t
Z t
0:dt = 0
f (t)dt =
FT (t) =
1

Si t 2]0; +1[, alors


FT (t) =

f (t)dt =
f (t)dt +
1
1
Z 0
Z t
=
0:dt +
e t dt
1

= 0+

FT (t) =

t t
0

0
e

+1

+1

si x < 0
si x 0

f (t)dt

Rappel II :

3. Calculons P (1:5

2):

P (1:5

T 2) = F (2)
= 0:864 0:776
= 0:088

F (1:5)

On utilise la fonction de rpartition pour dtrminer les valeur de F (2)


et F (1:5): Alors puisque 2 0 et aussi 1:5 donc :
F (2) =
F (1:5) =

e
e

+ 1 = 0:864
+ 1 = 0:776

1:5

4. Sachant que cette personne est hspitalise depuis 36h (1.5 jours) (T
1:5), Calculons la probabilts quelle ne reste pas plus que 48h (2
jours)(T
2)
Donc on calculera P (X 2 = X 1:5)
P (X

4
4.1

2 \ X 1:5)
P (X 1:5)
0:088
P (1:5 T 2)
=
= 0:392
=
1 P (T < 1:5)
1 0:776
2=X

1:5) =

P (X

Rappel II :
Loi Uniforme U [a; b]
1. Les Paramtres : a et b telque la longuer dintervalle de la loi uniforme
est : b a
2. La densit
1
b a si x 2 [a; b]
f (x) =
sinon
0
3. La Fonction de Rpartition
8
si x < a
< 0
x a
si x 2 [a; b]
FX (x) =
: b a
si x > b
1

4. E(X); V ar(X) :

E(X) =

(b a)2
b+a
; V ar(X) =
2
12

10

Exercice 3 :

4.2

Exponnentielle "( )
1. Les Paramtres :
2. La densit

e
0

f (x) =

si x 0
sinon

3. La Fonction de Rpartition
0

FX (x) =

si x < 0
+ 1 si x 0

4. E(X); V ar(X) :
E(X) =

; V ar(X) =

1
2

Exercice 3 :
On a L(X) = U [a; b], tel que b

a = 2 et Cv =

V ar(X)
1
=p
E(X)
3

1. Calculons E(X) et V ar(X) :


On sait que
b+a
(b a)2
E(X) =
; V ar(X) =
2
12
Donc daprs les donnes on peut calculer V ar(X)
V ar(X) =

(b

22
1
a)2
=
=
12
12
3

Et puisque
Cv =

V ar(X)
, E(X) =
E(X)

V ar(X)
3
=
=1
1
Cv
p
3

Donc
E(X) = 1; V ar(X) =

1
3

11

Exercice 4 :

2. Pour donner la densit et la fonction de rpartition on doit dtrmin


a et b :
On a
b+a
b a = 2 et E(X) =
=1
2
Donc
b a = 2 et b + a = 2
Alors
b+a=2
,
b a=2
La densit est :

1
2

f (x) =

a=0
b=2

si x 2 [0; 2]
sinon

3. La fonction de rpartition :
Il su t de remplacer a et b :
8
< 0

si x < 0
si x 2 [0; 2]
FX (x) =
:
1
si x > 2
x
2

4. Calcul de P (0:5

P (0:5

1)

X
1
=
2

1) = F (1)
0:5
= 0:25
2

F (0:5)

Exercice 4 :
On a X variable alatoire de moyenne 50.000 Km, c--dire : E(X) = 50000;
et sa fonction densit est :
1

f (x) =

e
0

si x 0
sinon

1. La loi de X
Par comparaisons, on peut voir que : L(X) = "

12

Rappel III :

2. On a daprs les donnes E(X) = 50000:et dautre part on sait que


1
E(X) =
=
1
Donc
= 50000
3. Pour calculer la probabilit il faut dtrminer FX
8
<
0
si x < 0
x
FX (x) =
: e 50000 + 1 si x 0
Donc

P (X < 40000) = F (40000) =


4
=
e 5 + 1 = 0:55

40000
e 50000 + 1

4.
P (X > 60000) = 1 P (X 60000)
= 1 F (60000)
0
1
40000
= 1 @ e 50000 + 1A
6
= e 5 = 0:3

7
7.1

Rappel III :
Loi Normale N ( ; )
Comme vous voyez, les paramtres de la loi normale sont deux :
= E(X) = la moyenne
p
=
V ar(X) = ecart-type

et

telque

13

Rappel III :

Pour calculer P (X
a) telque X suit une loi normale N ( X ; X ); on fait
toujours un changement de variable pour rendre N ( X ; X ) N (0; 1)(Loi
normale centre rduite) pour utiliser sa table.
Le changement sera : si L(X) =N (

X;

X)

on pose T =

alors automatiquement L(T ) =N (0; 1)

X
X

X
= p

E(X)
V ar(X)

Thorme Cen-

On appliquant ce changement on a appliqu TCL "


"

trale Limite

Comment on utilise la table de N (0; 1)?


Supposons quaprs le changement de variable P (X a) est devenu P (T
1:31) = (1; 31) telque est la fonction de rpartition de la loi N (0; 1):
Pour obtenire la valeur de

(1; 31) on utilise la table NCR on divisant 1,31

14

Exercie 5 :

on deux parties 1; 31 = 1:3 + 0:01

Donc on aura P (T

1:31) = (1; 31) = 0:9049

Exercie 5 :
On a la quantit de vente dune socit dans deux points A et B est dnie
comme des variables alatoires X et Y:
p
L(X) = N (1000; 90000) = N (1000; 300) et L(Y ) = N (400; 100) de plus X
et Y sont indpendents.

15

Exercie 5 :

1. Calculons P (X > 1300):


P (X > 1300) = 1
on pose T =

1000
300

P (X

1300)

L(T ) = N (0; 1) alors

P (X > 1300) = 1
= 1 P (T
= 0:1587

1000
1300 1000
)
300
300
1) = 1
(1) = 1 0:8413
P(

2. Calculons P (Y > 450)


P (Y > 450) = 1
on pose T =
P (Y

400
100

P (Y

450)

L(T ) = N (0; 1) alors

> 450) = 1
= 1 P (T
= 0:3085

450 400
400
)
100
100
0:5) = 1
(0:5) = 1 0:6915

P(

3. La vente totale est tout simplement X + Y; donc Soit Z = X + Y


On doit Calculer E(Z) et V ar(Z) pour appliquer TCL
On a
E(Z) = E(X + Y ) = E(X) + E(Y )
= 1000 + 400 = 1400
Et
V ar(Z) = V ar(X + Y ) = V ar(X) + V ar(Y ) 2:Cov(X; Y )
= V ar(X) + V ar(Y ) (car X et Y sont indpendents)
= 90000 + 10000 = 100000
p
) Z = V ar(Z) = 316:22

Donc

P (Z > 1500) = 1

P (Z

1500)

16

Exercie 5 :

Comme Toujours T =

Z 1400
316:22

P (Z > 1500) = 1
= 1

P (T

L(T ) = N (0; 1) alors

Z 1400
1500 1400
)
316:22
316:22
0:32) = 1 0:6255 = 0:3745
P(

4. On a le Chire dAaire est : CA = 2X + Y;


de la mme faon que celle de Z On doit Calculer E(CA ) et V ar(CA )
pour appliquer TCL
On a
E(CA ) = E(2X + Y ) = 2E(X) + E(Y )
= 2000 + 400 = 2400
Et
V ar(CA ) = V ar(2X + Y ) = V ar(2X) + V ar(2Y ) 2:2:Cov(X; Y )
= 22 V ar(X) + V ar(Y ) (car X et Y sont indpendents)
= 360000 + 10000 = 3700000
p
) CA = V ar(CA ) = 608:28

Donc

P (CA > 3008) = 1


Comme Toujours T =

CA 2400
608:28

P (CA > 1500) = 1

= 1 P (T
= 0:1587

P(

P (CA

3008)

L(T ) = N (0; 1) alors


CA 2400
608:28

1) = 1

3008 2400
)
608:28

(1) = 1

0:8413

17

Exercice 6 :

Exercice 6 :
On a la demande mentuelle est D variable alatoire qui suit loi normale de
moyenne 1000 et de variance 160000 et le Bnice est B = 0:5D
1. Puisque B est une combinaison linaire avec D qui suit loi normale
donc B suit loi normale
p
L(B) = N (E(B); V ar(B))
2. On a

E(B) = E(0:5D) = 0:5E(D)


= 0:5 1000 = 500
Et
V ar(B) = V ar(0:5D) = (0:5)2 V ar(D)
= 0:25 160000 = 40000
3. Calculons P (B < 400) :
De la mme faon comme toujours L(B) = N (500; 200); On pose T =
B 500
L(T ) = N (0; 1) alors
200
400 500
B 500
<
)
P (B < 400) = P (
200
200
= P (T < 0:5) = ( 0:5)
= 1
(0:5) (car ( a) = 1
(a))
= 1 0:6915 = 0:3085
4. On a daprs la table de la loi normale centre rduite :
0:9009 ' 0:9015 = (1:29)
car on trouve pas 0.9009 dans la table donc on cherche la valeur la plus
proche delle , et ctait 0.9015
Donc on aura
S 1000
= 1:29 , S = 1:29 400 + 1000 = 1516
400
Remarque : Ceux qui nont pas compris cette rponse quils
viennent me voir.

10

10

18

Exercice 7 :

Exercice 7 :
Soit Xi la production du membre i, avec i 2 f1; 2; ::; 50g et L(Xi ) = N (10; 2)
1. On a la production totale est
Y =

50
X

Xi = X1 + X2 + ::: + X50

i=1

Donc
E(Y ) =
=
=
=

E(X1 + X2 + ::: + X50 )


E(X1 ) + E(X2 ) + ::: + E(X50 )
10 + 10 + ::: + 10 = 50 10
500

Et
V (Y ) = V (X1 + X2 + ::: + X50 )
= V (X1 ) + V (X2 ) + ::: + V (X50 )
Car les productions entre les 50 membres sont independentes
= 22 + 22 + ::: + 22 = 50 16 = 800
2. Loi de la production totale
p
L(Y ) = N (500; 800) = N (500; 28:28)
3. De la mme faon on calcule P (Y > 520)
P (Y > 520) = 1
On pose T =

500
28:28
P (Y

P (Y

520)

L(T ) = N (0; 1) alors

> 520) = 1 P (Y
520)
Y 500
520 500
= 1 P(
)
28:28
28:28
= 1 P (T 0:71)
= 1
(0:71) = 1 0:7611
= 0:2389

19

11

4. Comme les autres questions, on dtrmine notre variable, puis on calcule lesprence et la variance du variable et puis on calcule la probabilit

Recette Totale
Frais
Reste

:
:
:

RT = 3500Y
F = 0:01 3500Y = 35Y
R = RT F = 3465Y

Nous on va sintresser P (RT < 16450) quon trouvera gale 0


Remarque : Vous pouvez calculer P (F < 16450) ou P (R < 16450)
mais a nentre pas dans notre exercice.

11
12

Fin

Jespre que la correction tait bien


claire, et je serai toujours disponible
vos questions. Bon Courage