Vous êtes sur la page 1sur 74

ECOLE SPECIALE DES TRAVAUX PUBLICS

ELEVES-INGENIEURS GME1

COURS DE PROBABILITES STATISTIQUE

ANNEE SCOLAIRE 2016-2017

PROFESSEUR : JEAN-PIERRE BOULAY

APPLICATIONS
(2EME PARTIE)
CORRIGE

1
Ecole Spciale des Travaux Publics
Elves-Ingnieurs GME-1re anne
Anne SCOLAIRE 2015-2016 Application n1
Cours de Probabilits Statistique 20 fvrier 2017
Professeur : Jean-Pierre BOULAY ---
Sujet

13h30- 16h

Lois de probabilits
EXERCICE 1 :

Soit une variable alatoire de loi gomtrique de paramtre (loi note ()).

On considre par ailleurs, une suite de variables alatoires indpendantes, quidistribues, et de


loi exponentielle de paramtre (loi note ()).

On se propose dexpliciter la loi de probabilit de la variable = min .


1

Question 1 :

Dterminer la loi de la variable conditionnelle = , .

Question 2 :

Expliciter ( ), +.

Question 3 :

En dduire la densit de probabilit () de la variable alatoire .

__________________________________________________________________________________

CORRIGE

Question 1 :

( = ) = =
=1 ( ) =

( 1, + ).

(En effet, les sont indpendantes et quidistribues de loi parente ()).

(=)
= a donc pour densit de probabilit () =
= , + .

Il sagit de la loi () .

Question 2 :

( ) = =+ =+ 1
=1 ( = ). ( = ) = =1 .

(Formule des probabilits totales on notera bien ici que )

2
Par glissement de lindice de sommation (en posant = 1), il vient :

.
( ) = =+
=0
(+1)
= . . =+
=0 = 1 .

(En effet, la srie gomtrique ci-dessus converge puisque < 1).

Question 3 :

Par drivation (au signe prs) de la fonction de fiabilit ci-dessus, on trouve donc la densit de
probabilit de , soit :

( )
() = =
(1 )2

__________________________________________________________________________________

EXERCICE 2 :

Pour effectuer un comparatif entre deux modles de smartphones, une association de consommateurs
sintresse leurs consommations respectives (dans des conditions dutilisation identiques).

Pour cette tude, elle dispose de donnes constructeur qui fournissent des informations sur la
variabilit de la consommation en fonction de lusage qui est fait du tlphone.

Ainsi, pour le modle 1, le fabricant indique-til que la consommation est une variable alatoire 1 de
fonction de rpartition 1 et de densit de probabilit 1 . De mme, pour le modle 2, a-t-on une
consommation 2 de fonction de rpartition 2 et de densit de probabilit 2 .

On suppose que les consommations sont indpendantes. Lassociation de consommateurs ne dispose


par ailleurs que dun exemplaire de chaque modle.

PARTIE A :

Question A.1 :

Pour un mme usage, exprimer la densit de probabilit (1 ,2 ) du couple (1 , 2 ) en fonction des


densits de probabilit de 1 et de 2 .

Question A.2 :

Montrer que la probabilit que lexemplaire du modle 1 consomme plus que lexemplaire du modle
+
2, soit (1 > 2 ) est gale 1 0 1 (2 ). 2 (2 ). 2 .

PARTIE B :

On suppose dans cette partie et les parties C et D, que 1 2 suivent respectivement des lois
exponentielles de paramtres 1 2 , (lois notes (1 ) et (2 ).

Question B.1 :

3
Calculer, dans ces conditions, (1 > 2 ).

Question B.2 :

Quobtient-on lorsque 1 = 2 ?. Est-ce un rsultat logique ?

PARTIE C :

On se propose, dans cette partie, de retrouver le rsultat de la question B.1 de la partie B, partir de
la loi de la variable = 1 2 .

Question C.1 :

= 1
Suivant le changement de variables { , exprimer la densit de probabilit du couple (, ).
= 1 2

Question C.2 :

En dduire la loi de (attention aux bornes dintgration !!!).

Question C.3 :

Calculer ( > 0) et retrouver ainsi le rsultat de la question B.1 de la partie B

PARTIE D :

On suppose ici que 1 = 44,8104 et que 2 = 63,6104 ( 1 ).

On compare ainsi deux deux, 100 paires de smartphones (respectivement des modles 1 et 2) et on
nota par la variable alatoire gale au nombre de fois o 1 > 2 au cours des 100 comparaisons
(quon supposera indpendantes).

Question D.1 :

Quelle est la loi suivie par ?

Question D.2 :

Quelles sont les valeurs de () et ().

CORRIGE

Question A.1 :

Puisque les consommations sont indpendantes, (1 ,2 ) (1 , 2 ) = 1 (1 ). 2 (2 ).

Question A.2 :

(1 > 2 ) = 1 (1 ). 2 (2 ). 1 2 o = {(1 , 2 ) +2 1 > 2 }.

+ +

(1 > 2 ) = ( 1 (1 ). 1 ) . 2 (2 ). 2
0 2

4
+
Mais 1 (1 ). 1 = 1 0 2 1 (1 ). 1 = 1 1 (2 ).
2

+ +
On a donc (1 > 2 ) = 0 2 (2 ). 2 0 1 (2 ). 2 (2 ). 2 .

Soit :
+
(1 > 2 ) = 1 0 1 (2 ). 2 (2 ). 2 . Cest le rsultat cherch !.

Question B.1 :

1 : (1 ) 1 (2 ) = 0 2 1 . e1 1 1 = 1 1 2 .

Ainsi :
+
2 2
(1 > 2 ) = 1 (1 1 2 ). 2 . e2 2 2 = 1 1 + = .
1 + 2 1 + 2
0

Question B.2 :
1
Losque 1 = 2, (1 > 2 ) = 2.

Cest un rsultat logique dans le sens o les deux variables sont continues ((1 = 2 ) = 0), les
vnements {1 > 2 } {1 < 2 } tant par ailleurs quiprobables puisque les deux variables sont
quidistribues.

Question C.1 :

Partant de la densit lmentaire du couple (1 , 2 ), soit 1 1 1 . 2 2 2 1 2 , le changement


= 1
de variables { , conduit pour le couple (, ) la densit lmentaire :
= 1 2

1 2
1 1
(,) (, ). = 1 1 . 2 2 .() . || avec = | | =| | = 1.
1 2 0 1

Question C.2 :

Selon la loi des probabilits marginales, on a donc la densit de probabilit () de en intgrant la


densit (,) (, ) du couple (, ) par rapport la variable .

Il faut nanmoins, ici encore, tre trs vigilant sur les bornes dintgration. En effet :

Dune part (et non + ) dautre part = 2 avec 2 0 , sachant, pour


rappel, que 0.
+
0 1 1 . 2 2 .() . = 1+2 . 2 ], 0[
1 2
Cest pourquoi () = { +
.
1 1 . 2 2 .() . = 1+2 . 1 [0, +]
1 2

5
(A noter que ce calcul est identique ce quaurait donn le produit de convolution entre les densits
des variables 1 et 2 ).

Question C.3 :

+ 1 2 2
(1 > 2 ) = ( > 0) = 0 1 +2
. 1 . = .
1 +2

On retrouve bien ici le rsultat dj trouv en question C.1.

Question D.1 :

A chacune des comparaisons , on peut associer la variable gale 1 si 1 > 2 et 0 sinon.


2
Il sagit dune variable de Bernoulli (1, ) avec = .
1 +2

Numriquement, = 0,5867.

Du fait de lhypothse dindpendance, la variable = =100


=1 suit la loi binomiale (, ) avec
= 100, = 0,5867.

Question D.2 :

Daprs les rsultats du cours () = . ; () = . . (1 ).

On a donc ici () = 58,67 () = 24,25.

6
Ecole Spciale des Travaux Publics
Elves-Ingnieurs GME-1re anne
Anne SCOLAIRE 2015-2016 Application n1
Cours de Probabilits Statistique 20 fvrier 2017
Professeur : Jean-Pierre BOULAY ---
Sujet

16h 18h30

Lois de probabilits
EXERCICE 1 :

Sur une ligne donne de TGV on considre les incidents qui, durant une anne, ont donn lieu, de par
leur gravit, une enqute interne et on note par la variable alatoire reprsentant le retard
(exprim en heure), gnr par un tel incident.

On admet que suit la loi exponentielle de paramtre (loi note ()).

Dautre part, on admet que le nombre des incidents constats durant une anne, est une variable
alatoire suivant la loi de Poisson de paramtre (loi note ()).

Notant par , (1 ), les retards lis aux incidents dune anne, on considre la variable gale
au retard maximal ainsi constat sur ladite priode.

Autrement dit = max , les tant supposes tre indpendantes, quidistribues, et de loi
1
commune ().

Question 1 :

Expliciter la fonction de rpartition de la variable conditionnelle = , .

Question 2 :

En dduire la fonction de rpartition () de la variable alatoire .

Question 3 :

Quelle est la densit de probabilit () de la variable alatoire ?

Reconnatre laide du polycopi de quelle loi il sagit.

Question 4 :

On suppose, dans cette question, que le nombre moyen annuel des incidents graves recenss est
gal 7 et que le retard moyen gnr par de tels incidents est gal 34 .

4a :

Que valent ?

7
4b :

Calculer la probabilit que dpasse 4 heures (seuil de lincident grave aux consquences durables
pour la compagnie de transport).

Question 5 :

Toujours suivant les donnes numriques de la question 4, on note par la variable alatoire gale au
nombredannes pour lesquelles la variable a dpass 4 heures, ceci sur une priode dobservation
de 50 ans.

5a :

Quelle est la loi suivie par ?

5b :

Par quelle loi peut-elle tre approche ?

5c :

Evaluer ainsi ( 5).

__________________________________________________________________________________

CORRIGE

Question 1 :

La variable = est une variable continue valeurs sur [0, +[ (comme les ).

( = ) = (1 , 2 , , ) = =
=1 ( ) (puisque les variables
alatoires sont supposes tre indpendantes).

Or ces variables sont quidistribues de loi commune () .



Ainsi, pour tout {1,2, , } a-t-on ( ) = 0 . = 1 .

En conclusion, ( = ) = (1 ) .

Question 2 :

() a des valeurs .


( ) = =+ =+
=0 ( = ). ( = ) = =0 . . (1 ) .
!

(daprs la formule des probabilits totales).

Par dveloppement de la srie, on a donc ( ) = . exp(. (1 )) = exp(. ),


+.

8
Question 3 :

()
() = = . . exp( ) , 0.

La loi dont il sagit, est la loi de Gumbel.

Question 4.a :
1
Rappelant que si : (), ( ) = , et qui si : (), () = , les donnes numriques
4
proposes entranent = 7 et = 3.

Question 4.b :

4
( > 4) = 1 ( 4) = 1 exp(7. exp ( 3 4)))=0,033231.

Question 5.a :

(50, = 0,033231).

Question 5.b :

est grand et est faible. Dans ces conditions, la loi binomiale converge (en loi), vers la loi de Poisson
de paramtre = 1,66154.

1,66154
Ainsi ( 5) est-elle approche par =5
=0 !
. 1,66154 = 0,9928.

_________________________________________________________________________________

EXERCICE 2 :

Soient deux variables alatoires et indpendantes et de lois gomtriques de paramtres


respectifs 1 2 , (1 , 2 ]0,1[2 ).

On notera par 1 2 les probabilits complmentaires 1 1 1 2 .

Question 1 :

Expliciter la loi du couple (, ).

Question 2 :

Calculer ( = ).

Question 3 :

Calculer ( ).

9
Question 4 :

On suppose dans cette question que 1 = 2 = .

4a :

A laide des rsultats prcdents, calculer ( < ) ( > ).

4b :

Interprter le rsultat obtenu.

Question 5 :

Soit la variable = min(, ).

5a :

Exprimer en fonction de 1 , 1 , 2 , 2 la fonction de rpartition de la variable .

5b :

En dduire la loi de probabilit de .

5c :

Reconnatre la loi dont il sagit.

_________________________________________________________________________________

CORRIGE

Question 1 :

Puisque et sont indpendantes et de lois gomtriques respectives (1 ) et (2 ), on a, pour tout


couple (, ) 2 ,( = , = ) = ( = ). ( = ) = 1 1 . 1 . 2 1 . 2 .

Question 2 :
2
( = ) = ={(,)2 =} 1 1 . 1 . 2 1 . 2 = +
=1 1 2 (1 2 )
1
= 11 .
1 2

(En effet, la srie gomtrique est convergente puisque 1 2 < 1).

Question 3 :
=+ =+

( ) = 1 1 . 1 . 2 1 . 2 = 1 2 ( 1 1 ). 2 1
={(,)2 } =1 =

=+ =+
1 2
( ) = 1 2 . 1 1 . . 1 = 2 . (1 2 )1 =
1 1 2 1 1 2
=1 =1

10
Question 4 :

4a :

2
Lorsque 1 = 2 = , ( = ) = 12 = 1+.

1 1
( ) = = . Il sensuit ( > ) = ( ) ( = ) = = .
12 1+ 1+ 1+

1
Dautre part, ( < ) = 1 ( ) = 1 1+ = 1+.

4b :

On remarque ici encore que ( < ) = ( > ), symtrie logique au regard de lquidistribution
des lois de .

Question 5 :

5a :

Pour tout , ( ) = ( , ) = ( ). ( ) (cf. indpendance).


1 1
Donc , ( ) = (=+
= 1
1
1 ). (=+
= 2
1
2 ) = 1 . 1 1 . 1 . 2 2 1 . 1 .
1 2

Bref, ( ) = (1 2 )1 .

5b :

( = ) = ( ) ( + 1) = (1 2 )1 (1 2 ) = (1 2 )1 . [1 1 2 ].

5c :

On reconnat, pour ce qui concerne laloi de probabilit de , la loi gomtrique de paramtre 1 2 .

11
Ecole Spciale des Travaux Publics
Elves-Ingnieurs GME-1re anne
Anne SCOLAIRE 2015-2016 Application n2
Cours de Probabilits Statistique 27 fvrier 2017
Professeur : Jean-Pierre BOULAY ---
Sujet

13h30- 16h

Esprance mathmatique
Esprances conditionnelles

EXERCICE 1 :

On considre un stock dun certain produit.

On suppose que la demande durant un intervalle de temps est une variable alatoire de densit
de probabilit () (avec 0 bien videmment).

Si est infrieure au stock , les pices restantes sont vendues avec une perte unitaire gale 1 .

Au contraire, si la demande est suprieure au stock , il faut procder une fabrication ou un


approvisionnement spcial des pices manquantes et le supplment de cot qui en rsulte reprsente
une perte unitaire gale 2 .

Question 1 :

Exprimer en fonction de et de , la perte totale supporte durant lintervalle de temps considr


ici (cot total de stockage).

On notera par le cot en question (qui est donc une variable alatoire).

Question 2 :

Calculer lesprance mathmatique () en fonction de .

(On se contentera dun rsultat sous forme dune somme dintgrales).

Question 3 :

On rappelle que :

() ()
(, )
( (, )) = (). ((), ) (). ((), ) + .

() ()

()
Exprimer la drive
en fonction de , , 1 , 2 o dsigne la fonction de rpartion de la variable

alatoire .

12
Question 4 :

Dterminer la valeur de qui rend () minimale et montrer que est une fonction de et de la
2
quantit = .
1 +2

Question 5 :

On suppose dans cette question que 2 = 21 et que la demande suit la loi exponentielle de
paramtre 150 ( (150)).

A quel niveau de stock optimal aboutit-on ici ?

Comparer ce rsultat avec la demande moyenne sur lintervalle .

Question 6 :

On suppose dans cette question que est une variable alatoire discrte dont la loi est dfinie
ci-dessous, 1 2 tant toujours lis par la relation 2 = 21 (Cest le cas par exemple, si le produit
est un gros matriel lectromnager).

Valeurs de 0 1 2 3 4 5 6
( = ) 0,1 0,1 0,2 0,2 0,2 0,1 0,1

Explicitant point par point, la fonction de rpartition F de , valuer la valeur du stock la mieux
approprie.

CORRIGE

Question 1 :

= 0 0
{ = 1 . ( ) 0 .
= 2 . ( ) >

Synthtiquement, = 1 . ( ). 10 () + 2 . ( )1> ().

Question 2 :

est une variable alatoire qui est fonction de .


+
Daprs le thorme de transfert, () = 1 . 0 ( ). () + 2 . ( ). ().

On remarquera quil sagit l dune fonction de la variable .

Question 3 :

() +

= 1 . 0 () 2 . ().

Introduisant la fonction de rpartition () de , on a :

13
()

= 1 . () 2 . [1 ()]=2 + ( 1 + 2 ). ().

Question 4 :
()
La solution de lquation =0 dfinit la valeur optimale du stock et est donc galement la

2
solution de lquation 0=2 + ( 1 + 2). (), soit () = = (suivant la notation de
1 +2
lnonc).

()
On remarquera quil sagit bien l dun minimum puisque = (1 + 2 ). () > 0.

Question 5 :

1
Supposant de loi (150), () = 0 50 . 50 = 1 50 .

2
Sachant par ailleurs que 2 = 21, ce qui entrane = 3, le stock optimal est donc solution de

2 1
1 50 = = 50. ln ( ) = 54,93.
3 3

Question 6 :

Le calcul, point par point, des valeurs de () conduit, dans lexemple propos, au tableau des
probabilits cumules ci-dessous :

( = ) ()
0 0,1 0,1
1 0,1 0,2
2 0,2 0,4
3 0,2 0,6
4 0,2 0,8
5 0,1 0,9
6 0,1 1

2
La solution entire qui est la plus proche de 3 correspond donc = 3.

EXERCICE 2 :

Soient et deux variables alatoires indpendantes suivant les lois de Poisson de paramtres
respectifs 1 2 (lois notes (1 ) (2 )).

Question 1 :

Quelle est la loi suivie par la variable = + ? (On ne dmontrera pas de nouveau, ce rsultat
classique de cours).

14
Question 2 :

2a :

Dterminer la loi de la variable conditionnelle = .

2b :

Reconnatre ainsi une loi binomiale (, ) dont on prcisera les valeurs prises ici par .

Question 3 :

En dduire [ = ] (Ici encore, on admettra les rsultats du cours relatifs lesprance


mathmatique de la loi binomiale).

Question 4 :

Retrouver ainsi par le biais du thorme de lesprance totale, la valeur de ().

Question 5 :

On souhaite gnraliser les calculs prcdents au cas de variables alatoires de Poisson


indpendantes, soient ( ),1 .

5a :

Pour tout {1,2, , }, dterminer la loi de la variable conditionnelle = , ( ), avec


= 1 + 2 + . (loi dont on dmontrera quelle est de type binomiale ).

5b :

En dduire lexpression de ( = ) en fonction de et des .

5c :

Toujours laide du thorme de lesprance totale, retrouver ainsi le rsultat suivant lequel
( ) = .

CORRIGE

Question 1 :

Daprs le cours, : (1 + 2 ) puisque et sont indpendantes.

Question 2 :

2a :

(=,=)
( = = ) = (=)
, pour tout {0,1,2, . , }.

=
Or, selon le changement de variables { on a ( = , = ) = ( = , = ).
=+

15
Par ailleurs, comme et sont indpendantes, la loi du couple est le produit des lois.

Finalement, ( = , = ) = ( = , = ) = ( = ). ( = ).

Soit, en explicitant :

1 2

1
!
. . ()!
. 2
( = = ) = (1 +2 ) .
. (1 +2 )
!

En simplifiant :

1 1
( = = ) = ( ). ( ) . (1 )
1 +2 1 +2

2b :

1
Il sagit de la loi binomiale (, ).
1 +2

Question 3 :

1
Il en rsulte immdiatement ( = ) = . (rsultat du cours).
1 +2

Question 4 :

1
Considrant la variable conditionne , on a () = . .
1 +2

1
Suivant le thorme de lesprance totale, on a donc () = [()] = . ().
1 +2

Or ()= 1 + 2 puisque : (1 + 2 ).

Ainsi () = 1 (rsultat attendu car (1 ).

Question 5 :

5a :

( =,1 +2 ++1 ++1 + =)


( = 1 + 2 + + = )= (1 +2 ++ =)

{1,2, . , }
(pour tout {
{0,1,2, . , }

Or 1 + 2 + + (1 + 2 + + ) car les ( ) et sont indpendantes.

De mme, 1 + 2 + + 1 + +1 + : (1 + 2 + + 1 + + + ).

Dautre part, est indpendante des ( ). Elle est donc indpendante de leur somme
1 + 2 + + 1 + +1 + (Daprs le Lemme des coalitions).

16
En bref :

( = , 1 + 2 + + 1 + +1 + = )

=
( = ). (1 + 2 + + 1 + +1 + = )

Explicitant ces diffrents rsultats, il vient :


=
(1 + 2 + + 1 + + + ) {=1
.
! ( )! =
( = = ) =
(=1 ) =
=1
!

Soit, en simplifiant :


( = = ) = ( ) ( = ) . (1 = )
=1 =1


Cest la loi binomiale (, ) !.
=
=1

5b :

Reprenant le rsultat classique du cours relatif la loi binomiale, on a donc :


( = ) = .
=1
=

5c :

( ) = = . , donc [( )] = ( ) = = . () = (puisquici encore () = =
=1 ).
=1 =1

17
Ecole Spciale des Travaux Publics
Elves-Ingnieurs GME-1re anne
Anne SCOLAIRE 2015-2016 Application n2
Cours de Probabilits Statistique 27 fvrier 2017
Professeur : Jean-Pierre BOULAY ---
Sujet

16h- 18h30

Esprance mathmatique
Esprances conditionnelles

EXERCICE 1 :

Un industriel vend un article au prix fixe . Il rembourse le prix dachat tout acheteur qui constate
que le poids (alatoire) de larticle est infrieur un poids donn 0 et dans un tel cas, il rcupre
larticle en question dont la valeur de la matire premire est gale .

On suppose que est une variable alatoire valeurs relles et on note par () sa densit de
probabilit. On posera = () et 2 = ().

(En pratique, les valeurs de seront ncessairement positives ou nulles).

Un rglage adquat permet de fixer nimporte quelle valeur dsirable, mais par contre lcart-type
nest pas rglable.

Le prix de revient de chaque article est une fonction linaire de son poids, soit :

= + .

Question 1 :

Exprimer le bnfice alatoiredun article, soit (), en fonction de , , , , et des fonctions


indicatrices 1<0 10 .

Question 2 :

2a :

Exprimer lesprance mathmatique du bnfice, soit [()], en fonction de , , , , 0 et de la


densit de probabilit () de .

2b :

Introduisant la fonction de rpartition () de , dduire de la question prcdente que :

[()] = + + ( ). (0 )

Question 3 :

18
On admet que suit la loi normale (, ), cest--dire de densit de probabilit
1 1
() = . exp ( 22 . ( )2 ) , .
2


On rappelle que si : (, ) , la variable =
(0,1) (cest--dire la variable de densit de
1 2
probabilit () = 2
. exp ( 2 ) , ). On notera par ailleurs par (u) = P(U u), la

fonction de rpartition de la variable normale centre rduite .

3a :

0
Vrifier que [()] = + + ( ). (
).

3b :

[()]
Calculer
.

3c :

En dduire la valeur du rglage optimal, cest--dire du rglage maximisant lesprance du


bnfice.

Question 4 :

On suppose que = 10, 0 = 8, = 1, = 3, = 0,05 = 2.

Que vaut ?

CORRIGE

Question 1 :

B(W) = . W + v si > 0

B(W) = . W + p si 0

Synthtiquement, () = . + . 1>0 + . 10 .

Question 2 :

2a :

+
(()) = (). (). = . () + . (). + . 0 (). .
0

2b :

Introduisant la fonction de rpartition de , soit () = ( ), il vient :

(()) == . + . [1 (0 )] + . (0 )

Soit, le rsultat cherch : (()) == . + + ( ). (0 ).

19
Question 3 :

3a :
0
Si : (, ), on a ( 0 ) = (
).

0
Avec les notations de lnonc, on a donc (()) == . + + ( ). ( ).

3b :

(()) 1 0
= + ( ). ( ) . ( ).

3c :

La valeur qui maximise lesprance du benefice est donc la solution de lquation :

1 0 0
0 = + ( ). ( ) . (
) soit (
) = .

2
1
Or, () = . 2 .
2

.2 1
On a donc
= exp( 22 . (0 )2 ).

1
2
Do = 0 . 2 [ln( )] .
.2

1
2
On retiendra la solution = 0 + . 2 [ln(. )] car on a ncessairement > 0 .
2

Question 4 :

Lapplication numriqaue conduit la valeur = 10,88 .

EXERCICE 2 :

Soient deux variables alatoires discrtes valeurs dans .

On suppose que () loi de Poisson de paramtre > 0 .

Par ailleurs, on suppose que pour tout entier strictement positif, la loi de la variable conditionnelle
= est la loi binomiale (, ) et que = 0 si = 0.

Question 1 :

Quelle est la loi du couple (, ) ?

Question 2 :

Montrer que suit une loi de Poisson de paramtre .

Question 3 :

20
Pour tout (, ) 2 , expliciter la probabilit conditionnelle ( = = ).

Question 4 :

On dit quune variable alatoire suit la loi de Poisson translate si ().

4a :

En dduire () en fonction de et de .

4b :

Montrer que la variable = est une variable de Poisson translate dont prcisera ici la valeur
de la translation (cest--dire de ) et du paramtre (cest--dire de ).

4c :

En dduire la valeur de lesprance conditionnelle [ = ] et lexpression de de lesprance


[] (esprance de conditionne par ).

Question 5 :

Utilisant le thorme de lesprance totale, retrouver la valeur de ().

Question 6 :

A un embranchement routier, le nombre de vhicules qui arrivent en une heure suit une loi de
Poisson de moyenne 100 vhicules par heure.

Les vhicules ont le choix entre deux directions A ou B quils choisissent en proportions respectives
1 2
3
3 . Il est prcis que ces choix se font de faon indpendantes.

Sachant quen une heure, on sait que 100 vhicules ont pris la direction A, quel est le nombre moyen
de vhicules qui ont emprunts lembranchement durant lheure en question ?

Question 7 :

Soient , deux variables alatoires indpendantes et = + leur somme.

7a :

Montrer que () = + ().

7b :

Retrouver ainsi le rsultat de la question 6.

21
CORRIGE

Question 1 :

( = 0, = 0) = ( = 0 = 0). ( = 0) = 1( = 0) = .

Ailleurs, cest--dire pour tout couple dentiers (, ) +2 0 , on a :

!
( = , = ) = ( = = ). ( = ) = !
. . !.()! . (1 ) .

Remarquant que le rsultat ci-dessus reste applicable la valeur (0,0)du couple (, ), on retiendra
donc, dans tous les cas, cest--dire pour tout couple dentiers (, ) +2 0 :

() (. (1 )) .(1)
( = , = ) = .
! ( )!

Question 2 :

Suivant la loi des probabilits marginales :


=+ =+
() (. (1 )) .(1)
( = ) = ( = , = ) = .
! ( )!
= =

Posant = , dans la sommation ci-dessus, on a donc :

() (.(1)) .(1) () +.(1) .(1)


( = ) = !
. =+
=0 !
= !
. . .

()
Bref, ( = ) = !
().

Question 3 :

(=,=)
( = = ) = , pour 0.
(=)

() (.(1)) .(1)
!
. ()! (.(1)) .(1)
( = = ) = () = .
()!
!

Question 4 :

4a :

Soit = .

() () = () = + .

4b :

Posant = ( = ) , on a immdiatement (par changement de variable), la loi :

(.(1)) .(1)
( = = ) = !
, ceci pour .

22
Ainsi la variable = suit-elle la loi de Poisson (. (1 )) et la variable = suit-elle une
loi de Poisson translate.

= . (1 )
Avec les notations de la question 4a), on a {
=

4c :

On dduit des questions 4a) et 4b), ( = ) = + . (1 ).

Soit, pour lesprance de conditionne par () = + . (1 ).

Question 5 :

Suivant le thorme de lesprance totale :

() = [()] = () + . (1 ). Se rappelant que () (cf. question 2), on a donc


() = () = + . (1 ) = .

Cest bien un rsultat conforme lhypothse de lnonc suivant laquelle ().

Question 6 :
1
On est dans le contexte des questions antrieures avec = 100 et = 3.

1
Si = 100, () = 100. (1 ) + 100 = 167.
3

1
Se mfier ici du raisonnement simpliste mais sduisant, suivant lequel si 3 des vhicules allant vers A
2
et si le nombre de ces vhicules est 100, ceux qui vont vers B (en proportion 3 ) sont donc au nombre
de 200, tant donc pour sa part gale 300.

En fait, un tel raisonnement nintgre pas lhypothse dindpendance des choix.

Question 7 :

7a :

() = ( + ) = () + () = + ()

Or et sont indpendantes () = ().

Finalement : () = + ()

7b :

Soient :

le nombre total de vhicules se prsentant lembranchement ;


le nombre de vhicules allant vers A ;
le nombre de vhicules allant vers B.

23
1
: () () = 100 = 33
3

() = () () = 100 33 = 67 et donc ( = 100) = 100 + () = 100 + 67 = 167.

Cest le rsultat dj trouv en question 6 !.

24
Ecole Spciale des Travaux Publics
Elves-Ingnieurs GME-1re anne
Anne SCOLAIRE 2015-2016 Application n3
Cours de Probabilits Statistique 20 mars 2017
Professeur : Jean-Pierre BOULAY ---
Sujet

13h30- 16h

Couples de variables alatoires


Indpendance
Fonctions gnratrices et caractristiques

EXERCICE 1 : (sur 14 points)

Jeu de flchettes

On considre le disque unit de centre (0,0) de de rayon 1.

Soit (, ) un point tir alatoirement et de faon uniforme dans .

Question 1 :

Dfinir la densit de probabilit (,) (, ) du couple (, ).

Question 2 :

2a :

Dterminer les lois marginales de et de .

(Attention : Etre trs attentif aux bornes dintgration quand on applique la loi des probabilits
marginales!).

2b :

En dduire les valeurs de () et de ().

Question 3 :

Les variables et sont-elles indpendantes ?

Question 4 :

4a :

Calculer la covariance (, ) du couple (, ).

4b :

Quen conclure ?

25
Question 5 :

On se propose ici de dterminer de deux faons diffrentes la loi de la variable = 2 + 2 .

5a :

Dterminer la fonction de rpartition () puis la densit de probabilit de la variable .

5b :

= .
Partant du couple (, ), expliciter la loi du couple (, ) o { .
= .

5c :

En dduire la loi de puis celle de la variable = 2 .

5d :

Conclure et reconnatre la loi suivie par .

Question 6 :

6a :

Calculer ().

6b :

En dduire ( 2 ), ( 2 ) puis () et ().

Question 7 :

7a :

Dterminer la densit de probabilit = () de la variable conditionnelle = .

7b :

En dduire [ 2 = ] puis [ 2 + 2 = ].

7c :

Utilisant le thorme de lesprance totale, retrouver ainsi ().

Question 8 :

Un tireur tire sur la cible . La loi du point dimpact (, ) sur la cible est suppose uniforme.

Au point dimpact est associ la distance de ce point au centre de la cible, soit la variable
= 2 + 2 .

Supposant quune partie consiste en une srie de tirs indpendants, calculer la probabilit que lune
au moins des flchettes tires soit une distance infrieure du centre de la cible (0 < < 1).

26
CORRIGE

Question 1 :

Suivant la notion de probabilit uniforme sur une partie de 2 ( ), on a


lmentairement (,) (, ) = =
.

1
si (, ) 1
Plus rigoureusement (,) (, ) = { soit (,) (, ) = . 1{02 +2 1} (, ).

0

Question 2 :

2a :

Remarquant que pour 1 1, on a 1 2 +1 2 , il sensuit :

+1 2
2
() = (,) (, ) = = . 1 2 . 111 ()

1 2

Par symtrie, il est immdiat quon a aussi :

2
() = . 1 2 . 111 ()

2b :
+1 2
() = 1
. 1 2 = 0 .(En effet, il sagit ici de lintgrale dune fonction impaire sur un
domaine symtrique par rapport lorigine).

Par symtrie () =0.

Question 3 :

et ne sont pas indpendantes puisque (,) (, ) (). ().

Question 4 :

4a :

(, ) = () (). () = () puisque et sont centres (esprance nulle).

+1 +1 2 +1 +1 2
1 1 1 2
() = . = . ( . ) = . . [ ] . = 0
2 12
1 1 2 1

4b :

Ainsi et ont-elle une covariance nulle sans nanmoins tre indpendantes.

27
Question 5 :

5a :

() = ({(, ) 2 + 2 }.

Le raisonnement le plus simple est dinterprter ici encore la probabilit uniforme suivant
" "
" "
.

0 0
Ainsi () = { = 0 1
1 > 1

Plus lourd mais plus rigoureux est le raisonnement qui conduit passer par la loi du couple (, ).

() = ({(, ) 2 + 2 } avec 0 1.

+ + 2 +

() = ( ). = 2. 2 .
2


En posant = . , il vient () = 2 2. . . . = .

2

On retrouve bien le rsultat attendu sachant bien videmment que () = 0 pour 0 et () = 1


pour 1.

5b :
1
Partant de la densit lmentaire (,) (, ) = . 1{0 2 +2 1} (, ). du couple (, ), le

= .
changement de variables { conduit pour le couple (, ) la densit lmentaire
= .

1 1

. ||1{ 01 avec = |
| = . Do (,) (, ) = . . 1{ 01
02 02

2 2 1
Suivant la loi des probabilits marginales, on a donc () = 0 (,) (, ) = . 0
. = 2

(pour 0 1)

Posant = 2 , on obtient donc pour 0 1, la densit lmentaire :



(). = 2. . = .
2.

Ainsi () = 1. 1[0,1] ().

5c :

Bref, dans tous les cas, soit par lintermdiaire de la fonction de rpartition () , soit directement par
la densit de probabilit (), on reconnait dans la loi de , la loi uniforme (continue) sur [0,1], loi
note habituellement [0,1].

28
Question 6 :

6a :
1
1
() = . =
2
0

6b :

Puisque et ont mme loi, ( 2 ) = ( 2 ).


1
Ainsi () = ( 2 + 2 ) = 2. ( 2 ) ( 2 ) = ( 2 ) = 4.

Comme on a montr prcdemment que et taient desprance nulle, on a donc


1
() = () = 4.

Question 7 :

7a :

(,) (,)
= () = ()
avec 1 2 +1 2

(En effet, 0 2 + 2 1 1 2 +1 2 )

On a donc :

1
1
= () = . 1[12 ;+12 ] (, ) = . 1[12 ;+12 ] (, )
2 2 21 2
. 1

7b :

+1 2 +1 2
2 2
31 2. (1 2 ). 1 2
( = ) = . = .[ ] =
21 2 21 2 3 12 6. 1 2
1 2

1 2
( 2 = ) = 3
.

Dautre part, ( 2 + 2 = ) = ( 2 = ) + ( 2 = ) = 2 + ( 2 = ).

1 2 2 2 +1
Ainsi, ( 2 + 2 = ) = 2 + = .
3 3

7c :

2 2 +1
Utilisant le thorme de lesprance totale, on a () = [( 2 + 2 )] = ( 3
).

1 2 1 2 1 1
Il vient () = 3 + 3 . ( 2 ) = 3 + 3 . 4 = 2.

On retrouve la valeur dj obtenue la question 6a.

29
Question 8 :

Une partie donne lieu un , (1 , 2 , , ) de distances indpendantes, quidistribues et


de loi parente = .

Notant A lvnement { }, on a
= { min }.
1

Or ( min ) = (1 , 2 , , ) = =
=1 ( ) = [( )] .
1

Mais ( ) = ( 2 + 2 ) = ( 2 ) = 1 2 .

Finalement, ( min ) = (1 2 ) () = 1 (1 2 ) .
1

30
EXERCICE 2 : (sur 6 points)

Question 1 :

Soient deux variables alatoires relles indpendantes de densits de probabilit respectives


() () .

En utilisant le thorme de lesprance totale, montrer que la fonction caractristique du produit ,


soit () est donne par la relation :

() = (). ()

Question 2 :

2
On rappelle que si suit la loi normale centre rduite (0,1), on a () = 2 .

On suppose dans cette question que sont deux variables alatoires indpendantes de loi
normale centre rduite.

Calculer ().

Question 3 :

Soient 1 , 2 , 3 , 4 des variables alatoires indpendantes, quidistribues, de loi normale centre


rduite (0,1).

3a :

Montrer que 1 2 et 3 4 sont indpendantes.

3b :

En dduire la fonction caractristique 1 2 + 3 4 () de la variable alatoire 1 2 + 3 4.

Question 4 :

On considre une variable alatoire dont la densit de probabilit est dfinie par :

1
() = . exp(||) ,
2

(loi dite double exponentielle ou encore loi de Laplace ).

4a :

Calculer la fonction caractristique ().

4b :

En dduire la loi suivie par la variable 1 2 + 3 4 .

31
CORRIGE

Question 1 :

() = [ ] = [( )] (daprs le thorme de lesprance totale).

( = ) = . = () = . ()

(en effet, sont indpendantes ce qui entraine = () = ()).

On a donc ( = ) = . () = ().

Ds lors, () = [( )] = (). (). .

Cest le rsultat cherch !

Question 2 :

2 2
1
Dans cette question on a () = 2 et () = .
2 , .
2

Il sensuit daprs lexpression de () obtenue en question 1 :

2 2 2 (2 +1).2
+ 1 1
() = 2 . 2
. 2 . = .
2 . .
2

2
1
Posant = 2 + 1. , on a () = . 2 . .
2 +12

2
1
Or . 2 . = 1.
2

1
Donc () = .
2 +1

Question 3 :

3a :

1 2 sont indpendantes de 3 4 . Le produit 1 . 2 est donc indpendant du produit 3 . 4


(daprs le lemme des coalitions).

3b :

1 .2 +3 .4 () = 1 .2 (). 3 .4 () (du fait de lindpendance).

1
Or 1 .2 () = 3 .4 () = (daprs la question 2).
2 +1

1
En conclusion : 1 .2 +3 .4 () = 1+ 2.

32
Question 4 :

4a :

1 1
() = . exp(||) . 1 () () = . . exp(||) .
2 2

0 + +

1 1 1
() = . . + . . = . ( + ).
2 2 2
0 0

1 1 1 1
() = . [ + ]=
2 1 + 1 1 + 2

4b :

1 .2 +3 .4 () = (). Donc 1 . 2 + 3 . 4 et suivent la mme loi (cest--dire la loi de


Laplace).

33
34
Ecole Spciale des Travaux Publics
Elves-Ingnieurs GME-1re anne
Anne SCOLAIRE 2015-2016 Application n3
Cours de Probabilits Statistique 20 mars 2017
Professeur : Jean-Pierre BOULAY ---
Sujet

16h- 18h30

Couples de variables alatoires


Indpendance
Fonctions gnratrices et caractristiques

EXERCICE 1 : (sur 15 points)

(Les trois questions de cet exercice peuvent tre traites de faon indpendantes. Nanmoins, il est
conseill de suivre lordre croissant des questions).

Soit (, ) un couple de variables alatoires relles de densit de probabilit :

(,) (, ) = 2 . . 1{0<<} (, ) , paramtre rel strictement positif.

+ 1
(on rappelle que () = 0 = ( 1)!. ). Intgrale dEuler ).

Question 1 :

1a :

Pour (, ) , calculer ( . ).

1b :

En dduire les valeurs de (), (), ( 2 ), ( 2 ), (. ).

1c :

En dduire galement les valeurs de (), (), (, ).

1d :

Dterminer les lois marginales en et en , soient les densits de probabilit () ().

(Comme toujours lorsquon applique la loi des probabilits marginales, soyez attentifs bien dfinir les
bornes dintgration).

1e :

A laide du polycopi, reconnatre les lois dont il sagit.

35
1f :

Utilisant les rsultats du polycopi quant ces lois et leurs moments, vrifier ainsi lexactitude des
valeurs de (), (), (), () obtenues dans les questions 1b et 1c.

1g :

Les variables sont-elles indpendantes ?

Question 2 :

=+
On pose { .
= +

2a :

Calculer (, ).

2b :

=+
A laide du changement de variables { , expliciter la densit de probabilit (,) (, ) du
= +
couple (, ).

2c :

En dduire les densits de probabilit des variables , soient () ().

(On se mfiera tout particulirement des bornes dintgration. Ainsi, exprimant les (, ) en fonction
des(, ), il faut sinterroger sur les consquences pour , des ingalits 0 < < < +).

2d :

sont-elles indpendantes ?

Question 3 :

On admet dans cette question le rsultat suivant lequel : ().

Soient 1 , 2 , , , des variables alatoires indpendantes, quidistribues, et de loi parente (loi


commune) , cest--dire la loi exponentielle de paramtre (loi note ()).

Soient les variables = min et = max .


1 1

3a :

Dterminer les lois de et de .

3b :

Reconnaissant la loi suivie par en dduire sans calcul, la valeur de ( ).

36
3c :

On considre une variable alatoire valeurs sur + . On note par () sa densit de probabilit
et par () sa fonction de fiabilit (dfinie, pour rappel, par () = ( > ).
+
Montrer que si lim . () = 0, on a () = 0 (). .
+

3d :

En sinspirant du rsultat obtenu en 3c, en dduire la valeur de ( ).

CORRIGE

Question 1 :

1a :

+ +
2 2
++1 2
( ) = = . ( ). =
+1
0<<<+ 0 0 0

+ ++1 1 1 +
Posant = , on a ( ) = 0 (+1).+1+
2 . = (+1).+ . 0 ++1 .

(++2) (++1)!
Finalement, ( ) = (+1).+ = (+1).+.

1b :

Utilisant le rsultat prcdent, on a successivement :

Moment recherch Valeurs de Rsultat


() = 1, = 0 1

() = 0 , = 1 2

2
( ) = 2, = 0 2
2
( 2 ) = 0, = 2 6
2
() = 1, = 1 3
2

1c :
2
Il en rsulte immdiatement () = ( 2 ) ()2 = 2 2 (1) = 1 2.

2
De mme, () = ( 2 ) ()2 = 6 2 (2 ) = 2 2.

Enfin, (, ) = () (). () = 3 2 2 . 1 = 1 2

37
1d :
+

() = 2 = . ( 0)

() = 2 = 2 . ( 0)
0

1e :

La loi de est reconnaissable immdiatement. Cest la loi exponentielle de paramtre , loi note
().

Quant , cest la loi Gamma 2 de paramtre .

1f :
1 2 1
Conformment aux rsultats mentionns dans le polycopi () = , () = , () = 2 et
2
() = .
2

On retrouve donc bien ici les rsultats obtenus aux questions 1b et 1c.

2a :

(, ) = ( + , ) = () () (cf.bilinarit de la covariance).
2 1 1
On a donc (, ) = 2 2 = 2.

2b :

1
=+ = 2 . ( )
Suivant le changement de variables { { 1 , la densit lmentaire
= = . ( + ) 2
+
(,) (, ) = 2 . . 10<<<+ (, ) (,) (, ) = 2 . . 2 . ||1(,) (, ).

1
>0 . ( ) > 0 >
Or dune part { {12 1 {
> . ( + ) > . ( ) >0
2 2

1 1
Dautre part, =
|
| =| 2 2| = 1
1 1 2
2 2
+
1
Finalement, (,) (, ) = 2 . . 2 . 2 . 10<<<+ (, ) ,soit :

+ 1
(,) (, ) = 2 . . 2 . . 1 (, )
2 0<<<+

38
2c :
+ +
2
() (,
= (,) ). = . 2 . 2 = . ( 0)
2

On reconnat la loi exponentielle de paramtre !



2
() = 0 (,) (, ). = 2
. 2 . 2
0
= . 2 . (1 2 ) ( 0).

() = 1
(On pourra vrifier ici que { (ce qui est en conformit avec les rsultats fournis par la
() = 3
linarit de lesprance mathmatique applique et ).

2d :

Il est immdiat que et ne sont pas indpendantes puisque (, ) 0.

3a :
=

( ) = ( ) = [( )]
=1

+ +
Or ( ) = = [ ] =

Ainsi ( ) = , 0

( )
Il sensuit pour , la loi de densit de probabilit () = = . 1+ ().

Dautre part :
=

( ) = ( ) = [( )]
=1


Or ( ) = 0 = [ ]0 = 1 .


Ainsi ( ) = [1 ] , 0.

1
a donc pour densit de probabilit () = . [1 ] . 1+ ().

3b :

Il est immdiat que ().


1
On a donc ( ) = .

39
3c :
+ +

() = . (). = . ()
0 0

= =
Intgrant par parties suivant { { , on a immdiatement :
= () =
+ +

() = [. ()]+
0 + () = ()
0 0

(En effet, lhypothse . () = 0, assure la nullit du terme [. ()]+


0 ).
+

3d :

Appliquant le rsultat de la question 3c prcdente la variable , dont pour rappel, la fonction de


fiabiilit et la densit de probabilit sont respectivement :
1
( ) = 1 ( ) = 1 [1 ] et () = . [1 ] . 1+ ()

On remarque tout dabord que lim . ( ) = lim . [1 (1 ) ] = lim . = 0


+ + +

+
On a donc ( ) = 0 (1 [1 ] ).

1 1 (1)
Posant = 1 = .(1), il en rsulte ( ) = 0 .
(1)
. .

1 1 1 1 1 1
Par division, ( ) = 0 (1 + + 2 +. . 1 ). = . (1 + + + . )
2 3

40
EXERCICE 2 : (sur 5 points)

On rappelle que si la variable suit la loi normale centre rduite (loi note (0,1)),la fonction
2
caractristique () de est gale 2 .

Question 1 :

1a :

Si : (, ), retrouver lexpression de () partir de ().

1b :

Montrer que si deux variables alatoires et sont indpendantes et de lois normales respectives
( , ) et ( , ), la variable = + , (, ) 2, suit une loi normale dont on
prcisera la moyenne et lcart-type.

Question 2 :

Soient , , trois variables alatoires indpendantes, quidistribues, de loi normale centre


rduite (0,1).
+.
On pose = .
1+ 2

2a :

Quelle est la loi conditionnelle de sachant = (loi dont on notera la densit de probabilit par
= ().

2b :

En dduire la loi du couple (, ), loi dont on notera la densit de probabilit par (,) (, ).

2c :

Quelle est la loi de ?

Les variables et sont-elles indpendantes ?

CORRIGE

Question 1 :

1a :

Si (, ), = . + , o (0,1).

2 2
On a donc () = [ ] = [ .(.+) ] = . [ ] = . () = . 2 .

41
1b :

2 2 2
.
: ( , ) () = [ ] = () = . 2
Si { ,{ .
: ( , )
2 2 2
.
() = [ ] = () = . 2

2 2 2 + 2 2 )
Comme et sont indpendantes, + () = (). () = (+ ) . 2 .(

+ () est la fonction caractristique dune loi normale. Il sagit, plus prcisment, de la loi
( + , = 2 2 + 2 2 ).

Question 2 :

2a :
+.
= = .
1+ 2

Or et sont indpendantes et de loi commune (0,1).


1
Daprs le rsultat de la question prcdente, la variable = = . + . suit donc
1+ 2 1+ 2
1 1 2
la loi normale de moyenne . () + . () = 0 et de variance . () + . ().
1+ 2 1+ 2 1+ 2 1+ 2

Comme () = () = 1, il vient en dfinitive, que = (0,1).

2b :

La densit (,) (, ) du couple (, ) est gale au produit (). = (), soit en tenant compte
2 2
1 1
du fait que : (0,1), (,) (, ) = . 2 . . 2 , (, ) 2.
2 2

2c :

Par symtrie de la densit du couple (, ), il est immdiat que (. ) et (. ) sont identiques,cest-


-dire que : (0,1).

En outre (,) (, ) = () () , ce qui tablit lindpendance de et de .

42
Ecole Spciale des Travaux Publics
Elves-Ingnieurs GME-1re anne
Anne SCOLAIRE 2015-2016 Application n4
Cours de Probabilits Statistique 27 mars 2017
Professeur : Jean-Pierre BOULAY ---
Sujet

13h30- 16h

Convergences
Loi normale

EXERCICE 1 : (sur 7 points)

Soit > 0. Pour tout entier , on considre la suite ( )1 des variables de Bernoulli ,

indpendantes et de paramtre = .

1
Soit la variable alatoire dfinie par = . { 1 = 1}.

Question 1 :

Quelle est la loi suivie par la variable alatoire . ?

Question 2 :

2a :

Calculer la fonction caractristique . () de la variable . .

2b :

En dduire la fonction caractristique () de la variable .

Question 3 :

Montrer que lim () = .
+

Question 4 :

Considrant une variable alatoire de loi exponentielle de paramtre (loi note ()),
calculer ().

Question 5 :

En conclure que la suite des variables converge en loi vers la variable alatoire de loi ().

43
CORRIGE

Question 1 :

. est le premier indice pour lequel = 1. Lindpendance des et leur loi, rpondent aux

conditions de la modlisation par la loi gomtrique de paramtre = .

Question 2 :

2a :

Posant = . , on a () = =+
=1

. ( = ) = =+
=1

. (1 )1 .

Il vient () = . . =+
=1
(1)
. (1 )1 = . . =+
=0

. (1 ) .


1 .
Par sommation, () = . . 1(1 =
.
). 1(1 ).

2b :


() = [ . ] = [ . ] = . ().


.
.
Ainsi () =

.
.
1(1 ).

Question 3 :

.
. 1
Ecrivant () sous la forme () =

= .
et remarquant dautre part,
. .
. .[1 + ] 1 +


1
quau voisinage de linfini, . = 1 + (), on obtient, pour quivalent de (), la fonction
1 1
= = .
1 + (1 ) 1

Question 4 :
+
Lorsque suit la loi exponentielle de paramtre , () = 0 . = .

Question 5 :

La convergence de () vers () entrane la convergence en loi de vers la loi exponentielle


().

44
EXERCICE 2 : (sur 13 points)

Un htelier loue lavance ses 95 chambres pour la semaine qui correspond au pic de demandes de la
haute saison touristique.

Ayant remarqu que chaque anne, il y avait un taux de dsistement de 5% (en moyenne), lhtelier
acccepte 100 rservations.

On suppose que ces dsistements sont indpendants.

Question 1 :

Notant par la variable alatoire gale au nombre des dsistements constats, indiquer quelle est la
loi suivie par et en prciser son esprance et sa variance.

Question 2 :

Par quelles lois peut-elle tre approxime ici et pourquoi ?

Question 3 :

On souhaite valuer de plusieurs manires, la probabilit que tous les clients qui ont rserv ne
puissent pas tre accueilis par lhtelier.

Quel rsultat obtient-on ?

3a :

En utilisant l approximation de Poisson.

3b :

En utilisant le thorme central limite et en ngligeant la correction de continuit de Yates.

3c :

En utilisant le thorme central limite et en appliquant la correction de continuit de Yates.

3d :

Commenter les diffrents rsultats ainsi obtenus.

Question 4 :

Sachant que 100 rservations ont t prises, de combien de chambres lhtelier devrait-il disposer
pour tre assur au moins 95%, de faire face ses engagements ?

(On ngligera la correction de Yates).

45
Question 5 :

Dans cette question on suppose que le nombre de chambres est 95 et que le nombre des rservations
est dsormais inconnu.

Si lindpendance des dsistements reste inchange, il en est autrement du taux des dsistements
dont, par suite de nouvelles facilits laisses aux clients, la valeur est dsormais de 15%.

Au demeurant, le taux et lindpendance des dsistements restent inchangs.

Lhtelier souhaite pratiquer le surbooking tout en vaillant limiter 10% le risque de ne pas pouvoir
accueillir un client qui aurait rserv sa chambre.

Soit la variable alatoire gale au nombre de clients qui suite une rservation se prsentent
lhtel pour la semaine en question.

5a :

Quelle est la loi de ? En prciser son esprance et sa variance.

5b :

En approximant convenablement la loi de (ce quon justifiera), en dduire la valeur maximale du


surbooking ainsi autoris.

CORRIGE

Question 1 :

Il est immdiat que suit la loi binomiale (, ) suivant laquelle = 100 et = 0,05.

Suivant un rsultat classique du cours, () = = 5 et () = . (1 ) = 4,75.

On a aussi () = 4,75 = 2,17945.

Question 2 :

Puisque est grand et est faible, les conditions de convergence de la loi binomiale vers la loi de
Poisson (de paramtre = . = 5) sont runies ici.

Cependant, on peut penser galement au thorme central limite (thorme de Moivre Laplace

relativement la loi binomiale), thorme en fonction duquel ( = 5, = 2,17945).

Question 3 :

Tous les clients qui ont rserv et qui se prsentent ne peuventpas tre logs si le nombre de
dsistement est strictement infrieur 5.

3a :

Suivant lapproximation par la loi de Poisson, on a donc :

46
5
( 5) = ( < 5) = =4 5
=0 . ! = 0,4405.

3b :
55
Si on admet que ( = 5, = 2,17945), on a ( 5) = ( 2,17945 = 0) = 0,5.

(du moins en ngligeant la correction de continuit de Yates).

3c :

La prise en compte de la correction de continuit de Yates conduit retrancher 0,5 de lintervalle


considr de faon y inclure le point = 5.

550,5
On a donc ( 5) = ( = 0,23) = ( 0,23) = 0,409.
2,17945

3d :

Le calcul exact de ( 5) partir de la loi binomiale conduit la valeur 0,436.

Bien que soit grand, la faible valeur de diminue lefficacit du thorme central-limite, imprcision
compense que partiellement par la prise en compte de la correction de continuit de Yates.

En fait, on reste pleinement ici dans les critres de convergence de la loi binomiale vers la loi de Poisson
qui conduit, dans cet exemple, la valeur la plus proche de la rponse exacte.

Question 4 :

Dans cette question, on cherche le nombre de chambres, soit , tel que ( 100 ) 0,95.

Rappelant que ( = 100, = 0,05), et utilisant le thorme central limite, il vient (en
ngligeant la correction de continuit):

100 5 + 5 100
( 100 ) = ( ) = ( ) 0,95
2,17945 2,17945

Soit 0,95 ( 0,95 ) 0,95 . Par lecture de table, on a immdiatement la condition 0,95 1,645,
+5100
do, le rsultat 2,17945
1,645 98,58.

On retiendra comme rponse, lentier immdiatement suprieur, soit 99 chambres.

Question 5 :

5a :

: (, 0.95).

( ) = 0,95.
On a donc {
( ) = 0,95.0,05. = 0,217945.

47
5b :

Le thorme de Moivre Laplace (thorme central limite appliqu aux variables de Bernoulli dont est
la somme) entrane la convergence de vers la loi normale ( = 0,85. , = 0,35707. ).

On souhaite trouver la valeur de partir de laquelle la relation ( > 95) 0,10 nest plus
satisfaite.

0,85.
Pour la variable normale centre rduite associe , soit = 0,35707.
, on a donc la

950,85.
relation ( > 0,35707.
) < 0,10. Notant par 0,90 le nombre vrifiant ( > 0,90 ) < 0,10, il vient
par lecture de table, la condition 0,90 > 1,28.

950,85.
Il sensuit 0,35707.
> 1,28, soit aprs lvation au carr et dveloppement, linquation :

0,7225. 2 161,70889. + 9025 > 0

Les racines de ce trinme sont 1 = 106,22 et 2 = 117,59.

La premire valeur de partir de laquelle on na plus ( > 95) 0,1 est donc 1 = 106,22.

Concrtement, et raisonnant en nombres entiers, on retiendra donc pour le niveau de surbooking


cherch, soit , la valeur 106.

48
Ecole Spciale des Travaux Publics
Elves-Ingnieurs GME-1re anne
Anne SCOLAIRE 2015-2016 Application n4
Cours de Probabilits Statistique 27 mars 2017
Professeur : Jean-Pierre BOULAY ---
Sujet

16h- 18h30

Convergences
Loi normale

EXERCICE 1 : (sur 7 points)

Soit une suite de variables alatoires indpendantes et quidistribues de loi uniforme continue
sur [0,1] (loi note [0,1] ).

On pose = max .
1

On considre la variable = . (1 ) pour 1.

Question 1 :

Exprimer en fonction de et de , la fonction de rpartition () de la variable .

Question 2 :

Aprs avoir calcul lim (), en dduire que , o (1) (loi exponentielle de
+
paramtre 1).

Question 3 :

On considre la suite des variables alatoires = ln o = max , les variables tant


1
indpendantes et quidistribues de loi exponentielle de paramtre 1 (loi note (1)).

Montrer que la suite des variables converge en loi vers la loi de Gumbel.

(On rappelle que si suit la loi de Gumbel, sa fonction de rpartition () est gale
(()) , 0)

CORRIGE

Question 1 :

() = (. (1 ) ) = ( 1 )


Or ( 1 ) = 1 ( < 1 ) = 1 =
=1 ( < 1 )


1
Mais [0,1] , ( < 1 ) = 0 = 1 .

49

Finalement, () = 1 (1 ) .

Question 2 :


Lorsque +, () 1 . En effet, il est immdiat que (1 ) = exp(. ln (1 )) a


pour quivalent exp (. ( )) = exp() au voisinage de linfini.

Or pour une variable alatoire Z de loi exponentielle de paramtre 1, (loi note (1)), on a

() = 0 = 1 .

Ds lors, la convergence des fonctions de rpartition () vers () entrane la convergence en loi


des vers , cest--dire vers la loi (1).

Question 3 :
=

( ) = ( + ln()) = ( + ln())
=1

+ln() +ln()
Or pour tout 1 , ( + ln()) = 0 = [ ]0


Ainsi ( + ln()) = 1 ln() = 1 et ( ) = [1 ] .


Lorsque +, [1
] = exp(. ln (1
)) a pour quivalent exp(exp()).

Mais, si suit la loi de Gumbel, on a () = exp( exp()).



En conclusion, puisque lim () = (), .
+

Cela tablit la convergence en loi de la suite des variables vers la loi de Gumbel.

EXERCICE 2 : (sur 14 points)

Un grossiste fournit en viande hache trois cantines.

Il reoit chaque matin leurs commandes. Ce sont des variables alatoires , {1,2,3},
indpendantes,suivant des lois normales de moyennes respectives 55, 65, et 30 (en kilo) et dcart-
types respectifs 4, 10, et 3 (en kilo).

Question 1 :

Dsignant par la variable alatoire gale la quantit journalire de viande fournir, indiquer quelle
est la loi suivie par Z ainsi que ses paramtres () et ().

Question 2 :

50
Quelle est la quantit de viande quotidienne dont le grossiste doit disposer pour que le risque de ne
pouvoir satisfaire la demande soit infrieur 5% ?

Question 3 :

On admet dans cette question que le grossiste prvoit une disponibilit quotidienne gale 169 kg.

Lanne comptant 200 jours dapprovisionnement, on note par la variable alatoire gale au nombre
de jours dans lanne o la demande na pu tre satisfaite.

3a :

Quelle est la loi suivie par ?

3b :

Que valent () et () ?

3c :

Par quelles lois, la variable peut-elle tre approxime et pourquoi ?

Question 4 :

Dans cette question, on se propose dvaluer ( > 10) de plusieurs manires.

Quel rsultat obtient-on :

4a :

En utilisant lapproximation de par une loi de Poisson.

4b :

En utilisant le thorme central-limite (on ngigera la correction de continuit de Yates).

4c :

En utilisant le thorme central-limite et en appliquant la correction de continuit de Yates.

4d :

Interprter les diffrents rsultats ainsi obtenus.

Question 5 :

Dans cette question, on suppose que les variables , {1,2,3}, sont toujours indpendantes et de
lois normales respectives ( = 55, = 4), ( = 65, = 10), ( = 30, = 3).

La disponibilit quotidienne en viande fixe par le fournisseur est dsormais inconnue et est note .

tant toujours la demande journalire ( = 1 + 2 + 3 ), les rgles de gestion qui sappliquent ici
sont les suivantes :

51
Si , le fournisseur supporte une perte gale 1 euros par kilo invendu ;

Si > , le fournisseur supporte des pnalits lourdes gales 2 euros par kilo manquant.

Soit la variable alatoire dcrivant la perte journalire du fournisseur.

5a :

Exprimer en fonction de , et de 1 , 2 et .

5b :

Calculer () (on se contentera ici dune expression sous forme dune somme dintgrales).

5c :

On rappelle que :

() ()
(, )
( (, )) = (). ((), ) (). ((), ) + .

() ()

Quelle est la valeur optimale dont le fournisseur doit pouvoir assurer chaque jour la disponibilit
en viande de faon ce quil minimise son esprance de perte ?

5d :

On suppose que 1 = 20 , 2 = 60.


Quelle est la valeur de ainsi obtenue ?
CORRIGE

Question 1 :

= 1 + 2 + 3 suit la loi normale puisque cette dernire est stable par rapport laddition de
variables indpendantes.

() = =3
=1 ( ) = 150
Plus prcisment { =3
.
() = =1 ( ) = 42 + 102 + 32 = 1252

On retiendra donc que ( = 150, = 125 = 11,1803).

Question 2 :

On cherche la ressource en viande telle que ( > ) < 0,05.

52
150
Relativement la variable centre rduite associe , il sensuit ( > 11,1803) < 0,05 , soit par
150
complmentarit, ( 11,1803) 0,95 .

Or () = ( ) = 0,95 = 1,645.
150
Ainsi 1,645 150 + 1,64511,1803 = 168,39.
11,1803

Question 3 :

3a :

Dans lhypothse d(un approvisionnement journalier gal 169kg, la probabilit de pnurie pour un
169150
jour donn, est = ( > 169) = ( > 11,1803
= 1,6994).

Par lecture dans la table de la loi normale, on a immdiatement = 0,0446.

Pour chaque journe , on peut associer lvnement A = demande non satisfaite , la variable
indicatrice de A, soit . Il est immdiat que suit la loi de Bernoulli (1, ).

Quant la variable = =200


=1 , elle suit la loi binomiale ( = 200, = 0,0446).

3b :

() = = 2000,0446 = 8,92
{
() = . (1 ) = 2000,0446(1 0,0446) = 8,52217

3c :

Puisque est grand et faible, on peut approximer par la loi de Poisson de paramtre
= = 8,92.

Toutefois, le thorme central limite sapplique galement ici et autorise une approximation de la loi
binomiale par la loi normale ( = 8,92 , = 8,52217 = 2,91913) (rsultat qui, sagissant de la
loi binomiale est connu aussi sous le nom de thorme de Moivre-Laplace).

Question 4 :

4a :

8,92
Suivant lapproximation de Poisson, ( > 10) = 1 ( 10) = 1 =10
=0 !
. 8,92 = 0,285

4b :

Suivant lapproximation de par la loi normale (en ngligeant la correction de continuit de Yates),
108,92
on a ( > 10) = ( > 2,9193
= 0,37) = 1 (0,37) = 0,3557

4c :

53
La prise en compte de la correction de continuit de Yates conduit exclure le point 10 de lintervalle
tudi et donc ajouter 0,5 la borne propose.

108,92+0,5
On est donc amen calculer ( > 2,9193
= 0,541) = 1 (0,541) = 0,2946

4d :

Les rsultats prcdents soulignent limportance de la correction de continuit de Yates pour les
varaleurs relativement faibles du produit . Cest la loi de Poisson qui rpond le mieux ici aux critres
de convergence de la loi binomiale.

Question 5 :

5a :

= 1 . ( )
{
= 2 . ( ) >

En rsum, = 1 . ( ). 1 + 2 . ( ). 1>

5b:

E() = (z). () (o () dsigne la densit de probabilit de ). En effet, cest la variable


qui gnre lala dans .
+
On a donc E() = 1 . ( ). () + 2 . ( ). ()

5c:

()
La valeur optimale cherche est solution de lquation
= 0.

() +
= 1 () 2 () = (1 + 2 ). () 2 ( () dsignant la fonction de

rpartition de ).

La valeur qui minimise lesprance de la perte de gain du fournisseur est donc solution de lquation
2
() = .
1 +2

5d:
60
Avec les donnes numriques proposes, ( ) = 20+60 = 0,75

Or ( = 150, = 11,1803).

150
On a donc ( ) = (11,1803) = 0,75 = 150 + 0,6711,1803 = 157,50 .

54
Ecole Spciale des Travaux Publics
Elves-Ingnieurs GME-1re anne
Anne SCOLAIRE 2015-2016 Application n5
Cours de Probabilits Statistique 3 avril 2017
Professeur : Jean-Pierre BOULAY ---
Sujet

13h30- 16h

Estimation statistique

EXERCICE 1 : (sur 14 points)

Les lments dune population possdent un caractre qui suit une loi de probabilit dont la densit
.()
est , () = {. > (, , paramtres rels positifs).
0

(Loi exponentielle dite tronque ).

Une suite de expriences indpendantes fournit un chantillon des valeurs de , soit


(1 , 2 . , ).

Dans ce problme, on suppose que est connu.

Question 1 :

1a :

Calculer la log-vraisemblance associe au uplet de variables alatoires (1 , 2 . , )


(pour rappel, indpendantes, quidistribues, de loi parente ).

1b :

En dduire lestimateur du maximum de vraisemblance de , soit .

Question 2 :

Aux variables (de loi commune ), on associe les variables = . ( ) (1 ) .

2a :

Quelle est la loi commune suivie par les variables ?

2b :

En dduire que = . =
=1 ( ) suit une loi Gamma de paramtre 1 (loi note (1, )).

(On ne dmontrera pas de nouveau ici les rsultats du cours qui permettent de conclure quant la loi
suivie par ).

55
Question 3 :

3a :

A laide du rsultat obtenu dans la question prcdente 2-b, calculer ( ).

3b :

est-il un estimateur sans biais ? . est-il un estimateur asymptotiquement sans biais ?

Question 4 :
1
On considre lestimateur 1 = . .

4a :

Vrifier que 1 est un estimateur sans biais de .

4b :

En saidant ici encore des rsultats de la question 2-b), calculer (1 ).

4c :

En dduire que 1 est un estimateur convergent de .

Question 5 :

5a :

Calculer la quantit dinformation de Fisher fournie par sur le paramtre , soit (), puis en
dduire la borne de Frechet, Darmois, Cramer, et Rao.

(borne infrieure du risque des estimateurs sans biais ou encore, borne de lestimateur efficace).

5b :

1 est-il un estimateur efficace ? 1 est-il un estimateur asymtotiquement efficace ?.

Question 6 :

Une observation de la hauteur des pluies cumules durant une journe, a t effectue en site
donn, sur une priode de 30 jours pluvieux , un jour tant dit pluvieux , si la hauteur de pluie y
est suprieure 5 mm.

Le modle choisi pour est celui dune loi exponentielle tronque (telle celle tudie dans les
questions prcdentes), la valeur de tant fixe gale 5 mm.

Les donnes releves ( en mm) sont les suivantes :

56
31 71 45 9 26 65 13 26 63 24
8 25 9 11 23 43 16 12 90 24
5 15 86 19 88 24 20 5 75 30

6a :

Quelle est la valeur de lestimation de fournie par lestimateur du maximum de vraisemblance.

6b :

En utilisant les proprits asymptotiques de lestimateur du maximum de vraisemblance,en dduire


un intervalle de confiance au seuil 95% de la hauteur de pluie moyenne des jours pluvieux
( 5) sur le site en question.

CORRIGE

Question 1 :

1a :
=
=
(1 , 2 , , , ) = , ( ) = . .=1 ()
=1

= . . ( )
=1

1b :

Lestimateur du maximum de vraisemblance, soit est la valeur de qui maximise la fonction de



vraisemblance. Cest aussi la solution de lquation
= 0 (avec la condition
< 0 au point
) .


Or = =
=1 ( ). Il sensuit = .
=
=1 ( )


(On notera en outre, que
= 2 < 0, ce qui confirme quil sagit bien dun maximum).

Question 2 :

2a :

Effectuant le changement de variable = . ( ), on obtient une variable valeurs sur [0, +[



et de densit de probabilit () vrifiant () = . .
= (cf. mthode habituelle du
changement de variable).

Bref, () = . 1[0,+[ (). Cest la densit de la loi exponentielle de paramtre 1 (loi note
(1)).

57
2b :

Suivant un rsultat du cours, = . = =


=1 ( ) = =1 suit la loi Gamma de paramtre 1 (loi
note (1, ).

(Il est bien vident, ce sujet, que si les sont indpendantes, les le sont aussi).

1
On a donc, en dfinitive, () = (1)! . . 1[0,+[ ()

Question 3 :

3a :


() = ( ) = ( )
=
=1 ( )

+ + 1 + 2
Or ( ) = . 0
. () = . 0 .
(1)!
. = 1 . . 0 (2)!
. .

2
Reconnaissant dans (2)!
. , la densit de probabilit de la loi (1, 1), on a donc
+ 2
immdiatement 0 (2)!
. = 1 et () = 1 . .

3b :

nest pas sans biais puisquon na pas () = .

Par contre, lim () = , ce qui signifie, pour la proprit dtre asymptotiquement sans

biais.

Question 4 :

4a :
1
Par linarit, (1 ) = . ( )= .

1 est donc un estimateur sans biais de .

4b :

1 2 2 2
V(1 ) = ( ) . ( ) , ou encore, pour simplifier les calculs, V(1 ) = (1 ) [(1 )] , soit
1 2 2
V(1 ) = (1 )2 2 = ( ) . ( ) 2 .

2 + + 1
Or ( ) = 2 . 0 ()2 . () = 2 0 ()2 . (1)! . , soit selon la mme astuce que
2 2 + 3
dans la question 3a, ( ) = (1).(2) . 2 . 0 (3)!
. .

58
+ 3 3
Or 0 (3)!
. = 1 puisquon reconnat dans (3)!
. la densit de probabilit de la loi
(1, 2).

2 2 1 2 2
On a donc, finalement, ( ) = (1).(2) . 2 et V(1 ) = ( ) . (1).(2) . 2 2 .

2
Il vient aprs simplification, V(1 ) = 2.

4c :

lim V(1 ) = 0. 1 est donc un estimateur sans biais convergent de .


+

Question 5 :

5a :

(,)
IX () = [
] . Or, (, ) = . ( ).

(,) 1 (,) 1
Par suite,
= ( ) et
= 2 .

1
On a donc finalement, IX () = 2.

1 2
La borne qui est gale I vaut donc ici .
X ()

5b :

1 nest pas efficace puisque de variance suprieure la borne .

2 2
Par contre, pour grand, V(1 ) = est quivalent = .
2

Cela signifie que 1 est un estimateur sans biais asymptotiquement efficace de .

Question 6 :

6a :

Le calcul de =30
=1 ( 5) conduit la valeur 851.

30
On a donc = = 0,03525.
=30
=1 ( 5)

6b :
+
On cherche dans cette question, un intervalle de confiance pour (). Or, () = . ()
1 1
est gal . Cela nous ramne donc la recherche dun intervalle de confiance de voire .

Mais est un estimateur asymptotiquement sans biais, de loi normale, et asymptotiquement


efficace (cf . proprits de lestimateur du maximum de vraisemblance).

59
1
( = , = . () = )




Dans 95% des cas, 1,96 1,96 1,96 1,96 (
2
) 1,962

1,962 2
On obtient (1
) . 2 2. + 0 soit numriquement :

0,87194. 2 0,070505. + 0,00124275 0

= 0,0548974
La rsolution du trinme conduit aux solutions { 1 , lintervalle cherch pour tant
2 = 0,02596223
donc lintervalle [1 , 2 ].
1
Pour ce qui est de lintervalle de confiance de la hauteur de pluie moyenne, soit , on a donc lintervalle
1 1
de confiance [ , ] soit, numriquement, [18,21 ; 38,51].
2 1

60
EXERCICE 2 : (sur 6 points)

Un chantillon de 30 cigarettes dune mme marque extrait dune population de grande taille, a donn
les teneurs en goudron suivantes (exprimes en mg):

12,9 12,7 12,4 12,8 14,5 13,1 12,9 14,5 11,7 12,3
13,4 12,8 13,4 12,9 12,9 12,5 12,5 12,8 11,8 11,8
13,4 12,4 13,4 12,5 12,8 12,8 13,5 12,8 12,9 12,7

(On donne =30 =30


=1 = 385,8 et =1 = 4973,2)

La norme recommande une teneur en goudron infrieure ou gale 13mg par cigarette.

Question 1 :

1a :

Fournir une estimation ponctuelle de la proportion inconnue des cigarettes de cette marque qui
respectent la norme en vigueur sur la teneur en goudron.

1b :

Construire un intervalle de confiance au seuil 90% pour cette proportion inconnue .

Question 2 :

Fournir une estimation ponctuelle de la moyenne de la teneur en goudron des cigarettes de cette
marque ainsi quune estimation ponctuelle de lcart-type de cette teneur en goudron.

Question 3 :

On suppose que la variable alatoire qui dcrit la teneur en goudron (en mg) dune cigarette de la
marque considre suit une loi normale (, ).

3a :

Fournir avec un risque de 5% (ou encore seuil de confiance de 95%), une estimation par intervalle de
confiance de .

3b :

Peut-on en dduire avec cette confiance que la norme en vigueur sur la teneur en goudron est
respecte ?

CORRIGE

61
Question 1 :

1a :

La proportion est estime par la frquence observe des cigarettes conformes la norme cest--

dire par lestimateur = o dcrit le nombre de cigarettes conformes dans un chantillon de

taille .

Numriquement, aprs avoir compt ces dernires au sein de lchantillon propos dans lnonc, il y
en a 22 parmi les 30 pour lesquelles la teneur en goudron est infrieure ou gale 30mg.
22
Une estimation de est donc = 30 = 0,7333.

1b :

(, ) ( = , = . . (1 )) (thorme de Moivre-Laplace)

.(1)
= ( = , = ).

Au seuil 90%, on a (1,645 1,645) = 0,90 (cf. lecture dans table de la loi normale).

.(1) .(1)
Ainsi (1,645 1,645) = 0,90 1,645. + 1,645. .
.(1)

.(1) .(1)
Lintervalle de confiance cherch est donc = [ 1,645. ; + 1,645. ].

A ce stade, trois mthodes sont possibles et sont prsentes ci-aprs par ordre croissant de prcision :
1
11 Approximer . (1 ) par son maximum, max . (1 ) = 4. Cela conduit lintervalle
01
1 1
1 = [ 1,645. 2 ; + 1,645. 2 ] ; soit numriquement 1 = [0,583 ; 0,883].

21 Remplacer par dans lexpression des bornes de lintervalle , do lintervalle :

.(1 ) .(1 )
2 = [ 1,645.
; + 1,645.
] , soit 2 = [0,600 ; 0,866]

31 La mthode exacte.

1,6452
( )2 <
, soit par lvation au carr, et dveloppement, le trinme du second
.(1)

degr :
1,6452 2 1,6452
(1 + ). (2. + ) . + 2 0

62
Numriquement, on obtient lingalit :

1,0902. 2 1,5562. + 0,5373 0

1 = 0,8424
La rsolution fournit les racines { , lintervalle cherch tant donc = [1 , 2 ], soit
2 = 0,5850
numriquement = [0,5850 ; 0,8424].

Question 2 :

La moyenne de la teneur en goudron est estime ponctuellement par la moyenne empirique


=
=1
=
(cf . thorme de la moyenne et de la variance empirique).

Numriquement, on a donc = 12,86.


1
2
Par ailleurs, lestimateur sans biais de la variance est 2 = 1 . 2
, o = . [= 2 2
=1 . ].

1
Numriquement, 2 = 29 . [4973,2 3012,862 ] = 0,4073. Do, lestimation = 0,6821.

Question 3 :

3a :


Puisque est inconnu, on va utiliser la statistique dont la loi suivie est la loi de Student 1

degrs de libert (loi note ( 1)).

Au seuil 95% et pour un degr de libert gal 29, on a (|| 2,045) = 0,95 (cf. lecture dans la
table de Student).


Ainsi, dans 95% des cas, 2,045 2,045, soit [ 2,045 ; + 2,045 ].

Cest lintervalle cherch.

Numriquement, = [12,621 ; 13,098].

3b :

La valeur 13 ntant pas lextrieur droit de lintervalle on nest pas assur (au risque 5%) de la
condition 13.

63
64
Ecole Spciale des Travaux Publics
Elves-Ingnieurs GME-1re anne
Anne SCOLAIRE 2015-2016 Application n5
Cours de Probabilits Statistique 3 avril 2017
Professeur : Jean-Pierre BOULAY ---
Sujet

16h00- 18h30

Estimation statistique

EXERCICE 1 : (sur 9 points)

On considre un chantillon (1 , 2 , , ) de variables alatoires indpendantes, quidistribues,


1
1
() = . 1 1
et de loi parente de densit de probabilit { ( ,rel strictement positif).
() = 0

Question 1 :

1a :

Calculer la fonction de vraisemblance associe lchantillon en question, soit (1 , 2 , , , ).

1b :

En dduire la log-vraisemblance et lestimateur du maximum de vraisemblance de , soit .

Question 2 :

On considre la variable = .

2a :

Indiquer quelle est la loi suivie par .

2b :

En dduire ( ).

2c :

est-il un estimateur sans biais de ?

Question 3 :

3a :

Calculer la quantit dinformation de Fisher fournie par sur le paramtre , soit ().

65
3b :

En dduire la valeur de la borne de Frchet, Darmois, Cramer, et Rao (borne infrieure du risque
des estimateurs sans biais ou encore borne de lestimateur efficace).

3c :

Calculer ( ).

3d :

est-il un estimateur efficace ?

CORRIGE

Question 1 :

1a :
=
1 1
1
L(1 , 2 , , , ) = ( ) = . (1 2 )

=1

1b :
=
1
lnL = n. ln ( + 1) .

=1


Lestimateur est solution de lquation
= 0 (avec en outre, la condition
< 0 au point
.
1
Or, = + . =
=1 .
2

=
=1
Il en rsulte lestimateur gal
.

2
On remarque en outre que
= 2 3 . =
=1 , soit au point

1 =
=1
= . [ 2. ] = . On a donc bien la condition < 0 satisfaite au point
=
=1
.

Question 2 :

2a :

Puisque 1, = [0, +[.


1
1
Dautrepart, si () dsigne la densit de probabilit de , on a (). = . ( )1 .
(formule du changement de variable).

66

1 1
Il vient donc (). = . . , soit () = . , pour [0, +[.

1 1
On reconnat la loi exponentielle de paramtre , loi note ().

2b :

=
=1 ( )
( ) = (par linarit de lesprance mathmatique).

=
=1 ()
Les tant quidistribues de loi parente , on a ( ) =
= ().

1
Or () (cf . question 2a)). On a donc () = 11 = .

En conclusion, ( ) = .

2c :

est un estimateur sans biais de .

Question 3 :

3a :

(,)
() = [
].

1
1 1
(, ) = . 1 (, ) = ( + 1) . . Ds lors, par drivation, on obtient :

(,) 1 (,) 1 2

= + 2
, puis,
= 2 3 . .

2 (,) 1 2 1
Finalement, () = [ 2
] = (2 3 . ()) = 2 (par linarit de lesprance et par
suite du rsultat () = ).

3b :

1 2
La borne est gale ,soit = .
. ()

3c :

=
=1 ( ) ()
( ) = = (puisque les sont indpendantes et fortiori les variables ).
2

1
Mais il est immdiat que () = 2 (variance de la loi ()).

2
On retiendra donc que ( ) =
.

3d :

est un estimateur efficace puisque de variance minimale (gale la borne ).

67
EXERCICE 2 : (sur 11 points)

Dans uncentre avicole, un prlvement de 36 ufs dans la production (de grande taille), a conduit aux
poids suivants (mesurs en grammes) et classs par ordre croissant de valeurs :

50,34 52,62 53,79 54,99 55,82 57,67


51,41 53,13 53,89 55,04 55,91 57,99
51,51 53,28 54,63 55,12 55,95 58,10
52,07 53,30 54,76 55,24 57,05 59,30
52,22 53,32 54,78 55,28 57,18 60,58
52,38 53,39 54,93 55,56 57,31 63,15

(On donne =36 =36 2


=1 = 1982,99 et =1 = 109481,117).

Le classement des ufs dans la catgorie gros calibre exige un poids suprieur ou gal 53 g.

Question 1 :

1a :

Fournir une estimation ponctuelle de la proportion des ufs de cette fabrication vrifiant la
condition gros calibre .

1b :

Construire un intervalle de confiance au seuil 90% pour cette proportion inconnue .

Question 2 :

Fournir une estimation ponctuelle :

de la moyenne inconnue du poids alatoire dun oeuf issu du centre avicole en question ;

de lcart-type inconnu de ce poids.

Question 3 :

On suppose que la variable qui dcrit le poids alatoire dun uf suit une loi normale (, ).

3a :

Fournir avec un risque de 5% (ou encore seuil de confiance de 95%), une estimation par intervalle de
confiance de .

3b:

68
Peut-on en dduire avec ce niveau de confiance que la fabrication du centre avicole entre dans la
catgorie gros calibre ?

Question 4 :

Un second centre avicole (centre B) est ouvert et entre en concurrence avec celui tudi
prcdemment (centre A).

Suite un prlvement de 36 ufs dans le centre B, on obtient les rsultats :

=36 =36

, = 1905,42 ; , = 101075,81 .
=1 =1

Les poids des ufs fabriqus dans les deux centres suivent respectivement les lois normales notes
( , ) et ( , ).

4a :

Construire un intervalle de confiance au seuil 90% pour le rapport et conclure si lhypothse
= = peut tre retenue ici (hypothse dite dhomoscdasticit ).

4b :

Construire un intervalle de confiance au seuil 90% pour la diffrence des moyennes =


et en conclure quant lgalit ou non des poids moyens des ufs fabriqus dans chacun des deux
centres en question.

CORRIGE

Question 1 :

1a :

est estime par lestimateur = , o dsigne le nombre dufs de type gros calibre dans un
chantillon de taille .

Prsentement, = 30. Comptant le nombre dufs gros calibre dans lchantilloon propos, on
trouve 29 ufs.
29
Ainsi lestimation de fournie par lchantillon propos, est-elle ici = 36 = ,80555.

1b :

(, ) ( = , = . . (1 )) (thorme de Moivre-Laplace)

.(1)
= ( = , = ).

Au seuil 90%, on a (1,645 1,645) = 0,90 (cf. lecture dans table de la loi normale).

69
.(1) .(1)
Ainsi (1,645 1,645) = 0,90 1,645.
+ 1,645.
.
.(1)

.(1) .(1)
Lintervalle de confiance cherch est donc = [ 1,645.
; + 1,645.
].

A ce stade, trois mthodes sont possibles et sont prsentes ci-aprs par ordre croissant de prcision :
1
1. Approximer . (1 ) par son maximum, max . (1 ) = 4. Cela conduit lintervalle
01
1 1
1 = [ 1,645.
2
; + 1,645.
2
] ; soit numriquement 1 = [0,66846 ; 0,94263].

2. Remplacer par dans lexpression des bornes de lintervalle , do lintervalle :

.(1 ) .(1 )
2 = [ 1,645.
; + 1,645.
] , soit 2 = [0,69704; 0,91406]

3. La mthode exacte.

1,6452
( )2 <
, soit par lvation au carr, et dveloppement, le trinme du second
.(1)

degr :
1,6452 2 1,6452
(1 + ). (2. + ) . + 2 0

Numriquement, on obtient lingalit :

1,07517. 2 1,686278. + 0,648919 0

1 = 0,89099
La rsolution fournit les racines { , lintervalle cherch tant donc = [1 , 2 ],
2 = 0,67739
soit numriquement = [0,677 ; 0,891].

Question 2 :

La moyenne de la teneur en goudron est estime ponctuellement par la moyenne empirique


=
=1
= (cf . thorme de la moyenne et de la variance empirique).

Numriquement, on a donc = 55,083.


1
2
Par ailleurs, lestimateur sans biais de la variance est 2 = 1 . 2
, o = . [= 2 2
=1 . ].

1
Numriquement, 2 = 35 . [109481,117 3655,0832 ] = 7,199113. Do, lestimation
= 2,68311.

70
Question 3 :

3a :


Puisque est inconnu, on va utiliser la statistique dont la loi suivie est la loi de Student 1

degrs de libert (loi note ( 1)).

Au seuil 95% et pour un degr de libert gal 35, on a (|| 2,032) = 0,95 (cf. lecture dans la
table de Student).


Ainsi, dans 95% des cas, 2,032 2,032, soit [ 2,032 ; + 2,032 ].

Cest lintervalle cherch.

Numriquement, = [54,1743 ; 55,992].

3b :

La valeur 53 est lextrieur gauche de lintervalle . On est donc assur (au risque 5%) que la moyenne
des ufs fabriqus dans le centre avicole en question, rpond la condition gros calibre .

Question 4 :

4a :

2 2
( 1). 2 2 ( 1) . De mme, ( 1). 2 2 ( 1).

2
( 1). 2

2 2
( 1)
Ds lors, le rapport = 2
= 2 . 2 ( 1, 1) (loi de Fisher Snedecor).

( 1).
2

( 1)

Pour construire lintervalle de confiance au seuil 90%, cest--dire trouver les bornes 1 2 telles
( < 1 ) = 0,05
que (1 2 ) = 90%, on ramne ici ce problme aux deux conditions { .
( > 2 ) = 0,05

( > 2 ) = 0,05 ( 2 ) = 0,95.

Par lecture de table et pour la loi (35,35), il vient 2 = 1,76.

1 1 1 1
Quant la condition ( < 1 ) = 0,05, elle scrit aussi ( > ) = 0,05, soit ( ) = 0,05.
1 1

1
Mais si (, ), il est immdiat que (, ). Nanmoins, comme on a ici = , cest toujours

la loi (35,35) dont il sagit.
1
Bref, = 2 = 1,76.
1

2
1 2
En dfinitive, lintervalle cherch (au seuil 90%) est = [ . 2 ; 1,76. 2 ].
1,76

71
Numriquement, on rappelle que 2 = 7,199113 (cf. question 2).

=35
=1 , 1
Dautre part, = 36
= 52,92833 2 = 35 . [101075,81 3652,928332 ] = 6,431574.

Do = [0,507605 ; 1,572356].

Lorsque = , le rapport est gal 1.

Or 1 . Il ny a donc pas lieu ici de rejeter lhypothse suivant laquelle = .

4b :

2
( 1). 2 2 ( 1)
2 2
{ 2 ( 1). 2 + ( 1). 2 2 ( + 2) (1)

( 1). 2 2 ( 1)

Par ailleurs :

: ( , ) 2 2

{ ( , + ) .
: ( , )

( )
Ainsi (0,1). (2)
2 2
+ )

( )

2 2
+ )

Des rsultats (1) et (2), il sensuit 2 2
( + 2)

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

(loi de Student)

Lhypothse = et le cas particulier suivant lequel = = , conduisent des simplifications


).
(
importantes dans le rapport ci-dessus, qui scrit aprs calculs (avec = )
2 +2

Or, relativement la loi (70) et au seuil bilatral 90%, on a (|| 1,67) = 0,90.

1,67 1,67
Ainsi ( + ) = 0,90, do lintervalle de confiance de :
2 +2

1,67 1,67
= [ . 2 + 2 ; + . 2 + 2 ]

Numriquement, on a = [1,127; 3,182].

72
Lorsque = , = 0.

Or 0 . On doit rejeter ici lhypothse suivant laquelle = .

73
74