Vous êtes sur la page 1sur 165

Adil ELMARHOUM Mohamed DIOURI

PROBABILITES Exercices corrigés avec rappels de cours

COLLECTION SCIENCES TECHNIQUES ET MANAGEMENT

PROBABILITES Exercices corrigés avec rappels de cours

Tous les droits sont réservés Dépôt légal N° 2003/0049 I.S.B.N. 9954-409-41-6 Première édition 2003 Deuxième édition 2008 Troisième édition 2014

Les livres de la collection Sciences et Techniques sont édités par les Instituts supérieurs du Génie Appliqué IGA de Rabat, Marrakech, Fès, El Jadida et Settat.

DEDICACE

Pour que la mémoire demeure Lorsqu’une âme

pleure

une autre âme

M D

SOMMAIRE

LIMINAIRE

7

CH. 1.

PROBABILITES

9

1.1. Définitions.

9

1.2. Notion d’exclusivité

10

1.3. Notion d’indépendance.

11

1.4. Théorème de Bayse.

12

1.5. Enonces des exercices d’application.

13

1.6. Solutions des exercices.

15

CH. 2.

VARIABLE ALEATOIRE.

27

2.1. Définitions.

27

2.2. Distribution de probabilité.

28

2.3. Couple de variables aléatoires.

29

2.4. Espérance mathématique.

31

2.5. Inégalité de Bienaymé Tchebychev.

33

2.6. Enoncés des exercices d’application.

33

2.7. Solutions des exercices.

36

CH. 3.

ANALYSE COMBINATOIRE ET CALCUL DES PROBABILITES.

54

3.1. Permutations.

54

3.2. Arrangements.

54

3.3. Combinaisons.

55

3.4. Enoncés des exercices d’application.

56

3.5. Solutions des exercices d’application.

59

CH. 4.

LOIS DE PROBABILITE DISCRETES.

78

 

4.1. Loi Bernoulli.

78

4.2. Loi Binomiale.

78

4.3. Loi Polynomiale.

79

4.4. Loi Hypergéométrique.

80

4.5. Loi Hypergéométrique généralisée.

81

4.6. Loi de Poisson.

81

4.7. Enoncés des exercices d’application.

82

4.8. Solutions des exercices d’application.

85

CH. 5.

LOIS DE PROBABILITE CONTINUES.

99

5.1. Loi normale.

99

5.2. La loi Khi deux de Pearson.

101

5.3. La loi de Student.

102

5.4. La loi de Fisher Snedecor.

103

5.5. Enoncés des exercices d’application.

104

5.6. Solutions des exercices d’application.

107

CH. 6.

CONVERGENCE DES LOIS DE PROBABILITE

122

LOIS DES GRANDS NOMBRES. 6.1. Convergence en probabilité.

122

6.2. Convergence en loi probabilité.

122

6.3. Enoncés des exercices d’application.

124

6.4. Solutions des exercices d’application.

126

TABLES STATISTIQUES

140

BIBLIOGRAPHIE

163

LIMINAIRE

Le calcul des probabilités n’intervient pas uniquement, comme semble le croire une tradition tenace, pour le calcul des chances de gagner ou de perdre dans des jeux de hasard : lancement de dés, jeux de cartes, courses de chevaux, loterie nationale, etc. Il est vrai qu’à l’origine le développement de la théorie des probabilités est dû, en grande partie, aux calculs sur les jeux de hasard, mais par la suite, probabilités, lois de probabilités, lois statistiques ont été développées pour introduire les statistiques décisionnelles, à savoir : échantillonnages, distributions, estimations, etc.

Ce livre est ainsi une introduction au livre sur les statistiques décisionnelles puisqu’il renferme tous les chapitres que doit connaître un étudiant avant d’aborder les statistiques décisionnelles, à savoir : les calculs sur les probabilités, les variables aléatoires discrètes et continues, les lois de probabilités et les lois statistiques de variables discrètes et continues.

Nous avons conçu ce livre à l’instar de ce que nous avons fait pour notre livre sur la statistique descriptive : chaque chapitre commence par de brefs rappels de cours suivis d’énoncés des exercices d’application et se termine par les solutions proposées.

Tant l’étudiant que les professeurs pourront ainsi trouver :

- Le premier, l’occasion pour s’entrainer, autant qu’il veut, et préparer, dans de meilleures conditions ses examens en probabilités ;

- Le second, un ensemble important d’exercices d’application cours sur les probabilités.

7

pour illustrer son

En effet l’étudiant et le professeur savent que la meilleure façon d’apprendre et de faire apprendre une matière repose essentiellement sur la qualité et la quantité des cas pratiques étudiés.

Adil ELMARHOUM Professeur chercheur

Casablanca, mars 2014

.

8

Mohamed DIOURI Fondateur de l’IGA.

Probabilités.

10. Probabilités

1.1. DEFINITIONS.

CHAPITRE 1 PROBABILITES

1.1.1. Expérience et événement aléatoires.

La définition de la probabilité est liée aux notions d’expériences et d’événements aléatoires.

Une expérience est dite aléatoire lorsqu’on ne peut en prévoir exactement le résultat, du fait que tous les facteurs qui déterminent ce résultat ne sont pas maîtrisés.

Un événement aléatoire est un événement qui peut se réaliser ou ne pas se réaliser au cours d’une expérience aléatoire.

Exemples :

- Le jet d’un dé numéroté de 1 à 6 est une expérience aléatoire car le résultat du jet est imprévisible. L’événement avoir une face paire du dé est un événement aléatoire car le résultat du jet peut être impair comme il peut être pair.

- Le choix d’une personne dans un groupe d’individus contenant des hommes et des femmes est une expérience aléatoire car le résultat du choix est imprévisible. L’événement choisir une femme est un événement aléatoire car la personne choisie peut être une femme comme elle peut être un homme.

1.1.2. Définition classique de la probabilité.

Si au cours d’une expérience aléatoire on peut dénombrer tous les événements possibles, et si pour chaque événement on peut déterminer le nombre de cas favorables à la réalisation d’un événement aléatoire quelconque A, on définit classiquement la probabilité de l’événement A comme étant le rapport du nombre de cas favorables au nombre de cas possibles.

p(A) =

Nombre de cas favorables

Nombre de cas possibles

Cette définition montre que la probabilité est toujours comprise entre 0 et 1.

0

p

1

La probabilité de tout événement qui doit nécessairement se réaliser au cours d’une

expérience aléatoire est égale à 1, il s’agit d’un événement certain.

9

Probabilités.

10. Probabilités

P(événement certain) = 1

La probabilité de tout événement qui ne peut pas se réaliser au cours d’une expérience aléatoire est nulle, il s’agit d’un événement impossible.

P(événement impossible) = 0

1.2. NOTION D’EXCLUSIVITE.

1.2.1. Evénements exclusifs.

Deux événements aléatoires d’une même expérience aléatoire sont dits exclusifs ou incompatibles s’ils ne peuvent pas se réaliser simultanément.

Si deux événements aléatoires A et B sont exclusifs alors :

p(A ou B) = p(A) + p(B)

et

p(A et B) = 0

Si deux événements aléatoires A et B ne sont pas exclusifs alors :

p(A ou B) = p(A) + p(B) – p(A et B)

1.2.2. Evénements mutuellement exclusifs.

Plusieurs événements aléatoires associés à une même expérience aléatoire sont dits mutuellement exclusifs ou mutuellement incompatibles s’ils sont exclusifs deux à deux.

Si k événements A 1 , A 2 , …, A k sont mutuellement exclusifs alors :

p(A 1 ou A 2 ou … ou A k ) = p(A 1 ) + p(A 2 ) + … + p(A k )

Si trois événements aléatoires A, B, et C ne sont pas mutuellement exclusifs alors :

p(A ou B ou C) = p(A) + p(B) + p(C) – p(A et B) – p(A et C) – p(B et C) + p(A et B et C)

1.2.3. Evénements complémentaires.

Plusieurs événements aléatoires associés à une même expérience aléatoire sont dits totalement exclusifs ou complémentaires s’ils sont exclusifs deux à deux et si l’un d’eux doit nécessairement se réaliser.

Si k événements A 1 , A 2 , …, A k sont complémentaires alors :

p(A 1 ou A 2 ou … ou A k ) = p(A 1 ) + p(A 2 ) + … + p(A k ) = 1

10

Probabilités.

10. Probabilités

1.3. NOTION D’INDEPENDANCE.

1.3.1. Probabilité conditionnelle.

Considérons le cas de plusieurs expériences aléatoires simultanées ou successives.

Soient deux événements aléatoires A et B non nécessairement exclusifs. La probabilité conditionnelle de l’événement A sous la condition B, est la probabilité de réalisation de l’événement A, lors d’une expérience, sachant que l’événement B est déjà réalisé, lors d’une expérience simultanée ou antérieure. Elle est désignée par :

p(A / B) =

p(A et B)

p(B)

Soient deux événements aléatoires A et B non nécessairement exclusifs. La probabilité conditionnelle de l’événement B sous la condition A, est la probabilité de réalisation de l’événement B, lors d’une expérience, sachant que l’événement A est déjà réalisé, lors d’une expérience simultanée ou antérieure. Elle est désignée par :

p(B/ A) =

p(A et B)

p(A)

Cette définition conduit à la formule de probabilité composée :

P(A et B) = p(A) p(B/A) = p(B) p(A/B)

On peut généraliser cette formule à plusieurs événements. Ainsi pour trois événements A, B, et C :

P(A et B et C) = p(A)

1.3.2. Evénements indépendants.

p(B/A) p(C/A et B)

Deux événements A et B sont indépendants si la probabilité de voir se réaliser l’événement A ne dépend pas de la réalisation ou de la non réalisation de l’événement B. La probabilité de voir se réaliser l’événement B ne dépend pas de la réalisation ou de la non réalisation de l’événement A.

p(A) = p(A/B) = p(A/non B)

p(B) = p(B/A) = p(B/non A)

Deux événements A et B sont donc indépendants si :

p(A et B) = p(A) p(B)

11

Probabilités.

10. Probabilités

Plusieurs événements A 1 , A 2 , …, A k sont indépendants si :

p(A 1 et A 2 et … et A k ) = p(A 1 )

p(A 2 )

p(A k )

L'indépendance de plusieurs événements deux à deux n'entraîne pas nécessairement l'indépendance de l'ensemble des événements.

1.4. THEOREME DE BAYSE.

Soient E 1 , E 2 , …, E k , une série de k événements aléatoires totalement exclusifs. À chacun de ces événements correspond une information initiale qui permet d’évaluer à priori les probabilités p(E 1 ), p(E 2 ), …, p(E k ).

p(E 1 ) + p(E 2 ) + … + p(E k ) = 1

Soit

A

un

événement

quelconque

pour

lequel

on

conditionnelles p(A/E 1 ), p(A/E 2 ), …, p(A/E k ).

Les

événements

E 1 ,

E 2 ,

E k

nécessairement avec E 1 ou E 2 ou

étant complémentaires, ou E k .

connaît

à

priori

les

probabilités

l’événement

A

doit

se

réaliser

p(A) = p[(A et E 1 ) ou (A et E 2 ) ou … ou (A et E k )]

p(A) = p(A et E 1 ) + p(A et E 2 ) + … + p(A et E k )

Par définition de la probabilité conditionnelle :

p(A et E i ) = p(E i ) p(A/E i )

(i = 1 à k)

La probabilité de l’événement A est donc :

p(A) = p(E 1 ) p(A/E 1 ) + p(E 2 ) p(A/E 2 ) + … + p(E k ) p(A/E k )

p(A)

=

k

=

1

i

p(E )

i

p(A / E )

i

Le théorème de BAYES permet de calculer les probabilités conditionnelles à posteriori p(E 1 /A), p(E 2 /A), …, p(E k /A).

Par définition de la probabilité conditionnelle :

p(E / A) =

i

p(A et E )

i

p(A)

p(E / A) =

i

12

p( E )

i

p(A / E )

i

k

=

i

1

p(E )

i

p(A / E )

i

Probabilités.

10. Probabilités

1.5. ENONCES DES EXERCICES D’APPLICATION.

1.5.1.

Expliquer pourquoi doit-il y avoir une erreur dans chacune des phrases suivantes :

a)

La probabilité qu'il pleuve demain est 0,67 et la probabilité qu'il pleuve ou qu'il neige est

0,55.

b)

La probabilité qu'un étudiant réussisse son examen de statistique est 0,82 et la probabilité

qu'il réussisse ses examens de statistique et mathématique est 0,86.

c) Les probabilités qu'une secrétaire fasse 0; 1; 2; 3; 4; plus de 4 erreurs lors d'un travail de

dactylographie sont respectivement 0,12; 0,25; 0,36; 0,14; 0,09; et 0,07.

1.5.2. Selon le dernier recensement 55 % de la population sont analphabètes et 51 % de la

population sont de sexe féminin. Parmi les femmes, 68 % sont analphabètes. Calculer la probabilité d'être :

a) Une femme analphabète.

b) Une femme non analphabète.

c) Un homme analphabète.

d) Un homme non analphabète.

e) Une personne est choisie au hasard parmi les analphabètes, quelle est la probabilité

qu'elle soit une femme ?

1.5.3. Un portefeuille comprend 3 actions et 2 obligations.

a) On tire successivement et sans remise, chaque fois un titre. Quelle est la probabilité

d'avoir une action et une obligation ?

b) On tire dans le portefeuille un titre et on note sa catégorie. Si c'est une action on la remet

dans le portefeuille sinon on ne la remet pas. On effectue un second tirage. Quelle est la probabilité d'avoir une action et une obligation ?

1.5.4. Trois familles comprennent respectivement 2 garçons et 1 fille; 1 garçon et 1 fille; 1

garçon et 2 filles. Si on choisit au hasard et indépendamment un enfant de chaque famille,

quelle est la probabilité que le groupe des trois enfants ainsi constitué réunisse au moins 1 garçon et 1 fille ?

1.5.5. Soit A, l'événement tel qu'une famille a des enfants des deux sexes, et B, l'événement tel

qu'une famille a au plus 1 garçon.

a)

Montrer que A et B sont des événements indépendants si une famille a 3 enfants.

b)

Montrer que A et B sont des événements dépendants si une famille a 2 enfants.

1.5.6.

Dans une population de 10000 personnes, il y a 45 % de fumeurs et 35 % sont atteintes

de bronchite. De plus, 65% des personnes atteintes de bronchite sont des fumeurs.

a) Calculer la probabilité pour qu'une personne choisie au hasard dans cette population soit

un fumeur bronchitique.

b) Calculer la probabilité pour qu’une personne choisie au hasard, dans cette population,

soit un bronchitique non fumeur.

c) Calculer la probabilité pour qu'une personne choisie au hasard parmi les fumeurs soit

atteinte de bronchite.

13

Probabilités.

10. Probabilités

1.5.7. Pour juger de l'efficacité d'une campagne publicitaire ayant porté sur un produit, on a

sondé 1500 personnes, 1000 dans la région du Nord et 500 dans la région du Sud. Les résultats sont :

Régions

Connaissent le produit et le consomment

Connaissent le produit et ne le consomment pas

Ne connaissent pas le produit

Nord

80

150

770

Sud

50

130

320

Calculer les probabilités suivantes :

a) probabilité de connaître le produit.

b) probabilité de connaître le produit et le consommer.

c) probabilité de connaître le produit et ne pas le consommer.

d) probabilité d’être du nord.

e) probabilité d’être du sud.

f) Quelle est la probabilité pour qu’une personne qui connaisse le produit soit

consommatrice de ce produit ?

g) Quelle est la probabilité pour qu’une personne prise au hasard ne connaisse pas le

produit ?

1.5.8. Un avion de guerre passe au-dessus de 3 batteries antiaériennes. Chaque batterie a une

chance sur trois d'abattre l'avion. Quelle est la probabilité que l'avion soit abattu ?

1.5.9. Une usine s'adresse à deux fournisseurs A et B pour l'approvisionnement d'un composant

électronique. Le contrôle de conformité effectué sur un échantillon aléatoire de composants

électroniques a donné la répartition suivante des pourcentages de défauts :

Fournisseur

Répartition du nombre de défauts

 

0 défaut

1 défaut

2 défauts

Total

A 60

%

35

%

5 %

100

%

B 65

%

25

%

10 %

100

%

Sachant que 70 % des composants sont achetés à A et 30 % à B :

a) Calculer la probabilité pour qu'un composant ne présente aucun défaut.

b) Calculer la probabilité pour qu'un composant tiré aléatoirement et ne présentant aucun

défaut, provienne de B.

1.5.10. Un chercheur en marketing doit évaluer l'efficacité de l'utilisation et de la connaissance du nom d'un produit. Une étude de marché a montré que le produit occupe 10 % du marché et que 95 % des personnes ayant déjà achetés ce produit se rappellent le nom du produit, alors que seulement 20 % des non acheteurs le reconnaissent. Une personne est choisie d'une manière aléatoire parmi le groupe des consommateurs.

14

Probabilités.

10. Probabilités

a) Quelle est la probabilité à priori acceptable que la personne choisie soit un acheteur du

produit ?

b) Sachant que la personne reconnaît le nom du produit, quelle est la probabilité à posteriori

qu'elle fasse partie des acheteurs du produit ?

c) Sachant que la personne ne reconnaît pas le nom du produit, quelle est la probabilité à

posteriori qu'elle fasse partie des acheteurs du produit ?

1.5.11. On dispose de deux sacs. Un sac en jute qui contient 20 pièces d'or et 30 pièces d'argent

et un sac en cuir qui contient 20 pièces d'or et 20 pièces d'argent. On plonge la main dans l’un

des deux sacs et on en sort une pièce d'or. Quelle est la probabilité pour qu'il s'agisse du sac en cuir ?

1.5.12. Les étudiants d'une école sont répartis en trois groupes de 30 %; 34 %; et 36 % des

effectifs. Le taux d'absentéisme est respectivement de 4 %; 2 %; et 7 %. Un étudiant choisi au hasard s'est révélé de bonne assiduité. Calculer la probabilité que cet étudiant appartienne au groupe 1.

1.5.13. Une classe d’étudiants compte 20% d’étrangers, 55% de filles parmi les étrangers et

52% de filles parmi les nationaux, 5% d’absentéisme chez les filles et 8% d’absentéisme chez les garçons et enfin 70% de malades parmi les filles absentes et 52% de malades parmi les garçons absents. On choisit une personne, au hasard, quelle est la probabilité pour

a) qu’elle soit absente ?

b) quelle soit absente et malade

1.5.14. 65 % des étudiants d’une école de gestion sont des scientifiques, et le reste sont des

littéraires. On sait par ailleurs, que le taux de réussite des étudiants scientifiques est de 75 %, alors qu’il est de 55 % chez les littéraires. Si on choisit au hasard un étudiant, déterminer la probabilité :

a) Pour qu’il soit scientifique, sachant qu’il a réussi.

b) Pour qu’il soit littéraire sachant qu’il n’a pas réussi.

1.5.15. Dans une urne contenant 9 boules numérotées de 1 à 9, on prélève successivement et

avec remise 4 boules.

a) Calculer la probabilité de ne pas obtenir la boule numéro 1.

b) Calculer la probabilité d’obtenir au moins une fois la boule numéro 1.

c) Combien doit-on prélever de boules pour que la probabilité d’obtenir au moins une fois

la boule 1 soit égale à 0,75 ?

1.5.16. Quelle est la probabilité pour que deux personnes au moins, parmi 5 personnes, choisies

au hasard, soient nées le même jour de la semaine ?

1.6. SOLUTIONS DES EXERCICES.

1.6.1. Solution de l’exercice 1.5.1.

a) Soit p(P) la probabilité pour qu’il pleuve : on a p(P) = 0,67.

15

Probabilités.

10. Probabilités

Soit p(N ou P) la probabilité pour qu’il pleuve ou qu’il neige : on a p(N ou P) = 0,55.

Soit p(N) la probabilité pour qu’il neige.

Les événements P : « il pleut » et N : « il neige » sont exclusifs, puisqu’il ne peut pas pleuvoir et neiger, en même temps, on doit avoir : p(N ou P) = p(P) + p(N) > p(P) ce qui n’est pas le cas d’après l’énoncé.

b) Soit p(S) la probabilité que l’étudiant réussisse son examen de statistique : p(S) = 0,82.

Soit p(S et M) la probabilité que l’étudiant réussisse ses examens de statistique et de mathématiques : p(S et M) = 0,86.

Soit p(M) la probabilité que l’étudiant réussisse son examen de mathématique.

Les événements S : réussir son examen de statistique et M : réussir son examen de mathématique sont indépendants, on doit avoir p(S et M) = p(S) x p(M) < p(S) ce qui n’est pas le cas d’après l’énoncé.

c) On pose p(i) la probabilité que la secrétaire commette i faute(s) ( i < ou = à 4 ) et p(5) la

probabilité qu’elle commette plus de 4 fautes.

Les événements (1), (2), (3), (4) et (5) sont exclusifs et complémentaires, on doit avoir p(1) + P(2) + p(3) + p(4) + p(5) = 1 ce qui n’est pas le cas d’après l’énoncé.

1.6.2. Solution de l’exercice 1.5.2.

On pose : p(A) probabilité d’être analphabète : p(A) = 0,55

p(F) la probabilité d’être une femme : p(F) = 0,51

p(A/F) la probabilité d’être analphabète sachant qu’on est une femme : p(A/F) = 0,68

a) p(être une femme analphabète) = p(F) x p(A/F) = 0,51 x 0,68 = 0,35

b) p(être une femme non analphabète) = p(F) x (1 – p(A/F)) = 0,51 x 0,32 = 0,16

c) p(être un homme analphabète) = p(H) x p(A/H)

Avec : p(H) = p(être une homme) = 1 – p(F) = 0,49

p(A/H) = p(être analphabète sachant qu’on est un homme)

Or p(A) = p(A/F) x p(F) + p(A/H) x p(H)

16

Probabilités.

10. Probabilités

Donc p(être un homme analphabète) = 0,55 – 0,68 x 0,51 = 0,20

d) p(être un homme non analphabète) = p(H) x ( 1 – p(A/H))

Or p(A/H) = [ p(A) – p(A/F) x p(F) ] / p(H) = 0,41

Donc p(être un homme non analphabète) = 0,49 x 0,59 = 0,29

e) p( être une femme sachant qu’on est analphabète ) = p(F/A)

or p(F/A) = [p(A/F) x p(F)] / p(A) = 0,68 x 0,51 / 0,55 = 0,63

1.6.3. Solution de l’exercice 1.5.3.

a) Les tirages sont sans remise, les événements A : « tirer une action » et O : « tirer une

obligation » sont donc dépendants. On a donc :

p(d'avoir une action et une obligation) = p(A et O) + p(O et A)

p(d'avoir une action et une obligation) = p(A) x p(O / A) + p(O) x p(A / O)

or p = (Nombre de cas favorables) / (Nombre de cas possibles)

p(d'avoir une action et une obligation) = (3/5) x (2/4) + (2/5) x (3/4) = 3/5 = 0,6

b) p = p[(A et O)/ si 1 er tirage = A on la remet sinon on ne la remet pas)]

p = p[(tirer A puis O sachant qu’on a tiré A et qu’on l’a remise) ou (tirer O puis A sachant qu’on a tiré O et qu’on l’a pas remise)

p

= p(A)xp(O/A) + p(O)xp(A/O)

p

= (3/5)x(2/5) + (2/5)x(3/4) = 6/25 + 6/20 = 54/100 = 0,54

1.6.4. Solution de l’exercice 1.5.4.

p(G) : probabilité de choisir un garçon p(F) : probabilité de choisir une fille

p( choisir au moins 1 G et 1 F ) = p(G et G et F) + p(G et F et F) + p(G et F et G) + p(F et F et G) + p(F et G et F) + p((F et G et G)

On a ainsi listé tous les cas possibles de tirer au moins une fille et un garçon.

17

Probabilités.

10. Probabilités

Avec par exemple : p(G et G et F) : probabilité de choisir 1 G dans la 1 ère famille, 1 G dans la 2 ème famille et 1 F dans la 3 ème famille.

Or p(G et G et F) = p(1 G dans la 1 ère famille) x p(1 G dans la 2 ème famille) x p(1 F dans la 3 ème famille).

donc :

p(G et G et F) = (2/3)x(1/2)x(2/3) = 4/18

p(G et F et F)

p(G et F et G) = (2/3)x(1/2)x(1/3) = 2/18

p(F et F et G) p(F et G et F)

= (2/3)x(1/2)x(2/3) = 4/18

= (1/3)x(1/2)x(1/3) = 1/18 = (1/3)x(1/2)x(2/3) = 2/18

p((F et G et G) = (1/3)x(1/2)x(1/3) = 1/18 p(choisir au moins 1 G et 1 F) = (4+4+2+1+2+1)/18 = 14/18 = 0,7778

1.6.5. Solution de l’exercice 1.5.5.

a) Cas d’une famille de 3 enfants.

p(A) = probabilité qu'une famille ait des enfants des deux sexes.

p(A) = p(G et G et F) + p(G et F et G) + p((F et G et G) + p(G et F et F) + p(F et G et F) + p(F et F et G)

Avec par exemple : p(G et G et F) : probabilité d’avoir 1 G pour le 1 er enfant, 1 G pour le 2 ème enfant et 1 F pour le 3 ème enfant.

or p(G et G et F) = p(1 G pour le 1 er enfant) x p(1 G pour le 2 ème enfant) x p(1 F pour le 3 ème enfant)

donc :

p(G et G et F) = (1/2)x(1/2)x(1/2) = 1/8

p(G et F et G) = (1/2)x(1/2)x(1/2) = 1/8 p((F et G et G) = (1/2)x(1/2)x(1/2) = 1/8

p(G et F et F) p(F et G et F) p(F et F et G)

p(A) = 6 x 1/8 = 6/8 p(B) = probabilité qu'une famille ait au plus 1 garçon. p(B) = p(F et F et F) + p(G et F et F) + p(F et G et F) + p(F et F et G) p(B) = 4 x 1/8 = 4/8 p(A et B) = probabilité qu'une famille ait des enfants des deux sexes et ait au plus 1 garçon. p(A et B) = p(G et F et F) + p(F et G et F) + p(F et F et G) p(A et B) = 3/8

= (1/2)x(1/2)x(1/2) = 1/8 = (1/2)x(1/2)x(1/2) = 1/8 = (1/2)x(1/2)x(1/2) = 1/8

18

Probabilités.

10. Probabilités

Or p(A) x p(B) = 6/8 x 4/8 = 24/64 = 3/8

Ce qui

fait que

indépendants.

p(A

et

B) =

p(A)

b) Cas d’une famille de 2 enfants.

x p(B), on peut donc conclure que

A

et

B

sont

p(A) = probabilité qu'une famille ait des enfants des deux sexes. p(A) = p(G et F) + p(F et G)

Avec par exemple : p(G et F) : probabilité d’avoir 1 G pour le 1 er enfant et 1 F pour le 2 ème enfant.

or p(G et F) = p(1 G pour le 1 er enfant) x p(1 F pour le 2 ème enfant)

donc :

p(G et F) = (1/2)x(1/2) = 1/4 p(F et G) = (1/2)x(1/2) = 1/4 p(A) = 2/4 = 1/2 p(B) = probabilité qu'une famille ait au plus 1 garçon. p(B) = p(F et F) + p(G et F) + p(F et G) p(B) = 3/4 p(A et B) = probabilité qu'une famille ait des enfants des deux sexes et ait au plus 1 garçon. p(A et B) = p(G et F) + p(F et G) p(A et B) = 2/4 = 1/2 p(A et B) p(A) x p(B), on peut conclure que A et B sont dépendants.

1.6.6. Solution de l’exercice 1.5.6. L’énoncé de l’exercice peut se résumer comme suit :

p(être fumeur) = p(F) = 0,45 p(être non fumeur) = p(NF) = 1 – p(F) = 0,55 p(avoir une bronchite) = p(B) = 0,35 p(être non bronchitique) = p(NB) = 1 – p(B) = 0,65 p(être fumeur en étant bronchitique) = p(F/B) = 0,65

a) p(fumeur bronchitique) = p(F et B) = p(B) x p(F/B) = 0,35 x 0,65 = 22,75%

b) p(bronchitique non fumeur) = p(B et NF)

or p(B) = P(B et F) + p(B et NF) donc p(B et NF) = p(B) – p(B et F) = 0,35 – 0,2275 = 12,25%

c) p(B/F) = p(B et F) / p(F) = 0,2275 / 0,45 = 0,5056

19

Probabilités.

10. Probabilités

1.6.7. Solution de l’exercice 1.5.7.

Reprenons le tableau des données :

Régions

Connaissent le produit et le consomment

Connaissent le produit et ne le consomment pas

Ne connaissent pas le produit

Nord

80

150

770

Sud

50

130

320

On convient des notations suivantes :

A

B

: l’événement connaître le produit et

: l’événement consommer le produit

A l’événement ne pas connaître le produit.

B l’événement ne pas consommer le produit.

N

S

: l’événement être du nord.

: l’événement être du sud.

a) Probabilité de connaître le produit : p(A) =

80

+

150

+

50

+

130 =

1500

0,273

b) Probabilité de connaître le produit et le consommer : p(A et B) =

c)

Probabilité de connaître le produit et ne pas le consommer.

p(A et

B ) =

150

+

130 =

1500

0,187

80

+

50 =

1500

1000 =

1500

500 =

1500

d) Probabilité d’être du nord : p(N) =

e) Probabilité d’être du sud : p(S) =

0,667

0,333

0,087

f) On a choisi une personne parmi ceux qui connaissent le produit, quelle est la probabilité

qu’elle soit consommatrice de ce produit ?

p(B/A) =

p(BetA) = 0,087

0,273

p(A)

=

0,319

g) Une personne est choisie au hasard au sud : quelle est la probabilité qu’elle ne connaisse

pas le produit.

p(

B /S) =

p(B etS) = 320 /1500

0,213

=

p(S)

0,333

0,333

20

=

0,641

Probabilités.

10. Probabilités

1.6.8. Solution de l’exercice 1.5.8.

Soit A l’événement que l’avion soit abattu.

Soient les événements A1, abattre l’avion avec la 1 ère batterie ; A2 abattre l’avion avec la 2 ème batterie et A3 abattre l’avion avec la troisième batterie.

p(A1) = p(A2) = p(A3) = 1 3 et A = A1 ou A2 ou A3

La probabilité pour que l'avion soit abattu est la probabilité pour qu’il soit abattu avec la 1ère batterie ou avec la 2 ème batterie et donc raté par la 1 ère batterie ou avec la 3 ème batterie et donc raté par la 1 ère et la 2 ème batterie.

p(A) = p(A1) + p( A1 et A2) + p(

A1 et

A2 et A3)

 

1

2

1

2

2

1

19

p(A) =

+

(

)

+

(

)

=

3

3

3

3

3

3

27

1.6.9. Solution de l’exercice 1.5.9.

Reprenons le tableau des données :

Fournisseur

Répartition du nombre de défauts

 

0 défaut

1 défaut

2 défauts

Total

A 60

%

35

%

5 %

100

%

B 65

%

25

%

10 %

100

%

p(A) = 0,70

et p(B) = 0,30

a) Probabilité pour qu'un composant ne présente aucun défaut.

p(0) = p(0 et A) + p(0 et B) = p(A) x p(0/A) + p(B) x p(0/B)

p(0) = 0,70 x 0,60 + 0,30 x 0,65 = 0,615

b) Probabilité pour qu'un composant tiré aléatoirement et ne présentant aucun défaut, provienne de B.

p(B/0) =

p(Bet0)

p(B)

p(0/ B)

0,30

0,65

=

=

p(0)

p(0)

0,615

=

1.6.10. Solution de l’exercice 1.5.10.

Soient les événements :

21

0,317

Probabilités.

10. Probabilités

A

: acheteur du produit : p(A) = 0,10

 

B

: connaisseur du produit : p(B/A) = 0,95

de

plus : p(B/A) = 0,95

et

p(B /

A ) = 0,20

a)

Probabilité que la personne choisie soit un acheteur du produit est : p(A) = 0,10

b)

Probabilité à posteriori qu'une personne reconnaissant le nom du produit, fasse partie des

acheteurs du produit.

p(A/B) =

p(A/B) =

p(AetB)

=

p(A)

p(B/ A)

p(B)

p(A)

p(B/ A)

+

0,345

p(A)

 

0,10

0,95

=

0,10

0,95

+

0,90

0,20

p(B/ A)

c) Probabilité à posteriori qu'une personne ne reconnaissant pas le nom du produit, fasse

partie des acheteurs du produit.

p(A/ B ) =

p(A/

B ) =

p(Aet B)

=

p(A)

p(B/ A)

p(B)

p(A)

(1

0,10

p(B/ A)

0,95)

+

p(A)

0,10

(1

0,95)

+

(1

0,1)

(1

0,2)

p(B/ A)

=

0,007

1.6.11. Solution de l’exercice 1.5.11.

Soient les événements :

J : il s’agit du sac en jute.

C

: il s’agit du sac en cuir.

O

: il s’agit d’une pièce d’or.

A

: il s’agit d’une pièce d’argent.

1

D’après les données : p( J ) = p( C ) =

2 = 0,5

20 = 0,4

p(O/J) = 50

20 = 0,5

P(O/C) = 40

30 = 0,6

p(A/J) = 50

20 = 0,5

P(A/C) = 40

p(C)

p(O/ C)

Calculons : p(C/O) = p(C)

p(O / C)

+

p(J)

22

p(O/ J)

Probabilités.

10. Probabilités

0,5

0,5

p(C/O) = 0,5

0,5

+

0,5

0,4

= 0,556

1.6.12. Solution de l’exercice 1.5.12.

Soient les événements suivants :

G1 : être un étudiant du groupe 1 : p(G1) = 0,30 G2 : être un étudiant du groupe 2 : p(G2) = 0,34

G3 : être un étudiant du groupe 3 : p(G3) = 0,36

A : être un étudiant absent.

p(A/G1) = 0,04 ; p(A/G2) = 0,02 et p(A/G3) = 0,07

Bonne assiduité est le contraire de l’absentéisme.

Calculons : p = p(G1/

A )

p =

p(G1)

p(A/ G1)

 

p(G1)

p(A/ G1)

+

p(G2)

0,30

(1

p(A/ G2)

0,04)

+

p(G3)

p(A/ G3)

p = 0,30

 

(1

0,04)

+

0,34

(1

 

0,02)

+

0,36

(1

0,07)

donc p(G1/ A ) = 0,301

1.6.13. Solution de l’exercice 1.5.13.

On peut résumer l’énoncé comme suit : soit les événements

E

: être étranger, p(E) = 0,20

N

: être national, p(N) = 0,80

F

: être fille, p(F/E) = 0,55 et p(F/N) = 0,52

A

: être absent, p(A/F) = 0,05 et p(A/G) = 0,08

M

: être malade, p[M/(F et A)] = 0,70 et p[M/G et A )]= 0,52

a) p(A) = p((A et F) ou (A et G))

or p(A et F) = p(F) x p(A/F)

p(F) = p[(F et E) ou (F et N)]= p(E) x p(F/E) + p(N) x p(F/N) = 0,20.0,55+0,80.0,52 = 52,60%

23

Probabilités.

10. Probabilités

donc : p(A et F) = p(F) x p(A/F) = 0,526.0,05 = 2,63%

de même p(A et G) = p(G) x p(A/G)

et p(G) = p[(G et E) ou (G et N)] = p(E) x p(G/E) + p(N) x p(G/N) = 0,20.0,45 + 0,80.0,48

= 47,40%

donc p(A et G) = p(G) x p(A/G) = 0,474.0,08 = 3,79%

ce qui donne : p(A) = p[(A et F) ou (A et G)] = 0,0263 + 0,03792 = 0,0642 = 6,42%

b) p(A et M) = p(A) x p(M/A)

or p(M/A) = p[( M et F)/A ou (M et G)/A] = p[( M et F)/A] + p[(M et G)/A]

p[( M et F)/A] = p(M et F et A) / p(A) = p(F) x p[(M et A)/F] / p(A)

p[(M et A)/F] = p(A/F) x p(M/(A et F)) = 0,05 x 0,70 = 0,035

p[(M et G)/A] = p(M et G et A) / p(A) = p(G) x p[(M et A)/G] / p(A)

p[(M et A)/G] = p(A/G) x p(M/(A et G)) = 0,08 x 0,52 = 0,0416

donc : p(M/A) = [0,526 x 0,035 / 0,0642] + [0,474 x 0,0416 / 0,0642] = 0,5939 = 59,39%

p(A et M) = p(A) x p(M/A) = 0,0642 x 0,5939 = 3,81%

1.6.14. Solution de l’exercice 1.5.14.

On peut résumer l’énoncé comme suit : soit les événements

S

: scientifique, p(S) = 0,65

L

: littéraire, p(L) = 0,35

R

: réussir, p(R/S) = 0,75 et p(R/L) = 0,55

a)

Probabilité pour qu’il soit scientifique, sachant qu’il a réussi.

p(S/R) = p(S et R) / p(R) = [p(S) x p(R/S)] / p(R) p(R) = p(R et S) + p(R et L) p(R) = p(S) p(R/S) + p(L) p(R/L) = 0,65 x 0,75 + 0,35 x 0,55 = 0,68 p(S/R) = 0,65 x 0,75 / 0,68 = 0,7169

b) Probabilité pour qu’il soit littéraire sachant qu’il n’a pas réussi.

p(L/NR) = p(L et NR) / p(NR) = [p(L) x p(NR/L)] / p(NR)

24

Probabilités.

10. Probabilités

p(NR) = 1 - p(R) = 1 – 0,68 = 0,32 p(L/NR) = 0,35 x (1 – 0,55) / 0,32 = 0,4922

1.6.15. Solution de l’exercice 1.5.15.

a) Les tirages avec remise sont indépendants, la probabilité de ne pas obtenir la boule 1 est

8/9 pour chaque tirage.

La probabilité de ne pas obtenir la boule numéro 1 après les 4 tirages est : p 1 =

0,6243

(

8

9

)

4

=

b) On utilise l’événement contraire « ne pas obtenir la boule 1 après les 4 tirages ». La probabilité recherchée est donc :

p 2 = 1 – p 1 = 1 – 0,6243 = 0,3757

c) La probabilité de ne pas obtenir la boule 1 après n tirages est : p =

On cherche n tel que : 1 -

=>

n =

8

n

log (

)

= log(0,25)

= 11,77

9

log(0,25)

log(8 / 9)

(

8

9

)

n

= 0,75

=>

Il faut donc prélever 12 boules

=>

(

8

9

)

n

= 0,25

n log(8/9) = log(0,25)

1.6.16. Solution de l’exercice 1.5.16.

(

8

9

)

n

La probabilité pour que deux personnes au moins, parmi 5 personnes choisies au hasard, soient nées le même jour de la semaine, est égale au complément de la probabilité pour que les 5 personnes soient nées dans des jours différents.

La première personne peut être née n’importe quel jour de la semaine, soit une probabilité

de

7 . La deuxième personne peut être née n’importe quel jour des 6 jours restants, soit une

7

probabilité de 7 6 . Même principe pour les autres personnes dont les probabilités respectives

sont

5

7

;

4

7

et

3

7

.

25

Probabilités.

10. Probabilités

La probabilité recherchée est donc :

p=

1

7

7

x

6 85 %

7

x

5

7

x

4

7

x

3

7

=

Il y a donc 85 % de chances pour que deux personnes au moins, parmi 5 personnes choisies au hasard, soient nées le même jour de la semaine.

26

Probabilités

2. Variable aléatoire

CHAPITRE 2 VARIABLE ALEATOIRE

2.1. DEFINITIONS.

Une variable aléatoire X est une variable associée à une expérience ou à un groupe d'expériences aléatoires et servant à caractériser le résultat de cette expérience ou de ce groupe d'expériences.

On distingue les variables aléatoires qualitatives et les variables quantitatives qui peuvent être soit discontinues ou discrètes soit continues.

2.1.1. Variable aléatoire qualitative.

Une variable aléatoire est qualitative si elle est exprimée de façon non chiffrée.

Exemple : Soit X la variable aléatoire qui caractérise le résultat de l'expérience aléatoire "jet d'une pièce de monnaie". X est une variable aléatoire qualitative, elle ne peut prendre que les valeurs pile ou face.

Pour pouvoir éviter de travailler sur des valeurs qualitatives, on a l’habitude d’affecter un nombre à chacune des valeurs qualitatives, par exemple pour le cas de la pièce de monnaie, on pourrait affecter 1 pour la face pile et 0 pour l’autre face , de même pour le dé on a l’habitude de numéroter de 1 à 6 ses faces.

Par conséquent nous pouvons toujours considérer que nous n’avons que des variables aléatoires quantitatives.

2.1.2.

continue.

Variable

aléatoire

quantitative

discontinue

et

variable

aléatoire

quantitative

Une variable aléatoire est quantitative (discontinue ou continue) si elle est exprimée de façon chiffrée. La variable ne peut prendre que des valeurs entières, si elle est discontinue ou des valeurs réelles, appartenant à un intervalle, si elle est continue

Exemples :

- Soit X la variable aléatoire qui caractérise le résultat de l'expérience aléatoire "jet d'un dé homogène". X est une variable aléatoire quantitative discrète, elle peut prendre les valeurs entières 1, 2, 3, 4, 5, et 6.

27

Probabilités

2. Variable aléatoire

- Soit X la variable aléatoire qui caractérise le nombre de garçons dans une famille de

quatre enfants. X est une variable aléatoire quantitative discrète, elle peut prendre les valeurs entières : 0, 1, 2, 3, et 4.

- Soit X la variable aléatoire qui caractérise le poids d’une personne choisie dans un groupe.

X est une variable aléatoire continue, elle peut prendre toutes les valeurs possibles pour le

poids d’une personne.

- Soit X la variable aléatoire qui caractérise la taille d’une personne choisie dans un groupe.

X est une variable aléatoire continue, elle peut prendre toutes les valeurs possibles pour le

poids d’une personne.

2.2. DISTRIBUTION DE PROBABILITE.

2.2.1. Cas d’une variable aléatoire discontinue.

La probabilité que la variable aléatoire X prenne la valeur k est :

p(k) = p(X = k)

L'ensemble des valeurs admissibles k et des probabilités correspondantes p(k) constitue une distribution de probabilité discontinue. La relation entre k et p(k) est appelée loi de probabilité.

Pour toutes les distributions de probabilités dont les valeurs k correspondent à des événements complémentaires, le total des probabilités est égal à 1.

k

=

m

k

=

0

p(k)

=

1

La distribution cumulée des probabilités est appelée fonction de répartition :

F(k) = p(X

k) =

0

F(x)

x

=

k

0

1

p(k)

2.2.2. Cas d’une variable aléatoire continue.

la

probabilité p(X = x) 0 . La notion de distribution de probabilité n'a donc plus de sens dans

le cas d’une variable aléatoire continue. Par contre la fonction de répartition conserve toute sa

signification.

Un

intervalle

continu

contient

une

infinité

de

valeurs,

de

ce

fait

La fonction f(x), dérivée de la fonction de répartition F(x), est appelée fonction de densité

de probabilité. Elle doit satisfaire la relation suivante :

28

Probabilités

2. Variable aléatoire

+ •

f (x) dx = 1

La fonction de répartition F(x) est définie par :

F(x)

=

x

f (t) dt

La fonction de répartition F(x) permet de déterminer la probabilité pour que X soit compris

dans un intervalle [a , b]

P(a

X

b) = F(b) - F(a)

2.3. COUPLE DE VARIABLES ALEATOIRES.

Dans de nombreux cas, les résultats des expériences aléatoires peuvent être caractérisés par deux variables aléatoires X et Y. On parle alors de couple de variables aléatoires (X , Y). Ces deux variables peuvent être toutes les deux discrètes, ou toutes les deux continues ou l'une discontinue et l'autre continue.

2.3.1. Couple de variables aléatoires discontinues.

Dans le cas d'un couple de variables aléatoires quantitatives discontinues (X , Y), les valeurs respectives de x pour X et de y pour Y sont des valeurs entières.

A chaque

couple

de

valeurs

(x,y)

correspond

une

probabilité

p(x,y)

d'observer

simultanément la valeur x pour X et la valeur y pour Y.

p(X=x et Y=y) = p(x,y)

L'ensemble des valeurs admissibles (x,y) et des probabilités correspondantes p(x,y) forme une distribution de probabilité discontinue à deux variables.

La fonction de répartition F(x,y) est définie par : F(x,y) = p( X x et Y y)

Probabilités conjointes :

La probabilité p(x i , y j ) est dite probabilité conjointe, s’il s’agit de la probabilité d'obtenir,

en même temps, la valeur x pour X et la valeur y pour Y j .

p(x i ,y j ) = p(X=x i et Y=y j )

Probabilités marginales :

La probabilité p(x i ) est dite probabilité marginale de X, s’il s’agit de la probabilité d'obtenir la valeur x i quelque soit la valeur de Y.

29

Probabilités

2. Variable aléatoire

p

1

=

j

p(x , y )

i

j

=

p(x )

i

p(y j ) est dite probabilité marginale de Y. C'est la probabilité d'obtenir la valeur y j quelque soit la valeur de X.

k

1

=

i

p(x , y )

i

j

=

p(y )

j

Le cumul de toutes les probabilités conjointes p(x i , y j ) est égal à 1.

k

p

∑∑

i

=

1

j

=

1

p(x , y )

i

j

=

k

1

=

i

p(x )

i

=

p

1

=

j

p(y )

j

=

1

Variables aléatoires indépendantes :

Par extension de la

notion d'indépendance de deux événements aléatoires, deux

variables aléatoires discontinues sont indépendantes, si pour tout couple de valeurs (x,y) on a :

p(x,y) = p(x) p(y)

2.3.2. Couple de variables aléatoires continues.

Un couple de variables aléatoires est continu si les deux variables X et Y sont continues, elles peuvent prendre n'importe quelle valeur réelle appartenant à un intervalle donné.

Un intervalle continu contient une infinité de valeurs. La probabilité d'obtenir exactement un résultat donné est généralement nulle.

p(X = x et Y = y) = p(x, y)

0

La notion de distribution de probabilité n'a donc plus de sens dans le cas continu. Par contre la fonction de répartition conserve toute sa signification.

La fonction f(x,y), dérivée de la fonction de répartition F(x,y), est appelée fonction de densité de probabilité à deux variables. Elle doit satisfaire la relation suivante :

+ •

+ •

f (x, y) dx dy = 1

30

Probabilités

2. Variable aléatoire

Fonctions de densité de probabilités en marginales :

La fonction de densité de probabilité de x est définie par :

La fonction de densité de probabilité de y est définie par :

f

f

(x)

=

(y) =

+

f (x, y) dy

+

f (x, y) dx

L'ensemble des valeurs admissibles (x,y) et la fonction de densité de probabilité correspondante f(x,y) définissent une distribution de probabilité théorique continue à deux variables.

La fonction de répartition F(x,y) est définie par :

F(x, y)

=

P(X

x et Y

y)

=

x

y

f (u, v) dudv

Par extension de la

notion d'indépendance de deux événements aléatoires, deux

variables aléatoires continues sont indépendantes, si pour tout couple de valeurs (x,y) :

f(x,y) = f(x) f(y)

2.4. CARACTERISTIQUES D'UNE VARIABLE ALEATOIRE.

2.4.1. Espérance mathématique.

On appelle espérance mathématique la valeur moyenne de la variable, elle remplace la moyenne arithmétique dans le cas d'une variable statistique.

Cas discret :

Cas continu :

Propriétés :

E(X)=

E(X) =

x

+ •

p(x)

x f (x) dx

L'espérance d'une constante est la constante : E(a) = a

E(ax + b) = aE(X) + b , a et b étant 2 constantes. E(X + Y) = E(X) + E(Y) E(X - Y) = E(X) - E(Y) E(X Y) = E(X) E(Y), si les variables sont indépendantes.

31

Probabilités

2. Variable aléatoire

2.4.2. Variance et écart-type.

Cas discret : V(X) = E[(X - E(X))²] = (x

E(X))² p(x)

Cas continu : V(X) = E[(X - E(X))²] = +

(x

E(x))

2 f (x) dx

L'écart-type est égal à la racine carrée de la variance :

=

V(X)
V(X)

La variance est calculée à partir de la formule développée suivante : V(X) = E(X²) - E(X)²

Propriétés :

La variance d’une constante : V(a) = 0

V(aX + b) = a²V(X) , a et b étant 2 constantes.

Si X et Y sont 2 variables indépendantes, on peut écrire :

V(X + Y) = V(X) + V(Y)

et

Variable centrée réduite :

Une variable aléatoire est dite :

V(X - Y) = V(X) + V(Y)

- centrée si son espérance mathématique est nulle ; - réduite si son écart-type est égal à 1.

Toute variable aléatoire peut être transformée en une variable centrée réduite par le

changement de variable : X’ =

X

E(X)

2.4.3. Covariance d'un couple de variables aléatoires.

COV(X , Y) = E(XY) - E(X) E(Y)

Cas discret :

E(XY) =

E(xy) =

+ •

+ •

∑∑

x . y .

p(x, y) .

xy f (x, y) dx dy

Cas continu :

Propriétés :

La covariance de deux variables aléatoires indépendantes est nulle

32

Probabilités

2. Variable aléatoire

COV(X , Y) = 0

Soient :

quelconques).

X' = aX + b

et

COV(X' , Y') = ac COV(X , Y)

Y' = cY + d

(a, b, c, et d sont des constantes

2.5. INEGALITE DE BIENAYME TCHEBYCHEV.

Quelque soit la variable aléatoire X, la probabilité d'un intervalle [E(X) - k , E(X) + k ] a

pour borne inférieure

1

1

L'inégalité de Bienaymé Tchebychev s’écrit :

p[E( X) k

X

E(X+)

k

]

1

1

2.6. ENONCES DES EXERCICES D’APPLICATION.

2.6.1. Une usine employant 30 personnes dont 4 ingénieurs, 10 techniciens et 16 ouvriers.

a) On choisit de façon successive 3 employés : calculer la probabilité d'avoir un employé de chaque catégorie professionnelle. b) On choisit de façon successive 3 employés et soit X la variable aléatoire qui représente le nombre d'ingénieurs choisis : donner la loi de probabilité de X.

2.6.2. Pour vendre un article, un producteur décide de lancer une campagne publicitaire par

insertion de photos dans des journaux spécialisés. Le nombre d'articles vendus après une

parution est une variable aléatoire dont la loi de probabilité est la suivante :

Nombre d'articles

Probabilité

0

0,525

100

0,350

200

0,125

Le producteur fait 50 parutions indépendamment les unes des autres. Soit X le nombre d'articles vendus grâce à cette publicité. Calculer l'espérance et la variance de X.

2.6.3. Quatre étudiants dont aucun n'a étudié les sujets du cours passent un examen en deux

questions. La question 1 a 4 réponses indiquées dont une seule est juste. La question 2 en a 5, dont une seule est juste.

Soit la variable aléatoire X qui désigne le nombre d'étudiants qui ont au moins une réponse correcte.

33

Probabilités

2. Variable aléatoire

a) Quelle est l'espérance et la variance du nombre d'étudiant qui ont au moins une réponse

correcte ?

b)

Calculer la probabilité que 2 étudiants au moins aient au moins une réponse correcte.

2.6.4.

Dans un groupe de 10 ménages, le revenu annuel est distribué comme indiqué dans le

tableau ci-dessous : (les unités sont les mêmes pour mari et femme)

Ménage

1

2

3

4

5

6

7

8

9

10

Revenu du mari

10

15

15

10

10

15

20

15

20

20

Revenu de la femme

5

15

10

10

10

5

10

10

15

10

Un ménage est choisi au hasard, soit X le revenu du mari et Y le revenu de la femme.

 

a)

Donner la loi de probabilité du couple (X, Y), en déduire les lois marginales de X et de

Y.

 

b)

Calculer le coefficient de corrélation linéaire entre X et Y.

c)

On note S le revenu total du ménage et W le revenu total du ménage après impôt avec :

S = X + Y

et

W = 0,6 X + 0,8 Y

Donner la loi de probabilité du couple (S, W).

2.6.5. On est au rez-de-chaussée d'un immeuble de 8 étages. Combien de temps pensez-vous

pouvoir attendre, en moyenne, un ascenseur qui ne se trouve pas au rez-de-chaussée, qui peut se trouver à n'importe quel étage avec la même probabilité et qui met 5 secondes pour passer d'un étage à l'autre, son démarrage et son arrêt sont instantanés. Chiffrer l'écart type de votre temps d'attente.

2.6.6. Pour une demande aléatoire X de denrées périssables, un grossiste commande y tonnes

de denrées chaque jour. La loi de probabilité de X est la suivante :

Demande tonnes : x

en

0

1

2

3

4

5

6

probabilités

0,02

0,15

0,25

0,30

0,15

0,10

0,03

1) On demande de

a) Calculer la probabilité que le grossiste vende moins de 3 tonnes de denrées dans la

journée.

b)

Calculer le nombre moyen de tonnes vendues chaque jour.

c)

Calculer l'écart type.

2)

Le grossiste gagne 5000 dh par tonne vendue et perd 2000 dh par tonne non vendue. Soit

la variable aléatoire G dont les valeurs sont égales au gain pour une commande y.

34

Probabilités

2. Variable aléatoire

Construire un tableau donnant les valeurs de G pour une commande y = 0, 1, 2, 3, 4, 5, 6 tonnes ainsi que les probabilités associées. Calculer l'espérance de G pour les mêmes valeurs de Y.

2.6.7. Deux comprimés sont choisis au hasard dans un flacon contenant 3 aspirines, 2 somnifères et 4 vitamines. Si X et Y représentent respectivement le nombre d'aspirines et le nombre de somnifères obtenus, déterminer la loi de probabilité du couple (X, Y).

2.6.8. Déterminer la loi de probabilité de la variable aléatoire, nombre de garçons d'une famille

de 4 enfants.

2.6.9. Le nombre de gâteaux qu'un pâtissier peut vendre en un jour quelconque est une variable

aléatoire ayant la distribution de probabilité suivante :

x

0

1

2

3

4

5

P(x)

1/6

1/6

1/6

1/6

1/6

1/6

Ce pâtissier sait qu'il y a un profit de 10 dh pour chaque gâteau vendu et une perte de 4 dh pour chaque gâteau non vendu. En supposant que chaque gâteau ne peut être vendu que le jour où il a été préparé :

a) Quel est le profit auquel doit s'attendre le pâtissier, le jour où il a préparé 5 gâteaux ?

b) Que serait ce profit attendu si le pâtissier avait préparé 3 gâteaux uniquement ?

2.6.10.

On étudie la durée X des communications téléphoniques dont la fonction de répartition

est :

F(x) =

0

1- e

-k x

si

si

Sachant que

k =

5

6

x

x

<

0

0

a) Quelle est la probabilité pour qu'une communication dure plus de 3 minutes ?

b) Quelle est la probabilité pour qu'une communication ait une durée entre 3 et 6 minutes ?

c) Si on ne connaît pas k, quelle valeur faudrait-il lui donner pour que la probabilité d'une

communication supérieure à 3 minutes soit égale à 0,1 ?

2.6.11. Soit la variable aléatoire continue définie par la fonction de répartition suivante :

F(x) = k x²

si

0

x

4

a) Déterminer la valeur de k .

b) Déterminer l'espérance mathématique et l'écart type de X.

c) Calculer la probabilité : p(1 x 3).

35

Probabilités

2. Variable aléatoire

2.6.12. Soit X une variable aléatoire représentant le nombre d'heures de vie d'une ampoule

électrique. Supposons que X soit distribué avec la fonction de densité de probabilité suivante :

f(x)

=

x

e

1000

1

1000

pour x > 0

Trouver la durée de vie attendue d'une telle ampoule.

2.6.13. Soit la fonction de densité de probabilité suivante :

f (x) = ax + bx²

si

0

x

1

a) Déterminer a et b pour que X soit une variable aléatoire dont l'espérance mathématique

est égale à

est égale à

2 .

3

b) Calculer l'écart type de X.

2.6.14. Soit F la fonction de répartition d’une variable aléatoire X, définie par :

F(x) =

0

x

1

si

si

si

0

x

<

x

x

>

0

1

1

a) Donner la probabilité pour que X soit dans l’intervalle

b) Donner la fonction de densité de probabilité de X.

c) Donner la moyenne et l’écart type de X.

[0-0,5].

2.6.15. Deux urnes contiennent chacune 3 boules numérotées 1, 2, 3. on tire une boule de

chacune des deux urnes. Soit P la variable aléatoire égale au produit des deux numéros portés sur les deux boules tirées.

a) Déterminer la distribution de probabilité de P.

b) Calculer l’espérance mathématique de P.

c) Calculer la probabilité pour que le produit P soit supérieur ou égal à 2.

2.7. SOLUTIONS DES EXERCICES.

2.7.1. Solution de l’exercice 2.6.1.

Soient les événements suivants :

I

: être ingénieur : p(I) = 4 / 30

T

: être technicien : p(T) = 10 / 30

O

: être ouvrier : p(O) = 16 / 30

36

Probabilités

2. Variable aléatoire

a) Le choix de 3 personnes peut être fait, pour avoir un employé de chaque catégorie, de

plusieurs façons :

(I et T et O) = (I, T et O) ou (I, O et T) ou (T, I et O) ou (T, O et I) ou ( O, T et I) et (O, I et

T)

Avec (I, T et O) l’événement d’avoir, dans l’ordre, d’abord un Ingénieur, ensuite un Technicien et enfin un Ouvrier.

p =

p(I et T et O) = p(I, T et O) + p(I, O et T) + p(T, I et O) + p(T, O et I) + p( O, T et I) + p(O, I et T)

p =

(4/30).(10/29).(16/28)

+

(4/30).(16/29).(10/28)

+

(10/30).(4/29).(16/28)

+

(10/30).(16/29).(4/28) + (16/30).(10/29).(4/28) + (16/30).(4/29).(10/28)

Les dénominateurs sont, successivement, 30, 29 et 28 car nous faisons des tirages sans remise.

p = 6. (4/30).(10/29).(16/28) = 0,1576 = 15,76%

b) X est une variable aléatoire discrète, pour en déterminer la loi de probabilité, il faut

calculer p(X=0), p(X=1), p(X=2) et p(X=3)

et montrer que p(X=0) + p(X=1) + p(X=2) + p(X=3) = 1

b1) Calculons p(X=0) : on peut avoir 0 ingénieur de plusieurs façons :

p(X=0)

=

p(O, O et O) + p(O, O et T) + p(O, T et O) + p(O, T et T) + p(T, O et O) + p(T, T, O) + p(T, O et T) + p(T, T et T)

p(X=0)

=

(16/30).(15/29).(14/28) + (16/30).(15/29).(10/28)

 

+ (16/30).(10/29).(15/28) + (16/30).(10/29).(9/28)

+ (10/30).(16/29).(15/28)+ (10/30).(9/29).(16/28)

p(X=0)

=

+(10/30).(16/29).(9/28) + (10/30).(9/29).(8/28) [(16.15.14) + (16.15.10) + (16.10.15) + (16.10.9) + (10.16.15) + (10.9.16) + (10.16.9) + (10.9.8)]/(30.29.28)

p(X=0)

=

0,6404

b2) Calcul de p(X=1) : on a une fois ingénieur de plusieurs façons :

p(X=1)

=

p(I, O et O) + p(I, O et T) + p(I, T et O) + p(I, T et T) + p(O, I et O)

+ p(T, I, O) + p(O, I et T) + p(T, I et T) + p(O, O et I) + p(T, O et I)

+ p(O, T et I) + p(T, T et I)

37

Probabilités

2. Variable aléatoire

p(X=1)

=

(4/30).(16/29).(15/28) + (4/30).(16/29).(10/28)

 

+ (4/30).(10/29).(16/28) + (4/30).(10/29).(9/28)

+ (16/30).(4/29).(15/28) + (10/30).(4/29).(16/28)

+(16/30).(4/29).(10/28)+(10/30).(4/29).(9/28)

+(16/30).(15/29).(4/28)+(10/30).(16/29).(4/28)

p(X=1)

=

+(16/30).(10/29).(4/28) + (10/30).(9/29).(4/28) [(4.16.15) + (4.16.10) + (4.10.16) + (4.10.9) + (16.4.15) + (10.4.16)

 

+(16.4.10)

+

(10.4.9)

+(16.15.4)

+ (10.16.4) +(16.10.4) +

(10.9.4)]/(30.29.28)

 

p(X=1)

=

0,3202

b3) Calcul de p(X=2) : on a 2 fois ingénieurs de plusieurs façons :

P(X=2)

=

p(I, I et T) + p(I, I et O) + p( I, T et I) + p(I, O et I) + p(O, I et I) + p(T, I et I)

P(X=2)

=

(4/30).(3/29).(10/28) + (4/30).(3/29).(16/28)

 

+ (4/30).(10/29).(3/28) + (4/30).(16/29).(3/28)

+ (16/30).(4/29).(3/28) + (10/30).(4/29).(3/28)

P(X=2)

=

[(4.3.10) + (4.3.16) + (4.10.3) + (4.16.3) + (16.4.3) + 10.4.3)] /

 

(30.29.28)

P(X=2)

=

3. [(4.3.10) + (4.3.16 )] / (30.29.28) = 0,0384

b4) Calcul de p(X=3) : On n’a 3 fois I que d’une seule façon (I, I et I)

P(I, I et I) = (4/30).(3/29).(2/28) = 0,000985

La loi de probabilité de X est :

X

P(x)

0

1

2

3

0,6404

0,3202

0,0384

0,0010

Total

1

2.7.2. Solution de l’exercice 2.6.2.

Soit Xi la variable aléatoire qui désigne le nombre d’articles vendus après une parution i. Sa distribution de probabilité est :

38

Probabilités

2. Variable aléatoire

Xi

P(xi)

0

0,525

100

0,350

200

0,125

Total

1

Calculons l’espérance et la variance de Xi.

E(Xi) = x p(x ) = 0 x 0,525 + 100 x 0,350 + 200 x 0,125 = 60 articles V(Xi) = E(Xi²) – E(Xi)² E(Xi²) = x ²p(x ) = 0² x 0,525 + 100² x 0,350 + 200² x 0,125 = 8500 V(Xi) = E(Xi²) – E(Xi)² = 8500 – 60² = 4900

i

i

i

i

X, le nombre d'articles vendus après 50 parutions est égal à la somme des articles vendus après chaque parution.

X =

50

=

1

i

X

i

50

E(X) = E(X ) = 50 x 60 = 3000 articles

i

i

=

50

1

V(X) = V(X ) = 50 x 4900 = 245000

i

i

=

1

2.7.3. Solution de l’exercice 2.6.3.

a) Calcul de l'espérance et de la variance.

La variable aléatoire X qui désigne le nombre d'étudiants qui ont au moins une réponse correcte peut prendre les valeurs 0 ; 1 ; 2 ; 3 ; et 4.

La probabilité de répondre juste à la première question est 1/4. La probabilité de répondre juste à la deuxième question est 1/5.

La probabilité, p,

qu’un étudiant ait au moins une réponse correcte est égale au

complément de la probabilité, q, que les deux réponses soient fausses.

Les questions étant indépendantes :

q

= (1-1/4) x (1-1/5) = 3/5

p

= 1 – 3/5 = 2/5

Calculons les probabilités des valeurs de X.

39

Probabilités

2. Variable aléatoire

Désignons par A, étudiant ayant au moins une réponse correcte et par deux réponses fausses.

p(A) = p = 2/5

p(X = 0) = p( A et

A et

A et

et

p( A ) = q 3/5

A ) = 5 3 x 5 3 x 5 3 x 5 3 = 0,1296

A , étudiant ayant les

p(X = 1) = p(A et A et A et A ) + p( A et A et

A

et

A )+ p( A et

A et A et

A )+ p( A et

A et

A et A)

p(X = 1) = ( 2 x 5 3 x 5 3 x 5 3 ) x 4 = 0,3456

5

p(X = 2) = p(A et A et A et A ) + p(A et

et A et

A )+ p( A et A et

A et A) + p( A et

p(X = 2) = (

2

5

x

2 x 5 3 x 5 3 ) x 6 = 0,3456

5

A et A et

A ) + p(A et

A et A et A)

A et

A et A)+ p( A et A

p(X = 3) = p(A et A et A et A ) + p(A et A et Aet A)

p(X = 3) = (

2 x 2 x

5

5

2 x 5 3 ) x 4 = 0,1536

5

A et A)+ p(A et A et A etA)+ p( A et Aet

p(X = 4) = p(A et A et A et A) = (

2 x 2 x 2 x

5

5

5

2 ) = 0,0256

5

La distribution de probabilités de X est donc :

X

P(x)

0

0,1296

1

0,3456

2

0,3456

3

0,1536

4

0,0256

Total

1

Calculons l’espérance et la variance de X.

E(X) = x p(x )

i

i

= 0 x 0,1296 + 1 x 0,3456 + 2 x 0,3456 + 3 x 0,1536 + 4 x 0,0256

E(X) = 1,6 V(X) = E(X²) – E(X)²

40

Probabilités

2. Variable aléatoire

E(X²) = x ²p(x )

i

i

= 0² x 0,1296 + 1² x 0,3456 + 2² x 0,3456 + 3² x 0,1536 + 4² x 0,0256

E(X²) = 3,52 V(X) = E(X²) – E(X)² = 3,52 – 1,6² = 0,96

b) Calcul de la probabilité que 2 étudiants au moins aient au moins une réponse correcte.

p(X 2) = p(X = 2) + p(X = 3) + p(X = 4) p(X 2) = 0,3456 + 0,1536 + 0,0256 = 0,5248

2.7.4. Solution de l’exercice 2.6.4.

a) Loi de probabilité du couple (X, Y).

Reprenons le tableau des données.

Ménage

1

2

3

4

5

6

7

8

9

10

Revenu du mari

10

15

15

10

10

15

20

15

20

20

Revenu de la femme

5

15

10

10

10

5

10

10

15

10

p(x ; y) est le rapport du nombre de couples dont le revenu du mari est égal à x et celui de la femme est égal à y au nombre total de couples.

Y

5

10

15

P(x)

X

10

1/10

2/10

0

3/10

15

1/10

2/10

1/10

4/10

20

0

2/10

1/10

3/10

P(y)

2/10

6/10

2/10

1

b)

r =

Calcul du coefficient de corrélation linéaire entre X et Y.

COV(X, Y)

V(X)V(Y)
V(X)V(Y)

E(X) = xp(x) = 10 x 0,3 + 15 x 0,4 + 20 x 0,3 = 15 V(X) = E(X²) – E(X)²

E(X²) = x ²p(x )

i

i

= 10² x 0,3 + 15² x 0,4 + 20² x 0,3 = 240

V(X) = 240 – 15² = 15 E(Y) = yp(y) = 5 x 0,2 + 10 x 0,6 + 15 x 0,2 = 10 V(Y) = E(Y²) – E(Y)² E(Y²) = y²p(y) = 5² x 0,2 + 10² x 0,6 + 15² x 0,2 = 110 V(Y) = 110 – 10² = 10

E(XY=)

x

y

p(x, y)

41

Probabilités