Vous êtes sur la page 1sur 21

# Probabilités L2

Exercices Chapitre 3

Fonctions de répartition
1. (∗) On lance 2 dés et on appelle X la somme des points obtenus. Donner la représentation graphique
de la fonction de répartition de X. (On précisera, en particulier les points de discontinuité et leur nature).

X(Ω) = [[2, 12]] variable aléatoire discrète donc fonction de répartition en escalier, dont
les discontinuités sont aux points de X(Ω).
On a [X = 2] = {(1, 1)}, [X = 3] = {(1, 2), (2, 1)}, [X = 4] = {(1, 3), (2, 2), (3, 1)},

[X = 5] = {(1, 4), (2, 3), (3, 2), (4, 1)}, [X = 6] = {(1, 5), (2, 4), (3, 3), (4, 2), (5, 1)},

[X = 7] = {(1, 6), (2, 5), (3, 4), (4, 3), (5, 2), (6, 1)},
[X = 8] = {(2, 6), (3, 5), (4, 4), (5, 3), (6, 2)}, [X = 9] = {(3, 6), (4, 5), (5, 4), (6, 3)},
[X = 10] = {(4, 6), (5, 5), (6, 4)}, [X = 11] = {(5, 6), (6, 5)}, [X = 12] = {(6, 6)}.
1 2
Ainsi, P ([X = 2]) = P ([X = 12]) = 36 , P ([X = 3]) = P ([X = 11]) = 36 , P ([X = 4]) =
3 4 5
P ([X = 10]) = 36 , P ([X = 5]) = P ([X = 9]) = 36 , P ([X = 6]) = P ([X = 8]) = 36 et
6
P ([X = 7]) = 36 . On a donc

1 3 6 10 15 21
FX (x) = 1I[2,3[ (x) + 1I[3,4[ (x) + 1I[4,5[ (x) + 1I[5,6[ (x) + 1I[6,7[ (x) + 1I[7,8[ (x)
36 36 36 36 36 36
26 30 33 35
+ 1I[8,9[ (x) + 1I[9,10[ (x) + 1I[10,11[ (x) + 1I[11,12[ (x) + 1I[12,+∞[ (x)
36 36 36 36

## 2. (∗) On considère la fonction F définie sur IR par:

F (x) = 0 si x < 0 ; F (x) = x/8 si 0 ≤ x < 2 ; F (x) = x/4 si 2 ≤ x < 4 ; F (x) = 1 si x ≥ 4 .
Tracer la représentation graphique de F et montrer que F peut être considérée comme la fonction de
répartition d’une v.a.r. X .

## F est croissante, continue sauf en 2, continue à droite en 2 et lim F = 0, lim F = 1,

−∞ +∞
donc F est bien une fonction de répartition.

## 3. (∗) Soient a, b ∈ IR tels que a < b.

Exprimer P ([a < X < b]), P ([a < X < b]), P ([a ≤ X ≤ b]), P ([a ≤ X < b]) à l’aide de FX .

FX (x) = P ([X ≤ x]) ; FX (x− ) = lim P ([X ≤ y]) = P ([X < x]).
y→x,y<x
On a [X < b] = [X ≤ a] ∪ [a < X < b]), réunion d’ensembles disjoints, donc

## P ([a < X < b]) = FX (b− ) − FX (a).

De même, P ([a ≤ X ≤ b]) = FX (b) − FX (a− ) et P ([a ≤ X < b]) = FX (b− ) − FX (a− ).

## 4. (∗∗) Trois urnes A, B et C contiennent respectivement 1 boule blanche et 3 noires, 2 blanches et 2

noires, 3 blanches et 1 noire. On tire au hasard une boule dans chacune des 3 urnes, et on désigne par X
le nombre de boules blanches obtenues.
Donner la loi de X et sa fonction de répartition.

3 2 1 3
X(Ω) = [[0, 3]]. P ([X = 0]) = 4
× 4
× 4
= 32
;

1 2 1 3 1 1 3 1 3 13
P ([X = 1]) = × × + × × + × × = ;
4 4 4 4 2 4 4 2 4 32
1 2 1 1 1 3 3 1 3 13
P ([X = 2]) = × × + × × + × × = ;
4 4 4 4 2 4 4 2 4 32
et P ([X = 3]) = 14 × 12 × 34 = 32
3
.
3
Ainsi, P ([X = 0]) = P ([X = 3] = 32 et P ([X = 1]) = P ([X = 2]) = 13
32
et

3 3 16 29
FX (x) = 1I[0,1[ (x) + 1I[0,1[ (x) + 1I[1,2[ (x) + 1I[2,3[ (x) + 1I[3,+∞[ (x).
32 32 32 32

## F est croissante et continue sur ] − ∞, 0[∪]0, +∞[. De plus, F (0+ ) − F (0− ) = 1 − 12 =

1
2
> 0, donc F est croissante sur IR, continue sur IR∗ , continue à droite en 0. De plus,
lim F = lim ex/2 = 0 et lim F = 1 donc F est bien une fonction de répartition.
−∞ −∞ +∞

F est dérivable sur IR avec F 0 (x) = 12 ex si x < 0 et F 0 (x) = 0 si x > 0. De plus, F
est Rnon dérivableRen 0 car non continue.
0
F 0 (x) dx = −∞ F 0 (x) dx = 12 6= 1 donc F 0 n’est pas une densité.

## 6. (∗∗) Déterminer (a, b) ∈ IR2 tel que la fonction F définie par:

a(x + 4)
F (x) = 1I ]−4,+∞[ (x)
b + |x|

## On a lim F = 0 et on doit avoir lim F = 1 or lim F = a d’où a = 1 .

−∞ +∞ +∞

 x+4 b+4
x+4 b−x
= −1 + b−x si x ∈] − 4, 0[
F (x) = 1I]−4,+∞[ (x) = x+4 4−b
b + |x| b+x
= 1 + b+x si x ∈ [0, +∞[

## Pour la croissance de F , on doit avoir 4 − b ≤ 0 (soit b ≥ 4) et b + 4 ≥ 0 (soit b ≥ −4).

D’où b ≥ 4 et alors F est continue sur IR (même en −4).
Finalement, F est une fonction de répartition si a = 1 et b ≥ 4 .

## Variables aléatoires discrètes

7. (∗) Soit X une v.a.r. discrète prenant les valeurs 3, 4, 5 et 6. Déterminer la loi de probabilité de X
sachant que:
P ([X < 5]) = 1/3 ; P ([X > 5]) = 1/2 ; P ([X = 3]) = P ([X = 4]).

## P ([X = 3]) = P ([X = 4]) = a, P ([X = 5]) = b, P ([X = 6]) = c, avec 2a + b + c = 1,

c = 1/2 et 2a = 13 . Donc a = 16 , c = 1/2 et b = 1 − 2a − b = 1/6.

8. (∗) A et B sont deux avions ayant respectivement 4 et 2 moteurs. Chaque moteur a la probabilité p
de tomber en panne et les moteurs sont indépendants les uns des autres.
Sachant que chaque avion arrive à destination si moins de la moitié de ses moteurs tombent en panne,
quel avion choisissez-vous ?

## Soit A (resp. B) l’événement “l’avion A (resp. B) arrive à destination”.

On a P (A) = (1 − p)4 + 4p(1 − p)3 = (1 − p)3 (1 + 3p) et P (B) = (1 − p)2 .

P (A) − P (B) = (1 − p)2 [(1 − p)(1 + 3p) − 1] = (1 − p)2 (2p − 3p2 ) = p(1 − p)2 (2 − 3p)

• Si 2 − 3p > 0, c’est-à-dire p < 23 , P (A) > P (B) et il vaut mieux choisir l’avion A.
• Si 2 − 3p < 0, c’est-à-dire p > 23 , P (A) < P (B) et il vaut mieux choisir l’avion B.
• Si 2 − 3p = 0, c’est-à-dire p = 23 , P (A) = P (B) et peu importe le choix de l’avion.

9. (∗∗) Deux joueurs lancent une pièce de monnaie parfaitement équilibrée, n fois chacun. Calculer la
probabilité qu’ils obtiennent le même nombre de fois “pile” .

Soit Ak l’événement
 n “les joueurs obtiennent chacun k piles”. La probabilité cherchée
S Pn
est alors p = P Ak = P (Ak ).
k=0 k=0
2
Les lancers des 2 joueurs étant indépendants, on a alors P (Ak ) = Cnk 21n .
Pn
Cn
D’où p = 41n (Cnk )2 , soit p = 42n
n .
k=0

10. (∗ ∗ ∗) On tire 9 cartes dans un jeu de 52 cartes. On appelle X la v.a.r. égale au nombre de carrés
obtenus.
Trouver la loi de X .

9
Ici, cardΩ = C52 et X(Ω) = {0, 1, 2}.
2
Pour [X = 2], on choisit la hauteur des 2 carrés (C13 choix), puis on choisit une autre
2 ×44
C13
1
carte (C52−8 choix). Ainsi, P ([X = 2]) = C529 ≈ 9.10−7 .
1
Pour [X = 1], on choisit la hauteur du carré (C13 = 13 choix), puis, dans les 5 autres
5
cartes, il ne doit pas y avoir de carré (C48 − 12 × 44 choix). Ainsi,
5
13 × (C48 − 12 × 44)
P ([X = 1]) = 9
≈ 6.10−3 .
C52

## Enfin, P ([X = 0]) = 1 − P ([X = 1]) − P ([X = 2]).

11. (∗∗) Une urne contient 5 boules toutes distinctes. On tire 3 boules une à une avec remise. Soit X la
v.a.r. égale au nombre de boules différentes tirées.
Déterminer la loi de X .

## cardΩ = 53 et X(Ω) = {1, 2, 3}.

Pour avoir [X = 1], il faut tirer 3 fois la même boule et on a 5 choix possibles. Ainsi,
P ([X = 1]) = 553 = 251
= 0, 04 .
Pour avoir [X = 3], pour la première boule, on a 5 choix, pour la deuxième 4 et pour
la troisième 3. Ainsi, P ([X = 3]) = 5×4×3
53
= 12
25
= 0, 48 .
Pour avoir [X = 2], il faut 2 boules distinctes (5×4 choix), la boule différente des autres
pouvant être en premier, en deuxième ou en troisième. Ainsi, P ([X = 2]) = 5×4×3 53
= 12
25
.
Remarque : On a bien P ([X = 1]) + P ([X = 2]) + P ([X = 3]) = 1.

12. (∗∗) Une urne contient n boules numérotées de 1 à n. Déterminer la loi de la v.a.r. X dans les cas
suivants:
1. On tire k boules au hasard ; X est le plus petit numéro obtenu.
2. On tire successivement 3 boules, sans remise ; X est le numéro de la 3-ième boule tirée.
3. On tire 3 boules au hasard ; X est le numéro intermédiaire.

k−1
Cn−i
1. cardΩ = Cnk , X(Ω) = [[1, n − k + 1]] et P ([X = i]) = (on choisit les k − 1
Cnk
boules restantes à tirer parmi les n − i plus grandes que i).

1 (n−1)(n−2)
2. cardΩ = A3n = n(n − 1)(n − 2), X(Ω) = [[1, n]] et P ([X = i]) = n
(= n(n−1)(n−2)
).

(i−1)(n−i)
3. cardΩ = Cn3 , X(Ω) = [[2, n − 1]] et P ([X = i]) = Cn3
(1 boule avant, 1 après).

13. (∗ ∗ ∗) Une urne contient des jetons numérotés de 1 à n. On tire tous les jetons successivement et
sans remise. Soit p ≤ n. Quelle est la probabilité de tirer les jetons numérotés de 1 à p :
1. dans l’ordre des numéros et consécutivement ?
2. dans l’ordre ?

cardΩ = n!.
1. Les jetons de p + 1 à n peuvent être tirés dans n’importe quel ordre, soit (n − p)!
façons. Ceux de 1 à p sont tirés dans cet ordre en suivant, soit en premier, soit en deux-
ième,..., soit de façon à ce que le jeton p soit tiré en dernier, c’est-à-dire le jeton 1 en
(n−p+1)!
position n − p + 1, d’où n − p + 1 choix et p = n!
.
2. On a p! ordres possibles pour les jetons numérotés de 1 à p. Comme tous les ordres
sont équiprobables, la probabilité d’avoir les jetons de 1 à p dans l’ordre croissant est p!1 .

14. (∗ ∗ ∗) Une urne contient des boules numérotés de 1 à n. On tire les boules de l’urne, une à une et
avec remise. On s’arrête lorsque, pour la première fois le numéro tiré est supérieur ou égal aux numéros
tirés précédemment. Soit X la v.a.r. égale au nombre de tirages effectués.
Déterminer la loi de X.

X(Ω) = {2, · · · , n+1} : en effet, au minimum, il faut 2 tirages pour obtenir un numéro
supérieur ou égal au précédent, et au maximum, il en faut n + 1 (lorsque les n premiers
numéros sont n, n − 1, · · · , 2, 1.
On a X > i lorsque n1 > n2 > · · · > ni et il y a Cni i-uplets (n1 , · · · , ni ) de la sorte (un
seul ordre possible).
i
Le nombre total de i-uplets étant ni , il en résulte que P ([X > i]) = Cnni (encore valable
pour i = 1 puisque Cn1 = n1 = n et que P ([X > 1]) = 1). On a donc :
 i−1 i
P ([X = i]) = P ([X > i − 1]) − P ([X > i]) = Cni−1
n
− Cnni si 1 ≤ i ≤ n
.
P ([X = n + 1]) = n1n

15. (∗) Soit X une v.a.r. à valeurs dans IN, telle que, pour tout k ∈ IN, P ([X = k]) = λ3−k .
1. Déterminer λ .
2. X a-t-elle plus de chances d’être paire ou impaire ?

P
+∞ P
+∞
λ 3λ
1. P ([X = k]) = λ 3−k = 1− 13
= 2
. X est une v.a.r. à valeurs dans IN d’où
k=0 k=0
P
+∞
2
P ([X = k]) = 1 et λ = 3
.
n=0
P
+∞
2
P
+∞
2
P
+∞ 
1 k 2 1 2 9
2. P ([X pair ]) = P ([X = 2k]) = 3
3−2k = 3 9
= 3 1− 19
= 3
× 8
= 34 .
k=0 k=0 k=0
Ainsi, X a plus de chance d’être pair .

16. (∗) On lance une pièce truquée jusqu’à obtenir pour la première fois “face”. Quelle est la probabilité
pour que le nombre de lancers soit impair ? Pair ?

## Soit p la probabilité d’obtenir “face” et X la v.a. égale au nombre de lancers : X(Ω) =

IN∗ et P ([X = k]) = pq k−1 . On a alors :
X
+∞ X
+∞ X
+∞
pq q
2k−1
P ([X pair ]) = P ([X = 2k]) = p q = pq q 2(k−1) = 2
= .
k=1 k=1 k=1
1−q 1+q

q 1
On a donc P ([X pair ]) = 1+q
et P ([X impair ]) = 1+q
.

## (En particulier, P ([X pair ]) < P ([X impair ])).

17. (∗∗) On lance une pièce truquée et on note p la probabilité de voir apparaı̂tre “pile”. Soit X le temps
d’attente du premier “pile”. Trouver un entier s tel que P ([X ≤ s]) ≥ 1 − α, où α est un réel donné tel
que α ∈]0, 1[. Application α = 0, 01 et p = 1/6 .

P
s s
P ([X = k]) = pq k−1 et P ([X ≤ s]) = p q k−1 = p(1 + · · · + q s−1 ) = p 1−q
1−q
= 1 − qs.
k=1
ln α
On veut 1 − q s ≥ 1 − α, soit q s = es ln q ≤ α d’où s ln q ≤ ln α et comme ln q < 0, s ≥ ln q
.
A.N. : α = 0, 01, q = 56 donne s ≥ ln−25−ln
ln 10
6
≈ 25, 3 d’où s = 26 .

18. (∗∗) Combien une famille doit-elle avoir d’enfants pour avoir au moins un garçon et une fille avec
une probabilité supérieure à 0,95 ?

Pour une famille de n enfants, soit pn la probabilité qu’elle ait des enfants des 2 sexes
: pn = 1 − 22n = 1 − 2n−1
1
.
1 1
On veut pn ≥ 0, 95, c’est-à-dire 1 − 2n−1 ≥ 1 − 0, 05 ou bien 2n−1 ≤ 0, 05, c’est-à-dire
n−1 1
2 ≥ 0,05 = 20. D’où n − 1 ≥ 5 : la famille doit avoir au moins 6 enfants .

19. (∗∗) Soit X une v.a.r. de loi géométrique de paramètre p et soit M ∈ IN∗ . Déterminer les lois de
Z = inf(X, M ) et de Y = sup(X, M ).

## Z(Ω) = {1, · · · , M} avec, pour k ≤ M − 1, P ([Z = k]) = P ([X = k]) = pq k−1 et

P ([Z = M]) = P ([X ≥ M]) = 1 − P ([X ≤ M − 1]) = 1 − (1 − q M −1 ) = q M −1 (cf ex 17).
Y (Ω) = {M, M + 1, · · · } avec, pour k > M , P ([Y = k]) = P ([X = k]) = pq k−1 et
P ([Y = M]) = P ([X ≤ M]) = 1 − q M .

20. (∗) Un sauteur tente de franchir les hauteurs successives 1, 2, · · · , n, · · · . Les sauts sont indépendants
et la probabilité de succès à la hauteur n, n ∈ IN∗ est 1/n. Le sauteur est éliminé à son premier échec .
On note X la v.a.r. “numéro du dernier saut réussi”.
P∞
Trouver la loi de X et vérifier que n=1 P ([X = n]) = 1.

Soit Ak l’événement “le sauteur réussit la hauteur k”. On a, par hypothèse, P (Ak ) = k1 .
Si X désigne la hauteur du dernier saut réussi, on a X(Ω) = IN∗ (car P (A1 ) = 1) et,
pour n ∈ IN∗ ,
[X = n] = A1 ∩ · · · ∩ An ∩ An+1 .
Les sauts étant supposés indépendants, les événements Ak le sont aussi et les probabilités
se multiplient, soit :

Y
n  
1 1
P ([X = n]) = P (Ak ) × P (An+1 ) = × 1− .
k=1
n! n+1

1 1
Ainsi, P ([X = n]) = − pour tout n ∈ IN∗ .
n! (n + 1)!
X
+∞   X +∞ n X
+∞
X 1 n1 z zn
GX (z) = IE(z ) = z − = −
n=1
n! (n + 1)! n! n=1 (n + 1)!
 n=1
1 1 1
= ez − 1 − (ez − 1 − z) = ez 1 − +
z z z
   
0 z 1 1 1 00 z 1 1 1 2 2
GX (z) = e 1 − + 2 − 2 et GX (z) = e 1 − + 2 + 2 − 3 + 3
z z z z z z z z
donc G0X (1) = e − 1 et G00X (1) + G0X (1) − (G0X (1))2 = 2 + (e − 1) − (e − 1)2 = 3e − e2 , soit :

IE(X) = e − 1 et var(X) = 3e − e2 .

k
2
21. (∗∗) Soit X une v.a.r. entière telle que P ([X = k]) = e−2 (1+αk) 4(k!) pour tout k ∈ IN. Déterminer α.

P
+∞
On doit avoir P ([X = k]) = 1. Or
k=0
" +∞ #
X
+∞
e−2 X 2k X
+∞
2k e−2  2  1 + 2α
P ([X = k]) = +α = e + α × 2e2 = .
k=0
4 k=0 k! k=1
(k − 1)! 4 4

3
On doit donc avoir 1 + 2α = 4, soit α = 2
.

22. (∗ ∗ ∗) On lance 5 dés: à chaque lancer, on met de côté ceux qui donnent un as et on relance les
autres jusqu’à obtenir 5 as. Soit X la v.a.r. égale au nombre de lancers et Y la v.a.r. égale au nombre
de dés lancés .
1. Calculer P ([X ≤ k]) puis P ([X = k]) pour tout k ∈ IN .
2. Calculer P ([Y = k]) pour tout k ∈ IN .

## 1. On numérote les dés et on note Xi le nombre de lancers du dé i, pour obtenir un

k T
5
as. P ([Xi ≤ k]) = 1 − P ([Xi > k]) = 1 − 56 . Or [X ≤ k] = [Xi ≤ k].
i=1
Les événements [Xi ≤ k] sont indépendants car ce qui se passe sur un dé ne dépend pas
Q
5 h k i5
des autres dés ; d’où P ([X ≤ k]) = P ([Xi ≤ k]) = 1 − 56 . On a donc :
i=1

h  i5 h  i5
5 k 5 k−1
X(Ω) = IN∗ et P ([X = k]) = P ([X ≤ k]) − P ([X ≤ k − 1]) = 1 − 6
− 1− 6

2. Soit Y le nombre de dés lancés. Tout ce passe comme si on ne lançait qu’un dé
4
 
1 5 5 k−5
et qu’on voulait obtenir 5 as ; Y (Ω) = {5, 6, · · · , +∞} et P ([Y = k]) = Ck−1 6 6
.

23. (∗ ∗ ∗) Dans une urne, il y a 10 boules blanches et 5 noires. On appelle X le rang de la r-ième boule
blanche tirée (1 ≤ r ≤ 10). Déterminer la loi de X dans le cas de tirages sans remise puis dans le cas de
tirages avec remise .

## 1. Cas de tirages sans remise : X(Ω) = [[r, 5 + r]].

Si X = r + k, on fait r + k tirages sans remise : il faut donc tirer k boules noires et
r boules blanches et l’ordre compte. De plus, la dernière boule tirée doit être blanche : il
faut alors placer les k boules noires parmi les r + k − 1 places. On a ainsi :
k
Cr+k−1 Ak5 Ar10
P ([X = r + k]) = r+k
.
A15

2. Cas de tirages avec remise : X(Ω) = [[r, +∞[ et la proportion des boules ne varient
pas (2/3 de blanches et 1/3 de noires). On a alors :
 k  r
k 1 2
P ([X = r + k]) = Cr+k−1 .
3 3

24. (∗ ∗ ∗) Une succession de parties indépendantes de “pile ou face” est représentée par une suite de
v.a.r. Xn telles que:
P ([Xn = 0]) = P ([Xn = 1]) = 1/2
Pn
On pose Sn = i=1 Xi .
1. Quelle est la loi suivie par Sn ?
2. Si k > 0, soit T la v.a.r. égale au premier instant où “pile” est tombé k fois. Quelle est la loi de
T?
3. Pierre et Paul jouent à “pile ou face”. Pierre choisit “pile” et Paul “face”. Soit U la v.a.r. égale
au premier instant où l’un des joueurs gagne k parties . Quelle est la loi de U ?

## 1. Sn (Ω) = [[0, n]]. Sn = k si k des Xi valent 1, les n − k autre 0.

 k  n−k
1 1 1
P ([Sn = k]) = Cnk = n Cnk :
2 2 2

la loi suivie par Sn est la loi binomiale B n, 12 .

## 2. T (Ω) = [ k, +∞[. [T = n] si Xn = 1 et si k − 1 des xi valent 1 pour i ∈ [ 1, n − 1]]

k−1 1
d’où P ([T = n]) = Cn−1 .
2n
3. Si [U = n], où n ≥ k, il y a eu alors, ou bien k piles et n − k faces (avec n − k < k),
k−1 k−1
Cn−1 Cn−1
soit k faces et n − k piles d’où U (Ω) = [k, 2k − 1]] et P ([U = n]) = 2 2n
= 2n−1 .

## 25. (∗∗) Soit X une v.a.r. suivant une loi de Poisson.

Montrer que P ([X impair]) < P ([X pair]).
P
+∞ P
+∞  
λ2k eλ +e−λ 1
P ([X pair]) = P ([X = 2k]) = e−λ (2k)!
= e−λ 2
= 2
(1 + e−2λ ) si
k=0 k=0
X ∼ P(λ). On a alors P ([X impair]) = 1 − P ([X pair]) = 1 − 12 (1 + e−2λ ) = 12 (1 − e−2λ ),
d’où P ([X impair]) < P ([X pair]) .

26. (∗) Soit X à valeurs dans IN telle que P ([X = n]) = (λ/n)P ([X = n − 1]) pour tout n ∈ IN∗ .
Trouver la loi de X .

P ([X = n]) = (λ/n)P ([X = n − 1]) donne : P ([X = 1]) = λP ([X = 0]),
λ λ2
P ([X = 2]) = P ([X = 1]) = P ([X = 0])
2 2
λ λ3
P ([X = 3]) = P ([X = 2]) = P ([X = 0]).
3 3!
n
Par récurrence, on montre que P ([X = n]) = λn! P ([X = 0]) pour n ∈ IN∗ (et même pour
P
+∞ P λn
+∞
n = 0). De plus, P ([X = n]) = 1, donc P ([X = 0]) n!
= 1 et P ([X = 0]) = e−λ .
n=0 n=0
n
D’où P ([X = n]) = e−λ λn! : X suit la loi de Poisson P(λ) .

## 27. (∗∗) Soit f une fonction définie sur ZZ par :

f (n) = (4/n)f (n − 1) pour tout n ∈ IN∗ et f (−n) = f (n) pour tout n ∈ ZZ .
Déterminer f pour qu’elle définisse la loi de probabilité d’une v.a.r. X à valeurs dans ZZ .

P P P
+∞
On doit avoir f (n) = 1. Or f (n) = f (0) + (f (n) + f (−n)), et comme
n∈ZZ n∈ZZ n=1
P P
+∞ P
+∞
f (−n) = f (n), f (n) = f (0) + 2 f (n) = 2 f (n) − f (0).
n∈ZZ n=1 n=0
4n
Comme dans l’exercice 26, on obtient par récurrence f (n) = n!
f (0) donc f (0)(2e4 −1) = 1,
1 1 4n
ce qui donne f (0) = 2e4 −1
puis f (n) = f (−n) = 2e4 −1 n!
pour tout n ∈ IN .

28. (∗) Dans une verrerie, on fabrique des abats-jour en verre qui admettent en moyenne 3 défauts.
La probabilité du nombre de défauts par abat-jour est déterminée par une loi de Poisson. Calculer la
probabilité pour qu’un abat-jour :
1. ne contienne aucun défaut ;
2. contienne 2 défauts au plus .

Dans une loi de Poisson, on verra que la moyenne, c’est le paramètre. Donc, si X est
le nombre de défauts, X suit la loi P(3).

## 2. P ([X ≤ 2]) = P ([X = 0]) + P ([X = 1]) + P ([X = 2]), soit

 
−3 9 17 −3
P ([X ≤ 2]) = e 1+3+ = e ≈ 0, 42.
2 2
29. (∗) Sachant que le nombre moyen de communications téléphoniques reçues par un standard entre
10h et 11h est de 1,8 par minute, et que le nombre X d’appels reçus par minute est une v.a.r. qui suit
une loi de Poisson, calculer la probabilité pour qu’entre 10h53 et 10h54 il y ait aucun appel ; 1 appel ; 2
appels ; au moins 2 appels ; plus de 2 appels ; 2,3 ou 4 appels.

X suit la loi P(1, 8). P ([X = 0]) = e−1,8 ≈ 0, 165, P ([X = 1]) = 1, 8e−1,8 ≈ 0, 298,
2
P ([X = 2]) = 1,82 e−1,8 ≈ 0, 268.

## P ([X ≥ 2]) = 1 − P ([X = 0]) − P ([X = 1]) ≈ 0, 537.

P ([X > 2]) = P ([X ≥ 2]) − P ([X = 2]) ≈ 0, 269.
 
1,82
P ([X = 2]) + P ([X = 3]) + P ([X = 4]) = P ([X = 2]) 1 + 1,8
3
+ 12
≈ 0, 501.

30. (∗∗) Soit X une v.a.r. prenant ses valeurs dans IN. On suppose que pour tout n ∈ IN, on a
4P ([X = n + 2]) = 5P ([X = n + 1]) − P ([X = n]) .
Montrer que X suit une loi binomiale négative dont on précisera les paramètres.

## On pose pn = P ([X = n]). On a alors pn+2 = 5pn+1 −pn = 0, d’équation caractéristique

n P
+∞
4r2 − 5r + 1 = 0, soit (4r − 1)(r − 1) = 0, donc pn = A + B 14 . Mais pn = 1, donc
n=0
lim pn = 0 et A = 0.
n
P
+∞
B

1 n

Enfin, pn = 1− 14
= 43 B, d’où B = 3
4
et P ([X = n]) = 3
4 4
: X suit la loi G0 3
4
.
n=0

## Variables aléatoires absolument continues

31. (∗) Vérifier que les fonctions f suivantes sont des densités de probabilité:
1. f (x) = (1 − |1 − x|)1I ]0,2[ (x)
|x−µ|
1
2. f (x) = 2σ e− σ

x x
3. f (x) = 4 e− 2 1I ]0,+∞[ (x)
b
4. f (x) = π(b2 +(x−a)2 )

## 1. Pour x ∈]0, 2[, 1 − x ∈] − 1, 1[ donc |1 − x| ∈ [0, 1[ et f (x) ≥ 0 sur IR. De plus, f

est continue sur IR et
Z +∞ Z 2 Z 1 Z 2  2
1 (2 − x)2
f (x) dx = (1 − |1 − x|) dx = x dx + (2 − x) dx = + − = 1.
−∞ 0 0 1 2 2 1

2. f est positive, continue sur IR (à condition que b soit > 0). De plus,
Z +∞ Z +∞ Z +∞
1 1 1 1 du 1
f (x) dx =    dx = 2
= [Arctanu]+∞
−∞ = 1.
−∞ π −∞ b 1 + x−a 2 u= x−b
a
π −∞ 1+u π
b
3. f positive et continue sur IR pour σ > 0. De plus,

Z +∞ Z +∞ Z +∞
1 −|x−µ|/σ 1
f (x) dx = e dx = e−|u|/σ du
−∞ 2σ −∞ u=x−µ 2σ −∞
Z
1 +∞ −u/σ  +∞
= e du = −e−u/σ 0 = 1.
σ 0
4. f positive et continue sur IR. De plus,

Z +∞ Z +∞ Z +∞
1 −x/2
f (x) dx = xe dx = ue−u du
−∞ 4 0 u=x/2 0
Z +∞
= [ue−u ]+∞
0 + e−u du = 1.
0

## f (x) = cx 1I[0,3[ (x) + c(6 − x) 1I[3,6[ (x)

1. Montrer que pour une constante c convenable, que l’on déterminera, f est une densité de proba-
bilité.
2. Soit X une v.a.r. de densité f . Soit A l’événement [X > 3] et B l’événement [1, 5 < X < 4, 5].
Calculer P (A) et P (B). Les événements A et B sont-ils indépendants?

## 1. On doit avoir c > 0. f est continue sur IR et

Z Z 3 Z 6   2 3  6 !  
x (6 − x)2 9 9
f (x) dx = c x dx + (6 − x) dx = c + − =c + = 9c
0 3 2 0 2 3 2 2

1
d’où c = 9
.
R6 1
2. P (A) = 3
(6 − x) dx = 2
d’après la question précédente.

Z 9/2     !
2 9/2
1 x2 (6 − x)
P (B) = f (x) dx = /23 + −
3/2 9 2 3 2 3
 
1 9 9 9 9 1
= − − + =1−
9 2 8 8 2 4
1 3
Ainsi, P (A) = 2
et P (B) = 4
.
h i9
1 (6−x)2 2 3
A ∩ B = [3 ≤ X ≤ 4, 5] ; P (A ∩ B) = 9
− 2 = 8
= P (A)P (B), donc A et B
3
sont indépendants.

## 33. (∗∗) Soit X une v.a.r. de densité f .

Soit a 6= 0 et b ∈ IR et soit Y = aX + b.
1. Exprimer la densité de Y à l’aide de f .
2. Même question avec Y = |X|.
3. Même question avec Y = X p ; p ∈ IN∗ . (on distinguera les cas p impair et p pair).
Application: Si X suit la loi normale N (0, 1), quelle est la loi de Y = X 2 ?
  y−b

P X ≤ a 
si a > 0  
1. P ([Y ≤ y]) = P ([aX+b ≤ y]) = y−b y−b .
P X≥ a
=1−P X < a
si a < 0
Mais, comme FX est continue, on a :
 
FX y−b
a
si a > 0
FY (y) = P ([Y ≤ y]) = y−b .
1 − FX a
si a < 0
 
1
f y−b
a X
>0 si a
Comme fY = FY0
, il vient fY (y) = 1
a
y−b .
− a fX a si
a<0
 
1 y−b
Finalement, fY (y) = fX si a 6= 0
|a| a

0 si y < 0
2. P ([Y ≤ y]) = P ([|X| ≤ y]) = d’où
P ([−y ≤ X ≤ y]) si y ≥ 0

FY (y) = (FX (y) − FX (−y))1I]0,+∞[ (y) et fY (y) = (fX (y) + fX (−y)) 1I]0,+∞[ (y) .

## 3. P ([Y ≤ y]) = P (|X p ≤ y]).

• Cas p impair : alors x 7→ xp est une bijection croissante de IR sur IR. On a donc
 1 
FY (y) = fX y 1/p et fY (y) = y 1/p−1 fX y 1/p .
p
• Cas p pair : x 7→ xp est une fonction paire positive.

p 0 siy < 0 
P ([Y ≤ y]) = P ([|X| ≤ y]) =
P −y 1/p ≤ X ≤ y 1/p si y > 0
 
Ainsi, FY (y) = FX (y 1/p ) − FX (−y 1/p ) 1I]0,+∞[ (y) et

1 1  
fY (y) = y p −1 fX (y 1/p ) + fX (−y 1/p ) 1I]0,+∞[(x).
p
2
Aplication : fX (x) = √1 e−x /2 et Y = X 2 .

1 1 
fY (y) = y − 2 fX (y 1/2 ) + fX (−y 1/2 ) 1I]0,+∞[(y)
2
1

soit fX 2 (y) = √2π y −1/2
e−y/2
1I]0,+∞[ (y) : X 2 suit la loi Gamma γ 12 , 12 .

## 34. (∗) Soient a et λ des réels strictement positifs. On pose:

Z +∞
Γ(a) = e−x xa−1 dx
0
1. Montrer que Γ(a) < +∞ .
2. Montrer que Γ(a + 1) = aΓ(a) et en déduire que, pour n ∈ IN∗ , on a Γ(n) = (n − 1)!.
3. On considère f définie par:
λa −λx a−1
f (x) = e x 1I]0,+∞[ (x)
Γ(a)

Vérifier que f est une densité de probabilité et représenter, selon les valeurs de a, l’allure de la
courbe de densité.
R +∞
1. γ(a) = 0 xa−1 e−x dx.
• En 0, xa−1 e−x ∼ xa−1 et l’intégrale converge pour a − 1 > −1, c’est-à-dire a > 0 .
• En +∞, (xa−1 e−x ) × x2 → 0 donc xa−1 e−x ≤ x12 pour x ≥ x0 et l’intégrale con-
x→+∞
verge également. On a donc Γ(a) < +∞ .
RA A RA RA
2. 0 xa e−x dx = [−xa e−x ]0 + 0 axa−1 e−x dx = −Aa e−A + 0 axa−1 e−x dx
où l’on a posé u0 (x) = e−x (u(x) = −e−x ) et v(x) = xa (v 0 (x) = a xa−1 ) et comme
lim Aa e−A = 0 on a bien, en faisant A → +∞ :
A→+∞

Γ(a + 1) = aΓ(a).
R +∞ +∞
On a Γ(1) = 0 e−x dx = [−e−x ]0 = 1, Γ(2) = 1Γ(1) = 1, Γ(3) = 2Γ(2) = 2,
Γ(4) = 3Γ(3) = 3! et par récurrence, si Γ(n) = (n − 1)!, alors Γ(n + 1) = nΓ(n) = n!. On
a donc bien Γ(n) = (n − 1)! pour tout n ∈ IN∗ .

λa a−1 −λx
3. f (x) = Γ(a)
x e 1I]0,+∞[(x). f est positive, continue sauf éventuellement en 0
et
Z Z +∞ Z +∞  u a−1
λa a−1 −λx λa du Γ(a)
f (x) dx = x e dx = e−u = =1
Γ(a) 0 u=λx Γ(a) 0 λ λ Γ(a)

## et f est bien une densité de probabilité .

Pour avoir l’allure de la courbe, on détermine f 0 :
λa −λx  
f 0 (x) = e −λxa−1 + (a − 1)xa−2 1I]0,+∞[(x)
Γ(a)
λa −λx a−2
= e x [−λx + a − 1] 1I]0,+∞[ (x).
Γ(a)

## Ainsi, f 0 (x) ≥ 0 pour x ≤ a−1

λ
. 
  0 pour a > 2
 0 pour a > 1 

α > 0 pour a = 2
De plus, f (0+ ) = λ pour a = 1 et f 0 (0+ ) = 2 .
 
 −λ pour a = 1
+∞ pour a < 1 
+∞ pour a ∈]1, 2[
On obtient ainsi l’allure de la courbe.
35. (∗) Soit X une v.a.r. de loi normale N (0, 1).
Montrer, en utilisant les exercices 33 et 34 que la loi de Z = X 2 /2 est la loi Gamma de paramètres λ = 1

et a = 1/2 et que Γ(1/2) = π.

√ √ 
FZ (z) = P ([Z ≤ z]) = P ([X 2 ≤ 2z]) = FX ( 2z) − FX (− 2z) 1I]0,+∞[(z) et
1  √ √  2 √
fZ (z) = √ fX ( 2z) + fX (− 2z) 1I]0,+∞[(z) = √ fX ( 2z) 1I]0,+∞[ (z)
2z 2z
2
car ici fX est paire. On a en fait, fX (x) = √1 e−x /2 et donc

2 1
fZ (z) = √ e−z 1I]0,+∞[ (z) = √ z −1/2 e−z 1I]0,+∞[ (z).
4π z π
1
La densité de la loi Gamma γ(1, 1/2) est en fait g : x 7→ Γ( 12 )
z −1/2 e−z 1I]0,+∞[ (z) et on a
donc fZ (z) = cg(z).
 
R R 1 √
Mais fZ (z) dz = 1 = c g(z) dz = c, d’où c = 1 et Γ = π
2
36. (∗) On suppose que la durée d’une communication téléphonique est une v.a.r. de loi exponentielle
E(k).
1. Calculer, pour k = 0.8, la probabilité pour qu’une communication dure :
(a) plus de 4 minutes;
(b) entre 3 et 5 minutes.
2. Quelle valeur faut-il donner à k pour que la probabilité qu’une communication dure plus de 3
minutes soit égale à 0.1?

## E(k) est la loi de densité x 7→ ke−kx 1I]0,+∞[(x).

R +∞  +∞
1. (a) P ([X > 4]) = 4 ke−kx dx = −e−kx 4 e−4k = e−3.2 ≈ 0.041.
 5
(b) P ([3 < X < 5]) = −e−kx 3 = e−3k − e−5k = e−2.4 − e−4 ≈ 0.072.

2. On cherche k tel que P ([X > 3]) = 0.1 avec P ([X > 3]) = e−3k . Donc e−3k = 0.1 ;
−3k ≥ ln 0.1 = − ln 10 donc k = ln310 ≈ 0.77 .

## 1. Déterminer la fonction de répartition F de X.

2. Soit Y = ArctanX. Montrer que Y est une v.a.r. absolument continue et déterminer sa densité.
Z x 
0 si x ≤ 0
1. FX (x) = f (t) dt = x 1 x donc
−∞ [−(1 + t)−1 ]0 = 1 − 1+x
= 1+x
si x > 0
x
FX (x) = 1I]0,+∞[ (x).
1+x
2. Y = ϕ(X) avec ϕ(x) = Arctanx : X est à valeurs dans IR∗+ , donc Y est à valeurs
dans ]0, π/2[. 
 0 si y ≤ −π/2
FY (y) = P ([ArctanX ≤ y]) = FX (tany) si y ∈ [−π/2, π/2] donc

1 si y > π/2

tan y 1 + tan2 y
FY (y) = 1I]0,π/2[ (y) et fY (y) = 1I]0,π/2[ (y).
1 + tan y (1 + tan y)2

38. (∗∗) Soit X une v.a.r. strictement positive et λ > 0. On définit les v.a.r. U et V par U = 1 − X et
V = − ln X/λ.
1. Déterminer les lois de U et de V si X suit la loi uniforme sur ]0, 1[.
2. Déterminer la loi de X pour que V suivent la loi exponentielle E(λ).

## 1. FU (u) = P ([1 − X ≤ u]) = P ([X ≥ 1 − u]) = 1 − FX (1 − u) et fU (u) = fX (1 − u).

FV (v) = P ([− lnλX ≤ v]) = P ([ln X ≥ −λv]) = P ([X ≥ e−λv ]) = 1 − FX (e−λv ) car t 7→ et
est une bijection strictement croissante de IR sur IR∗+ ; puis fV (v) = λe−λv fX (e−λv ).
Or fX = 1I]0,1[ : 0 < 1 − u < 1 équivaut à 0 < u < 1 et 0 < e−λv < 1 équivaut à v > 0 car
λ > 0. D’où U ∼ U (]0, 1[) (loi uniforme) et V ∼ E(λ) (loi exponentielle) .

2. X = e−λV et P (X ≤ x) = P (e−λV ≤ x) :
• si x ≤ 0, alors FX (x) = 0 et fX (x) = 0 ; 
• si x > 0, alors FX (x) = P ([−λV ≤ ln x]) = P ([V ≥ − lnλx ]) = 1 − FV − lnλx . On a
1
donc, en dérivant, fX (x) = λx fV − lnλx et si V ∼ E(λ), fX (x) = λx
1
λeln x 1I]0,+∞[ − lnλx .
Or − ln x > 0 équivaut à ln x < 0, soit x < 1.
On a donc finalement, fX (x) = 1I]0,1[ (x) et X ∼ U (]0, 1[) .

39. (∗ ∗ ∗) Trouver la loi de Y = e1/X si X suit la loi uniforme sur [−1, 1].

Y = ϕ(X) où ϕ(x) = e1/x : ϕ est définie sur IR∗ où elle est de classe C 1 avec
ϕ0 (x) = − x12 e1/x < 0 donc ϕ est décroissante sur ] − ∞, 0[ et sur ]0, +∞[, avec lim ϕ = 1,
−∞
lim ϕ = 0, lim ϕ = +∞ et lim ϕ = 0. En particulier, ϕ est bien à valeurs dans IR∗+ et
0− + 0 +∞

## ϕ(] − 1, 0[∪]0, 1[) =]e−1 , 0[∪]e, +∞[.

1 1
y = ϕ(x) donne x
= ln y, soit x = ln y
.

• Si y < 0, FY (y) = 0.
• Si y ∈]0, e−1 [, FY (y) = P ([ϕ−1 (y) ≤ X ≤ 0]) = F (0) − F (ϕ−1 (y)).
• Si y ∈]e−1 , e[, FY (y) = P ([X ≤ 0]) = 12 .
−1 −1
• Si y > e, FY (y) = P ([X ≥ ϕ (y)]) = 1 − FX (ϕ  (y)).

1 1
Finalement, fY (y) = −fX ln y × − ln2 y y avec fX ln y = 12 si ln y > 1 ou ln y < −1,
1 1

1
c’est-à-dire, y < e−1 . Ainsi, fY (y) = 1I]0,e−1 [∪]e,+∞[(y) .
2y ln2 y
40. (∗∗) Soit X une v.a.r. de densité f définie par:

## Déterminer la fonction de répartition de la v.a.r. Y = tan X.

X est à valeurs dans ]0, π/2[ donc Y = tanX et à valeurs dans IR∗+ et on a :

## FY (y) = P ([Y ≤ y]) = P ([tan X ≤ y]) = FX (Arctan y)

1 2 −3/2
et fY (y) = fX (Arctan y) 1+y 2 , soit fY (y) = (1 + y ) 1I]0,+∞[ (y) .

## 41. (∗∗) Soit X une v.a.r. absolument continue.

1. Déterminer la loi de Y = sin(πX) si X suit la loi uniforme sur ]0, 1[.
2. Déterminer la loi de Z = tan X si X suit la loi uniforme sur ] − π/2, π/2[.

.
1. Pour X ∈ [0, 1], πX ∈ [0, π] ; or la fonction sin croı̂t de 0 à 1 sur [0, π2 ] et décroı̂t
de 1 à 0 sur [ π2 , π]. On a donc :

 1 si y ≥ 1
FY (y) = P ([sin πX ≤ y]) = 0 siy ≤ 0    .
 1 1
P X ∈ 0, π Arcsiny ∪ 1 − π Arcsiny, 1 si y ∈]0, 1[

## On a alors FY (y) = π2 Arcsiny 1I]0,1[ (y) + 1I[1,+∞[(y) et fY (y) = 2

π
√1 1I]0,1[ (y) .
1−y 2
 π π
2.
 π π X est à valeurs sur − 2 , 2 et tan est une bijection strictement croissante de
− 2 , 2 sur IR. P ([Z ≤ z]) = P ([tanX ≤ z]) = P ([X ≤ Arctanz]) = π1 Arctanz + π2

(puisque FX (x) = π1 x + π2 1I]− π , π [ (x) + 1I[ π ,+∞[ (x)) et fZ (z) = π1 1+z
1
2 : Z suit la loi de
2 2 2
Cauchy.

## Déterminer la fonction de répartition de la v.a.r. Y définie par:

eX + 1
Y =
eX − 1

x
Y = ϕ(X) avec ϕ(x) = eex +1 −1
= 1 + ex2−1 : ϕ est définie sur IR∗ où elle est de classe
2 ∗
C 1 comme quotient de telles fonctions. On a ϕ0 (x) = − (ex −1) 2 < 0 sur IR donc ϕ est
décroissante sur ] − ∞, 0[ et sur ]0, +∞[, avec lim ϕ = −1 et lim ϕ = 1, lim ϕ = −∞ et
−∞ +∞ 0−
lim
+
ϕ = +∞. Ainsi, ϕ est une bijection de IR∗ sur ] − ∞, −1[∪]1, +∞[.
0
2 2 2 y+1
Si y = ϕ(x), y − 1 = ex −1
donc ex − 1 = y−1
et ex = y−1
+1= y−1
. On a

## P ([Y ≤ y]) = P ([ϕ(X) ≤ y]).

• Si y < −1, P ([Y ≤ y]) = P ([ϕ−1 (y) ≤ X < 0]) = F (0) − F (ϕ−1 (y)) où
 −1
−1 y−1 y+1
F (ϕ (y)) = 1 + =
y+1 2y
1
et donc FY (y) = − 2y .

## • Si −1 ≤ y ≤ 1, P ([Y ≤ y]) = P ([X ≤ 0]) = F (0) = 12 .

1
• Si y > 1, P ([Y ≤ y]) = P ([X ≤ 0]) + P ([X ≥ ϕ−1 (y)]) = 2
+ 1 − F (ϕ−1 (y)), soit

3 y+1 2y − 1 1
FY (y) = − = =1− .
2 2y 2y 2y
 
1 1 1
Finalement, FY (y) = − 1I]−∞,−1[(y) + 1I[−1,1] (y) + 1 − 1I]1,+∞[(y) .
2y 2 2y

43. (∗∗) Soit X une v.a.r. de loi normale N (0, 1). Soit n ≥ 2 et a > 0.
1. Pour quelle valeur du réel a, la probabilité P ([a < X < na]) est-elle maximale?
2. Soit T = |X|+a. Calculer la fonction de répartition F de T en fonction de la fonction de répartition
Φ de X et en déduire la densité f de T .

## 1. P ([a < X < na]) = Φ(na) − Φ(a) = ϕ(a) avec

1 h −n2 a2 /2 2
i
ϕ0 (a) = nfX (na) − fX (a) = √ ne − e−a /2 .

Pour connaı̂tre le maximum de ϕ, il faut étudier le signe de ϕ0 , qui est le même que celui
2 2 2
de a 7→ e−n a /2+ln n − e−a /2 . Or x 7→ ex est une fonction croissante, donc qϕ0 (a) ≥ 0 si et
2 2 2
seulement si − n 2a + ln n ≥ − a2 , soit (n2 − 1)a2 ≤ 2 ln, c’est-à-dire a ≤ 2 ln n
n2 −1
et on a
q
bien P ([a < X < na]) maximale pour a = n2 2ln−1n .

## 2. FT (t) = P ([T ≤ t]) = P ([|X| + a ≤ t]) = P ([|X| ≤ t − a]) d’où


0 si t < a
FT (t) = .
P ([a − t ≤ X ≤ t − a]) si t ≥ a

## fT (t) = 2fX (t − a) 1I[a,+∞[ (t)

44. (∗) Soit X une v.a.r. de loi normale N (0, 1) et soit Φ sa fonction de répartition. Montrer que:
1. Pour tout x ∈ IR, Φ(−x) = 1 − Φ(x). (En particulier Φ(0) = 1/2).
2. Pour tout x ∈ IR+ , P (|X| ≤ x) = 2Φ(x) − 1 et P (|X| ≥ x) = 2(1 − Φ(x)).
R −x Rx R +∞
1. Φ(−x) = −∞
f (u) du = − +∞
f (−v) dv = x
f (v) dv car f est paire. f étant
v=−u
une densité, on a alors
Z +∞ Z x
Φ(−x) = f (v) dv − f (v) dv = 1 − Φ(x).
−∞ −∞

1
En particulier, Φ(0) = 1 − Φ(0) donc Φ(0) = 2
.

## 2. P ([|X| ≤ x]) = P ([−x ≤ X ≤ x]) = Φ(x) − Φ(−x) pour x ∈ IR+ et 0 sinon. Or

Φ(−x) = 1 − Φ(x) donc P ([|X| ≤ x]) = (2Φ(x) − 1) 1I[0,+∞[(x) .

P ([|X| > x]) = 1−P ([|X| ≤ x]) = 1−(2Φ(x)−1) = 2(1−Φ(x)) si x > 0 (et 1 si x ≤ 0).

Utilisation de tables
45. (∗) On jette 10 pièces de monnaie truquées de telle sorte que, pour chacune, la probabilité d’obtenir
“pile” soit 0,3. Soit X le nombre de “piles” obtenus au cours de ce lancer.
1. Déterminer la loi de X.
2. Quelle est la probabilité d’obtenir 3 “piles”? au plus 3 “piles”?

k
1. X(Ω) = [[0, 10]] et P ([X = k]) = C10 0.3k 0.710−k : X suit la loi binomiale B(10, 0.3)
(n = 10, p = 0.3).

3
2. P ([X = 3]) = C10 0.33 0.77 = 0.2668 d’après les tables de la loi binomiale.

P ([X ≤ 3]) = P ([X = 0]) + P ([X = 1]) + P ([X = 2]) + P ([X = 3])
= 0.0282 + 0.1211 + 0.2335 + 0.2668 = 0.6496

46. (∗) Dans un garage, le nombre de voitures vendues en une semaine suit la loi de Poisson de paramètre
8.
1. Déterminer la probabilité des événements A ”en une semaine, 8 voitures ont été vendues” et B
”en une semaine, au moins 2 voitures ont été vendues”.
2. Quelle est la probabilité qu’en une semaine il y ait eu au moins 6 et au plus 10 voitures vendues?
8
1. P (A) = e−8 88! ≈ 0.1396 et P (B) = P ([X ≥ 2]) = 1 − F8 (1) ≈ 0.997.

## 2. P ([6 ≤ X ≤ 10]) = F8 (10) − F8 (5) ≈ 0.8159 − 0.1912 ≈ 0.6237.

47. (∗) On suppose que le poids d’un bébé est une v.a.r. X de loi normale N (3.2, 0.16).
Calculer P ([X ≥ 4]), P ([X ≤ 3]) et P ([2.8 ≤ X ≤ 3.6]).

 X−3.2 
P ([X ≥ 4]) = P 0.4
≥ 2 = 1 − Φ(2) ≈ 1 − 0.9772 = 0.0228.
 X−3.2 
P ([X ≤ 3]) = P 0.4
≤ −0.5 = Φ(−0.5) = 1 − Φ(0.5) ≈ 1 − 0.6915 = 0.3085.
 X−3.2

P ([2.8 ≤ X ≤ 3.6]) = P −1 ≤ 0.4
≤ 1 = Φ(1) − Φ(−1) = 2Φ(1) − 1 ≈
1.6826 − 1 ≈ 0.6826.

48. (∗∗) Sur un échantillon de population, on note que 11% des personnes mesurent moins de 1,60m et
8% plus de 1,80m.
En admettant que la taille d’une personne est une v.a.r. de loi normale, préciser les paramètres de cette loi.

## Si L est la taille d’une personne,

 L−m on1.6−m
a alors
 P ([L 1.6−m
≤ 1.6])
 = 0.11 et P ([L ≥ 1.8]) =
0.08.
 Or P 1.8−m
([L ≤ 1.6]) = P σ
≤ σ = Φ σ
= 0.11 et P ([L ≥ 1.8]) =
P L−m σ
≥ σ
= 1 − Φ 1.8−m
σ
= 0.08. 
On s’aperçoit
 que 0.11 et 0.08
 ne figurent pas dans les tables mais Φ m−1.6σ
=
1.6−m 1.8−m
1−Φ σ
= 0.89 et Φ σ
= 0.92.

m−1.6 1.8−m m − 1.6 = 1.23σ
On a donc, par lecture des tables, σ ≈ 1.23 et σ ≈ 1, 41, d’où
1.8 − m = 1.41σ
et on en déduit 0.2 = 2.64σ donc σ = 0.076 et m = 1.693 .

49. (∗∗) La distribution des notes obtenues à un concours admet approximativement la loi normale de
moyenne 32.5 et d’écart-type 8.5 (les notes allant de 0 à 60).
Sachant que 30% des élèves ne sont pas admissibles et que 10% sont admis sans oral, quelles sont les

## Si X est la variable note, la variable T = X−32.58.5

suit la loi N (0, 1). Soit m la barre
   
M − 32.5 M − 32.5
P ([X ≥ M]) = 0.1 = P T ≥ =1−Φ
8.5 8.5

donc Φ M −32.5
8.5
= 0.9. On en déduit, avec la table, M −32.5 = 8.5×1.28, soit M = 43.4 .
De même,
     
m − 32.5 m − 32.5 32.5 − m
P ([X ≤ m]) = 0.3 = P T ≤ =Φ =1−Φ
8.5 8.5 8.5

donc Φ 32.5−m
8.5
= 0.7. On en déduit, avec la table, 32.5 − m = 8.5 × 0.52, soit m = 28.1 .

## 50. (∗) Soit X une v.a.r. de densité f définie par:

2
f (x) = Ax2 e−x /3
1I]0,+∞[ (x)
Déterminer A, la fonction de répartition de X et calculer P ([X > 1]) à l’aide d’une table.

Rx t2
FX (x) = 0 si x ≤ 0 et si x > 0, F (x) = A t2 e− 3 dt. Dans le but d’utiliser la fonction
0 q
t2 u2
de répartition Φ de la loi normale N (0, 1), on veut avoir 3 = 2 donc on pose t = 32 u.
R √ 2 x 3 q 3 2 − u2
On a alors FX (x) = A 0 3 2 2 u e 2 du. On fait alors une intégration par parties avec
u2 u2
v 0 = ue− et w = u (v = −e− 2 et w0 = 1). Il vient alors, pour x > 0 :
2

r √2 Z √2x !
3 3 h 2 i 3
x 3 2
− u2 − u2
FX (x) = A −ue + e du
2 2 0 0
r r Z √2x Z 0 !
3 3 2 − x2 3 u2 u2
= A − xe 3 + e− 2 du − e− 2 du
2 2 3 −∞ −∞

x2 √  q  
soit FX (x) = − 32 Axe− 3 + 32 A 3π Φ 2
3
x − 12 si x > 0.
√ q  x2
On a lim FX (x) = 1 = 34 A 3π car lim Φ 2
3
x = 1 et lim xe− 3 = 0.
x→+∞ x→+∞ x→+∞
 q  x2

On en déduit A = 3√43π , puis FX (x) = 2Φ 2
3
x − 1 − √2 xe− 3

1I]0,+∞[ (x) .
q  1
2
On a alors P (X > 1) = 1 − FX (1) = 2 − 2Φ 3
+ √23π e− 3 .
q
Comme 23 ≈ 0, 816 et Φ(0, 816) ≈ 0, 793, on a donc P ([X > 1]) ≈ 0, 88 .

51. (∗∗) La longueur L du côté d’un cube suit une loi normale de moyenne 10cm et d’écart-type 1mm.
Soit V le volume du cube et S l’aire totale de ses 6 faces.
1. Calculer P ([V < 1030cm3 ]) et P ([S < 624cm2 ]).
2. Déterminer la densité de V et celle de S.
L suit la loi N (10, 0.01) (m = 10cm, σ = 0.1cm). V = L3 et S = 6L2 .
√  √
3

1. P ([V < 1030]) = P ([L3 < 1030]) = P (L < 3 1030) = P L−100.1
< 1030−10
0.1
d’où
√ !
3
1030 − 10
P ([V < 1030]) = Φ ≈ Φ(0.99) ≈ 0.8389
0.1
et de même,
" r #! " √ #!
624 L − 10 104 − 10
P ([S < 624]) = P ([6L2 < 624]) = P L< =P <
6 0.1 0.1
√ !
104 − 10
= Φ ≈ Φ(1.98) ≈ 0.9762
0.1
√ √
2. P ([V ≤ v]) = P ([L ≤ 3 v]) = FL ( 3 v) et
1 −2 √
3
1 −2 1 √
( 3 v−10)2
− 0.02
fV (v) = v fL ( v) = v
3 3 √ e .
3 3 0.1 2π
 p  ps
P ([S ≤ s]) = P ([6L2 ≤ s]) = P L < 6s = FL 6
et
r  √s 2
1 1 s 1 1 −
( 6 −10)
fS (s) = √ √ fL = √ √ √ e 0.02 .
62 s 6 2 6 s 2π 0.1

Remarque : ces résultats sont approximatifs car en fait, L, S et V sont toujours > 0.

52. (∗∗) Une confiture est qualifiée “pur sucre” si elle contient entre 420g et 520g de sucre par kg. Le
poids en sucre d’un pot suit une loi normale de moyenne 465g et d’écart-type 30g.
1. Calculer le pourcentage de la production qui ne doit pas porter la mention “pur sucre”.
2. Afin d’améliorer la qualité “pur sucre”, le fabricant souhaite éliminer 15% de sa production.
Déterminer un intervalle [a, b] tel que P (a ≤ X ≤ b) = 0, 85.
3. Un magasin diététique propose d’acheter les pots de moins de 495g mais d’au moins Y g de sucre.
Déterminer Y sachant que le fabricant refusera la vente au dessus de 20% de chute.

a) P ([420 ≤ X ≤ 520]) ≈ P [−1, 5 ≤ X−46530
≤ 1, 83] = Φ(1, 83) − Φ(−1, 5) (car
m = 465 et σ = 30) et, comme Φ(−1, 5) = 1−Φ(1, 5), on trouve P (420 ≤ X ≤ 520) ≈ 0, 9
:

## b) Il est préférable de centrer l’intervalle

 [a, b]
 en m :  on cherche donc x qui vérifie
P ([−x ≤ X − m ≤ x]) = 0, 85 = Φ σx − Φ − σx = 2Φ σx − 1. On trouve Φ σx = 0, 925,
d’où σx ≈ 1, 44, a = m − 1, 44σ et b = m + 1, 44σ, soit I = [422, 508] .
y−m X−m

c) On cherche
 y tel que P ([y
 ≤ X ≤ 495]) = 0, 8 = P [ σ
≤ σ
≤ 1] = Φ(1)−
Φ y−m . On a donc Φ y−m
= Φ(1) − 0, 8 = 0, 8413 − 0, 8 = 0, 0413 = 1 − Φ m−y ;
σ
m−y
 σ
m−y
σ
d’où Φ σ = 0, 9587 : on trouve σ = 1, 735, soit y = m − 1, 725σ : y = 413g .