Académique Documents
Professionnel Documents
Culture Documents
I. LOIS DISCRETES
b. Calculer p(X = 2). Obtenir sur la calculatrice la liste des probabilités de toutes les valeurs de X.
k 8−k
6 20
Formulaire : p(X = k) = C kn × p k × qn − k ; dans les conditions de l’exercice : = C8k × × ;
26 26
2 6
6 20
ainsi : p(X = 2) = C28 × × ≈ 0,3089.
26 26
Sur la calculatrice :
On saisit manuellement les valeurs k possibles en List1 : 0, 1, 2, 3, 4, 5, 6, 7, 8
On saisit la formule générale en List2 : 8CList1*(6/26)^List1*(20/26)^(8-List1)
En ajoutant et en retranchant l’écart type à la moyenne, on construit un intervalle qui englobe les
événements « de loin » les plus probables.
Ici, l’intervalle formé est, en arrondissant, [0,6 ; 3], qui englobe les valeurs 1, 2 et 3.
Dans la grande majorité des cas, nous aurons 1, 2 ou 3 succès en 8 essais.
TD3 : Utiliser une loi de Poisson
La loi de la variable aléatoire X est binomiale de paramètres n = 50 et p = 0,06.
b. Justifier l'approximation de cette loi par une loi de Poisson dont on déterminera le paramètre.
Donc il existe une loi de Poisson dont les résultats sont proches de la réalité.
λ = np = 3. La loi de Poisson à utiliser est la loi P(3).
c. Donner, à l'aide de la table de la loi de Poisson, les probabilités demandées plus haut.
Comparer à celles obtenues par une loi binomiale.
d. En utilisant la formule page précédente (loi de Poisson), obtenir ces probabilités sur une nouvelle
liste de votre calculatrice.
3) Quelle est la probabilité que moins de deux espèces sélectionnées soient bio ?
p(X < 2) = p(X = 0) + p(X = 1) = 0,0041 + 0,0467 = 0,0508.
Exercice 2
Un automobiliste rencontre sur son trajet 5 feux tricolores à la suite, identiques dans leurs durées :
le feu vert dure 40 secondes, le feu orange/rouge dure 20 secondes.
Malheureusement, ces feux ne sont pas synchronisés, et l'état de l'un n'a aucune influence sur l'état
du suivant.
1) Lorsque l'automobiliste arrive au niveau du premier feu, quelle est la probabilité que celui-ci soit
vert ?
Sur une plage d'une minute, le feu vert dure les deux tiers du temps.
A un instant quelconque indéterminé, le feu a 2 chances sur 3 d'être vert. p = 2/3
2) Déterminer la probabilité pour que, dans son trajet, il ait rencontré tous les feux au vert.
Ici, on répète 5 fois de suite la même expérience.
A chaque fois, la probabilité de succès est p, 2/3.
On désigne par X la variable aléatoire comptant le nombre de succès (feux verts) sur 5 tentatives.
Alors la loi de X est B(5 ; 2/3)
5 0 5
2 1 2
p ( X = 5 ) = C × × = ≈ 0, 1317
5
5
3 3 3
2) Quand une graine est germée, la probabilité pour que les limaces détruisent le jeune plant est 0,4.
a) Calculer la probabilité pour qu'une graine semée donne un plant bon à repiquer.
Il faut, pour une graine, l'événement "la graine germe ET sachant qu'elle a germé, les limaces
ne le détruisent pas". (on pourrait aussi construire un arbre, dont seule une des branches nous
intéresse ici)
La probabilité cherchée est 0,8×0,6 = 0,48.
b) Combien devra-t-on semer de graines pour que la probabilité d'avoir au moins un plant bon à
repiquer soit supérieure à 0,99 ?
La variable aléatoire Y compte ici les plants bons à repiquer (psuccès = 0,48) parmi n graines
semées. La loi de Y est B(n ; 0,48).
L'événement contraire de celui de la question est plus simple :
Il faut que p(Y = 0) soit inférieure à 0,01.
p (Y = 0 ) < 0, 01 ⇔ Cn0 × ( 0, 48 ) × ( 0, 52 ) < 0, 01
0 n
ln ( 0, 01 )
⇔ 1 × 1 × ( 0, 52 ) < 0, 01 ⇔ n >
n
ln ( 0, 52 )
On doit donc avoir n > 7,042, il faut semer au moins 8 graines.
Exercice 4
D'après un sondage, 80 % des acheteurs d'un produit A se déclarent satisfaits.
Sur un groupe de 10 acheteurs du produit, choisis au hasard, quelle est la probabilité que :
b. 80 % soient satisfaits ?
p ( X = 8 ) = C10 × ( 0, 8 ) × ( 0, 2 ) = 45 × ( 0, 8 ) × ( 0, 2 ) ≈ 0, 3020
8 8 2 8 2
2) Ici, on ne connaît pas le nombre de personnes que l'on va interroger. Combien de personnes
faudrait-il interroger pour que la probabilité qu'il y ait au moins un client de "MAUVE" dépasse 99 % ?
p(X = 0) < 0,01 ssi 0,94n < 0,01 ssi n > ln(0,01)/ln(0,94) ssi n > 74,43
Il faut interroger au moins 75 personnes.
Exercice 6
Le nombre de micro-ordinateurs vendus chaque jour dans le magasin HIGHTECH suit la loi de Poisson
de paramètre 4. Calculez la probabilité que dans une journée :
Exercice 8
Une boîte contient 250 allumettes. Elle a été exposée à l’humidité, si bien que 20% des allumettes
sont inutilisables : elles ne s’allumeront pas.
On choisit au hasard 10 allumettes. Le nombre total (250) étant beaucoup plus grand, on pourra
assimiler ce tirage comme étant avec remise. La variable aléatoire X désigne le nombre de celles qui
s’allumeront, parmi les 10.
1. Montrer que la loi de X est binomiale et donner ses paramètres et son espérance.
Lorsqu'une allumette est choisie, le succès (elle s'allume) a pour probabilité p = 0,8 (et q = 0,2).
On tire avec remise n = 10 allumettes et X compte le nombre k de succès parmi les 10.
La loi de X est donc B(10 ; 0,8). E(X) = np = 8.
b. Toutes s’allument
p ( X = 10 ) = C10
10
× 0, 810 × 0, 20 = 0, 810 ≈ 0, 1074
3. a. Déterminer les probabilités ci-dessus en se basant sur une loi de Poisson de paramètre λ bien
choisi.
λ = E(X) = 8
p(X = 0) = 0,00034
p(X = 10) = 0,09926 et p(X < 8) = p(X = 0) + p(X = 1) + ... + p(X = 7) = 0,45296
b. Expliquer les différences observées entre les résultats des questions 2. et 3.a.
La loi de Poisson est plutôt inexacte, car les conditions d'approximation de la loi binomiale vers
une loi de Poisson ne sont pas respectées :
il faut n > 30, or n = 10, il faut p < 0,1, or p = 0,8…
Par contre, npq < 10 est respectée, car npq = 1,6.
Exercice 9
Dans une population très nombreuse, on rencontre en moyenne 0,4 % de non-voyants.
1) Dans un échantillon de 100 personnes, quelle est la probabilité de n'avoir aucun non-voyant ?
Qu'il y en ait au moins 2 ?
On répète 100 fois la même expérience : choisir un individu au hasard avec une probabilité
p = 0,4% = 0,004 qu'il soit non-voyant (succès).
La population étant très grande, on considère que p est invariable, ce qui signifie que le tirage est
assimilé "avec remise" et qui nous autorise une loi binomiale.
Soit X la v.a. qui compte le nombre de non-voyants sur les 100 personnes.
La loi de X est B(100 ; 0,004).
p ( X = 0 ) = C100 × ( 0, 004 ) × ( 0, 996 ) = ( 0, 996 )
0 100 100
0
≈ 0, 6698
p ( X ≥ 2 ) = 1 − p ( X = 0 ) − p ( X = 1) = 1 − 0, 6698 − C100 × ( 0, 004 ) × ( 0, 996 ) ≈ 0, 06123
1 1 99
1. loi de X : N(50 , 10). Calculer p(X < 60), p(X < 43), p(45 < X < 55)
60 − 50
p(X < 60) = p(U < ) = p(U < 1) = 0,8413
10
43 − 50
p(X < 43) = p(U < ) = p(U < -0,7) = 1 – p(U < 0,7) = 0,2420
10
45 − 50 55 − 50
p(45 < X < 55) = p( <U< ) = p(-0,5 < U < 0,5)
10 10
= p(U < 0,5) – p(U < -0,5) = p(U < 0,5) – (1 - p(U < 0,5)) = 0,3830
2. loi de X : N(3 , 0,45). Calculer p(X > 4), p(X < 2,55), p(3,2 < X < 3,7)
4 −3
p(X > 4) = p(U > ) = p(U > 2,22) = 1 - p(U < 2,22) = 0,0132
0, 45
2, 55 − 3
p(X < 2,55) = p(U < ) = p(U < -1) = 1 – p(U < 1) = 0,1587
0, 45
3, 2 − 3 3, 7 − 3
p(3,2 < X < 3,7) = p( <U< ) = p(0,44 < U < 1,56)
0, 45 0, 45
= p(U < 1,56) – p(U < 0,44) = 0,9406 – 0,6700 = 0,2706
TD7 : Passage de lois discrètes à une loi normale
Justifiez le passage à une loi normale, puis calculez les probabilités :
1. 30 % des PME d'une région exportent. Si on choisit 80 PME au hasard, quelle est la
probabilité que plus de 30 exportent ?
* On choisit une entreprise : elle exporte (succès, p = 0,3) ou non (échec, q = 0,7).
* p est invariable d’une entreprise à une autre, car on imagine que le nombre total
d’entreprises du secteur est très grand et qu’interdire la répétition ne modifie que très peu
la proportion d’entreprises qui exportent, au fur et à mesure du choix de 80 d’entre elles.
* X est le nombre d’entreprises qui exportent, sur un choix aléatoire de 80 entreprises.
La loi de X est donc : B(80 ; 0,3).
* n > 30 ? OUI, n = 80
* npq > 5 ? OUI, npq = 16,8
Donc : B(80 ; 0,3) ≈ N(24 ; 4,1)
30 − 24
p(X > 30) = p(U > ) = p(U > 1,46) = 1 – p(U < 1,46) = 0,0721
4, 1
Pour la probabilité d’une valeur ponctuelle, on aura tendance à utiliser directement la loi
80 × 0, 3 × 0, 7
binomiale : p(X = 30) = C30 ≈ 0,03285.
30 50
2. Le nombre d'articles vendus journellement est distribué suivant une loi de Poisson de
paramètre 25. Quelle est la probabilité, un jour donné, que moins de 20 articles soient vendus ?
20 − 25
p(X < 20) = p(U < ) = p(U < -1) = 1 – p(U < 1) = 0,1587
5
Exercice 10 (avec solutions)
La variable X “masse (kg) d’un nouveau-né” est distribuée selon la loi N(3,1 ; 0,5).
1. Quelle est la probabilité qu’un nouveau-né pèse plus de 4 kg ?
changement de variable : U = (X – 3,1)/0,5 est distribuée selon la loi N(0 ; 1).
Avec x = 4 : u = (4 – 3,1)/0,5 = 1,8 ; table : F(1,8) = p(U < 1,8) = 0,9641.
réponse : p(X > 4 kg) = p(U > 1,8) = 1 – 0,9641 = 0,0359.
2. Quelle est la probabilité qu’un nouveau-né pèse moins de 3 kg ?
changement de variable : U = (X – 3,1)/0,5 est distribuée selon la loi N(0 ; 1).
Avec x = 3 : u = (3 – 3,1)/0,5 = -0,2 ; table : F(0,2) = p(U < 0,2) = 0,5793.
réponse : p(X < 3 kg) = p(U < -0,2) = 1 - p(U < 0,2) = 1 – 0,5793 = 0,4207.
3. Quelle est la probabilité qu’un nouveau-né pèse entre 3 et 4 kg ?
formule de l’intervalle : p(a < X < b) = p(X < b) – p(X < a).
réponse : p(3 < X < 4) = p(X < 4) – p(X < 3) = 0,9641 – 0,4207 = 0,5434.
Exercice 11
1. La variable U est distribuée selon la loi N(0 ; 1).
a. Calculer :
* p(U < 0,86) = 0,8051 * p(U > 1,96) = 1 – 0,975 = 0,025
* p(U > -1,39) = p(U < 1,39) = 0,9177
* p(-0,63 < U < 0,63) = p(U < 0,63) – p(U < -0,63) = p(U < 0,63) – (1 - p(U < 0,63))
= 2p(U < 0,63) – 1 = 0,4714
b. Donner la valeur u0 telle que :
* p(U < u0) = 0,8944 : u0 = 1,25 (table)
* p(-u0 < U < u0) = 0,98 ⇔ 2p(U < u0) – 1 = 0,98 ⇔ p(U < u0) = 0,99 ⇔ u0 = 2,33
Exercice 13
Un agent commercial doit faire du démarchage par téléphone. En moyenne, un appel sur cinq
conduit à une commande.
1. Soit X la variable aléatoire “nombre de commandes passes après 60 appels”.
a. Donner le nom et les paramètres de la loi de probabilité de X.
Un appel se conclut par une commande (succès) ou pas. La probabilité de succès,
invariable, est p = 1/5 = 0,2. Donc, la loi de X est binomiale : B(60 ; 0,2).
b. Justifier que cette loi peut être approximée par une loi normale, dont on donnera
les paramètres.
n > 30 (60) et npq > 5 (9,6), donc nous pouvons utiliser une loi normale à la place de la
loi binomiale. np = 12 et npq = 3,098. La loi normale est N(12 ; 3,098).
c. En utilisant cette loi normale, calculer les probabilities suivantes :
15 − 12
* p(X > 15) = p(U > ) = p(U > 0,97) = 1 – 0,8340 = 0,1660
3, 098
10 − 12
* p(X < 10) = p(U < ) = p(U < -0,65) = 1 – 0,7422 = 0,2578
3, 098
* p(X = 12) peut être calculée avec la loi normale ou avec la loi binomiale.
N(12 ; 3,098) : p(X = 12) = p(11,5 < X < 12,5) = p(-0,16 < U < 0,16) = 0,1272
B(60 ; 0,2) : p(X = 12) = C1260 0, 2120, 848 = 0,1278
2. Quel est le nombre minimal d’appels qu’on doit passer pour avoir au moins 75% de
chances d’obtenir au moins 15 commandes ?
Avec n appels, la loi de X est B(n ; 0,2), approximée par N(0,2n ; n × 0, 2 × 0, 8 ), c’est à
dire N(0,2n ; 0,4 n ). Le changement de variable, entre X et U, est :
X − 0, 2n
U= .
0, 4 n
D’un autre côté, la table de la loi normale centrée réduite nous informe que u0 doit être
inférieur à -0,68 pour que p(U > u0) dépasse 75%.
x0 − 0, 2n
Nous devons donc avoir < -0,68 ⇔ 0,2n – 0,272 n – 15 > 0.
0, 4 n
On peut tester quelques valeurs de n, ou résoudre cette équation (on pose n = N², et on
résoud 0,2N² - 0,272N – 15 > 0).
On trouve que n doit être supérieur à 87,73 :
Il faut passer 88 appels pour avoir 75% de chances d’obtenir au moins 15 commandes.
Exercice 14
On suppose qu’en moyenne on se fait contrôler une fois tous les 20 voyages en bus.
M.A fait 800 voyages par an.
1. Quelle est la probabilité que M.A. soit contrôlé entre 30 et 50 fois dans l’année ?
Chaque voyage conduit à un contrôle (succès, probabilité invariable : p = 1/20 = 0,05) ou non.
Soit X le nombre aléatoire de contrôles durant 800 trajets. La loi de X est B(800 ; 0,05).
n > 30 (800) et npq > 5 (38), donc nous sommes en droit d’utiliser une loi normale à la
place de la loi binomiale. np = 40 et npq = 6,164. La loi normale est N(40 ; 6,164).
p(30 < X < 50) = p(-1,62 < U < 1,62) = 2×0,9474 – 1 = 0,8948
III. ECHANTILLONNAGE
a. Quelle loi suit la distribution d'échantillonnage des moyennes des échantillons de taille 10 ? 50 ?
Soit X la variable « valeur d’un individu quelconque dans la population », de loi N(120 ; 40).
La variable X désigne donc la valeur moyenne d’un échantillon quelconque de n individus.
40
En EAS, la loi de X est N(120 ; ).
n
Pour n = 10 : N(120 ; 12,65) et pour n = 50 : N(120 ; 5,657).
(la plus étalée est celle dont l’écart type est le plus grand)
c. Quelle est la probabilité pour qu'un échantillon de taille 10 ait une moyenne supérieure à 130 ?
130 − 120
p( X > 130) = p(U > ) = p(U > 0,79) = 1 – p(U < 0,79) = 1 - 0,7852 = 0,2148
12, 65
130 − 120
p( X > 130) = p(U > ) = p(U > 1,77) = 1 – p(U < 1,77) = 1 – 0,9616 = 0,0384
5, 657
2. Dans la population mondiale, on a compté environ 3,38 milliards de femmes contre 3,12
milliards d'hommes. P est la v.a. donnant la proportion de femmes dans les échantillons de taille
100 personnes.
3, 38
La proportion de femmes dans le monde était alors : π = = 0, 52 .
6, 5
Considérant que l’on est en EAS (manifestement, la population est plus de 20 fois plus
grande que l’échantillon), la loi de P est :
π (1 − π ) 0, 52 × 0, 48
N π , = N 0, 52 ;
= N ( 0, 52 ; 0, 04996 ) .
n 100
(on attend majoritairement des échantillons contenant 52% de femmes, plus ou moins 5%)
b. Quelle est la probabilité que dans un échantillon de 100 personnes il y ait plus d'hommes que
de femmes ?
Exercice 15
Dans une chaîne de fabrication d’ampoules électriques, on admet que la durée
de vie d’une ampoule est une variable aléatoire normale de moyenne 900
heures et d’écart type 80 heures.
Calculer la probabilité pour que dans un échantillon aléatoire simple de 100
ampoules la durée de vie moyenne des ampoules dépasse 910 heures.
Exercice 16
Un candidat a obtenu 55 % des suffrages exprimés à une élection.
1) Quelle est la probabilité d'avoir, dans un échantillon de 100 personnes, moins de 50 % de voix ?
La proportion de personnes ayant voté pour le candidat, dans les échantillons de taille 100,
est une variable aléatoire réelle P dont la loi est N (0,55 ; √(0,55×0,45/100)) = N (0,55 ; 0,04975)
p(P < 0,5) = p(U < (0,5-0,55)/0,04975) = p(U < -1,005) = 1 - 0,8425 = 0,1575
2) Même question pour un échantillon de 2000 personnes.
3) Combien de personnes faut-il interroger pour que la probabilité que moins de 50 % d'entre elles
aient voté pour lui passe en-dessous de 1 % ?
Exercice 17
Dans une région, pendant la période estivale, on admet que le nombre de touristes présents dans
une journée suit une loi normale de moyenne 50 000 et d'écart-type 8 000.
1) La préfecture estime que le tourisme est "gérable" (accueil, environnement, nuisances, …)
lorsque la probabilité d'accueillir moins de 55 000 personnes dans une journée dépasse 70 %. Est-
ce le cas ?
p(X < 55000) = p(U < (55000-50000)/8000) = p(U < 0,625) = 0,734
Cette probabilité est donc supérieure à 70%.
b) Quelle est la probabilité que, dans un tel échantillon, le nombre journalier moyen de vacanciers
soit inférieur à 55 000 ?
1) Quelle est la probabilité pour qu'un individu pris au hasard ait un QI inférieur à 100 ?
p(X < 100) = p(U < -2/15) = p(U < -0,13) = 1 - p(U < 0,13) = 1 - 0,5517 = 0,4483
2) On veut analyser les résultats de quelques échantillons de cette population. Pour cela, on
formera des groupes de 20 individus, choisis par échantillonnage aléatoire simple (EAS), et on
calculera le QI moyen de chaque groupe.
a. Donner les paramètres de la loi normale selon laquelle se distribuent les QI moyens de tous
les échantillons possibles de taille 20.
b. Quelle est la probabilité pour que notre groupe sélectionné ait un QI moyen inférieur à 100 ?
p( X < 100) = p(U < -2/3,354) = p(U < -0,60) = 1 - p(U < 0,60) = 1 - 0,7257 = 0,2743
c. Au lieu de 20, combien d'individus faudrait-il choisir au hasard pour avoir moins de 5% de
risque que le QI moyen de ce nouveau groupe soit en-dessous de 100 ?
prob < 0,05 ssi p(U < u) > 0,95 avec u positif et valant 2/(15/√n) = 2√n /15 ssi u ≥ 1,65 (1,645
valable) ssi √n > 1,65×15/2 ssi n > 153,1. Il faut choisir au moins 154 personnes.
b. Quelle est la probabilité pour que sur un groupe de 20 personnes cette proportion dépasse
50 % ?
IV. ESTIMATION
n
estimation de µ : µˆ = x ≈ 3,41 M€ ; estimation de σ : σˆ = s ≈ 1,358 M€
n −1
b. Donner une estimation de leur CA moyen par intervalle de confiance, au niveau de confiance de
95 %.
c. Donner une estimation ponctuelle de la proportion d'entreprises dont le CA dépasse 4,5 M€.
d. Donner une estimation de cette proportion par intervalle de confiance au seuil de risque de 1 %.
p (1 − p ) p (1 − p )
On se servira de Iα = p − u ; p+u .
n n
loi N(0, 1) ; confiance : 99%, soit risque α = 0,01 et donc on cherche u tel que p(U < u) = 0,995 :
u = 2,58.
0, 2 (1 − 0, 2 ) 0, 2 (1 − 0, 2 )
Iα = 0, 2 − 2, 58 ; 0, 2 + 2, 58 = [0,054 ; 0,3459] = [5,4% ; 34,59%].
50 50
Exercice 20
On a pesé le raisin sur 10 souches prises au hasard dans une vigne et on a obtenu les
résultats suivants en kilogrammes : 2,4 ; 3,2 ; 3,6 ; 4,1 ; 4,3 ; 4,7 ; 5,3 ; 5,4 ; 6,5 ; 6,9.
1. Calculer la masse moyenne et l’écart type de cet échantillon.
La moyenne de la série est 4,64 kg et son écart type 1,348 kg.
(calculatrice : mode stat, 1 variable)
2. Estimer la variance de la population dont ont été extraites ces souches.
2 n 2 10
σ = s = × 1, 3482 = 2, 019
n −1 9
3. Donner un intervalle de confiance de la moyenne de la population au risque de 0,05.
L'écart type de la population étant inconnu, la loi de référence sera celle de Student :
X −µ
La loi de la variable T = est la loi de Student à 9 degrés de liberté.
S
n −1
L'intervalle de confiance de µ au seuil de 5% est :
s s
I0,05 = x − t ; x +t où t = 2,262 (ddl = 9 et α = 0,05)
n −1 n − 1
1, 348 1, 348
I0,05 = 4, 64 − 2, 262 × ; 4, 64 + 2, 262 × = [3, 624 ; 5, 656 ]
3 3
4. Calculer le nombre minimum de souches qu’il aurait fallu étudier pour que cet intervalle ait une
amplitude de 1 kg en supposant que la variance estimée est bien celle de la population.
L'hypothèse que la variance estimée (2,019) est bien celle de la population nous permet de
construire un intervalle de confiance sur la base d'une loi normale :
σ σ σ
Iα = x − u ;x +u dont u est la demi-amplitude.
n n n
σ
On nous impose donc : u = 0,5.
n
Or u = 1,96 car α = 5%, et σ = 2, 019 ≈ 1, 421 kg par hypothèse.
σ
u = 0,5 donne n ≈ 5, 57 et n = 31,02
n
Il faut donc un échantillon d'au moins 31 souches pour que l'amplitude de l'intervalle de
confiance devienne inférieure à 1 kg.
Exercice 21
Un laboratoire souhaite analyser l'état de contamination des arbres par les pluies acides dans un
territoire donné. Pour cela, un échantillon de 100 arbres a été examiné : 8 arbres sont touchés.
Donner une estimation de la proportion π d'arbres touchés dans la population de ce territoire, par
intervalle de confiance au seuil de risque de 10 %.
La proportion p relevée dans l'échantillon est 0,08.
L'intervalle de confiance de π, proportion de la population, au seuil de 10% est :
0, 08 × 0, 92 0, 08 × 0, 92
0, 08 − 1, 645 ; 0, 08 + 1, 645 = [ 0, 03537 ; 0, 1246 ] .
100 100
Exercice 22
Dans la gestion d’un silo à blé, on s’interroge sur le stock de sécurité à prévoir pour « être sûr » à
99 % de pouvoir satisfaire le client à tout moment. Pour cela, pendant 15 semaines, on observe la
consommation hebdomadaire de blé (en tonnes) c’est à dire la quantité de blé retirée du silo
chaque semaine. On obtient les résultats suivants :
Consommation en tonnes 4,6 4,7 4,8 4,9 5 5,1 5,2 5,3
Effectifs (nombre de semaines) 1 0 2 3 5 2 1 1
2) Soit X la variable aléatoire qui, à une semaine passée ou future, associe la consommation de blé
(en tonnes) cette semaine-là. On suppose que la loi de X est normale N (µ, σ).
b. Dans la loi normale munie des deux paramètres trouvés en question 2)a., quelle valeur de X a-t-
on 99% de chances de ne pas dépasser ? Conclure sur la question générale de l'énoncé.
Pour la loi N (0 ; 1), p(U < 2,33) = 0,9901.
Valeur de X correspondant à u = 2,33 : x = 2,33σ + µ = 5,371
On peut estimer en première approche qu'avec un stock de secours hebdomadaire de 5,371
tonnes on pourra satisfaire la clientèle dans 99% des cas.
b. Quelle est la probabilité que m soit supérieure à la borne supérieure de cet intervalle ?
p(µ > 5,104) = 0,5%
Exercice 23
Une entreprise veut se spécialiser dans la livraison de colis volumineux. Elle fait un état de ceux
qu'elle a déjà eu l'occasion de transporter et le considère comme un échantillon représentatif de
l'ensemble des colis futurs.
série statistique des colis déjà transportés :
volume en m³ 0,2 à 0,4 0,4 à 0,5 0,5 à 0,6 0,6 à 1
effectifs (nb colis) 15 40 60 10
1) Donner une estimation ponctuelle de la moyenne et de l'écart type du volume des futurs colis.
2) Estimer le volume moyen des futurs colis par un intervalle de confiance à 99%.
σ étant inconnu, on détermine le coefficient t d'une loi de Student à 124 ddl au seuil de 1% :
t = 2,576.
I = [0,508 - 2,576×0,1181/√124 ; 0,508 + 2,576×0,1181/√124] = [0,4807 ; 0,5353]
loi normale acceptée, au lieu de Student, avec u = 2,58
3) Dans cette question, on considère que l'écart type des futurs colis est connu et vaut l'estimation
que vous en avez faite dans votre réponse à la question 1.
A quel niveau de confiance correspondrait un intervalle d'amplitude 0,05 m³ ? Interpréter.
V. TESTS
Organisons un tableau :
nombre obtenu 1 2 3 4 5 6
effectif observé 26 15 14 24 25 16
effectif théorique 20 20 20 20 20 20
( obs − th )
2
Variable de décision :
Valeur de la variable aléatoire χ² calculée entre l'échantillon et la théorie : χ²calc = 7,7
Comparaison et décision :
Au seuil de 2%, on ne peut rejeter H0.
Dit autrement : on ne peut dire avec 98% de confiance que le dé est truqué.
TD11 : Test unilatéral de conformité à une moyenne (σ connu)
Un marchand de légumes veut changer de fournisseur. Le nouveau fournisseur prétend que ses
haricots mesurent 10 cm en moyenne.
Si cette valeur est plausible, voire si l'estimation qu'on peut en faire est supérieure, alors le
marchand décidera de choisir ce fournisseur. Son choix sera contraire si un échantillon donne une
moyenne trop basse. Le marchand fixe son seuil de risque a à 5%.
Soit X la variable aléatoire "taille d'un haricot en cm", distribuée suivant N (µ , 2,3).
Nous prenons un échantillon de n = 25 haricots. La moyenne de cet échantillon est x = 9,5 cm.
ulim = -1,645
car p(U < 1,645) = 0,95 -1,645 0
implique p(U < -1,645) = 0,05
9,24 10
x − 10 9, 5 − 10
uobs = = ≈ −1, 09
0, 46 0, 46
xlim = 10 − 1, 645 × 0, 46 ≈ 9, 24
* Décision :
La moyenne observée (9,5 cm) ne se trouve pas dans la zone de rejet.
Au seuil de 5%, on ne peut rejeter l’hypothèse nulle, selon laquelle la taille moyenne des
haricots de la population vaut 10 cm (ou plus).
C’est à dire : on ne peut affirmer avec 95% d’assurance que cette moyenne est inférieure à
10 cm.
TD12 : Test bilatéral de conformité à une moyenne (σ inconnu)
Une carrière doit exploiter 300 tonnes de minerai en moyenne journalière.
On admet que la masse journalière de minerai extrait se distribue normalement.
Des quantités examinées sur 10 jours ont donné les résultats suivants, en tonnes :
302 287 315 322 341 324 329 345 392 289
Peut-on considérer au vu de cet échantillon que l'exploitation est conforme, au risque α de 1% ?
0,5% 0,5%
±tlim = ±3,25
par lecture directe -3,25 0 3,25
sur la table de Student
268,35 300 331,65
pour 1-p = 0,01
* Décision :
La moyenne observée (324,6 t/jour) ne se trouve pas dans la zone de rejet.
Au seuil de 1%, on ne peut rejeter l’hypothèse nulle, selon laquelle la production moyenne
est conforme à 300 t/jour.
C’est à dire : on ne peut affirmer avec 99% d’assurance que cette moyenne ne l’est pas.
Exercice 24
Expérience : on lance un dé trois fois de suite. Le succès est : faire 5 ou 6.
X est la variable aléatoire qui prend pour valeurs 0, 1, 2 ou 3 : nombre de succès à l'issue de
l'expérience. On admettra que P(X = 0) = 8/27, P(X = 1) = 12/27 et P(X = 3) = 1/27.
Enfin, on réalise l'expérience 54 fois.
2. En effectuant un test du χ², dire, au seuil de 5 %, si les résultats observés sont compatibles avec
les résultats théoriques attendus.
Hypothèse nulle H0 : le dé n'est pas truqué
calcul des Khi² partiels : (obs - th)²/th
0,25 0,6667 1,3333 2 total : 4,25
Rassemblons dans un tableau les éléments chiffrés dont nous aurons besoin :
entreprise A B C D E
budget internet (k€) 47 55 58 63 72
budget global (k€) 558 545 587 560 585
taux int/global observé 0,084229 0,100917 0,098807 0,1125 0,123077
10% du budget global 55,8 54,5 58,7 56 58,5
χ² partiels 1,387814 0,004587 0,008348 0,875 3,115385
Partie 1
1. Déterminer dans cet échantillon la proportion d'entreprises pour lesquelles le budget
internet dépasse 10% du budget global.
3 entreprises sur 5 sont dans ce cas, soit une proportion p = 3/5 = 0,6.
La probabilité d'être inférieur à ce nombre vaut 20%. C'est donc la borne inférieure d'un
intervalle de confiance à 60%, pour lequel u = 0,85.
0, 6 × 0, 4
La proportion correspondante est 0, 6 − 0, 85 = 0, 4138
5
et 41,38% de 58 entreprises donnent 24 entreprises.
Partie 2
Effectuer un test du Khi-deux pour dire, au seuil de 5%, si les budgets internet observés pour
ces cinq entreprises sont conformes à un budget internet valant 10% de leur budget global.
Le tableau au-dessus donne les Khi² partiels obtenus, dont le total vaut 5,391 (Khi²calc).
Pour 4 ddl et un seuil de 5%, la table donne Khi² limite = 9,488.
Donc au seuil de 5% on ne peut rejeter l'hypothèse qu'en France le budget internet
représente 10% du budget global de communication.
Exercice 26
Une étude a été conduite dans un échantillon de 50 entreprises de plasturgie. Sur chacune d'elles,
on a relevé le résultat net de l'année 2009. La liste des résultats nets forme une variable que l'on
note R, exprimée en M€. Le tableau ci-dessous donne une répartition par classes des entreprises :
Résultat net R (M€) [-1 ; 1[ [1 ; 1,5[ [1,5 ; 2[ [2 ; 3[ [3 ; 5[
effectifs (nombre d'entreprises) 3 10 18 15 4
Partie 1
1. Donner la moyenne et l'écart type de la distribution statistique ci-dessus (à l'aide des centres
des classes).
x = 1,950 et σ = 0,8761
2. Ces 50 entreprises représentent un échantillon aléatoire simple pris parmi un grand nombre
d'entreprises. Donner un intervalle de confiance à 99% du résultat net moyen de la population
d'entreprises (on notera que l'écart type de la population est inconnu).
Partie 2
L'objectif consiste ici à dire s'il est plausible que la distribution des résultats nets des 50
entreprises est en accord avec la distribution normale N(2 ; 0,9) pour la population.
1. Soit une variable aléatoire X de loi normale de moyenne 2 et d'écart type 0,9.
a. Calculer les probabilités suivantes :
p(-1 < X < 1) ; p(1 < X < 1,5) ; p(1,5 < X < 2) ; p(2 < X < 3) ; p(3 < X < 5).
En multipliant les probabilités trouvées précédemment par 50, on trouve bien la liste
(6,675 ; 7,71 ; 10,615 ; 18,325 ; 6,675).
Exercice 27
L'examen de 320 familles ayant 5 enfants s'est traduit par la distribution du tableau suivant.
Ce résultat est-il compatible avec l'hypothèse que la naissance d'un garçon et d'une fille sont des
événements équiprobables ?
5 garçons 4 garçons 3 garçons 2 garçons 1 garçon 0 garçon
enfants
0 fille 1 fille 2 filles 3 filles 4 filles 5 filles
effectif 18 56 110 88 40 8
La difficulté vient ici du calcul des effectifs théoriques attendus, car cela nous impose de
calculer les probabilités que dans une famille de cinq enfants on ait tant de garçons et tant de
filles (dans la situation « garçon/fille équiprobables). Commençons par cela.
Un enfant est une fille (succès, p = 0,5 est invariable) ou un garçon (échec, q = 0,5).
Au bout du choix de cinq enfants (n = 5), X désigne le nombre de succès.
La loi de X est donc B(5 ; 0,5) et l’application de la formule en loi binomiale permet d’obtenir
les probabilités de toutes les valeurs possibles de X (voir tableau ci-dessous : « prob »).
Enfin, il suffira de multiplier ces probabilités par 320 pour obtenir les nombres de familles
théoriquement attendus dans chaque catégorie (« eff th »).
Exercice 28
Un fabricant de cordes affirme que les objets qu’il produit ont une tension de rupture moyenne de
300 kg et un écart type égal à 30 kg. On admet que la tension de rupture suit une loi normale. Des
expériences faites sur 10 cordes ont permis de constater les tensions de rupture suivantes :
251 277 255 305 341 324 329 314 272 289
Peut-on considérer au vu de cet échantillon que le fabricant remplit son engagement d’une
tension moyenne de rupture égale à 300 kg ? (au risque 10 % de répondre non à tort)
On décide de considérer qu’une corde remplit son rôle lorsque sa tension de rupture (sa
résistance) vaut au moins 300 kg. On procédera donc à un test unilatéral : H0 « la tension moyenne
vaut 300 kg » et H1 (rejet de H0) « la tension moyenne est inférieure à 300 kg ».
L’écart type des tensions de rupture, dans la population des cordes produites, est inconnu. Nous
aurons donc à utiliser une loi de Student pour ce test de conformité.
La zone de rejet se situe d’un seul côté de la moyenne, en-dessous, et contient 10% des
échantillons possibles. La valeur de T correspondante est : -1,383. (attention, le formulaire est
calibré pour des tests bilatéraux !)
La valeur de X correspondante, limite de la zone de rejet, est 300 – 1,383×10 = 286,17 kg.
Notre échantillon a montré une moyenne supérieure à cette limite ; nous ne pouvons donc
affirmer au seuil de 10% que les cordes de ce fabricant ne sont pas assez résistantes. (nous
pouvons penser qu’elles ne sont pas assez résistantes, mais avec moins de 90% de confiance).
Exercice 29
Sur 1000 candidats français au baccalauréat pris au hasard, 675 ont réussi. Tester au seuil de 10 %
l’hypothèse selon laquelle le taux de réussite en France est de 70 %.
On décide de considérer que le test est positif lorsque le taux vaut au moins 70%. On procédera
donc à un test unilatéral : H0 « le taux vaut 70% » et H1 (rejet de H0) « le taux est inférieur à 70% ».
La zone de rejet se situe d’un seul côté du taux idéal de 70%, en-dessous, et contient 10% des
échantillons possibles. La valeur de U correspondante est : -1,28. (car p(U < 1,28) = 0,9 implique
p(U < -1,28) = 0,1).
La valeur correspondante du taux limite (zone de rejet) est 0,7 – 1,28×0,01449 = 0,6815.
Or, la proportion relevée dans notre échantillon de 1000 personnes est p = 67,5%.
On peut donc affirmer au seuil de 10% que le taux de réussite a été inférieur à 70% (« au seuil de
10% » : on a au moins 90% de confiance dans le rejet de H0).
Exercice 30
Dans plusieurs pays, les prévisions météorologiques sont données sous forme de probabilité.
La prévision « la probabilité de pluie pour demain est de 0,4 » a été faite 50 fois au cours de
l’année et il a plu 26 fois. Tester l’exactitude de la prévision au risque de 5 %.
On décide de considérer que le test est positif lorsque le taux est proche de 0,4. On procédera
donc à un test bilatéral : H0 « le taux vaut 0,4 » et H1 (rejet de H0) « le taux est différent de 0,4 ».
La zone de rejet se situe de part et d’autre de 0,4 et contient de chaque côté 2,5% des échantillons
possibles. La valeur de U correspondante est : ±1,96. (car p(U < 1,96) = 0,975 implique p(U > 1,96)
= 0,025 = 2,5%).
Les valeurs correspondantes du taux limite (zone de rejet) sont 0,4 ± 1,96×0,06928 = 0,2642 et
0,5358. Or, la proportion relevée dans notre échantillon de 50 jours est p = 26/50 = 0,52.
On ne peut donc pas rejeter, au seuil de 5%, l’exactitude de la prévision (il y a moins de 95% de
chances que la prévision soit inexacte).