Académique Documents
Professionnel Documents
Culture Documents
Poly 3 Exer Proba Seg s2 PDF
Poly 3 Exer Proba Seg s2 PDF
Exercice 2 Détermination de la composition d'une urne pour obtenir une espérance de gain souhaitée
On considère une urne contenant trois boules jaunes, deux boules bleues, une boule rouge et quatre boules
vertes. Ces boules sont indiscernables au toucher. On tire, au hasard, une boule de l'urne.
1. Calculer la probabilité des événements suivants :
J = "tirer une boule jaune"
B = "tirer une boule bleue"
R = "tirer une boule rouge"
V = "tirer une boule verte"
2. En fonction de la couleur tirée, on se voit attribuer une somme d'argent selon la convention suivante : si la
boule tirée est :
· rouge, on gagne 10 €
· verte, on gagne 2 €
· jaune ou bleue, on gagne 3 €
Soit X la variable aléatoire qui associe, à chaque tirage le gain réalisé.
a. Déduire de la question 1) : P(X = 2), P(X = 3) et P(X = 10).
b. Calculer l'espérance mathématique de X, sa variance puis son écart–type. (On arrondira l'écart-type à 10–2)
3. Maintenant, on gagne toujours 10 € si la boule tirée est rouge, 2 € si elle est verte mais on gagne 3 € si elle
est jaune et m € si elle est bleue ; m désignant un réel positif.
Calculer m pour que le gain moyen espéré soit de 4,5 €.
b) En déduire, pour tout n Î , une expression de pn+1, rn+1 puis qn+1 en fonction du seul paramètre a.
En déduire que pour n 1, les suites (pn), (qn) et (rn) sont constantes.
Ce résultat est connu sous le nom de "loi de l'équilibre génétique de Hardy-Weinberg". Ainsi, quelles que
soient les proportions initiales des trois génotypes, la répartition est stabilisée dès la génération suivante.
Population
A A
Elle n'a pas une belle
tête cette figure ?
P(A) P ( A)
A A
PA(B) PA ( B ) PA ( B ) PA ( B )
B B B B
s 2X
Pour tout e Î *+ , P(|X - E(X)| e)
e2
Tablette 1 Z U D
Tablette 2 Z U D Z U D Z U D
Valeurs de Y 0 1 2 1 2 3 2 3 4
Exercice 2 Détermination de la composition d'une urne pour obtenir une espérance de gain souhaitée
1. Comme chaque boule a autant de chance d’être tirée, on est dans une situation d’équiprobabilité. La
probabilité p d’un événement peut donc se calculer à l’aide de la formule :
nombre de cas favorables
p=
nombre de cas possibles
On a ainsi :
3 2 1 1 4 2
P(J) = P(B) = = P(R) = P(V) = =
10 10 5 10 10 5
4 2
2. a. On a : P(X = 2) = P(V) = =
10 5
Comme les événements J et B sont incompatibles, on a :
P(J È B) = P(J) + P(B)
3 2 5 1
D’où : P(X = 3) = P(J È B) = P(J) + P(B) = + = =
10 10 10 2
1
P(X = 10) = P(R) =
10
b. La loi de probabilité de X est donnée par le tableau ci-dessous
Valeurs de X x1 = 2 x2 = 3 x3 = 10
probabilités p1 = 4
10
p2 = 5
10
p3 = 1
10
å p x = 10 ´ 2 + 10 ´ 3 + 10 ´ 10 = 10
4 5 1 33
E(X) = i i = 3,3
i =1
4 5 1
V(X) = ´2 + ´3 + ´ 10 - 3,3 = 16,1 - 10,89 = 5,21
2 2 2 2
10 10 10
3. Notons Y la nouvelle variable aléatoire correspondant au gain moyen dans cette situation.
La loi de probabilité de Y est donnée par le tableau suivant :
probabilités p1 = 4
10
p2 = 3
p3 = 2 p4 = 1
10
10 10
Notons :
R l'événement "l'appareil choisi est rouge" et Mi = "l'appareil choisi provient de la marque Mi ", 1 i 3.
Arbre illustrant la situation :
1 1 3
2 8 8
M1 M2 M3
13 87 5 95 10 90
100 100 100 100 100 100
R R R R R R
3 1 1
1) La probabilité que l'appareil vienne de M3 est P(M3) = . (On a de même P(M1) = et P(M2) = )
8 2 8
2) La probabilité que l'appareil soit rouge sachant qu'il vienne de M2 est :
5 1
PM 2 ( R ) = =
100 20
13 10 1
On a de même : PM1 ( R) = et PM 3 ( R ) = =
100 100 10
3) Comme les événements M1, M2 et M3 constituent une partition de l'univers, on a, d'après le théorème des
probabilités totales :
pn 1 - pn
Fn Fn
PF ( Fn +1 ) PF ( Fn + 1 ) PF ( Fn + 1 ) PF ( Fn + 1 )
n n n n
Fn+1 Fn + 1 Fn+1 Fn + 1
1
D'où : lim pn = w =
n®+¥ 3
Conclusion : avec ces données, à long terme, notre individu tendra à fumer un jour sur trois. Impossible de
s'arrêter complètement tant que les conditions C1 et C2 sont appliquées. Notons que cette limite est
indépendante de la probabilité initiale p0. Autrement dit, que notre individu soit un grand ou un petit fumeur,
au bout du compte, il fumera en moyenne un jour sur trois.
1.
pn qn rn
Père AA Aa aa
pn qn rn pn qn rn pn qn rn
Mère AA Aa aa AA Aa aa AA Aa aa
1 1 1 1 1 1 1 1 1 1 1
1 1 1 1
2 2 2 2 4 2 4 2 2 2 2
Enfant AA AA Aa Aa AA Aa AA Aa aa Aa aa Aa Aa aa aa
De même :
2
rn+1 = çæ n + rn ÷ö
q
è 2 ø
Et puisque pn+1 + qn+1 + rn+1 = 1 :
2 2
æ q ö
qn+1 = 1 - ç pn + n ÷ - çæ n + rn ÷ö
q
è 2 ø è 2 ø
q 2 2
pn+1 - rn+1 = æç pn + n ö÷ - æç n + rn ö÷ = (pn - rn)(pn + qn + rn) = pn - rn
q
è 2 ø è 2 ø
qn 2r + qn
pn + = pn - rn + n
2 2
Et comme pn - rn= a et 2rn + qn = 1 - pn + rn = 1 - a, on obtient :
qn 1- a 1+ a
pn + =a+ =
2 2 2
1+ a ö 2
D'où : pn+1 = æç ÷
è 2 ø
De même :
1- a ö 2
D'où : rn+1 = æç ÷
è 2 ø
1 + a ö2 æ 1 - a ö2 1 - a 2
Et enfin : qn+1 = 1 - æç ÷ -ç ÷ =
è 2 ø è 2 ø 2
On a prouvé que les suites (pn), (qn) et (rn) sont constantes à partir du rang n = 1.
720 18
On retrouve : P(A) = = = 0,72
1000 25
2. Les différentes valeurs possibles de X sont 1 ou 2 ou 3.
18
On sait déjà, d'après la question 1 que : P(X = 3) = P(A) =
25
Calcul de P(X = 1) :
Nombre de cas favorables : 10 ´ 1 ´ 1. (Le premier élève a 10 choix, les deux suivants sont contraints de
prendre le même parfum).
En moyenne, le nombre de parfums distincts choisis par les trois élèves est 2,71.
P ( B ) - PA ( B) P( A)
D'où : PA ( B ) = (2)
1 - P( A)
P ( A) - PB ( A) P( B)
D'où : PB ( A) = (3)
1 - P( B)
X 0 1 2 3 4 Total
7 35 42 14 1
Probabilités 1
99 99 99 99 99
åpx =
165 5
E(X) = i i =
i
99 3
5
En moyenne, le nombre de rois obtenus, par cette méthode de tirage, est ( 1,67).
3
Y 0 1 2 3 4 5 Total
1 5
Espérance mathématique de Y : E(Y) = np = 5 ´ =
3 3
5
En moyenne, le nombre de rois obtenus, par cette méthode de tirage, est ( 1,67).
3
1 1
2 2
Arbre U1 U2
0,7
0,3 1 1
2 2
Premier tirage B N B N
Second tirage
B N B N B N B N
æ10 ö
ç4÷
P(E) = è ø =
3
D'où : 0,00091 à 10-5 près
æ ö 3290
50
ç4÷
è ø
2) Nombre de façons de choisir 1 câble du type C1 : 10
æ 40 ö
Nombre de façons de choisir 3 câbles du type C2 : ç ÷
è 3ø
æ 40 ö
10 ´ ç ÷
D'où : P(F) = è 3 ø = 988 0,429 à 10-3 près
æ ö
50 2303
ç4÷
è ø
3) On a : G = "aucun câble n'est du type C1" = "les 4 câbles sont du type C2"
æ 40 ö
Nombre de façons de choisir 4 câbles du type C2 : ç ÷
è4ø
æ 40 ö
ç 4 ÷ 13891
D'où : P(G) = 1 - P (G ) = 1 - è ø = 0,603 à 10-3 près
æ 50 ö 23030
ç4÷
è ø
Partie B
Comme le tirage se fait avec remise, les n réalisations de l'expérience E se font de manière identiques et
indépendantes. On a ainsi un schéma de Bernoulli. La probabilité d'obtenir un câble du type C1 étant égale à
0,2 on peut affirmer que la variable aléatoire X suit une loi binomiale de paramètre n et p = 0,2.
On a donc pour tout entier k compris entre 0 et n :
ænö
P(X = k) = ç ÷ 0,2k ´ 0,8n-k
èkø
1) n = 4.
a) Probabilité d'obtenir 2 câbles du type C1 :
æ 4ö
P(X = 2) = ç ÷ 0,22 ´ 0,82 = 0,1536
è 2ø
b) Probabilité d'obtenir au moins un câble de type C1 :
P(X 1) = 1 - P(X = 0) = 1 - 0,84 = 0,5904
c) L'espérance d'une variable aléatoire suivant une loi binomiale est donnée par :
E(X) = np = 4 ´ 0,2 = 0,8
En moyenne, on obtient 0,8 câble du type C1.
1 - 0,8n 0,9
0,8n 0,1
ln 0,1
La calculatrice donne : 10,32 à 10-2 près
ln 0,8
S S
T T T T
Vaccin A :
(1 - 0, 008) ´ 0, 25
lA = 41,33 à 10-2 près
0, 008 ´ (1 - 0, 25)
Vaccin B :
(1 - 0,006) ´ 0, 2
lB = = 41,42 à 10-2 près
0,006 ´ (1 - 0,2)
P(M) = x P(M ) = 1 - x
M M
PM(T) PM (T ) P (T )
M P (T )
M
= 0,98 = 0,02 = 0,01
= 0,99
T T T T
1. Notons W la population.
P( M Ç T )
On a : ¦(x) = PT(M) =
P (T )
P (M Ç T )
D'où : ¦(x) =
P (T Ç M ) + P(T Ç M )
PM (T ) x PM (T ) x
¦(x) = =
PM (T ) x + PM (T )(1 - x ) ( PM (T ) - PM (T ) ) x + PM (T )
y
C¦
1
0,95
O 0,162
1 x
98 ´ 0, 05
2. On a : ¦(0,05) = 0,8376 à 10-4 près
97 ´ 0, 05 + 1
Le test n'est pas fiable si 5% de la population est malade...
On résout l'inéquation : ¦(x) 0,95
98x
0,95
97 x + 1
Et comme 97x + 1 > 0 (car 0 x 1) :
5,85x 0,95
19
x
117
19
Or, 0,16239 à 10-5 près. On en déduit :
117
le test est fiable si au moins 17% de la population est malade (au pourcent près)
æ 10 ö 1
k
1 10 - k æ 10 ö
P(X = k) = ç ÷ æç ö÷ æç ö÷
1
= ç ÷´
è k ø è2ø è2ø è k ø 210
L'espérance d'une variable aléatoire de loi binomiale de paramètres n et p est donnée par :
E(X) = np
1
E(X) = 10 ´ =5
2
En moyenne, l'urne contient 5 jetons blanc (et donc 5 jetons noirs) ce qui ne devrait surprendre personne.
C ( X = k ) , on a :
n
D'après la formule des probabilités totales appliquée à la partition W =
k =0
10
P(B) = åP
k =0
( X = k ) ( B) P( X = k)
Il est clair que P(X = 0)(B) = 0. (Si l'urne ne contient aucun jeton blanc, l'événement B ne peut pas se réaliser)
Supposons que l'urne contienne k jetons blancs (1 k n) et n - k jetons noirs. Notons Y le nombre de
jetons blancs obtenus lors du tirage successif et avec remise de 10 jetons. La variable aléatoire Y suit une loi
k
binomiale de paramètres q = et n = 10. D'où :
10
æ 10 ö k
4
10 - k ö6
P(Y = 4) = ç ÷ æç ö÷ æç ÷
è 4 ø è 10 ø è 10 ø
æ 10 ö æ 10 ö 1 æ 10 ö 4
Par ailleurs : P(A Ç B) = P(A)PA(B) = P(X = 4) ç ÷ 0,44 0,66 = ç ÷ ç ÷ 0,4 0,66
è4ø è4ø 2 è4ø
10
å
10
ç ÷ ç ÷ ç ÷
k =1
è 10 ø è 10 ø è k ø
Il y a 32% de chance que l'urne contienne effectivement quatre jetons blancs et six jetons noirs sachant
qu'on a obtenu cette même proportion de jetons lors du tirage.
Si k = 1 alors toutes les valeurs de X sont supérieures à a et on a P(X a) = 1 ainsi que : 0 a x1 < x2 < ... < xn
n n
å
i =1
P ( X = xi ) xi a å P( X = x )
i =1
i
E(X) a
Dans ce cas l'inégalité de Markov est évidente.
Enfin, si k > 1, alors en coupant la somme en deux : 0 x1 < ... a xk < ... < xn
n k -1 n
E(X) = å P( X = x ) x = å P( X = x ) x + å P( X = x ) x
i =1
i i
i =1
i i
i=k
i i
åi=k
P ( X = xi ) xi a å P( X = x )
i=k
i
n
C'est-à-dire : å P( X = x ) x a P(X a)
i=k
i i
E( X )
Et comme a > 0 : P(X a)
a
Application : notons X la variable aléatoire correspondant à la production hebdomadaire.
1
D'après l'inégalité de Markov : P(X 40)
2
Le producteur a, au plus, une chance sur deux, de doubler sa production.
2. On applique l'inégalité de Markov à la variable aléatoire positive (X - E(X))2 et a = e2 :
P((X - E(X)) e ) 2 2 (
E ( X - E ( X ))2 )
e 2
Or : (
E ( X - E ( X ))2 = s 2X )
(X - E(X))2 e2 Û |X - E(X)| e
s 2X
D'où : P(|X - E(X)| e)
e2