Académique Documents
Professionnel Documents
Culture Documents
3 Lois usuelles 5
3.1 Loi de Bernoulli, loi binomiale . . . . . . . . . . . . . . . . . . 5
3.2 Loi de Poisson . . . . . . . . . . . . . . . . . . . . . . . . . . 6
3.3 Loi géométrique . . . . . . . . . . . . . . . . . . . . . . . . . . 6
3.4 Loi hypergéométrique . . . . . . . . . . . . . . . . . . . . . . 6
3.5 Loi uniforme . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
3.6 Loi normale . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
3.7 Loi exponentielle . . . . . . . . . . . . . . . . . . . . . . . . . 7
Section ELI
3.8 Autres lois . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
4 Fonctions caractéristiques 8
5 Convergences de v.a.r 8
8 Compléments 11
8.1 La méthode de Monte-Carlo . . . . . . . . . . . . . . . . . . . 11
8.2 L’entropie de Shannon . . . . . . . . . . . . . . . . . . . . . . 11
8.3 Datation au Carbone 14 . . . . . . . . . . . . . . . . . . . . . 11
9 Sujets d’examens 12
1
1 INTRODUCTION AUX PROBABILITÉS 2
4. Est-il plus probable d’avoir deux boules et pas d’étoiles ou alors d’avoir 1. Considérons n personnes, quelle n p(n)
une boule et deux étoiles ? Même question si l’on compare deux boules et est la probabilité notée p(n) 5 2,71%
une étoile avec une boule et deux étoiles. Est-ce intuitivement cohérent ? d’avoir au moins deux personnes 10 11,69%
Exercice 4. Un Q.C.M comporte 10 questions. À chaque question, on a 4 nées le même jour de l’année ? 15 25,29%
choix possibles pour une seule réponse juste. Pour simplifier, toutes les années 20 41,14%
sont non-bissextiles. 30 56,87%
1. Combien y-a-t-il de grille-réponses possibles ? 50 97,04%
2. Quelle est la probabilité de répondre au hasard 6 fois correctement. En 100 99,99997%
2. En utilisant un DL de l’expo-
conclusion, allez vous répondre au hasard à votre prochain Q.C.M ? >365 100%
nentiel en 0, montrer que si n
Exercice 5. Alice, Bob, et Jo, au cours d’un safari, tirent en même temps est « suffisamment petit » on dis- 3. En déduire le nombre de per-
sur un éléphant. L’animal est touché par deux balles avant de s’écrouler. La pose de l’approximation suivante sonnes nécessaires pour avoir
précision des chasseurs est mesurée par la probabilité qu’il touche la cible
une chance sur deux que deux
(resp. 1/3, 1/2 et 1/4). Calculer pour Alice, Bob et Jo, la probabilité d’avoir
n(n−1) personnes aient leurs anniver-
raté l’éléphant. p(n) ' 1 − e− 2·365
saires le même jour.
Exercice 6. Au cours d’un voyage low-cost en avion entre Paris et New-York
en passsant par Hong-Kong et Sidney, Alice perd sa valise. La probabilité Exercice 11 (Dans un jeu télé). Un candidat se trouve devant 3 portes
que la valise soit perdue à Orly, à JFK, à Kai Tak ou encore à sir Charles fermées. Derrière une de ces portes, il y a une superbe voiture à gagner,
Kingsford Smith est la même. Quelle est la probabilté que la valise d’Alice et un poireau dans les deux autres. Le candidat doit choisir une porte au
soit encore en Austalie ? hasard (sans l’ouvrir). L’animateur ouvre alors une autre porte contenant un
Exercice 7. On considère n urnes numérotées de 1 à n. L’urne numéro k poireau.
contient k boules vertes et n−k boules rouges. On choisit une urne au hasard Que devrait faire le candidat : garder sa porte ou changer d’avis et choisir
puis on tire une boule dans cette urne. Quelle est la probabilité d’obtenir une la dernière porte ? Justifier.
boule verte ? Quelle est la limite de cette probabilité quand n → +∞ ? Exercice 12 (Problème des trois prisonniers). Trois prisonniers X,Y
Exercice 8. Un marchand reçoit un lot de montres. Il sait que ce lot peut et Z sont enfermés dans un cachot sans possibilités de communication. Deux
venir soit de l’usine A soit de l’usine B. En moyenne, l’usine A (resp. B) seront condamnés le lendemain. Seul le geôlier connaît le sort de chacun. Le
produit une montre défectueuse sur 200 (resp. sur 1000). Notre marchand premier prisonnier X interpelle le geôlier : « Je sais que l’un des deux autres
teste une première montre : elle marche. Quelle est la probabilité que le prisonniers sera condamné, tu ne m’apprends rien en me révélant lequel ? S’il
second test soit positif ? te plaît, dis moi qui ! ». Après un moment d’hésitation, le geôlier lui répond :
« Y sera condamné demain, mais cela ne te donne aucun renseignement sur
Exercice 9. Une maladie affecte statistiquement une personne sur 1000. Un
ton propre sort ». Le prisonnier d’un air fier rétorque : « Détrompes toi
test de dépistage permet de détecter la maladie avec une fiabilité de 99%,
geôlier ! Maintenant tout se joue entre moi et Z, je serais donc libre avec
mais il y a 0.2% de chances que le test donne un faux positif (i.e. une personne
probabilité 1/2 et non plus 1/3 ».
est déclarée malade sans l’être).
Le prisonnier a-t-il raison de penser que sa probabilité d’être gracié à chan-
1. Une personne est testée positivement. Quelle est la probabilité qu’elle ger ?
soit réellement malade ?
2. Une personne est testée négativement. Quelle est la probabilité qu’elle
soit quand même malade ? 2 V.a.r, espérance, fonction de répartition
3. Ce dépistage remplit-il son rôle ?
Exercice 13. Alice et Bob jouent avec une paire de dés. Ils conviennent que
Exercice 10. (Paradoxe des anniversaires) Alice gagne si et seulement si elle effectue un double. Elle gagne dans ce cas
2 V.A.R, ESPÉRANCE, FONCTION DE RÉPARTITION 4
5 euros. Combien doit gagner Bob dans les autres cas pour que le jeu soit Exercice 17. Un canal de transmission transmet des bits avec erreur selon
équitable ? le modèle suivant : il transmet fidèlement un bit avec probabilité p et de
façon erronée avec probabilité 1 − p avec p ∈ [0, 1]. On considère n canaux en
Exercice 14. La roulette française est constituée de 37 cases dont un 0 série, et que chaque canal fonctionne indépendamment des autres. On note
qui n’est pas considéré comme pair. Si on gagne en pariant sur la parité du X le bit reçu en sortie du k-ième canal et X le bit à l’entrée du premier
k 0
nombre, la banque reverse 2 fois la mise. Si on gagne en pariant sur le bon canal. On désire calculer la probabilité qu’au bout des n canaux, le signal
nombre, la banque reverse 36 fois la mise. reste inchangé.
1. L’avantage de la maison est le pourcentage moyen de la perte des joueurs.
1. Que vaut P (Xk+1 = 1|Xk = 0) et P (Xk+1 = 1|Xk = 1) ?
Le calculer pour un joueur qui ne mise que sur un seul numéro.
P (Xn = 1) p 1−p
2. Alice mise 100 euros sur l’événement A : « le nombre est pair », et 10 2. Posons An = et M = ∈ M2 (R).
P (Xn = 0) 1−p p
euros sur l’événement B : le nombre est 7. Quelle est son espérance de
Montrer que An+1 = M An .
gain ? Et si on choisit 6 au lieu de 7 ?
3. On suppose maintenant que la personne joue plusieurs fois de suite, et 3. En déduire la probabilité qu’un bit soit fidèlement transmis au bout de
autant de fois qu’elle le souhaite, mais seulement sur l’événement A : le n canaux. Que dire à la limite ?
nombre est pair. Proposer une stratégie gagnante (en un sens à définir). Indication : pour calculer les puissances de M , diagonaliser cette matrice
Pourquoi cette stratégie n’est en fait pas très réaliste ? symétrique dont les valeurs propres sont 1 et 2p − 1.
Exercice 15. On considère un dé à 6 faces, que l’on lance une infi- Exercice 18. On souhaite dépister, grâce à un contrôle sanguin, quels sont
nité de fois. Une face est rouge et les 5 autres faces sont bleues. On les bovins atteints par un certain virus dans un troupeau de n bêtes. On
écrit sous forme d’une suite les résultats successifs obtenus, par exemple sait que chaque bête a, indépendamment des autres, une probabilité p ∈]0, 1[
BRRBBBRRRBRBRRR . . . (B signifiant bleu et R rouge). On s’intéresse d’être atteinte. Comme chaque test coûte cher, on procède de la manière
à la première série de nombres obtenus, dans le sens suivant, plus simple à suivante : on forme des groupes de m bêtes (où m divise n) ; dans chaque
définir par des exemples : groupe, on mélange les prélèvements sanguins des bovins en un seul « super-
échantillon », dans lequel on teste la présence du virus (il suffit qu’une seule
1. BBBRBR . . . : la première série est BBB.
bête du groupe soit infectée pour que le test soit positif). Si on décèle la
2. RBRBBBRBB . . . : la première série est réduite à R. présence du virus dans un super-échantillon, on teste toutes les bêtes du
3. RRRRRRRRRBR . . . : la première série est RRRRRRRR. groupe séparément.
On appelle X la variable aléatoire correspondant à la longueur de la première a) Quelle est la loi du nombre de bêtes atteintes dans le troupeau ? Rappeler
série. Calculer la loi de X et l’espérance de X. (sans calcul) son espérance et sa variance.
Exercice 16. Soit (Ω, E, P ) un espace probabilisé. On définit pour A une b) Calculer l’espérance E(m) du nombre de tests effectués.
partie de Ω, l’indicatrice 1A de A par 1A (ω) = 1 si ω ∈ A et 0 sinon. c) Pour quelles valeurs de p vaut-il mieux choisir m = n plutôt que m = 1 ?
1. Que vaut E(1A ) pour A ∈ E ? d) Y-a-t-il une valeur de m optimale ?
Qn
2. Soient (Ai ), n éléments de E. A partir de l’égalité 1Tk Ack = k=1 (1 −
Exercice 19. Soit X une v.a.r de fonction de répartition F . On supposera
1Ak ), montrer que le principe d’inclusion-exclusion :
F continue, strictement croissante.
n
X X 1. Donner la loi de Y = F (X).
P (A1 ∪ · · · ∪ An ) = (−1)k−1 P (Ai1 ∩ · · · ∩ Aik )
k=1 16i1 <···<ik 6n 2. En admettant que l’on sache tirer des nombres aléatoires uniformément
répartis sur [0, 1], donner une méthode de tirage de nombres aléatoires
3. En déduire que si les Ai sont indépendants, les Aci le sont aussi. répartis suivant la loi de probabilité de X.
3 LOIS USUELLES 5
PX
1. Que signifie S = k=1 Yk ? Posons Ω l’espace de toutes les populations de taille n muni de la probabilité
2. Que vaut P (S = k|X = n) ? uniforme. Soit X la variable qui à chaque sous-population de Ω associe le
nombre d’individus appartenant à S1 . Donner la loi de X.
3. Montrer que S suit une loi de Poisson.
Exercice 31. Bob vient d’acheter un étang. Il voudrait bien connaître le
Exercice 27. Un serveur brise en moyenne trois verres et une assiette par
nombre, noté n, de poissons dans son étang. Pour cela il effectue une première
mois. Notons X le nombre de verres cassés et Y le nombre d’assiettes cassés
pêche. Il ramène ainsi r = 133 poissons qu’il relâche après les avoir marqués.
par ce serveur.
Lors d’une seconde pêche de s = 144 poissons, il constate que k = 18 sont
1. Donner les lois de probabilité des variables aléatoires X et Y . marqués.
2. Quelle est la loi de X + Y ? 1. Quelle était la probabilité P (n) d’avoir péché k poissons marqués.
3. Calculer la probabilité d’un mois sans assiette ni verre cassé ? Afin d’estimer n, on cherche la valeur de n qui maximise la probabilité
4. Ce serveur maladroit casse aussi des bols. La v.a Z égale au nombre de P (n). C’est le principe de l’estimation par le maximum de vrai-
bols cassés involontairement par an suit une loi de poisson de paramètre P (n)
semblance. Pour se faire, posons un = et u1 = 1 de sorte que
5. Si le soir du 31 décembre, notre serveur n’a pas cassé au moins 5 Qn P (n − 1)
verres dans l’année, il fête cela en brisant des bols pour avoir au moins P (n) = k=1 un .
le minimum de 5 bols cassés sur l’année. Donner la loi de probabilité et 2. Calculer un . Montrer que pour nk < rs, un est supérieur à 1 et inférieur
l’espérance de W , où W représente le nombre de bols cassés par an. à 1 si nk > rs.
3. En déduire que la valeur maximale de P (n) est obtenue pour :
3.3 Loi géométrique j rs k
Exercice 28 (Premier temps d’arrêt). On jette un dé ordinaire jusqu’à ce ñ =
k
que le 1 apparaisse pour la première fois et on appelle X la variable aléatoire
égale au nombre de coups nécessaires pour obtenir ce 1. Déterminer la loi de 4. Vérifier numériquement l’efficacité de cette méthode.
probabilité de X.
3.5 Loi uniforme
Exercice 29. Soit X une v.a. de loi géométrique de paramètre p ∈ [0, 1],
Exercice 32. 1. Donner l’espérance et la variance d’une loi uniforme sur
P (X = k) = p(1 − p)k−1 , k > 0. [a, b].
2. Donner la loi de la somme de v.a indépendantes suivant une loi uniforme
1. Montrer que la loi est sans mémoire, i.e :
sur [0, 1] ?
∀(k, n) ∈ N∗ 2 , P (X > n + k|X > k) = P (X > n).
Exercice 33. On tire au sort au hasard uniformément et indépendamment
deux nombres dans [0, 1]. Le plus petit des deux nombres est plus grand que
2. Inversement que dire d’une v.a discrète sans mémoire ?
1/3. Quelle est la probabilité que l’autre soit supérieur à 3/4 ?
3. Soient X1 et X2 deux v.a de loi géométrique respectivement de para-
mètre p1 , p2 . Calculer la loi de Y = min(X1 , X2 ). Exercice 34. Un skieur doit traverser un glacier d’un longueur l. A l’endroit
où il devra traverser, on sait qu’il existe une crevasse avec probabilité p. On
suppose que, si cette crevasse existe, sa position est uniformément distribuée
3.4 Loi hypergéométrique
S sur l’intervalle [0, l] du trajet. Le skieur a déjà parcouru une distance x 6 l
Exercice 30. Soit S = S1 S2 une populations de N individus partition- sans encombre et se pose la question : quelle est la probabilité qu’il rencontre
née en deux sous populations S1 et S2 de tailles respectivement N1 et N2 . une crevasse ? (on pourra noter A l’événement la crevasse existe dans [0, x],
4 FONCTIONS CARACTÉRISTIQUES 7
B l’événement la crevasse existe et se trouve après x et C l’événement la 1. Calculer les densités de U et V , notées respectivement fU et fV . On
crevasse existe). pourra s’intéresser aux fonctions de répartitions.
Exercice 35 (Galette des rois). On considère une galette des rois circulaire 2. On considère Xn des variables aléatoires indépendantes de loi ex-
de rayon R, une fève de rayon r cachée dans la galette (R > 2r > 0). Calculer ponentielle de paramètres respectifs λ1 , . . . , λn , calculer la loi de
la probabilité de toucher la fève quand on donne le premier coup de couteau min(X1 , X2 , . . . Xn ).
dans la galette. On suppose que le coup de couteau correspond à un rayon 3. On considère n atomes radioactifs différents qui fissionnent selon une loi
de la galette et l’angle est choisi avec une probabilité uniforme sur [0, 2π]. exponentielle, l’atome numéro i suivant une loi exponentielle de para-
Donner ensuite un équivalent de cette probabilité pour r petit. mètre λi . On considère la variable aléatoire Y représentant le premier
atome qui fissionne. Calculer la loi de Y .
3.6 Loi normale Exercice 39. Montrer que si X suit une loi exponentielle d’espérance 1, alors
−1/θ
Exercice 36. 1. Soit X une v.a.r suivant une loi normale N (µ, σ). Donner la variable Y = dθXe suit une loi géométrique de paramètre p = 1 − e .
la loi de aX + b.
2. Soit X suivant une loi normale N (0, 1). Donner la loi de X 2 . Puis celle 3.8 Autres lois
2
de X2 , quelle loi retrouve-t-on ? Exercice 40. Soient θ un réel strictement positif et X la variable aléatoire
3. Que dire de la somme de deux v.a ayant des lois normales indépen- de densité fX définie par (loi de Pareto) :
dantes ?
1 1+θ
4. Si Sn est la somme de n normales de mêmes paramètres indépendantes ∀x > 1, fX (x) = x− θ , et 0 sinon
N (µ, σ). Donner la loi de : θ
√ a) Vérifier que fX est bien une densité de probabilité et déterminer la
n Sn fonction de répartition associée.
−µ
σ n b) Calculer P (0 < X 6 2).
c) Pour quelles valeurs de θ , X admet-elle une espérance ? La calculer
Exercice 37. Un fermier veut faire de la statistique sur sa production d’oeufs quand elle existe.
de poule. Il sait que sur les deux mille oeufs recueillis dans la journée, 104
avaient un poids inférieur à 53 grammes et 130 supérieur à 63 grammes.
1. En admettant que la variable aléatoire égale à la masse en gramme d’un 4 Fonctions caractéristiques
oeuf suit une loi normale, donner une estimation des paramètres de cette
loi. Exercice 41. 1. Déterminer les fonctions caractéristiques des lois de pro-
Indication : utiliser le tableau de la fonction de répartition de la loi babilité suivantes :
normale N (0, 1). (a) binomiale de paramètres n et p,
2. En déduire le poids moyen d’un oeuf. (b) poisson de paramètre λ,
3. Combien peut-il espérer vendre de très gros oeufs dans l’année (un très (c) exponentielle de paramètre λ,
gros oeuf (XL) pèse plus de 71 grammes). (d) normale centré réduite, puis N (µ, σ),
(e) uniforme sur ] − 1, 1[.
3.7 Loi exponentielle
2. Soit X et Y deux variables aléatoires indépendantes de fonctions ca-
Exercice 38. Soit X et Y deux variables aléatoires indépendantes de den- ractéristiques ϕX et ϕY . Déterminer aX + b où a, b ∈ R et ϕX+Y en
sités continues fX et fY . On pose U = min(X, Y ) et V = max(X, Y ). fonction de ϕX et ϕY .
5 CONVERGENCES DE V.A.R 8
3. En déduire les lois des v.a. suivantes : Exercice 45. Une personne sur 100 fait des probabilités pour s’amuser.
(a) X + Y où X et Y sont indépendantes de lois respectives B(m, p) et Parmi n personnes, notons Yn le pourcentage de ces fous. Donner une va-
B(n, p), leur de n à partir de laquelle ce pourcentage se trouve dans l’intervalle
[0, 009; 0, 011] avec une probabilté supérieure à 0, 9 :
(b) X + Y où X et Y sont indépendantes de lois respectives P (λ) et
P (µ), 1. Par application de l’inégalité de Bienaymé-Tchebychev.
(c) σX + m où X suit une loi N (0, 1), 2. Par approximation par une loi normale bien choisie.
(d) X − Y + 2Z où X, Y et Z sont indépendantes de loi N (0, 1). Exercice 46. Considérons une population dont 55% des votants ont un avis
défavorable sur leur président.
5 Convergences de v.a.r 1. Soit un sondage avec n électeurs sondés. On supposera ces électeurs choi-
sis indépendamment de leurs convictions. Suivant les différentes valeurs
Exercice 42. 1. Rappeler les divers modes de convergence et les différents de n, quelle est la probabilité que le sondage soit favorable au président ?
liens entre eux. n = 10, n = 100 et n = 1000.
2. Si Xn −→ X, a-t-on (Xn − X) −→ 0 ? Indication : on approximera le problème via des lois normales bien choi-
Loi Loi
sies. Un sondage est favorable si au moins la moitié des sondés a une
Exercice 43. Démontrer les convergences suivantes : opinion favorable du président.
1. Soit (Xn ) une suite de v.a. où chaque Xn suit une loi binomiale B(n, pn ) 2. On choisit n pour avoir une probabilité de sondage favorable égale à
telle que npn → λ quand n → +∞, alors 0, 15. Combien doit on effectuer de sondages pour avoir au moins un
Xn converge en loi vers une loi de Poisson P(λ). sondage favorable avec une probabilité supérieure à 0, 9.
2. Soit (Xn ) une suite de v.a. où chaque Xn suit une loi hypergèométrique Exercice 47. Des pièces de monnaie ont un poids distribué suivant une loi
H(N, n, p) avec N tendant vers +∞ alors normale de moyenne 10 g et d’écart-type 0.15 g. Pour les compter, on les
Xn converge en loi vers une variable binomiale B(n, p). pèse par lots d’environ un kilo. Quel est le risque de faire une erreur d’une
unité ?
3. Soit (Xn ) une suite de v.a. où chaque Xn suit une loi géométrique G(pn )
avec pn → 0 et an pn → λ alors Exercice 48. X une variable P50aléatoire d’espérance µ = 20 et de variance
Xn σ 2 = 1. On considère S = i=1 Xi somme de 50 variables aléatoires indé-
converge en loi vers une loi exponentielle. pendantes mutuellement, toutes de même loi que X.
an
4. Soit (Xn )n une suite de v.a. deux à deux indépendantes telle que Xn a Donner une approximation de la probabilité P (S > 1050).
2
pourP d’espérance µn et pour variance σn . Supposons de plus que : Exercice 49. Le restaurant universitaire de Jussieu fournit chaque jour n re-
n
– n1 Pi=1 µn → µ (Convergence faible au sens de Césaro). pas, et propose chaque jour 2 succulents plats du jour. Le cuisinier a remarqué
n
– n12 i=1 σn2 → σ 2 que lorsqu’il propose saucisse-lentille et épinard-boudin , chaque client sou-
Pn haite le plat de saucisse avec la probabilité p = 0, 6 et le plat aux épinards
alors 1/n i=1 Xi converge en probabilité vers la variable certaine
égale à µ. avec la probabilité 1 − p , et que les choix des clients sont indépendants.
Pour tenter de satisfaire sa clientèle, il prépare np + s plats de saucisses,
Exercice 44. Un brillant élève fait en moyenne une faute d’orthographe et n(1 − p) + s plats d’épinards. On supposera successivement n = 100 et
tous les 500 mots. Quelle est la probabilité qu’il ne fasse pas plus de 5 fautes n = 1000.
dans un devoir comptant 2000 mots. Quelle est la valeur minimale de s telle que, avec une probabilité supérieure
Indication : on pourra approximer le problème par une loi de Poisson. à 0, 95 , tous les clients aient le plat qu’ils souhaitent ? Pour cette valeur, quel
6 COUPLES DE VARIABLES ALÉATOIRES 9
est le pourcentage de plats non consommés parmi les plats préparés ? Quel 1. Donner, sous forme d’un tableau, la loi de probabilité conjointe du couple
plat pensez vous prendre ? (X, Y ).
2. Donner les lois marginales de X et Y . Les variables aléatoires X et Y
Exercice 50. (Décimales de π via les Aiguilles de Buffon)
sont elles indépendantes ?
3. Calculer la covariance du couple (X, Y ).
1. Bob essaye l’expérience avec 220
aiguilles et affirme que 70 in- Exercice 53 (Cas continu). Soit (X, Y ) un couple de variables aléatoires
tersectent les lattes du parquet de densité conjointe
(l’aiguille à une longueur moi-
tié des lattes du parquet). Quelle f (x, y) = 8xy1∆ (x, y)
approximation de π trouve t-on ?
où ∆ = {(x, y)|x ∈ [0, 1], y ∈ [0, x]}.
2. À l’aide du théoreme central li-
mite, quelle était la probabilité 1. Représenter ∆.
de trouver cette valeur ? Que 2. Vérifier que f est bien une densité.
dire de l’honnêteté de Bob.
3. Déterminer les densités marginales fX et fY .
3. Inversement, combien faut-il lan-
4. Calculer la covariance σXY .
cer d’aiguilles pour avoir une ap-
proximation de l’ordre de 10−3 Buffon, Georges Louis Leclerc, 5. Les variables X et Y sont-elles indépendantes ?
avec une probabilité de 0, 95. Comte de (1707-1788)
Exercice 54. Soit un réel α. Soit (X, Y ) un couple de v.a.r. dont la loi jointe
a pour densité
6 Couples de variables aléatoires f (x, y) = α exp(−x) exp(−2y)1{x>0,y>0}
Exercice 51 (Probabilité de rencontre). Bob et Alice ont projeté de se 1. Déterminer la constante α.
retrouver pour boire un café entre 19H et 20H. On sait qu’aucun des deux
2. Déterminer la loi marginale de X. On précisera la densité de cette loi
n’attendra l’autre plus de 10 minutes et on se demande si ils ont « peu ou
marginale si elle existe.
beaucoup de chance » de se rencontrer. On modélise le problème de la ma-
nière suivante : ils arrivent indépendamment et à des instants uniformément 3. Calculer P (X < Y ).
distribués entre 19H et 20H. 4. Les v.a. X et Y sont-elles indépendantes ?
1. Quelle est la probabilité que Bob et Alice se rencontrent ? Exercice 55. Soit (U, V ) un couple de variables aléatoires de densité
2. Bob précise son heure d’arrivée à Alice, quelle est la probabilité qu’ils se conjointe
rencontrent ?
f (u, v) = αu(u − v)1∆ (u, v)
3. Bob est arrivé et ne voit pas Alice, quelle probabilité a-t-il de rencontrer
Alice ? où ∆ = {(u, v) ∈ [0, 1]2 |u > v}.
1. Représenter ∆.
Exercice 52 (Cas discret). On lance trois fois de suite une pièce de mon-
naie équitable. On note X la variable aléatoire prenant pour valeur le nombre 2. Vérifier que f est bien une densité pour une certaine valeur de α à
de «face» parmi les deux premiers lancers et Y la variable aléatoire prenant préciser.
pour valeur le nombre de «pile» parmi les deux derniers lancers. 3. Déterminer les densités marginales fU et fV .
8 COMPLÉMENTS 10
√ ∞ – Durée 2h. Sans documents ni calculatrice. Chaque exercice est noté sur
1 2 2 X (4k)!(1103 + 26390k) 5 points.
= – On accordera un soin tout particulier à la présentation et à la rédaction.
π 9801 (k!)4 3964k
k=0
14 nouvelles décimales de π à Exercice 1. Soit (Ω, E, P ) un espace probabilisé, donner pour chaque as-
chaque nouveau terme. sertion son écriture en symboles mathématiques.
a) A est un événement.
8.2 L’entropie de Shannon b) A et B sont des événements indépendants.
c) A est l’univers des possibles.
8.3 Datation au Carbone 14 Soient maintenant A et B deux événements tels que P (A) = 31 et P (B) =
1
2 . Calculer P (A ∪ B) dans chacun des cas suivants :
d) A et B sont des événements indépendants
e) l’événement A implique l’événement B
f) P (A|B) = 13 .
Exercice 2. Dans les modèles simples, l’état S d’un système (S) peut être
décrit par
– le système (S) fonctionne. Notons S = 1 cet événement.
– le système (S) est en panne. Notons S = 0 cet événement.
L’état S du système représenté ci-dessus se définit à partir de l’état X, Y
et Z de ses composants (X), (Y ) et (Z) par la formule logique, dans l’algèbre
de Boole :
S = X.Y + Z.
Les variables X, Y et Z suivent des lois de Bernoulli respectivement de
paramètre p, q et r. Les pannes sont mutuellement indépendantes.
9 SUJETS D’EXAMENS 12
a) Montrer que X.Y suit une loi de Bernoulli dont on précisera le para- Examen ELI 2012
mètre.
b) Reproduire et remplir le tableau ci-dessous, donnant l’état S du système Consignes
(S).
+ X.Y=0 X.Y=1
Z=0 – Durée 2h.
Z=1 – Sans documents ni calculatrice personnelle, calculatrice fournie.
c) Déterminer la probabilité que le système (S) fonctionne. – Chaque exercice est noté sur 4 points.
d) Le système est en panne, quelle est la probabilité que le composant X – On accordera un soin tout particulier à la présentation et à la rédaction.
en soit la cause ?
Données
Exercice 3. Soient θ un réel strictement positif et X la variable aléatoire
– e−3 ' 0, 05.
de densité fX définie par (loi de Pareto) :
– Si X suit une loi de Bernoulli de paramètre p alors :
1 − 1+θ
∀x > 1, fX (x) = x θ et 0 sinon P (X = 0) = 1 − p P (X = 1) = p E(X) = p V (X) = p(1 − p)
θ
a) Vérifier que fX est bien une densité de probabilité et déterminer la – Si X suit une loi de Binomiale de paramètre n, p alors :
fonction de répartition associée.
b) Calculer P (0 < X 6 2). P (X = k) = (nk )pk (1 − p)n−k E(X) = np V (X) = np(1 − p)
c) Pour quelles valeurs de θ , X admet-elle une espérance ? La calculer
quand elle existe. – Si X suit une loi de Poisson de paramètre λ alors ∀k ∈ N :
λk it
Exercice 4. Le restaurant universitaire de Jussieu compte deux caisses no- P (X = k) = e−λ E(X) = λ ρX (t) = eλ(e −1)
k!
tées A et B. On suppose que le nombre N d’étudiants par heure suit une
loi de Poisson de paramètre λ. De plus, avec une probabilité p, les étudiants – Si X suit une loi normale (µ, σ) alors :
préfèrent passer par A. Notons X le nombre d’étudiants par heure passant Z b
par à la caisse A. 1 (x−µ)2
P (X ∈ [a, b]) = √ e− 2σ 2 dx E(X) = µ V (X) = σ 2
a) Que vaut P (N = n) ? σ 2π a
b) Après avoir calculé P (X = k|N = n) pour k 6 n, donner la loi de X.
c) Que constate-t-on ? En déduire l’espérance et la variance de X. Les exercices
Exercice 2. Une région comporte dix hôpitaux, chacun ayant une capacité Partiel ELI 2013
opératoire journalière de 10 patients. Le nombre de personnes se présen-
– Durée : 1h.
tant chaque jour pour être opérées dans chacun de ces hôpitaux suit une loi
– Polycopié du cours autorisé.
de Poisson de paramètre 8, ces nombres étant indépendants d’un hôpital à
l’autre. Pour un jour donné J : Exercice 1. Soit (Ω, E, P ) un espace probabilisé, A et B deux événements
1) Quelle est la probabilité qu’un hôpital donné soit obligé de refuser un tels que P (A) = 1/3 et P (B) = 1/2. Calculer P (A ∪ B) dans chacun des cas
patient ? suivants :
2) Quelle est la probabilité que l’un au moins des hôpitaux soit obligé de – A et B sont des événements incompatibles.
refuser un patient ? – A et B sont des événements indépendants.
3.a) Montrer que la somme de deux variables aléatoires indépendantes – L’événement A implique l’événement B.
suivant deux lois de Poisson de paramètre respectif µ et λ suit une loi – P (A/B) = 1/2.
de Poisson λ + µ.
On pourra utiliser la fonction caractéristique ρX de la loi de Poisson. Exercice 2. Soient X et Y deux variables aléatoires indépendantes. X est
3.b) On suppose maintenant qu’un hôpital saturé a la possibilité de se une variable discrète qui prend les valeurs −1 et +1 équiprobablement, c’est
"délester" sur un autre qui ne l’est pas. Quelle est la probabilité pour à dire P (X = −1) = P (X = 1) = 1/2. Y suit la loi normale centrée réduite
qu’un patient ne puisse pas se faire opérer ce jour J ? N (0, 1). On considère Z = XY , la variable aléatoire produit de X et Y . On
note F la fonction de répartition de Z et ψ celle de Y .
Exercice 3. En France, il y a environ 1 punk pour 1000 personnes. Dans – Montrer que, pour tout z réel, F (z) = 1/2ψ(z) + 1/2(1 − ψ(−z)).
une salle de 3000 personnes choisies au hasard dans la population, quelle est – En déduire la fonction de densité.
la probabilité de tomber sur un groupe d’au moins 3 punks ? – Quelle est la loi de Z ?
On pourra approximer le problème par une loi de Poisson.
Exercice 3. On considère un dé 6 faces, 2faces sont rouges et 4 sont bleues.
Exercice 4. X une variable
P50 aléatoire d’espérance µ = 20 et de variance σ 2 = A chaque lancer du dé on note la couleur de la face sortie, B signifiant bleu
1. On considère S = i=1 Xi somme de 50 variables aléatoires indépendantes et R rouge. On écrit sous forme d’une suite les résultats successifs obtenus.
mutuellement, toutes de même loi que X. On s’arreête dès que, pour la première fois, les deux couleurs du dé sont
Donner une approximation de la probabilité P (S > 1050). sorties. On s’intéresse, alors, à la variable aléatoire X prenant pour valeur la
longueur de la première série de lettres identiques. Par exemple :
Exercice 5. On lance deux dés équilibrés à six faces. Soit Y le plus grand
X = 3 pour RRRB ou BBBR
des deux chiffres obtenus et
X = 1 pour RB ou par BR
soit X leur somme.
Pour le tirage BBBBBR, la valeur de X est 5.
1. Déterminer la loi du couple (X, Y ) et les lois marginales. Calculer la loi de X et l’espérance de X.
2. Les variables aléatoires X et Y sont-elles indépendantes ?
3. Déterminer la loi conditionnelle de Y sachant que X = 6.
9 SUJETS D’EXAMENS 14
Partiel ST 2012 Exercice 4 (loi de Poisson 4pts). 1. Que vaut l’espérance d’une loi de
Poisson de paramètre λ ? (1pt)
– Durée : 1h. Sans documents ni calculatrice personnelle.
– On accordera un soin tout particulier à la présentation et à la rédaction. 2. Un standard téléphonique reçoit en moyenne 0.7 appel à la minute.
– X suit une loi de Bernoulli de paramètre p si : Quelle est la probabilité pour que entre 8h59 et 9h, ce standard reçoit :
Exercice 6. (Surbooking) Afin d’augmenter le nombre de personnes trans- 10 Solutions des exercices
portées, une compagnie aérienne vend plus de billets qu’elle n’a de places en
pariant sur les absences de certains de ces passagers. On suppose qu’avec une Introduction aux probabilités
probabilité p, le passager ne se présente pas à l’embarquement. Notons n la
nombre de places sur un vol et l le nombre de billet vendu pour ce même vol. Solution 1
La compagnie rembourse le billet si une personne présente à l’embarquement 1. La probabilité de n’avoir aucun 6 est 625/1296 = 0.482 < 1/2.
ne peut voyager à cause du surbooking.
2. La probabilité de ne pas avoir 2 fois 6 est (35/36)24 , c’est à peu près
On souhaite calculer l afin que la compagnie ne doivent rembourser les
0.5084. Par contre, si on faisait un lancer de plus ça ferait 0.4944...
passagers que dans 1% des cas. Considérons
1 si le passager se présente à l’embarquement Solution 3
Xi =
0 si le passager ne se présente pas à l’embarquement
1. On pose Ω = [[1, 49]] × [[1, 11]], E = P (Ω) et on se place dans le cas
On supposera les v.a Xi indépendantes. d’équiprobabilité.
Pl
1. Donner la loi de Xi , puis celle de Sl = i=1 Xi . 2. On doit calculer C550 C211 qui est le cardinal de l’ensemble des événements.
2. Donner une expression littérale (exacte), en fonction de p, n et l, de la On trouve 116531800.
probabilité que la compagnie soit obligé de rembourser. 3. Calculons d’abord indépendamment des étoiles la probabilité d’avoir 0
3. Par application du Théorème central limite (ou de Moivre Laplace), boules et d’avoir 1 boule. Calculons le cardinal de l’ensemble des com-
donner une approximation de cette quantité en fonction de n, l, p, q = binaisons ne contenant pas les 5 boules. Cela revient à choisir 5 élé-
1 − p et de la fonction F de répartiton de la loi Normale centrée réduite ments parmi 45, ce qui donne 1221759 (57, 1%). La probabilité d’avoir
. une boule, cela revient à choisir 4 éléments parmi 45 et d’en choisir 1
parmi 5 dans ceux qui restent. Cela donne 744975 (35, 1%). Le cardinal
4. En déduire l pour n = 100 et p = 0, 2.
des sous-ensembles de 5 éléments des boules est 2118760. Ainsi, indé-
pendamment des étoiles la probabilité d’avoir au moins 2 boules est de
7.2%. Il reste à rajouter la probabilité d’avoir une boule et deux étoiles.
Exercice 7 (Question bonus). Un élève se trouve devant 3 portes fermées. Par indépendance, c’est le produit des probabilités et donc on trouve
Derrière une de ces portes, il y a un point bonus à gagner, et un zéro pointé 0.63%. La somme fait 7.83%, soit environ 1 chance sur 13.
dans les deux autres. L’élève doit choisir une porte au hasard (sans l’ouvrir).
4. La probabilité d’avoir un bon numéro et 2 étoiles est 0.63%. Les sous-
Le professeur ouvre alors une autre porte contenant un zéro.
ensembles contenant deux des 5 numéros donnés, c’est choisir 3 éléments
Que devrait faire l’élève : garder sa porte ou changer d’avis et choisir la
parmi 45 puis choisir 2 éléments parmi les 5, donc 141900. Le cardinal des
dernière porte ?
ensembles ayant 0 étoiles, c’est choisir 2 éléments parmi les 9 restants,
donc on multiplie par 36. A diviser par le cardinal total, on trouve 4, 38%.
Avec une étoile, on a 141900 multiplié par 1 parmi 9 fois 1 parmi 2, donc
par 18, soit 2, 19%.
Solution 9
10 SOLUTIONS DES EXERCICES 18
1. Notons respectivement M , N M , − et +, les événement personne malade, 3. Il faut miser beaucoup d’argent pour en gagner peu. En plus, il est pro-
non-malade, test négatif et test positif. On a bable de perdre un très grand nombre de fois, comme 2n croît très vite,
il faut déjà posséder beaucoup d’argent. Enfin, les casinos connaissent
P (M ∩ +) P (+|M )P (M ) P (+|M )P (M ) ceci et mettent des limites de mises.
P (M |+) = = =
P (+) P (+) P (+ ∩ M ) + P (+ ∩ N M )
Solution 15 Si la série est bleue, la probabilité d’avoir une longueur exac-
= (0.001 × 0.99)/(0.001 × 0.99 + 0.999 × 0.002) = 0.00099/0.002988 tement k est (5/6)k−1 × 1/6 car le k-ième coup est forcément rouge et chaque
ce qui fait à peu près 33% de chances. lancer est indépendant des autres. Et inversement. P (X = k) = P (X =
2. On a aussi k ∩ B) + P (X = k ∩ R) = P (X = k|B)P (B) + P (X = k|R)P (R) =
(5/6)k × 1/6 + (1/6)k × 5/6. Par définition l’espérance est :
P (M ∩ −) P (M ) − P (M ∩ +)
P (M |−) = = +∞
P (−) 1 − P (+)
X X
E(X) = kP (X = k) = kpk q + kq k p
k∈N k=0
= (0.001 − 0.00099)/(1 − 0.002988) = (0.00001)/(0.997012) = 0.001%
k
dx k
3. Il donne malade des gens qui ne le sont pas, et pas qu’un peu ! Mais si Avec p = 5/6 et q = 1/6. Or en remarquant que x dx = kx , on a par
on est détecté pas malade, on a de forte chance que cela soit vrai. Par intervertion entre somme et dérivation :
exemple, si le test est peu onéreux/rapide, on commence par celui là, si +∞
X x
le test est négatif alors on est déclaré "sain" et si le test est positif, on ∀|x| < 1, kxk =
(1 − x)2
fait des tests complémentaires. k=0
p
Dans notre cas, on trouve E(X) = q + pq , i.e 5, 2.
V.a.r, espérance, fonction de répartition
Solution 13 La probabilité d’effectuer un double est de 1/6. Appelons x Solution 17
le gain de Bob. On doit avoir 5/6 − 5x/6 = 0, autrement dit x = 1. 1. P (Xk+1 = 1|Xk = 0) = 1 − p (le bit est mal transmis car il passe de 1 à
0), P (Xk+1 = 1|Xk = 1) = p (le bit est bien transmis).
Solution 14 Une personne joue à la roulette (qui est constituée de 37 cases) 2. On remarque en utilisant la formule des probabilités totales
et mise 100 euros sur les chiffres pairs (on rappelle que 0 n’est pas pair) et
10 euros sur le chiffre 7. Si elle gagne grâce à un nombre pair, la banque lui P (Xn+1 = 0) = P (Xn+1 = 1|Xn = 0)P (Xn = 0)+
reverse 200 euros, si elle gagne grâce au 7, la banque lui reverse 360 euros.
P (Xn+1 = 1|Xn = 1)P (Xn = 1) = (1 − p)P (Xn = 0) + pP (Xn = 1).
1. La probabilité de tomber sur un numéro pair est 18/37. La probabilité de
faire 7 est 1/37. L’espérance de gain est (18×200+360×1)/37 = 3960/37, De même
auquel il faut retrancher ce qu’on a payé, autrement dit 4070/37. L’es-
P (Xn+1 = 1) = (1 − p)P (Xn = 1) + pP (Xn = 0).
pérance est donc −110/37 = −2.97.
2. Elle est bien connue. Tant que l’on perd, on rejoue le double d’argent, Finalement, on peut écrire ceci sous la forme
et dès que l’on gagne, on s’arrête. On remarque que quand on gagne, on
ne gagne en fait au total qu’un seul euro, donc on mise de plus en plus An+1 = CAn
mais on a le même pourcentage de chances de gagner. Cette stratégie est où C est la matrice
en moyenne gagnante : soit on perd soit on gagne 1 euro mais comme le p 1−p
jeu s’arrête avec probabilité 1 on gagne 1 euro en moyenne ! C = .
1−p p
10 SOLUTIONS DES EXERCICES 19
Par récurrence on a que An = C n A0 . Il faut donc calculer les puissances (b) Soit X0 = 1. Dans ce cas, P (X0 = 0) = 0 et P (X0 = 1) = 1. Du
successives de C. On va donc diagonaliser C. On remarque que coup,
p 1−p 1 1
1 + (2p − 1)n 1 − (2p − 1)n
0
= An = C n A0 = C n = 1/2
1−p p 1 1 1 − (2p − 1)n 1 + (2p − 1)n 1
et que
1 − (2p − 1)n
p 1−p 1 2p − 1 = 1/2 .
= . 1 + (2p − 1)n
1−p p −1 2p − 1
Ceci démontre que la matrice est diagonalisable, qu’elle a deux valeurs 3. La probabilité qu’un bit soit fidèlement transmis est donc soit la première
propres 1 et 2p − 1 de vecteurs propres associés respectivement composante de An dans le cas X0 = 0, soit la deuxième composante de
1
1 An dans le cas X0 = 1. Dans les deux cas, on trouve que la probabilité
et d’être bien transmis est 1/2 + (2p − 1)n /2 (cela paraît normal que ça
1 −1
ne dépende pas du bit que l’on a au départ !). Il faut calculer la limite
1 1 quand n → ∞ de cette quantité. On distingue trois cas.
On pose P = . On voit facilement que l’inverse de P est
1 −1 (a) p = 1. Le bit est toujours bien transmis, on s’attend à trouver
1 1
toujours 1. C’est effectivement le cas car dans ce cas 2p − 1=1 et
−1
P = 1/2 . 1/2 + 1/2 = 1.
1 −1
(b) p = 0. Le bit n’est jamais bien transmis, on s’attend donc à trouver
On pose 0 dans le cas où on a un nombre impair de canaux et 1 dans le
1 0
D= . cas où on a un nombre pair de canaux. C’est bien le cas car alors
0 2p − 1
2p − 1 = −1 et donc 1/2 + (−1)n /2, qui vaut bien alternativement
De la relation D = P −1 CP on déduit en multipliant à droite par P et à 0 ou 1 selon la parité de n.
gauche par P −1 que C = P DP −1 . Finalement, C n = P Dn P −1 . Or (c) p ∈]0, 1[. Dans ce cas, 2p − 1 ∈] − 1, 1[. Par limite d’une suite
géométrique, on a que lim (2p − 1)n = 0. A la limite, la probabilité
1 0
Dn = . n→∞
0 (2p − 1)n de bien transmettre est donc de 1/2. Autrement dit, on ne transmet
aucune information.
On en déduit en faisant le calcul que
1 + (2p − 1)n 1 − (2p − 1)n
n
C = 1/2 . Lois usuelles
1 − (2p − 1)n 1 + (2p − 1)n
Solution 21
De deux choses l’une :
(a) Soit X0 = 0. Dans ce cas, P (X0 = 0) = 1 et P (X0 = 1) = 0. Du 1. L’espérance et la variance sont données respectivement par :
coup,
E(X) = 1 × P (X = 1) + 0 × P (X = 0) = p
1 + (2p − 1)n 1 − (2p − 1)n
n 1
An = C A0 = 1/2
1 − (2p − 1)n 1 + (2p − 1)n 0 V (X) = E(X 2 ) − E(X)2 = p − p2 = pq
1 + (2p − 1)n car E(X 2 ) = 12 × P (X = 1) + 02 × P (X = 0) = p.
= 1/2 .
1 − (2p − 1)n 2. Un calcul direct donne E(X) = np et V (X) = npq.
10 SOLUTIONS DES EXERCICES 20
(a) Soit i et j sont séparés d’au moins 2. Dans ce cas, on a comme Solution 26
espérance bien le produit, i.e. p4 . 1. Le nombre de gens arrivant au guichet A.
Pn
(b) Soit i et j sont espacés d’un. Grâce au calcul précédent on trouve 2. P (S = k|X = n) = P ( i=1 Yi = k). C’est la probabilité que y en ait
3
p . exactement k qui aillent en A et n − k dans B. C’est donc la probabilité
(c) Soit i et j sont égaux. On a p .2 d’avoir k chances de succès, c’est donc B(n, p), sauf si n < k, on a 0.
P∞
3. Par la formule des probabilités totales P (S = k) vaut n=k P (S =
Reste à compter les occurences de tout ces termes. Pour les termes
k|X = n) = Cnk pk (1 − p)n−k /λn n!eλ . On trouve une loi de Poisson de
diagonaux, on a n. La sous-diagonale est n − 1. De plus, le reste est
P n−2 paramètre pλ.
i=1 i = (n − 1)(n − 2)/2. Bilan :
On résoud σ̂ = 3, 17 et µ̂ = 58, 2.
2. La moyenne correspond au paramètre µ soit environ 58, 2.
3. On multiplie le résultat d’un jour par 365. Si un gros oeuf est supérieur à
71g, on a P (Y > 71) = 1 − P (Y < 71) = 1 − P (X < (71 − 58, 2)/3.17) =
1 − P (X < 3, 7) ' 10−4 . Au total, on trouve 2000 × 365 × 10−4 = 730
gros oeufs.
P (B ∩ Ac ) P (B)
P (B|Ac ) = c
=
P (A ) 1 − P (A)
C’est donc p(1 − x/l)/(1 − px/l) = p(l − x)/(l − px).
Solution 27
1. On modélise par la loi de Poisson («événements rares»). X ∼ P(3) et
Y ∼ P(1).
2. On a par indépendance des v.a
k
X k
X
P (X +Y = k) = P (X = i)P (Y = k−i) = P (X = i)P (Y = k−i)
i=0 i=0
k
X
= 3i /(k − i)!i!e−4 .
i=0
11 SOLUTIONS DES SUJETS 22
Exercice 2. a) Il suffit de remarquer que X.Y ne prend ses valeurs que P (X = k|N = n) = (nk )pk (1 − p)n−k
dans {0, 1} et par indépendance : P
Puis P (X = k) = n P (X = k|N = n)P (N = n). On trouve
P (X.Y = 1) = P (X = 1 et Y = 1) = P (X = 1)P (Y = 1) = pq
(λp)k
P (X.Y = 0) = 1 − P (X.Y = 1) = 1 − pq P (X = k) = e−λp
k!
Finalement X.Y suit une loi de Bernoulli B(pq, 1).
+ X.Y=0 X.Y=1 c) X suit une loi de Poisson de paramètre λp. La variance et l’espérance
sont égales au paramètre, i.e λp.
b) Z=0 0 1
Z=1 1 1
Remarque : le + ici signifie "ou".
c) Le système (S) ne fonctionne pas si X.Y = 0 et Z = 0. Comme X.Y
et Z sont indépendants, cet événement a pour probabilité P (X.Y =
0)P (Z = 0) = (1 − pq)(1 − r). La probabilité de (S) de fonctionner est :
P (S = 1) = 1 − (1 − pq)(1 − r)
d) On cherche à calculer la quantité P (X = 0|S = 0) or
P (X = 0 et S = 0) P (X = 0 et Z = 0)
P (X = 0|S = 0) = =
P (S = 0) P (S = 0)
P (X = 0)(Z = 0) 1−p
= =
P (S = 0) 1 − pq
k
Partiel ELI 2011 Or en remarquant que x dx k
dx = kx , on a par intervertion entre somme et
dérivation :
+∞
Exercice 1. On a toujours la relation
X x
∀|x| < 1, kxk =
(1 − x)2
k=0
P (A ∪ B) = P (A) + P (B) − P (A ∩ B)
p
Dans notre cas, on trouve E(X) = q + pq , i.e 3.
– Si A ∩ B = ∅ alors P (A ∪ B) = 3/4.
– A et B sont des événements indépendants alors P (A ∩ B) = P (A)P (B)
et par suite P (A ∪ B) = 5/8.
– Si B ⊂ A, alors A ∪ B = A et P (A ∪ B) = P (A) = 1/2.
– Par définition de l’espérance conditionnelle P (B)P (A/B) = P (A ∩ B) =
1/8 et P (A ∪ B) = P (A) = 5/8.
X +∞
X
E(X) = kP (X = k) = kpk q + kq k p
k∈N k=0
11 SOLUTIONS DES SUJETS 24
F X X X X X
P (Z = k) = pk−1 q + q k−1 p
11 SOLUTIONS DES SUJETS 25
Examen ELI 2012 Pour cela, on renormalise avec X suivant une loi Normale centrée réduite
Exercice 1 (Exercice de TD).
! !
S − 675 700 − 675 5
On approxime par une loi de Poisson de paramètre 4, on trouve : p=P > =P X>
15 15 3
P (N 6 4) ' 0, 63
Ainsi si F désigne la fonction de répartition de la loi Normale centrée
Exercice 2. 1. Par définition d’une probabilité conditionnelle réduite
p = 1 − F (5/3) ' 0, 05 = 5%
P (X = 0 et pair) P (X = 0)
P (X = 0 | X pair) = = 2. De même, on trouve 22%. On constate donc que malgré un « faible »
P (X pair) P (X pair)
écart en les valeurs moyennes, on a quadruplé la probabilté de mettre la
Or P (X = 0) = e−λ et P (X pair) = k∈N P (X = 2k) = e−λ ch(λ). On
P machine en panne...
trouve finalement
Exercice 4. L’intervalle de confiance de moyenne au risque 5% est
1 2
P (X = 0 | X pair) = = 4 4
ch(λ) eλ + e−λ I = [40 − 1, 96 × √ ; 40 + 1, 96 × √ ] ⊂ [39, 2; 40, 8]
100 100
2. Application : par indépendance des erreurs sur chaque bit, le nombre
Comme 43 ∈ / I, la valeur n’est pas compatible avec la valeur moyenne de la
total d’erreur suit une loi Binomiale B(n, p) avec n = 8152 et p = 10−5 .
population.
Loi que l’on approche par une loi de Poisson de paramètre np = 0, 08152.
D’après la question précédente, la probabilité qu’il n’y ait aucune erreur
sachant que la transmission est acceptée est environ
1
P (X = 0 | X pair) = ' 0, 997
ch(0, 08152)
Xi ∼ N (75, 5)
⇒ S ∼ N (675, 15)
On cherche à calculer la probabilité
p = P (S > 700)
11 SOLUTIONS DES SUJETS 26
it
Examen ST 2012 3.a) On a ρX (t) = e−λ(1−e )
3.b) Il suffit de regarder les fonctions caractéristiques qui rappelons-le ca-
Exercice 1 (Couple de variables aléatoires discrètes). 1. On a par linéar-
ractérise la loi. Par indépendance
tité de l’espérance et E(1) = 1
it it it
ρX+Y = ρX ρY = e−λ(1−e ) e−µ(1−e )
= e−(λ+µ)(1−e )
cov(X, Y ) = E ((X − E(X))(Y − E(Y )))
C’est la fonction caractéristique d’une loi de Poisson de paramètre λ+µ.
= E(X.Y − E(X)Y − E(Y )X − E(X)E(Y )) Donc la somme de deux variables aléatoires indépendantes suivant deux
= E(X.Y ) − 2E(X)E(Y ) + E(X)E(Y ) lois de Poisson de paramètre respectif µ et λ suit une loi de Poisson
λ + µ.
= E(X.Y ) − E(X)E(Y ) 3.c) D’après la question précédente, la loi suit une loi de Poisson de para-
2. Pour la loi de X, il suffit de sommer sur la colonne mètre 4 ∗ 5 = 20. La probabilité pour qu’un client ne puisse pas avoir de
fraisier dans le quartier est donc
P (X = −1) = P (X = 1) = 1/4 et P (X = 0) = 1/2
1 − P (N 6 25) N ∼ P(20)
Il en va de même pour Y qui suit la même loi (le tableau est symétrique
Exercice 3. 1. Cours ;
rapport à la diagonale principale).
2. On a X(Ω) = {0, 1}et P (X = 1) = P (U < p) = p. X suit une loi de
3. X et Y sont d’espérance nulle. De plus, X.Y ne peut prendre que les
Bernoulli de paramètre p.
valeurs −1, 0 et 1. On constate aussi que par symétrie
3. On a pour t > 0
P (X.Y = 1) = P (X.Y = −1)
FX (t) = P (X 6 t) = 1 − P (U > e−3t ) = 1 − e−3t
On en déduit que l’espérance de X.Y est nulle. D’après l’expression de
car e−3t ∈ [0, 1] pour tout t > 0. On reconnaît la fonction de répartition
la covariance donnée en question 1, on a une covariance nulle.
d’un loi exponentielle de paramètre 3. Comme la fonction de répartition
4. Il suffit de remarquer que caractérise la loi
X ∼ E(3)
P (X = 0) P (Y = 0) 6= P (X = 0 et Y = 0)
| {z } | {z } | {z } Exercice 4. On a
1/2 1/2 0
S − nµ 2010 − nµ
Exercice 2. 1) Une boulangerie ne peut pas fournir de fraisier à un client P (S > 2010) = P ( √ > √ )
nσ nσ
si il y a eu plus de 6 clients dans la journée. On cherche donc pour
N ∼ P(4) S − nµ 2010 − 100 × 20
= P( √ > )
P (N > 5) = 1 − P (N 6 5) = 1 − FN (5) nσ 10
où FN désigne la fonction de répartition de la loi de Poisson de para- S − np
= P( √ > 1)
mètre 4. D’après le tableau, on a directement FN (5) = 0, 785. Puis la nσ
probabilité voulue est D’après le TCl, on a l’approximation
P (N > 5) ' 0, 215
P (S > 2010) ' P (Z > 1) = 1 − F (1)
2) Par indépendance, la probabilité que toutes les boulangeries fournissent
est (1 − P (N > 5))5 ; La probabilité, qu’une boulangerie au moins ne avec Z suivant une loi normale centrée réduite et F sa fonction de répartition.
puisse pas fournir, est donc 1 − (1 − P (N > 5))5 = 0.73. Comme F (1) = 0, 84, on trouve 0, 16.
11 SOLUTIONS DES SUJETS 27
P (Sl < n) 6 1%
Plune loi de Bernoulli de paramètre q = 1 − p et par indépendance
1. Xi suit !
Sl = i=1 Xi suit une loi Binomiale de paramètre (l, 1 − p). n − lq
⇔ F √ > 0.99
lpq
2. La compagnie est obligée de rembourser si !
n − lq
⇔ F √ > F (α) α ' 2, 38
lpq
Sl > n n − lq
⇔ √ > α F strict. croissante
lpq
La probabilité recherchée est donc ⇔ (n − lq)2 > α2 lpq et n > ql
l 6 111
3. Renormalisons sachant que E(Sl ) = l(1 − p) et V (Sn ) = lpq
Exercice 6 (Question bonus). Il faut changer. En effet, On perd si on a pris
dès le début le point (soit 1 chance sur 3) alors qu’on gagne avec 2 chances
!
Sl − lq n − lq
P (Sl > n) = P √ > √ sur 3.
lpq lpq
!
n − lq
P (Sl > n) ' P Z> √ Z ∼ N (0, 1)
lpq
Finalement, on trouve
!
n − lq
P (Sl > n) ' 1 − F √
lpq