Vous êtes sur la page 1sur 5

MASTER 1

PROBABILITE-STATISTIQUE

TRAVAUX PRATIQUES : LOIS DE PROBABILITE

 
 
 

Présenté par :

N’DRI CHRISTIAN HIPPOLYTE

BENIANH KOUAME

SARAKA ADELE

KOUASSI YAO

BLY BENITO
Samedi 25/07/2020
EXERCICE 2

ENONCE

RESOLUTION

1. La loi de probabilité de X
On a deux éventualités pour chaque voyageur : soit il oublie ses bagages dans le train (succès) dont la
probabilité est 𝑝 = 0,005, ou il n’oublie pas ses bagages dans le train (échec) dont la probabilité est
1 − 𝑝 = 0,995. C’est donc une épreuve de Bernoulli. Comme il ya 850 voyageurs, alors cette expérience
aléatoire est répété 850 fois de suite de manières indépendants les uns les autres et identiques. D’où le
schéma de Bernoulli, par conséquent X est une loi binomiale de paramètre 𝑛 = 850 et 𝑝 = 0,005.
𝑘
Ainsi, ∀ 𝑘 ∈ 0; 850 , on a : 𝑃 𝑋 = 𝑘 = 𝐶850 0,005 𝑘 0,995 850−𝑘
Calculons son espérance mathématique et sa variance
- X une loi binomiale alors 𝑬 𝑿 = 𝒏𝒑 d’où 𝑬 𝑿 = 𝟖𝟓𝟎 × 𝟎, 𝟎𝟎𝟓 = 𝟒, 𝟐𝟓
En moyenne 4,25 voyageurs oublient leurs bagages.
- La variance de X est 𝑽 𝑿 = 𝒏𝒑(𝟏 − 𝒑) d’où 𝑽 𝑿 = 𝟖𝟓𝟎 × 𝟎, 𝟎𝟎𝟓 × 𝟎, 𝟗𝟗𝟓 ≈ 𝟒, 𝟐𝟐𝟗𝟖

2. Une loi de probabilité permettant d’approcher la loi binomiale


X est une variable aléatoire qui suit une loi binomiale de probabilité 𝑝 = 0,005 𝑝 < 0,1 que l’on essaie
d’obtenir en répétant 850 fois (𝑛 = 850 , 𝑛 est donc grand) , de manière à ce que 𝒏𝒑 tend vers une limite
finie 𝜆 . De plus l’espérance mathématique et la variance sont sensiblement égales. Par conséquent on peut
approcher la loi binomiale par une loi de poisson de paramètre 𝝀 = 𝒏𝒑 = 𝟒, 𝟐𝟓.
𝐵 𝑛; 𝑝 ~𝑃 𝑛𝑝 d’où 𝑩 𝟖𝟓𝟎; 𝟎, 𝟎𝟎𝟓 ~𝑷 𝟒, 𝟐𝟓
𝜆𝑘
Ainsi, ∀ 𝑘 ∈ 0; 850 , on a : 𝑃 𝑋 = 𝑘 = 𝑒 −𝜆
𝑘!
- Calculons la probabilité qu’aucun voyageur n’ait oublié ses bagages
𝟒,𝟐𝟓𝟎
Dans ce cas 𝑘 = 0 , 𝑷 𝑿 = 𝟎 = 𝒆−𝟒,𝟐𝟓 ≈ 𝟎, 𝟎𝟏𝟒
𝟎!
La probabilité pour qu'aucun voyageur n'ait été oublié ses bagages dans le train est approximativement 0,014

UVCI – MASTER 1 - PROBABILITES STATISTIQUES GROUPE 30 Page 1


- Calculons la probabilité qu’au moins cinq voyageurs aient oublié ses bagages.
Dans ce cas 𝑘 ≥ 5, c’est-à-dire 𝑃 𝑋 ≥ 5 . Pour cela ,calculons d’abords la probabilité qu’au plus quatre
voyageurs aient oublié ses bagages c’est-à-dire 𝑃 𝑋 ≤ 4 .
4
𝜆𝑘 −𝜆
𝑃 𝑋≤4 = 𝑒 =𝑃 𝑋 =0 +𝑃 𝑋 =1 +𝑃 𝑋 =2 +𝑃 𝑋 =3 +𝑃 𝑋 =4
𝑘!
𝑖=0

−4,25
4,25 4,252 4,253 4,254
𝑃 𝑋≤4 =𝑒 1+ + + +
1 2 6 24
𝑃 𝑋 ≤ 4 = 0,580
Donc 𝑷 𝑿 ≥ 𝟓 = 𝟏 − 𝑷 𝑿 ≤ 𝟒 = 𝟏 − 𝟎, 𝟓𝟖𝟎 = 𝟎, 𝟒𝟐𝟎
La probabilité pour qu’au moins cinq voyageurs aient oublié leurs bagages dans le train est
approximativement 0,420.

EXERCICE 5

ENONCE

UVCI – MASTER 1 - PROBABILITES STATISTIQUES GROUPE 30 Page 2


RESOLUTION

1. Etude du nombre de sinistres par vehicule


X est une variable aléatoire qui suit une loi binomiale de probabilité 𝜆 = 0,28, ainsi ∀ 𝑘 ≥ 0, on a :
𝜆𝑘
𝑃 𝑋=𝑘 = 𝑒 −𝜆 .
𝑘!
a- «ééée considérée»
- Calculons 𝑷(𝑨).
𝟎
𝟎,𝟐𝟖 −𝟎,𝟐𝟖
Dans ce cas 𝑘 = 0, 𝑷 𝑨 = 𝑷 𝑿 = 𝟎 = 𝒆 ≈ 𝟎, 𝟕𝟓𝟔
𝟎!
La probabilité pour qu’un véhicule tiré au hasard dans le parc n’ait aucun sinistre pendant l’année considérée
est 0,756.

b- B : « Un véhicule tiré au hasard dans le parc a au plus deux sinistres pendant l’année considérée »
- Calculons 𝑷 𝑩
4
𝜆𝑘 −𝜆
𝑃 𝐵 =𝑃 𝑋≤2 = 𝑒 =𝑃 𝑋 =0 +𝑃 𝑋 =1 +𝑃 𝑋 =2
𝑘!
𝑖=0
𝝀 𝝀𝟐 𝟎, 𝟐𝟖 𝟎, 𝟐𝟖𝟐
𝑷 𝑩 = 𝒆−𝝀 𝟏 + + = 𝒆−𝟎,𝟐𝟖 𝟏 + + ≈ 𝟎, 𝟗𝟗𝟕
𝟏! 𝟐! 𝟏 𝟐
La probabilité pour qu’un véhicule tiré au hasard dans le parc a, au plus, deux sinistres pendant l’année
considérée est 0,997

2. Etude du nombre de sinistres dans une équipe de 15 conducteurs.

a- Justifions que Y suit une loi Binomiale puis déterminons ses paramètres
On a deux éventualités pour chaque conducteur : soit il n’a pas eu de sinistre (succès) dont la probabilité est
𝑝 = 0,6, ou il a eu un sinistre (échec) dont la probabilité est 1 − 𝑝 = 0,4. C’est donc une épreuve de
Bernoulli. Comme il ya 15 conducteurs, alors cette expérience aléatoire est répété 15 fois de suite de
manières indépendants les uns les autres et identiques. D’où le schéma de Bernoulli, par conséquent Y suit
une loi binomiale de paramètre 𝒏 = 𝟏𝟓 et 𝒑 = 𝟎, 𝟔 c’est-à-dire 𝒀~𝑩 𝟏𝟓; 𝟎, 𝟔
𝑘
Ainsi, ∀ 𝑘 ∈ 0; 15 , on a : 𝑃 𝑋 = 𝑘 = 𝐶15 0,6 𝑘 0,4 15−𝑘

b- E : « Dans un prélèvement, 10 conducteurs n’ont pas de sinistre pendant l’année considéré »


Dans ce cas 𝑘 = 0, 𝑷 𝑬 = 𝑷 𝑿 = 𝟎 = 𝑪𝟏𝟎 𝟏𝟓 𝟎, 𝟔
𝟏𝟎
𝟎, 𝟒 𝟏𝟓−𝟏𝟎 ≈ 𝟎, 𝟏𝟖𝟔
La probabilité pour que dans un prélèvement, 10 conducteurs n’aient pas de sinistre pendant l’année
considéré est 0,186.
UVCI – MASTER 1 - PROBABILITES STATISTIQUES GROUPE 30 Page 3
3- Etude du coût des sinistres
Calculons la probabilité qu’un sinistre tiré au hasard parmi les sinistres de ce types coutes entre 1000
et 1500 euros ».
Soit F : « Un sinistre de ce type coûte entre 1000 euros et 1 500 euros ».
On désigne par C la variable aléatoire, qui suit la loi normale 𝑁 1200; 200 , est associe au coût et T la
𝐶−𝑚 𝐶−1200
variable aléatoire centrée réduite correspondant à C et définie par : 𝑇 = donc 𝑇 = .
𝜎 200
Sachant que 𝐶~𝑁 1200; 200 alors 𝑇~𝑁 0; 1
1000 −1200 𝐶−1200 1500 −1200
On a : 𝑃 𝐹 = 𝑃 1000 ≤ 𝐶 ≤ 1500 = 𝑃 ≤ ≤ = 𝑃 −1 ≤ 𝑇 ≤ 1,5
200 200 200
Or 𝑃 −1 ≤ 𝑇 ≤ 1,5 = 𝜋 1,5 − 𝜋 −1 = 𝜋 1,5 − 1 − 𝜋 1 = 𝜋 1,5 + 𝜋 1 − 1.
D’après la table de la loi normal, on lit 𝜋 1,5 = 0,9332 et 𝜋 1 = 0,8423
Par la suite 𝑷 𝑭 = 𝑷 𝟏𝟎𝟎𝟎 ≤ 𝑪 ≤ 𝟏𝟓𝟎𝟎 = 𝑷 −𝟏 ≤ 𝑻 ≤ 𝟏, 𝟓 = 𝟎, 𝟗𝟑𝟑𝟐 + 𝟎, 𝟖𝟒𝟏𝟑 − 𝟏
Donc 𝑷 𝑭 ≈ 𝟎, 𝟕𝟕𝟓. La probabilité qu’un sinistre tiré au hasard parmi les sinistres de ce type coûte entre
1000 et 1500 euros est 0 ,775.

EXERCICE 6

ENONCE

RESOLUTION

Soit X la variable aléatoire, qui suit la loi normale 𝑁 𝑚; 1,1 , est associe au poids des flacons et T la
𝑋−𝑚 𝑋−𝑚
variable aléatoire centrée réduite correspondant à C et définie par : 𝑇 = donc 𝑇 = .
𝜎 1,1
Sachant que 𝑋~𝑁 𝑚; 1,1 alors 𝑇~𝑁 0; 1
1- Calculons la probabilité que le poids de produit dans le flacon soit inférieur au poids annoncé de
100 mg.
100 − 101,2
𝑃 𝑋 ≤ 100 = 𝑃 𝑇 ≤ = 𝑃 𝑇 ≤ −1,09 = 1 − 𝜋 1,09 = 1 − 0,8621 = 0,1379
1,1
𝑷 𝑿 ≤ 𝟏𝟎𝟎 = 𝟎, 𝟏𝟑𝟕𝟗.
La probabilité que le poids de produit dans le flacon soit inférieur au poids annoncé de 100 mg est 0,1379

UVCI – MASTER 1 - PROBABILITES STATISTIQUES GROUPE 30 Page 4