Académique Documents
Professionnel Documents
Culture Documents
FP de Ouarzazate
Solution de TD
Probabilités et Statistiques
Pr. Baiz Othmane & Pr. El ouali Mourad
Exercice 1. On place dans un sac 5 billets de 5 euros, 7 billets de 10 euros et 10 billets de 20 euros.
On choisit au hasard une poignée de 8 billets, chaque billet ayant la même probabilité d’être attrapé.
4. On recommence l’expérience en tirant les billets un par un et en remettant le billet dans le sac
après son tirage. Calculer les probabilités des trois évènements ci-dessus dans cette nouvelle
expérience.
Solution.
1. soit l’évenement A =”n’avoir aucun billet de 5 euros ”. Il est clair que A peut aussi s’exprimer:
On cherche donc 8 billets distincts choisis de l’ensemble des 17 billets ( billets de 10 euros et 20
euros), alors
C8
P (A) = 17 8 = 0, 076.
C22
2. Soit l’évènement
On cherche ainsi les sous-ensembles de taille 8 billets choisis dans l’ensemble des 10 billets de
20 euros. Donc
C8 −4
P (D) = 10 8 = 1, 41 × 10
C22
1
car il n’y a pas assez de billets de 5 euros et de 10 euros pour obtenir une poignée de 8 billets
composée uniquement de l’une ou l’autre des valeurs. On sait dèjà que
8
card(D) = card(F1 ) = C10 .
On remarque que
On remarque aussi que Card(G5 ) = C17 8 − C 8 . Ici C 8 le cardinal de l’évènement ”aucun billet
10 17
8 le cardinal de l’évènement ”uniquement des billets de 20 euros”
de 5 euros” et C17
Finalement, on a
On a donc
8 + C8 + C8 − C8
C17 15 12 10
P (E) = 1 − P (F ) = 1 − 8 = 0, 902.
C22
4. Le tirage étant maintenant sèquentiel, on obtient une liste de billets. De plus, comme les billets
sont remis dans le sac.
On considère l’évènement A = ”n’avoir aucun billet de 5 euros”. Comme pour la question 1, il
s’agit d’un tirage avec remise de 8 billets choisis parmi 17 billets de 10 euros et de 20 euros. On
a donc clairement
Card(A) = 178 .
Donc
178
P (A) = = 0, 127.
228
De même, l’évènement D = ”obtenir uniquement des billets de 20 euros” se traite comme à la
question: il s’agit d’un tirage avec remise de 8 billets choisis parmi les 10 billets de 20 euros.
On a clairement 108 listes de ce type, ce qui conduit à
108
P (D) = = 1, 28 × 10−3 .
228
Enfin, l’évènement
2
E =”obtenir au moins un billet de chaque valeur”;
ce qui donne
Exercice 2. On considère le jeu suivant: le joueur lance d’abord un dé non truqué. Il tire ensuite
un jeton dans une urne choisie en fonction du résultat du dé. L’urne A est choisie quand le dé donne
1, 2 ou 3, l’urne B quand on obtient 4 ou 5 et l’urne C quand on obtient 6. Les urnes contiennent les
jetons suivants:
urne A: deux jetons rouges, trois jetons bleus;
urne B: deux jetons bleus, quatre jetons verts;
urne C: un jeton vert, un jeton rouge.
2. On obtient un jeton vert. Quelle est la probabilité que ce jeton soit issu de l’urne B?
3. On obtient un jeton bleu. Quelle est la probabilité que le lancer du dé ait donné 3?
4. Quelle est la probabilité de ne pas obtenir un jeton vert, sachant que le lancer du dé a donné 3
ou 6?
5. Est-ce que l’événement ”choisir dans l’urne C” et l’événement ”obtenir un jeton rouge” sont
indépendants? Justifiez votre réponse.
Solution.
On considère les évènements
D’après l’énoncé, on a
Comme les évènements {le dé donne 1, 2 ou 3} et {le dé donne 4, 5 ou 6} sont disjoints et que leur
union forme l’univers tout entier (du point de vue du lancer du dé), on peut appliquer la loi des
probabilités totales. On a donc
donc
Card({1, 2, 3}) 1
P (A) = P ({le dé donne 1, 2 ou 3}) = = .
Card({1, 2, 3, 4, 5, 6}) 2
3
De la même faon, on obtient
1 1
P (B) = et P (C) =
3 6
Considérons le tirage d’un jeton dans l’urne A. L’univers correspondant ΩA s’écrit
ΩA = {r1 , r2 , b1 , b2 , b3 }
où r1 et r2 sont les jetons rouges, et b1 , b2 , et b3 les jetons bleus. Les jetons sont supposés discernables
pour faciliter l’analyse. En l’absence d’hypothèse particulière sur les urnes et les jetons, on suppose
que la probabilité sur ΩA , PA , est uniforme. On a donc
2
PA (R) = P (R/A) = P ({r1 , r2 }) = .
5
De la mm̂e façon, on trouve
3
PA (Bl) = P (BL/A) = et P (V /A) = PA (V ) = 0.
5
1. Pour obtenir la probabilité de R (obtention d’un jeton rouge), on utilise d’abord la loi des
probabilités totales relativement aux évènements A, B et C. En effet, ces trois évènements sont
disjoints et leur union forme l’univers tout entier (puisqu’on choisit toujours une urne). On a
donc
P (R) = P (R/A)P (A) + P (R/B)P (B) + P (R/C)P (C).
Il nous reste à calculer P (R/B) et P (R/C). Or l’urne B ne contient pas de jeton rouge, ce qui
donne P (R/B) = 0. En appliquant le même raisonnement que celui appliqué à l’urne A, on
obtient que P (R/C) = 21 , car il y a deux jetons dans l’urne C dont un seul est rouge. On a
donc
2 1 1 1 1 17
P (R) = × + 0 × + × = .
5 2 3 2 6 60
2. Dans cette question, On cherche donc à calculer P (B/V ). On applique la règle de Bayes qui
donne
P (V /B)P (B)
P (B/V ) = .
P (V )
En appliquant toujours le même raisonnement, on voit que P (V /B) = 64 = 23 , car l’urne B
contient 6 jetons dont 4 sont verts. Pour calculer enfin P (V ), on applique de nouveau la loi des
probabilités totales qui donne
3. On cherche à calculer P ({le dé donne 3}/BL). En notant {3} l’évènement sur le dé, la règle de
Bayes donne
P (BL/{le dé donne, 3})P ({le dé donne 3})
P ({le dé donne 3}/BL) = .
P (BL)
En appliquant à le dé donne 3} le même raisonnement qu’à A, on a
3
P (BL/{le dé donne 3}) = ,
5
4
car l’évènement le dé donne, 3} conduit à un tirage d’un jeton dans l’urne A qui en contient 5
donc 3 sont bleus. D’autre part, comme le dé n’est pas truqué, on a P (le dé donne 3}) = 61 .
Enfin, on calcule P (BL) par l’intermédiaire de la loi des probabilités totales, ce qui donne
En utilisant le fait que P (V /D) = 1 − P (V /D), on se ramène au calcul de P (V /D). Or, par
définition des probabilités conditionnelles, on a
P (V ∩ D)
P (V /D) =
P (D)
P (V ∩ {le dé donne 3}) + P (V ∩ {le dé donne 6})
= ,
P ({le dé donne 3}) + P ({le dé donne 6})
la deuxième égalité provenant du fait que D est l’union disjointe des deux évǹements {le dé donne
3} et‘{le dé donne 6}.
On sait que P (V ∩ {le dé donne 3}) = 0 puisque l’obtention d’un 3 conduit à utiliser l’urne
A qui ne contient pas de jeton vert. D’autre part, en appliquant de nouveau la définition des
probabilités conditionnelles, on a
P (V ∩ {le dé donne 6}) = P (V /{le dé donne 6})P ({le dé donne 6}).
Or, l’obtention d’un 6 conduit à utiliser l’urne C et donc à choisir un jeton parmi deux jetons
(dont un est vert). On a donc P (V /{le dé donne 6}) = 12 . On en déduit donc
1 1
0+ 2 × 6 1
P (V /D) = 1 1 = ,
6 + 6
4
et donc finalement que
3
P (V /D) = .
4
5. Deux évènements U et V sont indépendants si et seulement si
P (U ∩ V ) = P (U )P (V ).
5
Exercice 3. Dans une usine, 3 machines fabriquent des pièces mécaniques dans les proportions
respectives suivantes: p1 = 25%, p2 = 35% et p3 = 40%. On sait que les taux de production de pièces
défectueuses par les 3 machines sont respectivement de 10%, 5% et 1%. On choisit au hasard une
pièce dans un lot de pic̀es fabriquées par l’usine et on constate qu’elle est défectueuse. Quelle est
probabilité qu’elle soit fabriquée par la 3ème machine?
Solution.
On considère les évènements
D =”la pièce est défectueuse”,
M1 =”la pièce est fabriquée par la 1ère machine”;
M2 =”la pièce est fabriquée par la 2ème machine”;
M3 =”la pièce est fabriquée par la 3ème machine”;
On a:
P (M1 ) = 0, 25, P (M2 ) = 0, 35, P (M3 ) = 0, 4.
P (D/M1 ) = 0, 1, P (D/M2 ) = 0, 05, P (D/M3 ) = 0, 01.
Donc par le théorème de Bayes on calcule la probabilité a posteriori P (M3 /D):
P (M3 )P (D/M3 ) 0, 004
P (M3 /D) = = = 0, 086.
P (M1 )P (D/M1 ) + P (M2 )P (D/M2 ) + P (M3 )P (D/M3 ) 0, 0465
Exercice 4. On considère le jeu suivant : le joueur lance d’abord un dé non truqué. S’il obtient 1,
2 ou 3, il gagne l’équivalent en euros (c’est-à-dire 1 euros s’il obtient 1, par exemple). Sinon, il perd
2 euros. On note X la variable aléatoire correspondant au gain du joueur (négatif en cas de perte).
1. Donnez la loi de X et sa fonction de répartition FX .
2. Calculez l’espérance de X.
3. Calculez la variance de X.
Solution.
1. L’expérience aléatoire est un lancer de dé dont l’univers est donc
Ω = {1, 2, 3, 4, 5, 6}.
muni d’une probabilité uniforme (car le dé n’est pas truqué). La variable aléatoire X est donnée
par le tableau suivant:
w 1 2 3 4 5 6
X(w) 1 2 3 -2 -2 -2
On en déduit donc que X(Ω) = {2, 1, 2, 3}. La loi de X est donnée par P ({X(w) = x}) =
P (X −1 ({x})) pour les x ∈ X(Ω). En utilisant le fait que la probabilité P est uniforme, on
obtient les résultats résumés dans le tableau suivant, dont la dernière ligne donne la loi de X:
6
3. Pour calculer E(X), on applique la définition de l’espérance, à savoir
X
E(X) = x × P (X = x).
x∈X(Ω)
On obtient ainsi
1 1 1 1
E(X) = −2 × +1× +2× +3× =0
2 6 6 6
4. Pour calculer V (X), on utilise
V (X) = E(X 2 ) − (E(X))2 .
On a
1 1 1 1 13
E(X 2 ) = (−2)2 × + 12 × + 2 2 × + 3 2 × = .
2 6 6 6 3
Donc
13
V (X) = .
3
Exercice 5. On suppose que la variable aléatoire X suit la loi uniforme sur l’ensemble
X(Ω) = {3; 2; 1; 4} .
1. Donner la loi de X.
2. Calculer E(X) et V (X).
On définit la variable aléatoire Y = 2X + 1.
1. Donner Y (Ω) et la loi de Y .
2. Calculer E(Y ) de deux façons différentes.
Solution.
1. Par hypothèse, la loi de X est uniforme et la probabilité d’avoir X = x pour tout élément
1
x ∈ X(Ω) est donc constante. De ce fait, cette probabilité est de Card(X(Ω)) = 41 . La loi de X
est donc résumée par le tableau suivant
x -3 -2 1 4
1 1 1 1
P(X=x) 4 4 4 4
7
Considérons Y = 2X + 1.
1. Le tableau suivant donne la valeur de Y pour toutes les valeurs possibles de X:
x -3 -2 1 4
2x+1 -5 -3 3 9
8
2. On applique la définition de l’espérance
Z +∞
E(X) = t f (t) dt
−∞
Z 1 Z 2 Z 3
= t f (t) dt +
t f (t) dt + t f (t) dt
0 1 2
Z 1 Z 2 Z 3 2
t − t2 t t − 2t
= dt + dt + dt
0 2 1 2 2 2
2 1 2 2 3 3
t t3 t t t2
= − + + −
4 6 0 4 1 6 2 2
1 1 4 1 27 9 8 4
= − + − + − − + = 1, 5.
4 6 4 4 6 2 6 2
Z 2
P (1 ≤ X ≤ 2) = f (t) dt
1
Z 2
1
= dt
1 2
2
t 1
= = .
2 1 2
P (X ≥ 2) = 1 − P (X ≤ 2)
= 1 − [P (X ≤ 1) + P (1 ≤ X ≤ 2)] =
3 1
=1− = .
4 4
Exercice 7. Le nombre de pannes d’une machine sur une période donnée suit une loi de Poisson.
Sachant qu’en moyenne la machine fait 2 pannes par trimestre.
9
2. Calculer la probabilité d’avoir 4 pannes pendant une année.
Solution.
On définit les variables aléatoir X, Y et Z comme suit :
e−8 × 84
P (Z = 4) = = 0, 0573.
4!
Exercice 8. On suppose que la durée de vie des ampoules électriques est une variables aléatoire
continue X de loi normale d’espérance m = 1000 heures et de variance σ 2 = 10000.
Calculer probabilité qu’une ampoule fonctionne:
Solution.
X−1000
On a X ∼ N (1000, 100). On pose T = 100 , alors T ∼ N (0, 1).
De même
X − 1000 750 − 1000
P (X ≤ 750) = P ( ≤ )
100 100
= P (T ≤ −2, 5)
= F (−2, 5)
= 1 − F (2, 5). ”car F (−x) = 1 − F (x).
= 1 − 0, 9938 = 0, 0062.
10
Exercice 9. Une usine fabrique des câbles. Un câble est considéré comme conforme si sa résistance
à la rupture X est supérieure à 3 tonnes. L’ingénieur responsable de la production voudrait connaı̂tre,
en moyenne, la résistance à la rupture des câbles fabriqués.
Il n’est, bien sûr, pas question de faire le test sur toute la production (l’usine perdrait toute sa
production!). Un technicien prélève donc un échantillon de 100 câbles dans la production. Notons
X la variable aléatoire correspondant à la force à exercer sur le câble pour le rompre. Le technicien
obtient les résultats suivants:
X − 11
T = ∼ N (0, 1).
√3
50
X − 11 14 − 11
P (X ≤ 14) = P ( ≤ )
√3 √3
50 50
= P (T ≤ 7, 07)
= F (7, 07) ”F la fonction de répartition loi normale centrée rduite,”
=1 ”puisque 7, 07 n’est pas dans table de loi normale centrée réduite”.
X − 11 10 − 11
P (X ≥ 14) = P ( ≥ )
√3 √3
50 50
= P (T ≥ −2, 36)
= P (T ≤ 2, 36) ”car P (X ≤ a) = P (X ≥ −a),”
= F (2, 36) ”F la fonction de répartition loi normale centrée rduite,”
= 0, 9909 = 99, 09%.
Exercice 11. Supposons que l’on prenne un échantillon aléatoire de 100 comptes-clients , d’une
chaine de magasins et que l’on trouve que le solde moyen débiteur est de 74 euros. Si l’on sait que
l’écart-type pour tous les comptes est de 0.86 euros , trouver l’intervalle de confiance à 95% pour la
11
moyenne de la population , Commenter le résultat.
Solution.
On a
µe = 74 euros, σe = 0, 86 euros.
Donc une estimation ponctuelle des paramètres de la population
µ̂ ≈ µe = 74 euros; σ̂ ≈ σe = 0, 86
−r r
p(µ − r ≤ X ≤ µ + r) = 0, 95 ⇒ p( ≤T ≤ ) = 0, 95
√σ √σ
n n
Soit F Fonction de répartition de la loi normale centrée rduite, donc l’equation précédente est
équivalent à
r r
2 F ( σ ) − 1 = 0, 95 ⇒ F ( σ ) = 0, 975.
√ √
n n
Dou
σ̂ 0, 86
r ' 1, 96 × √ = 1, 96 × √ = 0, 16856
n 100
L’intervalle de confiance dans cet chantillon est alors
Exercice 12. Dans le cadre d’une étude sur ”l’adéquation entre Formation - Emploi”, on a interrogé
500 Chefs d’entreprises de différents secteurs, 145 entre eux déclarent être satisfaits de l’adéquation
entre les formations universitaire et le marché du travail. Donner une estimation ponctuelle de la
proportion de chefs d’entreprises qui sont satisfaits de l’adéquation entre la formation universitaire et
l’emploi, puis une estimation de cette proportion par un intervalle de confiance à 90%.
Solution.
La proportion des chefs d’entreprises qui sont satisfaits de l’adéquation
q entre la formation universitaire
145
et l’emploi dans lchantillon est ici de pe = 500 = 0, 29. Pour σe = pe (1−p
n
e)
= 0, 020.
Puisque n = 145 > 35,estimation ponctuelle de la proportion et l’cart type:
p̂ ≈ pe = 0, 29; σ̂ ≈ σe = 0, 020.
On passe maintenat à l’ estimation de cette proportion par un intervalle de confiance à 90%. On note
F est la variable aléatoire correspondant à la proportion d’un caractre dans un échantillon de taille
500 pris au hasard, alors F suit approximativement une loi normale:
F ,→ N (p, σ).
12
Cherchons un intervalle qui contient p avec une confiance arbitraire de 90% (cela pourrait être un
autre coefficient de confiance). Nous cherchons donc un rayon r tel que :
P (F − r ≤ p ≤ F + r) = 0, 9 ⇒ P (p − r ≤ F ≤ p + r) = 0, 9.
F −p
On sait que la variable alatoire T = σ suit la loi normale centrée réduite N (0; 1). Nous obtenons
donc, par centrage et réduction:
−r r r
p( ≤ T ≤ ) = 0, 9 ⇒ 2, F ( ) − 1 = 0, 9
σ σ σ
Donc F ( σr ) = 0, 95 ( F la fonction de répartition de la loi normale centrée réduite). Par lecture inverse
de la table de la loi normale centrée réduite on trouve
r
= 1, 645
σ
D’où
r
= 1, 645 ⇒ r ≈ 1, 645 × σ̂ = 1, 645 × 0, 020 = 0, 0329
σ
La réalisation de l’intervalle de confiance dans cet échantillon est alors
13