Vous êtes sur la page 1sur 36

Ecole des Hautes Etudes Commerciales (EHEC)

Correction des concours (2011-2019)

Préparé par : ASRI A.

Concours 2011

Exercice 01 :

Soit 𝑋 la variable aléatoire continue de densité de probabilité 𝑓𝑋 (𝑥) donnée par :


−2𝛼𝑥 (1
𝑓𝑋 (𝑥) = { 𝑐𝑒 − 𝑒 −𝛼𝑥 ) 𝑠𝑖 𝑥 > 0
0 𝑠𝑖𝑛𝑜𝑛

où 𝛼 est une constante connue strictement positive, et 𝐶 est une constante réelle à déterminer.

1) Montrer que la constante 𝐶 est égale à 6𝛼.


2) Trouver la fonction de répartition de 𝑋.
3) Calculer pour 𝛼 = 1, les probabilités suivantes :

𝑃(−1 ≤ 𝑋 ≤ 2.5) , 𝑃(1.5 < 𝑋 ≤ 3.75) , 𝑃(𝑋 > 6)

4) Soit la variable aléatoire 𝑌 = 𝑒 −𝛼𝑋


(a) Trouver la densité de probabilité de 𝑌.
(b) Déterminer la fonction de répartition de 𝑌.
(c) Calculer les probabilités suivantes :

𝑃(𝑌 ≤ 0.5) , 𝑃(0.25 < 𝑌 ≤ 1) , 𝑃(|𝑌 − 0.5| ≥ 0.1)

Correction :
−2𝛼𝑥 (1
𝑓𝑋 (𝑥) = {𝑐𝑒 − 𝑒 −𝛼𝑥 ) 𝑠𝑖 𝑥 > 0
0 𝑠𝑖𝑛𝑜𝑛
+∞
1. Pour déterminer la valeur de c, il faut utiliser la propriété : ∫−∞ 𝑓𝑋 (𝑥)𝑑𝑥 = 1

+∞ +∞ +∞
−2𝛼𝑥 (1 −𝛼𝑥 )𝑑𝑥
∫ 𝑓𝑋 (𝑥)𝑑𝑥 = 1 ⇒ ∫ 𝑐𝑒 −𝑒 = 1 ⇒ 𝑐∫ (𝑒 −2𝛼𝑥 − 𝑒 −3𝛼𝑥 )𝑑𝑥 = 1 ⇒
−∞ 0 0

−1 1 +∞ −1 1 3𝛼−2𝛼 𝑐
𝑐 [2𝛼 𝑒 −2𝛼𝑥 + 3𝛼 𝑒 −3𝛼𝑥 ] = 1 ⇒ 𝑐 (0 − (2𝛼 + 3𝛼)) = 1 ⇒ 𝑐 ( ) = 1 ⇒ 6𝛼 = 1 ⇒
0 6𝛼2
𝒄 = 𝟔𝜶

2. La fonction de répartition 𝐹(𝑥) :


𝑥 𝑥
 si 𝑥 < 0 : 𝐹𝑋 (𝑥) = ∫−∞ 𝑓(𝑡)𝑑𝑡 = ∫−∞ 0𝑑𝑡 = 0
 si 𝑥 ≥ 0 :
𝑥 𝑥 −1 1 𝑥
𝐹𝑋 (𝑥) = ∫−∞ 𝑓𝑋 (𝑡)𝑑𝑡 = ∫0 6𝛼𝑒 −2𝛼𝑡 (1 − 𝑒 −𝛼𝑡 )𝑑𝑡 = 6𝛼 [2𝛼 𝑒 −2𝛼𝑡 + 3𝛼 𝑒 −3𝛼𝑡 ] =
0
−1 −2𝛼𝑥 1 −3𝛼𝑥 −1 1 −2𝛼𝑥 −3𝛼𝑥
6𝛼 ( 𝑒 + 𝑒 −( + )) = −3𝑒 + 2𝑒 + 3 − 2 = 1 − 3𝑒 −2𝛼𝑥 +
2𝛼 3𝛼 2𝛼 3𝛼
−3𝛼𝑥
2𝑒
0 𝑠𝑖 𝑥 < 0
𝐹𝑋 (𝑥) = {
1 − 3𝑒 −2𝛼𝑥 + 2𝑒 −3𝛼𝑥 𝑠𝑖 𝑥 ≥ 0

3. Pour 𝛼 = 1 : 𝐹𝑋 (𝑥) = 1 − 3𝑒 −2𝑥 + 2𝑒 −3𝑥


 𝑃(−1 ≤ 𝑋 ≤ 2.5) = 𝐹𝑋 (2.5) − 𝐹𝑋 (−1) = (1 − 3𝑒 −2∗2.5 + 2𝑒 −3∗2.5 ) − 0 = 0.98
 𝑃(1.5 < 𝑋 ≤ 3.75) = 𝐹𝑋 (3.75) − 𝐹𝑋 (1.5) = (1 − 3𝑒 −2∗3.75 + 2𝑒 −3∗3.75 ) − (1 −
3𝑒 −2∗1.5 + 2𝑒 −3∗1.5 ) = 0.125
 𝑃(𝑋 > 6) = 1 − 𝑃(𝑋 ≤ 6) = 1 − 𝐹𝑋 (6) = 1 − (1 − 3𝑒 −2∗6 + 2𝑒 −3∗6 ) ≈ 0
4. 𝑌 = 𝑒 −𝛼𝑋

On essaye de trouver le support (domaine de définition) de Y.

Puisque 𝑋 > 0 ⇒ −𝛼𝑋 < 0 ⇒ 𝑒 −𝛼𝑋 ∈ ]0,1[ ⇒ 𝑦 ∈ ]0,1[

a. La fonction de répartition de Y :

−ln(𝑦)
𝐹𝑌 (𝑦) = 𝑃(𝑌 ≤ 𝑦) = 𝑃(𝑒 −𝛼𝑋 ≤ 𝑦) = 𝑃(−𝛼𝑋 ≤ ln(𝑦)) = 𝑃 (𝑋 ≥ ) = 1 − 𝑃 (𝑋 ≤
𝛼
− ln(𝑦) − ln(𝑦)
− ln(𝑦) − ln(𝑦)
) = 1 − (1 − 3𝑒 −2𝛼( )
+ 2𝑒 −3𝛼( )
) = 1 − 𝐹𝑋 ( 𝛼 𝛼 ) = 3𝑒 2𝑙𝑛𝑦 − 2𝑒 3𝑙𝑛𝑦 =
𝛼 𝛼
3𝑦 − 2𝑦 3 pour 𝑦 ∈ ]0,1[
2

0 𝑠𝑖 𝑦 < 0
𝐹𝑌 (𝑦) = {3𝑦 2 − 2𝑦 3 𝑠𝑖 𝑦 ∈ ]0,1[
1 𝑠𝑖 𝑦 ≥ 1

b. La fonction de densité de Y :

𝑓𝑌 (𝑦) = 𝐹𝑌′ (𝑦) = (3𝑦 2 − 2𝑦 3 )′ = 6𝑦 − 6𝑦 2 𝑦 ∈ ]0,1[


2
𝑓𝑋 (𝑥) = {6𝑦 − 6𝑦 𝑠𝑖 𝑦 ∈ ]0,1[
0 𝑠𝑖𝑛𝑜𝑛

c. 𝑃(|𝑌 − 0.5| ≥ 0.1) = 1 − 𝑃(|𝑌 − 0.5| ≤ 0.1) = 1 − 𝑃(−0.1 ≤ 𝑌 − 0.5 ≤ 0.1) = 1 −


𝑃(0.4 ≤ 𝑌 ≤ 0.6) = 1 − (𝐹𝑌 (0.6) − 𝐹𝑌 (0.4)) = 1 − (3 ∗ (0.6)2 − 2 ∗ (0.6)3 ) + (3 ∗
(0.4)2 − 2 ∗ (0.4)3 ) = 0.704

Exercice 02 :

Dans une entreprise, une machine produit des pièces dont les dimensions très précises doivent
être respectées. On examine 𝑛 pièces choisies au hasard et on note 𝑋 la variable aléatoire
représentant le nombre de pièces défectueuses.

I) Après un premier réglage, on constate une proportion de 30% de pièces défectueuses. Pour
𝑛 = 5;
1) Quelle est la loi de probabilité de 𝑋 ? justifiez votre réponse. Calculer l’espérance et
l’écart type de 𝑋.
2) Quelle est la probabilité que deux des pièces soient défectueuses ?
3) Quelle est la probabilité qu’il n’y ait plus d’une pièce défectueuse ?
4) Déterminer la valeur de 𝑋 la plus probable. Calculer la probabilité associée.
II) Après un second réglage, la proportion des pièces défectueuse devient 5%. Pour 𝑛 = 100 ;
1) Par quelle loi peut-on approximer la loi de probabilité de 𝑋 ? justifiez votre réponse.
2) Calculer la probabilité de ne pas trouver de pièces défectueuse.
3) Calculer la probabilité d’obtenir deux pièces défectueuses.
4) Calculer la probabilité que le nombre de pièces défectueuse soit compris entre (au sens
large) 2 et 4.
5) En déduire l’espérance et la variance de 𝑋
III) Après un troisième réglage, la proportion des pièces défectueuse devient 3%. Pour 𝑛 =
1000 ;
1) Par quelle loi peut-on approximer la loi de probabilité de 𝑋 ? justifiez votre réponse.
2) Calculer la probabilité d’avoir plus de 50 pièces défectueuses.
3) Calculer la probabilité d’avoir entre 20 et 40 pièces défectueuses.
4) Calculer la probabilité pour que la différence absolue entre le nombre de pièces
défectueuses et la moyenne soit inférieur ou égal à 15.
5) On examine 2000 pièces.
Quelle est la probabilité d’obtenir au moins 19500 pièces non défectueuses ?

Correction :

𝑋 : « 𝑙𝑒 𝑛𝑜𝑚𝑏𝑟𝑒 𝑑𝑒 𝑝𝑖è𝑐𝑒𝑠 𝑑é𝑓𝑒𝑐𝑡𝑢𝑒𝑢𝑠𝑒𝑠 »


30
I. 𝑛 = 5 et 𝑃(« 𝑢𝑛𝑒 𝑝𝑖è𝑐𝑒 𝑠𝑜𝑖𝑡 𝑑é𝑓𝑒𝑐𝑡𝑢𝑒𝑢𝑠𝑒 ») = = 0.3
100
1. Puisque on a 5 pièces, alors le nombre de pièces défectueuses sera compris entre 0 et 5.
𝑋(Ω) = {0,1,2,3,4,5}

𝑑é𝑓𝑒𝑐𝑡𝑢𝑒𝑢𝑠𝑒 𝑝 = 0.3
Si on observe la première pièce : 𝑌1 ∶ { alors
𝑛𝑜𝑛 𝑑é𝑓𝑒𝑐𝑡𝑒𝑐𝑡𝑢𝑒𝑢𝑠𝑒 1 − 𝑝 = 0.7
𝑌1 ~𝐵𝑒𝑟𝑛𝑜𝑢𝑙𝑖(0.3)
̅̅̅̅
On peut obtenir, de la manière, que toutes les composantes 𝑌𝑖 ~𝐵𝑒𝑟𝑛𝑜𝑢𝑙𝑖(0.3) 𝑎𝑣𝑒𝑐 𝑖 = 1,3
Puisque 𝑋 = ∑5𝑖=1 𝑌𝑖 alors 𝑋~𝐵𝑖𝑛𝑜𝑚𝑖𝑎𝑙(5, 0.3)
𝐸[𝑋] = 𝑛𝑝 = 5 ∗ 0.3 = 1.5
𝑉(𝑋) = 𝑛𝑝(1 − 𝑝) = 5 ∗ 0.3 ∗ 0.7 = 1.05
L’écart-type : 𝜎(𝑋) = √𝑉(𝑋) = √1.05 = 1.024

2. 𝑃(« 𝑑𝑒𝑢𝑥 𝑑𝑒𝑠 𝑝𝑖è𝑐𝑒𝑠 𝑠𝑜𝑛𝑡 𝑑é𝑓𝑒𝑐𝑡𝑢𝑒𝑢𝑠𝑒𝑠 ») = 𝑃(𝑋 = 2) = 𝐶52 (0.3)2 (0.7)3 =
0.3087
3. 𝑃(« 𝑖𝑙 𝑛′ 𝑦 𝑎𝑖𝑡 𝑝𝑙𝑢𝑠 𝑑 ′ 𝑢𝑛𝑒 𝑝𝑖è𝑐𝑒 𝑑é𝑓𝑒𝑐𝑡𝑢𝑒𝑢𝑠𝑒 ») = 𝑃(𝑋 = 0) = 𝐶50 (0.3)0 (0.7)5 =
0.16807
4. La valeur de 𝑋 la plus probable est le mode de 𝑋.
𝑀𝑜𝑑𝑒(𝑋) = ⌊(𝑛 + 1)𝑝⌋ = ⌊(5 + 1) ∗ 0.3⌋ = ⌊1.8⌋ = 1
𝑃(𝑋 = 1) = 𝐶51 (0.3)1 (0.7)4 = 0.36015

Sinon, on peut calculer toutes les probabilités et on détermine la plus grande probabilité
x 0 1 2 3 4 5 somme
𝑷(𝑿 0.16807 𝟎. 𝟑𝟔𝟎𝟏𝟓 0.3087 0.1323 0.02835 0.00243 1
= 𝒙)
Alors la valeur la plus probable est 𝑋 = 1 avec 𝑃(𝑋 = 1) = 0.36015
5
II. 𝑛 = 100 et 𝑃(« 𝑢𝑛𝑒 𝑝𝑖è𝑐𝑒 𝑠𝑜𝑖𝑡 𝑑é𝑓𝑒𝑐𝑡𝑢𝑒𝑢𝑠𝑒 ») = = 0.05
100
1. Pour que la variable 𝑋 puisse être approximer par une loi de Poisson, il faut satisfaire les
conditions suivantes :

𝑛 > 30 𝑛 = 100 > 30


{ 𝑝 < 0.1 Dans notre cas : { = 0.05 < 0.1 toutes les conditions sont vérifiées, alors on peut
𝑝
𝑛𝑝 < 5 𝑛𝑝 = 5 = 5
conclure que la variable aléatoire 𝑋 peut-être approximé par une loi de Poisson de paramètre
𝜆 = 𝑛𝑝 = 5

𝑒 −5 (5)0
2. 𝑃(« 𝑛𝑒 𝑝𝑎𝑠 𝑡𝑟𝑜𝑢𝑣𝑒𝑟 𝑑𝑒 𝑝𝑖è𝑐𝑒𝑠 𝑑é𝑓𝑒𝑐𝑡𝑢𝑒𝑢𝑠𝑒𝑠 ») = 𝑃(𝑋 = 0) = = 𝑒 −5 =
0!
0.0067
𝑒 −5 (5)2
3. 𝑃(« 𝑡𝑟𝑜𝑢𝑣𝑒𝑟 𝑑𝑒𝑢𝑥 𝑝𝑖è𝑐𝑒𝑠 𝑑é𝑓𝑒𝑐𝑡𝑢𝑒𝑢𝑠𝑒𝑠 ») = 𝑃(𝑋 = 2) = = 0.0842
2!
4. 𝑃(« 𝑛𝑜𝑚𝑏𝑟𝑒 𝑑𝑒 𝑝𝑖é𝑐𝑒𝑠 𝑑é𝑓𝑒𝑐𝑡𝑢𝑒𝑢𝑠𝑒𝑠 𝑒𝑛𝑡𝑟𝑒 2 𝑒𝑡 4 ») = 𝑃(2 ≤ 𝑋 ≤ 4) = 𝑃(𝑋 =
𝑒 −5 (5)2 𝑒 −5 (5)3 𝑒 −5 (5)4
2) + 𝑃(𝑋 = 3) + 𝑃(𝑋 = 4) = + + = 0.0842 + 0.14037 +
2! 3! 4!
0.1754 = 0.4
5. Puisque 𝑋~𝑃𝑜𝑖𝑠𝑠𝑜𝑛(𝜆 = 5) alors 𝐸[𝑋] = 𝜆 = 5 et 𝑉(𝑋) = 𝜆 = 5
5
III. 𝑛 = 1000 et 𝑃(« 𝑢𝑛𝑒 𝑝𝑖è𝑐𝑒 𝑠𝑜𝑖𝑡 𝑑é𝑓𝑒𝑐𝑡𝑢𝑒𝑢𝑠𝑒 ») = 100 = 0.03
1. Puisque 𝑛 = 1000 > 30 ,𝑛𝑝 = 30 > 5 et 𝑛(1 − 𝑝) = 970 > 5 alors on peut déduire
qu’une approximation vers la loi normale est appropriée pour ce cas.
L’approximation est donné par :

𝑋 − 𝐸[𝑋]
𝑍= ↝ ℒ 𝑁𝑜𝑟𝑚𝑎𝑙(0,1)
√𝑉(𝑋)

Où : 𝐸[𝑋] = 𝑛𝑝 = 1000 ∗ 0.03 = 30 et 𝑉(𝑋) = 𝑛𝑝(1 − 𝑝) = 29.1 alors :

𝑋 − 30 ℒ
𝑍= ↝ 𝑁𝑜𝑟𝑚𝑎𝑙(0,1)
5.4

2. 𝑃(« 𝑎𝑣𝑜𝑖𝑟 𝑝𝑙𝑢𝑠 𝑑𝑒 50 𝑝𝑖è𝑐𝑒𝑠 𝑑é𝑓𝑒𝑐𝑡𝑢𝑒𝑢𝑠𝑒𝑠 ») = 𝑃(𝑋 > 50) = 1 − 𝑃(𝑋 ≤ 50) =
𝑋−30 50.5−30
1 − 𝑃(𝑋 ≤ 50.5) = 1 − 𝑃 ( ≤ ) = 1 − 𝑃(𝑍 ≤ 3.79) = 1 − 𝜙(3.79) =
5.4 5.4
1 − 0.99992 = 0.00008
3. 𝑃(« 𝑎𝑣𝑜𝑖𝑟 𝑒𝑛𝑡𝑟𝑒 20 𝑒𝑡 40 𝑝𝑖è𝑐𝑒𝑠 𝑑é𝑓𝑒𝑐𝑡𝑢𝑒𝑢𝑠𝑒𝑠 ») = 𝑃(20 < 𝑋 ≤ 40) =
19.5−30 𝑋−30 40.5−30
𝑃(19.5 < 𝑋 ≤ 40.5) = 𝑃 ( < ≤ ) = 𝑃(−1.94 < 𝑍 ≤ 1.94) =
5.4 5.4 5.4
𝜙(1.94) − 𝜙(−1.94) = 𝜙(1.94) − (1 − 𝜙(1.94)) = 2𝜙(1.94) − 1 = 2(0.9738) −
1 = 0.9476
|𝑋−𝜇| 15
4. 𝑃(|𝑋 − 𝜇| ≤ 15) = 𝑃 ( ≤ ) = 𝑃(|𝑍| ≤ 2.78) = 𝑃(−2.78 < 𝑍 ≤ 2.78) =
𝜎 𝜎
𝜙(2.78) − 𝜙(−2.78) = 𝜙(2.78) − (1 − 𝜙(2.78)) = 2𝜙(2.78) − 1 = 2(0.9937) −
1 = 0.9874
5. 𝑛 = 2000

Alors X devient une loi Binomiale avec 𝑛 = 2000 et 𝑝 = 0.03. On utilise la même
approximation pour calculer

Où : 𝐸[𝑋] = 𝑛𝑝 = 2000 ∗ 0.03 = 60 et 𝑉(𝑋) = 𝑛𝑝(1 − 𝑝) = 58.2 alors :


𝑋 − 60 ℒ
𝑍= ↝ 𝑁𝑜𝑟𝑚𝑎𝑙(0,1)
7.63

𝑃(« 𝑎𝑣𝑜𝑖𝑟 𝑎𝑢 𝑚𝑜𝑖𝑛𝑠 1950 𝑝𝑖è𝑐𝑒𝑠 𝑛𝑜𝑛 𝑑é𝑓𝑒𝑐𝑡𝑢𝑒𝑢𝑠𝑒𝑠 ») =


𝑃(« 𝑎𝑣𝑜𝑖𝑟 𝑎𝑢 𝑝𝑙𝑢𝑠 50 𝑝𝑖è𝑐𝑒𝑠 𝑑é𝑓𝑒𝑐𝑡𝑢𝑒𝑢𝑠𝑒𝑠 ») = 𝑃(𝑋 < 50) = 𝑃(𝑋 < 50.5) =
𝑋−60 50.5−60
𝑃 ( 7.63 < ) = 𝑃(𝑍 < −1.24) = 𝜙(−1.24) = 1 − 𝜙(1.24) = 1 − 0.8925 =
7.63
0.1075
Concours 2012

Exercice 01 :

Exercice 1

Pour ses besoins en gestion, un fabricant de montres électroniques a fourni les données
suivantes à un cabinet de conseils :

 À la sortie d’usine, le quart des montres fabriquées sont défectueuses, elles sont par
conséquent renvoyées à l’atelier pour réparation. Le reste est mis en vente.
 La moitié des montres renvoyées à l’atelier sont réparées et mises en vente, le reste est
détruit.
 Le prix de revient de la production d’une montre est de 50 00 da.
 Le coût de réparation d’une montre est de 300 da.

À la sortie d’usine, nous avons choisi une montre au hasard.

1. Calculer la probabilité que la montre soit vendue 𝑃(𝑉).

Soit 𝑋 la variable aléatoire qui représente le prix de vente d’une montre électronique, et soit 𝑌
la variable aléatoire qui représente le bénéfice réalisé à la vente d’une montre.

2. À partir de quel prix de vente unitaire le fabricant espère-t-il réaliser des bénéfices ?
Commentez.
3. Si le fabricant vend la montre à 5300 da, quel sera son bénéfice (ou perte) par montre
vendue ?

Note importante : le contrôle ne se fait qu’une seule fois à la sortie de l’usine. Si la montre est
réparée, il n’est pas nécessaire de la recontrôler. Elle est soit vendue, soit détruite.

Correction :

1. On note :

𝑅 : Montre réparée

𝐷 : Montre défectueuse

𝑉 : Montre mise en vente.

Alors :

1 1 3 7
̅) =
𝑃(𝑉) = 𝑃(𝐷 ∩ 𝑅) + 𝑃(𝐷 × + =
4 2 4 8

2. On définit les variables :

𝑋 : « Prix de vente d’une montre » et 𝑌 : « bénéfice à la vente d’une montre ». Donc si 𝑋 = 𝑥,


𝑥 − 5000 si la montre n'est pas défectueuse
𝑌|𝑋 = 𝑥 = {𝑥 − 5300 si la montre est défectueuse et réparée
−5300 si elle est défectueuse et non réparée

Donc, pour un prix de vente de la montre 𝑋 = 𝑥, on a :

𝐸[𝑌|𝑋 = 𝑥] = (𝑥 − 5000)𝑃(𝑥 − 5000) + (𝑥 − 5300)𝑃(𝑥 − 5300) + (−5300)𝑃(−5300)


= (𝑥 − 5000)𝑃(𝐷̅ ) + (𝑥 − 5300)𝑃(𝐷 ∩ 𝑅) − 5300𝑃(𝐷 ∩ 𝑅̅ )
3 1 1
= (𝑥 − 5000) + (𝑥 − 5300) − 5300 ∗
4 8 8
3 1 7
= 𝑥 + 𝑥 − 3750 − 662.5 − 662.5 = 𝑥 − 5075
4 8 8

Le fabricant espère réaliser un bénéfice si :

7 5075 ∗ 8
𝐸[𝑌|𝑋 = 𝑥] > 0 ⇔ 𝑥 − 5075 > 0 ⇔ 𝑥 > ⇔ 𝑥 > 5800
8 7

3. Si le fabricant vend la montre à 5300 da, alors :

7
𝐸[𝑌|𝑋 = 5300] = (5300) − 5075 = 4637.5 − 5075 = −437.5
8

Sa perte espérée est de 437.5 da.

Exercice 02 :

En vue d’une campagne de sensibilisation sur la consommation de l’eau, une enquête a été
effectuée auprès d’une population afin d’étudier leur consommation mensuelle d’eau. Sur
l’ensemble des personnes, la consommation a une distribution de type normale avec une
moyenne de 1000 litres et un écart-type de 250 litres.

Nous souhaitons connaître :

1) Le pourcentage des faibles consommateurs (moins de 500 litres par mois) et celui des
grands consommateurs (plus de 1500 litres par mois).
2) Au-dessus de quelle consommation se trouve le tiers de la population ?

Correction :

X : « La consommation mensuelle d’eau »

𝑋 ↝ 𝑁𝑜𝑟𝑚𝑎𝑙𝑒(𝜇 = 1000, 𝜎 2 = 2502 )

𝑋−𝜇 500−𝜇 𝑋−1000 500−1000


1. 𝑃(𝑋 ≤ 500) = 𝑃 ( ≤ ) = 𝑃( ≤ ) = 𝑃(𝑍 ≤ −2) = 𝜙(−2) =
𝜎 𝜎 250 250
1 − 𝜙(2) = 1 − 0.9772 = 0.0228

Alors le pourcentage des faibles consommateurs est estimé à 2.28% parmi les personnes
enquêtées.4
𝑋−𝜇 1500−𝜇 𝑋−1000 1500−1000
𝑃(𝑋 > 1500) = 𝑃 ( > ) = 𝑃( > ) = 𝑃(𝑍 > 2) = 1 − 𝑃(𝑍 ≤
𝜎 𝜎 250 250
2) = 1 − 𝜙(2) = 0.0228

Alors le pourcentage des grands consommateurs est estimé à 2.28% parmi les personnes
enquêtées.

Remarque : On peut souligner que la deuxième probabilité peut être calculée directement par
symétrie de la loi Normale.

𝑋−𝜇 𝑥−𝜇 𝑥−𝜇


2. 𝑃(𝑋 > 𝑥) = 0.33 ⇒ 𝑃 ( > ) = 0.33 ⇒ 𝑃 (𝑍 > ) = 0.33 ⇒ 1 − 𝑃 (𝑍 ≤
𝜎 𝜎 𝜎
𝑥−𝜇 𝑥−𝜇 𝑥−𝜇 𝑥−𝜇 𝑥−1000
) = 0.33 ⇒ 𝑃 (𝑍 ≤ ) = 0.67 ⇒ 𝜙 ( ) = 0.67 ⇒ = 0.44 ⇒ =
𝜎 𝜎 𝜎 𝜎 250
0.44 ⇒ 𝑥 − 1000 = 250(0.44) ⇒ 𝑥 = 1110

Alors 33% des consommateurs ont une consommation munsuelle d’eau supérieure à 1110
Litres.
Concours 2013

Exercice 01 :

On suppose que le temps hebdomadaire, en minutes, que passent les étudiants à réviser leurs
cours, soit une variable aléatoire 𝑋 qui suit la loi Normale de paramètres 𝑚 = 550 et 𝜎 =
100.

On choisit un étudiant au hasard.

1) Quelle est la probabilité que cet étudiant passe moins de 650 minutes, par semaine, à faire
ses révisions ?
2) Quelle est la probabilité qu’il passe plus de 746 minutes, par semaine, à réviser ?
3) Quelle est la probabilité que son temps hebdomadaire de révision soit compris entre 500 et
600 minutes ?
4) On choisit au hasard 5 étudiants. Si on suppose qu’il y a indépendance, quelle est la
probabilité que parmi ces 5 étudiants, exactement 2 révisent moins de 550 minutes par
semaine ?

On donne : Si Z est une variable qui suit une loi 𝑁(0, 1), alors :

𝑃(𝑍 < 1) = 0.8413 ; 𝑃(𝑍 < 1.96) = 0.9750


𝑃(𝑍 < 0.5) = 0.6915 ; 𝑃(𝑍 < 0) = 0.5

Correction :

1. 𝑃(« 𝑝𝑎𝑠𝑠𝑒𝑟 𝑚𝑜𝑖𝑛𝑠 𝑑𝑒 650 𝑚𝑖𝑛𝑢𝑡𝑒𝑠 𝑑𝑒 𝑟é𝑣𝑖𝑠𝑖𝑜𝑛 𝑝𝑎𝑟 𝑠𝑒𝑚𝑎𝑖𝑛𝑒 ») = 𝑃(𝑋 < 650) =
𝑋−550 650−550
𝑃( < ) = 𝑃(𝑍 < 1) = 0.8413
100 100
2. 𝑃(« 𝑝𝑎𝑠𝑠𝑒𝑟 𝑝𝑙𝑢𝑠 𝑑𝑒 746 𝑚𝑖𝑛𝑢𝑡𝑒𝑠 𝑑𝑒 𝑟é𝑣𝑖𝑠𝑖𝑜𝑛 𝑝𝑎𝑟 𝑠𝑒𝑚𝑎𝑖𝑛𝑒 ») = 𝑃(𝑋 > 746) = 1 −
𝑋−550 746−550
𝑃(𝑋 ≤ 746) = 1 − 𝑃 ( ≤ ) = 1 − 𝑃(𝑍 ≤ 1.96) = 1 − 0.9750 = 0.025
100 100
3. 𝑃(« 𝑡𝑒𝑚𝑝𝑠 𝑑𝑒 𝑟é𝑣𝑖𝑠𝑖𝑜𝑛 𝑐𝑜𝑚𝑝𝑟𝑖𝑠 𝑒𝑛𝑡𝑟𝑒 500 𝑒𝑡 600 ») = 𝑃(500 < 𝑋 < 600) =
500−550 𝑋−550 600−550
𝑃( < < ) = 𝑃(−0.5 < 𝑍 < 0.5) = 𝜙(0.5) − 𝜙(−0.5) = 𝜙(0.5) −
100 100 100
(1 − 𝜙(0.5)) = 2𝜙(0.5) − 1 = 2𝑃(𝑍 < 0.5) − 1 = 2(0.6915) − 1 = 0.383
4. Y : « le nombre d’étudiants avec un temps de révision inférieur à 550 minutes par semaine »

Puisque le choix se porte sur 5 étudiants alors 𝑛 = 5.

𝑋−550 550−550
𝑃(𝑋 < 550) = 𝑃 ( < ) = 𝑃(𝑍 < 0) = 0.5
100 100

𝑡𝑒𝑚𝑝𝑠 𝑑𝑒 𝑟é𝑣𝑖𝑠𝑖𝑜𝑛 𝑖𝑛𝑓é𝑟𝑖𝑒𝑢𝑟 à 550 𝑚𝑖𝑛 𝑝 = 0.5


Pour le premier étudiant : 𝑍1 ∶ {
𝑡𝑒𝑚𝑝𝑠 𝑑𝑒 𝑟é𝑣𝑖𝑠𝑖𝑜𝑛 𝑠𝑢𝑝é𝑟𝑖𝑒𝑢𝑟 à 550 𝑚𝑖𝑛 1 − 𝑝 = 0.5
alors 𝑍1 ~𝐵𝑒𝑟𝑛𝑜𝑢𝑙𝑖(0.5)

̅̅̅̅
On peut obtenir, de la même manière, que toutes les étudiants 𝑍𝑖 ~𝐵𝑒𝑟𝑛𝑜𝑢𝑙𝑖(0.2) 𝑎𝑣𝑒𝑐 𝑖 = 1,5

Puisque 𝑌 = ∑5𝑖=1 𝑍𝑖 alors 𝑌~𝐵𝑖𝑛𝑜𝑚𝑖𝑎𝑙(5 , 0.5)


𝑃(𝑌 = 2) = 𝐶52 (0.5)2 (0.5)3 = 0.3125

Remarque ! J’ai changé un peu la question proposé au concours. La question proposée donne
une probabilité nulle.

Exercice 02 :

Soit 𝑋 une variable aléatoire continue de densité de probabilité :

−2𝛼𝑥
𝑓𝑋 (𝑥) = {𝐶𝑒 𝑠𝑖 𝑥 > 0
0 𝑠𝑖𝑛𝑜𝑛

où 𝛼 est une constante strictement positive.

1) Déterminer la constante 𝐶.
2) Trouver la fonction de répartition de la variable 𝑋.
3) Pour 𝛼 = 1, calculer les probabilités suivantes :
𝑃(𝑋 > 2) , 𝑃(−0.5 ≤ 𝑋 ≤ 2.5)
4) Soit la variable aléatoire 𝑌 = 𝑒 −𝛼𝑋
Trouver la densité de probabilité de la variable aléatoire Y.
Correction :
−2𝛼𝑥
𝑓𝑋 (𝑥) = {𝐶𝑒 𝑠𝑖 𝑥 > 0
0 𝑠𝑖𝑛𝑜𝑛
+∞
1. Pour déterminer la valeur de c, il faut utiliser la propriété : ∫−∞ 𝑓𝑋 (𝑥)𝑑𝑥 = 1

+∞ +∞ +∞ −2𝛼𝑥 −1 +∞
∫−∞ 𝑓𝑋 (𝑥)𝑑𝑥 = 1 ⇒ ∫0 𝐶𝑒 −2𝛼𝑥 𝑑𝑥 = 1 ⇒ 𝐶 ∫0 𝑒 𝑑𝑥 = 1 ⇒ 𝐶 [2𝛼 𝑒 −2𝛼𝑥 ] =1⇒
0

−1 1
𝐶 (0 − (2𝛼 )) = 1 ⇒ 𝐶 (2𝛼) = 1 ⇒ ⇒ 𝑪 = 𝟐𝜶

2. La fonction de répartition 𝐹𝑋 (𝑥) :


𝑥 𝑥
 si 𝑥 < 0 : 𝐹𝑋 (𝑥) = ∫−∞ 𝑓(𝑡)𝑑𝑡 = ∫−∞ 0𝑑𝑡 = 0
 si 𝑥 ≥ 0 :

𝑥 𝑥 −1 𝑥 −1 −1
𝐹𝑋 (𝑥) = ∫−∞ 𝑓𝑋 (𝑡)𝑑𝑡 = ∫0 2𝛼𝑒 −2𝛼𝑡 𝑑𝑡 = 2𝛼 [2𝛼 𝑒 −2𝛼𝑡 ] = 2𝛼 (2𝛼 𝑒 −2𝛼𝑥 − (2𝛼 )) =
0
−2𝛼𝑥 −2𝛼𝑥
−𝑒 +1=1−𝑒
0 𝑠𝑖 𝑥 < 0
𝐹𝑋 (𝑥) = {
1 − 𝑒 −2𝛼𝑥 𝑠𝑖 𝑥 ≥ 0

3. Pour 𝛼 = 1 : 𝐹𝑋 (𝑥) = 1 − 𝑒 −2𝑥


 𝑃(−0.5 ≤ 𝑋 ≤ 2.5) = 𝐹𝑋 (2.5) − 𝐹𝑋 (−0.5) = (1 − 𝑒 −2∗2.5 ) − 0 = 1 − 𝑒 −5
 𝑃(𝑋 > 2) = 1 − 𝑃(𝑋 ≤ 2) = 1 − 𝐹𝑋 (2) = 1 − (1 − 𝑒 −2∗2 ) = 1 − 𝑒 −4 =
4. 𝑌 = 𝑒 −𝛼𝑋

On essaye de trouver le support (domaine de définition) de Y.

Puisque 𝑋 > 0 ⇒ −𝛼𝑋 < 0 ⇒ 𝑒 −𝛼𝑋 ∈ ]0,1[ ⇒ 𝑦 ∈ ]0,1[


a. Pour déterminer la fonction de densité de Y, on peut commencer par la fonction de
répartition :

−ln(𝑦)
𝐹𝑌 (𝑦) = 𝑃(𝑌 ≤ 𝑦) = 𝑃(𝑒 −𝛼𝑋 ≤ 𝑦) = 𝑃(−𝛼𝑋 ≤ ln(𝑦)) = 𝑃 (𝑋 ≥ ) = 1 − 𝑃 (𝑋 ≤
𝛼
− ln(𝑦) − ln(𝑦)
) = 1 − 𝐹𝑋 ( )
𝛼 𝛼

Méthode 1 : déterminer la fonction de répartition puis déduire la densité


− ln(𝑦) 2)
𝐹𝑌 (𝑦) = 1 − (1 − 𝑒 −2𝑎 𝛼 ) = 𝑒 2 ln(𝑦) = 𝑒 ln(𝑦 = 𝑦 2 pour 𝑦 ∈ ]0,1[


𝑓𝑌 (𝑦) = (𝐹𝑌 (𝑦)) = (𝑦 2 )′ = 2𝑦 pour 𝑦 ∈ ]0,1[

2𝑦 𝑠𝑖 𝑦 ∈ ]0,1[
𝑓𝑌 (𝑦) = { }
0 𝑠𝑖𝑛𝑜𝑛

Méthode 2 : calcul de la fonction de densité directement

′ − ln(𝑦) ′ 11 − ln(𝑦) 1 − ln(𝑦)


𝑓𝑌 (𝑦) = (𝐹𝑌 (𝑦)) = (1 − 𝐹𝑋 ( ) ) = − (− 𝑎 𝑦 𝑓𝑋 ( )) = 𝑎𝑦 2𝑎𝑒 −2𝑎 𝛼 =
𝛼 𝛼

2 2 2) 2𝑦 2
𝑒 2 ln(𝑦) = 𝑦 𝑒 ln(𝑦 = = 2𝑦 pour 𝑦 ∈ ]0,1[
𝑦 𝑦

2𝑦 𝑠𝑖 𝑦 ∈ ]0,1[
𝑓𝑌 (𝑦) = {
0 𝑠𝑖𝑛𝑜𝑛
Concours 2014

Exercice 01 :

Soit l’espace de probabilité (Ω, 𝐴, 𝑃) et trois lots d’articles A, B et C d’une marchandise


quelconque. Les proportions d’articles défectueux sont :

• Pour le lot A : 4% • Pour le lot B : 4% • pour le lot C : 6%

Les lots d’articles n’ont pas d’étiquettes permettant de les designer.

On prélève dans l’un des lots choisi au hasard et avec remise, un échantillon de 10 articles et
on désigne par la variable aléatoire 𝑋 le nombre d’articles défectueux se trouvant dans
l’échantillon.

1) Déterminer la loi de probabilité de 𝑋.


2) Calculer le nombre moyen d’articles défectueux ainsi que l’écart-type.
3) On suppose que l’échantillon prélevé au hasard contient 2 articles défectueux ; quelle est la
probabilité que les 2 articles proviennent d’un lot contenant 4% d’articles défectueux ?

Correction :

1. 𝑋 : « le nombre d’articles défectueux se trouvant dans l’échantillon ».

On choisit à partir de l’un des lots, un échantillon de 10 articles tirés avec remise.

𝑛 = 10

𝑎𝑟𝑡𝑖𝑐𝑙𝑒 𝑑é𝑓𝑒𝑐𝑡𝑢𝑒𝑢𝑥 𝑝
Pour le premier article : 𝑍1 ∶ { alors 𝑍1 ~𝐵𝑒𝑟𝑛𝑜𝑢𝑙𝑖(𝑝)
𝑎𝑟𝑡𝑖𝑐𝑙𝑒 𝑛𝑜𝑛 𝑑é𝑓𝑒𝑐𝑡𝑢𝑒𝑢𝑥 1−𝑝

On peut obtenir, de la même manière, que tous les articles 𝑍𝑖 ~𝐵𝑒𝑟𝑛𝑜𝑢𝑙𝑖(𝑝) 𝑎𝑣𝑒𝑐 𝑖 = ̅̅̅̅̅̅
1,10

Puisque 𝑋 = ∑10
𝑖=1 𝑍𝑖 alors 𝑋~𝐵𝑖𝑛𝑜𝑚𝑖𝑎𝑙(10 , 𝑝)

La proportion des articles défectueux varie d’un lot à un autre. Si la provenance des articles est
connue alors le problème est contourné :

Si les articles proviennent du lot A : 𝑋~𝐵𝑖𝑛𝑜𝑚𝑖𝑎𝑙(10 , 0.04)

Si les articles proviennent du lot B : 𝑋~𝐵𝑖𝑛𝑜𝑚𝑖𝑎𝑙(10 , 0.04)

Si les articles proviennent du lot C : 𝑋~𝐵𝑖𝑛𝑜𝑚𝑖𝑎𝑙(10 , 0.06)

Si on définit une variable aléatoire L : « la lot choisi au hasard ». 𝐿(Ω) = {𝐴, 𝐵, 𝐶}

1
𝑃(𝐿 = 𝐴) = 𝑃(𝐿 = 𝐵) = 𝑃(𝐿 = 𝐶) = 3 car le tirage est hasard, chaque lot a la même
probabilité d’être tirée.

𝑘 (0.04)𝑘 (0.96)10−𝑘
Alors : 𝑃(𝑋 = 𝑘 |𝐿 = 𝐴) = 𝐶10
𝑘 (0.04)𝑘 (0.96)10−𝑘 𝑘 (0.06)𝑘 (0.94)10−𝑘
𝑃(𝑋 = 𝑘 |𝐿 = 𝐵) = 𝐶10 et 𝑃(𝑋 = 𝑘 |𝐿 = 𝐶) = 𝐶10

Pour trouver la loi de X il faut trouver 𝑃(𝑋 = 𝑘). Il faut utiliser le théorème de probabilités
totales défini par : 𝑃(𝐴) = ∑𝐵 𝑃(𝐴 | 𝐵) 𝑃(𝐵) alors :

𝑃(𝑋 = 𝑘) = ∑ 𝑃(𝑋 = 𝑘 | 𝐿 = 𝑙) 𝑃(𝐿 = 𝑙)


𝑙

Donc : 𝑃(𝑋 = 𝑘) = 𝑃(𝑋 = 𝑘 |𝐿 = 𝐴)𝑃(𝐿 = 𝐴) + 𝑃(𝑋 = 𝑘 |𝐿 = 𝐵)𝑃(𝐿 = 𝐵) + 𝑃(𝑋 =


1
𝑘 (0.04)𝑘 (0.96)10−𝑘 1
𝑘 (0.04)𝑘 (0.96)10−𝑘
𝑘 |𝐿 = 𝐶)𝑃(𝐿 = 𝐶) = 3 𝐶10 + 3 𝐶10 +
1 2 1
𝐶 𝑘 (0.06)𝑘 (0.94)10−𝑘 𝑘 (0.04)𝑘 (0.96)10−𝑘
= 3 𝐶10 𝑘 (0.06)𝑘 (0.94)10−𝑘
+ 3 𝐶10
3 10

2. Le nombre moyen d’articles défectueux 𝐸[𝑋]

10 10
2 𝑘 1 𝑘
𝐸[𝑋] = ∑ 𝑘𝑃(𝑋 = 𝑘) = ∑ 𝑘 ( 𝐶10 (0.04)𝑘 (0.96)10−𝑘 + 𝐶10 (0.06)𝑘 (0.94)10−𝑘 )
3 3
𝑘=1 𝑘=1
10 10
2 𝑘 (0.04)𝑘 (0.96)10−𝑘
1 𝑘 (0.06)𝑘 (0.94)10−𝑘
= ∑ 𝑘𝐶10 + ∑ 𝑘𝐶10
3 3
𝑘=1 𝑘=1
2 1 7
= (10 ∗ 0.04) + (10 ∗ 0.06) = 0.466 =
3 3 15

On remarque que : ∑10 𝑘 𝑘


𝑘=1 𝑘𝐶10 (0.04) (0.96)
10−𝑘
est la définition d’une espérance d’une loi
Binomiale avec paramètre 𝑛 = 10 et 𝑝 = 0.04 alors ∑10 𝑘 𝑘
𝑘=1 𝑘𝐶10 (0.04) (0.96)
10−𝑘
= 𝑛𝑝 = 0.4

La variance 𝑉(𝑋) = 𝐸[𝑋 2 ] − 𝐸 2 [𝑋]

10 10
2]
2 𝑘 1 𝑘
𝐸[𝑋 = ∑ 𝑘 𝑃(𝑋 = 𝑘) = ∑ 𝑘 2 ( 𝐶10
2 (0.04)𝑘 (0.96)10−𝑘 + 𝐶10 (0.06)𝑘 (0.94)10−𝑘 )
3 3
𝑘=1 𝑘=1
10 10
2 𝑘 (0.04)𝑘 (0.96)10−𝑘
1 𝑘 (0.06)𝑘 (0.94)10−𝑘
= ∑ 𝑘 2 𝐶10 + ∑ 𝑘 2 𝐶10
3 3
𝑘=1 𝑘=1
2 1
= (0.544) + (0.924) = 0.67
3 3

On remarque que : ∑10 2 𝑘 𝑘


𝑘=1 𝑘 𝐶10 (0.04) (0.96)
10−𝑘
est la définition d’une espérance carrée
d’une loi Binomiale avec paramètre 𝑛 = 10 et 𝑝 = 0.04 alors
10 𝑘
∑𝑘=1 𝑘 2 𝐶10 (0.04)𝑘 (0.96)10−𝑘 = 𝑉(𝑋) + 𝐸 2 [𝑋] = 𝑛𝑝(1 − 𝑝) + (𝑛𝑝)2 = 0.384 + (0.4)2 =
0.544

7 2
𝑉(𝑋) = 𝐸[𝑋 2 ] − 𝐸 2 [𝑋] = 0.67 − (15) = 0.453

Enfin 𝜎(𝑋) = √𝑉(𝑋) = √0.453 = 0.673

3. On suppose que l’échantillon prélevé au hasard contient 2 articles défectueux (𝑋 = 2)

Pour calculer la probabilité que lot de provenance de ces articles est un lot de 4% d’articles
défectueux (𝐿 = 𝐴 𝑜𝑢 𝐿 = 𝐵 il faut utilsier le théorème de Bayes défini par :
𝑃(𝐴 | 𝐵)𝑃(𝐵) 𝑃(𝐴 | 𝐵)𝑃(𝐵)
𝑃(𝐵 | 𝐴) = =
𝑃(𝐴) ∑𝐵 𝑃(𝐴 | 𝐵)𝑃(𝐵)

𝑃(𝑋 = 2 | 𝐿 = 𝐴 𝑜𝑢 𝐿 = 𝐵)𝑃(𝐿 = 𝐴 𝑜𝑢 𝐿 = 𝐵)
𝑃(𝐿 = 𝐴 𝑜𝑢 𝐿 = 𝐵 | 𝑋 = 2) =
𝑃(𝑋 = 2)
2 2
(𝐶10 (0.04)2 (0.96)8 ) 0.034
= 3 = = 0.51
2 2 2 (0.96)8 + 1 𝐶 2 (0.06)2 (0.94)8 0.067
𝐶 (0.04)
3 10 3 10

Exercice 02 :
La durée (mesurée en minutes) mise par le service clientèle d’un grand magasin pour traiter une
réclamation quelconque émanant d’un client quelconque, est une variable aléatoire réelle
continue 𝑋 modélisée par la fonction de densité ci-après :
𝑓(𝑥) = 𝑎𝑒 −𝑏𝑥 ∀ 𝑥 ≥ 0 avec (𝑎, 𝑏) ∈ ℝ2+ − {(0,0)}.
La durée moyenne de traitement d’une réclamation quelconque est de 4mn :
1) Déterminer les paramètres 𝑎 𝑒𝑡 𝑏.
2) Quelle est la loi de probabilité obtenue.
3) En déduire la durée moyenne et l’écart-type.
4) On suppose que le nombre de réclamation adressées au service de clientèle du magasin au
cours d’une période quelconque, est de 40 ; quelle est la loi de probabilité qui décrit la durée
𝑌 mise par le service clientèle pour traiter les 40 réclamations (les réclamations traitées sont
mutuellement indépendantes en probabilité du point de vue de la durée).
5) En déduire la durée moyenne et l’écart type de la variable aléatoire réelle 𝑌.
6) Donner la loi d’approximation de la loi exacte de la variable aléatoire réelle 𝑌.
7) On suppose que 95,54% des réclamations adressés au service clientèle, ne dépassent pas une
durée d à déterminer ; calculer cette durée à l’aide de la loi d’approximation.
1 𝑡=1,70 −1𝑡 2
ANNEXE : 𝐺(1,70) = ∫ 𝑒 2 𝑑𝑡 = 0.9554
√2𝜋 −

Correction :

1. 𝑋 : « la durée de traitement d’une réclamation ».

Pour déterminer les paramètres a et b, il faut utiliser les deux informations proposées par
l’exercice :

∞ ∞ 1 ∞ 𝑎 𝑎
 ∫−∞ 𝑓(𝑥) 𝑑𝑥 = 1 ⇒ ∫0 𝑎𝑒 −𝑏𝑥 𝑑𝑥 = 1 ⇒ 𝑎 [− 𝑏 𝑒 −𝑏𝑥 ] = 1 ⇒ 𝑏 (0 + 1) = 1 ⇒ 𝑏 =
0
1⇒𝑎=𝑏
∞ ∞
 𝐸[𝑋] = 4 ⇒ ∫0 𝑥𝑓(𝑥) 𝑑𝑥 = 4 ⇒ 𝑎 ∫0 𝑥𝑒 −𝑏𝑥 𝑑𝑥 = 4

Pour calculer cette intégrale, on peut utiliser tout simplement l’intégration par partie, ou on peut
∞ Γ(𝑎)
utiliser la propriété issue de a loi Gamma : ∫0 𝑥 𝑎−1 𝑒 −𝑏𝑥 𝑑𝑥 = . Alors :
𝑏𝑎

∞ Γ(2) a
 𝐸[𝑋] = 4 ⇒ 𝑎 ∫0 𝑥 2−1 𝑒 −𝑏𝑥 𝑑𝑥 = 4 ⇒ 𝑎 = 4 ⇒ 𝑏2 = 4 ⇒ 𝑎 = 4𝑏 2
𝑏2
1
𝑎=𝑏 𝑎=𝑏 𝑎=𝑏 𝑎=4
⇒ ⇒ ⇒
𝑎 = 4𝑏 2 𝑏 = 4𝑏 2 1 = 4𝑏 1
𝑏=4

2.
1 −1𝑥
𝑓𝑋 (𝑥) = { 4 𝑒 𝑠𝑖 𝑥 > 0
4

0 𝑠𝑖𝑛𝑜𝑛
1
La loi obtenue est alors une loi Exponentielle de paramètre 𝜆 = 4

1 1 1 1
3. 𝐸[𝑋] = 𝜆 = 1/4 = 4𝑚𝑛 et 𝑉(𝑋) = 𝜆2 = (1/4)2 = 16 alors 𝜎(𝑋) = √𝑉(𝑋) = √16 = 4𝑚𝑛
4. Y : « la durée de traitement de 40 réclamations ».

Puisque 𝑌 représente la durée globale de traitement de 40 réclamations indépendantes, alors on


peut attester que : 𝑌 = ∑40
𝑖=1 𝑋𝑖 où : 𝑋𝑖 est la durée de traitement de la i-éme réclamation (la
même loi de probabilité définie en question 2)

Pour déterminer la loi de Y, on peut passer par la fonction génératrice des moments.
40
𝑀𝑌 (𝑡) = 𝐸[𝑒 𝑡𝑌 ] = 𝐸 [𝑒 𝑡 ∑𝑖=1 𝑋𝑖 ] = 𝐸[𝑒 𝑡𝑋1 × 𝑒 𝑡𝑋2 × … × 𝑒 𝑡𝑋40 ] = 𝐸[∏40
𝑖=1 𝑒
𝑡𝑋𝑖 ]
=
𝑡 −40
∏40
𝑖=1 𝐸[𝑒
𝑡𝑋𝑖 ]
= ∏40
𝑖=1 𝐸[𝑒
𝑡𝑋𝑖 ]
= ∏40
𝑖=1(1 − 4𝑡)
−1
= ((1 − 4𝑡)−1 )40 = (1 − 1/4)

1 1 1
∞ 1 ∞ 1 ∞ 1 ∞
𝐸[𝑒 𝑡𝑋 ] = ∫0 𝑒 𝑡𝑥 𝑓𝑋 (𝑥) 𝑑𝑥 = 4 ∫0 𝑒 𝑡𝑥 𝑒 −4𝑥 𝑑𝑥 = 4 ∫0 𝑒 𝑡𝑥−4𝑥 𝑑𝑥 = 4 ∫0 𝑒 −(4−𝑡)𝑥 𝑑𝑥 =

1
1 1 −( −𝑡)𝑧 1 1 1 1
[− 1 𝑒 4 ] = 41 (0 + 1) = = 1 − 4𝑡 = (1 − 4𝑡)−1
4 −𝑡 −𝑡 4 1−4𝑡
4 0 4 4

𝑡 −40 1
Puisque 𝑀𝑌 (𝑡) = (1 − 1/4) alors 𝑌 suit une loi Gamma de paramètres 𝑎 = 4 et 𝑏 = 40 car
la fonction génératrice des moments d’une loi Gamma est donnée par :

𝑡 −𝑎
𝑀𝑌 (𝑡) = (1 − )
𝑏
𝑎 40 𝑎 40
5. 𝐸[𝑋] = 𝑏 = 1/4 = 160𝑚𝑛 et 𝑉(𝑋) = 𝑏2 = (1/4)2 = 640 alors 𝜎(𝑋) = √𝑉(𝑋) = √640 =
25.3𝑚𝑛
6. Puisque Y est la durée de plusieurs réclamations (40 dans notre cas) alors puisque 40 est
suffisamment grand (𝑎 = 40 > 30) on peut utiliser une approximation vers une loi Normale
par :
𝑌−𝐸[𝑌] 𝑌−160
↝ ℒ 𝑁𝑜𝑟𝑚𝑎𝑙(0,1) alors ↝ ℒ 𝑁𝑜𝑟𝑚𝑎𝑙(0,1)
√𝑉(𝑌) √640
7. Il faut déterminer t tel que : 𝑃(𝑌 ≤ 𝑡) = 0.9554

𝑌 − 160 𝑡 − 160 𝑡 − 160


𝑃(𝑌 ≤ 𝑡) = 0.9554 ⇒ 𝑃 ( ≤ ) = 0.9554 ⇒ 𝐺 ( ) = 0.9554
√640 √640 √640
𝑡 − 160
⇒ = 1.7 ⇒ 𝑡 = 160 + 1.7√640 ⇒ 𝑡 = 203𝑚𝑛
√640
Concours 2015

Exercice 01 :

Soit la variable aléatoire réelle continue 𝑋 modélisée par la loi Uniforme : 𝑋 ↝ 𝑈[0, 1].

1) Rappeler la fonction de densité de la variable étudiée.


2) On pose 𝑌 = −𝛼 𝑙𝑛𝑋 , (𝛼 > 0)
a. Déterminer la fonction de densité de la variable 𝑌. Reconnaitre sa loi.
b. En déduire son espérance et sa variance.
3) Calculer la fonction de répartition de la variable aléatoire réelle 𝑌.
4) Calculer la probabilité suivante : 𝑃(𝑌 > 2𝛼)

Correction :

𝑋~𝑈𝑛𝑖𝑓𝑜𝑟𝑚[0,1]

1. La densité de la variable aléatoire 𝑋 est donnée par :


1 1
𝑠𝑖 𝑥 ∈ [𝑎, 𝑏] = 1 𝑠𝑖 𝑥 ∈ [𝑎, 𝑏]
𝑓𝑋 (𝑥) = { 𝑏−𝑎 alors dans notre cas ; 𝑓𝑋 (𝑥) = { 1−0
0 𝑠𝑖𝑛𝑜𝑛 0 𝑠𝑖𝑛𝑜𝑛

2. 𝑌 = −𝛼 ln 𝑋 (𝛼 > 0)

Puisque 0 ≤ 𝑥 ≤ 1 ⇒ −∞ < ln 𝑋 ≤ 0 ⇒ 0 ≤ −𝛼 ln 𝑋 ≤ ∞ ⇒ 𝑦 > 0

a. Pour déterminer la loi de 𝑌, on commence par déterminer la fonction de répartition :


−𝑦
−𝑦
𝐹𝑌 (𝑦) = 𝑃(𝑌 ≤ 𝑦) = 𝑃(−𝛼 ln 𝑋 ≤ 𝑦) = 𝑃 (ln 𝑋 > ) = 𝑃 (𝑋 > 𝑒 𝑎 ) = 1 − 𝑃 (𝑋 ≤
𝛼
−𝑦 −𝑦
𝑒 𝑎 ) = 1 − 𝐹𝑋 (𝑒 𝑎 )

′ −𝑦 ′ −𝑦 −𝑦 1
1 1
𝑓𝑌 (𝑦) = (𝐹𝑌 (𝑦)) = (1 − 𝐹𝑋 (𝑒 𝑎 ) ) = − (− 𝛼 𝑒 𝑎 ) 𝑓𝑋 (𝑒 𝑎 ) = 𝛼 𝑒 −𝛼𝑦 pour 𝑦 > 0

1 −1𝑦
𝑓𝑌 (𝑦) = { 𝛼 𝑒 𝑠𝑖 𝑦 > 0
𝛼

0 𝑠𝑖𝑛𝑜𝑛
1
On remarque 𝑌 suit une loi Exponentielle de paramètre 𝜆 = 𝛼

b. Puisque 𝑌 suit une loi Exponentielle alors :


1 1 1 1
𝐸[𝑌] = = 1/𝛼 = 𝛼 et 𝑉(𝑌) = = (1/𝛼)2 = 𝛼 2
𝜆 𝜆2

3. La fonction de répartition 𝐹𝑌 (𝑦) :


𝑦 𝑦
 si 𝑥 < 0 : 𝐹𝑌 (𝑦) = ∫−∞ 𝑓𝑌 (𝑡)𝑑𝑡 = ∫−∞ 0𝑑𝑡 = 0
 si 𝑥 ≥ 0 :
1 1 𝑦 1 1
𝑦 𝑦1 1 1
𝐹𝑌 (𝑦) = ∫−∞ 𝑓𝑌 (𝑡)𝑑𝑡 = ∫0 𝑒 −𝛼𝑦 𝑑𝑡 = 𝛼 [−𝛼𝑒 −𝛼𝑡 ] = 𝛼 (−𝛼𝑒 −𝛼𝑦 − (𝛼)) = −𝑒 −𝛼𝑦 + 1 =
𝛼 0
1
− 𝑦
1−𝑒 𝛼

0 𝑠𝑖 𝑦 < 0
𝐹𝑌 (𝑦) = { 1
1− 𝑒 −𝛼 𝑦 𝑠𝑖 𝑦 ≥ 0
1
4. 𝑃(𝑌 > 2𝛼) = 1 − 𝑃(𝑌 ≤ 2𝛼) = 1 − 𝐹𝑌 (2𝛼) = 1 − (1 − 𝑒 −𝛼2𝛼 ) = 𝑒 −2 = 0.135

Exercice 02 :

Une enquête a été menée auprès de ménages de 4 personnes en vue de connaître leur
consommation de lait sur 1 mois. On suppose que sur l’ensemble des personnes interrogées, la
consommation a une distribution de type "Normale" avec une moyenne de 20 litres et un écart-
type de 5 litres.

Dans le cadre d’une campagne publicitaire, on souhaite connaître :

1) Le pourcentage des faibles consommateurs (moins de 10 litres par mois) ;


2) Le pourcentage des grands consommateurs (plus de 30 litres par mois) ;
3) La consommation maximale de 50% des consommateurs ;
4) Au-dessus de quelle consommation se trouvent 33% des consommateurs.
1 𝑡=1,70 −1𝑡 2 1 𝑡=1,70 −1𝑡 2
ANNEXE : 𝐺(2) = ∫ 𝑒 2 𝑑𝑡 = 0.9772, 𝐺(0.44) = ∫ 𝑒 2 𝑑𝑡 = 0.67
√2𝜋 − √2𝜋 −

Correction :

𝑋 : « La consommation du lait sur 1 mois »

𝑋 ↝ 𝑁𝑜𝑟𝑚𝑎𝑙𝑒(𝜇 = 20, 𝜎 2 = 52 = 25)

𝑋−𝜇 10−𝜇 𝑋−20 10−20


1. 𝑃(𝑋 ≤ 10) = 𝑃 ( ≤ ) = 𝑃( ≤ ) = 𝑃(𝑍 ≤ −2) = 𝜙(−2) = 1 − 𝜙(2)
𝜎 𝜎 5 5

Pour calculer 𝜙(2), pour cet exercice, les valeurs sont données directement, alors :

𝑃(𝑋 ≤ 10) = 1 − 𝐺(2) = 1 − 0.9772 = 0.0228

Alors le pourcentage des faibles consommateurs est estimé à 2.28% parmi les personnes
interrogées.

𝑋−𝜇 30−𝜇 𝑋−20 30−20


2. 𝑃(𝑋 > 30) = 𝑃 ( > ) = 𝑃( > ) = 𝑃(𝑍 > 2) = 1 − 𝑃(𝑍 ≤ 2) = 1 −
𝜎 𝜎 5 5
𝜙(2) = 0.0228

Alors le pourcentage des grands consommateurs est estimé à 2.28% parmi les personnes
interrogées.

Remarque : On peut souligner que la deuxième probabilité peut être calculée directement par
symétrie de la loi Normale.

3. Pour déterminer la consommation maximale des 50% des consommateurs, il faut déterminer
x tel que 𝑃(𝑋 ≤ 𝑥) = 0.5
𝑋−𝜇 𝑥−𝜇 𝑥−𝜇 𝑥−𝜇 𝑥−𝜇
𝑃(𝑋 ≤ 𝑥) = 0.5 ⇒ 𝑃 ( ≤ ) = 0.5 ⇒ 𝑃 (𝑍 ≤ ) = 0.5 ⇒ 𝜙 ( ) = 0.5 ⇒ =
𝜎 𝜎 𝜎 𝜎 𝜎
𝑥−20
0⇒ = 0 ⇒ 𝑥 − 20 = 0 ⇒ 𝑥 = 20
5

La consommation maximale des 50% des consommateurs est de 20 Litres par mois.

Remarque : on peut déduire ce résultat directement, puisque la consommation maximale des


50% des consommateurs est la médiane. La médiane d’une distribution normale égale à sa
moyenne.

𝑋−𝜇 𝑥−𝜇 𝑥−𝜇


4. 𝑃(𝑋 > 𝑥) = 0.33 ⇒ 𝑃 ( > ) = 0.33 ⇒ 𝑃 (𝑍 > ) = 0.33 ⇒ 1 − 𝑃 (𝑍 ≤
𝜎 𝜎 𝜎
𝑥−𝜇 𝑥−𝜇 𝑥−𝜇 𝑥−𝜇 𝑥−20
) = 0.33 ⇒ 𝑃 (𝑍 ≤ ) = 0.67 ⇒ 𝜙 ( ) = 0.67 ⇒ = 0.44 ⇒ =
𝜎 𝜎 𝜎 𝜎 5
0.44 ⇒ 𝑥 − 20 = 5(0.44) ⇒ 𝑥 = 22.2

Alors 33% des consommateurs ont une consommation de lait supérieur à 22.2 Litres par mois.
Concours 2016

Exercice 01 :

Soit le couple de variables aléatoires (𝑋, 𝑌) de densité de probabilité :

1 1 2 9 1
+𝑥− −2𝑦− 𝑦 2
𝑓𝑋,𝑌 (𝑥, 𝑦) = 𝑒 −2𝑥 2 4 , (𝑥, 𝑦) ∈ ℝ2
2𝜋√2

1. Ecrire les densités marginales et reconnaitre les lois usuelles.


2. Est-ce-que 𝑋 et 𝑌 sont indépendantes ?

Correction :

1. Les densités marginales :



a. La densité marginale de la variable aléatoire 𝑋 :𝑓𝑋 (𝑥) = ∫−∞ 𝑓𝑋,𝑌 (𝑥, 𝑦) 𝑑𝑦

∞ ∞
1 1 2 9 1
+𝑥− −2𝑦− 𝑦 2
𝑓𝑋 (𝑥) = ∫ 𝑓𝑋,𝑌 (𝑥, 𝑦) 𝑑𝑦 = ∫ 𝑒 −2𝑥 2 4 𝑑𝑦
2𝜋√2
−∞ −∞

- On commence par faire sortir les constantes (par rapport à 𝑦)


∞ ∞
1 1 2 9 1 2 1 1 2 9 1
+𝑥− −2𝑦− 𝑦 2
𝑓𝑋 (𝑥) = ∫ 𝑒 −2𝑥 +𝑥−2−2𝑦−4𝑦 𝑑𝑦 = ∫ 𝑒 −2𝑥 2𝑒 4 𝑑𝑦
2𝜋√2 2𝜋√2
−∞ −∞

1 1 2 9 1 2
= 𝑒 −2𝑥 +𝑥−
2 ∫ 𝑒 −2𝑦−4𝑦 𝑑𝑦
2𝜋√2
−∞
1 2

- Pour calculer la valeur de cette intégrale ∫−∞ 𝑒 −2𝑦−4𝑦 𝑑𝑦 il faut l’écrire sous la forme
1 1
∞ − (𝑦−𝑢)2 ∞ − (𝑦−𝑢)2
suivante : ∫−∞ 𝑒 2𝜎2 𝑑𝑦 puisqu’on a déjà démontrer que ∫−∞ 𝑒 2𝜎2 𝑑𝑦 =
1 1
−2𝑦− 𝑦 2 − 2 (𝑦−𝑢)2
𝜎√2𝜋. Pour notre pour écrire 𝑒 4 sous la forme 𝑒 2𝜎 on doit passer par
plusieurs étapes :
1
o Faire sortir le − 4 comme facteur commun :
∞ ∞
1 1 2 9 1 2 1 1 2 9 1 2 +8𝑦)
𝑓𝑋 (𝑥) = 𝑒 −2𝑥 +𝑥−2 ∫ 𝑒 −2𝑦−4𝑦 𝑑𝑦 = 𝑒 −2𝑥 +𝑥−2 ∫ 𝑒 −4(𝑦 𝑑𝑦
2𝜋√2 2𝜋√2
−∞ −∞
o Ajouter et soustraire 16

1 1 2 9 1 2 +8𝑦)
𝑓𝑋 (𝑥) = 𝑒 −2𝑥 +𝑥−2 ∫ 𝑒 −4(𝑦 𝑑𝑦
2𝜋√2
−∞

1 1 2 9 1 2 +8𝑦+16−16)
= 𝑒 −2𝑥 +𝑥−2 ∫ 𝑒 −4(𝑦 𝑑𝑦
2𝜋√2
−∞
o Réarranger l’écriture et faire sortir les constantes

1 1 2 9 1 2 +8𝑦+16−16)
𝑓𝑋 (𝑥) = 𝑒 −2𝑥 +𝑥−2 ∫ 𝑒 −4(𝑦 𝑑𝑦
2𝜋√2
−∞

1 1 2 9 1 2 +8𝑦+16)
= 𝑒 −2𝑥 +𝑥−2+4 ∫ 𝑒 −4(𝑦 𝑑𝑦
2𝜋√2
−∞

1 1 2 1 1
(𝑦+2)2
= 𝑒 −2𝑥 +𝑥−
2 ∫ 𝑒 −4 𝑑𝑦
2𝜋√2
−∞

1 1 2 1 1 2
= 𝑒 −2𝑥 +𝑥−
2 ∫ 𝑒 −4(𝑦−(−2)) 𝑑𝑦
2𝜋√2
−∞
o Par identification on a :

1 1
{2𝜎 = 𝜎2 = 2 𝜎 = √2
2 4 ⇒ {𝑢 = −2 ⇒ {
𝑢 = −2 𝑢 = −2

o On peut déduire alors que :


∞ ∞
1 2 1
− (𝑦−𝑢)2
∫ 𝑒 −4(𝑦−(−2)) 𝑑𝑦 = ∫ 𝑒 2𝜎2 𝑑𝑦 = 𝜎√2𝜋 = √2√2𝜋 = 2√𝜋
−∞ −∞

- Dernièrement, il faut simplifier l’écriture de la densité de 𝑋



1 1 2 1 1 2 1 1 2 1
𝑓𝑋 (𝑥) = 𝑒 −2𝑥 +𝑥−2 ∫ 𝑒 −4(𝑦−(−2)) 𝑑𝑦 = 𝑒 −2𝑥 +𝑥−
2 (2√𝜋)
2𝜋√2 2𝜋√2
−∞
1 1 2 1 1 1 2 −2𝑥+1) 1 1
(𝑥−1)2
= 𝑒 −2𝑥 +𝑥−
2 = 𝑒 −2(𝑥 = 𝑒 −2
√2𝜋 √2𝜋 √2𝜋

La densité de la variable aléatoire 𝑋 est :

1 1
(𝑥−1)2
𝑓𝑋 (𝑥) = 𝑒 −2 , 𝑥∈ℝ
√2𝜋

Alors 𝑋~𝑁𝑜𝑟𝑚𝑎𝑙𝑒(𝜇 = 1, 𝜎 2 = 1)

b. La densité marginale de la variable aléatoire 𝑌 :𝑓𝑌 (𝑦) = ∫−∞ 𝑓𝑋,𝑌 (𝑥, 𝑦) 𝑑𝑥

∞ ∞
1 1 2 9 1
+𝑥− −2𝑦− 𝑦 2
𝑓𝑌 (𝑦) = ∫ 𝑓𝑋,𝑌 (𝑥, 𝑦) 𝑑𝑥 = ∫ 𝑒 −2𝑥 2 4 𝑑𝑥
2𝜋√2
−∞ −∞

- On commence par faire sortir les constantes (par rapport à 𝑦)


∞ ∞
1 1 2 9 1 2 1 1 2 1
+𝑥 −2𝑦− 𝑦 2 −
9
𝑓𝑌 (𝑦) = ∫ 𝑒 −2𝑥 +𝑥−2−2𝑦−4𝑦 𝑑𝑥 = ∫ 𝑒 −2𝑥 𝑒 4 2 𝑑𝑥
2𝜋√2 2𝜋√2
−∞ −∞

1 1 2 9 1 2
= 𝑒 −2𝑦−4𝑦 −
2 ∫ 𝑒 −2𝑥 +𝑥
𝑑𝑥
2𝜋√2
−∞
1 2

- Pour calculer la valeur de cette intégrale ∫−∞ 𝑒 −2𝑥 +𝑥 𝑑𝑥 il faut l’écrire sous la forme
1 1
∞ − (𝑥−𝑢)2 ∞ − (𝑥−𝑢)2
suivante : ∫−∞ 𝑒 2𝜎2 𝑑𝑥 puisqu’on a déjà démontrer que ∫−∞ 𝑒 2𝜎2 𝑑𝑥 =
1 2 1
− (𝑦−𝑢)2
𝜎√2𝜋. Pour notre pour écrire 𝑒 −2𝑥 +𝑥
sous la forme 𝑒 2𝜎2 on doit passer par
plusieurs étapes :
1
o Faire sortir le − 2 comme facteur commun :
∞ ∞
1 1 2 9 1 2 1 1 2 9 1 2 −2𝑥)
𝑓𝑌 (𝑦) = 𝑒 −2𝑦−4𝑦 −2 ∫ 𝑒 −2𝑥 +𝑥 𝑑𝑥 = 𝑒 −2𝑦−4𝑦 −2 ∫ 𝑒 −2(𝑥 𝑑𝑥
2𝜋√2 2𝜋√2
−∞ −∞
o Ajouter et soustraire 1

1 1 2 9 1 2 −2𝑥)
𝑓𝑌 (𝑦) = 𝑒 −2𝑦−4𝑦 −2 ∫ 𝑒 −2(𝑥 𝑑𝑥
2𝜋√2
−∞

1 1 2 9 1 2 −2𝑥+1−1)
= 𝑒 −2𝑦−4𝑦 −2 ∫ 𝑒 −2(𝑥 𝑑𝑥
2𝜋√2
−∞
o Réarranger l’écriture et faire sortir les constantes

1 1 2 9 1 2 −2𝑥+1−1)
𝑓𝑌 (𝑦) = 𝑒 −2𝑦−4𝑦 −2 ∫ 𝑒 −2(𝑥 𝑑𝑥
2𝜋√2
−∞

1 1 2 9 1 1 2 −2𝑥+1)
= 𝑒 −2𝑦−4𝑦 −2+2 ∫ 𝑒 −2(𝑥 𝑑𝑥
2𝜋√2
−∞

1 1 2 1
(𝑥−1)2
= 𝑒 −2𝑦−4𝑦 −4
∫ 𝑒 −2 𝑑𝑥
2𝜋√2
−∞
o Par identification on a :

1 1 2 𝜎=1
{2𝜎 2 2 ⇒ {𝜎 = 1 ⇒ {
=
𝑢=1 𝑢=1
𝑢=1

o On peut déduire alors que :


∞ ∞
1 1
(𝑥−1)2 − (𝑦−𝑢)2
∫ 𝑒 −2 𝑑𝑥 = ∫ 𝑒 2𝜎2 𝑑𝑦 = 𝜎√2𝜋 = 1√2𝜋 = √2𝜋
−∞ −∞

- Dernièrement, il faut simplifier l’écriture de la densité de 𝑋



1 1 2 1
(𝑥−1)2 1 1 2
𝑓𝑌 (𝑦) = 𝑒 −2𝑦−4𝑦 −4 ∫ 𝑒 −2 𝑑𝑥 = 𝑒 −2𝑦−4𝑦 −4
(√2𝜋)
2𝜋√2 2𝜋√2
−∞
1 1 1 1 1 1
−2𝑦− 𝑦 2 −4 2 +8𝑦+16) − (𝑦+4)2
= 𝑒 4 = 𝑒 −4(𝑦 = 𝑒 2(2)
2√𝜋 √2√2𝜋 √2√2𝜋
1 1 2
− (𝑦−(−4))
= 𝑒 2(2)
√2√2𝜋

La densité de la variable aléatoire 𝑋 est :

1 1 2
𝑓𝑌 (𝑦) = 𝑒 −4(𝑦−(−4)) , 𝑦 ∈ ℝ
√2√2𝜋

Alors 𝑌~𝑁𝑜𝑟𝑚𝑎𝑙𝑒(𝜇 = −4, 𝜎 2 = 2)

2. On a :
1 1 2 9 1
+𝑥− −2𝑦− 𝑦 2 1 1
(𝑥−1)2 1 1 2
𝑓𝑋,𝑌 (𝑥, 𝑦) = 𝑒 −2𝑥 2 4 =( 𝑒 −2 )( 𝑒 −4(𝑦−(−4)) )
2𝜋√2 √2𝜋 √2√2𝜋
= 𝑓𝑋 (𝑥)𝑓𝑌 (𝑦)

Alors, les deux variables 𝑋 et 𝑌 sont indépendantes.

Exercice 02 :

Soit X une variable aléatoire continue de densité 𝑓 définie par :

1
𝑓𝑋 (𝑥) = {𝑥 2 𝑠𝑖 𝑥 ≥ 1
0 𝑠𝑖𝑛𝑜𝑛

Soit 𝑋1 𝑒𝑡 𝑋2 deux variables aléatoires indépendantes suivants la même loi que 𝑋.

1) Donner la loi de probabilité du couple (𝑋1 , 𝑋2 ).


2) On pose :

𝑈 = 𝑋1 𝑋2
{ 𝑋1
𝑉=
𝑋2

Montrer que (𝑈, 𝑉) admet une loi absolument continue, et déterminer la densité.
3) Déterminer les lois marginales de 𝑈 et 𝑉.
4) Les variables aléatoires 𝑈 et 𝑉 sont-elles indépendantes ? justifier votre réponse.
5) Déterminer la loi de la variable aléatoire 𝑍 = √𝑈, calculer 𝐸(𝑍) et 𝑉(𝑍) si elles existent.

Correction :

1. Puisque les variables aléatoires 𝑋1 𝑒𝑡 𝑋2 sont indépendantes alors la densité conjointe est
1 1 1
donnée par : 𝑓𝑋1 ,𝑋2 (𝑥1 , 𝑥2 ) = 𝑓𝑋1 (𝑥1 )𝑓𝑋2 (𝑥2 ) = 𝑥 2 2 = 𝑥2𝑥2
1 𝑥2 1 2

1
𝑠𝑖 𝑥1 ≥ 1, 𝑥2 ≥ 1
𝑓𝑋1 ,𝑋2 (𝑥1 , 𝑥2 ) = {𝑥12 𝑥22
0 𝑠𝑖𝑛𝑜𝑛
𝑋
2. Pour déterminer la densité conjointe de 𝑈 = 𝑋1 𝑋2 et 𝑉 = 𝑋1 il faut d’abord déterminer les
2
fonctions réciproques : 𝑋1 = ℎ1−1 (𝑈, 𝑉) et 𝑋2 = ℎ2−1 (𝑈, 𝑉)

𝑈 = 𝑋1 𝑋2 … (1)
On a : { 𝑋
𝑉 = 𝑋1 … (2)
2

𝑋
Si on multiplie l’équation (1) et (2) on trouve : 𝑈𝑉 = 𝑋1 𝑋2 𝑌 ⇒ 𝑈𝑉 = 𝑋12 ⇒ 𝑋1 = √𝑈𝑉

𝑈 𝑋1 𝑋2 𝑈 𝑈
La division de l’équation (1) par (2) nous donne : 𝑉 = 𝑋1 ⇒ = 𝑋2 2 ⇒ 𝑋2 = √𝑉
𝑉
𝑋2

 La densité conjointe du couple (𝑈, 𝑉) est donnée par :


𝑓𝑈,𝑉 (𝑢, 𝑣) = 𝑓𝑋,𝑌 (ℎ1−1 (𝑢, 𝑣), ℎ1−1 (𝑢, 𝑣))|𝐽|

𝜕ℎ1−1 (𝑢, 𝑣) 𝜕ℎ1−1 (𝑢, 𝑣)


𝐽 = | −1𝜕𝑢 𝜕𝑣 |
𝜕ℎ2 (𝑢, 𝑣) 𝜕ℎ2−1 (𝑢, 𝑣)
𝜕𝑢 𝜕𝑣

Alors pour notre cas :

𝜕ℎ1−1 (𝑢,𝑣) 𝜕ℎ1−1 (𝑢,𝑣) √𝑣 √𝑢


2√𝑢 2√𝑣 √𝑣√𝑢 √𝑢 1 1 1
𝐽= |𝜕ℎ−1𝜕𝑢(𝑢,𝑣) 𝜕𝑣
| =| | = − 4𝑣 − 4𝑣 = − 4𝑣 − 4𝑣 = − 2𝑣 alors :
2 𝜕ℎ2−1 (𝑢,𝑣) 1 √𝑢 √𝑢 √𝑣 √𝑢
𝜕𝑢 𝜕𝑣
− 2𝑣
2√𝑢√𝑣 √𝑣
1
|𝐽| =
2𝑣

1 1 1 1 1
𝑓𝑈,𝑉 (𝑢, 𝑣) = 2 = 𝑢 =
2 𝑢 2𝑣 𝑢𝑣 2𝑣 2𝑣𝑢2
(√𝑢𝑣) (√ ) 𝑣
𝑣

Dernièrement, il faut déterminer les domaines de définitions de 𝑢 et de 𝑣 :

a. 𝑢 = 𝑥1 𝑥2 avec : 𝑥1 ≥ 1 𝑒𝑡 𝑥2 ≥ 1 ⇒ 𝑥1 𝑥2 ≥ 1 ⇒ 𝑢 ≥ 1
𝑥 1 𝑥
b. 𝑣 = 𝑥1 avec : 𝑥1 ≥ 1 𝑒𝑡 0 < 𝑥 ≤ 1 ⇒ 0 < 𝑦 < ∞ ⇒ 0 ≤ 𝑣 < ∞
2 2

c. 𝑥1 ≥ 1 ⇒ √𝑢𝑣 ≥ 1 ⇒ 𝑢𝑣 ≥ 1
𝑢 𝑢
d. 𝑥2 ≥ 1 ⇒ √𝑣 ≥ 1 ⇒ 𝑣 ≥ 1

Finalement la densité conjointe est donnée par :

1 𝑢
𝑓𝑈,𝑉 (𝑢, 𝑣) = {2𝑣𝑢2 𝑠𝑖 𝑢 ≥ 1 , 𝑣 ≥ 0, 𝑢𝑣 ≥ 1 𝑒𝑡 ≥1
𝑣
0 𝑠𝑖𝑛𝑜𝑛

3.
 La densité marginale de 𝑈 : 𝑓𝑈 (𝑢) = ∫ 𝑓𝑈,𝑉 (𝑢, 𝑣) 𝑑𝑣

Il faut d’abord déterminer les bornes d’intégrations :


1
D’après la définition de la densité conjointe on a : 𝑣 ≥ 𝑢 𝑒𝑡 𝑣 ≤ 𝑢

1 1
Puisque 𝑢 ≥ 1 alors 𝑢 ≤ 1 et on peut déduire que 𝑢 ≤ 𝑣 ≤ 𝑢

𝑢 𝑢 1 𝑢 1 𝑢 1 1 1
𝑓𝑈 (𝑢) = ∫1/𝑢 𝑓𝑈,𝑉 (𝑢, 𝑣) 𝑑𝑣 = ∫1/𝑢 2𝑣𝑢2 𝑑𝑣 = 2𝑢2 ∫1/𝑢 𝑣 𝑑𝑣 = 2𝑢2 [ln(𝑣)]1/𝑢 = 2𝑢2 (ln(𝑢) −
1 2ln(𝑢) ln(𝑢)
𝑙𝑛 (𝑢)) = = 𝑢2
2 𝑢2

ln(𝑢)
𝑓𝑈 (𝑢) = { 𝑢2 𝑠𝑖 𝑢 ≥ 1
0 𝑠𝑖𝑛𝑜𝑛
 La densité marginale de 𝑉 : 𝑓𝑉 (𝑣) (𝑢,
= ∫ 𝑓𝑈,𝑉 𝑣) 𝑑𝑢

Il faut d’abord déterminer les bornes d’intégrations :


1
D’après la définition de la densité conjointe on a : 𝑢 ≥ 𝑣 , 𝑢 ≥ 𝑣 𝑒𝑡 𝑢 ≥ 1

Puisque 𝑣 ≥ 0, alors on peut distinguer deux cas pour la position de 𝑣

1 1
1. Si 0 < 𝑣 < 1 ⇒ ≥ 1 on déduit alors que : 𝑢 ≥ 𝑣
𝑣

∞ ∞ 1 1 ∞ 1 1 1 ∞ 1 1 1
𝑓𝑉 (𝑣) = ∫1/𝑣 𝑓𝑈,𝑉 (𝑢, 𝑣) 𝑑𝑢 = ∫1/𝑣 2𝑣𝑢2 𝑑𝑢 = 2𝑣 ∫1/𝑣 𝑢2 𝑑𝑢 = 2𝑣 [− 𝑢] = 2𝑣 (0 + 1/𝑣) = 2
1/𝑣

1
2. Si 𝑣 ≥ 1 ⇒ 0 < 𝑣 < 1 on déduit alors que : 𝑢 ≥ 𝑣

∞ ∞ 1 1 ∞ 1 1 1 ∞ 1 1 1
𝑓𝑉 (𝑣) = ∫𝑣 𝑓𝑈,𝑉 (𝑢, 𝑣) 𝑑𝑢 = ∫𝑣 2𝑣𝑢2 𝑑𝑢 = 2𝑣 ∫𝑣 𝑢2 𝑑𝑢 = 2𝑣 [− 𝑢] = 2𝑣 (0 + 𝑣) = 2𝑣2
𝑣

1
𝑠𝑖 0 < 𝑣 < 1
𝑓𝑉 (𝑣) = {2
1
𝑠𝑖 𝑣 ≥ 1
2𝑣 2

4. Pour vérifier l’indépendance il d’abord que le domaine 𝐷𝑈,𝑉 soit rectangulaire. Puisque le
domaine n’est pas rectangulaire, alors on peut déduire que les deux variables aléatoires
𝑈 𝑒𝑡 𝑉 ne sont pas indépendantes.

On peut aussi vérifier que 𝑓𝑈 (𝑢)𝑓𝑉 (𝑣) ≠ 𝑓𝑈,𝑉 (𝑢, 𝑣)

1 ln(𝑢)
𝑠𝑖 0 < 𝑣 < 1 1
2 𝑢2
𝑓𝑈 (𝑢)𝑓𝑉 (𝑣) = ≠ = 𝑓𝑈,𝑉 (𝑢, 𝑣)
1 ln(𝑢)
𝑠𝑖 𝑣 ≥ 1
2𝑣𝑢2
{ 2𝑣 2 𝑢2

5. 𝑍 = √𝑈

Puisque 𝑢 ≥ 1 ⇒ √𝑢 ≥ 1 ⇒ 𝑧 ≥ 1

Pour déterminer la loi de 𝑌, on commence par déterminer la fonction de répartition :

𝐹𝑍 (𝑧) = 𝑃(𝑍 ≤ 𝑧) = 𝑃(√𝑈 ≤ 𝑧) = 𝑃(𝑈 ≤ 𝑧 2 ) = 𝐹𝑈 (𝑧 2 )

′ ′ ln(𝑧 2 ) 2ln(𝑧 2 ) 4ln(𝑧)


𝑓𝑍 (𝑧) = (𝐹𝑍 (𝑧)) = (𝐹𝑈 (𝑧 2 )) = (2𝑧)𝑓𝑈 (𝑧 2 ) = 2𝑧 = = pour 𝑧 ≥ 1
𝑧4 𝑧3 𝑧3

4ln(𝑧)
𝑓𝑍 (𝑧) = { 𝑧 3 𝑠𝑖 𝑧 ≥ 1
0 𝑠𝑖𝑛𝑜𝑛
∞ ∞ 4ln(𝑧) ∞ ln(𝑧)
𝐸[𝑍] = ∫1 𝑧 𝑓𝑍 (𝑧)𝑑𝑧 = ∫1 𝑧 𝑑𝑧 = 4 ∫1 𝑑𝑧
𝑧3 𝑧2

Pour calculer cette intégrale on peut utiliser l’intégration par partie

1
𝑢 = ln(𝑧) ⟶ 𝑢′ =
𝑧
1 1
𝑣=− ⟵ 𝑣′ = 2
𝑧 𝑧
∞ ∞
On peut alors calculer : ∫1 𝑢𝑣 ′ 𝑑𝑥 = [𝑢𝑣]1∞ − ∫1 𝑢′ 𝑣𝑑𝑥

∞ 𝑙𝑛(𝑧) ln(𝑧) ∞ ∞ 1 1 ∞
𝐸[𝑍] = 4 ∫1 𝑑𝑧 = 4 ([− ] − ∫1 − 𝑧 2 𝑑𝑥) = 4 ((0 − 0) + [− 𝑧] ) = 4(0 + 1) =
𝑥2 𝑧 1 1
4

𝑉(𝑍) = 𝐸[𝑍 2 ] − 𝐸 2 [𝑍]

∞ ∞ 4ln(𝑧) ∞ ln(𝑧)
𝐸[𝑍 2 ] = ∫1 𝑧 2 𝑓𝑍 (𝑧)𝑑𝑧 = ∫1 𝑧 2 𝑑𝑧 = 4 ∫1 𝑑𝑧 = 4[(ln(𝑧))2 ]1∞ = ∞
𝑧3 𝑧

𝐸[𝑍 2 ] n’existe pas alors la variance n’existe pas.


Concours 2017

Exercice 01 :

Soit X une variable aléatoire qui suit une loi exponentielle de paramètre 2.

On pose :

1 𝑠𝑖 𝑥 > 1
𝑌={
−1 𝑠𝑖 𝑥 ≤ 1

1) Déterminer la loi de 𝑌.

2) Calculer la fonction génératrice des moments de Y puis déduire son espérance 𝐸(𝑌) et sa
variance 𝑉 (𝑌).

Correction :

1. La loi de Y : 𝑌(Ω) = {−1,1}

𝑃(𝑌 = −1) = 𝑃(𝑋 ≤ 1) = 𝐹𝑋 (1) = 1 − 𝑒 −2

𝑃(𝑌 = 1) = 𝑃(𝑋 > 1) = 1 − 𝑃(𝑋 ≤ 1) = 1 − 𝐹𝑋 (1) = 𝑒 −2

2. La fonction génératrice des moments :

𝑀𝑌 (𝑡) = 𝐸[𝑒 𝑡𝑌 ] = ∑1𝑦=−1 𝑒 𝑡𝑦 𝑃(𝑌 = 𝑦) = 𝑒 −𝑡 𝑃(𝑌 = −1) + 𝑒 𝑡 𝑃(𝑌 = 1) = 𝑒 −𝑡 (1 − 𝑒 −2 ) +


𝑒 𝑡 𝑒 −2 = 𝑒 −𝑡 − 𝑒 −𝑡−2 + 𝑒 𝑡−2

L’espérance de 𝑌 :𝐸[𝑌] = 𝑀𝑌′ (𝑡 = 0)

𝑀𝑌′ (𝑡) = (𝑒 −𝑡 − 𝑒 −𝑡−2 + 𝑒 𝑡−2 )′ = −𝑒 −𝑡 + 𝑒 −𝑡−2 + 𝑒 𝑡−2

Alors on déduit que : 𝐸[𝑌] = −𝑒 −0 + 𝑒 −0−2 + 𝑒 0−2 = 2𝑒 −2 − 1

La variance de 𝑌 : 𝑉(𝑌) = 𝐸[𝑌 2 ] − 𝐸 2 [𝑌] avec 𝐸[𝑌 2 ] = 𝑀𝑌′′ (𝑡 = 0)

𝑀𝑌′ (𝑡) = (−𝑒 −𝑡 + 𝑒 −𝑡−2 + 𝑒 𝑡−2 )′ = 𝑒 −𝑡 − 𝑒 −𝑡−2 + 𝑒 𝑡−2

Alors on déduit que : 𝐸[𝑌 2 ] = 𝑒 −0 − 𝑒 −0−2 + 𝑒 0−2 = 1

𝑉(𝑌) = 1 − (2𝑒 −2 − 1)2 = 1 − (4𝑒 −4 − 4𝑒 −2 + 1) = 4𝑒 −4 − 4𝑒 −2

Exercice 02 :

Soit (𝑋, 𝑌) un vecteur aléatoire de densité conjointe :

2
𝑓𝑋,𝑌 (𝑥, 𝑦) = {𝛼𝑥𝑦 + 𝛽𝑦 0<𝑥 <1, 0<𝑦<1
0 𝑠𝑖𝑛𝑜𝑛
où 𝛼 et 𝛽 des réels positifs non nuls.

1) Vérifier que 3𝛼 + 4𝛽 = 12.


2) Déterminer la densité marginale fx de 𝑋.
3) Trouver les valeurs de 𝛼 𝑒𝑡 𝛽 sachant que 𝐸(𝑋) = 7/12.
4) Déterminer la densité conditionnelle de 𝑌/𝑋 = 𝑥. Les variables aléatoires 𝑋 𝑒𝑡 𝑌 sont-
elles indépendantes ?
5) Déterminer 𝐸(𝑌/𝑋 = 𝑥).
6) Déterminer 𝑍 = 𝐸(𝑌/𝑋). En déduire 𝐸(𝑍).

Correction :
2
𝑓𝑋,𝑌 (𝑥, 𝑦) = {𝛼𝑥𝑦 + 𝛽𝑦 0<𝑥 <1, 0<𝑦<1
0 𝑠𝑖𝑛𝑜𝑛
∞ ∞
1. En utilisant la propriété des densités conjointes : ∫−∞ ∫−∞ 𝑓(𝑋,𝑌) (𝑥, 𝑦) 𝑑𝑥 𝑑𝑦 = 1

∞ ∞ 1 1 1 𝛼
∫−∞ ∫−∞ 𝑓(𝑋,𝑌) (𝑥, 𝑦) 𝑑𝑥 𝑑𝑦 = 1 ⇒ ∫0 ∫0 (𝛼𝑥𝑦 + 𝛽𝑦 2 ) 𝑑𝑥 𝑑𝑦 = 1 ⇒ ∫0 [ 2 𝑥 2 𝑦 +
1 1 𝛼 𝛼 𝛽 1 𝛼 𝛽
𝛽𝑦 2 𝑥] 𝑑𝑦 = 1 ⇒ ∫0 ( 2 𝑦 + 𝛽𝑦 2 − 0) 𝑑𝑦 = 1 ⇒ [ 4 𝑦 2 + 3 𝑦 3 ] = 1 ⇒ ( 4 + 3 − 0) =
0 0
3𝛼+4𝛽
1 ⇒ = 1 ⇒ 3𝛼 + 4𝛽 = 12 …(1)
12

2. La densité marginale de 𝑋 : 𝑓𝑋 (𝑥) = ∫ 𝑓𝑋,𝑌 (𝑥, 𝑦) 𝑑𝑦

1 1 𝛼 𝛽 1 𝛼 𝛽 𝛼 𝛽
𝑓𝑋 (𝑥) = ∫0 𝑓𝑋,𝑌 (𝑥, 𝑦) 𝑑𝑦 = ∫0 𝛼𝑥𝑦 + 𝛽𝑦 2 𝑑𝑦 = [ 2 𝑦 2 𝑥 + 3 𝑦 3 ] = ( 2 𝑥 + 3 − 0) = 2 𝑥 + 3
0
pour 0 < 𝑥 < 1

𝛼 𝛽
𝑓𝑋 (𝑥) = { 2 𝑥 + 3 𝑠𝑖 0 < 𝑥 < 1
0 𝑠𝑖𝑛𝑜𝑛

3. On a 𝐸[𝑋] = 7/12 alors en utilisant la définition de l’espérance on trouve :

1 1 𝛼 𝛽 1 𝛼
𝐸[𝑋] = 7/12 ⇒ ∫0 𝑥𝑓𝑋 (𝑥) 𝑑𝑥 = 7/12 ⇒ ∫0 𝑥 ( 2 𝑥 + 3 ) 𝑑𝑥 = 7/12 ⇒ ∫0 ( 2 𝑥 2 +
𝛽 𝛼 𝛽 1 𝛼 𝛽 2𝛼+2𝛽 7
𝑥) 𝑑𝑥 = 7/12 ⇒ [ 6 𝑥 3 + 6 𝑥 2 ] = 7/12 ⇒ ( 6 + 6 − 0) = 7/12 ⇒ = 12 ⇒ 2𝛼 +
3 0 12
2𝛽 = 7 ….(2)

Il faut résoudre le système d’équations (1) et (2) pour trouver les valeurs de 𝛼 𝑒𝑡 𝛽

7−2𝛼
3𝛼 + 4𝛽 = 12 3𝛼 + 4 ( 2 ) = 12 3𝛼 + 14 − 4𝛼 = 12 𝛼=2
{ ⇒{ ⇒ { 𝛽 =
7−2𝛼 ⇒ { 𝛽 =
3
2𝛼 + 2𝛽 = 7 𝛽=
7−2𝛼
2 2
2

La densité conjointe est :

3 2
𝑓𝑋,𝑌 (𝑥, 𝑦) = { 2𝑥𝑦 + 𝑦 0< 𝑥 < 1, 0<𝑦 < 1
2
0 𝑠𝑖𝑛𝑜𝑛
𝑓𝑋,𝑌 (𝑥,𝑦)
4. La densité conditionnelle de 𝑌 sachant 𝑋 = 𝑥 est définie par : 𝑓𝑌 | 𝑋=𝑥 (𝑦) = 𝑓𝑋 (𝑥)
1
𝑥+2 𝑠𝑖 0 < 𝑥 < 1
Puisque 𝑓𝑋 (𝑥) = { alors
0 𝑠𝑖𝑛𝑜𝑛
3
2𝑥𝑦+ 𝑦 2 4𝑥𝑦+3𝑦 2
2
𝑓𝑌 | 𝑋=𝑥 (𝑦) = 1 = pour 0 < 𝑦 < 1
𝑥+ 2𝑥+1
2

4𝑥𝑦 + 3𝑦 2
𝑓𝑌 | 𝑋=𝑥 (𝑦) = { 2𝑥 + 1 𝑠𝑖 0 < 𝑦 < 1
0 𝑠𝑖𝑛𝑜𝑛

La densité marginale de 𝑌 : 𝑓𝑌 (𝑦) = ∫ 𝑓𝑋,𝑌 (𝑥, 𝑦) 𝑑𝑥

1 1 3 3 1 3
𝑓𝑌 (𝑦) = ∫0 𝑓𝑋,𝑌 (𝑥, 𝑦) 𝑑𝑥 = ∫0 2𝑥𝑦 + 2 𝑦 2 𝑑𝑥 = [𝑥 2 𝑦 + 2 𝑦 2 𝑥] = 𝑦 + 2 𝑦 2 pour 0 < 𝑦 < 1
0

3 2
𝑓𝑌 (𝑦) ={ 𝑦 + 𝑦 𝑠𝑖 0 < 𝑦 < 1
2
0 𝑠𝑖𝑛𝑜𝑛

Pour vérifier l’indépendance il faut vérifier si 𝑓𝑋 (𝑥)𝑓𝑌 (𝑦) = 𝑓𝑋,𝑌 (𝑥, 𝑦)

1 3 3 1 3 3
𝑓𝑋 (𝑥)𝑓𝑌 (𝑦) = (𝑥 + ) (𝑦 + 𝑦 2 ) = 𝑥𝑦 + 𝑥𝑦 2 + 𝑦 + 𝑦 2 ≠ 2𝑥𝑦 + 𝑦 2
2 2 2 2 4 2

Alors les deux variables aléatoires 𝑋 𝑒𝑡 𝑌 ne sont pas indépendantes.

5. Calcul de l’espérance conditionnelle 𝐸[𝑌 /𝑋 = 𝑥]

1 1 4𝑥𝑦+3𝑦 2 1 1
𝐸[𝑌 /𝑋 = 𝑥] = ∫0 𝑦𝑓𝑌 | 𝑋=𝑥 (𝑦) 𝑑𝑦 = ∫0 𝑦 𝑑𝑦 = 2𝑥+1 ∫0 4𝑥𝑦 2 + 3𝑦 3 𝑑𝑦 =
2𝑥+1
1 4 3 1 16𝑥+9
[ 𝑥𝑦 3 + 4 𝑦 4 ] = 12(2𝑥+1)
2𝑥+1 3 0

16𝑋+9
6. 𝑍 = 𝐸[𝑌/𝑋] = 12(2𝑥+1)

Calcul de 𝐸[𝑍]

1ère méthode : cette méthode a été proposée dans le corrigé type du concours
1 1 1
3 3
𝐸[𝑍] = 𝐸[𝐸[𝑌/𝑋] ] = 𝐸[𝑌] = ∫ 𝑦𝑓𝑌 (𝑦) 𝑑𝑦 = ∫ 𝑦 (𝑦 + 𝑦 2 ) 𝑑𝑦 = ∫ 𝑦 2 + 𝑦 3 𝑑𝑦
0 0 2 0 2
1
1 3 1 3 17
= [ 𝑦 3 + 𝑦4] = + =
3 8 0 3 8 24

2ème méthode :
1 1
16𝑋 + 9 16𝑥 + 9 16𝑥 + 9 2𝑥 + 1
𝐸[𝑍] = 𝐸 [ ]=∫ 𝑓𝑋 (𝑥) 𝑑𝑥 = ∫ 𝑑𝑥
12(2𝑥 + 1) 0 12(2𝑥 + 1) 0 12(2𝑥 + 1) 2
1
16𝑥 + 9 1 17
=∫ 𝑑𝑥 = [8𝑥 2 + 9𝑥]10 =
0 24 24 24
Concours 2018

Exercice 01 :

La répartition (en pourcentage %) des salariés d’une grande entreprise selon leur statut et leur
sexe est donnée par le tableau suivant :

Cadre supérieur Cadre Employé Tous statuts

Femmes 5% 25% 70% 39%

Hommes 9% 28% 63% 61%

I. On choisit au hasard un salarié, Quelle est la probabilité que ce salarié soit :


a. Un Homme ?
b. Un Cadre supérieur (Homme ou Femme)
II. Cinq salarié sont choisis au hasard parmi la population importante des salariés de cette
grande entreprise.

On note 𝑋 la variable aléatoire égale au nombre de Femmes parmi ces salariés choisis.

1. Déterminer la loi de 𝑋. En déduire son espérance et son écart-type.


2. Quelle est la probabilité que les salariés sont tous des Hommes ?
3. Quelle est la probabilité qu’il y est un seul Homme ou une seule Femme parmi les 05
salariés choisis.
III. Pour les fêtes de l’Aïd, 1000 salariés choisis au hasard reçoivent une invitation pour un
repas.
1. Quelle est la probabilité qu’au moins 70 cadres supérieurs reçoivent cette invitation ?

Note : On pourra considérer que les conditions d’approximation sont vérifiées pour la loi
Normale.

La table de loi Normale (centrée et réduite) nous donne les valeurs suivantes :

𝜙(0.1) = 0.5398; 𝜙(0.32) = 0.6255; 𝜙(0.53) = 0.7019

Correction :

On note :

𝐻: Hommes ; 𝐹: Femmes ; 𝐶: Cadre ; 𝐶𝑆: Cadre supérieur ; 𝐸: Employé.

I.
a. D’après le tableau, on déduit que 𝑃(𝐻) = 0.61.
b.
𝑃(𝐶𝑆) = 𝑃(𝐶𝑆 ∩ (𝐹 ∪ 𝐻)) = 𝑃((𝐶𝑆 ∩ 𝐹) ∪ (𝐶𝑆 ∩ 𝐻)) = 𝑃(𝐶𝑆 ∩ 𝐹) + 𝑃(𝐶𝑆 ∩ 𝐻)
= 𝑃(𝐶𝑆|𝐹)𝑃(𝐹) + 𝑃(𝐶𝑆|𝐻)𝑃(𝐻) = 0.05 × 0.39 + 0.09 × 0.61
= 0.0744
II. 𝑋 : « Le nombre de femmes parmi les 5 salariés choisis »
1. Puisque on a 5 salariés, alors le nombre de femmes sera compris entre 0 et 5. 𝑋(Ω) =
{0,1,2,3,4,5}

𝐹𝑒𝑚𝑚𝑒 𝑝 = 0.39
Si on observe la première salarié : 𝑆1 ∶ { alors 𝐾1 ~𝐵𝑒𝑟𝑛𝑜𝑢𝑙𝑖(𝑝 =
𝐻𝑜𝑚𝑚𝑒 1 − 𝑝 = 0.61
0.39)
̅̅̅̅
On peut obtenir, de la manière, que toutes les années 𝐾𝑖 ~𝐵𝑒𝑟𝑛𝑜𝑢𝑙𝑖(𝑝) 𝑎𝑣𝑒𝑐 𝑖 = 1,5
Puisque 𝑋 = ∑10
𝑖=1 𝐾𝑖 alors 𝑋~𝐵𝑖𝑛𝑜𝑚𝑖𝑎𝑙(𝑛 = 5, 𝑝 = 0.39)

𝐸[𝑋] = 𝑛𝑝 = 5 × 0.39 = 1.95

𝑉(𝑋) = 𝑛𝑝(1 − 𝑝) = 1.95 × 0.61 = 1.1895

𝜎(𝑋) = √𝑉(𝑋) = √1.1895 = 1.09

On a :

𝑃(𝑋 = 𝑘) = 𝐶5𝑘 (0.39)𝑘 (0.61)5−𝑘 , 𝑥 ∈ 𝑋(Ω)

2.

𝑃(𝑋 = 0) = 𝐶50 (0.39)0 (0.61)5 = 0.084

3.

𝑃((𝑋 = 1) ∪ (𝑋 = 4)) = 𝑃(𝑋 = 1) + 𝑃(𝑋 = 4)


= 𝐶51 (0.39)1 (0.61)4 + 𝐶54 (0.39)4 (0.61)1 = 0.3405

III. 𝑛 = 1000

𝑌 : « Le nombre de cadres supérieurs invitées ».

De la même manière que la variable 𝑋, on peut déduire que 𝑌~𝐵𝑖𝑛𝑜𝑚𝑖𝑎𝑙(𝑛, 𝑝) avec 𝑛 =


1000, 𝑝 = 0.0744.

𝑛 = 1000
Puisque { 𝑛𝑝 = 74.4 > 15 alors on approxime la loi de 𝑌 par une loi Normale
𝑛(1 − 𝑝) = 925.6 > 15

𝑌~𝑁𝑜𝑟𝑚𝑎𝑙(𝜇, 𝜎 2 ), avec 𝜇 = 𝑛𝑝 = 74.4 et 𝜎 2 = 𝑛𝑝(1 − 𝑝) = 68.865

1.

𝑌 − 74.4 70 − 74.4
𝑃(𝑌 ≥ 70) = 𝑃 ( ≥ ) = 𝑃(𝑇 ≥ −0.53) = 1 − 𝑃(𝑇 < −0.53)
8.298 8.298
= 1 − 𝜙(−0.53) = 1 − (1 − 𝜙(0.53)) = 𝜙(0.53) = 0.7019.

Exercice 02 :

Soit (𝑋, 𝑌) un couple de variables aléatoires de densité conjointe :


𝑒 −𝑥
𝐶
𝑓𝑋,𝑌 (𝑥, 𝑦) = { 𝑦 2 si 𝑥 > 0 et 𝑦 > 1
0 sinon

1. Déterminer la constante 𝐶.
2. Déterminer les lois marginales de 𝑋 et de 𝑌. les deux variables 𝑋 et 𝑌 sont-elles
indépendantes ?
3. Calculer 𝑃(𝑋 > 2, 𝑌 > 1)
4. Calculer la covariance 𝐶𝑜𝑣(𝑋, 𝑌)
5. Déterminer les densités marginales 𝑓𝑌|𝑋=𝑥 (𝑦) et 𝑓𝑋|𝑌=𝑦 (𝑥)

Correction :

𝑒 −𝑥
𝐶
𝑓𝑋,𝑌 (𝑥, 𝑦) = { 𝑦 2 si 𝑥 > 0 et 𝑦 > 1
0 sinon

1.

+∞ +∞ +∞ +∞
𝑒 −𝑥 1
∬ 𝑓𝑋,𝑌 (𝑥, 𝑦) 𝑑𝑥𝑑𝑦 = 1 ⇔ 𝐶 ∫ ∫ 2 𝑑𝑦𝑑𝑥 = 1 ⇔ 𝐶 ∫ 𝑒 −𝑥 (∫ 2 𝑑𝑦) 𝑑𝑥
ℝ2 𝑦 𝑦
0 1 0 1
+∞ +∞
−𝑥
1 +∞
=1 ⇔𝐶∫ 𝑒 [− ] 𝑑𝑥 = 1 ⇔ 𝐶 ∫ 𝑒 −𝑥 (−0 + 1) 𝑑𝑥 = 1
𝑦1
0 0
+∞

⇔ 𝐶 ∫ 𝑒 −𝑥 𝑑𝑥 = 1 ⇔ 𝐶[−𝑒 −𝑥 ]+∞
0 =1⇔𝑪=𝟏
0

D’où :

𝑒 −𝑥
𝑓𝑋,𝑌 (𝑥, 𝑦) = { 𝑦 2 si 𝑥 > 0 et 𝑦 > 1
0 sinon

2. Calcul des densités marginales.


+∞
a. La densité marginale de la variable 𝑋 : 𝑓𝑋 (𝑥) = ∫−∞ 𝑓𝑋,𝑌 (𝑥, 𝑦) 𝑑𝑦

+∞
−𝑥
1 −𝑥
1 +∞
𝑓𝑋 (𝑥) = 𝑒 ∫ 𝑑𝑦 = 𝑒 [− ] = 𝑒 −𝑥 (−0 + 1) = 𝑒 −𝑥
𝑦2 𝑦1
1

Ainsi,

𝑒 −𝑥 si 𝑥 > 0
𝑓𝑋 (𝑥) = {
0 sinon
+∞
b. La densité marginale de la variable 𝑌 : 𝑓𝑌 (𝑦) = ∫−∞ 𝑓𝑋,𝑌 (𝑥, 𝑦) 𝑑𝑥
+∞
1 1 1 1
𝑓𝑌 (𝑦) = 2 ∫ 𝑒 −𝑥 𝑑𝑥 = 2 [−𝑒 −𝑥 ]+∞
0 = 2 (−0 + 1) = 2
𝑦 𝑦 𝑦 𝑦
0

Ainsi,
1
si 𝑦 > 1
𝑓𝑌 (𝑦) = { 𝑦 2
0 sinon

Puisque le domaine 𝐷𝑋,𝑌 est rectangulaire alors, pour que les deux variables 𝑋 et 𝑌 soient
indépendantes, il faut que 𝑓(𝑥, 𝑦) = 𝑓𝑋 (𝑥)𝑓𝑌 (𝑦)

𝑒 −𝑥 1
𝑓(𝑥, 𝑦) = 2 = (𝑒 −𝑥 ) ( 2 ) = 𝑓𝑋 (𝑥)𝑓𝑌 (𝑦)
𝑦 𝑦

Ainsi, on en déduit que les deux variables 𝑋 et 𝑌 sont indépendantes.

3. Calcul
+∞ +∞

𝑃(𝑋 > 2, 𝑌 > 1) = 𝑃(𝑋 > 2) = ∫ 𝑓𝑋 (𝑥) 𝑑𝑥 = ∫ 𝑒 −𝑥 𝑑𝑥 = [−𝑒 −𝑥 ]+∞


2 = 𝑒 −2
2 2

4. Puisque les deux variables 𝑋 et 𝑌 sont indépendantes alors 𝐶𝑜𝑣(𝑋, 𝑌) = 0.


5. Puisque les deux variables 𝑋 et 𝑌 sont indépendantes alors :
1
si 𝑦 > 1
𝑓𝑌|𝑋=𝑥 (𝑦) = 𝑓𝑌 (𝑦) = 𝑓𝑌 (𝑦) = { 𝑦 2
0 sinon

𝑒 −𝑥 si 𝑥 > 0
𝑓𝑋|𝑌=𝑦 (𝑥) = 𝑓𝑋 (𝑥) = 𝑓𝑋 (𝑥) = {
0 sinon
Concours 2019

Exercice 01 : Un étudiant change les téléphones portables tous les ans, le jour de son
anniversaire. Il conserve toujours un téléphone une année entière. Si le téléphone tombe en
panne dans l’année, il le fait réparer et change tout de même de téléphone à la date prévue. On
suppose que la probabilité qu’un téléphone portable tombe en panne dans l’année est 𝑝. On
suppose aussi qu’un téléphone ne peut pas subir plus d’une panne dans son année de possession
par l’étudiant.

On note 𝑋 la variable aléatoire « nombre de téléphones tombées en panne dans les dix premières
années ».

1. Quelle loi suit la variable aléatoire 𝑋.


2. Donner la probabilité que l’étudiant ait 5 pannes de portables sur les dix premières
années.
3. Donner l’espérance et la variance de 𝑋.

On suppose qu’un nouveau téléphone portable coûte 10000 DA. Lors de l’achat l’étudiant peut
l’assurer pour 1000 DA auquel cas le portable sera réparé gratuitement (pendant un an). Si le
portable n’est pas assuré, le coût d’une réparation est de 5000 DA. On note 𝑌 la variable
aléatoire « montant dépensé par l’étudiant en téléphonie s’il ne s’assure jamais sur les dix
premières années » (on compte donc dans 𝑌 l’achat des téléphones ainsi que les réparations
éventuelles).

4. Exprimer 𝑌 en fonction de 𝑋. Donner 𝑌(Ω) et la loi de 𝑌.


5. Combien dépensera l’étudiant en téléphonie les dix premières années s’il assure tous
ses téléphones ?
6. Pour quelles valeurs de 𝑝 est-il préférable d’assurer ses téléphones ?

On s’intéresse maintenant à la première panne de téléphone que connait l’étudiant. On note 𝑍


la variable aléatoire donnant l’année pendant laquelle l’étudiant subit sa première panne
téléphonique, en numérotant les année de 1 pour l’année d’achat du premier téléphone.

7. Quelle loi suit la variable aléatoire 𝑍.


8. Donner la probabilité que la première panne que subit l’étudiant soit sur son troisième
portable.

Solution :

On note 𝑋 la variable aléatoire « nombre de téléphones tombés en panne dans les dix premières
années ».

1. La loi de la variable aléatoire 𝑋 :

Puisque on a 10 années, alors le nombre de fois ou le téléphone va tomber en panne sera compris
entre 0 et 10. 𝑋(Ω) = {0,1,2,3,4,5,6,7,8,9,10}

𝑡é𝑙é𝑝ℎ𝑜𝑛𝑒 𝑡𝑜𝑚𝑏𝑒 𝑒𝑛 𝑝𝑎𝑛𝑛𝑒 𝑝


Si on observe la première année : 𝐾1 ∶ { alors
𝑝𝑎𝑠 𝑑𝑒 𝑝𝑎𝑛𝑛𝑒 1−𝑝
𝐾1 ~𝐵𝑒𝑟𝑛𝑜𝑢𝑙𝑖(𝑝)
On peut obtenir, de la manière, que toutes les années 𝐾𝑖 ~𝐵𝑒𝑟𝑛𝑜𝑢𝑙𝑖(𝑝) 𝑎𝑣𝑒𝑐 𝑖 = ̅̅̅̅̅̅
1,10
10
Puisque 𝑋 = ∑𝑖=1 𝐾𝑖 alors 𝑋~𝐵𝑖𝑛𝑜𝑚𝑖𝑎𝑙(10, 𝑝)
2. La probabilité qu’un étudiant ait 5 pannes de téléphones portables sur les dix premières
années
5 5 (1
𝑃(𝑋 = 5) = 𝐶10 𝑝 − 𝑝)5
3. Espérance et variance de 𝑋
𝐸[𝑋] = 𝑛𝑝 = 10𝑝
𝑉(𝑋) = 𝑛𝑝(1 − 𝑝) = 10𝑝(1 − 𝑝)

4. L’étudiant achète 10 téléphones alors il dépense 100000 DA pour les achats et il dépense
5000 DA pour chaque réparation, ce qui implique qu’il dépense 5000𝑋 (𝑋 est le nombre de
réparations effectuées sur les dix années) alors : 𝑌 = 100000 + 5000𝑋

On peut déduire que

𝑌(Ω)
= {100000,105000,110000,115000,120000,125000,130000,135000,14000,145000,150000}

Pour déterminer la loi de 𝑌, on utilise le fait que 𝑌 est un changement de variable de la variable
𝑋.
𝑘 𝑘 (1
Alors : 𝑃(𝑌 = 100000 + 5000𝑘) = 𝑃(𝑋 = 𝑘) = 𝐶10 𝑝 − 𝑝)10−𝑘 pour 𝑘 ∈ {0,1, … ,10}

5. La dépense de l’étudiant s’il assure tous ses téléphones sur les dix ans sera de 10 ∗
(10000 + 1000) alors une dépense de 110000 𝐷𝐴.
6. Il est préférable d’assurer ses téléphones si le montant moyen des dépenses en téléphonie
sans assurances est supérieur au montant des dépenses avec assurances :

𝐸[𝑌] ≥ 𝐸[110000] ⇒ 𝐸[100000 + 5000𝑋] ≥ 110000 ⇒ 100000 + 5000𝐸[𝑋]


10000
≥ 110000 ⇒ 5000(10𝑝) ≥ 10000 ⇒ 𝑝 ≥
50000
Alors 𝑝 ≥ 0.2. Il vaut donc assurer son téléphone si la probabilité de panne est supérieure à
20%.

7. Puisque la panne représente « le succès », alors 𝑍 représente la date du premier succès.


La probabilité de panne étant fixe, 𝑍 suit une loi géométrique de paramètre 𝑝. 𝑍~𝑔(𝑝)

𝑃(𝑍 = 𝑘) = 𝑝(1 − 𝑝)𝑘−1 , 𝑘 ≥ 1

𝑃(𝑍 = 3) = 𝑝(1 − 𝑝)3−1 = 𝑝(1 − 𝑝)2

Exercice 02 :

Soit 𝑓 la fonction définie par :

6
(𝑥 + 𝑦 2 ) si 𝑥 ∈ [0,1] et 𝑦 ∈ [0,1]
𝑓(𝑥, 𝑦) = { 5
0 sinon

1. Montrer que la fonction 𝑓 est une densité de probabilité.


2. Soit (𝑋, 𝑌) un couple de variables aléatoires de densité de probabilité 𝑓. Calculer les
densités marginales de 𝑋 et de 𝑌.
3. 𝑋 et 𝑌 sont-elles indépendantes ?
4. Calculer 𝐸[𝑋], 𝐸[𝑌], 𝐸[𝑋𝑌].
5. Déduire la covariance de 𝑋 et 𝑌.

Correction :

6
(𝑥 + 𝑦 2 ) si 𝑥 ∈ [0,1] et 𝑦 ∈ [0,1]
𝑓(𝑥, 𝑦) = { 5
0 sinon

6. Pour que 𝑓 soit une densité de probabilité il faut que :


c. ∀𝑥 ∈ ℝ, ∀𝑦 ∈ ℝ: 𝑓(𝑥, 𝑦) ≥ 0.
d. ∬ℝ2 𝑓(𝑥, 𝑦) 𝑑𝑥𝑑𝑦 = 1

On remarque que 𝑓(𝑥, 𝑦) ≥ 0, ∀𝑥 ∈ ℝ, ∀𝑦 ∈ ℝ.

+∞ +∞ 1 1 1
1
6 6 1
∫ ∫ 𝑓(𝑥, 𝑦) 𝑑𝑥𝑑𝑦 = ∫ (∫(𝑥 + 𝑦 2 ) 𝑑𝑥) 𝑑𝑦 = ∫ ([ 𝑥 2 + 𝑥𝑦 2 ] ) 𝑑𝑦
5 5 2 0
−∞ −∞ 0 0 0
1
1
6 1 6 1 1 6 1 1 6 5
= ∫ ( + 𝑦 2 ) 𝑑𝑦 = [ 𝑦 + 𝑦 3 ] = ( + ) = ( ) = 1
5 2 5 2 3 0 5 2 3 5 6
0

Ainsi, on conclut que la fonction 𝑓 est bien une densité de probabilité.

7. Calcul des densités marginales.


+∞
c. La densité marginale de la variable 𝑋 : 𝑓𝑋 (𝑥) = ∫−∞ 𝑓(𝑥, 𝑦) 𝑑𝑦

1
6 2
6 1 31 6 1
𝑓𝑋 (𝑥) = ∫(𝑥 + 𝑦 ) 𝑑𝑦 = [𝑥𝑦 + 𝑦 ] = (𝑥 + )
5 5 3 0 5 3
0

Ainsi,

6 1
𝑓𝑋 (𝑥) = {5 (𝑥 + 3) si 𝑥 ∈ [0,1]
0 sinon
+∞
d. La densité marginale de la variable 𝑌 : 𝑓𝑌 (𝑦) = ∫−∞ 𝑓(𝑥, 𝑦) 𝑑𝑥
1
1
6 6 1 2 6 1
𝑓𝑌 (𝑦) = ∫(𝑥 + 𝑦 ) 𝑑𝑥 = [ 𝑥 + 𝑥𝑦 ] = ( + 𝑦 2 )
2 2
5 5 2 0 5 2
0

Ainsi,

6 2 1
𝑓𝑌 (𝑦) = {5 (𝑦 + 2) si 𝑦 ∈ [0,1]
0 sinon
8. Puisque le domaine 𝐷𝑋,𝑌 est rectangulaire alors, pour que les deux variables 𝑋 et 𝑌
soient indépendantes, il faut que 𝑓(𝑥, 𝑦) = 𝑓𝑋 (𝑥)𝑓𝑌 (𝑦)

6 6 1 6 1
𝑓(𝑥, 𝑦) = (𝑥 + 𝑦 2 ) ≠ ( (𝑥 + )) ( (𝑦 2 + )) = 𝑓𝑋 (𝑥)𝑓𝑌 (𝑦)
5 5 3 5 2
Ainsi, on en déduit que les deux variables 𝑋 et 𝑌 ne sont pas indépendantes

9. Calcul

+∞

𝐸[𝑋] = ∫ 𝑥𝑓𝑋 (𝑥) 𝑑𝑥


−∞

1 1
6 1 6 2
1 6 1 3 1 2 1 6 1 1 6 3
𝐸[𝑋] = ∫ 𝑥 (𝑥 + ) 𝑑𝑥 = ∫ (𝑥 + 𝑥) 𝑑𝑥 = [ 𝑥 + 𝑥 ] = ( + ) = ( )
5 3 5 3 5 3 6 0 5 3 6 5 6
0 0
3
=
5


+∞

𝐸[𝑌] = ∫ 𝑦𝑓𝑌 (𝑦) 𝑑𝑦


−∞
1 1
6 2
1 6 3
1 6 1 4 1 21 6 1 1
𝐸[𝑌] = ∫ 𝑦 (𝑦 + ) 𝑑𝑦 = ∫ (𝑦 + 𝑦) 𝑑𝑥 = [ 𝑦 + 𝑦 ] = ( + )
5 2 5 2 5 4 4 0 5 4 4
0 0
6 1 3
= ( )=
5 2 5
 F
+∞ +∞

𝐸[𝑋𝑌] = ∫ ∫ 𝑥𝑦𝑓(𝑥, 𝑦) 𝑑𝑥𝑑𝑦


−∞ −∞

1 1 1 1
6 6
𝐸[𝑋𝑌] = ∫ 𝑦 (∫ 𝑥(𝑥 + 𝑦 2 ) 𝑑𝑥) 𝑑𝑦 = ∫ 𝑦 (∫(𝑥 2 + 𝑥𝑦 2 ) 𝑑𝑥) 𝑑𝑦
5 5
0 0 0 0
1 1
6 1 3 1 2 21 6 1 1
= ∫ 𝑦 ([ 𝑥 + 𝑥 𝑦 ] ) 𝑑𝑦 = ∫ 𝑦 ( + 𝑦 2 ) 𝑑𝑦
5 3 2 0 5 3 2
0 0
1
1
6 1 1 6 1 1 6 1 1 6 7 7
= ∫ ( 𝑦 + 𝑦 3 ) 𝑑𝑦 = [ 𝑦 2 + 𝑦 4 ] = ( + ) = ( ) =
5 3 2 5 6 8 0 5 6 8 5 24 20
0

10. Déduire 𝑐𝑜𝑣(𝑋, 𝑌)

7 3 3 7 9 1
𝑐𝑜𝑣(𝑋, 𝑌) = 𝐸[𝑋𝑌] − 𝐸[𝑋]𝐸[𝑌] = − × = − =−
20 5 5 20 25 100