Académique Documents
Professionnel Documents
Culture Documents
https://www.facebook.com/ecours/
2020/2021
1
Exercice 1
Pour tester l’efficacité d’un groupe de 4 médicaments, on a choisi 4 parmi
15 médicaments.
1. Combien y a-t-il de groupes possibles ?
n!
=
p
C ⇒
n
p!( n − p )!
4 15! 15 × 14 × 13 × 12 × 11!
C = =
15
4! (15 − 4 )! 4!×11!
4 15! 15 × 14 × 13 × 12
C = = = 1365 groupes
15
4! (15 − 4 )! 4!
Exercice 2
2
Avec répétition: On peut trouver des codes avec des chiffres
répétés : Dans le code (1211) le 1 est répété 3 fois
Dans le code (1331) le 1 est répété 2 fois et le 3 est répété 2 fois
Dans le code (7777) le 7 est répété 4 fois.
Disposition ordonnée avec répétition de p=4 chiffres parmi n=10
chiffre :
= np
p
A n
4
A 10
= 10 4
Exercice 3
( n − p )!
10!
A104 =
(10 − 4)!
3
10! 10 × 9 × 8 × 7 × 6!
A104 = = = 10 × 9 × 8 × 7 = 5040
(10 − 4)! 6!
A104 = 10 × 9 × 8 × 7 = 5040
3! 7! 3! 7!
A32 × A72 = × = × = 3 × 2 × 7 × 6 = 252
(3 − 2)! (7 − 2)! 1! 5!
Exercice 4
4
1. A et B sont incompatibles implique que P ( A ∩ B ) = 0
P( A ∪ B ) = P( A) + P( B ) − P( A ∩ B )
P( A ∪ B ) = P( A) + P( B )
P( B ) = P( A ∪ B ) − P( A)
P( B ) = 0,9 − 0,5 = 0,4
2. A et B sont indépendants :
P( A ∩ B)
si P( A / B ) = P( A) =
P( B)
ou si P( A ∩ B ) = P ( A) × P ( B )
P( A ∪ B ) = P( A) + P ( B ) − P ( A ∩ B ) = P ( A) + P ( B ) − P ( A) × P (B )
P( A ∪ B ) = P( A) + P ( B )(1 − P ( A) )
P( A ∪ B ) − P ( A) 0,9 − 0,5 0,4
P( B ) = = = = 0,8
(1 − P( A) ) 1 − 0,5 0,5
3. L’ensemble A est inclus dans l’ensemble B implique que P ( A ∩ B ) = P ( A)
P ( A ∪ B ) = P ( A) + P ( B ) − P ( A ∩ B ) = P ( A) + P ( B ) − P ( A)
P( A ∪ B ) = P( B )
P ( B ) = 0,9
Exercice 5
5
P(C/Mi) + P(NC/Mi) =1
P(C/M1)=0.95
P(M1)=0.60
P(NC/M1)=0.05
P(C/M2)=0.96
P(M2)=0.30
P(NC/M2)=0.04
P(C/M3)=0.98
P(M3)=0.10
P(NC/M3)=0.02
P(C ) = P(C ∩ M 1) + P (C ∩ M 2) + P (C ∩ M 3)
P(C ) = P( M 1) P(C | M 1) + P( M 2) P (C | M 2) + P ( M 3) P (C | M 3)
P(C ) = 0.6 × 0.95 + 0.3 × 0.96 + 0.1 × 0.98 = 0.57 + 0.288 + 0.098 = 0,956
P (C ∩ Mi )
NB : P(C | Mi ) = ⇒ P (C ∩ Mi ) = P ( Mi ) P (C | Mi )
P ( Mi )
P (C ) + P ( NC ) = 1
P ( NC ) = 1 − P (C ) = 1 − 0,956 = 0,044
P( NC ∩ M 2) P( M 2) P( NC | M )
P( M 2 | NC ) = =
P( NC ) P ( NC )
0.3 × 0.04
P( M 2 | NC ) = ≈ 0,2727
0,044
6
Exercice 6
P(D/C1)=0,05 C1∩D
C1
P(C1)=0,4 P(N/C1)=0,95
C1∩N
C2∩D
NB: P (Ci ∩ D ) = P ( D ∩ Ci )
7
Exercice 7
1. La loi de probabilité de X
X 1 2 3
P(X) 2/12 4/12 6/12
2. L’espérance et la variance de X
n =3
L’espérance
E(X) = µ = ∑ pi x i = p1x1 + p2 x 2 ......... + pn x n
1
2 4 6
E(X) = µ = 1 × + 2 × + 3×
12 12 12
2 + 8 + 18 28 7
E(X) = µ = = =
La variance 12 12 3
n n
V(X) = ∑ pi x i − µ 2 ou V(X) = ∑ pi (x i − µ )
2 2
1 1
4
2 4 6
∑px = 12 × + 2 2 × + 32 ×
2
i i
1 12 12 12
4
1× 2 + 4 × 4 + 9 × 6
∑px =
2
i i
1 12
4
2 + 16 + 54 72
∑px = = =6
2
i i
1 12 12
4
7 18 − 7
V(X) = ∑ pi x i − µ 2 = 6 − =
2
1 3 3
11
V(X) =
3
8
Exercice 8
2. l’espérance :
E=p=1/8
3. Calculer La variance :
V=pq= 1/8 x 7/8= 7/64
n n n!
P( X = k ) = p k (1 − p )
n−k
et = C n =
k
k k p! × (n − k )!
0 3 3
1 1 7
P( X = 0) = ×
3
1 − = 1 × 1 × ≈ 0.6699
0 8 8 8
1 2 1 2
1 1 1 7
P( X = 1) = × 1 − = 3 × × = 0.2871
3
3 2 1
1 1 1 7
P( X = 2) = × 1 − = 3 × × = 0.0410
3
2 8 8 8 8
3 0 3
1 1 1
P( X = 3) = × 1 − = 1 × × 1 ≈ 0.0020
3
3 8 8 8
9
NB : a 0 = 1
La loi de probabilité de X :
Xi 0 1 2 3
Pi 0.6699 0.2871 0.0410 0.0020
∑ Pi = 1
5. Calculer l’espérance ?
1
E = np = 3 × = 0,375
8
6. Calculer La variance ?
1 7 21
V = npq = 3 × × = ≈ 0,328
8 8 64
Exercice 9
10
2. Déterminer la fonction de répartition
3. Calculer l’espérance et la variance
4. Calculer la probabilité d’une masse comprise entre 100 et 180g
1
40 si 160 ≤ x ≤ 200
f X ( x) =
0 sinon
2) La fonction de répartition
1 si x > 200
1 si x>b
x − 160 si 160 ≤ x ≤ 200
x −a si a≤x≤b ⇒ F ( x) =
F ( x) = 40
b − a
0 x < 160
0 si
si x<a
3) L’espérance et la variance
V (X ) =
(b − a )2
V (X ) =
(b − a)
2
=
(200 − 160 )
2
=
1600
≈ 133,33
12 12 12 12
−∞ 160 200 +∞
1
f(x) = 0 f(x) = f(x) = 0
40
180 160 180 1
P (100 ≤ X ≤ 180 ) = ∫
100
f ( x )dx = ∫100
0 dx + ∫
160 40
dx
180
1 180 160 20 1
P (100 ≤ X ≤ 180 ) = x = − = =
40 160 40 40 40 2
11
Ou on utilise
se la fonction de repartition : 1 si x > 200
x − 160 si 160 ≤ x ≤ 200
x − 160 ⇒ F ( x) =
On utilise F(X) = dans ce domaine : 40
200
0 x < 160
180 160 180 1 si
P(100 ≤ X ≤ 180) = ∫ f ( x )dx = ∫ 0 dx + ∫ dx
100 100 160 40
180
x − 10 180 − 160 160 − 160 20 − 0 20 1
P(100 ≤ X ≤ 180) == F (180) − F (160) = = − = = =
40 160 40 40 40 40 2
Exercice 10
On modélise Le temps d’attente en minutes dans une agence par une variable
aléatoire X qui suit une loi exponentielle de paramètre λ=0,1.
1) La densité de probabilité de X
2) c de la variable aléatoire :
−∞ 0 +∞
P (10 ≤ X ≤ 20 ) = (1 − e − 0 . 1 × 20
) − (1 − e − 0 . 1 × 10
)= e − .1
−e − .2
= 0 , 368 − 0 ,135 = 0 , 233
P (10 ≤ X ≤ 20 ) = − e − 0 . 1 × 20
− (− e − 0 . 1 × 10
)= e − .1
− e − .2 = 0 , 368 − 0 ,135 = 0 , 233
b b
NB : ∫ λe −λx dx = − e −λx a
a
Exercice 11
Une machine remplit des paquets de sucre dont la masse est exprimé en
gramme. On appelle X la variable aléatoire qui associe la masse exprimée.
Ce variable aléatoire suit la loi normale d’espérance 500 g et d’écart-type
20 g.
Un paquet est dit hors norme lorsque sa masse est inférieure à 450g ou
supérieur à 550g.
X ~ N (µ ; σ ) X ~ N (500 ; 10)
Le Théorème central limite (TCL) :
Passage de La loi normale vers La loi normale centrée réduite
13
P ( 450 ≤ X ≤ 550) = 2 × 0.9938 − 1 = 0.9876
14
15