Consulter la page

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 ?

1. Disposition non ordonnée sans répétition (des médicaments) de 4 parmi

n!
15 médicaments ⇒ (combinaison : C n =
p
)
p! (n − p )!
M : médicament
Disposition non ordonnée: (M1,M2,M3,M4) = (M2,M1,M3,M4)
(Doliprane, Magnésium, vitamine D, vitamine C) est le même que
(Magnésium, Doliprane, vitamine D, vitamine C) : l’ordre n’est pas important
Sans répétition : pas de répétition des médicaments :
(Magnésium ≠ Doliprane ≠ vitamine D ≠ vitamine C)

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

Un coffre à code de 4 chiffres. Combien de possibilités de choisir un

code ?

1. Disposition ordonnée avec répétition des 4 chiffres parmi 10 chiffres

= np
p
(de 0 à 9) : C’est un arrangement avec répétition A
n

Disposition ordonnée: un code 5142 est différent de 5412 ce qui

montre que l’ordre est important

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

Il y a 10000 mots possibles.

Exercice 3

Un groupe est constitué de 7 femmes et 3 hommes. On va choisir un

ensemble de 4 personnes pour occuper quatre différents postes d’une
entreprise.
1. Combien de dispositions possibles ?
2. Calculer le nombre de dispositions si on choisit deux hommes et deux
femmes pour les quatre différents postes?
1. Explication:
Disposition ordonnée :
Quatre différents postes (poste1 ≠ poste2 ≠ poste3 ≠ poste4)
Le groupe (homme1, homme3, homme2, femme3) est différent au groupe
(homme1, homme3, femme3, homme2) même si les personnels sont les
mêmes les groupes sont différents : postes sont différents.
Exemple : postes : Ingénieur – Ouvrier – Magasinier - Gérant
Groupe1 : ADIL JAMAL RACHID FATIMA
Groupe2 : ADIL JAMAL FATIMA RACHID
Les groupes sont différents car RACHID est Magasinier dans groupe 1 et
un Gérant dans groupe 2 :

Sans répétition : chaque personne va occuper un seul poste

Disposition ordonnée et Sans répétition de p=4 personnes (poue les

Quatre différents postes) obtenues à partir de n=10 personnes (7
femmes + 3 hommes) : C’est un arrangement sans répétition
n!
de p=4 parmi n=10, An =
p

( n − p )!

10!
A104 =
(10 − 4)!

3
 10! 10 × 9 × 8 × 7 × 6!
A104 = = = 10 × 9 × 8 × 7 = 5040
(10 − 4)! 6!

Méthode 2: le principe de multiplication :

poste1 poste2 poste3 poste4

10 Choix 9 Choix 8 Choix 7 Choix

A104 = 10 × 9 × 8 × 7 = 5040

2. le nombre de dispositions si on choisit deux hommes et deux femmes,

est :
C’est l’arrangement aussi sans répétition de p=2 parmi n=3 hommes: A32
multiplié par l’arrangement sans répétition de p=2 parmi n=7 femmes: A72

3! 7! 3! 7!
A32 × A72 = × = × = 3 × 2 × 7 × 6 = 252
(3 − 2)! (7 − 2)! 1! 5!

Méthode 2: le principe de multiplication :

deux hommes et deux femmes

homme homme femme femme

poste1 poste2 poste3 poste4

3 Choix 2 Choix 7 Choix 6 Choix

A32 × A72 = 3 × 2 × 7 × 6 = 252

Exercice 4

Soient A et B deux événements tels que P ( A) = 0,5 et P ( A ∪ B ) = 0,9

1. Calculer P(B) supposant que A et B soient incompatibles.

2. Calculer P(B) si A et B sont indépendants. .
3. Calculer P(B) supposant que l’ensemble A est inclus dans l’ensemble B.

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

Trois Machines M1, M2 et M3 fabriquent de disques, Ils produisent 60 %,

30 % et 10% % respectivement.
respectivement Les pourcentages de commandes conformes
sont : 95 % pour les disques de M1, 96 % pour de M2 et 98 % de M3.
On prélève un disque.
1. Quelle est la probabilité qu’il soit conforme ?
2. Quelle est la probabilité qu’il soit non conforme ?
3. Sachant que le disque présente un défaut, quelle est la probabilité
qu’il soit du type M2?

1. La probabilité qu’il soit conforme : P(C)

On utilise la loi de bayes
L’arbre de probabilité

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

Le disque est conforme : Il provient à la fois de Trois Machines M1, M2 et M3

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 )

2. la probabilité qu’il soit non conforme :

P (C ) + P ( NC ) = 1
P ( NC ) = 1 − P (C ) = 1 − 0,956 = 0,044

3. la probabilité qu’il soit du type M2, sachant que le disque présente un

défaut :

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

Dans une production, il y a deux Chaînes: la deuxième chaîne produit 60%

des produits avec 3% de produits défectueux et l’autre machine assure la
production avec 95% de produits non défectueux.

1. Construire l’arbre de probabilité

2. Quelle est la probabilité de produits défectueux.
3. Quelle est la probabilité que le produit de la chaîne 1 soit
défectueux.
1. l’arbre de probabilité

Soit C1 l’événement « Produits de la chaîne 1 » P(C1) = 0,4

Soit C2 l’événement « Produits de la chaîne 2 » P(C2) = 0,6

Soit N l’événement « produits non défectueux. »

Soit D l’événement « produits non défectueux. »

P(D/C1)=0,05 C1∩D

C1
P(C1)=0,4 P(N/C1)=0,95

C1∩N

C2∩D

P(C2)=0,6 P(D/C2)= 0,03

0
C2
C2∩N
P(N/C2)= 0,97
2. la probabilité de produits défectueux

P( D) = P(C1 ∩ D) + P(C 2 ∩ D) = P( D ∩ C1) + P( D ∩ C 2)

P( D) = P( D / C1) P(C1) + P( D / C 2) P(C 2)
P( D ) = 0,05 × 0,4 + 0,03 × 0,6 = 0,038

NB: P (Ci ∩ D ) = P ( D ∩ Ci )

3. la probabilité pour que le produit de la chaîne 1 soit défectueux.

P(C1 ∩ D ) P( D / C1).P(C1) 0,05 × 0,4

p(C1 / D ) = = = ≈ 0,526 .
P( D ) P( D ) 0,038

7
Exercice 7

Une urne contient 12 boules indiscernables au toucher, deux d'entre elles

portent le numéro 1, quatre boules portent le numéro 2, les autres portent
le numéro 3.
On va extraire au hasard une boule de l'urne puis on va noter son numéro.
La variable aléatoire X correspond au numéro des boulles tirées.
1. Déterminer la loi de probabilité de X ?
2. Calculer l’espérance et la variance de X ?

1. La loi de probabilité de X

nombre des boules qui portent le numéro 1 2

P(1) = =
nombre total des boules 12

P(1)= 2/12, P(2)= 4/12 et P(3)= n/12

Nous avons 12 boules= 2 (boule N°1) +4 (boule N°2) + n (boule N°3) donc
12=2+4+n alors n=12-2-4=6

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

La probabilité d’obtenir un 2 pour un dé cubique non équilibré, est 1/8. On

appelle succès l’événement « obtenir 2 » et échec « obtenir un nombre
différent de 2 ».
Cette expérience suit une loi de Bernoulli.
1. la loi de probabilité de x :
La variable aléatoire x soit une loi de Bernoulli de paramètre p : B(p)
p est la probabilité de l’événement « obtenir 2 » p=1/8
La loi de Bernoulli B (1/8), et p+q=1
q=1-p=7/8
Xi 1 0
Pi 1/8 7/8

2. l’espérance :
E=p=1/8
3. Calculer La variance :
V=pq= 1/8 x 7/8= 7/64

Une expérience consiste à lancer trois fois le dé.

On est bien en présence d'un schéma de Bernoulli à 3 épreuves (loi de
Bernoulli répétée n=3 fois), la probabilité d'un succès (obtenir le 2 avec
p=1/8)
Donc La variable aléatoire X soit une loi binomiale de paramètre n et p :
B(n,p)
Avec n=3 et p=1/8: B (3, 1/8)

4. Déterminer la loi de probabilité de X?

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

 1 8  8 8 8

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

La masse en gramme des pommes est modélisée par une variable

aléatoire X qui suit une loi uniforme sur l'intervalle [160;200]
1. Déterminer la fonction de densité de probabilité

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) La fonction de densité de probabilité

La variable aléatoire X suit une loi uniforme dans le domaine [160 , 200].
[a=160 , b=200].
 1  1
 b − a si a ≤ x ≤ b  200 − 160 si 160 ≤ x ≤ 200
f X ( x) =  f X ( x) = 
 
0 sinon 0 sinon

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

a+b 160 + 200

E( X ) = E( X ) = = 180
2 2

V (X ) =
(b − a )2
V (X ) =
(b − a)
2
=
(200 − 160 )
2
=
1600
≈ 133,33
12 12 12 12

4) Calculer la probabilité P (100 ≤ X ≤ 180)

−∞ 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. Déterminer la fonction densité de X ?

2. Déterminer la fonction de répartition de la variable aléatoire X ?
3. Quelle est la probabilité qu’un client attende entre 10 et 20 minutes ?

La variable aléatoire suit la loi exponentielle de paramètre λ = 0,1

1) La densité de probabilité de X

λe − λx si x > 0  0 . 1e − 0.1 x si x > 0

 
f ( x) =  et λ = 0,1 ⇒ f ( x) = 
0 si x ≤ 0 0 si x ≤ 0
 

2) c de la variable aléatoire :

1 − e − λx si x > 0 1 − e −0.1 x si x > 0

 
F ( x) =  ⇒ F ( x) = 
0 si x ≤ 0 0 si x ≤ 0
 

3) la probabilité qu’un client attende entre 10 et 20 minutes :

La probabilité P (10 ≤ X ≤ 20) :

−∞ 0 +∞

densité f(x) = 0 f(x) = 0.1 e − 0.1 x

12
repartition F(x) = 0 F(x) = 1 − e − 0.1 x
Méthode avec la fonction de répartition :

P (10 ≤ X ≤ 20 ) = F (20 ) − F (10 ) =

20 20
∫ 10
0 . 1e − 0 .1 x dx = − e − 0 .1 x
10

P (10 ≤ X ≤ 20 ) = (1 − e − 0 . 1 × 20
) − (1 − e − 0 . 1 × 10
)= e − .1
−e − .2
= 0 , 368 − 0 ,135 = 0 , 233

Méthode avec la densité de probabilité :

20 20
P (10 ≤ X ≤ 20 ) = ∫10
0 . 1e − 0 .1 x dx = − e − 0 .1 x
10

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.

1) Calculer la probabilité des paquets acceptés :

Un paquet est accepté lorsque sa masse est entre 450g et 550g.
450 ≤ X ≤ 550
La probabilité des paquets acceptés :
X suit la loi normale de moyenne 500g et d’écart-type 10 g.
µ = 500g σ = 20 g

X ~ N (µ ; σ ) X ~ N (500 ; 10)
Le Théorème central limite (TCL) :
Passage de La loi normale vers La loi normale centrée réduite

450 − 500 X − µ 550 − 500

P ( 450 ≤ X ≤ 550) = P ( ≤t= ≤ )
20 σ 20
= P ( −2,5 ≤ T ≤ 2,5) = P (1,25) − P ( −1,25)
Avec P ( −T ) = 1 − P (T )
P( 450 ≤ X ≤ 550) = P( −2,5 ≤ T ≤ 2,5) = P(T ≤ 2,5) − (1 − P (T ≤ −2,5) )
P( 450 ≤ X ≤ 550) = 2 × P(T ≤ 2,5) − 1
P( 450 ≤ X ≤ 550) = 2 × π ( 2,5) − 1

D’après la table de la loi normale π ( 2,5) = 0,8944

13
P ( 450 ≤ X ≤ 550) = 2 × 0.9938 − 1 = 0.9876

2) Calculer la probabilité des paquets : P (515 ≤ X ≤ 550)

550 − 515 X − µ 550 − 500
P (515 ≤ X ≤ 550) = P ( ≤t = ≤ )
20 σ 20
P (515 ≤ X ≤ 550) = P (0,75 ≤ T ≤ 2,5) = P (T ≤ 2,5) − P (0,75)
P (515 ≤ X ≤ 550) = 0.9938 − 0.7734 = 0.2204

D’après la table de la loi normale π ( 2,5) = 0,8944

π (0,75) = 0,7734 π (2,5) = 0,9938 Intersection entre 2.5 et 0.00

Intersection entre 0.7 et 0.05
0.0

14
15