Vous êtes sur la page 1sur 16

Exercices Corrigés sur les variables aléatoires continues

Exercice 1 : Soit 𝑓 la fonction définie par :

0 , 𝑥 < −1 𝑜𝑢 𝑥 ≥ 1
𝑓(𝑥) = { 𝑥 + 1 , −1≤𝑥 <0
−𝑥 + 1 , 0≤𝑥<1

1- Montrer que 𝑓 est une densité de probabilité.


2- Soit 𝑋 une variable aléatoire de densité 𝑓. Déterminer la fonction de répartition F de
𝑋
3- Déterminer 𝐸(𝑋) 𝑒𝑡 𝑉(𝑋).

Solution :

1- 𝑓𝑋 (𝑥) ≥ 0, ∀𝑥 ∈ ℝ
+∞ −1 0 1 +∞
∫ 𝑓(𝑥)𝑑𝑥 = ∫ 0𝑑𝑥 + ∫ (𝑥 + 1)𝑑𝑥 + ∫ (−𝑥 + 1)𝑑𝑥 + ∫ 0𝑑𝑥 =
−∞ −∞ −1 0 1

0 1
𝑥2 𝑥2 1 1 1 1
= [ + 𝑥] + [− + 𝑥] = − ( − 1) + (− + 1) = + = 1
2 −1
2 0
2 2 2 2
𝑜𝑛 𝑐𝑜𝑛𝑐𝑙𝑢𝑡 𝑞𝑢𝑒 𝑓 𝑒𝑠𝑡 𝑢𝑛𝑒 𝑑𝑒𝑛𝑠𝑖𝑡é 𝑑𝑒 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑡é
𝑥
2- 𝐹𝑋 (𝑥) = ∫−∞ 𝑓(𝑡)𝑑𝑡

𝑠𝑖 𝑥 < −1: 𝐹(𝑥) = 0


−1 𝑥 𝑥2 1
𝑠𝑖 − 1 ≤ 𝑥 < 0 ∶ 𝐹(𝑥) = ∫−∞ 0𝑑𝑥 + ∫−1(𝑡 + 1)𝑑𝑡 = +𝑥+2
2

−1 0 𝑥
−𝑥 2 1
𝑠𝑖 0 ≤ 𝑥 < 1 ∶ 𝐹(𝑥) = ∫ 0𝑑𝑥 + ∫ (𝑡 + 1)𝑑𝑡 + ∫ (−𝑡 + 1)𝑑𝑥 = +𝑥+
−∞ −1 0 2 2
−1 0 𝑥 +𝑥
𝑠𝑖 𝑥 ≥ 1: 𝐹(𝑥) = ∫−∞ 0𝑑𝑥 + ∫−1(𝑡 + 1)𝑑𝑡 + ∫0 (−𝑡 + 1)𝑑𝑡 + ∫1 0𝑑𝑡 = 1

𝟎 𝒔𝒊 𝒙 < −𝟏
𝟐
𝒙 𝟏
+𝒙+ 𝒔𝒊 −𝟏≤𝒙<𝟎
𝑭(𝒙) = 𝟐 𝟐 𝟐
−𝒙 𝟏
+𝒙+ 𝒔𝒊 𝟎≤𝒙<𝟏
𝟐 𝟐
{ 𝟏 𝒔𝒊 𝒙≥𝟏
+∞
3- 𝐸(𝑋) = ∫−∞ 𝑥𝑓(𝑥)𝑑𝑥 = 0

K.ZERFAOUI Page 1
+∞
1 1
𝐸(𝑋²) = ∫ 𝑥²𝑓(𝑥)𝑑𝑥 = 𝑒𝑡 𝑉(𝑋) =
−∞ 6 6

Exercice 2 : Soit 𝑋 une variable aléatoire à valeurs dans [1, 𝑒]dont la fonction de répartition
est :

𝐹(𝑥) = ln(𝑥) , 𝑥 ∈ [1, 𝑒]

1- Calculer la probabilité 𝑃(32 ≤ 𝑋 ≤ 2)


2- Déterminer la fonction de densité de X
3- Calculer E(X) et V(X)
4- Soit 𝑌 = (ln(𝑋))2 + 1. 𝐶𝑎𝑙𝑐𝑢𝑙𝑒𝑟 𝐸(𝑌).

Solution :
3 3
1- 𝑃(32 ≤ 𝑋 ≤ 2) = 𝐹(2) − 𝐹 (2) = 𝐿𝑛2 − 𝐿𝑛 (2) = 2𝐿𝑛2 − 𝐿𝑛3 = 0.28
1
𝑠𝑖 𝑥 ∈ [1, 𝑒]
2- 𝐹𝑋′ (𝑥) = 𝑓(𝑥) = {𝑥
0, 𝑠𝑖𝑛𝑜𝑛
2)
3- 𝐸(𝑋) = 1.71 , 𝐸(𝑋 = 3.19 𝑒𝑡 𝑉(𝑋) = 0.26
4- 𝑌 = (ln(𝑋))2 + 1
𝑒 𝑒 𝑒
2
1 1
𝐸(𝑌) = 𝐸((ln(𝑋)) + 1) = ∫ [(ln(𝑋))2 2
+ 1] 𝑓(𝑥)𝑑𝑥 = ∫ (𝐿𝑛𝑥) 𝑑𝑥 + ∫ 𝑑𝑥 =
1 1 𝑥 1 𝑥

𝒇𝒏+𝟏 𝒇′
∫ 𝒇′ 𝒇𝒏 = , ∫ = 𝑳𝒏𝒇
𝒏+𝟏 𝒇
𝒆
(𝑳𝒏𝒙)𝟑 𝟒
=[ ] + [𝑳𝒏𝒙]𝒆𝟏 =
𝟑 𝟏
𝟑

Exercice supplémentaire :

Soit 𝑋 une variable aléatoire admettant une densité sous la forme :

𝑘𝑥(1 − 𝑥), 0≤𝑥≤1


𝑓(𝑥) = {
0, 𝑠𝑖𝑛𝑜𝑛

1- Calculer 𝑘
2- Déterminer la fonction de répartition de 𝑋
3- Calculer 𝑃(0.5 < 𝑋 ≤ 1.5)
4- Calculer 𝐸(𝑋)𝑒𝑡 𝑉(𝑋).

Solution :

K.ZERFAOUI Page 2
1 𝑘
1- 1 = ∫0 𝑘𝑥(1 − 𝑥)𝑑𝑥 = ⟹𝑘=6
6
𝑥
2- 𝐹𝑋 (𝑥) = ∫−∞ 𝑓(𝑡)𝑑𝑡
1er Cas : 𝑥 < 0
𝑥
𝐹𝑋 (𝑥) = ∫ 0 𝑑𝑡 = 0
−∞
2ème Cas : 0 ≤ 𝑥 < 1
0 𝑥
𝐹𝑋 (𝑥) = ∫ 0 𝑑𝑡 + 6 ∫ 𝑡(1 − 𝑡)𝑑𝑡 = 𝑡²(3 − 2𝑡)
−∞ 0

3ème Cas : 𝑥 ≥ 2
0 1 𝑥
𝐹𝑋 (𝑥) = ∫ 0 𝑑𝑡 + 6 ∫ 𝑡(1 − 𝑡)𝑑𝑡 + 6 ∫ 𝑡(1 − 𝑡) 𝑑𝑡 = 1
−∞ 0 1

0 𝑠𝑖 𝑥<0
𝐹(𝑥) = {𝑥²(3 − 2𝑥) 𝑠𝑖 0 ≤ 𝑥 < 1
1 𝑠𝑖 𝑥 ≥ 1
1
1 1 𝑥3 𝑥4 1
3- 𝐸(𝑋) = ∫0 𝑥𝑓(𝑥)𝑑𝑥 = ∫0 6𝑥 2 (1 − 𝑥)𝑑𝑥 = 6 [ 3 − ] =2
4 0

1 1 1
3 (1
𝑥4 𝑥5 3
𝐸(𝑋²) = ∫ 𝑥²𝑓(𝑥)𝑑𝑥 = ∫ 6𝑥 − 𝑥)𝑑𝑥 = 6 [ − ] =
0 0 4 5 0 10

1
𝑉(𝑋) = 𝐸(𝑋 2 ) − [𝐸(𝑋)]2 =
20
Concours 2020/2021 :

La durée de charge en heure d’une batterie 𝑋 est une variable aléatoire de densité :

10
𝑓(𝑥) = { 𝑥² , 𝑥 ≥ 10
0 , 𝑠𝑖𝑛𝑜𝑛

1- Quelle est la probabilité qu’une batterie ait une durée de charge supérieure à 20 heures
P(X>20) ?
2- Quelle est la fonction de répartition de 𝑋.
3- Supposons que nous avons 6 batteries et que les durées de charge des batteries soient
indépendantes. Soit la variable aléatoire 𝒀 représentant le nombre de batteries dont la
durée de charge est d’au moins 15 heures.
a- Quelle est la loi de 𝑌 ? Donner ses paramètres et son expression.
b- Quelle est la probabilité que parmi 6 batteries, au moins 3 d’entre elles aient une
durée de charge d’au moins 15 heures ?

K.ZERFAOUI Page 3
c- Calculer 𝐸(𝑌).

Solution :

10
𝑓(𝑥) = { 𝑥² , 𝑥 ≥ 10
0 , 𝑠𝑖𝑛𝑜𝑛
+∞ 1 −1 +∞ 10 1
1- 𝑃(𝑋 > 20) = 10 ∫20 = 10 [ 𝑥 ] = 20 = 2
𝑥2 20
𝑥
2- 𝐹𝑋 (𝑥) = ∫−∞ 𝑓(𝑡)𝑑𝑡

si : 𝑥 < 10
𝑥
𝐹𝑋 (𝑥) = ∫ 0 𝑑𝑡 = 0
−∞

si : 𝑥 ≥ 10
10
10 𝑥
−1 𝑥 10
𝐹𝑋 (𝑥) = ∫ 0 𝑑𝑡 + ∫ 𝑑𝑡 = 10 [ ] = 1 −
−∞ 10 𝑡² 𝑡 10 𝑥

10
𝐹𝑋 (𝑥) = 1 − , 𝑥 ≥ 10
𝑥
𝑠𝑖 𝑜𝑛 𝑣𝑒𝑢𝑡 𝑐𝑎𝑙𝑐𝑢𝑙𝑒𝑟 𝑃(𝑋 > 20)𝑒𝑛 𝑢𝑡𝑖𝑙𝑖𝑠𝑎𝑛𝑡 𝑙𝑎 𝑓𝑜𝑛𝑐𝑡𝑖𝑜𝑛𝑑𝑒 𝑟é𝑝𝑎𝑟𝑡𝑖𝑡𝑖𝑜𝑛 𝑜𝑛 𝑎𝑢𝑟𝑎:

10 1 1
𝑃(𝑋 > 20) = 1 − 𝐹(20) = 1 − [1 − ]= 1− =
20 2 2
3- On calcule d’abord la probabilité que la durée de charge est d’au moins 15 heures
c’est-à-dire 𝑃(𝑋 ≥ 15) =
10
a- 𝑃(𝑋 ≥ 15) = 1 − 𝐹(15) = 1 − [1 − 15] = 0.67

𝑌 ↝ 𝐵(6,0.67)

𝑃(𝑌 = 𝑘) = 𝐶6𝑘 0.67𝑘 (1 − 0.67)6−𝑘

b- 𝑃(𝑌 ≥ 3) = 1 − 𝑃(𝑌 ≤ 2) = 0.9031


c- 𝐸(𝑌) = 6 ∗ 0.67 = 4.02

Exercice 3 : On considère une variable aléatoire X dont la densité 𝑓 est donnée par :

𝑓(𝑥) = 𝑘𝑒𝑥𝑝{−|𝑥|}, 𝑥 ∈ ℝ.

1- Déterminer la constante 𝑘.

K.ZERFAOUI Page 4
2- Déterminer la fonction de répartition de X et calculer.
3- Calculer E(X)
4- Calculer 𝐸(𝑋 2𝑛 ), 𝐸(𝑋 2𝑛+1 ), 𝑉(𝑋).
5- Déterminer la loi de la variable aléatoire 𝑌 = |𝑋|. En déduire E(Y),V(Y).

Solution :
0 +∞
1- ∫−∞ 𝑘𝑒 𝑥 𝑑𝑥 + ∫0 𝑘𝑒 −𝑥 𝑑𝑥 = 1

+∞
1
2∫ 𝑘𝑒 −𝑥 𝑑𝑥 = 1 ⟺ 2𝑘[−𝑒 −𝑥 ]+∞
0 = 1 ⟺ 2𝑘 = 1 ⟺ 𝑘 =
0 2

1 𝑥
𝑒 𝑠𝑖 𝑥 < 0
𝑓(𝑥) = {2
1 −𝑥
𝑒 𝑠𝑖 𝑥 ≥ 0
2
𝑥
2- 𝐹𝑋 (𝑥) = ∫−∞ 𝑓(𝑡)𝑑𝑡

1 𝑥 1
𝑠𝑖 𝑥 < 0: 𝐹(𝑥) = 2 ∫−∞ 𝑒 𝑡 𝑑𝑡 = 2 𝑒 𝑥

1 0 𝑡 𝑥
1 1
𝑠𝑖 𝑥 ≥ 0: 𝐹(𝑥) = {∫ 𝑒 𝑑𝑡 + ∫ 𝑒 −𝑡 𝑑𝑡} = + [−𝑒 −𝑡 ]0𝑥 = 1 − 𝑒 −𝑥
2 −∞ 0 2 2

1 𝑥
𝑒 𝑠𝑖 𝑥 < 0
𝐹(𝑥) = { 2
1
1 − 𝑒 −𝑥 𝑠𝑖 𝑥≥0
2
1 0 1 +∞ 1 +∞ 1 +∞
3- 𝐸(𝑋) = 2 ∫−∞ 𝑥𝑒 𝑥 𝑑𝑥 + 2 ∫0 𝑥𝑒 −𝑥 𝑑𝑥 = − 2 ∫0 𝑥𝑒 −𝑥 𝑑𝑥 + 2 ∫0 𝑥𝑒 −𝑥 𝑑𝑥 = 0

1 0 1 +∞ +∞
𝐸(𝑋 2 ) = ∫ 𝑥²𝑒 𝑥 𝑑𝑥 + ∫ 𝑥²𝑒 −𝑥 𝑑𝑥 = ∫ 𝑥²𝑒 −𝑥 𝑑𝑥 = Γ(3) = 2Γ(2) = 2
2 −∞ 2 0 0

𝑉(𝑋) = 2
1 0 1 +∞
4- 𝐸(𝑋 2𝑛 ) = 2 ∫−∞ 𝑥 2𝑛 𝑒 𝑥 𝑑𝑥 + 2 ∫0 𝑥 2𝑛 𝑒 −𝑥 𝑑𝑥 =

+∞
= ∫0 𝑥 2𝑛 𝑒 −𝑥 𝑑𝑥 = Γ(2𝑛 + 1) = (2𝑛)!

2𝑛+1 )
1 0 2𝑛+1 𝑥 1 +∞ 2𝑛+1 −𝑥
𝐸(𝑋 = ∫ 𝑥 𝑒 𝑑𝑥 + ∫ 𝑥 𝑒 𝑑𝑥 = 0
2 −∞ 2 0

K.ZERFAOUI Page 5
5- La loi de 𝒀 = |𝑿|

𝐹𝑌 (𝑦) = 𝑃(𝑌 ≤ 𝑦) = 𝑃(|𝑋| ≤ 𝑦) = 𝑃(−𝑦 ≤ 𝑋 ≤ 𝑦) = 𝐹𝑋 (𝑦) − 𝐹𝑋 (−𝑦)

1 1
𝑓𝑌 (𝑦) = 𝑓𝑋 (𝑦) − 𝑓𝑋 (−𝑦) = 𝑒 −𝑦 + 𝑒 −𝑦 = 𝑒 −𝑦
2 2
𝑓𝑌 (𝑦) = 𝑒 −𝑦 , 𝑦 ≥ 0
𝒀 = |𝑿| ↝ 𝐸𝑥𝑝(1)
𝛼−1
𝑠𝑖 𝑥 > 1
Exercice 4 : Considérons la fonction 𝑓(𝑥) = { 𝑥𝛼 𝛼>1
0 𝑠𝑖𝑛𝑜𝑛
1- Montrer que que 𝑓 soit une densité de probabilité ?.
2- . Déterminer sa fonction de répartition.
3- Si 𝛼 = 4
1
(a) Déterminer la densité de la variable aléatoire 𝑌 = 𝑋 2 , sa moyenne et sa variance.
(b) Déterminer la loi de la variable aléatoire 𝑍 = ln(𝑋), en déduire sa moyenne et sa
variance.
(c) Montrer que la loi de la variable aléatoire 𝑊 = 6 ln(𝑋) est une loi de Khi-deux ;
déterminer son degrés de liberté. En déduire sa moyenne et sa variance.

Solution :
+∞
+∞ 𝑥 −𝛼+1 1
1- ∫1 𝑓(𝑥)𝑑𝑥 = (𝛼 − 1) [ −𝛼+1 ] = (𝛼 − 1) 𝛼−1 = 1
1
𝑥
𝑥 𝑡 −𝛼+1 (𝛼−1)
2- 𝐹(𝑥) = ∫1 𝑓(𝑡)𝑑𝑡 = (𝛼 − 1) [ −𝛼+1 ] = (𝑥 −𝛼+1 − 1)
1 1−𝛼

1−𝛼
𝐹(𝑥) = {1 − 𝑥 𝑠𝑖 𝑥 > 1
0 𝑠𝑖𝑛𝑜𝑛
3- Si 𝛼 = 4
𝟏
a- La densité de 𝒀 = 𝑿𝟐 :

3
𝑓(𝑥) = , 𝑥>1
𝑥²
1 1 1 −1 1
𝐹𝑌 (𝑦) = 𝑃(𝑌 ≤ 𝑦) = 𝑃 ( ≤ 𝑦)) = 𝑃 (𝑋 2 ≥ ) = 1 − 𝑃 (𝑋 2 ≤ ) = 1 − 𝑃 ( ≤𝑋≤ )=
𝑋² 𝑦 𝑦 √𝑦 √𝑦

1 −1
= 1 − 𝐹𝑋 ( ) + 𝐹𝑋 ( )
√𝑦 √𝑦
Donc :

K.ZERFAOUI Page 6
1 −3 1
𝑓𝑌 (𝑦) = 𝑦 2 𝑓𝑋 ( ) + 0 , 0<𝑦<1
2 √𝑦
3 1
= 𝑦2 , 0<𝑦<1
2
1
3
𝐸(𝑌) = ∫ 𝑦𝑓(𝑦)𝑑𝑦 =
0 5

b- La densité de 𝒁 = 𝐥𝐧(𝑿):

𝐹𝑍 (𝑧) = P(Z ≤ z) = P(ln(𝑋) ≤ 𝑧) = 𝑃(𝑋 ≤ 𝑒 𝑧 ) = 𝐹𝑋 (𝑒 𝑧 )

3
𝑓𝑍 (𝑧) = 𝑒 𝑧 𝑓𝑋 (𝑒 𝑧 ) = 𝑒 𝑧 . = 3𝑒 −3𝑧 , 𝑧 > 0
𝑒 4𝑧
1 1
𝑍 ↝ 𝐸𝑥𝑝(3), 𝐸(𝑍) = 𝑒𝑡 𝑉(𝑍) =
3 9
c- La densité de W=6.LnX
𝑤 𝑤
𝐹𝑊 (𝑤) = P(W ≤ w) = P(6. ln(𝑋) ≤ 𝑤) = 𝑃 (𝑋 ≤ 𝑒 6 ) = 𝐹𝑋 (𝑒 6 )

1 𝑤
𝑓𝑊 (𝑤) = 𝑒 − 2 , 𝑤>0
2
1
𝑊 ↝ 𝐸𝑥𝑝 ( ) , 𝐸(𝑊) = 2 𝑒𝑡 𝑉(𝑊) = 4
2
1 1 2 1
Remarque : 𝐸𝑥𝑝 (2) = 𝛾 (1, 2) = 𝛾 (2 , 2) = 𝜒22

Exercice 5 : On considère une variable aléatoire X dont la densité 𝑓 est donnée par :

0 𝑠𝑖 𝑥 < 0
𝑓(𝑥) = { −𝑥²
𝑥𝑒 2 𝑠𝑖𝑛𝑜𝑛 𝑥 ≥ 0

1- Déterminer la loi et l’espérance de la variable aléatoire 𝑌 = 𝑋 2 .


2- On s’intéresse maintenant aux précipitations à une région donnée. On suppose que la
durée (en heure) T entre deux précipitations vérifie la relation 𝑇 = 𝜆𝑌, ou 𝜆 est une
constante . En consultant les relevés météo, on se rend compte qu’il s’écoule au moins
24h consécutives sans pluie avec une probabilité 0,09.
a- Déterminer 𝜆
b- Combien de temps s’écoule-il en moyenne entre deux averses.
c- Il est midi. La pluie vient de s’arrêter. Quelle est la probabilité qu’il pleuve avant 14h.

K.ZERFAOUI Page 7
Solution :
0 𝑠𝑖 𝑥 < 0
𝑓(𝑥) = { −𝑥²
𝑥𝑒 2 𝑠𝑖𝑛𝑜𝑛 𝑥 ≥ 0

1- Loi de 𝑌 = 𝑋 2
𝐹𝑌 (𝑦) = 𝑃(𝒀 ≤ 𝑦) = 𝑃(𝑿² ≤ 𝑦) = 𝑃(|𝑋| ≤ √𝑦) = 𝑃(−√𝑦 ≤ 𝑋 ≤ √𝑦)
= 𝐹𝑋 (√𝑦) − 𝐹𝑋 (−√𝑦)

𝟏 1 𝟏 −𝑦 1
𝑓(𝑦) = 𝒇𝑿 (√𝒚) + 𝑓𝑋 (−√𝑦) = √𝒚𝑒 2 + .0
𝟐√𝒚 2√𝑦 𝟐√𝒚 2√𝑦

1 1
= 𝑒 −2𝑦 , 𝑦≥0
2
1
𝑌 ↝ 𝐸𝑥𝑝 ( ) , 𝐸(𝑌) = 2
2
a - 𝑇 = 𝑑𝑢𝑟é𝑒 𝑒𝑛 ℎ𝑒𝑢𝑟𝑒 𝑒𝑛𝑡𝑟𝑒 𝑑𝑒𝑢𝑥 𝑝𝑟é𝑐𝑖𝑝𝑖𝑡𝑎𝑡𝑖𝑜𝑛𝑠

𝑇 = 𝜆𝑌

T1 =12h T2

24
𝑃(𝑇 > 24) = 0.09 ⟺ 𝑃(𝜆𝑌 > 24) = 0.09 ⟺ 𝑃 (𝑌 > ) = 0.09 ⟺
𝜆
24 24 24 24
1 − (𝑌 ≤ ) = 1 − 𝐹𝑌 ( ) = 1 − [1 − 𝑒 − 𝜆 ] = 𝑒 − 𝜆
𝜆 𝜆
24
𝑒 − 𝜆 = 0.09

12
⟺− = −2.4 ⟺ 𝜆 = 5
𝜆
b- 𝐸(𝑇) = 𝐸(𝜆𝑌) = 𝜆𝐸(𝑌) = 5.2 = 10

K.ZERFAOUI Page 8
𝟐 𝟐
c- 𝑷(𝟎 < 𝑻 < 𝟐) = 𝑷(𝑻 < 𝟐) = 𝑷(𝝀𝒀 < 𝟐) = 𝑷 (𝒀 < 𝝀) = 𝑷 (𝒀 < 𝟓)

𝟐 𝟐𝟏 𝟏
= 𝑭𝒀 ( ) = 𝟏 − 𝒆−𝟓.𝟐 = 𝟏 − 𝒆−𝟓
𝟓
Exercice 6 : Un candidat passant un examen est ajourné si sa note est inférieure à 7, passe un
oral si sa note est comprise entre 7 et 12, est admis si sa note est supérieure à 12.

On suppose que les notes suivent une loi normale de paramètres 𝑚 𝑒𝑡 𝜎² inconnus. On
souhaite admettre sans oral 15,87% des candidats et ajourner 6,68% des candidats.

1- Calculer la probabilité pour qu’un candidat passe l’oral.


2- Déterminer les valeurs de 𝑚 𝑒𝑡 𝜎.
3- Calculer la probabilité qu’un candidat ait plus de 15.
4- On considère 500 candidats choisis au hasard. Calculer la probabilité pour qu’aucun
candidat n’ait une note supérieure à 15.
5- On considère un ensemble de 600 candidats choisis au hasard. Quelle est la probabilité
que le nombre de candidats admis sans oral soit supérieur à 100 ?

Solution : On désigne par : 𝑿: 𝑵𝒐𝒕𝒆 𝒅𝒖 𝒄𝒂𝒏𝒅𝒊𝒅𝒂𝒕

𝑿 ↝ 𝑵(𝒎, 𝝈𝟐 )

(𝑿 < 𝟕) ⟹ 𝐀𝐣𝐨𝐮𝐫𝐧é

(𝟕 ≤ 𝑿 ≤ 𝟏𝟐) ⟹ 𝐩𝐚𝐬𝐬𝐞 à 𝐥′𝐨𝐫𝐚𝐥

(𝑿 > 𝟏𝟐) ⟹ 𝐀𝐝𝐦𝐢𝐬

𝑷(𝑿 > 𝟏𝟐) = 𝟎. 𝟏𝟓𝟖𝟕 𝒆𝒕 𝑷(𝑿 < 𝟕) = 𝟎. 𝟎𝟔𝟔𝟖

1- 𝑃(𝐴𝑗𝑜𝑢𝑟𝑛é) + 𝑃(𝑂𝑟𝑎𝑙) + 𝑃(𝐴𝑑𝑚𝑖𝑠) = 1 ⟹ 𝑷(𝑶𝒓𝒂𝒍) = 𝟎. 𝟕𝟕𝟒𝟓 = 77.45%

7−𝑚 𝟕−𝒎
2- 𝑃(𝑋 < 7) = 0.0668 ⟹ Φ ( ) = 0.0668 ⟹ − ( ) = 1 − 0.0668 = 𝟎. 𝟗𝟑𝟑𝟐
𝜎 𝝈

𝑚−7
= 1.5 … … … … … … . (1)(𝑉𝑜𝑖 𝑙𝑎 𝑡𝑎𝑏𝑙𝑒)
𝜎
𝑃(𝑋 > 12) = 0.1587 ⟺ 1 − 𝑃(𝑋 ≤ 12) = 0.1587 ⟺ 𝑃(𝑋 ≤ 12) = 0.8413

12 − 𝑚
⟹ Φ𝑌 ( ) = 0.8413 ⟹
𝜎

K.ZERFAOUI Page 9
12 − 𝑚
= 1 … … … … … … . (2)
𝜎

𝑑𝑒 (1)𝑒𝑡 (2)𝑜𝑛 𝑎 :

𝜎 = 2 𝑒𝑡 𝑚 = 10

Donc : 𝑋 ↝ 𝑁(10, 4)
15−10
3- 𝑃(𝑋 > 15) == 1 − Φ𝑌 ( ) = 1 − Φ𝑌 (2.5) = 1 − 0.99379 = 0.0062
2

4- 𝑌: 𝑛𝑜𝑚𝑏𝑟𝑒 𝑑𝑒 𝑐𝑎𝑛𝑑𝑖𝑑𝑎𝑡𝑠 𝑎𝑦𝑎𝑛𝑡 𝑢𝑛𝑒 𝑛𝑜𝑡𝑒 𝑠𝑢𝑝é𝑟𝑖𝑒𝑢𝑟𝑒 à 15 𝑝𝑎𝑟𝑚𝑖 𝑙𝑒𝑠 500

𝑙 ′ é𝑣è𝑛𝑒𝑚𝑒𝑛𝑡 𝒔𝒖𝒄𝒄è𝒔 𝑒𝑠𝑡: 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑡é 𝑞𝑢′ 𝑢𝑛 𝑐𝑎𝑛𝑑𝑖𝑑𝑎𝑡 𝑎𝑖𝑡 𝑢𝑛𝑒 𝑛𝑜𝑡𝑒 𝑠𝑢𝑝é𝑟𝑖𝑒𝑢𝑟𝑒 à 15
= 0.0062 ≤ 0.1

𝑝 = 0.062
𝑌 ↝ 𝐵(500, 0.062)
𝑂𝑛 𝑐ℎ𝑒𝑟𝑐ℎ𝑒 𝑃(𝑌 = 0) =?
0
𝑃(𝑌 = 0) = 𝐶500 0.0620 (1 − 0.062)500 = 0.044
Ou bien :
On peut utiliser la loi de Poisson de paramètres 𝑛. 𝑝 = 500 × 0.0062 = 3.1
Puisque les conditions d’approximations sont vérifiées.
𝑩(𝒏, 𝒑) → 𝓟(𝒏. 𝒑)
𝒏≥𝟑𝟎 𝑒𝑡 𝒑 ≤𝟎.𝟏 𝑒𝑡 𝒏𝒑≤𝟏𝟓

6- 𝑍: 𝑛𝑜𝑚𝑏𝑟𝑒 𝑑𝑒 𝑐𝑎𝑛𝑑𝑖𝑑𝑎𝑡𝑠 𝑎𝑦𝑎𝑛𝑡 𝑢𝑛𝑒 𝑛𝑜𝑡𝑒 admis sans oral parmi les 600

𝑃(𝑋 > 12) = 0.1587

𝑙 ′ é𝑣è𝑛𝑒𝑚𝑒𝑛𝑡 𝒔𝒖𝒄𝒄è𝒔 𝑒𝑠𝑡: 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑡é 𝑞𝑢′ 𝑢𝑛 𝑐𝑎𝑛𝑑𝑖𝑑𝑎𝑡 𝑠𝑜𝑖𝑡 𝑎𝑑𝑚𝑖𝑠 = 𝑃(𝑋 > 12)
= 0.1587

𝑝 = 0.1587
𝑍 ↝ 𝐵(600, 0.1587)
𝑂𝑛 𝑐ℎ𝑒𝑟𝑐ℎ𝑒 𝑃(𝑍 > 100) =?

𝑩(𝟔𝟎𝟎, 𝟎. 𝟏𝟓𝟖𝟕) → 𝑵(𝟗𝟓. 𝟐𝟐, (𝟖. 𝟗𝟓)𝟐 = 𝒏𝒑𝒒)


𝒏≥𝟑𝟎 𝒆𝒕 𝒏𝒑≥𝟓 𝒆𝒕 𝒏(𝟏−𝒑)≥𝟓

100 − 95.22
𝑃(𝑍 > 100) = 1 − Φ ( ) = 1 − Φ(0.53) = 0.2981
8.95

K.ZERFAOUI Page 10
Exercice 7 : Un livreur a promis de passer chez un client entre 10 h et 11h. On suppose que

la probabilité de son passage est uniformément répartie.

1- Quelle est la probabilité qu’il arrive avant 10h10 min ?


2- Quelle est la probabilité qu’il arrive entre 10h20 et 10h 40 ?
3- Sachant que le client a attendu le livreur 15 min. quelle est la probabilité qu’il arrive
dans les dix prochaines minutes ?

Solution :
𝑋 ↝ 𝑈[10,11]

[10,11]
𝑓(𝑥) = { 1 𝑠𝑖 𝑥 ∈
0 𝑠𝑖𝑛𝑜𝑛
0 𝑠𝑖 𝑥 < 10
𝐹(𝑥) = {𝑥 − 10 𝑠𝑖 10 ≤ 𝑥 ≤ 11
1 𝑠𝑖 𝑥 ≥ 11

10.16
1- 𝑃(𝑋 < 10ℎ10𝑚𝑖𝑛) = 𝑃(𝑋 < 10.16) = 𝐹𝑋 (10.16) = ∫10 𝑑𝑥 = 0.16
2- 𝑃(10.33 < 𝑋 < 10.66) = 𝐹𝑋 (10.66) − 𝐹𝑋 (10.33) = 0.66 − 0.33 = 0.33
3- 𝑃(10ℎ15 < 𝑋 < 10ℎ25) = 𝑃(10.25 < 𝑋 < 10.41) = 0.41 − 0.25 = 0.16

Exercice 8 : Un fabricant d’ordinateurs portables souhaite vérifier que la période de garantie

qu’il doit associer au disque dur correspond à un nombre pas trop important de retours de ce

composant sous garantie. Des essais en laboratoire ont montré que la loi suivie par la durée de

vie, en années, de ce composant est la loi exponentielle de moyenne 4=E(X).

1- Préciser la fonction de répartition de cette loi ainsi que son espérance E(X) et son
écart-type 𝜎(𝑋).
2- Quelle est la probabilité qu’un disque dur fonctionne sans défaillance plus de 4 ans.
3- Quelle est la probabilité qu’un disque dur fonctionne sans défaillance 6 ans au moins,
sachant qu’il a fonctionné déjà 5 ans ?
4- Quelle est la probabilité que la durée de vie appartienne à l’intervalle [𝐸(𝑋) −
𝜎, 𝐸(𝑋) + 𝜎] ?
5- Pendant combien de temps, 50% des disques durs fonctionnent-ils sans défaillance ?

K.ZERFAOUI Page 11
6- Donner la période de garantie optimum pour remplacer moins de 15% des disques
durs sous garantie.
1
Solution : 𝑋 ↝ 𝐸𝑥𝑝 (4) , 𝐸(𝑋) = 4 𝑒𝑡 𝜎(𝑋) = 4

1
1- 𝐹(𝑥) = 1 − 𝑒 −4𝑥 , 𝑥 ≥ 0
2- 𝑃(𝑋 > 4) = 1 − 𝐹(4) = 𝑒 −1
6
− 1
𝑃(𝑋>6,𝑋>5) 𝑒 4
3- 𝑃(𝑋 > 6⁄𝑋 > 5) = = 5 = 𝑒 −4
𝑃(𝑋>5) −
𝑒 4

Oubien : 𝑃(6 ≤ 𝑋 ≤ 11) = 𝐹(11) − 𝐹(6) =

4- 𝑃(0 < 𝑋 < 8) = 𝐹(8) −F(0) = 1 − 𝑒 −2


𝑡
𝑡
5- 𝑷(𝑿 > 𝒕) = 𝟎.5⟺ 𝑒 −4 = 0.5 ⟺ − = 𝐿𝑛(0.5) ⟺ 𝑡 = 2.77
4
𝑥 𝑥
6- 𝑷(𝑿 < 𝒙) < 𝟎. 𝟏𝟓 ⟺ 1 − 𝑒 −4 < 0.15 ⟺ 𝑒 −4 > 0.85 ⟺ 𝑥 < 0.65 𝑎𝑛𝑛é𝑒 (8 𝑚𝑜𝑖𝑠)

Exercice 9: Soit X une variable aléatoire absolument continue dont la densité de probabilité

est donnée par :

−(𝑥−5)
𝑓𝑋 (𝑥) = 𝐶 𝑒𝑥𝑝 ( ), 𝑥 ≥ 5 avec 𝛼 est un réel strictement positif.
𝛼

1- Déterminer la constante 𝐶.

2- Déterminer la fonction de répartition de 𝑋.

3- Soit la variable aléatoire 𝑌 donnée par :

−2 𝑠𝑖 𝑥 < 8
𝑌={
2 𝑠𝑖 𝑥 ≥ 8

a- Quel est le type de la variable aléatoire 𝑌 ?

b- Trouver la loi de cette variable aléatoire.

c- Déduire sa fonction de répartition.

Solution :

−(𝑥 − 5)
𝑓𝑋 (𝑥) = 𝐶 𝑒𝑥𝑝 ( ), 𝑥 ≥ 5
𝛼

K.ZERFAOUI Page 12
1
1- 𝐶 = 𝛼

−1
(𝑥−5)
2- 𝐹𝑋 (𝑥) = 1 − 𝑒 𝛼 , 𝑥≥5

a- 𝑌 est une variable aléatoire car 𝑌(Ω) = {−2 ,2}est finie et dénombrable.
3
b- 𝑃(𝑌 = −2) = 𝑃(𝑋 < 8) = 𝐹(8) = 1 − 𝑒 −𝛼
3
𝑃(𝑌 = 2) = 𝑃(𝑋 > 8) = 𝑒 −𝛼

0 𝑠𝑖 𝑦 < −2
3
c- 𝐹(𝑦) = {1 − 𝑒 −
𝛼 𝑠𝑖 −2≤𝑦 <2
1 𝑠𝑖 𝑦≥2

Exercice 10: Lors des élections le candidat A à obtenu 20% de voix. On prend au hasard dans

des bureaux de vote des lots de 200 bulletins. On note X la variable « nombre de voix pour A

parmi les 200 bulletins ».

1- Quelle est la loi de X ? par quelle loi peut-on l’approximer ?

2- Quelle est la probabilité pour que X soit supérieure à 45 ? compris entre 30 et 50 ?

3- Pour un autre candidat B moins heureux, le pourcentage des voix est de 2%. On note

Y le nombre de voix pour B dans les différents bureaux, sur 100 bulletins.

a- Quelle est la loi deY ?

b- Quelle est la probabilité pour que Y soit supérieur à 5 ? compris entre 1 et 4 ?

Solution : 𝑋: nombre de voix pour A parmi les 200 bulletins.

1- 𝑋 ↝ 𝐵(200 , 0.2 )

𝑛 = 200 > 30

𝑛𝑝 = 200 ∗ 0.2 = 40 > 15

𝑛𝑝(1 − 𝑝) = 200 ∗ 0.2 ∗ 0.8 = 32 > 5

Donc on peut approximer la loi binomiale par la loi Normale de paramètres

K.ZERFAOUI Page 13
𝑚 = 40 𝑒𝑡 𝜎² = 32

2- Avec Correction :

45.5−40
𝑃(𝑋 > 45) = 𝑃(𝑋 ≥ 46) = 𝑃(𝑌 ≥ 45.5) = 1 − Φ ( ) = 1 − Φ(0.79) = 0.24.
5.65

𝑃(30 ≤ 𝑋 ≤ 50) = 𝑃(29.5 ≤ 𝑌 ≤ 50.5) = Φ(1.85) − Φ(−1.85) = 2Φ(1.85) − 1 = 0.935

Sans Correction :

45 − 40
𝑃(𝑋 > 45) = 1 − Φ ( ) = 1 − Φ(0.885) = 0.19
5.65

50 − 40 30 − 40
𝑃(30 ≤ 𝑋 ≤ 50) = Φ ( ) − Φ( ) = Φ(1.77) − Φ(−1.77) =
5.65 5.65

= 2Φ(1.77) − 1 = 0.923

3- 𝑌 ↝ 𝐵(100,0.02) → Poisson(2)
approximée

𝑃(𝑌 > 5) = 1 − [𝑃(𝑋 = 0) + ⋯ … … . +𝑃(𝑋 = 5)]=0.015

𝑃(1 ≤ 𝑌 ≤ 4) = 𝑃(𝑌 = 1) + ⋯ 𝑃(𝑌 = 4)

Exercice 11 : Soit 𝑋 une variable réelle aléatoire continue modélisée par la loi uniforme ;

𝑋 ↝ 𝑈[0,1].

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

2-On pose : 𝑌 = −𝑎𝐿𝑛 𝑋 ; (𝑎 > 0)

a- Déterminer la fonction de densité de la variable 𝑌, reconnaitre sa loi.

b- En déduire son espérance et sa variance.

K.ZERFAOUI Page 14
3-Calculer la fonction répartition de la variable 𝑌.

4-Calculer la probabilité suivante : 𝑃(𝑌 > 2𝑎).

Solution :

1- 𝑋 ↝ 𝑈[0,1]

𝑥 ∈ [0,1]
𝑓(𝑥) = { 1 𝑠𝑖
0 𝑠𝑖𝑛𝑜𝑛

2- 𝑌 = −𝑎𝐿𝑛 𝑋

−𝑦 −𝑦
𝐹𝑌 (𝑦) = 𝑃(𝑌 ≤ 𝑦) = 𝑃(−𝑎𝐿𝑛 𝑋 ≤ 𝑦) = 𝑃 (𝐿𝑛 𝑋 ≥ ) = 𝑃 (𝑋 ≥ 𝑒 𝑎 )
𝑎

−𝑦 1 −𝑦 1
𝐹𝑌 (𝑦) = 1 − 𝐹𝑋 (𝑒 𝑎 ) ⟹ 𝑓𝑌 (𝑦) = 𝑒𝑎, 𝑌 ↝ 𝐸𝑥𝑝 ( )
𝑎 𝑎

𝐸(𝑌) = 𝑎 𝑒𝑡 𝑉(𝑌) = 𝑎²

0 , 𝑦<0
3- 𝐹(𝑦) = { −𝑦
1−𝑒 , 𝑎 𝑦≥0
1
4- 𝑃(𝑌 > 2𝑎) = 1 − 𝑃(𝑌 ≤ 2𝑎) = 𝑒 −𝑎2𝑎. = 𝑒 −2

Exercice 12 : Une enquête a été menée auprès de ménages de 4 personnes en vue de connaitre

leurs consommations 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 connaitre :

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

K.ZERFAOUI Page 15
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.


𝑡=2
1 𝑡2 1 𝑡=0.44 𝑡2
𝐺(2) = ∫ 𝑒 − 2 𝑑𝑡 = 0.9772 ; 𝐺(0.44) = ∫

𝑒 2 𝑑𝑡 = 0.67 ;
√2𝜋 −∞ √2𝜋 −∞

Solution :

𝑋: la consommation de lait en 1 mois

1- X↝ 𝑁(20 , 25 )
10 − 20
𝑃(𝑋 < 10) = Φ ( ) = Φ(−2) = 1 − Φ(2)
5
30−20
2− 𝑃(𝑋 > 30) = 1 − Φ ( 5 ) = 1 − Φ(2)
𝑥0 −20 𝑥0 −20
3− 𝑃(𝑋 < 𝑥0 ) = 0.5 ⟹ Φ ( ) = 0.5 ⟹ = 0 ⟹ 𝑥0 = 20 𝑙𝑖𝑡𝑟𝑒𝑠
5 5
𝑥0 −20 𝑥0 −20
4-𝑃(𝑋 > 𝑥0 ) = 0.33 ⟹ 1 − Φ ( 5
) = 0.33 ⟹ Φ ( 5
) = 0.67 ⟹ 𝑥0 = 22.20 𝑙𝑖𝑡𝑟𝑒𝑠

K.ZERFAOUI Page 16

Vous aimerez peut-être aussi