Académique Documents
Professionnel Documents
Culture Documents
séance 1 : Ex 1 à 3 (base)
Ex 31 à 33
Séance 1 : Exercices de base
Ex base 1 : X = durée d’un projet suit la loi normale N (m = 50 heures ; s = 5 heures)
1) Calculer les probabilités p 1 = P (X > 62) et p 2 = P (X ≤ 56) et p 3 = P (X ≤ 40)
2) Calculer et interpréter les intervalles de confiance I.C.70 % et I.C.90 %
1) Tirage avec remise = Nombre de chiffres possibles inchangé → utiliser des puissances
Il y a donc 5 impairs * 4 3 pairs non nuls = 320 codes possibles
Autres pairs et sans zéros = 2 ou 4 ou 6 ou 8 donc 4 possibilités
Il y a : 6 premier * 5 deuxième * 4 troisième * 3 dernier = 360 cas favorables / 6 4 cas possibles = 27,78 %
4) P (3 fois le même chiffre) = (cas 1 = que des 1) + (cas 2 = que des 2) + …+ (cas 6 : …)
Cas 1 : P (3 fois le 1) = 1 / 6 3
P (3 fois le même chiffre) = 6 Disjonction de cas = choix du chiffre * 1 / 6 3 = 1 / 36
Exercices qui seront traités en TD
Ex 31 : Loi Normale
Les ventes V des mois précédents étaient normalement distribuées suivant la loi N (50Tonnes ; 10 tonnes)
1) Calculer pour les mois à venir : p1 = P (55 < Vente < 67) et p2 = P (Vente > 38)
2) Trouver les réels x et y tels que P (Vente < x) = 95 % et P (Vente < y) = 20 %
Réponse à retrouver : P1 = 26,39 % P2 = 88,49 % x ≈ 66,5 y ≈ 41,6
p 2 = P (Vente > 38) = P (Z > –1,2) «mauvais sens et mauvais signe» P (Z ≤ 1,20) «lire la table»= 88,49 %
Car : p 2 = 1 – P (z <–1,2) « mauvais signe » = 1 – [1 – P (z <1,2)] = P (Z ≤ 1,20)
Autre méthode :
[Car n > 30 grand et p=0,001 faible : n p <10 avec E(X) = n p ≈ V(X)= n p (1- p)]
La distribution de la consommation de vin suit une loi Normale : X →N (50,30) Par conséquent, la
variable Z centrée réduite se calcule de la manière suivante : Z = (X–50) / 30
P (X > 80) = P (Z > 1) « mauvais sens » = 1 – P (Z ≤ 1,10) « lire la table » = 1 – 0,8413 = 0,1587
→ 15,9 % de la population peut être considérée comme de gros consommateurs de vin.
P (X < 10) = P (Z< – 1,33) « mauvais signe » = 1 – P (Z ≤ 1,33) « lire la table » = 1 – 0,9082= 0,0918
→ 9,18 % de la population consomme moins de 10 litres de vin par an.
Modèle pour Ex 34 : (Spécial Concours)
P (X = 2) = C 10 2 p 2 (1 – p) 8 avec C 10 2 = 10 * 9 / 2*1
P (X = 1) = C 10 1 p 1 (1 – p) 9 donc P (X = 2) / P (X = 1) = 9 p / 2 (1 – p)
Soit une variable X suivant une loi binomiale Bin (n = 100 grand ; p = 0,02)
a) Approximer cette loi Binomiale par une loi de Poisson de moyenne m = n p = 2
[Car n > 30 grand et p = 0,02 faible : n p <10 avec E(X)= n p ≈ V(X) = n p (1- p)]
X n = nombre de pièces de qualité médiocre par n (schéma de Bernoulli) suit la loi Bin (n ; 0,01)
1) si n = 100, E(X)= n p = 1 donc Bin (100 ; 0,01) ≈ Poisson m =1 (car n > 30 grand et n p < 10 petite)
P (X entier ≥ 4) → mauvais sens : on passe au contraire
P (X entier ≥ 4) = 1 – P (X entier ≤ 3) = 1 – 0,9810= 1,9 %
Au départ : X entier ≥ 4 ↔ Liste : 4 ; 5 ; 6 ; 7 ….
Contraire : Liste : 0 ; 1 ; 2 ; 3 ↔ (X entier ≤ 3)
1) Dans un jeu de 32 cartes, on « tire » 5 cartes ; Probabilité d’avoir exactement 2 rois et 2 dames ?
2) Combien de mots avec 5 lettres différentes et finissant par une voyelle peut-on former ?
3) On choisit 2 mois au hasard : Probabilité que les 2 mois aient même nombre de jours ?
4) On lance 5 dés, probabilité d’avoir au moins un 6 ?
Cas favorables : Choisir 2 Rois parmi 4 (ordre ou rôle indifférent) et 2 Dames parmi 4 et 1 autre parmi 24
Il y a : 6 choix de la voyelle * 25 Première * 24 Deuxième *23 Troisième * 22 Quatrième = 1 821 600 mots
Donc P (X = 2) / P (X = 1) = (9 / 2) p / (1 – p) = 9 p / 2 (1 – p)
1) Dans une entreprise, le nombre d’incidents techniques suit la loi de Poisson m = 0,2 incidents / par jour
X = Nombre de jours parmi 28 jours (Schéma de Bernoulli) donc X suit loi Bin (n = 28 ; p à calculer)
Moyenne binomiale = n p = 28 * 0,18 ≈ 5 donc on va faire les calculs avec la loi Poisson m = 5
Réponse :
a) X = Nombre de clients par guichet / H (schéma de Poisson) mais l’information sur le flux
des clients est donnée en minutes (type Loi Exponentielle)
Conversion : 5 minutes / entreprise ↔ 60 / 5 = 12 clients / H entreprise
X suit la loi de Poisson m = 12 / 4 guichets = 3 clients par guichet / H
P (X entier 10) = 1 – P (X entier ≤ 9) = 1 – 0,9989 = 0,0011 = 0,11 %
b) T = Temps d’inactivité d’un guichetier (temps entre 2 clients) Schéma de loi Exponentielle
Conversion : 5 minutes / entreprise ↔ 5 * 4 guichets = 20 minutes en moyenne par guichet
P (T 15 minutes) = e – 15 / 20 = 47,24 %
Pour Information : dans beaucoup de Service Public, le nombre de guichets à ouvrir est calculé
par les Lois d’ERLANG qui mesurent le flux des clients selon une loi de Poisson et la durée de
service des clients selon une loi Exponentielle.
Ex 34 : Loi de Poisson (« type concours »)
Le nombre mensuel X d’apparition d’1 événement rare suit une loi de Poisson. La
probabilité d’observer un événement rare est de 0,0783. La probabilité d’observer 2
événements rares est de 0,1566. Estimez le paramètre de cette loi de Poisson.
P (X = 2) / P (X = 1) = texte 0,1566 / 0,0783 = 2
2) X = nombre de clients par heure à l’un des 3 guichets : on reconnait schéma de Poisson, mais on
dispose d’une information sur le flux des clients pour toute l’entreprise, donc on doit faire une conversion.
6 clients / H pour les 3 guichets ↔ 2 clients / H et par guichet donc suit Poisson (m = 2)
P (X ≥ 2 = m) « mauvais signe » = 1 – P (X ≤ 1) = 1 – 0,4060 = 59,40 %
N.B : Si l’information sur le flux des clients était du type loi exponentielle (il s’écoule en moyenne 10 minutes
entre l’arrivée de 2 clients), on convertirait cette information pour avoir une information du type loi de
Poisson (1 client toutes les 10 minutes ↔ 6 clients / H pour les 3 guichets)
Conversion : m = 30 clients par heure ↔ 1 client toutes les 2 minutes dans l’entreprise
↔ 1 client toutes les 2 *5 =10 minutes à chacun des 5 guichets
X = Temps d’inactivité suit une loi exponentielle de paramètre λ = 1 / moyenne = 0,1
P (X ≥ m = 10) = e – 0,1 *10 = 36,79 %
Correction TD L2 Stats :
séance 3 : Ex 7 à 9 (base)
Ex 37 à 39
Ex base 7 : En 2012, consommation d’eau / jour et habitant suivait la loi N (148 litres ; 25 litres)
En 1975, consommation d’eau / jour et habitant suivait la loi N (106 litres ; 20 litres) Source : Futura Planète
1) En 2012, Calculer le % de français qui consomme plus de 200 litres /jour ? Moins de 120 litres /jour ?
2) Pour 1975 puis 2012, donner l’intervalle de confiance I.C. 70 % de la consommation d’eau /jour et habitant
D’après le dessin, min = 148 – 1,04* 25 ≈ 122 et max = 148 + 1,04* 25 ≈ 174
Conclusion :
Pour 70 % des français, la consommation / jour est dans I.C. 70 % = [122 litres ; 174 litres]
1 : E (X ou T) = 1/ λ = 10 ans
P (X ≥ 12) = e – 0,1 * 12 = 30,12 % et P (X < 2) = 1 – e – 0,1*2 = 18,13 %
N.B : Parfois, on ne donne que : P (T > a) = 60 % Ici paramètre λ et moyenne non fournis
e – λ. a =0,60 di=onc – λ. a = Ln 0,60 d’où on en déduit λ.
Ex 37 : Loi Exponentielle et durée de vie
La durée de vie d’un lave-vaisselle (en années) peut être modélisée par une variable aléatoire T
suivant une loi exponentielle de paramètre λ. Une étude statistique montre qu’au bout de 5 ans, 40%
des lave-vaisselles sont en état de fonctionnement.
a) Calculer λ et E(T) = durée de vie moyenne puis calculer P (T < 1/2 ans = 6 mois)
b) Calculer la demi-vie d’un lave-vaisselle = médiane T* telle p (T < médiane T*) = 50 %
Une étude montre qu’au bout d’un an, 50 % des ampoules sont en état de fonctionnement.
La durée de vie des ampoules peut être approximée par une loi exponentielle de paramètre λ :
Or, on sait que : P (T ≥ 1) = 0,50 ⇒ e − λ = 0,5 donc λ = – Ln (0,5) = 0,693 et E(T) = 1/ λ = 1,44 ans
Attention : le texte indique « Sachant que » donc il s’agit d’une probabilité conditionnelle
Sachant que l’ampoule a fonctionné plus d’un an : Certitude C = « T ≥ 1 »
P (T ≤ 2 pannes avant 2 ans / sachant T ≥ 1) = définition probabilité condition p [(T ≥ 1) ∩ (T ≤ 2)] / P (T ≥ 1)
La consommation électrique X i d’un abonné d’EDF suit une loi normale X i suit la loi N (5 ; 2)
N.B: pour qu’un échantillon de n = 4000 personnes soit représentatif, il faut qu’il y ait entre
3314 et 3405 ménages de l’échantillon disposant d’internet.
On veut une estimation, pour la famille, avec un risque (coupé en 2 zones) d’erreur = 5 %
On peut donc estimer que pour 95 % des familles à 4 personnes, la consommation / jour se situera
I.C. 95 % = [12 z 0,975 * 1,212] = [12 1.96 * 1,212] donc I.C. 95 % = [9,62 Kg ; 14,38 Kg]
b) Pour la consommation des 4 personnes sur 30 jours, Z famille, mois = Y jour 1 + Y jour 2 + … + Y jour 30
Par combinaison de lois normales, Z suit la loi N (12 * 30 = 360 kg ; 1,212 * 30 ≈ 6,64)
D’où I.C. 95 % pour Z famille, mois [360 z 0,975 * 6,64] = [360 1.96 * 6,64] ≈ [347 Kg ; 373 Kg]
2) On suppose que cette ressource R coûte 0,25 € par Kg, mais bénéficie d’une prime = 5 € / mois
a) Préciser la loi suivie par B = budget mensuel de cette famille
b) Calculer le risque que ce budget dépasse 95 €
1) On sait que X = Ventes / an suit une loi normale N (m =10 000, σ) avec σ inconnu
Info du texte : P (X – moyenne > 2000) + P (X – moyenne < 2000) = 50 %
Donc 12 000 = 10 000 + 0,67 σ donc σ = 2 000 / 0,67 ≈ 2985 donc X → N (10 000 ; 2985)
2) Le profit 𝚷 E d’une entreprise se calcule de la manière suivante :
Le profit espéré ou moyen E(𝚷 E) = 400 * 10 000 – 2 000 000 = 2 000 000
Le profit suit donc une loi normale puisque c’est une combinaison linéaire de la quantité
produite par l’entreprise (qui suit une loi Normale)
Plus rapide : Stock = max = 7 + 1,65 * 0,5 écart type = 7,822 tonnes
N.B : D’après le dessin, on peut voir tout de suite que Stock = 7 + 1,65 * 0,5
(5%= risque de rupture de stock est la partie hachurée au-dessus du Stock)
Ex 42 : Loi Binomiale et Approximation
Dans le TGV, une personne a une chance sur 5 d’être contrôlée. 300 personnes sont présentes dans
le TGV. Soit X = nombre de personnes qui seront contrôlées dans le TGV.
1) Déterminer la loi de la variable aléatoire X. Calculer E(X) et V(X).
2) Justifier le fait que la variable aléatoire X puisse être approchée par la loi normale dont vous
préciserez les paramètres. Calculer P (X ≤ 50)
X = nombre de personnes contrôlées parmi 300 (schéma de Bernoulli) suit la loi Bin (n= 300 ; p=1/5)
E(X)= n p = 60 « trop grande pour l’approximation de Poisson »
On calcule l’écart type σ = √ n p (1 – p) = 6,9 donc Bin (300 ; 1/5) ≈ N (60 ; 6,9)
Correction de continuité : obligatoire dès que l’on passe d’une loi discrète (X nombre entier de …)
à une loi continue où X peut prendre toutes les valeurs réelles possibles
On doit agrandir l’intervalle de 0,5 de chaque côté
] -∞ ; 50] →] -∞ ; 50,5]
P (X ≤ 50) = P (Z ≤ – 1,38 = (50,5 – 60) /6,9) = mauvais signe 1– P (Z ≤ 1,38) = 8,38 %