Vous êtes sur la page 1sur 8

Examen de Probabilités et Statistique

Session principale

Abdallah Ben Abdallah


Université de Sfax
Institut supérieur d’informatique et multimédia de Sfax

Année universitaire 2017-2018


1

Université de Sfax 2ème LFIM


Institut Supérieur d’informatique Janvier 2018
et du Multimédia de Sfax Durée : 1 H 15 mn
Examen de Probabilités et Statistique
Une grande importance sera attachée à la clarté et au soin de la présentation. De plus, notons que toutes les
calculatrices sont autorisées.

Nous donnons les valeurs numériques suivantes :


ϕ(2) = 0.9772, ϕ(3, 09) = 0.999,
99 (0, 95) = 77, χ99 (0, 05) = 123,
χ−1 −1

−1 (0.95) = 1.66, t −1 (0.05) = −1.66,


t99 99
où ϕ(.) est la fonction de répartition de la loi normale centrée réduite N (0, 1), t99 (.) est la fonction de répar-
tition de la loi de Student de degré de liberté 99 et χ99 (.) est la fonction de répartition de la loi Khi2 de degré
de liberté 99.

Exercice 1 : (6 points) Soit une variable aléatoire X de loi uniforme sur l’intervalle [0, a], où a est un
paramètre strictement positif inconnu que nous voulons l’estimer. Pour un échantillon aléatoire X1 , · · · , Xn
de la variable aléatoire X, nous désignons par X la moyenne de l’échantillon et S 2 la variance de l’échantillon.

1. Exprimer l’espérance E(X) et la variance V(X) en fonction de a et n.

2. Montrer que U = 2X est un estimateur sans biais de a.

3. Exprimer en fonction de a et n l’erreur E(U ) de l’estimateur U .

4. Le retard d’un fournisseur en une livraison d’un certain produit à une certaine entreprise suit une loi
uniforme sur l’intervalle [0, Tmax ], où le paramètre Tmax est le temps maximal de retard. Nous avons
enregistrés les retards suivant pendant les dix premières livraisons (l’unité est l’heure):

1, 2, 5, 1, 2, 5, 0, 2, 1, 1.

(a) Donner une estimation T̂max de Tmax .


(b) Quelle est la probabilité que la prochaine livraison se fait avec un retard ne dépassant pas 3
heures?

Exercice 2 : (7 points) La taille de stockage X d’une image numérique peut être modélisée par une
variable aléatoire d’espérance µ = 5 megabytes et d’écart type σ = 0, 25 megabyte.

1. Uniquement dans cette question, nous supposons que la variable aléatoire X suit une loi normale.
Soit la variable aléatoire
X −5
Z= .
0, 25
2

(a) Quelle est la loi et les éléments caractéristiques de la variable Z?


(b) Quelle est la probabilité que la taille de l’image soit entre 4, 5 et 5, 5 megabytes?

2. Nous voulons stocker 60 images dans espace de 306 megabytes. Soit T = X1 + · · · + X60 la taille totale
des 60 images, X la moyenne d’échantillon.

(a) Établir l’expression de X en fonction de X1 , ..., X60 et exprimer T en fonction de X.


(b) Quelle est approximativement la loi et les éléments caractéristiques de la variable aléatoire

X −µ
Z= √ ?
0, 25/ 60

Préciser le Théorème utilisé.


(c) Quelle est approximativement la probabilité pour que la taille totale des images soit plus petite
que 306 megabytes?
(d) L’espace de stockage est-il suffisent pour stocker les 60 images? Justifier.

Exercice 3 : (7 points) Pour assurer l’efficacité de l’utilisation d’un serveur, il est nécessaire d’estimer le
nombre moyen µ et l’écart type σ des nombres d’utilisateurs connectés à chaque instant. Les observations ont
montrées que le nombre moyen d’utilisateurs à 100 instants aléatoires est x = 36 avec variance d’échantillon
s2 = 81.

1. Quelle est approximativement la loi et les éléments caractéristiques de la variable aléatoire

X −µ
T= ?
S/10

2. Montrer que  
P −1
t99 (0, 05) ≤T ≤ −1
t99 (0, 95) = 0, 9. (1)

À l’aide de la figure 1 à la page 4 de l’épreuve, donner une illustration graphique de l’égalité (1). Veillez
respecter les valeurs numériques au début de l’épreuve.

3. En déduire un intervalle de confiance de µ de valeur de confiance 0, 9.

4. Quelle est approximativement la loi et les éléments caractéristiques de la variable aléatoire

99 2
K= S ?
σ2

5. Montrer que  
P χ−1
99 (0, 05) ≤ K ≤ χ −1
99 (0, 95) = 0, 9. (2)

À l’aide de la figure 2 à la page 4 de l’épreuve, donner une illustration graphique de l’égalité (2). Veillez
respecter les valeurs numériques au début de l’épreuve.
3

Figure. 1: La courbe de la loi de probabilité de la variable aléatoire T .

Figure. 2: La courbe de la loi de probabilité de la variable aléatoire K .

6. En déduire un intervalle de confiance de σ de valeur de confiance 0, 9.

Bonne Chance
4

Corrigé
Exercice 1 : (6 points)
1- (1.5 points) La variable aléatoire X suit une loi uniforme sur l’intervalle [0, a], donc
a
E(X) = µ =
2
a2
V(X) = σ 2 =
12

D’où, la moyenne de l’échantillon X satisfait

a
E(X) = µ =
2
σ2 a2
V(X) = =
n 12n

2- (1.5 points) L’estimateur U de paramètre a est sans biais puisque

E(U ) = E(2X)
= 2E(X)
= a.

3- (1 point) L’erreur de l’estimateur U est donnée par

a2
E(U ) = V(U ) = V(2X) = 22 V(X) = .
3n

4- (a) (1 point) Une estimation de Tmax est

T̂max = 2x
1
= 2× (1 + 2 + 5 + 1 + 2 + 5 + 0 + 2 + 1 + 1)
10
= 4.

(b) (1 point) Notons que T le temps de retard de livraison suit une loi uniforme sur l’intervalle
[0, Tmax ] et une estimation de Tmax est T̂max = 4. D’où, il est naturel de supposer que T suit une
loi uniforme sur [0, 4]. Par conséquent,

3−0 3
P(T ≤ 3) = F (3) = = .
4−0 4

Nous rappelons que la fonction de répartition d’une variable aléatoire de loi uniforme [a, b] est
donnée par
x−a
F (x) = , ∀x ∈ [a, b].
b−a
5

Exercice 2 : (7 points)
1- (1 point) Puisque la variable aléatoire X suit une loi normale N (5, 0.25), la variable
X −5
Z=
0.25

suit une loi normale centrée réduite N (0, 1).

2- (2 points) Nous avons


4.5 − 5 X − 5 5.5 − 5 
= P

P 4.5 ≤ X ≤ 5.5 ≤ ≤ ,
0.25 0.25 0.25
= P −2 ≤ Z ≤ 2 ,


= ϕ(2) − ϕ(−2) ,


= 2ϕ(2) − 1,
= 0.9545

3- (1 point) La moyenne de l’échantillon X1 , · · · , X60 est donnée par


1
X= (X1 + · · · + X60 ).
60

Par suite, T = X1 + · · · + X60 la taille totale des images s’exprime en fonction de X par la relation
T = 60X.

4- (a) (1 point) En utilisant le Théorème de limite centrale, nous déduisons que la variable aléatoire

X −µ
Z= √
0, 25/ 60

suit approximativement une loi normale centrée réduite N (0, 1).


(b) (1 point) Nous avons

= P 60X < 306 ,


 
P T < 306
= P X < 5.1


X −5 5.1 − 5 
= P √ < √
0.25/ 60 0.25/ 60

' P Z < 3.09 ,
= ϕ(3.09) ,


= 0.999

(c) (1 point) Soit l’événement S : "l’espace de stockage est suffixant". Nous avons

P(S) = P(T < 306) = 0.999,


6

ce qui indique que l’espace de stockage est bien suffisant.

Exercice 3 : (6 points)
1- (1 point) La variable aléatoire

X −µ X −µ
T= = √
S/10 S/ 100

suit approximativement la loi de Student de degré de liberté n − 1 = 99.

2- (1 point) Nous avons


 
−1 −1
= t99 t99
−1 −1
 
P t99 (0, 05) ≤T ≤ t99 (0, 95) (0, 95) − t99 t99 (0, 05)
= 0.95 − 0.05
= 0.9

3- (1 point) La condition
 
−1
P t99 −1
(0, 05) ≤ T ≤ t99 (0, 95) = 0.9

nous conduit à obtenir


 
S −1 S −1
P X − t99 (0, 95) ≤ µ ≤ X + t99 (0, 95) = 0.9
10 10

−1 (0, 95) = −t −1 (0, 05). Remplaçant X et S par les valeurs observés


Nous avons utiliser le fait que t99 99
x = 36 et s = 81, nous obtenons
2
s −1
t (0, 95) = 1.494.
10 99
Ainsi, nous déduisons P 34.506 ≤ µ ≤ 37.494 = 0.9, c’est à dire que [34.506, 37.494] est un inter-


valle de confiance de valeur confiance 0.9.

4- (1 point) La variable aléatoire


99 2 n − 1 2
K=
S = 2 S
σ2 σ
suit approximativement la loi Khi deux de degré de liberté n − 1 = 99.

5- (1 point) Nous avons


 
P χ−1 −1
= χ99 χ−1 −1
 
99 (0, 05) ≤ K ≤ χ99 (0, 95) 99 (0, 95) − χ99 χ99 (0, 05)

= 0.95 − 0.05
= 0.9
7

6- (1 point) La condition
 
P χ−1
99 (0.05) ≤ K ≤ χ −1
99 (0.95) = 0.9

nous conduit à obtenir


s s !
99S 2 99S 2
P ≤σ≤ = 0.9
χ−1
99 (0.95) χ−1
99 (0.05)

Remplaçant S 2 par la valeurs observée s2 = 81, nous obtenons


s s
99S 2 99S 2
= 8.07, = 10.2
χ−1
99 (0.95) χ−1
99 (0.05)

Ainsi, nous déduisons P (8.07 ≤ σ ≤ 10.2) = 0.9, c’est à dire que [8.07, 10.2] est un intervalle de con-
fiance de valeur confiance 0.9.

Vous aimerez peut-être aussi