Académique Documents
Professionnel Documents
Culture Documents
Une grande importance sera attachée à la clarté et au soin de la présentation. De plus, notons
où φ (.) est la fonction de répartition de la loi normale centrée réduite N (0, 1), t14 (.) est la fonction
de répartition de la loi de Student de degré de liberté 14 et χ14 (.) est la fonction de répartition de la
Exercice 1 : (8 points) Soit X une variable aléatoire 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
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
1
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.
(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. Dans cette question, nous supposons que la variable aléatoire X suit une loi normale. Soit la
variable aléatoire
X −5
Z= .
0, 25
(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 un espace de 306 megabytes. Soit T = X1 + · · · + X60
(b) Quelle est approximativement la loi et les éléments caractéristiques de la variable aléa-
toire
X −µ
Z = √ ?
0, 25/ 60
(c) Quelle est approximativement la probabilité pour que la taille totale des images soit plus
(d) L’espace de stockage est-il suffisent pour stocker les 60 images? Justifier.
2
Problème : (9 points) Sur le réseau internet, la latence est le délai entre le moment où une
information est envoyée et celui où elle est reçue. On suppose que la latence peut être modélisée par
une variable aléatoire normale de moyenne µ et d’écart type σ , les deux inconnus. Les connexions
internet sont parfois ralenties dû à la latence de transmission du réseau. On souhaite quantifier cette
latence, ou plus précisément obtenir une estimation par intervalle des paramètres µ et σ .
Partie 1 : Taille minimale d’échantillon L’historique nous indique que l’écart type σ est de
l’ordre de 0.15 seconde. On suppose qu’on envoie n paquets sur le réseau internet et on obtient les
latences aléatoires X1 , ..., Xn de même loi normale µ et d’écart type σ = 0.15 seconde.
X −µ
Z= √ ?
0.15/ n
P X − en (α) ≤ µ ≤ X + en (α) = 1 − α,
où en (α) = √ φ −1 (1 − α/2).
0.15
Indication : On pourra utiliser sans démonstration l’égalité
n
φ −1 (α/2) = −φ −1 (1 − α/2).
3. Déterminer nmin la taille minimale d’échantillon pour obtenir une estimation de µ avec une
marge d’erreur plus petite que 0.1 et une valeur de confiance 99%.
Partie 2 : Une estimation de µ Sur 15 paquets envoyés sur le réseau, on a obtenu une latence
moyenne de x = 0.8 seconde, avec un écart type de s = 0.1 seconde.
X −µ
T= √ ?
S/ 15
3
2. Montrer que, pour tout α ∈]0, 1[,
0.1 −1
où d(α) = √ t (1 − α/2).
15 14
Indication : On pourra utiliser sans démonstration l’égalité
−1 −1
t14 (α/2) = −t14 (1 − α/2).
confiance 99%.
Partie 3 : Une estimation de σ Sur 15 paquets envoyés sur le réseau, on a obtenu une latence
moyenne de x = 0.8 seconde, avec un écart type de s = 0.1 seconde.
14S2
χ= ?
σ2
P g(α)S ≤ σ ≤ h(α)S = 1 − α,
où s s
14 14
g(α) = −1
, h(α) = −1
.
χ14 (1 − α/2) χ14 (α/2)
3. Donner un intervalle de confiance de l’écart type σ de la latence dans le réseau avec valeur
de confiance 99%.
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
a
E(X) = µ =
2
σ2 a2
V(X) = =
n 12n
E(U) = E(2X)
= 2E(X)
= a.
a2
E(U) = V(U) = V(2X) = 22 V(X) = .
3n
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
5
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
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
4.5 − 5 X − 5 5.5 − 5
P 4.5 ≤ X ≤ 5.5 = P ≤ ≤ ,
0.25 0.25 0.25
= P −2 ≤ Z ≤ 2 ,
= φ (2) − φ (−2) ,
= 2φ (2) − 1,
= 0.9545
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.
6
4. (a) (1 point) En utilisant le Théorème de limite centrale, nous déduisons que la variable
aléatoire
X −µ
Z = √
0, 25/ 60
P T < 306 = P 60X < 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
Problème : (9 points)
1. (1 point) La variable Z suit une loi normale centrée réduite N (0, 1).
7
2. (1 point) Nous avons,
X −µ
P X − en (α) ≤ µ ≤ X + en (α) = P − φ −1 (1 − α/2) ≤ 0.15 ≤ φ −1 (1 − α/2) ,
√
n
= P φ −1 (α/2) ≤ Z ≤ φ −1 (1 − α/2) ,
= φ φ −1 (1 − α/2) − φ φ −1 (α/2) ,
= 1 − α/2 − α/2,
= 1 − α.
3. (1 point) La marge d’erreur étant en (α), avec α = 0.01, ce qui nous donne à la condition
0.15 −1
√ φ (0.995) ≤ 0.1
n
√ 0.15
n ≥= × 2.575,
0.1
ce qui implique n ≥ 14.92. Ainsi, la taille minimale d’échantillon est nmin = 15.
X−µ
1. (1 point) La variable aléatoire T = √
S/ 15
suit une loi de Student de degré de liberté
n − 1 = 14.
−1 X −µ −1
P X − d(α) ≤ µ ≤ X + d(α) = P − t14 (1 − α/2) ≤ 0.1 ≤ t14 (1 − α/2) ,
√
15
−1 −1
= P t14 (α/2) ≤ T ≤ t14 (1 − α/2) ,
−1 −1
= t14 t14 (1 − α/2) − t14 t14 (α/2) ,
= 1 − α/2 − α/2,
= 1 − α.
8
3. (1 point) La valeur de confiance est 0.99 = 1 − α implique que α = 0.01. D’où,
0.1 −1
d(α) = √ t14 (0.995) = 0.077
15
Puisque x = 0.8, nous aurons P(0.723 ≤ µ ≤ 0.877) = 0.99, c’est à dire [0.723, 0.877] est un
14S2
1. (1 point) La variable χ = σ2
suit une loi Khi deux de degré de liberté n − 1 = 14.
−1 14 2 −1
P g(α)S ≤ σ ≤ h(α)S = P χ14 (α/2) ≤ 2
S ≤ χ14 (1 − α/2) ,
σ
−1 −1
= χ14 χ14 (1 − α/2) − χ14 χ14 (α/2) ,
= 1 − α/2 − α/2,
= 1 − α.
Puisque s = 0.1, nous aurons P(0.067 ≤ µ ≤ 0.185) = 0.99, c’est à dire [0.067, 0.185] est un