Vous êtes sur la page 1sur 7

Institut Supérieur d’Informatique 2ème LFIM (a) Quelle est la loi de Y ?

et du Multimédia de Sfax Octobre 2019 (b) Déterminer P(Y ≥ 2).


Enseignant : Abdallah Ben Abdallah
(c) Quelle est la probabilité que le message soit décodé correctement.

Série n ◦ 2
Exercice 3 : Un système à n (n ≥ 1) composants est dit parallèle s’il fonctionne si et
Variables aléatoires discrètes seulement si aux moins un composants fonctionne. La probabilité pour qu’un composant
fonctionne est p ∈]0, 1[. On note X le nombre des composants qui fonctionnent. Soit Fn
Exercice 1 : Le nombre d’ordinateurs vendus en une journée par un petit magasin est l’événement "le système fonctionne".
une variable aléatoire X de loi
1. Quelle est la loi de la variable aléatoire X ?
k 0 1 2 3 4 5 2. Exprimer P(Fn ) en fonction de n et p.
P(X = k) 0.1 0.3 0.2 a 0.1 0.1 3. Déterminer le plus petit nombre nmin , tel que P(Fn ) ≥ 0, 995 pour tout n ≥ nmin pour
où a est un paramètre réel. les valeurs suivants de p :
— p = 0, 8
1. Déterminer le réel a. — p = 0, 9
2. Représenter la fonction de répartition F(x) de X.
Exercice 4 : Soit Y une variable aléatoire de Poisson de paramètre λ = 2. Déterminer
3. Calculer les probabilités P(X ≤ 3), P(X > 2), P(X ≥ 4), et P(0 < X < 3).
la probabilité P(Y = 4), P(Y < 4), P(Y ≥ 4) et P(Y ≥ 4/Y ≥ 2).

Exercice 2 : A travers un canal de communication nous transmettons un message de 4 Exercice 5 : Un moteur de recherche internet correspondant à un certain mot clé dans
bits. Le bits transmis est décodé d’une manière correcte avec probabilité 0,9. une suite de sites Web indépendants. On pense que 20% des sites contenant ce mot clé.
Soit X le nombre de sites Web visités jusqu’à ce que le premier mot clé est trouvé.
1. Soit la variable aléatoire X qui représente le nombre des bits décodés d’une manière
correcte. 1. Trouver la loi de X.
(a) Quelle est la loi de X ? 2. Déterminer l’espérance et l’écart-type de X.
(b) Déterminer P(X ≥ 1). 3. Sur les 10 premiers sites, soit Y le nombre de sites qui contiennent le mot clé.
(c) Quelle est la probabilité que le message soit décodé correctement ? (a) Trouver la distribution de Y .
2. La méthode de Hamming (7,4) consiste à envoyer 7 bits formés des 4 bits origi-
(b) Déterminer l’espérance et l’écart-type de X.
naux et 3 autre bits, appelés bits de parité. L’algorithme de Hamming permet de
reconstituer le message si au plus un bit parmi les 7 bits soit décodé d’une manière 4. Calculer la probabilité qu’au moins 5 des 10 premiers sites contiennent le mot clé.
incorrecte. Soit la variable aléatoire Y qui représente le nombre des bits décodés 5. Calculer la probabilité que le moteur de recherche devait visiter au moins 5 sites
d’une manière correcte. afin d’avoir la première apparition du mot clé.

1
Exercice 6 : On considère une variable aléatoire X à valeurs dans N∗ de loi de proba- médicament n’a aucun effet sur les rhumes. Un individu est choisit au hasard de la po-
bilité : pulation et prend le nouveau médicament. Soit E l’événement "le médicament n’a aucun
∗ a
∀n ∈ N , P(X = n) = n . effet sur l’individu" et X la variable aléatoire qui compte le nombre des rhumes attrapés
3
par l’individu en une année.
1. Déterminer le réel a. Reconnaître la loi de X ainsi que ses éléments caractéristiques.
2. Déterminer l’espérance E(X), la variance V(X) et l’écart-type σ (X). 1. Donner les probabilités conditionnelles P(X = 1/E) et P(X = 1/E).
3. Pour tout n ∈ N∗ , calculer P(X > n). 2. En déduire la probabilité que cet individu attrape un seul rhume en une année.
4. En déduire que pour tout (n, k) ∈ (N∗ )2 , on a P(X = n + k/X > n) = P(X = k).
Exercice 10 : Un atelier fabrique un grand nombre d’objets. On admet que la proba-
Exercice 7 : Le nombre d’appels téléphonique arrivant à un centrale est en moyen bilité qu’un objet soit défectueux est égale à 0, 01. Soit X la variable aléatoire "nombre
de pièces défectueuses" dans un échantillon de taille n.
4 appels par minute. Soit X la variable aléatoire qui compte le nombre d’appels en une
minute. 1. Quelle est la loi de X ? Préciser ses éléments caractéristiques.

1. Justifier le choix de la loi de Poisson pour la variable X. 2. Combien doit-on contrôler de pièces pour avoir 95% de chances d’obtenir au moins
une pièce défectueuse ?
2. Déterminer la probabilité qu’il n’arrive aucun appel en une certaine minute.
3. On suppose que n est grand.
3. Déterminer la probabilité qu’il arrive au moins deux appels en une certaine minute.
(a) Approximer la loi de X par la loi de Poisson de paramètre λ que l’on exprimera
4. Déterminer la probabilité qu’il arrive au moins deux appels en deux minutes consé-
en fonction de n.
cutives. Indication : On pourra considérer une variable Y = X1 + X2 , où Xi est le
nombre d’appels en i ème minute. (b) Combien doit-on contrôler de pièces pour avoir 95% de chances d’obtenir au
moins une pièce défectueuse ?
Exercice 8 : Le coût d’utilisation d’un certain outil varie en fonction de la fréquence à
laquelle il est utilisé. La fréquence d’utilisation change de jour en jour. Le coût quotidien Exercice 11 : Soit X et Y le nombre de défaillances matérielles dans deux laboratoires
pour l’utilisation de cet outil est de moyenne 130 dinars et d’écart type 64 dinars. d’informatique dans un mois donné. La loi conjointe de X et Y est donnée dans le tableau,

1. En utilisant l’inégalité de Tchebychev, déterminer approximativement la valeur p(x, y) X =0 X =1 X =2


minimale des probabilités pour que le coût d’utilisation de l’outil soit entre 220 et Y =0 0.52 0.20 0.04
40 dinars. Y =1 0.14 0.02 0.01
Y =2 0.06 0.01 0
2. Quelle est la probabilité que ce coût dépassera les 500 dinars ?
1. Calculer la probabilité que au moins une défaillance matérielle se produit.
Exercice 9 : Le nombre de fois pour qu’un individu attrape un rhume en une année
2. De la loi conjointe donnée, X et Y sont indépendants ? Pourquoi ou pourquoi pas ?
donnée est une variable aléatoire de Poisson de paramètre λ = 3. Un nouveau médi-
cament (basé sur une grande quantité de vitamine C) a été vendu pour qu’il réduit le 3. Calculer la covariance cov(X,Y ) et le coefficient de corrélation r(X,Y ).
paramètre λ = 3 à λ = 2 chez 75% de la population. Pour les 25% de la population, le

2
Corrigé de série n◦ 2 2. (a) La variable Y est le nombre des succès sur les sept bits envoyés. C’est à dire, Y
suit la binomiale B(7, 0.9).

Exercice 1 :
(b) On a
1. Nous avons ∑5k=0 P(X = k) = 1. Ainsi, a = 0, 2.
2. La courbe de la fonction de répartition F(x) = P(X ≤ x) est donnée par la figure P(Y ≥ 2) = 1 − P(Y < 2)
suivante. 
= 1 − P(Y = 0) + P(Y = 1) ,
= 1 −C70 (0.9)0 (0.1)7 −C71 (0.9)1 (0.1)6 ,
= 0.9999936

(c) La probabilité que le message soit décodé correctement peut se calculer comme
suit

P(MCD) = P(Y ≥ 6)
= P(Y = 6) + P(Y = 7),
F IGURE 1 – La courbe de la fonction de répartition F(x) = P(X ≤ x). = C76 (0.9)6 (0.1)1 −C77 (0.9)7 (0.1)0 ,
= 0.85
3. On a
Il est bien claire que la méthode de Hamming a améliorer la performance de
— P(X ≤ 3) = F(3) = 0, 8.
décodage puisque la probabilité de décodage correcte de message à passé de
— P(X > 2) = 1 − P(X ≤ 2) = 1 − F(2) = 1 − 0, 6 = 0, 4.
0.6564 à 0.85.
— P(X ≥ 4) = 1 − P(X < 4) = 1 − F(3) = 0, 2.
— P(0 < X < 3) = P(X = 1) + P(X = 2) = 0, 5.

Exercice 2 :
1. (a) Nous posons "succès" l’événement : "un bit est décodé correctement". Nous Exercice 3 : Un système parallèle à n composants peut être présenter comme suit
avons alors, P(succès) = 0.9. Ainsi, la variable X est le nombre des succès sur
les quatre bits envoyés. C’est à dire, X suit la binomiale B(4, 0.9).
(b) P(X ≥ 1) = 1 − P(X < 1) = 1 − P(X = 0) = 1 −C40 (0.9)0 (0.1)4 = 0.9999. 1. Nous posons "succès" l’événement : CF "un composant fonctionne". Ainsi, la va-
(c) Soit l’événement MDC : "le message est décodé correctement". Nous avons riable X est le nombre des succès sur les n composants dy système. C’est à dire, X
P(MDC) = P(X = 4) = C44 (0.9)4 (0.1)4−4 = (0.9)4 = 0.6561. suit la binomiale B(n, p), où p = P(CF).

3
4
— P(Y = 4) = e−2.5 2.5
4! = 0.134
— Nous avons
4
P(Y < 4) = ∑ P(Y = k)
k=0
2.50 2.51 2.52 2.53 
= e−2.5 + + +
0! 1! 2! 3!
= 0.082 + 0.205 + 0.257 + 0.214,
= 0.758

— Nous avons P(Y ≥ 4) = 1 − P(Y < 4) = 1 − 0.758 = 0.242


— La probabilité conditionnelle
F IGURE 2 – Un système parallèle à n composants.

P (Y ≥ 4) ∩ (Y ≥ 2)
P(Y ≥ 4/Y ≥ 2) = .
P(Y ≥ 2)
2. Nous avons
Mais (Y ≥ 4) ∩ (Y ≥ 2) = (Y ≥ 4), car (Y ≥ 4) ⊂ (Y ≥ 2). Ainsi,
P(Fn ) = P(X ≥ 1) P(Y ≥ 4) 0.242 0.242
P(Y ≥ 4/Y ≥ 2) = = = = 0.339
= 1 − P(X < 1) P(Y ≥ 2) 1 − 3.5e−2.5 0.713
= 1 − P(X = 0)
Exercice 5 : La variable X compte le nombre des cites visités jusqu’à trouver le premier
= 1 −Cn0 p0 (1 − p)n
mot clé.
= 1 − (1 − p)n
1. La loi de X est donnée par P(X = k) = (0.8)k−1 × 0.2, pour tout k ≥ 1. C’est la loi
3. Nous remarquons que lorsque n devient de plus en plus grand, la probabilité que le géométrique de paramètre p = 0.2
système fonctionne s’approche de 1. Nous voulons alors, determiner le plus petit n
1 1 1−p 0.8
vérifiant P(Fn ) ≥ 0.995. C’est équivalent à 1 − (1 − p)n ≥ 0.995, ou encore (1 − p)n ≤ 2. L’espérance E(X) = p = 0.2 = 5 et la variance V(x) = p2
= 0.04 = 20. D’où l’écart

0.005. Ainsi, type est σ = 20.
ln(0.005)
n≥ .
ln(1 − p) 3. (a) La loi de Y est binomiale B(10, 0.2).
ln(0.005 
Il suffit de prendre nmin = E 1−p + 1, où E(x) désigne la partie entière de x. Un (b) L’espérance E(y) = np = 10 × 0.2 = 2 et l’écart type est σ =
p
V(Y ) =
petit calcul, nous mène à nmin = 2 si p = 0.9 et à nmin = 4 si p = 0.8 p √
np(1 − p) = 1.6.

Exercice 4 : Puisque la variable Y suit ne loi de Poisson de paramètre λ = 2.5, nous avons 4. P(Y ≥ 5) = ∑10
k=5 P(Y = k) = 0.033

4
5. Nous avons 3. Nous avons

P(X ≥ 5) = 1 − P(X < 5) P(X > n) = 1 − P(X ≤ n)


 
4 2 2 2
= 1 − ∑ P(X = k) = 1− + 2 +···+ n
3 3 3
k=1  
4 2 1 1
= 1− 1 + + · · · + n−1
= 1 − ∑ (0.8)k−1 × 0.2 3 3 3
k=1
2 1 − (1/3)n
= 1 − 0.2 × (1 + 0.8 + 0.82 + 0.83 ) = 1−
3 1 − 1/3
= 0.84 = 0.409 = 1 − (1 − (1/3)n )
1
=
3n
Exercice 6 :
4. Nous avons
1. Pour déterminer le réel a, il suffit d’écrire que
P ((X = n + k) ∩ (X > n))
+∞
a +∞ P(X = n + k/X > n) =
P(X > n)
∑ P(X = k) = ∑ 3k = 1. P (X = n + k)
k=1 k=1
=
P(X > n)
Mais
+∞
1 +∞ 
1
 j+1
1 1 1 2/3n+k
=
∑ 3k = ∑ 3
= 1
3 1− 3
= .
2 1/3n
k=1 j=0
2
=
Nous avons effectué un changement de variable j = k −1. De plus, nous avons utilisé 3k
le fait que pour tout x dans l’intervalle ] − 1, 1[, nous avons = P(X = k).

+∞
1
∑ xk = 1 − x . Exercice 7 :
k=0
1. Nous posons "succès" : "un numéro téléphonique appelle le centrale". Ainsi, X
Ainsi, on trouve a = 2 et par suite sera le nombre des succès, c’est à dire elle suit une loi binomiale B(n, p), où n est
le nombre total des téléphones pouvant appelé le centrale. Puisque n est grand et
2 1 k−1 2 2 k−1
   
2
P(X = k) = k = = 1− p = 4/n est petit, nous pouvons approximer X par la loi de Poisson de paramètre
3 3 3 3 3
λ = np = 4 appels par minute.
2
D’où, la variable X suit une loi de Poisson de paramètre p = 3. 2. Soit l’événement A "aucun appel n’arrive au central en une minute". Alors,
1 1−p 3
2. L’espérance E(X) = p = 1.5 et la variance V(x) = p2
= 4. D’où l’écart type est
√ 40
σ= 3 P(A) = P(X = 0) = e−4 = e−4 = 0.018
2 . 0!

5
3. B "moins de deux appels en une minute". Ainsi, positif
1
P (|C − 130| ≤ 64k) ≥ 1 − .
k2
Ou encore,
P(B) = P(X ≥ 2) 1
P (130 − 64k ≤ C ≤ 130 + 64k) ≥ 1 − .
= 1 − P(X < 2) k2
Le but est de chercher, un minorant de P(40 ≤ C ≤ 220). Nous cherchons alors un
= 1 − P(X = 0) − P(X = 1)
 0 k vérifiant 130 − k × 64 = 40 et 130 + k × 64 = 220. Cela nous conduit à prendre
41

4
= 1 − e−4 + k = 1.4, ainsi
0! 1!
1
= 1 − 5e−4 P (40 ≤ C ≤ 220) ≥ 1 − = 0.49
1.42
= 0.908
2. Nous cherchons un majorant de P (C ≥ 500). Pour cela, il suffit de chercher un
réel positif k tel que 130 + 64k = 500, c’est à dire k = 370/64 = 5.78125. Ainsi, en
4. Soit l’événement C : "le centrale reçoit au moins de deux appels en deux minutes".
utilisant l’inégalité de Tchebychev, nous obtenons
Soit X1 et X2 les variables aléatoires enregistrant le nombre d’appels en première et
en deuxième minutes respectivement. Le nombre total des appels en deux minutes 1
P (130 − 370 ≤ C ≤ 500) ≥ 1 − = 0.97
est alors Y = X1 + X2 . Puisque X1 et X2 ayant le même loi de Poisson de paramètre (5.78125)2
λ1 = λ2 = 4 et indépendantes, alors Y est de loi de Poisson de paramètre λ = λ1 +
D’où, P(−240 ≤ C ≤ 500) ≥ 0.97, ou encore P(C ≤ 500) ≥ 0.97, puisque le coût est
λ2 = 8 appels en une minute. Il s’ensuit que,
toujours positif. Cela nous amène à conclure que P(C ≥ 500) ≤ 0.03

P(C) = P(Y ≥ 2)
= 1 − P(Y < 2) Exercice 9 :
= 1 − P(Y = 0) − P(Y = 1)
 0
81

8 1. La variable Y = X/E suit la même loi de Poisson de paramètre λ = 3. D’où
= 1 − e−8 +
0! 1!
= 1 − 9e−8 3k
P(X = k/E) = e−3 .
k!
= 0.997
1
En particulier P(X = 1/E) = e−3 31! = 3e−3 = 0.15. La variable Z = X/E suit la loi
Exercice 8 : La variable C représente le cout d’utilisation d’un outils dans une certaine de Poisson de paramètre λ = 2. D’où
entreprise. Sa moyenne en une journée est de l’ordre de 130 dinars et son écart type est 2k
de 64 dinars. P(X = k/E) = e−2 .
k!
1
1. L’inégalité de Tchebytchev nous permet d’écrire que pour tout réel k strictement En particulier P(X = 1/E) = e−2 21! = 2e−2 = 0.27.

6
2. En appliquant la formule de la probabilité totale, nous obtenons Exercice 11 :
1. Posons l’événement "au moins une défaillance se produit dans les deux labora-
P(X = 1) = P(X = 1/E)P(E) + P(X = 1/E)P(E)
toires". Alors,
= 0.15 × 0.25 + 0.27 × 0.75
= 2.24 P(D) = P(X +Y ≥ 1)
= 1 − P(X +Y < 1)
Notons que la loi de X est donnée par
= 1 − P(X = 0,Y = 0)

P(X = k) = P(X = k/E)P(E) + P(X = k/E)P(E) = 1 − 0.52


3k 2k = 0.48
= 0.25e−3 + 0.75e−2
k! k!
2. (a) Nous pouvons approximer la loi de X par la loi de Poisson de paramètre λ =
Exercice 10 : np = 0.01 × n.
1. On pose "succès" l’événement "la pièce est défectueuse". Alors, la variable aléa- (b) Nous cherchons n la taille minimale n de l’échantillon, pour que P(X ≥ 1) ≥
toire represente le nombre des succès. C’est à dire elle suit une loi binomiale 0.95. C’est à dire 1 − P(X < 1) ≥ 0.95, ou encore 1 − P(X = 0) ≥ 0.95. Ainsi,
B(n, 0.01).
2. Nous cherchons n la taille minimale n de l’échantillon, pour que P(X ≥ 1) ≥ 0.95. (0.01)0
e−0.O1n = e−0.O1n ≤ 0.05
C’est à dire 1 − P(X < 1) ≥ 0.95, ou encore 1 − P(X = 0) ≥ 0.95. Ainsi, 0.99n ≤ 0.05 0!
qui est équivalent à qui est équivalent à
ln(0.05) ln(0.05)
n≥ = 298.05 n≥− = 299.5
ln(0.95) 0.01
D’où, la taille minimale d’échantillon est nmin = 299. D’où, la taille minimale d’échantillon est nmin = 300.
3. (a) Nous pouvons approximer la loi de X par la loi de Poisson de paramètre λ =
np = 0.01 × n.
(b) Nous cherchons n la taille minimale n de l’échantillon, pour que P(X ≥ 1) ≥
0.95. C’est à dire 1 − P(X < 1) ≥ 0.95, ou encore 1 − P(X = 0) ≥ 0.95. Ainsi,

(0.01)0
e−0.O1n = e−0.O1n ≤ 0.05
0!

qui est équivalent à


ln(0.05)
n≥− = 299.5
0.01
D’où, la taille minimale d’échantillon est nmin = 300.

Vous aimerez peut-être aussi