Vous êtes sur la page 1sur 10

Ministère de l’Enseignement Supérieur

et de la Recherche Scientifique
Université de Sfax
Institut supérieur d’informatique
et multimédia de Sfax
.

Examen de Probabilités et Statistique

Session principale

Deuxième Licence Fondamentale


en Informatique et Multimédia

Année universitaire 2018-2019


1

Université de Sfax 2ème LFIM


Institut Supérieur d’informatique 04 Janvier 2019
et du Multimédia de Sfax Durée : 1 H 15
mn

Examen de Probabilités et Statistique


Session Principale

Une grande importance sera attachée à la clarté et au soin de la présentation. Le sujet est composé
de deux exercices et un problème qui peuvent être traiter indépendamment et peuvent être traités
dans l’ordre que vous souhaitez. Notons encore que toutes les calculatrices sont autorisées.

Nous donnons les valeurs numériques suivantes :


ϕ(1.96) = 0.975, ϕ(2) = 0.9772,
79 (0, 975) = 105.5, χ79 (0, 025) = 56.3,
χ−1 −1

−1 (0.975) = 1.9905, t −1 (0.025) = −1.9905,


t79 79
où ϕ(.) est la fonction de répartition de la loi normale centrée réduite N (0, 1), t79 (.) est la fonction de ré-
partition de la loi de Student de degré de liberté 79 et χ79 (.) est la fonction de répartition de la loi Khi deux
de degré de liberté 79.

Exercice 1 : (4 points) Pour télécharger un package d’un certain logiciel, il faut installer 64 nou-
veaux dossiers. Les dossiers sont installés successivement l’un après l’autre. Le temps d’installation d’un
dossier peut être modélisé par une variable aléatoire de moyenne µ = 15s (secondes) et d’écart type σ = 3s.
Soit T1 , · · · , T64 les temps d’installation des 64 dossiers, T la moyenne d’échantillon et T le temps totale
d’installation du package.

1. Exprimer T en fonction de T1 , · · · , T64 et déduire la relation entre T et T .

2. Montrer que la variable aléatoire T suit approximativement une loi normale N (960, 24). On précis-
era le Théorème utilisé.

3. Quelle est approximativement la probabilité que tout le package soit installé dans moins de 15mn?

Exercice 2 : (6 points) Soit X une variable aléatoire de densité de probabilité


(
θxθ−1 si x ∈]0, 1[,
f (x) =
0 si x <]0, 1[

où θ est une constante positive inconnue que nous voulons l’estimer à partir de quelques valeurs observées.
Soit X1 , · · · , Xn un échantillon aléatoire de X et X la moyenne de l’échantillon.

1. Prouver d’abord que la fonction f est bien une densité de probabilité.


2

2. Montrer que l’espérance et la variance de X sont données par les relations

θ θ
E(X) = , V(X) = .
θ+1 (θ + 2)(θ + 1)2

3. Soit β = θ+1
1
. Dans la suite, nous voulons construire un estmateur du paramètre inconnue β. Pour
atteindre notre objectif, nous considérons l’estimateur

U = 1 − X.

(a) Montrer que l’estimateur U de β est sans biais.


(b) Soit l’erreur de l’estimateur
E(U ) = V(U ).

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

4. Dix observations de X sont obtenues

0.7, 0.6, 0.7, 0.1, 0.2, 0.2, 0.6, 0.1, 0.7, 0.1

(a) Calculer la moyenne des observations x.


(b) En déduire une estimation β̂ de β puis une estimation θ̂ de θ.

Problème : (10 points) Un système d’exploitation pour ordinateur personnel a été étudié de
manière approfondie. Nous pouvons modéliser le temps de réponse à la suite d’une commande donnée à
l’aide d’une variable aléatoire X d’espérance µ = 20ms et d’écart type σ = 5ms (l’unité est le milliseconde).

Partie 1 : (3 points) Nous supposons dans cette partie que X suit une loi normale.

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

X − 20
Z= ?
5

2. Quelle est la probabilité

(a) que le temps de réponse dépasse 30ms?


(b) que le temps de réponse soit entre 10ms et 30ms?

Partie 2 : (3 points) En réalité, la loi de X ainsi que les paramètres µ et σ sont tous des inconnus.
Une nouvelle version du système d’exploitation est installée et nous souhaitons estimer le temps de réponse
moyen µ du nouveau système à l’aide d’un intervalle de confiance de valeur de confiance 95%. Pour cela,
nous effectuons n mesures X1 , · · · , Xn du nouveau temps de réponse X du système d’exploitation. Dans le
but de simplifier le problème, nous supposons que le nouveau écart type reste inchangé, c’est à dire σ = 5ms.
Soit respectivement X et S 2 la moyenne et la variance de l’échantillon aléatoire X1 , · · · , Xn .
3

1. Quelle est approximativement la loi de la variable aléatoire

X −µ
Z= √ ?
5/ n

Préciser le Théorème utilisé.

2. Montrer que  
5 5
P X − z0.025 √ ≤ µ ≤ X + z0.025 √ = 0.95,
n n
où z0.025 = ϕ−1 (0.975).

3. En déduire la taille minimale d’échantillon nmin pour obtenir un intervalle de confiance de µ de marge
d’erreur inférieur à merreur = 1.1 et avec un confiance 95%.

Partie 3 : (4 points) Nous avons effectués 80 mesures du nouveau temps de réponse T du système
d’exploitation et nous avons obtenu une moyenne x = 15ms et un écart type d’échantillon s = 4ms.

1. Quelle est approximativement la loi de la variable aléatoire

X −µ
T= √ ?
S/ 80

2. Montrer que  
S S
P X −1
− t79 (0.975) √ ≤µ≤X + t79
−1
(0.975) √ = 0.95
80 80

3. Déduire un intervalle de confiance de µ de valeur de confiance 95%.

4. Quelle est approximativement la loi de la variable aléatoire

79 2
K= S ?
σ2

5. Montrer que
s s
79S 2 79S 2 ª
≤σ≤ ® = 0.95
©

χ79 (0.975) χ79 (0.025)
« ¬
6. Déduire un intervalle de confiance de σ de valeur de confiance 95%.

Bonne chance
4

Corrigé
Exercice 1 : (3 points)
1- (1 point) La moyenne de l’échantillon T s’exprime en fonction de l’échantillon T1 , · · · , T64 comme
suit
1
T= (T1 + · · · + T64 ).
64
Ainsi, le temps totale de téléchargement du package T = T1 + · · · + T64 peut s’écrire en fonction de T
comme
T = 64T .

2- (1.5 points) D’après le Théorème de limite centrale, la variable aléatoire

T − µ T /64 − 15
Z= √ = √
σ/ 64 3/ 64

suit approximativement une loi normale centrée réduite N (0, 1). Mais Z peut s’écrire comme

T − 15 × 64 T − 960
Z= √ = .
3 × 64/ 64 24

Ainsi, T suit approximativement une loi normale N (960, 24).

3- (1 point) Soit l’évennement A : "le package est téléchargé dans moins de 15s". La probabilité de
A est calculer de la façon suivante

P(A) = P(T ≤ 15mn)


= P(T ≤ 900s)
 
T − 960 900 − 960
= P ≤
24 24
. = P (Z ≤ −2.5)
. = ϕ(−2.5)
= 1 − ϕ(2.5)
= 1 − 0.994
= 0.006

Exercice 2 : (7 points)
1. (1 point) Il est claire que f (x) ≥ 0, pour tout réel x. De plus,
∫ +∞ ∫ 1 h i1
f (x)dx = θxθ−1 dx = xθ = 1.
−∞ 0 0

Ainsi, f est bien une densité de probabilité.


5

2. (2 points) Nous avons


∫ +∞
E(X) = xf (x)dx,
−∞
∫ 1
= θxθ dx,
0
h θ i1
= xθ+1 ,
θ+1 0
θ
= ,
θ+1
1
= 1− .
θ+1

De même, nous obtenons


∫ +∞
E(X ) =
2
x2 f (x)dx,
−∞
∫ 1
= θxθ+1 dx,
0
h θ i1
= xθ+2 ,
θ+2 0
θ
= ,
θ+2
2
= 1− .
θ+2

Ainsi,  2
2 θ θ θ
V(X) = E(X ) − E(X)
2
= − = .
θ+2 θ+1 (θ + 2)(θ + 1)2

3. (a) (1 point) Nous avons

E(U ) = E(1 − X),


= 1 − E(X),
= 1 − (1 − β),
= β.

Ainsi, l’estimateur U de β est sans biais.


(b) (1 point) Nous avons

E(X) = V(U )
= V(1 − X)
= (−1)2 V(X),
6

où nous avons utiliser la formule V(aX + b) = a2 V(X). Ainsi, nous obtenons

θ
E(X) = V(X) = .
n(θ + 2)(θ + 1)2

Utilisant le faite que θ = β1 − 1, nous obtenons

β2 (1 − β)
E(X) = .
n(1 + β)

4. (a) (1 point) La moyenne des observations est

1
x= (0.7 + 0.6 + 0.7 + 0.1 + 0.2 + 0.2 + 0.6 + 0.1 + 0.7 + 0.1) = 0.4
10

(b) (1 point) Une estimation de β est donnée à l’aide de l’estimateur U par

β̂ = 1 − x = 1 − 0.4 = 0.6

Puisque θ = β1 − 1, nous obtenons une estimation de θ comme suit

1 1 2
θ̂ = −1 = −1 = .
β̂ 0.6 3

Problème : (10 points)


Partie 1 : (3 points)
1. (1 point) La variable aléatoire
X − 20
Z=
5
suit une loi normale centrée réduite N (0, 1).

2. (a) (1 point) Soit l’évenement E : "le temps de réponse dépasse 30ms". La probabilité de E peut
se calculer comme suit

P(E) = P(X < 30)


 
X − 20 30 − 20
= P <
5 5
= P(Z < 2)
= ϕ(2)
= 0.9772

(b) (1 point) Soit l’évenement F : "le temps de réponse est entre 10 et 30ms". La probabilité de
7

F peut se calculer comme suit

P(F ) = P(10 < X < 30)


 
10 − 20 X − 20 30 − 20
= P < <
5 5 5
= P(−2 < Z < 2)
= ϕ(2) − ϕ(−2)
= 2ϕ(2) − 1
= 2 × 0.9772 − 1
= 0.9544

Partie 2 : (3 points)
1. (1 point) En utilisant le Théorème de limite centrale, pour n grand, la variable aléatoire

X −µ X −µ
Z= √ = √
5/ n σ/ n

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

2. (1 point) Nous avons

  !
5 5 X −µ
P X − z0.025 √ ≤ µ ≤ X + z0.025 √ = P −z0.025 ≤ √ µ ≤ z0.025
n n 5/ n
= P (−z0.025 ≤ Z ≤ z0.025 )
= ϕ(z0.025 ) − ϕ(−z0.025 )
= 2ϕ(z0.025 ) − 1
= 2 × ϕ ϕ−1 (0.975) − 1


= 0.95

3. (1 point) La marge de l’erreur de l’estimation de µ est z0.025 √5n . Donc, nous exigeons que

5
z0.025 √ < 1.1,
n

ce qui est équivaut à


 2  2
5 1.96 × 5
n > z0.025 = = 79, 372.
1.1 1.1
Ainsi, la taille minimale d’échantillon nmin = 80.

Partie 3 : (4 points) Nous avons effectués 80 mesures du nouveau temps de réponse T du système
d’exploitation et nous avons obtenu une moyenne x = 15ms et un écart type d’échantillon s = 3ms.
8

1. (0.5 point) La variable aléatoire


X −µ
T= √
S/ 80
suit une loi de Student de degré de liberté n − 1 = 79.

2. (0.5 point) Nous avons

  !
S S X −µ
−1
P X − t79 (0.975) √ ≤ µ ≤ X + t79
−1
(0.975) √ = P −t79−1
(0.975) ≤ √ ≤ t79 −1
(0.975)
80 80 S/ 80
= P t79
−1 −1 
(0.025) ≤ T ≤ t79 (0.975)
= t79 t79
−1 −1
 
(0.975) − t79 t79 (0.025)
= 0.975 − 0.025
= 0.95

3. (1 point) En remplaçant S par la valeur observée s = 4 et utilisant que t79


−1 (0.975) = 1.9905, nous

obtenons la valeur de la marge d’erreur

S 1.9905 × 4
−1
t79 (0.975) √ = √ = 0.89
80 80

En remplaçant X par la valeur observée x = 15, nous

P 14.11 ≤ µ ≤ 15.89 = 0.95




Ainsi, [14.11, 15.89] est un intervalle de confiance de µ de valeur de confiance 95%.

4. (0.5 point) La variable aléatoire

79 2 n − 1 2
K= S = 2 S
σ2 σ

suit une loi Khi deux de degré de liberté n − 1 = 79.

5. (0.5 point) Nous avons


s s
79S 2 79S 2 ª
 
79 2
≤σ≤ ® = P χ79 (0.025) ≤ 2 S ≤ χ79 (0.975)
−1 −1
©

χ79 (0.975) χ79 (0.025) σ
« ¬
= P χ−1 −1 
79 (0.025) ≤ K ≤ χ79 (0.975)

= χ79 χ−1 −1
 
79 (0.975) − χ79 χ79 (0.025)

= 0.975 − 0.025
= 0.95
9

6. (1 point) En remplaçant S 2 par sa valeur observée s2 = 16, nous obtenons

P(3.46 ≤ σ ≤ 4.74) = 0.95

C’est à dire [3.46, 4.74] est un intervalle de confiance de σ de valeur de confiance 95%.

Fin du corrigé

Vous aimerez peut-être aussi