Vous êtes sur la page 1sur 10

Institut Supérieur d’Informatique 2ème LFIM et TMW Exercice 3 : La société nationale d’exploitation et de distribution des eaux (SONEDE)

et du Multimédia de Sfax Octobre 2019 a observé que la consommation d’eau en par seconde dans une certaine ville peut être
Enseignant : Abdallah Ben Abdallah modélisée par une variable aléatoire exponentielle de moyenne µ = 3 m3 /s (mètre cube
par seconde).
Série 3
1. Déterminer la probabilité que la consommation dépassera 6 m3 /s.
Variables aléatoires continues 2. Quelle est la capacité minimale xmin de production que SONEDE doit fournir pour
que la consommation X le dépassera avec une probabilité inférieure à p = 0, 01 ?
Exercice 1 : Soit X une variable aléatoire de densité de probabilité
( Exercice 4 : Le temps séparant les pannes d’un certain composant électronique parti-
kx2 si 0≤x≤1 culier suit une loi exponentielle de moyenne 1200 heures.
f (x) =
0 sinon
1. Quelle est la probabilité qu’un composant fonctionne au moins 2000 heures sans
où k est une constante réelle. panne ?

1. Déterminer le réel k. 2. Quelle est la probabilité qu’il fonctionne entre 500 et 2500 heures ?
2. Déterminer la fonction de répartition de X définie par F(x) = P(X ≤ x). Représenter 3. Quelle est la probabilité qu’il fonctionne plus de 3000 heures, étant donné qu’il a
son graphe. déjà fonctionné pendant 1000 heures ?
3. Calculer 4. Supposons qu’un circuit est construit de deux composants identiques montés en
(a) la probabilité P(0, 1 ≤ X ≤ 0, 9). parallèle. Notons que le circuit serait en panne si et seulement si les deux compo-
(b) la probabilité P(X ≥ 0, 5). sants seraient en panne. De plus, les pannes des deux composants se produisent de
(c) la probabilité conditionnelle P(X ≤ 0, 1/X ≤ 0, 9). façon indépendante. Quelle est la probabilité que ce circuit va fonctionner pendant
au moins 2000 heures sans panne ?
4. Calculer l’espérance E(X) et la variance V(X).
5. Calculer les moments E(X n ), pour tout entier naturel n. Exercice 5 : La durée de vie X des puces VLSI fabriqués par un fabricant de semi-
Exercice 2 : Soient c un réel et f la fonction définie par : conducteurs peut être modélisée par une variable aléatoire. Les observations montrent
que X suit approximativement une loi normale de moyenne µ = 5 × 106 heures et d’écart
f (x) = c ln(x), ∀x ∈]0, 1[. type σ = 5 × 105 heures. Un fabricant d’ordinateurs exige qu’au moins 95% de chaque
lot accepté doit avoir une durée de vie supérieure à dmin = 4, 5 × 106 heures.
1. Déterminer c pour que f (.) soit la densité d’une variable aléatoire X.
1. Quelle est la loi et les éléments caractéristiques de la variable aléatoire
2. Tracer la courbe de la fonction f (.).
3. Calculer P( 13 < X < 12 ). X − 5 × 106
Z= ?
5 × 105
4. Calculer les moments E(X n ), pour tout entier naturel n. Indication : On pourra
utiliser une intégration par partie pour calculer les intégrales. 2. L’affaire sera-t-elle conclut ?

1
3. Le fabricant de semi-conducteurs décide d’améliorer la qualité des puces VLCI en 2. Déterminer la fonction de répartition F(z) de la variable aléatoire Z. En déduire la
diminuant la valeur de l’écart type de 5 × 105 à une valeur σ0 à déterminer. Quelle densité de probabilité f (z) de Z.
est la valeur maximale σmax de σ0 pour que l’affaire sera conclut ? 3. Calculer l’espérance E(Z) et la variance V(Z).
Exercice 6 : TravelByUs est une agence de voyage basée sur Internet dans laquelle les Exercice 10 : Un système électronique de surveillance est composé de deux type diffé-
clients peuvent voir les vidéos des villes qu’ils ont l’intention de visiter. Le nombre des rents de composants qui fonctionnent ensemble. Soit X1 et X2 les durées de vie de chaque
visites X par jour sur son site internet est normalement distribué de moyenne µ = 1000 composants. On suppose que la loi conjointe du couple (X1 , X2 ) est
et d’écart type σ = 240. (
cx1 e−(x1 +x2 )/2 si x1 ≥ 0, x2 ≥ 0,
1. Quelle est la probabilité d’obtenir moins de 900 visiteurs ? f (x1 , x2 ) =
0 sinon
2. Le site Web de TravelByUs a été mis en place sous la contrainte que le nombre des
visites par jour ne dépassera pas une valeur Nmax avec une certitude de 99%. Déter- où c est une constante réelle.
miner Nmax . Nous donnons φ (0, 99) = 2, 325 où φ (z) est la fonction de répartition 1. Déterminer la constante c.
de la loi normale centrée réduite.
2. Déterminer les densités marginales f1 (x1 ) et f2 (x2 ).
Exercice 7 : La durée en minutes X d’un cours de math suit la loi normale N (85, 10). 3. X1 et X2 sont elles indépendantes ?
La durée du cours devrait être de 90 minutes. Donner la probabilité que :
4. Déterminer P(X1 > 1, X2 > 1).
1. le cours se termine tôt.
2. le cours se termine avec un retard de plus de 5 minutes.
3. Sachant que le cours va se terminer tard, quelle est la probabilité que le retard
dépasse les 5 minutes ?
Exercice 8 : Les données de l’Institut National de la Météorologie indiquent que les pré-
cipitations annuelles à Sfax est une variable aléatoire normale de moyenne µ = 236 mm
et d’écart type σ = 55 mm.
Quelle est la probabilité pour que le total des précipitations au cours des deux années
prochaines sera supérieur à 500mm ?
Indication : Vous pouvez utiliser le fait que la somme de deux loi normales indépendantes
est une loi normale.
Exercice 9 : un peu de géométrie ! Un point P de coordonnées (X,Y ) est choisis au hasard
dans le carré unité [0, 1] × [0, 1]. Soit Z la distance de P au bord du carré le plus proche et
T la distance au coin le plus proche.

1. Déterminer les probabilités P(Z < 1/4) et P(T < 1/4).

2
Corrigé de série n◦ 3 (c) Nous avons
 
P (X ≤ 0.1) ∩ (X ≤ 0.9)
P(X ≤ 0.1/X ≤ 0.9) =
Exercice 1 : P(X ≤ 0.9)
P(X ≤ 0.1)
=
R∞ F(0.9)
1. le réel k est tel que −∞ f (x)dx = 1. Nous obtenons, k = 3.
0.13
=
0.93
2. La fonction de répartition = 0.0014

 0 si x ≤ 0,
.

F(x) = x3 si 0 ≤ x ≤ 1,

1 si x≥1

4. Nous avons Z +∞ Z 1
3
sa courbe est la suivante E(X) = x f (x)dx = 3x3 dx =
−∞ 0 4
et Z +∞ Z 1
3
E(X 2 ) = x2 f (x)dx = 3x4 dx = .
−∞ 0 5
Ainsi, la variance de X est obtenue comme suit
 2
2 3 32 11
V(X) = E(X ) − E(X) = − =
5 4 30

5. Les moments de X sont données par


Z +∞ Z 1
3
E(X n ) = xn f (x)dx = 3x2+n dx =
−∞ 0 n+3
F IGURE 1 – La courbe de la fonction de répartition F(x) = P(X ≤ x).

Exercice 2 :

3. On a 1. Il faut que la fonction f satisfait les deux conditions


— f (x) ≥ 0, pour tout x ∈ R
(a) P(0.1 ≤ X ≤ 0.9) = F(0.9) − F(0.1) = 0.93 − 0.13 = 0.728 R +∞
— −∞ f (x)dx = 1.
(b) P(X ≥ 0.5) = 1 − P(X < 0.5) = 1 − F(0.5) = 1 − 0.55 = 0.875 A l’aide d’une intégration par partie (u(x) = ln(x) et v0 (x) = 1), nous pouvons obte-

3
nir (c) Le moment d’ordre n de X est donnée par
Z 1 h i1 Z 1 1 Z +∞
ln(x)dx = x ln(x) − × xdx n
xn f (x)dx

E X =
0 0 0 x −∞
h i1 Z 1
= 0− x = − xn ln(x)dx
0
0
= −1 h i1 Z 1
= − xn+1 ln(x) + xn dx
0 0
Ainsi, nous déduisons que c = −1. h xn+1 i1
= −0 +
n+1 0
1
(a) La courbe de la densité de probabilité de X est donnée comme dessous =
n+1

Exercice 3 :

1. La variable X suit la loi exponentielle de paramètre λ , avec

1
E(X) = = 3m3 /s
λ
1
D’où, λ = 3 et la fonction de répartition de X est donnée par
(
0 si x ≤ 0,
F(x) = − 3x
1−e si x ≥ 0.
F IGURE 2 – La courbe de la densité de probabilité f (x) = − ln(x), x ∈]0, 1].
Ainsi,

P(X ≥ 6) = 1 − P(X < 6)


(b) Nous avons
= 1 − F(6)
1
1 1
Z
P ≤X ≤
2
= − 1 ln(x)dx = 1 − e−2
3 2 3
h i 1 Z 21 = 0.86
2
= − x ln(x) 1 + 1 dx
3 3
2. Nous voulons déterminer xmin le plus petit réel x tel que P(X ≥ x) ≤ 0.01, c’est à
ln(3) ln(2) 1
= − + dire
3 2 6
' 0.1863 1 − P(X ≤ x) ≤ 0.01

4
ou encore 3. Nous avons
1 − F(x) ≤ 0.01 
P (X ≥ 3000) ∩ (X ≥ 1000)
P(X ≥ 3000/X ≥ 1000) =
Nous obtenons alors, P(X ≥ 1000)
− 3x P X ≥ 3000)
e ≤ 0.01
=
P(X ≥ 1000)
c’est à dire 1 − F(3000)
x ≤ −3 ln(0.01) = 13.81 =
1 − F(1000)
Nous prenons xmin = 13.81. = e−30/12+10/12 = 0.189

4. Soit X1 et X2 les temps des premiers pannes des circuits 1 et 2, respectivement.


Exercice 4 : La variable X suit la loi exponentielle de paramètre λ , avec Ces deux variables sont indépendants et de même loi exponentielle de paramètre
λ1 = λ2 = 1/1200. Soit A l’événement "le système parallèle tombe en panne pour la
1 première fois après 2000 heures". Alors,
E(X) = = 1200h
λ

D’où, λ = 1 P(A) = P (X1 ≥ 2000) ∪ (X2 ≥ 2000)
1200 . 
= P(X1 ≥ 2000) + P(X2 ≥ 2000) − P (X1 ≥ 2000) ∩ (X2 ≥ 2000)
= 2 × P(X ≥ 2000) − P(X1 ≥ 2000) × P(X2 ≥ 2000)
1. Nous avons = 2 × 0.189 − (0.189)2 = 0.342

P(X ≥ 2000) = 1 − F(2000) Nous avons utiliser le fait que


−2000/1200
= 1 − (1 − e ) 
−5/3 P (X1 ≥ 2000) ∩ (X2 ≥ 2000) = P(X1 ≥ 2000) × P(X2 ≥ 2000)
= e
= 0.189 car les variables X1 et X2 sont indépendants. De plus, nous avons utilisé

P(X1 ≥ 2000) = P(X2 ≥ 2000) = P(X ≥ 2000) = 0.189.


2. Nous avons

P(500 ≤ X ≤ 2500) = F(2500) − F(500)


Exercice 5 : La variable X représente la durée de vie des puces VLSI. Nous supposons que
= (1 − e−2000/1200 ) − (1 − e−500/1200 )
X suit une loi normale N (5×106 , 5×105 ), l’unité étant l’heure (µ = 5×106 , σ = 5×105 ).
−5/12 −25/12
= e −e Un fabricant d’ordinateurs exige qu’au moins 95% de chaque lot accepté doit avoir une
= 0.535 durée de vie supérieure à dmin = 4, 5 × 106 heures.

5
1. La loi de la variable aléatoire c’est à dire
0.5 × 106
σ0 ≤ = 3.04 × 105 .
X − 5 × 106 X −µ 1.645
Z= =
5 × 105 σ Ainsi, σmax = 3.04 × 105 .
est normale N (0, 1) car X suit une loi normale N (5 × 106 , 5 × 105 ).
Exercice 6 : Le nombre des visites X est une variable aléatoire de loi normale
2. L’affaire sera conclue si et seulement si P(X ≥ dmin ) ≥ 95%. Nous avons
N (1000, 240) (ou encore µ = 1000 et σ = 240).

P(X ≥ dmin ) = 1 − P(X < dmin )


 X − 5 × 106 dmin − 5 × 106  1. Soit A l’événement "avoir moins de 900 visiteurs". Alors,
= 1−P <
5 × 105 5 × 105
= 1 − P(Z < −1) P(A) = P(X < 900)
 X − 1000 900 − 1000 
= 1 − φ (−1) = P <
240 240
= φ (1) = 0.841 < 0.95 = P(Z < −0.4167)
= φ (−0.4167)
Ainsi, l’affaire ne va pas être conclue.
= 1 − φ (0.4167) = 0.34 = 34%
3. La variable X suit maintenant une loi normale N (5 × 106 , σ0 ), tel que l’affaire
sera conclue. C’est à dire 2. Nous cherchons le plus proche entier Nmax vérifiant P(X ≤ Nmax ) ' 0.99. C’est à
P(X ≥ dmin ) ≥ 95%. dire
Nous avons  X − 1000 N − 1000 
max
P(X ≤ Nmax ) = P <
240 240
P(X ≥ dmin ) = 1 − P(X < dmin )  Nmax − 1000 
= P Z<
 X − 5 × 106 dmin − 5 × 106  240
= 1−P <  N − 1000 
max
σ0 σ0 = φ
240
 0.5 × 106 
= 1−P Z < − ' 0.99 = φ (2.325).
σ0
 0.5 × 106 
= 1−φ − Ainsi,
σ0 Nmax − 1000
 0.5 × 106  ' φ (2.326),
240
= φ ≥ 0.95
σ0 ou encore Nmax ' 1000 + 240 × 2.325 = 1558. Ainsi, Nmax = 1558.
si et seulement si
0.5 × 106
≥ φ −1 (0.95) = 1.645 Exercice 7 : La durée en minutes X d’un cours de math suit la loi normale N (85, 10).
σ0

6
1. Si nous notons A l’événement "le cours se termine tôt", alors nous aurons totale des précipitations pendant les deux années. Puisque X1 et X2 sont indépendants,
√ √
nous déduisons que T suit une loi normale (236 + 236, 552 + 552 ) = N (472, 55 2). Soit
P(A) = P(X < 90) l’événement A "le total des précipitations dans les deux années prochaines sera supérieur
 X − 85 90 − 85 
= P < à 500mm". Alors,
10 10
= P(Z < 0.5)
P(A) = P(T ≥ 500)
= φ (0.5)  T − 472 500 − 472 
= P √ ≥ √
= 0.691 ' 69% 55 2 55 2
= P(Z ≥ 0.36)
2. le cours se termine avec un retard de plus de 5 minutes. Si nous notons B l’événe- = 1 − P(Z < 0.36)
ment "le cours se termine avec un retard de plus de 5 minutes", alors nous aurons = 1 − φ (0.36) ' 0.36 = 36%.

P(B) = P(X > 95)


 X − 85 95 − 85  Exercice 8 : La variable C représente le cout d’utilisation d’un outils dans une certaine
= P >
10 10 entreprise. Sa moyenne en une journée est de l’ordre de 130 dinars et son écart type est
= P(Z > 1) de 64 dinars.
= 1 − P(Z ≤ 1)
= 1 − φ (1) ' 0.16 1. L’inégalité de Tchebytchev nous permet d’écrire que pour tout réel k strictement
positif
1
3. Nous voulons calculer la probabilité conditionnelle : "le retard dépasse les 5 mi- P (|C − 130| ≤ 64k) ≥ 1 − .
k2
nutes, sachant que le cours se terminer tard". Alors, Ou encore,
1
P (X > 95) ∩ (X ≥ 90)
 P (130 − 64k ≤ C ≤ 130 + 64k) ≥ 1 − .
P(X > 95/X ≥ 90) = k2
P(X ≥ 90) Le but est de chercher, un minorant de P(40 ≤ C ≤ 220). Nous cherchons alors un
P(X > 95)
= k vérifiant 130 − k × 64 = 40 et 130 + k × 64 = 220. Cela nous conduit à prendre
P(A)
k = 1.4, ainsi
P(B) 1
= P (40 ≤ C ≤ 220) ≥ 1 − = 0.49
P(A) 1.42
0.16
= ' 0.232 2. Nous cherchons un majorant de P (C ≥ 500). Pour cela, il suffit de chercher un
0.69
réel positif k tel que 130 + 64k = 500, c’est à dire k = 370/64 = 5.78125. Ainsi, en
Exercice 8 : Soit la variable aléatoire X qui représente les précipitations annuelles à Sfax. utilisant l’inégalité de Tchebychev, nous obtenons
Alors, X suit une normale N (236, 55) (µ = 236 mm et σ = 55 mm). Soit respectivement 1
X1 et X2 les quantités des précipitations en première et en deuxième année et T est le P (130 − 370 ≤ C ≤ 500) ≥ 1 − = 0.97
(5.78125)2

7
D’où, P(−240 ≤ C ≤ 500) ≥ 0.97, ou encore P(C ≤ 500) ≥ 0.97, puisque le coût est
toujours positif. Cela nous amène à conclure que P(C ≥ 500) ≤ 0.03

Exercice 9 : un peu de géométrie ! Un point P de coordonnées (X,Y ) est choisis au hasard


dans le carré unité [0, 1]×[0, 1]. D’où X et Y ont la même loi uniforme sur l’intervalle [0, 1].
Soit Z la distance de P au bord du carré le plus proche et T la distance au coin le plus

proche. Nous avons alors Z = X 2 +Y 2 .

1. La probabilité P(Z < 1/4) se calcule comme suit

Aire(C1 ) F IGURE 3 – La probabilité P(Z < 1/4) est la surface rouge qui est de largeur 14 .
P(Z < 1/4) =
Aire(C)
1 − (1/2)2
=
1
3
=
4

où C1 est le carré noire et C est le carré [0, 1] × [0, 1]. De même, nous calculons
P(T < 1/4) comme suit
où Cz est le carré noire de coté 1 − 2z et C est le carré [0, 1] × [0, 1]. Si z ≥ 1/2, alors
4
1 1  F(z) = 1. La densité de probabilité de Z est
P(T < 1/4) = ∑ × Aire C(Ai , )
i=1 4 4 (
1  0 4 − 8z si 0 ≤ z ≤ 12 ,
= Aire C(A1 , ) f (z) = F (z) =
4 0 si / [0, 12 ]
z∈
1
= π ' 0.196
4

où A1 = (1, 0), A2 = (1, 1), A3 = (0, 1) et A4 = (0, 0) les sommet du carré [0, 1] × [0, 1].
2. La fonction de répartition F(z) = P(Z ≤ z) = 0 lorsque car Z c’est une distance qui 3. L’espérance de Z se calcul comme suit
1
est toujours positif. Si z ≥ 0, alors si z ∈ [0, 2 ], nous avons Z +∞
E(Z) = z f (z)dz
−∞
F(z) = P(Z < z) Z 1
2
Aire(C) − Aire(Cz ) = z(4 − 8z)dz
= 0
Aire(C) h 8 i 12
1 − (1 − 2z)2 = 2z2 − z3
= 3 0
1 1
= 4z − 4z2 =
6

8
La variance V(Z) = E(Z 2 ) − E(Z)2 . Le calcul de E(Z 2 ) peut se faire comme suit De plus Z +∞ h i+∞
Z +∞ e−x2 /2 dx2 = − 2e−x2 /2 = 2.
0 0
E(Z 2 ) = z2 f (z)dz
−∞ Ainsi,
Z 1
2
= z2 (4 − 8z)dz Z +∞ Z +∞
0 f (x, y)dxdy = 8c = 1,
h4 i1 −∞ −∞
2
= z3 − 2z4
3 0
1 C’est à dire c = 81 .
=
24
2. La densité marginale de X1 est donnée par, pour les x1 positifs
Ainsi,
1 1 1 Z +∞
V(Z) = E(Z 2 ) − E(Z)2 = − = . f1 (x1 ) = f (x1 , x2 )dx2
24 36 72 −∞
1 +∞ −(x1 +x2 )/2
Z
Exercice 10 : Un système électronique de surveillance est composé de deux type diffé- = x1 e dx2
rents de composants qui fonctionnent ensemble. Soit X1 et X2 les durées de vie de chaque 8 0
Z +∞
x1 −x1 /2
composants. On suppose que la loi conjointe du couple (X1 , X2 ) est = e e−x2 /2 dx2
8 0
x1 −x1 /2
= e
(
cx1 e−(x1 +x2 )/2 si x1 ≥ 0, x2 ≥ 0, 4
f (x1 , x2 ) =
0 sinon
Pour les x1 négatifs , f1 (x1 ) = 0. De même, la densité marginale de X2 est donnée
où c est une constante réelle. par, pour les x2 positifs
Z +∞
1. La constante c est choisie tel que
f2 (x2 ) = f (x1 , x2 )dx1
−∞
Z +∞ Z +∞
1 +∞
Z
f (x, y)dxdy = 1. = x1 e−(x1 +x2 )/2 dx1
−∞ −∞ 8 0
1 −x2 /2 +∞ −x2 /2
Z
Ainsi, nous avons = e x2 e dx2
8 0
Z +∞ Z +∞ Z +∞ Z +∞ 1 −x2 /2
f (x, y)dxdy = cx1 e−(x1 +x2 )/2 dx1 dx2 = e
2
−∞ −∞ 0 0
Z +∞  Z +∞ 
= c x1 e−x1 /2 dx1 e−x2 /2 dx2 Pour les x2 négatifs , f2 (x2 ) = 0.
0 0

3. Il es claire que
A l’aide d’une intégration par partie, nous pouvons vérifier que
f (x1 , x2 ) = f1 (x1 ) × f2 (x2 ),
Z +∞
−x1 /2
x1 e dx1 = 4 pour tout couple (x1 , x2 ) ∈ R2 .
0

9
4. Nous avons

P(X1 ≥ 1, X2 ≥ 1) = P(X1 ≥ 1) × P(X2 ≥ 1)


1 +∞ −x1 /2
Z Z +∞
= x1 e dx1 × e−x2 /2 dx2
8 1 1
1
= × 6e−1/2 × 2e−1/2
8
3 −1
= e ' 0.552
2

10

Vous aimerez peut-être aussi