EMP / DPT INFO 2021/2022

Matière : Gestion de la Maintenance et Fiabilité

Série d’Exercices N° 02
(Rappels sur la théorie des probabilités)

Exercice 1 :
On fait remplir un questionnaire à 20 questions binaires.
 Quelle est la probabilité qu’un candidat répondant au hasard obtienne au moins 16 bonnes
réponses ?

Exercice 2 :
Un questionnaire à choix multiples propose m réponses pour chaque question. Soit p la probabilité
qu’un étudiant connaisse la réponse à une question donnée. S’il ignore la réponse, il choisit au
hasard l’une des réponses proposées.
 Quelle est pour le correcteur la probabilité qu’un étudiant connaisse vraiment la bonne
réponse lorsqu’il l’a donnée ?

Exercice 3 :
On a deux machines M1 et M2 qui fabriquent des tiges. M1 fabrique 1/3 des pièces dont 5% sont
hors tolérance. M2 fabrique 2/3 des pièces dont 6% dont défaillantes (hors tolérance).
1. On considère le lot de pièces fabriquées, Quelles sont les probabilités qu’une pièce soit
fabriquée respectivement par M1, par M2, par M1 ou M2, par M1 et M2.
2. Quel est la probabilité qu’une pièce de M1 soit hors tolérance. En déduire la probabilité qu’une
pièce tirée du lot global soit hors normes et fabriquée par M1.
3. Idem pour une pièce pour M2
4. Quelle est la probabilité qu’une pièce tirée du lot soit hors normes.
5. Quelle est la probabilité qu’une pièce hors normes tirée du lot soit fabriquée par la machine M1.

Exercice 4 :
Un test sanguin a une probabilité de 0.95 de détecter un certain virus lorsque celui ci est
effectivement présent. Il donne néanmoins un faux résultat positif pour 1% des personnes non
infectées.
1) Si 0.5% de la population est porteuse du virus, quelle est la probabilité qu’une personne ait le
virus sachant qu’elle a un test positif ?
2) Quelle est la probabilité qu’une personne n’ait pas le virus sachant qu’elle a un test positif ?
3) Que déduisez-vous ?

Exercice 5 :
Un appareil peut être monté avec des pièces de haute qualité (40% des cas) et avec des pièces
ordinaires (50% des cas) et des pièces de qualité médiocre (10% des cas). Dans le premier cas, sa
fiabilité (probabilité de fonctionnement) sur une durée t est égale à 0,95 ; dans le second, elle est de
0,7 ; dans le troisième cas elle est de 0,5. L'appareil a été soumis à un essai et s'est avéré fiable
(fonctionnement sans défaillance sur la durée de référence).
 Déterminer la probabilité que l'appareil soit composé de pièces de haute qualité.

Page : 1
EMP / DPT INFO 2020/2021
Matière : Gestion de la Maintenance et Fiabilité

Série N° 02 (Exercices Supplémentaires)

(Rappels sur la théorie des probabilités)

Exercice 6 : Loi binomiale

1. On considère la fabrication de cartes électroniques. On utilise un lot de résistances dont le
pourcentage d’éléments défaillants (hors tolérance) est de 5%. On utilise 4 résistances par carte.
a. Quelle est la probabilité d’avoir 3 résistances défaillantes
b. Quelle est la probabilité d’avoir moins de 4 résistances défaillantes
2. Dans un lot très important de pièces, la probabilité d’une pièce défectueuse est égale à 0.2.
a. Quelle est la probabilité qu’une pièce ne soit pas défectueuse
b. Sur un lot de 10 pièces quelle est la probabilité d’avoir une pièce défectueuse.

Exercice 7 : Loi de poisson

Une machine subit 10 micro-pannes/semaine (arrêts intempestifs, problèmes de réglage etc.)
Quelle est la probabilité d’avoir 0 micro-pannes par jour.

Exercice 8 : Loi de Gauss

i- L'usine A est spécialisée dans la fabrication des transformateurs de tension (Vcc = 10 V). La
variable aléatoire X mesurant la tension suit une loi normale de moyenne 10 V et d'écart type 0.2
La société B cliente de A n'accepte que les transformateurs dont la tension de sortie se situe dans
l'intervalle [9.54, 10.46]. Quel est le pourcentage prévisible de pièces refusées ?
ii- Une usine fabrique des cylindres en grande série. Chaque pièce est caractérisée par son diamètre
D et sa longueur L. Une analyse des données a abouti aux résultats suivants :
Longueur : moyenne = 40 Ecart type = 0.02
Diamètre : moyenne = 15 Ecart type = 0.01
Un cylindre est acceptable si la longueur est comprise dans l’intervalle [39.95, 40.05] et son
diamètre compris dans l’intervalle [14.98, 15.02]. Il est défectueux dans le cas contraire.
Calculer le pourcentage de cylindres défectueux.

Exercice 9 : Loi de Exponentielle

Une machine a un MTTF de 100 jours. On suppose que sa fiabilité suit une loi exponentielle.
Quel est le modèle de fiabilité de cette machine. En déduire sa fiabilité au bout de 200 jours, 300
jours (on suppose qu’elle n’a pas subit de maintenance préventive).

Page : 2
EMP / DPT INFO 2020/2021
Matière : Gestion de la Maintenance et Fiabilité

Corrigés des Exercices :

Exercice 1 :
On fait remplir un questionnaire à 20 questions binaires. Quelle est la probabilité qu’un candidat
répondant au hasard obtienne au moins 16 bonnes réponses ?

1ère méthode :

La réponse d’un étudiant est un tuple de 20 items. Exemple (oui, non, ……,oui)
On choisit ici :  = {oui, non}20, F = P() ( Tribu : un ensemble des événements)
Si le candidat répond complètement au hasard, on peut considérer que chacune des 220 grilles de
réponses possibles a la même probabilité d’apparaître (hypothèse d’´equiprobabilité sur ). Pour
tout B, on a alors :
P(B)= Card(B) / Card() où Card() = 220.
En particulier pour B = {obtention d’au moins 16 bonnes réponses}, B= B16 B17 B18 B19 B20
P(B) = (C1620 + C1720 + C1820 + C1920 + C2020) / 220  6196 / 220  0,006.

2ème méthode :

Chaque question représente un test de Bernoulli (p=1/2 : probabilité de réussite). Quand on

répète ce test n fois alors la variable aléatoire X qui compte le nombre de réussite suit une loi
binomiale. On calcule la probabilité que X=k.
Un 1er résultat possible : r et r et ….et r et e et …. et e == > prob1 = p….p.(1-p)…(1-p) = pk(1-p)n-k
Ou 2ème résultat : e et e ….. et e et r ……..r === > prob2 = .(1-p)…(1-p).p….p = (1-p)n-k pk= pk(1-p)n-k
Ou 3ème résultat : e.r.e.r……..e === > prob3 = pk(1-p)n-k

P(X=k) = prob1+ prob2 + prob3 + …. = nbre de combinaison (k parmi n) pk(1-p)n-k

P(X=k) = Cknpk(1-p)n-k = Ckn(1/2)k(1/2)n-k = Ckn (1/2)n = Ckn / 2n où Ckn = n ! / (k !.(n-k) !)

Soit B l’événement « au moins 16 bonnes réponses ».

P(B) = PX(X>=16)=P(X=16) + P(X=17) + P(X=18) + P(X=19) + P(X=20) où B = X-1({16,17,18,19,20})
= C1620 / (2)20 + C1720 / (2)20 + C1820 / (2)20 + C1920 / (2)20 + C2020 / (2)20  0,006.

Remarque 1 :
P(X>3)= 1-P(X<4)=1- (P(X=0)+P(X=1)+P(X=2)+P(X=3)).
Mais Si n est très grand, on risque de faire beaucoup de calcul. La solution est de passer par des
approximations de la loi binomiale par d’autres lois.
Si n>=30 ---- > approximer la loi binomiale par :
 la loi de Poisson de paramètre n.p (Si p<=0.1 et np<15)
 ou bien la loi normale de Gauss (si n.p>=15 et np(1-p)>5).
Si X suit Binomiale(n,p) qui peut être approximée par une variable Y qui suit une loi normale
N(np, (np(1-p))1/2).
Alors P(X<k)  P(Y<k)= intégrale(fY(x)) allant de zéro à k.
Mais, pratiquement, on utilise la table de la loi normale centrée réduite N(0,1).

Page : 3
EMP / DPT INFO 2020/2021
Matière : Gestion de la Maintenance et Fiabilité

Remarque 2 : Loi multinomiale

Test de base === > m résultats ri avec des probabilités (p1, p2, …pi…pm) tq p1+p2+ … +pm = 1.
On répète cette expérience n fois :
Soit Xi v.a qui donne le nombre d’occurrence du résultat ri parmi les n résultats obtenus.
Si m=2 alors P(X=k) = P(X1=k, X2=n-k) = Cnk, n-kp1kp2n-k (p1+p2=1)
On généralise pour m qcq : P(X=k) = P(X1=k1, X2=k2, …Xm=km) = Cnk1,… kmp1k1p2k2 … pmkm
k = (k1, k2, …, km) / Cnk1,… km= n ! / (k1! k2!.... km!) où k1+k2+….+km = n

Exercice 2 :
Un questionnaire à choix multiples propose m réponses pour chaque question. Soit p la probabilité
qu’un étudiant connaisse la réponse à une question donnée. S’il ignore la réponse, il choisit au
hasard l’une des réponses proposées. Quelle est pour le correcteur la probabilité qu’un étudiant
connaisse vraiment la bonne réponse lorsqu’il l’a donnée ?
Le travail demandé est qu’on sait qu’il a donné une bonne réponse, et on demande à calculer la
probabilité qu’il connaisse cette bonne réponse.

Notons :
B = {l’étudiant donne la bonne réponse}
C = {l’étudiant connaît la bonne réponse}
On cherche P(C | B). Avec ces notations, les données de l’énoncé peuvent se traduire par :

On cherche P(C | B). Avec ces notations, les données de l’énoncé peuvent se traduire par :
P(C) = p, donc P(Cc) = 1 − p,
P(B | C) = 1, P(B | Cc) = 1 /m (choix au hasard).

P(B) = P(B) =P((C Cc)B)

= P((C B)  (CcB))
= P(C B) + P(CcB)
= P(B/C)P(C) + P(B/Cc)P(Cc)

On en déduit :
P(C | B) = P(B  C) / P(B)
=P( B | C)P(C) / ( P(B | C)P(C) + P(B | Cc)P(Cc) )
= 1 × p / (1 × p + (1/m)(1 − p))
= mp / (1 + (m − 1)p) = mp / (mp-p+1)

Pour p fixé, P(C | B) est une fonction croissante de m, les deux bornes étant :
P(C | B) = p (cas m = 1) et P(C | B)  1 (m  +).

D’autre part pour m fixé, P(C | B) est une fonction croissante de p. On a pour p > 0 :
P( C| B) / p = m / (1 + (m − 1)p)  1, l’égalité n’étant possible que pour p = 1.
Tout ceci est conforme à l’intuition.
Pour que p(C/B)= 1 --- > mp = mp-p+1 --- > -p+1=0 - P(C)= p=1

Page : 4
EMP / DPT INFO 2020/2021
Matière : Gestion de la Maintenance et Fiabilité

Rappel des théorèmes des probabilités totales et de Bayes


BAn

An BA1
P(Ai) = P(Ai) / P() A1
P(Ai/B) = P(Ai B) / P(B)
B
A2

P(B) = P(B) =P((A1 …  An)B) A4 A3

= P((A1 B) …  (AnB))
= P(A1 B) +… + P(AnB)
= P(B/A1)P(A1) +… + P(B/An)P(An)

Exercice 3 :
On a deux machines M1 et M2 qui fabriquent des tiges. M1 fabrique 1/3 des pièces dont 5% sont
hors tolérance. M2 fabrique 2/3 des pièces dont 6% dont défaillantes (hors tolérance).
1. On considère le lot de pièces fabriquées, Quelles sont les probabilités qu’une pièce soit
fabriquée respectivement par M1, par M2, par M1 ou M2, par M1 et M2.
P(M1)=1/3 ; P(M2)=2/3 ; P(M1 M2)=p()=1/3+2/3=1 ; P(M1 M2)=P()=0 ;

2. Quel est la probabilité qu’une pièce de M1 soit hors tolérance ? En déduire la probabilité qu’une
pièce tirée du lot global soit hors normes et fabriquée par M1.
P(H / M1) = 5% = 0.05 ;
P(H  M1)= P(H/ M1)  P(M1)=0.05 1/3  0.01666 ;

3. Idem pour une pièce pour M2

P(H / M2) = 6% = 0.06 ;
P(H  M2)= P(H/ M2)  P(M2) = 0.06 2/3  0.04 ;

4. Quelle est la probabilité qu’une pièce tirée du lot soit hors normes.
P(H) = P(H  ) = P(H  (M1  M2)) = P((H  M1)  (H  M2))
= P(H  M1) + P (H  M2)  0.01666 + 0.04  0.05666 = 5,7 %

5. Quelle est la probabilité qu’une pièce hors normes tirée du lot soit fabriquée par la machine M1.
P(M1 / H) = P(M1  H) / P(H)  0.01666 / 0.05666  0.294  29%.
6. Quelle est la probabilité qu’une pièce hors normes tirée du lot soit fabriquée par la machine M2.
P(M2 / H) = P(M2  H) / P(H)  0.04000 / 0.05666  0.705  71%.

Page : 5
EMP / DPT INFO 2020/2021
Matière : Gestion de la Maintenance et Fiabilité

Exercice 4 :
Un test sanguin a une probabilité de 0.95 de détecter un certain virus lorsque celui ci est
effectivement présent. Il donne néanmoins un faux résultat positif pour 1% des personnes non
infectées.
Si 0.5% de la population est porteuse du virus, quelle est la probabilité qu’une personne ait le virus
sachant qu’elle a un test positif ? Quelle est la probabilité qu’une personne n’ait pas le virus sachant
qu’elle a un test positif ? Que déduisez-vous ?

Corrigé : Utilisons les notations suivantes :

V = {la personne testée a vraiment le virus}, T = {la personne testée a un test positif}.
On cherche à calculer : P(V | T).
Or on sait que : P(V) = 0.5% = 0.005, P(T | V) = 0.95, P(T | VC) = 1% = 0.01 (faux positif)

P(TC/V)=0.05 P(TCV)= P(TC/V)P(V)=0.050.005=2510-5

P(V)=0.005
P(T/V)=0.95 P(TV)= P(T/V)P(V)=0.950.005=47510-5

P(TC/VC)=0.99 P(TCVC)= P(TC/VC)P(VC)=0.990.995=1 - 0.00995 =0.99005

P(VC)=0.995
P(T/VC)=0.01 P(TVC)= P(T/VC)P(VC)=0.010.995=995  10-5

T : Population
Testée positive

V
Parmi 100 T,
66,7 ne sont pas
P(T) = P(TV) + P(TVC)= 47510-5 + 995  10-5 = 0.0147 vraiment infectés
Parmi 100T,
On en déduit : 32,3 V infectés
P(V | T) = P(TV) / P(T)
= P(T | V )P(V ) / (P(T | V ) P(V ) + P(T | Vc) P(Vc))
= 0.95  0.005 / 0.95  0.005 + 0.01  0.995 Si le taux de faux positif = 0.001
= 0.00475 / 0.0147 Alors P(V/T) = 0.00475/(0.004750+0.000995)
= 0.00475 / 0.005745
 0.323 = 32% < 1/3 =0.8268  83%
P(Vc | T) = 1- P(V | T)  1 – 0.323 = 0.677. Il faut donc améliorer le test afin de réduire le
taux de faux positif
On voit ainsi que contrairement à ce que l’on aurait pu croire le test n’est pas fiable :
Si la personne présente un test positif, la probabilité qu’elle ne soit pas porteuse du virus est deux
fois plus élevée que la probabilité qu’elle le soit !
Remarque :
P(Vc | T) = P(TVc) / P(T)
= P(T | Vc )P(Vc ) / (P(T | V ) P(V ) + P(T | Vc) P(Vc))
= 0.01  0.995 / 0.95  0.005 + 0.01  0.995
=0.00995 / 0.0147
 0.677.

Page : 6
EMP / DPT INFO 2020/2021
Matière : Gestion de la Maintenance et Fiabilité

Exercice 5 (ancienne version) :

Un appareil peut être monté avec des pièces de haute qualité (40% des cas) et avec des pièces
ordinaires (60% des cas). Dans le premier cas, sa fiabilité (probabilité de fonctionnement) sur une
durée t est égale à 0,95 ; dans le second, elle est de 0,7.
L'appareil a été soumis à un essai et s'est avéré fiable (fonctionnement sans défaillance sur la durée
de référence).
Déterminer la probabilité que l'appareil soit composé de pièces de haute qualité.

Corrigé :
Soit F l’événement « L’appareil fonctionne sans défaillance durant t.
Soit H l’événement qu’un appareil soit fabriqué avec des pièces de haute qualité.
Soit O l’événement qu’un appareil soit fabriqué avec des pièces ordinaires. O est le
complémentaire de H.
P(H)=40%=0,4 P(O)=60%=0,6
P(F/H)=0,95 P(F/O)=0,7

P(FC/H)=0.05 P(FCH)= P(FC/H)P(H)=0.050.4=0.02

P(H)=0.4
P(F/H)=0.95 P(FH)= P(F/H)P(H)=0.950.4=0.380

P(FC/O)=0.3 P(FCO)= P(FC/O)P(O)=0.30.6= 0.18

P(O)=0.60
P(F/O)=0.7 P(FO)= P(F/O)P(O)=0.70.6 = 0.42

P(F) = P(FH)+P(FO) = 0.38+0.42 = 0.80  P(FC)=0.20

La probabilité que l’appareil soit compose de pièces de haute qualité sachant qu’il fiable
= F(H/F) = P(HF)/P(F)
= (P(F/H).P(H) ) / (P(F/H)P(H) + P(F/O)P(O))
= (0,95 x 0,4) / (0,95 x 0,4 + 0,7 x 0,6)
= 0,38 / 0,8
= 0,475  48%  P(O/F) = 1- P(H/F) = 0.525

Exercice 5 de la série 2 (Nouvelle version) :

Un appareil peut être monté avec des pièces de haute qualité (40% des cas) et avec des pièces
ordinaires (50% des cas) et des pièces de qualité médiocre (10% des cas). Dans le premier cas, sa
fiabilité (probabilité de fonctionnement) sur une durée t est égale à 0,95 ; dans le second, elle est de
0,7 ; dans le troisième cas elle est de 0,5. L'appareil a été soumis à un essai et s'est avéré fiable
(fonctionnement sans défaillance sur la durée de référence).
 Déterminer la probabilité que l'appareil soit composé de pièces de haute qualité.

Corrigé :
On garde les notations de l’exercice précédent (pour H et O) et on rajoute le symbole M pour
désigner l’événement qu’un appareil soit fabriqué avec des pièces médiocres.
Page : 7
EMP / DPT INFO 2020/2021
Matière : Gestion de la Maintenance et Fiabilité

P(FC/H)=0.05 P(FCH)= P(FC/H)P(H)=0.050.4=0.02

P(H)=0.4
P(F/H)=0.95 P(FH)= P(F/H)P(H)=0.950.4=0.380

P(O)=0.50 P(FC/O)=0.3 P(FCO)= P(FC/O)P(O)=0.30.5= 0.15

P(F/O)=0.7 P(FO)= P(F/O)P(O)=0.70.5 = 0.35

P(M)=0.10 P(FC/M)=0.5 P(FCM)= P(FC/M)P(M)=0.50.1= 0.05

P(F/M)=0.5 P(FM)= P(F/M)P(M)=0.50.1 = 0.05

P(F) = P(FH)+P(FO)+P(FM)=0.38+0.35+0.05 = 0.78  P(FC)=0.22

La probabilité que l’appareil soit composé de pièces de haute qualité sachant qu’il fiable
= F(H/F) = P(HF)/P(F) = 0,38 / 0,78 =0,487  49 %
P(O/F)= =P(OF)/P(F) = 0.35/0.78 = 0.448  45 %
P(H/F)+P(O/F)+P(M/F)=1  P(M/F) = 1 - P(H/F) - P(O/F) = 1 - 0.487 -0.448 = 0.06  6 %

Exercice 9 : Loi de Exponentielle

Une machine a un MTTF de 100 jours. On suppose que sa fiabilité suit une loi exponentielle.
Quel est le modèle de fiabilité de cette machine. En déduire sa fiabilité au bout de 200 jours, 300
jours (on suppose qu’elle n’a pas subi de maintenance préventive).

Comme la fiabilité suit une loi exponentielle alors MTTF = 1/ (le taux de panne  est fixe)
 Le taux de panne  = 1/MTTF = 1 panne / 100 jours = 0.01 J-1
 Le modèle de la fiabilité R(t) = e-  t = e-0.01 t
R(100) = e-0.01100 = e-1= 0.367  37%
R(200) = e-0.01200 = e-2= 0.135  14%
R(300) = e-0.01300 = e-3= 0.049  05%

N.B : Quel que soit , R(MTTF) = e-  MTTF = e-  1/ = e-1= 0.367  37%.

Exercice 7 : Loi de poisson

Une machine subit 10 micro-pannes/semaine (arrêts intempestifs, problèmes de réglage etc.)
Quelle est la probabilité d’avoir 0 micro-pannes par jour.
X : Variable aléatoire discrète qui compte le nombre d’événement qui se produisent.

X Poisson() 
 = 10 pannes/semaines = (10/7) J-1
P(X=0) = e-   0/0 ! = e-  1/1 = e- = e-10/7 = 0.24

Processus stochastique poissonien : la variable aléatoire discrète X calculant le nombre des

occurrences de lévénement en question, suit une loi de poisson de paramètre  et les variables
aléatoires continues Ti mesurant des temps d’inter-arrivées, suivent une loi exponentielle 
T1 T2 T2

Page : 8
EMP / DPT INFO 2020/2021
Matière : Gestion de la Maintenance et Fiabilité

Exercice 8 : Loi de Gauss

i- L'usine A est spécialisée dans la fabrication des transformateurs de tension (Vcc = 10 V).
La variable aléatoire X mesurant la tension suit une loi normale de moyenne 10 V et d'écart type 0.2
La société B cliente de A n'accepte que les transformateurs dont la tension de sortie se situe dans
l'intervalle [9.54, 10.46]. Quel est le pourcentage prévisible de pièces refusées ?

X N(=10, =0.2)

le pourcentage prévisible de pièces refusées = P( X[9.54, 10.46]) = 1 - P( X[9.54, 10.46])

= 1- P( 9.54 < X < 10.46)
On opère une transformation de la v.a. X vers la loi normale centrée et réduite.
On obtient une nouvelle v.a. Y = (X - ) /  N(=0, =1) (pour exploiter sa table)

P( 9.54 < X < 10.46) = P( (9.54-10)/0.2 < (X-10)/0.2 < (10.46-10)/0.2)

= P( -2.3 < Y < +2.3)

P(-a<Y<+a) = P(Y < a) – P(Y <-a) = P(Y < a) – P(Y > + a)

P(Y > a) =1- P(Y < a)
Donc P(-a<Y<+a) = P(Y < a) – P(Y > + a) = P(Y < a) – (1 - P(Y < + a))
P((-a<Y<+a) = 2 * P(Y < a) - 1
= 2 * (a) – 1 où (a) est la valeur de la case indicée par a dans la table de Y.
P( 9.54 < X < 10.46) = P( -2.3 < Y < +2.3) = 2 * (2.3) – 1
Dans la table de la loi centrée réduite, (2.30) = valeur de la case don la ligne est indexée par 2.3 et
la colonne indexée par 0.00
P( 9.54 < X < 10.46) = = 2 * 0.9893 – 1 = 0,9786

Taux de rejet = 1 – 0.9786 = 0.0214 = 2.14 %

ii- Une usine fabrique des cylindres en grande série. Chaque pièce est caractérisée par son diamètre
D et sa longueur L. Une analyse des données a abouti aux résultats suivants :
Longueur : moyenne = 40 Ecart type = 0.02
Diamètre : moyenne = 15 Ecart type = 0.01
Un cylindre est acceptable si la longueur est comprise dans l’intervalle [39.95, 40.05] et son
diamètre compris dans l’intervalle [14.98, 15.02]. Il est défectueux dans le cas contraire.
Calculer le pourcentage de cylindres défectueux.

On suppose que L et D sont des v.a. indépendantes

le pourcentage de pièces défectueux = P( D[39.95, 40.05] ou L[14.98, 15.02])
= 1 - P(D[39.95, 40.05] et L[14.98, 15.02])
= 1 - P(D[39.95, 40.05]) * P(L[14.98, 15.02])

On opère une transformation de la v.a. D vers la loi normale centrée et réduite.

On obtient une nouvelle v.a. X = (D - 1) / 1 N(=0, =1) (pour exploiter sa table)
On opère une transformation de la v.a. L vers la loi normale centrée et réduite.
On obtient une nouvelle v.a. Y = (L - 2) / 2 N(=0, =1) (pour exploiter sa table)
Page : 9
EMP / DPT INFO 2020/2021
Matière : Gestion de la Maintenance et Fiabilité

P(D[39.95, 40.05]) = P(39.95 < D < 40.05) = P( (39.95-40)/0.02 < (D-40)/0.02 < (40.05-40)/0.02)
= P( -2.50 < X < +2.50) = 2 * (2.50) – 1 = 2 * 0,9938 -1
= 0,9876
P(L[14.98, 15.02]) = P(14.98 < L < 15.02) = P( (14.98-15)/0.01 < (L-15)/0.01 < (15.02-15)/0.01)
= P( -2.00 < Y < +2.00) = 2 * (2.00) – 1 = 2 * 0,9772-1
= 0,9544

le pourcentage de pièces défectueux = 1 - P(D[39.95, 40.05]) * P(L[14.98, 15.02])

= 1 - 0,9876 * 0,9544
= 0,05743456 = 5.743456 %
6%

Page : 10