Université 

Ibn Zohr    Année universitaire 2016/2017 
Faculté des Sciences‐Agadir    SMC4‐M26 : Probabilités et Statistiques  
Dépt. de Mathématiques      

TD : sé rie 3
Variables aléatoires continues

Variables aléatoires

I. Soit une variable aléatoire continue ayant une densité de probabilité définie par :
k x 3 , si  1  x  1;
f ( x)  
 0 , ailleurs.
1) La valeur de la constante k :
 1
1 1
u4  k
On a :   f  u  du  k  u du  2k  u du  2k    .  
3 3

 1 0  4 0 2

Pour que f(x) soit une densité il faut que f ( x)  0 et  f  u  du  1.  

D’où : k  2 .
2) La fonction de répartition de X.
 0 si t  1

1 t4
t
 2  (u 3 ) du  si 1  t  0
t  2
FX (t )  P  X  t    (u 3 ) du  0
1

2  (u 3 ) du  u 3 du   1  t
t 4

  
1
 si 0  t 1
  2
 1 1

 1 si t 1
 1 1   1   1  1
P   n  X  n   FX  n   FX  n   4 n ; n  0 .
 2 2  2  2  2
∗
3) Pour tout ∈ , calculer . En déduire la valeur de et celle de .
 1
 0
 1
EXn  uf (u )du  2  u n u 3 du  2   u n 3 du   u n 3 du 
n

 1  1 0 
 
  u n  4  0  u n  4 1 
 2    
2
  n  4  1  n  4  0  n  4
 1  1
n
 
 
4 2
Il en résulte : E  X   0 et E  X 2    .
6 3

II. On choisit un nombre au hasard entre et –3 et 5. Soit X la valeur obtenue ; c’est une v.a.c
uniforme sur l’intervalle 3 , 5 . Alors le fonction de répartition de X est :
 0 si t  3;
t  3

FX (t )  P  X  t   P  X  t    si 3  t  5;
 8
 1 si t  5.
1) La probabilité d’obtenir un nombre strictement inférieur à 1 :
1
P  X  1  FX 1 
2

1 
 
 Université Ibn Zohr    Année universitaire 2016/2017 
Faculté des Sciences‐Agadir    SMC4‐M26 : Probabilités et Statistiques  
Dépt. de Mathématiques      

2) La probabilité d’obtenir le nombre supérieur ou égal à 3 :

6 1
P  X  3  1  P  X  3  1  FX  3  1  
8 4
3) La probabilité de choisir un nombre strictement inférieur à 1, sachant qu’il est strictement positif :
  X  1  P   0  X  1  FX (1)  FX (0) 1
P    .
  X  0   P  X  0 1  FX (0) 5

III. La v.a X représente la durée de vie exprimée en milliers d'années d'une particule de carbone 14, elle suit
une loi de Poisson de demi-vie T=5,7 milliers d’années :
1
1) On a par définition P X  T    , 
2
1 ln(2) ln(2) ln(2)
Ce qui implique : e  T  T      0,1216
2  T 5, 7
1 T 5, 7
La durée de vie moyenne d’une particule de carbone 14 est E ( X )     8, 2234.
 ln(2) ln(2)
2) La probabilité qu'une particule de carbone 14 se désintègre au bout de 10 000 ans est :
P  X  10   1  e 10   1  0, 2964  0, 7036
3) La loi de X est sans mémoire : P X  t  s  X t   P  X  s :.
 ln(2) 

   P  X  5  e
5 
Ainsi donc : P X  10  5,7 
 0, 5444
X 5
4) Cherchons une valeur d telle que : P  X  d   0, 95 :
P  X  d   0,95  P  X  d   0, 05  e   d  0, 05
ln  0, 05  ln  20 
Il en résulte : d     24, 6360.
 0,1216
Une particule de carbone 14 se désintègre avec une probabilité de 0,95 au bout 24 636 années .
IV. X suit la loi normale d'espérance   5 et d'écart-type   0, 02 .
1) La probabilité pour que la longueur de la barre soit comprise entre 4,98 m et 5,0l9 m :
 0, 02 X   0, 019   X  
P  4,98  X  5, 019   P      P  1   0,95 
 0, 02  0, 02    
   0,95    1    0,95  1   1   
   0,95   1  1  0,8289  0,8413  1
 0, 6702.

2) Parmi les barres ayant une longueur supérieure à 5 m, quelle est la proportion de celles qui ont une
longueur inférieure à 5,019 m.

2 
 
 Université Ibn Zohr    Année universitaire 2016/2017 
Faculté des Sciences‐Agadir    SMC4‐M26 : Probabilités et Statistiques  
Dépt. de Mathématiques      

 X  0, 019 
P 0  
P
  X  5, 019  


P  5  X  5, 019     
0, 02 
  X  5  P  X  5  X    0
P 
  
  0,95    0   

1    0
0,8289  0,5

1  0,5
 0, 6578.

3) La valeur du nombre réel a tel que : P    a  X    a   95%.  

On a : 
 a X  a 
P    a  X    a  P    
 0, 02  0, 02 
 
 a   a   a 
      0,02   2  0, 02   1
 0, 02     
D’où :
 a   a 
P    a  X    a   95%  2    1  0,95      0,975
 0, 02   0, 02 
 
a
  1,96  a  0, 0392  0, 04.
0, 02
 
Remarque : On peut aboutir à ce résultat en utilisant les propriétés de la distribution de la loi
normale : P    2  X    2   95%.  
V. L’épaisseur des composants varie selon une loi normale de moyenne et d'écart-type
, .
Tous les composants dont l’épaisseur n'est pas comprise entre 1,88 cm et 2,12 cm sont inutilisables
(sont rejetés).
1) La probabilité qu’un composant choisie au hasard soit utilisable :
 X 2 
P 1,88  X  2,12   P  2, 4   2, 4     2, 4     2, 4 
 0, 05   
 2  2, 4   1  2  0,9918  1  0,984
Φ t é é 0 , 1
2) La proportion de composants qui ont une épaisseur inférieure à 2,05 cm parmi les composants
utilisables est :

3 
 
Université Ibn Zohr    Année universitaire 2016/2017 
Faculté des Sciences‐Agadir    SMC4‐M26 : Probabilités et Statistiques  
Dépt. de Mathématiques      

P
  X  2, 05   P  X  2, 05  1,88  X  2,12
 1,88  X  2,12  P 1,88  X  2,12
P 1,88  X  2, 05

P 1,88  X  2,12
 X 2 
P  2, 4   1
  0, 05 
 X 2 
P  2, 4   2, 4 
 0, 05 
 1    2, 4   1 0,8413  0, 9918  1
   0,847
2  2, 4   1 0, 9836
3) On choisit au hasard un lot de composants. On appelle la variable aléatoire dont la valeur
correspond au nombre de composants inutilisables dans cet échantillon.
i. La loi de probabilité Y : Y est le nombre de succès (composant inutilisable) dans n répétitions
d’épreuves de Bernoulli. La variable aléatoire suit alors une loi de binomiale de paramètres
 
n et p  P 1,88  X  2,12  1  P 1,88  X  2,12   0, 016 : ~ , 0,016

n
P Y  k      0, 016   0,984 
k nk

k 
ii. La valeur de la probabilité d’avoir au plus 2% de de composants inutilisables.
 Dans le cas 200, on a 3,28 5 ; on peut approcher la loi de Y par la loi de
Poisson de paramètre 3,28 ;
 3, 28 e3,28
k
 200 
P Y  k      0, 0164   0,9836 
200  k

k
 
 k  k!
 3, 28
k
4 4
D’où :  P Y  4    P Y  k   e 
k 0
3,28

k 0 k!
 0, 766

 Pour le cas 350 , on a 5,74 5 1 5; on peut approcher la loi de

Y par la loi normale de paramètre 5,74 1 2,377.
On note par Z une v a de loi normale , :
 Z  5, 74 7,5  5, 74 
P Y  7   P  Z  7,5  P  
 2,377 2,377 
 (0,74)  0, 7704.

4