TRAVAUX DIRIGES DE STATISTIQUES 3

L2 - Sciences Economiques
2020 - 2021

TD 3 : Distribution d’échantillonnage
CORRECTION

Exercice I

Le CROUS réalise une étude afin de comparer les recettes journalières de deux restaurants
universitaires A et B. Une analyse permet d’établir que les recettes journalières (en centaines
d’euros) 𝑋𝑎 et 𝑋𝑏 sont des variables aléatoires normales. Elles ont respectivement pour moyenne
22 et 21 et écart-type 4,8 et 4,1.

On prélève aléatoirement un échantillon de 65 jours d’activités pour chacun des deux restaurants.

1- Calculer la probabilité que la recette moyenne du restaurant A soit supérieure ou égale à

celle de B sur cet échantillon.
D’après l’énoncé on peut déduire que la variable ‘’ recettes quotidiennes du CROUS’’ 𝑋𝑖 pour i
=a, b obéit à une Loi Normale car il y a un tirage aléatoire d’un jour dans les échantillons de
même taille 𝑛𝑎 = 𝑛𝑏 = 65
ATTENTION ICI l’ENONCE NOUS DONNE DIRECTEMENT m et 
𝑋𝑎 ~ 𝑁(𝑚𝑎 ; 𝑎 )
𝑋𝑎 ~ 𝑁(22 ; 4.8)

Raisonnement similaire pour b

𝑋𝑏 ~𝑁(𝑚𝑏 ; 𝑏 )
𝑋𝑏 ~ 𝑁(21 ; 4.1)

Dans la question, on nous demande de trouver si P( ̅𝑋̅̅𝑎̅ > ̅̅̅ ̅̅̅𝑎̅ − 𝑋

𝑋𝑏 ) = 𝑃(𝑋 ̅̅̅𝑏 > 0)
Il faut donc trouver la Loi de la différence entre les moyennes des variables ‘’recettes
quotidiennes des RU ds l’échantillon i ’’ i= a ou b c’est-à-dire ̅𝑋̅̅𝑎̅ − ̅̅̅̅
𝑋𝐵 .
Comme les Xi sont des variables aléatoires normales et que les échantillons sont iid
̅𝑋̅̅𝑎̅~ 𝑁(𝑚𝑎 ; 𝑎 /√𝑛𝑎 )

𝑋𝑏 ~ 𝑁(𝑚𝑏 ; 𝑏 /√𝑛𝑏 )
̅̅̅
Et

𝑎 ² 𝑏 ²
̅𝑋̅̅𝑎̅ − ̅̅̅
𝑋𝑏 ~ 𝑁 (𝑚𝑎 − 𝑚𝑏 ; √ + )
𝑛𝑎 𝑛𝑏

1
Ici on connait les valeurs de 𝒂 𝒆𝒕 𝒃 donc on ne fait pas de Studentisation mais on peut
directement utiliser cette Loi !
On obtient

P( ̅𝑋̅̅𝑎̅ ≥ ̅̅̅ ̅̅̅𝑎̅ − ̅̅̅

𝑋𝑏 ) = 𝑃(𝑋 𝑋𝑏 ≥ 0)

̅𝑋̅̅𝑎̅ − ̅̅̅
𝑋𝑏 − (𝑚𝑎 − 𝑚𝑏 ) 0 − (𝑚𝑎 − 𝑚𝑏 )
=𝑃 ≥
√𝑎 ² + 𝑏 ² √𝑎 ² + 𝑏 ²
𝑛𝑎 𝑛𝑏 𝑛𝑎 𝑛𝑏
( )
̅̅̅̅
𝑋𝑎 − ̅̅̅̅
𝑋𝑏 −(𝑚𝑎 −𝑚𝑏 )
Avec 𝑈 =
 ²  ²
√ 𝑎+ 𝑏
𝑛𝑎 𝑛𝑏

̅𝑋̅̅𝑎̅ − ̅̅̅
𝑋𝑏 − (𝑚𝑎 − 𝑚𝑏 ) 0 − (1)
=𝑃 ≥
0.7830
√𝑎 ² + 𝑏 ²
𝑛𝑎 𝑛𝑏
( )

= 𝑃( 𝑈 ≥ −1.28) = 1 − 𝑃(𝑈 < −1.28) = 1 − (1 − 𝐹(1.28)) = 𝐹(1.28) = 0.8997

2- Calculer la probabilité que la différence entre ces deux moyennes soit inférieure ou égale à
2.

On nous demande maintenant si 𝑃(|𝑋̅̅̅𝑎̅ − ̅̅̅ ̅̅̅𝑎̅ − 𝑋

𝑋𝑏 | ≤ 2 ) = 𝑃(−2 ≤ 𝑋 ̅̅̅𝑏 ≤ 2 )
On prend la Valeur Absolue de 𝑋𝑎 − 𝑋𝑏 car l’énonce ne précise pas si on doit faire ̅𝑋̅̅𝑎̅ −
̅̅̅̅ ̅̅̅
̅̅̅
𝑋𝑏 𝑜𝑢 ̅̅̅
𝑋𝑏 − ̅𝑋̅̅𝑎̅

−2 − (𝑚𝑎 − 𝑚𝑏 ) ̅𝑋̅̅𝑎̅ − ̅̅̅

𝑋𝑏 − (𝑚𝑎 − 𝑚𝑏 ) 2 − (𝑚𝑎 − 𝑚𝑏 )
= 𝑃 ≤ ≤
2 2 2
√𝑎 + 𝑏 √𝑎 + 𝑏 √𝑎 + 𝑏
2 2 2
𝑛𝑎 𝑛𝑏 𝑛𝑎 𝑛𝑏 𝑛𝑎 𝑛𝑏
( )

−2 − (1) ̅𝑋̅̅𝑎̅ − 𝑋
̅̅̅𝑏 − (𝑚𝑎 − 𝑚𝑏 ) 2 − (1)
= 𝑃 ≤ ≤
0.7830 0.7830
 2
𝑎 2𝑏
√ +
𝑛𝑎 𝑛𝑏
( )

= 𝑃(−3.83 ≤ 𝑈 ≤ 1.28) = 𝐹(1.28) − 𝐹(−3.83) = 𝐹(1.28) − (1 − 𝐹(3.83)) =

𝐹(1.28) + 𝐹(3.83) − 1 = F(1.28) = 0.8996 car F(3.83)  1
2
On suppose maintenant que les écarts-types 𝒂 𝒆𝒕 𝒃 sont inconnus mais leurs estimations
empiriques sont égales à 4, 3.

3- Recalculer les deux probabilités précédentes.

𝑎 ² 𝑏 ²
̅𝑋̅̅𝑎̅ − ̅̅̅
𝑋𝑏 ~ 𝑁 (𝑚𝑎 − 𝑚𝑏 ; √ + )
𝑛𝑎 𝑛𝑏

On ne peut plus utiliser directement la Loi Normale de la différence des moyennes, il faut
donc Studentiser !

On sait que la distribution des écarts-type empiriques Sa et Sb est la suivante

𝑛𝑖 𝑆𝑖2
~ 2 ( 𝑛𝑖 − 1) ∀ 𝑖 = 𝑎, 𝑏
2𝑖
On peut donc créer une variables V telle que :

𝑛𝑎 𝑆𝑎2 𝑛𝑏 𝑆𝑏2
𝑉= + ~ 2 ( 𝑛𝑎 + 𝑛𝑏 − 2)
2𝑎 2𝑏

Pour rappel on peut ainsi centrer et reduire ̅𝑋̅̅𝑎̅ − ̅̅̅

𝑋𝑏 comme suit :

̅𝑋̅̅𝑎̅ − 𝑋
̅̅̅𝑏 − (𝑚𝑎 − 𝑚𝑏 )
𝑈=
√𝑎 ² + 𝑏 ²
𝑛𝑎 𝑛𝑏
Mais on doit Studentiser donc on construit une nouvelle variables aléatoire T
(on construit une loi de Student Cf.TD 1)

𝑈 ̅̅̅𝑎̅ − ̅̅̅
(𝑋 𝑋𝑏 ) − (𝑚𝑎 − 𝑚𝑏 ) √𝑛𝑎 + 𝑛𝑏 − 2
𝑇= = ∗
𝑉 𝑛 𝑆2
√𝑎 ² + 𝑎 ² .
√ 𝑛𝑎 𝑆𝑎2
𝑛𝑎 + 𝑛𝑏 − 2 √ + 𝑏 𝑏
𝑛𝑎 𝑛𝑏 𝑎 ² 𝑏 ²
On posant que 𝑎 = 𝑏 on peut simplifier

̅̅̅𝑎̅ − ̅̅̅
(𝑋 𝑋𝑏 ) − (𝑚𝑎 − 𝑚𝑏 )
𝑇= ~ 𝑇(𝑛𝑎 + 𝑛𝑏 − 2)
1 1 √𝑛𝑎 𝑆𝑎2 + 𝑛𝑏 𝑆𝑏 ²
√
𝑛𝑎 𝑛𝑏 . 𝑛𝑎 + 𝑛𝑏 − 2
+

Ici 𝑠𝑎2 et 𝑠𝑏2 sont connus est égaux à 4.3² = 18.49

En calculant on obtient :

3
 ̅̅̅𝑎̅ − ̅̅̅
(𝑋 𝑋𝑏 ) − 1
𝑇= ~ 𝑇(128)
2 2
√ 1 + 1 . √65 ∗ 4.3 + 65 ∗ 4.3
65 65 65 + 65 − 2

Mais comme le degré de liberté du Student > 30 alors T(128) converge vers la Loi
Normale Centrée Réduite !!
𝑇~ 𝑁(0 ; 1)

Finalement on doit trouver

𝑃( ̅𝑋̅̅𝑎̅ − ̅̅̅
𝑋𝑏 ≥ 0)

0−1
= 𝑃 (𝑇 ≥ ) = 𝑃(𝑇 ≥ −1.316 )
0.7601

= 𝑃( 𝑈 ≥ −1.316) = 1 − 𝑃(𝑈 < −1.316) = 1 − (1 − 𝐹(1.32)) = 𝐹(1.32) = 0.90658

−2−1 2−1
---- Pour 𝑃(−2 ≤ ̅𝑋̅̅𝑎̅ − ̅̅̅
𝑋𝑏 ≤ 2 ) = 𝑃 (0.7601 ≤ 𝑇 ≤ ) = 𝑃(−3,947 ≤ 𝑇 ≤
0.7601
1.316 ) = 𝐹(1,316) − 𝐹(−3,947) = 0.90658

Exercice II

Une étude est menée par la fédération française de bowling et sport de quilles (FFBSQ) auprès
de 300 joueurs internationaux afin d’augmenter les chances de victoire pour les joueurs français
de bowling dans les catégories « juniors » et « séniors ». Nous savons que 150 de ces joueurs
font partie de la catégorie « juniors », le reste des joueurs interrogés appartenant à la catégorie
« séniors ». De manière générale, les « juniors » inscrivent en moyenne 255 points et les «
séniors » 295 points. L’étude révèle que l’écart-type des points est de 50 pour les « juniors » et
de 60 pour les « séniors ». On suppose que les points obtenus par les « juniors » ou par les «
séniors » sont normalement distribués.

1- Calculer la probabilité que le nombre de points inscrit en moyenne par les « juniors »
de l’échantillon soit au plus de 265 points.

D’après l’énoncé on peut déduire que la variable ‘’ nombre de points inscrits par les joueurs’’ 𝑋𝑖
pour i = J, S obéit à une Loi Normale (J = Juniors et S = Seniors).
̅̅̅𝐽 ≤ 265)
Mais la question nous demande de trouver 𝑃(𝑋
Le nombre de point moyen ds l’échantillon est aussi une variable aléatoire !
̅̅̅𝐽 ~ 𝑁(𝑚𝐽 ; 𝐽 /√𝑛𝐽 )
𝑋
On applique un raisonnement similaire pour les Seniors. (non demandé mais utile pour la suite)
𝑋𝑆 ~ 𝑁(𝑚𝑆 ; 𝑆 /√𝑛𝑆 )
̅̅̅

4
Encore une fois on doit studentiser car les écart types sont inconnus ! ATTENTION il faut que
l’on studentise une seule VARIABLE et non la différence !!!

̅̅̅𝐽 − 𝑚𝐽
𝑋
𝑇𝐽 = ~ 𝑇(𝑛𝐽 − 1) = 𝑇(149) → 𝑁(0,1) 𝑐𝑎𝑟 𝑑𝑑𝑙 > 30
𝑆𝐽2
√
𝑛𝐽 − 1

̅̅̅𝐽 − 𝑚𝐽
𝑋 265 − 255
̅̅̅𝐽 ≤ 265) = 𝑃
𝑃(𝑋 ≤ = 𝑃(𝑇 ≤ 2.44) = 𝑃(𝑈 ≤ 2.44)
2
𝑆𝐽2 √ 50
√ 149
𝑛𝐽 − 1
( )

On doit donc lire F(2.44) = 0.99266

2- Quelle est la probabilité que le nombre de points obtenu en moyenne par les « séniors» de
l’échantillon soit strictement compris entre 285 et 305 ?

𝑋𝑆 ~ 𝑁(𝑚𝑆 ; 𝑆 /√𝑛𝑆 )
̅̅̅

Encore une fois on doit studentiser car les écart types sont inconnus !

̅̅̅
𝑋𝑆 − 𝑚𝑆
𝑇𝑆 = ~ 𝑇(𝑛𝑆 − 1) = 𝑇(149) → 𝑁(0,1) 𝑐𝑎𝑟 𝑑𝑑𝑙 > 30
𝑆𝑆2
√
𝑛𝑆 − 1

285 − 295 ̅̅̅

𝑋𝑆 − 𝑚𝑆 305 − 295
𝑃 ( 285 < ̅̅̅
𝑋𝑆 < 305) = 𝑃 < <
2 2
√ 60 𝑆2 √ 60
149 √ 𝑆 149
𝑛𝑆 − 1
( )

= 𝑃(−2.03 < 𝑇 < 2.03) = 𝑃(−2.03 < 𝑈 < 2.03)

= 𝐹(2.03) − 𝐹(−2.03) = 𝐹(2.03) − (1 − 𝐹(2.03)) = 2 ∗ 𝐹(2.03) − 1

2 ∗ (0.9788) − 1 = 0.9576

5
3- Enfin calculer la probabilité que la différence entre le nombre de points inscrit en moyenne
par les « séniors » de l’échantillon et celui inscrit en moyenne par les « juniors » de l’échantillon
excède 26 points.

Il faut trouver la Loi de la différence de moyennes ds les échantillons.

𝑆 ² 𝐽 ²
̅̅̅ ̅̅̅𝐽 ~ 𝑁 (𝑚𝑆 − 𝑚𝐽 ; √
𝑋𝑆 − 𝑋 + )
𝑛𝑆 𝑛𝐽

Ici on doit aussi Studentiser!!

̅̅̅𝑆 − 𝑋
(𝑋 ̅̅̅𝐽 ) − (𝑚𝑆 − 𝑚𝐽 )
𝑇= ~ 𝑇(𝑛𝑆 + 𝑛𝐽 − 2) = 𝑇(298) → 𝑁(0,1)
1 1 𝑛𝑠 𝑆𝑆2
+ 𝑛𝐽 𝑆𝐽 ²
√𝑛 + 𝑛 . √ 𝑛 + 𝑛 − 2
𝑆 𝐽 𝑆 𝐽

𝑠𝑆2 et 𝑠𝐽2 sont connus

En calculant on obtient :

̅̅̅𝑆 − 𝑋
(𝑋 ̅̅̅𝐽 ) − (295 − 255)
𝑇=
2 2
√ 1 + 1 . √150 ∗ 60 + 150 ∗ 50
150 150 150 + 150 − 2

Finalement on doit trouver

𝑃( ̅̅̅ ̅̅̅𝐽 > 26)
𝑋𝑆 − 𝑋

26 − (295 − 255)
=𝑃 𝑇 > = 𝑃(𝑇 > −2.188 )
2 2
√ 1 + 1 . √150 ∗ 60 + 150 ∗ 50
( 150 150 150 + 150 − 2 )

= 𝑃(𝑇 > −2.188 ) = 1 − 𝑃(𝑈 ≤ −2.188) = 1 − (1 − 𝐹(2.19)) = 𝐹(2.19) = 0.9857

6
 Exercice III

Les producteurs de champagne commercialisent leur produit en fonction de leur qualité : les
champagnes « grand cru » vendus plus chers et les champagnes « du terroir ». Malgré tout le
soin qu’un producteur A apporte à sa production ainsi qu’à la commercialisation, il subsiste
des erreurs d’étiquetage.
On admet qu’un client du producteur A, acheteur de champagne « grand cru » aura une
probabilité de 0,15 d’avoir en fait acheté une bouteille de champagne « du terroir ».
Un restaurateur achète 200 bouteilles étiquetées « grand cru ». Soit F la variable aléatoire
désignant la proportion de bouteilles de champagne mal étiquetées parmi les 200 bouteilles
achetées.

1. Déterminer la loi de probabilité de F.

Soit F la variable « Proportion de de bouteilles de champagne mal étiquetées parmi les 200
bouteilles achetées ». (F ici ne signifie pas une loi de Fisher ou la fonction de répartition)

En considérant une variable aléatoire de Bernoulli notée 𝑌𝑖 qui permet de distinguer les
bouteille du « terroir » (𝑌𝑖 = 1) de celles « grand cru » (𝑌𝑖 = 0) pour tout i = 1 … n (ici n =
200 ) .
A partir de 𝑌𝑖 il est possible de créer une variable aléatoire 𝑋 « nombre de bouteille du terroir
parmi les 200 achetées » comme suit :
𝑛

𝑋 = ∑ 𝑌𝑖
𝑖=1

On note que les modalités des 𝑌𝑖 sont par nature mutuellement exclusives ( 1 ou 0) et
déterminées comme suit :
𝑃(𝑌𝑖 = 1) = 0.15 = 𝑝
𝑒𝑡 𝑃(𝑌𝑖 = 0) = 1 − 𝑃(𝑌𝑖 = 1) = 1 − 0.15 = 0.85 = 𝑞
De plus il y a indépendance entre ces modalités.
On peut donc définir la Loi suivie par X comme une Loi Binomiale :
𝑋 ~ 𝐵(𝑛, 𝑝) = 𝐵(200, 0.15)
On remarque ici que n = 200 > 30 ET np = 30 > 18 donc cette Loi Binomiale converge vers
une Loi Normale !!
7
 𝑋 ~ 𝑁(𝑛𝑝 , √𝑛𝑝 (1 − 𝑝) ) = 𝑁(30, 5.05)

Donc notre variable F = X/n suit aussi une Loi Normale !!

Comme 𝑋 ~ 𝑁(𝑛𝑝 , √𝑛𝑝 (1 − 𝑝) ) = 𝑁(30 ; 5.05)
donc

𝑝 (1 − 𝑝)
𝐹 ~ 𝑁 (𝑝 ; √ ) = 𝑁(0.15 ; 0.025)
𝑛

2. Calculer les probabilités des évènements suivants :

(a) Il y a au plus un taux de 10% de bouteilles mal étiquetées parmi l’échantillon de bouteilles
achetée.

On demande de trouver 𝑃(𝐹 ≤ 10%)

𝐹 − 0.15 0.1 − 0.15
𝑃(𝐹 ≤ 10%) = 𝑃 ( ≤ ) = 𝑃(𝑈 ≤ −2) = 𝐹(−2) = 1 − 0.97725
0.025 0.025
𝑃(𝐹 ≤ 10%) = 0.02275

(b) Il y a un taux entre 10 et 20% de bouteilles mal étiquetées parmi les 200 bouteilles achetées.

On demande de trouver 𝑃( 10% < 𝐹 < 20%)

0.1 − 0.15 𝐹 − 0.15 0.2 − 0.15

𝑃( 10% < 𝐹 < 20%) = 𝑃( < < )
0.025 0.025 0.025
= 𝑃( −2 < 𝑈 < 2)

= 𝐹( 2) − 𝐹(−2) = 𝐹(2) − (1 − 𝐹2) = 2 ∗ 𝐹(2) − 1 = 0.9545

8
Le même restaurateur achète un autre échantillon de 250 bouteilles étiquetées « grand cru »
chez un autre producteur B ayant 18% de chance de se tromper d’étiquetage.
3. Calculer les probabilités des évènements suivants :
(a) Il y a une plus grande proportion de bouteilles mal étiquetées dans l’échantillon fourni par
le producteur B que dans celui fourni par le producteur A.

On introduit ici la seconde proportion notée 𝐹𝐵

𝑝𝐵 (1 − 𝑝𝐵 )
𝐹𝐵 ~𝑁 (𝑝𝐵 ; √ ) = 𝑁(0.18 ; 0.024)
𝑛𝐵
On note
𝑞𝐵 = (1 − 𝑝𝐵 )

On nous demande de trouver P( 𝐹𝐵 > 𝐹𝐴 ) pour cela il faut étudier la différence 𝐹𝐵 − 𝐹𝐴 !

La loi de la différence entre les deux proportions est la suivante :

𝑝𝐵 𝑞𝐵 𝑝𝐴 𝑞𝐴
𝐹𝐵 − 𝐹𝐴 ~𝑁 (𝑝𝐵 − 𝑝𝐴 ; √ + ) = 𝑁( 0.03 ; 0.035 )
𝑛𝐵 𝑛𝐴

Déterminer P( 𝐹𝐵 > 𝐹𝐴 ) revient à calculer la probabilité suivante :

P( 𝐹𝐵 > 𝐹𝐴 ) = 𝑃(𝐹𝐵 − 𝐹𝐴 > 0)

On doit centrer et réduire donc

𝐹𝐵 − 𝐹𝐴 − (𝑝𝐵 − 𝑝𝐴 ) 0 − (0.03)
𝑃 > = P(U > −0.8571)
𝑝 𝑞 𝑝 𝑞 0.035
√ 𝑛𝐵 𝐵 + 𝑛𝐴 𝐴
( 𝐵 𝐴 )
= 1 − P(U ≤ −0.8571 = 1 − (1 − F(0.86))
= F(0.86) = 0,8051
(b) La différence entre les proportions de bouteilles mal étiquetées des deux échantillons est
inférieure à 2%.
Nous devons trouver 𝑃(|𝐹𝐵 − 𝐹𝐴 | < 2%)

𝑃(|𝐹𝐵 − 𝐹𝐴 | < 2%) = 𝑃(−0.02 < 𝐹𝐵 − 𝐹𝐴 < 0.02)

On doit centrer et réduire

9
 −0.02 − (𝑝𝐵 − 𝑝𝐴 ) 𝐹𝐵 − 𝐹𝐴 − (𝑝𝐵 − 𝑝𝐴 ) 0.02 − (𝑝𝐵 − 𝑝𝐴 )
𝑃 < <
𝑝 𝑞 𝑝 𝑞 𝑝 𝑞 𝑝 𝑞 𝑝 𝑞 𝑝 𝑞
√ 𝑛𝐵 𝐵 + 𝑛𝐴 𝐴 √ 𝑛𝐵 𝐵 + 𝑛𝐴 𝐴 √ 𝑛𝐵 𝐵 + 𝑛𝐴 𝐴
( 𝐵 𝐴 𝐵 𝐴 𝐵 𝐴 )

−0.02 − (0.03) 0.02 − (0.03)

= 𝑃( <U < )
0.035 0.035

= 𝑃(−1.4286 < U < −0.2857)

= 𝐹(−0.2857) − 𝐹(−1.4286)
= (1 − 𝐹(0.2857)) − (1 − 𝐹(1.4286)
= 𝐹(1.4286) − 𝐹(0.2857)
= 𝐹(1.43) − 𝐹(0.29)
= 0.92364 − 0.61409 = 0.30955

Exercice IV

Lors du dernier baromètre des villes cyclables de la Fédération des Utilisateurs de la Bicyclette
(FUB), Montpellier se retrouve vers la fin du classement (www.parlons-velo.com). Un des
problèmes le plus cité par les cyclistes dans ce sondage est le vol des vélos récurrent dans la
ville et le manque d’un réseau connecté. Afin de déterminer des solutions, la ville décide de
mener une étude parmi 200 cyclistes de Montpellier. En moyenne, 14% expriment d'avoir été
victime d'un vol pendant les derniers 3 mois, alors que la moyenne nationale pour une telle
étude est 10%.
Afin d’améliorer le réseau dans les différents quartiers, la ville décide de faire un sondage dans
les quartiers de Croix-d’Argent (C) avec 60 habitants et de Port Marianne (P) avec 40 habitants
sur les distances parcourus en vélos par jour. Les moyennes de population concernant les
distances parcourus en vélos par jour sont de 2,2km pour Croix d'Argent et de 2km pour Port
Marianne. Le sondage révèle un écart-type de 0,9 km pour Croix d’Argent et un écart-type de
0,4 km pour Port Marianne. Les variances des distances peuvent être considérées comme égales.

4) Quelle est la probabilité qu’un habitant de Croix-d’Argent fasse plus que 2 km de vélo par
jour en moyenne ? Détaillez la distribution de votre variable aléatoire.
D’après l’énoncé on peut déduire que la variable ‘’ Distance parcours à vélo par un habitant du
quartiers i’’ 𝑋𝑖 pour i = C, P obéit à une Loi Normale.
𝑋𝑖 ~ 𝑁(𝑚𝑖 ; 𝑖 )
Pour tout i = C, P
̅̅̅̅
On nous demande de trouver 𝑃(𝑋𝐶 > 2)

10
Comme l’échantillons est iid (non indiqué dans le texte mais on peut le supposer) alors le
nombre de point moyen ds l’échantillon est aussi une variable aléatoire !
̅𝑋̅̅𝐶̅~ 𝑁(𝑚𝐶 ; 𝐶 /√𝑛𝐶 )
̅̅̅𝑃̅~ 𝑁(𝑚𝑃 ; 𝑃 /√𝑛𝑃 )
𝑋

Encore une fois on doit studentiser car les écart types sont inconnus mais égaux !

̅̅̅
𝑋𝑐 − 𝑚𝑐
𝑇𝑐 = ~ 𝑇(𝑛𝑐 − 1) = 𝑇(59) → 𝑁(0,1) 𝑐𝑎𝑟 𝑑𝑑𝑙 > 30
𝑆2
√ 𝑐
𝑛𝑐 − 1

̅̅̅
𝑋𝑐 − 𝑚𝑐 2 − 2.2 −0.2
̅̅̅𝐶̅ > 2) = 𝑃
𝑃(𝑋 > = 𝑃(𝑇 > )
𝑆𝑐2 2 0.11717
√ √ 0.9
( 𝑛𝑐 − 1 60 − 1)

= 𝑃( 𝑇 > −1.7069) = 1 − 𝑃(𝑇 ≤ −1.7069) = 1 − 𝐹(−1.7069)

1 − (1 − 𝐹(1.7069)) = 𝐹(1.71)

On doit donc lire F(1.71) = 0.95637

5) Quelle est la probabilité que la différence entre la distance moyenne parcourus par deux
habitants des deux quartiers soit supérieure à 0,3 kilomètres ?
On sait que
̅𝑋̅̅𝐶̅~ 𝑁(𝑚𝐶 ; 𝐶 /√𝑛𝐶 )
̅𝑋̅̅𝑃̅~ 𝑁(𝑚𝑃 ; 𝑃 /√𝑛𝑃 )
Il faut trouver la Loi de la différence de moyenne ds les échantillons.
𝐶 ² 𝑃 ²
̅𝑋̅̅𝐶̅ − ̅𝑋̅̅𝑃̅~ 𝑁 (𝑚𝐶 − 𝑚𝑃 ; √ + )
𝑛𝐶 𝑛𝑃

On nous demande de trouver

̅̅̅̅̅̅̅̅̅̅̅̅
𝑃( |𝑋 ̅̅𝐶̅ − ̅̅
𝑋̅𝑃̅| > 0.3)

Ici on doit aussi Studentiser

̅̅̅𝐶̅ − ̅̅̅
(𝑋 𝑋𝑃̅) − (𝑚𝐶 − 𝑚𝑃 )
𝑇= ~ 𝑇(𝑛𝐶 + 𝑛𝑃 − 2) = 𝑇(98) → 𝑁(0,1)
1 1 𝑛 𝑆2 + 𝑛𝑃 𝑆𝑃 ²
√ √ 𝐶 𝐶
𝑛𝐶 + 𝑛𝑃 . 𝑛𝐶 + 𝑛𝑃 − 2

11
Ici 𝑠𝑆2 et 𝑠𝐽2 sont connus
En calculant on obtient :

̅̅̅𝐶̅ − ̅𝑋̅̅𝑃̅) − ( 2.2 − 2)

(𝑋
𝑇=
2 2
√ 1 + 1 . √60 ∗ 0.9 + 40 ∗ 0.4
60 40 60 + 40 − 2

Finalement on doit trouver

𝑃( ̅𝑋̅̅𝐶̅ − ̅̅
𝑋̅𝑃̅ > 0.3)

̅̅̅𝐶̅ − ̅𝑋̅̅̅
(𝑋 𝑃 ) − (𝑚𝐶 − 𝑚𝑃 ) 0.3 − ( 2.2 − 2)
=𝑃 >
2 2
1 1 𝑛 𝑆 2 + 𝑛𝑃 𝑆𝑃2 √ 1 + 1 . √60 ∗ 0.9 + 40 ∗ 0.4
√ + .√ 𝐶 𝐶 60 40 60 + 40 − 2
𝑛𝐶 𝑛𝑃 𝑛𝐶 + 𝑛𝑃 − 2
( )
0.3 − 0.2
= 𝑃 (𝑇 > )=
0.1529
𝑃(𝑇 > 0.6540)

= 𝑃(𝑇 > 0.6540 ) = 1 − 𝑃(𝑇 ≤ 0.6540) = 1 − 𝐹(0.65) = 1 − 0.74215 = 0.25785

Exercice V

Une société d’automobile souhaite commercialiser une voiture de nouvelle gamme dans
plusieurs villes et veut tester son niveau de pollution.
Pour cela elle effectue des tests sur un échantillon de 300 voitures de son usine de la ville A.
Ces tests révèlent que 10% des voitures sont polluantes . Afin de compléter son étude de
marché, la société réalise également des tests sur un échantillon de 250 voitures fabriquées dans
une autre usine dans une ville voisine notée B. Ces tests menés dans la ville B révèlent qu’en
moyenne 8% des voitures sont polluantes.
Calculer la probabilité que la proportion des voitures polluantes dans l’échantillon de la ville
A excède celle des voitures polluantes dans l’échantillon de la ville B ?

Ici on étudie une Proportion, notée F, de voitures polluantes au sein d’un échantillon. Comme
la variable aléatoire X nombre de voitures polluantes sur un échantillon de taille n obéit à une
loi Binominale B(n,p) cf le TD 2
𝑋𝐴 ~ 𝐵(𝑛𝐴 ; 𝑝𝐴 ) = 𝐵 (300 ; 0.10) à justifier

12
 La proportion F = X/n obéit aussi à une loi Binomiale
Or ici la Loi Binomiale de F convergera vers une Loi Normale car n est important n > 50 et np
> 18
𝑝𝑞
𝐹~𝑁 (𝑝; √ )
𝑛

𝑝𝐴 (1 − 𝑝𝐴 )
𝐹𝐴 ~𝑁 (𝑝𝐴 ; √ ).
𝑛𝐴
On note
𝑞𝐴 = (1 − 𝑝𝐴 )

𝑋𝐵 ~ 𝐵(𝑛𝐵 ; 𝑝𝐵 ) = 𝐵 (250 ; 0.08)

𝑝𝐵 (1 − 𝑝𝐵 )
𝐹𝐵 ~𝑁 (𝑝𝐵 ; √ ).
𝑛𝐵
On note
𝑞𝐵 = (1 − 𝑝𝐵 )

On nous demande de trouver P( 𝐹𝐴 > 𝐹𝐵 ) pour cela il faut étudier la différence 𝐹𝐴 − 𝐹𝐵 !

La loi de la différence entre les deux proportions est la suivante :

𝑝𝐴 𝑞𝐴 𝑝𝐵 𝑞𝐵
𝐹𝐴 − 𝐹𝐵 ~𝑁 (𝑝𝐴 − 𝑝𝐵 ; √ + ) = 𝑁( 0.02 ; 0.0244 )
𝑛𝐴 𝑛𝐵

Au final on doit trouver :

P( 𝐹𝐴 > 𝐹𝐵 ) = 𝑃(𝐹𝐴 − 𝐹𝐵 > 0)

0−(0.02)
On doit centrer et réduire donc 𝑃 (𝑈 > 0.0244 = −0.8197) = 1 − 𝐹(−0,82) =
F(0.82) = 0.79389

13