Académique Documents
Professionnel Documents
Culture Documents
Statistique descriptive
dr Sarah DENDIEVEL
.25 e
3 Probabilités 39
3.1 Notions de base de probabilité . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
3.1.1 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
3.1.2 Solutions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
3.2 Variables aléatoires discrètes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
3.2.1 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
3.2.2 Solutions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
3.3 Variables aléatoires continues . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
3.3.1 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
3.3.2 Solutions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
3
Table des matières
v, v,
4
1 Statistique descriptive à une
dimension
1.1 Exercices
5
1 Statistique descriptive à une dimension
3. Le nombre de crèches dans 50 petites localités de même taille a été observé. Ce nombre
de crèches observés est décrit dans le tableau suivant : de bonnes réponses observés est
décrit dans le tableau suivant.
6
1 Statistique descriptive à une dimension
7
1 Statistique descriptive à une dimension
5. Une étude sur les prêts à la consommation accordés à des jeunes de 18-25 ans dans un
certain organisme bancaire au cours d'une année a permis d'obtenir la répartition suivante
des prêts selon le montant du prêt.
.
Arrondissez vos calculs au 100ème.
a) Quelle est la nature de cette variable ? Justiez.
b) Donnez la distribution statistique de cette variable et tracez son histogramme.
c) Donnez la distribution des fréquences cumulées de X et tracez la courbe cumulative.
d) Déterminez : mode, médiane, moyenne, premier quartile et troisième quartile appro-
ché(e). Justiez et interprétez chacune de celles-ci.
e) Dessinez la boîte à moustache de cette série statistique.
f) Déterminez la variance et l'écart-type approchée.
8
1 Statistique descriptive à une dimension
1.2 Solutions
1. Désignons par X la variable nombre de pêches abîmées dans chacune des caissettes .
a) X est quantitative car elle se prête à des calculs numériques et elle est discrète car
elle prend un nombre ni de valeurs.
b) La distribution des eectifs de X est :
X Eectif ni
0 11
1 10
2 6
3 3
4 3
5 5
6 4
7 3
8 3
9 2
X Fréquence fi
0 0.22
1 0.2
2 0.12
3 0.06
4 0.06
5 0.1
6 0.08
7 0.06
8 0.06
9 0.04
9
1 Statistique descriptive à une dimension
X Fréquences cumulées Fi
0 0.22
1 0.42
2 0.54
3 0.6
. . . 4 0.66
5 0.76
6 0.84
7 0.9
8 0.96
9 1
e) Mesures de centralité :
i. Le mode est de M = 0 car il correspond à l'eectif le plus élevé, n1 = 11.
Interprétation : on a observé le plus souvent des caissettes sans pêches abîmées.
ii. La médiane est x3 = 2 car F2 = 0.42 < 0.50 et 0.50 < F3 = 0.54
Interprétation : 50% des caisses observées ont un nombre pêches abîmées inférieur
ou égal à 2 pêches et 50% des caisses observées ont un nombre pêches abîmées
supérieur ou égal à 2 pêches.
iii. La moyenne est x = 10 i=1 fi xi . On utilise la distribution statistique de X pour
P
10
1 Statistique descriptive à une dimension
de X :
10
X
x= f i xi
i=1
Interprétation : Le nombre moyen observé de pêches abîmées par caisse est de 3.10.
f) Mesures de position :
i. Le premier quartile Q1 = x2 = 1 car F1 = 0.22 < 0.25 et 0.25 < F2 = 0.42
Interprétation : 25% des caisses observées ont un nombre pêches abîmées inférieur
ou égal à 1 pêche et 75% des caisses observées ont un nombre pêches abîmées
supérieur ou égal à 1 pêche.
ii. Le deuxième quartile est Q2 = m = 2. (voir médiane)
iii. Le troisième quartile Q3 = x6 = 5 car F5 = 0.66 < 0, 75 et 0, 75 < F6 = 0.76
Interprétation : 75% des caisses observées ont un nombre pêches abîmées inférieur
ou égal à 5 pêches et 25% des caisses observées ont un nombre pêches abîmées
supérieur ou égal à 5 pêches.
g) Mesures de dispersion :
i. L'étendue est E = x10 − x1 = 9 − 0 = 9.
Interprétation : Les nombres de pêches abîmées observées sont entre 0 et 9 pêches
par caisse donc ces observations sont dispersées sur une longueur qui vaut E = 9.
ii. L'écart interquartile est IQ = Q3 − Q1 = 5 − 1 = 4.
Interprétation : 50% des caisses observées ont un nombre de pêches abîmées entre
Q1 et Q3 c'est-à-dire entre 1 et 5 pêches par caisse donc ces observations sont
dispersées sur une longueur qui vaut IQ = 4.
h) Boîte à moustache
11
1 Statistique descriptive à une dimension
10
X
s2X = fi x2i − x̄2
i=1
= 17.58 − 3.102
= 7.97
√
sX = 7.97 = 2.82
X Eectif ni
0 7
1 9
2 11
3 3
4 13
5 7
12
1 Statistique descriptive à une dimension
X Fréquence fi
0 0.14
1 0.18
2 0.22
3 0.06
4 0.26
5 0.14
X Fréquence cumulées Fi
0 0.14
1 0.32
. . . 2 0.54
3 0.60
4 0.86
5 1
e) Mesures de centralité :
i. Le mode est de M = 4 car il correspond à l'eectif le plus élevé, n5 = 13.
Interprétation : on a observé le plus souvent des élèves ayant 4 bonnes réponses à
l'examen.
ii. La médiane est x3 = 2 car F2 = 0.32 < 0.50 et 0.50 < F3 = 0.54
Interprétation : 50% des élèves observées ont eu un nombre de bonnes réponses
à l'examen inférieur ou égal à deux bonnes réponses et 50% des élèves observées
ont eu un nombre de bonnes réponses à l'examen supérieur ou égal à deux bonnes
réponses.
iii. La moyenne est
10
X
x= f i xi
i=1
13
1 Statistique descriptive à une dimension
Interprétation : Le nombre moyen observé de bonnes réponses par élève est de 2.54.
f) Mesures de position :
i. Le premier quartile est Q1 = x2 = 1 car F2 = 0.32 < 0.50 et 0.50 < F3 = 0.54
Interprétation : 25% des élèves observés ont eu un nombre de bonnes réponses à
l'examen inférieur ou égal à 1 bonne réponse et 75% des élèves observés ont eu un
nombre de bonnes réponses à l'examen supérieur ou égal à 1 bonne réponse.
ii. Le deuxième quartile est Q2 = m = 2
iii. Le troisième quartile Q3 = x5 = 4 car F4 = 0.60 < 0.75 et 0.75 < F5 = 0.86
Interprétation : 75% des élèves observés ont eu un nombre de bonnes réponses à
l'examen inférieur ou égal à 4 bonnes réponses et 25% des élèves observés ont eu
un nombre de bonnes réponses à l'examen supérieur ou égal à 4 bonnes réponses.
g) Mesures de dispersion :
i. L'étendue est E = x6 − x1 = 5 − 0 = 5.
Interprétation : Les nombres de bonnes réponses observées à l'examen sont entre
0 et 5 bonnes réponses donc ces observations sont dispersées sur une longueur qui
vaut E = 5.
ii. L'écart interquartile est IQ = Q3 − Q1 = 4 − 1 = 3.
Interprétation : 50% des élèves observés ont eu un nombre de bonnes réponses
à l'examen entre Q1 et Q3 c'est-à-dire entre 1 et 4 bonnes réponses donc ces
observations sont dispersées sur une longueur qui vaut IQ = 3.
h) Boîte à moustache
X Fréquence fi fi x2i
0 0.14 0
1 0.18 0.18
. . . 2 0.22 0.88
3 0.06 0.54
4 0.26 4.16
5 0.14 3.5
14
1 Statistique descriptive à une dimension
6
X
s2X = fi x2i − x̄2
i=1
= 9.26 − 2.542
= 2.81
√
sX = 2.81 = 1.68
X Eectif ni
0 13
1 9
2 10
3 6
4 7
5 5
X Fréquence fi
0 0.26
1 0.18
2 0.2
3 0.12
4 0.14
5 0.1
15
1 Statistique descriptive à une dimension
X Fréquence cumulées Fi
0 0.26
1 0.44
. . . 2 0.64
3 0.76
4 0.9
5 1
e) Mesures de centralité :
i. Le mode est de M = 0 car il correspond à l'eectif le plus élevé n0 = 13.
Interprétation : on a observé le plus souvent des localités sans crèches.
ii. La médiane est x3 = 2 car F2 = 0.44 < 0.50 et 0.50 < F3 = 0.64
Interprétation : 50% des localités observées ont un nombre de crèches inférieur ou
égal à 2 et 50% des localités observées ont un nombre de crèches supérieur ou égal
à 2.
iii. La moyenne est
10
X
x= f i xi
i=1
16
1 Statistique descriptive à une dimension
X Fréquence fi fi x2i
0 0.26 0
1 0.18 0.18
. . . 2 0.20 0.80
3 0.12 1.08
4 0.14 2.24
5 0.10 2.50
6
X
s2X = fi x2i − x̄2
i=1
= 6.8 − 22
= 2.8
√
sX = 2.8 = 1.67
4. Désignons par X la variable temps par semaine (en heures) que les étudiants passent
à faire la cuisine .
a) Cette variable est quantitative car il faut mesurer le temps, qui se prête à des calculs
numériques. Elle est continue car elle peut prendre un nombre inni non dénombrable
de valeurs (le temps est une échelle continue).
b) La distribution statistique de X est donnée dans le tableau :
17
1 Statistique descriptive à une dimension
Temps X Fréquence fi
[0,5[ 0.39
. . . [5,10[ 0.30
[10,15[ 0.12
[15,20[ 0.19
Comme les classes ont toutes la même longueur et que l'aire des rectangles de l'his-
togramme doit être proportionnelle à la fréquence, on peut prendre comme hauteur
hi la fréquence de chacune des classes. En eet, il faut que hi = k × flii où k est une
constante. Toutes les classes ont une longueur li = 5 donc en choisissant k = 5, on
obtient hi = 5 × f5i = fi , pour la i-ème classe.
18
1 Statistique descriptive à une dimension
Courbe cumulative
d) Mesures de centralité :
i. La classe modale est [0, 5[ car il correspond à l'eectif le plus élevé n1 = 63. Par
convention, le mode est de M = 5/2 = 2.5
Interprétation : on a observé le plus souvent des étudiants qui font la cuisine entre
0 et 5 heures par semaine.
ii. La classe médiane est [5, 10[ car F1 = 0.39 < 0.50 et 0.50 < F2 = 0.69
La médiane approchée est
19
1 Statistique descriptive à une dimension
4
X
xa = f i ci
i=1
(0.25 − F1∗ )
Q1,a = L1 + lQ1
fQ1
(0.25 − 0)
Q1,a = 0 + 5 × = 3.21
0.39
(0.75 − F3∗ )
Q3,a = L3 + lQ3
fQ3
20
1 Statistique descriptive à une dimension
(0.75 − 0.69)
Q3,a = 10 + 5 × = 12.5
0.12
4
X
s2a = fi c2i − x̄2a
i=1
21
1 Statistique descriptive à une dimension
5. Désignons par X la variable montant des prêts à la consommation accordés à des jeunes
de 18-25 ans au cours d'une année dans un certain organisme bancaire .
a) La variable X est quantitative car elle se prête à des calculs numériques. Elle est
continue car elle peut prendre un nombre inni non dénombrable de valeurs.
b) Distribution statistique de X
22
1 Statistique descriptive à une dimension
Courbe cumulative
d) Mesures de centralité :
i. La classe modale est [10000, 25000[ car il correspond à l'eectif le plus élevé n2 =
189. Par convention, le mode est
(10000 + 25000)
M= = 17500
2
(0.5 − F2∗ )
ma = L2 + lm
fm
(0.5 − 0.25)
= 10000 + 15000 ×
0.46
= 18152.17
23
1 Statistique descriptive à une dimension
4
X
xa = f i ci
i=1
(0.25 − F1∗ )
Q1,a = L1 + lQ1
fQ1
(0.25 − 0)
= 1000 + 9000 ×
0.25
= 10000
(0.75 − F3∗ )
Q3,a = L3 + lQ3
fQ3
(0.75 − 0.71)
= 25000 + 25000 ×
0.23
= 29347.83
24
1 Statistique descriptive à une dimension
.
f) Mesures de dispersion : variance approché s2a et écart-type approché sa
4
X
s2a = fi c2i − x̄2a
i=1
25
2 Statistique descriptive à deux
dimensions
2.1 Exercices
X 5 10 15
Y 10 30 50
26
2 Statistique descriptive à deux dimensions
X 1 2 3 4 5
Y 3 7 5 11 14
27
2 Statistique descriptive à deux dimensions
4. La taille d'un athlète peut jouer un rôle important dans ses résultats en saut en hauteur.
Soit X la variable qui représente la taille (en mètres) et Y la variable qui représente la
performance en saut hauteur (en mètres) de 20 champions du monde. On dispose des
données suivantes :
n=20 n=20 n=20 n=20 n=20
xi = 37.5 ; yi = 47.6 ; x2i = 73.85 ; yi2 = 115.66 ;
X X X X X
xi yi = 91.33
i=1 i=1 i=1 i=1 i=1
28
2 Statistique descriptive à deux dimensions
2.2 Solutions
b) Il semble y avoir une association linéaire positive parfaite entre les deux variables.
c) Nous avons : x = 10 , sX = 4.08 et y = 30, sY = 16.33 (voir devoir n°1 sur Moodle)
Nous utilisons un tableau pour les calculs des termes de la covariance entre X et Y :
10 30 0 0 0 0 0
15 50 5 25 20 400 100
total : 200
On obtient :
200
sX,Y = = 66.67
3
66.67
rX,Y = =1
4.08 × 16.33
29
2 Statistique descriptive à deux dimensions
h) Puisque toutes les observations sont situées sur la droite de régression, toutes les
valeurs prédites ŷi par cette dernière sont égales aux valeurs yi . Donc, yi − ŷi = 0 pour
tout i. Donc (yi − ŷi )2 = 0. Conclusion : la somme des carrés de l'erreur résiduelle est
3
X
SCER = (yi − ŷi )2 = 0
i=1
i) Oui, car ST C = 800 et SCR + SCER = 800 + 0, donc nous avons bien :
SCR 800
R2 = = =1
ST C 800
30
2 Statistique descriptive à deux dimensions
b) Il semble y avoir une association linéaire entre les deux variables et on observe une
relation positive : plus X augmente, plus Y augmente.
c) On utilise la formule de la covariance échantillon
n
1X
sX,Y = xi yi − xy
n i=1
X Y xi y i
1 3 3
2 7 14
3 5 15
4 11 44
5 14 70
et on obtient :
1
sX,Y = (3 + 14 + 15 + 44 + 70) − 3 × 8 = 29.2 − 24 = 5.2
5
ŷ = b0 + b1 x
où
b1 = sX,Y
s2X
b = y − b x
0 1
31
2 Statistique descriptive à deux dimensions
et on obtient :
1
s2X = (1 + 4 + 9 + 16 + 25) − 32 = 11 − 9 = 2
5
ŷ = 0.2 + 2.6x
32
2 Statistique descriptive à deux dimensions
33
2 Statistique descriptive à deux dimensions
yi yi − 8 (yi − 8)2
3 -5 25
7 -1 1
5 -3 9
11 3 9
14 6 36
Conclusion : la somme totale des carrés est
ST C = 25 + 1 + 9 + 9 + 36 = 80
SCR 67.6
R2 = = = 0.845
ST C 80
ŷ = 0.2 + 2.6x
34
2 Statistique descriptive à deux dimensions
v. La variance échantillon de Y :
n=10
1X 2 32.27
s2Y = yi − ȳ 2 = − 1.7952 = 0.005
n i=1 10
vi. L'écart-type de Y q √
sY = s2Y = 0.005 = 0.071
35
2 Statistique descriptive à deux dimensions
ŷ = b0 + b1 x
où
b 1 sX,Y 0.167
= s2X
= 12.24
= 0.014
b
0 = y − b1 x = 1.795 − 0.014 × 11.4 = 1.635
ŷ = 1.635 + 0.014x
36
2 Statistique descriptive à deux dimensions
La moyenne échantillon de Y :
20
1X 47.6
ȳ = yi = = 2.38
n i=1 20
La variance échantillon de Y :
20
1X 2 115.66
s2Y = yi − ȳ 2 = − 2.382 = 0.119
n i=1 20
L'écart-type de Y : q √
sY = s2Y = 0.119 = 0.345
37
2 Statistique descriptive à deux dimensions
La covariance entre X et Y :
20
1X 91.33
sXY = xi yi − x̄ȳ = − 1.875 × 2.38 = 0.104
n i=1 20
ŷ = b0 + b1 x
où
b1 sX,Y 0.104
= s2X
= 0.177
= 0.588
b
0 = y − b1 x = 2.38 − 0.588 × 1.875 = 1.278
ŷ = 1.278 + 0.588x
c) Sachant que l'athlète a une taille de x = 1.98 mètres, une estimation de sa perfor-
mance, sur base de cette droite est de :
38
3 Probabilités
3.1.1 Exercices
2. Une expérience aléatoire qui a pour ensemble fondamental Ω = {E1 , E2 , E3 } a été répétée
50 fois. On a observé 20 fois E1 , 13 fois E2 et 17 fois E3 .
a) Quelle est la probabilité de chacun des événements ?
b) Quelle dénition avez-vous utilisée ?
39
3 Probabilités
5. On jette 2 dés, un rouge et un vert (dont l'ensemble fondamental a été déni dans l'Exer-
cice 4). Décrivez mathématiquement chacun des événements suivants et calculez leurs
probabilités.
a) A : la somme des points est paire
b) B : la somme des points est plus grande ou égale à 7
c) C : la somme des points est plus petite (strictement) que 4
d) D : on obtient la face 5 sur le dé vert
e) E : on obtient la face 5 sur au moins un des dés
f) A ∩ B
g) B ∪ C
h) Dc
6. Soient A et B des événements tels que P (A) = 1/3, P (B) = 1/2 et P (A ∩ B) = 1/4.
Calculez :
a) P A
b) P B
c) P A ∩ B
d) P (A ∪ B)
e) P A ∪ B
40
3 Probabilités
b) P B
c) P A ∪ B
d) P (A ∩ B)
e) P A ∩ B
8. Une étude de marché a révélé que parmi 400 familles interrogées, 300 possédaient un
smartphone, 140 un ordinateur à écran tactile, et 80 familles possédaient les deux types
d'appareil. Quelle est la probabilité qu'une famille interrogée au hasard parmi ces 400
familles :
a) possède un ordinateur à écran tactile ?
b) possède un smartphone ?
c) possède un ordinateur à écran tactile et un smartphone ?
d) possède un ordinateur à écran tactile ou un smartphone ?
e) ne possède ni smartphone, ni ordinateur à écran tactile ? (Aide : utilisez les lois de De
Morgan)
9. Soient A et B des événements tels que P (A) = 0.50, P (B) = 0.60 et P (A ∩ B) = 0.40.
a) Calculez : P (A | B)
b) Calculez : P (B | A)
c) Les événements A et B sont-ils indépendants ? Justiez.
41
3 Probabilités
10. Une enquête a été menée auprès d'étudiants sur la raison principale de leur inscription
dans une école donnée. Les résultats sont :
Qualité de Frais d'inscriptions Autres raisons Total
l'enseignement ou commodité
11. Une enquête a été menée auprès de 200 hommes et 200 femmes pour savoir s'ils préfèraient
boire de l'eau ou des boissons énergétiques. Dans cette étude, 280 ont armé préférer
boire de l'eau. Parmi ceux préférant les boisson énergétiques, il y avait 80 hommes et 40
femmes. On considère les événements suivants : H : le consommateur est un homme ,
F : le consommateur est une femme , E : le consommateur préfère l'eau et B : le
consommateur préfère les boissons énergétiques .
a) Quelle est la probabilité qu'une personne de cette étude :
i. préfère boire de l'eau ?
ii. préfère les boissons énergétiques ?
b) Quelles sont les probabilités conditionnelles : P (H | B), P (F | B), P (B | H) et
P (B | F ) ? Interprétez.
c) Quelles sont les probabilités jointes : P (H ∩ B) et P (F ∩ B) ? Interprétez.
d) La préférence pour les boissons énergétiques est-elle indépendante du fait que le
consommateur soit un homme ou une femme ? Justiez.
42
3 Probabilités
3.1.2 Solutions
2. Les probabilités peuvent être données sous la forme de fraction simpliée, décimale ou en
pourcentage car il n'y a pas de consigne spécique.
a) P (E1 ) = 20
50
= 52 = 0.4 = 40%,
13
P (E2 ) = 50
= 0.26 = 26%
17
P (E3 ) = 50
= 0.34 = 34%
b) Nous avons utilisé la dénition empirique des probabilités pour donner les réponses
au point (a) car les probabilités sont déterminées à l'issue de la répétition d'une même
expérience aléatoire.
Remarquons de plus que les événements élémentaires ne sont pas supposés équipro-
bables.
3. Les probabilités peuvent être données sous la forme de fraction simpliée, décimale ou en
pourcentage car il n'y a pas de consigne spécique.
a) P (E2 ) = 1
4
b) P (E1 ou E3 ) = P (E1 ∪ E3 ) = 2
4
= 1
2
c) P (E1 , E2 ou E4 ) = P (E1 ∪ E2 ∪ E4 ) = 3
4
d) Nous avons utilisé la dénition classique des probabilités puisque les événements sont
équiprobables par hypothèse.
43
3 Probabilités
4. Dénissons d'abord les notations : le couple (i, j) est composé de la première composante
i, la réalisation du dé rouge et de la deuxième composante j , la réalisation du dé vert.
a) L'ensemble fondamental est
Ω = {(1, 1), (1, 2), (1, 3), (1, 4), (1, 5), (1, 6),
(2, 1), (2, 2), (2, 3), (2, 4), (2, 5), (2, 6),
(3, 1), (3, 2), (3, 3), (3, 4), (3, 5), (3, 6),
(4, 1), (4, 2), (4, 3), (4, 4), (4, 5), (4, 6),
(5, 1), (5, 2), (5, 3), (5, 4), (5, 5), (5, 6),
(6, 1), (6, 2), (6, 3), (6, 4), (6, 5), (6, 6)}
b) On dénit l'événement C : la somme des valeurs observées sur les deux dés est égale
à 7 . Observons l'ensemble fondamental et mettons en évidence les réalisations de
l'événement C :
Ω = {(1, 1), (1, 2), (1, 3), (1, 4), (1, 5), (1, 6),
(2, 1), (2, 2), (2, 3), (2, 4), (2, 5), (2, 6),
(3, 1), (3, 2), (3, 3), (3, 4), (3, 5), (3, 6),
(4, 1), (4, 2), (4, 3), (4, 4), (4, 5), (4, 6),
(5, 1), (5, 2), (5, 3), (5, 4), (5, 5), (5, 6),
(6, 1), (6, 2), (6, 3), (6, 4), (6, 5), (6, 6)}
Ainsi, C = {(1, 6), (2, 5), (3, 4), (4, 3), (5, 2), (6, 1)} est réalisé dans 6 cas de gure donc
P (C) = #C
#Ω
6
= 36 = 16 .
c) On dénit l'événement B : la somme des valeurs observées sur les deux dés est égale à
9 ou plus . Observons l'ensemble fondamental et mettons en évidence les réalisations
de l'événement B :
Ω = {(1, 1), (1, 2), (1, 3), (1, 4), (1, 5), (1, 6),
(2, 1), (2, 2), (2, 3), (2, 4), (2, 5), (2, 6),
(3, 1), (3, 2), (3, 3), (3, 4), (3, 5), (3, 6),
(4, 1), (4, 2), (4, 3), (4, 4), (4, 5), (4, 6),
(5, 1), (5, 2), (5, 3), (5, 4), (5, 5), (5, 6),
(6, 1), (6, 2), (6, 3), (6, 4), (6, 5), (6, 6)}
Ainsi, B = {(3, 6), (4, 5), (4, 6), (5, 4), (5, 5), (5, 6), (6, 3), (6, 4), (6, 5), (6, 6)}
et donc P (B) = #B
#Ω
= 10
36
= 185
.
44
3 Probabilités
Ω = {(1, 1), (1, 2), (1, 3), (1, 4), (1, 5), (1, 6),
(2, 1), (2, 2), (2, 3), (2, 4), (2, 5), (2, 6),
(3, 1), (3, 2), (3, 3), (3, 4), (3, 5), (3, 6),
(4, 1), (4, 2), (4, 3), (4, 4), (4, 5), (4, 6),
(5, 1), (5, 2), (5, 3), (5, 4), (5, 5), (5, 6),
(6, 1), (6, 2), (6, 3), (6, 4), (6, 5), (6, 6)}
On voit qu'un événement élémentaire sur deux est une réalisation de A et qu'un
événement élémentaire sur deux est une réalisation de D : il y a 18 cas favorables
à A donc, P (A) = 18
36
= 12 et il y a 18 cas favorables à D donc P (D) = 18 36
= 21 ,
puisque les événements élémentaires sont équiprobables.
Conclusion : P (A) = P (D) et donc l'armation P (A) > P (D) est fausse.
e) Nous avons utilisé la dénition classique de probabilité car 1, 2, 3, 4, 5 et 6 sont des
événements équiprobables pour chacun des deux dés.
A = {(1, 1), (1, 3), (1, 5), (2, 2), (2, 4), (2, 6),
(3, 1), (3, 3), (3, 5), (4, 2), (4, 4), (4, 6),
(5, 1), (5, 3), (5, 5), (6, 2), (6, 4), (6, 6)}
Et P (A) = 18
36
= 1
2
45
3 Probabilités
Ω = {(1, 1), (1, 2), (1, 3), (1, 4), (1, 5), (1, 6),
(2, 1), (2, 2), (2, 3), (2, 4), (2, 5), (2, 6),
(3, 1), (3, 2), (3, 3), (3, 4), (3, 5), (3, 6),
(4, 1), (4, 2), (4, 3), (4, 4), (4, 5), (4, 6),
(5, 1), (5, 2), (5, 3), (5, 4), (5, 5), (5, 6),
(6, 1), (6, 2), (6, 3), (6, 4), (6, 5), (6, 6)}
Ainsi,
B = {(1, 6), (2, 5), (2, 6), (3, 4), (3, 5), (3, 6), (4, 3),
(4, 4), (4, 5), (4, 6), (5, 2), (5, 3), (5, 4), (5, 5),
(5, 6), (6, 1), (6, 2), (6, 3), (6, 4), (6, 5), (6, 6)}
Donc, P (B) = #B
#Ω
= 21
36
= 7
12
Ω = {(1, 1), (1, 2), (1, 3), (1, 4), (1, 5), (1, 6),
(2, 1), (2, 2), (2, 3), (2, 4), (2, 5), (2, 6),
(3, 1), (3, 2), (3, 3), (3, 4), (3, 5), (3, 6),
(4, 1), (4, 2), (4, 3), (4, 4), (4, 5), (4, 6),
(5, 1), (5, 2), (5, 3), (5, 4), (5, 5), (5, 6),
(6, 1), (6, 2), (6, 3), (6, 4), (6, 5), (6, 6)}
Ω = {(1, 1), (1, 2), (1, 3), (1, 4), (1, 5), (1, 6),
(2, 1), (2, 2), (2, 3), (2, 4), (2, 5), (2, 6),
(3, 1), (3, 2), (3, 3), (3, 4), (3, 5), (3, 6),
(4, 1), (4, 2), (4, 3), (4, 4), (4, 5), (4, 6),
(5, 1), (5, 2), (5, 3), (5, 4), (5, 5), (5, 6),
(6, 1), (6, 2), (6, 3), (6, 4), (6, 5), (6, 6)}
Ainsi, D = {(1, 5), (2, 5), (3, 5), (4, 5), (5, 5), (6, 5)}
Donc, P (D) = #D
#Ω
= 366
= 16
46
3 Probabilités
Ω = {(1, 1), (1, 2), (1, 3), (1, 4), (1, 5), (1, 6),
(2, 1), (2, 2), (2, 3), (2, 4), (2, 5), (2, 6),
(3, 1), (3, 2), (3, 3), (3, 4), (3, 5), (3, 6),
(4, 1), (4, 2), (4, 3), (4, 4), (4, 5), (4, 6),
(5, 1), (5, 2), (5, 3), (5, 4), (5, 5), (5, 6),
(6, 1), (6, 2), (6, 3), (6, 4), (6, 5), (6, 6)}
Ainsi, E = {(1, 5), (2, 5), (3, 5), (4, 5), (5, 1), (5, 2), (5, 3), (5, 4), (5, 5), (5, 6), (6, 5)}
Donc, P (E) = #E
#Ω
= 11
36
f) Mettons en évidence les réalisations de l'événement A∩B dans Ω. Pour que l'événement
A ∩ B se réalise, il faut à la fois que la somme des points soit paire et que la somme
des points soit plus grande ou égale à 7 :
Ω = {(1, 1), (1, 2), (1, 3), (1, 4), (1, 5), (1, 6),
(2, 1), (2, 2), (2, 3), (2, 4), (2, 5), (2, 6),
(3, 1), (3, 2), (3, 3), (3, 4), (3, 5), (3, 6),
(4, 1), (4, 2), (4, 3), (4, 4), (4, 5), (4, 6),
(5, 1), (5, 2), (5, 3), (5, 4), (5, 5), (5, 6),
(6, 1), (6, 2), (6, 3), (6, 4), (6, 5), (6, 6)}
Ainsi, A ∩ B = {(2, 6), (3, 5), (4, 4), (4, 6), (5, 3), (5, 5), (6, 2), (6, 4), (6, 6)}
Donc,
# (A ∩ B) 9 1
P (A ∩ B) = = =
#Ω 36 4
g) Mettons en évidence les réalisations de l'événement B∪C dans Ω. Pour que l'événement
B ∪ C se réalise, il faut que la somme des points soit plus grande ou égale à 7 ou que
la somme des points soit plus petite strictement que 4 :
Ω = {(1, 1), (1, 2), (1, 3), (1, 4), (1, 5), (1, 6),
(2, 1), (2, 2), (2, 3), (2, 4), (2, 5), (2, 6),
(3, 1), (3, 2), (3, 3), (3, 4), (3, 5), (3, 6),
(4, 1), (4, 2), (4, 3), (4, 4), (4, 5), (4, 6),
(5, 1), (5, 2), (5, 3), (5, 4), (5, 5), (5, 6),
(6, 1), (6, 2), (6, 3), (6, 4), (6, 5), (6, 6)}
47
3 Probabilités
Ainsi,
B ∪ C = {(1, 1), (1, 2), (1, 6), (2, 1), (2, 5), (2, 6), (3, 4), (3, 5),
(3, 6), (4, 3), (4, 4), (4, 5), (4, 6), (5, 2), (5, 3), (5, 4),
(5, 5), (5, 6), (6, 1), (6, 2), (6, 3), (6, 4), (6, 5), (6, 6)}
Donc,
#(B ∪ C) 24 2
P (B ∪ C) = = =
#Ω 36 3
h) Les événements de Dc sont les événements de Ω qui ne sont pas dans D ainsi (grâce
à l'exercice 5 (d)), on a :
Dc = {(1, 1), (1, 2), (1, 3), (1, 4), (1, 6),
(2, 1), (2, 2), (2, 3), (2, 4), (2, 6),
(3, 1), (3, 2), (3, 3), (3, 4), (3, 6),
(4, 1), (4, 2), (4, 3), (4, 4), (4, 6),
(5, 1), (5, 2), (5, 3), (5, 4), (5, 6),
(6, 1), (6, 2), (6, 3), (6, 4), (6, 6)}
#Dc 30 5
P (Dc ) = = =
#Ω 36 6
48
3 Probabilités
b) La règle du complémentaire :
P B = 1 − P (B)
= 1 − 1/2 , par hypothèse
= 1/2 , par simplication
c) La règle du complémentaire :
P A ∩ B = 1 − P (A ∩ B)
= 1 − 1/4 , par hypothèse
= 3/4 , par simplication
d) La loi d'addition :
P (A ∪ B) = P (A) + P (B) − P (A ∩ B)
= 1/3 + 1/2 − 1/4, par hypothèse
= (4 + 6 − 3)/12 , par mise au même dénominateur
= 7/12 , par simplication
e) La règle du complémentaire :
P (A ∪ B) = 1 − P (A ∪ B)
= 1 − 7/12 , par l'exercice (d)
= 5/12 , par simplication
P (A ∩ B) = P (A ∪ B)
= 5/12 par l'exercice (e)
P (A ∪ B) = P (A ∩ B)
= 3/4 , par l'exercice (c)
49
3 Probabilités
b) La règle du complémentaire :
P B = 1 − P (B)
= 1 − 0.65 , par hypothèse
= 0.35 , par simplication
c) La règle du complémentaire :
P (A ∪ B) = 1 − P (A ∪ B)
= 1 − 0.78 , par hypothèse
= 0.22 , par simplication
d) La loi d'addition :
P (A ∩ B) = P (A) + P (B) − P (A ∪ B)
= 0.42 + 0.65 − 0.78, par hypothèse
= 0.29 , par simplication
e) La règle du complémentaire :
P A ∩ B = 1 − P (A ∩ B)
= 1 − 0.29 , par l'exercice (d)
= 0.71 , par simplication
P (A ∩ B) = P (A ∪ B)
= 0.22 par l'exercice (c)
50
3 Probabilités
P (A ∪ B) = P (A ∩ B)
= 0.71 , par l'exercice (e)
c) On cherche P (B). Puisque 80 familles observées possédaient les deux types d'appareil
sur un total de 400 famillles observées :
80
P (B) = = 0.2
400
d) On cherche P (C). Les données ne nous permettent pas décrire directement la réponse.
Mais observons que C = A ∪ D donc P (C) = P (A ∪ D) et par la loi d'addition, nous
avons :
51
3 Probabilités
P (C) = 1 − P (C)
= 1 − 0.9 , par l'exercice (d)
= 0.1
Conclusion : la probabilité qu'une famille interrogée au hasard parmi ces 400 familles
ne possède ni smartphone, ni ordinateur à écran tactile est de 10%.
P (A ∩ B)
P (A | B) =
P (B)
0.4
= , par hypothèse
0.6
= 0.667
P (B ∩ A)
P (B | A) =
P (A)
0.4
= , par hypothèse
0.5
= 0.8
52
3 Probabilités
b) La raison principale d'inscription dans cette écaole sont les frais d'inscriptions ou com-
modité car la probabilité marginale de cette modalité est de 0.512 qui est supérieure
à P (qualité de l'enseignement) = 0.425 et à P ( autres raisons) = 0.063.
c) La probabilité que la qualité de l'enseignement soit la raison principale dans le choix
de l'école
i. pour les étudiants inscrits en Jour
- 1ère méthode : en utilisant le tableau de contingence des probabilités : 0.218
0.461
=
0.473
- 2ème méthode : en utilisant le tableau de contingence des eectifs : 421
890
= 0.473
ii. pour les étudiants inscrits en HD :
- 1ère méthode : en utilisant le tableau de contingence des probabilités : 0.207
0.539
=
0.384
- 2ème méthode : en utilisant le tableau de contingence des eectifs : 400
1039
= 0.385
d) Dénissons A : l'étudiant est inscrit en jour et B = qualité de l'enseignement
est la raison principale dans le choix de l'école.
Par la règle de multiplication, on vérie si P (A ∩ B) = P (A) × P (B) :
- P (A ∩ B) = 0.218
- P (A) × P (B) = 0.461 × 0.425 = 0.196
Conclusion : P (A ∩ B) 6= P (A) × P (B) donc A et B ne sont pas indépendants.
11. Notons que l'eectif total est de 400 car 200 hommes et 200 femmes ont été intérrogés.
a) i. Puisque 280 personnes de cette étude on armé péférer boire de l'eau sur un total
de 400 personnes interrogées, nous avons :
280 7
P (E) = =
400 10
b) Avant de passer aux calculs, écrivons le tableau de contingence des eectifs. Par
l'énoncé, nous avons et puisque l'eectif total est 400 :
H F Total
E ? ? 280
B 80 40 ?
Total 200 200 400
53
3 Probabilités
Et puisque la somme des colonnes à l'intérieur du tableau est égal au nombre dans le
marge correspondante, on en déduit :
H F Total
- Parmi les 120 consommateurs qui préfèrent les boissons énergétiques, 80 sont des
hommes. Par conséquent :
80 2
P (H | B) = =
120 3
Interprétation : Parmi les consommateurs qui préfèrent les boissons énergétiques, 2/3
sont des hommes.
- Par la règle du complémentaire, on peut en déduire que
2 1
P (F | B) = 1 − P (H | B) = 1 − =
3 3
Interprétation : Parmi les consommateurs qui préfèrent les boissons énergétiques, 1/3
sont des femmes.
- Parmi les 200 hommes interrogés, 80 préfèrent les boissons énergétiques. Par consé-
quent :
80 2
P (B | H) = =
200 5
Interprétation : Parmi les hommes interrogés, 40% préfèrent les boissons énergétiques.
- Parmi les 200 femmes interrogées, 40 préfèrent les boissons énergétiques. Par consé-
quent :
40 1
P (B | F ) = =
200 5
Interprétation : Parmi les femmes interrogées, 20% préfèrent les boissons énergétiques.
c) - On cherche la probabilité jointe P (H ∩ B) : il y a 80 consommateurs qui sont des
hommes et qui préfèrent les boissons énergétiques sur un total de 400 consommateurs
interrogés, par conséquent
80 1
P (H ∩ B) = =
400 5
54
3 Probabilités
55
3 Probabilités
3.2.1 Exercices
1. On jette 2 fois une pièce de monnaie bien équilibrée et on s'intéresse au résultat observé
des deux jets pièces.
a) Déterminez l'ensemble fondamental de cette expérience aléatoire.
b) Dénissez une variable aléatoire qui représente le nombre de fois que face est observé
lors des deux lancés.
c) Complétez :
Evénement élémentaire Valeurs de la v.a.
v,
3. Trois étudiants ont un entretien pour un stage dans une entreprise. Pour chacun d'entre
eux, l'entretien se conclut soit par une ore de contrat pour une durée de 3 mois, soit par
aucune ore. On s'intéresse à la conclusion au terme de l'entretien pour chacun des trois
étudiants.
a) Déterminez l'ensemble fondamental de cette expérience aléatoire.
b) Dénissez une variable aléatoire qui représente le nombre d'ores de contrats et pré-
cisez si elle est discrète ou continue.
c) Quelles valeurs peut prendre cette variable aléatoire ?
d) Donnez la loi de probabilité de cette variable aléatoire.
e) Tracez le diagramme en bâtons de la distribution de probabilité de cette variable
aléatoire.
56
3 Probabilités
4. Soit X une variable aléatoire discrète dont la distribution de probabilité est donnée dans
le tableau suivant :
X=x P (X = x)
−2 0.25
0 0.125
v v,,
0.5 0.375
1 k
5 0.125
a) Déterminez la valeur de k pour que X soit bien une distribution de probabilité discrète.
b) Calculez :
i. P (X = −2)
ii. P (X < 0.5)
iii. P (X ≥ 1)
iv. P ((X < 0.5) ∪ (X ≥ 1))
v. P (X > 5)
5. Eric décide d'acheter des paquets de cartes Pokemon jusqu'à ce qu'il obtienne une Carte
Dresseur . Avec l'argent dont il dispose, il peut acheter au plus 4 paquets. On suppose
que chaque paquet a une probabilité de 0.2 de contenir une Carte Dresseur . Soit la
variable aléatoire X égale au nombre de paquets de cartes achetés par Eric.
a) Donnez la loi de probabilité de X .
b) Calculez :
i. la probabilité que X soit supérieur ou égal à 3.
ii. P (X < 2).
iii. P (X > 4).
iv. P ((X < 2) ou (X > 3)).
c) Calculez l'espérance de X . Interprétez.
6. Une pizzeria propose une seule taille de pizza vendue à 20 euros dont le coût total de
production est de 12 euros. Si la pizza est livrée une demi-heure en retard par rapport à
l'horaire de livraison annoncé, elle est alors gratuite. La pizza est livrée en retard dans
10% des cas. On note X la variable aléatoire revenu net de la pizzeria (en euros) .
a) Donnez la loi de probabilité de X .
b) Calculez l'espérance de X . Interprétez.
57
3 Probabilités
7. Un fast-food propose des hamburgers avec un, deux ou trois steaks hachés. Soit X la
variable aléatoire égale au nombre de steaks hachés commandé par un client choisi au
hasard. On dispose des probabilités de X : P (X = 1) = 0.4, P (X = 2) = 0.5 et P (X =
3) = 0.1.
a) Calculez :
i. P (X < 2).
ii. P (X ≤ 2).
iii. P (X < 1).
iv. P (X < 2 ou X > 2).
b) Donner la distribution de la fonction de répartition de X .
c) Calculez l'espérance de X . Interprétez.
d) Calculez la variance et l'écart-type de X . Arrondissez au 1000ème.
e) Le prix d'un hamburger est xé à 2 euros par steak haché commandé. Soit T la variable
aléatoire égale au prix total payé par un client choisi au hasard pour son hamburger.
i. Calculez l'espérance de T . Interprétez.
ii. Calculez la variance et l'écart-type de T . Arrondissez au 10000ème.
58
3 Probabilités
12. Dans une région pétrolifère, la probabilité qu'un forage conduise à une nappe de pétrole
est 0.1. On eectue 10 forages. Soit la variable aléatoire X qui représente le nombre de
nappes de pétrole rencontrées au cours des 10 forages.
a) Quelle est la loi de probabilité de X ? Justiez.
b) Donnez la loi de probabilité sous forme d'une formule unique.
c) Quelle est la probabilité de rencontrer au moins deux nappes de pétrole au cours des
10 forages ? Interprétez.
d) Calculez l'espérance de X . Interprétez.
e) Calculez la variance de X.
f) Représentez le diagramme en bâtons de la loi de probabilité de X .
59
3 Probabilités
c) Quelle est la probabilité qu'au moins 4 lles soient interrogées pendant les 15 cours
consécutifs ? Interprétez.
d) Calculez l'espérance de X . Interprétez.
e) Calculez la variance de X.
f) Représentez le diagramme en bâtons de la loi de probabilité de X .
14. Un étudiant se rend à vélo à l'ICHEC et sur le parcours, il rencontre 6 feux tricolores
non synchronisés. Pour chaque feu, la probabilité qu'il soit au vert est 0.45. Soit X la
variable aléatoire correspondant au nombre de feux verts rencontrés par l'étudiant sur
son parcours.
a) Quelle est la loi de probabilité de X ? Justiez.
b) Donnez la loi de probabilité de X sous forme d'une formule unique.
c) Quelle est la probabilité que l'élève rencontre au moins 3 feux verts parmi les 6 feux
tricolores ? Interprétez.
d) Calculer l'espérance de X . Interprétez.
e) Calculez la variance de X.
f) Représentez le diagramme en bâtons de la loi de probabilité de X .
60
3 Probabilités
3.2.2 Solutions
2. .a) Soit T la variable aléatoire qui représente le temps en minutes séparant l'arrivée de
deux clients à un guichet de banque.
b) Elle peut prendre n'importe quelle valeur réelle positive.
c) C'est une v.a. continue puisqu'elle peut prendre un nombre inni non dénombrable de
valeurs.
61
3 Probabilités
b) Soit Y la variable aléatoire qui représente le nombre d'ores de contrats. Il s'agit d'une
v.a. discrète puisqu'elle peut prendre un nombre ni de valeurs.
c) Y peut prendre les valeurs 0, 1, 2, ou 3.
d) Loi de probabilité de Y :
Y P (Y = y)
0 1/8
1 3/8
2 3/8
3 1/8
e) Diagramme en bâtons de Y :
4. .a) Il faut que k = 0.125 puisque la somme de toutes les probabiltés doit être égale à 1.
b) . i. .P (X = −2) = 0.25
ii. On a :
62
3 Probabilités
iii. On a :
P (X ≥ 1) = P ((X = 1) ∪ (X = 5))
= P (X = 1) + P (X = 5)
= 0.125 + 0.125
= 0.25
iv. On a :
v. P (X > 5) = P (∅) = 0
5. .a) C'est une application de la règle de multiplication pour les événements indépendants.
On peut s'aider d'un diagramme en arbre pour visualiser les diérents cas possible.
On sait que la probabilité d'avoir une carte Dresseur est de 0.2 et qu'Eric achètera au
maximum 4 paquets donc :
Eric achètera 1 seul paquet avec probabilité 0.2 s'il a obtenu la carte Dresseur dès
le premier achat : P (X = 1) = 0.2
Eric achètera 2 paquets si le premier n'a pas donné de carte Dresseur (avec proba-
bilité 0.8) et que le 2ème lui en donne une : P (X = 2) = 0.8 × 0.2 (par la règle de
multiplication)
Eric achètera 3 paquets si le premier n'a pas donné de carte Dresseur (avec pro-
babilité 0.8), que le 2ème n'a pas donné de carte Dresseur (avec probabilité 0.8)
et que le 3ème lui en donne une : P (X = 3) = 0.8 × 0.8 × 0.2 (par la règle de
multiplication)
Pour nir, on sait qu'il en achètera maximum 4, donc par la règle du complémen-
taire : P (X = 4) = 1 − P (X = 1) − P (X = 2) − P (X = 3)
Conclusion : la loi de probabilité de X est :
X P (X = x)
1 0.2
2 0.16
3 0.128
4 0.512
b) . i. P (X ≥ 3) = 0.128 + 0.512 = 0.64
ii. P (X < 2) = P (X ≤ 1) = P (X = 1) = 0.2
iii. P (X > 4) = 0
63
3 Probabilités
iv. .
P ((X < 2) ou (X > 3)) = P ((X = 1) ou (X = 4))
= P (X = 1) + P (X = 4)
= 0.712
v. .
X P (X = x) xP (X = x)
1 0.2 0.2
2 0.16 0.32
3 0.128 0.384
4 0.512 2.048
6. .a) .
X P (X = x)
−12 0.1
8 0.9
b) .
X P (X = x) xP (X = x)
−12 0.1 −1.2
8 0.9 7.2
E(X) = −1.2 + 7.2 = 6
c) Vrai car la moyenne des revenus est de 6 euros.
64
3 Probabilités
d) .
X P (X = x) (x − E(X))2 (x − E(X))2 P (X = x)
1 0.4 0.49 0.196
2 0.5 0.09 0.045
3 0.1 1.69 0.169
√
2
σX =V ar(X) = 0.196 + 0.045 + 0.169 = 0.41 et σX = 0.41 ≈ 0.6403
e) Notons que T = 2X .
i. E(T ) = E(2X) = 2E(X) = 3.4
√
ii. σT2 =V ar(T ) = V ar(2X) = 22 V ar(X) = 1.64 et σT = 1.64 = 1.28
8. X ∼ Bin(4; 0.3) donc la probabilité de succès est 0.3 et la probabilité d'échec est de 0.7.
Les 4 expériences aléatoires sont indépendantes car X suit une loi binomiale donc on peut
utiliser la règle de multiplication des événements indépendants :
a) 0.3 × 0.3 × 0.3 × 0.3 = 0.0081
b) 0.3 × 0.3 × 0.3 × 0.7 = 0.0189
9. X ∼ Bin(2; 0.4)
a) . i. La probabilité d'avoir un succès est :
2
P (X = 1) = (0.4)1 (0.6)1
1
2!
= (0.4) (0.6)
1!1!
= 0.48
65
3 Probabilités
iv. La probabilité qu'il y ait au moins un succès est P (X ≥ 1). Comme X ∼ Bin(2, 0.4),
il peut y avoir maximum 2 succès. Conséquence :
P (X ≥ 1) = P ((X = 1) ∪ (X = 2))
= P (X = 1) + P (X = 2)
= 0.48 + 0.16
= 0.64
66
3 Probabilités
0 6
(0.4)0 (0.6)6 = 6!
0 0!6!
(1) (0.046656) = 0.0467
1 6
(0.4)1 (0.6)5 = 6!
1 1!5!
(0.4) (0.07776) = 0.1866
2 6
(0.4)2 (0.6)4 = 6!
2 2!4!
(0.16) (0.1296) = 0.3110
3 6
(0.4)3 (0.6)3 = 6!
3 3!3!
(0.064) (0.216) = 0.2765
4 6
(0.4)4 (0.6)2 = 6!
4 4!2!
(0.0256) (0.36) = 0.1382
5 6
(0.4)5 (0.6)1 = 6!
5 5!2!
(0.01024) (0.6) = 0.0369
6 6
(0.4)6 (0.6)0 = 6!
6 6!1!
(0.004096) (1) = 0.0041
Diagramme en bâtons :
67
3 Probabilités
c) On cherche P (3 ≤ X ≤ 6) :
i. en utilisant la loi de probabilité de X :
P (3 ≤ X ≤ 6) = P (X ∈ {3, 4, 5, 6})
= P (X = 3) + P (X = 4) + P (X = 5) + P (X = 6)
= 0.2765 + 0.1382 + 0.0369 + 0.0041
= 0.4557
P (3 ≤ X ≤ 6) = P (X ≤ 6) − P (X < 3)
= P (X ≤ 6) − P (X ≤ 2)
= F (6) − F (2)
= 1 − 0.5443
= 0.4557
68
3 Probabilités
Quel est le lien entre Z et X? Un succès pour Z est un échec pour X et vice versa.
Donc :
Z=z P (Z = z) F (z) = P (Z ≤ z)
0 0.04 0.04
1 0.32 0.36
2 0.64 1
b) .
Z=z P (Z = z)
0 F (0) = 0.04
1 F (1) − F (0) = 0.32
2 F (2) − F (1) = 0.64
69
3 Probabilités
12. .a) X suit une loi binomiale de paramètres n = 10 et p = 0.1, c'est-à-dire X ∼ Bin(10, 0.1).
En eet :
i. On répète 10 fois une même expérience aléatoire, ici 10 forages dans une région
pétrolifère.
ii. Deux issues sont possibles : le succès = un forage conduit à une nappe de pétrole
et l'échec = un forage ne conduit pas à une nappe de pétrole .
iii. Les expériences aléatoires sont indépendantes puisque la découverte d'une nappe
de pétrole lors d'un forage n'inuence pas la découverte d'une nappe de pétrole
lors d'un autre forage.
iv. X compte le nombre de succès lors des 10 forages et 0.1 est la probabilité de succès.
b) X ∼ Bin(10, 0.1) signie que
10
P (X = k) = (0.1)k (0.9)10−k
k
où k = 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10
P (X ≥ 2) = 1 − P (X < 2)
P (X < 2) = P (X ≤ 1)
70
3 Probabilités
P (X ≥ 2) = 1 − P (X ≤ 1)
= 1 − F (1)
= 0.2639
P (X ≥ 4) = 1 − P (X < 4)
71
3 Probabilités
P (X < 4) = P (X ≤ 3)
P (X ≥ 4) = 1 − P (X ≤ 3)
= 1 − F (3)
= 0.5387
14. .a) X suit une loi binomiale de paramètres n = 6 et p = 0.45, c'est-à-dire X ∼ Bin(6, 0.45).
En eet :
i. On répète 6 fois une même expérience aléatoire, ici se rendre à vélo à l'ICHEC et
rencontrer 6 feux tricolores non synchronisés.
ii. Deux issues sont possibles : le succès = le feu tricolore est vert et l'échec = le
tricolore n'est pas vert .
iii. Les expériences aléatoires sont indépendantes puisque les feux ne sont pas syn-
chronisés.
72
3 Probabilités
iv. X compte le nombre de succès aux 6 feux tricolores rencontrés sur le parcours de
l'étudiant et 0.45 est la probabilité de succès.
b) X ∼ Bin(6, 0.45) signie que
6
P (X = k) = (0.45)k (0.55)6−k
k
où k = 0, 1, 2, 3, 4, 5, 6
P (X ≥ 3) = 1 − P (X < 3)
P (X < 3) = P (X ≤ 2)
P (X ≥ 3) = 1 − P (X ≤ 2)
= 1 − F (2)
= 0.5585
73
3 Probabilités
3.3.1 Exercices
2. Supposons que nous soyons intéressés à enchérir sur un terrain et que nous sachions qu'une
autre personne est intéressée. Le vendeur a annoncé que l'ore la plus élevée de plus de
10000 euros sera acceptée. Supposons que l'enchère X du concurrent est une variable
aléatoire distribuée uniformément entre 10000 et 15000 euros.
a) Si notre ore est de 12000 euros, quelle est la probabilité qu'elle sera acceptée ?
b) Si notre ore est de 14000 euros, quelle est la probabilité qu'elle sera acceptée ?
c) Quelle ore faudrait-il proposer pour optimiser la probabilité d'avoir le terrain ?
74
3 Probabilités
c) P (Z ≤ z) = 0.514
d) P (Z ≤ z) = 0.3124
e) P (Z ≤ z) = 0.1357
6. Soit X ∼ N (µ, σ 2 )
a) Complétez : X ∼ N (.........., .........) ⇒ Z = X−11
3.2
∼ N (1, 0)
b) Calculez P (X ≤ 13)
c) Calculez P (X ≤ 10)
d) Calculez P (X ≥ 12)
7. Une machine-outil débite des plaques carrées dont la longueur du côté, mesurée en cm, et
est décrite par une loi normale de moyenne égale à 10 cm et d'écart-type égal à 0.4 cm.
a) Dénissez une variable aléatoire permettant de modéliser ce problème.
b) Quelle est la probabilité que la longueur de la plaque soit entre 8 cm et 12 cm ?
Interprétez.
c) Quelle est la probabilité que la longueur de la plaque dépasse les 7 cm ? Interprétez.
d) Quelle est la probabilité que la longueur de la plaque soit en dessous de 11 cm ?
Interprétez.
e) Quelle est la probabilité que la longueur de la plaque soit égale à 10 cm ?
8. Chez les jeunes enfants, l'âge où les premiers mots apparaissent est décrit par une loi
normale de moyenne de 11.5 mois et un écart-type de 3.2 mois.
a) Dénissez une variable aléatoire permettant de modéliser ce problème.
b) Quelle est la probabilité que l'âge où les premiers mots apparaissent est entre 10 mois
et 13 mois ? Interprétez.
c) Quelle est la probabilité que l'âge où les premiers mots apparaissent dépasse 12 mois ?
Interprétez.
d) Quelle est la probabilité que l'âge où les premiers mots apparaissent est en dessous de
10 mois ? Interprétez.
75
3 Probabilités
76
3 Probabilités
3.3.2 Solutions
1. .
2 si 1 ≤ x ≤ 1.5
a) f (x) =
0 sinon
b) P (X = 1.25) = 0
c) P (1 ≤ X ≤ 1.25) = 0.25 × 2 = 0.5
d) P (1.2 < X < 1.5) = 0.3 × 2 = 0.6
2. Remarquons que X suit une loi uniforme sur l'intervalle [10000, 15000].
a) Si notre ore est de 12000, la probabilité qu'elle soit acceptée est la probabilité qu'elle
soit supérieure à celle du concurrent, autrement dit, celle du concurrent doit être infé-
rieure à 12000. La probabilité que notre ore soit acceptée est donc P (X < 12000) =
2/5 puisque X ∼ Unif ([10000, 15000]).
b) Dans ce cas, il faut que X < 14000. Donc, la probabilité que notre ore soit acceptée
est donc P (X < 14000) = 4/5 puisque X ∼ Unif ([10000, 15000]).
c) Pour être certain d'avoir le terrain, il faut que l'ore soit supérieure à 15000. En eet,
dans ce cas, notre ore sera supérieure à X = 15000 , or P (X < 15000) = 100%.
77
3 Probabilités
5. .a) Z = X−10
0.4
b) P (X ≤ 12) = 1
c) P (X ≤ 8) = 0
d) P (8 ≤ X ≤ 12) = 1
b) P (8 ≤ X ≤ 12) = 1
c) P (X > 7) = 1
d) P (X < 11) = 0.9938
e) P (X = 10) = 0
9. .a) .X = v.a. qui représente le montant net (en euros) d'augmentation du revenu suite à
cette réforme scale , X ∼ N 140, (70)2
78
Bibliographie
[1] Anderson D. R., Sweeney D. J. & Williams T. A. (2010). Statistics for Business and Eco-
[2] www.khanacademy.org
[3] Selmouni M. Cours de Théories statistiques pour la gestion 2018-2019. ICHEC
79