Fascicule Exercices GesEnt 22-23

Probabilités et
Statistique descriptive
Fascicule d'exercices et solutions
dr Sarah DENDIEVEL
Année académique 2022-2023
.25 e
B1 GesEnt : 3.75 EUR 7.25

euroselalalalalalalaalalaalalaschtrou
2
Table des matières
1 Statistique descriptive à une dimension 5

1.1 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2 Solutions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2 Statistique descriptive à deux dimensions 26

2.1 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.2 Solutions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
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
1. Un supermarché reçoit 50 caissettes comprenant chacune 9 pêches. Le nombre de pêches

abîmées dans chacune des caissettes est décrit dans le tableau suivant.
Arrondissez vos calculs au 100ème.

a) Quelle est la nature de cette variable ? Justiez.
b) Donnez la distribution des eectifs de cette variable et tracez le diagramme en bâtons
de celle-ci.
c) Donnez la distribution statistique de cette variable et tracez le diagramme en bâtons
de celle-ci.
d) Donnez le tableau des fréquences cumulées de cette variable et tracez son graphe.
e) Déterminez les mesures de centralité suivantes : mode, médiane, moyenne. Justiez et
interprétez chacune de celles-ci.
f) Déterminez les mesures de position suivantes : premier, deuxième et troisième quar-
tiles. Justiez et interprétez chacune de celles-ci.
g) Déterminez les mesures de dispersion suivantes : étendue et écart interquartile. Justi-
ez et interprétez chacune de celles-ci.
h) Dessinez la boîte à moustache de cette série statistique.
i) Déterminez la variance et l'écart-type. Justiez vos calculs.
5
1 Statistique descriptive à une dimension
2. Le nombre de bonnes réponses de 50 élèves (l'examen est composé de 5 questions) a été

observé. Ce nombre de bonnes réponses observés est décrit dans le tableau suivant.

de celle-ci.
de celle-ci.
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.

de celle-ci.
6

de celle-ci.
4. Le tableau suivant donne la distribution de la variable X qui represente le temps par

semaine (en heures) que les etudiants passent à faire la cuisine.

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.
7
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.
.
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
1.2 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
c) La distribution statistique de X est :
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
d) Le tableau des fréquences cumulées de X est
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
calculer les 10 termes de x :

X Fréquence fi f i xi
0 0.22 0
1 0.2 0.2
2 0.12 0.24
3 0.06 0.18
. . 4 0.06 0.24
5 0.1 0.5
6 0.08 0.48
7 0.06 0.42
8 0.06 0.48
9 0.04 0.36
En additionnant les termes de la dernière colonne on obtient la moyenne-échantillon
10
de X :
10
X
x= f i xi
i=1
= 0 + 0.2 + 0.24 + 0.18 + 0.24 + 0.5 + 0.48 + 0.42 + 0.48 + 0.36

= 3.1
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
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
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
i) Mesures de dispersion : variance s2X et écart-type sX
X Fréquence fi fi x2i X Fréquence fi fi x2i

0 0.22 0 5 0.1 2.5
1 0.2 0.2 6 0.08 2.88
2 0.12 0.48 7 0.06 2.94
3 0.06 0.54 8 0.06 3.84
4 0.05 0.96 9 0.04 3.24
10
X
s2X = fi x2i − x̄2
i=1
= 17.58 − 3.102
= 7.97
√
sX = 7.97 = 2.82
2. Désignons par X la variable nombre de bonnes réponses de 50 élèves à l'examen composé

de 5 questions .
a) La variable X est quantitative car elle se prête à des calculs numériques. Elle est
discrète car elle prend un nombre ni de valeurs.
b) La distribution des eectifs est donnée dans le tableau :
X Eectif ni
0 7
1 9
2 11
3 3
4 13
5 7
12
c) La distribution statistique de X est donnée dans le tableau :
X Fréquence fi
0 0.14
1 0.18
2 0.22
3 0.06
4 0.26
5 0.14
d) Le tableau des fréquences cumulées de X est
X Fréquence cumulées Fi
0 0.14
1 0.32
. . . 2 0.54
3 0.60
4 0.86
5 1
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.
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
= 0 + 0.18 + 0.44 + 0.18 + 1.04 + 0.7

= 2.54
13
Interprétation : Le nombre moyen observé de bonnes réponses par élève est de 2.54.
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.
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.
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.
i) Mesures de dispsersion : variance s2X et écart-type sX
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
6
X
s2X = fi x2i − x̄2
i=1
= 9.26 − 2.542
= 2.81
√
sX = 2.81 = 1.68
3. Désignons par X la variable nombre de crèches dans une localité .

discrète car elle prend un nombre ni de valeurs.
b) La distribution des eectifs est donnée dans le tableau :
X Eectif ni
0 13
1 9
2 10
3 6
4 7
5 5
c) La distribution statistique de X est donnée par :
X Fréquence fi
0 0.26
1 0.18
2 0.2
3 0.12
4 0.14
5 0.1
15
d) La distribution des fréquences cumulées de X est
X Fréquence cumulées Fi
0 0.26
1 0.44
. . . 2 0.64
3 0.76
4 0.9
5 1
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.
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
= 0 + 0.18 + 0.4 + 0.36 + 0.56 + 0.5

=2
Interprétation : Le nombre moyen observé de crèches par localité est 2.

i. Le premier quartile Q1 = x1 = 0 car F0 = 0 < 0.25 et 0.25 < F1 = 0.26
à 0.
ii. Le deuxième quartile est Q2 = m = 2 (voir médiane)
iii. Le troisième quartile Q3 = x4 = 3 car F3 = 0.64 < 0.75 et 0.75 < F4 = 0.76
à 3.
Interprétation : Les nombres de crèches observées sont entre 0 et 5 crèches par
localité donc ces observations sont dispersées sur une longueur qui vaut E = 5.
16

Interprétation : 50% des localités observés ont un nombre de crèches entre Q1 et
Q3 c'est-à-dire entre 0 et 3 crèches donc ces observations sont dispersées sur une
longueur qui vaut IQ = 3.
i) Mesures de dispsersion : variance s2X et écart-type sX
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
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.
c) La distribution des fréquences cumulées de X est donnée par :
Temps X Fréquence cumulées Fi

[0,5[ 0.39
. . [5,10[ 0.69
[10,15[ 0.81
[15,20[ 1
18
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
(0.5 − F2∗ ) (0.5 − 0.39)

ma = L2 + lm =5+5× = 6.83
fm 0.3
Interprétation : Environ 50% des étudiants observés font la cuisine en un temps

inférieur ou égal à 6.83 heures par semaine et environ 50% des étudiants observés
font la cuisine en un temps supérieur ou égal à 6.83 heures par semaine.
19
iii. Moyenne approchée.
Temps X Fréquence fi Centre ci f i ci

[0,5[ 0.39 2.5 0.98
. [5,10[ 0.30 7.5 2.25
[10,15[ 0.12 12.5 1.5
[15,20[ 0.19 17.5 3.34
4
X
xa = f i ci
i=1
= 0.98 + 2.25 + 1.5 + 3.34

= 8.07
Interprétation : Les étudiants observées passent en moyenne environ 8.07 heures

par semaine à faire la cuisine.
iv. La classe du premier quartile Q1 est [0, 5[ car F0 = 0 < 0.25 et 0.25 < F1 = 0.39
Le premier quartile approché est
(0.25 − F1∗ )
Q1,a = L1 + lQ1
fQ1
où L1 = 0 est la borne inférieure de la classe [0, 5[ ; lQ1 = 5 est la longueur de la

classe [0, 5[, F1∗ = 0 est la fréquence cumulée en 0 ; et fQ1 = 0.39 est la fréquence
de la classe [0, 5[. On obtient :
(0.25 − 0)
Q1,a = 0 + 5 × = 3.21
0.39

v. La classe du troisième quartile Q3 est [10, 15[ car F2 = 0.69 < 0.75 et 0.75 < F3 =
0.81
Le troisième quartile approché est
(0.75 − F3∗ )
Q3,a = L3 + lQ3
fQ3
où L3 = 10 est la borne inférieure de la classe [10, 15[ ; lQ1 = 5 est la longueur de

la classe [10, 15[, F3∗ = 0.69 est la fréquence cumulée en 10 ; et fQ3 = 0.12 est la
20
fréquence de la classe [10, 15[. On obtient :
(0.75 − 0.69)
Q3,a = 10 + 5 × = 12.5
0.12

e) Boîte à moustache :
f) Mesures de dispersion : variance approché s2a et écart-type approché sa
Temps X Fréquence fi Centre ci fi c2i

[0,5[ 0.39 2.5 2.44
. [5,10[ 0.30 7.5 16.88
[10,15[ 0.12 12.5 18.75
[15,20[ 0.19 17.5 58.19
4
X
s2a = fi c2i − x̄2a
i=1
= (2.44 + 16.88 + 18.75 + 58.19) − (8.07)2

= 96.26 − (8.07)2
= 31.14
√
sa = 31.14 = 5.58
21
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 .
continue car elle peut prendre un nombre inni non dénombrable de valeurs.
b) Distribution statistique de X
Montant (en euros) Fréquence fi

[1000, 10000[ 101
410
= 0.25
. . [10000, 25000[ 189
410
= 0.46
[25000, 50000[ 96
410
= 0.23
[50000, 100000[ 24
410
= 0.06
Pour construire l'histogramme du montant des prêts, calculons la longueur de chaque

classe et la hauteur du rectangle de telle sorte que l'aire du rectangle soit proportion-
nelle à la fréquence : k × Aire = hi × li donc hi = k flii , pour une valeur k constante.
Choisissons k = 10000 :
Montant (en euros) Fréquence fi Longueur li Hauteur hi
[1000, 10000[ 101
410
= 0.25 l1 = 9000 0.25
h1 = 10000 9000 = 0.27
. [10000, 25000[ 189
410
= 0.46 l2 = 15000 0.46
h2 = 10000 15000 = 0.31
[25000, 50000[ 96
410
= 0.23 l3 = 25000 0.23
h3 = 10000 25000 = 0.09
[50000, 100000[ 24
410
= 0.06 l4 = 50000 0.06
h4 = 10000 50000 = 0.01
Histogramme du montant des prêts
22
c) La distribution des fréquences cumulées de X est
Montant (en euros) Fréquence cumulées Fi

[1000, 10000[ 0.25
. . [10000, 25000[ 0.71
[25000, 50000[ 0.94
[50000, 100000[ 1
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
Interprétation : on a observé le plus souvent des prêts à la consommation accordés

à des jeunes de 18-25 ans compris entre 10 000 et 25 000 euros.
ii. La classe médiane est [10000, 25000[ car F1 = 0.25 < 0.50 et 0.50 < F2 = 0.71
La médiane approchée est
(0.5 − F2∗ )
ma = L2 + lm
fm
(0.5 − 0.25)
= 10000 + 15000 ×
0.46
= 18152.17
Interprétation : Environ 50% des prêts à la consommation accordés aux jeunes

de l'échantillon sont inférieurs ou égaux à 18 152.17 euros et environ 50% sont
supérieurs ou égaux à 18 152.17 euros.
23
iii. Moyenne approchée

Montant (en euros) Fréquence fi Centre ci f i ci
[1000, 10000[ 0.25 5 500 1 375
. . [10000, 25000[ 0.46 17 500 8 050
[25000, 50000[ 0.23 37 500 8 625
[50000, 100000[ 0.06 75 000 4 500
4
X
xa = f i ci
i=1
= 1375 + 8050 + 8625 + 4500

= 22550
Interprétation : Le montant moyen des prêts à la consommation accordés aux

jeunes de l'échantillon est de 22 550 euros.
iv. La classe du premier quartile Q1 est [1000, 10000[ car F1 = 0.25. Le premier quartile
approché est
(0.25 − F1∗ )
Q1,a = L1 + lQ1
fQ1
(0.25 − 0)
= 1000 + 9000 ×
0.25
= 10000
Interprétation : Environ 25% des prêts à la consommation accordés aux jeunes de

l'échantillon sont inférieurs ou égaux à 10 000 euros et environ 75% sont supérieurs
ou égaux à 10 000 euros.
v. La classe du troisième quartile Q3 est [25000, 50000[ car F2 = 0.71 < 0.75 et
0.75 < F3 = 0.94
Le troisième quartile approché est
(0.75 − F3∗ )
Q3,a = L3 + lQ3
fQ3
(0.75 − 0.71)
= 25000 + 25000 ×
0.23
= 29347.83
Interprétation : Environ 75% des prêts à la consommation accordés aux jeunes

de l'échantillon sont inférieurs ou égaux à 29 347.83 euros et environ 25% sont
supérieurs ou égaux à 29 347.83 euros.
e) Boîte à moustache
24
.
f) Mesures de dispersion : variance approché s2a et écart-type approché sa
Montant (en euros) Fréquence fi Centre ci fi c2i

[1000, 10000[ 0.25 5 500 7 562 500
[10000, 25000[ 0.46 17 500 140 875 000
[25000, 50000[ 0.23 37 500 323 437 500
[50000, 100000[ 0.06 75 000 337 500 000
4
X
s2a = fi c2i − x̄2a
i=1
= 809 375 000 − (22 550)2

= 300 872 500
√
sa = 300 872 500
= 17 345.68
25
2 Statistique descriptive à deux
dimensions
2.1 Exercices
1. On dispose du tableau de données suivant deux variables X et Y :
X 5 10 15
Y 10 30 50

a) Représentez le diagramme de dispersion de ces données.
b) Au vu du nuage de points, que peut-on déduire sur la relation entre ces deux variables ?
c) Calculez la covariance entre X et Y .
d) Calculez le coecient de corrélation entre X et Y . Interprétez.
e) Déterminez l'équation de la droite de régression et représentez-là.
f) Calculez la STC (Somme Totale des Carrés).
g) Calculez la SCR (Somme des Carrés de la Régression).
h) Calculez la SCER (Somme des Carrés de l'Erreur Résiduelle).
i) La relation entre STC, SCR et SCER est-elle bien vériée ?
j) Calculez le coecient de détermination. Interprétez.
26
2 Statistique descriptive à deux dimensions
2. On dispose du tableau de données suivant deux variables X et Y :
X 1 2 3 4 5
Y 3 7 5 11 14

a) Représentez le diagramme de dispersion de ces données.
b) Au vu du nuage de points, quelle information sur l'association entre X et Y peut-on
déduire ?
c) Calculez la covariance entre X et Y . Interprétez.
d) Déterminez la droite de régression et représentez-là.
e) Déterminez la valeur prédite par cette droite pour x = 1 et représentez le point obtenu
dans le diagramme de dispersion des données. Quelle est l'erreur résiduelle ?
f) Déterminez la valeur prédite par cette droite pour x = 2. Quelle est l'erreur résiduelle ?
Représentez le point obtenu dans le diagramme de dispersion des données ainsi que
l'erreur résiduelle.
g) Déterminez la valeur prédite par cette droite pour x = 3. Quelle est l'erreur résiduelle ?
h) Déterminez la valeur prédite par cette droite pour x = 4. Quelle est l'erreur résiduelle ?
i) Déterminez la valeur prédite par cette droite pour x = 5. Quelle est l'erreur résiduelle ?
j) Calculez la SCER (Somme des Carrés de l'Erreur Résiduelle).
k) Calculez la STC (Somme Totale des Carrés).
l) Calculez la SCR (Somme des Carrés de la Régression).
m) Calculez le coecient de détermination. Interprétez.
n) Calculez le coecient de corrélation entre X et Y .
27
3. Considérons un échantillon de 10 employés du même âge, d'une entreprise. Soit X le

nombre d'années d'études eectuées et Y le revenu mensuel (en milliers d'euros) touché
par chacun d'entre eux . On a eectué quelques calculs au préalable :
n=10 n=10 n=10 n=10 n=10
xi = 114 ; yi = 17.9546 ; = 1422 ; = 32.27 ;
X X X X X
x2i yi2 xi yi = 206.3
i=1 i=1 i=1 i=1 i=1

a) Calculez le coecient de corrélation entre les deux variables. Interprétez et justiez.
b) Déterminez l'équation de la droite de régression.
c) Calculez une estimation du salaire pour une personne qui a eectué 12 ans d'études.
S'agit-il d'une interpolation ou d'une extrapolation ? Justiez.
d) Calculez une estimation du salaire pour une personne qui a eectué 5 ans d'études.
S'agit-il d'une interpolation ou d'une extrapolation ? Justiez.
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

a) Calculez le coecient de corrélation entre les deux variables. Interprétez et justiez.
b) Déterminez l'équation de la droite de régression.
c) Calculez une estimation de la performance d'un athlète ayant une taille de 1.98 mètres.
A votre avis, s'agit-il d'une interpolation ou d'une extrapolation ? Justiez.
28
2.2 Solutions
1. Mesure d'association linéaire entre X et Y et droite de régression

a) Diagramme de dispersion
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 :
X Y xi − x (xi − x)2 yi − y (yi − y)2 (xi − x) (yi − y)

5 10 -5 25 -20 400 100
10 30 0 0 0 0 0
15 50 5 25 20 400 100
total : 200
On obtient :
200
sX,Y = = 66.67
3
d) Le coecient de corrélation est
66.67
rX,Y = =1
4.08 × 16.33
e) L'équation de la droite de régression est ŷ = b0 + b1 x où




 b1 = rX,Y ssXY


16.33
=1×


4.08





 =4


 b0 = y − b1 x


= 30 − 4 × 10






= −10


L'équation de la droite de régression est donc ŷ = −10 + 4x
29
f) La somme totale des carrés est

3
X
ST C = (yi − y)2
i=1
= (10 − 30)2 + (30 − 30)2 + (50 − 30)2

= 800
g) La somme des carrés de la régression est

3
X
SCR = (ŷi − y)2
i=1
= (10 − 30)2 + (30 − 30)2 + (50 − 30)2

= 800
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 :
STC = SCR + SCER X
j) Le coecient de détermination est
SCR 800
R2 = = =1
ST C 800
Interprétation. La droite régression fournit une estimation parfaite : 100% de la va-

riabilité de Y peut être expliquée par l'association linéaire entre X et Y .
30
2. Mesure d'association linéaire entre X et Y et droite de régression

a) Diagramme de dispersion
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
où x = 3, y = 8 et les résultats de notre tableau :
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
d) L'équation de la droite de régression est
ŷ = b0 + b1 x
où

b1 = sX,Y
s2X
b = y − b x
0 1
31
où sX,Y = 5.2, la variance échantillon de X est

5
1X 2
s2X = x − x2
5 i=1 i
où x = 3 et les résultats de notre tableau :

X x2i
1 1
2 4
3 9
4 16
5 25
et on obtient :
1
s2X = (1 + 4 + 9 + 16 + 25) − 32 = 11 − 9 = 2
5
On peut nalement calculer la pente de la droite b1 et son ordonnée à l'origine b0 :


b 1 sX,Y 5.2
= s2X
= 2
= 2.6
b
0 = y − b1 x = 8 − 2.6 × 3 = 0.2
L'équation de la droite de régression est donc
ŷ = 0.2 + 2.6x
32
e) La valeur prédite pour x = 1 est :
yˆ1 = 0.2 + 2.6 × 1 = 2.8
L'erreur résiduelle et 1 = y1 − ŷ1 = 3 − 2.8 = 0.2.

f) La valeur prédite pour x = 2 est :
yˆ2 = 0.2 + 2.6 × 2 = 5.4

g) La valeur prédite pour x = 3 est :
yˆ3 = 0.2 + 2.6 × 3 = 8
L'erreur résiduelle et 3 = y3 − ŷ3 = 5 − 8 = −3.

h) La valeur prédite pour x = 4 est :
yˆ4 = 0.2 + 2.6 × 4 = 10.6

i) La valeur prédite pour x = 5 est :
yˆ5 = 0.2 + 2.6 × 5 = 13.2

j) La somme des carrés de l'erreur résiduelle est
5
X
SCER = (yi − ŷi )2
i=1
yi ŷi yi − ŷi (yi − ŷi )2

3 2.8 0.2 0.04
7 5.4 1.6 2.56
5 8 -3 9
11 10.6 0.4 0.16
14 13.2 0.8 0.64
Conclusion : la somme des carrés de l'erreur résiduelle est
SCER = 0.04 + 2.56 + 9 + 0.16 + 0.64 = 12.4
33
k) La somme totale des carrés est

5
X 5
X
2
ST C = (yi − y) = (yi − 8)2
i=1 i=1
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
l) La somme des carrés de la régression est

5
X 5
X
2
SCR = (ŷi − y) = (ŷi − 8)2
i=1 i=1
ŷi ŷi − 8 (ŷi − 8)2

2.8 -5.2 27.04
5.4 -2.6 6.76
8 0 0
10.6 2.6 6.76
13.2 5.2 27.04
Conclusion : la somme des carrés de la régression est
SCR = 27.04 + 6.76 + 6.76 + 27.04 = 67.6
m) Le coecient de détermination est
SCR 67.6
R2 = = = 0.845
ST C 80
Interprétation. La droite de régression fournit une bonne estimation : 84.5% de la

variabilité de Y peut être expliquée par l'association linéaire entre X et Y :
ŷ = 0.2 + 2.6x
L'équation de la droite de régression est bien ajustée aux données.
34
n) Le coecient de corrélation entre X et Y est égal à

√
rX,Y = (signe de b1 ) R2
√
= (signe de 2.6) 0.845
= +0.9192
3. Mesure d'association linéaire et droite de régression pour le nombre d'années d'études

eectuées et le revenu mensuel touché par chaque employé d'un échantillon.
a) Le coecient de corrélation est déni par :
sX,Y
rX,Y =
sX sY
Pour calculer le coecient de corrélation entre les variables X et Y , il faut d'abord

calculer les mesures suivantes :
i. La moyenne échantillon de X :
n=10
1X 114
x̄ = xi = = 11.4
n i=1 10
ii. La variance échantillon de X :

n=10
1X 2 1422
s2X = xi − x̄2 = − 11.42 = 12.24
n i=1 10
iii. L'écart-type échantillon deX :

q √
sX = s2X = 12.24 = 3.499
iv. La moyenne échantillon de Y :

n=10
1X 17.9546
ȳ = yi = = 1.795
n i=1 10
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
vii. La covariance entre X et Y

n=10
1X 206.3
sXY = xi yi − x̄ȳ = − 11.4 × 1.795 = 0.167
n i=1 10
Le coecient de correlation entre les deux variables X et Y peut maintenant être

calculé :
sX,Y
rX,Y =
sX sY
0.167
=
3.499 × 0.071
= 0.672
Interprétation. La valeur de rXY indique un lien linéaire entre le revenu Y et le

nombre d'années d'études X , avec une tendance à la hausse car rX,Y est positif.
b) L'équation de la droite de régression est
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
L'équation de la droite de régression est donc
ŷ = 1.635 + 0.014x
c) Sachant que la personne a eectuée x = 12 ans d'études, une estimation du salaire de

cette personne, sur base de cette droite est de :
ŷ = 1.635 + 0.014 × 12 = 1.803
c'est-à-dire 1803 euros net par mois.

Il s'agit d'une interpolation car cette estimation est calculée pour x = 12 ans qui est
une valeur proche de la moyenne échantillon de X donc c'est une valeur au milieu du
nuage des points.
d) Sachant que la personne a eectuée x = 5 ans d'études, une estimation du salaire de
cette personne, sur base de cette droite est de :
ŷ = 1.635 + 0.014 × 5 = 1.705
36
c'est-à-dire 1705 euros net par mois.

Il s'agit d'une extrapolation car cette estimation est calculée pour x = 5 ans qui est
une valeur éloignée de la moyenne échantillon de X . De plus, l'écart-type échantillon
est assez petit, donc les 10 individus de l'échantillon sont peu dispersés autour de la
moyenne. Par conséquent, c'est une valeur éloignée du centre du nuage des points,
probablement sur le bord ou en dehors de celui-ci.
4. Mesure d'association linéaire et droite de régression pour la taille de 20 athlètes et la

performance en saut en hauteur.
a) Le coecient de corrélation est déni par :
sX,Y
rX,Y =
sX sY
Pour calculer le coecient de corrélation entre les variables X et Y , il faut d'abord

calculer les mesures suivantes :
i. La moyenne échantillon de X :
20
1X 37.5
x̄ = xi = = 1.875
n i=1 20
ii. La variance échantillon de X :

20
1X 2 73.85
s2X = xi − x̄2 = − 1.8752 = 0.177
n i=1 20
L'écart-type échantillon deX :

q √
sX = s2X = 0.177 = 0.421
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
La covariance entre X et Y :
20
1X 91.33
sXY = xi yi − x̄ȳ = − 1.875 × 2.38 = 0.104
n i=1 20
Le coecient de correlation entre les deux variables X et Y peut maintenant être

calculé :
sX,Y 0.104
rX,Y = = = 0.716
sX sY 0.421 × 0.345
La valeur de rXY indique une association linéaire entre la performance au saut en

hauteur Y de l'athlète et sa taille X , avec une tendance à la hausse car rX,Y est
positif.
b) L'équation de la droite de régression est :
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
L'équation de la droite de régression est donc :
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 :
ŷ = 1.278 + 0.588 × 1.98 = 2.442
c'est-à-dire un saut d'une hauteur de 2.442 mètres.

Interprétation. Il s'agit d'une interpolation car cette estimation est calculée pour x =
1.98 mètres ans qui est une valeur proche de la moyenne échantillon de X donc c'est
une valeur au milieu du nuage des points.
38
3 Probabilités
3.1 Notions de base de probabilité
3.1.1 Exercices
1. On jette 3 fois une pièce de monnaie bien équilibrée.

a) Déterminez l'ensemble fondamental de cette expérience aléatoire.
b) Quelle est la probabilité de chaque événement élémentaire ? Justiez.
c) Quelle est la probabilité que deux de ces événements élémentaires se réalisent ? Justi-
ez.
d) Quelle est la probabilité que trois de ces événements élémentaires se réalisent ? Justi-
ez.
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 ?
3. Une expérience aléatoire a pour ensemble fondamental Ω = {E1 , E2 , E3 , E4 } où chaque

événement est équiprobable.
a) Quelle est la probabilité de E2 ?
b) Quelle est la probabilité d'observer E1 ou E3 ?
c) Quelle est la probabilité d'observer E1 , E2 ou E4 ?
d) Quelle dénition avez-vous utilisée ?
39
3 Probabilités
4. On jette un dé rouge et un dé vert simultanément.

On s'intéresse à la somme des valeurs obervées sur les deux dés.
b) Quelle est la probabilité d'avoir 7 ?

c) Quelle est la probabilité d'avoir 9 ou plus ?
d) Vrai ou Faux ? Justiez.
Puisque la somme des dés peut donner 6 valeurs paires (2, 4, 6, 8, 10 et 12) et 5
valeurs impaires (3, 5, 7, 9 et 11), la probabilité d'avoir une somme paire est supérieure
à la probabilité d'avoir une somme impaire.
e) Quelle dénition de probabilité avez-vous utilisée ?
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
Les propriétés suivantes portent le nom de Lois de De Morgan :

i. A ∩ B = A ∪ B
ii. A ∪ B = A ∩ B .
f) P (A ∩ B)
g) P (A ∪ B)
7. Soient A et B des événements tels que P (A) = 0.42, P (B) = 0.65 et P (A ∪ B) = 0.78.
Calculez :
a) P A

b) P B

c) P A ∪ B

d) P (A ∩ B)
e) P A ∩ B

f) P (A ∩ B) - aide : utilisez les lois de De Morgan

g) P (A ∪ B) - aide : utilisez les lois de De Morgan
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
. Inscrits en Jour 421 393 76 890
Inscrits en HD 400 593 46 1039
Total 821 986 122 1929
a) Ecrivez le tableau de contingence des probabilités.

b) Quelle est la raison principale d'inscription dans cette école ?
c) Quelle est 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 ?
ii. pour les étudiants inscrits en Horaire Décalé ?
d) Les événements l'étudiant est inscrit en Jour et la qualité de l'enseignement
est la raison principale dans le choix de l'école sont-ils indépendants ? Précisez les
notations utilisées et justiez.
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
1. Dénissons d'abord les notations : P : observer pile et F : observer face .

a) L'ensemble fondamental pour cette expérience aléatoire (ou univers) est :
Ω = {(P, P, P ), (P, P, F ), (P, F, P ), (F, P, P ),

(P, F, F ), (F, P, F ), (F, F, P ), (F, F, F )}
b) L'ensemble fondamental est composé de 8 événements élémentaires qui sont équipro-

bables. Donc, la probabilité de chacun d'entre eux est la même et vaut 1/8, grâce à la
dénition classique de probabilité.
c) Le nombre de cas favorables à ce que 2 des événements élémentaires se produisent est
2 et le nombre d'événements élémentaires de l'ensemble fondamental est 8. Donc, la
probabilité est de 2/8 = 1/4, grâce à la dénition classique de probabilité.
d) Le nombre de cas favorables à ce que 3 des événements élémentaires se produisent est
3 et le nombre d'événements élémentaires de l'ensemble fondamental est 8. Donc, la
probabilité est de 3/8, grâce à la dénition classique de probabilité.
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
d) Vrai ou faux ? Dénissons d'abord les événements :

A : la somme des dés est paire , en rouge ci-dessous,
D : la somme des dés est impaire , en noir ci-dessous.
La question est donc de savoir si l'armation P (A) > P (D) est vraie ou fausse.
Pour cela, analysons l'ensemble fondamental est distinguons les événements A et
D:
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.
5. On se sert de l'exercice 5 où certains éléments ont déjà été mis en évidence.

a) Les événements élémentaires de A sont en rouge dans l'exercice 4(d). Donc mathéma-
tiquement :
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
b) Mettons en évidence les réalisations de l'événement B dans Ω :
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
c) Mettons en évidence les réalisations de l'événement C dans Ω :
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, 1), (1, 2), (2, 1)}. Donc, P (C) = #C

#Ω
= 3
36
= 1
12
d) Mettons en évidence les réalisations de l'événement D dans Ω :
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
e) Mettons en évidence les réalisations de l'événement E dans Ω :
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)}
Pour calculer la probabilité de Dc , on peut :

i. 1ère méthode : utiliser la dénition classique
#Dc 30 5
P (Dc ) = = =
#Ω 36 6
ii. 2ème méthode : utiliser la règle du complémentaire

1 5
P (Dc ) = 1 − P (D) = 1 − =
6 6
grâce à l'exercice 5(d)

6. Pour cet exercice, nous utilisons les propriétés des probabilités.
a) La règle du complémentaire :

P A = 1 − P (A)
= 1 − 1/3 , par hypothèse
= 2/3 , par simplication
48
3 Probabilités
b) La règle du complémentaire :

P B = 1 − P (B)
c) La règle du complémentaire :

P A ∩ B = 1 − P (A ∩ B)
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
e) La règle du complémentaire :
P (A ∪ B) = 1 − P (A ∪ B)
= 1 − 7/12 , par l'exercice (d)
f) Par les lois de De Morgan : A ∩ B =A ∪ B donc
P (A ∩ B) = P (A ∪ B)
= 5/12 par l'exercice (e)
g) Par les lois de De Morgan : A ∪ B = A ∩ B donc
P (A ∪ B) = P (A ∩ B)
= 3/4 , par l'exercice (c)
49
3 Probabilités
7. Pour cet exercice, nous utilisons les propriétés des probabilités.

a) La règle du complémentaire :

P A = 1 − P (A)
= 1 − 0.42 , par hypothèse
= 0.58 , par simplication
b) La règle du complémentaire :

P B = 1 − P (B)
c) La règle du complémentaire :
P (A ∪ B) = 1 − P (A ∪ B)
d) La loi d'addition :
P (A ∩ B) = P (A) + P (B) − P (A ∪ B)
= 0.42 + 0.65 − 0.78, par hypothèse
e) La règle du complémentaire :

P A ∩ B = 1 − P (A ∩ B)
= 1 − 0.29 , par l'exercice (d)
f) Par les lois de De Morgan : A ∩ B =A ∪ B donc
P (A ∩ B) = P (A ∪ B)
= 0.22 par l'exercice (c)
50
3 Probabilités
g) Par les lois de De Morgan : A ∪ B = A ∩ B donc
P (A ∪ B) = P (A ∩ B)
= 0.71 , par l'exercice (e)
8. Dénissons des notations pour les événements de cette étude de marché :

- A : la famille possède un ordinateur à écran tactile
- B : la famille possède un ordinateur à écran tactile et un smartphone
- C : la famille possède un ordinateur à écran tactile ou un smartphone
- D : la famille possède un smartphone
a) On cherche P (A). Puisque 140 familles observées possèdent un ordinateur à écran
tactile sur un total de 400 famillles observées :
140
P (A) = = 0.35
400
b) On cherche P (D). Puisque 300 familles observées possédaient un smartphone sur un

total de 400 famillles observées :
300
P (D) = = 0.75
400
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 :
P (C) = P (A ∪ D) = P (A) + P (D) − P (A ∩ D)
- P (A) = 0.35,par (a)

- P (D) = 0.75, par (b)
- P (A ∩ D) est la probabilité d'avoir les 2 types d'apparail, donc A ∩ D = B et
P (B) = 0.2 par (c).
En conclusion : P (C) = 0.35 + 0.75 − 0.2 = 0.9
e) On s'intéresse à la probabilité du complémentaire de l'événement la famille possède
un smartphone et du complémentaire de l'événement la famille possède un ordi-
nateur à écran tactile . Mathématiquement, cela s'écrit : D ∩ A. Par les lois de De
Morgan, nous avons : D ∩ A = D ∪ A. Comme D ∪ A = C,grâce au (d), nous avons
51
3 Probabilités
D ∪ A = C et donc par la règle du complémentaire, nous avons :
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%.
9. Données : P (A) = 0.5, P (B) = 0.6 et P (A ∩ B) = 0.4.

a) Comme P (B) 6= 0, on peut utiliser la formule de calcul de probabilités conditionnellle :
P (A ∩ B)
P (A | B) =
P (B)
0.4
= , par hypothèse
0.6
= 0.667
b) Comme P (A) 6= 0, on peut utiliser la formule de calcul de probabilités conditionnellle :
P (B ∩ A)
P (B | A) =
P (A)
0.4
= , par hypothèse
0.5
= 0.8
c) Par la règle d'indépendance, A et B sont indépendants si P (A | B) = P (A). Or,

P (A | B) = 0.667 par l'exercice (a) et P (A) = 0.5 donc P (A | B) 6= P (A). Conclusion :
Aet B ne sont pas indépendants.
10. On a le tableau de contingence des eectifs dans les données.

a) On peut en déduire le tableau de contingence des probabilités en divisant chaque
valeur du tableau de contingence des eectifs par l'eectif total et on obtient, arrondi
au 1000ème :
Qualité de Frais d'inscriptions Autres raisons Total
l'enseignement ou commodité
Inscrits en Jour 0.218 0.204 0.039 0.461

Inscrits en HD 0.207 0.308 0.024 0.539
Total 0.425 0.512 0.063 1
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
ii. Par la règle du complémentaire,

3
P (B) = 1 − P (E) =
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
E 120 160 280

B 80 40 120
Total 200 200 400
- 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
Interprétation : Il y a 20% de chance qu'un consommateur sélectionné au hasard soit

un homme et préfère les boissons énergétiques.
54
3 Probabilités
- On cherche la probabilité jointe P (H ∩ F ) : il y a 40 consommateurs qui sont des

femmes et qui préfèrent les boissons énergétiques sur un total de 400 consommateurs
interrogés, par conséquent
40 1
P (F ∩ B) = =
400 10
Interprétation : Il y a 10% de chance qu'un consommateur sélectionné au hasard soit

une femme et préfère les boissons énergétiques.
d) Pour cet exercice, je propose deux méthodes de résolution.
i. 1ère méthode : P (B) = 103 et P (B | H) = 25 . Comme ces probabilités ne sont pas
égales, la préférence pour les boissons énergétiques n'est pas indépendante du fait
que le consommateur soit un homme.
ii. 2ème méthode : P (B) = 103 et P (B | F ) = 51 . Comme ces probabilités ne sont pas
égales, la préférence pour les boissons énergétiques n'est pas indépendante du fait
que le consommateur soit une femme.
55
3 Probabilités
3.2 Variables aléatoires discrètes
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.
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,
d) La variable aléatoire est-elle discrète ou continue ? Justiez.

e) Donnez la loi de probabilité de la variable aléatoire et représentez la diagramme en
bâtons de celle-ci.
2. On considère le temps séparant l'arrivée des clients à un guichet de banque.

a) Dénissez une variable aléatoire qui représente le temps en minutes séparant l'arrivée
de deux clients à un guichet de banque.
b) Quelles valeurs peut prendre cette variable aléatoire ?
c) La variable aléatoire est-elle discrète ou continue ? Justiez.
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.
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
c) Vrai ou Faux ? Justiez.

A long terme, les revenus nets sont positifs donc la pizzéria est rentable.
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.
8. Soit X une variable aléatoire qui suit la loi Bin(4 ; 0.3).

a) Quelle est la probabilité que les 4 expériences aléatoires aboutissent à 4 succès ?
b) Quelle est la probabilité que les 4 expériences aléatoires aboutissent à 3 succès suivi
d'un 1 échec ?
9. Considérons une variable aléatoire discrète X de loi binomiale de paramètres 2 et 0.4.

a) Calculez :
i. la probabilité d'avoir un succès.
ii. P (X = 0).
iii. P (X = 2).
iv. la probabilité qu'il y ait au moins 1 succès.
b) Calculez l'espérance de X.
c) Calculez la variance de X .
d) Calculez l'écart-type de X.
58
3 Probabilités
e) Représentez le diagramme en bâtons de la loi de probabilité de X .
10. Soit X ∼ Bin(6; 0.4).

a) Déterminez la loi de X en utilisant la formule de cette loi et tracez-en le diagramme
en bâtons.
b) Soit F la fonction de répartition de X . Calculez : F (3), F (5) et F (6)
c) Calculez la probabilité que X soit compris entre 3 (inclu) et 6 (inclu) suivant 2 mé-
thodes :
i. En utilisant la loi de probabilité de X .
ii. En utilisant la fonction de répartition de X .
d) Représentez le diagramme en bâtons de la loi de probabilité de X .
11. Soit Z ∼ Bin (2; 0.8).

a) A l'aide d'une table de la loi binomiale, déterminez la distribution de la fonction de
répartition de Z .
b) Déduisez-en la loi de probabilité de Z .
c) Représentez le diagramme en bâtons de la loi de probabilité de Z .
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 .
13. A chaque cours de mathématiques, le professeur interroge au hasard un seul élève de la

classe, sans se rappeler quels élèves il a interrogés aux cours précédents. La probabilité qu'il
interroge une lle lors d'un cours est de 25%. Soit X la variable aléatoire qui correspond
au nombre de lles interrogées pendant 15 cours consécutifs.
b) Donnez la loi de probabilité de X sous forme d'une formule unique.
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.
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.
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.
60
3 Probabilités
3.2.2 Solutions
1. Dénissons d'abord les notations : P : observer pile et F : observer face .

a) L'ensemble fondamental (ou univers) pour cette expérience aléatoire est
Ω = {(P, P ), (P, F ), (F, P ), (F, F )}
où la première composante de chaque couple est la réalisation du premier jet de la

pièce et la deuxième composante est la réalisation du deuxième jet de la pièce.
b) Soit X la variable aléatoire qui représente le nombre de fois que face est observé lors
des deux lancés.
c) .
Evénement élémentaire Valeurs de la v.a.
(P, P ) 0
(P, F ) 1
(F, P ) 1
(F, F ) 2
d) Il s'agit d'une v.a. discrète puisqu'elle ne prend que 3 valeurs : 0, 1 et 2.
e) Loi de probabilité de X :
X P (X = x)
0 1/4
1 1/2
2 1/4
Diagramme en bâtons de X :
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
3. Dénissons d'abord les notations : O : il y a une ore de contrat et N : il n'y a pas

d'ore de contrat .
a) L'ensemble fondamental (ou univers) pour cette expérience aléatoire est
Ω = {(O, O, O) , (O, O, N ), (O, N, O), (N, O, O),

(O, N, N ), (N, O, N ) , (N, N, O) , (N, N, N )}
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 :
P (X < 0.5) = P ((X = −2) ∪ (X = 0))

= P (X = −2) + P (X = 0)
= 0.25 + 0.125
= 0.375
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 :
P ((X < 0.5) ∪ (X ≥ 1)) = P (X < 0.5) + P (X ≥ 1)

= 0.375 + 0.25
= 0.625
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
E(X) = 0.2 + 0.32 + 0.384 + 2.048 = 2.952
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.
7. .a) . i. P (X < 2) = P (X = 1) = 0.4

ii. P (X ≤ 2) = P (X = 1) + P (X = 2) = 0.9
iii. P (X < 1) = 0
iv. P (X < 2 ou X > 2) = P (X = 1)+P (X = 3) = 0.5
b) .
X P (X = x) F (X) = P (X ≤ x)
1 0.4 0.4
2 0.5 0.9
3 0.1 1
c) .
X P (X = x) xP (X ≤ x)
1 0.4 0.4
2 0.5 1
3 0.1 0.3
E(X) = 0.4 + 1 + 0.3 = 1.7
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
ii. P (X = 0) est la probabilité de n'avoir aucun succès :

2
P (X = 0) = (0.4)0 (0.6)2
0
2!
= (1) (0.36)
0!2!
= 0.36
iii. P (X = 2) est la probabilité d'avoir 2 succès :

2
P (X = 2) = (0.4)2 (0.6)0
2
2!
= (0.16) (1)
2!0!
= 0.16
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
b) E(X) = 2 × 0.4 = 0.8

c) V ar(X) = 2 × 0.4 × 0.6 = 0.48
√
d) σ =
p
V ar(X) = 0.48 = 0.6928
e) Diagramme en bâtons :
66
3 Probabilités
10. X ∼ Bin(6; 0.4)

a) Loi de X :
X=x P (X = x)
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 :
b) F (3) = P (X ≤ 3) = 0.0467 + 0.1866 + 0.3110 + 0.2765 = 0.8208

F (5) = P (X ≤ 5) = 0.8208 + 0.1382 + 0.0369 = 0.9959
F (6) = P (X ≤ 6) = 0.9959 + 0.0041 = 1
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
ii. en utilisant la fonction de répartition de X :
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
d) Changement d'énoncé car le diagramme en bâtons est déjà donné à la sous-question

(a). On donne le graphique de la fonction de répartition de X :
11. Z ∼ Bin(2; 0.8)

a) Dans la table de la loi binomiale, nous ne trouvons pas cette loi car la probabilité de
succès de Z est 0.8 > 0.5. et les valeurs > 0.5 ne se trouvent pas dans la table. Il faut
travailler avec la probabilité complémentaire. On dénit X ∼ Bin(2; 0.2) car 0.2 est
la probabilité complémentaire de 0.8. On a :
X = x P (X ≤ x) X=x P (X = x)
0 0.64 0 0.64
donc
1 0.96 1 0.32
2 1 2 0.04
68
3 Probabilités
Quel est le lien entre Z et X? Un succès pour Z est un échec pour X et vice versa.
Donc :
P (Z = 0) = P (il y a 0 succès et 2 échecs pour Z )

= P (il y a 2 succès et 0 échecs pour X )
= P (X = 2)
= 0.04
P (Z = 1) = P (il y a 1 succès et 1 échec pour Z)

= P (il y a 1 succès et 1 échec pour X )
= P (X = 1)
= 0.32
P (Z = 2) = P (il y a 2 succès et 0 échecs pour Z )

= P (il y a 0 succès et 2 échecs pour X )
= P (X = 0)
= 0.64
Soit F (z) la fonction de répartition de Z .
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
c) Diagramme en bâtons de la loi de Z :
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
c) On cherche P (X ≥ 2). Par la règle du complémentaire, nous avons :
P (X ≥ 2) = 1 − P (X < 2)
Or, X < 2 implique que X vaut soit 0, soit 1. Par conséquent,
P (X < 2) = P (X ≤ 1)
Par dénition, P (X ≤ 1) = F (1) où F est la fonction de répartition de X . Dans la
70
3 Probabilités
table, on trouve F (1) = 0.7361. Conclusion :
P (X ≥ 2) = 1 − P (X ≤ 1)
= 1 − F (1)
= 0.2639
Interprétation : Il y a 26.39% de chances d'avoir au moins 2 nappes de pétrole lors

des 10 forages.
d) X ∼ Bin(10, 0.1) donc E(X) = 10 × 0.1 = 1
Interprétation : Il y a 1 nappe de pétrole en moyenne découverte lors des 10 forages.
e) X ∼ Bin(10, 0.1) donc V ar(X) = 10 × 0.1 × 0.9 = 0.9
f) Diagramme en bâtons de la loi de X :
13. .a) X suit une loi binomiale de paramètres n = 15 et p = 0.25, c'est-à-dire X ∼

Bin(15, 0.25).
En eet :
i. On répète 15 fois une même expérience aléatoire, ici 15 cours consécutifs.
ii. Deux issues sont possibles : le succès = le professeur interroge une lle et l'échec
= le professeur n'interroge pas une lle .
iii. Les expériences aléatoires sont indépendantes puisque le professeur ne se rappelle
pas qui il a interrogé précédemment.
iv. X compte le nombre de succès lors des 15 cours consécutifs et 0.25 est la probabilité
de succès.

15
P (X = k) = (0.25)k (0.75)15−k
k
où k = 0, 1, 2, ..., 15
P (X ≥ 4) = 1 − P (X < 4)
71
3 Probabilités
Or, X < 4 implique que X vaut 0, 1, 2 ou 3. Par conséquent,
P (X < 4) = P (X ≤ 3)

P (X ≥ 4) = 1 − P (X ≤ 3)
= 1 − F (3)
= 0.5387
Interprétation : Il y a 53.87% de chances qu'au moins 4 lles soient intérrogés pendant

les 15 cours consécutifs.
d) X ∼ Bin(15, 0.25) donc E(X) = 15 × 0.25 = 3.75
Interprétation : Le nombre espéré de lle interrogées par le professeur est de 3.75
pendant les 15 cours consécutifs.
e) X ∼ Bin(15, 0.25) donc V ar(X) = 15 × 0.25 × 0.75 = 2.81
f) Diagramme en bâtons de la loi de X :
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.

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)
Or, X < 3 implique que X vaut 0, 1 ou 2. Par conséquent,
P (X < 3) = P (X ≤ 2)

P (X ≥ 3) = 1 − P (X ≤ 2)
= 1 − F (2)
= 0.5585
Interprétation : Il y a 55.85% de chances que l'étudiant rencontre au moins 3 feux

verts parmi les 6 feux tricolores sur sont parcours vers l'ICHEC.
d) X ∼ Bin(6, 0.45) donc E(X) = 6 × 0.45 = 2.7
Interprétation : Le nombre espéré de feux verts rencontrés sur le parcours de l'étudiant
est de 2.7.
e) X ∼ Bin(6, 0.45) donc V ar(X) = 6 × 0.45 × 0.55 = 1.485
f) Diagramme en bâtons pour la loi de X :
73
3 Probabilités
3.3 Variables aléatoires continues
3.3.1 Exercices
1. Soit X une v.a. continue distribuée uniformément entre 1 et 1.5.

a) Ecrivez la fonction de densité de probabilité f (x) de cette v.a. et tracez son graphe.
b) Calculez P (X = 1.25)
c) Calculez P (1 ≤ X ≤ 1.25)
d) Calculez P (1.2 < X < 1.5)
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 ?
3. Considérons Z ∼ N (0, 1) et Φ(z) sa fonction de répartition. Utilisez la table de la loi

normale pour calculer les probabilités suivantes, en justiant toutes les étapes de vos
calculs :
a) Φ(1.93)
b) Φ(2.22)
c) Φ(−1.65)
d) Φ(−1)
e) Φ(−3.48)
f) P (Z > −1)
g) P (Z ≥ −1)
h) P (Z > 0.5)
i) P (−1 ≤ Z ≤ 0.51)
j) P (0.24 < Z < 1.87)
4. Considérons Z ∼ N (0, 1) et Φ(z) sa fonction de répartition. Utilisez la table de la loi

normale pour déterminer z tel que :
a) P (Z ≤ z) = 0.7734
b) P (Z ≤ z) = 0.9573
74
3 Probabilités
c) P (Z ≤ z) = 0.514
d) P (Z ≤ z) = 0.3124
e) P (Z ≤ z) = 0.1357
5. Soit X ∼ N (10, 0.16)

a) Complétez : X ∼ N (10, 0.16) ⇒ Z = ....................... ∼ N (1, 0)
b) Calculez P (X ≤ 12)
c) Calculez P (X ≤ 8)
d) Calculez P (8 ≤ X ≤ 12)
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.
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
9. Supposons que la variable X , représentant le montant net (en euros) d'augmentation du

revenu suite à cette réforme scale, est décrite par une loi normale de moyenne de 140 et
un écart-type de 70.
b) Quelle est la probabilité que l'augmentation du revenu qui soit en dessous de 200
euros ? Interprétez.
c) Quelle est la probabilité que l'augmentation du revenu qui soit entre 100 euros et 150
euros ? Interprétez.
d) Quelle est la probabilité que l'augmentation du revenu qui soit au dessus de 120 euros ?
Interprétez.
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%.
3. .a) Φ(1.93) = 0.9732

b) Φ(2.22) = 0.9868
c) Φ(−1.65) = 0.0495
d) Φ(−1) = 0.1587
e) Φ(−3.48) = 0.0003
f) P (Z > −1) = 0.8413
g) P (Z ≥ −1) = 0.8413
h) P (Z > 0.5) = 0.3085
i) P (−1 ≤ Z ≤ 0.51) = 0.5363
j) P (0.24 < Z < 1.87) = 0.3745
4. .a) z77.34% = 0.75

b) z95.73 = 1.72
c) z51.4% ' 0.035
d) z31.24% ' −0.49
e) z13.57 = −1.1
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
6. .a) X ∼ N (11, 10.24)

b) P (X ≤ 13) = 0.7341
c) P (X ≤ 10) = 0.3783
d) P (X ≥ 12) = 0.3783
7. .a) .X = longueur de la plaque en cm, X ∼ N 10, (0.4)2

b) P (8 ≤ X ≤ 12) = 1
c) P (X > 7) = 1
d) P (X < 11) = 0.9938
e) P (X = 10) = 0
8. .a) X = âge où les premiers mots apparaissent, X ∼ N 11.5, (3.2)2

b) P (10 < X < 13) = 0.3616

c) P (X ≥ 12) = 0.4364
d) P (X ≤ 10) = 0.3192
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

b) P (X < 200) = 0.8051

c) P (100 < X < 150) = 0.2714
d) P (X > 120) = 0.6141
78
Bibliographie
[1] Anderson D. R., Sweeney D. J. & Williams T. A. (2010). Statistics for Business and Eco-
nomics. 11th Edition.
[2] www.khanacademy.org
[3] Selmouni M. Cours de Théories statistiques pour la gestion 2018-2019. ICHEC
79

Fascicule Exercices GesEnt 22-23

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Fascicule Exercices GesEnt 22-23

Transféré par

Droits d'auteur :

Formats disponibles

Probabilités et

Fascicule d'exercices et solutions

Année académique 2022-2023

B1 GesEnt : 3.75 EUR 7.25

1 Statistique descriptive à une dimension 5

2 Statistique descriptive à deux dimensions 26

1. Un supermarché reçoit 50 caissettes comprenant chacune 9 pêches. Le nombre de pêches

Arrondissez vos calculs au 100ème.

2. Le nombre de bonnes réponses de 50 élèves (l'examen est composé de 5 questions) a été

Arrondissez vos calculs au 100ème.

Arrondissez vos calculs au 100ème.

c) Donnez la distribution statistique de cette variable et tracez le diagramme en bâtons

4. Le tableau suivant donne la distribution de la variable X qui represente le temps par

Arrondissez vos calculs au 100ème.

c) La distribution statistique de X est :

d) Le tableau des fréquences cumulées de X est

calculer les 10 termes de x :

En additionnant les termes de la dernière colonne on obtient la moyenne-échantillon

= 0 + 0.2 + 0.24 + 0.18 + 0.24 + 0.5 + 0.48 + 0.42 + 0.48 + 0.36

i) Mesures de dispersion : variance s2X et écart-type sX

X Fréquence fi fi x2i X Fréquence fi fi x2i

2. Désignons par X la variable  nombre de bonnes réponses de 50 élèves à l'examen composé

c) La distribution statistique de X est donnée dans le tableau :

d) Le tableau des fréquences cumulées de X est

= 0 + 0.18 + 0.44 + 0.18 + 1.04 + 0.7

i) Mesures de dispsersion : variance s2X et écart-type sX

3. Désignons par X la variable  nombre de crèches dans une localité .

c) La distribution statistique de X est donnée par :

d) La distribution des fréquences cumulées de X est

= 0 + 0.18 + 0.4 + 0.36 + 0.56 + 0.5

Interprétation : Le nombre moyen observé de crèches par localité est 2.

ii. L'écart interquartile est IQ = Q3 − Q1 = 3 − 0 = 3.

i) Mesures de dispsersion : variance s2X et écart-type sX

c) La distribution des fréquences cumulées de X est donnée par :

Temps X Fréquence cumulées Fi

(0.5 − F2∗ ) (0.5 − 0.39)

Interprétation : Environ 50% des étudiants observés font la cuisine en un temps

iii. Moyenne approchée.

Temps X Fréquence fi Centre ci f i ci

= 0.98 + 2.25 + 1.5 + 3.34

Interprétation : Les étudiants observées passent en moyenne environ 8.07 heures

où L1 = 0 est la borne inférieure de la classe [0, 5[ ; lQ1 = 5 est la longueur de la

Interprétation : Environ 25% des étudiants observés font la cuisine en un temps

où L3 = 10 est la borne inférieure de la classe [10, 15[ ; lQ1 = 5 est la longueur de

fréquence de la classe [10, 15[. On obtient :

Interprétation : Environ 75% des étudiants observés font la cuisine en un temps

f) Mesures de dispersion : variance approché s2a et écart-type approché sa

Temps X Fréquence fi Centre ci fi c2i

= (2.44 + 16.88 + 18.75 + 58.19) − (8.07)2

Montant (en euros) Fréquence fi

Pour construire l'histogramme du montant des prêts, calculons la longueur de chaque

Histogramme du montant des prêts

c) La distribution des fréquences cumulées de X est

Montant (en euros) Fréquence cumulées Fi

Interprétation : on a observé le plus souvent des prêts à la consommation accordés

Interprétation : Environ 50% des prêts à la consommation accordés aux jeunes

iii. Moyenne approchée

= 1375 + 8050 + 8625 + 4500

Interprétation : Le montant moyen des prêts à la consommation accordés aux

Interprétation : Environ 25% des prêts à la consommation accordés aux jeunes de

Interprétation : Environ 75% des prêts à la consommation accordés aux jeunes

Montant (en euros) Fréquence fi Centre ci fi c2i

= 809 375 000 − (22 550)2

1. On dispose du tableau de données suivant deux variables X et Y :

2. Désignons par X la variable nombre de bonnes réponses de 50 élèves à l'examen composé

3. Désignons par X la variable nombre de crèches dans une localité .

3. Considérons un échantillon de 10 employés du même âge, d'une entreprise. Soit X le

d) Le coecient de corrélation est

j) Le coecient de détermination est

On peut nalement calculer la pente de la droite b1 et son ordonnée à l'origine b0 :

L'erreur résiduelle et 1 = y1 − ŷ1 = 3 − 2.8 = 0.2.

L'erreur résiduelle et 2 = y2 − ŷ2 = 7 − 5.4 = 1.6.

L'erreur résiduelle et 3 = y3 − ŷ3 = 5 − 8 = −3.

L'erreur résiduelle et 4 = y4 − ŷ4 = 11 − 10.6 = 0.4.

L'erreur résiduelle et 5 = y5 − ŷ5 = 14 − 13.2 = 0.8.

m) Le coecient de détermination est

n) Le coecient de corrélation entre X et Y est égal à

Pour calculer le coecient de corrélation entre les variables X et Y , il faut d'abord

Le coecient de correlation entre les deux variables X et Y peut maintenant être

c) Sachant que la personne a eectuée x = 12 ans d'études, une estimation du salaire de

Pour calculer le coecient de corrélation entre les variables X et Y , il faut d'abord

L'écart-type échantillon deX :

Le coecient de correlation entre les deux variables X et Y peut maintenant être