Z. S.

Delhoum

Fiche de révision 2021

Exercice n˚1
La durée (mesurée en minutes) mise par le service clientèle d’un grand magasin pour traiter
une réclamation quelconque émanant d’un client quelconque, est une variable aléatoire réelle
continue X qui suit une loi exponentielle de paramètre λ = 14 . On suppose que le nombre de
réclamations adressées au service clientèle du magasin au cours d’une période quelconque, est
de 40.
1. Quelle est la loi de probabilité qui décrit la durée Y mise par le service clientèle pour
traiter les 40 réclamations ? (les réclamations traitées sont mutuellement indépendantes
en probabilité du point de vue de la durée).
2. En déduire la durée moyenne et l’écart-type de la variable aléatoire réelle Y .
3. Donner la loi d’approximation de la loi exacte de la variable aléatoire réelle Y .
4. On suppose que 95.54% des réclamations adressées au service clientèle, ne dépassent pas
une durée d à déterminer. Calculer cette durée à l’aide de la loi d’approximation.
Annexe : G(1, 70) = 0, 9554.

Corrigé exercice n˚1

1. La loi de la variable aléatoire Y représentant la durée mise par le service clientèle pour
traiter les 40 réclamations :
On remarque que Y = 40 1
i=1 Xi avec Xi ∼ E( 4 ). Ainsi, on peut déduire directement que
P

Y suit une loi Gamma de paramètre n = 40 et λ = 14 Y ∼ Γ(40, 41 ) car Y est la somme de

40 variables aléatoires indépendantes suivant chacune une loi exponentielle de paramètre
1
4
.
2. Déduction de la moyenne et l’écart-type de la variable aléatoire Y :
On a
n 40
E(Y ) = = = 160.
λ 1/4
√
s
n 40
q r
σ(Y ) = V (X) = 2
= 2
= 640 = 25, 298 ' 25, 3.
λ (1/4)
3. On peut approximer la loi de Y par une loi normale de paramètre m = E(Y ) = 160 et
σ = σ(Y ) = 25, 3, c’est-à-dire on peut écrire Y ∼ N (160; 25, 3).
4. Calculons la durée d :
−160
D’abord, on pose : Z = Y 25,3 ∼ N (0; 1).
On a
!
d − 160
P (Y ≤ d) = 0, 9554 ⇔ P Z ≤ = 0, 9554
25, 3
!
d − 160
⇔G = 0, 9554
25, 3
d’après l’indication dans l’annexe, on déduit que
d − 160
= 1, 70 ⇒ d = 203, 01.
25, 3

1
Z. S. Delhoum

Exercice n˚2
La répartition (en pourcentage %) des salariés d’une grande entreprise selon leurs statue et
leurs sexe est donné par le tableau suivant :
Cadre supérieur Cadre Employé Tous statues
femme 5% 25% 70% 39%
homme 9% 28% 63% 61%

I. On choisit au hasard un salarié. Quelle est la probabilité que ce salarié soit :

(a) Un homme.
(b) Un cadre supérieur (homme ou femme).
II. Cinq salariés sont choisis au hasard parmi la population importante des salariés de cette
grande entreprise : On note X la variable aléatoire égale au nombre de femmes parmi ces
salariés choisis
1. Déterminer la loi de X. En déduire son espérance et son écart-type.
2. Quelle est la probabilité que cinq salariés soient des hommes ?
3. Quelle est la probabilité qu’il y ait qu’un seul homme ou qu’une seule femme parmi
les 5 salariés choisis ?
III. Pour les fêtes de l’Aid, 1000 salariés choisis au hasard reçoivent une invitation pour un
repas.
Quelle est la probabilité qu’au moins 70 cadres supérieures reçoivent cette invitation ?
(On pourra considérer que les conditions d’approximation sont vérifiées pour la loi normale)
φ(0, 1) = 0, 5398 ; φ(0, 32) = 0, 5255 ; φ(0, 53) = 0, 7019.
Où φ est la fonction de répartition de la loi normale centrée réduite.

2
Z. S. Delhoum

Corrigé exercice n˚2

I)
1. Pour répondre à cette question, il vaut mieux faire appelle à un arbre de probabilité. La
probabilité que ce salarié soit un homme :

P (H) = 0, 61

2. La probabilité que ce salarié soit un cadre supérieur :

P (CS) = 0, 39 × 0, 05 + 0, 61 × 0, 09 = 0, 39 × 0, 05 + 0, 61 × 0, 09 = 0, 0744

II)
1. La variable aléatoire X suit une loi binomiale de paramètre n = 5 et p = 0, 39 :

P (X = k) = C5k (0, 39)k (0, 61)5−k .

E(X) = 5 × 0, 39 = 1, 95.
√
σ(X) = 5 × 0, 39 × 0, 61 = 1, 09.
2. La probabilité que cinq salariés soient des hommes :

P (X = 0) = C50 (0, 39)0 (0, 61)5−0 = 0, 084.

3. La probabilité qu’il y ait qu’un seul homme ou qu’une seule femme parmi les 5 salariés
choisis :

P ({X = 4} ∪ {X = 1}) = P (X = 4) + P (X = 1) − P ({X = 4} ∩ {X = 1}) = 0, 3405.

| {z }
est égale à P (∅) = 0

III)
1. Soit la variable aléatoire Y représentant le nombre de cadres supérieurs Y suit une loi
binomiale de paramètre n = 1000 et p = 0, 0744.
Puisque n = 1000 > 50, np = 74, 4 > 5 et nq = 925, 6 > 5, alors on peut approximer la
loi de la variable aléatoire Y par la loi normale de paramètre m = 74, 4 et σ = 68, 865.
Ainsi Y ∼ N (74, 4; 68, 865).
2. La probabilité qu’au moins 70 cadres supérieures reçoivent cette invitation : D’abord, on
−74,4
pose : Z = Y68,865 ∼ N (0; 1).
On cherche

P (Y ≥ 70) ≈ P (Y > 69, 5) = P (Y > 69, 5)

!
69, 5 − 74, 4
=P Z>
68, 865
= P (Z > −0, 542)
= 1 − P (Z ≤ −0, 542)
= 1 − (1 − P (Z ≤ 0, 542))
= P (Z ≤ 0, 542)
= φ(0, 542) = 0, 7019.

3
Z. S. Delhoum

Exercice n˚3
Soit X une variable aléatoire continue de densité :
(
k
x+1
, si 0 ≤ x ≤ e − 1,
fX (x) =
0, sinon.

1. Calculer k pour que f soit une densité de probabilité.

2. Calculer P (X ≥ 1) et P (0, 7 ≤ X ≤ 1, 7).
3. Calculer E(X) et V (X) si elles existent.
4. Déterminer la fonction de répartition F de X.
5. Déterminer la loi de la variable aléatoire Y = ln(1 + X).
6. Monter que Z = −2 ln Y suit une loi du khi-deux, préciser son degré de liberté.

Corrigé exercice n˚3

1. Calculons k pour que f soit une densité de probabilité :
Z +∞ Z e−1
k
f (x)dx = 1 ⇒ dx = 1
−∞ 0 x+1
⇒ k [ln(x + 1)]e−1
0 =1
⇒ k (ln(e) − ln(1)) = 1
⇒ k = 1.

2. On a
Z +∞
P (X ≥ 1) = f (x)dx
1
Z e−1
1 Z +∞
= dx + 0dx
1 x+1 e−1
= [ln(x + 1)]e−1
1
= 1 − ln 2
= 0, 306.

et
Z 1,7
P (0, 7 ≤ X ≤ 1, 7) = f (x)dx
0,7
Z 1,7
1
= dx
0,7 x + 1

= [ln(x + 1)]1,7
0,7
= ln(2, 7) − ln(1, 7)
= 0, 462.

3. Calculons E(X) et V (X) :

4
Z. S. Delhoum

On a
Z +∞
E(X) = xf (x)dx
−∞
Z e−1
x
= dx
0 x+1
Z e−1
1
 
= 1− dx
0 x+1
= [x − ln(x + 1)]e−1
0
= e − 2.

Z +∞
2
E(X ) = x2 f (x)dx
−∞
Z e−1
x2
= dx
0 x+1
Z e−1 
1

= x−1+ dx
0 x+1
" #e−1
x2
= − x + ln(x + 1)
2 0
(e − 1)2
= − e + 2.
2
Ainsi, on peut déduire que

V (X) = E(X 2 ) − [E(X)]2

(e − 1)2
= − e + 2 − (e − 2)2
2
= 0, 242.

4. La fonction de répartition FX (x) :

Sachant que Z x
FX (x) = f (t)dt,
−∞

alors, on a
• si x < 0, Z x
FX (x) = 0dt = 0.
−∞
• si 0 ≤ x ≤ e − 1,
Z 0 Z x
1
FX (x) = 0dt + dt = [ln(t + 1)]x0 = ln(x + 1).
|
−∞
{z }
0 t+1
est égale à 0

• si x > e − 1, Z 0 Z e−1
1 Z x
FX (x) = 0dt + dt + 0dt = 1.
|
−∞
{z }
0 t+1 e−1
| {z }
est égale à 0 est égale à 0

5
Z. S. Delhoum

Ainsi,


0, si x < 0,
FX (x) = ln(x + 1), si 0 ≤ x ≤ e − 1,
si x > e − 1.


1,
5. Déterminons la loi de la variable aléatoire Y = ln(1 + X) :
On a :

FY (y) = P (Y ≤ y)
= P (ln(1 + X) ≤ y)
= P (1 + X ≤ ey )
= P (X ≤ ey − 1)
= FX (ey − 1).

donc pour y ∈ [0, 1], on a

0
fY (y) = FY (y)
= ey fX (ey − 1)
1
= ey y
e
= 1.

Ainsi,
(
1, si 0 ≤ y ≤ 1,
fY (y) =
0, sinon.
Par identification, on déduit que Y suit une loi uniforme Y ∼ U ([0, 1]).
6. Montrons que Z = −2 ln Y suit une loi du khi-deux et déterminons son degré de liberté :
On a

FZ (z) = P (Z ≤ z)
= P (−2 ln(Y ) ≤ z)
1
= P (ln(Y ) ≥ − z)
2
− 12 z
= P (Y ≥ e )
1
= 1 − P (Y < e− 2 z )
1
= 1 − FY (e− 2 z ).

donc pour z ∈ [0, +∞[, on a

0
fZ (z) = FZ (z)
1 1
= e− 2 z fY (e−z )
2 | {z }
est égale à 1
1 1
= e− 2 z .
2

6
Z. S. Delhoum

Ainsi,

1 − 12 z
(
e , si z ≥ 0,
fZ (z) = 2
0 , sinon.
Par identification, Z suit une loi exponentielle de paramètre λ = 12 .

1 1
Z ∼ E( ) = Γ(1, ) = χ2 (2).
2 2
On déduit que la variable aléatoire Z suit une loi du Khi-deux à 2 degrés de liberté
(n = 2).
Remarque
Rappelons que :
n 1
χ2 (n) = Γ( , ).
2 2

7
Z. S. Delhoum

Exercice n˚4
Soit X une v.a. continue de densité de probabilité fX (x) donnée par :
(
Ce−2αx (1 − e−αx ) , si x ≥ 0,
fX (x) =
0, sinon.

où α est une constante connue strictement positive et C est une constante réelle à déterminer.
1. Montrer que la constante C est égale à 6α.
2. Calculer la fonction de répartition de X .
3. Calculer pour α = 1 , les probabilités suivantes :

P (−1 ≤ X ≤ 2, 5), P (1, 5 < X ≤ 3, 75), P (X > 6).

4. Soit la variable aléatoire Y = e−αX .

(a) Trouver la densité de probabilité de Y .
(b) Déterminer la fonction de répartition de Y .
(c) Calculer les probabilités suivantes :

P (Y ≤ 0, 5), P (0, 25 < Y ≤ 1), P (|Y − 0, 5| ≥ 0, 1).

Corrigé exercice n˚4

1. Déterminons la valeur de c :
Z +∞ Z +∞  
f (x)dx = 1 ⇒ ce−2αx 1 − e−αx dx = 1
−∞ 0
Z +∞  
⇒c e−2αx − e−3αx dx = 1
0
+∞
1 1 −3αx

⇒ c − e−2αx + e =1
2α 3α 0
1 1
 
⇒c 0+ − =1
2α 3α
3α − 2α
 
⇒c =1
6α2
c
⇒ =1
6α
⇒ c = 6α.

2. Déterminons la fonction de répartition F (x) :

Sachant que Z x
FX (x) = f (t)dt,
−∞

alors, on a
• si x < 0, Z x
FX (x) = 0dt = 0.
−∞

8
Z. S. Delhoum

• si x ≥ 0,
Z 0 Z x  
FX (x) = 0dt + 6αe−2αt 1 − e−αt dt
−∞ 0
| {z }
est égale à 0
Z +∞  
= 6α e−2αt − e−3αt dt
0
x
1 1 −3αt

= 6α − e−2αt + e
2α 3α 0
= 1 − 3e−2αx + 2e−3αx .

Ainsi, (
0, si x < 0,
FX (x) =
1 − 3e−2αx + 2e−3αx , si x ≥ 0.
3. Pour α = 1, on a :
(
0, si x < 0,
FX (x) =
1 − 3e−2x + 2e−3x , si x ≥ 0.

Donc

P (−1 ≤ X ≤ 2, 5) = FX (2, 5) − FX (−1)

 
= 1 − 3e−2(2,5) + 2e−3(2,5) − 0
= 0, 980.

P (1, 5 < X ≤ 3, 75) = FX (3, 75) − FX (1, 5)

   
= 1 − 3e−2(3,75) + 2e−3(3,75) − 1 − 3e−2(1,5) + 2e−3(1,5)
= 0, 125.

P (X > 6) = 1 − P (x ≤ 6)
= 1 − FX (6)
 
= 1 − 1 − 3e−2(6) + 2e−3(6)
= 0, 0000184.

4. Pour Y = e−αX :
(a) Trouvons la densité de probabilité de Y :

9
Z. S. Delhoum

On a

FY (y) = P (Y ≤ y)
 
= P e−αX ≤ y
= P (−αX ≤ ln(y))
ln(y)
= P (X ≥ − )
α !
ln(y)
=1−P X <−
α
!
ln(y)
= 1 − FX − .
α

donc pour y ∈ [0, 1], on a

0
fY (y) = FY (y)
!
1 ln(y)
= fX −
αy α
1
  
ln(y) ln(y)
2α α α α
= 6αe 1−e
αy
1  2 ln(y)  
= 6e 1 − eln(y)
y
1 2 
= 6y (1 − y)
y
= 6y − 6y 2 .

Ainsi,
(
6y − 6y 2 , si 0 ≤ y ≤ 1,
fY (y) =
0, sinon.
(b) Déterminons la fonction de répartition de Y :


 0, si x < 0,
FY (y) = 3y 2 − 2y 3 , si 0 ≤ y ≤ 1,


1, si x > 1.

(c) On a :

P (Y ≤ 0, 5) = FY (0, 5)
= 3(0, 5)2 − 2(0, 5)3
= 0, 5.

P (0, 25 < Y ≤ 1) = FY (1) − FY (0, 25)

 
= (1) − 3(0, 25)2 − 2(0, 25)3
= 0, 843.

10
Z. S. Delhoum

P (|Y − 0, 5| ≥ 0, 1) = 1 − P (|Y − 1| < 0, 1)

= 1 − P (−0, 1 < Y − 0, 5 < 0, 1)
= 1 − P (−0, 1 + 0, 5 < Y < 0, 1 + 0, 5)
= 1 − P (0, 4 < Y < 0, 6)
= 1 − (FY (0, 6) − FY (0, 4))
   
=1− 3(0, 6)2 − 2(0, 6)3 − 3(0, 4)2 − 2(0, 4)3
= 0, 704.

11