Ecole des Hautes Etudes Commerciales

Module : Probabilité Préparé par : ASRI

2ème année des classes préparatoires année universitaire : 2020/2021

Exercices Supplémentaires des Variables aléatoires discrètes

Exercice 01 : Examen 2018/2019

Dans une réserve saharienne, on a regroupé dans le même parc 15 Dromadaires (1 bosse), 10 chameaux (2
bosses) et 5 pur-sang (0 bosse). Un visiteur prend sur la même photo trois animaux au hasard. Sachant que
tous ces animaux ont la même probabilité d’être photographiés.

1. Etablir la loi de probabilité de la variable aléatoire 𝑋 représentant le nombre de bosses photographiées.

2. Calculer son espérance et sa variance.

Solution :

Dans le parc on a 15 D (dromadaire), 10 C (chameaux) et 5 P (pur-sang). Pour étudier le nombre de bosses

pour 3 animaux tirés on essaye d’étudier les différentes possibilités :

D C P Nombre de Probabilité
bosses (X)
3 0 0
3 0 0 3 𝐶15 𝐶10 𝐶5 455
3 =
𝐶30 4060
2 1 0
2 1 0 4 𝐶15 𝐶10 𝐶5 1050
3 =
𝐶30 4060
2 0 1
2 0 1 2 𝐶15 𝐶10 𝐶5 525
3 =
𝐶30 4060
1 2 0
1 2 0 5 𝐶15 𝐶10 𝐶5 675
3 =
𝐶30 4060
1 1 2
1 1 1 3 𝐶15 𝐶10 𝐶5 750
3 =
𝐶30 4060
1 0 2
1 0 2 1 𝐶15 𝐶10 𝐶5 150
3 =
𝐶30 4060
0 3 0
0 3 0 6 𝐶15 𝐶10 𝐶5 120
3 =
𝐶30 4060
0 2 1
0 2 1 4 𝐶15 𝐶10 𝐶5 225
3 =
𝐶30 4060
0 1 2
0 1 2 2 𝐶15 𝐶10 𝐶5 100
3 =
𝐶30 4060
 0 0 3
0 0 3 0 𝐶15 𝐶10 𝐶5 10
3 =
𝐶30 4060

A partir de la troisième colonne du tableau ci-dessus on peut déduire que 𝑋(Ω) = {0, 1, 2, 3, 4, 5, 6}

Pour trouver la distribution il suffit de calculer la Probabilité 𝑃(𝑋 = 𝑥) selon les différents cas détaillés dans
le tableau :

10
𝑃(𝑋 = 0) =
4060
150
𝑃(𝑋 = 1) =
4060
525 100 625
𝑃(𝑋 = 2) = + =
4060 4060 4060
455 750 1205
𝑃(𝑋 = 3) = + =
4060 4060 4060
1050 225 1275
𝑃(𝑋 = 4) = + =
4060 4060 4060
675
𝑃(𝑋 = 5) =
4060
120
𝑃(𝑋 = 6) =
4060
x 0 1 2 3 4 5 6 Somme
𝑷(𝑿 10 150 625 1205 1275 675 120 1
= 𝒙) 4060 4060 4060 4060 4060 4060 4060
6 1 14210
𝐸[𝑋] = ∑ 𝑥𝑃(𝑋 = 𝑥) = (150 + 1250 + 3615 + 5100 + 3375 + 720) = = 3.5
𝑥=0 4060 4060
6 1 63090
𝐸[𝑋 2 ] = ∑ 𝑥 2 𝑃(𝑋 = 𝑥) = (150 + 2500 + 10845 + 28400 + 16875 + 4320) = = 3.5
𝑥=0 4060 4060

63090 14210 2
𝑉(𝑋) = 𝐸[𝑋 2 ] − 𝐸 2 [𝑋] = −( ) = 3.28
4060 4060

Exercice 02 : Concours 2014

Soit l’espace de probabilité (Ω, 𝒜, 𝑃) et trois lots d’articles A, B et C d’une marchandise quelconque. Les
proportions d’articles défectueux sont :

• Pour le lot A : 4% • Pour le lot B : 4% • pour le lot C : 6%

Les lots d’articles n’ont pas d’étiquettes permettant de les designer.

On prélève dans l’un des lots choisis au hasard et avec remise, un échantillon de 10 articles et on désigne par
la variable aléatoire 𝑋 le nombre d’articles défectueux se trouvant dans l’échantillon.

1. Déterminer la loi de probabilité de 𝑋.

2. Calculer le nombre moyen d’articles défectueux ainsi que l’écart-type.
3. On suppose que l’échantillon prélevé au hasard contient 2 articles défectueux ; quelle est la probabilité
que les 2 articles proviennent d’un lot contenant 4% d’articles défectueux ?

Solution :

1. 𝑋 : « le nombre d’articles défectueux se trouvant dans l’échantillon ».

On choisit à partir de l’un des lots, un échantillon de 10 articles tirés avec remise.

𝑛 = 10

𝑎𝑟𝑡𝑖𝑐𝑙𝑒 𝑑é𝑓𝑒𝑐𝑡𝑢𝑒𝑢𝑥 𝑝
Pour le premier article : 𝑍1 ∶ { alors 𝑍1 ~𝐵𝑒𝑟𝑛𝑜𝑢𝑙𝑖(𝑝)
𝑎𝑟𝑡𝑖𝑐𝑙𝑒 𝑛𝑜𝑛 𝑑é𝑓𝑒𝑐𝑡𝑢𝑒𝑢𝑥 1−𝑝

On peut obtenir, de la même manière, que tous les articles 𝑍𝑖 ~𝐵𝑒𝑟𝑛𝑜𝑢𝑙𝑖(𝑝) 𝑎𝑣𝑒𝑐 𝑖 = ̅̅̅̅̅̅
1,10

Puisque 𝑋 = ∑10
𝑖=1 𝑍𝑖 alors 𝑋~𝐵𝑖𝑛𝑜𝑚𝑖𝑎𝑙(10 , 𝑝)

La proportion des articles défectueux varie d’un lot à un autre. Si la provenance des articles est connue alors
le problème est contourné :

Si on définit une variable aléatoire L : « le lot choisi au hasard ». 𝐿(Ω) = {𝐴, 𝐵, 𝐶}

Si les articles proviennent du lot A : 𝑋|𝐿 = 𝐴~𝐵𝑖𝑛𝑜𝑚𝑖𝑎𝑙(10 , 0.04)

Si les articles proviennent du lot B : 𝑋|𝐿 = 𝐵~𝐵𝑖𝑛𝑜𝑚𝑖𝑎𝑙(10 , 0.04)

Si les articles proviennent du lot C : 𝑋|𝐿 = 𝐶~𝐵𝑖𝑛𝑜𝑚𝑖𝑎𝑙(10 , 0.06)

1
𝑃(𝐿 = 𝐴) = 𝑃(𝐿 = 𝐵) = 𝑃(𝐿 = 𝐶) = 3 car le tirage est hasard, chaque lot a la même probabilité d’être tirée.

𝑘 (0.04)𝑘 (0.96)10−𝑘
Alors : 𝑃(𝑋 = 𝑘 |𝐿 = 𝐴) = 𝐶10

𝑘 (0.04)𝑘 (0.96)10−𝑘 𝑘 (0.06)𝑘 (0.94)10−𝑘

𝑃(𝑋 = 𝑘 |𝐿 = 𝐵) = 𝐶10 et 𝑃(𝑋 = 𝑘 |𝐿 = 𝐶) = 𝐶10

Pour trouver la loi de 𝑋 il faut trouver 𝑃(𝑋 = 𝑘). Il faut utiliser le théorème de probabilités totales défini
par : 𝑃(𝐴) = ∑𝐵 𝑃(𝐴 | 𝐵) 𝑃(𝐵) alors :

𝑃(𝑋 = 𝑘) = ∑ 𝑃(𝑋 = 𝑘 | 𝐿 = 𝑙) 𝑃(𝐿 = 𝑙)

𝑙

Donc : 𝑃(𝑋 = 𝑘) = 𝑃(𝑋 = 𝑘 |𝐿 = 𝐴)𝑃(𝐿 = 𝐴) + 𝑃(𝑋 = 𝑘 |𝐿 = 𝐵)𝑃(𝐿 = 𝐵) + 𝑃(𝑋 = 𝑘 |𝐿 = 𝐶)𝑃(𝐿 =

1 𝑘 (0.04)𝑘 (0.96)10−𝑘 1
𝑘 (0.04)𝑘 (0.96)10−𝑘 1
𝑘 (0.06)𝑘 (0.94)10−𝑘
𝐶) = 3 𝐶10 + 3 𝐶10 + 3 𝐶10

2
𝑘 (0.04)𝑘 (0.96)10−𝑘 1
𝑘 (0.06)𝑘 (0.94)10−𝑘
Alors : 𝑃(𝑋 = 𝑘) = 3 𝐶10 + 3 𝐶10

2. Le nombre moyen d’articles défectueux 𝐸[𝑋]

 10 10
2 𝑘 1 𝑘
𝐸[𝑋] = ∑ 𝑘𝑃(𝑋 = 𝑘) = ∑ 𝑘 ( 𝐶10 (0.04)𝑘 (0.96)10−𝑘 + 𝐶10 (0.06)𝑘 (0.94)10−𝑘 )
3 3
𝑘=1 𝑘=1
10 10
2 𝑘 (0.04)𝑘 (0.96)10−𝑘
1 𝑘 (0.06)𝑘 (0.94)10−𝑘
= ∑ 𝑘𝐶10 + ∑ 𝑘𝐶10
3 3
𝑘=1 𝑘=1
2 1 7
= (10 ∗ 0.04) + (10 ∗ 0.06) = 0.466 =
3 3 15

On remarque que : ∑10 𝑘 𝑘

𝑘=1 𝑘𝐶10 (0.04) (0.96)
10−𝑘
est la définition d’une espérance d’une loi Binomiale avec
10 𝑘
paramètre 𝑛 = 10 et 𝑝 = 0.04 alors ∑𝑘=1 𝑘𝐶10 (0.04)𝑘 (0.96)10−𝑘 = 𝑛𝑝 = 10 ∗ 0.04 = 0.4

La variance 𝑉(𝑋) = 𝐸[𝑋 2 ] − 𝐸 2 [𝑋]

10 10
2 𝑘 1 𝑘
𝐸[𝑋 2 ] = ∑ 𝑘 2 𝑃(𝑋 = 𝑘) = ∑ 𝑘 2 ( 𝐶10 (0.04)𝑘 (0.96)10−𝑘 + 𝐶10 (0.06)𝑘 (0.94)10−𝑘 )
3 3
𝑘=1 𝑘=1
10 10
2 𝑘 (0.04)𝑘 (0.96)10−𝑘
1 𝑘 (0.06)𝑘 (0.94)10−𝑘
= ∑ 𝑘 2 𝐶10 + ∑ 𝑘 2 𝐶10
3 3
𝑘=1 𝑘=1
2 1
= (0.544) + (0.924) = 0.67
3 3

On remarque que : ∑10 2 𝑘 𝑘

𝑘=1 𝑘 𝐶10 (0.04) (0.96)
10−𝑘
est la définition d’une espérance carrée d’une loi
Binomiale avec paramètre 𝑛 = 10 et 𝑝 = 0.04 alors ∑10 2 𝑘 𝑘
𝑘=1 𝑘 𝐶10 (0.04) (0.96)
10−𝑘
= 𝑉(𝑋) + 𝐸 2 [𝑋] =
𝑛𝑝(1 − 𝑝) + (𝑛𝑝)2 = 0.384 + (0.4)2 = 0.544

7 2
𝑉(𝑋) = 𝐸[𝑋 2 ] − 𝐸 2 [𝑋] = 0.67 − (15) = 0.453

Enfin 𝜎(𝑋) = √𝑉(𝑋) = √0.453 = 0.673

3. On suppose que l’échantillon prélevé au hasard contient 2 articles défectueux (𝑋 = 2)

Pour calculer la probabilité que lot de provenance de ces articles est un lot de 4% d’articles défectueux (𝐿 =
𝐴 𝑜𝑢 𝐿 = 𝐵 il faut utilsier le théorème de Bayes défini par :

𝑃(𝐴 | 𝐵)𝑃(𝐵) 𝑃(𝐴 | 𝐵)𝑃(𝐵)

𝑃(𝐵 | 𝐴) = =
𝑃(𝐴) ∑𝐵 𝑃(𝐴 | 𝐵)𝑃(𝐵)

𝑃(𝑋 = 2 | 𝐿 = 𝐴 𝑜𝑢 𝐿 = 𝐵)𝑃(𝐿 = 𝐴 𝑜𝑢 𝐿 = 𝐵)
𝑃(𝐿 = 𝐴 𝑜𝑢 𝐿 = 𝐵 | 𝑋 = 2) =
𝑃(𝑋 = 2)
2 2
(𝐶10 (0.04)2 (0.96)8 ) 0.034
= 3 = = 0.51
2 2 2 (0.96)8 + 1 𝐶 2 (0.06)2 (0.94)8 0.067
𝐶 (0.04)
3 10 3 10
Exercice 03 : concours 2011

Dans une entreprise, une machine produit des pièces dont les dimensions très précises doivent être respectées.
On examine 𝑛 pièces choisies au hasard et on note 𝑋 la variable aléatoire représentant le nombre de pièces
défectueuses.

I) Après un premier réglage, on constate une proportion de 30% de pièces défectueuses. Pour 𝑛 = 5 ;
1) Quelle est la loi de probabilité de 𝑋 ? justifiez votre réponse. Calculer l’espérance et l’écart type de 𝑋.
2) Quelle est la probabilité que deux des pièces soient défectueuses ?
3) Quelle est la probabilité qu’il n’y ait plus d’une pièce défectueuse ?
4) Déterminer la valeur de 𝑋 la plus probable. Calculer la probabilité associée.
II) Après un second réglage, la proportion des pièces défectueuse devient 5%. Pour 𝑛 = 100 ;
1) Par quelle loi peut-on approximer la loi de probabilité de 𝑋 ? justifiez votre réponse.
2) Calculer la probabilité de ne pas trouver de pièces défectueuses.
3) Calculer la probabilité d’obtenir deux pièces défectueuses.
4) Calculer la probabilité que le nombre de pièces défectueuse soit compris entre (au sens large) 2 et 4.
5) En déduire l’espérance et la variance de 𝑋

Solution :

𝑋 : « 𝑙𝑒 𝑛𝑜𝑚𝑏𝑟𝑒 𝑑𝑒 𝑝𝑖è𝑐𝑒𝑠 𝑑é𝑓𝑒𝑐𝑡𝑢𝑒𝑢𝑠𝑒𝑠 »

30
I. 𝑛 = 5 et 𝑃(« 𝑢𝑛𝑒 𝑝𝑖è𝑐𝑒 𝑠𝑜𝑖𝑡 𝑑é𝑓𝑒𝑐𝑡𝑢𝑒𝑢𝑠𝑒 ») = 100 = 0.3
1. Puisque on a 5 pièces, alors le nombre de pièces défectueuses sera compris entre 0 et 5. 𝑋(Ω) =
{0,1,2,3,4,5}

𝑑é𝑓𝑒𝑐𝑡𝑢𝑒𝑢𝑠𝑒 𝑝 = 0.3
Si on observe la première pièce : 𝑌1 ∶ { alors 𝑌1 ~𝐵𝑒𝑟𝑛𝑜𝑢𝑙𝑖(0.3)
𝑛𝑜𝑛 𝑑é𝑓𝑒𝑐𝑡𝑒𝑐𝑡𝑢𝑒𝑢𝑠𝑒 1 − 𝑝 = 0.7
̅̅̅̅
On peut obtenir, de la manière, que toutes les composantes 𝑌𝑖 ~𝐵𝑒𝑟𝑛𝑜𝑢𝑙𝑖(0.3) 𝑎𝑣𝑒𝑐 𝑖 = 1,3
5
Puisque 𝑋 = ∑𝑖=1 𝑌𝑖 alors 𝑋~𝐵𝑖𝑛𝑜𝑚𝑖𝑎𝑙(5, 0.3)
𝐸[𝑋] = 𝑛𝑝 = 5 ∗ 0.3 = 1.5
𝑉(𝑋) = 𝑛𝑝(1 − 𝑝) = 5 ∗ 0.3 ∗ 0.7 = 1.05
L’écart-type : 𝜎(𝑋) = √𝑉(𝑋) = √1.05 = 1.024

2. 𝑃(« 𝑑𝑒𝑢𝑥 𝑑𝑒𝑠 𝑝𝑖è𝑐𝑒𝑠 𝑠𝑜𝑛𝑡 𝑑é𝑓𝑒𝑐𝑡𝑢𝑒𝑢𝑠𝑒𝑠 ») = 𝑃(𝑋 = 2) = 𝐶52 (0.3)2 (0.7)3 = 0.3087
3. 𝑃(« 𝑖𝑙 𝑛′ 𝑦 𝑎𝑖𝑡 𝑝𝑙𝑢𝑠 𝑑′ 𝑢𝑛𝑒 𝑝𝑖è𝑐𝑒 𝑑é𝑓𝑒𝑐𝑡𝑢𝑒𝑢𝑠𝑒 ») = 𝑃(𝑋 = 0) = 𝐶50 (0.3)0 (0.7)5 = 0.16807
4. La valeur de 𝑋 la plus probable est le mode de 𝑋.
𝑀𝑜𝑑𝑒(𝑋) = ⌊(𝑛 + 1)𝑝⌋ = ⌊(5 + 1) ∗ 0.3⌋ = ⌊1.8⌋ = 1
𝑃(𝑋 = 1) = 𝐶51 (0.3)1 (0.7)4 = 0.36015

Sinon, on peut calculer toutes les probabilités et on détermine la plus grande probabilité
x 0 1 2 3 4 5 Somme
𝑷(𝑿 = 𝒙) 0.16807 𝟎. 𝟑𝟔𝟎𝟏𝟓 0.3087 0.1323 0.02835 0.00243 1

Alors la valeur la plus probable est 𝑋 = 1 avec 𝑃(𝑋 = 1) = 0.36015

5
II. 𝑛 = 100 et 𝑃(« 𝑢𝑛𝑒 𝑝𝑖è𝑐𝑒 𝑠𝑜𝑖𝑡 𝑑é𝑓𝑒𝑐𝑡𝑢𝑒𝑢𝑠𝑒 ») = 100 = 0.05
 1. Pour que la variable 𝑋 puisse être approximer par une loi de Poisson, il faut satisfaire les conditions
suivantes :

𝑛 > 30 𝑛 = 100 > 30

{𝑝 < 0.1 Dans notre cas : {𝑝 = 0.05 < 0.1 toutes les conditions sont vérifiées, alors on peut conclure que
𝑛𝑝 < 5 𝑛𝑝 = 5 = 5
la variable aléatoire 𝑋 peut-être approximé par une loi de Poisson de paramètre 𝜆 = 𝑛𝑝 = 5

𝑒 −5 (5)0
2. 𝑃(« 𝑛𝑒 𝑝𝑎𝑠 𝑡𝑟𝑜𝑢𝑣𝑒𝑟 𝑑𝑒 𝑝𝑖è𝑐𝑒𝑠 𝑑é𝑓𝑒𝑐𝑡𝑢𝑒𝑢𝑠𝑒𝑠 ») = 𝑃(𝑋 = 0) = = 𝑒 −5 = 0.0067
0!
𝑒 −5 (5)2
3. 𝑃(« 𝑡𝑟𝑜𝑢𝑣𝑒𝑟 𝑑𝑒𝑢𝑥 𝑝𝑖è𝑐𝑒𝑠 𝑑é𝑓𝑒𝑐𝑡𝑢𝑒𝑢𝑠𝑒𝑠 ») = 𝑃(𝑋 = 2) = = 0.0842
2!
4. 𝑃(« 𝑛𝑜𝑚𝑏𝑟𝑒 𝑑𝑒 𝑝𝑖é𝑐𝑒𝑠 𝑑é𝑓𝑒𝑐𝑡𝑢𝑒𝑢𝑠𝑒𝑠 𝑒𝑛𝑡𝑟𝑒 2 𝑒𝑡 4 ») = 𝑃(2 ≤ 𝑋 ≤ 4) = 𝑃(𝑋 = 2) + 𝑃(𝑋 =
𝑒 −5 (5)2 𝑒 −5 (5)3 𝑒 −5 (5)4
3) + 𝑃(𝑋 = 4) = + + = 0.0842 + 0.14037 + 0.1754 = 0.4
2! 3! 4!
5. Puisque 𝑋~𝑃𝑜𝑖𝑠𝑠𝑜𝑛(𝜆 = 5) alors 𝐸[𝑋] = 𝜆 = 5 et 𝑉(𝑋) = 𝜆 = 5

Exercice 04 : Concours 2019

Un étudiant change les téléphones portables tous les ans, le jour de son anniversaire. Il conserve toujours un
téléphone une année entière. Si le téléphone tombe en panne dans l’année, il le fait réparer et change tout de
même de téléphone à la date prévue. On suppose que la probabilité qu’un téléphone portable tombe en panne
dans l’année est 𝑝. On suppose aussi qu’un téléphone ne peut pas subir plus d’une panne dans son année de
possession par l’étudiant.

On note 𝑋 la variable aléatoire « nombre de téléphones tombées en panne dans les dix premières années ».

1. Quelle loi suit la variable aléatoire 𝑋.

2. Donner la probabilité que l’étudiant ait 5 pannes de portables sur les dix premières années.
3. Donner l’espérance et la variance de 𝑋.

On suppose qu’un nouveau téléphone portable coûte 10000 DA. Lors de l’achat l’étudiant peut l’assurer pour
1000 DA auquel cas le portable sera réparé gratuitement (pendant un an). Si le portable n’est pas assuré, le
coût d’une réparation est de 5000 DA. On note 𝑌 la variable aléatoire « montant dépensé par l’étudiant en
téléphonie s’il ne s’assure jamais sur les dix premières années » (on compte donc dans 𝑌 l’achat des
téléphones ainsi que les réparations éventuelles).

4. Exprimer 𝑌 en fonction de 𝑋. Donner 𝑌(Ω) et la loi de 𝑌.

5. Combien dépensera l’étudiant en téléphonie les dix premières années s’il assure tous ses téléphones ?
6. Pour quelles valeurs de 𝑝 est-il préférable d’assurer ses téléphones ?

On s’intéresse maintenant à la première panne de téléphone que connait l’étudiant. On note 𝑍 la variable
aléatoire donnant l’année pendant laquelle l’étudiant subit sa première panne téléphonique, en numérotant
les année de 1 pour l’année d’achat du premier téléphone.

7. Quelle loi suit la variable aléatoire 𝑍.

8. Donner la probabilité que la première panne que subit l’étudiant soit sur son troisième portable.

Solution :

On note 𝑋 la variable aléatoire « nombre de téléphones tombés en panne dans les dix premières années ».

1. La loi de la variable aléatoire 𝑋 :

Puisque on a 10 années, alors le nombre de fois ou le téléphone va tomber en panne sera compris entre 0 et
10. 𝑋(Ω) = {0,1,2,3,4,5,6,7,8,9,10}

𝑡é𝑙é𝑝ℎ𝑜𝑛𝑒 𝑡𝑜𝑚𝑏𝑒 𝑒𝑛 𝑝𝑎𝑛𝑛𝑒 𝑝

Si on observe la première année : 𝐾1 ∶ { alors 𝐾1 ~𝐵𝑒𝑟𝑛𝑜𝑢𝑙𝑖(𝑝)
𝑝𝑎𝑠 𝑑𝑒 𝑝𝑎𝑛𝑛𝑒 1−𝑝
On peut obtenir, de la manière, que toutes les années 𝐾𝑖 ~𝐵𝑒𝑟𝑛𝑜𝑢𝑙𝑖(𝑝) 𝑎𝑣𝑒𝑐 𝑖 = ̅̅̅̅̅̅
1,10
10
Puisque 𝑋 = ∑𝑖=1 𝐾𝑖 alors 𝑋~𝐵𝑖𝑛𝑜𝑚𝑖𝑎𝑙(10, 𝑝)
2. La probabilité qu’un étudiant ait 5 pannes de téléphones portables sur les dix premières années
5 5 (1
𝑃(𝑋 = 5) = 𝐶10 𝑝 − 𝑝)5
3. Espérance et variance de 𝑋
𝐸[𝑋] = 𝑛𝑝 = 10𝑝
𝑉(𝑋) = 𝑛𝑝(1 − 𝑝) = 10𝑝(1 − 𝑝)

4. L’étudiant achète 10 téléphones alors il dépense 100000 DA pour les achats et il dépense 5000 DA
pour chaque réparation, ce qui implique qu’il dépense 5000𝑋 (𝑋 est le nombre de réparations effectuées sur
les dix années) alors : 𝑌 = 100000 + 5000𝑋

On peut déduire que

𝑌(Ω) = {100000,105000,110000,115000,120000,125000,130000,135000,14000,145000,150000}

Pour déterminer la loi de 𝑌, on utilise le fait que 𝑌 est un changement de variable de la variable 𝑋.
𝑘 𝑘 (1
Alors : 𝑃(𝑌 = 100000 + 5000𝑘) = 𝑃(𝑋 = 𝑘) = 𝐶10 𝑝 − 𝑝)10−𝑘 pour 𝑘 ∈ {0,1, … ,10}

5. La dépense de l’étudiant s’il assure tous ses téléphones sur les dix ans sera de 10 ∗ (10000 + 1000)
alors une dépense de 110000 𝐷𝐴.
6. Il est préférable d’assurer ses téléphones si le montant moyen des dépenses en téléphonie sans
assurances est supérieur au montant des dépenses avec assurances :

𝐸[𝑌] ≥ 𝐸[110000] ⇒ 𝐸[100000 + 5000𝑋] ≥ 110000 ⇒ 100000 + 5000𝐸[𝑋] ≥ 110000

10000
⇒ 5000(10𝑝) ≥ 10000 ⇒ 𝑝 ≥
50000
Alors 𝑝 ≥ 0.2. Il vaut donc assurer son téléphone si la probabilité de panne est supérieure à 20%.

7. Puisque la panne représente « le succès », alors 𝑍 représente la date du premier succès. La probabilité
de panne étant fixe, 𝑍 suit une loi géométrique de paramètre 𝑝. 𝑍~𝑔(𝑝)

𝑃(𝑍 = 𝑘) = 𝑝(1 − 𝑝)𝑘−1 , 𝑘 ≥ 1

8. 𝑃(𝑍 = 3) = 𝑝(1 − 𝑝)3−1 = 𝑝(1 − 𝑝)2

Exercice 05 : test 2017/2018

1. Une urne contient 2 boules noires et 8 boules blanches. Un joueur tire successivement 5 boules avec
remise (AR). S’il tire une boule blanche il gagne 2 points dans le cas contraire il perd trois points. Soit 𝑋 le
nombre de points obtenus par le joueur en une partie.
a. Donner la distribution de la variable 𝑋.
b. Calculer 𝐸(𝑋) 𝑒𝑡 𝑉(𝑋).
2. Le joueur tire 5 boules simultanément (SR), Soit 𝑇 le nombre de boules blanches obtenues. Après ce
premier tirage le joueur remet les boules noires obtenues et effectue un nouveau tirage simultané de 5
boules. On appelle Z le nombre de boules blanches obtenues lors de ce second tirage.
a. Déterminer les lois de 𝑇 et de 𝑍.
b. Calculer 𝐸(𝑇).

Solution :

Une urne contient 2𝐵𝑁 et 8𝐵𝐵. On effectue un tirage de 5 boules.

1. Le tirage est avec remise (AR). Une 𝐵𝐵 = +2 𝑝𝑜𝑖𝑛𝑡𝑠 et une 𝐵𝑁 = −3 𝑝𝑜𝑖𝑛𝑡𝑠
𝑋 : « le nombre de points obtenus par le joueur »
a. On remarque que la variable aléatoire 𝑋 dépend du nombre de boules tirées lors de ces 5 tirages. On peut
étudier les différents résultats dans le tableau suivant (il existe d’autres méthodes)

𝑩𝑩 𝑩𝑵 = 𝒀 𝒑𝒐𝒊𝒏𝒕𝒔 = 𝑿

0 5 𝑋 = 0 ∗ 2 − 3 ∗ 5 = −15

1 4 𝑋 = 1 ∗ 2 − 3 ∗ 4 = −10

2 3 𝑋 = 2 ∗ 2 − 3 ∗ 3 = −5

3 2 𝑋 =3∗2−3∗2= 0

4 1 𝑋 =4∗2−3∗1= 5

5 0 𝑋 = 5 ∗ 2 − 3 ∗ 0 = 10

On peut déduire que 𝑋(Ω) = {−15, −10, −5, 0, 5, 10}

Il faut juste calculer les probabilités : on peut définir 𝑌 : « le nombre de BN tirées par le joueur », puisque le
2
tirage effectué est sans remise, on peut déduire que 𝑌~𝐵 (5, 10)

(N.B. La définition de la variable 𝑌 n’est pas obligatoire, mais cela permet de faciliter les calculs)
1 5 4 0
𝑃(𝑋 = −15) = 𝑃("𝑜𝑏𝑡𝑒𝑛𝑖𝑟 5 𝐵𝑁") = 𝑃(𝑌 = 5) = 𝐶55 (5) (5) = 0.00032
1 4 4 1
𝑃(𝑋 = −10) = 𝑃("𝑜𝑏𝑡𝑒𝑛𝑖𝑟 4 𝐵𝑁") = 𝑃(𝑌 = 4) = 𝐶54 (5) (5) = 0.0064
1 3 4 2
𝑃(𝑋 = −5) = 𝑃("𝑜𝑏𝑡𝑒𝑛𝑖𝑟 3 𝐵𝑁") = 𝑃(𝑌 = 3) = 𝐶53 (5) (5) = 0.0512
1 2 4 3
𝑃(𝑋 = 0) = 𝑃("𝑜𝑏𝑡𝑒𝑛𝑖𝑟 2 𝐵𝑁") = 𝑃(𝑌 = 2) = 𝐶52 (5) (5) = 0.2048
1 1 4 4
𝑃(𝑋 = 5) = 𝑃("𝑜𝑏𝑡𝑒𝑛𝑖𝑟 1 𝐵𝑁") = 𝑃(𝑌 = 1) = 𝐶51 (5) (5) = 0.4096
1 0 4 5
𝑃(𝑋 = 10) = 𝑃("𝑜𝑏𝑡𝑒𝑛𝑖𝑟 0 𝐵𝑁") = 𝑃(𝑌 = 0) = 𝐶50 (5) (5) = 0.32768

La distribution de la variable 𝑋 est alors donnée par :

x -15 -10 -5 0 5 10 Somme
𝑷(𝑿 = 𝒙) 0.00032 0.0064 0.0512 0.2048 0.4096 0.32768 1
b.
𝐸[𝑋] = ∑10
𝑥=−15 𝑥𝑃(𝑋 = 𝑥) = −15 ∗ 0.00032 − 10 ∗ 0.0064 − 5 ∗ 0.512 + 5 ∗ 0.4096 + 10 ∗
0.32768 = 5
𝐸[𝑋 2 ] = ∑10 2 2 2 2 2
𝑥=−15 𝑥 𝑃(𝑋 = 𝑥) = (−15) ∗ 0.00032 + (−10) ∗ 0.0064 + (−5) ∗ 0.512 + 5 ∗
0.4096 + 102 ∗ 0.32768 = 45
𝑉(𝑋) = 𝐸[𝑋 2 ] − 𝐸 2 [𝑋] = 45 − 52 = 20

2ème méthode : On remarque que la variable aléatoire 𝑋 peut être définie comme étant 𝑋 = 2 ∗ (5 − 𝑌) −
3𝑌 = 10 − 2𝑌 − 3𝑌 = 10 − 5𝑌
2
Alors 𝐸[𝑋] = 𝐸[10 − 5𝑌] = 10 − 5𝐸[𝑌] = 10 − 5 (5 ∗ 10) = 10 − 5 = 5
2 8
Et 𝑉(𝑋) = 𝑉(10 − 5𝑌) = 25𝑉(𝑌) = 25 ∗ (5 ∗ 10 ∗ 10) = 20

2. le joueur effectue un tirage Sans remise (SR) de 5 boules. T : « le nombre de BB obtenues »

8
Puisque le tirage effectué est un tirage sans remise, alors on peut déduire que 𝑇~𝐻 (10,5, 10)
4
Une loi hypergéométrique avec une probabilité de succès de 𝑝 = 5 et 𝑇(Ω) = {3,4,5}
𝐶83 𝐶22 2 𝐶84 𝐶21 5 𝐶85 𝐶20 2
𝑃(𝑋 = 3) = 5 = = 0.22 , 𝑃(𝑋 = 4) = 5 = = 0.55 et 𝑃(𝑋 = 3) = 5 = =
𝐶10 9 𝐶10 9 𝐶10 9
0.22
La variable 𝑇 est alors définie comme :
t 3 4 5 Somme
𝑷(𝑻 = 𝒕) 0.22 0.55 0.22 1
8
𝐸[𝑇] = 𝑛𝑝 = 5 ∗ 10 = 4

𝑍 : « nombre 𝐵𝐵 obtenues lors du second tirage »

On remarque clairement que la variable aléatoire 𝑍 dépend du résultat du premier tirage (selon le schéma
décrit dans cet exercice, où le nombre de 𝐵𝐵 tirées lors du premier ne seront pas remises dans l’urne) et
puisque le résultat de ce premier tirage est défini avec la variable 𝑇, alors on va commencer par étudier la
distribution de la variable 𝑍 sachant la variable 𝑇 = 𝑡.

𝑻=𝒕 𝒏𝒐𝒎𝒃𝒓𝒆 𝒅𝒆 𝑩𝑩 𝒓𝒆𝒔𝒕𝒂𝒏𝒕𝒔 𝒏𝒐𝒎𝒃𝒓𝒆 𝒅𝒆 𝑩𝑵 𝒓𝒆𝒔𝒕𝒂𝒏𝒕𝒔 𝒁(𝛀)

𝒅𝒂𝒏𝒔 𝒍′𝒖𝒓𝒏𝒆 𝒅𝒂𝒏𝒔 𝒍′𝒖𝒓𝒏𝒆

3 5 2 {3,4,5}

4 4 2 {3,4}

5 3 2 {3}

Alors on remarque que le nombre de boules blanches tirées lors du deuxième tirage est influencé par le
nombre de boules blanches tirées lors du premier tirage. Connaitre le nombre de boules blanches tirées au
premier tirage nous permet de calculer les probabilités conditionnelles de la variable 𝑍.

8−𝑡
𝑍| 𝑇 = 𝑡 ~𝐻 (10 − 𝑡, 5, ) 𝑝𝑜𝑢𝑟 𝑧 ≤ 𝑡
10 − 𝑡
𝐶53 𝐶22 10 𝐶54 𝐶21 10 𝐶55 𝐶20 1
𝑃(𝑍 = 3 |𝑇 = 3) = = 21 ; 𝑃(𝑍 = 4 |𝑇 = 3) = = 21 et 𝑃(𝑍 = 5 |𝑇 = 3) = = 21
𝐶75 𝐶75 𝐶75
 𝐶43 𝐶22 4 𝐶44 𝐶21 2
𝑃(𝑍 = 3 |𝑇 = 4) = = 6 et 𝑃(𝑍 = 4 |𝑇 = 4) = =6
𝐶65 𝐶75

𝐶33 𝐶22
𝑃(𝑍 = 3 |𝑇 = 5) = =1
𝐶55

Après la définition de la distribution de la variable 𝑍 sachant 𝑇 = 𝑡, on utilise le théorème de probabilités

totales pour trouver la distribution de la variable 𝑍. La formule utilisée est

𝑃(𝑍 = 𝑧) = ∑ 𝑃(𝑍 = 𝑧 | 𝑇 = 𝑡) ∗ 𝑃(𝑇 = 𝑡)

𝑡∈𝑇(Ω)

On peut déduire les probabilités de la manière suivante :

𝑃(𝑍 = 3) = 𝑃(𝑍 = 3 | 𝑇 = 3) ∗ 𝑃(𝑇 = 3) + 𝑃(𝑍 = 3 | 𝑇 = 4) ∗ 𝑃(𝑇 = 4) + 𝑃(𝑍 = 3 | 𝑇 = 5) ∗ 𝑃(𝑇 =
5)
10 2 2 5 2 132
𝑃(𝑍 = 3) = 21 ∗ 9 + 3 ∗ 9 + 1 ∗ 9 = 189 = 0.698
10 2 1 5 55
𝑃(𝑍 = 4) = 𝑃(𝑍 = 4 | 𝑇 = 3) ∗ 𝑃(𝑇 = 3) + 𝑃(𝑍 = 4 | 𝑇 = 4) ∗ 𝑃(𝑇 = 4) = 21 ∗ 9 + 3 ∗ 9 = 189 =
0.291
1 2 2
𝑃(𝑍 = 5) = 𝑃(𝑍 = 5 | 𝑇 = 3) ∗ 𝑃(𝑇 = 3) = 21 ∗ 9 = 189 = 0.01

La variable 𝑍 est alors définie comme :

𝒛 3 4 5 Somme
𝑷(𝒁 = 𝒛) 132 55 2 1
189 189 189

Exercice 06 : test 2018/2019

Ali a deux pièces 𝐴 𝑒𝑡 𝐵. La probabilité d’obtenir FACE est de 0.5 pour la pièce 𝐴 (respectivement 0.9 pour
la pièce 𝐵). Ali choisit une pièce au hasard puis il lance (la pièce choisi) 5 fois. Soit 𝑁 la variable aléatoire
qui compte le nombre de FACE obtenues.
1. Trouver la distribution de 𝑁.
2. Calculer 𝐸[𝑁].
3. Calculer 𝑉(𝑁| 𝐴).

Solution :

1.

On choisit une pièce au hasard et on lance cette pièce 5 fois. 𝑛 = 10

𝐹𝐴𝐶𝐸 𝑝
Pour le premier lancer : 𝑍1 ∶ { alors 𝑍1 ~𝐵𝑒𝑟𝑛𝑜𝑢𝑙𝑖(𝑝)
𝑃𝐼𝐿𝐸 1−𝑝

On peut obtenir, de la même manière, que tous les lancers 𝑍𝑖 ~𝐵𝑒𝑟𝑛𝑜𝑢𝑙𝑖(𝑝) 𝑎𝑣𝑒𝑐 𝑖 = ̅̅̅̅
1,5

Puisque 𝑁 = ∑5𝑖=1 𝑍𝑖 alors 𝑁~𝐵𝑖𝑛𝑜𝑚𝑖𝑎𝑙(10 , 𝑝)

La probabilité d’obtenir FACE varie d’une pièce à une autre. Si la pièce est connue alors le problème est
contourné :

Si on définit une variable aléatoire 𝑃 : « la pièce choisie au hasard ». 𝐿(Ω) = {𝐴, 𝐵}

Si la pièce choisie est A : 𝑁|𝑃 = 𝐴~𝐵𝑖𝑛𝑜𝑚𝑖𝑎𝑙(5 , 0.5)

Si la pièce choisie est B : 𝑁|𝑃 = 𝐵~𝐵𝑖𝑛𝑜𝑚𝑖𝑎𝑙(5 , 0.9)

1
𝑃(𝑃 = 𝐴) = 𝑃(𝑃 = 𝐵) = 2 car le tirage est hasard, chaque pièce a la même probabilité d’être choisie.

Alors : 𝑃(𝑁 = 𝑘 |𝑃 = 𝐴) = 𝐶5𝑘 (0.5)𝑘 (0.5)5−𝑘

𝑃(𝑁 = 𝑘 |𝑃 = 𝐵) = 𝐶5𝑘 (0.9)𝑘 (0.1)5−𝑘

Pour trouver la loi de 𝑋 il faut trouver 𝑃(𝑁 = 𝑘). Il faut utiliser le théorème de probabilités totales défini
par : 𝑃(𝐴) = ∑𝐵 𝑃(𝐴 | 𝐵) 𝑃(𝐵) alors :

𝑃(𝑁 = 𝑘) = ∑ 𝑃(𝑁 = 𝑘 | 𝑃 = 𝑝) 𝑃(𝑃 = 𝑝)

𝑝

1
Donc : 𝑃(𝑁 = 𝑘) = 𝑃(𝑁 = 𝑘 |𝑃 = 𝐴)𝑃(𝑃 = 𝐴) + 𝑃(𝑁 = 𝑘 |𝑃 = 𝐵)𝑃(𝑃 = 𝐵) = 2 𝐶5𝑘 (0.5)𝑘 (0.5)5−𝑘 +
1
𝐶 𝑘 (0.9)𝑘 (0.1)5−𝑘
2 5

1 1
Alors : 𝑃(𝑁 = 𝑘) = 2 𝐶5𝑘 (0.5)5 + 2 𝐶5𝑘 (0.9)𝑘 (0.1)5−𝑘

2.
5 5
1 1
𝐸[𝑁] = ∑ 𝑘𝑃(𝑁 = 𝑘) = ∑ 𝑘 ( 𝐶5𝑘 (0.5)5 + 𝐶5𝑘 (0.9)𝑘 (0.1)5−𝑘 )
2 2
𝑘=1 𝑘=1
5 5
1 1 1 1
= ∑ 𝑘𝐶5𝑘 (0.5)5 + ∑ 𝑘𝐶5𝑘 (0.9)𝑘 (0.1)5−𝑘 = (5 ∗ 0.5) + (5 ∗ 0.9) = 3.5
2 2 2 2
𝑘=1 𝑘=1
3. 𝑉(𝑁|𝐴) = 𝑉(𝑁|𝑃 = 𝐴) on a 𝑁|𝑃 = 𝐴~𝐵𝑖𝑛𝑜𝑚𝑖𝑎𝑙(5 , 0.5) alors 𝑉(𝑁|𝑃 = 𝐴) = 𝑛𝑝(1 − 𝑝) = 5 ∗
0.5 ∗ 0.5 = 1.25