Université Ibn Toufail Année universitaire : 2022-2023

Ecole Nationale de Commerce Cours de Probabilité & Statistique

et de Gestion- Kénitra
Série N◦ 3

Exercice 1.
Trois étudiants passent un examen en fin d’année. Compte tenu de leur profil : assiduité, niveau
de réflexion, travail fourni durant l’année, leurs chances de réussite sont estimées respectivement à
90%, 80%, 60%.
1. Calculer les probabilités que parmi ces trois étudiants, il y ait, respectivement : aucun admis,
un admis, deux admis, trois admis.
2. Soit X la variable aléatoire égale au nombre d’admis. Déterminer la loi de probabilité de X.
Calculer l’espérance mathématique E(X) et la variance de V (X).

Exercice 2. Considérons l’expérience aléatoire qui consiste à lancer un dé, les issues de l’expérience
étant l’apparition ou non du chiffre 2.
1. Quelle est la loi de la variable aléatoire X égale au nombre de fois où le chiffre 2 est apparu au
cours des 100 lancers ?
2. Calculer l’espérance mathématique et l’écart-type de X

Exercice 3. Un industriel s’approvisionne auprès d’une usine qui fabrique des machines dont 99%
de bonnes qualités. L’industriel commande 25 machines.
1) Quelle est la loi suivie par la variable aléatoire désignant le nombre de machines de bonne qua-
lités ?
2) Quelle est la probabilité que sur le lot commandé, aucune machine ne soit de maivaise qualité ?
3) L’industriel refuse la commande lorsque le nombre de machine de mauviase qualité est supérieur
à deux. Quelle est la probabilité que cet événement se réalise ?

Solution 3. On note X la variable désignant le nombre de machines de bonne qualité parmi le lot
de 25 machines. On définit l’épreuve de Bernoulli :
Succès : la machine est de bonne qualité avec p = 0, 99.
Echec : La machie est de mauvaise qualité avec q = 1 − p = 0, 01.
L’expérience consiste à répéter les épreuves e Bernoulli 25 fois d’une manière indépendante, et X
est le nombre de succès donc X ≃ B(n = 25, p = 0, 99).
2)
P [X = 25] = (0, 99)25 .
3) Le nombre de machine de mauvaise qualité est ≥ 2 veut dire que le nombre de machines de
bonne qualité est ≤ 23, i.e,
24
P [X ≤ 23] = 1 − P [X ≥ 24] = 1 − P [X = 24] − P [X = 25] = 1 − C25 .

Exercice 4. Lors d’un examen, les condidats doivent remplir un questionnaire de 10 questions
en choisissant pour chacune d’elles l’une des 4 réponses proposées, dont une seule est exacte. Un
condidat décide de tenter sa chance en cochant au hasard une réponse pour chaque question.
1) Donner la probabilité que le condidat choisi une bonne réponse à une question donnée.
2) On note X la variable aléatoire qui désigne le nombre de bonnes réponses du condidat.
a- Donner la loi de probabilité de X.
b- Déterminer la fonction de répartition de X et donner sa représentation graphique.
c- Calculer P (X ≥ 2).
d- Calculer E(X) et σ(X).

1
 Solution 4.
1) une réponse est exacte parmi 4 proposées. Donc p = 1/4 = 0, 25 est la probabililté de choisir
une bonne réponse à une question donné.
2) X est la v.a. désigne le nombre de bonne réponse. c’est une répétition 10 fois d’une épreuve de
Bernoulli de manière indépendante :
-Succès : le candidat a choisi une bonne réponse avec p = 0, 25.
- Echec : le candiadat a choisi une mauvaise réponse avec q = 1 − p.

a- X ≃ B(10, 0, 25).
b- On a X(Ω) = {0, 1, · · · , 10} avec

P [X = k] = C1 0k (0, 25)k (0, 75)10−k , ∀k ∈ X(Ω).

La fonction de répartiton est une fonction F : R → [0, 1] définie par :

X X
F (x) = P [X ≤ x] = P [X = k] = C1 0k (0, 25)k (0, 75)10−k
k≤x k≤x

— x ∈] − ∞, 0[, on a F (x) = 0.
Pour
— x ∈ [0, 1[, on a F (x) = P [X = 0].
Pour
— x ∈ [1, 2[, on a F (x) = P [X = 0] + P [X = 1].
Pour
— x ∈ [2, 3, on a F (x) = P [X = 0] + P [X = 1] + P [X = 2].
Pour
— x ∈ [3, 4[, on a F (x) = P [X = 0] + P [X = 1] + P [X = 2] + P [X = 3]
Pour
X4
— Pour x ∈ [4, 5[, on a F (x) = P [X = k]
k=0
X5
— Pour x ∈ [5, 6[, on a F (x) = P [X = k]
k=0
X6
— Pour x ∈ [6, 7[, on a F (x) = P [X = k]
k=0
X7
— Pour x ∈ [7, 8[, on a F (x) = P [X = k]
k=0
X8
— Pour x ∈ [8, 9[, on a F (x) = P [X = k]
k=0
X9
— Pour x ∈ [9, 10[, on a F (x) = P [X = k]
k=0
— Pour x ∈ [10, +∞[, on a F (x) = 1.
c- P [X ≥ 2] = 1 − P [X ≤ 1] = 1 − P [X = 0] + P [X = 1].
d- X est une binomiale, alors E(X) = 2, 5 et V (X) = 1, 875.
Exercice 5. On lance d’un seul coup 9 dés équilibrés et on note les numéros des faces visibles.
1) Calculer la probabilité qu’un tiers au moins des dés affichent un numéro impair.
2) Déduire la probabilité que deux tiers au plus des dés affichent un numéro pair.
3) Si quelqu’un vous informe que deux dés affichent 2 et 4. Calculer la probabilité qu’un tiers au
moins des dés affichent un numéro impair.
Solution 5.
On définie l’épreuve de Bernoulli :
Succès : dé affcihe numéro impair avec p = 0, 5.
Echèc : Dé affcihe numéro pair avec q = 0, 5.
On note X le nombre de dés qui affichent un numéro impair, et puisque les dés sont indépendants,

2
alors X est un répétition 9 fois de l’épreuve de Bernoulli d’une manière indépendantes, ainsi
X ≃ B(9; 0, 5).
X2
P [X ≥ 3] = 1 − P [X ≤ 2] = 1 − C9k (0, 5)9 = 0, 91.
k=0

Exercice 6. L’oral d’un examen comporte vingt sujets possibles. Le candidat tire trois sujets au
hasard. Parmi les trois sujets, il choisit le sujet qu’il désire traiter. Le condidat a révisé seulement
douze sujets. On considère la variable aléatoire X : nombre de sujets révisés parmi les trois sujets
tirés.
1) On demande de déterminer :
a- La loi de probabilité de X.
b- P [ 21 < X < 25 ].
c- E(X) et V (X).
2) Quelle est la probabilité que le condidat obtienne au moins un sujet révisé ?

Solution 6.
X le nombre de sujets révisés.
La population est divisée en deux sous-population : les sujets révisés et les sujets non révisés, et
on fait un tirage simultané. Alors
a- X suit une loi Hypergéomètrique. i.e., X ≃ H(20; 3; p = 12
20 ) tel que ∀k ∈ {0, 1, 2, 3} on a

k
C12 C83−k
P [X = k] = 3
C20
.
b-
1 5 C1 C2 C2 C1
P[ < X < ] = P [X = 1] + P [X = 2] = 123 8 + 123 8
2 2 C20 C20
c- On a Pour loi Hypergéomètrique
12 9 12 8 17
E(X) = np = 3 = etV (X) = 3 .
20 5 20 20 19
2)
C83
P [X ≥ 1] = 1 − P [X = 0] = 1 − 3 .
C20

Exercice 7. On possède une pièce de monnaie truquée de telle sorte que la probabilité d’obtenir
pile soit 0, 3.
1) On lance 10 fois la pièce. Quelle est la probabilité d’obtenir 3 fois pile ?
2) On lance la pièce jusqu’à ce que l’on obtienne pile pour la première fois. Combien effectuera-t-on
en moyenne de lancers ?
Exercice 8. Un établissement commercial a crée un département de ventes par téléphone. L’établissement
a commandé une étude statistique des appels téléphoniques reçus en vue de réduire l’attente de
ses clients au téléphone. Cette étude a montré que les appels obéissaient à un processus de poisson
et que le nombre de moyen des appels observés entre 18 et 20 heures était de 120 par heure. Les
questions suivantes se rapportent toutes à la plage de 18 − 20 heures.
1) Calculer la probabilité qu’il y ait strictement plus de 15 appels enregistrés pendants une période
de 5 munites.
2) Quelle est la probabilités qu’il se produise un et un seul appel durant 30 secondes ?
3) Quelle est la probabilité qu’il se produise au moins deux appels durant 30 secondes ?
Solution 8. On note X le nombre d’appels tĺéphoniques pendant 5 min entre 18 − 20. X ≃ P (λ)

3
 T 5
avec λ = p dt avec p = 240, T = 5 et dt = 120. donc λ = 240 120 = 10. Ainsi,
P [X > 15] = 1 − P [X ≤ 15]
En utilisant la table statistique de la loi de Poisson on obtient
P [X > 15] = 1 − 0, 951 = 0, 049.
T 30
2) Dans ce cas λ = p dt avec T = 30 et dt = 120 × 60 = 7200. Donc, λ = 120 7200 = 1/2. Ainsi,
P [X = 1] = 1/2e−1/2 .
3)
P [X ≥ 2] = 1 − P [X ≤ 1].
Exercice 9. Un boulevard principal du centre ville contient deux grands carrefours. Le nombre
des accidents enregistrés pendant une durée de 10 jours, est 15 pour le premier carrefour et 20
pour le second carrefour.
1) Calculer la probabilité, que pour un jour donné durant cette période , il n’y ait pas d’accidents.
Supposons maintenant que le nombre de blessés par un accident numéro i, est une variable aléatoire
Xi qui suit une loi de poisson de paramétre λ = 5. Le nombre total de blessés pour un jour donné
est : S = X1 + X2 + · · · + XN avec N le nombre total d’accident enregistrés pour ce jour et les Xi
sont indépendantes.
2) Sachant que le nombre d’accident pour un jour donné est égal à 2, calculer la probabilité que le
nombre total de blessés est au moins égal `’a 1.
3) Calculer la probabilité que pour un jour donné, il n’ait pas de blessées.
Solution 8.
1) On note X et Y les variables aléatoires qui désignent les nombres d’accidents au premier et
deuxième carrefours pour un jour donné. Alors X ≃ P (λ1 ) et Y ≃ P (λ2 ) avec
1 5 1
λ1 = 15
= et λ2 = 20 = 2.
10 2 10
T = X + Y est le nombre d’accidents pour les deux carrefours et puisqu’ils sont indépendants,
T ≃ P (λ1 + λ2 ) = P (9/2). Ainsi,
P [X + Y = 0] = e−9/2 .
2) Comme les Xi ≃ P (λ) et les Xi sont indépendantes alors S = X1 + X2 + · · · + XN ≃ P (N λ).
Alors
P [S ≥ 1/T = 2] = 1 − P [S = 0/T = 2]
Possédons l’information que T = 2, alors S ≃ P (2λ).
P [S ≥ 1/T = 2] = 1 − e−2λ
3)
P [S = 0] = P [(S = 0) ∩ (∪k≥0 [T = k])]
= P (∪k≥0 [(S = 0) ∩ (T = k)])
X
= P [T = k]P [S = 0/T = k]
k≥0
X (9/2)k −kλ
= e−9/2 e
k!
k≥0
X (9/2)k
= e−9/2 e−kλ
k!
k≥0
9/2(e−λ −1)
= e .

4
Exercice 10. La probabilité pour qu’une ampoule électrique ≪ grille ≫ à son premier allumage
est de 0, 01. On étudie un groupe de 100 ampoules.
1) Quelle est la probabilité pour qu’aucune des 100 ampoules ne grille à la première utilisation ?
2) Quelle est la probabilité d’observer une ampoule qui grille à la première utilisation ?
3) Quelle est la probabilité d’observer plus de 2 ampoules qui grillent à la première utilisation ?
Exercice 11. La taille d’un homme âgé de 25 ans suit une loi normale de moyenne 175 cm et
d’écart-type 6 cm.
1) Quel est le pourcentage d’hommes ayant une taille supérieure à 1m85 ?
2) Parmi les hommes mesurant plus de 1m80, quelle proportion mesure plus de 1m92 ?
Exercice 12. Les ventes mensuelles d’une entreprise suivent une loi normale, de paramètre m =
2000 et σ = 145. Dans quelles fourchette [x1 , x2 ] centrée sur la valeur moyenne trouve-t-on 95%
des quantités vendues ?
Exercice 13. Pour se rendre à son travail un employé peut prendre deux routes. Par la route
n◦ 1,il met 27 minutes en moyenne avec un écart-type de 2, 5 (2 minutes et 30 secondes).Par la
route n◦ 2, il met 29 minutes en moyenne avec un écart-type de 1 minute. Dans les deux situations
la durée des trajets suit une loi normale. L’employé choisit d’emprunter la route par laquelle la
probabilité d’arriver à l’heure est la plus forte.
Quelle est la meilleure des deux routes pour se rendre à son travail :
1. S’il dispose de 28 minutes ?
2. S’il dispose de 32 minutes ?

Solution 13. On note X la v.a. qui désigne la durée du trajet.

1. S’il emprunte le premier trajet alors X ⇝ N (m = 27, σ = 2.5 =).
X − 27 28 − 27
p(X < 28) = p( < ) = Π(0.4) = 0.6554
2.5 2.5
L’employé a 65, 54% de chance d’arriver à l’heure.
S’il emprunte le deuxième trajet alors dans ce cas X ⇝ N (m = 29, σ = 1) et
X − 29 28 − 29
p(X < 28) = p( < ) = Π(−1) = 1 − Π(1) = 1 − 0.8413 = 0.1587
1 1
Dans ce cas il a 15, 87% de chance d’arruver à l’heure. L’employé doit emprunter la route n◦ 1.

2. S’il emprunte le premier trajet, alors

X − 27 32 − 27
p(X < 32) = p( < ) = Π(2) = 0.9772
2.5 2.5
L’employé a 97, 72% de chance d’arriver à l’heure et ’il emprunte le deuxième trajet, on a
X − 32 32 − 29
p(X < 32) = p( < ) = Π(3) = 0.9987.
1 1
En empruntant le deuxième trajet, l’employé a 99, 87% de chance d’arriver à l’heure à son travail
et donc il doit choisir ce trajet.
Exercice 14. Une entreprise de transport dispose d’un camion de 5, 5 tonnes de charge utile avec
lequel elle effectue des tournées de ramassage auprès de ses clients. L’expèrience montre que le
poids des colis à enlever chez les différents clients est une variable aléatoire, de moyenne m = 50
kilos et d’écart-type σ = 30 kilos.
1. Indiquer par quelle loi et dans quelles conditions la variable aléatoire Sn égale au poids total
des colis recueillis auprès des n clients peut être approximée.

5
2. Calculer la probabilité que le camion puisse servir 100 clients en une seule journée sans surcharge.
3. Calculer la probabilité que le camion puisse servir 100 clients en une seule journée avec une
surcharge inférieure à 500 kilos.
Solution 14.
1. Si on note Xi le poids du colis d’un client n◦ i. Alors Xi ⇝√N (m = 50, √ σ = 30). Alors Sn =
X1 + X2 + · · · + Xn . On a : E(Sn ) = nm = 50n et σ(Sn ) = nσ = 30 n puisque les v.a. Xi
sont indépendantes.
√ Alors d’après le TCL, si n est grand la loi de Sn converge vers la loi normale
N (nm, nσ).
2. Le camion puisse servir 100 clients si le poids total ne dépasse pas 5500 kg, et dans ce cas
S100 ⇝ N (5000, 300). Donc

S100 − 5000 5500 − 5000

p(Sn ≤ 5500) = p( ≤ ) = Π(1, 67) = 0.9525
300 300
Ainsi, 95, 25% des cas le camion puisse servir 100 clients par jour.
3. Une surcharge de 500 kg dit que le poids totale ne doit pas dépasser 600kg. Donc,
S100 − 5000 6000 − 5000
p(Sn ≤ 6000) = p( ≤ ) = Π(3, 33) = 0.9996
300 300
alors le camion va servir les 100 clients dans 99, 96% des cas avec une surcharge inféreiure à 500kg.

Exercice 15. Une entreprise fabrique et commercialise des produits de consommation. Il y a une
probabilité constante égale à 0, 1 qu’un article choisi au hasard dans la production ne satisfasse
pas aux normes imposées.
1- On prélève au hasard 10 articles. Soit X le nombre d’articles non comformes parmi ces 10 ar-
ticles. Calculer la probabilité qu’il y ait au moins un article non comforme parmi ces 10 articles.
2- On prélève au hasard 500 articles. Soit X le nombre d’articles non comformes parmi ces 500
articles.
i)- Indiquer la loi suivie par X.
ii)- Montrer que cette loi peut être approchée par une autre loi que l’on précisera.
iii)- A l’aide de cette loi, calculer la probabilité qu’il y ait au moins 50 articles non conformes parmi
ces 500 articles.

Solution 15.
1) X suit une loi binomiale B(10, p = 0, 1).

P [X ≥ 1] = 1 − P [X = 0] = 1 − 0, 91 0 = 1 − 0, 3487 = 0, 6513.
2)i) Dans ce cas X ≃ B(500, 0, 1).
ii) les conditions d’approximations suivantes :

n = 500 > 30, npq = 500 × 0, 1 × 0, 9 = 45

√
sont satisafites, et donc la loi binomiale B(500, 0, 1) peut être approchée par N (np = 50, npq =
6, 708).
iii) par correction de continuité, on a
49, 5 − 50
P [X ≥ 50] = P [X > 49, 5] = P [T > ] = P [T > −0, 074] = 1−Π(0, 074) = 1−0, 528 = 0, 472.
6, 708

Exercice 16. Un candidat passant un examen est ajourné si sa note est inférieure à 7, passe l’oral
si sa note est comprise entre 7 et 12, est admis sans oral si sa note est supérieur à 12. On suppose
que les notes suivent une loi normale de paramètres m et σ.

6
I) On suppose que m = 9 et σ = 3.
a- Calculer la probabilité pour qu’un candidat soit ajourné.
b- Calculer la probabilité pour qu’un candidat soit passe l’oral.
c- Calculer la probabilité pour qu’un candidat soit admis sans oral.
d- On considère un ensemble de 4 candidats choisis au hasard. Quelle est la probabilité que deux
de ces candidats soient ajournés ?
e- On considère un ensemble de 500 candidats choisis au hasard. Quelle est la probabilité pour que
le nombre de candidats passant l’oral soit compris entre 284 et 306.
f- Détermine l’intervalle de centre m qui contient 96% des notes.
II) On suppose m et σ inconnus. On souhaite admettre (sans oral)15, 87% des candidats et ajourner
6, 68% des candidats.
a- Calculer la probabilité pour qu’un candidat passe l’oral.
b- Déterminer les valeurs m et σ.
c- Calculer la probabilité qu’un candidat ait plus de 15.
d- On considère 500 candidats choisis au hasard. Calculer la probabilité pour qu’aucun candidat
ait une note supérieure à 15.
e- On considère un ensemble de 600 candidats choisis au hasard. Quelle est la probabilité que le
nombre de candidats admis sans oral soit supérieur à 100 ?
Solution 16. On note X la v.a. qui désigne la note du candidat.
I) X ≃ N (9, 3).
a-
−2
P [X < 7] = P [T < ] = 1 − Π(0, 666) = 1 − 0, 746 = 0, 254.
3
b-

P [7 < X < 12] = P [−2/3 < T < 1] = Π(1)−Π(−2/3) = Π(1)−1+Π(2/3) = 0, 8413−1+0, 746 = 0, 5873.

c-
P [X > 12] = 1 − P [X < 12] = 1 − P [T < 1] = 1 − Π(1) = 1 − 0, 8413 = 0, 1587.
d- Si on note Y le nombre de candidats ajournés parmi les 4 choisis. Alors Y ≃ B(4; p = 0, 254).

P [Y = 2] = C42 p2 (1 − p)2 = C42 (0, 254)2 (0, 746)2 .

e) Si on note Z le nombre de candidats parmi les 500 passant l’oral. Donc Z ≃ B(500, p = 0, 5873)
qui peut être approchée par une loi normale N (293, 6; 11, 007).

P [284 < Z < 306] = P [−0, 872 < Z < 1, 126] = Π(1, 126)−1+Π(0, 872) = 0, 865−1+0, 8078 = 0, 6728.

f- On détermine l’intervalle ]m − a, m + a[ tel que P [m − a < X < a + m] = 0, 96.. On a :

P [m − a < X < m + a] = P [−a/sigma < T < a/σ]

= Π(a/σ) − Π(−a/σ)
= 2Π(a/σ) − 1

Ainsi,

P [m − a < X < a + m] = 0, 96 ⇔ 2Π(a/σ) − 1 = 0, 96 ⇔ Π(a/σ) = 1, 96/2 = 0, 98

D’après la tables statistique, on obtient que

a/3 = 2, 055 ⇔ a = 6, 165

Donc [9 − 6, 165; 9 + 6, 165] = [3, 165; 14, 165] qui contient 96% des notes.
II) a-
P [7 < X < 12] = 1 − P [x > 12] − P [X < 7] = 1 − 0, 1587 − 0, 0668 = 0, 7745.

7
b- Nous avons deux inconnus et il nous faut deux équations :
12 − m 7−m
P [X > 12] = P [T > ] = 0, 1578, P [X < 7] = P [T < ] = 0, 0668.
σ σ
avec T ≃ N (0, 1). On obtient
12 − m 7−m
1 − Π( ) = 0, 1578, Π( ) = 0, 0668.
σ σ
le système devient :

Π( 12−m 12−m
 
σ ) = 0, 8422 ⇔ σ = 1, 005
1 − Π(− 7−m
σ ) = 0, 0668 − 7−m
σ = 1.5

σ=2
m = 10.
c-
15 − 10
P [X > 15] = P [T > ] = P [T > 2, 5] = 1 − Π(2, 5) = 1 − 0, 9938 = 0, 0062
2
avec T ≃ N (0, 1).
Pour les questions d et e On procède de la même manière que dans la première partie.

Exercice 17. Loi khi-deux

Soit Xi la variable aléatoire qui représente le poids d’un paquet i d’une matière première commercia-
lisé par une entreprise. On admet que le poids Xi des différents paquets est distribué normalement,
de paramètres m = 500 grammes et σ = 4, 5 grammes. On prélève un échantillon de 40 paquets.
On considère la variable aléatoire
40
1 X 2
S2 = (Xi − m) .
40 i=1

Déterminer la probabilité que S 2 soit supérieure à 30 grammes.

Exercice 18. Soit X une variable aléatoire suivant une loi de Student à 10 degrés de liberté, i.e.,
X ∼ T10 . Déterminer le réel a dans chaque relation ci-dessous :
1. P (|X| < a) = 0, 98
2. P (|X| < a) = 0, 99
3. P (|X| < a) = 0, 1