Université de Nantes – UFR des Sciences et Techniques

Département de Mathématiques

S4 Probabilités & Statistique

A. Philippe
2007-2008

Fiche 1

Exercice 1. On considère n fonctions f1 , . . . , fn définies sur le même ensemble Ω et à

valeurs dans R. On note, pour i ∈ {1, . . . , n},

Ai = {ω ∈ Ω | fi (ω) > 0} .

Exprimer à l’aide des Ai les ensembles :

 
B = ω ∈ Ω | max fi (ω) > 0 et C = ω ∈ Ω | min fi (ω) > 0 .
1≤i≤n 1≤i≤n

Exercice 2. Soit  un réel strictement positif. Soient f et g deux applications de Ω dans

R. Montrer que :
ε ε
{ω ∈ Ω, f (ω) + g(ω) ≥ ε} ⊂ {ω ∈ Ω, f (ω) ≥ } ∪ {ω ∈ Ω, g(ω) ≥ }.
2 2

Exercice 3. Etant donné un sous-ensemble A d’un ensemble Ω, on  désigne par fonction

1 si ω ∈ A
indicatrice de A, notée 1IA la fonction définie sur Ω par : 1IA (ω) = .
0 si ω 6∈ A
1) Soient A et B deux sous-ensembles de Ω. Vérifier que 1IA = 1IB si et seulement si
A = B.
2) Exprimer les fonctions indicatrices de Ac , A ∩ B, A × B et A ∪ B à l’aide des
fonctions indicatrices de A et B.

Exercice 4. Soient A1 , A2 , A3 trois événements. Exprimer en fonction de A1 , A2 , A3

et des opérations ensemblistes les événements ci-dessous et décrire leurs événements
complémentaires :
1) A1 seul se produit.
2) A1 et A3 se produisent, mais non A2 .
3) les trois événements se produisent.
4) l’un au moins des événements se produit.
5) deux événements au moins se produisent.
6) un événement au plus se produit.
7) aucun des trois événements ne se produit.
8) exactement deux événements se produisent.

1
 9) au plus deux événements se produisent.

Exercice 5. Soit n ∈ N∗ . On tire à pile ou face n fois.

1) Donner une représentation de l’espace Ω des événements élémentaires de cette
expérience.
2) Ecrire l’événement F =“pile n’a pas été obtenu lors des 2 premiers lancers” comme
sous-ensemble de Ω.
3) Soit i ∈ {1, . . . , n}. Décrire les éléments de l’événement Ei = “le résultat du i-ième
lancer est pile”.
4) Ecrire à l’aide des événements Ei l’événement F .
5) Ecrire à l’aide des événements Ei l’événement G =“ la pièce est tombée au moins
une fois sur pile”.
6) Ecrire à l’aide des ensembles Ei l’événement H =“ la pièce est tombée au moins
deux fois sur pile”.

Exercice 6. Soit E et F deux ensembles et f une application de E dans F

1) Soit A ⊂ E et B ⊂ F . Montrer que A ⊂ f −1 (f (A)) et B ⊃ f (f −1 (B)).
2) Soit A1 et A2 deux parties de E. Montrer que

f (A1 ∪ A2 ) = f (A1 ) ∪ f (A2 )

et
f (A1 ∩ A2 ) ⊂ f (A1 ) ∩ f (A2 )
3) Soit B1 et B2 deux parties de F . Montrer que ,

f −1 (B1 ∪ B2 ) = f −1 (B1 ) ∪ f −1 (B2 )

et
f −1 (B1 ∩ B2 ) = f −1 (B1 ) ∩ f −1 (B2 )

2
 Université de Nantes – UFR des Sciences et Techniques
Département de Mathématiques

S4 Probabilités & Statistique

A. Philippe
2007-2008

Fiche 2
Dénombrement et combinatoire

Exercice 7. La taille d’une famille d’événements observables

En Probabilités, on énumère assez souvent les issues possibles d’une expérience, mais
on ne dresse jamais la liste de tous les événements observables. Le but de cet exercice est
de comprendre pourquoi.
1) Si l’ensemble Ω a n éléments, combien l’ensemble P(Ω) des parties de Ω a-t-il
d’éléments ?
2) On réalise une expérience simple : un tirage dans une urne contenant 4 jetons
numérotés 1, 2, 3 et 4. Donner l’ensemble Ω des issues possibles de cette expérience et
l’ensemble P(Ω) correspondant, qui représente la famille des événements observables.
3) On réalise une expérience un peu moins simple : le lancer de deux dés de couleurs
différentes. Quel est le cardinal de Ω ? Si on utilise un ordinateur pour décrire tous les
événements observables et si chacun occupe 5 octets, combien l’ensemble des observables
occupera-t-il en tout ? Calculer la hauteur de la pile de CD-ROMs nécessaire (épaisseur :
2mm, contenance : 600 mégas1 ).

Exercice 8. Dans une même section de physiciens et de biologistes, on dénombre 65

étudiants en biologie et 55 étudiants en physique. De plus, 20 d’entre eux étudient la
biologie et la physique. Combien a-t-on d’étudiants dans la section ?

Exercice 9. Soit E un ensemble fini de cardinal n > 1 et a et b deux éléments distincts

de E.
1) Combien y-a-til de parties A de E de cardinal p (p < n) telles que :
– a et b appartiennent à A,
– a appartient à A mais pas b,
– a et b n’appartiennent pas à A.
2) En déduire la somme :
p−2 p−1 p
Cn−2 + 2Cn−2 + Cn−2 ,

et vérifier ce résultat par le calcul.

Exercice 10. Soit n un entier strictement positif.

1
Rappelons qu’un kilo fait 1024 octets et un méga 1024 kilos.

3
 1) En dénombrant les façons d’aligner n boules blanches et n boules noires, montrer
que
n
X
n
C2n = (Cnk )2
k=0

2) Retrouver la relation précédente en utilisant l’identité (1 + t)n (1 + t)n = (1 + t)2n

3) Deux personnes lancent chacune n fois une pièce de monnaie. Quelle est la probabi-
lité pn qu’elles obtiennent le même nombre de piles ? Indication : On utilisera l’équiprobabilité
sur l’espace Ω = {f, p}2n .
4) Donner un équivalent de pn quand n tend vers +∞. Indication : On rappelle la
formule de Stirling :
√
n! = 2πnn+1/2 e−n (1 + εn ), avec lim εn = 0.
n→+∞

5) Que pensez vous de l’affirmation suivante : Lorsqu’on jette un grand nombre

(pair) de fois une pièce équilibrée, il y a une forte probabilité d’obtenir exactement autant
de piles que de faces ?

Exercice 11. Lors de la finale de natation du 100 mètres papillon, on attribue à chacun
des 8 finalistes le numéro de sa ligne d’eau. Les lignes sont numérotées de 1 à 8.
1) Combien y -a-t-il d’arrivées possibles ?
2) Combien y a-t-il de classements où

– 1 arrive avant 2 ?
– 1, 2, 3 arrivent dans cet ordre et consécutifs ?
– 1, 2, 3 arrivent dans cet ordre mais non nécessairement consécutifs ?
– les nageurs des lignes d’eau ayant un numéro pair occupent un rang pair dans le
classement.

Exercice 12. Corbeilles de fruits

On dispose de 15 fruits différents que l’on répartit dans trois corbeilles différentes.
1) Combien y-a-t-il de répartitions possibles ?
2) Combien y-a-t-il de répartitions laissant au moins une corbeille vide ?
Indication : Combien de répartitions laissent vide la première corbeille (au moins) ?
Combien de répartitions laissent vide la première corbeille uniquement ?

4
 Université de Nantes – UFR des Sciences et Techniques
Département de Mathématiques

S4 Probabilités & Statistique

A. Philippe
2007-2008

Fiche 3
Conditionnement – Indépendance

Exercice 13.
Soient A, B et C trois événements. Montrer que

P (A ∩ B ∩ C) ≥ P (A) + P (B) + P (C) − 2

Généraliser à un nombre quelconque d’événements.

Un train a n wagons. Chaque wagon a une probabilité p d’être en état de rouler. Quelle
est la valeur minimale de p assurant que le train a une probabilité non-nulle de pouvoir
rouler ? Comment se comporte cette valeur minimale lorsque n devient trés grand ? Cela
est-il conforme à l’intuition ?

Exercice 14. Deux événements A et B sont tels que : P (A) = P (B) = 0, 75. Quel est
le maximum de P (A ∩ B) ? Quel est son minimum ?

Exercice 15. Dans un lot de pièces métalliques rectangulaires, destinées à un assem-

blage, on sait que :
3% ont une longueur qui, s’écartant trop des normes, les rend inutilisables.
5% ont une largeur les rendant inutilisables.
2% s’écartent trop de la norme, à la fois par leur longueur et par leur largeur.
On prend une pièce au hasard. Quelle est la probabilité pour qu’elle soit utilisable ?

Exercice 16. Une urne contient n boules dont b boules blanches et r boules rouges.
On tire une première boule dans l’urne, puis on remet la boule tirée et on en ajoute
une de la même couleur dans l’urne. On en tire ensuite une deuxième.
1) Quelle est la probabilité de tirer deux boules blanches ?
2) Quelle est la probabilité que la deuxième boule tirée soit blanche ?
3) Sachant que la deuxième boule tirée est blanche, quelle est la probabilité que la
première boule tirée ait été blanche ?

Exercice 17. Un test sanguin est positif avec une probabilité 0, 95 sachant que la
personne est malade. Ce test est négatif avec une probabilité 0, 9 sachant la personne
n’est pas malade. La probabilité qu’une personne prise au hasard soit malade vaut 0, 2.
M : (( la personne est malade )),
T : (( le test est positif )).

5
 1) Calculer P (M ∩ T ).
2) Calculer P (T ).
3) En déduire P (M |T ).
4) Calculer la probabilité que le test se trompe (c’est-à-dire test positif sur une
personne non malade ou test négatif sur une personne malade).

Exercice 18. Pile ou face triphasé (janvier 96)

Trois personnes nommées A, B, C lancent à tour de rôle la même pièce de monnaie
(ABCABCABC. . .). La probabilité d’obtenir pile lors d’un lancer est p (0 < p < 1). Le
gagnant est le premier qui obtient pile (la partie s’arrête alors).
1) On note An (resp. Bn , Cn ) l’événement A gagne la partie lors du n-ième lancer
(resp. B, C). Calculer P (A1 ), P (B2 ), P (C3 ). Les événements A1 et B2 sont-ils indépen-
dants ?
2) En discutant suivant les valeurs de n, calculer P (An ), P (Bn ), P (Cn ).
3) Calculer la probabilité de gagner de chacun des trois joueurs.
4) Quelle est la probabilité qu’il y ait un vainqueur ? Conclure.

Exercice 19. Filles et garçons

1) On vous présente un monsieur. Au cours de la brève conversation qui suit, vous
apprenez qu’il a deux enfants dont une fille. Quelle est la probabilité que l’autre enfant
soit un garçon ? (Justifier en donnant l’espace probabilisé et les événements utilisés).
2) Même question si on apprend qu’il a deux enfants dont l’ainé est une fille.

Exercice 20.
On appelle Ω l’ensemble des nombres complexes dont le module appartient à {0, 1, . . . , 21}
et dont l’argument est 0, π3 ou − π3 . On tire au hasard un élément dans Ω (i.e. on munit Ω
de l’équiprobabilité). Quelle est la probabilité des événements :

A = {z ∈ Ω, |z| ≤ 15 et arg z = 0}
B = {z ∈ Ω, |z| ≤ 15 et arg z = π3 }
C = {z ∈ Ω, |z| ≤ 15 et arg z = − π3 }

Calculer P (A ∩ B ∩ C). A, B et C sont-ils indépendants ?

Exercice 21. On effectue des lancers répétés d’une paire de dés et on observe pour
chaque lancer la somme des points indiqués par les deux dés. On se propose de calculer
de deux façons la probabilité de l’événement E défini ainsi : dans la suite des résultats
observés, la première obtention d’un 9 a lieu avant la première obtention d’un 7.
1) Quelle est la probabilité de n’obtenir ni 7 ni 9 au cours d’un lancer ?
2) Première méthode : On note Fi = {obtention d’un 9 au i-ème lancer } et pour
n > 1, En = { ni 7 ni 9 ne sont obtenus au cours des n − 1 premiers lancers et le n-ième
lancer donne 9}. Dans le cas particulier n = 1, on pose E1 = F1 .
a) Exprimer E à l’aide d’opérations ensemblistes sur les En (n ≥ 1). Exprimer de
même chaque En à l’aide des Fi et des Hi = { ni 7 ni 9 au i-ème lancer }.
b) Calculer P (En ) en utilisant l’indépendance des lancers.
c) Calculer P (E).
3) Deuxième méthode : On note G1 = { obtention d’un 7 au premier lancer }.

6
a) Donner une expression de P (E) en utilisant le conditionnement par la partition
{F1 , G1 , H1 }.
b) Donner sans calcul les valeurs de P (E | F1 ), P (E | G1 ) et expliquer pourquoi
P (E | H1 ) = P (E).
c) En déduire la valeur de P (E).

7
 Université de Nantes – UFR des Sciences et Techniques
Département de Mathématiques

S4 Probabilités & Statistique

A. Philippe
2007-2008

Fiche 3
Conditionnement – Indépendance (suite)

Exercice 22. Une compagnie d’assurance répartit ses clients en trois classes R1 , R2 et
R3 : les bons risques, les risques moyens et les mauvais risques. Les effectifs des ces trois
classes représentent 20% de la population totale pour la classe R1 , 50% pour R2 et 30%
pour R3 . Les statistiques indiquent que les probabilités d’avoir un accident au cours de
l’année pour une personne de l’une de ces trois classes sont respectivement de 0.05, 0.15
et 0.30.
1) Quelle est la probabilité qu’une personne choisie au hasard dans la population ait
un accident dans l’année ?
2) Si M. Martin n’a pas eu d’accident cette année, quelle est la probabilité qu’il soit
un bon risque ?

Exercice 23. Soient A et B deux événements indépendants tels que P (A ∪ B) = 0, 6

et P (A ∩ B) = 0, 1. Déterminer P (A) et P (B).

Exercice 24. On se propose de calculer la probabilité de fonctionnement de quelques cir-

cuits électriques simples à l’aide des probabilités de fonctionnement de leurs composants.
Dans tout ce qui suit, les composants ont des fonctionnements mutuellement indépendants.
On note pi la probabilité de fonctionnement du composant Ci et Fi l’événement :

Fi = {le composant Ci fonctionne}.

On dit que le circuit fonctionne si le courant peut passer du point A au point B.

1) Circuit série : Calculer la probabilité de fonctionnement du circuit suivant :
A - B
C1 C2 C3 -

2) Circuit parallèle : Calculer la probabilité de fonctionnement du circuit suivant :

C1
A - -B

C2

3) Circuit mixte : Calculer la probabilité de fonctionnement du circuit suivant lorsque

tous les pi sont égaux à p.

8
 C2 C3
A - - B
C1
C4 C5

9
 Université de Nantes – UFR des Sciences et Techniques
Département de Mathématiques

S4 Probabilités & Statistique

A. Philippe
2007-2008

Fiche 4
Variables aléatoires discrètes

Exercice 25. On jette deux dés non pipés et on considère la v.a. X égale au plus petit
des points obtenus. Quelle est la loi de X ? Quelle est son espérance et sa variance ?

Exercice 26. Huit joueurs d’une équipe lancent indépendamment les uns des autres
chacun une fois une balle vers une cible. Chaque joueur a une chance sur 4 de toucher la
cible. On suppose qu’il faut au moins que 3 balles touche la cible pour gagner.
1) Quelle est la loi de la v.a. X égale au nombre de balles touchant la cible ?
2) Quelle est la probabilité que la cible soit touchée ?
3) Quelle est la probabilité que l’équipe gagne ?
4) Sachant qu’une balle a atteint la cible, quelle est la probabilité que l’équipe ne
gagne pas ?

Exercice 27. Un garage peut réparer huit voitures par jour. Chaque jour, huit conduc-
teurs indépendants ont rendez-vous, chacun ayant une probabilité de 90% de venir effec-
tivement.
1) Quelle est la loi du nombre X de voitures présentes au garage un jour donné ? En
déduire la probabilité que le garage ne soit pas plein (moins de huit voitures à réparer).
2) Un véhicule qui entre a 70% de chances d’être réparé (tous ne sont pas réparables).
On note Y le nombre de voitures réparées un jour donné. Calculer P (Y = k|X = n)
(distinguer le cas 0 ≤ k ≤ n du cas k > n). En déduire que la loi de Y est une binômiale
dont on précisera les paramètres.
3) Pour i de 1 à 8, on définit la variable Zi par :
Zi = 0 si la ie voiture ne vient pas ou n’est pas réparable.
Zi = 1 si la ie voiture se présente et est réparée.
En exprimant Y en fonction des Zi , retrouver la loi de Y .

Exercice 28. Soit X une v.a. de Poisson de paramètre λ > 0. On définit la v.a. Y de
la manière suivante :
– Si X prend une valeur nulle ou impaire alors Y prend la valeur 0.
– Si X prend une valeur paire alors Y prend la valeur X/2.
Trouver la loi de Y .

Exercice 29. n (n ≥ 3) personnes jouent au jeu suivant : chacune d’entre elles lance une
pièce et un joueur est déclaré perdant si tous les joueurs sauf lui ont un résultat contraire
du sien.

10
 1) Quelle est la probabilité qu’il y ait un perdant ?
2) Soit X le nombre de parties nécessaires pour avoir un perdant. Déterminer la loi
de X.

Exercice 30. La propriété d’absence de mémoire

1) Montrer que si X est une v. a. de loi géométrique, elle vérifie la propriété d’absence
de mémoire suivante :

∀k ∈ N, ∀n ∈ N, P (X > n + k | X > n) = P (X > k). (1)

Interpréter ce résultat en considérant une suite d’épreuves répétées.

Exercice 31. Mélange de lois

On supose que le nombre N d’oeufs pondus par un insecte suit une loi de Poisson de
paramètre α :
e−α αk
P (N = k) = k∈N
k!
On suppose également que la probabilité de développement d’un oeuf est p et que les
oeufs sont mutuellement indépendants. On note S le nombre (aléatoire) de survivants.
Montrer que S suit une loi de Poisson de paramètre pα.

Exercice 32. Rhumes

Le nombre de fois où un individu attrape un rhume en une année donnée est une variable
de Poisson de paramètre λ = 5. Un nouveau médicament vient d’être mis sur le marché.
Il réduit le paramètre de Poisson à λ = 3 pour 75% de la population. Pour le reste de la
population, le médicament est sans effet notable sur les rhumes. Si un individu essaie le
médicament pendant un an et attrape 2 rhumes au cours de cette période, quelle est la
probabilité que le médicament lui ait été bénéfique ?

Exercice 33. Brioches aux raisins

Un boulanger mélange 1000 raisins dans de la pâte pour fabriquer 100 brioches de même
masse.
1) Quelle est la loi exacte du nombre X de raisins contenus dans une brioche achetée
chez ce boulanger ? Précisez quelles hypothèses vous faites. Donnez sans calcul l’espérance
et la variance de X.
2) En utilisant une approximation classique de la loi de X, évaluer la probabilité que
la brioche achetée contienne 10 raisins à deux unités près (i.e. 8 ≤ X ≤ 12).
3) En utilisant l’inégalité de Tchebycheff, majorer la probabilité que la brioche
achetée ne contienne pas plus de 3 ou au moins 17 raisins.

Exercice 34. Assurances maritimes et concentration du capital

Une compagnie d’assurances assure une flotte de 500 navires de pêche valant chacun 6
millions de francs. Le risque assuré est la perte totale du navire qui est un événement
de probabilité 0.001 pour une année. Les naufrages des différents navires sont considérés
comme indépendants. On note X la variable aléatoire égale au nombre de navires perdus
en une année.
1) Trouver la loi exacte de X.
2) Evaluer P (X = 10) en utilisant une approximation de la loi de X.

11
 3) La compagnie rembourse le 31 décembre, sur ses réserves, la valeur des bateaux
assurés ayant fait naufrage dans l’année. A combien doivent s’élever ces réserves fi-
nancières pour qu’elle puisse effectuer la totalité de ces remboursements avec une pro-
babilité supérieure à 0.999 ? Indication : En utilisant l’approximation poissonnienne de la
loi binomiale, montrer qu’il suffit que ces réserves représentent la valeur d’un très petit
nombre de navires.
4) La compagnie fusionne avec une autre compagnie identique (500 navires assurés).
Reprendre brièvement la question 3) et commenter le résultat obtenu.

Exercice 35. Le nombre de truffes trouvées par le cochon Sherlock durant une période de
recherche T (en heures) suit une loi de Poisson de paramètre λ(T ). On sait que λ(1) = 1, 7.
1) Calculer la probabilité que Sherlock ne trouve aucune truffe en une heure.
2) Calculer la probabilité que Sherlock trouve au moins 2 truffes en une heure.
On note maintenant X1 le nombre de truffes trouvées par Sherlock un jour donné entre
6h et 7h et X2 le nombre de truffes trouvées par Sherlock le même jour entre 7h et 8h.
3) Quelle est l’espérance de X1 + X2 ?
4) En déduire λ(2).
5) Les événements {X1 = 0} et {X2 = 0} sont-ils indépendants ?

Exercice 36. Une urne contient 2N jetons numérotés de 1 à N , chaque numéro étant
présent deux fois. On tire m jetons sans remise. Soit S la variable aléatoire égale au nombre
de paires restant dans l’urne. Calculer l’espérance de S. Ce modèle fut utilisé par Bernoulli
au 18ème siècle pour étudier le nombre de couples survivants dans une population de N
couples après m décès.
Indications : Pour 1 ≤ i ≤ N , on considèrera la variable aléatoire Xi définie par :

1 si la i-ème paire reste dans l’urne,
Xi =
0 sinon.

Calculer P (Xi = 1) et IE Xi . En déduire la valeur de IE S.

Exercice 37. Soient X et Y deux variables aléatoires de Bernoulli.

1) Montrer que l’indépendance de X et Y équivaut à Cov(X, Y ) = 0.
2) On suppose que X et Y sont indépendantes de même paramètre p. On pose
U = X + Y et V = X − Y . Quelle est la loi du couple (U, V ) ? Calculer Cov(U, V ). Les
variables U et V sont-elles indépendantes ?

Exercice 38. On trouve dans certains paquets de yaourts, une pièce de puzzle en prime.
On cherche combien il faut acheter de paquets, en moyenne, pour avoir le puzzle complet.Il
y a N pièces à assembler et la répartition des pièces est uniforme. Une formalisation du
problème est de considérer une urne contenant N objets distincts et une suite de tirages
équiprobables avec remise. On appelle SN le nombre d’achats nécessaires pour réunir les
N pièces du puzzle.
1) Soit Xk (1 ≤ k ≤ N − 1) le nombre d’achats nécessaires pour obtenir le premier
élément distinct des k déjà obtenus.Exprimer SN au moyen des Xk
2) Trouver la loi de Xk .
3) Les Xk sont-elles des variables indépendantes ?

12
 4) En déduire IE(SN ) et Var(SN ).

Exercice 39. Soient X et Y deux variables aléatoires. On suppose que X suit un loi
uniforme sur {−1, 0, 1} et on pose Y = IX=0
1) Montrer que Cov(X, Y ) = 0.
2) Montrer que les variables aléatoires X et Y ne sont pas indépendantes

13
 Université de Nantes – UFR des Sciences et Techniques
Département de Mathématiques

S4 Probabilités & Statistique

A. Philippe
2007-2008

Fiche 5
Statistique descriptive

Exercice 40. Soit la série statistique : X = (2; 1; −2; 1; 1; 3; 2; 3; 1; 1). Quelle est la
distribution des effectifs de X ? La représenter graphiquement, puis représenter sa fonction
de répartition des fréquences. Calculer sa moyenne, son écart-type et sa médiane.

Exercice 41. Soient ”xi ” les salaires en milliers de francs répartis dans les classes du
tableau ci-dessous concernant une entreprise ”high tech”, ”ni ” les effectifs correspondants
en nombre de salariés et F (x) la fonction de répartition des fréquences cumulées :

Classes (en 103 ) ni Fréquences cumulées

]5; 7] ? 0.04
]7; 11] ? 0.14
]11; 13] ? 0.44
]13; 15] ? 0.96
]15; 19] ? 1
N?

1) Sachant que V ar (X) = 4.93 et 5i=1 fi x2i = 166.22 et que 5i=1 ni xi = 1905,
P P
calculer les effectifs ni de chaque classe et l’effectif total N ;.
2) Calculer la valeur moyenne x.

Exercice 42. Un laboratoire pharmaceutique a enquêté 92 visiteurs médicaux sur

le nombre de kilomètres qu’ils effectuaient par jour pour présenter les produits de ce
laboratoire. Les résultats sont ceux donnés dans le tableau ci-dessous :
Trajets en km Nbre de visiteurs
]10; 20] 9
]20; 40] 26
]40; ?] 19
]?; 80] 24
]80; 100] ?

1) Retrouver les valeurs manquantes, sachant que le trajet moyen est égal à 49.89
km ;
2) Construiser l’histogramme des effectifs, déterminer graphiquement la classe mo-
dale.

14
 Université de Nantes – UFR des Sciences et Techniques
Département de Mathématiques

S4 Probabilités & Statistique

A. Philippe
2007-2008

Fiche 6
Variables aléatoires continues

Exercice 43. Le temps d’attente (en minutes) pour accéder à des données suit une loi
uniforme U[1, 6].
1) Déterminer la probabilité d’attendre au moins 4 minutes.
2) Déterminer le temps d’attente moyen.

Exercice 44. Un arrêt de bus est desservi tous les quart d’heures à partir de 7 h du
matin (inclus). Un passager arrive à l’arrêt à un instant aléatoire de loi uniforme sur [7h ;
7h30]. Quelle est la probabilité qu’il attende moins de 5 mn pour un bus ? plus de 10mn ?

Exercice 45. Soit X une variable aléatoire de densité :


2x/θ2 si x ∈ [0; θ]
f (x) =
0 sinon

où θ est un réel strictement positif.

1) Calculer IE[X], IE[X 2 ] puis Var[X] en fonction de θ.
2) Calculer P (X < θ/4).

Exercice 46. Soit f une fonction de R → R définie par

(
a(x − 1)(3 − x) x ∈ [1, 3]
f (x) =
0 sinon

1) Calculer a pour que la fonction f soit la densité d’un loi de probabilité.

Soit X une variable aléatoire dont la loi admet pour densité f
2) Déterminer la fonction de répartition de X et sa courbe représentative.
3) Calculer
– P (X ≤ −1)
– P (0 ≤ X ≤ 2)
– P (X = 4/3)
– P (X ≥ 4)
– P ( 52 ≤ X < 5)

15
 4) Calculer E(X) et V ar(X)

Exercice 47. Soit X une variable aléatoire de loi exponentielle de paramètre λ > 0.
On rappelle que la densité est égale à

f (x) = λe−λx IR+ (x)

1) Montrer que E(X) = λ1 et Var(X) = σ 2 (X) = 1

λ2
2) Pour tout k ∈ N∗ , On considère l’évènement

Ak = {|X − IE(X)| ≤ kσ(X)}

Calculer P (Ak )
3) Déterminer le minorant mk de P (Ak ) obtenu par l’inégalité de Tchebycheff. Démontrer
que
lim |P (Ak ) − mk | = 0
k→+∞

4) On pose Y = [X] (partie entière de X). Montrer que Y +1 suit une loi géométrique
de paramètre p. Préciser p et calculer E(Y )

Exercice 48. Consommation d’eau

La consommation journalière en eau d’une agglomération au cours du mois de juillet est
une variable aléatoire X dont la densité f a la forme :

f (t) = c(t − a)(b − t)1I[a,b] (t), t ∈ R,

où a, b, c sont des constantes strictement positives (a < b) et 1I[a,b] (t) = 1 si t ∈ [a, b] et 0
sinon.
1) Vérifier que l’on a pour tout n ∈ N :
Z b
n (b − a)n+2
(t − a) (b − t) dt = .
a (n + 1)(n + 2)

2) Exprimer la constante c en fonction de a et b.

 
3) Calculer IE(X − a) et IE (X − a)2 . En déduire IE X et VarX.
4) Donner la fonction de répartition F de la variable aléatoire X : on distinguera
pour le calcul de F (x) les cas x < a, a ≤ x ≤ b et x > b et, dans le deuxième cas, on écrira
F (x) en fonction de (x − a) et (b − x) sans développer ni réduire le polynôme obtenu.
Donner l’allure des représentations graphiques de f et F . Proposer une interprétation
physique des constantes a et b.
5) En notant Xi la consommation du i-ème jour et en supposant que les Xi sont
indépendantes et de même loi que X, exprimer à l’aide de F et de n la fonction de
répartition de la variable aléatoire Mn = max Xi . Indication : On commencera par
1≤i≤n
écrire l’événement {Mn ≤ x} en fonction des événements {Xi ≤ x}.
6) En fait la ville est alimentée en eau par un canal qui peut fournir au maximum une
quantité journalière d’eau x0 = a+0.9(b−a) et par un réservoir de sécurité dans lequel elle
peut puiser en cas de trop forte demande. Calculer numériquement la probabilité qu’au
cours des 31 jours du mois de juillet, on ne fasse jamais usage du réservoir de sécurité (le
résultat ne dépend ni de a ni de b).

16
 Université de Nantes – UFR des Sciences et Techniques
Département de Mathématiques

S4 Probabilités & Statistique

A. Philippe
2007-2008

Fiche 7
Approximation

Exercice 49. Soit X une v.a. de la loi Normale d’espérance 0 et d’écart-type 1

1) Calculer les probabilités suivantes
– P (X < 1.45)
– P (0 < X < 1.23)
– P (0 ≤ X ≤ 1.23)
– P (−1.23 < X < 0)
– P (−2.06 < X ≤ 1.1)
2) Trouver x tel que
– P (X ≤ x) = 0.25
– P (X ≤ x) = 0.75
– P (−x ≤ X ≤ x) = 0.48

Exercice 50. Soit X une v.a. de la loi Normale d’espérance m et d’écart-type σ.

1) Trouver les valeurs des probabilités P[| X − m |≤ σ] et P[| X − m |≤ 2σ].
2) Déterminer x tel que P[| X − m |≤ xσ] = 0, 99.
3) Utiliser l’inégalité de Bienaymé-Tchebychev pour obtenir une minoration des pro-
babilités calculées aux questions précédentes.

Exercice 51. Un représentant se présente dans les 1000 appartements d’une cité. La
probabilité pour que ce représentant place un contrat dans un appartement quelconque
est estimée à 0,04. Ces événements étant supposés indépendants, quelle est la probabilité
pour qu’il place plus de 30 contrats ?

Exercice 52. Un central téléphonique dessert 5000 abonnés. A un instant donné, chaque
abonné a une probabilité égale à 2 % d’utiliser son téléphone et les appels des abonnés sont
supposés indépendants. Quel nombre minimal d’appels doit pouvoir traiter simultanément
le central pour que sa probabilité d’être saturé à un instant donné soit inférieure à 2.5 % ?

Exercice 53. Garanties

Un constructeur d’ordinateurs décroche un marché pour la fourniture de 2 000 PC à
un ministère. Le contrat prévoit pour la première année une garantie totale pièces et main
d’oeuvre avec intervention sur site d’un technicien en moins de 24 heures pour chaque
panne signalée. Pour les deux années suivantes, la garantie ne couvre que les pièces.
L’expérience accumulée par le fabricant lui permet d’estimer que pour chaque machine
installée,

17
 – la probabilité qu’elle ait au moins une panne au cours de la première année est de
0,002 ;
– la probabilité qu’elle ait au moins une panne au cours des 2 années suivantes est de
0,04.
On note X le nombre de machines ayant au moins une panne lors de la première année
et Y le nombre de machines n’ ayant aucune panne lors des deux années suivantes.
1) Pour chacune des deux variables aléatoires X et Y , donner sa loi exacte, son
espérance et sa variance.
2) En utilisant l’inégalité de Tchebycheff, donner un minorant de

P (1 900 ≤ Y ≤ 1 940).

3) Proposer une valeur approchée de cette même probabilité en utilisant le théorème

de De Moivre Laplace.
4) Par quelle loi discrète classique peut-on approcher la loi de X ? Utiliser cette
approximation pour évaluer P (X ≥ 4).

18
 Tab. 1 – Fonction de répartion F de la loi normale standard X ∼ N (0, 1). La table
ci-dessous donne la valeur F (u) = P (X ≤ u) en fonction de u. Par exemple si u = 1.96 =
1.9 + 0.06 alors F (u) = 0.975
u = u 1 + u2
HH u2
H
0 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
u1 HHH
0 0.5 0.5039 0.5079 0.5119 0.5159 0.5199 0.5239 0.5279 0.5318 0.5358
0.1 0.5398 0.5437 0.5477 0.5517 0.5556 0.5596 0.5635 0.5674 0.5714 0.5753
0.2 0.5792 0.5831 0.587 0.5909 0.5948 0.5987 0.6025 0.6064 0.6102 0.614
0.3 0.6179 0.6217 0.6255 0.6293 0.633 0.6368 0.6405 0.6443 0.648 0.6517
0.4 0.6554 0.659 0.6627 0.6664 0.67 0.6736 0.6772 0.6808 0.6843 0.6879
0.5 0.6914 0.6949 0.6984 0.7019 0.7054 0.7088 0.7122 0.7156 0.719 0.7224
0.6 0.7257 0.729 0.7323 0.7356 0.7389 0.7421 0.7453 0.7485 0.7517 0.7549
0.7 0.758 0.7611 0.7642 0.7673 0.7703 0.7733 0.7763 0.7793 0.7823 0.7852
0.8 0.7881 0.791 0.7938 0.7967 0.7995 0.8023 0.8051 0.8078 0.8105 0.8132
0.9 0.8159 0.8185 0.8212 0.8238 0.8263 0.8289 0.8314 0.8339 0.8364 0.8389
1 0.8413 0.8437 0.8461 0.8484 0.8508 0.8531 0.8554 0.8576 0.8599 0.8621
1.1 0.8643 0.8665 0.8686 0.8707 0.8728 0.8749 0.8769 0.8789 0.8809 0.8829
1.2 0.8849 0.8868 0.8887 0.8906 0.8925 0.8943 0.8961 0.8979 0.8997 0.9014
1.3 0.9031 0.9049 0.9065 0.9082 0.9098 0.9114 0.913 0.9146 0.9162 0.9177
1.4 0.9192 0.9207 0.9221 0.9236 0.925 0.9264 0.9278 0.9292 0.9305 0.9318
1.5 0.9331 0.9344 0.9357 0.9369 0.9382 0.9394 0.9406 0.9417 0.9429 0.944
1.6 0.9452 0.9463 0.9473 0.9484 0.9494 0.9505 0.9515 0.9525 0.9535 0.9544
1.7 0.9554 0.9563 0.9572 0.9581 0.959 0.9599 0.9607 0.9616 0.9624 0.9632
1.8 0.964 0.9648 0.9656 0.9663 0.9671 0.9678 0.9685 0.9692 0.9699 0.9706
1.9 0.9712 0.9719 0.9725 0.9731 0.9738 0.9744 0.975 0.9755 0.9761 0.9767
2 0.9772 0.9777 0.9783 0.9788 0.9793 0.9798 0.9803 0.9807 0.9812 0.9816
2.1 0.9821 0.9825 0.9829 0.9834 0.9838 0.9842 0.9846 0.9849 0.9853 0.9857
2.2 0.986 0.9864 0.9867 0.9871 0.9874 0.9877 0.988 0.9883 0.9886 0.9889
2.3 0.9892 0.9895 0.9898 0.99 0.9903 0.9906 0.9908 0.9911 0.9913 0.9915
2.4 0.9918 0.992 0.9922 0.9924 0.9926 0.9928 0.993 0.9932 0.9934 0.9936
2.5 0.9937 0.9939 0.9941 0.9942 0.9944 0.9946 0.9947 0.9949 0.995 0.9952
2.6 0.9953 0.9954 0.9956 0.9957 0.9958 0.9959 0.996 0.9962 0.9963 0.9964
2.7 0.9965 0.9966 0.9967 0.9968 0.9969 0.997 0.9971 0.9971 0.9972 0.9973
2.8 0.9974 0.9975 0.9975 0.9976 0.9977 0.9978 0.9978 0.9979 0.998 0.998
2.9 0.9981 0.9981 0.9982 0.9983 0.9983
19 0.9984 0.9984 0.9985 0.9985 0.9986