Académique Documents
Professionnel Documents
Culture Documents
Département de Mathématiques
Fiche 1
Ai = {ω ∈ Ω | fi (ω) > 0} .
1
9) au plus deux événements se produisent.
et
f (A1 ∩ A2 ) ⊂ f (A1 ) ∩ f (A2 )
3) Soit B1 et B2 deux parties de F . Montrer que ,
et
f −1 (B1 ∩ B2 ) = f −1 (B1 ) ∩ f −1 (B2 )
2
Université de Nantes – UFR des Sciences et Techniques
Département de Mathématiques
Fiche 2
Dénombrement et combinatoire
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
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.
4
Université de Nantes – UFR des Sciences et Techniques
Département de Mathématiques
Fiche 3
Conditionnement – Indépendance
Exercice 13.
Soient A, B et C trois événements. Montrer que
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 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 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 }
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
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 ?
C1
A - -B
C2
8
C2 C3
A - - B
C1
C4 C5
9
Université de Nantes – UFR des Sciences et Techniques
Département de Mathématiques
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.
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.
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
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 :
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.
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
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 ?
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
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 )
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)
16
Université de Nantes – UFR des Sciences et Techniques
Département de Mathématiques
Fiche 7
Approximation
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 % ?
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).
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