Académique Documents
Professionnel Documents
Culture Documents
Les différentes lois en statistique se trouvent sous la touche distrib de la TI-83 Premium CE :
Définitions :
Le résultat est imprévisible, on dit que l’on réalise une expérience aléatoire.
Une issue d’une expérience aléatoire est un résultat possible de cette expérience.
Une variable aléatoire X est une fonction qui à chaque issue xi associe un nombre réel pi.
Une variable aléatoire est dite discrète s’il elle ne prend qu’un nombre fini de valeurs.
Une loi de probabilité de la variable aléatoire X associe à chaque issue un nombre compris entre 0 et 1
appelé probabilité tel que la somme des probabilités des issues est 1. 𝑝1 + 𝑝2 + ⋯ + 𝑝𝑛 = 1
Valeurs de 𝑥𝑖 𝑥1 𝑥2 … 𝑥𝑛
P(X = 𝑥𝑖 ) 𝑝1 𝑝2 … 𝑝𝑛
Exemple : Loi de probabilité associée à la variable aléatoire X qui représente les différents prix d’un même
article dans différents magasins :
Valeurs de 𝑥𝑖 𝑥1 = 11 𝑥2 = 11,5 𝑥3 = 12 𝑥4 = 13 𝑥4 = 14
1. Que vaut p ?
Définition et interprétation :
L’espérance est : 𝐸(𝑋) = ∑𝑛𝑖=1 𝑥𝑖 𝑝𝑖 = 𝑥1 𝑝1 + 𝑥2 𝑝2 + ⋯ + 𝑥𝑛 𝑝𝑛
L’espérance est la valeur théorique qu’on peut espérer obtenir en moyenne quand on répète l’expérience
un grand nombre de fois.
Dans le cas d’un jeu d’argent où X représente le gain, alors E(X) représente le gain moyen attendu par
partie.
Si E(X) > 0, le jeu est favorable au joueur.
Si E(X) = 0, le jeu est équilibré.
Si E(X) < 0, le jeu est défavorable au joueur.
Exercice 1 : Soit X la variable aléatoire discrète donnée dont la loi de probabilité est donnée ci-dessous :
Valeurs de 𝑥𝑖 𝑥1 = 0 𝑥2 = 2 𝑥3 = 3 𝑥4 = 𝑎 𝑥4 = 6
1. Calculer p.
2. On donne E(X) = 2,8. Calculer a.
Définition : Une variable aléatoire X suit une loi de Bernoulli lorsqu’elle modélise une expérience qui n’a que
deux issues possibles l’une appelée succès (S) de probabilité p et l’autre échec (𝑆̅) de probabilité 1 – p. Le
succès est représenté par l’événement {X = 1} et l’échec par l’événement {X = 0}.
1 5
Exemple : On lance un dé équilibré et on cherche à obtenir un 6. p(X = 1) = et p(X = 0) =
6 6
𝑛
Pour tout entier k tel que 0 ≤ 𝑘 ≤ 𝑛 P (X = k) = ( ) 𝑝𝑘 (1 − 𝑝)𝑛−𝑘 .
𝑘
Exercice 3 : Un service de livraison n’a constaté que 3,5% des colis livrés sont abîmés. Un livreur doit
acheminer 30 colis.
On note X la variable aléatoire qui donne le nombre de colis abîmés parmi les 30 colis livrés.
1. Quelle est la loi suivie par X ?
2. Déterminer p(X = 0). En déduire p(X ≥ 1). Arrondir à 0,01 près.
3. Calculer E(X). Interpréter le résultat obtenu dans le contexte de l’exercice.
B. FILIPPI – IUT d’Evry-Val-d’Essone – Dpt QLIO 3/8
TD 1 : LES DIFFERENTES LOIS M121 : STATISTIQUES
Cette loi peut modéliser les événements rares. Par exemple, elle peut modéliser le nombre d’appels reçus par un
standard téléphonique, le nombre de voyageurs se présentant à un guichet dans la journée, etc. Elle dépend d’un
paramètre λ > 0, qui correspond au nombre moyen d’occurrence du phénomène observé pendant la durée donnée.
Plus formellement :
Définition : Une variable aléatoire X suit une loi de Poisson de paramètre λ > 0, notée P(λ) lorsque X(Ω) =
𝜆𝑘
ℕ et pour tout k de ℕ, P(X = k) = 𝑒 −𝜆 .
𝑘!
Exercice 4 : On sait, qu’en général, un standard téléphonique reçoit 39 appels dans la journée. On note X le
nombre d’appels par heure et on suppose que X suit une loi de de Poisson. Arrondir à 10-3 près si nécessaire.
1. Que vaut λ ?
2. Quelle est la probabilité qu’il n’y ait aucun appel ?
3. Quelle est la probabilité qu’il y ait 2 appels par heure ?
4. Calculer p(X ≤ 2).
5. Calculer p(X > 3).
6. Quel est le nombre moyen d’appels par heure ?
7. Quelle est la probabilité qu’il y ait entre 1 et 2 appels par heure ?
Exercice 5 : Un candidat se présente à un concours où, cette fois, les 20 questions sont données sous forme
de QCM. A chaque question, sont proposées 4 réponses, une seule étant exacte. L’examinateur fait le compte
des réponses exactes données par les candidats. Chaque bonne réponse rapporte 1 point.
1. Certains candidats répondent au hasard à chaque question; pour ceux-là, définir une variable aléatoire
associée à ce problème. Donner sa loi de probabilité.
2. Calculer son espérance. Interpréter.
3. Calculer p(X ≥ 11). Vous arrondirez vos résultats au millième. Interpréter votre résultat.
Exercice 6 : Une population comporte en moyenne une personne mesurant plus de 1m90 sur 80 personnes.
Le nombre X de personnes mesurant plus de 1.90m parmi 100 obéit à une loi de Poisson.
Vous arrondirez vos résultats au millième.
1. a) Que vaut λ ? Interpréter ce résultat.
1. b) Sur 100 personnes, calculer la probabilité qu’il y ait exactement une personne mesurant plus de 1.90m.
2. Sur 300 personnes, calculer la probabilité qu’il y ait au moins une personne mesurant plus de 1.90m.
Exercice 7 : Un supermarché dispose d’un stock de pommes. On sait que la probabilité que la pomme ne soit
pas commercialisable est 0,09. On prend au hasard 15 pommes dans le stock. Le stock est suffisamment
important pour qu’on puisse assimiler ce prélèvement à un tirage aléatoire avec remise.
1. Quelle est la loi de probabilité suivie par X ? Justifier.
2. Quelle est la probabilité qu’au moins 14 pommes soient commercialisables ? Arrondir au centième.
Jusqu’à présent, à une expérience aléatoire, on associait un univers fini : La variable aléatoire X ne prenait alors
qu’un nombre fini de valeurs données X = { 𝑥1 , 𝑥2 , … , 𝑥𝑛 }.
Cependant, certaines expériences aléatoires conduisent à utiliser des variables aléatoires qui prennent toutes
les valeurs d’un intervalle I de ℝ.
Exemple : On tire sur une cible circulaire de 1 m de rayon, sans jamais la manquer. La variable aléatoire qui
indique la distance, en mètre, du point d’impact au centre prend toutes les valeurs de [0 ; 1].
Définitions :
Une variable aléatoire continue est une variable aléatoire qui peut prendre comme valeurs tous les
nombres réels d’un certain intervalle I de ℝ.
𝒅
P(X ∊ [c ; d]) = P(c ≤ X ≤ d) = aire(D) = ∫𝒄 𝒇(𝒕)𝒅𝒕
𝑘
Remarque : P(X = k) = ∫𝑘 𝑓(𝑡)𝑑𝑡 = 0. Donc P(c ≤ X ≤ d) = P(c < X < d)
𝑏
Espérance : E(X) = ∫𝑎 𝑡𝑓(𝑡) 𝑑𝑡
1) DENSITE DE LAPLACE-GAUSS.
On dit qu’une variable aléatoire suit une loi normale centrée réduite si elle admet pour densité la fonction φ
𝑥²
1
définie sur ℝ par 𝜑(𝑡) = 𝑒− 2 .
√2𝜋
𝑏 1 𝑡²
P(X ∈ [a ; b]) = P(𝑎 ≤ X ≤ b) = Aire (D) = ∫𝑎 𝑒 − 2 𝑑𝑡
√2𝜋
RAPPEL : La courbe de Gauss est symétrique par rapport à (Oy) et l’aire du domaine entre la courbe et
(Ox) est égale à 1.
Si 𝑋 suit une loi 𝒩(𝜇; 𝜎²) alors sa dispersion autour de 𝜇 dépend de 𝜎 de la façon suivante :
A 10−3 près, on a : 𝑃(𝑋 ∈ [𝜇 − 𝜎; 𝜇 + 𝜎]) = 0,683
𝑃(𝑋 ∈ [𝜇 − 2𝜎; 𝜇 + 2𝜎]) = 0,954
𝑃(𝑋 ∈ [𝜇 − 3𝜎; 𝜇 + 3𝜎]) = 0,9997
II / LOI NORMALE GENERALE N (μ, σ²) μ est l’espérance et σ est l’écart –type
𝑿−𝝁
Définition : Une variable aléatoire X suit la loi N (μ, σ²) si et seulement si la variable aléatoire 𝒁 =
𝝈
suit la loi normale centrée réduite 𝓝(0,1).
La courbe représentative de cette densité est donc symétrique par rapport à la droite
d’équation x = μ.
Remarques :
L’espérance est un indicateur de position : il localise la zone où les valeurs de X ont le plus de
« chances » d’apparaître.
L’écart type est un indicateur de dispersion autour de cette espérance :
Plus l’écart-type σ est élevé plus les valeurs de X sont dispersées.
Plus l’écart-type σ est petit, plus les valeurs de X sont concentrées autour de la moyenne.
Exercice 7 : Pour sa prochaine promotion, le directeur d’un magasin s’intéresse à l’âge de ses clients. On
modélise l’âge des clients en années par une variable aléatoire X qui suit une loi normale de moyenne µ = 40 et
d’écart-type σ = 8.
1. Calculer la probabilité qu’un client ait plus de 60 ans.
2. Calculer la probabilité qu’un client ait un âge compris entre 30 et 50 ans.
3. Soit A l’âge des clients tels que p(X ≥ A) = 0,6. Calculer A. Interpréter votre résultat.
Exercice 8 : Une machine permet le conditionnement d’un jus de fruit dans des bouteilles. La quantité de jus
injecté dans une bouteille par la machine, exprimée en ml (millilitre), est modélisée avec une variable aléatoire
réelle X. On admet que celle-ci suit une loi normale de moyenne µ = 500 et d’écart-type σ = 2.
On prélève une bouteille au hasard en fin de chaîne de remplissage.
1. Déterminer P(X ≤ 496). Donner le résultat arrondi à 10−2 près.
2. Déterminer la probabilité que la bouteille ait un contenu compris entre 497 et 500 millilitres. Donner le
résultat arrondi à 10−2 près.
3. Comment choisir la valeur de α afin que P(500 − α ≤ X ≤ 500 + α) soit approximativement égale à 0,95 à 10−2
près.
Exercice 10 : On considère une variable aléatoire X suivant une loi normale 𝒩(132 ; 144).
Exercice 11 : Une usine fabrique des tubes. Les tubes sont acceptés au contrôle si son épaisseur est comprise
entre 1,35 millimètre et 1,65 millimètre.
On désigne par X la variable aléatoire qui, à chaque tube prélevé au hasard dans la production d’une journée,
associe son épaisseur exprimée en millimètres. On suppose que la variable aléatoire X suit la loi normale
d’espérance 1,5 et d’écart-type σ.
Déterminer une valeur approchée à 10−3 près de σ1 pour que la probabilité que ce tube soit accepté au contrôle
𝑿−𝟏,𝟓
soit égale à 0,98. (On pourra utiliser la variable aléatoire Z définie par 𝑍 = qui suit la loi normale centrée
𝝈
réduite.)
Exercice 12 : Pour être homologuée par la Fédération Internationale de Tennis, le poids d’une balle de tennis
doit être compris entre 56,7 grammes et 58,5 grammes.
On suppose que la variable aléatoire X qui, à une balle choisie au hasard dans la production, associe son poids en
gramme, suit la loi normale d’espérance µ = 57,6 et d’écart-type σ. On arrondira les résultats au centième.
Calculer l’écart-type afin que la probabilité qu’une balle choisie au hasard soit homologuée soit de 0,997.