USTHB Faculté de mathématique 31/05/2023

L1 Coordination- Module Proba-Stat

Corrigé de l’examen final

Exercice 1:(06 points)

11 11 11.5 12 12 12 12.5 12.5 15 15 15 15 15 15 15.5 16 16 16
16 16 16.8 17.1 18 18 18 18 18.5 20 20 20 22 23 23.5 25 28 29

I.
Le Mode M 0 15 , (0.5)
x  x19
La Médiane M ed  18  16 (0.5)
2
Interprétation : (0.5)
II.
Le tableau statistique des effectifs et des effectifs cumulés. (0.5)
1.
Les classes C i ni n~ i n i . Ci
[11,17[ 14 21 21 294
[17, 23[ 20 10 31 200
[23,19] 26 5 36 130
36 624

2. Les paramètres de position :

21  0
Le mode M 0  11,17 M 0 11  . 6 14.9
(21  0)  (21  10)
18  0
La médiane M ed  11,17  M ed 11  .6 16.14
21
1 k 624
La moyenne : X   ni Ci   17.33 (0.5)x3
n i 1 36
3. Les trois valeurs calculées : M 0  M ed  X .
On peut conclure que la distribution présente un étalement à droite.
 3 (Y )
On peut le confirmer par le coefficient d’asymétrie :   Qui sera positif (0.5)
 Y3
4. L’expression de la fonction de répartition dans la classe modale :

i 1 x  ai 1 x  11 21 x  11
F x    fj fi  0  .  . 0.58 (0.5)
j 1 ai  ai 1 17  11 36 6
12  11
F 12   0.58  0.096 (0.5)
6
Le pourcentage des quantités distribuées supérieures à 12 milles litres est 90.4 %
5. L’intervalle qui contient 95% de valeurs centrales.

1
 0.9  0
  0.025  n  0.9  a  11,17 a 11  . 6 11.25 (0.5)
21
35.1  31
  0.975  n  35.1  b  23 , 29  a  23  . 6  27.92 (0.5)
5
95% des quantités distribuées sont comprises entre 11.25 et 27.92 milliers de litres.

Exercice 2 :(08 points)

y b
I. En procédant à un changement de variables en posant : yi  i  yi  a yi  b
a
1- Y  a Y   b
1 k 1 k 1 k 1 k
Y   ni yi   ni a yi  b    a ni yi   ni b
n i 1 n i 1 n i 1 n i 1
(0.5)
1 k 1 k
 a  ni yi  b  ni  aY  b
n i 1 n i 1
V Y   a V Y 
2 

V Y    ni  yi  Y    ni (a yi  b)  (a Y   b)

1 n 2 1 n 2
n i 1 n i 1
(0.5)
  ni a yi  Y     a 2  ni  y  Y   a 2 V Y 
1 n 2 1 n 2
n i 1 n i 1

2- Cov X , Y   a Cov  X , Y 

Cov X , Y  
1
n i j

  ni j xi  X  y j  Y 
 
   ni j xi  X  a y ' j b  a Y   b 
1
n i j
 (0.5)

a
1
n i j
 
  ni j xi  X  y ' j Y   a Cov  X , Y 

II. Le tableau suivant, donne le nombre d’accidents de la route (X) durant une période
donnée de 25 conducteurs selon les tranches d’âge (Y) :

Y [20 , 35[ [35 , 50[ [50 , 65[

X
0 0 0 6
1 0 3 1
2 3 4 0
3 5 3 0

1- Les variables X et Y sont-elles indépendantes ? (0.25)

f11  0  f1. * f.1 . Donc X et Y ne sont pas indépendantes.

2
 2- La moyenne et la variance de X.
X ni . ni . xi
ni . xi2
0 6 0 0
1 4 4 4
2 7 14 28
3 8 24 72
25 42 104
1 k 42
X   ni xi   1.68 (0.5)
n i 1 25
1 k
V  X    ni xi2  X 
2 104
 
 1.68 2  1.34   X  1.16 (0.5)
n i 1 25

3- Pour calculer l’âge moyen des conducteurs ayant eu 2 accidents durant cette période.
On donne d’abord les fréquences conditionnelles de Y/X=2 :
Y [20-35[ [35-50[ [50-65]

27.5 42.5 57.5

fY / X  2 3 4 0
7 7 7
y. fY / X 2 82.5 170 0 mY / X 2  252.5
7 7 7

mY / X 2  36.07  36 ans . (0.5)

y b
4. En utilisant le changement de variables : yi  i , avec a 15 et b  42.5
a
Calculer la moyenne et la variance de Y :
Y yj n. j n j. y j n. j yj2
[20-35[ 27.5 -1 8 -8 8
[35-50[ 42.5 0 10 0 0
[50-65 57.5 1 7 7 7
25 -1 15

 1 k 1 (0.5)+ (0.5)
Y    n. j yj    0.04
 n i 1 25

yj2  Y  
k
V Y   1  n. j
2 15
  0.04 2  0.59

 n i 1 25

yi  a yi  b avec a  15 et b  42.5

3
 Y  a Y   b  15  0.04   42.5  41.9
 (0.5)+ (0.5)
V Y   a V Y   15  0.59  134 .64   y 11.6
2 2

5- La covariance entre X et Y  . Déduire la covariance entre X et Y .

1  20
Cov( X , Y )    nij xi yj  X .Y  =  (1.68).(0.04)  0.73 (01)
ni j 25
Cov X , Y   a Cov  X , Y  15  0.73   10.95 (0.5)

6- Le coefficient de corrélation linéaire entre les variables X et Y :

r X ,Y 
cov ( X , Y )
  0.81 (0.25)
 X Y
7- Un ajustement linéaire est justifié, car on trouve une forte corrélation linéaire. (0.25)

8- L’équation de la droite de régression de Y en X :

Y  a X b
Cov  X , Y   10.95
a    8.17
V X  1.34
b  Y  a X  41.9   8.17 1.68  55,62

Alors : Y   8.17 X  55,62 (0.5)

Une estimation de l’âge d’un conducteur ayant eu 4 accidents durant cette période :
Si X  4 alors Y   8.17 4   55,62  22.94  23 ans (0.25)

Y [20 , 35[ [35 , 50[ [50 , 65]

X 27.5 42.5 57.5 ni . ni . xi ni . xi2
y i -1 0 1

0 0 0 6 6 0 0
0 0 0
1 0 3 1 4 4 4
0 0 1
2 3 4 0 7 14 28
-6 0 0
3 5 3 0 8 24 72
-15 0 0
n. j 8 10 7 25 42 104
n. j y j -8 0 7 -1
8 0 7 15 -20
n. j yj2

4
Exercice 3 :(02 points)
1. Si A et B sont indépendants :
PB  A  1  P A  B  1  P A  PB   P A  B 
PB / A    
P A  1  P  A 1  P  A
1  P A  PB   P A  B  1  P A  PB   P A.PB 
  (01)
1  P  A 1  P  A


1  P A1  PB  1  PB   PB 
1  P  A
P A  B 
2. Si P A / B  1   1  P A  B   P B 
PB 
1  P A  PB   P A  B  1  P A  PB   PB 
PB / A    1 (01)
1  P A 1  P A
Exercice 4 :(04 points)
Un tiroir T1 contient 5 pièces d’or et 10 pièces d’argent.
Un tiroir T2 contient 4 pièces d’or et 6 pièces d’argent.
Un tiroir T3 contient 3 pièces d’or et 7 pièces d’argent.
On choisit au hasard l’un des tiroirs et dans ce tiroir on prend une pièce au hasard.
1- On note les évènements :
Ti : « tirer du tiroir n i » , i  1,2 ,3
O : « la pièce tirée est en or »
PO / T1   , PO / T2   et PO / T3  
5 4 3
(01)

 
10 10 10
2- T1, T2 , T3 forment un système complet de 

T1  T2  T3  

T1  T2  T1  T3  T2  T3   (01)

 PT1   PT2   PT3  
1
 3
3-
PO   PT1  PO / T1   PT2 .PO / T2   PT3 .PO / T3 
1 5 1 4 1 3 5  4  3 12 6
 .  .  .     0.4
3 10 3 10 3 10 30 30 15
La formule de la probabilité totale. (01)

4- La probabilité qu’elle provienne du tiroir T1 :

1 5
PT1  PO / T1  3 10 5
.
PT1 / O      0.42 La formule de Bayes. (01)
P B  12 12
30
5