Université Joseph KI-ZERBO Année Universitaire 2022-2023

ISSP/LPAS Théorie des probabilités

TD Probabilité 2

1. Une urne contient 1 boule blanche et 99 boules noires. On fait 300 tirages avec remise.
On considère X la v.a. égale au nombre de fois que l’on a tiré la boule blanche.
2. A un guichet d’une banque, on sait que le nombre moyen de clients par heure est de 12.
On suppose que le nombre de clients par heure est distribuée selon une loi de Poisson.
Quelle est la probabilité pour qu’en une heure, le guichetier s’occupe de plus de 15
clients ?
3. On jette 10 fois de suite une pièce de monnaie équilibrée. Quelle est la probabilité d’avoir
un total de 8 piles ?
4. On veut modéliser le nombre de garçons dans une famille de 6 enfants.
5. L’oral d’un concours comporte au total 100 sujets ; les candidats tirent au sort trois sujets
et choisissent alors le sujet traité parmi ces trois sujets. Un candidat se présente en ayant
révisé 60 sujets sur les 100.
(a) Quelle est la probabilité pour que le candidat ait révisé :
(a) les trois sujets tirés ;
(b) exactement deux sujets sur les trois sujets ;
(c) aucun des trois sujets.
(b) Définir une variable aléatoire associée à ce problème et donner sa loi de probabilité,
son espérance.
6. Une population comporte en moyenne une personne mesurant plus de 1m90 sur 80
personnes. Sur 100 personnes, calculer la probabilité qu’il y ait au moins une personne
mesurant plus de 1.90m (utiliser une loi de Poisson). Sur 300 personnes, calculer la
probabilité qu’il y ait au moins une personne mesurant plus de 1.90m.
7. Dans une poste d’un petit village, on remarque qu’entre 10 heures et 11 heures, la
probabilité pour que deux personnes entrent durant la même minute est considérée
comme nulle et que l’arrivée des personnes est indépendante de la minute considérée.
On a observé que la probabilité pour qu’une personne se présente entre la minute n et
la minute n + 1 est : p = 0, 1. On veut calculer la probabilité pour que : 3, 4, 5, 6, 7, 8...
personnes se présentent au guichet entre 10h et 11h.
(a) Définir une variable aléatoire adaptée, puis répondre au problème considéré.
(b) Quelle est la probabilité pour que au moins 10 personnes se présentent au guichet
entre 10h et 11h ?
8. On prend au hasard, en même temps, trois ampoules dans un lot de 15 dont 5 sont
défectueuses. Calculer la probabilité des événements :

1
 A : au moins une ampoule est défectueuse ;
B : les 3 ampoules sont défectueuses ;
C : exactement une ampoule est défectueuse.
1
9. Montrer que la fonction est une densité mais qu’elle ne possède pas de moment
π(1 + x2 )
d’ordre superieur à zéro. Étudier la limite ponctuelle de la fonction de répartition. Elle
doit donner une fonction très simple.
10. Pour tout entier naturel n non nul, on considère la fonction fn définie par

fn (x) = 1R+ (x)n2 x exp(−n2 x2 /2)

(a) Montrer que fn est la densité d’une variable aléatoire.

(b) Soit (Xn ) une suite de variables aléatoires telle que, ∀n ≥ 1, Xn admet pour densité
fn . Démontrer que la suite (Xn ) converge en probabilité vers une variable aléatoire
X que l’on précisera.
11. Soit Xn une v.a.r. de loi binomiale négative de paramètres n et pn définie, pour tout k ∈ N,
par : P([Xn = k]) = Ckn+k pnn (1 − pn )k . On suppose que limn→+∞ n(1 − pn ) = λ > 0. Montrer
que la suite (Xn )n∈N converge en loi vers une v.a.r. de loi de Poisson P(λ).
12. Soit (Xn )n≥1 une suite de v.a.r. indépendantes de même loi de Poisson P(λ).

(a) Déterminer la loi de Un = X1 + . . . + Xn et calculer P([Un ≤ n]).

(b) On pose Zn = U√n −λn . Montrer que la suite (Zn )n≥1 converge en loi vers une v.a.r. dont
(λn)
on précisera la loi. En remarquant que

(1 − λ)n
!
P([Un ≤ n]) = P Zn ≤ √
λn

en déduire :
n
−n
X nk
lim e
n→+∞ k!
k=0

13. Soit X une v.a.r. à valeurs dans [1, +∞[. On suppose qu’il existe un réel λ strictement
positif tel que, pour tout x, on ait P([X ≥ x]) = x−λ .
(a) Montrer que les v.a.r. X et Y = ln X sont absolument continues et déterminer leur
densité.
(b) Soit (Xn )n≥1 une suite de v.a.r. indépendantes de même loi que Un = (X1 X2 · · · Xn )1/n .
Montrons que les suites (ln Un )n≥1 et (Un )n≥1 convergent en loi.
14. Un sac contient 100 billes dont 36 sont rouges et les autres sont bleues. Une épreuve
consiste à tirer 16 fois de suite une bille avec remise. Soit X la v.a.r. égale au nombre de
p
boules rouges tirées. Estimer P[|X − E(X)| ≥ 2 var(X)]
15. Une urne contient 3 boules numérotées 1, 2, 3. On effectue une suite de 100 tirages
indépendants avec remise. On note Xi le numéro de la boule tirée au i-ème tirage et on

2
 pose S = 100
P
i=1 Xi . Indiquer le plus petit nombre s que l’on peut trouver au moyen du
théorème de la limite centrale tel que : P([200 − s ≤ S ≤ 200 + s]) ≥ 0.9.
16. Un dé régulier est lancé 9000 fois. Déterminer la probabilité d’obtenir entre 1400 et 1600
fois la face 6.
17. On fait n parties de ”pile ou face”. A l’aide de l’approximation Normale de la loi Bino-
miale, déterminer n pour que l’on puisse affirmer que la fréquence d’apparition de ”pile”
soit comprise entre 0.45 et 0.55 avec une probabilité au moins égale à 0.9.
18. Sur un échantillon de population, on note que 11% des personnes mesurent moins de
1,60m et 8% plus de 1,80m. En admettant que la taille d’une personne est une v.a.r. de loi
normale, préciser les paramètres de cette loi.
19. Soient n ∈ N∗ et β ∈ R et soit X une v.a.r. à valeurs dans [|0, n|] telle que :

Ckn
P(X = k) = β pour k ∈ [|0, n|]
k+1
Déterminer β puis calculer E(X) et V(X).
20. On lance 2 dés et on appelle Z la v.a.r. égale à la valeur absolue de la différence des
numéros obtenus. Déterminer la loi de Z, sa fonction de répartition, son espérance et sa
variance.
21. Dans un garage, le nombre de voitures vendues en une semaine suit la loi de Poisson de
paramètre 8.
(a) Déterminer la probabilité des évènements A ”en une semaine, 8 voitures ont été
vendues” et B ”en une semaine, au moins 2 voitures ont été vendues”.
(b) Quelle est la probabilité qu’en une semaine il y ait eu au moins 6 et au plus 10 voitures
vendues ?
22. Pour ouvrir 1 porte, un gardien dispose d’un trousseau de 10 clefs différentes. Quand il
est ivre, il remélange les clefs après chaque essai ; sinon, il retire la mauvaise clef du lot.
On note X le nombre de clefs nécessaires pour ouvrir la porte dans le premier cas et Y
dans le second cas.
(a) Déterminer les lois de X et de Y ainsi que leur espérance.
(b) Sachant que le gardien est ivre 1 jour sur 3 et qu’aujourd’hui il a essayé au moins 9
clefs pour ouvrir la porte, quelle est la probabilité qu’il soit ivre aujourd’hui ?
23. Un industriel doit vérifier l’état de marche de ses machines et en remplacer certaines le
cas échéant. D’après des statistiques précédentes, il évalue à 30% la probabilité pour une
machine de tomber en panne en 5 ans ; parmi ces dernières, la probabilité de devenir
hors d’usage suite à une panne plus grave est évaluée à 75% ; cette probabilité est de 40%
pour une machine n’ayant jamais eu de panne.
(a) Quelle est la probabilité pour une machine donnée de plus de cinq ans d’être hors
d’usage ?
(b) Quelle est la probabilité pour une machine hors d’usage de n’avoir jamais eu de
panne auparavant ?

3
 (c) Soit X la variable aléatoire ≪nombre de machines qui tombent en panne au bout de
5 ans, parmi 10 machines choisies au hasard≫. Quelle est la loi de probabilité de X,
(on donnera le type de loi et les formules de calcul), son espérance, sa variance et
son écart-type ?
(d) Calculer P[X = 5].
24. Une suite d’épreuves de Bernoulli de paramètre p est répétée de façon indépendante
jusqu’à l’obtention de k succès. Soit X la v.a.r. égale au nombre d’essais nécessaires.
(a) Déterminer la loi de X.
(b) Pour k = 2, calculer E(X) ainsi que E(2/X).
25. Calculer E(X) et V(X) lorsque X suit la loi Gamma de densité f définie pour a > 0 et λ > 0
par :
λa λx a−1
f (x) = e x I]0,+∞[ (x)
Γ(a)
26. Un fournisseur d’accès à Internet met en place un point local d’accès, qui dessert 5000
abonnés. A instant donné, chaque abonné a une probabilité égale à 20% d’être connecté.
Les comportements des abonnés sont supposés indépendants les uns des autres.
(a) On note la variable aléatoire égale au nombre d’abonnés connectés à un instant .
Quelle est la loi de ? Quelle est son espérance, son écart-type ?
(b) On pose Y = X−1000
√
800
. Justifier précisément qu’on peut approcher la loi de Y par la loi
normale N(0, 1).
(c) Le fournisseur d’accès souhaite savoir combien de connexions simultanées le point
d’accès doit pouvoir gérer pour que sa probabilité d’être saturé à un instant donné
soit inférieure à 2.5%. En utilisant l’approximation précédente, proposer une valeur
approchée de ce nombre de connexions.
27. Soit (Xn ) une suite de variables aléatoires qui converge en loi vers X une variable aléatoire
constante égale à . Démontrer que la suite (Xn ) converge aussi en probabilité vers X.
28. Une société de location de voitures a calculé que la probabilité qu’une de ses voitures
louée ait un accident est égale à 0.2%. On suppose que les accidents sont indépendants
les uns des autres. Chaque jour, 1000 voitures de la société sont en circulation. On note
N le nombre de voitures accidentées.
(a) Quelle est la loi de N ?
(b) Donner une valeur approchée de la probabilité pour qu’il y ait au moins 5 voitures
accidentées dans lajournée.
29. Soit (Xn ) une suite de variables aléatoires deux à deux indépendantes. On suppose Xn
que chaque suit une loi de Bernoulli de paramètre pn . On note Sn = X1 + . . . + Xn et on
souhaite démontrer que, pour tout ϵ > 0,
 n
 
 Sn 1 X  
lim P  − pk  > ϵ = 0
n→+∞ n n
k=1


4
 (a) Pourquoi ne peut-on pas appliquer directement la loi faible des grands nombres ?
(b) Quelle est l’espérance de Sn ? Sa variance ? Démontrer que V(Sn ) ≤ n .
(c) En déduire le résultat
30. Lors de la construction d’un collège accueillant 500 élèves, il est prévu la construction
d’une cantine comprenant deux salles, chacune disposant de N places. On fait l’hypothèse
que chaque élève qui mange choisit au hasard et de façon équiprobable l’une des deux
salles, indépendamment les uns des autres. Déterminer la valeur de N à prévoir pour
que la probabilité que chaque élève trouve une place dans la salle qu’il a choisie soit
supérieure à 0,99.
31. Une entreprise compte 300 employés. Chacun d’eux téléphone en moyenne 6 minutes par
heures. Quel est le nombre de lignes que l’entreprise doit installer pour que la probabilité
que toutes les lignes soient utilisées au même instant soit au plus égale à 0,025. On pourra
utiliser une approximation de la loi d’une certaine variable aléatoire.
32. Une usine fabrique des pièces dont une proportion inconnue p est défectueuse, et on
souhaite trouver une valeur approchée de . On effectue un prélèvement de n pièces. On
suppose que le prélèvement se fait sur une population très grande, et donc qu’il peut
s’apparenter à une suite de n tirages indépendants avec remise. On note Xn la variable
aléatoire égale au nombre de pièces défectueuses et on souhaite quantifier le fait que
Xn /n approche p.
(a) Quelle est la loi de Xn ? Sa moyenne ? Sa variance ?
 
 Xn 1

(b) Démontrer que, pour tout ϵ > 0, P  − p ≥ ϵ ≤

n 4nϵ2
(c) En déduire une condition sur n pour que Xn /n soit une valeur approchée de p à 10−2
près avec une probabilité supérieure ou égale à 95%.
(d) Répondre à la question précédente en utilisant cette fois une approximation de Xn
par le théorème central limite. Qu’en pensez-vous ?
33. Il arrive assez souvent que le nombre de réservations pour une liaison aérienne soit
supérieur au nombre de passagers se présentant effectivement le jour du vol. Cela est dû
à des empêchements imprévisibles de certains passagers et à une politique systématique
de certains d’entre eux qui réservent des places sur plusieurs vols de façon à choisir
au dernier moment celui qui leur convient le mieux (en raison de la concurrence, et
selon les tarifs choisis, les compagnies ne pénalisent pas les clients qui se désistent et ne
font payer effectivement que ceux qui embarquent). Pour compenser ce phénomène, une
compagnie aérienne exploitant un avion de 300 places décide de faire de la surréservation
(surbooking) en prenant pour chaque vol un nombre n > 300 de réservations. S’il se
présente plus de 300 passagers à l’embarquement, les 300 premiers arrivés prennent leur
vol et les autres sont dédommagés financièrement.
(a) On considère que les passagers sont mutuellement indépendants et que la probabi-
lité de désistement de chacun d’eux est 10%. On note n le nombre de réservations
prises par la compagnie pour un vol donné et Sn le nombre (aléatoire) de passagers
se présentant à l’embarquement pour ce vol. Donner la loi de Sn , E(Sn ) et V(Sn )

5
 (b) Le directeur commercial de la compagnie aimerait connaitre la valeur maximale de n
telle que P(Sn ≤ 300) ≥ 0, 99. En utilisant le théorème limite central (ou théorème de
De Moivre-Laplace), proposez une solution approchée de ce problème. On pourra
s’aider d’une table de la loi normale.

34. Soit X1 ∼ N(0, 1), X2 ∼ N(1, 2), X3 ∼ N(3, 2) et X4 ∼ N(−1, 1) des lois normales
indépendantes. Pour Y = X1 − 4X4 , W = X1 − 5X2 + 2X3 . Trouver :
a. P(Y ≥ −8)
b. P(−5 ≤ W ≤ 8)
c. q0,65 tel que P(Y ≤ q0,65 ) = 0, 65 ;
d. q1.26 tel que P(W ≤ q0.26 ) = 0.26.
35. 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. Certains
candidats répondent au hasard à chaque question ; pour ceux-la, définir une variable
aléatoire associée à ce problème et donner sa loi de probabilité, son espérance.
36. Soit X ∼ N(8, 16), déterminer a tel que P([X − E(X)]2 < a) = 0.95.
√
37. Soit X1 . . . , X10 des lois normales centrées réduites indépendantes, T = X1 / U/5
et S = 3V/2Z telles que U = X22 + ... + X62 , V = X12 + ... + X42 et Z = X52 + ... + X10
2
. On suppose
que X1 , U, V et Z sont indépendantes. Trouver :
(a) t tel que P(|T| > t) = 0.001 ;
(b) s tel que P(S > s) = 0.05.
38. D’après une étude récente, la taille des femmes françaises est distribuée selon une loi
normale de moyenne m = 1.58 et d’écart type σ = 0.06. Pour produire un stock de
vêtements, un fabricant souhaite utiliser cette loi.
i. Il commence par déterminer un intervalle de la forme [m − a, m + a] (donc symétrique
autour de la moyenne) contenant en moyenne 90% (environ) des tailles des femmes
françaises : calculer a.
ii. Il en déduit trois tailles, S, M et L correspondant respectivement aux intervalles
[m − a, m + a/3],
[m − a/3, m + a/3] et [m + a/3, m + a]. Calculer le pourcentage de la production qui
doit être affecté à chaque taille.
39. Soit X ∼ N(8, 16), déterminer a tel que P([X − E(X)]2 < a) = 0.95.
√
(a) Soit X1 . . . , X10 des lois normales centrées réduites indépendantes, T = X1 / U/5
et S = 3V/2Z telles que U = X22 + ... + X62 , V = X12 + ... + X42 et Z = X52 + ... + X10
2
. On
suppose que X1 , U, V et Z sont indépendantes. Trouver :
i. t tel que P(|T| > t) = 0.001 ;
ii. s tel que P(S > s) = 0.05.