Ecole Polytechnique de Ouagadougou 2020-2021

(E.P.O) IGIT1

Travaux Dirigés de Probabilité-Statistique

EXERCICE1
Un atelier d’assemblage de matériel informatique s’approvisionne en pièces
d’un certain modèle.
L’atelier reçoit ce modèle de pièces en grande quantité.
Partie A
On note D :«la pièce prélévée au hasard dans un stock important est défectueuse».
On suppose que P(D)= 0,03.
On préléve au hasard 200 pièces dans le stock pour vérification. Le stock est
assez important pour que l’on puisse assimiler ce prélevement à un tirage
avec remise.
On considère la variable aléatoire X qui à tout prélevement de 200 pièces
associe le nombre de pièces defectueuses.
1 Donner en justifiant la loi de la variable aléatoire X.
2 Calculer la probabilité que dans un tel prélevement il y ait exactement une
pièce défectueuse.
3 Calculer la probabilité que dans un tel prélevement il y ait au moins deux
pièces défectueuses.
Partie B
On s’intéresse maintenant à la masse de ces pièces.
On note Y la variable aléatoire qui à chaque pièce prélevée au hasard dans
un lot important associe sa masse en grammmes.
On suppose que Y suit la loi normale de moyenne 500 et d’écart-type 4.
1 Calculer la probabilité qu’une pièce prélevée au hasard ait une masse
inférieure ou égale à 510 grammes.
2 Une pièce de ce modèle est acceptable pour la masse lorsque celle-ci ap-
partient à l’intervalle [490 , 510].
a) Calculer la probabilité qu’une pièce prélevée soit acceptable pour la
masse.
b) Sachant que l’atelier a commandé 1000 pièces, calculer le nombre de
pièces non acceptables pour la masse.

1
EXERCICE2
Des paquets de lessive sont remplis automatiquement. En principe, ils
pèsent 5kg. En fait leur poids est une variable aléatoire. Statistiquement on
n’a jamais trouvé de paquets pesant moins de 4,85kg, ou pesant plus de
5,15kg.
Soit k un réel strictement positif. Soit X la variable aléatoire égale au :
«poids d’un paquet de lessive». Au vu des statistiques, on décide que X doit
être continue et avoir une densité de probabilité f uniforme, c’est à dire telle
que : 

 0 si x < 4, 85



f (x) = k si 4, 85 ≤ x ≤ 5, 15




0 si x > 5, 15


1. Calculer k.
2. Déterminer la fonction de répartition de X
3. Calculer la probabilité qu’un paquet pèse moins de 5kg.
4. Calculer la probabilité qu’un paquet pèse entre 4,90kg et 5,10kg.
5. Calculer E(X) et V (X).

EXERCICE3
Partie A
Après avoir effectué une étude statistique, on admet qu’un passant pris au
hasard dans la galérie marchande entre dans la pharmacie avec une probabi-
lité de 0,15. On prélève, de façon aléatoire, un échantillon de 40 usagers de la
galérie marchande (on assimile ce prélèvement à un tirage avec remise). On
désigne par X, la variable aléatoire qui comptabilise le nombre de personnes
qui entrent dans la pharmacie, parmi les 40 usagers de l’échantillon.
1 Donner la loi de probabilité de X.
2 Calculer l’espérance mathématique de la variable aléatoire X. Par une
simple phrase, en donner une interprétation.
3 Calculer les probabilités P (X = 0) et P (X ≥ 1). (On donnera les valeurs
arrondies à la quatrième décimale).
Partie B
Soit Y la variable aléatoire, qui, un jour donné, décompte le nombre de clients
entrés dans la pharmacie entre 18 heures et 19 heures. On admet que Y suit
la loi normale N (30, 4).

2
1 Calculer avec précision de la table, les probabilités
P (Y ≥ 34) et P (26 ≤ Y ≤ 34).
2 Déterminer, en utilisant la valeur au plus près dans la table, le nombre
réel a tel que : P (Y ≥ a) = 0, 04.
Partie C
Dans le passé, la pharmacie disposait aussi d’un second accès (par le parking).
La variable aléatoire Z1 prend pour valeurs le nombre de clients qui entraient
dans la pharmacie par la galerie (entre 18 heures et 19 heures), et suit la loi
normale N (20 , 2).
La variable aléatoire Z2 prend pour valeurs le nombre de clients qui entraient
dans la pharmacie (entre 18 heures et 19 heures), par le parking et suit la loi
normale N (15 , 3)
1 Que mesure la variable aléatoire Z = Z1 + Z2 ?
2 Sachant que Z suit une loi normale, déterminer ses paramètres (moyenne
et écart-type).

EXERCICE5
On considère un composant électronique dont la durée de vie T (en
années) suit une loi exponentielle d’espérance 10 ans.
1. Déterminer la densité, la fonction de repartition et l’écart type de la
variable aléatoire T.
2. Calculer la probabilité qu’un tel composant ait une durée de vie :
a) supérieure à 5 ans ;
b) supérieure à 10 ans ;
c) comprise entre 5 et 10 ans.
3. Un composant électronique de ce type fonctionne déjà depuis 8 ans.
Quelle est la probabilité qu’il fonctionne encore au moins pendant :
5 ans ? 10 ans ? Que remarque-t-on ?

EXERCICE6
On donne la sèrie statistique suivante (pourcentage de la teneur en cendres
de 20 wagons de charbon) :
16, 4 17, 8 21, 7 14, 6
16, 9 12, 8 18, 4 23, 1
12, 2 15, 1 14, 4 17, 6
14, 7 18, 1 21, 4 17, 7
18, 5 15, 7 17, 1 19, 6

3
 1. Ordonner la sèrie par ordre de grandeur croissante.
2. Déterminer : l’étendue, la moyenne arithmetique, la médiane et les
quartiles.
3. Grouper les valeurs en classes d’amplitude 2. La première classe étant :
[12 14[, etc. Construire le diagramme différentiel de cette sèrie groupée.
4. En considérant la sèrie groupée, déterminer :
a) la classe modale, la moyenne arithmetique, la médiane.
b) l’étendue, les quartiles et l’écart type.

EXERCICE7
Sur une route nationale, les gendarmes effectuent un contrôle de vitesse.
Ils ont relevé les vitesses suivantes :
Vitesse en km/h Effectif
[50 ; 60[ 3
[60 ; 70[ 17
[70 ; 80[ 40
[80 ; 90[ 131
[90 ; 100[ 122
[100 ; 110[ 56
[110 ; 120[ 25
[120 ; 130[ 5
[130 ; 140[ 1
1 Donner la nature précise de la variable étudiée.
2 Calculer le mode, la médiane, les quartiles et la moyenne de cette distri-
bution.
3 Sachant que, sur cette route, la vitesse est limité à 90 km/h, y a-t-il plus
ou moins de 50% d’automobilistes en infraction ?
4 Les gendarmes ne dressent un procès-verbal d’infraction qu’aux conduc-
teurs de véhicules roulant à une vitesse d’au moins 105 km/h. Quel est
le pourcentage d’automobilistes sanctionnés ?

EXERCICE8
Une école privée annonce que la probabilité de réussite au baccalauréat
des éléves qui lui sont confiés est au moins égale à 75%. A l’issue de l’année
scolaire, parmi les 375 éléves présentés, il y a 270 reçus. Construire le test
d’hypothèse permettant de juger, au seuil de signification α = 0, 05, si le
pourcentatage de réussite de 75% est respecté.

4
EXERCICE9
Dans le contrat passé entre un fabricant de jouets electroniques et une
chaine de magassins, il est stipulé que la durée moyenne de fonctionnement
du jouet avant la première panne devrait être au moins égale à 12 mois. Un
contrôle a été effectué sur un échantillon de 400 unités. Il a fourni une durée
moyenne x égale 10,45 mois et une variance S 2 égale à 900. Construire le
test d’hypothèse permettant de juger, au seuil de signification α = 5%, si la
stipulation du contrat est respectée.

EXERCICE10
On mesure la glycémie des individus d’un échantillon de 100 personnes :

Glycémie (mg/100 ml) Effectifs

[75 ; 80[ 5
[80 ; 85[ 10
[85 ; 90[ 20
[90 ; 95[ 36
[95 ; 100[ 15
[100 ; 105[ 8
[105 ; 110[ 6

Compléter le tableau suivant :

Glycémie (mg/100 ml) Effectifs Ci ni Ci ni Ci2
[75 ; 80[ 5
[80 ; 85[ 10
[85 ; 90[ 20
[90 ; 95[ 36
[95 ; 100[ 15
[100 ; 105[ 8
[105 ; 110[ 6
Total -
1 Calculer la moyenne et l’écart type de la glycémie pour cet échantillon.
2 En déduire des estimations de la moyenne et de l’écart type de la popula-
tion correspondante.
3 Donner l’intervalle de confiance de la moyenne au seuil de risque de 1%.
4 En supposant que l’écart type de la population est égal à l’estimateur
précédent, calculer la taille de l’échantillon qui permet de connaı̂tre la
glycémie moyenne à 0,5 mg/100 ml près.

5
5 Sachant que la glycémie suit une loi normale, calculer à partir des estima-
teurs la proportion de personnes dans la population dont la glycémie
est supérieure à 105 mg/100 ml.

EXERCICE11
un fabricant de voitures fait un test d’éfficacité d’un certain modéle. On
mesure les litres de consommation d’essence pour 100 kilomètre :
14,60 ; 11,21 ; 15,56 ; 11,37 ; 13,68 ; 11,06 ; 26,58 ; 13,37 ; 15,98 ; 12,07 ; 13,22 ;
12,01 ; 15,07.
On connait la variance de la population : elle vaut σ = 16.
1 Calculer un intervalle de confiance à 95% pour la moyenne.
2 Quel niveau correspond à un intervalle de longueur 3 litres/100km ?
3 Combien d’observations additionnelles sont nécessaires pour avoir un in-
tervalle à 99% de longueur 2 litres/100km ?

EXERCICE12
Dans un test de fabrication de composants d’une chaine hi-fi, la baisse
de puissance de sortie des circuits électriques après 20 heures d’utilisation
a été mesurée. Un essai sur 80 composants identiques a donné les résultats
suivants : la baisse de puissance moyenne est de 12 watts.Par ailleurs, il est
connu que l’écart-type de la baisse de la puissance pour ce type de circuit
électrique est σ = 2 watts
1 Calculer l’intervalle de confiance à 95% de la baisse de la puissance moyenne
de la fabrication.
2 Recalculer l’intervalle pour un niveau de confiance de 99%.
3 vérifier que l’intervalle obtenu en 2 est plus large que celui obtenu en 1.
Expliquer ce fait.

EXERCICE13
Soit X1 , X2 , . . . , Xn un échantillon i.i.d de X de densité :
 −θx
 θe si x ≥ 0, θ>0
f (x, θ) =
0 si x < 0


On rapelle que la loi exponentielle de paramètre θ est encore appelèe loi

γ(1, θ).

6
 n
X
Donc si Xi ,→ γ(1, θ) alors Xi ,→ γ(n, θ) de densité :
i=1

θn −θx n−1

e x si x ≥ 0


Γ(n)

h(x) =


 0 si x < 0

1 Vérifier que f (x, θ) est une densité de probabilité.

2 Calculer E(X) et V(X).
3 Quel est l’estimateur du maximum de vraisemblance θbn de θ. Est-il sans
biais ? Construire alors un estimateur Tn sans biais pour θ.
4 Qu’est ce qu’un estimateur convergent ? L’estimateur Tn est-il convergent ?

EXERCICE14
Soit X1 , X2 , . . . , Xn un échantillon i.i.d tiré dqns une loi continue unifor,e
sur lùintervqlle [θ , 2θ] où θ ∈]0 , +∞[ est un paramètre inconnu.
1 Déterminer en fonction de θ la fonction de densité de Xi ainsi que son
espérance qu’on notera m et sa variance qu’on notera σ 2 .
2 Donner un estimateur convergent de m. En déduire un estimateur convergent
θbn de θ.
3 Calculer l’espérance et la variance de l’estimateur θbn .
4 En supposant que n est suffisamment grand, donner une approximation
de la loi de θbn et déterminer un intervalle de confiance bilatéral pour
θau niveau de confiance 95%. On rapelle que si U ,→ N (0 , 1) alors
P |U | ≤ 1, 96 = 0, 95.
A.N : déterminer l’intervalle de confiance pour n = 500 et Xn = 10.

EXERCICE15
Supposons que les tailles de 100 étudiants masculins de l’Université de
Ouagadougou représentent un échantillon aléatoire des tailles des 4521 étudiants
de cette université. Sachant que dans cet échantillon la taille moyenne vaut
1,73 m et l’écart-type 10 cm, déterminer un intervalle de confiance à 95% de
la taille moyenne des étudiants de l’université.

7
EXERCICE16
Dans une manufacture, on a voulu estimer le temps moyen nécessaire
à une machine pour complèter une tâche. On a alors mesuré les temps
nécessaires pour complèter cette tâche 150 fois et on a obtenu un temps
moyen de 85 minutes et un écart-type de 10 minutes.
1 Donner un intervalle de confiance avec un niveau de confiance de 95% pour
le temps moyen nécessaire à la machine pour accomplir cette tâche.
2 si le temps moyen a été estimé entre 83 et 87 minutes, quel est le niveau
de confiance associé à cet intervalle.
3 Combien de fois doit-on mesurer les temps pour que l’intervalle de confiance
spécifie le temps moyen 1 minute près et ceci 19 fois sur 20 ?

EXERCICE17
Un échantillon de 100 votants choisis au hasard parmi tous les votants
d’un bureau donné indique que 55% d’entre eux votent pour le candidat A.
1 Donner l’intervalle de confiance à 95% de la proportion de tous les votants
en faveur du candidat A.
2 Quelle aurait dû être la taille de l’échantillon pour conclure au niveau 95%
que le candidat A serait élu ?

EXERCICE18
Une société fournisseur d’accès Internet qui propose une ligne téléphonique
d’aide technique souhaite estimer le temps d’attente de ses clients lors de ce
service. On suppose que Xi , la variable aléatoire décrivant le temps d’attente
avant d’obtenir un opérateur, suit une loi normale N (m ; σ 2 ). La société fait
appel à vous, cadre supérieur de STAT.COM, pour réaliser un sondage. Vous
mesurez pour 100 personnes le temps d’attente. Vous trouvez une moyenne
empirique égale à 20 minutes et un écart-type empirique de 10 minutes.
1 Quel est le meilleur estimateur de m ? Quelle est sa loi ?
2 Donner un intervalle de confiance bilatéral à 95% de l’estimateur de m.
3 La société fournisseur d’accès Internet souhaite obtenir une estimation
de m à la minute près. Mesurer le temps d’attente vous coûte 1000
Euros comme coût fixe pour les 100 premiers appels et chaque mesure
supplémentaire d’un temps d’attente vous coûte 5 Euros. Vous coûtez à
votre employeur 500 Euros pour ce travail. Combien faut-il facturer la
société fournisseur d’accès Internet pour que STAT.COM puisse faire
10% de bénéfice, en supposant que σ = 10 ?