Solutions des exercices du chapitre 4

Exercice 4.1.
a.
Si on considère l'expérience: "Téléphoner à la pharmacie pour réaliser une vente"
A cette expérience aléatoire correspondent 2 événements aléatoires :
 Réaliser une vente (succès, avec la probabilité : p = 0,8)
 Ne pas réaliser de vente (échec, avec la probabilité : 1-p = q = 0,2)
Cette expérience est répétée 9 fois dans les mêmes conditions.
Ce schéma correspond au schéma de Bernoulli. Donc la variable aléatoire:
X : nombre de ventes réalisées (nombre de succès) est une variable binomiale de
paramètres n = 9 et p = 0,8.
Et les probabilités sont calculées à l'aide de la formule:

x P(x)
0
1
2 0,0003
3 0,0028 ou en utilisant la formule de récurrence :
4 0,016
5 0,066
6 0,176
7 0,302
8 0,302
9 0,134 …
1

b.

Ou encore :

Exercice 4.2.
a.
Si on considère l'expérience: "Choisir au hasard la réponse à une question"
A cette expérience aléatoire correspondent 2 événements aléatoires :
 La réponse est correcte (succès)
Puisque sur 5 réponses proposées, une seule est correcte, donc la probabilité du
succès est :
 La réponse est fausse (échec, avec la probabilité : 1-p = q = 0,8)
Cette expérience est répétée 10 fois (10 questions) dans les mêmes conditions.
Ce schéma correspond au schéma de Bernoulli. Donc la variable aléatoire:
X : nombre de réponses correctes (nombre de succès) est une variable binomiale de
paramètres n = 10 et p = 0,2.

Pour être reçu, il faut avoir au moins 5 réponses correctes, donc on cherche la probabilité :

les probabilités sont calculées à l'aide de la formule:

L. Baamal / DSIA/ IAV Hassan II Exercices de Statistique 1

x P(x)
0 0.1074 0,1074
1 0.2684
2 0.3020
3 0.2013 ou en utilisant la formule de récurrence :
4 0.0881
5 0.0264
6 0.0055
7 0.00079
8 0.00007
9 0.000004
10 0.0000001 …

D'où :

Ou encore :

b.
Le problème est résolu de la même manière qu'en a, sauf que la probabilité du succès est
égale à 0,5, puisqu'il choisit au hasard entre deux réponses.

Ainsi, la probabilité d'être reçu est :

Exercice 4.3.

Nous avons une population finie, avec :

a.
On choisit 2 ampoules au hasard,
Soit X : nombre de bonnes ampoules (parmi les 2)
X est une variable aléatoire ayant une loi hypergéométrique de paramètres :

La probabilité recherchée est alors :

b.
Même méthode, si on choisit 5 ampoules au hasard ;
Soit X : nombre de bonnes ampoules (parmi les 5)
X est une variable aléatoire ayant une loi hypergéométrique de paramètres :

La probabilité recherchée est alors :

c. La réponse à cette question peut se faire de deux manières différentes :

L. Baamal / DSIA/ IAV Hassan II Exercices de Statistique 2

 (i) si les deux premières ampoules choisies sont bonnes, alors il reste 8 ampoules dont 4
bonnes et 4 défectueuses ; on en choisit 3 au hasard. La variable aléatoire X
représentant le nombre de bonnes ampoules (parmi les 3) possède une loi
hypergéométrique, de paramètres :

Et la probabilité que les trois soient bonnes est :

(ii) Soient les événements :

A : les 2 premières sont bonnes (question a).
B: les 5 ampoules sont bonnes (question b).
C: les 3 dernières sont bonnes.
Alors la probabilité recherchée est une probabilité conditionnelle :

Exercice 4.4.
(Cet exercice correspond au jeu du Loto).
Après avoir choisi les 6 numéros (dans le jeu de Loto, on coche 6 cases sur 49), on peut
considérer que les 49 numéros sont divisés en deux catégories :

Lors du tirage au hasard et sans remise de 6 numéros dans l'ensemble {1,2,...,49}, le nombre
X de numéros tirés qui appartiendront à la "catégorie des numéros choisis (cochés)" est une
variable aléatoire ayant une loi hypergéométrique de paramètres :

Le calcul des probabilités se fait alors de la manière suivante :

a.

(Ce chiffre correspond à la probabilité d'avoir les 6 bons numéros au Loto : 1 gagnant sur 13 983 816).
b.

Exercice 4.5.

a.
Soit X : le nombre de bactéries présentes dans un échantillon de 1 cm3 de ce milieu de
culture.
X est une variable aléatoire de Poisson de paramètre : m = 1 (moyenne).

La probabilité demandée est :

L. Baamal / DSIA/ IAV Hassan II Exercices de Statistique 3

b.

Ce problème peut être résolu de trois manières différentes :

(i) soient les variables aléatoires :

Nous avons :

Qui est, du fait de la propriété d'additivité des variables de Poisson, une variable de
Poisson de paramètre :

Et par la suite :

(ii) Soient les événements :

La probabilité demandée est alors :

Et puisque les échantillons sont prélevés indépendamment, alors :

(iii) soit l'expérience aléatoire qui consiste à prélever un échantillon de 1 cm3 à partir de ce
milieu. Cette expérience peut donner l'un des deux résultats suivants :

 l'échantillon ne contient pas de bactérie (succès), avec :

 l'échantillon contient des bactéries (échec), avec :

L'expérience est répétée 5 fois indépendamment et dans les mêmes conditions. Nous
sommes ainsi dans le cas du schéma de Bernoulli.
Ainsi, si on désigne par Y le nombre de succès (nombre d'échantillons sans bactéries),
Y est une variable aléatoire ayant une loi binomiale de paramètres :

La probabilité demandée (avoir 5 succès) est alors :

c.
Soit Z : le nombre de bactéries présentes dans un échantillon de 5 cm3 de ce milieu de
culture.
Z est une variable aléatoire de Poisson de paramètre : m = 5 (moyenne).

La probabilité demandée est :

L. Baamal / DSIA/ IAV Hassan II Exercices de Statistique 4
Exercice 4.6.

a.
Prélever un grain à partir du lot est une expérience aléatoire, dans la mesure où l'on peut
prélever un grain infesté (avec la probabilité p = 0,01) ou un grain non infesté (1-p = 0,99).

Cette expérience est répétée 50 fois indépendamment et dans les mêmes conditions. Nous
sommes donc dans le cas du Schéma de Bernoulli. Donc :
X : nombre de grains infestés parmi les 50 prélevés,
est une variable aléatoire ayant une loi binomiale de paramètres n =50 et p = 0,01.

Pour mettre en évidence l'infestation du lot de grains, il faut trouver, dans les 50, au moins
un grain infesté. et la probabilité recherchée est :

Sachant que :

Donc :

b.
Soit n' : nombre total de grains qu'il faudrait prélever pour que la probabilité soit supérieure
ou égale à 0,95.

X : nombre de grains infestés parmi les n' prélevés,

est une variable aléatoire ayant une loi binomiale de paramètres n' et p = 0,01.

Il faut donc chercher n' tel que :

ou

Comme est un entier devant être supérieur ou égal à 298,1 donc il faut prélever au moins
299 grains, soit 249 grains supplémentaires.

Exercice 4.7.

a.
Si on considère l'expérience: "Mettre en germoir une graine prélevée au hasard de ce lot "
A cette expérience aléatoire correspondent 2 événements aléatoires :
 la graine germe pour donner une plantule (succès, avec la probabilité : p = 0,8)
 la graine ne germe pas (échec, avec la probabilité : 1-p = q = 0,2)
Cette expérience est répétée 100 fois dans les mêmes conditions.
Ce schéma correspond au schéma de Bernoulli. Donc la variable aléatoire:

L. Baamal / DSIA/ IAV Hassan II Exercices de Statistique 5

 X : nombre de graines qui vont germer (nombre de succès) est une variable binomiale
de paramètres n = 100 et p = 0,8.

La probabilité recherchée est alors :

Le calcul exact avec la binomiale s'avère trop long, on peut faire un calcul approché.

Sachant que ,
on peut obtenir un résultat très proche en remplaçant la variable binomiale par une
variable normale de paramètres :

Ainsi, en tenant compte de la correction de continuité (à cause du passage d'une variable

discrète à une variable continue), on peut écrire :

X dans la première expression est une variable binomiale alors que dans la dernière, elle est
considérée comme une variable normale. Donc, par passage à la normale réduite, on a :

Dans la table de la fonction de répartition de la normale réduite, on a et

. Par interpolation linéaire, on obtient . Ainsi :

et la probabilité recherchée est :

b.
Il faut chercher le nombre tel que :

X étant une variable binomiale de paramètres et p = 0,8.

De la même manière que ci-dessus, on peut remplacer la variable binomiale par une
variable normale, de paramètres :

En faisant une correction de continuité et en passant à la normale réduite, on a :

Or,

L. Baamal / DSIA/ IAV Hassan II Exercices de Statistique 6

 Donc :

Pour trouver , on pose :

Ou :

Cette fois-ci on cherche la valeur de telle que . Dans la table de la fonction de

répartition de la normale réduite, on a et . Par
interpolation linéaire, on trouve la valeur de

Ainsi, nous avons :

Ce qui est équivalent à :

du fait que la fonction de répartition est toujours croissante.

Il s'agit donc de résoudre l'inéquation en .
Puisque le membre de droite est positif, il en sera de même pour celui de gauche.
Par ailleurs, en élevant au carré, on a :

Le premier membre de cette inéquation est nul en 112,1 et 138,04 ; il est négatif
entre ces 2 valeurs et il est positif si .
La première solution est à écarter puisque, comme on l'a dit avant d'élever au carré,
et donc .
Ainsi, on retient comme solution de l'inéquation . Mais comme le nombre
doit être entier, alors on retient le plus petit entier satisfaisant la condition, soit
.
Il faut donc 139 grains au total, soit 39 grains supplémentaires.

L. Baamal / DSIA/ IAV Hassan II Exercices de Statistique 7

Exercice 4.8.

Soit X : taille d'un étudiant choisi au hasard.

Variable aléatoire normale :
Nous avons, d'après l'énoncé :

Détermination de :
 La première équation donne :

On cherche la valeur de telle que . Puisque cette probabilité est

inférieure à 0,5, cela veut dire que u est négative :

Dans la table de la fonction de répartition de la normale réduite, on a et

. Par interpolation linéaire, on trouve la valeur de

On peut donc en déduire :

 La deuxième équation donne :

Dans la table de la fonction de répartition de la normale réduite, on a et

. Par interpolation linéaire, on trouve la valeur de

On peut donc en déduire :

Ainsi, en résolvant le système d'équations :

L. Baamal / DSIA/ IAV Hassan II Exercices de Statistique 8

On obtient :

Exercice 4.9.

a.
Puisque sont des normales réduites, donc elles ont des moyennes nulles et des écarts-
types égaux à 1.

On pose :
X est une variable aléatoire normale, car toute combinaison linéaire de variables
normales indépendantes est une variable normale, de paramètres :

Donc

Et

b.
En posant on a :

X est une variable aléatoire normale de paramètres :

Donc

Et

c.
En posant on a :

L. Baamal / DSIA/ IAV Hassan II Exercices de Statistique 9

 X est une variable aléatoire normale de paramètres :

Donc

Et

Ainsi, on doit chercher

Ou

Dans la table de la fonction de répartition de la normale réduite, on a et

. Par interpolation linéaire, on trouve la valeur de

Ainsi, on a :

Donc :

Ce qui donne :

Exercice 4.10.

La médiane est la valeur telle que :

X étant une variable khi-carré avec 2 degrés de libertés.

En utilisant la table de la variable , pour k=2 ddl, on trouve facilement :

Exercice 4.11.

Détermination de la moyenne et de la variance de :

L. Baamal / DSIA/ IAV Hassan II Exercices de Statistique 10

 Si on pose :

On peut dire que Y est, par définition, une variable khi-carré avec
degrés de libertés.
Et si on pose :

On peut dire que Z est, par définition, une variable t de Student avec
degrés de libertés.
Ainsi, on connait les paramètres de Z (paramètres de t de Student) :

Et comme

On en déduit les paramètres de X :

Exercice 4.12.

a. X : normale réduite :

Dans la table de la fonction de répartition de la normale réduite, on a ,

Donc :

Et on en déduit que :

b. X : une variable normale de moyenne 10 et d'écart-type 2

L. Baamal / DSIA/ IAV Hassan II Exercices de Statistique 11

 On a :

Donc :

Et on en déduit :

c.
X : une variable t de STUDENT à 60 degrés de liberté.
On peut lire directement la valeur dans la table de la distribution t.

d/
X : une variable khi-carré de PEARSON à 60 degrés de liberté;
On peut lire directement la valeur dans la table de la distribution khi-carré.

e/
X : une variable F de SNEDECOR avec degrés de liberté.
Dans les tables de F, nous n'avons pas . La valeur recherchée peut être
déterminée de manière approximative par interpolation linéaire entre 50 et 100.
Ainsi, pour , nous avons :



1013

x
Donc :
1008

40 50 60 70 80 90 100 110 120

L. Baamal / DSIA/ IAV Hassan II Exercices de Statistique 12