Académique Documents
Professionnel Documents
Culture Documents
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 :
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.
Exercice 4.3.
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 :
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 :
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 :
(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).
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 :
(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'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 :
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).
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.
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:
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 :
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 :
b.
Il faut chercher le nombre tel que :
De la même manière que ci-dessus, on peut remplacer la variable binomiale par une
variable normale, de paramètres :
Or,
Ou :
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.
Détermination de :
La première équation donne :
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 :
Donc
Et
c.
En posant on a :
Donc
Et
Ou
Ainsi, on a :
Donc :
Ce qui donne :
Exercice 4.10.
Exercice 4.11.
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
Exercice 4.12.
a. X : normale réduite :
Et on en déduit que :
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