Académique Documents
Professionnel Documents
Culture Documents
: 2019-2020
Faculté poly-disciplinaire Filière: SMC/S4
Sa Proba-Stat
T. D 1
Vrai-Faux
2. Dans un espace probabilisé, l'égalité p(A ∪ B) = p(A) + p(B) implique que les
événements A et B sont indépendants.
Exercice 5 Dans une urne contenant deux boules rouges et trois noires, quatre
personnes (A,B,C,D) tirent successivement une boule sans la remettre. La première
personne qui tire une rouge gagne. Calculer la probabilité de gain de chacun des
quatre joueurs.
Université Cadi Ayyad A.U.: 2019-2020
Faculté poly-disciplinaire Filière: SMC/S4
Sa Proba-Stat
Suite de correction T. D 1
Vrai-Faux
Alors pour que (1) soit satisfaite il sut que p(A ∩ B) = 0, ce qui n'a rien à
voir avec 'A et B sont indépendants'. On considère ar exemple Ω = {1, 2, 3}
avec p(1) = p(2) = 21 et p(3) = 0. Soit A = {1, 3} et B = {2, 3}. On voit
que p(A ∩ B) = p(3) = 0 et p(A ∪ B) = p(Ω) = 1 = p(A) + p(B) alors que
p(A ∩ B) = 0 6= p(A).p(B) = 41 .
3. Si deux événements sont indépendants alors leurs complémentaires le sont
aussi.
Vrai: Soient A et B deux évenement indépendants. Remarquons que A et
B c sont aussi indépendants. En eet,
A = (A ∩ B) ∪ (A ∩ B c ). (3)
Donc
p(A) = p(A ∩ B) + p(A ∩ B c ). (4)
D'où
p(A ∩ B c ) = p(A) − p(A ∩ B)
= p(A) − p(A)p(B)
= p(A)[1 − p(B)]
= p(A)p(B c ).
T. D 2
Exercice 1 Dans une urne contenant deux boules rouges et trois noires, quatres
personnes A1 , A2 , A3 et A4 tirent successivement une boule sans la remettre. La
première personne qui tire une rouge gagne. Calculer p(Ai ), i ∈ {1, 2, 3, 4}.
Exercice 4 Calculer le nombre des mots diérents qu'on peut former avec les
lettres du mots :Nour.
Exercice 5 Calculer le nombre des tiercés dans le désordre avec quinze chevaux
au départ.
T. D 2: Solutions
Exercice 1 Dans une urne contenant deux boules rouges et trois noires, quatres
personnes A1 , A2 , A3 et A4 tirent successivement une boule sans la remettre. La
première personne qui tire une rouge gagne. Calculer p(Ai ), i ∈ {1, 2, 3, 4} (la
probabilité du gain du ième joueur).
Solution: Cet exercice fait appel à la formule des probabilités composés
2
• p(A1 ) = p(R1 ) = (le premier joueur possède deux chances sur 5 possibilités).
5
3 2 3
• p(A2 ) = p(N1 ∩ R2 ) = p(N1 )p(R2 |N1 ) = × =
5 4 10
(Le gain du deuxième joueur est conditionné par la perte du premier joueur
et par le tirage d'une boule rouge lors du deuxième tirage).
3
• p(A3 ) = p(N1 ∩ N2 ∩ R3 ) = p(N1 )p(N2 |N1 )p(R3 |N1 ∩ N2 ) = 5
× 24 × 2
3
= 15 .
(Le gain du troisième joueur est conditionné par la perte des deux précédents).
Remarquons que les événements Ai ∩ B sont deux à deux incompatibles (car les
Ai le sont), donc
X X
p(B) = p(Ai ∩ B) = p(Ai )p(B|Ai ).
L'objectif de la formule de Bayese est de calculer les probabilités a posteriori
p(Ai |B) qui sont donc données pour tout i ∈ {1, 2, ..., n} par :
3 3 1
p(Ui )p(R|Ui ) = ( 38 + 16 + 49 ).
P P
• p(R) = p(R ∩ Ui ) =
i=1 i=1 3
• La probabilité a posteriori de l'urne U2 est alors
1
p(U2 )p(R|U 2) p(U2 )p(R|U 2) 6 12
p(U2 |R) = = 3 = 3 1 4 = .
p(R) P 8
+ +
6 9
71
p(Ui )p(R|Ui )
i=1
1 71 12 36
• Remaque: p(U2 ) = = > p(U2 |R) = = !
3 213 71 213
card(A) 6
• p(A) = = 2 = 16 ;
card(Ω) 6
card(B) 6
• De même, p(B) = = 2 = 16 ;
card(Ω) 6
card(A ∩ B) 1 1
• p(A ∩ B) = = 2 = 36
= p(A)p(B).
card(Ω) 6
Donc A et B sont indépendants.
Solution:
1. Ω=E×E avec E = {P, F };
2. Remarquons que A = {P } × E = {(P, P ), (P, F )} et que B = E × {P } =
{(P, P ), (F, P )}. Alors p(A) = p(B) = 42 = 12 ;
3. Soit C = {P F, F P }. On voit que p(C) = 42 = 12 . Remarquons que A ∩ B =
{(P, P )}, alors p(A ∩ B) = 41 = p(A)p(B). On trouve de même p(A ∩ C) =
p(B ∩ C) = 41 .
4. Alors les événements A, B et C sont deux à deux indépendants mais ils ne le
sont pas dans leurs ensemble du fait que
1
p(A ∩ B ∩ C) = p(∅) = 0 6= p(A)p(B)p(C) = .
8
Exercice 4 bis Calculer le nombre des mots diérents qu'on peut former avec les
lettres du mots :Nour. Solution: N = 4! = 24 .
Exercice 5 Calculer le nombre des tiercés dans le désordre avec quinze chevaux
au départ.
Solution: 3
Dans le desordre N = C15 = 455 alors que dans l'ordre c'est un ar-
0 3
rangement N = A15 = 15 × 14 × 13 = 2730
p(A ∩ B) p(A)p(B|A) p 5p
p(A|B) = = c c
= (1−p)
= .
p(B) p(A)p(B|A)) + p(A )p(B|A ) p+ 5 4p + 1
p(B|A) = 1 (la probablilité que cet étudiant fournit la réponse juste sachant
qu'il a bien travaillé c'est 1);
p(B|Ac ) = 15 (la probablilité que cet étudiant fournit la réponse juste sachant qu'il
1
n'a pas bien travaillé c'est , car le QCM ore 5 possibilités);
5
p(Ac ) = 1 − p.
Université Cadi Ayyad A.U.: 2019-2020
Faculté poly-disciplinaire Filière: SMC/S4
Sa Proba-Stat
T. D 3
Exercice 2 Même question que l'exercice précédent pour une variable indicatrice.
Y -4 3 33
1 1 1
2 3 6
T. D 3: Solutions
Exercice 2 Même question que l'exercice précédent pour une variable indicatrice.
Solution
Soit A l'événement assocoé à une variable indicatrice de probabilité q ∈]0, 1[.
•
E(X) = p1 x1 + p2 x2
= PX (X = 0) × 0 + PX (X = 1) × 1
= 0 × (1 − q) + 1 × q
= q.
•
V (X) = p1 (x1 − E(X))2 + p2 (x2 − E(X))2
= (1 − q) × (0 − q)2 + q × (1 − q)2 = q(1 − q) .
Dans ce cas E(X) coïncide avec la moyenne arithmétique x des valeurs pos-
sibles de X i.e., E(X) = x .
•
k k
X 1X
V (X) = pi (xi − x)2 = (xi − x)2 .
i=1
k i=1
Y -4 3 33
1 1 1
2 3 6
T. D 4 (Lois usuelles)
Exercice 1 (Loi normale ou de Laplace-Gauss) On rappelle que la loi normale est une loi d'une variable
aléatoire X à valeurs dans R de densité donnée par:
1 (x − m)2
f (x) = √ exp −
σ 2π 2σ 2
où E(X) = m et σ = V (X), on écrit alors X N (m, σ). Si m = 0 et σ = 1 on parle de loi normale
p
centrée reduite encore appelée loi normale standard. Dans la suite on considère une v.a X N (m, σ).
1. On pose U = X−mσ
. Montrer que U est une loi standard i.e., U N (0, 1). Donner la fonction de
densité de U. On note ϕ cette nouvelle fonction de densité.
u2
2. En déduire la valeur de l'intégrale −∞ +∞ −
R
e 2 du.
3. Soit Φ la fonction de répartition associée à U. Donner l'expression de Φ.
4. Montrer que pour tout x ∈ R, Φ(−x) = 1 − Φ(x) (on remarquera que ϕ(−x) = ϕ(x)).
5. En déduire que pour tout a ∈ R∗+ , p(|U | < a) = P (−a < U < a) = 2Φ(a) − 1.
6. Montrer que pour tout x, F (x) = Φ( x−m σ
).
7. Application: Soit X N (m, σ) telle que P (X < 3) = 0, 1587 et P (X > 12) = 0, 0228. On se
propose de calculer P (1 < X < 10). Pour cela, rappelons que Φ(1) = 0, 814 et Φ(2) = 0, 9772
(fournies par les tables usuelles de la loi normale).
(a) En utilisant la question 4 montrer que
X −m 3−m
P( < ) = Φ(−1)
σ σ
et que
X −m 12 − m
P( < ) = Φ(2).
σ σ
(b) En déduire m et σ.
(c) Conclure la valeur de P (1 < X < 10).
Exercice 2 (Loi géométrique ou loi de Pascal). Cette loi convient aux épreuves successives indépendants
jusqua'à l'obtention d'un événement A. La variable aléatoire correspondante X traduit le nombre aléatoire
d'épreuves eectuées. Si p = p(A) alors
PX (X = k) = (1 − p)k−1 p.
∞
1. Montrer que pour tout x tel que |x| < 1, xk = 1
P
1−x
.
k=0
∞
2. En déduire que kxk−1 = 1
P
(1−x)2
.
k=1
T. D 4 (Corrigé)
Exercice 1 (Loi normale ou de Laplace-Gauss) On rappelle que la loi normale est une loi d'une variable
aléatoire X à valeurs dans R de densité donnée par:
1 (x − m)2
f (x) = √ exp −
σ 2π 2σ 2
où E(X) = m et σ = V (X), on écrit alors X N (m, σ). Si m = 0 et σ = 1 on parle de loi normale
p
centrée reduite encore appelée loi normale standard. Dans la suite on considère une v.a X N (m, σ).
1. On pose U = X−m
σ
. En général, pour une v.a X et a, b ∈ R, on a E(aX + b) = aE(X) + b et
V (aX + b) = a V (X). Pour la v.a U, E(U ) = E( X−m
2
σ
)= 1
σ
(E(X) − m) = 0 = E(X) . On a aussi
V (X)
V (U )(= E(U 2 ) − E 2 (U )) = V ( X−m
σ
)= σ2
= σ2
σ2
= 1 = V (X) .
1 u2
La fonction de densité de U notée ϕ est donnée par ϕ(u) = √ exp(− ) .
2π 2
Z +∞
u2 √
2. On sait que ϕ(u)du = 1, donc
R +∞
−∞
e− 2 du = 2π .
−∞
3. D'après le cours, la F.R F d'une v.a X est donnée par F (x) = f (t)dt où f est la densité de
Rx
−∞
probabilité de X.
Soit Φ la fonction de répartition associée à U. On a alors
Z x Z x
1 u2
Φ(x) = ϕ(u)du = √ e− 2 du .
−∞ 2π −∞
4. On voit que ϕ est une fonction paire i.e., ϕ(−x) = ϕ(x), alors le graphe de ϕ est symétrique par
rapport à la droite verticale d'équation x = 0. D'où, il en est de même pour la loi de probabilité
de U, c'est-à-dire P (U < −x) = P (U ≥ x). Or, P (U ≥ x) = 1 − Φ(x) (U ≥ x et U < 1 sont
complémentaires), il vient que P (U ≥ x) = 1 − Φ(x). Par suite,
Φ(−x) = 1 − Φ(x) .
5. On a p(|U | < a) = P (−a < U < a) = Φ(a) − Φ(−a) = Φ(a) − (1 − Φ(a)) = 2Φ(a) − 1 = .
6. On a F (x) = P (X < x). Mais X < x ⇔ X−mσ
< x−m
σ
, donc
X −m x−m x−m
F (x) = P ( < ) = Φ( ).
σ σ σ
7. Application: Soit X N (m, σ) telle que P (X < 3) = 0, 1587 et P (X < 12) = 0, 0228. On se
propose de calculer P (1 < X < 10).
(a) On sait que Φ(1) = 0, 814, donc la question 4 implique
Φ(−1) = 1 − Φ(1) = 0, 1587 = P (X < 3).
Exercice 2 (Loi géométrique ou loi de Pascal). Cette loi convient aux épreuves successives indépen-
dants jussqua'à l'obtention d'un événement A. La variable aléatoire correspondante X traduit le nombre
aléatoire d'épreuves eectuées. Si p = p(A) alors
PX (X = k) = (1 − p)k−1 p, k ≥ 1.
∞
1. |x| < 1, xk = 1
(Voir cours d'analyse 2)
P
1−x
k=0
∞
2. kxk−1 = 1
il sut de dériver l'expression de la question précédente.
P
(1−x)2
,
k=1
∞
3. (a) PX (X = k) = 1, il sut d'utiliser la convergence de la série ci-dessus;
P
k=1
(b) On a
∞ ∞ ∞
X X X 1
E(X) = kPX (X = k) = kp(1 − p)k−1 = p k(1 − p)k−1 =
p
k=1 k=1 k=1