UNIVERSITE MOHAMED I

Faculté des sciences Année Universitaire 2021/2022

Département de Mathématique Filières : SMI (S3)
Oujda Module : Probabilités et Statistique

Correction Examen de Probabilités et Statistique

(Session Ordinaire, Durée 1h30’)

Exercice 1 . Dans la salle des profs 40% sont des femmes, une femme sur trois porte des lunettes
et un homme sur deux porte des lunettes, notons les différents événements : F : être femme,
L : porter des lunettes, H : être homme.
1
a) On a : P (H) = 0, 6, P (L/F ) = 3 et P (L/H) = 12 .
b) On a : {H, F } est une partition de Ω
donc d’après la formule totale de probabilité :
1 1 13
P (L) = P (L/F )P (F ) + P (L/H)P (H) = × 0, 4 + × 0, 6 = .
3 2 30
c) On a : {H, F } est une partition de Ω.
P (L/H)P (H)
donc d’après la formule de Bayes P (H/L) = P (L/F )P (F )+P (L/H)P (H) .
1
×0,6 9
D’où P (H/L) = 2
13 = 13 .
30

Exercice 2 . On considère une variable aléatoire X qui suit la loi de poisson de paramètre λ, tel
1
que E(X) =
9
1
a) On a : X suit la loi de poisson de paramètre ,
9
1
donc λ = E(X) = .
9
1
b) On a : X suit la loi de poisson de paramètre ,
9
1
donc la variance de X : V (X) = E(X) = λ =
9
1
c) On a X suit la loi de poisson de paramètre
n
9
−λ λ
donc P({X = n}) = e
n!
1 ( 1 )1
−
parsuite P(X = 1) = e 9 9 = 11 . 1!
9e 9
P(X > 1) = 1 − P(X ≤ 1) = 1 − P(X = 0) − P(X = 1) = 1 − 101
9e 9
 2−x
e si x ≥ 2
Exercice 3 . Soit X une v.a.r. de densité f (x) =
0 si x < 2
1. Il est Z
claire que f est positive.
+∞ Z 0 Z +∞
On a f (x) dx = 0 dx = e2−x dx,
Z −∞
+∞
−∞ 2
 2−x +∞
donc f (x) dx = −e 2
= 0 + 1 = 1.
−∞
D’où f définit bien une densité de probabilité

1/2
 2. L’espérance de X, E(X),
Z +∞ Z 0 Z +∞
on a E(X) = xf (x) dx = 0 dx = xe2−x dx,
−∞ Z +∞ −∞ 2
+∞ +∞
2−x e2−x dx = 0 + 2 + −e2−x 2 = 2 + 1 = 3.
 
donc −xe 2
+
2

3. La fonction de répartition FX de X.Z

x
Si x < 2 on a FX (x) = P (X ≤ x) = 0 dx = 0.
−∞
Z 2 Z x
Si x ≥ 2 on a FX (x) = P (X ≤ x) = 0 dx + e2−t dt = 0.
x −∞ 2
donc FX (x) = −e2−t 2 = −e2−x + 1.


1 − e2−x si x ≥ 2

D’où F (x) =
0 si x < 2
1
4. On a p1 = P(1 ≤ X ≤ 4) = F (4) − F (1) = 1 − e2−4 = 1 − 2
e

Exercice 4 . Une machine fabrique des billes métalliques dont le poids, mesuré en gramme est
une v.a. X de loi normale N (m, σ 2 ) où les paramètres m et σ 2 sont supposés inconnus.
1. On veut estimer le paramètre inconnu m = E(X), à partir d’un échantillon X1 , . . . , Xn de
n observations de X.
(a) L’estimateur naturel de m est Xn = n1 ni=1 Xi .
P

(b) L’ estimateur Xn est un estimateur sans biais, convergence en probabilité vers m

√
et n Xnσ−m converge en loi vers la loi normale N (0, 1).
1 Pn
(c) L’ estimateur de σ 2 est σ
b2 = n−1 i=1 (Xi − Xn )
2

200
X 200
X
2. Application aux données suivantes : Xi = 390 et (Xi − Xn )2 = 320.
i=1 i=1
1 P200 390 1 P199 320
(a) On a X2 00 = 200 i=1 Xi = 200 b2 =
=' 1, 95. et σ 199 i=1 (Xi − X1 0)2 = 199 ' 1, 6
(b) On sait que la loi de X n est N (m, √σ ), donc,
n

σ σ Xn − m
P (X n − zα √ ≤ m ≤ X n + zα √ ) = P (−zα ≤ ≤ zα )
n n √σ
n
Xn − m
= P (−zα ≤ ≤ zα )
√σ
n
= φ(zα ) − φ(−zα )
α α
= 1− −
2 2
= 1−α

donc l’intervalle de confiance de m au risque de 1% est [X n − zα √σbn ; X n + zα √σbn ]

√
On a σ b = 1, 6, α = 0, 01 et zα = 2, 58 l’intervalle de confiance de m au risque de 1%
est [1, 95 − 2, 58 √1,6
200
; 1, 95 + 2, 58 √1,6
200
] ' [1, 71; 2, 18].
On donne P(|N | > 2, 58) = 0, 01 (càd zα = 2, 58) où N est la v.a.r. de loi gaussienne N (0, 1).

2/2