Académique Documents
Professionnel Documents
Culture Documents
IUA 2023-2024
Présenté par:
Dr KOUAHO Jean-Claude
Email
kouahokjclaude@yahoo.fr
Contacts
07 57 32 31 14
1
Introduction
• La théorie des probabilités est une branche des mathématiques née au XVIIe
siècle de l’étude des jeux de hasard.
• Elle a été axiomatisée au début du XXe siècle.
• Elle est toujours utilisée notamment :
• par les organisateurs de jeux de hasard (casinos, · · · )
• dans le domaine de la couverture de risques (assurances)
• en physique quantique
• en statistique inférentielle (ou décisionnelle) lorsque l’on cherche à étendre
une propriété constatée sur un échantillon à l’ensemble d’une population.
Associer une probabilité à un évènement, c’est lui associer un nombre qui indique
la "vraisemblance" de la réalisation de cet évènement. La probabilité est un nombre
qui est toujours compris entre 0 et 1 :
• Probabilité proche de 1 æ évènement très probable.
• Probabilité proche de 0 æ évènement très peu probable.
Par exemple : Que signifie : "la probabilité qu’il fasse beau demain est de 0, 75 ?"
Objectifs du cours
• Proposer des techniques de comptage du nombre d’éléments d’un ensemble
fini. Ceci constitue un préalable indispensable à l’étude du calcul classique des
Probabilités.
• Proposer de manière détaillée les notions et les méthodes de calcul de proba-
bilités : probabilité des évènements et probabilité conditionnelle.
• Proposer une introduction à la théorie des probabilités en se concentrant sur
les éléments strictement utiles à une bonne compréhension des outils de base
en statistique décisionnelle : loi et moments des variables aléatoire.
• Assurer, via les travaux pratiques, que ces concepts sont bien intégrés et
peuvent être mis en œuvre pratiquement.
Analyse Combinatoire
Activité 1.1.1
Méthode :
1. Pour écrire un nombre de trois chiffres distincts, on peut procéder selon les
étapes suivantes :
2
CHAPITRE 1. ANALYSE COMBINATOIRE 3
Solution:
....................................................................................
....................................................................................
....................................................................................
....................................................................................
....................................................................................
....................................................................................
....................................................................................
....................................................................................
....................................................................................
....................................................................................
....................................................................................
....................................................................................
....................................................................................
....................................................................................
....................................................................................
....................................................................................
....................................................................................
....................................................................................
....................................................................................
....................................................................................
....................................................................................
....................................................................................
....................................................................................
....................................................................................
....................................................................................
....................................................................................
....................................................................................
....................................................................................
....................................................................................
....................................................................................
....................................................................................
....................................................................................
....................................................................................
....................................................................................
....................................................................................
Activité 1.1.3
Dans un groupe de 25 personnes, 10 jouent au basket-ball, 17 jouent au football et
8 pratiquent ces deux sports. Déterminer le nombre de personnes :
1. Qui jouent seulement au football.
2. Qui jouent seulement au basket-ball.
3. Qui ne pratiquent aucun de ces deux sports.
Méthode :
Nous faisons un diagramme dans le quel on note E l’ensemble des 25 personnes, B
et F les sous ensembles de ces personnes pratiquant respectivement le basket-ball
et le football.
Solution:
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
Activité 1.1.4
Dans une classe de 40 élèves, on relève les données suivantes :
• Il y a 16 filles parmi lesquelles 12 apprennent l’anglais et 6 apprennent l’arabe ;
• 26 élèves suivent les cours d’anglais, 17 suivent les cours d’arabe, 7 suivent les
deux cours ;
• 2 garçons ne suivent aucun de ces deux cours.
1. Déterminer le nombre de filles de cette classe qui suivent les deux cours de
langue.
2. Déterminer le nombre de filles qui ne suivent aucune de ces deux matières.
Méthode :
Nous faisons un diagramme dans le quel G et F représentent respectivement les
ensembles des garçons et des filles de cette classe ; de plus An et Ar représentent les
ensembles des élèves étudiant respectivement l’anglais et l’arabe. On désignent par
x et y les nombres de garçons et de filles apprenant les deux langues.
Solution:
On sait que dans cette classe :
• il y a . . . . . . filles, donc . . . . . . garçons ;
• . . . . . . filles, donc . . . . . . garçons apprennent l’anglais ;
• . . . . . . filles, donc . . . . . . garçons apprennent l’arabe.
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
Exercice résolu 1.1.6 On reprend les données de l’activité 1.1.1 Combien y a-t-
il de nombres de trois chiffres, distincts ou non, choisis parmi les éléments de cet
ensemble ?
Activité 1.1.7
Pour se rendre à un mariage, un homme doit choisir la chemise, le pantalon et la
veste qu’il portera. Il possède 5 chemises, 3 pantalons et 2 vestes. Combien de choix
distincts peut-il ainsi effectuer ?
Méthode :
On peut construire un arbre à trois niveaux en choisissant dans l’ordre, par exemple,
la chemise, le pantalon et la veste. On désigne par
˙ C1 , C2 , C3 , C4 et C5 les chemises,
˙ P1 , P2 et P3 les pantalons,
˙ V1 et V2 les vestes.
Solution:
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
Activité 1.2.1
Exercice résolu 1.2.2 Soit E l’ensemble tel que : E = {a, b, c}. Donner le cardinal
de P(E).
Activité 1.2.3
Soient A = {1, 2, a, b, koffi, aya, papa} et B = {koné, maman, 2, a, koffi, aya}. Déter-
miner les ensembles suivants ainsi leur cardinal.
1. A fl B
2. A \ B
3. B \ A
4. A fi B
Solution:
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
Définition 1.2.4
Conséquences
Pour toutes parties A et B d’un ensemble fini E, on a :
• Card(A) + Card(E \ A) = Card(E).
• Card(A fi B) = Card(A) + Card(B) ≠ Card(A fl B).
Activité 1.2.7
Méthode :
Remarque :
Remarque :
1.3 Arrangements
1.3.1 Arrangement avec répétition : p-uplets
Définition 1.3.1
Activité 1.3.3
Solution:
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
Activité 1.3.4
Une entreprise doit commander trois voitures pour trois personnes différentes. Pour
chacun des véhicules, on a le choix entre six couleurs. De combien de façons peut-on
réaliser cette commande ?
Solution:
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
Remarque :
Activité 1.3.7
Dix athlètes participent à une course. On appelle podium l’arrivée des trois premiers.
On se propose de déterminer le nombre de podiums possibles, en supposant qu’il y
a pas d’ex æquo.
Solution:
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
Activité 1.3.8
On veut calculer le nombre de façons différentes de placer dix personnes sur 15
chaises numérotées de 1 à 15, sachant que deux personnes ne peuvent occuper la
même chaise.
Solution:
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
Notion de factorielle
• Pour tout nombre entier naturel n non nul, le produit 1◊2◊3◊· · ·◊(n≠1)◊n
est appelé "factorielle n" et noté n!.
• Par convention : 0! = 1.
Exemple :
0! = 1
1! = 1
2! = 1 ◊ 2 = 2
3! = 1 ◊ 2 ◊ 3 = 6
4! = 1 ◊ 2 ◊ 3 ◊ 4 = 24
5! = 1 ◊ 2 ◊ 3 ◊ 4 ◊ 5 = 120.
6! = 1 ◊ 2 ◊ 3 ◊ 4 ◊ 5 ◊ 6 = 720.
7! = 1 ◊ 2 ◊ 3 ◊ 4 ◊ 5 ◊ 6 ◊ 7 = 5 040.
8! = 1 ◊ 2 ◊ 3 ◊ 4 ◊ 5 ◊ 6 ◊ 7 ◊ 8 = 40 320.
9! = 1 ◊ 2 ◊ 3 ◊ 4 ◊ 5 ◊ 6 ◊ 7 ◊ 8 ◊ 9 = 362 880.
10! = 1 ◊ 2 ◊ 3 ◊ 4 ◊ 5 ◊ 6 ◊ 7 ◊ 8 ◊ 9 ◊ 10 = 3 628 800.
..
.
Exercice résolu 1.3.9 Donner les valeurs de : 11!, 12!, 13! et 20!
.................................................................................
.................................................................................
.................................................................................
.................................................................................
Propriété 1.3.10 Soit n et p deux nombres entiers naturels non nuls tels que :
p Æ n. On a :
n!
Apn =
(n ≠ p)!
Exemple 1.4.1
Ann = n!.
Activité 1.4.3
Activité 1.4.7
Trouver le nombre de mots que l’on peut former par permutation des différentes
lettres
1. du mot VAI .
2. du mot VIVA.
3. du mot AVIVA.
4. du mot AVIVAIT.
5. DÉVELOPPEMENT.
6. ANTICONSTITUTIONNELLEMENT.
Solution:
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
1.5 Combinaison
Une combinaison de k objets pris parmi n objets est un sous-ensemble de k de
ces n objets. L’ordre n’intervient pas.
Remarque : Pour la même raison que pour les arrangements sans répétition,
une combinaison de p éléments d’un ensemble à n éléments ne peut exister que si
p Æ n.
Propriété 1.5.1 Le nombre de combinaison de p éléments d’un ensemble à n élé-
ments, noté Cnp , est tel que :
Apn n!
Cnp = =
p! p!(n ≠ p)!
Remarque : Soit E un ensemble à n éléments.
• Il y a une seule partie à 0 élément de E, c’est l’ensemble vide ; donc Cn0 = 1 ;
• Il y a une seule partie à n élément de E, c’est l’ensemble E lui-même ; donc
Cn1 = 1 ;
• Il y a n singletons inclus dans E ; donc : Cn1 = n
Activité 1.5.2
On désire sélectionner 6 joueurs parmi les 15 membres d’un club pour constituer une
équipe de volley-ball. Déterminer le nombre de sélections différentes que l’on peut
former.
Solution:
.................................................................................
.................................................................................
.................................................................................
.................................................................................
Activité 1.5.3
On procède au tirage d’une tombola. Il a 5 lots identiques à gagner et 150 billets
ont été vendus. Déterminer le nombre de tirages différents des 5 billets gagnants.
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
Activité 1.5.6
Muni de 5 "bon pour une boisson", vous allez prendre livraison à un bar que peut
délivrer 8 sortes de boissons dénommées ABCDEFGH. De combien de manière cette
livraison peut-elle être réalisée ?
Activité 1.5.7
Solution: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Activité 1.5.8
Lors d’une soirée, 3 amis munis de 3 "bons pour une boisson" se dirigent vers le
bar qui peut délivrer 8 sortes de boissons dénommées ABCDEFGH. Combien de
commandes peuvent-ils faire ? [AAB = ABA]
Solution: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Lorsqu’il s’agit de choisir p éléments parmi n , on doit se poser les deux questions
suivantes :
• Peut-on tirer deux fois le même élément ? (Avec ou sans remise ? )
• L’ordre dans lequel on choisit les éléments est-il important ? (Avec ou sans
ordre ?)
Ainsi
• Sans remise et avec ordre nous donne un arrangement sans répétition :
Apn , (p Æ n)
• Sans remise et sans ordre nous donne une combinaison sans répétions :
Cnp , (p Æ n)
np
• Avec remise et sans ordre nous donne une combinaison avec répétition :
p
Cn≠p+1
S’exercer 1.6.2
S’exercer 1.6.3
Quatre couples sont réunis pour une soirée dansante. Les quatre hommes invitent
chacun une femme à danser. De combien de façons peut se faire cette invitation,
sachant qu’aucun homme ne danse avec son épouse ?
1. Procéder par comptage,
2. Puis à l’aide d’un arbre de choix.
S’exercer 1.6.4
S’exercer 1.6.5
S’exercer 1.6.7
S’exercer 1.6.9
S’exercer 1.6.10
Six athlètes prennent le départ d’une course à pieds. Chacun d’eux prend au hasard
un des dix couloirs de la piste.
1. Combien y a-t-il de positions de départ possible ?
2. Combien y a-t-il de positions de départ possibles si l’un des athlètes ne prend
pas le départ ?
S’exercer 1.6.11
S’exercer 1.6.13
S’exercer 1.6.14
On veut élire un comité de quatre membres parmi les 45 élèves d’une classe.
1. Quel est le nombre de résultats possibles ?
2. Quel est le nombre de comités contenant exactement 2 filles, sachant qu’il y a
25 filles dans la classe ?
3. Quel est le nombre de comités contenant au moins 1 fille ?
S’exercer 1.6.15
Quarante athlète, dont quinze filles, sont pré-sélectionnés pour une compétition. On
veut choisir, parmi ces athlètes, une équipe de 11 footballeurs et 5 basketteuses.
Combien y a-t-il de choix possible ?
S’exercer 1.6.16
De combien de manières peut-on choisir une délégation de 3 hommes et 2 femmes
pris parmi un groupe de 7 hommes et 5 femmes ?
Activité 2.1.1
23
CHAPITRE 2. LA THÉORIE DES PROBABILITÉS 24
Remarque :
¶ Un évènement est un ensemble d’issues. Les issues sont également appelées des
événements élémentaires.
¶ A appartient à P( ), l’ensemble des parties de : A œ P( )
¶ On dira qu’un évènement A est réalisé si et seulement si le résultat Ê de
l’expérience appartient à A : Ê œ A.
b) Évènement complémentaire
Soit A un évènement de . Le complémentaire de A est constitué des évènements
élémentaires qui n’appartiennent pas à A. On le note A. Autrement dire A = E \ A.
Exemple 2.1.5 Retour à l’exemple 2.1.3
Déterminer A.
.................................................................................
.................................................................................
.................................................................................
.................................................................................
e) Évènements incompatibles
Soient A et B deux évènements de . A fl B = ÿ signifie que A et B sont des
évènements incompatibles. A et B ne peuvent pas être réalisés en même temps.
A et A sont incompatibles : A fl A = ÿ.
Soit D = "obtenir un nombre inférieur ou égal à 3". Vérifier que AfiD = {1; 2; 3; 4; 6}.
.................................................................................
.................................................................................
.................................................................................
.................................................................................
Activité 2.2.1
On jette deux fois une pièce de monnaie. Quelle est la probabilité d’avoir deux fois
face ? d’avoir pile et face ?
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
S’exercer 2.2.2
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
Activité 2.3.3
Un tiers d’une population est vaccinée contre une maladie.On sait que 10% des
personnes vaccinées développent quand même la maladie. On choisit une personne
au hasard. Quelle est la probabilité pour que celle-ci soit malade et vaccinée ?
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
Activité 2.3.5
On constate que notre étudiant Ed est en cours. Avec les mêmes données que pré-
cédemment, quelle est la probabilité que ce cours soit un cours magistral ?
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
P (A fl B) = P (A) P (B)
Activité 2.3.6
1. On tire sans remise deux cartes d’un jeu de 32 cartes. Montrer que Les évène-
ments A="obtenir un roi au premier tirage" et B="obtenir un roi au second
tirage" ne sont pas indépendants.
2. Si l’on effectue ces deux tirages avec remise, montrer que A et B deviennent
indépendants.
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
.................................................................................
Activité 2.3.7
0 Æ P (A) Æ 1
Probabilité conditionnelle
Une probabilité conditionnelle est une probabilité, à la différence que l’on sait
déjà quelque chose.
Par exemple, en lançant un dé, on peut chercher la probabilité d’avoir un 4 SA-
CHANT que l’on a obtenu un nombre pair.
ATTENTION !
Indépendance
Deux événements sont dits indépendants s’ils n’ont pas d’influence l’un sur
l’autre. Par exemple, si on lance un dé et qu’on le relance après, le résultat du
deuxième lancer ne dépend pas du premier lancer : les 2 lancers sont donc indépen-
dants. Il y a alors une formule très importante à retenir : Si A et B sont indépen-
dants : P (A fl B) = P (A) ◊ P (B). En revanche, si les 2 événements ne sont pas
indépendants, on utilise le fait que
P (A fl B) = P (A) + P (B) ≠ P (A fi B)
Ou / Et
Souvent dans les énoncés tu verras les mots « et » et « ou ». Il faut alors traduire
ces mots sous forme mathématiques. En fait c’est très simple : le « et » correspond
à l’intersection, le « ou » correspond à l’union !.
Exercices d’entrainement
S’exercer 2.4.1
Une urne contient 12 boules blanches, 5 boules noires et 8 boules bleus indiscernables
au touché. On considère notre univers d’expérience composé des trois événements
élémentaires suivants :
A : "La boule tirée est blanche"
B : "La boule tirée est noire"
C : "La boule tirée est bleue"
Compléter le tableau ci-dessous, au centième près, représentant la loi de probabilité
de notre expérience :
X A B C
P(X)
S’exercer 2.4.2
Voici le tableau représentant la loi de probabilité d’un dés truqué à six faces :
xi 1 2 3 4 5 6
pi 0,15 0,1 0,08 0,17 0,22 0,28
S’exercer 2.4.3
S’exercer 2.4.4
Lors d’un référendum, deux questions étaient posées. 65% des personnes ont répondu
"oui" à la première question, 51% ont répondu "oui" à la seconde question, et 46%
ont répondu "oui" aux deux questions.
1. Quelle est la probabilité qu’une personne ait répondu "oui" à l’une ou l’autre
des questions ?
2. Quelle est la probabilité qu’une personne ait répondu "non" aux deux ques-
tions ?
S’exercer 2.4.5
Les résultats de l’enquête auprès des employés de l’entreprise sont répertoriés dans
le tableau suivant :
On interroge au hasard un employé de cette entreprise (on suppose que tous les
employés ont la même chance d’être interrogés).
F l’événement : "l’employé est une femme" ;
T l’évènement : "l’employé choisit le train"
1. Calculer les probabilités P(F ), P(T ) puis déterminer la probabilité que l’em-
ployé ne choisisse pas le train (on donnera les résultats sous forme décimale)
2. (a) Déterminer la probabilité de l’évènement F fl T .
(b) En déduire la probabilité de l’évènement F fi T .
3. En choisissant un employé au hasard parmi les employés n’ayant pas choisi le
train, quelle est la probabilité que cet employé soit une femme ? (on donnera
le résultat arrondi au millième)
S’exercer 2.4.6
S’exercer 2.4.7
Dans un lycée, quel que soit le niveau, un élève peut être externe ou demi-pensionnaire.
L’arbre ci-contre indique la répartition selon le niveau et la qualité de l’élève (E :
externe ; DP : demi-pensionnaire)
S’exercer 2.4.8
Une société comprend 65% de cadres, et parmi ceux-ci, 70% parlent l’anglais. Chez
les autres employés, seuls 40% parlent anglais. On interroge un employé de la société
au hasard. On note C l’événement " la personne interrogée est un cadre" et A
l’événement "la personne interrogée parle anglais".
1. Déterminer de l’événement C et la probabilité de A sachant C.
2. Construire un arbre pondéré rendant compte de l’énoncé. On pourra utiliser
C et A les événements contraires de C et A.
3. En déduire la probabilité que cet employé soit un cadre parlant anglais.
4. Quelle est la probabilité qu’on interroge un employé parlant anglais ?
S’exercer 2.4.9
S’exercer 2.4.10
Dans une urne U1 , il y a quatre boules noires et six boules blanches. Dans une urne
U2 , il y a trois boules noires er sept boules blanches. Les boules sont indiscernables
au toucher.
On choisir une urne au hasard, puis on tire au hasard une boule dans cette urne.
On note A l’événement " on choisit U1 " et N l’événement " la boule tirée est noire".
1. Représenter l’épreuve par un arbre non pondéré que vous compléterez au fur
et à mesure.
2. Calculer la probabilité P(A) de l’événement A.
3. Donner une interprétation en langage courant, puis calculer la probabilité de
N sachant A et la probabilité de N sachant A et compléter l’arbre.
4. Donner une interprétation en langage courant, puis calculer la probabilité des
événement suivants
(a) N fl A
(b) N fl A
(c) N
5. En déduire la probabilité d’avoir choisir l’urne U1 sachant qu’on a tiré une
boule noire.
S’exercer 2.4.11
Dans une famille donnée, on suppose qu’à chaque naissance, la probabilité d’avoir
une fille est la même que celle d’avoir un garçon. On note A l’événement "la famille
a des enfants des deux sexes" et B l’événement "l’ainé est une fille"
Les événements A et B sont-ils indépendants :
1. dans une famille de deux enfants ?
2. dans une famille de trois enfants ?
Exemple 3.1.1
X : æ X( ) = {x1 ; x2 ; · · · , xn ; · · · }
Ê ‘æ X(Ê)
40
CHAPITRE 3. LOI DE PROBABILITÉS DISCRÈTES 41
P :X( ) æ [0; 1]
xi ‘æ P(X = xi )
F : R æ [0; 1]
x ‘æ F(x) = P(X Æ x)
Propriété 3.1.5 .
• pour tout x réel, on a 0 Æ F(x) Æ 1.
• La fonction de répartition d’une v.a. est croissante et est continue à droite.
• X est une variable aléatoire discrète si et seulement si sa fonction de répar-
tition est une fonction en escalier.
• P(X = x1 ) = F(x1 )
• Pour i Ø 2, P(X = xi ) = F(xi ) ≠ F(xi≠1 ).
Définition 3.1.7 La variance d’une v.a. X, notée Var(X), si elle existe, est l’es-
pérance de la variable aléatoire (X ≠ E(X))2 :
Ë È Ë È
Var(X) = E (X ≠ E(X))2 = E (X)2 ≠ (E [X])2 .
Solution:
On jette deux fois un dé ; on s’intéresse à la somme des numéros obtenus.
1. Définissons et X( ).
Méthode : Nous commençons par construire un tableau à double entrées où
la première ligne et la première colonne sont les numéros du Dé. Ici c’est un
tableau de la forme
lancer 1 \ lancer 2 1 2 3 4 5 6
1 ··· ··· ··· ··· ··· ···
2 ··· ··· ··· ··· ··· ···
3 ··· ··· ··· ··· ··· ···
4 ··· ··· ··· ··· ··· ···
5 ··· ··· ··· ··· ··· ···
6 ··· ··· ··· ··· ··· ···
Ainsi
252
(a) E(X) = 36
=7
(b) V ar(X) [7]2 = 5.83.
= 1974
36
≠
Ò Ô
(c) ‡(X) = V ar(X) = 5.83 = 2.41.
1. Définissez et X( )
2. Déterminer la loi de probabilité de la variable aléatoire discrètes X ( nous nous
mettons dans une situation d’équiprobabilité).*
3. Déterminer la fonction de répartition de X.
4. Déterminer
(a) l’espérance mathématique E (X) de la variable X.
(b) la variance Var (X) de la variable X.
(c) l’écart-type ‡X de la variable X.
Solution:
1. Définissez et X( )
Méthode : Nous utilisons un arbre au choix. Je vous donne les résultats (à
vous de vérifier).
Lorsqu’on lance cette pièce, on peut obtenir pile ou face. Cependant, nous
considérons :
• F ="obtenir face"
• P ="obtenir pile"
Dans ce cas, nous obtenons :
= {P P P, P P F, P F P, P F F, F P P, F P F, F F P, F F F } . Donc Card ( ) = 8.
Y
_
_
_0 si x < 0
_
_ 1
_
_
_
]8 si 0 Æ x < 1
FX (x) = 1
8
+ 3
8
= 4
8
si 1 Æ x < 2
_
_
_ 4 3 7
_
_
_8 + 8
= 8
si 2 Æ x < 3
_
_
[7 1 8
8
+ 8
= 8
= 1 si 3 Æ x
Ainsi,
12
(a) E(X) = 8
= 1.5
(b) Var(X) = 3 ≠ 1.52 = 0.75.
Ò Ô
(c) (X) = V ar(X) = 0.75 = 0.866.
Une association organise une tombola et met ne vente 200 tickets chacun au prix de
5 euro.
Parmi eux, 30 font gagnés 40 euro et 5 font gagnés 10 euro. Tous les autres tickets
sont perdants. Une personne acheté, au hasard, un ticket. On note X la variable
aléatoire égale au gain algébrique du ticket en euro.
1. Déterminer la loi de probabilité de X.
2. Déterminer le gain moyen.
3. Déterminer l’écart type.
4. Déterminer la fonction de répartition.
Y
_
_
_0, si x < ≠5
_
_
] 165 ,si ≠ 5 Æ x < 5
F (x) = 200
170
_
_
_
_ 200
, si 5 Æ x < 35
_
[
1, si 35 Æ x.
( Je vous encourage à tracer la
courbe de cette fonction).
On suppose qu’à la naissance d’un enfant, la probabilité d’avoir une fille est égale
à celle d’avoir un garçon. On choisit au hasard une famille de trois enfants sans
naissance multiple. On note Y la variable aléatoire égale au nombre de garçon parmi
les enfants de la famille.
1. Déterminer la loi de probabilité de Y .
2. Déterminer le nombre moyen de naissance.
3. Déterminer l’écart type.
4. Déterminer la fonction de répartition.
Solution:
1. La loi de probabilité de Y . Soient les événements :
G="Avoir un garçon à la naissance" et F ="Avoir un fille à la naissance"
Dans ce cas, l’univers est :
Ceci donne :
1
• 3 garçons pour GGG : Donc Y = 3 et P (Y = 3) = 8
• 2 garçons pour chacun des résultats :GGF , GF G , F GG : Donc Y = 2
et P (Y = 2) = 38
• 1 garçons pour chacun des résultats : F F G, F GF GF F : Donc Y = 1 et
P (Y = 1) = 38
1
• 0 garçon pour chacun des résultats : F F F : Donc Y = 0 et P (Y = 0) = 8
Donc Y œ {0; 1; 2; 3} et on obtient la loi de probabilité de Y .
Y = xi 0 1 2 3 Total
1 3 3 1
P (Y = xi ) 8 8 8 8
1
Pour répondre aux questions, je complète le tableau suivant et j’obtiens :
Y = xi 0 1 2 3 Total
1 3 3 1
P (Y = xi ) 8 8 8 8
1
1 4 1 7 8
Cumul des P (Y = xi ) 8 8
= 2 8 8
=1 ◊
3 6 3 12
xi P (Y = xi ) 0 8 8 8 8
= 32 = 0.5
3 12 9 24
x2i P (Y = xi ) 0 8 8 8 8
=3
2. Le nombre moyen de naissance : E (Y ) = 1.5
3. Déterminer l’écart type.
(a) La variance est V (Y ) = 3 ≠ 1.52 = 0.75
Ò Ô
(b) L’écart type est ‡(Y ) = V (Y ) = 0.75 = 0.866
4. La fonction de répartition(On utilise Cumul des P (Y = xi )).
Y
_
_
_0, si x < 0
_
_ 1
_
]8,
_
_ si 0 Æ x < 1
F (x) = 12 , si 1 Æ x < 2
_
_
_ 7
_
_
_ 8
, si 2 Æ x < 3
_
_
[
1, si 3 Æ x.
Y
_0,
_
_ si x < ≠1
_
_
]0.5, si ≠ 1 Æ x < 2
F (x) =
_
_
_
_
0.7, si 2 Æ x < 5
_
[
1, si 5.
Y
_0,
_
_ si x < ≠1
_
_
]0.5,si ≠ 1 Æ x < 2
F (x) =
_
_
_
_
0.7, si 2 Æ x < 5
_
[
1, si 5.
On considère une variable aléatoire X dont la loi de probabilité est donnée dans le
tableau ci-dessous
xi ≠5 ≠2 8
pi 0.2 b c
Solution:
1. Déterminons les nombre réels b et c.
(a) Déterminons E (X) en fonction de b et c.
xi ≠5 ≠2 8 T otal
pi 0.2 b c 0.2 + b + c
xi pi ≠1 ≠2b 8c ≠1 ≠ 2b + 8c
Donc E (X) = ≠1 ≠ 2b + 8c.
Puisque E (X) = 1.4. Il suffit de résoudre l’équation ≠1 ≠ 2b + 8c = 1.4,
c’est à dire ≠2b + 8c = 1.4 + 1 = 2.4. Soit ≠b + 4c = 1.2.
(b) Utilisons 0.2 + b + c = 1 car la somme des probabilité est 1. Soit b + c =
1 ≠ 0.2 = 0.8.
Y
]≠b + 4c = 1.2 (1)
(c) Nous obtenons : (S)
[b + c = 0.8 (2)
(d) Résolvons le système (S)
2
i. (1) + (2) implique : 5c = 1.2 + 0.8 = 2. Soit c = 5
= 0.4 (3)
ii. (3) dans (2) implique : b = 0.8 ≠ c = 0.8 ≠ 0.4 = 0.4
4
Conclusion : b = 5
= 0.4 et c = 0.4.
Y
_
_
_0, si x < ≠2
_
_
]0.2,si ≠ 2 Æ x < ≠5
F (x) =
_
_
_
_
0.6, si ≠ 5 Æ x < 8
_
[
1, si 8 Æ x.
Une urne contient sept boules : une rouge, deux jaunes et quatre vertes. Un joueur
tire au hasard une boule. Si elle est rouge, il gagne 10 euro, si elle est jaune, il perd
5 euro, si elle est verte, il tire une deuxième boule de l’urne sans avoir replacé la
première boule tirée. Si cette deuxième boule est rouge, il gagne 8 euro, sinon il perd
4 euro.
1. Construire un arbre pondéré représentant l’ensemble des éventualités de ce
jeu.
2. Soit X la variable aléatoire associant à chaque tirage le gain algébrique du
joueur (une perte est comptée négativement).
(a) Établir la loi de probabilité de la variable X.
(b) Calculer l’espérance de la variable X.
(c) Calculer la variance et l’écart-type de la variable X.
(d) Les conditions de jeu restent identiques. Indiquer le montant du gain algé-
brique qu’il faut attribuer à un joueur lorsque la boule tirée au deuxième
tirage est rouge, pour que l ?espérance de X soit nulle.
Solution:
Donc
Ó Ô
= R, J, V R, V R
2. E (X) = ≠ 24
21
1 22
738
3. V (X) = 21
≠ ≠ 24
21
= 33, 8367 et (X) = 8, 8169
4. On reprend le tableau précédent avec un gain inconnu a lorsque la boule tirée
au deuxième tirage est rouge
X = xi -5 -4 a 10 T otal
2 4
pi 7 7 ◊ 56 = 10
21
4
7 ◊ 1 2
6 = 21
1
7 1
xi pi ≠ 10
7 ≠ 40
21
2a
21
10
7
2a≠40
21
Donc
2a ≠ 40
E (X) = .
21
L’espérance de X soit nulle : ceci
2a ≠ 40
E (X) = 0 ≈∆ =0
21
≈∆ 2a ≠ 40 = 0
≈∆ a = 20.
D’où, le montant du gain algébrique qu’il faut attribuer à un joueur lorsque la boule
tirée au deuxième tirage est rouge, pour que l’espérance de X soit nulle, est 20 euros
Solution:
Dé rouge \ Dé vert 0 1 1 1 2 2
-1 -1 0 0 0 1 1
-1 -1 0 0 0 1 1
0 0 1 1 1 2 2
0 0 1 1 1 2 2
1 1 2 2 2 3 3
1 1 2 2 2 3 3
Donc
X( ) = {≠1, 0, 1, 2, 3}
Y
_0,
_
_ si x < ≠1
_
_ 2
_
_
_ , si ≠ 1 Æ x < 0
_ 26
_
_
] 10 , si 0 Æ x < 1
F (x) = _ 36
22
_
_
_ 36
, si 1 Æ x < 2
_ 32
_
_
_
_ 36
, si 2 Æ x < 3
_
_
[ 36 = 1, si 3 Æ x
36
Première partie :
1. Construire un arbre de probabilité représentant cette expérience aléatoire.
2. En admettant que les sorties de cette expérience sont équiprobables, donner
la probabilité d’un événement élémentaire.
Deuxième partie :
On associe à chaque sortie de cette expérience aléatoire un gain :
le gain est de 0 euro si le côté face n’apparait pas ;
le gain est de 1 euro si le côté face apparait 1 fois ;
le gain est de 2 euro si le côté face apparait 2 fois ;
le gain est de 4 euro si le côté face apparait 3 fois ;
le gain est de 10 euro si le côté face apparait 4 fois ;
1. Associer à chaque événement élémentaire le gain qui lui est associé.
2. A chaque sortie de cette expérience, on note X le gain obtenu.
L’événement "le gain obtenu est égal à 4 euro se note {X = 4}.
L’événement "le gain est supérieur ou égal à 4 euro" se note {X Ø 4}.
Déterminer les probabilités des événements ci-dessous
1. {X = ≠10}. 3. {X = 4}.
2. {X = 10}. 4. {X Ø 4}.
Troisième partie :
1. Compléter le tableau ci-dessous :
k 0 1 2 4 10
P (X)
2. Définir F , la fonction de répartition de la variable X et construire sa repré-
sentation graphique.
Solution:
Première partie :
1. Construisons un arbre de probabilité représentant cette expérience aléatoire.
= {P P P P, P P P F, P P F P, P P F F, P F P P, P F P F, P F F P, P F F F,
F P P P, F P P F, F P F P, F P F F, F F P P, F F P F, F F F P, F F F F }
et Card( ) = 16
2. Un événement élémentaire est un élément de . Par exemple : P P P P . La
probabilité de cet évènement est :
1 1 1 1 1
◊ ◊ ◊ = .
2 2 2 2 16
Remarque : Vous pouvez vérifier que, quelque soit l’évènement élémentaire,
1
on a une probabilité de 16 .
Deuxième partie :
1. On associe à chaque sortie de cette expérience aléatoire un gain :
• 0 euro si P P P P ;
• 1 euro si P P P F, P P F P, P F P P, F P P P ;
• 2 euro si P P F F, P F P F, P F F P, F P P F, F P F P, F F P P ;
• 4 euro si P F F F, F P F F, F F P F, F F F P ;
• 10 euro si F F F F .
2. Calcul de probabilités
(a) P (X = ≠10) = 0. Car aucun résultats ne donne ≠10 euro
1
(b) P (X = 10) = 16 . Car, nous avons 1 résultat parmi 16 qui donnent 10
euro
4
(c) P (X = 4) = 16 = 14 . Car, nous avons 4 résultats parmi 16 qui donnent 4
euro
(d)
P (X Ø 4) = P (X = 4) + P (X = 10)
1 4
= +
16 16
5
=
16
Troisième partie
1. Le tableau complété
k 0 1 2 4 10 Total
1 4 1 6 3 4 1 1
P (X) 16 16
= 4 16
= 8 16
= 4 16
1
2. Définissons la F , la fonction de répartition de la variable X.
Y
_0,
_
_ si x < 0
_
_
_1,
_ si 0 Æ x < 1
_
_ 16
_
_
]5, si 1 Æ x < 2
F (x) = 16
11
_
_
_
_ 16
, si 2 Æ x < 4
_ 15
_
_
_
_ 16
, si4 Æ x < 10
_
_
[1, si 10 Æ x
Je vous laisse construire
la représentation graphique.
Dans un salon de coiffure pour femme, le coloriste propose aux clients qui viennent
pour une coupe deux prestations supplémentaires :
– une coloration naturelle à base de plantes qu’il appelle "couleur-soin"
– des mèches blondes pour donner du relief à la chevelure, qu’il appelle "effet
coup de soleil"
Ce coloriste a fait le bilan suivant sur ces prestations :
– 40% des clients demandent une "couleur-soin"
– parmi celles qui n’en veulent pas, 30% des clients demandent un "effet coup
de soleil".
– de plus, 24% des clients demandent les deux à la fois.
On considère une de ces clientes. On note :
C l’événement "la cliente souhaite une "couleur-soin".
M l’événement "la cliente souhaite un "effet coup de soleil".
Les résultats seront arrondis au millième.
1. Donner la probabilité de M fl C.
2. Calculer la probabilité de M sachant C notée PC (M ).
3. Construire un arbre pondéré qui illustre la situation.
4. Calculer la probabilité que la cliente ne souhaite ni une "couleur-soin", ni un
"effet coup de soleil"
5. Montrer que la probabilité de l’événement M est égale à 0.42.
6. Les événements C et M sont-ils indépendants ?
7. Une "couleur-soin" coûte 35 euros et un "effet coup de soleil" coute 40 euros.
(a) Recopier et compléter le tableau suivant donnant la loi de probabilité du
gain en euros du coloriste par client
xi 75 40 35 0 Total
pi 0.24 0.42
(b) Donner l’espérance E de cette loi.
(c) Combien le coloriste doit-il facturer la réalisation d’un "effet coup de
soleil" pour que l’espérance de gain par client augment de 15%
(d) Donner la variance V de cette loi.
(e) Donner l’écart-type de cette loi.
Solution:
1. La probabilité de M fl C : P (M fl C) = 0.24
2. Calculons la probabilité de M sachant C notée PC (M ).
P (M fl C) 0.24
PC (M ) = = = 0.6
P (C) 0.4
(c) Soit x ce coût de la réalisation d’un "effet coup de soleil". Avec ce nouveau
prix, l’espérance devient :
Exemple 3.2.3
1. A pile ou face, on peut dire que pile est un succès, et face un échec. Lancer
une pièce est donc une épreuve de Bernoulli.
2. Avec un dé, on peut dire que obtenir un 6 est un succès, et obtenir un autre
chiffre un échec. Donc, un lancer de dé correspond à une épreuve de
Bernoulli.
Remarque : Comme il n’y a que deux (2) possibilités et que la somme des proba-
bilités vaut 1, on a donc : p+q=1. c’est-à-dire q=1-p.
Exemple 3.2.5
1. A pile ou face, on peut dire que pile est un succès, et face un échec. Lancer
n fois une pièce est donc un un schéma de Bernoulli.
Remarque : Nous verrons dans la suivante suivante qu’une variable aléatoire peut
bien sûr suivre un schéma de Bernoulli, et on compte le nombre de succès : c’est ce
qu’on appelle une loi binomiale.
• E(X) = np
• Var(X) = np(1 ≠ p)
Cette loi modélise une succession de "succès" et d’"échec". p étant la probabilité du
succès.
X = xi 1 0 T otal
pi p 1≠p 1
xi pi p 0 p
x2i pi p 0 p
On obtient alors :
– E(X) = p = p
– Var(X) = p ≠ E(X)2 = p ≠ p2 = p(1-p)
1. Un joueur lance une pièce qui n’est pas équilibré dont la probabilité d’obtenir
le cote face est de 0, 63. Quel est la probabilité d’obtenir le coté pile ?
Remarque :
Les événements P ≠ P ≠ F ≠ P et
P ≠ F ≠ P ≠ P sont des issues diffé-
rentes de cette expérience aléatoire
mais chacune d’elle réalise le même
nombre de piles et que de faces.
Solution:
1. La probabilité d’obtenir le côte pile est 1 ≠ 0, 63 = 0, 37.
2. (a) Les issus correspondent à l’obtention de 3 côtes faces et 1 côté pile sont
P ≠ P ≠ P ≠ F; P ≠ P ≠ F ≠ P; P ≠ F ≠ P ≠ P; F ≠P ≠P ≠P .
0, 63 ◊ 0, 63 ◊ 0, 63 ◊ 0, 37 = 0, 633 ◊ 0, 37 = 0, 0925.
3. (a) Parmi les calculs, celui qui représente la probabilité d’une issue contenant
exactement 2 côtés faces est ii. 0, 632 ◊ (1 ≠ 0, 63)2 .
(b) Déterminons la probabilité d’obtenir 2 côtés faces au cours de ce jeu est
Dans un jeu issu d’une expérience aléatoire, on ne considère que deux issues : le
succès (S) à ce jeu et l’échec (E). La probabilité du succès est de 0, 15.
Solution:
1. (a) Déterminons la probabilité de l’événement A : "le joueur a gagné exacte-
ment 3 fois".
Voici les arbres de choix associés à la répétition d’une épreuve de Bernoulli respec-
tivement 3 et 4 fois.
Solution:
1. Pour la répétition trois fois de l’épreuve de Bernoulli. Compléter le tableau
ci-dessous :
Nombre de succès 0 1 2 3
Nombre d’issues 1 3 3 1
2. (a) Pour la répétition trois fois de l’épreuve de Bernoulli. Tableau complété
est :
Nombre de succès 0 1 2 3 4
Nombre d’issues 1 4 6 4 1
(b) Oui, il y a une méthode pour obtenir le second tableau à partir du premier.
Par exemple :
– 4 = 1+3 c’est à dire la somme de la deuxième et de la première colonne
du premier tableau.
– 6 = 3+3 c’est à dire la somme de la deuxième et de la troisième colonne
du premier tableau.
Solution:
1 2
Rappel : Pour tous les entiers naturels n et p avec n Ø p : n
p
= Cnp . qui donne le
nombre d’issus ayant p succès parmi n (nombre d’épreuves)
1 2
4
1. a) 2
= 6 car nous avons 6 événements élémentaires qui contiennent 2
succès (voir graphique)
1 2
4
b) 3
= 4 car nous avons 4 événements élémentaires qui contiennent 3
succès (voir graphique)
2) Ces résultats peuvent être obtenus en utilisant la calculatrice. Par exemples :
1 2 1 2
5 8
a) 3
= C53 = 10 c) 6
= C86 = 28
1 2 1 2
12 7
b) 5
= C12
5
= 792 d) 2
= C72 = 21
1. P (X = 5) 2. P (X = 10) 3. P (X = 20)
Solution: Rappel : Si X est une variable aléatoire suivant une loi de binomiale
de paramètres n = 35 et p = 0.34. Alors
P (X = k) = C35
k
0.34k (1 ≠ 0.34)35≠k = C35
k
0.34k 0.6635≠k
Donc
1. P (X = 5) = C35
5
0.345 0.6635≠5 = C35
5
0.345 (0.66)30 = 0.0057
2. P (X = 10) = C35
10
0.3410 0.6635≠10 = C35
10
0.3410 0.6625 = 0.1167
3. P (X = 20) = C35
20
0.3420 0.6635≠20 = C35
20
0.3420 0.6615 = 0.0027
Un joueur dispose d’un dé cubique équilibré dont les faces sont numérotés de 1
à 6. A chaque lancer, il gagne s’il obtient 2, 3, 4, 5 ou 6. Il perd s’il obtient 1.
Un partie est constituée de 5 lancer du dé successif et indépendants.
Déterminer la probabilité exacte pour que le joueur perde 3 fois au cours d’une
partie, pus sa valeurs arrondie au centième près
Solution:
Rappel : (Pour justifier que X suit une loi binomiale) : « comme on répète n fois
une épreuve de Bernoulli de paramètrep et que les événements sont INDÉPEN-
DANTS, X suit une loi binomiale de paramètres n et p »
i) Comme on répète n = 5 fois une épreuve de Bernoulli de paramètre p = 16
et que les événements sont INDÉPENDANTS, X suit une loi binomiale de
paramètres n = 5 et p = 16 .
ii) Dans ce cas la loi de probabilité de X est :
3 4k 3 45≠k 3 4k 3 45≠k
1 1 1 5
P (X = k) = C5k 1≠ = C5k
6 6 6 6
Donc, la probabilité exacte pour que le joueur perde 3 fois au cours d’une partie
3 43 3 45≠3 3 43 3 42
1 5 1 5
P (X = 3) = C53 = C53 ¥ 0.03
6 6 6 6
Exercice résolu 3.2.14
P (X = k) = C15
k
(0.63)k (1 ≠ 0.63)15≠k = C15
k
(0.63)k (0.37)15≠k .
Avec
– P (X = 13) = C15
13
(0.63)13 (0.37)15≠13 = 0.03540136
– P (X = 14) = C15
14
(0.63)14 (0.37)15≠14 = 0.008611141
– P (X = 15) = C15
15
(0.63)15 (0.37)15≠15 = 0.0009774808
Nous obtenons
Solution:
1. Le tableau présentant la loi de probabilité de la variable aléatoire X.
Nombre de succès ... ... ... ... ... ... ...
Nombre d’issues ...... ...... ...... ...... ...... ...... ......
2. Le diagramme en barre représentant la loi de la variable aléatoire X.
Solution:
1. Le tableau présentant la loi de probabilité de la variable aléatoire X.
Nombre de succès ... ... ... ... ... ... ...
Nombre d’issues ...... ...... ...... ...... ...... ...... ......
2. Le diagramme en barre représentant la loi de la variable aléatoire X.
Des deux représentations ci-dessous et sans justification, donner celle qui représente
la loi d’une variable aléatoire X suivant la loi binomiale de paramètre n = 10 et
p = 0, 3.
P (X = k) = C15
k
(0.63)k (1 ≠ 0.63)15≠k = C15
k
(0.63)k (0.37)15≠k
1. Calcul de probabilités
(a) P (X = 0) = C15
0
(0.63)0 (0.37)15≠0 = 0.3715 .
(b) P (X = 1) = C15
1
(0.63)1 (0.37)15≠1 = 15 ◊ 0.63(0.37)14 = 9.45 ◊ 0.3714
c) P (X = 5) = C15
5
(0.63)5 (0.37)15≠5 = 3003 ◊ (0.63)5 (0.37)10 .
2. La valeur de la probabilité de l’événement {X Ø 14}
Or
14
P (X = 14) = C15 (0.63)14 (0.37)15≠14
15
P (X = 15) = C15 (0.63)15 (0.37)15≠15
Donc
14
P (X Ø 14) = C15 (0.63)14 (0.37)15≠14 + C15
15
(0.63)15 (0.37)15≠15
= 5.55(0.63)14 + (0.63)15
= 6.18(0.63)14
P (3 Æ X Æ 7) = P (X = 3) + P (X = 4) + P (X = 5) + P (X = 6) + P (X = 7)
Or
˙ Deuxième méthode
P (3 Æ X Æ 7) = 1 ≠ [P (X = 0) + P (X = 1) + P (X = 2) + P (X = 8)]
Or
– P (X = 0) = C80 (0.37)0 (0.63)8≠0 = 0.02481558
– P (X = 1) = C81 (0.37)1 (0.63)8≠1 = 0.1165938
– P (X = 2) = C82 (0.37)2 (0.63)8≠2 = 0.2396651
– P (X = 8) = C88 (0.37)8 (0.63)8≠8 = 0.0003512479
Donc
xk 0 1 2 3 4 5 T otal
pk 0.01 0.077 0.23 0.346 0.259 0.078 1
2. Calcul de probabilités
Un vaccin est en phase de test sur une population de 100 individus. 30 d’entre eux
réagissent avec ce vaccin avec de fortes fièvres. Chaque phase de test est effectué
sur un groupe de 5 individus choisis au hasard et indépendamment entre chaque
test. Notons X la variable aléatoire qui associe à chaque phase de test le nombre
d’individu ayant eu une réaction avec de fortes fièvres.
1. Justifier que la variable aléatoire X suit une loi binomiale dont on précisera
les valeurs des paramètres.
2. Déterminer la probabilité pour que 2 individus aient réagi au vaccin avec de
la fièvre sur une phase de test.
3. Sur une phase de test, quelle est la probabilité qu’au moins 4 individus aient
réagi avec de la fièvre.
Solution:
1. Justifions que X suit une loi binomiale.
– Un vaccin est en phase de test sur une population de 100 individus. 30 d’entre
eux réagissent avec ce vaccin avec une forte fièvre. Donc, la probabilité
30
d’avoir une forte fièvre est p = 100 = 0.3.
– Chacun phase de test est effectué sur un groupe de 5 individus choisir au
hasard et indépendamment entre chaque test. Donc les événements sont
INDÉPENDANTS.
On répète alors n = 5 fois une épreuve de Bernoulli de paramètre p = 0.3
dont les événements sont INDÉPENDANTS. Ainsi, X suit une loi binomiale
de paramètres n = 5 et p = 0.3. Dans ce cas la loi de probabilité de X est :
2. Déterminons la probabilité que 2 aient réagi au vaccin avec une forte fièvre
sur une phase de test.
3. Déterminons la probabilité qu’au moins 4 aient réagi au vaccin avec une forte
fièvre sur une phase de test.
P (X Ø 4) = P (X = 4) + P (X = 5)
Avec
Dix personnes postulent pour un emploi dans une entreprise. Les études de leurs
candidatures sont faites indépendamment les unes des autres. On désigne par X la
variable aléatoire donnant le nombre de personnes recrutées parmi les 10 personnes.
On sait que 38% des candidats ont été recrutés.
1. Justifier que X suit une loi binomiale de paramètre n = 10 et p = 0, 38.
2. Calculer la probabilité qu’au moins une des dix personnes soit recrutées. On
donnera la valeur exacte puis une valeur du résultat arrondie à 10≠3 près.
Solution:
1. Justifions que X suit une loi binomiale de paramètres n = 10 et p = 0.38
– Le nombre de personnes recrutées est 10. Donc n = 10.
– On sait que 38% des candidats ont été recrutés. Donc la probabilité d’être
recrutée est p = 38% = 0.38.
– Les études des candidatures sont faites indépendamment les unes des autres.
Donc les événements sont indépendants.
Ainsi, On répète n = 10 fois une épreuve de Bernoulli de paramètre p =
0.38 et les événements sont indépendants. Donc X suit une loi binomiale de
paramètres n = 10 et p = 0.38. Dans ce cas la loi de probabilité de X est :
P (X = k) = C10
k
(0.38)k (1 ≠ 0.38)10≠k = C10
k
(0.38)k (0.62)10≠k
P (X Ø 1) = 1 ≠ P (X = 0)
Avec
0
P (X = 0) = C10 (0.38)0 (0.62)10≠0 = 0.6210
Nous obtenons
C’est ce théorème qui justifie le fait que la loi de Poisson est utilisée comme mo-
dèle de certaines expériences aléatoires (nombre de clients entrant dans un magasin,
nombre de coquilles dans une page de journal,...).
Remarque :
La loi de Poisson est aussi appelée loi des évènements rares.
Une urne contient 1 boule blanche et 99 boules noires. On fait 300 tirages avec
remise. On considère X la v.a. égale au nombre de fois que l’on a tiré la boule
blanche.
1. Déterminer la loi de X.
2. Trouver une approximation de la loi de X
Solution:
1
1. La loi de X. X suit une loi binomiale de paramètre n = 300 et p = 100
= 0.01
1
2. Approximation de la loi de X. Puisque n = 300 Ø 30, p = 100 = 0.01 Æ 0.1
et np = 300 ◊ 0.01 = 3 < 15, on peut approximer la loi de X par la loi de
Poisson de paramètre ⁄ = np = 3.
Ce qui est important c’est que tu retiennes la méthode pour déterminer une loi
de probabilité : déterminer toutes les valeurs possibles que peut prendre la variable
aléatoire, puis la probabilité de chacune de ces valeurs.
Il est fondamental que tu t’entraînes avec ces exercices sur les variables aléatoires
voir exercices d’applications page ) pour être au point sur la méthode et les calculs
à effectuer.
Espérance et variance/écart-type
L’espérance, c’est en gros ce qu’on peut ESPÉRER obtenir EN MOYENNE
comme résultat à la fin de l’expérience. Si on reprend l’exemple au dessus avec le
dé, l’espérance de X correspond au gain moyen que l’on a en lançant le dé.
Il y a bien sûr une formule pour l’espérance de X, que l’on note E (X) : Si on a
X ( ) = {x1 , . . . , xn },alors E (X) = x1 P (X = x1 ) + . . . + xn P (X = xn ). Reprenons
notre exemple de tout à l’heure : X ( ) = {≠3, 0, +2}. Alors :
E (X) = ≠3 ◊ P (X = ≠3) + 0 ◊ P (X = 0) + 2 ◊ P (X = 2)
1 1 1
≠3◊ +0◊ +2◊
3 3 3
≠1
= .
3
L’espérance est de ≠1/3, donc négative, ce qui est logique vu que l’on perd
plus d’argent qu’on ne gagne et qu’il y autant de possibilités de perdre, gagner, ou
n’avoir rien du tout. Vérifie toujours la cohérence du résultat avec la situation, ça
peut t’aider à vérifier si tu t’es trompé ou pas. L’espérance de ≠1/3 signifie que
EN MOYENNE, si on joue un très grand nombre de fois, c’est comme si on avait
perdu ≠1/3 d’euros à chaque partie.
Comme tu le vois c’est un peu horrible, mais en fait c’est la même formule qu’au-
dessus sauf qu’on remplace xi par [xi ≠ E (X)]2 . Il y a alors une autre formule pour
calculer plus facilement la variance :
Remarquons au passage que la variance est toujours positive car c’est une somme
de valeurs positives (d’après la première formule).
Ò
‡ (X) = V (X). L’écart-type représente la dispersion autour de la moyenne. Avec
un petit exemple ce sera plus simple. On va prendre le dernier contrôle de ta classe.
Supposons que la moyenne soit de 12, et que l’écart-type soit de 2. Cela signifie que
la majorité des notes sont entre 12 ≠ 2 et 12 + 2, donc la plupart des élèves ont entre
10 et 14.
A noter que dans le cas où l’on a des lois particulières (comme la loi discrète
usuelle), il y a une formule toute faite très simple pour l’espérance et la variance,
donc pas besoin de longs calculs.
On peut alors avoir des variables aléatoires que l’on dit distribuées selon des
épreuves de Bernoulli. Mais on peut répéter plusieurs fois de suite cette expérience,
n fois de suite : c’est ce qu’on appelle un schéma de Bernoulli. Un schéma de
Bernoulli, c’est donc quand on fait n fois de suite DE FAÇON INDÉPENDANTE
une épreuve de Bernoulli, tout simplement. Une variable aléatoire peut bien sûr
suivre un schéma de Bernoulli, et on compte le nombre de succès : c’est ce qu’on
appelle une loi binomiale.
ATTENTION !
• Pour une ÉPREUVE de Bernoulli il n’y a qu’un paramètre (la probabilité de
succès p).
• Mais un SCHÉMA de Bernoulli (ou loi binomiale), il y a 2 paramètres : p, et
n, le nombre de fois que l’on répète l’expérience.
• Pour que l’on puisse avoir une loi binomiale, on met l’accent sur le fait que
les événements devaient être INDÉPENDANTS. Généralement il n’y a pas
de piège à ce niveau là, mais il faut absolument que tu justifies !. En effet,
parfois tu dois prouver que c’est une loi binomiale. Il faut alors que tu dises «
comme on répète n fois une épreuve de Bernoulli et que les événements sont
INDÉPENDANTS, X suit une loi binomiale ». N’oublie pas ce petit détail, car
ainsi le correcteur verra que tu as bien compris le cours.
Complémentaire
Nous avons parlé dans le cours du complémentaire : nous allons voir ici comment
l’utiliser. Tout d’abord : ATTENTION !
˝ Le contraire (ou complémentaire) de Ø est <,
˝ de même que le contraire de Æ est > ! ! !
˝ Ce qu’il faut retenir, c’est que quand il y a le « égal » dans un signe, obliga-
toirement il n’est pas dans l’autre ! !.
Ainsi :
P (X Ø k) = 1 ≠ P (X < k) ;
P (X > k) = 1 ≠ P (X Æ k) ;
P (X Ø k) = 1 ≠ P (X < k) ;
P (X < k) = 1 ≠ P (X Ø k) .
S’exerce
Exercice résolu 3.5.1
Une urne contient sept boules : une rouge, deux jaunes et quatre vertes. Un joueur
tire au hasard une boule. Si elle est rouge, il gagne 10 euro, si elle est jaune, il perd
5 euro, si elle est verte, il tire une deuxième boule de l’urne sans avoir replacé la
première boule tirée. Si cette deuxième boule est rouge, il gagne 8 euro, sinon il perd
4 euro.
1. Construire un arbre pondéré représentant l’ensemble des éventualités de ce
jeu.
2. Soit X la variable aléatoire associant à chaque tirage le gain algébrique du
joueur (une perte est comptée négativement).
(a) Établir la loi de probabilité de la variable X.
(b) Calculer l’espérance de la variable X.
(c) Calculer la variance et l’écart-type de la variable X.
(d) Les conditions de jeu restent identiques. Indiquer le montant du gain algé-
brique qu’il faut attribuer à un joueur lorsque la boule tirée au deuxième
tirage est rouge, pour que l ?espérance de X soit nulle.
Les élèves de baccalauréat d’un centre de formation se répartissent selon les trois
enseignements de spécialité : mathématiques, arabe et anglais. Nous savons de plus
que : 37% des candidats ont choisi mathématiques ; 25% des candidats ont choisi
l’anglais ; 21% des candidats ont choisi mathématiques et ont obtenu le baccalau-
réat ; 32.5% des candidats ont choisi l’arabe et ont obtenu le baccalauréat. De plus,
parmi les candidats ayant choisi l’anglais, 72, 5% ont obtenu le baccalauréat.
On pourra faire un arbre pour faciliter la réponse aux questions. Les résultats
seront arrondis au millième.
S’exercer 3.5.5
On considère une urne contenant 11 boules. Certaines sont rondes, d’autres carrés.
Certaines sont blanches,d’autres sont rayés. Elles sont représentés ci-dessous :
On suppose qu’en appuyant sur un bouton, les boules sortent au hasard de l’urne.
On vient de constituer une expérience aléatoire suivant la loi d’équiprobabilité.
On associe un gain à chacune des boules de la manière suivante :
¶ Une boule rapporte 1 euro alors qu’un carré rapporte 2 euro.
¶ De plus, si l’élément est rayé, le gain est augmenté de 1 euro.
Cette association d’une valeur à chaque évènement élémentaire constitue une va-
riable aléatoire. Notons la X.
1. Déterminer la loi de probabilité de la variable X lorsque le contenu de l’urne
est représenté ci-dessous :
S’exercer 3.5.6
k 0 1 2 4 10
P(X)
S’exercer 3.5.7
Soit X une variable aléatoire dont la loi de probabilité est donnée ci-dessous :
xi 0 1 2 3
P(X = xi ) 0,15 0,24 0,35 0,261
1. Justifier que le tableau ci-dessous représente bien une loi de probabilité.
2. Déterminer les probabilités suivantes :
(a) P(X Ø 2) ;
(b) P(X < 2) ;
(c) P ({X = 1} fi {X = 3})
S’exercer 3.5.8
On lance deux dès bien équilibres. On gagne si la somme des points obtenus est
égale à 7.
1. Démontrer à l’aide d’un tableau à double entrée que la probabilité de gagner
1
est .
6
2. On lance 5 fois de suite deux dés bien équilibres. On suppose que les jets sont
indépendants.
(a) Justifier que le nombre de succès suit une loi binomiale dont on précisera
les paramètres.
(b) En déduire la probabilité de gagner exactement deux fois.
S’exercer 3.5.9
Une urne contient une boule rouge R, une boule verte V et une boule bleue B. On
tire deux boules l’une après l’autre dans l’urne avec remise.
1. (a) Établir l’arbre aux choix associé à cette expérience
(b) Définir l’univers associé à cette expérience. Et donner son cardinal.
(c) Calculer la probabilité d’obtenir un tirage de couleur différente .
(d) Calculer la probabilité d’obtenir un tirage de même couleur .
(e) Calculer la probabilité d’obtenir une boule verte et une boule bleue.
(f) Calculer la probabilité d’obtenir au moins une boule rouge.
(g) Calculer la probabilité d’obtenir exactement deux boules rouges ou des
boules de couleurs différentes.
2. Pour jouer à ce jeu,on mise 1 000F et on considère la règle du jeu suivante :
– pour chaque boule rouge tirée, on gagne 3000 F CFA ;
– pour chaque boule verte tirée, on gagne 1000 F CFA ;
– pour chaque boule bleue tirée, on perd 4 000 F CFA .
S’exercer 3.5.10
L’unique station-service d’une petite localité, situé sur l’axe routier, a fonctionné
toute une journée avec une seule pomme (manuelle) ; les autres étant en panne
jusqu’en fin fin de journée. On suppose qu’en moyenne, 6 automobilistes sont servis
en 1 heure et que le nombre moyen d’arrivé (ou de passage de véhicules à la station
est une variable aléatoire X suivant la loi de Poisson. Quelle sont les probabilités
pour qu’en 20 minutes 2, 3 ou 4 automobilistes soient servis.
S’exercer 3.5.11
Un vendeur de parfum propose ses produits à des agents de bureau d’une ville de la
Côte d’ivoire. Il visite 72 clients par jour et en moyenne 3 personnes sur 10 paient
un parfum, au prix unitaire de 3 000F.
1. On désigne par X la variable aléatoire donnant la nombre de parfums vendus
en une journée.
(a) Quelle est la loi discrète classique suit la variable aléatoire X ? justifier
votre réponse.
(b) L’approximation de la loi de la variable X à une loi de Poison est-elle
possible ? justifier votre réponse.
2. Calculer l’écart type de la variable aléatoire X.
3. Calculer la probabilité pour que ce vendeur ait une recette journalière supé-
rieure ou égale à 24 000F
S’exercer 3.5.12
S’exercer 3.5.13
Dans cette partie, l’univers est un intervalle de R, a et b sont deux réels tels
que a < b.
4.1.2 Définitions
Définition 4.1.1 Soit I un intervalle. On appelle densité de probabilité sur I
toute fonction f continue et positive sur I telle que
⁄
f (t)dt = 1.
I
Remarque :
• Une telle variable X est dite continue.
⁄ b
• P (X œ [a; b]) pourra être noté P (a Æ X Æ b) et vaut f (x)dx.
a
• P (a Æ X Æ b) est donc égale à l’aire du domaine compris entre Cf (la courbe
représentative de la fonction f ), l’axe des abscisses et les droites d’équations
x = a et x = b.
89
CHAPITRE 4. LOIS DE PROBABILITÉS CONTINUES 90
4.1.3 Propriétés
Propriété 4.1.3 Soit X une variable aléatoire suivant une loi de probabilité de
densité f sur I.
1. P (X œ I) = 1.
⁄ x0
2. Quel que soit x0 dans R, P (X = x0 ) = f (t)dt = 0.
x0
3. P (X œ [a; b]) = P (X œ ]a; b]) = P (X œ [a; b[) = P (X œ ]a; b[)
Remarque :
ú P (X œ [a; b]) = P (a Æ X Æ b), P (X œ ]a; b]) = P (a < X Æ b), P (X œ [a; b[) =
P (a Æ X < b) et P (X œ ]a; b[) = P (a < X < b).
ú On admet pouvoir étendre certaines propriétés sur les lois de probabilités
discrètes aux loi continues, en particulier
P (X œ J, X œ K)
P(XœJ) (X œ K) =
P (X œ J)
Solution
1. Montrons que f est une densité de probabilité sur I = [0; 4]. Nous avons :
ú f est une fonction polynômiale, donc f est continue sur I.
1 23
ú De plus, pour tout x œ [0; 4], x
4
Ø 0, donc f est positive sur I.
⁄ 4
ú Calculons f (x)dx.
0
⁄ 4 ⁄ 4 3 43 C D4
x 1 ⁄4 3 1 x4 44
f (x)dx = dx = 3 x dx = 3 = 4 =1
0 0 4 4 0 4 4 0 4
⁄ 4
ú Conclusion : f est continue et positive sur I avec f (x)dx = 1, f est
0
donc une densité de probabilité sur I.
2. (a) Calculons E (X).
⁄ 4 ⁄ 4 3 43 C D4
x 1 ⁄4 4 1 x5 45 16
E (X) = xf (x)dx = x dx = 3 x dx = 3 = =
0 0 4 4 0 4 5 0 5◊4 3 5
Solution
1. X étant une variable aléatoire continue de densité f sur [0; 4], alors
⁄ 2 ⁄ 2 5 62
3x 3 1
P (1 Æ X Æ 2) = f (x)dx = (4 ≠ x) dx = ≠ x3 + 2x2
1 1 32 32 BB 3 1
A A
3 2 3
1 3
= ≠ + 2 ◊ 22 ≠ ≠ + 2 ◊ 12
32 3 3
3 11 11
= ◊ = .
32 3 32
Graphiquement, P (1 Æ X Æ 2) est égale à l’aire en unité d’aires entre la courbe
Cf et les droites d’équations x = 1, x = 2 et y = 0.
2. Calculons E (X).
⁄ 4 ⁄ 4
3x 3 ⁄ 41 2 2
E (X) = xf (x)dx = x◊ (4 ≠ x) dx = 4x ≠ x3 dx
0 0 32 32 0
C D A B
4 4
3 4x 3
x 3 4◊4 3
4 4
3 44
= ≠ = ≠ = ◊ = 2.
32 3 4 0 32 3 4 32 4 ◊ 3
4. Déduisons (X).
Ò Ô
(X) Var (X) = 0, 8 = 0, 894.
Remarque : Cette loi est la loi des phénomènes continus uniformément repartis
sur [a; b]. C’est la loi correspondant au choix d’un nombre au hasard dans [a; b].
4.2.2 Propriétés
Propriété 4.2.2 Si X est une variable aléatoire suivant une loi uniforme sur [a; b]
et [c; d] un intervalle de [a; b], alors
d≠c
P (X œ [c; d]) =
b≠a
Preuve : Si X est une variable aléatoire suivant une loi uniforme sur [a; b], la densité
1
de X est donc la fonction f définie sur [a; b] par : f (x) = . Dans ce cas, nous
b≠a
pouvons avoir :
⁄ d 5 6d
1 x d≠c
P (X œ [c; d]) = dx = = . ⇤
c b≠a b≠a c b≠a
Propriété 4.2.3 Soit X une variable aléatoire suivant une loi uniforme sur [a; b].
L’espérance mathématique de la variable aléatoire X est :
a+b
E (X) =
2
Preuve : Soit X une variable aléatoire suivant une loi uniforme sur [a; b]. La densité
1
de X est donc la fonction f définie sur [a; b] par : f (x) = . Par définition de
⁄ b≠a
b
l’espérance de X : E (X) = xf (x)dx, c’est à dire
a
⁄ b C Db
x 1 x2 b 2 ≠ a2 (b + a)(b ≠ a) b+a
E (X) = dx = = = = . ⇤
a b≠a b≠a 2 a
2(b ≠ a) 2(b ≠ a) 2
Propriété 4.2.4 Soit X une variable aléatoire suivant une loi uniforme sur [a; b].
La variance de la variable aléatoire X est :
(b ≠ a)2
Var(X) =
12
Preuve : Soit X une variable aléatoire suivant une loi uniforme sur [a; b]. La densité
1
de X est donc la fonction f définie sur [a; b] par : f (x) = . Par définition de
⁄ b≠a
b
l’espérance de X : Var (X) = x2 f (x)dx ≠ (E (X))2 , c’est à dire
a
⁄ b A B2 C Db
x2 b+a 1 x3 (b + a)2 b 3 ≠ a3 (b + a)2
Var (X) = dx ≠ = ≠ = ≠
a b≠a 2 b≠a 3 a 22 3(b ≠ a) 4
4 (b ≠ a ) ≠ 3 (b ≠ a) (b + 2ba + a )
3 3 2 2
=
3(b ≠ a) ◊ 4
4b ≠ 4a ≠ 3b3 ≠ 6ab2 ≠ 3a2 b + 3ab2 + 6a2 b + 3a3
3 3
=
12(b ≠ a)
b ≠ 3b a + 3ba ≠ a
3 2 2 3
(b ≠ a)3 (b ≠ a)2
= = = . ⇤
12(b ≠ a) 12(b ≠ a) 12
Solution:
Une variable aléatoire X suit la loi uniforme sur l’intervalle [≠5; 5].
1. Calculer les probabilités suivantes :
Solution:
1 1
1. La densité de probabilité de X est la fonction qui prend la valeur 5≠(≠5) = 10
sur l’intervalle [≠5; 5] et 0 partout ailleurs. Pour tous – et — de l’intervalle
[≠5; 5], nous avons donc
⁄ —
1 1 —≠–
P (– Æ X Æ —) = dx = [x]—– =
– 10 10 10
Nous en déduisons immédiatement :
1 ≠ (≠2) 3
(a) P (≠2 Æ X Æ 1) = = 10 = 0, 3 ;
10
(b) P (X Æ 3) = 3≠(≠5)
10
8
= 10 = 45 = 0, 8 ;
5≠4,5 0,5 1
(c) P (X Ø 4, 5) = 10
= 10
= 20
= 0, 05.
(b)
P ((X Ø 3) fl (X Æ 4)) P (3 Æ X Æ 4)
P(XØ3) (X Æ 4) = =
P (X Ø 3) P (X Ø 3)
1
1 10 1
= 10
2 = ◊ = = 0, 5.
10
10 2 2
4.3.2 Propriétés
Propriété 4.3.2 Soit X une variable aléatoire suivant une loi exponentielle de pa-
ramètre ⁄.
1. Pour tout réel t positif : P (X Æ t) = 1 ≠ e≠⁄t et P (X Ø t) = e≠⁄t
2. Pour tous réels positifs t et h, P(XØt) (X Ø h + t) = P (X Ø h) "sans vieillis-
sement".
3. X admet une espérance E (X) définie par : E (X) = ⁄1 .
1
4. X admet une variance Var(X) définie par : Var(X) = ⁄2
.
Preuve : On rappelle que la densité f d’une variable aléatoire suivant une loi ex-
ponentielle est définie pour tout x œ [0; +Œ[ par f (x) = ⁄e≠⁄x .
⁄ t
1. Pour tout t œ [0; +Œ[, P (X Æ t) = ⁄e≠⁄x dx. Or, une primitive de la fonc-
0
tion x ‘æ ⁄e≠⁄x est la fonction x ‘æ ≠e≠⁄x sur l’intervalle [0; +Œ[. Donc
⁄ t Ë Èt
P (X Æ t) = ⁄e≠⁄x dx = ≠e≠⁄x = 1 ≠ e≠⁄t . (4.1)
0 0
2. Pour tous t et h :
P ((X Ø t) fl (X Ø h + t))
P(XØt) (X Ø h + t) =
P (X Ø t)
e≠⁄(t+h)
P(XØt) (X Ø h + t) = = P (X Ø h) = e≠⁄h = P (X Ø h) .
e≠⁄t
Comme ⁄ > 0, lim ≠⁄x = ≠Œ, et, d’autre part, lim ex = 0 ; donc par
xæ+Œ xæ≠Œ
composition lim e≠⁄x = 0. Ainsi, d’après (4.3),
xæ+Œ
⁄ x
lim f (t)dt = lim 1 ≠ e≠⁄x = 1.
xæ+Œ 0 xæ+Œ
⁄ x
On a montré que f est positive et continue sur I = [0; +Œ[ avec lim f (t)dt = 1 ;
xæ+Œ 0
c’est donc une densité de probabilité sur I = [0; +Œ[.
Solution:
1. La densité de probabilité d’une variable aléatoire suivant une loi exponentielle
de paramètre 12 est la fonction f définie pour tout x œ [0; +Œ[ par f (x) =
1 ≠ 12 x
2
e .
⁄ 4
2. On sait que P (X Æ 4) = f (x)dx, donc
0
⁄ 4
1 ≠1x Ë 1
È4
P (X Æ 4) = e 2 dx = ≠e≠ 2 x = 1 ≠ e≠2 .
0 2 0
4. On cherche P(XØ2) (X Ø 6). Or X suit une loi de durée de vie sans vieillisse-
ment, donc : P(XØ2) (X Ø 6) = P (X Ø 4) d’après le point 2. de la Propriété
4.3.2. De plus X est une variable continue, donc P (X Ø 4) = P (X > 4). D’où,
d’après la question 3., nous obtenons : P(XØ2) (X Ø 6) = e≠2 .
Solution:
Une étude statistique a montré que la durée de vie en années X d’un disque dur
DD était une variable aléatoire suivant une loi exponentielle et que la durée de vie
moyenne d’un disque dur DD était de 5 ans.
1. Déterminer le paramètre ⁄ de la loi exponentielle suivie par X.
2. Le disque du DD est garanti 2 ans. Quelle proportion, à 10≠3 près, de disque
durs DD sera retournée au fournisseur pour cause de panne ?
3. Calculer P (X Ø 3) et interpréter ce résultat.
4. Sachant qu’un disque dur DD n’est plus sous garantie, quelle est la probabilité,
à 0, 01 près, que sa durée de vie totale dépasse 5 ans ?
Solution:
1. La durée de vie moyenne d’une variable aléatoire suivant la loi exponentielle
de paramètre ⁄ est égale à ⁄1 .Nous avons E (X) = 5, donc ⁄ = 15 .
⁄ 2
1 ≠1x
2. On calcule P (X Æ 2). D’après la question 1., P (X Æ 2) = e 5 dx. Donc
0 5
Ë 1
È2 1 2
P (X Æ 2) = ≠e≠ 5 x = 1 ≠ e≠ 5 ◊2 = 1 ≠ e≠ 5 ¥ 0, 330 à 0, 001 près.
0
1 x2
f (x) = Ô e≠ 2 , x œ R.
2fi
Remarque :
⁄ y
• La fonction f est continue, positive et on vérifie que f (t)dt vaut 1 lorsque
≠y
y tend vers +Œ. Il s’agit bien d’une densité de probabilité.
⁄ +Œ
1 x2
• Pour tout réel a et b tels que a Æ b, P (a Æ X) = Ô e≠ 2 dx ;
a 2fi
⁄ b ⁄ b
1 ≠ x2 1 x2
P (a Æ X Æ b) = Ô e dx et P (X Æ b) =
2 Ô e≠ 2 dx.
a 2fi ≠Œ 2fi
P (a Æ X Æ b) = P (X Æ b) ≠ P (X Æ a)
• La densité f est paire, donc sa courbe est symétrique par rapport à l’axe des
ordonnée.
• L’aire de la partie du plan situé sous la courbe de f , au dessus de l’axe des
1
abscisses et à droite de l’axe des ordonnées est égale à .
2
• Pour tout réel u, P (X Æ ≠u) = P (X Ø u).
4.4.1.2 Propriétés
Propriété 4.4.2 Soit X une variable aléatoire suivant la loi N (0; 1). L’espérance
mathématique de X vaut E (X) = 0.
On cherche dont dans un premier temps à calculer les intégrales intervenant dans
la définition de E (X). Pour cela il nous faut trouver une primitive de la fonction
2
Ô1 te≠ 2 ≠t2
g : t ‘æ tf (t) = . On observe que g = ≠ Ô12fi u eu avec u(t) = donc
t Õ
2fi 2
1 2Õ
u (t) = ≠t. Or = . Un primitive de g est donc la fonction G définie
Õ ≠1 Õ u ≠1 u
Ô
2fi
ue Ô
2fi
e
sur R par :
1 1 t2
G(t) = ≠ Ô eu(t) = ≠ Ô e≠ 2 .
2fi 2fi
On peut à présent calculer les intégrales intervenant dans la définition de E (X) :
⁄ 0
≠1 1 x2
tf (t)dt = [G(t)]0x = G(0) ≠ G(x) = Ô + Ô e≠ 2
x 2fi 2fi
⁄ y
≠1 2
1
tf (t)dt = [G(t)]y0 = G(x) ≠ G(0) = Ô e≠ 2 + Ô .
y
0 2fi 2fi
x2 y2
Par composition des limites, nous avons lim e≠ 2 = lim e≠ 2 = 0. Ainsi nous
xæ≠Œ yæ+Œ
obtenons :
⁄ 0 ⁄ y
≠1 1
E (X) = lim tf (t)dt + lim tf (t)dt = Ô + Ô = 0. ⇤
xæ≠Œ x yæ+Œ 0 2fi 2fi
Propriété 4.4.3 Soit X une variable aléatoire suivant la loi N (0; 1). L’variance
de X vaut Var (X) = 1.
Exemple 4.4.4
Exemple 4.4.5
On suppose que Z suit la loi N (0; 1) et on veut trouver P (Z Æ ≠0, 94). En utilisant
le fait que la densité de la loi normale est symétrique et en procédant comme à
l’exemple 4.4.4, nous obtenons
P (≠u– Æ X Æ u– ) = 1 ≠ –.
Application pratique : Soit X une variable aléatoire suivant la loi N (0; 1). Nous
souhaitons trouver, pour – œ ]0; 1[, le réel positif u– tel que P (≠u– Æ X Æ u– ).
1. En utilisant la relation P (X Æ ≠u– ) = P (X Ø u– ), montrer que :
P (≠u– Æ X Æ u– ) = 2P (X Æ u– ) ≠ 1 .
Solution:
1. Nous avons : P (≠u– Æ X Æ u– ) = P (X Æ u– ) ≠ P (X Æ ≠u– ). D’après la
relation de symétrie P (X Æ ≠u– ) = P (X Ø u– ), nous pouvons écrire :
P (≠u– Æ X Æ u– ) = P (X Æ u– ) ≠ P (X Ø u– ) .
P (≠u– Æ X Æ u– ) = P (X Æ u– ) ≠ {1 ≠ P (X Æ u– )} = 2P (X Æ u– ) ≠ 1.
P (≠u– Æ X Æ u– ) = 2 (u– ) ≠ 1
ceci donne
1
(u– ) = {P (≠u– Æ X Æ u– ) + 1} .
2
Soit X une variable aléatoire suivant la loi N (0; 1). Calculer à 10≠4 près
P (X Ø 0, 5) = 1 ≠ P (X Æ 0, 5) = 1 ≠ (0, 5)
P (X Ø 0, 5) = 1 ≠ 0, 6915 = 0, 3085.
Une variable aléatoire X suit la loi normale centrée redite N (0; 1). Déterminer des
valeurs approchées à 10≠3 prés de
Solution:
1. Nous avons P (X Æ 0, 155) = (0, 155). Or d’après la table de la loi normale
(0, 155) = (0, 15 + 0, 05) = 0, 9394. Donc
3. Nous avons
Une variable aléatoire X suit la loi normale centrée redite N (0; 1).
1. Déterminer le réel a vérifiant P (X Æ a) = 0, 375.
2. Déterminer le réel b vérifiant P (X Ø b) = 0, 834.
3. Déterminer le réel u0,3 vérifiant P (≠u0,3 Æ X Æ u0,3 ) = 0, 7.
Donc
Or d’après la table de la loi normale centrée réduite (0, 32) = 0, 6255 soit
0, 625 à 10≠3 près. Donc nous avons
Or d’après la table de la loi normale centrée réduite (0, 97) = 0, 834. Donc
nous avons
Remarque :
1. Lorsque µ = 0 et ‡ = 1, la loi normale N (µ, ‡ 2 ) est la loi normale centrée
réduite.
2. Si la variable aléatoire X suit la loi N (m; ‡ 2 ), alors sa densité f est définie sur
R par :
3 4
1 (x ≠ m)2
f (x) = Ô exp ≠ , x œ R.
2fi‡ 2‡ 2
4.4.2.2 Propriétés
Propriété 4.4.11 Si X suit une loi N (µ, ‡ 2 ), alors :
• son espérance mathématique vaut : E(X) = m.
• sa variance vaut : Var(X) = ‡ 2 .
• son écart type vaut ‡.
Remarque : Interprétation :
X ≠m
Remarque : Si X ≥ N (m, ‡ 2 ), alors en posant Y = , Y suit la loi normale
‡2
centrée réduite N (0, 1).
• En pratique on est souvent amené à faire ce changement de variable pour
utiliser les valeurs de la loi centrée réduite.
• Ces valeurs peuvent être données par une table de valeurs de la fonctions de
répartition.
Soit X une variable aléatoire suivant la loi N (113; 25). Soit Z = X≠113
5
.
1. Quelle est la loi de Z ?
2. Exprimer l’événement 110 Æ X Æ 120 à l’aide de Z.
3. Que vaut P (≠0, 6 Æ Z Æ 1, 4) à 10≠4 près ? En déduire P (110 Æ X Æ 120) à
10≠4 .
Solution:
1. La variable aléatoire X suit une loi normale d’espérance µ = 113 et e variance
‡ 2 = 25. Par définition la variable Z = X≠113
5
= X≠µ
‡
suit la loi N (0; 1).
2. Pour faire intervenir Z, on procède en deux étapes :
(a) On centre X, c’est à dire on retranche µ de X : on obtient X ≠ µ.
(b) puis on reduit, c’est à dire on dive X ≠ µ par ‡ : on obtient Z.
Ainsi,
Soit X une variable aléatoire suivant la loi N (20; 25). Calculer les probabilités
suivantes :
Solution:
1. P (X Æ 28) =?.
A B 3 4
X ≠ 20 28 ≠ 20 X ≠ 20 8
P (X Æ 28) = P Ô Æ Ô =P Æ = 1, 6 = (1, 6)
25 25 5 5
Or d’après la table de la loi normale centrée réduite (1, 6) = 0, 9452. D’où
P (X Æ 28) = 0, 9452.
2. P (X Ø 28) =?. Nous utilisons la réponse de la question précédente.
Une entreprise dispose d’un parc de 150 camions. La distance parcourue par un ca-
mion dans une journée est une variable aléatoire X suivant la loi normale N (120; 196).
Calculer la probabilité qu’un camion, au cours d’une journée, parcourt une distance
comprise entre 110 et 130 kilomètre (arrondir à 0, 001 près).
Soit la variable aléatoire X suivant la loi normale N (20; 25). Déterminer la valeur
du nombre a à 10≠3ú2 près dans chaque cas.
1. P (X Æ a) = 0, 99 ;
2. P (X Æ a) = 0, 01 ;
Solution:
1. Nous avons :
A B 3 4
X ≠ 20 a ≠ 20 X ≠ 20 a ≠ 20
0, 99 = P (X Æ a) = P Ô Æ Ô =P Æ
25 25 5 5
3 4
a ≠ 20
= .
5
Nos trouve par lecture inverse dans la table de la loi normale centrée réduite
que : 0, 99 = (2, 33). Donc nous obtenons :
3 4
a ≠ 20 a ≠ 20
= 0, 99 = (2, 33) … = 2, 33.
5 5
a ≠ 20
= 2, 33 … a ≠ 20 = 2, 33 ◊ 5 = 11, 65 … a = 11, 65 + 20 = 31, 65.
5
D’où a = 31, 65.
2. Nous avons
A B 3 4
X ≠ 20 a ≠ 20 X ≠ 20 a ≠ 20
0, 01 = P (X Æ a) = P Ô Æ Ô =P Æ
25 25 5 5
3 4
a ≠ 20
= .
5
Or 0, 01 < 0, 5 et 0, 01 = 1 ≠ 0, 99. On trouve par lecture inverse dans la
table de la loi normale que 0, 99 = (2, 33) à 10≠2 près. Donc, en utilisant la
propriété de symétrie de la loi normale, nous pouvons écrire :
3 4
a ≠ 20
= 1 ≠ (2, 33) = 1 ≠ P (X Æ 2, 33)
5
= 1 ≠ P (X Ø ≠2, 33) = 1 ≠ [1 ≠ P (X Æ ≠2, 33)] = P (X Æ ≠2, 33)
= (≠2, 33) .
3 4
a ≠ 20 a ≠ 20
= (≠2, 33) … = ≠2, 33
5 5
… a ≠ 20 = ≠2, 33 ◊ 5 = ≠11, 65
… a = ≠11, 65 + 20 = ≠9, 65
Ainsi, a = ≠9, 65.
Exercice résolu 4.4.18 Étudier la dispersion d’une variable aléatoire suivant une
loi normale
Une entreprise de confiture annonce sur ces emballages une teneur en fruits de 60
grammes pour 100 grammes de confitures. Le procédé de fabrication est soumis à
quelques aléas. On considère que la teneur en fruits pour 100 grammes de confitures
fluctue selon la loi N (60; 9).
1. Quelle est la probabilité que la teneur en fruit soit différente de plus de 5
grammes de la valeur annoncée sur l’emballage ?
2. Dans quel intervalle fluctue la teneur en fruit avec une probabilité de 0, 95.
Ces résultats ne satisfont pas la qualité de l’entreprise : en présence de trop
peu de fruits, le client risque de dénoncer une publicité mensongère et à l’in-
verse, l’excès de fruits augmente le coût de fabrication d’un pot de confiture et
diminue sa rentabilité. Le service qualité demande donc au service technique
de modifier l’écart type ‡ pour rendre la teneur en fruits moins fluctuante.
3. Celui-ci doit-il pour cela augmenter ou diminuer la valeur de ‡ ?
4. Plus précisément, le service qualité souhaite que la teneur en fruit fluctue
désormais à 95% dans l’intervalle [58; 62].
5. Quelle valeur de ‡ le service technique doit-il atteindre ?
Solution:
1. Soit X la teneur en fruits dans un pot de 100 grammes. D’après l’énoncé X
suit la loi normale N (60; 9). La teneur en fruits est annoncé à 60 grammes.
Elle s’en ’carte de plus de 5 grammes si X Æ 55 ou si X Ø 65. On cherche
donc
P [(X Ø 65) fi (X Æ 55)] = 1 ≠ P [55 Æ X Æ 65]
C D
55 ≠ 60 X ≠ 60 65 ≠ 60
=1≠P Ô Æ Ô Æ Ô
9 9 9
C D
≠5 X ≠ 60 5
=1≠P Æ Ô Æ
3 9 3
5 3 4 6
5
=1≠ 2◊ ≠ 1 = 2 ≠ 2 ◊ (1, 67)
3
= 2 ≠ 2 ◊ 0, 9525 = 0, 095 à 10≠3 près.
2. D’après le cours, nous savons qu’une variable aléatoire suivant une loi N (µ; ‡ 2 )
fluctue à 95% dans l’intervalle [µ ≠ 2‡; µ + 2‡]. Puisqu’ici µ = 60 et ‡ = 3, la
teneur en fruits fluctue à 95% dans l’intervalle
[µ ≠ 2‡; µ + 2‡] = [60 ≠ 2 ◊ 3; 60 + 2 ◊ 3] = [54; 66] .
4.4.3.1 Propriétés
Théorème 4.4.19 (Théorème de Moivre-Laplace)
Soit n un entier non nul et p un nombre réel dans [0; 1]. Soit Xn une variable
aléatoire suivant une loi binomiale B (n; p). Alors, pour tous réels a et b,
Q R
⁄ b
Xn ≠ np 1 x2
lim P aa Æ Ò Æ bb = P (a Æ Z Æ b) = Ô e≠ 2 dx
næ+Œ
np(1 ≠ p) a 2fi
Solution:
1. Le théorème de Moivre-Laplace permet d’approcher en pratique une loi bino-
miale B (n; p) par une loi normale dès que n Ø 30, np Ø 5 et n(1 ≠ p) Ø 5.
Dans notre cas n = 1180 et2 p = 16 . Donc n Ø 30, np = 180 ◊ 16 = 30 Ø 5
et n(1 ≠ p) = 180 ◊ 1 ≠ 16 = 150 Ø 5. Les trois conditions sont bien réali-
sées. Il est donc raisonnable d’utiliser l’approximation normale fournie par le
théorème de Moivre-Laplace.
Ò Ú 1 2
2. On remarque que np(1 ≠ p) = 180 ◊ 16 ◊ 1 ≠ 1
6
= 5. Ainsi, la probabilité
demandée s’écrit :
Q R
3 4
X ≠ 30 X ≠ np
P ≠0, 5 Æ Æ 1, 2 = P a≠0, 5 Æ Ò Æ 1, 2b
5 np(1 ≠ p)
¥ P (≠0, 5 Æ Z Æ 1, 2)
On considère que la probabilité qu’une personne tirée au hasard soit une fille est de
50%.
1. Dans quel intervalle fluctue la fréquence des filles dans un échantillon de 35
personnes tirées au hasard ?
2. Dans une classe de 35 élèves, on dénombre 13 filles. Peut-on considérer qu’il y
a une sous-représentation des filles dans cette classe ?
Solution:
1. Considérons l’expérience de Bernoulli : "être une fille". Elle arrive avec une
probabilité p = 0, 5 et est indépendante d’une personne à l’autre. Ainsi le
nombre de filles parmi n = 35 personnes prises au hasard suit une loi binomiale
B (35; 0, 5). Puisque n = 35 Ø 30, np = n(1≠p) = 17, 5 Ø 5, on peut appliquer
l’approximation normale fournie par le théorème de Moivre-Laplace. D’après
le Corollaire 4.4.20 de ce théorème, nous pouvons affirmer que la fréquence F
de filles appartient avec une probabilité de 0, 95 à l’intervalle
S Ò Ò T
0, 5(1 ≠ 0, 5) 0, 5(1 ≠ 0, 5)
U0, 5 ≠ 1, 96 Ô ; 0, 5 + 1, 96 Ô V = [0, 33; 0, 67] à 10≠2 près.
35 35
Remarque :
• Dans plus de 95% des réalisations de la variable aléatoire Xn ,
C J
1 1
p œ f ≠ Ô ;f + Ô
n n
Xn
où f est la fréquence observée (la réalisation de correspondante).
n
C J
1 1
• L’intervalle f ≠ Ô ; f + Ô est appelé intervalle de confiance au niveau
n n
de confiance 0, 95 pour p.
On dit que l’on a estimé la proportion p dans la population totale par un intervalle
de confiance à partir de la fréquence f observée sur l’échantillon.
Solution:
1. Sur l’échantillon de taille n = 1 020, la fréquence observée d’intentions de vote
204
pour Jacques Chirac est f = = 0, 20
1 020
n = 1 020, n ◊ f = 204 Ø 5 et n ◊ (1 ≠ f ) = 816 Ø 5, donc un intervalle de
confiance au niveau 0, 95 de la proportion de vote dans la population totale
est
C J C D
1 1 1 1
f ≠ Ô ;f + Ô = 0, 2 ≠ Ô ; 0, 2 + Ô
n n 1 020 1 020
19, 9
2. On constate que = 0, 199 œ [0, 169; 0, 231] ; 0, 169 œ [0, 149; 0, 212] mais
100
0, 162 œ
/ [0, 149; 0, 212].
Les fréquences de votes réelles pour Jacques Chirac et Lionel Jospin sont bien
dans leurs intervalles de confiance au seuil 0, 95 mais celle concernant Jean-
Marie Le Pen n’y est pas.
Au niveau de confiance 0, 95, les résultats concernant Jacques Chirac et Lionel
Jospin étaient conformes aux prévisions, mais pas celui concernant Jean-Marie
Le Pen.
Loi uniforme
• Dans le cas d’une variable uniforme sur un intervalle, il n’est pas nécessaire de
poser systématiquement le calcul de la probabilité P (– Æ X Æ —) sous forme
d’intégral.
• La loi de probabilité uniforme prolonge à un intervalle de R la notion
d’équiprobabilité sur un univers fini. Cette loi, très simple à mettre en oeuvre,
modélise des phénomènes dus au pur hasard, comme le tirage aléatoire d’un
nombre dans un intervalle donné.
Loi exponentielle
• L’espérance mathématique d’une loi exponentielle est l’inverse de son para-
mètre.
• Les formules permettant de calculer des probabilités associées à une loi ex-
ponentielle doivent etre connues, même si elles sont parfois rappelées dans
l’énonces.
Loi normale
• La loi normale est sans doute la loi de probabilité la plus connue et la plus
utilisée. Elle permet de modéliser de très nombreux phénomènes et sert égale-
ment d’approximation à d’autre lois et notamment à la loi binomiale lorsque
le nombre d’expérience devient grand.
• L’expression de la densité de loi normale centrée réduite doit être connue, mais
est inutilisable dans la pratique.
• Les applications numériques se font essentiellement à la calculatrice (ou sur
ordinateur). Mais dans ce cours nous utilisons la table de loi.
4.5.2 Bibliographie
¶ ANGOT P. et DUBOIS F. (2014) : Maths obligatoire + spécialité : Objectif
BAC TS,Hachette livre 2014.
¶ Livre de Mathématiques : maths repères terminale S, hachette éducation.
¶ richard Issac : une introduction aux probabilités, Vudbert, Springer
¶ Bouzitat C., Bouzitat P. et Pages G. : Statistique, probabilité, estimation ponc-
tuelle : cours et exercices d’applications , édition CUJAS
¶ Fouastie J., Laslier J.F. Probabilités et statistiques.
¶ Gerald Baillargeon : Probabilités, statistiques et technique de régression , les
éditions SMCS
¶ Esther amicet : Introduction aux probabilités et a la statistique, édition gaetan
morin
4.6 Exercices
S’exercer 4.6.1
Montrer que la fonction f définie sur l’intervalle [0; 1] par : f (x) = 2x est une densité
de probabilité sur [0; 1].
S’exercer 4.6.2
Montrer que la fonction f définie sur l’intervalle [≠1; 1] par : f (x) = 12 x + 12 est une
densité de probabilité sur [≠1; 1].
S’exercer 4.6.3
1
Soit f (x) = x
une densité de probabilité définie sur [1; a], a œ R.
1. Déterminer a.
2. Déterminer b sachant que P (X < b) = 0, 6.
S’exercer 4.6.4
Calculer E (X).
4. Calculer la variance de X.
S’exercer 4.6.5
S’exercer 4.6.6
Soit X une variable aléatoire suivant une loi uniforme sur [2; 5]. Calculer
1. P (X = 3, 5) ; 3. E (X) ; 5. (X).
2. P (3 Æ X Æ 4) ; 4. Var (X) ;
S’exercer 4.6.7
Soit X une variable aléatoire suivant une loi uniforme sur [≠3; 5]. Calculer
1. P (X = 0) ; 3. E (X) ; 5. (X).
2. P (≠1 Æ X Æ 2) ; 4. Var (X) ;
S’exercer 4.6.9
Soit X une variable aléatoire suivant une loi uniforme sur [≠4; 3]. Tracer la densité
de probabilité de X et le domaine dont l’aire correspondant à P (≠1 Æ X Æ 1).
S’exercer 4.6.10
Soit X une variable aléatoire suivant une loi uniforme sur [≠3; ≠1]. Calculer
1. P (X Æ 1) ; 3. E (X) ; 5. (X).
2. P (≠2 Æ X Æ ≠1, 5) ; 4. Var (X) ;
S’exercer 4.6.11
Soit X une variable aléatoire suivant une loi uniforme sur [≠10; 40]. Calculer
S’exercer 4.6.12
Une personne arrive à son bureau entre 8 heures et 9 heures 30. L’heure exacte
d’arrivée est une variable aléatoire uniforme sur cette période.
1. Calculer la probabilité que la personne arrive
S’exercer 4.6.13
Sur les paquets de céréales NINOLAC, la masse indiquée est de 375 g. Statisti-
quement, on a jamais trouvé de paquet pesant moins de 365 g et plus de 385 g. A
l’intérieur de cette fourchette, on estime que les masses sont uniformément reparties.
1. Déterminer la densité de X, variable aléatoire continue modélisant la masse
d’un parquet de céréales.
2. Que représente 375 g par rapport à la loi de X.
3. Calculer la probabilité qu’un paquet de céréales ait une masse comprise entre
365 g et 370 g.
S’exercer 4.6.14
Soit X une variable aléatoire suivant une loi exponentielle de paramètre 0, 01.
1. Donner la densité f de X.
2. Calculer P (X > 2) et P (3 Æ X Æ 5).
S’exercer 4.6.15
Soit X une variable aléatoire suivant une loi exponentielle d’espérance 1 000. Déter-
miner la densité de probabilité de X et calculer P (X Æ 5).
S’exercer 4.6.16
Soit X une variable aléatoire suivant une loi exponentielle dont la densité de proba-
2
bilité est la fonction f définie sur [0; +Œ[ par f (x) = 23 e≠ 3 x
1. Déterminer le paramètre ⁄ de cette loi.
2. Calculer E (X), puis P (3 Æ X Æ 6).
S’exercer 4.6.17
La durée X (en heures) d’un match de tennis suit la loi exponentielle de paramètre
0, 34. Quelle est la probabilité que le match dure plus de 5 heures.
S’exercer 4.6.18
Soit X une variable aléatoire suivant une loi exponentielle de paramètre 0, 512.
1. Déterminer la densité f de X.
2. Calculer P (X Ø 1).
S’exercer 4.6.19
Soit X une variable aléatoire suivant une loi exponentielle d’espérance 14 . Déterminer
la densité de probabilité de X et calculer P(XØ1) (X Ø 2)
S’exercer 4.6.20
Soit X une variable aléatoire dont la densité de probabilité est la fonction f définie
sur [0; +Œ[ par
1 ≠1x
f (x) = e 10 .
10
1. Déterminer le paramètre ⁄ de cette loi
2. Calculer E (X), puis P (X > 100).
S’exercer 4.6.21
Le temps d’attente X (en minutes) à un feu tricolore suit une loi exponentielle de
paramètre 1. Montrer que la probabilité que l’attente soit supérieure à 2 minutes
est égale à 0, 135 à 10≠3 près.
S’exercer 4.6.22
Soit X une variable aléatoire exponentielle dont la densité de probabilité est telle
que P (X Æ 3) = 23 .
1. Déterminer la densité de probabilité de X,
2. Déterminer l’ espérance de X.
3. Calculer P(XØ2) (X Ø 5).
S’exercer 4.6.23
La durée de vie, en heures, des ampoules fluo-compactes est une variable aléatoire
T , qui suit une loi exponentielle de moyenne 10 000.
1. Donner la densité de cette variable T .
2. Sachant qu’une ampoule a déjà fonctionné pendant 7 000 heures, quelle est la
probabilité qe sa durée de vie dépasse 12 000 heures ?
S’exercer 4.6.24
S’exercer 4.6.25
P (T Ø 100) = 0, 5.
S’exercer 4.6.26
Soit X une variable aléatoire suivant la loi N (0; 1). On note f la densité de proba-
bilité de X.
1. Donner l’expression de f (x) pour tout x œ R.
2. Tracer la courbe représentative de f sur [≠4; 4].
3. Hachurer sur cette représentation la région dont l’aire correspond à
P (≠2 < X Æ 2)
S’exercer 4.6.27
S’exercer 4.6.28
1. P (X Æ 1) ; 3. P (X Æ ≠1) ;
2. P (X > 1) ; 4. P (0 < X < 1).
S’exercer 4.6.29
Soit X une variable aléatoire suivant la loi N (10; 25). Que valent l’espérance , la
variance et l’écart type de X ?
S’exercer 4.6.30
Soit X une variable aléatoire suivant la loi N (10; 25) et Z une variable aléatoire
suivant la loi normale centrée réduite. Exprimer les probabilités suivantes en fonction
de Z.
S’exercer 4.6.31
Soit X une variable aléatoire suivant la loi N (113; 25). Calculer à 10≠4 près, .
P (110 Æ X Æ 120) .
S’exercer 4.6.32
S’exercer 4.6.33
Soit X une variable aléatoire suivant la loi N (10; 25) et Z une variable aléatoire
suivant la loi normale centrée réduite. 3 4
x ≠ 10
1. Soit x œ R. Montrer que : P (X Æ x) = P Z Æ .
5
2. En déduire le réel x tel que P (X Æ x) = 0, 95.
S’exercer 4.6.34
S’exercer 4.6.35
Une variable aléatoire X suit la loi normale centrée réduite N (0; 1).
1. Déterminer, des valeurs approchées à 10≠3 près de
S’exercer 4.6.36
S’exercer 4.6.37
Le samedi, le nombre X de clients d’un hypermarché est une variable aléatoire qui
suit la loi normale de moyenne 2 000 et d’écart type 300. Calculer les probabilités
qu’un samedi il y ait :
1. plus de 2 500 clients ;
2. moins de 1 800 clients ;
3. entre 1 700 et 2 200 clients.
S’exercer 4.6.38
Une étude statistique réalisée dans une cafétéria permet d’admettre que la va-
riable aléatoire X qui, pendant un mois donné, associe à un client choisi au hasard
sa note en euro, suit la loi normale de moyenne m = 11 et d’écart type 3, 5.
1. Déterminer la probabilité qu’un client choisi au hasard paye une note supé-
rieure ou égale à 15 euros.
2. Déterminer la probabilité qu’un client choisi au hasard paye une note comprise
entre 9 et 12 euros.
3. Déterminer le montant a tel que P (X Ø a) ¥ 0, 10.
Une entreprise fabrique deux types de pièces, notées a et b, pour du matériel cel-
lulaire. Les pièces sont réalisées dans deux matériaux différents, métal et coltran.
Arrondir tous les résultats à 10≠2 dans tout cet exercice.
Une entreprise fabrique deux types de pièces, notées a et b, pour du matériel cel-
lulaire. Les pièces sont réalisées dans deux matériaux différents, métal et coltran.
Arrondir tous les résultats à 10≠2 dans tout cet exercice.
En décembre 2019 ; Monsieur Gba, le directeur de l’usine commande une enquête
concernant la masse des pièces. Soit Y la variable aléatoire qui associe à chaque pièce
tirée dans un stock important sa masse en kilogrammes. Y suit une loi normale de
paramètres µ = 90 et ‡ = 15.
1. Déterminer P (90 Æ Y Æ 120), puis interpréter ce résultat.
2. Monsieur Gba précise qu’il augmentera la masse des pièces si plus de 2% des
pièces ont masse supérieurs à 150 000 gramme. Quelle sera alors sa décision ?
Une ampoule a une durée de vie en heures noté T . On suppose qu’elle suit une loi
exponentielle de paramètre ⁄ = 20 1000 = 5 ◊ 10≠5 .
1. Quelle est la probabilité que l’ampoule dure moins de 4 000 heures ?
A la naissance ; le poids en kg des nouveaux nés est une variable aléatoire X qui peut
être modélisée par une loi normale de moyenne ‹ = 3, 4 et d’écart-type ‡ = 0, 5.
1. Dans la réalité, on ne peut pas avoir de poids négatif ; vérifier que P (X < 0)
est très petite pour la loi proposée.
2. Quelle est la probabilité qu’un nouveau né ait un poids compris entre 2, 9 kg
et 3, 9 kg à la naissance ?
X ≠ 3, 4
3. Quelle loi suit la variable aléatoire Z = ?
0, 5
4. Calculer la probabilité qu’un nouveau né pèse moins de 2, 8 kg à la naissance.
(a) En utilisant le fait que : P (≠1, 2 < Z Æ 0) ¥ 0, 385 à 0, 001 prés.
(b) En utilisant le fait que : P (Z < 1, 2) ¥ 0, 885 à 0, 001 près.
(c) En utilisant la table des lois usuelles.
Les baguettes du batteur Travis Backer (du groupe Blink 182) mesurent 414 mm
de long. Le fabriquant certifie en fait que la longueur L, en mm, d’une baguette
produite dans son usine suit une loi normale de moyenne 414 et d’écart-type 1.
Une angine peut être due à un virus (on parle d’angine virale) ou à une bactérie
(on parle d’angine bactérienne). Seuls les angines bactériennes sont effacement com-
battues par les antibiotiques. Un laboratoire a mis au point un test basé sur un
prélèvement de salive afin de savoir si l’angine nécessite la prise d’antibiotiques : ce
test doit être positif si l’angine est bactérienne, négatif sinon.
Sur 400 malades atteints d’une angine bactérienne, le test a été positif 336
fois.
Sur 100 malades atteints d’une angine virale, le test a été positif 15 fois.
1. (a) Déterminer la proportion de malades ayant un test positif parmi ceux
ayant une angine bactérienne.
(b) En déduire un intervalle de confiance au niveau de confiance 0, 95 de
la sensibilité du test (c’est-à-dire la proportion de tests positifs lorsque
l’angine est bactérienne)
2. Déterminer un intervalle de confiance au niveau de confiance 0, 95 de la spéci-
ficité du test ( c’est-à-dire la proportion de tests négatifs lorsque l’angine n’est
pas bactérienne)
3. Un test est satisfaisant quand sa sensibilité et sa spécificité dépassent toutes
les deux 90%. Peut-on, au niveau de confiance 0, 95, affirmer que ce test est
satisfaisant ?
Yann arrive à l’arrêt de bus de Port-Neuf entre 7h et 7h30. On fait l’hypothèse qu’il
peut y arriver à tout instant avec les mêmes chances.
On note X l’heure, représentée par le nombre de minutes après 7h, où Yann arrive
à cet arrêt.
1. Quelle loi peut-on attribuer à X ? Quelle est sa densité ?
2. Quelle est la probabilité que Yann arrive :
(a) entre 7h11 et 7h22 ?
On modélise le temps entre deux clients à un guichet par une variable aléatoire X
suivant une loi exponentielle de paramètre ⁄ >⁄0.
t
Le temps moyen d’attente est donné par lim ⁄xe≠⁄x dx.
tæ+Œ 0
On admet que la production laitière annuelle, en litres, d’une vache laitière peut
être modélisée par une variable aléatoire à densité X, suivant une loi normale de
moyenne ‹ = 5 000 et d’écart-type ‡ = 300.
Les résultats seront arrondis à 0, 001 près.
1. Calculer la probabilité qu’une vache produise entre 4 900 et 5 100 litres de lait
par an.
2. Calculer la probabilité qu’elle produise moins de 4 800 litres par an :
(a) Première méthode : en approchant P (X Æ x) par P (≠1099 Æ X Æ x).
(b) Deuxième méthode : après avoir justifier la propriété :
" si x Æ ‹, P (X Æ x) = 0, 5 ≠ P (x Æ X Æ ‹)".
3. Calculer la probabilité qu’une vache produise plus de 5 250 litres par an :
(a) Première méthode : en approchant P (X Ø x) par P (x Æ X Æ 1099 ).
(b) Deuxième méthode : après avoir justifier la propriété :
" si x Ø ‹, P (X Ø x) = 0, 5 ≠ P (‹ Æ X Æ x)".
Un candidat à une élection a interrogé 250 personnes sur un marché. 54% ont promis
de voter pour lui.
1. Ce sondage lui assure-il d’être élu au niveau de confiance 0, 95 ?
2. Quel est le nombre minimal n Ø 30 de personnes à interroger pour qu’une
proportion de 54% de promesses de vote assure au candidat d’être élu au
niveau de confiance 0, 95 ?
Un sac contient 400 billets indiscernables au toucher. Chacune est noire ou rouge,
mais on ne connait pas la répartition exacte de chaque couleur.
On répète 50 fois l’expérience suivante : on tire une bille au hasard et on note sa
couleur, puis on la remet dans l’urne. Sur les 50 billes obtenues, 16 sont rouges.
1. Donner, avec un niveau de confiance 0, 95, un encadrement de la proportion
de billes rouges dans le sac.
2. Pour en avoir le coeur net, on vide le sac et on compte : il y avait en fait 190
billes rouges dans le sac.
Était-ce prévisible aux vues de l’intervalle de confiance précèdent ?
132
Table des matières
1 Analyse Combinatoire 2
1.1 Premier outils pour dénombrer . . . . . . . . . . . . . . . . . . . . . . 2
1.1.1 Le comptage . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.1.2 Les diagrammes . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.1.3 Arbre de choix . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2 Compléments sur les ensembles . . . . . . . . . . . . . . . . . . . . . 9
1.2.1 Parties d’un ensemble . . . . . . . . . . . . . . . . . . . . . . 9
1.2.2 Partition d’un ensemble . . . . . . . . . . . . . . . . . . . . . 10
1.2.3 Produit cartésien . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.3 Arrangements . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.3.1 Arrangement avec répétition : p-uplets . . . . . . . . . . . . . 12
1.3.2 Arrangements sans répétition . . . . . . . . . . . . . . . . . . 13
1.4 Nombre de permutations . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.4.1 Permutation Sans répétition . . . . . . . . . . . . . . . . . . . 15
1.4.2 Permutations avec répétitions . . . . . . . . . . . . . . . . . . 16
1.5 Combinaison . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.5.1 Combinaison sans répétition . . . . . . . . . . . . . . . . . . . 18
1.5.2 Combinaisons avec répétitions . . . . . . . . . . . . . . . . . . 19
1.6 Points à retenir, Renvoie à la bibliothèque . . . . . . . . . . . . . . . 20
1.6.1 Points à retenir . . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.6.2 Renvoi à la bibliothèque . . . . . . . . . . . . . . . . . . . . . 20
133
TABLE DES MATIÈRES 134