2023-2024

E.N.S.I/II.1

Probabilités Appliquées et Statistiques

TD5

Exercice 1:

Un fournisseur d’accès à Internet met en place un point locale d’accès, qui dessert 5000 abonnés.
A instant donné, chaque abonné a une probabilité égale à 20% d’être connecté. Les comporte-
ments des abonnés sont supposés indépendants les uns des autres.

1. On note X la v.a égale au nombre d’abonnés connectés à un instant t . Quelle est la loi
de X? Quelle est son espérance, son écart-type?

X−1000
2. On pose Y = √
800
. Justifier précisément qu’on peut approcher la loi de Y par la loi
normale N (0, 1).

3. Le fournisseur d’accès souhaite savoir combien de connexions simultanées le point d’accès

doit pouvoir gérer pour que sa probabilité d’être saturé à un instant donné soit inférieur
à 2, 5%. En utilisant l’approximation précédente, proposer une valeur approchée de ce
nombre de connexions ( on pourra utiliser une table de la loi normale).

Exercice 2:

Soit X une v.a qui suit la loi de Gamma G(α, λ), α > 0, λ > 0. On rappelle que la d.d.p de
X ∼ G(α, λ) s’écrit
λα −λ x α−1
fX (x) = e x 1[0,+∞[ (x).
Γ(α)
1. Montrer que la f.g.m de X s’écrit pour t < λ :

t
MX (t) = (1 − )−α .
λ

α α
2. En déduire que E[X] = λ
et V (X) = λ2
.

3. Montrer que la loi exponentielle est un cas particulier de la loi de Gamma.

4. Soit (X1 , X2 , ...., Xn ) un éch. aléa. de la v.a X. Par la méthode des moments, déterminer
des estimateurs pour α et λ.
 5. Soit n un entier naturel non nul, on dit que X suit la loi de chi deux à n degrès de liberté
lorsque X ∼ G( n2 , 21 ). On écrit X ∼ χ2 (n).

(a) Déterminer E[X] et V (X).

(b) Soit X ∼ χ2 (20), en utilisant la table de la loi de χ2 ,
i. calculer P (X > 16.27).
ii. déterminer un nombre a tel que P (X ≤ a) = 0.2

6. Montrer que si X1 et X2 sont deux v. a indépendantes telles que X1 ∼ χ2 (r1 ) et X2 ∼

χ2 (r2 ) alors X1 + X2 ∼ χ2 (r1 + r2 ). Généraliser ce résultat.

7. Montrer que si Z ∼ N (0, 1) alors Z 2 ∼ χ2 (1).

8. Soit Z1 , Z2 , ...., Z7 un échantillon aléatoire de la distribution normale N (0, 1). On pose

W = Z12 + Z22 + ...... + Z72 , construire un intervalle ]a, b[ tel que

P (a < W < b) = 0.925

Exercice 3:
Soit (X1 , X2 , ...., Xn ) un échantillon aléatoire d’une variable aléatoire X définie sur une popu-
lation normale de moyenne µ et de variance σ 2 . On pose
n n n
1X 1X 1 X
X̄n = Xi , Sn2 = (Xi − X̄n )2 , 2
Sn−1 = (Xi − X̄n )2
n i=1 n i=1 n − 1 i=1

On admet que X̄n et Sn2 sont indépendantes.

n
1X
1. Montrer que Sn2 = Xi2 − X̄n2 .
n i=1
n √ X̄n − µ 2 (n − 1)Sn−1
2 √ X̄n − µ 2
X Xi − µ 2 nSn2
2. Montrer que ( ) = 2 +( n ) = 2
+( n ).
i=1 σ σ σ σ σ

X̄n − µ
3. Déterminer la loi de la distribution de la v.a √ .
σ/ n
n
X Xi − µ 2
4. Déterminer la loi de la distribution de la v.a ( ).
1=1 σ

nSn2
5. Déterminer la loi de la distribution de la v.a .
σ2
2
(n − 1)Sn−1
6. Déterminer la loi de la distribution de la v.a .
σ2
7. Calculer V (Sn2 ) et V (Sn−1
2
).
 8. Montrer que X̄n est un estimateur sans biais et convergent de µ.

9. Montrer que Sn2 est un estimateur asymptotiquement sans biais et convergent.

2
10. Montrer que Sn−1 est un estimateur sans biais et convergent de σ 2 .

Exercice 4:
Soit X une v.a à valeurs entières, de loi définie pour k ∈ N par:

θk
P (X = k) = ,
(1 + θ)k+1

où θ est un paramètre positif.

1. Vérifier que la loi de X est bien définie.

2. Montrer que ∀n, n0 ∈ N, P (X ≤ n+n0 /X ≥ n) = P (X ≤ n0 ). (Propriété sans mémoire).

3. Déterminer E[X].

4. Soit (X1 , X2 , ...., Xn ) un échantillon aléatoire de X. Déterminer un estimateur θ̃n de θ

par la méthode des moments.

5. Montrer que θ̃n est sans biais.

6. Montrer que θ̃n est convergent.

7. Montrer que θ̃n est efficace.

Exercice 5:
Soit (X1 , X2 , ...., Xn ) un échantillon aléatoire de X dont la densité est définie par:

f (x, θ) = θxθ−1 , 0 < x < 1, 0 < θ < ∞.

Trouver l’estimateur de θ par la méthode des moments.