MI examen

Exercice 01 : 𝑂𝑝𝑡𝑖𝑚𝑖𝑠𝑎𝑡𝑖𝑜𝑛 𝑎𝑣𝑒𝑐 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒𝑠

La compagnie aérienne Royal Air Maroc vient d’étendre ses lignes vers le Mali.
Deux types d’avion peuvent assurer ce trajet :
- Airbus 𝐴 : capacité : 300 passagers, consomme : 9 000 litres/vol
- Boeing 𝐵 : capacité : 450 passagers, consomme : 13 000 litres/vol
Si un avion fait un aller-retour durant la même journée, il devra passer par une maintenance qui lui
coûtera 1000 𝑢. 𝑚, s’il reste dans l’aéroport, il devra payer 120 𝑢. 𝑚 la journée.
Les taxes de chaque vol sont : 2000 𝑢. 𝑚

Si un vol part avec 100 places libres, la consommation baisse de 20% et les taxes de vol de 10%.
Un litre de kérosène coûte 5 𝑢. 𝑚.
Les réservations sont comme suit : Jeudi Vendredi
Passagers en aller 2000 1000
Passagers en retour 500 4000
La RAM étudie les types d’avions à utiliser pour ces vols.
La RAM ne devra pas dépasser 60 000 litres de kérosène par jour.
2 avions de type Boeing 𝐵 sont déjà au Mali depuis Mercredi.

Modélisation :
1.1. Formuler le problème qui minimise les dépenses de la compagnie.
(𝑠𝑎𝑛𝑠 𝑙𝑒 𝑟é𝑠𝑜𝑢𝑑𝑟𝑒)

Simplexe : Max P  10 x1  4 x 2  4 x3
On se propose d’étudier le problème linéaire suivant : 5 x1  4 x 2  5
5 x  2 x  x  6
 1 2 3
1.2. Mettre le problème linéaire sous la forme standard. s c
1.3. Donner une solution de base du problème et préciser sa nature. 3 x1  5 x 2  2 x3  14

 x1  0 x 2  0 x3  0
1.4. Donner son problème dual.
1.5. En utilisant la méthode du simplexe, trouver 𝑃 ∗ .
1.6. Quelles contraintes ont été saturées ? Max P ,   10 x1  x 2  5 x3
1.7. On note 𝑃𝛼 ,𝛽 (𝑀) le problème linéaire : 3 x1  4 x 2  Mx3  5
Proposez des valeurs de (𝛼 , 𝛽 , 𝑀) pour que  3 x  Mx  x  6
 1 2 3
s c
- 𝑃𝛼 ,𝛽 (𝑀)∗ = 30 soit une solution optimale. 20 x1  x 2  10 x3  60
- et les 2 premières contraintes ne soient pas saturées. 
 x1  0 x 2  0 x3  0
Exercice 02 : 𝐸𝑠𝑡𝑖𝑚𝑎𝑡𝑖𝑜𝑛 𝑒𝑡 𝑎𝑛𝑎𝑙𝑦𝑠𝑒 𝑑𝑒 𝑑𝑜𝑛𝑛é𝑒𝑠

Un vol Casablanca – Paris-Orly est assuré par un Boeing 737 de capacité 300 places.
Les clients réservent à l’avance, la probabilité pour qu’un client confirme sa réservation est 𝑝 = 0,8.
La compagnie vend 𝑛 billets (𝑛 > 300).

Prof. CHERIF 2016-2017

Soit 𝑋 la variable aléatoire : « le client confirme son vol ».
Soit 𝑌 la variable aléatoire : « nombre de clients parmi les 𝑛, ayant confirmé leurs réservations ».
2.1. Quelle est la loi suivie par 𝑋 ?
2.2. Quelle est la loi suivie par 𝑌 ?
2.3. Quel est le nombre maximal de billets que la RAM peut vendre pour être sûr à plus
de 90% que tout le monde puisse monter dans l’avion ?
( 𝑛 𝑡𝑞 ∶ 𝑝(𝑌 > 300) ≤ 0,1 )
2.4. L’entreprise étudie le changement de l’avion vers le Boeing 747 dont la capacité est
500 places. la probabilité pour qu’un client confirme son vol à bord du 747 est 𝑝 = 0,9.
Quel est le nombre maximal de billets à vendre pour être sûr à plus de 95% de ne pas
avoir de passager sans place.

𝑅𝑎𝑝𝑝𝑒𝑙𝑠 :

‐ 𝑄𝑢𝑎𝑛𝑑 : 𝑛 > 300, 𝑜𝑛 𝑝𝑒𝑢𝑡 𝑎𝑝𝑝𝑟𝑜𝑥𝑖𝑚𝑒𝑟 𝑌 𝑝𝑎𝑟 𝑙𝑎 𝑙𝑜𝑖 𝑛𝑜𝑟𝑚𝑎𝑙𝑒 𝑁(𝑛𝑝 , √𝑛𝑝(1 − 𝑝) )
‐ 𝑇𝑎𝑏𝑙𝑒 𝑑𝑒 𝑔𝑎𝑢𝑠𝑠 (𝑙𝑜𝑖 𝑛𝑜𝑟𝑚𝑎𝑙𝑒) : 𝐹(1,645) = 0,95 𝐹(1,283) = 0,90

Exercice 03 : 𝐶𝑜𝑛𝑠𝑡𝑟𝑢𝑐𝑡𝑖𝑜𝑛 𝑑′ 𝑢𝑛 𝑒𝑠𝑡𝑖𝑚𝑎𝑡𝑒𝑢𝑟

On étudie le caractère continu 𝑋 chez un ensemble de clients de la RAM. 𝑋 suit une loi de densité :
𝜃4
𝑓𝜃 (𝑥 ) = 𝑥𝑒 − 2𝜃 𝑥
√𝜋

Pour étudier 𝜃, on prend un échantillon 𝑥1 , … 𝑥𝑛 de 𝑛 variables aléatoires 𝑋1 , … 𝑋𝑛 i. i. d. de même

loi que 𝑋.

4.1. Donner un estimateur 𝜃 ̂0 du paramètre 𝜃 par la méthode du maximum de vraisemblance.

4.2. ̂0 est-il exhaustif ?
𝜃
4.3. Calculer 𝐸(𝜃 ̂0 ) et 𝑉𝑎𝑟(𝜃
̂0 ).
4.4. Calculer 𝐸𝑄𝑀(𝜃 ̂0 ).
4.5. Donner un estimateur non biaisé 𝜃 ̂1 .
4.6. Calculer l’information de Fisher 𝐼𝑛 (𝜃).
4.7. La loi de 𝑋 appartient-elle à la famille exponentielle ? Si oui, quelle fonction de 𝜃 peut être
estimée efficacement ?
4.8. Soit 𝐵(𝑛) (𝜃) la borne de Cramer-Rao pour l'estimation de 𝜃.
Dans l'ensemble des estimateurs non biaisés de 𝜃,
̂𝑘 comme étant :
on définit l’efficacité relative de 𝜃
𝐵(𝑛) (𝜃)
𝑒(𝜃̂𝑘 ) =
𝑣𝑎𝑟(𝜃 ̂𝑘 )
Calculer 𝑒(𝜃 ̂1 ). Commenter.

𝑅𝑎𝑝𝑝𝑒𝑙𝑠 :
𝑎𝑏
- Loi densité de probabilité de la loi gamma 𝛾(𝑎, 𝑏) est : 𝑓 (𝑥) = 𝑥 𝑏−1 𝑒 − 𝑎 𝑥
√𝜋
𝑏 𝑏
- La loi gamma 𝛾(𝑎, 𝑏) : a pour espérance : 𝑎 et variance : 𝑎²

Prof. CHERIF 2016-2017