4 Lois fondamentales

discrètes
de probabilité
● Exercice 1 - Identification de la loi binomiale et du schéma de Bernoulli
lors d’un tirage avec remise.
● Exercice 2 - Identification de la loi binomiale et du schéma de Bernoulli
lors d’un tirage sans remise.
● Exercice 3 - Loi binomiale ; fonction affine d’une variable aléatoire bino-
miale ; somme de variables aléatoires binomiales indépendantes.
● Exercice 4 - Loi binomiale ; nombre d’épreuves à réaliser pour atteindre un
objectif donné en termes de probabilité.
● Exercice 5 - Loi de Poisson ; somme de variables aléatoires indépendantes
de Poisson.
● Exercice 6 - Loi de Poisson ; recherche du paramètre de cette loi à partir
d’une relation donnée en termes de probabilité.
● Exercice 7 - Loi de Poisson ; détermination du paramètre de cette loi à par-
tir d’une donnée exprimée en termes de probabilité ; fonction affine d’une
variable aléatoire de Poisson.
● Exercice 8 - Loi de Poisson définie à partir de sa fonction de répartition ;
probabilités conditionnelles.
● Exercice 9 - Loi discrète classique ; espérance d’une variable aléatoire
dépendant d’un paramètre ; minimisation de cette espérance.

EXERCICE
04-1 Identification de la loi binomiale et du schéma de Bernoulli lors
d’un tirage avec remise
Thierry et 11 autres jeunes font un stage de 30 jours dans un grand labo-photo japonais. Chaque
soir, l’un d’eux, tiré au sort parmi les 12 stagiaires, gagne, en quittant le laboratoire, un appareil pho-
tographique gracieusement offert.
Quelle est la probabilité qu’à l’issue de son stage Thierry ait gagné au moins deux
appareils ?

CORRIGÉ La question posée concerne le nombre d’appareils gagnés par Thierry. Notons X ce nombre.
04-1 On cherche P(X ≥ 2). Pour trouver cette probabilité, déterminons la loi de X.
On reconnaît typiquement un schéma de Bernoulli.
 4 ● LOIS FONDAMENTALES DISCRÈTES DE PROBABILITÉ 43

• On répète 30 fois de suite la même épreuve : « tirer au sort l’un des 12 stagiaires ».
• Les tirages sont effectués avec remise (un même stagiaire peut gagner plusieurs fois), les épreuves sont
donc indépendantes.
• Pour Thierry, chacune de ces épreuves a deux issues possibles :
« succès » = « il gagne l’appareil offert ce jour-là »
ou « échec » = « il ne gagne pas l’appareil ».
Il s’agit donc d’épreuves de Bernoulli.
• X est le nombre de succès au cours des 30 épreuves.
Chaque soir, Thierry a 1 chance sur 12 de gagner, donc pour une épreuve, la probabilité de succès est
1
égale à .
12
1
X suit la loi binomiale de paramètres 30 et .
12

k 30 – k
k 1 11
On a donc, pour tout entier k compris entre 0 et 30 : P(X = k) = C 30 1 21 2 .
12 12
30 29
11 1 11
On peut alors écrire : P(X ≥ 2) = 1 – P(X = 0) – P(X = 1) = 1 – 1 12 2 – 30 ¥
12
¥
12 1 2 ª 0,7260.

La probabilité que Thierry ait gagné au moins deux appareils, à l’issue de son stage, vaut environ 0,7260.

EXERCICE
04-2 Identification de la loi binomiale et du schéma de Bernoulli lors
d’un tirage sans remise
Dans une conserverie, à la sortie de la chaîne d’étiquetage, 2 % des boîtes présentent un défaut appa-
rent (creux, bosse, étiquette mal collée…). Un contrôleur de la qualité doit prélever à la sortie de la
chaîne un lot de 50 boîtes.
Quelle est la probabilité qu’il trouve moins de trois boîtes présentant un défaut apparent ?

CORRIGÉ Notons X le nombre de boîtes défectueuses parmi 50.

04-2 On cherche P(X < 3). Pour trouver cette probabilité, déterminons la loi de X.
On reconnaît typiquement un schéma de Bernoulli.
• On répète 50 fois de suite la même épreuve : « observer une boîte ».
• Les tirages sont effectués sans remise, mais dans une population de très grande taille (assimilée à une infi-
nité de boîtes), on peut donc supposer les épreuves indépendantes. Cela revient à admettre que le pour-
centage (2 %) de boîtes défectueuses reste stable au fil des 50 tirages d’une boîte.
• Chacune de ces épreuves a deux issues possibles :
« succès » = « la boîte observée est défectueuse »
ou « échec » = « la boîte est sans défaut ».
• X est le nombre de succès au cours des 50 épreuves.
Pour une épreuve, la probabilité de succès est égale à 0,02.
X suit la loi binomiale de paramètres 50 et 0,02.
44 STATISTIQUE ET PROBABILITÉS

k
On a donc, pour tout entier k compris entre 0 et 50 : P(X = k) = C 50 ¥ 0,02 k ¥ 0,98 50 – k.
On peut alors écrire : P(X < 3) = P(X = 0) + P(X = 1) + P(X = 2)
= 0,98 50 + (50 ¥ 0,02 ¥ 0,98 49 ) + (1 225 ¥ 0,02 2 ¥ 0,98 48 ) ª 0,9216.
C 501 C 502
La probabilité que le contrôleur trouve moins de trois boîtes présentant un défaut apparent vaut envi-
ron 0,9216.

EXERCICE
04-3 Loi binomiale ; fonction affine d’une variable aléatoire binomiale ;
somme de variables aléatoires binomiales indépendantes
Début janvier, une grande surface met en location, à la journée, 20 shampouineuses à moquette
toutes neuves. Lorsqu’un appareil tombe en panne, il n’est pas réparé mais remplacé par une sham-
pouineuse toute neuve. On suppose que, pour chaque appareil, la probabilité qu’il soit à changer au
cours de l’année est égale à 0,2. Si l’appareil de remplacement vient à tomber en panne également,
il n’est pas changé.
1- Déterminer la probabilité des événements suivants :
A : « aucune shampouineuse ne sera changée au cours de l’année » ;
B : « exactement trois shampouineuses seront changées au cours de l’année » ;
C : « moins de trois shampouineuses seront changées au cours de l’année » ;
D : « plus de trois shampouineuses seront changées au cours de l’année » ;
E : « au plus trois shampouineuses seront changées au cours de l’année ».
2- Le coût, pour la grande surface, du changement en cours d’année d’une shampouineuse
est de 500 euros, et l’entretien de l’ensemble des appareils représente un coût fixe de
1 200 euros pour une année.
Déterminer l’espérance et l’écart type du coût total pour une année.
3- On considère maintenant les trois années à venir. Au début de chaque année, tous les
appareils seront renouvelés. On note Y le nombre de shampouineuses qu’il faudra chan-
ger au cours des trois années. On ne compte que les appareils changés EN COURS d’an-
née.
a- Déterminer la loi de Y, son espérance, sa variance et son écart type.
b- Calculer la probabilité que 6 shampouineuses en tout soient à changer au cours des
trois années (sans tenir compte, bien sûr, du renouvellement en début d’année de tous
les appareils).
c- Calculer la probabilité que 6 shampouineuses soient à changer au cours des trois
années, à raison de 2 chaque année.

CORRIGÉ 1- Tous les événements considérés dans cette question font intervenir le nombre de sham-
04-3 pouineuses changées au cours de l’année. Notons X ce nombre et déterminons la loi de X.
• On répète 20 fois de suite la même épreuve : « observer un appareil ».
• On peut supposer les épreuves indépendantes.
• Chacune de ces épreuves a deux issues possibles :
« succès » = « l’appareil est changé dans l’année »
ou « échec » = « l’appareil n’est pas changé dans l’année ».
 4 ● LOIS FONDAMENTALES DISCRÈTES DE PROBABILITÉ 45

• X est le nombre de succès au cours des 20 épreuves.

Pour une épreuve, la probabilité de succès est 0,2, donc :
X suit la loi binomiale de paramètres 20 et 0,2.
k
On a donc, pour tout entier k compris entre 0 et 20 : P(X = k) = C 20 ¥ 0,2 k ¥ 0,8 20 – k.
On peut alors écrire :
P(A) = P(X = 0) = 0,8 20 ª 0,0115 ;
3 3 20 ¥ 19 ¥ 18
P(B) = P(X = 3) = C 20 ¥ 0,2 3 ¥ 0,8 17 ª 0,2054 ; 3C 20
=
3¥2 4
P(C ) = P(X < 3) = P(X = 0) + P(X = 1) + P(X = 2)
1 2
= 0,8 20 + C 20 ¥ 0,21 ¥ 0,8 19 + C 20 ¥ 0,2 2 ¥ 0,8 18 ª 0,2061 ;
20 190

P(D ) = P(X > 3) = 1 – P(X ≤ 3) = 1 – P(B) – P(C ) ª 0,5886 ;

[calculé sans utiliser les valeurs arrondies de P(B) et P(C )]
P(E) = P(X ≤ 3) = P(⁄ D ) = 1 – P(D) ª 0,4114.
Récapitulons :
P(A) ª 0,0115 P(B) ª 0,2054 P(C ) ª 0,2061 P(D ) ª 0,5886 P(E) ª 0,4114.

2- Notons C le coût total en euros.

D’après les données, C = 500X + 1 200.
Espérance de C : E(C ) = E(500X + 1 200) = 500 E(X) + 1 200.
Or X  Å(20 ; 0,2) donc E(X) = 20 ¥ 0,2 = 4
et on en déduit : E(C ) = 500 ¥ 4 + 1 200 = 3 200.
Variance de C : V(C ) = V(500X + 1 200) = 500 2 V(X) ;
et V(X) = 20 ¥ 0,2 ¥ 0,8 = 3,2 ;
d’où V(C ) = 500 2 ¥ 3,2 = 800 000.
Écart type de C : s(C ) = ÷⁄V(C ) = ÷⁄800 000 ª 894,43.
L’espérance du coût total pour une année est de 3 200 euros avec un écart type de 894,43 euros.

3- Y est le nombre de shampouineuses qu’il faudra changer au cours des trois années à venir.
On veillera à ne pas écrire Y = 3 X, relation qui supposerait que le nombre d’appareils changés en cours
d’année est exactement le même pour chacune des trois années, ce qui n’a aucune raison d’être.
On est donc amené à envisager séparément chacune des trois années en posant :
X 1 = nombre de shampouineuses changées au cours de la 1re année ;
X 2 = nombre de shampouineuses changées au cours de la 2e année ;
X 3 = nombre de shampouineuses changées au cours de la 3e année.
X 1, X 2 et X 3 sont trois variables aléatoires indépendantes, chacune d’elles suit la même loi que X, à savoir
la loi binomiale Å(20 ; 0,2), et on a : Y = X 1 + X 2 + X 3.
a- Y est somme de trois variables aléatoires binomiales indépendantes ayant toutes la même
probabilité de succès (0,2). On peut en déduire que Y suit également une loi binomiale de paramètres
20 + 20 + 20 et 0,2.
Y suit la loi binomiale de paramètres 60 et 0,2.
46 STATISTIQUE ET PROBABILITÉS

On peut aussi obtenir ce résultat en remarquant que l’on est à nouveau en présence d’un schéma de
Bernoulli, analogue à celui que nous avons décrit à la première question, mais l’épreuve « observer un appa-
reil » est maintenant répétée 60 fois.
Espérance de Y : E(Y ) = 60 ¥ 0,2 = 12.
Variance de Y : V(Y ) = 60 ¥ 0,2 ¥ 0,8 = 9,6.
Écart type de Y : s(Y ) = ÷⁄V(Y ) = ÷⁄9,6 ª 3,1.
L’espérance de Y est de 12 shampouineuses, sa variance vaut 9,6 , et son écart type est de 3,1 sham-
pouineuses.
b- La probabilité que 6 shampouineuses en tout soient à changer au cours des trois années
est P(Y = 6).
C 60 = 60 ¥ 59 ¥ 58 ¥ 57 ¥ 56 ¥ 55
6 6
Or P(Y = 6) = C 60 ¥ 0,2 6 ¥ 0,8 54 ª 0,0187 ; 3 6¥5¥4¥3¥2 4
La probabilité que 6 shampouineuses en tout soient à changer au cours des trois années vaut environ
0,0187.
c- La probabilité que 6 shampouineuses soient à changer au cours des trois années, à raison
de 2 chaque année est P(X 1 = 2 et X 2 = 2 et X 3 = 2).
Les variables aléatoires X 1, X 2 et X 3 étant indépendantes, on a :
P(X 1 = 2 et X 2 = 2 et X 3 = 2) = P(X 1 = 2) ¥ P(X 2 = 2) ¥ P(X 3 = 2)
2 3
= (C 20 ¥ 0,2 2 ¥ 0,8 18) ª 0,0026.
La probabilité que 6 shampouineuses soient à changer au cours des trois années, à raison de 2 chaque
année, vaut environ 0,0026.

EXERCICE
04-4 Loi binomiale ; nombre d’épreuves à réaliser pour atteindre un
objectif donné en termes de probabilité
Lorsque Madame Lambda trouve une publicité dans sa boîte aux lettres, 1 fois sur 10 elle en prend
connaissance avant de la jeter, et 9 fois sur 10 elle la jette sans même l’avoir regardée.
1- Tous les matins de janvier, une même publicité sera déposée dans la boîte aux lettres
de Madame Lambda. Quelle est la probabilité qu’elle la regarde au moins deux fois au
cours de ce mois ? Quels sont l’espérance et l’écart type du nombre de jours de janvier
où elle regarde la publicité en question ?
2- Combien de fois faut-il mettre la même publicité dans la boîte de Madame Lambda
pour que la probabilité qu’elle la regarde au moins une fois soit supérieure à 0,95 ?

CORRIGÉ 1- Notons X le nombre de jours de janvier où Madame Lambda regarde la publicité, et

04-4 déterminons la loi de cette variable aléatoire.
• On répète 31 fois de suite la même épreuve : « observer si une publicité a été regardée ».
• On peut supposer les épreuves indépendantes.
• Chacune de ces épreuves a deux issues possibles :
« succès » = « la publicité a été regardée »
ou « échec » = « la publicité n’a pas été regardée ».
• X est le nombre de succès au cours des 31 épreuves.
Pour une épreuve, la probabilité de succès est 0,1, donc :
X suit la loi binomiale de paramètres 31 et 0,1.
 4 ● LOIS FONDAMENTALES DISCRÈTES DE PROBABILITÉ 47

k
On a donc, pour tout entier k compris entre 0 et 31 : P(X = k) = C 31 ¥ 0,1 k ¥ 0,9 31 – k.
La probabilité que Madame Lambda regarde la publicité au moins deux fois au cours du mois considéré est
P(X ≥ 2).
P(X ≥ 2) = 1 – P(X < 2) = 1 – P(X = 0) – P(X = 1)
0 1
= 1 – C 31 ¥ 0,10 ¥ 0,931 – C 31 ¥ 0,11 ¥ 0,930 ª 0,8304.
1 1 31 0,1

La probabilité que Madame Lambda regarde la publicité au moins deux fois au cours du mois considéré
vaut environ 0,8304.
Espérance de X : E(X ) = 31 ¥ 0,1 = 3,1.
Variance de X : V(X ) = 31 ¥ 0,1 ¥ 0,9 = 2,79.
Écart type de X : s(X ) = ÷⁄V(X ) = ÷⁄2,79 ª 1,67.
L’espérance du nombre de jours de janvier où Madame Lambda regarde la publicité considérée est de
3,1 jours et l’écart type de ce nombre vaut environ 1,67 jour.

2- Notons Y le nombre de jours (sur n jours) où Madame Lambda regarde la publicité consi-
dérée. Y suit la loi binomiale Å(n ; 0,1) et l’on cherche n tel que la relation : P(Y ≥ 1) > 0,95 soit vérifiée.
0
Or P(Y ≥ 1) = 1 – P(Y < 1) = 1 – P(Y = 0) = 1 – C n ¥ 0,10 ¥ 0,9n,
1 1
il s’agit donc de réaliser la relation : 1 – 0,9 > 0,95 soit 0,9 n < 0,05.
n

La fonction logarithme népérien étant strictement croissante, cette dernière relation est équivalente à :
ln0,05
n ln0,9 < ln0,05 ou encore à : n > .
ln0,9
[On a divisé par ln0,9 qui est négatif, on a donc changé le sens de l’inégalité.]
ln0,05
ª 28,43.
ln0,9
n doit donc être au moins égal à 29.
Il faut mettre au moins 29 fois la publicité dans la boîte aux lettres de Madame Lambda pour que la pro-
babilité qu’elle la regarde au moins une fois soit supérieure à 0,95.

EXERCICE
04-5 Loi de Poisson ; somme de variables aléatoires indépendantes de
Poisson
Une petite imprimerie vend des cartes de visite par paquets de 100. Il arrive parfois qu’une carte
échappe à l’impression. On note X le nombre aléatoire de cartes toutes blanches dans un paquet. On
suppose que X suit une loi de Poisson de paramètre 1,5.
1- Monsieur Quidam a commandé un paquet. Quelle est la probabilité qu’il y trouve :
- zéro carte blanche ?
- une seule carte blanche ?
- plus de deux cartes blanches ?
2- Quels sont l’espérance et l’écart type de X ?
3- Quelle est la valeur la plus probable de X ?
48 STATISTIQUE ET PROBABILITÉS

4- Seuls les paquets contenant plus de 4 cartes blanches font parfois l’objet d’une récla-
mation. En moyenne, 10 % de ces paquets sont rapportés chez l’imprimeur. Sur 10 000
paquets vendus, combien, en moyenne, seront rapportés ?
5- Mademoiselle Alpha a commandé 5 paquets de 100 cartes de visite. Quelle est la pro-
babilité qu’elle ait 500 cartes imprimées ? Quelle est la probabilité qu’elle ait exactement
8 cartes blanches ?

CORRIGÉ 1- X désignant le nombre de cartes non imprimées dans un paquet, on cherche les proba-
04-5 bilités suivantes : P(X = 0), P(X = 1) et P(X > 2).
Par hypothèse, X suit la loi de Poisson de paramètre 1,5 (on note : X  è(1,5)), donc, pour
1,5 k
tout entier k, on a : P(X = k) = e – 1,5 ¥ .
k!
Il en résulte que :
P(X = 0) = e – 1,5 ª 0,2231 ;
P(X = 1) = e – 1,5 ¥ 1,5 ª 0,3347 ;
1,52
P(X > 2) = 1 – P(X ≤ 2) = 1 – P(X = 0) – P(X = 1) – P(X = 2) = 1 – e – 1,5 1 + 1,5 +1 2! 2
ª 0,1912.

La probabilité que Monsieur Quidam ne trouve pas une carte blanche vaut environ 0,2231, celle qu’il
trouve une seule carte blanche vaut environ 0,3347, et celle qu’il trouve plus de deux cartes blanches
vaut environ 0,1912.
On peut également obtenir ces résultats par lecture dans une table.

2- X  è(1,5), on sait donc que :

l’espérance de X est : E(X ) = 1,5 ;
la variance de X est : V(X ) = 1,5 ;
et l’écart type de X est : s(X ) = ÷⁄V(X ) = ÷⁄1,5 ª 1,225.
L’espérance de X est de 1,5 carte non imprimée par paquet, et son écart type environ de 1,225 carte
blanche par paquet.

3- Par le calcul ou par lecture dans une table, on peut obtenir les valeurs suivantes de P(X = k) :
k 0 1 2 3 4 5 6
P (X = k) 0,2231 0,3347 0,2510 0,1255 0,0471 0,0141 0,0035

et P(X > 6) = 1 – P(X ≤ 6) ª 1 – 0,9991 soit : P(X > 6) ª 0,0009.

On constate donc que la valeur qui a la plus forte probabilité de se réaliser est la valeur 1.
La valeur la plus probable de X est égale à 1 carte blanche par paquet.

4- Déterminons d’abord le pourcentage de paquets contenant plus de 4 cartes blanches.

On a : P(X > 4) = 1 – P(X ≤ 4) ª 1 – 0,9814 ce qui donne P(X > 4) ª 0,0186.
Sur 10 000 paquets, il y a donc en moyenne 186 paquets contenant plus de 4 cartes blanches.
10 % d’entre eux, soit 18,6 paquets, seront rapportés chez l’imprimeur.
Sur 10 000 paquets vendus, 18,6 d’entre eux, en moyenne, seront rapportés chez l’imprimeur.

5- Notons Z le nombre total de cartes blanches trouvées par Mademoiselle Alpha.

On veillera à ne pas écrire Z = 5X, relation qui supposerait que le nombre de cartes blanches trouvées est
exactement le même dans chacun des cinq paquets, ce qui n’a aucune raison d’être.
 4 ● LOIS FONDAMENTALES DISCRÈTES DE PROBABILITÉ 49

On est donc amené à envisager séparément chacun des cinq paquets en posant :
X i = nombre de cartes blanches trouvées dans le i-ème paquet,
i prenant les valeurs 1, 2, 3, 4 et 5.
X 1, X 2 , X 3 , X 4 et X 5 sont cinq variables aléatoires indépendantes, chacune d’elles suit la même loi que X,
à savoir la loi de Poisson è(1,5), et on a : Z = X 1 + X 2 + X 3 + X 4 + X 5.
Z suit donc également une loi de Poisson, de paramètre 5 ¥ 1,5 soit 7,5 : Z  è(7,5).
La probabilité que Mademoiselle Alpha ait 500 cartes imprimées est P(Z = 0), et la probabilité qu’elle ait
exactement 8 cartes blanches est P(Z = 8).
7,5 8
Or : P(Z = 0) = e – 7,5 ª 0,0006 et P(Z = 8) = e – 7,5 ¥ ª 0,1373.
8!
La probabilité que Mademoiselle Alpha ait 500 cartes imprimées vaut environ 0,0006, et la probabilité
qu’elle ait exactement 8 cartes blanches environ 0,1373.

EXERCICE
04-6 Loi de Poisson ; recherche du paramètre de cette loi à partir d’une
relation donnée en termes de probabilité
Un distributeur automatique de billets est placé à l’entrée d’une grande surface. On étudie le nombre
aléatoire X d’utilisateurs de ce distributeur pendant une période d’un quart d’heure (situé entre 10
et 20 heures). Un utilisateur sera compté si l’instant de son arrivée se situe dans le quart d’heure
considéré. On suppose que ce nombre suit une loi de Poisson, et on a pu établir que la probabilité
qu’il y ait 5 utilisateurs en un quart d’heure est double de la probabilité qu’il y en ait 6.

Déterminer l’espérance et l’écart type de X.

CORRIGÉ Par hypothèse, X suit une loi de Poisson. Notons l son paramètre et déterminons l.
04-6
On sait que P(X = 5) = 2 P(X = 6).

l5 l6
On a donc : e – l ¥ = 2e – l ¥ .
5! 6!
l5 l ¥ l5
En écrivant cette relation sous la forme : e – l ¥ = 2e – l ¥ ,
5! 6 ¥ 5!

l5 l
puis en simplifiant les deux membres par e – l ¥ , on obtient : 1 = 2 ¥ , d’où l’on tire l = 3.
5! 6
On en déduit que :
l’espérance de X est : E(X ) = l = 3 ;
la variance de X est : V(X ) = l = 3 ;
et l’écart type de X est : s(X ) = ÷⁄V(X ) = ÷3 ª 1,732.
L’espérance du nombre d’utilisateurs du distributeur pendant une période d’un quart d’heure (situé
entre 10 et 20 heures) est égale à 3 personnes, avec un écart type de 1,7 personne environ.
50 STATISTIQUE ET PROBABILITÉS

EXERCICE Loi de Poisson ; détermination du paramètre de cette loi à partir

04-7 d’une donnée exprimée en termes de probabilité ; fonction affine
d’une variable aléatoire de Poisson
Au « marché aux affaires » du quartier, on trouve des services de table (36 pièces) démarqués, pré-
sentés dans des boîtes opaques qu’il est interdit d’ouvrir. Le nombre de pièces par service ayant au
moins un défaut est une variable aléatoire suivant une loi de Poisson. La probabilité qu’il y ait plus
de 3 pièces à défaut est égale à 0,4634.
1- À combien peut-on évaluer le nombre moyen de pièces à défaut par service ?
2- Quelle est la probabilité qu’un service pris au hasard ne contienne aucune pièce à
défaut ?
3- À la caisse, les boîtes sont ouvertes. Les pièces à défaut sont facturées au prix de
2,5 euros et les autres au prix de 9 euros.
a- Quelle est l’espérance du prix d’un service ?
b- Quel est le prix maximal d’un service ?
c- Quelle est la proportion de services qui sont facturés moins de 285 euros ?

CORRIGÉ 1- Notons X le nombre de pièces ayant un défaut dans un service. Par hypothèse, X est une
04-7 variable aléatoire suivant une loi de Poisson. Notons l son paramètre.
Le nombre moyen de pièces à défaut par service, correspond à l’espérance de X, et sera
donc évalué par la valeur de l.
On sait que la probabilité qu’il y ait plus de 3 pièces à défaut dans un service est égale à 0,4634. On a donc :
P(X > 3) = 0,4634.
Il en résulte que P(X ≤ 3) = 1 – 0,4634 = 0,5366.
Par lecture dans une table de Poisson (fonction de répartition également appelée fonction cumulative), on
trouve que : l = 3,5.
l2 l3
1
La résolution de l’équation e – l ¥ 1 + l +
2!
+
3!2 = 0,5366 n’étant pas simple, il est difficile
ici de se passer de la table.
On peut évaluer le nombre moyen de pièces à défaut par service à 3,5 pièces.

2- La probabilité qu’un service pris au hasard ne contienne aucune pièce à défaut est P(X = 0).
3,5 0
Or P(X = 0) = e – 3,5 ¥ = e – 3,5 ª 0,0302. [On peut également lire ce résultat dans une table.]
0!
La probabilité qu’un service pris au hasard ne contienne aucune pièce à défaut vaut environ 0,0302.

3- Notons C le prix (en euros) d’un service. C est fonction du nombre X de pièces ayant un
défaut dans le service considéré.
Chaque service contient 36 pièces parmi lesquelles X pièces sont facturées 2,5 euros, et (36 – X ) sont fac-
turées 9 euros.
On a donc C = 2,5X + 9 (36 – X ), soit C = 324 – 6,5 X.
a- Espérance de C : E(C ) = E(324 – 6,5 X ) = 324 – 6,5 E(X)
= 324 – 6,5 ¥ 3,5 = 301,25.
L’espérance du prix d’un service est de 301,25 euros.
 4 ● LOIS FONDAMENTALES DISCRÈTES DE PROBABILITÉ 51

b- Le prix C est maximal lorsqu’aucune pièce n’a pas de défaut, soit lorsque X = 0. C vaut
alors 324 euros.
Le prix maximal d’un service est de 324 euros.
c- Déterminons la probabilité de l’événement (C < 285).
On a : P(C < 285) = P(324 – 6,5 X < 285) = P(6,5 X > 39) = P(X > 6) = 1 – P(X ≤ 6) ª 0,0653.
6,53 % des services sont facturés moins de 285 euros.

EXERCICE
04-8 Loi de Poisson définie à partir de sa fonction de répartition ; pro-
babilités conditionnelles
Un producteur de bière reçoit des bouteilles vides par cartons de 100 bouteilles. Le nombre de bou-
teilles par carton qui arrivent cassées est une variable aléatoire X.
La fonction de répartition F de cette variable aléatoire est définie par :
F(x) = 0 si x < 0 F(x) = 0,9810 si x œ[3, 4[
F(x) = 0,3679 si x œ[0, 1[ F(x) = 0,9963 si x œ[4, 5[
F(x) = 0,7358 si x œ[1, 2[ F(x) = 0,9994 si x œ[5, 6[
F(x) = 0,9197 si x œ[2, 3[ F(x) = 1 si x ≥ 6.
1- Si, au moment d’ouvrir un carton, on constate qu’un morceau de verre venant de l’in-
térieur du carton a percé l’emballage, quelle est la probabilité qu’il y ait en tout moins de
deux bouteilles cassées dans ce carton ?
2- Montrer que X suit une loi de Poisson dont on déterminera le paramètre.

CORRIGÉ 1- On cherche ici la probabilité de l’événement (X < 2), sachant que l’événement (X ≥ 1)
04-8 est réalisé.
Il s’agit donc d’un calcul de probabilité conditionnelle.
P ((X < 2) «(X ≥ 1))
On a : P ((X < 2) /(X ≥ 1)) = .
P(X ≥ 1)
L’événement ((X < 2) «(X ≥ 1)) n’est réalisé que lorsque X = 1.
Comme on connaît, non la loi de X, mais sa fonction de répartition, il est commode d’exprimer l’événement
(X = 1) sous la forme (0 < X ≤ 1).
X ne prenant que des valeurs entières, ces deux événements sont en effet égaux.
On a donc au numérateur :
P ((X < 2) «(X ≥ 1)) = P(X = 1) = P(0 < X ≤ 1) = F(1) – F(0) = 0,7358 – 0,3679 = 0,3679 ;
et au dénominateur :
P(X ≥ 1) = 1 – P(X < 1) = 1 – P(X ≤ 0) = 1 – F(0) = 1 – 0,3679 = 0,6321.
0,3679
On obtient finalement : P ((X < 2) /(X ≥ 1)) = ª 0,5820.
0,6321
S’il y a au moins une bouteille cassée dans un carton, la probabilité qu’il n’y en ait qu’une seule (moins
de deux) vaut environ 0,5820.
52 STATISTIQUE ET PROBABILITÉS

2- Le plus rapide pour établir que X suit une loi de Poisson est d’utiliser une table de Poisson
donnant les P(X ≤ x ). En comparant avec les valeurs de F(x) données dans l’énoncé, on constate que X
suit une loi de Poisson de paramètre 1.
X suit la loi de Poisson de paramètre 1.
On peut également obtenir ce résultat par le calcul en déterminant la loi de X. Elle est donnée par les
valeurs de P(X = x ), où x prend toutes les valeurs entières.
On a : P(X = 0) = P(X ≤ 0) = F(0) = 0,3679 ;
P(X = 1) = P(0 < X ≤ 1) = F(1) – F(0) = 0,7358 – 0,3679 = 0,3679 ;
P(X = 2) = P(1 < X ≤ 2) = F(2) – F(1) = 0,9197 – 0,7358 = 0,1839 ;
…
P(X = 6) = P(5 < X ≤ 6) = F(6) – F(5) ª 1 – 0,9994 = 0,0006 ;
et pour x ≥ 7 P(X = x ) ª 0.
En résumé, la loi de X est donnée dans le tableau suivant :
x 0 1 2 3 4 5 6
P (X = x) 0,3679 0,3679 0,1839 0,0613 0,0153 0,0031 0,0006

À titre de vérification, on peut constater que ∑ P(X = x ) = 1.

Si X suit bien une loi de Poisson, son paramètre l vérifie :
P(X = 0) = e – l , soit : –l = ln (0,3679), ou encore l ª 1.
1
On vérifie ensuite aisément que l’on a, pour tout x : P(X = x ) = e –1 ¥ , ce qui confirme que X suit
x!
la loi de Poisson de paramètre 1.
On peut aussi utiliser la propriété suivante :
P(X = x + 1)
si X  è(l), on a pour tout entier x : (x + 1) ¥ = l.
P(X = x )
On vérifie ici que les rapports :
0,3679 0,1839 0,0613 0,0153 0,0031 0,0006
; 2¥ ; 3¥ ; 4¥ ; 5¥ et 6 ¥
0,3679 0,3679 0,1839 0,0613 0,0153 0,0031
valent tous pratiquement 1.

EXERCICE
04-9 Loi discrète classique ; espérance d’une variable aléatoire dépen-
dant d’un paramètre ; minimisation de cette espérance
Air Z. exploite une liaison quotidienne entre deux villes de province avec un avion de 8 places.
Actuellement, la Compagnie reçoit plus de 8 demandes de réservations par vol mais n’en délivre
que 8.
On a constaté qu’en moyenne 15 % des personnes ayant réservé ne se présentent pas à l’embarque-
ment. Le manque à gagner consécutif à un siège vide sur ce vol est évalué à 100 euros. La Compa-
gnie envisage donc de pratiquer la sur-réservation, c’est-à-dire d’accepter sur un vol plus de réser-
vations qu’il n’y a de sièges, comptant sur l’absentéisme des passagers pour réguler le système.
Mais cette pratique entraîne des risques commerciaux : le fait de ne pas pouvoir embarquer un pas-
sager ayant réservé, muni d’un billet et se présentant à l’heure, entraîne un coût pour la Compagnie
estimé à 140 euros.
 4 ● LOIS FONDAMENTALES DISCRÈTES DE PROBABILITÉ 53

1- Soit r le nombre de réservations délivrées par la Compagnie. Quelle est la loi de pro-
babilité suivie par le nombre de clients défaillants (personnes ayant réservé et ne se pré-
sentant pas à l’embarquement) ?

2- Calculer l’espérance mathématique du coût C 8 sur un vol pour la Compagnie en l’ab-

sence de sur-réservation.

3- Calculer l’espérance mathématique du coût C 10 sur un vol pour la Compagnie au cas

où l’on délivrerait 10 réservations.

4- Proposer une formulation générale de l’espérance du coût C r pour toute valeur de r

supérieure ou égale à 8.

5- Quel nombre de réservations la Compagnie doit-elle délivrer si elle souhaite minimi-

ser l’espérance mathématique du coût sur un vol ? On admettra que ce nombre est com-
pris entre 0 et 11.

[D’après concours]

CORRIGÉ 1- Soit X r , le nombre de clients défaillants parmi les r ayant réservé.

04-9
On reconnaît typiquement un schéma de Bernoulli :
- on répète r fois la même épreuve : « délivrer une réservation » ;
- chacune de ces épreuves a deux issues possibles :
E : le passager ne se présente pas à l’embarquement (avec une probabilité p = 0,15)
⁄ E : le passager se présente à l’embarquement (avec une probabilité q = 1 – p = 0,85) ;
- les épreuves sont indépendantes puisque la probabilité d’être défaillant est la même pour chaque passa-
ger ayant réservé.
X r , nombre de réalisations de E au cours des r épreuves, suit donc la loi binomiale de paramètres r
et 0,15.
k
Pour k entier compris entre 0 et r, on a : P(X r = k) = C r ¥ 0,15 k ¥ 0,85 r – k.

2- En l’absence de sur-réservation (r = 8), le seul coût encouru est le manque à gagner dû

aux sièges vides, donc : C 8 = 100 X 8 , et l’espérance de ce coût est : E(C 8 ) = 100 E(X 8 ).
X 8 suivant une loi binomiale de paramètres 8 et 0,15 , on a : E(X 8 ) = 8 ¥ 0,15 = 1,2
et par suite E(C 8 ) = 100 ¥ 1,2 = 120.
En l’absence de sur-réservation, l’espérance mathématique du coût pour la compagnie Air Z. est de 120
euros.

3- Si 10 réservations ont été délivrées pour un vol :

- soit plus de 8 personnes se présentent (moins de 2 personnes sont défaillantes) et des passagers ne peu-
vent être embarqués, chacun coûtant 140 euros à la compagnie ;
- soit moins de 8 personnes se présentent (plus de 2 personnes sont défaillantes) et il y a des sièges vides,
chacun coûtant 100 euros à la compagnie ;
- soit 8 personnes se présentent (2 personnes sont défaillantes) et il n’y a ni personnes non embarquées
ni sièges vides, donc aucun des deux éléments de coût considérés.
54 STATISTIQUE ET PROBABILITÉS

À chaque valeur k de X 10 correspond une valeur c k de C 10 , de même probabilité, on a donc :

10 10
E(C 10 ) = ∑ c k ¥ P(C 10 = c k ) = ∑ c k ¥ P(X 10 = k ).
k=0 k=0

X 10 suit la loi binomiale de paramètres 10 et 0,15 ; le calcul de E(C 10 ) peut donc être présenté de la manière
suivante :

Nombre de (1) Nombre de Nombre (2) (1) ¥ (2)

personnes personnes de
Probabilité Coût Calcul de
défaillantes non sièges
k P (X10 = k ) embarquées vides ck E (C10 )
0 0,196874 2 0 280 55,125
1 0,347425 1 0 140 48,640
2 0,275897 0 0 0 0
3 0,129834 0 1 100 12,983
4 0,040096 0 2 200 8,019
5 0,008491 0 3 300 2,547
6 0,001249 0 4 400 0,499
7 0,000126 0 5 500 0,063
8 0,000008 0 6 600 0,005
9 0,0000003 0 7 700 0,0002
10 0,00000001 0 8 800 0,000005
E (C10 ) = 127,88

Si 10 réservations sont délivrées, l’espérance mathématique du coût pour la Compagnie Air Z. est de
127,88 euros.

4- Dans le cas où la compagnie délivrerait r réservations, on peut généraliser en s’inspirant

du tableau précédent :
- pour k ≤ r – 8, il y a [(r – k) – 8] personnes non embarquées, et alors c k = 140(r – k – 8) ;
- pour k > r – 8, c’est-à-dire k ≥ r – 7, il y a [8 – (r – k)] sièges vides et alors c k = 100(8 – r + k ).
On peut donc écrire :
r–8 r
E(C r ) = 140 ∑ (r – k – 8) ¥ P(X r = k ) + 100 ∑ (8 – r + k ) ¥ P(X r = k ).
k=0 k=r–7

5- La valeur optimale de r sera déterminée en étudiant l’espérance du coût pour toutes les
valeurs de r comprises entre 0 et 11.
En utilisant les résultats précédents, et en procédant comme à la troisième question pour calculer les valeurs
de E(C r ) correspondant à r = 9 et à r = 11, on obtient :
- pour r = 8 : E(C 8 ) = 120 euros (cf. question 2-) ;
- pour r = 9 : E(C 9) = 90,59 euros ;
- pour r = 10 : E(C 10 ) = 127,88 euros (cf. question 3-) ;
- pour r = 11 : E(C 11 ) = 210,20 euros.
 4 ● LOIS FONDAMENTALES DISCRÈTES DE PROBABILITÉ 55

Le cas r ≤ 7 n’est pas à envisager puisque, d’après l’énoncé, il y actuellement toujours plus de 8 demandes
de réservations par vol.
La Compagnie Air Z. a intérêt à délivrer 9 réservations sur chaque vol si elle souhaite minimiser l’espé-
rance mathématique du coût.
Remarque : on pourrait démontrer que E(C r ) est une fonction croissante de r pour les valeurs de r supé-
rieures à 9. Ceci explique que l’étude pouvait être limitée aux valeurs de r comprises entre 0 et 11.