Ministère de l’enseignement supérieur et de la recherche scientifique

Ecole Supérieure des sciences de Gestion-Classes Préparatoires-Annaba

Année universitaire 2023/2024
2020-2021 Travaux-dirigés
Module Probabilités 2
Série d’exercices N° 4 : à réaliser en deux séances
Exercice 1

Soit l’espace de probabilité , A , P  ; un client passe une commande contenant 30 unités d’un article quelconque
auprès d’un fournisseur. La probabilité qu’une unité de l’article choisie au hasard dans la commande soit défectueuse est de
0.0450 ; soit la variable aléatoire réelle X définie comme suit : « le nombre d’unités défectueuses se trouvant dans la
commande de 30 unités».

1. Déterminer la loi de probabilité de la variable aléatoire réelle X

2. Calculer la probabilité de ne trouver aucune unité défectueuse dans la commande, de trouver 1 unité, 2 unités, 3 unités
3. Calculer paramètre a qui vérifie la relation suivante : P( X  a )  0.05

4. Le a désignant la quantité défectueuse au-delà de laquelle la commande sera renvoyée au fournisseur, quelle décision
prendra le client s’il s’aperçoit que la commande qu’il a reçue contient 5 unités défectueuses
Exercice 2
Soit l’espace de probabilité , A , P  et un sac contenant 6 boules numérotées de 1 à 6 ; soit la variable aléatoire réelle
X définie comme suit : « le nombre de fois que la somme des 4 numéros obtenus est égale à 10 lors du tirage simultané au
hasard de 4 boules du sac 4 fois de suite avec remise de 4 boules après chaque tirage».
1. Calculer le nombre de résultats possibles
2. Donner l’ensemble fondamental des résultats possibles
3. Donner le nombre de résultats favorables à l’obtention d’un total de 10
4. Déterminer la loi de probabilité de la variable aléatoire réelle X
5. En déduire la moyenne, la variance et le mode
6. Calculer les probabilités suivantes : P( X  4) ; P( X  4) ; P( X  1) ; P(1  X  4)
Exercice 3
Soit l’espace de probabilité , A , P  . Un sac contient 100 boules dont une blanche ; on tire au hasard n fois et avec
remise une boule du sac. Soit la variable aléatoire réelle X définie comme suit : « le nombre de tirages au hasard de la
boule blanche du sac».
1. Déterminer la loi de probabilité de X
2. Calculer la probabilité de tirer au moins une fois la boule blanche
3. Déterminer le nombre de tirages n pour que la probabilité de tirer au moins une fois la boule blanche du sac soit au
moins égale à 0.95
4. On suppose que le nombre de tirages est de 300 ; en déduire la moyenne, la variance et le mode de X
5. Approcher la loi d’origine par une loi pertinente et calculer par la loi d’origine et la loi d’approximation la probabilité de
tirer la boule blanche 2 fois. Quelle conclusion ?
Exercice 4

Soit l’espace de probabilité , A , P  et une variable aléatoire réelle X qui désigne le nombre d’enregistrements
comptables erronés dans une entreprise sur une période t avec une moyenne de 4 enregistrements erronés durant la
période t.
1. Déterminer la loi de probabilité de X
2. En déduire le nombre moyen d’enregistrements comptables erronés, la variance et le mode
3. Calculer la probabilité d’observer plus de 4 enregistrements erronés au cours de la période t
Solution exercice 1
1. Détermination de la loi de probabilité de la variable aléatoire réelle X
a. Le support
La commande peut contenir 0 article défectueux, ou bien 1 article défectueux, ou bien 2 articles défectueux, ou bien 30
articles défectueux d’où le support :

X ()   0, 1, 2, 3......, 30 
b. La fonction de masse
Lorsqu’on choisit au hasard un article quelconque, 2 cas de figure :
 L’article choisi au hasard peut être défectueux avec la probabilité : p  0.0450

 L’article choisi au hasard peut être non défectueux avec la probabilité : p  1  p  0.9550
Il s’agit donc d’une expérience de Bernoulli qui va se répéter de manière indépendante 30 fois (la situation concernant un
article donné est indépendante de la situation concernant les autres articles c'est-à-dire : il n’est pas nécessaire d’avoir une
information sur l’état des articles examinés pour calculer la probabilité de défectuosité ou de non défectuosité d’un autre
article qui n’a pas encore fait l’objet d’un examen concernant son état). Donc :

 4.5 
X ~ B  30, 
 100 
f d’articles défectueux suit une loi binomiale de mêmes paramètres f  X  4.5 
De même la proportion B  30, 
30 ~  100 
 X  30  x
P( X  x)  P  f    C30 (0.0450) (0.9550)
x x

 30 
2. Calcul des probabilités
 De ne trouver aucune unité défectueuse dans la commande
P( X  0)  P f  0%   C30
0
(0.0450) 0 (0.9550) 30
 0.2512
 De trouver une unité défectueuse dans la commande

 1 
P ( X  1)  P f   3.33%   C 30
1
(0.0450)(0.9550) 29
 30 
 0.3552
 De trouver 2 unités défectueuses dans la commande
 2 
P ( X  2)  P  f   6.67%   C 30
2
(0.0450) 2 (0.9550) 28
 30 
 0.2427
 De trouver 3 unités défectueuses dans la commande
 3 
P ( X  3)  P f   10%   C30 3
(0.0450) 3 (0.9550) 27
 30 
 0.1067

Page 2
3. Calcul du paramètre a qui vérifie la relation suivante : P( X  a )  0.05

1  P ( X  a )  0.05

1  P ( X  a )  0.05

P ( X  a )  0.05   P ( X  a )  0.95
 F (2)  0.8491
 F (a )  0.95  a  3 car 


 et F (3)  0.9558

Pour obtenir la valeur de a pour laquelle F (a )  0.95 on calcule la fonction de répartition F (x)

F ( x)  0.95  a  x
F ( x)  P( X  x)
 F ( x  1)  P( X  x)

 F (0)  F (1)  P( X  0)  F (1)  F (0)  P( X  1)  F (2)  F (1)  P( X  2)

  
 F (0)  0  0.2512  0.2512  F (1)  0.2512  0.3552  0.6064  F (2)  0.6064  0.2427  0.8491
 F (3)  F (2)  P( X  3)

 F (3)  0.8491  0.1067  0.9558
F (3)  0.9558  0.95  a  3
4. Décision prise par le client s’il s’aperçoit que la commande qu’il a reçue contient 5 unités défectueuses

Puisque 5 a 3 Le client rejettera la commande qu’il a reçue du client

Solution exercice 2
1. Calcul du nombre de résultats possibles (nombre total de combinaisons distinctes)

card ()  C64

6!
  15
4!2!
15 combinaisons distinctes (ou sous-ensembles distincts) de 4 boules chacune formées à partir d’un ensemble de 6 boules
2. Ensemble fondamental des résultats possibles

   1,2,3,4, 1,2,3,5, 1,2,3,6, 1,2,4,5, 1,2,4,6, 1,2,5,6, 1,3,4,5, 1,3,4,6, 1,3,5,6, 1,4,5,6,  2,3,4,5,  2,3,4,6,  2,3,5,6,  2,4,5,6,  3,4,5,6 

Note explicative

1,2,3,4 
1,2,3,5 
1,2,3,6 
1,2,4,5 
1,2,4,6 
1,2,5,6 
1,3,4,5  2,3,4,5
1,3,4,6  2,3,4,6
1,3,5,6  2,3,5,6
1,4,5,6  2,4,5,6 3,4,5,6
3. Ensemble des résultats favorables à l’obtention d’un total de 10

Un seul ensemble : 1,2,3,4 donc un seul résultat

Page 3
4. Détermination de la loi de probabilité de la variable aléatoire réelle X
a. Le support
A chaque tirage simultané au hasard de 4 boules du sac 4 fois de suite et avec remise de 4 boules après chaque tirage, on
peut avoir les cas suivants :
 Aucun tirage simultané de 4 boules n’a donné un total égal à 10
 Ou bien 1 tirage simultané de 4 boules a donné un total égal à 10
 Ou bien 2 tirages simultanés de 4 boules ont donné un total égal à 10
 Ou bien 3 tirages simultanés de 4 boules ont donné un total égal à 10
 Ou bien à chaque tirage simultané de 4 boules, nous avons un total égal à 10
D’où l’ensemble fondamental des valeurs possibles :
X ()   0, 1, 2, 3,4 
b. La fonction de masse
Lorsqu’on choisit au hasard un tirage quelconque, 2 cas de figure :
1
 Le tirage a donné un total égal à 10 avec la probabilité : p 
15
 Le tirage n’a pas donné un total égal à 10 avec la probabilité : p  1  p  14
15
Il s’agit donc d’une expérience de Bernoulli qui va se répéter de manière indépendante (remise de 4 boules après chaque
tirage simultané de 4 boules). Cela suffit pour conclure que la variable aléatoire réelle X suit une loi binomiale de
1
paramètres n  4 et p 
15
 1 
X ~ B  4, 
 15 
De même la proportion f de tirages donnant un total de 10 suit une loi binomiale de mêmes paramètres

X  1
f  ~ B  4, 
4  15 
x 4 x
 X  1   14 
P( X  x)  P  f    C 4x    
 4  15   15 
5. Déduction de la moyenne et de la variance
a. Déduction de la moyenne

 De la variable X
E ( X )  np
4
  0.27
15
 De la proportion f

E( f )  p
1
  6.67%
15
(En moyenne 6.67% des tirages effectués permettent d’obtenir un total de 10)

Page 4
 b. Déduction de la variance

 De la variable X
Var ( X )  np (1  p)
 4   14 
      0.2489   X  0.2489  0.4989
 15   15 

 De la proportion f
p (1  p)
Var ( f ) 
n
 1   14 
  
      0.0156   f  0.0156  0.1247
15 15
4
c. Déduction du mode
np  (1  p )  Mo  np  p
4 14 4 1
  Mo  
15 15 15 15
10 5
  Mo 
15 15
 0.67  Mo  0.33  Mo  0
En effet le calcul des probabilités permet de vérifier que l’évènement X  0 est le plus probable :

P( X  0)  0.7588 P ( X  1)  0.2168 P ( X  2)  0.0232 P ( X  3)  0.0011

P( X  4)  (1.9753) 10 5
6. Calcul des probabilités
4 4 4
 1   14 
P( X  4)  C44    
 15   15 
4
 1 
 
 15 
 1.975310 5  0

P ( X  4)  F (4)
4
  P( X  x)
x 0
4 44
4
 1   14 
  C 4x    
x 0  15   15 
1

P ( X  1)  1  P ( X  1)
 1  P ( X  1)
 1  F (1)
1
 1   P( X  x)
x 0
41
1
 1   14 
 1   C4x   
x 0  15   15 
 1  0.9756
 0.0244

Page 5
 P (1  X  4)  P ( X  4)  P ( X  1)
 P ( X  4)  P ( X  1)
 F ( 4)  F (1)
4 1
  P( X  x)   P( X  x)
x 0 x 0
4 4 41
4
 1   14  1
 1   14 
  C4x       C4x    
x 0  15   15  x 0  15   15 
 1  0.9756
 0.0244

Solution exercice 3
1. Détermination de la loi de probabilité
a. Le support
En tirant n fois la boule du sac avec remise, on peut tirer 0 fois la boule blanche du sac, ou bien 1 fois, ou bien 2 fois, ou bien
n fois d’où l’ensemble des valeurs possibles :
X ()   0, 1, 2, 3......, n 
b. La fonction de masse
Lorsqu’on tire au hasard une boule du sac, elle peut être :

 Blanche avec une probabilité p  1

100

 Non blanche avec une probabilité p  1  p 

99
100
Il s’agit donc d’une expérience de Bernoulli répétée n fois de manière indépendante (tirage avec remise) ce qui nous permet
de conclure que la variable aléatoire réelle X suit une loi binomiale de paramètres n et p  1
100
 1 
X ~ B  n,  ; n 1
 100 
De même la proportion f de boules blanches tirées avec remise suit une loi binomiale de mêmes paramètres

X  1 
f  ~ B  n, 
n  100 
 X n x
P( X  x)  P  f    Cn p (1  p)
x x

 n
x n x
 X  x  1   99 
P ( X  x )  P f    Cn    
 n   100   100 

2. Calcul de la probabilité d’obtenir au moins une fois la boule blanche

P ( X  1)  1  P ( X  1)
 1  P ( X  1)
 1  P ( X  0)
 1  P ( X  0)
n
 1  99 
 1  Cn0   
 100  100 
n
 99 
1  
 100 
n
 99 
P ( X  1)  1   
 100 
Page 6
6. Détermination de n pour que la probabilité de tirer au moins une fois la boule blanche du sac soit au moins égale à 0.95
P ( X  1)  0.95
n
 99  95
1   
 100  100
n
 99  5
  
 100  100
 99  5
n Ln    Ln
 100  100
Ln 100  Ln 5
n  298,07  299  n  299
Ln 100  Ln 99
n  299
3. Déduction de la moyenne, de la variance et du mode
a. Déduction de la moyenne
E ( X )  np
 1 
 (300) 
 100 
3
(En moyenne il faut trois tirages d’une boule avec remise du sac pour obtenir une boule blanche)
b. Déduction de la variance

Var ( X )  np(1  p)
 99 
 (3) 
 100 
 2.97   X  2.97  1.72
c. Déduction du mode
Le mode vérifie la relation suivante :

E ( X )  (1  p)  Mo  E ( X )  p
3  0.99  Mo  3  0.01
2.01  Mo  3.01  Mo  3
(Distribution unimodale)
4. Approximation de la loi binomiale
On remarque que :
n  300  50
p  0.01  0.10
Les conditions sont réunies pour que la loi binomiale soit approchée par la loi de poisson.
 1 
B 300,  ~ P ( )
 100 
e  x
P ( X  x) 
x!
  E( X )
 np  3
e 3 3 x
P ( X  x) 
x!
 1 
B 300, 
100  ~
P (3)


Page 7
5. Probabilité de tirer 2 fois la boule blanche
a. En utilisant la loi binomiale
2 300  2
2  1   99 
P ( X  2)  C300    
 100   100 
 (150)(299)(0.01) 2 (0.99) 298
 0.224414
b. En utilisant la loi de Poisson

e 3 3 x
P( X  x) 
x!
e  3 32
P ( X  2) 
2!
4.5
 3
e
 0.224042
Conclusion : On retrouve quasiment les mêmes résultats

Solution exercice 4
1. Détermination de la loi de probabilité
a. Le support
Au cours de la période t, on peut avoir 0 enregistrement erroné, ou 1 enregistrement erroné, ou 2 enregistrements erronés,
ou un nombre indéterminé d’enregistrements erronés ce qui correspond à   d’où l’ensemble des valeurs possibles :
X ()   0, 1, 2, 3......,     IN
b. La fonction de masse
L’évènement considéré «le nombre d’enregistrements comptables erronés» se réalise dans un intervalle temporel qui est la
période t ; cela suffit pour conclure que la variable aléatoire réelle X suit une loi de Poisson de paramètres   4
X ~ P (4)
e   x
P( X  x) 
x!
4 x
e 4

x!
e 4 4 x
P( X  x) 
x!

2. Déduction de la moyenne, de la variance et du mode

a. Déduction de la moyenne
E( X )  
4
(En moyenne il y a 4 enregistrements comptables erronés au cours de la période t)
b. Déduction de la variance

Var ( X )  
 4X  2
Page 8
 c. Déduction du mode

Le mode vérifie la relation suivante :

  1  Mo  
4  1  Mo  4
3  Mo  4  Mo1  3 et Mo2  4
Mo1  3 et Mo2  4
(Distribution bimodale)
4 3
e 4
P ( X  3) 
3!
64

6e 4
32
  0.1954
3e 4

e 4 4 4
P( X  4) 
4!
4
e ( 4)(43 )

(4)3!
e 4 43

3!
 P( X  3)

3. Calcul de la probabilité d’observer plus de 4 enregistrements erronés au cours de la période t

P ( X  4)  1  P ( X  4)
 1  P ( X  4)
 1  F ( 4)
4
 1   P( X  x)
x 0
4
e 4 4 x
 1 
x 0 x!
 1  0.6288
 0.3712

Page 9