Fiche 1- Les variables aléatoires.

Profs. A. BOUAJAJA (G1), L. SKALLI (G2) et H. REDWANE (G3 et G4)

Exercice 1. Soit X une variable aléatoire discrète dont la loi de probabilité est donnée par le tableau
suivant :
X 0 1 2 3 4
P (X = k) 0,1 0,2 0,1 0,2 α
Trouver α, l’espérance E(X), la variance V (X) et l’écart type σ(X)
Exercice 2. Soit X une variable aléatoire discrète dont la loi de probabilité est donnée par le tableau
suivant :
X -2 -1 0 1 2
P (X = k) 1/8 3/8 1/8 2/8 1/8
1- Déterminer les probabilités suivantes :
P (X ≤ 2) ; P (−1 ≤ X ≤ 1) ; P (X ≤ −1 ou X = 2)

2- Déterminer la fonction de répartition de X.

Exercice 3. Soit X une variable aléatoire discrète. On donne
( 8 )( 1 )k
P (X = k) = pour k = 1, 2, 3
7 2
1- Vérifier que P (X = k) est une loi de probabilité.
2- Déterminer les probabilités suivantes :

P (0 ≤ X < 2) ; P (X > 0) ; P (0 < X ≤ 2)

3- Déterminer la fonction de répartition de X.
Exercice 4. Supposons que les pertes (en millions de dirhams) engendrées après un investissement à
risque soient distribuées selon une variable aléatoire continue dont la fonction densité de probabilité
est : {
k(3x − 2x3 ) pour −1 < x < 0
f (x) =
0 sinon
1- Déterminer la constante k.
2- Déterminer la fonction de répartition de X.
3- Déterminer la probabilité que les pertes soient supérieures à 600 000 dhs. Exercice 5. La
durée de vie (en années) d’une marque de téléviseurs suit une loi continue dont la fonction densité
de probabilité est : {
1 −x
e 15 pour x > 0
f (x) = 15
0 sinon
1- Déterminer la fonction de répartition de X.
2- Déterminer la probabilité qu’un téléviseur de cette marque choisi au hasard dure entre 6 et 10 ans.
3- Calculer P (X > 2), E(X), V (X) et σ(X).
 Fiche 2- Les lois de probabilités.
Profs. A. BOUAJAJA (G1), L. SKALLI (G2) et H. REDWANE (G3 et G4)

Exercice 1. Dans une grande école, 35 % des étudiants fument. Parmi 8 étudiants choisis au hasard.
1/ Quelles sont les chances qu’il y ait un seul non-fumeur ?
2/ Quelles sont les chances que 5 étudiants sur les 8 fument ?
3/ Calculer et interpréter la moyenne et l’écart type du nombre de fumeurs qu’on pourrait observer
parmi ces 8 choisis.
Exercice 2. Un contrôle rigoureux des ampoules électriques fournis par un atelier a permis de con-
stater que sur 15 000 ampoules, il y a 750 défectueuses. Soit X le nombre des ampoules défectueuses
figurant dans un lot de n ampoules.
1/ Donner la loi de probabilité de X.
2/ Pour n = 80. Calculer E(X), V (X) et σ(X).
3/ Calculer la probabilité d’avoir 4 ampoules défectueuses dans un lot de 10 ampoules.
4/ Calculer la probabilité d’avoir 56 ampoules bonnes dans un lot de 70 ampoules.
Exercice 3. Soit X le nombre de clients arrivant à un magasin pendant une durée déterminée.
Sachant que le nombre moyen des arrivées et de 120 clients par heure. Quelle est la probabilité que :
1/ Personne ne se présente à ce magasin pendant une durée de 2 minutes.
2/ Au plus 8 personnes se présentent à ce magasin pendant une durée de 2 minutes.
3/ Au moins 6 personnes se présentent à ce magasin pendant une durée de 30 secondes.
Exercice 4. Les clients arrivant à un supermarché selon une distribution de Poisson avec une
moyenne de 4 clients à la minute. 35 % de ces clients n’achètent rien, 25 % paient comptant, 20 %
paient avec une carte bancaire et le reste paient par chèque. Quelle est la probabilité que durant un
intervalle de 5 minutes, on observe a/ 7 clients qui paient comptant b/ 5 utilisent une carte bancaire
et c/ 3 clients utilisent leurs chèque ?
Exercice 5. Dans une entreprise, une machine produit des pièces dont les dimensions doivent être
respectées.
1/ Après un premier réglage on constate une proportion de 30 % de pièces défectueuses. On examine
5 pièces choisis au hasard dans la production. Soit X le nombre de pièces défectueuses parmi les 5.
a/ Donner la loi de probabilité de X.
b/ Calculer la probabilité d’obtenir 2 pièces défectueuses.
c/ Quelle est la probabilité qu’il n’y ait pas plus d’une pièce défectueuse ?
2/ Après un second réglage, la proportion des pièces défectueuses devient 5 %. On examine un lot
de 100 pièces.
a/ Calculer E(X), V (X) et σ(X).
b/ Vérifier l’approximation de X par une loi de Poisson de paramètre λ.
c/ Calculer la probabilité d’obtenir 2 pièces défectueuses.
d/ Calculer P (X ≥ 1) et P (1 < X ≤ 3).
Exercice 6. Le poids moyen de 500 colis est de 141 kg et l’écart type est de 15 kg. En supposant
que ces poids sont normalement distribués. Calculer le nombre de colis posant
1/ Entre 120 et 155 kg.
2/ Plus de 185 kg.
Exercice 7. La correction de la continuité. Losqu’on veut approximer une variable X discrète
par une variable normale dont les probabilités se calculent par des surfaces, il faut appliquer ce qu’on
appelle la correction de la continuité, qui consiste à ajouter 0,5 à droite et à retrancher 0.5 à gauche
de n’importe quelle valeur entière de X. Ce qui donne :
P (X = k) = P (k − 0.5 ≤ X ≤ k + 0, 5)
P (X ≤ k) = P (X ≤ k + 0, 5)
P (X < k) = P (X ≤ k − 0, 5)
P (h ≤ X ≤ k) = P (h − 0.5 ≤ X ≤ k + 0, 5)
Application : Un manufacturier des disques compacts, estime à 0,9 la probabilité qu’un de ses disques
réussisse un test de performance de contrôle de qualité. Si 200 de ces disques ont été sélectionnés au
hasard, quelle est la probabilité approximative que :
1/ Au moins 190 de ces disques réussissent ce test ?
2/ Entre 175 et 190 passent le test ?
3/ Exactement 185 passent le test ?
Exercice 8. Un échantillon de 100 articles dont 5 % sont considérés non conformes. Soit X: le
nombre d’articles non conformes dans cet échantillon.
1/ Déterminer P (X ≥ 2) en utilisant l’approximation de Poisson.
2/ Déterminer P (X ≥ 2) en utilisant l’approximation normale.
3/ Comparer les résultats obtenus en 1/et en 2/.
Exercice 9. Une entreprise assure la production et la vente d’un type de produit vendu au prix
unitaire de 170 DH et dont le coût varaible par unité vendu s’élève à 35 DH, les charges fixes
correspondants à ce produit sont de 487200 DH. La quantité fabriquée et vendue peut être assimilée
à une loi normale de moyenne 12000 produits et d’écart type 3000 produits.
1/ Déterminer la loi de probabilité du gain et donner ses paramètres.
2/ Quelle est la probabilité que l’entreprise fasse un bénéfice ?.
Exercice 10. Une confiture peut être qualifiée 4 Pure Sucre < si elle contient entre 410 g et 510
g de sucre par Kg de confiture. Un fabriquant vérifie 400 pots de confiture d’un Kg ; il trouve
que le poids moyen de sucre est égal à 435 g avec un écart type de 50 g. Sachant que le sucre est
distribué normalement, calculer le pourcentage de la production du fabriquant qui ne doit pas porter
la mention 4 Pure Sucre <.
Exercice 11. Le poids d’une chaussure de course est normalement distribuée avec un écart type
égal à 30 grammes, quelle doit être sa moyenne pour que la compagnie qui fabrique ces chaussures
puisse affirmer que 99,5 % de ses chaussures de course pèsent moins de 200 grammes?
Exercice 12. Soit X une variable aléatoire normale dont le premier quartile est égal à 80 et le
troisième quartile est égal à 110. Déterminer la moyenne et l’écart type de cette variable.
Exercice 13. Les salaires d’une catégorie d’employés sont distribués normalement avec une moyenne
de 1500 dhs par semaine et un écart type de 500 dhs.
1/ Quelle proportion des employés de cette catégorie dont le salaire est entre 1450 dhs et 1550 dhs
par semaine?
2/ Quel est le pourcentage des employés de cette catégorie dont le salaire est supérieur à 1570 dhs
par semaine?
3/ Les 10 % des employés les mieux payés reçoivent un salaire supérieur à quelle valeur ?
Exercice 14. La demande d’un produit P à une entreprise suit une loi normale, elle a une probabilité
de 0,1 d’être inférieure à 15 000 unités et une probabilité de 0,1 d’être supérieure à 25 000.
1/ Déterminer les paramètres de cette loi normale.
2/ Le prix unitaire du produit P est de 10 dhs. Les charges fixes mensuelles sont de 75 000 dhs.
Déterminer la loi de probabilité suivie par le gain net mensuel. En déduire la probabilité que ce gain
net soit supérieur ou égal à zéro.
3/ Déterminer la loi de probabilité suivie par le gain net trimestriel. En déduire la probabilité que
ce gain net soit supérieur ou égal à zéro.
Exercice 15. Un candidat passant un examen est ajourné si sa note est inférieure à 7, passe un oral
si sa note est comprise entre 7 et 12 et il est admis si sa note est supérieure à 12.
1– On suppose que les notes suivent une loi normale de paramètre µ = 9 et σ = 2.
a/ Calculer la probabilité qu’un candidat soit ajourné.
b/ Calculer la probabilité qu’un candidat passe l’oral.
c/ Calculer la probabilité pour qu’un candidat soit admis sans oral.
d/ On considère un ensemble de 4 candidats choisis au hasard. Quelle est la probabilité pour que
deux de ces candidats soient ajournés ?
e/ On considère un ensemble de 500 candidats choisis au hasard. Quelle est la probabilité pour que
le nombre de candidats passant à l’oral soit compris entre 284 et 306 ?
2– On suppose que µ et σ sont inconnus et on souhaite admettre sans oral 15,87 % des candidats
et ajourner 6,68 % des candidats.
a/ Calculer la probabilité qu’un candidat passe l’oral.
b/ Déterminer les valeurs de µ et σ.
 Fiche 3- Echantillonnage.
Profs. A. BOUAJAJA (G1), L. SKALLI (G2) et H. REDWANE (G3 et G4)

Noter que : tous les tirages sont se font avec remise (non exhaustifs).
Exercice 1. Dans un certain collège, l’âge des étudiants obéit à une loi normale de moyenne 18,7
ans et de variance 13,3 (ans)2 . Si on interroge 50 étudiants de ce collège sur leur âge, quelle est la
probabilité que l’âge moyen d’un tel échantillon se situe entre 18 et 19,4 ans ?
Exercice 2. Une étude statistique effectuée auprès de jeunes casablancais âgés entre 15 et 25 ans
précise que 17% d’entre eux ne prennent pas de petits déjeuners. Dans un échantillon de 250 jeunes
casablancais, quelle est la probabilité de retrouver plus de 20% des individus qui ne petit-déjeunent
pas ?
Exercice 3. Dans une certaine compagnie de 1000 employés, la moyenne du nombre d’heures de
travail manquées par individus au cours de l’année dernière pour cause de maladie ou autres, est de
30 et la variance de 225 heures2 .
De plus, on observe que 5% des employés ont manqué plus de 60 heures. Si on prélevait un
échantillon de 100 employés de cette compagnie, quelle serait la probabilité :
1/ que la moyenne du nombre d’heures manquées pour cet échantillon soit inférieure à 28 ?
2/ que cet échantillon compte au moins 4, 5% et au plus 5, 5% d’individus ayant manqué plus de 60
heures ?
Exercice 4. Les employés d’un service municipal estiment que dans leur localité, la consommation
en eau potable (en litre) par foyer obéit à une loi N (1500, 300). Si on prélevait un échantillon de
225 foyers d’une municipalité et qu’on notait, pour chacun, sa consommation d’eau potable pour une
journée quelconque, choisie au hasard, quelle serait la probabilité :
1/ que la consommation moyenne de cet échantillon se situe entre 1475 et 1525 litres ?
2/ que cet échantillon compte plus de 70% de mesures entre 1200 et 1800 litres ?
Exercice 5. Une machine remplit en grande série des bidons dont la contenance est une variable
aléatoire X d’espérance µ = 15 litres et d’écart-type σ = 0, 1 litre. Des échantillons de 100 bidons
prélevés au hasard sont constitués pour contrôler leur contenance.
Soit X la variable aléatoire qui à chaque échantiollon de taille 100 bidons associé la moyenne de
contenance des bidons de cet échantillon. Donner
1/ Déterminer E(X) et σ(X).
2/ Déterminer la loi de X.
3/ Calculer P (X ≤ 14, 98) et P (15 ≤ X ≤ 15, 02).
4/ Donner un intervalle de confiance centré auteur de la moyenne, dans lequel la moyenne d’un
échantillon de taille 100 tiré au hasard se situera dans 95 % des cas..
Exercice 6. Étude d’un fichier de clients : D’après le fichier clients d’une grande entreprise de
ventes par correspondance 75 % des clients passent une commande par an. Des échantillons de 500
clients selectionnés au hasard sont constitués pour effectuer des relances. Soit P la variable aléatoire
qui à chaque échantillon de taille 500 associé la proportion des clients de cet échantillon ayant passé
une commande.
1/ Déterminer E(P ), σ(P ).
2/ Déterminer la loi de P . Calculer P (P ≥ 76%) et P (74% ≤ P ≤ 77%).
3 Donner un intervalle de confiance centré auteur de la proportion, dans lequel la proportion d’un
échantillon de taille 500 tiré au hasard sera située dans 99 % des cas.
Exercice 7. On suppose que les bénéfices quotidiens d’un magasin sont distribués selon une loi
normale de moyenne µ = 10 000 dhs et d’écart type σ = 1 500 dhs.
1/ Calculer la probabilité pour que le bénéfice quotidien dépasse 10 630 dhs.
2/ Calculer la probabilité pour que, sur 25 opérations de vente, le bénéfice moyen soit supérieur ou
égal a 10 630 dhs.
3/ Calculer la probabilité pour que, sur 100 opération de vente, la proportion des bénéfices quotidiens
supérieurs a 10 630 dhs soit inférieure a 30 %.
4/ On veut que cette probabilité soit au plus égale à 15,87 %. Quelle est la taille de l’échantillon qui
permet de réaliser ceci ?
 Fiche 4- Estimation.
Profs. A. BOUAJAJA (G1), L. SKALLI (G2) et H. REDWANE (G3 et G4)

Noter que : tous les tirages sont se font avec remise (non exhaustifs).
Exercice 1. (Durée de traitement de dossiers crédit). Pour mieux gérer les demandes de crédit de
ses clients, le directeur d’une agence bancaire réalise une étude relative à la durée de traitement des
dossiers. Un échantillon aléatoire non exhaustif de 36 dossiers traités à donné :
∑ ∑
Durée en minutes 0-10 10-20 20-30 30-40 40-50 50-60 ni ci ni ci 2
Nombre 3 6 10 7 3 7 1120 43500
1/ Calculer la moyenne x et l’écart-type s des durées de traitement de cet échantillon.
2/ En déduire des estimations ponctuelles de la moyenne µ et de l’écart-type σ de la population
totale des dossiers traités.
3/ Donner une estimation ponctuelle de la proportion des demandes de la population totale dont la
durée de traitement est de plus de 40 minutes.
4/ Sachant que l’écart-type de la durée de traitement des demandes de la population totale est de
16 minutes, donner un intervalle de confiance à 90 % de la moyenne.
5/ L’écart-type de la durée de traitement des demandes de la population totale étant inconnu.
5-a/ Donner un intervalle de confiance à 80 % de la moyenne.
5-b/ Donner un intervalle de confiance à 70% de la proportion des demandes de la population totale
dont la durée de traitement est de plus de 40 minutes.
6/ L’écart-type de la durée de traitement des demandes de la population totale étant inconnu. En
supposant que la durée de traitement est normalement distribuée, donner un intervalle de confiance
à 95 % de la moyenne pour un échantillon aléatoire non exhaustif
Durée en minutes 0-10 10-20 20-30 30-40 40-50 50-60
Nombre 3 6 10 4 1 1
Exercice 2. Un sondage récent auprès de 1215 Canadiens a montré que 643 sont en faveur du
retrait des troupes canadiennes d’Afghanistan. Trouver un intervalle de confiance au seuil 98 % de
la population des Canadiens qui sont contre le retrait des troupes d’Afghanistan.
Exercice 3. Soit X le niveau de cholestérol (en mg/dl) chez des adultes d’un certain groupe d’âge
d’une population. En supposant que cette variable est normalement distribuée avec ce groupe sur
lesquels on a mesuré cette variable X et obtenu les résultats suivants :

120 116 130 132 111

1/ Déterminer un intervalle de confiance de niveau 95% pour le niveau de cholestérol moyen de ce

groupe d’âge.
2/ Déterminer un intervalle de confiance de niveau 95% pour le niveau de cholestérol moyen du
groupe d’âge suivant :
120 116 130 132 111 122 130 111 143 127 129 135 150 121 112

3/ Comparer les deux intervalles des questions 1/ et 2/.

Exercice 4. Un échantillon de 200 personnes est extrait, au hasard et avec remise, de la population
constituée par les employés d’une grande entreprise. Le tableau suivant décrit la distribution des
salaires annuels bruts de ces 200 employés, pour l’année 2013 (on suppose que les salaires sont répartis
uniformément dans chaque classe).

Salaires en milliers de dirhams [50 ; 100[ [100 ; 150[ [150 ;200[ [200 ; 250[ [250 ; 300[
Effectifs 90 50 30 20 10

1/ On considère un employé, choisi au hasard, dans cet échantillon. Quelle est la probabilité pour
que son salaire annuel brut, en 2013, soit strictement inférieur à 250 000 dirhams.
2/ On considère maintenant 40 personnes, choisies au hasard avec remise, dans l’échantillon. On
note X la variable aléatoire correspondant au nombre de personnes, parmi les 40, dont le salaire brut,
en 2013, est supérieur ou égal à 250 000 dirhams.
a/ Quelle est la loi de probabilité suivie par X ? Justifier. Calculer l’espérance et la variance.
b/ Calculer la probabilité de l’événement “X = 3”, en utilisant, l’approximation de la loi X par la
loi de Poisson de même espérance.
3/ On désigne par µ la moyenne et par σ l’écart type des salaires, en milliers de dirhams, de la
population constituée par tous les employés de l’entreprise.
a/ Calculer la moyenne x et l’écart type s des salaires, pour l’échantillon de 200 personnes décrit
dans le tableau précédent.
b/ Donner une estimation ponctuelle de la moyenne µ et de l’écart type σ.
c/ Donner une estimation de la moyenne µ par l’intervalle de confiance, au risque de 2%.
 Correction de la Fiche 1 sur Les variables aléatoires
Profs. A. BOUAJAJA (G1), L. SKALLI (G2) et H. REDWANE (G3 et G4)

∑
4
Correction Exo 1. On sait que P (X = k) = 1 et 0 ≤ P (X = k) ≤ 1, on trouve facilement
k=0
∑
4
α = 0, 4. L’espérence de X est donnée par E(X) = k.P (X = k) = 2, 6. La variance est
k=0

∑
4
V (X) = E(X ) − E(X) =
2 2
k 2 .P (X = k) − (3, 05)2 = 8, 8 − (2, 6)2 = 2, 04
k=0
√
et l’écart type est σ(X) = V (X) = 1, 42.
Correction Exo 2. 1/ On a : P (X ≤ 2) = 1 ; P (−1 ≤ X ≤ 1) = 3/4 et P (X ≤ −1 ou X = 2) =
P (X ≤ −1) + P (X = 2) = 4/8 + 1/8 = 5/8 car les deux évenements {X ≤ −1} et {X = 2} sont
incompatibles, c’est à dire {X ≤ −1} ∩ {X = 2} = ∅.
2/ La fonction de répartition de X est

 0 si k < −2



 1/8 si −2 ≤ k < −1

4/8 si −1 ≤ k < 0
F (k) = P (X ≤ k) =

 5/8 si 0 ≤ k < 1

 si 1 ≤ k < 2

 7/8
1 si k ≥ 2

∑
3
Correction Exo 3. 1/ f est une fonction de masse si f (k) ≥ 0 et P (X = k) = 1.
k=1
∑ 8(1 1 1)
3
Il est facile de voir P (X = k) = + + = 1.
k=1
7 2 4 8
4 6
2/ P (0 ≤ X < 2) = P (X = 1) = ; P (X > 0) = 1 et P (0 < X ≤ 2) = P (X = 1) + P (X = 2) = .
7 7
∑3
11 ∑3 ( 11 ) 2 115
3/ E(X) = k.P (X = k) = et V (X) = E(X 2 ) − E(X)2 = k 2 .P (X = k) − =
k=1
7 k=1
7 441
4/ La fonction de répartition de X est


 0 si k < 1

4/7 si 1 ≤ k < 2
F (k) = P (X ≤ k) =

 6/7 si 2 ≤ k < 3
 1 si k ≥ 3

Le graphe de F est une courbe en escaliers.

Correction
∫ 0 Exo 4. 1/ La fonction f est une densité de probabilité donc f (x) ≥ 0 ∀x ∈] − 1 ; 0[ et
f (x) dx = 1. On a f (x) = k(3x − 2x3 ) = kx(3 − 2x2 ), comme
−1

−1 < x < 0 =⇒ 0 < x2 < 1 =⇒ 1 < 3 − 2x2 < 3 =⇒ x(3 − 2x2 ) < 0.

Par suite f (x) ≥ 0 =⇒ k < 0. ∫ 0

1 4 ]0
[3
Cherchons la valeur de k. On a k(3x − 2x ) dx = k x − x
3
= k × (−1) = 1, par suite
2
−1 2 2 −1
k = −1. ∫ 0 ∫ 0 [ 2 ]0 3
2/ E(X) = xf (x) dx = − (3x2 −2x4 ) dx = − x3 − x5 = − et V (X) = E(X 2 )−E(X)2 =
−1 −1 √ 5 −1 5
∫ 0
9 5 9 17 17
x2 f (x) dx − = − = et σ(X) = = 0, 23.
−1 25 12 25 300 300
3/ La fonction de répartition de X est

∫
 0 si t < −1
t
1 4 3 2
F (t) = P (X ≤ t) = f (x) dx = t − t +1 si −1 ≤ t < 0
−∞ 
 2 2
1 si t ≥ 0

4/ Il faut calculer
3 ] [1
P (X > −0, 6) = 1 − P (X ≤ −0, 6) = 1 − F (−0, 6) = 1 − (−0, 6) − (−0, 6) + 1 = 0, 4752.
2 4
2 2

Correction Exo 5. Rappel sur la fonction exponentielle : ex >∫ 0 ∀x ∈ R, e1 ≃ 2, 7, e−∞ = 0

1
et e+∞ = +∞. En plus, la dérivée (eαx )′ = αeαx et la primitive eαx dx = eαx + c où c et une
∫ b α
1 [ ]b 1 ( αb )
constante quelconque. On peut prendre c = 0. On a : αx
e dx = e αx
= e −e .
αa
a α a α
Si α > 0 alors lim xe−αx = 0. Formule d’intégration par parties :
x→+∞
∫ b [ ]b ∫ b ( ) ∫ b
′ ′
u.v dx = uv − u .v dx = u(b)v(b) − u(a)v(a) − u′ .v dx
a a a a
∫ t
1/ La fonction de répartition est donnée par F (t) = f (x) dx. Si t ≤ 0 alors f (x) = 0 pour tout
∫ t −∞ ∫ t [ ]t
1 −1 x −1 −1
x ≤ t donc F (t) = 0. Si t > 0 alors F (t) = f (x) dx = e 15 dx = − e 15 x = 1 − e 15 t .
−∞ 0 15 0
Par suite ∫ t {
0 si t ≤ 0
F (t) = f (x) dx = −t/15
−∞ 1−e si t > 0
2/ P (6 < X < 10) = F (10)−F (6) = (1−e−10/15 )−(1−e−6/15 ) = e−6/15 −e−10/15 = 0, 1569 = 15, 69%
3/ P (X > 2) =∫1 − P (X ≤ 2) = 1 − F (2) = 1 − (1 − e−2/15 ) = 0, 8751 = 87, 51%.
+∞
1
E(X) = xe−x/15 dx. On utilise la formule de l’intégration par partie. Posons u(x) = x et
15 0
v ′ (x) = 1/15e−x/15 , ce qui donne u′ (x) = 1 et v(x) = −e−x/15 . Par suite :

∫ +∞ ∫ +∞ ]+∞ ∫ [ +∞
1 −x/15 ′
E(X) = xe dx = u(x)v (x) dx = u(x)v(x) − u′ (x)v(x) dx
15 0 0 0 0
[ ]+∞ ∫ +∞ [ ]+∞
−x/15 −x/15 −x/15
= − xe + e dx = 0 − 15 e = −15(0 − 1) = 15
0 0 0
∫ +∞
1
V (X) = E(X 2 ) − E(X)2 = x2 e−x/15 dx − 152 . On pose u(x) = x2 et v ′ (x) = 15
1 −x/15
e ce
15 0
qui donne u′ (x) = 2x et v(x) = −e−x/15 . D’une part,
∫ +∞ ∫ +∞ [ ]+∞ ∫ +∞
1 2 −x/15 ′
2
E(X ) = xe dx = u(x)v (x) dx = u(x)v(x) − u′ (x)v(x) dx
15 0 0 0 0
[ ]+∞ ∫ +∞
= − x2 e−x/15 + e−x/15 dx
0 0
[ ]+∞ ∫ +∞ ∫ +∞
2 −x/15 −x/15
= −x e +2 xe dx = 0 + 2 xe−x/15 dx
0 0 0
∫ +∞ ∫ +∞
1
D’autre part xe−x/15 dx = 15 ×
xe−x/15 dx = 15E(X) = 152 = 225.
0 15 0 √
Finalement V (X) = E(X 2 ) − E(X)2 = 2 × 225 − 225 = 225 et l’écart type σ(X) = V (X) = 15.
 Correction de la Fiche 2 sur Les lois de Probabilités
Profs. A. BOUAJAJA (G1), L. SKALLI (G2) et H. REDWANE (G3 et G4)
Correction Exo 1. Soit X : le nombre des étudiants qui fument parmi 8, Y est le nombre
des étudiants qui ne fument pas. Les variables aléatoires X et Y suivent une loi Binomiale : X ∼
B(8 ; 0, 35) et Y ∼ B(8 ; 0, 65), avec X + Y = 8.
1/ P (Y = 1) = C81 0, 651 × 0, 357 = 0, 0033 ; 2/ P (X = 8) = C85 0, 355 × 0, 653 = 0, 0808 ; 3/E(X) =
√
n.p = 2, 8 en moyenne 3 étudiants fument, avec un écart de σ(X) = npq = 1, 34 avec une marge
d’erreur d’un seul étudiant.
Correction Exo 2. 1/ Soit X : le nombre des ampoules défectueuses dans un lot de n ampoules.
La variable aléatoire X suit une loi de Binomiale : X ∼ B(n ; 0, 05) car p = 750/15000 = 0, 05.
2/ Pour n = 80 =⇒ E(X) = n.p = 80 × 0, 05 = 4 ; V (X) = n.p.(1 − p) = 3, 5 × 0, 95 = 3, 8 et
σ(X) = 1, 94.
3/ Pour n = 10 =⇒ P (4 défectueuses) = P (X = 4) = 0, 0010.
4/ Pour n = 70 =⇒ P (56 bonnes) = P (X = 14) = C70 14
× 0, 0514 × 0, 9556 = 0, 0000066.
Correction Exo 3. Soit X le nombre de clients arrivant à un magasin. On a X est une loi de
Poisson : X = P(λ). 1/ Pour une durée de 2 minutes, λ = 2 × 120/60 = 4 (en moyenne on trouve 4
clients en 2 min.), X ∼ P(2). Par suite, P (X = 0) w 0, 0183.
2/ P (X ≤ 8) = 0, 9786.
3/ Dans ce cas X ∼ P(1) et P (X ≥ 6) = 1 − P (X < 6) = 1 − P (X ≤ 5) = 1 − 0, 9994 = 0, 0006.
Correction Exo 4. On a une loi de Poisson, la moyenne change suivant les cas :
N.R. P.C. C.B. Chèque
Proportion 35 % 25 % 20 % 20%
Moyenne des clients pour 5 min. 0, 35 × 20 = 7 0, 25 × 20 = 5 0, 20 × 20 = 4 0, 20 × 20 = 4
57
a/ Dans ce cas : X = P(5) et P (X = 7) = e−5 = 0, 1044. b/ Dans ce cas : X = P(4) et
7!
45 43
P (X = 5) = e−4 = 0, 1562. c/ Dans ce cas : X = P(4) et P (X = 3) = e−4 = 0, 1953.
5! 3!
Correction Exo 5. 1/ a/ Soit X le nombre de pièces défectueuses. On a : X ∼ B(5 ; 0, 3).
b/ P (X = 2) = 0, 3087. c/ P (X ≤ 1) = P (X = 0) + P (X = 1) = 0, 5283.
2/ Dans ce cas X ∼ B(100 ; 0, 05). a/ E(X) = n.p = 5, V (X) = n.p.(1 − p) = 4, 75 et σ(X) = 2, 17.
b/ Comme n = 100 ≥ 30 et p = 0, 05 < 0, 1, alors on peut approximer la loi X ∼ B(100 ; 0, 05) par
la loi de Poisson X P(λ) avec λ = n.p = 5. c/ P (X = 2) = 0, 0842. d/ P (X ≥ 1) = 1 − P (X =
0) = 0, 9932 et P (1 < X ≤ 3) = P (X = 2) + P (X = 3) = 0, 2245.
Correction Exo 6. On a X est le poids de 500 colis, on suppose que X est loi normale (loi de
X −µ X − 141
Gauss) avec X ∼ N (141 ; 15). Posons Z = = ∼ N (0 ; 1) (loi normale centrée et
σ 15
réduite).
( 120 − 141 155 − 141 ) ( )
1/ P (120 < X < 155) = P <Z < = P − 1, 4 < Z < 0, 93 = F (0, 93) −
15 15
(1 − F (1, 4))) = 0, 743. Le nombre de colis pesant entre 120 et 155 kg est n = 500 × 0, 743 w 371.
2/ P (X > 185) = P (Z > 2, 93) = 1 − F (2, 93) = 0, 0017. Le nombre de colis n′ = 500 × 0, 0017 w 1.
Correction Exo 7. Soit X ∼ B(200 ; 0, 9). Comme n = 200 > 30, np = 180 ≥ 5 et nq = 20 ≥ 5,
donc on peut approcher
√ cette loi Binomiale par une loi normale N (µ ; σ) avec µ = E(X) = np = 180
√
et σ = npq = 200 × 0, 9 × 0, 1 = 4, 24. Par suite X ∼ N (180 ; 4, 24).
1/ P (X ≥ 190) = P (X ≥ 190 − 0, 5) = P (X > 189, 5) = 1 − P (X ≤ 189, 5)
( 189, 5 − 180 )
=1−F = 1 − F (2, 24) = 1 − 0, 9875 = 0, 0125.
4, 24
2/ P (175 ≤ X ≤ 190) = P (175 − 0, 5 ≤ X ≤ 190 + 0, 5) = P (174, 5 ≤ X ≤ 190, 5)
( 190, 5 − 180 ) ( 174, 5 − 180 )
=F −F = F (2, 47) − F (−1, 29) = F (2, 47) − 1 + F (1, 29) = 0, 8947.
4, 24 4, 24
( 185, 5 − 180 ) ( 184, 5 − 180 )
3/ P (X = 185) = P (184, 5 ≤ X ≤ 185, 5) = F −F
4, 24 4, 24
= F (1, 29) − F (1, 06) = 0, 0461.
Correction Exo 8. 1/ Soit X ∼ B(100 ; 0, 05). Comme n = 200 > 30 et p = 0, 05 < 0, 1 alors on
peut approcher cette loi par une loi de Poisson P(λ) avec λ = np = 5. Par suite
( ) 50 51
P (X ≥ 2) = 1 − P (X < 2) = 1 − P (X = 0) + P (X = 1) = 1 − (e−5 + e−5 ) = 0, 9595.
0! 1!
[2/ Soit X ∼ B(100 ; 0, 05). Comme n = 100 > 30, np = 5 ≥ 5 et nq = 95 ≥ 5, donc on
peut approcher
√ √ cette loi Binomiale par une loi normale N (µ ; σ) avec µ = E(X) = np = 5 et
σ = npq = 100 × 0, 05 × 0, 95 = 2, 17. Par suite X ∼ N (5 ; 2, 17). En utilisant la correction de
la continuité : P (X ≥ 2) = 1 − P (X < 2) = 1 − P (X ≤ 2 − 0, 5)
( 1, 5 − 5 )
=1−F = 1 − F (−1, 61) = F (1, 61) = 0, 9463
2, 17
Correction Exo 9. Soit Q : la quantité du produit avec X ∼ N (12 000 ; 3 000). La recette est
donnée par R = 170 × Q et le coût total est C = 35 × Q + 487 200.
1/ Le gain est donné par G = R − C = 170Q − 35Q − 487 200 = 135Q − 487 200. On a
E(G) = 135E(Q) − 487 200 = 1 132 800 DH et σ(G) = 135σ(Q) = 405 000 DH. Par suite
G ∼ N (1 132 800 ; 405 000).
( G − 1 132 800 −1 132 800 )
2/ P (G > 0) = P > = P (Z > −2, 79) = F (2, 79) = 0, 9974.
405 000 405 000
Correction Exo 10. Soit X la quantité de sucre dans un pot de 1 Kg de confiture, on suppose
X − 435
que X ∼ N (435 ; 50). Posons Z = ∼ N (0 ; 1). On a :
50
P (410 < X < 510) = P (−0, 5 < Z < 1, 5) = F (1, 5)−(1−F (0, 5)) = 0, 9332−0, 3085 = 0, 6247 = 62, 47%.
Par suite, il y’a 37, 53 % de la production du fabriquant qui ne doit pas porter la mention 4 Pur
Sucre <.
Correction Exo 11. Le Poids d’une chaussure est X = N (µ ; 30). On suppose que P (X <
200) = 0, 995, cherchons µ. On a :
( 200 − µ ) 200 − µ
P (X < 200) = F = 0, 995 = F (2, 57) =⇒ = 2, 57 =⇒ µ = 200−30×2, 57 = 122, 9 g.
30 30
Correction Exo 12. Soit X = N (µ ; σ). On sait que P (X < 80) = 25 % et P (X < 110) = 75 %.
Cherchons µ et σ. On a :
( 80 − µ ) ( µ − 80 )
P (X < 80) = F = 0, 25 =⇒ F = 1 − 0, 25 = 0, 75 ≃ 0, 7486 = F (1, 67)
σ σ
µ − 80
=⇒ = 1, 67 =⇒ µ − 1, 67σ = 80
σ
De même
( 110 − µ ) 110 − µ
P (X < 110) = F = 0, 75 ≃ 0, 7486 = F (1, 67) =⇒ = 1, 67 =⇒ µ + 1, 67σ = 110.
σ σ
On obtient alors un système de deux équations et deux inconnues
µ − 1, 67σ = 80 et µ + 1, 67σ = 110 ⇐⇒ µ = 95 et σ = 8, 98.
Correction Exo 13. Soit X = N (1500 ; 500).
( 1550 − 1500 ) ( 1450 − 1500 )
1/ P (1450 < X < 1550) = F −F
500 500
= F (0, 1) − F (−0, 1) = 2F (0, 1) − 1 = 2 × 0, 5398 − 1 = 0, 0796 = 7, 96%
2/ Cherchons le salaire S telle que P (X > S) = 10% = 0, 1. On a :
( S − 1500 )
P (X > S) = 0, 1 ⇐⇒ P (X ≤ S) = 0, 9 ⇐⇒ F = 0, 9 ≃ 0, 9897 = F (1, 28)
500
S − 1500
=⇒ = 1, 28 ⇐⇒ S = 2140 dhs.
500
Correction Exo 14. Soit X = N (µ ; σ). On a : P (P < 15000) = 0, 1 et P (P > 25000) = 0, 1.
( 15000 − µ ) ( µ − 15000 )
1/ P (P < 15000) = 0, 1 =⇒ F = 0, 1 ⇐⇒ F = 0, 9 ≃ 0, 8997 = F (1, 28).
( 25000 −σ µ ) σ
P (P > 25000) = 0, 1 =⇒ F = 0, 9 ≃ 0, 8997 = F (1, 28). On obtient alors un système
σ
de deux équations et deux inconnues
µ − 15000 25000 − µ
= 1, 28 et = 1, 28 ⇐⇒ µ = 20000 et σ = 3906, 25
σ σ
2/ Le Gain = Recette totale - le Coût total = 10P − 75000. On a :
P (Gain > 0) = P (10P > 75000) = P (P > 7500)
( 7500 − 20000 )
=1−F = 1 − F (−3, 2) = F (3, 2) = 0, 999 = 99, 9%
3906, 25
3/ On note par Gi le gain pour les mois i = 1, 2, 3. On a : Gi = 10Pi − 75000 avec E(Gi ) =
10 × 20000 − 75000 = 125000 et σ(Gi ) = 10σ(Pi ) = 10 × 3906, 25 = 39062, 5. Ce qui donne
Gi = N (125000 ; 39062, 5). On pose le gain trimestriel G = G1 + G2 + G3 , on a
E(G) = E(G1 ) + E(G2 ) + E(G3 ) = 3 × 125000 = 375000 dhs.
On suppose que les gains G1 , G2 et G3 sont indépendants :
√ √
σ(G) = σ(G1 )2 + σ(G2 )2 + σ(G3 )2 = 3 × 39062, 5 = 67658, 23 dhs.
( 0 − 375000 )
On a : P (G > 0) = 1 − F = 1 − F (−5, 54) = F (5, 54) ≃ 1.
67658, 23
Correction Exo 15. 1/ Les notes ( X) = N (9 ; 2)
a/ P (ajournée)= P (X < 7) = F 7−9 = F (−1) = 1 − F (1) = 1 − 0, 8413 = 0, 1387.
2
( ) ( )
b/ P (oral) = P (7 < X < 12) = F 2 12−9
− F 7−9
2
= F (1, 5) − F (−1) = F (1, 5) − 1 + F (1) =
0, 9332 − 1 + 0, 8413 = 0, 7745. ( )
c/ P (sans oral) = P (X > 12) = 1 − P (X ≥ 12) = 1 − F 12−9 2
= 1 − F (1, 5) = 1 − 0, 9332 =
0, 0668. d/ Soit Y le nombre de candidats (parmi les 4 choisis hasard) qui sont ajournés. On a
Y = B(4 ; 0, 1387) et donc
P (Y = 2) = C42 (0, 1387)2 × (1 − 0, 1387)2 = 0, 0856 = 8, 56%
e/ Soit Y le nombre de candidats (parmi les 500 choisis hasard) qui sont ajournés. On a Y =
B(500 ; 0, 7745), ce n’est pas facile de calculer P (284 ≤ Y ≤ 306) par la loi Binomiale, c’est
pourquoi, on va utiliser une approximation par la loi normale N (µ ; σ). Vérifions les hypothèses :
n = 500 > 30, np = 387, 25 ≥ 5 et nq = 112, 75, par suite Y = N (µ ; σ) avec µ = E(Y ) = np =
√
387, 25 et σ = npq = 9, 34. On a :
( 306, 5 − 387, 25 ) ( 283, 5 − 387, 25 )
P (284 ≤ Y ≤ 306) = P (284 − 0, 5 ≤ Y ≤ 306 + 0, 5) = F −F
9, 34 9, 34
( ) ( )
= F − 8, 64 − F − 11, 10 = 1 − F (8, 64) − 1 + F (11, 10) = 0 car F (8, 64) = F (11, 10) = 1.
2/ On suppose que µ et σ sont inconnus.
a/ P (sans oral) + P (avec oral) + P (ajourner) = 1 ⇐⇒ P (oral) = (100 − 15, 87 − 6, 68) % = 77, 45%
b/ P (X ≥ 12) = 0, 1587 et P (X ≤ 7) = 0, 0668. Par suite
( 12 − µ )
P (X ≥ 12) = 0, 1587 ⇐⇒ P (X < 12) = 0, 8413 ⇐⇒ F = 0, 8413 = F (1)
σ
12 − µ
= 1 ⇐⇒ µ + σ = 12
σ
( )
De même P (X ≤ 7) = 0, 0668 ⇐⇒ F 7−µ σ
= 0, 0668 ⇐⇒
(µ − 7)
F = 1 − 0, 0668 = 0, 9332 = F (1, 5)
σ
 µ−7
= 1, 5 ⇐⇒ µ − 1, 5σ = 7
σ
On obtient alors un système de deux équations et deux inconnus
µ + σ = 12 et µ − 1, 5σ = 7 ⇐⇒ µ = 10 et σ = 2.
 Correction de la Fiche 3 sur L’Echantillonnage
Profs. A. BOUAJAJA (G1), L. SKALLI (G2) et H. REDWANE (G3 et G4)

Correction
√ Exo 1. Soit X l’âge des étudiants, on suppose que X ∼ N (µ ; σ) avec µ = 18, 7 et
σ = 13, 3. On note par X la distribution d’échantillonnage de l’âge moyen des étudiants. Comme
( σ ) ( ) X − 18, 7
X est une loi normale, alors X ∼ N µ ; √ = N 18, 7 ; 0, 51 . On sait que Z = est
n 0, 51
une loi normale centrée et réduite, par suite
( )
18 − 18, 7 19, 4 − 18, 7
p(18 < X < 19, 4) = p <Z<
0, 51 0, 51
= F (1, 37) − F (−1, 37) = 2F (1, 37) − 1 = 0, 8294.
Correction Exo 2. La proportion de jeunes (entre 15 et 25 ans) qui ne prennent pas de petits
déjeuners est p = 0, 17.( Soit√ P la distribution
) ( d’échantillonnage
√ ) des(proportions,
√ comme n )=
p(1 − p) p(1 − p) 0, 17 × 0, 83
250 > 30 alors P ∼ N p ; =N p; = N 0, 17 ; =
n n 250
( )
( ) P − 0, 17 0, 20 − 0, 17
N (0, 17 ; 0, 02). On a : p P > 0, 20 = p > = 1 − F (1, 5) = 0, 0668.
0, 02 0, 02
Correction Exo 3. 1/ Soit X la distribution d’échantillonnage des moyennes. Comme n = 100 >
( σ ) ( ) X − 30
30, alors X ∼ N µ ; √ = N 30 ; 1, 5 . Posons Z = ∼ N (0 ; 1). Par suite :
n 1, 5
( 28 − 30 )
p(X < 28) = p Z < = F (−1, 33) = 1 − F (1, 33) = 0, 0918.
1, 5
2/ Soit P la distribution
√ d’échantillonnage des √ proportions, comme n = 100 > 30
( p(1 − p) ) ( 0, 05 × 0, 95 )
alors P ∼ N p ; = N 0, 05 ; = N (0, 05 ; 0, 02).
n 100
( ) ( 0, 045 − 0, 05 P − 0, 05 0, 055 − 0, 05 )
On a : p 0, 045 < P < 0, 055 = p < <
0, 02 0, 02 0, 02
= F (0, 25) − F (−0, 25) = 2F (0, 25) − 1 = 0.1974

Correction Exo
( 4. 1/ On ) sait que la consommation en eau potable est une variable X suivant une
loi normale N 1500 ; 300 . Soit X la distribution d’échantillonnage des moyennes, qui suit une loi
( 300 ) X − 1500
normale N 1500 ; √ = N (1500 ; 20). Z = ∼ N (0 ; 1). Par suite :
225 20

p(1475 < X < 1525) = p(−1, 25 < Z < 1, 25) = 2F (1, 25) − 1 = 0, 7888.
( 1800 − 1500 ) ( 1200 − 1500 )
2/ Calculons d’abord p = P (1200 < X < 1800) = F −F
300 300
= F (1) − F (−1) = 2F (1) − 1 = 2 × 0, 8413 − 1 = 0, 6826.

On a : n = 225 ≥ 30 ; np = 225 × 0, 6826 = 153, 585 ≥ 5 et nq = 225 × 0, 3174 = 71, 415 ≥ 5, alors
( √ )
0, 6826 × 0, 3174
P = N 0, 6826 ; = N (0, 6826 ; 0, 031)
225

Calculons P (P ≥ 0, 7) = 1 − F (0, 56) = 1 − 0, 7123 = 0, 2877 = 28, 77%

Correction Exo 5. La contenance est une variable aléatoire X d’espérance µ = 15 litres et
d’écart-type σ = 0, 1 litre. Soit X la variable aléatoire qui à chaque échantiollon de taille 100 bidons
associé la moyenne de contenance des bidons de cet échantillon. On a :
σ 0, 1
1/ E(X) = µ = 15 litres et σ(X) = √ = √ = 0, 01.
n 100
2/ La loi de X = N (15 ; 0, 01).
3/ On a : P (X ≤ 14, 98) = F (−2)[ = 0, 0228 et P (15 ≤ X ≤ 15, 02) = F](2) − F (0) = 0, 4772.
4/ Intervalle d’acceptation : X ∈ 15 − 1, 96 × 0, 01 ; 15 − 1, 96 × 0, 01 = [14, 98 ; 15, 01].
√ √
p×q 0, 75 × 0, 25
Correction Exo 6. 1/ On a : E(P ) = p = 0, 75, σ(P ) = = = 0, 019.
n 500
2/ Comme n = 500 ≥ 30, np = 500 × 0, 75 = 375 > 5 et nq = 500 × 0, 25 = 125 > 5 alors
P = N (0, 75 ; 0, 019). Calculons P (P ≥ 76%) = 1 − F (0, 52) = 1 − 0, 6985 = 0, 3015 et P (74% ≤
P ≤ 77%) = F (1, 05) − F (−0, 52) [ = 0, 8531 − 0, 2912 = 0, 5619. ] [ ]
3/ Intervalle d’acceptation P ∈ 0, 75 − 2, 575 × 0, 019 ; 0, 75 − 2, 575 × 0, 019 = 0, 7010 ; 0, 7989 .
Correction Exo 7. 1/ On sait que ( les bénéfices
) quotidiens sont représentés par une variable
aléatoire X suivant une loi normale N 10000 ; 1500 . On a : P (X > 10630) = 1−F (0, 42) = 0, 3372
( 1500 )
2/ Soit X la distribution d’échantillonnage des moyennes, qui suit une loi normale N 10000 ; √ =
25
X − 10000
N (10000 ; 300). Z = ∼ N (0 ; 1). Par suite : p(X > 10630) = 1 − F (2, 1) = 0, 017.
300
3/ (Soit √P la distribution
) (d’échantillonnage des proportions,
) comme n = 100 > 30 alors P ∼
√
p(1 − p) 0, 3372 × 0, 6628
N p; = N 0, 3372 ; = N (0, 3372 ; 0, 0472). On a :
n 100
( )
p P < 0.3 = F (−0, 78) = 0, 2177
( )
4/ On cherche n tel que p P < 0, 30 < 0, 1587, d’après la table de la loi normale F (−1) = 0, 1587.
On a :  
√
 0, 30 − 0, 3372  0, 2234
F 
 √ 0, 3372 × 0, 6628  < F (−1) =⇒ 0, 0372 > =⇒ n > 161, 42
n
n
il faut choisir la taille de l’échantillon à partir de 162.

Quelques statisticiens ayant apporté des contributions notables aux théories des statis-
tiques et des probabilités.
Bernoulli Jacques (1654–1705). Il fait partie d’une grande famille suisse prolifique en savants : mathématicien,
physiciens, astronomes, ...Ses travaux sont nombreux dans les équations différentielles, le calcul intégral et dans le
calcul des probabilités où il est le premier à formaliser les variables aléatoires binaires qui portent son nom et par suite
la loi binomiale.
C.-F. Gauss (1777–1855). On ne peut pas faire des mathématiques sans utiliser une ou l’autre des méthodes de
Gauss. Que ce soit en algèbre, en calcul, en probabilité,... On l’appelle le prince des mathématiciens. Il est l’un des
premiers grands savants de l’ère dite des mathématiques modernes le plus prolifique.
S.-D. Poisson (1781–1840). Mathématicien, physicien Français, nous pouvons mentionner en particulier son essai
sur le calcul des variations, et ses mémoires sur la probabilité des moindres résultats des observations. La loi de Poisson
dans la théorie des probabilités porte son nom.
Karl Pearson (1857–1936). Grand mathématicien anglais. Il est considéré comme l’un des fondateurs de la
statistique moderne. D’ailleurs plusieurs statistiques et tests portent son nom. Il est le fondateur de la prestigieuse
revue scientifique Biometrika qu’il a présidé de 1901 jusqu’à sa mort.
William Sealy Gosset (1876–1937). Un chimiste qui travaillait dans la célèbre brasserie irlandaise Guinness. Il
a publié un article dans le revue Biometrika sous le pseudonyme ”Student”. Il a côtoyé et influencé les fondateurs de
la statistique moderne, Fisher et Pearson.
R.-A. Fisher (1890–1962). L’un des fondateurs de la statistique moderne. Ce statisticien et biologiste britannique
est aussi considéré comme l’un de la génétique moderne. En statistique, il a initié de grands concepts comme l’ananlyse
de la variance et l’estimation par la mt́hode de vraisemblance et plusieurs méthodes dans les tests d’hypothèses portent
son nom.
 Correction de la Fiche 4 sur L’Estimation.
Profs. A. BOUAJAJA (G1), L. SKALLI (G2) et H. REDWANE (G3 et G4)

1∑
6
1120
Correction Exo 1. 1/ On sait que la moyenne arithmétique x = ni ci = = 31, 11
n i=1 36
1∑ 2 2
6
a+b
minutes, avec ci = le centre de la classe [a ; b[. La variance est donnée par s2 = ni ci −x =
2 n i=1
43500 √
− (31, 11)2 = 240, 50, et l’écart-type s = 240, 50 = 15, 50 minutes.
36 √
n
2/ L’estimation ponctuelle de µ est µ b = x = 31, 11 et celle de σ est σ b = sc = s =
√ n − 1
36
× 15, 50 = 15, 71 minutes.
35
3/ La fréquence des demandes de crédit dont la durée de traitement des dossiers est supérieures de 40
3+7
minutes est donnée par p = = 0, 27 = 27%, par suite, l’estimation ponctuelle de la proportion
36
p des demandes de la population est pb = p = 0, 27.
X −µ
4/ Comme n = 36 > 30 et σ = 16 (l’écart type de la population est connu), alors U = σ suit
√
n
une loi normale N (0 ; 1). Pour 90% de chance (ou encore α = 0, 10), on cherche u1− α2 tel que
0, 10
P (−u1−α/2 < U < u1−α/2 ) = 90% = 0, 90 ⇐⇒ F (u1−α/2 ) = 1 −
2
⇐⇒ F (u1−α/2 ) = 0, 95 ⇐⇒ u1−α/2 = 1, 65
[ σ σ ]
Par suite IC = X − √ u1−α/2 ; X + √ u1−α/2 est un intervalle de confiance de µ au niveau 1 − α.
n n
Pour une observation x = 31, 11 de X, avec n = 36, σ = 16 et u1−α/2 = 1, 65, on trouve
[ 16 16 ] [ ]
µ ∈ 31, 11 − √ × 1, 65 ; 31, 11 + √ × 1, 65 = 26, 71 ; 35, 51 .
36 36
√
n
5-a/ Comme σ est inconnu, on utilise (l’écart type corrigé) sc = × s = 15, 71 l’estimation
n−1
X −µ
ponctuelle de σ. Par suite, U = sc suit une loi normale N (0 ; 1) (puisque n = 36 > 30). On
√
n
obtient (à 80%, on a α = 0, 2 et F (u1−α/2 ) = 0, 9 donc u1−α/2 = 1, 28
[ 15, 71 15, 71 ] [ ]
µ ∈ 31, 11 − √ × 1, 28 ; 31, 11 + √ × 1, 28 = 27, 75 ; 34, 46 .
36 36
5-b/ Soit p la proportion des demandes de la population totale. Comme n = 36 > 30, np =
36 × 0, 27 = √ ≥ 5) et nq = 36 × 0, 75 = 26, 28 ≥ 5, alors la variable aléatoire P suite une loi
( 9, 72
normale N p ; p×q
n
. À 70 % de chance

[ √ √ ]
p×q p×q
p∈ p− × u1−α/2 ; p + × u1−α/2
n n
[ √ √ ] [ ]
0, 27 × 0, 73 0, 27 × 0, 73
=⇒ p ∈ 0, 27 − × 1, 04 ; 0, 25 + × 1, 04 = 0, 1930 ; 0, 3469
36 36
 1∑
5
595
7/ La taille de l’échantillon est n = 25, la moyenne arithmétique x = ni ci = = 23, 8. La
n i=1 25
1 ∑ 2
5
√
variance est s =2
ni ci − x2 = 138, 56, l’écart type s = 138, 56 = 11, 77 et enfin l’écart type
25 i=1
√ √
n 25
corrigé sc = ×s = × 11, 77 = 12, 01. Comme n = 25 < 30 et σ est inconnu (ajouter le
n−1 24
X −µ
fait que X est bien une loi normale), alors Tn−1 = sc suit la loi de Student à n − 1 = 24 degrés
√
n
de liberté. On détermine alors le réel tα tel que P (−tα < Tn−1 < tα ) = 0, 95, d’après la table de la
loi de Student, on a : tα = 2, 064. Par suite
[ sc sc ] [ 12, 01 12, 01 ]
µ ∈ x − √ tα ; x + √ tα = 23, 8 − √ × 2, 064 ; 23, 8 + √ × 2, 064 = [18, 84 ; 28, 75].
n n 25 25
Correction Exo 2. Comme n = 1215 > 30 et la fréquence des Canadiens qui sont contre le retrait
572
est p = = 0, 4707 avec n × p = 571, 9 ≥ 5 et n × q = 643, 1 ≥ 5, alors la variable aléatoire P
1215 ( √ )
suite une loi normale N p ; p×q
n
. À 98 % de chance

[ √ √ ]
p×q p×q
p∈ p− × u1−α/2 ; p + × u1−α/2
n n
[ √ √ ] [ ]
0, 4707 × 0, 5293 0, 0, 4707 × 0, 5293
=⇒ p ∈ 0, 4707− ×2, 33 ; 0, 4707+ ×2, 33 = 0, 4373 ; 0, 5040 .
1215 1215
( )
Correction Exo 3. 1/ La variable X = N µ ; σ le taux Cholestérol. Pour cet échantillon le
609
taux moyen du Cholestérol est x = = 121, 8 avec un l’écart type s = 8, 05 et enfin l’écart type
√ √ 5
n 5
corrigé sc = ×s= × 8, 05 = 9, 01. Comme n = 5 < 30, alors, il faut utiliser une loi de
n−1 4
Student T4 à (n − 1) = 4 degrés de liberté et α = 0, 05. On a : tα = 2, 776 et l’intervalle de confiance
[ 9, 01 9, 01 ] [ ]
µ ∈ 121, 8 − √ × 2, 776 ; 121, 8 + √ × 2, 776 = 110, 61 ; 132, 98
5 5
( )
2/ La variable X = N µ ; σ le taux Cholestérol. Pour cet échantillon le taux moyen du Cholestérol
√
1889 n
est x = = 125, 93 avec un l’écart type s = 11, 09 et enfin l’écart type corrigé sc = ×s =
√ 15 n−1
15
×11, 09 = 11, 47. Comme n = 15 < 30, alors, il faut utiliser une loi de Student T14 à (n−1) = 14
14
degrés de liberté et α = 0, 05. On a : tα = 2, 145 et l’intervalle de confiance
[ 11, 47 11, 47 ] [ ]
µ ∈ 125, 93 − √ × 2, 145 ; 125, 93 + √ × 2, 145 = 119, 57 ; 132, 28
15 15

3/ L’intervalle de confiance est plus précis lorsque la taille échantillonnale augmente.

 190
Correction Exo 4. 1/ P (salaire < 250000) = = 0, 95
200
2/ a/ Loi Binomiale X = B(40 ; 0, 05) (car p = 1 − 0, 95 = 0, 05).
b/ Par la loi Binomiale : P (X = 3) = C403
(0, 05)3 × (0, 95)37 = 0, 1851.
Par l’approximation d’une loi Binomiale par une loi de Poisson. Vérifions les hypothèses : n =
40 ≥ 30 et p = 0, 05 < 0, 1, par suite, on peut l’approcher par une loi de Poisson P(λ), avec
λ = E(X) = n × p = 40 × 0, 05 = 2. On a : P (X = 3) = e−2 23! = 0, 1804.
3

√
25500 3975000
3/ a/ Nous avons x = = 127, 5 et s = − 127, 52 = 60, 15
200 200 √
200
b/ Estimation Ponctuelle : µb = µ = 127, 5 et σ b = sc = × 60, 15 = 60, 30.
199 √
n
c/ Comme σ est inconnu, on utilise (l’écart type corrigé) sc = × s = 60, 30 l’estimation
n−1
ponctuelle de σ. On a n = 200 > 30, donc à 98%, on a α = 2% et F (u1−α/2 ) = 0, 99 donc
u1−α/2 = 2, 33
[ 60, 30 60, 30 ] [ ]
µ ∈ 127, 5 − √ × 2, 33 ; 127, 5 + √ × 2, 33 = 117, 56 ; 137, 43 .
200 200