EXOS Proba + VA + Lois Usuelles

UNIVERSITE PARIS-SUD XI
FACULTE DE PHARMACIE
Département de Biomathématiques
Rue Jean-Baptiste Clément
92296 Châtenay-Malabry Cedex
EXERCICES DE STATISTIQUES
Première année
Année 2004/2005 Un coup de dés jamais n’abolira le hasard

Stéphane Mallarmé
Exercices de Statistiques de 1ère année Année 2004/2005
MODE D’EMPLOI
Principe des ED
But : Soutenir l’étudiant dans SA démarche de compréhension du cours.
Dans le fond : Mettre en application, avec des exercices, les notions développées en cours.
Dans la forme : « ED » signifie Enseignement Dirigé : ce n’est pas un enseignement magistral, mais
un échange fructueux entre étudiants et enseignants.
Préparation des séances
L’échange ne peut être fructueux que si l’étudiant arrive à l’ED en l’ayant préparé !
Préparer = apprendre le cours, essayer de faire les exercices proposés, identifier l’endroit dans
l’exercice qui pose problème.
On ne s’attend à ce que l’étudiant sache faire l’exercice en entier : les ED sont là pour le soutenir
dans sa démarche de compréhension. Si cette démarche n’existe pas, l’ED est inutile.
Déroulement des séances
D’une séance à l’autre, on demandera aux étudiants de préparer un certain nombre d’exercices
choisis dans ce polycopié. CHAQUE ETUDIANT DOIT SE PROCURER CE POLYCOPIE AUPRES DE LA
CORPO. A défaut, quelques exemplaires seront disponibles à la bibliothèque.
Cette demande sera notifiée aux étudiants par voie d’affichage sur le tableau de première année, dans
le couloir menant à la tour D2.
Pendant la séance, l’enseignant répondra aux questions des étudiants par rapport aux difficultés
qu’ils ont pu éprouver à résoudre les exercices demandés. Si aucune question n’est posée, l’enseignant
pourra demander à des étudiants de venir corriger les exercices au tableau, autant pour vérifier que
l’ED a bien été préparé, que pour identifier les difficultés éventuelles des étudiants. En aucun cas, le
rôle de l’enseignant sera d’écrire au tableau la correction des exercices devant un auditoire passif.
Les différents niveaux d’exercices
Pour les quatre séances d’ED, existent différents types d’exercices qui, sauf explications spécifiques
à la séance, correspondent au niveau suivant :
Niveau I : Simple application du cours. L’étudiant devrait être capable de le résoudre tout seul, sinon
son cours a été mal vu.
Niveau II : Exercice demandant une maîtrise acquise du cours.
Niveau III : Exercice difficile.
Le niveau d’exercices proposés au concours se situe, en général, entre II et III.
Pour faciliter la préparation des ED, des exercices de chaque niveau sont corrigés in extenso pour
chaque séance. Sinon, les réponses numériques seules sont données.
EQUIPE ENSEIGNANTE
Pour toute correspondance, toute question, toute suggestion, vous pouvez envoyer un email à l’adresse
électronique du département de Biomathématiques :
ens.biom@cep.u-psud.fr
Professeurs : Jean MACCARIO et Georges MORGANT
Maîtres de Conférences : Anouar BENMALEK, Sandrine GEIGER, Xavier LABOUZE, Valérie
RICHARD, et Christine VIOT
Monitrice : Fanny VILLERS
2
ENONCE DES EXERCICES
3
PROBABILITES
FORMULAIRE
Soient A et B deux événements. On note A , l’événement inverse de A ; A/B, l’événement « A
sachant que B est réalisé » ; P(A), la probabilité que l’événement A se réalise.
P( A ) = 1 – P(A)
P(A ET B) = P(A) . P(B/A) = P(B) . P(A/B)
P(A OU B) = P(A) + P(B) – P(A ET B)
Cas particuliers :
Si A et B sont indépendants : P(A/B) = P(A) ; P(B/A) = P(B). D’où : P(A ET B) = P(A) . P(B)
Si A et B sont incompatibles : P(A ET B) = 0. D’où : P(A OU B) = P(A) + P(B)
NIVEAU I
Exercice 1. On tire au hasard une carte d'un jeu de 52 cartes. Quelle est la probabilité d'obtenir :
a) Un as
b) Un trèfle
c) L'as de trèfle
Exercice 2. Alain a sept amis. Ils sont joueurs de tennis tous d’égale force. Ils décident
d’organiser entre eux un petit tournoi de tennis.
Quelle est la probabilité qu’Alain gagne le tournoi ?
Exercice 3. On lance trois fois successivement une pièce de monnaie normalement constituée,
comprenez pas truquée.
a) Donnez la liste de tous les résultats possibles
b) Quelles sont les probabilités associées à chacun de ces résultats ?
c) Quelle est la probabilité d’obtenir exactement 2 fois pile au cours de ces 3 lancers ?
d) Quelle est la probabilité pour que le troisième lancer donne pile ?
e) Quelle est la probabilité pour que le troisième lancer donne pile sachant qu’on a déjà obtenu
pile aux deux premiers lancers ?
f) Quelle est la probabilité pour que le troisième lancer donne pile sachant qu’on a déjà obtenu une
seule fois pile au cours des deux premiers lancers ? Même question avec zéro pile aux deux premiers
lancers.
Exercice 4. On considère un cube de côté "a" et la sphère inscrite dans le cube, tangente aux faces
du cube. On choisit un point au hasard à l'intérieur du cube.
Quelle est la probabilité pour que ce point soit situé à l'extérieur de la sphère ?
Exercice 5. a) Deux événements incompatibles sont-ils indépendants ? b) Deux événements
indépendants sont-ils incompatibles ? c) Deux événements compatibles sont-ils indépendants ?
Exercice 6. La probabilité de désintégration d'un atome au cours d'une période vaut P = 0.5. Que
vaut cette probabilité après :
a) 2 périodes ?
b) n périodes ?
Exercice 7. Dans un élevage de lapins, on a 20% de lapins malades et 80% de lapins sains.
Sachant qu'un test biologique permet de détecter 95% des lapins malades, mais présente également
une réponse positive chez 10% des lapins sains, donner les proportions suivantes :
P1 = lapins sains et test positif
4
P2 = lapins sains et test négatif

P3 = lapins malades et test positif
P4 = lapins malades et test négatif
a) Quelle est la proportion de lapins malades parmi les tests négatifs ?
b) Quelle est la proportion de lapins sains parmi les tests positifs ?
c) Quelle est la probabilité pour que trois lapins pris au hasard présentent une réaction positive?
d) Quelle est la probabilité pour qu'un lapin pris au hasard et présentant une réaction positive soit
malade ?
Exercice 8. Chaque fois qu’on fume une cigarette, on multiplie par 1.00003 le risque de contracter
un cancer du poumon. Si un fumeur consomme un paquet par jour (20 cigarettes), de quel facteur le
risque qu’il contracte un cancer du poumon augmente-t-il en un an ? En dix ans ?
Exercice 9. Dans une usine, des caleçons sont fabriqués par deux machines A et B. La machine A
fournit 60% de la production. Dans la production de A, 5% des caleçons sont défectueux; dans celle de
B, 2% des caleçons sont défectueux.
a) Donner les pourcentages de caleçons produits par A et défectueux, produits par A et non
défectueux, produits par B et défectueux, produits par B et non défectueux.
b) Quelle est la probabilité pour qu'un caleçon choisi au hasard dans la production soit défectueux
?
c) On choisit un caleçon au hasard dans la production et on constate qu'il est défectueux. Quelle
est la probabilité qu'il ait été produit par A ?
Exercice 10. Dans la population P, on trouve trois groupes d'individus. Groupe A : Gros fumeurs
(30% de cette population) et contient 65% d'hommes. Groupe B : Fumeurs modérés (55% de cette
population) et contient 40% de femmes. Goupe C : Non fumeurs qui contient 20% d'hommes.
Déterminer les probabilités des différentes possibilités : provenir de A et être un homme, provenir
de A et être une femme, provenir de B et être un homme, provenir de B et être une femme, provenir de
C et être un homme, provenir de C et être une femme.
a) Dans cette population P, quelles sont les proportions d'hommes et de femmes ?
b) On tire au hasard un individu de cette population P. Quelle est la probabilité qu'il fasse partie du
groupe B ?
c) Sachant que l'individu sélectionné dans cette population est de sexe féminin, quelle est la
probabilité qu'elle provienne du groupe A ?
NIVEAU II
Exercice 1. Une urne contient 20 boules : 10 blanches, 6 rouges et 4 vertes. On choisit deux
boules au hasard, avec remise. Quelle est la probabilité de tirer :
a) Deux boules blanches ?
b) Deux boules de la même couleur ?
c) Deux boules non vertes ?
Exercice 2. Même exercice que précédemment en supposant que le tirage se fait sans remise.
Exercice 3. Dans lequel des deux exercices précédents les tirages constituent-ils des événements
indépendants ?
Exercice 4. Un milieu biologique risque d'être pollué par deux agents polluants A et B. Les
risques sont compatibles et indépendants. La probabilité d'être pollué par A au cours d'une journée est
de 0.1, celle de l'être par B est 0.35.
a) Quelles sont les probabilités p0, p1, p2, p3, p4, de ne pas être pollué, d'être pollué par A seul, par
B seul, par A et B, par A ou B au cours d'une journée ?
b) Quelle est la probabilité p5 d'être pollué une fois et une fois seulement par un seul des deux
agents polluants au cours de deux journées d'exposition.
5
c) Déterminer en fonction de n la probabilité d'être pollué après n journées d'exposition.

Exercice 5. A l'issue du championnat du monde d'athlétisme, un examen de dépistage de produit
dopant accuse un athlète. On sait empiriquement que le matériel servant au dépistage met en évidence
des drogues dans 99% des cas où il y a eu effectivement consommation de drogue. Le fabricant du
matériel reconnaît pour sa part, que dans 5% des cas, son matériel indique la présence de produit
illicite alors qu'il n'y en a pas en réalité. On estime par ailleurs que 90% au moins des athlètes du
circuit international n'ont pas consommé de produit dopant. Le comité d’organisation du championnat
décide finalement de sanctionner l’athlète.
Comment justifier la sanction ?
Exercice 6. Trois usines pharmaceutiques A, B, et C produisent respectivement 40%, 35% et 25%
du nombre total de comprimés achetés par un grossistes. Chacune de ces usines produit
respectivement 5, 6, et 3% de comprimés défectueux.
Le qualiticien de l'entreprise reçoit une nouvelle livraison.
a) Déterminer les probabilités (pourcentages) des différentes possibilités suivantes : provenir de A
et être défectueux, provenir de A et être conforme, provenir de B et être défectueux, provenir de B et
être conforme, provenir de C et être défectueux, provenir de C et être conforme.
Dans cette livraison, on prend un comprimé au hasard.
b) Quelle est la probabilité p1 pour qu'il soit défectueux ?
c) Quelle est la probabilité p2 pour qu'il soit conforme ?
d) Dans cette livraison, on prend un comprimé au hasard, on constate qu'il est défectueux. Quelle
est la probabilité qu'il ait été fabriqué dans l'usine A ?
Exercice 7. Avant de préparer un examen portant sur un cours en trois parties, un étudiant
examine les annales des vingt dernières sessions. Il constate d'une part qu'une seule partie du cours est
posée à l'examen et, d'autre part, que la première partie est tombée 8 fois et la seconde 7 fois. Il
module en conséquence ses révisions et, la veille de l'examen, estime ses chances de succès à 50% sur
la première partie, 30% sur la seconde et 10% sur la dernière.
a) En admettant ses estimations correctes, quelle est sa probabilité de réussite à l'examen ?
b) Sachant qu'il est reçu, quelle est la probabilité pour que la deuxième partie ait été posée à
l'examen ?
Exercice 8. Un couple a deux enfants dont une fille. Quelle est la probabilité que l'autre enfant soit
un garçon ? (La probabilité d'avoir une fille est égale à celle d'avoir un garçon, soit 0.5)
NIVEAU III
Exercice 1. Sur une grille du loto, on coche 6 numéros sur 49. Le soir, les 6 numéros gagnants
sont tirés au hasard. Quelle est la probabilité d'avoir coché :
a) Les 6 numéros gagnants?
b) 5 numéros gagnants sur les 6 ?
c) 4 numéros gagnants?
d) Une combinaison gagnante (au moins 3 numéros gagnants) ?
Exercice 2. A un jeu télévisé, on place un candidat devant trois portes closes. Derrière l’une de ces
portes, se trouve un lingot d’or que le candidat n’emportera que s’il ouvre la bonne porte. Le candidat
désigne, sans l’ouvrir, une des trois portes. L’animateur en ouvre une des deux autres derrière laquelle
il sait bien que le lingot ne se trouve pas. Maintenant, le candidat a-t-il intérêt à maintenir son choix
initial ou à changer de porte ?
Exercice 3. Une urne U1 contient 3 boules noires et 2 boules blanches. Une seconde urne U2
contient 2 boules noires et 3 boules blanches.
On tire simultanément et sans remise 2 boules de U1 et 1 boule de U2. Quelle est la probabilité de
tirer :
a) aucune boule blanche
6
b) 1 boule blanche
c) 2 boules blanches
d) 3 boules blanches
Exercice 4. Une population de 30 millions d'habitants est composés de 30% d'individus résistants
à la grippe et de 70% d'individus vulnérables. Une épidémie arrive. On admet que le risque de
contamination est tel que, pour une journée d'exposition, un individu sensible au virus de la grippe
risque d'être contaminé par ce virus avec une probabilité de 5%.
Quel sera le pourcentage P et la valeur moyenne N du nombre d'individus en bonne santé après
quatre jours d'exposition à cette épidémie ?
Exercice 5. Le premier jour à la fac, personne ne connaît encore personne, et encore moins la date
d’anniversaire de chacun.
a) Dans l’amphi, 200 étudiants sont présents. Paul dit à Jacques : « Je te parie qu’aucun étudiant
n’a la même date d’anniversaire que moi (même jour, même mois, mais pas forcément la même
année). Si je gagne, tu me dois un euro, si tu gagnes, je te dois un euro. » Jacques a-t-il intérêt à
parier ?
b) Paul et Jacques se retrouvent dans le même groupe d’ED de 23 étudiants, et Paul, décidément
très bavard, dit à Jacques : « Je te parie qu’au moins deux étudiants de ce groupe ont la même date
d’anniversaire. Même enjeu que tout à l’heure. » Cette fois-ci, Jacques a-t-il intérêt à parier ?
Exercice 6. On croise deux individus dont la constitution génétique est la suivante :
A a A a
b b B b
Les deux gènes sont liés sur le même chromosome : A et B sont les dominants, a et b sont les
caractères récessifs. Donner la liste des phénotypes possibles dans la descendance et les probabilités
correspondantes :
a) Lorsqu'il n'y a pas de crossing-over (ou enjambement).
b) Lorsque le taux d'enjambement est de 10%.
Rappel : le taux d’enjambement est la proportion de mélange d’un gène à l’autre, chez un même
individu.
Exercice 7. On croise deux souris, l'une grise de génotype Gb, l'autre blanche de génotype bb.
a) Quels sont les génotypes possibles pour les souriceaux issus de ce croisement ? Quelles sont les
probabilités correspondantes ?
b) Même question pour les phénotypes possibles.
c) Ce croisement a donné naissance à 3 souriceaux. Quelle est la probabilité pour que parmi ces 3
souriceaux, il y en ait au moins un de blanc ?
Exercice 8. On pêche 100 poissons dans un lac, on les bague et on les remet à l’eau. Le
surlendemain, on en repêche 100. Sur ces nouveaux 100, on en retrouve seulement un seul bagué.
Quel est, à votre avis, le nombre de poissons dans le lac ?
7
VARIABLES ALEATOIRES
Les exercices de type 1 portent sur les variables aléatoires discontinues (ou discrètes).
Il s’agit de savoir déterminer la loi d’une v.a., calculer les paramètres moyenne, variance, écart type et
mode, déterminer et tracer la fonction de répartition.
Les exercices de type 2 portent sur les variables aléatoires continues.

Il s’agit de savoir dire d’une fonction si c’est une fonction de répartition ou une fonction densité de
probabilité, déterminer les fonctions de répartition et de densité de probabilité et les tracer, calculer les
paramètres moyenne, variance, écart type, mode, médiane, calculer des probabilités.
Exercices de type 1
NIVEAU I
Exercice 1. On lance deux dés cubiques équilibrés dont les faces sont numérotées de 1 à 6. On
appelle X la variable aléatoire donnant le résultat du premier dé, et Y celui du second.
a) Quelle est la loi de ces deux variables?
b) Calculer E(X), V(X) et s(X).
Exercice 2. On appelle S la variable aléatoire somme des résultats X et Y du lancé de deux dés.
a) Déterminer la loi de S, sa fonction de répartition F et dessiner le graphe de cette dernière.
b) Calculer le mode, l'espérance et la variance de S.
Exercice 3. Soit X une variable aléatoire dite de Bernoulli définie par:
xi 0 1
pi q p
a) Calculer moyenne et variance de X.

b) Soit X1 et X2 deux v.a. indépendantes et de même loi que X. Soit Y = X1 + X2. Etablir la loi de
probabilité de Y. Calculer moyenne et variance de Y.
En quoi Y diffère-t-elle de la variable Z = 2X ?
c) On considère la variable aléatoire S somme de n v.a. indépendantes et de même loi que X :
S= X1 + X2 + ... + Xn. Quelles sont les valeurs susceptibles d’être prises par S ? Calculer sa moyenne
et sa variance. Que représente la variable aléatoire S ?
NIVEAU II
Exercice 1. Soit X1 et X2 deux variables aléatoires indépendantes, chacune pouvant prendre les
valeurs 1, 2, 3 ou 4 avec la même probabilité. On note Y la plus grande des deux variables.
a) Quelle est la loi de probabilité de Y ?
b) Calculer l'espérance et la variance de Y.
Exercice 2. Soit X la variable aléatoire définie par la loi de probabilité: P(X = K) = A(K + 1) avec
K =0, 1, 2, 3.
a) Déterminer la valeur de A.
c) Représenter graphiquement la loi de probabilité de X et sa fonction de répartition..
Soit Y une autre v.a. discontinue telle que P(Y = 0) = 0,50 et P(Y = 1) = 0,50
8
d) Calculer E(Y), V(Y) et s(Y).

Les VA. X et Y sont supposées indépendantes.
e) Déterminer la loi de probabilité de S = X + Y. Calculer E(S), V(S) et s(S).
f) Calculer la moyenne, la variance de T = 2X + Y et U = 2X – Y.
Exercice 3. On considère la variable aléatoire X susceptible de prendre les valeurs suivantes : X =
0,1, 2, 7, avec les probabilités de 1/10, 3/10, 5/10 et 1/10.
a) Calculer la moyenne E(X), la variance V(X) et l'écart type s(X).
b) Représenter graphiquement P(X) = f(X), ainsi que la fonction de répartition.
On considère la variable aléatoire Y susceptible de prendre les valeurs suivantes : Y = 0, 1, 3, 4, 5,
6, avec les probabilités de 1/10, 2/10, 1/10, 3/10, P(Y = 5), 1/10.
c) Quelle est la probabilité P(Y = 5) ?
d) Calculer E(Y), V(Y) et s(Y).
e) Représenter graphiquement P(Y) = f(Y), ainsi que la fonction de répartition.
Soit Z la variable aléatoire discontinue telle que Z = X + Y.
f) Quelle est la loi de probabilité de Z ?
g) Calculer la moyenne, la variance et l'écart type de Z.
h) Calculer la moyenne, la variance et l'écart type de U = 2X + Y
i) Quels sont la variance et l'écart type de V = X – Y ?
Exercice 4. Soit X la variable aléatoire discontinue définie par la loi de probabilité suivante :
x 0 1 2 3
pi p1 p2 0,4 0,1
a) La moyenne de X est égale à 1,5. En déduire les valeurs de p1 et p2. Représenter graphiquement
la loi de probabilité de X.
b) Calculer la valeur moyenne de X2. En déduire la variance et l'écart type de X.
c) Construire la fonction de répartition de X : F(x). La représenter graphiquement. Utiliser les
valeurs de F(x) pour calculer la probabilité des événements suivants : (X≥2) ; (1≤X<3).
Exercice 5. Une variable aléatoire discontinue X est définie par le tableau suivant :
X 2 4 6 8
P(X) 0,2 0,2 a 0,3
a) Déterminer la valeur de a pour avoir une loi de probabilité.

c) Représenter graphiquement la loi de probabilité et la fonction de répartition de X.
d) Calculer à l'aide de la fonction de répartition P(X < 4), P(X ≥ 6), P(4 £ X < 8).
e) Soit Y, une seconde v.a. définie par la loi de probabilité P(Y = 0) = 0,5 et P(Y = 1 ) = 0,5.
Calculer E(Y), V(Y), s(Y).
f) Les v.a. X et Y sont supposées indépendantes. Déterminer la loi de probabilité de la v.a. S=X-
2Y. Calculer E(S), V(S) et s(S). Préciser les unités des différents paramètres calculés, sachant que les
v.a. X et Y sont mesurées en g.
g) Calculer la probabilité pour que Y soit égal à 0 quand S est égal à 8.
Exercice 6. Une urne contient 5 boules blanches et 3 boules noires. Si deux boules sont tirées au
hasard sans remise et si X désigne le nombre de boules blanches :
a) Trouver la distribution de probabilité pour X et construire le graphe de la distribution.
b) Mêmes questions si chaque boule est remise dans l'urne après tirage.
9
NIVEAU III
Exercice 1. Le nombre de boîtes d'un médicament vendu par jour dans une officine est une v.a.
dont la loi de probabilité est :
X 0 1 2 3
P(X) 0,1 0,5 0,3 0,1
a) Calculer E(X) et V(X).

b) Soit Y la v.a. "nombre de boîtes vendues par semaine" (1 semaine = 6 jours). On suppose que la
loi de probabilité est la même pour tous les jours de la semaine. Calculer E(Y) et V(Y).
Exercice 2. On lance deux pièces à 2 faces numérotées de 1 à 2. Soit X1 la v.a. "résultat obtenu
par la première pièce" et X2 la v.a. "résultat obtenu par la deuxième pièce".
a) Donner les lois de probabilités de X1 et X2. Les représenter graphiquement. Calculer E(X1),
V(X1), s(X1), E(X2), V(X2), s(X2).
b) Calculer les valeurs possibles des v.a. S = X1 + X2 et P=X2X1 et leurs probabilités.
c) A partir des résultats précédents calculer E(X1+X2), E(X2.X1) et V(X1+X2). Vérifier que ceux-ci
sont en accord avec E(X1) + E(X2), E(X2)E(X1) et V(X1) + V(X2)
d) Calculer la fonction de répartition F(s) de S et la représenter graphiquement
e) A l'aide de cette fonction calculer P(1≤S<3) et P(S≥2).
Exercice 3. Soit X la variable aléatoire discontinue définie par la loi de probabilité suivante:
X 0 1 2 3 4
P(X) a 2a 4a 2b b
a) Sachant que la moyenne de X est égale à 2, déterminer a et b et représenter graphiquement la loi

de probabilité de X.
b) Calculer la variance et l'écart type de X.
c) Construire graphiquement la fonction de répartition de X. En déduire la probabilité pour que X
soit supérieur ou égal à 3.
10
Exercices de type 2
NIVEAU I
Exercice 1. Soit X une variable aléatoire continue définie par f(x) = 2x sur l'intervalle [0,1]; 0
ailleurs.
a) Construire la fonction de répartition F(x) de X.
c) Calculer P(0,5 ≤ x < 0,6).
d) Quelle est la valeur de x telle que P(X <x) = 0,49 ?
Exercice 2. On considère la fonction F définie par
ì0 pour x<0
í
F(x) = - e-x pour x≥0
î1
a) Rappeler les propriétés d'une fonction de répartition et montrer que F les satisfait.
b) Donner l'expression de la densité de probabilité f correspondante. Représenter, sur un même
graphe ces deux fonctions.
ì0 pour x<0
Exercice 3. Soit X une variable aléatoire de densité de probabilité f(x) = íe-x pour x≥0.
î
a) Calculer l'espérance, la variance et la médiane de X.
b) Calculer la probabilité P(2 ≤ X < 4). Représenter graphiquement cette probabilité.
NIVEAU II
Exercice 1. Soit X la variable aléatoire définie par :
ìa pour -1 ≤ x ≤ 1
f(x) = í0 ailleurs
î
a) Quelle valeur faut-il attribuer à a pour que cette fonction puisse être considérée comme une
fonction densité de probabilité ?
b) Calculer les paramètres de cette fonction.
c) Déterminer la fonction de répartition de X. Construire sa représentation graphique.
Exercice 2. Soit une variable aléatoire continue définie par f(x) = 0,5x sur l'intervalle [0,2]; 0
partout ailleurs.
a) Vérifier que f(x) représente une fonction densité de probabilité. Construire la courbe
représentative de cette fonction.
b) Construire la fonction de répartition F(x) de X.
c) Calculer E(X), V(X) et s(X).
d) Quelle est la valeur de x telle que P(X < x) = 0,5
e) Calculer P(0,5 ≤ x < 0,6).
ìax pour 0<x<1
Exercice 3. Soit la v.a. continue définie par : f(x) = í0 ailleurs
î
a) Déterminer a pour que f(x) soit la densité de probabilité d'une v.a. continue X.
b) Construire la fonction de répartition F(x).
d) Calculer P(0,25≤X<0,75).
e) Soit Y une v.a. égale à k sur l'intervalle [A,B] et nulle ailleurs. Quelles valeurs faut-il donner à
A, B et k pour que Y ait les mêmes moyenne et variance que X ?
ìïx+1 pour -1<x<0
Exercice 4. Soit la v.a. continue définie par la densité de probabilité f(x) = í-x+1 pour 0<x<1
îï0 ailleurs
11
a) Tracer la courbe de f(x).

b) Construire et représenter graphiquement la fonction de répartition de X.
d) Calculer P(X<0), P(X≥0) et P(-0,5≤X<0,5).
e) Soit la fonction G(x)=ó x
õ0 f(u)du.Quelle relation existe-t-il entre G(x) et F(x) ? Calculer G(x)
pour x=0 ; 0,25 ; 0,5 ; 0,75 et 1. Montrer que G(-x) = - G(x).
f) A l'aide des résultats précédents, calculer P(-0,5≤X<0,75) ; P(X<0,25) ; et déterminer les
valeurs de x pour lesquelles P(X<x)=0,875 et P(-x≤X<x)=0,938.
Exercice 5. Une variable aléatoire continue X prend les valeurs comprises entre 0 et 4 et a comme
densité de probabilité la fonction suivante : f (X) = 1/2 - aX.
a) Quelle est la valeur de a pour que cette fonction soit une densité de probabilité ?
b) Calculer la moyenne, la variance et l'écart type de cette distribution.
c) Calculer la valeur de P(1 ≤ X < 2).
NIVEAU III
Exercice 1. Soit une variable aléatoire X pouvant prendre toutes les valeurs de -¥ à +¥ et dont la
fonction densité de probabilité est supposée être :
1
f(x) = A 2 e-Ixl .
a) Pour quelle valeur de A la fonction f(x) est-elle une fonction densité de probabilité?
b) Quelle est la fonction de répartition de X ?
c) Calculer la probabilité des événements -1 ≤ x < 1.
d) Calculer la moyenne de cette variable aléatoire X.
e) Calculer la variance et l'écart type de cette variable aléatoire X.
Exercice 2. Soit la fonction f(x) définie par f(x) = a – x/2 pour 0 ≤ X ≤ 2 et f(x) = 0 pour x < 0 et x
>2
a) Quelle valeur doit-on donner à a pour que f(x) soit la densité de probabilité d'une variable
continue X?
b) Déterminer la fonction de répartition F(X) de la v.a. X.
c) Représenter graphiquement cette fonction de répartition.
d) Calculer E(X), V(X) et s(X).
e) Calculer les probabilités des événements :
(X < 1,5) ; (X ≥ 1,5) ; (0,5 ≤ X < 1,5)
f) Pour quelles valeurs de x a-t-on P(X < x) = 0,75, P(X ≥ x) = 0,25 et P(1 ≤ X < 1 + x) = 0,5 ?
12
LOI BINOMIALE ET LOI DE POISSON

NIVEAU I
Exercice 1. On joue à pile ou face avec une pièce non truquée.
a) Quelle est la loi de probabilité suivie par la v.a. "nombre de piles obtenues sur dix lancers". On
définira l’épreuve élémentaire, l'événement élémentaire et le nombre de répétitions de l’épreuve
élémentaire. Calculer la probabilité des événements suivants :
b) la pièce tombe autant de fois sur le côté pile que sur le côté face
c) la pièce tombe au moins une fois sur le côté pile ?
d) la pièce tombe toujours sur le côté pile ?
Exercice 2. Trouver la probabilité pour que dans 5 jets d'un dé bien équilibré on obtienne 0, 1, 2,
3, 4, 5 fois le 3.
Exercice 3. Dans une famille de 6 enfants, quelle est la probabilité d'avoir autant de filles que de
garçons? On rappelle que la probabilité de naissance d'une fille est de 0,48.
Exercice 4. Sachant que 0,2% des sujets présentent une allergie à une vaccination, quelle sont les
probabilités que sur 1000 sujets vaccinés, on constate :
- aucune allergie,
- au moins une allergie,
- plus de quatre allergies.
Exercice 5. Le pourcentage des succès à l’examen du permis de conduire est de 40%. Quelle est la
probabilité pour que dans un groupe de cinq candidats :
a) aucun ne soit admis.
b) un et un seul soit admis.
c) deux et seulement deux soient admis. d) au moins deux soient admis. e) les cinq soient admis.
Exercice 6. Le nombre de patients se présentant chaque heure à un cabinet médical suit une loi de
Poisson de paramètre 2. Quelles sont, pour une heure donnée, les probabilités pour qu'il se présente: -
aucune, une, deux, trois, quatre, cinq et plus de cinq personnes ?
Exercice 7. Le nombre X de malades atteints d’une certaine maladie dans une population au cours
d’une année suit une loi de Poisson de moyenne 3.
a) Calculer la probabilité pour que le nombre de malades ne dépasse pas la moyenne pendant une
année.
b) Quelle est la probabilité qu'il y ait seulement un malade durant deux années consécutives?
Exercice 8. Un livre de 300 pages contient 500 coquilles, qui peuvent être considérées comme
réparties au hasard. Soit X la variable aléatoire définie comme le nombre de coquilles présentes sur
une page choisie au hasard. Quelle est la loi de probabilité de X ? Par quelle loi peut-on l'approcher ?
Calculer les probabilités des événements suivants X=0, X=1, X<4.
Exercice 9. Vingt billes sont réparties au hasard dans 10 boîtes, chaque boîte ayant la capacité de
les recevoir toutes. On choisit une boîte et on appelle X la variable aléatoire définie par le nombre de
billes présentes dans cette boîte.
- quelle est la loi de X? Par quelle loi peut-on l'approximer?
- calculer directement, puis en utilisant une approximation, les probabilités des événements X=0,
X= 1 et X>2.
Exercice 10. Reprendre l'exercice précédent en considérant 200 billes et 100 boîtes.
13
NIVEAU II
Exercice 1. Lors d'une tombola, 1000 billets sont mis en vente, dont 2 sont gagnants. Combien
faut-il acheter de billets pour que la probabilité de gagner au moins un lot soit supérieure à 0,50?
Exercice 2. Un lot de comprimés contient 0.2% de défectueux. Ces comprimés sont répartis par
boite de 20 unités.
Soit X, la variable aléatoire, nombre de comprimés défectueux par boite.
En "admettant" que le nombre de comprimés dans la boîte est négligeable devant le nombre de
comprimés de la fabrication de sorte que le prélèvement de la boîte puisse être considéré comme un
tirage avec remise,
a- Quelle est la loi de probabilité de X? Quels sont ses paramètres ?
b- Quelle est la probabilité pour n'avoir aucun comprimé défectueux dans une boîte.
c- Quelle est le nombre de comprimés qu'une boîte doit contenir pour que la probabilité de n'avoir
aucun comprimé défectueux soit supérieure à 0.95
Exercice 3. Le groupe sanguin AB- est présent dans une certaine population chez 0,6 % des
individus. Lors d'une collecte de sang, on recueille 200 flacons. Quelle est la probabilité de trouver
parmi ces 200 prélèvements
a- aucun flacon AB-
b- au moins un flacon AB-?
c- Avec les données précédentes, combien faudrait-il faire de prélèvements, pour que la
probabilité de trouver au moins un flacon AB- soit supérieure à 0,95 et 0,99 ?
Exercice 4. Pour préparer un mélange de poudre contenant 2 % (en poids) de principe actif, on
dispose de 2 mélanges A et B dosés respectivement à 5 % et 1 %.
a- Quelle quantité des mélanges A et B doit-on utiliser pour préparer 1 Kg de mélange à 2 % ?
On suppose que l'excipient et le principe actif sont constitués de grains de même taille et de même
poids et que le nombre de grains par gramme de poudre est de 500000.
b- Quelle est la loi de probabilité de la variable aléatoire X = nombre de grains de principe actif
contenus dans une unité thérapeutique de 500 mg du mélange à 2 %?
Exercice 5. Dans 0,1 l d'une eau polluée on a dénombré 49 germes.
a) Estimer le nombre moyen en germes dans un volume v= 0,1 l.
b) Donner l'ordre de grandeur de l’écart type de cette estimation..
Exercice 6. Dans 5ml d'une dilution à 1/ 100éme d'eau polluée on a dénombré 25 bactéries.
Donner en nombre de bactéries par millilitre une estimation de la concentration en bactéries de cette
eau et l'ordre de grandeur de l'erreur de cette estimation.
Exercice 7. Dans 5ml d'une dilution à 1/ 100éme d'eau polluée on a dénombré 25 bactéries.
Donner en nombre de bactéries par millilitre une estimation de la concentration en bactéries de cette
eau et l'ordre de grandeur de l'erreur de cette estimation.
Exercice 8. Soit une variable aléatoire X, qui suit une loi de Poisson. Sachant que P(X = 0) =
0.6065,
a) Calculer E(X), V(X) et σ(X)
b) Calculer P(X=1) et P(X = 2)
Exercice 9. Dix pour cent des vis produites par une machine mal réglée sont défectueuses.
Trouver la probabilité pour que exactement 2 vis soient défectueuses sur un échantillon de 10 pris au
hasard.
a) En utilisant la loi binomiale
b) En utilisant l'approximation de la loi binomiale par la loi de Poisson.
c) Quelle taille d'échantillon faudrait-il prendre pour que la probabilité de n'avoir aucune vis
défectueuse dans l'échantillon soit inférieure à 10%.
14
Exercice 10. La probabilité de « plantage » d'un ordinateur au cours d'une journée est 1%. On
considère négligeable la probabilité d'avoir deux « plantages » au cours de la même journée.
a- Donner la loi de probabilité suivie par la v.a. R: " nombre de plantages d'ordinateur au cours
d'une année de 365 jours". Quelle autre loi peut-on utiliser pour calculer les probabilités des
différentes valeurs que peut prendre R? Calculer les probabilités d'avoir R=0, R=1 et au moins un
plantage dans l'année.
b- On considère que tous les ordinateurs ont la même probabilité d'avoir un plantage par jour et on
néglige le risque d'avoir 2 plantages par jour. On observe 5000 ordinateurs. Soit N la v.a. " nombre
d'ordinateurs qui n'ont pas eu de plantage au cours d'une année". Donner la loi suivie par la v.a. N.
Calculer sa moyenne, variance et écart type. Quelle autre loi peut-on utiliser dans ce cas?
Exercice 11. On dispose de 5 litres d'une suspension qui contient en moyenne 800 germes par litre
Soit X la variable aléatoire « nombre de germes contenus dans un prélèvement de 1 ml de cette
suspension ».
a) – Montrer, en détaillant les hypothèses, qu’on peut décrire par une loi binomiale la loi de
probabilité suivie par cette variable aléatoire. Montrer que cette loi binomiale peut elle-même être
approchée par une loi de Poisson (plus couramment utilisée dans les problèmes de comptage de
germes, en particulier dans les normes officielles relatives aux comptages de germes). Calculer les
probabilités des événements suivants :X = 0, X = 1. Quelle est la probabilité pour qu'il y ait un germe
et un seul dans un ml de cette suspension où l'on constate après culture un développement bactérien ?
b) - On prélève 30 ml de cette suspension que l'on répartit également dans 30 tubes. Soit Y la
variable aléatoire « nombre de tubes où l'on constate après culture un développement bactérien »
Quelle est la loi de probabilité suivie par cette variable aléatoire ? En déduire : la moyenne, la variance
et l'écart type de Y. Quelle autre loi de probabilité peut-on utiliser pour décrire cette variable aléatoire
Y?
c) - On répète l'opération précédente avec une suspension de germes pour laquelle on ne connaît
pas la concentration moyenne m de germes par litres. On constate après culture un développement
bactérien dans 12 tubes sur les 30. En déduire une estimation de m.
Exercice 12. Dans une production de comprimés, on considère comme acceptable un lot contenant
10% de comprimés défectueux..
a) Représenter graphiquement la courbe d’efficacité idéale d’un procédé de contrôle de cette
production. Préciser la nature des grandeurs portées sur les axes.
b) Pour contrôler la qualité d’un lot, on procède de la manière suivante : on prélève au hasard n
comprimés. Si le nombre de défectueux est égal à 0, on accepte le lot, sinon on le refuse. Quelle valeur
faut-il donner à n pour que le pourcentage réel de défectueux,, correspondant au point d’indifférence
de la courbe d’efficacité de ce procédé de contrôle, soit de 10% ?
c) Avec la valeur de n précédente, déterminer les valeurs du pourcentage réel de défectueux dans
la production correspondant aux zones
- d’acceptation presque sûre
- de rejet presque sûr
- de doute (ou d’indifférence)
d) Pour améliorer le contrôle, on procède de la manière suivante : on prélève n=10 comprimés.
Soit R le nombre de défectueux parmi ces n comprimés. Si R=0, on accepte le lot. Si R > 1, on refuse
le lot. Si R=1, on prélève à nouveau n’= 20 comprimés. Si le nombre R’ de défectueux dans ce
deuxième échantillon est nul, on accepte le lot, sinon on le refuse. Déterminer en fonction de p,
pourcentage réel de défectueux dans le lot, l’équation de la courbe d’efficacité de ce procédé de
contrôle. Déterminer pour p=0,01 la probabilité d’acceptation d’un lot.
15
LOI NORMALE
NIVEAU I: se servir de la table G(x) pour calculer des probabilités pour une loi normale
centrée réduite et pour une loi normale quelconque.
Exercice 1. On considère la variable aléatoire X de densité de probabilité
1 - x2/2
f(x) = e pour x Î ]-¥ ; +¥ [.
2p
a) De quelle loi de probabilité s’agit-il?

b) On note
G(x) = óx f(t)dt.
õ0
Donner la fonction de répartition de X en fonction de G(x).
c) Quelles sont les probabilités des événements suivants:
{X<0}, {X<1,6}, {X<-1}, {-1,96<X<1,96}, {X>2,6}, {X>-1,6}?
d) Pour quelles valeurs de x a-t-on:
P(X<x) = 0,7; P(X>x) = 0,2; P(|X|>x) = 0,1.
Exercice 2. Soit X une variable aléatoire normale de moyenne m = 2, d’écart-type s = 2.
a) Soit la variable T = (X-m)/s. Quelle loi de probabilité suit T? Donner ses paramètres
caractéristiques.
b) On considère l’événement {X<1,5}. Quel est l’événement équivalent pour T? Quelle est la
probabilité correspondante?
c) Même question pour l’événement {X>-2}.
d) Soit l’événement {-1£T<1}. Quel est l’événement équivalent pour X? Quelle est sa probabilité?
e) Déterminer les valeurs x de X telles que Pr(X<x) = 0,76; Pr(X³x) = 0,6 et Pr(0£X<x)=0,40.
Exercice 3. Soit T une variable aléatoire qui suit une loi normale de moyenne 0 et d’écart-type 1.
a) Comment s’appelle cette variable aléatoire?
b) Calculer les probabilités des événements suivants:
T<0 ; T>0 ; -1<T<1 ; T≥2 ; 1≤T<1,6 ; -0,5 ≤T<1,5 ; |T|<1,96.
c) Pour quelles valeurs de t a-t-on les égalités suivantes
P(T<t) = 0,70 ; P(T≥t) = 0,40 ; P(0 ≤ T<t) = 0,30 ; P(|T|<t) = 0,90.
Exercice 4. Soit X la variable aléatoire « hauteur de jeune eucalyptus d’un an », supposée
normalement distribuée, de moyenne m = 125,6 cm et d’écart-type s = 31,2 cm. Donner les limites de
classes qui doivent contenir chacune 10% des individus mesurés.
16
NIVEAU II: Détermination de paramètres inconnus de la loi normale à l’aide d’une mise en
équation;
Utilisation de la loi normale pour des approximations.
Exercice 1. Soient X et Y des v.a. qui suivent chacune une loi normale.
a) Sachant que Var(X) = 4 et P(X>2) = 0,4, calculer E(X).
b) Sachant que E(Y) = -2,5 et P(Y<0) = 0,9, calculer Var(Y).
Exercice 2. À pile ou face on fait 10 000 expériences. Quelle est la loi de probabilité de X:
«nombre de piles en 10 000 expériences».
Quelle est la probabilité pour que le nombre X de fois qu’on obtienne pile ne soit pas compris
entre 4900 et 5100?
Exercice 3. Un dosage sanguin X a une distribution normale dans la population. On donne la
moyenne m = 100 et la variance s2 = 400.
On considère d’abord comme acceptable les valeurs de X comprises entre deux limites a et b telles
que Pr(a<X<b)=0,95; les autres valeurs étant considérées comme pathologiques.
a) Peut-on déterminer a et b dans ces conditions?
b) Quelle est la probabilité de mesurer chez un sujet de cette population une valeur de X
«pathologique»?
c) Calculer a et b dans le cas où a et b sont symétriques par rapport à la moyenne.
On s’aperçoit que les valeurs faibles (X<a) ne présentent pas en réalité un caractère pathologique,
et on conserve seulement la limite b calculée au 3).
d) Quelle est la probabilité d’observer une valeur de X «pathologique»?
e) Quelle est la proportion d’individus de la population ayant ce dosage sanguin compris entre 80
et 140?
Exercice 4. La répartition du taux de cholestérol dans l’ensemble d’une population est la suivante:
– taux inférieur à 1,65 g/l: 58%
– taux compris entre 1,65 et 1,80 g/l: 38%.
a) Sachant que le taux de cholestérol suit une loi normale, calculer sa moyenne et son écart-type
dans la population.
b) En admettant que les personnes dont le taux est supérieur à 1,83 g/l doivent suivre un
traitement, quel est le marché potentiel pour un médicament anticholestérolémiant dans une population
de 100000 individus?
Exercice 5. Le taux de glycémie d’une population est répartie suivant une loi normale. Une
enquête auprès de l’ensemble de cette population montre que 84,1% des individus ont un taux
inférieur à 1,40 g/l et 2,3% ont un taux supérieur à 1,60 g/l.
a) En sachant que le taux de glycémie moyen normal est de 1 g/l, que peut-on dire du taux de
glycémie moyen de cette population?
b) En admettant qu’un taux de glycémie supérieur à 1,30 g/l nécessite un traitement, quel
pourcentage de cette population devra t’on traiter?
Exercice 6. On joue à pile ou face 200 fois. Quelle est la loi de probabilité de X = nombre de
«pile». Par quelle loi peut-on l’approcher? Quelle est la probabilité P1 d’obtenir plus de 60% de pile
au cours de ces 200 tirages? Et au cours de 500 tirages(P2)?
Exercice 7. On lance n fois un dé à 6 faces, parfaitement symétrique. Soit X: nombre d’as
obtenus.
a) On suppose n = 180; calculer la probabilité P1 pour que X soit compris entre 25 et 40.
17
b) On suppose que n = 720; déterminer le nombre a tel que Pr(100 £ X < a) = P1, P1 étant la
valeur calculée au 1-.
Exercice 8. Dans une population masculine, il existe 46% de fumeurs. On tire au sort un
échantillon de n sujets dans cette population.
a) Quelle est la loi suivie par la v.a. X «Nombre de fumeurs dans l’échantillon»?
-si n = 10.
-si n = 100.
b) Donner dans les deux cas, la probabilité de trouver moins de 40% de fumeurs dans
l’échantillon.
NIVEAU III: Applications à des problèmes

Exercice 1. Dans une maternité, les nouveaux-nés garçons pèsent en moyenne «3,4 kg avec un
écart-type de 250 g. (On supposera que X, le poids des nouveaux-nés garçons est distribué suivant une
loi normale).
a) Déterminer x tel que Pr(3,4 – x < X < 3,4 + x) = 0,5.
b) Sachant que les nouveaux-nés filles représentent 40% de cette maternité et que leur poids est
distribué selon une loi normale de moyenne 3,2 kg et d’écart-type 250 g, quel est le pourcentage de
nouveaux-nés de cette maternité dont le poids dépasse 3,6 kg et quelle est la probabilité pour qu’un
nouveau-né pesant plus de 3,6 kg soit une fille?
Exercice 2. Des comprimés à noyau sont fabriqués de la façon suivante. Une première machine
fabrique le noyau de poids N, supposé distribué suivant une loi normale de moyenne 0,150 g et
d’écart-type 0,020 g. Une deuxième machine enrobe ce noyau avec une enveloppe de poids P, supposé
réparti également suivant une loi normale de moyenne 0,100 g et d’écart-type 0,010 g.
a) Quelle est la loi suivie par X, poids total des comprimés? Donner ses paramètres
caractéristiques.
b) Entre quelles limites symétriques par rapport à la moyenne se trouve réparti le poids de 95%
des comprimés?
Exercice 3. Les notes obtenues à un examen de mathématiques sont supposées être distribuées
normalement autour de leur moyenne 8,5. Le pourcentage des notes supérieures à 10 est 30%.
a) Calculer l’écart-type des notes.
b) On modifie les notes pour que la note moyenne soit 10 en rajoutant un nombre fixe k de points
à tout le monde. Quelle est la valeur de k? Quel est le pourcentage de personnes qui réussissent ainsi à
l’examen alors qu’elles l’auraient raté sans la modification des notes?
c) On trouve ce pourcentage trop important et on décide de le réduire de moitié. Quelle doit être
alors la valeur de k? Calculer l’espérance et l’écart-type des nouvelles notes.
Exercice 4. On suppose que la taille des hommes français X (en cm) est distribuée suivant une loi
normale N(174; 8,1).
a) Quelle est la loi de probabilité de T = (X – 174)/8,1?
b) Quel est le pourcentage des hommes français qui mesurent plus d’1,82 m?
c) Sachant que les femmes représentent 51,3% de la population française, que leur taille est
distribuée suivant une loi normale de moyenne 165 cm et d’écart-type identique à celui des hommes,
quel est le pourcentage de la population française dont la taille dépasse 1,82 m? Quelle est la
probabilité pour qu’une personne mesurant plus d’1,82 m soit une femme?
Exercice 5. Le diamètre moyen de bonbons produits par une machine est égal à 0,75 cm et l’écart-
type à 0,002 cm. Le fabricant impose que le diamètre varie entre 0,7448 cm et 0,7552 cm.
a) Déterminer le pourcentage de bonbons défectueux produits par la machine, en supposant que les
diamètres sont normalement distribués.
b) Lorsqu’elle se dérègle, la machine produit des bonbons ayant le même diamètre moyen, mais
d’écart-type plus grand (0,003 cm). Quel pourcentage de bonbons défectueux va-t-on obtenir?
18
c) Pour contrôler la production, on prélève un échantillon de 100 bonbons. Quelle est la loi de
probabilité du nombre de bonbons défectueux dans cet échantillon? On décide de vérifier la machine
si on obtient plus de trois bonbons défectueux. Quelle est la probabilité de se rendre compte que la
machine est déréglée?
Exercice 6. A la fin du 19 ème siècle, quelques esprits brillamment éclairés se mirent en tête de
prouver que l’intelligence pouvait se mesurer selon la taille du cerveau (soit par le volume de la boite
crânienne, soit par le poids du cerveau). Leurs mesures ont donné les résultats suivants :
37% des cerveaux humains masculins adultes mesurés ont un poids compris entre 1300 et 1500 g
et 30% sont supérieurs à 1500 g.
a) En supposant que le poids du cerveau se répartit suivant une loi normale, calculer la moyenne et
l'écart-type du poids du cerveau pour la population masculine.
On suppose que le poids du cerveau humain féminin se répartit suivant une loi normale de moyenne
1198g et d’écart-type 236g.
b) Quelques esprits mauvais coucheurs ont toutefois remarqué que le poids du cerveau est corrélé
à la taille de l’individu, sa stature etc. Or, chacun sait que plus on est grand et musclé, on n’en est pas
plus intelligent pour autant. Afin de tenir compte, autant que faire se peut, de ces différents facteurs,
un terme correctif a été introduit dans la mesure du poids des cerveaux féminins, qui a été multipliée
par 1,17.
Recalculer la moyenne et l’écart-type du poids du cerveau de la population féminine.
Forts de leur théorie, les esprits brillamment éclairés ont commencé à peser le cerveau des
hommes célèbres (après leur mort bien entendu) afin d’apporter des preuves à ce qu’ils avançaient.
c) Sachant que le cerveau d’Anatole France pesait moins de 1100 g et que les femmes représentent
51% de la population, calculer la probabilité pour qu’un tel cerveau soit celui d’une femme.
Référence: Stephen JAY-GOULD: La mal-mesure de l’Homme.

Exercice 7. Dans une série de notes mathématiques xi, la moyenne des notes est égale à 9 et le
pourcentage de notes supérieures ou égales à 10 est de 35%.
a) On suppose que les valeurs xi sont distribuées selon une loi normale. Calculer l’écart-type des
notes.
b) On augmente toutes les notes de 0,5 point. Soient x’i = xi + 0,5 les nouvelles notes. Calculer la
moyenne, la variance et l’écart-type de X’, loi de probabilité des nouvelles notes. Calculer le
pourcentage p’ de nouvelles notes supérieures ou égales à 10.
c) On multiplie toutes les notes par un coefficient k. Soient x’’i = k.xi les nouvelles notes.
Exprimer en fonction de k, la moyenne, la variance et l’écart-type de X’’, loi de probabilité des
nouvelles notes. Déterminer k de manière à ce que le pourcentage de notes supérieures ou égales à 10
soit égal à la valeur p’ déterminée en 2).
Exercice 8. La durée moyenne d’un stylo à bille est de 60 jours avec un écart-type de 10 jours. En
modélisant la durée d’utilisation de chacun des stylos par une loi N(60;10) et en sachant que n stylos
sont mis en circulation à l’instant 0, déterminer:
a) l’espérance du nombre de stylos devant être remplacés après le 49ème jour, après le 65ème jour.
b) la probabilité qu’un stylo cesse de fonctionner entre le 58ème et le 62éme jour sachant qu’il a
fonctionné au moins 53 jours.
Exercice 9. Dans une certaine population, la probabilité qu’une personne demande à être vaccinée
contre la grippe est p = 0,4. On constitue, dans cette population, un échantillon de n individus et on
note X la variable aléatoire comptant le nombre de personnes de l’échantillon demandant à être
vaccinées.
a)Quelle est la loi de X?
b)On suppose que n = 10:
Calculer les probabilités suivantes:
i) 3 personnes demandent à être vaccinées.
19
ii) Au moins 2 personnes demandent à être vaccinées.
c) On considère le cas n = 2000:

i) Calculer Pr(750<X<850).
ii) Calculer le nombre x0 tel que Pr(X³x0) = 0,8.
iii) Pour des raisons de conservation limitée des vaccins, le nombre de vaccins disponibles dans
l’officine servant cet échantillon de 2000 individus est limité à une valeur xlim qui correspond au
nombre maximal de personnes qu’on peut vacciner. On appelle R le risque de ne pas pouvoir répondre
à une demande massive de vaccinations. Quel est le nombre xlim de vaccins faut-il prévoir pour que le
risque R soit égal à 5%, à 1%?
20
REPONSES ET CORRIGES
21
PROBABILITES
NIVEAU I
Exercice 1.
Une formule opératoire pour le calcul d’une probabilité est :
Nombre de cas favorables

proba= , quand les différents cas sont dénombrables
Nombre de cas possibles
ou plus généralement :
Mesure de l' importance de l'ensemble des cas favorables

proba =
Mesure de l' importance de l'ensemble des cas possibles
Dans le problème qui nous occupe, on tire une carte d’un jeu de 52. Le nombre de cas possibles est le même
dans les trois questions, égal à 52.
a) Dans un jeu de 52 cartes, il y a 4 as : Nombre de cas favorables de tirer un as = 4. D’où P(un as) = 4/52 =
1/13
b) Dans un jeu de 52 cartes, il y a 13 trèfles : Nombre de cas favorables de tirer un trèfle = 13. D’où P(un trèfle)
= 13/52 = 1/4
c) L’as de trèfle est unique : P(as de trèfle) = 1/52

Une autre façon d’opérer : P(as de trèfle) = P(un as ET un trèfle). Les deux événements sont indépendants (tirer
un as ne modifie pas le tirage d’un trèfle ou pas). D’où P(as de trèfle) = P(un as ) . P(un trèfle) = 1/4 . 1/13 =
1/52
Exercice 2.
1/8
Exercice 3.
a) PPP PPF PFP PFF FPP FPF FFP FFF ; b) 1/8 pour chaque résultat ; c) 3/8 ; d) 1/2 ; e) 1/2 ; f) 1/2
Exercice 4.
1-p/6
Exercice 5.
a) Deux événements sont indépendants quand la réalisation de l’un n’influence pas la réalisation de l’autre.
Soient A et B, ces deux événements incompatibles. « Incompatibles » signifie qu’ils ne peuvent se produire en
même temps. Autrement dit, si A se produit, B ne peut se produire : la réalisation de A interdit la réalisation de
B. La réalisation de A influence donc bien celle de B (on aurait pu tenir le même raisonnement en partant de B).
Deux événements incompatibles sont dépendants. (ce qui ne veut pas dire que deux événements compatibles
sont forcément indépendants !)
b) Non
c) On n’en sait rien, des fois oui, des fois non.
Exercice 6.
Il faut passer par la probabilité de l’événement inverse, ici plus facile à calculer, et revenir à la probabilité de
l’événement selon : P(A) = 1 - P( A )
22
a) Dans le cas simple de l’observation de l’atome sur 2 périodes, on peut encore faire le calcul direct. Soit P2, la
probabilité de désintégration de l’atome après de 2 périodes.
P2 = P((l’atome se désintègre après la 1ère période) OU (l’atome ne s’est pas désintégré après la 1ère période ET
il se désintègre après la 2ème période))
Le OU se traduira par une addition simple (les deux événements sont incompatibles) ; le ET se traduira par une
multiplication simple (les deux événements sont indépendants).
Soit P2 = P + (1-P)P = 0.75
On aurait aussi pu passer par la probabilité de l’événement inverse :
P2 = 1 - P(l’atome ne s’est pas désintégré après 2 périodes)
P2 = 1 - P((l’atome ne s’est pas désintégré après la 1ère période) ET (l’atome ne s’est pas désintégré après la
2ème période))
P2 = 1 - (1-P)(1-P) = 0.75
b) Ne connaissant pas le nombre n, le calcul direct est compliqué. Mieux vaut passer par la probabilité de
l’événement inverse. Soit Pn, la probabilité de désintégration de l’atome après n périodes.
Pn = 1 - P(l’atome ne s’est pas désintégré après n périodes)
Pn = 1 - P((l’atome ne s’est pas désintégré après la 1ère période) ET (l’atome ne s’est pas désintégré après la
2ème période)... ET (l’atome ne s’est pas désintégré après la nème période))
Pn = 1 - (1-P)n = 1 - 0.5n
Exercice 7.
Dans ce genre d’exercices, il s’agit, avant de se lancer dans sa résolution, d’en traduire l’énoncé en termes
d’événements :
« 20% de lapins malades » (événement M) signifie : P(M) = 0,20
« 80% de lapins sains » (événement S = événement inverse de M) signifie : P(S) = 0,80
« Un test biologique permet de détecter 95% des lapins malades » (événement +/M) signifie : P(+/M) = 0,95
« Le test présente également une réponse positive chez 10% des lapins sain » (événement +/S) signifie : P(+/S)
= 0,10
Une fois ce travail de traduction effectué, il est avantageux de construire le tableau suivant :
M S Total ligne
+ P(M et +) P(S et +) P(+)
- P(M et -) P(S et -) P(-)
Total colonne P(M) P(S) 1
On utilisera à cette fin les relations suivantes :
P(M et +) = P(M) P(+/M) ; P(S et +) = P(S) P(+/S)
P(M) = P(M et +) + P(M et -) ; P(S) = P(S et +) + P(S et -) (autrement dit, la dernière ligne est égale à la
somme des lignes supérieures)
P(+) = P(M et +) + P(S et +) ; P(-) = P(M et -) + P(S et -) (autrement dit, la dernière colonne est égale à la
somme des colonnes d’avant)
23
Avec les informations fournies par l’énoncé, on remplit le tableau :

M S
+ 0.19 0.08 0.27
- 0.01 0.72 0.73
0.2 0.8 1
Ainsi, l’intérieur du tableau donne P1, P2, P3, P4
a) On cherche P(M/-) = P(M et -) / P(-) ; on lit les valeurs dans le tableau : P(M/-) = 0.01 / 0.73 = 1.37%
b) On cherche P(S/+) = P(S et +) / P(+) ; on lit les valeurs dans le tableau : P(S/+) = 0.08 / 0.27 =29.63%
c) On cherche P(3 lapins positifs) = P(1er lapin positif ET 2ème lapin positif ET 3ème lapin positif)
Les 3 événements sont indépendants, d’où : P(3 lapins positifs) = P(+)3 = 1.97%
d) On cherche P(M/+) = P(M et +) / P(+) ; on lit les valeurs dans le tableau : P(M/+)=0.19/0.27 =70.37%
Exercice 8.
En un an, le facteur est multiplié par 1.24, en 10 ans, par près de 9 !
Exercice 9.
a) P(A et d) = 0.03; P(A et nd) = 0.57; P(B et d) = 0.008; P(B et nd) = 0.392 ; b) 0.038 ; c) 0.7895
Exercice 10.
a) P(A et H) = 19.5% ; P(A et F) = 10.5% ; P(B et H) = 33% ; P(Bet F) = 22% ; P(C et H) = 3% ; P(C et F) = 12% ; b) pH =
55.5% ; pF = 44.5% ; c) 55% ; d) 23.60%
NIVEAU II
Exercice 1.
a) 25% ; b) 38% ; c) 64%
Exercice 2.
Dans l’exercice précédent, le tirage se faisant avec remise, la constitution de l’urne reste toujours la même :
les probabilités ne changent pas d’un tirage à l’autre. Ici, le tirage se fait sans remise : la constitution de l’urne
se modifie au fur et à mesure des tirages. Le calcul des probabilités est plus subtil.
On utilise ici la formule opératoire du calcul de probabilité donnée dans l’exercice 1 du niveau I. Le nombre de
cas possibles est commun à chaque question : il est égal au nombre de façons de tirer, sans remise, 2 boules
parmi 20.
n!
C C
2 k
Soit (rappel : = avec n! = n(n-1)(n-2)...)
20 n
k! (n - k)!
a) Le nombre de cas favorables pour tirer 2 boules blanches est le nombre de façons de tirer 2 boules parmi les
10 blanches, soit C 10
2
D’où Pa , la probabilité de tirer 2 boules blanches : Pa =

C 10
2 = 23,68%
C 20
b) Le nombre de cas favorables pour tirer 2 boules de la même couleur est le nombre de façons de tirer 2 boules
parmi les 10 blanches + le nombre de façons de tirer 2 boules parmi les 6 rouges + le nombre de façons de tirer
2 boules parmi les 4 vertes.
24
Soit C 2
10
+ C +C
2
6
2
4
2 2 2
D’où Pb , la probabilité de tirer 2 boules de la même couleur : Pb =

C 10
+ C6 + C 4
2 = 34, 74%
C 20
b) Le nombre de cas favorables pour tirer 2 boules non vertes est le nombre de façons de tirer 2 boules parmi
les 10 + 6 boules non vertes, soit C 10
2
D’où Pc , la probabilité de tirer 2 boules non vertes : Pc =

C 16
2 = 63,16%
C 20
Exercice 3.
Dans l’exercice 1 !
Exercice 4.
a) p0 = 0.585 ; p1 = 0.065 ; p2 = 0.315 ; p3 = 0.035 ; p4 = 0.415 ; b) p5 = 0.4446 ; c) 1-0.585n
Exercice 5.
La question posée revient à faire une estimation de la probabilité que l’athlète n’ait pas consommé de produit
dopant, alors que le test est positif. Autrement dit, on cherche P(non consommation de produit dopant / test
positif), ce qu’on notera P(NC/+) (on notera C, l’événement « Consommation de produit dopant »)
Ce que l’énoncé nous donne est :
« Le matériel servant au dépistage met en évidence des drogues dans 99% des cas où il y a eu effectivement
consommation de drogue » : P(+/C) = 0.99
« Le fabricant du matériel reconnaît pour sa part, que dans 5% des cas, son matériel indique la présence de
produit illicite alors qu'il n'y en a pas en réalité » : P(+/NC) = 0.05
« On estime par ailleurs que 90% au moins des athlètes du circuit international n'ont pas consommé de produit
dopant » : P(NC) = 0.90
Comme précédemment, on remplit le tableau de probabilités :

C NC
+ 0,0990 0,045 0,1440
- 0,0010 0,855 0,856
0,1 0,9 1
Puis on lit dans le tableau : P(NC/+) = P(NC et +) / P(+) = 0.045 / 0.1440 = 31.25%
L’athlète a raison un peu moins d’1 fois sur 3 (suffisamment pour faire une contre-analyse ?)
Exercice 6.
a) P(A et d) = 2% ; P(A et c) = 38% ; P(B et d) = 2.10% ; P(Bet c) = 32.90% ; P(C et d) = 0.75% ; P(C et c) = 24.25% ; b) p1
= 4.85% ; c) p2 = 95.15% ; d) 41.24%
Exercice 7.
a) 0.33; b) 0.31818
Exercice 8.
2/3
25
NIVEAU III
Exercice 1.
a) 1/13 983 816; b) environ 1/54 200 ; c) 0.10% ; d) 1.86%
Exercice 2.
Il aura deux fois plus de chance de trouver le lingot s’il change de porte.
Exercice 3.
a) 12% ; b) 42% ; c) 40% ; d) 6%
Exercice 4.
P = 87% ; N = 26 104 632
Exercice 5.
a) Non, Paul a 58% de chance de gagner le pari. B) Non plus, Paul a 50.73% de chance de gagner le pari.
Exercice 6.
a) PAB = 0.50; PAb = 0.25; Pab = 0.25 ; b) PAB =0.475; PAb = 0.275; PaB = 0.025; Pab = 0.225
Exercice 7.
a) PGb = 0.5; Pbb =0.5 ; b) PG = 0.5; Pb = 0.5 ; c) 0.875
Exercice 8.
Environ 10 000
26
VARIABLES ALEATOIRES
Exercices de type 1
NIVEAU I
Exercice 1.
a) Les dés sont équilibrés donc les valeurs sont équiprobables et åpi = 1 d’où chaque pi vaut 1/6. La loi de X est
i
donc la suivante :
X 1 2 3 4 5 6
pi 1/6 1/6 1/6 1/6 1/6 1/6
Y correspond à la même expérience que X, donc la v.a. Y a la même loi que X.
b) E(X) = E(Y) = åxipi = 1*1/6 + 2*1/6 + 3*1/6 + 4*1/6 + 5*1/6 + 6*1/6

i
E(X) = 1/6(1+2+3+4+5+6) = 21/6 = 7/2
V(X) = V(Y) = E[(X - E(X))2] = E(X2) – [E(X)] 2 = åxi2pi – [E(X)] 2

i
V(X) = 1/6(1+4+9+16+25+36) – 49/4 = 35/12
s(X) = s(Y) = , V(X) = , 35/12 » 1,708
Exercice 2.
a) S = X + Y
Loi de S :
pi 1/6 1/6 1/6 1/6 1/6 1/6
X
1 2 3 4 5 6
pi Y
1/6 1 2 3 4 5 6 7
1/6 2 3 4 5 6 7 8
1/6 3 4 5 6 7 8 9
1/6 4 5 6 7 8 9 10
1/6 5 6 7 8 9 10 11
1/6 6 7 8 9 10 11 12
X et Y sont indépendantes donc P(S = 2) = P(X = 1 et Y = 1) = P(X = 1)P(Y = 1) = 1/6*1/6 = 1/36,
P(S = 3) = P((X = 1 et Y = 2) ou (X = 2 et Y = 1)) = P(X = 1)P(Y = 2) + P(X = 2)P(Y = 1) = 2/36…
On obtient finalement pour la loi de S :
27
S 2 3 4 5 6 7 8 9 10 11 12
pi 1/36 2/36 3/36 4/36 5/36 6/36 5/36 4/36 3/36 2/36 1/36
On vérifie que åpi = 1.

i
La fonction de répartition est la fonction F définie par : F(x) = P(S < x). On calcule donc les probabilités
suivantes :
F(-¥) = 0
F(2) = P(S < 2) = 0
(entre -¥ et 2 compris, la fonction de répartition vaut 0)
F(2 + e) = P(S < 2 + e) = P(S = 2) = 1/36, avec e un réel positif proche de 0.
F(3) = P(S < 3) = P(S = 2) = 1/36
(entre 2 non compris et 3 compris, la fonction de répartition vaut 1/36)
F(3 + e) = P(S < 3 + e) = P(S = 2) + P(S = 3) = 3/36
F(4) = P(S < 4) = P(S = 2) + P(S = 3) = 3/36
F(4 + e) = P(S < 4 + e) = P(S = 2) + P(S = 3) + P(S = 4) = 6/36
F(5) = P(S < 5) = P(S = 2) + P(S = 3) + P(S = 4) = 6/36
F(5 + e) = P(S < 5 + e) = 10/36
F(6) = P(S < 6) = 10/36
F(6 + e) = P(S < 6 + e) = 15/36
F(7) = P(S < 7) = 15/36
F(7 + e) = P(S < 7 + e) = 21/36
28
F(8) = P(S < 8) = 21/36
F(8 + e) = P(S < 8 + e) = 26/36
F(9) = P(S < 9) = 26/36
F(9 + e) = P(S < 9 + e) = 30/36
F(10) = P(S < 10) = 30/36
F(10 + e) = P(S < 10 + e) = 33/36
F(11) = P(S < 11) = 33/36
F(11 + e) = P(S < 11 + e) = 35/36
F(12) = P(S < 12) = 35/36
F(+¥) = P(S < +¥) = 1
F o n c tio n d e ré p a rtitio n
1 ,2
1
0 ,8
F(x)
0 ,6
0 ,4
0 ,2
0
-1 4 9 14
x
b) Le MODE de S est la valeur k pour laquelle P(S = k) est maximale : P(S = 7) = 6/36 donc le mode est 7.
29
E(S) = E(X + Y) = E(X) + E(Y) = 7/2 + 7/2 = 7
V(S) = V(X + Y) = V(X) + V(Y) = 35/6 car X et Y sont indépendantes.
Exercice 3.
a) X est une variable aléatoire de Bernoulli donc :
E(X) = åxipi = 0*q + 1*p = p

i
V(X) = E(X2) – [E(X)] 2 = åxi2pi – [E(X)] 2 = p – p2 = p(1 – p) = pq

i
b) Y = X1 + X2 : on considère Y comme la somme de deux variables aléatoires indépendantes suivant la même

loi.
X2
0 (P(X=0)=q) 1 (P(X=1)=p)
X1
0 (P(X=0)=q) 0 (P(X+X=0)=q2) 1 (P(X+X=1)=pq)
1 (P(X=1)=p) 1(P(X+X=1)=pq) 2 (P(X+X=2)=p2)
Donc la loi de Y est donnée par le tableau suivant :
Y 0 1 2
pi q2 2pq p2
åpi = q2 + 2pq + p2 = (p + q)2 = 1.

i
E(Y) = E(X) + E(X) = 2p
V(Y) = V(X) + V(X) = 2pq car les variables X sont considérées comme indépendantes.
Si maintenant on considère la variable aléatoire Z = 2X, elle prend uniquement les valeurs 0 et 2 et
E(Z) = E(2X) = 2E(X) = 2p mais V(Z) = V(2X) = 4V(X) = 4pq. La variable Z diffère donc de la variable Y par
les valeurs qu’elle prend et par sa variance.
c) S = X1 + … + Xn : S est la somme de n variables aléatoires indépendantes de même loi.
S peut prendre toutes les valeurs entières de 0 à n.
E(S) = E(X1 + … + Xn) = E(X1) + … + E(Xn) = nE(X) = np
V(S) = V(X1 + … +Xn) = V(X1) + … + V(Xn) = nV(X) = npq (par indépendance des n v.a. X)
S suit une loi binomiale B(n,p).
30
NIVEAU II
Exercice 1.
a) X1 et X2 sont deux variables aléatoire indépendantes de même loi :
Xi 1 2 3 4
pi 1/4 1/4 1/4 1/4
Y = max(X1, X2).
Loi de probabilité de Y
pi 1/4 1/4 1/4 1/4

X1
1 2 3 4
pi X2
1/4 1 1 2 3 4
1/4 2 2 2 3 4
1/4 3 3 3 3 4
1/4 4 4 4 4 4
Y prend les valeurs de chaque cellule du tableau avec une probabilité de 1/16. Donc la loi de Y est donnée par :
Y 1 2 3 4
pi 1/16 3/16 5/16 7/16
Et on a bien åpi = 1.
i
b) E(Y) = (1*1/16) + (2*3/16) + (3*5/16) + (4*7/16) = 50/16
V(Y) = E(Y2) – [E(Y)] 2 = åyi2pi – [E(Y)] 2

i
V(Y) = 1/16[1 + 3*4 + 5*9 + 7*16] – (50/16)2 = 1/16[170 – 2500/16] »0,859
Exercice 2.
a) A = 0,1 ; b) E(X) = 2 V(X) = 1 s(X) = 1 ;d) E(Y) = 0,5 V(Y) = 0,25 s(Y) = 0,5 ; e) E(S) = 2,5 V(S) = 1,25
s(S) = 1,118; f) E(T) = 4,5 V(T) = 4,25 s(T) = 2,061 E(U) = 3,5 V(U) = 4,25 s(U) = 2,061
Exercice 3.
a) E(X) = 2, V(X) = 3,2 et s(X) = 1,79 c) P(Y = 5) = 2/10 d) E(Y) = 3,3, V(Y) = 3,61 et s (Y) = 1,9 f) Z = 0, 1,
2, 3, 4, 5, 6, 7, 8, 10, 11, 12, 13 avec les probabilités : 1/100, 5/100, 11/100,11/100, 6/100, 16/100, 22/100,
14/100, 7/100, 1/100, 3/100, 2/100, 1/100 g) E(Z) = 5,3. V(Z) = 6,81 et s(Z) = 2,61 h) E(U) = 7,3, V(U) = 16,41
et s(U) = 4,05 i) V(V) = V(Z) et s(V) = s(Z).
Exercice 4.
a) 0,1 ; 0,4 b) 2,9 ; 0,65 ; 0,806 c) F(x) = (0 ; 0,1 ; 0,5 ; 0,9 ; 1) ; 0,5 ; 0,8
31
Exercice 5.
a) a=0,3 b) 5,4 ; 4,84 ; 2,2 c) F(x) = 0 ; 0,2 ; 0,4 ; 0,7 ; 1 d) P(X < 4)=0,2 ; P(X ≥ 6)=0,6 ; P(4 £ X < 8)=0,5 e)
0,5 ; 0,25 ; 0,5 f) S prend la valeur 0 avec probabilité 0,1, la valeur 2 avec probabilité 0,2, la valeur 4 avec
probabilité 0,25, la valeur 6 avec probabilité 0,3 et la valeur 8 avec probabilité 0,15. 5,4g ; 5,84g2 ; 2,417g. g)
P(Y=0 | S=8) = 1.
Exercice 6.
a) X prend la valeur 0 avec probabilité 3/28, la valeur 1 avec probabilité 15/28 et la valeur 2 avec probabilité
5/14 b) X prend la valeur 0 avec probabilité 9/64, la valeur 1 avec probabilité 15/32 et la valeur 2 avec
probabilité 25/64.
NIVEAU III
Exercice 1.
a) 1.4 ; 0,64 b) 8,4 ; 3,84
Exercice 2.
a) E(X1)= E(X2)=1,5 ; V(X1)= V(X2)=0,25 ; s(X1)= s(X2)=0,5 ; X1 prend la valeur 1 avec probabilité ½ et la
valeur 2 avec probabilité ½. Idem pour X2. b) S prend la valeur 2 avec probabilité ¼, la valeur 3 avec
probabilité ½ et la valeur 4 avec probabilité ¼. P prend la valeur 1 avec probabilité ¼, la valeur 2 avec
probabilité ½ et la valeur 4 avec probabilité ¼. c) E(S)=3 ; V(S)=0,5 ; E(P)=2,25 d) F(s) = (0 ; ¼ ; ¾ ; 1) e)
P(1≤S<3)=0,25 ; P(S≥2)=1.
Exercice 3.
a) a= b = 0,1 b) V(X) = 1,2 ; s(X) = 1,095 ; F(X) = 0,0 ; 0,1 ; 0,3 ; 0,7 ; 0,9 ; 1 c) P = 0,3
Exercices de type 2
NIVEAU I
Exercice 1.
a) F(x) = 0 (pour x<0) ; F(x) = x2 ( pour x compris entre 0 et 1) ; F(x) = 1 (au-delà) b) E(X) = 2/3 ; V(X) =
1/18 ; s(X) = 0,236 ; c) 0.11 ; d) 0.7
Exercice 2.
a) Une fonction de répartition est une fonction positive croissante telle que :
lim x® -¥ F(x) = 0 et lim x® +¥ F(x) = 1.
Ici on a F(-¥) = 0, donc lim x® -¥ F(x) = 0.
De plus, lim x® +¥ e-x = 0, donc lim x® +¥ F(x) = 1.
La fonction x ® e-x étant décroissante, et comme e0 = 1, la fonction x ®1 - e-x est positive et croissante. La
fonction F est donc positive et croissante.
Toutes les propriétés sont vérifiées : c’est une fonction de répartition.
dF(x)
b) Densité de probabilité : f(x) = .
dx
ì0 pour x<0
Donc : f(x) = íe-x pour x≥0
î
32
Fonctions de densité et de répartition
1,2
F(x)
1
f(x) et F(x)
0,8
0,6
0,4
0,2 f(x)
0
-3 2 7
Exercice 3.
a) E(X) = ó+¥ +¥ -x
õ-¥ xf(x)dx = ó
õ0 xe dx
-x
ìu = x ìdv = e dx
On fait une intégration par parties en posant : ídu = dx et ív = -e-x d’où
î î
+¥ +¥ +¥ +¥ +¥ +¥ +¥ +¥
E(X) = ó
õ0 udv = ó
õ0 xe-xdx = [uv ] 0 - ó
õ0 vdu = [-xe-x ] 0 - ó
õ0 -e-xdx = [-xe-x ] 0 - [e-x ] 0
+¥
= [-e-x(1 + x) ] =1
0
V(X) = E(X2) - [E(X)]2 = ó+¥ +¥
õ-¥ x2f(x)dx - [E(X)]2 = ó
õ0 x2e-xdx - [E(X)]2
ìu = x2 ìdv = e-xdx
On fait une intégration par parties en posant : ídu = 2xdx et ív = -e-x d’où
î î
+¥ + ¥ -x
V(X) =[-x2e-x ] + 2ó 2
õ0 xe dx - [E(X)] = 0 + 2 - 1 = 1
0
La médiane est la valeur Me telle que P(X ≤ Me) = 1/2 = P(X > Me). Donc F(Me) = 1/2 = 1 - e-Me, soit encore
e-Me = 1/2, d’où Me = Ln(2).
b) P(2 < X ≤ 4) = P(X ≤ 4) - P(X < 2) = F(4) - F(2) = (1 - e-4) - (1 - e-2) = e-2 - e-4 = 0,1170.
Cette probabilité correspond à l’aire sous la courbe f(x) entre x=2 et x=4.
33
Fonction densité
1,2
0,8
f(x)
0,6
0,4
0,2
0
-2 0 2 4
NIVEAU II
Exercice 1.
a) a = 0,5 b) E(X) = 0, V(X) = 0,333 et s(X) = 0,577 c) F(x) = 0 pour x < -1, F(x) = (x + 1)/2 pour -1 ≤ x ≤ +1
et F(x) = 1 pour x >1.
Exercice 2.
b) F(x) = 0 F(x) = 0,25x2 F(x) = 1 c) E(X) = 4/3 V(X) = 2/9 s(X) = 0,471 d) x= 1,41 e) P(0,5 < x ≤ 0,6) =
0,0275
Exercice 3.
a) 2 b) F(x)=(0 si x<0 ; x2 si 0≤x<1 ; 1 sinon) c) 0,667 ; 0,0556 ; 0,236 d) 0,5 e) k=1,224 ; A=0,258 ; B=1,075
Exercice 4.
b) F(x)= (0 si x<-l ; x2/2 + x +1/2 si -1≤x<0 ; -x2/2 + x + 1/2 si 0≤x<1 et 1 sinon) c) 0 ; 0,167 ; 0,408 d) 0,5
;0,5; 0,75 e) F(x)=0,5+G(x) ; 0 ; 0,219; 0,375 ; 0,469 ; 0,5 f) 0,844 ; 0,719 ; 0,5 ; 0,75
Exercice 5.
a) a=1/8 b) 1,33 ; 0,8977 ; 0,95 c) 0,3125
NIVEAU III
Exercice 1.
X est une v.a. continue sur R.

1 -| x| 1 1
a) f(x) = A e donc f(x) = A ex pour x< 0 et f(x) = A e-x pour x³ 0.
2 2 2
f(x) est une densité de probabilité si ó +¥

õ-¥ f(x)dx = 1.
A 0 x A +¥ -x A x 0 A -x +¥
2ó
õ-¥ e dx + 2 ó
õ0 e dx = 2 [e ] -¥ + 2 [-e ] 0
1=
34
1 = A/2 + A/2
Donc pour A = 1 la fonction f(x) est une densité de probabilité.
b) Détermination de la fonction de répartition de X.

u x
Pour x<0 : F(x) = óx f(u)du = 1 óx eudu = ée ù x = e et F(-¥) = 0
õ-¥ 2 õ-¥ ë 2 û -¥ 2
u -u
Pour x≥0 : F(x) = ó x f(u)du = ó0 f(u)du + óx f(u)du = 1 ó0 eudu + 1 óx e-udu = ée ù 0 + é-e ù x
õ-¥ õ- ¥ õ0 2 õ- ¥ 2 õ0 ë 2 û -¥ ë 2 û 0
1 1 1 1
F(x) = - e-x + = 1 - e-x et F(+¥) = 1
2 2 2 2
1 e-1
c) P(-1 < x < 1) = F(1) – F(-1) = (1 - e-1) - = 1 – e-1 = 0,6321.
2 2
f(x) est une fonction paire (i.e. f(-x) = f(x)) (symétrique par rapport à 0) donc on a directement E(X) = 0.
+¥ 2 1 0 2 x 0 2 x
d) V(X) = E(X2) - [E(X)] 2 = E(X2) = ó
õ-¥ x f(x)dx = 22 ó
õ-¥ x e dx = ó
õ-¥ x e dx
2 x
ìu = x ìdv = e dx
On fait une intégration par parties en posant : ídu = 2xdx et ív = ex d’où
î î
0
- 2õ0 xexdx
-¥ ó
V(X) = [x2ex ]
-¥
x
ìu = x ìdv = e dx
Une nouvelle intégration par parties en posant : ídu = dx et ív = ex donne alors
î î
0 0 x 0 x 0 0
-¥ éë õ-¥ e dxùû -¥ = [x e - 2xe + 2e ] -¥ = [e (x - 2x + 2)] -¥ = 2
V(X) = [x2ex ] -2 xex - ó 2 x x x 2
et s(x) = 2.
Exercice 2.
a) a=1 b) F(x)= 0 ; x-0,25x2 ; 1 d) 0,667 ; 0,222 ; 0,471 e) 0,9375 ; 0,0625 ; 0,5
35
LOI BINOMIALE ET LOI DE POISSON
NIVEAU I
Exercice 1.
L’épreuve élémentaire consiste à jeter la pièce et à observer le résultat du lancer, l'événement élémentaire est
d’obtenir pile au cours d’un lancer et le nombre de répétitions de l’épreuve élémentaire est de 10. Soit X le
nombre de pile au cours des 10 lancers.
a) X ~ B(10 ; 0.5) b) P(X=5)=0,246 c) P(X ³ 1)= 0,999 d) P(X=10)= 0,001
Exercice 2.
Soit X le nombre de 3 au cours de cinq lancers du dé.
X ~ B(5 ; 1/6). D’où les probabilités des évènements : 3125/7776, 3125/7776, 625/3888, 125/3888, 25/7776,
1/7776
Exercice 3. .
X nombre de filles ~ B(6 ; 0.48) Þ P(X=3)= C63 0.483 0.523 =0.311
Exercice 4.
X nombre de personnes présentant une allergie. X ~ B(1000;0.002) .
P(X=0) = 0.135 ; P(X ³ 1) = 1- P(X=0)=0.865 ; P(X > 4) = 1- P(X £ 4)= P(X=0) + P(X=1)+ P(X=2) +
P(X=3) + P(X=4)=0.143
Exercice 5.
Soit X le nombre de candidats admis dans un groupe de 5 candidats. X ~ B(5, 0.4)
P(X=0)= 7.8% P(X=1)= 25.9% P(X=2)= 34.6% P(X ³ 2)= 1- P(X < 2)= 1 - P(X=0) - P(X=1)= 66.3%
Exercice 6.
X ~ P(2) ; P(X=0) = 0.135 : P(X=1) = 0.271 ; P(X=2) = 0.271 ; P(X=3) = 0.180 ; P(X=4) = 0.090 ; P(X=5)
= 0.036 ; P(X ³ 5) = 1- P(X £ 4)= 0.053
Exercice 7.
a) X ~ P (3) a) P(X £ 3)= 0,647
b) P(seulement un malade durant deux années consécutives)= P{ (un malade la première année et 0 malade la
seconde année) ou ( 0 malade la première année et 1 malade la seconde année)} = P{(X=0 la première année et
X=1 la seconde année) ou (X=1 la première année et X=0 la seconde année) } = P(X=0)P(X=1) +
P(X=1)P(X=0) = 2 P(X=1)P(X=0)= 0.015
Exercice 8.
X ~ B(500;1/300) qui peut être approximée par une Poisson P(5/3). En utilisant cette approximation, on obtient
P(X=0) = 0.19 ; P(X=1) = 0.31 et P(X<4) = 0.91
Exercice 9.
X ~ B(20;1/10) de moyenne E(X)= 2. Elle peut être approximée par une loi de Poisson P(2) On fera le calcul
avec la loi binomiale B(20;1/10), puis on approximera avec la loi de Poisson P(2)
P(X=0)= 0.12 ( e-2 20= 0.14 ; P(X=1) = 0.27 ( e-2 2= 0.27 ; P(X=2) = 0.29 ( 0.27 ; P(X>2) = 1-
P(X=0)- P(X=1) – P(X=2) =0.32 ( 0.32
Exercice 10.
X ~ B(200;1/100) ≈ P(2) ; P(X=0) = 0.134 ≈ 0.135 ; P(X=1)= 0.271 ≈ 0.271 ; P(X=2) = 0.272 ≈ 0.271 ;
P(X>2) = 0.323 ≈ 0.323
36
NIVEAU II
Exercice 1.
Soit n le nombre de billets à acheter et X le nombre de billets gagnants dans ce lot de n billets. X suit une B(n;
2/1000).
On veut que P(X ≥ 1) = 0.5. Or P(X ≥ 1) = 1 – P(X < 1) = 1- P(X=0) =0.5
D’où P(X=0) = Cn0 (2/1000)0 (1- 2/1000)n = 0.5
Þ (499/500)n = 0.5
On passe aux logarithmes : n log(499/500) = log(0.5) Þ n= 346,23 » 347
Exercice 2.
a- X ~ B(20 ; 0.002) Þ E(X)= 0.04 V(X)= 0.0399 et σ(X)= 0.1998 ; b- P(X=0) = 0.96075 ; c- X ~ B(n, 0.002)
Or P(X=0)= (1-0.002)n > 0.95
D’où n log(1-0.002) > log(0.95) Þ
n > log(0.95)/ log (1-0,002)=25.6 D’où n > 25
Exercice 3.
a- X ~ B(200;0.006) » P(1.2) Þ P(X=0) = 0.30 ; b- P(X >0) = 0.70
c- Soit n le nombre de prélèvements et X le nombre de flacons AB-
On veut que P( X ³ 1)= 0.95 Þ P(X=0)=0.05 Þ (1- 0.006)n = 0.05
On passe aux logarithmes : n log(0.994)= log(0.05) Þ n= 497.78 » 500
Pour 99%, on a n » 768
Exercice 4.
a- Soit x la quantité de mélange A contenue dans1 kg de mélange à 2%. On a :
5%x + 1% (1-x)=2% Þ 5x + 1-x = 2 Þ x= ¼
Il faudra donc 250 grammes de mélange A et 750 de mélange B.
b- On a 500000 grains par gramme, un grain pesant 1/500000= 0.000002 gramme. Dans le mélange à 2%, on a
20 grammes de PA par kg, donc 500000x20 grains de PA.
On remplit une unité thérapeutique de 0.5 g avec 500000 x 0.5 = 250000 grains. Un grain de l’unité
thérapeutique (UT) est un grain du PA avec la probabilité 2%. Le nombre N de grains actifs (PA) dans une unité
thérapeutique suit donc une binomiale B(250000 ;0.02)
Le nombre moyen de grains actifs dans une UT est donc 250000 x 0.02= 5000 grains (correspondant à un poids
moyen de PA dans l’UT de 5000 x 0.000002 g = 0.01 g= 10 mg)
La variance du nombre de grains actifs dans une unité thérapeutique est 250000 x 0.02 x 0.98= 4900 et un
écart-type de (4900)1/2 = 70 grains, correspondant, en poids, à un écart-type de 70 x 0.000002 g= 0.14 x 0.001
g = 0.14 mg de PA
Exercice 5.
a- On considère que le nombre X de germes par v= 0.1 l suit une Poisson P(m) avec m=E(X). Or E(X) peut être
estimée, comme toute espérance d’une variable aléatoire, par la moyenne des observations expérimentales.
Comme il n’y en a qu’une seule, elle est égale à la moyenne et elle servira à estimer E(X) et, donc, le paramètre
m. D’où m ( 49 g/0.1 l
37
b- V(X)=E(X)=49 ( σ(X)= 7 germes
Exercice 6.
Soit X le nombre de bactéries par volume de 5 ml d’une dilution à 1/100. X ~ P(25) de moyenne 25, de variance
25 et d’écart type 5.
Soit C la concentration par ml.
C= X * 100/5 ( C= 25* 100 /5=500 bactéries/ml
On a : σ(C)= σ(X)* 100/5=100 bactéries/ml
D’où σ(C)/C =100/500 =20%
Exercice 7.
Soit X le nombre de bactéries par volume de 5 ml d’une dilution à 1/100. X ~ P(25) de moyenne 25, de variance
25 et d’écart type 5.
Soit C la concentration par ml . C= X * 100/5 ( C= 25* 100 /5=500 bactéries/ml
On a : σ(C)= σ(X)* 100/5=100 bactéries/ml
D’où σ(C)/C =100/500 =20%
Exercice 8.
a) Soit X ~ P(m) ( P(X=0)= exp(-m)=0.6065
D’où m= -log(0.6065)= 0.50= E(X)= V(X) et σ(X)= 0.707
b) P(X=1)= 0.303 P(X =2)= 0.090
Exercice 9.
a- Soit X le nombre de vis défectueuses sur un échantillon de 10. Alors X ~ B(10 ; 0.1) de moyenne 1. Alors
P(X=2)= 19,4%
b- X suit approximativement une Poisson P(1) d’où P(X=2) = 18,4%
Exercice 10.
a- R ~ B(365 ; 0.01) qui peut être approchée par une Poisson P(3.65)
P(R=0)= 0.0255 P(R=1)= 0.0941 P(R ( 1)=0.974
b- L’expérience est ici d’observer un ordinateur pendant une année. L’événement élémentaire est « pour un
ordinateur, ne pas observer de plantages pendant une année ». On répète 5000 fois cette expérience.
N ~ B(5000, 0.0255) E(N)= 127.5 V(N)= 124,25 σ(N)= 11.15
La loi de N peut être approchée par une normale N(127.5 ; 11.15)
Exercice 11.
a) – Soit ce prélèvement de volume 1ml. L’expérience élémentaire consiste à prendre un germe contenu dans les
5 litres. L’événement élémentaire de Bernoulli est réalisé si ce germe appartient au prélèvement. Cet événement
a pour probabilité 1/5000, si l’on considère que tous les germes de la suspension de départ ont grossièrement la
même probabilité d’appartenir à ce prélèvement. On répète l’expérience 800x5=4000 fois.
X suivra donc approximativement une binomiale B(4000; 1/5000)
La concentration moyenne m de la suspension est la moyenne de X, c'est-à-dire E(X) = 0.8 ; V(X) = 0.79984 ;
σ(X) = 0.8943
38
La loi de X peut être approximée par une Poisson P(0.8) Þ P(X=0) = 0.449 ; P(X=1) = 0.359
S’il y a un développement bactérien, cela implique qu’il y a au moins un germe. Il faut donc calculer une
probabilité conditionnelle :
P(X=1 | X ³ 1)= P(X=1 et X ³ 1) / P(X ³ 1)= P(X=1) / { 1- P(X=0) }= 0.652 ;
b) - la variable aléatoire Y suit une B(30 ; 0.551) de moyenne = 16.53 de variance = 7.42197 et d’écart type =
2.724
La loi de Y peut être approximée par une loi normale de moyenne E(Y) = 16.53 et d’écart type σ(Y) = 2.724
c) - Dans le dernier cas, on ne connaît pas la concentration moyenne x de germes par litre. On sait qu’il y a 30 –
12= 18 tubes sans développements bactériens et, par conséquent, 18 tubes où il y a 0 germes.
La probabilité expérimentale d’avoir un tube sans germes est 18/30= 0.60
D’un autre côté, si m est la concentration, la probabilité théorique qu’un tube soit sans germes est, en utilisant
la loi de Poisson P(m) :
P(X=0) = exp(-m)=0.60 Þ -m=log(0.60) d’où m=0.511 g/ml
Exercice 12.
a) – En ordonnée P(A) est la probabilité d’acceptation et p le pourcentage de défectueux en abscisse.
Courbe idéale
P(A)
0,1
b) – R suit un binomiale B(n, p=0,1). Soit A l’événement correspondant à l’acceptation du lot. La question posée
est équivalente à la suivante : quel est le nombre n tel qu’on ait autant de chance d’accepter le lot (contenant
10% de défectueux) que de le refuser ( on se trouve alors au point d’indifférence).
Autrement dit n est tel que P(A)= 0,5 d’où P(R=0)= 0,5= (0,9)n
Et donc n= Ln (0,5) /Ln (0,9)= 6,58 et n approximativement égal à 7

c) – L’acceptation presque sûre implique P(A) > 0,95
(1-p)7 > 0,95 implique p< 1- (0,95) 1/7
et p < 0,0073
- Le rejet presque sûr implique P(A) < 0,05 d’où (1-p)7 < 0,05
et p > 0,348
39
- Le doute implique que p est compris entre 0,0073 et 0,348
d) R suit une binomiale B(10, p) et R’ une binomiale B(20, p)

P(A)= P(R=0) + P(R=1)*P(R’=0)
=(1-p)10 + 10p(1-p)9(1-p)20 =( 1-p)10 + 10p(1-p)29
Si p=0,01 alors P(A)= 0,979
40
LOI NORMALE
NIVEAU I
Exercice 1.
a) f(x) est la fonction densité de probabilité de la loi normale centrée (moyenne nulle) et réduite (écart-type égal
à 1).
x 0 x
b) Par définition, la fonction de répartition de X est F(x) = ò -¥ f(t)dt = ò -¥ f(t)dt + ò 0 f(t)dt.
0 +¥ 0
Or, ò -¥ f(t)dt = 0,5 car ò -¥ f(t)dt = 2ò -¥ f(t)dt (symétrie de la densité de probabilité par rapport à 0). Donc,
F(x) = 0,5 + G(x).
c) La table fournie donne G(t)=Pr(0 < T < t), T étant une variable normale centrée et réduite. Les probabilités
(à 3 chiffres après la virgule) G(t) se lisent à l’intérieur du tableau. Pour plus de clarté, on a enlevé le 0, le t
correspondant se lit à partir de G(t) en regardant à gauche (1ère décimale) et en haut (2ème décimale) par ex :
G(t) = 0,424 correspond t = 1,43. De même, la valeur de G(1,96) s’obtient au croisement de la ligne 1,9 et de la
colonne 0,06 soit 0,475.
·Pr(X<0)=G(0) - G(-¥) = G(0) + G(+¥) (G est impaire G(-x) = -G(x)), Pr(X<0)=0+0,5=0,5.
·Pr(X<1,6)=G(1,6) - C=0,445+0,5=0,945
·Pr(X<-1)=G(-1) - G(-¥) = -G(1)+G(+¥) = -0,341 + 0,5 = 0,159
·Pr(-1,96< X < 1,96) = Pr(| X | < 1,96) = G(1,96) – G(-1,96) = 2G(1,96)= 2. 0,475 = 0,95
·Pr(2,6< X) = G(+¥) – G(2,6) = 0,5 – 0,495 = 0,005
·Pr(-1,6< X) = G(+¥) – G(-1,6) = G(+¥) + G(1,6) = 0,5 + 0,445 = 0,945
d) ·Pr(X<x) = 0,7 = G(x) – G(-¥) = G(x) + G(+¥) = G(x) + 0,5 soit G(x) = 0,7 – 0,5 = 0,2
En regardant dans la table , on lit G(x) = 0,2 (ou du moins la valeur la plus proche de 0,2) pour x = 0,52.
·Pr(x< X) = 0,2 = G(+¥) – G(x) = 0,5 – G(x) soit G(x) = 0,5 – 0,2 = 0,3 ce qui correspond à x = 0,84 après
lecture dans la table.
·Pr(x < | X |) = 1 – Pr(| X | < x) = 1 – 2G(x) = 0,1 soit G(x) = 0,9 / 2 = 0,450 ce qui correspond à x = 1,645.
Exercice 2.
X est une variable aléatoire normale de moyenne 2 et d’écart-type 2.
a) T suit une loi normale dont il faut calculer les paramètres caractéristiques moyenne et variance:
· E(T) = E( X-m / s) = 1/ s E(X-m) = 1/ s (E(X) - m) = 0.
· Var (T) = (1/s2 ) Var (X-m) = (1/s2) Var (X) = s2 / s2=1.
T est une variable aléatoire normale, centrée et réduite.
b) {X<1,5} = { (X-m) / s < (1,5 - m) / s} = {T < (1,5 – 2) / 2} = {T< -0,25} où T est une normale centrée et
réduite.
Pr(X<1,5) = Pr(T< -0,25) = G(-0,25) – G(-¥) = 0,5 – G(0,25) = 0,5 – 0,099 = 0,401
41
c) Pr(X>-2) = Pr( T > (-2 - m) / s ) = Pr( T > 0 ) = 0,5.
d) T = (X-m) / s donc X = sT + m d’où {-1<T<1} = {-s+ m < X < s+ m} = {0 < X < 4}
Pr(-1<T1) = Pr(0<X<4) = G(1) – G(-1) = 2G(1) = 2x0,341 = 0,682.
e) ·Pr(X<x) = 0,76 = Pr(T < (x-m) / s) où T est une normale centrée et réduite.
0,76 = Pr ( T < (x – 2) / 2 ) = G(t) – G(-¥) avec t = (x – 2) / 2, soit G(t) = 0,76 – 0,5 = 0,26, ce qui correspond à
t=0,71 soit x= 2t + 2 = (2x0,71) + 2 = 3,42.
·Pr(X³x) = 0,6 = Pr( T ³ (x – 2)/2) = G(+¥) – G(t) avec t = (x – 2)/2 soit G(t) = 0,5 – 0,6 = -0,1 Comme G est
impaire, 0,1 = G(-t) soit – t = 0 ,25 soit t = - 0,25 et x = ( - 0,25 x 2) + 2 = 1,5.
·Pr(0£X<x) = 0,4 = Pr( -1 £X< t) avec t = (x – 2 ) /2 soit 0,4 = G(t) – G(- 1) = G(t) + G(1) soit G(t) = 0,4 –
G(1) = 0,4 – 0,341 = 0,059 soit t = 0,15 et x = (2x0,15) + 2 = 2,30.
Exercice 3.
a) T est une normale centrée et réduite.
b) Pr(T< 0) = 0,5
Pr(T> 0) = 0,5
Pr( - 1 < T < 1) = 0,682
Pr(T≥2) = 0,023
Pr(1≤T<1,6) = 0,104
Pr(-0,5 ≤T<1,5) = 0,625
Pr(|T|<1,96) = Pr( -1,96 < T < 1,96) = 0,95
c) P(T<t) = 0,70 pour t = 0,52
P(T≥t) = 0,40 pour t = 0,25
P(0 ≤ T<t) = 0,30 pour t = 0,84
P(|T|<t) = 0,90 pour t = 1,645
Exercice 4. :
0,10 = Pr(m < X < C1) Þ C1 = 133,40 cm
0,20 = Pr(m < X < C2) Þ C2 = 141,82 cm
0,30 = Pr(m < X < C3) Þ C3 = 151,81 cm
0,40 = Pr(m < X < C4) Þ C3 = 165,53 cm
et les limites de classes symétriques par rapport à la moyenne:
C’1 = 117,80 cm
C’2 = 109,38 cm
C’3 = 99,39 cm
C’4 = 85,67 cm
NIVEAU II
42
Exercice 1.
X et Y suivent chacune une loi normale.
a) Pour calculer E(X), nous avons besoin d’une équation:
0,4=Pr(X>2)=Pr(T> (2- E(X))/ sx) où T est une normale centrée et réduite.
Soit 0,4 = Pr(T>t) avec t = (2 – E(X))/ sx
0,4 = G(+¥) – G(t) = 0,5 – G(t) soit G(t) = 0,1 qui correspond à t = 0,25
d’où 0,25 = (2 – E(X)) / 2 car var (X) = sx2 = 4 et finalement E(X) = 1,5.
b) De la même façon, on obtient:
0,9 = Pr(Y<0) = Pr (T< t) où T est une normale centrée et réduite et t = (0 – E(Y)) / sy
soit t = 2,5 / sy .
0,9 = G(t) - G(-¥) = G(t) + 0,5 soit G(t) = 0,4 ce qui correspond à t = 1,28. On a donc Var(Y) = sy2 = (2,5 /
1,28)2 = 3,81.
Exercice 2.
X: Nombre de «pile» sur 10000 lancers.
La loi suivie par X est une binomiale de paramètres p (probabilité de l’événement de Bernouilli) = 0,5 et n
(nombre de répétitions de l’épreuve élémentaire) = 10000.
Or, nous avons:
n très grand (>30)
E(X) = np = 10000 x 0,5 = 5000 > 10
La loi binomiale peut être approximée par une normale de paramètres caractéristiques E(X) = 5000 et V(X) =
npq = 2500, soit sx = 50.
On peut facilement calculer la probabilité demandée:
P = 1 – Pr(4900<X< 5100). = Pr((4900 – 5000) / 50 <T< (5100 – 5000) / 50) = 1 – Pr(-2<T<2)
P = 1 – 2G(2) = 1 – (2x0,477) = 0,046.
Exercice 3.
a) $ une infinité de valeurs a et b satisfaisant Pr(a<X<b)=0,95. (il faut que la surface sous la courbe de la
densité de probabilité de X entre a et b égale 95% du total).
b) Pr(valeur pathologique)= 1 – Pr(valeur acceptable) = 1 – 0,95 = 0,05.
c) a= 60 et b = 140.
d) Pr(valeur pathologique) = 1 – Pr(X<140) = 0,025.
e) 0,818.
Exercice 4.
a) Moyenne = 1,63 g et écart-type = 0,1 g ; b) 2300 individus.
Exercice 5.
a) moyenne dans cette population = 1,20 g.
43
écart-type = 0,20 g.
b) 30,8% de la population.
Exercice 6. :
X ~ B(200; 0,5) approximée par une normale N (100; s2 = 50).
P1 = 0,003.
P2 ® 0.
Exercice 7. :
a) X ~ B(180; 1/6) approximée par une normale N (30; s2 = 25).
P1 = 0,818
b) X ~ N (120 ; s2 = 100).
a = 130.
Exercice 8.
a) n = 10: X ~ B(10; 0,46)
n = 100: X ~ B(100; 0,46) approximée par une normale N (46; s2 = 25).
b) n = 10: p = 0,2643
n=100: p = 0,115.
NIVEAU III
Exercice 1.
X: Poids d’un nouveau-né garçon. X ~ N (3,4; 0,25 2)
a) Pr(3,4 – x <X<3,4 + x)= 0,5 = Pr((3,4 – x – E(X)) / sx <T<(3,4 + x – E(X)) / sx), où T est une normale
centrée et réduite.
0,5 = Pr((3,4 – x – 3,4) / 0,25 <T<(3,4 + x – 3,4) / 0,25)= Pr( - x / 0,25<T< x / 0,25)
Soit 0,5 = 2G(x / 0,25) d’où G(x / 0,25) = 0,25 ce qui correspond à (x / 0,25) = 0,67 soit x=0,1675.
b) Y: Poids d’un nouveau-né fille. Y ~ N ( 3,2; 0,25 2)
V: Poids d’un nouveau-né.
·On cherche:
Pr(V>3,6) = Pr(V>3,6 et le nouveau-né est une fille) + Pr(V>3,6 et le nouveau-né est un garçon).
Pr(V>3,6) = Pr(V>3,6 / fille)xPr(fille) + Pr(V>3,6 / garçon)xPr(garçon).
Or, (V>3,6 / fille) Û Y>3,6 et (V>3,6) / garçon) Û X>3,6.
Pr(V>3,6) = Pr(Y>3,6)xPr(fille) + Pr(X>3,6)xPr(garçon)
Pr(V>3,6) = Pr(T> 1,6)x0,4 + Pr(T> 0,8)x0,6 où T est une normale centrée et réduite.
Pr(V>3,6) = (0,5 – G(1,6))x0,4 + (0,5 – G(0,8))x0,6 = 0,149, soit 15% des nouveaux-nés de cette clinique ont
un poids supérieur à 3,6 kg.
44
·On cherche:
Pr(fille / V>3,6) = Pr(fille et V>3,6) / Pr(V>3,6)
Pr(fille / V>3,6) = Pr(V>3,6 / fille)xPr(fille) / Pr(V>3,6)
Pr(fille / V>3,6) = Pr(Y>3,6)xPr(fille) / Pr(V>3,6)
Pr(fille / V>3,6) = Pr(T> 1,6)x0,4 / Pr(V>3,6)
Pr(fille / V>3,6) = 0,022 / 0,149 = 0,1476, un nouveau-né pesant plus de 3,6 kg a 15% de chances d’être une
fille.
Exercice 2.
X: Poids total des comprimés.
a) X = N + P , où N et P suivent 2 lois normales indépendantes.
X suit donc aussi une loi normale dont la moyenne est la somme des moyennes de N et P et dont la variance est
la somme des variances de N et P.
E(X) = E(N) + E(P) = 0,150 + 0,100 = 0,250 g.
V(X) = V(N) + V(P) = 0,020 2 + 0,010 2 = 0,0005 soit sx = 0,022 g.
b) On cherche x1 et x2, tels que Pr(x1 < X < x2 ) = 0,95 avec x1 et x2 symétriques par rapport à la moyenne, soit
0,95 = Pr( E(X) – x <X< E(X) + x).
0,95 = Pr( (E(X) – x – E(X)) / sx <T< (E(X) + x – E(X)) / sx) où T est une normale centrée et réduite.
0,95 = Pr( - x /sx <T< x / sx) = 2G(x / sx) soit G(x / sx) = 0,475 ce qui correspond à (x/sx)=1,96 soit x = 0,022.
1,96 = 0,043.
On a finalement: x1 = E(X) – x = 0,250 – 0,043 = 0,207 g.
x2 = E(X) + x = 0,250 + 0,043 = 0,293 g.
95% des comprimés ont un poids compris entre 0,207 g et 0,293 g.
Exercice 3.
X: notes de mathématiques. X ~ N (8,5; sx2)
a) 0,30 = Pr(X ³ 10) = Pr( T ³ (10 – 8,5) / sx ) = 0,5 – G(1,5 / sx) soit G(1,5 / sx)=0,2 ce qui correspond à (1,5
/ sx) = 0,52 soit sx = 2,88.
b) Soit X’: les nouvelles notes. X’ = X + k
E(X’) = 10 = E(X + k) = E(X) + k soit k = 10 – E(X) = 10 – 8,5 = 1,5.
On cherche Pr(X’ ³ 10 / X < 10) = Pr(X’ ³ 10 et X < 10) / Pr(X < 10)
= Pr(X + 1,5 ³ 10 et X < 10) / Pr(X < 10) = Pr(X ³ 8,5 et X < 10) / Pr(X<10)
= Pr(8,5 £ X < 10) / Pr(X<10) = Pr((8,5 – 8,5) / 2,88 £ T < (10 – 8,5) / 2,88) / 0,70
avec T normale, centrée et réduite.
= Pr( 0 £ T < 0,52) / 0,70 = [G(0,52) – G(0)] / 0,70
= 0,199 / 0,70 =0,284.
28,4% de personnes réussissent l’examen alors qu‘elles l’auraient raté sans la modification des notes.
45
c) On divise ce pourcentage par 2: 0,142 = Pr(X + k ³ 10 et X < 10) / Pr(X < 10)
= Pr(10 - k £ X < 10) / Pr(X<10) = Pr((10 – k – 8,5) / 2,88 £ T < (10 – 8,5) / 2,88) / 0,70
= Pr((1,5 – k) / 2,88 £ T < 0,52) / 0,70 = [G(0,52) – G((1,5 - k) / 2,88)] / 0,70
=[0,199 – G(t)] / 0,70 = 0,142 (avec t = (1,5 – k) / 2,88)
G(t) = 0,199 – (0,142 x 0,70) = 0,0996 ce qui correspond à t = 0,25
soit k = 1,5 – (0,25 x 2,88) = 0,78
D’où: E(X’) = E(X + 0,78) = E(X) + 0,78 = 8,5 + 0,78 = 9,28
Et V(X’) = V(X + 0,78) = V(X) donc sX’ = sX = 2,88.
Exercice 4.
a) T suit une normale centrée et réduite.
b) 16,1%
c) 8,8% et 0,9%.
Exercice 5.
a) D: Diamètre des bonbons.
Pr(défectueux) = 1 – Pr(0,7448 < D < 0,7552) = 0,01, soit 1% de bonbons défectueux.
b) D’: Diamètre des bonbons, machine déréglée.
Pr(défectueux) = 0,084, soit 8,4% de défectueux.
c) X: nombre de défectueux sur un échantillon de 100.
X ~ B ( 100 ; 0,01) approximée par une loi de Poisson de paramètre 1 = np=100x0,01
Pr (vérification) = Pr( X > 3) = 0,981.
Exercice 6. Référence: Stephen JAY-GOULD: La mal-mesure de l’Homme.

a) Hommes: moyenne = 1392 g et écart-type = 208 g
b) Femmes: moyenne corrigée = 1402 g
Ecart-type corrigé: 276 g.
c) 0,64.
Exercice 7.
a) s = 2,6.
b) E(X’) = 9,5
V(X’) = 6,76 d’où s’ = 2,6.
p’ = 42,5%
c) E(X’’) = 9k
V(X’’) = (2,6k)2 d’où s’’ = 2,6k. et k = 1,055.
Exercice 8.
46
a) X: Durée de vie d’un stylo.
R: nombre de stylos inutilisables après 49 jours sur n stylos mis en circulation.
R ~ B(n; Pr(X £ 49)), d’où E(R) = 0,136 n
R’:nombre de stylos inutilisables après 65 jours sur n stylos mis en circulation.
R’ ~ B(n; Pr(X £ 65)) d’où E(R’) = 0,692 n.
b) Pr((58 £ X < 62) / X ³ 53) = Pr ((58 £ X < 62) et X ³ 53) / Pr(X ³ 53)
Pr (X ³ 53 / (58 £ X < 62)) x Pr(58 £ X < 62) / Pr(X ³ 53) = Pr(58 £ X < 62) / Pr(X ³ 53)=0,653.
Exercice 9.
a) X ~ B(n; 0,4)
b) Pr(X = 3) = 0,215
Pr(X ³ 2) = 1 – Pr(X < 2) = 0,954.
c) n = 2000:
X ~ B(2000; 0,46) approximée par une normale N (800; s2 = 480).
i) Pr( 750 < X < 850) = 0,978
ii) x0 = 782
iii) R = Pr( X > xlim)
Pour R = 5%, xlim = 837 vaccins.
Pour R = 1%, xlim = 851 vaccins.
En augmentant le stock de seulement 14 vaccins, on divise le risque de ne pas pouvoir répondre à la demande
par 5.
47

EXOS Proba + VA + Lois Usuelles

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

EXOS Proba + VA + Lois Usuelles

Transféré par

Droits d'auteur :

Formats disponibles

UNIVERSITE PARIS-SUD XI

Année 2004/2005 Un coup de dés jamais n’abolira le hasard

ENONCE DES EXERCICES

P2 = lapins sains et test négatif

c) Déterminer en fonction de n la probabilité d'être pollué après n journées d'exposition.

Les exercices de type 2 portent sur les variables aléatoires continues.

a) Calculer moyenne et variance de X.

d) Calculer E(Y), V(Y) et s(Y).

P(X) 0,2 0,2 a 0,3

a) Déterminer la valeur de a pour avoir une loi de probabilité.

a) Calculer E(X) et V(X).

a) Sachant que la moyenne de X est égale à 2, déterminer a et b et représenter graphiquement la loi

a) Tracer la courbe de f(x).

LOI BINOMIALE ET LOI DE POISSON

a) De quelle loi de probabilité s’agit-il?

Utilisation de la loi normale pour des approximations.

NIVEAU III: Applications à des problèmes

Référence: Stephen JAY-GOULD: La mal-mesure de l’Homme.

ii) Au moins 2 personnes demandent à être vaccinées.

c) On considère le cas n = 2000:

Nombre de cas favorables

Mesure de l' importance de l'ensemble des cas favorables

c) L’as de trèfle est unique : P(as de trèfle) = 1/52

c) On n’en sait rien, des fois oui, des fois non.

Soit P2 = P + (1-P)P = 0.75

On aurait aussi pu passer par la probabilité de l’événement inverse :

P2 = 1 - P(l’atome ne s’est pas désintégré après 2 périodes)

Pn = 1 - P(l’atome ne s’est pas désintégré après n périodes)

« 20% de lapins malades » (événement M) signifie : P(M) = 0,20

« 80% de lapins sains » (événement S = événement inverse de M) signifie : P(S) = 0,80

On utilisera à cette fin les relations suivantes :

P(M et +) = P(M) P(+/M) ; P(S et +) = P(S) P(+/S)

Avec les informations fournies par l’énoncé, on remplit le tableau :

Ainsi, l’intérieur du tableau donne P1, P2, P3, P4

D’où Pa , la probabilité de tirer 2 boules blanches : Pa =

D’où Pb , la probabilité de tirer 2 boules de la même couleur : Pb =

D’où Pc , la probabilité de tirer 2 boules non vertes : Pc =

Ce que l’énoncé nous donne est :

Comme précédemment, on remplit le tableau de probabilités :

Y correspond à la même expérience que X, donc la v.a. Y a la même loi que X.

b) E(X) = E(Y) = åxipi = 1*1/6 + 2*1/6 + 3*1/6 + 4*1/6 + 5*1/6 + 6*1/6

E(X) = 1/6(1+2+3+4+5+6) = 21/6 = 7/2

V(X) = V(Y) = E[(X - E(X))2] = E(X2) – [E(X)] 2 = åxi2pi – [E(X)] 2

V(X) = 1/6(1+4+9+16+25+36) – 49/4 = 35/12

s(X) = s(Y) = , V(X) = , 35/12 » 1,708

X et Y sont indépendantes donc P(S = 2) = P(X = 1 et Y = 1) = P(X = 1)P(Y = 1) = 1/6*1/6 = 1/36,

P(S = 3) = P((X = 1 et Y = 2) ou (X = 2 et Y = 1)) = P(X = 1)P(Y = 2) + P(X = 2)P(Y = 1) = 2/36…

On obtient finalement pour la loi de S :

On vérifie que åpi = 1.

F(2) = P(S < 2) = 0

(entre -¥ et 2 compris, la fonction de répartition vaut 0)

F(2 + e) = P(S < 2 + e) = P(S = 2) = 1/36, avec e un réel positif proche de 0.

F(3) = P(S < 3) = P(S = 2) = 1/36

(entre 2 non compris et 3 compris, la fonction de répartition vaut 1/36)

F(3 + e) = P(S < 3 + e) = P(S = 2) + P(S = 3) = 3/36

F(4) = P(S < 4) = P(S = 2) + P(S = 3) = 3/36

(entre 3 non compris et 4 compris, la fonction de répartition vaut 3/36)

F(4 + e) = P(S < 4 + e) = P(S = 2) + P(S = 3) + P(S = 4) = 6/36

F(5) = P(S < 5) = P(S = 2) + P(S = 3) + P(S = 4) = 6/36

(entre 4 non compris et 5 compris, la fonction de répartition vaut 6/36)

F(5 + e) = P(S < 5 + e) = 10/36

F(6) = P(S < 6) = 10/36

(entre 5 non compris et 6 compris, la fonction de répartition vaut 10/36)

b) E(X) = E(Y) = åxipi = 11/6 + 21/6 + 31/6 + 41/6 + 51/6 + 61/6

E(X) = åxipi = 0q + 1p = p

b) E(Y) = (11/16) + (23/16) + (35/16) + (47/16) = 50/16

V(Y) = 1/16[1 + 34 + 59 + 7*16] – (50/16)2 = 1/16[170 – 2500/16] »0,859