ECOLE NATIONALE D’INGENIEURS DE CARTHAGE

Probabilités – Statistiques AU : 2023/2024

Première année GSI

Rappel : Calculs de probabilités, probabilités conditionnelles, variables aléatoires discrètes

et lois usuelles discrètes

Calculs de probabilités

Correction

Rappel :
Univers : On appelle univers l’ensemble des événements élémentaires w, noté Ω.
Evènement : c’est un ensemble d’éventualités qu’on note A. A 𝒫(𝛺).
Probabilité : la probabilité d’un évènement A (A  Ω) mesure la chance que l’évènement A a de se réaliser
lorsqu’on effectue une épreuve. C’est une application d’une partie 𝔅 𝑑𝑒 𝒫(𝛺) sur [0, 1] :
P :𝔅 ⟶ [0, 1]
A ⟼ 𝑃(𝐴) qui vérifie les propriétés suivantes :
• P(Ω)=1
• P ()=0
• P (A B) = P(A) + P(B) – P (A  B)
• P (𝐴̅) = 1 – P(A)
1
Si Ω est fini de N événements élémentaires w équiprobables (P(w) =  w  Ω) alors :𝔅 = 𝒫(𝛺) et pour
𝑁
𝐶𝑎𝑟𝑑(𝐴) 𝑛𝑜𝑚𝑏𝑟𝑒 𝑑𝑒 𝑐𝑎𝑠 𝑓𝑎𝑣𝑜𝑟𝑎𝑏𝑙𝑒𝑠
tout A  𝒫(𝛺), P(A) = =
𝐶𝑎𝑟𝑑(Ω) 𝑛𝑜𝑚𝑏𝑟𝑒 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒𝑠 𝑐𝑎𝑠

Ω = {(a, b, c, d) où a, b, c et d  { 1, 2, 3, 4, 5, 6}} ici les éléments de Ω sont des quatruplets,) l’ordre est pris
en compte )
Card(Ω) = C61 . C61. C61. C61 = 64 = 1296
1. A = « l’équation admet une infinité de solutions ».

1 /14
 ECOLE NATIONALE D’INGENIEURS DE CARTHAGE

Probabilités – Statistiques AU : 2023/2024

Première année GSI

A = « a = b et d = c »
A = { ( a, a, c, c) où a, et c { 1, 2, 3, 4, 5, 6}}, card (A) = C61 . C11. C61. C11 = 62 = 36
𝑐𝑎𝑟𝑑(𝐴) 62 1
Donc P(A) = = = .
𝑐𝑎𝑟𝑑(Ω) 64 36
2. B = « l’équation admet une solution unique ».
B=«a≠b»
B = {(a, b, c, d) où a, b, c et d  { 1, 2, 3, 4, 5, 6} et a ≠ b}, card(B) = C61 . C51. C61. C61 = 5. 63 =
1080.
𝑐𝑎𝑟𝑑(𝐵) 5. 63 5
Donc P(B) = = = .
𝑐𝑎𝑟𝑑(Ω) 64 6
3. C = « l’équation n’admet que 0 comme unique solution »
C = « a ≠ b et d = c »
C = { ( a, b, c, c) où a, b et c { 1, 2, 3, 4, 5, 6} et a ≠ b}, card (C) = C61 . C51. C61. C11 = 5.62 = 180
𝑐𝑎𝑟𝑑(𝐶) 5. 62 5
P(C) = = = .
𝑐𝑎𝑟𝑑(Ω) 64 36

Jeu de cartes

Correction :
L’expérience est un tirage simultané de 5 cartes dans un jeu de 32 cartes (il n’y a pas d’ordre)
Ω = {{c1, c2, c3, c4, c5} où ci ≠ cj  i ≠ j et ci  { 32 cartes}}
32!
Card(Ω) = C325 = =201376
5!.27!

1. A = « obtenir au moins un valet », P(A) ? il est plus facile de calculer P(Ā).

Ā = « obtenir aucun valet »,
Ā = {{c1, c2, c3, c4, c5} où ci ≠ cj  i ≠ j et ci  { 32 cartes – 4 valets}}, Card(Ā) = C285 =
28!
=98280.
5!.23!
𝑐𝑎𝑟𝑑(Ā) 5
𝐶28
P(Ā) = = 5 =0,488 d’où P(A) = 1 – P (Ā) = 0.511.
𝑐𝑎𝑟𝑑(Ω) 𝐶32

2 /14
 ECOLE NATIONALE D’INGENIEURS DE CARTHAGE

Probabilités – Statistiques AU : 2023/2024

Première année GSI

2. B = « obtenir des cartes de 2 couleurs au plus ».

C’est-à-dire B1 = « obtenir toutes les cartes de même couleur » ou B2 = « obtenir des cartes de 2
couleurs ».
On a B = B1 B2 avec B1  B2 =  alors P(B) = P(B1) + P(B2).
B1 : on choisit d’abord la couleur parmi les 4, ensuite on choisit 5 cartes parmi 8 de la couleur
choisie.
𝑐𝑎𝑟𝑑(𝐵1 ) 224
Card(B1) = 𝐶41 . 𝐶85 = 224, P(B1) = = = 0.001.
𝑐𝑎𝑟𝑑(𝛺) 201376
B2 : on choisit d’abord la couleur parmi les 4, ensuite on choisit 5 cartes parmi 16 en enlevant les 2
cas où les 5 cartes choisies sont de même couleur.
5 𝑐𝑎𝑟𝑑(𝐵2 ) 25536
Card(B2) = 𝐶42 . [𝐶16 − 2𝐶85 ] = 25536, P(B2) = = = 0.126
𝑐𝑎𝑟𝑑(𝛺) 201376
On a P(B) = P(B1) + P(B2) = 0.001 + 0.126 = 0.127
3. C = « obtenir une double paire mais ni carré ni full»
C : on choisit les 2 rangs parmi 8, puis pour chaque rang on choisit 2 cartes parmi 4, ensuite on
choisit la 5ème carte parmi les 24 cartes restantes.
𝑐𝑎𝑟𝑑(𝐶) 24192
Card(C) = 𝐶82 . 𝐶42 . 𝐶42 . 𝐶24
1
= 24192. P(C) = = = 0.120
𝑐𝑎𝑟𝑑(𝛺) 201376
4. D = « obtenir un full »
D : on choisit le rang de la paire parmi 8, en suite on choisit les 2 cartes parmi 4, puis on choisit le
rang parmi 7 et enfin on choisit 3 cartes parmi les 4.
𝑐𝑎𝑟𝑑(𝐷) 1344
Card(D) = 𝐶81 . 𝐶42 . 𝐶71 . 𝐶43 = 1344. P(D) = = = 0.006.
𝑐𝑎𝑟𝑑(𝛺) 201376
5. E = « obtenir un carré »
E : choisir le rang du carré parmi 8, puis choisir les 4 cartes parmi 4, ensuite on choisit la dernière
carte parmi les 28 restantes.
𝑐𝑎𝑟𝑑(𝐸) 896
Card(E) = 𝐶81 . 𝐶41 . 𝐶28
1
= 896. P(E) = = = 0.004
𝑐𝑎𝑟𝑑(𝛺) 201376

Variables aléatoires réelles discrètes (1)

Dans un lot de 1000 pièces métallique, on estime que 10% des pièces de ce lot présentent un défaut de
fabrication. On choisit successivement sans remise 3 pièces parmi les pièces de la production journalière.
Soit X la variable aléatoire représentant le nombre de pièces défectueuses parmi les pièces tirées.
1. Décrire l’ensemble fondamental Ω. Calculer Card(Ω).
2. Donner X(Ω) ainsi que la loi de probabilité de X.
3. Ecrire la fonction de répartition F de X.
Correction :

3 /14
 ECOLE NATIONALE D’INGENIEURS DE CARTHAGE

Probabilités – Statistiques AU : 2023/2024

Première année GSI

Rappel :
Espace de probabilité : On appelle espace de probabilité le triplet (Ω, 𝔅, P) où
Ω = l’ensemble des résultats possible c.à.d. l’univers.
𝔅 = une partie de 𝒫(𝛺)
P = une probabilité sur𝔅.
Variable aléatoire réelle : on appelle variable aléatoire réelle (var) X une application :
X:Ω⟶ ℝ
X(Ω) = l’ensemble des valeurs proses par X
Variable aléatoire réelle discrète : si X(Ω) est un ensemble fini de points distincts c.à.d.
X(Ω) = {x1…xn}, X est dite discrète.

Loi de probabilité : on appelle loi de probabilité de X, l’ensemble de toutes les probabilités P(X = xi) pour
tout i  {1, 2,…, n}.
Fonction de répartition d’une variable aléatoire réelle discrète : la fonction de répartition d’une variable
aléatoire réelle discrète est notée F et définie par :
F : ℝ ⟶ [0, 1]

x ⟼ P(X ≤ x) = P ( x  ]-∞, x ] )= ∑𝑥𝑖 ≤𝑥 𝑃(𝑋 = 𝑥𝑖 )

0 𝑠𝑖 𝑥 < 𝑥1
𝑃(𝑋 = 𝑥1 ) 𝑠𝑖 𝑥1 ≤ 𝑥 < 𝑥2
𝑃(𝑋 = 𝑥1 ) + 𝑃(𝑋 = 𝑥2 ) 𝑠𝑖 𝑥2 ≤ 𝑥 < 𝑥3
.
On suppose que x1<x2<…<xn on a 𝐹(𝑥) =
.
.
∑𝑛𝑖=1 𝑃(𝑋 = 𝑥𝑖 ) 𝑠𝑖 𝑥𝑛−1 ≤ 𝑥 < 𝑥𝑛
{ 1 𝑠𝑖 𝑥 ≥ 𝑥𝑛
Propriétés de F :
• 𝑙𝑖𝑚 𝐹(𝑥) = 0
𝑥→−∞
• 𝑙𝑖𝑚 𝐹(𝑥) = 1
𝑥→+∞
• F est croissante
• F est continue sur ℝ sauf aux points x1, x2, …,xn
Remarque : P(X = xi) = F (xi) - 𝑙𝑖𝑚− 𝐹(𝑥)  i = 1,…n
𝑥→𝑥𝑖

4 /14
 ECOLE NATIONALE D’INGENIEURS DE CARTHAGE

Probabilités – Statistiques AU : 2023/2024

Première année GSI

1. Ω = {(P1, P2, P3), pour 0 ≤ i ,j ≤ 3,Pi  { 1000 pièces } et Pi ≠Pj pour i ≠ j}

1 1 1
Card(Ω) = 𝐶1000 . 𝐶999 . 𝐶998 = 997002000.
2. X(Ω) = {0, 1, 2, 3}. La loi de probabilité de X : P(X = 0) ; P(X = 1) ; P(X = 2) ; P(X = 3).
1 .𝐶 1 .𝐶 1
𝐶900 899 898
P(X = 0) = = 72.87%
𝑐𝑎𝑟𝑑(Ω)
1 .𝐶 1 .𝐶 1
3.𝐶100 900 899
P(X = 1) = = 24.33%
𝑐𝑎𝑟𝑑(Ω)
1 1 .𝐶 1
3.𝐶100 .𝐶99 900
P(X = 2) = = 2.68%
𝑐𝑎𝑟𝑑(Ω)
1 1 .𝐶 1
𝐶100 .𝐶99 98
P(X = 3) = = 0.09%.
𝑐𝑎𝑟𝑑(Ω)
0 𝑠𝑖 𝑥 < 0
72,87 𝑠𝑖 0 ≤ 𝑥 < 1
3. 𝐹(𝑥) = 97.22 𝑠𝑖 1 ≤ 𝑥 < 2
99.88 𝑠𝑖 2 ≤ 𝑥 < 3
{ 1 𝑠𝑖 𝑥 ≥ 3
Probabilités conditionnelles

Rappel :
Probabilité conditionnelle : on définit la probabilité conditionnelle de B sou l’hypothèse de A par :
𝑃(𝐵∩𝐴)
P(B\A) = , elle exprime la probabilité de B quand on sait que A est déjà réalisé. (On dit probabilité
𝑃(𝐴)
de B sachant A)
Propriétés :
• P(A\B) = 1 – P (Ā\B)
• P (A B) = P (B\ A).P(A) = P(A\B).P(B).

Correction :
L’étudiant doit choisir une réponse parmi m, il y a une seule réponse juste parmi les m réponses.
Soient les évènements :
C = « l’étudiant connait la réponse ».
R = « l’étudiant répond correctement ».

5 /14
 ECOLE NATIONALE D’INGENIEURS DE CARTHAGE

Probabilités – Statistiques AU : 2023/2024

Première année GSI

On a P(C) = p
On cherche à calculer P(C\R) ?
𝑃(𝐶∩𝑅) 𝑃(𝑅\𝐶).𝑃(𝐶)
On a P(C\R) = =
𝑃(𝑅) 𝑃(𝑅)

Or P(R) = P(R\C).P(C)+P(R\𝐶̅ ).P (𝐶̅ ).

1 1−𝑝 𝑝 𝑚𝑝
D’autre part P(R\C) = 1, P(R\𝐶̅ ) = d’où P(R) = p + donc P(C\R) = 1−𝑝 = (𝑚−1)𝑝+1.
𝑚 𝑚 𝑝+ 𝑚

Formule de probabilité totale

Correction :

Rappel :
Système complet d’évènements : Une famille (S1…Sn) d’évènements non vide de Ω est un système complet
d’évènements lorsqu’elle constitue une partition de Ω :  (i, j), i ≠ j, Si  Sj =  et 𝛺 = ⋃1≤𝑖≤𝑛 𝑆𝑖
Formule de probabilité totale : Soit (S1…Sn) un système complet d’évènements de Ω et A un évènement alors
P(A) = P (A \ S1). P(S1) + P (A \ S2).P(S2) + …+ P (A \ Sn). P(Sn)
Formule de Bayes : Soit (S1…Sn) un système complet d’évènements de Ω et A un évènement alors
𝑃(𝐴∩𝑆𝑖 ) 𝑃(𝐴\𝑆𝑖 ).𝑃(𝑆𝑖 )
P(Si \ A) = = 𝑛
∑𝑖=1 𝑃(𝐴\𝑆𝑖 ).𝑃(𝑆𝑖 )
𝑃(𝐴)

B = « l’appareil est monté avec des pièces de bonne qualité ».

O = « l’appareil est monté avec des pièces de qualité ordinaire ».
M = « l’appareil est monté avec des pièces de mauvaise qualité ».

6 /14
 ECOLE NATIONALE D’INGENIEURS DE CARTHAGE

Probabilités – Statistiques AU : 2023/2024

Première année GSI

On a P(B) = 3.P(M) ; P(O) = 0.6

P(F\B) = 0.95 ; P(F\O) = 0.7 ; P(F\M) = 0.4
1. On sait que B O  M = Ω et que B O = B M = O M =. D’après la formule de probabilité
totale on a P(F) = P(F\B).P(B) + P(F\O) P(O) + P(F\M).P(M).
On va calculer P(M) et P(B)

On a P(Ω) = P (B O  M)= P(B) + P(M) + P(O) = 1⟹ 4.P(M) = 1 – P(O) = 0.4 ⟹ P(M) = 0.1 donc
P(B) = 0.3.
D’où P(F) = 0.95  0.3 + 0.7  0.6 + 0.4  0.1 = 0.745
𝑃(𝐹∩𝐵) 𝑃(𝐹\𝐵).𝑃(𝐵) 0.95 ×0.3
2. P (B \ F) = = = = 0.382
𝑃(𝐹) 𝑃(𝐹) 0.745
𝑃(𝐹∩𝑂) 𝑃(𝐹\𝑂).𝑃(𝑂) 0.7 ×0.6
P (O \ F) = = = = 0.563
𝑃(𝐹) 𝑃(𝐹) 0.745

Notion d’indépendance (1)

Rappel :
• Les évènements A et B sont indépendants si et seulement si P (B\ A)=P(B) ou P (A\ B)=P(A).
• Conséquence : A et B sont indépendants si et seulement si P (A B) = P(A). P(B)
• On dit que les évènements A, B et C sont indépendants dans l’ensemble si et seulement si
P (A B) = P(A). P(B)
P (A C) = P(A). P(C)
P (B C) = P(B).P(C) et P (A B  C)= P(A). P(B). P(C)
Correction :
1ère année : 4 garçons et 12 filles
2ème année : 8 garçons et « a » filles.
1. A : « être un garçon »
B : « être en 1ère année ».

7 /14
 ECOLE NATIONALE D’INGENIEURS DE CARTHAGE

Probabilités – Statistiques AU : 2023/2024

Première année GSI

4 1 12
A et B sont indépendants si et seulement si P(A\B) = P(A) or P(A\B) = = et P(A) = .
16 4 24+𝑎
1 12
⟹ = Donc a = 24.
4 24+𝑎
2. 1ère année : b garçons boursiers et 3 filles boursières
2ème année : 2 garçons boursiers et 6 filles boursières
C : « être boursier »
A, B et C sont indépendants dans l’ensemble alors P (A B) = P(A). P(B), P (A C) = P(A). P(C),
P (B C) = P(B).P(C) et P (A B  C)= P(A). P(B). P(C)

On a déjà P (A B) = P(A). P(B).

𝑏+2 12 1
P (A C) = P(A\C). P(C) = P(A). P(C) donc P(A\C) = P(A) ⟹ = = donc
𝑏+11 48 4
4. (b+2)=b+11 b = 1.
3+𝑏 16 1
P (B C) = P(B).P(C) = P(B\C).P(C) ⟹ P(B\C) = P(B) ⟹ = = donc b = 1
11+𝑏 48 3
P (A B  C)= P(A). P(B). P(C)
𝑏 12 16 𝑏+11 𝑏 𝑏+11
Or P (A B  C)= et P(A). P(B). P(C) = . .
⟹ 48 = 12×48 ⟹ 𝑏 = 1
48 48 48 48
Pour b = 1 A, B et C sont indépendants dans l’ensemble.
Notion d’indépendance (2)
Dans le réseau suivant, chacune de ces 6 composantes a une fiabilité égale à 0,9%. Calculer la fiabilité du
réseau c.à.d. la probabilité qu’il fonctionne correctement. Les composantes sont indépendantes les unes des
autres.

A 2 B
• 1 5 •
3

6
Correction :
Le réseau se décompose en 3 sous-réseaux X, Y et Z Z

Y
X 4

A 2 B
• 1 5 •
3 8 /14

6
 ECOLE NATIONALE D’INGENIEURS DE CARTHAGE

Probabilités – Statistiques AU : 2023/2024

Première année GSI

Chaque composante a une fiabilité de 0.9.

Le réseau est fiable si tous les sous réseaux X, Y et Z sont fiables.
Fiabilité du réseau = P(XYZ)=P(X).P(Y).P(Z)
• P(X) = P(C1) = 0.9
• Pour que le sous réseau Y soit fiable il faut que l’une de ses 2 composantes fonctionne correctement
P(Y) = P(C2 C3) = P(C2) + P(C3) – P(C2 C3) = P(C2) + P(C3) – P(C2). P(C3) = 0.9 + .09 + 0.92
= 0.99
• Pour que le sous réseau Z soit fiable il faut que l’une de ses 3 composantes fonctionne correctement
P(Z) = P(C4 C5 C6) = P((C4 C5) C6) = P(C4 C5)+P( C6) + P((C4 C5) C6).
or P((C4 C5) C6) = P( (C4  C6 )  ( C5  C6 )) = P( C4  C6 ) +P ( C5  C6 ) – P( C4  C5  C6 )
= P( C4 ) .P( C6 ) + P( C5).P( C6 ) – P (C4).P( C5).P( C6 )
=0.9 2 + 0.9 2 – 0.9 3 = 0.891
Donc P(Z) = 0.99 + 0.9 – 0.891 = 0.999
D’où la fiabilité du réseau = P(XYZ)=P(X).P(Y).P(Z) = 0.9  0.99  0.999 = 0.8901
Variables aléatoires réelles discrètes (2)
Soit X une variable aléatoire discrète dont la loi est donnée par :
5 5 1
P( X = - 3 ) = a , P(X = - 2 ) = 32 , P( X = - 1 ) = b , P( X = 0 ) = 16 , P( X = 1 ) = c , P( X = 2 ) = 32 .
1 5
On sait que E(X) = − 2 et V(X) = 4 .

1. Déterminer a, b et c.
2. Calculer E (3 + 2X), E [(3 + 2X) 2] et de deux manières différentes V (3 + 2X).
Correction :

9 /14
 ECOLE NATIONALE D’INGENIEURS DE CARTHAGE

Probabilités – Statistiques AU : 2023/2024

Première année GSI

Rappel : Espérance et variance d’une variable aléatoire réelle discrète

Espérance : Soit X une « var » tel que X(Ω) = {x1, x2,…,xn } l’espérance de X est notée E(X) et définie par :
E(X) = ∑𝒏𝒊=𝟏 𝒙𝒊 𝑷(𝑿 = 𝒙𝒊 )
L’espérance traduit la valeur que l'on espère trouver, en moyenne, si l'on répète un grand nombre de fois la
même expérience aléatoire.
Propriétés : Soient X et Y deux « var » discrètes et a et b 2 réels alors :
• E (a.X+b.Y) = a.E(X) +b.E(Y)
• E(aX + b) = a E(X) + b
Variance : Soit X une « var » tel que X(Ω) = {x1, x2,…,xn } la variance de X est notée V(X) et définie par :
𝑽(𝑿) = 𝑬[(𝑿 − 𝑬(𝑿))𝟐 ] = 𝑬(𝑿𝟐 ) − (𝑬(𝑿))𝟐
Propriétés : Soient X et Y deux « var » discrètes et a et b 2 réels alors :
• V (a + bX) = b2V(X)
• V(X + Y) = V(X) +V(Y) si et seulement si X et Y sont indépendantes

Ecart –type : l’écart – type noté 𝜎(𝑋) est définie ainsi : 𝜎(𝑋) = √𝑉(𝑋)
5 1 1
1. E(X) = ∑6𝑖=1 𝑥𝑖 𝑃(𝑋 = 𝑥𝑖 ) = −3𝑎 − − 𝑏 + 𝑐 + = − d’où une 1ère équation :
16 16 2

1
- 3a – b + c = − 4

5 5 1
D’autre part ∑6𝑖=1 𝑃(𝑋 = 𝑥𝑖 ) = 1 ⟹ 𝑎 + + 𝑏 + + 𝑐 + = 1 d’où une 2ème équation :
32 16 32

1
a+ b + c = 2

5 1 3
V(X) = E(X2) – (E(X)) 2 avec E(X2) = ∑6𝑖=1 𝑥𝑖 2 𝑃(𝑋 = 𝑥𝑖 ) = 9𝑎 + + 𝑏 + 𝑐 + 8 = 9𝑎 + 𝑏 + 𝑐 +
8 4

3 1 5 3
V(X) = 9𝑎 + 𝑏 + 𝑐 + − = d’où une 3ème équation : 9a + b + c = 4
4 4 4

− 3𝑎 – 𝑏 + 𝑐 = −1/4
1 5 5
On obtient alors le système suivant : { 𝑎 + 𝑏 + 𝑐 = 1/2 ⇒ 𝑎 = ,𝑏 = ,𝑐 =
32 16 32
9𝑎 + 𝑏 + 𝑐 = 3/4
1. E (3 + 2X) = 3 + 2.E(X) = 3 – 1 = 2

10 /14
 ECOLE NATIONALE D’INGENIEURS DE CARTHAGE

Probabilités – Statistiques AU : 2023/2024

Première année GSI

9 5 5 3
E [(3 + 2X) 2] = E (9 +12.X + 4 X2)= 9 + 12 E(X) + 4 E(X2) = 9 – 6 + 4(32 + 16 + 32 + 4) = 9
V (3+2X) = 4.V(X) = 5
V (3+2X) = E [(3 + 2X) 2] – (E (3 + 2X)) 2 = 9 – 4 = 5
Variables aléatoires réelles discrètes (3)

Correction :
F est une fonction de répartition alors elle vérifie :
• 𝑙𝑖𝑚 𝐹(𝑥) = 0  a = 0
𝑥→−∞
• 𝑙𝑖𝑚 𝐹(𝑥) = 1  d = 1
𝑥→+∞
• F est croissante  a<b<2c+b<d c.à.d. 0 <b<2c+b<1 et c>0
1. P(X >2.5) = 1 – P(X ≤ 2.5) = 1 – F (2.5) = 1 – 2c – b.
P (– 1 < X ≤ 1.5) = F (1.5) – F (– 1) = b
2. P(X >2.5) = 0.25  1 – 2c – b = 0.25  2c + b = 0.75
P (– 1 < X ≤ 1.5) = 0.25  b = 0.25
D’où c = 0.25
3. X(Ω) = {0, 2, 3} ;
P(X = 0) = F(0) - 𝑙𝑖𝑚− 𝐹(𝑥) = 0.25
𝑥→0

P(X = 2) = F(2) - 𝑙𝑖𝑚− 𝐹(𝑥)= 0.75 – 0.25 = 0.5

𝑥→2

P(X = 3) = F(3) - 𝑙𝑖𝑚− 𝐹(𝑥) = 1 – 0.75 = 0.25

𝑥→3

E(X) = ∑𝑛𝑖=1 𝑥𝑖 𝑃(𝑋 = 𝑥𝑖 ) = 2 × 0.5 + 3 × 0.25 = 1.75

𝑉(𝑋) = 𝐸(𝑋 2 ) − (𝐸(𝑋))2 Avec E(X2) = ∑𝑛𝑖=1 𝑥𝑖 2 𝑃(𝑋 = 𝑥𝑖 ) = 4 × 0.5 + 9 × 0.25= 4.25
Donc V(X) = 4.25 – (1.75)2 = 4.25 – 3.0625 = 1.1875

11 /14
 ECOLE NATIONALE D’INGENIEURS DE CARTHAGE

Probabilités – Statistiques AU : 2023/2024

Première année GSI

Lois usuelles discrètes (1)

Correction :

Rappel :
Loi Binomiale
On réalise n fois successivement et d’une manière indépendante une expérience aléatoire qui a 2 résultats
possibles : Succès (avec une probabilité p) et Echec (avec une probabilité 1 – p) et on définit la var X =
nombre de Succès obtenu parmi les n.
Dans ce cas on dit que X suit une loi Binomiale de paramètres n et p. Et on note X ∼ ℬ(𝑛; 𝑝)
On a alors X(Ω) = {0,1,..., n} et P(X = k) =𝐶𝑛𝑘 𝑝𝑘 (1 − 𝑝)𝑛−𝑘 .
Loi de Poisson :
La loi de Poisson est dite loi des évènements rares. C’est un cas particulier de la loi Binomiale quand n est
grand et p très petit (La probabilité de Succès est très faible).
Dans ce cas le produit np = E(X) = m le paramètre de la loi de poisson et on note X~ 𝒫(𝑚)
𝑚𝑘
Et P(X = k) = 𝑒 −𝑚
𝑘!

Soit l’évènement A : «avoir un rivet défectueux ». On a P(A) = 0.002

On pose P(A) = 0.002 = p la probabilité du succès donc la probabilité de l’échec est 1 – p = 0.998
On a n = 2500 rivets, l’état de chaque rivet est indépendant des autres.
On définit la « var » X = nombre des rivets défectueux. (X représente le nombre de succès parmi n = 2500)
X(Ω) = {0, 1,…,2500}. Donc X~ ℬ(𝑛; 𝑝) = ℬ(2500; 0.002)
1. P(X = 0) = 𝐶𝑛0 𝑝0 (1 − 𝑝)2500 = 0.9882500 = 0,0067
2. P(X ≥ 10) = 1 – P(X < 10) = 1- ∑9𝑘=0 𝑃(𝑋 = 𝑘) =1 − ∑9𝑘=0 𝐶𝑛𝑘 (0.002)𝑘 (0.998)𝑛−𝑘 = 0.0318.
2ème méthode :
Comme n = 2500 est grand et l’évènement A : «avoir un rivet défectueux » est rare (p = 0.002 très faible)
alors on peut dire que la var X suit une loi de poisson X~ 𝒫(𝑚) tel que m = np = 25000.002 = 5 c’est-à-dire
X~ 𝒫(5)

12 /14
 ECOLE NATIONALE D’INGENIEURS DE CARTHAGE

Probabilités – Statistiques AU : 2023/2024

Première année GSI

𝑚0
1. P(X = 0) = 𝑒 −5 =0,0067.
0!
𝑚𝑘 5𝑘
2. P(X ≥10) = 1 – P(X<10) = 1 - ∑9𝑘=0 𝑃(𝑋 = 𝑘) = 1 − ∑9𝑘=0 𝑒 −𝑚 = 1 ∑9𝑘=0 𝑘! 𝑒 −5 =0.0318.
𝑘!

Lois usuelles discrètes (2)

Rappel :
Loi hypergéométrique
Si dans une population de taille N on a 2 types d’individus :
𝑵𝟏
N1 individus de type 1 de proportion p = 𝑵
𝑵𝟐
N2 individus de type 2 de proportion 1 - p = 𝑵
On fait un tirage d’un échantillon de taille n (simultanément) et on définit X = nombre d’individus de type
1 dans l’échantillon. On dit que X suit une loi Hypergéométrique et note X ∼ ℋ(𝑁, 𝑛, 𝑝)
Dans ce cas X(Ω) = {0,1, …, n} avec n ≤ N1 et n ≤ N2 c’est-à-dire que n≤ Np et n ≤ N (1 – p)
𝑘 𝑛−𝑘 𝑘 𝑛−𝑘
𝐶𝑁1 𝐶𝑁2 𝐶𝑁𝑝 𝐶𝑁(1−𝑝)
Et P(X = k) = 𝑛 = 𝑛
𝐶𝑁 𝐶𝑁
Loi géométrique
On réalise une épreuve aléatoire (épreuve de Bernoulli) qui a 2 résultats possibles : Succès avec une
probabilité p et Echec avec une probabilité (1 – p). Mais on ne connait pas le nombre d’épreuves. On
définit X = nombre d’épreuves de Bernoulli indépendantes qu’il faut réaliser pour obtenir pour la
première fois le Succès.
On dit que X suit une loi géométrique de paramètre p et on note X~ 𝒢(𝑝).
On a X(Ω) = {1, 2, …} et P(X = k) = p (1 – p) k – 1 (le succès est à la kiéme fois)

Correction :
X(Ω) = {0,1,..., n} ; Y est le nombre de défauts. Y~ 𝒫(𝜆)

13 /14
 ECOLE NATIONALE D’INGENIEURS DE CARTHAGE

Probabilités – Statistiques AU : 2023/2024

Première année GSI

1. E(Y) = 3 =.  Y~ 𝒫(3)

3𝑘
2. une ampoule est commercialisée si P (Y≤ 3). P (Y≤ 3) = ∑3𝑘=0 𝑃(𝑌 = 𝑘) = ∑3𝑘=0 𝑘 ! 𝑒 −3 ~0.64.
3. Soit la var X = nombre de prélèvement avant d’avoir le 1er succès (succès = avoir une ampoule
30
parfaite avec une probabilité p avec p = P (Y = 0) =0 ! 𝑒 −3 = 𝑒 −3 ).
X suit une loi géométrique de paramètre p : X ~ 𝒢(𝑒 −3 )
P(X ≥5) = 1 – P(X<5) = 1 - ∑4𝑘=1 𝑃(𝑋 = 𝑘) = ∑4𝑘=1 𝑒 −3 (1 – 𝑒 −3 )𝑘−1
4. on a un lot de N=1000 ampoules d’après 2. 640 ampoules commercialisées (1 – p = 0.64) et 360
ampoules non commercialisées (p = 0.36). on tire un échantillon de n=10 ampoules et on note Z = le
nombre d’ampoules non commercialisées dans l’échantillon.
a. On a n = 10 ≤ Np = 10000.36 = 360 et n = 10 ≤ N (1 – p) = 1000 0.64 = 640 donc Z suit une
loi hyper géométrique : Z ~ ℋ(𝑁, 𝑛, 𝑝) avec N = 1000, n = 10 et p = 0.36.
b. E(Z) = np = 10  0.36 = 3.6

Lois usuelles discrètes

Loi Support X(Ω) P(X = k) E(X) V(X)
Bernoulli
{0,1} pk (1 – p) 1 – k p p (1 – p)
ℬ(𝑝) , p [0,1]
Binomiale
{0,.., n} 𝐶𝑛𝑘 𝑝𝑘 (1 − 𝑝)𝑛−𝑘 np np (1 – p)
ℬ(𝑛; 𝑝) , p [0,1]
Poisson 𝑚𝑘 −𝑚
ℕ 𝑒 m m
𝒫(𝑚) , m > 0 𝑘!
Géométrique 1 1−𝑝
ℕ∗ p (1 – p) k – 1
𝒢(𝑝) , p [0,1] 𝑝 𝑝2
Hypergéométrique 𝑘 𝑛−𝑘
𝐶𝑁𝑝 𝐶𝑁(1−𝑝) 𝑁−𝑛
ℋ(𝑁, 𝑛, 𝑝) , p [0,1] {0,.., n} np 𝑛𝑝(1 − 𝑝)
n ≤ Np et n ≤ N (1 – p) 𝐶𝑁𝑛 𝑁−1

14 /14