École Nationale d’Ingénieurs de Monastir

1ère année, Génie Énergétique.

Année universitaire : 2016/2017
I. MAHFOUDHI & T. MOULAHI.

Probabilités et Statistique
Session de Principale
Épreuve du 19 Mai 2017

Durée : 2 heures, calculatrice autorisée, les notes de cours et les téléphones portables sont
interdits. La rédaction est très importante, rédigez et justifiez clairement vos réponses.

Exercice 1.

PARTIE I

Dans un magasin de pièces détachées, sur un lot de 100 pièces vendues en une année; les
prix s’échelonnent entre 200DT et 800DT selon la répartition suivante

Prix en DT [200;300[ [300;450[ [450;550[ [550;600[ [600;800[

Nombres de pièces vendues 15 35 25 10 15

1. Calculer les fréquences cumulées croissantes de cette série statistique.

2. Déterminer le Mode Mo de cette série statistique.

3. Déterminer la Médiane Mé de cette série statistique. Donner une interprétation.

4. Représenter cette série statistique par un histogramme.

PARTIE II

Le tableau ci-dessous donne les valeurs expérimentales de la pression P d’une masse de

gaz donnée en fonction de son volume V

Volume V(cm3 ) 54.3 61.3 72.4 88.7 118.6 194

Pression P(Kg/cm2 ) 61.2 40.5 37.6 28.4 19.2 10.1

1. Calculer la moyenne arithmétique de la variable V et celle de la variable P.

2. Calculer la variance de la variable statistique V et celle de la variable P.

1
 3. Calculer la covariance des variables statistiques V et P.

4. Donner la droite d’ajustement linéaire P en fonction de V, par la formule de la méthode

des moindres carrées.

5. Calculer le coefficient de corrélation linéaire.

6. Estimer P lorsque V = 100cm3 .

Exercice 2.

Un joueur a cinq pièces dans sa poche, dont 3 équilibrées et 2 truquées pour laquelle la
probabilité d’avoir "face" est le double de celle d’obtenir "pile". Il prend au hasard une pièce
dans sa poche et la lance trois fois. Soit X le nombre de pile obtenu sur les 3 lancers.

1. Quelle est la probabilité d’obtenir "pile" sachant que la pièce choisie soit truquée ?

2. Quelle est la probabilité d’obtenir "pile" ?

3. La pièce montre "pile". Quelle est la probabilité qu’il s’agisse de la pièce équilibré ?

4. Quelle loi suit la variable aléatoire X ?

Le joueur gagne 2 euros par "pile" obtenu et perd 3 euros par "face" obtenu. On note
B son bénéfice.

5. Exprimer B en fonction de X, puis déterminer si en moyenne le jeu est favorable.

Exercice 3.

Soit X une variable aléatoire continue de densité de probabilité :


kxa si x ∈ [0, 1]
f (x) =
0 sinon

où a est un paramètre réel strictement positif fixé.

1. Calculer la valeur de k.

2. Calculer E(X n ) pour n ∈ N et en déduire E(X) et V ar(X).

3. Déterminer la fonction de répartition de X.

On considère une nouvelle variable aléatoire Y = −ln(X).

4. Déterminer la densité de probabilité de Y .

5. Reprendre la question 2) pour Y .

On considère enfin la variable aléatoire Z = |X − 12 |.

6. Déterminer la loi de Z.

2
Exercice 4.

Soient X1 et X2 deux v.a. indépendantes de fonctions de répartition F1 et F2 . On définit

Y = min{X1 , X2 } et Z = max{X1 , X2 }

1. Déterminer les fonctions de répartition de Y et Z.

2. Déterminer les lois de probabilités de Y et Z lorsque Xi suit une loi exponentielle de

paramètre λi c-a-d la densité Xi est fi (x) = λi e−λx 1(x)]0,+∞[

3. Montrer que si, pour tout entier n ≥ 1, Xn est une variable aléatoire réelle de den-
(x)
sité n1[0, 1 ] alors la suite (Xn ) converge en probabilité vers la variable aléatoire réelle
n
constante 0.

4. Soit f : R −→ R une fonction continue bornée. Montrer qu’on a :

+∞  Z +∞
−n
X k − n  nk 1 −t2
lim e f √ =√ f (t)e 2 dt
n→+∞
k=0
n k! 2π −∞

Bon courage !

3
 Correction d’examen Probabilités et Statistique
Session Principale 2016-2017

Exercice 1.

PARTIE I

Prix en DT [200;300[ [300;450[ [450;550[ [550;600[ [600;800[

Nombres de pièces vendues 15 35 25 10 15

1. Calculer les fréquences cumulées croissantes de cette série statistique.

Réponse : l’effectif total N = 100 les fréquences des valeurs :

15 35 25 10 15
f0 = 100
, f1 = 100
, f2 = 100
, f3 = 100
et f4 = 100
Les fréquences cumulées :
g0 = f0 = 0.15 , g1 = f0 + f1 = 0.5 , g2 = f0 + f1 + f2 = 0.75 g3 = f0 + f1 + f3 = 0.85
et g4 = f0 + f1 + f3 + f4 = 1

2. Déterminer le Mode Mo de cette série statistique.

Réponse : le mode de cette série est situe dans l’intervalle [450, 550]

3. Déterminer la Médiane Mé de cette série statistique. Donner une interprétation.

Réponse :

4. Représenter cette série statistique par un histogramme.

Réponse : D’où le graphique suivant

35

30

25

20

15

10

0
200 300 450 550 600 800

PARTIE II

4
 Volume V(cm3 ) 54.3 61.3 72.4 88.7 118.6 194
Pression P(Kg/cm2 ) 61.2 40.5 37.6 28.4 19.2 10.1

Le tableau ci-dessous donne les valeurs expérimentales de la pression P d’une masse de

gaz donnée en fonction de son volume V

1. Calculer la moyenne arithmétique de la variable V et celle de la variable P .

Réponse : la moyenne arithmétique de la variable V = 98.216 et celle de la variable P = 32.83

2. Calculer la variance de la variable statistique V et celle de la variable P.

Réponse : La variance V (V ) = 2273.1 et V (P ) = 268.0822

3. Calculer la covariance des variables statistiques V et P.

n
1X
Réponse : La covariance de V et P , cov(P, V ) = (Vi − V )(Pi − P ) = −677.506
n i=1

4. Donner la droite d’ajustement linéaire P en fonction de V, par la formule de la méthode

des moindres carrées.
Cov(P,V )
Réponse : La droite d’ajustement linéaire P = aV + b où a = V
= −0.2981 et b = P −aV =
62.1074.
D’où le graphique suivant

5. Calculer le coefficient de corrélation linéaire.

Cov(P, V )
Réponse : Le coefficient de corrélation ρ(P, V ) = p = −0.8679
V (V )V (P )
6. Estimer P lorsque V = 100cm3 .

Réponse : La valeur de P quand V = 100cm3 est égale : P (100) = a100 + b = 32.3018

Exercice 2.

Un joueur a cinq pièces dans sa poche, dont 3 équilibrées et 2 truquées pour laquelle la
probabilité d’avoir "face" est le double de celle d’obtenir "pile". Il prend au hasard une pièce
dans sa poche et la lance trois fois. Soit X le nombre de pile obtenu sur les 3 lancers.

5
 1. Quelle est la probabilité d’obtenir "pile" sachant que la pièce choisie soit truquée ?
Réponse : soient A, B et C Les événements suivantes:
A:« Obtenir Pile » E:« La piéce choisi est équilibrée ». T:« La piéce choisi est Truquée
». p = P (A|T )

1
P (A|T ) + P (Ac |T ) = p + 2p = 1 =⇒ P (A|T ) =
3

2. Quelle est la probabilité d’obtenir "pile" ?

Réponse :
P (A) = P (A ∩ E) + P (A ∩ T ).
= P (E).P (A|E) + P (T ).P (A|T ).
3 1 2 1 13
= . + . = .
5 2 5 3 30
3. La pièce montre "pile". Quelle est la probabilité qu’il s’agisse de la pièce équilibré ?
Réponse : c’est la probabilité de l’événement E|A alors
P (A ∩ E) P (E).P (A|E) 3/10 9
P (E|A) = = = = .
P (A) P (A) 13/30 13

4. Quelle loi suit la variable aléatoire X ?

Réponse : X(Ω) = {0, 1, 2, 3} les trois lancers sont indépendantes de même paramètre p = P (A) =
13/30. Il s’agit de la loi binomiale de paramètre n = 3 et p = 13/30. avec
13
k 13
3−k
P (X = k) = C3k 1− ∀ k = 0, . . . , 3
30 30
Le joueur gagne 2 euros par "pile" obtenu et perd 3 euros par "face" obtenu. On note
B son bénéfice.
5. Exprimer B en fonction de X, puis déterminer si en moyenne le jeu est favorable.
Réponse : On sait que X est le nombre de pile obtenu au cours de 3 lancers, par la suite 3 − X
est le nombre de face ce qui prouve que le bénéfice B = 2X − 3(3 − X) = 5X − 9
E(B) = E(5X − 6) = 5E(X) − 9 avec E(X) = n.p = 3.13/30 = 13/10 pour une loi
binomiale de paramètre n = 3 et p = 13/30
13
E(B) = 5. 10 − 9 = −6/5 donc le jeu est défavorable.

Exercice 3.

Soit X une variable aléatoire continue de densité de probabilité :


kxa si x ∈ [0, 1]
f (x) =
0 sinon
où a est un paramètre réel strictement positif fixé.

6
 1. Calculer la valeur de k.

Réponse : f est une densité de probabilités si et seulement si elle vérifiées les conditions suivantes
:

(a) f est positive sur R.

(b) f est continue sur R∗ .
Z +∞ Z 1 1
k
Z
(c) f (t)dt = f (t)dt = kta dt = = 1.
−∞ 0 0 a+1

donc f est une densité si et seulement si k = a + 1.

2. Calculer E(X n ) pour n ∈ N et en déduire E(X) et V ar(X).

Z +∞ Z 1
n n k a+1
Réponse : E(X ) = t f (t)dt = ktn+a dt = = ce qui implique
−∞ 0 a+n+1 a+n+1
a+1
E(X) = a+2 et V ar(X) = a+1
a+3
− ( a+1
a+2
)2

3. Déterminer la fonction de répartition de X.


Z  0
x si x ≤ 0
a+1
Réponse : La fonction de répartition FX (x) = f (t)dt = x , si 0 ≤ x ≤ 1
−∞ 1 si non.


On considère une nouvelle variable aléatoire Y = − ln(X).

4. Déterminer la densité de probabilité de Y .

Réponse :

FY (x) = P (Y ≤ x) = P (− ln(X) ≤ x) = P (ln(X) ≥ −x)

= P (X ≥ e−x ) = 1 − P (X < e−x ) = 1 − FX (e−x )

′
ce qui implique la densité de Y est la fonction fY (x) = FY′ (x) = 1 − FX (e−x ) =
e−x f (e−x ) avec 0 ≤ e−x ≤ 1 ce qui équivalente à 0 ≤ x ≤ +∞. D’où le résultat
suivante : 
0 si x ∈] − ∞, 0]
fY (x) =
(a + 1)e−(a+1)x , si x ∈]0, +∞[

Il s’agit de la loi exponentielle de paramètre λ = a + 1

5. Reprendre la question 2) pour Y .

Z +∞ Z +∞
n n
Réponse : E(Y ) = t fY (t)dt = ktn e−(1+a)t dt.
−∞ 0
On pose In = E(Y n ) à l’aide de la formule d’intégration par partie on aura :
n n!
In = a+1 In−1 ce qui entraîne que In = (a+1) n I0 où I0 = 1 car fY est une densité de
n n!
probabilités. Donc E(Y ) = (a+1)n
1 2 1 2
ce qui implique E(Y ) = a+1
et V ar(Y ) = (a+1)2
− ( a+1 )
On considère enfin la variable aléatoire Z = |X − 21 |.

6. Déterminer la loi de Z.

7
Réponse :
1 1
FZ (x) = P (Z ≤ x) = P (|X − | ≤ x) = P (−x ≤ X − ≤ x) si x > 0
2 2
1 1 1 1
= P ( − x ≤ X ≤ + x) = 1 − FX ( − x) + FX ( + x)
2 2 2 2
ce qui implique la densité de Z est la fonction :

 0 ≤ 12 − x ≤ 1


′
′ 1 1 1 1
fZ (x) = FZ (x) = 1−FX ( 2 −x)+FX ( 2 +x) = f ( 2 −x)+f ( 2 +x) avec 0 ≤ 21 + x ≤ 1
x≥0

ce qui équivalente à 0 ≤ x ≤ 1/2. D’où la densité de Z est :
(a + 1) ( 21 − x)a + ( 12 + x)a , si x ∈]0, 21 [


fZ (x) =
0 sinon

Exercice 4.

Soient X1 et X2 deux v.a. indépendantes de fonctions de répartition F1 et F2 . On définit

Y = min{X1 , X2 } et Z = max{X1 , X2 }
1. Déterminer les fonctions de répartition de Y et Z.
Réponse : Comme X1 et X2 sont indépendantes alors P (X1 ∈ ω1 , X2 ∈ ω2 ) = P (X1 ∈ ω1 )P (X2 ∈
ω2 )
FY (x) = P (Y ≤ x) = P (min{X1 , X2 } ≤ x) = 1 − P (min{X1 , X2 } >

x)

= 1 − P (X1 > x)P (X2 > x) = 1 − 1 − FX1 (x) 1 − FX2 (x)

FZ (x) = P (Z ≤ x) = P (max{X1 , X2 } ≤ x) = P (X1 ≤ x)P (X2 ≤ x)

= FX1 (x)FX2 (x)

2. Déterminer les lois de probabilités de Y et Z lorsque Xi suit une loi exponentielle de

paramètre λi c-a-d la densité Xi est fi (x) = λi e−λx 1(x)]0,+∞[

Z x 
0 si x ≤ 0
Réponse : La fonction de répartition de Xi est FXi (x) = f (t)dt =
−∞ 1 − e−λi x , si x ≥ 0
Ce qui implique
Z x 
0 si x ≤ 0
FY (x) = f (t)dt = −(λ1 +λ2 )x
−∞ 1−e , si x ≥ 0

Donc Y suit la loi exponentielle de paramètre λ1 + λ2

Ce qui implique
Z x 
0
si x ≤ 0
FZ (x) = f (t)dt =

−∞ 1 − e−λ1 x 1 − e−λ2 x , si x ≥ 0
 
Donc Z est de densité fZ (x) = λ1 e−λ1 x + λ2 e−λ2 x − λ1 + λ2 e−(λ1 +λ2 )x 1(x)]0,+∞[

8
 3. Montrer que si, pour tout entier n ≥ 1, Xn est une variable aléatoire réelle de den-
(x)
sité n1[0, 1 ] alors la suite (Xn ) converge en probabilité vers la variable aléatoire réelle
n
constante 0.
Réponse : Soit ε > 0 on sait qu’il existe n0 tel que ∀ n ≥ n0 =⇒ | n1 − 0| = n1 < ε car la suite
1/n converge vers 0
Z −ε Z +∞
P (|Xn − 0| ≥ ε) = P (Xn ≤ −ε) + P (Xn ≥ ε) = fn (t)dt + fn (t)dt
Z +∞ −∞ ε
(x)
= n1[0, 1 ] dt = 0, ∀ n ≥ n0 .
ε n

Car ε n’appartienne pas à [0, 1/n] ce qui implique lim P (|Xn − 0| ≥ ε) = 0 d’où Xn
n→+∞
converge en probabilités vers 0
4. Soit f : R −→ R une fonction continue bornée. Montrer qu’on a :

+∞  Z +∞
−n
X k − n  nk 1 −t2
lim e f √ =√ f (t)e 2 dt
n→+∞
k=0
n k! 2π −∞

Réponse : Nous rappelons le résultat du théorème de Central Limite(TCL)

Théorème Central Limite

Soit Sn = X1 + · · ·+ Xn la somme de n variables aléatoires indépendantes ayant
Sn − nµ
la même densité d’espérance µ et de variance σ 2 . Soit Sn∗ = √ , alors Sn∗
nσ 2
converge en loi vers la loi N(0, 1) c-a-d

+∞
1
Z
−t2
lim E(f (Sn∗ )) =√ f (t)e 2 dt.
n→+∞ 2π −∞

b
1
Z
x2
Sn∗ e− 2 dx


Cas particulier, pour tout a < b on a lim P a < <b = √
n→+∞ 2π a

+∞ 
X k − nµ 
Dans le cas d’une loi discrète sur N on a E(f (Sn∗ )) = f √ P (Sn = k) où
k=0
nσ 2
µ = E(X1 ) et σ 2 = V (X1 ).

Dans cette question il suffit de trouver la suite (Xi )1≤i≤n indépendante et de même loi
tel que

+∞  +∞ 
X k − nµ  X k − n  −n nk
E(f (Sn∗ )) = f √ P (Sn = k) = f √ e
k=0
nσ 2
k=0
n k!
k
avec µ = E(X1 ) = 1 et σ 2 = V (X1 ) = 1 et P (Sn = k) = e−n nk! donc il s’agit de loi
k
de Poisson de paramètre 1 définie par P (Xi = k) = e−1 1k! ∀ k ≥ 0. on peut démontre
facilement que Sn suit la loi de Poisson de paramètre n = 1 + · · · + 1 d’où le résultat.