CPGE- Lycée technique TDN◦ 13 Mathématiques

Mohammedia 2ème TSI 1 2016 − 2017

Exercice 1:
Soit X le temps d’attente (en minutes) à un arrêt de bus , on suppose que X
suit la loi uniforme uniforme sur [0; 15]. Quelle est la probabilité d’attendre entre 7
et 12 minutes ?

Exercice 2:
1
S oit X ,→ U ([0; 1]). Reconnaı̂tre la loi de T = − ln(1 − X)
λ

Exercice 3:
Soit X une variable aléatoire dont une densité est la fonction f définie sur R
par : (
e−|x| si − ln 2 6 x 6 ln 2
f (x) =
0 sinon
1. Déterminer la fonction de répartition F de X.
2. On pose Y = |X|. Déterminer la fonction de répartition G de Y puis montrer
que Y est une variable à densité et donner une densité de Y .

Exercice 4:
Soit X une variable aléatoire suivant la loi exponentielle E(λ).
√
1. Déterminer la loi de la variable aléatoire Y = X.
2. Déterminer une densité de X 2 .
3. Déterminer une densité de X 3 .

Exercice 5:
Soit X une VAR admettant une densité f . On suppose que X prends ses valeurs
dans R+ . Soit Y = [X] (partie entière de X)
1. Déterminer la loi de Y .
2. a) Montrer que E(Y ) existe si et seulement si E(X) existe.
b) Montrer que si E(X) existe alors : E(Y ) 6 E(X) 6 E(Y ) + 1.

Exercice 6:
X ,→ N (0; 1) et Y = eX
Déterminer FY en fonction de Φ, puis déterminer une densité fY et calculer enfin
E(Y ), si elle existe, à l’aide d’un changement de variable.

Exercice 7: R +∞
On rappelle que Γ(x) = 0 tx−1 e−t dt pour x > 0.
Soit X une variable aléatoire suivant la loi Gamma de paramètres α et λ notée
Γ(α, λ) de densité est définie par

λα tα−1 e−λt 1R+ .

f (t) =
Γ(α)

Montrer que son espérance et sa variance donnés par :

α α
E(X) = et V ar(X) = 2
λ λ
http://mathscpge.wordpress.com 1
CPGE- Lycée technique TDN◦ 13 Mathématiques
Mohammedia 2ème TSI 1 2016 − 2017

Exercice 8:
Montrer que :
1. la densité de La somme de deux variables aléatoires indépendantes de loi uni-
forme sur[0, 1] est définie par h(t) = tλ[0,1] + (2 − t)λ[1,2]
2. La somme de deux variables aléatoires indépendanes de loi exponentielle ε(λ)
a pour densité la gamma Γ(2, λ)
on rappelle que La densité de la loi γ(α, λ) λ > 0, est

λα tα−1 e−λt
f (t) = .1R+
Γ(α)

3. La somme de n variables aléatoires indépendanes de loi exponentielle ε(λ) a

pour densité la gamma Γ(n, λ)
4. La somme de deux variables aléatoires indépendanes de loi respectivement
Γ(n, λ) et Γ(m, λ) a pour densité la gamma Γ(n + m, λ)
5. La somme de deux variables aléatoires indépendanes de loi normale centées
réduites N (0, 1) a pour densité la loi normale N (0, 2)

Exercice 9:
En utilisant l’inégalité de Bienaymé-Tchebychev, montrer que pour tout x > 0
Z x √
 
2
− t2 1
e dt > 2π 1 − 2
−∞ 2x

Exercice 10:
Soit (Un ) une suite de variables aléatoires indépendantes suivant toutes la loi
uniforme sur [0, 1]. On note Mn = max(U1 , . . . , Un ) et Xn = n(1 − Mn ).
1. Quelle est la fonction de répartition de Xn ?
2. etudier la convergence en loi de la suite (Xn )

Exercice 11:
On considère une suite (Xn )n∈N∗ de variables de Poisson indépendantes de pa-
ramètre 1.
On pose Sn = X1 + · · · + Xn .
1. Quelle est la loi de Sn ?
2. Exprimer P (Sn 6 n) en fonction de n.
3. En utilisant le théorème de la limite centrée, montrer que :
n
−n
X nk 1
lim e =
n→+∞
k=0
k! 2

Exercice 12:
Soit n un entier supérieur ou égal à 2. On considère n variables aléatoires
indépendantes Z1 , · · · , Zn suivant toutes la loi géométrique de paramètre p (p ∈
Z1 + · · · + Zn
]0; 1[). On pose de plus Mn = .
n
1. Déterminer l’espérance m et l’écart type σn de Mn .
CPGE- Lycée technique TDN◦ 13 Mathématiques
Mohammedia 2ème TSI 1 2016 − 2017

2. Montrer que lim P (0 6 Mn − m 6 σn ) existe et exprimer sa valeur à l’aide

n→+∞
R1 2
de 0 e−x /2 dx.

Exercice 13:
S oit U une variable aléatoire suivant la loi géométrique de paramètre p.

1. Rappeler la loi de U , son espérance et sa variance.

On considère une variable aléatoire T telle que : ∀n ∈ N∗ , ∀t ∈ [0; +∞[,
P[U =n] (T > t) = e−nt
pe−t
2. a) Montrer : ∀t ∈ [0; +∞[, P (T > t) = .
1 − qe−t
b) Déterminer la fonction de répartition de la variable aléatoire T .
c) En déduire que T est une variable aléatoire à densité et en déterminer une
densité.
3. On note Z = U T .
a) Montrer : ∀n ∈ N∗ , ∀z ∈ [0; +∞[, P[U =n] (Z > z) = e−z .
b) En déduire que la variable aléatoire Z suit une loi exponentielle dont on
précisera le paramètre.
c) Montrer : ∀n ∈ N∗ , ∀z ∈ [0; +∞[, P ([U = n] ∩ [Z > z]) = P (U =
n)P (Z > z).
Exercice 14:
On suppose que la variable aléatoire X associant à une vache sa production
laitière annuelle suit une loi normale N (µ; σ 2 ) avec µ = 6000 et σ = 400.
1. Quelle est la probabilité qu’une vache prélevée au hasard produise annuelle-
ment :
entre 5900 et 6100 litres ? moins de 5500 litres de lait ? plus de 6250 litres ?
2. Donner un intervalle centré sur µ qui contient la production annuelle de lait
d’une vache avec une probabilité de 0.95.
Exercice 15:
Soit X est une variable aléatoire suivant la loi géométrique de paramètre p,
p ∈ ]0; 1[ et Y est une variable aléatoire suivant la loi exponentielle de paramètre
λ, λ ∈ ]0; +∞[.
On note q = 1 − p.
On suppose que X et Y sont indépendantes, c’est à dire :

∀k ∈ N∗ , ∀t ∈ [0; +∞[ , P (X = k ∩ Y 6 t) = P (X = k) P (Y 6 t)

1. Rappeler une densité de Y ainsi que son espérance et sa variance.

Y
2. On définit la variable aléatoire Z par Z = .
X
+∞
X
a) Montrer : ∀t ∈ [0; +∞[ , P (Z > t) = P (X = k) P (Y > tk)
k=1

pe−λt
b) En déduire : ∀t ∈ [0; +∞[ , P (Z > t) =
1 − qe−λt
CPGE- Lycée technique TDN◦ 13 Mathématiques
Mohammedia 2ème TSI 1 2016 − 2017

c) Montrer que la variable aléatoire Z admet une densité et déterminer une

densité de Z.
Exercice 16:
Soient x un réel dans l’intervalle [0, 1[, n un entier naturel non nul et Sn la
fonction définie par :
Xn
Sn (x) = xk
k=0

1. Calculer la somme Sn (x).

2. Dériver l’égalité obtenue et montrer que :
n
X nxn+1 − (n + 1) xn + 1
kxk−1 =
k=1
(1 − x)2

Une municipalité a lancé une étude concernant les problèmes liés au transport.

Partie 1

Sur une ligne de bus, une enquête a permis de révéler que le retard (ou l’avance)
sur l’horaire officiel du bus à une station donnée, peut être représenté(e) par une
variable aléatoire réelle, notée X, exprimée en minutes, qui suit une loi normale
N (m, σ 2 ).
On admet de plus que la probabilité que le retard soit inférieur à 7 minutes est
égale à p = 0.8413 et que l’espérance de X est de 5 minutes.
1. Déterminer la valeur de σ en utilisant la table de valeurs de la fonction de
répartition de la loi normale centrée réduite.
2. Quelle est la probabilité que le retard soit supérieur à 9 minutes ?
3. Sachant que le retard est supérieur à 3 minutes, quelle est la probabilité que
le retard soit inférieur à 7 minutes ? (On exprimera cette probabilité à l’aide
de la fonction de répartition de la loi normale centrée réduite, puis on utilisera
la table de valeurs pour exprimer le résultat en fonction de p).
4. Monsieur Thierex fréquente cette ligne de bus tous les jours pendant 10 jours.
On suppose que les retards journaliers sont indépendants.
a) On désigne par Y la variable aléatoire réelle égale au nombre de jours où
Monsieur Thierex a attendu moins de 7 minutes.
Déterminer la loi de Y , donner sans calcul, son espérance et sa variance.
b) On définit par Z la variable aléatoire discrète réelle indiquant le rang k du
jour où pour la première fois Monsieur Thierex attend plus de 7 minutes
si cet événement se produit. Dans le cas contraire si le temps d’attente est
inférieur à 7 minutes pendant les dix jours, Z prend la valeur 0.
Déterminer en fonction de p la probabilité des événements [Z = 0], puis
[Z = k] pour 1 6 k 6 10.
Utiliser le liminaire pour calculer l’espérance de Z en fonction de p.
5. Lassé des retards de son bus, Monsieur Thierex décide de prendre le bus ou le
métro selon le protocole suivant :
— Le premier jour, il prend le bus.
— Si le jour n (n ∈ N∗ ) il attend plus de 7 minutes pour prendre le bus, le
jour n + 1 il prend le métro, sinon il prend de nouveau le bus.
CPGE- Lycée technique TDN◦ 13 Mathématiques
Mohammedia 2ème TSI 1 2016 − 2017

— Si le jour n il prend le métro, le jour n + 1 il prend le métro ou le bus de

façon équiprobable.
On note pn la probabilité de l’événement An :  Monsieur Thierex prend le
bus le jour n .
a) Justifier que pour tout entier naturel n non nul :
 
1 1
pn+1 = p − pn +
2 2
 
1 1
b) Soit α le réel vérifiant : α = p − α+ .
2 2
Déterminer α en fonction de p, puis montrer que, pour tout entier naturel
n non nul :  n−1
1
pn = p − (1 − α) + α
2
c) La suite (pn ) est-elle convergente ? Si oui quelle est sa limite ?

Partie 2

1. Le nombre d’appels reçus par le standard d’une société de taxis pendant une
période de durée t suit une loi de Poisson Yt de paramètre λt, λ étant une
constante strictement positive. Une origine de temps étant choisie, on note T
la variable aléatoire réelle représentant le temps d’attente du premier appel
vers ce standard. Par convention P (T 6 t) = 0 pour t 6 0.
a) Pour tout entier naturel k, rappeler la valeur de la probabilité de l’événement
[Yt = k], ainsi que l’espérance et la variance de Yt .
b) Que peut-on dire des événements [Yt = 0] et [T > t] pour t > 0. En déduire
la probabilité des événements [T > t] et [T 6 t] pour t > 0.
c) Expliciter la fonction de répartition FT de T . Reconnaı̂tre la loi de T et
donner son espérance et sa variance.
2. La durée, exprimée en heures, du transport d’un client par la société est une
variable aléatoire U à densité dont une densité est donnée par :
(
te−t si t > 0
g(t) =
0 si t < 0

a) Vérifier que g est bien une densité de probabilité.

b) Montrer que U admet une espérance que l’on déterminera. Que représente
cette espérance ?