Exercices Corrigés Probabilités 2

Exercices : Martine Quinio
Exo7
Probabilité et dénombrement ; indépendance
Exercice 1
Une entreprise décide de classer 20 personnes susceptibles d’être embauchées ; leurs CV étant très proches, le
patron décide de recourir au hasard : combien y-a-il de classements possibles : sans ex-aequo ; avec exactement
2 ex-aequo ?
Correction H [005983]
Exercice 2
Un étudiant s’habille très vite le matin et prend, au hasard dans la pile d’habits, un pantalon, un tee-shirt, une
paire de chaussettes ; il y a ce jour-là dans l’armoire 5 pantalons dont 2 noirs, 6 tee-shirt dont 4 noirs, 8 paires
de chaussettes, dont 5 paires noires. Combien y-a-t-il de façons de s’habiller ? Quelles sont les probabilités des
événements suivants : il est tout en noir ; une seule pièce est noire sur les trois.
Exercice 3
Si 30 personnes sont présentes à un réveillon et si, à minuit, chaque personne fait 2 bises à toutes les autres,
combien de bises se sont-elles échangées en tout ? (On appelle bise un contact entre deux joues...)
Exercice 4
Un QCM comporte 10 questions, pour chacune desquelles 4 réponses sont proposées, une seule est exacte.
Combien y-a-t-il de grilles-réponses possibles ? Quelle est la probabilité de répondre au hasard au moins 6 fois
correctement ?
Exercice 5
Amédée, Barnabé, Charles tirent sur un oiseau ; si les probabilités de succès sont pour Amédée : 70%, Barnabé :
50%, Charles : 90%, quelle est la probabilité que l’oiseau soit touché ?
Exercice 6
Lors d’une loterie de Noël, 300 billets sont vendus aux enfants de l’école ; 4 billets sont gagnants. J’achète 10
billets, quelle est la probabilité pour que je gagne au moins un lot ?
Exercice 7
La probabilité pour une population d’être atteinte d’une maladie A est p donné ; dans cette même population, un
individu peut être atteint par une maladie B avec une probabilité q donnée aussi ; on suppose que les maladies
sont indépendantes : quelle est la probabilité d’être atteint par l’une et l’autre de ces maladies ? Quelle est la
probabilité d’être atteint par l’une ou l’autre de ces maladies ?
Exercice 8
Dans un jeu de 52 cartes, on prend une carte au hasard : les événements «tirer un roi» et «tirer un pique» sont-ils
indépendants ? quelle est la probabilité de «tirer un roi ou un pique» ?
1
Exercice 9
La famille Potter comporte 2 enfants ; les événements A : «il y a deux enfants de sexes différents chez les Potter»
et B : «la famille Potter a au plus une fille» sont-ils indépendants ? Même question si la famille Potter comporte
3 enfants. Généraliser.
2
Correction de l’exercice 1 N
Classements possibles : sans ex-aequo, il y en a 20 !.
Avec exactement 2 ex-aequo, il y en a :
1. Choix des deux ex-aequo : 20

2 = 190 choix ;
2. Place des ex-aequo : il y a 19 possibilités ;
3. Classements des 18 autres personnes, une fois les ex-aequo placés : il y a 18! choix.
Il y a au total : 19 20

2 (18!) choix possibles.
- Une tenue est un triplet (P, T,C) : il y a 5 × 6 × 8 = 240 tenues différentes ;
- «Il est tout en noir» : de combien de façons différentes ? Réponse : de 2 × 4 × 5 = 40 façons.
40
La probabilité de l’événement «Il est tout en noir» est donc : 240 = 16 .
- «Une seule pièce est noire sur les trois » : notons les événements : N1 la première pièce (pantalon) est noire, N2
la deuxième pièce (tee-shirt) est noire, N3 la troisième pièce (chaussette) est noire : l’événement est représenté
par : (N1 ∩ N2 ∩ N3 ) ∪ (N1 ∩ N2 ∩ N3 ) ∪ (N1 ∩ N2 ∩ N3 ). Ces trois événements sont disjoints, leurs probabilités
s’ajoutent. La probabilité de l’événement «une seule pièce est noire sur les trois» est donc : 0.325.
Il y a 30 30

2 façons de choisir 2 personnes parmi 30 et donc 2 · 2 = 870 bises.
1. Une grille-réponses est une suite ordonnée de 10 réponses, il y a 4 choix possibles pour chacune. Il y a
donc 410 grilles-réponses possibles.
2. L’événement E «répondre au hasard au moins 6 fois correctement» est réalisé si le candidat répond bien
à 6 ou 7 ou 8 ou 9 ou 10 questions. Notons An l’événement : «répondre au hasard exactement n fois
correctement». Alors, An est réalisé si n réponses sont correctes et 10 − n sont incorrectes : 3 choix sont
10

possibles pour chacune de ces dernières. Comme il y a n choix de n objets parmi 10, et donc il y a :
10 10−n façons de réaliser A et :

n ×3 n
10
10−n
n ·3
P(An ) =
410
(10n )·310−n
pour n = 6, 7, 8, 9, 10. P(E) = ∑10
n=6 410
' 1.9728 × 10−2 , soit environ 2%.
Considérons plutôt l’événement complémentaire : l’oiseau n’est pas touché s’il n’est touché ni par Amédée,
ni par Barnabé, ni par Charles. Cet événement a pour probabilité : (1 − 0.7) · (1 − 0.5) · (1 − 0.9) = 0.015. La
probabilité que l’oiseau soit touché est donc : 1 − 0.015 = 0.985.
L’univers des possibles est ici l’ensemble des combinaisons de 10 billets parmi les 300 ; il y en a 300

10 . Je ne
gagne rien si les 10 billets achetés se trouvent parmi les 296 billets perdants, ceci avec la probabilité :
296

10
300
.
10
La probabilité cherchée est celle de l’événement complémentaire :

296

10
1− 300
' 0.127.
10
3
La probabilité est environ 12.7% de gagner au moins un lot.
P(A ∩ B) = pq car les maladies sont indépendantes. P(A ∪ B) = P(A) + P(B) − P(A ∩ B) = p + q − pq
Soit A : l’événement «tirer un roi» et B : «tirer un pique».
1 4 1 13
P(A ∩ B) = 52 ; P(A) = 52 = 13 ; P(B) = 52 = 14 .
Donc P(A ∩ B) = P(A)P(B) et donc les événements A et B sont indépendants.
1
P(A ∪ B) = P(A) + P(B) − P(A ∩ B) = 13 + 41 − 52
1 4
= 13 .
Notons, pour le cas où la famille Potter comporte 2 enfants, l’univers des possibles pour les enfants : Ω =
{(G, G), (G, F), (F, G), (F, F)}, représente les cas possibles, équiprobables, d’avoir garçon-garçon, garçon-fille
etc... : Alors P(A) = 42 , P(B) = 43 , P(A ∩ B) = 24 . On en conclut que : P(A ∩ B) 6= P(A)P(B) et donc que les
événements A et B ne sont pas indépendants.
Si maintenant la famille Potter comporte 3 enfants : Alors Ω0 = {(a, b, c) | a ∈ {G, F}, b ∈ {G, F}, c ∈ {G, F}}
représente les 23 = 8 cas possibles, équiprobables. Cette fois, P(A) = 1 − P({(G, G, G), (F, F, F)}) = 86 ; P(B) =
4 3 3
8 , P(A ∩ B) = P{(F, G, G), (G, F, G), {(G, G, F)} = 8 . On a P(A)P(B) = 8 = P(A ∩ B), et les événements A et
B sont indépendants
Avec n enfants, on peut généraliser sans difficulté : P(A) = 1 − 22n , P(B) = 1+n n
2n P(A ∩ B) = 2n Un petit calcul
montre que P(A)P(B) = P(A ∩ B) si et seulement si n = 3.
4
Exo7
Probabilité conditionnelle
Exercice 1
Dans la salle des profs 60% sont des femmes ; une femme sur trois porte des lunettes et un homme sur deux
porte des lunettes : quelle est la probabilité pour qu’un porteur de lunettes pris au hasard soit une femme ?
Exercice 2
Une fête réunit 35 hommes, 40 femmes, 25 enfants ; sur une table, il y a 3 urnes H, F, E contenant des boules
de couleurs dont respectivement 10%, 40%, 80% de boules noires. Un présentateur aux yeux bandés désigne
une personne au hasard et lui demande de tirer une boule dans l’urne H si cette personne est un homme, dans
l’urne F si cette personne est une femme, dans l’urne E si cette personne est un enfant. La boule tirée est noire :
quelle est la probabilité pour que la boule ait été tirée par un homme ? une femme ? un enfant ? Le présentateur
n’est pas plus magicien que vous et moi et pronostique le genre de la personne au hasard : que doit-il dire pour
avoir le moins de risque d’erreur ?
Exercice 3
Un fumeur, après avoir lu une série de statistiques effrayantes sur les risques de cancer, problèmes cardio-
vasculaires liés au tabac, décide d’arrêter de fumer ; toujours d’après des statistiques, on estime les probabilités
suivantes : si cette personne n’a pas fumé un jour Jn , alors la probabilité pour qu’elle ne fume pas le jour suivant
Jn+1 est 0.3 ; mais si elle a fumé un jour Jn , alors la probabilité pour qu’elle ne fume pas le jour suivant Jn+1 est
0.9 ; quelle est la probabilité Pn+1 pour qu’elle fume le jour Jn+1 en fonction de la probabilité Pn pour qu’elle
fume le jour Jn ? Quelle est la limite de Pn ? Va-t-il finir par s’arrêter ?
Exercice 4
Un professeur oublie fréquemment ses clés. Pour tout n, on note : En l’événement «le jour n, le professeur
oublie ses clés», Pn = P(En ), Qn = P(En ).
On suppose que : P1 = a est donné et que si le jour n il oublie ses clés, le jour suivant il les oublie avec la
1 4
probabilité 10 ; si le jour n il n’oublie pas ses clés, le jour suivant il les oublie avec la probabilité 10 .
1 4
Montrer que Pn+1 = 10 Pn + 10 Qn . En déduire une relation entre Pn+1 et Pn
Quelle est la probabilité de l’événement «le jour n, le professeur oublie ses clés» ?
Exercice 5
Dans les barres de chocolat N., on trouve des images équitablement réparties des cinq personnages du dernier
Walt Disney, une image par tablette. Ma fille veut avoir le héros Princecharmant : combien dois-je acheter de
barres pour que la probabilité d’avoir la figurine attendue dépasse 80% ? Même question pour être sûr à 90%.
Exercice 6
En cas de migraine trois patients sur cinq prennent de l’aspirine (ou équivalent), deux sur cinq prennent un
médicament M présentant des effets secondaires :
Avec l’aspirine, 75% des patients sont soulagés.
Avec le médicament M, 90% des patients sont soulagés.
1
1. Quel est le taux global de personnes soulagées ?
2. Quel est la probabilité pour un patient d’avoir pris de l’aspirine sachant qu’il est soulagé ?
Exercice 7
Dans une population 40% des individus ont les yeux bruns, 25% des individus ont les cheveux blonds, 15% des
individus ont les yeux bruns et les cheveux blonds.
On choisit un individu au hasard. Calculez :
1. La probabilité de l’événement : si un individu a les yeux bruns d’avoir les cheveux blonds.
2. La probabilité de l’événement : si un individu a les cheveux blonds d’avoir les yeux bruns.
3. La probabilité de l’événement : si un individu a les cheveux blonds, de ne pas avoir les yeux bruns.
Exercice 8
Un constructeur aéronautique équipe ses avions trimoteurs d’un moteur central de type A et de deux moteurs, un
par aile, de type B ; chaque moteur tombe en panne indépendamment d’un autre, et on estime à p la probabilité
pour un moteur de type A de tomber en panne et à q la probabilité pour un moteur de type B de tomber en
panne.
Le trimoteur peut voler si le moteur central ou les deux moteurs d’ailes fonctionnent : quelle est la probabilité
pour l’avion de voler ? Application numérique : p = 0.001%, q = 0.02%.
Exercice 9
On sait qu’à une date donnée, 3% d’une population est atteinte d’hépatite On dispose de tests de dépistage de
la maladie :
— Si la personne est malade, alors le test est positif avec une probabilité de 95%.
— Si la personne est saine, alors le test est positif avec une probabilité de 10%.
1. Quelle est la probabilité pour une personne d’être malade si son test est positif ?
2. Quelle est la probabilité pour une personne d’être saine si son test est positif ?
3. Quelle est la probabilité pour une personne d’être malade si son test est négatif ?
4. Quelle est la probabilité pour une personne d’être saine si son test est négatif ?
Exercice 10
Dans mon trousseau de clés il y a 8 clés ; elles sont toutes semblables. Pour rentrer chez moi je mets une clé au
hasard ; je fais ainsi des essais jusqu’à ce que je trouve la bonne ; j’écarte au fur et à mesure les mauvaises clés.
Quelle est la probabilité pour que j’ouvre la porte :
1. du premier coup ?
2. au troisième essai ?
3. au cinquième essai ?
4. au huitième essai ?
Exercice 11
Six couples sont réunis dans une soirée de réveillon. Une fois les bises de bonne année échangées, on danse, de
façon conventionnelle : un homme avec une femme, mais pas forcément la sienne.
1. Quelle est la probabilité P(A) pour que chacun des 6 hommes danse avec son épouse légitime ?
2
2. Quelle est la probabilité P(B) pour que André danse avec son épouse ?
3. Quelle est la probabilité P(C) pour que André et René dansent avec leur épouse ?
4. Quelle est la probabilité P(D) pour que André ou René danse(nt) avec leur épouse ?
Exercice 12
Dans l’ancienne formule du Loto il fallait choisir 6 numéros parmi 49.
1. Combien y-a-t-il de grilles possibles ? En déduire la probabilité de gagner en jouant une grille.
2. Quelle est la probabilité que la grille gagnante comporte 2 nombres consécutifs ?
Exercice 13
Un débutant à un jeu effectue plusieurs parties successives. Pour la première partie, les probabilités de gagner
ou perdre sont les mêmes ; puis, on suppose que :
— Si une partie est gagnée, la probabilité de gagner la suivante est 0.6.
— Si une partie est perdue, la probabilité de perdre la suivante est 0.7.
Soit Gn l’événement «Gagner la partie n», et un = P(Gn ). On note vn = P(Gn ).
1. Ecrire 2 relations entre un , un+1 , vn , vn+1 .
2. A l’aide de la matrice mise en évidence en déduire un et vn . Faire un calcul direct à l’aide de un + vn .
3
Notons les différents événements : Fe : «être femme», Lu : «porter des lunettes», H : «être homme»
Alors on a P(Fe) = 0.6, P(Lu/Fe) = 31 ; il s’agit de la probabilité conditionnelle probabilité de «porter des
lunettes» sachant que la personne est une femme. De même, on a P(Lu/H) = 0.5. On cherche la probabilité
conditionnelle P(Fe/Lu). D’après la formule des probabilités totales on a : P(Fe/Lu)P(Lu) = P(Lu/Fe)P(Fe)
avec P(Lu) = P(Lu/Fe)P(Fe) + P(Lu/H)P(H).
Application numérique : P(Lu) = 0.4, donc P(Fe/Lu) = P(Lu/Fe)P(Fe)
P(Lu) = 0.5. Remarque : on peut trouver les
mêmes réponses par des raisonnements élémentaires.
C’est évidemment le même que le précédent (exercice ??), seul le contexte est différent : il suffit d’adapter les
calculs faits. En pronostiquant un enfant, le présentateur a une chance sur deux environ de ne pas se tromper.
Fumeurs
Définissons les événements : Fn «Fumer le nème jour», et Fn l’événement complémentaire. Alors {Fn , Fn }
constitue un système complet d’événements, Pn = P(Fn ) ; on peut donc écrire : P(Fn+1 ) = P(Fn+1 /Fn )P(Fn ) +
P(Fn+1 /Fn )P(Fn ).
Comme P(Fn+1 /Fn ) = 0.9 et P(Fn+1 /Fn ) = 0.3 1 − Pn+1 = 0.9Pn + 0.3(1 − Pn ), soit Pn+1 = −0.6Pn + 0.7.
Notons (R) cette relation.
Pour connaître le comportement à long terme, il faut étudier cette suite récurrente ; il y a des techniques mathé-
matiques pour ça, c’est le moment de s’en servir.
Cherchons la solution de l’équation «` = −0.6` + 0.7», la limite éventuelle satisfait nécessairement cette équa-
tion : faire un passage à la limite dans la relation (R), ou utiliser le théorème du point fixe.
7
On trouve ` = 16 ; alors, la suite Qn = (Pn − `) vérifie : Qn+1 = −0.6Qn , ce qui permet de conclure : Qn+1 =
(−0.6) Q1 et comme ((−0.6)n ) est une suite qui tend vers 0, on peut dire que la suite (Qn ) tend vers 0 et donc
n
7
que la suite (Pn ) tend vers ` = 16 .
7
Conclusion : la probabilité Pn pour qu’elle fume le jour Jn tend vers 16 ' 0.4375.
1 4 1 4
Pn+1 = P(En+1 ) = P(En+1 /En )P(En ) + P(En+1 /En )P(En ) = 10 Pn + 10 Qn . Donc Pn+1 = 10 Pn + 10 (1 − Pn ) =
4 3
10 − P
10 n .
4 3 4 4 3 n−1
La suite (Pn − `) est géométrique, où ` est solution de 10 − 10 ` = ` soit ` = 13 . Donc Pn = 13 + a(− 10 ) .
La probabilité d’avoir Princecharmant dans la barre B est 15 ; si j’achète n barres, la probabilité de n’avoir la
figurine dans aucune des n barres est ( 54 )n , puisqu’il s’agit de n événements indépendants de probabilité 45 . Je
cherche donc n tel que : 1 − ( 45 )n > 0.8. On a facilement : n > 8.
Puis, je cherche m tel que : 1 − ( 54 )m > 0.9 ; il faut au moins 11 barres pour que la probabilité dépasse 90%.
Pour la probabilité 99%, n > 21 .
1. Le taux global de personnes soulagées : P(S) = 35 0.75 + 52 0.90 = 0.81.
2. Probabilité pour un patient d’avoir pris de l’aspirine sachant qu’il est soulagé : P(A/S) = P(A∩S)/P(S) =
3
5 0.75
P(A)P(S/A)/P(S) = 0.81 = 55.6%.
1. Probabilité conditionnelle : si un individu a les yeux bruns d’avoir les cheveux blonds. C’est P(CB/Y B) =
P(Y B/CB)P(CB)/P(Y B)=P(Y B ∩CB)/P(Y B) = 0.15 0.4 = 0.375.
4
2. La probabilité de l’événement : si un individu a les cheveux blonds d’avoir les yeux bruns. C’est
0.15
P(Y B/CB) = P(Y B ∩CB)/P(CB)= 0.25 = 0.6.
3. La probabilité de l’événement : si un individu a les cheveux blonds,de ne pas avoir les yeux bruns. C’est
P(nonY B/CB) = 1 − P(Y B/CB) = 0.4.
On obtient par calcul direct ou par événement contraire la probabilité de voler : 1 − p + p(1 − q)2 .
1. La probabilité pour une personne d’être malade si son test est positif est P(M/T + ) = P(T + /M)P(M)/P(T + )
or P(T + ) = P(T + /M)P(M) + P(T + /S)P(S) = 0.95 · 0.03 + 0.1 · 0.97 = 0.125 5. D’où : P(M/T + ) =
22.7%.
2. La probabilité pour une personne d’être saine si son test est positif est P(S/T + ) = 1 − P(M/T + ) =
77.3%.
3. La probabilité pour une personne d’être malade si son test est négatif est P(M/T − ) = 0.0017.
4. La probabilité pour une personne d’être saine si son test est négatif est 1 − P(M/T − ) = 0.998 = 99.8%.
Une manière de résoudre le problème est la suivante : puisqu’il y a 8 clés et que j’écarte une après l’autre les
mauvaises clés, je considère comme ensemble de toutes les possibilités, toutes les permutations de ces huit
clés : il y en a 8 !. Alors la solution de chaque question est basée sur le même principe :
1. Les permutations (fictives) qui traduisent le cas (1) sont celles qui peuvent être représentées par une
suite : BMMMMMMM, la lettre B désigne la bonne, M désigne une mauvaise. Il y a 7! permutations de
7!
ce type. Donc P(A) = 8! = 18 , on s’en doutait !
2. De même, les permutations (fictives) sont celles qui peuvent être représentées par une suite : MBMMMMMM :
il y en a encore 7 !, et la probabilité est la même.
3. Le raisonnement permet en fait de conclure que la probabilité, avant de commencer, d’ouvrir la porte
est la même pour le premier, deuxième,..., huitième essai.
1. L’univers des possibles est l’ensemble des couples possibles : il y en a 6! = 720 (imaginez les dames
assises et les hommes choisissant leur partenaire). La probabilité P(A) pour que chacun des 6 hommes
danse avec son épouse légitime est, si chacun choisit au hasard, 6!1 .
2. André danse avec son épouse, les autres choisissent au hasard : il y a 5! permutations pour ces derniers :
5!
P(B) = 6! = 16 .
3. André et René dansent avec leur épouse, les 4 autres choisissent au hasard : il y a 4! permutations pour
4! 1
ces derniers : P(C) = 6! = 30 .
4. André ou René dansent avec leur épouse, les 4 autres font ce qu’ils veulent. Considérons les événements
D1 : «André danse avec son épouse» ; D2 : «René danse avec son épouse». Alors D = D1 ∪ D2 et
3
P(D1 ∪ D2 ) = P(D1 ) + P(D2 ) − P(D1 ∩ D2 ) = 10 .
49

1. Combien de grilles ? Il y en a 6 = 13 983 816
5
2. Combien de grilles avec 2 nombres consécutifs ? Ce problème peut être résolu par astuce : considérer
les numéros gagnants comme 6 places à «choisir» parmi 49. En considérant des cloisons matérialisant
les numéros gagnants, c’est un problème de points et cloisons Par exemple :
| • • || • |• • • | ••|
les gagnants sont : 1 ; 4 ; 5 ; 7 ; 11 ; 14. Dans notre cas on ne veut pas de cloisons consécutives. Les cinq
cloisons séparent les numéros en 7 boîtes. Les 5 boîtes intérieures étant non vides, on y met 5 points,
puis 38(= 49 − 5 − 6) dans 7 boîtes. Il y a (38−1+7)!
38!6! = 7. 059 1 × 106 séquences ne comportant pas 2
nombres consécutifs.
D’où la probabilité d’avoir une grille comportant 2 nombres consécutifs : 0.4952.
1. un+1 = P(Gn+1 ) = P(Gn+1 /Gn)P(Gn) + P(Gn+1 /Gn )P(Gn ) = 0.6un + 0.3vn .
vn+1 = 0.4un + 0.7vn .

un+1 0.6 0.3 un
Donc =
vn+1 0.4 0.7 vn
Comme un + vn = 1, un+1 = 0.6un + 0.3(1 − un ) = 0.3 + 0.3un . La suite (un − `) est géométrique, où `
est solution de 0.3 + 0.3` = `, donc ` = 73 . Donc un = 37 + u1 (0.3)n−1 = 73 + 0.5(0.3)n−1 .
6
Exo7
Variables aléatoires discrètes
Exercice 1
Une entreprise pharmaceutique décide de faire des économies sur les tarifs d’affranchissements des courriers
publicitaires à envoyer aux clients. Pour cela, elle décide d’affranchir, au hasard, une proportion de 3 lettres sur
5 au tarif urgent, les autres au tarif normal.
1. Quatre lettres sont envoyées dans un cabinet médical de quatre médecins : quelle est la probabilité des
événements :
A : «Au moins l’un d’entre eux reçoit une lettre au tarif urgent».
B : «Exactement 2 médecins sur les quatre reçoivent une lettre au tarif urgent».
2. Soit X la variable aléatoire : «nombre de lettres affranchies au tarif urgent parmi 10 lettres» : Quelle est
la loi de probabilité de X, quelle est son espérance, quelle est sa variance ?
Exercice 2
On prend au hasard, en même temps, trois ampoules dans un lot de 15 dont 5 sont défectueuses. Calculer la
probabilité des événements :
A : au moins une ampoule est défectueuse ;
B : les 3 ampoules sont défectueuses ;
C : exactement une ampoule est défectueuse.
Exercice 3
Un avion peut accueillir 20 personnes ; des statistiques montrent que 25% clients ayant réservé ne viennent pas.
Soit X la variable aléatoire : «nombre de clients qui viennent après réservation parmi 20». Quelle est la loi de
X ? (on ne donnera que la forme générale) quelle est son espérance, son écart-type ? Quelle est la probabilité
pour que X soit égal à 15 ?
Exercice 4
L’oral d’un concours comporte au total 100 sujets ; les candidats tirent au sort trois sujets et choisissent alors le
sujet traité parmi ces trois sujets. Un candidat se présente en ayant révisé 60 sujets sur les 100.
1. Quelle est la probabilité pour que le candidat ait révisé :
(a) les trois sujets tirés ;
(b) exactement deux sujets sur les trois sujets ;
(c) aucun des trois sujets.
2. Définir une variable aléatoire associée à ce problème et donner sa loi de probabilité, son espérance.
Exercice 5
Un candidat se présente à un concours où, cette fois, les 20 questions sont données sous forme de QCM. A
chaque question, sont proposées 4 réponses, une seule étant exacte. L’examinateur fait le compte des réponses
exactes données par les candidats. Certains candidats répondent au hasard à chaque question ; pour ceux-la,
définir une variable aléatoire associée à ce problème et donner sa loi de probabilité, son espérance.
1
Exercice 6
Dans une poste d’un petit village, on remarque qu’entre 10 heures et 11 heures, la probabilité pour que deux
personnes entrent durant la même minute est considérée comme nulle et que l’arrivée des personnes est indé-
pendante de la minute considérée. On a observé que la probabilité pour qu’une personne se présente entre la
minute n et la minute n + 1 est : p = 0.1. On veut calculer la probabilité pour que : 3,4,5,6,7,8... personnes se
présentent au guichet entre 10h et 11h.
1. Définir une variable aléatoire adaptée, puis répondre au problème considéré.
2. Quelle est la probabilité pour que au moins 10 personnes se présentent au guichet entre 10h et 11h ?
Exercice 7
Si dans une population une personne sur cent est un centenaire, quelle est la probabilité de trouver au moins un
centenaire parmi 100 personnes choisies au hasard ? Et parmi 200 personnes ?
Exercice 8
Un industriel doit vérifier l’état de marche de ses machines et en remplacer certaines le cas échéant. D’après
des statistiques précédentes, il évalue à 30% la probabilité pour une machine de tomber en panne en 5 ans ;
parmi ces dernières, la probabilité de devenir hors d’usage suite à une panne plus grave est évaluée à 75% ;
cette probabilité est de 40% pour une machine n’ayant jamais eu de panne.
1. Quelle est la probabilité pour une machine donnée de plus de cinq ans d’être hors d’usage ?
2. Quelle est la probabilité pour une machine hors d’usage de n’avoir jamais eu de panne auparavant ?
3. Soit X la variable aléatoire «nombre de machines qui tombent en panne au bout de 5 ans, parmi 10
machines choisies au hasard». Quelle est la loi de probabilité de X, (on donnera le type de loi et les
formules de calcul), son espérance, sa variance et son écart-type ?
4. Calculer P[X = 5].
Exercice 9
Une population comporte en moyenne une personne mesurant plus de 1m90 sur 80 personnes. Sur 100 per-
sonnes, calculer la probabilité qu’il y ait au moins une personne mesurant plus de 1.90m (utiliser une loi de
Poisson). Sur 300 personnes, calculer la probabilité qu’il y ait au moins une personne mesurant plus de 1.90m.
2
1. On utilise une loi binomiale, loi de la variable aléatoire : «nombre de lettres affranchies au tarif urgent
3 2 4 4 2 2 3 2

parmi 4 lettres» n = 5, p = 5 . On obtient P(A) = 1 − ( 5 ) = 0.9744, P(B) = 2 ( 5 ) ( 5 ) = 0.3456.
2. La loi de probabilité de X est une loi binomiale, loi de la variable aléatoire : «nombre de lettres af-
franchies au tarif urgent parmi 10 lettres». n = 10, p = 53 , son espérance est np = 6, sa variance est
np(1 − p) = 125.
On utilise une loi hypergéométrique
(10)
P(A) = 1 − 153 = 0.736 26
(3)
(53)
P(B) = 15 = 2. 197 8 × 10−2
(3)
(5)(10)
P(C) = 1 15 2 = 0.494 51
(3)
Soit X la variable aléatoire nombre de clients qui viennent après réservation parmi 20. La loipde X est une
√ binomiale de paramètres n = 20, p = 0.75. Son espérance
loi est np = 15, son écart-type est np(1 − p) =
15 · 0.25. La probabilité pour que X soit égal à 15 est 20 15 0.255 = 0.202 33.

15 0.75
La variable aléatoire associée à ce problème est X «nombre de sujets révisés parmi les 3» ; son support est
l’ensemble {0, 1, 2, 3}. La loi de X est une loi hypergéométrique puisque l’événement [X = k], pour k compris
entre 0 et 3, se produit si le candidat tire k sujet(s) parmi les 60 révisés, et 3 − k sujets parmi les 40 non révisés.
Alors :
(603)
1. Les trois sujets tirés ont été révisés : P[X = 3] = 100 .
(3)
(60).(40)
2. Deux des trois sujets tirés ont été révisés : P[X = 2] = 2 100 1 .
(3)
40
(3)
3. Aucun des trois sujets : P[X = 0] = 100 .
(3)
La loi de probabilité de X est donnée sur le support {0, 1, 2, 3} par :
60
40
k . 3−k
P[X = k] = 100

3
Résultats numériques :
k = 0 : P[X = 0] ' 6. 110 × 10−2
k = 1 : P[X = 1] ' 0.289
k = 2 : P[X = 2] ' 0.438
k = 3 : P[X = 3] ' 0.212
L’espérance est E(X) = 1.8 (selon la formule E(X) = np).
Puisque les réponses sont données au hasard, chaque grille-réponses est en fait la répétition indépendante de
20 épreuves aléatoires (il y a 420 grilles-réponses). Pour chaque question la probabilité de succès est de 14 et
l’examinateur fait le compte des succès : la variable aléatoire X, nombre de bonnes réponses, obéit à une loi
binomiale donc on a directement les résultats. Pour toute valeur de k comprise entre 0 et 20 : P[X = k] =
k ( 1 )k (1 − 1 )20−k , ce qui donne la loi de cette variable aléatoire.
C20 4 4
Quelle est l’espérance d’un candidat fumiste ? C’est E(X) = np = 5
3
Une variable aléatoire adaptée à ce problème est le nombre X de personnes se présentant au guichet entre
10h et 11h. Compte tenu des hypothèses, on partage l’heure en 60 minutes. Alors X suit une loi binomiale de
paramètres n = 60 et p = 0.1. On est dans le cas de processus poissonnien : on peut approcher la loi de X par
la loi de Poisson de paramètre λ = 60 × 0.1 = 6. L’espérance de X est donc E(X) = 6 ;
k −6
On peut alors calculer les probabilités demandées : P[X = k] = 6 k!e . Valeurs lues dans une table ou calculées :
P[X = 3] ' 0.9%; P[X = 4] ' 13.4%; P[X = 5] = P[X = 6] ' 16.1%; P[X = 7] ' 13.8%; P[X = 8] ' 10.3 %.
Remarque : de façon générale si le paramètre λ d’une loi de Poisson est un entier K, on a : P[X = K − 1] =
K K−1 e−K K K e−K
(K−1)! = K! = P[X = K] .
Calculons maintenant la probabilité pour que au moins 10 personnes se présentent au guichet entre 10h et 11h :
k −6
C’est P[X > 10] = 1 − ∑9k=0 6 k!e ' 8.392 × 10−2 .
1
La probabilité p = 100 étant faible, on peut appliquer la loi de Poisson d’espérance 100p = 1 au nombre X de
centenaires pris parmi cent personnes. On cherche donc : P[X > 1] = 1 − P[X = 0] = 1 − e−1 ' 63%.
Sur un groupe de 200 personnes : l’espérance est 2 donc : P[X 0 > 1] = 1 − e−2 ' 86%. La probabilité des
événements : [X 0 = 1] et [X 0 = 2] sont les mêmes et valent : 0.14. Ainsi, sur 200 personnes, la probabilité
de trouver exactement un centenaire vaut 0.14, égale à la probabilité de trouver exactement deux centenaires.
Cette valeur correspond au maximum de probabilité pour une loi de Poisson d’espérance 2 et se généralise. Si
X obeit à une loi de Poisson d’espérance K, alors le maximum de probabilité est obtenu pour les événements
[X = K − 1] et [X = K].
1. 30% est la probabilité de l’événement Panne, noté Pa ; la probabilité pour une machine donnée de plus
de cinq ans, d’être hors d’usage est P(HU) = P(HU/Pa)P(Pa)+P(HU/nonPa)P(nonPa) = 0.3·0.75+
0.4 · 0.7 = 0.505.
2. La probabilité pour une machine hors d’usage de n’avoir jamais eu de panne auparavant est P(non Pa/HU) =
P(HU/non Pa)P(non Pa)/P(HU) = 0.4 · 0.7/0.505 = 0.554 46.
3. La loi de probabilité de X est une loi binomiale, n = 10, p = 0.3, espérance 3.
4. P[X = 5] = 10 5 5

5 (0.3) (0.7) = 0.102 92
Le nombre X de personnes mesurant plus de 1.90m parmi 100 obéit à une loi de Poisson de paramètre 100 80 .
100
La probabilité qu’il y ait au moins une personne mesurant plus de 1.90m est donc 1 − P[X = 0] = 1 − e− 80 =
5
1 − e− 4 = 0.713 50.
Sur 300 personnes : la probabilité qu’il y ait au moins une personne mesurant plus de 1.90m est donc 1 − P[Y =
300
0] = 1 − e− 80 = 0.976 48.
4
Exo7
Loi normale et approximations
Exercice 1
Une usine fabrique des billes de diamètre 8mm. Les erreurs d’usinage provoquent des variations de diamètre.
On estime, sur les données antérieures, que l’erreur est une variable aléatoire qui obeit à une loi normale les
paramètres étant : moyenne : 0mm, écart-type : 0.02mm. On rejette les pièces dont le diamètre n’est pas compris
entre 7.97mm et 8.03mm. Quelle est la proportion de billes rejetées ?
Exercice 2
Des machines fabriquent des plaques de tôle destinées à être empilées.
1. Soit X la variable aléatoire «épaisseur de la plaque en mm» ; on suppose que X suit une loi normale
de paramètres m = 0.3 et σ = 0.1. Calculez la probabilité pour que X soit inférieur à 0.36mm et la
probabilité pour que X soit compris entre 0.25 et 0.35mm.
2. L’utilisation de ces plaques consiste à en empiler n, numérotées de 1 à n en les prenant au hasard : soit
Xi la variable aléatoire «épaisseur de la plaque numéro i en mm» et Z la variable aléatoire «épaisseur
des n plaques en mm». Pour n = 20, quelle est la loi de Z, son espérance et sa variance ?
Exercice 3
Des machines fabriquent des plaques de tôle destinées à être empilées ; on estime à 0.1% la proportion de
plaques inutilisables. L’utilisation de ces plaques consiste à en empiler n, numérotées de 1 à n en les prenant au
hasard. Pour n = 2000, quelle est la loi suivie par la variable aléatoire N «nombre de plaques inutilisables parmi
les 2000» ? (on utilisera une loi de probabilité adaptée) ; quelle est la probabilité pour que N soit inférieure ou
égal à 3 ? Quelle est la probabilité pour que N soit strictement inférieure à 3 ?
Exercice 4
Des machines fabriquent des crêpes destinées à être empilées dans des paquets de 10. Chaque crêpe a une
épaisseur qui suit une loi normale de paramètres m = 0.6mm et σ = 0.1. Soit X la variable aléatoire «épaisseur
du paquet en mm». Calculez la probabilité pour que X soit compris entre 6.3mm et 6.6mm.
Exercice 5
Sur un grand nombre de personnes on a constaté que la répartition du taux de cholestérol suit une loi normale
avec les résultats suivants :
- 56% ont un taux inférieur à 165 cg ;
- 34% ont un taux compris entre 165 cg et 180 cg ;
- 10% ont un taux supérieur à 180 cg.
Quelle est le nombre de personnes qu’il faut prévoir de soigner dans une population de 10 000 personnes, si le
taux maximum toléré sans traitement est de 182 cg ?
Exercice 6
Pour chacune des variables aléatoires qui sont décrites ci-dessous, indiquez quelle est la loi exacte avec les
paramètres éventuels (espérance, variance) et indiquez éventuellement une loi approchée.
1
4
1. Nombre annuel d’accidents à un carrefour donné où la probabilité d’accident par jour est estimée à 365 .
2. Nombre de garçons dans une famille de 6 enfants ; nombre de filles par jour dans une maternité où
naissent en moyenne 30 enfants par jour.
3. Dans un groupe de 21 personnes dont 7 femmes, le nombre de femmes dans une délégation de 6 per-
sonnes tirées au hasard.
2
La probabilité qu’une bille soit rejetée est, en notant D la variable aléatoire «diamètre», p = 1 − P[7.97 6 D 6
8.03]. Or P[7.97 6 D 6 8.03] = P[− 0.03 D−8 0.03
0.02 6 0.02 6 0.02 ] = F(1.5) − F(−1.5) = 0.866 4. La proportion de billes
rejetées est donc p = 13.4%.
1. La probabilité pour que X soit inférieur à 0.36mm est : P[X 6 0.36] = P[ X−0.3
0.1 6 0.6] = 0.726, soit
72.6%.
La probabilité pour que X soit compris entre 0.25 et 0.35mm est P[0.25 6 X 6 0.35] = 2F(0.5) − 1 =
0.383, soit 38.3%.
2. Pour n = 20, la loi de Z = ∑ Xi est une loi normale de paramètres : d’espérance E(Z) = 20m = 6 et de
variance Var Z = 20σ 2 = 0.2.
Pour n = 2000, la loi suivie par la variable aléatoire N «nombre de plaques inutilisables parmi les 2000» est
une loi de Poisson de paramètre 2 : alors P[N 6 3] = 0.86.
Remarquons qu’en faisant l’approximation par une loi normale et en employant le théorème central limite, on
obtient : P[N 6 3] ' 0.76, et avec correction de continuité on obtient P[N 6 3] ' 0.85.
Par des méthodes analogues on trouve que la probabilité pour que X soit compris entre 6.3mm et 6.6 mm est
14.3.
Si X est de moyenne m et d’écart-type σ alors Y = X−m σ suit une loi centrée réduite. Donc si P[X 6 165] alors
X−m 165−m
P[ σ 6 σ ] = 0, 56. Or on peut lire dans la table de Gauss F(0.15) = 0.5596.
180−m 180−m
De même, si P[X > 180] alors P[ X−m σ >
X−m
σ ] = 0.1. Donc P[ σ 6 σ ] = 0.9 et l’on peut lire de même
F(1.28) = 0.8997.
Pour trouver m et σ il suffit de résoudre le système d’équations : 165−m
σ = 0.15 et 180−m
σ = 1.28 d’où σ ' 13.27,
X−m 182−m
m ' 163 cg. Alors, P[X > 182] = P[ σ > σ ] = 1 − F(1. 43) = 0.0764.
Sur 10 000 personnes on estime le nombre de personnes à soigner de l’ordre de 764 personnes ; en fait la théorie
de l’estimation donnera une fourchette.
4
1. Loi binomiale B(365; 365 ), approchée par la loi de Poisson de paramètre 4, d’espérance et variance 4.
2. Loi binomiale B(6; 21 ), d’espérance 3 et variance 23 .
3. Loi hypergéométrique.
3
Exo7
Tendance de la loi binomiale vers la loi normale
Exercice 1
On effectue un contrôle de fabrication sur des pièces dont une proportion p = 0.02 est défectueuse.
1. On contrôle un lot de 1000 pièces :
Soit X la variable aléatoire : «nombre de pièces défectueuses parmi 1000». Quelle est la vraie loi de X ?
(on ne donnera que la forme générale) ; quel est son espérance, son écart-type ?
2. En approchant cette loi par celle d’une loi normale adaptée, calculez la probabilité pour que X soit
compris entre 18 et 22 (P[18 6 X 6 22]) ; on fera les calculs avec et sans correction de continuité. On
fera également les calculs avec la vraie loi pour comparer.
Exercice 2
On effectue un contrôle sur des pièces de un euro dont une proportion p = 0, 05 est fausse et sur des pièces de
2 euros dont une proportion p0 = 0, 02 est fausse. Il y a dans un lot 500 pièces dont 150 pièces de un euro et
350 pièces de 2 euros.
1. On prend une pièce au hasard dans ce lot : quelle est la probabilité qu’elle soit fausse ?
2. Sachant que cette pièce est fausse, quelle est la probabilité qu’elle soit de un euro ?
3. On contrôle à présent un lot de 1000 pièces de un euro. Soit X la variable aléatoire : «nombre de pièces
fausses parmi 1000». Quelle est la vraie loi de X ? (on ne donnera que la forme générale) ; quelle est son
espérance, son écart-type ?
4. En approchant cette loi par celle d’une loi normale adaptée, calculez la probabilité pour que X soit
compris entre 48 et 52.
Exercice 3
On jette un dé 180 fois. On note X la variable aléatoire : «nombre de sorties du 4».
1. Quelle est la loi de X ?
2. Calculez la probabilité pour que X soit compris entre 29 et 32.
Exercice 4
Aux dernières élections présidentielles en France, le candidat A a obtenu 20% des voix. On prend au hasard
dans des bureaux de vote de grandes villes des lots de 200 bulletins : on note X la variable aléatoire «nombre
de voix pour A dans les différents bureaux».
1. Quelle est la loi de probabilité de X ?
2. Comment peut-on l’approcher ?
3. Quelle est alors la probabilité pour que : X soit supérieur à 45 ? X compris entre 30 et 50 ?
4. Pour un autre candidat B moins heureux le pourcentage des voix est de 2%. En notant Y le nombre de
voix pour B dans les différents bureaux, sur 100 bulletins, reprendre les questions 1 et 2. Quelle est alors
la probabilité pour que : Y soit supérieur à 5 ? Y compris entre 1 et 4 ?
1
Exercice 5
On suppose qu’il y a une probabilité égale à p d’être contrôlé lorsqu’on prend le tram. Monsieur A fait n
voyages par an sur cette ligne.
1. On suppose que p = 0.10, n = 700.
(a) Quelle est la probabilité que Monsieur A soit contrôlé entre 60 et 80 fois dans l’année ?
(b) Monsieur A voyage en fait toujours sans ticket. Afin de prendre en compte la possibilité de faire
plusieurs passages avec le même ticket, on suppose que le prix d’un ticket est de 1,12 euros. Quelle
amende minimale la compagnie doit-elle fixer pour que le fraudeur ait, sur une période d’une année,
une probabilité supérieure à 0.75 d’être perdant ?
2. On suppose que p = 0.50, n = 300. Monsieur A voyage toujours sans ticket. Sachant que le prix d’un
ticket est de 1,12 euros, quelle amende minimale la compagnie doit-elle fixer pour que le fraudeur ait,
sur une période d’une année, une probabilité supérieure à 0.75 d’être perdant ?
2
√
1. La loi de X est la loi binomiale B(1000; 0.02), d’espérance 20, d’écart-type 19.6.
√
2. En approchant cette loi√ par celle d’une loi√normale de paramètre√m = 20, écart-type 19.6. P[18 6 X 6
22] = P[(17.5 − 20)/ 19.6 6 (X − 20)/ 19.6 6 (22.5 − 20)/ 19.6] ' 0.428.
√ √ √
Sans correction de continuité on trouve P[(17 − 20)/ 19.6 6 (X − 20)/ 19.6 6 (22 − 20)/ 19.6] '
0.348.
Approchée par la loi de Poisson de paramètres : espérance 20 et variance 20, on trouve P[18 6 X 6
22] ' 0.423.
Enfin par la vraie loi binomiale : on trouve P[18 6 X 6 22] ' 0.427.
1. Soit F l’événement «la pièce est fausse» ; soit U l’événement «la pièce est un euro» ; soit D l’événement
«la pièce est deux euros». Alors P(F) = P(F/U)P(U) + P(F/D)P(D) = 2.9%.
2. On cherche P(U/F) =(P(F/U)P(U))/P(F) = 51.7%.
3. X la variable aléatoire «nombre de
√ pièces fausses parmi 1000» obéit à une loi binomialeB(1000; 5%).
Espérance : 50 ; écart-type : σ = 47.5. En approchant cette loi par une loi normale N(50; σ ), la proba-
bilité pour que X soit compris entre 48 et 52 est : P[(47.5 − 50)/σ 6 (X − 50)/σ 6 (52.5 − 50)/σ ] '
28.3%.
√
1. La loi de X est une loi binomiale B(180; 61 ) Espérance : 30 ; écart-type : σ = 25 = 5.
2. En approchant cette loi par une loi normale N(30 ; σ ) la probabilité pour que X soit compris entre 29
et 32 : P[(28.5 − 30)/σ 6 (X − 30)/σ 6 (32.5 − 30)/σ ] ' 30.94%. Avec la vraie loi, on trouve la
probabilité pour que X soit compris entre 29 et 32 est 30.86%.
1. Lorsque l’on tire un bulletin au hasard, la probabilité que ce soit un bulletin pour A est de 0.2.
2. Il y a suffisamment de bulletins de vote en tout pour que l’on puisse assimiler ces tirages à des tirages
avec remise ; alors la loi de probabilité de X est une loi binomiale de paramètres n = 200 et p = 0.2;
√ np = 40 ; on√peut faire l’approximation normale. L’espérance de X est donc m = 40 et l’écart-type :
or
40 × 0.8 = 4 2.
3. P[X > 45] = 1−P[X 6 44] ' 1−F( 44.5−40
√
4 2
) ' 21%, c’est la probabilité pour que le nombre de voix pour
A soit supérieur à 45 dans un lot de 200 bulletins. De même, P[30 6 X 6 50] ' F( 50.5−m
σ )−F( 29.5−m
σ )'
93.6%.
4. Reprenons le calcul pour le candidat B qui n’a obtenu que 2% des voix. Alors pour n = 100 et p = 0.02
l’approximation par une loi de Poisson d’espérance λ = 2 est légitime. On peut dire que P[Y > 5] =
−2 k
1 − P[Y 6 4] = 1 − ∑4k=0 e k!2 , de l’ordre de 5%.
−2 k
Enfin P[1 6 Y 6 4] = ∑4k=1 e k!2 ' 0.812.
1. (a) Pour calculer la probabilité que Monsieur A soit contrôlé entre 60 et 80 fois dans l’année, posons le
nombre de contrôles comme une variable√aléatoire. Elle obéit à une loi binomiale B(700; 0.1). On
peut l’approcher par la loi normale N(70; 63).
√ √ √
P[60 6 X 6 80] = P[−10/ 63 6 X 6 10/ 63] ' 2F(10.5/ 63) − 1 = 0.814. La probabilité d’être
contrôlé entre 60 et 80 fois dans l’année est 81.4.
3
(b) Calculons le prix que devrait payer le voyageur : 1, 12 × 700 = 784 euros. Il est perdant si l’amende
dépasse ce prix. Or l’amende est aX, si a est l’amende fixée par la compagnie.
On cherche donc a pour que : P[aX > 784] > 0.75 : Soit P[aX 6 784] 6 0.25 : Par lecture de table :
a = 784/64.642 = 12.128 Il faut que l’amende dépasse 13 euros.
2. Calculons le prix que devrait payer le voyageur : 1, 12 × 300 = 336 euros Il est perdant si l’amende
dépasse ce prix. Or l’amende est bX, si b est l’amende fixée par la compagnie. X obéit à une loi bino-
miale B(300; 0.5). On cherche donc b pour que : P[bX > 336] > 0.75. Par un raisonnement analogue,
on obtient cette fois le résultat : il suffit que l’amende dépasse 2 euros 30 !
4
Exo7
Estimation et intervalle de confiance
Exercice 1
Un échantillon de 10 000 personnes sur une population étant donné, on sait que le taux moyen de personnes à
soigner pour un problème de cholestérol élevé est de 7, 5%. Donner un intervalle dans lequel on soit «sûr» à
95%, de trouver le nombre exact de personnes à soigner sur les 10 000.
Exercice 2
Un vol Marseille - Paris est assuré par un Airbus de 150 places ; pour ce vol des estimations ont montré que
la probabilité pour qu’une personne confirme son billet est p = 0.75. La compagnie vend n billets, n > 150.
Soit X la variable aléatoire «nombre de personnes parmi les n possibles, ayant confirmé leur réservation pour
ce vol».
1. Quelle est la loi exacte suivie par X ?
2. Quel est le nombre maximum de places que la compagnie peut vendre pour que, à au moins 95%, elle
soit sûre que tout le monde puisse monter dans l’avion, c’est-à-dire n tel que : P[X > 150] 6 0.05 ?
3. Reprendre le même exercice avec un avion de capacité de 300 places ; faites varier le paramètre p = 0.5 ;
p = 0.8.
Exercice 3
Un petit avion (liaison Saint Brieuc-Jersey) peut accueillir chaque jour 30 personnes ; des statistiques montrent
que 20% des clients ayant réservé ne viennent pas. Soit X la variable aléatoire : «nombre de clients qui se
présentent au comptoir parmi 30 personnes qui ont réservé».
1. Quelle est la loi de X ? (on ne donnera que la forme générale) ; quelle est son espérance, son écart-type ?
2. Donner un intervalle de confiance au seuil 95%, permettant d’estimer le nombre de clients à prévoir.
Exercice 4
Le staff médical d’une grande entreprise fait ses petites statistiques sur le taux de cholestérol de ses employés ;
les observations sur 100 employés tirés au sort sont les suivantes.
taux de cholestérol en cg :(centre classe) effectif d’employés :
120 9
160 22
200 25
240 21
280 16
320 7
1. Calculer la moyenne me et l’écart-type σe sur l’échantillon.
2. Estimer la moyenne et l’écart-type pour le taux de cholestérol dans toute l’entreprise.
3. Déterminer un intervalle de confiance pour la moyenne.
4. Déterminer la taille minimum d’échantillon pour que l’amplitude de l’intervalle de confiance soit infé-
rieure à 10.
1
Exercice 5
Sur 12 000 individus d’une espèce, on a dénombré 13 albinos. Estimer la proportion d’albinos dans l’espèce.
On comparera les méthodes d’approximation des lois réelles par d’autres lois classiques.
Exercice 6
Une compagnie aérienne a demandé des statistiques afin d’améliorer la sûreté au décollage et définir un poids
limite de bagages. Pour l’estimation du poids des voyageurs et du poids des bagages, un échantillon est constitué
de 300 passagers qui ont accepté d’être pesés : on a obtenu une moyenne me de 68kg, avec un écart-type σe de
7 kg.
1. Définir un intervalle de confiance pour la moyenne des passagers. (On admet que le poids des passagers
suit une loi normale de moyenne m, d’écart-type σ .)
2. Montrer que l’on peut considérer que le poids des passagers est une variable aléatoire X de moyenne 70
kg, d’écart-type 8 kg.
3. En procédant de même pour le poids des bagages, on admet les résultats :
— Si le poids maximum autorisé est de 20 kg, le poids des bagages peut être considéré comme une
variable aléatoire Y de moyenne 15 kg, d’écart-type 5 kg.
— La capacité de l’avion est de 300 passagers ; l’avion pèse, à vide, 250 tonnes. Le décollage est
interdit si le poids total dépasse 276.2 tonnes. Quelle est la probabilité pour que le décollage soit
interdit ?
Exercice 7
Afin de mieux satisfaire leurs clients, une grande société fournisseur d’accès internet fait ses statistiques sur
le nombre d’appels reçus en hotline, elle pourra ainsi évaluer le temps d’attente pour le client et le nombre
d’employés à mettre au standard ; les résultats de l’enquête portent sur 200 séquences consécutives de une
minute, durant lesquelles le nombre d’appels moyen a été de 3 appels par minute. On suppose que les appels
sont répartis également dans le temps : on partage un intervalle de temps en unités de une seconde ; alors dans
chaque unité de temps, il y a au plus un appel.
1. Quelle est la loi de probabilité du nombre d’appels reçus en 4 minutes ?
2. Montrer que l’on peut approcher cette loi par une loi de Poisson.
3. Donner un intervalle de confiance pour le nombre moyen d’appels en 4 minutes.
2
Un intervalle
q dans lequel q on soit «sûr» à 95% de trouver le nombre exact de personnes à soigner sur les 10 000 :
p(1−p) p(1−p)
[p − yα n ; f e + yα n ]. Fréquence entre 65,7% et 94,3%. Donc entre 698 et 802 personnes sur
10000
La loi exacte suivie par X est une loi binomiale de paramètres : n, p. E(X) = 0.75n et Var X = 0.25 · 0.75n.
Comme
√ n > 150, on peut faire l’approximation par la loi normale d’espérance 0, 75n et d’écart-type σ =
0.25 · 0.75n. P[X > 150] 6 0.05 si P[X 6 150] > 0.95 si : P[ √X−0.75n
0.25·0.75n
6 √150−0.75n
0.25·0.75n
] > 0.95. Dans la table de
150.5−0.75n
Gauss, on lit F(1.645) = 0.95. On n’a plus qu’à résoudre l’inéquation : √
0.25·0.75n
> 1.645, dont les solutions
sont :
0 6 n 6 187.
Ainsi, en vendant moins de 187 billets, la compagnie ne prend qu’un risque inférieur à 5% de devoir indemniser
des voyageurs en surnombre. Faisons varier les paramètres, cela ne pose aucun problème :
N = 150, p = 0.5. n est solution de l’inéquation : 150.5−0.5n
√
0.5.0.5n
> 1.645. Solution : n 6 272.
300.5−0.75n
N = 300, p = 0.75. n est solution de l’inéquation : √
0.25.0.75n
> 1.645. Solution : n 6 381.
300.5−0.5n
N = 300, p = 0.5. n est solution de l’inéquation : √
0.5.0.5n
> 1.645. Solution : n 6 561.
1. La loi de X est la loi binomiale n = 30, p = 0.2.
2. Un intervalle de confiance au seuil 95%, permettant d’estimer le nombre de clients à prévoir : c’est pour
la fréquence : 0.657 ; 0.943. Soit entre 20 et 28 personnes. C’est une large fouchette due à n petit.
1. On obtient, sur l’échantillon, la moyenne me = 214, l’écart-type σe = 55.77.
q
100
2. La moyenne sur l’entreprise est estimée par me . L’écart-type est estimé par : σbe = 99 55.77 ' 56.05.
3. On en déduit, au seuil 95%, un intervalle de confiance pour la moyenne : [me − yα √σben ; me + yα √σben ] =
[203.01; 224.99]. Ainsi le taux moyen de cholestérol est, à un seuil de confiance 95%, située entre 203
et 225 cg.
13
Il s’agit ici d’estimer une proportion, suite à une observation qui vaut : f = 12000 ' 1.0833 × 10−3 .
On peut utiliser une approximation par une loi normale pour la moyenne
q d’échantillon.
q On en déduit un inter-
valle de confiance pour la proportion, au seuil 95% : Iα = [ f − yα f (1− f)
n−1 ; p + yα
f (1− f ) −4
n−1 ] ' [4.7 × 10 , 1.7 ×
10−3 ].
On peut choisir Iα comme intervalle de confiance, au seuil 95%, de la proportion cherchée. Par l’inégalité de
Bienaymé-Tchebychev, on a l’intervalle I = [ f − a, f + a], avec : P[ X − p 6 a] > 1 − ( Var
X

a2
) et P[|X − p| 6
a] > 0.95 si 1 − Var
a2
X
> 0.95, soit a > 1.3979 × 10−3 . On préfèrera donc la première méthode.
q q
1. On peut estimer m par la moyenne de l’échantillon : 68 kg, et σ par σe 300
299 = 7 300
299 ' 7.0117 kg. On
en déduit un intervalle de confiance pour la moyenne m : Iα = [67.2; 68.8].
2. La borne supérieure de l’intervalle étant de 69 kg, il est raisonnable de prendre 70 kg comme espérance
de la variable poids d’un passager.
3
3. Le décollage est autorisé si le poids total des voyageurs et de leurs bagages ne dépasse pas 26.2
tonnes. Pour chacun des 300 passagers, notons : Xi son poids et Yi le poids de ses bagages. Fai-
sons l’hypothèse d’indépendance entre les variables Xi et Yi . Le poids total Z = ∑300 i=1 (Xi + Yi ) est la
somme de 600 variables aléatoires indépendantes ; le théorème central limite s’applique sous cette
hypothèse. Comme l’espérance totale est E(Z) = 300 · (70 + 15) = 25 500 et la variance de Z est :
Var Z = 300 · (Var X
pi + VarYi ). Alors Z suit approximativement une loi normale de moyenne m = 25 500,
2 2 0 Z−m
d’écart-type σ = 300 · (8 + 5 ) = 163.4. Alors Z = σ suit approximativement une loi normale
centrée réduite. Le décollage est interdit si : Z > 26 200, c’est-à-dire si Z 0 > 4.284. On lit dans la table
de Gauss : pour t = 4, F(t) = 0.999 968 = P[Z 0 6 4]. Le décollage est interdit pour cause de surcharge
pondérale avec une probabilité inférieure à 0.000 04.
1. L’intervalle de temps de 4 minutes est la répétition de 240 secondes, au cours desquelles les appels
1
surviennent de façon indépendante, avec la probabilité d’appel de 20 ; la loi de probabilité du nombre
1
d’appels reçus en 4 minutes est donc une loi binomiale, de paramètres n = 240 et p = 20 .
2. Comme n > 30 et np 6 15, il est possible d’approcher cette loi par une loi de Poisson de paramètre λ
estimé par np = 12.
3. Un échantillon de taille 200 a été réalisé pour estimer le nombre moyen d’appels par minute ; c’est un
échantillon de taille 50 pour la variable précédente (nombre d’appels reçus en 4 minutes) qui suit une loi
de Poisson d’espérance et de variance 12. Un intervalle de confiance au niveau 95% pour la moyenne
est Iα = [11; 13].
4
Exo7
Tests et tests du khi deux
Exercice 1
On s’intéresse au problème des algues toxiques qui atteignent certaines plages de France ; après étude on
constate que 10% des plages sont atteintes par ce type d’algues et on veut tester l’influence de rejets chimiques
nouveaux sur l’apparition de ces algues. Pour cela 50 plages proches de zones de rejet chimiques, sont obser-
vées ; on compte alors le nombre de plages atteintes par l’algue nocive : on constate que 10 plages sont atteintes
par l’algue. Pouvez-vous répondre à la question «Les rejets chimiques ont-t-il modifié, de façon significative,
avec le risque α = 0.05, le nombre de plages atteintes ?»
Exercice 2
On veut étudier la liaison entre les caractères : «être fumeur» (plus de 20 cigarettes par jour, pendant 10 ans) et
«avoir un cancer de la gorge», sur une population de 1000 personnes, dont 500 sont atteintes d’un cancer de la
gorge. Voici les résultats observés :
Tableau observé
Observé cancer non cancer marge

fumeur 342 258 600
non fumeur 158 242 400
marge 500 500 1000
Faire un test d’indépendance pour établir la liaison entre ces caractères.

Pour plus de contenu théorique et pratique, et pour plus de détails sur les aspects historiques (par exemple
études liens tabac et cancers, études statistiques sur énergie, travail et genre... ), on pourra consulter l’ouvrage
«Probabilités et statistique aujourd’hui», Martine Quinio Benamo, nouvelle édition 2009, L’Harmattan
1
Posons H0 «les rejets chimiques ne modifient pas le nombre de plages atteintes par les algues».
Notons p0 = 0.1 la proportion théorique de plages atteintes par l’algue verte avant les rejets chimiques ; p la
proportion théorique de plages atteintes par l’algue verte après les rejets chimiques et f la fréquence observée
dans l’échantillon.
Considérons alors la variable aléatoire Xi , i 6 50, qui a deux modalités : 1 si la plage est atteinte, 0 sinon. C’est
une variable de Bernoulli, alors le nombre total de plages atteintes dans l’échantillon est une variable aléatoire
qui, sous H0 , obéit à une loi binomiale de paramètres n = 50, p0 = 0.1.
Sous H0 , «p = p0 = 0.1» la variable «moyenne d’échantillon» :
∑i=50
i=1 Xi
X=
n
dont une réalisation est la fréquence observée, soit 10 , obéit à une loi que l’on peut approcher par une loi
q 50
p0 (1−p0 )
normale de paramètres : moyenne p0 et écart-type 50 .
A l’aide de la formule de cours, on détermine l’intervalle de confiance associé : I ' [0.017; 0.183]. On constate
que la fréquence observée est dans la zone de rejet (non chimique) : 0.2 n’est pas dans l’intervalle de confiance
au seuil 95%. On peut donc rejeter H0 et conclure, au risque 0.05, que les rejets chimiques modifient de façon
significative le nombre de plages atteintes par l’algue.
Mise en oeuvre du test :
1. On définit un risque : 5%. Pour étudier la dépendance de ces caractères faisons l’hypothèse H0 : «les
deux caractères sont indépendants » et voyons ce qui se passerait sous cette hypothèse. Notons les
événements :
— C : «avoir un cancer dans la population observée»
— F : «être fumeur dans la population observée»
Si les événements F et C sont indépendants, alors : P(F ∩ C) = P(F) · P(C) et de même pour les trois
autres possibilités : P(C ∩ F), P(C ∩ F), P(C ∩ F), quantités que l’on peut donc calculer sous H0 :
600 500 3
P(F) = 1000 , P(C) = 1000 , P(F) · P(C) = 10 , alors l’effectif théorique correspondant à la catégorie
«fumeur et cancéreux» est de 300.
2. On en déduit le tableau théorique sous H0 :
Théorique cancer non cancer marge
fumeur 300 300 600
non fumeur 200 200 400
marge 500 500 1000
2
(Oi −Ti )
3. On calcule alors la valeur de s = ∑i=4
i=1 Ti : on obtient : s = 34.73. On a précisé le risque de %, mais
pour α = 0, 001, on lit dans la table du khi-deux à un degré de liberté : P[χ 2 > 10.83] = 0.001 et le χ 2
calculé est 34.73 !
4. On décide de rejeter H0 . Ainsi, en rejetant l’hypothèse de l’indépendance des caractères «être fumeur»
et «avoir un cancer de la gorge», on a moins de une chance sur 1000 de se tromper, puisque moins de un
tableau possible sur mille conduit à un calcul de χ 2 plus grand que 10.83 ; beaucoup moins sans doute,
conduiraient à un calcul de χ 2 plus grand que 34.73.

Exercices Corrigés Probabilités 2

Transféré par

Droits d'auteur :

Formats disponibles

Exercices Corrigés Probabilités 2

Transféré par

Informations du document

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

Exercices Corrigés Probabilités 2

Transféré par

Droits d'auteur :

Formats disponibles

Exercices : Martine Quinio

Probabilité et dénombrement ; indépendance

La probabilité cherchée est celle de l’événement complémentaire :

Variables aléatoires discrètes

Loi normale et approximations

Tendance de la loi binomiale vers la loi normale

Estimation et intervalle de confiance

Tests et tests du khi deux

Observé cancer non cancer marge

Faire un test d’indépendance pour établir la liaison entre ces caractères.

Vous aimerez peut-être aussi