Faculté de Médecine-Alger Année 2023/2024

1ière année Médecine

Biostatistique Série 4 : Variables Aléatoires et lois usuelles

Exercice 1
Soit X une variable aléatoire dont la loi de probabilité est donnée par

x 0 1 2 3 4 5
PX(x)= P(X=x) 0,1 a 0,4 0,1 0,05 0,05

1. Calculer a pour que P(X=k) soit effectivement une loi de probabilité

2. Calculer l’espérance et la variance de X.
3. Déterminer la fonction de répartition de X
4. En déduire les probabilités P [X < 4], P [X > 2], P [3 < X ≤ 4.5]

Solution
1- Valeur de a :
On sait que ∑𝑥𝑖 ∈𝑋(Ω 𝑃(𝑋 = 𝑥𝑖 ) = 1
Alors ∑5𝑥𝑖 =1 𝑃( 𝑋 = 𝑥𝑖 ) = 0.1 + 𝑎 + 0.4 + 0.1 + 0.05 + 0.05
0.1 + 𝑎 + 0.4 + 0.1 + 0.05 + 0.05 =1, 𝑎 = 1 − 0.7 = 0.3
2- L’espérance et la variance :
x 0 1 2 3 4 5 𝑡𝑜𝑡𝑎𝑙
𝑃(𝑋 = 𝑥𝑖) 0,1 a=0.3 0,4 0,1 0,05 0,05 1
𝑥𝑖 𝑃(𝑋 = 𝑥𝑖) 0 0.3 0.8 0.3 0.2 0.25 1.85
2
𝑥𝑖 𝑃(𝑋 = 𝑥𝑖) 0 0.3 1.6 0.9 0.8 1.25 4.85
5

𝐸(𝑋) = ∑ 𝑥𝑖 𝑝(𝑋 = 𝑥𝑖) = 1.85

𝑖=1
𝑉(𝑋) = 𝐸(𝑋 2 ) − 𝐸(𝑋)2 = ∑5𝑖=1 𝑥𝑖 2 𝑃(𝑋 = 𝑥𝑖) − 𝐸(𝑋)2, 𝑉(𝑋) = 4.85 − 1.852 = 1.4275
3- La fonction de répartition :
𝑛

𝐹𝑋 (𝑥) = 𝑃(𝑋 ≤ 𝑥) = ∑ 𝑃(𝑋 = 𝑥𝑖)

𝑥𝑖≤𝑥
0 𝑆𝑖 𝑥 < 0
0.1 𝑆𝑖 0 ≤ 𝑥 < 1
0.4 𝑆𝑖 1 ≤ 𝑥 < 2
𝐹(𝑥) = 0.8 𝑆𝑖 2 ≤ 𝑥 < 3
0.9 𝑆𝑖 3 ≤ 𝑥 < 4
0.95 𝑆𝑖 4 ≤ 𝑥 < 5
{ 1 𝑆𝑖 𝑥 ≥ 5
4- Calcul des probabilités :
𝑃(𝑋 < 4) = 𝐹(4− ) = 0.9
𝑃(𝑋 > 1) = 1 − 𝐹(1− ) = 1 − 0.1 = 0.9
𝑃(3 < 𝑋 ≤ 4.5) = 𝐹(4.5) − 𝐹(3− ) = 0.95 − 0.8 = 0.15

Exercice 2
Soit X une v.a de fonction de répartition donnée par :

-1-
 0 si x  0
1
 si 0  x  1
2
3 si 1  x  2

F ( x)   5
4
 si 2  x  3
5
9
10 si 3  x  3,5
1 si x  3,5

1. Déterminer la loi de probabilité de la v.a X ,
2. Calculer son espérance mathématique et sa variance.
Solution
1- La loi de probabilité de X :
𝑃(𝑋 = 𝑥𝑖) = 𝐹𝑋 (𝑥𝑖 ) − 𝐹𝑋 (𝑥𝑖−1 )

𝑥𝑖 0 1 2 3 3.5
𝑃(𝑋 = 𝑥𝑖) 1/2 1/10 1/5 1/10 1/10

2- L’espérance et la variance :
𝑥𝑖 0 1 2 3 3.5 total
𝑃(𝑋 = 𝑥𝑖) 1/2 1/10 1/5 1/10 1/10 1
𝑥𝑖𝑃(𝑋 = 𝑥𝑖) 0 1/10 2/5 3/10 3.5/10 1.15
𝑥𝑖 2 𝑃(𝑋 0 1/10 4/5 9/10 12.25/10 3.025
= 𝑥𝑖)

E(X)=1.15, V(X)= 1.7025

Exercice 3
Soit X la v.a discontinue définie par la loi de probabilité P(X=k) =A.k avec k=1,2,3.
1. Calculer A pour que P(X=k) soit effectivement une loi de probabilité.
2. Calculer E(X), V(X), σ(X)
3. Soit Y une seconde v.a discontinue définie par la loi de probabilité
Y=yj 0 1
pj=P(Y= yj ) 0,6 0,4 Calculer E(Y), V(Y), σ(Y)

4. Les v.a X et Y sont supposées indépendantes.

a. Déterminer la loi de probabilité de la v.a S=X+Y.
b. Calculer E(S), V(S), σ(S) de deux façons
5. Soit T = X-2Y ; calculer E(T), V(T), σ(T)

Solution
1- 𝑃(𝑋 = 1) + 𝑃(𝑋 = 2) + 𝑃(𝑋 = 3) = 1 , 𝐴. 1 + 𝐴. 2 + 𝐴. 3 = 1 ⇒ 6𝐴 = 1 ⇒
1
𝐴=6

-2-
 2- Calcul de l’espérance, variance et écart-type :
𝑥𝑖 1 2 3 total
𝑃(𝑋 = 𝑥𝑖) 1/6 2/6 3/6 1
𝑥𝑖 𝑃(𝑋 = 𝑥𝑖) 1/6 4/6 9/6 14/6
𝑥𝑖 2 𝑃(𝑋 = 𝑥𝑖) 1/6 8/6 27/6 6

E(X) = 14/6 =2.33, V(X) = 0.56, σ(X) = 0.75

3- E(Y) = 0.4, V(Y) = 0.24, σ(Y) = 0.49
4- S=X+Y
Méthode 1
E(S) = E(X+Y) = E(X) + E(Y) = 2.33 + 0.4 = 2.73
V(S)= V(X+Y)= V(X) +V(Y) = 0.56 + 0.24 = 0.8 (X et Y sont indépendantes)
σ(S)= 0.89
Méthode 2
𝑦𝑖 𝑥𝑖 1 2 3
0 1 2 3
1 2 3 4

𝑠𝑖 1 2 3 4 total
𝑃(𝑆 = 𝑠𝑖) 1 2 1 3 2 3 1
× 0.6 × 0.6 + × 0.4 × 0.6 + × 0.4
6 6 6 6 6 6
× 0.4
0.6/6 1.6/6 2.6/6 1.2/6 1
𝑠𝑖 𝑃(𝑆 = 𝑠𝑖) 0.6/6 3.2/6 7.8/6 4.8/6 16.4/6
𝑠𝑖 2 𝑃(𝑆 = 𝑠𝑖) 0.6/6 6.4/6 23.4/6 19.2/6 8.27

16.4
𝐸(𝑆) = = 0.73, 𝑉(𝑆) = 8.27 − (0.73)2 = 0.82, 𝜎(𝑆) = 0.9
6
5- T = X-2Y
𝐸(𝑇) = 𝐸(𝑋 − 2𝑌) = 𝐸(𝑋) − 2𝐸(𝑌) = 2.33 − 2 × 0.4 = 1.53
𝑉(𝑇) = 𝑉(𝑋 − 2𝑌) = 𝑉(𝑋) + 4𝑉(𝑌) = 0.56 + 4 ∗ 0.24 = 1.52, σ(T)= 1.23
Exercice 4
Une urne contient 5 boules numérotées 1 1 2 3 3. On tire successivement et sans remise 2 boules. Soit
X, la variable aléatoire qui compte la somme des numéros tirés.
1. Donner la loi de probabilité de X. en la résumant dans un tableau
2. Déterminer la fonction de répartition
3. Calculer l’espérance et la variance
Solution
X : une variable aléatoire qui compte la somme des numéros tirés.
1 1 2 3 3

1 2 2 3 4 4

1 2 2 3 4 4

2 3 3 4 5 5

3 4 4 5 6 6

3 4 4 5 6 6

-3-
 1- Loi de probabilité de X :
X(Ω) = {2, 3, 4, 5, 6}
𝑥𝑖 2 3 4 5 6
𝑃(𝑋 = 𝑥𝑖) 4/25 4/25 9/25 4/25 4/25

2- La fonction de répartition
𝑛

𝐹𝑋 (𝑥) = 𝑃(𝑋 ≤ 𝑥) = ∑ 𝑃(𝑋 = 𝑥𝑖)

𝑥𝑖≤𝑥

0 𝑆𝑖 𝑥 < 2
4
𝑆𝑖 2 ≤ 𝑥 < 3
25
8
𝑆𝑖 3 ≤ 𝑥 < 4
25
𝐹(𝑥) = 17
𝑆𝑖 4 ≤ 𝑥 < 5
25
21
𝑆𝑖 5 ≤ 𝑥 < 6
25
1 𝑆𝑖 𝑥 ≥ 6
{
3- L’espérance : E(X) = 4 , V(X) = 1.6
Exercice 5
Une urne contient 10 boules dont 5 rouges, 3 blanches et 2 noires. On tire successivement et
avec remise 2 boules. Soit X la v.a désignant le nombre de boules blanches obtenues.
1. Quelle est la loi de probabilité de X ?
2. Calculer son espérance et sa variance.
3. Soit Y= -3X+2. Calculer l’espérance et la variance de Y.
Solution
X : La v.a désignant le nombre de boules blanches obtenues.
1- X(Ω) = {0,1, 2}
𝑥𝑖 0 1 2 Total
𝑃(𝑋 = 𝑥𝑖) 𝛼30 𝛼72 𝛼31 𝛼71
+ 𝛼71 𝛼31 𝛼32 𝛼70 1
2 = 0.49 2 2 = 0.09
𝛼10 𝛼10 𝛼10
= 0.42
2- E(X)= 0.6 , V(X)= 0.42
3- E(Y) = E(-3X+2) = -3 E(X) + 2 = 0.2 , V(Y) = V(-3X+2) = 9 V(X) = 3.78
Exercice 6
Un étudiant doit répondre à 4 Q.C.M.
1. On lui propose 3 réponses possibles à chaque question dont une seule est correcte. En
supposant que l’étudiant réponde au hasard à chaque question et que ses choix sont
indépendants les uns des autres, quelle probabilité a t il de donner
a. 2 réponses correctes ?
b. plus de réponses correctes que de fausses ?
2. Quelles seraient ces probabilités s’il n’y avait que 2 réponses possibles à chacune de ces 4
questions ?
Solution

-4-
 𝐶11 𝐶11 𝐶21 𝐶21
1- a- 𝑃(𝑋 = 2) = × × × × 𝐶42 =0.29
𝐶31 𝐶31 𝐶31 𝐶31
𝐶11 𝐶11 𝐶11 𝐶1 𝐶1 𝐶1 𝐶1 𝐶1
b-𝑃(𝑋 ≥ 3) = × × × 𝐶21 × 𝐶43 + 𝐶11 × 𝐶11 × 𝐶11 × 𝐶11 × 𝐶44 = 0.11
𝐶31 𝐶31 𝐶31 3 3 3 3 3
4 4 4
𝐶11 𝐶11 𝐶1
2- 𝑃(𝑋 = 2) = ( ) × 𝐶42 =0.375, 𝑃(𝑋 ≥ 3) = (𝐶 1 ) × 𝐶43 + (𝐶11 ) × 𝐶44 = 0.3125
𝐶21 2 2

Exercice 7
Une v.a continue admet pour densité de probabilité la fonction f(x) :
x
  k pour x [1,1]
f ( x)   2
0 sin on
1. Déterminer la valeur de k pour que f(x) soit effectivement une densité de probabilité
2. Déterminer la fonction de répartition de X
3. Calculer P( 0< X < 3)
4. Calculer E(X), V(X), σ(X)
Solution
1- La valeur de k :
1 𝑥
Pour que 𝑓(𝑥) soit une densité de probabilité il faut que ∫−1 2 + 𝑘 𝑑𝑥 = 1

1
𝑥 𝑥2 1 1 1
∫ + 𝑘 𝑑𝑥 = 1 , [ + 𝑘𝑥] = 1, + 𝑘 − + 𝑘 = 1
2 4 −1 4 4
−1
1
2𝑘 = 1, 𝑘 =
2
La valeur de k vérifie la deuxième propriété ( ∀𝑥 ∈ 𝐷𝑓, 𝑓(𝑥) ≥ 0)
1 𝑥 1 𝑥 1 3
Démonstration : −1 ≤ 𝑥 ≤ 1, − 2 ≤ 2 ≤ 2 , 0 ≤ 2 + 2 ≤ 2 , 0 ≤ 𝑓(𝑥)
2- La fonction de répartition :
𝑥
Si 𝑥 < −1: 𝐹𝑋 (𝑥) = ∫−∞ 0 𝑑𝑢 = 0
−1 𝑥 𝑢 1 𝑢2 1 𝑥
Si −1 ≤ 𝑥 ≤ 1 : 𝐹𝑋 (𝑥) = ∫−∞ 0 𝑑𝑢 + ∫−1 2 + 2 𝑑𝑢 = 0 + [ 4 + 2 𝑢]
−1
𝑥2 1 1
= + 𝑥+
4 2 4
−1 1 𝑢 1 𝑥
Si 𝑥 > 1 : 𝐹𝑋 (𝑥) = ∫−∞ 0 𝑑𝑢 + ∫−1 2 + 2 𝑑𝑢 + ∫1 0 𝑑𝑢
𝑢2 1 1
= 0 + [ + 𝑢] +0=1
4 2 −1
0 𝑠𝑖 𝑥 < −1
2
𝑥 1 1
𝐹𝑋 (𝑥) = { + 𝑥 + 𝑠𝑖 − 1 ≤ 𝑥 ≤ 1}
4 2 4
1 𝑠𝑖 𝑥 > 1
1 3
3- 𝑃(0 < 𝑥 < 3) = 𝐹𝑋 (3) − 𝐹𝑋 (0) = 1 − 4 = 4
−1 1 𝑥 1 +∞
4- 𝐸(𝑋) = ∫−∞ 0. 𝑥 𝑑𝑥 + ∫−1 (2 + 2) . 𝑥 𝑑𝑥 + ∫1 0. 𝑥 𝑑𝑥
𝑥3 𝑥2 1
𝐸(𝑋) = 0 + [ + ] +0
6 4 −1
1 1 1 1 1
𝐸(𝑋) = + + − =
6 4 6 4 3

-5-
 −1 1 +∞
𝑥 1
𝐸(𝑋 2 ) = ∫ 0. 𝑥 2 𝑑𝑥 + ∫ ( + ) . 𝑥 2 𝑑𝑥 + ∫ 0. 𝑥 2 𝑑𝑥
2 2
−∞ −1 1
𝑥4 𝑥3 1
= 0+ [ + ] +0
8 6 −1
1
𝐸(𝑋 2 ) =
4
1 1 5
𝑉(𝑋) = 𝐸(𝑋 2 ) − 𝐸(𝑋)2 = 4 − 9 = 36
σ(X) = √𝑉(𝑋) = √5/6
Exercice 8
Soit X une v.a continue de fonction de répartition
0 pour x  0
x
F X (x )   pour 0  x  2
 2
1 pour x  2
1. Calculer P(1,2<X<1,3)
2. Pour quelles valeurs de x1, x2, x3 a t-on P(X< x1)=0.5, P(X< x2)=0,75 ; P(X  x3)=0,4 ?
Que représentent chacune de ces valeurs ?
3. Donner la densité de probabilité de X
4. Calculer la moyenne et la variance de cette distribution
Solution
1.3 1.2 0.1
1- 𝑃(1.2 < 𝑋 < 1.3) = 𝐹𝑋 (1.3) − 𝐹𝑋 (1.2) = 2 − 2 = 2 = 0.05
𝑥1
2- 𝑃(𝑋 < 𝑥1 ) = 0.5 ⇒ 𝐹𝑋 (𝑥1 ) = 0.5 ⇒ = 0.5 ⇒ 𝑥1 = 1 (La médiane)
2
𝑥2
𝑃(𝑋 < 𝑥2 ) = 0.75 ⇒ 𝐹𝑋 (𝑥2 ) = 0.75 ⇒ = 0.75 ⇒ 𝑥2 = 1.5 (3èm quartile Q3)
2
𝑃(𝑋 ≥ 𝑥3 ) = 0.4, 1 − 𝐹𝑋 (𝑥3 ) = 0.4
𝑥
𝐹𝑋 (𝑥3 ) = 0.6 ⇒ 23 = 0.6 ⇒ 𝑥3 = 1.2 (3ème quintile)
3- La densité de probabilité de X :
1
𝑓𝑋 (𝑥) = {2 𝑠𝑖 𝑥 ∈ [0,2]
0 𝑠𝑖𝑛𝑜𝑛
0 2 1 +∞
4- 𝐸(𝑋) = ∫−∞ 0. 𝑥 𝑑𝑥 + ∫0 (2) . 𝑥 𝑑𝑥 + ∫2 0. 𝑥 𝑑𝑥
𝑥2 2
= 0+[ ] +0= 1
4 0
1
𝑉(𝑋) =
3

Exercice 9
Une v.a continue admet pour densité de probabilité la fonction f(x) :
ke x pour x  0
f ( x)  
0 si non
1. Déterminer la valeur de k pour que f(x) soit effectivement une densité de probabilité.
La variable X est dite alors de loi exponentielle de paramètre  ; X   ( ) ,  > 0

-6-
2. Calculer E(X), V(X), σ(X)
3. Déterminer la fonction de répartition de X
4. Calculer P( 0< X < 3)
Solution
1- La valeur de k :
0 +∞

∫ 𝑓𝑋 (𝑥) 𝑑𝑥 = 1, ∫ 0 𝑑𝑥 + ∫ 𝑘 𝑒 −𝜆𝑥 𝑑𝑥 = 1
𝐷𝑓 −∞ 0

𝑒 −𝜆𝑥 𝑡 𝑒 −𝜆𝑡 1
0 + lim 𝑘 [ ] = 1, lim 𝑘 (− + ) = 1, 𝑘 = 𝜆
𝑡→+∞ −𝜆 0 𝑡→+∞ 𝜆 𝜆
Pour que 𝑓𝑋 (𝑥) soit une densité de probabilité, il faut que 𝜆 > 0. ( ∀𝑥 ∈ 𝐷𝑓, 𝑓(𝑥) ≥ 0)
.
1 1 1
2- 𝐸(𝑋) = 𝜆 , 𝑉(𝑋) = 𝜆2 , 𝜎(𝑋) = 𝜆
3- La fonction de répartition de 𝑓𝑋 (𝑥) :
−𝜆𝑥
𝐹𝑋 (𝑥) = {1 − 𝑒 𝑠𝑖 𝑥 > 0
0 𝑠𝑖𝑛𝑜𝑛
4- 𝑃(0 < 𝑋 < 3) = 𝐹𝑋 (3) − 𝐹𝑋 (0) = 1 − 𝑒 −3𝜆
/
Exercice 10:
Une v.a continue admet pour densité de probabilité la fonction f(x) :
1
 3 si 0  x  1
f ( x)   2
c si 1 x  2

0 sin on
1. Déterminer la valeur de c pour que f(x) soit effectivement une densité de probabilité.
2. Calculer E(X), V(X), σ(X)
3. Déterminer la fonction de répartition de X
4. Déterminer la médiane de X, c’est-à-dire le réel m tel que P(X ≤ m) = 0.5.
Solution
1- La valeur de c :
2 2
Si on calcule ∫𝐷𝑓 𝑓𝑋 (𝑥) 𝑑𝑥 = 1 on trouve deux valeurs de c : (𝑐 = √3 , 𝑐 = −√3). Les
deux valeurs vérifient la deuxième propriété d’une fonction de densité 𝑓(𝑥) ≥ 0. ( ∀𝑥 ∈
𝐷𝑓, 𝑓(𝑥) ≥ 0)
7
2- 𝐸(𝑋) = 6 , 𝑉(𝑋) = 0.31, 𝜎(𝑋) = 0.56
3- La fonction de répartition de X :
0 𝑠𝑖 𝑥 < 0
1
𝑥 𝑠𝑖 0 ≤ 𝑥 < 1
𝐹𝑋 (𝑥) = 3
2 1
𝑥− 𝑠𝑖 1 ≤ 𝑥 < 2
3 3
{ 1 𝑠𝑖 𝑥 ≥ 2
2 1
4- 𝑃(𝑋 < 𝑚) = 0.5, 𝐹𝑋 (𝑚) = 0.5, 𝑚 − = 0.5, 𝑚 = 1.25 ( La médiane)
3 3

-7-
 LOIS USUELLES
Exercice 11
Reprendre les énoncés des exercices 5 et 6 et répondre en utilisant une loi usuelle.
Solution
Exercice 5
1- 𝑋~ 𝔅(2, 0.3) (loi Binomiale), 𝑋(Ω) = {0,1,2}, 𝑃(𝑋 = 𝑘) = 𝐶2𝑘 (0.3)𝑘 (0.7)2−𝑘 ,
𝑘 ∈ 𝑋(Ω)
2- 𝐸(𝑋) = 𝑛. 𝑝 = 2 × 0.3 = 0.6, 𝑉(𝑋) = 𝑛. 𝑝. 𝑞 = 2 × 0.3 × 0.7 = 0.42
Exercice 6
1 1 2
1- 𝑋~ 𝔅(4, 3) (loi Binomiale), 𝑋(Ω) = {0,1,2,3,4}, 𝑃(𝑋 = 𝑘) = 𝐶4𝑘 (3)𝑘 (3)2−𝑘 , 𝑘 ∈
𝑋(Ω)
1 2
2- , 𝑃(𝑋 = 2) = 𝐶42 (3)2 (3)2 = 0.3, 𝑃(𝑋 > 2) = 1 − 𝑃(𝑋 ≤ 2) = 1 − [𝑃(𝑋 = 0) +
𝑃(𝑋 = 1) + 𝑃(𝑋 = 2)]=0.11
1
3- 𝑌~ 𝔅(4, 2)

Exercice 12
La probabilité qu’un individu présente une allergie à un certain sérum donné est p=0,3. On
injecte le sérum à 5 individus.
1. Quelle est la loi de probabilité de la v.a nombre d’individus présentant une allergie ?
2. Quel est le nombre moyen d’individus allergiques ?
3. Quelle est la probabilité d’avoir au plus un individu présentant cette allergie ?
Solution
3- 𝑋~ 𝔅(5, 0.3) (loi Binomiale), 𝑋(Ω) = {0,1,2,3,4,5}, 𝑃(𝑋 = 𝑘) =
𝑘 𝑘 5−𝑘
𝐶5 (0.3) (0.7) , 𝑘 ∈ 𝑋(Ω)
4- Le nombre moyen d’individus allergiques : 𝐸(𝑋) = 𝑛. 𝑝 = 5 × 0.3 = 1.5
5- 𝑃(𝑋 ≤ 1) = 𝑃(𝑋 = 0) + 𝑃(𝑋 = 1) = 𝐶50 (0.3)0 (0.7)5 + 𝐶51 (0.3)1 (0.7)4 = 0.53

Exercice 13
Les services d’urgence d’un hôpital sont sollicités en moyenne 2 fois toutes les demi-heures. Si
l’on admet que le nombre de cas d’urgence par demi-heure suit une loi de Poisson, calculer la
probabilité que le nombre de cas d’urgence en une heure soit :
1. de 5 2. d’au moins 1.
Solution :
1- 𝑋 ~ 𝒫(2), 𝜆 = 2, 𝑡 = 30𝑚𝑛 (0.5ℎ). Pour une période d’une heure, nous avons 𝜆
= 4 sollicitations par heure (t = 1h). Alors le nombre de cas d’urgence par heure que
l’on note (Y) suit une loi de Poisson de paramètre 𝜆 = 2 ×2 𝑌 ~ 𝒫(4)
𝑒 − 4 45
a- 𝑃(𝑌 = 5) = =
5!
𝑒 − 4 40
b- 𝑃(𝑌 ≥ 1) = 1 − 𝑃(𝑌 < 1) = 1 − 𝑃(𝑌 = 0) = 1 − 0!

Exercice 14
Un réservoir d’eau de 3000 litres contient des bactéries avec en moyenne 2 par litre. On admet
qu’il est dangereux d’avaler 3 ou plus de ces bactéries et que le nombre de bactéries par litre
d’eau suit une loi de Poisson.
1. Un passant assoiffé boit un litre de ce réservoir. Quelle est la probabilité que son geste
le mette en danger ?

-8-
 2. Que devient cette probabilité pour un passant qui aurait bu 1,5 litre ?
Solution
1- X : une v.a qui représente le nombre de bactéries par litre. 𝑋 ~ 𝒫(2),
𝑃(𝑋 ≥ 3) = 1 − 𝑃(𝑋 < 3) = 1 − [𝑃(𝑋 = 0) + 𝑃(𝑋 = 1) + +𝑃(𝑋 = 2)]
𝑒 − 2 20 𝑒 − 2 21 𝑒 − 2 22
= 1−( + + )
0! 1! 2!

2- 𝜆 = 2 bactéries par litre. Alors pour 1.5 litres 𝜆 = 2 × 1.5 = 3.

Donc, le nombre de bactéries par 1.5 d’eau suit une loi de Poisson de paramètre 3
(𝑌 ~ 𝒫(3))
𝑃(𝑋 ≥ 3) = 1 − 𝑃(𝑋 < 3) = 1 − [𝑃(𝑋 = 0) + 𝑃(𝑋 = 1) + 𝑃(𝑋 = 2)]
𝑒 − 3 30 𝑒 − 3 31 𝑒 − 3 32
= 1−( + + )
0! 1! 2!

Exercice 15 : QCM
On a constaté qu’au service d’urgence d’un certain hôpital se présentaient en moyenne 3
malades chaque jour. Le nombre de patients se présentant chaque jour est supposé de
distribution de Poisson. Lorsque 3 malades au plus se présentent, un médecin peut assurer seul
leur prise en charge. Lorsqu’il y a au moins 4 malades, un second médecin est mobilisé.
A. La probabilité qu’aucun malade ne se présente de la journée est 0,1 environ (à 0,01 près)
B. La probabilité qu’au plus un malade se présente de la journée est 0,2 environ (à 0,01 près)
C. Le nombre moyen de médecins mobilisés pour cette consultation est1,35 environ
D. Le nombre moyen de médecins mobilisés pour cette consultation est1,65 environ
E. Le nombre moyen de médecins mobilisés pour cette consultation est1,92 environ
Solution

Exercice 16
Dans une population donnée, une maladie rare se présente avec une probabilité p=0,01.
On extrait un échantillon de taille 100 et soit X le nombre d’individus présentant cette maladie.
1. Quelle est la loi de X ? Par quelle loi peut-on l’approximer ? Justifier
2. Quelle est la probabilité d’avoir au moins deux personnes ayant cette maladie ?
Solution
1- 𝑋~ 𝔅(100, 0.01) (loi Binomiale), on peut l’approximer par une loi de Poisson
𝑋 ~ 𝒫(1), 𝜆 = n. p = 100 × 0.01 = 1. Justification (𝑛 = 100 ≥ 50 𝑒𝑡 𝑝 = 0.01 ≤
0,1)
𝑒 −1 10 𝑒 − 1 11
𝑃(𝑋 ≥ 2) = 1 − 𝑃(𝑋 < 2) = 1 − [𝑃(𝑋 = 0) + 𝑃(𝑋 = 1)] = 1 − ( + )
0! 1!
Exercice 17 :
Sur une population de 10000 personnes, on a observé 103 albinos. Soit X le nombre d’albinos
que l’on peut observer sur un échantillon de 100 personnes prises au hasard. Calculer la
probabilité :
1. de n’avoir aucun albinos ?
2. d’avoir au moins 10 albinos ?
Solution
103
X : une v.a représentant le nombre d’albinos. X ~ 𝒫(1,03), 𝜆 = 10000 × 100 = 1.03
𝑒 −1,03 1,030
1- 𝑃(𝑋 = 0) = 0!

-9-
 𝑒 −1,03 1,03𝑘
2- 𝑃(𝑋 ≥ 10) = 1 − 𝑃(𝑋 < 10) = 1 − ∑9𝑘=0 𝑘!

Exercice 18 :
Soit Z une v.a de loi Normale N(0,1)
1. Calculer P(Z < 2,4) ; P(Z ≥ 1,23) ; P(Z > 3,2 ) ; P (-1,96 < Z < 1,96)
2. Déterminer z1, z2, z3, z4, tels que
P(Z < z1 )=0,950 ; P(Z > z2 ) = 0,25; P(Z < z3 )= 0,015
Solution
1- 𝑃(𝑍 < 2.4) = 𝜑(2.4) = 0.9918,
𝑃(𝑍 ≥ 1.23) = 1 − 𝜑(1.23) = 1 − 0.89065 = 0.10935
𝑃(𝑍 > 3.2) = 1 − 𝜑(3.2) = 1 − 0.99931 = 0.00069
𝑃(−1.96 < 𝑍 < 1.96) = 𝜑(1.96) − 𝜑(−1.96) = 𝜑(1.96) − (1 − 𝜑(1.96))
= 2𝜑(1.96) − 1 = 2 × 0.975 − 1 = 0.95

2- 𝑃(𝑍 < 𝑧1 ) = 0.950, 𝜑(𝑧1 ) = 0.95, 𝑧1 = 1.64

𝑃(𝑍 > 𝑧2 ) = 0.25, 1 − 𝜑(𝑧2 ) = 0.25, 𝜑(𝑧2 ) = 0.75, 𝑧2 = 0.67
𝑃(𝑍 < 𝑧3 ) = 0.015, 1 − 𝜑(−𝑧3 ) = 0.015, 𝜑(−𝑧3 ) = 0.985, 𝑧3 = −2.71

Exercice 19 :
Soit X une v.a de loi Normale de paramètres m=32 et  2 = 49
1. Calculer P(X > 32) ; P(X ≥ 32) ; P(X < 32+  ) ; P (32 < X < 32+  )
2. Déterminer x1, x2, x3, x4, tels que
P(X < x1 )=0,791 ; P(X > x2 ) = 0,123 ; P(X < x3 )= 0,015 ; P( X  32 < x4 )= 0,20.
Solution
𝑋 − 32
𝑋~𝒩(32,49), 𝑍= , 𝑍~𝒩(0,1)
7
𝑋−32 32−32
1- 𝑃(𝑋 > 32) = 𝑃 ( 7 > 7 ) = 𝑃(𝑍 > 0) = 1 − 𝜑(0) = 1 − 0.5 = 0.5
𝑃(𝑋 ≥ 32) = 0.5
𝑃(𝑋 < 32 + 𝜎) = 𝑃(𝑍 < 1) = 𝜑(1) = 0.84134
𝑃(32 < 𝑋 < 32 + 𝜎) = 𝑃(0 < 𝑍 < 1) = 𝜑(1) − 𝜑(0) = 0.84134 − 0.5
= 0.34134
𝑥 −32 𝑥 −32 𝑥 −32
2- 𝑃(𝑋 < 𝑥1 ) = 0.791, 𝑃 (𝑍 < 1 7 ) = 0.791, 𝜑 ( 1 7 ) = 0.791, 1 7 = 0.81,
𝑥1 = 37.67
𝑥2 − 32
𝑃(𝑋 > 𝑥2 ) = 0.123 ⇒ 𝑃(𝑋 < 𝑥2 ) = 0.877 ⇔ 𝑃 (𝑍 < ) = 0.877
7
𝑥1 − 32 𝑥1 − 32
𝜑( ) = 0.877 ⇒ = 1.16 ⇒ 𝑥2 = 40.12
7 7
𝑥3 − 32
𝑃(𝑋 < 𝑥3 ) = 0.015, 1 − 𝜑(−𝑧3 ) = 0.015 𝑎𝑣𝑒𝑐 𝑧3 = ⇒ 𝜑(−𝑧3 ) = 0.985
7
⇒ 𝑧3 = −2.71
𝑥3 − 32
= −2.71 ⇒ 𝑥3 = −50.97
7
𝑃(|𝑋 − 32| < 𝑥4 ) = 𝑃(−𝑥4 < 𝑋 − 32 < 𝑥4 ) = 𝑃(−𝑥4 + 32 < 𝑋 < 𝑥4 + 32),
𝑥4 𝑥4 𝑥4 𝑥4 𝑥4
𝑃 (− < 𝑍 < ) = 𝜑 ( ) − 𝜑 (− ) = 2𝜑 ( ) − 1 = 0.2
7 7 7 7 7

- 10 -
 𝑥4 𝑥4
𝜑 ( ) = 0.6 ⇒ = 0.26 ⇒ 𝑥4 = 1.82
7 7

Exercice 20 :
Dans une population humaine, la mesure de la quantité d’urée dans le sang en (mg/100ml) a
donné une moyenne de 27mg/100ml et une variance de 25 (mg/100ml)2 . On suppose que cette
variable est de loi Normale. On prend un individu au hasard.
1. Quelle est la probabilité que sa quantité d’urée soit inférieure à 24,5 ?
2. Déterminer la limite x0, appelé seuil pathologique, tel qu’il y ait 2,5% d’individus dont la
quantité d’urée est supérieure à cette valeur x0 .
Solution
𝑋 − 27
𝑋~𝒩(27, 25), 𝑍 = , 𝑍~𝒩(0,1)
5
24.5 −27
1- 𝑃(𝑋 < 24.5) = 0.791 ⇒ 𝑃 (𝑍 < ) = 𝜑(−0.5) = 1 − 𝜑(0.5) = 1 −
5
0.69146 = 0.31
2- 𝑃(𝑋 > 𝑥0 ) = 0.025 ⇒ 1 − 𝜑(𝑥0 ) = 0.025 ⇒ 𝜑(𝑥0 ) = 0.975 ⇒ 𝑥0 = 1.96
Exercice 21 :
On considère un échantillon de 300 étudiants dans lequel l’âge, (X), d’un individu est supposé
être une v.a de loi N (m,  2) avec m=21 ans.
1. Déterminer  si l’on sait que P(X > 22) = 30,85%.
2. Quelle est la probabilité que l’âge d’un étudiant soit compris entre 18 et 23 ans ?
3. Quel est le nombre d’étudiants dont l’âge dépasse 19 ans ?
4. Quel est l’âge minimal des 15,87% étudiants les plus âgés ?
Solution
𝑋 − 21
𝑋~𝒩(21, 𝜎 2 ), 𝑍 = , 𝑍~𝒩(0,1)
𝜎
22−21 22−21
1- 𝑃(𝑋 > 22) = 0.3085, 𝑃 (𝑍 > 𝜎 ) = 0.3085, 1 − 𝑃 (𝑍 < 𝜎 ) = 0.3085,
1
𝜑 (𝜎) = 0.6915

1
= 0.5 ⇒ 𝜎 = 2
𝜎
18−21 23−21
2- 𝑃(18 < 𝑋 < 23) = 𝑃 ( 2 < 𝑍 < 2 ) = 𝜑(1) − 𝜑(−1.5), 𝜑(1) − (1 −
𝜑(1.5)) = 0.84134 − (1 − 0.93319) = 0.77453
19−21
3- 𝑃(𝑋 > 19) = 𝑃 (𝑍 > ) = 1 − 𝜑(−1) = 𝜑(1) = 0.84134
2
𝑥−21 𝑥−21
4- 𝑃(𝑋 ≥ 𝑥) = 0.1587 ⇒ 1 − 𝑃 (𝑍 < ) = 0.1587 ⇒ 𝜑 ( ) = 0.8413 ⇒
2 2
𝑥−21
= 1 ⇒ 𝑥 = 23
2

Exercice 22 :
On veut connaître la proportion, p, d’individus d’une population très grande, résistant à un
certain antibiotique. Sur un échantillon de 1000 individus, on a observé que le nombre moyen
d’individus résistant à l’antibiotique est 62,5.
Soit X le nombre d’individus résistant à l’antibiotique parmi les 1000 observés.
1. Donner la loi de la v.a X et donner une estimation de la proportion p.
2. Par quelle loi peut-on approximer la loi de X ? Calculer alors P(X > 30) et P (30<X< 40).
Solution
- 11 -
X : le nombre d’individus résistant à l’antibiotique parmi les 1000 observés.
1- 𝑋~ 𝔅(1000, 𝑝). 𝑜𝑛 𝑠𝑎𝑖𝑡 𝑞𝑢𝑒 𝐸(𝑋) = 62.5 et l’espérance d’une loi Binomiale est n.
p.
62.5
𝐷𝑜𝑛𝑐 𝐸(𝑋) = 62.5 = 𝑛. 𝑝, 𝑝 = 1000 , 𝑝 = 0.0625
2- On peut l’approximer par une loi de Poisson 𝑋 ~ 𝒫(1), 𝜆 = n. p = 100 × 0.01 = 1.
Justification (𝑛 = 100 ≥ 50 𝑒𝑡 𝑝 = 0.01 ≤ 0,1)

Exercice 23 :
Selon la loi de l’hérédité Mendélienne, la proportion théorique de sourds-muets de naissance
est p=0,25 lorsque les parents sont des consanguins porteurs d’un certain gène récessif. On
considère une population de nouveau-nés issus de tels parents.
1. Soit X le nombre d’enfants sourds-muets sur un échantillon de 10 enfants.
Calculer P(X > 1) ; P(X ≥ 1).
2. Soit Y le nombre d’enfants sourds-muets sur un échantillon de 300 enfants.
a/ Déterminer la probabilité d’avoir au moins 60 sourds-muets parmi les 300 enfants.
b/ Déterminer le nombre y0 d’enfants tel que P(Y> y0 ) = ½.
Solution :
X : le nombre d’enfants sourds-muets sur un échantillon de 10 enfants
1- 𝑋~ 𝔅(10, 0.25), 𝑃(𝑋 > 1) = 1 − 𝑃(𝑋 ≤ 1) = 1 − 𝑃(𝑋 = 0) − 𝑃(𝑋 = 1)
0 (0.25)0 (0.75)10 1 (0.25)1 (0.75)9
= 1 − 𝐶10 − 𝐶10 = 0.7559
0 (0.25)0 (0.75)10
𝑃(𝑋 ≥ 1) = 1 − 𝑃(𝑋 < 1) = 1 − 𝑃(𝑋 = 0) = 1 − 𝐶10 = 0.943
Y : le nombre d’enfants sourds-muets sur un échantillon de 300 enfants.
𝑌−75
2- 𝑌~ 𝔅(300, 0.25) ~ 𝒩(75, 56.25), 𝑍 = 7.5 , 𝑍~𝒩(0,1)
60−75
a- 𝑃(𝑌 ≥ 60) = 1 − 𝑃(𝑌 < 60) = 1 − 𝑃 (𝑍 < 7.5 ) = 1 − 𝑃(𝑍 < −2)
= 𝜑(2) = 0.97725
1 𝑦 −75 𝑦 −75
b- 𝑃(𝑌 > 𝑦0 ) = 2 , 1 − 𝑃(𝑌 ≤ 𝑦0 ) = 1 − 𝑃 (𝑍 ≤ 07.5 ) = 0.5, 𝜑 ( 07.5 ) =
𝑦0 −75
0.5, = 0.
7.5
𝑦0 = 75

- 12 -