Sie sind auf Seite 1von 43

1

Travaux dirigs de Statistique 3 en Octobre 2013


T.D. n 1 : Calcul des probabilits
A traiter du 30 Septembre 2013 au 4 Octobre 2013
Exercice 1
1-Soit A et B deux vnements quelconques
Calculer P(A B) en fonction de P(A) et P(B) et P(A B)
En dduire la valeur minimale de P(A B) en fonction de P(A) et P(B)
2-Au cours dune terrible bataille au moyen ge 85 % des combattants ont perdu une oreille
et 80 % un il et 75 % un bras et 70 % une jambe
Quel est le pourcentage minimal de ceux qui ont perdu la fois une oreille et un il
En dduire le pourcentage minimal de ceux qui ont perdu la fois une oreille et un il et un
bras et une jambe
Dmonstration
1-On part des relations P(A) + P(B) = P(AB) + P(AB) et P(AB) = P() 1 donc :
P(AB) = P(A) + P(B) P(A B) P(A) + P(B) 1 donc le minimum est atteint si AB = P()
2-On note les vnements :
OR = le combattant a perdu une oreille et OE = le combattant a perdu un il
B = le combattant a perdu un bras et J = le combattant a perdu une jambe
Donc : P(OR OE) P(OR) + P(OE) 1 = 0,85 + 0,80 1 = 0,65
P(B J) P(B) + P(J) 1 = 0,75 + 0,70 1 = 0,45
P(OR OE B J) = P[(OR OE) (B J)] P(OR OE) + P(B J) 1 0,65 + 0,45 1 = 0,10
Le minimum est atteint si B J = OR OE =
Remarque :
1-Pour tablir la relations P(A)+P(B) = P(A B) + P(A B) on utilise la relation :
[ (E et F et EF = ) P(EF) = P(E) + P(F) ]
On pose : F
c
= {x : x F} et E\F = E (F
c
)
Ainsi : A(B\A) = et (A \B)(B\A) = donc [(A\B) (B\A)] (AB) =
On a : AB = [(AB)\(AB)] (A B)= [(A\B) (B\A)] (A B) donc :
P(A B) =P[(A\B) (B\A)] + P(A B) = P(A\B) + P(B\A) + P(A B)
Mais A = (A\B) (A B) et (A\B) (A B) = donc P(A) = P(A\B) + P(A B)
De mme P(B)= P(B\A) + P(BA) et en ajoutant :
P(A) + P(B)= [P(A\B) + P(A B)] + [P(B\A) + P(B A)] = P(A\B) + P(B\A) + 2 P(A B) donc
P(A\B) + P(B\A) = P(A) + P(B) - 2 P(A B)
De P(A B) = P(A\B) + P(B\A) + P(A B) on dduit alors : P(A B) = P(A) + P(B) - P(A B)
2-On a utilis les assertions :
Si A B = alors P(AB) = P(A) + P(B)
Si A = B = alors P(AB) = P(A B) = 0
2
Exercice 2
Un candidat participe un jeu o on lui pose quatre questions choix multiple avec trois
rponses proposes chaque fois, une seule tant correcte
Il rpond au hasard et de faon indpendante chaque question
Il gagne et le jeu sarrte sil fournit deux bonnes rponses conscutives
Calculer la probabilit qu'il gagne ce jeu
Dmonstration
On note G lvnement Donner une bonne rponse une question donc G

= et
P(G

) = P() = 1 et P(G) =

et P(

) = 1

On peut utiliser un schma du type suivant :


G (Termin)
G (Termin)
G G

G (Termin)
G

G (Termin)
G

On note

lvnement le candidat donne une bonne rponse la

question donc

est lvnement le candidat donne une mauvaise rponse la

question
Le candidat gagne dans les 4 cas du schma o figure la mention Termin savoir les 4
cas suivants :

et

et

et

En mettant sur les flches la probabilit


si lon obtient G et la probabilit


si lon obtient

on
calcule les quatre probabilits P(

) et P(

) et P(

) et
P(

)
On peut aussi procder ainsi :
1-Pour gagner au jeu la question 2 il faut et il suffit avoir donn une bonne rponse aux questions 1
et 2 ce qui correspond la situation

donc la probabilit de gagner au jeu la question 2 est


(

) (

) = (

2-Pour gagner au jeu la question 3 il faut et il suffit avoir donn une mauvaise rponse la question
1 et donner une bonne rponse aux questions 2 et 3 ce qui correspond la situation

donc la probabilit de gagner au jeu la question 3 est (

) (

) (

) = (

)(

3
3-A la question 4 deux situations sont possibles pour gagner au jeu :
-soit :

(c'est--dire avoir donn une bonne rponse la question 1 et avoir


donn une mauvaise rponse la question 2 puis avoir donn une bonne rponse la question 3 et
avoir donn une bonne rponse la question 4)
-soit :

(c'est--dire avoir donn une mauvaise rponse aux questions 1 et 2 puis


avoir donn une bonne rponse aux questions 3 et 4)
La probabilit de gagner au jeu la question 4 est donc (

) (

) (

) (

) + (

) (

) (

) (

) = (

)(

4-Notons

la probabilit de gagner au jeu la question k donc 2

4
La probabilit de gagner au jeu est donc

= (

+ (

)(

+ (

)(

Remarque
On peut aussi noter

lvnement le candidat donne une rponse juste la question k


donc la probabilit que le candidat gagne au jeu est :

= P [ (

) (

) {(

) (

)}]
= P [

] + P[

] + P[ (

]
en notant que (

) (

) = et que :
{ (

) (

) } { (

) (

) } =
Exercice 3
Dans une certaine population la probabilit de naissance dun garon est de 4/7
Dterminer sous forme de fraction la proportion de familles de 3 enfants o les enfants ne
sont pas tous de mme sexe (en prcisant lensemble fondamental retenu pour modliser ce
problme)
Dmonstration
On note

lvnement le

enfant est un garon et on note

lvnement le

enfant est une fille


On note G lvnement lenfant est un garon et on note F lvnement lenfant est une fille
On pose = {

} x {

} x {

} et on note S lvnement Les trois enfants sont tous


du mme sexe donc S = (

) (

)
On a :

= donc (

) (

) =
On a : P(

) = P(G) =

donc P(

) = P(F) = 1

Les vnements

( savoir le premier enfant est un garon ) et

( savoir le deuxime enfant


est un garon ) et

( savoir le troisime enfant est un garon ) peuvent tre considrs


comme sans lien entre eux donc comme tant des vnements indpendants donc :
P(

) = P(

) P(

) P(

) = [()]

= (

Les vnements

( savoir le premier enfant est une fille ) et

( savoir le deuxime enfant


est une fille ) et

( savoir le troisime enfant est une fille ) peuvent tre considrs comme
sans lien entre eux donc comme tant des vnements indpendants donc :
P(

) = P(

) P(

) P(

) = [()]

= (

Donc P(S) = P (

) + P (

) = (

+ (

On a : P(

) = 1 P(S) = 1 [ ((

+ (

] = 1

=
()

4
Exercice 4
On jette simultanment deux ds numrots de 1 6
Dterminer lensemble fondamental dans les cas suivants
1-Les deux ds sont distincts
2-Les deux ds sont identiques
3-Les deux ds sont identiques et on ne sintresse qu la parit du rsultat
Dmonstration
Notons E = {1, 2, 3, 4, 5, 6} donc Card E = 6
1-Si est lensemble des couples ordonns (a,b) distincts lorsque a E et b E alors Card = 6
2
2-Si est lensemble des couples non ordonns {a,b} distincts alors Card =

= 21
En effet on ne peut plus distinguer (a,b) et (b,a) donc on crit {a,b} et lensemble contient les
lments suivants :
(1,1)
(1,2) (2,2)
(1,3) (2,3) (3,3)
(1,4) (2,4) (3,4) (4,4)
(1,5) (2,5) (3,5) (4,5) (5,5)
(1,6) (2,6) (3,6) (4,6) (5,6) (6,6)
Remarque :
Si un tableau admet n lignes et n colonnes la diagonale contient n cases donc le nombre de
cases situes sous la diagonale est

) donc le nombre de cases comprenant la


diagonale et les cases sous la diagonale est

) + =

+ ) =

Dans le cas o n = 6 on a :

= 21
Remarque :
On a : {0 ; 1}
{

;;

}
= 2

3-Notons que (pair, impair) et (impair, pair) sont identiques


Donc = {(pair, impair), (pair, pair), (impair, impair)} alors Card =3
Exercice 5
On lance 3 pices de monnaie identiques
Calculer la probabilit de tous les rsultats distincts en prcisant lensemble fondamental
retenu pour modliser ce problme
Mmes questions si on lance 4 pices de monnaie identiques
Dmonstration
Notons p = pile et f = face et E = {p, f}
1-On lance 3 pices donc = {a, b, c} : a E et b E et c E } = {p, f} x {p, f} x {p, f} = {p, f}
3
Donc Card = 2
3
= 8
Les vnements lmentaires sont quiprobables de probabilit lmentaire gale

5
On crit tous les cas possibles : est form des 8 lments :
(p, p, p) (p, p, f) (p, f, p) (f, p, p)
(f, p, f) (f, f, f) (f, f, p) (p, f, f)
Do : P(2p,1f) = P(2f,1p) =

et P(3p) = P(3f) =

: ce sont les seuls rsultats distincts


On peut utiliser un schma du type suivant :
P
P
F
P P
F
F
P
P
F
F
P
F
F
2-On lance 4 pices donc
= { {a, b, c, d} : a E et b E et c E et d E } = {p, f} x {p, f} x {p, f} x {p, f} = {p, f}
4
Donc Card = 2
4
= 16
Les vnements lmentaires sont quiprobables de probabilit lmentaire gale

On crit tous les cas possibles : est form des 16 lments :


Il y a un lment (p, p, p, p) Il y a un lment (f, f, f, f) Donc P(p, p, p, p) = P(f, f, f, f) = 1/16
Il y a 4 lments du type (1p, 3f) savoir :
(p, f, f, f) (f, p, f, f) (f, f, p, f) (f, f, f, p)
Donc P(1p, 3f) =

Il y a 4 lments du type (3p, 1f) savoir :


(f, p, p, p) (p, f, p, p) (p, p, f, p) (p, p, p, f)
Donc P(3p, 1f) =

=
On peut aussi montrer cette relation en crivant que P(3p, 1f) =

Il y a 6 lments du type (2p, 2f) savoir :


(p, p, f, f) (f, f, p, p) (p, f, f, p) (f, p, p, f) (p, f, p, f) (f, p, f, p)
Donc P(2p, 2f) =

On peut aussi montrer cette relation en crivant que P(2p, 2f) =

6
Finalement : P(4p) = P(4f) =

et P(1p, 3f) = P(3p, 1f) =


et P(2p, 2f) =

: ce sont les seuls


rsultats distincts
On peut utiliser un schma du type suivant :
P
P
F
P P
F
P F
P
P
F
F
P
F
F
P
P
F
P P
F
F F
P
P
F
F
P
F
F
Exercice 6
Une urne contient 3 boules rouges et 2 boules noires
On effectue des tirages successifs sans remise et on sarrte quand on a obtenu 2 boules
rouges
Prciser lensemble fondamental associ cette exprience en indiquant la probabilit de
chaque vnement lmentaire
Dmonstration
Comme le tirage est sans remise les vnements ne sont pas indpendants
Lurne contient 5 boules savoir 3 boules rouges et 2 boules noires
On dsigne ainsi les ensembles suivants B = Boule et N = Boule noire et R = Boule rouge
Lorsque A et B et C et D sont des vnements on pose :
AB = A B et ABC = A B C et ABCD = A B C D
7
On note U = { 3R ; 2N } lurne et on dresse un arbre en partant de 3 boules rouges (notes 3R) et 2
boules noires (notes 2N)
Les tirages effectus dans lurne U = { 3R ; 2N } sont schmatiss par larbre suivant qui se lit de
gauche droite :
Il reste 1/2 R 2/3 R
R dans lurne 1/2 Il reste
4B=2R+2N N dans lurne 1/3 Il reste 1
U 3/5 3B=2R+1N N dans lurne R
2/5 Il reste 2/3 2B=2R
Il reste 3/4 R dans lurne R
N dans lurne 3B=2R+1N 1/3 Il reste 1
4B=3R+1N 1/4 N dans lurne R
N Il reste 1 1 2B=2R
dans lurne R R
3B=3R
Lurne contient dabord 5 boules puis lissue du 1
er
tirage lurne contient 4 boules (situation
schmatise par 4B) puis lissue du 2
me
tirage lurne contient 3 boules (situation schmatise par
3B) puis lissue du 3
me
tirage lurne contient 2 boules (situation schmatise par 2B)
Lensemble qui modlise lexprience a six lments lmentaires et on a :
= {RR ; RNR ; RNNR ; NRR ; NRNR ; NNRR}
Plus prcisment :
P(RR) = (3/5)(1/2) = 3/10
P(RNR) = (3/5)(1/2)(2/3) = 2/10
P(RNNR) = (3/5)(1/2)(1/3)(1) = 1/10
On note que :
(

) + (

) = 1
P(NRR) = (2/5)(3/4)(2/3) = 2/10
P(NRNR) = (2/5)(3/4)(1/3)(1) = 1/10
P(NNRR) = (2/5)(1/4)(1)(1) = 1/10
En labsence de schma on peut noter que comme le tirage est sans remise les vnements
ne sont pas indpendants donc on calcule les intersections dvnements en utilisant les
probabilits conditionnelles et la formule des probabilits composes :
P(RR) = P(

) = P(

) P(

) = (3/5)(2/4) = 3/10
P(RNR) = P(

) = P(

) P(

) P(

) = (3/5)(1/2)(2/3) = 2/10
P(RNNR) = P(

) = P(

) P(

) P(

) P(

) = (3/5)(1/2)(1/3)(1) =

P(NRR) = P(

) = P(

) P(

) P(

) = (2/5)(3/4)(2/3) = 2/10
P(NRNR) = P(

) = P(

) P(

) P(

) P(

) = (2/5)(3/4)(1/3)(1) = 1/10
P(NNRR) = P(

) = P(

) P(

) P(

) P(

) = (2/5)(1/4)(1)(1) = 1/10
Exercice 7
Une urne contient sept boules blanches et trois boules noires et une autre quatre boules
blanches et deux boules noires
On tire une boule dans chaque urne
Calculer la probabilit de tirer deux boules de mme couleur
8
Dmonstration
Considrons les deux urnes :

= {7B ; 3N} et

= {4B ; 2N}
Notons les vnements

= tirer une boule blanche de

et

= tirer une boule noire de


Lensemble est constitu dlments de la forme

On a dune part P(

) =

et P(

) =

et dautre part P(

) =

et P(

) =

Les vnements

et

sont indpendants (car ils sont issus de deux urnes diffrentes) et les
vnements

et

sont indpendants (car ils sont issus de deux urnes diffrentes) donc :
P(

) = P (

) P(

) =

) =

et P (

) = P(

) P(

) = (

)(

) =

La probabilit de tirer deux boules de la mme couleur est P[(

) (

)]
Lors dun mme tirage on ne peut pas tirer une boule blanche et une boule noire ensemble de lurne

(mais soit une boule blanche soit une boule noire) donc

= si 1 2
Les vnements

et

sont incompatibles (car

et

donc
(

) (

= ) donc :
P[(

) (

)] = P(

) + P(

) = P(

)P(

) + P(

)P(

) =

Remarque :

On peut utiliser un schma


4/6

2/6

Remarque (Lecoutre pages 10 et 17) :


Les vnements A et B sont indpendants si et seulement si P(A B) = P (A) P(B)
Les vnements A et B sont incompatibles si et seulement si A B =
On notera que lorsque les trois relations A B = et P(A) > 0 et P(B) > 0 sont vrifies les
vnements A et B sont incompatibles et ne sont pas indpendants [car P(A B) = 0 < P (A) P(B)] :
cette situation peut se rencontrer si B =

En revanche les vnements A et B vrifiant A B et P(A B) = P (A) P(B) sont indpendants et


ne sont pas incompatibles : cette situation peut se rencontrer lors dune suite de tirages de boules
extraites dune mme urne telle toute boule tire soit remise dans lurne avant le tirage suivant et A
lvnement au 2
me
tirage on obtient une boule noire et B lvnement au 3
me
tirage on
obtient une boule blanche
9
T.D. n 2 : Calcul des probabilits
A traiter du 21 au 25 Octobre 2013
Exercice 1 : Examen Janvier 2013 Exercice 2
Trois joueurs A et B et C tirent successivement et sans remise une boule dans une urne qui
contient 4 boules noires 2 boules rouges et une boule verte
Si un joueur tire une boule noire il a gagn et le jeu sarrte
Calculer la probabilit de gain de chaque joueur
Dmonstration
Les vnements utiliss sont les vnements

savoir Une boule noire est tire lors du

tirage
Les tirages sont sans remise donc les tirages ne sont pas indpendants
-Lorsque A joue il y a 4+2+1 = 7 boules dans lurne dont 4 boules noires donc la probabilit
P(A) que A gagne est la probabilit P(

) quune boule noire soit tire lors du premier tirage


donc P(A) = P(

) =

-Si B joue cest que A a perdu donc il y a 6 boules dans lurne dont 4 boules noires donc la
probabilit P(B) que B gagne est la probabilit P(

) quune boule noire soit tire par B


lors du deuxime tirage donc P(B) = P(

) = P(

) P(

) = (1

) (

) = (

)(

) =

-Si C joue cest que A et B ont perdu donc il y a 5 boules dans lurne dont 4 boules noires
donc la probabilit P(C) que C gagne est la probabilit P(

) quune boule noire


soit tire par C lors du troisime tirage donc :
P(C) = P(

) = P(

) P(

) P(

) = (1

) (1

) (

) = (

)(

) (

) =

Remarque :
Il y a quatre tirages au plus donc on note X le nombre (alatoire) de tirages
Donc P(A) = P(X = 1) et P(B) = P(X = 2) et P(C) = P(X = 3) et P(A) =

et on a :
P(B) = P(B

) = P(

)P(B|

) = (

)(

) =

et P(C) = P(

)P(

) P(C|

) = (

)(

)(

) =

Il y a une probabilit p =

que ni A ni B ni C ne gagne la partie donc :


p = P(X = 4) = 1 [P(A) + P(B) + P(C)] = 1

Exercice 2
Deux vnements A et B ont comme probabilits respectives 1/4 et 1/3 de se raliser seuls
(lun et pas lautre)
Sachant que la probabilit que lun ou lautre se ralise est de 3/4 prcisez sils sont
indpendants ou non
Dmonstration
On note

= {x : x A} le complmentaire de A donc A

=
Traduisons les hypothses : P(A B) =

et P(A B
c
) =

et P(A
c
B) =

On a : A = A = A (BB
c
) = (AB) (AB
c
) et de mme B = (AB) (BA
c
)
On a : (AB) (AB
c
) = = (AB) (BA
c
) = (AB
c
) (BA
c
) donc :
Donc A B = (A B
c
) (B A
c
) (A B) est runion de trois ensembles deux deux disjoints
10
Ainsi on obtient la formule gnrale P(A B) = P(A B
c
) + P(A
c
B) + P(A B)
Donc : P(A B) = P(A B) [P(A B
c
) + P(A
c
B)] =

Donc : P(A) = P(A B) + P(A B


c
) =

et P(B) = P(A B) + P(A


c
B) =

Donc P(A)P(B)= (

)(

) =

= P(AB) et ainsi A et B sont dpendants


Remarque :
Soit A et B des sous ensembles dun ensemble et P : A [0 ; 1] une probabilit sur une tribu A de
A B
Lensemble A B est reprsent par la zone hachure en violet
Lensemble A B
c
est lensemble des lments de A qui nappartiennent pas B
Lensemble B A
c
est lensemble des lments de B qui nappartiennent pas A
Donc on a la runion disjointe A B = (A B
c
) (B A
c
) (A B)
Donc P(A B) = P(A B
c
) + P(B A
c
) + P(A B) donc P(A B) = P(A B) [P(A B
c
) + P(B A
c
) ]
Remarque :
Tant que lon na pas calcul les nombres P(A) et P(B) il nest pas possible :
-ni dutiliser la relation P(AB) = P(A) + P(B) P(AB)
-ni dutiliser la relation P(AB) = P(A) P(B) lorsque A et B sont indpendants
-ni donc dutiliser la relation P(A) P(B) = P(AB) = P(A) + P(B) P(AB) lorsque A et B sont
indpendants
Exercice 3
Un laboratoire a mis au point un test rapide de dpistage du VIH (virus responsable du SIDA)
mais qui nest pas totalement fiable
Il est positif avec une probabilit de 0,99 si le patient est effectivement atteint et avec une
probabilit de 0,01 si le patient nest pas atteint
On tire au hasard un individu dans une population o 4 % sont porteurs du VIH
Calculer la probabilit quil ne soit pas atteint sachant que le test a t positif
Dmonstration (Examen de Janvier 2011)
Notons A lvnement le patient est effectivement atteint de la maladie et T+ lvnement
le test est positif donc (

T+) = (+) P(

| T+)
Par hypothse P(T+|A) = 0,99 et P(T+|

) = 0,01 et P(A) = 0,04 donc P(

) = 1 0,04 = 0,96
Comme (

T+) ( T+) = et (

T+) ( T+) = T+ on a :
(

T+) + ( T+) = (T+) et la formule de Bayes scrit :


P(

|T+) =
(

)
()
=
(

)(|

)
()(|)(

)(|

)
=
(,)( ,)
(,)(,) (,)(,)
=

11
Donc P(

|T+) =

0,2
On peut faire le schma suivant :
T+
0,99

0,01
0,04 T +

Individu
0,96 T+
0,01

0,99
T +

Exercice 4
Une urne

contient 2 boules noires et une urne

contient 2 boules blanches et une urne

contient une boule blanche et une boule noire


On vous prsente une urne qui a t tire au hasard
Calculer la probabilit que ce soit

:
-si vous savez que lurne contient au moins une boule noire
-si vous tirez une boule noire de cette urne
Dmonstration (Voir le livre Lecoutre TD Edition 4 pages 10 et 19)
Rappelons que P(AB) =
()
()
est la probabilit que lvnement A se ralise sachant que
lvnement B est ralis : on dit que P(AB) est la probabilit conditionnelle de lvnement A
lorsque lvnement B est ralis
Rsumons les hypothses de lnonc :

Boules blanches xx x
Boules noires xx x
Notons que

= (car les urnes sont diffrentes)


Soit U lurne tire au hasard donc comme il y a 3 urnes on a : P(

) =

Si U contient au moins une boule noire alors U est gale soit

soit

(car

ne contient pas
de boule noire) et donc la probabilit pour que U =

est :
P(U =

) = P(

) =
[

)]
(

)
=
(

)
(

)
=
(

)
(

)(

)
=

)
=

Si on tire une boule noire N de U alors :


P(N

) = 1 (car toutes les boules de U


1
sont noires) et P(N

) =

(car

contient 2 boules dont 1


noire) et comme

ne contient pas de boule noire on a :


N = N (

) = (

N) (

N) donc P(N) = (

N) + (

N) donc la probabilit
pour que U =

est :
12
P(U =

) = P(

N) =
[

]
()
=
(

)((

)
()
=
(

)((

)
(

)((

) (

)(

)
=
()(

)
()

)
=

Remarque :
On peut aussi utiliser les vnements :

= Lurne

contient au moins une boule blanche

= Lurne

contient au moins une boule noire


Exercice 5
Si on obtient pile en lanant une pice de monnaie on jette le d A qui a 4 faces rouges et 2
blanches
Si on obtient face on jette le d B qui a 2 faces rouges et 4 blanches
Calculer la probabilit de chacun des vnements suivants :
1-Obtenir une face rouge
2-Obtenir 3 fois de suite (avec le mme d) une face rouge
3-Avoir utilis le d A sachant que lon a obtenu 3 fois de suite une face rouge
Dmonstration
On lance une pice de monnaie :
-si on obtient le ct pile de la pice on jette le d A (qui a 4 faces rouges et 2 faces blanches)
-si on obtient le ct face de la pice on jette le d B (qui a 2 faces rouges et 4 faces blanches)
Rsumons la situation :
En lanant la pice de monnaie on obtient le ct suivant : Probabilit D A (6 faces) D B (6 faces)
Pile rrrrbb
Face rrbbbb
La probabilit de lancer le d A est P(A) =

et la probabilit de lancer le d B est P(B) =


Les tirages sont les suivants :


En lanant la pice de monnaie trois fois de
suite on obtient (suivant les cts de la pice
qui sont apparus) lvnement H savoir :
Les ds qui interviennent
lorsque H est ralis
sont :
La probabilit dobtention des
faces rouges lorsque H est
ralis est :
L1 3 cts pile et 0 ct face A A A
(

= (

L2 2 cts pile et 1 ct face A A B


(

) = (

) =

L3 1 ct pile et 2 cts face A B B


(

) (

= (

) (

L4 0 ct pile et 3 cts face B B B


(

= (

-On dispose des vnements suivants :


= Obtenir (lors dun lancer) une face rouge

= Obtenir (lors du

lancer) une face rouge


Les vnements

et

et

nont pas de rapport entre eux donc peuvent tre considrs comme
tant indpendants donc P (

) = P (

) P (

) P (

)
-Traduction :

A est lvnement Obtenir (lors du

lancer) une face rouge avec le d A

B est lvnement Obtenir (lors du

lancer) une face rouge avec le d B


13
A est lvnement Obtenir une face rouge avec le d A
B est lvnement Obtenir une face rouge avec le d B
Les vnements

A et

B sont incompatibles donc (

A) (

B) =
Donc

(A B) = (

A) (

B)
-On a : P(A) = P(B) =

P( A) =

(puisque A a 6 faces dont 4 faces rouges)


P( B) =

(puisque B a 6 faces dont 2 faces rouges)


1 La probabilit dobtenir une face rouge lors du

lancer est :
P(

) = P(

A) + P(

B) = P(

A) P(A) + P(

B) P(B) = (

)(

)+(

)(

) =

P(

) est aussi la probabilit P() dobtenir une face rouge lors dun lancer
2 Lvnement Obtenir 3 fois de suite (avec le mme d) une face rouge est ralis soit
avec le d A soit avec le d B
Intuitivement lvnement Obtenir 3 fois de suite (avec le mme d) une face rouge est
ralis :
-avec le d A par la suite des trois vnements indpendants entre eux Pile Rouge Pile
Rouge Pile Rouge dont la probabilit dobtention est [(

) (

)] x [(

) (

)] x [(

) (

)] = (

-avec le d B par la suite des trois vnements indpendants entre eux Face Rouge Face
Rouge Face Rouge dont la probabilit dobtention est [(

) (

)] x [(

) (

)] x [(

) (

)] = (

Plus formellement :
Lvnement Obtenir une face rouge avec le d A lors du

lancer est

A
Lvnement Obtenir une face rouge avec le d B lors du

lancer est

B
Do :
P(

A) = (

)(

) =

(puisquil y a dune part 1 chance sur 2 de lancer A et dautre part A possde 6


faces dont 4 faces rouges)
P(

B) = (

)(

) =

(puisquil y a dune part 1 chance sur 2 de lancer B et dautre part B possde 6


faces dont 2 faces rouges)
Comme les 3 vnements

A et

A et

A nont pas de rapport entre eux donc peuvent


tre considrs comme tant indpendants la probabilit dobtenir trois fois de suite une face rouge
avec le d A est P[(

A)(

A)(

A)] = P(

A) P(

A) P(

A) = (

Comme les 3 vnements

B et

B et

B nont pas de rapport entre eux donc peuvent


tre considrs comme tant indpendants la probabilit dobtenir trois fois de suite une face rouge
avec le d B est P[(

B) (

B) (

B)] = P(

B) P(

B) P(

B) = (

Les vnements

A et

B sont incompatibles donc (

A) (

B) =
La probabilit dobtenir 3 fois de suite une face rouge avec le mme d (c'est--dire avec le d A ou
avec le d B) est donc :
P {[(

A)(

A)(

A)][(

B)(

B)(

B)]} = P[(

A)(

A)(

A)] + P[(

B)(

B)(

B)]
= (

+ (

+

()()
=

(1+

) = (

)(

) =

3 Les vnements

et

et

sont indpendants donc (

) = (

) (

)(

) = (

14
La probabilit davoir utilis uniquement le d A sachant que lon a obtenu 3 faces rouges en trois
lancers est P(A | r
1
r
2
r
3
) =
(

)
(

)
=
[(

)(

)(

)]
(

)
=

On est dans le cas voqu dans la ligne L1 du deuxime tableau


Exercice 6
Deux urnes a et b contiennent respectivement une boule noire et 3 boules blanches et
lautre urne 3 boules noires et 5 boules blanches
On tire au hasard une boule dans chaque urne pour la placer ensuite dans lautre
1-Calculer la probabilit pour quaprs lchange lurne a ne contienne que des boules
blanches
2-Calculer la probabilit pour quaprs lchange chaque urne ait retrouv sa composition
initiale
Dmonstration
La situation est la suivante :
Urne a (4 boules) Urne b (8 boules)
Boules noires x xxx
Boules blanches xxx xxxxx
1 On tire une boule dans chaque urne et on la place dans lautre urne
Considrons les vnements :

= tirer une boule noire dans lurne a donc P(

) =

= tirer une boule blanche dans lurne b donc P(

) =

Il est clair que les vnements

et

nont pas de rapport entre eux donc sont indpendants


Aprs lchange lurne a ne contienne que des boules blanches si et seulement si une boule noire a
t tire de lurne a et une boule blanche a t tire de lurne b
Lvnement aprs lchange lurne a ne contienne que des boules blanches est

La probabilit pour quaprs lchange lurne a ne contienne que des boules blanches est donc :
P(

) = P(

)P(

) = (

)(

) =

2 Considrons les vnements :

= tirer une boule blanche dans lurne a donc P(

) =

= tirer une boule noire dans lurne b donc P(

) =

Il est clair que les vnements

et

nont pas de rapport entre eux donc sont indpendants


Lvnement aprs lchange chaque urne a sa composition initiale est (

) (

)
Donc la probabilit pour quaprs lchange chaque urne a sa composition initiale est :
P[(

)) (

)]
Les vnements

et

sont incompatibles et les vnements

et

sont
indpendants et les vnements

et

sont indpendants donc :


P[(

)) (

)] = P(

))+ P(

) = P(

)P(

))+P(

)P(

)] = (

15
Exercice 7
Soit p la proportion de bovins dun dpartement franais atteints de la maladie ESB ( vache
folle )
On utilise un test de dpistage qui nest pas totalement fiable
Il est positif avec une probabilit 1 si lanimal est effectivement malade et avec une
probabilit si lanimal nest pas malade
1-Calculer la probabilit (p) quun animal pris au hasard dans ce dpartement soit
effectivement malade sachant que le test a t positif
2-On suppose partir de maintenant que =
Dterminer (p) puis calculer la valeur () et commenter le rsultat
3-Calculer la valeur approche de (0,005) pour = 0,02 puis pour = 0,01 et commenter le
rsultat
Dmonstration
Les hypothses sont les suivantes :
Test Test positif T+ Test ngatif T Population
Animal malade M
1 = P(T+ M)
p = P(M)
Animal sain

= P(T+

)
1
1 p = P(

)
Notons que : P(T+) = P[T+ (M

)] = P[(T+ M) (T+

)] = P(T+ M) + P(T+

)
= P(M)P(T+M) + P(

)P(T+

) = p(1 ) + (1p)
1-La probabilit pour quun animal du dpartement soit malade si le test est positif est :
(p) = P(M T+) =
( )
()
=
) (
()
=
()
( ) ()
2-Si = alors (p) =
()
( ) ()
=
()

=
()

Si p = on a : () =
()

=
()

=

Lorsque le risque derreur du test est gal la proportion p danimaux malades (dans la
population) il y a une chance sur deux que lanimal soit malade quand le test est positif
3-Si p = 0,005 on a :

=

,
= (

)
1
=

= 200
Donc : (0,005) = (p) =
()

=
()
(

)
=

()
=


Si = 0,02 on a : (0,005) = (p) =


=
,
(,)
=

()
=

Si = 0,01 on a : (0,005) = (p) =


=
,
(,)
=

()
=

Le taux de dtection de la maladie (p) est trs faible mme lorsque le risque derreur est
faible : il sagit dune maladie rare
16
T.D. n 3 : Variable alatoire
A traiter du 4 au 8 Novembre 2013
Exercice 1
Quatre joueurs A et B et C et D tirent successivement et sans remise une carte dun lot de 6
cartes numrotes de 1 6
Si un joueur tire une carte paire il a gagn et le jeu sarrte
1-Calculer la probabilit de gain de chaque joueur
2-Soit N la variable alatoire qui reprsente le nombre de tirages effectus
Calculer E(N)
Dmonstration
On a le schma suivant :
A gagne : Le jeu sarrte

A joue B gagne : Le jeu sarrte

A perd et B joue C gagne : Le jeu sarrte

B perd et C joue D gagne

1
C perd et D joue
0
D perd
1-Les cartes sont numrotes de 1 6 donc avant le tirage il y a trois cartes paires et trois
cartes impaires
Les vnements qui interviennent sont :

= A tire une carte paire au 1


er
tirage

= B tire une carte paire au 2


me
tirage

= C tire une carte paire au 3


me
tirage

= D tire une carte paire au 4


me
tirage
Lorsque A tire une carte A a 3 chances sur 6 de tirer une carte paire donc P(A) =

donc P(

) =

Si B tire une carte cest que A na pas gagn donc il reste 3 cartes paires et 2 cartes
impaires donc P(B
2

) =

donc P(B) = P(

B
2
) = P (B
2

) P(

) = (

)(

) =

Si C tire une carte cest que ni A ni B nont gagn donc il reste 4 cartes dont 3 cartes paires
donc P(C
3

) =

et on a : P(

) = 1 P(B
2

) = 1

donc par le thorme


des probabilits composes :
P(C)=P(

C
3
) =P(C
3

)P(

)=P(C
3

) P(

) P(

)=(

)(

)(

)=

17
Si D tire une carte cest que ni A ni B ni C nont gagn donc il reste 3 cartes qui sont toutes
paires et on a P(D) = P(

D
4
) = P(D
4

) P(

)
= P(D
4

) P(

) P(

) P(

) =(

)(

)(

)(

) =

2-On a :
P(N=1) = P(A) =

P(N=2) = P(B) =

P(N=3) = P(C) =

P(N=4) = P(D) =

Donc : E(N)= ( = )

= (

) + 2 (

) + 3 (

) + 4 (

) =

Exercice 2
La loi dune variable alatoire X est dfinie par P(X = n) =

pour tout entier n 1


Calculer P(X < n) pour tout entier n puis E(X)
Dmonstration
On suppose que X : R est une variable alatoire telle que X() N \ {0} donc si x = 0 ou
si x N on a : P(X = x) = P() = 0 donc P(X < 1) = P(X = 0) = 0
Ainsi P(X < 2) = P(X = 1) =

Si n 2 on a : P(X < n) = ( = )

= (

= (1

) +

++

+ +

= 1

Comme P(X = n) =

=

()
on a : n P(X = n) =

donc ( = )

tend vers + si n tend vers + donc E(X) = ( = )

= + (puisque la
srie

est divergente) donc X na pas desprance


Remarque :
Si 0 < k 1 t k on a :

donc si n 2 on a :
ln (n) =

dt

dt =

et ln (n) =

dt

dt =

Donc :

ln (n)

Comme

ln () = + la relation ln (n)

implique

= +
Exercice 3
La fonction de rpartition F dune variable alatoire X est nulle pour x 1 et a pour valeur
F(x) = 1

()
pour n < x n + 1 et pour tous les entiers n 1
Dterminer avec prcision la loi de probabilit de X puis calculer E(X) et V(X)
Dmonstration
Par hypothse F(x) = 0 si x 1 et F(x) = 1

()
si n < x n+1 et n 1
En prenant n = 1 et 1 < x 2 on a : P(X < x) = F(x) = 1

donc P(X < 2) = F(2) =


et
P(X = 1) = F(2) F(1) =

0 =

18
La fonction de rpartition F est dfinie par F(x) = P(X < x) donc comme X() N il vient :
F(n + 1) F(n) = P(X < n + 1) P(X < n) = P(X = n) donc F(n + 1) = F(n) + P(X = n)
La fonction F est une fonction en escalier nulle sur ] , 1] et on a :
F (n + 1) = 1

()
si n 1
Si n 2 on a :
P(X = n) = F(n + 1) F(n) = (1

()
) (1

()
) =

()


()
=

(

()


()
)
=

() ()
Comme

()


()
=

() ()

la srie termes positifs [


] est
absolument convergente donc commutativement convergente et on a :
E(X) = ( = )

+ [

()


()

] =

+ [

]
= (

) + (1

) + (

) + (

) + (

) + (

) + (

) +
+ (

) + (

) + (

) + (

) + (

) + (

) +
Donc E(X) = 2 (il ne reste que le 1
er
terme

et le 2
me
terme 1 et le 4
me
terme

des 2 lignes prcdentes)


En revanche : k 2 implique 2

1 donc

donc :
E(X) = ( = )

( = )

= (

) +

() ()

+

() ()

Comme la srie

a pour somme

= +on a : E(

) = +donc

na pas
desprance
Donc V(X) = + puisque sinon E(

) = V(X) + E
2
(X) = V(X) + [()]

< +
En particulier X na pas de variance
Note
Rappelons (Jean Pierre Lecoutre Manuel et exercices corrigs Statistique et probabilits Dunod
Troisime dition page 37) que :
Si X : R est une variable alatoire telle que X() = {

; ;

} soit un ensemble fini tel


que pour tout k 1 on ait

<

alors la fonction de rpartition F : R R de la variable


alatoire X est dfinie pour tout y R par la relation F(y) = P(X < y) donc :
F(y) = ( = )
()

= ( =


La fonction relle F : R R est une fonction en escalier nulle sur ] ;

] et gale 1 sur
]

; +[ et constante sur chaque intervalle ]

] si 1 k n 1 et on a :

F(y) = 0 si y

F(

) F(

) = P(X =

)si 1 k n 1
P(X =

) = 1 F(

)
F(y) = 1 si y >


19
Donc F(

) = F(

) + P(X =

) si 1 k n 1 et

<

Exercice 4
Soit X une variable alatoire de densit f dfinie pour 1 x 1 par f(x) =

et nulle hors
de cet intervalle
1-Calculer E(X) et V(X)
2-Dterminer la fonction de rpartition de X puis calculer la probabilit que X appartienne
lintervalle [

] en fonction des rels

et

tels que

<

Dmonstration
1-On pose : f(x) =

si 1 x 1 et f(y) = 0 si y R\[1 ; 1] donc f : R R est continue par


morceaux et intgrable sur R
Si x 1 on a : F(x) = P(X < x) = ()

= 0
Si 1 x 1 on a : F(x) = ()

= ()

[ t + t

=
[()][

()

Si x 1 on a : F(x) = P(X < x) = ()

= ()

= F(1) =

= 1
On a :
E(X) = ()

= ()

[ t +3t

= 0
V(X) = E(X
2
) - [E(X)]
2
= E(X
2
)= ()

2-Soit x
1
et x
2
des rels tels que x
1
< x
2
donc P(x
1
X x
2
) = F(x
2
) F(x
1
) donc on a aussitt :
x
1
< x
2
<-1 P(x
1
Xx
2
) = 0 x
1
<-1< x
2
<1 P(x
1
Xx
2
) = F(x
2
) = + () x
2
+ () x
2
3
x
1
<-1<1< x
2
P(x
1
Xx
2
) =1 -1< x
1
< x
2
<1 P(x
1
Xx
2
) = F(x
2
) - F(x
1
) = () (x
2
x
1
) + () (x
2
3
- x
1
3
)
1<x
1
< x
2
P(x
1
Xx
2
) = 0 -1< x
1
<1< x
2
P(x
1
Xx
2
) = F(1) - F(x
1
) = - ()x
1
-()x
2
3
Exercice 5
Soit X une variable alatoire de densit f(x) =

pour x [0 ; 1 ] et f(x) =

pour x [1 ; 2] et
f(x) =

pour x [2 ; 3 ] et nulle en dehors de lintervalle [0 ; 3]


Dterminer la fonction de rpartition de X
Dmonstration
La fonction positive f : R R est continue par morceaux et nulle hors de lintervalle compact [0 ; 3]
donc est intgrable sur R
La fonction de rpartition de la variable alatoire X : R est la fonction F : R R dfinie si x R
par F(x) = P(X < x) = ()

En particulier si a R et si x R on a : F(x) F(a) = ()

()

= ()

donc :
F(x) = F(a) + ()

20
Si x 0 et t x on a : f(t) = 0 donc F(x) = ()

= 0
Si x 3 on a :
F(x) = ()

= ()

+ ()

+ ()

+ ()

+ ()

=

2

+
1
2

+
3
2

= (

4
)

+ (

2
)

+ (
3
2

4
)

=
1

+ (

) = 1
Si 0 x 1 on a :
F(x) = ()

= ()

+ ()

= ()

=

2

= (

4
)

=

2

donc F(1) =
1

Si 1 x 2 on a : F(x) = ()

= F(1) + ()

=
1

+ (

2
)

=
1

donc F(2) =
3

Si 2 x 3 on a :
F(x) = ()

= F(2) + ()

=
3

+ (
3
2

4
)

=
3

+ (

) (31) =

2
5

Exercice 6
Soit (

; ;

) une suite de variables alatoires indpendantes de mme loi et de densit f


telle que f(x) = 2 (1 x) pour x [ 0 ; 1] et nulle en dehors de cet intervalle
Dterminer la densit de la variable alatoire

= Max {

; ;

}
Dmonstration
On pose : f(x) = 2 (1 x) si 0 x 1 et f(y) = 0 si y R \ [0 ; 1] donc f : R R est continue
par morceaux et intgrable sur R
On note F : R R la fonction de rpartition commune toutes les variables alatoires
relles

: R (1 k n) donc pour tout rel y on a : F(y) = P(

< y) = ()

Si y < 0 et t y on a : f(t) = 0 donc F(y) = () = 0

donc

(y) = 0 (drive dune


constante)
Si y > 1 on a : f(y) = 0 donc en posant u = 1 t on a :
F(y) = () =

2(1 t) =

2u =

(u

) =

1 donc

(y) = 0 (drive
dune constante)
Si 0 y 1 on a : F(y) = ()

= 2(1 )

=
(2

= 2

donc
F(1) = 2 1 = 1 et F(0) = 0
Ainsi la fonction F : R R est drivable sur R \ {0, 1} et :
-si y ] 0 ; 1[ on a :

(y) = 2 (1 y) = f(y)
-si y R \ [0 ; 1] on a :

(y) = 0 = f (y)
On notera que les fonctions f et

sont gales sauf sur lensemble fini {0 ; 1}


On dit que

: R \ {0, 1} R est une densit commune aux variables alatoires

On note G : R R la fonction de rpartition de la variable alatoire

: R
Si on a :

() = Max {

() ; ;

() } donc G(y) = P(

y) si y R
21
Si y R on a :

() y [

() y ; ;

() y] [(

() y) (

() y)]
donc comme les variables (

; ;

) sont indpendantes :
G () = P(

) = P[(

) (

)] = P(

) P(

) = [()]

Comme F : R R est drivable sur R \ {0, 1} la fonction G est drivable sur R \ {0, 1}
La drive g de G sur R \ {0, 1} vrifie g() =

() = n [()]

() = n [()]

f ()
lorsque R \ {0, 1} donc la fonction g est continue sur R \ {0, 1}
Donc
< 0 : () = 0 donc G ( ) = [()]

= 0 donc g() = G () = 0
si > 1 : F () = 1 donc G () = [()]

= 1 donc g() = G () = 0
si 0 < < 1 : () = 2

donc G () = [()]

= [2


Si 0 < < 1 on a : G () = [2

donc g () = G () = n [2

(2 2)
La fonction g : R\{0, 1} R est une densit de la variable alatoire

Remarque :
Posons F () =
0 0
2

0 < < 1
1 1

donc F est la fonction de rpartition commune
chaque variable alatoire

On note que F est drivable sur R \ {0 ; 1} et que

() =
0 < 0
2 2 0 < < 1
0 > 1

Sur lintervalle ]0 ; 1[ la fonction F(y) tend vers 0 lorsque y > 0 tend vers 0 et la fonction F(y)
tend vers 1 lorsque y < 1 tend vers 1
Comme F(0) = 0 et F(1) = 1 la fonction F : R R est donc continue sur R
Si 0 < < 1 alors F() F(0) = F() = 2

donc
() ()

= 2 tend vers 2 quand > 0


tend vers 0 donc lim

() ()

= 2
Si 1 < < 0 alors F() F(0) = F() = 0 donc
() ()

= 0 donc lim

() ()

= 0
Donc F : R R nest pas drivable en 0
Exercice 7
Si > 0 soit X une variable alatoire de densit f(x) =


pour [ 0 ; 1] et nulle sinon
Dterminer la loi de probabilit de Y = ln X
Dmonstration
On suppose > 0 et pour tout x > 0 et R on pose :

=
()
donc 1

=
()
= 1
Comme la dfinition de lnonc ne permet pas de dfinir f(0) si

1 < 0 on pose :
f(x) =

si 0 < x 1 et f(y) = 0 si y R\]0 ; 1] donc f(0) = 0 et f(1) = 1


Ainsi f : R R est continue sauf peut tre sur lensemble fini {0 ; 1} donc f est une fonction
borlienne sur R nulle hors de lensemble compact [0 ; 1] donc f est intgrable sur R
La fonction de rpartition F : R R de X vrifie : F(x) = P(X < x) = ()

donc :
22
si x 0 et t < x donc on a : f(t) = 0 donc F(x) = ()

= 0
si 0 < x 1 on a : F(x) = ()

= [

donc F(1) = 1
si x > 1 on a : F(x) = ()

= ()

= F(1) = 1
Ainsi F est drivable ( drive continue) sur R \ {0, 1} et F(t) = f(t) si t R \ {0, 1}
On pose Y() = ln (X()) si ce qui suppose que X() R+* et on note que comme
t ln t est continue sur R+* (donc borlienne) la fonction compose Y : R est une
variable alatoire
On note G : R R la fonction de rpartition de la variable alatoire Y donc G(y) = P(Y < y)
En notant que la fonction relle t

est strictement croissante sur R on a :


ln X () > X () >

Si R il vient G () = P( ln X < ) = P(ln X > ) = P(X >

) = 1 P(X <

) = 1 F(

)
-Si y < 0 on a :

> 1 donc F (

) = 1 et G (y) = 1 F (

) = 1 1 = 0
-Si y 0 on a : 0 <

1 donc G(y) = 1 F (

) = 1 (

= 1
(

)
donc :
G(0) = 1 F (

) = 1 F (1) = 0
Donc G() =
0 < 0
1
(

)
0

La fonction G est donc drivable sur R \ {0} et () =

() =
0 < 0

)
> 0
La fonction g : R* R est donc une densit de la variable alatoire Y et ainsi Y suit une loi
exponentielle (

)
Remarque
Comme

> 0 on a : P(0 < X < 1) = ()

= [

= 1 0 = 1 ce qui
videmment ne signifie pas que X() ]0 ; 1[
Plus prcisment si on note L = { : 0 < X () < 1} alors comme X : R est une
variable alatoire L =

(]0 ; 1[) est un ensemble mesurable de et on a la relation :


P(L) = P(0 < X < 1) = ()

= 1 donc P(

) = 1 P(L) = 0 et = L

est runion de deux


ensembles disjoints L et son complmentaire

tels que [ L : 0 < X () < 1 ] et P(

) = 0
23
T.D. n 4 : Lois usuelles discrtes
A traiter du 18 au 22 Novembre 2013
Exercice 1
Soit X une variable alatoire de loi binomiale de paramtres n = 30 et p = 0,1
1-Calculer les probabilits suivantes :
P(X = 5) et P(X 2) et P(X < 4) et P(X = 1,5) et P(3 X 4) et P(2 < X 8)
2-Dterminer les valeurs de x telles que P(X x) 0,25
3-Calculer P(X = 26) dans le cas o p = 0,9
Dmonstration
-Soit p un rel tel que 0 <p < 1 et X une variable alatoire qui suit une loi binomiale B (n, p)
donc X est valeurs entires et X ()=[0, n] N et on a : P(X=k)= C
n
k
p
k
(1p)
n-k
si 0 k n
Soit x un entier tel que 0 x n-1 donc 1 x n et comme X est valeurs entires on a :
X() x + 1 [X() x ou X() = x+1] donc :
{ : X() x + 1} = { : X() x} { : X() = x + 1} et il est clair que :
{ : X() x + 1} = { : X() x} { : X() = x + 1} = donc :
P(X x + 1) = P(X x) + P(X = x+1)
Comme X est valeurs entires on a { : x < X() < x + 1} = donc P(X < x+1) = P(X x)
Donc : P(X < x+1) = P(X x) = P(X x1) + P(X=x) = P(X < x) + P(X=x)
On notera que si la fonction de rpartition G de la variable alatoire X est dfinie par
G(x) = P(X x) on a : G(x) = G(x1) + P(X = x) c'est--dire G(x+1) = G(x) + P(X = x+1)
En revanche si la fonction de rpartition F de la variable alatoire X est dfinie par
F(x) = P(X < x) on a la relation : F(x+1) = F(x) + P(X = x) c'est--dire F(x) = F(x1) + P(X = x1)
Les tables du livre prcit de Jean Pierre Lecoutre (page 287) donnent la probabilit P(X x)
1-On suppose que X suit une loi binomiale B (30 ;

) donc :
P(X=5) = C
30
5
(

)
5
(1

)
30 - 5
= P(X 5) P( 4) = 0,9268-0,8245 = 0,1023
P(X2) = 0,4114 P(X<4) = P(X 3) = 0,6474 P(3X4)=P(X 4) P(X 2)= 0,82450,4114=0,4131
P(X=1,5)= 0 (car X est valeurs entires) P(2<X8)=P(X 8) P(X 2)=0,99800,4114 = 0,5866
2-On lit dans la table : P(X3) = 0,6474 et P(X4) = 0,8245 donc : P(X3) < 0,75 < P(X4)
P(X x) 0,25 1 P(X < x) 0,25 0,75 P(X < x)= P(X x1) 4 x1 x1 4
Comme X() = N [0 ; 30] il vient : P(X x) 0,25 5 x 30
3-Notons que C
30
26
= C
30
4
puisque C
n
k
=
!
!()!
= C
n
n-k
Notons Y une variable qui suit une loi B(30 ; 0,1)
Si X suit une loi B(30 ; 0,9) on a P(X=26)= C
30
26
(0,9)
26
(1 0,9)
30-26
= C
30
4
(0,1)
4
(0,9)
26
= P(Y=4)
donc P(X=26) = P(Y=4) = P(Y4) P(Y3)= 0,8245 0,6474 = 0,1771
24
Exercice 2
Si X est une variable alatoire de loi de Poisson de paramtre m = 4 calculer les probabilits
P(X = 6) et P(X < 3) et P(X 5) et P(

< X < 2 ) puis dterminer les valeurs de x telles que


P(X < x) 0,95
Dmonstration : Application immdiate du cours (Jean Pierre Lecoutre pages 74 76) :
Si X suit une loi de Poisson P(m) alors P(X = k) = e
m

!
si k N et m > 0 et X () = N
Les tables du livre prcit de Jean Pierre Lecoutre (page 288) donnent la probabilit P(X = x)
Si X suit une loi de Poisson P(4) alors P(X=6) = e
4

!
= 0,1042
Comme X est une variable alatoire valeurs entires on a :
P(X < 3) = P(X=0) + P(X=1) + P(X=2) = 0,0183+ 0,0733+ 0,1465 = 0,2381
P(X 5) = 1 P(X 4) = 1 [P(X<3) + P(X=3) + P(X=4] = 1 [0,2981 + 0,1954 + 0,1954] = 0,3711
On a :

= 1,57 et 2 = 6,28 et comme X est valeurs entires on a :


P (

< X < 2) = P(2 X 6) = P(X=2) + P(X=3) + P(X=4) + P(X=5) + P(X=6)


= 0,1465 + 0,1954 + 0,1954 + 0,1563 + 0,1042 = 0,7978
On a : P(X < 8) = 0,9489 < 0,95 et P(X < 9) = 0,9787 > 0,95 donc videmment :
[ P(X < x) 0,95 x 9 ]
Exercice 3
1-Vous effectuez un voyage en avion dans un biracteur qui peut poursuivre son vol avec un
seul racteur qui fonctionne
Les racteurs fonctionnent de faon indpendante et ont chacun une probabilit p de
tomber en panne au cours du vol
Calculer en fonction de p la probabilit

que votre vol ait pu se poursuivre jusqu sa


destination
2-Dans le cas dun quadriracteur qui peut poursuivre son vol avec au moins deux racteurs
qui fonctionnent calculer en fonction de p la probabilit

que votre vol ait pu se


poursuivre jusqu sa destination
3-Pour quelles valeurs de p le biracteur est-il plus sr que le quadriracteur ?
Calculer

et

pour p =

Dmonstration
Si Z est une variable alatoire suivant une loi B(n, p) on a : P(Z = k) =

(1 )

Chaque racteur a une probabilit p de tomber en panne au cours du vol


1-Un biracteur peut fonctionner avec 0 ou 1 racteurs en panne
Dans le cas dun biracteur le nombre X de racteurs en panne suit une loi B(2, p) donc
P(X = k) =

(1 )

donc la probabilit
B
que le vol se poursuive jusqu destination
c'est--dire avec 0 ou 1 racteurs en panne est :

B
= P(X=0) + P(X=1) = C
2
0
p
0
(1p)
2 0
+ C
2
1
p
1
(1p)
21
= (1p)
2
+ 2p (1p) = 1p
2
2-Un quadriracteur peut fonctionner avec 0 ou 1 ou 2 racteurs en panne
Dans le cas dun quadriracteur le nombre Y de racteurs en panne suit une loi B(4, p) donc
P (Y = k) =

(1 )

donc la probabilit
Q
que le vol se poursuive jusqu
destination c'est--dire avec 0 ou 1 ou 2 racteurs en panne est :
25

Q
= P(Y=0) + P(Y=1) + P(Y=2) = C
4
0
p
0
(1p)
4 0
+ C
4
1
p
1
(1p)
4 1
+ C
4
2
p
2
(1 p)
4 2
= (1-p)
4
+ 4 p (1p)
3
+ 6 p
2
(1p)
2
= 3 p
4
4 p
3
+ 1
Remarque :
(1p)
3
= (1p)
2
(1p) = (1 2 p + p
2
) (1p) = (1 2 p + p
2
) (p 2 p
2
+ p
3
) = p
3
+ 3 p
2
3 p +1
(1-p)
4
= (1p)
3
(1p) = ( p
3
+ 3 p
2
3 p +1) (1p) = ( p
3
+ 3 p
2
3 p +1) (p
4
+ 3 p
3
3 p
2
+ p)
= p
4
4 p
3
+ 6 p
2
4 p + 1
Donc : (1-p)
4
= p
4
4 p
3
+ 6 p
2
4 p + 1
4 p (1p)
3
= 4 p ( p
3
+ 3 p
2
3 p +1) = 4 p
4
+12 p
3
12 p
2
+ 4 p
6 p
2
(1p)
2
= 6 p
2
(1 2 p + p
2
) = 6 p
2
12 p
3
+ 6 p
4
= 6 p
4
12 p
3
+ 6 p
2
3-Le biracteur est plus sr que le quadriracteur si et seulement si
B

Q
Comme p
2
0 on a :

B

Q
1p
2
3p
4
4p
3
+1 p
2
3p
4
4p
3
p
2
(3p
2
+4p 1) 0 3p
2
+4p 1 0
(3p 1)(1p) 0

p 1
On a :
B
(

) = 1(

)
2
=

On a :
Q
(

) = 3 (

)
4
4 (

)
3
+ 1 =

+ 1 =

+ 1 =

Donc :
B
(

) =

>

=
Q
(

)
Exercice 4 : Examen Septembre 2013 Exercice IV
Lorsquon effectue un sondage par tlphone 2 personnes sur 3 acceptent de rpondre
On note X la variable alatoire qui reprsente le nombre dappels ncessaires pour obtenir 2
rponses
Dterminer la loi de probabilit de X puis calculer P(X 4)
Dmonstration
Lorsque A est un vnement de probabilit (de ralisation) p = P(A) le nombre Y dpreuves
indpendantes ncessaires pour obtenir la ralisation de n vnements A suit une loi
binomiale ngative de paramtre p telle que si k n on a : P(Y = k) =

(1 )

et
E(Y) =

et V(Y) =
()

et Y() [n ; + [ N (Lecoutre Manuel page 79)


Dans lexercice on dispose dun vnement A ( savoir le nombre dappels ncessaires pour
obtenir n = 2 rponses) de probabilit p =

et on effectue X preuves successives


indpendantes jusqu lobtention de n = 2 vnements A
Donc la loi de la variable alatoire X est une loi binomiale ngative de paramtre p =

donc
si k n = 2 il vient P(X = k) =

(1 )

=
()

Donc P(X = 2) =

et P(X = 3) =

et P(X = 4) =

et P(X 4) =

Note
La formule des probabilits composes se trouve dans le livre de Jean Pierre LECOUTRE (page 15)
-Probabilit conditionnelle et formule des probabilits composes :
Soit (, A, P) un espace probabilis et B A tel P(B) > 0
On note A
B
= {L B : L A} la tribu conditionnelle
Si A A on pose P
B
(A) = [P(A B)] / P(B) et P(A B) = P
B
(A)
26
P
B
(A) est la probabilit conditionnelle de A connaissant B
On dispose donc de la probabilit P
B
: A P(A B) de A
B
dans [0, 1]
Si P(A) > 0 et P(B) > 0 on a : P(A B) P(B) = P(A B)= P(B A) P(A)
-Les vnements A et B sont indpendants si et seulement si P(A B)= P(A)P(B) c'est--dire si et
seulement si P
B
(A) =[P(A)P( B)] / P(B) = P(A)
-Formule gnrale des probabilits composes
Soit (, A, P) un espace probabilis et A
1
A, , A
n
A tels que pour tout k [1, n] on a :
P(A
1
A
2
A
k
) > 0
Alors : P(A
1
A
2
) = P(A
1
)P(A
2
A
1
) et si n 2 :
P(A
1
A
2
A
n
) = P(A
1
) P(A
2
A
1
) P(A
3
A
1
A
2
) P(A
n
A
1
A
2
A
n-1
)
-La formule des probabilits composes permet de calculer la probabilit dune intersection finie
dvnements lorsque les vnements ne sont pas indpendants
-En particulier : P(A
1
A
2
) = P(A
1
) P(A
2
A
1
) et P(A
1
A
2
A
3
) = P(A
1
) P(A
2
A
1
) P(A
3
A
1
A
2
) et
P(A
1
A
2
A
3
A
4
) = P(A
1
) P(A
2
A
1
) P(A
3
A
1
A
2
) P(A
4
A
1
A
2
A
3
)
Exercice 5
Une rencontre de coupe Davis en tennis comporte 4 matchs en simple et un match en
double et lquipe gagnante est celle qui a remport le plus de matchs
On suppose que les joueurs de lquipe des Desunited States dans chacun de ces 5 matchs
ont la mme probabilit

de gagner
Dterminer la loi de probabilit de la variable alatoire X qui reprsente le nombre de
parties gagnes par lquipe des Desunited States
Donner les valeurs de () et ()
En dduire la probabilit de gain de cette quipe
Dmonstration
On note X le nombre de parties gagnes par lquipe DS
A chacune k des cinq parties on associe une variable de Bernoulli X
k
telle que X
k
= 1 si
lquipe DS gagne la partie k et X
k
= 0 si lquipe DS ne gagne pas la partie k avec les
conditions P(X
k
=1) =

et P(X
k
=0) = 1

donc X =

suit une loi de Bernoulli
B(5 ;

) donc si 0 k 5 on a :
P(X = k) =

(1 )

(1

On a : E(X) = np = 5(

) =

et V(X) = np(1p) = (

)(

) =

Si on note G le gain de lquipe DS on a :


P(G) = P(X3) = P(X=3) + P(X=4) + P(X=5) = C
5
3
2
3
3
5
+ C
5
4
2
4
3
5
+ C
5
5
2
5
3
5
=

Exercice 6
Pour raliser un examen de type QCM (questionnaire choix multiple) on effectue un tirage
au hasard de 20 questions dans un ensemble qui en comporte 100
Un candidat connat une proportion p de rponses ces 100 questions du programme
Donner la loi de probabilit de la variable alatoire X qui reprsente le nombre de questions
tires connues du candidat puis les valeurs de () et ()
27
Indiquer prcisment la loi de probabilit de X dans les cas o = 0 puis = 0,1 et = 0,9
et = 1
Dmonstration (Examen de Janvier 2009)
Si 0 < p < 1 le nombre X de questions tires et connues du candidat est une variable alatoire
qui suit une loi hypergomtrique H (N, n,

) avec N = 100 et n=20 et

= 100 p et lon
pose r =

= p donc E(X) = nr = 20 p et V(X)= n r (1 r)


= 20 p (1p)

Pour des raisons typographiques on pose : N(A) =

et daprs une formule du cours (Jean


Pierre Lecoutre page 72) on a :
P(X = k) =

()


()

si Max [0 ; n (N

)] k Min (n ;

)
Donc : P(X = k) =


()

si 0 k

= 100 p et n N et n k N

Si p = 0 la variable X est une variable certaine et P(X = 0) = 1


Si p = 1 la variable X est une variable certaine et P(X = 20) = 1
Si p = 0,1 et 0 k 10 on applique la formule du cours : P(X = k) =

Si p = 0,9 et 10 k 20 on applique la formule du cours P(X = k) =


28
T.D. n 5 : Lois usuelles continues
A traiter du 2 au 6 Dcembre 2013
Exercice 1
1-Si X est une variable alatoire de loi normale N(35 ; 5) calculer P(X < 25) et P(37,5 < X < 40)
et P(32,5 < X < 37,5)
2-Calculer lesprance et la variance dune variable alatoire Y de loi normale telle que
P( Y > 3) = 0,6915 et P(Y < 2) = 0,9772
Dmonstration : Application immdiate du cours (Jean Pierre Lecoutre pages 81 87) :
1-Si X suit une loi N(m, ) alors U =

suit une loi N(0, 1) et

suit une loi

En outre si U suit une loi N(0, 1) et (x) = P(U < x) alors : R R est strictement croissante
donc injective et pour tout rel x on a : (x) + (x) = 1 donc :
P(U > x ) = 1 P(U < x) = 1 (x) = (x) = P(U < x) et pour tout a > 0 on a :
P(U < a) = P(a < U < a) = P(U < a) P(U < a) = (a) (a) = (a) [1 (a)] = 2 (a) 1
-Si X suit une loi N (35 ; 5) alors U =

suit une loi N(0, 1) donc en utilisant la table :


P(X<25) = P(

<

) = P(U <

) = P(U < 2) = 1 P(U < 2) = 1 0,9772 = 0,0228


P(37,5 < X < 40) = P{
,

<

<

} = P( 0,5 < U < 1) = P(U < 1) P(U < 0,5)


= 0,8413-0,6915= 0,1438
P(32,5 < X < 37,5) = P{
,

<

<
,

} = P( 0,5 < U < 0,5)= 2 P(U < 0,5) 1


= 2(0,6915) 1 = 0,383
2-Si Y suit une loi N(m, ) alors U =

suit une loi N(0, 1)


Comme P(U > x ) = P(U < x) il vient en utilisant la table on a :
(

) = P(U < 0,5) = 0,6915 = P(Y > 3) = P[

>

]= P(U >

) = P(U <

) = (

)
donc comme : R R est injective

Comme (2) = P(U < 2) = 0,9772 = P(Y < 2)= P[


<

] = P(U <

] = (

) on a :
2 =

Le systme linaire de deux quations 3 + m =


et 2 = 2 m deux inconnues m et
scrit 4 (3 + m) = 4

= 2 = 2 m donc 10 = 5 m donc m = 2 et 2 = 4 donc = 2 donc


la variable Y suit une loi N (2 ; 2)
Exercice 2
1-Soit X une variable alatoire de loi normale telle que P(X < 2) =0,3085 et P(X < 2) = 0,9332
Trouver le nombre rel a tel que P(

+ 2 X < a) = 0,975
2-Soit U une variable alatoire de loi normale centre et rduite et V une variable alatoire
qui suit une loi du khi-deux 16 degrs de libert
Ces deux variables alatoires tant indpendantes trouver le nombre rel b tel que
P(

< b) = 0,975
Dmonstration : Application immdiate du cours (Jean Pierre Lecoutre pages 84 et 87 et 152) :
Notons f(x) = P(U < x) la fonction de rpartition dune variable alatoire U suivant une loi normale
standard N(0 ; 1)
29
Si U suit une loi N(0 ; 1) et si Y suit une loi

telles que les variables alatoires U et Y soient


indpendante alors

suit une loi

(loi de Student n degrs de libert) qui (comme U) est


symtrique par rapport 0 donc si t est un rel on a : P(

> t) = 1 P(

< t) = P(

< t)
1-Si X suit une loi N(m ; ) alors U =

suit une loi N(0, 1) donc en utilisant la table :


0,3085 = P(X < 2) = P[

<

] = P[U <

] = f(

) = 1 f(

) donc :
f(

) = 1 0,3085 = 0,6915 = P(U <


) = f(

) donc

et en utilisant la table :
f(

) = P(U < 1,5) = 0,9332 = P(X < 2) = P[


<

] = P[U <

] = f(

) donc

Le systme linaire de deux quations 2 + m =


et 2 m =

deux inconnues m et
vrifie en ajoutant les deux quations 4 =

= 2 donc = 2 donc 2 + m =

= 1 donc
m = 1 donc la variable X suit une loi N (1 ; 2)
Ainsi U =
()

suit une loi N(0,1) donc


()

suit une loi

et on a :
0,975 = P(X
2
+2X < a) = P(X
2
+2X +1 < a+1) = P[(X+1)
2
< a+1] = P (

<

) = P (

<

) donc
(en utilisant une table) P (

< 5,02) = 0,975 = P (

<

) donc

= 5,02 donc a = 19,08


2-Si U suit une loi N(0,1) et V une loi

alors daprs le cours


suit une loi

donc
avec une table P (

< 2,12) = 0,975 = P(

< b) = P(

< 4b) = P(

< 4b) donc 4b = 2,12


donc b = 0, 53
Exercice 3
1-Dterminer les fractiles dordre 0,8 et 0,2 de la loi de Student 12 degrs de libert
2-Dterminer le fractile dordre 0,05 de la loi de Fisher-Snedecor 30 et 10 degrs de libert
Dmonstration : Application immdiate du cours (Jean Pierre Lecoutre pages 84 et 85 et 152 154) :
Si Y suit une loi de Fischer Snedecor F(n ; p) (n ; p) degrs de libert alors P(Y > 0) = 1 et

suit
une loi F(p ; n)
-Dans le cas particulier n = p les variables alatoires Y et

suivent la mme loi F(n, n) et si > 0 il


vient P(Y < ) = P(

< ) donc P(Y < ) = P(

< ) = P (Y >

)
-En particulier si > 1 et = P(Y < ) et n = p il vient

< 1 < donc :


P(

< Y < ) = 1 [P(Y < ) + P (Y >


)] = 1 2
Si Y suit une loi de Fischer Snedecor F(n ; p) (n ; p) degrs de libert alors

suit une loi F(p ; n)


donc si > 0 et = P(Y <

) et = P(

< ) alors P(Y <


) + P(

< ) = 1
En effet = P(

< ) = 1 P(

> ) = 1 P(

> Y) = 1 P(Y <


) = 1 donc + = 1
Le fractile t dordre de la loi de la variable alatoire X est le nombre t tel que P(X < t) =
1-Si T suit une loi

(loi de Student n degrs de libert) et si t est un rel on a :


30
P(T < t) + P(T < t) = 1 donc P(T > t) = 1 P(T < t) = P(T < t)
On lit dans la table de

que P(

< 0,873) = 0,8 donc P(

<

) = 0,8

= 0,873
Do :
P(

<

) = 0,2 P(

<

) = P(

>

) = 1 P(

<

) = 1 0,2 = 0,8 = P(

< 0,873)

= 0,873
Do

= 0,873
2-Si Y suit une loi de Fischer Snedecor F(n ; p) (n ; p) degrs de libert alors

suit une loi


F(p ; n) et si > 0 on a : P(Y <

) + P(

< ) = 1
On cherche tel que P(Y < ) = 0,05 lorsque Y suit une loi F(30 ; 10)
On note que la table de F(30 ; 10) ne contient pas telle que P(Y < ) = 0,05
Mais

suit une loi F(10 ; 30) et la table de F(10 ; 30) contient telle que P(

< ) = 0,05
puisque P(

< 2,16) = 0,95


La relation P(Y <

) + P(

< ) = 1 implique P(Y <



,
) = 1 P(

< 2,16) = 1 0,95 = 0,05


Donc comme

,
= 0,46 il vient P(Y < 0,46) = 0,05
Exercice 4
Dterminer les moments non centrs de la loi de Pareto de paramtres > 0 et

> 0 c'est-
-dire de densit f() =

pour

Dmonstration
Exercice de Mathmatiques caractre immdiat sous rserve de connatre la dfinition dune densit :
On a : f() =

si

> 0 et f() = 0 si <

La fonction relle f est positive et continue par morceaux sur R


On sait que si a > 0 lintgrale

est un rel si et seulement si a > 1


On a :

= + a < 1
Comme

> 0 on a pour tout entier k 0 :


()

dt =

()

dt =

dt < + si et seulement si
(k 1) > 1
Donc

()|

< + si et seulement si 0 k <


Si 0 k < on a :

()

dt =

()

dt =

dt =

dt
=

Donc si k = 0 on a : ()

dt = 1 et donc la fonction f est une densit dune variable


alatoire relle X : R
Si 0 k < on a donc E(

) =

()

dt =
(

Si k > 0 on a : E(

) = +
31
Exercice 5
Soit X une variable alatoire qui reprsente la dure de vie dun certain composant
lectronique et qui suit la loi exponentielle de paramtre > 0 c'est--dire de densit f nulle
pour x < 0 avec f(x) =

pour x 0
On note F sa fonction de rpartition et S = 1 F sa fonction de survie
1-Dterminer le taux de panne de ce composant lectronique cest--dire la fonction =

2-Soit un nombre h > 0 fix


Dterminer pour x > 0 la fonction de survie conditionnelle dfinie par :
S(x|h) = P(X x + h | X > h)
Commenter le rsultat
3-On considre maintenant un systme constitu de deux composants lectroniques monts
en parallle dont les dures de vie indpendantes

et

ont la mme loi que X


La dure de vie de ce systme est donc reprsente par la variable alatoire
Y = max {

} de fonction de rpartition G de densit g et de fonction de survie

= 1 G
Dterminer le taux de panne

de ce systme
tudier la variation de

et commenter le rsultat
Dmonstration
1- Comme f est nulle sur lensemble R la fonction de rpartition F de la variable alatoire X
vrifie si x < 0 la relation : F(x) = 0
Si x 0 on a donc : F(x) = ()

dt =

dt = (

) dt = 1

La fonction de survie de X est S(x) = 1 F(x) et le taux de panne est (x) = f(x) / S(x)
Donc le taux de panne vrifie (x) = 0 si x < 0 et si x 0 on a : (x) =
()
()
=
()
()
=


=
2- Si h > 0 et x > 0 on a : x+h > h > 0 donc :
P[ (X x+h) (X > h) ] =
[ ( ) ( )]
( )
=
[ ) ]
( )
=
( )
( )
=
[
()
]
[

]
=

()

Ainsi S(X h) = P[(X x+h) (X > h)] ne dpend pas de h : on dit que loi exponentielle est une
loi sans mmoire
3- Si on pose Y()= Max {

() ;

() } ce qui dfinit une variable alatoire Y : R


et on note G : R R la fonction de rpartition de Y
Si x est un rel on a : Y() < x [

() < x ] [

() < x ]
Comme

et

sont des variables alatoires indpendantes de mme loi que celle de X il


vient : G(y) = P(Y < y) = P[(

< y) (

< y)] = P(

< y) P (

< y) = (())

Ainsi si y < 0 on a : G(y) = 0 et si y 0 on a : G(y) = (1

Ainsi G est continument drivable au moins sur R* et on note g : R* R une densit de Y


Si y < 0 on a : g(y) = G (y) = 0 et si y > 0 on a : g(y) = G (y) = 2 (1

Si x < 0 on a : g(x) = 0 et G(x) = 0 donc


Y
(x) =
()
()
= 0
Si x > 0 on a : 0 <

< 1 donc 2

> 0 et g(x) = 2 (1

et
G(x) = (1

donc 1 G(x) = 1 [ 1 2

] =

(2

) donc :

(x) =
()
()
=
(

)


32
Ainsi

est drivable sur R* et si x > 0 on a :

(x) =
[ (

) (

)](

) (

)

[

]
=


(

)
> 0
Donc la fonction relle

est strictement croissante sur R+* : le taux de panne

(x)
augmente lorsque x > 0 croit
33
T.D. n 6 : Couple alatoire
A traiter du 16 au 20 Dcembre 2013
Exercice 1
1-Dans la population de personnes atteintes dune certaine maladie incurable 25 % meurent
40 ans 50 % 50 ans et 25 % 60 ans
Dterminer la loi de probabilit de la variable alatoire X qui reprsente lge de dcs dun
individu tir au hasard dans cette population
2-Soit

et

les variable alatoire qui reprsentent lge de dcs de deux individus tirs
au sort de faon indpendante dans cette population
Dterminer la loi de probabilit du couple (

)
En dduire la loi de probabilit de la variable alatoire Y qui reprsente lge de dcs de
celui des deux individus qui vivra le plus longtemps
Calculer lesprance de vie de celui qui vivra le plus longtemps
Dmonstration
1-On note X la variable alatoire qui reprsente lge de dcs dun individu tir au hasard dans la population
P(X=40)=25/100=1/4 P(X=50)=50/100=1/2 P(X=60)=25/100=1/4
La loi du couple (X
1
; X
2
) est P (X
1
=a ; X
2
=b) = P[ (X
1
= a) (X
2
= b) ] = P (X
1
=a) P(X
2
=b) puisque les
variables alatoires X
1
et X
2
sont indpendantes
Donc :
X
2
X
1
=40 X
1
=50 X
1
=60
X
2
=40
P(X
1
=40 ; X
2
=40) = ( )( ) =

P(X
1
=50 ; X
2
=40) = ()( ) =

P(X
1
=60 ; X
2
=40) = ( )( ) =

X
2
=50
P(X
1
=40 ; X
2
=50) = ()( ) =

P(X
1
=50 ; X
2
=50) = ()( ) =

P(X
1
=60 ; X
2
=50) = ()( ) =

X
2
=60
P(X
1
=40 ; X
2
=60) = ( )( ) =

P(X
1
=50 ; X
2
=60) = ()( ) =

P(X
1
=60 ; X
2
=60) = ( )( ) =

2-On note Y la variable alatoire qui reprsente lge de dcs de celui des deux individus qui vivra
le plus longtemps
P(Y=40) = P[(X
1
=40) (X
2
=40)] = P(X
1
=40) P(X
2
=40) = (

)
2
=

P(Y=50) = P[(X
1
=40) (X
2
=50)] + P[(X
1
= 50) (X
2
=40)] + P[(X
1
=50) (X
2
=50)] = (

) + (

) + (

) =

P(Y=60) = 1 [P(Y=40) + P(Y=50)] = 1 [(


)+(

)] =

Donc : E(Y) = t P(Y = t)


()
= 40 (

) + 50 (

) + 60 (

) =

= 53,75
Exercice 2
Soit X une variable alatoire de loi normale centre et rduite
On dfinit les variables alatoires Y = 2 X et Z = 3X
1-Dterminer la loi de probabilit des variables alatoires Y et X + Y et X + Y + Z
2-Calculer Cov (X ; Y) et V(X + Y + Z)
34
Dmonstration : Consulter le livre de Jean Pierre Lecoutre (page 85)
On utilise :
Si a est un rel et X est une variable alatoire telle que X() = a pour tout alors : X = a 1

et :
P(X=a) = P({ : X()=a}) = P() = 1 et E(1

) = 1

()()

= P() = 1 donc :
E(X) = E(a1

) = aE(1

) = a
On crit : Si a est une constante : E(a) = a E(1) = a donc E(a
2
) = a
2
et V(a) = E(a
2
) E
2
(a) = 0
-Si X
1
et X
2
sont des variables alatoires indpendantes telles que X
1
suive une loi N(m
1
;
1
) et X
2
suive une loi
N(m
2
;
2
) alors X
1
+ X
2
suit une loi N(m ; ) telle que m = m
1
+ m
2
et = (
1
2
+
2
2
)

-Si X suit une loi normale N(m ; ) et a > 0 alors Y = a X suit une loi N(a m ; a )
En effet P(X < x) =

()

dt et en posant u = t a on a : t =

donc :
P(Y < x) = P(X <

) =

()

dt =

) du =

()

()

du donc
Y = a X suit une loi N(am ; a)
-Si X suit une loi normale N(m ; ) et a 0 alors Y = a X suit une loi N(a m ; |a| )
La dmonstration de ce dernier rsultat nest pas vidente et peut tre obtenue en reprenant la dmonstration
prcdente et en utilisant la relation

= 1
On notera que la relation

= 1 a dj t utilise pour dmontrer que () =


est une
densit dune variable alatoire U en crivant que ()

= 1 (en
posant

= )
1-Si X suit une loi N(0 ; 1) alors E(X) = 0 et V(X) = 1 donc si a > 0 est un rel la variable a X suit
une loi N(0,a) donc la variable Y = 2X suit une loi N(0,2) et la variable X+Y = 3X suit une loi N(0,3)
Comme Z = 3X la variable X+Y+Z = 0 donc X+Y+Z se rduit la constante a = 0 (variable
certaine) donc on a : P(X+Y+Z=0) = 1 et E(X+Y+Z) = a = 0 et V(X+Y+Z) = 0
2-Comme E(Y)=0 et E(X
2
)=V(X) +[E(X)]
2
= 1 + (0)
2
= 1 on a :
Cov (X ; Y) = E(XY) E(X)E(Y) = E(XY) = E(2XX) = 2E(X
2
) = 2
Exercice 3
Soit X une variable alatoire de loi uniforme sur lintervalle [ 1 ; 1]
1-Dterminer la fonction de rpartition de X
2-Calculer E(X) et V(X)
3-Dterminer la loi de probabilit de la variable alatoire Y =

puis calculer E(Y)


4-Calculer Cov (X ; Y)
Les variables alatoires X et Y sont-elles indpendantes ?
Dmonstration (Consulter le livre de Jean Pierre Lecoutre page 79)
Si a et b sont des rels tels que a < b on pose f(x) =

si x [a ; b] et f(x)= 0 sinon
On dit que la variable alatoire X : R est une variable uniforme sur [a ; b] si la fonction f : R R est
une densit de X
On calcule la fonction de rpartition de X :
Si x < a on a : F(x) = P(X < x) = ()

= 0
35
Si x b on a : F(x) = P(X < x) = ()

= 1
Si a x < b on a : F(x) = P(X < x) = ()

Si k 0 on a : E(X
k
) =

()

Donc : E(X) = (

et E(X
2
) = (

donc V(X) = E(X


2
) - [E(X)]
2
=
()

1- Si a = 1 et b= 1 on a : a + b = 0 et b a =2 donc on calcule la fonction de rpartition de X :


Si x < 1 on a : F(x) = 0
Si x 1 on a : F(x) = 1
Si 1 x 1 on a : F(x) =

Si k 0 on a : E(X
k
) =

=

()
[1 (1)

] donc E(X
2k
) =

et E(X
2k+1
) = 0
Donc : E(X) = 0 et V(X) = E(X
2
) E
2
(X) =

2- On pose Y = X
2
et G(y) = P(Y < y)
On sait que lapplication

est bijection drivable de R*+ dans R*+ de rciproque la


fonction drivable de R*+ dans R*+
Si y < 0 on a : G(y) = P(X
2
< y) = P() = 0 donc g(y) = G (y) = 0
Si y > 1 on a : > 1 donc < 1 donc F() = 1 et F() = 0 donc :
G(y) = P(X
2
< y) = P( X
2
< y) = P( X < ) = P( < X < ) = F() F() = 1 0 = 1 et
g(y) = G (y) = 0
Si 0 y 1 on a : 0 1 et 1 0 donc F() =

et F( ) =

donc :
G(y) = P(X
2
< y) = P( X
2
< y) = P( X < ) = P( < X < ) = F() F( )
=
(

) (

=
Si 0 < y < 1 on a donc : G(y) = et ainsi : g(y) = G (y) =

Ainsi la fonction G est continue sur R et continument drivable sur R\{0,1} donc G est la
fonction de rpartition de Y et g est une densit de Y
On a : E(X
2
) = E(Y) = ()

= ()

dt =

dt = (

) dt =

3- Donc Cov (X, Y) = E(XY) - E(X)E(Y) = E(X


3
) 0 = E(X
3
) = 0 (daprs la question 1)
En posant h(t) = t
2
on a : Y = h(X) donc Y dpend de X
Exercice 4 : Examen Septembre 2013 Exercice V
Soit (X ; Y) un couple de variables alatoires discrtes dont la loi de probabilit est donne
par le tableau ci-aprs :
X
Y
2 0 2

1
1
4
3
16
1
4
1
1
8
1
16
1
8
36
1-Calculer Cov (X ; Y) et prciser si ces variables alatoires sont indpendantes
2-Dterminer la loi conditionnelle de X sachant que Y = 1
Dmonstration
1-La loi du couple (X ; Y) est P(X =a ; Y=b) = P [(X =a) (Y=b)]
-On calcule X() = { 2 ; 0 ; 2} et Y() = { 1 ; 1}
P(X = 2) = P(X = 2 ; Y = t)
()
=

P(X = 2) = P(X = 2 ; Y = t)
()
=

Donc E(X) = t P(X = t)


()
= 2 P(X = 2) + 2 P(X = 2) = 0
De mme :
P(Y = 1) = P(X = t ; Y = 1)
()
=

P(Y = 1) = P(X = t ; Y = 1)
()
=

Donc E(Y) = t P(Y = t)


()
= P(Y = 1) + P(Y = 1) 0
-Donc Cov (X ; Y) = E(XY) E(X) E(Y) = E(XY)
Si h : R
2
R est une application alors E [h(X,Y)] = h(u, v) P(X = u ; Y = v)
(,) ()()
Donc :
E(XY) = uv P(X = u ; Y = v)
(,) ()()
= [2 P(X = 2 ; Y = 1) 2 P(X = 2 ; Y =1) ] + [2 P(X = 2 ; Y = 1) + 2 P(X = 2 ; Y = 1) ]
= [

] + [

] = 0
Donc Cov (X ; Y) = E(XY) E(X) E(Y) = E(XY) = 0
Donc P(X = 2 ; Y = 1) =

) (

) = P(X = 2 ) P( Y = 1) donc les variables alatoires X


et Y sont dpendantes
2-Loi conditionnelle de X sachant que Y = 1
On a utilis P(Y = 1) = P(X = t ; Y = 1)
()
=

La loi conditionnelle de X sachant que Y = 1 est la loi dfinie par P [(X = x)|(Y = 1)] pour tout x
appartenant X() = { 2 ; 0 ; 2}
On sait que P [(X = x)|(Y = 1)] =
[() ()]
()
=
( ; )
5
16
=

P(X = x ; Y = 1)
Donc :
P [(X = 2)|(Y = 1)] =

P(X = 2 ; Y = 1) = (

)(

) =

P [(X = 0)|(Y = 1)] =


P(X = 0 ; Y = 1) = (

)(

) =

P [(X = 2)|(Y = 1)] =


P(X = 2 ; Y = 1) = (

)(

) =

37
Exercice 5
Soit (X ; Y) un couple de variables alatoires discrtes dont la loi de probabilit est donne
par le tableau ci-aprs :
X
0 1 2
Y
1
1
12
0
1
12
2
2
12
1
12
1
12
3
3
12
2
12
1
12
1-Dterminer les lois marginales de X et Y et prciser si ces variables alatoires sont
indpendantes
2-Dterminer les lois conditionnelles de Y sachant que X = x pour x = 0 puis x = 1 et x = 2
En dduire la loi de probabilit de la variable alatoire E(Y / X)
Calculer E[E(Y / X)]
Le rsultat tait-il prvisible ?
Dmonstration
1-La loi marginale de X est :
k 0 1 2
P(X = k)
P(X = 0) =

P(X = 1) = 0 +

P(X = 2) =

La loi marginale de Y est :


k 1 2 3
P(Y = k)
P(Y = 1) =

+ 0 +

P(Y = 2) =

P(Y = 3) =

-Recopions le tableau de lnonc en ajoutant une ligne et une colonne :


Donc : P(X=0) = P(X=0 ; Y=1) + P(X=0 ; Y=2) + P(X=0 ; Y=3) =

P(X=1) = P(X=1 ; Y=1) + P(X=1 ; Y=2) + P(X=1 ; Y=3) = 0 +


X
Y
0 1 2 Total :
Loi de Y
1
P(X=0 ; Y=1) =

P(X=1 ; Y=1) = 0
P(X=2 ; Y=1) =

+ 0 +

2
P(X=0 ; Y=2) =

P(X=1 ; Y=2) =

P(X=2 ; Y=2) =

3
P(X=0 ; Y=3) =

P(X=1 ; Y=3) =

P(X=2 ; Y=3) =

Total :
Loi de X

0 +

1
38
P(X=2) = P(X=2 ; Y=1) + P(X=2 ; Y=2) + P(X=2 ; Y=3) =

On crit :
X 0 1 2

-On calcule lesprance de X savoir :


E(X) =
()
(X = t) = (1)P(X=1)+2 P(X=2) = (1)(

) + 2(

) =

On a : P(Y=1) = P(X=0 ; Y=1) + P(X=1 ; Y=1) + P(X=2 ; Y=1) =


+ 0 +

P(Y=2) = P(X=0 ; Y=2) + P(X=1 ; Y=2) + P(X=2 ; Y=2) =


P(Y=3) = P(X=0 ; Y=3) + P(X=1 ; Y=3) + P(X=2 ; Y=3) =


On crit :
Y 1 2 3

-On calcule lesprance de Y savoir :


E(Y) =
()
(Y = t) = (1)P(Y=1) + (2) P(Y=2) + (3) P(Y=3) = (1)(

) + 2(

) + 3(

) =

Comme P(X=1) P(Y=1) = (

) (

) 0 = P(X=1 ; Y=1) les variables alatoires X et Y sont


dpendantes
-Pour calculer la covariance cov (X ; Y) = E(XY) E(X)E(Y) on calcule dabord E(XY) en notant
que : (XY)( ) = {0 ; 1 ; 2 ; 3 ; 4 ; 6} donc :
E(XY) =
()
()
( = ; Y = v)
= {(1)P(X=1 ; Y=1) + (2) P(X=1 ; Y=2) + (3) P(X=1 ; Y=3)} + {(2)P(X=2 ; Y=1) + (4) P(X=2 ; Y=2) + (6) P(X=2 ; Y=3)}
= {(1)(0) + (2) (

) + (3) (

)} + {(2) (

)+ (4) (

)+ (6) (

)} =

Donc : cov (X ; Y) = E(XY) E(X)E(Y) =


)(

) =

0
Donc les variables X et Y ne sont pas indpendantes (Lecoutre pages 137 et 141)
2-La loi conditionnelle de Y sachant que X= est P(Y = |X=) =
( ; )
()
donc :
1 2 3
X=0
P(Y = 1|X=0) =
( ; )
()
=

P(Y = 2|X=0) =
( ; )
()
=

P(Y = 3|X=0) =
( ; )
()
=

X=1
P(Y = 1|X=1) =
( ; )
()
= 0 /

= 0
P(Y = 2|X=1) =
( ; )
()
=

P(Y = 3|X=1) =
( ; )
()
=

X=2
P(Y = 1|X=2) =
( ; )
()
=

P(Y = 2|X=2) =
( ; )
()
=

P(Y = 3|X=2) =
( ; )
()
=

On admet la prsentation suivante dans un tableau donnant les valeurs de P(Y = |X=) :
39
1 2 3
Y | X=0

Y | X =1 0

Y | X =2

3-Le calcul des moments conditionnels est analogue celui des moments (Lecoutre page 112)
On a : E(Y|X=) =
()
(Y = t|X = )
On a : E(Y|X=0)=
()
(Y = t|X = 0) = (1)P(Y=1| X=0)+ (2)P(Y=2|X=0) + (3)P(Y=3|X=0)
= (1)

+ (2)

+ (3)

On a : E(Y|X=1)=
()
(Y = t|X = 1) = (1)P(Y=1|X=1) + (2)P(Y=2|X=1) + (3)P(Y=3|X=1)
= (1) (0) + (2)

+ (3)

On a : E(Y|X=2)=
()
(Y = t|X = 2) = (1)P(Y=1|X=2) + (2)P(Y=2|X=2) + (3)P(Y=3|X=2)
= (1)

+ (2)

+ (3)

= 2
On admet la prsentation suivante dans un tableau donnant les valeurs de la fonction
discrte E(Y|X) : x E(Y|X=x) de X() dans R
E(Y|X=0) =

E(Y|X=1) =

E(Y|X=2) = 2
Daprs le cours la variable alatoire relle Z = E(Y|X) : R a pour image le sous
ensemble Z() = { E (Y|X = x) : x () } et pour tout X() on a :
P [ Z = E (Y|X = ) ] = P(X = ) et on crit en gnral P[ E(Y|X) = E (Y|X = ) ] = P(X = )
donc la probabilit de E(Y|X) = E (Y|X = ) est P(X = ) c'est--dire que la probabilit de
lvnement Z = E (Y|X = ) est P(X = )
La loi de probabilit de Z est dfinie (Lecoutre page 112) par lensemble des valeurs possibles de
Z savoir Z() = { E(Y|X=x) : x X() } et par les probabilits associes P(X=x) quand x X()
Comme X() = {0 ; 1 ; 2} la variable alatoire relle Z = E(Y|X) : R prend trois valeurs
savoir E(Y|X=0) =

et E(Y | X = 1) =

et E(Y|X =2) = 2 donc


Z() = { E (Y|X = x) : x () } = {

; 2 }
La relation P [Z = E (Y|X = ) ] = P(X = ) si X() implique alors :
P(Z =

) = P [Z = E (Y|X = 0) ] = P(X = 0) =

et P(Z =

) = P [Z = E (Y|X = 1) ] = P(X = 1) =

et P(Z = 2) = P [Z = E (Y|X = 2) ] = P(X = 2) =


Ainsi E [E(Y|X) ] = E(Z) =


()
(Z = t) = (

) P(Z =

) + (

) P(Z =

) + (2) P(Z = 2)
= (

) P(X=0) + (

) P(X=1) + (2) P(X=2) = (

) (

) + (

) (

) + (2) (

) =

40
On admet la prsentation suivante dans un tableau donnant la loi de probabilit de la
variable alatoire E(Y|X) : x E(Y|X=x) de X() dans R :
x 0 1 2
E(Y|X=x)

2
P [ Z = E (Y|X = ) ] = P(X = )

Daprs le cours (Lecoutre page 112) on a :


E [ E(Y|X) ] = E(Z) = ( = )
()
= E(Y|X = x)( = )
()
= ( = ) ( = | = )
() ()
= ( = ) ( = | = )
() ()
= ( = ; = )
() ()
= ( = )
()
= E(Y)
= (1)P(Y=1) + (2)P(Y=2) + (3)P(Y=3) = (1) (

) + (2)(

) + (3)(

) =

Note culturelle :
Esprance conditionnelle (Jacob et Protter Lessentiel en thorie des probabilits Cassini pages 203 215) :
Soit ( ; ; P) un espace probabilis et Y : R une variable alatoire et X : R une variable alatoire
telle que X() soit au plus dnombrable
Lvnement

(x) = { : X() = x} se note X = x


Si X() et A on pose

(A) = P(A | X = ) donc

: R est une probabilit sur


On note

(Y) =
()

(Y=t) lesprance de Y par rapport la probabilit

et on pose
E(Y|X = )=

(Y) donc on a : E(Y|X = ) =


()
(Y = t |X = )
Le rel E(Y|X = ) sappelle lesprance conditionnelle de Y sachant X =
On pose f(x) = E(Y | X = x) si P(X = x) > 0 et f(x) = 0 si P(X = x) = 0 de sorte que lon dfinit ainsi une fonction
f : X() R donc on dispose dune fonction f(X) : f(X()) de dans R
La fonction f(X) sappelle lesprance conditionnelle de Y sachant X et on pose : E(Y | X) = f(X)
Ainsi lesprance conditionnelle de Y sachant X est la variable alatoire E(Y | X) : R
On note (X) la tribu sur engendre par la variable alatoire X : R c'est--dire la tribu dont les
lments sont les

(B) o B parcourt lensemble des borliens de R


On sait quune variable alatoire U : R est (X) mesurable si et seulement sil existe une fonction
borlienne g : R R telle que U = g(X)
Plus gnralement si X et Y sont des variables alatoires relles sur telles que Y soit dans

( ; ; P)
alors il existe un unique lment

dans

( ; (X) ; P) tel que pour tout lment dans

( ; (X) ; P) on ait : E(

Z) = E(Y Z) et llment

sappelle lesprance conditionnelle de Y sachant X et


se note E(Y | X)
Autrement dit

est la projection orthogonale de Y sur le sous espace ferm

( ; (X) ; P) de lespace
de Banach

( ; ; P)
41
Exercice 6
Un couple (X ; Y) de variables alatoires admet pour densit f telle que :
f(x , y) =

pour [y x et 0 y 1] et f(x , y) = 0 sinon


Dterminer les densits marginales de X et Y
Les variables alatoires X et Y sont-elles indpendantes ?
Dmonstration
Notons D = {(x ; y) R
2
: 0 y 1 et y x}
Donc D est le convexe ferm contenu dans le quart de plan L = {(x ; y) R
2
: x 0 et y 0} et
limit par les droites y = x et y = 1 et y = 0 et contenant le point M (x ; y) = (2 ;

)
y
y = x
1
x M
D
0 x 1 x
Posons f(x ; y) = e
y - x
si y x et 0 y 1 et f(x ; y)= 0 sinon donc f : R
2

R est nulle hors de D


On notera que (x ; y) D [0 y x et y 1] [0 y 1 et y x < + ]
On a :
D
fx ; y dx dy = [

dx]dy =

[ (

dx ] dy=

dy = 1
La fonction de rpartition de (X ; Y) est la fonction F : R
2

R telle que pour tout (x ; y) R


2
:
F(x ; y) = P(X < x ; Y < y) = [ (, ) ]

On note g : R R la densit marginale de X donc : g(x) = (, )

si x R
On note h : R R la densit marginale de Y donc : h(y) = (, )

si y R
Si 0 x 1 on a : g(x) = (, )

dy = (

dy = 1 e
x
Si x > 1 on a : g(x) = (, )

dy = (

dy = e
1 x
e
x
= (e 1) e
x
Si x < 0 on a : f(x ; y) = 0 donc g(x) = 0
Si y < 0 ou si y > 1 on a : f(x ; y) = 0 donc h(y)= 0
Si 0 y 1 on a : h(y) = (, )

dx = (

dx = e
y
e
y
= 1
Comme f(x ; y) g(x)h(y) les variables alatoires X et Y ne sont pas indpendantes
Exercice 7
Soit (X ; Y) un couple de variables alatoires dont la loi est dtermine par la densit f telle
que : f(x , y) =

pour [ 0 x 2 et 0 y x ] et f(x ; y) = 0 sinon


1-Dterminer la fonction de rpartition F de cette loi
2-Dterminer les lois marginales de X et Y
Les variables alatoires X et Y sont-elles indpendantes ?
42
Dmonstration
Si A R et (x, y) R on pose 1
A
(x, y) = 1 si (x, y) A et 1
A
(x, y) = 0 si (x, y) A
c
ce qui
dfinit une fonction de R dans R note 1
A
et appele la fonction indicatrice de lensemble A
1- On note D ={(x ; y) R
2
: 0 x 2 et 0 y x }
Donc D est le convexe ferm (triangle) contenu dans le quart de plan L = {(x ; y) R
2
: x 0 et y 0}
et limit par les droites y = x et x = 0 et x = 2 et y = 0 et contenant le point M (x ; y) = (

)
On pose f(x ; y) =

si 0 x 2 et 0 y x et f(x ; y) = 0 sinon donc f : R


2

R est nulle hors


de D
y
y = x
2
1
x D
M
0 x 1 2 x
On notera que (x ; y) D 0 y x 2
On a :
D
fx ; y dx dy =

dy] dx =

] dx =

) dx =

= 1
La fonction de rpartition de (X ; Y) est la fonction F : R
2

R telle que pour tout (x ; y) R


2
:
F(x ; y) = P(X < x ; Y < y) = [ (, ) ]

(Jean Pierre Lecoutre page 113)


Si x < 0 ou si y < 0 on a : f(x, y) = 0 donc : F(x ; y) = 0
Si x > 2 et si y > 2 on a :
F(x ; y) = [ (, ) ]

1
{ (v , u) R : v u }
du dv = 1
Si y
0
> x
0
et x
0
< 2 on a :
F(x
0
; y
0
) = [ (, ) ]

[ ]

du =

) du =

Si y
0
< x
0
< 2 on a :
F(x
0
; y
0
)= [ (, ) ]

[ ]

=
(

Si y
0
< 2 < x
0
on a :
F(x
0
; y
0
) = [ (, ) ]

[ ]

2- On note g : R R la densit marginale de X donc : g(x) = (, )

si x R
On note h : R R la densit marginale de Y donc : h(y) = (, )

si y R
Si x < 0 ou si x > 2 on a : f(x ; y) = 0 donc g(x) = 0
43
Si 0 x 2 on a : g(x) = (, )

) dy =

On dispose donc de la densit marginale de la variable alatoire X


Si y < 0 ou si y > 2 on a : f(x ; y) = 0 donc h(y) = 0
Si 0 y 2 on a : h(y) = (, )

) dy = y

= y

On dispose donc de la densit marginale de la variable alatoire Y


Comme f(x ; y) g(x)h(y) les variables alatoires X et Y ne sont pas indpendantes

Das könnte Ihnen auch gefallen