 n   n−2   n− 2   n− 2   n   n− 2   n− 2   n− 2 

 −  = 2 + ⇔ =  + 2 + ,

 k  k   k −1   k − 2   k  k   k −1   k − 2 
soit l’égalité du 2.
1. 2. Rangements
On constitue une file d’attente en attribuant au hasard des numéros d’ordre à n personnes (n ≥ 2). Deux
amis A et B se trouvent dans cette file d’attente.
1. Quelle est la probabilité que les deux amis soient situés l’un derrière l’autre ?
2. Quelle est la probabilité que les deux amis soient distants de r places (i.e. séparés par r − 1 personnes) ?
�����������
Le nombre total de possibilités de rangement est n!
1. Supposons que A est en premier, B est derrière, il reste ( n − 2 )! répartitions possibles. Comme A peut
être placé n’importe où dans la file avec B derrière lui, il y a ( n − 1 ) places possibles pour A et donc la
( n − 1 )! 1 2
probabilité = d’avoir A suivi de B ; c’est pareil pour B suivi de A, soit la probabilité finale .
n! n n
2. Même raisonnement ; au pire B est en dernier et A r places devant ; on peut placer A de n − r manières,
( n − r )( n − 2 )! 2 ( n − r )
la probabilité finale est alors 2 = .
n! n( n − 1 )

1. 3. Calcul d’événements 1
1 1
Soient A et B deux événements tels que P ( A ) = et P ( A ∪ B ) = .
5 2
1. Supposons que A et B soient incompatibles. Calculer P ( B ) .
2. Supposons que A et B soient indépendants. Calculer P ( B ) .

3. Calculer P ( B ) en supposant que l’événement A ne peut être réalisé que si l’événement B est réalisé.
�����������
1 1 3
1. A et B incompatibles donc A ∩ B = ∅ d’où P ( A ∪ B ) = P ( A ) + P ( B ) ⇒ P ( B ) = − = .
2 5 10
1 1 1 4 3 3
2. A et B indépendants : P ( A ∩ B ) = P ( A ) P ( B ) ⇒ = + P ( B ) − P ( B ) ⇒ P ( B ) = ⇒ P( B) = .
2 5 5 5 10 8
3. A ne peut être réalisé que si B est réalisé : tous les événements de A sont dans B,
1 1 1 1
P( A∩ B) = P( A) ⇒ = + P( B) − ⇒ P( B) = .
2 5 5 2
1. 4. Calcul d’événements 2
1. Montrer que, pour 3 événements quelconques A, B, C, on a :
P( A∪ B∪C ) = P( A)+ P( B)+ P(C )− P( A∩ B)− P( B∩C )− P(C ∩ A)+ P( A∩ B∩C ) .
2. Généraliser dans le cas de n événements A1 , A2 , ...., An .
�����������
1. On prend par exemple B ∪ C = E , soit P ( A ∪ E ) = P ( A ) + P ( E ) − P ( A ∩ E ) ,

P ( E ) = P ( B ) + P ( C ) − P ( B ∩ C ) et

A∩ E = ( A∩ B)∪( A∩C ) ⇒ P( A∩ E ) = P( A∩ B)+ P( A∩C )− P( A∩ B∩ A∩C )

= P( A∩ B) + P( A∩C ) − P( A∩ B∩C )
donc en remplaçant on obtient la formule.

Page 8 of 295
2. Même chose, par récurrence (bof… et très pénible).
1. 5. Calcul d’événements 3
Soient A, B et C des événements. On pose E1 = A ∩ B ∩ C et E2 = A ∩ ( B ∪ C ) .
1. Montrer que E1 et E2 sont incompatibles.
2. Déterminer l’ensemble E1 ∪ E2 .
3. On sait que P ( A ) = 0,6 , P ( B ) = 0, 4 , P ( C ) = 0, 3 , P ( B ∩ C ) = 0,1 , P ( A ∩ C ) = 0,1 ,
P ( A ∩ B ) = 0,2 et P ( A ∩ B ∩ C ) = 0,05 . Calculer P ( E1 ) et P ( E2 ) .
����������

( ) (
1. E1 ∩ E2 = A ∩ B ∩ C ∩ A ∩ ( B ∪ C ) = A ∩ B ∩ C ∩ B ∪ A ∩ B ∩ C ∩ C = ∅ ∪ ∅ = ∅ . )
( )
2. A ∩ B ∩ C = A ∩ B ∪ C donc en appelant K = B ∪ C , on a E1 ∪ E2 = A ∩ K ∪ ( A ∩ K ) = A . ( )
( )
3. On calcule P ( B ∪ C ) = 0, 4 + 0, 3 − 0,1 = 0,6 , P B ∪ C = 0, 4 ; P ( E1 ) + P ( E2 ) = P ( A ) = 0,6 .

En utilisant la formule de l’exo 9, on a

P ( A ∪ K ) = P ( A ∪ B ∪ C ) = 0,6 + 0, 4 + 0,3 − 0,1 − 0,1 − 0, 2 + 0,05 = 0,95 ; par ailleurs

P ( A ∪ K ) = P ( A ) + P ( K ) − P ( A ∩ K ) ⇒ 0,95 = 0,6 + 0,6 − P ( E2 ) ⇒ P ( E2 ) = 0,25

et enfin P ( E1 ) = 0,6 − 0, 25 = 0,35 .

1. 6. Dés pipés
On lance deux fois un dé pipé tel que P(1)=P(3)=P(4)=1/2 et P(2)=P(6)=1/4. Quelle est la probabilité que
la somme des points obtenus soit supérieure à 10 (strictement) sachant que :
1. un des résultats est 6.
2. le premier résultat est 6.
����������
1 1 1
Il manque P ( 5 ) = 1 − 3 × − 2× = .
8 4 8
1. Il faut avoir des résultats comme (x, 6) ou (6, x) avec x = 5 ou 6 ; on a donc la probabilité
 1 1 1 2 1
2× +  − = = (on enlève 1/4 pour ne pas compter (6, 6) deux fois).
 8 4 4 4 2
1 1 3
2. Là c’est simplement (6, x), soit + = .
8 4 8
1. 7. Pièces d’or
Trois coffres notés C1, C2, C3 ont chacun deux tiroirs, et dans chaque tiroir, il y a une pièce. Le coffre C 1
contient 2 pièces d’or, C2 2 pièces d’argent et C3 une pièce d’or et une d’argent.
1. On ouvre au hasard l’un des 6 tiroirs et on trouve une pièce d’argent. Quelle est la probabilité pour que
l’on ait ouvert un tiroir du coffre C2 ?
2. On ouvre à nouveau et indépendamment de la première fois l’un des 6 tiroirs et on trouve encore une
pièce d’argent. Quelle est la probabilité pour que l’on ait ouvert deux fois le même coffre ?
����������
1 1 1 1
1. P ( A ) = PC1 ( A ) × P ( C1 ) + PC2 ( A ) × P ( C2 ) + PC3 ( A ) × P ( C3 ) = 0 + 1 × + × = ;
3 2 3 2
P ( A ∩ C2 ) PC2 ( A ) × P ( C2 ) 1/3 2
PA ( C2 ) = = = = (ce qui était totalement évident…)
P( A) P( A) 1/ 2 3

Page 9 of 295
 1 1 1
2. Puisqu’on a déjà pris une pièce d’argent, il faut retomber sur C 2, donc × = (attention à
3 3 9
l’indépendance, sinon on aurait quelque chose plus compliqué).
1. 8. Agriculteur pas écolo
Un agriculteur a entreposé dans un local humide 12 doses d’herbicides et 8 doses de fongicide. Après
plusieurs mois de séjour, les étiquettes ne sont pas différentiables (parce qu’illisibles).

En vue d’un traitement, l’agriculteur prend 6 doses au hasard (écologiquement totalement incorrect…).

a. Quelle est la probabilité qu’il prenne 6 doses d’herbicide ?

b. Quelle est la probabilité qu’il prenne au moins 2 doses d’herbicide ?

����������
 6   6 
a. L’univers comporte   tirages simultanés de 6 objets parmi 20, il y a   manières de tires les 6
 20   12 
 6  12 × 11 × 10 × 9 × 8 × 7
 
12
doses, soit une probabilité de :   = 6! ≈ 0,024 , environ 2,4%.
 6  20 × 19 × 18 × 17 × 16 × 15
  6!
 20 
b. On cherche 1 – [Probabilité (0 dose herbicide) + (1 dose herbicide)], soit
6 2 8×7
   
8 8
P(0 ) =   =   = 2 ≈ 0,0007 = 0,07 % .
 6   6  20 × ... × 15
    6!
 20   20 
 1  5  8×7 ×6 × 5× 4
   12 ×
12 8 12 × 8 × 7
P ( 1 ) =    = 5! = ≈ 0,0017 ≈ 0,17 %
 6   6  20 × ... × 15
    6!
 20   20 
Probabilité recherchée = 100 − (0,07+0,17) = 99,76 %.
1. 9. Boules
Une boîte contient 4 boules rouges, 3 boules vertes et 7 boules jaunes. On tire simultanément 2 boules de
la boîte et on suppose que tous les tirages sont équiprobables.

Calculez la probabilité d’obtenir :

a. Deux boules de la même couleur.

b. Deux boules de couleurs différentes.

�����������
 2  2
a. Il y a   = 91 manières de tirer 2 boules simultanément parmi les 14 boules de la boîte,  =6
 14  4
2
manières de tirer 2 rouges parmi les 4 rouges,   = 3 manières de tirer 2 vertes parmi les 3 vertes et
3
2
  = 21 manières de tirer 2 jaunes parmi les 7 jaunes.
7

Page 10 of 295
 6 + 3 + 21
Probabilité recherchée = = 0,3297 soit 32,97%.
91
b. Comme on tire deux boules, l’événement contraire de « 2 boules de même couleur » est « 2 boules de
couleurs différentes ». La probabilité est donc 1 − 0,3297 = 0,6703 .

1. 10. Jeux
Une enquête effectuée auprès de 1500 personnes adultes (habitants d’une ville) portant sur les jeux
d’argent indique que

- 1182 jouent à la loterie (A)

- 310 vont au casino (B)

- 190 jouent autant à la loterie qu’au casino.

a. Si une personne adulte (de la ville) est choisie au hasard, quelle est la probabilité qu’elle joue à la loterie
ou au casino ?

b. Quelle est la probabilité qu’elle joue uniquement au casino ?

����������
1182 310 190
a. P( A) = = 0,788 , P( B) = = 0,2067 , P( A ∩ B) = = 0,1267 .
1500 1500 1500
P( A ∪ B) = P( A) + P( B) − P( A ∩ B) = 0,868 .
120
b. Il y a 310 − 190 joueurs qui jouent uniquement au casino, soit P(C ) = = 0,08 .
1500
1. 11. Conformité 1
D’après les données recueillies jusqu’à ce jour, 2 % de la production d’une unité d’une entreprise est non
conforme et ne peut être commercialisée.

a. Quelle est la probabilité que 2 pièces choisies au hasard de la production de cette unité soient non
conformes ?

b. Quelle est la probabilité que la première pièce soit non conforme et que la seconde soit conforme ?

����������
a. On peut toujours utiliser une loi binomiale : p = 0,02 et n = 2 . La probabilité que l’on ait les deux pièces
2
non conformes est   p2 ( 1 − p ) = 0,022 = 0,0004 .
0

2

( )
b. Evénements successifs : P C , C = P ( C ) p(C ) = 0,02 × 0,98 = 0,0196 .

1. 12. Fumeurs
Une réunion rassemble 20 personnes : 12 femmes et 8 hommes. On sait que 20% des femmes fument ainsi
que 40 % des hommes.

a. Une personne quitte la réunion. Quelle est la probabilité que cette personne soit occupée à fumer ?

b. Une personne quitte la réunion en fumant. Quelle est la probabilité qu’il s’agisse d’une femme ?

����������
a. Formule des probabilités totales :

Page 11 of 295
 12 20 8 40
P ( f ) = P ( [ H ∩ f ]∪[ F ∩ f ] ) = P ( H ) PH ( f ) + P ( F ) PF ( f ) = × + × = 0,28 .
20 100 12 100
0,6 × 0,2
b. Probabilité recherchée = = 0, 43 .
0,6 × 0,2 + 0, 4 × 0, 4
1. 13. Conformité 2
On suppose que 3 entreprises X, Y et Z fabriquent trois types de microprocesseurs utilisés dans les
ordinateurs se partagent le marché à raison de 25 % pour X, 35 % pour Y, 40 % pour Z. Les pourcentages de
commandes non conformes sont :

5 % pour les microprocesseurs de X, 4 % pour ceux de Y et 2 % pour ceux de Z.

Dans un lot constitué de microprocesseurs dans les proportions indiquées pour X, Y et Z, on prélève un
microprocesseur.

a. Quelle est la probabilité qu’il soit non conforme ?

b. Sachant que le microprocesseur présente un défaut de fabrication, quelle est la probabilité qu’il soit du
type X ?

�����������
a. A l’aide d’un arbre de probabilités à nouveau nous obtenons 0,25.0,05 + 0,35.0,04 + 0,40.0,02 = 0,0345.
0,25 × 0,05
b. = 0,3623 .
0,25 × 0,05 + 0,35 × 0,04 + 0, 40 × 0,02
1. 14. Chiens chats
On sait que 36 % des foyers ont un chien et que dans 22 % des foyers où l’on a un chien on trouve aussi un
chat. On sait par ailleurs que 30% des foyers ont un chat.

a. Quelle est la proportion de foyers dans lesquels on trouve un chien et un chat ?

b. Quelle est la probabilité qu’un foyer possède un chien sachant qu’il possède un chat ?

�����������
a. P( chien) = 0,36 donc P( chien ∩ chat) = Pchien (chat) × P ( chien ) = 0,22 × 0,36 = 0,079 .
P( chien ∩ chat) 0,079
b. P( chat) = 0,30 , Pchat ( chien) = = = 0,2633 .
P( chat) 0,30

1. 15. Maladie
Dans une population, un sujet a une probabilité de 0,3 d'être atteint d'une maladie M.

On sait que si un sujet n'est pas atteint de M, il a 9 chances sur 10 de répondre négativement à un test T et
que s'il est atteint de M, il a 8 chances sur 10 de répondre positivement à T.

On fait le test.

a. Si le résultat est positif, quelle est la probabilité pour que le sujet soit malade ?

b. Quelle est cette probabilité si le test est négatif ?

�����������
a. J’ai résolu cet exercice à l’aide d’un arbre de probabilités.

Page 12 of 295
 0,3 × 0,8
Probabilité recherchée= = 77,42%
0,3 × 0,8 + 0,7 × 0,1
0,3 ××0,2
b. Probabilité recherchée= = 8,7%.
0,3 × 0,2 + 0,7 × 0,9
1. 16. QCM, Am. du Nord 2006
3 points
Pour chaque question, une seule des trois réponses proposées est exacte. Le candidat indiquera sur la copie le numéro
de la question et la lettre correspondant à la réponse choisie. Aucune justification n’est demandée.
Une réponse exacte rapporte 1 point, une réponse fausse enlève 0,5 point ; l’ absence de réponse est comptée 0 point.
Si le total est négatif, la note est ramenée à zéro.
Une urne contient 10 bulletins indiscernables au toucher de trois sortes :
4 sont marqués « oui », 3 sont marqués « non » et 3 sont marqués « blanc ».
Lors d’un premier jeu, le joueur commence par miser 30 centimes d’euro. Il tire ensuite un bulletin de
l’urne et l’y remet après l’avoir lu. Si le bulletin est marqué « oui », le joueur reçoit 60 centimes d’euro, s’il
est marqué « non », il ne reçoit rien. Si le bulletin est marqué « blanc », il reçoit 20 centimes d’euro.

���������� : Le jeu est

A : favorable au joueur B : défavorable au joueur C : équitable.
���������� : le joueur joue quatre parties indépendamment les unes des autres. La probabilité qu’il tire au
moins une fois un bulletin marqué « oui » est égale à
216 544 2
A: B: C: .
625 625 5
Lors d’un second jeu le joueur tire simultanément deux bulletins de l’urne.
���������� : la probabilité qu’il obtienne un tirage de deux bulletins de sortes différentes est égale à :
4 11 11
A: B: C: .
15 30 15
����������
4 3 3
��������� � : L’espérance mathématique du jeu est ( 60 − 30 ) + ( 0 − 30 ) + ( 20 − 30 ) = 0 donc le
10 10 10
jeu est � : équitable.
4
4 3 81 544
���������� : Loi binomiale n = 4, p = , P ( au moins un oui ) = 1 − P ( 0 oui ) = 1 −   = 1 − = ,
10 5 625 625
donc réponse �.
 10  10 × 9
��������� � : Le joueur tire simultanément deux bulletins de l’urne : il y a  = = 45 tirages
 2  2
possibles ; la probabilité qu’il obtienne un tirage de deux bulletins de sortes différentes est égale à la
4 × 3 + 4 × 3 + 3 × 3 33 11
probabilité de tirer oui et non ou oui et blanc ou non et blanc, soit = = , réponse �.
45 45 15
1. 17. Fesic 2001 : Exercice 17
On considère une succession de sacs qu’on désigne par S 1 , S2 , … , Sn …
Au départ le sac S1 contient 2 jetons noirs et 1 jeton blanc ; tous les autres sacs contiennent chacun 1 jeton
noir et 1 jeton blanc.
On tire au hasard un jeton du sac S1 que l’on place dans le sac S2 . Puis, on tire au hasard un jeton du sac S 2,
que l’on place dans le sac S3 , et ainsi de suite.
On note Bk l’événement : « le jeton tiré du sac Sk est blanc », et pk = P ( B k ) sa probabilité.

Page 13 of 295
 2 1
a. On a : P ( B2 /B1 ) =
3
et P B2 /B1 = .( 3
)
1 2
b. On a, pour tout entier n ≥ 1 : pn+1 = pn + .
3 3
1
Pour tout n ∈ ℕ* , on pose qn = pn − .
2
c. Alors la suite ( qn )n∈ℕ* est arithmétique.
1
d. La suite ( pn )n∈ℕ* converge vers .
2
����������
a. ������ Si on tire un jeton blanc de S1, on en a 2 dans S2 pour un total de 3 jetons dans S2, donc
2
P ( B2 / B1 ) = . Si on tire un jeton noir de S1, on a 1 jeton blanc dans S2, et 3 jetons dans S2, donc
3
1
(
P B2 / B1 = . )3
2
b. ���� : Le raisonnement fait en a. reste le même si on est au tirage n : P ( Bn+1 / Bn ) = et
3
1
(
P Bn+1 / Bn = )
3
( )
d’autre part pn+1 = P ( Bn+1 ) donc pn+1 = P ( Bn+1 / Bn ) .P( Bn ) + P Bn+1 / Bn .P( Bn ) soit
2 1 1 1
pn+1 = pn + (1 − pn ) d’où pn+1 = pn + .
3 3 3 3
1 1
c. ���� : On remplace dans la relation de récurrence qui définit pn : pn+1 = pn + ,
3 3
1 1 1 1 1
qn+1 + = qn + + ⇔ qn+1 = qn donc qn est géométrique.
2 3 6 3 3
1 1 1 1 1 1 1 1 1 1 1
Comme p1 = , on a q1 = − = − d’où qn = − . n−1 = − . n et finalement pn = − . n ce qui
3 3 2 6 6 3 2 3 2 2 3
justifie la réponse d).
1
d. ������ La suite ( pn )n∈ℕ* converge vers .
2
1. 18. Fesic 2001 : Exercice 18
Une urne contient trois dés équilibrés. Deux d’entre eux sont normaux : ils possèdent six faces numérotées
de 1 à 6. Le troisième est truqué : il possède deux faces numérotées 1 et quatre faces portant le numéro 6.
On prend un dé au hasard dans l’urne et on effectue de manière indépendante des lancers successifs de
celui-ci. On note :
* N l’événement : « le dé tiré est normal » ;
* U l’événement : « on obtient 1 au premier lancer » ;
* pour n entier non nul, Sn l’événement : « on obtient 6 à chacun des n premiers lancers ».
2
a. On a : P ( U ) = .
9
n n
2 1  1 2 
b. Pour tout entier n non nul, on a : P ( Sn ) =   +   .
3 6  3 3 
Pour n entier non nul, on note pn la probabilité d’avoir tiré le dé truqué, sachant qu’on a obtenu le numéro
6 à chacun des n premiers lancers.

Page 14 of 295
 1
c. Pour tout entier n non nul, on a : pn = n
.
1
2  + 1
4
d. On a : lim pn = 0.
n→+∞
����������
2 1 2
a. ������� On trouve facilement P( N ) = , P(U / N ) = et P(U / N ) = . Reprenons les probabilités
3 6 6
1 2 2 1 2
totales : P ( U ) = P(U / N ).P( N ) + P(U / N ).P( N ) = . + . = .
6 3 6 3 9
b. ������ épreuves indépendantes répétées donc loi binomiale : les paramètres sont n pour le nombre de
tirages et p :
n
1  n 1
* si on choisit un dé normal p = , on a alors P (tirer 6 n fois)=   pn (1 − p)0 =   ;
6  n 6
n
4 2 2
* si on choisit le dé truqué p = = , on a alors P (tirer 6 n fois)=  .
6 3 3
n n
2 1  1 2 
En refaisant le même raisonnement qu’au a. on obtient : P (tirer 6 n fois)=   +   .
3 6  3 3 
n n
1 2  4
P( N ∩ Sn )     4n 1
3 3  6
c. ������ pn = P( N / Sn ) = = = = = .
P(Sn ) n
2 1  1 2 
n n
1 4
n
2+4 n 1
2 n +1
  +   2  +  
4
3 6  3 3  6 6
d. ���� : pn tend vers 1 quand n tend vers l’infini, ce qui semble logique.
1. 19. Fesic 2002 : Exercice 15
Soit n un entier supérieur ou égal à 2. Une urne contient :
• une boule numérotée 0,
• une boule numérotée 1,
• 21 boules numérotées 2,
• 22 boules numérotées 3,
……………………………….
• 2k–1 boules numérotées k (k entier compris entre 1 et n),
……………………………….
• 2n–1 boules numérotées n.
Les boules sont indiscernables au toucher. On extrait au hasard une boule de l’urne et on note X la variable
aléatoire égale au numéro de la boule tirée.
a. L’urne contient 2n − 1 boules.
b. Pour tout entier naturel k tel que 1 ≤ k ≤ n , on a : P( X = k) = 2n− k+1 .
n
c. On a pour n ≥ 2 : ∑ k2
k=1
k−1
= (n − 1)2n + 1 .

d. On a : E( X ) = (n − 1)2n + 1 .
����������

Page 15 of 295
 2n − 1
a. ���� : L’urne contient 1 + 1 + 21 + ... + 2k−1 + ... + 2n−1 = 1 + = 2n boules (somme des termes d’une
2 −1
suite géométrique).
2k−1 1
b. ���� : Si k>0, n
= 2k− n−1 ; si k=0, P( X = 0) = n = 2− n (la réponse proposée était
P( X = k) =
2 2
forcément fausse puisque 2n− k+1 > 1 ).
2
c. �������On teste la formule pour n=2 : ∑ k2
k=1
k−1
= 1.20 + 2.21 = 5; (2 − 1)22 + 1 = 5 . Récurrence :

n+1 n

∑ k2
k=1
k−1
= ∑ k2k=1
k−1
+ (n + 1)2n = (n − 1)2n + 1 + (n + 1)2n = 2n2n + 1 = n2n+1 + 1 ;

remplaçons maintenant n par n+1 dans la formule :

n n +1

∑
k=1
k2k−1 = (n − 1)2n + 1 ⇒ ∑ k2
k=1
k−1
= (n + 1 − 1)2n+1 + 1 = n2n+1 + 1 ; ok.

 n 
d. ���� : E( X ) = 0.2 −n
+ 1.2 −n
+ 2.2 − n+1
+ ... + k.2 − n+ k−1
+ ... + n.2 − n+ n−1 −n
=2 


∑
k=1
k2k−1 


d’où

( )
E( X ) = 2− n (n − 1)2n + 1 = (n − 1) + 2− n .

1. 20. Fesic 2002 : �����������

Soit n un entier supérieur ou égal à 3. On dispose de deux urnes U et V. L’urne U contient 2 boules
blanches et n boules noires ; l’urne V contient n boules blanches et 2 boules noires. On choisit au hasard
l’une des deux urnes, puis on tire deux boules de cette urne, successivement et sans remise.
On désigne par U l’événement : « on choisit l’urne U », par V l’événement : « on choisit l’urne V » et par B
l’événement : « les deux boules tirées sont blanches ».
2
a. On a : P ( B ∩ U ) = .
(n + 2)(n + 1)
n2 − n + 2
b. On a : P( B) = .
(n + 2)(n + 1)
2
c. P(U / B) = 2
.
n −n+2
d. Pour que P(U / B) ≤ 0,1 , il suffit que n ≥ 4 .
����������
2
2
1 1 1
a. ���� : P ( B ∩ U ) = P(U et 2 blanches) = P( B / U ). P(U ) =   = = .
 n+2  2 2 ( n + 2)( n + 1) (n + 2)( n + 1)
 2  2
 
b. ���� : Utilisons les probabilités totales : P( B) = P( B ∩ U ) + P( B ∩ V ) = P( B / U )P(U ) + P( B / V )P(V ) .
n
2
n(n − 1) 1 2 1 n( n − 1) n2 − n + 2
Or P( B / V ) =   = , P( B) = + , soit P( B) = .
 n + 2  (n + 2)(n + 1) 2 (n + 2)(n + 1) 2 ( n + 2)(n + 1) 2(n + 2)(n + 1)
 2 
 

Page 16 of 295
 2
P( B ∩ U ) 2(n + 2)(n + 1) 2
c. ������ P(U / B) = = 2
= 2 .
P( B) n − n+ 2 n −n+ 2
2(n + 2)(n + 1)
2
d. ���� : P(U / B) ≤ 0,1 ⇔ 2
≤ 0,1 ⇔ n2 − n + 2 ≥ 20 ⇔ n2 − n − 18 ≥ 0 ; ∆=1+72, soit ∆ ≈ 8, 5 d’où
n − n+ 2
n1 ≈ 4,75 ; n2 ≈ −3,75 ; le trinôme est positif si n ≥ n1 , il faut donc que n ≥ 5 . De toutes manières on
2 1
pouvait tester 4 qui donne P(U / B) = = qui est trop gros.
14 7
1. 21. Fesic 2004 : Exercice 13
Une urne contient 3 boules : une bleue, une verte et une rouge. Soit n un entier supérieur ou égal à 2. On
effectue n tirages successifs d’une boule avec remise intermédiaire.
On suppose les tirages équiprobables et indépendants et on appelle p la probabilité associée à cette
expérience. On définit de plus les événements suivants :
* On appelle An l’événement : « Les n − 1 tirages ont donné la même boule et la nième boule tirée est
différente des précédentes » ;
* Lorsque k est un entier compris entre 1 et n, on appelle Bk, Vk et Rk les événements respectivement
associés au tirage d’une boule bleue, verte ou rouge lors du kième tirage.
a. p( B1 ∩ B2 ) = 1 − p(V1 ∩ V2 ) − p( R1 ∩ R2 ) .
2
b. p( A2 ) = .
3
2
c. Pour tout entier n ≥ 2 , on a : p( An ) = .
3 n−1
1
d. lim [ p( A2 ) + p( A3 ) + ... + p( An ) ] = .
n→∞ 3
����������
Question a b c d
Réponse F V V F
a. B1 ∩ B2 se traduit par : « tirer une blanche en 1 et tirer une rouge ou une verte en 2 ». Comme les tirages
1 2
sont indépendants le mieux est encore de faire le calcul : p( Bk ) = , p( Bk ) = , et la même chose pour les
3 3
autres couleurs :
1 2 2 2 2 9−4 5
p( B1 ∩ B2 ) = . = , 1 − p(V1 ∩ V2 ) − p( R1 ∩ R2 ) = 1 − − = = .
3 3 9 9 9 9 9
b. A2 est l’événement « tirer une boule d’une couleur en 1 et d’une couleur différente en 2 », soit
2 2 2 6 2
p( A2 ) = p( B1 ∩ B2 ) + p(V1 ∩ V2 ) + p( R1 ∩ R2 ) = + + = = .
9 9 9 9 3
1
c. Pour An il faut tirer n − 1 fois la même couleur, soit pour chaque couleur n−1
puis tirer une couleur
3
2  1 2 2
différente, soit ; comme il y a 3 couleurs, ça nous fait p( An ) = 3  n−1  = n−1 .
3 3 3 3
d. La somme p( A2 ) + p( A3 ) + ... + p( An ) est la somme des termes d’une suite géométrique de premier terme
1
1 − n−1
2 1 2 3 1
p( A2 ) = et de raison donc elle vaut = 1 − n−1 (de 2 à n il y a n − 1 termes) qui tend vers 1 à
3 3 3 1− 1 3
3

Page 17 of 295
l’infini. On pouvait s’en douter dans la mesure où on est sûr de finir par tirer une boule de couleur
différente…
1. 22. Fesic 2004 : Exercice 14

La durée de vie d’un moteur est de 5 ans et suit une loi exponentielle de paramètre λ . On utilisera pour les
calculs ln 2 ≈ 0,7 .
 f (t) = 0 si t ∉[0 ; 5]
a. La densité de probabilité associée à cette loi est la fonction f définie sur ℝ par  −5 t
.
 f (t) = 5e si t ∈[0 ; 5]
b. On suppose que 50% des clients ont été dépannés durant la garantie. La durée de cette garantie est de 3
ans et demi environ.
c. On considère un lot de 10 moteurs fonctionnant de manière indépendante et on appelle X le nombre de
moteurs qui n’ont pas de panne pendant les deux premières années.
La probabilité d’avoir X ≥ 1 est p( X ≥ 1) = e−4 .
2
−
d. On est dans les mêmes conditions qu’au c. L’espérance de la variable aléatoire X est E( X ) = 10 e 5 .
�����������
Question a b c d
Réponse F V F V

a. La densité de probabilité d’une loi exponentielle de paramètre λ est f ( t) = λ e− λ t pour t ≥ 0 et f ( t) = 0

 f (t) = 0 si t ∉[0 ; 5]
pour t < 0 . Si on suit le texte alors pour t > 5 la densité est nulle, soit  −λ t
.
 f (t) = λ e si t ∈[0 ; 5]
+∞ 5

∫ ∫
5
Par contre il faut alors que f ( t)dt = 1 ⇔ λ e− λ t dt = 1 ⇔  − e− λ t  = 1 ⇔ 1 − e−5λ = 1 ce qui est
−∞ 0 0

impossible.
En fait l’énoncé est moyennement clair : il faut en fait lire « La durée de vie moyenne d’un moteur est de 5
1  f ( t) = 0 si t < 0
ans » auquel cas on a immédiatement = 5 ⇔ λ = 0,2 . La densité est alors  −0,2 t
.
λ  f ( t) = 0,2e si t ≥ 0
b. La traduction de l’énoncé est la suivante : on a 50% des moteurs qui vivent plus que T (T est la durée de
la garantie) ; si t est la durée de vie d’un moteur, la probabilité qu’il dure après T est
T
p( t > T ) = 1 − p( t ≤ T ) = 1 −
∫0
0,2e−0,2t dt = e−0,2T ; on sait que cette probabilité est de 0,5 = 1/2 et on cherche

1 1 − ln(2)
donc T. Il nous faut résoudre e−0,2T = ⇔ −0,2T = ln( ) ⇔ T = ≈ 3,5 .
2 2 −0,2
c. La probabilité qu’un moteur ne tombe pas en panne avant deux ans est
−0,2.2 −0,4
p(t > 2) = 1 − p(t ≤ 2) = e =e donc X suit une loi binomiale de paramètres n = 10 et p = e−0,2.2 = e−0,4 .
 10 
On a alors p( X ≥ 1) = 1 − p( X = 0) = 1 −   (e−0,4 )0 (1 − e−0,4 )10 = 1 − (1 − e−0,4 )10 soit environ 0,999985
0 
(interpréter…).
2
−
−0,4
d. Cours : E( X ) = np = 10 e = 10 e 5 .

1. 23. Arbre+Va, N. Calédonie 06/2008

5 points
Deux éleveurs produisent une race de poissons d’ornement qui ne prennent leur couleur définitive qu’à
l’âge de trois mois :

Page 18 of 295
- pour les alevins du premier élevage, entre l’âge de deux mois et l’âge de trois mois, 10 % n’ont pas
survécu, 75 % deviennent rouges et les 15 % restant deviennent gris ;
- pour les alevins du deuxième élevage, entre l’âge de deux mois et l’âge de trois mois, 5 % n’ont pas
survécu, 65 % deviennent rouges et les 30 % restant deviennent gris.
Une animalerie achète les alevins à l’âge de deux mois : 60 % au premier éleveur, 40 % au second.
1. Un enfant achète un poisson le lendemain de son arrivée à l’animalerie, c’est-à-dire à l’âge de deux mois.
a. Montrer que la probabilité que le poisson soit toujours vivant un mois plus tard est de 0,92.
b. Déterminer la probabilité qu’un mois plus tard le poisson soit rouge.
c. Sachant que le poisson est gris à l’âge de trois mois, quelle est la probabilité qu’il provienne du premier
élevage ?
2. Une personne choisit au hasard et de façon indépendante 5 alevins de deux mois. Quelle est la
probabilité qu’un mois plus tard, seulement trois soient en vie ? On donnera une valeur approchée à 10 −2
près.
3. L’animalerie décide de garder les alevins jusqu’à l’âge de trois mois, afin qu’ils soient vendus avec leur
couleur définitive. Elle gagne 1 euro si le poisson est rouge, 0,25 euro s’il est gris et perd 0,10 euro s’il ne
survit pas.
Soit X la variable aléatoire égale au gain algébrique de l’animalerie par poisson acheté.
Déterminer la loi de probabilité de X et son espérance mathématique, arrondie au centime.
����������
1. a. Pour que le poisson soit toujours vivant il faut qu’il soit encore vivant sachant qu’il provient du 1 er
élevage ou qu’il soit vivant sachant qu’il provient du 2 ème élevage : avec un arbre on a alors
p ( V ) = pE1 ( V ) p ( E1 ) + pE2 ( V ) p ( E2 ) = 0,9 × 0,6 + 0,95 × 0, 4 = 0,92 .

b. Même type de calcul : p ( R ) = pE1 ( R ) p ( E1 ) + pE2 ( R ) p ( E2 ) = 0,75 × 0,6 + 0,65 × 0, 4 = 0,71 .

c. p ( G ) = pE1 ( G ) p ( E1 ) + pE2 ( G ) p ( E2 ) = 0,15 × 0,6 + 0,30 × 0, 4 = 0,21 ;

p ( E1 ∩ G ) pE1 ( G ) p ( E1 ) 0,15 × 0,6
pG ( E1 ) = = = ≈ 0, 43 .
p( G ) p( G ) 0,21
On remarquera qu’un poisson peut mourir, devenir Rouge ou devenir Gris : 0,08+0,71+0,21 = 1.
5
2. Schéma de Bernoulli/Loi binomiale : n = 5 , p = 0,92 , k = 3 ; P ( k = 3 ) =   0,923 0,082 ≈ 0,05 .
3
3. p ( X = 1 ) = 0,71 , p ( X = 0,25 ) = 0,21 , p ( X = −0,1 ) = 0,08 .

E ( X ) = 0,71 × 1 + 0,25 × 0,21 − 0,1 × 0,08 = 0,75 cent .

1. 24. Lancer + VA, Liban 06/2008, 4 points

Une urne A contient quatre boules rouges et six boules noires. Une urne B contient une boule rouge et
neuf boules noires. Les boules sont indiscernables au toucher.
���������
Un joueur dispose d'un dé à six faces, parfaitement équilibré, numéroté de 1 à 6. Il le lance une fois : s'il
obtient 1, il tire au hasard une boule de l'urne A, sinon il tire au hasard une boule de l'urne B.
1. Soit R l'événement « le joueur obtient une boule rouge ». Montrer que p(R) = 0,15.
2. Si le joueur obtient une boule rouge, la probabilité qu'elle provienne de A est-elle supérieure ou égale à la
probabilité qu'elle provienne de B ?
���������
Le joueur répète deux fois l'épreuve décrite dans la partie A, dans des conditions identiques et
indépendantes (c'est-à-dire qu'à l'issue de la première épreuve, les urnes retrouvent leur composition
initiale).

Page 19 of 295
Soit x un entier naturel non nul.
Lors de chacune des deux épreuves, le joueur gagne x euros s'il obtient une boule rouge et perd deux euros
s'il obtient une boule noire.
On désigne par G la variable aléatoire correspondant au gain algébrique du joueur en euros au terme des
deux épreuves. La variable aléatoire G prend donc les valeurs 2x, x−1 et – 4.
1. Déterminer la loi de probabilité de G.
2. Exprimer l'espérance E(G) de la variable aléatoire G en fonction de x.
3. Pour quelles valeurs de x a-t-on E(G) > 0 ?
�����������
���������

1. A et B forment une partition de l’univers Ω ; d’après la formule des probabilités totales, on a

1 4 5 1 9
p ( R ) = p ( A ∩ R ) + p ( B ∩ R ) = p A ( R ) × p ( A ) + pB ( R ) × p ( B ) = × + × = .
6 10 6 10 60
Par conséquent, p ( R ) = 0,15 .

4 5
p( A ∩ R ) 4 p ( B ∩ R ) 5
2. Calculons pR ( A ) et pR ( B ) : pR ( A ) = = 60 = et pR ( B ) = = 60 = . Donc, si
p( R ) 9 9 p( R ) 9 9
60 60
le joueur obtient une boule rouge, la probabilité qu’elle provienne de A est inférieure à celle qu’elle
provienne de B.
���������
L’épreuve décrite dans la partie A est une épreuve de Bernoulli dont le succès est « obtenir une boule
2 2− k
rouge ». On a p = 0,15 et n = 2 : p ( X = k ) =   ( 0,15 ) ( 1 − 0,15 ) .
k

 k
2
1. p ( G = 2 x ) = p ( X = 2 ) =   ( 0,15 ) = 0,0225 ;
2

2
2
p ( G = x − 2 ) = p ( X = 1 ) =   ( 0,15 ) ( 0,85 ) = 0, 255 ;
1 1

1 

Page 20 of 295
 2
p ( G = −4 ) = p ( X = 0 ) =   ( 0,85 ) = 0,7225 .
2

0
2. E ( G ) = 0,0225 × ( 2 x ) + 0,255 × ( x − 2 ) + 0,7225 × ( −4 ) = 0,3 x − 3, 4 .
3, 4
3. E ( G ) ≥ 0 ⇔ 0, 3 x − 3, 4 ≥ 0 ⇔ 0, 3 x ≥ 3, 4 ⇔ x ≥ ⇔ x ≥ 11,33 . Or x est un entier naturel, donc
0,3
E ( G ) ≥ 0 lorsque x est supérieur ou égal à 12.

1. 25. Loterie+binomiale, Polynésie 2007

5 points
Pour réaliser une loterie, un organisateur dispose d’un sac contenant exactement un jeton blanc et 9 jetons
noirs indiscernables au toucher et d’autre part d’un dé cubique équilibré dont les faces sont numérotées de
1 à 6.
Il décide des règles suivantes pour le déroulement d’une partie.
Le joueur doit tirer un jeton puis jeter le dé :
* si le jeton est blanc, le joueur perd lorsque le jet du dé donne 6 ;
* si le jeton est noir, le joueur gagne lorsque le jet du dé donne 6.
A la fin de la partie, le jeton est remis dans le sac.
On note B l’événement « le jeton tiré est blanc » et G l’événement « le joueur gagne le jeu ». L’événement
contraire d’un événement E est noté E . La probabilité d’un événement est notée p(E).
���������
7
1. Montrer que p ( G ) = . On pourra s’aider d’un arbre pondéré.
30
2. Quelle est la probabilité que le joueur ait tiré le jeton blanc sachant qu’il a perdu ?
3. Un joueur fait quatre partie de façon indépendante. Calculer la probabilité qu’il en gagne exactement
deux et en donner une valeur approchée à 10 −3 près.
4. Quel nombre minimal de parties un joueur doit-il faire pour que la probabilité d’en gagner au moins une
soit supérieure à 0,99 ?
���������
L’organisateur décide de faire de sa loterie un jeu d’argent :
* chaque joueur paye 1 euro par partie ;
* si le joueur gagne la partie il reçoit 5 euros ;
* si le joueur perd la partie il ne reçoit rien.
1. On note X la variable aléatoire égale au gain algébrique (positif ou négatif) du joueur à l’issue d’une
partie.
a. Donner la loi de probabilité de X et son espérance mathématique.
b. On dit que le jeu est favorable à l’organisateur si E(X) < 0. Le jeu est-il favorable à l’organisateur ?
2. L’organisateur décide de modifier le nombre n de jetons noirs (n entier naturel non nul) tout en gardant
un seul jeton blanc. Pour quelles valeurs de l’entier n le jeu est-il défavorable à l’organisateur ?
����������
Partie A
1 5 9 1 7
1. p ( G ) = p ( B ) × p ( dé < 6 ) + p ( N ) × p ( dé = 6 ) = × + × = .
10 6 10 6 30
1 1
p ( Blanc et Perdu ) ×
1 30 1
2. pP ( B ) = = 10 6 = × = .
p( P ) 1−
7 60 23 46
30

Page 21 of 295
 2 2
7  4   7   23 
3. Loi binomiale : n = 4 , p = ; il en gagne 2 avec la probabilité       ≈ 0,192 .
30  2   30   30 
n
7  23 
4. Loi binomiale : n quelconque, p = ; p( X ≥ 1) = 1 − p ( X = 0 ) = 1 −   ; on a alors
30  30 
 23 
n
 23  ln ( 0,01 )
p( X ≥ 1) ≥ 0,99 ⇔ 1 −   ≥ 0,99 ⇔ n ln   ≤ ln ( 0,01 ) ⇔ n ≥ = 17, 3
 30   30   23 
ln  
 30 
d’où n = 18 .
Partie B
23 7
1. a. X prend les valeurs −1 et 4 ; p ( X = −1 ) = p ( P ) = , p( X = 4 ) = p( G ) = .
30 30
23 7 5 1
E( X ) = − +4 = = .
30 30 30 6
b. L’organisateur en semble pas très matheux…
1 5 n 1 5+n
2. Il faut recalculer p ( G ) = p ( B ) × p ( dé < 6 ) + p ( N ) × p ( dé = 6 ) = × + × = d’où
n+1 6 n+1 6 6( n+1)

 5+n  5+n − ( 6 n + 6 − 5 − n ) + 20 + 4n −n + 19
E ( X ) = −1 ×  1 −  + 4× = = qui sera positif lorsque
 6 ( n+1)  6( n+1) 6( n+1) 6( n+1)
n ≤ 19 .
1. 26. Lancer dés+binomiale, Am. du Nord 2005
5 points
On dispose d’un dé cubique équilibré dont une face porte le numéro 1, deux faces portent le numéro 2 et
trois faces portent le numéro 3.
On dispose également d’une urne contenant dix boules indiscernables au toucher, portant les lettres L, O,
G, A, R, I, T, H, M, E (soit quatre voyelles et six consonnes).
Un joueur fait une partie en deux étapes :
Première étape : il jette le dé et note le numéro obtenu.
Deuxième étape :
• si le dé indique 1, il tire au hasardune boule de l’urne. Il gagne la partie si cette boule porte une voyelle
et il perd dans le cas contraire.
• si le dé indique 2, il tire au hasard et simultanément deux boules de l’urne. Il gagne la partie si
chacune de ces deux boules porte une voyelle et il perd dans le cas contraire.
• si le dé indique 3, il tire au hasard et simultanément trois boules de l’urne. Il gagne la partie si
chacune de ces trois boules porte une voyelle et il perd dans le cas contraire.
À la fin de chaque partie, il remet dans l’urne la ou les boules tirée(s).
On définit les évènements suivants :
D1 : « le dé indique 1 », D2 : « le dé indique 2 »,
D3 : « le dé indique 3 », G : « la partie est gagnée ».
A et B étant deux évènements tels que p( A) ≠ 0 , on note pA(B) la probabilité de B sachant que A est réalisé.
1. a. Déterminer les probabilités pD1 (G) , pD2 (G) et pD3 (G) .
23
b. Montrer alors que p(G) = .
180
2. Un joueur a gagné la partie. Calculer la probabilité qu’il ait obtenu le numéro 1 avec le dé.

Page 22 of 295
3. Un joueur fait six parties. Calculer la probabilité qu’il en gagne exactement deux et en donner une valeur
arrondie à 10−2 près.
Quel nombre minimal de parties un joueur doit-il faire pour que la probabilité d’en gagner au moins une
soit supérieure à 0,9 ?
����������
4
1. a. pD1 (G) : s’il tire un 1, il gagne s’il tire une voyelle, soit 4 chances sur 10, pD1 (G) = .
10
 4  4.3  10  10.9
pD2 (G) : s’il tire un 2, il gagne s’il tire 2 voyelles, soit   = = 6 chances sur   = = 45 ,
2
  2  2  2
6 2
pD2 (G) = = ;
45 15
 4  4.3.2  10  10.9.8
pD3 (G) : s’il tire un 3, il gagne s’il tire 3 voyelles, soit   = = 4 chances sur   = = 120 ,
 3  3.2  3  3.2
4 1
pD3 (G) = = .
120 30
b. On applique les probabilités totales :
p(G) = p ( D1 ∩ G ) + p ( D2 ∩ G ) + p ( D3 ∩ G )
4 1 2 2 1 3 23 .
= pD1 (G).p( D1 ) + pD2 (G).p( D2 ) + pD3 (G).p( D3 ) = . + . + . = .
10 6 15 6 30 6 180
4 1
.
p(G ∩ D1 ) pD1 (G). p( D1 ) 10 6 180 4 12
2. Ce coup-ci on cherche pG ( D1 ) = = = = . = .
p(G) p(G) 23 23 60 23
180
23
3. Un joueur fait six parties : loi binomiale avec n = 6 et p = . On cherche
180
2 4
 6   23   23 
p( k = 2) =      1−  ≈ 0,14 .
2
   180   180 
0 n n
 n   23   23   157 
On remplace 6 par n et k par 0 : p( k ≥ 1) = 1 − p( k = 0) = 1 −      1−  = 1−   ; il faut
 0   180   180   180 
n n
 157   157  ln(0,1)
donc résoudre 1 −   ≥ 0, 9 ⇔   ≤ 0,1 ⇔ n ≥ ≈ 16,8 soit 17 parties minimum.
 180   180  ln(157 /180)

1. 27. Tirages simult.+VA+binomiale, France 2005

5 points
Pour les questions 1 et 2, on donnera les résultats sous forme de fraction et sous forme décimale approchée
par défaut à 10−3 près.
Un enfant joue avec 20 billes : 13 rouges et 7 vertes. Il met 10 rouges et 3 vertes dans une boîte cubique et
3 rouges et 4 vertes dans une boîte cylindrique.
1. Dans un premier jeu, il choisit simultanément trois billes au hasard dans la boîte cubique et il regarde
combien de billes rouges il a choisies. On appelle X la variable aléatoire correspondant au nombre de billes
rouges choisies.
a. Déterminer la loi de probabilité de X.
b. Calculer l'espérance mathématique de X.
2. Un deuxième jeu est organisé de telle sorte que l'enfant choisisse d'abord au hasard une des deux boîtes,
puis qu'il prenne alors une bille, toujours au hasard, dans la boîte choisie.
On considère les événements suivants :
* C1 : "L'enfant choisit la boîte cubique",

Page 23 of 295
 * C2 : "L'enfant choisit la boîte cylindrique",
* R : "L'enfant prend une bille rouge",
* V : "L 'enfant prend une bille verte".
a. Représenter par un arbre pondéré la situation correspondant à ce deuxième jeu.
b. Calculer la probabilité de l'événement R.
c. Sachant que l'enfant a choisi une bille rouge, quelle est la probabilité qu'elle provienne de la boîte
cubique ?
3. L'enfant reproduit n fois de suite son deuxième jeu, en remettant à chaque fois la bille tirée à sa place.
a. Exprimer, en fonction de n, la probabilité p n que l'enfant ait pris au moins une bille rouge au cours de ses
n choix.
b. Calculer la plus petite valeur de n pour laquelle pn ≥ 0, 99 .
����������
Un enfant joue avec 20 billes : 13 rouges et 7 vertes. Il met 10 rouges et 3 vertes dans une boîte cubique et
3 rouges et 4 vertes dans une boîte cylindrique.
1. Il choisit simultanément trois billes au hasard : il y a 13 billes dans cette boîte, il y a donc
 13  13.12.11
 3 = = 286 choix possibles.
  3.2.1
Comme il y a 10 rouges, il peut prendre 0, 1, 2 ou 3 billes rouges : ce sont les valeurs que peut prendre X
 10   3 
  
 k  3−k 
a. Si on tire k rouges, on tire 3−k vertes : on a p( X = k) = . On calcule pour les différentes
286
valeurs de k :
X 0 1 2 3
pX  10  3   10  3   10  3   10   3 
           
 0  3  = 1 ≈ 0,003  1  2  = 30 ≈ 0,104  2  1  = 135 ≈ 0, 472  3   0  = 120 ≈ 0, 419
286 286 286 286 286 286 286 286
1 30 135 120 660
b. E( X ) = 0. + 1. + 2. + 3. = ≈ 2, 307 .
286 286 286 286 286
Ce type de loi n’est assez peu utilisée sous cette forme car les coefficients binomiaux deviennent ingérables
dès que le nombre d’objets présents est trop important.
2. a.
R
10/13
C1
1/2
3/13 V

1/2 R
3/7
C2

4/7 V

10 1 3 1 70 + 39 109
b. p(R) = p(R ∩ C1 ) + p(R ∩ C2 ) = pC1 (R)p(C1 ) + pC2 (R)p(C2 ) = . + . = = ≈ 0, 599 .
13 2 7 2 182 182
Probabilités totales.

Page 24 of 295
 p(C1 ∩ R) 5 /13 5 13.7.2 70
c. pR (C1 ) = = = . = ≈ 0, 642
p(R) 109 / 182 13 109 109
3. Loi binomiale : n inconnu, p = probabilité de tirer une rouge.
0 n n
 n   109   73   73 
a. p( X ≥ 1) = 1 − p( X = 0) = 1 −       = 1−   .
 0   182   182   182 
n n
 73   73   73  ln 0, 01
b. pn ≥ 0, 99 ⇔ 1 −   ≥ 0, 99 ⇔   ≤ 0, 01 ⇔ n ln   ≤ ln 0, 01 ⇔ n ≥ ≈ 5, 04 ; il faut
 182   182   182   73 
ln  
 182 
donc que n ≥ 6 .
Questions ultra classiques, attention aux changements de sens dans les inégalités (ln(73/182) <0 car…).
1. 28. Urnes et dés, Pondichery 2004
Un joueur dispose d’un dé cubique bien équilibré dont les faces sont numérotées de 1 à 6, et de trois urnes,
U1, U2 et U3 contenant chacune k boules, où k désigne un entier naturel supérieur ou égal à 3.
Il y a trois boules noires dans U1, deux boules noires dans U2 et une boule noire dans U3. Toutes les autres
boules dans les urnes sont blanches. Les boules sont indiscernables au toucher.
Une partie se déroule de la manière suivante : le joueur lance le dé,
* s’il obtient le numéro 1, il prend au hasard une boule dans l’urne U 1, note sa couleur et la remet dans U1 ;
* s’il obtient un multiple de 3, il prend au hasard une boule dans U 2, note sa couleur et la remet dans U2 ;
* si le numéro amené par le dé n’est ni 1 ni un multiple de 3, il prend au hasard une boule dans U 3, note sa
couleur et la remet dans U3.
On désigne par A, B, C et N les événements suivants :
A : « Le dé amène le numéro 1 ». B : « Le dé amène un multiple de 3 ».
C : « Le dé amène un numéro qui n’est ni 1 ni un multiple de 3 ».
N : « La boule tirée est noire ».
1. Le joueur joue une partie.
5
a. Montrer que la probabilité qu’il obtienne une boule noire est égale à .
3k
b. Calculer la probabilité que le dé ait amené le 1 sachant que la boule tirée est noire.
1
c. Déterminer k pour que la probabilité d’obtenir une boule noire soit supérieure à .
2
1
d. Déterminer k pour que la probabilité d’obtenir une boule noire soit égale à .
30
2. Dans cette question, k est choisi pour que la probabilité d’obtenir une boule noire en jouant une partie
1
soit égale à . Le joueur fait 20 parties, indépendantes les unes des autres. Calculer, sous forme exacte
30
puis arrondie à 10−3 près la probabilité qu’il obtienne au moins une fois une boule noire.
����������
On fait un arbre qui donne toutes les réponses immédiatement :

Page 25 of 295
 U1
dé = 1 p(N) = 3/k
1/6

dé = 3 ou 6 U2
2/6 p(N) = 2/k

dé = 2, 4, 5
3/6
U3
p(N) = 1/k

1. a. Pour avoir une boule noire il faut calculer la probabilité d’avoir tiré 1 avec le dé et une noire dans U 1,
etc., soit sous forme de probabilité conditionnelle :
p( N ) = p[( A ∩ N ) ∪ ( B ∩ N ) ∪ (C ∩ N )] = p( A)pU1 ( N ) + p( B)pU2 ( N ) + p(C )pU3 ( N ) .
1 3 2 2 3 1 10 5
Ceci donne évidemment p( N ) = . + . + . = = .
6 k 6 k 6 k 6 k 3k
p( A ∩ N ) 1 / 2k 3
b. On cherche ici PN ( dé = 1) = = = .
p( N ) 5 / 3 k 10
5 1 10
c. > ⇔ 3k < 10 ⇔ k < ; comme k est entier et supérieur ou égal à 3, il reste k = 3.
3k 2 3
5 1
d. = ⇔ 3k = 150 ⇔ k = 50 .
3k 30

2. Le nombre de fois où on tire une boule noire sur les 20 parties suit une Loi binomiale de paramètres
1
n = 20 et p = .
30
La probabilité qu’il obtienne au moins une fois une boule noire est donc
0 20 20
 20   1   29   29 
p( X ≥ 1) = 1 − p( X = 0) = 1 −      = 1−  ≈ 0, 492 .
 0   30   30   30 
1. 29. Entropie, France 2004
5 points
Un récipient contient un gaz constitué de deux sortes de particules : 75 % de particules A et 25 % de
particules B. Les particules sont projetées sur une cible formée de deux compartiments K1 et K2.
L’expérience est modélisée de la manière suivante :
1
- Une particule au hasard parmi les particules de type A entre dans K1 avec la probabilité et dans K2
3
2
avec la probabilité .
3
- Une particule au hasard parmi les particules de type B entre dans chacun des compartiments avec la
1
probabilité .
2
Partie A

Page 26 of 295
1. Soit une particule au hasard. Déterminer la probabilité de chacun des événements suivants :
A1 : « la particule isolée est de type A et elle entre dans K1 » ;
A2 : « la particule isolée est de type A et elle entre dans K2 » ;
B1 : « la particule isolée est de type B et elle entre dans K1 » ;
B2 : « la particule isolée est de type B et elle entre dans K2 » ;
C1 : « la particule entre dans K1 » ;
C2 : « la particule entre dans K2 ».
2. On procède 5 fois de suite et de façon indépendante à l’épreuve décrite en introduction. Le nombre de
particules étant très grand, on admettra que les proportions 75 % et 25 % restent constantes. Calculer la
probabilité de l’événement E suivant : « il y a exactement deux particules dans K2 ».
Partie B
Un récipient contient le gaz décrit précédemment. Les particules A sont radioactives et se transforment
spontanément en particules B. On note p(t) la proportion de particules A dans le gaz. Ainsi, à l’instant
t = 0 , on a p(0) = 0, 75 .

Plus généralement, si t est exprimé en années, on a p( t) = 0,75 e− λ t où λ est une constante réelle. La demi-
vie1 des particules de type A est égale à 5730 ans.
1. Calculer λ ; on prendra une valeur approchée à 10 −5 près par défaut.
2. Au bout de combien d’années, 10 % des particules de type A se seront-elles transformées en particules de
type B ?
3. Déterminer la valeur de t pour laquelle il y aura autant de particules de type A que de particules de type
B (on arrondira à l’unité).
����������
Partie A
Interprétons les données en termes de probabilités : 75 % de particules A, soit p(A) = 0,75 , et 25 % de
particules B, soit p(B) = 0, 25 .
1 1 2 2
- A entre dans K1 avec la probabilité : pA (K1) = , dans K2 avec la probabilité : pA (K2) = .
3 3 3 3
1 1 1
- B entre dans K1 ou K2 avec la probabilité : pB (K1) = , pB (K2) = .
2 2 2
1 1 2 1
1. p(A1) = p(A ∩ K1) = pA (K1) p(A) = .0,75 = ; p(A2) = p(A ∩ K2) = pA (K2)p(A) = .0,75 = ;
3 4 3 2
1 1 1 1
p(B1) = p(B ∩ K1) = pB (K1)p(B) = .0, 25 = ; p(B2) = p(B ∩ K2) = pB (K2)p(B) = .0, 25 = ;
2 8 2 8
1 1 3
p(C1) = p((A ∩ K1) ∪ (B ∩ K1)) = p(A ∩ K1)+p(B ∩ K1) = + = ;
4 8 8
1 1 5
p(C2) = p((A ∩ K2) ∪ (B ∩ K2)) = p(A ∩ K2)+p(B ∩ K2) = + = .
2 8 8
Le total doit évidemment faire 1…
2 3
 5  5   3 
2. Loi binomiale, B(5, 5 / 8) ; p(2 dans K2) =       ≈ 0, 206 .
 2  8   8 
Partie B
p( t) = 0,75 e− λ t où λ est une constante réelle. La demi-vie des particules de type A est égale à 5730 ans.
1. A t = 5730, on a

1 Temps au bout duquel le nombre de particules restantes est la moitié du nombre initial.

Page 27 of 295
 1 0,75 1 ln 2
0,75 e− λ t =p(0) ⇔ 0,75 e−λ (5730) = ⇔ e−λ (5730) = ⇔ −λ(5730) = − ln 2 ⇔ λ = ≈ 0, 00012097 ,
2 2 2 5730
soit 0,00012 à 10 −5 près par défaut.
90
2. On cherche t pour qu’il reste 90 % des particules de type A, soit p(t) = p(0) , ce qui donne l’équation
100
ln(0, 9) ln(0, 9)
d’inconnue t : 0,75 e−λ t = 0, 9 × 0,75 ⇔ e− λ t = 0, 9 ⇔ −λ t = ln(0, 9) ⇔ t = = ≈ 871 ans .
−λ −0, 00012
3. Il y aura autant de particules de type A que de particules de type B lorsque les pourcentages de types A
et B seront de 50 % chacun. En l’occurrence il faut que p(t) = 0, 5 , ce qui donne
0, 5 ln(2 / 3)
0,75 e−λ t = 0, 5 ⇔ e−λ t = ⇔ −λ t = ln(2 / 3) ⇔ t = ≈ 3352 ans .
0, 75 −λ
1. 30. Loi exponentielle, France 2004
On s’intéresse à la durée de vie, exprimée en semaines, d’un composant électronique. On modélise cette
situation par une loi de probabilité p de durée de vie sans vieillissement définie sur l’intervalle [0 ; +∞ [ : la
probabilité que le composant ne soit plus en état de marche au bout de t semaines est
t

∫ λe
−λ x
p([0 ; t[) = dx . Une étude statistique, montrant qu’environ 50 % d’un lot important de ces
0
composants sont encore en état de marche au bout de 200 semaines, permet de poser p([0 ; 200[) = 0, 5 .
ln 2
1. Montrer que λ = .
200
2. Quelle est la probabilité qu’un de ces composants pris au hasard ait une durée de vie supérieure à 300
semaines ? On donnera la valeur exacte et une valeur approchée décimale au centième près.
3. On admet que la durée de vie moyenne dm de ces composants est la limite quand A tend vers +∞ de
A

∫ 0
λ xe− λ x dx .

A −λ Ae− λ A − e− λ A + 1
a. Montrer que
∫ 0
λ xe−λ x dx =
λ
.

b. En déduire dm ; on donnera la valeur exacte et une valeur approchée décimale à la semaine près.

����������
200

∫
200
1. p([0 ; 200[) = λ e− λ x dx =  − e− λ x  = − e−200 λ + 1 ; il faut donc résoudre
0 0

1 1 ln 2
1 − e−200λ = 0, 5 ⇔ e−200λ = ⇔ −200λ = ln = − ln 2 ⇔ λ = .
2 2 200
300 ln 2 3 3 3

( ) 1 1
−300 − ln 2 − −
2. p([300 ; + ∞[) = 1 −
∫0
λ e−λ x dx = 1 − (− e−300 λ + 1) = e 200 =e2 = eln 2 2 =2 2 = =
8 2 2
≈ 0,35 .

1
3. On intègre par parties en posant u = λ x , v ' = e−λ x d’où u ' = λ et v = − e−λ x :
λ
A
A A
 −1  1 1 −λ Ae− λ A − e−λ A + 1
∫ ∫
A
λ xe− λ x dx =  − xe−λ x  − − e− λ x dx = − Ae− λ A + 0 +  e−λ x  = − Ae− λ A − e−λ A + =
0 0 0  λ 0 λ λ λ
.

Page 28 of 295
4. L’exponentielle l’emporte sur toute fonction polynôme d’où Ae− λ A tend vers 0 lorsque A tend vers +∞ .
1
La limite dm est alors qui est la moyenne de la loi exponentielle. Dans l’exemple on a donc
λ
200
dm = ≈ 289 semaines.
ln 2
1. 31. Boules, Amérique du sud 2004
5 points, énoncé légèrement modifié.
Une urne contient 4 boules rouges et 2 boules noires indiscernables au toucher.
1. On effectue au hasard un tirage de deux boules simultanément de l’urne.
On note A0 l’événement « on n’a obtenu aucune boule noire » ;
on note A1 l’événement « on a obtenu une seule boule noire » ;
on note A2 l’événement « on a obtenu deux boules noires ».
6 8
Montrer que p(A 0 ) = et p(A1 ) = ; en déduire p(A 2 ) .
15 15
2. Après ce premier tirage, il reste 4 boules dans l’urne. On effectue à nouveau un tirage sans remise de
deux boules de l’urne.
On note B0 l’événement « on n’a obtenu aucune boule noire au tirage n°2 » ;
on note B1 l’événement « on a obtenu une seule boule noire au tirage n°2 » ;
on note B2 l’événement « on a obtenu deux boules noires au tirage n°2 ».
a. Calculer pA0 (B0 ) , pA1 (B0 ) , pA 2 (B0 ) .

b. Calculer p(B0 ) .
c. Calculer p(B1 ) et p(B2 ) .
d. On a obtenu une seule boule noire lors de ce second tirage. Quelle est la probabilité d’avoir obtenu une
seule boule noire lors du premier tirage ?
3. On considère l’événement R : « il a fallu exactement les deux tirages pour que les deux boules noires
1
soient tirées de l’urne ». Montrer que p(R) = .
3
����������
 6  6.5
1. On effectue au hasard un tirage de deux boules simultanément de l’urne : il y a   = = 15 tirages
2 2
possibles.
« On n’a obtenu aucune boule noire » revient à dire que l’on a tiré deux rouges parmi 4, il y a
 4  4.3 6
2= = 6 et la probabilité est p(A 0 ) = ;
  2 15
de même « on a obtenu une seule boule noire » revient à dire qu’on a tiré une noire parmi 2 et une rouge
2 4 8
parmi 4, il y a   .   = 8 manières de procéder, ce qui donne p(A1 ) = ; comme la seule possibilité
1
   1 15
 6 8  1
restante est de tirer 2 noires, on a p(A 2 ) = 1 − p( A2 ) = 1 −  + = .
 15 15  15
4
2. a. Lors de ce deuxième tirage on a   = 6 tirages possibles.
2

Page 29 of 295
Si on a tiré 0 noire au 1er tirage, on a tiré 2 rouges ; il reste donc 2 rouges et 2 noires dans la boite et la
2
2
  1
probabilité de tirer 0 noire est celle de tirer 2 rouges parmi 2, soit pA0 (B0 ) = = ;
6 6
er
si on a tiré 1 noire au 1 tirage, on a tiré également 1 rouge ; il reste donc 3 rouges et 1 noire dans la boite
3
2
  3
et la probabilité de tirer 0 noire est celle de tirer 2 rouges parmi 3, soit pA1 (B0 ) = = ;
6 6
er
si on a tiré 2 noires au 1 tirage, on a tiré 0 rouge ; il reste donc 4 rouges et 0 noire dans la boite et la
4
2
  6
probabilité de tirer 0 noire est celle de tirer 2 rouges parmi 4, soit pA2 (B0 ) = = = 1 (en fait c’était
6 6
évident…puisqu’il n’y a plus que des rouges).
b. avec les probabilités totales on a p(B0 ) = p ( B0 ∩ A 0 ) + p ( B0 ∩ A1 ) + p ( B0 ∩ A 2 ) , soit
1 6 3 8 6 1 6
p(B0 ) = pA0 (B0 )p ( A 0 ) + pA1 (B0 )p(A1 ) + pA2 (B0 )p ( A 2 ) = . + . + . = .
6 15 6 15 6 15 15
c. De la même manière on a
 2  2   3  1 
 1  1   1  1 
   4    3
pA0 (B1 ) = = , pA1 (B1 ) = = , pA2 (B1 ) = 0 ;
6 6 6 6
4 6 3 8 1 8
p(B1 ) = pA0 (B1 )p ( A 0 ) + pA1 (B1 )p(A1 ) + pA2 (B1 )p ( A 2 ) = . + . + 0. = ;
6 15 6 15 15 15
2
2
  1
pA0 (B2 ) = = , pA1 (B2 ) = 0 , pA2 (B2 ) = 0 ;
6 6
1 6 8 1 6 1
p(B2 ) = pA0 (B2 )p ( A 0 ) + pA1 (B2 )p(A1 ) + pA 2 (B2 )p ( A 2 ) = . + 0. + 0. = = .
6 15 15 15 90 15
d. On a obtenu une seule boule noire lors de ce second tirage, on connaît donc B 1. Nous cherchons alors
1 8
p ( A1 ∩ B1 ) pA1 (B1 )p(A1 ) 2 . 15 1
pB1 (A1 ) = = = = .
p(B1 ) p(B1 ) 8 2
15
6 1 8 3 5 1
3. p(R) = p(A 0 ∩ B2 ) + p(A1 ∩ B1 ) = p(A 0 ) pA0 (B2 ) + p(A1 )pA1 (B1 ) , soit p(R) = . + . = = .
15 6 15 6 15 3
1. 32. Club photo
Dans une classe de trente élèves sont formés un club photo et un club de théâtre. Le club photo est
composé de 10 membres, le club théâtre de 6 membres. Il y a deux élèves qui sont membres des deux clubs
à la fois.
1. On interroge un élève de la classe pris au hasard. On appelle P l’événement : « l’élève fait partie du club
photo » et T l’événement : « l’élève fait partie du club théâtre ». Montrer que les événements P et T sont
indépendants.
2. Lors d’une séance du club photo, les 10 membres sont tous présents. Un premier élève est tiré au sort. Il
doit prendre la photo d’un autre membre du club qui sera lui aussi tiré au sort.
a. On appelle T1 l’événement : « Le premier élève appartient au club théâtre ». Calculer P(T1 ) .
b. On appelle T2 l’événement « L’élève pris en photo appartient au club théâtre ». Calculer PT1 (T2 ) puis
PT (T2 ) . En déduire P(T2 ∩ T1 ) et P(T2 ∩ T1 ) .
1

Page 30 of 295
 ( )
c. ���������������������� : Démontrer que P(T2 ) = PT1 (T2 )P(T1 ) + PT (T2 )P T1 . Calculer P(T2 ) .
1

3. Toutes les semaines on recommence de façon indépendante la séance de photographie avec tirage au sort
du photographe et du photographié. Le même élève peut être photographié plusieurs semaines de suite.
Calculer la probabilité qu’au bout de 4 semaines aucun
membre du club théâtre n’ait été photographié.
���������� 6−2 = 4 2
1. Avec des patates le résultat est immédiat (en fait on 10−2 = 8
n’en a pas besoin, c’est juste pour montrer que je suis
super fortiche avec Word…).
P(P) = 10/30 = 1/3 et P(T) = 6/30 = 1/5.
2 1 1 1 1
On a alors P(P ∩ T) = = et P(P) × P(T) = × = donc les événements sont indépendants. Ceci est
30 15 3 5 15
un pur hasard de calcul, si vous changez par exemple le nombre d’élèves dans la classe ça ne marche plus….
2. Lors d’une séance du club photo, les 10 membres sont tous présents. Un premier élève est tiré au sort. Il
doit prendre la photo d’un autre membre du club qui sera lui aussi tiré au sort.
2 1
a. P(T1 ) = = .
10 5
1
b. PT1 (T2 ) = : il reste à tirer un membre du club théâtre parmi les neuf restants.
9
2
PT (T2 ) = : si T1 est réalisé le premier élève ne fait pas de théaâr e, il reste deux choix parmi 9 restants.
1 9
1 1 1 2 4 8
P(T2 ∩ T1 ) = PT1 (T2 )P(T1 ) = × = ; P(T2 ∩ T1 ) = PT (T2 )P(T1 ) = × = .
9 5 45 1 9 5 45
b. Avec les probabilités totales, on a

( ) ( )
P(T2 ) = P (T1 ∩ T2 ) ∪ (T1 ∩ T2 ) = P ( T1 ∩ T2 ) + P T1 ∩ T2 = PT1 (T2 )P(T1 ) + PT (T2 )P(T1 ) .
1

1 8 9 1
Donc P(T2 ) = + = = .
45 45 45 5
Le calcul aurait pu se faire directement avec un arbre.
4
3. Loi binomiale : n = 4 , p = 1 − P(T2 ) = ; la probabilité cherchée est, en posant X = nombre de fois où
5
4 44 256
l’élève photographié n’appartient pas au club théâtre : P( X = 4) =   p4 (1 − p)0 = 4 = .
4 5 625

1. 33. Cartes
On tire 8 cartes dans un jeu de 32 cartes. Quelle est la probabilité de :
1. Tirer tous les coeurs ?
2. Tirer les 4 as ?
3. Tirer 5 coeurs et 3 trèfles ?
4. Tirer 5 coeurs ni plus ni moins et 3 rois ni plus ni moins ?
����������
 32 
1. Nombre total de tirages :   = N . Proba de tous les cœurs : on tire les 8 cartes parmi 8 (cœurs), soit
 8 
8
 8  = 1 , soit 1/N.
 

Page 31 of 295
  28 
2. On tire 4 cartes parmi les 4 as, soit encore 1 et 4 autres cartes parmi 28 restantes, soit   , au final la
 4 
 28 
1×  
 4 
proba est .
N
 8  8 
3. On tire 5 cœurs parmi 8 cœurs et 3 trèfles parmi 8 trèfles, soit    / N .
 5  3 
 8  3 
4. Attention au roi de cœur… 5 cœurs parmi 8 cœurs et 3 rois parmi 3, soit    auxquelles on ajoute
 5  3 
 1   7   21 
les combinaisons contenant le roi de cœur, soit       (R de cœur, 4 cœurs parmi 7, 3 cartes ni Roi
 1  4  3 
ni cœur).
1. 34. Boules et urnes
On dispose de deux urnes U1 et U2 contenant des boules indiscernables au toucher.
U1 contient n boules blanches et 3 boules noires (n est un nombre entier supérieur ou égal à 1). U 2 contient
deux boules blanches et une boule noire.
On tire une boule au hasard de U1 et on la met dans U2, puis on tire au hasard une boule de U2 et on la met
dans U1 ; l'ensemble des ces opérations constitue une épreuve.
1. Construire l'arbre pondéré de cette expérience aléatoire.
2. On considère l'événement A : "Après l'épreuve, les urnes se retrouvent chacune dans leur configuration
de départ".
3  n+2 
2. a. Démontrer que la probabilité p(A) de l'événement A peut s'écrire : p(A) =  
4  n+ 3 
2. b. Déterminer la limite de p(A) lorsque n tend vers +∞ .
3. On considère l'événement B : "Après l'épreuve, l'urne U2 contient une seule boule blanche".
Calculer p(B).
4. Un joueur mise 20 francs et effectue une épreuve. A l'issue de cette épreuve, on compte les boules
blanches dans U2.
- Si U2 contient 1 seule boule blanche, le joueur reçoit 2n francs ;
- Si U2 contient 2 boules blanches, le joueur reçoit n francs ;
- Si U2 contient 3 boules blanches, le joueur ne reçoit rien.
4. a. Expliquer pourquoi le joueur n'a aucun intérêt à jouer tant que n ne dépasse pas 10.
Dans la suite, on considère n > 10, et on introduit la variable aléatoire X qui prend pour valeur les gains
algébriques du joueur (par exemple, si, après l'épreuve, l'urne U 2 contient une seule boule blanche,
X = 2n – 20).
4.b. Déterminer la loi de probabilité de X.
4.c. Calculer l'espérance mathématique de X.
4.d. On dit que le jeu est favorable au joueur si et seulement si l'espérance mathématique est strictement
positive. Montrer qu'il en est ainsi dès que l'urne U1 contient au moins 25 boules blanches.
�����������
1.a. Arbre pondéré :
Evénement A : chemin
Evénement B : chemin
Evénement C : chemin

Page 32 of 295
 � �
����� �����

� �
�������� ��������
� �
�������� ��������

�� �������� ������������ ������������ ����������

�� ��������� ����������� ����������� �� ���������

n 3
p(1B) = ; p(1N) = .
n+ 3 n+ 3
� � � �
p(2B/1B) = ; p(2N/1B) = ; p(2B/1N) = ; p(2N/2B) =
� � � �
n 3 3 1 3  n+2 
2. a. La probabilité p(A) se calcule en parcourant l'arbre : p( A) = × + × , soit p( A) =  .
n+3 4 n+ 3 2 4  n+3 
3
2. b. lim p(A) = .
n→+∞ 4
3 1 3
3. La probabilité p(B) se calcule en parcourant l'arbre : p( B) = × , p( B) = .
n+3 2 2( n + 3)
4. a. Le joueur doit être certain de pouvoir, dans le meilleur des cas, récupérer au moins sa mise d'où
2n > 20, soit n > 10.
4. b. Le dernier événement non encore considéré (C) est : "Après l'épreuve, l'urne U 2 contient 3 boules
blanches".
n 1 n
La probabilité p(C) se calcule en parcourant l'arbre : p(C) = × , p(C) =
n+ 3 4 4(n + 3)
La variable aléatoire X peut prendre 3 valeurs : 2n – 20 (événement A) ; n – 20 (événement B) ; −20
(événement C).
Loi de probabilité de la variable aléatoire X :
xi 2n − 20 n − 20 −20
3 3  n+ 2  n
p(X = xi )  
2(n + 3) 4  n+3  4( n + 3)
(2n − 20) × 3 3  n+ 2  20 n
4. c. Espérance mathématique : E(x) = E(X) = + (n − 20)  − , soit
2(n + 3) 4  n+3  4(n + 3)
3n2 − 62n − 240
E(X) = .
4(n + 3)
4. d. E(X) > 0 donne 3n2 – 62n – 240 > 0, soit (3n + 10)(n – 24) > 0 et n ∈ [ 25 ; + ∞ [ puisque n est entier.

1. 35. Boules, Antilles Guyane 1999

4,5 points
Dans tout l’exercice on considère 20 boules indiscernables au toucher (10 noires et 10 blanches) et deux
urnes A et B dans chacune desquelles on placera 10 boules suivant un mode qui sera précisé dans chaque
question.

Page 33 of 295
1. On choisit dix boules au hasard et on les met dans l’urne A. On place les dix autres boules dans l’urne B.
a. Quelle est la probabilité pour que les deux urnes ne contiennent chacune que des boules de même
couleur ?
b. Quelle est la probabilité pour que les deux urnes contiennent chacune 5 boules blanches et 5 boules
noires ?
2. Soit x un entier tel que 0 ≤ x ≤ 10 . On place maintenant x boules blanches et 10 − x boules noires dans
l’urne A et les 10 − x boules blanches et x boules noires restantes dans l’urne B.
On procède à l’expérience E : on tire au hasard une boule de A et on la met dans B, puis on tire au hasard
une boule de B et on la met dans A.
On désigne par M l’évènement « chacune des deux urnes a la même composition avant et après
l’expérience ».
a. Pour cette question on prend x = 6. Quelle est la probabilité de l’évènement M ?
1
b. Montrer que la probabilité de l’évènement M est égale à :
55
(
− x2 + 10 x + 5 . )
c. Pour quelles valeurs de x l’évènement M est-il plus probable que l’événement contraire M ?
�����������
1. a. Pour avoir dix boules de même couleur dans chaque urne il faut avoir 10 noires dans A et 10 Blanches
dans B ou le contraire.
 20 
Le nombre de répartitions est de   , le nombre de choix permettant 10 noires dans A et 10 blanches
 10 
 10   10  1 [Link].[Link].2.1
dans B est    10  = 1 ; la probabilité est donc 2 × 20 = ≈ 10 −5 .
10
     [Link].[Link].12.11
 10 
 
 10   10 
b. 5 boules blanches et 5 boules noires dans A :     , soit une probabilité d’environ 0,34.
 5  5 
2. a. x=6 : il faut tirer une blanche de A et la mettre dans B puis tirer une blanche de B et la mettre dans A,
6 5
soit × ou bien tirer une noire de A et la mettre dans B puis tirer une noire de B et la mettre dans A,
10 11
4 7 30 28 58
soit × ; au total cela fait + = .
10 11 110 110 110
b. Même raisonnement :
x 10 − x + 1 10 − x x + 1 1 1
P( M ) =
10
×
11
+
10
×
11
= (
110
)
11x − x2 + 9 x − x2 + 10 =
55
( )
− x2 + 10 x + 5 .

1 55 45
c. On veut savoir quand P ( M ) ≥ 1 − P ( M ) ⇔ p ( M ) ≥ , soit − x2 + 10 x + 5 ≥ ⇔ − x2 + 10 x − ≥0
2 2 2
d’où après résolution : 3, 42 ≤ x ≤ 6, 58 . Il faut donc qu’il y ait 4, 5 ou 6 boules blanches dans l’urne A.

1. 36. Urnes
Les questions 1. et 2. sont indépendantes. On donnera les résultats sous forme de fraction irréductible.
Une urne U� contient 4 jetons blancs et 3 noirs et une urne U 2 contient 17 jetons blancs et 18 noirs.
1. On jette un dé cubique dont chaque face a la même probabilité d'apparaître. Si le 6 apparaît, on tire un
jeton de l'urne U� sinon on tire un jeton de l'urne U� .
a. Déterminer la probabilité de tirer un jeton blanc (on considérera les événements A : "On a obtenu 6 en
jetant le dé" et B : "On obtient un jeton blanc".)
b. On a tiré un jeton blanc ; calculer la probabilité pour qu'il provienne de U �.
c. On a tiré un jeton noir ; calculer la probabilité pour qu'il provienne de U �.
2. On tire successivement et sans remise les 7 jetons de l'urne U �.

Page 34 of 295
X est la variable aléatoire qui prend pour valeur k si le premier jeton blanc apparaît au k-ième tirage.
Donner la loi de probabilité de X, puis calculer son espérance mathématique et son écart-type.
����������
1 5 4 17
1. a. p(A) = ; p( A ) = ; p(B/A) = ; p(B/ A ) =
6 6 7 35
4 1 17 5 1
D'après la loi des probabilités totales on a : p(B) = p(A ∩ B) + p( � ∩ B) = × + × = .
7 6 35 6 2
(4 / 7) × (1 / 6) 4
b. pB(A) × p(B) = p(A ∩ B) d'où pB(A) = = .
1/ 2 21
(18 / 35)× (5 / 6) 6
c. De même on a : p( A / B ) × p( B ) = p( A ∩ B ) d'où p( A / B ) = =
1/2 7
2. Ensemble des valeurs de X : {1 ; 2 ; 3 ; 4} :

k 1 2 3 4
p(X = k) 4 × 6! 4 3 × 4 × 5! 2 4 × 3 × 2 × 4! 4 3!× 4! 1
= = = =
7! 7 7! 7 7! 35 7! 35
4 2 4 1 8
E(X) = 1× + 2× + 3× + 4× =
7 7 35 35 35
2
4 2 4 1 �� 20  8 
E(X2) = 1× + 2²× + 3²× + 4²× = ; var(X)= −  ; σ (X) ≈ 1, 69 .
7 7 35 35 � 7  35 
1. 37. Urnes, Amérique du Sud 2002
Une urne A contient une boule rouge et trois boules vertes. Une urne B contient deux boules rouges et
deux boules noires. Les boules sont indiscernables au toucher.
1. On dispose d’un dé à 6 faces, parfaitement équilibré, numéroté de 1 à 6.
On le lance une fois ; si l’on obtient un multiple de 3, on tire au hasard une boule de l’urne A, sinon on tire
au hasard une boule de l’urne B.
a. Calculer la probabilité d’obtenir une boule noire.
b. Quelle est la couleur qui a la plus grande probabilité de sortir ?
c. Quelle est la probabilité que la boule tirée provienne de l’urne B sachant qu’elle est rouge ?
2. On réunit toutes les boules dans une seule urne et on tire successivement trois boules que l’on pose
chaque fois devant l’urne.
1
a. Montrer que la probabilité de l’évènement « la 3ème boule tirée est noire » vaut
.
4
b. Certains pensent que l’évènement « la première boule tirée est noire » a une probabilité supérieure à
l’évènement « la troisième boule tirée est noire ». Est-ce vrai ? Justifier.
����������
2 1 2
1. Avec un dé il y a deux multiples de 3 : 3 et 6 ; on a donc la probabilité = et la probabilité de ne
6 3 3
pas avoir de multiple de 3.
a. La probabilité d’obtenir une boule noire est alors
1 2 2 1
p ( N ) = p ( mult de 3 ) × p A ( N ) + p ( pas mult de 3 ) × pB ( N ) = ×0 + × = .
3 3 4 3
1 1 2 2 5
b. p ( R ) = p ( mult de 3 ) × p A ( R ) + p ( pas mult de 3 ) × pB ( R ) = × + × = ;
3 4 3 4 12

Page 35 of 295
 1 3 2 3
p ( V ) = p ( mult de 3 ) × p A ( V ) + p ( pas mult de 3 ) × pB ( V ) =
× + ×0 = .
3 4 3 12
Le rouge est donc la couleur qui a la plus grande probabilité de sortir.
2 2
p( B ∩ R ) ×
c. La probabilité que la boule vienne de B sachant qu’elle est rouge est : pR ( B ) = = 3 4 =4.
p( R ) 5 5
12
2. On réunit toutes les boules dans une seule urne et on tire successivement trois boules que l’on pose
chaque fois devant l’urne.
a. On a les possibilités suivantes : N NN , NNN , N NN ; on ne remet pas la boule dans l’urne donc :

( ) ( ) ( )
p N NN = p N p N p ( N ) =
6 5 2
× × =
8 7 6 28
5
, p ( NNN ) = p ( N ) p ( N ) p ( N ) = × × =
6 2 1 1
8 7 6 28
, de
1
même pour p ( N NN ) ; au total cela donne bien .
4
2 1
b. Non, ce sont des probabilités identiques… p ( N ) = = .
8 4
1. 38. Boules et suite
Une urne contient n boules blanches ( n ≥ 5 ) et 10 boules noires. On tire au hasard et simultanément 10
boules de l’urne.
1. Quelle est la probabilité pn pour que l’on ait tiré exactement 5 boules noires ?
2. Déterminer la limite de pn lorsque n tend vers +∞ .
����������
 n + 10 
Il y a n+10 boules ; il y a donc   tirages possibles ; on tire 5 noires avec la proba bilité
 10 
 10   n  10! n!
 5  5 
5!5! 5! ( n − 5 )! n! n! n ( n − 1 )( n − 2 )( n − 3 )( n − 4 )
pn =    = =K =K ,
 n + 10  ( n + 10 )! ( n − 5 )! ( n + 10 )! ( n + 10 )( n + 9 ) ... ( n + 2 )( n + 1 )
 10 
  10! n!

n5 1
donc pn ≈ K ≈K qui est décroissante et tend vers 0.
n10 n5
1. 39. Exercice de base : Efficacité d’un test
Une maladie atteint 3% d’une population donnée. Un test de dépistage donne les résultats suivants :
Chez les individus malades, 95% des tests sont positifs et 5% négatifs.
Chez les individus non malades, 1% des tests sont positifs et 99% négatifs.
On choisit un individu au hasard.
1. Construire l’arbre pondéré de cette expérience aléatoire.
2. Quelle est la probabilité
a. qu’il soit malade et qu’il ait un test positif ?
b. qu’il ne soit pas malade et qu’il ait un test négatif ?
c. qu’il ait un test positif ?
d. qu’il ait un test négatif ?
3. Calculer la probabilité
a. qu’il ne soit pas malade, sachant que le test est positif ?
b. qu’il soit malade, sachant que le test est négatif ?

Page 36 of 295
4. Interpréter les résultats obtenus aux questions 3. a. et 3. b.
����������

Positif 0,0285
0,95

Malade Négatif 0,0015

0,03 0,05

Pas Positif 0,0097

malade 0,01
0,97
Négatif
0,99 0,9603

1. Voir ci-contre.
2. On note M l’individu est malade et T le test est positif :
a. P( M ∩ T ) = P ( M ) × PM ( T ) = 0,03 × 0,95 = 0,0285 .

( ) ( )
b. P( M ∩ T ) = P M × PM T = 0,97 × 0,99 = 0,9603 .

c. P(T ) = P( M ∩ T ) + P( M ∩ T ) = 0, 0097 + 0, 0285 = 0, 0382 .

d. P(T ) = P( M ∩ T ) + P( M ∩ T ) = 0, 0015 + 0, 9603 = 0, 9618 .

P(T ∩ M) 0, 0097
3. a. PT ( M) = = ≈ 0, 25 : c’est énorme…
P(T ) 0,0382
P(T ∩ M) 0,0015
b. PT ( M) = = ≈ 0,00155 : ouf… on a très peu de chances d’être malade sachant que le
P(T ) 0,9618
test est négatif, c’est rassurant.
1. 40. Exercice de base 2 : temps d’attente
Le bus passe toutes les quinze minutes à un arrêt précis. Un usager se présente à cet arrêt entre 7 heures et
7 heures 30. La variable aléatoire sera l'heure exacte de son arrivée à cet arrêt, uniformément répartie sur
l'intervalle [0 ; 30].
1. Quelle est la probabilité que l'usager attende moins de 5 minutes le prochain bus ?
2. Quelle est la probabilité qu'il attende plus de dix minutes ?
����������
La variable aléatoire est le temps uniformément réparti sur 30 minutes donc f(x) = 1/30.
1. L'attente n'est inférieure à cinq minutes que s'il arrive entre 7 h 10 et 7 h 15 ou entre 7 h 25 et 7 h 30. On
30 1 1 1 1
a donc p(10 ≤ X ≤ 15) = p(25 ≤ X ≤ 30) =
∫
25 30
dx = , soit la probabilité cherchée égale à 2. = .
6 6 3
1
2. De même on a p(0 ≤ X ≤ 5) + p(15 ≤ X ≤ 20) = .
3
1. 41. Exercice de base 3 : attente
On suppose que la durée d'une conversation téléphonique, mesurée en minutes, est la variable
�
exponentielle de paramètre . Vous arrivez à une cabine téléphonique et juste à ce moment précis, une
��
personne passe devant vous.
1. Quelle est la probabilité que vous attendiez plus de dix minutes ?

Page 37 of 295
2. Quelle est la probabilité que vous attendiez entre dix et vingt minutes ?
����������
1
− × 10
1. L'attente est supérieure à dix minutes, on a p( X > 10) = e 10 = e−1 ≈ 0,37 .
20 x
1 − 10
2. De même on a p(10 ≤ X ≤ 20) = p(10 ≤ X ≤ 20) =
∫10 10
e dx = e−1 − e−2 ≈ 0,23 .

1. 42. Exercice de base 4 : ABS

On s'intéresse à la présence sur les véhicules d'un parc automobile des trois dispositifs de sécurité suivants :
ABS ; Air Bags ; Correcteur de trajectoire.
On sait que 7 véhicules ne sont munis d'aucun de ces dispositifs, alors que 18 véhicules sont munis des
trois dispositifs.
Tous les véhicules munis d'un correcteur de trajectoire sont munis aussi d'au moins un autre dispositif de
sécurité.
305 véhicules disposent de deux dispositifs de sécurité au moins.
298 véhicules disposent de l'ABS, 428 véhicules disposent d'air bags et 122 véhicules disposent des deux.
Enfin 87 véhicules disposent de l'ABS et d'un correcteur de trajectoire.
1. Représenter ces données par un diagramme.
2. Quel est le nombre total de véhicules de ce parc automobile ?
3. Quel est le nombre de véhicules de ce parc disposant d'un et d'un seul dispositif de sécurité ?
4. Quel est le nombre de véhicules de ce parc disposant d'au plus un dispositif de sécurité ?
����������
1. x = card(ABS ∩ Correct) , y = card(ABS ∩ Airbag) , z = card(Correct ∩ Airbag) , k = card(Correct) .

Airbag
428
y
ABS 7
298
18 z
x

Correct.
k

Tous les véhicules munis d'un correcteur de trajectoire sont munis aussi d'au moins un autre dispositif de
sécurité : k = x + z − 18 ; 305 véhicules disposent de deux dispositifs de sécurité au moins :
( x − 18) + ( y − 18) + ( z − 18) + 18 = 305 ; 122 véhicules disposent d’ABS et d’Airbag : y = 122 ; 87 véhicules
disposent de l'ABS et d'un correcteur de trajectoire : x = 87 .
( x − 18) + ( y − 18) + ( z − 18) + 18 = 305 ⇔ 69 + 104 + z = 305 ⇔ z = 132 .

Page 38 of 295
k = x + z − 18 = 87 + 132 − 18 = 201 .
2. Au total on a
107+192+0+104+114+69+18+7
= 611 véhicules. Airbag
3. 107+192+0 = 299. 192
4. Heu, le contraire c’est aucun, 104
ABS 7
non ? C’est pas ça, au plus un c’est
0 ou 1, donc ça fait 299+7 = 306. 107
18 114
69

Correct.
0

1. 43. Cubes pour enfants

Une boîte contient 8 cubes :
• 1 gros rouge et 3 petits rouges,
• 2 gros verts et 1 petit vert,
• 1 petit jaune.

Un enfant choisit au hasard et simultanément 3 cubes de la boîte. On admettra que la probabilité de tirer
un cube donné est indépendante de sa taille et de sa couleur.
Les résultats seront donnés sous forme de fraction irréductible.
1. On note A l'événement : "Obtenir des cubes de couleurs différentes" et B l'événement : "Obtenir au plus
un petit cube".
a. Calculer la probabilité de A.
2
b. Vérifier que la probabilité de B est égale à .
7
2. Soit X la variable aléatoire donnant le nombre de petits cubes rouges tirés par l'enfant.
a. Déterminer la loi de probabilité de X.
b. Calculer l'espérance mathématique de X.
3. L'enfant répète 5 fois l'épreuve "tirer simultanément 3 cubes de la boîte", en remettant dans la boîte les
cubes tirés avant de procéder au tirage suivant. Les tirages sont indépendants.
On note p la probabilité que l'événement B soit réalisé.
a. Déterminer la probabilité que B soit réalisé au moins une fois à l'issue des 5 épreuves.
b. Déterminer la probabilité que l'événement B soit réalisé exactement 3 fois.
����������
 8  8×7 ×6
Préliminaire : il y a   = = 8 × 7 = 56 éventualités, c'est-à-dire 56 façons de tirer les 3 cubes.
3 3× 2

Page 39 of 295
1. Obtenir des cubes de couleur différente revient à obtenir 1 rouge ET 1 vert ET 1 jaune, c'est-à-dire
4 3
 1  ×  1  ×1
4 × 3 ×1 3
obtenir un rouge parmi les 4, et 1 vert parmi les 3 et le jaune : p( A) =     = = .
8 56 14
3
 
Obtenir au plus un petit cube c'est n'en obtenir aucun OU en obtenir un seul.
3 5 3
 3   1 × 2 
1 5 × 3 16 2
p( B) =   +     = + = = .
8 8 56 56 56 7
3 3
   
En effet, n'obtenir aucun cube, c'est prendre les 3 gros, et il n'y a qu'une possibilité (3 parmi les 3) OU n'en
prendre qu'un (parmi les 5) ET prendre 2 gros cubes (parmi les 3).
2.a. La variable aléatoire donne le nombre de petis cubes rouges tirés ; il y en en trois en tout, on peut donc
en tirer 0, 1, 2 ou 3.
3 5 5× 4× 3
 0  ×  3  1×
• Aucun petit cube rouge: p( X = 0) =     = 3 × 2 = 10 = 5 .
8 56 56 28
3
 
3 5 5×4
 1 × 2  3×
• Un seul petit cube rouge p( X = 1) =     = 2 = 30 = 15 .
8 56 56 28
3
 
3 5
 2 × 1 
3 × 5 15
• Deux petits cubes p( X = 2) =     = = .
8
  56 56
3
 
3 5
 3 × 0 
1× 1 1
• Trois petits cubes rouges p( X = 3) =     = = .
8
  56 56
3
 
Loi de probabilité :
xk = ( X = k) 0 1 2 3 Somme Σ
5 15 15 1
pk = p(X = k) 1
28 28 56 56
15 15 3 63 9
pk xk 0 =
28 28 56 56 8

∑
k= 3 15 15 3 9
2.b. E( X ) = pk xk = + + = .
k =0 28 28 56 8
3. Les événements sont indépendants. Il s'agit d'un schéma de Bernouilli. avec :
• Succès : "Obtenir au plus un petit cube."
• p = p(S) = 2/7 (Voir question 1.)
• Il y a 5 épreuves.
• On obtient k succès lors des n épreuves.

Page 40 of 295
 k 5− k
5  5  2   5 
p(Y = k) =   p k (1 − p)5 − k =      .
k  k  7   7 
a. On veut obtenir au moins un succès lors des 5 épreuves. On appelle Y la variable aléatoire qui donne le
nombre de succès lors des 5 épreuves. Il s'agit de calculer p(Y ≥ 1) ou encore 1 – p(Y = 0) :
5
5 5 13682
p(Y ≥ 1) = 1 − p(Y = 0) = 1 −   p0 (1 − p)5 −0 = 1 −   = ≈ 0,8141 .
0
  7
  16807
3 2
5 5  2  5  2000
b. p(Y = 3) =   p3 (1 − p)5 −3 =   ×   ×   = ≈ 0,1190 .
3
  3
   7   7  16807

1. 44. Urne
Une urne contient quatre jetons numérotés de 1 à 4.
On tire au hasard un jeton de l'urne, on lit le numéro, noté a, porté sur le jeton, puis on remet le jeton tiré
dans l'urne.
On tire ensuite un deuxième jeton de l'urne, et on note b le numéro du jeton tiré.
On note G l'événement : "La partie est gagnée", lorsque la somme des numéros a et b est égale à 5.
1
1. Montrer que la probabilité de gagner est égale à .
4
2. Deux personnes A et B jouent au jeu suivant, constitué d'un certain nombre de parties identiques
décrites ci-après : au cours d'une partie, chaque joueur effectue le tirage de deux jetons décrit dans la
question 1.
Si A gagne et B perd, A est déclaré vainqueur, et le jeu s'arrête, si A perd et B gagne, B est déclaré vainqueur,
et le jeu s'arrête, dans les autres cas, les joueurs entreprennent une nouvelle partie ; le jeu continue.
Pour tout entier n, on désigne les événements suivants :
An : "A gagne la nième partie".
Bn : "B gagne la nième partie".
Cn : "Le jeu continue après la nième partie."
a. Calculer les probabilités p(A1), p(B1), et p(C1).
n
5
b. Exprimer p(Cn+1) en fontion de p(Cn) et montrer que p(Cn ) =   .
8
n−1
3 5
c. Exprimer p(An+1) en fonction de p(Cn) et en déduire que p( An ) = × 
16  8 
d. Déterminer la limite de p(An) quand n tend vers +∞.
e le plus petit entier n tel que p(An) soit inférieur ou égal à 0,01.
����������
1. Il y a 4 possibilités pour le premier jeton ET 4 possibilités pour le second, soit 4 × 4 = 16 éventualités.
Pour gagner une partie, la somme doit être égale à 5. C'est-à-dire avoir l'un des couples suivants (1 ; 4),
(2 ; 3), (3 ; 2), (4 ; 1), soit 4 des 16 éventualités. p(G) = 1/4.
2. a. Pour une partie donnée la situation peut être représentée par un arbre.
3 3 10 5
Pour calculer p(C1), on a : p(C1) = 1 – [p(A1) + p(B1)] = 1 − − = = ou encore, en utilisant l'arbre :
16 16 16 8
1 1 3 3 1 9 10 5
p(C1 ) = × + × = + = = .
4 4 4 4 16 16 16 8

Page 41 of 295
 ��� On rejoue.
� � ��
�� �
�� �

� ��
���� �� � �
� � �� �
�� � � ��
�� ��� A gagne 1 3 3
� p( A1 ) = × =
� �� 4 4 16
�
��
��� �
���
�� � �
�� �� �� 3 1 3
�� � �� � B gagne p( B1 ) = × =
�� �� �
4 4 16
��
��
�� � �
��� �
��
��� On rejoue
��
��

2.b.

On peut représenter les parties avec un nouvel arbre

dont les branches se terminent lorsque l'un ou
l'autre des joueurs A et B a gagné. Dans le cas
�� contraire, une nouvelle ramification se crée.

��

�� ��

��

�� ����
�� ��
�� ����

��
����
(fig 1) (fig 2)
Pour chaque branche, la probabilité que l'on rejoue sachant que personne n'a gagné au tour précédent est de
5 5 5 5
. On a donc p(Cn+1) = ×p(Cn). C'est une suite géométrique de raison et de premier terme , on
8 8 8 8
n
5
 
obtient p(Cn ) =   .
8
n n−1
3 3 5 3 5
2.c. De la même façon on a (fig.2) p( An+1 ) = × p(Cn ) = ×   d'où p( An ) = ×   .
16 16  8  16  8 

Page 42 of 295
 n−1
3 5 5
2.d. lim p( An ) = lim ×  = 0 car <1.
n→+∞ n→+∞ 16  8  8
2.e.
1
n−1 n−1 n−1
3 5 5 100 5 16 5 16
×  < 0, 01 ⇔   < ⇔  < ⇔ (n − 1)ln < ln
16  8  8 3 8
  300 8 300
16
16
ln
⇔ n−1 > 300 ≈ 6, 2 ⇔ n > 7, 2.
5
ln
8
5
(On change de sens car ln < 1)
8
On déduit que le plus petit entier naturel n tel que p(An) soit inférieur ou égal à 0,01 est n = 8.
1. 45. Tulipes
Un lot de tulipes a un pouvoir germinatif de 80% ; cela signifie que l'on considère que chaque bulbe a une
4
probabilité égale à de produire une fleur et cela indépendamment des autres bulbes.
5
Chaque bulbe contient l'un des trois gènes R (rouge), B (blanc) et J (jaune) qui détermine la couleur de la
future fleur éventuelle.
1
On suppose que la probabilité pour qu'un bulbe possède le gène R est , la probabilité pour qu'un bulbe
2
1 2
possède le gène B est , et la probabilité pour qu'un bulbe possède le gène J est .
10 5

1. a. Tracer un arbre pondéré traçant la floraison d'un bulbe.

b. Quelle est la probabilité pour qu'un bulbe planté produise une fleur rouge ?
c. Quelle est la probabilité pour qu'un bulbe planté produise une fleur blanche ?
2. On appelle X la variable aléatoire qui associe le nombre k de fleurs rouges obtenues après avoir planté 5
bulbes.
a. Démontrer qu'il s'agit d'un schéma de Bernouilli dont on donnera les éléments caractéristiques.
b. Déterminer la loi de probabilité de X.
c. Calculer E(X).
3. Soit n un entier supérieur ou égal à 1.
On désigne par pn la probabilité de n'obtenir aucune tulipe blanche après avoir planté n bulbes.
Calculer pn.
4. Combien de bulbes doit-on planter, au minimum, pour obtenir au moins une tulipe blanche, avec une
19
probabilité supérieure ou égale à ?
20
����������

Page 43 of 295
 ���∩��������������
�� �
���
�� �
�
��������� � ���∩���������������

��
� ���
��
�
�

�
��
��

� ���∩���������������
�
��
��
��
��
��

b. p( F ∩ R) = p( F ) × pF ( R) = 0,8 × 0, 5 = 0, 4 .
c. p( F ∩ B) = p( F ) × pF ( B) = 0,8 × 0,1 = 0,08 .
2.a. * Le succès est obtenir une fleur Rouge, il y a n = 5 épreuves, il y a k succès : p = p( F ∩ R) = 0, 4 .
b.
5 5
p( X = 0) =   (0, 4)0 × (0, 6)5 = 0, 07776, p( X = 1) =   (0, 4)1 × (0, 6)4 = 0, 2592,
0
  1
5 5
p( X = 2) =   (0, 4)2 × (0, 6)3 = 0, 3456, p( X = 3) =   (0, 4)3 × (0, 6)2 = 0, 2304,
2 3
5 5
p( X = 4) =   (0, 4)4 × (0, 6)1 = 0, 0768, p( X = 5) =   (0, 4)5 × (0, 6)0 = 0, 01024.
4 5
X = xi 0 1 2 3 4 5
p(X = xi) 0,0776 0,2592 0,3456 0,2304 0,0768 0,01024
pi × xi 0 0,2592 0,6912 0,6912 0,3072 0,0512
5
E( X ) = ∑p ×x = 2.
i =1
i i

 n
3. On a répété n fois l'expérience, et on n'a obtenu aucune fleur blanche : pn ( X = 0) =   (0,08)0 × (0,92)n .
0
4. Le contraire de "au moins une fleur blanche" est "aucune fleur blanche" : cette probabilité est donc
p = 1 − pn = 1 − 0,92n . Il faut donc que
19 19 1 1 − ln 20
1 − 0,92n ≥ ⇔ 0,92n ≤ 1 − ⇔ 0,92n ≤ ⇔ ln 0,92n ≤ ln ⇔ n ln 0,92 ≤ − ln 20 ⇔ n ≥ ≈ 35,9 .
20 20 20 20 ln 0,92
On doit donc planter au minimum 36 fleurs pour avoir une probabilité supérieure à 19/20 d'obtenir une
fleur Blanche.
1. 46. Jetons
Un sac contient 10 jetons indiscernables au toucher : - 4 jetons blancs marqués 0 ;
�� 3 jetons rouges marqués 7 ;
�� 2 jetons blancs marqués 2 ;
�� 1 jeton rouge marqué 5.

Page 44 of 295
1. On tire simultanément 4 jetons du sac. Quel est le nombre de tirages possibles.
2. On considère que tous les tirages sont équiprobables et on considère les événements suivants :
A : "Les 4 numéros sont identiques."
B : "Avec les jetons tirés on peut former le nombre 2000."
C : "Tous les jetons sont blancs."
D : "Tous les jetons sont de la même couleur."
E : "Au moins un jeton porte un numéro différent des autres."
a. Calculer la probabilité de B
b. Calculer la probabilité des événements A, C, D et E.
c. On suppose que l'événement C est réalisé, calculer alors la probabilité de l'événement B.
3. On établit la règle du jeu suivante :
Si le joueur peut former le nombre 7000 il gagne 75 ��
Si le joueur peut former le nombre 2000 il gagne 25 ��
Si le joueur peut former le nombre 0000 il perd 15 �.
Pour tous les autres tirages, il perd 5 �.
G est la variable aléatoire égale au gain du joueur. Etablir la loi de probabilité de G et calculer son espérance
mathématique.
����������
 10 
1. Il y a   = 210 tirages distincts possibles.
 4 
2 4
 1 × 3 
8 4
2. a. p( B) =     = = .
210 210 105
1
b. A n'est réalisé que lorsque les 4 jetons portent le numéro 0, il n'y a qu'une possibilité. p( A) = .
210
6
4
15 1
Il y a 6 jetons blancs. La probabilité est donc : p(C ) =   = = .
210 210 14
Les jetons peuvent être, soit tous blancs, soit tous rouges. Or il n'y a que 4 jetons rouges, donc une seule
1 16 8
possibilité qu'ils soient tous rouges : p( D) = p(C ) + = = .
210 210 105
Au moins un jeton porte un numéro différent des autres. Le contraire est "tous les jetons ont le même
209
numéro", qui n'est réalisé que pour le numéro 0. p( E) = 1 − p( A) = .
210
c. C est réalisé, c'est-à-dire tous les jetons sont blancs. On rappelle que 4 d'entre eux ont le numéro 0 et
deux d'entre eux, le numéro 2.
4
p( B ∩ C ) p( B) 105 8
Pour que B soit réalisé, la probabilité est donc de pC ( B) = = = = , en effet on a
p(C ) p(C ) 1 15
14
p( B ∩ C ) = p( B) car on ne peut former 2000 qu'avec des jetons blancs.

Page 45 of 295
 3 4
 1 × 3 
12 2 4
3. Pour 7000 : p(G = 75) =     = = ; pour 2000 : p(G = 25) = p( B) = ; pour
210 210 35 105
1  2 4 1  12 + 8 + 1 189
0000 : p(G = −15) = ; les autres : p(G = −5) = 1 −  + +  = 1− = .
210  35 105 210  210 210

G –15 –5 25 75
1 189 4 8 2 12
p(G = xi) = = 1
210 210 105 210 35 210
−15 −5 × 189 25 × 8 75 × 12 2
pi xi
210 210 210 210 3

−15 − 945 + 200 + 900 140 2

E(G)= = = ≈ 0,66 . Le joueur peut espérer gagner 0,66 centimes d'Euros par jeu :
210 210 3
celui-ci lui est légèrement favorable.
1. 47. Vie et mort de bactéries, concours Geipi 2001
Préambule : Soit t un entier positif. À l'instant t une bactérie vit dans un milieu de culture.
À l'instant suivant, t + 1, cette bactérie peut
1
* mourir avec une probabilité ,
4
1
* continuer à vivre avec une probabilité ,
4
1
* se diviser en deux bactéries identiques avec une probabilité .
2
Partie A
On suppose dans cette partie, qu'à l'instant t, il y a deux bactéries b1 et b2 dans le milieu de culture, chacune
se comportant de la même façon, décrite dans le préambule, et indépendamment l'une de l'autre.
On appelle X le nombre total de bactéries à l'instant suivant t + 1 .
1. Compléter le tableau donné, à l'aide du nombre n de bactéries restantes à l'instant t + 1 et de la
probabilité p de l'événement correspondant.

n = nombre de bactéries à t+1

p = probabilité qu’il y ait n
bactéries à t+1

2. Quelles sont les valeurs possibles prises par X ?

3. a. Décrire, à l'aide d'une phrase, l'événement { X = 2 }.
5
b. Justifier que la probabilité de l'événement { X = 2 } est égale à P( X = 2) = .
16
Partie B
On suppose dans cette partie qu'à l'instant 0 il y a une seule bactérie dans le milieu de culture, qui se
comporte comme décrit dans le préambule.
Ensuite, si à l'instant 1 il y a des bactéries, elles se comportent à l'instant suivant comme la bactérie initiale
et ceci indépendamment les unes des autres.
Si à un instant il n'y a plus de bactérie le processus d'évolution s'arrête.
On se propose d'étudier le nombre de bactéries à l'instant 2.

Page 46 of 295
1. Compléter l'arbre donnant toutes les possibilités pour le nombre de bactéries aux instants 1 et 2. Donner
sur chaque branche de l'arbre la probabilité correspondante.

1
t=0

1
4 ?… ?…

0 1 2
t=1

1 1
4 ?… ?… 16 5 ?…
1 ?… 16 ?…

0 0 ?… ?… 0 ?… 2 ?… ?…
t=2

2. On désigne par A1, l'événement « à l'instant 1 il y a une bactérie » et par B2 l'événement « à l'instant 2 il y a
deux bactéries ».
a. Donner la probabilité PA1 ( B2 ) qu'il y ait deux bactéries à l'instant 2 sachant qu'il y avait une bactérie à
l'instant 1.
b. Calculer la probabilité P( A1 ∩ B2 ) qu'il y ait une bactérie à l'instant 1 et deux bactéries à l'instant 2.
3. On désigne par A2 l'événement « à l'instant 1 il y a deux bactéries ».
a. Donner la probabilité PA2 ( B2 ) qu'il y ait deux bactéries à l'instant 2 sachant qu'il y avait deux bactéries
à l'instant 1.
b. Calculer la probabilité P( A2 ∩ B2 ) qu'il y ait deux bactéries à l'instant 1 et deux bactéries à l'instant 2.
4. Soit Y la variable aléatoire représentant le nombre de bactéries à l'instant 2.
a. Quelles sont les valeurs que peut prendre Y ?
b. Calculer la probabilité de l'événement { Y = 2 } .
c. Calculer la probabilité de l'événement { Y = 0 } .
d. Faire un tableau donnant la loi de probabilité de Y.
e. Calculer l'espérance E(Y) de Y.
����������
Résumons les probabilités données dans l’énoncé :
état meurt vit division
p 1/4 1/4 1/2
Partie A
1. Complétons le tableau suivant :
t+1 b1 vit b1 meurt b1 se divise total
1 1 1 1 1 1 1 1 1 1
b2 vit . = . = . =
4 4 16 4 4 16 2 4 8 4
1 1 1 1 1 1 1 1 1 1
b2 meurt . = . = . =
4 4 16 4 4 16 2 4 8 4
1 1 1 1 1 1 1 1 1 1
b2 se divise . = . = . =
2 4 8 2 4 8 2 2 4 2

Page 47 of 295
 1 1 1
total 1
4 4 2
Qui nous permet simplement de compléter celui demandé : il y aura donc les probabilités suivantes :
1
0 bactéries si les deux meurent : ;
16
1 1 1
1 bactérie si b1 meurt et b2 vit ou le contraire : + = ;
16 16 8
1 1 1 5
2 bactéries si b1 vit et b2 vit ou b1 se divise et b2 meurt ou le contraire : + + = ;
16 8 8 16
1 1 1
3 bactéries si b1 vit et b2 se divise ou le contraire : + = ;
8 8 4
1
4 bactéries si b1 se divise et b2 se divise : .
4
n=nombre de bactéries à t+1 0 1 2 3 4 total
p=probabilité qu’il y ait n 1 1 5 1 1
1
bactéries à t+1 16 8 16 4 4

2. X peut donc prendre les valeurs 0, 1, 2, 3 ou 4.

3. a. L'événement {X = 2} signifie qu’il y a deux bactérie à l’instant t+1.
b. P{X = 2} = probabilité que b1 vit et b2 vit ou b1 se divise et b2 meurt ou le
1 1 1 1 1 1 1+ 2 + 2 5
contraire = . + . + . = = .
4 4 2 4 4 2 16 16
Partie B
1. Pratiquement toutes les réponses de l’arbre sont connues puisque s’il y a 1 bactérie à l’instant 1 on est
dans la situation de l’énoncé et s’il y en a 2 on est dans la situation de la partie A :

1
t=0

1
1 1
4
4 2

0 1 2
t=1
1
1 1 1 1 4
4 1 2 16 8 5 1
4 16 4
1
0 0 1 2 0 1 2 3 4
t=2

2. a. PA1 ( B2 ) est la probabilité qu’il y ait 2 bactéries à l’instant 2 sachant qu’il y en a 1 à l’instant 1 : on est
1
sur la branche 1-1-2 de l’arbre mais on ne s’intéresse qu’à ce qui se passe entre t=1 et t=2 : PA1 ( B2 ) = .
2

Page 48 of 295
 1 1 1
P( A1 ∩ B2 ) = PA1 ( B2 ) × P( A1 ) = × = ; en fait on multiplie les probabilités de chaque bout de branche
2 4 8
de l’arbre. b.
5
3. a. PA2 ( B2 ) = probabilité de la branche 1-2-2 limitée au deuxième segment = .
16
1 5 5
b. P( A2 ∩ B2 ) = PA2 ( B2 ) × P( A2 ) =
× = .
2 16 32
4. a. Y peut prendre les valeurs 0, 1, 2, 3 ou 4 comme X.
1 5 9
b. P({ Y = 2 })= P( A1 ∩ B2 ) + P( A2 ∩ B2 ) = + = .
8 32 32
1 1 1 1 1 11
c. P({ Y = 0 })= .1 + . + . = .
4 4 4 2 16 32
d. Loi de probabilité de Y :

Y=nombre de bactéries à t=2 0 1 2 3 4 total

P=probabilité qu’il y ait Y 11 4 9 4 4
1
bactéries à t=2 32 32 32 32 32
11 4 9 4 4 50 25
e. E(Y ) = 0. + 1. + 2. + 3. + 4. = = = 1, 5625 .
32 32 32 32 32 32 16
1. 48. Contrôle de qualité, Polynésie 2005
3 points
Une usine d’horlogerie fabrique une série de montres. Au cours de la fabrication peuvent apparaître deux
types de défauts, désignés par a et b. 2 % des montres fabriquées présentent le défaut a et 10 % le défaut b.
Une montre est tirée au hasard dans la production. On définit les évènements suivants :
A : « la montre tirée présente le défaut a » ;
B : « la montre tirée présente le défaut b » ;
C : « la montre tirée ne présente aucun des deux défauts » ;
D : « la montre tirée présente un et un seul des deux défauts ».
On suppose que les évènements A et B sont indépendants.
1. Montrer que la probabilité de l’évènement C est égale à 0,882.
2. Calculer la probabilité de l’évènement D.
3. Au cours de la fabrication, on prélève au hasard successivement cinq montres. On considère que le
nombre de montres fabriquées est assez grand pour que l’on puisse supposer que les tirages se font avec
remise et sont indépendants.
Soit X la variable aléatoire qui, à chaque prélèvement de cinq montres, associe le nombre de montres ne
présentant aucun des deux défauts a et b. On définit l’évènement E : « quatre montres au moins n’ont
aucun défaut ».
Calculer la probabilité de l’évènement E. On en donnera une valeur approchée à 10 −3 près.
����������
1. Comme A et B sont indépendants on a p( A ∩ B) = p( A)p( B) = 0, 02 × 0,1 ; on en déduit donc que
p(C) = 1 − p( A ∪ B) = 1 − [ p( A) + p( B) − p( A ∩ B) ] = 1 − 0, 02 − 0,1 + (0, 02 × 0,1) = 0,882 .
2. Il y a 0,02 − 0,002 = 0,018 chances de tomber sur une montre n’ayant que le défaut a ; de même il y a
0,1 − 0,002 = 0,098 chances de tomber sur une montre n’ayant que le défaut b ; on a donc
p( D) = 0, 018 + 0, 098 = 0,116 .
3. X suit une loi binomiale B(5 ; 0, 882) ;

Page 49 of 295
 5 5
p( E) = p( X ≥ 4) = p( X = 4) + p( X = 5) =   0,8824 0,1181 +   0,8825 0,1180 ≈ 0,891 .
4 5
1. 49. Erreurs d’impression, Am. du Sud 1999
5 points
Un appareil électronique envoie à une imprimante un code qui est un nombre de quatre chiffres, chaque
chiffre ne pouvant prendre que les valeurs 0 ou 1 (par exemple : 1011).
1. a. Combien l’appareil peut-il fabriquer de codes distincts ?
On supposera dans ce qui suit que tous ces codes ont la même probabilité d’être produits.
b. Soit X la variable aléatoire représentant le nombre de 1 figurant dans le code. Donner la loi de probabilité
de X et calculer son espérance mathématique.
2. Une imprimante a été choisie au hasard dans une série.
À la suite d’études antérieures, on a observé cinq cas possibles. Dans le cas E 0, l’imprimante n’écrit que des
0, quel que soit le code émis par l’appareil. Pour chaque élément n de l’ensemble {1, 2, 3}, dans le cas E n
l’imprimante écrit correctement les n premiers caractères du code et n’écrit ensuite que des 0.
Par exemple, lorsque E2 survient, tous les codes commençant par 01 sont imprimés 0100. Dans le cas E 4,
l’imprimante fonctionne correctement.
L’état de l’imprimante sera donc considéré comme le résultat d’une épreuve aléatoire ayant cinq issues
possibles E0, E1, E2, E3, E4.
On admet que, pour chaque élément n de l’ensemble {0, 1, 2, 3}, P ( En ) = 32 × 10 −3 . Le code émis par
l’appareil est indépendant de l’état de l’imprimante.
a. Calculer la probabilité P(E4). Pour la suite, C désigne l’évènement : « le code imprimé est identique à celui
émis par l’appareil ».
b. On suppose que E0 se produit. Quelle est la probabilité PE
0
( C ) que le code imprimé soit quand même
celui que l’appareil a envoyé ? En déduire la probabilité P ( C ∩ E0 ) .

c. Déterminer de même PEn ( C ) puis P ( C ∩ En ) pour tout élément n de l’ensemble {1, 2, 3, 4}.
En déduire P(C).
d. Si le code imprimé est exactement celui émis par l’appareil, quelle est la probabilité que E 2 se soit
produit ?
�����������
1. a. Il y a deux possibilités pour chaque chiffre, soit 2 4=16.
 1
b. X peut prendre les valeurs 0, 1, 2, 3 ou 4. La loi de X est une loi binomiale B  4,  . Son espérance est
 2
1
np = 4. = 2 .
2
2. P ( En ) = 32 × 10 −3 .
3
a. P ( E 4 ) = 1 − ∑P( E
n=0
n ) = 1 − 4 × 32 × 10 −3 ≈ 0,872 .

b. Si E0 s’est produit, l’imprimante n’a marqué que des 0, il fallait donc que l’appareil envoie la séquence
1 1
0000 : PE ( C ) = . On en déduit P ( C ∩ E0 ) = PE ( C ) × P ( E0 ) = × 0,032 = 0,002 .
0 16 0 16
c. On résume les résultats dans un tableau.
n Séquences correctes PEn ( C ) P ( C ∩ En )

Page 50 of 295
 1
0 0000 0,002
16
2
1 0000, 1000 0,004
16
4
2 0000, 1000, 0100, 1100 0,008
16
0000, 1000, 0100, 1100, 8
3 0,0016
0010, 0110, 1010, 1110 16
16
4 0000, …., 1111 0,872
16
4
P( C) = ∑P( C∩E
n=0
n ) = 0,002 + 0,004 + 0,008 + 0,016 + 0,872 = 0,902 .

P ( C ∩ E2 ) 0,008
d. On cherche PC ( E2 ) = = ≈ 0,0089 .
P( C ) 0,902

1. 50. Contrôle de chaudières, Antilles 2002

4 points
Pour entretenir en bon état de fonctionnement ses installations de chauffage, une société immobilière fait
contrôler les chaudières de son parc de logements pendant l’été.
On sait que 20 % des chaudières sont sous garantie.
1
Parmi les chaudières sous garantie, la probabilité qu’une chaudière soit défectueuse est de .
100
Parmi les chaudières qui ne sont plus sous garantie, la probabilité qu’une chaudière soit défectueuse est
1
de .
10
On appelle G l’événement : « la chaudière est sous garantie » ;
on appelle D l’événement : « la chaudière est défectueuse ».
1. Calculer la probabilité des évènement suivants :
A : « la chaudière est garantie et est défectueuse » ;
B : « la chaudière est défectueuse ».
2. Dans un logement la chaudière est défectueuse. Montrer que la probabilité qu’elle soit sous garantie est
1
de .
41
3. Le contrôle est gratuit si la chaudière est sous garantie.
Il coûte 80 euros si la chaudière n’est plus sous garantie et n’est pas défectueuse.
Il coûte 280 euros si la chaudière n’est plus sous garantie et est défectueuse.
On note X la variable aléatoire qui représente le coût du contrôle d’une chaudière. Déterminer la loi de
probabilité de X et son espérance mathématique.
4. Au cours de la période de contrôle, on a trouvé 5 chaudières défectueuses. Quelle est la probabilité qu’au
moins l’une d’entre elles soit sous garantie ?
����������
1. Le texte donne p ( G ) = 0, 2 , pG ( D ) = 0,01 et pG ( D ) = 0,1 .
p ( A ) = p ( G ∩ D ) = p ( G ) × pG ( D ) = 0,2 × 0,01 = 0,002 ;

( ) ( )
p ( D ) = p ( G ∩ D ) + p G ∩ D = p ( G ) × pG ( D ) + p G × pG ( D ) = 0,002 + 0,8 × 0,1 = 0,082 .

Page 51 of 295
 p( D ∩ G ) 0,002 2 1
2. On cherche pD ( G ) = = = = .
p( D ) 0,082 82 41
3. X peut prendre les valeurs 0, 80 ou 280 ;
p ( X = 0 ) = p ( G ) = 0, 2 ;

( ) ( ) ( )
p ( X = 80 ) = p G ∩ D = p G pG D = 0,8 × ( 1 − 0,1 ) = 0,72 ;

p ( X = 280 ) = p ( G ∩ D ) = p ( G ) pG ( D ) = 0,8 × 0,1 = 0,08 .

E ( X ) = 0,2 × 0 + 0,72 × 80 + 0,08 × 280 = 80 .

4. Soit N le nombre de chaudières sous garantie parmi les chaudières défectueuses : N suit une loi
1
binomiale de paramètres n = 5 , p = pD ( G ) = .
41
La probabilité cherchée est
5 5
5  1   40 
p ( N ≥ 1 ) = 1 − p ( N = 0 ) = 1 −   p0 ( 1 − p ) = 1 −  1 −
5
0  = 1−   ≈ 0,116 .
   41   41 
1. 51. Clefs et portes, Pondicherry 2000
4 points
Un professeur se trouve en possession de 5 clefs de salles. Il se tient devant une porte et il sait que, parmi
ses 5 clefs, 2 n’ouvrent pas la porte parce qu’elles sont défectueuses mais les autres le peuvent. Il veut alors
les tester toutes, une à une.
Le choix des clefs est effectué au hasard et sans remise.
On appelle clef numéro x la clef utilisée au x-ième essai.
1. On appelle D1 l’évènement : « La clef numéro 1 n’ouvre pas la porte ». Calculer sa probabilité.
2. On appelle D2 l’évènement : « La clef numéro 2 n’ouvre pas la porte ». Calculer la probabilité que
l’évènement D2 se réalise, sachant que l’évènement D1 est réalisé.
En déduire la probabilité de l’évènement D1 ∩ D2 . On pourra, pour la suite de l’exercice, s’aider d’un arbre
pondéré.
3. Quelle est la probabilité de l’événement : « Les clefs numéros 1 et 2 ouvrent la porte et la clef numéro 3
ne l’ouvre pas » ?
4. Pour 1 ≤ i < j ≤ 5 , on note (i ; j) l’événement : « Les clefs qui n’ouvrent pas la porte sont les clefs
numéros i et j », et P(i ; j) la probabilité de cet évènement.
a. Calculer P(2 ; 4).
b. Calculer P(4 ; 5).
�����������
2
1. Comme 2 clefs n’ouvrent pas sur les 5, P ( D1 ) = .
5
1 2 1 1
2. Il reste alors 4 clefs dont 1 n’ouvre pas : PD1 ( D2 ) = . P ( D1 ∩ D2 ) = P ( D1 ) PD1 ( D2 ) = × = .
4 5 4 10
3 2 2
(
3. On cherche P D1 ∩ D2 ∩ D3 = ) × × .
5 4 3
4. a. & b.
(O, N)=(3, 2) Ouvre (2, 2) N’ouvre pas (2, 1) Ouvre (1, 1) N’ouvre pas (1, 0) Ouvre (0, 0)
Probabilité 3/5 2/4 2/3 1/2 1/1
(O, N)=(3, 2) Ouvre (2, 2) Ouvre (1, 2) Ouvre (0, 2) N’ouvre pas (0, 1) N’ouvre pas (0, 0)
Probabilité 3/5 2/4 1/3 2/2 1/1

Page 52 of 295
 3 2 2 1 1 12 3 2 1 2 1 12
Soit les probabilités : P ( 2 ; 4 ) = × × × × = et P ( 4 ; 5 ) = × × × × = .
5 4 3 2 1 120 5 4 3 2 1 120
1. 52. Boules, Centres étrangers 2000
5 points
Les deux questions de cet exercice sont indépendantes et on donnera les réponses sous forme de fractions.
Une urne contient 6 boules bleues, 3 boules rouges, et 2 boules vertes, indiscernables au toucher.
1. On tire simultanément au hasard 3 boules de l’urne.
a. Calculer la probabilité de chacun des évènements suivants :
E1 : « Les boules sont toutes de couleurs différentes. »
E2 : « Les boules sont toutes de la même couleur. »
b. On appelle X la variable aléatoire qui, à tout tirage de trois boules associe le nombre de boules bleues
tirées.
Établir la loi de probabilité de X.
Calculer l’espérance mathématique de X.
2. Soit k un entier supérieur ou égal à 2.
On procède cette fois de la façon suivante : on tire au hasard une boule de l’urne, on note sa couleur, puis
on la replace dans l’urne avant de procéder au tirage suivant.
On effectue ainsi k tirages successifs.
Quelle est la valeur minimale de k pour que la probabilité de ne tirer que des boules bleues soit au moins
mille fois plus grande que la probabilité de ne tirer que des boules rouges ?
����������
Une urne contient 6 boules bleues, 3 boules rouges, et 2 boules vertes, indiscernables au toucher.
 11  11.10.9
1. Nombre de possibilités :   = = 165 .
 3  3.2.1
a. E1 : « Les boules sont toutes de couleurs différentes » : on tire 3 parmi les bleues ou 3 parmi les rouges,
 6  3  2 
   
1 1 1 6.3.2 36
soit P ( E1 ) =     = = .
165 165 165
E2 : « Les boules sont toutes de la même couleur » : on tire une boule parmi chaque couleur :
6 3
 3 + 3
20 + 1 21
P ( E2 ) =     = = .
165 165 165
 6  5 
  
k 3−k
b. X peut prendre les valeurs 0, 1, 2 ou 3 : P ( X = k ) =   .
165
10 60 75 20 270
Les calculs donnent : E ( X ) = 0. + 1. + 2. + 3. = ≈ 1,64 .
165 165 165 165 165
2. Il s’agit pour les bleues comme pour les rouges de lois binomiales donnant la probabilité de tirer m boules
k
 6   6 
d’une couleur donnée sur k tirages ; pour les bleues : B  k,  , P ( k bleues ) =   , et pour les rouges :
 11   11 
k k k
 3   3   6   3 
 , P ( k rouges ) = 
k
B  k,  ; il faut donc résoudre   ≥ 1000   ⇔ 2 ≥ 1000 ⇔ k ≥ 10 .
 11   11   11   11 
1. 53. Cinéma, Antilles 2000
4 points

Page 53 of 295
Un groupe de vingt-deux personnes décide d’aller au cinéma deux samedis de suite pour voir deux films A
et B.
Le premier samedi, huit personnes vont voir le film A, et les autres vont voir le film B.
Le deuxième samedi, quatre personnes décident de revoir le film A, deux vont revoir le film B, et les autres
vont voir le film qu’elles n’ont pas vu la semaine précédente.
Après la deuxième séance, on interroge au hasard une personne de ce groupe. On considère les évènements
suivants :
A1 « la personne interrogée a vu le film A le premier samedi » ;
A2 « la personne interrogée a vu le film A le deuxième samedi » ;
B1 « la personne interrogée a vu le film B le premier samedi » ;
B2 « la personne interrogée a vu le film B le deuxième samedi ».
1. a. Calculer les probabilités suivantes : p(A1) et p(A2).
b. Calculer les probabilités de chacun des évènements suivants : p A1 ( A2 ) , pB1 ( A2 ) et p ( A1 ∩ A2 ) .
c. Reproduire et compléter l’arbre pondéré suivant, en remplaçant chaque point d’interrogation par la
probabilité correspondante. Aucune justification n’est demandée pour cette question.

? A2 ?

? A1
? B2 ?

A2 ?
?
?
B1

? B2 ?

8
d. Retrouver à partir de l’arbre pondéré que p ( A2 ) = .
11
2. Le prix du billet pour le film A est de 30 F et de 20 F pour le film B.
On appelle X la variable aléatoire égale au coût total, pour la personne interrogée, des deux séances de
cinéma.
a. Déterminer la loi de probabilité de la variable aléatoire X.
b. Déterminer l’espérance mathématique de la variable aléatoire X.
�����������
A B Total
Samedi 1 8 14 22
Samedi 2 4 (A)+12 (B) 2 (B) +4 (A) 22
Total 24 20 44
8 4 16 8
1. a. p ( A1 ) = = ; p ( A2 ) = = .
22 11 22 11
4 1 12 6 4 1 2
b. pA1 ( A2 ) = = , pB1 ( A2 ) = = , p ( A1 ∩ A2 ) = p ( A1 ) p A1 ( A2 ) = × = .
8 2 14 7 11 2 11
c.
A2 sachant A1 : 4/8 A2 et A1 : 2/11
A1 : 8/22=4/11

Page 54 of 295
 B2 sachant A1 : 4/8 B2 et A1 : 2/11

A2 sachant B1 : 12/14 A2 et B1 : 6/11

B1 : 14/22=7/11
B2 sachant B1 : 2/14 B2 et B1 : 1/11

2 6 8
d. p ( A2 ) = p ( A1 ∩ A2 ) + p ( B1 ∩ A2 ) = + = .
11 11 11
2. a. X peut prendre les valeurs 40, 50 ou 60 F.
X 40 (B, B) 50 (A, B) ou (B, A) 60 (A, A)
1 6 2 8 2
PX + =
11 11 11 11 11

1 8 2 560
b. E ( X ) = 40 × + 50 × + 60 × = .
11 11 11 11
1. 54. Boules et fonction, Liban 2000
6 points
Une urne contient 10 boules indiscernables, 5 rouges, 3 jaunes, et 2 vertes.
Dans les questions 1 et 2 on tire au hasard et simultanément 3 boules de cette urne.
Les réponses seront données sous forme de fractions irréductibles.
1. Soit les évènements suivants :
A « Les trois boules sont rouges. »
B « Les trois boules sont de lamême couleur. »
C « Les trois boules sont chacune d’une couleur différente. »
a. Calculer les probabilités p(A), p(B) et p(C).
b. On appelle X la variable aléatoire qui à chaque tirage associe le nombre de couleurs obtenues.
Déterminer la loi de probabilité de X. Calculer E(X).
2. Dans cette question, on remplace les 5 boules rouges par n boules rouges où n est un entier supérieur ou
égal à 2. L’urne contient donc n + 5 boules, c’est-à-dire, n rouges, 3 jaunes et 2 vertes. On tire au hasard et
simultanément deux boules de cette urne. Soit les évènements suivants :
D « Tirer deux boules rouges. »
E « Tirer deux boules de la même couleur. »
n( n − 1 )
a. Montrer que la probabilité de l’événement D est p ( D ) = .
( n + 5 )( n + 4 )
b. Calculer la probabilité p(E) de l’évènement E en fonction de n.
1
Pour quelles valeurs de n a-t-on p ( E ) ≥ ?
2
����������
 10  10.9.8
1. Nombre de possibilités :  = = 120 .
 3  3.2.1
5 5 3  5  3  2 
3  +     
 = 1 p B =
, ( )  3   3  = 11 , p C =  1  1  1  = 30 = 1 .
a. p ( A ) = ( )
120 12 120 120 120 120 4

Page 55 of 295
 11 30 1
b. X peut prendre les valeurs 1, 2 ou 3 : p ( X = 1 ) = p ( B ) = ; p( X = 3 ) = p( C ) = = et
120 120 4
11 30 79
p( X = 2 ) = 1 − p( X = 1 ) − p( X = 3 ) = 1 − − = .
120 120 120
11 79 30 259
E ( X ) = 1. + 2. + 3. = ≈ 2,16 .
120 120 120 120
 n + 5  ( n + 5 )( n + 4 )
2. a. Nombre de tirages possibles :  = . Nombre de tirages possibles pour D :
 2  2
 n  n( n − 1 ) n( n − 1 )
2= . Après simplification on a p ( D ) = .
  2 ( 5 )( n + 4 )
n +
 n   3   2  n( n − 1 ) n2 − n + 8
b. E = 2 rouges ou 2 jaunes ou 2 vertes, soit   +   +   = + 3+1= d’où
2 2 2 2 2
n2 − n + 8 n2 − n + 8
p( E ) = = 2 .
( n + 5 )( n + 4 ) n + 9n + 20
1 n2 − n + 8 1
On a p ( E ) ≥ ⇔ 2 ≥ ⇔ 2n2 − 2n + 16 ≥ n2 + 9n + 20 ⇔ n2 − 11n − 4 ≥ 0 . Après résolution on a
2 n + 9n + 20 2
n ≥ 11,35 , soit n = 12.

1. 55. Jetons+VA, Polynésie 2000

Un sac contient 10 jetons indiscernables au toucher :
4 jetons blancs marqués 0 ;
3 jetons rouges marqués 7 ;
2 jetons blancs marqués 2 ;
1 jeton rouge marqué 5.
1. On tire simultanément 4 jetons du sac. Quel est le nombre de tirages possibles ?
2. On suppose que tous les tirages sont équiprobables, et on considère les évènements suivants :
A : « Les quatre numéros sont identiques ».
B : « Avec les jetons tirés, on peut former le nombre 2000 ».
C : « Tous les jetons sont blancs ».
D : « Tous les jetons sont de lamême couleur ».
E : « Au moins un jeton porte un numéro différent des autres ».
4
a. Montrer que la probabilité de l’évènement B est .
105
b. Calculer la probabilité des évènements A, C, D, E.
c. On suppose que l’évènement C est réalisé, calculer alors la probabilité de l’évènement B.
3. On établit la règle de jeu suivante :
− Si le joueur peut former 5 000, il gagne 75 F.
− Si le joueur peut former le nombre 7 000, il gagne 50 F.
− Si le joueur peut former le nombre 2 000, il gagne 20 F.
− Si le joueur peut former le nombre 0 000, il perd 25 F.
− Pour tous les autres tirages, il perd 5 F.
G est la variable aléatoire égale au gain algébrique du joueur.
Établir la loi de probabilité de G et calculer l’espérance mathématique de G.
�����������
 10  [Link]
1. Nombre de tirages possibles :  = = 210 .
 4  [Link]
2. a. Pour faire 2000 il faut tirer 1 blanc n°2 parmi 2 et 3 blancs n°0 parmi 4, soit 8 possibilités. La
8 4
probabilité de l’évènement B est p ( B ) = = .
210 105

Page 56 of 295
 6 6
4 2
1   =   = 15 = 1
b. A : 4 blancs 0 parmi 4 : p ( A ) = ; C : 4 blancs parmi 6, soit p ( C ) = ;
210 210 210 210 14
15 1 16 8
D : 4 blancs parmi 6 ou 4 rouges parmi 4, soit p ( D ) = + = = ;
210 210 210 105
209
E : événement contraire : tous les jetons ont le même numéro, soit A ; p ( E ) = 1 − p ( A ) = .
210
8
c. Le fait que C soit réalisé limite les tirages possibles à 15 ; on a alors pC ( B ) = .
15
3.
G −25 −5 20 50 75
1 210 − 1 − 8 − 12 − 4 185 8 3 × 4 12 1 × 4 4
pG = = =
210 210 210 210 210 210 210 210

1 185 8 12 4 110
E ( G ) = −25 −5 + 20 + 50 + 75 = ≈ 0, 52 .
210 210 210 210 210 210
1. 56. Promenades familliales, Liban 2001
4 points
Dans un village de vacances situé en montagne deux familles A et B disposent de cinq circuits balisés de
promenades c1, c2, c3, c4, c5.
Partie A
Chaque matin, chacune des familles tire au hasard, indépendamment l’une de l’autre, un des cinq circuits.
1. Combien y-a-t-il de tirages possibles pour l’ensemble des deux familles ?
2. Quelle est la probabilité pour qu’elles fassent le même jour, le même circuit ?
3. Quelle est la probabilité pour que pendant n jours consécutifs, elles ne se trouvent jamais sur le même
circuit ?
4. Déterminer la plus petite valeur de n pour laquelle la probabilité de se trouver au moins une fois sur le
même circuit est supérieure ou égale à 0,9.
Partie B
On considère dans cette partie deux jours consécutifs. Le deuxième jour chaque famille élimine de son
tirage le circuit qu’elle a fait la veille. Il reste donc quatre circuits pour chacune des deux familles.
On note :
E l’évènement « les deux familles font le même circuit le premier jour ».
F l’évènement « les deux familles font le même circuit le deuxième jour ».
( )
Calculer les probabilités suivantes : P(E) , PE ( F ) , PE ( F ) puis P ( F ∩ E ) et P F ∩ E . En déduire P(F).
����������
Partie A
1. La famille A a 5 choix de même que la famille B, il y a 25 tirages possibles.
2. Si on appelle ( a, b ) un tirage, il y a 5 choix possibles pour a et si on veut le même pour b, il n’y a qu’un
5 1
= .
choix, soit 5.1=5. La probabilité est donc
25 5
3. Soit X le nombre de jours où les deux familles font le même circuit, X suit une loi binomiale de
1
paramètres n et p = ; elles ne se trouveront jamais sur le même circuit si X = 0 :
5
n
4
 
p( X = 0 ) = ( 1 − p ) =   .
n

5

Page 57 of 295
4. La probabilité de se trouver au moins une fois sur le même circuit est
n
4
p( X ≥ 1 ) = 1 − p( X = 0 ) = 1 −   ;
5
n n
4 4 ln 0,1
on résoud donc 1 −   ≥ 0,9 ⇔   ≤ 0,1 ⇔ n ≥ ≈ 10,32 : on a donc n = 11.
5 5 ln(4 / 5)
Partie B
1 1 1 1 1
P( E ) = ; PE ( F ) = ; P ( F ∩ E ) = PE ( F ) × P ( E ) = × = .
5 4 4 5 20
Pour PE ( F ) comme elles ont toutes les deux éliminé un circuit différent, elles ne peuvent se retrouver que
1 1 4 4
sur les 3 restants, donc PE ( F ) =
3
( )
; on en tire P F ∩ E =PE ( F ) × P E = × =( )
3 5 15
.

4 1 19
( )
P( F ) = P F∩ E + P( F∩ E ) = +
15 20 60
= .

1. 57. Retard au travail, Polynésie 2006

On a posé à 1 000 personnes la question suivante : « Combien de fois êtes-vous arrivé en retard au travail
au cours des deux derniers mois ? ». Les réponses ont été regroupées dans le tableau suivant :
Retards le 1er mois
0 1 2 ou plus Total
ème
Retards le 2 mois
0 262 212 73 547
1 250 73 23 346
2 ou plus 60 33 14 107
Total 572 318 110 1000
1. On choisit au hasard un individu de cette population.
a. Déterminer la probabilité que l’individu ait eu au moins un retard le premier mois,
b. Déterminer la probabilité que l’individu ait eu au moins un retard le deuxième mois sachant qu’il n’en a
pas eu le premier mois.
2. On souhaite faire une étude de l’évolution du nombre de retards sur un grand nombre n de mois (n entier
naturel non nul). On fait les hypothèses suivantes :
– si l’individu n’a pas eu de retard le mois n, la probabilité de ne pas en avoir le mois n+1 est 0,46.
– si l’individu a eu exactement un retard le mois n, la probabilité de ne pas en avoir le mois n+1 est 0,66.
– si l’individu a eu deux retards ou plus le mois n, la probabilité de ne pas en avoir le mois n+1 est
encore 0,66.
On note An, l’évènement « l’individu n’a eu aucun retard le mois n, Bn, l’évènement « l’individu a eu
exactement un retard le mois n », Cn, l’évènement « l’individu a eu deux retards ou plus le mois n ».
Les probabilités des évènements An, Bn, Cn sont notées respectivement pn, qn et rn.
a. Pour le premier mois (n = 1), les probabilités p1, q1 et r1 sont obtenues à l’aide du tableau précédent.
Déterminer les probabilités p1, q1 et r1.
b. Exprimer pn+1 en fonction de pn, qn, et rn. Onpourra s’aider d’un arbre.
c. Montrer que, pour tout entier naturel n non nul, pn+1 = −0,2pn +0,66.
d. Soit la suite (un) définie pour tout entier naturel n non nul par un = pn − 0,55. Démontrer que (un) est
une suite géométrique dont on donnera la raison.
e. Déterminer lim un . En déduire lim pn .
n→+∞ n→+∞

�����������
1. a. Il y a 318 + 110 = 428 individus sur 1000, la probabilité est de 0,428.

Page 58 of 295
b. Il y en a 572 qui n’ont pas eu de retard le premier mois, parmi eux 250 + 60 = 310 ont eu un retard le
310
deuxième mois, soit une probabilité de ≈ 0, 542 .
572
2. a. A1, = « aucun retard le mois 1 », soit une probabilité de p1 = 0, 572 ; B1 = « exactement 1 retard le mois
1 » : q1 = 0, 318 et C1 = « deux retards ou plus le mois 1 » : r1 = 0,110 .
b. On utilise les probabilités totales :
pn+1 = p ( An+1 ) = p ( An+1 ∩ An ) + p ( An+1 ∩ Bn ) + p ( An+1 ∩ Cn )
= p An ( An+1 ) p ( An ) + pBn ( An+1 ) p ( Bn ) + pCn ( An+1 ) p ( Cn ) = 0, 46 pn + 0,66 qn + 0,66 rn .

c. Mais on a pn + qn + rn = 1 ⇒ qn + rn = 1 − pn donc pn+1 = 0, 46 pn + 0,66 ( 1 − pn ) = −0, 2 pn + 0,66 .

d. un+1 = pn+1 − 0, 55 = −0, 2 pn + 0,66 − 0, 55 = −0, 2 ( un + 0, 55 ) + 0,11 = −0, 2un − 0,11 + 0,11 = −0, 2un .
(un) est une suite géométrique de raison −0,2.
e. Comme −0, 2 < 1 , lim un = 0 donc lim pn = 0, 55 .
n→+∞ n→+∞

1. 58. VA+Markov, Am. du Nord 2007

5 points
Un joueur débute un jeu au cours duquel il est amené à faire successivement plusieurs parties. La
probabilité que le joueur perde la première partie est 0,2. Le jeu se déroule ensuite de la manière suivante :
* s’il gagne une partie, alors il perd la partie suivante avec une probabilité de 0,05 ;
* s’il perd une partie, alors il perd la partie suivante avec une probabilité de 0,1.
1. On appelle :
E1 l’événement « le joueur perd la première partie » ;
E2 l’événement « le joueur perd la deuxième partie » ;
E3 l’événement « le joueur perd la troisième partie ».
On appelle X la variable aléatoire qui donne le nombre de fois où le joueur perd lors des trois premières
parties. On pourra s’aider d’un arbre pondéré.
a. Quelles sont les valeurs prises par X ?
b. Montrer que la probabilité de l’événement ( X = 2 ) est égale à 0,031 et que celle de l’événement
( X = 3 ) est égale à 0,002.
c. Déterminer la loi de probabilité de X.
d. Calculer l’espérance de X.
2. Pour tout entier naturel n non nul, on note En l’événement « le joueur perd la n-ième partie »,
En l’événement contraire, et on note pn la probabilité de l’événement En.

a. Exprimer, pour tout entier naturel n non nul, les probabilités des événements En ∩ En+1 et En ∩ En+1 en
fonction de pn .
b. En déduire que pn+1 = 0,05 pn + 0,05 pour tout entier naturel n non nul.
1
3. On considère la suite ( un ) définie pour tout entier naturel n non nul par : un = pn − .
19
a. Montrer que ( un ) est une suite géométrique dont on précisera la raison et le premier terme.
b. En déduire un puis pn en fonction de n.
c. Calculer la limite de pn quand n tend vers +∞ .
����������
1. a. X prend les valeurs 0, 1, 2, 3.

Page 59 of 295
b. Si on note G lorsqu’il gagne et P lorsqu’il perd : ( X = 2 ) revient à PPG, PGP ou GPP.
p ( PPG ) = p ( P ) pP ( P ) pP ( G ) = 0,2 × 0,1 × ( 1 − 0,1 ) = 0,018 ;

p ( PGP ) = p ( P ) pP ( G ) pG ( P ) = 0,2 × ( 1 − 0,1 ) × 0,05 = 0,009 ;

p ( GPP ) = p ( G ) pG ( P ) pP ( P ) = 0,8 × 0,05 × 0,1 = 0,004 , soit au total 0,031.

( X = 3 ) revient à PPP : p ( PPP ) = p ( P ) pP ( P ) pP ( P ) = 0,2 × 0,1 × 0,1 = 0,002 .

c. Il manque ( X = 0 ) : p ( GGG ) = p ( G ) pG ( G ) pG ( G ) = 0,8 × ( 1 − 0,05 ) × ( 1 − 0,05 ) = 0,722 et ( X = 1 ) :
p ( X = 1 ) = 1 − 0,722 − 0,031 − 0,002 = 0,245 .
d. E ( X ) = 0,245 + 0,062 + 0,006 = 0,313 .

(
2. a. p ( En ∩ En+1 ) = pEn ( En+1 ) × p ( En ) = 0,1pn ; p En ∩ En+1 = pE ) n
( En+1 ) × p ( En ) = 0,05 ( 1 − pn ) .
( )
b. pn+1 = p ( En+1 ) = p ( En ∩ En+1 ) + p En ∩ En+1 = 0,1pn + 0,05 − 0,05 pn = 0,05 pn + 0,05 .

1 1  1  1
3. a. un+1 = pn+1 − = 0,05 pn + 0,05 − = 0,05  un +  + 0,05 − = 0,05 un . La raison est 0,05, le premier
19 19  19  19
1 1 2,8
terme est u0 = p0 − = 0,2 − = .
19 19 19
1
b. On a donc un = u0 × 0,05n ⇒ pn = u0 × 0,05 n + .
19
1
c. Comme 0,05 < 1 un tend vers 0 et pn tend vers .
19
1. 59. Fourmis markoviennes, Antilles 2000
4 points

Page 60 of 295
 S

D C

A B

1. Une fourmi se déplace sur les arêtes de la pyramide ABCDS. Depuis un sommet quelconque, elle se
dirige au hasard (on suppose qu’il y a équiprobabilité) vers un sommet voisin ; on dit qu’elle « fait un pas ».
a. La fourmi se trouve en A.
Après avoir fait deux pas, quelle est la probabilité qu’elle soit :
• en A ?
• en B ?
• en C ?
• en D ?
b. Pour tout nombre entier naturel n strictement positif, on note S n l’évènement « la fourmi est au sommet
S après n pas » et pn la probabilité de cet évènement. Donner p1.
1
En remarquant que Sn+1 = Sn+1 ∩ Sn , montrer que pn+1 = ( 1 − pn ) .
3
 1
 p1 = 3
2. On considère la suite (pn), définie pour tout nombre entier n strictement positif par :  .
 pn+1 = 1 ( 1 − pn )
 3
n
1  1 
a. Montrer par récurrence que, pout tout entier naturel n strictement positif, on a pn =  1 −  −   .
4  3 
b. Déterminer lim pn .
n→+∞

����������
1 1
1. a. A un sommet comme A, B, C ou D la fourmi a d’aller sur un autre sommet ; en S elle a d’aller
3 4
sur un autre sommet.
1 1 1 1 11
On a donc la probabilité de revenir en A : P ( ABA, ADA,ASA ) = 2 × × + × = .
3 3 3 4 36
1 1 1
La probabilité d’aller en B : P ( ASB ) = × = .
3 4 12
1 1 1 1 1 1 7
La probabilité d’aller en C : P ( ABC, ADC, ASC ) = × + × + × = .
3 3 3 3 3 4 36
1 1 1
La probabilité d’aller en D : P ( ASD ) = × = .
3 4 12

Page 61 of 295
 1 1 1
b. p1 =
3 3 3
( )
. pn+1 = P ( aller en S ) × P ( pas en S au pas n ) = P Sn = ( 1 − pn ) .

1
1  1  1 4 1
2. a. p1 =  1 −  −   = × = , ok.
4  3  4 3 3

1  1    1  3  1   1  1  1 
n+1
1
n n n
1  1
pn+1 =  1 −  1 −  −    =  +  −   = −  −   −  = −  −  . ok également.
3  4   3    3  4  3   4  3   3  4  3
n
1  1 1
b. Comme − < 1 , le terme  −  tend vers 0 donc lim pn = .
3  3  n→+∞ 4
1. 60. Chasse aux fraudeurs, N. Caledonie 2005
5 points
Une compagnie de transport désire optimiser les contrôles afin de limiter l’impact des fraudes et les pertes
occasionnées par cette pratique.
Cette compagnie effectue une étude basée sur deux trajets par jour pendant les vingt jours ouvrables d’un
mois soit au total quarante trajets. On admet que les contrôles sont indépendants les uns des autres et que
la probabilité pour tout voyageur d’être contrôlé est égale à p.
Le prix de chaque trajet est de dix euros, en cas de fraude l’amende est de cent euros. Claude fraude
systématiquement lors des quarante trajets soumis à cette étude.
Soit Xi la variable aléatoire qui prend la valeur 1 si Claude est contrôlé au i-ème trajet et la valeur 0 sinon.
Soit X la variable aléatoire définie par X = X1 + X2 + X3 +···+X40.
1. Déterminer la loi de probabilité de X.
1
2. Dans cette partie on suppose que p = .
20
a. Calculer l’espérance mathématique de X.
b. Calculer les probabilités P(X = 0), P(X = 1) et P(X = 2).
c. Calculer à 10−4 près la probabilité pour que Claude soit contrôlé au plus deux fois.
3. Soit Zi la variable aléatoire qui prend pour valeur le gain algébrique réalisé par le fraudeur.
1
Justifier l’égalité Z = 400 − 100X puis calculer l’espérance mathématique de Z pour p =
.
5
4. On désire maintenant déterminer p afin que la probabilité que Claude subisse au moins trois contrôles
soit supérieure à 99%.
a. Démontrer que P( X ≤ 2) = ( 1 − p )
38
( 741p2 + 38 p + 1 ) .
b. Soit f la fonction définie sur [0 ; 1] par : f ( x) = ( 1 − x )
38
( 741x2 + 38 x + 1 ) .
Montrer que f est strictement décroissante sur [0 ; 1] et qu’il existe un unique réel x 0 appartenant à
n n+1
l’intervalle [0 ; 1] tel que f (x0) = 0,01. Déterminer l’entier naturel n tel que < x0 < .
100 100
c. En déduire la valeur minimale qu’il faut attribuer à p afin que la probabilité que Claude subisse au moins
trois contrôles soit supérieure ou égale à 99%. (On exprimera p en fonction de x 0).
����������
1. Chaque variable Xi est l’indicatrice de l’évènement A : Claude est contrôlé ; on a P( Xi = 1) = P( A) = p et
P( X i = 0) = P( A) = 1 − p . La somme de toutes ces v.a. donne une loi binomiale de paramètres n = 40 et p.
1
2. p = .
20

Page 62 of 295
 40
a. Le cours nous donne E( X ) = np = = 2.
20
n− k 40 40 −1 39
 n  1  19   19  1  19   19 
b. P( X = k) =   k   d’où P( X = 0) =   , P( X = 1) = 40   = 2  et
 k  20  20   20  20  20   20 
40 −2 38
40(40 − 1) 1  19  39  19 
P( X = 2) =   =   .
2 202  20  20  20 
40 39 38
 19   19  39  19 
c. On cherche P( X ≤ 2) = P( X = 0) + P( X = 1) + P( X = 2) =   + 2  +   ≈ 0, 6767 .
 20   20  20  20 
3. Zi = gain algébrique réalisé par le fraudeur : Claude fraude 40 fois un ticket à 10 �, il gagne donc 400 � ;
s’il est contrôlé X fois, il perd 100X, d’où son « gain » est Z = 400 − 100X.
1
Z suit évidemment la même loi que X ; pour p= et n = 40, on a E( X ) = np = 8 d’où
5
E( Z) = 400 − 800 = −400 .
4. a. On reprend ce qui a été fait précédemment :
40 39 40.39 2 38
P( X ≤ 2) = P( X = 0) + P( X = 1) + P( X = 2) = ( 1 − p ) + 40 p ( 1 − p ) + p ( 1− p ) d’où en mettant
2
(1 − p)38 en facteur :

P( X ≤ 2) = ( 1 − p )
38
(
 (1 − p)2 + 40 p(1 − p) + 780 p2  = ( 1 − p )38 1 − 2 p + p2 + 40 p − 40 p2 + 780 p2
  )
= ( 1− p )
38
( 1 + 38 p + 741p2 ) .
b. On peut chercher la dérivée :
f ′( x) = −38 ( 1 − x )
37
( 741x2 + 38 x + 1 ) + ( 1 − x )38 ( 1482 x + 38 )
37
= ( 1− x )  −28158 x 2 − 1444 x − 38 + 1482 x + 38 − 1482 x2 − 38 x  = −29640 x 2 ( 1 − x )37 .
 
f’ est bien négative sur [0 ; 1]. Comme f (0) = 1 et f (1) = 0 , il existe un unique réel x0 appartenant à
l’intervalle [0 ; 1] tel que f (x0) = 0,01.
19 20
A la calculette on a f (0,19) ≈ 0, 0116 et f (0, 20) ≈ 0, 0079 d’où < x0 < et n = 19.
100 100
c. En fait on cherche P( X ≥ 3) = 1 − P( X < 3) = 1 − P( X ≤ 2) et on veut que cette probabilité soit supérieure à
0,99, soit que 1 − P( X ≤ 2) ≥ 0, 99 ⇔ − P( X ≤ 2) ≥ −0, 01 ⇔ P( X ≤ 2) ≤ 0, 01 d’où avec ce que l’on a fait
précédemment : p ≥ 0,19 . Pratiquement, cela signifie qu’il faut contrôler un passager sur 5 environ (et
dans ce cas le « gain » de Claude est de −400 �).
1. 61. Durée de vie, France 06/2008
5 points
La durée de vie, exprimée en heures, d'un agenda électronique est une variable aléatoire X qui suit une loi
exponentielle de paramètre λ où λ est un réel strictement positif.
t
On rappelle que pour tout t ≥ 0 , P ( X ≤ t ) =
∫ 0
λ e−λ x dx .

La fonction R définie sur l'intervalle [0 ; +∞ [ par R ( t ) = P ( X > t ) est appelée fonction de fiabilité.
1. Restitution organisée de connaissances
a. Démontrer que pour tout t ≥ 0 on a R ( t ) = e− λ t .
b. Démontrer que la variable X suit une loi de durée de vie sans vieillissement, c'est-à-dire que pour tout
réel s ≥ 0 , la probabilité conditionnelle PX > t ( X > t + s ) ne dépend pas du nombre t ≥ 0 .

Page 63 of 295
2. Dans cette question, on prend λ = 0,00026 .
a. Calculer P ( X ≤ 1000 ) et P ( X > 1000 ) .
b. Sachant que l'événement ( X > 1000 ) est réalisé, calculer la probabilité de l'événement ( X > 2000 ) .
c. Sachant qu'un agenda a fonctionné plus de 2000 heures, quelle est la probabilité qu'il tombe en panne
avant 3000 heures ? Pouvait-on prévoir ce résultat ?
�����������
t
 λ e−λ x 
1. a. R ( t ) = P ( X > t ) = 1 − P ( X ≤ t ) = 1 −  (
−λt 0 −λt
 = 1 − −e + e = e . )
 −λ  0

P( [ X > t ]∩[ X > t + s ] ) P ( X > t + s ) e−λ ( t+ s )

b. PX >t ( X > t + s ) = = = −λ t = e−λ s = P ( X > s ) .
P( X > t ) P( X > t ) e

2. a. P ( X ≤ 1000 ) = 1 − e−λ×1000 = 1 − e−0,26 ≈ 0,23 . P ( X > 1000 ) = e−0,26 ≈ 0,77 .

b. Avec la question 1, on a P( X >1000 ) ( X > 2000 ) = P ( X > 1000 ) = e−0,26 .

c. C’est encore la même chose… P( X >2000 ) ( X < 3000 ) = P ( X < 1000 ) = 1 − e−0,26 .

Puisqu’il n’y a pas de mémoire, si l’agenda fonctionne pendant T, il fonctionnera pendant T+1000 toujours
avec la probabilité e−0,26 et fonctionnera moins que T + 1000 avec la probabilité 1 − e−0,26 .
1. 62. Tri de production, Antilles 2006
4 points
Partie A
Soit X une variable aléatoire continue qui suit une loi exponentielle de paramètre λ . On rappelle que
a
P( X ≤ a) =
∫ 0
λ e−λ t dt . La courbe donnée ci-dessous représente la fonction densité associée.

1. Interpréter sur le graphique la probabilité P(X ≤ 1).

2. Indiquer sur le graphique où se lit directement le paramètre λ .

Partie B
On pose λ = 1,5.
1. Calculer P(X ≤ 1), en donner une valeur exacte puis une valeur approchée à 10−3 près par excès.

Page 64 of 295
2. Calculer P(X ≤ 2).
3. Déduire des calculs précédents l’égalité suivante : P(1 ≤ X ≤ 2) = 0,173 à 10−3 près.
x
4. Calculer l’intégrale
∫ 0
1, 5te−1,5 t dt . Déterminer la limite quand x tend vers +∞ de F(x) ; on obtient ainsi

l’espérance mathématique de la variable X.

Partie C
Une machine outil fabrique des cylindres. On mesure l’écart, en dixièmes de millimètres, entre le diamètre
des cylindres et la valeur de réglage de la machine. On suppose que cet écart suit une loi exponentielle de
paramètre λ = 1,5.
Si l’écart est inférieur à 1, le cylindre est accepté. Si l’écart est compris entre 1 et 2, on procède à une
rectification qui permet d’accepter le cylindre dans 80 % des cas. Si l’écart est supérieur à 2, le cylindre est
refusé.
1. On prélève au hasard un cylindre dans la production.
a. Montrer que la probabilité qu’il soit accepté est égale à 0,915 à 10 −3 près.
b. Sachant qu’il est accepté, quelle est la probabilité qu’il ait subi une rectification ?
2. On prélève de manière indépendante dix cylindres de la production. On suppose que le nombre de
cylindres est suffisamment important pour assimiler ce tirage à un tirage successif avec remise.
a. Quelle est la probabilité que les dix cylindres soient acceptés ?
b. Quelle est la probabilité qu’au moins un cylindre soit refusé ?
����������
���������
a
p( X ≤ a ) =
∫ 0
λ e−λ t dt = 1 − e− λ a .

1. La probabilité p ( X ≤ 1 ) s’interprète comme étant l’aire sous la courbe de la densité comprise entre les
droites x = 0, x = 1 et y = 0.
2. Comme la densité de X est la fonction définie sur [0 ; +∞ [, par f ( t ) = λ e−λ t , alors f ( 0 ) = λ . Donc sur
le graphique, le paramètre λ est l’ordonnée du point de la courbe de f d’abscisse 0.
���������
On pose λ = 1, 5 .

1. p ( X ≤ 1 ) = 1 − e−1,5 ≈ 0,777 .

2. p ( X ≥ 2 ) = 1 − p ( X < 2 ) = 1 − p ( X ≤ 2 ) = 1 − 1 − e−3 = e−3 . ( )

2
3. Comme p ( 1 ≤ X ≤ 2 ) = p ( X ≤ 2 ) − p ( X ≤ 1 ) =
∫ 1
λ e−λ t dt = − e−3 + e−1,5 ≈ 0,173 .

x
4. Calculons l’intégrale
∫ 0
1, 5te−1,5 t dt en utilisant une intégration par parties : u ' = 1, 5e−1,5 t , v = t d’où

u = − e−1,5t , v ' = 1 ; donc

x x x
x  1 −1,5 t  1 −1,5 x 1
∫ dt =  −te−1,5 t  −
∫
−1,5 t −1,5 t −1,5 x −1,5 x
1, 5te −e dt = − xe − e  = − xe − e + .
0 0 0  1, 5 0 1, 5 1, 5
x 1 2
Comme lim xe− x = 0 et lim e− x = 0 , on a lim
x→+∞ x→+∞ x→+∞ ∫ 0
1,5te−1,5 t dt = = .
1, 5 3
���������
1. a. La probabilité que le cylindre soit accepté est, à 10 −3 près : p = p ( X ≤ 1 ) + 0,8 × p ( 1 ≤ X ≤ 2 ) ≈ 0,915 .

Page 65 of 295
 0,8 × p ( 1 ≤ X ≤ 2 )
b. pAccepté ( Rectifié ) ≈ 0,151 .
( X ≤ 1 ) + 0,8 × p ( 1 ≤ X ≤ 2 )
2. a. Comme on prélève de manière indépendante dix cylindres de la production, supposée suffisamment
importante pour assimiler ce tirage à un tirage successif avec remise, la probabilité que les dix cylindres
soient acceptés suit une loi binomiale : p 10.
b. La probabilité qu’au moins un cylindre soit refusé, est en utilisant l’événement contraire : 1−p 10.
1. 63. Durée de vie+binom., Liban 2006
3 points
La durée de vie d’un robot, exprimée en années, jusqu’à ce que survienne la première panne est une variable
aléatoire qui suit une loi exponentielle de paramètre λ , avec λ > 0.
t
Ainsi, la probabilité qu’un robot tombe en panne avant l’instant t est égale à P ( X ≤ t ) =
∫ 0
λ e− λ x dx .

1. Déterminer λ , arrondi à 10−1 près, pour que la probabilité P(X > 6) soit égale à 0,3. Pour la suite de
l’exercice, on prendra λ = 0,2.
2. À quel instant t, à un mois près, la probabilité qu’un robot tombe en panne pour la première fois est-elle
de 0,5 ?
3. Montrer que la probabilité qu’un robot n’ait pas eu de panne au cours des deux premières années
est e−0,4.
4. Sachant qu’un robot n’a pas eu de panne au cours des deux premières années, quelle est, à 10 −2 près, la
probabilité qu’il soit encore en état de marche au bout de six ans ?
5. On considère un lot de 10 robots fonctionnant de manière indépendante. Déterminer la probabilité que,
dans ce lot, il y ait au moins un robot qui n’ait pas eu de panne au cours des deux premières années.
�����������
t
Ainsi, la probabilité qu’un robot tombe en panne avant l’instant t est égale à P ( X ≤ t ) =
∫ 0
λ e− λ x dx .

∫
6
1. P ( X > 6 ) = 1 − P ( X ≤ 6 ) = 1 − λ e− λ x dx = 1 −  e− λ x  = e−λ 6 ; on résoud :
0 0

ln 0, 3
e−6 λ = 0, 3 ⇔ −6 λ = ln 0, 3 ⇔ λ = = 0, 20066213... ≈ 0, 2 .
−6
t ln 2
2. P ( X ≤ t ) =
∫ 0
0, 2e−0,2 x dx = 1 − e−0,2t = 0, 5 ⇔ e−0,2t = 0, 5 ⇔ −0, 2t = − ln 2 ⇔ t =
0, 2
= 3, 47 , soit environ

trois ans et demi.

3. La probabilité qu’un robot n’ait pas eu de panne au cours des deux premières années est
( )
P ( X > 2 ) = 1 − 1 − e−0,2×2 = e−0,4 .

P  ( X > 2 ) ∩ ( X > 6 )  P( X >6) e−0,2×6

4. On cherche P( X > 2 ) ( X > 6 ) = = = = e0,4−1,2 = e−0,8 ≈ 0, 45 .
P( X >2) P( X >2) e−0,4
5. Y le nombre de robots sans pannes au cours des deux premières années suit une loi binomiale de
paramètres n = 10, p = e−0,4 ; on cherche donc

( ) ( 1 − e−0,4 )
0 10
P ( Y ≥ 1 ) = 1 − P ( Y = 0 ) = 1 − e−0,4 ≈ 0, 9999 .

C’est du bon matériel…

1. 64. Composants électroniques, N. Cal. nov 2007
5 points

Page 66 of 295
Un responsable de magasin achète des composants électroniques auprès de deux fournisseurs dans les
proportions suivantes : 25 % au premier fournisseur et 75 % au second.
La proportion de composants défectueux est de 3 % chez le premier fournisseur et de 2 % chez le second.
On note :
– D l’évènement « le composant est défectueux » ;
– F1 l’évènement « le composant provient du premier fournisseur » ;
– F2 l’évènement « le composant provient du second fournisseur ».
1. a. Dessiner un arbre pondéré.
b. Calculer p ( D ∩ F1 ) , puis démontrer que p(D) = 0,0225.
c. Sachant qu’un composant est défectueux, quelle est la probabilité qu’il provienne du premier
fournisseur ?
Dans toute la suite de l’exercice, on donnera une valeur approchée des résultats à 10 −3 près.
2. Le responsable commande 20 composants. Quelle est la probabilité qu’au moins deux d’entre eux soient
défectueux ?
3. La durée de vie de l’un de ces composants est une variable aléatoire notée X qui suit une loi de durée de
vie sans vieillissement ou loi exponentielle de paramètre λ , avec λ réel strictement positif.
a. Sachant que p(X > 5) = 0,325, déterminer λ .
Pour les questions suivantes, on prendra λ = 0,225.
b. Quelle est la probabilité qu’un composant dure moins de 8 ans ? plus de 8 ans ?
c. Quelle est la probabilité qu’un composant dure plus de 8 ans sachant qu’il a déjà duré plus de 3 ans ?
����������
a. D
0,03

F1
0,25 0,97 D

D
0,02
0,75
F2

0,98 D

b. p ( D ∩ F1 ) = 0,25 × 0,03 = 0,075 , de même p ( D ∩ F2 ) = 0,75 × 0,02 = 0,015 donc

p ( D ) = p ( D ∩ F1 ) + p ( D ∩ F2 ) = 0,075 + 0,015 = 0,0225 .

p ( D ∩ F1 ) 0,03 1
c. pD ( F1 ) = = = .
p ( F1 ) 0,09 3
2. Le nombre N de composants défectueux suit une loi de Bernoulli de paramètres n = 20 et p = 0,0225 ;
 20  1  20  0
on a donc p ( N ≥ 2 ) = 1 − p ( N = 1 ) − p ( N = 0 ) = 1 −   p (1− p ) −  p ( 1 − p ) ≈ 0,351 .
19 20

 1   0 
+∞ +∞ ln 0,325
3. a. On sait que p ( X > 5 ) =
∫ 5
λ e−λ t dt =  − e− λ t 
5
= e−5λ = 0,325 ⇒ λ = −
5
≈ 0,225 .

8 8
b. p ( X < 8 ) =
∫ 0
λ e− λ t dt =  − e−λ t  = 1 − e−8λ ≈ 1 − 0,835 ≈ 0,165 .
0

Page 67 of 295
 p( X > 8 ) e−8λ
c. On a : p{ X >3 } ( X > 8 ) = = = e−5λ = 0, 325 . La loi étant une loi exponentielle, le
p( X > 3 ) e−3λ
vieillissement n’intervient pas.
1. 65. Tirs successifs+Adéquation, France 2006
1. Dans un stand de tir, un tireur effectue des tirs successifs pour atteindre un ballon afin de le crever. À
chacun de ces tirs, il a la probabilité 0,2 de crever le ballon. Le tireur s’arrête quand le ballon est crevé. Les
tirs successifs sont supposés indépendants.
a. Quelle est la probabilité qu’au bout de deux tirs le ballon soit intact ?
b. Quelle est la probabilité que deux tirs suffisent pour crever le ballon ?
c. Quelle est la probabilité pn que n tirs suffisent pour crever le ballon ?
d. Pour quelles valeurs de n a-t-on pn > 0,99 ?
2. Ce tireur participe au jeu suivant :
Dans un premier temps il lance un dé tétraédrique régulier dont les faces sont numérotées de 1 à 4 (la face
obtenue avec un tel dé est la face cachée) ; soit k le numéro de la face obtenue. Le tireur se rend alors au
stand de tir et il a droit à k tirs pour crever le ballon.
Démontrer que, si le dé est bien équilibré, la probabilité de crever le ballon est égale à 0,4096 (on pourra
utiliser un arbre pondéré).
3. Le tireur décide de tester le dé tétraédrique afin de savoir s’il est bien équilibré ou s’il est pipé. Pour cela il
lance 200 fois ce dé et il obtient le tableau suivant :
Face k 1 2 3 4
Nombre de sorties de la face k 58 49 52 41

a. Calculer les fréquences de sorties fk observées pour chacune des faces.

4 2

∑  f
1
b. On pose d 2 = k − 2
 . Calculer d .
4
k=1

c. On effectue maintenant 1 000 simulations des 200 lancers d’un dé tétraédrique bien équilibré et on
calcule pour chaque simulation le nombre d 2. On obtient pour la série statistique des 1 000 valeurs de d 2 les
résultats suivants :

Minimum D1 Q1 Médiane Q3 D9 Maximum

0,00124 0,00192 0,00235 0,00281 0,00345 0,00452 0,01015

Au risque de 10 %, peut-on considérer que ce dé est pipé ?

�����������
1. a. On note C quand le ballon est crevé, C quand il ne l’est pas lors d’un tir.

( )
La probabilité qu’au bout de deux tirs le ballon soit intact est p C , C = p C p C = 0,82 = 0,64 .( ) ( )
( )
b. La probabilité que deux tirs suffisent pour crever le ballon : 1 − p C , C = 1 − 0,64 = 0,36 .

( )
c. pn = 1 − p C , C , ..., C = 1 − 0,8n .

ln 0,01
d. pn = 1 − 0,8n > 0,99 ⇔ 0,01 > 0,8n ⇔ n > = 20,63 , donc n ≥ 21.
ln 0,8
2. En fait il vaut mieux éviter de faire un arbre :
avec k = 1, on a p1 = p ( C ) = 0,2 ;

Page 68 of 295
 ( )
avec k = 2, on a p2 = p ( C ) + p C, C = 0,2 + 0,2 × 0,8 ;

avec k = 3, on a p3 = p ( C ) + p ( C , C ) + p ( C , C , C ) = 0,2 + 0, 2 × 0,8 + 0,2 × 0,82 ;

avec k = 4, p4 = p ( C ) + p ( C , C ) + p ( C , C , C ) + p ( C , C, C , C ) = 0,2 + 0,2 × 0,8 + 0,2 × 0,82 + 0,2 × 0,83 ;

1 1 1 1
la probabilité totale est p = p1 + p2 + p3 + p4 = 0, 4096 .
4 4 4 4
3. a.
Face k 1 2 3 4
Nombre de sorties de la face k 58 49 52 41
Fréquences 0,29 0,245 0,26 0,205
4 2

∑  f
1
b. d 2 = k −  = 0,00375 .
4
k=1

c. d2 est compris entre Q3 et D9, à 10 % près le dé n’est pas pipé.

1. 66. Adéquation à une loi équirépartie
Une ���� ������������ est une loi uniforme d’une variable aléatoire X qui peut prendre n valeurs de telle
sorte que la probabilité soit la même pour chacune de ces n valeurs.
Problème
Un joueur veut vérifier si le dé qu’il possède est « normal », c’est-à-dire bien équilibré.
On sait que, dans ce cas-là, la loi de probabilité associée est la loi uniforme :
1
P ( { 1} ) = P ( { 2 } ) = P ( { 3 } ) = P ( { 4 } ) = P ( { 5 } ) = P ( { 6 } ) = .
6
Pour cela, le joueur lance 200 fois le dé et note les résultats obtenus :

xi 1 2 3 4 5 6
ni 31 38 40 32 28 31
fi 0,155 0,190 0,200 0,160 0,140 0,155

Pour savoir si la distribution de fréquences obtenue est « proche » de la loi uniforme, on calcule la quantité
suivante, qui prend en compte l’écart existant entre chaque fréquence trouvée et la probabilité théorique
attendue :
2 2 2 2 2 2
 1  1  1  1  1  1
d 2 =  0,155 −  +  0,19 −  +  0,2 −  +  0,16 −  +  0,14 −  +  0,155 −  ≈ 0,00268 ��
 6   6   6   6   6   6 
Mais rien ne permet de dire pour l’instant si cette quantité trouvée est « petite » ou « grande ». En effet, elle
est soumise à la fluctuation d’échantillonnage, puisque sa valeur varie d’une série de lancers à l’autre. On
va donc étudier cette fluctuation d’échantillonnage pour convenir d’un seuil entre « petite » et « grande »
valeur de d² lorsqu’on lance 200 fois un dé. Pour cela, on génère des séries de 200 chiffres au hasard pris
dans { 1 ; 2 ; 3 ; 4 ; 5 ; 6 } . Les résultats trouvés pour le nombre d² à partir de 1 000 simulations sont résumés
par le tableau suivant :

Minimum D1 Q1 Médiane Q3 D9 Maximum

0,00363 0,00138 0,00233 0,00363 0,00555 0,00789 0,01658
Le ��������������� de la série des valeurs simulées de d² est 0,00789.

Page 69 of 295
Cela signifie que 90 % des valeurs de d² obtenues au cours de ces 1 000 simulations sont dans l’intervalle
[0 ; 0,00789]. Comme la valeur observée de d² est inférieure à cette valeur seuil de 0,00789, on peut
convenir que le dé est équilibré avec un risque de 10 %.
En effet, en utilisant cette méthode sur les données simulées, on se serait trompé dans 10 % des cas. On dit
que l’on a un ������������������ de 90 %.
Exercices
I / Dans une maternité, on a noté pendant un an l’heure de chaque naissance. Les nombres de naissances
entre 0 h et 1 h, entre 1 h et 2 h, …, sont respectivement 96, 126, 130, 125, 124, 129, 115, 89, 118, 97,
95, 108, 98, 97, 109, 95, 115, 108, 90, 104, 103, 112, 113, 128.
1. Tester, au seuil de risque de 10 %, si une naissance se produit avec la même probabilité dans l’une des 24
heures.
2. Au cours de 2 000 simulations de cette expérience, on a calculé le nombre d², somme des carrés des écarts
entre les fréquences observées et les fréquences théoriques. Voici les résultats pour la série statistique des
valeurs de 104. d² :
Minimum D1 Q1 Médiane Q3 D9 Maximum
0,6 16,9 23,2 25,8 32,1 36,5 61
II / On veut tester si une pièce de monnaie est truquée ou non. Pour cela, on la lance 100 fois. On obtient
59 fois « pile » et 41 fois « face ». Au seuil de risque 10 %, peut-on dire que cette pièce est truquée ?
Au cours de 1 000 simulations de cette expérience, on a calculé le nombre d², somme des carrés des écarts
entre les fréquences observées et les fréquences théoriques. Voici les résultats pour la série statistique des
valeurs de d² :
Minimum D1 Q1 Médiane Q3 D9 Maximum
0,002 0,003 0,005 0,008 0,011 0,013 0,014

Page 70 of 295