FACULTE DES SCIENCES ET TECHNIQUES - SETTAT
Département de Mathématiques et Informatique
Année universitaire : 2019-2020
Filière : Tronc commun MIP
Série d’exercices de révision
Exercice 1
θ e 2 + x si x ≤ − 2
On considère une variable aléatoire X de densité : f ( x ) = 0 si − 2 < x < − 1 avec :
(1 − θ ) e
−1− x
si x ≥ − 1
0 <θ <1
1- Montrer que f est une densité de probabilité
2- Déterminer la fonction de répartition de X
3- Calculer P(-3<X<0)
4- Calculer E(X).
1 − on a : ∀ x ∈ IR ; f ( x ) ≥ 0 (facile à vérifier )
+∞ −2 +∞
f ( x ) dx = θ e 2 + x dx + (1 − θ ) e − 1− x dx
−∞ −∞ −1
−2 +∞
= θ e 2 + x − (1 − θ ) e − 1− x = 1
−∞ −1
Donc : f est une densité de probabilité
2- La fonction de répartition :
x
∀ x ∈ IR ; F ( x ) = −∞
f ( t ) dt
x x
si x ≤ − 2; F ( x ) = θ e 2 + t dt = θ e 2 + t −∞ = θ e 2 + x
−∞
−2
si − 2 < x ≤ − 1; F ( x ) = θ e 2 + t dt = θ
−∞
−2 x x
si x > − 1; F ( x ) = θ e 2 + t dt + (1 − θ ) e − 1− t dt = θ − (1 − θ ) e − 1− t
−1
= θ − (1 − θ )( e − 1− x − 1)
−∞ −1
3 − P(−3 < X < 0) = F (0) − F (−3) = θ − (1 − θ )(e−1 − 1) − θ e−1 = 1 − e −1 3 −
+∞ −2 +∞
4 − E(X ) = xf ( x ) dx = θ xe 2 + x dx + (1 − θ ) x e − 1− x dx
−∞ −∞ −1
= ..... intégration par partie
Exercice 2
1 1
1 − X ~ P (2) alors : E ( X ) = ; var( X ) = ; P ( X ≤ 1) = P ( X = 0) + P ( X = 1) = e − 2 + 2 e − 2 = 3 e − 2
2 4
2 − on a : Z ( Ω ) = {0,1}
donc : Z : Ber ( p ) avec p = P ( Z = 1) = P ( X ∉ {0,1}) = 1 − P ( X ∈ {0,1}) = 1 − 3 e − 2
(
3 − E ( Z ) = p = 1 − 3 e − 2 et var( Z ) = p (1 − p ) = 3 e − 2 1 − 3 e − 2 )
Exercice 3
Le salaire moyen des employés dans une entreprise de 12 employés est de 1200dh.
1- Calculer le salaire d’un employé supplémentaire pour que le salaire moyen augmente de 2%
2- Le salaire moyen augmente de t% lorsque l’on emploi un salarié supplémentaire. Déterminer le
salaire du nouvel employé en fonction de t.
soient x le salaire du nouveau employé, x le salaire moyen avant d'enbaucher le nouveau salarié
et y le salaire moyen aprés son embauche.
12.x + x
on a : y = 102%.x avec x = 1200 et y =
13
12.1200 + x
alors : 1224 = x = 1512
13
même chose pout t% (au lieu de 2%)
Exercice 4
Une entreprise de construction produit des objets sur deux chaines de montage A et B qui fonctionnent
indépendamment l'une de l'autre. Pour une chaine donnée, les fabrications des pièces sont indépendantes.
On suppose que A produit 60% des objets et B produit 40% des objets. La probabilité qu'un objet construit
par la chaine A soit défectueux est 0.1 alors que la probabilité pour qu'un objet construit par la chaine B
soit défectueux est 0.2.
1. On choisit au hasard un objet à la sortie de l'entreprise. On constate que cet objet est défectueux.
Calculer la probabilité que « l'objet provient de la chaine A »
on considère les évenements:
A: l'objet est produit par la machine A: P(A)=0.6
B: l'objet est produit par la machine B: P(B)=0.4
D: l'objet est défectueux: P D ( A) = 0.1 et P D( B ) = 0.2
on cherche: P A ( D)
Par application de la formule de Bayes:
( A) .P( A)
P D
P A( D) =
P ( D)
en appliquant la formule des probabilités totales:
( A) .P( A) + P ( D B ) .P( B) = 0.1*0.6 + 0.2*0.4 = 0.14
P ( D) = P D
et alors : P ( A ) =
0.06
= 0, 42857143
D 0.14
2. On suppose de plus que le nombre d'objets produits en une heure par A est une variable aléatoire
Y qui suit une loi de Poisson de paramètre λ = 20 .
On considère la variable aléatoire X représentant le nombre d'objets défectueux produits par la chaine A en
une heure.
a. Rappeler la loi de Y (la caractériser en tant que loi discrète), ainsi que la valeur de E(Y) et Var(Y).
20n -20
Y~P(20) donc: Y (Ω) = IN et P(Y = n) = e
n!
E (Y ) = var(Y ) = 20
b. Soient k et n deux entiers naturels, déterminer la probabilité conditionnelle P ( X = k Y = n ) (On
distinguera les cas k ≤ n et k > n ).
si : k > n; P ( X = k Y = n ) = 0
si : k ≤ n; alors : lorsque (Y = n ) on aura : X ~ B (n, p ) avec : p = 0.1
(
d ' où : si : k ≤ n; alors : P X = k
Y =n ) = C p (1 − p )
k
n
k n −k
c. En déduire, en utilisant le système complet d’événements (Y = i )i∈IN ; que X suit une loi de Poisson
de paramètre à déterminer.
X (Ω) = IN
( pλ )
k
( )P (Y = i ) = C p (1 − p ) λi
+∞ +∞
∀k ∈ IN ; P( X = k ) = P X = k
n−k -λ
k k
. e = ... = e-pλ
i =0
Y =i i =k
n
i! k!
donc : X ~ P( pλ )