IMSP/UAC 2019-20

L3/TIC P ROBABILITÉS

Feuille 2
Exercice 1. Soit X une variable aléatoire à valeurs dans N∗ telle que
1
P(X = n) = pour tout n ∈ N∗ .
n(n + 1)
1. Vérifier que l’on définit bien ainsi la loi de probabilité d’une variable aléatoire.
2. La variable aléatoire X admet-elle une espérance mathématique finie ?

Exercice 2. On lance six fois une pièce de monnaie parfaitement équilibré. On note X le nombre
de fois où la pièce est tombée sur pile.
1. Quelle est la loi de probabilité de la variable aléatoire X ?
2. On suppose qu’on reçoit 100 f si on est tombé au moins 4 fois sur pile, et que l’on perd 200 f
si on ne tombe jamais sur pile. Dans les autres cas, on ne gagne ni ne perd d’argent. Soit G la
variable aléatoire égale au gain de ce jeu.
a) Quelle est la loi de probabilité de la variable aléatoire G ?
b) Calculer l’espérance mathématique de G et dire si le jeu est favorable au joueur.
c) Calculer la variance et l’écart-type de la variable aléatoire G.

Exercice 3. Soit α ∈ R et f : R −→ R la fonction définie pour tout x ∈ R par

αx 2 − 21 ≤ x ≤ 1,
½
si
f (x) =
0 sinon.

1. Déterminer la valeur de α pour que la fonction f soit une densité de probabilité.

2. Tracer sur un graphique la courbe représentative de la fonction f .
3. On considère à présent une variable aléatoire X admettant pour densité de probabilité f .
a) Déterminer les valeurs des probabilités P (X ≤ 0) et P X ≥ 12 .
¡ ¢

b) Définir la fonction de répartition de la variable aléatoire X et la représenter sur un gra-

phique.

Exercice 4. Soit X une variable aléatoire admettant pour densité, la fonction

 x

 si x ∈ [0 , 5]

 25
f (x) = −x 2
+ si x ∈ [5 , 10]
 25 5


0 sinon.


1. Vérifier que f est bien une fonction de densité de probabilité.

2. Tracer la représentation graphique de la fonction f .
3. Définir la fonction de répartition F X de la variable aléatoire X .
4. Calculer les valeurs des probabilités P X ≤ 52 et P 25 < X ≤ 2020 .
¡ ¢ ¡ ¢

5. Calculer l’espérance mathématique et la variance de la variable aléatoire X .

Exercice 5. Une usine de montage d’ordinateurs utilise des roulements provenant de deux usines
de fabrication de pièces mécaniques, l’une située à Porto-Novo, l’autre à Calavi. Les 60% des rou-
lements de son stock proviennent de l’usine de Porto-Novo et le reste de celle de Calavi. On estime
que 2% des roulements en provenance de l’usine de Porto-Novo sont défectueux et que 4, 5% de
ceux qui proviennent de l’usine de Calavi le sont.

1
 1. On prélève au hasard un roulement du stock.
a) Déterminer la probabilité pour qu’un roulement soit défectueux.
b) On constate à l’usage que le roulement prélevé au hasard est défectueux. Déterminer
la probabilité qu’il provienne de l’entreprise de Calavi.
2. On prélève dans le stock, successivement au hasard et avec remise, 10 roulements. On dé-
signe par X la variable aléatoire égale au nombre de roulements non défectueux.
a) Quelle est la loi de probabilité de X ? Préciser ses paramètres
b) Déterminer au centième près par excès, la probabilité que 9 pièces au moins de ces
roulements, soient non défectueux.

Exercice 6. Deux horloges A et B sont mises en marche au même instant (qu’on choisit comme
instant 0). L’horloge A (respectivement B ) sonne après un temps aléatoire T A (respectivement TB ).
On suppose que T A et TB sont indépendantes et identiquement distribuées selon une loi exponen-
tielle de paramètre λ (avec λ > 0), c’est-à-dire la loi à densité de probabilité

λ exp(−λt ) si t ≥ 0
½
f (t ) =
0 sinon.

1. Calculer la moyenne et la variance de T A .

2. On note U = min(T A , TB ) l’instant de la première sonnerie.
a) Pour t ∈ R, calculer la probabilité que l’instant de la première sonnerie soit supérieure
ou égal à t , c’est-à-dire P (U ≥ t ).
b) En déduire la loi de probabilité de la variable aléatoire réelle U .
3. On note V = max(T A , TB ) l’instant de la seconde sonnerie.
a) Pour tout t ∈ R, définir la fonction F (t ) = P (V ≤ t ).
b) En déduire que V est une variable aléatoire réelle à densité et identifier cette densité.
c) Les variables aléatoires réelles U et V sont-elles indépendantes ? (On pourra utiliser le
fait que P (V < U ) = 0 pour raisonner.)

Exercice 7. Une entreprise produit des batteries de téléphone portable. Au cours de la produc-
tion peuvent apparaître deux défauts indépendants que l’on appellera défaut A et défaut B . La
probabilité que le défaut A apparaisse vaut 0, 02 et la probabilité que le défaut B apparaisse vaut
0, 01.
1. Calculer la probabilité qu’une battérie soit défectueuse, c’est-à-dire qu’elle comporte au
moins un des deux défauts.
2. On prélève au hasard dans la production un échantillon de 100 battéries. La production est
suffisamment importante pour que ce prélèvement soit assimilé à un tirage avec remise.
Soit X la variable aléatoire qui à tout échantillon de taille 100 associe le nombre de battéries
défectueuses.
a) Quelle est la loi de probabilité que suit la variable aléatoire X ? Donner son espérance
mathématique et sa variance.
b) On admet que la loi de X peut-être approchée par une loi de Poisson. Quel est le para-
mètre de cette loi de Poisson ?
En utilisant cette approximation, calculer la probabilité que l’échantillon comporte
plus de deux battéries défectueuses.
3. On s’intéresse dans cette question à la durée de décharge des battéries. On note Y la variable
aléatoire qui à tout échantillon de 100 battéries associe la moyenne des durées de décharge.
On admet que Y N (80 ; 0, 4).
a) Calculer la probabilité P(79 ≤ Y ≤ 81).

2
 b) Déterminer la durée de décharge minimale prévisible des 95% des battéries les plus
durables de l’échantillon.
c) Calculer la probabilité de l’événement : "(Y ≤ 81) sachant que (Y ≥ 79)".

Exercice 8.
1. Soit X une variable aléatoire de loi binomiale de paramètres n ∈ N et p ∈ [0 , 1].
a) Rappeler l’expression de P(X = k) pour toute valeur possible k de X.
b) Donner les valeurs de P(X = 0), P(X = 1) et P(X > 1) en fonction de n et p.
c) Calculer les développements limités de P(X = 0), P(X = 1) et P(X > 1) à l’ordre 1 en p.
d) En déduire que lorsque p est proche de 0, la loi de X peut être approchée à l’ordre 1 par
une loi de Bernoulli de paramètre np.
2. Un système numérique transmet des données sous forme d’un message de 7 bits (valeur 0
ou 1). Afin de repérer les erreurs de transmission, un 8e bit appelé bit de parité est ajouté à
la fin du message avant la transmission : si le nombre de 1 dans les 7 premiers bits est pair,
le bit de parité est mis à zéro, sinon il est mis à 1. Lors de la transmission, chacun des 8 bits
peut être altéré (sa valeur passe de 0 à 1 ou inversement), avec une probabilité de 10−6 et
de façon indépendantes des autres bits. Enfin en réception, le système signale une erreure
lorsque le nombre de bits à 1 parmi les 7 premiers bits est en désaccord avec la valeur du bit
de parité.
a) Soit N le nombre de bits du message (7 premiers bits) altérés lors de la transmission.
Quelle est la loi exacte de N ? Par quelle loi peut-on l’approcher ? (on supposera que
l’on fait cette approximation dans le suite)
b) On considère les évènements suivants :

E m : ”il y a une erreur de transmission sur le message (7 premiers bits)”,

E n : ”il y a une erreur de transmission du bit de parité”,

D : ”le système signale une erreur en réception”.
Exprimer D en fonction des évènements E m et E n , puis calculer P(D).
c) Calculer la probabilité que le système ne détecte pas d’erreur sachant qu’il y a une er-
reur dans le système.
d) Calculer la probabilité qu’il y ait une erreur dans le message sachant que le système
détecte une erreur.

Exercice 9. Soit α > 1 un réel. Soit X une variable aléatoire réelle. On dit que X suit la loi de
puissance d’ordre α si la loi de X admet la densité

1
f X (t ) = (α − 1) 1[1,+∞[ (t ).
tα
Soit α > 1. Soit X une variable aléatoire qui suit la loi de puissance d’ordre α.
1. Montrer que f X définit bien une densité de probabilité d’une variable aléatoire réelle.
2. Discuter selon la valeur de α l’existence de l’espérance de X et, lorsqu’elle existe, la calculer.
3. Discuter de même l’existence de la variance de X et, lorsqu’elle existe, la calculer.
4. Soit p ≥ 1 un nombre réel. Déterminer la loi de la variable aléatoire X p .