Solution de la série d’exercices numéro 4

(Lois de probabilités)

Exercice 1:

1- Si x est une variable qui représente le nombre de tournées effectuées jusqu’à obtenir une
grande commande, alors x suit une loi Géométrique. La fonction du coût total pour un x
donné se traduit par: C(x) = 1000x + 4000(x − 1)$ = 5000x − 4000$.
D’autre part, on a E(x) = 1q = 0.1
1
= 10, et donc:

E(C(x)) = 5000E(x) − 4000

1
E(C(x)) = 5000 − 4000
q
= 10 × 5000 − 4000
= 46000$.

2- Si le bénéfice d’une vente est de 15 000$, alors en moyenne on va perdre 31 000$ dans
cette démarche. Donc, il vaut mieux ne pas effectuer ces visites.
3- On a:

p(C(x) > 100000) = p(5000x − 4000 > 100000)

( )
100000 + 4000
= p x>
5000
= p(x > 20.08)
= 1 − p(x ≤ 20)
∑20
= 1− q(1 − q)x−1
x=1
1 − (1 − q)21
= 1−q
1 − (1 − q)
= 0.11

Exercice 2:

La loi suivie par x, le nombre de client ayant fait une commande, suit une loi Binomiale de
paramètres n = 12 et q = 0.5. Ainsi, la probabilité que la société reçoive au moins quatre
commandes est donnée par:

p(x > 3) = 1 − p(x ≤ 3)

= 1 − C12 0
0 (0.5) (0.5)
12

− C12 1
1 (0.5) (0.5)
11

− C12 2
2 (0.5) (0.5)
10

− C12 3
3 (0.5) (0.5)
9

= 0.927

1
Exercice 3:
1. La loi suivie par x est une loi Binomiale de paramètres n = 100 et q = 0.01.
2- On a:

E(x) = nq = 100 × 0.01 = 1

V ar(x) = nq(1 − q) = 100 × 0.01 × 0.99 = 0.99

3- La probabilité demandée est donnée par:

p(x > 3) = 1 − p(x ≤ 3)

= 1 − C100 0
0 (0.01) (0.99)
100

− C100 1
1 (0.01) (0.99)
99

− C100 2
2 (0.01) (0.99)
98

− C100 3
3 (0.01) (0.99)
97

= 1 − 0.36 − 0.37 − 0.18 − 0.06

= 0.03

Exercice 4:
La variable x qui est la position du point choisi suit une loi uniforme sur l’intervalle [0, 4],
telle que:


 1
si x ∈ [0, 4].
4
p(x) =
 0 sinon.

1 3
1- La probabilité que x se situe entre 4
et 4
est donnée par:

( ) ∫ 3
[ x ]x= 34
1 3 4 1 2
p ≤x≤ = dx = = .
4 4 1
4
4 4 x= 4 1 16
2 9
2- La probabilité que x se situe entre 4
et 8
est donnée par:

( ) ∫ 9
[ x ]x= 98
2 9 8 1 5
p ≤x≤ = dx = = .
4 8 2
4
4 4 x= 4 2 32

3- La probabilité qu’il se situe dans un de ces deux intervalles est donnée par:

( ) ∫ 9
[ x ]x= 98
1 9 8 1 7
p ≤x≤ = dx = = .
4 8 1
4
4 4 x= 4 1 32

2
Exercice 5:
1- p(0 ≤ z ≤ 2):

p(0 ≤ z ≤ 2) = ϕ(2) − ϕ(0)

= 0.9772 − 0.5 = 0.4772

2- p(−1 ≤ z ≤ 1):

p(−1 ≤ z ≤ 1) = ϕ(1) − ϕ(−1)

= ϕ(1) − (1 − ϕ(1))
= 2ϕ(1) − 1 = 0.6826

3- p(z ≤ 1.65):

p(z ≤ 1.65) = ϕ(1.65) = 0.9505

4- p(z ≥ 1.95):

p(z ≥ 1.95) = 1 − ϕ(1.95)

= 1 − 0.9744 = 0.0266.

5- p(|z| ≤ 1.5):

p(|z| ≤ 1.5) = ϕ(1.5) − ϕ(−1.5)

= ϕ(1.5) − (1 − ϕ(1.5))
= 2ϕ(1.5) − 1 = 0.8664.

6- p(−1.9 ≤ z ≤ 2):

p(−1.9 ≤ z ≤ 2) = ϕ(2) − ϕ(−1.9)

= ϕ(2) − (1 − ϕ(1.9))
= ϕ(2) + ϕ(1.9) − 1 = 0.9487.

Exercice 6:

1- On a:

p(x ≥ 55) = 1 − (x < 55)

x−50
La variable aléatoire x suit la loi normale N (50, 16), alors z = 4
suit la loi normale
centrée réduite N (0, 1):
( )
x − 50 55 − 50
p(x ≥ 55) = 1 − p ≤
4 4
= 1 − p(z ≤ 1.25)
= 1 − ϕ(1.25)
= 0.1056.

3
 ( )
48 − 50 x − 50 52 − 50
p(48 ≤ x ≤ 52) = p ≤ ≤
4 4 4
= p(−0.5 ≤ z ≤ 0.5)
= 0.38.

2- On a:
( )
x − 50 r − 50
p(x ≤ r) = p ≤
4 4
( )
r − 50
= p z≤
4
= 0.025

On aura donc:
( )
−r + 50
p z≤ = 1 − 0.025 = 0.975
4
−r + 50
⇒ = 1.96
4
⇒ r ≃ 42

Exercice 7:

a- Notons par x la variable aléatoire égale au nombre de réponses correctes cochées par un
étudiant. Les réponses étant choisies au hasard, la probabilité de répondre correctement à
une question donnée est 13 , et celle de répondre faux est de 32 . La probabilité qu’un étudiant
réponde correctement à x questions (0 ≤ x ≤ 6) est alors:

( )x ( )6−x
1 2
p(x) = C6x
3 3

1- On reconnaı̂t ici la loi binomiale de paramètres n = 6 et q = 1/3. Donc:

1
E(x) = 6 ×
=2
3
1 2 4
V ar(x) = 6 × × =
3 3 3
2- La probabilité qu’un étudiant réussisse le test donnée par:

p(x ≥ 4) = p(x = 4) + p(x = 5) + p(x = 6)

( )4 ( )2 ( )5 ( )1 ( )6 ( )0
6 1 2 6 1 2 6 1 2
= C4 + C5 + C6
3 3 3 3 3 3
≃ 0.1

4
b- À présent la probabilité de répondre correctement à une question est de 12 . La probabilité
qu’un étudiant réponde correctement à x questions (x ∈ {0, 1, 2, 3, 4, 5, 6}) est alors:

( )x ( )6−x
1 1
p(x) = C6x
2 2

1- On reconnaı̂t ici la loi binomiale de paramètres n = 6 et q = 1/2. Donc:

1
E(x) = 6 ×
=3
2
1 1 3
V ar(x) = 6 × × =
2 2 2
2- La probabilité qu’un étudiant réussisse le test est donnée par:

p(x ≥ 4) = p(x = 4) + p(x = 5) + p(x = 6)

( )4 ( )2 ( )5 ( )1 ( )6 ( )0
6 1 1 6 1 1 6 1 1
= C4 + C5 + C6
2 2 2 2 2 2
≃ 0.34

Exercice 8:
1- x suit la loi normale N (2, 0.12 ), alors:
( )
x−2 2.2 − 2
p(x ≥ 2.2) = p ≥
0.1 0.1
= p(z ≥ 2)
= 1 − p(z < 2)
= 0.0228.

2- x suit la loi normale N (m, 0.12 ).

a- Pour que p(x ≥ 2.2) = 0.05 on a:
( )
x−m 2.2 − m
p(x ≥ 2.2) = 0.05 ⇒ p ≥ = 0.05
0.1 0.1
( )
2.2 − m
⇒ p z≥ = 0.05
0.1
( )
2.2 − m
⇒ p z≤ = 0.95
0.1
2.2 − m
⇒ = 1.65
0.1
⇒ m = 2.2 − 0.165 = 2.035.

5
 b- Pour que p(x ≥ 2.2) = 0.95, on a:
( )
x−m 2.2 − m
p(x ≥ 2.2) = 0.95 ⇒ p ≥ = 0.95
0.1 0.1
( )
2.2 − m
⇒ p z≥ = 0.95
0.1
( )
2.2 − m
⇒ p z≤− = 0.95
0.1
2.2 − m
⇒ − = 1.65
0.1
⇒ m = 2.2 + 0.165 = 2.365.

3- x suit la loi normale N (2, σ 2 ).

a- Pour que p(x ≤ 2.2) = 0.9, on a:
( )
x−2 2.2 − 2
p(x ≤ 2.2) = 0.9 ⇒ p ≤ = 0.9
σ σ
( )
0.2
⇒ p z≤ = 0.9
σ
0.2
⇒ = 1.29
σ
⇒ σ = 0.15.

b- Pour que p(1.8 ≤ x ≤ 2.2) = 0.9, on a:

( )
1.8 − 2 x−2 2.2 − 2
p(1.8 ≤ x ≤ 2.2) = 0.9 ⇒ p ≤ ≤ = 0.9
σ σ σ
( )
−0.2 0.2
⇒ p ≤z≤ = 0.9
σ σ
( )
0.2
⇒ 2p z ≤ − 1 = 0.9
σ
( )
0.2
⇒ p z≤ = 0.95
σ
0.2
⇒ = 1.65.
σ
⇒ σ = 0.12.

6
 Solution des exercices supplémentaires:

Exercice 1:
1 1
1. La fonction densité de probabilité de la loi uniforme sur [−5, 15] est f (x) = 15−(−5)
= 20
.
Il s’en suit que:
∫ 2 [ x ]2 2 −5 7
p(x ≤ 2) = f (x)dx = = − = .
−5 20 −5 20 20 20
2. De même qu’au 1), on aura:
∫ [ x ]1
1
1 −1 2 1
p(−1 ≤ x ≤ 1) = f (x)dx = = − = = .
−1 20 −1 20 20 20 10
3. Nous devons calculer ici une probabilité conditionnelle:
p((−1 ≤ x ≤ 2) ∩ (x ≥ 0))
p(−1 ≤ x ≤ 2|x ≥ 0) =
p(x ≥ 0)
p(0 ≤ x ≤ 2)
=
p(x ≥ 0)
2/20 2
= = .
15/20 15
x+5
4. Soit y la variable aléatoire égale à .
nous avons:
10
( )
x+5
p(y ≥ 1|x ≤ 10) = p ≥ 1|x ≤ 10
10
= p (x + 5 ≥ 10|x ≤ 10)
= p (x ≥ 5|x ≤ 10) .
p((x ≥ 5) ∩ (x ≤ 10))
=
p(x ≤ 10)
p(5 ≤ x ≤ 10)
=
p(x ≤ 10)
5/20 5
= = .
15/20 15
Exercice 2:
Notons x le temps d’attente de la ligne 8 et y celui de la ligne 9.

1. Le temps moyen d’attente est l’espérance, donc on doit avoir: E(x) = 3 et E(y) = 2.
L’espérance d’une loi géométrique de paramètre q est 1q , donc le paramètre de x est 1/3,
tandis que celui de y est 1/2. On a donc:
( )x−1
1 2
p(x) = ×
3 3
( )y−1 ( )y
1 1 1
p(y) = × =
2 2 2

7
2. - La probabilité d’attendre entre 2 et 4 minutes un métro de la ligne 8 est:

p(2 ≤ x ≤ 4) = p(x = 2) + p(x = 3) + p(x = 4)

( )2−1 ( )3−1 ( )4−1
1 2 1 2 1 2 38
= × + × + × = .
3 3 3 3 3 3 81

- La probabilité d’attendre entre 2 et 4 minutes un métro de la ligne 9 est:

p(2 ≤ x ≤ 4) = p(x = 2) + p(x = 3) + p(x = 4)

( )2 ( )3 ( )4
1 1 1 7
= + + = .
2 2 2 16

4. - La probabilité pour un temps d’attente de plus de 5 minute pour la ligne 8 est:

p(x ≥ 5) = 1 − p(x < 5)

= 1 − (p(x = 1) + p(x = 2) + p(x = 3) + p(x = 4))
( )
1 38 16
= 1− + = .
3 81 81

-La probabilité pour un temps d’attente de plus de 5 minute pour la ligne 9 est:

p(y ≥ 5) = 1 − p(y < 5)

= 1 − (p(y = 1) + p(y = 2) + p(y = 3) + p(y = 4))
( )
1 7 1
= 1− + = .
2 16 16

Exercice 3:
1. Comme x suit une loi exponentielle, on sait que sa fonction de répartition est donnée par
F (x) = 1 − e−λx . On aura donc:

p(x ≤ 1) = 1 − e−λ = 0.00000002.

Trouvons la valeur de λ. Nous avons:

1 − e−λx = 0.00000002 ⇔ 1 − 0.00000002 = e−λx (1)

⇔ ln(0.99999998) = −λ
⇔ λ = − ln(0.99999998) = 2 × 108 .

2. L’espérance de vie de la galaxie est égale à l’espérance de la variable x :

1 1
E(x) = = = 5 × 107 .
λ 2 × 108

La galaxie a donc une espérance de vie de 50 millions d’années.

8
3. On a:

p(x ≤ 3000000) = F (3 × 106 ) = 1 − e−2×10

8 ×3×106
= 5.82%.

La probabilité que la galaxie ait disparu d’ici 3 millions d’année est de 5.82%.

4. On a:

p(x ≥ 10000000) = 1 − F (107 ) = e−2×10

8 ×107
= 90.48%.

La probabilité que la galaxie soit toujours l dans 10 millions dannée est de 90.48%.

Exercice 4:
x−200
On se ramène à la loi normale centrée réduite: soit la variable aléatoire z = 15
qui suit
donc la loi N (0; 1) , alors
( )
200 − 2u − 200 x − 200 200 + 2u − 200
p(200 − 2u ≤ x ≤ 200 + 2u) = 0.9 ⇔ p ≤ ≤ = 0.9.
15 15 15
( )
−2u 2u
⇔ p ≤z≤ = 0.9.
15 15
( ) ( )
2u −2u
⇔ p z≤ −p z≤ = 0.9.
15 15
( ) ( ( ))
2u 2u
⇔ p z≤ − 1−p z≤ = 0.9.
15 15
( )
2u
⇔ 2×p z≤ − 1 = 0.9.
15
( )
2u 0.9 + 1
⇔ p z≤ = = 0.95.
15 2
À l’aide de la calculatrice, ou de la table de valeurs de la loi normale centrée réduite,
on trouve que p(z ≤ 1.65) ≃ 0.95 . On doit donc avoir 2u 15
≃ 1.65. Il s’en suit que:
u ≃ 2 ≃ 12.375.
1.65×15

Exercice 5:
La fonction densité de probabilité de la loi exponentielle de paramètre λ = 3 est f (x) =
λe−λx = 3e−3x . Il s’en suit que:
1. Pour p(x ≤ 2):
∫ 2 [ ]2
−3x
p(x ≤ 2) = f (x)dx = − e = −e−3×2 + e−3×0 = 1 − e−6 .
0 0

2. Pour p(x ≥ 4):

∫ 4 [ ]4
−3x
p(x ≥ 4) = 1 − p(x ≤ 4) = 1 − f (x)dx = 1 − − e = e−12 .
0 0

9
 3. Pour p(2 ≤ x ≤ 4):
∫ 4 [ ]4
p(2 ≤ x ≤ 4) = f (x)dx = 1 − − e−3x = e−6 − e−12 .
2 2

4. Pour p(x ≥ 4|x ≥ 2):

p((x ≥ 4) ∩ (x ≥ 2)) p(x ≥ 4) e−12
p(x ≥ 4|x ≥ 2) = = = −6 = e−6 .
p(x ≥ 2) p(x ≥ 2) e

5. Pour p(x ≥ 124|x ≥ 122):

p((x ≥ 124) ∩ (x ≥ 122)) p(x ≥ 124) e−3×124
p(x ≥ 124|x ≥ 122) = = = −3×122 = e−6 .
p(x ≥ 122) p(x ≥ 122) e

6. En effet, nous avons:

p((x ≥ a + h) ∩ (x ≥ a)) p(x ≥ a + h)
p(x ≥ a + h|x ≥ a) = =
p(x ≥ a) p(x ≥ a)
Avec :
∫ a [ ]a
−3x
p(x ≥ a) = 1 − p(x ≤ a) = 1 − f (x)dx = 1 − − e = e−3a
0 0
(2)
Et de la même façon, on a:
p(x ≥ a + h) = e−3(a+h) .
Donc, nous aurons:
e−3(a+h)
p(x ≥ a + h|x ≥ a) = = e−3h .
e−3a
Exercice 6:
1. On utilise une loi binomiale, loi de la variable aléatoire x( désignant
) le nombre de lettres
3
affranchies au tarif urgent parmi 4 lettres. Donc, x Bin 4, 5 . On obtient alors:
( )0 ( )4
3 2
p(A) = p(x ≥ 1) = 1 − p(x = 0) = 1 − C0 4
= 0.9744.
5 5
( )2 ( )2
4 3 2
p(B) = p(x = 2) = C2 = 0.3456.
5 5
2. On utilise une loi binomiale, loi de la variable aléatoire x (désignant
) le nombre de lettres
affranchies au tarif urgent parmi 10 lettres. Donc, x Bin 10, 35 . On obtient alors:

3
E(x) = nq = 10 × = 6.
5
3 2 60 12
V ar(x) = nq(1 − q) = 10 × × = = .
5 5 25 5

10
Exercice 7:
1. La variable aléatoire associée à ce problème est x désignant le nombre de sujets révisés
parmi les 3 choisis. Son support est l’ensemble Rx = {0, 1, 2, 3}. La loi de x est une loi
hypergéométrique puisque l’événement x = k, pour k compris entre 0 et 3, se pro-
duit si le candidat tire k sujet(s) parmi les 60 révisés, et 3 − k sujets parmi les 40 non révisés.

La loi de probabilité de x est donnée sur le support Rx par :

Cx60 × C3−x
40
p(x) =
C3100

L’espérance de la variable x est donnée par: E(x) = 3 × 60

100
= 1.8.

2. Il s’en suit que:

C040 ×C360
(a) p(x = 3) = C3100
= 0.212.
C1 ×C2
40 60
(b) p(x = 2) = C3100
= 0.438.
C3 0 ×C0
40 60
(c) p(x = 0) = C3100
= 6.11 × 10−2 .

11