Université Mohammed V Année Universitaire 2024-2025

Faculté des Sciences. Rabat Filière INFO-MIP

Département de Mathématiques Probabilité & Statistique

Examen Final
(Durée : 1h30)

Exercice 1. (6 points)
On considère la répartition de n élèves selon leurs notes X (sur 20) obtenues à un examen :

Note X [0, 4[ [4, 8[ [8, 12[ [12, 16[ [16, 20]

Effectif 5 12 10 b 8

1. Calculer b et n sachant que la note moyenne x̄ = 10.

2. Dresser le tableau de distribution des effectifs cumulés, des fréquences et des fréquences cumulées.

3. Dans la suite de l’exercice, on suppose que b = 6.

(a) Comment appelle-t-on la valeur α de X telle que F (α) = 1 − F (α), F étant la fonction de répartition de X ? Déterminer α.
(b) Calculer la variance V (X) et l’écart-type σX de cette distribution.
(c) Construire la courbe des fréquences cumulées.

Solution:

1. Le nombre total d’élèves n est égal à la somme des effectifs de chaque classe. Ainsi :

n = 5 + 12 + 10 + b + 8 = 35 + b.

La moyenne x̄ est donnée par :

5 · 2 + 12 · 6 + 10 · 10 + b · 14 + 8 · 18
x̄ = .
n
Sachant que x̄ = 10 et n = 35 + b, l’équation suivante s’obtient :
326 + 14b
10 = .
35 + b

En résolvant cette équation, on trouve b = 6. Ainsi, le nombre total d’élèves est n = 35 + b = 41.

2. La répartition des effectifs cumulés, des fréquences et des fréquences cumulées est donnée dans le tableau suivant :

Classe X Effectif ni Effectif cumulé Ni Fréquence fi Fréquence cumulée Fi

[0, 4[ 5 5 5
41
≈ 0.1220 5
41
≈ 0.1220
[4, 8[ 12 17 12
41
≈ 0.2927 17
41
≈ 0.4146
[8, 12[ 10 27 10
41
≈ 0.2439 27
41
≈ 0.6585
[12, 16[ 6 33 6
41
≈ 0.1463 33
41
≈ 0.8049
[16, 20] 8 41 8
41
≈ 0.1951 41
41
= 1.0000

3. Maintenant, on suppose que b = 6.

(a) La valeur α est appelée mediane de X et noté Me . Étant donné que 0, 5 se situe dans l’intervalle [0, 4146; 0, 6585[, nous concluons que
Me ∈ [8; 12[. Nous avons alors :

Me − 8 0, 5 − 0, 4146
= .
12 − 8 0, 6585 − 0, 4146
Par conséquent, la médiane est:
0, 0854
Me = 8 + 4 ≈ 9, 4004
0, 2439
q
5·22 +12·62 +10·102 +6·142 +8·182
(b) La variance est V (X) = 41
− 102 = 27, 80, et l’écart-type est σX = V (X) ≈ 5, 27.
(c) La courbe des fréquences cumulées

Exercice 2. (4 points)
Soit la variable X = ”dépenses publicitaires pour un produit” (en milliers de dirhams) et la variable Y = ”ventes réalisées de ce produit” (en
milliers de dirhams).

x 1 2 3 4 5 6
y 10 17 30 28 39 47

1
1. Présenter les données dans un graphique à nuage de points.

2. Calculer la moyenne de X et la moyenne de Y .

3. Calculer l’écart-type σX de X et l’écart-type σY de Y .

4. Calculer la covariance cov(X, Y ) et le coefficient de corrélation linéaire cor(X, Y ) et interpréter le résultat.

5. Déterminer l’équation de la droite de régression linéaire.

Solution:

1. Le nuage de points.

Nuage de points
Ventes (Y) en milliers de dirhams 50

40

30

20

10
1 2 3 4 5 6
Dépenses publicitaires (X) en milliers de dirhams

2. On a

x y x2i yi2 xi · yi
1 10 1 100 10
2 17 4 289 34
3 30 9 900 90
4 28 16 784 112
5 39 25 1521 195
6 47 36 2209 282
21 171 91 5803 723

Les moyennes sont :

21 171
x̄ = = 3, 5 (en milliers de dirhams) ȳ = = 28, 5 (en milliers de dirhams)
6 6
3. Les écarts-types sont : s s
91 5803
σX = − (3.5)2 ≈ 1, 71 σY = − (28, 5)2 ≈ 12, 45.
6 6
4. La covariance cov(X, Y ) est :
723
σXY = − 3, 5 × 28.5 = 20, 75.
6
Le coefficient de corrélation est :
20, 75
cor(X, Y ) = = 0, 97.
1, 71 · 12, 45
Comme le coefficient de corrélation cor(X, Y ) est proche de 1, les variables X (dépenses publicitaires) et Y (ventes) sont fortement corrélées
de manière positive. En d’autres termes, lorsque les dépenses en publicité augmentent, les ventes ont tendance à augmenter également, et
cette relation suit une tendance linéaire avec une faible dispersion autour de la droite de régression.

5. La droite de régression de Y sur X est donnée par :

σXY
y − ȳ = (x − x̄)
σx2
y − 28, 5 = 7, 1(x − 3, 5)
y = 7, 1x + 3, 65

Exercice 3. (5 points)
Soit f la fonction définie par : 
2x

si x ∈ [0, 1],
f (x) =
0

si x ∈
/ [0, 1].

2
 1. (a) Vérifier que f est une fonction de densité de probabilité.
(b) Soit X la variable aléatoire continue de fonction de densité f . Calculer l’espérance mathématique et la variance de X.
(c) Déterminer la fonction de répartition FX de X.

2. Soit la variable aléatoire Y = 1 + X 2 .

(a) Déterminez la fonction de répartition FY de Y , et deduire la fonction de densité fY de Y .

(b) Calculer les probabilités suivantes : P [Y ⩽ −0.5], P [Y > 2], et P [1, 5 ⩽ Y ⩽ 2].

Solution

1. (a) Pour démontrer que la fonction f est une densité de probabilité, nous devons vérifier les trois points suivants :
i. f (x) ⩾ 0 pour tout x ∈ R. (par définition de la fonction f )
ii. L’ensemble des points de discontinuité de f est fini et ces points de discontinuités sont de première espèce
iii. f (x)dx = 1, en effet,
R
R Z Z 1 h i1
f (x)dx = 2x dx = x2 = 1.
R 0 0

Donc, la fonction f est une densité de probabilité.

(b) Calculons E(X) :
2 2
Z Z 1  1
E(X) = xf (x)dx = 2x dx = x3
2
= .
R 0 3 0 3
Calculons Var(X). Comme Var(X) = E(X ) − E (X), il suffit de calculer E(X ) :
2 2 2

1 1
Z Z 1  1
E(X ) = 2
x f (x)dx =
2
2x dx = x4
3
= .
R 0 2 0 2
Par conséquent, nous avons :
1 2 1 4
 2
Var(X) = − = − .
2 3 2 9
(c) La fonction de répartition FX de X est donnée par :




 0 si x ∈] − ∞, 0],

FX (x) = x2 si x ∈ [0, 1],

1 si x ∈ [1, +∞[.



2. (a) Déterminons FY . Par définition, nous avons, pour tout réel y,

FY (y) = P(Y ⩽ y) = P(X 2 + 1 ⩽ y) = P(X 2 ⩽ y − 1).

Deux cas se distinguent :

• Si y ⩽ 1, alors FY (y) = 0.
√ √ √
• Si y ⩾ 1, alors FY (y) = P(− y − 1 ⩽ X ⩽ y − 1) = P(0 ⩽ X ⩽ y − 1).
À nouveau, deux cas se présentent :
√
• Si y − 1 ⩽ 1 (c’est-à-dire 1 ⩽ y ⩽ 2), alors FY (y) = y − 1.
√
• Si y − 1 ⩾ 1 (c’est-à-dire y ⩾ 2), alors FY (y) = 1.
En conclusion, nous avons : 



 0 si y ∈] − ∞, 1],

FY (y) = y − 1 si y ∈ [1, 2],

1 si y ∈ [2, +∞[.



La densité fY (y) est la dérivée de FY (y) :


d 0
si y ∈

/ [1, 2],
fY (y) = FY (y) =
dy 1 si y ∈ [1, 2].


(b)
P (Y ≤ −0.5) = FY (−0.5) = 0.

P (Y > 2) = 1 − FY (2) = 1 − 1 = 0.

P (1, 5 ≤ Y ≤ 2) = FY (2) − FY (1, 5) = 0, 5.

3
Exercice 4. (5 points)
Une machine fabrique des boı̂tes de conserves dont 5 % sont défectueuses. Des contrôles sont effectués sur un échantillon de 200 boı̂tes. Soit
X la variable aléatoire représentant ”le nombre de boı̂tes défectueuses parmi les 200 boı̂tes contrôlées”.

1. Déterminer la loi de probabilité de X (Justifier votre réponse).

2. Par quelle autre loi peut-on l’approximer ? Justifier votre réponse et déterminer ses paramètres.

3. Calculer la probabilité qu’il y ait exactement 4 boı̂tes défectueuses dans le lot contrôlé.

4. Calculer la probabilité d’avoir au moins 16 boı̂tes défectueuses.

5. Calculer la probabilité d’avoir au plus 14 boı̂tes défectueuses.

Solution:

1. Déterminer la loi de probabilité de X :

Soit X la variable aléatoire mesurant ” le nombre de boı̂tes défectueuses parmi les 200 boı̂tes contrôlées”. Le tirage d’une seule boı̂te est
une épreuve ayant 2 issues possibles :

• La boı̂te est défectueuse (succès) avec p = 0, 05 ;

• La boı̂te n’est pas défectueuse (échec) avec 1 − p = q = 0, 95.

On répète 200 fois cette épreuve de manière indépendante. Donc, la variable aléatoire X suit une loi binomiale B(200, 0.05).

E(X) = n × p = 10

V (X) = n × p × (1 − p) = 9, 5

2. Par quelle loi peut-on l’approximer ? Déterminez ses paramètres m et σX

2
.
Les conditions d’approximation d’une loi binomiale B(n, p) par une loi normale sont :

• n > 30,
• n × p > 5,
• n × p × (1 − p) > 5.

Ici, n = 200, n × p = 10 > 5, et n × p × (1 − p) = 9, 5 > 5, donc on peut approximer la loi binomiale par la loi normale N (µ, σ 2 ) avec :

µ = E(X) = n × p = 10

et
σ 2 = n × p × (1 − p) = 9.5

3. Calculer la probabilité d’avoir au moins 16 boı̂tes défectueuses

Sous l’approximation normale, on utilise la correction par continuité.
Pour P (X = 4) ≈ P (3.5 ≤ XC ≤ 4.5) avec XC ∼ N (10, 3.092 )
On pose:

XC − µ
Z= où Z ∼ N (0, 1).
σ
La probabilité cherchée est :

P (3.5 ≤ XC ≤ 4.5) = P (−2.10 ≤ Z ≤ −1.78) = Φ(−1.78) − Φ(−2.10) = 1 − Φ(1.78) − (1 − Φ(2.10)) ≈ 0, 0196.

Ainsi, la probabilité qu’il y ait exactement 4 boı̂tes défectueuses est environ 0, 0196 (1,96%).

4. Nous cherchons P (X ≥ 16). Avec la correction par continuité :

P (X ≥ 16) ≈ P (XC ≥ 15, 5) = P (Z ≥ 1, 78) = 1 − Φ(1.78) ≈ 0, 0375.

Ainsi, la probabilité d’avoir au moins 16 boı̂tes défectueuses est environ 0, 0375 (3,75%).

5. Nous cherchons P (X ≤ 14). Avec la correction par continuité :

P (X ≤ 14) ≈ P (XC ≤ 14, 5) = P (Z ≤ 1, 45) ≈ 0, 9265.

Ainsi, la probabilité d’avoir au plus 14 boı̂tes défectueuses est environ 0, 9265 (92,65%).