Probabilits - Loi de Poisson

Travaux publics
Une entreprise fabrique des supports d'auvent utiliss notamment dans la construction de stades. Ces pices sont ralises en bton. Soit la variable alatoire X qui chaque production de 50 pices associe le nombre de supports dfectueux qu'elle contient. La production est suffisamment importante pour que l'on puisse assimiler tout tirage de 50 supports 50 tirages alatoires et indpendants. On admet que X suit la loi de Poisson de paramtre 1. Donner 10 2 prs : a) P(X = 0). b) P(X 4).

Traitement des matriaux

L'objectif de cet exercice est d'analyser la production d'une entreprise ralisant des rsistors pour des fours lectriques. Ces rsistors sont fabriqus partir de fil mtallique livr en bobine. Le fil utilis prsente des dfauts soit de diamtre soit d'homgnit qui rendent inutilisable le rsistor. On considre un trs grand nombre de bobines et on constate que sur l'ensemble des rsistors produits avec le fil d'une bobine, il y a en moyenne 6 rsistors dfectueux. On admet que la variable alatoire Z qui, tout fabrication utilisant une bobine prleve au hasard, associe le nombre de rsistors dfectueux, suit une loi de Poisson de paramtre . a) Dterminer la valeur de . b) Calculer la valeur exacte puis une valeur dcimale approche 10 3 prs : de la probabilit P1 qu'il n'y ait aucun rsistor dfectueux, de la probabilit P2 qu'il n'y ait pas plus de 6 rsistors dfectueux.

Probabilits - Loi de Poisson

Industrie et commerce du bois

Une usine a vendu 100 machines laver. Celles-ci ont t utilises le mme nombre d'heures dans une anne. Le tableau suivant donne la rpartition du nombre des rparations xi suivant le nombre ni de machines vendues. Nombre de rparations xi Nombre de machines ni 0 58 1 32 2 7 3 3 4 0

1 Calculer le nombre moyen de rparations. 2 Soit X la variable alatoire qui suit la loi de Poisson de paramtre , dterminer 0,001 prs P(X = 0) , P(X = 1) , P(X = 2) , P(X = 3) , P(X = 4). 3 Comparer les valeurs de ni avec celles dduites de la loi de Poisson de mme moyenne.

Fabrications textiles
On considre que la variable alatoire X, qui mesure la dure de vie exprime en nombre entier d'annes d'un quipement industriel, suit la loi de Poisson de paramtre = 5. On dfinit la fonction de ce mme quipement par : v(t) = P(X > t). Montrer que v(1) = 0,959. Prsenter sous forme de tableau les valeurs de v(t) pour t entier, 1 t 10, on donnera les valeurs approches 0,001 prs.

Analyses biologiques
1 Une suspension de 10 6 bactries est infecte par une population de phages (particules infectieuses). A la fin de lexprience, on a constat que 65 10 4 bactries ont t infectes. Quel est le pourcentage de bactries infectes ? 2 On observe une bactrie au hasard. Soit X la variable alatoire qui, toute bactrie alatoire associe le nombre de phages infectant cette bactrie. On admet que X suit une loi de Poisson de paramtre m. a) En calculant P(X = 0), justifier le choix du paramtre m = 1,05. b) Dterminer 0,001 prs P(X = 1), P(X = 2), P(X = 3). Quel est le nombre moyen de phages par bactrie infecte ?

Probabilits - Loi de Poisson

Fabrications textiles
1 La variable alatoire X suit la loi de Poisson de paramtres 1. Calculer P(X 3). 2 Une compagnie dassurances assure un parc de 200 vhicules contre un risque qui a la probabilit 0,5 % de survenir. Frais de gestion dduits, chaque prime souscrite rapporte 160 F la compagnie, qui verse 10 000 F pour chaque sinistre. a) Montrer que la variable alatoire qui associe tout parc de 200 vhicules le nombre de sinistres peut-tre approche par la loi tudie au 1 b) Dterminer 0,001 prs la probabilit qua la compagnie de raliser un bnfice. Calculer lesprance de ce bnfice.

Construction navale
Un client achte un lot de bagues commercialises par l'entreprise aprs avoir subi la procdure de contrle. Pour contrler la qualit de ce lot le client prlve 200 bagues. On admet que le stock est suffisamment important pour pouvoir assimiler ce prlvement 200 tirages indpendants. On admet que la variable alatoire D, qui tout prlvement au hasard de 200 bagues effectu dans le lot associe le nombre de bagues non conformes qu'il contient, suit une loi de Poisson de paramtre = 3. Dterminer le plus petit entier k tel que la probabilit de l'vnement "D k" soit suprieure ou gale 0,95.

Probabilits - Loi de Poisson

Fabrications textiles
Un chef d'entreprise, pour viter l'attente des camions venant livrer, envisage si cela s'avre ncessaire, de construire de nouveaux postes de dchargement. Il y en a actuellement cinq. On considre, pour simplifier l'tude, qu'il faut une journe pour dcharger un camion. Une enqute pralable sur 120 jours ouvrables a donn les statistiques suivantes : Nb d'arrives par jours xi Nb de jours ni 0 2 1 10 2 18 3 22 4 23 5 19 6 12 7 7 8 4 9 2 10 1

1 Dterminer 10 2 prs la moyenne, la variance et l'cart type de cette distribution. 2 Soit X la variable alatoire qui, un jour choisi au hasard, associe le nombre de camions venant livrer ce jour. Le responsable fait l'hypothse que cette variable alatoire suit la loi de Poisson de paramtre 4. a) Quelle est 0,0001 prs, la probabilit de n'avoir aucun camion en attente ? b) Combien faudrait-il de postes de dchargement pour que la probabilit de n'avoir aucun camion en attente soit suprieure 0,95 ? c) On prvoit, pour les annes venir, un doublement de la frquence des livraisons. On admettra que la variable alatoire Y = 2 X suit la loi de Poisson de paramtre 8. Combien faudrait-il de postes de dchargement pour que la probabilit de n'avoir aucun camion en attente soit suprieure 0,95 ?

Probabilits - Loi de Poisson

Maintenance industrielle
Dans cet exercice on donnera les valeurs approches de tous les rsultats 10 2 prs. Un distributeur automatique labore du jus d'orange en mlangeant de l'eau et du concentr d'orange. A - Vous tes charg d'approvisionner chaque matin l'appareil en concentr, Le plein de concentr tant ralis chaque matin, on suppose maintenant que la probabilit qu'un jour pris au hasard la machine soit hors service par manque de concentr est p = 0,05. Les pannes sont supposes indpendantes les unes des autres. 1 Montrer que la variable alatoire Y qui, toute priode de 30 jours associe le nombre de jours o le distributeur est hors service par manque de concentr, suit une loi binomiale. Quels sont ses paramtres ? 2 On approche cette loi par une loi de Poisson. Quel est son paramtre ? Dterminer la probabilit qu'il y ait au plus deux mises hors service du distributeur, en un mois de 30 jours, par manque de concentr. B - Vous tes galement charg de la maintenance du distributeur. 1 Une enqute a montr que la variable alatoire Z qui, toute priode de 30 jours associe le nombre de pannes mcaniques du distributeur, suit la loi de Poisson telle que P(Z = 1) = 6 P(Z = 3). Dmontrer que le paramtre de cette loi de Poisson est = 1. 2 a) On suppose que les variables alatoires Y et Z sont indpendantes. Dterminer la probabilit de l'vnement :"Y = 1 et Z = 1". b) Dterminer la probabilit de l'vnement "le distributeur est hors service deux fois exactement en un mois de 30 jours", le hors service se produisant par manque de concentr ou par dfaillance mcanique du distributeur et ce de faon indpendante. Pour simplifier, on considrera que si le distributeur est victime le mme jour d'une panne mcanique et d'une panne de concentr, il s'agit quand mme de pannes distinctes.

Probabilits - Loi de Poisson

Comptabilit et gestion
Une entreprise conditionne et commercialise du sel fin fluor en sachets portant les mentions "Poids net 1 kg et fluorure de potassium 250 mg/kg". Une machine met le sel en sachets. La fermeture des sachets est automatise, mais le mcanisme est quelquefois dfectueux. On sait que la variable X qui, toute anne d'utilisation alatoire, associe le nombre de pannes au cours de cette anne d'utilisation, suit une loi de Poisson de paramtre . Par ailleurs, on a remarqu que les vnements "X = 1" et "X = 2" ont la mme probabilit. a) Montrer que le paramtre de cette loi est 2. On rappelle que, pour tout entier k,

k P(X = k) = e . , ( > 0) . k!
b) Calculer la probabilit que le nombre de pannes dans une anne alatoire soit suprieur ou gal 6.

Productique
Un constructeur a besoin, pour quiper ses vlos, de tubes de selle en aluminium. Ce constructeur se propose de contrler les lots quil reoit par comptage, au moyen de plans dchantillonnage indiqus par la norme NF X06 - 022. Il constitue un chantillon de 80 tubes. La norme conseille daccepter le lot si le nombre de tubes dfectueux de cet chantillon est infrieur ou gal 2. On admet que, la variable alatoire X qui, tout chantillon alatoire de 80 tubes, associe le nombre de tubes dfectueux, obit une loi de Poisson de paramtre inconnu. 1 Montrer que la probabilit daccepter le lot est gale f ( ) = e (1 + + 2 tudier les variations de la fonction f pour variant de 0 10. 3 Donner le tableau de valeurs de f() pour entier variant de 0 10. Tracer alors la courbe (courbe defficacit) reprsentant la fonction f sur [0, 10] (on prendra pour units 1 cm sur laxe des abscisses et 10 cm sur laxe des ordonnes. 4 On appelle p la probabilit quun tube pris au hasard dans un lot soit dfectueux. On admettra que = 80 p. En utilisant la courbe reprsentative de la fonction f, a) dterminer la probabilit dacceptation quand p vaut 0,01 ; b) inversement, dterminer la valeur de p partir de laquelle la probabilit dacceptation devient infrieure 0,1.

2 ). 2

Probabilits - Loi de Poisson

Industries papetires
Une machine fabrique des tiges en acier. Un client achte un lot de tiges fabriques par cette machine ; pour contrler la qualit de ce lot, il prlve 80 tiges et accepte ce lot si le nombre de tiges dfectueuses parmi les 80 est au plus gal 2. On dsigne par p la probabilit qu'une tige prise au hasard dans le lot soit dfectueuse et l'on suppose p < 0,1. On assimile tout prlvement de 80 tiges un prlvement alatoire non exhaustif. 1 On admet que la variable alatoire Y qui, tout prlvement alatoire de 80 tiges, associe le nombre de tiges dfectueuses de cet chantillon, suit une loi de Poisson de paramtre m = 80 p . Montrer que la probabilit que le client accepte un lot est :

( m ) = e m (1 + m +

m2 ) 2

2 tudier les variations de la fonction sur l'intervalle [0, 8] et tracer sa courbe reprsentative dans un repre orthogonal d'units graphiques 1cm sur laxe des abscisses et 10 cm sur laxe des ordonnes. 3 Utiliser la reprsentation graphique prcdente pour dterminer, a) la probabilit que le lot soit accept si p = 0,07; b) la valeur de p partir de laquelle la probabilit daccepter le lot est infrieure 0,95.

Industries graphiques
Les premires preuves d'un ouvrage imprimer contiennent des fautes d'impression. Le choix d'une page d'un ouvrage est assimil un tirage alatoire non exhaustif. Un ouvrage ayant t soumis une premire correction, la variable alatoire X qui, toute page, associe le nombre de fautes suit la loi de Poisson de paramtre = 0,2. a) Dterminer la probabilit qu'il y ait exactement une faute sur une page prise au hasard, puis celle que la page ne comporte aucune erreur, et enfin celle qu'il y ait 3 fautes au plus. b) Si l'on rpte un grand nombre de fois ce travail, quel est le nombre moyen de fautes par pages ?

Probabilits - Loi de Poisson

Maintenance 1994
On considre une variable alatoire X suivant une loi de Poisson de paramtre inconnu telle que : P(X 1) = 0,95. 1 Dmontrer que est solution de l'quation ln (1 + x) x = ln (0,95). 2 tudier les variations de la fonction dfinie sur [ 0 , + [ par : (x) = ln (1 + x) x . En dduire que l'quation du 1 admet une solution unique, , dans [ 0, + [ . Dterminer un encadrement d'amplitude 10 1 de .

Probabilits - Loi de Poisson

Industries graphiques 1988

A - 1 Donner pour les entiers k tels que k 5, 0,001 prs, les probabilits P(X = k) pour une variable alatoire X suivant la loi de Poisson de paramtre m = 1,8. 2 On dira que l'vnement [X = k] est envisageable si et seulement si P(X = k) 0,05. Dterminer les vnements envisageables. Dans la suite de l'exercice, on se limitera aux vnements envisageables et on prendra les valeurs approches suivantes : k P( X = k ) 0 0,17 1 0,30 2 0,27 3 0,16 4 0,10

B - Un atelier contient un parc de 50 machines qui demandent, en moyenne, de manire alatoire, une intervention d'une heure. Le but du problme est de dterminer le nombre d'ouvriers embaucher : le sur-emploi cote cher ainsi que le sous-emploi qui perturbe la production en retardant les interventions ncessaires. Toutes les donnes sont ramenes l'heure : 3,6 % des machines demandent une intervention ; un ouvrier embauch revient 200 F ; si l'intervention n'a pas lieu la perte est estime 500 F ; le nombre d'ouvriers embauchs est n ; le nombre de machines demandant une intervention est k ; le nombre d'interventions ne pouvant tre assures est h ; on note Y la variable alatoire mesurant le cot Cn (h) correspondant aux donnes prcdentes.

1 Montrer que la variable alatoire X qui, une heure choisie au hasard, associe le nombre de machines qui demandent une intervention dans l'heure est assimilable celle du A). 2 Justifier les relations suivantes : a) Cn (h) = 200 n + 500 h, b) P( Y = Cn (0) ) = P( X n ) et, si h 0, P( Y = Cn (h) ) = P( X = n + h ).

3 Calculer, l'esprance mathmatique de la variable alatoire Y pour les valeurs de n correspondant aux vnements envisageables : 0 n 4. En dduire le nombre le plus conomique d'ouvriers embaucher.

Probabilits - Loi de Poisson

Approximation d'une loi binomiale l'aide d'une loi de Poisson

Groupement C 1999
Un lyce achte son papier pour photocopieur une entreprise. On admet que la probabilit qu'une feuille du papier livr, prise au hasard, bloque le photocopieur est p = 0,001. Une documentation de 12 pages est photocopie en 50 exemplaires. On appelle K la variable alatoire qui, toute srie de 600 photocopies, associe le nombre de blocages pendant la reprographie. On assimilera une srie de 600 photocopies un prlvement de 600 feuilles de papier au hasard et avec remise. 1 Quelle est la loi de probabilit suivie par K ? 2 Calculer la probabilit des vnements suivants (on donnera les rsultats exacts, puis arrondis au millime) : a) Au cours de ce travail, le photocopieur ne se bloque jamais. b) Au cours de ce travail, le photocopieur se bloque exactement trois fois. 3 On admet que la loi de probabilit suivie par K peut tre approche par une loi de Poisson. a) Prciser son paramtre. b) Quelle est la probabilit que le photocopieur se bloque plus de deux fois pendant ce travail ?

Conception de produits industriels 1999

Une machine usine des billes de roulement billes. On suppose dans cette question que la proportion de billes acceptables dans la production est de 95%. Soit X la variable alatoire qui, chaque lot de n billes choisies au hasard dans la production, associe le nombre de billes dfectueuses. On assimile le choix d'un lot un tirage avec remise. a) Dterminer la loi de probabilit de la variable alatoire X. Donner son esprance mathmatique. b) Soit n = 10. Calculer la probabilit que l'chantillon contienne au plus 2 billes dfectueuses. c) Soit n = 100. On admet que la loi de probabilit de X peut tre approche par une loi de Poisson de paramtre . Quelle est la valeur de ? Quelle est la probabilit que le lot tir contienne plus de deux pices dfectueuses ? Dans cet exercice chaque probabilit demande sera calcule 10 3 prs.

10

Probabilits - Loi de Poisson

Btiment 1995
Une machine produit des pices cylindriques destines faire des axes de moteurs. On tudie le diamtre, exprim en millimtres, des pices issues de cette fabrication. On suppose maintenant que la probabilit qu'une pice choisie au hasard dans la production d'une journe soit dfectueuse est p = 0,05. On prlve au hasard 60 pices. La production est assez importante pour qu'on puisse assimiler ce prlvement un tirage avec remise de 60 pices. On appelle Y la variable alatoire qui, tout prlvement de 60 pices, associe le nombre de pices dfectueuses. a) Expliquer pourquoi Y suit une loi binomiale dont on dterminera les paramtres. b) Calculer P(Y 2). c) On approche la loi binomiale de la question prcdente par la loi de Poisson de mme esprance mathmatique. Prciser le paramtre de cette loi. En utilisant cette loi de Poisson, dterminer la probabilit qu'un chantillon de 60 pices contienne au plus deux pices dfectueuses.

Informatique de gestion (Nouma) 1997

On prlve, au hasard et avec remise, 50 chques de l'chantillon E. On dsigne par X la variable alatoire prenant pour valeur le nombre de chques "de petite valeur" parmi les 50 chques prlevs. On admet que la probabilit qu'un chque soit "de petite valeur" est 0,01. a) Donner la loi de probabilit suivie par X. Prciser ses paramtres. b) Calculer l'esprance mathmatique et la variance de la variable alatoire X. Quel est le nombre moyen de chques "de petite valeur" parmi les 50 chques prlevs ? c) Dterminer la probabilit d'avoir un chque "de petite valeur" parmi les 50 prlevs puis en donner une valeur approche 10 3 prs. d) On admet qu'on peut approcher la loi de X par une loi de Poisson. Montrer que le paramtre de cette loi de Poisson est 0,5. En utilisant la table de la loi de Poisson, calculer la probabilit d'avoir au moins 3 chques "de petite valeur" parmi les 50 prlevs.

11

Probabilits - Loi de Poisson

Biotechnologie 1997
Une entreprise fabrique en grande srie des pipettes de laboratoire. Ces pipettes sont calibres. On s'intresse la fiabilit de la calibration l'aide d'un test gravimtrique On refuse toutes les pipettes pour lesquelles le volume obtenu lors du test est strictement suprieur 100,3 l ou strictement infrieur 99,7 l. La probabilit qu'une pipette soit dfectueuse est gale 0,06. Dans un lot d'un trs grand nombre de pipettes, on effectue un contrle sur 50 pipettes choisies au hasard. On appelle alors Y la variable alatoire qui, tout lot de 50 pipettes associe le nombre de pipettes dfectueuses. On assimile les prlvements de 50 pipettes des tirages de 50 pipettes avec remise. 1 2 Quelle est la loi de probabilit de Y ? On suppose dsormais que l'on peut approcher la loi de probabilit de Y par une loi de Poisson. a) Prciser le paramtre de cette loi. b) Quelle est la probabilit qu'il n'y ait aucune pipette dfectueuse dans le lot ? c) Quelle est la probabilit qu'il y ait plus de 4 pipettes dfectueuses dans le lot ?

Travaux publics 1994

Un atelier est constitu de 30 postes de travail identiques. On appelle X la variable alatoire qui, un jour tir au hasard, associe aux 30 postes, le nombre de postes de travail dans lesquels une machine et une seule est en panne. Les 30 postes fonctionnent de manire indpendante. On admet que la probabilit qu'une machine et une seule soit en panne est 0,124. a) Dterminer, en la justifiant la loi de probabilit de la variable alatoire X. b) Calculer la probabilit que, parmi 30 postes, il y en ait 4 exactement qui comportent une machine et une seule en panne. c) Calculer la probabilit que, parmi 30 postes, il y en ait au moins 2 qui comportent une machine et une seule en panne. d) On approche la loi de X par une loi de Poisson. Prciser le paramtre de cette loi de Poisson. e) Refaire les calculs des questions b) et c) l'aide de la loi de Poisson.

12

Probabilits - Loi de Poisson

Btiment (Nouvelle Caldonie)1992

On envisage linstallation dune pompe chaleur en relve de chaudire dans un htel deux toiles en construction. On se propose dtudier si le contrat de maintenance forfaitaire annuel propos par linstallateur, aprs la priode de garantie dun an, est plus avantageux que la facturation au prix rel des interventions ponctuelles. Une tude statistique permet au constructeur daffirmer que la probabilit de lvnement la pompe chaleur tombe en panne une fois pendant un mois donn est 0,125. Dans un but de simplification, on admet que, pendant un mois donn, la pompe chaleur ne peut tomber en panne quau plus une seule fois et que les pannes ventuelles survenues deux mois dune mme anne sont indpendantes. On note X la variable alatoire qui, chaque anne (de douze mois!) associe le nombre de pannes survenues la pompe chaleur. 1 Expliquer pourquoi X suit une loi binomiale. Donner les paramtres de cette loi. 2 Calculer la probabilit des vnements suivants : a) il ny a pas de panne dans lanne ; b) il y a au plus deux pannes dans lanne. 3 Calculer lesprance mathmatique note E(X) de la variable alatoire X. Que reprsente E(X) ? 4 Les rsultats dune tude statistique mene auprs de nombreux utilisateurs de ce modle de pompe chaleur nayant pas souscrit de contrat de maintenance annuel permettent dadmettre que le cot dune intervention est de 2100 F TTC. Soit Y la variable alatoire qui chaque anne associe le montant total en francs (TTC) des frais de rparation de la pompe chaleur. a) Quelle est lesprance mathmatique note E(Y) de la variable Y ? Que reprsente E(Y) ? b) Le contrat de maintenance forfaitaire annuel de la pompe chaleur est propos par linstallateur au prix de 4500 F TTC. Quelle est la solution de maintenance la plus intressante sur une longue priode ? 5 On approche la loi binomiale du 1 par une loi de Poisson de paramtre = np , o n et p sont les paramtres de cette loi binomiale. En utilisant la loi de Poisson, dterminer les probabilits respectives des deux vnements du a) et du b) de la question 2. 6 On considre que, pour un vnement lapproximation dune loi binomiale par une loi de Poisson p p' est justifie lorsque lerreur relative est, en valeur absolue, infrieure 10 % (p tant la p probabilit de cet vnement mesure avec la loi binomiale et p celle du mme vnement mesure avec la loi de Poisson ). Pour chacun des deux vnements prcdents, dterminer si lapproximation de la loi binomiale du 1 par la loi de Poisson du 5 est justifie. Dans cet exercice chaque probabilit demande sera calcule 10 3 prs.

13

Probabilits - Loi de Poisson

En assistance technique d'ingnieur 1992

Dans un service public, on s'intresse l'vnement : "Une personne se prsente au guichet au cours d'une minute, c'est dire entre la minute t et la minute (t + 1), t tant entier". On a observ que la probabilit de cet vnement est 0,1. On admet que la probabilit que deux personnes se prsentent au guichet au cours d'une mme minute est ngligeable et que l'arrive des personnes est indpendante de la minute considre. On dsigne par X la variable alatoire qui, une heure choisie au hasard, associe le nombre de personnes qui peuvent se prsenter au guichet durant cette heure. 1 Quelle est la loi de probabilit de X ? Calculer l'esprance mathmatique et l'cart type de X. 2 On admet que l'on peut approximer la loi prcdente par une loi de Poisson. Quel est son paramtre ? Dterminer 10 3 prs P(X = 3), puis P(X 6).

quipement technique nergie 1995

Une tude statistique montre que la probabilit de l'vnement "une intervention au moins est ncessaire sur l'installation au cours d'un mois donn" est 0,125. On admet que la ncessit d'intervenir au cours d'un mois ne dpend pas du mois considr. On note X la variable alatoire qui, chaque anne alatoire, associe le nombre de mois o il a fallu intervenir sur l'installation. 1 Expliquer pourquoi X suit une loi binomiale et donner les paramtres n et p de cette loi. 2 Calculer la probabilit des vnements suivants : a) on n'est pas intervenu dans l'anne. b) on est intervenu un seul mois dans l'anne. c) on est intervenu au moins deux mois dans l'anne. 3 On se propose d'approcher la loi de X par une loi de Poisson de paramtre = np. En utilisant cette loi de Poisson, dterminer les probabilits respectives des vnements dfinis aux questions 2a, 2b et 2c. Les valeurs sont-elles bien compatibles avec les rsultats du 2 ?

14

Probabilits - Loi de Poisson

Industries graphiques 1992

La probabilit qu'une imprimante de modle BAG ne puisse transcrire correctement un caractre est 0,005. On suppose que les qualits de transmission des caractres sont indpendantes. On dsigne par X la variable alatoire qui, tout lot de 1000 caractres, associe le nombre de caractres transcrits incorrectement par l'imprimante. 1 Quelle est la loi de probabilit de X ? 2 On admet que la loi de probabilit suivie par X peut tre approche par une loi de Poisson dont on dterminera le paramtre. Quelle est 10 3 prs la probabilit que, parmi 1000 caractres imprimer : a) tous soient transcrits correctement ? b) au moins 998 soient transcrits correctement ? c) plus de 5 caractres soient transcrits incorrectement ?

Conception de produits industriels 1995

Un grand magasin propose en location des nettoyeurs haute pression. Une enqute statistique portant sur plusieurs annes antrieures montre que l'on peut estimer p = 0,02 la probabilit que, pendant une anne donne, un nettoyeur pris au hasard en location soit remis au magasin en mauvais tat de fonctionnement. On dsigne par X la variable alatoire qui, une anne donne, associe chaque chantillon de 100 appareils lous, le nombre d'appareils rendus en mauvais tat de fonctionnement. On assimile les chantillons de 100 appareils des chantillons alatoires non exhaustifs. On admet que la variable alatoire X suit une loi binomiale. 1. Quels sont les paramtres de cette loi ? 2. Calculer la probabilit que, sur 100 appareils lous, deux d'entre eux au plus soient rendus en mauvais tat de fonctionnement. On donnera une valeur dcimale approche 10 2 prs. 3. Dterminer l'esprance mathmatique de X. 4. On admet que la loi de probabilit de X peut tre approche par une loi de Poisson. Quel est le paramtre de cette loi de Poisson ? En utilisant la table fournie dans le formulaire, calculer la probabilit que, dans un chantillon de 100 appareils, 5 appareils au moins soient rendus en mauvais tat de fonctionnement.

15

Probabilits - Loi de Poisson

Productique textile 1992

Dans un atelier, une machine dcoupe des pices circulaires de fibres textiles destines la mcanique de prcision. La probabilit qu'une pice soit dfectueuse est 0,06. Dans un lot contenant un trs grand nombre de pices, on effectue un contrle sur n articles choisis au hasard avec remise. On appelle X la variable alatoire qui associe un tel chantillon de n articles le nombre de pices dfectueuses. 1. n = 5 . a) Quelle est la loi de probabilit de X ? b) Quelle est la probabilit que l'on ait exactement une pice dfectueuse dans un tel chantillon ? c) Quelle est la probabilit que l'on ait au plus deux pices dfectueuses dans un tel chantillon ? 2) n = 50. On suppose que la loi de X peut tre approche par une loi de Poisson dont on dterminera le paramtre. a) Quelle est la probabilit qu'il n'y ait aucune pice dfectueuse dans un tel chantillon ? b) Quelle est la probabilit qu'il y ait strictement moins de 5 pices dfectueuses dans un chantillon ? c) Quelle est la probabilit qu'il y ait strictement plus de 5 pices dfectueuses dans un chantillon ? On donnera tous les rsultats approchs 10 3 prs.

16

Probabilits - Loi de Poisson

Maintenance et aprs vente automobile 1995

Une entreprise fabrique des courroies dont cinq pour mille prsentent un dfaut. Un dtaillant achte un lot de 600 courroies. Soit X la variable alatoire qui, tout lot de 600 courroies prleves alatoirement, associe le nombre de courroies dfectueuses du lot (lot assimil un chantillon alatoire non exhaustif). 1 Quelle est la loi de probabilit de la variable alatoire X ? Calculer l'esprance mathmatique et l'cart type de X. 2 a) La loi de probabilit de X peut tre approche par une loi de Poisson. Quel est le paramtre de cette loi ? b) A l'aide de cette loi approche, donner la valeur approche de Pn = P(X = n). Donner les valeurs approches de Pn pour n = 0, n = 1, n = 2, n = 3, n = 4, n = 5, n = 6, dduire P(X 6). Quelle conclusion en tire-t-on ? et en

Informatique industrielle 1990

On a observ que 2 % des micro-ordinateurs dun type donn tombaient en panne par mois dutilisation. Une entreprise dcide dacqurir 150 micros de ce type. On appelle X la variable alatoire qui un mois choisi au hasard, associe le nombre mensuel de pannes prvisibles pour un parc de 150 machines. On suppose galement que les micro-ordinateurs fonctionnent indpendamment les uns des autres. 1 Dterminer la loi de probabilit de X. Calculer la probabilit des vnements suivants : a) le nombre mensuel de pannes est 5. b) le nombre mensuel de pannes est au plus gal 3. 2 La loi de X peut-tre assimile la loi de Poisson. Montrer que le paramtre est = 3. On utilise cette approximation dans la suite de lexercice. a) Refaire les calculs du 1 b) Dterminer le nombre minimum N tel que la probabilit de lvnement le nombre de pannes est au plus N soit suprieure 0,99. c) Dterminer P(X = k + 1) en fonction de P(X = k), k entier appartenant [0 ; 150] . En dduire un algorithme calculant, pour une valeur donne de k dans [0 ; 150] , P(X = k) et P(X k) sans utiliser les fonctions puissance et factorielle, mais en utilisant la fonction exponentielle, EXP( ), suppose connue.

17

Probabilits - Loi de Poisson

Industries cramiques 1992

A - On dispose d'un d cubique bien quilibr dont les faces sont numrotes de 1 6. On jette le d 10 fois de suite. Soit X la variable alatoire qui, tout ensemble de 10 lancers alatoires et avec remise, associe le nombre de 6 obtenus. On suppose que X suit une loi binomiale. 1 Prciser les paramtres de cette loi binomiale. 2 Calculer les probabilits suivantes : P(X = 0) ; P(X = 1) ; P(X 2). On donnera les valeurs exactes, puis des valeurs dcimales approches 10 4 prs. B - On dispose maintenant d'un jeu de deux ds bien quilibrs et de couleurs diffrentes. On suppose qu'on lance n fois le couple de ds, o n est inconnu. On note Z la variable alatoire qui, tout ensemble de n lancers, associe le nombre de 6 obtenus. On admet que Z suit une loi de Poisson de paramtre . (Cette loi de Poisson est en fait l'approximation de la loi binomiale suivie par Z : ces deux lois ont mme esprance mathmatique). 1 Montrer que = n . 36

2 Calculer 10 4 prs la probabilit P(Z = 0). 3 Pour quelles valeurs de n a-t-on : P(Z 1) > 0,95 ?

Techniques physiques pour l'industrie et le laboratoire 1995

Une entreprise fabrique un certain type de jouets lectroniques. On admet que la probabilit que la dure de vie d'un tel jouet, prlev au hasard dans la production, soit strictement suprieure 29,8 milliers d'heures est 0,025. On note Y la variable alatoire qui, tout chantillon alatoire de 160 jouets (assimil un chantillon non exhaustif), associe le nombre de jouets dont la dure de vie est strictement suprieure 29,8 milliers d'heures. a) Montrer que Y suit la loi binomiale B (n, p) avec n = 160 et p = 0,025. Calculer la moyenne E(Y) et l'cart type (Y). b) On peut approcher la loi de probabilit de Y par une loi de Poisson, donner son paramtre . c) Dterminer le plus petit entier n0 tel que : P(Y n0) > 0,90.

18

Probabilits - Loi de Poisson

Conception de produits industriels 1989

Dans un atelier fonctionnent 12 machines ; chacune delles a la probabilit 0,036 de se trouver en panne un jour donn. Les 12 machines fonctionnent de faons indpendantes. 1 On dsigne par X la variable alatoire qui un jour choisi au hasard associe le nombre de machines en panne ce jour l. On appelle A lvnement : 3 machines au moins se trouvent en panne un jour alatoire . Quelle est la loi suivie par la variable alatoire X ? Calculer 10 - 5 prs la probabilit p1 = P(A). On prendra par la suite p1 = 0,008. 2 Cet atelier fonctionne 250 jours par an. On appelle Y la variable alatoire qui, une anne alatoire, associe le nombre de jours de lanne o se produit lvnement A. Calculer 10 3 prs, en utilisant une approximation par la loi de Poisson de la loi suivie par Y, une valeur approche de la probabilit p2 = P(Y 3).

Informatique industrielle 1993

Un rayon laser est dirig vers une cible atteindre. D'une statistique pralable, on dduit que la probabilit que ce rayon laser atteigne la cible est 0,01. On fait l'exprience qui consiste mettre n fois le rayon laser, les missions tant deux deux indpendantes et ayant mme probabilit d'atteindre la cible. Soit X la variable alatoire qui une telle exprience, associe le nombre de fois o la cible est atteinte par le rayon laser. 1. Dterminer la loi de probabilit de X. Dans le cas o n = 300, calculer l'esprance mathmatique et l'cart type de cette loi. 2. Pour une exprience avec un nombre n d'essais, n 50, on admet qu'il est lgitime d'approcher la loi de probabilit de X par une loi de Poisson. a) Donner en fonction de n le paramtre de cette loi de Poisson. b) On estime que l'exprience est concluante lorsque le rayon laser atteint au moins trois fois la cible. Donner les valeurs prises par la variable alatoire X correspondant l'vnement "l'exprience est concluante", et exprimer la probabilit de cet vnement en fonction de . c) Soit f la fonction dfinie pour x positif ou nul par : f ( x ) = e x (1 + x + x2 ) 2

tudier le sens de variation de f et calculer f(6,1), f(6,2) et f(6,3). d) En utilisant les rsultats de la question 2.c donner un nombre n0 d'essais partir duquel la probabilit de l'vnement "l'exprience est concluante" est strictement suprieure 0,95.

19

Probabilits - Loi de Poisson

Productique bois 1995

Un atelier de menuiserie produit en grande srie pour l'assemblage des meubles, des tourillons en forme de cylindre. On dsigne par Y la variable alatoire qui, chaque lot de n tourillons (30 n 1000) tirs au hasard de la production, associe le nombre de tourillons dfectueux de ce lot. La probabilit qu'un tourillon prlev au hasard dans la production soit dfectueux est 0,003 . La production est assez importante pour qu'on puisse assimiler ce prlvement un tirage avec remise de n tourillons. a) Donner la loi suivie par Y ainsi que ses paramtres. On admet que cette loi peut tre approche par une loi de Poisson de paramtre , on note Z la variable alatoire qui suit cette loi. Exprimer en fonction de n. b) Le lot est acceptable si le nombre de tourillons dfectueux est infrieur ou gal 1. Montrer que : P(Z 1) = f ( ) = e (1 + ) .

20