Professional Documents
Culture Documents
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).
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 ?
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.
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 ?
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.
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
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 ?
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 .
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.
10
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.
11
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 ?
12
13
14
15
16
17
2 Calculer 10 4 prs la probabilit P(Z = 0). 3 Pour quelles valeurs de n a-t-on : P(Z 1) > 0,95 ?
18
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
20