Professional Documents
Culture Documents
probabilits et statistique
Universit Paris 1 Panthon-Sorbonne
Cours de deuxime anne de licence de sciences conomiques
Fabrice Rossi
Cette uvre est mise disposition selon les termes de la licence Creative
Commons Paternit - Partage lIdentique 3.0 non transpos.
iii
1 Dnombrement et quiprobabilit
2 Conditionnement et indpendance
17
21
27
35
41
47
volutions de ce document
55
iii
Introduction
Ce document propose des exercices corrigs illustrant le cours de probabilits
et statistique. Les corrections sont abondamment commentes pour faciliter la
comprhension et expliciter le raisonnement qui conduit la bonne solution.
On trouve ainsi la suite de lnonc dun exercice une srie de commentaires
encadrant des lments de correction. La rponse attendue lors dune valuation
est constitue de lensemble des lments de correction, lexclusion, bien
entendu, des commentaires.
Chapitre 1
Dnombrement et
quiprobabilit
Exercice 1.1
nonc On place dans un sac 5 billets de 5 e, 7 billets de 10 e et 10 billets
de 20 e. On choisit au hasard une poigne de 8 billets, chaque billet ayant la
mme probabilit dtre attrap.
1. Quelle est la probabilit de navoir choisi aucun billet de 5 e ?
2. Quelle est la probabilit davoir obtenu uniquement des billets de 20 e ?
3. Quelle est la probabilit davoir obtenu au moins un billet de chaque
valeur ?
4. On recommence lexprience en tirant les billets un par un et en remettant
le billet dans le sac aprs son tirage. Calculer les probabilits des trois
vnements ci-dessus dans cette nouvelle exprience.
Comme dans tout exercice de probabilit qui ne fait pas intervenir de variables
alatoires, on doit commencer la rsolution par la dfinition de lunivers
associ lexprience. On rencontre ici une difficult classique : les billets dune
catgorie ne sont pas (facilement) discernables. On pourrait donc tre tent
de tenir compte de ce fait dans : cest en gnral une mauvaise ide. On
suppose donc les billets discernables (numrots, par exemple).
Correction
On suppose les billets discernables. On appelle c1 , . . . , c5 les 5 billets de
5 e, d1 , . . . , d7 les 7 billets de 10 e et v1 , . . . , v10 les 10 billets de 20 e. On
note lensemble des billets B, avec
B = {c1 , . . . , c5 , d1 , . . . , d7 , v1 , . . . , v10 } .
1
3
On cherche donc les sous-ensembles de 8 billets distincts choisis dans B 0 ,
8 ,
lensemble des 17 billets de 10 e et 20 e. On en dduit alors que |A| = C17
puis que
P(A) =
8
17! 14!8!
C17
17 16 10
=
=
' 0, 076
8
9!8! 22!
22 21 15
C22
Notons que le rsultat attendu est simplement celui qui fait apparatre les
formules explicites pour les Cnp . La simplification du rsultat et la valeur
numrique approche ne doivent pas tre fournies en gnral.
On peut interprter le rsultat sous forme dun tirage squentiel. Il est clair
en effet que la probabilit de tirer un unique billet qui ne soit pas de 5 e est
de 17
22 . Si on tire ensuite un deuxime billet sans remettre le premier, il ne
reste plus que 21 billets, dont seulement 16 ne sont pas de 5 e. La probabilit
15
de ne pas tomber sur un billet de 5 e devient donc 16
21 , puis 20 et ainsi de
10
suite jusqu 15 pour le huitime billet. En formalisant ce raisonnement et en
sappuyant sur la notion de probabilits conditionnelles, on peut retrouver le
rsultat sur P(A). Il est cependant beaucoup plus simple de dterminer la taille
de A en sappuyant sur des proprits connues.
Notons quil ne faut surtout pas chercher dterminer la composition de
la poigne de billets ne contenant pas de billets de 5 e au risque de perdre
beaucoup de temps. Cet exercice se diffrencie donc dautres exercices dans
lesquels on tudie une partie complexe de en la dcomposant en parties
plus simples. Ici, on sintresse toujours des sous-ensembles de taille huit,
mais on change lensemble dont ils sont des parties : on passe de B tout entier
(lensemble des 22 billets) un sous-ensemble de B. On procde exactement de
la mme faon pour la question suivante.
Correction
Soit lvnement D = {obtenir uniquement des billets de 20 e}. On
cherche ainsi les sous-ensembles de taille 8 billets choisis dans lensemble des
8 et
10 billets de 20 e. On donc |D| = C10
P(D) =
8
C10
10! 14!8!
=
' 1, 41 104 .
8
8!8! 22!
C22
La troisime question se traite dune faon assez diffrente car elle ncessite de
rcrire lvnement.
Correction
Soit lvnement
E = {obtenir au moins un billet de chaque valeur}.
On tudie son complmentaire F = E quon dcompose en deux sousvnements disjoints :
F1 = {obtenir des billets dune seule valeur}
F2 = {obtenir des billets de deux valeurs}.
F1 est en fait lvnement
F1 = {obtenir uniquement des billets de 20 e} = D,
car il ny a pas assez de billets de 5 e et de 10 e pour obtenir une poigne
de 8 billets compose uniquement de lune ou lautre des valeurs. On sait
8 . On dcompose F en trois sous-ensembles disjoints :
dj que |F1 | = C10
2
G5 = {obtenir des billets de 10 e et de 20 e, et pas de 5 e},
G10 = {obtenir des billets de 5 e et de 20 e, et pas de 10 e},
G20 = {obtenir des billets de 5 e et de 10 e, et pas de 20 e}.
On remarque que
G20 = {navoir aucun billet de 20 e}.
En effet, comme il y a strictement moins de 8 billets de 5 e et de 10 e, ne
pas obtenir de billet de 20 e implique dobtenir au moins un billet de 5 e et
au moins un billet de 10 e. Daprs le raisonnement de la premire question,
8 .
on a donc |G20 | = C12
On remarque aussi que
G5 = {aucun billet de 5 e} \ {uniquement des billets de 20 e}.
8 , alors que daprs la
Daprs la question 1, |{aucun billet de 5 e}| = C17
8
question 2, |{uniquement des billets de 20 e}| = C10 . On a donc
8
8
|G5 | = C17
C10
.
Finalement, on a
|F | = |F1 | + |G5 | + |G10 | + |G20 |
8
8
8
8
8
8
+ C12
= C10
+ C17
C10
+ C15
C10
8
8
8
8
= C17
+ C15
+ C12
C10
5
On a donc
P(E) = 1 P(F ) = 1
8 + C8 + C8 C8
C17
15
12
10
' 0, 902.
8
C22
Cette question est beaucoup plus complexe que les prcdentes et peut conduire
des solutions fausses de faon malheureusement assez naturelle. Il est frquent
par exemple de confondre les vnements G5 et A. Or, dans G5 , on considre les
poignes qui ne contiennent pas de billet de 5 e mais qui contiennent aussi au
moins un billet de 10 e et au moins un billet de 20 e. Lvnement A est moins
restrictif car il demande seulement de ne pas avoir de billet de 5 e. On peut
donc obtenir une poigne ne contenant que des billets de 20 e. Pour trouver
|G5 |, on doit donc enlever de A les poignes ne contenant que des billets de 20
e.
Une autre erreur classique consiste essayer de construire les rsultats
de lexprience qui constituent lvnement tudi. Cette stratgie fonctionne
trs bien dans certaines situations, mais elle est parfois dlicate mettre en
uvre. Dans la question prcdente, on tudie donc des sous-ensembles de
8 billets contenant au moins un billet de chaque valeur. Pour obtenir un tel
sous-ensemble, on peut donc choisir un billet de 5 e (soit 5 possibilits), un
billet de 10 e (7 possibilits), un billet de 20 e (10 possibilits) et enfin 5
5 possibilits). Les
billets quelconques parmi les 19 billets restants (soit donc C19
5
choix tant indpendants, on obtient 5 7 10 C19 faons de construire une
poigne de 8 billets.
Le problme est quon construit de cette faon plusieurs fois les mmes
poignes, ce qui revient les compter plusieurs fois. Si on choisit par exemple les
billets (c1 , d1 , v1 ) puis la poigne {c2 , c3 , d2 , d3 , v2 }, on obtient la mme poigne
que si on commence par choisir (c2 , d2 , v2 ) puis la poigne {c1 , c3 , d1 , d3 , v1 }.
5 = 4 069 800 alors que C 8 = 319 770 : on compte donc
En fait 5 7 10 C19
22
de trs nombreuses fois les mmes poignes. Il faudrait ainsi trouver un moyen
dviter ces constructions redondantes, ce qui est assez complexe. La meilleure
solution reste alors la technique de dcomposition utilise dans la correction.
Le traitement de la question 4 ncessite lintroduction dun nouvel univers.
Comme indiqu plus haut, cette tape est indispensable pour obtenir des
rsultats corrects.
Correction
Le tirage tant maintenant squentiel, on obtient une liste de billets. De
plus, comme les billets sont remis dans le sac, on peut obtenir plusieurs fois
le mme. Lunivers est donc le produit cartsien B 8 , soit
= {(b1 , . . . , b8 ) | i, bi B}.
Le calcul des trois probabilits se fait ensuite assez facilement en utilisant les
mmes raisonnements que dans la premire exprience, avec les adaptations
ncessaires au mode de tirage.
Correction
On considre lvnement A = {navoir aucun billet de 5 e}. Comme
pour la question 1, il sagit de trouver les tirages ne contenant que des
billets de 10 e et de 20 e. On cherche donc les listes de 8 billets choisis
dans B 0 , lensemble des billets de 10 e et de 20 e. On a donc clairement
|A| = |B 0 |8 = 178 . Donc
P(A) =
178
' 0, 127.
228
7
F1 en trois sous-vnements disjoints :
H5 = {obtenir uniquement des billets de 5 e},
H10 = {obtenir uniquement des billets de 10 e},
H20 = {obtenir uniquement des billets de 20 e}.
Dans chaque cas, on cherche des listes constitues uniquement des billets dun
catgorie, ce qui conduit un ensemble contenant k 8 listes si on considre k
billets. On a donc
|H5 | = 58 ,
|H10 | = 78 ,
|H20 | = 108 .
Le calcul des cardinaux de G5 , G10 et G20 se fait selon les mmes principes
que dans la question 3 : on compte dabord le nombre de listes ne contenant
pas de billets de la valeur non souhaite, puis on enlve au total le nombre
de listes composes uniquement dun type de billet. On obtient ainsi :
|G5 | = (7 + 10)8
| {z }
pas de 5 e
8
78
|{z}
uniquement des 10 e
8
108
|{z}
uniquement des 20 e
|G10 | = (5 + 10) 5 10 ,
|G20 | = (5 + 7)8 58 78 .
Finalement, on a
|F | = |H5 | + |H10 | + |H20 | + |G5 | + |G10 | + |G20 |,
= 178 + 158 + 128 58 78 108 ,
ce qui donne
P(E) = 1 P(F ) = 1
Chapitre 2
Conditionnement et
indpendance
Exercice 2.1
nonc On considre le jeu suivant : le joueur lance dabord un d non truqu.
Il tire ensuite un jeton dans une urne choisie en fonction du rsultat du d.
Lurne A est choisie quand le d donne 1, 2 ou 3, lurne B quand on obtient 4
ou 5 et lurne C quand on obtient 6. Les urnes contiennent les jetons suivants :
urne A : deux jetons rouges, trois jetons bleus ;
urne B : deux jetons bleus, quatre jetons verts ;
urne C : un jeton vert, un jeton rouge.
1. Quelle est la probabilit dobtenir un jeton rouge par ce procd ?
2. On obtient un jeton vert. Quelle est la probabilit que ce jeton soit issu
de lurne B ?
3. On obtient un jeton bleu. Quelle est la probabilit que le lancer du d ait
donn 3 ?
4. Quelle est la probabilit de ne pas obtenir un jeton vert, sachant que le
lancer du d a donn 3 ou 6 ?
5. Est-ce que lvnement choisir dans lurne C et lvnement obtenir
un jeton rouge sont indpendants ? Justifiez votre rponse.
La rsolution de lexercice passe comme toujours par une premire phase
de modlisation dans laquelle on traduit lnonc sous forme dhypothses
mathmatiques.
Correction
On considre les vnements R, Bl et V qui correspondent respectivement
lobtention dun jeton rouge, bleu ou vert la fin de lexprience. On
9
10
|{1, 2, 3}|
1
= .
|{1, 2, 3, 4, 5, 6}|
2
11
Correction
Considrons le tirage dun jeton dans lurne A. Lunivers correspondant
A scrit
A = {r1 , r2 , b1 , b2 , b3 },
o r1 et r2 sont les jetons rouges, et b1 , b2 , et b3 les jetons bleus. Les jetons
sont supposs discernables pour faciliter lanalyse. En labsence dhypothse
particulire sur les urnes et les jetons, on suppose que la probabilit sur A ,
PA , est uniforme. On a donc
PA (R) = PA ({r1 , r2 }) =
|{r1 , r2 }|
2
= .
|{r1 , r2 , b1 , b2 , b3 }|
5
12
2 1
1 1 1
17
+0 + = .
5 2
3 2 6
60
1 2 1 1 1
11
+ + = ,
2 3 3 2 6
36
ce qui conduit
P(B|V ) =
2
3
11
36
1
3
8
.
11
13
vert. On demande alors la probabilit de B, ce qui sous-entend quon cherche
la probabilit conditionnelle de cet vnement ou, en dautres termes, quon
cherche la probabilit de B sachant que V a eu lieu. On doit donc calculer
P(B|V ).
Cette grandeur tant inconnue, on utilise loutil classique pour se ramener
des grandeurs connues, savoir la rgle de Bayes (il faut imprativement
rappeler le nom de cette rgle pour lutiliser). Elle permet en effet de renverser
le conditionnement : on passe ici de P(B|V ) P(V |B). Or, cette deuxime
grandeur est connue puisquelle se dduit du protocole suivi dans lexprience.
La question suivante se traite exactement de la mme manire : on utilise
la rgle de Bayes et la loi des probabilits totales pour calculer les probabilits
conditionnelles recherches.
Correction
On cherche calculer P({le d donne 3}|Bl). En notant {3} lvnement
sur le d, la rgle de Bayes donne
P({3}|Bl) =
P(Bl|{3})P({3})
.
P(Bl)
1
37
3 1 1 1
+ +0 = ,
5 2 3 3
6
90
ce qui conduit
P({3}|Bl) =
3
5
37
90
1
6
9
.
37
Ltude dun vnement sur le d plutt que sur lurne demande un peu
dattention : il faut en effet justifier que P(Bl|{3}) = P(Bl|A) ce qui se fait
simplement en indiquant quon raisonne de la mme faon dans les deux cas.
14
P(V D)
P(V {3}) + P(V {6})
=
,
P(D)
P({3}) + P({6})
la deuxime galit provenant du fait que D est lunion disjointe des deux
vnements {3} et {6} (qui dsignent respectivement lobtention dun 3 et
dun 6).
On sait que P(V {3}) = 0 puisque lobtention dun 3 conduit utiliser
lurne A qui ne contient pas de jeton vert. Dautre part, en appliquant de
nouveau la dfinition des probabilits conditionnelles, on a
P(V {6}) = P(V |{6})P({6}).
Or, lobtention dun 6 conduit utiliser lurne C et donc choisir un jeton
parmi deux jetons (dont un est vert). On a donc P(V |{6}) = 12 . On en dduit
donc
0+ 1 1
1
P(V |D) = 1 2 1 6 = ,
4
6 + 6
et donc finalement que P(V |D) = 34 .
La dernire question est essentiellement une question de cours.
15
Correction
Deux vnements U et V sont indpendants si et seulement si P(U
V ) = P(U )P(V ). On considre donc lvnement C R. Par dfinition des
probabilits conditionnelles, on a
P(C R) = P(R|C)P(C) =
Or, daprs la question 1, P(R) =
17
60 ,
P(R) P(C) =
1 1
.
2 6
donc
17 1
6= P(C R).
60 6
Chapitre 3
1 2 3 4
5
6
X() 1 2 3 2 2 2
17
18
2
1
2
3
{4, 5, 6} {1} {2} {3}
1
2
1
6
1
6
1
6
0 pour
2 pour
FX (x) = 23 pour
5 pour
1 pour
On obtient ainsi
E(X) = 2
1
1
1
1
+ 1 + 2 + 3 = 0.
2
6
6
6
13
3
1
1
1
1
13
+ 12 + 22 + 32 = ,
2
6
6
6
3
' 4,33.
19
doit tout dabord mettre au carr les valeurs prises par X, pas les probabilits
de ces valeurs. De plus, il faut tre attentif au signe de ces valeurs : dans le
calcul ci-dessus, on a bien (2)2 = 4 et non pas (22 ) = 4, ce qui donnerait
un rsultat compltement faux.
La deuxime partie de lexercice est plus dlicate car lexprience ne semple
pas symtrique. La solution la plus simple pour lanalyser est de faire comme si
elle tait symtrique : on considre deux lancers de d, le deuxime tant inutile
pour la dfinition de Y dans certaines situations. Cette approche sapparente
celle utilise pour faciliter le traitement de certains problmes dans lesquels on
fait comme si les objets tudis (des jetons par exemple) taient discernables
alors quils ne le sont pas.
Correction
On choisit comme univers celui dune exprience dans laquelle on lance
toujours deux fois le d. On a donc
= {1, 2, 3, 4, 5, 6} {1, 2, 3, 4, 5, 6},
muni de la probabilit uniforme.
La variable alatoire Y est alors donne par le tableau suivant en fonction
du rsultat de lexprience = (u,v) :
(u,v)
1
2
3
4
5
6
1
1
2
3
3
3
3
2
1
2
3
3
3
3
3 4
5
6
1 1
1
1
2 2
2
2
3 3
3
3
3 5 5 5
3 5 5 5
3 5 5 5
On constate que Y () = {5, 1, 2, 3}. Pour tout y Y (), on doit dterminer Y 1 ({y}) pour calculer la probabilit de cet vnement et ainsi la loi de
Y . Daprs le tableau, on a
Y 1 ({5}) ={4, 5, 6} {4, 5, 6},
Y 1 ({1}) ={1} {1, 2, 3, 4, 5, 6},
Y 1 ({2}) ={2} {1, 2, 3, 4, 5, 6},
Y 1 ({3}) = ({3} {1, 2, 3, 4, 5, 6}) ({4, 5, 6} {1, 2, 3}) .
5
=
9
36
1
4
6
36
1
=
1
6
6
36
2
=
3
1
6
6
36
9
36
5
12
20
1
1
1
5
1
+1 +2 +3
= .
4
6
6
12
2
Comme E(Y ) > E(X), on gagne en moyenne plus la deuxime variante
qui est donc plus avantageuse pour le joueur.
E(Y ) = 5
Chapitre 4
22
Cette modlisation est trs frquente et trs classique. chaque fois quon
rencontre une grandeur alatoire qui peut prendre deux valeurs, on est en fait
en prsence dune variable de Bernoulli. La valeur reprsenter par 1 dpend de
ce quon veut faire dans la suite. Ici, on doit compter le nombre de composants
en panne pour savoir si lordinateur continue de fonctionner. Il est donc naturel
de reprsenter par 1 la panne plutt que le bon fonctionnement.
Correction
Lalimentation globale est constitue de trois alimentations A1 , A2 et
A3 . Comme les alimentations sont des variables de Bernoulli indpendantes
de mme paramtre p, le nombre dalimentation en panne, qui est la somme
A1 + A2 + A3 est une variable de loi Binomiale B(3, p).
De nouveau, nous utilisons ici une modlisation trs classique. Pour justifier
lutilisation dune loi Binomiale, il faut rappeler les proprits importantes
suivantes : on compte les succs de variables de Bernoulli indpendantes et de
mme paramtre. Si les variables ne sont pas indpendantes ou si elles ont des
paramtres diffrents, le rsultat nest pas une loi Binomiale. Notons aussi que
compter les succs ou faire la somme des variables est exactement la mme
chose et quon peut donc utiliser la justification la plus adapte au contexte.
Correction
Le serveur est en panne si deux au moins des alimentations sont en panne.
On note A lvnement panne de lalimentation globale . On a donc
P(A) = P(A1 + A2 + A3 2),
= P(A1 + A2 + A3 = 2) + P(A1 + A2 + A3 = 3),
= C32 p2 (1 p) + C33 p3 ,
= p2 (3 2p),
en utilisant les proprits de la loi Binomiale.
La deuxime question est exactement la mme que la premire mais avec des
paramtres numriques lgrement diffrents...
Correction
Comme pour les alimentations, on modlise les disques durs par des
variables Dj de Bernoulli B(q), indpendantes. Le nombre de disques en
23
panne est alors une variable de loi Binomiale B(4,q). Le serveur est en panne
si au moins deux des disques sont en panne, lvnement correspondant D
tant de probabilit
4
X
P(D) = P
Dj 2 ,
j=1
4
4
4
X
X
X
Dj = 2 + P
Dj = 3 + P
Dj = 4
= P
j=1
j=1
j=1
24
Exercice 4.2
nonc Un magasin spcialis reoit en moyenne 4 clients par jour, le nombre
de clients tant distribu selon une loi de Poisson. Calculer la probabilit que
le magasin soit visit le mercredi par :
1. aucun client ;
2. 5 clients ;
3. au moins 6 clients.
Correction
On note C la variable alatoire donnant le nombre de clients reus par
jour dans le magasin. Par hypothse, C est distribue selon une loi de Poisson
de paramtre et telle que E(C) = 4. Or, on sait que si C P(), E(C) = ,
donc = 4.
La phase de modlisation traditionnelle consiste ici traduire les hypothses de
lnonc exprimes en franais en hypothses mathmatiques. Ici, lnonc fait
une hypothse indirecte sur le paramtre de la loi de Poisson en indiquant lesprance de la variable. Une simple phrase de justification permet de transformer
cette hypothse sur lesprance en une hypothse sur la valeur de . Le reste
lexercice est alors trs simple et consiste essentiellement en une application
des proprits lmentaires de la loi de Poisson.
25
Correction
Comme C P(4), on a
P(C = 0) = e4
40
= e4 ' 0.0183.
0!
45
' 0.156.
5!
5
[
{C = k},
k=0
5
X
k=0
P(C = k) = 1 e
5
X
4k
k=0
k!
' 0.215.
Chapitre 5
si x [0,1]
sinon
Correction
R Pour que f soit une densit, il faut que pour tout x, f (x) 0 et que
f (x)dx = 1. On commence par la premire condition. Comme f est
nulle en dehors de lintervalle [0,1], il suffit de considrer le cas x [0,1]
pour lequel on doit avoir ax2 + b 0.
Pour les deux conditions, on peut en gnral se focaliser uniquement sur les
intervalles pour lesquels la fonction propose nest pas nulle.
Correction
On remarque que f (0) = b, et il faut donc que b 0. Si a = 0, il ny a
pas dautre condition ncessaire pour assurer la positivit.
La drive de f est donne par f 0 (x) = 2ax. Sur lintervalle [0,1], le
signe de f 0 est donc celui de a. Si a > 0, f est croissante sur [0,1] et on a
27
28
Z
f (x)dx =
f (x)dx.
0
ax2 + b dx =
ha
3
x3 + bx
i1
0
a
+ b.
3
29
Correction
R
On sait que P(X 0,5) = 0,5 f (x)dx. Comme f est nulle en dehors de
[0,1], et en utilisant la primitive dtermine la question prcdente, on a
Z
P(X 0,5) =
f (x)dx,
0,5
1
Z
=
f (x)dx,
0,5
ha
x3 + bx
i1
,
3
0,5
a 1
1
a
= +b b ,
3
3 8
2
a
b
=1
.
24 2
Une erreur courante dans lanalyse prcdente consiste confondre densit
f et fonction de rpartition F . On sait en effet que, par dfinition, si FX
est la fonction de rpartition de X, P(X 0,5) = 1 FX (0,5) (on a utilis
la continuit de X pour saffranchir de problmes aux bornes de intervalles).
Si on confond f et F , on peut tre tent dcrire (ce qui est faux !) que
P(X 0,5) = 1 f (0,5) = 1 a4 b. On obtient alors un rsultat totalement
diffrent dans la suite (et, insistons sur ce point, faux).
Correction
En utilisant les rsultats de la premire question, on a donc deux quations
deux inconnues :
a
+ b = 1,
3
a
b
1
1
= .
24 2
8
En utilisant b = 1
a
3
a
1 a
1
+ = ,
24 2 6
8
ce qui donne a = 3, puis b = 0 (et donc f (x) = 3x2 sur [0,1]). On remarque
que les valeurs de a et b sont compatibles avec les ingalits tablies la
question 1 et donc quon obtient bien une densit.
La dernire vrification est trs importante. On pourrait en effet supposer
1
par exemple que P(X 0.5) = 16
. Des calculs similaires ceux effectus
7
ci-dessus donnent a = 2 . Or, cette valeur nest pas acceptable daprs les
30
1
contraintes obtenues la question 1. Lhypothse P(X 0.5) = 16
entre donc
en contradiction avec lhypothse sur la densit de X. Ce nest pas le cas avec
lhypothse P(X 0.5) = 18 !
Correction
R
On sait que E(X) = xf (x)dx. ce qui donne ici (en tenant compte
de la nullit de f en dehors de [0,1]) :
1
x 3x2 dx,
E(X) =
0
3x3 dx,
0
3 4 1 3
= ,
=
x
4
4
0
3x4 dx,
0
3 5 1 3
x
= ,
=
5
5
0
3
9
3
= .
5 16
80
Exercice 5.2
Soit une fonction F dfinie de la faon
a(x + b)2
F (x) =
cx + d
suivante :
si
si
si
si
x 2
x ] 2,0]
x ]0,1]
x>1
31
2. On suppose que F est la fonction de rpartition de X, une variable
alatoire relle absolument continue (et donc que les conditions tablies
la question prcdente sont vrifies). On suppose que P(X 1) = 0.
En dduire les valeurs des rels a, b, c, d et e. quelle loi classique la
fonction ainsi obtenue correspond elle ?
3. On suppose maintenant que F est la fonction de rpartition de Y , une
variable alatoire relle absolument continue (et donc que les conditions
tablies la premire question sont vrifies). On suppose de plus que
P(Y [1; 0,5]) = 58 . En dduire les valeurs des rels a, b, c, d et e.
4. Calculer E(Y ) et V (Y ) pour la variable Y dcrire la question prcdente.
Correction
On vrifie dans un premier temps les conditions sur les limites. On
constate que limx F (x) = 0, comme cela doit tre le cas. On constate
dautre part que limx F (x) = e, ce qui impose e = 1.
Le traitement des conditions limites est en gnral la partie la plus facile de
lanalyse dune fonction de rpartition. On conseille donc de commencer par
cette partie.
Correction
Comme F doit tre la fonction de rpartition dune variable alatoire
absolument continue, il faut que F soit continue sur R tout entier. On
constate que sur chaque intervalle de sa dfinition, F est continue, car elle
est soit constante, soit affine, soit quadratique. Il faut donc simplement
vrifier que F est continue aux bornes de ces intervalles.
Par continuit de x 7 a(x + b)2 , on a limx2 a(x + b)2 = a(b 2)2 .
Pour que F soit continue en 2, il faut donc que a(b 2)2 = F (2) = 0.
De mme, par continuit de x 7 cx + d, on a limx0 cx + d = d. Pour
que F soit continue en 0, il faut donc que d = F (0) = ab2 .
Enfin, on a limx1 e = e = 1. Pour que F soit continue en 1, il faut donc
que F (1) = c + d = 1.
En rsum, F est continue si et seulement si :
a(b 2)2 = 0
d = ab2
c+d=1
Le raisonnement prsent au dessus est typique dune dmonstration de continuit pour une fonction dfinie par morceaux. Pour que la fonction soit continue,
il faut en effet quelle soit continue sur chaque morceau, mais aussi que tout
32
se passe bien chaque transition entre deux morceaux. Pour analyser ces
points, on sappuie sur la continuit de la fonction sur chaque intervalle, en
faisant comme si la dfinition sur lintervalle sappliquait aussi aux bornes.
Dans lexemple ci-dessus, on considre par exemple quil y a deux dfinitions
pour la valeur de F en 0, la vraie dfinition (donne par a(x + b)2 valu en
0) et la dfinition obtenue en calculant la limite de la formule sur lautre
intervalle (ici la limite en 0 de cx + d). La continuit est garantie si les deux
dfinitions ne sont pas contradictoires, cest--dire si elles donnent la mme
valeur.
Correction
On vrifie enfin que F est croissante. Comme F est continue (avec les
conditions tablies ci-dessus), il suffit de vrifier que F est croissante sur
chaque intervalle. Cest vident pour les intervalles o elle est constante.
Pour lintervalle ] 2,0], F 0 (x) = 2a(x + b). Pour que F soit croissante il
faut donc que 2a(x + b) 0 pour tout x ] 2,0]. Or, nous avons vu que
a(b 2)2 = 0, ce qui implique soit a = 0, soit b = 2 (soit les deux). Si a = 0,
F est identiquement nulle sur ] 2,0] et est donc croissante. Si a =
6 0, alors
b = 2. Dans ce cas, on ne peut pas avoir a < 0. En effet cela impliquerait
F (0) = 4a < 0 ce qui est impossible pour une fonction de rpartition. On
doit donc avoir a > 0 et donc F 0 (x) = 2a(x + 2) 0 sur ] 2,0], soit F
croissante sur cet intervalle.
Sur lintervalle ]0,1], F 0 (x) = c et F est donc croissante si et seulement si
c 0. En combinant toutes les conditions, on trouve que F est une fonction
de rpartition si et seulement si :
a(b 2)2 = 0
d = ab2
c+d=1
e=1
c0
a0
33
Correction
On suppose maintenant que P(X 1) = 0. Par dfinition de la fonction
de rpartition, on a donc F (1) = 0 = a(b 1)2 . Ceci nest possible que si
a = 0 ou b = 1. Or, si b = 1, la condition a(b 2)2 = 0 devient a = 0. De ce
fait, on doit ncessairement avoir a = 0. Dans cette situation, la valeur de b
nimporte plus. En revanche, d = ab2 devient d = 0, ce qui implique c = 1.
On obtient donc
a
b
c d e
0 quelconque 1 0 1
La fonction F devient alors beaucoup
0
F (x) = x
Correction
On suppose maintenant que P(Y [1; 0,5]) = 58 . On a
5
= P(Y [1; 0,5])
8
= P(Y ] 1; 0,5])
= F (0,5) F (1)
c
= + d a(b 1)2
2
1
2
1
2
1
8
puis d =
1
2
34
Correction
Pour calculer lesprance et la variance de Y , on doit dterminer sa
densit fY , cest--dire la drive de F . On obtient directement :
0
si y 2
1 (y + 2) si y ] 2,0]
fY (y) = 14
si y ]0,1]
0
si y > 1
On a alors
Z
E(Y ) =
yfY (y)dy
Z 2
Z
yfY (y)dy +
Z 0
yfY (y)dy +
2
Z 1
Z
yfY (y)dy +
yfY (y)dy
1
y
y
(y + 2)dy +
dy
4
0 2
2
2 1
3
0
y
y
y2
+
=
+
12
4 2
4 0
=
(2)3 (2)2 1
+
12
4
4
1
=
12
=
0 2
y
Z
=
=
16
=
1
=
2
et donc V (Y ) =
71
144 .
2
y4
Z
0
y3
6
(2)4
16
(y + 2)dy +
+
(2)3
6
0
1
3
y
1
+
6
y2
dy
2
Chapitre 6
Correction
Soit V la variable alatoire correspondant la quantit deau dans un
verre. Par hypothse, V suit une loi uniforme sur lintervalle [0, 20].
La seule difficult de modlisation est de bien comprendre quon travaille ici
avec une variable alatoire continue et pas avec une variable discrte. En effet,
il ny a pas de raison de supposer que la quantit deau est ncessairement un
entier, par exemple.
Correction
On cherche P(V 5). Par dfinition de la fonction de rpartition, on a
P(V 5) = FV (5). Or, pour une variable uniforme sur [0, 20], on a
FV (5) =
50
1
= ,
20 0
4
36
Les variables tant toutes uniformes sur [0, 20], elles sont toutes desprance
0+20
2 = 10. La quantit moyenne deau obtenue dans la bassine est de donc
5 10 = 50 cl.
Il est important de rappeler la proprit utilise ici pour calculer la quantit
moyenne deau, savoir la linarit de lesprance. On note en particulier que
cette proprit ne ncessite pas lindpendance entre les variables alatoires.
Exercice 6.2
nonc On suppose que la dure de vie dun disque dur est distribue selon une
loi exponentielle. Le fabricant veut garantir que le disque dur a une probabilit
infrieure 0.001 de tomber en panne sur un an. Quelle dure de vie moyenne
minimale doit avoir le disque dur ?
Correction
On appelle D la variable alatoire donnant la dure de vie du disque dur.
D suit une loi exponentielle de paramtre . Le fabricant veut garantir que
P(D 1) 0.001.
Comme P(D a) = FD (a) par dfinition, on obtient lingalit
1 exp( 1) 0.001,
en appliquant la formule classique pour la fonction de rpartition dune
variable de loi exponentielle. On a alors
1 exp() 0.001,
0.999 exp(),
ln(0.999) ,
ln(0.999),
1
1
,
ln(0.999)
1
999,5 .
en utilisant la croissance de ln
en utilisant la dcroissance de
1
x
Or, comme D suit une loi exponentielle, son esprance est 1 . La dure de
vie moyenne du disque dur doit donc tre dau moins 999,5 ans !
Cet exercice est une simple application des proprits de la loi exponentielle et
de la dfinition de la fonction de rpartition. Il faut simplement tre attentif dans
la manipulation des ingalits pour bien obtenir une minoration de lesprance
et donc de la dure de vie.
37
Exercice 6.3
nonc Daprs une tude rcente, la taille des femmes franaises est distribue
selon une loi normale de moyenne m = 1,58 et dcart-type = 0,06. Pour
produire un stock de vtements, un fabricant souhaite utiliser cette loi.
1. Il commence par dterminer un intervalle de la forme [m a, m + a]
(donc symtrique autour de la moyenne) contenant en moyenne 90 %
(environ) des tailles des femmes franaises : calculer a.
2. Il en dduit trois tailles, S, M et L, correspondant respectivement aux
intervalles [m a, m a/3], [m a/3, m + a/3] et [m + a/3, m + a].
Calculer le pourcentage de la production qui doit tre affect chaque
taille.
Correction
Soit T la variable alatoire reprsentant la taille dune femme. Par
hypothse, T suit une loi normale N (1,58; 0,062 ). On cherche a > 0 tel que
P(T [m a,m + a]) = 0,9.
Dans cet exercice, il ny pas dtape de modlisation car la loi de la variable
dintrt est donne explicitement, avec la valeur de ses paramtres. La traduction de lnonc se limite donc exprimer mathmatiquement lvnement
tudi et donner les hypothses sur cet vnement.
Correction
Soit la variable Y =
N (0; 12 ). De plus, on a
T m
.
ma
a
a
T
T m
T m
m + a,
a,
a
.
38
Correction
On sait que
P(Y [, ]) = FY () FY (),
car Y est une variable alatoire continue. De plus, par symtrie de la loi
normale standard, on FY () = 1 FY (), et ainsi
P(Y [, ]) = 2FY () 1.
De ce fait, chercher tel que P(Y [, ]) = 0,9 est quivalent chercher
tel que FY () = 1+0,9
= 0,95.
2
La table ne donne que la fonction de rpartition de la loi normale. Il faut donc
se ramener une quation portant sur cette fonction. On utilise dabord le
fait que pour toute variable alatoire continue (cest faux pour une variable
discrte), on a
P(X [a, b]) = FX (b) FX (a).
Ensuite, on applique la proprit de symtrie de la loi normale pour se dbarrasser du terme ngatif (le terme FY ()).
Correction
La lecture de la table de la loi normale donne :
FY (1,64) = 0,9495,
FY (1,65) = 0,9505.
Pour avoir un intervalle lgrement plus grand que celui recherch par le
fabricant, on choisit = 1,65. Si on pose a = = 0,06 1,65 = 0,099, on
a donc
P(T [m a, m + a]) = P(T [1,481; 1,679]) ' 0,9
39
Correction
tudions le premier intervalle. On a
ma
a
a
T
T m
T m
m a3 ,
a3 ,
a
,
3
,
3
et donc
h
a i
,
P T m a, m
= P Y ,
3
3
= FY
FY (),
3
= FY
FY
,
3
3
1,
= 2FY
3
= 2 0,7088 1,
= 0,4176.
Enfin :
i
a
, ,
P T m + ,m + a = P Y
3
3
= FY () FY
,
3
= 0,9505 0,7088,
= 0,2417,
40
0,2417
0,90
0,4176
0,90
0,2417
0,90
' 27%
' 46%
' 27%
Chapitre 7
Correction
Par hypothse, la loi de X est uniforme et la probabilit davoir X = x
pour tout lment x de X() est donc constante. De ce fait, cette probabilit
1
est de |X()|
= 14 . La loi de X est donc rsume par le tableau suivant
x 3 2 1
1
1
PX (x) 14
4
4
4
1
4
On applique ici directement les rsultats de cours sur la loi uniforme pour une
variable alatoire discrte ( ne pas confondre avec le cas continu).
41
42
Correction
Lesprance de X est donne par
X
xPX (x),
E(X) =
xX()
1 X
x,
4
xX()
1
= (3 2 + 1 + 4),
4
= 0.
Il faut toujours mentionner au moins une fois la formule qui dfinit lesprance
pour pouvoir lutiliser dans une solution.
Correction
Pour calculer la variance, on utilise la formule V (X) = E(X 2 ) (E(X))2
dont le deuxime terme est nul. On sait aussi que pour toute fonction ,
X
E((X)) =
(x)PX (x).
xX()
On a donc
V (X) = E(X 2 ),
X
=
x2 PX (x),
xX()
1
= ((3)2 + (2)2 + 12 + 42 ),
4
= 7.
Le rappel de la proprit gnrale qui permet de calculer E((X)) nest pas
ncessaire pour le calcul de E(X 2 ) mais il est conseill car il permet de ne pas
faire lerreur frquente qui consiste mettre les probabilits au carr plutt
que les valeurs de x.
Correction
Considrons Y = 2X + 1. Le tableau suivant donne la valeur de Y pour
toutes les valeurs possibles de X :
x 3 2 1 4
2x + 1 5 3 3 9
43
On a donc Y () = {5, 3, 3, 9}.
Comme Y est une variable discrte, sa loi est dtermine
par les probay1
bilits PY (y) pour tout y Y (). Or, PY (y) = PX 2
car Y = 2X + 1
et donc X =
Y 1
2 .
y1
2
puisquon a dans
Y ()
les
y1
images par Y des valeurs de X(). De ce fait, pour tout y , PX 2 = 14 .
Donc la loi de Y est la loi uniforme sur Y ().
On applique ci-dessus les proprits classiques pour la loi dune variable alatoire
obtenue comme fonction dune autre variable, Y = f (X). On sait en effet que
pour sous-ensemble A de Y (),
PY (A) = PX (Y 1 (A)),
o Y 1 est dfini par
Y 1 (A) = {x X() | f (x) A}.
Dans le cas dune variable alatoire discrte qui nous intresse ici, il suffit de
considrer les ensembles A rduits une seule valeur, ce qui conduit la solution
propose. Notons que celle-ci est simple car la transformation Y = 2X + 1 est
bijective. La variable Z sera lgrement plus complexe tudier.
Correction
Pour calculer E(Y ), on peut appliquer en fait trois rsultats diffrents.
On sait que pour tout et dterministes, et toute variable alatoire X,
E(X + ) = E(X) + . Ici on a donc
E(Y ) = 2E(X) + 1 = 1.
On peut aussi appliquer le rsultat rappel ci-dessus la fonction (x) =
2x + 1. On a donc
E(Y ) = E((X)),
X
=
(x)PX (x),
xX()
1 X
(2x + 1),
4
xX()
1
= (5 3 + 3 + 9),
4
= 1.
44
1 X
y,
4
yY ()
1
= (5 3 + 3 + 9),
4
= 1.
On utilise ici le fait que la loi de X sur X() est uniforme et donc que la
probabilit dun ensemble A est donne par le ratio entre le cardinal de A et
celui de X(). On remarque que le calcul est lgrement plus complexe que
celui de Y car la fonction x 7 (x + 1)2 nest pas injective : les deux valeurs
distinctes 3 et 1 que peut prendre X sont toutes deux transformes en la
valeur 4 pour Z. De ce fait, la loi de Z sur Z() nest pas uniforme.
45
Correction
Pour calculer E(Z), on peut appliquer le rsultat classique Z = (X)
avec (x) = (x + 1)2 , ce qui donne
E(Z) = E((X)),
X
=
(x)PX (x),
xX()
1 X
(x + 1)2 ,
4
xX()
1
= (4 + 1 + 4 + 25),
4
17
= .
2
On peut aussi utiliser la dfinition de lesprance, ce qui donne
X
E(Z) =
zPZ (z),
zZ()
1
1
1
1 + 4 + 25,
4
2
4
17
= .
2
Chapitre 8
x=0
0,1
0,1
0,05
x=1
0,2
0
0,1
1. Donner lunique valeur possible pour en justifiant brivement la rponse.
2. Calculer les lois marginales de X et de Y .
3. Montrer que X et Y ne sont pas indpendantes.
4. Calculer la loi conditionnelle de X sachant Y = 1. En dduire E(X|Y =
1).
5. Calculer lesprance conditionnelle de X sachant que Y 6= 2.
6. Calculer E(XY ) et en dduire Cov(X,Y ).
7. On pose Z = X + Y . Calculer la loi de Z, puis E(Z) et V (Z).
Correction
On sait que P(X X(), Y Y ()) = 1 et que
X X
P(X X(), Y Y ()) =
P(X = x, Y = y).
xX() yY ()
Donc la somme des probabilits contenues dans le tableau doit tre gale
1. On constate que la somme est ici 0,95 + . Donc = 0,05.
47
48
On se contente ici de justifier les calculs dans un des deux cas, par symtrie. Il
est utile de vrifier que la somme des probabilits de la loi obtenue pour chaque
variable est bien 1.
Correction
Les variables X et Y sont indpendantes si et seulement si pour tout x et
y, P(X = x, Y = y) = P(X = x)P(Y = y). Or, on remarque dans le tableau
que P(X = 1, Y = 1) = 0, alors que P(X = 1) P(Y = 1) = 0,3 0,3 6= 0.
Les deux variables ne sont donc pas indpendantes.
49
Correction
On utilise la dfinition de la loi conditionnelle, P(X = x|Y = 1) =
ce qui conduit immdiatement la loi rsume dans le tableau
suivant
x
2
0
1
0,1
0,2
2
1
0
P(X = x|Y = 1) 0,3 = 3 0,3 = 3 0,3 = 0
P(X=x,Y =1)
P(Y =1) ,
= 2
2
1
+ 0 + 1 0,
3
3
4
= .
3
On se contente ici dappliquer les dfinitions et de faire des calculs lmentaires.
La question suivante est lgrement plus complexe puisquil faut considrer un
conditionnement qui ne sexprime pas sous la forme Y = y.
Correction
6=2)
On doit dabord calculer P(X = x|Y 6= 2) = P(X=x,Y
P(Y 6=2) . Or, {Y 6= 2} =
{Y = 1} {Y = 1}, avec une union disjointe. Donc
P(X = x, Y = 1) + P(X = x, Y = 1)
.
P(Y = 1) + P(Y = 1)
2
=
0,4
0,8
1
2
0,2
0,8
0
=
1
4
0,2
0,8
1
=
1
4
= 2
3
= .
4
1
1
1
+0 +1 ,
2
4
4
50
1 P(X = 2|Y = 2) = 1
51
Correction
On sait que Cov(X, Y ) = E(XY ) E(X)E(Y ). On calcule donc E(X)
et E(Y ) en utilisant les dfinitions de ces esprances :
X
E(X) =
xP(X = x)
xX()
Correction
tudions maintenant Z = X + Y . Le tableau suivant donne les valeurs
prises par Z en fonction de celles de X et Y :
z = x + y y = 1 y = 1 y = 2
x = 2
3
1
0
x=0
1
1
2
x=1
0
2
3
On a donc Z() = {3, 1, 0, 1, 2, 3}. Pour calculer la loi de Z = f (X,Y ),
on doit dterminer f 1 (z) pour tout z Z() puis calculer la probabilit
de f 1 (z) partir de la loi jointe de X et Y , en utilisant la proprit
P(Z = z) = P((X,Y ) f 1 (z)). On obtient les rsultats suivants :
P(Z = 3) = P(X = 2, Y = 1) = 0,2
P(Z = 1) = P((X,Y ) {(2, 1), (0, 1)}) = 0,1 + 0,2 = 0,3
P(Z = 0) = P((X,Y ) {(2, 0), (1, 1)}) = 0,05 + 0,2 = 0,25
P(Z = 1) = P(X = 0, Y = 1) = 0,1
P(Z = 2) = P((X,Y ) {(0, 2), (1, 1)}) = 0,05 + 0 = 0,05
P(Z = 3) = P(X = 1, Y = 2) = 0,1
52
Correction
Comme Z = X + Y et que lesprance est linaire, on a
E(Z) = E(X) + E(Y ) = 0,6 + 0,2 = 0,4.
De plus, on sait que
V (X + Y ) = V (X) + V (Y ) + 2Cov(X,Y ).
On calcule donc les variances de X et Y . On a
E(X 2 ) = (2)2 0,45 + 02 0,25 + 12 0,3
= 2,1,
et
E(Y 2 ) = (1)2 0,5 + 12 0,3 + 22 0,2
= 1.6.
Donc V (X) = E(X 2 ) (E(X))2 = 1,74 et V (Y ) = 1,56. On obtient finalement
V (Z) = 1,74 + 1,56 + 2 (0,08) = 3,14.
Notons que lesprance et la variance de Z qui sont obtenues ici au moyen de
proprits de ces deux grandeurs pourraient aussi tre calcules directement
partir de la loi de Z. Quelle que soit loption choisie, il faut rappeler les
proprits et dfinitions utilises.
Annexes
53
volutions de ce document
La dernire version de ce document se trouve sur la page http://apiacoa.
org/teaching/statistics/index.fr.html.
23/04/2012 : version 0.0.1
premire version diffuse avec deux exercices corrigs
26/04/2012
ajout
ajout
27/04/2012
ajout
ajout
ajout
ajout
: version 0.0.2
dun exercice sur
dun exercice sur
: version 0.0.3
dun exercice sur
dun exercice sur
dun exercice sur
dun exercice sur
loi
loi
loi
loi
de Poisson ;
uniforme ;
exponentielle ;
normale.
55