Exercices du Cours de Probabilités, L3S5,

UE 14A
(Licence de Physique de l’Université Louis Pasteur)
J. FRANCHI

I. Fondements de la théorie des probabilités

1 Probabilité
Exercice no 1.1 Est-il plus probable d’obtenir au moins une fois 6 en lançant 4 dés usuels,
ou bien d’obtenir au moins une fois un double 6 en lançant 24 fois 2 dés usuels ?
Exercice no 1.2 On lance n fois de suite 3 dés normaux. Pour quelles valeurs de n la
probabilité d’avoir obtenu au moins un 421 dépasse-t-elle 12 ?
Exercice no 1.3 On lance 5 pièces de monnaie. Calculer les probabilités des événements
suivant : “la 1ère pièce donne face” ; “face sort exactement 2 fois” ; “face sort au plus 3
fois”.
Exercice no 1.4 On lance 10 dés usuels. Calculer les probabilités des événements suivant :
“6 ne sort pas” ; “6 sort 1 fois exactement” ; “6 sort 3 fois exactement” ; “6 sort 2 fois au
moins” ; “6 sort 3 fois au moins”.
Exercice no 1.5 Une armoire contient 10 paires de chaussures, parmi lesquelles on prélève
au hasard 8 chaussures. Quelle est la probabilité d’avoir ainsi k paires de chaussures
exactement ?
Exercice no 1.6 Une urne contient n boules noires et b boules blanches. Deux joueurs X
et Y tirent avec remise une boule dans l’urne, tour à tour, X tirant le premier. Quelle est
la probabilité que X soit le premier à tirer une boule noire ? Même question sans remise.
Exercice no 1.7 Une loterie comporte 100 billets, dont les seuls billets gagnants suivant :
1 billet gagne 50 euros, 5 billets gagnent chacun 30 euros, 10 billets gagnent chacun 10
euros. Quelle est la probabilité qu’un acheteur de 3 billets gagne 30 euros (au moins, puis
exactement) ?
Exercice no 1.8 Un joueur X lance 2 dés usuels, et obtient ainsi la somme S.

1
a) Calculer la probabilité que S > n , en fonction des différentes valeurs de l’entier n .
b) Un joueur Y relance les 2 dés et obtient une somme T . Quelles sont les probabilités
que S = T , que S > T , que S ≥ T ?
Exercice no 1.9 Un sac contient n jetons numérotés de 1 à n, qu’on tire tous 1 à 1, sans
remise. i) Calculer pn := IP (au moins un jeton sorte au rang indiqué par son numéro),
sa limite p∞ , et majorer |pn − p∞ |.
ii) Soit pn (k) := IP (exactement k jetons sortent au rang indiqué par leur numéros), pour
k ∈ {1, .., n}. Déduire de (i) une formule pour pn (k), puis n→∞
lim pn (k) (pour tout k ∈ IN ).

1.1 Probabilités conditionnelles

Exercice no 1.2.1 Lancer de 2 dés usuels : Ω = {1, .., 6}2 . IP uniforme. Soient X1 le chiffre
indiqué par le premier dé, S la somme des chiffres indiqués par les 2 dés, et C = {S = 5}.
Dresser le tableau des valeurs de IP (·/C), puis de IP (X1 = ·/C).
Exercice no 1.2.2 Vous allez chez des gens dont vous savez qu’ils ont 2 enfants, dont au
moins une fille. a) Quelle est la probabilité que l’autre enfant soit aussi une fille ?
b) En l’absence de l’information qu’ils ont au moins une fille (pour cette question seule-
ment), mais en voyant une fille ouvrir la porte, quelle est la probabilité que l’autre enfant
soit aussi une fille ? c) Une fille vous ouvre la porte ; quelle est la probabilité que l’autre
enfant soit aussi une fille ? d) La fille qui vous a ouvert vous dit qu’elle est l’aı̂née des 2
enfants ; quelle est la probabilité que l’autre enfant soit aussi une fille ?
Exercice no 1.2.3 Trois condamnés X, Y, Z sont informés que l’un d’eux, choisi au hasard,
va être exécuté, et que les 2 autres vont être libérés. Mais ils ne doivent pas encore savoir
qui le hasard a désigné. X demande au geôlier de lui nommer l’un de ses 2 codétenus devant
être libéré, arguant que cette information serait innocente, puisqu’il sait que l’un des 2 au
moins doit l’être. Le geôlier refuse, arguant que cette information modifierait réellement
l’estimation que X peut faire de ses chances. Qui a raison ?
Exercice no 1.2.4 Une urne contient b boules blanches et n boules noires. Quand une
boule est tirée, on le remet dans l’urne, avec ` boules de la même couleur. On effectue ainsi
3 tirages au hasard. a) Quelle est la probabilité que la 1ère boule tirée soit noire sachant
que la seconde est blanche ? b) Quelle est la probabilité que la 3ème boule soit noire ?
Exercice no 1.2.5 Vous attendez un ami de Vancouver, qui voyage jusqu’à Strasbourg
avec changement d’avion à New York, Londres et Francfort. La probabilité d’attentat
est estimée à p pour chacun des 4 vols, avec indépendance entre les 4 vols. Votre ami
n’arrivant pas, quelle est la probabilité que l’attentat ait eu lieu : a) dans le 1er avion ?
b) dans le 2ème avion ? c) dans le 3ème avion ? c) dans le 4ème avion ?
Exercice no 1.2.6 Trois machines U, V, W produisent une même pièce dans une usine. U
assure 40% de la production, V 35%, et W le reste. U produit 20% de pièces défectueuses,
V 15%, et W 10%.

2
a) Quelle est la probabilité qu’une pièce prise au hasard soit défectueuse ?
b) Quelle est la probabilité qu’une pièce défectueuse prise au hasard provienne de U ?
Exercice no 1.2.7 12% des individus d’une population sont porteurs d’une certaine mal-
adie. Un test relatif à cette maladie est fiable à 95%, dans le cas d’un malade comme dans
le cas d’un sujet sain. a) Quelle est la probabilité qu’un individu présentant un test
positif soit effectivement malade ? b) Quelle est la probabilité qu’un individu présentant
un test négatif soit effectivement sain ?
Exercice no 1.2.8 Émile possède 5 pièces de monnaie, dont 2 sont normales, 2 ont 2 côtés
“face”, et une a 2 côtés “pile”.
a) Il prend une pièce au hasard et la lance ; quelle est la probabilité qu’il voie “face” ?
b) Il voit “face” ; quelle est la probabilité que l’autre côté de la pièce soit aussi “face” ?
Il relance la même pièce.
c) Quelle est la probabilité que le côté caché de la pièce soit “face” ?
d) Il voit de nouveau “face” ; quelle est la probabilité que l’autre côté de la pièce soit aussi
“face” ? Il choisit ensuite au hasard une des autres pièces et la lance.
e) Quelle est la probabilité de voir de nouveau “face” (pour la troisième fois) ?
Exercice no 1.2.9 Un livre a une probabilité p > 0 de se trouver dans une commode
comportant k tiroirs, et des chances égales de se trouver dans chacun des tiroirs.
i) On ouvre les (k − 1) premiers tiroirs, sans le trouver ; quelle est la probabilité de le
trouver dans le dernier tiroir ?
ii) Soit j ∈ {2, .., k − 1} . On ouvre les (k − j) premiers tiroirs, sans le trouver ; quelle est
la probabilité de le trouver dans le dernier tiroir ? dans l’un des j derniers tiroirs ?
Exercice no 1.2.10 Le quart d’une population est vacciné contre le choléra. Au cours
d’une épidémie, on constate qu’il y a parmi les malades un vacciné pour 4 non-vaccinés, et
qu’il y a un malade sur 12 parmi les vaccinés. Quelle est la probabilité qu’un non-vacciné
tombe malade ? Le vaccin est-il efficace ?

1.2 Événements indépendants

Exercice no 1.2.1 Montrer que 2 événements A et B sont indépendants ssi A et B c le sont,
et ssi Ac et B c le sont, ou bien encore (lorsqu’ils sont non négligeables) ssi IP (A/B) = IP (A),
et ssi IP (B/A) = IP (B).
Exercice no 1.2.2 Un urne contient des jetons numérotés, rouges ou noirs. Lors du tirage
d’un jeton la probabilité d’en tirer un rouge est 3/5 ; d’en tirer un de numéro impair est
2/3 ; d’en tirer un rouge et pair est p. Que vaut la probabilité d’en tirer un noir impair ?
Pour quelles valeurs de p les événements “noir” et “impair” sont-ils indépendants ?
Exercice no 1.2.3 On jette un dé normal n (≥ 3) fois de suite. Montrer que les événe-

3
ments {les lancers j et k donnent le même résultat} sont deux à deux indépendants, mais
non indépendants.
Exercice no 1.2.4 Sur Ω := {a, b, c, d} on définit IP par : IP ({a}) = α , IP ({b}) = β ,
IP ({c}) = γ , IP ({d}) = δ . Trouver les valeurs de α, β, γ , δ telles que les événements
A := {b, c} , B := {c, a} , C := {a, b} soient 2 à 2 indépendants mais non indépendants.
Exercice no 1.2.5 Pour ridiculiser un astrologue (ou un “voyant”, ou n’importe quelle
autre sorte de charlatan), on le défie de prédire le résultat de 11 lancers successifs d’une
pièce de monnaie usuelle. Quelle est la probabilité (en fonction de n ∈ {0, 1, .., 5}) qu’il se
trompe au plus n fois ?

2 Lemmes de Borel-Cantelli
Exercice no 2.1 Montrer que si une suite de v.a. {Yn | n ∈ IN } est telle que kYn k22
P
n
converge, alors cette suite converge presque sûrement vers 0.
Exercice no 2.2 a) Montrer que si Y est une v.a.r. ≥ 0 , alors IE(Y )2 ≤ IE(Y 2 )×IP (Y > 0) .
b) Déduire que si {A1 , .., An } sont des événements non tous négligeables, alors
n
[  n
X n
2 .h X X i
IP Aj ≥ IP (Aj ) IP (Aj ) + 2 IP (Ai ∩ Aj ) .
j=1 j=1 j=1 1≤i<j≤n

c) Déduire que pour le deuxième lemme de Borel-Cantelli il suffit de supposer

l’indépendance des événements 2 à 2 (en plus de la divergence de la série).
d) Montrer que s’il existe un c > 0 tel que IP (Ai ∩ Aj ) ≤ c IP (Ai )IP (Aj ) pour tous i 6= j
et si j IP (Aj ) = ∞ , alors IP (lim supj Aj ) > 0 .
P

e) Considérons un jeu illimité de pile ou face, avec p := IP (“pile”) ∈ ]0, 1[ .

Notons Xj la variable de Bernoulli valant 1 ssi le j-ième lancer donne pile,  et posons

∗
Aj := {Xj = .. = Xj+k−1 = 1} , pour j, k ∈ IN . Montrer que IP ∩k ∪j Akj = 1 .
k

Interpréter.

3 Variables aléatoires et leur lois

Exercice no 3.1 On tire au hasard et sans remise toutes les boules d’une urne remplie de
r boules rouges et n boules noires.
1) Montrer que que la probabilité de tirer une boule rouge au k-ième tirage ne dépend pas
de k. (Il y a au moins 2 solutions bien différentes)
2) Quelle est l’espérance du rang de la k-ième boule rouge ? (On pourra considérer le
vecteur (X1 , X2 − X1 , .., Xr − Xr−1 , r + n + 1 − Xr ), Xj désignant le rang de la j-ième boule
rouge).

4
Exercice no 3.2 Une urne U contient initialement 2 boules blanches, et une urne U’ 2
boules noires. A chaque instant, on tire au hasard une boule par urne, et on les interchange.
Notons Xk le nombre de boules blanches dans U au k-ième instant, et Vk le vecteur-colonne
donnant la loi de Xk .
a) Quelle est la relation entre Vk+1 et Vk ?
b) Calculer lim{k→∞} IP (Xk = 2) .
Soient T le premier instant où U contient deux boules noires, pk := IP (T ≥ k, Xk = 1),
et qk := IP (T ≥ k, Xk = 2).
c) Exprimer (pk+1 , qk+1 ) en fonction de (pk , qk ), puis pk+1 en fonction de (pk , pk−1 ).
d) Déduire la valeur de pk , puis la loi de T . Que vaut IP (T = ∞) ?
Exercice no 3.3 Un marchand de journaux a X clients par jour, X étant une v.a. entière
intégrable, de loi supposée connue. Il gagne a par journal vendu, perd b par journal invendu,
et perd c par client insatisfait. Quel est le nombre n de journaux qu’il doit commander par
jour pour optimiser son gain moyen ?
Z ∞
Exercice no 3.4 Montrer que pour toute v.a.r. Z ≥ 0, on a IE(Z) = IP (Z > s) ds .
0
Particulariser au cas où Z prend ses valeurs dans IN .
Exercice no 3.5 Au cours d’un jeu illimité de pile ou face avec IP (pile)= p , on note Xk le
rang de la k-ième apparition
 de “pile”. Calculer
 la loi de Xk , son espérance et sa variance.
∗ ∗
Pour n ∈ IN , calculer IP (∃ k ∈ IN ) Xk = n .
 
Exercice no 3.6 a) Vérifier que KV = IE(V tV ) − IE(V )t IE(V ) = Cov(Vi , Vj ) .
1≤i,j≤d
b) Vérifier que pour tout u ∈ IRd on a V ar(t uV ) = tuKV u = 1≤i,j≤d ui uj Cov(Vi , Vj ) .
P

c) Montrer que KV est une matrice symétrique positive.

d) Montrer que KV est inversible ssi il n’existe pas d’hyperplan de IRd contenant p.s. V .
e) Soit M une matrice de Mn,d (IR). Calculer IE(M V ) et KM V . Même question pour AV ,
si A est une application affine de IRd dans IRn .
Exercice no 3.7 Inégalité de Markov, ou de Bienaymé-Tchebitchev :
Vérifier que IP [|V | ≥ v] ≤ IE[|V |k ]/v k , pour tous v > 0 et k ≥ 0 .
Exercice no 3.8 Vous écrivez chaque jour avec probabilité 1 si vous n’avez pas écrit la
veille, et avec probabilité 1/2 sinon. Montrez que vous écrivez ainsi en moyenne 243 lettres
par an. (Considérer pour chaque jour la variable indicatrice de l’événement “écrire”.)

4 Lois usuelles
4.1 Lois usuelles discrètes
Exercice no 4.1.1 Calculer l’espérance et la variance d’une v.a. uniforme sur un intervalle
de Z.

5
Exercice no 4.1.2 Montrer que l’espérance et la variance d’une v.a. de loi B(n, p) valent
np et np(1 − p).
Exercice no 4.1.3 a) Montrer que l’espérance d’une v.a. de loi H(N, n, p) vaut np .
b) Calculer sa variance. c) Vérifier que lim H(N, n, p)(k) = B(n, p)(k), pour n, p, k fixés.
N →∞
o
Exercice n 4.1.4 a) Les lois géométriques vérifient la propriété de non-vieillissement :
IP (N > n + m/N > m) = IP (N > n) pour tous n, m ∈ IN .
b) Y a-t-il d’autres lois sur IN ∗ qui vérifient cette propriété ?
1 1−p
Exercice no 4.1.5 Montrer que l’esp. et la variance d’une v.a. de loi G(p) valent p
et p2
.
Exercice no 4.1.6 a) Montrer que l’esp. et la variance d’une v.a. de loi P(λ) valent λ.
b) Vérifier que lim B(n, p)(k) = P(λ)(k), pour λ > 0 fixé et n → ∞ .
np→λ

Exercice no 4.1.7 Quelle est la valeur la plus probable pour une variable aléatoire pois-
sonnienne de paramètre λ ?
Exercice no 4.1.8 Un trousseau de n clefs contient une seule clef ouvrant une serrure
donnée. On les essaie l’une après l’autre au hasard. Calculer la loi, l’espérance et la
variance du du nombre d’essais nécessaires. Même question si on réessaie à chaque fois une
clef au hasard sans avoir écarté la précédente.

4.2 Lois usuelles à densité

Exercice no 4.2.1 Calculer l’esp. et la variance d’une v.a. uniforme sur un intervalle de IR.
Exercice no 4.2.2 a) Les lois exponentielles vérifient la propriété de non-vieillissement :
si la loi de Y est E(λ), alors IP (Y > s + t/Y > s) = IP (Y > t) pour tous s, t > 0.
b) Y a-t-il d’autres lois à densité sur IR+ qui vérifient cette propriété ?
c) En déduire la loi de la durée de vie d’un atome fissile, en fonction de sa demi-vie.
1
Exercice no 4.2.3 Montrer que l’espérance et l’écart-type d’une v.a. de loi E(λ) valent λ
.
Exercice no 4.2.4 a) Vérifier que m = IE(X) et σ 2 = V ar(X), et que X ∈ ∩p<∞ Lp .
2 −x2 /2 −x2 /2
b) Vérifier que A(A2e+1) x ≤ x∞ e−t /2 dt ≤ e
2
sur [A, ∞[ , pour tout A > 0. Donner un
R
x
équivalent de IP (X > x) quand x → +∞.
√
c) Montrer que la densité de X est t 7−→ exp(−(t − m)2 /2σ 2 )/σ 2π .
Exercice no 4.2.5 Pour être en cours à 8h, un étudiant en voiture a le choix entre un
trajet sur petite route, dont la durée (en minutes) X suit la loi normale de moyenne 35,2
et de variance 25, et un trajet sur autoroute, dont la durée Y suit la loi normale de moyenne
40 et de variance 4. Il désire arriver à l’heure. Quel trajet doit-il préférer s’il part à 7h15
? Et s’il part à 7h30 ?

6
Exercice no 4.2.6 a) Vérifier que si V est un vecteur gaussien de IRd et si A est une
application affine de IRd dans IRn , alors AV est un vecteur gaussien.
b) Montrer que si V est un vecteur gaussien, alors ses coordonnées dans n’importe quelle
base sont gaussiennes (ou p.s. constantes).
Exercice no 4.2.7 : Simulation Soit F une fonction de répartition sur IR . Pour tout p ∈
[0, 1] , posons G(p) := inf{x ∈ IR | F (x) ≥ p}. (Nota Bene : inf IR = −∞ et inf ∅ = +∞ .)
a) Justifier l’existence dans IR de G(p) si p ∈]0, 1[ . b) Montrer que (∀x ∈ IR) G(F (x)) ≤ x.
c) Montrer que si G(p) ∈ IR, alors F (G(p)) ≥ p . d) Montrer que G(p) ≤ x ⇔ F (x) ≥ p .
e) Montrer que si U est une variable aléatoire de loi uniforme sur [0, 1], alors G ◦ U admet
F pour fonction de répartition. Nota Bene : Ceci est utilisé pour simuler des variables
aléatoires.
f) Que vaut G lorsque F est bijective de IR sur ]0, 1[ ? Comment simuler la loi E(λ) ?

4.3 Quelques lois de la mécanique statistique

Exercice no 4.3.1 : Montrer que lorsque le nombre n des états tend vers l’infini de façon
que les proportions n1 /n, .., nd /n convergent vers p1 , .., pd , alors les statistiques de Fermi-
Dirac et de Bose-Einstein convergent vers la loi multinômiale (analogue à la statistique de
Maxwell).

5 Variables aléatoires indépendantes

Exercice no 5.1 a) Soient U1 , U2 , U3 trois v.a. indépendantes, uniformes sur [0, 1]. Mon-
trer qu’elles sont p.s. 2 à 2 distinctes. On les réordonne en V1 < V2 < V3 . Montrer que
(V1 , V2 , V3 ) admet la densité 6 × 1{0<v1 <v2 <v3 <1} , et en déduire les densités de V1 , V2 , V3 .
b) Soient U1 , .., Un des v.a. indépendantes, uniformes sur [0, 1], et Jn := min{U1 , .., Un },
Mn := max{U1 , .., Un }. Calculer IP (x < Jn , Mn < y), et en déduire la loi (conjointe) de
(Jn , Mn ). c) Que vaut lim IP (Jn < x < y < Mn ) ?
n→∞
o
Exercice n 5.2 Soient Y1 , .., Yn des v.a. indépendantes, exponentielles. Quelle est la loi
de min{Y1 , .., Yn } ?
Exercice no 5.3 Soient X1 , .., Xn n v.a. indépendantes, Xj étant poissonnienne de
paramètre λj . a) Quelle est la loi de X1 + X2 , puis de X1 + .. + Xn ?
b) Calculer la loi, l’espérance et la variance de Xj sachant X1 + .. + Xn .
c) Soient Yj , j ∈ IN , des v.a. indépendantes à valeurs dans {1, .., n}, de même loi donnée
par IP (Yj = k) = αk , pour 1 ≤ k ≤ n . Soient N une variable de Poisson de paramètre
N
P
λ , indépendante des Yj , et Nk := 1{Yj =k} . Montrer que les variables N1 , .., Nk sont
j=1
poissonniennes indépendantes.

7
Exercice no 5.4 Soient X1 , X2 deux v.a.r. indépendantes de lois exponentielles de para-
mètres λ1 , λ2 . a) Calculer les lois de J := min{X1 , X2 } , M := max{X1 , X2 } .
b) Supposant que λ1 = λ2 , montrer que J et M − J sont des variables indépendantes.
Exercice no 5.5 Soient X, Y deux variables aléatoires indépendantes, de densité respec-
λn
tivement f, g , avec n ∈ IN ∗ , f (x) = 1{x>0} Γ(n) xn−1 e−λ x , et g(y) = 1{y>0} λ e−λ y .
Calculer la densité de X + Y , IE(X + Y ) , et V ar(X + Y ) .
Exercice no 5.6 Calculer la densité du carré d’une v.a.r. normale standard, puis de la
somme de 2 tels carrés, puis du quotient de deux v.a.r. normales standards indépendantes.
Exercice no 5.7 Soient X et Y 2 v.a.r. indépendantes, admettant toutes 2 la densité
t 7→ t−2 1[1,∞[ (t). On pose U := XY et V := X/Y .
a) Calculer les lois de (U, V ), de U , et de V . U et V sont-elles indépendantes ?
b) Calculer IE(U −1/2 V −1 ) .
Exercice no 5.8 Trois clients A, B, C arrivent au même temps 0 à la poste, où 2 guichets
sont ouverts, qu’occupent A et B tout de suite. C remplace le premier des 2 qui a terminé.
On admet que les temps de service X, Y, Z requis par ces 3 clients sont des v.a.r.i.i.d. de
même loi E(λ).
a) Quelle est la loi du temps d’attente T de C ? b) Calculer la probabilité que C
termine (et parte) le dernier. c) Calculer la loi du temps du dernier départ.
Exercice no 5.9 Quand la somme de 2 variables aléatoires binômiales indépendantes est-
elle binômiale ?
Exercice no 5.10 Au cours d’un jeu illimité de pile ou face avec IP (pile)= p , on note
Xk le rang de la k-ième apparition de “pile”. Calculer la loi de Xk , son espérance et sa
variance. Pour n ∈ IN ∗ , calculer IP (∃ k ∈ IN ∗ ) Xk = n .
Exercice no 5.11 On effectue n tirages indépendants avec remise dans une urne contenant
une proportion pj de boules marquées j, pour 1 ≤ j ≤ r , r > 1 étant fixé. On note Nj le
nombre de boules marquées j qu’on tire ainsi. Préciser la loi du vecteur N := (N1 , .., Nr ) ,
et calculer l’espérance et la variance de Nj , la covariance de Nj et Nk , et le nombre moyen
de j tels que Nj = 0 .

6 Transformées de Laplace et de Fourier

Exercice no 6.1 a) Déduire le corollaire 6 de la définition 19 et de la proposition 12.
b) Soient N gaussienne standard, et ε indépendante de N et uniforme sur ±1. Montrer
que εN est gaussiennne standard, mais que le vecteur (N, εN ) n’est pas gaussien.
c) Montrer que toute combinaison linéaire (non triviale) de v.a. normales indépendantes
est normale. Donner un contrexemple simple s’il n’y a pas indépendance.

8
d) Montrer que si le vecteur aléatoire V a ses coordonnées gaussiennes et indépendantes,
alors il est gaussien (revenir à la définition).
e) Montrer que les coordonnées (dans la base canonique de IRd ) d’un vecteur gaussien
sont indépendantes ssi la matrice de covariance est diagonale, et donc ssi elles sont non
corrélées. Vérifier que c’est faux si le vecteur n’est pas gaussien (même si ses coordonnées
sont gaussiennes).
Exercice no 6.2 Soit V un vecteur gaussien d-dimensionnel, et pour 1 ≤ j ≤ k soient Mj
une matrice réelle de format dj × d et Vj := Mj V . Montrer que Vi et Vj sont indépendants
ssi Mi KV t Mj = 0 . Généraliser à l’indépendance de V1 , .., Vk .
Exercice no 6.3 Soit {Xj | j ∈ IN ∗ } une suite de v.a.i.i.d. N (0, 1). Soit {aj | j ∈ IN }
une suite de réels tels que aj aj+1 = 0 pour tout j et tels que j a2j < ∞. Soit Yn :=
P
Pn ∗
j=1 an−j Xj , pour tout n ∈ IN .
a) Etudier la convergence en loi de la suite Yn . b) Les v.a. Yn et Yn+1 sont-elles
2
indépendantes ? c) Etudier la convergence dans L de la suite Yn .
Exercice no 6.4 Soit V := (V0 , ..Vd ) un vecteur gaussien (d + 1)-dimensionnel, dont les
coordonnées sont N (0, 1) et vérifient : Cov(V0 , Vj ) = p pour 1 ≤ j ≤ d et Cov(Vi , Vj ) = p2
pour 1 ≤ i 6= j ≤ d, p étant un paramètre. Posons Wj := (1 − p2 )−1/2 (Vj − pV0 ) pour
1 ≤ j ≤ d. Déterminer successivement les lois de : (V0 , W1 , .., Wd ) ; S := dj=1 Vj ; S/V0 .
P

Exercice no 6.5 a) Calculer les fonctions génératrices des lois usuelles : B(n, p), G(p), P(λ).
b) Calculer les transformées de Fourier des lois usuelles : U([m, n]), B(n, p), G(p), P(λ),
U([a, b]), E(λ).
c) Retrouver à partir de là les valeurs des espérances et variances de ces différentes lois.
Exercice no 6.6 Étude de la transmission du nom “Chenin”, porté à la génération 0 par
un unique homme (= humain mâle). Notons Zn le nombre d’hommes s’appelant “Chenin”
à la génération n ∈ IN , F la fonction génératrice de Z1 (F (s) := IE(sZ1 )), pk la probabilité
P
(supposée fixe) qu’un homme ait k enfants mâles, et posons m := {k∈IN } k pk .
Supposons l’indépendance entre les descendances des différents hommes.
a) Calculer par récurrence la fonction Gn , génératrice de Zn , en fonction de F .
b) Vérifier que F est monotone et convexe sur [0, 1].
c) En déduire en fonction de m le comportement asymptotique de αn := IP (Zn = 0) .
Interprétation ?
Exercice no 6.7 Un joueur va au casino avec une fortune initiale a ∈ IN ∗ . À chaque
partie, il gagne 1 avec probabilité p et perd 1 avec probabilité q = 1 − p. Les parties sont
supposées indépendantes.
1) Fixons un entier b > a, et notons Pb (a) la probabilité qu’a le joueur d’atteindre la
fortune b avant d’être ruiné.
a) Montrer que Pb (a) = p Pb (a + 1) + q Pb (a − 1). b) Déduire la valeur de Pb (a).
2) Autorisons le joueur à s’endetter, notons T le premier instant où sa fortune vaut a + 1,

9
puis, pour n ∈ IN , gn := IP (T = n), et enfin g la fonction génératrice de T .
a) Montrer que gn+2 = q (g1 gn + .. + gn g1 ). b) Déduire que g(s) − ps = qs g 2 (s).
c) Calculer g , IP (T < ∞), et IE(T ).

7 Convergences des variables aléatoires

Exercice no 7.1 a) Montrer que la convergence presque sûre et la convergence dans Lp
entraı̂nent (chacune) la convergence en probabilité.
b) Montrer que la convergence dans Lp entraı̂ne la convergence dans Lq si p > q.
c) Supposons que Xn converge en probabilité vers X et que Yn converge en probabilité vers
Y . Soient a et b réels. Montrer que aXn + bYn et Xn · Yn convergent en probabilité.
Exercice no 7.2 Trouver
a) Une suite de v.a.r. qui converge dans Lq mais pas dans Lp (pour p > q fixés).
b) Une suite de v.a.r. qui converge dans Lp mais pas presque sûrement (pour p < ∞ fixé).
c) Une suite de v.a.r. qui converge presque sûrement mais dans aucun Lp .
Exercice no 7.3 Soit {Xn | n ∈ IN ∗ } une suite de v.a.r. indépendantes, telles que
IP (Xn = n) = 1/n et IP (Xn = 0) = 1 − 1/n pour chaque n ∈ IN ∗ . Montrer que cette
suite converge en probabilité, mais ni presque sûrement ni dans aucun Lp .
Exercice no 7.4 a) Montrer qu’une suite de v.a. qui converge en probabilité admet une
sous-suite qui converge presque sûrement. (Utiliser le premier lemme de Borel-Cantelli.)
b) Montrer qu’une suite convergente en probabilité et dominée par une variable de Lp
converge dans Lp .
Exercice no 7.5 a) Montrer que {Xn , n ∈ IN } converge en probabilité vers X ssi
IE(kXn − Xk ∧ 1) tend vers 0.
b) Vérifier que (X, Y ) 7−→ IE(kX − Y k ∧ 1) est une distance sur L0 (Ω, T , IP ; IRd ) .

Exercice no 7.6 a) Prouver que lorsque X est p.s. constante, les convergences vers X en
probabilité et en loi sont équivalentes.
b) Montrer que ces deux convergences sont généralement non équivalentes.
Exercice no 7.7 Montrer que si Xn converge en loi vers X et si Yn converge en probabilité
vers 0, alors Xn · Yn converge en probabilité vers 0. (Distinguer entre {|Yn | > A} et
{|Yn | ≤ A}).
Exercice no 7.8 Notons {Xn | n ∈ IN ∗ } une suite de v.a.r. indépendantes gaussiennes
standard. Etudier la convergence en loi de nX1 +(n−1)X
√ 2 +..+Xn .
n n

Exercice no 7.9 Soit {Xn | n ∈ IN } une suite de v.a.r. de fonction de répartition com-
mune F , telle que lim x (1 − F (x)) = lim x F (−x) = 0 . Posons Mn := max{X1 , .., Xn } ,
x→∞ x→∞
Mn mn
et mn := min{X1 , .., Xn } . Montrer que n
et n
convergent en probabilité vers 0.

10
8 Loi des Grands Nombres
Exercice no 8.1 Prouver la formulation suivante de la loi faible des grands nombres :
Si les v.a.r. Xn sont non-corrélées 2 à 2 et ont la même loi admettant un second moment,
alors leurs moyennes de Césaro convergent dans L2 (et donc en probabilité) vers IE(X1 ).
Exercice no 8.2 Soit {Xn | n ∈ IN ∗ } une suite de v.a.r.i.i.d. telles que
IE(X1+ ) = ∞ > IE(X1− ) . Montrer que p.s. X1 +..+X
n
n
−→ +∞ . (Utiliser Xnk := Xn ∧ k).
Exercice no 8.3 a) Soient p ∈ [0, 1] et f une fonction continue de [0, 1] dans IR . Etudier
la convergence de n 7−→ nk=0 Cnk pk (1 − p)n−k f (k/n) .
P

b) Soient λ > 0 et g une fonction continue bornée de IR+ dans IR . Etudier la convergence
k P[λn] k
de n 7−→ e−λ n k≥0 (λk!n) g(k/n) ; puis de n 7−→ e−λ n k=0 (λk!n) (utiliser le théorème
P

suivant ; interpréter en terme de médiane).

9 Théorème Central Limite

Exercice no 9.1 (Surlocation) Une agence de voyage dispose de 160 places à louer pour
une destination donnée. Elle sait que les locations sont honorées par ses clients avec une
probabilité fixe p. Elle vend N = 160α > 160 places. Pour quelles valeurs de α la
probabilité de ne pas louer trop de places vaut-elle 0, 95, 0, 975 ?
Exercice no 9.2 Le prix Sn d’une action au jour n est modélisé ainsi : S0 = s > 0 est
fixe, et Sn+1 = (1 + r + σεn+1 ) Sn , où r > 0 est un taux fixe, σ ∈]0, 1 + r[ est une
volatilité fixe, et {εn | n ∈ IN } est une suite i.i.d. de loi de Bernoulli B(±1, 1/2) .
a) Etudier le comportement des suites (log Sn )/n√et Sn .
b) Etudier le comportement de la suite (log Sn )/ n . √ √
c) Etudier le comportement de la suite [(1 + r)2 − σ 2 ](− n /2) × Sn[1/ n ] .
Exercice no 9.3 Notons {Xn , Yn , Zn | n ∈ IN ∗ } une famille de v.a.i.i.d. de loi commune
B(±1, 1/2) . Posons pour tout n ∈ IN :
Rn := nk=1 Xk Yk , Sn := nk=1 Yk Zk , Tn := nk=1 Zk Xk , puis Vn := (Rn , Sn , Tn ) .
P P P

a) Rn , Sn , Tn sont-elles indépendantes 2 à 2 ? indépendantes ?

b) Quelle est la loi de Rn ? c) Calculer la transformée
√ de Fourier de Vn .
d) Etudier la convergence de Vn /n , puis de Vn / n .
Exercice no 9.4 3016 mathématiciens sont invités à un colloque ; en moyenne un sur 4
répondra favorablement, et les réponses sont supposées indépendantes les unes des autres.
Combien les organisateurs doivent-ils prévoir de places, afin que la probabilité de ne pas
en manquer soit ≥ 0, 99 ?
Exercice no 9.5 Une compagnie assure 10000 clients sur la vie, qui payent chacun une
prime annuelle de A euros. On estime que chaque client a une probabilité de décès au

11
cours d’une année égale à 6/1000, indépendamment les uns des autres. La prime de décès
est de B euros.
a) Quelle est la loi du nombre annuel des décès ? Comment peut-on l’approcher ?
b) Si B = 1000, pour quels A la compagnie a-t-elle une probabilité < 1/100 d’être en
déficit ? c) Si A = 15, pour quels B la compagnie a-t-elle une probabilité > 0, 7 de faire
un bénéfice annuel > 50000 euros ?
Exercice no 9.6 Soit {Xn | n ∈ IN } une suite de v.a.i.i.d. de loi commune B(p) . Posons
Yn := Xn Xn+1 et Sn := (Y1 + .. + Yn )/n , pour tout n ∈ IN .
Calculer la loi et l’espérance de Yn , puis la covariance de Yn et de Yn+k , l’espérance de Sn2 ,
et enfin montrer que Sn converge en probabilité vers p2 .
Exercice no 9.7 Soit {Xn | n ∈ IN ∗ } une suite de v.a. indépendantes de loi de Poisson
de paramètre 1.
− i 1
n(n+ 2 ) e−n
h
a) Montrer que IE √ n −n
X1 +..+X
= .
n n!
 −
b) Montrer que √ n −n
X1 +..+X
converge en loi vers N − , partie négative d’une gaussienne
n
centrée réduite. h − i
c) Montrer que √ n −n
X1 +..+X
est bornée dans L2 , puis que IE √ n −n
X1 +..+X
−→ IE(N − ).
n n

d) Retrouver la formule de Stirling.

10 Exemple des marches aléatoires

Exercice no 10.1 Montrer que N est un temps d’arrêt ssi {N = n} ∈ Fn pour tout
n ∈ IN , que FN := {A ∈ F∞ | (∀n ∈ IN ) A ∩ {N = n} ∈ Fn } , et que FN est une tribu.
Exercice no 10.2 Soient N et N 0 deux temps d’arrêt.
a) Vérifier que min{N, N 0 } et max{N, N 0 } sont aussi deux temps d’arrêt.
b) Montrer que les événements {N < N 0 } , {N ≤ N 0 } , {N = N 0 } appartiennent à
Fmin{N,N 0 } , puis que Fmin{N,N 0 } = FN ∩ FN 0 .

Exercice no 10.3 Soit N un temps d’arrêt. Supposons que IE(kX1 k) et IE(N ) sont
finies. a) Montrer que IE(SN ) = IE(X1 ) × IE(N ) . (Ecrire SN = j Xj 1{N <j}c ).
P

b) Déduire (pour la marche simple, d = 1) que min{n|Sn = 1} et T ne sont pas intégrables.

Exercice no 10.4 a) Montrer que IP (Tk < ∞) = IP (T < ∞)k .

b) Pour tout v ∈ Zd , v 6= 0 , notons Tk (v) le k-ième temps de passage en v . Montrer que
IP (Tk (v) < ∞) = IP (T1 (v) < ∞) × IP (T < ∞)k−1 .

Exercice no 10.5 Marche aléatoire simple sur un arbre homogène.

Soit A un arbre : c’est un graphe (non vide) non orienté sans boucle, de sorte que 2
points (ou sommets) quelconques de l’arbre sont reliés par un unique chemin injectif ; le

12
nombre d’arêtes que comporte ce chemin définit la distance entre ces deux points ; elle fait
de l’arbre un espace métrique. Supposons A homogène : chaque point admet exactement
d voisins (i.e. points situés à distance 1), et connexe.
À quoi A est-il isométrique lorsque d = 1 ou 2 ? Fixons d ≥ 3 , et un point O ∈ A . La
marche simple S sur A part de S0 := O , et pour tout n ∈ IN ∗ , la loi de Sn sachant Sn−1
est uniforme sur l’ensemble des d voisins de Sn−1 . Notons δn la distance entre S0 et Sn .
a) Montrer qu’il existe une suite b de v.a.i.i.d., de loi à déterminer, telle que pour tout
n ∈ IN : δn+1 − δn = bn 1{δn >0} + 1{δn =0} . (Définir bn sur {δn = 0} par b0n indépendante
ayant la bonne loi, puis vérifier que b convient en calculant IP (bn = 1|bn−1 , .., b0 ).)
b) Montrer que la marche S est transitoire, et qu’elle admet une vitesse de fuite, limite
presque sûre de δn /n , à déterminer. (Commencer par minorer δn .)

11 Processus de Poisson
Exercice no 11.1 a) Un processus de Poisson est à accroissements stationnaires : la loi
de tout vecteur (Na+t1 − Na+s1 , .. , Na+tn − Na+sn ) est indépendante de a ∈ IR+ .
T 
b) Un processus de Poisson est p.s. fini à tout instant : IP t {Nt < ∞} = 1 : les
événements qu’il décompte ne peuvent pas s’accumuler en un instant fini.
c) En temps t petit, on a : IP (Nt = 1) = λt + o(t) et IP (Nt ≥ 1) = λt + o(t) .
d) On a presque sûrement : lim Nt /t = λ = IE(Nt /t) .
t→∞

Exercice 11.2 a) Montrer que pour tout n ∈ IN ∗ la loi de Sn est la loi Gamma de
s)n−1
paramètres n et λ , i.e. la loi de densité sur IR+ : s −→ (λ(n−1)! × λ e−λ s .
P 
b) Pour t > 0 et f ∈ L1 ([0, t]) , calculer IE n∈IN ∗ f (Sn ) 1{Sn ≤t} .
c) Fixons t > 0 et n ∈ IN ∗ . Montrer que conditionnellement par rapport à {Nt = n} , le
n!
vecteur (S1 , .., Sn ) admet la densité de Dirichlet : (s1 , .., sn ) −→ n 1{0<s1 <..<sn <t} .
t
d) Montrer que (pour t > 0 et n ∈ IN ∗ ) si U1 , .., Un sont n variables i.i.d. uniformes sur
[0, t] , et si (V1 , .., Vn ) est le vecteur obtenu en ordonnant U1 , .., Un dans le sens croissant,
alors la “statistique d’ordre” (V1 , .., Vn ) admet aussi la densité de Dirichlet ci-dessus.
e) Déduire que pour 0 < s < t , conditionnellement par rapport à {Nt = n} , la loi de Ns
est B(n, s/t) .
Exercice 11.3 a) Soient N et N 0 deux processus de Poisson indépendants, de paramètres
λ et λ0 . Montrer que N + N 0 définit un processus de Poisson de paramètre λ + λ0 .
b) Soit {Xn | n ∈ IN } une suite i.i.d. indépendante de N . Le processus défini par
Σt := N
P t
n=1 Xn est appelé “processus de Poisson composé”. (Exemple : N peut décrire le
nombre de clients d’un magasin et Xn la dépense du n-ième client.) Calculer la transformée
de Fourier de Σt en fonction de celle des Xn et de la fonction génératrice de Nt , puis
l’espérance et la variance de Σt .

13
Exercice 11.4 a) Soit N un processus de Poisson d’intensité λ comptant les passages
successifs de voitures sur une route. Un piéton a besoin d’une durée d > 0 entre deux
voitures pour traverser la route. Calculer la transformée de Laplace du temps Y qu’il doit
attendre avant de pouvoir traverser. (On trouve a 7−→ aeλda+λ +λe−ad
.) Calculer l’espérance
eλd −1−λd
de Y . (On trouve λ
.)
b) Considérons une route à deux voies, les voitures étant comptées par deux processus
de Poisson indépendants, d’intensité λ dans un sens et λ0 dans l’autre, et nécessitant des
durées respective d et d0 pour être traversées. Soient Z le temps que le piéton doit attendre
pour traverser les deux voies d’un coup, et Z 0 le temps qu’il doit attendre pour traverser
les deux voies sachant qu’il peut les traverser séparément du fait de la présence d’un refuge
au milieu de la route. Donner les transformées de Laplace de Z et de Z 0 , leur espérances,
et discuter l’intérêt du refuge.
Exercice 11.5 Le flux (poissonnien) des trams passant aux halles est en moyenne de 12
trams par heure et comporte une proportion p = 40% de trams de la ligne D (et de 1 − p
pour la ligne A).
a) Quelle est la probabilité qu’au moins 2 trams D passent en un quart d’heure donné ?
b) Sachant que 3 trams D sont passés en 20 minutes, quel est le nombre moyen de trams
passés dans le même temps ?
c) Sachant que 10 trams sont passés en 45 minutes, quelle est la probabilité que la moitié
soient des trams D ?
Exercice 11.6 Pour t > 0 fixé, vérifier que SNt ≤ t < S1+Nt . SNt et S1+Nt sont les
points de E précédant et suivant directement l’instant t. Autrement dit, on peut les voir
comme les instants de naissance et de décès de l’intervalle “vivant” à l’instant t. Notons
Tt0 := t − SNt et Tt00 := S1+Nt − t respectivement l’âge de cet intervalle vivant et le temps
qu’il lui reste à vivre.
a) Montrer que pour a, b > 0 on a IP (Tt0 > a, Tt ” > b) = e−λ(a+b) 1{t>a} .
b) Déduire que Tt0 et Tt00 sont indépendants et donner leur lois.
c) Comparer la durée de vie moyenne de l’intervalle vivant à l’instant t avec celle du n-ième
intervalle de E ; explication ?
Exercice 11.7 On veut estimer λ par le maximum de vraisemblance λ̂ dans les deux cas
suivant. a) On observe jusqu’à l’instant t > 0 fixé, et on connaı̂t donc Nt , S1 , .., SNt .
Calculer λ̂ , et vérifier qu’il est sans biais. (Utiliser la densité sachant Nt .)
b) On observe jusqu’à l’instant Sn , pour n fixé, et on connaı̂t donc S1 , .., Sn . Calculer λ̂ ,
et vérifier qu’il est biaisé.

14
II. Eléments de statistique mathématique

12 Régression linéaire
Exercice no 12.1 Soient X = (1, 3, 5, 7, 8, 9, 11, 12, 15, 18) et
Y = (−33, −97, −134, −141, −130, −102, −32, 37, 343, 860). Représenter le nuage, et tester
s’il y a une relation Y = αX 3 + βX, ou Y = ch(aX − b) − 150 , ou Y = α(X − β)2 − 150 .
Déterminer un intervalle de confiance à 95% pour la valeur y associée à x = 14 .

13 Vraisemblance et estimation
13.1 Maximum de vraisemblance
Exercice no 13.1.1 Supposons qu’un processus de Poisson de paramètre inconnu λ est
observé : a) jusqu’à un temps fixe T ; b) jusqu’à la survenue du n-ième événement. Dans
chacun de ces deux cas, quel est l’estimateur du maximum de vraisemblance pour λ ?

13.2 Biais, risque

Exercice no 13.2.1 Soient X1 , .., Xn , .. des v.a.r.i.i.d. de loi B(p).
a) Si (pour n fixé) X1 + .. + Xn = k , quel est l’estimateur du maximum de vraisemblance
pour p ? Est-il sans biais ?
b) Supposons qu’on s’arrête au premier n tel que X1 + .. + Xn = k , pour k fixé ; quel est
alors l’estimateur du maximum de vraisemblance pour p ? Est-il sans biais ?

13.3 Statistique exhaustive

Exercice no 13.3.1 a) Soient X1 , .., Xn des v.a.r.i.i.d. uniformes sur un intervalle [0, θ].
Montrer que max{X1 , .., Xn } est l’estimateur du maximum de vraisemblance pour θ , et
que c’est aussi une statistique exhaustive pour θ .
b) Soient X1 , .., Xn des v.a.r.i.i.d. de loi U([θ, θ0 ]). Trouver une statistique exhaustive
pour (θ, θ0 ), et les estimateurs du maximum de vraisemblance pour θ et θ0 .
Exercice no 13.3.2 Soient X1 , .., Xn des v.a.r.i.i.d. de loi E(λ). Montrer que l’estimateur
 n−1
sans biais de risque minimum de e−2λ est θ̂ := 1{Sn >2} SnS−2 n
. (On a noté Sn :=
X1 + .. + Xn .) (Indication : Considérer IP (X1 > 2), et utiliser que la loi de X1 sachant Sn
est celle du minimum de (n − 1) v.a.i.i.d. uniformes sur [0, Sn ] (à justifier).)

15
Exercice no 13.3.3 Soient X1 , .., Xn , Y1 , .., Yn des v.a.r.i.i.d., les Xj de loi E(λ), et les
Yj de loi E(λ0 ). Trouver une statistique exhaustive pour (λ, λ0 ), et les estimateurs du
maximum de vraisemblance pour λ et λ0 . Ont-ils un biais ?

13.4 Intervalles de confiance

Exercice no 13.4.1 Une caractéristique électrique d’un composant électronique varie, du
fait des dispersions de fabrication, suivant une loi normale N (µ, µ2 ). On se propose
d’estimer son espérance µ par un intervalle de confiance. Un prélèvement de 20 com-
posants effectué sur un lot de série a donné les résultats suivant : 10,1 ; 10,5 ; 9,4 ; 10,2 ;
9,5 ; 9,8 ; 10,1 ; 10,3 ; 10,6 ; 9,7 ; 10,2 ; 10,4 ; 10,3 ; 9,6 ; 9,9 ; 9,8 ; 10,1 ; 10,3 ; 10,5 ; 9,8 .
(x = 10, 055).
a) Construire un intervalle de confiance pour µ de niveau de confiance 90%. Est-il le plus
court parmi tous les intervalles de confiance de niveau de confiance 90% ?
b) Construire un intervalle de confiance pour µ de niveau de confiance 95%.
Exercice no 13.4.2 La fiabilité dans le temps d’un composant électrique, c’est-à-dire sa
durée de vie X, est supposée de type exponentiel : IP (X ≥ t) = exp(−t/λ), t ≥ 0 . On
cherche à estimer à l’aide d’un intervalle de confiance le paramètre λ. Si la moyenne
observée d’un échantillon de taille n est x, donner un intervalle de confiance de niveau de
confiance 95% du paramètre λ. Est-il le plus court parmi tous les intervalles de confiance
de niveau de confiance 95% ? Traiter d’abord le cas de n grand, puis ensuite le cas général
(plus délicat).
Exercice no 13.4.3 Ayant lu dans le magazine ELLE du 19.8.02 que 55% des Français util-
isaient des bains moussants, vous décidez de vérifier vous-même l’affirmation du magazine
ELLE par un mini-sondage, en posant autour de vous la question :
“Utilisez-vous des bains moussants ? OUI, NON”
et en construisant un intervalle de confiance sur une proportion.
a) Vous envisagez de ne considérer l’affirmation comme confirmée que si cet intervalle
de 90% basé sur le groupe des personnes interrogées est inclus dans [54%; 56%]. Est-ce
raisonnable ?
b) Découragé(e) par la réponse obtenue en a), vous vous contentez d’un échantillon de
50 personnes. Si la proportion de oui est de 53% parmi les 50 réponses, déterminez un
intervalle de confiance de 90% .

13.5 Estimation bayésienne

Exercice no 13.5.1 Un processus de Poisson de paramètre inconnu λ est observé durant
le temps fixe T . Soit N le nombre d’événements observés durant ce temps. On se donne
pour λ la loi a priori E(α). Calculer l’estimateur bayésien de λ .

16
14 Tests
Exercice no 14.1 Deux associés A et B se partagent les tâches d’un cabinet commun de
conseil. L’associé A pense qu’il traite moins de 30% des dossiers. Pour vérifier cela, il
décide de choisir au hasard un échantillon de 100 dossiers (traités soit par lui-même, soit
par l’associé B), sur lesquels il prévoit d’effectuer deux tests, avec le même risque de rejet
à tort de 5%, en prenant successivement comme hypothèse nulle
i) H0 : p ≤ 30% ii) H00 : p ≥ 30% , p étant la proportion réelle des dossiers traités par A.
a) Pour combien de dossiers traités par A (au plus) l’hypothèse H0 est-elle acceptée ?
b) Pour combien de dossiers traités par A (au plus) H00 est-elle rejetée ?
c) Déterminer la probabilité d’accepter l’hypothèse H0 si la proportion réelle de dossiers
traités par A est de 40%.
d) Déterminer la probabilité de rejeter l’hypothèse H00 si la proportion réelle de dossiers
traités par A est de 40%.

17