EXERCICES CORRIGÉS PROBABILITÉS

Exercice 1
Un industriel fabrique des tablettes de chocolat. Pour promouvoir la vente de ces tablette, il décide d’offrir des
places de cinéma dans la moitié des tablettes mises en vente. Parmi les tablettes gagnantes, 60% permettent de
gagner exactement une place de cinéma et 40% exactement deux places de cinéma.
On note PB(A) la probabilité conditionnelle de l’événement A sachant que l’événement B est réalisé.
1. Un client achète une tablette de chocolat. On considère les événements suivants :
G = "le client achète une tablette gagnante"
U = "le client gagne exactement une place de cinéma"

i
D = "le client gagne exactement deux places de cinéma"

k
a) Donner P(G), PG(U) et PG(D)

ou
b) Montrer que la probabilité de gagner exactement une place de cinéma est égale à 0,3.
c) Soit X la variable aléatoire égale au nombre de places de cinéma gagnées par le client.
Déterminer la loi de probabilité de X.
Calculer l'espérance mathématique de X.

ha
2. Un autre client achète deux jours de suite une tablette de chocolat.
aC
a) Déterminer la probabilité qu'il ne gagne aucune place de cinéma.
b) Déterminer la probabilité qu'il gagne au moins une place de cinéma.
c) Montrer que la probabilité qu'il gagne exactement deux places de cinéma est égale à 0,29.
ra

Exercice 2
On considère une urne contenant trois boules jaunes, deux boules bleues, une boule rouge et quatre boules
vertes. Ces boules sont indiscernables au toucher. On tire, au hasard, une boule de l'urne.
ou

1. Calculer la probabilité des événements suivants :

J = "tirer une boule jaune"
B = "tirer une boule bleue"
uz

R = "tirer une boule rouge"

V = "tirer une boule verte"
Bo

2. En fonction de la couleur tirée, on se voit attribuer une somme d'argent selon la convention suivante : si la
boule tirée est :
· rouge, on gagne 10
· verte, on gagne 2
· jaune ou bleue, on gagne 3
Soit X la variable aléatoire qui associe, à chaque tirage le gain réalisé.
a. Déduire de la question 1) : P(X = 2), P(X = 3) et P(X = 10).
b. Calculer l'espérance mathématique de X, sa variance puis son écart–type. (On arrondira l'écart-type à 10–2)
3. Maintenant, on gagne toujours 10 si la boule tirée est rouge, 2 € si elle est verte mais on gagne 3 si elle
est jaune et m si elle est bleue ; m désignant un réel positif.
Calculer m pour que le gain moyen espéré soit de 4,5 .

Page 1
Exercice 3
Un grossiste en appareils ménagers est approvisionné par trois marques, notées respectivement M1, M2 et M3.
La moitié des appareils de son stock provient de M1, un huitième de M2, et trois huitièmes de M3.
Ce grossiste sait que dans son stock, 13% des appareils de la marque M1 sont rouge, que 5% des appareils de la
marque M2 sont rouges et que 10% des appareils de la marque M3 le sont aussi.
On choisit au hasard un appareil emballé dans le stock de ce grossiste : (on donnera les résultats sous forme de fractions)
1. Quelle est la probabilité qu'il vienne de M3 ?
2. Quelle est la probabilité qu'il soit rouge sachant qu'il vienne de M2 ?
3. Quelle est la probabilité que l'appareil choisi ne soit pas de couleur rouge ?
4. Après examen, on s'aperçoit que l'appareil choisi est rouge.

i
Quelle est la probabilité qu'il soit de la marque M1 ?

k
ou
Exercice 4
Un fumeur essaye de réduire sa consommation. On admet qu'il fonctionne toujours suivant les conditions :
· C1 : S'il reste un jour sans fumer, alors il fume le lendemain avec une probabilité de 0,4.

On note pn la probabilité qu'il fume le nème jour.

Déterminer la limite de pn. Conclusion ? ha
· C2 : Par contre, s'il cède et fume un jour, alors la probabilité qu'il fume le lendemain est de 0,2.
aC
Exercice 5 Loi de Hardy-Weinberg
Certains gènes peuvent avoir deux états : A (allèle dominant) ou a (allèle récessif).
ra

Les couples de gènes sur des paires de chromosomes n'ayant pas forcément les mêmes allèles, un individu
donné peut avoir l'un des trois génotypes suivants :
AA ou Aa ou aa
ou

Lors d'un appariement entre deux individus, l'enfant récupère un allèle de chacun de ses deux parents.
Exemples :
1
· si un parent a le génotype AA et l'autre Aa, l'enfant sera du type AA ou Aa avec des probabilités égales à
uz

.
2
· si un parent a le génotype Aa et l'autre Aa, l'enfant sera du type AA ou Aa ou aa avec des probabilités égales
1 1 1
Bo

à , , respectivement.
4 2 4
On note pn, qn et rn les proportions des génotypes AA, Aa, aa de la génération n.
1. À l'aide d'un arbre ou d'un tableau à deux entrées, faire apparaître tous les cas possibles d'appariements et
les génotypes de l'enfant qui en découlent.
2. En déduire les proportions pn+1, rn+1 puis qn+1 en fonction de pn, qn et rn.
3. On note a = p0 - r0.
a) Montrer que pour tout n Î  : pn - rn = a

b) En déduire, pour tout n Î , une expression de pn+1, rn+1 puis qn+1 en fonction du seul paramètre a.

En déduire que pour n  1, les suites (pn), (qn) et (rn) sont constantes.
Ce résultat est connu sous le nom de "loi de l'équilibre génétique de Hardy-Weinberg". Ainsi, quelles que
soient les proportions initiales des trois génotypes, la répartition est stabilisée dès la génération suivante.

Page 2
Exercice 6
Un marchand de glaces propose dix parfums au choix pour des glaces en cornet. Trois élèves choisissent, au
hasard et indépendamment l'un de l'autre, un des parfums proposés.
1. Calculer la probabilité de l'événement A : "les trois élèves choisissent des parfums deux à deux distincts"
2. Soit X la variable aléatoire égale au nombre de parfums choisis par les trois élèves.
Déterminer la loi de probabilité de X. Calculer son espérance mathématique. Interpréter.

Exercice 7
On considère une population W. Sur chaque individu de cette population, on étudie deux caractères A et B.
On peut schématiser cette situation à l'aide du diagramme suivant :

k i
Population

ou
A A
Elle n'a pas une belle
tête cette figure ?

ha
aC
Autre représentation possible à l'aide d'un arbre :
W

P(A) P ( A)
ra

A A
ou

PA(B) PA ( B ) PA ( B ) PA ( B )
uz

B B B B

Beaucoup de situations, en probabilités, se modélisent par une double partition.

Démontrer que la connaissance de 3 probabilités parmi les suivantes permet de déterminer toutes les autres :
Bo

P(A), P(B), PA(B), PA ( B ) , PB(A), PB ( A)

Exercice 8
1. Une grande enveloppe contient les douze "figures" d'un jeu de carte : les quatre rois, les quatre dames et les
quatre valets. On tire, simultanément et au hasard, cinq cartes de l'enveloppe. Soit X la variable aléatoire
qui, à chaque tirage, associe le nombre de rois obtenus.
Déterminer la loi de probabilité de X et calculer son espérance mathématique. Interpréter.
2. Dans la même enveloppe contenant les mêmes douze cartes, on effectue successivement cinq fois le tirage
d'une carte que l'on remet à chaque fois dans l'enveloppe. Soit Y la variable aléatoire dont la valeur est égale
au nombre de rois obtenus au cours des cinq tirages.
Déterminer la loi de probabilité de Y et calculer son espérance mathématique. Interpréter.
Page 3
Exercice 9
Une urne U1 contient trois boules noires et sept boules blanches.
Une urne U2 contient cinq boules noires et cinq boules blanches.
On choisit une urne au hasard (équiprobablement) et on tire successivement deux boules, avec remise, dans
l'urne choisie.
On note :
B1 l'événement "obtenir une boule blanche au premier tirage"
B2 l'événement "obtenir une boule blanche au second tirage"
Les événements B1 et B2 sont-ils indépendants ?

k i
Exercice 10

ou
Un fournisseur livre deux catégories de câbles C1 et C2.
Dans chaque livraison figurent 20% de câbles C1 et 80% de câbles C2.
Les parties A et B sont indépendantes.

ha
Partie A
Dans cette partie, aucun calcul approché n'est demandé.
On prélève, au hasard, 4 câbles dans une livraison de 50 câbles.
aC
1) Préciser la probabilité de l'événement E = "les 4 câbles sont du type C1"
2) Préciser la probabilité de l'événement F = "1 câble est du type C1 et 3 câbles sont du type C2"
3) Préciser la probabilité de l'événement G = "au moins un câble est du type C1"
ra

Partie B
Dans cette partie, on prélève un câble dans une livraison, on note son type et on le remet dans le lot. On réalise
n fois cette expérience E et on note X le nombre de câbles C1 obtenus.
ou

1) On suppose que n = 4. Les résultats seront donnés à 10-4 près.

a) Calculer la probabilité d'obtenir 2 câbles du type C1.
b) Calculer la probabilité d'obtenir au moins un câble de type C1.
uz

c) Calculer l'espérance E(X).

2) Dans cette question n est inconnu.
a) Exprimer P(X  1) en fonction de n.
Bo

b) Combien de fois faut-il réaliser l'expérience E pour être sûr à 90% d'obtenir au moins un câble C1 ?

Exercice 11
Un individu est tiré au hasard d'une population dans laquelle une personne sur 10000 est séropositive.
On lui fait passer un test de dépistage de séropositivité.
Sachant que le test est positif, quelle est la probabilité que la personne soit effectivement séropositive ?
Données :
· Si on est séropositif, alors le test est positif avec une probabilité de 0,99.
· Si on n'est pas séropositif, alors le test est positif avec une probabilité de 0,001.

Page 4
Exercice 12
Deux laboratoires pharmaceutiques proposent chacun leur vaccin contre une maladie.
On dispose des données suivantes :
· Un quart de la population a utilisé le vaccin A. Un cinquième le vaccin B.
· Lors d'une épidémie, on constate que sur 1000 malades, 8 ont utilisé le vaccin A et 6 le vaccin B.
On choisit un individu au hasard dans la population et on note :
M = "l'individu est malade" et V = "l'individu est vacciné"
On appelle "indicateur d'efficacité" d'un vaccin le réel :
PV ( M ) probabilité qu'un individu non vacciné soit malade
l= =
PV ( M ) probabilité qu'un individu vacciné soit malade

i
Plus l'indicateur l est grand, plus la vaccin est efficace.

k
Calculer l pour chacun des deux vaccins. Que peut-on en déduire ?

ou
Exercice 13

ha
Dans une population donnée, la proportion d'individus atteint d'une certaine maladie est x.
On dispose d'un test de dépistage de cette maladie et on voudrait étudier sa fiabilité.
On dispose des données suivantes :
aC
· on effectue le test de dépistage à 100 personnes considérées comme malades : 98 ont un test positif.
· on effectue le test de dépistage à 100 personnes considérées comme saines : 1 seule a un test positif.
On choisit au hasard un individu de cette population et on le soumet au test.
ra

On note : M = "l'individu est malade"

T = "l'individu a un test positif"
On note ¦(x) la probabilité qu'un personne ayant un test positif soit malade.
ou

1. Exprimer ¦(x) en fonction de x. Tracer la courbe de la fonction ¦ sur l'intervalle [0, 1].
2. On considère que le test est fiable lorsque la probabilité qu'un individu ayant un test positif soit malade est
uz

supérieure à 0,95.
Le test est-il fiable si la proportion x d'individus atteints de la maladie est de 0,05 (5%) ?
À partir de quelle proportion x le test est-il fiable ?
Bo

Exercice 14
1. On remplit une urne avec des jetons blancs et des jetons noirs. À chaque étape, il y autant de chance de
rajouter dans l'urne un jeton noir qu'un blanc. On s'arrête lorsque l'urne contient 10 jetons.
On note X le nombre de jetons blancs dans l'urne.
Déterminer la loi de probabilité de X et calculer son espérance E(X).
2. Une urne a été remplie suivant le protocole précédent mais on ignore sa composition en jetons blancs et en
jetons noirs. On tire successivement et avec remise, dix jetons de cette urne. On obtient 4 fois un jeton blanc
et 6 fois un jeton noir. Calculer la probabilité que l'urne contienne 4 jetons blancs et 6 jetons noirs.

Page 5
 SOLUTIONS DES EXERCICES PROBABILITÉS

Exercice 1
1 1
1. a) L'arbre ci-contre décrit les différentes situations possibles. 2 2
Soit la tablette est gagnante, soit elle ne l'est pas.
Si elle est gagnante, elle contient soit une, soit deux place(s)
G G
de cinéma.
On a immédiatement :
1 0,6 0,4
P(G) =

i
2

k
PG(U) = 0,6
U D
PG(D) = 0,4

ou
b) L'événement "gagner exactement une place de cinéma" est G Ç U.
D'après les formules de cours (ou à l'aide de l'arbre), on a :

ha
P(G Ç U) = P(U Ç G) = PG(U) P(G) = 0,6 ´ 0,5 = 0,3
c) Calculons la probabilité de gagner respectivement 0, 1 et 2 place(s) de cinéma.
P(X = 0) = P( G ) = 0,5
aC
P(X = 1) = P(G Ç U) = 0,3
P(X = 2) = P(G Ç D) = PG(D) P(G) = 0,4 ´ 0,5 = 0,2 X 0 1 2 Total

Probabilités 0,5 0,3 0,2 1

On résume la loi de probabilité de X dans le tableau suivant :
ra

L'espérance mathématique E(X) de la variable aléatoire X est donnée par la formule :

E(X) = å p x = 0,5 ´ 0 + 0,3 ´ 1 + 0,2 ´ 2 = 0,7

i
i i
ou

2. Notons Y la variable aléatoire correspondant au nombre de tablettes gagnées par ce client.

Les différentes valeurs possibles de Y sont : 0 ou 1 ou 2 ou 3 ou 4.
L'arbre ci-dessous illustre toutes les situations possibles :
uz

(On a noté Z l'événement "la tablette rapporte zéro place de cinéma". En fait, Z = G )
Bo

0,5 0,3 0,2

Tablette 1 Z U D

0,5 0,3 0,2 0,5 0,3 0,2 0,5 0,3 0,2

Tablette 2 Z U D Z U D Z U D

Valeurs de Y 0 1 2 1 2 3 2 3 4

Page 6
 a) Probabilité qu'il ne gagne aucune place de cinéma : P(Y = 0) = 0,5 ´ 0,5 = 0,25 (Chemin Z-Z sur l'arbre)
b) L'événement "il gagne au moins une place de cinéma" est le contraire de l'événement "il ne gagne
aucune place de cinéma" : P(Y  1) = 1 - p(Y = 0) = 1 - 0,25 = 0,75.
c) Probabilité qu'il gagne exactement deux places de cinéma :
P(Y = 2) = 0,5 ´ 0,2 + 0,3 ´ 0,3 + 0,2 ´ 0,5 = 0,29
(Chemins D-Z ou U-U ou Z-D)

Exercice 2
1. Comme chaque boule a autant de chance d’être tirée, on est dans une situation d’équiprobabilité.

k i
La probabilité p d’un événement peut donc se calculer à l’aide de la formule :
nombre de cas favorables
p=

ou
nombre de cas possibles
On a ainsi :
3 2 1 1 4 2

ha
P(J) = P(B) = = P(R) = P(V) = =
10 10 5 10 10 5
4 2
2. a. On a : P(X = 2) = P(V) = =
10 5
aC
Comme les événements J et B sont incompatibles, on a :
P(J È B) = P(J) + P(B)
3 2 5 1
D’où : P(X = 3) = P(J È B) = P(J) + P(B) = + = =
10 10 10 2
ra

1
P(X = 10) = P(R) =
10
ou

b. La loi de probabilité de X est donnée par le tableau ci-dessous

Valeurs de X x1 = 2 x2 = 3 x3 = 10

probabilités p1 = 4
p2 = 5
p3 = 1
uz

10 10 10

L'espérance mathématique de X est donnée par :

3

å p x = 10 ´ 2 + 10 ´ 3 + 10 ´ 10 = 10
4 5 1 33
Bo

E(X) = i i = 3,3
i =1

La variance de X est donnée par :

3
V(X) = åp x
i =1
2
i i - (E(X))
2

4 5 1
V(X) = ´2 + ´3 + ´ 10 - 3,3 = 16,1 - 10,89 = 5,21
2 2 2 2

10 10 10

Et enfin, l’écart-type de X est donné par :s(X) = V (X )

s(X) = 5,21  2,28

3. Notons Y la nouvelle variable aléatoire correspondant au gain moyen dans cette situation.
La loi de probabilité de Y est donnée par le tableau suivant :

Page 7
 Valeurs de Y y1 = 2 y2 = 3 y3 = m y4 = 10

probabilités p1 = 4
10
p2 = 3
p3 = 2 p4 = 1
10
10 10

On souhaite avoir : E(Y) = 4,5

4 3 2 1
C’est à dire : ´2+ ´3+ ´m+ ´ 10 = 4,5
10 10 10 10
27 + 2m = 45
m=9
Il faut donc que la boule bleue rapporte 9 € pour que le gain moyen espéré soit de 4,5 .

k i
ou
Exercice 3

Notons :
R l'événement "l'appareil choisi est rouge" et Mi = "l'appareil choisi provient de la marque Mi ", 1  i  3.
Arbre illustrant la situation :
1
2
1
8
ha 3
8
aC
M1 M2 M3

13 87 5 95 10 90
ra

100 100 100 100 100 100

R R R R R R
3 1 1
ou

1) La probabilité que l'appareil vienne de M3 est P(M3) = . (On a de même P(M1) = et P(M2) = )
8 2 8
2) La probabilité que l'appareil soit rouge sachant qu'il vienne de M2 est :
5 1
PM 2 ( R ) = =
uz

100 20
13 10 1
On a de même : PM1 ( R) = et PM 3 ( R ) = =
100 100 10
Bo

3) Comme les événements M1, M2 et M3 constituent une partition de l'univers, on a, d'après le théorème des
probabilités totales :

P ( R ) = PM1 ( R ) p(M1) + PM 2 ( R ) P(M2) + PM 3 ( R ) P(M3) =

87 1 95 1 90 3 713
´ + ´ + ´ =
100 2 100 8 100 8 800
4) Il s'agit de calculer PR(M1) :
P ( M1 Ç R) PM1 ( R ) P ( M1 ) 13 / 100 ´ 1 / 2 52
PR(M1) = = = =
P( R ) 1 - P( R ) 87 / 800 87

Page 8
Exercice 4
Notons Fn l'événement "l'individu fume le nème jour".
Illustrons, à l'aide d'un arbre la situation entre le nème jour et le (n + 1)ème jour :

pn 1 - pn

Fn Fn

i
PF ( Fn +1 ) PF ( Fn + 1 ) PF ( Fn + 1 ) PF ( Fn + 1 )

k
n n n n

(0,2) (0,8) (0,4) (0,6)

ou
Fn+1 Fn + 1 Fn+1 Fn + 1

D'après la formule des probabilités totales appliquée à la partition W = Fn È Fn , on a :

ha
pn+1 = P(Fn+1) = P(Fn+1 Ç Fn) + P(Fn+1 Ç Fn ) = PFn ( Fn +1 ) P( Fn ) + PF ( Fn +1 ) P( Fn )

pn+1 = PFn ( Fn +1 ) pn + PF ( Fn +1 )(1 - pn ) = 0,2pn + 0,4(1 - pn)

n
aC
n

pn+1 = -0,2pn + 0,4

Soit w le réel tel que : w = -0,2w + 0,4
En soustrayant membre à membre : pn+1 - w = -0,2(pn - w)
ra

La suite (pn - w) est donc géométrique de raison q = -0,2, d'où :

pn - w = (-0,2)np0
ou

On ne connaît pas p0 mais cela ne nous empêche pas d'étudier la limite. On sait que :
lim (-0,2)n = 0
n®+¥

(Limite d'une suite géométrique de raison q = 0,2 Î ]-1, 1[)

uz

1
D'où : lim pn = w =
n®+¥ 3
Conclusion : avec ces données, à long terme, notre individu tendra à fumer un jour sur trois. Impossible de
Bo

s'arrêter complètement tant que les conditions C1 et C2 sont appliquées. Notons que cette limite est
indépendante de la probabilité initiale p0. Autrement dit, que notre individu soit un grand ou un petit fumeur,
au bout du compte, il fumera en moyenne un jour sur trois.

Page 9
 Exercice 5 Loi de l'équilibre génétique lors de l'appariements au hasard - Loi de Hardy-Weinberg

1.

pn qn rn

Père AA Aa aa

pn qn rn pn qn rn pn qn rn

k i
Mère AA Aa aa AA Aa aa AA Aa aa

ou
1 1 1 1 1 1 1 1 1 1 1
1 1 1 1
2 2 2 2 4 2 4 2 2 2 2

Enfant AA AA Aa Aa AA Aa AA Aa aa Aa aa Aa Aa aa aa

2. D'après les règles de calculs sur les arbres, on a pour tout n Î  :

pn+1 = pn2 +
1 1
pnqn + pnqn +
1 2
qn = pn2 + pnqn + ha ç ÷
è 2 ø
2
æ qn ö = æ p + qn ö
ç n
è
÷
2 ø
2
aC
2 2 4
De même :
2
rn+1 = çæ n + rn ÷ö
q
è 2 ø
ra

Et puisque pn+1 + qn+1 + rn+1 = 1 :

2 2
æ q ö
qn+1 = 1 - ç pn + n ÷ - çæ n + rn ÷ö
q
è 2 ø è 2 ø
ou

3. a) D'où, pour tout n Î  :

q 2 2
pn+1 - rn+1 = æç pn + n ö÷ - æç n + rn ö÷ = (pn - rn)(pn + qn + rn) = pn - rn
q
uz

è 2 ø è 2 ø

On en déduit que, pour tout n Î  :

Ceci peut se démontrer
pn - rn = p0 - r0 = a
Bo

proprement par récurrence.

b) On a alors, pour tout n Î  :

2
2r + qn ö 2
pn+1 = æç pn + n ö÷ = æç pn - rn + n
q
÷
è 2 ø è 2 ø

qn 2r + qn
pn + = pn - rn + n
2 2
Et comme pn - rn= a et 2rn + qn = 1 - pn + rn = 1 - a, on obtient :
qn 1- a 1+ a
pn + =a+ =
2 2 2

1+ a ö 2
D'où : pn+1 = æç ÷
è 2 ø
De même :

Page 10
 qn q + 2 pn 1 + pn - rn 1+ a 1- a
+ rn = n + rn - pn = + rn - pn = -a=
2 2 2 2 2

1- a ö 2
D'où : rn+1 = æç ÷
è 2 ø

1 + a ö2 æ 1 - a ö2 1 - a 2
Et enfin : qn+1 = 1 - æç ÷ -ç ÷ =
è 2 ø è 2 ø 2
On a prouvé que les suites (pn), (qn) et (rn) sont constantes à partir du rang n = 1.

Exercice 6

i
1. Pour calculer la probabilité de A, on utilise la formule :

k
nombre de cas favorables
P(A) =

ou
nombre de cas possibles

Première méthode : (simple et naturelle)

Calcul du nombre de cas possibles :

ha
Le premier élève a 10 choix de parfums.
Le second élève a 10 choix de parfums.
Le troisième élève a 10 choix de parfums.
aC
Au total, nous obtenons : 10 ´ 10 ´ 10 = 103 = 1000 cas possibles.
Calcul du nombre de cas favorables :
Le premier élève a 10 choix de parfums.
ra

Le second élève a 9 choix de parfums. (Car on souhaite qu'il ait un parfum différent du premier)
Le troisième élève a 8 choix de parfums. (Car on souhaite qu'il ait un parfum différent des deux premiers)
Au total, nous obtenons : 10 ´ 9 ´ 8 = 720 cas favorables.
ou

720 18
Bilan : P(A) = = = 0,72
1000 25
Deuxième méthode : (utilisant des notions de dénombrement)
uz

Notons E l'ensemble {a ; b ; c ; d ; e ; f ; g ; h ; i ; j} où chaque lettre désigne un parfum.

À chaque choix de parfum des trois élèves, on peut associer une liste. Par exemple, la liste gag signifie que
Bo

le premier élève a choisi le parfum g, le second le parfum a et le troisième le parfum g.

Le nombre de cas possibles est égal au nombre de 3-listes de l'ensemble E. Il y en a 103 = 1000.
Le nombre de cas favorables est égal au nombre de 3-listes d'éléments distincts de l'ensemble E, c'est-à-dire
3
au nombre de 3-arrangements de E. Il y en a A10 = 720.

720 18
On retrouve : P(A) = = = 0,72
1000 25
2. Les différentes valeurs possibles de X sont 1 ou 2 ou 3.
18
On sait déjà, d'après la question 1 que : P(X = 3) = P(A) =
25
Calcul de P(X = 1) :
Nombre de cas favorables : 10 ´ 1 ´ 1. (Le premier élève a 10 choix, les deux suivants sont contraints de
prendre le même parfum).

Page 11
 10 1
D'où : P(X = 1) = =
1000 100
Par ailleurs, les événements "X = 1", "X = 2" et "X = 3" forment une partition de l'univers. On a donc :
P(X = 1) + P(X = 2) + P(X = 3) = 1
1 18 27
D'où : P(X = 2) = 1 - P(X = 1) - P(X = 3) = 1 - - =
100 25 100
Remarque : on peut aussi calculer P(X = 2) directement :
nombre de cas favorables : nombre de 3-listes de E qui contiennent 2 lettres distinctes (et donc une lettre
répétée deux fois) :
choix de la lettre répétée : 10 choix. (Exemple g)

i
choix de l'autre lettre (distincte de la lettre répétée) : 9 choix (Exemple a)

k
choix de la position de la lettre non répétée : 3 choix (agg ou gag ou gga)

ou
Au total : 10 ´ 9 ´ 3 = 270 cas favorables.
270 27
On retrouve bien : P(X = 2) = =
1000 100

ha
On résume maintenant la loi de probabilité de X sous forme de tableau :
X 1 2 3 Total

Probabilités 0,01 0,27 0,72 1

aC
Calcul de l'espérance mathématique de X :

E(X) = å p x = 0,01 ´ 1 + 0,27 ´ 2 + 0,72 ´ 3 = 2,71

i
i i

En moyenne, le nombre de parfums distincts choisis par les trois élèves est 2,71.
ra

Exercice 7
ou

Premier cas : on connaît P(A), P(B) et une probabilité conditionnelle

Supposons connue PA(B) (Méthode analogue si c'est une autre probabilité conditionnelle qui est donnée)
uz

On peut alors calculer :

P(A Ç B) = PA(B)P(A)
P( A Ç B)
D'où : PB(A) = (1)
Bo

P( B)
En utilisant la formule des probabilité totales, on a :
Avec la partition W = A È A : P(B) = P(B Ç A) + P(B Ç A )
C'est-à-dire : P(B) = PA(B)P(A) + PA ( B ) (1 - P(A))

P ( B ) - PA ( B) P( A)
D'où : PA ( B ) = (2)
1 - P( A)

Et avec la partition W = B È B : P(A) = P(A Ç B) + P(A Ç B )

P(A) = PB(A)P(B) + PB ( A) (1 - P(B))

P ( A) - PB ( A) P( B)
D'où : PB ( A) = (3)
1 - P( B)

On a bien retrouvé les 3 probabilités restantes.

Page 12
Deuxième cas : on connaît P(A) mais pas P(B) (ou le contraire) et deux probabilités conditionnelles
Supposons connues : P(A), PA(B) et PA ( B )

Par la formule des probabilités totales appliquée à la partition W = A È A , on a :

P(B) = PA(B)P(A) + PA ( B ) (1 - P(A))

On est ramené au premier cas.

Supposons connues : P(A), PA(B) et PB(A)
On calcule alors : P(A Ç B) = PA(B)P(A)
P( A Ç B)
D'où : P(B) =
PB ( A)

i
On est ramené au premier cas.

k
Si ce sont d'autres probabilités conditionnelles qui sont connues, on raisonne de manière analogue.

ou
Troisième cas : on connaît trois probabilités conditionnelles
Supposons, par exemple, connues : PA(B), PA ( B ) et PB(A)

D'une part : P(A Ç B) = PA(B)P(A) = PB(A)P(B)

ha
D'autre part : P(B) = PA(B)P(A) + PA ( B ) (1 - P(A))

D'où : PA(B)P(A) = PB(A)[PA(B)P(A) + PA ( B ) (1 - P(A))]

aC
P(A)[PA(B) - PB(A)PA(B) + PA ( B ) ] = PB(A) PA ( B )
PB ( A) PA ( B)
P(A) =
PA ( B) - PB ( A) PA ( B) + PA ( B)
On est ramené au deuxième cas.
ra

Exercice 8
æ 12 ö
ou

1. Le nombre de façons de choisir 5 cartes parmi 12 est : ç ÷

è5ø
æ 4ö
Le nombre de façons de choisir k rois (k Î {0 ; 1 ; 2 ; 3 ; 4}) parmi 4 est : ç ÷
èkø
uz

æ 8 ö
Le nombre de façons de choisir 5 - k autres cartes (non rois) parmi les 8 restantes est : ç ÷
è5- k ø
æ4öæ 8 ö
çk ÷ç5 - k ÷
Bo

On a donc : P(X = k) = è ø è ø pour tout k Î {0 ; 1 ; 2 ; 3 ; 4}

æ12 ö
ç5÷
è ø
À l'aide de la calculatrice, on obtient :

X 0 1 2 3 4 Total
7 35 42 14 1
Probabilités 1
99 99 99 99 99

Calcul de l'espérance mathématique de X :

åpx =
165 5
E(X) = i i =
i
99 3

5
En moyenne, le nombre de rois obtenus, par cette méthode de tirage, est ( 1,67).
3

Page 13
 2. Soit E l'expérience : "on tire, au hasard et avec remise, une carte de l'enveloppe et on regarde si c'est un roi"
Cette expérience aléatoire possède deux issues : obtenir un roi (Succès) ou non (Echec).
4 1
C'est donc une épreuve de Bernoulli de paramètre p = P(Succès) = = .
12 3
On répète, de manière indépendante, n = 5 fois cette épreuve de Bernoulli.
La variable aléatoire Y (nombre de rois obtenus) représente le nombre de succès obtenus (0  Y  5)
1
On peut donc affirmer que la variable aléatoire Y est binomiale de paramètre n = 5 et p = :
3
B æç 5 ; ö÷
1
Y
è 3ø
Dans ce cas, on sait alors que :

i
k 5-k
æ5ö æ1ö æ 2ö

k
P(Y = k) = ç ÷ ç ÷ ç ÷ pour tout k Î {0 ; 1 ; 2 ; 3 ; 4 ; 5}
èkø è 3ø è 3 ø

ou
À l'aide de la calculatrice, on obtient (à 10-3 près) :

Y 0 1 2 3 4 5 Total

ha
Probabilités 0,132 0,329 0,329 0,165 0,041 0,004 1

1 5
Espérance mathématique de Y : E(Y) = np = 5 ´ =
3 3
aC
5
En moyenne, le nombre de rois obtenus, par cette méthode de tirage, est ( 1,67).
3

Exercice 9
ra

1 1
2 2
ou

Arbre U1 U2

0,7
0,3 1 1
uz

2 2

Premier tirage B N B N

0,7 0,3 0,3

Bo

1 1
0,7 1 1
2 2 2
2

Second tirage
B N B N B N B N

Comparons p(B1)p(B2) et P(B1 Ç B2) :

L'événement B1 correspond au chemin U1 B ou au chemin U2 B
p(B1) = 0,5 ´ 0,7 + 0,5 ´ 0,5 = 0,35 + 0,25 = 0,6
p(B2) = 0,5 ´ 0,7 ´ 0,7 + 0,5 ´ 0,3 ´ 0,7 + 0,5 ´ 0,5 ´ 0,5 + 0,5 ´ 0,5 ´ 0,5 = 0,6 L'événement B2 correspond aux chemins
U1BB ; U1NB ; U2BB ; U2NB
Donc p(B1)p(B2) = 0,36.
L'événement B1 Ç B2 correspond aux
p(B1 Ç B2) = 0,5 ´ 0,7 ´ 0,7 + 0,5 ´ 0,5 ´ 0,5 = 0,37. chemins : U1BB ; U2BB
Comme p(B1)p(B2) ¹ p(B1 Ç B2), on déduit : B1 et B2 ne sont pas indépendants.
Remarque : ce résultat peut paraître surprenant. Il est dû à la composition différente entre boules blanches et
noires dans les deux urnes et qu'on ne sait pas, a priori, dans quelle urne seront effectués les tirages.

Page 14
Exercice 10
Partie A
Il y a donc 10 câbles du type C1 et 40 câbles du type C2 dans la livraison.
æ 50 ö
Notons qu'il y a ç ÷ façons de choisir 4 câbles parmi 50.
è4ø
æ 10 ö
1) Nombre de façons de choisir 4 câbles de type C1 : ç ÷
è4ø

æ10 ö
ç4÷
P(E) = è ø =
3
D'où :  0,00091 à 10-5 près
æ ö 3290
50
ç4÷

i
è ø

k
2) Nombre de façons de choisir 1 câble du type C1 : 10

ou
æ 40 ö
Nombre de façons de choisir 3 câbles du type C2 : ç ÷
è 3ø

æ 40 ö
10 ´ ç ÷

ha
D'où : P(F) = è 3 ø = 988  0,429 à 10-3 près
æ ö
50 2303
ç4÷
è ø
aC
3) On a : G = "aucun câble n'est du type C1" = "les 4 câbles sont du type C2"

æ 40 ö
Nombre de façons de choisir 4 câbles du type C2 : ç ÷
è4ø

æ 40 ö
ç 4 ÷ 13891
ra

D'où : P(G) = 1 - P (G ) = 1 - è ø =  0,603 à 10-3 près

æ 50 ö 23030
ç4÷
è ø
ou

Partie B
Comme le tirage se fait avec remise, les n réalisations de l'expérience E se font de manière identiques et
uz

indépendantes. On a ainsi un schéma de Bernoulli. La probabilité d'obtenir un câble du type C1 étant égale à
0,2 on peut affirmer que la variable aléatoire X suit une loi binomiale de paramètre n et p = 0,2.
Bo

On a donc pour tout entier k compris entre 0 et n :

ænö
P(X = k) = ç ÷ 0,2k ´ 0,8n-k
èkø
1) n = 4.
a) Probabilité d'obtenir 2 câbles du type C1 :
æ 4ö
P(X = 2) = ç ÷ 0,22 ´ 0,82 = 0,1536
è 2ø
b) Probabilité d'obtenir au moins un câble de type C1 :
P(X  1) = 1 - P(X = 0) = 1 - 0,84 = 0,5904
c) L'espérance d'une variable aléatoire suivant une loi binomiale est donnée par :
E(X) = np = 4 ´ 0,2 = 0,8
En moyenne, on obtient 0,8 câble du type C1.

Page 15
2) Dans cette question n est inconnu.
a) On a : P(X  1) = 1 - P(X = 0) = 1 - 0,8n

b) On cherche n tel que : P(X  1)  0,9

1 - 0,8n  0,9

0,8n  0,1

Par croissance du logarithme : n ln 0,8  ln 0,1

ln 0,1
Et comme ln 0,8 < 0 : n
ln 0,8

ln 0,1
La calculatrice donne :  10,32 à 10-2 près
ln 0,8

k i
Et comme n est un entier : n  11

ou
On doit répéter l'expérience E au moins 11 fois pour être sûr à 90% d'obtenir au moins un câble C1.

ha
Exercice 11 Test de séropositivité
Notons S l'événement "l'individu est séropositif" et T "le test est positif"
Illustrons la situation à l'aide d'un arbre :
aC
p(S) = 0,0001 p( S ) = 0,9999
ra

S S
ou

p(T|S) = 0,99 p( T |S) = 0,01 p(T| S ) = 0,001 p( T | S ) = 0,999

T T
uz

T T

p( S Ç T )
Bo

p(T | S ) p( S ) p(T | S ) p(S ) 1

p(S|T) = = = =  0,090 à 10-3 près
p(T ) p(T ) p(T | S ) p( S ) + p(T | S ) p(S ) p(T | S ) p(S )
1+
p(T | S ) p(S )
Conclusion : même si le test est positif, on a environ 9 chances sur 100 de ne pas être malade !
Voir l'exercice n°13 sur la pertinence d'un test de dépistage

Page 16
Exercice 12 Comparaison de l'efficacité de deux vaccins.
On a :
PV ( M ) P ( M Ç V ) P (V ) PM (V ) P ( M ) P(V ) PM (V ) P (V ) (1 - PM (V )) P(V )
l= = = = =
PV ( M ) P ( M Ç V ) P(V ) PM (V ) P ( M ) P (V ) PM (V ) P (V ) PM (V )(1 - P(V ))

Vaccin A :
(1 - 0, 008) ´ 0, 25
lA =  41,33 à 10-2 près
0, 008 ´ (1 - 0, 25)

Vaccin B :
(1 - 0,006) ´ 0, 2
lB = = 41,42 à 10-2 près

i
0,006 ´ (1 - 0,2)

k
Les deux vaccins ont quasiment la même efficacité...

ou
L'effectif de la population étudiée est bien trop faible pour tirer des conclusion plus précises.

ha
Exercice 13 Pertinence d'un test de dépistage
aC
P(M) = x P(M ) = 1 - x
ra

M M
ou

PM(T) PM (T ) P (T )
M P (T )
M
= 0,98 = 0,02 = 0,01
= 0,99
uz

T T T T
Bo

1. Notons W la population.
P( M Ç T )
On a : ¦(x) = PT(M) =
P (T )

Et d'après la formule des probabilités totales appliquée à la partition W = M È M :

P(T) = P(T Ç M) + P(T Ç M )

P (M Ç T )
D'où : ¦(x) =
P (T Ç M ) + P(T Ç M )

PM (T ) x PM (T ) x
¦(x) = =
PM (T ) x + PM (T )(1 - x ) ( PM (T ) - PM (T ) ) x + PM (T )

Application numérique avec PM(T) = 0,98 et PM (T ) = 0,01

Page 17
 0,98 x 98x
¦(x) = =
0,97 x + 0,01 97 x + 1

Représentation graphique de la fonction ¦ :

y
C¦
1
0,95

k i
ou
O 0,162

ha 1 x
aC
98 ´ 0, 05
2. On a : ¦(0,05) =  0,8376 à 10-4 près
97 ´ 0, 05 + 1
Le test n'est pas fiable si 5% de la population est malade...
ra

On résout l'inéquation : ¦(x)  0,95

98x
 0,95
97 x + 1
ou

Et comme 97x + 1 > 0 (car 0  x  1) :

98x  0,95 ´ 97x + 0,95

uz

5,85x  0,95

19
x
117
Bo

19
Or,  0,16239 à 10-5 près. On en déduit :
117
le test est fiable si au moins 17% de la population est malade (au pourcent près)

Page 18
Exercice 14 Estimation de la composition d'une urne.
1. Considérons l'expérience aléatoire E consistant à choisir un jeton blanc ou un jeton noir.
Cette expérience comporte deux issues, il s'agit d'une expérience de Bernoulli.
Notons S l'événement "obtenir un jeton blanc". Par équirépartition, la probabilité p de S est :
1
p=
2
On répète n = 10 fois cette expérience (on fait un schéma de Bernoulli). Le nombre X de réalisation de S suit
1
donc une loi binomiale de paramètre n = 10 et p = .
2

On a donc, pour tout k Î 0, 10 :

k i
æ 10 ö 1
k
1 10 - k æ 10 ö
P(X = k) = ç ÷ æç ö÷ æç ö÷
1
= ç ÷´
è k ø è2ø è2ø è k ø 210

ou
L'espérance d'une variable aléatoire de loi binomiale de paramètres n et p est donnée par :
E(X) = np

ha
1
E(X) = 10 ´ =5
2
En moyenne, l'urne contient 5 jetons blanc (et donc 5 jetons noirs) ce qui ne devrait surprendre personne.
aC
2. Considérons les événements suivants :
A : "l'urne contient 4 jetons blancs et 6 jetons noirs"
B : "on a tiré 4 fois un jeton blanc et 6 fois un jeton noir"
ra

P( A Ç B)
Il s'agit de calculer : PB(A) =
P( B)
ou

C ( X = k ) , on a :
n
D'après la formule des probabilités totales appliquée à la partition W =
k =0

10

åP
uz

P(B) = ( X = k ) ( B) P( X = k)
k =0

Il est clair que P(X = 0)(B) = 0. (Si l'urne ne contient aucun jeton blanc, l'événement B ne peut pas se réaliser)
Bo

Supposons que l'urne contienne k jetons blancs (1  k  n) et n - k jetons noirs. Notons Y le nombre de
jetons blancs obtenus lors du tirage successif et avec remise de 10 jetons. La variable aléatoire Y suit une loi
k
binomiale de paramètres q = et n = 10. D'où :
10

æ 10 ö k
4
10 - k ö6
P(Y = 4) = ç ÷ æç ö÷ æç ÷
è 4 ø è 10 ø è 10 ø

æ k ö æ 10 - k ö æ 10 ö  0,15675 à 10-5 près

10
1 æ 10 ö 4 6
D'où : P(B) = ç ÷
210 è 4 ø
å
k =1
ç ÷ ç ÷ ç ÷
è 10 ø è 10 ø è k ø

æ 10 ö æ 10 ö 1 æ 10 ö 4
Par ailleurs : P(A Ç B) = P(A)PA(B) = P(X = 4) ç ÷ 0,44 0,66 = ç ÷ ç ÷ 0,4 0,66
è4ø è4ø 2 è4ø
10

Page 19
 æ 10 ö 4 6
ç 4 ÷ 0, 4 0, 6
D'où : PB(A) = 10 è 4ø  0,328 à 10-3 près
æ k ö æ 10 - k ö æ ö
6

å
10
ç ÷ ç ÷ ç ÷
k =1
è 10 ø è 10 ø è k ø

Il y a 32% de chance que l'urne contienne effectivement quatre jetons blancs et six jetons noirs sachant
qu'on a obtenu cette même proportion de jetons lors du tirage.

k i
ou
ha
aC
ra
ou
uz
Bo

Page 20