Department de Mathématiques Année 2020-2021

Faculté des sciences Agadir Pr. S. Mazid

Examen - Session normale
Probabilités et Statistiques (SMA3, SMI3)
Nom:. . . . . . . . . . . . . . . . . . . . . . . . . . . Prénom:. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Numéro d’examen:.. . . . . . . . . . . . . . . . . .

Calculatrice autorisée. Documents non autorisés.

Question de cours (10 min, 3 points ).

Soit X une variable aléaloire continue.
1) Rappeler la définition de la fonction de répartition FX de X.

...........................................................................................................................

... ...........................................................................................................................

... ...........................................................................................................................

... ...........................................................................................................................

2) Rappeler la définition de la densité fX de X.

...........................................................................................................................

... ...........................................................................................................................

... ...........................................................................................................................

... ...........................................................................................................................

3) Donner la formule permettant de calculer E(X 3 ).

...........................................................................................................................

... ...........................................................................................................................

... ...........................................................................................................................

Exercice 1. (20 min, 4 points)

Dans un lycée, la proportion des filles est de 40% du total des élèves. On sait que dans ce lycée, une fille sur deux
pratique un sport alors que pour les garçons, un sur trois pratique un sport. On choisit au hasard un élève de ce lycée.
1) Quelle est la probabilité que cet élève pratique un sport?

...........................................................................................................................

... ...........................................................................................................................

... ...........................................................................................................................

... ...........................................................................................................................

... ...........................................................................................................................

... ...........................................................................................................................

... ...........................................................................................................................

1
... ...........................................................................................................................

... ...........................................................................................................................

... ...........................................................................................................................

2) Quelle est la probabilité que l’élève choisi soit une fille sachant qu’il pratique un sport?

...........................................................................................................................

... ...........................................................................................................................

... ...........................................................................................................................

... ...........................................................................................................................

... ...........................................................................................................................

... ...........................................................................................................................

Exercice 2. (40 min, 10 points)

Une usine fabrique des batteries de téléphone portable dont la durée de vie X (exprimée en années) est une variable
aléatoire qui suit une loi normale de moyenne µ = 2 et d’écart type σ = 0, 25.
1) Calculer la probabilité que la durée de vie d’une batterie soit supérieure à 2,5 années: P (X > 2, 5)

...........................................................................................................................

... ...........................................................................................................................

... ...........................................................................................................................

... ...........................................................................................................................

... ...........................................................................................................................

... ...........................................................................................................................

... ...........................................................................................................................

2) Calculer la probabilité que la durée de vie d’une batterie soit comprise entre 1,5 et 2,5: P (1, 5 < X < 2, 5).

...........................................................................................................................

... ...........................................................................................................................

... ...........................................................................................................................

... ...........................................................................................................................

... ...........................................................................................................................

... ...........................................................................................................................

... ...........................................................................................................................

... ...........................................................................................................................

2
 3) On choisit au hasard 100 batteries dans la production. Soit Y la variable aléatoire qui compte le nombre de
batteries dont la durée de vie est supérieure à 2,5 années.
a) Quelle est la loi de probabilité Y ? quelles sont sa moyenne et son écart type?

...........................................................................................................................

... ...........................................................................................................................

... ...........................................................................................................................

... ...........................................................................................................................

... ...........................................................................................................................

... ...........................................................................................................................

... ...........................................................................................................................

... ...........................................................................................................................

b) Calculer la probabilité d’avoir au moins 2 batteries dont la durée de vie est supérieure à 2,5 : P (Y ≥ 2).

...........................................................................................................................

... ...........................................................................................................................

... ...........................................................................................................................

... ...........................................................................................................................

... ...........................................................................................................................

... ...........................................................................................................................

... ...........................................................................................................................

... ...........................................................................................................................

c) Donner, en la justifiant, une loi approchée de Y et calculer la probabilité que parmi les batteries testées au moins
5% aient une durée de vie supérieure à 2,5 années.

...........................................................................................................................

... ...........................................................................................................................

... ...........................................................................................................................

... ...........................................................................................................................

... ...........................................................................................................................

... ...........................................................................................................................

... ...........................................................................................................................

... ...........................................................................................................................

3
... ...........................................................................................................................

... ...........................................................................................................................

... ...........................................................................................................................

Exercice 3. (20 min, 3 points)

On observe les arrivées des clients à un bureau de poste pendant un intervalle de temps donné (10 minutes). En
répétant 100 fois cette observation, on obtient les résultats suivants.

Nombre d’arrivées 1 2 3 4 5 6 Total

Nombre d’observations 15 25 26 20 7 7 100

1) Représenter graphiquement ces résultats.

...........................................................................................................................

... ...........................................................................................................................

... ...........................................................................................................................

... ...........................................................................................................................

... ...........................................................................................................................

... ...........................................................................................................................

... ...........................................................................................................................

... ...........................................................................................................................

2) Calculer la valeur de la moyenne, le mode, la variance et l’écart-type des résultats.

...........................................................................................................................

... ...........................................................................................................................

... ...........................................................................................................................

... ...........................................................................................................................

... ...........................................................................................................................

... ...........................................................................................................................

... ...........................................................................................................................

... ...........................................................................................................................

... ...........................................................................................................................

... ...........................................................................................................................

... ...........................................................................................................................

... ...........................................................................................................................

4
Department de Mathématiques Année 2021-2022
Faculté des sciences Agadir
Examen - Session normale
Probabilités et Statistiques (SMA3, SMI3)
Nom:. . . . . . . . . . . . . . . . . . . . . . . . . . . Prénom:. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Numéro d’examen:.. . . . . . . . . . . . . . . . . .

Calculatrice autorisée. Documents non autorisés.

Question de cours
1) Soit T une variable aléatoire distribuée suivant une loi exponentielle de paramètre λ > 0. Rappeler ce que valent
densité, fonction de répartition, espérance et variance de T (on ne demande pas les calculs).
 
f (t) = λe−λt 1{t≥0} et F (t) = 1 − e−λt 1{t≥0} .

1 1
E[T ] = et Var(T ) =
λ λ2
. 2) Énoncer le théorème central limite.
Soit X1 , . . . , Xn une suite de v.a indépendentes et identiquement distribuées, de moyenne µ et de variance σ 2 . Alors
la v.a définie par Pn
Xi −nµ
i=1 √
σ n
∼ N (0, 1) ou bien
√ X̄n −µ Pn
i=1 Xi
n σ ∼ N (0, 1) avec X̄n = n

Exercice 1. Un atelier reçoit 5000 circuits intégrés: 1000 en provenance de l’usine A et 4000 en provenance de l’usine
B. 10% des circuits fabriqués par l’usine A et 5% de ceux fabriqués par l’usine B sont défectueux.
1) On choisit au hasard un circuit intégré à l’atelier. Quelle est la probabilité qu’il soit défectueux ?
Par la formule des probabilités totales, la probabilité qu’un circuit pris au hasard soit défectueux est :
10 1000 5 4000
P(D) = P(D | A)P(A) + P(D | B)P(B) = × + × = 0.06
100 5000 100 5000
2) Sachant qu’un circuit choisi est défectueux, quelle est la probabilité qu’il vienne de l’usine A ?
D’après la formule de Bayes :
10
P(D | A)P(A) 100 × 1000
5000 1
P(A | D) = = =
P(D) 0.06 3

Exercice 2. On considère une variable aléatoire X de densité

 2
−x
f (x) = xe 2 si x ≥ 0
0 si x < 0
1) Vérifier que f est bien une densité de probabilité. On dit que X suit une loi de Rayleigh de paramètre 1.
Il est clair d’une part que f est bien positive, et d’autre part que son intégrale est égale à 1 , puisque
Z +∞
x2 x2 +∞
h i
xe− 2 dx = −e− 2 = 1.
0 0

2) Déterminer la fonction de répartition F de X.

La fonction de répartition F de X vaut 0 sur ] − ∞, 0] et pour x ≥ 0, on a
Z x
t2 t2 x x2
h i
F (x) = te− 2 dt = −e− 2 = 1 − e− 2 .
0 0

3) Déterminer la médiane de X, c’est-à-dire la valeur m telle que P(X > m) = 1/2.

La médiane de X vérifie P(X > m) = 1/2, ce qui équivaut à dire que F (m) = 1/2, donc
m2 1 √
1 − e− 2 = ⇔ m = 2 ln 2.
2
4) Rappeler ce que vaut la quantité Z +∞
1 x2
√ e− 2 dx
2π −∞

1
 R +∞ x2
En déduire la valeur de 0 e− 2 dx.
On reconnait la densité d’une loi normale centrée réduite donc
Z +∞
1 x2
√ e− 2 dx = 1
2π −∞
x2
Par parité de la fonction x 7→ e− 2 sur R, il est clair que
Z +∞ √ 
1 +∞ − x2
Z Z +∞  r
− x2
2 2π 1 − x2 π
e dx = e 2 dx = √ e 2 dx = .
0 2 −∞ 2 2π −∞ 2

5) Montrer que E[X] = π2

p

On a via une intégration par parties

+∞ +∞ +∞
Z Z i+∞ Z r
2 − x2
2  2
− x2
 h x2
− x2
2 π
E[X] = x e dx = x × xe dx = −xe− 2 + e dx = .
0 0 0 0 2

6)√Soit U une variable aléatoire distribuée suivant une loi uniforme sur ]0,1]. On considère la variable aléatoire
Y = −2 ln U .
(a) Dans quel intervalle Y prend-elle ses valeurs?
√
Puisque U prend ses valeurs entre 0 et 1 , la variable aléatoire X = −2 ln U prend ses valeurs dans l’intervalle
[0, +∞[.

(b) En passant par sa fonction de répartition FY , montrer que la variable aléatoire Y suit une loi de Rayleigh de
paramètre 1.

De fait sa fonction de répartition FX vaut 0 sur R− , et pour x ≥ 0, on a

√  x2

FX (x) = P(X ≤ x) = P( −2 ln U ≤ x) = P 0 ≤ −2 ln U ≤ x2 = P U ≥ e− 2

c’est-à-dire  x2  x2
FX (x) = 1 − FU e− 2 = 1 − e− 2 .
Ainsi X suit bien une loi de Rayleigh de paramètre 1.
Exercice 3. Soient X et Y deux variables indépendantes suivant une loi de Bernoulli de même paramètre p. On note
U = X + Y et V = X − Y .
1) Calculer la loi du couple (U, V ).

On a donc P (X = 1) = P (Y = 1) = p et P (X = 0) = P (Y = 0) = 1 − p. On en déduit la loi suivante pour (U, V ):

U \V −1 0 1 P (U = i)

0 0 (1 − p)2 0 (1 − p)2

1 p(1 − p) 0 p(1 − p) 2p(1 − p)

2 0 p2 0 p2

P (V = j) p(1 − p) p2 + (1 − p)2 p(1 − p)

2) Les deux variables sont-elles indépendantes?

2
 Les deux variables ne sont pas indépendantes : on a par exemple P ((U = 0) ∩ (V = 1) ) = 0, alors que P (U =
0) × P (V = 1) ̸= 0.

Exercice 4. Une étude sur le budget consacré aux vacances d’été auprès de ménages a donné les résultats suivants

Budget X Fréquence cumulée Fréquences

[800, 1000[ 0.08
[1000, 1400[ 0.18
[1400, 1600[ 0.34
[1600, β[ 0.64
[β, 2400[ 0.73
[2400, 4000[ 1
1) Calculer les fréquences dans le tableau.

Budget X Fréquence cumulée Fréquences

[800, 1000[ 0.08 0.08
[1000, 1400[ 0.18 0.1
[1400, 1600[ 0.34 0.16
[1600, β[ 0.64 0.3
[β, 2400[ 0.73 0.09
[2400, 4000[ 1 0.27
2) Calculer la borne manquante β dans les deux cas suivants:
(a) Le budget moyen est égal à 1995 .
le budget moyen est égal à 1995, c’est à dire, x̄ = 1995, donc
1600 + β β + 2400
x̄ = 1995 = 0.08 × 900 + 0.1 × 1200 + 0.16 × 1500 + 0.3 × + 0.09 × + 0.27 × 3200.
2 2
Ce qui implique que
1644 + 0.195 × β = 1995
et on trouve β = 1800.
(b) Le budget médian est égal à 1920 .
Le calcule la borne manquante β dans le cas où le budget médian est égal à 1920, c’est à dire, M e = 1920
se fait comme suit : il faut raisonner par interpolation linéaire sur l’intervalle [1600 − β[. On a donc,
1920 − 1600 0.5 − 0.34
= ,
β − 1600 0.64 − 0.34
et on trouve β = 2200.

3
Department de Mathématiques Année 2022-2023
Faculté des sciences Agadir
Examen - Session normale
Probabilités et Statistiques (SMA3, SMI3, II3)
Nom:. . . . . . . . . . . . . . . . . . . . . . . . . . . Prénom:. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Numéro d’examen:.. . . . . . . . . . . . . . . . . .

Calculatrice autorisée. Documents non autorisés.

Question de cours
1) Rappeler la formule des probabilités totales.
Soit {A1 , A2 , . . . , An } une partition de Ω d’événements non vides.
Soit B ∈ Ω, donc on a
Xn
P (B) = P (B | Ai ) P (Ai )
i=1

2) Rappeler la définition de la covariance de deux variables aléatoires.

Soient X et Y sont deux v.a. on appelle la covariance de ces deux variables, le réel :
cov(X, Y ) = E(XY ) − E(X)E(Y )

Exercice 1. I. Soit X une variable aléatoire de loi exponentielle de paramètre λ > 0.

1) Calculer P(X ≥ t) pour t ≥ 0 et t < 0.
Pour t ≥ 0, on a Z +∞ Z +∞
P(X ≥ t) = fX (u)du = λe−λu du
u=t u=t
+∞
= −e−λu t = e−λt


Et pour t < 0, P(X ≥ t) = 1.

2) Soit maintenant t > s ≥ 0. Montrer que P(X ≥ t/X ≥ s) = P(X ≥ t − s).
On a
P({X ≥ t} ∩ {X ≥ s}) P(X ≥ t)
P(X ≥ t | X ≥ s) = =
P(X ≥ s) P(X ≥ s)
e−λt
= −λs = e−λ(t−s)
e
et cette dernière quantité correspond bien à P(X ≥ t − s).
II. Soit X et Y deux variables aléatoires indépendantes de même paramètre λ > 0. On note Z = min(X, Y ).
1) Ecrire l’évènement {Z ≥ t} en fonction des évènements {X ≥ t} et {Y ≥ t}.
On a
{Z ≥ t} = {X ≥ t} ∩ {Y ≥ t}

2) Calculer P(Z ≥ t) pour t ≥ 0 et t < 0.

Pour t < 0, P(Z ≥ t) = 1 et pour t ≥ 0, par indépendance des variables X et Y ,
P({Z ≥ t}) = P({X ≥ t} ∩ {Y ≥ t}) = P({X ≥ t})P({Y ≥ t}) = e−2λt .

3) En déduire la fonction de répartition de Z et conclure que Z suit une loi exponentielle de paramètre 2λ.

On a FZ (t) = 0 si t < 0 et si t ≥ 0,
FZ (t) = P(Z ≤ t) = 1 − P(Z > t) = 1 − P(Z ≥ t) = 1 − e−2λt .
Il s’agit de la fonction de répartition de la loi exponentielle de paramètre 2λ.
4) Plus généralement, on considère X1 . . . , Xn des variables aléatoires indépendantes de même paramètre λ > 0 et
on note Zn = min (X1 , . . . , Xn ). Calculer la fonction de répartition de Zn .
De même, par indépendance des Xi , on a pour t ≥ 0,
P ({Zn ≥ t}) = P ({X1 ≥ t} ∩ · · · ∩ {Xn ≥ t}) = P ({X1 ≥ t}) . . . P ({Xn ≥ t}) = e−nλt .
La fonction de répartition de Z est donc donné par:

0 si t<0
FZn (t) =
1 − e−nλt si t≥0

1
 III. Soit X et Y deux variables aléatoires indépendantes et suivent deux lois exponentielles de paramètres respectifs
λ > 0 et µ > 0.
1 1
1) Montrer que E[X] = λ et Var(X) = λ2 .

On a, par intégration par parties: Z Z +∞

E[X] = xfX (x)dx = xλe−λx dx
R 0
+∞
Z +∞
= −xe−λx 0 + e−λx dx

0
 −λx +∞
e 1
=0+ − = .
λ 0 λ
et Z Z +∞
E X2 = x2 fX (x)dx = x2 λe−λx dx
 
R 0
+∞
Z +∞
−x2 e−λx 0 2xe−λx dx

= +
0
2 2
= E[X] = 2
λ λ
D’où
2 1 1
Var(X) = E X 2 − E[X]2 = 2 − 2 = 2
 
λ λ λ
. 2) Calculer E[X + Y ] et Var(X + Y ).
Par linéarité E[X + Y ] = E[X]+ E[Y ] = λ1 + µ1
1 1
Par indépendance, Var(X + Y ) = Var(X) + Var(Y ) = λ2 + µ2 .
3) En déduire que la variable aléatoire S = X + Y ne suit pas la loi exponentielle.
Supposons par l’absurde que (X + Y ) suit une loi exponentielle. On remarque que pour une loi exponentielle:

Var(X) = E[X]2 .

Donc si (X + Y ) suivait une loi exponentielle, on aurait

 2
1 1 1 1
2
+ 2 = +
λ µ λ µ
Or  2
1 1 1 1 2
+ = 2
+ 2+ ,
λ µ λ µ λµ
d’où la contradiction. Donc la loi de la variable aléatoire X + Y n’est pas une loi exponentielle.
Exercice 2. Une entreprise commercialise deux types de Boissons : Produit A et produit B et vendus à 30 dhs la
bouteille. Il subsiste des erreurs d’étiquitage et on admet qu’un acheteur de Boisson de type A aura une probabilité
p = 0, 12 d’avoir en fait une bouteille de Boisson de type B. Un restaurateur achète 200 bouteilles de type A. Soit X
la variable aléatoire désignant le nombre de bouteilles de type B parmi ces 200 bouteilles.
1) Quelle est la loi suivie par X ? Calculer E(X) et V (X).
X ∼ B(n = 200, p = 0, 12) et on a :

E(X) = np = 24, V (X) = npq = 200 = 21, 12.

2) Déterminer par quelle loi peut-on approcher la loi de X.

On a n ≥ 30, np = 24 > 10 et nq = 176 > 10
donc les conditions d’approximations sont vérifiés pour approcher une loi binomiale par une loi normale de paramètre m = np = 24
√
et σ = npq = 4, 6.
3) En utilisant l’approximation de loi, calculer P (20 < X < 30).
En utilisant la table de la loi normale, on obtient
 
20 − 24 30 − 24
P [20 < X < 30] = P <T <
4, 6 4, 6
= P [−0, 86 < T ≤ 1, 30]
= Π(1, 30) − Π(−0, 86) = Π(1, 30) − (1 − Π(0, 86))
= 0, 9032 − 1 + 0, 8051 = 0, 7083.

2
 X−24
avec T = 4,6 ∼ N (0, 1).
4) Au fur et à mesure de la consommation des 200 bouteilles, le restaurateur a pu détecter chacune des bouteilles
de type B. Il décide alors de ne payer que les bouteilles de type A et de refuser de payer les bouteilles du type B.
Calculer avec cette hypothèse, la probabilité que l’entreprise ait un bénéfice positif sachant que la bouteille du type A
lui revient à 24 dhs et de type B à 26 dhs.
On note Y la variable désignant le bénéfice.
Alors Y = (200 − X)(30 − 24) − 26X = 200 × 6 − 32X = −32X + 1200. Alors
 
37, 5 − 24
P [Y > 0] = P [−32X + 1200 > 0] = P [X < 37, 5] = P T < = P [T < 2, 93] ≃ 0, 99
4, 6

Exercice 3. Soient X une variable aléatoire de loi

xi −2 −1 0 1 2
P (X = xi ) 16 1
4
1 1 1
6 4 6

On pose Y := X2 .
1) Donner la loi du couple (X, Y). En déduire la loi marginale de Y.
Le couple (X, Y) a sa loi donnée par :

xi /yj 0 1 4
1
−2 0 0 6
1
−1 0 4 0
1
0 6 0 0
1
1 0 4 0
1
2 0 0 6

La loi de Y s’obtient par sommation en colonnes. On obtient :

yj 0 1 2
1 1 1
P (Y = yj ) 6 2 3

2) X et Y sont-elles indépendantes?
1
Les variables X et Y ne sont pas indépendantes. Par exemple en faisant le produit P(X = −2) × P(Y = 0) = 36 , alors que
P(X = −2, Y = 0) = 0.

3
Department de Mathématiques Année 2020-2021
Faculté des sciences Agadir Pr. S. Mazid
Examen - Session rattrapage
Probabilités et Statistiques (SMA3, SMI3)
Nom:. . . . . . . . . . . . . . . . . . . . . . . . . . . Prénom:. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Numéro d’examen:.. . . . . . . . . . . . . . . . . .

Calculatrice autorisée. Documents non autorisés.

Question de cours
1) Énoncer l’inégalité de Tchebychev

V (X)
∀ε > 0, P (|X − E(X)| ≥ ε) ≤
ε2

2) Rappeler la définition de la covariance de deux variables aléatoires.

cov(X, Y ) = E(XY ) − E(X)E(Y )

Exercice 1. On admet que la probabilité de défaut pour un objet fabriqué à la machine est égale à 0, 1. On considère
un lot de 10 objets fabriqués par cette machine. Soit X le nombre d’objets défectueux parmi ceux-ci.
1) Comment s’appelle la loi suivie par X ?. Que valent E[X] et Var(X)?

La variable aléatoire X suit une loi binomiale B(10; 0, 1).

Il s’ensuit que E[X] = 10 × 0, 1 = 1 et Var(X) = 10 × 0, 1 × 0, 9 = 0, 9.

2) Quelle est la probabilité que le lot comprenne au plus 1 objet défectueux?

La probabilité p que le lot comprenne au plus 1 objet défectueux s’écrit:

0
p = P(X = 0) + P(X = 1) = C10 (0, 1)0 (0, 9)10 + C10
1
(0, 1)1 (0, 9)9 ≈ 0, 7361.

Exercice 2. On considère une variable aléatoire

 n+2 X de loi normale N(0,1) .
1) Montrer que, pour tout n ∈ N, on a : E X n = (n + 1)E [X ]

Z +∞ Z +∞
1 n+2 − x2
2 1  x2

E X n+2 = √ xn+1 xe− 2 dx,
 
x e dx = √
2π −∞ 2π −∞

1
que l’on peut intégrer par parties :

Z +∞
1 h n+1 − x2 i+∞ 1 x2
E X n+2 = √ (n + 1)xn e− 2 dx
 
−x e 2 +√
2π −∞ 2π −∞

 
et puisque la quantité entre crochets est nulle, ceci donne bien : E X n+2 = (n + 1)E [X n ].

2) Que vaut E X 2 , E X 4 et E X 3 ?
     

Il en découle par exemple que:

E X 2 = 1 × E X 0 = E[1] = 1
   

Il vient alors :

E X 4 = 3E X 2 = 3
   

On obtient de même :

E X 3 = 2E[X] = 0
 

puisque par hypothèse la variable X est centrée.

3) Soit Y la variable aléatoire définie par Y = 2X + 1.

a) Quelle est la loi de Y ? .

Par stabilité de la loi normale par transformation affine, Y suit elle aussi une loi normale et plus précisément: Y ∼ N (1, 4).

b) Déterminer E Y 4 .
 

Y 4 = (2X + 1)4 = 1 + 8X + 24X 2 + 32X 3 + 16X 4

d’où par linéarité de l’espérance :

E Y 4 = 1 + 8E[X] + 24E X 2 + 32E X 3 + 16E X 4 = 73

       

4) Déterminer P(|X| ≥ 2). Que donne l’inégalité de Tchebychev dans ce cas? Comparer et commenter.

A l’aide de la table et en notant comme Φ la fonction de répartition de la loi normale centrée réduite, on a :

P(|X| ≥ 2) = P(X ≤ −2) + P(X ≥ 2) = Φ(−2) + (1 − Φ(2)) = 2(1 − Φ(2)) ≈ 0, 0456

2
L’inégalité de Tchebychev donne dans ce cas :

Var(X) 1
P(|X| ≥ 2) = P(|X − E[X]| ≥ 2) ≤ = .
22 4

On voit donc que cette majoration d’une quantité d’environ 5% par 25% est très grossière.

5) La taille des enfants d’un collège est distribuée selon une loi normale de moyenne m et d’écart-type σ. On sait
qu’un cinquième des élèves mesurent moins de 1 m50 et que 10% des élèves mesurent plus de 1 m80. Déterminer m et σ.

D’après l’énoncé, il est clair que la moyenne de taille m des élèves se situe entre 1 m50 et 1m80. Traduisons plus précisément

les informations de l’énoncé :

   
X −m 1, 5 − m 1, 5 − m
P(X ≤ 1, 5) = 0, 2 ⇔ P ≤ = 0, 2 ⇔ Φ = 0, 2
σ σ σ

c’est-à-dire :
 
m − 1, 5 m − 1, 5
Φ = 0, 8 ⇔ = 0, 84 ⇔ m − 0, 84σ = 1, 5.
σ σ

Le même raisonnement fournit l’équation :

1, 8 − m
P(X ≥ 1, 8) = 0, 1 ⇔ = 1, 28 ⇔ m + 1, 28σ = 1, 8.
σ

Il suffit alors de résoudre le système linéaire de deux équations à deux inconnues :

 
 m − 0, 84σ = 1, 5  m ≈ 1, 62

 

⇐⇒
 
 m + 1, 28σ = 1, 8
  σ ≈ 0, 14


Ainsi la taille des élèves de ce collège est distribuée selon une loi normale de moyenne 1 m62 et d’écart-type 14 cm.

Exercice 3. Soit n variables aléatoires U1 , . . . , Un indépendantes et de même loi uniforme sur [0, 1]. On considère la
variable X = min (U1 , . . . , Un )
1) Que vaut P(U > t) lorsque U ∼ U[0,1] et t ∈ [0, 1]?

On connait la fonction de répartition d’une loi uniforme donc pour t ∈ [0, 1] :

P(U > t) = 1 − P(U ≤ t) = 1 − t.

3
 2) Calculer la fonction de répartition F de la variable X.

La variable X est à valeurs dans l’intervalle [0, 1] donc sa fonction de répartition vaut 0 sur R− et 1 sur [1, +∞[. Pour t ∈ [0, 1],

passons à l’événement complémentaire :

F (x) = P(X ≤ x) = 1 − P(X > x) = 1 − P (U1 > x, . . . , Un > x) ,

et appliquons l’indépendance des variables Ui :

F (x) = 1 − P (U1 > x) . . . P (Un > x) = 1 − (1 − x)n

3) En déduire la densité et l’espérance de X.

Notons f la densité de X. Il est clair que f = 0 sur R− et sur [1, +∞[. Pour x ∈ [0, 1], il suffit de dériver la fonction de

répartition F , ce qui donne au final :

f (x) = n(1 − x)n−1 1{0≤x≤1} .

Le calcul de l’espérance de X est alors automatique :

Z Z 1
E[X] = xf (x)dx = xn(1 − x)n−1 dt,
R 0

où l’on applique naturellement une intégration par parties :

1 1
(1 − x)n+1
Z 
1 1
E[X] = [−x(1 − x)n ]0 + (1 − x)n dx = − = .
0 n+1 0 n+1

Exercice 4. Soit X1 ∼ P (λ1 ) et X2 ∼ P (λ2 ) , avec X1 et X2 indépendantes. On note X = (X1 + X2 ) la somme de

ces deux variables.
1) Soit n ∈ N fixé. Justifier la décomposition : {X = n} = nk=0 {X1 = k, X2 = n − k}.
S

Soit n ∈ N fixé. Puisque X1 et X2 sont à valeurs dans N, leur somme est égale à n si et seulement si il existe k ∈ {0, . . . , n}
Sn
tel que X1 = k et X2 = (n − k). C’est exactement ce que traduit l’égalité : {X = n} = k=0 {X1 = k, X2 = n − k}.

2) En déduire que X ∼ P (λ1 + λ2 ).

4
 X est à valeurs dans N, donc pour connaitre sa loi il suffit de calculer P(X = n) pour tout n ∈ N, ce qui donne:

n
! n
[ X
P(X = n) = P {X1 = k, X2 = n − k} = P (X1 = k, X2 = n − k) ,
k=0 k=0

et on applique l’indépendance de X1 et X2 pur poursuivre le calcul :

n n
X X λk1 −λ2 λn−k
P(X = n) = P (X1 = k) P (X2 = n − k) = e−λ1 e 2
,
k! (n − k)!
k=0 k=0

grâce à la formule du binôme on trouve :

n n
e−(λ1 +λ2 ) X k k n−k (λ1 + λ2 )
P(X = n) = Cn λ1 λ2 = e−(λ1 +λ2 ) .
n! n!
k=0

On en déduit que X ∼ P (λ1 + λ2 ).

3) Généralisation : soit n variables indépendantes X1 , . . . , Xn suivant des lois de Poisson de paramètres respectifs
λ1 , . . . , λn , avec λi > 0 pour tout i ∈ {1, . . . , n}. Quelle est la loi de la variable X = X1 + · · · + Xn ?

Généralisation : soit n variables indépendantes X1 , . . . , Xn suivant des lois de Poisson de paramètres respectifs λ1 , . . . , λn ,

avec λi > 0 pour tout i ∈ {1, . . . , n}, alors la variable X = X1 + · · · + Xn suit elle aussi une loi de Poisson, de paramètre

λ = λ1 + · · · + λn .