Formatif#2

1. J'estime à 40% la proportion d'appels sur mon téléphone à la maison que je reçois
qui ne m'intéressent pas. Si mon téléphone sonne 15 fois cette semaine
(a) Quelle est la probabilité que je recoive uniquement des appels qui m'intéressent?
(b) Quelle est la probabilité que je recoive 7 appels qui ne m'intéressent pas?
(c) Combien d'appels dignes de mon intérêt puis-je espérer?
(d) Trouvez x si nous savons que la probabilité que je recoive x appels pertinents soit de
60%?
2. Soit X une variable aléatoire distribuée selon une loi exponentielle de paramètre
λ. Montrez que
P (X > s + t|X > t) = P (X > s)
pour tout s, t > 0.
3. Un chasseur va à la chasse à l'oie blanche. Étant un chasseur modeste, il estime
qu'il est en mesure d'abattre 30% des oies sur lesquelles il tire. Calculer la
probabilité qu'avec 10 tirs, il abatte 5 oies. Calculer l'espérance des chasses qui
se résument à 10 tirs.
X: Le nombre d'oies abbatues, X ∼ B(10, 0.3)
10


P (X = 5) = 5
0.35 0.75 ≈ 10, 29%
E(X) = np = 10(0.3) = 3

4. Vous travaillez dans un magasin dans lequel, en moyenne, quatre personnes se

présentent toutes les 20 minutes. Vous désirez vous absenter cinq minutes pour
vous débarasser d'un détritus et personne ne peut vous remplacer. Quelles sont
les chances qu'au moins une personne se présente pendant votre absence?
4 personnes : 20 minutes
λ personnes : 5 minutes

λ=1
X: Nombre de personnes se présentant en 5 minutes, X ∼ P (1)
e−1 10
P (X > 1) = 1 − P (X = 0) = 1 − ≈ 63, 21%
0!
5. Un test contient 10 questions. Chacunes orant 5 choix de réponses. Soit X,
la variable aléatoire associée au nombre de mauvaises réponses. Considérant
1
 qu'on répond à toutes les questions, quelle est la probabilité qu'une personne
qui répond au hasard aux questions...
(a) n'obtienne que des mauvaises réponses
X ∼ B(10, 0.8)
P (X = 10) = 10


10
(0.8)10 (0.2)0 ≈ 10, 74%
(b) obtienne exactement 4 mauvaises réponses
10


P (X = 4) = 4
(0.8)4 (0.2)6 ≈ 0, 55%
(c) obtienne un résultat d'au moins
60%
10 10 10 10

0 10 1 9

2 8


P (X 6 4) = 0
(0.8) (0.2) + 1
(0.8) (0.2) + 2
(0.8) (0.2) + 3
(0.8)3 (0.2)7 +
10


4
(0.8)4 (0.2)6 ≈ 0, 00001% + 0, 00041% + 0, 00737% + 0, 07864% + 0, 55050% ≈ 0, 64%

6. Soit X une variable aléatoire continue obéissant à la fonction de densité f (x) =

si x 6 0

0
si 0 < x < 1

9x2



 4
0 si 1 6 x < 2

 x
 24
 si 2 6 x < 4
si x > 4

0

(a) Montrer que f (x) est bel et bien une fonction de denstié
1) il faut montrer que f (x) > 0 ∀x ∈ R
9x2
4
> 0 ∀x ∈ R
x
24
> 0 ∀x > 0
Z ∞
2) Il faut montrer que f (x)dx = 1
−∞
∞ 1 Z 4
9x2 3x3 1 x2 3(1)3 3(0)3
  2
22
Z Z  
x 4 4
f (x)dx = dx + dx = + = − + − =
−∞ 0 4 2 24 4 0 48 2 4 4 48 48
3 1 1
+ − =1
4 3 12
(b) Trouver E(X)
Z ∞ Z 1 3 Z 4 2
9x4 x3 9(1)4 9(0)4
 
9x x 1 4
E(X) = xf (x)dx = dx + dx = + = − +
 3 −∞ 0 4 2 24 16 0 72 2 16 16
23

4 9 64 8
− = + − ≈ 1, 34
72 72 16 72 72

(c) Trouver V (X)

∞ 1 4
9x4 x3 9x5 x4 9(1)5 9(0)5
Z Z Z  
1 4
2 2
E(X ) = x f (x)dx = dx + dx = + = − +
 4 −∞ 0 4 2 24 20 0 96 2 20 20
24

4 9 256 16
− = + − = 2, 95
96 96 20 96 96
V (X) = E(X 2 ) − E(X)2 = 2, 95 − 1, 342 = 1, 15

2
 (d) Trouver la fonction de répartition
Si k 6 0, F(k) = 0
k
9x2 3x3 k 3k 3
Z
Si 0 < k < 1 , F (k) = dx = =
0 4 4 0 4
Z 1 2 Z k
9x 3x3 1 3
Si 1 6 k < 2, F (k) = dx + 0dx = =
0 4 1 4 0 4
Z 1 2 Z k Z k
3x3 x2 k2 22
 
9x x 1 k 3
Si 2 6 k < 4, F (k) = dx + 0dx + dx = + = + − =
0 4 1 2 24 4 0 48 2 4 48 48
2
2 k
+
3 48
si k 6 0

 0




3k 3


si 0 < k < 1






 4


3

Donc : F (k) = si 1 6 k < 2


 4


2 k2

si 2 6 k < 4



 +



 3 48


si k > 4

1

(e) Trouver P (X = 0.5)

P (X = 0.5) = 0

(f) Trouver P ( 12 < X < 3)

2 32 3(0.5)3
P (0.5 < X < 3) = F (3) − F (0.5) = + − ≈ 76, 04%
3 48 4

(g) Pour quelle valeur de k aura-t-on que P (X 6 k) = 0, 80

P (X 6 k) = 0.80, Comme 80% > 75% on sait que k va être entre 2 et 4.
8 2 k2 2 k2
= + ⇔ = ⇔ k ≈ 2.53
10 3 48 15 48

7. Supposons que le nombre moyen d'accident qui se produisent en une semaine

sur un certain tronçon d'autoroute est de 3.
(a) Calculer la probabilité qu'il se produise au plus un accident cette semaine

Soit X: le nombre d'accidents par semaine, X ∼ P (3)

e−3 30 e−3 31
P (X 6 1) = + ≈ 19, 91%
0! 1!

3
 (b) Calculer la probabilité qu'il se produise 3 accidents aujourd'hui.

Soit Y: Le nombre d'accidents par jour

3 accidents : 7 jours
λ : 1 jour

λ = 3/7, donc Y ∼ P (3/7)

e−3/7 (3/7)3
P (Y = 3) = ≈ 0, 85%
3!

(c) Quelle est la probabilité que durant 5 jours, il y ait 2 jours où qu'il n'y a
aucun accident?

Soient Y: Le nombre d'accidents par jour et W: le nombre de journées où il n'y a
pas d'accidents. Y ∼ P (3/7)
e−3/7 (3/7)0
La probabilité de succès pour W est donnée par P (Y = 0) = ≈ 65.14%
0!
Donc W ∼ B(5, 0.6514)
5


P (W = 2) = 2
(0.6514)2 (0.3486)3 ≈ 17, 98%

(d) 1.3% des accidents sont mortels. Quelle est la probabilité que 3 accidents
arrivent durant une semaine et qu'au moins un d'entre eux soit mortel?

Soit X: le nombre d'accidents par semaine, X ∼ P (3) et V: Le nombre d'accidents
mortels. V ∼ B(X, 0.013)
On cherche P ((V > 1) ∩ (X= 3))= P (V > 1|X = 3)P (X = 3)
3 e−3 33



= 1− 0
(0.013)0 (0.987)3 3!
≈ (0.0385)(0.2240) ≈ 0, 86%

8. Soit
 3X une variable aléatoire continue obéissant à la fonction de densité: f (x) =
cx si 0 < x < 2
0 ailleurs
(a) Trouver la valeur de c pour que f (x) soit véritablement une fonction de
probabilité

4
 Z ∞
1= f (x)dx
−∞
Z 2
1= cx3 dx
0
cx4 2
1=
4 0
c(24 ) c(04 )
1= −
4 4
1 = 4c
1
=c
4

(b) Déterminer la fonction de répartition de X

Si k 6 0 : F (k) = 0
k
x3 x4 k4
Z k
Si 0 < k < 2 : F (k) = dx = =
0 4 16 0 16
Si 2 6 k : F (k) = 1
0 si k 6 0






 4
k
Donc F (k) = si 0 < k < 2


 16


si 2 6 k

1
(c) Calculer P ( 34 6 X 6 32 )
(3/2)4 (3/4)4 81 81
P ( 43 6 X 6 32 ) = F 3 3



2
−F − = −
4
≈ 29, 66%
=
16 16 256 4096
(d) Pour quelle valeur de k aura-t-on que P (X 6 k) = 0.5
k4 √
= 0.5 ⇔ k 4 = 8 ⇔ k = 4 8 ⇔ k ≈ 1, 68
16
(e) Trouver E(X)
∞ 2
x4 x5 25 05
Z Z 2
E(X) = xf (x)dx = dx = = − = 1.6
−∞ 0 4 20 0 20 20
(f) Trouver V(X)
∞ 2
x5 x6 2 26 06
Z Z
2 2
E(X ) = x f (x)dx = dx = = − ≈ 2.67
−∞ 0 4 24 0 24 24
V (X) = E(X 2 ) − E(X)2 = 2.67 − 1.62 ≈ 0.11

9. La durée de vie d'un certain

 100 type de diode de radio est associée à la fonction de
densité suivante: f (x) = x0 siailleurs
x > 100 2

5
 (a) Quelle est la probabilité qu'un diode rende l'âme durant ses 150 premières
heures?
150
−100 −100 −100
Z 150 1
P (X 6 150) = 100x−2 dx = = − = ≈ 33.33%
100 x 100 150 100 3
(b) Un radio possède 5 diodes de ce type. Quelle est la probabilité que 2 des 5
diodes doivent être remplacées lors des 150 premières heures de services de
la radio?
Soit Y: le nombre de diodes remplacées lors des 150 premières heures, Y ∼ B(5, 1/3)

5


P (Y = 2) = 2
(1/3)2 (2/3)3 ≈ 32, 92%

10. Dans le ciel au mois d'août, il y a en moyenne 1000 étoiles lantes dans l'espace d'une heure.
(a) En supposant que le nombre d'étoiles lantes pendant le mois d'août suit une loi de
Poisson de moyenne 1000 étoiles lantes en 1 heure, quelle est la probabilité d'en voir plus
de 10 en 1 minute?
(b) Supposons que dans un autre mois, il y a en moyenne 5 étoiles lantes à l'heure. Quelle
est la probabilité d'attendre moins de 45 minutes avant d'en voir une si le nombre d'étoiles
lantes pendant ce mois suit une loi de Poisson de moyenne 5 étoiles lantes en 1 heure?

Soit X ∼ B(n, p). Montrer que E et que E

h
2 i
11. X X p(1−p)


n
=p n
−p = n

X
= n1 E(X) = n1 np = p


E n

h
2 i h i  
X2 X2
X
2 Xp Xp 1 2p
2


E n
−p =E n2
− n
+p =E n2
− 2E n
+ p2 = n2
E(X 2 ) − n
E(X) + p2

Comme V (X) = E(X 2 ) − E(X)2 , E(X 2 ) = V (X) + E(X)2 = np(1 − p) + n2 p2

1 2p np(1 − p) + n2 p2 2p(np) 2 np(1 − p) + n2 p2 − 2n2 p2 + p2 n2

n2
E(X 2 )− E(X)+p2 = − +p =
n n2 n n2
np(1 − p) p(1 − p)
= 2
=
n n
12. Considérons 1000 lancers indépendants d'un dé équilibré. Évaluer la probabilité
que le chire 6 apparaisse...
(a) de 150 à 200 fois
XB ∼ B(1000, 1/6)

n = 1000 > 30, np ≈ 166, 7 > 5 et n(1 − p) ≈ 833, 33 > 5

np(1 − p) = 1000(1/6)(5/6) ≈ 138.89, XB ∼ B(1000, 1/6) ≈ XN ∼ N (166.67, 138.89)

 
P (150 6 XB 6 200) = P (149.5 6 XN 6 200.5) = P 149.5−166.67
√
138.89
6Z6 200.5−166.67
√
138.89
=
P (−1.46 6 Z 6 2.87) = P (Z 6 2.87) − P (Z 6 −1.46)
= P (Z 6 2.87) − (1 − P (Z < 1.46)) = 0, 9979 − (1 − 0, 9279) = 92, 58%

6
 (b) plus de 185 fois
P (XB > 185) = P (XB > 186) = P (XN > 185.5) = P (Z > 1.60) = 1 − P (Z < 1.60) =
1 − 0.9452 = 5.48%

(c) moins de 155 fois

P (XB < 155) = P (XB 6 154) = P (Xn 6 154.5) = P (Z 6 −1.03) = P (Z > 1.03) =
1 − P (Z < 1.03) = 1 − 0.8485 = 15, 15%

13. Selon la météo locale, les précipitations pour le mois de juillet dans une région
du Québec, se distribuent normalement avec une moyenne de 75 mm et un écart-
type de 5 mm. Quelle est la probabilité d'avoir 77 mm ou plus de pluie au mois
de juillet?
X ∼ N (75, 52 )
P (X > 77) = P (Z > 0.4) = 1 − P (Z 6 0.4) = 1 − 0.6554 = 34, 46%

14. Les résultats des étudiants à un test de 100 points sont remis sous forme de
cotes allant de A à E. La direction de l'établissement propose que les résultats
se distribuent selon une loi normale et demande aux correcteurs d'attribuer la
cote A à 8% des étudiants (les plus forts). Si le résultat moyen est de 67 et
l'écart-type est de 10,2 , quel est le résultat minimal permettant d'obtenir la
cote A?
X ∼ N (67, 10.22 )
P (X > xa ) = 0.08 ⇔ P (Z > za ) = 0, 08 ⇔ P (Z < za ) = 0.92 ⇔ za = 1, 41
xa −67
10.2
= 1.41 ⇔ xa = 1.41(10.2) + 67 ≈ 81.38

15. Chez les adultes, le taux de cholestérol séreux est une variable distribuée normalement
avec un taux moyen de 2 mg/ml et un écart-type de 0,25 mg/ml.
(a) Plusieurs étudent conrment que chez les adultes, les risques de maladie
cardiaques sont doublés avec un taux de cholestérol supérieur à 2,42 mg/ml.
Quel pourcentage des adultes se situe dans cet intervalle?
X ∼ N (2, 0.252 )
P (X > 2.42) = P (Z > 1.68) = 1 − P (Z < 1.68) = 1 − 0.9535 = 4, 65%
(b) Sur 25 adultes choisis au hasard, quelle est la probabilité qu'au moins 4
d'entre eux aient un taux de cholestérol supérieur à 2,42 mg/ml?
Y: Le nombre d'adultes ayant un taux de cholestérol supérieur à 2.42 mg/ml
Y ∼ B(25, 0.0465)
25


P (Y > 4) = 1−P (Y = 0)−P (Y = 1)−P (Y = 2)−P (Y = 3) = 1− 0
(0.0465)0 (0.9535)25 −
25
(0.0465)1 (0.9535)24 − 25 (0.0465)2 (0.9535)23 − 25




1 2 3
(0.0465)3 (0.9535)22 ≈ 1−0.30410−
0.37076 − 0.21697 − 0.08112 ≈ 2, 71%

16. Dans une pièce d'aluminium fabriquée en usine, la largeur d'une rainure est
distribuée selon une loi normale de paramètres µ = 2cm, σ = 0, 007cm.

7
 (a) Les limites de tolérances pour la largeur de la rainure étant 2, 0000±0, 0120cm,
quel pourcentage des pièces seront rejetées?

X ∼ N (2, 0.0072 )
P (X < 1.988) + P (X > 2.012) = P (Z < −1.71) + P (Z > 1.71) = 2P (Z > 1.71) =
2(1 − P (Z < 1.71)) = 2(1 − 0.9564) = 8, 72%
(b) Considérant que le pourcentage obtenu en (a) est trop élevé, on procède à
un ajustement de la machine outil qui ne devra aecter que σ. Quelle valeur
maximale peut-on aecter à σ an que le pourcentage des pièces défectueuses
ne dépasse pas 4%?

P (X > xa ) = 0.02 ⇔ P (Z > za ) = 0.02 ⇔ P (Z < za ) = 0.98 ⇔ za = 2, 05

2.012 − 2 2.012 − 2
= 2, 05 ⇔ = σ ⇔ 0.00585 ≈ σ
σ 2, 05

17. Les ingénieurs civils croient que la quantité de poids W (en milliers de livres) que peut
supporter une certaine partie d'un pont sans être endommagée est normalement distribuée
de moyenne 400 et d'écart type 40. Supposons que le poids (en milliers de livres) d'une
voiture est une variable normale de moyenne 3 et d'écart-type .3. Combien de voitures
peuvent être sur le pont sans créer de dommages avec une probabilité de dommages de 0.1?

18. Les relevés de la ville démontre qu'en moyenne 425 500 litres d'eau sont utilisés par jour pour
arroser les arrondissements euris municipaux. Cette année, des modications substantielles
ont été apportées sur la façon d'arroser et, en se basant sur un échantillon aléatoire de 25
journées, on constate que l'utilisation moyenne pour l'arrosage y a été de 422 310 litres d'eau
avec un écart-type corrigé de 8 500 litres. En supposant que la quantitée d'eau utilisée pour
les arrosages suit une loi normale, peut-on penser, avec un seuil de signication de 5% que
la consommation moyenne d'eau a changé signicativement?