Session de Printemps 2022– 2023

Contrôle de Rattrapage du Module : Probabilités – Durée 1h30

Mardi 11 juillet 2023
Filière Economie - Gestion Groupes A, D, F, G et H.
Semestre S2 Professeurs Ahmed El Ghini – Yahia El Ouazzani

Exercice 1 :
Une entreprise propose deux types de produits à ses clients : A et B. Parmi l'ensemble de ses clients,
80% achètent le produit A, 20% achètent le produit B et 10% achètent à la fois les produits A et B.
Considérons un client choisi au hasard.
1. Calculer la probabilité des événements suivants :
(a) Ce client achète au moins l'un des deux produits.
(b) Ce client achète un seul produit.
(c) Ce client n'achète aucun des deux produits..
2. Sachant que ce client achète le produit A, quelle est la probabilité qu’il achète aussi le
produit B ?
3. Sachant que ce client achète l’un des deux produits, quelle est la probabilité que ce produit
soit A ?

Exercice 2 :
Soient k  IR et X une variable aléatoire continue dont la fonction de densité est donnée par :
kx 2  2k x 4 si 0  x  1
f ( x)  
 0 ailleurs
1) Calculer la constante k .
2) Déterminer la fonction de répartition de X .
3) Calculer P(0.5  X  2) .
4) Calculer l’espérance mathématique et la variance de X .

Exercice 3 :
Dans une étude clinique, on sait que la probabilité qu’un patient atteint d'une certaine maladie réponde
favorablement à un nouveau traitement expérimental est de 0,8. Si ce traitement est administré à 20
patients de manière indépendante, quelle est la probabilité qu'au moins 5 d'entre eux répondent
favorablement ? (Détailler la réponse).

Exercice 4 :
Le temps nécessaire pour assembler un produit dans une usine suit une loi normale de moyenne 12
minutes, avec un écart-type de 2 minutes. Quelle est la probabilité qu’un produit donné soit assemblé :
1) en moins de 10 minutes ?
2) en un temps compris entre 11 et 14 minutes ?
3) en plus de 810 secondes ?
4) en moins d’un quart d’heure, sachant qu’il est assemblé en plus de 11 minutes ?
 Corrigé
Exercice 1 :
On considère les événements suivants :
A : « le client achète le produit A »
B : « le client achète le produit B »
On a : P( A)  0.8, P( B)  0.2, P A  B  0.1
1) a) P A  B  P( A)  P( B)  P A  B  0.8  0.2  0.1  0.9
      
b) P A  B  A  B  P A  B  P A  B (incompatibilité) 
 P( A)  P A  B  P( B)  P( A  B)  0.8  0.1  0.2  0.1  0.8

   
c) P( A  B  P A  B  1  P A  B   1  0.9  0.1
P( B  A) 0.1
2) P( B / A)    0.125
P( A) 0.8
P A  ( A  B)  P( A) 0.8 8
3) P( A / A  B)    
P( A  B) P( A  B) 0.9 9
(car, comme A  ( A  B), alors A  ( A  B)  A ).

Exercice 2 :
Soient k  IR et X une variable aléatoire continue dont la fonction de densité est donnée par :
kx2  2k x 4 si 0  x 1
f ( x)  
 0 ailleurs
1) Calcul de la constante k :

On a :

f ( x) dx  1   f ( x) dx  1 (d ' après la relation de Chasles , puisque f  0 en dehors de 0,1)

 1
 0
1
  (kx2  2k x 4 ) dx  1
0
1
 x3 x5 
 k  2k   1
 3 5 0
k 2k
  1
3 5
15
k
11
2) La fonction de répartition est définie par :
t
 t  IR, F (t )   f ( x) dx

t
1er cas : si t  0, F (t )  
0 dx  0
0 t  15 30 4 
2ème cas : si 0  t  1, F (t )  
0 dx    x 2 

0 11
x  dx
11 
t
15 x 3 30 x 5 
  
 33 55  0
 5t 3 6 t 5
 
11 11
0 1  15 30 4  t
3ème cas : si t  1, F (t )   0 dx    x 2  x dx   0 dx


0 11 11  1

1
15 x 3 30 x 5 
  
 33 55  0
1
0 si t  0
 3
 5t
5
6t
En conclusion : F (t )    si 0  t  1
 11 11
1 si t  1
Notons que cette fonction F est continue sur IR , en particulier aux points 0 et 1 (les limites à droite et
à gauche coïncident).
5  (0.5) 3 6  (0.5) 5 163
3) P(0.5  X  2)  F (2)  F (0.5)  1   
11 11 176
4) Calcul de l’espérance mathématique et de la variance :

E( X )   xf ( x) dx


  xf ( x) dx (d ' après la relation de Chasles , puisque f  0 en dehors de 0,1)

1

1  15 30 5 
   x3  x  dx

0 11 11 
1
15 x 4 5 x 6 
  
 44 11  0
35

44

E( X 2 )   x 2 f ( x) dx


  x 2 f ( x) dx ( puisque Supp( X )  0,1)

1

1  15 30 6 
   x4  x  dx

0 11 11 
1
15 x 5 30 x 7 
  
 55 77  0
51

77
2
51  35 
Par conséquent : V ( X )  E ( X )  ( E ( X ))      0.0296
2 2

77  44 
Exercice 3 :
Si on considère un patient donné parmi les 20 pour lesquels le traitement a été administré, ou bien il
répond au traitement (succès) avec la probabilité ( p  0.8) , ou bien il n’y répond pas (échec) avec la
probabilité (1  p  0.2) .
Il s’agit donc d’une épreuve de Bernouilli que l’on répète 20 fois, de manière indépendante.
Soit X la variable aléatoire indiquant le nombre de patients répondant favorablement au traitement
(nombre de succès) parmi les 20
Alors X suit une loi binomiale B (20, 0.8)
 k 0,1, ..., 20, P( X  k )  C 20
k
(0.8) k (1  0.8) 20 k
P( X  5)  1  P( X  5)
 1  C 20
0
(0.8) 0 (0.2) 20  C 20
1
(0.8)1 (0.2)19  C 20
2
(0.8) 2 (0.2)18  C 20
3
(0.8) 3 (0.2)17  C 20
4
(0.8) 4 (0.2)16

Exercice 4 :
Soit X la variable aléatoire : « temps nécessaire (en minutes) pour l’assemblage du produit
X suit une loi normale N (12, 2) .
On note T la loi normale centrée réduite T  N (0, 1) et  sa fonction de répartition.
 X  12 10  12 
1) P( X  10)  P    PT  1    (1)  1   (1)  1  0.8413  0.1587
 2 2 

 11  12 X  12 14  12 
2) P(11  X  14)  P     P 0.5  T 1 
 2 2 2 
  (1)   (0.5)   (1)  1   (0.5)
 0.8413  1  0.6915  0.5328
3) 810 secondes équivalent à 13.5 minutes.
 X  12 13.5  12 
P( X  13.5)  1  P( X  13.5)  1  P  
 2 2 
 1  PT  0.75   1   (0.75)  1  0.7734  0.2266
4) Un quart d’heure vaut 15 minutes
P( X  15 et X  11) P(11  X  15)
P( X  15 / X  11)  
P( X  11) 1  P( X  11)
 11  12 X  12 15  12 
P   
 2 2 2  P 0.5  T  1.5) 
 
 X  12 11  12  1  PT  0.5
1  P  
 2 2 
 (1.5)   (0.5)  (1.5)  1   (0.5) 0.9932  1  0.6915
    0.9034
1   (0.5)  (0.5) 0.6915
 Session de Printemps 2018 - 2019

Contrôle Final du Module : Probabilités

Filière Economie - Gestion Groupes A, D, F, G, H
Semestre S2 Professeurs El Ghini – El Ouazzani

Questions de cours :
1) Montrer que si deux événements A et B sont indépendants, alors leurs événements contraires
A et B le sont aussi.
2) Soit X une variable aléatoire suivant une loi de Poisson de paramètre   0 .
Montrer que son espérance mathématique vaut  .
Exercice 1: A l’issue des examens de la session normale et de celle de rattrapage, et sur un groupe de
400 étudiants inscrits en S1, 124 ont validé le module M1, 172 ont validé le module M2, et 88 ont
validé à la fois les deux modules M1 et M2.
On considère un étudiant pris au hasard dans ce groupe. Calculer la probabilité :
1) qu’il ait validé le module M1 mais pas le module M2.
2) qu’il ait validé le module M2 mais pas le module M1.
3) qu’il ait validé au moins l’un de ces deux modules.
4) qu’il n’ait validé aucun de ces deux modules.
5) qu’il ait validé l’un de ces deux modules mais pas l’autre.
Exercice 2: Soit X une variable aléatoire continue dont la fonction de densité est donnée par :
k  2 x si 0  x  1
f ( x)  
 0 ailleurs
1) Montrer que la constante k est nécessairement égale à 2.
2) Déterminer alors la fonction de répartition de X .
3) Calculer l’espérance mathématique et la variance associées.
Exercice 3: Un revendeur de téléphones portables désire effectuer une opération de vente par internet.
Il estime qu’il pourra vendre 10 téléphones par jour et les ventes sont indépendantes deux à deux.
Une étude statistique a permis de savoir que la marque « Nokia » a 40% de chances qu’elle soit
vendue parmi les différentes marques disponibles.
On note X la variable aléatoire qui, à un jour donné, associe le nombre de téléphones portables de
marque « Nokia » vendus ce jour-là.
1) Préciser la loi de probabilité de X.
2) Calculer l’espérance mathématique et la variance de X.
3) Calculer la probabilité qu’aucun portable de la marque « Nokia » ne soit parmi les 10 téléphones
vendus ce jour-là.
4) Calculer la probabilité qu’au moins un portable de la marque « Nokia » soit parmi les 10
téléphones vendus ce jour-là.
Exercice 4: Dans un lycée, on s’intéresse aux résultats des classes de Terminale de deux branches :
Littéraire et Scientifique. On sait que 40% des élèves de Terminale sont des scientifiques, et le reste
sont des littéraires.
On sait, par ailleurs, que le taux de réussite de la branche scientifique est de 70%, alors que celui de la
branche littéraire est de 60%.
Si on choisit au hasard un élève de Terminale, déterminer la probabilité :
1) pour qu’il provienne de la branche scientifique, sachant qu’il a réussi.
2) pour qu’il provienne de la branche littéraire, sachant qu’il n’a pas réussi.
 Corrigé
Questions de cours :
1) Supposons A et B sont indépendants.
  
P A  B  P A  B (Loi de Morgan) 
1  P A  B
 1  P( A)  P( B)  P A  B
 1  P( A)  P( B)  P( A) P( B) (car A et B sont indépendants)
 1  P( A)  P( B) 1  P( A)
 1  P( A)1  P( B)
Donc A et B sont indépendants.
2) Soit X une variable aléatoire suivant une loi de Poisson de paramètre   0 .
Montrons que E ( X )   .

k
E( X )  
k  X ()
k P( X  k )   k e 
k 0 k!

 k
 e  k k!
k 1

k
e 
 (k  1) !
k 1

l 1
e 

l 0 l!
(en faisant le changement d ' indice (l  k  1)

l
e 
 (en faisant le changement d ' indice (l  k  1)
l 0 l!

 e   e  (développement en série entière de e  )



Exercice 1 : On considère un étudiant choisi au hasard dans le groupe.

Soient les événements suivants :
M 1 : « l’étudiant a validé le module M1 »
M 2 : « l’étudiant a validé le module M2 »
124 172 88
On a alors : P( M 1 )   0.31 , P ( M 2 )   0.43 , P( M 1  M 2 )   0.22
400 400 400
1) P( M 1  M 2 )  P( M 1 )  P( M 1  M 2 )  0.31  0.22  0.09
2) P( M 2  M 1 )  P( M 2 )  P( M 1  M 2 )  0.43  0.22  0.21
3) P(M 1  M 2 )  P(M 1 )  P(M 2 )  P(M 1  M 2 )  0.31  0.43  0.22  0.52
4) P( M 1  M 2 )  P( M 1  M 2 )  1  P( M 1  M 2 )  1  0.52  0.48
5) P( M 1  M 2 )  P( M 2  M 1 )  0.09  0.21  0.30
Exercice 2 : Soit X une variable aléatoire continue dont la fonction de densité est donnée par :
k  2 x si 0  x  1
f ( x)  
 0 ailleurs
1) Calcul de la constante k :
On a :

f ( x) dx  1   f ( x) dx  1 (d ' après la relation de Chasles , puisque f  0 en dehors de 0, 1)

 1
 0
1
  (k  2 x) dx  1
0


 k x  x2 
1
0 1
 k 11
k 2

2) La fonction de répartition est définie par :

t
 t  IR, F (t )   f ( x) dx



t
1er cas : si t  0, F (t )  0 dx  0


0 t
2ème cas : si 0  t  1, F (t )   0 dx   (2  2 x) dx
 0

 2x  x 
2 t
0

 2t  t 2
0 1 t
3ème cas : si t  1, F (t )   0 dx   (2  2 x) dx   0 dx
 0 1


 2x  x 2 
1
0

1
0 si t  0

En conclusion : F (t )  2t  t 2 si 0  t  1
1 si t  1

Notons que cette fonction F est continue sur IR , en particulier aux points 0 et 1 (les limites à
droite et à gauche coïncident.
3) Calcul de l’espérance mathématique et de la variance :

E( X )   xf ( x) dx


  xf ( x) dx (d ' après la relation de Chasles , puisque f  0 en dehors de 0, 1)

1

0
1
  (2 x  2 x 2 ) dx
0
1
 2 x3 
 x 2  
 3 0
1

3
 
E( X 2 )   x 2 f ( x) dx


  x 2 f ( x) dx (d ' après la relation de Chasles , puisque f  0 en dehors de 0, 1)

1

0
1
  (2 x 2  2 x 3 ) dx
0
1
2 x3 x4 
  
 3 2 0
1

6
2
1 1 1
Par conséquent : V ( X )  E ( X )  ( E ( X ))     
2 2

6 3 18
Exercice 3 :
1) Si on considère un téléphone portable vendu un jour donné, ou bien il est de marque « Nokia »
(succès) avec la probabilité ( p  0.4) , ou bien il est d’une autre marque (échec) avec la
probabilité (1  p  0.6) .
Il s’agit donc d’une épreuve de Bernouilli qui se répète 10 fois de manière indépendante.
X est la variable aléatoire indiquant le nombre de téléphones portables de marque « Nokia »
vendus ce jour-là (nombre de succès) parmi les 10 téléphones vendus.
Donc X suit une loi binomiale B (10, 0.4)
et  k 0, 1, ..., 10, P( X  k )  C10k (0.4) k (1  0.4)10 k
2) Comme X  B(10, 0.4)
E ( X )  10  0.4  4
Alors 
V ( X )  10  0.4  (1  0.4)  2.4
3) P( X  0)  C100 (0.4) 0 (1  0.4)100  0.006
4) P( X  1)  1  P( X  0)  1  C10 0
(0.4) 0 (1  0.4) 100  0.994
Exercice 4 :
On considère un élève de Terminale pris au hasard dans le lycée.
Soient les événements suivants :
S : « l’étudiant est issu de la branche scientifique ».
L : « l’étudiant est issu de la branche littéraire »
R : « l’étudiant réussit »
On peut traduire les données comme suit :
P ( S )  0.4 , P ( L)  0.6
P( R / S )  0.7 (et donc P( R / S )  0.3 )
P( R / L)  0.6 (et donc P( R / L)  0.4 )
P( S  R) P( R / S ) P(S ) 0.7  0.4
1) P( S / R)   
P( R) P ( R) P( R)
Or P( R)  P( R / S ) P( S )  P( R / L) P( L) (formule des probabilités totales, puisque L  S )
 0.7  0.4  0.6  0.6  0.64
0.7  0.4 7
Donc P( S / R)    04375
0.64 16

P( L  R) P( R / L) P( L) 0.4  0.6 2
2) P( L / R)      0.6667
P( R) 1  P( R) 1  0.64 3
 Session de Printemps 2022– 2023
Contrôle final du Module : Probabilités – Durée 1h30
Jeudi 8 juin 2023
Filière Economie - Gestion Groupes A, D, F, G et H.
Semestre S2 Professeurs Ahmed El Ghini – Yahia El Ouazzani
Exercice 1 :
Soient A et B deux événements d’un espace probabilisé muni d’une mesure de probabilité P.
11 1
On suppose A et B indépendants, avec P( A)  P( B), P( A  B)  et P( A  B) 
20 10
1) Calculer P( A) et P(B) .
2) Calculer P ( A / B ) et P ( A / B ) .
3) Calculer les probabilités des événements suivants :
a) ni A ni B ne se réalise.
b) seulement l’un des deux événements A ou B se réalise.

Exercice 2 :
Dans une ville, il y a deux compagnies de taxis X et Y. 70% des taxis de cette ville sont de la
compagnie X et 30% sont de la compagnie Y.
Parmi les taxis de X, 5% enregistrent un accident dans l’année, tandis que parmi les compagnies de Y,
3% enregistrent un accident dans l’année.
On considère un taxi choisi au hasard dans cette ville.
1) Quelle est la probabilité qu’il enregistre un accident dans l’année ?
2) Si ce taxi enregistre un accident dans l’année, quelle est la probabilité qu’il soit issu de la
compagnie Y ?

Exercice 3 :
Dans une usine, 80% des produits sont conformes aux normes de qualité. Un inspecteur sélectionne
10 produits au hasard dans l’usine et vérifie s’ils sont conformes aux normes.
Soit X la variable aléatoire : « Nombre de produits conformes sur le lot des 10 produits sélectionnés ».
1) Quelle est la loi de probabilité de X ?
2) Calculer son espérance mathématique et son écart-type.
3) Peut-on en faire une approximation ?
4) Calculer la probabilité qu’il y ait exactement 8 produis conformes dans le lot des 10 produits.
5) Calculer la probabilité qu’il y ait au moins 9 produis conformes dans le lot des 10 produits.
6) Calculer la probabilité qu’il y ait au plus 9 produis conformes dans le lot des 10 produits.

Exercice 4 :
Les scores X d’un test standardisé de mathématiques suivent une loi normale de moyenne 80 et de
variance 100. On prend un étudiant au hasard parmi ceux qui ont passé ce test.
1) Quelle est la probabilité que son score soit supérieur à 90 ?
2) Quelle est la probabilité que son score soit compris entre 70 DH et 85 ?
3) Si on sait que son score est supérieur à 60, calculer la probabilité qu’il soit inférieur à 90.
4) Soit t  IR . La probabilité que le score de l’étudiant soit compris entre t et 90 est égale à 0.7745.
Calculer alors la valeur de t .
 Corrigé
Exercice 1 :
Soient A et B deux événements d’un espace probabilisé muni d’une mesure de probabilité P.
11 1
On suppose A et B indépendants, avec P( A)  P( B), P( A  B)  et P( A  B) 
20 10
1) On a : P( A  B)  P( A)  P( B)  P( A  B)
11 1 13
D’où P( A)  P( B)  P( A  B)  P( A  B)   
20 10 20
1
D’autre part, comme A et B sont indépendants, P( A) P( B)  P( A  B) 
10
On connaît donc la somme s et le produit p de P( A) et de P(B)
Donc P( A) et P(B) sont solutions de l’équation du second degré :
13 1
x 2  sx  p  x 2  x 0
20 10
2 2
 13  1 9  3 
Le discriminant de cette équation est      4    
 20  10 400  20 
13 3

Les racines du trinôme sont alors : x  20 20 , c'est-à-dire 1 et 2 .
2 4 5

1 2
Et puisque P( A)  P( B), alors P ( A)  et P ( B )  .
4 5
P( A  B) 1 / 10 1
2) P( A / B)   
P( B) 2/5 4
P( A  B) P( A)  P( A  B) 1 / 4  1 / 10 1
P( A / B)     .
P( B) 1  P( B) 3/ 5 4
3) a) L’événement « ni A ni B ne se réalise » se traduit par : A  B

   
et on a : P A  B  P A  B  1  P A  B   1 
11 9

20 20
b) L’événement : « seulement l’un des deux événements A ou B se réalise » se traduit par :
A  B A  B
Or PA  B  A  B   PA  B   PA  B  (car ces deux événements sont incompatibles).
 P( A)  P( A  B)  P( B)  P( A  B)
1 1 2 1 9
    
4 10 5 10 20

Exercice 2 :
On considère un taxi choisi au hasard dans la ville
Soient les événements suivants :
X : « le taxi appartient à la compagnie X »,
Y : « le taxi appartient à la compagnie Y »,
A : « le taxi enregistre un accident dans l’année ».
X et Y forment un système complet d’événements.
Les données de l’exercice peuvent être traduites comme suit :
P( X )  0.7, P(Y )  0.3 ,
P( A / X )  0.05, P( A / Y )  0.03 .
1) P( A)  P( A / X ) P( X )  P( A / Y ) P(Y ) ( formule des probabilit és totales)
 0.05  0.7  0.03  0.3  0.044
P(Y  A) P( A / Y ) P(Y ) 0.03 0.3 9
2) P(Y / A)      0.2045
P( A) P( A) 0.044 44
Exercice 3 :
1) Si on considère un produit donné parmi les 10 sélectionnés, ou bien il est conforme aux normes de
qualité (succès) avec la probabilité p  0.8 , ou bien il ne l’est pas (échec) avec la
probabilité 1  p  0.2
Il s’agit donc d’une épreuve de Bernouilli que l’on répète 10 fois de manière indépendante.
X est la variable aléatoire indiquant le nombre de produits conformes aux normes (nombre de
succès) dans le lot des 10 produits.
Donc X suit une loi binomiale B (10, 0.8)
et  k 0,1, ...,10, P( X  k )  C10k (0.8) k (1  0.8)10 k

2) Comme X  B(10, 0.8)

 E ( X )  10  0.8  8

Alors V ( X )  10  0.8  (1  0.8)  1.6

 ( X )  V ( X )  1.6  1.2649
3) Le premier paramètre de la loi binomiale n’est pas suffisamment grand pour pouvoir faire une
approximation de cette loi binomiale.
4) P( X  8)  C108
(0.8) 8 (1  0.8)108  0.3020
5) P( X  9)  C109 (0.8) 9 (1  0.8)109  C10
10
(0.8)10 (1  0.8)1010  0.3758
6) P( X  9)  1  P( X  9)  1  P( X  10)  1  C10
10
(0.8)10 (1  0.8)1010  0.8926

Exercice 4 :
Soit X la variable aléatoire : « Score d’un étudiant ayant passé le test standardisé de mathématique ».
X  N (80,10) .
On note T la loi normale centrée réduite T  N (0, 1) et  sa fonction de répartition.
 X  80 90  80 
1) P( X  90)  1  P( X  90)  1  P    1  PT  1 
 10 10 
 1   (1)  1  0.8413  0.1587
 70  80 X  80 85  80 
2) P(70  X  85)  P     P 1  T  0.5 
 10 10 10 
  (0.5)   (1)   (0.5)  1   (1)
 0.6915  1  0.8413  0.5328
P( X  90 et X  60) P(60  X  90)
3) P( X  90 / X  60)  
P( X  60) 1  P( X  60)
 60  80 X  80 90  80 
P   
 10 10 10  P 2  T  1) 
 
 X  80 60  80  1  PT  2
1  P  
 10 10 
  (1)   (2)  (1)  1   (2) 0.8413  1  0.9772
    0.8376
1   (2)  (2) 0.9772
 t  80 X  80 90  80 
4) Pt  X  90  0.7745  P     0.7745
 10 10 10 
 t  80 
 P  T  1  0.7745
 10 
 t  80 
  (1)      0.7745
 10 
 t  80 
     (1)  0.7745  0.8413  0.7745  0.0668
 10 
 80  t 
 1   0.0668
 10 
 80  t 
    09332
 10 
80  t
  1.5 (table de la loi normale)
10
 t  65