Exercice I

1. Dans un jeu de 32 cartes, on tire une carte au hasard. Toutes les cartes ont la même probabilité d’être tirées.
Quelle est la probabilité d’obtenir un as ou un carreau ?
ˆ Soit A l’événement ”tirer un as”.
ˆ Soit B l’événement ”tirer un carreau”.

ˆ Nombre d’as dans un jeu de 32 cartes : 4, donc P (A) = 4

32 = 18 .
ˆ Nombre de carreaux dans un jeu de 32 cartes : 8,, donc P (B) = 8
32 = 14 .

ˆ Nombre d’as de carreau : 1, donc P (A ∩ B) = 1

32 .

La formule des probabilités totales

P (A ∪ B) = P (A) + P (B) − P (A ∩ B).

En substituant les valeurs :

1 1 1 11
P (A ∪ B) = + − .= .
8 4 32 32
2. A et B sont incompatibles et P (A) = P (B) = 0, 2. i) Alors, P (A ∪ B) est égal à combien ?

Étape 1 : Comprendre les termes

ˆ Événements incompatibles : Deux événements A et B sont dits incompatibles (ou disjoints) s’ils ne
peuvent pas se produire simultanément. Autrement dit, A ∩ B = ∅, et donc P (A ∩ B) = 0.
ˆ Probabilités données : P (A) = 0, 2 et P (B) = 0, 2.

La probabilité de l’union de deux événements A et B est donnée par :

P (A ∪ B) = P (A) + P (B) − P (A ∩ B).

Comme A et B sont incompatibles, P (A ∩ B) = 0. La formule se simplifie donc à :

P (A ∪ B) = P (A) + P (B).

P (A ∪ B) = 0, 2 + 0, 2 = 0, 4.

3. Une urne contient 2 boules rouges notées R1 et R2 et une boule noire notée N . On choisit au hasard une
première boule, on la remet dans l’urne, puis on choisit une deuxième boule. On obtient ainsi un couple de
boules. On suppose que chacun des couples a la même probabilité d’être obtenu. La probabilité d’obtenir 2
boules rouges est : 94 .
ˆ L’urne contient 3 boules : R1 , R2 et N .
ˆ Comme on remet la première boule dans l’urne avant de tirer la deuxième, chaque tirage est indépendant.
ˆ L’univers des couples possibles est :

Ω = {(R1 , R1 ), (R1 , R2 ), (R1 , N ), (R2 , R1 ), (R2 , R2 ), (R2 , N ), (N, R1 ), (N, R2 ), (N, N )}.

Il y a donc 3 × 3 = 9 couples possibles.

ˆ Les couples où les deux boules sont rouges sont : {(R1 , R1 ), (R1 , R2 ), (R2 , R1 ), (R2 , R2 )}. Il y a donc 4
couples favorables.

La probabilité d’obtenir 2 boules rouges est donc :

Nombre de couples favorables 4
P (2 boules rouges) = = .
Nombre total de couples 9

1
4. On donne les probabilités suivantes : P (B) = 0, 1, P (B/A) = P (B | A) = 0, 4, P (A) = 0, 2
On cherche : P (A/B) = P (A | B)
La **formule de Bayes** est donnée par :

P (B | A) × P (A)
P (A | B) =
P (B)

En remplaçant par les valeurs connues :

0, 4 × 0, 2
P (A | B) =
0, 1

0, 08
P (A | B) = = 0, 8
0, 1

Explication complémentaire :
P (A/B): Probabilité que A se produise sachant que B s’est produit (probabilité conditionnelle).
P (B/A): Probabilité que B se produise sachant que A s’est produit.
5. Le tableau ci-dessous donne les résultats d’un sondage effectué dans une population de 50 individus :

Fumeurs Non-fumeurs
Hommes 5 15
Femmes 10 20

1- Si l’on interroge au hasard l’un des individus, quelle est la probabilité que ce soit un non-fumeur sachant
que c’est un homme ?
Reponse On cherche : P (Non-fumeur | Homme)
La formule des probabilités conditionnelles est : P (B | A) = P P(A∩B)
(A)
Ici : - A : L’événement “être un homme” - B : L’événement “être non-fumeur”

5 + 15 20 2 15 3
P (Homme) = = = , P (Homme ∩ Non-fumeur) = =
50 50 5 50 10
Ainsi :
3
10 3 5 15 3
P (Non-fumeur | Homme) = 2 = × = =
5
10 2 20 4
2) Les événements “interroger une femme” et “interroger un non-fumeur” sont-ils indépendants ?
Rappel : Deux événements A et B sont **indépendants** si et seulement si :

P (A ∩ B) = P (A) × P (B)

- A : “interroger une femme” - B : “interroger un non-fumeur”

Calculons chaque probabilité :

10 + 20 30 3
P (Femme) = = =
50 50 5

15 + 20 35 7
P (Non-fumeur) = = =
50 50 10

20 2
P (Femme ∩ Non-fumeur) = =
50 5

2
 Vérifions l’indépendance :
3 7 21
P (Femme) × P (Non-fumeur) = × = = 0, 42
5 10 50

Or :
2
P (Femme ∩ Non-fumeur) = = 0, 4
5

0, 4 ̸= 0, 42

Puisque P (Femme∩Non-fumeur) ̸= P (Femme)×P (Non-fumeur), les deux événements **ne sont pas indépendants**.

Les événements ne sont donc pas indépendants.

Exercice II
Les étudiants de SEG L2S3 P24 de l’Université Norbert ZONGO, ayant pris conscience de la pénurie de sang dans
le pays, ont organisé une séance de collecte de sang. Sur un échantillon de 28 personnes qui se sont présentées, on
a noté :
ˆ Groupe A : 15 personnes,

ˆ Groupe B : 7 personnes,

ˆ Groupe O : 5 personnes,

ˆ Groupe AB : 1 personne.

Pour expliquer certaines analyses que va subir en laboratoire chaque poche de sang, le technicien en prélève simul-
tanément 4 au hasard parmi les 28. Le délégué et certains étudiants affirment qu’il y a plus de chance que les 4
poches appartiennent au même groupe sanguin qu’à 3 groupes différents. Ce que contestent d’autres étudiants. En
utilisant les outils que vous disposez, départagez les deux groupes.

Solution
Étape 1 : Calculer le nombre total de combinaisons possibles
Le nombre total de façons de choisir 4 poches parmi 28 est donné par le coefficient binomial :

4 28!
C28 = = 20475.
4!(28 − 4)!

Étape 2: Calculer la probabilité que les 4 poches appartiennent au même groupe

sanguin
Pour que les 4 poches appartiennent au même groupe, elles doivent toutes provenir du groupe A, du groupe B ou
du groupe O (le groupe AB ne peut pas fournir 4 poches, car il n’y a qu’une seule personne).

ˆ Groupe A : Nombre de façons de choisir 4 poches parmi 15 :

4 15!
C15 = = 1365.
4!(15 − 4)!

ˆ Groupe B : Nombre de façons de choisir 4 poches parmi 7 :

7!
C74 = = 35.
4!(7 − 4)!

3
 ˆ Groupe O : Nombre de façons de choisir 4 poches parmi 5 :
5!
C54 = = 5.
4!(5 − 4)!

ˆ Total des combinaisons favorables :

1365 + 35 + 5 = 1405.
ˆ Probabilité :
1405
P (4 poches du même groupe) = ≈ 0, 0686 (soit 6, 86%).
20475

Étape 3 : Calculer la probabilité que les 4 poches appartiennent à 3 groupes différents

Pour que les 4 poches appartiennent à 3 groupes différents, il faut que :
ˆ 2 poches proviennent d’un même groupe,
ˆ 1 poche provienne d’un deuxième groupe,
ˆ 1 poche provienne d’un troisième groupe.
Nous devons considérer toutes les combinaisons possibles de groupes.
ˆ Cas 1 : 2 poches du groupe A, 1 du groupe B et 1 du groupe O.
2
C15 × C71 × C51 = 105 × 7 × 5 = 3675.

ˆ Cas 2 : 2 poches du groupe A, 1 du groupe B et 1 du groupe AB.

2
C15 × C71 × C11 = 105 × 7 × 1 = 735.

ˆ Cas 3 : 2 poches du groupe A, 1 du groupe O et 1 du groupe AB.

2
C15 × C51 × C11 = 105 × 5 × 1 = 525.

ˆ Cas 4 : 2 poches du groupe B, 1 du groupe A et 1 du groupe O.

C72 × C15
1
× C51 = 21 × 15 × 5 = 1575.

ˆ Cas 5 : 2 poches du groupe B, 1 du groupe A et 1 du groupe AB.

C72 × C15
1
× C11 = 21 × 15 × 1 = 315.

ˆ Cas 6 : 2 poches du groupe B, 1 du groupe O et 1 du groupe AB.

C72 × C51 × C11 = 21 × 5 × 1 = 105.

ˆ Cas 7 : 2 poches du groupe O, 1 du groupe A et 1 du groupe B.

C52 × C15
1
× C71 = 10 × 15 × 7 = 1050.

ˆ Cas 8 : 2 poches du groupe O, 1 du groupe A et 1 du groupe AB.

C52 × C15
1
× C11 = 10 × 15 × 1 = 150.

ˆ Cas 9 : 2 poches du groupe O, 1 du groupe B et 1 du groupe AB.

C52 × C71 × C11 = 10 × 7 × 1 = 70.

ˆ Total des combinaisons favorables :

3675 + 735 + 525 + 1575 + 315 + 105 + 1050 + 150 + 70 = 8200.

ˆ Probabilité :
8200
P (4 poches de 3 groupes différents) = ≈ 0, 4005 (soit 40, 05%).
20475

4
Conclusion
Les étudiants qui affirment qu’il y a plus de chance que les 4 poches appartiennent au même groupe sanguin qu’à 3
groupes différents ont tort. En effet, la probabilité que les 4 poches appartiennent à 3 groupes différents (40,05 %)
est nettement plus élevée que celle qu’elles appartiennent au même groupe (6,86 %). Les étudiants contestataires
ont raison.

Exercice III
Un élève-professeur de l’ENS, pratiquant le lancer de poids, peut être : - Gaucher (G) - Droitier (D) - Ambidextre
(A) : se servant aussi bien de la main gauche que de la main droite. On suppose :

ˆ Les événements D (être droitier) et G (être gaucher) sont indépendants et équiprobables de proba 13 .

ˆ U : se servir d’une seule main.

ˆ L : pratiquer le lancer de poids.

Correction
1) Exprimer A et L en fonction de G et D et calculer P (A), P (L), puis P (U )
a) Expression de A et L
- L’événement A (être ambidextre) signifie :
A=D∩G
- L’événement L (pratiquer le lancer de poids) peut se décomposer : L = D ∪ G

b) Calcul de P (A)
Puisque D et G sont équiprobables et indépendants :
1
P (D) = P (G) =
3
Donc :
1 1 1
P (A) = P (D ∩ G) = P (D) × P (G) = × =
3 3 9

c) Calcul de P (L)
1 1 1 5
P (L) = P (D) + P (G) − P (D ∩ G) = + − =
3 3 9 9
5 1 4
P (A) + P (U ) = P (L) ⇒ P (U ) = P (L) − P (A) = − =
9 9 9

2) Probabilités conditionnelles sachant L

a) Probabilité qu’il soit droitier sachant qu’il pratique le lancer de poids
P (D ∩ L) P (D) 3
P (D|L) = = =
P (L) P (L) 5

b) Probabilité qu’il soit ambidextre sachant qu’il pratique le lancer de poids

1
P (A) 9 1
P (A|L) = = 5 =
P (L) 9
5

5
3) Indépendance des événements D|L et A|L
Les événements D|L et A|L sont indépendants si et seulement si :

P (D ∩ A|L) = P (D|L) × P (A|L)

Calculons P (D ∩ A|L) :
1
P (D ∩ A) 9 1
P (D ∩ A|L) = = 5 =
P (L) 9
5
Vérifions :
2 1 3
P (D|L) × P (A|L) = × =
3 3 5
Or :
1 3
̸=
5 5
Les événements D|L et A|L ne sont donc pas indépendants.

4) Probabilité qu’un élève soit ambidextre sachant qu’il est droitier

P (A ∩ D) P (A)
P (A|D) = =
P (D) P (D)

Exercice IV
Un sac contient sept jetons : trois numérotés 0 et quatre numérotés 1. On effectue un tirage successif de 2 jetons
sans remise. Soit :
ˆ X la variable aléatoire égale au nombre sorti au premier tirage,
ˆ Y la variable aléatoire égale au nombre sorti au second tirage.

1. Donner la loi du couple (X, Y ).

2. Déterminer les lois marginales.
3. (a) Calculer les espérances E(X) et E(Y ).
(b) Calculer les variances V (X) et V (Y ).
(c) Calculer la covariance Cov(X, Y ).
(d) Déterminer la matrice de variances-covariances.

Correction de l’exo 4
1. Loi du couple (X, Y )
Nous avons 7 jetons : - 3 jetons numérotés 0 - 4 jetons numérotés 1
Nombre total de façons de tirer 2 jetons sans remise :

Total = 7 × 6 = 42

**Calcul des probabilités du couple (X, Y ) :**

ˆ P (X = 0, Y = 0) : Premier tirage 0 (3 façons), second tirage 0 (2 façons)

3×2 6 1
P (0, 0) = = =
42 42 7

ˆ P (X = 0, Y = 1) : Premier tirage 0 (3 façons), second tirage 1 (4 façons)

3×4 12 2
P (0, 1) = = =
42 42 7

6
 ˆ P (X = 1, Y = 0) : Premier tirage 1 (4 façons), second tirage 0 (3 façons)
4×3 12 2
P (1, 0) = = =
42 42 7

ˆ P (X = 1, Y = 1) : Premier tirage 1 (4 façons), second tirage 1 (3 façons)

4×3 12 2
P (1, 1) = = =
42 42 7

**Tableau de la loi du couple (X, Y ) :**

X\Y 0 1 PX (x)
1 2 3
0 7 7 7
2 2 4
1 7 7 7
3 4
PY (y) 7 7 1

2. Lois marginales
À partir du tableau :
3 4
PX (0) = , PX (1) =
7 7
3 4
PY (0) = , PY (1) =
7 7

3. Calcul des espérances, variances et covariance

a) Espérances E(X) et E(Y )
X 3 4 4
E(X) = x · PX (x) = 0 × +1× =
x
7 7 7
X 3 4 4
E(Y ) = y · PY (y) = 0 × +1× =
y
7 7 7

b) Variances V (X) et V (Y )
Puisque X et Y suivent la même loi :
V (X) = E(X 2 ) − [E(X)]2
Comme X ne prend que les valeurs 0 et 1 :
3 4 4
E(X 2 ) = 02 ×
+ 12 × =
7 7 7
 2
4 4 4 16 12
V (X) = − = − =
7 7 7 49 49
Ainsi :
12
V (Y ) =
49

c) Covariance Cov(X, Y )
Cov(X, Y ) = E(XY ) − E(X)E(Y )
Calculons E(XY ) :
1 2 2 2 2
E(XY ) = 0 × 0 × +0×1× +1×0× +1×1× =
7 7 7 7 7
2 4 4 2 16 14 − 16 2
Cov(X, Y ) = − × = − = =−
7 7 7 7 49 49 49

7
d) Matrice de variances-covariances
La matrice de variance-covariance est :
   12 2

V (X) Cov(X, Y ) 49 − 49
Σ= = 2 12
Cov(X, Y ) V (Y ) − 49 49

Exercice V
Correction de l’exo 5
1) Étude de la variable aléatoire X
a) Valeurs possibles de X
Analysons les scénarios possibles :
ˆ Scénario 1 : Premier jeton rouge ⇒ Gain = −50F (perte de la mise).

ˆ Scénario 2 : Premier jeton blanc, deuxième jeton rouge ⇒ Gain = 200F − 50F = 150F .

ˆ Scénario 3 : Deux jetons blancs ⇒ Gain = 200F + 200F − 50F = 350F .

Valeurs possibles de X : {−50, 150, 350}.

b) Loi de probabilité de X
Calculons les probabilités :

ˆ P (X = −50) : Premier jeton rouge :

5
P (X = −50) = .
7
ˆ P (X = 150) : Premier jeton blanc, deuxième rouge :
2 5 10 5
P (X = 150) = × = = .
7 6 42 21

ˆ P (X = 350) : Deux jetons blancs :

2 1 2 1
P (X = 350) = × = = .
7 6 42 21

Loi de probabilité de X :
X −50 150 350
5 5 1
P (X)
7 21 21

c) Fonction de répartition FX (x)

La fonction de répartition FX (x) = P (X ≤ x) :


 0 si x < −50




 57 si − 50 ≤ x < 150


FX (x) =
5 5 20
7 + = si 150 ≤ x < 350


21 21






1 si x ≥ 350


8
2) Probabilité que le joueur ait un gain positif
L’événement A : ”le joueur a un gain positif” correspond à X ∈ {150, 350}.
5 1 6 2
P (A) = P (X = 150) + P (X = 350) = + = = .
21 21 21 7
2
P (A) =
7

3) Étude de la variable aléatoire Y

Le joueur effectue 5 jeux indépendants, remettant les jetons après chaque jeu. La variable Y = nombre de fois que
A est réalisé suit une loi binomiale :

Y ∼ B(n = 5, p = 27 )

a) Justification de la loi binomiale

Les conditions sont remplies :
ˆ Expériences identiques (mêmes probabilités).

ˆ Répétitions indépendantes.

ˆ Succès/défaillance (gain positif ou non).

b) Probabilité d’obtenir au moins un gain positif

On cherche :
P (Y ≥ 1) = 1 − P (Y = 0)

 5  5
2 5
P (Y = 0) = 1− =
7 7
 5
5
P (Y ≥ 1) = 1 −
7
Calculons :  5
5 3125
=
7 16807
3125 13682
P (Y ≥ 1) = 1 − = ≈ 0.814
16807 16807
P (Y ≥ 1) ≈ 81, 4%

Exercice VI
Correction de l’exo 6
1) Calcul des probabilités
L’espace fondamental Ω contient 6 × 6 = 36 issues.

9
Probabilités des événements de base
ˆ A : Le dé noir est pair (2, 4, 6) ⇒ 3 issues sur 6.
3 1
P (A) = = .
6 2
ˆ B : Le dé blanc est impair (1, 3, 5) ⇒ 3 issues sur 6.
3 1
P (B) = = .
6 2
ˆ C : Les deux chiffres ont la même parité.
– Paires ensemble : (2,2), (2,4), (2,6), (4,2), (4,4), (4,6), (6,2), (6,4), (6,6) ⇒ 9 issues.
– Impaires ensemble : (1,1), (1,3), (1,5), (3,1), (3,3), (3,5), (5,1), (5,3), (5,5) ⇒ 9 issues.
Donc :
9+9 18 1
P (C) = = = .
36 36 2

2) Indépendance deux à deux

Pour montrer l’indépendance deux à deux, on doit vérifier :
P (A ∩ B) = P (A) × P (B), P (A ∩ C) = P (A) × P (C), P (B ∩ C) = P (B) × P (C).

a) Indépendance de A et B
A ∩ B : Le dé noir est pair et le dé blanc est impair.
|A ∩ B| = 3 × 3 = 9 issues.
9 1
P (A ∩ B) = = .
36 4
Vérifions :
1 1 1
P (A) × P (B) = × = .
2 2 4
⇒ P (A ∩ B) = P (A)P (B). **Indépendants**.

b) Indépendance de A et C
A ∩ C : Le dé noir est pair et les deux dés ont la même parité. Pour un chiffre pair au dé noir (2,4,6), le dé blanc
doit aussi être pair (2,4,6) :
|A ∩ C| = 3 × 3 = 9.
9 1
P (A ∩ C) = = .
36 4
Vérification :
1 1 1
P (A) × P (C) = × = .
2 2 4
⇒ P (A ∩ C) = P (A)P (C). **Indépendants**.

c) Indépendance de B et C
B ∩ C : Le dé blanc est impair et les deux dés ont la même parité. Pour un chiffre impair au dé blanc (1,3,5), le
dé noir doit aussi être impair (1,3,5) :
|B ∩ C| = 3 × 3 = 9.
9 1
P (B ∩ C) = = .
36 4
Vérification :
1 1 1
P (B) × P (C) = × = .
2 2 4
⇒ P (B ∩ C) = P (B)P (C). indépendants.

10
3) Non-indépendance globale
Pour montrer que A, B et C ne sont pas globalement indépendants, on doit vérifier :
?
P (A ∩ B ∩ C) = P (A) × P (B) × P (C).

Calcul de P (A ∩ B ∩ C)
A ∩ B ∩ C : - A : dé noir pair. - B : dé blanc impair. - C : même parité ⇒ contradiction, car pair ̸= impair.
Ainsi :
A ∩ B ∩ C = ⇒ P (A ∩ B ∩ C) = 0.
Mais :
1 1 1 1
P (A) × P (B) × P (C) = × × = .
2 2 2 8
1
0 ̸= ⇒ Les événements ne sont pas globalement indépendants.
8

Exercice VII
Une étude épidémiologique concernant une certaine maladie a été faite dans des familles ayant deux enfants de
moins de 10 ans : une fille et un garçon. On a constaté que 20% des filles sont touchées par la maladie et que
50% des garçons le sont aussi. Par ailleurs, dans les familles où la fille est touchée par la maladie, 70% des garçons
le sont aussi. On choisit au hasard une des familles ayant fait l’objet de cette étude. Calculer la probabilité des
événements suivants :

ˆ A : Les deux enfants sont touchés par la maladie.

ˆ B : Au moins un des deux enfants est touché.

ˆ C : Aucun des deux enfants n’est touché.

ˆ D : Sachant que le garçon est touché, la fille l’est aussi.

ˆ E : Sachant que le garçon n’est pas touché, la fille l’est.

Correction de l’exo 7
Définitions des événements
ˆ F : La fille est touchée par la maladie.

ˆ G : Le garçon est touché par la maladie.

Données fournies
ˆ P (F ) = 0.20

ˆ P (G) = 0.50

ˆ P (G | F ) = 0.70

ˆ A : Les deux enfants sont touchés (F ∩ G)

P (A) = P (F ) × P (G | F ) = 0.20 × 0.70 = 0.14

ˆ B : Au moins un des deux enfants est touché (F ∪ G)

P (B) = 1 − P (F ∩ G) = 1 − (P (F ) × P (G | F )) = 1 − (0.80 × 0.50) = 0.60

11
 ˆ C : Aucun des deux enfants n’est touché (F ∩ G)

P (C) = P (F ) × P (G | F ) = 0.80 × 0.50 = 0.40

ˆ D : Sachant que le garçon est touché, la fille l’est aussi (F | G)

P (F ∩ G) 0.14
P (D) = = = 0.28
P (G) 0.50

ˆ E : Sachant que le garçon n’est pas touché, la fille l’est (F | G)

P (F ∩ G) P (F ) × P (G | F ) 0.20 × 0.30
P (E) = = = = 0.12
P (G) P (G) 0.50

Exercice VIII
Une population de ménages est constituée de 3 sous-populations A, B et C de proportions 0,5, 0,3 et 0,2 respective-
ment. On sait par ailleurs que la probabilité qu’un ménage choisi au hasard possède au moins une voiture est de
0,3, 0,6 et 0,9 pour les catégories A, B et C respectivement. On note Ω l’ensemble des ménages et respectivement
A, B et C les événements réalisés si le ménage tiré au sort est de catégorie A, B ou C ; V l’événement réalisé si le
ménage tiré possède au moins une voiture.
1. Montrer que les événements A, B et C constituent un système complet d’événements.
2. En utilisant la formule des probabilités totales, calculer P (V ).
3. Ayant choisi au hasard un ménage, on constate qu’il possède au moins une voiture. En utilisant la formule
de Bayes, calculer la probabilité qu’il soit :
(a) de catégorie A, notée p1 ;
(b) de catégorie B, notée p2 ;
(c) de catégorie C, notée p3 .
Que vaut p1 + p2 + p3 ? Pouvait-on prévoir ce résultat ?

Correction de l’exo 8
1. Montrer que les événements A, B et C constituent un système complet d’événements.
Solution : Pour que A, B et C forment un système complet d’événements, ils doivent satisfaire deux
conditions :
(a) Ils doivent être disjoints deux à deux : A ∩ B = ∅, A ∩ C = ∅, B ∩ C = ∅.
(b) Leur union doit couvrir tout l’univers Ω : A ∪ B ∪ C = Ω.
Vérification :
ˆ Les sous-populations A, B et C sont disjointes, car un ménage ne peut appartenir qu’à une seule catégorie.
ˆ Leur union couvre toute la population, car P (A) + P (B) + P (C) = 0, 5 + 0, 3 + 0, 2 = 1.
Conclusion : A, B et C forment un système complet d’événements.
2. En utilisant la formule des probabilités totales, calculer P (V ).
Solution : La formule des probabilités totales permet de calculer P (V ) comme suit :

P (V ) = P (V | A) · P (A) + P (V | B) · P (B) + P (V | C) · P (C)

On connaı̂t les probabilités conditionnelles et les proportions :

P (V | A) = 0, 3, P (V | B) = 0, 6, P (V | C) = 0, 9

12
 P (A) = 0, 5, P (B) = 0, 3, P (C) = 0, 2
Ainsi :
P (V ) = 0, 3 × 0, 5 + 0, 6 × 0, 3 + 0, 9 × 0, 2
P (V ) = 0, 15 + 0, 18 + 0, 18 = 0, 51

3. Ayant choisi au hasard un ménage, on constate qu’il possède au moins une voiture. En utilisant
la formule de Bayes, calculer la probabilité qu’il soit :

(a) de catégorie A, notée p1 ; Solution : La formule de Bayes donne :

P (V | A) · P (A)
p1 = P (A | V ) =
P (V )

On a déjà calculé P (V ) = 0, 51, et on connaı̂t P (V | A) = 0, 3 et P (A) = 0, 5. Ainsi :

0, 3 × 0, 5 0, 15
p1 = = ≈ 0, 2941
0, 51 0, 51

(b) de catégorie B, notée p2 ; La formule de Bayes :

P (V | B) · P (B)
p2 = P (B | V ) =
P (V )

On connaı̂t P (V | B) = 0, 6 et P (B) = 0, 3. Ainsi :

0, 6 × 0, 3 0, 18
p2 = = ≈ 0, 3529
0, 51 0, 51

(c) de catégorie C, notée p3 . En appliquant la formule de Bayes :

P (V | C) · P (C)
p3 = P (C | V ) =
P (V )

On connaı̂t P (V | C) = 0, 9 et P (C) = 0, 2. Ainsi :

0, 9 × 0, 2 0, 18
p3 = = ≈ 0, 3529
0, 51 0, 51

Que vaut p1 + p2 + p3 ? Pouvait-on prévoir ce résultat ?

p1 + p2 + p3 ≈ 0, 2941 + 0, 3529 + 0, 3529 = 1

Exercice IX
Une urne contient 5 boules rouges et 3 boules vertes. Une personne tire simultanément et au hasard 2 boules de
l’urne. Elle gagne 500 FCFA si elle tire 2 boules rouges, elle perd 250 FCFA si elle tire 2 boules vertes, elle ne
perd ni ne gagne si elle tire 2 boules de couleurs différentes. Soit X la variable aléatoire (v.a) qui, à chaque tirage,
associe le gain algébrique obtenu.

1. Déterminer la loi de probabilité de X et calculer E(X) et V (X).

Solution :
L’urne contient 5 boules rouges et 3 boules vertes, soit un total de 8 boules. On tire simultanément 2 boules.
Le nombre total de tirages possibles est :
 
8 8×7
= = 28
2 2

Déterminons les valeurs possibles de X et leurs probabilités :

13
 ˆ Cas 1 : Tirer 2 boules rouges.
– Gain : X = 500 FCFA.
5


– Nombre de façons de tirer 2 boules rouges : 2 = 10.
10 5
– Probabilité : P (X = 500) = 28 = 14 .
ˆ Cas 2 : Tirer 2 boules vertes.
– Gain : X = −250 FCFA.
3


– Nombre de façons de tirer 2 boules vertes : 2 = 3.
3
– Probabilité : P (X = −250) = 28 .
ˆ Cas 3 : Tirer 1 boule rouge et 1 boule verte.
– Gain : X = 0 FCFA.
5 3



– Nombre de façons de tirer 1 boule rouge et 1 boule verte : 1 × 1 = 5 × 3 = 15.
– Probabilité : P (X = 0) = 15
28 .

Loi de probabilité de X :
x P (X = x)
5
500 14
3
−250 28
15
0 28

Calcul de l’espérance E(X) :

X 5 3 15
E(X) = x · P (X = x) = 500 · + (−250) · +0·
14 28 28
2500 750 2500 375 2125
E(X) = − = − = ≈ 151, 79 FCFA
14 28 14 14 14
Calcul de la variance V (X) : On utilise la formule V (X) = E(X 2 ) − [E(X)]2 .

ˆ Calcul de E(X 2 ) :
X 5 3 15
E(X 2 ) = x2 · P (X = x) = 5002 · + (−250)2 · + 02 ·
14 28 28
5 3 1250000 187500
E(X 2 ) = 250000 · + 62500 · = +
14 28 14 28
1250000 93750 1343750
E(X 2 ) = + = ≈ 95982, 14
14 14 14
ˆ Calcul de [E(X)]2 :
 2
2 2125 4515625
[E(X)] = = ≈ 23038, 89
14 196
ˆ Variance :
V (X) = E(X 2 ) − [E(X)]2 ≈ 95982, 14 − 23038, 89 = 72943, 25

Exercice X
Une entreprise fabrique et commercialise des produits de consommation courante en très grand nombre. Il y a une
probabilité constante égale à 0,10 qu’un article choisi au hasard dans la production ne satisfasse pas les normes
imposées.
1. On prélève au hasard 10 articles. Calculer la probabilité qu’il y ait au moins un article non conforme parmi
ces 10.
2. On prélève au hasard 50 articles. Soit X le nombre d’articles non conformes parmi ces 50 articles.
a) Indiquer la loi suivie par la v.a X. b) On désire approcher la loi de X par une loi de Poisson. Préciser son
paramètre puis calculer avec cette loi la probabilité qu’il y ait au moins 4 articles non conformes.

14
Correction de l’exo 10
1. On prélève au hasard 10 articles. Calculer la probabilité qu’il y ait au moins un article non conforme parmi
ces 10.
Solution : Soit p = 0, 10 , n = 10. La probabilité qu’un article soit conforme est q = 1 − p = 0, 90.
La probabilité qu’il y ait au moins un article non conforme est égale à 1 moins la probabilité qu’il n’y
ait aucun article non conforme (c’est-à-dire que tous les articles soient conformes).

P (Au moins un non conforme) = 1 − P (Tous conformes)

P (Tous conformes) = q 10 = (0, 90)10
P (Au moins un non conforme) = 1 − (0, 90)10 ≈ 1 − 0, 3487 = 0, 6513

2. On prélève au hasard 50 articles. Soit X le nombre d’articles non conformes parmi ces 50
articles.

ˆ Indiquer la loi suivie par la v.a X.

Solution : On répète n = 50 fois une épreuve de Bernoulli (un article est non conforme avec une probabilité
p = 0, 10 ou conforme avec une probabilité q = 0, 90). Les épreuves sont indépendantes, et X compte le
nombre de succès (articles non conformes).
La variable aléatoire X suit une loi binomiale de paramètres n = 50 et p = 0, 10.

X ∼ B(50; 0, 10)

ˆ On désire approcher la loi de X par une loi de Poisson. Préciser son paramètre puis calculer
avec cette loi la probabilité qu’il y ait au moins 4 articles non conformes.
Solution : Lorsque n est grand et p petit, la loi binomiale B(n; p) peut être approchée par une loi de Poisson
de paramètre λ = n · p.
Ici, λ = 50 × 0, 10 = 5.
La loi de Poisson approchée est donc :
X ∼ P(5)

On cherche à calculer P (X ≥ 4), c’est-à-dire la probabilité qu’il y ait au moins 4 articles non conformes. On
utilise la loi de Poisson pour cette approximation.

P (X ≥ 4) = 1 − P (X ≤ 3)
P (X ≤ 3) = P (X = 0) + P (X = 1) + P (X = 2) + P (X = 3)

La fonction de masse de la loi de Poisson est donnée par :

e−λ · λk
P (X = k) =
k!
Calculons chaque terme :
e−5 · 50
P (X = 0) = = e−5 ≈ 0, 0067
0!
e−5 · 51
P (X = 1) = = 5e−5 ≈ 0, 0337
1!
e−5 · 52 25e−5
P (X = 2) = = ≈ 0, 0842
2! 2
e−5 · 53 125e−5
P (X = 3) = = ≈ 0, 1404
3! 6
Ainsi :
P (X ≤ 3) ≈ 0, 0067 + 0, 0337 + 0, 0842 + 0, 1404 = 0, 2650
P (X ≥ 4) = 1 − 0, 2650 = 0, 7350

15
Exercice XI
soit la fonction définie sur R par : 
x + 1
 , si − 1 ≤ x < 0
f (x) = 23 x2 , si 0 ≤ x < 1

0 , sinon


1. Montrer que f est une densité de probabilité

2. Soit X la V.A.R. dont la loi de probabilité est f .Calculer E(X) et V (X)

3. Calculer F (x) la fonction de répartition de la V.A.R.X
4. Calculer P (−0, 5 ≤ X ≤ 1) et P (X ≥ 0, 5)
5. Déterminer un intervalle fermé I centré sur la moyenne de longueur 2l tel que P (X ∈ I) ≥ 0, 75 en utilisant
l’inégalité de Bienaymé Tchebychev.
6. Quelle est la probabilité exacte de l’évènement (X ∈ I)?

Correction de l’exo 11
1. Montrer que f est une densité de probabilité.
Solution : Pour que f soit une densité de probabilité, elle doit satisfaire deux conditions :
(a) f (x) ≥ 0 pour tout x ∈ R.
R +∞
(b) −∞ f (x) dx = 1.
Vérification de (i) :
ˆ Sur [−1, 0) : f (x) = x + 1. Comme x ∈ [−1, 0), x + 1 ∈ [0, 1], donc f (x) ≥ 0.
ˆ Sur [0, 1) : f (x) = 23 x2 . Comme x2 ≥ 0, f (x) ≥ 0.
ˆ Ailleurs : f (x) = 0, donc f (x) ≥ 0.

Ainsi, f (x) ≥ 0 pour tout x ∈ R.

Vérification de (ii) : Calculons l’intégrale de f sur R :
Z +∞ Z 0 Z 1
3 2
f (x) dx = (x + 1) dx + x dx
−∞ −1 0 2

Calculons chaque intégrale séparément :

0 0
x2
Z   
1 1
(x + 1) dx = +x = (0 + 0) − −1 =
−1 2 −1 2 2

1  1
3 x3
Z
3 2 3 1 1
x dx = = · =
0 2 2 3 0 2 3 2
Ainsi : Z +∞
1 1
f (x) dx = + =1
−∞ 2 2
La condition (ii) est vérifiée.
Conclusion : f est une densité de probabilité.

2. Soit X la V.A.R. dont la loi de probabilité est f . Calculer E(X) et V (X).

Solution :

16
 ˆ Espérance E(X) :
Z +∞ Z 0 Z 1
3
E(X) = xf (x) dx = x(x + 1) dx + x · x2 dx
−∞ −1 0 2

Calculons chaque intégrale :

0 0 0
x3 x2
Z Z   
2 1 1 1
x(x + 1) dx = (x + x) dx = + =0− − + =−
−1 −1 3 2 −1 3 2 6

1 1  1
3 x4
Z Z
3 3 3 1 3
x · x2 dx = x3 dx = = · =
0 2 2 0 2 4 0 2 4 8
Ainsi :
1 3 −4 + 9 5
E(X) = − + = =
6 8 24 24
ˆ Variance V (X) : On utilise la formule V (X) = E(X 2 ) − [E(X)]2 .
Calculons E(X 2 ) :
Z +∞ Z 0 Z 1
3
E(X 2 ) = x2 f (x) dx = x2 (x + 1) dx + x2 · x2 dx
−∞ −1 0 2

Calculons chaque intégrale :

0 0 0
x4 x3
Z Z   
2 3 2 1 1 1
x (x + 1) dx = (x + x ) dx = + =0− − =
−1 −1 4 3 −1 4 3 12

1 1  1
3 x5
Z Z
3 3 3 1 3
x2 · x2 dx = x4 dx = = · =
0 2 2 0 2 5 0 2 5 10
Ainsi :
1 3 5 + 18 23
E(X 2 ) = + = =
12 10 60 60
Enfin, la variance est :
 2
2 23 2 5 23 25 1104 − 125 979
V (X) = E(X ) − [E(X)] = − = − = =
60 24 60 576 2880 2880

Réponses :
5 979
E(X) = , V (X) =
24 2880
3. Calculer F (x), la fonction de répartition de la V.A.R. X.
Solution : La fonction de répartition F (x) est définie par :
Z x
F (x) = P (X ≤ x) = f (t) dt
−∞

On distingue plusieurs cas selon la valeur de x :

ˆ Si x < −1 : F (x) = 0.
ˆ Si −1 ≤ x < 0 :
x x
t2 x2 x2
Z   
1 1
F (x) = (t + 1) dt = +t = +x− −1 = +x+
−1 2 −1 2 2 2 2

ˆ Si 0 ≤ x < 1 :  x
0 x
1 3 t3 1 x3
Z Z
3 2
F (x) = (t + 1) dt + t dt = + = +
−1 0 2 2 2 3 0 2 2

17
 ˆ Si x ≥ 1 : F (x) = 1.
Ainsi : 
0 2
 , si x < −1
x + x +
 1
, si −1≤x<0
F (x) = 12 x3 2
2 + 2

 , si 0≤x<1
x≥1

1 , si

4. Calculer P (−0, 5 ≤ X ≤ 1) et P (X ≥ 0, 5).

Solution :
ˆ P (−0, 5 ≤ X ≤ 1) :
P (−0, 5 ≤ X ≤ 1) = F (1) − F (−0, 5)
On a F (1) = 1 et :
(−0, 5)2 1 0, 25
F (−0, 5) = + (−0, 5) + = − 0, 5 + 0, 5 = 0, 125
2 2 2
Ainsi :
P (−0, 5 ≤ X ≤ 1) = 1 − 0, 125 = 0, 875
ˆ P (X ≥ 0, 5) :
P (X ≥ 0, 5) = 1 − P (X < 0, 5) = 1 − F (0, 5)
On a :
1 (0, 5)3 1 0, 125
F (0, 5) = + = + = 0, 5625
2 2 2 2
Ainsi :
P (X ≥ 0, 5) = 1 − 0, 5625 = 0, 4375
Réponses :
P (−0, 5 ≤ X ≤ 1) = 0, 875, P (X ≥ 0, 5) = 0, 4375
5. Déterminer un intervalle fermé I centré sur la moyenne de longueur 2l tel que P (X ∈ I) ≥ 0, 75
en utilisant l’inégalité de Bienaymé-Tchebychev.
Solution : L’inégalité de Bienaymé-Tchebychev stipule que pour une variable aléatoire X d’espérance µ et
de variance σ 2 , on a :
1
P (|X − µ| ≥ kσ) ≤ 2
k
q
5 979 979
Ici, µ = E(X) = 24 et σ 2 = V (X) = 2880 , donc σ = 2880 .
On cherche un intervalle I = [µ − l, µ + l] tel que P (X ∈ I) ≥ 0, 75. Par l’inégalité de Tchebychev :
σ2
P (|X − µ| ≥ l) ≤
l2
On veut P (X ∈ I) ≥ 0, 75, donc :
P (|X − µ| ≥ l) ≤ 0, 25
Ainsi :
σ2
≤ 0, 25 =⇒ l2 ≥ 4σ 2 =⇒ l ≥ 2σ
l2
On choisit l = 2σ, et l’intervalle est :
" r r #
5 979 5 979
I= −2 , +2
24 2880 24 2880

6. Quelle est la probabilité exacte de l’événement (X ∈ I)?

Solution : La probabilité exacte de X ∈ I est donnée par :
   
5 5
P (X ∈ I) = F + 2σ − F − 2σ
24 24

18
Exercice 12
1. La demande annuelle d’un bien (exprimée en unités) suit une loi normale de paramètres m = 12300 et
σ = 1120. Soit X la v.a représentant la demande annuelle du bien. Calculer la probabilité que la demande :
a) soit inférieure ou égale à 12 300,
b) soit inférieure ou égale à 11 000,
c) soit supérieure à 12 700.
2. Quelle est la probabilité d’atteindre le seuil de rentabilité si celui-ci s’élève à 12 100 unités ?

Correction de l’exo 12
1) Calcul des probabilités pour la demande annuelle
La variable aléatoire X suit une loi normale N (m = 12300, σ = 1120). Pour calculer les probabilités, nous utilisons
la loi normale centrée réduite Z = X−m
σ , où Z ∼ N (0, 1).

a) Probabilité que la demande soit inférieure ou égale à 12 300

P (X ≤ 12300) = 0, 5.

b) Probabilité que la demande soit inférieure ou égale à 11 000

On centre et réduit la valeur 11000 :
11000 − 12300 −1300
Z= = ≈ −1, 16.
1120 1120
En utilisant la table de la loi normale centrée réduite, on trouve :

P (Z ≤ −1, 16) ≈ 0, 1230.

Ainsi :
P (X ≤ 11000) ≈ 0, 1230 (soit 12, 30%).

c) Probabilité que la demande soit supérieure à 12 700

On centre et réduit la valeur 12700 :
12700 − 12300 400
Z= = ≈ 0, 357.
1120 1120
En utilisant la table de la loi normale centrée réduite, on trouve :

P (Z ≤ 0, 357) ≈ 0, 639.

Ainsi :
P (X > 12700) = 1 − P (X ≤ 12700) = 1 − 0, 639 = 0, 361 (soit 36, 1%).

2) Probabilité d’atteindre le seuil de rentabilité

Le seuil de rentabilité est fixé à 12 100 unités. On cherche P (X ≥ 12100). On centre et réduit la valeur 12100 :
12100 − 12300 −200
Z= = ≈ −0, 1786.
1120 1120
En utilisant la table de la loi normale centrée réduite, on trouve :

P (Z ≤ −0, 1786) ≈ 0, 429.

Ainsi :
P (X ≥ 12100) = 1 − P (X ≤ 12100) = 1 − 0, 429 = 0, 571 (soit 57, 1%).

19
Exercice 13
La demande mensuelle d’un produit P à une entreprise est une variable aléatoire Z suivant une loi normale. Elle a
une probabilité de 0.025 d’être inférieure à 15000 unités, et une probabilité de 0.025 d’être supérieure à 25000.
1. Déterminer les paramètres de la loi normale suivie par Z.
2. L’entreprise vend ses produits à un prix unitaire de 100 francs. Par ailleurs, elle supporte des charges fixes
mensuelles de 175000 francs.
(a) Déterminer la loi de probabilité suivie par le bénéfice mensuel.
(b) Quel est le seuil de rentabilité mensuel en nombre de produit.
(c) En déduire la probabilité que ce seuil soit atteint.

Correction de l’exo 13
Exercice 14
Soit un jeton portant 1 sur une face et 2 sur l’autre. On lance une fois le jeton, on appelle X la variable : ”faire 1
ou 2 à l’issue du lancer”. On lance une deuxième fois le jeton et on appelle Y la variable : ”faire 2,3 ou 4 à l’issu
des deux lancers”.
1. Déterminer les lois de probabilité de X et de Y. Calculer E(X), V (X), E(Y ), V (Y ) et cov(XY ) ;conclusion ?
P
2. Calculer la matrice de variance covariance du couple aléatoire (X, Y ).
3. Calculer la variance des V.A.U1 = 2X − Y et U2 = X + 2Y

4. Calculer la matrice de variance covariance H du couple al eatoire U = (U 1, U 2).

Correction de l’exo 14
Exercice 15
On considère la fonction fX,Y (x, y) définie par :
(
k(x + y) si 0 ≤ y ≤ x ≤ 1 et k > 0,
fX,Y (x, y) =
0 sinon.

1. Déterminer k pour que f (x, y) soit une fonction de densité.

2. Établir si X et Y sont dépendantes ou indépendantes.

3. Calculer P (X + Y < 1).
4. Calculer la fonction de répartition FX (x).

Correction de l’exo 15

20