Correction : 59 p. 390 1) a) On note F1, F2 et F3 respectivement l’évènement le pneu provient du fournisseur 1, du fournisseur 2 et du fournisseur 3. On note D l’évènement « le pneu possède un défaut » et défaut ». Voici l’arbre de probabilité traduisant la situation : D 0,2 F1 0,8 0,05 0,3 0,4 « le pneu est sans D F2 0,95 0,3 0,15 F3 D 0,85 On a : P( b) On a : = p(F1) × ( ) + p(F2) × ( ) + p(F3) × = 0,3 × 0,8 + 0,4 × 0,95 + 0,3 × 0,85 = 0,875 ) (F2) = = = ( ∩ ( ) ( )× , × , ( ) ) ( ) ( ) , ≈ 0,4343 2) On définit Y la variable aléatoire égale au nombre de pneus avec défaut. Y suit donc une loi binomiale de paramètres n = 10 et p = 1 – p( ) = 0,125. On calcule donc : P(Y ≤ 1) = P(Y = 0) + P(Y = 1) 10 0 10 1 = p (1 – p)10 – 0 + p × (1 – p)10 – 1 0 1 = 1 × 0,87510 + 10 × 0,125 × 0,8759 ≈ 0,6389 3) a) P(500 ≤ x ≤ 1000) = ! = "− λ ! $ = – ! b) On cherche λ tel que : P(500 ≤ x ≤ 1000) = 0,25 Donc : – ! = 0,25 – ! – 0,25 = 0 ' -% & + – 0,25 = 0 On pose : x = > 0. On obtient donc une nouvelle équation : Donc : ∆ = b2 – 4ac = 0, soit x = 0,5 D’où : = 0,5 - 500λ = ln 0,5 λ=− () , Correction : 59 et 60 p. 390 - ' + x – 0,25 = 0 ≈ 0,0014 1/2 Correction : 60 p. 390 1) a) On a : E(X) = *+, ' = +! ' = ! ' b) Lors d’un grand nombre de répétition de l’expérience aléatoire, on peut espérer que la valeur moyenne sera de 0,5. 2) a) S est la somme de 1000 nombres aléatoires obtenus entre 0 et 1. On affiche ensuite le nombre moyen obtenu (moyenne des 1000 nombres). b) On définit par X la variable aléatoire égale au nombre aléatoire obtenu. X suit donc la loi uniforme sur [0 ; 1]. D’après la question 1, on a : E(X) = 0,5. On peut donc prévoir 0,5 en sortie de l’algorithme. c) Voici le programme sur TI : On obtient : Correction : 59 et 60 p. 390 2/2