Solution TP 2 2015 2016

Octobre 2015
1
Statistique et Probabilité
Solution : TP 2
Exercice 1
Un joueur lance simultanément 2 dés (6 faces numérotées de 1 à 6). Les dés sont
parfaitement équilibrés.
a) Quelle est la probabilité d’obtenir une somme supérieure ou égale à 9 ?
b) Si les deux dés étaient lancés successivement 4 fois, quelle est la probabilité
que la somme soit supérieure à 9 au moins 3 fois ?
(Remarque : si vous utilisez les tables, vous pouvez prendre la valeur donnée la
plus proche de celle calculée).
Solution :
a) Le joueur lance simultanément deux dés à 6 faces. Les résultats possibles, au
nombre de 36, sont repris dans le tableau suivant :
1
2
3
4
5
6
1
(1,1)
(1,2)
(1,3)
(1,4)
(1,5)
(1,6)
2
(2,1)
(2,2)
(2,3)
(2,4)
(2,5)
(2,6)
3
(3,1)
(3,2)
(3,3)
(3,4)
(3,5)
(3,6)
4
(4,1)
(4,2)
(4,3)
(4,4)
(4,5)
(4,6)
5
(5,1)
(5,2)
(5,3)
(5,4)
(5,5)
(5,6)
6
(6,1)
(6,2)
(6,3)
(6,4)
(6,5)
(6,6)
Considérons la variable aléatoire X qui représente la somme des 2 dés, ses
valeurs vont donc de 2 à 12.
Xi
Fi
XiFi
2
1
2
3
2
6
4
3
12
5
4
20
6
5
30
7
6
42
8
5
40
9
4
36
10
3
30
11
2
22
12
1
12
=252

Octobre 2015
2
En consultant le tableau des résultats, on observe que la somme des deux dés
vaut 9, 10, 11 ou 12 dans 10 cas sur 36.
 Probabilité d’obtenir une somme supérieure ou égale à 9 : Pr(X  9) = 10 /
36 = 0.2778, soit 27.78%.
b) Pr (X > 9, au moins 3 fois) = ?
Déterminons tout d’abord la probabilité de l’événement Z = « somme des deux
dés est strictement supérieure à 9 ». X peut donc valoir 10, 11 ou 12. En
consultant le tableau des résultats, on observe que la somme des deux dés vaut
10, 11 ou 12 dans 6 cas sur 36.
D’où, Pr (X > 9) = 6 / 36 = 0.1667, soit 16.67%.
On utilise la table des probabilités binomiales, avec n = 4,  = 0.20
(approximation de 0,1667), et s valant 3 ou 4.
D’après la table,
Pr (X > 9, au moins 3 fois) = 0.027, soit 2.7%
Exercice 2
Un boulanger achète des œufs pour la réalisation de ses pâtisseries. Afin de
s’assurer de la fraîcheur de tous les œufs contenus dans une boîte, il effectue le
test suivant : de chaque boîte (une boîte contient 100 œufs), il retire 5 œufs et
les casse afin de constater leur fraîcheur (il fait confiance à son odorat qui est
fiable à 100%). Si les 5 œufs sont déclarés frais, il accepte la boîte car il
considère que tous les œufs de la boîte sont frais. Si un œuf ou plus sont
déclarés pourris, il rejette impitoyablement la boîte.
a) Quel est la probabilité qu’il accepte une boîte qui contient 20 œufs pourris ?
b) Combien d’œufs devrait-il casser pour s’assurer que la probabilité d’accepter
une boîte qui contient 20 œufs pourris est inférieure à 10% ?
Solution :
Les épreuves ne sont pas indépendantes l’une de l’autre. On peut cependant
donner une approximation du résultat en utilisant les tables de la Loi Binomiale.
(cf. WONNACOTT et WONNACOTT, 4e éd., pp. 130-136 pour la théorie et pp.
869-871 pour les tables).

Octobre 2015
3
a) Probabilité du succès (c’est-à-dire de choisir un œuf pourri) =  = 20 / 100 =
0,2 ; le nombre d’épreuves n = 5 et le nombre total de succès en n épreuves = s.
On cherche la probabilité que le boulanger accepte la boite (autrement dit, il n’a
trouvé aucun œuf pourri parmi les 5 œufs qu’il a cassés), soit Pr(s = 0) =
sns )1(
s
n
=
3276,0)2,01(2,0
!5!0 !5
)1(
)!sn(!s !n 50sns 
, soit 32,8%
La table portant sur les probabilités binomiales individuelles (p. 870) donne
également directement la valeur trouvée par calculs ci-dessus : n = 5, s = 0 et π =
0,2  Pr(s = 0) = 0,328.
b) Il s’agit, en augmentant le nombre d’épreuves n, de faire tomber la Pr(s = 0)
en dessous de 10%. En consultant la table, nous trouvons que le nombre
d’épreuves nécessaires pour que la probabilité soit inférieure à 10% est de 11 (=
n). Dans ce cas, Pr(s = 0) = 0,086, soit 8,6%.
Exercice 3
Une étude nationale sur les ménages a montré que le taux d’écoute d’une certaine
émission télévisée était de 30% pour les femmes et de 50% pour les hommes.
Elle a montré par ailleurs que si la femme suivait cette émission, la proportion de
maris la suivant en même temps passait à 60%. On tire un couple au hasard.
a) Quelle est la probabilité que les deux conjoints suivent l’émission ?
b) Quelle est la probabilité que si le mari suit l’émission, la femme la suive aussi ?
Solution :
Pr (F) = 0.3 Pr (H) = 0.5 Pr (H | F) = 0.6
a) Pr (F et H) = Pr (F) * Pr (H | F) = 0.3 * 0.6 = 0.18
b) Pr (F | H) = Pr (F et H) / Pr (H) = 0.18 / 0.5 = 0.36
Exercice 4
Un garagiste accorde une garantie d’un an sur les véhicules d’occasion. La
probabilité d’une panne dans la période de garantie est de 25% et le coût moyen
de la réparation est de 20 000 francs. Le garagiste achète des véhicules

Octobre 2015
4
d’occasion au prix moyen de 100 000 francs et il les revend avec une marge de
20%.
a) Quelle est la marge espérée après déduction des frais de garantie ?
Le garagiste a mis au point un test qui lui permet de vérifier l’état de la voiture.
Ce test lui permet d’affirmer, avec une fiabilité de 90%, que la voiture n’aura pas
de panne dans la première année.
b) Que devient la probabilité de panne dans la période de garantie pour les
véhicules qu’il accepte ?
Solution :
a) Marge espérée après déduction des frais de garantie = (0.2 * 100000) -
(0.25 * 20000) = 20000 - 5000 = 15000
b) Quelles informations nous donne l’énoncé ?
Il donne la probabilité qu’une voiture tombe en panne (qu’elle soit mauvaise) :
Pr (mauvaise) = 0.25 et par conséquent, Pr (bonne) = 0.75
L’énoncé donne également la fiabilité du test mis au point par le garagiste (90%),
laquelle se traduit par :
« » signifiant « déclaré bonne (ou mauvaise) » par le garagiste,
Pr (« bonne » | bonne) = 0.90
Pr (« bonne » | mauvaise) = 0.10
Pr (« mauvaise » | mauvaise) = 0.90
Pr (« mauvaise » | bonne) = 0.10
Nous cherchons ce que devient la probabilité de panne dans la période de
garantie pour les véhicules qu’il accepte ? Autrement dit,
Pr (mauvaise | « bonne ») = ?
La résolution du problème requiert l’application du théorème de Bayes.
Pr (mauvaise | « bonne ») = ( Pr (« bonne » | mauvaise) * Pr (mauvaise) ) / Pr
(« bonne »)
= ( 0.10 * 0.25 ) / Pr (« bonne »)
Pr (« bonne ») = ?

Octobre 2015
5
Vous pouvez vous aider par la construction d’un « arbre ».
Pr (« bonne ») = (Pr (« bonne » | bonne) * Pr (bonne))
+ (Pr (« bonne » | mauvaise) * Pr (mauvaise))
Pr (« bonne ») = (0.90 * 0.75) + (0.10 * 0.25) = 0.7
Pr (mauvaise | « bonne ») = ( 0.10 * 0.25 ) / 0.7 = 0.036, soit 3.6%
Exercice 5
Les cotes à un examen sont supposées distribuées normalement avec une
espérance de 78 et une variance de 36.
a) Quelle est la probabilité qu’une personne passant cet examen obtienne un
score supérieur à 72 ?
b) Supposons que les étudiants se situant dans les 10 % supérieurs de cette
distribution reçoivent la cote A. Quelle est la cote minimum que doit réaliser un
étudiant pour obtenir la note A ?
Solution : X ~ N(78, 36)
a) P(X > 72) = P(X-78/6 > 72-78/ 6) = P(Z > -1)= 1-P(Z > 1) = 0.841
b) P(Z  a) = 10%. A l’aide des tables de la loi normale réduite, nous trouvons que
z0 = 1.28. Sachant que z0 = X – 78 / 6 = 1,28, nous trouvons ainsi que X = 85,68.
Exercice 6
Soit X une variable aléatoire distribuée normalement, telle que P(X  3) = 0.8413
et P(X  9) = 0.0228. Déterminez sa moyenne et son écart type.
Solution :
Tout d’abord, à l’aide des tables de la loi normale réduite, nous devons trouver
les valeurs de z0 pour lesquelles nous obtenons ces probabilités.
Ainsi, pour P(X  3) = 0.8413, il faut rechercher le complémentaire, soit P(X  3)
= 0.1587. La valeur correspondante à cette probabilité est z0 = 1. Pour P(X  9) =
0.0228, nous obtenons un z0 = 2.
Il ne nous reste plus qu’à résoudre le système de deux équations à deux
inconnues suivants : 3 - /  = 1.00 et 9 - /  = 2.
La moyenne vaut ainsi  = -3 et l’écart-type  = 6.