Corrigé de l’exercice 1 (probabilités) du sujet Asie juin 2015 Exercice 1 Partie A 1. Soit X une variable aléatoire qui compte le nombre de tirs ayant atteint la cible. Chaque tir est une épreuve de Bernoulli où le succès est « la cible est atteinte » de probabilité p = 0,8. Comme X compte le nombre de succès lors des 4 tentatives indépendants et identiques, X suit donc la loi binomiale de paramètres n = 4 et p = 0,8. 4 3 4–3 Ainsi, P(X = 3) = 3 0,8 (1 – 0,8) = 0,4096 ≈ 0,410 . 2. Si le concurrent tire n fois, la variable aléatoire Y n qui compte le nombre de succès suit toujours une loi binomiale mais de paramètres n, le nombre de tirs et p = 0,8. Ainsi, le nombre moyen de tirs ayant atteint la cible est donc donné par E(X) = n p = 0,8 n. Pour atteindre en moyenne 12 fois la cible, on doit donc avoir 0,8 n ≥ 12 ⇔ n ≥ 12 0,8 ⇔ n ≥ 15 . Le concurrent doit donc prévoir 15 flèches . Remarque : L’indication décisive est bien sur donnée par l’expression « en moyenne » qui fait référence à l’Espérance. Partie B − 1. On a (Tir situé hors de la bande) = (Tir situé dans la bande). D’où P(Tir situé hors de la bande) = 1 – P (Tir dans la bande) = 1 – P (– 10 ≤ X ≤ 10) = 1 – P( X ∈ [ – 10 ;10]) Comme X suit une loi normale d’espérance µ = 0 et d’écart type σ = 10, l’intervalle [ – 10 ; 10] est tout simplement l’intervalle « 1 sigma » d’où P( X ∈ [ – 10 ;10]) ≈ 0,683 ⇔ P( Tir situé hors de la bande) ≈ 0,317 . Remarques : * On peut bien sûr obtenir grâce à la calculatrice P (– 10 ≤ X ≤ 10) sans reconnaître l’intervalle « un sigma » * On peut aussi calculer « directement » et partir de P(– 10 < X ou X > 10) = P( (– 10 < X) ∪ (X > 10) ) Comme les évènements sont disjoints (X ne peut vérifier en même temps X > 10 et X < – 10) On a alors P (– 10 < X ou X > 10) = P (– 10 < X) + P (X > 10) = 2 P(X < – 10)) par symétrie par rapport à µ = 0 ≈ 0,317 2. On recherche a ≥ 0 tel que P( X ∈ [ – a ; a ] ) = 0,6. a X a P (– a ≤ X ≤ a) = 0,6 ⇔ P(– 10 ≤ 10 ≤ 10 ) = 0,6. Comme X suit la loi normale de paramètres µ = 0 et σ = 10, Z = X suit donc la loi normale Centrée Réduite. 10 P – 10 ≤ Z ≤ 10 = 0,6 ⇔ 1 – 2 P Z ≤ – 10 = 0,6 a a a a ⇔ P Z ≤ – = 0,2 10 En inversant la fonction de répartition grâce à la calculatrice, on trouve : a – ≈ – 0,842 ⇔ a ≈ 8,42 cm ≈ 8,4 cm . 10 On donne donc à la bande une largeur d’environ 8,4 cm de part et d’autre de la cible soit une longueur totale de 16,8 cm. Partie C 1. T suit la loi exponentielle de paramètre λ = 10 On a donc P (T ≥ 2000) = e – 0,0001×2000 → –t– –λt pour t ∈ IR. 1 (qui n’est qu’une fonction affine !) ; t λ Par composition, t → e – λt = 0,0001. ≈ 0,819 . 2. Prouvons simplement que F ’(t) = λ t e t –4 → – λt et t → t e sont dérivables sur IR. est dérivable sur IR puis par produit enfin, F est dérivable sur IR. 1 1 – λt – λt Pour t ∈ IR, F ’(t) = – t – ’× e + – t – × e λ λ )’ = – 1× e – λt + – t – λ1×(– λ e – λt) ( =–e =–e – λt – λt 1 – λt + – t – × – λ e λ ( +tλe – λt +e – λt ) = – e – λt + (– λ e – λt )×(– t) + (– λ e – λt)× – λ1 =λte – λt = f(t). On a bien prouvé que F est une primitive de f sur IR. b. Pour x ≥ 0, ⌠ ⌡0 x λte – λt x dt = [F(t)] 0 = F(x) – F(0) 1 – λx 1 – λ×0 1 – λx 1 = – x – e – – 0 – e = – x – e + . λ λ λ λ 1 – λx 1 Déterminons la limite de – x – e + quand x tend vers + ∞ : λ λ 1 – λx 1 – λx 1 – λx 1 + =–xe – e + . Pour x ≥ 0, – x – e λ λ λ λ 1 – λx 1 1 1 – λx e = 0 car λ > 0 d’où lim – e + = . λ λ x→+∞ λ x→+∞ λ lim – Pour x ≥ 0, – x e – λx =– 1 1 λx – λx ×λxe = – × λx . λ λ e X λx Posons X = λx, on a donc λx = X. e e lim λx = + ∞ et x→+∞ lim λx x→+∞e λx X X = 0 (croissances comparées), on a donc par composition des limites, X→+∞e lim = 0 d’où lim x→+∞ – 1 λx × = 0. λ e λx On a donc par somme des limites, lim x→+∞ ⌠ ⌡0 x λte – λt dt = lim x→+∞ –xe – λx – 1 – λx 1 1 e + = . λ λ λ 1 D’où E(T) = . λ L’espérance de T est donc égale à 1 – 4 = 10000 heures . 10 L’espérance de durée de vie du panneau électrique affichant le score des concurrents est donc de 10000 heures. Utilisation de la Calculatrice Calculatrice * calcul de P (– 10 ≤ X ≤ 10) : Texas Instrument (2nd) Casio Menu STAT Distrib 2 : Normalcdf( ou NormalFRep( – 10,10,0,10) * Détermination de – Dist NORM Ncd Lower : – 10 Upper : 10 σ:0 µ : 10 a a tel que P Z ≤ – = 0,2 10 10 Texas Instrument (2nd) Distrib 3 : invNorm( 0.2, 0,10) Casio Menu STAT Dist NORM InvN Tail : Left Area : 0.2 σ:0 µ : 10