ELEVES-INGENIEURS GME1
APPLICATIONS
(2EME PARTIE)
CORRIGE
1
Ecole Spciale des Travaux Publics
Elves-Ingnieurs GME-1re anne
Anne SCOLAIRE 2015-2016 Application n1
Cours de Probabilits Statistique 20 fvrier 2017
Professeur : Jean-Pierre BOULAY ---
Sujet
13h30- 16h
Lois de probabilits
EXERCICE 1 :
Soit une variable alatoire de loi gomtrique de paramtre (loi note ()).
Question 1 :
Question 2 :
Expliciter ( ), +.
Question 3 :
__________________________________________________________________________________
CORRIGE
Question 1 :
( = ) = =
=1 ( ) =
( 1, + ).
(=)
= a donc pour densit de probabilit () =
= , + .
Il sagit de la loi () .
Question 2 :
( ) = =+ =+ 1
=1 ( = ). ( = ) = =1 .
2
Par glissement de lindice de sommation (en posant = 1), il vient :
.
( ) = =+
=0
(+1)
= . . =+
=0 = 1 .
Question 3 :
Par drivation (au signe prs) de la fonction de fiabilit ci-dessus, on trouve donc la densit de
probabilit de , soit :
( )
() = =
(1 )2
__________________________________________________________________________________
EXERCICE 2 :
Pour effectuer un comparatif entre deux modles de smartphones, une association de consommateurs
sintresse leurs consommations respectives (dans des conditions dutilisation identiques).
Pour cette tude, elle dispose de donnes constructeur qui fournissent des informations sur la
variabilit de la consommation en fonction de lusage qui est fait du tlphone.
Ainsi, pour le modle 1, le fabricant indique-til que la consommation est une variable alatoire 1 de
fonction de rpartition 1 et de densit de probabilit 1 . De mme, pour le modle 2, a-t-on une
consommation 2 de fonction de rpartition 2 et de densit de probabilit 2 .
PARTIE A :
Question A.1 :
Question A.2 :
Montrer que la probabilit que lexemplaire du modle 1 consomme plus que lexemplaire du modle
+
2, soit (1 > 2 ) est gale 1 0 1 (2 ). 2 (2 ). 2 .
PARTIE B :
On suppose dans cette partie et les parties C et D, que 1 2 suivent respectivement des lois
exponentielles de paramtres 1 2 , (lois notes (1 ) et (2 ).
Question B.1 :
3
Calculer, dans ces conditions, (1 > 2 ).
Question B.2 :
PARTIE C :
On se propose, dans cette partie, de retrouver le rsultat de la question B.1 de la partie B, partir de
la loi de la variable = 1 2 .
Question C.1 :
= 1
Suivant le changement de variables { , exprimer la densit de probabilit du couple (, ).
= 1 2
Question C.2 :
Question C.3 :
PARTIE D :
On compare ainsi deux deux, 100 paires de smartphones (respectivement des modles 1 et 2) et on
nota par la variable alatoire gale au nombre de fois o 1 > 2 au cours des 100 comparaisons
(quon supposera indpendantes).
Question D.1 :
Question D.2 :
CORRIGE
Question A.1 :
Question A.2 :
+ +
(1 > 2 ) = ( 1 (1 ). 1 ) . 2 (2 ). 2
0 2
4
+
Mais 1 (1 ). 1 = 1 0 2 1 (1 ). 1 = 1 1 (2 ).
2
+ +
On a donc (1 > 2 ) = 0 2 (2 ). 2 0 1 (2 ). 2 (2 ). 2 .
Soit :
+
(1 > 2 ) = 1 0 1 (2 ). 2 (2 ). 2 . Cest le rsultat cherch !.
Question B.1 :
1 : (1 ) 1 (2 ) = 0 2 1 . e1 1 1 = 1 1 2 .
Ainsi :
+
2 2
(1 > 2 ) = 1 (1 1 2 ). 2 . e2 2 2 = 1 1 + = .
1 + 2 1 + 2
0
Question B.2 :
1
Losque 1 = 2, (1 > 2 ) = 2.
Cest un rsultat logique dans le sens o les deux variables sont continues ((1 = 2 ) = 0), les
vnements {1 > 2 } {1 < 2 } tant par ailleurs quiprobables puisque les deux variables sont
quidistribues.
Question C.1 :
1 2
1 1
(,) (, ). = 1 1 . 2 2 .() . || avec = | | =| | = 1.
1 2 0 1
Question C.2 :
Il faut nanmoins, ici encore, tre trs vigilant sur les bornes dintgration. En effet :
5
(A noter que ce calcul est identique ce quaurait donn le produit de convolution entre les densits
des variables 1 et 2 ).
Question C.3 :
+ 1 2 2
(1 > 2 ) = ( > 0) = 0 1 +2
. 1 . = .
1 +2
Question D.1 :
Numriquement, = 0,5867.
Question D.2 :
6
Ecole Spciale des Travaux Publics
Elves-Ingnieurs GME-1re anne
Anne SCOLAIRE 2015-2016 Application n1
Cours de Probabilits Statistique 20 fvrier 2017
Professeur : Jean-Pierre BOULAY ---
Sujet
16h 18h30
Lois de probabilits
EXERCICE 1 :
Sur une ligne donne de TGV on considre les incidents qui, durant une anne, ont donn lieu, de par
leur gravit, une enqute interne et on note par la variable alatoire reprsentant le retard
(exprim en heure), gnr par un tel incident.
Dautre part, on admet que le nombre des incidents constats durant une anne, est une variable
alatoire suivant la loi de Poisson de paramtre (loi note ()).
Notant par , (1 ), les retards lis aux incidents dune anne, on considre la variable gale
au retard maximal ainsi constat sur ladite priode.
Autrement dit = max , les tant supposes tre indpendantes, quidistribues, et de loi
1
commune ().
Question 1 :
Question 2 :
Question 3 :
Question 4 :
On suppose, dans cette question, que le nombre moyen annuel des incidents graves recenss est
gal 7 et que le retard moyen gnr par de tels incidents est gal 34 .
4a :
Que valent ?
7
4b :
Calculer la probabilit que dpasse 4 heures (seuil de lincident grave aux consquences durables
pour la compagnie de transport).
Question 5 :
Toujours suivant les donnes numriques de la question 4, on note par la variable alatoire gale au
nombredannes pour lesquelles la variable a dpass 4 heures, ceci sur une priode dobservation
de 50 ans.
5a :
5b :
5c :
__________________________________________________________________________________
CORRIGE
Question 1 :
La variable = est une variable continue valeurs sur [0, +[ (comme les ).
( = ) = (1 , 2 , , ) = =
=1 ( ) (puisque les variables
alatoires sont supposes tre indpendantes).
En conclusion, ( = ) = (1 ) .
Question 2 :
() a des valeurs .
( ) = =+ =+
=0 ( = ). ( = ) = =0 . . (1 ) .
!
8
Question 3 :
()
() = = . . exp( ) , 0.
Question 4.a :
1
Rappelant que si : (), ( ) = , et qui si : (), () = , les donnes numriques
4
proposes entranent = 7 et = 3.
Question 4.b :
4
( > 4) = 1 ( 4) = 1 exp(7. exp ( 3 4)))=0,033231.
Question 5.a :
(50, = 0,033231).
Question 5.b :
est grand et est faible. Dans ces conditions, la loi binomiale converge (en loi), vers la loi de Poisson
de paramtre = 1,66154.
1,66154
Ainsi ( 5) est-elle approche par =5
=0 !
. 1,66154 = 0,9928.
_________________________________________________________________________________
EXERCICE 2 :
Question 1 :
Question 2 :
Calculer ( = ).
Question 3 :
Calculer ( ).
9
Question 4 :
4a :
4b :
Question 5 :
5a :
5b :
5c :
_________________________________________________________________________________
CORRIGE
Question 1 :
Question 2 :
2
( = ) = ={(,)2 =} 1 1 . 1 . 2 1 . 2 = +
=1 1 2 (1 2 )
1
= 11 .
1 2
Question 3 :
=+ =+
( ) = 1 1 . 1 . 2 1 . 2 = 1 2 ( 1 1 ). 2 1
={(,)2 } =1 =
=+ =+
1 2
( ) = 1 2 . 1 1 . . 1 = 2 . (1 2 )1 =
1 1 2 1 1 2
=1 =1
10
Question 4 :
4a :
2
Lorsque 1 = 2 = , ( = ) = 12 = 1+.
1 1
( ) = = . Il sensuit ( > ) = ( ) ( = ) = = .
12 1+ 1+ 1+
1
Dautre part, ( < ) = 1 ( ) = 1 1+ = 1+.
4b :
On remarque ici encore que ( < ) = ( > ), symtrie logique au regard de lquidistribution
des lois de .
Question 5 :
5a :
Bref, ( ) = (1 2 )1 .
5b :
( = ) = ( ) ( + 1) = (1 2 )1 (1 2 ) = (1 2 )1 . [1 1 2 ].
5c :
11
Ecole Spciale des Travaux Publics
Elves-Ingnieurs GME-1re anne
Anne SCOLAIRE 2015-2016 Application n2
Cours de Probabilits Statistique 27 fvrier 2017
Professeur : Jean-Pierre BOULAY ---
Sujet
13h30- 16h
Esprance mathmatique
Esprances conditionnelles
EXERCICE 1 :
On suppose que la demande durant un intervalle de temps est une variable alatoire de densit
de probabilit () (avec 0 bien videmment).
Si est infrieure au stock , les pices restantes sont vendues avec une perte unitaire gale 1 .
Question 1 :
On notera par le cot en question (qui est donc une variable alatoire).
Question 2 :
Question 3 :
On rappelle que :
() ()
(, )
( (, )) = (). ((), ) (). ((), ) + .
() ()
()
Exprimer la drive
en fonction de , , 1 , 2 o dsigne la fonction de rpartion de la variable
alatoire .
12
Question 4 :
Dterminer la valeur de qui rend () minimale et montrer que est une fonction de et de la
2
quantit = .
1 +2
Question 5 :
On suppose dans cette question que 2 = 21 et que la demande suit la loi exponentielle de
paramtre 150 ( (150)).
Question 6 :
On suppose dans cette question que est une variable alatoire discrte dont la loi est dfinie
ci-dessous, 1 2 tant toujours lis par la relation 2 = 21 (Cest le cas par exemple, si le produit
est un gros matriel lectromnager).
Valeurs de 0 1 2 3 4 5 6
( = ) 0,1 0,1 0,2 0,2 0,2 0,1 0,1
Explicitant point par point, la fonction de rpartition F de , valuer la valeur du stock la mieux
approprie.
CORRIGE
Question 1 :
= 0 0
{ = 1 . ( ) 0 .
= 2 . ( ) >
Question 2 :
Question 3 :
() +
= 1 . 0 () 2 . ().
13
()
= 1 . () 2 . [1 ()]=2 + ( 1 + 2 ). ().
Question 4 :
()
La solution de lquation =0 dfinit la valeur optimale du stock et est donc galement la
2
solution de lquation 0=2 + ( 1 + 2). (), soit () = = (suivant la notation de
1 +2
lnonc).
()
On remarquera quil sagit bien l dun minimum puisque = (1 + 2 ). () > 0.
Question 5 :
1
Supposant de loi (150), () = 0 50 . 50 = 1 50 .
2
Sachant par ailleurs que 2 = 21, ce qui entrane = 3, le stock optimal est donc solution de
2 1
1 50 = = 50. ln ( ) = 54,93.
3 3
Question 6 :
Le calcul, point par point, des valeurs de () conduit, dans lexemple propos, au tableau des
probabilits cumules ci-dessous :
( = ) ()
0 0,1 0,1
1 0,1 0,2
2 0,2 0,4
3 0,2 0,6
4 0,2 0,8
5 0,1 0,9
6 0,1 1
2
La solution entire qui est la plus proche de 3 correspond donc = 3.
EXERCICE 2 :
Soient et deux variables alatoires indpendantes suivant les lois de Poisson de paramtres
respectifs 1 2 (lois notes (1 ) (2 )).
Question 1 :
Quelle est la loi suivie par la variable = + ? (On ne dmontrera pas de nouveau, ce rsultat
classique de cours).
14
Question 2 :
2a :
2b :
Reconnatre ainsi une loi binomiale (, ) dont on prcisera les valeurs prises ici par .
Question 3 :
Question 4 :
Question 5 :
5a :
5b :
5c :
Toujours laide du thorme de lesprance totale, retrouver ainsi le rsultat suivant lequel
( ) = .
CORRIGE
Question 1 :
Question 2 :
2a :
(=,=)
( = = ) = (=)
, pour tout {0,1,2, . , }.
=
Or, selon le changement de variables { on a ( = , = ) = ( = , = ).
=+
15
Par ailleurs, comme et sont indpendantes, la loi du couple est le produit des lois.
Finalement, ( = , = ) = ( = , = ) = ( = ). ( = ).
Soit, en explicitant :
1 2
1
!
. . ()!
. 2
( = = ) = (1 +2 ) .
. (1 +2 )
!
En simplifiant :
1 1
( = = ) = ( ). ( ) . (1 )
1 +2 1 +2
2b :
1
Il sagit de la loi binomiale (, ).
1 +2
Question 3 :
1
Il en rsulte immdiatement ( = ) = . (rsultat du cours).
1 +2
Question 4 :
1
Considrant la variable conditionne , on a () = . .
1 +2
1
Suivant le thorme de lesprance totale, on a donc () = [()] = . ().
1 +2
Or ()= 1 + 2 puisque : (1 + 2 ).
Question 5 :
5a :
{1,2, . , }
(pour tout {
{0,1,2, . , }
De mme, 1 + 2 + + 1 + +1 + : (1 + 2 + + 1 + + + ).
Dautre part, est indpendante des ( ). Elle est donc indpendante de leur somme
1 + 2 + + 1 + +1 + (Daprs le Lemme des coalitions).
16
En bref :
( = , 1 + 2 + + 1 + +1 + = )
=
( = ). (1 + 2 + + 1 + +1 + = )
Soit, en simplifiant :
( = = ) = ( ) ( = ) . (1 = )
=1 =1
Cest la loi binomiale (, ) !.
=
=1
5b :
( = ) = .
=1
=
5c :
( ) = = . , donc [( )] = ( ) = = . () = (puisquici encore () = =
=1 ).
=1 =1
17
Ecole Spciale des Travaux Publics
Elves-Ingnieurs GME-1re anne
Anne SCOLAIRE 2015-2016 Application n2
Cours de Probabilits Statistique 27 fvrier 2017
Professeur : Jean-Pierre BOULAY ---
Sujet
16h- 18h30
Esprance mathmatique
Esprances conditionnelles
EXERCICE 1 :
Un industriel vend un article au prix fixe . Il rembourse le prix dachat tout acheteur qui constate
que le poids (alatoire) de larticle est infrieur un poids donn 0 et dans un tel cas, il rcupre
larticle en question dont la valeur de la matire premire est gale .
On suppose que est une variable alatoire valeurs relles et on note par () sa densit de
probabilit. On posera = () et 2 = ().
Un rglage adquat permet de fixer nimporte quelle valeur dsirable, mais par contre lcart-type
nest pas rglable.
Le prix de revient de chaque article est une fonction linaire de son poids, soit :
= + .
Question 1 :
Question 2 :
2a :
2b :
[()] = + + ( ). (0 )
Question 3 :
18
On admet que suit la loi normale (, ), cest--dire de densit de probabilit
1 1
() = . exp ( 22 . ( )2 ) , .
2
On rappelle que si : (, ) , la variable =
(0,1) (cest--dire la variable de densit de
1 2
probabilit () = 2
. exp ( 2 ) , ). On notera par ailleurs par (u) = P(U u), la
fonction de rpartition de la variable normale centre rduite .
3a :
0
Vrifier que [()] = + + ( ). (
).
3b :
[()]
Calculer
.
3c :
Question 4 :
Que vaut ?
CORRIGE
Question 1 :
B(W) = . W + v si > 0
B(W) = . W + p si 0
Synthtiquement, () = . + . 1>0 + . 10 .
Question 2 :
2a :
+
(()) = (). (). = . () + . (). + . 0 (). .
0
2b :
(()) == . + . [1 (0 )] + . (0 )
19
Question 3 :
3a :
0
Si : (, ), on a ( 0 ) = (
).
0
Avec les notations de lnonc, on a donc (()) == . + + ( ). ( ).
3b :
(()) 1 0
= + ( ). ( ) . ( ).
3c :
1 0 0
0 = + ( ). ( ) . (
) soit (
) = .
2
1
Or, () = . 2 .
2
.2 1
On a donc
= exp( 22 . (0 )2 ).
1
2
Do = 0 . 2 [ln( )] .
.2
1
2
On retiendra la solution = 0 + . 2 [ln(. )] car on a ncessairement > 0 .
2
Question 4 :
EXERCICE 2 :
Par ailleurs, on suppose que pour tout entier strictement positif, la loi de la variable conditionnelle
= est la loi binomiale (, ) et que = 0 si = 0.
Question 1 :
Question 2 :
Question 3 :
20
Pour tout (, ) 2 , expliciter la probabilit conditionnelle ( = = ).
Question 4 :
4a :
En dduire () en fonction de et de .
4b :
Montrer que la variable = est une variable de Poisson translate dont prcisera ici la valeur
de la translation (cest--dire de ) et du paramtre (cest--dire de ).
4c :
Question 5 :
Question 6 :
A un embranchement routier, le nombre de vhicules qui arrivent en une heure suit une loi de
Poisson de moyenne 100 vhicules par heure.
Les vhicules ont le choix entre deux directions A ou B quils choisissent en proportions respectives
1 2
3
3 . Il est prcis que ces choix se font de faon indpendantes.
Sachant quen une heure, on sait que 100 vhicules ont pris la direction A, quel est le nombre moyen
de vhicules qui ont emprunts lembranchement durant lheure en question ?
Question 7 :
7a :
7b :
21
CORRIGE
Question 1 :
( = 0, = 0) = ( = 0 = 0). ( = 0) = 1( = 0) = .
!
( = , = ) = ( = = ). ( = ) = !
. . !.()! . (1 ) .
Remarquant que le rsultat ci-dessus reste applicable la valeur (0,0)du couple (, ), on retiendra
donc, dans tous les cas, cest--dire pour tout couple dentiers (, ) +2 0 :
() (. (1 )) .(1)
( = , = ) = .
! ( )!
Question 2 :
()
Bref, ( = ) = !
().
Question 3 :
(=,=)
( = = ) = , pour 0.
(=)
() (.(1)) .(1)
!
. ()! (.(1)) .(1)
( = = ) = () = .
()!
!
Question 4 :
4a :
Soit = .
() () = () = + .
4b :
(.(1)) .(1)
( = = ) = !
, ceci pour .
22
Ainsi la variable = suit-elle la loi de Poisson (. (1 )) et la variable = suit-elle une
loi de Poisson translate.
= . (1 )
Avec les notations de la question 4a), on a {
=
4c :
Question 5 :
Question 6 :
1
On est dans le contexte des questions antrieures avec = 100 et = 3.
1
Si = 100, () = 100. (1 ) + 100 = 167.
3
1
Se mfier ici du raisonnement simpliste mais sduisant, suivant lequel si 3 des vhicules allant vers A
2
et si le nombre de ces vhicules est 100, ceux qui vont vers B (en proportion 3 ) sont donc au nombre
de 200, tant donc pour sa part gale 300.
Question 7 :
7a :
() = ( + ) = () + () = + ()
Finalement : () = + ()
7b :
Soient :
23
1
: () () = 100 = 33
3
24
Ecole Spciale des Travaux Publics
Elves-Ingnieurs GME-1re anne
Anne SCOLAIRE 2015-2016 Application n3
Cours de Probabilits Statistique 20 mars 2017
Professeur : Jean-Pierre BOULAY ---
Sujet
13h30- 16h
Jeu de flchettes
Question 1 :
Question 2 :
2a :
(Attention : Etre trs attentif aux bornes dintgration quand on applique la loi des probabilits
marginales!).
2b :
Question 3 :
Question 4 :
4a :
4b :
Quen conclure ?
25
Question 5 :
5a :
5b :
= .
Partant du couple (, ), expliciter la loi du couple (, ) o { .
= .
5c :
5d :
Question 6 :
6a :
Calculer ().
6b :
Question 7 :
7a :
7b :
En dduire [ 2 = ] puis [ 2 + 2 = ].
7c :
Question 8 :
Un tireur tire sur la cible . La loi du point dimpact (, ) sur la cible est suppose uniforme.
Au point dimpact est associ la distance de ce point au centre de la cible, soit la variable
= 2 + 2 .
Supposant quune partie consiste en une srie de tirs indpendants, calculer la probabilit que lune
au moins des flchettes tires soit une distance infrieure du centre de la cible (0 < < 1).
26
CORRIGE
Question 1 :
Suivant la notion de probabilit uniforme sur une partie de 2 ( ), on a
lmentairement (,) (, ) = =
.
1
si (, ) 1
Plus rigoureusement (,) (, ) = { soit (,) (, ) = . 1{02 +2 1} (, ).
0
Question 2 :
2a :
+1 2
2
() = (,) (, ) = = . 1 2 . 111 ()
1 2
2
() = . 1 2 . 111 ()
2b :
+1 2
() = 1
. 1 2 = 0 .(En effet, il sagit ici de lintgrale dune fonction impaire sur un
domaine symtrique par rapport lorigine).
Question 3 :
Question 4 :
4a :
+1 +1 2 +1 +1 2
1 1 1 2
() = . = . ( . ) = . . [ ] . = 0
2 12
1 1 2 1
4b :
27
Question 5 :
5a :
() = ({(, ) 2 + 2 }.
Le raisonnement le plus simple est dinterprter ici encore la probabilit uniforme suivant
" "
" "
.
0 0
Ainsi () = { = 0 1
1 > 1
Plus lourd mais plus rigoureux est le raisonnement qui conduit passer par la loi du couple (, ).
() = ({(, ) 2 + 2 } avec 0 1.
+ + 2 +
() = ( ). = 2. 2 .
2
En posant = . , il vient () = 2 2. . . . = .
2
5b :
1
Partant de la densit lmentaire (,) (, ) = . 1{0 2 +2 1} (, ). du couple (, ), le
= .
changement de variables { conduit pour le couple (, ) la densit lmentaire
= .
1 1
. ||1{ 01 avec = |
| = . Do (,) (, ) = . . 1{ 01
02 02
2 2 1
Suivant la loi des probabilits marginales, on a donc () = 0 (,) (, ) = . 0
. = 2
(pour 0 1)
5c :
Bref, dans tous les cas, soit par lintermdiaire de la fonction de rpartition () , soit directement par
la densit de probabilit (), on reconnait dans la loi de , la loi uniforme (continue) sur [0,1], loi
note habituellement [0,1].
28
Question 6 :
6a :
1
1
() = . =
2
0
6b :
Question 7 :
7a :
(,) (,)
= () = ()
avec 1 2 +1 2
(En effet, 0 2 + 2 1 1 2 +1 2 )
On a donc :
1
1
= () = . 1[12 ;+12 ] (, ) = . 1[12 ;+12 ] (, )
2 2 21 2
. 1
7b :
+1 2 +1 2
2 2
31 2. (1 2 ). 1 2
( = ) = . = .[ ] =
21 2 21 2 3 12 6. 1 2
1 2
1 2
( 2 = ) = 3
.
Dautre part, ( 2 + 2 = ) = ( 2 = ) + ( 2 = ) = 2 + ( 2 = ).
1 2 2 2 +1
Ainsi, ( 2 + 2 = ) = 2 + = .
3 3
7c :
2 2 +1
Utilisant le thorme de lesprance totale, on a () = [( 2 + 2 )] = ( 3
).
1 2 1 2 1 1
Il vient () = 3 + 3 . ( 2 ) = 3 + 3 . 4 = 2.
29
Question 8 :
Notant A lvnement { }, on a
= { min }.
1
Or ( min ) = (1 , 2 , , ) = =
=1 ( ) = [( )] .
1
Mais ( ) = ( 2 + 2 ) = ( 2 ) = 1 2 .
Finalement, ( min ) = (1 2 ) () = 1 (1 2 ) .
1
30
EXERCICE 2 : (sur 6 points)
Question 1 :
() = (). ()
Question 2 :
2
On rappelle que si suit la loi normale centre rduite (0,1), on a () = 2 .
On suppose dans cette question que sont deux variables alatoires indpendantes de loi
normale centre rduite.
Calculer ().
Question 3 :
3a :
3b :
Question 4 :
On considre une variable alatoire dont la densit de probabilit est dfinie par :
1
() = . exp(||) ,
2
4a :
4b :
31
CORRIGE
Question 1 :
( = ) = . = () = . ()
On a donc ( = ) = . () = ().
Question 2 :
2 2
1
Dans cette question on a () = 2 et () = .
2 , .
2
2 2 2 (2 +1).2
+ 1 1
() = 2 . 2
. 2 . = .
2 . .
2
2
1
Posant = 2 + 1. , on a () = . 2 . .
2 +12
2
1
Or . 2 . = 1.
2
1
Donc () = .
2 +1
Question 3 :
3a :
3b :
1
Or 1 .2 () = 3 .4 () = (daprs la question 2).
2 +1
1
En conclusion : 1 .2 +3 .4 () = 1+ 2.
32
Question 4 :
4a :
1 1
() = . exp(||) . 1 () () = . . exp(||) .
2 2
0 + +
1 1 1
() = . . + . . = . ( + ).
2 2 2
0 0
1 1 1 1
() = . [ + ]=
2 1 + 1 1 + 2
4b :
33
34
Ecole Spciale des Travaux Publics
Elves-Ingnieurs GME-1re anne
Anne SCOLAIRE 2015-2016 Application n3
Cours de Probabilits Statistique 20 mars 2017
Professeur : Jean-Pierre BOULAY ---
Sujet
16h- 18h30
(Les trois questions de cet exercice peuvent tre traites de faon indpendantes. Nanmoins, il est
conseill de suivre lordre croissant des questions).
+ 1
(on rappelle que () = 0 = ( 1)!. ). Intgrale dEuler ).
Question 1 :
1a :
Pour (, ) , calculer ( . ).
1b :
1c :
1d :
(Comme toujours lorsquon applique la loi des probabilits marginales, soyez attentifs bien dfinir les
bornes dintgration).
1e :
35
1f :
Utilisant les rsultats du polycopi quant ces lois et leurs moments, vrifier ainsi lexactitude des
valeurs de (), (), (), () obtenues dans les questions 1b et 1c.
1g :
Question 2 :
=+
On pose { .
= +
2a :
Calculer (, ).
2b :
=+
A laide du changement de variables { , expliciter la densit de probabilit (,) (, ) du
= +
couple (, ).
2c :
(On se mfiera tout particulirement des bornes dintgration. Ainsi, exprimant les (, ) en fonction
des(, ), il faut sinterroger sur les consquences pour , des ingalits 0 < < < +).
2d :
sont-elles indpendantes ?
Question 3 :
3a :
3b :
36
3c :
On considre une variable alatoire valeurs sur + . On note par () sa densit de probabilit
et par () sa fonction de fiabilit (dfinie, pour rappel, par () = ( > ).
+
Montrer que si lim . () = 0, on a () = 0 (). .
+
3d :
CORRIGE
Question 1 :
1a :
+ +
2 2
++1 2
( ) = = . ( ). =
+1
0<<<+ 0 0 0
+ ++1 1 1 +
Posant = , on a ( ) = 0 (+1).+1+
2 . = (+1).+ . 0 ++1 .
(++2) (++1)!
Finalement, ( ) = (+1).+ = (+1).+.
1b :
1c :
2
Il en rsulte immdiatement () = ( 2 ) ()2 = 2 2 (1) = 1 2.
2
De mme, () = ( 2 ) ()2 = 6 2 (2 ) = 2 2.
Enfin, (, ) = () (). () = 3 2 2 . 1 = 1 2
37
1d :
+
() = 2 = . ( 0)
() = 2 = 2 . ( 0)
0
1e :
La loi de est reconnaissable immdiatement. Cest la loi exponentielle de paramtre , loi note
().
1f :
1 2 1
Conformment aux rsultats mentionns dans le polycopi () = , () = , () = 2 et
2
() = .
2
On retrouve donc bien ici les rsultats obtenus aux questions 1b et 1c.
2a :
(, ) = ( + , ) = () () (cf.bilinarit de la covariance).
2 1 1
On a donc (, ) = 2 2 = 2.
2b :
1
=+ = 2 . ( )
Suivant le changement de variables { { 1 , la densit lmentaire
= = . ( + ) 2
+
(,) (, ) = 2 . . 10<<<+ (, ) (,) (, ) = 2 . . 2 . ||1(,) (, ).
1
>0 . ( ) > 0 >
Or dune part { {12 1 {
> . ( + ) > . ( ) >0
2 2
1 1
Dautre part, =
|
| =| 2 2| = 1
1 1 2
2 2
+
1
Finalement, (,) (, ) = 2 . . 2 . 2 . 10<<<+ (, ) ,soit :
+ 1
(,) (, ) = 2 . . 2 . . 1 (, )
2 0<<<+
38
2c :
+ +
2
() (,
= (,) ). = . 2 . 2 = . ( 0)
2
() = 1
(On pourra vrifier ici que { (ce qui est en conformit avec les rsultats fournis par la
() = 3
linarit de lesprance mathmatique applique et ).
2d :
3a :
=
( ) = ( ) = [( )]
=1
+ +
Or ( ) = = [ ] =
Ainsi ( ) = , 0
( )
Il sensuit pour , la loi de densit de probabilit () = = . 1+ ().
Dautre part :
=
( ) = ( ) = [( )]
=1
Or ( ) = 0 = [ ]0 = 1 .
Ainsi ( ) = [1 ] , 0.
1
a donc pour densit de probabilit () = . [1 ] . 1+ ().
3b :
39
3c :
+ +
() = . (). = . ()
0 0
= =
Intgrant par parties suivant { { , on a immdiatement :
= () =
+ +
() = [. ()]+
0 + () = ()
0 0
3d :
+
On a donc ( ) = 0 (1 [1 ] ).
1 1 (1)
Posant = 1 = .(1), il en rsulte ( ) = 0 .
(1)
. .
1 1 1 1 1 1
Par division, ( ) = 0 (1 + + 2 +. . 1 ). = . (1 + + + . )
2 3
40
EXERCICE 2 : (sur 5 points)
On rappelle que si la variable suit la loi normale centre rduite (loi note (0,1)),la fonction
2
caractristique () de est gale 2 .
Question 1 :
1a :
1b :
Montrer que si deux variables alatoires et sont indpendantes et de lois normales respectives
( , ) et ( , ), la variable = + , (, ) 2, suit une loi normale dont on
prcisera la moyenne et lcart-type.
Question 2 :
2a :
Quelle est la loi conditionnelle de sachant = (loi dont on notera la densit de probabilit par
= ().
2b :
En dduire la loi du couple (, ), loi dont on notera la densit de probabilit par (,) (, ).
2c :
CORRIGE
Question 1 :
1a :
Si (, ), = . + , o (0,1).
2 2
On a donc () = [ ] = [ .(.+) ] = . [ ] = . () = . 2 .
41
1b :
2 2 2
.
: ( , ) () = [ ] = () = . 2
Si { ,{ .
: ( , )
2 2 2
.
() = [ ] = () = . 2
2 2 2 + 2 2 )
Comme et sont indpendantes, + () = (). () = (+ ) . 2 .(
+ () est la fonction caractristique dune loi normale. Il sagit, plus prcisment, de la loi
( + , = 2 2 + 2 2 ).
Question 2 :
2a :
+.
= = .
1+ 2
2b :
La densit (,) (, ) du couple (, ) est gale au produit (). = (), soit en tenant compte
2 2
1 1
du fait que : (0,1), (,) (, ) = . 2 . . 2 , (, ) 2.
2 2
2c :
42
Ecole Spciale des Travaux Publics
Elves-Ingnieurs GME-1re anne
Anne SCOLAIRE 2015-2016 Application n4
Cours de Probabilits Statistique 27 mars 2017
Professeur : Jean-Pierre BOULAY ---
Sujet
13h30- 16h
Convergences
Loi normale
Soit > 0. Pour tout entier , on considre la suite ( )1 des variables de Bernoulli ,
indpendantes et de paramtre = .
1
Soit la variable alatoire dfinie par = . { 1 = 1}.
Question 1 :
Question 2 :
2a :
2b :
Question 3 :
Montrer que lim () = .
+
Question 4 :
Considrant une variable alatoire de loi exponentielle de paramtre (loi note ()),
calculer ().
Question 5 :
En conclure que la suite des variables converge en loi vers la variable alatoire de loi ().
43
CORRIGE
Question 1 :
. est le premier indice pour lequel = 1. Lindpendance des et leur loi, rpondent aux
conditions de la modlisation par la loi gomtrique de paramtre = .
Question 2 :
2a :
Posant = . , on a () = =+
=1
. ( = ) = =+
=1
. (1 )1 .
Il vient () = . . =+
=1
(1)
. (1 )1 = . . =+
=0
. (1 ) .
1 .
Par sommation, () = . . 1(1 =
.
). 1(1 ).
2b :
() = [ . ] = [ . ] = . ().
.
.
Ainsi () =
.
.
1(1 ).
Question 3 :
.
. 1
Ecrivant () sous la forme () =
= .
et remarquant dautre part,
. .
. .[1 + ] 1 +
1
quau voisinage de linfini, . = 1 + (), on obtient, pour quivalent de (), la fonction
1 1
= = .
1 + (1 ) 1
Question 4 :
+
Lorsque suit la loi exponentielle de paramtre , () = 0 . = .
Question 5 :
44
EXERCICE 2 : (sur 13 points)
Un htelier loue lavance ses 95 chambres pour la semaine qui correspond au pic de demandes de la
haute saison touristique.
Ayant remarqu que chaque anne, il y avait un taux de dsistement de 5% (en moyenne), lhtelier
acccepte 100 rservations.
Question 1 :
Notant par la variable alatoire gale au nombre des dsistements constats, indiquer quelle est la
loi suivie par et en prciser son esprance et sa variance.
Question 2 :
Question 3 :
On souhaite valuer de plusieurs manires, la probabilit que tous les clients qui ont rserv ne
puissent pas tre accueilis par lhtelier.
3a :
3b :
3c :
3d :
Question 4 :
Sachant que 100 rservations ont t prises, de combien de chambres lhtelier devrait-il disposer
pour tre assur au moins 95%, de faire face ses engagements ?
45
Question 5 :
Dans cette question on suppose que le nombre de chambres est 95 et que le nombre des rservations
est dsormais inconnu.
Si lindpendance des dsistements reste inchange, il en est autrement du taux des dsistements
dont, par suite de nouvelles facilits laisses aux clients, la valeur est dsormais de 15%.
Lhtelier souhaite pratiquer le surbooking tout en vaillant limiter 10% le risque de ne pas pouvoir
accueillir un client qui aurait rserv sa chambre.
Soit la variable alatoire gale au nombre de clients qui suite une rservation se prsentent
lhtel pour la semaine en question.
5a :
5b :
CORRIGE
Question 1 :
Il est immdiat que suit la loi binomiale (, ) suivant laquelle = 100 et = 0,05.
Question 2 :
Puisque est grand et est faible, les conditions de convergence de la loi binomiale vers la loi de
Poisson (de paramtre = . = 5) sont runies ici.
Cependant, on peut penser galement au thorme central limite (thorme de Moivre Laplace
relativement la loi binomiale), thorme en fonction duquel ( = 5, = 2,17945).
Question 3 :
Tous les clients qui ont rserv et qui se prsentent ne peuventpas tre logs si le nombre de
dsistement est strictement infrieur 5.
3a :
46
5
( 5) = ( < 5) = =4 5
=0 . ! = 0,4405.
3b :
55
Si on admet que ( = 5, = 2,17945), on a ( 5) = ( 2,17945 = 0) = 0,5.
3c :
550,5
On a donc ( 5) = ( = 0,23) = ( 0,23) = 0,409.
2,17945
3d :
Bien que soit grand, la faible valeur de diminue lefficacit du thorme central-limite, imprcision
compense que partiellement par la prise en compte de la correction de continuit de Yates.
En fait, on reste pleinement ici dans les critres de convergence de la loi binomiale vers la loi de Poisson
qui conduit, dans cet exemple, la valeur la plus proche de la rponse exacte.
Question 4 :
Dans cette question, on cherche le nombre de chambres, soit , tel que ( 100 ) 0,95.
Rappelant que ( = 100, = 0,05), et utilisant le thorme central limite, il vient (en
ngligeant la correction de continuit):
100 5 + 5 100
( 100 ) = ( ) = ( ) 0,95
2,17945 2,17945
Soit 0,95 ( 0,95 ) 0,95 . Par lecture de table, on a immdiatement la condition 0,95 1,645,
+5100
do, le rsultat 2,17945
1,645 98,58.
Question 5 :
5a :
: (, 0.95).
( ) = 0,95.
On a donc {
( ) = 0,95.0,05. = 0,217945.
47
5b :
Le thorme de Moivre Laplace (thorme central limite appliqu aux variables de Bernoulli dont est
la somme) entrane la convergence de vers la loi normale ( = 0,85. , = 0,35707. ).
On souhaite trouver la valeur de partir de laquelle la relation ( > 95) 0,10 nest plus
satisfaite.
0,85.
Pour la variable normale centre rduite associe , soit = 0,35707.
, on a donc la
950,85.
relation ( > 0,35707.
) < 0,10. Notant par 0,90 le nombre vrifiant ( > 0,90 ) < 0,10, il vient
par lecture de table, la condition 0,90 > 1,28.
950,85.
Il sensuit 0,35707.
> 1,28, soit aprs lvation au carr et dveloppement, linquation :
La premire valeur de partir de laquelle on na plus ( > 95) 0,1 est donc 1 = 106,22.
48
Ecole Spciale des Travaux Publics
Elves-Ingnieurs GME-1re anne
Anne SCOLAIRE 2015-2016 Application n4
Cours de Probabilits Statistique 27 mars 2017
Professeur : Jean-Pierre BOULAY ---
Sujet
16h- 18h30
Convergences
Loi normale
Soit une suite de variables alatoires indpendantes et quidistribues de loi uniforme continue
sur [0,1] (loi note [0,1] ).
On pose = max .
1
Question 1 :
Question 2 :
Aprs avoir calcul lim (), en dduire que , o (1) (loi exponentielle de
+
paramtre 1).
Question 3 :
Montrer que la suite des variables converge en loi vers la loi de Gumbel.
(On rappelle que si suit la loi de Gumbel, sa fonction de rpartition () est gale
(()) , 0)
CORRIGE
Question 1 :
() = (. (1 ) ) = ( 1 )
Or ( 1 ) = 1 ( < 1 ) = 1 =
=1 ( < 1 )
1
Mais [0,1] , ( < 1 ) = 0 = 1 .
49
Finalement, () = 1 (1 ) .
Question 2 :
Lorsque +, () 1 . En effet, il est immdiat que (1 ) = exp(. ln (1 )) a
pour quivalent exp (. ( )) = exp() au voisinage de linfini.
Or pour une variable alatoire Z de loi exponentielle de paramtre 1, (loi note (1)), on a
() = 0 = 1 .
Question 3 :
=
( ) = ( + ln()) = ( + ln())
=1
+ln() +ln()
Or pour tout 1 , ( + ln()) = 0 = [ ]0
Ainsi ( + ln()) = 1 ln() = 1 et ( ) = [1 ] .
Lorsque +, [1
] = exp(. ln (1
)) a pour quivalent exp(exp()).
Cela tablit la convergence en loi de la suite des variables vers la loi de Gumbel.
Il reoit chaque matin leurs commandes. Ce sont des variables alatoires , {1,2,3},
indpendantes,suivant des lois normales de moyennes respectives 55, 65, et 30 (en kilo) et dcart-
types respectifs 4, 10, et 3 (en kilo).
Question 1 :
Dsignant par la variable alatoire gale la quantit journalire de viande fournir, indiquer quelle
est la loi suivie par Z ainsi que ses paramtres () et ().
Question 2 :
50
Quelle est la quantit de viande quotidienne dont le grossiste doit disposer pour que le risque de ne
pouvoir satisfaire la demande soit infrieur 5% ?
Question 3 :
On admet dans cette question que le grossiste prvoit une disponibilit quotidienne gale 169 kg.
Lanne comptant 200 jours dapprovisionnement, on note par la variable alatoire gale au nombre
de jours dans lanne o la demande na pu tre satisfaite.
3a :
3b :
Que valent () et () ?
3c :
Question 4 :
4a :
4b :
4c :
4d :
Question 5 :
Dans cette question, on suppose que les variables , {1,2,3}, sont toujours indpendantes et de
lois normales respectives ( = 55, = 4), ( = 65, = 10), ( = 30, = 3).
La disponibilit quotidienne en viande fixe par le fournisseur est dsormais inconnue et est note .
tant toujours la demande journalire ( = 1 + 2 + 3 ), les rgles de gestion qui sappliquent ici
sont les suivantes :
51
Si , le fournisseur supporte une perte gale 1 euros par kilo invendu ;
Si > , le fournisseur supporte des pnalits lourdes gales 2 euros par kilo manquant.
5a :
Exprimer en fonction de , et de 1 , 2 et .
5b :
Calculer () (on se contentera ici dune expression sous forme dune somme dintgrales).
5c :
On rappelle que :
() ()
(, )
( (, )) = (). ((), ) (). ((), ) + .
() ()
Quelle est la valeur optimale dont le fournisseur doit pouvoir assurer chaque jour la disponibilit
en viande de faon ce quil minimise son esprance de perte ?
5d :
Question 1 :
= 1 + 2 + 3 suit la loi normale puisque cette dernire est stable par rapport laddition de
variables indpendantes.
() = =3
=1 ( ) = 150
Plus prcisment { =3
.
() = =1 ( ) = 42 + 102 + 32 = 1252
Question 2 :
52
150
Relativement la variable centre rduite associe , il sensuit ( > 11,1803) < 0,05 , soit par
150
complmentarit, ( 11,1803) 0,95 .
Or () = ( ) = 0,95 = 1,645.
150
Ainsi 1,645 150 + 1,64511,1803 = 168,39.
11,1803
Question 3 :
3a :
Dans lhypothse d(un approvisionnement journalier gal 169kg, la probabilit de pnurie pour un
169150
jour donn, est = ( > 169) = ( > 11,1803
= 1,6994).
Pour chaque journe , on peut associer lvnement A = demande non satisfaite , la variable
indicatrice de A, soit . Il est immdiat que suit la loi de Bernoulli (1, ).
3b :
() = = 2000,0446 = 8,92
{
() = . (1 ) = 2000,0446(1 0,0446) = 8,52217
3c :
Puisque est grand et faible, on peut approximer par la loi de Poisson de paramtre
= = 8,92.
Toutefois, le thorme central limite sapplique galement ici et autorise une approximation de la loi
binomiale par la loi normale ( = 8,92 , = 8,52217 = 2,91913) (rsultat qui, sagissant de la
loi binomiale est connu aussi sous le nom de thorme de Moivre-Laplace).
Question 4 :
4a :
8,92
Suivant lapproximation de Poisson, ( > 10) = 1 ( 10) = 1 =10
=0 !
. 8,92 = 0,285
4b :
Suivant lapproximation de par la loi normale (en ngligeant la correction de continuit de Yates),
108,92
on a ( > 10) = ( > 2,9193
= 0,37) = 1 (0,37) = 0,3557
4c :
53
La prise en compte de la correction de continuit de Yates conduit exclure le point 10 de lintervalle
tudi et donc ajouter 0,5 la borne propose.
108,92+0,5
On est donc amen calculer ( > 2,9193
= 0,541) = 1 (0,541) = 0,2946
4d :
Les rsultats prcdents soulignent limportance de la correction de continuit de Yates pour les
varaleurs relativement faibles du produit . Cest la loi de Poisson qui rpond le mieux ici aux critres
de convergence de la loi binomiale.
Question 5 :
5a :
= 1 . ( )
{
= 2 . ( ) >
En rsum, = 1 . ( ). 1 + 2 . ( ). 1>
5b:
5c:
()
La valeur optimale cherche est solution de lquation
= 0.
() +
= 1 () 2 () = (1 + 2 ). () 2 ( () dsignant la fonction de
rpartition de ).
La valeur qui minimise lesprance de la perte de gain du fournisseur est donc solution de lquation
2
() = .
1 +2
5d:
60
Avec les donnes numriques proposes, ( ) = 20+60 = 0,75
Or ( = 150, = 11,1803).
150
On a donc ( ) = (11,1803) = 0,75 = 150 + 0,6711,1803 = 157,50 .
54
Ecole Spciale des Travaux Publics
Elves-Ingnieurs GME-1re anne
Anne SCOLAIRE 2015-2016 Application n5
Cours de Probabilits Statistique 3 avril 2017
Professeur : Jean-Pierre BOULAY ---
Sujet
13h30- 16h
Estimation statistique
Les lments dune population possdent un caractre qui suit une loi de probabilit dont la densit
.()
est , () = {. > (, , paramtres rels positifs).
0
Question 1 :
1a :
1b :
Question 2 :
2a :
2b :
En dduire que = . =
=1 ( ) suit une loi Gamma de paramtre 1 (loi note (1, )).
(On ne dmontrera pas de nouveau ici les rsultats du cours qui permettent de conclure quant la loi
suivie par ).
55
Question 3 :
3a :
3b :
Question 4 :
1
On considre lestimateur 1 = . .
4a :
4b :
4c :
Question 5 :
5a :
Calculer la quantit dinformation de Fisher fournie par sur le paramtre , soit (), puis en
dduire la borne de Frechet, Darmois, Cramer, et Rao.
(borne infrieure du risque des estimateurs sans biais ou encore, borne de lestimateur efficace).
5b :
Question 6 :
Une observation de la hauteur des pluies cumules durant une journe, a t effectue en site
donn, sur une priode de 30 jours pluvieux , un jour tant dit pluvieux , si la hauteur de pluie y
est suprieure 5 mm.
Le modle choisi pour est celui dune loi exponentielle tronque (telle celle tudie dans les
questions prcdentes), la valeur de tant fixe gale 5 mm.
56
31 71 45 9 26 65 13 26 63 24
8 25 9 11 23 43 16 12 90 24
5 15 86 19 88 24 20 5 75 30
6a :
6b :
CORRIGE
Question 1 :
1a :
=
=
(1 , 2 , , , ) = , ( ) = . .=1 ()
=1
= . . ( )
=1
1b :
Or = =
=1 ( ). Il sensuit = .
=
=1 ( )
(On notera en outre, que
= 2 < 0, ce qui confirme quil sagit bien dun maximum).
Question 2 :
2a :
Bref, () = . 1[0,+[ (). Cest la densit de la loi exponentielle de paramtre 1 (loi note
(1)).
57
2b :
(Il est bien vident, ce sujet, que si les sont indpendantes, les le sont aussi).
1
On a donc, en dfinitive, () = (1)! . . 1[0,+[ ()
Question 3 :
3a :
() = ( ) = ( )
=
=1 ( )
+ + 1 + 2
Or ( ) = . 0
. () = . 0 .
(1)!
. = 1 . . 0 (2)!
. .
2
Reconnaissant dans (2)!
. , la densit de probabilit de la loi (1, 1), on a donc
+ 2
immdiatement 0 (2)!
. = 1 et () = 1 . .
3b :
Par contre, lim () = , ce qui signifie, pour la proprit dtre asymptotiquement sans
biais.
Question 4 :
4a :
1
Par linarit, (1 ) = . ( )= .
4b :
1 2 2 2
V(1 ) = ( ) . ( ) , ou encore, pour simplifier les calculs, V(1 ) = (1 ) [(1 )] , soit
1 2 2
V(1 ) = (1 )2 2 = ( ) . ( ) 2 .
2 + + 1
Or ( ) = 2 . 0 ()2 . () = 2 0 ()2 . (1)! . , soit selon la mme astuce que
2 2 + 3
dans la question 3a, ( ) = (1).(2) . 2 . 0 (3)!
. .
58
+ 3 3
Or 0 (3)!
. = 1 puisquon reconnat dans (3)!
. la densit de probabilit de la loi
(1, 2).
2 2 1 2 2
On a donc, finalement, ( ) = (1).(2) . 2 et V(1 ) = ( ) . (1).(2) . 2 2 .
2
Il vient aprs simplification, V(1 ) = 2.
4c :
Question 5 :
5a :
(,)
IX () = [
] . Or, (, ) = . ( ).
(,) 1 (,) 1
Par suite,
= ( ) et
= 2 .
1
On a donc finalement, IX () = 2.
1 2
La borne qui est gale I vaut donc ici .
X ()
5b :
2 2
Par contre, pour grand, V(1 ) = est quivalent = .
2
Question 6 :
6a :
Le calcul de =30
=1 ( 5) conduit la valeur 851.
30
On a donc = = 0,03525.
=30
=1 ( 5)
6b :
+
On cherche dans cette question, un intervalle de confiance pour (). Or, () = . ()
1 1
est gal . Cela nous ramne donc la recherche dun intervalle de confiance de voire .
59
1
( = , = . () = )
Dans 95% des cas, 1,96 1,96 1,96 1,96 (
2
) 1,962
1,962 2
On obtient (1
) . 2 2. + 0 soit numriquement :
= 0,0548974
La rsolution du trinme conduit aux solutions { 1 , lintervalle cherch pour tant
2 = 0,02596223
donc lintervalle [1 , 2 ].
1
Pour ce qui est de lintervalle de confiance de la hauteur de pluie moyenne, soit , on a donc lintervalle
1 1
de confiance [ , ] soit, numriquement, [18,21 ; 38,51].
2 1
60
EXERCICE 2 : (sur 6 points)
Un chantillon de 30 cigarettes dune mme marque extrait dune population de grande taille, a donn
les teneurs en goudron suivantes (exprimes en mg):
12,9 12,7 12,4 12,8 14,5 13,1 12,9 14,5 11,7 12,3
13,4 12,8 13,4 12,9 12,9 12,5 12,5 12,8 11,8 11,8
13,4 12,4 13,4 12,5 12,8 12,8 13,5 12,8 12,9 12,7
La norme recommande une teneur en goudron infrieure ou gale 13mg par cigarette.
Question 1 :
1a :
Fournir une estimation ponctuelle de la proportion inconnue des cigarettes de cette marque qui
respectent la norme en vigueur sur la teneur en goudron.
1b :
Question 2 :
Fournir une estimation ponctuelle de la moyenne de la teneur en goudron des cigarettes de cette
marque ainsi quune estimation ponctuelle de lcart-type de cette teneur en goudron.
Question 3 :
On suppose que la variable alatoire qui dcrit la teneur en goudron (en mg) dune cigarette de la
marque considre suit une loi normale (, ).
3a :
Fournir avec un risque de 5% (ou encore seuil de confiance de 95%), une estimation par intervalle de
confiance de .
3b :
Peut-on en dduire avec cette confiance que la norme en vigueur sur la teneur en goudron est
respecte ?
CORRIGE
61
Question 1 :
1a :
La proportion est estime par la frquence observe des cigarettes conformes la norme cest--
dire par lestimateur = o dcrit le nombre de cigarettes conformes dans un chantillon de
taille .
Numriquement, aprs avoir compt ces dernires au sein de lchantillon propos dans lnonc, il y
en a 22 parmi les 30 pour lesquelles la teneur en goudron est infrieure ou gale 30mg.
22
Une estimation de est donc = 30 = 0,7333.
1b :
(, ) ( = , = . . (1 )) (thorme de Moivre-Laplace)
.(1)
= ( = , = ).
Au seuil 90%, on a (1,645 1,645) = 0,90 (cf. lecture dans table de la loi normale).
.(1) .(1)
Ainsi (1,645 1,645) = 0,90 1,645. + 1,645. .
.(1)
.(1) .(1)
Lintervalle de confiance cherch est donc = [ 1,645. ; + 1,645. ].
A ce stade, trois mthodes sont possibles et sont prsentes ci-aprs par ordre croissant de prcision :
1
11 Approximer . (1 ) par son maximum, max . (1 ) = 4. Cela conduit lintervalle
01
1 1
1 = [ 1,645. 2 ; + 1,645. 2 ] ; soit numriquement 1 = [0,583 ; 0,883].
.(1 ) .(1 )
2 = [ 1,645.
; + 1,645.
] , soit 2 = [0,600 ; 0,866]
31 La mthode exacte.
1,6452
( )2 <
, soit par lvation au carr, et dveloppement, le trinme du second
.(1)
degr :
1,6452 2 1,6452
(1 + ). (2. + ) . + 2 0
62
Numriquement, on obtient lingalit :
1 = 0,8424
La rsolution fournit les racines { , lintervalle cherch tant donc = [1 , 2 ], soit
2 = 0,5850
numriquement = [0,5850 ; 0,8424].
Question 2 :
1
Numriquement, 2 = 29 . [4973,2 3012,862 ] = 0,4073. Do, lestimation = 0,6821.
Question 3 :
3a :
Puisque est inconnu, on va utiliser la statistique dont la loi suivie est la loi de Student 1
degrs de libert (loi note ( 1)).
Au seuil 95% et pour un degr de libert gal 29, on a (|| 2,045) = 0,95 (cf. lecture dans la
table de Student).
Ainsi, dans 95% des cas, 2,045 2,045, soit [ 2,045 ; + 2,045 ].
3b :
La valeur 13 ntant pas lextrieur droit de lintervalle on nest pas assur (au risque 5%) de la
condition 13.
63
64
Ecole Spciale des Travaux Publics
Elves-Ingnieurs GME-1re anne
Anne SCOLAIRE 2015-2016 Application n5
Cours de Probabilits Statistique 3 avril 2017
Professeur : Jean-Pierre BOULAY ---
Sujet
16h00- 18h30
Estimation statistique
Question 1 :
1a :
1b :
Question 2 :
On considre la variable = .
2a :
2b :
En dduire ( ).
2c :
Question 3 :
3a :
Calculer la quantit dinformation de Fisher fournie par sur le paramtre , soit ().
65
3b :
En dduire la valeur de la borne de Frchet, Darmois, Cramer, et Rao (borne infrieure du risque
des estimateurs sans biais ou encore borne de lestimateur efficace).
3c :
Calculer ( ).
3d :
CORRIGE
Question 1 :
1a :
=
1 1
1
L(1 , 2 , , , ) = ( ) = . (1 2 )
=1
1b :
=
1
lnL = n. ln ( + 1) .
=1
Lestimateur est solution de lquation
= 0 (avec en outre, la condition
< 0 au point
.
1
Or, = + . =
=1 .
2
=
=1
Il en rsulte lestimateur gal
.
2
On remarque en outre que
= 2 3 . =
=1 , soit au point
1 =
=1
= . [ 2. ] = . On a donc bien la condition < 0 satisfaite au point
=
=1
.
Question 2 :
2a :
66
1 1
Il vient donc (). = . . , soit () = . , pour [0, +[.
1 1
On reconnat la loi exponentielle de paramtre , loi note ().
2b :
=
=1 ( )
( ) = (par linarit de lesprance mathmatique).
=
=1 ()
Les tant quidistribues de loi parente , on a ( ) =
= ().
1
Or () (cf . question 2a)). On a donc () = 11 = .
En conclusion, ( ) = .
2c :
Question 3 :
3a :
(,)
() = [
].
1
1 1
(, ) = . 1 (, ) = ( + 1) . . Ds lors, par drivation, on obtient :
(,) 1 (,) 1 2
= + 2
, puis,
= 2 3 . .
2 (,) 1 2 1
Finalement, () = [ 2
] = (2 3 . ()) = 2 (par linarit de lesprance et par
suite du rsultat () = ).
3b :
1 2
La borne est gale ,soit = .
. ()
3c :
=
=1 ( ) ()
( ) = = (puisque les sont indpendantes et fortiori les variables ).
2
1
Mais il est immdiat que () = 2 (variance de la loi ()).
2
On retiendra donc que ( ) =
.
3d :
67
EXERCICE 2 : (sur 11 points)
Dans uncentre avicole, un prlvement de 36 ufs dans la production (de grande taille), a conduit aux
poids suivants (mesurs en grammes) et classs par ordre croissant de valeurs :
Le classement des ufs dans la catgorie gros calibre exige un poids suprieur ou gal 53 g.
Question 1 :
1a :
Fournir une estimation ponctuelle de la proportion des ufs de cette fabrication vrifiant la
condition gros calibre .
1b :
Question 2 :
de la moyenne inconnue du poids alatoire dun oeuf issu du centre avicole en question ;
Question 3 :
On suppose que la variable qui dcrit le poids alatoire dun uf suit une loi normale (, ).
3a :
Fournir avec un risque de 5% (ou encore seuil de confiance de 95%), une estimation par intervalle de
confiance de .
3b:
68
Peut-on en dduire avec ce niveau de confiance que la fabrication du centre avicole entre dans la
catgorie gros calibre ?
Question 4 :
Un second centre avicole (centre B) est ouvert et entre en concurrence avec celui tudi
prcdemment (centre A).
=36 =36
, = 1905,42 ; , = 101075,81 .
=1 =1
Les poids des ufs fabriqus dans les deux centres suivent respectivement les lois normales notes
( , ) et ( , ).
4a :
Construire un intervalle de confiance au seuil 90% pour le rapport et conclure si lhypothse
= = peut tre retenue ici (hypothse dite dhomoscdasticit ).
4b :
CORRIGE
Question 1 :
1a :
est estime par lestimateur = , o dsigne le nombre dufs de type gros calibre dans un
chantillon de taille .
Prsentement, = 30. Comptant le nombre dufs gros calibre dans lchantilloon propos, on
trouve 29 ufs.
29
Ainsi lestimation de fournie par lchantillon propos, est-elle ici = 36 = ,80555.
1b :
(, ) ( = , = . . (1 )) (thorme de Moivre-Laplace)
.(1)
= ( = , = ).
Au seuil 90%, on a (1,645 1,645) = 0,90 (cf. lecture dans table de la loi normale).
69
.(1) .(1)
Ainsi (1,645 1,645) = 0,90 1,645.
+ 1,645.
.
.(1)
.(1) .(1)
Lintervalle de confiance cherch est donc = [ 1,645.
; + 1,645.
].
A ce stade, trois mthodes sont possibles et sont prsentes ci-aprs par ordre croissant de prcision :
1
1. Approximer . (1 ) par son maximum, max . (1 ) = 4. Cela conduit lintervalle
01
1 1
1 = [ 1,645.
2
; + 1,645.
2
] ; soit numriquement 1 = [0,66846 ; 0,94263].
.(1 ) .(1 )
2 = [ 1,645.
; + 1,645.
] , soit 2 = [0,69704; 0,91406]
3. La mthode exacte.
1,6452
( )2 <
, soit par lvation au carr, et dveloppement, le trinme du second
.(1)
degr :
1,6452 2 1,6452
(1 + ). (2. + ) . + 2 0
1 = 0,89099
La rsolution fournit les racines { , lintervalle cherch tant donc = [1 , 2 ],
2 = 0,67739
soit numriquement = [0,677 ; 0,891].
Question 2 :
1
Numriquement, 2 = 35 . [109481,117 3655,0832 ] = 7,199113. Do, lestimation
= 2,68311.
70
Question 3 :
3a :
Puisque est inconnu, on va utiliser la statistique dont la loi suivie est la loi de Student 1
degrs de libert (loi note ( 1)).
Au seuil 95% et pour un degr de libert gal 35, on a (|| 2,032) = 0,95 (cf. lecture dans la
table de Student).
Ainsi, dans 95% des cas, 2,032 2,032, soit [ 2,032 ; + 2,032 ].
3b :
La valeur 53 est lextrieur gauche de lintervalle . On est donc assur (au risque 5%) que la moyenne
des ufs fabriqus dans le centre avicole en question, rpond la condition gros calibre .
Question 4 :
4a :
2 2
( 1). 2 2 ( 1) . De mme, ( 1). 2 2 ( 1).
2
( 1). 2
2 2
( 1)
Ds lors, le rapport = 2
= 2 . 2 ( 1, 1) (loi de Fisher Snedecor).
( 1).
2
( 1)
Pour construire lintervalle de confiance au seuil 90%, cest--dire trouver les bornes 1 2 telles
( < 1 ) = 0,05
que (1 2 ) = 90%, on ramne ici ce problme aux deux conditions { .
( > 2 ) = 0,05
1 1 1 1
Quant la condition ( < 1 ) = 0,05, elle scrit aussi ( > ) = 0,05, soit ( ) = 0,05.
1 1
1
Mais si (, ), il est immdiat que (, ). Nanmoins, comme on a ici = , cest toujours
la loi (35,35) dont il sagit.
1
Bref, = 2 = 1,76.
1
2
1 2
En dfinitive, lintervalle cherch (au seuil 90%) est = [ . 2 ; 1,76. 2 ].
1,76
71
Numriquement, on rappelle que 2 = 7,199113 (cf. question 2).
=35
=1 , 1
Dautre part, = 36
= 52,92833 2 = 35 . [101075,81 3652,928332 ] = 6,431574.
Do = [0,507605 ; 1,572356].
Lorsque = , le rapport est gal 1.
4b :
2
( 1). 2 2 ( 1)
2 2
{ 2 ( 1). 2 + ( 1). 2 2 ( + 2) (1)
( 1). 2 2 ( 1)
Par ailleurs :
: ( , ) 2 2
{ ( , + ) .
: ( , )
( )
Ainsi (0,1). (2)
2 2
+ )
( )
2 2
+ )
Des rsultats (1) et (2), il sensuit 2 2
( + 2)
( 1). +( 1).
2 2
( + 2)
(loi de Student)
Or, relativement la loi (70) et au seuil bilatral 90%, on a (|| 1,67) = 0,90.
1,67 1,67
Ainsi ( + ) = 0,90, do lintervalle de confiance de :
2 +2
1,67 1,67
= [ . 2 + 2 ; + . 2 + 2 ]
72
Lorsque = , = 0.
73
74