Академический Документы
Профессиональный Документы
Культура Документы
Mohamed DIOURI
PROBABILITES
Exercices corrigs avec rappels de cours
PROBABILITES
Exercices corrigs avec rappels de cours
DEDICACE
SOMMAIRE
LIMINAIRE
CH. 1.
PROBABILITES
1.1. Dfinitions.
1.2. Notion dexclusivit
1.3. Notion dindpendance.
1.4. Thorme de Bayse.
1.5. Enonces des exercices dapplication.
1.6. Solutions des exercices.
9
9
10
11
12
13
15
CH. 2.
VARIABLE ALEATOIRE.
2.1. Dfinitions.
2.2. Distribution de probabilit.
2.3. Couple de variables alatoires.
2.4. Esprance mathmatique.
2.5. Ingalit de Bienaym Tchebychev.
2.6. Enoncs des exercices dapplication.
2.7. Solutions des exercices.
27
27
28
29
31
33
33
36
CH. 3.
54
54
54
55
56
59
CH. 4.
78
78
78
79
80
81
81
82
85
CH. 5.
99
99
101
102
103
104
107
CH. 6.
122
122
122
124
126
TABLES STATISTIQUES
140
BIBLIOGRAPHIE
163
LIMINAIRE
Le calcul des probabilits nintervient pas uniquement, comme semble le croire une
tradition tenace, pour le calcul des chances de gagner ou de perdre dans des jeux de
hasard : lancement de ds, jeux de cartes, courses de chevaux, loterie nationale, etc. Il
est vrai qu lorigine le dveloppement de la thorie des probabilits est d, en grande
partie, aux calculs sur les jeux de hasard, mais par la suite, probabilits, lois de
probabilits, lois statistiques ont t dveloppes pour introduire les statistiques
dcisionnelles, savoir : chantillonnages, distributions, estimations, etc.
Ce livre est ainsi une introduction au livre sur les statistiques dcisionnelles
puisquil renferme tous les chapitres que doit connatre un tudiant avant daborder les
statistiques dcisionnelles, savoir : les calculs sur les probabilits, les variables
alatoires discrtes et continues, les lois de probabilits et les lois statistiques de
variables discrtes et continues.
Nous avons conu ce livre linstar de ce que nous avons fait pour notre livre sur
la statistique descriptive : chaque chapitre commence par de brefs rappels de cours
suivis dnoncs des exercices dapplication et se termine par les solutions proposes.
Tant ltudiant que les professeurs pourront ainsi trouver :
- Le premier, loccasion pour sentrainer, autant quil veut, et prparer, dans de
meilleures conditions ses examens en probabilits ;
- Le second, un ensemble important dexercices dapplication pour illustrer son
cours sur les probabilits.
Adil ELMARHOUM
Professeur chercheur
Mohamed DIOURI
Fondateur de lIGA.
10. Probabilits
Probabilits.
CHAPITRE 1
PROBABILITES
1.1. DEFINITIONS.
1.1.1. Exprience et vnement alatoires.
La dfinition de la probabilit est lie aux notions dexpriences et dvnements alatoires.
Une exprience est dite alatoire lorsquon ne peut en prvoir exactement le rsultat, du fait
que tous les facteurs qui dterminent ce rsultat ne sont pas matriss.
Un vnement alatoire est un vnement qui peut se raliser ou ne pas se raliser au cours
dune exprience alatoire.
Exemples :
- Le jet dun d numrot de 1 6 est une exprience alatoire car le rsultat du jet est
imprvisible. Lvnement avoir une face paire du d est un vnement alatoire car le rsultat
du jet peut tre impair comme il peut tre pair.
- Le choix dune personne dans un groupe dindividus contenant des hommes et des
femmes est une exprience alatoire car le rsultat du choix est imprvisible. Lvnement
choisir une femme est un vnement alatoire car la personne choisie peut tre une femme
comme elle peut tre un homme.
1.1.2. Dfinition classique de la probabilit.
Si au cours dune exprience alatoire on peut dnombrer tous les vnements possibles, et
si pour chaque vnement on peut dterminer le nombre de cas favorables la ralisation dun
vnement alatoire quelconque A, on dfinit classiquement la probabilit de lvnement A
comme tant le rapport du nombre de cas favorables au nombre de cas possibles.
p( A ) =
10. Probabilits
Probabilits.
P(vnement certain) = 1
La probabilit de tout vnement qui ne peut pas se raliser au cours dune exprience
alatoire est nulle, il sagit dun vnement impossible.
P(vnement impossible) = 0
1.2. NOTION DEXCLUSIVITE.
1.2.1. Evnements exclusifs.
Deux vnements alatoires dune mme exprience alatoire sont dits exclusifs ou
incompatibles sils ne peuvent pas se raliser simultanment.
Si deux vnements alatoires A et B sont exclusifs alors :
p(A ou B) = p(A) + p(B)
et
p(A et B) = 0
10. Probabilits
Probabilits.
p(A / B) =
p(A et B)
p(B)
p( B / A ) =
p(A et B)
p( A )
11
10. Probabilits
Probabilits.
(i = 1 k)
p ( A ) = p ( E i ) p( A / E i )
i =1
p( E i / A ) =
p(A et E i )
p( A )
p( E i / A ) =
p( E i ) p( A / E i )
k
p(E i ) p(A / E i )
i =1
12
10. Probabilits
Probabilits.
13
10. Probabilits
Probabilits.
1.5.7. Pour juger de l'efficacit d'une campagne publicitaire ayant port sur un produit, on a
sond 1500 personnes, 1000 dans la rgion du Nord et 500 dans la rgion du Sud. Les rsultats
sont :
Rgions
Nord
Sud
Connaissent le
produit et le
consomment
80
50
Connaissent le
produit et ne le
consomment pas
150
130
Ne connaissent
pas le produit
770
320
0 dfaut
60 %
65 %
14
Probabilits.
10. Probabilits
a) Quelle est la probabilit priori acceptable que la personne choisie soit un acheteur du
produit ?
b) Sachant que la personne reconnat le nom du produit, quelle est la probabilit posteriori
qu'elle fasse partie des acheteurs du produit ?
c) Sachant que la personne ne reconnat pas le nom du produit, quelle est la probabilit
posteriori qu'elle fasse partie des acheteurs du produit ?
1.5.11. On dispose de deux sacs. Un sac en jute qui contient 20 pices d'or et 30 pices d'argent
et un sac en cuir qui contient 20 pices d'or et 20 pices d'argent. On plonge la main dans lun
des deux sacs et on en sort une pice d'or. Quelle est la probabilit pour qu'il s'agisse du sac en
cuir ?
1.5.12. Les tudiants d'une cole sont rpartis en trois groupes de 30 %; 34 %; et 36 % des
effectifs. Le taux d'absentisme est respectivement de 4 %; 2 %; et 7 %. Un tudiant choisi au
hasard s'est rvl de bonne assiduit. Calculer la probabilit que cet tudiant appartienne au
groupe 1.
1.5.13. Une classe dtudiants compte 20% dtrangers, 55% de filles parmi les trangers et
52% de filles parmi les nationaux, 5% dabsentisme chez les filles et 8% dabsentisme chez
les garons et enfin 70% de malades parmi les filles absentes et 52% de malades parmi les
garons absents.
On choisit une personne, au hasard, quelle est la probabilit pour
a) quelle soit absente ?
b) quelle soit absente et malade
1.5.14. 65 % des tudiants dune cole de gestion sont des scientifiques, et le reste sont des
littraires. On sait par ailleurs, que le taux de russite des tudiants scientifiques est de 75 %,
alors quil est de 55 % chez les littraires.
Si on choisit au hasard un tudiant, dterminer la probabilit :
a) Pour quil soit scientifique, sachant quil a russi.
b) Pour quil soit littraire sachant quil na pas russi.
1.5.15. Dans une urne contenant 9 boules numrotes de 1 9, on prlve successivement et
avec remise 4 boules.
a) Calculer la probabilit de ne pas obtenir la boule numro 1.
b) Calculer la probabilit dobtenir au moins une fois la boule numro 1.
c) Combien doit-on prlever de boules pour que la probabilit dobtenir au moins une fois
la boule 1 soit gale 0,75 ?
1.5.16. Quelle est la probabilit pour que deux personnes au moins, parmi 5 personnes, choisies
au hasard, soient nes le mme jour de la semaine ?
1.6. SOLUTIONS DES EXERCICES.
1.6.1. Solution de lexercice 1.5.1.
a) Soit p(P) la probabilit pour quil pleuve : on a p(P) = 0,67.
15
10. Probabilits
Probabilits.
Soit p(N ou P) la probabilit pour quil pleuve ou quil neige : on a p(N ou P) = 0,55.
Soit p(N) la probabilit pour quil neige.
Les vnements P : il pleut et N : il neige sont exclusifs, puisquil ne peut pas
pleuvoir et neiger, en mme temps, on doit avoir : p(N ou P) = p(P) + p(N) > p(P) ce qui nest
pas le cas daprs lnonc.
b) Soit p(S) la probabilit que ltudiant russisse son examen de statistique : p(S) = 0,82.
Soit p(S et M) la probabilit que ltudiant russisse ses examens de statistique et de
mathmatiques : p(S et M) = 0,86.
Soit p(M) la probabilit que ltudiant russisse son examen de mathmatique.
Les vnements S : russir son examen de statistique et M : russir son examen de
mathmatique sont indpendants, on doit avoir p(S et M) = p(S) x p(M) < p(S) ce qui nest
pas le cas daprs lnonc.
c) On pose p(i) la probabilit que la secrtaire commette i faute(s) ( i < ou = 4 ) et p(5) la
probabilit quelle commette plus de 4 fautes.
Les vnements (1), (2), (3), (4) et (5) sont exclusifs et complmentaires, on doit avoir p(1)
+ P(2) + p(3) + p(4) + p(5) = 1 ce qui nest pas le cas daprs lnonc.
1.6.2. Solution de lexercice 1.5.2.
On pose : p(A) probabilit dtre analphabte : p(A) = 0,55
p(F) la probabilit dtre une femme : p(F) = 0,51
p(A/F) la probabilit dtre analphabte sachant quon est une femme : p(A/F) = 0,68
a) p(tre une femme analphabte) = p(F) x p(A/F) = 0,51 x 0,68 = 0,35
b) p(tre une femme non analphabte) = p(F) x (1 p(A/F)) = 0,51 x 0,32 = 0,16
c) p(tre un homme analphabte) = p(H) x p(A/H)
Avec : p(H) = p(tre une homme) = 1 p(F) = 0,49
p(A/H) = p(tre analphabte sachant quon est un homme)
Or p(A) = p(A/F) x p(F) + p(A/H) x p(H)
16
10. Probabilits
Probabilits.
17
10. Probabilits
Probabilits.
Avec par exemple : p(G et G et F) : probabilit de choisir 1 G dans la 1re famille, 1 G dans
la 2me famille et 1 F dans la 3me famille.
Or p(G et G et F) = p(1 G dans la 1re famille) x p(1 G dans la 2me famille) x p(1 F dans la
3 famille).
me
donc :
p(G et G et F) = (2/3)x(1/2)x(2/3) = 4/18
p(G et F et F) = (2/3)x(1/2)x(2/3) = 4/18
p(G et F et G) = (2/3)x(1/2)x(1/3) = 2/18
p(F et F et G) = (1/3)x(1/2)x(1/3) = 1/18
p(F et G et F) = (1/3)x(1/2)x(2/3) = 2/18
p((F et G et G) = (1/3)x(1/2)x(1/3) = 1/18
p(choisir au moins 1 G et 1 F) = (4+4+2+1+2+1)/18 = 14/18 = 0,7778
1.6.5. Solution de lexercice 1.5.5.
a) Cas dune famille de 3 enfants.
p(A) = probabilit qu'une famille ait des enfants des deux sexes.
p(A) = p(G et G et F) + p(G et F et G) + p((F et G et G) + p(G et F et F) + p(F et G et F) +
p(F et F et G)
Avec par exemple : p(G et G et F) : probabilit davoir 1 G pour le 1er enfant, 1 G pour le
2 enfant et 1 F pour le 3me enfant.
me
or p(G et G et F) = p(1 G pour le 1er enfant) x p(1 G pour le 2me enfant) x p(1 F pour le
3me enfant)
donc :
p(G et G et F) = (1/2)x(1/2)x(1/2) = 1/8
p(G et F et G) = (1/2)x(1/2)x(1/2) = 1/8
p((F et G et G) = (1/2)x(1/2)x(1/2) = 1/8
p(G et F et F) = (1/2)x(1/2)x(1/2) = 1/8
p(F et G et F) = (1/2)x(1/2)x(1/2) = 1/8
p(F et F et G) = (1/2)x(1/2)x(1/2) = 1/8
p(A) = 6 x 1/8 = 6/8
p(B) = probabilit qu'une famille ait au plus 1 garon.
p(B) = p(F et F et F) + p(G et F et F) + p(F et G et F) + p(F et F et G)
p(B) = 4 x 1/8 = 4/8
p(A et B) = probabilit qu'une famille ait des enfants des deux sexes et ait au plus 1 garon.
p(A et B) = p(G et F et F) + p(F et G et F) + p(F et F et G)
p(A et B) = 3/8
18
10. Probabilits
Probabilits.
19
10. Probabilits
Probabilits.
Rgions
Nord
Sud
Connaissent le
produit et le
consomment
80
50
Connaissent le
produit et ne le
consomment pas
150
130
Ne connaissent
pas le produit
770
320
80 + 150 + 50 + 130
= 0,273
1500
80 + 50
b) Probabilit de connatre le produit et le consommer : p(A et B) =
= 0,087
1500
a) Probabilit de connatre le produit : p(A) =
p(A et
B)=
150 + 130
= 0,187
1500
1000
= 0,667
1500
500
e) Probabilit dtre du sud : p(S) =
= 0,333
1500
d) Probabilit dtre du nord : p(N) =
f) On a choisi une personne parmi ceux qui connaissent le produit, quelle est la probabilit
quelle soit consommatrice de ce produit ?
p(B/A) =
p(BetA) 0,087
=
= 0,319
p( A )
0,273
g) Une personne est choisie au hasard au sud : quelle est la probabilit quelle ne connaisse
pas le produit.
10. Probabilits
Probabilits.
1
et A = A1 ou A2 ou A3
3
La probabilit pour que l'avion soit abattu est la probabilit pour quil soit abattu avec la
1re batterie ou avec la 2me batterie et donc rat par la 1re batterie ou avec la 3me batterie et
donc rat par la 1re et la 2me batterie.
A 2 et A3)
1 2 1
2 2 1
19
p(A) = + ( ) + ( ) =
27
3 3 3
3 3 3
0 dfaut
60 %
65 %
10. Probabilits
Probabilits.
et p(B /
A ) = 0,20
a) Probabilit que la personne choisie soit un acheteur du produit est : p(A) = 0,10
b) Probabilit posteriori qu'une personne reconnaissant le nom du produit, fasse partie des
acheteurs du produit.
p(AetB)
p ( A ) p( B / A )
=
p(B)
p ( A ) p ( B / A ) + p( A ) p( B / A )
0,10 0,95
p(A/B) =
= 0,345
0,10 0,95 + 0,90 0,20
p(A/B) =
p(A/ B ) =
p(Aet B)
p(A) p(B/ A)
0,10 (1 0,95)
p(A/ B ) =
= 0,007
0,10 (1 0,95) + (1 0,1) (1 0,2)
p(B)
1
= 0,5
2
20
30
p(O/J) =
= 0,4
p(A/J) =
= 0,6
50
50
20
20
P(O/C) =
= 0,5
P(A/C) =
= 0,5
40
40
p ( C) p ( O / C)
Calculons : p(C/O) =
p ( C ) p ( O / C) + p ( J ) p ( O / J )
Daprs les donnes : p( J ) = p( C ) =
22
10. Probabilits
Probabilits.
p(C/O) =
0,5 0,5
= 0,556
0,5 0,5 + 0,5 0,4
Calculons : p = p(G1/ A )
p=
0,30 (1 0,04)
0,30 (1 0,04) + 0,34 (1 0,02) + 0,36 (1 0,07)
Probabilits.
10. Probabilits
10. Probabilits
Probabilits.
8
( )4 =
9
0,6243
b) On utilise lvnement contraire ne pas obtenir la boule 1 aprs les 4 tirages . La
probabilit recherche est donc :
p2 = 1 p1 = 1 0,6243 = 0,3757
c) La probabilit de ne pas obtenir la boule 1 aprs n tirages est : p =
On cherche n tel que : 1 -
8
( ) n = 0,75 =>
9
8 n
) = log(0,25)
9
log(0,25)
n=
= 11,77
log(8 / 9)
=>
log (
=>
8
( )n
9
8
( ) n = 0,25
9
n log(8/9) = log(0,25)
7
. La deuxime personne peut tre ne nimporte quel jour des 6 jours restants, soit une
7
6
probabilit de
. Mme principe pour les autres personnes dont les probabilits respectives
7
5 4 3
sont
; et .
7 7 7
de
25
10. Probabilits
Probabilits.
p =1
7 6 5 4 3
x x x x = 85 %
7 7 7 7 7
Il y a donc 85 % de chances pour que deux personnes au moins, parmi 5 personnes choisies
au hasard, soient nes le mme jour de la semaine.
26
2. Variable alatoire
Probabilits
CHAPITRE 2
VARIABLE ALEATOIRE
2.1. DEFINITIONS.
Une variable alatoire X est une variable associe une exprience ou un groupe
d'expriences alatoires et servant caractriser le rsultat de cette exprience ou de ce groupe
d'expriences.
On distingue les variables alatoires qualitatives et les variables quantitatives qui peuvent
tre soit discontinues ou discrtes soit continues.
2.1.1. Variable alatoire qualitative.
Une variable alatoire est qualitative si elle est exprime de faon non chiffre.
Exemple : Soit X la variable alatoire qui caractrise le rsultat de l'exprience alatoire "jet
d'une pice de monnaie". X est une variable alatoire qualitative, elle ne peut prendre que les
valeurs pile ou face.
Pour pouvoir viter de travailler sur des valeurs qualitatives, on a lhabitude daffecter un
nombre chacune des valeurs qualitatives, par exemple pour le cas de la pice de monnaie, on
pourrait affecter 1 pour la face pile et 0 pour lautre face , de mme pour le d on a lhabitude
de numroter de 1 6 ses faces.
Par consquent nous pouvons toujours considrer que nous navons que des variables
alatoires quantitatives.
2.1.2. Variable alatoire quantitative discontinue et variable alatoire quantitative
continue.
Une variable alatoire est quantitative (discontinue ou continue) si elle est exprime de
faon chiffre. La variable ne peut prendre que des valeurs entires, si elle est discontinue ou
des valeurs relles, appartenant un intervalle, si elle est continue..
Exemples :
- Soit X la variable alatoire qui caractrise le rsultat de l'exprience alatoire "jet d'un d
homogne". X est une variable alatoire quantitative discrte, elle peut prendre les valeurs
entires 1, 2, 3, 4, 5, et 6.
27
2. Variable alatoire
Probabilits
- Soit X la variable alatoire qui caractrise le nombre de garons dans une famille de
quatre enfants. X est une variable alatoire quantitative discrte, elle peut prendre les valeurs
entires : 0, 1, 2, 3, et 4.
- Soit X la variable alatoire qui caractrise le poids dune personne choisie dans un groupe.
X est une variable alatoire continue, elle peut prendre toutes les valeurs possibles pour le
poids dune personne.
- Soit X la variable alatoire qui caractrise la taille dune personne choisie dans un groupe.
X est une variable alatoire continue, elle peut prendre toutes les valeurs possibles pour le
poids dune personne.
2.2. DISTRIBUTION DE PROBABILITE.
2.2.1. Cas dune variable alatoire discontinue.
La probabilit que la variable alatoire X prenne la valeur k est :
p(k) = p(X = k)
L'ensemble des valeurs admissibles k et des probabilits correspondantes p(k) constitue une
distribution de probabilit discontinue. La relation entre k et p(k) est appele loi de probabilit.
Pour toutes les distributions de probabilits dont les valeurs k correspondent des
vnements complmentaires, le total des probabilits est gal 1.
k =m
p( k ) = 1
k =0
F(k) = p(X k) =
p( k )
k=0
0 F(x) 1
2.2.2. Cas dune variable alatoire continue.
Un intervalle continu contient une infinit de valeurs, de ce fait la
probabilit p( X = x ) 0 . La notion de distribution de probabilit n'a donc plus de sens dans
le cas dune variable alatoire continue. Par contre la fonction de rpartition conserve toute sa
signification.
La fonction f(x), drive de la fonction de rpartition F(x), est appele fonction de densit
de probabilit. Elle doit satisfaire la relation suivante :
28
2. Variable alatoire
Probabilits
f ( x ) dx = 1
F( x ) =
f ( t ) dt
La fonction de rpartition F(x) permet de dterminer la probabilit pour que X soit compris
dans un intervalle [a , b]
P(a X b) = F(b) - F(a)
2.3. COUPLE DE VARIABLES ALEATOIRES.
Dans de nombreux cas, les rsultats des expriences alatoires peuvent tre caractriss
par deux variables alatoires X et Y. On parle alors de couple de variables alatoires (X , Y).
Ces deux variables peuvent tre toutes les deux discrtes, ou toutes les deux continues ou l'une
discontinue et l'autre continue.
2.3.1. Couple de variables alatoires discontinues.
Dans le cas d'un couple de variables alatoires quantitatives discontinues (X , Y), les
valeurs respectives de x pour X et de y pour Y sont des valeurs entires.
A chaque couple de valeurs (x,y) correspond une probabilit p(x,y) d'observer
simultanment la valeur x pour X et la valeur y pour Y.
p(X=x et Y=y) = p(x,y)
L'ensemble des valeurs admissibles (x,y) et des probabilits correspondantes p(x,y) forme
une distribution de probabilit discontinue deux variables.
La fonction de rpartition F(x,y) est dfinie par : F(x,y) = p( X x et Y y)
Probabilits conjointes :
La probabilit p(xi , yj) est dite probabilit conjointe, sil sagit de la probabilit d'obtenir,
en mme temps, la valeur x pour X et la valeur y pour Yj.
p(xi,yj) = p(X=xi et Y=yj)
Probabilits marginales :
La probabilit p(xi) est dite probabilit marginale de X, sil sagit de la probabilit d'obtenir
la valeur xi quelque soit la valeur de Y.
29
2. Variable alatoire
Probabilits
p ( x i , y j ) = p( x i )
j=1
p(yj) est dite probabilit marginale de Y. C'est la probabilit d'obtenir la valeur yj quelque
soit la valeur de X.
k
p( x i , y j ) = p( y j )
i =1
i =1
j=1
p ( x i , y j ) = p( x i ) = p ( y j ) = 1
i =1 j=1
p(X = x et Y = y) = p( x , y) 0
La notion de distribution de probabilit n'a donc plus de sens dans le cas continu. Par
contre la fonction de rpartition conserve toute sa signification.
La fonction f(x,y), drive de la fonction de rpartition F(x,y), est appele fonction de
densit de probabilit deux variables. Elle doit satisfaire la relation suivante :
+
f ( x , y) dx dy = 1
30
2. Variable alatoire
Probabilits
f (x ) =
f ( y) = f ( x , y) dx
f ( x , y) dy
F( x , y) = P(X x et Y y) =
f (u , v) dudv
E ( X ) = x p( x )
E(X) =
x f ( x ) dx
Proprits :
L'esprance d'une constante est la constante : E(a) = a
31
2. Variable alatoire
Probabilits
( x E(X)) p( x )
( x E ( x )) 2 f ( x ) dx
= V (X )
La variance est calcule partir de la formule dveloppe suivante : V(X) = E(X) - E(X)
Proprits :
La variance dune constante : V(a) = 0
et
X E(X)
E(XY) = x . y . p( x, y) .
Cas continu :
E ( xy) =
xy f ( x , y) dx dy
Proprits :
La covariance de deux variables alatoires indpendantes est nulle
32
2. Variable alatoire
Probabilits
COV(X , Y) = 0
Soient :
quelconques).
X' = aX + b
et
Y' = cY + d
1
k
1
k
Probabilit
0,525
0,350
0,125
Le producteur fait 50 parutions indpendamment les unes des autres. Soit X le nombre
d'articles vendus grce cette publicit. Calculer l'esprance et la variance de X.
2.6.3. Quatre tudiants dont aucun n'a tudi les sujets du cours passent un examen en deux
questions. La question 1 a 4 rponses indiques dont une seule est juste. La question 2 en a 5,
dont une seule est juste.
Soit la variable alatoire X qui dsigne le nombre d'tudiants qui ont au moins une rponse
correcte.
33
2. Variable alatoire
Probabilits
a) Quelle est l'esprance et la variance du nombre d'tudiant qui ont au moins une rponse
correcte ?
b) Calculer la probabilit que 2 tudiants au moins aient au moins une rponse correcte.
2.6.4. Dans un groupe de 10 mnages, le revenu annuel est distribu comme indiqu dans le
tableau ci-dessous : (les units sont les mmes pour mari et femme)
Mnage
1 2 3 4 5 6 7 8 9 10
Revenu du mari
10 15 15 10 10 15 20 15 20 20
Revenu de la femme 5 15 10 10 10 5 10 10 15 10
Un mnage est choisi au hasard, soit X le revenu du mari et Y le revenu de la femme.
a) Donner la loi de probabilit du couple (X, Y), en dduire les lois marginales de X et de
Y.
b) Calculer le coefficient de corrlation linaire entre X et Y.
c) On note S le revenu total du mnage et W le revenu total du mnage aprs impt avec :
S=X+Y
et
W = 0,6 X + 0,8 Y
en
0,02
0,15
0,25
0,30
0,15
0,10
0,03
1) On demande de
a) Calculer la probabilit que le grossiste vende moins de 3 tonnes de denres dans la
journe.
b) Calculer le nombre moyen de tonnes vendues chaque jour.
c) Calculer l'cart type.
2) Le grossiste gagne 5000 dh par tonne vendue et perd 2000 dh par tonne non vendue. Soit
la variable alatoire G dont les valeurs sont gales au gain pour une commande y.
34
2. Variable alatoire
Probabilits
0
1/6
1
1/6
2
1/6
3
1/6
4
1/6
5
1/6
Ce ptissier sait qu'il y a un profit de 10 dh pour chaque gteau vendu et une perte de 4 dh
pour chaque gteau non vendu.
En supposant que chaque gteau ne peut tre vendu que le jour o il a t prpar :
a) Quel est le profit auquel doit s'attendre le ptissier, le jour o il a prpar 5 gteaux ?
b) Que serait ce profit attendu si le ptissier avait prpar 3 gteaux uniquement ?
2.6.10. On tudie la dure X des communications tlphoniques dont la fonction de rpartition
est :
si
0
F( x ) = - k x
si
1 - e
5
Sachant que k =
6
x < 0
x 0
si 0 x 4
a) Dterminer la valeur de k .
b) Dterminer l'esprance mathmatique et l'cart type de X.
c) Calculer la probabilit : p(1 x 3).
35
2. Variable alatoire
Probabilits
2.6.12. Soit X une variable alatoire reprsentant le nombre d'heures de vie d'une ampoule
lectrique. Supposons que X soit distribu avec la fonction de densit de probabilit suivante :
x
f(x) =
1 1000
e
1000
pour x > 0
f ( x) = ax + bx
si 0 x 1
a) Dterminer a et b pour que X soit une variable alatoire dont l'esprance mathmatique
est gale
2
.
3
x0
0 si
F( x ) = x si 0 < x 1
1 si
x >1
[0-0,5].
2.6.15. Deux urnes contiennent chacune 3 boules numrotes 1, 2, 3. on tire une boule de
chacune des deux urnes. Soit P la variable alatoire gale au produit des deux numros ports
sur les deux boules tires.
a) Dterminer la distribution de probabilit de P.
b) Calculer lesprance mathmatique de P.
c) Calculer la probabilit pour que le produit P soit suprieur ou gal 2.
2.7. SOLUTIONS DES EXERCICES.
2.7.1. Solution de lexercice 2.6.1.
Soient les vnements suivants :
I : tre ingnieur : p(I) = 4 / 30
T : tre technicien : p(T) = 10 / 30
O : tre ouvrier : p(O) = 16 / 30
36
2. Variable alatoire
Probabilits
a) Le choix de 3 personnes peut tre fait, pour avoir un employ de chaque catgorie, de
plusieurs faons :
(I et T et O) = (I, T et O) ou (I, O et T) ou (T, I et O) ou (T, O et I) ou ( O, T et I) et (O, I et
T)
Avec (I, T et O) lvnement davoir, dans lordre, dabord un Ingnieur, ensuite un
Technicien et enfin un Ouvrier.
p=
p(X=0)
p(X=0)
37
2. Variable alatoire
Probabilits
p(X=1)
p(X=1)
p(X=1)
= (4/30).(16/29).(15/28) + (4/30).(16/29).(10/28)
+ (4/30).(10/29).(16/28) + (4/30).(10/29).(9/28)
+ (16/30).(4/29).(15/28) + (10/30).(4/29).(16/28)
+(16/30).(4/29).(10/28)+(10/30).(4/29).(9/28)
+(16/30).(15/29).(4/28)+(10/30).(16/29).(4/28)
+(16/30).(10/29).(4/28) + (10/30).(9/29).(4/28)
= [(4.16.15) + (4.16.10) + (4.10.16) + (4.10.9) + (16.4.15) + (10.4.16)
+(16.4.10) + (10.4.9) +(16.15.4) + (10.16.4) +(16.10.4) +
(10.9.4)]/(30.29.28)
= 0,3202
P(X=2)
= (4/30).(3/29).(10/28) + (4/30).(3/29).(16/28)
+ (4/30).(10/29).(3/28) + (4/30).(16/29).(3/28)
+ (16/30).(4/29).(3/28) + (10/30).(4/29).(3/28)
P(X=2)
P(X=2)
P(x)
0,6404
0,3202
0,0384
0,0010
1
38
2. Variable alatoire
Probabilits
Xi
0
100
200
Total
P(xi)
0,525
0,350
0,125
1
X, le nombre d'articles vendus aprs 50 parutions est gal la somme des articles vendus
aprs chaque parution.
50
X=
Xi
i =1
50
E(X) =
V(X) =
Probabilits
2. Variable alatoire
p(A) = p = 2/5
p(X = 0) = p( A et
p( A ) = q 3/5
et
3 3 3 3
x x x = 0,1296
5 5 5 5
A et A et A ) =
p(X = 1) = p(A et A et A et A ) + p( A et A et
A et A )+ p( A et A et A et A )+ p( A et
A et A et A)
p(X = 1) = (
2 3 3 3
x x x ) x 4 = 0,3456
5 5 5 5
A et A et A ) + p(A et A et A et A)+ p( A et A
A )+ p( A et A et A et A) + p( A et A et A et A)
2 2 3 3
p(X = 2) = ( x x x ) x 6 = 0,3456
5 5 5 5
et A et
2 2 2 3
x x x ) x 4 = 0,1536
5 5 5 5
2 2 2 2
p(X = 4) = p(A et A et A et A) = ( x x x ) = 0,0256
5 5 5 5
p(X = 3) = (
P(x)
0,1296
0,3456
0,3456
0,1536
0,0256
1
2. Variable alatoire
Probabilits
10
15
P(x)
1/10
1/10
0
2/10
2/10
2/10
2/10
6/10
0
1/10
1/10
2/10
3/10
4/10
3/10
1
COV(X, Y)
V ( X ) V (Y )
E(XY) = x y p( x, y)
41
2. Variable alatoire
Probabilits
COV(X, Y)
15 10
V ( X ) V (Y )
= 0,41
et
W = 0,6 X + 0,8 Y
10
15
15 ;10
20 ; 13
25 ; 16
20 ; 14
25 ; 17
30 ; 20
25 ; 18
30 : 21
35 ; 24
15
20
25
30
35
P(w)
1/9
0
0
0
0
0
0
0
0
1/9
0
1/9
1/9
0
0
0
0
0
0
2/9
0
0
0
1/9
1/9
1/9
0
0
0
3/9
0
0
0
0
0
0
1/9
1/9
0
2/9
0
0
0
0
0
0
0
0
1/9
1/9
1/9
1/9
1/9
1/9
1/9
1/9
1/9
1/9
1/9
1
42
2. Variable alatoire
Probabilits
La probabilit de se trouver nimporte quel tage est 1/8. Le temps dattente X est donc
une variable alatoire dont la loi de probabilit est :
X
5
10
15
20
25
30
35
40
Total
P(x)
1/8
1/8
1/8
1/8
1/8
1/8
1/8
1/8
1
Lcart type
en
0,02
0,15
0,25
0,30
0,15
0,10
0,03
2. Variable alatoire
Probabilits
2) Le grossiste gagne 5000 dh par tonne vendue et perd 2000 dh par tonne non vendue. Soit
la variable alatoire G dont les valeurs sont gales au gain pour une commande y.
Loi de probabilit de G lesprance de G pour une commande y = 0, 1, 2, 3, 4, 5, 6.
Pour une commande y, la variable alatoire G est :
G = 5000 X 2000 (y X) = 7000 X 2000 y
La valeur de X ne peut dpasser y.
Pour y = 0, G ne peut prendre que la valeur 0 avec une probabilit gale 1.
Pour y = 1
X
G
probabilits
E(G) =
0
-2000
0,02
1
5000
0,98
Pour y = 2
X
G
probabilits
E(G) =
0
-4000
0,02
1
3000
0,15
2
10000
0,83
Pour y = 3
X
G
probabilits
0
-6000
0,02
1
1000
0,15
44
2
8000
0,25
3
15000
0,58
2. Variable alatoire
Probabilits
E(G) =
gp(g) = -6000 x 0,02 + 1000 x 0,15 + 8000 x 0,25 + 15000 x 0,58 = 10730 dh
Pour y = 4
X
G
probabilits
E(G) =
0
-8000
0,02
1
-1000
0,15
2
6000
0,25
3
13000
0,30
4
20000
0,28
E(G) = 10690 dh
Pour y = 5
X
G
probabilits
E(G) =
0
-10000
0,02
1
-3000
0,15
2
4000
0,25
3
11000
0,30
4
18000
0,15
5
25000
0,13
gp(g)
0
-12000
0,02
1
-5000
0,15
2
2000
0,25
3
9000
0,30
4
16000
0,15
5
23000
0,10
6
30000
0,03
gp(g)
= -12000 x 0,02 + -5000 x 0,15 + 2000 x 0,25 + 9000 x 0,30 + 16000 x 0,15 + 23000 x 0,13
+ 30000 x 0,03
E(G) = 7810 dh
2.7.7. Solution de lexercice 2.6.7.
La variable alatoire X, nombre d'aspirines obtenues, peut prendre les valeurs 0, 1 et 2.
La variable alatoire Y, nombre de somnifres obtenus, peut prendre les valeurs 0, 1 et 2.
45
2. Variable alatoire
Probabilits
: p(A) = 3 / 9
: p(S) = 2 / 9
: p(L) = 4 / 9
p(x)
0,1667
0,3333
0,0833
0,5833
0,2222
0,1667
0
0,3889
0,0278
0
0
0,0278
0,4167
0,5
0,0833
1
46
2. Variable alatoire
Probabilits
P(x)
1/16
4/16
6/16
4/16
1/16
1
0
1/6
1
1/6
2
1/6
3
1/6
4
1/6
5
1/6
Ce ptissier sait qu'il y a un profit de 10 dh pour chaque gteau vendu et une perte de 4 dh
pour chaque gteau non vendu.
a) Profit attendu par le ptissier en un jour o il a prpar 5 gteaux.
Soit la variable alatoire Y qui dsigne le profit. Si le ptissier a prpar 5 gteaux, le profit
est donn par :
Y = 10 x X 4 x (5 X)
La loi de probabilit de Y est donc :
47
2. Variable alatoire
Probabilits
X
Y
P(y)
E(Y) =
0
-20
1/6
1
-6
1/6
2
8
1/6
3
22
1/6
4
36
1/6
5
50
1/6
0
-12
1/6
1
2
1/6
2
16
1/6
3
30
3/6
si
0
F( x ) = - k x
si
1 - e
5
k=
6
x < 0
x 0
5
3
6
) = 0,0821
5
6
6
) - (1 -
5
3
6
c) Calcul de k.
p(X > 3) = 0,1 = 1 p(X 3) = 1 F(3) = 1 (1 48
e k3 )
2. Variable alatoire
Probabilits
3 k
Ce qui donne e
= 0,1
Soit -3k = Log(0,1) = -2,3
Soit k = 0,77
2.7.11. Solution de lexercice 2.6.11.
F( x ) = kx 2 si 0 x 4
a) Calcul de la valeur de k.
La fonction de rpartition est un cumul de probabilits.
f(x) = F'(x) = (
f(x) = 8
0
1 2
1
x
x )' = 2 x
x.=
16
16
8
si 0 x 4
sinon
- Calcul de E(X) :
E(X) =
E(X) =
E(X) = 0 +
x f ( x ) dx
4
x . 0 dx + x .
0
x
dx +
8
+
4
x2
0 8 dx + 0
4
x3
43
8
E(X) = =
0=
3
24 0 24
49
x . 0 dx
2. Variable alatoire
Probabilits
E(X 2 ) =
x 2 f ( x ) dx
E(X 2 ) =
E(X 2 ) =
x3
0 8 dx
x 2 . 0 dx +
x
dx +
8
4
0
x2 .
+
4
x 2 . 0 dx
x4
E(X ) = 0 = 8
32 0
2
8
8
V(X) = E(X 2 ) E(X) 2 = 8 ( ) 2 =
3
9
Lcart type de x est :
8
= 0,94
9
c) Calcul de P (1 x 3)
= V(X) =
P (1 x 3) = F(3) F(1) =
1
1
1
x 32
x 12 =
16
16
2
1
f (x) =
e 1000
1000
E(X) =
pour x > 0
x . f ( x ) dx =
+
0
x.
1
1
e 1000 dx =
1000
1000
+
0
x .e
+
0
xe
x
1000
dx
b
a
f ( x ) g ' ( x ) dx = [f ( x ) g ( x )] a
On pose :
b
a
f ' ( x ) g ( x ) dx
f (x ) = x f ' (x ) = 1
g' ( x ) = e
x
1000
g ( x ) = 1000 e
50
x
1000
x
1000
dx Calculon
2. Variable alatoire
Probabilits
+
0
xe
x
1000
dx =
+
0
f ( x ) g ' ( x ) dx
+
x
x
+
1000
1000
= 1000 x e
dx
0 1 x (1000) x e
= 0 + 1000
+
0
x
1000
1000
dx = 1000 x (1000) e
= 1000 2 (0 1) = 1000 2
E(X) =
1
x 1000 2 = 1000 heures
1000
f ( x ) = ax + bx 2 si 0 x 1
a) Calcul des constantes a et b
f(x) est une fonction de densit de probabilit, elle remplit donc la condition :
1
x2
x3
f (x ) dx = 1 0 (ax + bx ) dx = 1 a 2 + b 3 = 1
0
a b
6 3a
3
+ = 1 3a + 2b = 6 b =
=3 a
2
2
2 3
2
On a daprs les donnes : E ( x ) =
3
+
1
2
2
2
x (fx) dx = 3 0 x (ax + bx ) dx = 3
+
ax 3
2
x
2
(
ax
+
bx
)
dx
=
+ b 4 =
0
3
4 0 3
3
1
51
2. Variable alatoire
Probabilits
a b 2
+ = 4a + 3b = 8
3 4 3
3
9
a
4a + 3(3 a ) = 8 4a + 9 a = 8 = 1
2
2
2
3
a = 2 et b = 3 x 2 = 0
2
f ( x ) = 2 x si 0 x 1
b) Calcul de lcart type
x 2 f ( x ) dx
1
x4
1
E (X ) = x . 2 x dx = 2 x dx = 2 =
0
0
4 0 2
1
V(X) =
1
1
2
1
( )2 =
=> Lcart type : =
= 0,2357
2
3
18
18
x0
0 si
F( x ) = x si 0 < x 1
1 si
x >1
a) Calcul de
P (0 x 0,5)
f ( x ) = F' ( x )
1 si 0 < x 1
f (x ) =
0 sin on
52
2. Variable alatoire
Probabilits
x2
1
E(X) = x f ( x ) dx = x dx = =
0
2 0 2
+
x3
1
E(X ) = x f ( x ) dx = x dx = =
0
30 3
2
V(X) =
1
1
1
( )2 =
=> Lcart type : =
3
2
12
1
12
= 0,289
1
2
3
2
4
6
3
6
9
1
1/9
2
2/9
3
2/9
4
1/9
6
2/9
9
1/9
53
Total
1
Probabilits
CHAPITRE 3
ANALYSE COMBINATOIRE
ET CALCUL DES PROBABILITES
Probabilits
n!
An = (n p)!
p
Exemple : Le nombre darrangements sans rptitions que lon peut faire avec deux lments
choisis parmi trois lments a, b, c est :
3!
A3 = (3 2)! =
2
3 2 1
=6
1
Cn =
p
n!
p! (n p)!
Exemple : Le nombre de combinaisons sans rptitions que lon peut faire avec deux lments
choisis parmi trois lments a, b, c est :
2
C3 =
3!
=3
2! 1!
55
Probabilits
(n + p 1)!
p! (n 1)!
Exemple : Le nombre de combinaisons avec rptitions que lon peut faire avec deux lments
choisis parmi trois lments a, b, c est :
4!
K3 = C3+ 21 = C4 = 2! 2! = 6
2
Ces 6 combinaisons sont : (a,a), (a, b), (a,c), (b,b), (b,c), et (c,c).
3.4. ENONCES DES EXERCICES DAPPLICATION.
3.4.1. Six verres de couleurs diffrentes : vert, bleu, rouge, jaune, orange et gris, sont placs sur
une tagre. Quelle est la probabilit pour que ces verres soient dans lordre suivant : bleu,
rouge, vert, gris, orange et jaune ?
3.4.2. On considre un jeu de loto dans lequel on doit choisir une combinaison de 6 nombres
diffrents parmi 24 nombres diffrents. Quelles sont les probabilits de choisir :
a) la combinaison : 2 ; 7 ; 12 ; 9 ; 21 et 24 ?
b) larrangement : 2 ; 23 ; 17 ; 9 ; 4 et 15 ?
3.4.3. On forme un nombre de 4 chiffres choisis de faon alatoire parmi les 10 chiffres 0, 1, 2,
, 9. Quelle est la probabilit davoir un nombre tel que :
a) les chiffres peuvent se rpter autant de fois que possible et le nombre est divisible par 5.
b) les chiffres ne peuvent se rpter et le nombre est pair.
c) les chiffres ne peuvent pas se rpter et le nombre ne contient que des chiffres impairs.
3.4.4. Quatre hommes et trois femmes se prsentent un guichet bancaire. Si lordre de servir
ces personnes est alatoire, quelle est la probabilit pour que :
a) les femmes soient servies en premier ?
b) les hommes et les femmes soient servis alternativement ?
3.4.5. On crit un mot de 7 lettres sans rptition laide dun alphabet de 26 lettres ; quelle est
la probabilit pour que ce mot soit probant ? Les mots n'ont pas ncessairement un sens.
3.4.6. Un championnat sportif groupe 20 quipes. Chaque match oppose deux quipes. Chaque
quipe doit, pendant la saison, rencontrer chacune des 19 autres quipes, une fois sur son
propre terrain et une autre fois sur le terrain de l'adversaire.
Combien de rencontres faut-il organiser au total ?
56
Probabilits
3.4.7. Quatre hommes (A, B, C et D) et trois femmes (E, F et G) vont s'asseoir sur un banc de 7
places.
a) Quelle est la probabilit pour que ces personnes sassoient selon lordre A, F, G, C, B,
D, E)?
b) Quelle est la probabilit pour que ces personnes sassoient selon lordre 2 femmes, 2
hommes, 1 femme et 2 hommes) ?
3.4.8. On dsire ranger, sur une tagre, quatre livres de mathmatiques, six livres de
statistiques et trois livres de gestion.
a) Quelle est la probabilit pour que les livres soient groups par spcialit ?
b) Quelle est la probabilit pour que les livres de gestion seulement soient groups
ensemble ?
3.4.9. On a un groupe de 5 filles et 8 garons.
a) Quelle est la probabilit pour choisir 7 personnes de faon prendre 3 filles et 4 garons
quelconques ?
b) Quelle est la probabilit pour choisir 7 personnes de faon prendre 3 filles et 4 garons
et quune fille particulire fasse obligatoirement partie du groupe former ?
c) Quelle est la probabilit pour choisir 7 personnes de faon prendre 3 filles et 4 garons
et que deux garons particuliers ne puissent pas tre choisis ?
3.4.10. On dispose de 7 consonnes et 5 voyelles.
a) Quelle est la probabilit de constituer des mots de 6 lettres avec 3 consonnes diffrentes
et 3 voyelles diffrentes ?
b) Quelle est la probabilit de constituer des mots de 6 lettres avec 4 consonnes diffrentes
et 2 voyelles diffrentes ?
c) Quelle est la probabilit de constituer des mots de 7 lettres avec 5 consonnes diffrentes
et 2 voyelles diffrentes de faon quil y ait alternance entre consonnes et voyelles ?
Les mots nont pas obligatoirement de sens.
3.4.11. On forme un comit de 5 membres choisis au hasard parmi 8 personnes dont 3 femmes
et 5 hommes.
Calculer la probabilit pour que
a) les trois femmes soient choisies ?
b) l'une des femmes, au moins, soit choisie ?
c) aucune femme ne soit choisie ?
3.4.12. Une course runissant 15 chevaux est organise au cours d'une fte. Le public est invit
donner le tierc gagnant (numros des trois premiers chevaux).
Pour une personne qui parierait tout fait au hasard, quelle est la probabilit quelle donne
le rsultat exact :
a) dans l'ordre (numros des trois premiers chevaux classs dans l'ordre exact de leurs
arrives) ?
b) dans le dsordre (numros des trois premiers chevaux classs dans un ordre diffrent) ?
57
Probabilits
3.4.13. On considre deux ds dont les faces sont numrotes de 1 6, on jette ces deux ds et
on dsigne par x et y les numros des faces des deux ds.
On pose z = x + y
a) Quelles sont les probabilits pour que z = 5 ?
b) Quelles sont les probabilits pour que z = 3 ?
c) Dterminer la loi de probabilit de z
d) Calculer alors p(4 < z < 8)
3.4.14. On considre trois ds dont les faces sont numrotes de 1 6, on jette ces 3 ds et on
dsigne par x, y et z les numros des faces des trois ds.
On pose t = x + y + z
Quelles sont les probabilits pour que :
a) t = 6 ?
b) t = 3 ?
c) t = 18 ?
3.4.15. On jette deux fois une pice de monnaie, on affecte la valeur 1 face et la valeur 0
pile, on dsigne par x et y les valeurs du rsultat du 1er et 2me jet.
On pose z = x + y
a) Quelles sont les probabilits pour que z = 2 ?
b) Quelles sont les probabilits pour que z = 1 ?
c) Dterminer la loi de probabilit de z
d) Calculer alors p(0 < z 2)
3.4.16. Sur 60 candidats l'entre dans un tablissement 40 sont du Sud.
Si 20 postulants sont slectionns au hasard, calculer la probabilit pour que :
a) 10 slectionns soient du Sud.
b) Entre 16 et 18 slectionns soient du Sud.
3.4.17. On considre un jeu de 32 cartes pour jouer au Poker. Les 32 cartes sont rparties en 4
couleurs : trfle, carreau, cur et pique ; chaque couleur comporte 8 cartes de diffrentes
hauteurs : 7-8-9-10-Valet (V)-Dames (D)-Roi (R) et As (A).
Au Poker, une main se compose de 5 cartes et peut avoir les configurations (ou figures)
suivantes :
1 - 1P Une paire, soit 2 cartes de mme hauteur, deux valets, deux 7, deux rois par
exemple ;
2 - 2P Deux paires, soit 2 fois 2 cartes de mme hauteur ;
3 - Br Un Brelan, soit 3 cartes de mme hauteur, trois dames, trois 8, trois valets par
exemple ;
4 - Cr Un carr, soit 4 cartes de mme hauteur, 4 rois, quatre 9 par exemple ;
5 - Qt Une suite, soit 5 cartes qui se suivent sans avoir la mme couleur ;
6 - Cl Une couleur, soit 5 cartes de mme couleur ;
7 - Qf Une quinte floch, soit 5 cartes de mme couleur qui se suivent ;
8 - Fl Un full, soit un brelan et une paire.
58
Probabilits
Le classement de ces figures se fait par ordre inverse de la probabilit de les avoir, cest-dire que la force dune figure F1 est infrieure la force dune figure F2 si la probabilit
davoir F1 est suprieure la probabilit davoir F2.
a) Calculer les probabilits de chaque figure.
Il sagit, par exemple, de calculer la probabilit davoir une main (5 cartes) avec une
paire et rien quune paire, une main avec un brelan et rien quun brelan, etc.
Calculer ces probabilits, chaque fois que possible, de deux faons diffrentes.
b) Classer les 8 figures par ordre croissant de force.
c) Calculer, de deux faons diffrentes, la probabilit dune main qui ne comporte aucune
figure liste ci-dessus, cest une main ou figure quelconque, Qc.
d) Classer une main quelconque parmi les 8 mains dj classes la question b.
3.4.18. Un jeu de toto foot consiste prvoir les rsultats de dix matchs de football en
inscrivant les prvisions sur une feuille rponse. Pour chaque match trois rsultats sont
possibles : victoire dune quipe, victoire de lautre quipe, match nul. Combien de chances at-on de gagner si on a jou, dabord une feuille et puis 2 feuilles ?
3.5. SOLUTIONS DES EXERCICES DAPPLICATION.
3.5.1. Solution de lexercice 3.4.1.
On applique la formule gnrale de la probabilit qui est :
p = Nombre de cas favorables / Nombre de cas possibles
Nombre de cas favorable = 1
Nombre de cas possibles = Nombre de permutations de 7 verres = 7 !
Donc p = 1 / 7 ! = 1 / 5040
Il y a une chance sur 5040 pour trouver les verres dans lordre indiqu.
3.5.2. Solution de lexercice 3.4.2.
On applique la formule gnrale de la probabilit qui est :
p = Nombre de cas favorables / Nombre de cas possibles
a) Nombre de cas favorables = Nombre de permutations de 6 lments = 6 ! puisque lordre
des nombres nest pas important.
Nombre de cas possibles = Nombre de combinaisons de 6 lments parmi 24 =
59
C24
Probabilits
p=
6!
6 ! x 6 !x 18 !
6.5.4.3.2.1x 6.5.4.3.2.1
=
24 !
24.25.24.23.22.21.20.19
C
6.5.3.2.1 180
=
= 0,535%
23.19.11.7 33649
6
24
b) Nombre de cas favorables = 1 seul arrangement puisque lordre des nombres est
important.
Nombre de cas possibles = Nombre de combinaisons de 6 lments parmi 24 =
p=
C24
1! x 6 !x 18 !
1x 6.5.4.3.2.1
=
24 !
24.25.24.23.22.21.20.19
C
1
1
=
= 7,4 pour 1 million
23.19.11.7.4 134596
6
24
K10 = C12 =
3
12 !
12.11.10
=
= 11.10.2 = 220
3! 9!
3 .2 .1
60
Probabilits
K10 = C11 =
2
11 !
11.10
=
= 55
2 ! 9!
2 .1
N(a) = 55 . 9. 2 = 990
&
b) Pour que le nombre soit pair il faut et il suffit quil se termine par 0, 2, 4, 6 ou 8.
Il faut donc calculer le nombre de nombres de 3 chiffres ( gauche) et complter par les 5
possibilits de terminer ces nombres droite par 0, 2, 4, 6 ou 8, il faut ensuite soustraire les cas
des nombres pairs avec le zro gauche.
3
N(b) = C9
x 5 C82 x 4 =
9 !.5
8 !.4
9 .8 .7 .5 8 .7 .4
C5 =
4
5!
=5
4 ! 1!
&
61
Probabilits
N(b) =
1
1
1
1
1
1
1
C4 x C3 x C3 x C2 x C2 x C1 x C1 = 4.3.3.2.2.1.1.= 144
7
26
26 !
= 657800
7 ! 19 !
A 20 =
2
20 !
= 20.19 = 380 rencontres possibles
18 !
Il sagit bien darrangements et non de combinaisons parce que lordre intervient dans la
mesure o lquipe tire la 1re joue chez elle le 1er match.
3.5.7. Solution de lexercice 3.4.7.
On applique la formule gnrale de la probabilit qui est :
p = Nombre de cas favorables / Nombre de cas possibles
a) Nombre de cas favorable = 1
Nombre de cas possibles = Nombre de permutations de 7 personnes = 7 !
Donc p = 1 / 7 ! = 1 / 5040
Il y a une chance sur 5040 pour trouver les personnes dans lordre indiqu.
62
Probabilits
C3 x C4 x C1 x C2 = 18
Les combinaisons C32 x C24 x C11 x C22 donnent les nombres de possibilits de choisir 2
femmes parmi 3, puis 2 hommes parmi 4, ensuite 1 femme parmi la femme qui reste et enfin 2
hommes parmi les 2 hommes qui restent.
C3 x C4 x C1 x C2 = 18
p=
= 1 / 10010
Il y a une chance sur 10010 pour trouver les livres dans lordre indiqu.
b) Nombre de cas favorables = 3 !x 11 ! qui est le nombre de possibilits de ranger les 3
livres de gestion fois le nombre de possibilits de permuter les 10 autres livres et le groupe des
livres de gestion.
Nombre de cas possibles = Nombre de permutations de 13 livres = 13 !
Donc
p=
11 !.3 !
= 1 / 26
13 !
Il y a une chance sur 26 pour trouver les livres dans lordre indiqu.
3.5.9. Solution de lexercice 3.4.9.
On applique la formule gnrale de la probabilit et qui est :
63
Probabilits
C 5 x C8
Les combinaisons C35 x C84 donnent les nombres de possibilits de choisir 3 filles et 4
garons de faon quelconque parmi 8.
Nombre de cas possibles =
La combinaison
Donc
p=
C13
7
C13 donne le nombre de possibilits de choisir 7 personnes parmi 13.
5 !8 !.7 !.6 !
= 175 / 429
3 !.4 !.2 !.4 !13 !
Il y a 175 chances sur 429 pour trouver les personnes dans un ordre quelconque, soit un peu
moins que 40,80%.
b) Nombre de cas favorables =
C4 x C8 x1
Les combinaisons C24 x . C84 donnent les nombres de possibilits de choisir 2 filles et 4
garons de faon quelconque parmi 8 et 1 reprsente le choix de la fille particulire.
Nombre de cas possibles =
La combinaison
Donc
p=
C13
7
C13 donne le nombre de possibilits de choisir 7 personnes parmi 13.
Il y a 35 chances sur 141 pour trouver les personnes dans un ordre quelconque, soit un peu
plus que 24,47%
c) Nombre de cas favorables =
C5 x C6
Les combinaisons C35 . C64 donnent les nombres de possibilits de choisir 3 filles parmi 5
et 4 garons parmi 6 seulement puisquon dcide dcarter 2 garons..
Nombre de cas possibles =
C13
64
Probabilits
La combinaison
Donc
p=
7
C13 donne le nombre de possibilits de choisir 7 personnes parmi 13.
Il y a 25 chances sur 282 pour trouver les personnes dans un ordre quelconque, soit un peu
plus que 8,74%
3.5.10. Solution de lexercice 3.4.10.
On applique la formule gnrale de la probabilit et qui est :
p = Nombre de cas favorables / Nombre de cas possibles
a) Nombre de cas favorables =
C7 x C5
Les combinaisons C37 x C35 donnent les nombres de possibilits de choisir 3 consonnes
parmi 7 et 3 voyelles parmi 5 de faon quelconque.
Nombre de cas possibles =
La combinaison
C12
Il y a 50 chances sur 132 pour constituer des mots de 3 consonnes diffrentes et 3 voyelles
diffrentes, soit un peu moins que 37,88 %.
b) Nombre de cas favorables =
C7 x C5
Les combinaisons C74 x C52 donnent les nombres de possibilits de choisir 4 consonnes
parmi 7 et 2 voyelles parmi 5 de faon quelconque.
Nombre de cas possibles =
La combinaison
C12
6
C12 donne le nombre de possibilits de choisir 6 lettres parmi 12.
65
Probabilits
Donc
p=
7 !5 !.6 !.6 !
= 50 / 132
3 !.4 !.3 !.2 !.12 !
Il y a 50 chances sur 132 pour constituer des mots de 4 consonnes diffrentes et 2 voyelles
diffrentes, soit un peu moins que 37,88 %
c) Pour ce faire on doit commencer les mots par une consonne et terminer par une
consonne.
Nombre de cas favorables =
A7 x A5
A12
7
A12 donne le nombre de possibilits darrangements de 7 lettres parmi 12.
7 !.5 !.7 !
Donc p =
= 70 / 132
2 !.3 !.12 !
Il y a 70 chances sur 132 pour choisir des mots de 7 lettres avec consonnes et voyelles ordre
alternes, soit un peu plus que 53 %
3.5.11. Solution de lexercice 3.4.11.
On applique la formule gnrale de la probabilit et qui est :
p = Nombre de cas favorables / Nombre de cas possibles
a) Nombre de cas favorables =
C3 x C5
Les combinaisons C33 x C52 donnent les nombres de possibilits de choisir 3 femmes parmi
3 et 2 hommes parmi 5 de faon quelconque.
Nombre de cas possibles =
La combinaison
C8
5
C8 donne le nombre de possibilits de choisir 5 personnes parmi 8.
66
Probabilits
Donc
p=
3 !5 !.5 !.3 !
= 5 / 28
3 !.0 !.3 !.2 !.8 !
Il y a 5 chances sur 28 pour choisir 5 personnes pour que les 3 femmes soient choisies, soit
un peu moins que 17,86%
b) Nombre de cas favorables =
1
4
2
3
3
2
C3 x C5 + C3 x C5 + C3 x C5
Les combinaisons C13 x C54 , C32 x C35 et C33 x C52 donnent les nombres de possibilits de
choisir au moins une femme parmi 3 (c'est--dire une, deux ou les trois) et le reste en hommes
parmi 5 de faon quelconque.
Nombre de cas possibles =
La combinaison
C8
5
C8 donne le nombre de possibilits de choisir 5 personnes parmi 8.
Donc
p=
3 !5 !.5 !.3 !
3 !5 !.5 !.3 !
3 !5 !.5 !.3 !
+
+
= 98,21 %
2 !.1 !.4 !.1 !.8 ! 2 !.1 !.3 !.2 !.8 ! 3 !.0 !.3 !.2 !.8 !
Il y a 98,21 % de chances de choisir 5 membres de faon quil y ait au moins une femme.
c) Nombre de cas favorables =
Les combinaisons
faons quelconques.
5
C5 donnent les nombres de possibilits de choisir 5 hommes parmi 5 de
Donc
p=
5
C5 = 1
C8
5
C8 donne le nombre de possibilits de choisir 5 personnes parmi 8.
1.5 !.3 !
= 1 / 56
8!
Il y a 1 chance sur 56 pour choisir 5 personnes de faon quil ny ait aucune femme, soit un
peu moins que 1,79%
67
Probabilits
A15
A15 donne le
1
12 !
1
=
=
= 1 / 2730
3
A15 15 ! 15.14.13
Il y a 1 chance sur 2730 pour choisir 3 chevaux dans lordre de leur entre.
b) Nombre de cas favorables = P3 = 3 !
La permutation P3 donne les nombres de possibilits de classer 3 chevaux parmi 3.
Nombre de cas possibles =
Larrangement
A15 donne
A15
le nombre de possibilits de choisir 3 chevaux parmi 15 en
3!
3!.12 !
3 .2 .1
=
=
= 1 / 455
3
15 !
15.14.13
A15
Il y a 1 chance sur 455 pour choisir 3 chevaux parmi 15 dans un ordre quelconque par
rapport lordre de leur arrive.
3.5.13. Solution de lexercice 3.4.13.
Les variables x, y et z sont des variables alatoires discrtes, rsultats dexpriences
alatoires.
68
Probabilits
Les variables x et y sont des variables alatoires discrtes quiprobables ; elles peuvent
prendre les valeurs de 1 6 avec 1 / 6 de chance pour chaque chiffre.
On applique la formule gnrale de la probabilit et qui est :
p = Nombre de cas favorables / Nombre de cas possibles
a) Nombre de cas favorables :
Pour avoir 5 comme rsultat, les deux ds doivent marquer les combinaisons suivantes : (1 ;
4) ou (2 ; 3), or chacun des deux cas peut tre sorti de 2 faons : (1 ; 4) ou (4 ; 1) et (2 ; 3) ou
(3 ; 2).
Donc nombre de cas favorables = 4
Nombre de cas possibles = 6 x 6 = 36
Donc
p (z = 5) =
4
=1/9
36
Il y a 1 chance sur 9 pour que le rsultat dun jet de 2 ds soit 5, soit un peu plus que
11,11%.
p(z =5) peut tre calcule autrement :
p(z =5) = p(x+y = 5) = p((x=1 et y=4) ou (x=4 et y=1) ou (x=2 et y=3) ou (x=3 et y=2))
p(z =5) = p(x=1 et y=4) + p(x=4 et y=1) + p(x=2 et y=3) + p(x=3 et y=2)
p(z =5) = (1/6).(1/6) + (1/6).(1/6) + (1/6).(1/6) + (1/6).(1/6) = (4 / 36) = 1 / 9
b) Nombre de cas favorables :
Pour avoir 3 comme rsultat, les deux ds doivent marquer la combinaison suivante : (1 ;
2), qui peut tre sorti de 2 faons : (1 ; 2) ou (2 ; 1).
Donc nombre de cas favorables = 2
Nombre de cas possibles = 6 x 6 = 36
Donc
p(z = 3) =
2
= 1 / 18
36
Il y a 1 chance sur 18 pour que le rsultat dun jet de 2 ds soit 3, soit un peu moins que
5,56%.
69
Probabilits
p(z)
1 / 36
2 / 36
3 / 36
4 / 36
5 / 36
6 / 36
5 / 36
4 / 36
3 / 36
2 / 36
1 / 36
1
70
Probabilits
La configuration (1 ;1 ;4) peut tre sortie de 3 faons qui sont : (1 ;1 ;4), (1 ;4 ;1) et
(4 ;1 ;1).
La configuration (2 ;2 ;2) ne peut tre videmment sortie que dune seule faon.
La configuration (1 ;2 ;3) peut tre sortie de 3 ! = 6 faons qui sont : (1 ;2 ;3), (1 ;3 ;2),
(2 ;3 ;1), (2 ;1 ;3), (3 ;1 ;2) et (3 ;2 ;1).
Donc nombre de cas favorables = 3 + 1 + 6 = 10
Nombre de cas possibles = 6 x 6x 6 = 216
Donc
p=
10
= 5 / 108
216
Il y a 1 chance sur 108 pour que le rsultat dun jet de 3 ds soit 6, soit un peu moins que
4,63%.
b) Nombre de cas favorables = 1
Il ny a quune faon davoir 3 comme rsultat cest que les trois ds marquent (1 ;1 ;1).
Nombre de cas possibles = 6 x 6 x6 = 216
Donc p = 1 / 216
Il y a 1 chance sur 216 pour que le rsultat dun jet de 3 ds soit 3, soit un peu plus que
0,46%.
c) Nombre de cas favorables = 1
Il ny a quune faon davoir 18 comme rsultat cest que les trois ds marquent (6 ; 6 ; 6).
Nombre de cas possibles = 6 x 6 x6 = 216
=>
p = 1 / 216
Il y a 1 chance sur 216 pour que le rsultat dun jet de 3 ds soit 18, soit un peu plus que
0,46%.
3.5.15. Solution de lexercice 3.4.15.
Les variables x, y et z sont des variables alatoires discrtes, rsultats dexpriences
alatoires.
Les variables x et y sont des variables alatoires discrtes, quiprobables ; elles peuvent
prendre les valeurs 1 ou 0 avec 1/2 de chance pour chaque chiffre.
On applique la formule gnrale de la probabilit et qui est :
71
Probabilits
p(z = 1) = 1 / 2
p(z = 2) = 1 / 4
10
10
C40 x C20
72
Probabilits
Les combinaisons
10
10
C40 x C20
20
C60
20
C60
60.
Donc
p=
10
C10
40 C 20
= 0,0374
20
C60
C532 =
32.31.30.29.28
= 32.31.29.7
5 .4 .3 .2 .
p ( 2P) =
73
Probabilits
Dabord choisir 2 hauteurs parmi 8 et aprs 2 fois 2 cartes parmi les 4 cartes de la mme
hauteur (ce sont les 2 paires) ;
Enfin choisir une 5me carte parmi les 24 cartes restantes lorsquon aura cart les 2 fois
4 cartes parmi lesquelles nous avons dj choisi les 2 paires.
a2) Probabilit de Qf
C14 .4
1
p (Qf ) = 5 =
= 0,000079
C 32
2.31.29.7
Pour avoir une Quinte floch, il faut :
-
a3) Probabilit de Cr :
p (Cr ) =
C18 .C 44 .C128
1
=
= 0,001112
5
C32
31.29
Dabord choisir une hauteur parmi les 8 et aprs choisir 4 cartes parmi les 4 de mme
hauteur (cest le carr) ;
Enfin choisir la 5me carte parmi les 28 cartes restantes lorsquon aura cart les 4 cartes
formant le carr.
a4) Probabilit de Fl :
p (Fl) =
Dabord choisir une hauteur parmi 8 et aprs choisir 2 cartes parmi les 4 cartes de la
mme hauteur (cest la paire) ;
Enfin choisir une autre hauteur par les 7 restantes et aprs choisir 3 cartes parmi les 4
cartes de la mme hauteur (cest le Brelan).
p (Br ) =
C 18 C 34 C 72 C 14 C 14
C 532
48
31.29
= 0,053393
Dabord choisir une hauteur parmi les 8 hauteurs existantes et aprs choisir 3 cartes
parmi les 4 cartes de la mme hauteur (cest le Brelan) ;
74
Probabilits
Enfin choisir 2 hauteurs parmi les 7 hauteurs qui restent et aprs choisir de chacune des
2 hauteurs 1 carte parmi 4 (cest les 2 singletons).
On aurait pu constituer un brelan dune autre faon :
-
Dabord choisir une hauteur parmi les 8 hauteurs existantes et aprs choisir 3 cartes
parmi les 4 cartes de la mme hauteur (cest le brelan) ;
Ensuite choisir 2 cartes parmi les 28 autres cartes restantes une fois quon a retir les 4
cartes parmi lesquelles on a choisi le brelan ;
Enfin soustraire la probabilit dun full car lors de la deuxime tape on na pas cart
la possibilit davoir une paire dans le choix de 2 cartes parmi les 28.
54
6
48
=
31.29 31.29 31.29
p (Cl) =
C14 .( C85 4)
6,5
=
= 0,001033
5
C32
2.31.29.7
C14 .C85
13
On aurait faire ce calcul dune autre faon : p(Cl) =
p(Qf ) =
5
C32
2.31.29.7
-
p (1P) =
75
Probabilits
Dabord choisir une hauteur parmi les 8 hauteurs existantes et aprs choisir 2 cartes
parmi les 4 cartes de la mme hauteur (cest la paire) ;
Ensuite choisir 3 hauteurs diffrentes parmi les 7 autres hauteurs restantes et aprs
choisir 3 fois 1 carte parmi les 4 cartes des hauteurs choisies (cest les 3 singletons).
Enfin soustraire la probabilit dune couleur car le mode opratoire choisi ncarte pas
cette possibilit
p (Qt ) =
4.(K 54 4) 4.(C85 4)
13
=
=
= 0,001033
5
5
C32
C32
2.31.29.7
Dabord choisir une suite parmi les 8 hauteurs existantes et l il ny a que 4 possibilits
qui sont ; 7-8-9-10-V, 8-9-10-V-D, 9-10-V-D-R-A ;
Ensuite il faut choisir 5 couleurs parmi les 4 couleurs existantes avec possibilit de
rptition ;
Enfin il faut retirer les 4 cas possibles pour que les 5 cartes ne soient pas toutes de la
mme couleur.
p (Qc) =
Une autre faon de calculer la probabilit davoir une main quelconque consiste
P(Qc) =
76
Probabilits
(N.B. : Ce rsultat est obtenu grce des calculs exacts des toutes les autres probabilits
dj trouves ).
En effet une main quelconque est la figure complmentaire de toutes les autres figures
runies, lesquelles sont exclusives.
Remarquons que le fait de trouver chaque fois les mmes rsultats confirme la validit de
tous les calculs de cet exercice.
Le classement des probabilits des diffrentes figures est :
p( 1P ) > p( Qc ) > p( 2P ) > p( Br ) > p( Fl ) > p( Cr ) > p( Cl) = p( Qt ) > p( Qf.)
De ce fait le classement des figures devient :
1P < Qc < 2P < Br < Fl < Cr < Cl = Qt < Qf
Voil ce que donnent les calculs comme classement !
Cependant il y a lieu de signaler quhabituellement, on classe la main figure Qc infrieure
une main 1P et lon convient, avant chaque partie, de classer la main une Cl infrieure ou
suprieure la main une Qt.
3.5.18. Solution de lexercice 3.4.18.
Pour calculer la probabilit nous utiliserons la formule gnrale.
p = Nombre de cas favorables / Nombre de cas possibles
Nombre de cas favorables = 1
Nombre de cas possibles : il sagit des applications de lensemble des 10 matchs dans
lensemble des 3 rsultats possibles. Il existe 310 = 59049 faons de remplir la feuille rponse.
La probabilit recherche est donc : p = 1/59049
Il y a une chance sur 59049 pour gagner ce jeu de toto foot si on joue une feuille.
Si lon joue 2 feuilles, les 2 vnements tant indpendants, on gagne si une des deux
feuilles, au moins, est gagnante :
p(Feuille1 ou Feuille2) = p(Feuille1) + p(Feuille2) = 2. p(Feuille) = 2 / 59049
Il y a videmment 2 chances sur 59049 pour gagner ce jeu de toto foot si on joue 2
feuilles.
77
Probabilits.
L
CHAPITRE 4
LOIS DE PROBABILITE DISCRETES
Les lois thoriques essaient de dcrire des phnomnes statistiques dans le but de calculer
la probabilit de certains vnements et donc d'avoir une certaine reprsentation de l'avenir.
4.1. LOI DE BERNOULLI.
La loi de Bernoulli intervient dans le cas d'une seule exprience alatoire laquelle on
associe un vnement alatoire quelconque.
La ralisation de l'vnement au cours de cette exprience est appele succs et la
probabilit de ralisation est dite probabilit de succs, dsigne par p. Par contre la non
ralisation de l'vnement est appele chec et la probabilit de non ralisation est dite
probabilit d'chec, dsigne par q.
q=1-p
La variable alatoire X qui caractrise le nombre de succs au cours d'une seule exprience
alatoire est appele variable de Bernoulli : elle prend les valeurs entires 0 et 1 avec les
probabilits respectives q et p.
Loi de probabilit d'une variable Bernoulli
x
0
1
Total
p(x)
q
P
1
xp( x ) = 0 q + 1 p = p
x p( x ) = 0 q + 1 p = p
78
Probabilits.
L
Les probabilits p et q restent constantes au cours d'une suite d'expriences alatoires. C'est
le cas des prlvements d'individus au hasard dans une population infinie ou le prlvement
d'individus dans une population finie, lorsque les individus sont remis en place au fur et
mesure des prlvements.
La variable alatoire X qui caractrise le nombre de succs au cours de n expriences
alatoires indpendantes est appele variable binomiale : elle prend les valeurs entires de 0
n.
La probabilit d'obtenir k succs et donc (n-k) checs au cours de n expriences alatoires
indpendantes est, pour k = 0, 1, ..., n :
p ( k ) = Cn p k q n k
k
et
V(X) = npq
Avec
pi = 1
i =1
Probabilits.
L
xi = n
i =1
p( m1 , m 2 , K , m k ) =
n!
m
m
m
p1 1 p 2 2 K p k k
m1! m 2 ! K m k !
C C
p(k ) =
C
n1
n k
n2
Probabilits.
L
L(X) = H(N, n1 , n)
Caractristiques d'une variable hypergomtrique :
E(X) = np
et
V(X) =
Nn
avec
N 1
p=
n1
N
xi = n
i =1
m1
p( m1 , m 2 , K , m k
C
)=
n1
Cn 2 K Cn k
m
Probabilits.
L
p( k ) =
e m m k
k!
X2 = P(m2)
Xk = P(mk)
X1 + X2 + + Xk = P(m1 + m2 + + mk)
4.7. ENONCES DES EXERCICES DAPPLICATION.
4.7.1. Dans un portefeuille comprenant 20 actions et 30 obligations, on prlve 7 titres au
hasard. Quelle est la probabilit d'obtenir 4 actions dans le cas :
a) d'un tirage sans remise ;
b) d'un tirage avec remise.
4.7.2. Des chambres air sont produites en srie et 5 % ont des dfauts. Un garagiste en achte
10.
a) Quelle est la probabilit que les 10 soient en bon tat ?
b) On suppose qu'il annule sa commande si plus de 2 articles ont des dfauts. Quelle est la
probabilit qu'il annule sa commande ?
4.7.3. Un lot important de pices fabriques contient 1 % de pices dfectueuses. Quelle est la
probabilit d'avoir dans un chantillon de 10 pices exactement 2 pices dfectueuses.
82
Probabilits.
4.7.4. Un contrle rigoureux des ampoules lectriques fournies par un atelier a permis de
constater que sur 14760 ampoules, il y avait 738 ampoules dfectueuses.
Soit X le nombre des ampoules dfectueuses figurant dans un lot de 60 ampoules.
a) Indiquer la loi de probabilit de X.
b) Quelle est la probabilit d'avoir plus de 3 ampoules dfectueuses dans un lot de 60
ampoules ?
c) Quelle est la probabilit d'avoir 78 ampoules bonnes dans un lot de 80 ampoules ?
4.7.5. 30 tudiants dont aucun n'a tudi les sujets du cours passent un examen en deux
questions. La question 1 a 4 rponses indiques dont une seule est juste. La question 2 en a 5,
dont une seule est juste.
Soit la variable alatoire X qui dsigne le nombre d'tudiants qui ont au moins une rponse
correcte.
a) Quelle est l'esprance du nombre d'tudiant qui ont au moins une rponse correcte ?
b) Calculer la probabilit pour que 15 tudiants de la classe aient au moins une rponse
correcte.
4.7.6. Un satellite de tldtection effectue 6 passages par mois au-dessus d'une rgion donne.
Les photos ralises lors des diffrents passages peuvent tre inutilisables, du fait notamment
de la prsence d'une couverture nuageuse.
Quelle doit tre la probabilit d'obtenir une photo valable lors d'un passage donn pour que
la probabilit d'avoir au moins une photo valable par mois soit de 0,9 ?
4.7.7. Un tudiant doit passer un examen, il a dix sujets apprendre, il n'en apprend que trois.
Sachant qu'on lui posera deux questions :
a) Calculer la probabilit pour que les questions poses soient parmi les trois sujets appris.
b) Combien aurait-il d au minimum apprendre de sujets pour que cette probabilit soit
suprieure ou gale 0,5 ?
4.7.8. Une socit achte des lots importants d'un composant lectronique. La dcision
d'accepter ou de refuser ces lots est base sur un chantillon de 20 pices choisies au hasard.
Sil y a une ou plusieurs pices dfectueuses parmi les 20 pices examines le lot est refus,
autrement il est accept.
On considre un lot important ayant 1 % de pices dfectueuses : calculer la probabilit de
refuser ce lot.
4.7.9. Une compagnie d'assurance automobile gre 1000 polices. On admet que chaque
automobiliste a une probabilit de 0,004 d'avoir un accident durant l'anne. Soit X la variable
alatoire qui dsigne le nombre d'accidents enregistrs.
a) Dterminer la loi de X et donner ses paramtres.
b) Calculer l'esprance mathmatique et l'cart type de X.
c) Chaque accident cote la compagnie 4000 dirhams ; soit la variable alatoire Y qui
dsigne le cot annuel total. Dterminer la loi de Y et calculer son esprance mathmatique et
son cart type.
83
Probabilits.
L
Probabilits.
L
C C
p(k ) =
C
n1
n k
n2
4
3
4845 4060
30
p(X = 4) = p(4) = C20 C
=
= 0,1969
7
99884400
C50
85
Probabilits.
L
On effectue quatre tirages avec remise dans une population finie. Lvnement tirer une
action correspond un succs dont la probabilit ne varie pas dun tirage un autre (tirage
avec remise). Il sagit donc dune loi binomiale de paramtres :
Nombre de tirages : n = 7
Probabilit de succs : p = (20 / 50) = 0,4
L(X) = B(7 , 0,4)
p(k ) = Cn p k q n k
k
p(X = 4) =
On remarque que la probabilit de succs dans un tirage sans remise est suprieure celle
dans un tirage avec remise, ce qui est normal.
4.8.2. Solution de lexercice 4.7.2.
a) Probabilit que les 10 chambres air achetes soient en bon tat.
Soit X la variable alatoire qui dsigne le nombre de chambres air en bon tat.
Lvnement acheter une chambre air en bon tat correspond un succs dont la
probabilit ne varie pas. Il sagit donc dune loi binomiale de paramtres :
Nombre de tirages : n = 10
Probabilit de succs : p = 1 - 0,05 = 0,95
L(X) = B(10 , 0,95)
p(k ) = Cn p k q n k
k
p(X = 10) =
10
0
p(10) = C10
10 0,95 (1 0,95) = 0,5987
Il y a environ 60 % de chances que les 10 chambres air achetes soient toutes en bon tat.
b) Probabilit dannuler la commande.
Le garagiste annule sa commande si plus de 2 articles ont des dfauts. Ce qui est quivalent
avoir moins de 8 articles en bon tat.
p(X < 8) = 1 p(X 8) = 1 [p(8) + p(9) + p(10)]
8
p(8) = C10
0,958 (1 0,95) 2 = 0,0746
9
p(9) = C10
0,95 9 (1 0,95)1 = 0,3151
10
0
p(10) = C10
10 0,95 (1 0,95) = 0,5987
Probabilits.
L
p(k ) = Cn p k q n k
k
p(X = 2) =
2
p(2) = C10
0,012 (1 0,01) 8 = 0,0042
Probabilits.
L
Probabilits.
L
Probabilit d'avoir au moins une photo valable par mois est de 0,9
p(X 1) = 0,9
=>
=>
p(X = 0) = 0,1
p(0) = C p (1 p) = 0,1
0
6
(1 p)6 = 0,1
p = 1 6
0,1 = 0,32
Il faut avoir 32 % de chance dobtenir une photo valable lors d'un passage donn pour que
la probabilit d'avoir au moins une photo valable par mois soit de 0,9.
4.8.7. Solution de lexercice 4.7.7.
a) Probabilit pour que les questions poses soient parmi les trois sujets appris.
X dsigne le nombre de sujets poss et appris.
Lvnement question pose et appris correspond un succs dont la probabilit ne varie
pas (les questions sont indpendantes). Il sagit donc dune loi binomiale de paramtres :
Nombre de questions : n = 2
Probabilit de succs : p = (3 / 10) = 0,3
L(X) = B(2 ; 0,3)
p(X = 2) =
Ltudiant na que 9 % de chance pour que les questions poses soient parmi les trois sujets
appris.
b) Nombre minimum de sujets apprendre pour que la probabilit que les sujets poss
soient parmi les sujets appris soit suprieure ou gale 0,5.
p(X = 2) =
p(2) = C22 (
n
0,5 =>
100
n 2
n
) (1 ( ) 0 0,5
10
10
n 50
=>
n7
Ltudiant doit apprendre au minimum 8 sujets pour avoir plus de 50 % de chances pour
que les questions poses soient parmi les sujets appris.
4.8.8. Solution de lexercice 4.7.8.
X dsigne le nombre de pices dfectueuses.
89
Probabilits.
L
Lvnement pice dfectueuse correspond un succs dont la probabilit ne varie pas (lot
important). Il sagit donc dune loi binomiale de paramtres :
Nombre de tirages : n = 20
Probabilit de succs : p = 0,01
L(X) = B(20 ; 0,01)
Le lot est refus sil y a une ou plusieurs pices dfectueuses.
p(X 1) = 1 p(0) = 1 -
0
0
20
C20 0,01 0,99
= 0,1821
= 3,984 = 2 accidents
c) Chaque accident cote la compagnie 4000 dirhams ; soit la variable alatoire Y qui
dsigne le cot annuel total. Dterminer la loi de Y et calculer son esprance mathmatique et
son cart type.
Le cot annuel total est gal au cot dun accident multipli par le nombre daccidents.
Y = 4000 X
E(Y) = 4000 x E(X) = 4000 x 4 = 16000 dh
V(Y) = 40002 x V(X) = 40002 x 3,984 = 63744000
= 63744000 = 7983,98 dh
4.8.10. Solution de lexercice 4.7.10.
a) Probabilit qu'un appareil tombe en panne ?
X dsigne le nombre de transistors dfectueux.
Lvnement transistor dfectueux correspond un succs dont la probabilit ne varie pas
(population infinie). Il sagit donc dune loi binomiale de paramtres :
90
Probabilits.
L
Nombre de transistors : n = 20
Probabilit de succs : p = 0,1
L(X) = B(20 ; 0,1)
Ds qu'un appareil contient au moins deux transistors dfectueux, il tombe en panne.
p(X 2) = 1 p(X < 2) = 1 [p(0) + p(1)]
0
= 320 = 18 appareils
Sur un lot de 2000 appareils, on peut sattendre avoir 400 appareils en panne avec un
cart type de 18 appareils.
4.8.11. Solution de lexercice 4.7.11.
a) Probabilit pour quaucun bateau ne mouille pendant 1 jour.
Soit X la variable alatoire qui dsigne le nombre de bateaux qui mouillent par jour.
Le nombre de bateaux qui mouillent par jour est, en moyenne 3 (90/30)
X suit une loi de Poisson de paramtre 3 : L(X) = P(3)
p(0) =
e 3 3 0
= 0,0498
0!
e 3 3 0 e 3 31 e 3 3 2
p(X 3) = 1 [
+
+
]
0!
1!
2!
p(X 3) = 1 (0,0498 + 0,1494 + 0,2240) = 0,5768
91
Probabilits.
L
Il y a une probabilit denviron 58 % pour quau moins 3 bateaux mouillent pendant 1 jour.
4.8.12. Solution de lexercice 4.7.12.
a) Probabilit pour que dans une semaine donne, la compagnie ait indemniser 4 sinistres.
Soit les variables alatoires X1 et X2 qui dsignent les nombres de sinistres respectivement
dans la rgion du Nord et la rgion du Sud.
L(X1) = P(3) et L(X2) = P(2)
L(X = X1 + X2) = P(5) somme de deux variables alatoires indpendantes qui suivent des
lois de probabilit de Poisson.
p(X = 4) =
e 5 5 4
= 0,1755
4!
p(X = 0) =
p(X = 2) =
p(X = 4) =
p(X = 6) =
e 5 5 0
0!
5
e 52
2!
5
e 54
4!
5
e 56
6!
= 0,0067
= 0,0842
= 0,1755
e 5 51
p(X = 1) =
= 0,0337
1!
e 5 5 3
p(X = 3) =
= 0,1404
3!
e 5 5 5
p(X = 5) =
= 0,1755
5!
= 0,1462
P(X > 6) = 1 (0,0067 + 0,0337 + 0,0842 + 0,1404 + 0,1755 + 0,1755 + 0,1462) = 0,2378
La compagnie a 23,78 % de probabilit pour que dans une semaine donne, elle dbourse
plus de 150000 dirhams.
c) Probabilit d'avoir indemniser, pour une semaine donne, le mme nombre de sinistres
dans chaque rgion, ce nombre commun tant strictement suprieur zro et infrieur 3.
92
Probabilits.
L
e 3 31 e 2 21
e 3 3 2 e 2 2 2
=
x
+
x
= 0,1494x0,2707 + 0,2240x0,2707 =
1!
1!
2!
2!
0,1011
La compagnie a 10 % de probabilit d'avoir indemniser, pour une semaine donne, le
mme nombre de sinistres dans chaque rgion, ce nombre commun tant strictement suprieur
zro et infrieur 3.
4.8.13. Solution de lexercice 4.7.13.
a) L'esprance mathmatique du gain pour un envoi de 10000 spcimens.
Le cot publicitaire pour lenvoi des 10000 spcimens est de 20000 dh.
Soit X la variable alatoire qui dsigne le nombre dabonnements. X suit une loi binomiale
de paramtres :
Nombre de spcimens : n = 10000
Probabilit de succs : p = 0,03
L(X) = B(10000 ; 0,03)
Le nombre de nouveaux abonnements esprs est :
E(X) = 10000 x 0,03 = 300 abonnements
Le gain espr est le gain escompt pour les 300 abonnements auquel il faut dduire le cot
publicitaire, soit :
300 x 120 20000 = 16000 dh.
Pour un envoi de 10000 spcimens, le mensuel peut esprer un gain net de 16000 dh.
b) Calculer la probabilit que l'envoi de 10 spcimens donne plus de 1 abonnement.
Soit X la variable alatoire qui dsigne le nombre dabonnements. X suit une loi binomiale
de paramtres :
Nombre de spcimens : n = 10
Probabilit de succs : p = 0,03
p(X > 1) = 1 p(X 1) = 1 [p(0) + p(1)]
93
Probabilits.
0
P(0) = C10
.0,03 0.0,9710 = 0,7374
1
P(1) = C10
.0,031.0,97 9 = 0,2281
P(X > 1) = 1 (0,7374 + 0,2281) = 0,0345
Il y a environ 3,45 % de chance pour que lenvoi de 10 spcimens donne plus dun
abonnement. (Ceci est normal puisque daprs lnonc, le taux de succs est de 3 %).
4.8.14. Solution de lexercice 4.7.14.
a) Ventes espres au cours de 2 heures.
Soit X la variable alatoire qui dsigne les ventes au cours de 2 heures. X suit une loi
binomiale de paramtres :
Nombre dappels : n = 180
Probabilit de succs : p = 0,05
L(X) = B(180 ; 0,05)
Les ventes espres au cours de 2 heures : E(X) = 180 x 0,05 = 9 units
En plaant 180 appels, lagence peut esprer vendre 9 units de ce produit.
b) Probabilit de russir plus de 10 ventes.
p(X > 10) = 1 p(X 10) = 1 [p(0) + p(1) + p(2) + p(3) + p(4) + p(5) + p(6) + p(7) +
p(8) + p(9) + p(10)]
p(0) =
0
C180
0,05 0 0,95180 = 0,0001
p(1) =
1
C180
0,051 0,95179 = 0,0009
p(2) =
2
C180
0,05 2 0,95178 = 0,0044
p(3) =
3
C180
0,05 3 0,95177 = 0,0136
p(4) =
4
C180
0,05 4 0,95176 = 0,0317
p(5) =
5
C180
0,05 5 0,95175 = 0,0588
p(6) =
6
C180
0,05 6 0,95174 = 0,0903
p(7) =
7
C180
0,05 7 0,95173 = 0,1181
p(8) =
8
C180
0,05 8 0,95172 = 0,1344
p(9) =
9
C180
0,05 9 0,95171 = 0,1352
p(10) =
10
C180
0,0510 0,95170 = 0,1217
p(X > 10) = 1 (0,0001 + 0,0009 + 0,0044 + 0,0136 + 0,0317 + 0,0588 + 0,0903 + 0,1181
+ 0,1344 + 0,1352 + 0,1217)
94
Probabilits.
L
p( x; y; z) = C4 C103 C16
x
C30
C30
b) La loi de probabilit de X.
X est une variable alatoire discrte : pour en dterminer la loi de probabilit, il faut
calculer p(X=0), p(X=1), p(X=2) et p(X=3)
et montrer que p(X=0) + p(X=1) + p(X=2) + p(X=3) = 1
p(X=0) = p(0 ;3 ;0)+ p(0 ;2 ;1)+ p(0 ;1 ;2)+ p(0 ;0 ;3)
p(X=0)=
0,6404
p(X=1) = p(1 ;2 ;0)+ p(1 ;1 ;1)+ p(1 ;0 ;2)
p(X=1) =
p(X=2) =
95
= 0,3202
Probabilits.
L
P(x)
0,6404
0,3202
0,0384
0,0010
1
p( x; y; z) = C3 C22 C4
x
C9
C3 C2 C4
2
C9
0
1
1
C C2 C 4
p(X=0 ;Y=1) = p(0 ;1 ;1) = 3
2
C9
0
2
0
C C2 C 4
p(X=0 ;Y=2) = p(0 ;2 ;0) = 3
2
C9
1
0
1
C C 2 C4
p(X=1 ;Y=0) = p(1 ;0 ;1) = 3
2
C9
1
1
0
C C 2 C4
p(X=1 ;Y=1) = p(1 ;1 ;0) = 3
2
C9
0
= 0,1667
= 0,2222
= 0,0278
= 0,3333
= 0,1667
p(X=1 ;Y=2) = 0
96
Probabilits.
L
C3 C2 C4
2
C9
2
= 0,0833
p(X=2 ;Y=1) = 0
p(X=2 ;Y=2) = 0
La loi de probabilit du couple (X, Y) est :
Y
X
0
1
2
p(y)
p(x)
0,1667
0,3333
0,0833
0,5833
0,2222
0,1667
0
0,3889
0,0278
0
0
0,0278
0,4167
0,5
0,0833
1
p(k ) = Cn p k q n k
k
p(X=0) =
p(X=1) =
p(X=2) =
p(X=3) =
p(X=4) =
97
Probabilits.
L
P(x)
1/16
4/16
6/16
4/16
1/16
1
C C
p( k ) =
C
n1
n2
10
10
20
p(X = 10) = p(10) = C40 C
= 0,0374
20
C60
98
17
18
Probabilits
CHAPITRE 5
LOIS DE PROBABILITE CONTINUES
1
2
1 x m
(
)
2
f (z) =
1 2
e
2
Z=
Xm
99
Probabilits
1
.
2
En particulier la loi normale rduite est symtrique par rapport l'axe des abscisses et
caractrise par l'existence d'un maximum en
z = 0 et f(z) =
1
0,40 .
2
La fonction de rpartition correspond l'aire comprise entre cette courbe et l'axe des
abscisses.
5.1.4. Dtermination pratique des probabilits.
Pour calculer des probabilits sans utiliser la fonction de densit, des tables de la loi
normale rduite ont t labores. On distingue deux tables de la loi normale rduite, relatives
l'une la fonction de densit de probabilit et l'autre la fonction de rpartition. En raison de la
symtrie de la distribution, ces tables sont limites aux valeurs positives de z.
Par le changement de variable
Z=
Xm
toutes les variables normales se ramnent la
Probabilits
F( x ) = p(X x ) = p(
Xm xm
) = p( Z z) = ( z)
F(x) = (z)
Pour lire une valeur (z) dans la table, il suffit de lire l'intersection entre la ligne
correspondante la valeur de z et la colonne correspondante au deuxime chiffre aprs la
virgule de z.
5.1.5. Proprit d'additivit.
La somme de deux ou plusieurs variables normales indpendantes est une variable normale
de moyenne la somme des moyennes et d'cart type la racine carre de la somme des variances
des variables initiales.
Soient X1, X2, ,Xn n variables normales de paramtres respectivement m1, m2, , mn et
1, 2, ,n.
L(X1 + X 2 + K + X n ) = N(m1 + m 2 + K + m n ; 1 + 2 + K + n )
5.2. LA LOI KHI DEUX DE PEARSON.
5.2.1. Dfinition.
On appelle variable Khi deux de Pearson, la variable qui varie entre 0 et + est dfinie
par la fonction de densit de probabilit :
k
f ( x) = c x 2 e
x
2
Le paramtre k est une constante entire positive appele nombre de degrs de libert : on
dit variable Khi deux k degrs de libert, dsigne par k dl.
+
f ( x )dx = 1
0
La variable Khi deux de Pearson correspond aussi la somme des carrs de k variables
normales rduites indpendantes.
Soient Z1, Z2, , Zk : k variables normales rduites indpendantes. On peut dmontrer :
k dl = Z1 + Z2 + + Zk
101
Probabilits
: E( k dl) = k
Variance
: V( k dl) = 2 k
t
f ( t ) = c (1 + )
k
k +1
2
Le paramtre k est une constante entire positive appele nombre de degrs de libert : on
dit variable Student t k degrs de libert, dsigne par t k dl.
+
f ( t )dt = 1
La variable t de Student correspond aussi au quotient dune variable normale rduite par la
102
Probabilits
t kdl =
Z
kdl
k
: E(t k dl) = 0
: V(t k dl) = k / (k-2) pour k2 > 2.
f (x ) = c x
k1
1
2
(k 1 x + k 2 )
k1+ k 2
2
Les paramtres k1 et k2 sont deux constantes entires positives appeles nombre de degrs
de libert : on dit variable F k1 et k2 degrs de libert, dsigne par F k1 et k2 dl.
+
f ( x )dx = 1
0
103
Probabilits
k1dl
Fk1etk 2dl =
k 2dl
k1
k2
1
est une variable F k2 et k1 dl.
F
k2
pour k2>2.
k2 2
2 k 2 ( k1 + k 2 )
pour k2 > 4.
k1 (k 2 2)(k 2 4)
Probabilits
5.5.3. Le poids rel des botes de dattes, dans une petite unit de conditionnement Zagora,
suit une distribution normale de moyenne 10 Kg et de variance 0,01. Quelle est la probabilit
pour qu'une boite achete au march pse au moins 9,875 Kg ?
5.5.4. Dans une branche industrielle compose de 1600 tablissements, on a constat que la
rentabilit (bnfice ou perte) suit une loi normale. Par ailleurs on a observ que les 400
entreprises les plus rentables ralisent un bnfice suprieur 2 millions de dirhams et que 800
entreprises ralisent uniquement des pertes.
Calculer la rentabilit moyenne et l'cart type de la branche industrielle.
5.5.5. Le lait produit par une usine a une teneur en matires grasses qui suit une loi normale de
moyenne 160 grammes par litre et d'cart type 10 grammes par litre. Les consommateurs
n'acceptent que le lait dont la teneur en matires grasses est comprise entre 135 grammes par
litre et 185 grammes par litre.
Calculer la proportion de la production du lait inacceptable par les consommateurs.
5.5.6. Le diamtre intrieur moyen d'un chantillon de 200 rondelles produites par une machine
est gal 1,275 cm et l'cart type 0,013 cm. L'usage que l'on fait de ces rondelles ncessite
que le diamtre varie entre 1,260 et 1,290 cm, autrement les rondelles sont considres comme
dfectueuses.
Dterminer la proportion des rondelles dfectueuses produites par cette machine en
supposant que le diamtre suit une loi normale.
5.5.7. Une confiture peut tre qualifie de "pur sucre" si elle contient entre 440 et 520 grammes
de sucre par kilogramme de confiture. Un fabricant vrifie 200 pots de confiture de 1
kilogramme chacun. Il trouve que le poids moyen de sucre est de 480 grammes avec un cart
type de 20 grammes. Sachant que le poids en sucre est distribu normalement, calculer le
pourcentage de la production du fabricant qui ne doit pas porter la mention "pur sucre" en
considrant que l'chantillon des 200 pots est reprsentatif de la production globale.
5.5.8. Deux entreprises A et B produisent des ampoules lectriques dont la dure de vie suit
une loi normale. Les esprances mathmatiques et les carts types sont respectivement de 1150
heures et 50 heures pour A et de 1200 heures et 80 heures pour B.
En exigeant que la dure de vie des ampoules ne soit pas infrieure 1050 heures, de quelle
entreprise devrait-on s'approvisionner ?
5.5.9. Pour se rendre son travail un ouvrier a le choix entre deux chemins A et B. La dure du
parcours exprime en minutes est une variable alatoire normale de moyenne et d'cart type
respectivement 27 mn et 5 mn pour le chemin A, et 30 mn et 2 mn pour le chemin B.
A votre avis quel chemin cet ouvrier doit-il choisir pour ne pas arriver en retard s'il dispose
de 30 mn ?
5.5.10. Une machine met du sucre en poudre en sachet. Elle peut tre rgle au moyen dun
dispositif gradu en gramme, tel que lorsque la machine est rgle sur le poids moyen par
sachet m, la probabilit pour que les sachets psent au moins 1 Kg est gale 98,5 %.
105
Probabilits
Sachant que le poids par sachet suit une loi normale dcart type 10 grammes, sur quelle
valeur m faut-il rgler le dispositif ?
5.5.11. Une machine est rgle pour faire remplir des bouteilles d'un volume moyen de 255
cm3. Si la distribution des volumes est normale et que l'cart type soit gal 4 cm3 :
a) Dans quelle proportion des cas, le volume sera-t-il infrieur 250 cm3 ?
b) Quelle valeur faut-il donner au volume moyen pour que cette proportion soit de 5 % ?
5.5.12. Au sein dune population de personnes, 4 % mesurent moins de 1,60 m et 12 % plus de
1,80 m ; si on suppose que la taille de ces personnes suit une loi normale, quelle est la taille
moyenne de cette population ainsi que son cart type ?
5.5.13. Dans le cadre de la gestion dun stock de marchandises, on doit lancer une commande
destine couvrir quatre semaines de fourniture dun produit donn. On admet que la demande
hebdomadaire de ce produit suit une loi normale de moyenne 50 et dcart type 10.
Combien dunits doit-on commander pour que la probabilit dtre en rupture de stock soit
infrieure 1 % si on considre que les demandes des semaines successives sont
indpendantes ?
5.5.14. Si U1 et U2 sont deux variables alatoires normales centres, rduites et indpendantes,
calculer :
a) p(U1 > U2)
b) p(U1+2U2 > 5)
c) calculer k tel que p(U1+kU2 > 2) = 0,05
5.5.15. Quelle est la valeur de la variable alatoire X si p(X<x) = 0,975 et si la variable
alatoire X est :
a) une variable normale rduite ;
b) une variable normale de moyenne 10 et d'cart type 2 ;
c) une variable de Student 15 degrs de libert ;
d) une variable Khi deux 15 degrs de libert ;
e) une variable de Fisher 15 et 1 degrs de libert.
5.5.16. Si Z1, Z2, , Zk sont k variables alatoires normales rduites indpendantes, que
valent la moyenne et la variance de la variable :
X=
Z1
k
Zi
i=2
et quelle est, pour k = 10, la valeur de x telle que : P(X > x) = 0,1 ?
5.5.17. Si Z1, Z2, Z3, Z4, Z5, et Z6 sont six variables alatoires normales rduites
indpendantes, que vaut la probabilit :
106
Probabilits
p(
Z1 + Z 2
> 5,3)
Z3 + Z4 + Z5 + Z6
p(80 X 160) = p(
) = p(0,8 Z 0,8)
50
50
50
Il y a 57,62 % de chances pour que le nombre de pices en stock soit compris entre 80 et
160.
b) Probabilit pour que le nombre de pices en stock soit suprieur 200.
p(X > 200) = 1 p(X 200)
p(X > 200) = 1 p(
)
50
50
Probabilits
Il y a rupture de stock si X 0.
p(X 0) =
p(
X 120 0 120
) = p( Z 2,4) = (-2,4)
50
50
p(X 0) = 1 - (2,4)
14,7 15 X 15 15,3 15
p(14,7 X 15,3) = p (
)
0,2
0,2
0,2
p(14,7 X 15,3) = p (1,5 Z 1,5)
p(14,7 X 15,3) = (1,5) - (-1,5)
p(14,7 X 15,3) = (1,5) (1 - (1,5))
p(14,7 X 15,3) = 2 (1,5) 1
Probabilits
p(15 a X 15 + a ) = 0,95
a X 15
a
a
a
) = p(
Z
) = 0,95
0,2
0,2
0,2
0,2
0,2
a
a
a
a
(
) - ()=(
) (1 - (
)) = 0,95
0,2
0,2
0,2
0,2
a
2(
) 1 = 0,95
0,2
a
(
) = 0,975
0,2
p(
a
= 1,96 =>
0,2
p(
X 10 9,875 10
<
) = 1 p( Z < 1,25)
0,1
0,1
109
Probabilits
Xm 2m
2m
) = 1 p( Z
) = 0,25
2m
p(X > 2) = 1 - (
) = 0,25
2m
(
) = 0,75
p(X > 2) = 1 -
p(
2m
= 0,67
=>
2 m = 0,67
Xm 0m
m
) = p( Z
) = 0,50
m
p(X < 0) = (
) = 0,50
p(X < 0) =
p(
m
=0
=>
m=0
2 m = 0,67
=>
= 2,98
La rentabilit des entreprises suit donc une loi normale de moyenne nulle et dcart type
2,98 millions de dirhams.
110
Probabilits
p(135 X 185) = p(
)
10
10
10
= p(2,5 Z 2,5)
p(135 X 185) = (2,5) - (-2,5) = (2,5) (1 - (2,5))
p(135 X 185) = 2 (2,5) 1
En consultant la table de la loi normale rduite on trouve :
(2,5) = 0,9938
)
0,013
0,013
0,013
p(1,26 X 1,29) = p(1,15 Z 1,15)
p(1,26 X 1,29) = (1,15) - (-1,15)
p(1,26 X 1,29) = (1,15) (1 - (1,15))
p(1,26 X 1,29 )= 2 (1,15) 1
p(1,26 X 1,29) = p(
Probabilits
)
20
20
20
= p ( 2 Z 2)
p(440 X 520) = p(
(2) = 0,97725
p(
112
Probabilits
p(
p(
X 27 30 27
) = p( Z 0,6)
5
5
Probabilits
(0,6) = 0,7257
p(X 30) = 0,7257
En empruntant le chemin A, louvrier a 72,57 % de chances de ne pas arriver en retard.
Chemin B :
L(X) = N(30 ; 2)
p(X 30) =
p(
X 30 30 30
) = ( Z 0)
2
2
p(
X m 1000 m
1000 m
<
) = 1 p( Z <
) = 0,985
10
10
10
1000 m
) = 0,985
10
m 1000
(
) = 0,985
10
1 - (
m 1000
= 2,17
10
=>
m = 1021,7 g
114
Probabilits
Il faut rgler la machine sur un poids moyen de 1021,7 grammes pour garantir 98,5 % que
les sachets psent au moins 1 Kg.
5.6.11. Solution de lexercice 5.5.11.
a) Proportion des cas o le volume est infrieur 250 cm3.
Soit X la variable alatoire qui dsigne le volume dune bouteille.
L(X) = N(255 ; 4)
p(X < 250) =
p(
X m 250 m
250 m
<
) = (Z <
) = 0,05
4
4
4
250 m
p(X < 250) = (
) = 0,05
4
250 m
() = 1 0,05 = 0,95
4
p(X < 250) =
p(
250 m
= 1,64
4
=>
Il faut rgler la machine sur un volume moyen de 256,56 cm3 pour que 5 % des bouteilles
aient un volume de moins de 250 cm3.
115
Probabilits
X m 1,60 m
1,60 m
<
) = p( Z <
) = 0,04
1,60 m
p(X < 1,60) = (
) = 0,04
1,60 m
() = 1 - 0,04 = 0,96
p(
1,60 m
= 1,75
=>
m 1,60 = 1,75
X m 1,80 m
1,80 m
) = p( Z
) = 0,88
1,80 m
p(X 1,80) = (
) = 0,88
p(X 1,80) =
p(
1,80 m
= 1,17
=>
1,80 - m = 1,17
m 1,60 = 1,75
0,2 = 2,92
et
=>
1,80 - m = 1,17
= 0,07 m = 7 cm
Probabilits
p(
Y 200 C 200
C 200
) = (Z
) 0,99
20
20
20
C 200
) 0,99
20
C 200
2,33
20
=>
Il faut lancer une commande dau moins 247 units pour que le risque de rupture de stock
au cours de 4 semaines ne dpasse pas 1 %
5.6.14. Solution de lexercice 5.5.14.
U1 et U2 sont deux variables alatoires normales centres, rduites et indpendantes.
a) p(U1 > U2)
p(U1 > U2) = p(U1 - U2 > 0) = 1 - p(U1 - U2 0)
L(U1 - U2) = N(0 ; 2 )
p(U1 > U2) = 1 - p(Z 0) = 1 - (0) = 1 0,5 = 0,5
117
Probabilits
b) p(U1+2U2 > 5)
p(U1+2U2 > 5) = 1 - p(U1+2U2 5)
L(U1+2U2) = N(0 :
5)
50
5
1 + k )
20
p(U1+kU2 2) = p(Z
1 + k
) = (
2
1 + k
) = 0,95
2
1 + k
= 1,64
=>
k = 0,4872
=>
k = 0,698
118
Probabilits
p(Z<
x 10
x 10
) = (
) = 0,975
2
2
x 10
= 1,96
2
=>
x = 1,96 x 2 + 10 = 13,92
=> x = t 0,975 15 dl
p(X<x) = 0,975
=> x = F0,975 15 et 1
dl
dl
= 985
119
Probabilits
X=
Z1
k
Zi
i=2
X k 1 =
Z1
k
= T (k-1) dl
Zi / k 1
i=2
k 1 ) =
k 1 E(X) = 0
k 1
V(X k 1 ) = (k-1) V(X) =
k 3
E(X
=>
E(X) = 0
=>
V(X)=
1
k 3
=>
x = 0,461
Z1 + Z 2
> 5,3)
Z3 + Z4 + Z5 + Z6
Z1 + Z 2
>5,3) =
Z3 + Z4 + Z5 + Z6
120
Probabilits
2dl
( Z1 + Z 2 ) / 2
2 > 10,6)
p(
>10,6) = p(
( Z 3 + Z 4 + Z 5 + Z 6 ) / 4
4 dl
4
= 1 p(F 2 et 4 dl 10,6)
p(F 2 et 4 dl 10,6) correspond la table de Fisher de probabilit 0,975
p(
Z1 + Z 2
> 5,3) = 1 0,975 = 0,025
Z3 + Z4 + Z5 + Z6
121
Probabilits
CHAPITRE 6
CONVERGENCE DES LOIS DE PROBABILITE
LOIS DES GRANDS NOMBRES
lim P( X n a > ) = 0
Ceci signifie que lcart entre la valeur de X et la constante a est trs faible quand la taille de
lchantillon est grande. Cet cart peut tre mesur par la variance. Ainsi on parle de convergence
en probabilit si :
lim V(X n ) = 0
L(X1 + X 2 + K + X n ) N(m1 + m 2 + K + m n , 1 + 2 + K + n )
6.2.2. Approximation de la loi hypergomtrique par la loi binomiale.
n k
n1
n2
C C
p(k) =
C
n
devient fastidieux. On peut dmontrer dans ce cas que lorsque l'effectif de la population (N) tend
vers l'infini et la proportion des individus possdant le caractre tudi (p) est constante ou tend
122
Probabilits
vers une constante, la loi hypergomtrique tend vers une loi binomiale de paramtre n et p. On
peut dans ce cas effectuer les calculs de probabilits de faon approximative l'aide de la formule
de la loi binomiale.
En pratique, l'approximation est satisfaisante ds que la proportion des individus prlevs est
infrieure 5 %.
n
< 0,05
N
ou
N > 20 n
p(k ) = Cn p k q n k
k
devient fastidieux. On peut dmontrer dans ce cas que lorsque le nombre d'expriences
indpendantes (n) tend vers l'infini et la probabilit de succs tend vers zro de telle sorte que le
produit np tend vers une constante, la loi binomiale de paramtre n et p tend vers une loi de
Poisson de paramtre np. On peut dans ce cas effectuer les calculs de probabilits de faon
approximatives l'aide de la formule de la loi de Poisson.
En pratique, l'approximation est satisfaisante lorsque la probabilit p est infrieure 0,1 et le
produit np est infrieur 5.
6.2.4. Approximation de la loi binomiale par la loi normale.
Parfois les problmes relatifs la loi binomiale se rapportent aux calculs de probabilits dans
un ou plusieurs intervalles donns :
p(X < x) p(X > x) ou
La recherche de ces probabilits est souvent longue, car il faut dterminer individuellement et
additionner les diffrentes probabilits p(X = x).
p(X<10)=p(0)+p(1)+p(2)+p(3)+p(4)+p(5)+p(6)+p(7)+p(8)+p(9)
Lorsque le paramtre n de la loi binomiale est grand et les probabilits de succs p et d'chec q
ne sont pas trop petites, on peut effectuer ce calcul d'une manire approche l'aide de la loi
normale de paramtres np et
npq .
npq )
123
Probabilits
2 2k 1
est trs proche de la loi normale centre rduite. On peut aussi utiliser la transformation
inverse :
( Z + 2k 1)
2
Xn
la frquence relative (pourcentage) des succs.
n
Montrer que la frquence relative f n converge en probabilit vers p.
Dsignons par
fn =
et
124
V(Xi) =
Probabilits
Xn =
Xi
i =1
en probabilit vers m.
a) Cas des prlvements sans remise
b) Cas des prlvements avec remise
6.3.3. Dans une urne contenant 20 boules blanches et 30 boules noires, on prlve 7 boules au
hasard et sans remise. Dans une seconde urne contenant 100 boules blanches et 150 boules noires,
on prlve galement 7 boules au hasard et sans remise. Quelle est la probabilit qu'il y ait plus de
boules blanches que de boules noires pour l'ensemble des 14 boules prleves ?
6.3.4. Un lot important de pices fabriques contient 1 % de pices dfectueuses. Quelle est la
probabilit d'avoir dans un chantillon de 10 pices exactement 2 pices dfectueuses en utilisant :
a) la loi binomiale ;
b) l'approximation par la loi de Poisson.
6.3.5. On suppose que la probabilit qu'un tudiant russisse un examen est de 0,8.
a) Quelle est la probabilit qu'au moins 75 tudiants parmi 100 tudiants russissent l'examen ?
b) Dterminer le nombre dtudiants pour lesquels la probabilit pour quau moins 100
russissent est gale 0,99.
6.3.6. Trouver la probabilit pour qu'au moins 70 de 100 moustiques soient tus par un nouvel
insecticide si l'on sait que la probabilit que n'importe quel moustique soit tu est voisine de 0,75.
6.3.7. Un contrle rigoureux des ampoules lectriques fournies par un atelier a permis de constater
que sur 14760 ampoules, il y avait 738 ampoules dfectueuses.
Soit X le nombre des ampoules dfectueuses figurant dans un lot de 60 ampoules.
a) Indiquer la loi de probabilit de X.
b) Quelle est la probabilit d'avoir plus de 3 ampoules dfectueuses dans un lot de 60 ampoules
?
c) Quelle est la probabilit d'avoir 78 ampoules bonnes dans un lot de 80 ampoules ?
6.3.8. Une caisse dassurance maladie reoit 120 personnes pour lobtention de remboursements.
On admet que la caisse doit payer, en moyenne, chaque personne 1 000 dh avec un cart type de
600 dh.
La caisse dispose de 130 000 dh : calculer la probabilit que cette somme soit suffisante.
6.3.9. Une compagnie d'assurance assure une flotte de 1000 navires de valeur unitaire 1000000 de
dirhams. Seul le risque de perte totale du navire est pris en compte, la probabilit d'un tel
vnement est value 0,01 pour un navire et pour une anne. Les frais de gestion reprsentent
20 % du montant des primes payes.
a) Quelle doit tre la valeur de la prime annuelle pour un navire si la compagnie dsire avoir
une probabilit gale 0,7 de raliser des bnfices ?
125
Probabilits
et
V(Xn) =
Nn
npq
N 1
Xn
1
1
) = E( X n ) = n p = p
n
n
n
X
1
1 Nn
N n pq
V( f n ) = V( n ) =
V( X n ) =
npq=
n
n
n N 1
N 1 n
lim V(f n ) = 0
On dmontre : E( f n ) = E(
126
Probabilits
La frquence relative
et
V(Xn) = n p q
Xn
1
1
) = E( X n ) = n p = p
n
n
n
X
1
1
pq
V( f n ) = V( n ) =
V( X n ) =
npq=
n
n
n
n
lim V(f n ) = 0
On dmontre : E( f n ) = E(
La frquence relative
Xi
On dmontre : E( X n ) = E(
i =1
)=
1
1 n
E(Xi) = n m = m
n i =1
n
Xi
V( X n ) = V(
i =1
)=
n
N n
V( X n ) =
N 1 n
1
Nn
1 n
n
V(Xi) =
n
N 1
n i =1
lim V(X n ) = 0
La moyenne
Xn =
Xi
i =1
vers m.
b) Cas des prlvements avec remise
127
Probabilits
Xi
On dmontre : E( X n ) = E(
i =1
)=
1
1 n
E (Xi) = n m = m
n i =1
n
Xi
V( X n ) = V(
i =1
)=
1 n
1
V(Xi) =
n =
n
n i =1
n
lim V(X n ) = 0
La moyenne
Xn =
Xi
i =1
vers m.
6.4.3. Solution de lexercice 6.3.3.
Dsignons par X1 le nombre de boules blanches prleves dans lurne 1 et par X2, le nombre
de boules blanches prleves dans lurne 2.
Dans lurne 1 on effectue 7 tirages sans remise dans une population finie. Lvnement tirer
une boule blanche correspond un succs dont la probabilit varie dun tirage un autre. Il
sagit donc dune loi hypergomtrique de paramtres :
Effectif total de la population : N = 50
Nombre de succs dans la population : n1 = 20
Nombre dchecs dans la population : n2 = 30
Nombre de tirages : n = 7
L(X1) = H(50, 20 , 7)
Sagissant dune population finie de taille leve, la loi hypergomtrique peut tre approche
par la loi binomiale de paramtres :
Nombre de tirages : n = 7
Probabilit de succs : p = (20 / 50) = 0,4
L(X1) B (7 ; 0,4)
Dans lurne 2 on effectue 7 tirages sans remise dans une population finie. Lvnement tirer
une boule blanche correspond un succs dont la probabilit varie dun tirage un autre. Il sagit
donc dune loi hypergomtrique de paramtres :
Effectif total de la population : N = 250
Nombre de succs dans la population : n1 = 100
128
Probabilits
129
Probabilits
Il y a 15 % de chances dobtenir plus de boules blanches que de boules noires pour l'ensemble
des 14 boules prleves.
6.4.4. Solution de lexercice 6.3.4.
a) La loi binomiale.
Soit X la variable alatoire qui dsigne le nombre de pices dfectueuses.
Lvnement pice dfectueuse correspond un succs dont la probabilit ne varie pas. Il
sagit donc dune loi binomiale de paramtres :
Nombre de tirages : n = 10
Probabilit de succs : p = 0,01
L(X) = B(10 , 0,01)
p(k ) = Cn p k q n k
k
p(X = 2) =
2
p(2) = C10
0,012 (1 0,01) 8 = 0,0042
e m m k
k!
0 ,1
e 0,12
p ( 2) =
= 0,0045
2!
p( k ) =
Probabilits
npq = 4.
X 80 75,5 80
<
) = 1 p(Z < 1,13)
4
4
p(X 75,5) = 1(1,13) = (1,13) = 0,8708
p(X 75,5) = 1 p(
p(X 75) 0,8708
La probabilit pour qu'au moins 75 tudiants parmi 100 tudiants russissent l'examen est peu
prs 0,8708.
Le calcul exact partir de la loi binomiale donne un rsultat de 0,8686. On constate que
l'approximation est trs satisfaisante.
b) Nombre dtudiant pour lesquels la probabilit quau moins 100 russissent est gale 0,99.
Probabilits
(2,33) = 0,99
0,8n 100,5
0,4 n
x= n
x=
0,932 + 322,47
= 11,8 (On choisit la solution positive).
2 x 0,8
npq = 4,33.
132
Probabilits
X 75 70 75
<
) = 1 p( Z < 1,15)
4,33
4,33
p(X 70) = 1 (1,15) = (1,15) = 0,8749
p(X 70) = 1 p(
e 3 3 0
p ( 0) =
0!
3
e 31
p(1) =
1!
3
e 32
p ( 2) =
2!
3
e 33
p(3) =
3!
= 0,0498
= 0,1494
= 0,2240
= 0,2240
Probabilits
p ( 2) =
e 4 4 2
= 0,1465
2!
= 1 p(
)
6572,67
6572,67
Probabilits
Y 10 0,0008P 10
<
) = 0,7
3,15
3,15
0,0008P 10
0,0008P 10
p( Z <
) = 0,7 (
) = 0,7
3,15
3,15
p(Y < 0,0008P) = 0,7 p(
(0,52) = 0,7
0,0008P 10
= 0,52 p = 14547,50 dh
3,15
135
Probabilits
b) Le bnfice B est :
E(B) = E(800p 1000000Y) = 800p 1000000 E(Y)
= 800 x 14547,50 1000000 x 10
E(B) = 1 638 000 dh
B = 1000 P X 0,2 x 1000 P
B = 800 P 1000000 Y
6.4.10. Solution de lexercice 6.3.10.
a) La probabilit pour que le nombre de personnes se prsentant au premier service soit
suprieur 500.
Dsignons par X le nombre de personnes se prsentant au premier service.
X est une variable discrte qui prend les valeurs entires de 0 900. Elle suit une loi binomiale
de paramtres 900 et 0,5.
L(X) = B(900 ; 0,5)
La probabilit pour que le nombre de personnes se prsentant au premier service soit suprieur
500 est :
p(X > 500)
Les produits np et nq sont respectivement 9000,5 = 450 et 9000,5 = 450, ils sont suprieurs
5. On peut donc effectuer le calcul de cette probabilit d'une manire approche l'aide de la loi
normale de paramtres :
np = 450 et
npq = 15.
Probabilits
Soit N le nombre de places dans le restaurant pour que la probabilit de pouvoir rpondre la
demande aux deux services soit suprieure 95 %.
p(W N) = 0,95
p( W N ) = p(
W 900 N 900
N 900
) = p( Z
) = 0,95
21,21
21,21
21,21
N 900
) = 0,95
21,21
(1,65) = 0,95
N 900
= 1,65
21,21
=>
N = 935 places
Le restaurant doit disposer dau moins 935 places pour que la probabilit de pouvoir rpondre
la demande de deux services soit suprieure 95 %.
c) Le nombre des repas correspond au nombre demploys qui mangent lusine, dsignons
cette variable par X.
137
Probabilits
x 675 R 675
) > 0,99
13
13
R 675
R 675
p( Z
) > 0,99 (
) > 0,99
13
13
p( x R ) > 0,99 p(
(2,33) = 0,99 .
R 675
> 2,33 R > 2,33 x 13 + 675 R > 705 repas.
13
Il convient de prparer plus de 705 repas pour que la probabilit de satisfaire la demande soit
suprieure 99 %.
6.4.11. Solution de lexercice 6.3.11.
La lecture de la table Khi deux donne :
0,95 30 dl = 43,8
En utilisant l'approximation de la loi Khi deux par la transformation ci dessous, on obtient :
(Z 0.95 + 2 30 1)
2
La lecture de la table de la fonction de rpartition de la loi normale rduite montre que la valeur
de z pour (z) = 0,95 est gale 1,65.
(1.65 + 59 )
= 43.5
2
138
Probabilits
2150 =17,32 .
0,95150dl 150
17,32
= Z0,95
do :
0,95 30 dl = Z0,95 x 17,32 + 150
0,95 30 dl = 1,65 x 17,32 + 150 = 178,58
6.4.13. Solution de lexercice 6.3.13.
La lecture de la table t donne :
t 0,95 80 dl = 1,664
En utilisant l'approximation de la loi t par la loi normale rduite, on peut lire dans la table de la
fonction de rpartition de la loi normale rduite la valeur de z pour (z) = 0,95 qui est gale
1,65.
On constate que l'approximation est satisfaisante.
139
TABLES STATISTIQUES
Loi Binomiale
Loi de Poisson
Loi Normale
Loi de Khi deux
Loi de Student
Loi de Fischer
140
n
0
1
2
0
1
2
3
0
1
2
3
4
0
1
2
3
4
5
Probabilit p(X = k)
0,05
0,10
0,9025
0,8100
0,0950
0,1800
0,0025
0,0100
0,8574
0,7290
0,1354
0,2430
0,0071
0,0270
0,0001
0,0010
0,8145
0,6561
0,1715
0,2916
0,0135
0,0486
0,0005
0,0036
0,0000
0,0001
0,7738
0,5905
0,2036
0,3280
0,0214
0,0729
0,0011
0,0081
0,0000
0,0005
0,0000
0,0000
0,20
0,6400
0,3200
0,0400
0,5120
0,3840
0,0960
0,0080
0,4096
0,4096
0,1536
0,0256
0,0016
0,3277
0,4096
0,2048
0,0512
0,0064
0,0003
0,30
0,4900
0,4200
0,0900
0,3430
0,4410
0,1890
0,0270
0,2401
0,4116
0,2646
0,0756
0,0081
0,1681
0,3602
0,3087
0,1323
0,0284
0,0024
0,40
0,3600
0,4800
0,1600
0,2160
0,4320
0,2880
0,0640
0,1296
0,3456
0,3456
0,1536
0,0256
0,0778
0,2592
0,3456
0,2304
0,0768
0,0102
0,50
0,2500
0,5000
0,2500
0,1250
0,3750
0,3750
0,1250
0,0625
0,2500
0,3750
0,2500
0,0625
0,0312
0,1562
0,3125
0,3125
0,1562
0,0312
n
0
1
2
3
4
5
6
0
1
2
3
4
5
6
7
0
1
2
3
4
5
6
7
8
k
0,05
0,7351
0,2321
0,0305
0,0021
0,0001
0,000
0,000
0,6983
0,2573
0,0406
0,0036
0,0002
0,0000
0,0000
0,0000
0,6634
0,2793
0,0515
0,0054
0,0004
0,0000
0,0000
0,0000
0,0000
0,10
0,5314
0,3543
0,0984
0,0146
0,0012
0,0001
0,0000
0,4783
0,3720
0,1240
0,0230
0,0026
0,0002
0,0000
0,0000
0,4305
0,3826
0,1488
0,0331
0,0046
0,0004
0,0000
0,0000
0,0000
Probabilit p p(X = k)
0,20
0,30
0,2621
0,1176
0,3932
0,3025
0,2458
0,3241
0,0819
0,1852
0,0154
0,0595
0,0015
0,0102
0,0001
0,0007
0,2097
0,0824
0,3670
0,2471
0,2753
0,3176
0,1147
0,2269
0,0287
0,0972
0,0043
0,0250
0,0004
0,0036
0,0000
0,0002
0,1678
0,0576
0,3355
0,1977
0,2936
0,2965
0,1468
0,2541
0,0459
0,1361
0,0092
0,0467
0,0011
0,0100
0,0001
0,0012
0,0000
0,0001
0,50
0,0156
0,0938
0,2344
0,3125
0,2344
0,0938
0,0156
0,0078
0,0547
0,1641
0,2734
0,2734
0,1641
0,0547
0,0078
0,0039
0,0312
0,1094
0,2188
0,2734
0,2188
0,1094
0,0312
0,0039
10
n
0
1
2
3
4
5
6
7
8
9
0
1
2
3
4
5
6
7
8
9
10
k
0,05
0,6302
0,2985
0,0629
0,0077
0,0006
0,0000
0,0000
0,0000
0,0000
0,0000
0,5987
0,3151
0,0746
0,0105
0,0010
0,0001
0,0000
0,0000
0,0000
0,0000
0,0000
0,10
0,3874
0,3874
0,1722
0,0446
0,0074
0,0008
0,0001
0,0000
0,0000
0,0000
0,3487
0,3874
0,1937
0,0574
0,0112
0,0015
0,0001
0,0000
0,0000
0,0000
0,0000
Probabilit p(X = k)
0,20
0,30
0,1342
0,0404
0,3020
0,1556
0,3020
0,2668
0,1762
0,2668
0,0661
0,1715
0,0165
0,0735
0,0028
0,0210
0,0003
0,0039
0,0000
0,0004
0,0000
0,0000
0,1074
0,0282
0,2684
0,1211
0,3020
0,2335
0,2013
0,2668
0,0881
0,2001
0,0264
0,1029
0,0055
0,0368
0,0008
0,0090
0,0001
0,0014
0,0000
0,0001
0,0000
0,0000
0,50
0,0020
0,0176
0,0703
0,1641
0,2461
0,2461
0,1641
0,0703
0,0176
0,0020
0,0010
0,0098
0,0439
0,1172
0,2051
0,2461
0,2051
0,1172
0,0439
0,0098
0,0010
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
k
0,2
0,819
0,164
0,016
0,001
0,000
0,4
0,670
0,268
0,054
0,007
0,001
0,000
0,6
0,549
0,329
0,099
0,020
0,003
0,000
0,8
0,449
0,359
0,144
0,038
0,008
0,001
0,000
1
0,368
0,368
0,184
0,061
0,015
0,003
0,001
0,000
1,5
0,223
0,335
0,251
0,126
0,047
0,014
0,004
0,001
0,000
2
0,135
0,271
0,271
0,180
0,090
0,036
0,012
0,003
0,001
0,000
2,5
0,082
0,205
0,257
0,214
0,134
0,067
0,028
0,010
0,003
0,001
0,000
3,00
0,050
0,149
0,224
0,224
0,168
0,101
0,050
0,022
0,008
0,003
0,001
0,000
Probabilit p(X=k)
4,00
5,00
6,00
0,018
0,007
0,002
0,073
0,034
0,015
0,147
0,084
0,045
0,195
0,140
0,089
0,195
0,175
0,134
0,156
0,175
0,161
0,104
0,146
0,161
0,060
0,104
0,138
0,030
0,065
0,103
0,013
0,036
0,069
0,005
0,018
0,041
0,002
0,008
0,023
0,001
0,003
0,011
0,000
0,001
0,005
0,000
0,002
0,001
0,000
7,00
0,001
0,006
0,022
0,052
0,091
0,128
0,149
0,149
0,130
0,101
0,071
0,045
0,026
0,014
0,007
0,003
0,001
0,001
0,000
8,50
0,000
0,002
0,007
0,021
0,044
0,075
0,107
0,129
0,138
0,130
0,110
0,085
0,060
0,040
0,024
0,014
0,007
0,004
0,002
0,001
0,000
9,00
0,000
0,001
0,005
0,015
0,034
0,061
0,091
0,117
0,132
0,132
0,119
0,097
0,073
0,050
0,032
0,019
0,011
0,006
0,003
0,001
0,001
0,000
10,00
0,000
0,000
0,002
0,008
0,019
0,038
0,063
0,090
0,113
0,125
0,125
0,114
0,095
0,073
0,052
0,035
0,022
0,013
0,007
0,004
0,002
0,001
0,000
11,00
0,000
0,000
0,001
0,004
0,010
0,022
0,041
0,065
0,089
0,109
0,119
0,119
0,109
0,093
0,073
0,053
0,037
0,024
0,015
0,008
0,005
0,002
0,001
0,001
0,000
12,00
0,000
0,000
0,000
0,002
0,005
0,013
0,025
0,044
0,066
0,087
0,105
0,114
0,114
0,106
0,090
0,072
0,054
0,038
0,026
0,016
0,010
0,006
0,003
0,002
0,001
13,00
0,000
0,000
0,000
0,001
0,003
0,007
0,015
0,028
0,046
0,066
0,086
0,101
0,110
0,110
0,102
0,088
0,072
0,055
0,040
0,027
0,018
0,011
0,006
0,004
0,002
14,00
0,000
0,000
0,000
0,000
0,001
0,004
0,009
0,017
0,030
0,047
0,066
0,084
0,098
0,106
0,106
0,099
0,087
0,071
0,055
0,041
0,029
0,019
0,012
0,007
0,004
0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1
1,1
1,2
1,3
1,4
1,5
1,6
1,7
1,8
1,9
2
2,1
2,2
2,3
2,4
2,5
2,6
2,7
2,8
z
0,00
0,5000
0,5398
0,5793
0,6179
0,6554
0,6915
0,7257
0,7580
0,7881
0,8159
0,8413
0,8643
0,8849
0,9032
0,9192
0,9332
0,9452
0,9554
0,9641
0,9713
0,9772
0,9821
0,9861
0,9893
0,9918
0,9938
0,9953
0,9965
0,9974
0,01
0,5040
0,5438
0,5832
0,6217
0,6591
0,6950
0,7291
0,7611
0,7910
0,8186
0,8438
0,8665
0,8869
0,9049
0,9207
0,9345
0,9463
0,9564
0,9649
0,9719
0,9778
0,9826
0,9864
0,9896
0,9920
0,9940
0,9955
0,9966
0,9975
0,02
0,5080
0,5478
0,5871
0,6255
0,6628
0,6985
0,7324
0,7642
0,7939
0,8212
0,8461
0,8686
0,8888
0,9066
0,9222
0,9357
0,9474
0,9573
0,9656
0,9726
0,9783
0,9830
0,9868
0,9898
0,9922
0,9941
0,9956
0,9967
0,9976
0,03
0,5120
0,5517
0,5910
0,6293
0,6664
0,7019
0,7357
0,7673
0,7967
0,8238
0,8485
0,8708
0,8907
0,9082
0,9236
0,9370
0,9484
0,9582
0,9664
0,9732
0,9788
0,9834
0,9871
0,9901
0,9925
0,9943
0,9957
0,9968
0,9977
Probabilit P(Z<=z)
0,04
0,05
0,5160
0,5199
0,5557
0,5596
0,5948
0,5987
0,6331
0,6368
0,6700
0,6736
0,7054
0,7088
0,7389
0,7422
0,7704
0,7734
0,7995
0,8023
0,8264
0,8289
0,8508
0,8531
0,8729
0,8749
0,8925
0,8944
0,9099
0,9115
0,9251
0,9265
0,9382
0,9394
0,9495
0,9505
0,9591
0,9599
0,9671
0,9678
0,9738
0,9744
0,9793
0,9798
0,9838
0,9842
0,9875
0,9878
0,9904
0,9906
0,9927
0,9929
0,9945
0,9946
0,9959
0,9960
0,9969
0,9970
0,9977
0,9978
0,06
0,5239
0,5636
0,6026
0,6406
0,6772
0,7123
0,7454
0,7764
0,8051
0,8315
0,8554
0,8770
0,8962
0,9131
0,9279
0,9406
0,9515
0,9608
0,9686
0,9750
0,9803
0,9846
0,9881
0,9909
0,9931
0,9948
0,9961
0,9971
0,9979
0,08
0,5319
0,5714
0,6103
0,6480
0,6844
0,7190
0,7517
0,7823
0,8106
0,8365
0,8599
0,8810
0,8997
0,9162
0,9306
0,9429
0,9535
0,9625
0,9699
0,9761
0,9812
0,9854
0,9887
0,9913
0,9934
0,9951
0,9963
0,9973
0,9980
0,09
0,5359
0,5753
0,6141
0,6517
0,6879
0,7224
0,7549
0,7852
0,8133
0,8389
0,8621
0,8830
0,9015
0,9177
0,9319
0,9441
0,9545
0,9633
0,9706
0,9767
0,9817
0,9857
0,9890
0,9916
0,9936
0,9952
0,9964
0,9974
0,9981
2,9
3
0,9981
0,9987
0,9982
0,9987
0,9982
0,9987
0,9983
0,9988
0,9984
0,9988
0,9984
0,9989
0,9985
0,9989
0,9985
0,9989
0,9986
0,9990
0,9986
0,9990
3,1
3,2
3,3
3,4
3,5
3,6
3,7
3,8
3,9
z
0,00
0,99903
0,99931
0,99952
0,99966
0,99977
0,99984
0,99989
0,99993
0,99995
0,01
0,99906
0,99934
0,99953
0,99968
0,99978
0,99985
0,99990
0,99993
0,99995
0,02
0,99910
0,99936
0,99955
0,99969
0,99978
0,99985
0,99990
0,99993
0,99996
0,03
0,99913
0,99938
0,99957
0,99970
0,99979
0,99986
0,99990
0,99994
0,99996
Probabilit P(Z<=z)
0,04
0,05
0,99916
0,99918
0,99940
0,99942
0,99958
0,99960
0,99971
0,99972
0,99980
0,99981
0,99986
0,99987
0,99991
0,99991
0,99994
0,99994
0,99996
0,99996
0,06
0,99921
0,99944
0,99961
0,99973
0,99981
0,99987
0,99992
0,99994
0,99996
0,07
0,99924
0,99946
0,99962
0,99974
0,99982
0,99988
0,99992
0,99995
0,99996
0,09
0,99929
0,99950
0,99965
0,99976
0,99983
0,99989
0,99992
0,99995
0,99997
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
k
0,001
0,000
0,002
0,024
0,091
0,210
0,381
0,599
0,857
1,152
1,479
1,834
2,214
2,617
3,041
3,483
3,942
4,416
4,905
5,407
5,921
6,447
6,983
7,529
8,085
8,649
9,222
9,803
10,391
10,986
0,005
0,000
0,010
0,072
0,207
0,412
0,676
0,989
1,344
1,735
2,156
2,603
3,074
3,565
4,075
4,601
5,142
5,697
6,265
6,844
7,434
8,034
8,643
9,260
9,886
10,520
11,160
11,808
12,461
13,121
0,01
0,000
0,020
0,115
0,297
0,554
0,872
1,239
1,647
2,088
2,558
3,053
3,571
4,107
4,660
5,229
5,812
6,408
7,015
7,633
8,260
8,897
9,542
10,196
10,856
11,524
12,198
12,878
13,565
14,256
LOI DU KHI 2
0,99
6,635
9,210
11,345
13,277
15,086
16,812
18,475
20,090
21,666
23,209
24,725
26,217
27,688
29,141
30,578
32,000
33,409
34,805
36,191
37,566
38,932
40,289
41,638
42,980
44,314
45,642
46,963
48,278
49,588
0,995
7,879
10,597
12,838
14,860
16,750
18,548
20,278
21,955
23,589
25,188
26,757
28,300
29,819
31,319
32,801
34,267
35,718
37,156
38,582
39,997
41,401
42,796
44,181
45,558
46,928
48,290
49,645
50,994
52,335
0,999
10,827
13,815
16,266
18,466
20,515
22,457
24,321
26,124
27,877
29,588
31,264
32,909
34,527
36,124
37,698
39,252
40,791
42,312
43,819
45,314
46,796
48,268
49,728
51,179
52,619
54,051
55,475
56,892
58,301
30
11,588
13,787
14,953
16,791
18,493
20,599
29,336
40,256
43,773
46,979
50,892
53,672
59,702
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
Probabilit P(T<=z)=p
0,6
0,7
0,325
0,727
0,289
0,617
0,277
0,584
0,271
0,569
0,267
0,559
0,265
0,553
0,263
0,549
0,262
0,546
0,261
0,543
0,260
0,542
0,260
0,540
0,259
0,539
0,259
0,538
0,258
0,537
0,258
0,536
0,258
0,535
0,257
0,534
0,257
0,534
0,257
0,533
0,257
0,533
0,257
0,532
0,256
0,532
0,256
0,532
0,256
0,531
0,256
0,531
0,256
0,531
0,8
1,376
1,061
0,978
0,941
0,920
0,906
0,896
0,889
0,883
0,879
0,876
0,873
0,870
0,868
0,866
0,865
0,863
0,862
0,861
0,860
0,859
0,858
0,858
0,857
0,856
0,856
0,9
3,078
1,886
1,638
1,533
1,476
1,440
1,415
1,397
1,383
1,372
1,363
1,356
1,350
1,345
1,341
1,337
1,333
1,330
1,328
1,325
1,323
1,321
1,319
1,318
1,316
1,315
0,95
6,314
2,920
2,353
2,132
2,015
1,943
1,895
1,860
1,833
1,812
1,796
1,782
1,771
1,761
1,753
1,746
1,740
1,734
1,729
1,725
1,721
1,717
1,714
1,711
1,708
1,706
LOI DE STUDENT
0,975
12,71
4,303
3,182
2,776
2,571
2,447
2,365
2,306
2,262
2,228
2,201
2,179
2,160
2,145
2,131
2,120
2,110
2,101
2,093
2,086
2,080
2,074
2,069
2,064
2,060
2,056
0,99
31,82
6,965
4,541
3,747
3,365
3,143
2,998
2,896
2,821
2,764
2,718
2,681
2,650
2,624
2,602
2,583
2,567
2,552
2,539
2,528
2,518
2,508
2,500
2,492
2,485
2,479
0,995
63,66
9,925
5,841
4,604
4,032
3,707
3,499
3,355
3,250
3,169
3,106
3,055
3,012
2,977
2,947
2,921
2,898
2,878
2,861
2,845
2,831
2,819
2,807
2,797
2,787
2,779
27
28
29
30
40
60
80
100
200
500
Probabilit P(T<=z)=p
0,6
0,7
0,256
0,531
0,256
0,530
0,256
0,530
0,256
0,530
0,255
0,529
0,254
0,527
0,254
0,527
0,254
0,526
0,254
0,525
0,253
0,525
0,253
0,524
0,8
0,855
0,855
0,854
0,854
0,851
0,848
0,846
0,845
0,843
0,842
0,842
0,9
1,314
1,313
1,311
1,310
1,303
1,296
1,292
1,290
1,286
1,283
1,282
0,95
1,703
1,701
1,699
1,697
1,684
1,671
1,664
1,660
1,653
1,648
1,645
LOI DE STUDENT
0,975
2,052
2,048
2,045
2,042
2,021
2,000
1,990
1,984
1,972
1,965
1,960
0,99
2,473
2,467
2,462
2,457
2,423
2,390
2,374
2,365
2,345
2,334
2,326
0,995
2,771
2,763
2,756
2,750
2,704
2,660
2,639
2,626
2,601
2,586
2,576
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
22
24
26
28
30
K2
1
161
18,5
10,1
7,71
6,61
5,99
5,59
5,32
5,12
4,96
4,84
4,75
4,67
4,60
4,54
4,49
4,45
4,41
4,38
4,35
4,30
4,26
4,23
4,20
4,17
K1
2
200
19,0
9,55
6,94
5,79
5,14
4,74
4,46
4,26
4,10
3,98
3,89
3,81
3,74
3,68
3,63
3,59
3,55
3,52
3,49
3,44
3,40
3,37
3,34
3,32
3
216
19,2
9,28
6,59
5,41
4,76
4,35
4,07
3,86
3,71
3,59
3,49
3,41
3,34
3,29
3,24
3,20
3,16
3,13
3,10
3,05
3,01
2,98
2,95
2,92
4
225
19,2
9,12
6,39
5,19
4,53
4,12
3,84
3,63
3,48
3,36
3,26
3,18
3,11
3,06
3,01
2,96
2,93
2,90
2,87
2,82
2,78
2,74
2,71
2,69
5
230
19,3
9,01
6,26
5,05
4,39
3,97
3,69
3,48
3,33
3,20
3,11
3,03
2,96
2,90
2,85
2,81
2,77
2,74
2,71
2,66
2,62
2,59
2,56
2,53
6
234
19,3
8,94
6,16
4,95
4,28
3,87
3,58
3,37
3,22
3,09
3,00
2,92
2,85
2,79
2,74
2,70
2,66
2,63
2,60
2,55
2,51
2,47
2,45
2,42
7
237
19,4
8,89
6,09
4,88
4,21
3,79
3,50
3,29
3,14
3,01
2,91
2,83
2,76
2,71
2,66
2,61
2,58
2,54
2,51
2,46
2,42
2,39
2,36
2,33
8
239
19,4
8,85
6,04
4,82
4,15
3,73
3,44
3,23
3,07
2,95
2,85
2,77
2,70
2,64
2,59
2,55
2,51
2,48
2,45
2,40
2,36
2,32
2,29
2,27
9
241
19,4
8,81
6,00
4,77
4,10
3,68
3,39
3,18
3,02
2,90
2,80
2,71
2,65
2,59
2,54
2,49
2,46
2,42
2,39
2,34
2,30
2,27
2,24
2,21
10
242
19,4
8,79
5,96
4,74
4,06
3,64
3,35
3,14
2,98
2,85
2,75
2,67
2,60
2,54
2,49
2,45
2,41
2,38
2,35
2,30
2,25
2,22
2,19
2,16
LOI DE FISHER
15
246
19,4
8,70
5,86
4,62
3,94
3,51
3,22
3,01
2,85
2,72
2,62
2,53
2,46
2,40
2,35
2,31
2,27
2,23
2,20
2,15
2,11
2,07
2,04
2,01
20
248
19,4
8,66
5,80
4,56
3,87
3,44
3,15
2,94
2,77
2,65
2,54
2,46
2,39
2,33
2,28
2,23
2,19
2,16
2,12
2,07
2,03
1,99
1,96
1,93
30
250
19,5
8,62
5,75
4,50
3,81
3,38
3,08
2,86
2,70
2,57
2,47
2,38
2,31
2,25
2,19
2,15
2,11
2,07
2,04
1,98
1,94
1,90
1,87
1,84
50
252
19,5
8,58
5,70
4,44
3,75
3,32
3,02
2,80
2,64
2,51
2,40
2,31
2,24
2,18
2,12
2,08
2,04
2,00
1,97
1,91
1,86
1,82
1,79
1,76
100
253
19,5
8,55
5,66
4,41
3,71
3,27
2,97
2,76
2,59
2,46
2,35
2,26
2,19
2,12
2,07
2,02
1,98
1,94
1,91
1,85
1,80
1,76
1,73
1,70
200
254
19,5
8,54
5,65
4,39
3,69
3,25
2,95
2,73
2,56
2,43
2,32
2,23
2,16
2,10
2,04
1,99
1,95
1,91
1,88
1,82
1,77
1,73
1,69
1,66
500
254
19,5
8,53
5,64
4,37
3,68
3,24
2,94
2,72
2,55
2,42
2,31
2,22
2,14
2,08
2,02
1,97
1,93
1,89
1,86
1,80
1,75
1,71
1,67
1,64
254
19,5
8,53
5,63
4,37
3,67
3,23
2,93
2,71
2,54
2,40
2,30
2,21
2,13
2,07
2,01
1,96
1,92
1,88
1,84
1,78
1,73
1,69
1,65
1,62
50
100
200
500
4,03
3,94
3,89
3,86
3,84
3,18
3,09
3,04
3,01
3,00
2,79
2,70
2,65
2,62
2,60
2,56
2,46
2,42
2,39
2,37
2,40
2,31
2,26
2,23
2,21
2,29
2,19
2,14
2,12
2,10
2,20
2,10
2,06
2,03
2,01
2,13
2,03
1,98
1,96
1,94
2,07
1,97
1,93
1,90
1,88
2,03
1,93
1,88
1,85
1,83
1,87
1,77
1,72
1,69
1,67
1,78
1,68
1,62
1,59
1,57
1,69
1,57
1,52
1,48
1,46
1,60
1,48
1,41
1,38
1,35
1,52
1,39
1,32
1,28
1,24
1,48
1,34
1,26
1,21
1,17
1,46
1,31
1,22
1,16
1,11
1,44
1,28
1,19
1,11
1,00
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
22
24
26
28
30
50
K2
1
648
38,5
17,4
12,2
10,0
8,81
8,07
7,57
7,21
6,94
6,72
6,55
6,41
6,30
6,20
6,12
6,04
5,98
5,92
5,87
5,79
5,72
5,66
5,61
5,57
5,34
2
800
39,0
16,0
10,6
8,43
7,26
6,54
6,06
5,71
5,46
5,26
5,10
4,97
4,86
4,76
4,69
4,62
4,56
4,51
4,46
4,38
4,32
4,27
4,22
4,18
3,98
3
864
39,2
15,4
9,98
7,76
6,60
5,89
5,42
5,08
4,83
4,63
4,47
4,35
4,24
4,15
4,08
4,01
3,95
3,90
3,86
3,78
3,72
3,67
3,63
3,59
3,39
5
922
39,3
14,9
9,36
7,15
5,99
5,29
4,82
4,48
4,24
4,04
3,89
3,77
3,66
3,58
3,50
3,44
3,38
3,33
3,29
3,22
3,15
3,10
3,06
3,03
2,83
6
937
39,3
14,7
9,20
6,98
5,82
5,12
4,65
4,32
4,07
3,88
3,73
3,60
3,50
3,41
3,34
3,28
3,22
3,17
3,13
3,05
2,99
2,94
2,90
2,87
2,67
7
948
39,4
14,6
9,07
6,85
5,70
4,99
4,53
4,20
3,95
3,76
3,61
3,48
3,38
3,29
3,22
3,16
3,10
3,05
3,01
2,93
2,87
2,82
2,78
2,75
2,55
8
957
39,4
14,5
8,98
6,76
5,60
4,90
4,43
4,10
3,85
3,66
3,51
3,39
3,29
3,20
3,12
3,06
3,01
2,96
2,91
2,84
2,78
2,73
2,69
2,65
2,46
9
963
39,4
14,5
8,90
6,68
5,52
4,82
4,36
4,03
3,78
3,59
3,44
3,31
3,21
3,12
3,05
2,98
2,93
2,88
2,84
2,76
2,70
2,65
2,61
2,57
2,38
K1
10
969
39,4
14,4
8,84
6,62
5,46
4,76
4,30
3,96
3,72
3,53
3,37
3,25
3,15
3,06
2,99
2,92
2,87
2,82
2,77
2,70
2,64
2,59
2,55
2,51
2,32
LOI DE FISHER
15
985
39,4
14,3
8,66
6,43
5,27
4,57
4,10
3,77
3,52
3,33
3,18
3,05
2,95
2,86
2,79
2,72
2,67
2,62
2,57
2,50
2,44
2,39
2,34
2,31
2,11
20
993
39,4
14,2
8,56
6,33
5,17
4,47
4,00
3,67
3,42
3,23
3,07
2,95
2,84
2,76
2,68
2,62
2,56
2,51
2,46
2,39
2,33
2,28
2,23
2,20
1,99
30
1001
39,5
14,1
8,46
6,23
5,07
4,36
3,89
3,56
3,31
3,12
2,96
2,84
2,73
2,64
2,57
2,50
2,44
2,39
2,35
2,27
2,21
2,16
2,11
2,07
1,87
50
1008
39,5
14,0
8,38
6,14
4,98
4,28
3,81
3,47
3,22
3,03
2,87
2,74
2,64
2,55
2,47
2,41
2,35
2,30
2,25
2,17
2,11
2,05
2,01
1,97
1,75
100
1013
39,5
14,0
8,32
6,08
4,92
4,21
3,74
3,40
3,15
2,96
2,80
2,67
2,56
2,47
2,40
2,33
2,27
2,22
2,17
2,09
2,02
1,97
1,92
1,88
1,66
200
1016
39,5
13,9
8,29
6,05
4,88
4,18
3,70
3,37
3,12
2,92
2,76
2,63
2,53
2,44
2,36
2,29
2,23
2,18
2,13
2,05
1,98
1,92
1,88
1,84
1,60
500
1017
39,5
13,9
8,27
6,03
4,86
4,16
3,68
3,35
3,09
2,90
2,74
2,61
2,50
2,41
2,33
2,26
2,20
2,15
2,10
2,02
1,95
1,90
1,85
1,81
1,57
1018
39,5
13,9
8,26
6,02
4,85
4,14
3,67
3,33
3,08
2,88
2,72
2,60
2,49
2,40
2,32
2,25
2,19
2,13
2,09
2,00
1,94
1,88
1,83
1,79
1,55
100
200
500
5,18
5,10
5,05
5,02
3,83
3,76
3,72
3,69
3,25
3,18
3,14
3,12
2,92
2,85
2,81
2,79
2,70
2,63
2,59
2,57
2,54
2,47
2,43
2,41
2,42
2,35
2,31
2,29
2,32
2,26
2,22
2,19
2,24
2,18
2,14
2,11
2,18
2,11
2,07
2,05
1,97
1,90
1,86
1,83
1,85
1,78
1,74
1,71
1,71
1,64
1,60
1,57
1,59
1,51
1,46
1,43
1,48
1,39
1,34
1,30
1,42
1,32
1,25
1,21
1,38
1,27
1,19
1,13
1,35
1,23
1,14
1,00
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
22
24
26
28
30
K2
1
4050
98,5
34,1
21,2
16,3
13,7
12,2
11,3
10,6
10,0
9,65
9,33
9,07
8,86
8,68
8,53
8,40
8,29
8,18
8,10
7,95
7,82
7,72
7,64
7,56
K1
2
5000
99,0
30,8
18,0
13,3
10,9
9,55
8,65
8,02
7,56
7,21
6,93
6,70
6,51
6,36
6,23
6,11
6,01
5,93
5,85
5,72
5,61
5,53
5,45
5,39
3
5400
99,2
29,5
16,7
12,1
9,78
8,45
7,59
6,99
6,55
6,22
5,95
5,74
5,56
5,42
5,29
5,18
5,09
5,01
4,94
4,82
4,72
4,64
4,57
4,51
4
5630
99,2
28,7
16,0
11,4
9,15
7,85
7,01
6,42
5,99
5,67
5,41
5,21
5,04
4,89
4,77
4,67
4,58
4,50
4,43
4,31
4,22
4,14
4,07
4,02
5
5760
99,3
28,2
15,5
11,0
8,75
7,46
6,63
6,06
5,64
5,32
5,06
4,86
4,70
4,56
4,44
4,34
4,25
4,17
4,10
3,99
3,90
3,82
3,75
3,70
6
5860
99,3
27,9
15,2
10,7
8,47
7,19
6,37
5,80
5,39
5,07
4,82
4,62
4,46
4,32
4,20
4,10
4,01
3,94
3,87
3,76
3,67
3,59
3,53
3,47
7
5930
99,4
27,7
15,0
10,5
8,26
6,99
6,18
5,61
5,20
4,89
4,64
4,44
4,28
4,14
4,03
3,93
3,84
3,77
3,70
3,59
3,50
3,42
3,36
3,30
8
5980
99,4
27,5
14,8
10,3
8,10
6,84
6,03
5,47
5,06
4,74
4,50
4,30
4,14
4,00
3,89
3,79
3,71
3,63
3,56
3,45
3,36
3,29
3,23
3,17
9
6020
99,4
27,3
14,7
10,2
7,98
6,72
5,91
5,35
4,94
4,63
4,39
4,19
4,03
3,89
3,78
3,68
3,60
3,52
3,46
3,35
3,26
3,18
3,12
3,07
10
6060
99,4
27,2
14,5
10,1
7,87
6,62
5,81
5,26
4,85
4,54
4,30
4,10
3,94
3,80
3,69
3,59
3,51
3,43
3,37
3,26
3,17
3,09
3,03
2,98
LOI DE FISHER
15
6160
99,4
26,9
14,2
9,72
7,56
6,31
5,52
4,96
4,56
4,25
4,01
3,82
3,66
3,52
3,41
3,31
3,23
3,15
3,09
2,98
2,89
2,82
2,75
2,70
20
6210
99,4
26,7
14,0
9,55
7,40
6,16
5,36
4,81
4,41
4,10
3,86
3,66
3,51
3,37
3,26
3,16
3,08
3,00
2,94
2,83
2,74
2,66
2,60
2,55
30
6260
99,5
26,5
13,8
9,38
7,23
5,99
5,20
4,65
4,25
3,94
3,70
3,51
3,35
3,21
3,10
3,00
2,92
2,84
2,78
2,67
2,58
2,50
2,44
2,39
50
6300
99,5
26,4
13,7
9,24
7,09
5,86
5,07
4,52
4,12
3,81
3,57
3,38
3,22
3,08
2,97
2,87
2,78
2,71
2,64
2,53
2,44
2,36
2,30
2,25
100
6330
99,5
26,2
13,6
9,13
6,99
5,75
4,96
4,42
4,01
3,71
3,47
3,27
3,11
2,98
2,86
2,76
2,68
2,60
2,54
2,42
2,33
2,25
2,19
2,13
200
6350
99,5
26,2
13,5
9,08
6,93
5,70
4,91
4,36
3,96
3,66
3,41
3,22
3,06
2,92
2,81
2,71
2,62
2,55
2,48
2,36
2,27
2,19
2,13
2,07
500
6360
99,5
26,1
13,5
9,04
6,90
5,67
4,88
4,33
3,93
3,62
3,38
3,19
3,03
2,89
2,78
2,68
2,59
2,51
2,44
2,33
2,24
2,16
2,09
2,03
6370
99,5
26,1
13,5
9,02
6,88
5,65
4,86
4,31
3,91
3,60
3,36
3,17
3,00
2,87
2,75
2,65
2,57
2,49
2,42
2,31
2,21
2,13
2,06
2,01
50
100
200
500
7,17
6,90
6,76
6,69
6,63
5,06
4,82
4,71
4,65
4,61
4,20
3,98
3,88
3,82
3,78
3,72
3,51
3,41
3,36
3,32
3,41
3,21
3,11
3,05
3,02
3,19
2,99
2,89
2,84
2,80
3,02
2,82
2,73
2,68
2,64
2,89
2,69
2,60
2,55
2,51
2,79
2,59
2,50
2,44
2,41
2,70
2,50
2,41
2,36
2,32
2,42
2,22
2,13
2,07
2,04
2,27
2,07
1,97
1,92
1,88
2,10
2,1,89
1,79
1,74
1,70
1,95
1,73
1,63
1,56
1,52
1,82
1,60
1,48
1,41
1,36
1,76
1,52
1,39
1,31
1,25
1,71
1,47
1,33
1,23
1,15
1,68
1,43
1,28
1,16
1,00
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
22
24
26
28
30
50
K2
1
16200
198
55,6
31,3
22,8
18,6
16,2
14,7
13,6
12,8
12,2
11,8
11,4
11,1
10,8
10,6
10,4
10,2
10,1
9,94
9,73
9,55
9,41
9,28
9,18
8,63
2
20000
199
49,8
26,3
18,3
14,5
12,4
11,0
10,1
9,43
8,91
8,51
8,19
7,92
7,70
7,51
7,35
7,21
7,09
6,99
6,81
6,66
6,54
6,44
6,35
5,90
3
21600
199
47,5
24,3
16,5
12,9
10,9
9,60
8,72
8,08
7,60
7,23
6,93
6,68
6,48
6,30
6,16
6,03
5,92
5,82
5,65
5,52
5,41
5,32
5,24
4,83
5
23100
199
45,4
22,5
14,9
11,5
9,52
8,30
7,47
6,87
6,42
6,07
5,79
5,56
5,37
5,21
5,07
4,96
4,85
4,76
4,61
4,49
4,38
4,30
4,23
3,85
6
23400
199
44,8
22,0
14,5
11,1
9,16
7,95
7,13
6,54
6,10
5,76
5,48
5,26
5,07
4,91
4,78
4,66
4,56
4,47
4,32
4,20
4,10
4,02
3,95
3,58
7
23700
199
44,4
21,6
14,2
10,8
8,89
7,69
6,88
6,30
5,86
5,52
5,25
5,03
4,85
4,69
4,56
4,44
4,34
4,26
4,11
3,99
3,89
3,81
3,74
3,38
8
23900
199
44,1
21,4
14,0
10,6
8,68
7,50
6,69
6,12
5,68
5,35
5,08
4,86
4,67
4,52
4,39
4,28
4,18
4,09
3,94
3,83
3,73
3,65
3,58
3,22
9
24100
199
43,9
21,1
13,8
10,4
8,51
7,34
6,54
5,97
5,54
5,20
4,94
4,72
4,54
4,38
4,25
4,14
4,04
3,96
3,81
3,69
3,60
3,52
3,45
3,09
K1
10
24200
199
43,7
21,0
13,6
10,2
8,38
7,21
6,42
5,85
5,42
5,09
4,82
4,60
4,42
4,27
4,14
4,03
3,93
3,85
3,70
3,59
3,49
3,41
3,34
2,99
LOI DE FISHER
15
24600
199
43,1
20,4
13,1
9,81
7,97
6,81
6,03
5,47
5,05
4,72
4,46
4,25
4,07
3,92
3,79
3,68
3,59
3,50
3,36
3,25
3,15
3,07
3,01
2,65
20
24800
199
42,8
20,2
12,9
9,59
7,75
6,61
5,83
5,27
4,86
4,53
4,27
4,06
3,88
3,73
3,61
3,50
3,40
3,32
3,18
3,06
2,97
2,89
2,82
2,47
30
25000
199
42,5
19,9
12,7
9,36
7,53
6,40
5,62
5,07
4,65
4,33
4,07
3,86
3,69
3,54
3,41
3,30
3,21
3,12
2,98
2,87
2,77
2,69
2,63
2,27
50
25200
199
42,2
19,7
12,5
9,17
7,35
6,22
5,45
4,90
4,49
4,17
3,91
3,70
3,52
3,37
3,25
3,14
3,04
2,96
2,82
2,70
2,61
2,53
2,46
2,10
100
25300
199
42,0
19,5
12,3
9,03
7,22
6,09
5,32
4,77
4,36
4,04
3,78
3,57
3,39
3,25
3,12
3,01
2,91
2,83
2,69
2,57
2,47
2,39
2,32
1,95
200
25400
199
41,9
19,4
12,2
8,95
7,15
6,02
5,26
4,71
4,29
3,97
3,71
3,50
3,33
3,18
3,05
2,94
2,85
2,76
2,62
2,50
2,40
2,32
2,25
1,87
500
25400
200
41,9
19,4
12,2
8,91
7,10
5,98
5,21
4,67
4,25
3,93
3,67
3,46
3,29
3,14
3,01
2,90
2,80
2,72
2,57
2,46
2,36
2,28
2,21
1,82
25500
200
41,8
19,3
12,1
8,88
7,08
5,95
5,19
4,64
4,23
3,90
3,65
3,44
3,26
3,11
2,98
2,87
2,78
2,69
2,55
2,43
2,33
2,25
2,18
1,79
100
200
500
8,24
8,06
7,95
7,88
5,59
5,44
5,36
5,30
4,54
4,41
4,33
4,28
3,96
3,84
3,76
3,72
3,59
3,47
3,40
3,35
3,33
3,21
3,14
3,09
3,13
3,01
2,94
2,90
2,97
2,85
2,79
2,74
2,85
2,73
2,66
2,62
2,74
2,63
2,56
2,52
2,41
2,30
2,23
2,19
2,23
2,11
2,04
2,00
2,02
1,91
1,84
1,79
1,84
1,71
1,64
1,59
1,68
1,54
1,46
1,40
1,59
1,44
1,35
1,28
1,53
1,37
1,26
1,17
1,49
1,31
1,18
1,00
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
22
24
26
28
30
50
100
K2
1
998
168
74,1
47,0
35,5
29,2
25,4
22,9
21,0
19,7
18,6
17,8
17,1
16,6
16,1
15,7
15,4
15,1
14,8
14,4
14,0
13,7
13,5
13,3
12,2
11,5
K1
2
999
148
61,2
36,6
27,0
21,7
18,5
16,4
14,9
13,8
13,0
12,3
11,8
11,3
11,0
10,7
10,4
10,2
9,95
9,61
9,34
9,12
8,93
8,77
7,95
7,41
3
999
141
56,2
33,2
23,7
18,8
15,8
13,9
12,6
11,6
10,8
10,2
9,73
9,34
9,00
8,73
8,49
8,28
8,10
7,80
7,55
7,36
7,19
7,05
6,34
5,85
4
999
137
53,4
31,1
21,9
17,2
14,4
12,6
11,3
10,4
9,63
9,07
8,62
8,25
7,94
7,68
7,46
7,26
7,10
6,81
6,59
6,41
6,25
6,12
5,46
5,01
5
999
135
51,7
29,8
20,8
16,2
13,5
11,7
10,5
9,58
8,89
8,35
7,92
7,57
7,27
7,02
6,81
6,61
6,46
6,19
5,98
5,80
5,66
5,53
4,90
4,48
6
999
133
50,5
28,8
20,0
15,5
12,9
11,1
9,92
9,05
8,38
7,86
7,43
7,09
6,81
6,56
6,35
6,18
6,02
5,76
5,55
5,38
5,24
5,12
4,51
4,11
7
999
132
49,7
28,2
19,5
15,0
12,4
10,7
9,52
8,66
8,00
7,49
7,08
6,74
6,46
6,22
6,02
5,84
5,69
5,44
5,23
5,07
4,93
4,82
4,22
3,83
8
999
131
49,0
27,6
19,0
14,6
12,0
10,4
9,20
8,35
7,71
7,21
6,80
6,47
6,19
5,96
5,76
5,59
5,44
5,19
4,99
4,83
4,69
4,58
4,00
3,61
9
999
130
48,5
27,2
18,7
14,3
11,8
10,1
8,96
8,12
7,48
6,98
6,58
6,26
5,98
5,75
5,56
5,39
5,24
4,99
4,80
4,64
4,50
4,39
3,82
3,44
10
999
129
48,0
26,9
18,4
14,1
11,5
9,89
8,75
7,92
7,29
6,80
6,40
6,08
5,81
5,58
5,39
5,22
5,08
4,83
4,64
4,48
4,35
4,24
3,67
3,30
LOI DE FISHER
15
999
127
46,8
25,9
17,6
13,3
10,8
9,24
8,13
7,32
6,71
6,23
5,85
5,53
5,27
5,05
4,87
4,70
4,56
4,32
4,14
3,99
3,86
3,75
3,20
2,84
20
999
126
46,1
25,4
17,1
12,9
10,5
8,90
7,80
7,01
6,40
5,93
5,56
5,25
4,99
4,78
4,59
4,43
4,29
4,06
3,87
3,72
3,60
3,49
2,95
2,59
30
999
125
45,4
24,9
16,7
12,5
10,1
8,55
7,47
6,68
6,09
5,62
5,25
4,95
4,70
4,48
4,30
4,14
4,01
3,77
3,59
3,45
3,32
3,22
2,68
2,32
50
999
125
44,9
24,4
16,3
12,2
9,80
8,26
7,19
6,41
5,83
5,37
5,00
4,70
4,45
4,24
4,06
3,90
3,77
3,53
3,35
3,20
3,08
2,98
2,44
2,07
100
999
124
44,5
24,1
16,0
11,9
9,57
8,04
6,98
6,21
5,63
5,17
4,80
4,51
4,26
4,05
3,87
3,71
3,58
3,34
3,16
3,01
2,89
2,79
2,24
1,87
200
999
124
44,3
23,9
15,9
11,8
9,46
7,93
6,87
6,10
5,52
5,07
4,70
4,41
4,16
3,95
3,77
3,61
3,48
3,25
3,07
2,92
2,79
2,69
2,14
1,75
500
999
124
44,1
23,8
15,8
11,7
9,39
7,86
6,81
6,04
5,46
5,01
4,64
4,35
4,10
3,89
3,71
3,55
3,42
3,19
3,01
2,86
2,73
2,63
2,07
1,68
999
124
44,0
23,8
15,8
11,7
9,34
7,81
6,76
6,00
5,42
4,97
4,60
4,31
4,06
3,85
3,67
3,51
3,38
3,15
2,97
2,82
2,70
2,59
2,03
1,62
200
500
11,2
11,0
10,8
7,15
7,01
6,91
5,64
5,51
5,42
4,81
4,69
4,62
4,29
4,18
4,10
3,92
3,82
3,74
3,65
3,54
3,47
3,43
3,33
3,27
3,26
3,16
3,10
3,12
3,02
2,96
2,67
2,58
2,51
2,42
2,33
2,27
2,15
2,05
1,99
1,90
1,80
1,73
1,68
1,57
1,49
1,55
1,43
1,34
1,46
1,32
1,21
1,39
1,23
1,00
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
22
24
26
28
30
50
100
200
500
K2
1
2000
266
106
63,6
46,1
37,0
31,6
28,0
25,5
23,6
22,2
21,1
20,2
19,5
18,9
18,4
17,9
17,5
17,2
16,6
16,2
15,8
15,5
15,2
13,9
13,0
12,5
12,3
12,1
2
2000
237
87,4
49,8
34,8
27,2
22,8
19,9
17,9
16,4
15,3
14,4
13,7
13,2
12,7
12,3
11,9
11,6
11,4
11,0
10,6
10,3
10,1
9,90
8,88
8,21
7,90
7,72
7,60
3
2000
225
80,1
44,4
30,4
23,5
19,4
16,8
15,0
13,6
12,7
11,9
11,3
10,8
10,3
9,99
9,69
9,42
9,20
8,82
8,52
8,27
8,07
7,90
7,01
6,43
6,16
6,01
5,91
4
2000
218
76,1
41,5
28,1
21,4
17,6
15,1
13,4
12,2
11,2
10,5
9,95
9,48
9,08
8,75
8,47
8,23
8,02
7,67
7,39
7,16
6,98
6,82
6,01
5,47
5,23
5,09
5,00
5
2000
214
73,6
39,7
26,6
20,2
16,4
14,1
12,4
11,2
10,4
9,66
9,11
8,66
8,29
7,98
7,71
7,48
7,28
6,94
6,68
6,46
6,28
6,14
5,37
4,87
4,64
4,51
4,42
6
2000
211
71,9
38,5
25,6
19,3
15,7
13,3
11,8
10,6
9,74
9,07
8,53
8,10
7,74
7,44
7,18
6,95
6,76
6,44
6,18
5,98
5,80
5,66
4,93
4,44
4,23
4,10
4,02
7
2000
209
70,6
37,6
24,9
18,7
15,1
12,8
11,3
10,1
9,28
8,63
8,11
7,68
7,33
7,04
6,78
6,57
6,38
6,07
5,82
5,62
5,45
5,31
4,60
4,13
3,92
3,80
3,72
8
2000
208
69,7
36,9
24,3
18,2
14,6
12,4
10,9
9,76
8,94
8,29
7,78
7,36
7,02
6,73
6,48
6,27
6,08
5,78
5,54
5,34
5,18
5,04
4,34
3,89
3,68
3,56
3,48
P(F<=z) = 0,9995
K1
9
10
2000
2000
207
206
68,9
68,3
36,4
35,9
23,9
23,5
17,8
17,5
14,3
14,0
12,1
11,8
10,6
10,3
9,48
9,24
8,66
8,43
8,03
7,81
7,52
7,31
7,11
6,91
6,77
6,57
6,49
6,29
6,24
6,05
6,03
5,84
5,85
5,66
5,55
5,36
5,31
5,13
5,12
4,94
4,96
4,78
4,82
4,65
4,14
3,98
3,70
3,54
3,49
3,34
3,36
3,21
3,30
3,14
LOI DE FISHER
15
2000
203
66,5
34,6
22,4
16,5
13,1
11,0
9,56
8,52
7,74
7,13
6,65
6,27
5,94
5,67
5,44
5,25
5,07
4,79
4,55
4,37
4,22
4,10
3,45
3,03
2,83
2,72
2,65
20
2000
201
65,5
33,9
21,9
16,0
12,7
10,6
9,16
8,14
7,37
6,78
6,31
5,93
5,61
5,34
5,12
4,92
4,75
4,47
4,25
4,07
3,92
3,80
3,16
2,75
2,56
2,45
2,37
30
2000
199
64,6
33,1
21,4
15,5
12,2
10,2
8,75
7,75
7,00
6,42
5,95
5,58
5,27
5,01
4,78
4,59
4,42
4,15
3,93
3,75
3,61
3,48
2,86
2,44
2,25
2,14
2,07
50
2000
198
63,8
32,5
20,9
15,1
11,8
9,80
8,42
7,43
6,68
6,11
5,66
5,29
4,98
4,72
4,50
4,31
4,15
3,88
3,66
3,48
3,34
3,22
2,59
2,18
1,98
1,87
1,79
100
2000
197
63,2
32,1
20,5
14,7
11,6
9,53
8,16
7,18
6,45
5,88
5,43
5,06
4,76
4,50
4,28
4,09
3,93
3,66
3,44
3,27
3,13
3,00
2,37
1,95
1,74
1,61
1,53
200
2000
197
62,9
31,8
20,3
14,6
11,4
9,40
8,04
7,06
6,33
5,76
5,31
4,94
4,64
4,39
4,17
3,98
3,82
3,55
3,33
3,16
3,01
2,89
2,25
1,82
1,60
1,46
1,36
500
2000
196
62,7
31,7
20,2
14,5
11,4
9,32
7,96
6,98
6,25
5,69
5,24
4,87
4,57
4,32
4,10
3,91
3,75
3,48
3,27
3,09
2,95
2,82
2,17
1,74
1,50
1,34
1,22
2000
196
62,6
31,6
20,1
14,4
11,3
9,26
7,90
6,93
6,20
5,64
5,19
4,83
4,52
4,27
4,06
3,87
3,70
3,44
3,22
3,04
2,90
2,78
2,13
1,67
1,42
1,24
1,00
Probabilits
Bibliographie
BIBLIOGRAPHIE
Titres
Aide mmoire de probabilits et
statistiques
Comprendre les probabilits
Cours de probabilits et de statistiques
Cours de probabilits et de statistiques
Exercices corrigs de probabilits
Exercices de calcul des probabilits
Exercices ordinaires de probabilit
Formulaire de probabilits et de
statistiques
Introduction aux calculs de probabilits
Introduction aux probabilits et la
statistique
Probabilits et statistiques
Probabilits et statistiques cours,
exercices et problmes rsolus
Probabilits
Probabilits
Probabilits et statistiques
Probabilits et statistiques
Probabilits et statistiques
Probabilits et statistiques rsum de
cours exercices et problmes corrigs
Probabilits pour lconomie
Probabilits rsums de cours, exercices et
problmes
Statistique et calcul des probabilits
Statistiques et probabilits
Statistiques et probabilits
Auteurs
Editeurs - annes
J. MARCELL
ELLIPSES 92
J. L. BOURSIN
C. LEBOEUF
J. L. ROQUE / J. GUEGAND
C. LEBOEUF / J. GUEGANO /
J. L. ROQUE / P. LANDRY
G. GALOT
G. FRUGIER / C. LEBOEUF
J. RENAULT
ARMAND COLIN 89
ELLIPSES 87
ELLIPSES 87
ELLIPSES 87
DUNOD 86
ELLIPSES 92
DUNOD 92
G. BAILLARGEON
E. AMIOT
SMG 81
GAETAN MORIN 90
A. LEVINE
J. ISIAS
ELLIPSES 89
ELLIPSES 99
M. LETHIELLEUX
R. SANDRETTO
L. GACOGNE / G. FRUGIER
AUDET, BOUCHER
(AUMARTIN, SKEEWE)
J. FOURASTIE /
J. F. LASLIER
G. CHAUVAT / J.F. REAU
DUNOD 98
DUNOD 96
EYROLLES 90
GAETAN MORIN 93
C. GRAPSKY
P. JAFFARD
BREAL 96
MASSON 93
W. MASSIERI
J. P. LECOUTRE
M. ELLATIFI
SIREY 96
DUNOD 2000
AFRIQUE ORIENT
84
163
DUNOD 87
ARMAND COLIN 99