Introduction aux Probabilités - Université Rennes 2
Introduction aux Probabilités - Université Rennes 2 Introduction aux Probabilités - Université Rennes 2
190 Annexe A. Annexes Université de Rennes 2 Licence MASS 2 Durée : 1 heure 45 Contrôle de Probabilités Lundi 22 Novembre 2010 Calculatrice autorisée Aucun document I. Evénements indépendants On considère deux événements indépendants A et B de probabilités respectives 1/4 et 1/3. Calculer : 1. la probabilité que les deux événements aient lieu. 2. la probabilité que l’un au moins des deux événements ait lieu. 3. la probabilité qu’exactement l’un des deux événements ait lieu. II. Un tirage en deux temps Une boîte contient une balle noire et une balle blanche. Une balle est tirée au hasard dans la boîte : on remet celle-ci ainsi qu’une nouvelle balle de la même couleur. On tire alors une des trois balles au hasard dans la boîte. 1. Quelle est la probabilité que la seconde balle tirée soit blanche? 2. Quelle est la probabilité que l’une au moins des deux balles tirées soit blanche? 3. Quelle est la probabilité que la première balle tirée soit blanche, sachant que l’une au moins des deux balles tirées est blanche? III. Pièces défectueuses Une usine produit des objets par boîtes de deux. Sur le long terme, on a constaté que : 92% des boîtes ne contiennent aucun objet défectueux ; 5% des boîtes contiennent exactement 1 objet défectueux ; 3% des boîtes contiennent 2 objets défectueux. Une boîte est choisie au hasard sur la chaîne de production et on tire au hasard un des deux objets de cette boîte. 1. Quelle est la probabilité que cet objet soit défectueux ? 2. Sachant que cet objet est effectivement défectueux, quelle est la probabilité que l’autre objet de la boîte le soit aussi? IV. Lancer de dé Un dé équilibré est lancé 10 fois de suite. Déterminer : 1. La probabilité d’au moins un 6 sur les 10 lancers. 2. Le nombre moyen de 6 sur les 10 lancers. 3. La moyenne de la somme des résultats obtenus lors des 10 lancers. Arnaud Guyader - Rennes 2 Probabilités
A.1. Annales 191 4. (Bonus) La probabilité d’obtenir exactement deux 6 lors des 5 premiers lancers sachant qu’il y en a eu 4 sur les 10 lancers. V. Le dé dyadique On appelle “dé dyadique” un dé dont les faces sont numérotées respectivement 2, 4, 8, 16, 32, 64 (au lieu de 1, 2, 3, 4, 5, 6). On jette un dé dyadique équilibré et on appelle X le résultat obtenu. 1. Déterminer l’espérance de X. 2. Calculer l’écart-type de X. 3. Lorsque X1 et X2 sont deux variables indépendantes, que vaut Cov(X1,X2)? 4. On jette maintenant deux dés dyadiques équilibrés et on appelle Y le produit des résultats obtenus. Calculer l’espérance de Y . 5. (Bonus) CalculerÈ(Y < 20). VI. Répartition des tailles On suppose que dans une population, 1% des gens mesurent plus de 1m92. Supposons que vous tiriez au hasard (avec remise) 200 personnes dans cette population. Appelons X le nombre de personnes de plus de 1m92 dans votre échantillon. 1. Quelle est la loi de X ? 2. Par quelle loi peut-on l’approcher? 3. Quelle est la probabilité que dans votre échantillon, au moins 3 personnes mesurent plus de 1m92? VII. Poisson en vrac On considère une variable X distribuée selon une loi de Poisson de paramètre λ > 0. Exprimer en fonction de λ : 1. E[3X +5]. 2. Var(2X +1). 3. E 1 X+1 . Probabilités Arnaud Guyader - Rennes 2
- Page 144 and 145: 140 Chapitre 3. Variables aléatoir
- Page 146 and 147: 142 Chapitre 3. Variables aléatoir
- Page 148 and 149: 144 Chapitre 3. Variables aléatoir
- Page 150 and 151: ∈Ê 146 Chapitre 3. Variables al
- Page 152 and 153: 148 Chapitre 3. Variables aléatoir
- Page 154 and 155: 150 Chapitre 3. Variables aléatoir
- Page 156 and 157: 152 Chapitre 3. Variables aléatoir
- Page 158 and 159: 154 Chapitre 3. Variables aléatoir
- Page 160 and 161: 156 Chapitre 3. Variables aléatoir
- Page 162 and 163: 158 Chapitre 3. Variables aléatoir
- Page 164 and 165: 160 Chapitre 3. Variables aléatoir
- Page 166 and 167: 162 Chapitre 3. Variables aléatoir
- Page 168 and 169: 164 Chapitre 3. Variables aléatoir
- Page 170 and 171: 166 Chapitre 3. Variables aléatoir
- Page 172 and 173: 168 Chapitre 3. Variables aléatoir
- Page 174 and 175: 170 Chapitre 3. Variables aléatoir
- Page 176 and 177: 172 Chapitre 3. Variables aléatoir
- Page 178 and 179: 174 Chapitre 3. Variables aléatoir
- Page 181 and 182: Annexe A Annexes A.1 Annales Univer
- Page 183 and 184: A.1. Annales 179 Université de Ren
- Page 185 and 186: A.1. Annales 181 Université de Ren
- Page 187 and 188: A.1. Annales 183 3. Montrer que E[X
- Page 189 and 190: A.1. Annales 185 4. Par définition
- Page 191 and 192: A.1. Annales 187 4. Soit Y la varia
- Page 193: A.1. Annales 189 0.50 0.45 0.40 0.3
- Page 197 and 198: A.1. Annales 193 III. Pièces défe
- Page 199 and 200: A.1. Annales 195 Tandis que dans le
- Page 201 and 202: A.1. Annales 197 IV. Jeu d’argent
- Page 203 and 204: A.1. Annales 199 4. L’espérance
- Page 205 and 206: A.1. Annales 201 1. Dire que T est
- Page 207 and 208: A.1. Annales 203 Université Rennes
- Page 209 and 210: A.1. Annales 205 Université Rennes
- Page 211 and 212: A.1. Annales 207 Ainsi, le taux de
- Page 213 and 214: A.1. Annales 209 Université Rennes
- Page 215 and 216: A.1. Annales 211 4. Soit X1 et X2 d
- Page 217 and 218: A.1. Annales 213 Figure A.5 - Densi
- Page 219 and 220: A.1. Annales 215 3. Pour la varianc
- Page 221 and 222: A.1. Annales 217 à la suite de quo
- Page 223: Bibliographie [1] Nicolas Bouleau.
A.1. Annales 191<br />
4. (Bonus) La probabilité d’obtenir exactement deux 6 lors des 5 premiers lancers sachant qu’il<br />
y en a eu 4 sur les 10 lancers.<br />
V. Le dé dyadique<br />
On appelle “dé dyadique” un dé dont les faces sont numérotées respectivement 2, 4, 8, 16, 32, 64<br />
(au lieu de 1, 2, 3, 4, 5, 6). On jette un dé dyadique équilibré et on appelle X le résultat obtenu.<br />
1. Déterminer l’espérance de X.<br />
2. Calculer l’écart-type de X.<br />
3. Lorsque X1 et X2 sont deux variables indépendantes, que vaut Cov(X1,X2)?<br />
4. On jette maintenant deux dés dyadiques équilibrés et on appelle Y le produit des résultats<br />
obtenus. Calculer l’espérance de Y .<br />
5. (Bonus) CalculerÈ(Y < 20).<br />
VI. Répartition des tailles<br />
On suppose que dans une population, 1% des gens mesurent plus de 1m92. Supposons que vous<br />
tiriez au hasard (avec remise) 200 personnes dans cette population. Appelons X le nombre de<br />
personnes de plus de 1m92 dans votre échantillon.<br />
1. Quelle est la loi de X ?<br />
2. Par quelle loi peut-on l’approcher?<br />
3. Quelle est la probabilité que dans votre échantillon, au moins 3 personnes mesurent plus de<br />
1m92?<br />
VII. Poisson en vrac<br />
On considère une variable X distribuée selon une loi de Poisson de paramètre λ > 0. Exprimer en<br />
fonction de λ :<br />
1. E[3X +5].<br />
2. Var(2X +1).<br />
3. E<br />
1<br />
X+1<br />
<br />
.<br />
<strong>Probabilités</strong> Arnaud Guyader - <strong>Rennes</strong> 2