Introduction aux Probabilités - Université Rennes 2
Introduction aux Probabilités - Université Rennes 2 Introduction aux Probabilités - Université Rennes 2
192 Annexe A. Annexes Université de Rennes 2 Licence MASS 2 Durée : 2 heures Corrigé du Contrôle 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. 1. La probabilité que les deux événements aient lieu vautÈ(A ∩ B), et en tenant compte de l’indépendance il vient È(A∩B) =È(A)È(B) = 1 12 . 2. La probabilité que l’un au moins des deux événements ait lieu estÈ(A∪B), ce qui donne È(A∪B) =È(A)+È(B)−È(A∩B) = 1 1 1 1 + − = 3 4 12 2 . 3. La probabilité qu’exactement l’un des deux événements ait lieu s’écrit par exemple È((A∪B)\(A∩B)) =È(A∪B)−È(A∩B) = 1 1 5 − = 2 12 12 . 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. Notons B2 l’événement “la seconde balle tirée est blanche”. Avec des notations naturelles, la probabilité de cet événement s’écrit : È(B2) =È(B2|B1)È(B1)+È(B2|N1)È(N1) = 2 1 1 1 1 × + × = 3 2 3 2 2 . Ce résultat est logique puisque les 2 couleurs jouent des rôles complètement symétriques. 2. La probabilité que l’une au moins des deux balles tirées soit blanche vaut : È(B2 ∪B1) = 1−È(N2 ∩N1) = 1−È(N2|N1)È(N1) = 1− 2 1 2 × = 3 2 3 . 3. La probabilité que la première balle tirée soit blanche, sachant que l’une au moins des deux balles tirée est blanche est È(B1|B2 ∪B1) =È(B1 ∩(B2 ∪B1)) È(B2 ∪B1) = È(B1) È(B2 ∪B1) = 1 2 2 3 = 3 4 . Arnaud Guyader - Rennes 2 Probabilités
A.1. Annales 193 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. Notons D l’événement “l’objet est défectueux”, B0 (respectivement B1, B2) l’événement “l’objet vient d’une boîte contenant 0 (respectivement 1, 2) objet défectueux”. La probabilité que l’objet tiré soit défectueux se décompose alors via la formule des probabilités totales : È(D) =È(D|B0)È(B0)+È(D|B1)È(B1)+È(D|B2)È(B2). Or il est clair queÈ(D|B0) = 0,È(D|B1) = 0.5 etÈ(D|B2) = 1, donc È(D) = 0×0.92+0.5×0.05+1×0.03 = 0.055. Il y a donc 5.5% de chances que cet objet soit défectueux. 2. Notons D ′ l’événement “l’autre objet est également défectueux”. La probabilité cherchée s’écrit doncÈ(D ′ |D) et peut se calculer comme suit : IV. Lancer de dé Un dé équilibré est lancé 10 fois de suite. È(D ′ |D) =È(D ′ ∩D) È(D) =È(B2) 0.03 = È(D) 0.055 = 6 11 . 1. Notons p la probabilité d’au moins un 6 sur les 10 lancers. 1−p est donc la probabilité de n’avoir aucun 6 sur les 10 lancers, d’où 1−p = 10 5 6 ⇒ p = 1− 10 5 ≈ 0.84. 6 2. Le nombre de 6 sur les 10 lancers est une variable aléatoire X qui suit une loi binomiale B(10,1/6). On en déduit que le nombre moyen de 6 sur les 10 lancers vaut E[X] = 10× 1 5 = 6 3 . 3. Soit U1,...,U10 les nombres obtenus aux lancers successifs. Les variables Ui suivent toutes une loi uniforme sur {1,...,6}, de moyenne 3.5. La somme des nombres obtenus est alors la variable S = U1 +···+U10, dont la moyenne vaut : E[S] = E[U1 +···+U10] = E[U1]+···+···+E[U10] = 10×E[U1] = 35. ) le nombre de 6 obtenus sur les 5 premiers (respectivement le nombre de 6 obtenus sur les 10 lancers. La probabilité d’obtenir exactement deux 6 lors des 5 premiers lancers sachant qu’il y en a eu 4 sur les 10 lancers s’écrit alors 4. Notons X5 (respectivement X ′ 5 derniers) lancers et X10 = X5+X ′ 5 È(X5 = 2|X10 = 4) =È({X5 = 2}∩{X10 = 4}) È(X10 = 4) = 2}) . È(X10 = 4) =È({X5 = 2}∩{X ′ 5 Les 5 premiers lancers sont bien entendu indépendants des 5 derniers, donc ceci s’écrit encore È(X5 = = 2)È(X 2|X10 = 4) =È(X5 ′ 5 = 2) . È(X10 = 4) Probabilités Arnaud Guyader - Rennes 2
- 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 and 194: A.1. Annales 189 0.50 0.45 0.40 0.3
- Page 195: A.1. Annales 191 4. (Bonus) La prob
- 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 193<br />
III. Pièces défectueuses<br />
Une usine produit des objets par boîtes de deux. Sur le long terme, on a constaté que : 92%<br />
des boîtes ne contiennent aucun objet défectueux ; 5% des boîtes contiennent exactement 1 objet<br />
défectueux ; 3% des boîtes contiennent 2 objets défectueux. Une boîte est choisie au hasard sur la<br />
chaîne de production et on tire au hasard un des deux objets de cette boîte.<br />
1. Notons D l’événement “l’objet est défectueux”, B0 (respectivement B1, B2) l’événement “l’objet<br />
vient d’une boîte contenant 0 (respectivement 1, 2) objet défectueux”. La probabilité que<br />
l’objet tiré soit défectueux se décompose alors via la formule des probabilités totales :<br />
È(D) =È(D|B0)È(B0)+È(D|B1)È(B1)+È(D|B2)È(B2).<br />
Or il est clair queÈ(D|B0) = 0,È(D|B1) = 0.5 etÈ(D|B2) = 1, donc<br />
È(D) = 0×0.92+0.5×0.05+1×0.03 = 0.055.<br />
Il y a donc 5.5% de chances que cet objet soit défectueux.<br />
2. Notons D ′ l’événement “l’autre objet est également défectueux”. La probabilité cherchée<br />
s’écrit doncÈ(D ′ |D) et peut se calculer comme suit :<br />
IV. Lancer de dé<br />
Un dé équilibré est lancé 10 fois de suite.<br />
È(D ′ |D) =È(D ′ ∩D)<br />
È(D) =È(B2) 0.03<br />
=<br />
È(D) 0.055<br />
= 6<br />
11 .<br />
1. Notons p la probabilité d’au moins un 6 sur les 10 lancers. 1−p est donc la probabilité de<br />
n’avoir aucun 6 sur les 10 lancers, d’où<br />
1−p =<br />
10 5<br />
6<br />
⇒ p = 1−<br />
10 5<br />
≈ 0.84.<br />
6<br />
2. Le nombre de 6 sur les 10 lancers est une variable aléatoire X qui suit une loi binomiale<br />
B(10,1/6). On en déduit que le nombre moyen de 6 sur les 10 lancers vaut<br />
E[X] = 10× 1 5<br />
=<br />
6 3 .<br />
3. Soit U1,...,U10 les nombres obtenus <strong>aux</strong> lancers successifs. Les variables Ui suivent toutes<br />
une loi uniforme sur {1,...,6}, de moyenne 3.5. La somme des nombres obtenus est alors la<br />
variable S = U1 +···+U10, dont la moyenne vaut :<br />
E[S] = E[U1 +···+U10] = E[U1]+···+···+E[U10] = 10×E[U1] = 35.<br />
) le nombre de 6 obtenus sur les 5 premiers (respectivement<br />
le nombre de 6 obtenus sur les 10 lancers. La probabilité<br />
d’obtenir exactement deux 6 lors des 5 premiers lancers sachant qu’il y en a eu 4 sur les 10<br />
lancers s’écrit alors<br />
4. Notons X5 (respectivement X ′ 5<br />
derniers) lancers et X10 = X5+X ′ 5<br />
È(X5 = 2|X10 = 4) =È({X5 = 2}∩{X10 = 4})<br />
È(X10 = 4)<br />
= 2})<br />
.<br />
È(X10 = 4)<br />
=È({X5 = 2}∩{X ′ 5<br />
Les 5 premiers lancers sont bien entendu indépendants des 5 derniers, donc ceci s’écrit encore<br />
È(X5 =<br />
= 2)È(X<br />
2|X10 = 4) =È(X5 ′ 5 = 2)<br />
.<br />
È(X10 = 4)<br />
<strong>Probabilités</strong> Arnaud Guyader - <strong>Rennes</strong> 2