MASTER 1 GSI- Mentions ACCIE et RIM La Citadelle - ULCO Mesures et analyses statistiques de donn´ees - Probabilit´es
Janvier 2014 - Contrˆole Terminal, Semestre 1, Session 1
Dur´ee de l’´epreuve : 1h10 Documents interdits. Calculatrice autoris´ee.
(Les 3 exercices sont ind´ependants. Un soin tout particulier sera apport´e `a la r´edaction des r´eponses)
Exercice 1Correction: 7pts
1. SoientF etGles ´ev´enements respectifs “l’enfant qui naˆıt est une fille” et “l’enfant qui naˆıt est un gar¸con”. On consid`ere l’univers Ω ={(a, b), a, b∈ {F, G}}, constitu´e des couples d’enfants dont le premier ´el´ement d´esignera - par convention - l’aˆın´e. On a donc par ´equiprobabilit´e Card(Ω) = 22 = 4.
Soient A etB les ´ev´enements respectifs “le cadet est une fille” et “l’aˆın´e est une fille”. On a alors P(A) =P(F, F) +P(G, F) = 1
4 +1 4 = 1
2 etP(B) =P(F, G) +P(F, F) = 1 2. (a) 1pt La probabilit´e recherch´ee estP(B/A). On a
P(B/A) = P(A∩B)
P(A) = P(F, F) P(A) =
1 4 1 2
= 1
2(=P(B)).
On retrouve bien le fait queA etB sont ind´ependants en probabilit´e.
(b) 1pt La probabilit´e recherch´ee estP((A∩B)/(A∪B)). On a P((A∩B)/(A∪B)) = P((A∩B)∪(A∪B))
P(A∪B) = P(A∩B)
P(A) +P(B)−P(A∩B) =
1 4 1
2 +12− 14 =
1 4 3 4
= 1 3. 2. 1pt Comme (A∩B)⊂C, on a d’apr`es le coursP(A∩B)≤P(C). Or
P(A∪B) =P(A) +P(B)−P(A∩B)≤1⇔P(A∩B)≥P(A) +P(B)−1, on en d´eduit donc que P(A) +P(B)−1≤P(A∩B)≤P(C)⇔P(A) +P(B)≤P(C) + 1.
3. • 1pt La probabilit´e d’obtenir au moins un 6 en 4 lancers d’un d´e (`a 6 faces) est ´egale `a : 1−
(5 6
)4
= 0,518 `a 10−3 pr`es par d´efaut (il suffit de consid´erer l’´ev´enement compl´ementaire).
• 1pt La probabilit´e d’obtenir au moins un double 6 en 24 lancers de deux d´es (toujours `a 6 faces) est ´egale `a :
1− (35
36 )24
= 0,491 `a 10−3 pr`es par exc`es.
L’´ev´enement le plus probable est donc l’obtention d’au moins un 6 en lan¸cant 4 fois un d´e.
4. 1pt On cherche `a d´eterminer l’entier ntel que 1−
(35 36
)n
> 1
2 ⇔n >− ln(2) ln(
1−361) = 24,605 `a 10−3 pr`es par d´efaut.
On prendra doncn≥25.
5. 1pt Les ´ev´enements A etB sont disjoints donc P(A∩B) =P(∅) = 0. Dans ce cas, P(A∩B) =P(A)P(B)⇔P(A) = 0 ouP(B) = 0.
Attention, cela ne veut pas dire n´ecessairement que A (ouB) est vide.
1/3
Exercice 2Correction: 7pts
1. 1,5pt Soit X la variable al´eatoire d´esignant le nombre d’accidents recens´es par jour ; les valeurs possibles deX sont enti`eres (variable discr`ete) et varient de 0 `a 5. `A chacune de ces valeursxi, on associe sa probabilit´e de r´ealisation pi = xi
200 :
Nombre xi d’accidents 0 1 2 3 4 5
Probabilit´espi 0,43 0,41 0,11 0,035 0,01 0,005 Le nombre moyen d’accidents par jours correspond `a l’esp´erance math´ematique deX :
E(X) =∑
i
pixi = 0×86 + 1×82 + 2×22 + 3×7 + 4×2 + 5×1
200 = 4
5. On peut donc affirmer qu’il y a 4 accidents en moyenne tous les 5 jours.
2. 1,5pt La loi de Poisson est la loi des “anomalies” ind´ependantes et de faible probabilit´e. On peut l’appliquer ici `a priori directement, faute d’autres informations sur la survenue des accidents.
Afin de mieux s’en convaincre, en notant que les accidents sont consid´er´es comme des ´ev´enements ind´ependants, on peut interpr´eterX comme une variable binomiale de param`etren= 200 (nombre d’´epreuves), de moyenne np = 0,8. Par suite, p = 0,004. On est tout `a fait dans le champ d’ap- proximation de la loi de Poisson :
n >50,p≤0,1 etnp= 0,8≤10.
Le param`etre de cette loi seraλ=np= 0,8 et
P(X=k) =e−0,8(0,8)k k! . 2pts Donnons le tableau comparatif :
Nombre xi d’accidents 0 1 2 3 4 5
Nombre de jours 86 82 22 7 2 1
pi 0,43 0,41 0,11 0,035 0,01 0,005
pi th´eoriques selon Poisson 0,449 0,359 0,144 0,038 0,008 0,001 pi th´eorique selon loi binomiale 0,448 0,360 0,144 0,038 0,0075 0,001
1pt La derni`ere ligne indique les probabilit´es obtenues par la loi binomiale, tr`es peu pratique ici eu ´egard au grand nombre d’observations (manipulation de combinaisons et puissances) :
P(X=k) =Cnkpkqn−k. Par exemple :
P(X= 2) =C2002 (0,004)2(0,996)198= 200×199
2 ×0,000016×0,452219. . .≃0,144.
3. 1pt La probabilit´e de voir survenir moins de 3 accidents est th´eoriquement ´egale `a P(X ≤3) = 0,449 + 0,359 + 0,144 = 0,952.
Le nombre th´eorique de jours o`u il se produit moins de 3 accidents est donc 0,952×200 = 190,4.
Le nombre fourni par la r´ealit´e (statistique) est :
86 + 82 + 22 = 190.
On remarque un bon ajustement par la loi de Poisson. Le cas k= 5 est moins convaincant mais il est marginal.
2/3
Exercice 3Correction: 6pts
1. 1,5pt On compl`ete le tableau de l’´enonc´e de la mani`ere suivante :
LongueurL(cm) Centreli Effectif ni nili nil2i [24,0; 24,5[ 24,25 5 121,25 2940,3125 [24,5; 25,0[ 24,75 13 321,75 7963,3125
[25,0; 25,5[ 25,25 24 606 15301,5
[25,5; 26,0[ 25,75 8 206 5304,5
TOTAL – 50 1255 31509,375
On obtient donc L= 1255
50 = 25,1 et σ=
(31509,375
50 −(25,1)2 )1
2
= 0,4 `a 10−1 pr`es par d´efaut.
2. (a) 0,5pt P(L <25,6) =P(T <1,25) = 0,8944.
(b) 1pt P(24,6 < L <25,4) = P(−1,25 < T < 0,75) = P(T < 0,75)−(1−P(T < 1,25)) = 0,7734−(1−0,8944) = 0,6678.
(c) 1pt ´Etant donn´e queL−σ= 25,1−0,4 = 24,7 etL+σ= 25,1 + 0,4 = 25,5, on obtient P(L−σ < LL+σ) =P(24,7< L <25,5) =P(−1< L <1) = 2P(T <1)−1 =
2×0,8413−1 = 0,6826.
(d) 1pt ´Etant donn´e queL−2σ= 25,1−2×0,4 = 24,3 et L+ 2σ = 25,1 + 2×0,4 = 25,9, on obtient
P(L−σ < LL+σ) =P(24,3< L <25,9) =P(−2< L <2) = 2P(T <2)−1 = 2×0,9772−1 = 0,9544.
(e) 1pt ´Etant donn´e queL−3σ= 25,1−0,4 = 23,9 et L+ 3σ = 25,1 + 0,4 = 26,4, on obtient P(L−σ < LL+σ) =P(23,9< L <26,4) =P(−3< L <3) = 2P(T <3)−1 =
2×0,9987−1 = 0,9974.
3/3