© Nathan. Hyperbole Term S
15 Chapitre Lois normales
b) V(X) =npq où q= 1 –p V(Z) = V Y
np(1–p)
⎛⎝⎜ ⎞
⎠⎟= 1
np(1–p)
⎛⎝⎜ ⎞
⎠⎟
2
V(Y)
= 1
npq×npq= 1 4
4 a) Sur [0 ; 5],f(x) = 0,04x donc : P(0 X 2) =
∫
020,04xdx= 0,08 b) Sur [5 ; 10],f(x) = 0,4 – 0,04xdonc :P(3 X 7) =
∫
350,04xdx+∫
57(0,4 – 0,04x)dx= 0,64 c) P(X = 8) = 0
5
5 f et➁
get➂
het➀
3. Activités d’approche
• Activité 1
1 Voir fichier sur site compagnon.
2 a) E(Zn) = 0 et s(Zn) = 1
b) 0Xn100, donc– 505 < Xn– 50 5 <50
5 , donc Zn est compris entre –10 et 10.
Lorsque Xnvarie de 1, Znvarie de 1 5= 0,2.
d) Pourx= 0, on a environy= 0,4 donck≈ 0,4.
3 a) Pourn= 100 etp= 0,5, on a :
m= 50 ets= 0,52×100 = 5, donc Zn= Xn– 50 5 , et si 45 Xn60, alors−5
5Zn 10
5 , c’est-à-dire –1Zn 2.
c) L’aire sous la courbe vaut environ 0,82.
d) L’aire obtenue avec les rectangles (du 46eà 60eà partir de la gauche) vaut 0,84.
4. Pour s’exercer
2
2 a) 0,403 b) 0,638 c) 0,945 d) 0,691 3
3 a) La courbe est symétrique par rapport à l’axe des ordonnées, donc les aires sous la courbe pour T– 2,5 et T2,5 sont égales.
b)
– 1,5 O 1,5
P(T – 1,5) P(T 1,5)
1. Page d’ouverture
• Énigme
✱CLOCHE
• Énigme
✱ ✱On peut imaginer la répartition suivante des jetons : 1 carré = 5 jetons
En hachuré, les jetons ronds.
En hachuré, les jetons rouges.
En hachuré, les jetons en bois.
En hachuré, les jetons de diamètre 2 cm.
En hachuré, les jetons de valeur 20.
En résumé, les jetons ayant les 5 caractéristiques précédentes :
Le jeton unique se situe donc à l’intersection des parties hachurées.
25 25
26 jetons très usés
Jeton unique
2. Vérifier les acquis
1
1 a) On peut modéliser chaque partie comme une épreuve de Bernoulli. On appelle succès un lancer où le numéro 2 ou 4 est apparu.
Il y a une répétition de 5 épreuves identiques et indé- pendantes. L’expérience décrite est bien un schéma de Bernoulli.
La variable aléatoire qui prend pour valeur le nombre de succès, c’est-à-dire le nombre de lancers où le numéro 2 ou 4 est apparu, suit la loi binomiale de paramètres n = 5 etp=2
6= 1 3. b) E(X) = 5 × 1
3=5
3etσ(X) = 5×2 6×4
6 = 10 3 . 2
2 a)
k 0 1 2 3 4
P(X= k) 0,209 7 0,367 0,275 3 0,114 7 0,028 7
k 5 6 7
P(X= k) 0,004 3 3,6× 10–4 1,3× 10–5 b) P(X = 5) ≈ 0,004 3
P(X5) ≈ 0,999 7 3
3 a) E(X) =np
E(Y) = E(X –np) = E(X) –np= 0
© Nathan. Hyperbole Term S© Nathan. Hyperbole Term S O
X
1 1
O
Z 1 – 1
1
Sur chaque graphique, la zone hachurée représente la probabilité que la variable aléatoire soit comprise entre 0 et 0,75. Il semble que :
P(0Z0,75)P(0Y0,75) P(0X0,75).
c) À la calculatrice, on trouve : P(0Z0,75) ≈ 0,27
P(0Y0,75) ≈ 0,53 P(0X0,75) ≈ 0,75.
Ces valeurs sont conformes à la conjecture.
16
16 a) La courbe rouge correspond à la variable Y qui suit la loi normale. La courbe verte correspond à la variable X qui suit la loi exponentielle.
b) P(0X0,4)P(0Y0,4) car la courbe verte est
« en dessous » de la courbe rouge sur l’intervalle [0 ; 0,4].
P(0X1,5)P(0,4Y1,5) car la courbe verte est
« au-dessus » de la courbe rouge sur l’intervalle [0,4 ; 1,5].
17
17 a) [1 ; 19] est de la forme [µ– 3σ ;µ+ 3σ] donc P(X[1 ; 19]) ≈ 0,997.
b) [7 ; 13] est de la forme [µ – σ ; µ + σ] donc P(X[7 ; 13]) ≈ 0,68.
c) [4 ; 16] est de la forme [µ – 2σ ; µ+ 2σ] donc P(X[4 ; 16]) ≈ 0,95.
18
18 a) µ= 14 et σ= 2 (intervalle [µ– 2σ ;µ+ 2σ]).
b) µ= 45 et σ= 10 (intervalle [µ– 3σ ;µ+ 3σ]).
D’autres valeurs conviennent, par exempleµ= 46 et σ = 10 donnent la même probabilité pour 15X75.
c) µ= – 5 et σ= 12 (intervalle [µ–σ ;µ+σ]).
6. Exercices d’application
19
19 a) P(X[µ–σ ;µ+σ]) ≈ 0,68 Donc P(X[4 – 1,2 ; 4 + 1,2]) ≈ 0,68.
68 % des pièces sont acceptables.
b) Il faut que 1,2 = 2σdoncσ= 0,6.
c) 1,2 = 3σdoncσ= 0,4.
20
20 a) µ=np= 150×0,4 = 60 σ= np(1–p)= 150×0,4×0,6=6 b) Si X = 45, Z = 45 – 60
6 = −15
6 = – 2,5 et si X = 66, Z = 66 – 60
6 =1.
Donc P(– 2,5Z1) = P(45X66) ≈ 0,853.
21
21 a) µ= 600×0,4 = 240 ; σ= 600×0,4×0,6= 12 b) p= 0,958 9
c) Pour X = 216, Z =216 – 240 12 =–2.
Par symétrie de la courbe, les deux aires hachurées sont égales.
De plus P(0T1,5) + P(T1,5) = 0,5.
Donc 0,5 – P(0T1,5) = P(T1,5) = P(T– 1,5).
4 4
– 1 O
P(T – 1) P(1 T 3)
1 2 3
0,4
O
P(T 2)
1 2
0,4
5
5 1. (T0,25) correspond àt– 30,25. Le temps mis est supérieur à 3 h1
4. 2. a) P(T0,25) ≈ 0,40 b) P(T– 0,5) ≈ 0,31 c) P(– 0,1T0,2) ≈ 0,12
7
7 a) u≈ 2,968 b) u≈ 0,700 c) u≈ –0,253 d) u≈ 0,674 e) u≈ – 0,524
8
8 1. a) 0,025 b) 0,025 c) 0,005 d) 0,824 2. a) –1,281 b) 0,842
9
9 a) On chercheutel que 2×P(0Tu) = 0,8, d’où P(Tu) = 0,9. On trouveu≈ 1,28.
b) 80 % des bouteilles contiennent entre 98,72 et 101,28 cL.
10
10 a) La moyenne des températures relevées est nulle, mais il y a aussi autant de relevés de températures négatives que positives.
b) P(–2T2) ≈ 0,954. La température est donc entre – 2 °C et 2 °C dans plus de 95 % des cas.
c) P(–uTu) = 0,99 pouru≈ 2,58 d’après le cours.
Donc la température est comprise entre – 2,58 °C et 2,58 °C dans 99 % des cas.
d) D’aprèsb), on peut estimer cette probabilité à 0,025.
À la calculatrice, on trouve P(T2) = 1 – P(T2) ≈ 0,023.
13
13 a) 0,904 b) 0,252 14
14 a) 7,09 b) 6,77
5. Accompagnement personnalisé
15
15 a) Graphique 1 : Y ; graphique 2 : X ; graphique 3 : Z.
O
Y 1 1
© Nathan. Hyperbole Term S© Nathan. Hyperbole Term S
26 26 1.
1
– 1 – u O u
0,4
2. a) Hachuré : b) Hachuré :
c) Hachuré : ou en blanc 3. a)
O u F(u)
b) P(–u Tu) = F(u) – F(–u) P(Tu) = 1 – F(u)
P
(
(T–u)(Tu))
= 2F(–u)27
27 a) D’après le cours :u≈ 1,96
b) P(Tu) = 0,5 + (P(T[0 ;u]) = 0,5 +0,95
2 = 0,975 28
28 a) D’après le cours, c’estu0,01≈ 2,58 b) P(Tu) =1– P(–u,T,u)
2 =1– 0,99
2 =0,005 29
29 a) P(0Tu) =0,3 2 =0,15 P(Tu) = 0,5 + 0,15 = 0,65 b) u≈ 0,385
30
30 a) 0,67 b) – 0,13 c) 0,31 d) – 1,04 31
31 P(Tv) = 0,5 +0,87
2 = 0,935, doncv≈ 1,514 32
32 a) P(Tu) = P(T– 1) + P(– 1Tu)
= 0,3 + P(T– 1) ≈ 0,459 b) On en déduit queu≈ – 0,10.
33
33 a) Pas possible b) Pas possible c) u≈ – 0,67 d) u≈ – 0,75
34
34 a) P(Tv) = 0,5, doncv0
b) P(T–v) = P(Tv) = 1 – P(Tv) = 1 – 0,2 = 0,8 35
35 a) P(X190) = P(Y– 2,5) ≈ 0,006 b) P(Y– 2,5)(Y0) = P(Y.0)
P(Y.–2,5) ≈ 0,5
0,994≈ 0,503 36
36 a) P(X280) = P(Y2) ≈ 0,023
b) 0,023×300 ≈ 7. Environ 7 personnes ont mis plus de 280 minutes.
c) 240 –tX240 +tsignifie– t
20<Z< t 20 Pour X = 264, Z =264 – 240
12 =2. Doncp= P(– 2Z2), soita= 2.
d) Commenest assez grand, d’après le théorème de Moivre, P(– 2Z2) est proche de 1
2π
–2
∫
2 e–x22dx.À la calculatrice, on trouve environ 0,954 5.
e) L’erreur est d’environ 0,004 4.
22
22 a) Pour Z = 2, X = 8×2 + 80 = 96 Pour Z = – 2, X = 8×(– 2) + 80 = 64
b) P(–2Z2) = P(64X96) ≈ 0,961 1 (au tableur) c) 0,954 5
d) L’erreur est d’environ 0,006 6.
23
23 a) Pour chaque logement, la probabilité de retard est 0,02, donc X suit(2 500 ; 0,02).
b) P(X36) = 1 – P(X36) ≈ 0,977 3
c) µ= 2 500×0,02 = 50 et σ 2= 2 500×0,02×0,98 = 49 doncσ= 7.
d) X36 équivaut à Z 36 – 50 7 =–2.
e) Si Z suit(0 ; 1) alors P(Z– 2) ≈ 0,977.
f) L’erreur commise est inférieure à un millième (environ 0,000 3).
24
24 a) L’aire de la surface verte est égale à P(T– 1).
b)
O 1 0,2
P(T 1)
O 1 0,2
P(– 1 T 1)
c) On a P(T1) = P(T– 1) =p.
De plus P(– 1T1) = 1 – P(T– 1) – P(T1), donc : P(– 1T1) = 1 – 2p.
25
25 1. Malika a calculé P(T1,5).
2. a) P(T1,5) = 1 – P(T1,5) ≈ 1 – 0,933 ≈ 0,067 b) P(T– 1,5) = P(T1,5) ≈ 0,067
c) P(– 1,5 T1,5) = 1 – 2 P(T1,5)
≈ 1 – 2×0,067
≈ 0,866
© Nathan. Hyperbole Term S© Nathan. Hyperbole Term S
48
48 a) [245 ; 285] = [µ– 2σ ;µ+ 2σ] donc l’intervalle correspond à 95 % des bouteilles.
b) 2σ= 15, doncσ= 7,5.
49
49 a) u300 u≈ 305,1
b) u300 u≈ 283,2
c) u300 u≈ 325,6
50
50 P(125 –uX125 +u) = 1 – 2P(X125 –u) car 125 est l’espérance de la loi.
On cherche doncutel que P(X125 –u) = 0,25.
La calculatrice donne 125 –u≈ 118,26, d’oùu≈ 6,74.
51
51 La masse X suit la loi(m ; 0,002 52).
Alors Z = X –m
0,002 5suit la loi(0 ; 1).
X = 1 pour Z = 1–m 0,002 5 On veut P Z. 1–m
0,002 5
( )
= 0,9 donc0,002 51–m ≈ –1,281 55 d’oùm≈ 1,003 kg.52
52 1. a) 4 50= 8 % b) µ≈ 73 et σ≈ 0,2
2. On modélise par(73 ; 0,22).
a) P(72,7D73,3) ≈ 0,87.
b) Z =D – 73
σ . On cherche P −0,30
σ <Z<0,30
(
σ)
= 0,9,où Z suit (0 ; 1). On trouve 0,3
σ ≈ 1,64, c’est-à-dire σ ≈ 0,18.
53
53 1. a) 1 – P(92,2X92,8) = 0,134 b) P(92,5 –aX92,5 +a) = 0,90
signifie que P(X92,5 +a) = 0,5 + 0,45 = 0,95 donc 92,5 +a= 92,83, d’oùa≈ 0,33.
2. On chercheσtel que P(92,2X92,8) ≈ 0,99, donc : 3σ = 92,5 – 92,2 d’oùσ= 0,1.
54
54 1. a) P(X15) ≈ 0,05 b) P(Xt) = 0,9 pourt≈ 24 min 2. P(Y10) = 0,933 2
Y : temps d’installation chez Superfast.
Posons Z = Y –µ
4 oùµest la moyenne de Y.
Z suit la loi(0 ; 1) pour Y0, on a Z10 –µ 4 Donc P Z<10 –µ
(
4)
= 0,066 8 d’où 10 –µ 4 = – 1,5.Le temps moyen est donc 16 minutes.
55
55 1. a) On a P(X50) = 0,1.
Posons Z = X−55
σ , Z suit(0 ; 1) alors P Z<−5
( )
σ = 0,1 donc−5σ = – 1,28 d’oùσ≈ 3,9.
b) P(X61) = 0,06
2. P(Y50) = 0,025 T =Y –m
3 T suit(0 ; 1) P T<50−m
(
3)
= 0,025 donc 52−m3 ≈ – 1,96, d’oùm≈ 56 mL.
Or P(–uZ u) = 0,5
⇔P(Z –u) = 1
2
(
1 – P(–uZ u))
⇔P(Z –u) = 0,25
⇔–u≈ – 0,674
20t ≈ 0,674 donc t≈ 13,5 37
37 a) P(–uYu) = 0,8 signifie P(Yu) = 0,9 donc : u≈ 1,28.
b) Y = 1,28⇔X = 3×1,28 + 15⇔X ≈ 18,8 Y = – 1,28⇔X ≈ 11,2
Il y a une probabilité de 80 % pour que Baptiste mette entre 11,2 minutes et 18,8 minutes pour faire le trajet.
c) Pour X = 15, Y = 0 et pour X = 18, Y = 1.
On cherche donc P(Y0)(Y1) =P(0,Y,1)
P(Y.0) ≈0,341
≈ 0,682 0,5
38
38 a) Z suit la loi(0 ; 1).
b) Si X = – 20, alors Y = – 10. Si X = 35, alors Y = 1.
Par conséquent,a= – 10 etb= 1.
c) P(– 10Y1) = 1 2π
−10
∫
1 e–x22dxd) À la calculatrice, 1 2π
−10
∫
1 e–x22dx≈ 0,841, donc : P(– 20X35) ≈ 0,841.e) Le calcul de P(–20X35) à la calculatrice donne environ 0,841.
39
39 a) 0,923 b) 0,923 c) 0,238
40
40 P(X1,475) ≈ 0,006 41
41 a) ≈ 0,006 b) ≈ 0,68 42
42 a) Environ 58,6 % b) 1,2 % soit environ 6 élèves.
c) 6,3 %, soit environ 31 élèves.
43
43 a) 1 – P(1,48X1,52) ≈ 0,046 donc environ 4,6 %.
b) P(rejeté)(X1,53) = P(X>1,53)
P(X”[1,48;1,52])≈ 0,03 44
44 a) u=µ+σ= – 25 b) u=µ+ 2σ= – 20 c) u=µ+ 3σ= – 15
45 45 1. 0,5 2. a) u≈µ+σ≈ 78 b) P(70Xu) = 1
2P(–uXu) ≈ 0,34 c) P(Xu) = P(X70) + P(70Xu) d) P(Xu) ≈ 0,5 + 0,34 ≈ 0,84
46
46 [µ– 2σ ;µ+ 2σ] = [230 ; 270]
47
47 a) Z suit(0 ; 1).
b) À la calculatrice, P(Zu) = 0,85 pouru≈ 1,04 c) Pour Z = 1,04 on a X = 25 donc 25 – 20
σ = 1,04 d’oùσ=25 – 20
1,04 ≈ 4,8
© Nathan. Hyperbole Term S© Nathan. Hyperbole Term S
61
61 a) 1 – P(99X101) ≈ 0,096 b) Y suit la loi(0 ; 1).
c) D’après le cours, u ≈ 1,96.
d) 1,96Y 1,96 donne 98,8σY +µ101,2 donca= 1,2.
e) u= 2,58
f) – 2,58Y2,58 donc 98,5σY +µ101,5 62
62 a) P(X50)
b) X suit la loi
(
100 ; 355)
p=100×3
55 ≈ 5,45 et σ= 100× 3 55×52
55 ≈ 2,27 c) Pournassez grand, la loi de Z =X –µ
σ où X suit la loi binomiale peut être approchée par(0 ; 1) (théorème de Moivre-Laplace). X50 signifie Z 50 – 5,45
2,27 c’est- à-dire Z19,6.
e) P(Z19,6) ≈ 8×10–86donc la probabilité de cocher au moins une bonne étoile (plus d’une fois sur deux) est 8×10– 86.
f) On cherchebtel que P Z>b– 5,45
(
2,27)
= 0,5.Comme Z suit(0 ; 1) cela donneb= 5,45.
Le plus grand nombre entier est doncn= 5.
8. Travaux pratiques
63
63 1. Voir fichier sur site compagnon.
2. a) Quandµaugmente, la courbe se translate sur la droite.
b) Quandσaugmente, la courbe s’aplatit.
3. a) σ= 1,µ= 1,5
b) σ= 0,5,µ= 1. On a P(X1)P(–1X1) et si µ= 1 on a P(X1) = 0,5.
Doncµetpne peuvent être toutes deux exactes.
c) Pourµ= 0,p= 0,85 pourσ= 0,7.
d) Pourµ= 0,p= 0,95 pourσ= 0,5.
[– 1 ; 1] correspond à l’intervalle [0 – 2σ ; 0 + 2σ].
e) Pourσ= 0,33, [– 1 ; 1] est l’intervalle [– 3σ ; 3σ] donc la probabilité est 0,997, ce qui correspond à l’affichage.
f) p= 1. Ce n’est pas une valeur exacte car on a : p(– 1X1)1.
64
64 1. a) Voir fichier sur site compagnon.
En B3,
=loi.normale(F1;B1;D1;VRAI)-loi.normale(–F1;B1;D1;VRAI) b) P(–bYb) = P(–aXa),a= 1,5,b= 3.
Il semble queb= 2a.
c) a= 0,8,n= 1,6
d) On conjecture queb= 2a.
2. a) T =X
σ et T = Y 2σ b) Si –aXa, alors–a
σ <T< a
σdonca= a σ.
7. Objectif Bac
56
56 2. b) Ceci est dû à la symétrie de la courbe repré- sentative de la fonction densité.
3. c) P(0 X 1,96) = 1
2P(– 1,96X1,96)
4. a) On sait que pour une loi continue, la probabilité de prendre une valeur précise est nulle.
57
57 1. a) Vrai, a doit être l’écart-type de X, soit 1 000×0,4×0,6= 240=4 5
b) Faux, c’est seulement une approximation.
2. a) Faux, P(– 2σY2σ) ≈ 0,95 b) Faux, P(– 3σY3σ) ≈ 0,997 donc P(Y3σ) ≈1– 0,997
2 = 0,001 5 c) Faux, P(–σYσ) ≈ 0,65 donc :
P(Y–σ) ≈1– 0,65
2 ≈ 0,175 58
58 1. a) Faux.La densité prend son maximum enµ doncµ1=µ2
b) Faux.La courbe defest d’autant plus « ouverte » queσest grand.
c) Faux.La probabilité correspond à l’aire sous la courbe donc P(– 1,2X1,2)P(– 1,2Y1,2)
2. a) Faux(voir1.)µ2µ1
b) Fauxσ 1=σ 2, les courbes sont superposables.
c) Vraicarµ1= 0 etµ20 donc :
P(X10) = 0,5 et 0,5P(X20) 59
59 A. 1. X suit(10 ; 0,9) 2. P(X8)
= P(X = 8) + P(X = 9) + P(X = 10)
= 10 8
⎛
⎝⎜
⎞
⎠⎟0,98×0,12+ 10 9
⎛
⎝⎜
⎞
⎠⎟×0,99×0,1 + 10
10
⎛
⎝⎜
⎞
⎠⎟0,910×0,10 ≈ 0,93 B. 1. P(246M254) ≈ 0,960
2. P(147N153) ≈ 0,952
3. P
(
(M[246 ; 254])(N[147 ; 153]))
≈ 0,960×0,952 ≈ 0,914 C. 1. P(A) = 0,6 ; P(B) = 0,4 ; PA(C) = 0,914 ; PB(C) = 0,879 d’après l’énoncé.
2. P(AC) = P(A)×PA(C) = 0,6×0,914 = 0,548 P(BC) = P(B) × PB(C) = 0,4×0,879 = 0,352 3. P(C) = P(AC) + P(BC) = 0,90
La probabilité qu’une pièce, choisie au hasard dans la production totale de l’entreprise, soit conforme est 0,9.
60
60 1. P(392,5L407,5) ≈ 0,85 Il y a donc 15 % de pièces défectueuses.
2. D’après le cours,u≈ 1,96.
Or 392,5L407,5 signifie
−7,5σ M7,5
σ donc7,5
σ = 1,96 d’oùσ≈ 3,83 3. a) [396,17 ; 403,83]
P(396,17L403,83) ≈ 0,68 d’après le cours.
© Nathan. Hyperbole Term S© Nathan. Hyperbole Term S
70
70
∫
abxf(x)dx= ax× 2π1 e–x22∫
b =⎡⎣⎢– 12πe–x22⎤⎦⎥a b
donc lim
t→+`
∫
0txf(x)dx=t→+`lim ⎡⎣⎢– 12πe–t22 + 2π1 ⎤⎦⎥= 2π1 et limu→–`
∫
u0xf(x)dx=u→–`lim ⎡⎣⎢– 12π+ 2π1 e–u22⎤⎦⎥=– 12π. Par conséquent, E(X) = 0.71
71 a) µ≈ –0,113 et σ≈ 1,354
b) P(X1) ≈ 0,21 ; 21 % gagnent au moins 1 heure.
c) Il semble y avoir plus de 20 % qui gagnent au moins 1 heure, mais sur l’échantillon, 18
200 (soit 9 %) gagnent au moins 1 heure. La modélisation n’est pas appropriée.
72
72 a) P(X33) ≈ 15,9 % b) 68 %
c) P(X69) ≈ 0,023 0,023×80 ≈ 1,8
One or two candidates are awarded grade A.
d) P(Xb) = 0,02 b≈ 20
A candidate who has a mark below 20 fails.
73
73 a) En rouge : [µ–σ ;µ+σ] ≈ [91 ; 97]
[µ– 2σ ;µ+ 2σ] ≈ [87 ; 105]
[µ– 3σ ;µ+ 3σ] ≈ [84 ; 105]
µ– 45 ≈ 80
En bleu : 3 % mesurent moins de 86 cm 25 % mesurent moins de 91 cm 75 % mesurent moins de 97 cm 97 % mesurent moins de 102 cm
b) Pour le premier, on semble utiliser comme mo- dèle une loi normale avec des intervalles centrés sur la moyenne.
Dans le graphique de droite, on insiste sur les pourcen- tages d’enfants atteignant une certaine taille.
c) µ≈ 94 et σ≈ 3,5
d) Avec les données du graphique de gauche, à 3 ans, on aurait :
P(X86) ≈ 0,01 P(X91) ≈ 0,19 P(X97) ≈ 0,80 P(X100) ≈ 0,99
On retrouve une moyenne d’environ 94, mais les pour- centages correspondent plus à un écart-type de 4 ou même 4,5.
74
74 a) L’espérance de la variable aléatoire X n’est pas égale ànp, proposition vraie, négation fausse.
b) L’écart-type de la variable aléatoire X n’est pas égale à np(1–p), proposition vraie, négation fausse.
c) Quelles que soient les valeurs denetp, la loi de Z n’est pas une bonne approximation de la loi de Y, proposition vraie, négation fausse.
c) Si –bYb, alors –b
2σ<T< b
2σdonca= b 2σ. d) On en déduit queb= 2a.
3. a) etb) Il semble queb= 3k.
c) On a comme dans le2. : b kσ = a
σ doncb = ka.
9. Exercices d’entraînement
65
65 a) P(–uXu) = 2G(u) b) G(u) = 1
2π
0
∫
u e–x22, alors G’(u) = 1 2π e–u2
2.
Pour toutu0, G’(u)0 donc G et 2G sont croissantes sur [0 ; +[.
c) Si 0a1, alors – 1–a0 et 01 –a 1.
d) D’après le théorème des valeurs intermédiaires ap- pliqué aux fonctions strictement monotones, comme 2G(0) = 0 et lim
u→+`2G(u) = 1, pour tout 1 –a]0 ; 1[, il existe unuaunique tel que 2G(ua) = 1 –a.
e) Donc P(–uaXua) = 1 –a.
66
66 On note DA : « La pièce venant de A est défec- tueuse » et DB : « La pièce venant de B est défectueuse ».
1. a) P(–DA–DB) = P(–DA)×P(–DB) = 0,94×0,96 ≈ 0,902 b) P(DA–DB) = 0,06×0,96 ≈ 0,058
c) 1 – P(DADB) = 1 – 0,06×0,04 ≈ 0,998
2. On chercheatel que P(–aXa) = 0,94, donc on veut P(Xa) = 0,5 + 0,47 = 0,97. On trouvea≈ 100,3 mm.
67
67 1. a 0,68. 2. b 0. 3. c 2. b L’espérance de X est 0.
3. c X suit la loi(0 ; 1)
P(–uXu) = 0,95 pouru= 1,96
4. b car P(–uXu) = 0,99 pouru≈ 2,58.
68
68 a) 70 =µ– 2σdonc P(X70) ≈1– 0,95 2 ≈ 0,025 Le pourcentage est donc environ 2,5 %.
Directement à la calculatrice, on trouve 2,3 %.
b) 115 =µ+σdonc P(100X115) = 0,68 2 = 0,34 ce qui correspond à 34 % (même résultat à la calculatrice).
c) On chercheatel que P(xa) = 0,02 donc P(xa) = 0,98, ce qui donnea≈ 131.
69
69 a) Z suit la loi(0 ; 1).
b) Si X = 35 Z =a=35− µ σ Si X = 70 Z =b= 70− µ
σ c) P(X70) = 0,1 donc PZ>70−µ
(
σ)
= 0,1P(X35) = 0,15 donc PZ<35− µ
(
σ)
= 0,15d) a≈ – 1,04 et b≈ 1,28 e) 70 –µ =1,28σ
35 –µ =–1,04σ
⎧⎨
⎩ doncσ≈ 15,09 et µ≈ 50,69
f) P(X50) = 0,48, donc environ 52 % ont eu plus de 50.
© Nathan. Hyperbole Term S© Nathan. Hyperbole Term S
78
78 Y suit une loi normale centrée réduite.
Y = Z
σ. P Y, 3
( )
σ = 0,975 donc 3σ = 1,960 σ≈ 1,531
Y = X –µ
σ donc PY,54,592 –µ 1,531
( )
= 0,995alors 54,592 –µ
1,531 ≈ 2,576 et µ≈ 50,648 79
79 a) xreprésente la variable aléatoire X.
ϕest la fonction densité de la loi suivie par X.
kest l’espérance X.
b) On introduit Y = X –k, variable centrée d’espérance nulle.
80
80 a) P(X0,36) ≈ 0,640 58
b) P(X– 0,36) = P(X0,36) ≈ 0,640 58 P(X– 0,36) ≈ 1 – 0,640 58 ≈ 0,359 42
P(– 0,36X0,36) = 1 – P(X– 0,36) – P(X 0,36)
≈ 1 – 2×0,359 42 ≈ 0,281 16 c) u≈ 1,11.
81
81 a) X[µ–a ;µ–a+ 10]
b) Z = X –µ
2 et Z –a
2 ; –a+10
⎡ 2
⎣⎢ ⎤
⎦⎥
c) t=–a
2 doncµ= 355 –2t et –a+10 2 =t+ 5 d) P(ZI) = 1
2π
t t+5
∫
e–x22dx= 1
2π 0
∫
t+5e–x22dx – 0∫
t e–x22dx⎛
⎝⎜ ⎞
⎠⎟= ϕ(t) doncϕ ’(t) =e–( )t+5
2
2 −e–t
2
2
ϕ ’(t)0 équivaut à(t+5)2 2 ,t2
2 c’est-à-dire 2t+ 5, soitt– 52 .
Le maximum deϕest atteint pourt=– 52 . f) Pourt=– 52 ,µ= 355 – 2 5
( )
–2 = 360Le meilleur réglage est obtenu lorsqueµest le milieu de l’intervalle de tolérance.
2. 1 – P(355X365) ≈ 0,01.
3. 0,07.
d) La variable aléatoire Y ne suit pas une loi centrée réduite, proposition vraie, négation fausse.
e) On peut approcher Y par une loi normale d’espé- rancenpet d’écart-type np(1–p), proposition vraie, négation fausse.
10. Exercices d’approfondissement
75
75 1. a) X suit (25 ; 0,04)
b) 25×0,04 = 1. Il y a en moyenne 24 machines qui fonctionnent par jour.
2. a) Moyenne ≈ 80 mm, écart-type ≈ 0,18 b) P(79,65L82,35) = 0,95
3. 24 machines fonctionnent en moyenne par jour, et produisent environ chacune 660×0,35 pièces accep- tables, ce qui fait 13 680 pièces par jour.
On peut estimer à 300 000
13 680 , soit environ 22 le nombre de jours nécessaires.
76
76 1. a) Pourµ= 90 etσ= 0,17 : P(89,6X90,4) ≈ 0,98.
b) Soit Z = X – 90
σ , Z suit(0 ; 1).
La pièce est conforme si – 0,4σ <Z<0,4
(
σ)
. Or d’aprèsle cours P(–u0,01Zu0,01) = 0,99 avecu0,01= 2,58 donc0,4
σ ≈ 2,58 et σ≈ 0,16.
2. a) Les tirages des quatre rondelles avec remise sont indépendants. Y suit(4 ; 0,02).
b) P(Y = 0) = 0,984≈ 0,922 c) P(Y1) = P(Y = 0) + P(Y = 1)
= 0,984+ 4×0,02×0,983≈ 0,998 77
77 a) En utilisant la calculatrice, on peut avec les courbes des deux fonctions conjecturer queµ= 0,2 et σ= 0,6 conviennent.
b) P(X0,7) = 1 –