Corrig´e 1. (a) Il s’agit d’une question de cours : MX(t) = exp{λ(et−1)}. L’esp´erance est donn´ee par MX′ (0). Ici MX′ (t) = λetexp{λ(et−1)}, donc E(X) = λ. De plus V ar(X) = MX′′(t)−MX′ (t)2. Or MX′′(t) = (λet +λ2e2t) exp{λ(et −1)}. Donc MX′′(0) = λ+λ2, et V ar(X) =λ.
(b) Pour toute valeur dec,xf(x) =cx(1−x2) est une fonction impaire donc E[X] =
Z 1
−1
cx(1−x2)dx= 0.
(c) On calcule d’abord cpour quefX,Y soit une densit´e. Il faut c
Z +∞ 0
Z +∞ 0
e−xe−2ydxdy= 1, soit
c×1×1 2 = 1, c’est-`a-dire
c= 2.
Les lois marginales de X etY sont alors donn´ees par fX(x) =
(e−x, x >0,
0, sinon. et fY(y) =
(2e−2y, y >0,
0, sinon.
X suit la loi exponentielleE(1) et Y suit la loi exponentielleE(2). Les variables XetY sont ind´ependantes car fX,Y =fXfY.
(d) La loi normale correspond `a l’histogramme (c) qui est sym´etrique et “en cloche”. La moyenne correspond `a l’axe de sym´etrie, soitm = 1.5 ici. Son QQ plot est le QQ plot (ii) o`u tous les points sont approximativement align´es.
La loi uniforme correspond `a l’histogramme d’´equiprobabilit´e (a). Le support de la loi est [0,3], donc a= 0 et b = 3. Son QQ plot est sym´etrique et born´e sur l’axe des ordonn´es `a gauche par 0 et `a droite par 3 : il s’agit du (i).
Enfin, l’histogramme de la loi Γ(3,3.8) est le (b) (non sym´etrique, non born´e) et le QQ plot le (iii).
Corrig´e 2. (a) On note ri le r´esultat du lancer de la i`eme fl`eche, i= 1,2,3. Chaque lancer peut avoir trois issues :m: “toucher la mouche”,cpm: “toucher la cible mais pas la mouche”
eth : “rater la cible“. Alors
Ω ={(r1, r2, r3),o`u ri ∈ {cpm, m, h}, i= 1,2,3}.
(b) (i) On noteM : “atteindre la mouche”,C : “atteindre la cible (y compris la mouche)” et H : “ˆetre en dehors de la cible”. On noteR = 0.5 m le rayon de la cible etr= 0.05 m le rayon de la mouche. Pour un d´ebutant, on a, puisque P(C) = 1/2 et par ´equiprobabilit´e des points de la cible atteints,
P(M) =P(M|C)P(C) = πr2 πR2 ×1
2 = 0.005.
On en d´eduit queP(C\M) = 1/2−0.005 = 0.495.
(ii) Soit X le nombre de fois o`u le d´ebutant atteint la mouche en nparties, c’est-`a-dire en 3nfl´echettes. En supposant les lancers ind´pendants, il s’agit du nombre de succ`es (toucher la cible) lors de la r´ep´etitions de 3nexp´eriences (les lancers) ind´ependants, chacun ayant une probabilit´ep = 0.005 d’ˆetre un succ`es. X suit donc une loi binomiale de param`etres 3netp :
P(X=k) =C3nk pk(1−p)3n−k, k= 0, . . . ,3n.
(iii) Ici n = 30 et k = 5. On utilise l’approximation de la loi B(90,0.005) par la loi de Poisson P(λ) avec λ=np= 0.45. Donc la probabilit´e recherch´ee est approximativement (1 +λ1!1 +λ2!2 +λ3!3 +λ4!4 +λ5!5)e−λ ≈1.
(iv) Soit Z le nombre de fl`eches lanc´ees jusqu’`a ce que le joueur atteigne la mouche pour la ni`eme fois.Z suit une loi binomiale n´egative de param`etres ket p= 0.05 :
P(Z=k) =Ckn−−11pn(1−p)k−n, k=n, n+ 1, . . .
(v) SoitY le nombre de lancers n´ecessaires jusqu’`a atteindre la mouche pour la premi`ere fois lors d’une partie. Lors d’une partie, le joueur a la probabilit´e (1−p)3 de ne pas atteindre la mouche, et donc 1−(1−p)3 de l’atteindre (au moins une fois). En supposant les lancers ind´ependants,Y suit une loi g´eom´etrique de param`etre 1−(1−p)3 avec p= 0.05 :
P(Y =k) ={1−(1−p)3}(1−p)3(k−1), k= 1,2, . . .
(c) On note Ni le nombre de points marqu´es par fl´echette num´eroi par un d´ebutant. On a P(Ni = 0) = 0.5
P(Ni = 5) = 0.495 P(Ni = 20) = 0.005 Donc
E(Ni) = 0×0.5 + 5×0.495 + 20×0.005 = 2.575.
Donc par partie, l’esp´erance du nombre de points marqu´es par un d´ebutant est E(N1+N2+N3) = 3E(N1) = 7.725.
On a de plus
E(Ni2) = 02×0.5 + 52×0.495 + 202×0.05 = 14.375
doncV ar(Ni) =E(Ni2)−E(Ni)2 = 14.375−2.5752 = 7.7444. Doncpar partie, la variance du nombre de points marqu´es par un d´ebutant estV ar(N1+N2+N3) = 3V ar(N1) = 23.23.
Corrig´e 3. (a) On note “T” : la personne soumise au d´etecteur a trich´e et “D” : le d´etecteur lit que la personne a trich´e. D’apr`es l’´enonc´e, on a
P(D|T) = 0.95 P(D|T¯) = 0.005
P(T) = 0.01.
2
(b) Cela revient `a calculer la probabilit´e que l’´el`eve ait trich´e, sachant que le d´etecteur dit qu’il a trich´e, soit
P(T|D) = P(T ∩D)
P(D) = P(D|T)P(T)
P(D|T)P(T) +P(D|T¯)P( ¯T) = 0.95×0.01
0.95×0.01 + 0.005×(1−0.01) = 0.6574.
(c) On note Dn : la machine dit lors des n exp´eriences que votre camarade a trich´e. Par ind´ependance des r´eponses de la machine que la personne ait trich´e ou non,P(Dn|T) = 0.95n etP(Dn|T¯) = 0.005n. On a alors
P(T|Dn) = P(Dn|T)P(T)
P(Dn|T)P(T) +P(Dn|T¯)P( ¯T) = 0.95n×0.01
0.95n×0.01 + 0.005n×(1−0.01). Cette formule nous donneP(T|D1) = 0.6574 (r´eponse du 2)),P(T|D2) = 0.9972,P(T|D3)>
0.9999. Donc il suffit que l’EPFL r´ep`ete 3 fois l’exp´erience.
Remarque : Il est ´egalement possible de d´eterminernexplicitement. D’‘apr`es ce qui pr´ec`ede, on cherche le plus petit entier n≥1 tel que :
0.95n×0.01≥0.9999(0.95n×0.01 + 0.005n×0.99)
⇔ 0.95n≥0.9999×0.95n+ 0.9999×0.005n×99
⇔ 0.0001×0.95n ≥0.9999×99×0.005n
⇔ ( 0.95
0.005)n= 190n≥9999×99
⇔ nlog 190≥log(9999×99)
⇔ n≥ log(9999×99) log 190 .
On trouve alors n≥2.63, et donc il suffit que l’EPFL r´ep`ete 3 fois l’exp´erience.
Corrig´e 4. (a) Xi, i= 1, . . . , n ´etant positives, continues et repr´esentant des dur´ees de vie, on peut mod´eliser ces variables al´eatoires par la loi exponentielle. Puisque Don Juan change de partenaire tous les deux mois en moyenne, on a E(Xi) = 2 et donc il faut ici utiliser la loi exponentielle de param`etre λ= 1/2. La fonction de masse de Xi est :
P(Xi ≤x) = 1
2e−x2, i= 1, . . . , n.
(b) On noteE: ”chacune desnderni`eres relations de Don Juan a dur´e plus de deux mois“.E s’´ecrit (X1 ≥2)∩(X2≥2)∩. . .∩(Xn≥2). Par ind´ependance,P(E) =P(X1 ≥2)×P(X2 ≥ 2)×. . .×P(Xn≥2). Or, P(Xi ≥2) =e−1. Donc P(E) =e−n.
(c) (i) On aY = maxi=1,...,n{Xi}, ainsi (Y ≤t) = (X1 ≤t)∩(X2 ≤t)∩. . .∩(Xn ≤t). Par ind´ependance, P(Y ≤t) =P(X1 ≤t)×P(X2 ≤t)×. . .×P(Xn≤t). Ainsi,
P(Y ≤t) =
0, si t≤0,
(1−e−t/2)n, sit >0.
(ii) Il suffit de d´eriver la fonction de masse trouv´ee en a) : fY(t) =
0, si t≤0,
n
2e−t/2(1−e−t/2)n−1, sit >0.
(iii) Il s’agit ici de donner la probabilit´e conditionnelle P(Y ≤t|Xn> s). On a P(Y ≤t|Xn> s) = P({Y ≤t} ∩ {Xn> s})
P(Xn> s) = P({X1 ≤t} ∩. . .∩ {Xn≤t} ∩ {Xn> s})
P(Xn> s) .
3
Cette probabilit´e est nulle pourt < s. Pour t≥s, on a
P(Y ≤t|Xn> s) = P(X1≤t)×. . .×P(Xn−1 ≤t)×P(s < Xn≤t) P(Xn> s)
= (1−e−t/2)n−1(1−e−t/2−1 +e−s/2) e−s/2
= (1−e−t/2)n−1(−e−t/2+e−s/2) e−s/2
= (1−e−t/2)n−1(1−e−(t−s)/2).
La probabilit´e queY n’exc`ede pas tmois, sachant que la derni`ere relation de Don Juan a dur´e plus de s >0 mois, est donc :
P(Y ≤t|Xn> s) =
((1−e−t/2)n−1(1−e−(t−s)/2), t > s,
0, sinon.
4