Université de Cergy-Pontoise 2007-2008
Mathématiques L2 PCS4
Corrigé de l’Examen du 5 Mai 2008
Exercice 1 : f(x) =11[0,1](x).
1. Pour avoir une loi de probabilité, il faut vérifier que R
Rf(t)dt= 1, c’est à direR1
0 6t(t−1)dt= 1. On a :R1
0 6t(t−1)dt= [3x2−2x3]10 = 1.
2. La fonction de répartition est définie par F(x) =Rx
0 f(t)dt. Six≤0, on aF(x) = 0. Pour 0< x <1, on aF(x) =Rx
0 6t(t−1)dt= 3x2−2x3 et six≥1, on aF(x) = 1.
3. P(X≤ 12) =F(12) = 12,P(13 ≤X≤ 23) =F(23)−F(13) = 1327 etP(X≥ 16) = 1−F(16) = 2527. 4. E(X) =R+∞
0 tf(t)dt=R1
0 6t2(t−1)dt= [2x3−32x3]10 = 12. V(X) = E(X2) −(E(X))2. Or E(X2) = R+∞
0 t2f(t)dt = R1
0 6t3(t−1)dt = [32x3 − 65x3]10 = 103 . Finalement, on obtient V(X) = 103 −12 = 201 .
Exercice 2 : SoitXest la variable aléatoire qui compte le nombre d’abonnés connectés à un instant donné.
1. X suit une loi binomiale B(n, p) de paramètre n = 5000 et p = 0,2. On a E(X) = np = 1000, V(X) =np(1−p) = 800etσ(X) =p
V(X)'28,28.
2. Puisquen >30,np >15 etnp(1−p) >15, on peut appliquer le théorème de la limite centrale et on sait alors queN(np, np(1−p))approximeB(n, p). Ceci implique queY = X−1000√
800 suit une loi normale centrée réduiteN(0,1).
3. Si N est le nombre d’abonnés connectés à partir duquel il y a saturation, il faut que l’on ait P(X ≥ N)≤0,025. On a donc la condition1−P(X < N)≤0,025, c’est à direP(X < N)≥0,975. Puisqu’on approxime une loi discrète par une loi continue, il faut faire une correction de continuité. On cherche donc N tel φ(N−0,5−1000√
800 ) ≥ 0,975 où φ désigne la fonction de répartition de la loi normale centrée réduite. Or 0,975 =φ(1,96). La condition sur N est N−0,5−1000√
800 ≥1,96. On obtient N ≥1056,38. Il faut donc pouvoir gérer simultanément1057connections simultanément.
Exercice 3 : 1. La moyenne empirique est donnée par
m= 36×2,5 + 22×7,5 + 15×12,5 + 9×17,5 + 6×22,5 + 5×27,5 + 7×32,5
100 = 11
La variance empirique qui est un estimateur avec biais est donnée par :
S2= 36×2,52+ 22×7,52+ 15×12,52+ 9×17,52+ 6×22,52+ 5×27,52+ 7×32,52
100 −m2 = 86,75
Pour obtenir une estimation ponctuelle de la variance sans biais, on calculeS˜2 = n−1n S2 = 1009986,75 = 87,62.
2. Puique l’échantillon est de taille supérieure à 30,X¯ suit une loi normaleN(µ,S˜n2) oùµest la moyenne de la durée de vie des composants. Comme l’écart-type est inconnu, on utilise S˜n2 pour la variance. On en déduit alors que X−µ¯˜
√S n
suit une loi normale centrée réduite.
3. Pour déterminer un intervalle de confiance au risque5%, on cherchettel que
P(|X¯ −µ
S˜
√n
| ≤t) = 1−0,05 = 0,95
Siφ désigne la fonction de répartition de la loi normale centrée réduite, on cherche dans les tables t tel que2φ(t)−1 = 0,95, c’est à direφ(t) = 0,975. On obtientt= 1,96. De plusS˜= 9,36. On obtient alors m−1,96× 9,3610 ≤ µ ≤ m+ 1,96× 9,3610 . L’intervalle de confiance au risque 5% est donné par [9,17; 12,83]
Exercice 4 : 1. Une estimation de la proportion de la population qui considère la télévision comme source principale d’information est donnée parf = 110200 à l’aide de l’échantillon.
2. Puisque l’échantillon est de taille supérieure à 100, on peut supposer que F suit une loi normale N(p,f(1−f)n−1 ) avec f(1−f)n−1 = 0,55×0,45199 = 0,0012 et qF−p
f(1−f) n−1
suit une loi normale centrée réduite avec qf(1−f)
n−1 = 0,035.
3. Pour déterminer un intervalle de confiance au risque5%, on cherche ttel que φ(|0,035F−p| ≤t) = 0,95. A l’aide des tables, on obtientt= 1,96 puis l’intervalle de confiance :
[0,55−1,96×0,035; 0,55 + 1,96×0,035] = [0,48; 0,62]
Pour déterminer un intervalle de confiance au risque1%, on cherche ttel que φ(|0,035F−p| ≤t) = 0,99. A l’aide des tables, on obtientt= 2,57 puis l’intervalle de confiance :
[0,55−2,57×0,035; 0,55 + 2,57×0,035] = [0,46; 0,64]
4. Dans cette question, l’échantillon est inférieure à100et on va donc utiliser les abaques pour l’estimation dep. Ici,f = 2740 = 0,56. La lecture des abaques donne l’intervalle :[0,42; 0,72].
Exercice 5 : 1. On est dans le cas d’une proportion et on a p0 < P1. On veut déterminer Kα tel que P(F ≥ Kα) = α où F désigne la variable aléatoire qui associe à chaque échantillon de taille 100 la proportion des individus déclarant une allergie. On peut considérer que F suit une loi normale N(p0,p0(1−pn 0)) et donc Z = qF−p0
p0(1−p0) n
suit une loi normale centrée réduite. On cherche donc Kα tel queP(qF−p0
p0(1−p0) n
≥ qKα−p0
p0(1−p0) n
) = 1−α, c’est à dire
1−P(Z < Kα−p0
qp0(1−p0) n
) =α
ou encore
φ( Kα−p0
qp0(1−p0) n
) = 1−α
Pourα= 5%, à l’aide des tables, on obtient qKα−p0
p0(1−p0) n
= 1,65 et donc
Kα =p0+ 1,65×0,049 = 0,48 Pourα= 10%, à l’aide des tables, on obtient qKα−p0
p0(1−p0) n
= 1,29 et donc
Kα =p0+ 1,29×0,049 = 0,46
2. Puisque la proportion de l’échantillon étudié est 0,47, dans le cas où α = 5%, on a 0,47 ≤ Kα et on accepte l’hypothèse H0. Dans le cas oùα = 10%, on a 0,47 > Kα et on rejette l’hypothèse H0 et on accepte l’hypothèseH1.
3. Le risque de deuxième espèce est déterminé parβ=P(accepterH0/H1vraie) =P(F ≤Kα/H1vraie).
Cette probabilité est donnée par
P( F −p1
qp1(1−p1) n
≤ Kα−p1
qp1(1−p1) n
) =φ( Kα−p1
qp1(1−p1) n
)
On obtientβ =φ(−0,408) = 1−φ(0,408) = 0,35.