Lois de Probabilites - Exercices Corriges

Lois de probabilités - exercices corrigés document disponible sur JGCUAZ.
FR
LOIS DE PROBABILITES - EXERCICES CORRIGES
Ce document totalement gratuit (disponible parmi bien d'autres sur la page JGCUAZ.FR rubrique
mathématiques) a été conçu pour aider tous ceux qui désirent travailler sur les lois de probabilités
Il contient 62 exercices corrigés dans le moindre détail, classés par thèmes.
Pour toute remarque, merci de vous rendre sur la page JGCUAZ.FR où vous trouverez mon adresse
électronique (qui est JGCUAZ@HOTMAIL.COM à la date du 19/01/2018)
Egalement disponible une page facebook https://www.facebook.com/jgcuaz.fr
Montpellier, le 19/01/2018
Jean-Guillaume CUAZ,
professeur de mathématiques,
Lycée Clemenceau, Montpellier depuis 2013
Lycée Militaire de Saint-Cyr, de 2000 à 2013
Lois de probabilités - exercices corrigés Page 1/53 version du 19/01/2018

Lois de probabilités - exercices corrigés document disponible sur JGCUAZ.FR
LOIS DE PROBABILITES - EXERCICES CORRIGES

Loi binomiale
Exercice n°1 (correction)
On jette 7 fois de suite un dé parfaitement équilibré.
Déterminer la probabilité d'obtenir exactement 4 fois la face 1.

On tire successivement et avec remise 5 cartes parmi 32.
Déterminer la probabilité d'obtenir exactement 3 rois.

Dans une urne contenant 2 boules blanches et 5 boules vertes on tire 4 boules successivement et
avec remise.
Déterminer la probabilité d'obtenir exactement 3 vertes.

Un QCM est constitué de 10 questions indépendantes.
Pour chacune de ces questions 4 réponses sont proposées et une seule est exacte.
On répond au hasard aux 10 questions.
Déterminer la probabilité :
a. d'avoir les 10 réponses exactes
b. d'avoir 5 réponses exactes.

La probabilité pour qu'un Français soit du groupe sanguin O est de 0,43
On étudie le groupe sanguin de dix personnes prises au hasard dans la population française.
1) Quelle est la probabilité que ces dix personnes soient toutes du groupe O ?
2) Quelle est la probabilité pour qu'au moins une de ces personnes soit du groupe O ?

Exercices type bac TS

Dans cet exercice, les résultats approchés seront donnés à 0,0001 près.
Lors d'une épidémie chez des bovins, un test de dépistage est mis au point. Les essais sur un
échantillon d'animaux dont 1% est porteur de la maladie ont permis d'établir que les probabilités
suivantes sur la population entière :
- si un animal est porteur de la maladie, la probabilité que le test soit positif est 0,85.
- si un animal est sain, la probabilité que le test soit négatif est 0,95.
On note les événements :
M : "L'animal est porteur de la maladie".
T : "Le test est positif".
1) Un animal est choisi au hasard.
a) Quel est la probabilité qu'il soit porteur de la maladie et que son test soit positif ?
b) Montrer que la probabilité que son test soit positif est 0,058
c) Sachant que l'animal a un test positif, quelle est la probabilité pour qu'il soit effectivement porteur
de la maladie ?
2) On choisit cinq animaux au hasard.
La taille de ce troupeau permet de considérer ces choix comme indépendants.
X est la variable aléatoire qui donne le nombre d'animaux ayant un test positif parmi les cinq
animaux choisis.
Quelle est la loi de probabilité suivie par X ?
3) Le coût des soins à prodiguer à un animal testé positif est de 100 € et le coût de l'abattage d'un
animal non dépisté par le test et ayant développé la maladie est de 1000 €.
On suppose que le test est gratuit. Y est la variable aléatoire qui à un animal testé associe le coût à
engager.
Le tableau suivant donne la loi de probabilité de Y :
Coût 0 100 1000
Probabilité 0,9405 0,0580 0,0015
a) Calculer l'espérance de Y.
b) Un éleveur possède un troupeau de 200 bêtes.
Si tout le troupeau est soumis au test, quelle somme doit-il prévoir d'engager ?

Lors d’une épidémie chez des bovins, un test est mis au point et essayé sur un échantillon
d’animaux dont 1 % est porteur de la maladie.
Si un animal est porteur de la maladie, le test est positif dans 85 % des cas.
Si un animal est sain, le test est négatif dans 95 % des cas.
On choisit de prendre ces fréquences observées comme probabilités pour la population entière et
d’utiliser le test pour un dépistage préventif de la maladie.
On note M l’événement « l’animal est porteur de la maladie » et T l’événement « le test est positif ».
1) Construire un arbre pondéré modélisant la situation proposée.
a) Quelle est la probabilité qu’il soit porteur de la maladie et que son test soit positif ?
3) Un animal est choisi au hasard parmi ceux dont le test est positif.
Quelle est la probabilité qu’il soit porteur de la maladie ?
4) On choisit cinq animaux au hasard. La taille de ce troupeau permet de considérer les épreuves
comme indépendantes et d’assimiler les tirages à des tirages avec remise.
On note X la variable aléatoire qui, aux cinq animaux choisis, associe le nombre d’animaux ayant
un test positif.
a) Quelle est la loi de probabilité suivie par X ? Quels sont ses paramètres ?
b) Quelle est la probabilité qu'exactement deux animaux aient un test positif ?
c) Quelle est la probabilité qu’au moins un des cinq animaux ait un test positif ?
d) Quelle est la probabilité qu'au plus deux animaux aient un test positif ?

Dans cet exercice, si besoin est, les résultats seront arrondis à 10 −4 .
Une usine fabrique des smartphones dont 5 % sont défectueux.
Chaque smartphone est soumis à une unité de contrôle dont la fiabilité n’est pas parfaite.
Cette unité de contrôle rejette 97 % des smartphones défectueux et 4 % des smartphones
fonctionnant correctement. On note :
D l’événement « le smartphone est défectueux"
R l’évenement « l’unité de contrôle rejette le smartphone »
1) Construire un arbre pondéré sur lequel on indiquera les données qui précèdent.
2) a) Calculer la probabilité que le smartphone soit défectueux et ne soit pas rejeté.
b) On dit qu’il y a une erreur de contrôle lorsque le smartphone est rejeté alors qu’il n’est pas
défectueux, ou qu’il n’est pas rejeté alors qu’il est défectueux.
Calculer la probabilité qu’il y ait une erreur de contrôle.
3) Montrer que la probabilité qu’un smartphone ne soit pas rejeté est égale à 0,9135
4) Quatre contrôles successifs et indépendants sont maintenant réalisés pour savoir si un smartphone
peut être commercialisé.
Calculer la probabilité que le smartphone ait subi avec succès exactement 3 contrôles positifs.
5) Le coût de fabrication d’un smartphone s’élève à 70 € (avant test)
Un smartphone est commercialisé s'il subit au moins 3 contrôles positifs.
Le prix de vente d'un smartphone est de 300 €.
On désigne par G la variable aléatoire qui, à chaque smartphone fabriqué, associe le gain algébrique
(ou bénéfice) en euros (éventuellement négatif) réalisé par l’entreprise.
a) Déterminer la loi de probabilité de la variable aléatoire G.
b) Calculer à 10 −2 près l’espérance mathématique de la variable aléatoire G.
Donner une interprétation de ce résultat.

Pour réaliser une loterie, un organisateur dispose d'une part d'un sac contenant exactement un jeton
blanc et 9 jetons noirs, indiscernables au toucher, et d'autre part d'un dé cubique équilibré dont les
faces sont numérotées de 1 à 6. Il décide des règles suivantes pour le déroulement d'une partie.
Le joueur doit tirer un jeton puis jeter le dé.
* Si le jeton est blanc, le joueur perd lorsque le jet du dé donne 6.
* Si le jeton est noir, le joueur gagne lorsque le jet du dé donne 6.
A la fin de la partie, le jeton est remis dans le sac.
On note B l'événement "le jeton tiré est blanc" et G "le joueur gagne le jeu".
L'événement contraire d'un événement E sera noté E et la probabilité d'un événement E sera notée
p ( E ) . Tous les résultats seront arrondis à 10−3 près.
Partie A
1) Construire un arbre pondéré traduisant la situation.
7
2) Prouver que p ( G ) = .
30
3) Le joueur a perdu. Quelle est la probabilité qu'il ait tiré le jeton blanc ?
Partie B
Le joueur fait n parties de façon indépendante (n entier naturel non nul).
1) Calculer, en fonction de n, la probabilité pn qu'il ait gagné au moins une partie.
2) Trouver le nombre minimal de parties que le joueur doit faire pour que la probabilité d'en gagner
au moins une soit supérieure à 0,99 (toute méthode sera acceptée).
Partie C
L'organisateur décide de faire de sa loterie un jeu d'argent :
* Chaque joueur paie un euro par partie.
* Si le joueur gagne la partie, il reçoit cinq euros.
* Si le joueur perd la partie, il ne reçoit rien.
1) On note Y la variable aléatoire égale au gain algébrique (positif ou négatif), mise déduite, du
joueur à l'issue d'une partie.
a) Donner la loi de probabilité de Y.
b) On dit que le jeu est favorable à l'organisateur si E(Y) < 0.Le jeu est-il favorable à l'organisateur?
2) L'organisateur décide de modifier le nombre k de jetons noirs (k entier naturel non nul), tout en
gardant un seul jeton blanc. Pour quelles valeurs de l'entier k le jeu est-il favorable à l'organisateur ?
Densité
1) f est la fonction définie sur [ 0;4] par la courbe
ci-contre.
Vérifier que l'aire du domaine coloré, en ua, est
égale à 1.
2) X est une variable aléatoire continue à valeur dans [ 0;4] dont la loi de probabilité a pour densité
la fonction f précédente. Calculer :

a) p (1 ≤ X ≤ 2 ) b) p(1≤ X ≤ 2) (1,5 ≤ X ≤ 2,5 )

T est une variable aléatoire à valeurs dans [0;1] dont la loi de probabilité a pour densité la fonction
définie par f ( x ) = 4 x3
Calculer p ( 0, 2 ≤ T ≤ 0,5 )

X est une variable aléatoire à valeurs dans [ 0;+∞[ dont la loi de probabilité a pour densité la
fonction définie par f ( x ) = 2e −2 x
a) Calculer p ( n ≤ X ≤ n + 1) où n ∈ 
b) Calculer le nombre réel m tel que : p ( 0 ≤ X ≤ m ) =

0,5

X est une variable aléatoire à valeurs dans [ −5;5] dont la loi de probabilité a pour densité la
3 2
fonction définie par f ( x ) = x
250
Déterminer l'arrondi au centième du nombre réel a compris entre -5 et 5 tel que :
p ( −a ≤ X ≤ a ) =0,5

Pour chaque fonction :
1) Déterminer la valeur du nombre réel a pour laquelle la fonction f proposée est une densité de
probabilité sur I
2) X est une variable aléatoire ayant f pour densité de probabilité.
Calculer p ( X < 2 ) et en déduire p ( X > 2 )
a
a) f ( t ) = at , I = [1;4] b) f ( t ) = , I = [1;10]
t2

Lors d'un TP de chimie, chaque élève a mesuré la chaleur dégagée par une réaction chimique.

Après avoir collectivement réalisé un histogramme des fréquences de ces mesures, les élèves ont
décidé de modéliser l'expérience par une fonction f définie sur [0;0,5] par f ( t ) = ct et sur ]0,5;1]
par f (=
t ) c (1 − t ) , c étant une constante et t la quantité de chaleur exprimée en kcal.
1) Déterminer la valeur de c pour que f définisse une fonction de densité de probabilité sur [0;1].
2) Calculer la probabilité pour que, lors d'une expérience identique, la chaleur dégagée soit
comprise entre 0,2 kcal et 0,6 kcal.

λ est un nombre réel et f la fonction définie sur [-1;1] par f ( x ) =λ (1 + x )(1 − x )
1) Déterminer la valeur de λ pour que f soit une fonction de densité de probabilité.
2) X est une variable aléatoire qui suit la loi de densité de probabilité f.
a) Déterminer la probabilité de chacun des événements suivants :
( X ≤ 0, 4 ) ( X ≥ 0,8) (X ≤ 0,3)
b) Calculer l'espérance de X.

X est une variable aléatoire qui suit la loi uniforme sur l'intervalle I.
Déterminer la fonction de densité de probabilité, puis calculer p (1 ≤ X ≤ 3) lorsque :
a) I = [1;5] b) I = [ −2;3]

X est une variable aléatoire qui suit la loi uniforme sur l'intervalle [-2;2].
a) Calculer p ( X < 1) et p ( X ≥ 0,5 )
b) Calculer p( X >0) ( X < 1)
c) Donner l'espérance de X.

Caroline a dit qu'elle passerait voir Julien à un moment quelconque entre 18h30 et 20h45.
Quelle est la probabilité qu'elle arrive pendant le feuilleton préféré de Julien qui dure de 19h à
19h30 ?

La commande rand (ou NbrAléat) permet d'afficher un nombre aléatoire de l'intervalle [0;1[.
X est la variable aléatoire égale au nombre affiché avec cette commande.
a) Calculer p ( 0,33 ≤ X ≤ 0,59 )
b) Sachant que X<0,3, quelle est la probabilité de l'événement E : "Son chiffre des centièmes est 1"?
c) Calculer l'espérance de X

On choisit un nombre au hasard dans l'intervalle [-1;3].
Sachant qu'il est supérieur à 0, quelle est la probabilité qu'il soit inférieure à 2 ?

On choisit un nombre réel au hasard dans l'intervalle [0;2].
1) Quelle est la probabilité qu'il soit solution de l'inéquation 9 x 2 − 33 x + 10 > 0
2) Quelle est la probabilité qu'il soit solution de l'équation 9 x 2 − 33 x + 10 =
0

La durée d'une communication téléphonique entre Claire et Alice ne dépasse jamais 1h.
On suppose que sa durée en heures est un nombre aléatoire entre 0 et 1.
Claire appelle Alice au téléphone.
Déterminer la probabilité que la durée de communication soit :
a) de 30 min
b) d'au plus 3 quarts d'heure
c) d'au moins 10 min
d) comprise entre 20 min et 40 min.

Une horloge s'arrête de façon aléatoire.
X est la variable aléatoire donnant l'heure indiquée au moment où l'horloge s'arrête (entre 0h et
12h).
1) Donner la fonction densité de probabilité de X et la représenter dans un repère.
2) Quelle est la probabilité que l'aiguille des heures s'arrête entre 3h et 7h ?
3) Calculer E(X).

Le plan est muni d'un repère orthonormé.
C est le cercle de centre O et de rayon 2 et D la droite d'équation
y = x . M est le point d'abscisse α de la droite D.
On choisit une valeur de α au hasard dans l'intervalle [-1;3].
a) Quelle est la probabilité que le point M ait une ordonnée positive ?
b) Quelle est la probabilité que le point M soit situé à l'intérieur du
cercle C ?
Loi exponentielle
La durée de vie, en heures, d'un composant électronique est modélisée par la loi exponentielle de
paramètre 0,005.
1) Quelle est la probabilité que l'un des composants pris au hasard :
a) ait une durée de vie inférieure à 100 h ?
b) soit encore en état de marche au bout de 250 h ?
2) Calculer la durée de vie moyenne de l'un de ces composants

La durée de vie, en heures, d'une ampoule d'un certain type peut être modélisée par une variable
aléatoire X qui suit une loi exponentielle.
1) Quel est le paramètre λ de cette loi sachant que p ( X ≥ 800 ) =
0, 2 ? Arrondir au millième.
2) Calculer la durée de vie moyenne d'une ampoule

La durée de vie, en années, d'un composant radioactif est une variable aléatoire T qui suit la loi
exponentielle de paramètre λ = 0,0005 . Calculer :
a) p (T < 1500 ) b) p (1500 < T < 2500 ) c) p (T > 3000 )
d) Calculer la probabilité que ce composant ne se soit pas désintégré au bout de 2000 ans sachant
qu'il n'a pas été désintégré au bout de 1000 ans.
e) Calculer la durée de vie moyenne de l'un de ces composants

Une entreprise estime que la durée de vie X de ses machine-outil, exprimée en années, est une
variable aléatoire qui soit une loi exponentielle. Une étude statistique a permis de montrer que la
durée moyenne de vie de ses machines est de 15 ans.
1) Calculer la probabilité que la durée de vie d'une machine soit supérieure à 25 ans.
2) Quelle est la probabilité qu'une machine ayant fonctionné pendant 15 ans soit encore
opérationnelle 10 ans plus tard ?

X est une variable aléatoire qui suit la loi exponentielle
de paramètre λ
La courbe ci-contre représente la fonction densité de
probabilité associée.
1) Lire graphiquement la valeur de λ

2) En utilisant la valeur de la question 1), calculer p ( X < 1) et p ( X ≥ 2 )

Une variable aléatoire X suit une loi exponentielle de paramètre λ > 0 .
( tn ) est une suite arithmétique de premier terme a ≥ 0 et de raison r > 0
pn p ( X > tn )
Pour tout n ∈  , on pose=
1) Démontrer que la suite ( pn ) est une suite géométrique dont on précisera le premier terme et la
raison.
2) Etudier les variations et la limite de la suite ( pn )
3) Les résultats du 2) étaient-ils prévisibles ?

Exercice n°32 (radioactivité et demi-vie) (correction)
X est une variable aléatoire qui suit la loi exponentielle de paramètre λ > 0 .
E(X) est l'espérance de X.
a) Montrer que p ( X > E ( X ) ) est indépendante de λ
b) Calculer le maximum pλ de la fonction qui à t associe p ( X ∈ [t ;2t ]) . La valeur de t où le
maximum est atteint est appelée demi-vie.

c) Calculer λ pour un atome de radon 220 (la demi-vie d'un atome de radon 220 est de 56 s)

Partie A
Une salle informatique d'un établissement scolaire est équipée de 25 ordinateurs dont 3 sont
défectueux. Tous les ordinateurs ont la même probabilité d'être choisis.
On choisit au hasard deux ordinateurs de cette salle.
Quelle est la probabilité que ces deux ordinateurs soient défectueux ? Arrondir au millième.
Partie B
La durée de vie d'un ordinateur (c'est-à-dire la durée de fonctionnement avant la première panne),
est une variable aléatoire X qui suit une loi exponentielle de paramètre λ avec λ > 0
Ainsi, pour tout réel positif t, la probabilité qu'un ordinateur ait une durée de vie inférieure à t
t
années, notée p ( X ≤ T ) , est donnée par p ( X ≤ T ) =
∫ λe dx .
−λ x
1) Déterminer λ sachant que p ( X > 5 ) =

0, 4
2) Dans cette question, on prendra λ = 0,18 .
Sachant qu'un ordinateur n'a pas eu de panne au cours des 3 premières années, quelle est, à 10−3
près, la probabilité qu'il ait une durée de vie supérieure à 5 ans ?
3) Dans cette question, on admet que la durée de vie d'un ordinateur est indépendante de celle des
autres et que p ( X > 5 ) =
0, 4 .
a) On considère un lot de 10 ordinateurs.

Quelle est la probabilité que, dans ce lot, l'un au moins des ordinateurs ait une durée de vie
supérieure à 5 ans ? On donnera une valeur arrondie au millième de cette probabilité
b) Quel nombre minimal d'ordinateurs doit-on choisir pour que la probabilité de l'événement "L'un
au moins d'entre eux a une durée de vie supérieure à 5 ans" soit supérieure à 0,999 ?
Un récipient contient un gaz constitué de deux sortes de particules :
75 % de particules A et 25 % de particules B. Les particules sont projetées sur une cible formée de
deux compartiments K et L. L'expérience est modélisée de la façon suivante :
1
- une particule au hasard parmi les particules de type A entre dans K avec la probabilité et donc
3
2
dans L avec la probabilité
3
- une particule au hasard parmi les particules de type B entre dans chacun des compartiments avec la
même probabilité.
Partie A
1) Une particule est prise au hasard.
Déterminer la probabilité de chacun des événements suivants :
A1 : "La particule isolée est de type A et elle entre dans K";
A2 : "La particule isolée est de type A et elle entre dans L";
B1 : "La particule isolée est de type B et elle entre dans K";
A1 : "La particule isolée est de type B et elle entre dans L";
C1 : "La particule entre dans K"; C2 : "La particule entre dans L".
2) On procède cinq fois de suite et de façon indépendante à l'épreuve décrite en introduction.
Le nombre de particules étant très grand, on admettra que les proportions 75% et 25% restent
constantes. Calculer la probabilité de l'événement E "il y a exactement deux particules dans L".
Partie B
Un récipient contient le gaz décrit précédemment.
Les particules A sont radioactives et se transforment spontanément en particules B.
Chaque particule A donne, en se transformant, une particule B.
On note p ( t ) la proportion de particules A dans le gaz. A l'instant t = 0 , on a donc p ( 0 ) = 0,75 .
Plus généralement, si t est exprimé en années, on a p ( t ) = 0,75e − λt où λ > 0 .
La demi-vie des particules A est égale à 5730 ans, ce qui signifie qu'au bout de cette durée, la moitié
des particules se seront désintégrées.
1) Calculer λ , puis en donner la valeur approchée à 10−5 près par défaut.
Cette valeur sera utilisée pour la suite de l'exercice.
2) Au bout de combien d'années 10% des particules de type A se seront-elles transformées en
particules de type B ?
3) Déterminer la valeur de t pour laquelle il y aura autant de particules de type A que de particules
de type B.

Exercice n°35 - d'après le concours FESIC 2016 - VRAI ou FAUX ? (correction)
La durée de vie (exprimée en années) d’un appareil électroménager avant la première panne est une
variable aléatoire X qui suit une loi exponentielle de paramètre λ > 0
a. Pour tout réel t strictement positif, p ( X ≥ t ) =1 − e − λt
5
b. Si la probabilité d’avoir une panne la première année est égale à 0,2, alors λ = ln  
4
Théorème de Moivre-Laplace
X est une variable aléatoire qui suit la loi binomiale B(150;0,4).
X −µ
On note µ son espérance et σ son écart-type. On pose Z =
σ
1) Calculer µ et σ .
2) Sachant que p ( 45 ≤ X ≤ 66 ) ≈ 0,853 , déterminer sans calculatrice une valeur approchée de
p ( −2,5 ≤ Z ≤ 1)

X est une variable aléatoire qui suit la loi binomiale B(600;0,4).
1) Calculer l'espérance µ et l'écart-type σ de X.
p p ( 216 ≤ X ≤ 264 )
2) Calculer =
X −µ
3) On pose Z = . Déterminer le nombre entier a tel que p = p ( − a ≤ Z ≤ a )
σ
2
a
1 − x2
4) Justifier que ∫
−a 2π
e dx est une approximation de p et en calculer la valeur arrondie au dix-
millième à l'aide d'une calculatrice.

Un syndic de copropriété a relevé qu'en moyenne 2% des personnes effectuent en retard le paiement
de leurs charges. X est la variable aléatoire qui donne le nombre de retards de paiement pour
l'ensemble des 2500 logements qu'il gère.
1) Justifier que X suit une loi binomiale dont on donnera les paramètres.
2) Calculer l'arrondi au millième de la probabilité qu'il y ait plus de 36 règlements en retard.
3) Calculer l'espérance µ et l'écart-type σ de X.

X −µ
4) On pose Z = . Déterminer le nombre réel a tel que p ( X ≥ 36 ) = p ( Z ≥ a )
σ
5) D'après le théorème de Moivre-Laplace, on peut approcher p ( Z ≥ a ) en considérant que Z suit la
loi normale centrée réduite N(0;1). Calculer l'arrondi au millième de cette valeur
6) Donner une valeur arrondie au millième de l'erreur commise par cette approximation.Loi normale
centrée réduite

Une variable aléatoire X suit la loi normale centrée réduite N(0;1).
Donner l'arrondi au millième de :
a) p ( 0 ≤ X ≤ 1,3) b) p ( −2,1 ≤ X ≤ 0, 4 ) c) p ( X ≤ 1,6 ) d) p ( X ≥ −0,5 )

Une variable aléatoire T suit la loi normale centrée réduite N(0;1).
Utiliser la courbe de la densité de cette loi pour expliquer pourquoi :
a) p (T ≥ −2,5
= ) p (T ≤ 2,5) b) p (T ≤ −1,5=
) 0,5 − p ( 0 ≤ T ≤ 1,5)

Tracer la courbe de f et représenter : a) p (T ≤ −1) b) p (1 ≤ T ≤ 3) c) p (T ≥ 2 )

Lors d'une course à pied, le temps moyen mis par les participants a été de 3h.
On note T la variable aléatoire qui donne l'écart ,en heures, t − 3 où t est le temps mis par un
participant. On admet que T suit la loi normale N(0;1).
1) Que représente p (T ≥ 0, 25 ) ?
2) Calculer et donner l'arrondi au centième de :

a) p (T ≥ 0, 25 ) b) p (T ≤ −0,5 ) c) p ( −0,1 ≤ T ≤ 0, 2 )

Dans chaque cas, déterminer l'arrondi au millième du nombre u tel que :
a) p ( −u ≤ T ≤ u ) =0,997 b) p (T < u ) =
0,758 c) p (T ≤ u ) =
0, 4
d) p (T > u ) =
0, 25 e) p (T ≥ u ) =
0,7

1) Calculer : a) p (T > 1,96 ) b) p (T < −1,96 ) c) p (T > 2,58 ) d) p ( −1, 21 < T < 1,53)
2) Calculer le nombre réel u tel que : a) p (T < u ) =

0,15 b) p (T < u ) =
0,8

T est une variable aléatoire qui suit la loi normale centrée réduite et u est le nombre réel tel que :
p ( −1 ≤ T ≤ u ) =0,3
1) Exprimer p (T ≤ u ) en fonction de p (T ≤ −1) puis en déduire son arrondi au millième.
2) Déterminer l'arrondi au centième de la valeur u.

T est une variable aléatoire qui suit la loi normale centrée réduite et v est le nombre réel tel que :
p (T ≤ v ) =
0, 2
1) Sans calcul, comparer v à 0. 2) Que vaut p (T ≤ −v ) ?

Lors d'un concours, la moyenne des notes est 8.
T est la variable aléatoire qui donne l'écart t − 8 où t est la note obtenue par un candidat.
T suit la loi normale centrée réduite N(0;1).
1) A combien faut-il fixer la note de réussite à ce concours pour que 60% des candidats soient
reçus? Donner l'arrondi de cette note au centième.
2) Dans quel intervalle de notes, centré en 8, se trouvent 80% des notes des candidats ?

Une embouteilleuse remplit de jus de pommes des bouteilles de 100 cL.
On note T l'écart q − 100 , en cL, où q désigne la quantité de jus dans une bouteille.
On admet que T suit la loi normale N(0;1).
a) Déterminer l'arrondi au centième du nombre u > 0 tel que p ( −u ≤ T ≤ u ) =0,8
b) En déduire un encadrement, centré sur 100 cL, de la quantité de jus dans 80% des bouteilles.

La température T relevée en janvier, en milieu de journée, suit la loi normale N(0;1).
a) Interpréter dans ce contexte, la valeur 0 de l'espérance de T.
b) Justifier que dans plus de 95% des cas, la température relevée est entre -2°C et 2°C.
c) Quelle est la fourchette de températures dans laquelle on trouve les températures relevées dans
99% des cas ?
d) Donner une estimation de la probabilité d'avoir un jour de janvier, une température supérieure à
2°C, puis vérifier à la calculatrice.

Une boulangerie industrielle fabrique des baguettes dont la masse théorique est 200 g.
X est la variable aléatoire qui à une baguette associe sa masse en grammes.
X − 200
On pose Y = et on admet que Y suit la loi normale centrée réduite N(0;1).
4
Une baguette doit avoir une masse supérieure à 190 g pour être commercialisable.
On choisit une baguette au hasard dans la production.
1) Quelle est la probabilité que la baguette choisie au hasard ne soit pas commercialisable ?
2) Sachant que la baguette est commercialisable, quelle est la probabilité qu'elle pèse plus de 200g ?

Lors d'une randonnée en montagne, la durée moyenne de parcours des 300 participants a été de 240
min.
X est la variable aléatoire qui à un marcheur associe la durée du parcours en minutes.
X − 240
On pose Y = et on admet que Y suit la loi normale centrée réduite N(0;1).
20
1) Quelle est la probabilité qu'un marcheur choisi au hasard ait mis plus de 280 min pour faire cette
randonnée ?
2) Combien de personnes environ ont mis plus de 280 min pour faire cette randonnée ?
3) Déterminer le nombre réel t tel que la probabilité que la durée de parcours d'un marcheur soit
entre ( 240 − t ) et ( 240 + t ) minutes soit égale à 0,5.
Exercice n°52 - d'après FESIC 2016 VRAI ou FAUX ? (correction)

Soit Y une variable aléatoire suivant la loi normale N ( 0;σ 2 ) avec σ > 0
Pour tout u ∈  , on pose Π ( u ) = p (Y ≤ u )
Π ( u ) représente l’aire de la surface hachurée ci-contre.
c. p ( 0 ≤ Y ≤ σ ) > 0, 4
1
d. Π ( −σ ) ≤
10
Lois normales
La variable aléatoire X suit la loi normale N ( 30;32 ) . Calculer :
a) p ( 25 ≤ X ≤ 35 ) b) p ( X ≥ 32 )

La variable aléatoire X suit la loi normale N ( 7;0, 22 ) .
Déterminer une valeur approchée de t au centième près telle que :

a) p ( X ≤ t ) =
0,672 b) p ( X ≥ t ) =
0,873

X − 30
X est une variable aléatoire qui suit la loi normale N ( 30;52 ) . On pose Z =
5
1) Quelle est la loi suivie par Z ?
2) Déterminer les nombres réels a et b tels que : p ( a ≤ Z ≤ b ) = p ( −20 ≤ X ≤ 35 )

3) Exprimer par une intégrale p ( a ≤ Z ≤ b )
4) A l'aide d'une calculatrice, en déduire une valeur approchée de p ( −20 ≤ X ≤ 35 )
5) Calculer directement p ( −20 ≤ X ≤ 35 ) . Comparer avec le précédent.

Les températures du mois de juillet, autour du lac Léman, suivent la loi normale d'espérance 18,2°C
et d'écart-type 3,6°C.
Une personne part camper en juillet sur le pourtour du lac Léman.
Lui indiquer la probabilité que la température un jour de juillet :
a) soit inférieure à 16°C ;
b) soit comprise entre 20°C et 24,5°C ;
c) soit supérieure à 21°C.

Lors d'un test de connaissances, 70% des individus ont un score inférieur à 60 points.
De plus, les résultats suivent une loi normale d'écart-type 20.
Calculer l'espérance µ de cette loi normale.

Une machine prépare automatiquement des sacs de sucre.
On suppose que les masses de ces sacs sont distribuées selon une loi normale.
Leur masse moyenne est 1,5 kg et l'écart-type est 0,01 kg.
Quelle est la probabilité qu'un de ces sacs choisi au hasard pèse moins de 1,475 kg ?

X est une variable qui suit la loi normale N ( −30;52 )
Déterminer un nombre réel u dans chacun des cas suivants :

a) p ( −u ≤ X ≤ u ) ≈ 0,68 b) p ( −u ≤ X ≤ u ) ≈ 0,95 c) p ( −u ≤ X ≤ u ) ≈ 0,997

Un fabricant remplit des boîtes de conserve de petits pois.
La masse de pois dans une boîte est normalement distribuée avec une moyenne de 250 g et un
écart-type de 10 g.
Selon les règles du marché, le fabricant doit indiquer sur les boîtes une fourchette de masses telle
que environ 5% des boîtes aient une masse non incluse dans cet intervalle.
Quel est cette fourchette de masse ?

Une machine permet l'emballage de paquets de farine.
On obtient des masses distribuées normalement autour d'une valeur m et un écart-type 0,0025 kg.
Sur quelle valeur m doit-on régler la machine pour que 90% des paquets aient une masse supérieure
à celle indiquée sur le paquet, qui est 1 kg ?

Une machine fabrique des résistances chauffantes en grandes séries.
Parmi la production, on prélève un certain nombre de pièces au hasard.
A chacune d'entre elles, on associe la longueur exprimée en millimètres.
On définit ainsi une variable aléatoire L.
On suppose que L suit une loi normale d'espérance µ = 400 et d'écart-type σ .
1) Une pièce est déclarée acceptable si 392,5 < L < 407,5 et défectueuse dans le cas contraire.
Sachant que σ = 5, 2 , calculer le pourcentage de pièces défectueuses dans la production.
2) Un réglage de la machine permet de modifier l'écart-type sans changer la moyenne.
L − 400
M est la variable aléatoire centrée réduite définie par M =
σ
a) Indiquer la valeur de l'unique nombre réel u tel que : p ( −u ≤ M ≤ u ) =0,95
b) En déduire la valeur que doit prendre l'écart-type pour que le pourcentage de pièces défectueuses soit 5%
3) Dans cette question, on suppose que l'écart-type est égal à 3,83.
Suite à des retours négatifs de certains clients, on décide de réduire l'intervalle où la pièce est
déclarée acceptable à [ µ − σ ; µ + σ ]
a) Calculer les bornes de cet intervalle

b) Donner une valeur approchée de la proportion de résistances acceptables

LOIS DE PROBABILITES - CORRECTION

Loi binomiale
Correction de l'exercice n°1 (énoncé)
On répète 7 fois ( n = 7 ) de manière indépendante l'expérience consistant à lancer un dé.
1
On appelle "succès" l'événement "on obtient la face 1", de probabilité p = .
6
5
L'échec est donc l'événement "on n'obtient pas la face 1", de probabilité 1 − p =.
6
On s'intéresse à la probabilité de réaliser 4 succès ( k = 4 ) donc 3 échecs ( n − k = 7 − 4 = 3 ) sur les 7
répétitions.
7
Le nombre de chemins de l'arbre à 7 répétitions contenant 4 succès est égal à   = 35
 4
La probabilité d'obtenir exactement 4 fois la face 1 est donc égale à :

n
4 3
1 5
 k  × p × (1 − p ) = 35 ×   ×  
k n−k
  6 6

On répète 5 fois ( n = 5 ) de manière indépendante l'expérience consistant à choisir une carte parmi
4 1
32. On appelle "succès" l'événement "on obtient un roi", de probabilité = p = .
32 8
7
L'échec est donc l'événement "on n'obtient pas la face 1de roi", de probabilité 1 − p =.
8
On s'intéresse à la probabilité de réaliser 3 succès ( k = 3 ) donc 2 échecs ( n − k = 5 − 3 = 2 ) sur les 5
répétitions.
 5
 3
n
3 2
1 7
La probabilité d'obtenir exactement 3 rois est donc égale à :   × p k × (1 − p ) = 10 ×   ×  
n−k
k  8 8

On répète 4 fois ( n = 4 ) de manière indépendante l'expérience consistant à choisir une boule parmi
5
7. On appelle "succès" l'événement "on obtient une boule verte", de probabilité p = .
7
2
L'échec est donc l'événement "on n'obtient pas de boule verte", de probabilité 1 − p =.
7
On s'intéresse à la probabilité de réaliser 3 succès ( k = 3 ) donc 1 échec ( n − k = 4 − 3 = 1 ) sur les 4
répétitions.
 4
Le nombre de chemins de l'arbre à 4 répétitions contenant 3 succès est égal à  
 3
n
3 1
5 2
La probabilité d'obtenir exactement 3 vertes est donc égale à :   × p k × (1 − p ) = 4 ×   ×  
n−k
k  7 7

On répète 10 fois ( n = 10 ) de manière indépendante l'expérience consistant à choisir une réponse au
hasard parmi 4.
1
On appelle "succès" l'événement "on obtient la bonne réponse", de probabilité p = .
4
3
L'échec est donc l'événement "on n'obtient pas la bonne réponse", de probabilité 1 − p =.
4
a) On s'intéresse à la probabilité de réaliser 10 succès ( k = 10 ) donc 0 échec ( n − k = 10 − 10 = 0 ) sur
les 10 répétitions.
10 
10 
La probabilité d'obtenir 10 réponses exactes est donc égale à :

n
10 0 10
1 3 1
 k  × p × (1 − p ) =1×   ×   = 
k n−k
  4 4 4

b) On s'intéresse à la probabilité de réaliser 5 succès ( k = 5 ) donc 5 échecs ( n − k = 10 − 5 = 5 ) sur
les 10 répétitions.
10 
5
La probabilité d'obtenir exactement 5 réponses exactes est donc égale à :

n
5 5
1 3
  × p × (1 − p ) = 252 ×   ×  
k n−k
k  4 4
On répète 10 fois ( n = 10 ) de manière indépendante l'expérience consistant à choisir une personne
au hasard et tester son groupe sanguin
On appelle "succès" l'événement "la personne est du groupe O", de probabilité p = 0, 43 .
L'échec est donc l'événement "la personne n'est pas du groupe O", de probabilité 1 − p =
0,57 .
Si on note X la variable aléatoire égale au nombre de succès sur les 10 répétition, X suit la loi
binomiale de paramètre n = 10 et p = 0, 43
1) La probabilité que les 10 personnes choisies au hasard soient toutes du groupe O est égale à :
10 
p( X =
10 ) =10  × 0, 43 × 0,57 =
10 0
0, 4310 ≈ 0,000216
 
2) Le contraire de l'événement "au moins une de ces personnes est du groupe O" est l'événement
"aucune personne n'est du groupe O".
La probabilité qu'au moins une de ces personnes soit du groupe O est donc égale à :
10 
1 − p ( X ==
0 ) 1 −   × 0, 430 × 0,5710 =
1 − 0,5710 ≈ 0,996
0
Exercices type bac TS

1) a) p ( M ∩ T ) = p ( M ) × pM (T ) = 0,01× 0,85 = 0,0085
b) D'après la formule des probabilités totales, on a :
p (T =
) p(M ∩T ) + p M ∩T( )
( )
= p ( M ) × pM ( T ) + p M × pM ( T )
= 0,01× 0,85 + 0,99 × 0,05 = 0,058
c) On cherche à déterminer pT ( M )
p ( M ∩ T ) 0,0085
T (M )
On calcule : p= = ≈ 0,1466 à 0,0001 près
p (T ) 0,058
2) X suit la loi binomiale de paramètre n = 5 et p = 0,058
3) a) E (Y ) =×
0 0,9405 + 100 × 0,0580 + 1000 × 0,0015 =7,3 €
b) Si tout le troupeau est soumis au test, l'éleveur doit prévoir d'engager 200 × 7,3 =
1460 €

1) Construire un arbre pondéré modélisant la situation proposée.
Comme 1% des animaux est porteur de la maladie, on a
( )
p ( M ) = 0,01 donc p M =
1 − 0,01 =
0,99
Si un animal est porteur de la maladie, le test est positif dans 85 %
des cas donc pM (T ) = 0,85 .
De même, si un animal est sain, le test est négatif dans 95% des
( )
cas donc pM T = 0,95
a) Quelle est la probabilité qu’il soit porteur de la maladie et que son test soit positif ?
On veut calculer p ( M ∩ T ) . On a p ( M ∩ T ) = p ( M ) × pM (T ) = 0,01× 0,85 = 0,0085
) p(M ∩T ) + p M ∩T
D'après la formule des probabilités totales : p (T = ( )
( )
= p ( M ) × pM (T ) + p M × pM (T ) = 0,01× 0,85 + 0,99 × 0,05 = 0,058
3) Un animal est choisi au hasard parmi ceux dont le test est positif.
Quelle est la probabilité qu’il soit porteur de la maladie ?
p (T ∩ M ) 0,0085
On cherche pT ( M ) . On a p= ( M ) = ≈ 0,1466 à 10 −4 près
p (T )
T
0,058
4) On choisit cinq animaux au hasard. La taille de ce troupeau permet de considérer les épreuves
comme indépendantes et d’assimiler les tirages à des tirages avec remise.
On note X la variable aléatoire qui, aux cinq animaux choisis, associe le nombre d’animaux ayant
un test positif.
a) Quelle est la loi de probabilité suivie par X ? Quels sont ses paramètres ?
L'expérience aléatoire consiste à répéter n = 5 fois de manière indépendante une épreuve ne
pouvant se solder que par deux issues : un succès ("le test est positif") de probabilité p = 0,058 ou
un échec de probabilité 1 − p = 0,942 . Si on note X la variable aléatoire qui comptabilise le nombre
de succès obtenus au cours des 5 répétitions, la variable X suit la loi binomiale de paramètre n = 5
et p = 0,058
b) Quelle est la probabilité qu'exactement deux animaux aient un test positif ?
On doit calculer p ( X = 2 )
5
Technique 1 : p ( X = 2) = 2  × 0,058 × 0,942 ≈ 0,0281 à 10 près
2 3 −4
 
Technique 2 : directement à la calculatrice :
 
p ( X= 2=
) BinomFdp  
5 , 
0.058 ,   ≈ 0,0281
2
 nb repet
 proba succès nb succès 

c) Quelle est la probabilité qu’au moins un des cinq animaux ait un test positif ?
 
On a 1 − p ( X = 0) =1 − BinomFdp  5 , 0.058  ,   ≈ 0, 2583
0
 nb repet proba
 succès nb succès 
d) Quelle est la probabilité qu'au plus deux animaux aient un test positif ?
On doit calculer p ( X ≤ 2 )
Technique 1 : (long) :
p ( X ≤ 2) =
p ( X =+
0 ) p ( X =+
1) p ( X =
2)
= BinomFdp ( 5, 0.058, 0 ) + BinomFdp ( 5, 0.058,1) + BinomFdp ( 5, 0.058, 2 )
≈ 0,9982
Technique 2 :
 
Utiliser la fonction BinomFrep  5 , 0.058  ,   ≈ 0,9982
2
 nb repet proba
 succès nb succès 
Correction de l'exercice n°8 (retour à l'énoncé)
1) D'après l'énoncé, on a p ( D ) = 0,05 , donc p D = ( ) 0,95 , puis pD ( R ) = 0,97 donc

1− p ( D) =
pD R =( )
1 − pD ( R ) =
0,03 et pD ( R ) = 0,04 donc p ( R ) =
D
1− p ( R) =
D
0,96 . On en déduit l'arbre :
( ) ( )
2) a) On calcule p D ∩ R = p ( D ) × pD R = 0,05 × 0,03 = 0,0015
b) La probabilité qu'il y ait une erreur de contrôle est égale à :
( ) (
p D∩R + p D∩R = ) ( )
p D × pD ( R ) + 0,0015 =
0,95 × 0,04 + 0,0015 =
0,0395
3) D'après la formule des probabilités totales :
( )
p =
R (
p D∩R + p D∩= ) ( )
R 0,0015 + p D × pD = ( )
R 0,0015 + 0,95 × 0,96 ( )
= 0,9135

4) On répète n = 4 fois de manière indépendante l'expérience "On fait subir le test au smartphone",
=
qui peut se solder par un succès de probabilité p p= ( )
R 0,9135 . Si on note X la variable
aléatoire qui comptabilise le nombre de succès parmi ces 4 répétition, X suit la loi binomiale de
paramètre n = 4 et p = 0,9135 . La probabilité de l'événement "le smartphone a subi avec succès
 4
exactement 3 contrôles positifs" est p ( X = 3) =   × 0,91353 × (1 − 0,9135 ) .
1
 3
Grâce à la fonction BinomPdf de la calculatrice, on obtient :
p ( X= 3) ≈ 0, 2638 à 10−2 près.
5) a) La probabilité de l'événement "le smartphone ait subi avec succès exactement 4 contrôles
 4
successifs" est : p ( X = 4 ) =   × 0,91354 × (1 − 0,9135 ) ≈ 0,6964
0
 4
La probabilité qu'il soit commercialisé est donc égale à :
p ( X =+ 4 )  0, 2638 + 0,6964 ≈ 0,9602
3) p ( X =
Si on note G la variable aléatoire qui, à chaque smartphone, associe le gain algébrique en €, réalisé
par l’entreprise, on aura donc p ( G = 300 − 70 ) ≈ 0,9602 et p ( G = 0 − 70 ) ≈ 1 − 0,9602 , que l'on
résume dans le tableau :

Valeur de G 230 -70
Probabilité 0,9602 0,0398
b) On calcule E ( G ) = 230 × 0,9602 − 70 × 0,0398 = 218,06 €
Ce nombre s'interprète comme le bénéfice moyen de l'entreprise par smartphone.

Partie A
1) cf ci-contre.
2) Formule des probabilités totales :
( )
p (G ) = p ( B ∩ G ) + p B ∩ G =
1 5 9 1 7
× + × =
10 6 10 6 30
( )
1 1
p B ∩G ×
3) p= ( B ) = 10
= 6 1
G
p G ( )
1−
7 46
30

Partie B
7
Si X désigne le nombre de succès au cours des n jeux, X suit la loi binomiale de paramètre n et .
30
n
 23 
1− p ( X =
Ainsi : 1) pn = 0) =
1−  
 30 
2) pn ≥ 0,99 si et seulement si n ≥ 18 (par tâtonnement à l'aide du menu "TABLE" de la calculatrice,
X
 23 
appliqué à la fonction Y1 ( X ) = 1 −   .
 30 
Partie C
7 23
)
1) a) p (Y= 4= et p (Y =−1) = (un tableau n'est pas obligatoire !)
30 30
5 1
b) E (Y=
) = donc le jeu n'est pas favorable à l'organisateur.
30 6
5+ k 1 + 5k
2) Avec k boules noires, on reprend "tous" les calculs : p ( G ) =
6 (1 + k )
( )
, p G =
6 (1 + k )
et
−k + 19
E (Y ) = . Le jeu est favorable à l'organisateur s.s.si E (Y ) < 0 ⇔ k > 19
6 (1 + k )
Densité
2 × 0,8 ( 4 − 2 ) × 0, 2
1) L'aire du domaine coloré, en ua, est égale à + = 0,8 + 0, 2 = 1
2 2
2) a) Puisque pour tout x ∈ [ 0; 4] , les intégrales sont calculées, en ua, à l'aide d'aires.
p (1 ≤ X=
≤ 2)
2
( 2 − 1)=
× 0,8
∫ f (=
1
x ) dx
2
0, 4 ua
p ( (1 ≤ X ≤ 2 ) ∩ (1,5 ≤ X ≤ 2,5 ) ) p (1,5 ≤ X ≤ 2 )

b) p(1≤ X ≤ 2) (1,5 ≤ X ≤ 2,5 )
= =
p (1 ≤ X ≤ 2 ) p (1 ≤ X ≤ 2 )

Or p (1 ≤ X ≤ 2 ) =
0, 4 et p (1,5 ≤ X=
≤ 2)
2
f (=
x ) dx
( 2 − 1,5)=
× 0, 4
∫
1,5
2
0,1
0,1
On en conclut que p(1≤ X ≤ 2) (1,5 ≤ X ≤ 2,5 ) = = 0, 25
0, 4

0,5
On calcule p ( 0, 2 ≤ T ≤ 0,5 )= ∫
0,5
4 x3dx=  x 4  = 0,54 − 0, 24= 0,0609
0,2
0,2

a) Si n ∈  alors :
n +1
− ( −e −2 n )
n +1
p ( n ≤ X ≤ n + 1) = ∫ 2e −2 x dx = −e −2 x 
−2( n +1)
=−e
n
n
e −2 n (1 − e −1 )
−2( n +1)
=e −2 n − e =e −2 n − e −2 n e −1 =
m
b) p ( 0 ≤ X ≤ m ) =∫ 2e −2 x dx = −e −2 x  =−e −2 m − −e −2×0 =1 − e −2 m ( )
m
0
0
L'équation p ( 0 ≤ X ≤ m ) =
0,5 devient alors équivalente à :
1
ln  
1 − e −2=
m
0,5 ⇔ e −2=
m
= ln ( 0,5 ) ⇔ m
0,5 ⇔ −2m =  − ln ( 2=
 2= ) ln ( 2 )
−2 −2 2
a 3  ( − a )  2a 3
a 3
3 2  x3 
a
a3
p ( −a ≤ X ≤ a=
) ∫ x dx=   = −  =
 =
−a
250  250  − a 250  250  250 125
L'égalité p ( −a ≤ X ≤ a ) =0,5 devient alors équivalente à :
a3
= 0,5 ⇔ a 3 = 62,5 ⇔ a = 3
62,5 ≈ 3,97 à 0,01 près
125

a) La fonction f est continue sur I = [1;4] et positive si et seulement si a ≥ 0 .
Elle sera une densité de probabilité sur I si et seulement si :

4
4 4
t2   42 12  15 2
∫ f ( t ) dt =1 ⇔ ∫ atdt =1 ⇔ a   =1 ⇔ a  −  =1 ⇔ a × =1 ⇔ a =
1 1  2 1  2 2 2 15
2
2 t2  2  22 12  2 3 1
2 2
2
On calcule p ( X < 2 ) = ∫ f ( t ) dt = ∫ tdt =  2  15  2 − 2  = 15 × 2 = 5 d'où on déduit
=
1 1
15 15  1  
1 4
p ( X > 2 ) =−
1 p ( X ≤ 2 ) =−
1 p ( X < 2 ) =−
1 =
5 5
b) La fonction f est continue sur I = [1;10] et positive si et seulement si a ≥ 0 .
Elle sera une densité de probabilité sur I si et seulement si :

10
 1  1 1
10 10
a 9 10
∫ f ( t ) dt =1 ⇔ ∫ 2 dt =1 ⇔ a  −  =1 ⇔ a  − +  =1 ⇔ a × =1 ⇔ a =
1 1
t  t 1  10 1  10 9
10  1  10  1  1   10 1 5
2 2 2
10
On calcule p ( X < 2 ) = ∫ f ( t ) dt = ∫ 2 dt = − = − −−  = × =
9  t 1 9  2  1   9 2 9
d'où on déduit
1 1
9t
5 4
p ( X > 2 ) =−
1 p ( X ≤ 2 ) =−
1 p ( X < 2 ) =−
1 =
9 9

1) La fonction f est continue sur [ 0;1] et positive si et seulement si c ≥ 0 .
1
Elle sera une densité de probabilité sur [ 0;1] si et seulement si ∫ f ( t )dt = 1
0
0,5 1
1   1 
1 0,5 1 0,5 1
Or ∫ f ( t )dt= ∫ f ( t )dt + ∫
0 0 0,5
f ( t )dt= ∫ ctdt + ∫ c (1 − t )dt= c  t 2  + c t − t 2 
0 0,5  2 0  2  0,5
1 1   1  1 
= c  × 0,52 − × 02  + c 1 − × 12 −  0,5 − × 0,52  
2 2   2  2 
c c c
= + =
8 8 4
1
On aura ∫ f ( t )dt = 1 si et seulement si c = 4
0

0,5 0,6
1   1 
0,5 0,5 0,6 0,5 0,6
2) On calcule ∫ f ( t )dt= ∫ f ( t )dt + ∫

0,5 0,2 0,5
f ( t )dt= ∫ 4tdt + ∫ 4 (1 − t )dt= 4  t 2  + 4 t − t 2 
0,2 0,5  2  0,2  2  0,5
1 1   1  1 
= 4  × 0,52 − × 0, 22  + 4  0,6 − × 0,62 −  0,5 − × 0,52  = 0, 42 + 0,18= 0,60
2 2   2  2 

1) La fonction f est continue sur [-1;1] et positive si et seulement si λ ≥ 0 .
1
Elle sera une densité de probabilité sur [-1;1] si et seulement si ∫ f ( x )dx = 1

−1
1
 1 
1 1 1
Or ∫ f ( x )dx = ∫ λ (1 + x )(1 − x )dx = λ ∫ (1 − x )dx = λ  x − x3 2
−1 −1 −1  3  −1
 1  1 3  2 1 4
= λ 1 − × 13 −  −1 − × ( −1)   = λ  + 1 −  = λ ×
 3  3  3 3 3
1
4 3
L'égalité ∫ f ( x )dx = 1 se traduit par λ =1 ⇔ λ =
−1
3 4
0,4
3 1 
0,4 0,4
f ( x )dx = ∫ (1 − x 2 )dx =  x − x3 
3
2) a) p ( X ≤ 0, 4 ) = ∫
−1 −1
4 4  3  −1
3 1  1 3 
=  0, 4 − × 0, 43 −  −1 − × ( −1)=   0,784
4 3  3 
3 1 
1
3 1  
1 1
f ( x )dx = ∫ (1 − x 2 )dx =  x − x3  = 1 − × 13 −  0,8 − × 0,83  = 0,028
3 1
p ( X ≥ 0,8 ) = ∫
0,8 0,8
4 4  3  0,8 4  3  3 
0,3
3 1 
0,3 0,3
p ( X ≤ 0,3) =p ( −0,3 ≤ X ≤ 0,3) =∫ f ( x )dx =∫ (1 − x 2 )dx =  x − x3 
3
−0,3 −0,3
4 4  3  −0,3
3 1  1 3 
=  0,3 − × 0,33 −  −0,3 − × ( −0,3) =  0, 4365
4 3  3 
( )
1
1 1  1 − x 2 2 1
)dx ∫ x (1 − x 2=
)
3 3 3 1
b) On calcule E (=
X ) ∫ xf ( x=
)dx ∫ x (1 + x )(1 − x= dx − ×
−1 −1
4 4 −1 4 2 2 
  −1
=−
3
( 2 2
 (1 − 1 ) − 1 − ( −1)  =0
16 
2 2

)
Loi uniforme
1 1
a) La fonction de densité de probabilité de la loi uniforme sur I = [1;5] est : f =
( x) = et
5 −1 4
3 −1 2 1
p (1 ≤ X ≤ 3) = = =
4 4 2
1 1
b) La fonction de densité de probabilité de la loi uniforme sur I = [ −2;3] est =
: f ( x) =
3 − ( −2 ) 5
3 −1 2
et p (1 ≤ X ≤ 3)= =
5 5

1 1
La fonction de densité de probabilité de la loi uniforme sur I = [ −2;2] est=
: f ( x) = et :
2 − ( −2 ) 4
1 − ( −2 ) 3
a) p ( X < 1) = p ( −2 ≤ X < 1) = =
4 4
1 − 0,5 0,5 1
p ( X ≥ 0,5 )= p ( 0,5 ≤ X < 1)= = =
4 4 8
b) On a :
1− 0
p ( ( X > 0 ) ∩ ( X < 1) ) p ( 0 < X < 1) p ( 0 < X < 1) p ( 0 < X < 1) 1
0) (
p( X >= X < 1) = = = = = 4
p ( X > 0) p ( X > 0) p ( X > 0) p ( 0 < X ≤ 2) 2 − 0 2
4
−2 + 2
=
c) E (X ) = 0
2

On note X la variable aléatoire désignant l'heure de visite de Caroline.
X suit la loi uniforme sur I = [18,5;20,75]
La fonction de densité de probabilité de la loi uniforme sur I = [18,5;20,75] est :
1 1 1 4
f ( x=
) = = = et :
20,75 − 18,5 2, 25 9 9
4

La probabilité pour que Caroline arrive entre 19h à 19h30 est égale à :
1
19,5 − 19 2 1 4 2
p (19 ≤ X ≤ 19,5 ) = = = × =
9 9 2 9 9
4 4

X suit la loi uniforme sur I = [ 0;1[ . Sa densité de probabilité est la fonction définie sur I = [ 0;1[ par
1
( x)
f= = 1 et :
1− 0
0,59 − 0,33
a) p ( 0,33 ≤ X =
≤ 0,59 ) = 0, 26
1
1
b) Les nombres de I = [ 0;1[ dont le chiffre des centièmes est 1 représentent de l'ensemble des
10
réels de I = [ 0;1[ .
Si on impose de plus que ces nombres soient strictement inférieurs à 0,3, ce la représente une
1 3
proportion égale à 0,3 × = de l'ensemble des réels de I = [ 0;1[ .
10 100
3
p ( ( X < 0,3) ∩ E ) 100 1
Autrement dit, p( X <0,3) (=
E) = =
p ( X < 0,3) 3 10
10
0 +1 1
c) E (=
X) =
2 2

Si on note X le nombre choisi au hasard dans l'intervalle [-1;3], X suit la loi uniforme sur I = [ −1;3]
1 1
Sa densité de probabilité est la fonction définie sur I = [ −1;3] par=
f ( x) = et :
3 − ( −1) 4
2
p (( X > 0) ∩ ( X < 2)) p ( 0 < X < 2) 4 2
On a alors p( X >0) ( X < 2 ) = = = =
p ( X > 0) p ( 0 < X < 3) 3 3
4

Si on note X le nombre choisi au hasard dans l'intervalle [0;2], X suit la loi uniforme sur I = [ 0;2]
1 1
Sa densité de probabilité est la fonction définie sur I = [ 0;2] par f=
( x) = .
2−0 2
1) Si on note P ( x ) = 9 x 2 − 33 x + 10 , le calcul de son discriminant donne
∆ = ( −33) − 4 × 9 × 10 = 729 ,
2
d'où l'existence de deux racines réelles distinctes
−b − ∆ − ( −33) − 729 33 − 27 1 − ( −33) + 729 33 + 27 20

=x1 = = = = et x2 = = .
2a 2×9 18 3 2×9 18 3
Puisque a= 9 > 0 , le tableau de signes de P ( x ) est :
Les solutions dans l'intervalle [0;2] de l'inéquation 9 x 2 − 33 x + 10 > 0 appartiennent à l'intervalle

 1
0; 3  . Si on choisit un nombre au hasard, la probabilité qu'il soit solution de l'inéquation
1
−0
 1 3 1
9 x − 33 x + 10 > 0 est égale à : p  0 ≤ X < =
2
 =
 3 2 6
2) Comme l'équation 9 x 2 − 33 x + 10 =
0 n'admet qu'un nombre fini de solutions (deux solutions
1 20
x1 = et x2 = , la probabilité pour qu'un nombre choisi au hasard dans l'intervalle I = [ 0;2] soit
3 3
solution de l'équation 9 x 2 − 33 x + 10 =
0 est nulle.

On note X la variable aléatoire désignant la durée de la communication téléphonique entre Claire et
Alice. X suit la loi uniforme sur I = [ 0;1]
1
La fonction de densité de probabilité de la loi uniforme sur I = [ 0;1] est : f =
( x) = 1 et :
1− 0
0,75 − 0 3
( X 0,5
a) p= = ) 0 b) p ( 0 ≤ X ≤ 0,75
= ) =
1 4
1 2 1
1− −
 1 1  6= 5 1 2 3 3 1
c) p  X ≥ = p  ≤ X ≤ 1= d) p  ≤ X ≤ =
 =
 6 6  1 6 3 3 1 3
On note X la variable aléatoire désignant l'heure indiquée au moment où l'horloge s'arrête (entre 0h
et 12h). X suit la loi uniforme sur I = [ 0;12]
1 1
1) La fonction de densité de probabilité de la loi uniforme sur I = [ 0;12] est : =
f ( x) =
12 − 0 12
Sa représentation dans un repère est :
2) Quelle est la probabilité que l'aiguille des heures s'arrête entre 3h et 7h ?

L'aiguille des heures s'arrête entre 3h et 7h pour des heures comprises entre 3h00 et 7h59. Ainsi :
8−3 5
p ( 3 ≤ X < 8=
) =
12 12
0 + 12
(X )
3) E= = 6
2

a) X suit la loi uniforme sur I = [ −1;3]
Puisque M est le point d'abscisse α de la droite D d'équation y = x , on en déduit que M aura une
ordonnée positive si et seulement si son abscisse est positive.
p ( 0 ≤ α ≤ 3) 3
p (α ≥ 0 )
On calcule alors = =
3 − ( −1) 4

 2 2  2 2
b) Les deux points d'intersection de D et de C sont A  ;  et B  − ;−  correspondant
 2 2   2 2 
π 3π
respectivement aux angles et −
4 4
2
Le point M sera situé à l'intérieur du cercle C si et seulement si −1 ≤ α <
2
2 2
 − ( −1) +1
2 2+2
On calcule donc p  −1 ≤ α < = 
2 = 2=
 2  3 − ( −1) 4 8
Loi exponentielle
100
1) a) p ( 0 ≤ X ≤ 100 ) =∫ 0,005e −0,005×t dt =−
100
 e −0,005×t  =e −0,005×0 − e −0,005×100 =−
1 e −0,5 ≈ 0,39
0
0
250
b) On calcule : p ( X ≥ 250 ) =
1 − p ( X < 250 ) =
1 − ∫ 0,005e −0,005×t dt =
250
1 −  −e −0,005×t 
0
0
1 − ( e −0,005×0 − e −0,005×250 ) =
= e −0,005×250 =
e −1,25 ≈ 0, 29
1 1
2) La durée de vie moyenne de l'un de ces composants est égale à E ( X =
) = = 200
λ 0,005

800
1) p ( X ≥ 800 ) =
1 − p ( X < 800 ) =
1 − ∫ λ e − λ ×t dt = 1 − ( e − λ ×0 − e − λ ×800 ) =
800
1 −  −e − λ ×t  = e −800 λ
0
0
L'égalité p ( X ≥ 800 ) =
0, 2 devient alors équivalente à :
ln ( 0, 2 )
e −800 λ = 0, 2 ⇔ −800λ = ln ( 0, 2 ) ⇔ λ = − ≈ 0,002 à 0,001 près
800
1 1 800
2) La durée de vie moyenne d'une ampoule est égale à E ( X ) = = = − ≈ 497 h
λ ln ( 0, 2 ) − ln ( 0, 2 )
−
800
a) p (T < 1500 ) =≤
p ( 0 T < 1500 ) =
e −0,0005×0 − e −0,0005×1500 =
1 − e −0,75 ≈ 0,53 à 0,01 près
b) p (1500 < T < 2500=
) e−0,0005×1500 − e−0,0005×2500= e−0,75 − e−1,25 ≈ 0,19 à 0,01 près
c) p (T > 3000 ) =e −0,0005×3000 =e −1,5 ≈ 0, 22 p ( X ≥ c ) =
e− λc
d) On calcule :
p ( (T ≥ 2000 ) ∩ (T ≥ 1000 ) ) p (T ≥ 2000 )
p(T ≥1000) (T ≥ 2000 )
= =
p (T ≥ 1000 ) p (T ≥ 1000 )
e −0,0005×2000 −0,0005×( 2000 −1000 )
= −0,0005×1000
= e = e −0,0005×=
1000
e −0,5 ≈ 0,61 à 0,01 près
e
Remarque : Un résultat du cours nous permet d'écrire que :
p(T ≥1000) (T ≥ 2000 ) = p(T ≥1000) (T ≥ 1000 + 1000 ) = p (T ≥ 1000 ) =e −0,0005×1000 =e −0,5 ≈ 0,61 à 0,01 près
1 1
e) La durée de vie moyenne de l'un de ces composants est égale à E ( X =
) = = 2000 ans
λ 0,0005

1) Puisque " la durée moyenne de vie de ses machines est de 15 ans" cela signifie que
1 1
E ( X ) = 25 ⇔ = 25 ⇔ λ = = 0,04
λ 25
La probabilité que la durée de vie d'une machine soit supérieure à 25 ans est égale à
p ( X ≥ 25 ) =e −0,04×25 =e −1 ≈ 0,37 à 0,01 près
2) D'après le cours :
p( X ≥15) (T ≥ 15 + 10 )= p ( X ≥ 10 )= e −0,04×10 = e −0,4 ≈ 0,67 à 0,01 près

1) Puisque la fonction de densité d'une variable aléatoire X qui suit la loi exponentielle de paramètre
λ est f ( x ) = λ e − λ x , on aura f ( 0 ) = λ e − λ×0 = λ × e0 = λ × 1 = λ .
=
On lit sur graphique précédent que ( 0 ) 1,5
λ f=
2) On calcule p ( X < 1) =1 − e −1,5×1 ≈ 0,78 à 0,01 près et p ( X ≥ 2 ) = e −1,5×2 = e −3 ≈ 0,05 à 0,01 près

1) Pour tout n ∈  , pn+1 = p ( X > tn+1 ) = e − λ ×tn +1 = e

− λ ×( tn + r )
= e − λ tn e − λ r
Comme pn= p ( X > tn )= e − λ ×tn , on en déduit que p=

n +1 e − λ r × pn .
La suite ( pn ) est donc géométrique de raison e−λr et de premier terme
p0= p ( X > t0 )= p ( X > a )= e − λ ×a
2) Puisque pour tout n ∈  , pn > 0 et p=

n +1 e − λ r × pn , on en conclut que pour tout n ∈  ,
pn +1
0< =e − λ r < 1 car r > 0 , donc que la suite ( pn ) est strictement décroissante.
pn
Puisque 0 < e − λ r < 1 on a lim ( e − λ r ) = 0 donc lim pn = 0

n
n →+∞ n →+∞
3) Puisque ( tn ) est une suite arithmétique de raison r > 0 , on a nécessairement lim tn = +∞ donc
n →+∞
=
nécessairement lim pn lim p ( X =
> tn ) 0
n →+∞ n →+∞
Correction de l'exercice n°32 (radioactivité et demi-vie) (retour à l'énoncé)

1
on a p ( X > E ( X ) ) =
1 −λ E( X ) − λ×
a) Puisque E ( X ) = e =e λ
=e −1 qui est bien indépendante de λ
λ
b) On calcule p ( X ∈ [t ;2t ]) = p ( t ≤ X ≤ 2t ) = e − λt − e −2 λt . La fonction g : t  e − λt − e −2 λt a pour
dérivée la fonction g ′ : t  −λ e − λt + 2λ e=
−2 λ t
λ e − λt ( −1 + 2e − λt )
Puisque pour tout λ > 0 et tout réel t on a λ e − λt > 0 d'où :
1 1 − ln ( 2 ) ln ( 2 )
g ′ ( t ) = 0 ⇔ −1 + 2e − λt = 0 ⇔ e − λt = ⇔ −λt = ln   ⇔ t = =
2 2 −λ λ
1 1 − ln ( 2 ) ln ( 2 )
et g ′ ( t ) ≥ 0 ⇔ −1 + 2e − λt ≥ 0 ⇔ e − λt ≥ ⇔ −λt ≥ ln   ⇔ t ≤ = .
2 2 −λ λ
 ln ( 2 ) 
La fonction g est donc strictement croissante sur 0;
λ 
et strictement décroissante sur

 ln ( 2 )  ln ( 2 )
 ; +∞  . Elle atteint donc son maximum pour pλ = appelé demi-vie.
 λ  λ
ln ( 2 ) ln ( 2 )
=
c) La demi-vie d'un atome de radon 220 étant de 56 s, on aura 56 λ
⇔= ≈ 0,012 à
λ 56
0,001 près

Partie A
Si on note Y le nombre d'ordinateurs défectueux parmi les 2 choisis au hasard, Y suit la loi
3
binomiale de paramètres n = 2 et p = .
25
La probabilité que les deux ordinateurs choisis soient défectueux est égale à :
 2   3   22 
2 23
p (Y = 2) =  ×   ×   ≈ 7,61× 10
−4
 2   25   25 
Partie B
5
1) On a p ( X > 5 ) =1 − p ( X ≤ 5 ) =∫ λ e − λ x dx =− ( )
5
 e − λ x  =−e − λ×5 − −e − λ×0 =1 − e −5λ .
0
0
L'égalité p ( X > 5 ) =
0, 4 se traduit par :
ln ( 0,6 )
λ
1 − e −5= λ
0, 4 ⇔ e −5= λ ln ( 0,6 ) ⇔ =
0,6 ⇔ −5= λ ≈ 0,102 à 0,001 près.
−5
) p( X ≥3) ( X ≥ 3 + 2=) p ( X ≥ 2=) e− λ=
2) D'après le cours, p( X ≥3) ( X ≥ 5= ×2
e −0,18=
×2
e −0,36 ≈ 0,698 à
0,001 près.
3) Dans cette question, on admet que la durée de vie d'un ordinateur est indépendante de celle des
autres et que p ( X > 5 ) =
0, 4 .
a) On considère un lot de 10 ordinateurs.
Quelle est la probabilité que, dans ce lot, l'un au moins des ordinateurs ait une durée de vie
supérieure à 5 ans ? On donnera une valeur arrondie au millième de cette probabilité
Si on note Z le nombre d'ordinateurs dont la durée de vie est supérieure à 5 ans parmi les 10 choisis
au hasard, Z suit la loi binomiale de paramètres n = 10 et p= p ( X > 5=
) 0, 4 .
La probabilité que l'un au moins des ordinateurs ait une durée de vie supérieure à 5 ans est égale à :
10 
p ( Z ≥ 1) =1 − p ( Z =0 ) =1 −   × 0, 40 × 0,610 =1 − 0,610 ≈ 0,994
0
b) Notons n le nombre d'ordinateurs choisis.
La probabilité pour que, sur ces n ordinateurs, l'un au moins ait une durée de vie supérieure à 5 ans
n
est égale à : 1 −   × 0, 40 × 0,6n = 1 − 0,6n
0
Cette probabilité est supérieure à 0,999 si et seulement si :
ln ( 0,001)
1 − 0,6n ≥ 0,999 ⇔ 0,6n ≤ 0,001 ⇔ n ln ( 0,6 ) ≤ ln ( 0,001) ⇔ n ≥
ln ( 0,6 )
ln ( 0,001)
Puisque ≈ 13,52 à 0,01 près et puisque n est un nombre entier, il faut choisir au moins 14
ln ( 0,6 )
ordinateurs pour que la probabilité de l'événement "L'un au moins d'entre eux a une durée de vie
supérieure à 5 ans" soit supérieure à 0,999.
Partie A
1) On note A (resp B) l'événement "la particule est de type A (resp de type B)"
On note K (resp L) l'événement "la particule entre dans K (resp dans L)"
D'après la définition des probabilités conditionnelles, on a :
1 1
p ( A1 =
) p ( A ∩ K =) p ( A) × p A ( K =) 0,75 × = ,
3 4
2 1
p ( A2 =
) p ( A ∩ L =) p ( A) × p A ( L =) 0,75 × =
3 2
1 1
p ( B1 =
) p ( B ∩ K =) p ( B ) × pB ( K =) 0, 25 × =
2 8
1 1
p ( B2 =
) p ( B ∩ L =) p ( B ) × pB ( L =) 0, 25 × =
2 8
1 1 3
De plus p ( C1 ) = p ( A1 ) + p ( B1 ) = p ( A ∩ K ) + p ( B ∩ K ) = + = d'où on déduit
4 8 8
( )
p ( C2 ) = p C1 =1 − p ( C1 ) =1 − =
3 5
8 8
2) Si on note X le nombre de particules entrées dans L parmi les 5 projetées, X suit la loi binomiale
5
de paramètres n = 5= et p p= ( C2 ) .
8
La probabilité qu'exactement 2 particules sur les 5 soient entrées dans L est égale à :
5  5   3 
2 3
p( X = 2) =  ×   ×   ≈ 0, 206 à 0,001 près.

 2  8   8 
Partie B
0,75 0,75 1
1) On résout : p ( 5730 ) = ⇔ 0,75e − λ ×5730 = ⇔ e − λ ×5730 =
2 2 2
1 − ln ( 2 )
⇔ −λ × 5730 = ln   ⇔ λ × 5730 = ≈ 1, 2 × 10−4 ≈ 0,00012 à 10−5 près par défaut.
2 −5730
2) On doit résoudre l'équation p ( t ) =0,9 × 0,75 ⇔ 0,75e −0,00012t =0,9 × 0,75 ⇔ e −0,00012t =0,9
ln ( 0,9 )
⇔ −0,00012
= t ln ( 0,9=
)⇔t ≈ 878
−0,00012
C'est donc au bout de 878 ans que 10% des particules de type A se seront transformées en particules
de type B.
2
3) On doit résoudre l'équation p ( t ) =⇔0,5 0,75e −0,00012t =⇔
0,5 e −0,00012t =
3
2
ln  
2  3  ≈ 2027
⇔ −0,00012
= t ln  = ⇔t
3 −0,00012
C'est donc au bout de 2027 ans qu' il y aura autant de particules de type A que de particules de type B.
Correction de l'exercice n°35 - d'après le concours FESIC 2016 - VRAI ou FAUX ? (retour à l'énoncé)
( )
t
a. FAUX car p ( X ≥ t ) =1 − p ( X < t ) =1 − ∫ λ e − λ x dx =1 −  −e − λ x  =1 − −e − λt − ( −e − λ 0 ) =e − λt
t
0
0
t
b. VRAI. Puisque p ( X ≤ t ) =∫ λ e − λ x dx = −e − λ x  =−e − λt − ( −e − λ 0 ) =1 − e − λt , l'information "la
t
0
0
probabilité d’avoir une panne la première année est égale à 0,2" se traduit par p ( X ≤ 1) =
0, 2 c'est-
4 5
à-dire 1 − e − λ ×1 = 0, 2 ⇔ e − λ = 0,8 ⇔ −λ = ln ( 0,8 ) ⇔ λ = − ln ( 0,8 ) = − ln   = ln  
5 4
Théorème de Moivre-Laplace
1) D'après le cours, µ = n × p =150 × 0, 4 = 60 et σ = n × p × (1 − p ) = 150 × 0, 4 × 0,6 = 6
 X − 60 
2) On a : p ( −2,5 ≤ Z ≤ 1) = p  −2,5 ≤ ≤ 1 = p ( −2,5 × 6 + 60 ≤ X ≤ 1× 6 + 60 )
 6 
= p ( 45 ≤ X ≤ 66 ) ≈ 0,853 d'après l'énoncé

µ = n × p = 600 × 0, 4 = 240 et σ = n × p × (1 − p ) = 600 × 0, 4 × 0,6 = 144 = 12
p p ( 216 ≤ X ≤ 264 ) , on calcule la différence :

2) Pour déterminer =
) p ( X ≤ 264 ) − p ( X ≤ 215) ≈ 0,959 à 0,001 près

p ( 216 ≤ X ≤ 264=
 X − 240 
3) Puisque p = p ( −a ≤ Z ≤ a ) = p  −a ≤ ≤ a  = p ( −12a + 240 ≤ X ≤ 12a + 240 ) et
 12 
−12a + 240 =216
p p ( 216 ≤ X ≤ 264 ) , le nombre a est solution du système 
puisque = ⇔a=2
12a + 240 =264

4) Puisque X suit une loi binomiale de paramètre 600 (valeur de n "assez grande") et puisque Z est
la variable centrée réduite associée à X, le théorème de Moivre-Laplace affirme que la probabilité
2 2
a 2
1 − x2 1 − x2
p ( − a ≤ Z ≤ a ) peut être approchée par la valeur ∫ e dx = ∫ e dx
−a 2π −2 2π
2
2
1 − x2
D'après la calculatrice, ∫
−2 2π
e dx ≈ 0,9545 à 0,0001 près

1) Le nombre de logements étant suffisamment grand, on peut modéliser la situation par une
succession d'épreuves de Bernoulli dont l'issue est "la personne a eu un retard de paiement", de
probabilité 0,02 ou son contraire. Si on note X la variable aléatoire qui donne le nombre de retards
de paiement pour l'ensemble des 2500 logements, X suit la loi binomiale de paramètres n = 2500 et
p = 0,02
2) On calcule
p ( X ≥ 36 ) =
1 − p ( X ≤ 35 ) ≈ 0,985 à 0,001 près.
µ = n × p = 2500 × 0,02 = 50 et σ = n × p × (1 − p ) = 2500 × 0,02 × 0,98 = 49 = 7
 X − 50 
4) p ( Z ≥ a )= p  ≥ a = p ( X ≥ 7 a + 50 )= p ( X ≥ 36 ) si et seulement si a est solution de
 7 
l'équation 7 a + 50 =36 ⇔ a =−2
5) On approche p ( Z ≥ −2 ) en considérant que Z suit la loi normale centrée réduite N(0;1)
1
On calcule alors p ( Z ≥ −2=
) p ( −2 ≤ Z ≤ 0 ) + ≈ 0,977
2
à 0,001 près.
6) L'erreur commise par cette approximation est environ égale, au millième, à 0,985-0,977=0,008

Loi normale centrée réduite

Les résultats sont arrondis à 0,001 près.
a) p ( 0 ≤ X ≤ 1,3) ≈ 0, 403
b) p ( −2,1 ≤ X ≤ 0, 4 ) ≈ 0,638
c) p ( X ≤ 1,6 )
d) p ( X ≥ −0,5 )

a) En raison de la symétrie de la courbe de la fonction densité, l'aire du domaine délimité par la
courbe, l'axe des abscisses et les droites d'équation x = 0 et x = 2,5 est égale à l'aire du domaine
délimité par la courbe, l'axe des abscisses et les droites d'équation x = −2,5 et x = 0 .
Ainsi, p ( −2,5 ≤ T ≤ 0 )= p ( 0 ≤ T ≤ 2,5 ) .
1 1
On en déduit que p ( −2,5 ≤ T ≤ 0 ) + = p ( 0 ≤ T ≤ 2,5 ) + c'est-à-dire p (T ≥ −2,5
= ) p (T ≤ 2,5)
2 2
b) En raison de la symétrie de la courbe de la fonction densité, l'aire du domaine délimité par la
courbe, l'axe des abscisses et les droites d'équation x = −1,5 et x = 0 est égale à l'aire du domaine
délimité par la courbe, l'axe des abscisses et les droites d'équation x = 0 et x = 1,5 .
Ainsi, p ( −1,5 ≤ T ≤ 0 )= p ( 0 ≤ T ≤ 1,5 ) .
1
Comme p (T ≤ −1,5 ) + p ( −1,5 ≤ T ≤ 0 )= p (T ≤ 0 )= , on en déduit que
2
1 1
p ( −1,5 ≤ T ≤ 0 ) = − p (T ≤ −1,5 ) = − p (T ≥ 1,5 ) = p ( 0 ≤ T ≤ 1,5 )
2 2

p (T ≤ −1)
a)
p (1 ≤ T ≤ 3)
b)
p (T ≥ 2 )
c)

1) p (T ≥ 0, 25 ) représente la probabilité qu'un coureur ait réalisé un écart supérieure à 0,25 h par
rapport au temps moyen, donc qu'il ait couru en au moins 3,25 h.

2) Les résultats sont arrondis à 0,01 près.
a) p (T ≥ 0, 25 ) =0,5 − p ( 0 ≤ T ≤ 0, 25 ) ≈ 0, 4
b) p (T ≤ −0,5=
) 0,5 − p ( −0,5 ≤ T ≤ 0 ) ≈ 0,31
c) p ( −0,1 ≤ T ≤ 0, 2 ) ≈ 0,12

0,997 + 1
a) p ( −u ≤ T ≤ u=
) 0,997 ⇔ 2 p (T ≤ u ) −=1 0,997 ⇔ p (T ≤ u=)
2
Grâce à la calculatrice, on trouve que le nombre tel que p (T ≤ u ) =
0,9985 est environ égal à 2,968
b) p (T < u=
) 0,758 ⇔ p (T ≤ u=) 0,758 pour u ≈ 0,7
c) p (T ≤ u ) =
0, 4 pour u ≈ 0, 253
d) p (T > u ) =0, 25 ⇔ p (T ≤ u ) =−
1 0, 25 =0,75 pour u ≈ 0,674
e) p (T ≥ u ) =0,7 ⇔ p (T ≤ u ) =p (T < u ) =−
1 0,7 =0,3 pour u ≈ −0,524

1) a) p (T > 1,96 ) =0,5 − p ( 0 ≤ T ≤ 1,96 ) ≈ 0,025
b) p (T < −1,96
= ) p (T > 1,96 ) que l'on a calculé précédemment :
p (T < −1,96
= ) p (T > 1,96 ) ≈ 0,025
c) p (T > 2,58 ) =0,5 − p ( 0 ≤ T ≤ 2,58 ) ≈ 0,05
d) p ( −1, 21 < T < 1,53) ≈ 0,824
2) a) Grâce à la calculatrice, on trouve que le nombre tel que p (T < u )= 0,15 ⇔ p (T ≤ u )= 0,15
est environ égal à -1,036
b) p (T < u ) = 0,8 ⇔ p (T ≤ u ) = 0,8 pour u ≈ 0,842

1
Grâce à la calculatrice, on trouve p (T ≤ −1)= − p ( −1 ≤ T ≤ 0 ) ≈ 0,159 donc p (T ≤ u ) ≈ 0, 459
2
au millième.
2) Puisque p (T ≤ u ) ≈ 0, 459 on en déduit u ≈ −0,1 arrondi au centième

1
1) Puisque p (T ≤ v ) < on en déduit que v ≤ 0
2
2) On a p (T ≥ −=
v ) p (T ≤=
v ) 0, 2 donc p (T ≤ −v ) = 1 − p (T ≤ v ) = 1 − 0, 2 = 0,8

1) On cherche un nombre a tel que p (T ≥ a ) =
0,6 .
Or p (T ≥ a ) = 0,6 ⇔ p (T < a ) = 0, 4
Grâce à la calculatrice, on trouve a ≈ −0, 25 à 0,01 près.
De t − 8 ≥ −0, 25 on en déduit t ≥ 7,75

Ainsi, pour que 60% des candidats soient reçus, il faut fixer la note de réussite à environ 7,75
2) On cherche un nombre u tel que p ( −u ≤ T ≤ u ) = 0,8 .
Puisque p (T ≤ −u ) + p ( −u ≤ T ≤ u ) + p ( u ≤ T ) =1 et p (T ≤ −=
u ) p (u ≤ T ) , on a
p ( −u ≤ T ≤ u ) = 1 − 2 p (T ≤ −u )
L'égalité p ( −u ≤ T ≤ u ) = ) 0,8 ⇔ p (T ≤ −u=) 0,1
0,8 se traduit alors par 1 − 2 p (T ≤ −u=
Grâce à la calculatrice, on obtient −u ≈ −1, 28 d'où u ≈ 1, 28
On a donc −1, 28 ≤ T ≤ 1, 28 ⇔ −1, 28 ≤ t − 8 ≤ 1, 28 ⇔ 6,72 ≤ t ≤ 9, 28 .

L'intervalle cherché est donc [ 6,72;9, 28]

a) Puisque p (T ≤ −u ) + p ( −u ≤ T ≤ u ) + p ( u ≤ T ) =1 et p (T ≤ −=
u ) p (u ≤ T ) , on a
p ( −u ≤ T ≤ u ) = 1 − 2 p (T ≤ −u )
L'égalité p ( −u ≤ T ≤ u ) = ) 0,8 ⇔ p (T ≤ −u=) 0,1
0,8 se traduit alors par 1 − 2 p (T ≤ −u=
Grâce à la calculatrice, on obtient −u ≈ −1, 28 d'où u ≈ 1, 28
b) Puisque p ( −1, 28 ≤ T ≤ 1, 28 ) =
0,8 , on en conclut donc p ( −1, 28 ≤ q − 100 ≤ 1, 28 ) =0,8 c'est-à-
dire p ( 98,72 ≤ q ≤ 101, 28 ) =0,8 .
Dans 80% des bouteilles, la quantité de jus appartient à l'intervalle [98,72;101, 28]

a) Durant le mois de janvier, la température à midi était en moyenne égale à 0°C
b) Puisque p ( −2 ≤ T ≤ 2 ) > 0,95 , on peut affirmer que dans plus de 95% des cas, la température
relevée est entre -2°C et 2°C.
c) On cherche un nombre u tel que p ( −u ≤ T ≤ u ) =0,99 .
Puisque p (T ≤ −u ) + p ( −u ≤ T ≤ u ) + p ( u ≤ T ) =1 et p (T ≤ −=
u ) p (u ≤ T ) , on a
p ( −u ≤ T ≤ u ) = 1 − 2 p (T ≤ −u )
L'égalité p ( −u ≤ T ≤ u ) =0,99 se traduit alors par 1 − 2 p (T ≤ −=

u ) 0,99 ⇔ p (T ≤ −=
u ) 0,005
Grâce à la calculatrice, on obtient −u ≈ −2,58 d'où u ≈ 2,58
La fourchette de températures dans laquelle on trouve les températures relevées dans 99% des cas
est l'intervalle [ −2,58;2,58]
d) Puisque p ( −2 ≤ T ≤ 2 ) > 0,95 , puisque p (T ≤ −2 ) + p ( −2 ≤ T ≤ 2 ) + p ( 2 ≤ T ) =1 et puisque
1 − p ( −2 ≤ T ≤ 2 )
2 ) p ( 2 ≤ T ) , on a p (T ≥ 2 ) =
p (T ≤ −= . Comme p ( −2 ≤ T ≤ 2 ) > 0,95 , on peut
2
1 − 0,95
estimer que p (T ≥ 2 ) < c'est-à-dire p (T ≥ 2 ) < 0,025
2
1
Grâce à la calculatrice, p (T ≥ 2 ) = − p ( 0 ≤ T ≤ 2 ) ≈ 0,023
2

190 − 200 
) p  Y <
1) On calcule p ( X < 190= = p (Y < −2, 25=
) 0,5 − p ( −2, 25 ≤ Y ≤ 0 ) ≈ 0,012 à
 4 
0,001 près.
La probabilité que la baguette choisie au hasard ne soit pas commercialisable est donc égale à
environ 0,012
p ( ( X ≥ 190 ) ∩ ( X > 200 ) ) p ( X > 200 )
=
2) On cherche p( X ≥190) ( X > 200 ) =
p ( X ≥ 190 ) p ( X ≥ 190 )
On calcule séparément :
 200 − 200  1
p ( X > 200 )= p  Y > = p (Y > 0 )=
 4  2
190 − 200 
) p  Y ≥
1
et p ( X ≥ 190= ) p ( −2, 25 ≤ Y ≤ 0 ) + ≈ 0,988 à 0,001 près
= p (Y ≥ −2, 25=
 4  2
p ( X > 200 ) 0,5

On en déduit = ≈ 0,506 à 0,001 près
p ( X ≥ 190 ) 0,988
Sachant que la baguette est commercialisable, la probabilité qu'elle pèse plus de 200g vaut environ
0,506.

 280 − 240 
1) On calcule p ( X > 280 ) = p  Y >  = p (Y > 2 ) = 0,5 − p ( 0 ≤ Y ≤ 2 ) ≈ 0,023 à 0,001
 20 
près.
2) Puisque p ( X > 280 ) ≈ 0,023 , cela signifie qu'environ 2,3 % des personnes ont mis plus de 280
300 × 2,3
minutes pour faire cette randonnée, ce qui, sur un total de 300 personnes, représente = 6,9
100
, soit environ 7 personnes

 t t 
3) On cherche t tel que p ( 240 − t ≤ X ≤ 240 + t )= 0,5 ⇔ p  − ≤ Y ≤ = 0,5 .
 20 20 
 t   t t   t   t   t 
Puisque p  Y ≤ −  + p− ≤ Y ≤  + p  ≤ Y  =1 et p  Y ≤ −=  p  ≤ Y  , on a
 20   20 20   20   20   20 
 t t   t 
p− ≤ Y ≤  = 1− 2 p Y ≤ − 
 20 20   20 
 t t 
L'égalité p− ≤Y ≤ =0,5 se traduit alors par
 20 20 
 t   t 
1− 2 p Y ≤ − =  0,5 ⇔ p Y ≤ − =  0, 25
 20   20 
t
Grâce à la calculatrice, on obtient − ≈ −2,58 d'où t ≈ 51,6
20
La durée de parcours d'un marcheur se situe entre 240 − 51,6 =

188, 4 minutes et 240 + 51,6 =
291,6
minutes avec une probabilité de 0,5
Correction de l'exercice n°52 - d'après FESIC 2016 VRAI ou FAUX ? (retour à l'énoncé)
a. FAUX
Puisque d'après le cours p ( −σ ≤ Y ≤ σ ) ≈ 0,68 , on a, par symétrie p ( 0 ≤ Y ≤ σ ) ≈ 0,34
p ( 0 ≤ Y ≤ σ ) > 0, 4
b. FAUX
σ ) p (Y ≤ −σ )
Π ( −=
p (Y ≤ −σ ) + p ( −σ ≤ Y ≤ σ ) + p (Y ≥ σ ) =1 p ( −σ ≤ Y ≤ σ ) ≈ 0,68
Puisque et , on aura, par
2 p (Y ≤ −σ ) ≈ 1 − 0,68 p (Y ≤ −σ ) ≈ 0,16
symétrie, c'est-à-dire

Lois normales
Les résultats sont donnés à 0,001 près.
a) Méthode n°1
On calcule directement p ( 25 ≤ X ≤ 35 ) ≈ 0,904 à 0,001 près si la calculatrice le permet
Méthode n°2
X − 30
Si X suit la loi normale N ( 30;32 ) alors Y = suit la loi normale N ( 0;1) et on a :
3
 5 5
p ( 25 ≤ X ≤ 35 ) = p  − ≤ Y ≤  ≈ 0,904 à 0,001 près
 3 3
 2  2
b) p ( X ≥ 32 ) = p  Y ≥  = 0,5 + p  0 ≤ Y ≤  ≈ 0,748 à 0,001 près.
 3  3

a) Méthode n°1
Si la calculatrice le permet, on établit que p ( X ≤ t ) =
0,672 pour t ≈ 7,09
Méthode n°2
X −7
Si X suit la loi normale N ( 7;0, 22 ) alors Y = suit la loi normale N ( 0;1) et on a :
2
 t −7
p( X ≤= t ) 0,672 ⇔ p  Y ≤ = 0,672 à 0,001 près
 0, 2 
t −7
A l'aide de la calculatrice, on trouve ≈ 0, 45 à 0,01 près donc t ≈ 0, 45 × 0, 2 + 7 ≈ 7,09 à 0,01
0, 2
près
b) p ( X ≥ t ) =0,873 ⇔ p ( X ≤ t ) =1 − 0,873 ⇔ p ( X ≤ t ) =0,127
A l'aide de la calculatrice, on trouve t ≈ 6,77 à 0,01 près

1) Z suit la loi normale N ( 0;1)
 −20 − 30 X − 30 35 − 30 
2) p ( −20 ≤ X ≤ 35 ) = p  ≤ ≤  = p ( −10 ≤ Z ≤ 1)
 5 5 5 
2
1
1 − t2
3) p ( −10 ≤ Z ≤ 1) =
∫−10 2π e dt .
4) A l'aide de la calculatrice, on trouve :
2
1
1 − t2
p ( −10=
≤ Z ≤ 1) ∫ e dt ≈ 0,84 à 0,01 près.
−10 2π
5) p ( −20 ≤ X ≤ 35 ) = p ( −10 ≤ Z ≤ 1) ≈ 0,84 à 0,01 près.

Notons T la variable aléatoire qui désigne les températures du mois de juillet, autour du lac Léman
T − 18, 2
Alors la variable aléatoire X = suit la loi normale N ( 0;1) et on a :
3,6
 16 − 18, 2  1  16 − 18, 2 
a) p (T ≤ 16 ) =
p X ≤  = + p0 ≤ X ≤ ≈ 0, 27
 3,6  2  3,6 
 20 − 18, 2 24,5 − 18, 2 

b) p ( 20 ≤ T=
≤ 24,5 ) p  ≤X≤  ≈ 0, 27
 3,6 3,6 
 21 − 18, 2  1  21 − 18, 2 
c) p (T ≥ 21) =
p X ≥  = − p0 ≤ X ≤ ≈ 0, 22
 3,6  2  3,6 

On note X la variable aléatoire qui donne le résultat au test d'un individu.
X −µ
On pose T = ; alors T suit la loi normale N ( 0;1)
20
 60 − µ 
D'après l'énoncé, on a p ( X ≤ 60 ) = p  T ≤  = 0,7
 20 
Grâce à la calculatrice, le nombre u tel que p (T ≤ u ) =
0,7 est environ égal à 0,52
60 − µ
On en déduit donc que ≈ 0,52 c'est-à-dire µ ≈ 49,6
20
L'espérance de cette loi normale est donc d'environ 49,6 points

On note X la variable aléatoire qui donne les masses de ces sacs.
X suit la loi normale N (1,5;0,012 )
X − 1,5
0,01
 1, 475 − 1,5  1
On calcule p ( X ≤ 1, 475 )= p  T ≤ = ( ≤ − )= − p ( −2,5 ≤ T ≤ 0 ) ≈ 0,006
0,01 
p T 2,5
 2

D'après le cours,
à 10−2 près, p ( µ − σ ≤ X ≤ µ + σ ) ≈ 0,68 , p ( µ − 2σ ≤ X ≤ µ + 2σ ) ≈ 0,95
à 10−3 près, p ( µ − 3σ ≤ X ≤ µ + 3σ ) ≈ 0,997
On en déduit
a) u =µ + σ =−30 + 5 =−25
b) u =µ + 2σ =−30 + 2 × 5 =−20
c) u =µ + 3σ =−30 + 3 × 5 =−15

D'après le cours p ( µ − 2σ ≤ X ≤ µ + 2σ ) ≈ 0,95 , cela signifie qu'environ 5% des boîtes ont une
masse non incluse dans l'intervalle [ µ − 2σ ; µ + 2σ ] =
[ 230;270]
On note X la variable aléatoire qui donne les masses de ces paquets de farine.
X suit la loi normale N ( m;0,00252 )
X −m
0,0025
 1− m 
p ( X ≥ 1) = p T ≥ =
0,0025 
On souhaite avoir 0,9 , ce qui équivaut à 0,9 ou encore

 1− m 
p T ≤ = 1 − 0,9 =
0,0025 
0,1

Grâce à la calculatrice, le nombre u tel que p (T ≤ u ) =
0,1 est environ égal à -1,28
1− m
On a donc ≈ −1, 28 , soit m ≈ 1, 28 × 0,0025 + 1 ≈ 1,0032 kg
0,0025

1) La probabilité qu'une pièce soit acceptable est égale à p ( 392,5 < L < 407,5 ) ≈ 0,85 à 0,01 près
Environ 15 % des pièces sont donc défectueuses.

2) a) Puisque M suit la loi normale centrée réduite, le cours nous informe que le nombre réel u tel
que p ( −u ≤ M ≤ u ) =0,95 vaut environ u ≈ 1,96
 L − 400 
b) Puisque p ( −1,96 ≤ M ≤ 1,96 ) =p  −1,96 ≤ ≤ 1,96  =p ( 400 − 1,96σ ≤ L ≤ 400 + 1,96σ ) ,
 σ 
puisque p ( 400 − 1,96σ ≤ L ≤ 400 + 1,96σ ) =0,95 et puisqu'une pièce est déclarée acceptable si
392,5 < L < 407,5 , on en conclut que 95 % des pièces seront déclarées acceptables (donc 5
407,5 − 400
σ 407,5 ⇔ =
défectueuses) si et seulement si 400 + 1,96= σ ≈ 3,83 à 0,01 près.
1,96
3) a) [ µ − σ ; µ + σ ]= [ 400 − 3,83;400 + 3,83] ≈ [396,17;403,83]
b) La probabilité qu'une pièce soit acceptable est égale, d'après le cours à :
p ( L ∈ [ µ − σ ; µ + σ ]) ≈ 0,68 à 0,01 près

Lois de Probabilites - Exercices Corriges

Transféré par

Droits d'auteur :

Formats disponibles

Lois de Probabilites - Exercices Corriges

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Lois de Probabilites - Exercices Corriges

Transféré par

Droits d'auteur :

Formats disponibles

Lois de probabilités - exercices corrigés document disponible sur JGCUAZ.

LOIS DE PROBABILITES - EXERCICES CORRIGES

Il contient 62 exercices corrigés dans le moindre détail, classés par thèmes.

Egalement disponible une page facebook https://www.facebook.com/jgcuaz.fr

Lois de probabilités - exercices corrigés Page 1/53 version du 19/01/2018

LOIS DE PROBABILITES - EXERCICES CORRIGES

Exercice n°2 (correction)

Exercice n°3 (correction)

Exercice n°4 (correction)

Exercice n°5 (correction)

Lois de probabilités - exercices corrigés Page 2/53 version du 19/01/2018

Exercices type bac TS

Lois de probabilités - exercices corrigés Page 3/53 version du 19/01/2018

Exercice n°8 (correction)

Exercice n°9 (correction)

p ( E ) . Tous les résultats seront arrondis à 10−3 près.

la fonction f précédente. Calculer :

Lois de probabilités - exercices corrigés Page 6/53 version du 19/01/2018

Exercice n°12 (correction)

fonction définie par f ( x ) = 2e −2 x

b) Calculer le nombre réel m tel que : p ( 0 ≤ X ≤ m ) =

Exercice n°13 (correction)

Exercice n°14 (correction)

Exercice n°15 (correction)

Lois de probabilités - exercices corrigés Page 7/53 version du 19/01/2018

Exercice n°16 (correction)

Exercice n°17 (correction)

Exercice n°18 (correction)

b) Calculer p( X >0) ( X < 1)

Lois de probabilités - exercices corrigés Page 8/53 version du 19/01/2018

Exercice n°20 (correction)

Exercice n°21 (correction)

Exercice n°22 (correction)

Exercice n°23 (correction)

Lois de probabilités - exercices corrigés Page 9/53 version du 19/01/2018

Exercice n°25 (correction)

Exercice n°27 (correction)

Lois de probabilités - exercices corrigés Page 10/53 version du 19/01/2018

Exercice n°29 (correction)

Exercice n°30 (correction)

1) Lire graphiquement la valeur de λ

Exercice n°31 (correction)

( tn ) est une suite arithmétique de premier terme a ≥ 0 et de raison r > 0

3) Les résultats du 2) étaient-ils prévisibles ?

b) Calculer le maximum pλ de la fonction qui à t associe p ( X ∈ [t ;2t ]) . La valeur de t où le

maximum est atteint est appelée demi-vie.

Exercice n°33 (correction)

1) Déterminer λ sachant que p ( X > 5 ) =

2) Dans cette question, on prendra λ = 0,18 .

a) On considère un lot de 10 ordinateurs.

Lois de probabilités - exercices corrigés Page 13/53 version du 19/01/2018

2) Sachant que p ( 45 ≤ X ≤ 66 ) ≈ 0,853 , déterminer sans calculatrice une valeur approchée de

Exercice n°37 (correction)

millième à l'aide d'une calculatrice.

Exercice n°38 (correction)

3) Calculer l'espérance µ et l'écart-type σ de X.

Exercice n°39 (correction)

Exercice n°40 (correction)

Exercice n°41 (correction)

Exercice n°42 (correction)