T ES/L EXERCICES DE REVISIONS : PROBABILITE Exercice 1 Loi à densité π₯ La fonction π est définie sur [0; 2] par π(π₯) = 2 . 1) Justifier que π définit une fonction de densité de probabilité sur [0; 2]. 2) π est la la variable aléatoire qui suit la loi de densité π. Calculer π(π β€ 1) 3) Calculer lβespérance de π. Exercice 2 Loi à densité 2 1) Calculer la valeur exacte de lβintégrale πΌ=β« 0 π 0,5π₯ ππ₯ 2 2) En déduire que la fonction π définie sur [0; 2] par π(π₯) = π sur [0; 2] π 0,5π₯ 2π β 2 est une fonction de densité 3) Soit π la variable aléatoire de densité de probabilité π. La probabilité π(π β₯ 1,2) est-elle supérieure à 0,5 ? Exercice 3 Loi uniforme Le temps d'attente π à une station de taxi, exprimé en minutes, suit une loi uniforme sur l'intervalle [1; 11]. 1) Donner la fonction π de densité de probabilité de π. 2) Déterminer la probabilité que le temps d'attente soit compris entre 3 et 5 mn. 3) Calculer l'espérance de π et en donner une interprétation. Exercice 4 Loi normale centré réduite La variable aléatoire π suit la loi normale N(0; 1). 1) On donne ci-dessous la représentation graphique de la fonction de densité π de la loi normale N(0; 1). A lβaide du graphique donner un encadrement de π(0 β€ π β€ 2). Rappel : π est définie sur β par π(π₯) = 1 β2π π βπ₯2 2 2) Calculer π(0 β€ π β€ 2) avec la calculatrice. 3) En déduire π(β2 β€ π β€ 2) sans utiliser la calculatrice. 4) Calculer π(π β€ 1) Exercice 5 Loi normale, loi binomiale, loi de probabilité, espérance Une entreprise fabrique des pièces de tissu. Les pièces de tissu produites doivent respecter des contraintes de qualité et doivent avoir une masse au mètre carré comprise entre 1,45kg et 1,55 kg. Si ce n'est pas le cas, ces pièces de tissu présentent un défaut de fabrication. Les résultats seront arrondis aux millièmes. 1) On notera π1 la machine fabricant ces pièces de tissu. On note π la variable aléatoire qui, à chaque pièce de tissu prise au hasard dans la production, associe sa masse au mètre carré exprimée en kg. π suit la loi normale d'espérance 1,5 et d'écart type 0,03. a) Calculer la probabilité qu'une pièce prise au hasard dans la production respecte la contrainte de fabrication. b) Un grossiste vendant des pièces de tissus avec un léger défaut de fabrication achète à cet entreprise les pièces de tissu ayant un défaut mais dont la masse au mètre carré est comprise entre 1,3kg et 1,6kg. Si la production de la journée est de 1000 pièces de tissu, quelle quantité de pièces de tissu ce grossiste pourra-t-il acheter à l'entreprise ? 2) Pour diversifier sa production, l'entreprise investi dans un seconde machine permettant de couper les pièces de tissu en carrés de 2 mètres de côté. On notera cette machine π2. On note π la variable aléatoire qui, à chaque pièce de tissu prise au hasard dans la production associe la mesure, en mètres, du côté des carrés découpés. π suit la loi normale d'espérance 2 et d'écart type 0,02. On considère que les pièces découpées sont conformes si la mesure du côté de ces pièces de tissu mesure entre 1,95m et 2,03m. Calculer la probabilité que la pièce de tissu produite par la machine M2 soit conforme. 3) On considère les événements suivants : - A : " la pièce de tissu fabriquée par la machine M1 a une masse au métre carré comprise entre 1,45kg et 1,55 kg " - B : " la pièce de tissu fabriquée par la machine M2 est un carré dont le c^oté mesure entre 1,95m et 2,03m " Les deux machines fonctionnent de manière totalement indépendante. On prend une pièce au hasard dans la production. Montrer que la probabilité que la pièce de tissu ne présente aucun défaut est alors de 0,838. Montrer que la probabilité que la pièce présente un seul des deux défauts possibles (soit un défaut de poids, soit un défaut sur les dimensions) est 0,155. 4) La machine produit 1000 pièces de tissu de 2 mètres de côté par jour. On note π la variable aléatoire donnant le nombre de pièces de tissu carrées n'ayant aucun défaut parmi ces 1000 pièces. Montrer que π suit une loi binomiale dont on donnera les paramètres. Déterminer la probabilité qu'au moins 85% des pièces produites ne présentent aucun défaut. 5) L'entreprise vend les pièces de tissu n'ayant aucun défaut au prix de π₯ euros et celles qui ont un seul défaut (soit de poids, soit de dimension) au prix de 10 euros et les autres pièces sont vendues au prix de 5 euros. On note π la variable aléatoire correspondant au prix de vente de chaque pièce de tissu. a) Compléter le tableau de la loi de probabilité de π ci-dessous : 10 5 Valeur π£π de π π₯ π(π = π£π ) b) Rappel : l'entreprise produit chaque jour 1000 pièces de tissu carrées. Exprimer l'espérance de la variable aléatoire π en fonction du prix de vente π₯ et déterminer la valeur minimale de π₯, arrondie à l'euro prés, pour que l'entreprise réalise un chiffre d'affaire journalier d'au moins 25000 euros. T ES/L CORRECTION EXERCICES DE REVISIONS : PROBABILITE Exercice 1 Loi à densité π₯ La fonction π est définie sur [0; 2] par π(π₯) = 2 . 1) Justifier que π définit une fonction de densité de probabilité sur [0; 2]. βͺ π est continue sur [0; 2] βͺ π est positive sur [0; 2] car pour tout π₯ β [0; 2] alors βͺ πΉ(π₯) = π₯2 4 est une primitive de π sur [0; 2] 22 2 π₯ β [0; 1] 2 en effet πΉβ(π₯) = 02 2π₯ 4 π₯ donc 2 β₯ 0 π₯ = 2 = π(π₯) Et β«0 π(π₯)ππ₯ = πΉ(2) β πΉ(0) = 4 β 4 = 1 Donc π définit bien une loi à densité de probabilité sur [0;2] 2) π est la la variable aléatoire qui suit la loi de densité π. Calculer π(π β€ 1) πΉ définie par πΉ(π₯) = π₯2 est une primitive de π sur [0; 2] (voir question 1) 1² 0² 1 π(π β€ 1) = β« π(π₯)ππ₯ = πΉ(1) β πΉ(0) = β = 4 4 4 0 4 1 3) Calculer lβespérance de π. On pose π(π₯) = π₯π(π₯) = Alors πΊ(π₯) = π₯3 6 π₯² 2 est une primitive de π sur [1; 11] 2 Dβoù πΈ(π) = β«0 π₯ π(π₯)ππ₯ = πΊ(2) β πΊ(0) = 23 6 β 03 6 en effet πΊβ(π) = 8 3π₯ 2 6 = π₯² 2 = π(π₯) 4 =6=3 Exercice 2 Loi à densité 2 1) Calculer la valeur exacte de lβintégrale πΌ=β« 0 π 0,5π₯ ππ₯ 2 La fonction π définie pour tout réel π₯ par π(π₯) = 1 π 0,5π₯ 2 est de la forme π’β² × π π’ avec π’(π₯) = 0,5π₯ et π’β² (π₯) = 2. Une primitive de la fonction g est la fonction πΊ définie sur β par πΊ(π₯) = π 0,5π₯ . D'où 2 π 0,5π₯ πΌ = β«0 2 ππ₯ = πΊ(2) β πΊ(0) = π β 1 π 0,5π₯ π(π₯) = 2π β 2 2) En déduire que la fonction π définie sur [0; 2] par est une fonction de densité π sur sur [0; 2] βͺ La fonction π est dérivable sur [0; 2] donc continue sur [0; 2]. π 0,5π₯ βͺ D'autre part, pour tout réel π₯, π 0,5π₯ > 0 Dβoù la fonction π est positive sur [0; 2] 2 π 0,5π₯ βͺ De plus πΌ = β«0 2 π 0,5π₯ ππ₯ = β«0 2πβ2 donc pour tout réel π₯, 2πβ2 > 0 1 2 π 0,5π₯ ππ₯ = πβ1 β«0 2(πβ1) 2 1 ππ₯ = πβ1 (π β 1) = 1 Donc π est une fonction de densité sur [0; 2]. 3) Soit π la variable aléatoire de densité de probabilité π. La probabilité π(π β₯ 1,2) est-elle supérieure à 0,5 ? 2 2 2 0,5π₯ π 0,5π₯ π 0,5π₯ 1 π 1 (π β π 0,6 ) β 0,522 π(π β₯ 1,2) = β« ππ₯ = β« ππ₯ = β« ππ₯ = 2π β 2 2(π β 1) π β 1 2 π β 1 1,2 1,2 1,2 La probabilité π(π β₯ 1,2) est supérieure à 0,5. Exercice 3 Loi uniforme Le temps d'attente π à une station de taxi, exprimé en minutes, suit une loi uniforme sur l'intervalle [1; 11]. 1) Donner la fonction π de densité de probabilité de π. 1 1 π est définie sur [1; 1] par π(π₯) = 11β1 = 10 = 0,1 Donc π(π) = π, π sur [π; ππ] π₯ Remarque : πΉ définie par πΉ(π₯) = 10 est une primitive de π sur [1; 11]. 11 11 1 On a alors β«1 π(π₯)ππ₯ = πΉ(11) β πΉ(1) = 10 β 10 = 1 2) Déterminer la probabilité que le temps d'attente soit compris entre 3 et 5 mn. On veut 3 β€ π β€ 5. 5β3 Alors π(3 β€ π β€ 5) = 11β1 = 0,2 La probabilité que le temps d'attente soit compris entre 3mn et 5mn est 0,2. Remarque : Avec les notations de la remarque de la question 1 : 5 5 3 2 π(3 β€ π β€ 5) = β« π(π₯)ππ₯ = πΉ(5) β πΉ(3) = β = = 0,2 10 10 10 3 3) Calculer l'espérance de π et en donner une interprétation. 1 + 11 πΈ(π₯) = =6 2 Le temps moyen d'attente est donc de 6mn. π₯ Remarque : Si on pose π(π₯) = π₯π(π₯) = 10 π₯2 Alors πΊ(π₯) = 10 G est une primitive de π sur [1; 11]. 11 Dβoù πΈ(π) = β«1 π₯ π(π₯)ππ₯ = πΊ(11) β πΊ(1) = 112 20 12 β 20 = 120 20 =6 Exercice 4 Loi normale centré réduite La variable aléatoire π suit la loi normale N(0; 1). 1) On donne ci-dessous la représentation graphique de la fonction de densité f de la loi normale N(0; 1). A lβaide du graphique donner un encadrement de π(0 β€ π β€ 2). Rappel : π est définie sur β par π(π₯) = 1 β2π 2 β«0 π(π₯)ππ₯ π βπ₯2 2 On a π(0 β€ π β€ 2) = Comme π est continue et positive sur β 2 Donc β«0 π(π₯)ππ₯ est lβaire, en unités dβaire, du domaine limité par la courbe, lβaxe des abscisses et les droites dβéquations π₯ = 0 (axe des ordonnées) et π₯ = 2 (zone rouge sur le graphique ci-dessous) Une unité dβaire (rectangle dβune unité sur lβaxe des abscisses sur une unité sur lβaxe des ordonnées) contient 50 carreaux du quadrillage. Lβaire est donc comprise entre lβaire du polygone rouge et celle du polygone bleu contenant respectivement 29 et 18 carreaux du quadrillage 18 29 On a donc 50 < π(0 β€ π β€ 2) < 50 Dβoù 0,36 < π(0 β€ π β€ 2) < 0,58 2) Calculer π(0 β€ π β€ 2) avec la calculatrice. On utilise la calculatrice (le menu STAT puis DIST puis NORM pour la loi normale) On trouve π(0 β€ π β€ 2) β 0,48 Remarque : Le résultat est cohérent avec lβencadrement de la question 1 3) En déduire π(β2 β€ π β€ 2) sans utiliser la calculatrice. π(β2 β€ π β€ 2) = π(β2 β€ π β€ 0) + π(0 β€ π β€ 2) = π(0 β€ π β€ 2) + π(0 β€ π β€ 2) = 2 π(0 β€ π β€ 2) β 2 × 0,48 β 0,96 Donc π(β2 β€ π β€ 2) β 0,96 4) Calculer p(Xβ€1) π(π β€ 1) = π(π β€ 0) + π(0 β€ π β€ 1) π(π β€ 1) = 0,5 + π(0 β€ π β€ 1) Or π(0 β€ π β€ 1) β 0,34 Donc π(π β€ 1) β 0,5 + 0,34 Dβoù π(π β€ 1) β 0,84 Exercice 5 Loi normale, loi binomiale, loi de probabilité, espérance Une entreprise fabrique des pièces de tissu. Les pièces de tissu produites doivent respecter des contraintes de qualité et doivent avoir une masse au mètre carré comprise entre 1,45kg et 1,55 kg. Si ce n'est pas le cas, ces pièces de tissu présentent un défaut de fabrication. Les résultats seront arrondis aux millièmes. 1) On notera π1 la machine fabricant ces pièces de tissu. On note π la variable aléatoire qui, à chaque pièce de tissu prise au hasard dans la production, associe sa masse au mètre carré exprimée en kg. π suit la loi normale d'espérance 1,5 et d'écart type 0,03. a) Calculer la probabilité qu'une pièce prise au hasard dans la production respecte la contrainte de fabrication. On veut 1,45 β€ π β€ 1,55 A lβaide de la calculatrice, on trouve π(1,45 β€ π β€ 1,55) β 0,904 La probabilité que la pièce soit conforme respecte la contrainte de fabrication est environ de 0,904 b) Un grossiste vendant des pièces de tissus avec un léger défaut de fabrication achète à cet entreprise les pièces de tissu ayant un défaut mais dont la masse au mètre carré est comprise entre 1,3kg et 1,6kg. Si la production de la journée est de 1000 pièces de tissu, quelle quantité de pièces de tissu ce grossiste pourra-t-il acheter à l'entreprise ? On veut 1,3 β€ π β€ 1,45 ou bien 1,55 β€ π β€ 1,6 A lβaide de la calculatrice, on trouve π(1,3 β€ π β€ 1,45) β 0,048 et π(1,55 β€ π β€ 1,6) β 0,047 Dβoù π(1,3 β€ π β€ 1,45) + π(1,55 β€ π β€ 1,6) β 0,048 + 0,047 = 0,095 De plus 0,095 × 1000 = 95 Donc le grossiste pourra acheter 95 pièces de tissu. 2) Pour diversifier sa production, l'entreprise investi dans un seconde machine permettant de couper les pièces de tissu en carrés de 2 mètres de côté. On notera cette machine π2. On note π la variable aléatoire qui, à chaque pièce de tissu prise au hasard dans la production associe la mesure, en mètres, du côté des carrés découpés. π suit la loi normale d'espérance 2 et d'écart type 0,02. On considère que les pièces découpées sont conformes si la mesure du côté de ces pièces de tissu mesure entre 1,95m et 2,03m. Calculer la probabilité que la pièce de tissu produite par la machine M2 soit conforme. On veut 1,95 β€ π β€ 2,03 A lβaide de la calculatrice, on trouve π(1,95 β€ π β€ 2,03) β 0,927 La probabilité que la pièce soit conforme est environ de 0,927 3) On considère les événements suivants : - A : " la pièce de tissu fabriquée par la machine M1 a une masse au métre carré comprise entre 1,45kg et 1,55 kg " - B : " la pièce de tissu fabriquée par la machine M2 est un carré dont le c^oté mesure entre 1,95m et 2,03m " Les deux machines fonctionnent de manière totalement indépendante. On prend une pièce au hasard dans la production. Montrer que la probabilité que la pièce de tissu ne présente aucun défaut est alors de 0,838. Les deux machines fonctionnent de manière indépendantes donc les événements A et B sont indépendants. On a donc ππ΄ (π΅) = π(π΅). On peut dresser l'arbre de probabilités suivant : La probabilité que la pièce de tissu ne présente aucun défaut se note π(π΄ β© π΅). π(π΄ β© π΅) = π(π΄) × ππ΄(π΅) = 0,904 × 0,927 = 0,838 La probabilité que la pièce de tissu ne présente aucun défaut est environ 0,838 Montrer que la probabilité que la pièce présente un seul des deux défauts possibles (soit un défaut de poids, soit un défaut sur les dimensions) est 0,155. π(π΄Μ β© π΅) + π(π΄ β© π΅Μ ) = 0,904 × 0,073 + 0,096 × 0,927 = 0,155 La probabilité que la pièce présente un seul des deux défauts est environ 0,155 4) La machine produit 1000 pièces de tissu de 2 mètres de côté par jour. On note π la variable aléatoire donnant le nombre de pièces de tissu carrées n'ayant aucun défaut parmi ces 1000 pièces. Montrer que π suit une loi binomiale dont on donnera les paramètres. βͺ On considère l'expérience aléatoire consistant à prendre une pièce au hasard dans la production de la journée ayant les issues possibles S : "la pièce n'a pas de défaut" et E : "la pièce a au moins un défaut" avec π(π) β 0,838 βͺ On répète successivement 1000 fois et de manière indépendante cette épreuve de Bernoulli. βͺ La variable aléatoire donnant le nombre de pièces sans défaut (nombre de succès S) parmi les 1000 suit donc une loi binomiale de paramètres π = 1000 et π = 0,838. π suit la loi binomiale B(1000; 0,838) Déterminer la probabilité qu'au moins 85% des pièces produites ne présentent aucun défaut. 85 85 % de la production donne 100 × 1000 = 850 On veut calculer π(π β₯ 850) = 1 β π(π β€ 850) Avec la calculatrice pour le calcule avec une loi binomiale, on a : π(π β€ 850) β 0,838 donc π(π β₯ 850) β 1 β 0,838 = 0,162 La probabilité qu'au moins 85% des pièces produites ne présentent aucun défaut est de 0,162 environ 5) L'entreprise vend les pièces de tissu n'ayant aucun défaut au prix de π₯ euros et celles qui ont un seul défaut (soit de poids, soit de dimension) au prix de 10 euros et les autres pièces sont vendues au prix de 5 euros. On note π la variable aléatoire correspondant au prix de vente de chaque pièce de tissu. a) Compléter le tableau de la loi de probabilité de π ci-dessous : 10 5 Valeur π£π de π π₯ π(π = π£π ) π(π΄ β© π΅) β 0,838 π(π΄Μ β© π΅) + π(π΄ β© π΅Μ ) β 0,155 π(π΄Μ β© π΅Μ ) β 0,007 b) Rappel : l'entreprise produit chaque jour 1000 pièces de tissu carrées. Exprimer l'espérance de la variable aléatoire π en fonction du prix de vente π₯ et déterminer la valeur minimale de π₯, arrondie à l'euro prés, pour que l'entreprise réalise un chiffre d'affaire journalier d'au moins 25000 euros. πΈ(π) = 0,838π₯ + 0,155 × 10 + 0,007 × 5 = 0,838π₯ + 1,585 On produit 1000 pièces par jour donc le chiffre d'affaire sera en moyenne de 1000(0,838π₯ + 1,585) euros sur un grand nombre de jours. On veut 1000(0,838π₯ + 1,585) β₯ 25000 0,838π₯ + 1,585 β₯ 25 0,838π₯ β₯ 23,415 23,415 π₯ β₯ 0,838 Or 23,415 0,838 β 27,9415 Dβoù π₯ β₯ 28 à un euro prés. Donc il faut arrondir par excès, le prix de vente de chaque pièce sans défaut devra être de 28 euros au minimum en arrondissant à l'euro prés.
© Copyright 2024