Exercices corrigés ECT : variables à densité

↩ Chapitre : Variables à densité (ECT)

Introduction

Douze exercices corrigés sur les variables aléatoires à densité du programme d’ECT, de difficulté croissante : lois uniforme, exponentielle et normale, utilisation de la fonction Phi, densité et fonction de répartition, espérance et variance, lois de aX+b et de X^2, jusqu’à des problèmes de réglage et une loi sans variance.

Avant de commencer

Revoir le lien F_X(x)=\int_{-\infty}^xf(t)\,\mathrm{d}t entre densité et fonction de répartition, les lois \mathcal{U}([a,b]), \mathcal{E}(\lambda), \mathcal{N}(m,\sigma^2) avec leurs espérances et variances, la relation \Phi(-x)=1-\Phi(x) et le passage à X^*=\frac{X-m}\sigma.

Exercices

Exercice 1 · Loi uniforme sur un segment ★★★

Soit X\hookrightarrow\mathcal{U}([0,4]). Donner sa densité et sa fonction de répartition, puis calculer P(1\leqslant X\leqslant3), E(X) et V(X).

Corrigé

Densité : f(x)=\frac14 sur [0,4], 0 ailleurs. F(x)=0 si x<0, F(x)=\frac x4 si 0\leqslant x\leqslant4, F(x)=1 si x>4. P(1\leqslant X\leqslant3)=F(3)-F(1)=\frac12. E(X)=\frac{0+4}2=2 et V(X)=\frac{(4-0)^2}{12}=\frac43.

Exercice 2 · Durée de vie exponentielle ★★★

La durée de vie X (en années) d’un appareil suit la loi exponentielle de paramètre \lambda=0{,}5. Calculer P(X>2), P(X\leqslant1), E(X) et V(X).

Corrigé

Pour x\geqslant0, P(X>x)=e^{-\lambda x}. Donc P(X>2)=e^{-1}\approx0{,}368 et P(X\leqslant1)=1-e^{-0{,}5}\approx0{,}393. E(X)=\frac1\lambda=2 ans et V(X)=\frac1{\lambda^2}=4.

Exercice 3 · Loi normale centrée réduite ★★★

Soit Z\hookrightarrow\mathcal{N}(0,1), de fonction de répartition \Phi. On donne \Phi(1{,}96)\approx0{,}975. Calculer P(Z\leqslant-1{,}96) et P(-1{,}96\leqslant Z\leqslant1{,}96).

Corrigé

P(Z\leqslant-1{,}96)=\Phi(-1{,}96)=1-\Phi(1{,}96)\approx0{,}025. P(-1{,}96\leqslant Z\leqslant1{,}96)=\Phi(1{,}96)-\Phi(-1{,}96)=2\Phi(1{,}96)-1\approx0{,}95.

Exercice 4 · Centrer et réduire ★★★

Le temps de trajet X (en minutes) d’un salarié suit la loi \mathcal{N}(30,5^2). On donne \Phi(1)\approx0{,}841 et \Phi(2)\approx0{,}977. Calculer P(X\leqslant40) et P(25\leqslant X\leqslant35).

Corrigé

X^*=\frac{X-30}5\hookrightarrow\mathcal{N}(0,1). P(X\leqslant40)=P(X^*\leqslant2)=\Phi(2)\approx0{,}977. P(25\leqslant X\leqslant35)=P(-1\leqslant X^*\leqslant1)=2\Phi(1)-1\approx0{,}683.

Exercice 5 · Une densité affine ★★★

Soit f(x)=2x sur [0,1] et f(x)=0 ailleurs.

  1. Vérifier que f est une densité et déterminer la fonction de répartition F d’une variable X de densité f.
  2. Calculer E(X) et V(X).
Corrigé

1. f\geqslant0, continue sauf en 1, et \int_0^12x\,\mathrm{d}x=1. F(x)=0 si x<0, F(x)=\int_0^x2t\,\mathrm{d}t=x^2 si 0\leqslant x\leqslant1, F(x)=1 si x>1.

2. E(X)=\int_0^1x\times2x\,\mathrm{d}x=\frac23, E(X^2)=\int_0^12x^3\,\mathrm{d}x=\frac12, donc V(X)=\frac12-\frac49=\frac1{18}.

Exercice 6 · Absence de mémoire de la loi exponentielle ★★★

Soit X\hookrightarrow\mathcal{E}(\lambda). Montrer que, pour s,t\geqslant0 : P_{[X>s]}(X>s+t)=P(X>t). Interpréter pour la durée de vie d’un composant.

Corrigé

P_{[X>s]}(X>s+t)=\dfrac{P(X>s+t)}{P(X>s)}=\dfrac{e^{-\lambda(s+t)}}{e^{-\lambda s}}=e^{-\lambda t}=P(X>t). Un composant qui fonctionne encore à l’instant s a la même probabilité de durer encore t qu’un composant neuf : il « ne vieillit pas ».

Exercice 7 · Espérance et variance de la loi exponentielle ★★★

Soit X\hookrightarrow\mathcal{E}(\lambda). À l’aide d’intégrations par parties, montrer que E(X)=\frac1\lambda et V(X)=\frac1{\lambda^2}.

Corrigé

Pour A>0, avec u(x)=x, v'(x)=\lambda e^{-\lambda x} : \int_0^Ax\lambda e^{-\lambda x}\,\mathrm{d}x=\big[-xe^{-\lambda x}\big]_0^A+\int_0^Ae^{-\lambda x}\,\mathrm{d}x=-Ae^{-\lambda A}+\frac1\lambda\big(1-e^{-\lambda A}\big)\to\frac1\lambda. Donc E(X)=\frac1\lambda.

De même \int_0^Ax^2\lambda e^{-\lambda x}\,\mathrm{d}x=-A^2e^{-\lambda A}+2\int_0^Axe^{-\lambda x}\,\mathrm{d}x\to\frac2\lambda E(X)=\frac2{\lambda^2}. Ainsi E(X^2)=\frac2{\lambda^2} et V(X)=\frac2{\lambda^2}-\frac1{\lambda^2}=\frac1{\lambda^2}.

Exercice 8 · Loi de aX + b ★★★

Soit X\hookrightarrow\mathcal{U}([0,1]) et Y=3X+2. Déterminer la fonction de répartition de Y et reconnaître sa loi.

Corrigé

Pour y\in\mathbb{R}, F_Y(y)=P(3X+2\leqslant y)=P\big(X\leqslant\frac{y-2}3\big)=F_X\big(\frac{y-2}3\big). Donc F_Y(y)=0 si y<2, F_Y(y)=\frac{y-2}3 si 2\leqslant y\leqslant5, F_Y(y)=1 si y>5 : c’est la fonction de répartition de \mathcal{U}([2,5]).

Exercice 9 · Loi de X² ★★★

Soit X\hookrightarrow\mathcal{U}([0,1]) et Y=X^2. Déterminer la fonction de répartition de Y, une densité de Y, puis E(Y).

Corrigé

Y prend ses valeurs dans [0,1]. Pour y\in[0,1] : F_Y(y)=P(X^2\leqslant y)=P(X\leqslant\sqrt y)=\sqrt y (car X\geqslant0) ; F_Y(y)=0 si y<0 et 1 si y>1. En dérivant, une densité est f_Y(y)=\frac1{2\sqrt y} sur ]0,1], 0 ailleurs. Par transfert, E(Y)=E(X^2)=\int_0^1x^2\,\mathrm{d}x=\frac13.

Exercice 10 · Lecture inverse de la table ★★★

Soit Z\hookrightarrow\mathcal{N}(0,1). On donne \Phi(1{,}645)\approx0{,}95. Déterminer le réel a>0 tel que P(Z>a)=0{,}05, puis le réel b>0 tel que P(-b\leqslant Z\leqslant b)=0{,}90.

Corrigé

P(Z>a)=1-\Phi(a)=0{,}05\iff\Phi(a)=0{,}95, donc a\approx1{,}645. P(-b\leqslant Z\leqslant b)=2\Phi(b)-1=0{,}90\iff\Phi(b)=0{,}95, donc b\approx1{,}645 également.

Exercice 11 · Réglage d’une machine ★★★

Une machine remplit des paquets ; la masse X (en grammes) suit la loi \mathcal{N}(m,4^2). On donne \Phi(1{,}25)\approx0{,}894 et \Phi(2{,}054)\approx0{,}98.

  1. Pour m=500, calculer la probabilité qu’un paquet pèse moins de 495 g.
  2. Quelle valeur minimale de m garantit P(X<495)\leqslant0{,}02 ?
Corrigé

1. P(X<495)=P\Big(X^*<\frac{495-500}4\Big)=\Phi(-1{,}25)=1-\Phi(1{,}25)\approx0{,}106.

2. P(X<495)=\Phi\big(\frac{495-m}4\big)=1-\Phi\big(\frac{m-495}4\big)\leqslant0{,}02\iff\Phi\big(\frac{m-495}4\big)\geqslant0{,}98\iff\frac{m-495}4\geqslant2{,}054 (\Phi est strictement croissante). Il faut m\geqslant495+8{,}216\approx503{,}2 g.

Exercice 12 · Une loi sans variance ★★★

Soit F(x)=0 si x<1 et F(x)=1-\dfrac1{x^2} si x\geqslant1.

  1. Montrer que F est la fonction de répartition d’une variable X à densité et donner une densité.
  2. Calculer E(X). X admet-elle une variance ?
  3. Déterminer la médiane de X, c’est-à-dire le réel M tel que F(M)=\frac12.
Corrigé

1. F est continue (en 1 : F(1)=0), croissante, de limite 1 en +\infty, et dérivable sauf en 1. Une densité est f(x)=\frac2{x^3} pour x\geqslant1, 0 sinon ; on vérifie \int_1^{+\infty}\frac2{x^3}\,\mathrm{d}x=1.

2. \int_1^A\frac2{x^2}\,\mathrm{d}x=2-\frac2A\to2 : E(X)=2. Mais \int_1^Ax^2\times\frac2{x^3}\,\mathrm{d}x=2\ln A\to+\infty : X^2 n’a pas d’espérance, donc X n’a pas de variance.

3. 1-\frac1{M^2}=\frac12\iff M^2=2\iff M=\sqrt2 (car M\geqslant1).


Pour aller plus loin

Besoin d’aide sur ce chapitre ?

Un blocage sur une notion, une méthode de rédaction à acquérir, un devoir ou un concours à préparer : Pr. Elakili, agrégé de mathématiques depuis 1991, plus de 20 ans d’enseignement en classes préparatoires, propose des cours particuliers, en présentiel à Casablanca ou en ligne.

Publications similaires