15.01.2015 Views

Exercices 2011 - STAT

Exercices 2011 - STAT

Exercices 2011 - STAT

SHOW MORE
SHOW LESS

Create successful ePaper yourself

Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.

1 CHF dans chaque tourné de la roulette. C’est à dire P k (X q ≤ 0) ≥ (1 − p) k . On en déduit<br />

que<br />

P k ((A q ) c ) ≥ (1 − p) k ≥ (1 − p) K<br />

Alors, P k (A q ) ≤ 1 − (1 − p) K et r = max k P k (A q ) ≤ 1 − (1 −p) K < 1 (parce que p < 1/2). En<br />

employant ce fait dans (8) et (9) on obtient que<br />

P k (∩ ∞ m=1A m ) ≤ r n<br />

où n > 0 est arbitraire. Prenant la limite n → ∞, la preuve est finie.<br />

Corrigé 33 Soient RR, NN et RN respectivement les événements, “la carte choisie est entièrement<br />

rouge”, “entièrement noire” et “bicolore”. Soit encore R l’événement, “la face apparente de la carte tirée<br />

est rouge”. On aura<br />

P(RN|R) =<br />

=<br />

= 1 3<br />

P(R|RN)P(RN)<br />

P(R|RR)P(RR) + P(R|RN)P(RN) + P(R|NN)P(NN)<br />

1 · 1<br />

1 1<br />

2 3<br />

3 + 1 1<br />

2<br />

3 + 0 · 1<br />

3<br />

Corrigé 34 Soit M l’événement “le patient est atteint”, B l’événement “le patient est en bonne santé”,<br />

et + l’événement “le résultat du test est positif”. De la formule de Bayes on a<br />

P(M|+) =<br />

=<br />

=<br />

P(+|M)P(M)<br />

P(+|M)P(M) + P(+|B)P(B)<br />

99<br />

100<br />

99 1<br />

100 1000<br />

1<br />

1000 + 2<br />

100<br />

99<br />

2097 ≈ 0.0472<br />

Ceci n’est pas un très bon résultat. Pour essayer de l’améliorer il faut répéter le test. Pour m ≤ n soit<br />

(+) n−m (−) m l’événement “lors de n tests, n − m ont donné un résultat positif et m un résultat négatif”.<br />

Alors, la probabilité qu’un client soit atteint sachant que son test a été fait n fois et que n −m ont donné<br />

un résultat positif et m un résultat négatif, est<br />

P(M|(+) n−m (−) m ) =<br />

=<br />

=<br />

=<br />

=<br />

999<br />

1000<br />

P((+) n−m (−) m |M)P(M)<br />

P((+) n−m (−) m |M)P(M) + P((+) n−m (−) m |B)P(B)<br />

( 99<br />

) n−m ( 1<br />

( 99<br />

100<br />

) n−m ( 1<br />

100<br />

100<br />

99 n−m<br />

) m 1<br />

100 1000<br />

) m 1<br />

1000 + ( 2<br />

100<br />

99 n−m + 2 n−m 98 m · 999<br />

1<br />

1 + 999 · 98 m (2/99) n−m<br />

1<br />

1 + 999 · (49 · 99) m (2/99) n<br />

) n−m ( 98<br />

100<br />

) m 999<br />

1000<br />

De cette formule on peut conclure que par exemple P(M|(+) 2 ) ≈ 0.710 et P(M|(+) 3 ) ≈ 0.992.<br />

Corrigé 35 Le prisonnier a demandé un nom de condamné, mais on ne sait pas quel nom le geôlier va<br />

choisir si les deux autres prisonniers, B et C son condamnés. Si l’on veut décrire complètement la situation<br />

en termes probabilistes, il faut dire comment s’effectue le choix du nom. En l’absence de toute autre<br />

information le prisonnier doit faire une hypothèse, la plus plausible étant celle qui tient compte de son<br />

ignorance totale: Si B et C sont condamnés, le geôlier choisira de nommer B avec la probabilité 1/2 et par<br />

conséquent il nommera C avec la probabilité 1/2. La formalisation du problème est maintenant possible.<br />

L’ensemble fondamental est Ω = {(x, y)} où x prend ses valeurs dans l’ensemble {(AB, BC, CA} (la paire<br />

de prisonniers condamnés) et y prend ses valeurs dans {B, C} (le prisonnier nommé par le gardien). On<br />

définit les variables aléatoires X et Y comme les applications coordonnées de Ω:<br />

{<br />

X(w) = x<br />

Y (w)<br />

= y<br />

7

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!