15.01.2015 Views

Exercices 2011 - STAT

Exercices 2011 - STAT

Exercices 2011 - STAT

SHOW MORE
SHOW LESS

You also want an ePaper? Increase the reach of your titles

YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.

Où on a employé le fait que pour tout x ∈ R d , lim n→∞<br />

(<br />

1 +<br />

x<br />

n) n<br />

= e x . Mais,<br />

Alors,<br />

lim<br />

n→∞<br />

n! 1<br />

(n − k)! n k = 1<br />

lim P(Y n = k) = e −λλk<br />

n→∞ k!<br />

Corrigé 91 a) Soient X 1 , X 2 , . . . , X n des variables aléatoires indépendantes et identiquement distribuées.<br />

Supposons que E(X 1 ) = 0 et que E(X 2 1) = 1. Alors,<br />

X 1 + X 2 + · · ·X n<br />

√ n<br />

converge en distribution vers une variable alétoire gaussienne centrée réduite.<br />

b) Soit X le nombre de faces obtenus. X est égal à la somme de 500 variables aléatoires indépendentes<br />

de Bernoulli de paramètre 1/2. X est donc une v.a. binomiale de paramètres n = 500 et p = 1/2.<br />

Son espérance et sa variance valent donc<br />

m := E(X) = np = 500 · 1<br />

2 = 250<br />

et<br />

σ 2 := V ar(X) = np(1 − p) = 500 · 1<br />

2 · 1<br />

2 = 125<br />

Y étant une variable gaussienne centrée réduite, on a ensuite<br />

P(250 − 10 ≤ X ≤ 250 + 10) = P(240 ≤ X ≤ 260)<br />

( 240 − m<br />

≈ P<br />

≤ Y ≤ 260 − m )<br />

σ<br />

σ<br />

( −10<br />

= P<br />

11, 18 ≤ Y ≤ 10 )<br />

11, 18<br />

= P(−0, 894 ≤ Y ≤ 0, 894)<br />

= 2 · P(0 ≤ Y ≤ 0, 894)<br />

= 2 · 0, 314<br />

= 0, 628<br />

Corrigé 92 En 25 journées de travail, 625 armoires sont produites; à chacune d’entre elles correspond<br />

une variable de Bernoulli X i de paramètre p = 0, 95, prenant la valeur 1 si l’armoire est sans défaut, 0<br />

sinon. Ces variables aléatoires sont indépendantes, leur somme a pour moyenne:<br />

E( ∑ 625<br />

i=1 X i) = 625 × 0, 95 = 593, 75<br />

et pour variance: V ar( ∑ 625<br />

i=1 X i) = ∑ 625<br />

i=1 V ar(X i) = 625 × 0, 95 × 0, 05 = 29, 6875 .<br />

En appliquant le Théorème Central Limite et en effectuant une correction de continuité, on obtient:<br />

P {X 1 + ... + X 625 ≥ 600} = P {X 1 + ... + X 625 > 599}<br />

= P {X 1 + ... + X 625 > 599, 5}<br />

= P { X 1 + ... + X 625 − 593, 75 599, 5 − 593, 75<br />

√ > √ }<br />

29, 6875 29, 6875<br />

∼= P {Z > 1, 0553},<br />

où Z est une variable normale centrée réduite.<br />

La lecture des tables donne ensuite: P {X 1 + ... + X 625 ≥ 600} ∼ = 0, 85.<br />

Corrigé 93 a) Avec n mesures, l’intervalle de confiance à 90% pour m est:<br />

[X n − σΦ α/2<br />

√ n<br />

; X n + σΦ α/2<br />

√ n<br />

]<br />

(X n étant la moyenne arithmétique des n mesures).<br />

Pour diminuer de moitié la longueur de cet intervalle de confiance à 90% pour m, il faut donc<br />

quadrupler le nombre de mesures effectuées, autrement dit effectuer 75 mesures supplémentaires.<br />

25

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

Saved successfully!

Ooh no, something went wrong!