Exercices corrigés Terminale spécialité : loi binomiale, concentration et loi des grands nombres

↩ Chapitre : Probabilités et loi binomiale (Terminale spécialité)

Introduction

Douze exercices corrigés de probabilités (Terminale spécialité, programme de 2019), de difficulté croissante : schéma de Bernoulli et loi binomiale, espérance et variance, sommes de variables aléatoires, inégalités de Bienaymé-Tchebychev et de concentration, loi des grands nombres.

Avant de commencer

Revoir les résumés de cours sur la loi binomiale et sur les sommes de variables aléatoires et la loi des grands nombres. Une calculatrice est utile pour les calculs de probabilités binomiales.

Exercices

Exercice 1 · Loi binomiale : calcul de probabilités ★★★

On répète 10 fois, de façon indépendante, une épreuve dont la probabilité de succès est 0{,}3. On note X le nombre de succès.

  1. Justifier que X suit une loi binomiale dont on précisera les paramètres.
  2. Calculer P(X=3) et P(X\geqslant1), arrondies à 10^{-4}.
Corrigé
  1. On répète 10 fois, de manière identique et indépendante, une épreuve de Bernoulli de paramètre 0{,}3, et X compte les succès : X suit la loi \mathcal B(10\,;0{,}3).
  2. P(X=3)=\binom{10}3\times0{,}3^3\times0{,}7^7=120\times0{,}027\times0{,}7^7\approx0{,}2668.

P(X\geqslant1)=1-P(X=0)=1-0{,}7^{10}\approx0{,}9718.

Exercice 2 · Espérance et variance ★★★

Une variable X suit la loi \mathcal B(50\,;0{,}2). Calculer son espérance, sa variance et son écart type.

Corrigé

E(X)=50\times0{,}2=10 ; V(X)=50\times0{,}2\times0{,}8=8 ; \sigma(X)=\sqrt8=2\sqrt2\approx2{,}83.

Exercice 3 · Arbre de trois épreuves ★★★

On lance trois fois une pièce truquée pour laquelle la probabilité d’obtenir pile est 0{,}4. Calculer la probabilité d’obtenir exactement deux piles, à l’aide d’un arbre.

Corrigé

Trois chemins de l’arbre comportent exactement deux piles (PPF, PFP, FPP), chacun de probabilité 0{,}4^2\times0{,}6=0{,}096. La probabilité cherchée vaut 3\times0{,}096=0{,}288, ce qui correspond à \binom32\times0{,}4^2\times0{,}6.

Exercice 4 · Tirages avec remise ★★★

Une urne contient 3 boules rouges et 7 boules blanches. On tire successivement 5 boules avec remise et on note X le nombre de boules rouges obtenues. Calculer P(X=2).

Corrigé

Les tirages avec remise sont identiques et indépendants : X suit la loi \mathcal B(5\,;0{,}3). P(X=2)=\binom52\times0{,}3^2\times0{,}7^3=10\times0{,}09\times0{,}343=0{,}3087.

Exercice 5 · Nombre minimal de répétitions ★★★

À chaque tentative, un joueur réussit avec la probabilité 0{,}1, indépendamment des autres tentatives. Combien de tentatives faut-il au minimum pour que la probabilité de réussir au moins une fois dépasse 0{,}95 ?

Corrigé

Avec n tentatives, la probabilité d’au moins une réussite est 1-0{,}9^n. On veut 0{,}9^n\leqslant0{,}05, soit n\ln0{,}9\leqslant\ln0{,}05, puis n\geqslant\frac{\ln0{,}05}{\ln0{,}9}\approx28{,}4 (division par \ln0{,}9 < 0). Il faut au moins 29 tentatives.

Exercice 6 · Contrôle de qualité ★★★

Une machine produit des pièces dont 4\,\% sont défectueuses. On prélève un lot de 50 pièces, assimilé à un tirage avec remise, et on note X le nombre de pièces défectueuses.

  1. Donner la loi de X et son espérance.
  2. Calculer P(X=0) et P(X\leqslant2), arrondies à 10^{-3}.
Corrigé
  1. X suit la loi \mathcal B(50\,;0{,}04) et E(X)=2.
  2. P(X=0)=0{,}96^{50}\approx0{,}130. P(X\leqslant2)=P(X=0)+P(X=1)+P(X=2)\approx0{,}677 (calculatrice).

Exercice 7 · Linéarité et variance ★★★

X et Y sont deux variables aléatoires indépendantes avec E(X)=2, V(X)=1, E(Y)=-1 et V(Y)=4. Calculer E(2X-Y+3) et V(2X-Y).

Corrigé

E(2X-Y+3)=2E(X)-E(Y)+3=4+1+3=8. Par indépendance : V(2X-Y)=V(2X)+V(-Y)=4V(X)+V(Y)=4+4=8.

Exercice 8 · Somme de deux dés ★★★

On lance deux dés équilibrés et on note S=X_1+X_2 la somme obtenue.

  1. Calculer E(X_1) et V(X_1).
  2. En déduire E(S) et V(S).
Corrigé
  1. E(X_1)=\frac{1+2+\cdots+6}6=\frac72 ; E(X_1^2)=\frac{1+4+9+16+25+36}6=\frac{91}6, donc V(X_1)=\frac{91}6-\frac{49}4=\frac{35}{12}.
  2. E(S)=2\times\frac72=7 et, les dés étant indépendants, V(S)=2\times\frac{35}{12}=\frac{35}6.

Exercice 9 · Inégalité de Bienaymé-Tchebychev ★★★

On lance 100 fois une pièce équilibrée et on note X le nombre de piles.

  1. Calculer E(X) et V(X).
  2. À l’aide de l’inégalité de Bienaymé-Tchebychev, minorer P(40 < X < 60).
Corrigé
  1. X suit \mathcal B(100\,;0{,}5) : E(X)=50, V(X)=25.
  2. P(|X-50|\geqslant10)\leqslant\frac{25}{10^2}=0{,}25. Or \{40 < X < 60\} est l’événement contraire de \{|X-50|\geqslant10\} : P(40 < X < 60)\geqslant0{,}75.

Exercice 10 · Taille d’un échantillon ★★★

On étudie une variable X de variance V(X)=0{,}25 et on note M_n la moyenne d’un échantillon de taille n de la loi de X. Déterminer une taille n garantissant, d’après l’inégalité de concentration, P\big(|M_n-E(X)|\geqslant0{,}05\big)\leqslant0{,}05.

Corrigé

L’inégalité de concentration donne P\big(|M_n-E(X)|\geqslant0{,}05\big)\leqslant\frac{0{,}25}{n\times0{,}05^2}=\frac{100}n. Il suffit que \frac{100}n\leqslant0{,}05, soit n\geqslant2\,000.

Exercice 11 · Un jeu et la loi des grands nombres ★★★

Un joueur mise 1 euro et lance un dé équilibré : s’il obtient 6, il reçoit 5 euros, sinon rien. On note G son gain algébrique.

  1. Donner la loi de G et calculer E(G) et V(G).
  2. Que peut-on dire du gain moyen par partie sur un grand nombre de parties ?
Corrigé
  1. P(G=4)=\frac16 et P(G=-1)=\frac56. E(G)=\frac46-\frac56=-\frac16. E(G^2)=\frac{16}6+\frac56=\frac72, d’où V(G)=\frac72-\frac1{36}=\frac{125}{36}.
  2. D’après la loi des grands nombres, la moyenne des gains sur n parties se rapproche de E(G)=-\frac16 quand n grandit : en moyenne, le joueur perd environ 0{,}17 euro par partie.

Exercice 12 · Simulation en Python ★★★

On considère la fonction Python suivante :

from random import random
def moyenne(n, p):
s = 0
for k in range(n):
if random() < p:
s = s + 1
return s / n
  1. Que simule l’instruction « random() < p » ? Que renvoie la fonction ?
  2. Vers quelle valeur tend le résultat quand n devient grand ? Justifier.
Corrigé
  1. « random() < p » est vrai avec la probabilité p : c’est une épreuve de Bernoulli de paramètre p. La fonction renvoie la moyenne M_n de n variables de Bernoulli indépendantes, c’est-à-dire la fréquence de succès sur n épreuves.
  2. Par la loi des grands nombres, M_n se rapproche de l’espérance p : la fréquence observée tend à se stabiliser autour de p.

Pour aller plus loin

Besoin d’aide sur ce chapitre ?

Un blocage sur une notion, un contrôle à préparer ou le bac en ligne de mire : Pr. Elakili, agrégé de mathématiques depuis 1991, propose des cours particuliers aux lycéens (Première, Terminale, Maths expertes), en présentiel à Casablanca, ou à distance, partout au Maroc et en France.

Publications similaires