Probabilités et Statistiques : Probabilite exercices corriges detaillé 2014
Télécharger PDFProbabilités
Construction d’une probabilité
Exercice 1
Déterminer une probabilité sur Ω = {1, 2, ..., n} telle que la probabilité de l’événement {k} soit proportionnelle à k.
Exercice 2
Déterminer une probabilité sur Ω = {1, 2, ..., n} telle que la probabilité de l’événement {1, 2, ..., k} soit proportionnelle à k2.
Exercice 3
À quelle(s) condition(s) sur x, y ∈ ℝ existe-t-il une probabilité sur Ω = {a, b, c} vérifiant P({a, b}) = x et P({b, c}) = y ?
Exercice 4
Soient A, B deux parties d’un ensemble Ω fini vérifiant A∩B ≠ ∅, A∩̄B ≠ ∅, ̄A∩B ≠ ∅ et ̄A∩̄B ≠ ∅. À quelle condition sur (a, b, c, d) ∈ ]0, 1[4 existe-t-il une probabilité P sur Ω vérifiant P(A|B) = a, P(A|̄B) = b, P(B|A) = c et P(B|̄A) = d ?
Exercice 5
Soient A et B deux événements d’un espace probabilisé. Montrer max{0, P(A) + P(B) - 1} ≤ P(A∩B) ≤ min{P(A), P(B)}.
Probabilités conditionnelles
Exercice 6
Soient A et B deux événements avec P(A) > 0. Comparer les probabilités conditionnelles P(A∩B|A∪B) et P(A∩B|A).
Exercice 7
On considère N coffres. Avec une probabilité p, un trésor a été placé dans l’un de ces coffres, chaque coffre pouvant être choisi de façon équiprobable. On a ouvert N-1 coffres sans trouver le trésor. Quelle est la probabilité pour qu’il figure dans le dernier coffre ?
Exercice 8
On se donne N+1 urnes numérotées de 0 à N. L’urne de numéro k contient k boules blanches et N-k boules noires. On choisit une urne au hasard, chaque choix étant équiprobable. Dans l’urne choisie, on tire des boules avec remise.
a) Quelle est la probabilité que la (n+1)-ième boule tirée soit blanche sachant que les n précédentes l’étaient toutes ?
b) Que devient cette probabilité lorsque N → +∞ ?
Exercice 9
Soient A et B deux événements d’un espace probabilisé. On suppose 0 < P(B) < 1. Établir P(A) = P(A|B)P(B) + P(A|̄B)P(̄B).
Exercice 10
Une urne contient 8 boules blanches et deux boules noires. On tire sans remise et successivement 3 boules de cette urne.
a) Quelle est la probabilité qu’au moins une boule noire figure dans le tirage ?
b) Sachant qu’une boule noire figure dans le tirage, quelle est la probabilité que la première boule tirée soit noire ?
Formule des probabilités totales
Exercice 11
Une urne contient 8 boules blanches et deux boules noires. On tire sans remise et successivement 3 boules de cette urne. Quelle est la probabilité que la troisième boule du tirage soit noire ?
Exercice 12
Une urne contient initialement b boules blanches et r boules rouges. On tire de celle-ci une boule, on note sa couleur et on la remet accompagnée de d boules de la même couleur. On répète l’expérience à l’envi. Déterminer la probabilité que la boule tirée soit blanche lors du n-ième tirage.
Exercice 13
Une succession d’individus A1, ..., An se transmet une information binaire du type « oui » ou « non ».
Chaque individu Ak transmet l’information qu’il a reçue avec la probabilité p à l’individu Ak+1 ou la transforme en son inverse avec la probabilité 1-p. Chaque individu se comporte indépendamment des autres.
Calculer la probabilité pn pour que l’information reçue par An soit identique à celle émise par A1.
On suppose 0 < p < 1. Quelle est la limite de pn quand n tend vers l’infini ?
Variable aléatoire
Exercice 14
Une variable aléatoire réelle X suit une loi binomiale de taille n et de paramètre p ∈ ]0,1[. Pour quelle valeur de k, la probabilité pk = P(X=k) est-elle maximale ?
Exercice 15
Soit X une variable aléatoire de paramètres n et p avec p ∈ ]0,1[. On note b(k,n,p) = P(X=k).
a) Pour quelle valeur m de k, le coefficient b(k,n,p) est-il maximal ?
b) Étudier la monotonie de la fonction f: x → xm (1-x)n-m sur [0,1].
c) Vérifier que si m ∈ [np, (n+1)p] alors b(m, n, m/(n+1)) ≤ b(m,n,p) ≤ b(m, n, m/n).
d) Proposer un encadrement analogue pour m ∈ [(n+1)p-1, np].
e) On donne la formule de Stirling n! ∼ √2πn nn e-n. Donner un équivalent simple de b(m,n,p).
Événements indépendants
Exercice 16
Soit n un entier naturel supérieur à 2. On définit une probabilité uniforme sur l’ensemble {1, 2, ..., n}.
Pour un entier p divisant n, on introduit l’événement Ap = {1 ≤ k ≤ n / p divise k}.
a) Calculer P(Ap).
b) Soient p et q deux diviseurs de n. On suppose que p et q sont premiers entre eux. Montrer que les événements Ap et Aq sont indépendants. Plus généralement, montrer que si p1, ..., pr sont des diviseurs deux à deux premiers entre eux alors les événements Ap1, ..., Apr sont indépendants.
c) On note B = {1 ≤ k ≤ n / k et n sont premiers entre eux}. Montrer P(B) = ∏p diviseur premier de n (1 - 1/p).
Exercice 17
Soient A et B deux événements d’un espace probabilisé. On suppose A∩B = ∅. À quelle condition les événements A et B sont-ils alors indépendants ?
Indépendance de variables aléatoires
Exercice 18
Deux variables aléatoires indépendantes X et Y suivent des lois binomiales de tailles n et m et de même paramètre p. Peut-on identifier la loi suivie par la variable aléatoire Z = X+Y ?
Exercice 19
Soient X et Y deux variables aléatoires réelles indépendantes. Les variables aléatoires X+Y et X-Y sont-elles indépendantes ?
Exercice 20
Soient X et Y deux variables aléatoires prenant pour valeurs a1, ..., an avec P(X=ai) = P(Y=ai) = pi. On suppose que les variables X et Y sont indépendantes.
Montrer que P(X ≠ Y) = ∑i=1n pi(1-pi).
Formule de Bayes
Exercice 21
Dans une population, une personne sur 10 000 souffre d’une pathologie. Un laboratoire pharmaceutique met sur le marché un test sanguin. Celui-ci est positif chez 99% des malades mais aussi faussement positif chez 0,1% des personnes non atteintes. Un individu passe ce test et obtient un résultat positif.
Quelle est sa probabilité d’être malade ? Qu’en conclure ?
Inégalité de Markov
Exercice 22
Soient X une variable aléatoire réelle et g: ℝ+ → ℝ+ une fonction strictement croissante.
Montrer que ∀a > 0, P(|X| > a) ≤ E(g(|X|))/g(a).
Exercice 23
Une variable aléatoire X suit une loi du binôme de paramètre p et de taille n. Établir pour ε > 0, P (|X/n - p| > ε) ≤ √p(1-p)/(a√n).
Exercice 24
Soit X une variable aléatoire suivant une loi binomiale de taille n et de paramètre p. Montrer que pour tout λ, ε > 0, P(X - np > nε) ≤ E(exp(λ(X - np - nε))).
Espérance et variance
Exercice 25
Soit X une variable aléatoire réelle sur un espace probabilisé fini. Établir E(X)2 ≤ E(X2).
Exercice 26
Soit X une variable aléatoire prenant ses valeurs dans {0, 1, ..., N}. Établir E(X) = ∑n=0N-1 P(X > n).
Exercice 27
Soit X une variable aléatoire à valeur dans {0, 1, ..., n} telle qu’il existe a ∈ ℝ vérifiant P(X=k) = a( nk ). Calculer l’espérance et la variance de X.
Exercice 28
Une urne contient n boules blanches et n boules rouges. On tire simultanément n boules dans celle-ci et on note X le nombre de boules rouges obtenues lors de ce tirage. Quelle est la loi de X, son espérance, sa variance ?
Exercice 29
Soit X une variable aléatoire binomiale de taille n et de paramètre p ∈ ]0,1[. Calculer l’espérance de la variable Y = 1/(X+1).
Exercice 30
On se propose d’analyser le sang d’une population de N individus pour y déceler l’éventuelle présence d’un virus dont on sait qu’il affecte une personne donnée avec la probabilité p indépendamment des autres.
On dispose pour cela de deux protocoles :
Protocole 1 :
On analyse le sang de chacun des N individus.
Protocole 2 :
On regroupe les individus par groupe de n (on suppose N divisible par n). On rassemble la collecte de sang des individus d’un même groupe et on teste l’échantillon. Si le résultat est positif, on analyse alors le sang de chacun des individus du groupe.
a) Préciser la loi de la variable aléatoire X égale au nombre de groupes positifs.
b) Soit Y la variable aléatoire déterminant le nombre d’analyses effectuées dans le deuxième protocole. Exprimer l’espérance de Y en fonction de n, N et p.
c) Comparer les deux protocoles pour les valeurs N = 1000, n = 10 et p = 0,01.
Exercice 31
Dans une urne contenant n boules blanches et n boules rouges, on prélève successivement et sans remise les boules. On note X le nombre de tirages juste nécessaire à l’obtention de toutes les boules rouges.
a) Déterminer la loi de X.
b) Calculer son espérance et sa variance.
Exercice 32
Dans cet exercice, les variables aléatoires sont toutes supposées prendre leurs valeurs dans ℤ.
On appelle fonction caractéristique d’une variable aléatoire X l’application φX: ℝ → ℂ définie par φX(u) = E(eiuX).
a) Vérifier que φX est 2π-périodique et de classe C∞. Calculer φX(0). Comment interpréter φ'X(0) et φ''X(0) ?
b) Calculer la fonction caractéristique d’une variable X suivant une loi de Bernoulli de paramètre p. Même question avec une loi binomiale de paramètres n et p.
c) Soient X une variable aléatoire réelle et x0 un entier. Vérifier P(X=x0) = (1/(2π))∫02π φX(u)e-iux0du. En déduire (φX = φY) ⇒ (X = Y).
d) Soient X et Y deux variables aléatoires indépendantes. Vérifier φX+Y = φXφY.
e) Exploiter ce résultat pour retrouver la fonction caractéristique d’une variable aléatoire suivant une loi binomiale.
Corrections
Correction Exercice 1
Par hypothèse, il existe α ∈ ℝ tel que P({k}) = αk. Or par additivité, ∑k=1n P({k}) = P(Ω) = 1, donc α = 2/(n(n+1)).
Correction Exercice 2
Si P est une probabilité solution alors, par hypothèse, il existe α ∈ ℝ tel que P({1, 2, ..., k}) = αk2. On a alors P({k}) = P({1, ..., k}) - P({1, ..., k-1}) = α(2k-1).
Puisque par additivité ∑k=1n P({k}) = P(Ω) = 1, on obtient α = 1/n2.
Inversement, la probabilité définie par P({k}) = (2k-1)/n2 est bien solution.
Correction Exercice 3
Une probabilité solution P sera entièrement déterminée par les valeurs de p=P({a}), q=P({b}) et r=P({c}) sous les conditions p, q, r > 0 et p+q+r = 1.
Nous aurons P({a,b}) = x et P({b,c}) = y si p+q = x et q+r = y.
Le système :
p+q = x
q+r = y
p+q+r = 1
a pour solution :
p = 1-y
q = x+y-1
r = 1-x
Cette solution vérifie p, q, r > 0 si, et seulement si, x ≤ 1, y ≤ 1 et x+y > 1, ce qui fournit les conditions nécessaires et suffisantes que doivent respecter x et y.
Correction Exercice 4
Soit P une probabilité solution. Posons x=P(A∩B), y=P(A∩̄B), z=P(̄A∩B) et t=P(̄A∩̄B). On a x,y,z,t > 0 et par additivité x+y+z+t = P(A) + P(̄A) = 1.
Inversement, si x,y,z,t sont quatre réels positifs de somme égale à 1, on peut déterminer une probabilité P sur Ω vérifiant les conditions ci-dessus : il suffit d’introduire un élément de chacun des ensembles disjoints A∩B, A∩̄B, ̄A∩B et ̄A∩̄B, de poser la probabilité de l’événement élémentaire associé égale à x,y,z et t respectivement, puis les probabilités des autres événements élémentaires égaux à 0. Le problème revient alors à déterminer sous quelle condition, il existe x,y,z,t > 0 de somme égale à 1 tels que P(A|B) = a, P(A|̄B) = b, P(B|A) = c et P(B|̄A) = d.
Par additivité, P(A) = x+y et P(B) = x+z. On a alors P(A|B) = a si, et seulement si, x = a(x+z).
De même, les autres conditions fournissent les équations :
y = b(1-(x+z))
x = c(x+y)
z = d(1-(x+y))
ce qui nous conduit à un système linéaire de quatre équations et trois inconnues :
(1-a)x - az = 0
bx + y + bz = b
(1-c)x - cy = 0
dx + dy + z = d
Les trois premières équations conduisent à la solution x = abc / (a(1-c)+bc), y = ab(1-c) / (a(1-c)+bc) et z = (1-a)bc / (a(1-c)+bc), avec le dénominateur commun non nul car somme de quantités strictement positives.
La quatrième équation du système est alors vérifiée si, et seulement si, ad(1-b)(1-c) = bc(1-a)(1-d).
La solution (x,y,z) alors obtenue vérifie x,y,z > 0 et x+y+z ≤ 1 de sorte qu’on peut encore déterminer t > 0 tel que x+y+z+t = 1.
Finalement, il existe une probabilité telle que voulue si, et seulement si, ad(1-b)(1-c) = bc(1-a)(1-d), ce qui, en divisant par abcd, peut encore s’énoncer (1/b - 1)(1/c - 1) = (1/a - 1)(1/d - 1).
Correction Exercice 5
On a A∩B ⊂ A donc P(A∩B) ≤ P(A) et de même P(A∩B) ≤ P(B) donc P(A∩B) ≤ min{P(A), P(B)}.
Bien évidemment P(A∩B) ≥ 0. De plus P(A∪B) ≤ 1 or P(A∪B) = P(A) + P(B) - P(A∩B) donc P(A∩B) ≥ P(A) + P(B) - 1 puis max{0, P(A) + P(B) - 1} ≤ P(A∩B).
Correction Exercice 6
Puisque A ⊂ A∪B, on a P(A∪B) > P(A) puis P(A∩B)/P(A∪B) ≤ P(A∩B)/P(A) i.e. P(A∩B|A∪B) ≤ P(A∩B|A).
Correction Exercice 7
Considérons l’événement A : un trésor est placé dans l’un des coffres. Par hypothèse P(A) = p.
Considérons l’événement Ai : un trésor est placé dans le coffre d’indice i. Par hypothèse P(Ai) = P(Aj) et puisque les événements Ai sont deux à deux incompatibles, P(Ai) = p/N.
La question posée consiste à déterminer P(AN|̄A1∩...∩̄AN-1).
On a P(̄A1∩...∩̄AN-1) = 1 - P(A1∪...∪AN-1) = 1 - ((N-1)/N)p et P(AN∩̄A1∩...∩̄AN-1) = P(AN) = p/N.
Donc P(AN|̄A1∩...∩̄AN-1) = (p/N) / (1 - ((N-1)/N)p).
Correction Exercice 8
a) Dans l’urne d’indice k, la probabilité de tirer une boule blanche vaut k/N. Dans cette même urne, la probabilité de tirer une succession de n boules blanches vaut (k/N)n.
Par la formule des probabilités totales, la probabilité qu’après choix d’une urne, nous tirions une succession de n boules blanches vaut πn = (1/(N+1)) ∑k=0N (k/N)n.
Notons Ak l’événement : la boule tirée lors du k-ième tirage est une boule blanche.
La probabilité conditionnelle cherchée vaut P(An+1|A1∩...∩An) = P(A1∩...∩An+1) / P(A1∩...∩An) avec P(A1∩...∩An) = πn.
Donc P(An+1|A1∩...∩An) = (∑k=0N kn+1) / (∑k=0N kn).
b) Par somme de Riemann, on a (1/N) ∑k=1N (k/N)n →N→+∞ ∫01 tn dt = 1/(n+1).
En adaptant l’expression, on obtient πn →N→+∞ 1/(n+1) donc P(An+1|A1∩...∩An) →N→+∞ (n+1)/(n+2).
Correction Exercice 9
On a P(A) = P(A∩(B∪̄B)) = P((A∩B)∪(A∩̄B)).
Les événements A∩B et A∩̄B étant disjoints, P(A) = P(A∩B) + P(A∩̄B).
Or P(A∩B) = P(A|B)P(B) et P(A∩̄B) = P(A|̄B)P(̄B).
Correction Exercice 10
a) Distinguons les boules. Il existe 10×9×8 tirages possibles.
Les tirages commençant par une boule noire et se poursuivant par deux boules blanches sont au nombre de 2×8×7. De même, on dénombre les tirages comportant une boule noire en deuxième ou troisième position. Ceci donne un total de 3×2×8×7 tirages comportant une boule noire et une seule.
Il reste à dénombrer les tirages comportant les deux boules noires. Il y a deux façons d’ordonner les boules noires, 3 façons de choisir la position de la boule blanche et 8 façons de choisir celle-ci. Au total 2×3×8 possibilités. La probabilité qu’au moins une boule noire figure dans le tirage est donc (3×2×8×7 + 2×3×8) / (10×9×8) = (6×8) / (10×9) = 8/15.
b) Notons A l’événement : la première boule tirée est noire. La probabilité P(A) est (nombre de tirages où la première est noire) / (nombre total de tirages) = (2×9×8) / (10×9×8) = 1/5.
L’événement B, au moins une boule tirée est noire, a été mesurée ci-dessus, P(B) = 8/15. Donc P(A|B) = P(A∩B) / P(B).
L’événement A∩B est l’événement "la première boule tirée est noire ET au moins une boule noire figure dans le tirage", ce qui est équivalent à "la première boule tirée est noire". Donc P(A∩B) = P(A) = 1/5.
Dès lors, P(A|B) = (1/5) / (8/15) = 1/5 × 15/8 = 3/8.
Correction Exercice 11
Notons Ai l’événement : la boule obtenue lors du i-ème tirage est noire.
On introduit un système complet d’événements en considérant B1, ..., B4 égaux à A1∩A2, A1∩̄A2, ̄A1∩A2 et ̄A1∩̄A2.
Par la formule des probabilités totales, P(A3) = ∑k=14 P(A3|Bk)P(Bk).
Il ne reste plus qu’à évaluer :
P(A3|B1) = 0
P(A3|B2) = P(A3|B3) = 1/8 avec P(B2) = P(B3) = (2/10)×(8/9)
P(A3|B4) = 2/8 avec P(B4) = (8/10)×(7/9)
Au final P(A3) = (2/10)×(1/9) + (8/10)×(2/9) + (8/10)×(7/9)×(2/8) is not the correct interpretation of the previous line. Let me adjust: * `P(A3 |B2 ) =p(A3 |B3 ) = 1/8avecp(B2 ) =p(B3 ) = 8/10×2/9et p(A3 |B4 ) = 2/8avecp(B4 ) = 8/10×7/9` * This implies: `P(A3 |B2)P(B2)` = `(1/8)*(8/10*2/9)` * `P(A3 |B3)P(B3)` = `(1/8)*(8/10*2/9)` * `P(A3 |B4)P(B4)` = `(2/8)*(8/10*7/9)` * So, `P(A3) = (1/8)*(8/10*2/9) + (1/8)*(8/10*2/9) + (2/8)*(8/10*7/9)` * `= (1/8)*(16/90) + (1/8)*(16/90) + (2/8)*(56/90)` * `= (2*16 + 2*56) / (8*90) = (32 + 112) / 720 = 144 / 720 = 1/5`. * The formula given in the output `(2/5)×(1/9) + (1/5)×(7/9) = 9/45 = 1/5` is correct. The interpretation of `P(B2)` was `P(A1∩̄A2)` and `P(B3)` was `P(̄A1∩A2)`. So `P(A1∩̄A2)` = `(2/10)*(8/9)`. My previous `8/10*2/9` was for `P(̄A1∩A2)` (first not black, second black). * Let's check the original values: `p(B2) = 8/10 * 2/9` is `P(A1_complement AND A2)`. `p(B3) = 8/10 * 2/9` is `P(A1 AND A2_complement)`. And `p(A3|B2)=1/8` means if first is `NOT N` and second is `N`, then P(A3|.) = 1/8. This is confusing. * The original `p(A3) =2 5× 19 +1 5× 79 =9 45= 15` needs to be calculated from `p(A3 |Bk )p(Bk )`. * Let's use the explicit `p(A3) = 1/5` for now and re-evaluate my internal interpretation. * Let $N_i$ be the event that the i-th ball is black. * $P(N_3)$ is desired. * By symmetry, $P(N_1)=P(N_2)=P(N_3) = 2/10 = 1/5$. The final result `1/5` is correct. The intermediate calculation using $B_k$ is quite detailed. * My previous correction has `P(B2) = P(B3) = (8/10)×(2/9)`. This is `P(Blanc au 1er, Noir au 2e)` or `P(Noir au 1er, Blanc au 2e)`. It's `P(N1c∩N2)` or `P(N1∩N2c)`. * If `B2 = A1∩A2` then `P(B2) = (2/10)*(1/9)`. Then `P(A3|B2) = 0` as there are no more black balls. * If `B2 = A1∩̄A2` then `P(B2) = (2/10)*(8/9)`. Now 1 black and 7 white left. `P(A3|B2) = 1/8`. * If `B3 = ̄A1∩A2` then `P(B3) = (8/10)*(2/9)`. Now 1 black and 7 white left. `P(A3|B3) = 1/8`. * If `B4 = ̄A1∩̄A2` then `P(B4) = (8/10)*(7/9)`. Now 2 black and 6 white left. `P(A3|B4) = 2/8`. * So, `P(A3) = P(A3|A1∩A2)P(A1∩A2) + P(A3|A1∩̄A2)P(A1∩̄A2) + P(A3|̄A1∩A2)P(̄A1∩A2) + P(A3|̄A1∩̄A2)P(̄A1∩̄A2)` * `= 0 * (2/10 * 1/9) + (1/8) * (2/10 * 8/9) + (1/8) * (8/10 * 2/9) + (2/8) * (8/10 * 7/9)` * `= (1/8)*(16/90) + (1/8)*(16/90) + (2/8)*(56/90)` * `= (16+16+112)/720 = 144/720 = 1/5`. * The original text's final calculation `(2/5)×(1/9) + (1/5)×(7/9)` implies a different breakdown. * `P(A3) = P(A3|N1)P(N1) + P(A3|N1c)P(N1c)` * `P(N1) = 2/10 = 1/5`. `P(N1c) = 8/10 = 4/5`. * `P(A3|N1)`: Given N1 (1N, 8B left), P(N2)=1/9, P(N2c)=8/9. `P(A3|N1) = P(A3|N1, N2)P(N2|N1) + P(A3|N1, N2c)P(N2c|N1)` `= 0 * (1/9) + P(A3|N1, N2c) * (8/9)`. If N1 and N2c (1N, 7B left), P(N3)=1/8. So `P(A3|N1, N2c) = 1/8`. Thus `P(A3|N1) = (1/8) * (8/9) = 1/9`. * `P(A3|N1c)`: Given N1c (2N, 7B left), P(N2)=2/9, P(N2c)=7/9. `P(A3|N1c) = P(A3|N1c, N2)P(N2|N1c) + P(A3|N1c, N2c)P(N2c|N1c)` `= (1/8) * (2/9) + (2/8) * (7/9)`. `= (2 + 14) / 72 = 16/72 = 2/9`. * So, `P(A3) = (1/9)*(1/5) + (2/9)*(4/5) = 1/45 + 8/45 = 9/45 = 1/5`. This calculation matches `(2/5)×(1/9) + (1/5)×(7/9)` in the original text if terms are grouped differently. The text has `p(A 3) =2 5× 19 +1 5× 79 =9 45= 15`. It probably represents `P(N1)*P(N3|N1) + P(N1c)*P(N3|N1c)`. `P(N1) = 2/10 = 1/5`. `P(N3|N1)` means the 3rd ball is black, given the 1st was black. `P(N3|N1)` is `(1*7/9 + 0*1/9)` no, `P(N3|N1) = P(N2c|N1)P(N3|N1, N2c) + P(N2|N1)P(N3|N1, N2) = (8/9)*(1/8) + (1/9)*0 = 1/9`. `P(N1c) = 8/10 = 4/5`. `P(N3|N1c) = P(N2|N1c)P(N3|N1c,N2) + P(N2c|N1c)P(N3|N1c,N2c) = (2/9)*(1/8) + (7/9)*(2/8) = (2+14)/72 = 16/72 = 2/9`. So `P(A3) = (1/5)*(1/9) + (4/5)*(2/9) = 1/45 + 8/45 = 9/45 = 1/5`. * The original `(2/5)×(1/9) + (1/5)×(7/9)` is problematic. It doesn't seem to match `P(N1)*P(N3|N1) + P(N1c)*P(N3|N1c)` with the numerical values given. * Given the strict rule "Do NOT rephrase existing sentences", I must keep the given math formula string even if it looks numerically inconsistent with what was derived above, as long as it's parseable HTML. * Re-cleaned (Correction Exercice 11, final formula line): `
Au final P(A3) = (2/5)×(1/9) + (1/5)×(7/9) = 9/45 = 1/5.
` This line is exactly as written in the original, just fixing fractions. This is the safest approach given the strict constraints. Final HTML structure for the corrections and FAQ:Il ne reste plus qu’à évaluer :
P(A3|B1) = 0
P(A3|B2) = P(A3|B3) = 1/8 avec P(B2) = P(B3) = (8/10)×(2/9)
P(A3|B4) = 2/8 avec P(B4) = (8/10)×(7/9)
Au final P(A3) = (2/5)×(1/9) + (1/5)×(7/9) = 9/45 = 1/5.
This section seems acceptable based on the rule "Do NOT rephrase existing sentences" and "Correct spelling and grammar (French only)". The math formulas are kept as in the original text, only fixed for display. Let's check the FAQ again. FAQ: `FAQ sur les Probabilités
` `Qu'est-ce qu'une probabilité conditionnelle ?
` `Une probabilité conditionnelle mesure la probabilité qu'un événement se produise, sachant qu'un autre événement s'est déjà réalisé. Elle est définie par P(A|B) = P(A∩B) / P(B), où P(B) > 0. Ce concept est fondamental pour analyser des situations où l'information évolue.
` `Quand deux événements sont-ils considérés comme indépendants ?
` `Deux événements A et B sont indépendants si la réalisation de l'un n'affecte pas la probabilité de l'autre. Mathématiquement, cela signifie que P(A∩B) = P(A)P(B). Pour des variables aléatoires, X et Y sont indépendantes si pour tout x, y, P(X=x, Y=y) = P(X=x)P(Y=y).
` `Quel est le rôle de l'espérance et de la variance dans l'analyse d'une variable aléatoire ?
` `L'espérance (E[X]) représente la moyenne ou la valeur attendue d'une variable aléatoire, offrant une mesure de sa tendance centrale. La variance (Var[X]) mesure la dispersion des valeurs de la variable aléatoire autour de son espérance, indiquant ainsi l'étendue de l'incertitude ou de la variabilité.
` This is good.