ATLAS Ouvrir dans l'atlas →

ExerciceMaths Sup – MPSI, chapitre 21 — Dénombrement et probabilités · Espérance

Exercice 78

DémonstrationCalcul

Dans un troupeau, chaque vache est atteinte d'une maladie avec la probabilité p=0,15p = 0{,}15, indépendamment des autres. Pour dépister la maladie chez n⩾2n \geqslant 2 vaches, on dispose de deux méthodes. Dans la première, on analyse le lait de chaque vache, ce qui demande nn analyses. Dans la seconde, on analyse le mélange des laits des nn vaches : si le résultat est négatif, aucune vache n'est malade et l'on s'arrête ; sinon, on analyse le lait de chaque vache. On note XnX_{n} le nombre d'analyses effectuées avec la seconde méthode, et Yn=XnnY_{n} = \frac{X_{n}}{n} le nombre moyen d'analyses par vache.

1. Déterminer la loi de YnY_{n}, et montrer que E(Yn)=1+1n−(0,85)n\mathrm{E}(Y_{n}) = 1 + \frac{1}{n} - (0{,}85)^{n}.

2. On pose a=ln⁡(0,85)a = \ln(0{,}85) et f(x)=ax+ln⁡xf(x) = ax + \ln x pour x>0x > 0. Étudier les variations de ff, et déterminer les entiers n⩾2n \geqslant 2 tels que f(n)>0f(n) > 0.

3. Montrer que f(n)>0f(n) > 0 si et seulement si E(Yn)<1\mathrm{E}(Y_{n}) < 1. Pour quels effectifs la seconde méthode est-elle avantageuse en moyenne ? Quel effectif minimise le nombre moyen d'analyses par vache ?

Corrigé

Pour i∈⟦1 ,n⟧i \in \llbracket 1\,,n \rrbracket, soit MiM_{i} l'indicatrice de l'événement « la vache ii est malade » ; les MiM_{i} sont mutuellement indépendantes, de loi ℬ(0,15)\mathcal{B}(0{,}15), et l'on n'a pas besoin de décrire l'univers (proposition 17).

1. Si aucune vache n'est malade, la seconde méthode demande une analyse ; sinon, elle en demande 1+n1 + n. L'événement « aucune vache n'est malade » est (M1=0,…,Mn=0)(M_{1} = 0, \dots, M_{n} = 0), de probabilité 0,85n0{,}85^{n} par indépendance. La variable YnY_{n} prend donc deux valeurs : P(Yn=1n)=0,85n,P(Yn=1+1n)=1−0,85n\boxed{\mathrm{P}\Big(Y_{n} = \frac{1}{n}\Big) = 0{,}85^{n}, \qquad \mathrm{P}\Big(Y_{n} = 1 + \frac{1}{n}\Big) = 1 - 0{,}85^{n}} et E(Yn)=1n 0,85n+(1+1n)(1−0,85n),E(Yn)=1+1n−0,85n\mathrm{E}(Y_{n}) = \frac{1}{n}\,0{,}85^{n} + \Big(1 + \frac{1}{n}\Big)(1 - 0{,}85^{n}), \qquad \boxed{\mathrm{E}(Y_{n}) = 1 + \frac{1}{n} - 0{,}85^{n}}

2. La fonction ff est dérivable sur ]0 ,+∞[\left]0\,,+\infty\right[, et f′(x)=a+1xf'(x) = a + \frac{1}{x}, du signe de 1+ax1 + ax, puisque x>0x > 0. Comme a<0a < 0, f′f' s'annule en x0=−1a≈6,15x_{0} = -\frac{1}{a} \approx 6{,}15, et f croıˆt sur ]0 ,x0] et deˊcroıˆt sur [x0 ,+∞[,x0=−1ln⁡(0,85)≈6,15\boxed{f \text{ croît sur } \left]0\,,x_{0}\right] \text{ et décroît sur } \left[x_{0}\,,+\infty\right[, \qquad x_{0} = -\frac{1}{\ln(0{,}85)} \approx 6{,}15} De plus f(x)→−∞f(x) \to -\infty quand x→0x \to 0, et aussi quand x→+∞x \to +\infty, puisque ln⁡x=o(x)\ln x = o(x) (chapitre 10) ; le maximum vaut f(x0)=−1+ln⁡(x0)≈0,817>0f(x_{0}) = -1 + \ln(x_{0}) \approx 0{,}817 > 0. Par stricte monotonie de part et d'autre de x0x_{0}, l'ensemble des xx tels que f(x)>0f(x) > 0 est un intervalle ouvert qui contient x0x_{0}. Or f(n)>0f(n) > 0 équivaut à n 0,85n>1n\,0{,}85^{n} > 1, et 2×0,852=1,445>1,17×0,8517≈1,073>1,18×0,8518≈0,966<1.2 \times 0{,}85^{2} = 1{,}445 > 1, \qquad 17 \times 0{,}85^{17} \approx 1{,}073 > 1, \qquad 18 \times 0{,}85^{18} \approx 0{,}966 < 1. Comme 2<x0<172 < x_{0} < 17, la monotonie de ff sur [2 ,x0][2\,,x_{0}] et sur [x0 ,17][x_{0}\,,17] donne f(x)⩾min⁡(f(2),f(17))>0f(x) \geqslant \min\big(f(2), f(17)\big) > 0 sur [2 ,17][2\,,17], puis f(n)⩽f(18)<0f(n) \leqslant f(18) < 0 pour n⩾18n \geqslant 18, par décroissance : f(n)>0  ⟺  n∈⟦2 ,17⟧\boxed{f(n) > 0 \iff n \in \llbracket 2\,,17 \rrbracket}

3. Par la question 1, E(Yn)<1  ⟺  1n<0,85n  ⟺  −ln⁡n<nln⁡(0,85)  ⟺  f(n)>0\mathrm{E}(Y_{n}) < 1 \iff \frac{1}{n} < 0{,}85^{n} \iff -\ln n < n\ln(0{,}85) \iff f(n) > 0, la fonction ln⁡\ln étant strictement croissante. La seconde méthode demande en moyenne moins d'une analyse par vache, et elle est donc avantageuse en moyenne, pour les troupeaux de 2 aˋ 17 vaches\boxed{\text{pour les troupeaux de } 2 \text{ à } 17 \text{ vaches}}.

Pour l'effectif optimal, on calcule n234567E(Yn)0,77750,71920,72800,75630,78950,8223\begin{array}{c|cccccc} n & 2 & 3 & 4 & 5 & 6 & 7 \\ \hline \mathrm{E}(Y_{n}) & 0{,}7775 & 0{,}7192 & 0{,}7280 & 0{,}7563 & 0{,}7895 & 0{,}8223 \end{array} les valeurs autres que la première étant arrondies. Pour n⩾8n \geqslant 8, on a 0,85n⩽0,8580{,}85^{n} \leqslant 0{,}85^{8}, donc E(Yn)>1−0,85n⩾1−0,858≈0,7275>E(Y3).\mathrm{E}(Y_{n}) > 1 - 0{,}85^{n} \geqslant 1 - 0{,}85^{8} \approx 0{,}7275 > \mathrm{E}(Y_{3}). Ainsi l'effectif n=3n = 3 minimise le nombre moyen d'analyses par vache : n=3,E(Y3)=1+13−0,853≈0,719\boxed{n = 3, \qquad \mathrm{E}(Y_{3}) = 1 + \frac{1}{3} - 0{,}85^{3} \approx 0{,}719} En regroupant les vaches par trois, on économise en moyenne 28 %28\,\% des analyses.

Figure

Les points bleus, de n=2n = 2 à n=17n = 17, sont sous la droite rouge d'ordonnée 11, qui représente la première méthode : le regroupement y est avantageux ; à partir de n=18n = 18, en ocre, il ne l'est plus. Le minimum, entouré, est atteint pour n=3n = 3, bien avant le maximum x0≈6,15x_{0} \approx 6{,}15 de ff, qui ne mesure que le signe de 1−E(Yn)1 - \mathrm{E}(Y_{n}), et non sa valeur.

Piège. L'erreur la plus répandue est de chercher l'effectif optimal en maximisant ff, ce qui donnerait n=6n = 6 : la fonction ff ne sert qu'à comparer E(Yn)\mathrm{E}(Y_{n}) à 11, et la quantité à minimiser est 1n−0,85n\frac{1}{n} - 0{,}85^{n}, qui n'a pas les mêmes variations.

Ouvrir dans l'atlas interactif →