Formulaires, étapes clés de la méthode pour chaque thème et 10 exercices, avec les corrigés complets à la fin.
X est normale de moyenne 60 s et d’écart-type 5 s ; Y est indépendante et normale de moyenne 45 s et d’écart-type 4 s. Trouvez la probabilité P que X + Y dépasse 117,8 s. Arrondissez z à deux décimales.
Les diamètres D des alésages sont normaux de moyenne 25,03 mm et d’écart-type 0,02 mm. Les diamètres d des arbres sont indépendants et normaux de moyenne 25 mm et d’écart-type 0,01 mm. Un arbre choisi au hasard s’ajuste lorsque D − d > 0. Trouvez la probabilité P qu’il s’ajuste. Arrondissez z à deux décimales.
On compare l’autonomie de la batterie de deux modèles de téléphone. Modèle 1 : 50 téléphones, moyenne 97 h, écart-type connu 12 h. Modèle 2 : 100 téléphones, moyenne 102 h, écart-type connu 17 h. Trouvez la borne supérieure de l’intervalle de confiance à 95 % pour μ₁ − μ₂.
L’écart-type de la population est 29. Quelle taille d’échantillon n faut-il pour qu’un intervalle de confiance à 99 % pour la moyenne ait une marge d’erreur d’au plus 2,5 ?
On compare deux méthodes d’enseignement. Groupe 1 : 5 étudiants, note moyenne 30,5, écart-type 10,5. Groupe 2 : 7 étudiants, note moyenne 21,2, écart-type 7,5. Supposez les variances des populations égales et utilisez le test t à deux échantillons avec variance commune. Trouvez la statistique de test t pour H₀ : μ₁ = μ₂, en prenant la différence x̄₁ − x̄₂ (groupe 1 moins groupe 2).
Dans un essai, 140 patients sur 200 sous traitement A guérissent, et 231 sur 300 sous traitement B. En utilisant la proportion commune, trouvez la statistique de test z pour H₀ : p₁ = p₂.
Le tableau donne 5 observations appariées de x = heures de révision et y = note à l’examen. Trouvez le coefficient de corrélation de Pearson r.
Le tableau donne 6 observations appariées de x = dépenses publicitaires en k€ et y = ventes en k€. Utilisez la droite des moindres carrés ŷ = a + b·x. Pour quelle valeur x la droite prédit-elle ŷ = 95 ?
Le tableau de contingence indique les effectifs observés. Calculez la statistique du khi-deux χ² du test d’indépendance entre la variable en ligne et la variable en colonne. N’utilisez pas de correction de continuité.
Un test d’indépendance du khi-deux est effectué sur un tableau de contingence de 2 lignes et 2 colonnes (sans compter les totaux). Combien de degrés de liberté df le test a-t-il ?
Réponse: P = 0,02275
Sommes et différences de variables normales : si X et Y sont indépendantes et normales, X + Y et X − Y sont aussi normales. Les moyennes s’additionnent ou se soustraient : E(X ± Y) = μX ± μY. Les variances s’additionnent toujours, même pour une différence : Var(X ± Y) = σX² + σY², donc σ = √(σX² + σY²). Les écarts-types ne s’additionnent jamais directement. Le total de n éléments indépendants de même loi a pour moyenne n·μ et pour écart-type σ·√n. Centrez et réduisez ensuite comme d’habitude : z = (x − moyenne)/σ et lisez Φ(z).
Réponse: P = 0,9099
Sommes et différences de variables normales : si X et Y sont indépendantes et normales, X + Y et X − Y sont aussi normales. Les moyennes s’additionnent ou se soustraient : E(X ± Y) = μX ± μY. Les variances s’additionnent toujours, même pour une différence : Var(X ± Y) = σX² + σY², donc σ = √(σX² + σY²). Les écarts-types ne s’additionnent jamais directement. Le total de n éléments indépendants de même loi a pour moyenne n·μ et pour écart-type σ·√n. Centrez et réduisez ensuite comme d’habitude : z = (x − moyenne)/σ et lisez Φ(z).
Réponse: borne supérieure = −0,2919 h
Interval for a difference: estimate ± critical value × standard error. For two independent means with known σ: SE = √(σ₁²/n₁ + σ₂²/n₂) and z. With equal unknown variances: pooled s_p and t with n₁ + n₂ − 2 degrees of freedom. For paired data, work with the differences: d̄ ± t·s_d/√n.
L’intervalle ne contient pas 0, donc les moyennes diffèrent significativement.
Réponse: n = 893
Intervalle de confiance pour une moyenne : x̄ ± marge d’erreur. Si l’écart-type σ de la population est connu, la marge vaut z·σ/√n ; si l’on ne dispose que de l’écart-type de l’échantillon s, utilisez t à n − 1 degrés de liberté : t·s/√n. Valeurs critiques : z = 1,645 (90 %), 1,96 (95 %), 2,576 (99 %). Pour obtenir une marge E ou moins, il faut n ≥ (z·σ/E)², arrondi à l’entier supérieur.
Une taille d’échantillon est un nombre entier, et arrondir vers le bas rendrait la marge trop grande.
Réponse: t = 1,8
Hypothesis test: the test statistic = (estimate − value under H₀)/(standard error under H₀). The p-value is the probability, assuming H₀ is true, of a statistic at least as extreme as the one observed: the area in one tail for a one-sided H₁, twice the tail area for a two-sided H₁. Reject H₀ when p ≤ α.
Avec df = 10, la valeur critique bilatérale à 5 % vaut 2,228 ; |t| est plus petit, donc H₀ n’est pas rejetée.
Réponse: z = −1,753
Hypothesis test: the test statistic = (estimate − value under H₀)/(standard error under H₀). The p-value is the probability, assuming H₀ is true, of a statistic at least as extreme as the one observed: the area in one tail for a one-sided H₁, twice the tail area for a two-sided H₁. Reject H₀ when p ≤ α.
|z| < 1,96, donc H₀ n’est pas rejetée au seuil de 5 % (bilatéral).
Réponse: r = 0,9937
Régression par les moindres carrés : avec x̄ et ȳ les moyennes, Sxx = Σ(x − x̄)², Syy = Σ(y − ȳ)² et Sxy = Σ(x − x̄)(y − ȳ), la droite ŷ = a + b·x a pour pente b = Sxy/Sxx et pour ordonnée à l’origine a = ȳ − b·x̄ ; elle passe donc toujours par (x̄, ȳ). Le coefficient de corrélation de Pearson r = Sxy/√(Sxx·Syy) est compris entre −1 et 1 ; r² est la part de la variation de y expliquée par la droite.
Réponse: x = 10,06
Régression par les moindres carrés : avec x̄ et ȳ les moyennes, Sxx = Σ(x − x̄)², Syy = Σ(y − ȳ)² et Sxy = Σ(x − x̄)(y − ȳ), la droite ŷ = a + b·x a pour pente b = Sxy/Sxx et pour ordonnée à l’origine a = ȳ − b·x̄ ; elle passe donc toujours par (x̄, ȳ). Le coefficient de corrélation de Pearson r = Sxy/√(Sxx·Syy) est compris entre −1 et 1 ; r² est la part de la variation de y expliquée par la droite.
Réponse: χ² = 3,431
Tests du khi-deux : comparez les effectifs observés O aux effectifs E attendus sous H₀ avec χ² = Σ(O − E)²/E. Ajustement : E = n·p pour chaque catégorie, df = k − 1 (moins un de plus pour chaque paramètre estimé à partir des données). Indépendance dans un tableau r × c : E = total de la ligne × total de la colonne / total général, df = (r − 1)(c − 1). Rejetez H₀ lorsque χ² dépasse la valeur critique pour le α choisi.
df = 2. Pour α = 0,05, la valeur critique vaut 5,991 ; H₀ (indépendance) est donc non rejetée.
Réponse: df = 1
Tests du khi-deux : comparez les effectifs observés O aux effectifs E attendus sous H₀ avec χ² = Σ(O − E)²/E. Ajustement : E = n·p pour chaque catégorie, df = k − 1 (moins un de plus pour chaque paramètre estimé à partir des données). Indépendance dans un tableau r × c : E = total de la ligne × total de la colonne / total général, df = (r − 1)(c − 1). Rejetez H₀ lorsque χ² dépasse la valeur critique pour le α choisi.
ExamProblems · examproblems.com/courses/statistics-2-inference