E = row total × column total / grand total, df = (r − 1)(c − 1)
Valeurs critiques (α = 0,05)
df 1: 3,841, 2: 5,991, 3: 7,815, 4: 9,488
Décision
rejeter H0 si χ² > χ²crit
2Exercices
1.Loi normaleMoyen
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.
μX = 60, σX = 5μY = 45, σY = 4X + Y > 117,8 s
P =
2.Loi normaleDifficile
Les tailles X des hommes et Y des femmes d’un groupe sont indépendantes et normales : X a pour moyenne 180 cm et pour écart-type 10 cm, Y a pour moyenne 170 cm et pour écart-type 12 cm. Trouvez la probabilité P que X soit supérieure à Y. Arrondissez z à deux décimales.
μX = 180 cm, σX = 10 cmμY = 170 cm, σY = 12 cm
P =
3.Intervalles de confianceMoyen
Un échantillon de 15 éléments a une moyenne de 85,5 et un écart-type s = 15,5. La population est approximativement normale. Trouvez la borne inférieure de l’intervalle de confiance à 90 % pour la moyenne.
n = 15x̄ = 85,5s = 15,590%t(14) = 1,761
borne inférieure =
4.Intervalles de confianceDifficile
Les diamètres de 21 arbres usinés ont un écart-type d’échantillon de 9,7 µm. En supposant les diamètres normalement distribués, trouvez la borne inférieure σ de l’intervalle de confiance à 95 % pour l’écart-type de la population. Avec df = 20, 2,5 % de la loi du χ² se trouve en dessous de 9,591 et 2,5 % au-dessus de 34,17.
n = 21s = 9,7 µmχ² = 9,591, 34,17
σ = µm
5.Tests d'hypothèse et intervalles de confianceMoyen
Un échantillon de 100 étudiants a une note moyenne de 501,8 et un écart-type d'échantillon de 15. Calcule la statistique de test t pour H₀ : μ = 500.
μ₀ = 500x̄ = 501,8s = 15n = 100
t =
6.Tests d'hypothèse et intervalles de confianceDifficile
Quelle taille doit avoir un échantillon pour que l'intervalle de confiance à 99 % d'une moyenne ait une marge d'erreur d'au plus 2 ? L'écart-type est 20. Trouve la plus petite taille d'échantillon n.
σ = 20E = 299%
n =
7.Régression linéaire et corrélationMoyen
Le tableau donne 6 observations appariées de x = charge en kN et y = allongement en mm. Leurs sommes sont données. Trouvez le coefficient de corrélation de Pearson r à partir de ces sommes.
n = 6Σx = 42Σy = 125Σx² = 364Σy² = 3061Σxy = 1052
r =
8.Régression linéaire et corrélationDifficile
Le tableau donne 5 observations appariées de x = charge en kN et y = allongement en mm. Utilisez la droite des moindres carrés ŷ = a + b·x. On fait une nouvelle observation (9, 20). Trouvez son résidu e = y − ŷ.
n = 5(9, 20)
e =
9.Tests du khi-deuxMoyen
Le tableau de contingence indique les effectifs observés. Pour un test d’indépendance du khi-deux, trouvez l’effectif attendu E de la case « équipe de jour, majeur ».
total de la ligne = 85total de la colonne = 30N = 149
E =
10.Tests du khi-deuxDifficile
Un test d’ajustement du khi-deux vérifie si les effectifs de 7 catégories suivent une loi de Poisson dont la moyenne est estimée à partir des mêmes données. Combien de degrés de liberté df le test a-t-il ?
k = 7
df =
3Solutions
1.Loi normale
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).
Loi de la somme
μ = 105 s, σ = √(5² + 4²) = 6,403 s
Centrer-réduire
z = (117,8 − 105)/6,403 = 2
Queue supérieure
P = 1 − Φ(2) = 1 − 0,9772 = 0,02275
Réponse
P = 0,02275
2.Loi normale
Réponse: P = 0,7389
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).
Loi de la différence
μ = 180 − 170 = 10 cm, σ = 15,62 cm
Centrer-réduire
z = (0 − 10)/15,62 = −0,64
Probabilités
P = 1 − Φ(−0,64) = 0,7389
Réponse
P = 0,7389
3.Intervalles de confiance
Réponse: borne inférieure = 78,45
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.
Valeur critique
df = n − 1 = 14, t = 1,761
Marge d'erreur
E = 1,761·15,5/√15 = 7,048
Intervalle
85,5 ± 7,048 → [78,45, 92,55]
Réponse
borne inférieure = 78,45
4.Intervalles de confiance
Réponse: σ = 7,421 µm
Intervalle pour une variance : (n − 1)s²/σ² suit une loi du χ² à n − 1 degrés de liberté. L’intervalle à 95 % pour σ² va de (n − 1)s² divisé par la valeur supérieure du χ² (2,5 % au-dessus) à (n − 1)s² divisé par la valeur inférieure du χ² (2,5 % en dessous) ; l’intervalle pour σ est la racine carrée des deux bornes. Il n’est pas symétrique autour de s.
Somme des carrés
(n − 1)s² = 20·9,7² = 1882
Bornes pour σ²
1882/34,17 = 55,07
1882/9,591 = 196,2
Borne pour σ
σ = √55,07 = 7,421 µm
Réponse
σ = 7,421 µm
Intervalle à 95 % pour σ : [7,421, 14,01] µm.
5.Tests d'hypothèse et intervalles de confiance
Réponse: t = 1,2
Test sur une moyenne : la statistique de test mesure à combien d'erreurs types la moyenne de l'échantillon se trouve de la valeur affirmée dans H₀ : z = (x̄ − μ₀)/(σ/√n) quand σ est connu, t = (x̄ − μ₀)/(s/√n) quand il est estimé sur l'échantillon. Un intervalle de confiance vaut x̄ ± (valeur critique)·(erreur type).
Erreur type
SE = 15/√100 = 15/10 = 1,5
Statistique de test
t = (501,8 − 500)/1,5 = 1,2
Réponse
t = 1,2
t0,025; df = 99 = 1,984
|t| < 1.984, donc H₀ n’est pas rejetée au seuil de 5 % (bilatéral).
6.Tests d'hypothèse et intervalles de confiance
Réponse: n = 664
Test sur une moyenne : la statistique de test mesure à combien d'erreurs types la moyenne de l'échantillon se trouve de la valeur affirmée dans H₀ : z = (x̄ − μ₀)/(σ/√n) quand σ est connu, t = (x̄ − μ₀)/(s/√n) quand il est estimé sur l'échantillon. Un intervalle de confiance vaut x̄ ± (valeur critique)·(erreur type).
Résoudre pour n
n = (2,576·20/2)² = 663,6
Arrondir vers le haut
n = 664
Réponse
n = 664
7.Régression linéaire et corrélation
Réponse: r = 0,9898
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.
Sommes centrées
Sxy = 1052 − 42·125/6 = 177
Sxx = 364 − 42²/6 = 70
Syy = 3061 − 125²/6 = 456,8
Coefficient de corrélation
r = 177/√(70·456,8) = 0,9898
Réponse
r = 0,9898
8.Régression linéaire et corrélation
Réponse: e = 4,7
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.
Moyennes
x̄ = 30/5 = 6
ȳ = 51/5 = 10,2
Sommes des carrés et des produits
Sxx = Σ(x − x̄)² = 40
Sxy = Σ(x − x̄)(y − ȳ) = 68
Droite de régression
b = 68/40 = 1,7
a = 10,2 − 1,7·6 = 0
ŷ = 0 + 1,7·x
Valeur prédite
ŷ = 0 + 1,7·9 = 15,3
Résidu
e = 20 − 15,3 = 4,7
Réponse
e = 4,7
Le point se trouve au-dessus de la droite.
9.Tests du khi-deux
Réponse: E = 17,11
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.
Effectif attendu
E = 85·30/149 = 17,11
Réponse
E = 17,11
10.Tests du khi-deux
Réponse: df = 5
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.