Formulaires, étapes clés de la méthode pour chaque thème et 10 exercices, avec les corrigés complets à la fin.
On suppose que les scores de QI suivent une loi normale de moyenne 100 points et d’écart-type 15 points. Quelle proportion se situe entre 70 et 130 points ? Donnez P sous forme décimale.
Le temps au tour X du coureur A et le temps au tour Y du coureur B sont indépendantes et normales : X a pour moyenne 52 s et pour écart-type 4 s, Y a pour moyenne 48 s et pour écart-type 3 s. Trouvez la probabilité P que X soit supérieure à Y. Arrondissez z à deux décimales.
On mesure la tension artérielle de 15 patients avant et après un traitement. Les différences d = avant − après (mmHg) ont une moyenne de −6,1 et un écart-type de 2,8. Trouvez la borne inférieure de l’intervalle de confiance à 95 % pour la différence moyenne.
L’écart-type de la population est 8. 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 1,5 ?
La moyenne d’une population est censée valoir 500 ; l’écart-type de la population est connu et vaut 9. Un échantillon aléatoire de 36 observations a une moyenne de 501,59. Testez H₀ : μ = 500 contre H₁ : μ ≠ 500. Trouvez la valeur p p.
Un test z unilatéral de H₀ : μ = 80 contre H₁ : μ < 80 est réalisé au seuil α = 0.01 avec un échantillon de 36 ; l’écart-type est connu et vaut 12. En réalité, la moyenne vaut 76.8. Trouvez la probabilité d’une erreur de deuxième espèce β en pourcentage.
Le tableau donne 6 observations appariées de x = température en °C et y = glaces vendues. Leurs sommes sont données. Trouvez le coefficient de corrélation de Pearson r à partir de ces sommes.
Le tableau donne 6 observations appariées de x = âge de la voiture en années et y = prix en k€. Utilisez la droite des moindres carrés ŷ = a + b·x. On fait une nouvelle observation (2,5, 29). Trouvez son résidu e = y − ŷ.
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.
Le tableau indique les effectifs observés. Testez au seuil α = 0,01 si les deux variables sont indépendantes (sans correction de continuité). Calculez la statistique de test χ², puis comparez-la à la valeur critique de la table.
Réponse: P = 0,9545
Loi normale : transformez une valeur x en score z, z = (x − μ)/σ, qui compte le nombre d’écarts-types par rapport à la moyenne. Une table de z (ou Φ(z)) donne l’aire à gauche de z, c’est-à-dire P(X < x). L’aire à droite vaut 1 − Φ(z), et l’aire entre deux valeurs est la différence de leurs deux aires.
Réponse: P = 0,7881
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 inférieure = −7,651 mmHg
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.
Réponse: n = 189
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: p = 0,2891
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.
p > 0,05, donc H₀ n’est pas rejetée au seuil de 5 %.
Réponse: β = 76,61 %
Puissance d’un test : la puissance 1 − β est la probabilité de rejeter H₀ quand elle est fausse. Trouvez le seuil x̄c à partir de μ₀ et z_α, puis calculez la probabilité de dépasser x̄c avec la vraie moyenne : z = (x̄c − μ)/(σ/√n).
Réponse: r = 0,9862
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: e = 4,952
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.
Le point se trouve au-dessus de la droite.
Réponse: χ² = 1,427
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: χ² = 1,267
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.
χ² est inférieur à la valeur critique, donc H₀ n’est pas rejetée : il n’y a pas de preuve significative d’une relation.
ExamProblems · examproblems.com/courses/statistics-2-inference