Formulaires, étapes clés de la méthode pour chaque thème et 10 exercices, avec les corrigés complets à la fin.
On suppose que les masses des sachets suivent une loi normale de moyenne 250 g et d’écart-type 5 g. Quelle proportion se situe entre 242,75 et 257,5 g ? Donnez P sous forme décimale.
On suppose que les délais de livraison suivent une loi normale de moyenne 32 min et d’écart-type 6 min. Trouvez la valeur x en dessous de laquelle se situent 99 % des valeurs (le 99e centile).
Un échantillon de 21 éléments a une moyenne de 50 et un écart-type s = 5,5. La population est approximativement normale. Trouvez la borne supérieure de l’intervalle de confiance à 90 % pour la moyenne.
On ne sait rien à l’avance sur la proportion de produits défectueux. Combien de produits n faut-il contrôler pour qu’un intervalle de confiance à 90 % pour la proportion ait une marge d’erreur d’au plus 0,01 ?
On compare deux méthodes d’enseignement. Groupe 1 : 6 étudiants, note moyenne 50, écart-type 11,5. Groupe 2 : 6 étudiants, note moyenne 40,4, écart-type 2,5. 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).
Un échantillon de 81 mesures a une moyenne de 51,8. L'écart-type de la population est 15. Trouve la borne inférieure L de l'intervalle de confiance à 90 % pour la moyenne.
Le tableau donne 6 observations appariées de x = âge de la voiture en années et y = prix en k€. Trouvez le coefficient de détermination r² de la droite des moindres carrés.
Le tableau donne 5 observations appariées de x = température en °C et y = glaces vendues. Utilisez la droite des moindres carrés ŷ = a + b·x. On fait une nouvelle observation (23, 92). Trouvez son résidu e = y − ŷ.
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, sans défaut ».
Un test d’indépendance du khi-deux est effectué sur un tableau de contingence de 3 lignes et 3 colonnes (sans compter les totaux). Combien de degrés de liberté df le test a-t-il ?
Réponse: P = 0,8597
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: x = 45,96 min
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: borne supérieure = 52,07
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.
Réponse: n = 6766
Confidence interval for a proportion: p̂ ± z·√(p̂(1 − p̂)/n), where p̂ = x/n. To reach a margin E you need n ≥ z²·p(1 − p)/E², rounded up; without a prior estimate use p = 0,5, which gives the largest n.
Réponse: t = 1,998
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: L = 49,06
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).
Réponse: r² = 0,9096
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.
Environ 90,96 % de la variation de y est expliquée par la droite.
Réponse: e = 3,1
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: E = 38,8
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.
Réponse: df = 4
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