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
Les masses de boulons sont indépendantes et normales, de moyenne 40 g et d’écart-type 1,2 g. Trouvez la probabilité P que la masse totale de 5 d’entre eux dépasse 205,4 g. Arrondissez z à deux décimales.
μ = 40 gσ = 1,2 gn = 5> 205,4 g
P =
2.Loi normaleDifficile
Les les notes d’un examen suivent une loi normale de moyenne 65 points et d’écart type 10 points. Faites glisser le seuil pour que les 40 % les plus bas (zone colorée) soient à sa gauche. Trouvez le seuil x.
μ = 65 pointsσ = 10 points40%
x = points
3.Intervalles de confianceMoyen
On mesure la tension artérielle de 10 patients avant et après un traitement. Les différences d = avant − après (mmHg) ont une moyenne de −5,7 et un écart-type de 2,1. Trouvez la borne inférieure de l’intervalle de confiance à 99 % pour la différence moyenne.
n = 10d̄ = −5,7sd = 2,199%t(9) = 3,25
borne inférieure = mmHg
4.Intervalles de confianceDifficile
L’écart-type de la population est 26. 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 4 ?
σ = 26E = 499%
n =
5.Tests d'hypothèse et intervalles de confianceMoyen
Un échantillon de 25 étudiants a une note moyenne de 100,7 et un écart-type d'échantillon de 5. Calcule la statistique de test t pour H₀ : μ = 100.
μ₀ = 100x̄ = 100,7s = 5n = 25
t =
6.Tests d'hypothèse et intervalles de confianceDifficile
Un échantillon de 16 mesures a une moyenne de 51,8. L'écart-type de la population est 8. Trouve la borne inférieure L de l'intervalle de confiance à 99 % pour la moyenne.
x̄ = 51,8σ = 8n = 1699%
L =
7.Régression linéaire et corrélationMoyen
Le tableau donne 6 observations appariées de x = heures de révision et y = note à l’examen. Trouvez le coefficient de corrélation de Pearson r.
n = 6
r =
8.Régression linéaire et corrélationDifficile
Le tableau donne 5 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 = 74 ?
n = 5ŷ = 74
x =
9.Tests du khi-deuxMoyen
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.
N = 1202 × 3
χ² =
10.Tests du khi-deuxDifficile
Un test d’indépendance du khi-deux est effectué sur un tableau de contingence de 2 lignes et 5 colonnes (sans compter les totaux). Combien de degrés de liberté df le test a-t-il ?
2 × 5
df =
3Solutions
1.Loi normale
Réponse: P = 0,02222
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 du total
μT = 200 g, σT = 1,2·√5 = 2,683 g
Centrer-réduire
z = (205,4 − 200)/2,683 = 2,01
Probabilités
P = 1 − Φ(2,01) = 0,02222
Réponse
P = 0,02222
2.Loi normale
Réponse: x = 62,5 points
D’une aire à z : Φ(z) est l’aire à gauche de z. Pour une aire A de la queue gauche, trouvez dans la table le z tel que Φ(z) = A. Une aire A de la queue droite signifie Φ(z) = 1 − A. Une aire centrale A entre −z et z laisse (1 − A)/2 dans chaque queue, donc Φ(z) = (1 + A)/2. Pour une valeur x, utilisez x = μ + zσ.
Aire à gauche
Φ(z) = 0,4
z d’après la table
z ≈ −0,25
Retour aux unités d’origine
x = 65 − 0,25·10 = 62,5 points
Réponse
x = 62,5 points
3.Intervalles de confiance
Réponse: borne inférieure = −7,858 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.
Valeur critique
df = 9, t = 3,25
Marge d'erreur
E = 3,25·2,1/√10 = 2,158
Intervalle
−5,7 ± 2,158 → [−7,858, −3,542]
Réponse
borne inférieure = −7,858 mmHg
4.Intervalles de confiance
Réponse: n = 281
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.
Résoudre pour n
n = (2,576·26/4)² = 280,4
Arrondir vers le haut
Une taille d’échantillon est un nombre entier, et arrondir vers le bas rendrait la marge trop grande.
n = 281
Réponse
n = 281
5.Tests d'hypothèse et intervalles de confiance
Réponse: t = 0,7
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 = 5/√25 = 5/5 = 1
Statistique de test
t = (100,7 − 100)/1 = 0,7
Réponse
t = 0,7
t0,025; df = 24 = 2,064
|t| < 2.064, donc H₀ n’est pas rejetée au seuil de 5 % (bilatéral).
6.Tests d'hypothèse et intervalles de confiance
Réponse: L = 46,65
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).
Marge d'erreur
E = 2,576·8/√16 = 5,152
Borne de l'intervalle
L = 51,8 − 5,152 = 46,65
Réponse
L = 46,65
7.Régression linéaire et corrélation
Réponse: r = 0,9934
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 = 42/6 = 7
ȳ = 489/6 = 81,5
Sommes des carrés et des produits
Sxx = Σ(x − x̄)² = 70
Sxy = Σ(x − x̄)(y − ȳ) = 419
Syy = Σ(y − ȳ)² = 2542
Coefficient de corrélation
r = 419/√(70·2542) = 0,9934
Réponse
r = 0,9934
8.Régression linéaire et corrélation
Réponse: x = 8,968
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 = 301/5 = 60,2
Sommes des carrés et des produits
Sxx = Σ(x − x̄)² = 40
Sxy = Σ(x − x̄)(y − ȳ) = 186
Droite de régression
b = 186/40 = 4,65
a = 60,2 − 4,65·6 = 32,3
ŷ = 32,3 + 4,65·x
Résoudre pour x
x = (74 − 32,3)/4,65 = 8,968
Réponse
x = 8,968
9.Tests du khi-deux
Réponse: χ² = 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.
df = 2. Pour α = 0,05, la valeur critique vaut 5,991 ; H₀ (indépendance) est donc rejetée.
10.Tests du khi-deux
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.