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 100,75 et 115,75 points ? Donnez P sous forme décimale.
On suppose que les tailles des hommes adultes suivent une loi normale de moyenne 178 cm et d’écart-type 7 cm. Trouvez la valeur x en dessous de laquelle se situent 25 % des valeurs (le 25e centile).
Un échantillon de 8 éléments a une moyenne de 117 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.
On teste deux engrais. Groupe de parcelles 1 : 13 parcelles, rendement moyen 97 kg, écart-type 2,5 kg. Groupe de parcelles 2 : 13 parcelles, moyenne 88,5 kg, écart-type 2,5 kg. Supposez les variances égales (t avec variance commune, df = n₁ + n₂ − 2). Trouvez la borne supérieure de l’intervalle de confiance à 90 % pour μ₁ − μ₂.
Un échantillon de 25 étudiants a une note moyenne de 71,9 et un écart-type d'échantillon de 5. Calcule la statistique de test t pour H₀ : μ = 75.
Dans un essai, 30 patients sur 200 sous traitement A guérissent, et 18 sur 300 sous traitement B. En utilisant la proportion commune, trouvez la statistique de test z pour H₀ : p₁ = p₂.
Le tableau donne 6 observations appariées de x = âge de la voiture en années et y = prix en k€. 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. Prédisez ŷ pour x = 8.
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 = 0,05 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 = 0,3332
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 = 173,3 cm
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 inférieure = 106,6
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: borne supérieure = 10,18 kg
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: t = −3,1
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).
|t| > 2,064, donc H₀ est rejetée au seuil de 5 % (bilatéral).
Réponse: z = 3,347
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 est rejetée au seuil de 5 % (bilatéral).
Réponse: r = −0,9912
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: ŷ = 49,85
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 = 10,96
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.
Réponse: χ² = 44,69
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 supérieur à la valeur critique, donc H₀ est rejetée : les variables semblent liées.
ExamProblems · examproblems.com/courses/statistics-2-inference