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 76 et 122,5 points ? Donnez P sous forme décimale.
Les les durées de vie des piles suivent une loi normale de moyenne 500 h et d’écart type 40 h. Faites glisser le seuil pour que les 10 % les plus élevés (zone colorée) soient à sa droite. Trouvez le seuil x.
Un échantillon de 8 éléments a une moyenne de 27,5 et un écart-type s = 17. 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 : 8 parcelles, rendement moyen 99 kg, écart-type 2 kg. Groupe de parcelles 2 : 14 parcelles, moyenne 110,5 kg, écart-type 2,5 kg. Supposez les variances égales (t avec variance commune, df = n₁ + n₂ − 2). Trouvez la borne inférieure de l’intervalle de confiance à 95 % pour μ₁ − μ₂.
Deux lignes de production fabriquent la même pièce. Ligne 1 : un échantillon de 30 pièces a une longueur moyenne de 87,5 mm, et l’écart-type connu de la ligne vaut 8 mm. Ligne 2 : un échantillon de 50 pièces a une moyenne de 93,5 mm, écart-type connu 9 mm. Trouvez la statistique de test z pour H₀ : μ₁ = μ₂, en prenant la différence x̄₁ − x̄₂ (ligne 1 moins ligne 2).
Dans un essai, 60 patients sur 100 sous traitement A guérissent, et 150 sur 300 sous traitement B. En utilisant la proportion commune, trouvez la statistique de test z pour H₀ : p₁ = p₂.
Le tableau donne 5 observations appariées de x = heures de révision et y = note à l’examen. 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 = 5,5.
Le tableau de contingence indique les effectifs observés. Pour un test d’indépendance du khi-deux, trouvez l’effectif attendu E de la case « urbain, faible ».
Un test d’ajustement du khi-deux compare les effectifs observés dans 11 catégories à des proportions attendues entièrement spécifiées (aucun paramètre n’est estimé à partir des données). Combien de degrés de liberté df le test a-t-il ?
Réponse: P = 0,8784
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 = 551 h
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.
Réponse: borne inférieure = 16,11
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 inférieure = −13,66 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: z = −3,097
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: z = 1,734
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 n’est pas rejetée au seuil de 5 % (bilatéral).
Réponse: r = 0,888
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 = 66,24
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 = 40,84
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 = 10
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