Formulaires, étapes clés de la méthode pour chaque thème et 10 exercices, avec les corrigés complets à la fin.
On suppose que les notes d’un examen suivent une loi normale de moyenne 65 points et d’écart-type 10 points. Quelle proportion se situe entre 65,5 et 85,5 points ? Donnez P sous forme décimale.
Les diamètres D des alésages sont normaux de moyenne 25,05 mm et d’écart-type 0,01 mm. Les diamètres d des arbres sont indépendants et normaux de moyenne 25 mm et d’écart-type 0,02 mm. Un arbre choisi au hasard s’ajuste lorsque D − d > 0. Trouvez la probabilité P qu’il s’ajuste. Arrondissez z à deux décimales.
On compare l’autonomie de la batterie de deux modèles de téléphone. Modèle 1 : 40 téléphones, moyenne 50 h, écart-type connu 7 h. Modèle 2 : 40 téléphones, moyenne 50,5 h, écart-type connu 9 h. Trouvez la borne inférieure de l’intervalle de confiance à 90 % pour μ₁ − μ₂.
L’écart-type de la population est 32. Quelle taille d’échantillon n faut-il pour qu’un intervalle de confiance à 90 % pour la moyenne ait une marge d’erreur d’au plus 4 ?
On compare deux méthodes d’enseignement. Groupe 1 : 6 étudiants, note moyenne 54,5, écart-type 3,5. Groupe 2 : 6 étudiants, note moyenne 42,8, écart-type 12. 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 test z unilatéral de H₀ : μ = 200 contre H₁ : μ < 200 est réalisé au seuil α = 0.05 avec un échantillon de 25 ; l’écart-type est connu et vaut 7.5. En réalité, la moyenne vaut 198.2. 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. Trouvez le coefficient de corrélation de Pearson r.
Le tableau donne 6 observations appariées de x = heures de révision et y = note à l’examen. Utilisez la droite des moindres carrés ŷ = a + b·x. On fait une nouvelle observation (5,5, 86). 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 = 0,4599
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 = 0,9875
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 = −3,466 h
Intervalle pour une différence : estimation ± valeur critique × erreur type. Pour deux moyennes indépendantes avec σ connus : SE = √(σ₁²/n₁ + σ₂²/n₂) et z. Avec des variances inconnues égales : s_p commun et t à n₁ + n₂ − 2 degrés de liberté. Pour des données appariées, travaillez sur les différences : d̄ ± t·s_d/√n.
L’intervalle contient 0, donc les données ne montrent pas de différence significative.
Réponse: n = 174
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: t = 2,293
Test d’hypothèse : la statistique de test = (estimation − valeur sous H₀)/(erreur type sous H₀). La valeur p est la probabilité, en supposant H₀ vraie, d’obtenir une statistique au moins aussi extrême que celle observée : l’aire d’une queue pour un H₁ unilatéral, deux fois l’aire de la queue pour un H₁ bilatéral. Rejetez H₀ quand p ≤ α.
Avec df = 10, la valeur critique bilatérale à 5 % vaut 2,228 ; |t| est plus grand, donc H₀ est rejetée.
Réponse: β = 67,18 %
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 = 0,973
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 = 4,667
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 = 0,7937
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 = 1. Pour α = 0,05, la valeur critique vaut 3,841 ; H₀ (indépendance) est donc non rejetée.
Réponse: χ² = 5,955
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