Formulaires, étapes clés de la méthode pour chaque thème et 10 exercices, avec les corrigés complets à la fin.
X est normale de moyenne 60 s et d’écart-type 5 s ; Y est indépendante et normale de moyenne 45 s et d’écart-type 4 s. Trouvez la probabilité P que X + Y dépasse 113 s. Arrondissez z à deux décimales.
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 80 % des valeurs (le 80e centile).
On mesure la tension artérielle de 6 patients avant et après un traitement. Les différences d = avant − après (mmHg) ont une moyenne de 4,5 et un écart-type de 2,1. Trouvez la borne supérieure de l’intervalle de confiance à 99 % pour la différence moyenne.
L’écart-type de la population est 28. 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 5 ?
On compare deux méthodes d’enseignement. Groupe 1 : 15 étudiants, note moyenne 101, écart-type 7. Groupe 2 : 11 étudiants, note moyenne 105,6, écart-type 2. 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 = 100 contre H₁ : μ < 100 est réalisé au seuil α = 0.05 avec un échantillon de 100 ; l’écart-type est connu et vaut 25. En réalité, la moyenne vaut 91.75. 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 = charge en kN et y = allongement en mm. Utilisez la droite des moindres carrés ŷ = a + b·x. Pour quelle valeur x la droite prédit-elle ŷ = 9 ?
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.
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 = 0,1056
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: x = 37,05 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 = 7,957 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.
Réponse: n = 85
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 = −2,107
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 = 24, la valeur critique bilatérale à 5 % vaut 2,064 ; |t| est plus grand, donc H₀ est rejetée.
Réponse: β = 4,896 %
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 = 0,9463
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: x = 3,159
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 = 14,13
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: 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