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
Faites glisser z pour que l’aire colorée entre −z et z sous la courbe normale centrée réduite soit 0,7199. Trouvez z avec deux décimales.
A = 0,7199
z =
2.Loi normaleDifficile
Les diamètres D des alésages sont normaux de moyenne 25,03 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 0,01 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.
alésage: μ = 25,03 mm, σ = 0,01 mmarbre: μ = 25 mm, σ = 0,01 mm
P =
3.Intervalles de confianceMoyen
Un échantillon de 25 éléments a une moyenne de 72 et un écart-type s = 18. La population est approximativement normale. Trouvez la marge d’erreur E d’un intervalle de confiance à 99 % pour la moyenne.
n = 25x̄ = 72s = 1899%t(24) = 2,797
E =
4.Intervalles de confianceDifficile
L’écart-type de la population est 13. 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 0,5 ?
σ = 13E = 0,599%
n =
5.Tests d'hypothèse et intervalles de confianceMoyen
Un échantillon de 25 étudiants a une note moyenne de 101 et un écart-type d'échantillon de 4. Calcule la statistique de test t pour H₀ : μ = 100.
μ₀ = 100x̄ = 101s = 4n = 25
t =
6.Tests d'hypothèse et intervalles de confianceDifficile
Quelle taille doit avoir un échantillon pour que l'intervalle de confiance à 95 % d'une moyenne ait une marge d'erreur d'au plus 3 ? L'écart-type est 12. Trouve la plus petite taille d'échantillon n.
σ = 12E = 395%
n =
7.Régression linéaire et corrélationMoyen
Le tableau donne 6 observations appariées de x = température en °C et y = glaces vendues. Trouvez le coefficient de corrélation de Pearson r.
n = 6
r =
8.Régression linéaire et corrélationDifficile
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 = 30 ?
n = 6ŷ = 30
x =
9.Tests du khi-deuxMoyen
Le tableau de contingence indique les effectifs observés. Pour un test d’indépendance du khi-deux, trouvez l’effectif attendu E de la case « équipe de jour, sans défaut ».
total de la ligne = 95total de la colonne = 55N = 183
E =
10.Tests du khi-deuxDifficile
Un test d’ajustement du khi-deux vérifie si les effectifs de 4 catégories suivent une loi de Poisson dont la moyenne est estimée à partir des mêmes données. Combien de degrés de liberté df le test a-t-il ?
k = 4
df =
3Solutions
1.Loi normale
Réponse: z = 1,08
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 de z
Φ(z) = (1 + 0,7199)/2 = 0,8599
Lire la table de z à l’envers
Trouvez 0,8599 dans la table et lisez z.
z = 1,08
Réponse
z = 1,08
2.Loi normale
Réponse: P = 0,983
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 de la différence
μ = 25,03 − 25 = 0,03 mm, σ = 0,01414 mm
Centrer-réduire
z = (0 − 0,03)/0,01414 = −2,12
Probabilités
P = 1 − Φ(−2,12) = 0,983
Réponse
P = 0,983
3.Intervalles de confiance
Réponse: E = 10,07
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.
Valeur critique
df = n − 1 = 24, t = 2,797
Marge d'erreur
E = 2,797·18/√25 = 10,07
Réponse
E = 10,07
4.Intervalles de confiance
Réponse: n = 4486
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 = (2,576·13/0,5)² = 4486
Arrondir vers le haut
Une taille d’échantillon est un nombre entier, et arrondir vers le bas rendrait la marge trop grande.
n = 4486
Réponse
n = 4486
5.Tests d'hypothèse et intervalles de confiance
Réponse: t = 1,25
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 = 4/√25 = 4/5 = 0,8
Statistique de test
t = (101 − 100)/0,8 = 1,25
Réponse
t = 1,25
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: n = 62
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).
Résoudre pour n
n = (1,96·12/3)² = 61,47
Arrondir vers le haut
n = 62
Réponse
n = 62
7.Régression linéaire et corrélation
Réponse: r = 0,9674
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 = 147/6 = 24,5
ȳ = 387/6 = 64,5
Sommes des carrés et des produits
Sxx = Σ(x − x̄)² = 157,5
Sxy = Σ(x − x̄)(y − ȳ) = 478,5
Syy = Σ(y − ȳ)² = 1554
Coefficient de corrélation
r = 478,5/√(157,5·1554) = 0,9674
Réponse
r = 0,9674
8.Régression linéaire et corrélation
Réponse: x = 10,8
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 = 126/6 = 21
Sommes des carrés et des produits
Sxx = Σ(x − x̄)² = 70
Sxy = Σ(x − x̄)(y − ȳ) = 166
Droite de régression
b = 166/70 = 2,371
a = 21 − 2,371·7 = 4,4
ŷ = 4,4 + 2,371·x
Résoudre pour x
x = (30 − 4,4)/2,371 = 10,8
Réponse
x = 10,8
9.Tests du khi-deux
Réponse: E = 28,55
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.
Effectif attendu
E = 95·55/183 = 28,55
Réponse
E = 28,55
10.Tests du khi-deux
Réponse: df = 2
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.