Formulaires, étapes clés de la méthode pour chaque thème et 10 exercices, avec les corrigés complets à la fin.
On suppose que les tailles des hommes adultes suivent une loi normale de moyenne 178 cm et d’écart-type 7 cm. Quelle proportion se situe entre 169,95 et 186,75 cm ? Donnez P sous forme décimale.
Les les scores de QI suivent une loi normale de moyenne 100 points et d’écart type 15 points. Faites glisser le seuil pour que les 90 % les plus élevés (zone colorée) soient à sa droite. Trouvez le seuil x.
Un échantillon de 30 éléments a une moyenne de 52 et un écart-type s = 16. La population est approximativement normale. Trouvez la borne supérieure de l’intervalle de confiance à 95 % pour la moyenne.
Les diamètres de 20 arbres usinés ont un écart-type d’échantillon de 6,3 µm. En supposant les diamètres normalement distribués, trouvez la borne inférieure σ de l’intervalle de confiance à 95 % pour l’écart-type de la population. Avec df = 19, 2,5 % de la loi du χ² se trouve en dessous de 8,907 et 2,5 % au-dessus de 32,852.
La moyenne d’une population est censée valoir 120 ; l’écart-type de la population est connu et vaut 24. Un échantillon aléatoire de 144 observations a une moyenne de 115,96. Testez H₀ : μ = 120 contre H₁ : μ < 120. Trouvez la valeur p p.
Un test z unilatéral au seuil α = 0,05 doit détecter un décalage de la moyenne de 5 unités avec une puissance de 80 %. L’écart-type vaut 24. Trouvez la taille d’échantillon minimale n.
Le tableau donne 6 observations appariées de x = charge en kN et y = allongement en mm. Trouvez le coefficient de corrélation de Pearson r.
Le tableau donne 5 observations appariées de x = charge en kN et y = allongement en mm. Utilisez la droite des moindres carrés ŷ = a + b·x. On fait une nouvelle observation (5, 29). Trouvez son résidu e = y − ŷ.
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 ».
Un test d’ajustement du khi-deux vérifie si les effectifs de 7 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 ?
Réponse: P = 0,7693
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 = 80,8 points
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 supérieure = 57,97
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: σ = 4,791 µm
Intervalle pour une variance : (n − 1)s²/σ² suit une loi du χ² à n − 1 degrés de liberté. L’intervalle à 95 % pour σ² va de (n − 1)s² divisé par la valeur supérieure du χ² (2,5 % au-dessus) à (n − 1)s² divisé par la valeur inférieure du χ² (2,5 % en dessous) ; l’intervalle pour σ est la racine carrée des deux bornes. Il n’est pas symétrique autour de s.
Intervalle à 95 % pour σ : [4,791, 9,201] µm.
Réponse: p = 0,02169
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.
p ≤ 0,05, donc H₀ est rejetée au seuil de 5 %.
Réponse: n = 143
Taille d’échantillon pour un test : pour détecter un vrai décalage δ avec une puissance 1 − β dans un test z unilatéral au seuil α, l’erreur type doit vérifier δ = (z_α + z_β)·σ/√n, donc n = ((z_α + z_β)·σ/δ)², arrondi à l’entier supérieur.
Réponse: r = 0,9876
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 = 5,05
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: E = 22,63
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 = 5
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