Formulaires, étapes clés de la méthode pour chaque thème et 10 exercices, avec les corrigés complets à la fin.
X est normale de moyenne 120 mm et d’écart-type 0,3 mm ; Y est indépendante et normale de moyenne 80 mm et d’écart-type 0,4 mm. Trouvez la probabilité P que X + Y dépasse 201 mm. Arrondissez z à deux décimales.
Le temps au tour X du coureur A et le temps au tour Y du coureur B sont indépendantes et normales : X a pour moyenne 52 s et pour écart-type 4 s, Y a pour moyenne 48 s et pour écart-type 3 s. Trouvez la probabilité P que X soit supérieure à Y. Arrondissez z à deux décimales.
Un intervalle de confiance à 90 % pour une moyenne, fondé sur 50 observations et un σ connu, a une marge d’erreur de 11,4. Quelle est la marge d’erreur E₂ si la même étude utilise 450 observations à la place ?
L’écart-type de la population est 38. 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 4 ?
La moyenne d’une population est censée valoir 250 ; l’écart-type de la population est connu et vaut 10. Un échantillon aléatoire de 25 observations a une moyenne de 252,52. Testez H₀ : μ = 250 contre H₁ : μ > 250. Trouvez la valeur p p.
Un échantillon de 64 mesures a une moyenne de 103,6. L'écart-type de la population est 10. Trouve la borne inférieure L de l'intervalle de confiance à 90 % pour la moyenne.
Le tableau donne 5 observations appariées de x = âge de la voiture en années et y = prix en k€. Trouvez le coefficient de détermination r² de la droite des moindres carrés.
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 (7, 55). 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 « étudiants, vélo ».
Un test d’indépendance du khi-deux est effectué sur un tableau de contingence de 2 lignes et 5 colonnes (sans compter les totaux). À l’aide de la table, trouvez la valeur critique χ²crit au seuil de signification α = 0,05.
Réponse: P = 0,02275
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: P = 0,7881
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: E₂ = 3,8
Confidence interval for a mean: x̄ ± margin of error. With a known population σ the margin is z·σ/√n; with only the sample standard deviation s, use t with n − 1 degrees of freedom: t·s/√n. Critical values: z = 1,645 (90%), 1,96 (95%), 2,576 (99%). To get a margin E or smaller, you need n ≥ (z·σ/E)², rounded up.
Réponse: n = 599
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: p = 0,1038
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 n’est pas rejetée au seuil de 5 %.
Réponse: L = 101,5
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).
Réponse: r² = 0,9248
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.
Environ 92,48 % de la variation de y est expliquée par la droite.
Réponse: e = −3,833
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 en dessous de la droite.
Réponse: E = 31,43
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: χ²crit = 9,488
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.
Rejetez H₀ si le χ² calculé est supérieur à cette valeur.
ExamProblems · examproblems.com/courses/statistics-2-inference