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 167,85 et 190,6 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 95 % les plus bas (zone colorée) soient à sa gauche. Trouvez le seuil x.
Un intervalle de confiance à 95 % pour une moyenne, fondé sur 36 observations et un σ connu, a une marge d’erreur de 2,3. Quelle est la marge d’erreur E₂ d’un intervalle à 99 % obtenu avec les mêmes données ?
L’écart-type de la population est 10. 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 2 ?
Un échantillon de 100 étudiants a une note moyenne de 116,9 et un écart-type d'échantillon de 10. Calcule la statistique de test t pour H₀ : μ = 120.
Un test z unilatéral de H₀ : μ = 200 contre H₁ : μ > 200 est réalisé au seuil α = 0,01 avec un échantillon de 25 ; l’écart-type est connu et vaut 7,5. En réalité, la moyenne vaut 204,65. Trouvez la puissance 1 − β du test en pourcentage.
Le tableau donne 6 observations appariées de x = heures de révision et y = note à l’examen. 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. On fait une nouvelle observation (5, 15). 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.
Un test d’ajustement du khi-deux compare les effectifs observés dans 7 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 = 0,8905
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 = 124,6 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: E₂ = 3,023
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 = 68
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 = −3,1
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).
|t| > 1,984, donc H₀ est rejetée au seuil de 5 % (bilatéral).
Réponse: 1 − β = 78,05 %
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 = 0,9806
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 = −4,638
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: χ² = 1,222
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: df = 6
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