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 200,4 mm. Arrondissez z à deux décimales.
On suppose que les scores de QI suivent une loi normale de moyenne 100 points et d’écart-type 15 points. Trouvez la valeur x en dessous de laquelle se situent 99 % des valeurs (le 99e centile).
Un échantillon de 25 éléments a une moyenne de 48,5 et un écart-type s = 4,5. La population est approximativement normale. Trouvez la borne inférieure de l’intervalle de confiance à 90 % pour la moyenne.
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 5 ?
Deux lignes de production fabriquent la même pièce. Ligne 1 : un échantillon de 100 pièces a une longueur moyenne de 147 mm, et l’écart-type connu de la ligne vaut 6 mm. Ligne 2 : un échantillon de 30 pièces a une moyenne de 142,3 mm, écart-type connu 9 mm. Trouvez la statistique de test z pour H₀ : μ₁ = μ₂, en prenant la différence x̄₁ − x̄₂ (ligne 1 moins ligne 2).
Un test z unilatéral de H₀ : μ = 50 contre H₁ : μ < 50 est réalisé au seuil α = 0.10 avec un échantillon de 64 ; l’écart-type est connu et vaut 8. En réalité, la moyenne vaut 47.3. Trouvez la puissance 1 − β du test en pourcentage.
Le tableau donne 6 observations appariées de x = dépenses publicitaires en k€ et y = ventes en k€. Trouvez le coefficient de détermination r² de la droite des moindres carrés.
Le tableau donne 5 observations appariées de x = âge de la voiture en années et y = prix en k€. Utilisez la droite des moindres carrés ŷ = a + b·x. On fait une nouvelle observation (1,5, 20). 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’ajustement du khi-deux vérifie si les effectifs de 9 catégories suivent une loi de Poisson dont la moyenne est estimée à partir des mêmes données. À l’aide de la table, trouvez la valeur critique χ²crit au seuil de signification α = 0,05.
Réponse: P = 0,2119
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 = 134,9 points
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 inférieure = 46,96
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: n = 384
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: z = 2,687
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.
|z| > 1,96, donc H₀ est rejetée au seuil de 5 % (bilatéral).
Réponse: 1 − β = 92,19 %
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: r² = 0,7495
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 74,95 % de la variation de y est expliquée par la droite.
Réponse: e = −4,25
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 = 43,24
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 = 14,07
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