Révisions module 931 et 902

Thierry Brugère, IUT de Nantes

GEA 2009-2010

Exercice 1 Si X est une variable aléatoire, qu’appelle-t-on le quantile d’ordre u (u ∈ [0, 1] c’est oblig-
atoire) de X ?

C’est le réel noté xu par exemple qui vérifie Pr ([X < xu ]) = u ou Pr ([X ≤ xu ]) = u (dans certains
cas xu n’est pas unique, vous ne verrez pas ces cas !)

Exercice 2 Déterminer le quantile d’ordre 0,995 de T qui suit N (0, 1) .

On cherche t0,995 tel que Pr ([T < t]) = 0, 995 et à l’aide de la table (page 4) on obtient t0,995 = 2, 5758.

Exercice 3 Déterminer le quantile d’ordre 0,05 de T qui suit N (0, 1) .

On cherche t0,05 tel que Pr ([T < t0,05 ]) = 0, 05 ; en faisant un petit croquis si besoin on établit que
t0,05 vérifie Pr ([T > −t0,05 ]) = 0, 05 et à l’aide de la table (page 4) on obtient −t0,05 = 1, 6449.et le
résultat cherché est t0,05 = −1, 6449.

Exercice 4 Déterminer le quantile d’ordre 0,9 de la loi du chi deux à 3 degrés de liberté.

 
On cherche chi20,9 tel que Pr χ2 < chi20,9 = 0, 9 et en utilisant la table avec en entrée n = 3 et
α = 0, 1 on obtient chi20,9 = 6, 25.

Exercice 5 En statistiques inférentielles qu’appelle-t-on communément un événement rare ? Quand

dit-on qu’un résultat est étonnant ?

Dans le polycopié, j’ai décidé (Thierry Brugère) d’appeler un événement rare un événement qui, a
priori, a une probabilté faible de réalisation et on entend ici par faible une probabilité < 0, 1. On dit alors
qu’un résultat est étonnant si, lors d’une expérience aléatoire, on observe ce résultat alors qu’il avait une
probabilité faible d’apparaître.

Exercice 6 On vous dit que Z est un "phénomène aléatoire" qui suit la loi N (15; 2) .
 
19, 8 − 15
1. Calculer Pr ([Z > 19, 8]) . C’est Pr T > = 2, 4 = 1 − 0, 9918 = 0, 0082 en utilisant
2
la table de la page 2.
2. 
On observe pour Z la valeur 16, 2, quelle est votre réaction ? Observer [Z = 16, 2] c’est observer
16, 2 − 15
T = = 0, 6 et ce n’est pas un événement "rare" puisque nous savons (par exemple)
2
Pr ([−1, 96 < T < 1, 96]) = 0, 95, il est donc "normal" ou "courant" ou "usuel" d’observer pour T
une valeur comprise entre −1, 96 et 1, 96. Observer Z = 16, 2 n’est donc pas un résultat étonnant
et on ne doit pas avoir de réaction particulière !
3. 
On observe pour Z la valeur 21, quelle est votre réaction ? Observer [Z > 21] c’est observer
21 − 15
T > = 3 et là c’est un résultat étonnant, il est rare d’observer un tel résultat !
2
2 Révisions module 931 et 902

Exercice 7 X est un caractère à 2 modalités M et M dans la population P et p est la proportion

inconnue des individus de P qui possèdent la modalité M ; En est un échantillon aléatoire de taille n ≥ 30
et fobs est la proportion des individus de cet échantillon qui possèdent la modalité M.

1. Donner les formules donnant un intervalle de confiance (bilatéral) au risque α pour p. Les formules
qui vous ont été données sont :

fobs (1 − fobs ) fobs (1 − fobs )
fobs − t1− α2 < p < fobs + t1− α2
n n
ou, si p n’est pas trop éloigné de 0, 5
1 1
fobs − t1− α2 √ < p < fobs + t1− α2 √
2 n 2 n
α
avec t1− α2 qui est le quantile d’ordre 1 − 2 de la loi N (0, 1) .
2. Donner les formules que l’on utilise pour déterminer la taille n de l’échantillon à prélever si l’on
veut "connaître" p avec une "précision" donnée et avec un risque α. On utilise la formule
1
t1− α2 √ = u = précision
2 n
si on pense que p n’est pas trop éloigné de 0, 5, sinon on utilise la formule

pestim (1 − pestim )
t1− α2 =u
n
où pestim est borne supérieure (si p < 0, 5) ou inférieure (si p > 0, 5) "estimée" de p.
3. Calculer n si on sait que p > 0, 8 et si on veut une précision de 3 points avec un risque de 1%.

0, 8 × 0, 2
2, 5758 = 0, 03 ⇒ n = 1179 ou 1180
n

Exercice 8 Beaucoup de sondages dont la presse se font l’écho sont réalisés avec un échantillon aléatoire
(on l’espère) d’environ 1000 personnes, si on vous dit que l’échantillon montre que 51% des français sont
favorables à la diminution de la durée de cuisson des nouilles dans les restaurants asiatiques, que peut-on
dire de la "précision" de ce sondage si on se fixe un risque de 5% ? Cela a été dit en cours : il vous a été
demandé de retenir que les sondages de taille 1000 donnent une fourchette à plus ou moins trois points
si on se fixe un risque de 5%, vérifions :
1
1, 96 √ = 0, 0309
2 1000
si on s’impose un risque de 1% :
1
2, 5758 √ = 0, 0407
2 1000
la fourchette est à plus ou moins 4 points.

Exercice 9 X est un caractère quantitatif étudié dans la population P de moyenne inconnue m et

d’écart type inconnu σ ; En est un échantillon aléatoire de taille n ≥ 30, X obs ou xobs est la moyenne de
X dans l’échantillon et σobs son écart type.

Thierry Brugère, IUT de Nantes

Révisions module 931 et 902 3

1. Donner un estimateur usuel pour m. C’est xobs .

n
2. Donner un estimateur usuel (et sans biais) pour σ. C’est σ obs
n−1

Exercice 10 Que cherche à faire un test du chi deux d’indépendance ? Un test du chi deux d’indépendance
sert à tester si 2 caractères sont indépendants dans une même population. L’hypothèse nulle H0 est "les
deux caractères sont indépendants" et l’hypothèse alternative est la néagation logique de H0 .

Exercice 11 Que cherche à faire un test du chi deux d’homogénéité ? Un test du chi deux d’homogénéité
sert à tester si un même caractère X est distribué de la même façon dans différentes populations.
L’hypothèse nulle H0 est "le caractère X est ditribué de la même façon dans les différentes popupal-
tions" ou "les populations sont similaires ou homogènes pour ce qui concerne le caractère X", l’hypothèse
alternative est la négation logique de H0 .

Exercice 12 Vous êtes chargé, pour votre entreprise, d’acheter plusieurs tonnes de clémentines à un
exploitant pour ensuite les conditionner en cageots et les revendre à des grandes surfaces. L’exploitant
que vous êtes en train de visiter vous affirme que le pourcentage de clémentines pourries est de l’ordre
de 8%.et vous propose 5 tonnes à un prix qui vous convient. Pour "vérifier" ce qu’affirme le vendeur au
sujet du pourcentage de clémentines pourries, vous mettez en œuvre un test statistique car le vendeur
vous autorise à choisir au hasard 600 clémentines.

1. Quelle hypothèse nulle énoncez-vous ? Nous allons noter p la proportion de clémentines pourries
dans le stock du vendeur, H0 est "p = p0 = 0, 08”.
2. Quelle est votre hypothèse alternative ? C’est H1 = ”p > p0 ”, en effet si p < p0 vous ferez une
meilleure affaire que prévu !
3. Vous vous fixez un risque de 5% et vous procédez au choix des 600 clémentines, parmi ces 600 il
y en a 40 de pourries. Quelle est votre conclusion ? Le pourcentage observé dans l’échantillon est
40
p= = 6, 67% ; il est inutile de faire des calculs supplémentaires, il est très probable que H1 est
600
fausse et on achète le lot.
4. Vous vous fixez un risque de 5% et vous procédez au choix des 600 clémentines, parmi ces 600 il
y en a 52 de pourries. Quelle est votre conclusion ? Ici le pourcentage observé dans l’échantillon
52
est p = = 8, 67% et on se pose la question : "est ce que cette observation fait partie des aléas
600
des sondages en supposant H0 vraie ?". Pour le savoir nous allons calculer le rapport critique et
le comparer judicieusement à un quantile donné par le risque accepté. La formule (formulaire) est

fobs − p0 0, 0867 − 0, 08
RC =
=
= 0, 605
p0 (1−p0 ) 0,08×0,92
n 600

Le risque étant α = 5% et le test étant unilatéral, le quantile à déterminer est t1−α = t0,95 = 1, 6449.
Comme H1 est "p > p0 ”, le formulaire nous dit que l’on rejette H0 si RC > 1, 649 (si on observe
la réalisation d’un événement rare). Ici ce n’est pas le cas, la valeur observée pour RC n’est pas
"étonnante" et ne met pas en défaut H0 , on n’a pas réussi à "prouver" que le vendeur sous-estimait
le pourcentage de clémentines pourries. On achète le lot.

Exercice 13 Le responsable de la restauration d’une grande entreprise aimerait savoir si la satisfaction

sur la qualité générale des plats proposés dépend ou non du sexe des utilisateurs du restaurant. On met

Thierry Brugère, IUT de Nantes

4 Révisions module 931 et 902

en place une petite enquête du type :

sexe : H ou F
Très satisfait : oui ou non
Satisfait : oui ou non
Peu Satisfait : oui ou non
et voici les résultats sur un échantillon aléatoire de 100 utilisateurs du restaurant (un effectif de 100
facilite les calculs) :
effectifs obs. H F Total
TS 20 20 40
S 35 10 45
PS 5 10 15
Total 60 40 100
En utilisant un test du chi deux avec un risque de 5%, que dire au responsable de la restauration ?

Cet exercice est entièrement corrigé dans le polycopié !

Exercice 14 L’année dernière, dans une grande ville universitaire, le loyer mensuel moyen pour un
studio était de 320 euros. Cette année le nombre d’étudiants a sensiblement diminué et le directeur du
CROUS est persuadé que la demande diminuant il en est de même du loyer moyen. Pour prouver ses
dires il décide de procéder à un test statistique en examinant les résultats d’un échantillon aléatoire de
101 loyers de studio.

1. Quelle hyptothèse nulle énonce-t-il ? Notons m le loyer moyen, l’hypothèse nulle est H0 = ”m =
m0 = 320”.
2. Quelle hypothèse alternative énonce-t-il ? C’est H1 = ”m < m0 ”.
3. Il se fixe un risque de 5%, l’échantillon aléatoire donne un loyer moyen de 310 euros avec un écart
type de 15 euros. Que conclure ? Calculons le rapport critique, la formule (du formulaire) est

X obs − m0
RC =
√σ
n

n
mais comme σ est inconnu on remplace σ par n−1 σ obs ce qui donne

X obs − m0 310 − 320

RC = = = −6, 6...
√σ obs √15
n−1 100

Le risque étant α = 5%, le quantile t1−α = t0,95 = 1, 6449 et le formulaire nous dit que dans le cas
où H1 = ”m < m0 ” on rejette H0 si RC < −t1−α .
C’est bien le cas ici, en supposant vraie H0 , RC = −6, 6 est un événemnt (très) rare et l’observer est
"étonnant" (Pr ([RC < −6]) = 0, 0000000009865876463), on est en droit de conclure que H0 est fausse
et que H1 est vraie.

Thierry Brugère, IUT de Nantes