Beruflich Dokumente
Kultur Dokumente
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 !)
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.
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.
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
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 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.
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 ?
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
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.