Probabilités et statistique MTH0104 • Polytechnique Montréal • Échantillonnage et intervalles de confiance

Échantillonnage et intervalles de confiance : exercices corrigés de MTH0104 (Polytechnique)

Échantillonnage et intervalles de confiance : exercices de MTH0104 (Polytechnique)

Nom : Classe : Date :

Corrigé

Durée conseillée : 3 h 00 · Calculatrice autorisée · 11 exercices
https://www.letuteurscientifique.ca/exercices/mth0104-echantillonnage-intervalles-confiance

Voici dix exercices corrigés sur l'échantillonnage et les intervalles de confiance du cours MTH0104, probabilités et statistique, de Polytechnique, précédés d'une liste de douze calculs directs.

Ce que couvre la série, les pièges traités

Ils couvrent la distribution d'échantillonnage de la moyenne X‾\overline{X} et de la proportion P‾\overline{P}, les estimations ponctuelles de μ\mu, σ2\sigma^{2} et pp, l'intervalle de confiance d'une moyenne dans ses trois cas (variance connue, grand échantillon, loi de Student), l'intervalle d'une proportion, l'intervalle de la variance par la loi du khi-deux, la marge d'erreur, le niveau de confiance associé à un intervalle et la taille d'échantillon.

Ce chapitre est évalué au quiz 4 et occupe une bonne part de l'examen final ; il correspond au chapitre des intervalles de confiance du 201-SN1-RE du cégep, avec en plus le khi-deux.

À la fin de la série, vous savez construire la loi de X‾\overline{X} sur une petite population (exercice 1) et calculer avec elle (exercice 2), choisir le bon intervalle d'une moyenne (exercices 3 et 4), encadrer une variance (exercice 5) et une proportion (exercice 6), reconnaître les lois du khi-deux et de Student construites à partir de normales (exercice 7), et mener un problème complet jusqu'à une décision (exercices 9 et 10). Le fil de la série : on estime avec la loi de l'estimateur, jamais avec celle d'un individu, et c'est ce que l'on sait de σ\sigma, de nn et de la population qui choisit la table.

Les pièges traités : diviser la variance par n\sqrt{n} (exercices 0.1 et 8), confondre un sac et la moyenne de 25 sacs (exercice 2), répondre 0,43320{,}4332 au lieu de 86,64 %86{,}64\ \% pour un niveau (exercice 3), prendre z=1,96z=1{,}96 sur un petit échantillon (exercice 4), lire « risque 10 %10\ \% » comme un niveau (exercice 4), inverser les valeurs du khi-deux ou croire l'intervalle de σ2\sigma^{2} centré (exercices 5, 8 et 9), oublier nn sous la racine d'une proportion (exercices 6 et 10), doubler nn pour doubler la précision (exercice 8), arrondir une taille d'échantillon vers le bas (exercices 2, 6 et 9). Comme au quiz : calculatrice non programmable et tables fournies, et toute réponse se justifie.

  • 11 exercices corrigés
  • Durée : 3 h 00
  • Autocorrigée, 110 réponses
  • Calculatrice
Commencer l'exercice 0.1 La fiche du chapitre
Imprimer

Imprimer le devoir ou le corrigé

Le devoir sans corrigé, un exercice par page, et le corrigé à part : c'est dans ton espace gratuit. Un courriel suffit, sans mot de passe, et tu reviens ici.

Créer mon espace gratuit

Déjà un espace ? Me connecter

Rappel de cours

  • • LOI DE X‾\overline{X} : E(X‾)=μE(\overline{X})=\mu, V(X‾)=σ2nV(\overline{X})=\dfrac{\sigma^{2}}{n}, écart-type σn\dfrac{\sigma}{\sqrt{n}} ; normale si XX l'est, approximativement normale dès n≥30n\ge 30 (TCL). Sans remise sur une petite population : facteur N−nN−1\dfrac{N-n}{N-1} sur la variance.
  • • ESTIMATIONS PONCTUELLES : μ^=x‾=∑xin\hat{\mu}=\overline{x}=\dfrac{\sum x_{i}}{n}, σ^2=s2=∑xi2−nx‾2n−1\hat{\sigma}^{2}=s^{2}=\dfrac{\sum x_{i}^{2}-n\overline{x}^{2}}{n-1}, p^=p‾=xn\hat{p}=\overline{p}=\dfrac{x}{n}.
  • • IDC DE μ\mu : cas 1 (σ\sigma connue, XX normale) x‾±zα/2σn\overline{x}\pm z_{\alpha/2}\dfrac{\sigma}{\sqrt{n}} ; cas 2 (n≥30n\ge 30) x‾±zα/2sn\overline{x}\pm z_{\alpha/2}\dfrac{s}{\sqrt{n}} ; cas 3 (XX normale, n<30n<30) x‾±tα/2 ;n−1sn\overline{x}\pm t_{\alpha/2\,;n-1}\dfrac{s}{\sqrt{n}}.
  • • IDC DE pp (np‾≥5n\overline{p}\ge 5 et n(1−p‾)≥5n(1-\overline{p})\ge 5) : p‾±zα/2p‾(1−p‾)n\overline{p}\pm z_{\alpha/2}\sqrt{\dfrac{\overline{p}(1-\overline{p})}{n}}. IDC DE σ2\sigma^{2} (XX normale) : [(n−1)s2χα/2 ;n−12 ;(n−1)s2χ1−α/2 ;n−12]\left[\dfrac{(n-1)s^{2}}{\chi^{2}_{\alpha/2\,;n-1}}\,;\dfrac{(n-1)s^{2}}{\chi^{2}_{1-\alpha/2\,;n-1}}\right].
  • • TAILLE : n≥(zα/2 σE)2n\ge\left(\dfrac{z_{\alpha/2}\,\sigma}{E}\right)^{2} ou n≥(zα/2E)2p‾(1−p‾)n\ge\left(\dfrac{z_{\alpha/2}}{E}\right)^{2}\overline{p}(1-\overline{p}), avec p‾=0,5\overline{p}=0{,}5 sans estimation ; toujours arrondie VERS LE HAUT. Marge divisée par 22 : nn multiplié par 44.
  • • TABLES : P(0<Z<z)P(0<Z<z) avec zz au centième ; z0,05=1,645z_{0{,}05}=1{,}645, z0,025=1,96z_{0{,}025}=1{,}96, z0,005=2,575z_{0{,}005}=2{,}575 ; P(T>tα ;ν)=αP(T>t_{\alpha\,;\nu})=\alpha ; P(χ2>χα ;ν2)=αP(\chi^{2}>\chi^{2}_{\alpha\,;\nu})=\alpha.
  • • LOIS CONSTRUITES : Z12+⋯+Zν2∼χν2Z_{1}^{2}+\dots+Z_{\nu}^{2}\sim\chi^{2}_{\nu} (E=νE=\nu, V=2νV=2\nu) ; ZQ/ν∼Tν\dfrac{Z}{\sqrt{Q/\nu}}\sim T_{\nu} ; (n−1)S2σ2∼χn−12\dfrac{(n-1)S^{2}}{\sigma^{2}}\sim\chi^{2}_{n-1} si XX est normale.

Calculs : loi de X̄, estimations, intervalles et tailles d'échantillon

Exercice 0.1 : Échantillonnage et intervalles de confiance : douze calculs directs

18 réponses vérifiables

Pour chaque ligne, calculez la quantité demandée, sans rédiger le modèle. La table du cours donne P(0<Z<z)P(0<Z<z), avec zz arrondi au centième AVANT la lecture. Valeurs critiques : z0,05=1,645z_{0{,}05}=1{,}645, z0,025=1,96z_{0{,}025}=1{,}96, z0,005=2,575z_{0{,}005}=2{,}575.

Valeurs de table données : t0,025 ;9=2,2622t_{0{,}025\,;9}=2{,}2622 ; χ0,025 ;92=19,023\chi^{2}_{0{,}025\,;9}=19{,}023 et χ0,975 ;92=2,700\chi^{2}_{0{,}975\,;9}=2{,}700, où P(χ2>χα ;ν2)=αP(\chi^{2}>\chi^{2}_{\alpha\,;\nu})=\alpha. Les bornes d'un intervalle au centième, une probabilité au dix-millième.

  • a) X∼N(72 ;36)X\sim\mathcal{N}(72\,;36) et n=16n=16 : donnez E(X‾)E(\overline{X}) et l'écart-type σX‾\sigma_{\overline{X}}.
  • b) X∼N(250 ;144)X\sim\mathcal{N}(250\,;144) et n=36n=36 : calculez P(X‾>253)P(\overline{X}>253).
  • c) Un échantillon de taille n=20n=20 donne ∑xi=310\sum x_{i}=310 et ∑xi2=4 880\sum x_{i}^{2}=4\,880 : calculez x‾\overline{x} et s2s^{2}.
  • d) Trouvez zα/2z_{\alpha/2} pour un niveau de confiance de 92 %92\ \%.
  • e) Population normale, σ=3\sigma=3, n=25n=25, x‾=48,2\overline{x}=48{,}2 : IDC de μ\mu à 95 %95\ \%.
  • f) Population normale, n=10n=10, x‾=12,4\overline{x}=12{,}4, s=1,8s=1{,}8 : IDC de μ\mu à 95 %95\ \%.
  • g) 8484 succès sur n=300n=300 : IDC de pp à 90 %90\ \%.
  • h) σ=8\sigma=8 : taille minimale de l'échantillon pour une marge d'erreur d'au plus 22 à 95 %95\ \%.
  • i) Aucune estimation préalable de pp : taille minimale pour estimer pp à ±0,03\pm 0{,}03 près à 95 %95\ \%.
  • j) Population normale, n=10n=10, s2=4,5s^{2}=4{,}5 : IDC de σ2\sigma^{2} à 95 %95\ \%.
  • k) σ=5\sigma=5, n=25n=25 : quel niveau de confiance a l'intervalle x‾±1,5\overline{x}\pm 1{,}5 ?
  • l) Z1,…,Z5Z_{1},\dots,Z_{5} sont indépendantes de loi N(0 ;1)\mathcal{N}(0\,;1) et χ0,10 ;52=9,236\chi^{2}_{0{,}10\,;5}=9{,}236 : calculez P(Z12+⋯+Z52>9,236)P(Z_{1}^{2}+\dots+Z_{5}^{2}>9{,}236).

Tape tes réponses, la page te dit juste ou faux 0/18

a)
b)
c)
d)
e)
f)
g)
h)
i)
j)
k)
l)
Voir la correction

Réponses

  • a) E(X‾)=72E(\overline{X})=72, σX‾=1,5\sigma_{\overline{X}}=1{,}5
  • b) P(X‾>253)=0,0668P(\overline{X}>253)=0{,}0668
  • c) x‾=15,5\overline{x}=15{,}5, s2≈3,9474s^{2}\approx 3{,}9474
  • d) z0,04≈1,75z_{0{,}04}\approx 1{,}75
  • e) [47,02 ;49,38][47{,}02\,;49{,}38]
  • f) [11,11 ;13,69][11{,}11\,;13{,}69]
  • g) [0,2374 ;0,3226][0{,}2374\,;0{,}3226]
  • h) n=62n=62
  • i) n=1 068n=1\,068
  • j) [2,13 ;15,00][2{,}13\,;15{,}00]
  • k) 86,64 %86{,}64\ \%
  • l) 0,100{,}10

Le geste qui revient à chaque ligne : identifier l'ESTIMATEUR et sa loi. X‾\overline{X} a pour écart-type σn\frac{\sigma}{\sqrt{n}}, jamais σ\sigma ; Student remplace zz quand σ\sigma est inconnue sur un petit échantillon ; le khi-deux sert à σ2\sigma^{2} et donne un intervalle non centré.

a)

E(X‾)=μ=72E(\overline{X})=\mu=72 et σX‾=σn=64=1,5\sigma_{\overline{X}}=\dfrac{\sigma}{\sqrt{n}}=\dfrac{6}{4}=1{,}5

Piège : diviser la VARIANCE 3636 par 16\sqrt{16} ; le second paramètre de N(72 ;36)\mathcal{N}(72\,;36) est σ2\sigma^{2}, donc σ=6\sigma=6.

b)

σX‾=1236=2\sigma_{\overline{X}}=\dfrac{12}{\sqrt{36}}=2, puis z=253−2502=1,50z=\dfrac{253-250}{2}=1{,}50

P(X‾>253)=0,5−P(0<Z<1,50)=0,5−0,4332=0,0668\displaystyle P(\overline{X}>253)=0{,}5-P(0<Z<1{,}50)=0{,}5-0{,}4332=0{,}0668
c)
x‾=31020=15,5\displaystyle \overline{x}=\dfrac{310}{20}=15{,}5
s2=∑xi2−nx‾2n−1=4 880−20×15,5219=7519≈3,9474\displaystyle s^{2}=\dfrac{\sum x_{i}^{2}-n\overline{x}^{2}}{n-1}=\dfrac{4\,880-20\times 15{,}5^{2}}{19}=\dfrac{75}{19}\approx 3{,}9474

Piège : diviser par n=20n=20 ; l'estimation de σ2\sigma^{2} divise par n−1n-1.

d)

α=0,08\alpha=0{,}08, donc α2=0,04\frac{\alpha}{2}=0{,}04 et P(0<Z<z0,04)=0,5−0,04=0,46P(0<Z<z_{0{,}04})=0{,}5-0{,}04=0{,}46.

La table donne P(0<Z<1,75)=0,4599P(0<Z<1{,}75)=0{,}4599 et P(0<Z<1,76)=0,4608P(0<Z<1{,}76)=0{,}4608 : la plus proche est z0,04≈1,75z_{0{,}04}\approx 1{,}75.

e)

Cas 1 (σ\sigma connue) : E=1,96×325=1,176E=1{,}96\times\dfrac{3}{\sqrt{25}}=1{,}176

μ∈[48,2−1,176 ;48,2+1,176]=[47,02 ;49,38]\displaystyle \mu\in[48{,}2-1{,}176\,;48{,}2+1{,}176]=[47{,}02\,;49{,}38]
f)

Cas 3 (σ\sigma inconnue, n<30n<30, population normale) : Student à ν=9\nu=9 degrés de liberté.

E=t0,025 ;9sn=2,2622×1,810≈1,2877\displaystyle E=t_{0{,}025\,;9}\dfrac{s}{\sqrt{n}}=2{,}2622\times\dfrac{1{,}8}{\sqrt{10}}\approx 1{,}2877
μ∈[11,11 ;13,69]\displaystyle \mu\in[11{,}11\,;13{,}69]

Piège : prendre 1,961{,}96 ; l'intervalle serait trop étroit.

g)

p‾=84300=0,28\overline{p}=\dfrac{84}{300}=0{,}28 ; np‾=84≥5n\overline{p}=84\ge 5 et n(1−p‾)=216≥5n(1-\overline{p})=216\ge 5.

E=1,6450,28×0,72300≈1,645×0,02592≈0,0426\displaystyle E=1{,}645\sqrt{\dfrac{0{,}28\times 0{,}72}{300}}\approx 1{,}645\times 0{,}02592\approx 0{,}0426
p∈[0,2374 ;0,3226]\displaystyle p\in[0{,}2374\,;0{,}3226]
h)

n≥(z0,025 σE)2=(1,96×82)2=61,47n\ge\left(\dfrac{z_{0{,}025}\,\sigma}{E}\right)^{2}=\left(\dfrac{1{,}96\times 8}{2}\right)^{2}=61{,}47, donc n=62n=62.

Piège : arrondir à 6161 ; une taille d'échantillon s'arrondit toujours VERS LE HAUT.

i)

Sans estimation préalable, on prend p‾=0,5\overline{p}=0{,}5, qui rend p‾(1−p‾)\overline{p}(1-\overline{p}) maximal :

n≥(1,960,03)2×0,25≈1 067,1n\ge\left(\dfrac{1{,}96}{0{,}03}\right)^{2}\times 0{,}25\approx 1\,067{,}1, donc n=1 068n=1\,068.

j)

ν=9\nu=9 et (n−1)s2=9×4,5=40,5(n-1)s^{2}=9\times 4{,}5=40{,}5 :

σ2∈[40,519,023 ;40,52,700]=[2,13 ;15,00]\displaystyle \sigma^{2}\in\left[\dfrac{40{,}5}{19{,}023}\,;\dfrac{40{,}5}{2{,}700}\right]=[2{,}13\,;15{,}00]

La GRANDE valeur de table donne la PETITE borne. L'intervalle n'est pas centré sur s2=4,5s^{2}=4{,}5.

k)

σX‾=525=1\sigma_{\overline{X}}=\dfrac{5}{\sqrt{25}}=1, donc la marge 1,51{,}5 correspond à z=1,51=1,50z=\dfrac{1{,}5}{1}=1{,}50.

Niveau =2P(0<Z<1,50)=2×0,4332=0,8664=2P(0<Z<1{,}50)=2\times 0{,}4332=0{,}8664, soit 86,64 %86{,}64\ \%.

l)

Une somme de 55 carrés de normales centrées réduites indépendantes suit χ52\chi^{2}_{5} :

P(χ52>9,236)=0,10P(\chi^{2}_{5}>9{,}236)=0{,}10 par définition de la valeur de table.

Coche ici les exercices faits ou à revoir : un compte gratuit, sans mot de passe, retient tes coches et tes réponses justes d'une visite à l'autre, te dit quel chapitre attaquer ensuite et te permet de demander l'exercice qui te manque. Crée ton espace, un courriel suffit.

Partie A : les bases (/50)

Exercice 1 : Distribution d'échantillonnage de X̄ : cinq imprimantes 3D, échantillons de deux

11 réponses vérifiables

Le laboratoire de fabrication d'un département de génie possède exactement cinq imprimantes 3D. Pour imprimer la même pièce d'essai, elles mettent respectivement 3131, 3333, 3434, 3636 et 4141 minutes. On considère cette petite population de N=5N=5 durées, et XX la durée d'une imprimante tirée au hasard : la figure donne sa loi.

On prélève des échantillons de n=2n=2 imprimantes et l'on note X‾\overline{X} la durée moyenne de l'échantillon.

28293031323334353637383940414243440,050,10,150,20,250,3chaque durée : 1/5durée (min)probabilité
  • a) Calculez la moyenne μ\mu et la variance σ2\sigma^{2} de la population (c'est une population entière : on divise par NN).
  • b) On tire deux imprimantes AVEC remise, l'ordre comptant. Combien y a-t-il d'échantillons possibles ? Dressez la distribution de X‾\overline{X} et donnez P(X‾=33,5)P(\overline{X}=33{,}5).
  • c) À partir de cette distribution, calculez E(X‾)E(\overline{X}) et V(X‾)V(\overline{X}). Vérifiez que E(X‾)=μE(\overline{X})=\mu et V(X‾)=σ2nV(\overline{X})=\dfrac{\sigma^{2}}{n}.
  • d) On tire maintenant deux imprimantes différentes, SANS remise, sans tenir compte de l'ordre. Combien y a-t-il d'échantillons ? Calculez V(X‾)V(\overline{X}) et comparez-la à σ2n⋅N−nN−1\dfrac{\sigma^{2}}{n}\cdot\dfrac{N-n}{N-1}.
  • e) Calculez P(X≥38)P(X\ge 38) pour une imprimante seule, puis P(X‾≥38)P(\overline{X}\ge 38) avec remise et sans remise. Que montre la comparaison ?

Tape tes réponses, la page te dit juste ou faux 0/11

a)
b)
c)
d)
e)
Voir la correction

Réponses

  • a) μ=35\mu=35 min, σ2=11,6 min2\sigma^{2}=11{,}6\ \mathrm{min}^{2}
  • b) 2525 échantillons ; P(X‾=33,5)=0,16P(\overline{X}=33{,}5)=0{,}16
  • c) E(X‾)=35=μE(\overline{X})=35=\mu, V(X‾)=5,8=σ22V(\overline{X})=5{,}8=\frac{\sigma^{2}}{2}
  • d) 1010 échantillons ; V(X‾)=4,35=5,8×34V(\overline{X})=4{,}35=5{,}8\times\frac{3}{4}
  • e) 0,20{,}2 pour une imprimante ; 0,120{,}12 avec remise ; 0,10{,}1 sans remise

Le fil de l'exercice : X‾\overline{X} est une variable aléatoire à part entière, avec sa propre loi. Elle a la même moyenne que la population, mais elle est plus resserrée : c'est tout le ressort de l'estimation.

a)

μ=31+33+34+36+415=1755=35\mu=\dfrac{31+33+34+36+41}{5}=\dfrac{175}{5}=35 min

Écarts à μ\mu : −4-4, −2-2, −1-1, 11, 66 ; carrés : 1616, 44, 11, 11, 3636.

σ2=585=11,6 min2\displaystyle \sigma^{2}=\dfrac{58}{5}=11{,}6\ \mathrm{min}^{2}

Piège : diviser par N−1=4N-1=4. Ici on connaît TOUTE la population : σ2\sigma^{2} divise par NN. Le n−1n-1 sert à estimer σ2\sigma^{2} à partir d'un échantillon.

b)

Avec remise et ordre : 5×5=255\times 5=25 échantillons équiprobables, de (31 ;31)(31\,;31) à (41 ;41)(41\,;41).

La distribution de X‾\overline{X} (tableau du corrigé) compte, pour chaque moyenne, les couples qui la donnent. Par exemple x‾=33,5\overline{x}=33{,}5 vient de (31 ;36)(31\,;36), (36 ;31)(36\,;31), (33 ;34)(33\,;34) et (34 ;33)(34\,;33).

P(X‾=33,5)=425=0,16\displaystyle P(\overline{X}=33{,}5)=\dfrac{4}{25}=0{,}16

Contrôle : les effectifs du tableau totalisent bien 2525.

c)
E(X‾)=∑x‾×effectif25=87525=35=μ\displaystyle E(\overline{X})=\dfrac{\sum\overline{x}\times\text{effectif}}{25}=\dfrac{875}{25}=35=\mu
V(X‾)=∑(x‾−35)2×effectif25=14525=5,8\displaystyle V(\overline{X})=\dfrac{\sum(\overline{x}-35)^{2}\times\text{effectif}}{25}=\dfrac{145}{25}=5{,}8

Et σ2n=11,62=5,8\dfrac{\sigma^{2}}{n}=\dfrac{11{,}6}{2}=5{,}8 : les deux résultats du cours sont vérifiés sur cet exemple.

La figure du corrigé montre la loi de X‾\overline{X} : centrée sur 3535, en cloche, alors que la population (figure de l'énoncé) n'a rien d'une cloche.

d)

Sans remise et sans ordre : C52=(52)=10C_{5}^{2}=\binom{5}{2}=10 échantillons, de moyennes 3232 ; 32,532{,}5 ; 33,533{,}5 ; 33,533{,}5 ; 34,534{,}5 ; 3535 ; 3636 ; 3737 ; 37,537{,}5 ; 38,538{,}5.

E(X‾)=35010=35E(\overline{X})=\dfrac{350}{10}=35 et V(X‾)=∑(x‾−35)210=43,510=4,35V(\overline{X})=\dfrac{\sum(\overline{x}-35)^{2}}{10}=\dfrac{43{,}5}{10}=4{,}35

σ2n⋅N−nN−1=5,8×34=4,35\dfrac{\sigma^{2}}{n}\cdot\dfrac{N-n}{N-1}=5{,}8\times\dfrac{3}{4}=4{,}35 : on retrouve le facteur de correction déjà vu avec la loi hypergéométrique.

Sur une grande population (NN très grand devant nn), ce facteur vaut presque 11 : c'est pourquoi le cours écrit V(X‾)=σ2nV(\overline{X})=\frac{\sigma^{2}}{n}.

e)

Une imprimante seule : P(X≥38)=P(X=41)=15=0,2P(X\ge 38)=P(X=41)=\dfrac{1}{5}=0{,}2.

Avec remise : P(X‾≥38)=2+125=0,12P(\overline{X}\ge 38)=\dfrac{2+1}{25}=0{,}12 (moyennes 38,538{,}5 et 4141).

Sans remise : P(X‾≥38)=110=0,1P(\overline{X}\ge 38)=\dfrac{1}{10}=0{,}1 (seule la moyenne 38,538{,}5).

Une moyenne s'éloigne moins souvent de μ\mu qu'une valeur isolée : la valeur extrême 4141 est « diluée » par la seconde imprimante. Plus nn grandit, plus X‾\overline{X} se resserre autour de μ\mu, ce que dit V(X‾)=σ2nV(\overline{X})=\frac{\sigma^{2}}{n}.

303132333435363738394041420,040,080,120,160,21221412232221x̄ (min), effectifs sur 25E(X̄) = μ = 35probabilité
x̄ (min)313232,53333,53434,5
effectif1221412
Distribution de X̄ avec remise, première moitié (effectifs sur 25).
x̄ (min)35363737,538,541
effectif232221
Suite de la distribution (effectifs sur 25).

Exercice 2 : La loi de X̄ quand la population est normale : des sacs de pommes de terre

7 réponses vérifiables

Une ligne d'ensachage remplit des sacs de pommes de terre de 55 kg. La masse XX d'un sac, en kilogrammes, suit la loi normale N(5 ;0,09)\mathcal{N}(5\,;0{,}09) : le second paramètre est la VARIANCE. Un inspecteur prélève au hasard 2525 sacs de la production et calcule leur masse moyenne X‾\overline{X}.

Table du cours : P(0<Z<z)P(0<Z<z), avec zz arrondi au centième.

  • a) Donnez la loi de X‾\overline{X} et ses deux paramètres.
  • b) Calculez la probabilité qu'un sac pris au hasard pèse moins de 4,94{,}9 kg, puis la probabilité que la moyenne des 2525 sacs soit inférieure à 4,94{,}9 kg.
  • c) Calculez la probabilité que la moyenne de l'échantillon s'écarte de moins de 0,10{,}1 kg de la moyenne de la population.
  • d) Combien de sacs faut-il prélever, au minimum, pour que l'écart-type de X‾\overline{X} soit d'au plus 0,040{,}04 kg ?
  • e) L'écart-type de la ligne reste 0,30{,}3 kg. À quelle valeur faut-il régler la masse moyenne μ\mu pour que 95 %95\ \% des échantillons de 2525 sacs aient une moyenne d'au moins 55 kg ? Arrondissez au centième.

Tape tes réponses, la page te dit juste ou faux 0/7

a)
b)
c)
d)
e)
Voir la correction

Réponses

  • a) X‾∼N(5 ;0,0036)\overline{X}\sim\mathcal{N}(5\,;0{,}0036), écart-type 0,060{,}06 kg
  • b) Un sac : 0,37070{,}3707 ; la moyenne de 25 sacs : 0,04750{,}0475
  • c) P(4,9<X‾<5,1)=0,9050P(4{,}9<\overline{X}<5{,}1)=0{,}9050
  • d) n=57n=57 sacs
  • e) μ≈5,10\mu\approx 5{,}10 kg

Le fil : la même question posée sur UN sac et sur la MOYENNE de 25 sacs n'a pas la même réponse, parce que X‾\overline{X} a l'écart-type σn\frac{\sigma}{\sqrt{n}}. La figure du corrigé superpose les deux lois.

a)

XX est normale, donc X‾\overline{X} est normale, quelle que soit la taille nn :

E(X‾)=μ=5E(\overline{X})=\mu=5 et V(X‾)=σ2n=0,0925=0,0036V(\overline{X})=\dfrac{\sigma^{2}}{n}=\dfrac{0{,}09}{25}=0{,}0036

X‾∼N(5 ;0,0036)\overline{X}\sim\mathcal{N}(5\,;0{,}0036), d'écart-type σX‾=0,0036=0,06\sigma_{\overline{X}}=\sqrt{0{,}0036}=0{,}06 kg.

Piège : écrire N(5 ;0,06)\mathcal{N}(5\,;0{,}06). Dans la notation du cours, le second paramètre est la variance ; 0,060{,}06 est l'écart-type.

b)

Un sac : σ=0,09=0,3\sigma=\sqrt{0{,}09}=0{,}3 et z=4,9−50,3≈−0,33z=\dfrac{4{,}9-5}{0{,}3}\approx -0{,}33

P(X<4,9)=0,5−P(0<Z<0,33)=0,5−0,1293=0,3707\displaystyle P(X<4{,}9)=0{,}5-P(0<Z<0{,}33)=0{,}5-0{,}1293=0{,}3707

La moyenne de 25 sacs : z=4,9−50,06≈−1,67z=\dfrac{4{,}9-5}{0{,}06}\approx -1{,}67

P(X‾<4,9)=0,5−P(0<Z<1,67)=0,5−0,4525=0,0475\displaystyle P(\overline{X}<4{,}9)=0{,}5-P(0<Z<1{,}67)=0{,}5-0{,}4525=0{,}0475

Environ 37 %37\ \% des sacs pèsent moins de 4,94{,}9 kg, mais moins de 5 %5\ \% des échantillons de 25 sacs ont une moyenne aussi basse.

c)

On traduit « s'écarte de moins de 0,10{,}1 » : P(∣X‾−5∣<0,1)=P(4,9<X‾<5,1)P(|\overline{X}-5|<0{,}1)=P(4{,}9<\overline{X}<5{,}1).

Les bornes donnent z=±1,67z=\pm 1{,}67 : P=2 P(0<Z<1,67)=2×0,4525=0,9050P=2\,P(0<Z<1{,}67)=2\times 0{,}4525=0{,}9050.

Dans 90,5 %90{,}5\ \% des échantillons de 25 sacs, la moyenne est à moins de 100100 g de la moyenne de la production.

d)

On veut σn≤0,04\dfrac{\sigma}{\sqrt{n}}\le 0{,}04, soit n≥0,30,04=7,5\sqrt{n}\ge\dfrac{0{,}3}{0{,}04}=7{,}5 et n≥56,25n\ge 56{,}25.

Il faut au moins n=57n=57 sacs.

Piège : répondre 5656 ; avec 5656 sacs, 0,356≈0,0401>0,04\frac{0{,}3}{\sqrt{56}}\approx 0{,}0401>0{,}04.

e)

σX‾\sigma_{\overline{X}} reste 0,060{,}06 et l'on veut P(X‾≥5)=0,95P(\overline{X}\ge 5)=0{,}95, donc P(X‾<5)=0,05P(\overline{X}<5)=0{,}05.

La valeur 55 est sous la moyenne : 5−μ0,06=−z0,05=−1,645\dfrac{5-\mu}{0{,}06}=-z_{0{,}05}=-1{,}645

μ=5+1,645×0,06=5,0987≈5,10\mu=5+1{,}645\times 0{,}06=5{,}0987\approx 5{,}10 kg

Il faut régler la ligne à environ 5,105{,}10 kg : une marge de 100100 g environ au-dessus de la masse annoncée.

Piège : prendre +1,645+1{,}645 et trouver 4,904{,}90 kg ; avec ce réglage, la plupart des moyennes seraient SOUS 55 kg.

44,24,44,64,855,25,45,65,8612345674,9 kgX̄ : 25 sacsσ/√n = 0,06X, un sacσ = 0,30,37070,0475densité

Exercice 3 : Intervalle de confiance d'une moyenne avec Z : σ connue, puis n ≥ 30

10 réponses vérifiables

Une extrudeuse produit des tuyaux de PVC. Des années de suivi montrent que l'épaisseur de paroi XX, en millimètres, suit une loi normale d'écart-type σ=0,12\sigma=0{,}12 mm ; la moyenne μ\mu, elle, change d'un lot de résine à l'autre. Sur un lot, on mesure 3636 tuyaux tirés au hasard : moyenne x‾=3,48\overline{x}=3{,}48 mm.

Valeurs critiques : z0,05=1,645z_{0{,}05}=1{,}645, z0,025=1,96z_{0{,}025}=1{,}96, z0,005=2,575z_{0{,}005}=2{,}575. Bornes au dix-millième de millimètre.

  • a) Quel cas d'intervalle de confiance du cours s'applique à ce lot ? Justifiez par les conditions.
  • b) Construisez l'IDC de μ\mu au niveau 95 %95\ \%, puis au niveau 99 %99\ \%. Comparez leurs longueurs.
  • c) Le rapport du lot annonce : « 3,45 mm≤μ≤3,51 mm3{,}45\ \mathrm{mm}\le\mu\le 3{,}51\ \mathrm{mm} ». Déterminez le niveau de confiance associé à cet intervalle.
  • d) Quelle taille d'échantillon faudrait-il pour obtenir, au niveau 95 %95\ \%, une marge d'erreur d'au plus 0,0250{,}025 mm ?
  • e) Un autre lot est fait d'une résine nouvelle dont on ne connaît pas l'écart-type. Sur 5050 tuyaux : x‾=3,52\overline{x}=3{,}52 mm et s=0,15s=0{,}15 mm. Nommez le cas, puis construisez l'IDC de μ\mu à 90 %90\ \%.

Tape tes réponses, la page te dit juste ou faux 0/10

a)
b)
c)
d)
e)
Voir la correction

Réponses

  • a) Cas 1 : population normale, σ\sigma connue
  • b) 95 %95\ \% : [3,4408 ;3,5192][3{,}4408\,;3{,}5192] ; 99 %99\ \% : [3,4285 ;3,5315][3{,}4285\,;3{,}5315] ; longueurs 0,07840{,}0784 et 0,10300{,}1030 mm
  • c) 86,64 %86{,}64\ \%
  • d) n=89n=89
  • e) Cas 2 ; [3,4851 ;3,5549][3{,}4851\,;3{,}5549] mm

Les trois cas de l'IDC d'une moyenne se distinguent par ce que l'on SAIT : σ\sigma connue (cas 1), σ\sigma inconnue mais n≥30n\ge 30 (cas 2), σ\sigma inconnue, n<30n<30 et population normale (cas 3, Student). Les deux premiers utilisent zz.

a)

XX est normale et σ=0,12\sigma=0{,}12 mm est connue : c'est le cas 1.

X‾∼N ⁣(μ ;0,12236)\overline{X}\sim\mathcal{N}\!\left(\mu\,;\dfrac{0{,}12^{2}}{36}\right) exactement, d'écart-type σX‾=0,126=0,02\sigma_{\overline{X}}=\dfrac{0{,}12}{6}=0{,}02 mm, et Z=X‾−μσ/n∼N(0 ;1)Z=\dfrac{\overline{X}-\mu}{\sigma/\sqrt{n}}\sim\mathcal{N}(0\,;1).

La condition n≥30n\ge 30 n'est même pas nécessaire ici : la normalité de XX suffit.

b)

95 %95\ \% : E=1,96×0,02=0,0392E=1{,}96\times 0{,}02=0{,}0392 mm, donc μ∈[3,4408 ;3,5192]\mu\in[3{,}4408\,;3{,}5192] mm.

99 %99\ \% : E=2,575×0,02=0,0515E=2{,}575\times 0{,}02=0{,}0515 mm, donc μ∈[3,4285 ;3,5315]\mu\in[3{,}4285\,;3{,}5315] mm.

Longueurs 2E2E : 0,07840{,}0784 mm contre 0,10300{,}1030 mm. Plus de confiance se paie en précision : à nn fixé, l'intervalle s'élargit.

Interprétation : on a confiance à 95 %95\ \% que l'épaisseur moyenne du lot est comprise entre 3,44083{,}4408 et 3,51923{,}5192 mm.

c)

L'intervalle annoncé est centré sur 3,483{,}48 : marge E=0,03E=0{,}03 mm.

zα/2=EσX‾=0,030,02=1,50\displaystyle z_{\alpha/2}=\dfrac{E}{\sigma_{\overline{X}}}=\dfrac{0{,}03}{0{,}02}=1{,}50

Niveau 1−α=2P(0<Z<1,50)=2×0,4332=0,86641-\alpha=2P(0<Z<1{,}50)=2\times 0{,}4332=0{,}8664, soit 86,64 %86{,}64\ \% (figure du corrigé).

Piège : répondre 0,43320{,}4332 ; la table donne la moitié de l'aire centrale.

d)
n≥(1,96×0,120,025)2=9,4082≈88,51\displaystyle n\ge\left(\dfrac{1{,}96\times 0{,}12}{0{,}025}\right)^{2}=9{,}408^{2}\approx 88{,}51

Il faut au moins n=89n=89 tuyaux.

e)

σ\sigma est inconnue mais n=50≥30n=50\ge 30 : cas 2, on remplace σ\sigma par ss et on garde zz (le TCL rend X‾\overline{X} approximativement normale, même sans supposer XX normale).

E=1,645×0,1550≈0,0349E=1{,}645\times\dfrac{0{,}15}{\sqrt{50}}\approx 0{,}0349 mm

μ∈[3,4851 ;3,5549]\mu\in[3{,}4851\,;3{,}5549] mm, au niveau 90 %90\ \%.

Piège : prendre Student parce que σ\sigma est inconnue ; dans ce cours, avec n≥30n\ge 30, la loi normale suffit.

3,43,423,443,463,483,53,523,543,5648121620240,8664x̄ − Ex̄ + Ez = ±1,5E = 0,03 mmdensité de X̄

Exercice 4 : Intervalle de Student à partir de Σx et Σx² : l'autonomie de piles de capteurs

11 réponses vérifiables

Un réseau de capteurs de vibrations surveille un pont. Chaque capteur fonctionne sur une pile au lithium, et l'exploitant veut estimer l'autonomie moyenne μ\mu, en jours, de ce modèle de pile. On suppose l'autonomie XX normalement distribuée, de moyenne et de variance inconnues.

Sur 1616 piles suivies jusqu'à épuisement, on a relevé : ∑xi=1 920\sum x_{i}=1\,920 et ∑xi2=231 615\sum x_{i}^{2}=231\,615. Valeurs de table : t0,025 ;15=2,1314t_{0{,}025\,;15}=2{,}1314 et t0,05 ;15=1,7531t_{0{,}05\,;15}=1{,}7531, où P(T>tα ;ν)=αP(T>t_{\alpha\,;\nu})=\alpha.

  • a) Calculez une estimation ponctuelle de μ\mu, de σ2\sigma^{2} et de σ\sigma.
  • b) Quelle loi faut-il utiliser pour construire l'intervalle de μ\mu ? Justifiez, et donnez la valeur critique pour un niveau de 95 %95\ \%.
  • c) Construisez l'intervalle de confiance de μ\mu au niveau 95 %95\ \%. Écrivez la formule générale avant de remplacer par les nombres.
  • d) Construisez l'intervalle de confiance de μ\mu au niveau de risque 10 %10\ \%.
  • e) Une camarade a construit l'intervalle à 95 %95\ \% avec z=1,96z=1{,}96. Calculez sa marge d'erreur. Son intervalle est-il trop large ou trop étroit ?

Tape tes réponses, la page te dit juste ou faux 0/11

a)
b)
c)
d)
e)
Voir la correction

Réponses

  • a) μ^=120\hat{\mu}=120 jours, σ^2=81\hat{\sigma}^{2}=81, σ^=9\hat{\sigma}=9 jours
  • b) Student à 1515 degrés de liberté ; t0,025 ;15=2,1314t_{0{,}025\,;15}=2{,}1314
  • c) [115,20 ;124,80][115{,}20\,;124{,}80] jours
  • d) [116,06 ;123,94][116{,}06\,;123{,}94] jours
  • e) Marge 4,414{,}41 jours : intervalle trop étroit (vrai niveau ≈93 %\approx 93\ \%)

Le fil : on ne connaît pas σ\sigma et l'échantillon est petit. Remplacer σ\sigma par ss ajoute une incertitude que la loi normale ne voit pas ; la loi de Student, plus étalée, la paie par une valeur critique plus grande.

a)

x‾=1 92016=120\overline{x}=\dfrac{1\,920}{16}=120 jours : c'est l'estimation ponctuelle de μ\mu.

s2=∑xi2−nx‾2n−1=231 615−16×120215=1 21515=81\displaystyle s^{2}=\dfrac{\sum x_{i}^{2}-n\overline{x}^{2}}{n-1}=\dfrac{231\,615-16\times 120^{2}}{15}=\dfrac{1\,215}{15}=81

Estimations : μ^=120\hat{\mu}=120 jours, σ^2=81 jours2\hat{\sigma}^{2}=81\ \mathrm{jours}^{2}, σ^=9\hat{\sigma}=9 jours.

Piège : diviser par n=16n=16, ce qui donne 75,975{,}9 ; l'estimateur sans biais de σ2\sigma^{2} divise par n−1n-1.

b)

Population normale, σ\sigma inconnue, n=16<30n=16<30 : cas 3. La variable T=X‾−μS/nT=\dfrac{\overline{X}-\mu}{S/\sqrt{n}} suit la loi de Student à ν=n−1=15\nu=n-1=15 degrés de liberté.

Niveau 95 %95\ \% : α2=0,025\frac{\alpha}{2}=0{,}025, donc t0,025 ;15=2,1314t_{0{,}025\,;15}=2{,}1314.

c)
μ∈[x‾−tα/2 ;n−1sn ; x‾+tα/2 ;n−1sn]\displaystyle \mu\in\left[\overline{x}-t_{\alpha/2\,;n-1}\dfrac{s}{\sqrt{n}}\,;\ \overline{x}+t_{\alpha/2\,;n-1}\dfrac{s}{\sqrt{n}}\right]

E=2,1314×916=2,1314×2,25≈4,7957E=2{,}1314\times\dfrac{9}{\sqrt{16}}=2{,}1314\times 2{,}25\approx 4{,}7957 jours

μ∈[115,20 ;124,80]\mu\in[115{,}20\,;124{,}80] jours

On a confiance à 95 %95\ \% que l'autonomie moyenne de ce modèle de pile est comprise entre 115,2115{,}2 et 124,8124{,}8 jours.

d)

Risque α=10 %\alpha=10\ \%, donc niveau 90 %90\ \% et α2=0,05\frac{\alpha}{2}=0{,}05 : t0,05 ;15=1,7531t_{0{,}05\,;15}=1{,}7531.

E=1,7531×2,25≈3,9445E=1{,}7531\times 2{,}25\approx 3{,}9445 jours, donc μ∈[116,06 ;123,94]\mu\in[116{,}06\,;123{,}94] jours.

Piège : lire « risque 10 %10\ \% » comme un niveau de 10 %10\ \%, ou prendre t0,10 ;15t_{0{,}10\,;15} ; le risque se partage entre les deux queues.

e)

Avec zz : E=1,96×2,25=4,41E=1{,}96\times 2{,}25=4{,}41 jours, intervalle [115,59 ;124,41][115{,}59\,;124{,}41].

Il est plus ÉTROIT que l'intervalle de Student (4,41<4,804{,}41<4{,}80) : il promet une précision que l'échantillon n'a pas.

Son vrai niveau de confiance est P(−1,96<T15<1,96)≈0,931P(-1{,}96<T_{15}<1{,}96)\approx 0{,}931, et non 0,950{,}95 (figure du corrigé).

Piège : prendre zz « parce que ss estime bien σ\sigma » ; avec 1616 piles, l'écart reste sensible.

112114116118120122124126128t, 95 %[115,20 ; 124,80]t, 90 %[116,06 ; 123,94]z, 95 %[115,59 ; 124,41]

Exercice 5 : Intervalle de confiance de la variance par le khi-deux : le sucre d'une boisson énergisante

10 réponses vérifiables

Un embouteilleur contrôle la teneur en sucre de canettes de boisson énergisante de 473473 mL. La teneur XX, en grammes par canette, est supposée normale. La moyenne est réglée par la doseuse ; c'est la RÉGULARITÉ du dosage, mesurée par σ2\sigma^{2}, qu'on veut estimer.

Sur 2020 canettes prélevées au hasard sur la chaîne, l'écart-type de l'échantillon vaut s=1,5s=1{,}5 g. Extrait de la table du khi-deux, P(χ2>χα ;ν2)=αP(\chi^{2}>\chi^{2}_{\alpha\,;\nu})=\alpha, ligne ν=19\nu=19 : χ0,9752=8,907\chi^{2}_{0{,}975}=8{,}907 ; χ0,952=10,117\chi^{2}_{0{,}95}=10{,}117 ; χ0,052=30,144\chi^{2}_{0{,}05}=30{,}144 ; χ0,0252=32,852\chi^{2}_{0{,}025}=32{,}852.

  • a) Quelle loi suit la variable (n−1)S2σ2\dfrac{(n-1)S^{2}}{\sigma^{2}}, et à quelle condition ?
  • b) Pour un niveau de confiance de 90 %90\ \%, donnez les deux valeurs de table utiles.
  • c) Construisez l'intervalle de confiance de σ2\sigma^{2} au niveau 90 %90\ \%.
  • d) Déduisez-en un intervalle de confiance de σ\sigma au même niveau.
  • e) Le fournisseur de la doseuse garantit σ=1\sigma=1 g. Cette valeur est-elle plausible au niveau 90 %90\ \% ? L'intervalle de σ2\sigma^{2} est-il centré sur s2s^{2} ?

Tape tes réponses, la page te dit juste ou faux 0/10

a)
b)
c)
d)
e)
Voir la correction

Réponses

  • a) Khi-deux à 1919 degrés de liberté, si la population est normale
  • b) χ0,05 ;192=30,144\chi^{2}_{0{,}05\,;19}=30{,}144 et χ0,95 ;192=10,117\chi^{2}_{0{,}95\,;19}=10{,}117
  • c) 1,418≤σ2≤4,226 g21{,}418\le\sigma^{2}\le 4{,}226\ \mathrm{g}^{2}
  • d) 1,191≤σ≤2,0561{,}191\le\sigma\le 2{,}056 g
  • e) Non, 11 g est sous la borne inférieure ; non, l'intervalle n'est pas centré sur s2=2,25s^{2}=2{,}25

Le fil : la variance ne s'estime ni avec zz ni avec Student. Son estimateur suit, à un facteur près, une loi du khi-deux, qui n'est pas symétrique : l'intervalle n'a donc pas la forme « estimation plus ou moins une marge ».

a)

Si la population est NORMALE, (n−1)S2σ2\dfrac{(n-1)S^{2}}{\sigma^{2}} suit la loi du khi-deux à ν=n−1=19\nu=n-1=19 degrés de liberté.

Cette condition n'est pas décorative : sans normalité, l'intervalle du khi-deux peut se tromper beaucoup, même pour nn grand. Le TCL ne la remplace pas.

b)

Niveau 90 %90\ \% : α=0,10\alpha=0{,}10 et α2=0,05\frac{\alpha}{2}=0{,}05 dans chaque queue (figure du corrigé).

On lit χ0,05 ;192=30,144\chi^{2}_{0{,}05\,;19}=30{,}144 (queue droite de 0,050{,}05) et χ0,95 ;192=10,117\chi^{2}_{0{,}95\,;19}=10{,}117 (aire 0,950{,}95 à droite, donc 0,050{,}05 à gauche).

Piège : prendre 8,9078{,}907 et 32,85232{,}852, qui servent au niveau 95 %95\ \%.

c)
(n−1)s2=19×1,52=19×2,25=42,75\displaystyle (n-1)s^{2}=19\times 1{,}5^{2}=19\times 2{,}25=42{,}75
(n−1)s2χα/2 ;ν2≤σ2≤(n−1)s2χ1−α/2 ;ν2\displaystyle \dfrac{(n-1)s^{2}}{\chi^{2}_{\alpha/2\,;\nu}}\le\sigma^{2}\le\dfrac{(n-1)s^{2}}{\chi^{2}_{1-\alpha/2\,;\nu}}

42,7530,144≤σ2≤42,7510,117\dfrac{42{,}75}{30{,}144}\le\sigma^{2}\le\dfrac{42{,}75}{10{,}117}, soit 1,418≤σ2≤4,226 g21{,}418\le\sigma^{2}\le 4{,}226\ \mathrm{g}^{2}.

Piège : diviser par la petite valeur pour la borne inférieure ; on obtient un « intervalle » à l'envers, de 4,234{,}23 à 1,421{,}42.

d)

La racine carrée est croissante : 1,418≤σ≤4,226\sqrt{1{,}418}\le\sigma\le\sqrt{4{,}226}, soit 1,191≤σ≤2,0561{,}191\le\sigma\le 2{,}056 g.

On a confiance à 90 %90\ \% que l'écart-type de la teneur en sucre est compris entre 1,191{,}19 et 2,062{,}06 g par canette.

e)

La valeur σ=1\sigma=1 g est SOUS la borne inférieure 1,1911{,}191 g : elle n'est pas plausible au niveau 90 %90\ \%. Les données indiquent une doseuse moins régulière que promis.

Centre de l'intervalle de σ2\sigma^{2} : 1,418+4,2262≈2,822\dfrac{1{,}418+4{,}226}{2}\approx 2{,}822, alors que s2=2,25s^{2}=2{,}25. L'intervalle n'est PAS centré sur s2s^{2} : il s'étend plus loin à droite (4,226−2,25≈1,984{,}226-2{,}25\approx 1{,}98) qu'à gauche (2,25−1,418≈0,832{,}25-1{,}418\approx 0{,}83), comme la loi du khi-deux.

481216202428323640440,010,020,030,040,050,060,070,0810,11730,1440,900,050,05khi-deux, 19 ddldensité

Partie B : problèmes de contrôle (/50)

Exercice 6 : Intervalle d'une proportion, niveau associé et taille d'échantillon : les stages d'été

6 réponses vérifiables

Le service des stages d'une école d'ingénieurs veut connaître la proportion pp des étudiants de première année qui ont décroché un stage rémunéré pour l'été. Sur 250250 étudiants de première année tirés au hasard, 9595 répondent oui.

Table du cours : P(0<Z<z)P(0<Z<z), zz au centième ; z0,025=1,96z_{0{,}025}=1{,}96.

  • a) Donnez l'estimation ponctuelle de pp et vérifiez les conditions qui permettent d'utiliser la loi normale.
  • b) Construisez l'intervalle de confiance de pp au niveau 95 %95\ \%.
  • c) Le journal étudiant écrit : « entre 34 %34\ \% et 42 %42\ \% des étudiants de première année ont un stage rémunéré ». Quel niveau de confiance correspond à cette affirmation ?
  • d) L'an prochain, le service veut estimer pp à ±3 %\pm 3\ \% près, au niveau 95 %95\ \%, en s'appuyant sur le résultat de cette année. Combien d'étudiants doit-il interroger ?
  • e) Même question si le service ne dispose d'aucune estimation préalable de pp. Pourquoi cette taille est-elle la plus prudente ?

Tape tes réponses, la page te dit juste ou faux 0/6

a)
b)
c)
d)
e)
Voir la correction

Réponses

  • a) p‾=0,38\overline{p}=0{,}38 ; np‾=95≥5n\overline{p}=95\ge 5, n(1−p‾)=155≥5n(1-\overline{p})=155\ge 5
  • b) [0,3198 ;0,4402][0{,}3198\,;0{,}4402]
  • c) Environ 80,6 %80{,}6\ \%
  • d) n=1 006n=1\,006 étudiants
  • e) n=1 068n=1\,068 : p‾=0,5\overline{p}=0{,}5 maximise p‾(1−p‾)\overline{p}(1-\overline{p})

Le fil : l'écart-type de la proportion d'un échantillon est p(1−p)n\sqrt{\frac{p(1-p)}{n}}, et la racine couvre TOUTE la fraction. Les trois gestes de l'exercice, l'intervalle, le niveau et la taille, ne sont que trois lectures de la même égalité E=zα/2p‾(1−p‾)nE=z_{\alpha/2}\sqrt{\frac{\overline{p}(1-\overline{p})}{n}}.

a)

p‾=95250=0,38\overline{p}=\dfrac{95}{250}=0{,}38 : on estime que 38 %38\ \% des étudiants de première année ont un stage rémunéré.

Conditions : n=250≥30n=250\ge 30, np‾=95≥5n\overline{p}=95\ge 5 et n(1−p‾)=155≥5n(1-\overline{p})=155\ge 5. La loi de P‾\overline{P} est alors approximativement normale.

b)
σp‾≈0,38×0,62250=0,000 942 4≈0,030 70\displaystyle \sigma_{\overline{p}}\approx\sqrt{\dfrac{0{,}38\times 0{,}62}{250}}=\sqrt{0{,}000\,942\,4}\approx 0{,}030\,70
E=1,96×0,030 70≈0,0602\displaystyle E=1{,}96\times 0{,}030\,70\approx 0{,}0602
p∈[0,3198 ;0,4402]\displaystyle p\in[0{,}3198\,;0{,}4402]

On a confiance à 95 %95\ \% qu'entre 32,0 %32{,}0\ \% et 44,0 %44{,}0\ \% des étudiants de première année ont un stage rémunéré.

Piège : écrire 0,38×0,62/250\sqrt{0{,}38\times 0{,}62}/250 ; on trouve une marge cent fois trop petite, faute d'avoir mis nn sous la racine.

c)

L'intervalle annoncé est centré sur 0,380{,}38, de marge E=0,04E=0{,}04.

zα/2=0,040,030 70≈1,30\displaystyle z_{\alpha/2}=\dfrac{0{,}04}{0{,}030\,70}\approx 1{,}30

Niveau =2P(0<Z<1,30)=2×0,4032=0,8064=2P(0<Z<1{,}30)=2\times 0{,}4032=0{,}8064, soit environ 80,6 %80{,}6\ \% (figure du corrigé).

Un intervalle plus étroit que celui de b) se paie : sa confiance tombe à environ 81 %81\ \%.

d)
n≥(zα/2E)2p‾(1−p‾)=(1,960,03)2×0,38×0,62≈1 005,6\displaystyle n\ge\left(\dfrac{z_{\alpha/2}}{E}\right)^{2}\overline{p}(1-\overline{p})=\left(\dfrac{1{,}96}{0{,}03}\right)^{2}\times 0{,}38\times 0{,}62\approx 1\,005{,}6

Il faut interroger au moins 1 0061\,006 étudiants.

Piège : arrondir à 1 0051\,005 ; la marge dépasserait alors 3 %3\ \%.

e)

Sans estimation, on prend p‾=0,5\overline{p}=0{,}5 : n≥(1,960,03)2×0,25≈1 067,1n\ge\left(\dfrac{1{,}96}{0{,}03}\right)^{2}\times 0{,}25\approx 1\,067{,}1, donc n=1 068n=1\,068.

Le produit p‾(1−p‾)\overline{p}(1-\overline{p}) est maximal en p‾=0,5\overline{p}=0{,}5, où il vaut 0,250{,}25 : cette taille garantit la marge QUELLE QUE SOIT la vraie proportion. Elle coûte ici 6262 étudiants de plus.

0,30,320,340,360,380,40,420,440,4695 %annoncép̄ = 0,38

Exercice 7 : Les lois du khi-deux et de Student construites à partir de normales

8 réponses vérifiables

Les variables UU, WW, XX, YY, Z1Z_{1}, Z2Z_{2}, Z3Z_{3}, Z4Z_{4} sont indépendantes. UU suit la loi normale de moyenne 00 et de variance 99 ; toutes les autres suivent la loi normale centrée réduite.

Rappels du cours : si Z1,…,ZνZ_{1},\dots,Z_{\nu} sont indépendantes et centrées réduites, Z12+⋯+Zν2Z_{1}^{2}+\dots+Z_{\nu}^{2} suit χν2\chi^{2}_{\nu} ; si Z∼N(0 ;1)Z\sim\mathcal{N}(0\,;1) et Q∼χν2Q\sim\chi^{2}_{\nu} sont indépendantes, ZQ/ν\dfrac{Z}{\sqrt{Q/\nu}} suit la loi de Student à ν\nu degrés de liberté. Extrait des tables ci-dessous (P(T>t)=αP(T>t)=\alpha, P(χ2>x)=αP(\chi^{2}>x)=\alpha).

Loiνα = 0,975α = 0,95α = 0,10α = 0,05α = 0,025
Student31,63772,35343,1824
Khi-deux47,7799,48811,143
Khi-deux92,7003,32516,91919,023
  • a) Quelle est la loi de Q=Z12+Z22+Z32+Z42Q=Z_{1}^{2}+Z_{2}^{2}+Z_{3}^{2}+Z_{4}^{2} ? Calculez P(Q>9,488)P(Q>9{,}488).
  • b) Sachant que E(Z2)=1E(Z^{2})=1 et E(Z4)=3E(Z^{4})=3 pour une normale centrée réduite ZZ, calculez E(Q)E(Q) et V(Q)V(Q).
  • c) Montrez que T=U/3(W2+X2+Y2)/3T=\dfrac{U/3}{\sqrt{(W^{2}+X^{2}+Y^{2})/3}} suit une loi de Student dont vous préciserez les degrés de liberté, puis calculez P ⁣(UW2+X2+Y2≤4,076)P\!\left(\dfrac{U}{\sqrt{W^{2}+X^{2}+Y^{2}}}\le 4{,}076\right).
  • d) On prélève 1010 pièces dans une population normale de variance σ2=4\sigma^{2}=4, et l'on note S2S^{2} la variance de l'échantillon. Trouvez cc tel que P(S2>c)=0,05P(S^{2}>c)=0{,}05.
  • e) Avec le même échantillon, calculez P(S2<1,2)P(S^{2}<1{,}2).

Tape tes réponses, la page te dit juste ou faux 0/8

a)
b)
c)
d)
e)
Voir la correction

Réponses

  • a) Q∼χ42Q\sim\chi^{2}_{4} ; P(Q>9,488)=0,05P(Q>9{,}488)=0{,}05
  • b) E(Q)=4E(Q)=4, V(Q)=8V(Q)=8
  • c) Student à 33 degrés de liberté ; probabilité ≈0,95\approx 0{,}95
  • d) c≈7,52c\approx 7{,}52
  • e) P(S2<1,2)=0,025P(S^{2}<1{,}2)=0{,}025

Le fil : chaque probabilité de l'exercice se ramène à UNE ligne de table, à condition de reconnaître d'abord la construction (ZZ centrée réduite, somme de carrés indépendants, quotient) et de la mettre exactement à la forme du cours.

a)

QQ est la somme des carrés de 44 normales centrées réduites indépendantes : Q∼χ42Q\sim\chi^{2}_{4}.

P(Q>9,488)=P(χ42>χ0,05 ;42)=0,05\displaystyle P(Q>9{,}488)=P(\chi^{2}_{4}>\chi^{2}_{0{,}05\,;4})=0{,}05
b)

E(Q)=4E(Z2)=4×1=4E(Q)=4E(Z^{2})=4\times 1=4 : l'espérance d'un khi-deux est son nombre de degrés de liberté.

V(Z2)=E(Z4)−E(Z2)2=3−1=2V(Z^{2})=E(Z^{4})-E(Z^{2})^{2}=3-1=2, et les Zi2Z_{i}^{2} sont indépendantes : V(Q)=4×2=8V(Q)=4\times 2=8.

En général, E(χν2)=νE(\chi^{2}_{\nu})=\nu et V(χν2)=2νV(\chi^{2}_{\nu})=2\nu.

c)

U3∼N(0 ;1)\dfrac{U}{3}\sim\mathcal{N}(0\,;1), puisque l'écart-type de UU est 9=3\sqrt{9}=3 ; W2+X2+Y2∼χ32W^{2}+X^{2}+Y^{2}\sim\chi^{2}_{3}, indépendante de UU.

Donc T=U/3(W2+X2+Y2)/3T=\dfrac{U/3}{\sqrt{(W^{2}+X^{2}+Y^{2})/3}} suit la loi de Student à 33 degrés de liberté.

T=U3⋅3W2+X2+Y2=13⋅UW2+X2+Y2\displaystyle T=\dfrac{U}{3}\cdot\dfrac{\sqrt{3}}{\sqrt{W^{2}+X^{2}+Y^{2}}}=\dfrac{1}{\sqrt{3}}\cdot\dfrac{U}{\sqrt{W^{2}+X^{2}+Y^{2}}}
UW2+X2+Y2≤4,076  ⟺  T≤4,0763≈2,3533\displaystyle \dfrac{U}{\sqrt{W^{2}+X^{2}+Y^{2}}}\le 4{,}076\iff T\le\dfrac{4{,}076}{\sqrt{3}}\approx 2{,}3533

La table donne t0,05 ;3=2,3534t_{0{,}05\,;3}=2{,}3534, donc P≈1−0,05=0,95P\approx 1-0{,}05=0{,}95 (figure du corrigé).

Piège : diviser UU par 99 ; on centre-réduit avec l'écart-type, pas avec la variance.

d)

(n−1)S2σ2=9S24∼χ92\dfrac{(n-1)S^{2}}{\sigma^{2}}=\dfrac{9S^{2}}{4}\sim\chi^{2}_{9}, la population étant normale.

P(S2>c)=P ⁣(χ92>9c4)=0,05P(S^{2}>c)=P\!\left(\chi^{2}_{9}>\dfrac{9c}{4}\right)=0{,}05, donc 9c4=χ0,05 ;92=16,919\dfrac{9c}{4}=\chi^{2}_{0{,}05\,;9}=16{,}919.

c=4×16,9199≈7,52\displaystyle c=\dfrac{4\times 16{,}919}{9}\approx 7{,}52

Seuls 5 %5\ \% des échantillons de 1010 pièces ont une variance supérieure à 7,527{,}52, presque le double de σ2=4\sigma^{2}=4 : sur de petits échantillons, S2S^{2} fluctue beaucoup.

e)
P(S2<1,2)=P ⁣(χ92<9×1,24)=P(χ92<2,7)\displaystyle P(S^{2}<1{,}2)=P\!\left(\chi^{2}_{9}<\dfrac{9\times 1{,}2}{4}\right)=P(\chi^{2}_{9}<2{,}7)

La table donne χ0,975 ;92=2,700\chi^{2}_{0{,}975\,;9}=2{,}700 : P(χ92>2,7)=0,975P(\chi^{2}_{9}>2{,}7)=0{,}975, donc P(S2<1,2)=1−0,975=0,025P(S^{2}<1{,}2)=1-0{,}975=0{,}025.

Piège : répondre 0,9750{,}975 ; la table du khi-deux donne l'aire à DROITE.

−5−4−3−2−1123450,10,20,30,42,35340,05Student, 3 ddlnormale N(0 ; 1)densité

Exercice 8 : Cinq affirmations à corriger

10 réponses vérifiables

Une usine fabrique des ballons de volleyball dont la circonférence XX, en centimètres, suit la loi normale N(66 ;0,64)\mathcal{N}(66\,;0{,}64). Les cinq affirmations ci-dessous ont été relevées sur des copies. Pour chacune, dites si elle est vraie ou fausse, justifiez, et donnez le nombre demandé. Deux points par affirmation.

Valeurs de table : t0,025 ;9=2,2622t_{0{,}025\,;9}=2{,}2622 ; χ0,025 ;92=19,023\chi^{2}_{0{,}025\,;9}=19{,}023 et χ0,975 ;92=2,700\chi^{2}_{0{,}975\,;9}=2{,}700.

  • a) « Pour un échantillon de 1616 ballons, X‾∼N(66 ;0,04)\overline{X}\sim\mathcal{N}(66\,;0{,}04), donc l'écart-type de X‾\overline{X} vaut 0,6416=0,16\frac{0{,}64}{\sqrt{16}}=0{,}16 cm. » Donnez l'écart-type correct de X‾\overline{X}.
  • b) « L'intervalle de confiance à 95 %95\ \% obtenu, [65,6 ;66,4][65{,}6\,;66{,}4], veut dire que μ\mu a 95 %95\ \% de chances d'être entre 65,665{,}6 et 66,466{,}4 cm. » Sur 200200 échantillons, combien d'intervalles à 95 %95\ \%, construits de la même façon, devraient en moyenne manquer μ\mu ?
  • c) « Pour obtenir un intervalle deux fois plus précis que celui de 1616 ballons, il suffit d'en mesurer 3232. » Donnez la taille correcte, σ\sigma étant connue.
  • d) « Si la circonférence n'était pas normale, on pourrait encore estimer μ\mu avec zz et ss à partir de 5050 ballons. » Calculez la marge d'erreur à 95 %95\ \% pour n=50n=50 et s=0,9s=0{,}9 cm.
  • e) « Sur 1010 ballons, s2=0,81s^{2}=0{,}81 ; l'intervalle de confiance à 95 %95\ \% de σ2\sigma^{2} est centré sur 0,810{,}81. » Donnez la borne supérieure de cet intervalle.

Tape tes réponses, la page te dit juste ou faux 0/10

a)
b)
c)
d)
e)
Voir la correction

Réponses

  • a) Faux : σX‾=0,2\sigma_{\overline{X}}=0{,}2 cm
  • b) Faux : environ 1010 intervalles sur 200200 manquent μ\mu
  • c) Faux : n=64n=64 ballons
  • d) Vrai (cas 2, n≥30n\ge 30) : marge ≈0,2495\approx 0{,}2495 cm
  • e) Faux : [0,383 ;2,70][0{,}383\,;2{,}70], borne supérieure 2,702{,}70

Les cinq erreurs les plus coûteuses du chapitre : l'écart-type confondu avec la variance, le « 95 %95\ \% de chances », la précision qui doublerait avec nn, la condition de normalité mal placée, et l'intervalle de σ2\sigma^{2} qu'on croit symétrique.

a)

FAUX. La loi N(66 ;0,04)\mathcal{N}(66\,;0{,}04) est juste : V(X‾)=0,6416=0,04V(\overline{X})=\dfrac{0{,}64}{16}=0{,}04.

Mais l'écart-type est σX‾=0,04=0,816=0,2\sigma_{\overline{X}}=\sqrt{0{,}04}=\dfrac{0{,}8}{\sqrt{16}}=0{,}2 cm.

Piège : diviser la VARIANCE par n\sqrt{n}. On divise la variance par nn, ou l'écart-type par n\sqrt{n}, jamais l'un par la racine de l'autre.

b)

FAUX. μ\mu est un nombre fixe, inconnu : il est dans l'intervalle ou il n'y est pas. Ce qui est aléatoire, c'est l'intervalle, qui change d'un échantillon à l'autre.

Le 95 %95\ \% qualifie la MÉTHODE : à long terme, 95 %95\ \% des intervalles construits ainsi contiennent μ\mu. Sur 200200 échantillons, environ 200×0,05=10200\times 0{,}05=10 intervalles manquent μ\mu.

Phrase juste : « on a confiance à 95 %95\ \% que μ\mu est entre 65,665{,}6 et 66,466{,}4 cm ».

c)

FAUX. La marge vaut E=zσnE=z\dfrac{\sigma}{\sqrt{n}} : pour la diviser par 22, il faut multiplier n\sqrt{n} par 22, donc nn par 44.

n=4×16=64n=4\times 16=64 ballons. Avec 3232, la marge n'est divisée que par 2≈1,41\sqrt{2}\approx 1{,}41.

d)

VRAI. Avec n=50≥30n=50\ge 30, le théorème central limite rend X‾\overline{X} approximativement normale, et ss remplace σ\sigma : c'est le cas 2 du cours.

E=1,96×0,950≈0,2495E=1{,}96\times\dfrac{0{,}9}{\sqrt{50}}\approx 0{,}2495 cm

La normalité de la population n'est exigée que pour un petit échantillon (Student) et pour l'intervalle de σ2\sigma^{2}.

e)

FAUX. 9S2σ2∼χ92\dfrac{9S^{2}}{\sigma^{2}}\sim\chi^{2}_{9} et (n−1)s2=9×0,81=7,29(n-1)s^{2}=9\times 0{,}81=7{,}29 :

σ2∈[7,2919,023 ;7,292,700]=[0,383 ;2,70]\displaystyle \sigma^{2}\in\left[\dfrac{7{,}29}{19{,}023}\,;\dfrac{7{,}29}{2{,}700}\right]=[0{,}383\,;2{,}70]

Le centre de l'intervalle est environ 1,541{,}54, loin de 0,810{,}81 : la loi du khi-deux n'est pas symétrique, l'intervalle non plus.

Exercice 9 : Problème : la résistance de cylindres de béton d'un chantier

11 réponses vérifiables

Sur le chantier d'un viaduc, le laboratoire écrase à 2828 jours 1212 cylindres de béton prélevés au hasard dans les livraisons de la semaine. Résistances à la compression, en MPa (figure) : 30,130{,}1 ; 34,234{,}2 ; 32,832{,}8 ; 29,629{,}6 ; 33,533{,}5 ; 31,931{,}9 ; 35,035{,}0 ; 32,232{,}2 ; 30,830{,}8 ; 33,933{,}9 ; 31,431{,}4 ; 34,634{,}6. On donne ∑xi=390\sum x_{i}=390 et ∑xi2=12 710,32\sum x_{i}^{2}=12\,710{,}32.

On suppose la résistance XX d'un cylindre normalement distribuée. Le devis exige une résistance moyenne d'au moins 3030 MPa et un écart-type d'au plus 33 MPa. Valeurs de table : t0,025 ;11=2,2010t_{0{,}025\,;11}=2{,}2010 ; χ0,025 ;112=21,920\chi^{2}_{0{,}025\,;11}=21{,}920 et χ0,975 ;112=3,816\chi^{2}_{0{,}975\,;11}=3{,}816.

2930313233343536MPa
  • a) Définissez la variable étudiée, puis calculez une estimation ponctuelle de μ\mu et de σ\sigma.
  • b) Justifiez le choix de la loi, puis construisez l'intervalle de confiance de μ\mu au niveau 95 %95\ \%.
  • c) Construisez l'intervalle de confiance de σ2\sigma^{2}, puis celui de σ\sigma, au niveau 95 %95\ \%.
  • d) À l'aide des intervalles de b) et c), peut-on affirmer au niveau 95 %95\ \% que la livraison respecte l'exigence sur la moyenne ? Et l'exigence sur l'écart-type ?
  • e) En prenant σ=s\sigma=s comme valeur connue, combien de cylindres faudrait-il écraser pour obtenir, au niveau 95 %95\ \%, un intervalle de μ\mu deux fois plus précis que celui de b) ? Gardez la marge de b) non arrondie.

Tape tes réponses, la page te dit juste ou faux 0/11

a)
b)
c)
d)
e)
Voir la correction

Réponses

  • a) μ^=32,5\hat{\mu}=32{,}5 MPa, σ^=s≈1,7919\hat{\sigma}=s\approx 1{,}7919 MPa
  • b) Student, 1111 degrés de liberté ; [31,36 ;33,64][31{,}36\,;33{,}64] MPa
  • c) σ2∈[1,611 ;9,256]\sigma^{2}\in[1{,}611\,;9{,}256] ; σ∈[1,269 ;3,042]\sigma\in[1{,}269\,;3{,}042] MPa
  • d) Moyenne : oui, tout l'intervalle dépasse 3030 MPa ; écart-type : non, la borne 3,0423{,}042 dépasse 33
  • e) n=39n=39 cylindres

Le problème suit l'ordre d'un contrôle : estimer, choisir la loi, encadrer, puis décider. Chaque paramètre a SON intervalle : Student pour μ\mu, khi-deux pour σ2\sigma^{2}, et les deux exigent ici la normalité de XX.

a)

XX : résistance à la compression à 2828 jours d'un cylindre de béton de ces livraisons, en MPa.

x‾=39012=32,5\overline{x}=\dfrac{390}{12}=32{,}5 MPa

s2=12 710,32−12×32,5211=35,3211≈3,2109 MPa2s^{2}=\dfrac{12\,710{,}32-12\times 32{,}5^{2}}{11}=\dfrac{35{,}32}{11}\approx 3{,}2109\ \mathrm{MPa}^{2}, donc s≈1,7919s\approx 1{,}7919 MPa.

Estimations ponctuelles : μ^=32,5\hat{\mu}=32{,}5 MPa et σ^≈1,79\hat{\sigma}\approx 1{,}79 MPa.

b)

Population normale, σ\sigma inconnue, n=12<30n=12<30 : Student à ν=11\nu=11 degrés de liberté, t0,025 ;11=2,2010t_{0{,}025\,;11}=2{,}2010.

E=2,2010×1,791912≈1,1385E=2{,}2010\times\dfrac{1{,}7919}{\sqrt{12}}\approx 1{,}1385 MPa

μ∈[31,36 ;33,64]\mu\in[31{,}36\,;33{,}64] MPa

On a confiance à 95 %95\ \% que la résistance moyenne des cylindres de ces livraisons est comprise entre 31,3631{,}36 et 33,6433{,}64 MPa.

c)

(n−1)s2=35,32(n-1)s^{2}=35{,}32, et la grande valeur de table donne la petite borne :

35,3221,920≤σ2≤35,323,816\dfrac{35{,}32}{21{,}920}\le\sigma^{2}\le\dfrac{35{,}32}{3{,}816}, soit 1,611≤σ2≤9,256 MPa21{,}611\le\sigma^{2}\le 9{,}256\ \mathrm{MPa}^{2}.

En prenant les racines : 1,269≤σ≤3,0421{,}269\le\sigma\le 3{,}042 MPa (figure du corrigé).

d)

Moyenne : tout l'intervalle [31,36 ;33,64][31{,}36\,;33{,}64] est au-dessus de 3030 MPa. Au niveau 95 %95\ \%, les données appuient l'exigence sur la moyenne.

Écart-type : l'intervalle [1,269 ;3,042][1{,}269\,;3{,}042] contient des valeurs supérieures à 33 MPa. On ne peut PAS affirmer que σ≤3\sigma\le 3 MPa, même si l'estimation s≈1,79s\approx 1{,}79 est bien en dessous.

Piège : conclure sur la seule valeur ponctuelle ss ; avec 1212 cylindres, l'incertitude sur σ\sigma est grande. Il faudrait plus d'essais pour trancher.

e)

Marge visée : E′=E2=1,13852≈0,5693E'=\dfrac{E}{2}=\dfrac{1{,}1385}{2}\approx 0{,}5693 MPa. Avec σ\sigma connue, on passe à z0,025=1,96z_{0{,}025}=1{,}96 :

n≥(1,96×1,79190,5693)2=48(1,962,2010)2≈38,06n\ge\left(\dfrac{1{,}96\times 1{,}7919}{0{,}5693}\right)^{2}=48\left(\dfrac{1{,}96}{2{,}2010}\right)^{2}\approx 38{,}06, donc n=39n=39 cylindres.

Ce n'est pas 4×12=484\times 12=48 : la règle « quatre fois plus » vaut à valeur critique égale, et l'on remplace ici t=2,2010t=2{,}2010 par z=1,96z=1{,}96.

Piège : arrondir la marge à 0,570{,}57 avant d'élever au carré ; on obtient 37,9737{,}97, donc 3838 cylindres, un de trop peu.

11,41,82,22,633,4IDC de σs = 1,79devis : 3 MPa

Exercice 10 : Problème : des pneus hors norme, de la loi normale à l'intervalle d'une proportion

8 réponses vérifiables

Un manufacturier de pneus d'hiver soumet sa production à un essai d'éclatement. Pour le procédé actuel, la pression d'éclatement XX d'un pneu, en kPa, suit la loi normale N(1 450 ;602)\mathcal{N}(1\,450\,;60^{2}). Un pneu est hors norme si sa pression d'éclatement est inférieure à 1 3501\,350 kPa.

Table du cours : P(0<Z<z)P(0<Z<z), zz au centième ; z0,05=1,645z_{0{,}05}=1{,}645 et z0,025=1,96z_{0{,}025}=1{,}96.

  • a) Calculez la proportion pp de pneus hors norme que produit ce procédé.
  • b) On prélève au hasard un lot de 400400 pneus et l'on note P‾\overline{P} la proportion de pneus hors norme du lot. Vérifiez les conditions, puis donnez la loi approchée de P‾\overline{P} avec ses deux paramètres.
  • c) Calculez la probabilité que plus de 6 %6\ \% des pneus du lot soient hors norme.
  • d) Un distributeur inspecte 400400 pneus tirés au hasard dans son entrepôt et en trouve 3030 hors norme. Construisez l'intervalle de confiance à 95 %95\ \% de la proportion de pneus hors norme de l'entrepôt. La valeur pp du procédé, trouvée en a), est-elle dans cet intervalle ?
  • e) Le distributeur veut estimer cette proportion à ±1 %\pm 1\ \% près, au niveau 90 %90\ \%, en s'appuyant sur son estimation de d). Combien de pneus doit-il inspecter ?

Tape tes réponses, la page te dit juste ou faux 0/8

a)
b)
c)
d)
e)
Voir la correction

Réponses

  • a) p=0,0475p=0{,}0475
  • b) P‾≈N(0,0475 ;0,01062)\overline{P}\approx\mathcal{N}(0{,}0475\,;0{,}0106^{2}), écart-type ≈0,0106\approx 0{,}0106
  • c) P(P‾>0,06)=0,1190P(\overline{P}>0{,}06)=0{,}1190
  • d) [0,0492 ;0,1008][0{,}0492\,;0{,}1008] ; non, 0,04750{,}0475 est sous la borne inférieure
  • e) n=1 878n=1\,878 pneus

Un problème à étages : la loi normale de XX donne une probabilité pp, qui devient le paramètre de la loi d'une proportion d'échantillon, puis une estimation par intervalle. À chaque étage, on change de variable : un pneu, puis la proportion d'un lot.

a)

X∼N(1 450 ;602)X\sim\mathcal{N}(1\,450\,;60^{2}), d'écart-type 6060 kPa. z=1 350−1 45060≈−1,67z=\dfrac{1\,350-1\,450}{60}\approx -1{,}67

p=P(X<1 350)=0,5−P(0<Z<1,67)=0,5−0,4525=0,0475\displaystyle p=P(X<1\,350)=0{,}5-P(0<Z<1{,}67)=0{,}5-0{,}4525=0{,}0475

Le procédé produit environ 4,75 %4{,}75\ \% de pneus hors norme (figure du corrigé).

b)

Conditions : n=400≥30n=400\ge 30, np=400×0,0475=19≥5np=400\times 0{,}0475=19\ge 5 et n(1−p)=381≥5n(1-p)=381\ge 5.

P‾\overline{P} suit approximativement la loi normale de moyenne p=0,0475p=0{,}0475 et de variance p(1−p)n=0,0475×0,9525400\dfrac{p(1-p)}{n}=\dfrac{0{,}0475\times 0{,}9525}{400}, d'écart-type σp‾≈0,0106\sigma_{\overline{p}}\approx 0{,}0106.

P‾≈N(0,0475 ;0,01062)\displaystyle \overline{P}\approx\mathcal{N}(0{,}0475\,;0{,}0106^{2})

Piège : prendre p(1−p)\sqrt{p(1-p)} sans diviser par nn ; c'est l'écart-type d'UN pneu (variable de Bernoulli), pas celui d'une proportion de lot.

c)
z=0,06−0,04750,010 64≈1,18\displaystyle z=\dfrac{0{,}06-0{,}0475}{0{,}010\,64}\approx 1{,}18
P(P‾>0,06)=0,5−P(0<Z<1,18)=0,5−0,3810=0,1190\displaystyle P(\overline{P}>0{,}06)=0{,}5-P(0<Z<1{,}18)=0{,}5-0{,}3810=0{,}1190

Environ 12 %12\ \% des lots de 400400 pneus contiennent plus de 6 %6\ \% de pneus hors norme, même si le procédé n'a pas changé.

d)

p‾=30400=0,075\overline{p}=\dfrac{30}{400}=0{,}075 ; np‾=30≥5n\overline{p}=30\ge 5 et n(1−p‾)=370≥5n(1-\overline{p})=370\ge 5.

E=1,960,075×0,925400≈1,96×0,013 17≈0,0258\displaystyle E=1{,}96\sqrt{\dfrac{0{,}075\times 0{,}925}{400}}\approx 1{,}96\times 0{,}013\,17\approx 0{,}0258
p∈[0,0492 ;0,1008]\displaystyle p\in[0{,}0492\,;0{,}1008]

La valeur 0,04750{,}0475 est SOUS la borne inférieure : au niveau 95 %95\ \%, les pneus de l'entrepôt ne semblent pas tous venir du procédé décrit (autre usine, procédé déréglé, ou stockage qui dégrade les pneus).

Nuance : un intervalle à 95 %95\ \% manque la vraie proportion une fois sur vingt ; on conclut à un doute sérieux, pas à une certitude.

e)
n≥(1,6450,01)2×0,075×0,925≈1 877,3\displaystyle n\ge\left(\dfrac{1{,}645}{0{,}01}\right)^{2}\times 0{,}075\times 0{,}925\approx 1\,877{,}3

Il doit inspecter au moins 1 8781\,878 pneus.

Piège : utiliser 1,961{,}96 ; le niveau demandé est 90 %90\ \%, donc z0,05=1,645z_{0{,}05}=1{,}645.

1250130013501400145015001550160016500,0010,0020,0030,0040,0050,0060,0070,0081350 kPap = 0,0475X ~ N(1450 ; 60²)z = −1,67densité
Il manque quelque chose dans cette série ? Un type d'exercice que ton prof donne, un énoncé qui te bloque, une erreur repérée : dis-le-moi, je lis chaque demande.

L'envoi passe par ton espace gratuit : c'est ce qui me permet de te répondre et de te prévenir quand l'exercice est ajouté. Un courriel suffit, pas de mot de passe. Crée ton espace. Pas envie de créer un compte ? Écris-moi directement.

De quoi s'agit-il ?
Je lis chaque demande moi-même, personne d'autre ne la voit. Inutile d'écrire ton nom ou celui de ton école.
Quand ta demande est traitée, tu es prévenu par courriel et dans ton espace.

En envoyant, tu acceptes que je lise ta demande pour y répondre. Elle est gardée avec ton compte, effacée avec lui, et jamais publiée : politique de confidentialité.

Ce chapitre resservira dans

Les chapitres qui le réclament en amont, plus tard dans l'année ou dans les années suivantes.

© Ahmed Squalli Houssaini. Série publiée sur www.letuteurscientifique.ca/exercices/mth0104-echantillonnage-intervalles-confiance. Libre pour l'usage personnel et en classe ; sa republication ailleurs demande une autorisation écrite (mentions légales).

Vous cherchez un tuteur en probabilités et statistique pour MTH0104 ?

Contactez-moi pour une première séance. On travaille l'inférence au niveau du quiz et de l'examen final : la bonne loi d'abord, la phrase d'interprétation ensuite.

Site par Studio Squalli