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.Ils couvrent la distribution d'échantillonnage de la moyenne X et de la proportion P, les estimations ponctuelles de μ, σ2 et p, 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 que couvre la série, les pièges traités
Ils couvrent la distribution d'échantillonnage de la moyenne X et de la proportion P, les estimations ponctuelles de μ, σ2 et p, 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 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, de n et de la population qui choisit la table.
Les pièges traités : diviser la variance par n (exercices 0.1 et 8), confondre un sac et la moyenne de 25 sacs (exercice 2), répondre 0,4332 au lieu de 86,64% pour un niveau (exercice 3), prendre z=1,96 sur un petit échantillon (exercice 4), lire « risque 10% » comme un niveau (exercice 4), inverser les valeurs du khi-deux ou croire l'intervalle de σ2 centré (exercices 5, 8 et 9), oublier n sous la racine d'une proportion (exercices 6 et 10), doubler n 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.
Tes séries en favori t'attendent dans ton espace, du téléphone à l'ordinateur. C'est gratuit : un courriel suffit, sans mot de passe, et tu reviens ici.
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.
•LOI DE X : E(X)=μ, V(X)=nσ2, écart-type nσ ; normale si X l'est, approximativement normale dès n≥30 (TCL). Sans remise sur une petite population : facteur N−1N−n sur la variance.
•IDC DE μ : cas 1 (σ connue, X normale) x±zα/2nσ ; cas 2 (n≥30) x±zα/2ns ; cas 3 (X normale, n<30) x±tα/2;n−1ns.
•IDC DE p (np≥5 et n(1−p)≥5) : p±zα/2np(1−p). IDC DE σ2 (X normale) : [χα/2;n−12(n−1)s2;χ1−α/2;n−12(n−1)s2].
•TAILLE : n≥(Ezα/2σ)2 ou n≥(Ezα/2)2p(1−p), avec p=0,5 sans estimation ; toujours arrondie VERS LE HAUT. Marge divisée par 2 : n multiplié par 4.
•TABLES : P(0<Z<z) avec z au centième ; z0,05=1,645, z0,025=1,96, z0,005=2,575 ; P(T>tα;ν)=α ; P(χ2>χα;ν2)=α.
•LOIS CONSTRUITES : Z12+⋯+Zν2∼χν2 (E=ν, V=2ν) ; Q/νZ∼Tν ; σ2(n−1)S2∼χn−12 si X 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), avec z arrondi au centième AVANT la lecture. Valeurs critiques : z0,05=1,645, z0,025=1,96, z0,005=2,575.
Valeurs de table données : t0,025;9=2,2622 ; χ0,025;92=19,023 et χ0,975;92=2,700, où P(χ2>χα;ν2)=α. Les bornes d'un intervalle au centième, une probabilité au dix-millième.
a) X∼N(72;36) et n=16 : donnez E(X) et l'écart-type σX.
b) X∼N(250;144) et n=36 : calculez P(X>253).
c) Un échantillon de taille n=20 donne ∑xi=310 et ∑xi2=4880 : calculez x et s2.
d) Trouvez zα/2 pour un niveau de confiance de 92%.
e) Population normale, σ=3, n=25, x=48,2 : IDC de μ à 95%.
f) Population normale, n=10, x=12,4, s=1,8 : IDC de μ à 95%.
g) 84 succès sur n=300 : IDC de p à 90%.
h) σ=8 : taille minimale de l'échantillon pour une marge d'erreur d'au plus 2 à 95%.
i) Aucune estimation préalable de p : taille minimale pour estimer p à ±0,03 près à 95%.
j) Population normale, n=10, s2=4,5 : IDC de σ2 à 95%.
k) σ=5, n=25 : quel niveau de confiance a l'intervalle x±1,5 ?
l) Z1,…,Z5 sont indépendantes de loi N(0;1) et χ0,10;52=9,236 : calculez P(Z12+⋯+Z52>9,236).
Voir la correction
Réponses
a)E(X)=72, σX=1,5
b)P(X>253)=0,0668
c)x=15,5, s2≈3,9474
d)z0,04≈1,75
e)[47,02;49,38]
f)[11,11;13,69]
g)[0,2374;0,3226]
h)n=62
i)n=1068
j)[2,13;15,00]
k)86,64%
l)0,10
Le geste qui revient à chaque ligne : identifier l'ESTIMATEUR et sa loi. X a pour écart-type nσ, jamais σ ; Student remplace z quand σ est inconnue sur un petit échantillon ; le khi-deux sert à σ2 et donne un intervalle non centré.
a)
E(X)=μ=72 et σX=nσ=46=1,5
Piège : diviser la VARIANCE 36 par 16 ; le second paramètre de N(72;36) est σ2, donc σ=6.
b)
σX=3612=2, puis z=2253−250=1,50
P(X>253)=0,5−P(0<Z<1,50)=0,5−0,4332=0,0668
c)
x=20310=15,5
s2=n−1∑xi2−nx2=194880−20×15,52=1975≈3,9474
Piège : diviser par n=20 ; l'estimation de σ2 divise par n−1.
d)
α=0,08, donc 2α=0,04 et P(0<Z<z0,04)=0,5−0,04=0,46.
La table donne P(0<Z<1,75)=0,4599 et P(0<Z<1,76)=0,4608 : la plus proche est z0,04≈1,75.
e)
Cas 1 (σ connue) : E=1,96×253=1,176
μ∈[48,2−1,176;48,2+1,176]=[47,02;49,38]
f)
Cas 3 (σ inconnue, n<30, population normale) : Student à ν=9 degrés de liberté.
Piège : arrondir à 61 ; une taille d'échantillon s'arrondit toujours VERS LE HAUT.
i)
Sans estimation préalable, on prend p=0,5, qui rend p(1−p) maximal :
n≥(0,031,96)2×0,25≈1067,1, donc n=1068.
j)
ν=9 et (n−1)s2=9×4,5=40,5 :
σ2∈[19,02340,5;2,70040,5]=[2,13;15,00]
La GRANDE valeur de table donne la PETITE borne. L'intervalle n'est pas centré sur s2=4,5.
k)
σX=255=1, donc la marge 1,5 correspond à z=11,5=1,50.
Niveau =2P(0<Z<1,50)=2×0,4332=0,8664, soit 86,64%.
l)
Une somme de 5 carrés de normales centrées réduites indépendantes suit χ52 :
P(χ52>9,236)=0,10 par définition de la valeur de table.
Les points se gagnent avant la correction ; après, tu peux encore t'entraîner.
Pour toi :
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 31, 33, 34, 36 et 41 minutes. On considère cette petite population de N=5 durées, et X la durée d'une imprimante tirée au hasard : la figure donne sa loi.
On prélève des échantillons de n=2 imprimantes et l'on note X la durée moyenne de l'échantillon.
a) Calculez la moyenne μ et la variance σ2 de la population (c'est une population entière : on divise par N).
b) On tire deux imprimantes AVEC remise, l'ordre comptant. Combien y a-t-il d'échantillons possibles ? Dressez la distribution de X et donnez P(X=33,5).
c) À partir de cette distribution, calculez E(X) et V(X). Vérifiez que E(X)=μ et V(X)=nσ2.
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) et comparez-la à nσ2⋅N−1N−n.
e) Calculez P(X≥38) pour une imprimante seule, puis P(X≥38) avec remise et sans remise. Que montre la comparaison ?
Voir la correction
Réponses
a)μ=35 min, σ2=11,6min2
b)25 échantillons ; P(X=33,5)=0,16
c)E(X)=35=μ, V(X)=5,8=2σ2
d)10 échantillons ; V(X)=4,35=5,8×43
e)0,2 pour une imprimante ; 0,12 avec remise ; 0,1 sans remise
Le fil de l'exercice : 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.
Piège : diviser par N−1=4. Ici on connaît TOUTE la population : σ2 divise par N. Le n−1 sert à estimer σ2 à partir d'un échantillon.
b)
Avec remise et ordre : 5×5=25 échantillons équiprobables, de (31;31) à (41;41).
La distribution de X (tableau du corrigé) compte, pour chaque moyenne, les couples qui la donnent. Par exemple x=33,5 vient de (31;36), (36;31), (33;34) et (34;33).
P(X=33,5)=254=0,16
Contrôle : les effectifs du tableau totalisent bien 25.
c)
E(X)=25∑x×effectif=25875=35=μ
V(X)=25∑(x−35)2×effectif=25145=5,8
Et nσ2=211,6=5,8 : les deux résultats du cours sont vérifiés sur cet exemple.
La figure du corrigé montre la loi de X : centrée sur 35, en cloche, alors que la population (figure de l'énoncé) n'a rien d'une cloche.
d)
Sans remise et sans ordre : C52=(25)=10 échantillons, de moyennes 32 ; 32,5 ; 33,5 ; 33,5 ; 34,5 ; 35 ; 36 ; 37 ; 37,5 ; 38,5.
E(X)=10350=35 et V(X)=10∑(x−35)2=1043,5=4,35
nσ2⋅N−1N−n=5,8×43=4,35 : on retrouve le facteur de correction déjà vu avec la loi hypergéométrique.
Sur une grande population (N très grand devant n), ce facteur vaut presque 1 : c'est pourquoi le cours écrit V(X)=nσ2.
e)
Une imprimante seule : P(X≥38)=P(X=41)=51=0,2.
Avec remise : P(X≥38)=252+1=0,12 (moyennes 38,5 et 41).
Sans remise : P(X≥38)=101=0,1 (seule la moyenne 38,5).
Une moyenne s'éloigne moins souvent de μ qu'une valeur isolée : la valeur extrême 41 est « diluée » par la seconde imprimante. Plus n grandit, plus X se resserre autour de μ, ce que dit V(X)=nσ2.
x̄ (min)
31
32
32,5
33
33,5
34
34,5
effectif
1
2
2
1
4
1
2
Distribution de X̄ avec remise, première moitié (effectifs sur 25).
x̄ (min)
35
36
37
37,5
38,5
41
effectif
2
3
2
2
2
1
Suite de la distribution (effectifs sur 25).
Les points se gagnent avant la correction ; après, tu peux encore t'entraîner.
Pour toi :
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 5 kg. La masse X d'un sac, en kilogrammes, suit la loi normale N(5;0,09) : le second paramètre est la VARIANCE. Un inspecteur prélève au hasard 25 sacs de la production et calcule leur masse moyenne X.
Table du cours : P(0<Z<z), avec z arrondi au centième.
a) Donnez la loi de X et ses deux paramètres.
b) Calculez la probabilité qu'un sac pris au hasard pèse moins de 4,9 kg, puis la probabilité que la moyenne des 25 sacs soit inférieure à 4,9 kg.
c) Calculez la probabilité que la moyenne de l'échantillon s'écarte de moins de 0,1 kg de la moyenne de la population.
d) Combien de sacs faut-il prélever, au minimum, pour que l'écart-type de X soit d'au plus 0,04 kg ?
e) L'écart-type de la ligne reste 0,3 kg. À quelle valeur faut-il régler la masse moyenne μ pour que 95% des échantillons de 25 sacs aient une moyenne d'au moins 5 kg ? Arrondissez au centième.
Voir la correction
Réponses
a)X∼N(5;0,0036), écart-type 0,06 kg
b)Un sac : 0,3707 ; la moyenne de 25 sacs : 0,0475
c)P(4,9<X<5,1)=0,9050
d)n=57 sacs
e)μ≈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 a l'écart-type nσ. La figure du corrigé superpose les deux lois.
a)
X est normale, donc X est normale, quelle que soit la taille n :
E(X)=μ=5 et V(X)=nσ2=250,09=0,0036
X∼N(5;0,0036), d'écart-type σX=0,0036=0,06 kg.
Piège : écrire N(5;0,06). Dans la notation du cours, le second paramètre est la variance ; 0,06 est l'écart-type.
b)
Un sac : σ=0,09=0,3 et z=0,34,9−5≈−0,33
P(X<4,9)=0,5−P(0<Z<0,33)=0,5−0,1293=0,3707
La moyenne de 25 sacs : z=0,064,9−5≈−1,67
P(X<4,9)=0,5−P(0<Z<1,67)=0,5−0,4525=0,0475
Environ 37% des sacs pèsent moins de 4,9 kg, mais moins de 5% des échantillons de 25 sacs ont une moyenne aussi basse.
c)
On traduit « s'écarte de moins de 0,1 » : P(∣X−5∣<0,1)=P(4,9<X<5,1).
Les bornes donnent z=±1,67 : P=2P(0<Z<1,67)=2×0,4525=0,9050.
Dans 90,5% des échantillons de 25 sacs, la moyenne est à moins de 100 g de la moyenne de la production.
d)
On veut nσ≤0,04, soit n≥0,040,3=7,5 et n≥56,25.
Il faut au moins n=57 sacs.
Piège : répondre 56 ; avec 56 sacs, 560,3≈0,0401>0,04.
e)
σX reste 0,06 et l'on veut P(X≥5)=0,95, donc P(X<5)=0,05.
La valeur 5 est sous la moyenne : 0,065−μ=−z0,05=−1,645
μ=5+1,645×0,06=5,0987≈5,10 kg
Il faut régler la ligne à environ 5,10 kg : une marge de 100 g environ au-dessus de la masse annoncée.
Piège : prendre +1,645 et trouver 4,90 kg ; avec ce réglage, la plupart des moyennes seraient SOUS 5 kg.
Les points se gagnent avant la correction ; après, tu peux encore t'entraîner.
Pour toi :
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 X, en millimètres, suit une loi normale d'écart-type σ=0,12 mm ; la moyenne μ, elle, change d'un lot de résine à l'autre. Sur un lot, on mesure 36 tuyaux tirés au hasard : moyenne x=3,48 mm.
Valeurs critiques : z0,05=1,645, z0,025=1,96, z0,005=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 au niveau 95%, puis au niveau 99%. Comparez leurs longueurs.
c) Le rapport du lot annonce : « 3,45mm≤μ≤3,51mm ». Déterminez le niveau de confiance associé à cet intervalle.
d) Quelle taille d'échantillon faudrait-il pour obtenir, au niveau 95%, une marge d'erreur d'au plus 0,025 mm ?
e) Un autre lot est fait d'une résine nouvelle dont on ne connaît pas l'écart-type. Sur 50 tuyaux : x=3,52 mm et s=0,15 mm. Nommez le cas, puis construisez l'IDC de μ à 90%.
Voir la correction
Réponses
a)Cas 1 : population normale, σ connue
b)95% : [3,4408;3,5192] ; 99% : [3,4285;3,5315] ; longueurs 0,0784 et 0,1030 mm
c)86,64%
d)n=89
e)Cas 2 ; [3,4851;3,5549] mm
Les trois cas de l'IDC d'une moyenne se distinguent par ce que l'on SAIT : σ connue (cas 1), σ inconnue mais n≥30 (cas 2), σ inconnue, n<30 et population normale (cas 3, Student). Les deux premiers utilisent z.
a)
X est normale et σ=0,12 mm est connue : c'est le cas 1.
X∼N(μ;360,122) exactement, d'écart-type σX=60,12=0,02 mm, et Z=σ/nX−μ∼N(0;1).
La condition n≥30 n'est même pas nécessaire ici : la normalité de X suffit.
b)
95% : E=1,96×0,02=0,0392 mm, donc μ∈[3,4408;3,5192] mm.
99% : E=2,575×0,02=0,0515 mm, donc μ∈[3,4285;3,5315] mm.
Longueurs 2E : 0,0784 mm contre 0,1030 mm. Plus de confiance se paie en précision : à n fixé, l'intervalle s'élargit.
Interprétation : on a confiance à 95% que l'épaisseur moyenne du lot est comprise entre 3,4408 et 3,5192 mm.
c)
L'intervalle annoncé est centré sur 3,48 : marge E=0,03 mm.
zα/2=σXE=0,020,03=1,50
Niveau 1−α=2P(0<Z<1,50)=2×0,4332=0,8664, soit 86,64% (figure du corrigé).
Piège : répondre 0,4332 ; la table donne la moitié de l'aire centrale.
d)
n≥(0,0251,96×0,12)2=9,4082≈88,51
Il faut au moins n=89 tuyaux.
e)
σ est inconnue mais n=50≥30 : cas 2, on remplace σ par s et on garde z (le TCL rend X approximativement normale, même sans supposer X normale).
E=1,645×500,15≈0,0349 mm
μ∈[3,4851;3,5549] mm, au niveau 90%.
Piège : prendre Student parce que σ est inconnue ; dans ce cours, avec n≥30, la loi normale suffit.
Les points se gagnent avant la correction ; après, tu peux encore t'entraîner.
Pour toi :
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, en jours, de ce modèle de pile. On suppose l'autonomie X normalement distribuée, de moyenne et de variance inconnues.
Sur 16 piles suivies jusqu'à épuisement, on a relevé : ∑xi=1920 et ∑xi2=231615. Valeurs de table : t0,025;15=2,1314 et t0,05;15=1,7531, où P(T>tα;ν)=α.
a) Calculez une estimation ponctuelle de μ, de σ2 et de σ.
b) Quelle loi faut-il utiliser pour construire l'intervalle de μ ? Justifiez, et donnez la valeur critique pour un niveau de 95%.
c) Construisez l'intervalle de confiance de μ au niveau 95%. Écrivez la formule générale avant de remplacer par les nombres.
d) Construisez l'intervalle de confiance de μ au niveau de risque 10%.
e) Une camarade a construit l'intervalle à 95% avec z=1,96. Calculez sa marge d'erreur. Son intervalle est-il trop large ou trop étroit ?
Voir la correction
Réponses
a)μ^=120 jours, σ^2=81, σ^=9 jours
b)Student à 15 degrés de liberté ; t0,025;15=2,1314
c)[115,20;124,80] jours
d)[116,06;123,94] jours
e)Marge 4,41 jours : intervalle trop étroit (vrai niveau ≈93%)
Le fil : on ne connaît pas σ et l'échantillon est petit. Remplacer σ par s 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=161920=120 jours : c'est l'estimation ponctuelle de μ.
Piège : diviser par n=16, ce qui donne 75,9 ; l'estimateur sans biais de σ2 divise par n−1.
b)
Population normale, σ inconnue, n=16<30 : cas 3. La variable T=S/nX−μ suit la loi de Student à ν=n−1=15 degrés de liberté.
Niveau 95% : 2α=0,025, donc t0,025;15=2,1314.
c)
μ∈[x−tα/2;n−1ns;x+tα/2;n−1ns]
E=2,1314×169=2,1314×2,25≈4,7957 jours
μ∈[115,20;124,80] jours
On a confiance à 95% que l'autonomie moyenne de ce modèle de pile est comprise entre 115,2 et 124,8 jours.
d)
Risque α=10%, donc niveau 90% et 2α=0,05 : t0,05;15=1,7531.
E=1,7531×2,25≈3,9445 jours, donc μ∈[116,06;123,94] jours.
Piège : lire « risque 10% » comme un niveau de 10%, ou prendre t0,10;15 ; le risque se partage entre les deux queues.
e)
Avec z : E=1,96×2,25=4,41 jours, intervalle [115,59;124,41].
Il est plus ÉTROIT que l'intervalle de Student (4,41<4,80) : il promet une précision que l'échantillon n'a pas.
Son vrai niveau de confiance est P(−1,96<T15<1,96)≈0,931, et non 0,95 (figure du corrigé).
Piège : prendre z « parce que s estime bien σ » ; avec 16 piles, l'écart reste sensible.
Les points se gagnent avant la correction ; après, tu peux encore t'entraîner.
Pour toi :
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 473 mL. La teneur X, en grammes par canette, est supposée normale. La moyenne est réglée par la doseuse ; c'est la RÉGULARITÉ du dosage, mesurée par σ2, qu'on veut estimer.
Sur 20 canettes prélevées au hasard sur la chaîne, l'écart-type de l'échantillon vaut s=1,5 g. Extrait de la table du khi-deux, P(χ2>χα;ν2)=α, ligne ν=19 : χ0,9752=8,907 ; χ0,952=10,117 ; χ0,052=30,144 ; χ0,0252=32,852.
a) Quelle loi suit la variable σ2(n−1)S2, et à quelle condition ?
b) Pour un niveau de confiance de 90%, donnez les deux valeurs de table utiles.
c) Construisez l'intervalle de confiance de σ2 au niveau 90%.
d) Déduisez-en un intervalle de confiance de σ au même niveau.
e) Le fournisseur de la doseuse garantit σ=1 g. Cette valeur est-elle plausible au niveau 90% ? L'intervalle de σ2 est-il centré sur s2 ?
Voir la correction
Réponses
a)Khi-deux à 19 degrés de liberté, si la population est normale
b)χ0,05;192=30,144 et χ0,95;192=10,117
c)1,418≤σ2≤4,226g2
d)1,191≤σ≤2,056 g
e)Non, 1 g est sous la borne inférieure ; non, l'intervalle n'est pas centré sur s2=2,25
Le fil : la variance ne s'estime ni avec z 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, σ2(n−1)S2 suit la loi du khi-deux à ν=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 n grand. Le TCL ne la remplace pas.
b)
Niveau 90% : α=0,10 et 2α=0,05 dans chaque queue (figure du corrigé).
On lit χ0,05;192=30,144 (queue droite de 0,05) et χ0,95;192=10,117 (aire 0,95 à droite, donc 0,05 à gauche).
Piège : prendre 8,907 et 32,852, qui servent au niveau 95%.
c)
(n−1)s2=19×1,52=19×2,25=42,75
χα/2;ν2(n−1)s2≤σ2≤χ1−α/2;ν2(n−1)s2
30,14442,75≤σ2≤10,11742,75, soit 1,418≤σ2≤4,226g2.
Piège : diviser par la petite valeur pour la borne inférieure ; on obtient un « intervalle » à l'envers, de 4,23 à 1,42.
d)
La racine carrée est croissante : 1,418≤σ≤4,226, soit 1,191≤σ≤2,056 g.
On a confiance à 90% que l'écart-type de la teneur en sucre est compris entre 1,19 et 2,06 g par canette.
e)
La valeur σ=1 g est SOUS la borne inférieure 1,191 g : elle n'est pas plausible au niveau 90%. Les données indiquent une doseuse moins régulière que promis.
Centre de l'intervalle de σ2 : 21,418+4,226≈2,822, alors que s2=2,25. L'intervalle n'est PAS centré sur s2 : il s'étend plus loin à droite (4,226−2,25≈1,98) qu'à gauche (2,25−1,418≈0,83), comme la loi du khi-deux.
Les points se gagnent avant la correction ; après, tu peux encore t'entraîner.
Pour toi :
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 p des étudiants de première année qui ont décroché un stage rémunéré pour l'été. Sur 250 étudiants de première année tirés au hasard, 95 répondent oui.
Table du cours : P(0<Z<z), z au centième ; z0,025=1,96.
a) Donnez l'estimation ponctuelle de p et vérifiez les conditions qui permettent d'utiliser la loi normale.
b) Construisez l'intervalle de confiance de p au niveau 95%.
c) Le journal étudiant écrit : « entre 34% et 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 p à ±3% près, au niveau 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 p. Pourquoi cette taille est-elle la plus prudente ?
Voir la correction
Réponses
a)p=0,38 ; np=95≥5, n(1−p)=155≥5
b)[0,3198;0,4402]
c)Environ 80,6%
d)n=1006 étudiants
e)n=1068 : p=0,5 maximise p(1−p)
Le fil : l'écart-type de la proportion d'un échantillon est np(1−p), 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/2np(1−p).
a)
p=25095=0,38 : on estime que 38% des étudiants de première année ont un stage rémunéré.
Conditions : n=250≥30, np=95≥5 et n(1−p)=155≥5. La loi de P est alors approximativement normale.
b)
σp≈2500,38×0,62=0,0009424≈0,03070
E=1,96×0,03070≈0,0602
p∈[0,3198;0,4402]
On a confiance à 95% qu'entre 32,0% et 44,0% des étudiants de première année ont un stage rémunéré.
Piège : écrire 0,38×0,62/250 ; on trouve une marge cent fois trop petite, faute d'avoir mis n sous la racine.
c)
L'intervalle annoncé est centré sur 0,38, de marge E=0,04.
zα/2=0,030700,04≈1,30
Niveau =2P(0<Z<1,30)=2×0,4032=0,8064, soit environ 80,6% (figure du corrigé).
Un intervalle plus étroit que celui de b) se paie : sa confiance tombe à environ 81%.
Piège : arrondir à 1005 ; la marge dépasserait alors 3%.
e)
Sans estimation, on prend p=0,5 : n≥(0,031,96)2×0,25≈1067,1, donc n=1068.
Le produit p(1−p) est maximal en p=0,5, où il vaut 0,25 : cette taille garantit la marge QUELLE QUE SOIT la vraie proportion. Elle coûte ici 62 étudiants de plus.
Les points se gagnent avant la correction ; après, tu peux encore t'entraîner.
Pour toi :
Exercice 7 : Les lois du khi-deux et de Student construites à partir de normales
8 réponses vérifiables
Les variables U, W, X, Y, Z1, Z2, Z3, Z4 sont indépendantes. U suit la loi normale de moyenne 0 et de variance 9 ; toutes les autres suivent la loi normale centrée réduite.
Rappels du cours : si Z1,…,Zν sont indépendantes et centrées réduites, Z12+⋯+Zν2 suit χν2 ; si Z∼N(0;1) et Q∼χν2 sont indépendantes, Q/νZ suit la loi de Student à ν degrés de liberté. Extrait des tables ci-dessous (P(T>t)=α, P(χ2>x)=α).
Loi
ν
α = 0,975
α = 0,95
α = 0,10
α = 0,05
α = 0,025
Student
3
1,6377
2,3534
3,1824
Khi-deux
4
7,779
9,488
11,143
Khi-deux
9
2,700
3,325
16,919
19,023
a) Quelle est la loi de Q=Z12+Z22+Z32+Z42 ? Calculez P(Q>9,488).
b) Sachant que E(Z2)=1 et E(Z4)=3 pour une normale centrée réduite Z, calculez E(Q) et V(Q).
c) Montrez que T=(W2+X2+Y2)/3U/3 suit une loi de Student dont vous préciserez les degrés de liberté, puis calculez P(W2+X2+Y2U≤4,076).
d) On prélève 10 pièces dans une population normale de variance σ2=4, et l'on note S2 la variance de l'échantillon. Trouvez c tel que P(S2>c)=0,05.
e) Avec le même échantillon, calculez P(S2<1,2).
Voir la correction
Réponses
a)Q∼χ42 ; P(Q>9,488)=0,05
b)E(Q)=4, V(Q)=8
c)Student à 3 degrés de liberté ; probabilité ≈0,95
d)c≈7,52
e)P(S2<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 (Z centrée réduite, somme de carrés indépendants, quotient) et de la mettre exactement à la forme du cours.
a)
Q est la somme des carrés de 4 normales centrées réduites indépendantes : Q∼χ42.
P(Q>9,488)=P(χ42>χ0,05;42)=0,05
b)
E(Q)=4E(Z2)=4×1=4 : l'espérance d'un khi-deux est son nombre de degrés de liberté.
V(Z2)=E(Z4)−E(Z2)2=3−1=2, et les Zi2 sont indépendantes : V(Q)=4×2=8.
En général, E(χν2)=ν et V(χν2)=2ν.
c)
3U∼N(0;1), puisque l'écart-type de U est 9=3 ; W2+X2+Y2∼χ32, indépendante de U.
Donc T=(W2+X2+Y2)/3U/3 suit la loi de Student à 3 degrés de liberté.
T=3U⋅W2+X2+Y23=31⋅W2+X2+Y2U
W2+X2+Y2U≤4,076⟺T≤34,076≈2,3533
La table donne t0,05;3=2,3534, donc P≈1−0,05=0,95 (figure du corrigé).
Piège : diviser U par 9 ; on centre-réduit avec l'écart-type, pas avec la variance.
d)
σ2(n−1)S2=49S2∼χ92, la population étant normale.
P(S2>c)=P(χ92>49c)=0,05, donc 49c=χ0,05;92=16,919.
c=94×16,919≈7,52
Seuls 5% des échantillons de 10 pièces ont une variance supérieure à 7,52, presque le double de σ2=4 : sur de petits échantillons, S2 fluctue beaucoup.
e)
P(S2<1,2)=P(χ92<49×1,2)=P(χ92<2,7)
La table donne χ0,975;92=2,700 : P(χ92>2,7)=0,975, donc P(S2<1,2)=1−0,975=0,025.
Piège : répondre 0,975 ; la table du khi-deux donne l'aire à DROITE.
Les points se gagnent avant la correction ; après, tu peux encore t'entraîner.
Pour toi :
Exercice 8 : Cinq affirmations à corriger
10 réponses vérifiables
Une usine fabrique des ballons de volleyball dont la circonférence X, en centimètres, suit la loi normale 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=2,2622 ; χ0,025;92=19,023 et χ0,975;92=2,700.
a) « Pour un échantillon de 16 ballons, X∼N(66;0,04), donc l'écart-type de X vaut 160,64=0,16 cm. » Donnez l'écart-type correct de X.
b) « L'intervalle de confiance à 95% obtenu, [65,6;66,4], veut dire que μ a 95% de chances d'être entre 65,6 et 66,4 cm. » Sur 200 échantillons, combien d'intervalles à 95%, construits de la même façon, devraient en moyenne manquer μ ?
c) « Pour obtenir un intervalle deux fois plus précis que celui de 16 ballons, il suffit d'en mesurer 32. » Donnez la taille correcte, σ étant connue.
d) « Si la circonférence n'était pas normale, on pourrait encore estimer μ avec z et s à partir de 50 ballons. » Calculez la marge d'erreur à 95% pour n=50 et s=0,9 cm.
e) « Sur 10 ballons, s2=0,81 ; l'intervalle de confiance à 95% de σ2 est centré sur 0,81. » Donnez la borne supérieure de cet intervalle.
Voir la correction
Réponses
a)Faux : σX=0,2 cm
b)Faux : environ 10 intervalles sur 200 manquent μ
c)Faux : n=64 ballons
d)Vrai (cas 2, n≥30) : marge ≈0,2495 cm
e)Faux : [0,383;2,70], borne supérieure 2,70
Les cinq erreurs les plus coûteuses du chapitre : l'écart-type confondu avec la variance, le « 95% de chances », la précision qui doublerait avec n, la condition de normalité mal placée, et l'intervalle de σ2 qu'on croit symétrique.
a)
FAUX. La loi N(66;0,04) est juste : V(X)=160,64=0,04.
Mais l'écart-type est σX=0,04=160,8=0,2 cm.
Piège : diviser la VARIANCE par n. On divise la variance par n, ou l'écart-type par n, jamais l'un par la racine de l'autre.
b)
FAUX. μ 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% qualifie la MÉTHODE : à long terme, 95% des intervalles construits ainsi contiennent μ. Sur 200 échantillons, environ 200×0,05=10 intervalles manquent μ.
Phrase juste : « on a confiance à 95% que μ est entre 65,6 et 66,4 cm ».
c)
FAUX. La marge vaut E=znσ : pour la diviser par 2, il faut multiplier n par 2, donc n par 4.
n=4×16=64 ballons. Avec 32, la marge n'est divisée que par 2≈1,41.
d)
VRAI. Avec n=50≥30, le théorème central limite rend X approximativement normale, et s remplace σ : c'est le cas 2 du cours.
E=1,96×500,9≈0,2495 cm
La normalité de la population n'est exigée que pour un petit échantillon (Student) et pour l'intervalle de σ2.
e)
FAUX. σ29S2∼χ92 et (n−1)s2=9×0,81=7,29 :
σ2∈[19,0237,29;2,7007,29]=[0,383;2,70]
Le centre de l'intervalle est environ 1,54, loin de 0,81 : la loi du khi-deux n'est pas symétrique, l'intervalle non plus.
Les points se gagnent avant la correction ; après, tu peux encore t'entraîner.
Pour toi :
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 28 jours 12 cylindres de béton prélevés au hasard dans les livraisons de la semaine. Résistances à la compression, en MPa (figure) : 30,1 ; 34,2 ; 32,8 ; 29,6 ; 33,5 ; 31,9 ; 35,0 ; 32,2 ; 30,8 ; 33,9 ; 31,4 ; 34,6. On donne ∑xi=390 et ∑xi2=12710,32.
On suppose la résistance X d'un cylindre normalement distribuée. Le devis exige une résistance moyenne d'au moins 30 MPa et un écart-type d'au plus 3 MPa. Valeurs de table : t0,025;11=2,2010 ; χ0,025;112=21,920 et χ0,975;112=3,816.
a) Définissez la variable étudiée, puis calculez une estimation ponctuelle de μ et de σ.
b) Justifiez le choix de la loi, puis construisez l'intervalle de confiance de μ au niveau 95%.
c) Construisez l'intervalle de confiance de σ2, puis celui de σ, au niveau 95%.
d) À l'aide des intervalles de b) et c), peut-on affirmer au niveau 95% que la livraison respecte l'exigence sur la moyenne ? Et l'exigence sur l'écart-type ?
e) En prenant σ=s comme valeur connue, combien de cylindres faudrait-il écraser pour obtenir, au niveau 95%, un intervalle de μ deux fois plus précis que celui de b) ? Gardez la marge de b) non arrondie.
Voir la correction
Réponses
a)μ^=32,5 MPa, σ^=s≈1,7919 MPa
b)Student, 11 degrés de liberté ; [31,36;33,64] MPa
c)σ2∈[1,611;9,256] ; σ∈[1,269;3,042] MPa
d)Moyenne : oui, tout l'intervalle dépasse 30 MPa ; écart-type : non, la borne 3,042 dépasse 3
e)n=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, khi-deux pour σ2, et les deux exigent ici la normalité de X.
a)
X : résistance à la compression à 28 jours d'un cylindre de béton de ces livraisons, en MPa.
x=12390=32,5 MPa
s2=1112710,32−12×32,52=1135,32≈3,2109MPa2, donc s≈1,7919 MPa.
Estimations ponctuelles : μ^=32,5 MPa et σ^≈1,79 MPa.
b)
Population normale, σ inconnue, n=12<30 : Student à ν=11 degrés de liberté, t0,025;11=2,2010.
E=2,2010×121,7919≈1,1385 MPa
μ∈[31,36;33,64] MPa
On a confiance à 95% que la résistance moyenne des cylindres de ces livraisons est comprise entre 31,36 et 33,64 MPa.
c)
(n−1)s2=35,32, et la grande valeur de table donne la petite borne :
21,92035,32≤σ2≤3,81635,32, soit 1,611≤σ2≤9,256MPa2.
En prenant les racines : 1,269≤σ≤3,042 MPa (figure du corrigé).
d)
Moyenne : tout l'intervalle [31,36;33,64] est au-dessus de 30 MPa. Au niveau 95%, les données appuient l'exigence sur la moyenne.
Écart-type : l'intervalle [1,269;3,042] contient des valeurs supérieures à 3 MPa. On ne peut PAS affirmer que σ≤3 MPa, même si l'estimation s≈1,79 est bien en dessous.
Piège : conclure sur la seule valeur ponctuelle s ; avec 12 cylindres, l'incertitude sur σ est grande. Il faudrait plus d'essais pour trancher.
e)
Marge visée : E′=2E=21,1385≈0,5693 MPa. Avec σ connue, on passe à z0,025=1,96 :
n≥(0,56931,96×1,7919)2=48(2,20101,96)2≈38,06, donc n=39 cylindres.
Ce n'est pas 4×12=48 : la règle « quatre fois plus » vaut à valeur critique égale, et l'on remplace ici t=2,2010 par z=1,96.
Piège : arrondir la marge à 0,57 avant d'élever au carré ; on obtient 37,97, donc 38 cylindres, un de trop peu.
Les points se gagnent avant la correction ; après, tu peux encore t'entraîner.
Pour toi :
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 X d'un pneu, en kPa, suit la loi normale N(1450;602). Un pneu est hors norme si sa pression d'éclatement est inférieure à 1350 kPa.
Table du cours : P(0<Z<z), z au centième ; z0,05=1,645 et z0,025=1,96.
a) Calculez la proportion p de pneus hors norme que produit ce procédé.
b) On prélève au hasard un lot de 400 pneus et l'on note P la proportion de pneus hors norme du lot. Vérifiez les conditions, puis donnez la loi approchée de P avec ses deux paramètres.
c) Calculez la probabilité que plus de 6% des pneus du lot soient hors norme.
d) Un distributeur inspecte 400 pneus tirés au hasard dans son entrepôt et en trouve 30 hors norme. Construisez l'intervalle de confiance à 95% de la proportion de pneus hors norme de l'entrepôt. La valeur p du procédé, trouvée en a), est-elle dans cet intervalle ?
e) Le distributeur veut estimer cette proportion à ±1% près, au niveau 90%, en s'appuyant sur son estimation de d). Combien de pneus doit-il inspecter ?
Voir la correction
Réponses
a)p=0,0475
b)P≈N(0,0475;0,01062), écart-type ≈0,0106
c)P(P>0,06)=0,1190
d)[0,0492;0,1008] ; non, 0,0475 est sous la borne inférieure
e)n=1878 pneus
Un problème à étages : la loi normale de X donne une probabilité p, 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.
Le procédé produit environ 4,75% de pneus hors norme (figure du corrigé).
b)
Conditions : n=400≥30, np=400×0,0475=19≥5 et n(1−p)=381≥5.
P suit approximativement la loi normale de moyenne p=0,0475 et de variance np(1−p)=4000,0475×0,9525, d'écart-type σp≈0,0106.
P≈N(0,0475;0,01062)
Piège : prendre p(1−p) sans diviser par n ; c'est l'écart-type d'UN pneu (variable de Bernoulli), pas celui d'une proportion de lot.
c)
z=0,010640,06−0,0475≈1,18
P(P>0,06)=0,5−P(0<Z<1,18)=0,5−0,3810=0,1190
Environ 12% des lots de 400 pneus contiennent plus de 6% de pneus hors norme, même si le procédé n'a pas changé.
d)
p=40030=0,075 ; np=30≥5 et n(1−p)=370≥5.
E=1,964000,075×0,925≈1,96×0,01317≈0,0258
p∈[0,0492;0,1008]
La valeur 0,0475 est SOUS la borne inférieure : au niveau 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% manque la vraie proportion une fois sur vingt ; on conclut à un doute sérieux, pas à une certitude.
e)
n≥(0,011,645)2×0,075×0,925≈1877,3
Il doit inspecter au moins 1878 pneus.
Piège : utiliser 1,96 ; le niveau demandé est 90%, donc z0,05=1,645.
Les points se gagnent avant la correction ; après, tu peux encore t'entraîner.
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.
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.