Tests d ajustement et intervalles de confiance proportion, moyenne, variance

Documents pareils
Cours (7) de statistiques à distance, élaboré par Zarrouk Fayçal, ISSEP Ksar-Said, LES STATISTIQUES INFERENTIELLES

Feuille 6 : Tests. Peut-on dire que l usine a respecté ses engagements? Faire un test d hypothèses pour y répondre.

Chapitre 3 : Principe des tests statistiques d hypothèse. José LABARERE

Nouveau Barème W.B.F. de points de victoire 4 à 48 donnes

Probabilité. Table des matières. 1 Loi de probabilité Conditions préalables Définitions Loi équirépartie...

UFR de Sciences Economiques Année TESTS PARAMÉTRIQUES

Analyse de la variance Comparaison de plusieurs moyennes

Sorgho grain sucrier ensilage L assurance sécheresses

Tests paramétriques de comparaison de 2 moyennes Exercices commentés José LABARERE

! " #$ % $! & '(# ) (%%

CHAPITRE VI ALEAS. 6.1.Généralités.

TABLE DES MATIÈRES. PRINCIPES D EXPÉRIMENTATION Planification des expériences et analyse de leurs résultats. Pierre Dagnelie

ACTUARIAT 1, ACT 2121, AUTOMNE 2013 #16

Tests de comparaison de moyennes. Dr Sahar BAYAT MASTER 1 année UE «Introduction à la biostatistique»

Introduction aux Statistiques et à l utilisation du logiciel R

Estimation et tests statistiques, TD 5. Solutions

Objet : Critères microbiologiques applicables aux auto-contrôles sur les carcasses d'animaux de boucherie. Destinataires d'exécution

La problématique des tests. Cours V. 7 mars Comment quantifier la performance d un test? Hypothèses simples et composites

Réseau SCEREN. Ce document a été numérisé par le CRDP de Bordeaux pour la. Base Nationale des Sujets d Examens de l enseignement professionnel.

Calcul matriciel. Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes.

distribution quelconque Signe 1 échantillon non Wilcoxon gaussienne distribution symétrique Student gaussienne position

1 Définition de la non stationnarité

Biostatistiques Biologie- Vétérinaire FUNDP Eric Depiereux, Benoît DeHertogh, Grégoire Vincke

Complétez, signez la Convention ci-après et paraphez les conditions générales,

Statistique inférentielle TD 1 : Estimation

TESTS D'HYPOTHESES Etude d'un exemple

TSTI 2D CH X : Exemples de lois à densité 1

Moments des variables aléatoires réelles

Revolvers des Années 30-40

Introduction à l approche bootstrap

Probabilités. Rappel : trois exemples. Exemple 2 : On dispose d un dé truqué. On sait que : p(1) = p(2) =1/6 ; p(3) = 1/3 p(4) = p(5) =1/12

Journées Thématiques 2004

Cours de Tests paramétriques

MT940-MultiLine. Formats. Version 3.02 du 17/01/2013. Sommaire: Extraits de compte (Formats utilisés) 2

Lois de probabilité. Anita Burgun

Coefficients binomiaux

Exposing a test of homogeneity of chronological series of annual rainfall in a climatic area. with using, if possible, the regional vector Hiez.

Équivalence et Non-infériorité

Final Cut Pro 5 Référence rapide

Calcul élémentaire des probabilités

MESURE ET PRECISION. Il est clair que si le voltmètre mesure bien la tension U aux bornes de R, l ampèremètre, lui, mesure. R mes. mes. .

Biostatistiques : Petits effectifs

TESTS PORTMANTEAU D ADÉQUATION DE MODÈLES ARMA FAIBLES : UNE APPROCHE BASÉE SUR L AUTO-NORMALISATION

Fertiliser le maïs autrement

BREVET DE TECHNICIEN SUPÉRIEUR AGRICOLE SUJET

Lecture critique d article. Bio statistiques. Dr MARC CUGGIA MCU-PH Laboratoire d informatique médicale EA-3888

Estimation: intervalle de fluctuation et de confiance. Mars IREM: groupe Proba-Stat. Fluctuation. Confiance. dans les programmes comparaison

t 100. = 8 ; le pourcentage de réduction est : 8 % 1 t Le pourcentage d'évolution (appelé aussi taux d'évolution) est le nombre :

TD1 Signaux, énergie et puissance, signaux aléatoires

L Econométrie des Données de Panel

Le secteur agroalimentaire en Provence-Alpes-Côte d Azur

Distribution Uniforme Probabilité de Laplace Dénombrements Les Paris. Chapitre 2 Le calcul des probabilités

Les Angles. I) Angles complémentaires, angles supplémentaires. 1) Angles complémentaires. 2 Angles supplémentaires. a) Définition.

Exercice 6 Associer chaque expression de gauche à sa forme réduite (à droite) :

Présentation du 09 Octobre 2013

Statistiques. Rappels de cours et travaux dirigés. Master 1 Biologie et technologie du végétal. Année

COMMUNE DE DUPPIGHEIM

Les probabilités. Chapitre 18. Tester ses connaissances

TUBES ET ACCESSOIRES Serrurier A ailettes Construction Canalisation Spéciaux

Caisson bas. Notice de montage. Pour caissons de taille : Structure du caisson. 1 personne 4. Retrouvez toutes les informations sur

Comment prouver que les végétaux ont besoin d eau, de minéraux, d air et de lumière pour se développer normalement?

Introduction au pricing d option en finance

REFERENTIEL DE CERTIFICATION APPLICABLE AUX SEMENCES :

Précision d un résultat et calculs d incertitudes

OBJETS PUBLICITAIRES ET PLV

enquête pour les fautes sur le fond, ce qui est graves pour une encyclopédie.

STA108 Enquêtes et sondages. Sondages àplusieurs degrés et par grappes

Statistiques Décisionnelles L3 Sciences Economiques & Gestion Faculté d économie, gestion & AES Université Montesquieu - Bordeaux

Le choix professionnel pour les applications analytiques!

Texte Agrégation limitée par diffusion interne

Analyses de Variance à un ou plusieurs facteurs Régressions Analyse de Covariance Modèles Linéaires Généralisés

Site : mail : mennier@isnab.fr SUJET ES - session 2003 Page 1 68-(7(6VHVVLRQ

Principe d un test statistique

Chapitre 3. Les distributions à deux variables

FRANCAIS MANUEL D UTILISATION THERMOMETRE MEDICAL SANS CONTACT A INFRAROUGE MODELE LX-26

OUVERT02 - Maintien de l ouverture par élimination mécanique ou manuelle des rejets ligneux et autres végétaux indésirables Sous-mesure :

Contexte : Objectif : Expérimentation :

Incertitudes expérimentales

Exemple On lance une pièce de monnaie trois fois de suite. Calculer la probabilité d obtenir exactement deux fois pile.

4. Exercices et corrigés

Bleu comme un Schtroumpf Démarche d investigation

TCS, strip-till et semis direct

14. Introduction aux files d attente

Pour l épreuve d algèbre, les calculatrices sont interdites.

Probabilités. I Petits rappels sur le vocabulaire des ensembles 2 I.1 Définitions... 2 I.2 Propriétés... 2

MATHS FINANCIERES. Projet OMEGA

FORMULAIRE DE STATISTIQUES

Continuité et dérivabilité d une fonction

UE Ma probabilité conditionnelle, indépendance, dénombrement

Produit semi-direct. Table des matières. 1 Produit de sous-groupes 2. 2 Produit semi-direct de sous-groupes 3. 3 Produit semi-direct de groupes 4

VITICULTURE 2012 V 12 / PACA 02 STRATEGIE D APPLICATION DU CUIVRE EN VITICULTURE

Variables Aléatoires. Chapitre 2

Chapitre 3 : INFERENCE

Chapitre 7. Statistique des échantillons gaussiens. 7.1 Projection de vecteurs gaussiens

Préface. Betterave fourragère, un concentré de fourrage

4. Résultats et discussion

Cours de Probabilités et de Statistique

TABLE DES MATIÈRES. Bruxelles, De Boeck, 2011, 736 p.

«Cours Statistique et logiciel R»

Transcription:

Tests d ajustement et intervalles de confiance proportion, moyenne, variance Exercice 1. Pour un certain type de graines, un semencier garantit une germination de 80%. Dans un sac de nn 300 graines, on note PP nn la proportion aléatoire de graines qui vont germer. 1. Quelle est la loi de PP nn? 2. Calculer la probabilité : P(75% PP nn 85%). 3. On suppose le taux germination d un sac acheté au semencier est de 75%. Au niveau 5%, peut-on confirmer les dires du semencier? Exercice 2. La fièvre catarrhale du mouton ou maladie de la langue bleue est une maladie virale non contagieuse qui touche les ovins et les bovins et qui se transmet par certains insectes piqueurs. Elle n est pas transmiible à l homme. En Corse en 2010, la maladie de la langue bleue a touché 19% des moutons. Des tests effectués en 2015 sur un échantillon de 253 ovins a révélé que 35 d entre eux sont malades. Au niveau de risque de 5%, peut-on affirmer que la proportion de moutons malades a diminué? Exercice 3. 1. On a dosé le taux de cholestérol en cccc/ll pour un groupe de 300 personnes bien portantes et on a obtenu la répartition suivante : Claes [80;120[ [120;160[ [160;200[ [200;240[ [240;280[ [280;320[ [320;360[ Total Effectifs 7 54 110 72 46 8 3 300 a. Calculer la moyenne et l écart type de l échantillon. b. Donner une estimation de la moyenne globale μμ de toute la population pour une confiance de 95%. 2. Un laboratoire a effectué des analyses du taux de cholestérol pour un groupe de 33 personnes de plus de 60 ans. La moyenne obtenue est de 217,5 cccc/ll et l écart type de 49,5 cccc/ll. Pour un risque d erreur de 5%, tester si la moyenne de cet échantillon est significativement supérieure à la valeur théorique μμ 0 200 cccc/ll. Exercice 4. Sur une parcelle de soja, on a mesuré la hauteur H en cm de 100 plantes à l âge de six semaines. Voici les résultats : H en cm ]31; 33] ]33; 35] ]35; 37] ]37; 39] ]39; 41] ]41; 43] Effectifs 6 11 26 32 14 11 1. Calculer la moyenne et l écart type de l échantillon. 2. Donner un intervalle de confiance de la hauteur moyenne µ d un plan de soja à six semaines pour une confiance de 90%. Exercice 5. On a observé la taille à 10 ans de 25 enfants nés très prématurément. On a obtenu une moyenne et un écart type : mm 131 cccc 7, 3 cccc. 1. Donner les intervalles de confiance à 95% de la taille moyenne et de l écart type des tailles à 10 ans des enfants né très prématurément (on admet la normalité des tailles). 2. La taille moyenne d un enfant de 10 ans est μμ 0 134 cccc. Au risque de 5%, peut-on affirmer qu un enfant né très prématurément a une taille à 10 ans qui est plus faible que cette moyenne?

Exercice 6. On a mesuré le rendement du vignoble de 150 parcelles prises au hasard sur la côte bourguignonne. Voici les résultats donnant le nombre de parcelle par clae de volume de vin (en hl/ha) : 1. Calculer la moyenne et l écart type de l échantillon. 2. Donner un intervalle de confiance du volume moyen μμ de vin à l hectare pour une confiance de 95%. 3. Donner un intervalle de confiance de l écart type σ du volume de vin à l hectare pour une confiance de 95%. Volume en hl/ha effectifs [25 ; 35[ 2 [35 ; 45[ 7 [45 ; 55[ 17 [55 ; 65[ 34 [65 ; 75[ 41 [75 ; 85[ 38 [95 ; 95] 11 Exercice 7. Voici les poids en mg de 20 cocons d une race de bombyx, choisis au hasard : 59 65 70 61 64 75 80 66 68 72 85 83 69 74 63 59 67 58 71 78 1. Calculer le poids moyen mm et l écart type de l échantillon. 2. On admet la normalité de la répartition des poids. On désigne par μμ et σσ la moyenne et l écart type théoriques de la population des cocons. a. Avec un risque d erreur de 5%, donner une estimation de μμ par intervalle de confiance. b. Avec un risque d erreur de 5%, donner une estimation de σσ par intervalle de confiance.

exercice 1 Taux de germination 1. Le taux de germination annoncé est pp 0 80%, la contenance d un sac est de n 300 graines. Comme nn 30, 0,1 pp 0 0,9, nnpp 0 240 > 5, nn(1 pp 0 ) 60 > 5 on a : PP nn NN (80%; 2, 3094%) et ZZ PP nn 80%. 2,3094% 2. P(75% PP nn 85%) P( 2,165 ZZ 2,165) 2 48, 48% 96, 96%. 3. On fait un test d ajustement d une proportion. HH 0 : «l affirmation du semencier est exacte» HH 1 : «le semencier surestime le taux de germination» (test unilatéral inférieur) On note pp le taux de germination théorique. Alors HH 0 : «pp pp 0 80%» et HH 1 : «pp < pp 0 80%» Étape 2. On note PP nn le taux de germination aléatoire sur les sacs de 300 graines. D après la question 1, sous HH 0 ZZ PP nn 80% 2,3094% Étape 3. La zone critique (ou de rejet de HH 0 ) de la variable ZZ est : KK αα (ZZ) {ZZ 1,645} ZZ obs 75% 80% 2,3094% 2,165 KK αα(zz) On accepte HH 1. Au niveau de risque de 5% et au vu du résultat expérimental, on peut affirmer que le semencier a tort : il surestime le taux de germination. exercice 2 Maladie de la langue bleue On fait un test d ajustement d une proportion. HH 0 : «la proportion de moutons malades n a pas diminué» HH 1 : «la proportion de moutons malades a diminué» (test unilatéral inférieur) On note pp 0 19% la proportion de moutons touchés par la maladie en 2010 et pp la proportion de moutons touchés par la maladie en 2015. On a : HH 0 : «pp pp 0 19%» et HH 1 : «pp < pp 0 19%» Étape 2. On note PP nn la proportion aléatoire de moutons touchés par la maladie sur les échantillons de nn 253 moutons en 2015. Sous HH 0, pp pp 0 19% et comme nn 30, 0,1 pp 0 0,9, nnpp 0 > 5, nn(1 pp 0 ) > 5 on a : ZZ PP nn 19% 2,466% Étape 3. La zone critique (ou de rejet de HH 0 ) de la variable ZZ est : KK αα (ZZ) {ZZ 1,645} 35 ZZ obs 253 0,19 0,02466 2,095 KK αα(zz) On accepte HH 1. Au niveau de risque de 5% et au vu du résultat expérimental, on peut affirmer que la proportion de moutons malades a diminué exercice 3 Taux de cholestérol 1. a. mm 197,6 46,18. b. On note MM nn et SS nn la moyenne et l écart type aléatoires des taux de cholestérol sur les échantillons de taille nn 300. Comme nn 300 > 30 on peut utiliser une loi normale : Pour 1 αα 95%, zz αα 1,96 et aa αα 1,96 nn 2. On fait un test d ajustement d une moyenne. II αα (μμ) [192,37 ; 202,83] donc on obtient l intervalle de confiance

HH 0 : «le taux de cholestérol moyen des personnes de plus de 60 ans est conforme à la moyenne théorique μμ 0 200» HH 1 : «le taux de cholestérol moyen des personnes de plus de 60 ans est supérieur à la moyenne théorique μμ 0 200» (test unilatéral supérieur) On note μμ le taux de cholestérol moyen des plus de 60 ans. HH 0 : «μμ μμ 0 200» et HH 1 : «μμ > μμ 0 200» Étape 2. On note MM nn et SS nn la moyenne et l écart type aléatoires sur les échantillons de nn 33 personnes de plus de 60 ans. Sous HH 0, μμ μμ 0 200 et 0 MM nn 200 SS nn / 32 SSSS(32) Étape 3. La zone critique (ou de rejet de HH 0 ) de la variable TT est : KK αα (TT) {TT 1,694}. (remarque : une loi normale centrée réduite donne un aez bonne approximation : nn 33 est supérieur à 30) TT obs 217,5 200 49,5/ 32 2,0 KK αα(tt) {TT 1,694} On accepte HH 1. Au niveau de risque de 5% et au vu des résultats expérimentaux, on peut affirmer que le taux de cholestérol moyen des personnes de plus de 60 ans est plus élevé que la moyenne. exercice 4 Hauteur du soja 1. mm 37, 2, 63. 2. On note MM nn et SS nn la moyenne et l écart type aléatoires des hauteurs de pieds de soja sur les échantillons de taille nn 100. Comme nn 100 > 30 on peut utiliser une loi normale : Intervalle de μμ aa αα 1, 645 1, 645 0, 2644 0, 43 donc : II αα (μμ) [36, 97; 37, 83]. 3. Intervalle de σσ yy 1 77, 05 yy 2 123, 23 donc : II αα (σσ) nn yy 2 ; nn yy 1 [2, 36; 2, 98]. exercice 5 Enfants prématurés 1. a. On note MM nn et SS nn la moyenne et l écart type aléatoires des tailles à 10 ans sur les échantillons nn 25 enfants nés très prématurément. On a un petit échantillon donc on utilise une loi de Student (on suppose que les tailles suivent une loi normale) : SStt nn 1 Intervalle de μμ aa αα tt αα 2, 0639 0, 149 3, 1 donc II αα (μμ) [127, 9; 134, 1]. b. Intervalle de σσ : yy 1 12,40 yy 2 39,36 donc II αα (σσ) 25 yy 2 ; 25 yy 1 [5,82 ; 10,36]. 2. On fait un test d ajustement d une moyenne. HH 0 «la taille moyenne à 10 ans des enfants nés très prématurément est semblable à la taille moyenne des autres enfants.» HH 1 «la taille moyenne à 10 ans des enfants nés très prématurément est inférieure à la taille moyenne des autres enfants.» On note μμ la taille moyenne à 10 ans des enfants nés très prématurément. On a : HH 0 «μμ μμ 0 134.» HH 1 «μμ < μμ 0 134.»

Étape 2. On note MM nn et SS nn la moyenne et l écart type aléatoires des tailles à 10 ans sur les échantillons de nn 25 enfants nés très prématurément (on suppose à nouveau que les tailles suivent une loi normale). Sous HH 0, μμ μμ 0 134 et 0 MM nn 134 SS nn / 24 SSSS(24) Étape 3. La zone critique (ou de rejet de HH 0 ) de la variable TT est : KK αα (TT) {TT 1, 7109} TT oooooo 134 131 7,3/ 24 2, 0133 KK αα(tt). On accepte HH 1. Au niveau de risque de 5% et au vu des résultats expérimentaux, on peut affirmer que la taille moyenne à 10 ans des enfants nés très prématurément est inférieure à la taille moyenne des autres enfants. exercice 6 Rendement du vignoble 1. mm 67,53 13,41. 2. On note MM nn et SS nn la moyenne et l écart type aléatoires rendements sur les échantillons de nn 150 parcelles. Comme nn 150 > 30 on peut utiliser une loi normale : Intervalle de μμ aa αα 1, 96 1, 96 1,10 2,15 donc II αα (μμ) [65,4 ; 69,7]. 3. Intervalle de σσ yy 1 117, 1 yy 2 184, 7 donc : II αα (σσ) [12,1; 15,2]. exercice 7 Cocons de bombyx. 1. mm 69,35 7,754 2. On note MM nn et SS nn la moyenne et l écart type aléatoires des poids sur les échantillons de nn 20 cocons. On a un petit échantillon donc on utilise une loi de Student (on suppose que les poids suivent une loi normale) : SStt nn 1 Intervalle de μμ tt αα 2,093, aa αα 2,093 2,093 1,789 3,74 donc II αα (μμ) [65,63; 73,07] 3. Intervalle de σσ yy 1 117, 1 yy 2 184, 7 donc : II αα (σσ) [1, 213; 1, 524].