mathmatiques - S3 TD 6 : Tests statistiques : corrig dpartement Mesures Physiques - IUT1 - Grenoble

1. On veut savoir si la rsistance moyenne de composants produits dans une usine est
400. On considre que la distribution des rsistances est normale, et on mesure pour
16 composants les valeurs 392, 396, 386, 389, 388, 387, 403, 397, 401, 391, 400, 402,
394, 406, 406, 400.
(a) Donner les estimations ponctuelles des moyenne et variance.
(b) Peut-on considrer, au seuil de signication = 5%, que le lot respecte la
norme de 400? Mme question avec un seuil de = 1%.
corrig succint :
(a) On trouve x = 396.125, s = 6.742 et s
2
= 45.45.
(b) Si lon fait lhypothse H0 : "le lot respecte la norme de 400", alors dans 95% des
cas la moyenne sur un chantillon deffectif 16 se trouve dans lintervalle [400 t
6.742/4, 400 + t 6.742/4], t tant lu dans la table de la loi de Student 15 de-
grs de libert : t = 2.1314. Ainsi lintervalle de conance 95% pour la rsistance
est [396.40, 403.59], et on peut donc, au risque 5%, rejeter lhypothse.
Au seuil = 1%, on a dans lhypothse H0 un intervalle de conance pour
la moyenne [400 t 6.742/4, 400 + t 6.742/4], avec t = 2.9467. Ainsi,
lintervalle est [395.03, 404.97]. Au risque 1%, on ne rejette pas H0.
2. Un fabricant se vante de proposer des tubes essai dune dure de vie suprieure
2000h de chauffage. A laide dun chantillon de 100 tubes tests, on estime la dure
de vie moyenne 1975h, avec un cart-type de 130h. Peut-on afrmer, au risque 5%,
que le fabriquant ment ?
corrig succint : Il sagit ici dun test unilatral...H0 est lhypothse : "la dure de vie
moyenne vrie 2000". On peut supposer, leffectif de lchantillon tudi tant grand,
que

X
s
suit une loi normale centre rduite.
Si H0 est vrie, on cherche t tel que p( ts/

n

X) = 0.95, soit
p(t

X
s
) = 0.95, et donc 1 F(t) = F(t) = 0.95 : t = 1.64.
Ainsi, dans lhypothse H0, la dure de vie moyenne dun chantillon deffectif 100 se
trouve, dans 95% des cas, dans lintervalle [2000 1.64 130/10, +[= [1978.68, +[.
La mesure de 1975h sur lchantillon ntant pas dans cet intervalle,
H0 doit tre rejete : il est probable que le fabriquant mente.
3. Un fabricant annonce que la masse dun composant de lun de ses produits est de 75
mg. Les mesures pour le vrier tant coteuses, trois seulement sont ralises, dont
les rsultats sont 70, 72 et 74 mg. Peut-on, au risque de 5% de se tromper, dnoncer
la publicit du fabriquant ?
corrig succint : Notons X la variable alatoire correspondante. (on doit supposer que la loi
de X est une loi normale pour pouvoir appliquer les mthodes du cours). On note
= E(X) : il sagit donc ici deffectuer un test bilatral de lhypothse H0 : = 75.
On obtient sur un chantillon de 3 mesures : n = 3, x = 72,
2
= 8/3 et s
2
= 8/2 = 4,
donc lestimation ponctuelle de lcart-type est s = 2.
On sait que

n
X
s
suit une loi de Student 2 degrs de libert, donc si = 0.05,
t() = 4.3027.
Ainsi, la moyenne des dures de vie mesures sur un chantillon deffectif 3 sera, dans 95%
des cas, dans lintervalle [75 4.3027 s/

3, 75 + 4.3027 s/

3] = [70.03, 79.97].
La valeur moyenne 72 mesure sur lchantillon tant bien dans cet intervalle,
on na pas de raisons, au vu de ces mesures, de rejeter H0.
4. Un laboratoire pharmaceutique dsire tudier les effets secondaires potentiels dun
mdicament sur le taux de cholestrol des patients. Cent volontaires sains sont donc
choisis pour tester le mdicament.
(a) Avant lexprience, le taux de cholestrol moyen de ces volontaires est de
2.02 0.2g/l.
Le taux de cholestrol moyen dans la population tant de 2 g/l, vrier que cet
chantillon est reprsentatif au risque 5%.
(b) Aprs un mois de traitement, seuls 97 volontaires reviennent faire un test. Leur
taux moyen de cholestrol est pass 2.09 g/l avec un cart-type dchantillon
de 0.25g/l.
La diffrence est-elle signicative au risque 5%? Au risque 1%?
corrig succint :
(a) Soit X1 la variable alatoire qui mesure le taux de cholestrol dun individu ; E(X1) =
1 = 2.
X1 est le taux moyen mesur sur un chantillon de taille n1 = 100.
Alors n1 tant plus grand que 30, on peut considrer que

n1
X1 2
s1
suit une loi nor-
male, avec s1 = 0.2 estimation ponctuelle de lcart-type de X1.
Ainsi, dans 95% des cas le taux moyen observ sur un chantillon sera compris dans
[2 1.96 0.2/10, 2 + 1.96 0.2/10] = [1.961, 2.039].
Le taux de cholestrol moyen des volontaires tant bien dans cet intervalle, on peut
considrer que cet chantillon est reprsentatif.
(b) Soit X2 la variable alatoire mesurant le taux de cholestrol dun individu aprs un mois
de traitement ; son esprance 2 est inconnue. X2 est le taux moyen dun chantillon de
taille n2 = 97.
On fait lhypothse H0 : les taux de cholestrol moyens sont les mmes avant et aprs
traitement . Alors 1 = 2, et on peut considrer que
X1 X2

s
2
1
/n1 +s
2
2
/n2
N(0, 1)
(avec s1 = 0.2, s2 = 0.25), et par consquent on dtermine lintervalle de conance
au risque 5% de X1 X2 : [1.96

s
2
1
/n1 +s
2
2
/n2, 1.96

s
2
1
/n1 +s
2
2
/n2] =
[0.063, 0.063].
Comme la diffrence entre les taux moyens mesurs 2.02 2.09 = 0.07
nest pas dans cet intervalle, elle est signicative, et on rejette H0 donc
on considre, au risque 5% de se tromper, que le mdicament a un effet.
En revanche, lintervalle de conance au risque 1% est
[2.57

s
2
1
/n1 +s
2
2
/n2, 2.57

s
2
1
/n1 +s
2
2
/n2] = [0.083, 0.083], intervalle qui
contient la valeur 2.022.09 = 0.07, donc la diffrence nest pas signicative au risque 1%.
5. Pour tudier un nouvel alliage mtallique, on a soumis un chantillon alatoire de 16
tiges aux essais pour obtenir les rsistances suivantes en kg/cm
2
: 1895, 1920, 1886,
1890, 1864, 1880, 1875, 1915, 1850, 1927, 1910, 1912, 1886, 1903, 1854, 1880. On
suppose la rsistance distribue normalement.
(a) Estimer par intervalle avec un niveau de conance de 95%, la rsistance
moyenne la rupture
(b) Avant lintroduction de ce nouvel alliage la rsistance moyenne la rupture des
tiges tait de 1840kg/cm
2
. Que peut-on conclure des essais effectus avec le
nouvel alliage ?
corrig succint :
(a) Leffectif de lchantillon est n = 16.
Lestimation ponctuelle de la moyenne, gale la moyenne de lchantillon, est x =
1890.44,
Puis on calcule lcart-type de lchantillon,

= 22.36, et on en dduit lestimation

ponctuelle de lcart-type de la population : s =

16/15

= 23.09.
Alors lintervalle de conance 95% de la moyenne est lintervalle [xt(0.05)
s

16
; x+
t(0.05)
s

16
].
On lit t(0.05) dans la table de la loi de Student 15 degrs de libert : t(0.05) = 2.1314 ;
par consquent lintervalle est [1878.14, 1902.74].
(b) On peut afrmer (avec un risque de se tromper infrieur 5%) que le nouvel alliage est
plus rsistant que lancien.
6. On relve chaque jour pendant 200 jours le nombre datterrissages entre 14h et 15h
dans un aroport :
Nb datterrissages 0 1 2 3 4 5 6 7 8 9 10
Nb de jours 11 28 43 47 32 28 7 0 2 1 1
(a) Soit X la variable nombre datterrissages par jour entre 14h et 15h . Don-
ner les estimations ponctuelles de E(X) et Var(X) et estimer E(X) par un
intervalle de conance 95%. Ces rsultats sont-ils compatibles avec une loi de
poisson ? Quel serait son paramtre ?
(b) Tester la validit de ce modle (test du
2
au risque 5%).
(c) Calculez la probabilit davoir dans cet aroport, toujours entre 14h et 15h : 0
atterrissage un jour donn, 1 ou 2 atterrissages un jour donn, 2 atterrissages en
tout sur 3 jours quelconques.
corrig succint :
(a) Leffectif de lchantillon est n = 200.
On dtermine lestimation ponctuelle de la moyenne x = 600/200 = 3, et lestimation
ponctuelle de la variance s
2
= 596/199 = 2.995, soit s = 1.73.
Leffectif est sufsant pour assimiler la loi de

X
s
a une loi normale centre r-
duite : lintervalle de conance 95% pour la moyenne est donc [ x 1.96
s

200
, x +
1.96
s

200
], soit [2.76, 3.24].
On sait que lintervalle de conance pour la variance est [
199
c
2
1
s
2
,
199
c
2
2
s
2
], avec c
2
1
et
c
2
2
lus dans la table de la loi du
2
199 degrs de libert. En pratique on utilise
la table de la loi du
2
200 degrs de libert et on lit dans les colonnes 0.025 =
0.05/2 et 0.975 = 1 0.05/2 : c
2
1
= 241.1 et c
2
2
= 162.7. Ainsi lintervalle est
[0.825s
2
, 1.223s
2
] = [2.47, 3.66].
Lesprance et la variance ont (quasiment) la mme estimation ponctuelle, gale trois :
les rsultats sont compatibles avec le fait que X suive une loi de Poisson de paramtre
3.
(b) On dnit lhypothse H0 : X suit une loi de Poisson de paramtre 3 .
Pour utiliser un test du
2
pour accepter ou refuser H0, on doit avoir des valeurs (ou
classes) deffectif "thorique" au moins gal 5. Or ici ce nest pas le cas : les valeurs 7,
8, 9, 10 ont des effectifs np(X = 7), np(X = 8), np(X = 9), np(X = 10) infrieurs :
on doit regrouper en une seule classe les valeurs 7, 8, 9, 10.
Les probabilits des vnements X = 0, X = 1, ..., X = 6, X [7, 10] sont
dtermines par lecture de la table de la loi de Poisson : p(X = 0) = 0.0498,
p(X = 1) = 0.1494, p(X = 2) = 0.224, p(X = 3) = 0.224, p(X = 4) = 0.168,
p(X = 5) = 0.1008, p(X = 6) = 0.0504, p(X 7) = 1 p(X 6) =
1 0.9665 = 0.0335. On obtient en multipliant ces valeurs par leffectif total 200
les effectifs thoriques de chaque classe :
2
Nb datterrissages 0 1 2 3 4 5 6 7+
Effectif mesur 11 28 43 47 32 28 7 4
Effectif thorique 9.96 29.88 44.8 44.8 33.6 20.16 10.08 6.7
et en en dduit la valeur de
2
o
=
(11 9.96)
2
9.96
+
(28 29.88)
2
29.88
+. . . +
(4 6.7)
2
6.7
=
5.56.
Le critre de dcision pour accepter H0 sera
2
o
c
2
, avec c
2
lu dans la table du
2

6 degrs de libert (on a 8 classes, et le test porte sur une loi de Poisson : le nombre de
d.d.l. considrer est donc 8-2). On lit dans la table, dans la colonne = 0.05 et la ligne
5 : c
2
= 12.59.
Ainsi, on accepte H0.
(c) Si on admet, suite au test du
2
, que X suit une loi de Poisson de paramtre 3, on lit
directement dans la table les valeurs p(X = 0) = 4.98%, p(1 X 2) = p(X =
1) +p(X = 2) = 37.34%.
Si on sintresse aux nombre datterissages entre 14h et 15h sur trois jours distincts, si
on note X1, X2 et X3 les variables donnant le nombre datterissage chacun des trois
jours, on sait que, X1, X2 et X3 tant indpendantes, X1 + X2 + X3 suit une loi de
Poisson de paramtre 9. Par consquent, p(X1 +X2 +X3 = 2) = 0.5%.
7. Un contrle de qualit sur des chantillons issus dune production conduit aux rsul-
tats suivants :
Nb de dfauts 0 1 2 3 4 5 6
Nb de pices 15 30 48 46 34 22 5
(a) Donner une estimation non biaise de lesprance et la variance du nombre de
dfauts X.
(b) Donner une estimation par un intervalle 95% de conance de lesprance de
X si lon suppose que la variance de X est gale lestimation ponctuelle de
lesprance.
(c) Choisir une loi discrte pour reprsenter la variable X et faire un test du
2

95% de conance.
corrig succint :
(a) Ici leffectif est n = 200. La moyenne dchantillon est lestimation ponctuelle de les-
prance (synonyme de estimation non biaise , voir le cours) : x = 540/200 = 2.7.
De mme lestimation non biaise de la variance est s
2
= 2.271, et s = 1.507.
(b) Si lon suppose que
2
= 2.7, on obtient (la mthode est habituelle maintenant...) lin-
tervalle [ x 1.96

2.7/200, x + 1.96

2.7/200] = [2.47, 2.93]

(c) La moyenne et de la variance estimes sont proches, et vue la nature du problme (v-
nements rares) on teste lhypothse que X suit une loi de Poisson : H0 : X suit une loi
de Poisson de paramtre 2.7 . La table ne donnant pas les valeurs dune loi de Poisson
de paramtre 2.7 on calcule directement les effectifs thoriques 200 p(X = k) =
200 e
2.7
2.7
k
/k! :
Nombre de dfauts 0 1 2 3 4 5 6
Effectif mesur 15 30 48 46 34 22 5
Effectif thorique 13.4 36.3 49 44.1 29.8 16.1 7.2
Le
2
observ est
2
o
= 4.81, alors que, sur la table du
2
7 2 = 5 degrs de libert
on lit c
2
= 11.07. On accepte donc lhypothse H0.
Remarque : un test du
2
validerait aussi lhypothse dune loi de Poisson de paramtre
3...
3