Vous êtes sur la page 1sur 5

Correction d’examen d’analyse des données :

Exercise 1:
-sachant que le Va X suit la loi Normale (14,5.4) calculer P (|𝑋 | > 19)
Alors on doit travailler avec des Variables centrées réduites pour basculer la loi
normale centrées réduite dont on connait la distribution de probabilité.
𝑋−𝑚
𝑇=
𝜎
-Avec m est la valeur médiane de densité de probabilité
- 𝜎 est l’écart type associée a la dispersion de Va X.
19 − 14
𝑇= = 0.9259
5.4
Donc
P (|𝑋 | > 19) > P (|𝑇| > 0.9225)
-maintenant X suit la loi normale centrée réduite Ν(0.1)
P (|𝑇| > 0.9225) = 𝑃(−0.9225 > 𝑇 > 0.9225)
𝑃(−0.9225 > 𝑇 > 0.9225) = 𝑃(𝑇 < −0.9225) + 𝑃(𝑇 > 0.9225)
𝑃(𝑇 < −0.9225) = 𝑃(𝑇 > 0.9225)
𝑃(−0.9225 > 𝑇 > 0.9225) = 2 𝑃(𝑇 > 0.9225) = 2 (1 − 𝑃(𝑇 < 0.9225) = 0.3576
A partir de Tableau de densité de probabilité pour la loi normale centre réduite on
observe que : 𝑃(𝑇 < 0.9225) = 0.8212
Exercise 2:
-La répartition des notes a un examen suit sensiblement une loi normale, on a observé
que 58.3% des étudiants ont obtenue au moins 10,5 et que 36.67% ont obtenue entre
10,5 et 15.25 quelles sont les valeurs de la moyenne et de l’écart-type de cette Loi.
La loi normale X→ 𝑁(𝑚, 𝜎)
Avec m la valeur moyenne ou médiane
Et 𝜎: 𝑙′ 𝑒𝑐𝑎𝑟𝑡 − 𝑡𝑦𝑝𝑒

Realise par : Dhimni Salim


Alors la population étudiée est les étudiants :
Ω = {𝑒𝑡𝑢𝑑𝑖𝑎𝑛𝑡𝑠 }
𝑋: Ω → 𝑅
𝜔 → 𝑋(𝜔)
−𝑋(𝜔) La note : C’est la variable aléatoire continue associe à chaque étudiant.
-X est le Vac qui correspondant à la note obtenue par les étudiants.
-cette phrase < on a observé que 58.3% des étudiants ont obtenue au moins 10,5>
signifie que : 𝑃(𝑋 ≤ 10.5) = 0.583.
-et cette phrase < que 36.67% ont obtenue entre 10,5 et 15.25>
Signifie que : 𝑃(10.5 < 𝑋 < 15.25) = 0.3667
Alors on va déterminer les paramètres de la loi binomiale à partir de ces deux
probabilités :
Si on travail avec les variables centrées réduites :
𝑋−𝑚
𝑇=
𝜎
10.5−𝑚
𝑃 ቀ𝑇 ≤ ቁ = 0.583
𝜎
10.5−𝑚
-Alors de Tableau on déduit que : = 0.2
𝜎

10.5 − 𝑚 15.25 − 𝑚
𝑃൬ <𝑇< ൰ = 0.3767
𝜎 𝜎

10.5−𝑚 15.5−𝑚
𝑃ቀ <𝑇< ቁ=0.3767
𝜎 𝜎

15.5−𝑚 10.5−𝑚 15.5−𝑚 10.5−𝑚


𝑃 ቀ𝑇 ≤ ቁ= 𝑃 ቀ <𝑇< ቁ + 𝑃 ቀ𝑇 ≤ ቁ = 0.583 + 0.3767
𝜎 𝜎 𝜎 𝜎

10.5−𝑚
=- 𝑃 ቀ𝑇 ≤ ቁ==95.97%
𝜎

-ça veut dire 95.97% ont un note inferieur a 15.25


15.5 − 𝑚
= 1.7
𝜎
On obtient le système d’équation suivante :

Realise par : Dhimni Salim


10.5 − 𝑚
= 0.2
{ 𝜎
15.25 − 𝑚
= 1.7
𝜎
0.2𝜎 + m = 10.5
{
1.7𝜎 + 𝑚 = 15.25
-Alors on va résoudre le système et on trouve que ;
𝜎 = 3.16
𝑚 = 9.86
La loi normale X→ 𝑁(9.86,3.16)
Exercice3:
On suppose que les poids de 3000 étudiants d’une université suivent la loi normale de
moyenne m=60Kg et d’écart-type 𝜎 = 3 𝐾𝑔
1) Quelles sont les valeurs espérées de la moyenne et de l’écart-type de la
distribution d’échantillonnage résultante si le tirage des échantillons se fait avec
remise ?
- La distribution d’échantillonnage des moyennes des échantillons de taille 25
𝜎 3
suit la loi normale de moyenne m’= 68 Kg et d’écart type = = 0.6 𝑘𝑔
√25 √25

Exercice4:
-le tableau suivante donne le nombre des pièces produites x et le cout correspondant y
an millier de DH pour une entreprise.
X Y (Millier MAD)
10 280
15 420
20 525
25 580
40 905
50 1030
60 1380
80 1680

Realise par : Dhimni Salim


-déterminer la droite de régression 𝐷𝑌/𝑋 : 𝑎𝑥 + 𝑏

-Alors pour déterminer l’équation de droit de régression qui ajuste linéairement le


maximum des points on doit appliquer la méthode des moindres carrées.
-on doit déterminer les paramètres a et b qui minimise l’erreur quadratique des
distances des points par rapport à leurs projetées sur la droite.
𝑐𝑜𝑣(𝑋, 𝑌)
𝑎=
{ 𝑉𝑎𝑟(𝑋)
𝑏 = 𝑌̂ − 𝑎𝑋̂
𝑋̂ = 37.5
𝑌̂ = 850
𝑛
1
𝑐𝑜𝑣(𝑋, 𝑌) = ∑(𝑋𝑖 − 𝑋̂ ) × (𝑌𝑖 − 𝑌̂)
𝑁
𝑖=1
𝑁
1
̂ 2 = 525
𝑉𝑎𝑟(𝑋 ) = ∑(𝑋𝑖 − 𝑋)
𝑁
𝑖=1
𝑁
1
̂ 2 = 211693,8
𝑉𝑎𝑟(𝑌) = ∑(𝑌𝑖 − 𝑌)
𝑁
𝑖=1

𝑐𝑜𝑣 (𝑋, 𝑌) = 9333.333

9333.33
𝑎= = 17.77
525
𝑏 = 850 − 17.77 ∗ 37.5 = 183.625
- la droite de régression 𝐷𝑌/𝑋 : 17.77𝑥 + 183.625

-le calcul de coefficient de corrélation :


𝑐𝑜𝑣 (𝑋, 𝑌)
𝑟(𝑥, 𝑦) =
𝜎(𝑋 ). 𝜎(𝑌)

Avec 𝜎(𝑋 ) = √𝑉𝑎𝑟(𝑋 ) =5√21

𝜎(𝑌) = √𝑉𝑎𝑟(𝑌) = 460.1019


9333.33
𝑟(𝑥, 𝑦) = = 0.8853
460,1019 × 5√21
0.75 < 𝑟(𝑥, 𝑦) < 1

Realise par : Dhimni Salim


-donc il s’agit d’une forte dépendance linéaire entre les variables x et y.
La droite de régression 𝐷𝑋/𝑌 : 𝑋 = 𝛼𝑌 + 𝛽
𝑐𝑜𝑣(𝑋, 𝑌)
𝛼= = 0.0441
{ 𝑉𝑎𝑟(𝑌)
𝛽 = 𝑋̂ − 𝛼𝑌̂ = 0.0245
𝐷𝑋/𝑌 : 𝑋 = 0.0441𝑌 + 0.0245
3)
-Avec un budget de 𝑌 = 4 Millier de Dhiram le nombre de pièces qu’on peut prévoir
est :
𝑋 = 0.0441 ∗ 4 + 0.0245 = 0.2009

Realise par : Dhimni Salim