Académique Documents
Professionnel Documents
Culture Documents
Bio statistique
(Cours résumés + Questions des examens + Les corrigés)
Asma Hamzaoui
Étudiante à la faculté de médecine d’Alger
1
La bio statistique :
« C’est l’application de la science statistique à la biologie et au domaine médical »
Cours : Cours :
2
Chapitre 01 :
Statistique descriptive
I. Définition :
La statistique descriptive est une méthode scientifique qui permet de récolter des
données, les résumer puis les analyser et les commenter. Individu
3
III. Représentation des données :
Après la réalisation d’une étude statistique, les données recueilles peuvent être ré-
sumées et représentées sous forme de :
Tableaux statistiques
Graphes
Paramètres statistiques
Xi : Le milieu de la classe X2 ; X3 n2
𝑒
a : L’amplitude de la classe a ≥ ; avec e : l’étendue de la série e = X max – X min
K
4
b) Représentation graphique :
X1 Xi a1 a2 a3 ai Xi
X1 Xi a1 a2 a3 ai Xi
X n α +X n α +1 nα −n cum (i−1)
Le quantile ; n𝛼 ⋲ 𝑁 q𝛼 =L1+ (L2-L1) × n
2 cum i −n cum (i−1)
d’ordre 𝛼
X nα +1 ; n𝛼 ∉ 𝑁 L1 et L2 sont respectivement
(0< 𝛼 <1)
les bornes inférieures et supé-
rieures de la classe i (C’est la
classe avec ncum i ≥ n 𝛼 )
L’écart absolu
1 1
moyen, Moyen: 𝑛𝑖 𝑥𝑖 − 𝑥 Médian : 𝑛𝑖 𝑥𝑖 − 𝑀𝑒
𝑛 𝑛
médian
L’écart inter- Q3-Q1
quartile Q1 et Q3 sont respectivement le 1er et le 3ème quartile
L’intervalle Q1; Q 3
interquartile
Le coefficient 𝜎(𝑋)
CV(X) =
X
de variation
IV. Le Changement de variable :
X=a Y+b ; avec a : l’amplitude de la classe
X = a Y +b V(X)= a2 V(Y) b : milieu de la classe centrale
6
D. Aucune de ces réponses n’est
Questions vraie
7
𝐑é𝐩𝐨𝐧𝐬𝐞∗ : A QCM 10 : Pour une variable quantita-
tive discrète
QCM 07 : Etant donnée une variable
1. Si n est pair, la médiane corres-
étudiée sur une population, à chaque
pond à la moyenne des deux va-
individu est associée :
leurs "centrales" une fois les va-
A. Un nombre de modalités qui dé-
leurs rangées par ordre croissant
pend de la variable
2. Si n est impair, la médiane corres-
B. Au moins une modalité de la va-
pond à la moyenne des deux va-
riable
C. Une et une seule modalité de la leurs "centrales" une fois les va-
variable leurs mesurées rangées par ordre
D. Aucune de c’est réponse n’est croissant
juste 3. La médiane est toujours égale à la
moyenne
(QCM 03- EMD 01- 2017/2018) 4. Le mode représente la plus grande
𝐑é𝐩𝐨𝐧𝐬𝐞∗ : C valeur de la série
5. Les propositions 1.2.3.4.5 sont
QCM 08 : Le mode d’une variable fausses
est :
A. La modalité ayant le plus petit ef- A :2+4 B :1+3 C :1 D :5
fectif
(QCM 02- EMD 01- 2016/2017)
B. La modalité ayant le plus grand ef-
fectif Réponse : C
C. Le plus grand des effectifs
D. Le mode est unique QCM 11 :
1. L’écart interquartile (𝑞3 − 𝑞1 ) con-
(QCM 04- EMD 01- 2017/2018) tient 50% des valeurs
𝐑é𝐩𝐨𝐧𝐬𝐞∗ : B 2. Il y a 35% des valeurs qui sont in-
férieurs au dixième centile et su-
QCM 09 : La variance : périeurs au 3ème quartile
1. Est la racine carrée de l’écart type 3. Si on effectue un changement de
2. Lorsqu’elle est forte, correspond à variable Y=a+bX , x et y sont res-
des données éloignées de la va- pectivement les moyennes de X et
leur centrale Y, alors x= by + a
3. S’exprime dans la même unité que 4. 𝜎𝑥2 et 𝜎𝑦2 sont respectivement les
les valeurs de X variances de X et Y, alors
4. Est égale au carré de la moyenne σ2y = a2 σ2x
5. Les propositions 1.2.3.4 sont 5. Les propositions 1.2.3.4 sont
fausses fausses
A : 1+2 B :2 C :3+4 D :5 A :1+2+3+4 B :1+3+4 C :1+2 D :5
(QCM 01- EMD 01- 2016/2017) (QCM 05- EMD 01- 2016/2017)
Réponse : B Réponse : C
8
QCM 12 : A propos des statistiques en 4. Le diagramme en bâtons est la repré-
médecine : sentation graphique d’un caractère
A. La statistique descriptive permet continu 𝐑∗ : B
de tirer des conclusions à partir 5. On peut calculer 4 quartiles 𝐑∗ : B
d’observations et de mesures 6. La médiane s’obtient directement à
B. L’étude d’une série statistique partir de la courbe cumulative 𝐑∗ : A
permet l’extrapolation à 7. 25% des observations sont supéri-
l’ensemble de la population
eurs au 1er quartile 𝐑∗ : B
C. L’étude d’un échantillon représen-
8. Le nombre de pommes sur un arbre est
tatif permet l’extrapolation à
une variable qualitative discrète 𝐑∗ : B
l’ensemble de la population
9. Le motif imprimé sur la robe est une
D. La constitution de séries statis-
tiques se fait par tirage au sort variable qualitative nominale 𝐑∗ : A
E. Un échantillon peut être d’effectif 10. La consommation annuelle de paquet
illimité de cigarettes 0; 50 50; 100
100; 150 est une variable aléatoire
(QCM 01 synthèse 2016/2017) discrète 𝐑∗ : B
𝐑é𝐩𝐨𝐧𝐬𝐞∗ : A C
Exercices :
QCM 13 : une étude cherche à montrer
l’existence d’un lien entre le diabète et Exercice 01 : (3 QCM)
la survenue de maladies cardio- (QCM 08.09.10- EMD 01- 2018/2019)
vasculaires
A. On est en présence de données On s’intéresse à l’âge de décès, par une
quantitatives grave épidémie, de 200 individus âgés
B. On est en présence de données entre 20 et 55 ans. On obtient :
qualitatives
Tranche d’age [20;25[ [25;30[ [30;35[
C. Aucune de ces réponses n’est
juste effectifs 5 15 45
[35;40[ [40;45[ [45;50[ [50;55[
(QCM 02- Synthèse- 2016/2017)
65 42 18 10
𝐑é𝐩𝐨𝐧𝐬𝐞∗ : A QCM 01 :
A. Il y au moins 65 personnes atteintes
Partie QCS (2018) : A (vrai) B(Faux) de cette épidémie qui décèdent
1. Un caractère continu est qualitatif avant 40 ans
𝐑∗ : B B. 65 % des personnes atteintes de
2. Un caractère nominal est qualitatif cette épidémie décèdent avant 40
𝐑∗ : 𝐀 ans
3. L’histogramme est la représentation C. 65 % des personnes atteintes de
graphique des fréquences d’un carac- cette épidémie décèdent entre 35
et 40 ans
tère continu 𝐑∗ : A
D. Aucune réponse vraie
Réponse : B
9
QCM 02 : Les pesées de 50 nouveau-nés dans
A. 10% des personnes atteintes de une maternité ont permis d’établir le
cette épidémie décèdent avant 30 tableau :
ans
B. La majorité des personnes atteintes
Poids [2.0;2.4[ [2.4;2.8[ [2.8;3.2[
de cette épidémie décèdent entre effectif 6 9 10
35 et 40 ans [3.2;3.6[ [3.6;4.0[ [4.0;4.4[
C. Plus de la moitié des personnes at- 15 8 2
teintes de cette épidémie décèdent
après 40 ans
D. Aucune de ces réponses. QCM 01 :
A. La représentation graphique
Réponse : A B
adéquate de cette distribution
QCM 03 : En effectuant le changement est le diagramme à bondes
de variable X = 5Y +37.5 B. 50% des nouveau-nés dans cette
A. 𝑦 = 0.01 𝑒𝑡 𝜎𝑦2 = 1.77 maternité pèsent moins de 3.4
B. 𝑦 = 0.09 𝑒𝑡 𝜎𝑦2 = 1.7619 kg
C. 𝑥 = 37.95 𝑒𝑡 𝜎𝑥2 = 44.05 C. 75% des nouveau-nés dans cette
D. 𝑥 = 37.55 𝑒𝑡 𝜎𝑥2 = 44.25 maternité pèsent plus de 2.7 kg
D. 75% des nouveau-nés dans cette
Réponse : B C maternité pèsent moins de 2.7
Exercice 02 : (1 QCM) kg
12
Chapitre 02 :
Probabilités
Cours 01 : L’analyse combinatoire
I. Définition :
L’analyse combinatoire = Le dénombrement ≡ Trouver le nombre de résultats pos-
sibles d’une expérience aléatoire, trouver le nombre de façons …..
rents est une suite ordonnée de ces p éléments parmi n est donné par :
𝛂𝐏𝐧 = 𝐧𝐏
Sans répétition : Un arrangement sans répétition Le nombre d’arrangements
de p éléments choisis parmi n (p ≤ n), est une avec répétition de p éléments
suite ordonnée d ces p éléments tous différents. parmi n est :
𝐧!
𝐀𝐏𝐧 =
(𝐧−𝐏)!
Le nombre de combinaisons
Combinaison
Exercice : (3 QCM)
Neuf personnes se présentent à la mé- Asma Hamzaoui
decine du travail pour passer la visite an-
15
Chapitre 02 :
Probabilités
Cours 02 : Calcul des probabilités
I. Généralités :
a) L’expérience aléatoire :
Une expérience aléatoire E : est une expérience dont les résultats possibles dépendent
du hasard.
Ф Evènement impossible
Ω Evènement certain
𝐴 Le contraire de A, il est réalisé quand A n’est
pas réalisé ; on a : Ω=Ф
A∩B (A inter B) A et B sont réalisés
A∪B (A union B) A ou B sont réalisés
A∩B = Ф A et B sont incompatibles, ils ne peuvent
pas se réaliser au même temps
AϹB La réalisation de A implique celle de B
II. Définition :
On cherche à définir pour un évènement A un nombre P qui représente la chance de
cet évènement de se réaliser.
Soit E expérience aléatoire d’espace fondamental Ω, A l’algèbre des évènements. La
probabilité "P" est une application qui va de l’algèbre des évènements
P:A 0,1
A P (A) , tels que 0 <P <1
16
III. Propriétés :
P (Ω) = 1 ; P (𝐴 ) = 1 – P (A) ; A Ϲ B P (A) ≤ P (B)
P ( A B) = P ( A moins B ) = P ( A ∩ B ) ; P ( A ∪ B ) = P (A) + P (B) – P ( A ∩ B )
P (A ∪ B ∪ C) = P A + P B + P(C) – P A ∩ B + P A ∩ C + P (B ∩ C
+ P (A ∩ B ∩ C )
IV. Probabilité d’un évènement A :
Nombre de cas favorable à A n A
P (A) = = =
Nombre de cas possible N Ω
V. Probabilités conditionelles:
Une information supplémentaire concernant l’expérience modifie la chance que l’on
accorde à l’évènement étudié.
a) Définition : La probabilité de A sachant B est un nombre n d’évènements
P ( A∩B)
PB (A) = P ( A / B ) =
P (B)
(Sachant, Si, Parmi, chez ....etc Probabilité conditionnelle)
b) Probabilité composée de l’intersection :
Soit (Ai)i=1,2…,n avec P(Ai) ≠ ∀ i = 1,2,……, n
P (A1 ∩ A2 ....... ∩ An) = P( A1) x P( A2 / A1 ) x P ( A3 / A1∩ A2) .....P( An / A1 ∩ A2... ∩ An-1)
c) L’indépendance : Deux évènements A et B sont indépendants si est seulement si :
Définition 01 : P(A) = P (A / B) ou P (B) = P (B / A)
Définition 02 : P (A ∩ B)= P (A) x P(B)
d) Indépendance mutuelle : Soient 3 évènements A, B, C, avec P (A) ≠ 0 P (B)≠ 0
P (C) ≠ 0. A, B, C sont mutuellement indépendants (indépendants 2 à 2) si est seule-
ment si :
i. P (A ∩ B ∩ C) = P (A) x P(B) x P (C)
ii. P (A ∩ B) = P (A) x P (B)
P (A ∩ C) = P (A) x P(C)
P (B ∩ C) = P (B) x P(C)
17
QCM 04 : La probabilité pour un pa-
Questions tient de survivre au premier jour est :
A. 0.0873 B. 0.0282 C.0.0291
18
QCM 05 : La probabilité qu'un pa- QCM 09 : Les 3 femmes deman-
tient ait une température corporelle su- dent au hasard le même médecin, en
périeure à 37.5°C est égale à : même temps
A. 0.17 B. 0.037 C. 0.222 D.
A. 0.43 B. 0.49 C. 0.82 D.
0.111
0.51
Réponse : D
Réponse : B QCM 10 : Les 3 médecins soient
appelés ?
QCM 06 : Pour un patient ayant A. 0.5 B. 0.444 C. 0.222 D.
température corporelle supérieure à 0.34
37.5°C, la probabilité qu'il ait une appen- Réponse : C
dicite aigüe est égale à : QCM 11 : 2 médecins soient ap-
A. 0.43 B. 0.49 C. 0.82 D. pelés
0.51 A. 0.67 B. 0.33 C. 0.549 D.
Réponse : A 0.523
QCM 07 : Pour un patient n'ayant Réponse : A
pas une température corporelle supé- QCS : (EMD 2016) A: Vrai B :
rieure à 37.5°C, la probabilité qu'il n'ait Faux
pas une appendicite aigüe est égale à : On tire successivement 2 boules dans
A. 0.43 B. 0.49 C. 0.82 D. une urne contenant des boules rouges et
0.51 des boules noires.
Réponse : C R. L'évènement " toutes les boules tirées
(QCM 13→20 - EMD 01 - 2018/2019) sont rouges "
QCM 08 : A, B et C sont des évè- N. L'évènement " toutes les boules tirées
nements. On sait que P(A) = 0.3; P(B) = 0.5 sont noires "
; P(A∩B) = 0.2; P(C) = 0.4. On sait égale- QCS 01 : R = N R:B
ment que A et C sont incompatibles. QCS 02 : N est l'évènement " le tirage est
1. Les évènements A et B sont incompa- bicolore " R:B
tibles. QCS 03 : R ∪ N est l'évènement " le ti-
2. La probabilité que A ou B se réalisent rage est bicolore "
est 0.8 R:A
3. La probabilité que A se réalise et que B QCS 04 : R est l'évènement " le tirage
ne se réalise pas 0.1 contient au moins une boule
4. Les évènements A et C sont indépen- noire"
dants R:A
5. P (A∪C) = 0.9
A : 1+2 B : 1+2+3 C : 2+3+4 D QCS 05 : P ( 𝑅 ∩ 𝑁 ) = 1 R:A
:3+5 Exercice : Dans un laboratoire se trouve
Réponse : D (EMD 01 - 2017) une cage avec 100 souris présentant 2
Exercice : (3 QCM - EMD 2014) caractères: sexe (mâle ou femelle), cou-
Dans une même clinique, 3 femmes sont leur (blanche ou noire); 87sont mâles, 57
sur le point d'accoucher. Trois médecins sont blanches et 55 sont mâles et
sont attachés à cette clinique. Quelle est la blanches.
probabilité pour que :
19
QCM 12: Une assistante prend une
souris au hasard. La probabilité pour
qu'elle obtienne une souris blanche ou
une souris mâle est :
A. 0.89 B. 0.65 C. 0.15 D.
0.0343
E. Aucune de ces réponses
Réponse : A
Elle décide de choisir 6 souris. La proba-
bilité qu'elle obtienne 4 souris blanches
si les prélèvements sont réalisés:
QCM13: avec remise
A. 0.2992 B. 0.0195 C. 0.0199
D. 0.2927 E. Aucune de ces ré-
ponses
Réponse : D
QCM 14 : sans remise
A. 0.2992 B. 0.0195 C. 0.0199
D. 0.2927 E. Aucune de ces ré-
ponses
Réponse : A (EMD 2016)
20
Chapitre 02:
Probabilités
Cours 03: Les variables aléatoires
I. Généralités:
_ Une variable aléatoire: est une variable susceptible de prendre différentes valeurs au-
quel il est possible d’affecter une probabilité 𝜔 → 𝑋 𝜔 = 𝑥
_ Support de la variable aléatoire : C’est l’ensemble des valeurs que peut prendre la va-
riable aléatoire, notée X(Ω) = X
_ Fonction de répartition : Fx : ℝ 0.1
X Fx(X) = P ( X ≤ 𝑥 )
(Notion de fréquences cumulées en statistique descriptive)
Toute fonction de répartition possède les 4 propriétés suivantes :
1) 0 ≤ F(X) ≤ 1
2) F croissante
3) F continue
4) lim𝑋→−∞ 𝐹 (𝑋) = 0 et lim𝑋→∞ 𝐹(𝑋) = 1
Remarque : P( a ≤ X ≤ b) =P( X ≤ b) – P (X ≤ a) = F( b) – F (a)
𝑑 𝐹(𝑋)
_ La densité de probabilité : f(X) =
𝑑𝑋
Propriétés :
1- f(X) > 0 ∀ X⋲ X et 0 si non
+∞ 𝑏
2- ∫−∞ 𝑓 𝑋 = ∫𝑎 𝑓 𝑋 = 1 sachant que 𝑎; 𝑏 est le support de la variable aléatoire
21
II. Variables aléatoires discrètes et continues :
V.A discrète V.A continue
Support X = 𝑥1 ; 𝑥2 ; . . … ; 𝑥𝑛 X = 𝑎; 𝑏
1 1
P1+P2
P1
X1 X2 X3 XK X -∞ 0 +∞
Espérance 𝑏
E(X) = 𝑋𝑖 𝑃𝑖
E(x) = 𝑥𝑖 𝑓 𝑥 . 𝑑𝑥
𝑎
22
D. Si X est une variable aléatoire de densité
Questions de probabilité f, alors E(X)=2/3
E. Aucune de ces réponses n’est vraie.
d’examens en Réponse : A D
QCM 3 :
23
Quand f est une densité de probabilité, A. La moyenne de X vaut 2
On note X la variable aléatoire associée à B. La variance de X vaut 4.6
f C. L’écart type de X vaut 0.36
D. Si F est la fonction de répartition de X,
QCM 05 : P(X>2)= F(2)
1. f(x) est toujours une densité de probabili- E. Si F est la fonction de répartition de X,
té F(1.5)= 0.7
2. Si b= 1/a, f(x) est une densité de probabi- Réponse : AE
lité Exercice : Soit a un réel et f la densité de
3. Si b= 1/2a, f(x) est une densité de proba- probabilité d’une v.a X définie sur 0,1 par
bilité f(x) = ax(1-x)
4. f(x) est toujours une fonction continue
QCM 09 :
sur ℝ
A. Le nombre réel a =1/3
5. les propositions 1, 2, 3, 4 sont fausses
B. Le nombre réel a = 6
A : 1+2+4 B : 3+4 C:3 D:5
C. L’espérance E(X)= 1
Réponse : C
D. L’espérance E(X)= ½
QCM 06 :
E. Toutes les propositions sont inexactes
1. E(X)= ½
Réponse : B D
2. E(X)= 0
3. P (-0.5<X<0.5)=2 P(0<X<0.5) QCM 10 :
4. V(X)= 1/3 A. La fonction de répartition F(x) = 3x2-2x3
5. Les propositions 1, 2, 3 4 sont fausses pour tout x dans 0,1
A. 2+3+4 B. 1+3+4 C. 2+4 D. 5 B. La fonction de répartition F(x) = 2x3-3x2
Réponse : A pour tout x dans 0,1
QCM 07 : La valeur de a est fixée à C. F(x) est une fonction continue
1 La valeur de b est choisie de sorte que f D. La probabilité de l’évènement
soit une densité de probabilité .On appelle 0.25 < 𝑋 < 0.75 vaut 1.6563
Fx la fonction de répartition associée à X E. La probabilité de l’évènement
1. 0 si x < -1 0.25 < 𝑋 < 0.75 vaut 0.6875
Fx(x)= x+1/2 si -1≤ x < 1 Réponse : A C E
1 si x ≥ 1
2. 0 si x < -1
𝑥+1
Fx(x)= si -1≤ x < 1
2
1 si x ≥ 1
3. F(x) est une fonction continue sur ℝ
4. Si q1/4 est le premier quartile de X alors
q1/4 = - 0.5
5. Les propositions 1.2.3.4 sont fausses
A. 1+3+4 B. 2+3+4 C. 2+4 D. 5
Réponse : B
QCM 08 : La loi d’une variable aléa-
toire X est donnée par le tableau suivant
K 1 2 3
P(X=K) 0.3 0.4 ?
24
Chapitre 02:
Probabilités
Cours 03: Lois usuelles
Représentation graphique :
X =m est un axe de symétrie
La courbe est en cloche
La valeur lue sur la table est P( X ≤ 𝑥0 )
m-𝜎 X=m m+𝜎
25
Propriétés :
P (m- σ < 𝑋 < 𝑚 + 𝜎) = 0.6827 ≅ 68%
P (m- 2σ < 𝑋 < 𝑚 + 2σ) = 0.9545 ≅ 95%
P (m- 3σ < 𝑋 < 𝑚 + 3σ) ≅ 99.7%
Loi normale centrée réduite :
(Cas particulier de la loi normale dont lequel m=0 et σ = 1)
Z ~ N (0 ;1), donc on a :
_ P( z ≤0 ) = P( z ≥ 0) = 0, 5
_ P( z ≤ −𝑧0 ) = 1 - P( z ≤ 𝑧0 )
_ Si 𝑧0 > 0 P( z ≤ 𝑧0 ) > ½
_ Si 𝑧0 < 0 P( z ≤ 𝑧0 ) < ½
X−m
_ Z= ( X suit une loi normale se paramètres m et 𝜎 2 )
σ
b) Loi de Khi-deux :
Définition :
C’est la loi de la somme de carré de n loi normales centrées réduites ; et on écrit :
X ~ 𝜒𝑛2 ; n : ddl : degré de liberté
Espérance et variance : E(X) = n et V(X) = 2n
Représentation graphique :
La table nous donne P (X ≥ χ2n )
𝜒𝑛2 +∞
c) Loi de student :
Définition: Soit X et Y 2 variables aléatoires indépendants X ~ N (0 ;1) ; Y ~ 𝜒𝑛2
X
T= ; T ~ stn (Loi de student à n ddl)
Y
n
n
Espérance et variance : E(T) = 0 ; V(T) = n>2
n−2
Représentation graphique :
La table nous donne P ( T > t)
26
Remarque !!! :
_ Théorème centrale limite : (TCL) :
Soit (Xi)i=1,2,3….n variables aléatoires identiquement distribuées, E(Xi) = E(X) = m
V(Xi) = V(X) = 𝜎 2 ;
n 1 n 𝜎2
Soit S = i=1 X i ; donc S ~ N (nm ; n𝜎 2 ) 𝑋= i=1 X i ~ N (m ; )
n n
_ L’approximation :
i. De la loi binomiale
Par une loi de poisson Par une loi normale
n > 30 T ≈ N (0 ; 1)
B : E(Z) = 1 C : 𝜎(𝑋)= 20
QCM01 : Soit X une variable de
Bernoulli de paramètre P= 0.1 D : P (X = 100) = 0.5 E : P(Z≤ 0) = 0.5
A. X prend ses valeurs sur
X(Ω)= 0,1,2,3, . . Exercice : On considère qu’il apparait
B. P(X= 0)= 0.1 C. E(X)= 0.1 chaque année en moyenne 20 nouveaux
D. Var(X) = 0.09 E. 𝜎(x)= 0.3 cas de poliomyélite sur 100000 habitants.
QCM 02 : Soit X une variable sui- On appelle X le nombre de nouveaux cas
vant une loi de poisson de paramètre 6 dans l’année, dans une ville de 50000 ha-
A. X est une variable aléatoire conti- bitants
nue QCM 04 :
B. P(X= 0)= 𝑒 6 A. La v.a X suit une loi de Bernoulli de
C. E(X)= Var(X)= 6 paramètre p= 0.0002
D. Sa distribution est symétrique B. La v.a X suit une loi de Poisson de
paramètre 𝜆 = 20
27
C. La v.a X suit une loi de Poisson de QCM 09 : Le nombre d’appels
paramètre 𝜆 = 0.0002 que reçoit la nuit entre 22h et 6h un ca-
D. La v.a X suit une loi de Poisson de binet de généralistes suit une loi de pois-
paramètre 𝜆 = 10 son de moyenne 2.
E. Aucune de ces réponses n’est vraie 1. La probabilité de n’avoir aucun ap-
QCM 05 : Dans une population, le pel entre 22h et 6h est environ 13.5%
taux de cholestérol est distribué norma- 2. La probabilité d’avoir plus de 2 ap-
lement suivant une loi de moyenne 2 g/l pels entre 22h et 6h est environ 25.18%
et de variance 0.25 (g/l)2 . La probabilité 3. La probabilité d’avoir au moins ap-
qu’un sujet pris au hasard dans cette po- pel entre 22h et 6h est environ 86.5%
pulation ait un taux de cholestérol supé- 4. En supposant que les appels sont
rieur à 2.10 g/l Dest : indépendants d’une nuit à une autre, la
A. 0.025 B. 0.05 C. 0.42 probabilité de n’avoir aucun appel deux
D. 0.49 nuits de suite entre 22h et 6h est environ
Exercice : On suppose que les notes ob- 27 %
tenues à un examen sont distribuée nor- 5. En supposant que les appels sont
malement avec une moyenne de 76 et un indépendants d’une nuit à une autre, la
écart type de 15. Les 15% meilleurs re- probabilité de n’avoir aucun appel deux
çoivent la mention A et les 10ù moins nuits de suite entre 22h et 6h est environ
bons sont éliminés 1.8%
QCM 06 : la note minimale néces- A. 3+5 B. 1+2+3 C. 2+3+4 D.
saire pour obtenir la mention A est 1+3+5
A. 91.5 B. 116.6 C. 103.2 QCM 10 : Une variable aléatoire X
D. 80.01 est distribuée selon une loi de khi-deux à
QCM 07 : la note minimale pour ne 20 degré de liberté (ddl)
pas être éliminé A. La médiane de X est égale à 20
A. 51.3 B. 46.6 C. 71.04 B. La probabilité que X ne dépasse
D. 56.8 pas la valeur 31.41 est approximative-
QCM 08 : Dans un laboratoire ment de 5%
pharmaceutique, un automate remplit C. La probabilité que X soit supérieur
des sachets de petits granules. Il dépose à la valeur 12.44 est approximativement
en moyenne 2.40 g de granules par sa- de 90%
chet, avec un écart type de 0.12. On sup- D. La moyenne de X est égale à 19.34
pose que le poids est distribué normale- E. P(25<X<28) < 20 %
ment. Un sachet a environ QCM 11 : Une v.a est distribuée
A. 68 % de chances de peser entre selon une loi de student 10ddl
2.28 et 2.52 g A. La probabilité que T dépasse la va-
B. 5% de chances de peser moins de leur 1.8 est égale à 5%
2.28 et plus de 2.52 g B. La probabilité que T suit supérieur
C. 95% de chances de peser entre à la valeur 1.8 = 10%
2.16 et 2.64 g C. P( -0.7 <T< 0.7 )= 50%
D. 5% de chances de peser moins 2.16 D. La variance de Test égale à 1.25
g E. La moyenne de T est égale à 10
28