Université de Bretagne Occidentale Année 2017-2018

Licence BIO - 1ère année

Probabilité et Statistique
Feuille d’exercices no 4

Deuxième partie
Solutions

1 Exercice 1 –
On note p la proportion de garçons parmi les naissances en France en 2000.
Sur un échantillon de 400 naissances en France en 2000, on comptabilise 205 garçons.
Faire un test au seuil de 5 % pour l’hypothèse nulle H0 : p = 0, 5. Le test est-il signifi-
catif ?

1.1 Solution Exercice 1

Rappelez-vous,
Lorsque le test tombe dans la zone de rejet on dit que le test est significatif.
On a le teste pour la proportion p,
s
p̂(1 − p̂)
|p̂ − p0 | > u1− α2 (1)
n
avec p0 = 0, 5. On substitue α = 0, 05 (le risque de première espèce — soit la probabilité de
faire une erreur en rejetant l’hypothèse quand elle est vraie) dans u1− α2 ,

u1− 0,05 = u0,95 = 1, 96 (2)

2

On a trouvé p̂ = 205/400 = 0, 5125. Avec n = 400, pour l’écart-type on a

s
p̂(1 − p̂)
= 0.024992 (3)
n
Finalement eq(1)
|0, 5125 − 0, 5| > 1, 96 · 0.024992 = 0, 049
0, 0125 > 0, 049 (4)
ce qui est faux et donc on ne rejette pas l’hypothèse. On dit que le teste n’est pas signi-
ficatif.
2 Exercice 2 –
Dans un café donné, le contenu d’un verre de jus d’orange devrait suivre une loi normale
de moyenne 25 cl et d’écart-type 3 cl. Depuis le changement de propriétaire du café, on a
l’impression que les verres sont moins remplis.
Pour vérifier, on a acheté 15 verres et on en a mesuré le contenu. On a observé un contenu
moyen de 22 cl.
Sachant que l’écart-type est égal à 3 cl, peut-on démontrer au risque de 5 % que le
nouveau propriétaire est malhonnête ? Ce test est-il significatif ?

2.1 Solution Exercice 2

On pose l’hypothèse nulle que le propriétaire est honnête (la moyenne est 25 cl).
L’hypothèse alternative est qu’il est malhonnête.
Le teste peut rejeter l’hypothèse nulle avec risque de première espece de 5%. On peut
essayer de démontrer au risque de 5 % que le nouveau propriétaire est malhonnête. On teste
si
s
σ2
|µ̂ − µ0 | > u1− α2 (5)
n
Exactement comment dans l’exercice 1, on substitue α = 0, 05 (le risque de première
espèce — soit la probabilité de faire une erreur en rejetant l’hypothèse quand elle est vraie)
dans u1− α2 ,

u1− 0,05 = u0,975 = 1, 96 (6)

2

Avec σ = 3cl et n = 15 dans l’eq(5) on trouve

s
σ2
|µ̂ − µ0 | > u1− α2 ,
n
3
|22 − 25| > 1, 96 · √ ,
15
3 > 1, 5 (7)
ce qui est vrai, et donc on rejette l’hypothèse nulle que le propriétaire est honnête.

3 Exercice 3 –
La durée de vie (en heures) des ampoules électriques produites par une usine est une
variable aléatoire X de loi gaussienne d’écart-type 120 h. Dans une publicité, le fabricant
annonce qu’en moyenne, les ampoules ont une durée de vie de 1120 h.
1) (a) On prélève un échantillon de 36 ampoules. En supposant que le fabricant dit vrai
dans sa publicité, quelle loi suit approximativement la moyenne X des durées de vie
des ampoules de l’échantillon ?
 h i
(b) Déterminer le nombre réel d tel que P X > 1120 − d = 0, 95.
2) Un contrôle qualité portant sur un échantillon de 36 ampoules a montré qu’en moyenne
les ampoules avaient duré 1090 h. Peut-on affirmer, au seuil de risque de 5%, que le
fabricant fait de la publicité mensongère ?

3.1 Solution Exercice 3

1) (a) La moyenne X̄ de l’échantillon suit la loi normale N (µ, σ 2 ), avec µ = 1120h (si
on croire la publicité) et σ 2 = 1202 /36h = 400h2 . i
1) (b) Le nombre réel d tel que P X > 1120 − d = 0, 95. On cherche
h i
P X > 1120 − d = 0, 95
h i
P X − µ > −d = 0, 95
" #
X −µ −d
P > = 0, 95
σ σ
" #
X −µ d
P 6 = 0, 95 par symétrie (8)
σ σ
X−µ
La variable σ
est normale standard, et donc
d
= u0,95 (9)
σ
On trouve dans le Tableau de loi gaussienne que u0,95 = 1, 645. Dans (a) on a trouvé σ = 20 h.
Et donc,
d = u0,95 σ = 1, 645 · 20 h = 32, 9 h. (10)
2) Oui, tout-a-fait, on peut affirmer, au seuil de risque de 5%, que le fabricant fait de la
publicité mensongère. Avec X̄ = 1090 h on a la distance
−(X̄ − µ) = 1120 − 1090 = 30 < d = 32, 9h (11)

4 Exercice 4 –
Une confiserie fabrique des pâtes de fruits. Elle annonce que les machines sont réglées
pour que la proportion de pâtes de fruit de premier choix dans la production soit de 80%.
Dans un prélèvement d’un échantillon de 150 pâtes de fruits, on en a trouvé 110 de
premier choix et 40 de deuxième choix.
1) La production est-elle conforme à la proportion attendue au seuil de 95% ? de 98% ?
2) Suite à ce prélèvement un acheteur pense que, chez ce confiseur, la proportion des pâtes
de fruit de premier choix est de 70%. Calculer la probabilité que, sous cette nouvelle
hypothèse (ou donnée), la fréquence de pâtes de fruit de premier choix appartienne à
l’intervalle [0, 724; 0, 876]. Qu’apporte ce nouveau calcul ?
4.1 Solution Exercice 4
On modèle les pâtes de fruits comme variable Bernouill ; un pâte de fruit est soit de
premier choix soit de deuxième. Donc la somme des pâtes de fruits de premier choix K est
une variable aléatoire qui suit la loi Binomiale B(n, p). La proportion d’un échantillon de n
est simplement la variable aléatoire normalisé p̂ = K/n. (Remarquer p est le paramètre de
B(n, p) et p̂ est la variable aléatoire.
1)
On pose l’hypothèse nulle, H0 : p = p0 = 0, 8 ; i.e. les machines sont bien réglées.
Ici n = 150 > 30 est donc on attend que p̂ suit la loi normale N (p, p(1−p)n
) à une bonne
approximation. Et donc on teste H0 avec le teste eq(1) que l’on a utilisé dans l’exercice 1
s
p̂(1 − p̂)
|p̂ − p0 | > u1− α2 (12)
n
Le prélèvement d’un échantillon de 150 pâtes de fruits nous donne l’estimation de p
110
p̂ = = 0, 73333 (13)
150
Pour γ = 0, 95 (soit α = 0, 05) on a

u1− α2 = u1−0,025 = u0,975 = 1, 96 (14)

On les substitue dans eq(12) pour trouver

s
p̂(1 − p̂)
|p̂ − p0 | > u1− α2
n
s
0, 73333(1 − 0, 73333)
|0, 73333 − 0, 8| > 1, 96
150
0.0666666667 > 0.07076940123 (15)

Ce qui est faux. Le test n’est pas significatif. Alors on ne rejette pas H0 que les machines
sont bien réglées. La production elle conforme à la proportion attendue au seuil de 95%.
Le test au seuil de 98% est plus strict ; on en déduit que la production elle conforme à la
proportion attendue au tout seuil supérieur de 95% aussi.

5 Exercice 5 –
Dans une grande ville, un nouveau cinéma va être construit. La municipalité propose un
terrain à proximité du centre ancien.
1) Un premier sondage est effectué auprès de 100 personnes choisies de façon aléatoire et
indique 53 avis favorables. Peut-on dire que la majorité de la population est favorable
à cet emplacement au seuil de 5% ?
 2) Un deuxième sondage effectué auprès de 500 personnes indique la même proportion
d’avis favorable. La conclusion est-elle différente ?
3) Si un sondage effectué auprès de n personnes indique la même proportion d’avis favo-
rables, à partir de quelle valeur de n peut-on estimer, au niveau de confiance de 95%,
que la majorité de la population est favorable à cet emplacement ?

5.1 Solution Exercice 5

La proportion p̂ d’un échantillon de n suit la loi binomiale B(p, p · (1 − p)/n).
n = 100 > 30 est donc la loi normale N (p, p · (1 − p)/n) est une bonne approximation.
1) On teste l’hypothèse nulle H0 : p0 = 0, 5 avec le teste eq(1) que l’on a utilisé dans
l’exercice 1 et 4 :
s
p̂(1 − p̂)
|p̂ − p0 | > u1− α2
n
s
0, 53(1 − 0, 53)
|0, 53 − 0, 5| > u1− 0,05
2 100
0, 03 > 0, 098 (16)

Ce qui est faux, donc le teste n’est pas significatif.

2) On fait le même teste que dans 1) avec encore p̂ = 0, 53 mais avec n = 500 :
s
p̂(1 − p̂)
|p̂ − p0 | > u1− α2
n
s
0, 53(1 − 0, 53)
|0, 53 − 0, 5| > u1− 0,05
2 500
1
0, 03 > √ 0, 098 = 0, 044 (17)
5
Ce qui est toujours faux, donc le teste n’est pas encore significatif. On a la même conclusion.
3) On cherche n tel que
q
0, 53 · (1 − 0, 53) 0, 488236
0, 03 > u0,975 √ =⇒ n > = 542, 5 (18)
n 0, 032
Et donc, si n ≥ 543 on attend que le teste sera significatif (si le sondage effectué auprès de
n = 543 personnes indique la même proportion d’avis favorables).

6 Exercice 6 –
On lance une pièce de monnaie 10 fois et l’on obtient exactement 4 Pile. Peut-on rejeter
l’hypothèse que la pièce est équilibrée au seuil de 5% ? Le test est-il significatif ? Si oui, quel
est son degré de signification ?
Mêmes questions si on lance 100 fois la pièce de monnaie et que l’on obtient 40 Pile.
6.1 Solution Exercice 6
1) On teste l’hypothèse nulle H0 : µ0 = 0, 5. Mais on ne peut pas utiliser le teste eq(1)
que l’on a utilisé dans l’exercice 1, 4, et 5 parce que n = 10 < 30.
s
s2n
|mX − µ0 | > tn−1 (α) (19)
n
Ici mX = 0, 4, n = 10, α = 5%. Pour la variance de la proportion de n, s2n , on utilise
s2n = p(1 − p).
tn−1 (0, 05) = t9 (0, 05) ≈ 2, 26 tableau de Student sans interpolation (20)
On substitue tout dans eq(19)
s
0, 4 · 0, 6
|0, 4 − 0, 5| > 2, 26 = 0, 35
10
0, 1 > 0, 35 (21)
Ce qui est faux, donc le teste n’est pas significatif.
2) On teste l’hypothèse nulle H0 : µ0 = 0, 5. Avec n = 100 > 30 on peut utiliser le teste
eq(1) que l’on a utilisé dans l’exercice 1, 4, et 5.
s
s2n
|mX − µ0 | > u1− α2 (22)
n
Ici mX = 0, 4, n = 10, α = 5%. Pour la variance de la proportion de n, s2n , on utilise
s2n = p(1 − p).
s
p̂(1 − p̂)
|p̂ − p0 | > u1− α2
n
s
0, 4(1 − 0, 4)
|0, 4 − 0, 5| > u1− 0,05
2 100
0, 1 > 1, 96 · 0, 04899 = 0, 096 (23)
Ce qui est vrai, donc on rejette l’hypothèse nulle. Pour son degré de signification on cherche
α0 tel que
s
p̂(1 − p̂)
|p̂ − p0 | = u1− α20
n
|0, 4 − 0, 5|
u1− α20 < q = 2, 04 = uγ
0,4(1−0,4)
100
(24)
Utilisant le Tableau de loi de Gauss, on trouve φ(2, 04) = 0, 9793. Donc, on trouve
α0
1− = 0, 9793
2
α0 = 2(1 − 0, 9793) = 0, 04 (25)
Le degré de signification est le seuil α0 = 0, 04.

Exercice 7 – Un produit de référence synthétique a été préparé en vue de l’emploi d’une

méthode d’analyse relative. La teneur visée pour l’élément intéressant est µ0 = 25, 60 (%).
Pour vérifier la préparation du produit, on effectue une série de n = 40 dosages : la valeur
moyenne observée est µb = 25, 58 et l’écart-type est σb = 0, 2.
1) Donner la décision du test H0 : µ = µ0 contre H1 : µ 6= µ0 (On fixera α = 0, 05).
2) On effectue à présent le test d’hypothèses H0 : µ = µ0 contre H1 : µ = µ1 = 25, 70.
Déterminer le risque β de deuxième espèce ainsi que la puissance de ce test.