GilagyLi Glanaill dancin aL ll tol ELlolt toR+EXHEE | +O8Aolt FACULTE POLYDISCIPLINAIRE TAROUDANT Mardi 10 mars 2020 Master spécialisé PACQI Techniques d’échantillonnages et outils statistiques Examen de la session normale 2019-2020 Durée : 1.5H 1. Questions de cours 1. Définir ce que c’est que : a. Un échantillonnage ? b. Un Echantillonnage systématique ? c. UnEchantillonnage aléatoire ? Citer des exemples d’échantillonnage en analyses chimiques eVou biologiques. 2. Soient Xj, X2, .......X, des variables aléatoires d’un échantillon de n individus. Donner la définition de : a. La moyenne et la médiane de !’échantillon, b. Ecart-type et I’écart interquartile de I’échantillon. c, L'intervalle de confiance au niveau 95%. I. Applications Exercice 1. Lors d’un TP de biologie cellulaire, des étudiants de licence de Biochimie ont étudié le phénoméne d’endocytose chez |’amibe sociale. Le ligand utilisé était le HRP (Peroxydase de Raifort), une enzyme que l’amibe ne connait pas et n’arrive pas a digérer, donc facile a mesurer. On veut analyser les résultats des 18 binémes ayant travaillé avec une concentration initiale de HRP de 30 pg/mL. Voici leurs résultats de mesure pour la densité optique / million de cellules, a l’instant t= 20 min : 0.0003 0.0133 0.0083 0.0154 0.0251 | 0.0371 | 0.0032 0.0089 0.018 [o.0osa 0.08850.0196|.0005}0,001 0.0238] 0.0138 0.03061 0.0139 131. Ou est l’aléatoire dans cette expérience de biologie ? 2. Calculer : a) la moyenne d’échantillon, b) ’écart-type d’échantillon corrigé. c) Déterminer |’écart interquartile des densités optiques des 18 bindmes, puis tracer un box plot (boite 4 moustaches) et interpréter les résultats. 2. Donner un intervalle de confiance 4 95% pour la densité optique / million de cellules 4 instant t = 20 min qu’on observerait en moyenne sur toute la population des amibes sociales, dans des conditions expérimentales parfaites, et sans bruit de mesure. Exercice 2. Une entreprise spécialiste dans la fabrication de plateaux pour des tables utilise une machine qui débite des planches de 2 métres de longueur. Une étude statistique sur un trés grand nombre de plateaux usinés montre que la probabilité que le plateau comporte un défaut, et done qu'il ne soit pas utilisé pour la fabrication d'une table, est égale & 0,012. Des contréles qualité sont effectués sur des échantillons de 500 plateaux et un réglage de la machine pourrait étre prévu si les défauts observés sont trop nombreux. 1. Un technicien, qui a observé 10 plateaux présentant un défaut sur un échantillon de 500 plateaux (c'est A dire une proportion de 2\% de plateaux défectueux) et qui se souvient de ce qu'il a appris en statistiques produit la feuille Excel suivante. 23Doit-il envisager dleffectuer un réglage de la machine ? Expliquer proprement son raisonnement. Quel est le niveau de confiance exact de sa décision ? 2. Le technicien veut s'assurer qu'il a pris la bonne décision. Il s'adresse & son collégue pour lui demander une vérification. Celui-ci n'a pas de tableur A sa disposition, mais se souvient de ce qu'il a appris aussi en cours d’échantillonnage. Au bout de quelques minutes,| aprés avoir construit un intervalle de fluctuation asymptotique au seuil de 95\% et vérifié que les conditions étaient réunies pour utiliser cet intervalle en vue d'une prise de décision| il confirme a son collégue que la décision quiil a prise était la bonne. Quel a été son raisonnement ? 3. Les deux techniciens ont de sérieux doutes sur le réglage de la machine et vont chercher a effectuer le contréle sur un échantillon plus important, Ils construisent alors la feuille de tableur suivante qui permet de déterminer Vintervalle de fluctuation asymptotique au seuil de 95\% pour différentes valeurs de la taille nn de I'échantillon prélevé, e"régl =SI(ET(B69 <=0,02;0,02 <=C69),"NON régla i Poneonie = ho Een as nf incervale sup intervallo—déision 904 | 0,020784096 [NON réeage lage) =H Que cherchent-ils 4 détecter dans la colonne D ? Quelles formules ont-ils saisies dans les cellules B69 et C69 2 Quelle conclusion peuvent-ils tirer de ce tableau ? A l'aide d'un calcul, proposer une conclusion plus précise qu obtenue a la question précédente. e celle yawn FORE OOS ERIE USD AAO OOD EEE 3/3GilagyLi Ghauaaill Go2aio alll tob¥ELlolt toRt+LKHEt | tO8Aclt FACULTE POLYDISCIPLINAIRE TAROUDANT Master spécialisé Procédés d’ Analyse et Contréle Qualité (PACQ) Ma : Techniques d’échantillonnages et outils statistiques TD N° A moustaches ice 1. Représentation de boi On considére deux lots de solutions étalons en ions nickel I (Ni**). On analyse par speetrophotométrie 16 flacons de chaque lot quion souhaite comparer. A partir des concentrations du tableau suivant, on réalise une boite & moustaches pour chaque lot. 1,007 | 1,0089 | 0,9922 | 0,988 | 1,012 | 0,9932 | 1,0005 | 1,0089 lot. ——| |= 0,911 | 1,0057 | 0,902 | 1,0277 | 1,012 | 0,988 | 0,9995 | 1,0057 0,9786 | 0,9828 | 0,9692 | 0,9922 0,981 | 0,9713 | 0,9984 | 0,9995 0,984 | 0,911 | 1,0099 | 1,0172 | 1,0068 | 0,987 | 0,9723 | 0,9943 lot 1. Calculer pour chaque Jot les paramétres statistiques suivant a, Lamoyenne b. Lamédiane c. Les quartiles Ql, Q2 et Q3. En déduire Pinterquantile d. La variance et I"éeart-type €. Le coellicient de variation CV 2. Représentation graphique Qu ee a, L’histogramme en fréquen b. La boite 4 moustache aa a Se Exercice 2: Représentation sous forme dhistogramme ve serene |. Rappels : Pour un nombre élevé de mesures ou sil y a plusiewis valeurs identiques, on ‘ s Une distribution lasses cese Un histogramme est unc représentation graphique dans laquelle les rectangles représentes ont ¢ statistique étudi regroupe parfois les valeurs de la sé de figquences est un tableau des tréquences associées a ces des largeurs proportionnelles aux amplitudes des classes et des aires proportionnelles aux stogramme permet de visualiser rapidement des données. fréquences de ces classes. L te d'un histogramme, il faut surtout éviter d'utiliser un nombre Pour une représentation c de classes mal adapté. Des réples régissent la construction des histogrammes.£ VY nombre de classes k: k=Vn_ avec h le nombre total de mesures, Généralement on ne dépasse pas 20 classes ¥ imervalle de classe h: h= ©, arrondi au multiple immédiatement supérieur de la rin résolution de mesure ott R est I'étendue de mesure : R= Xpoe Xin 7 5 A Y limite inférieure de la premiére classe * Xu ~ (Résolutiondemesure) 2. On mesure A Finiérieur d'une euve les valeurs de pH en début de précipitation pour 60 cristallisations d'un sulfure métallique. Les valeurs sont reporiées dans le tableau suivant, La résolution de mesure est de 0.01 unité pH 5.2 | 4,74 | 4,96 | 4.47 | 4.6 4,62 | 4,45 | 5,08 4,74 | 4,59 | 4,77 4,96 | 4.97 | 4,88 5,03 472| 4,8 | 4,43 | 4,81 | 4,73 | 4.83 “4,68 | 4.3 | 8:2 | 4.92 4.55 | 4,91 5,17 | 4.61 Vase| 5 | 4,63) 471 ‘ 4,57 | 4,98 | 4,84 r cb 463 4.85 | 4,9 | 4,53 | 4,67 | 4.79 4,69 Ie poe Représenter ces résultats sous forme d'un histogrammeTABLES a , 8 Taste 0 osmium # o¢ Samar Valeur rans tes ga a 4 Pay nen, ‘TABLE DE LA FoncoN BLA Lor DE LAPLACE-GAUS Por = 880,095,099. 099 a9 9, 095 eA = 1, 40860, 0, SMA, oe a Re SS Sent ae ae] wales SI Bias | O04 # Gat | 7 |e 2B ae oe at ay Be ‘th ‘Ee eee =e sis 33/8 BE ge lam ie aus as aor om NOTA. — La table done wars 1) pour epost, Lore w et abt So] tas ois Ge tan Sh Ba BS 1a preie complet Tul de vleur he don te Ee in dae 73 ple; pout ao 137 Mu) = 09147 ‘ew. tay = pout 6 W eg eH lonbied TT) 2 four ay deta