Académique Documents
Professionnel Documents
Culture Documents
e
I
I
a
q
{ *'
biomolécules,
UE1 : Atomes, UE3 : Organisation des appareils et systèmes :
génome, bioénergétique, métabolisme aspects fonctionnels et méthodes d'études
Tnnoles de Chimie général.e (UEl). QROC et QCM corrigés . Approche physique du transport d.e la matière
ei coinmentés, F- Launay et A. Gédéon . dans Les miLieuxbiologiqr.res, W Urbach, M,-C, Fauré,
, Biochimie : cours et QCM, S. Allouche (dir.) B. C. Forger, J. Berges et N. Taulier
. Biochintie métaboLique -2' édition, J. Borg et A. Reeber , B i o p hy s i q ue mé dic ale : rnag néto s tat i q ue, radiofréq uenc e s,
, Biologie moléculaire, ceLLulaire et génétique en )001 QCM résonance, magnétique nucLéaire, D. Morvan
fla), M Ghorbal . Biophysique : cours et exercices, F. Giammarile, C. Houzard,
, QCM et QROC de bioLogie moLéculaire,l. Creveaux et A. Charrie
et L. Blanchon
. Cours de Physique, B. Clerjaud
. Chinrie généraLe. Cour.s et QCM corrigés el commentés,
. Phy.sique. Cours, exercices et annales corrigés, D. Benredjem
J. Golebiowski, P Aplincourt et G. Kesperski
, Chimie généraLe en )00) QCM (La), J Bonin, D. Marchal
. Physique. Nouveau programme Ll santé, C. Lavelle
, Chimie généraLe en UEI (La). Fiches et QCM (corrigés
. Physique et biophysique. Rappels de cours, exercices et QCM
et commentés), A. Gédéon et F. Launay corrigés, J.-M. Escanye et A. Durand
. Chimie organique : cours et exercicas, P Karoyan
. Physique et biophysique. Rappel de cours, exercices et QCM Cet ouvra
. Chimie organique et isométrie. QCM, exercices et problènxes corrigés (volume 2), J.-M. Escanye et A. Durand
corrigés, S. Rubio
. Physique médicale, E. Hakiki Nour pharmacie,
. Considérations moLéculaire, métabolique . Réussir l'U83, J, Pradère
et physiopathoLogique de Lenutrition humaine, C. Perier exercices t
. Cours de Chimie généraLe 2" édition, A, Gédéon UE4 : Évaluation des méthodes d'analyses appliquées
. Cours de Chimie organique, O. Thomas et S. Antoniotti aux sciences de la vie et de la santé biologique.
. Exercices et annaLes de Chimie générale corrigés et . Techniques de raisonnement stqtistique et applications
commentés. Nouveau programme Ll santé, A. Gédéon aux sciences de la vie, P. D'Athis scientifiqu€
. Exercices et QCM de chimie organiqrle, O Thomas . Biomathématiques, Y La|ocha
et S. Antoniotti , Iliostatistiques. Rappels de cours et QCM corri+és -
< Statistiqu
. Mécaniques desfluides physioLogiques : cours el QCM, 2" édition, J.-L. Golmard
C Leteliier . Elément de biostatistiques. Exercice,ç corrigés, QCM pourrait cc
. QCM de Chimie orgunique, J.-P. Bouillon et F Estour et rappeLs de cours à l'usage des étudiants en médecine
eî en bioLogie, F Kohler biologique
UE2 : La cellule et les tissus . Evuluation. des méthodes d'analyse oppliquées aux sciences
. Bases celLul.aires et rnoLéculatres du développement- de La vie et de La santé. Exercices, QCM, probLèmes d'étudiants
Méthodes et exercices, 2' édition, C. Chanoine et épreuves corrigés, M. Mercier (dir.)
. Biologie cellulaire en 1001 QCM et QROC (La) - 2" édition,
. Exercices de statistiques médtcales et biologiques, F. Borsali montrent
J.-C. Cailliez-
. ManueL de stati,stiques - 2" édition. Nouvcau programme
. Rktlogie cellulaire et moléculaire de La ceLlule eucaD)ote, Ll santé, G. Forzy compren0r
C. Chanoine et F. Charbonnier
. Stcttistique,s médicctles er biologiques, F. Borsali
, Biotechnolo{ies et applications (génie génétique), C'est pourc
F. Perrin-Schmidt UE5 : Organisation des appareils et systèmes :
Exercices corrigés et commentés de biologie ceLlulaire - aspects morphologiques et fonctionnels généraux les cherche
1" édition,P. Cat . 320 QCM clés d'anatomie, P. Trouilloud, O. Trost,
QCM et exercices corrigés ct commentés d'hi,stologie N. Cheynel exercices i
et d'embryoLogie, nouvelLe édition,D. Haymann (coord,) . Anatomie en 1001 QCM (L') -2" édition. G. Biette
et M. Berreur . Anatomie, Tête, cou, netfs crâniens e.t orqanes des,çens.
probabiliste
UE2 : Biologie ceLlulaire, embyoLogie et histolo7ie P Trouilloud, O. Trost
en l00l QCM, M. Ghorbal . nartia
Inlroduction à l'Anatomie, P. Trouilloud, O. Trosr
Biol.ogie de Ia reproduction et du développement, ColLège . Manuel d'analomie, S. Dupont, P Serbe et C. Boistier
Hospitalo-Universitaire de biologie et médecine . Manuel d'anatomie générale, F. De Peretti et B Maes Enfin, je n
du développement et de la reproduction . QCM illustrés d'anatomie, F. De Perreti el B. Maes
dans la
voudraient
ue, radiofréquences,
Iorvao
AVANT.PROPOS
ammarile, C. Houzard,
corrigés, D. Benredjem
té, C. Lavelle
turs, etercices et eCM
trs, etercices et eCM
. Durand
cet ouvrage s'adresse principalement aux étudiants
en médecine, en
pharmacie, en chirurgie dentaire et
en biorogie. Irs trouveront de nombreux
exercices basés sur des situations rencontrées
nalyses appliquées dans la discipline médicale et
le la santé biologique' certains exercices sont inspirés d,articres parus
et applications dans des revues
scientifiques. cet ouvrage ne couvre qu'une partie
du cours de mon livre intitulé
'M corrigés
- < statistiques médicares et biorogiques >
pubrié dans ra même édition et
trrigés, QCM pourrait correspondre également aux chercheurs
,rts en médecine dans re domaine médical ou
biologique désirant compléter leur travail de recherche.
Iiquées aux sciences un bon nombre
, problèmes détudiants et de chercheurs pensent que res manuers de statistique qui
ologiques, F. Borsali montrent comment réaliser des calculs numériques
veau Programme leurs permettent de
comprendre le fondement de cette science
Borsali ; cet argument n,est pas valable,
c'est pourquoij'ai décidé d'écrire ce rivre dans re but
s et systèmes :
d,amener res étudiants et
onnels généraux les chercheurs à la compréhension des concepts
de la statistique de base. Les
. O. Trost,
exercices sont présentés en trois parties : statistique
descriptive, statistique
, G. Bieue
'ganes des sens, probabiliste et statistique inductive et sont
résolus en détail à la fin dechaque
O. Trost Daftie.
et C. Boistier
.ti et B. Maes Enfln, ie ne saurais
oubrier de remercier toutes res personnes qui mbnt
aidé
:t B, Maes
dans la réalisation de cet ouvrage. Je serais très reconnaissant
à tous ceux qui
voudraient bien signarer déventueiles erreurs qui mhuraient
échappé et de me
faire part de leurs remarques.
L'auteur
SOMMAIRE
Enoncés
.....,.....,........ 9
Corrigés
.............,,.... 17
Enoncés .,.....,... 39
corrigés ..,........ 65
TABLES NUMERIQUES.,......,.
STATISTIQUE
DESCRIPTIVE
Enoncés
Exercice I
Les grenouilles hébergent divers parasites,
en particulier des vers bématodes.
|l_:ï:Y:":: ^li::1 *: n:.l"uiles dans ,n et ng
hématodes que chacune d'eiles-héberg.. ., on compte res
oi ;
Nombre de trématodes par
"oË;r"Ë'rérr"i ##ffi ,
grenouille 0 a
I 2 3 4 J 6
Nombre de grenouilles
cortlespondantes 77 22 45 40 T9 77 2
[3,5,4,5[ 17
[4,5 , 5,5 [ 20
[5,5,6,5[ 30
16,5,7,51 1.4
[7,5,8,5 [ 3
Exercicc
[ 5,6[ 6 2t
On donne
| 6,71 10 14 leurs enfe
| 7 ,81 1,8 \2
[8, gI 23 B
[9,10[ 1B 6
[10,11[ L2 F
J
[11,15[ B 4
Exercice 6
Une série d'observations concernant les
tailles dhdolescents de 11 à 14 ans a
donné les résultab suivants :
It4o,744[ 3
[.L44 ,748 [ 1B
II48 ,752 [ 65
[t52 , 156 [ 85
[ 156,.160 [ 71
1760,764I 32
1764 ,1,68 | 20
1768 ,772 | 4
1772,776[ T
Exercice 7
on donne la répartition des femmes âgées de 50 à
s+ ans d,après le nombre de
lzurs enfants nés vivants :
caractère ? les
Issue de la grossesse
s cumulées.
)n des femmes
vivant sera de
1,5 I,6 1,8 I,g 2,0 2,1 2,7 2,2 2,3 2,4 2,5 2,7
s ont cerclage
;e est supposé
2,8 2,8 2,9 2,9 2,9 3,0 3,0 3,0 3,7 3,7 3,7 3,2
néfastes). Les 3,2 3,2 3,3 3,5 3,6 3,7 3,g 4,0 4,3 4,5 5,0
1. comment appelle-t-on cette collection de nombres ?
Quel est le caractère
étudié ? sa nature ?
2. Regrouper ces valeurs en classes de durée de
survie pour chaque groupe
puis représenter les deux diagrammes qui conviennent
sur un même
graphique ?
Je chaque
rande que
'ie est-elle
rntillon, le
STATISTIQUE
DESCRIPTIVE
Corrigés
Exercice I
l. Le caractère étudié est re nombre de trématodes par grenouiile.
Ir est
quantitatif discret. ./
L Le diagramme qui convient est le diagramme en
bâtons et le polygone des
effectifs.
t s
t*o,,,É." ae frematâoes
Exercice 2
1. Le caractère étudié est les catégories des leucorytes. Il est qualitatif,
2. Le diagramme qui convient est le diagramme à bandes.
Diagramme à bandes
Effectif
600
500
400
300
200
100
Exercice 3
1. Le caractère étudié est le taux de glucose sanguin. Il est quantitatif continu.
x-
Sffiistioue c
E 0.35
u=":-u ^so'06
- Tableau des effectifs :
[0,85,0,9].I 3
10,9r , o,g7l 4
f0,97 ,r,031 7
[1,03, 1,09[ B
T(
[]-,09, 1,15[ 6
l,ktfto
[1,r5 , L,zLf 4
0
0,85 o,gL 0,97 1,03 1.,09 7,15 7,27
Poids de nouveau-nés
sr
2.
r-
I
t-
I
Histogrammes
Effectif
25
20
15
10
Traitement A
3 5 6 7 B 91011
Temps d'hospitalisation
Corrioés
IA d'ordre 2 :
1\1 , 7630,2s
*r=iLni.xf = -r, -:76,3
dbrdre 3 :
k
1ç' 72562,125
^t=;Lni.xi" = =725,62
-ff
dbrdre 4 :
k
rsl 722093,55
ffi4=- ) n'.x! = --lôl-- = 7220'94
' nz-r
I
-a
Satistioue desc
a= 4= ;3j= = -0,35 ( o
or (2,23)3
La série est étirée vers les plus petites valeurs.
dbrc
d'aplatissement :
It+
o:v= ItZ,07
=4'53
ç,uu
Le degré d'aplatissement est moyen. Moment
dbr<
dbr<
l-,5 T2 1B 27 40,5 60,75
4 18 72 28B 71,52 4608 Coefficie
5,5 21 115,5 635,25 3493,875 1,9276,3L3 d?s
6,5 1,4 91, 591,5 3844,75 24990,875
7,5 72 90 675 5062,5 37968,75
8,5 B 6B 578 4973 4t760,5
9,5 6 57 541,5 5744,25
ded
48870,375
10,5 5 52,5 551,25 5788,725 60775,3'J.3
13 4 52 676 BTBB L1,4244
4563,5 d'apl
Moyenne :7 = 6,!6
Variance : o2 =7,69
Ecaft-type io=2,77
3. Le traite
temps d'
le traite
première
Corrigés Statistique descrlptive
23
Moment
dbrdre 1
k
1s.
TflT = ) n,.xi =7 = 6,16
-n /-,t
i=I
d'ordre 2
k
1s- ^ 4563,5
^, =;Lni.xf = -1ra = 45,6
i-1
dbrdre 3
k
1s'
*t: nLni.xi^= 38227
i=1
100 =382,27
dbrdre 4
1+ ,
*n=iàni.xi= zsz4s4,B76
100 =3524,95
Moment centré
dbrdre 3 :
t4,876 d'aplatissement :
l.r+ 777,23
o:;=
Q7ry=3'01
Le degré d'aplatissement est moyen.
3. Le traitement B est plus efficace que le traitement A en moyenne. Les
temps dhospitalisation par le traitement B sont plus disperses que ceux par
le traitement A : ceci vient donc relativiser les résultats obtenus à la
première question,
ffiistioue
Ertercice 6
1. Calcul des fréquences et des fréquences
cumulées :
Fré(
cut
Frûluence cumutée
çî)
lt40 ,1,441 3 0,010 0,010
1744 , L4B[ 18 0,060 0,070
u48,752[ 65 0,21.7 0,287
[752 , L56[ B5 0,293 0,570
[156, 160[ 77 0,237 0,807
[1.60 , L64[ 32 0,106 0,913
1764,768[ 20 0,067 0,990
[L6B , L72[ 4 0,013 0,993
[r72 , L76L L 0,003 0,997
3. La me
Le mr
Le prc
2' Le diagramme qui convient est rhistogramme et re porygone
fréquences. des Qt
0,2
0,1_5
0,L
0,05
0
L40 1.44 748 752 L56 760 764 168 172
1.76 1,80
Taille
Corrloés
tenc€ cumulée
(fî)
140 744 748 tsz ,rf",,,130 164 168 172 776 180
3. l_a médiane M se situe dans l,interualle
[1S2, 156[,
M = Ir*","=
r. _ (o,s -
\vrJ_tr)=
ff) = rsz,
Lrz+
156-752,- -
f, IrB3-(0,S0_ 0,287) = 155,01
Le mode m = 754 (La classe modale e$ [1SZ , 1S6D.
Le premier quaftire q, se situe dans llntervaile
[148 , rs2l.
polygone des = rt.+(0,2s_ ff) = r4B+
,y#(0,2s_0,02) _
Qr
rs:,32
Le troisième quartile
es Q, se situe dans l,intervalle [156 ,760[.
Qs = tr.+(0,7s - ff) =1s6 + _ 0,s7)
{ Calcul de la moyenne et de lécart_type
W@3s =1se,03
:
I
7263472
X= 1t,
n/-r
10
46648
fti. xi=JôT-=t55,49
i=L Calcul de
10
1st
ot^ =-', xi?-2
7263472
nLr
j=1
7ri' -X 300 - (755,49)2 = 34,43
o = 5,77
Conclusion :
!
;
-
-1
I
25
-
20
15
10
0 t 2 Z 4ouplus
Nombre d,enfants
Glcul des fréquences et des fréquences
cumulées :
X1 ft1
ît fî
0 79 0,79 0,79
7 25 0,25 0,49
mode, la 2 23 0,23 0,67
sion étant 3 14 0,74 0,91
4 ou plus 19 0,79 1
5cret. ses
on trace le diagramme en bâtons et porygone
re des fréquences cumurées,
'gone des
Diagramme en bâtons et polygone
des fréquences
cumulées
Fréquence
cumulée
0 t 2 Z 4ouplus
Nombrc d'enfants
5. Calcul de la moyenne de la variance :
t =
*i îLi.xi =ffi= z,oa
k-
t-c
o,
n;i n,.*? _i, =ry
=1\ to o-
(2'oB)2 = 2,85 tr
fr
o = l,68 tr
Actueflement, ir y a de femmes qui ont moins de trois CE
.!70/o
2005, on prévoit TI,2o/o. enfants.
19 _+ 67.0/o
Or -+ 7t,2o/o, O1 = 20,1_9
25 _+ 670/o
Oz -+ 71,2/s
, Oz = 26,57
23 -+ 67%
Os -+ 71,207o
, Oz = 24,44
74 -s ggo1o
O+ )2B,Bo/o,O+=72,22
L9 -s ggo1o
Os -r 2g,go7o , Os
b. Calcul de = 16,58
la rnoVenne
et de lëcart_
0 20,19
0
7
0
26,57
26,57
26,57
2 24,44
4B,BB
97,76
3 L2,22
36,66
5
70g,gg
16,58
82,g
474,1
7=i\',,._195,01
,â"t'
zi =
;ff = 1,9s
1é
" =;Lot'x?-x-2 648'81'
"' -
r=1 T0- -(7,s51' = 2,68
o
r'oyen " =-
Le r,oJ
1,63
..nornbre
pratiquement est prus
ptus raihla
'- màme:t#i faihfp La
-,i*.i:ljii!i.ïffii
E-
refifll€S
remmes
auront
ra ',,v,rc,
-rr- -
setOn I
innina -.rr-
rïrnina
Lcr otSpefSiOn
dispersion
Â^,,- r,-
est
esl
eS
lnfants. En I
I
e8
Le tableau
s,appelle / statristiaues
Le caradère ou la statistisue'
étudié utes
Le diasramrn. de; ;;;ïn'ie
or, .oÏ.''issue
nvient
Il est qtafitatif.
""," o,.n,.uf,jjt.
Diagramme à bandes
Effectif
140
t20
100
80 5û9r
60
{'ûq
40
3CIÊ
20
0 3'r?i
Hospitalisation Accouchement Césarienne
prématuré
Issue de la grcssesse
4. Il y a autant dhospitalisation que d'accouchement prématuré. La césarienne
est rare,
5.
a. La comparaison entre les deux groupes de femmes pour chaque [_T
de la grossesse se fait en comparant entre les fréquences car w
effectifs totaux des deux groupes sont inégaux.
F
b. Les diagrammes qui conviennent sont les diagrammes à bandes, 6B
.dt
Issue de Ia grcssesse
Femmes qui
35,79o/o 59,470/o 4,7 40/o
n'en ont pas
L-É
ù
@
Diagramme à bandes
s0%
3096
eo%
1(ts6
o%
La césarienne Hospitalisation Accouchement Césarienne
prématuré
Issue de la grcssesse
chaque Llospitalisation est plus fréquente chez les femmes qui ont un cerclage
lnces car que chez celles qui n'en ont pas contrairement à l'accouchement
prématuré. Il y a autant de césarienne pour les deux groupes de
rndes. femmes. on remarque que le col de l'utérus diminue le risque
d'accouchement prématuré mais il augmente le risque dhospitalisation.
- Calcul de létendue :
E=5,0-1,5=3,5
- Calcul de l'amplitude :
,83,5
n=fr=T-o,u
Tableau des effectifs :
11,5,2,7f 7
ï2,r,2,7[ 1
I2,7 ,3,3',L B
[3,3, 3,9[ L6
13,g ,4,5[ J
14,5,5,r[ 4
TOTAL 35
Groupe témoin :
- Calcul de létendue :
E=5,0-1,5=3,5
- Calcul de I'amplitude :
11,5 2,7[ 5
12,7,2,7[ 6
[2,7 3,3 [ 15
[3,3, 3,9[ 4
[3,9, 4,5[ 3
[4,5,5,7[ 2
TOTAL 35
Les diagrammes qui conviennent
sont les histogrammes.
Histogrammes
Effectif
T6
12
I
4
Groupe traité
Groupe
témoin
Etrectif
76
12
I
4
Groupe traité
Groupe
témoin
n'
Calcul
Groupt
ll,5,2,rl
12,L,2,71
12,7 ,3,3f
[3,3, 3,9[
[3,9,4,5[
[4,5 , 5,1[
5. Groupe traité :
M=h+k.(lz-IL) *rt
où
nI'J. tn+11
k=T-l , ]=18-t.B=0
Iret l, sont les valeurs de la série statistique ordonnée de rangs
[T] = tt
., [11, ] t1:!9 respectivement. On a donc \=3,6êtlr=3,7.
Dbù la médiane est :
M :3,6
Groupe témoin :
M =3,0
Corrioés
35
,=]F",=*l
nlJ 35
=2,e4
35
o' =:t
nL ,? - r' :32:6'77
35 - e,s4)z = 0,67
durée moyenne des suruies chez les sujets traités est plus grande que
ceux témoins. La dispersion est pratiquement la même.
partir des observations faites sur léchantillon, on déduit que
'1[ le traitement
: Folonge la durée de suruie.
nss[T] =18
,7,
F[î] =tt
D.
Corrioés
Qoupe traité :
fi
124,5
14 = ,, = 3,56
1,7
460,89
43
77
09
1S 103,1
06 * =;Lxi = -,,- = 2,94
i- r
35
1\-
o", =;Lxi 1- -7
326,7r
x- = - (2,94)2 = 0,67
i- 1 -il
durée moyenne des suruies chez les sujets traités est plus grande que
z ceux témoins. La dispersion est pratiquement la même,
fr.partir des obseruations faites sur l'échantillon, on déduit que le traitement
nge la durée de survie.
nos = re
[111J
,7,
rgsffi=rs
0.
STATISTIQUE
PROBABILISTE
Enoncés
dlmmatriculations des automobiles d,un pays compoftent :
5 driffres et 2 lettres.
12,3 ou + chiffres et 4 lettres.
dans chaque cas le nombre d'immatriculations possibles,
€Erta
n boules portant le numéro n.
de
1. Combien I'urne contient-elle de boules ?
2, On tire au hasard une boule dans l,urne, tous les *r t*e
tirages sont supposés qU
FLf,
équiprobables.
a. On suppose dans cette question que n est pair. Exprimer en fonction de
ûr ùre
probah'
n la probabilité pour que la boule tirée porte :
i. un numéro pair.
ii. un numéro impair,
i:b. Dans cette question, on suppose seulement que le nombre total de
boules dans l'urne est 21. Quelle est la probabilité pour que la boule
tirée porte un numéro strictement supérieur à + ?
)is quelconques
loterie comprenant 30 billets dont B gagnant (5 gros lots et 3 petits lots),
es 1l points ? ærsonne achète 5 billets.
.Qgelle est la probabilité de ne pas gagner de lots ?
,An?
)ints (1j,.41) est la probabilité de gagner 1 seul lot ?
,g.tlfures de tissus végétaux peuvent être infectés soit par des champignons,
rts comprenant au
ecin dispose de S 1ær des bactéries. La probabilité d'une infection par une bactérie est 0,08 et
mes effets. d'une infection par un champignon est 0,15,
Jonnance sachant lle est la probabilité d'une infection simultanée par bactéries et
dans le cas où :
; pharmaciens ?
la présence de champignons empêche le développement des colonies
bactériennes dans 50% des cas ?
; disponibles chez
ler la probabilité d'une infection qu'elle que soit I'origine dans les deux
lonnance sachant
is sur la même
contient 9 boules dont 5 sont blanches et 4 rouges. On tire au hasard z
du sac successivement. On demande de calculer dans les deux cas où le
est effectué avec ou sans remise la probabilité pour que :
re une urne dans
2 boules soient blanches.
2 boules soient de même couleur.
au moins soit blanche.
ne le sont pas. On dispose d'un test pour la'détecter. Ce test donne les
résultats suivants :
o chez les individus bien portants, 2o/o de tests positifs et 98% de teçts
négatift,
On décide d'hospitaliser tous les individus ayant un test positif,
Uo=0 , Vo:7
L-q
Un+'t:IJnl , .Vn , Vn+!=q'Vn
AA
i de tests négatifs Génotype
;
tifs et 9ïo/o de du Aa
descendant
rsitif. aa
tsard de fa à l'intersection de ra coronne Aa et de la ligne a.a
onfera figurer ra
lilité pour qu'une prante de génotype ,4a donne par
autofécondation
asard de lhôpital 'lune plante de type aa.
Un test rest destiné à déceler la présence d'une maladie M, on sait que dans
la population de personnes considérées 20o/o d'entre elles sont atteintes de la
maladie. Le test T révèle la présence de la maladie dans 95% des cas lorsque la
maladie est présente, ce test révèle la présence de la maladie dans 5% des cas
lorsque la maladie est absente. on prélève au hasard Lrne personne ayant subi
le test T. Le test indique la présence de la maladie, Quelle est la
pour que cette personne soit effectivement atteinte de la maladie ?
Exercice 19y
une population de souris contient 600/o de souris grise hétérozygotes Gb et
de souris homozygotes GG (le caractère gris c est dominant, le caractère
b est récessif), Les unions se font au hasard et chacune des souris transmet
son enfant l'un de ses gènes ; les souris hétérozygotes transmettent à
enfant C ou b avec la même probabilité 0,5.
1. Dresser un tableau donnant les différentes unions possibles et calculer
probabilité de chacune d'elles.
2. Déterminer la probabilité pour qu'un couple donne naissance à un souri
GG?Gb?bb?
3. un couple donne naissance à un souriceau gris. Déterminer la probabi
pour que ce couple soit GG GG ? GG Gb ? Gb Gb ?
- - -
Exercice 20 \
Soient deux événements .4 et B tels que A n B + A et AcB. On rappelle
formule de BAYES :
p(A/B).p(B)
p(B/D =
p(A/B),p(B) + p(nt4,p@
1. On pose :
p(A/B)
(f
=_
plA/B)
la formule :
REATITE
Non malade Malade
DU MEDECIN Malade
5. une fois que le nouvel examen aura fait la preuve de sa contribution
diagnostique, il faudra le comparer à l,examen diagnostique
de référence.
Entre quelles probabilités devra-t-on comparer ?
Exercice 22 | tr
on lance deux dés discernables. Soit la variable aléatoire x le point $tt
marqué par
le premier dé, y le point marqué par le deuxième dé.
On pose :
S=Xty et p=lX_yl
1. Déterminer la loi de probabilité de s et celle de D.
2. Calculer r(qs, o; = (4 ,2)) et p((s, D) = (6 , 5)).
3. .S et D sont-elles indépendantes ? fti bqÎ
dËtre tx
4. Peut-on prévoir la réponse de 3. pour une raison d'arithmétique ?
sultat de l'examen
un résultat æsitif
' enfermé dans une cage à quatre portes
ât negatif comme non d'apparence identique, dont
$owre.
eurs : qull déclare la
sultat posiUf, alors quTl ,n'a aucune mémoire: Ir choisit à chaque
essai de façon équiprobabre
: maintenant il déclare hs + portes, Déterminer la probabilité pour
que le rat sorte :
ulbt negatif, alors qull bout de la 3è'" fois ?
on). Les erreurs que le bout de la l'"fois ?
effeurs de première et a une mémoire parraite: A chaque
nouver essai, ir évite res mauvaises
stion est délaluer ces, choisies précédemment et ir choisit
de façon équiprobabr" .n,r.
qu'il n'a pas encore essayées. Le
nombre d,essais effeauerpar re rat
e médecin déclare la e v.a. X Déterminer :
r probabilité pour que loi de probabitité de x.
?espérance mathématique r(X) et la varian ceV(X).
: le médecin déclare
'Déterminer la fonction de répartition de X.
r probabilité pour que
l décision ?
'obabilité de chaque X la v.a, continue et positi ,attente
:onclusion en ce gui ent. On suppose que le
de paramètre 2> 0. (On d
la loi
positive
'bi exponentieile de paramètre 2> 0 si
sa densité de probabirité
ALITE par :
/est
f(x)=Le-k , x)o
le graphe de /.
la fonction de répartition F de X puis
tracer son graphe.
rminer la probabilité pour que lévénement
étudié se réarise au bout
temps t.
)"(L/an)
Exercice 25
soit la v.a. Tt le temps d'attente par minute pour I'arrivée d'un autobus à
stauon. Pour représenter ce phénomène, on considère la densité de
de I définie par:
0<t<4
4<t<B
r>B
1. Déterminer la fonction de répartition F de f,
2. Calculer Ë'(r) et r(T).
3. un individu projette de ne pas attendre un autobus plus de 6 minutes,
Éh prcbabilité pour qu'il prenne un autobus ?
rpe radioactif détà 3 minutes. euelle est la probabilité conditionnelle pour
la propor.tion un autobus ?
yenne de vie
t d'un atome A et B conviennent du jeu suivant, qui se présente comme une
'o).
'É parties. Au départ A et B misent chacun 1 Dinar (DA) et lancent
rme de
sq ur€ pièce de monnaie parfaitement équilibrée. si I'un amène
$f-dqe face >>, le jeu s?rrête et la mise sera récupérée par celui qui
<<
deaetT,
f ,pÊe > ; dans les autres cas, la partie est nulle, les joueurs
doublent
e et permet :ê4gagent une nouvelle partie. Et ainsi de suite jusqu'à ce qu,il y ait
e des roches lf ou que la vinEtième partie s?chève sur un nul (auquel cas les
rpèrent leurs mises respectives).
naturel n compris entre 1 et20, on considère les événements :
lance des néôeùes sur une cible circulaire fornrée de quatre Égions
numérotÉes L0,5,2, r à partir de la region cenùale :
i minutes.
On peut admettre que :
X
ilité de 0,6 ; des fichiers de la sécurité sociale concernant une région, montre
la fléchette dans , 770/o des personnes de moins de zO ans ainsi que 7Solo des
âgées de zo ans ou plus ont été vaccinées contre la grippe. on sait
rnt de i).
de 70 ans ou plus représentent I2o/o d€ la population de
marque i points
un lancer >>. prend une personne au hasard. euelle est la probabilité pour que
soit vaccinée ?
deila prend une personne vaccinée. euelle est la probabilité pour que ce
une personne de moins de 70 ans ?
lité de la v.a. x.
X. cfroisit 10 personnes de moins de 70 ans au hasard. calculer la
pour que trois d'entre elles exactement soient vaccinées,
étant deux à
ésentée par la choisit maintenant n personnes de moins de z0 ans de façon
joueur a atteint nte.
narquée 2 lors Calculer en fonction de n la probabilité pour qu'aucune d'elles ne
vacctnee,
30 points en ..,,-. En déduire
la probabilité pour que l'une d'entre elles au moins soit
nombre minimum n de ces personnes faut-il choisir pour
'rminée, Quel
0 5). En déduire 14æ cette probabilité soit supérieure ou égale à O,s ?
rois lancers. X
rs 25 points lors des ;rçre les jumeaux peuvent être de vrais jumeaux auquel cas ils sont de
ou de faux jumeaux auquel cas la probabjlité pour qu'ils soient de
se€ est égale à 0,5. On suppose connue la probabilité p que deux
soient de vrais jumeaux.
le chaque sexe est
, en fonction de p la probabilité pour que deux enfanb jumeaux
de même sexe.
ôpital,
', en fonction de
p,la probabilité pour que deux enfants jumeaux
de vrais jumeaux sachant qu'ils sont de même sexe.
?
3. Dans une maternité, il y a n naissances de jumeaux par an' Déterminer
nombre moyen de naissances de jumeaux de même sexe puis
en fonqtion de n et p, la probabilité pour que tous les jumeaux soient
sexe différent.
Exercice 31 X
Le groupe sanguin d'un individu peut être AB, A, B ou O. D'autre part, cha
individu peut avoir un rhésus positif (+) ou negatif (-)'
La possibilité
recevoir du sang sans accident dépend de deux facteurs : Le groupe sanguin
le facteur rhésus. En ce qui concerne le groupe sanguin, on utilisera le
suivant :
A 0ouA
B OouB
0 o
l'espérance mathématiq ue de Z.
C' Dans cette question, on procède à la comparaison
des méthodes A et B.
convient de remplacer (0,99)k par la valeur approchée , _
approximation est prouvée par la formule de * f
TAyLOR).
1. Donner la valeur approchée de E(Z) en fonction de k.
2. Pour queiles vareurs de k ra méthode B est prus efficace que
ra
A?
3. Pour queile vareur de
k ra méthode B est-eile ra prus efficace ?
N.B' : cette méthode a été utirisée par larmée
américaine durant ra
guerre mondiale,
Exercice 34 x
ul. étude statistique peut permettre de réduire re nombre d,ana
nécessaire pour re dépistage systématique
de certaines maradies,
.tgutçJ, on r
\rl I Pl
l'exemple d'une réaction sérorogique concernant
re dépistage d,une certr
ta probabitté pour qu,une personne
H1.1.",?.,T^r::_l?putatjon 'vr rvr I ts prise
Pt IJE
hasard ait une réaction sérorogique est
de 0,2. on suppose qu,ir y a
examinées pendant une heure de consurration,
::y::Ï^:lpersonnes
méthode classique, on examine séparément
Dans
chaque personne au cours de 1
heures de consurtation, ce qui conduit
à réariser àooô .nurv.*.
A. Dans cette question, on procède à ra méthode A. cette
méthode consiste
faire, à chaque heure, une première anaryse
groupée d,un mérange de s
uation ,f(x) = 1000 I l'analyse est négative, on arrête ; si elle est positive on fait les
individuelles.
tode B. Si l'analyse neest la probabilité pour que, sur six personnes examinées pendant
rc donne un heure de consultation, aucune ne soit atteinte ?
cas contraire, on
déduire la probabilité de faire une anaryse par heure et celle d?n
sept ?
le la maladie dans est le nombre moyen dbnalyses que lbn fera par cette méthode
de 1000 heures de consultation ?
se maintenant à une autre méthode (appelée méthode B) qui
rpe soit négatif ? à examiner en groupant les analyses par deux (on a donc 3000
positif ? de deux personnes au cours de 1000 heures de consultation). si
; et Y, le nombre est négative (on dira que le groupe est negatif), on arrête si elle
;
on fait l'analyse d'une première personne, si cette dernière est
r (groupe semi-positif) alors on est complètement renseigné par
le
de lhnalyse de l'autre personne. Sinon (groupe positif), on devra
zk.
de la deuxième personne.
r d'analyses dans
est la probabilité pour qu'un groupe soit negatif ?
avec la méthode B
fanalyse du mélange est positif, quelle est la probabilité pour que le
et f puis
soit :
semi positif ?
méthodes A et B.
'ochéet-# (
positif ?
e durant la
X
de 10000 personnes, on a observé ZOO albinos et on
au nombre dhlbinos que lbn peut observer sur un échantillon de
prises au hasard.
nombre d'ana est la probabilité pour qu'une personne prise au hasard de la
maladies. On
soit albinos ? Justifier votre réponse.
tage d'une
: personne prise est la v,a. considérée ici ? Quelle est la loi de probabilité suivie
par cette variable
opose qu'il y a ?
traitement spéciai.
a' Quelie est la roi de orobabriité suivie par r'? carc-uier ra movennr rre.\
b.Çue|treels||aproi.lahi|i|épourqu'ilsepresenteplusd,trnc.:sà1-raitei'.&
durant le mei.ne niois ? ir
K
on considère une popuration adurte où chaque individu porte
un
gln:r chacun étant, soit du type x, soit du fype x. Les indivicius coupre
À x et
neterozyqotes x-r (ou xX) sont normaux, et les individus
xx sont anormaux. L
proportions des trois génotypes X X X
, x
et r.t
clans la pûpul.rtion
respectlvement 70o/o, Z0gô et l0% incJépencjarnment
du sexe. Les unions
font au hasard et chacun des parents transmet à
son enfant un de ses gènes
Les parents héterozygotes transmettent x ou r
avec la même probalrilite 0
1. Dénombrer tous res types d'unions possibres suivant
re génotype du père
de la mère et détermirier la probabilité de chaque
type.
2. Déterminer ia probabirité pour- qu'un enfant aiile
tvpe ;
A. XX
b. ,Y.r
C. .r-x
3' Déterminer la probabillié pour qu'un couple
donne naissance a deux enfr_rnts ,:
anormaux parmi trois enfanls.
57
ti , il sc prOcjrrit ,jar,s fr ,l *
reponsJËt.
-litlfr)l'\',,
i .i._,flt
rr ,,,. i +
,.. :_1;.11,1,1,
f;i,
. '' \ ir- fir(.1r5/ a: i -""1 , r ra.j"ilaie c-entrée reclrt[e. l_al{:t jler
',rlilrri :
; 'i:.-..ar' ;-::r.lalÉ:i_jrg
rL , it, t r:t rl teilel quc .
* l.t rj
''
' 1: :rl,,l it
Exercice 41 X
Pour une certaine population, la concentration
d'une substance du sang
théoriquement une v.a. normare de moyen ne rzs
et d,écart-type 10. Queile
la probabilité pour qu'un individu ait une concentration
:
f . inférieure à rro Z
{*"sûfsit re
taux.d'urée 33,4mg/100mr comme
étant re seuil
c'et-à-dire ii décidera que tout sujet
ayant re taux supérieur à
suit une loi normale marade et tout sujet ayant le taux
inférieur à zs,+mg/
r oe probabilité suivie
reUr de déricinn ? Cette
ns un individu de
rdividus naùhotogique choisit par le médecin est-il
? acceptable ? Justifier
rir:T-: -:,:,:..:sa,
,considérée est
Corrigés
atriculations possible est :
'-{$+1û+102+10s)
1,2
Cfz:924
Cis :300S
déquipes différentes comportant
trois hommes et deux femmes
Cr.Cê = e80
déquipes différentes compoftant
au moins deux hommes et
êqf .
c;.c&+cî,cA=2r5
d'abord re nombre déquipes compo nt Monsieur X et Madame
re est :
C3.C+ = 105
d,équipes
s çYurPss uil
différentes
tergntes sachant que Monsieur
ciéna. êt1sêmble est
_,_y_,
X et Madame y
:
156 matchs.
Exercice 6
1. Le nombre de nombres de trois chiffres différents est :
3:60
2. Le nombre de nombres impairs est :
3'Af,:36
3. Le nombre de nombres pairs est :
2'Af, = 24
4. Le nombre de nombres multiples de 5 est :
A2+ = tZ
Exercice 7
1. Le nombre de droites passant par 2 des n points est égal au nombre ri.Jl;
C]-n= n.(n-3)
3. Le nombre de vecLeurs est :
Al-,: n'(n - 1)
Exercice 8
1. Le nombre de façons différentes qui peut rédiger son ordonnance est :
a. cl.c| + câ.cî = 560
b.2c3.c:=2oo
c. Cî.c3+Cl.Câ=tB0
2. on détermine d'abord re nombre d'ordonnances qui contiennent re sirop
le comprimé précis. Ce nombre est :
cl câ + cî.câ = s6
Le nombre cherché est donc :
N = L t2*...In
Soit la suite (U,,),. définre par :
Un:77
(U.,),, est une suite arithmétique de premier
terme Ut = 1. et de raison r =
N = IJ1IU2+u3+ ..,t un:|{ur*un, n.(n.+ t)
=
r _n.(n2+ 7)
& l'événement,A << Boule portant un numéro pair >>.
P(A\ :*'
= 2,(n+7) ,
égal au nombre
m @e l'événement B < Boule portant un numéro impair >.
11
P(c) =
27
iennent le siroo
ent.4 < Ne pas gagner de lots >.
cF^
P(A) : -'='
Cio
P(,4) = g,19
i=464
ent B < Gagner un seul lot >>,
P(B\:q:L
Cio
P(B) = 9,41
ent c moins
"i:'lË',[i
<< >>
et de raison r=1
+1) ],'"ir':;,uu
)
\-/ cio
n.(n+7)
,lv =- a
L
& 'fr- æse l'événement.A < Boule portant un numéro pair >.
n
somme du P(B\ = 2.(n + L)
de diagonales
:ll=n=6
l'événement C < Boule poftant un numéro strictement
rà4>.
&:
p(c):+#
cnnance est :
p(c) = 1.1.
21,
P@):*cio
rI 14
P(B):"8'-u22
Cio
P(B) :9,41
ent C << Gagner 3 lots dont 2 gros lots au moins
et de raison r=1 >>.
P(C) = 9,965
Exercice 11
F On pose les événements suivants :
B < Infection par bactérie >> p(B)
, = 9,69
C < Infection par champignon ,> , p(C) = 0,15
1.
a. Infections indépendantes :
P(BnC)=0,01,2
b. InfecLions dépendantes :
L'événement B dépend de celui C :
P(BnC):0,006
2. P(B u C) = P(B) + p(c) - p(B n c)
a. Infections indépendantes :
P(B U C) :0,218
b. Infections dépendantes :
P(BuC)=0,224
Exercice 12
On pose les événements suivants :
B, << Boule blanche au 1u'tirage >
B, << Boule blanche au 2e'" tirage >>
25
P(ù n Br) :
B1
t8- s 8?) u (R1 n nr)) = p(81 n B) + p(Rrn R2) =
= p(Bt n B) +p(Rr).p(Rr) ='j_*i :=#
>> t P(F)-Q,4
>> , P(M):9,3
-:, :
P(tvt F) = P(M /F).P(F)
^
Dbù :
P(MnF)=0,24
2, Ona:
p(M P(tvr n F)
/F\. -
P(M)
Dbù :
P(M/F) = s,s
Exercice 14
On pose les événements suivants :
M < Etre malade ,> p(M) = 0,03 , (p(U) = 0,97)
7+ p(T+/M) = 0,95 p(T_/M)
<< Avoir un test positif >>
, , =
p@ /r.)
= 'V,n!.)
P(r-t4'P@
P(T*)- P(rJ
Dbù : -
P@ 1r*) : s,a
3' on considère ra v.a. x < Nombre d'individus hospitarisés
bien portants
10 >,
On sait que :
x-+BQo,e@p.))
Donc :
P(X>I)=0,994
Vn*1 = a..Vn
est une suite géométrique de premier
terme Vo : 1.et de raison q
=
Vn= an , Yn
: -':.i
.,4
!
--;
",7
-i-if
{n -n
I - P(T+/lvl) =
L-e(r*1@=0,
i
.(cu + a, + ...* a")
-uza1.
-{t
: = ---;--
t-
L4) l-s
: = ---;-
-t . (vo *h + ... + vn)
.r1
L-A llV^.-
r-d.'"'
--
-
2 " 1--a.
.
r-a'"n+1
-.
,. {i
7-an
un: , VTI
)ien poftants pa
. r 1o
- PIM /r+))
w*=û lo=1 Zo:0 xt=7/4 h:1/2 4=I/4
ln
xn+r=r"+i
deraison o=a..
3. Ona:
!n+r = P(Ac-n*) = p(Aan+t/Aan).p(Aar) =).n
Dbù I
_!n*
tn+7 -T
4. Ona:
ln=Vnetxn-IJnpoura= 1
2
Donc :
2n -'J.
xn=@
et
7
l"=F
Ona:
zn = P(aa) = L p(AA^)
- - p(Aar)= f _ xn _ ln
Donc :
24_7
zn=@
Remarque :
v--
2n_L
^n-an
?n+L
D. Ona:
pn=ln=#
On détermine n pour que pn s 0,01.
Ona:
I 2.tnl0
p<0,01-nr-Ë=6,64
Dbù :
n>Z
Exercice 16
Soient les événements suivants :
P < Etre pulmonaire >> p(p) _
, Q,3
C < Etre cardiaque >>
t p(C) = e,6
I/ << Ebe hypertendue >> , p(H) = g,2
P(HuC)=0,76
t. Ona:
P(H u c) = p(H) + p(c) _ p(H n c)
+ P(H n c) - p(H) + p(c) _ p(H u c)
Dbù :
P(HnC)=0,04
Il y a +o malades qui souffrent dhypertension
et de matadie cardiaque.
ln P(PnC)=0,06
F{ræmlner :
' P(pna)=g
malade qui souffre dhypertension
ln
et de maladie pulmonaire.
P(HUP)=0,S
P(D /B).P(B)
)- P(D /A).
P(C
/D) = 0,25
pas valable car p(B D) n,est pas
/ proche de 1.
,)
,)
nuafadie >>
1
p(M) = e,l (P@ = o,9B)
rdie cardiaque,
L < Avoir un test négatif >
P(f+/M) = 0,95 , P(T-/M) 0,05 p(f_/D=
Ona:
= , 0,95 , p(f*/D= 0,05
P(M /T+) =
Génotype des
souris femelles
= r.0,1,6 +|.0,2+
.24 *l.o,rn+ l. o,so
7rt
=
1.0,24 + 7.0,2+ * *;.0,36 = 0,42
= 0,09
.0,95, p(r*/4 = 0,05
,
P(Gb) = 0,42 , P(bb) = 0,09
Sqrkæau gris >> ou G = GGt u GbL.
"M)
'*/@'e@ ?{GIC).P(C)
p _ P(G/c).P(c)
-:ffi=o;f, 7.0,16
=0,77
P(C1/G) = 0,L7
P(A/B).P(B) a.P(B)
a.P(B) + P(B)
l) = 0,16
') = 0,24
a-P(B)
) = 0,24
) = 0,36
+{a- 1).P(B)
3/
ft ; + f'(x) =ffitoa vx)o
b rnaladie >>,
P(T+/M)
1 *=-;-:==-=j90,9e
.0,24+].O,Ze=0,49 Plr+/M) 0,01
7
P(M) > 0,L6
2.0,36 =
0,42
ùt
Exercice 21
On pose les événemenb :
M < Etre atteint de la maladie >>, P(M) = 0,34 , (p@) = 0,66)
?* < Avoir un test positif >> et f- < Avoir un test négatif >
PQ-/M) =0,03 ,P(T+/M) =0,97 , P(T-/û=0,96, P(T*/D = 0,04
1.
a. P(M) = 0,34 (assimilation de la fréquence obseruée à la
d'après la loi faible des grands nombres).
b. PQ+/M) = 0,97: cette probabilité s'appelle sensibilité de ll
notée Se.
p(rlu) = 0,96: cette probabilité s'appelle spécificité de
notée Sp.
2.
Ona
P(T*) = P(r+/M).P(M) + r(r*1u).r@)
P(T-) = 1- P(T+)
Dbù
P(T+) = 0,36 , P(T-) :0,64
b. Ona
PQ+/r4).P(M)
P(M /T+) =
P (r+ / M). P (M) + r (r. 1 u). r @)
a -- e(rr1u) = o,o4
C'est le risque d'erreur de première espèce.
b. La probabilité pour que le médecin commette une erreur de
est :
Ê:P(T-/M)=0,03
C'est le risque d'erreur de deuxième espèce.
D = 0,6o)
atif >
),96,P(T+/@=9,$4 sp: P(r-lE F=7-Se=P(T-/M)
0,03
rbservée à la
a=7-sp=p(r*/M) Se = P(T+/M)
sensibilité de 0,97
1,64
4)
tM).p@
tive notée Zp *.
/D.P@
rUve notée Zp -.
une erreur de
2. S est une v.a. qui peut prendre les valeurs de l,
{2,3,4,5,6,7,8,9,!0,!L,72},
Loi de probabilité de s:
D 0 1 2 3 4 5
3. Ona:
P((s, D) = (4,D) = 3
36
et
P((S,D)=(0,5;)=g
On remarque que :
P(s= 6).P(D-5)=g
(36)2
Donc :
Onaa =MtîMzn83.
avec
Mn Le rat choisit une mauvaise pofte au nèmeessai
<<
>>.
<
8r, Le rat choisit une bonne porte au nè-"
essai >>,
où n est un entier naturel.
Ona:
P(A)=p(MLnM2n13)
Dbù :
p(A\ 1 1=
=1444
e
64
b. On pose l'événement B < Le rat sort au
bout de la Zèm. fois >.
On a B = Mt î Mz n M3 n M4 n Ms n Ms
87. n
valeurs de l,
n-Èfz n M3 î M4 n Ms n M6 n Br) =
. P(M). p (M). p (M
ù, p (M). p (M ). p (B
z)
7
4
-5J
P 7/4 L/4 r/4 r/4
puisqu'il convient
:iproquement. _s1
4
E(X)= ) xi.P(X=x)
/-J
i=I
4
Sa ,)
3 3ème fois >. v(x) = ) xf.P(x =z;) - (E(x))-
/-J
i=1
F:R.+R
x-F(x)=P(X<x)
Exercice 24
soit la v.a, x < Le temps d'attente de la réalisation d'un événement >.
x suit la loi exponentielle de paramètre ).> 0. sa fonction densité est
par :
/
f:R+-+fi
x+f(x)=frs-Lx
1.
lim/(r)=g
f(0)=2, T++æ-
Ona:
Vr e [0 , +oo[ f '(x) = 12. e-k < 0
Graphe de f :
r*-
E(x) =
|x.f (fiar = [
Jg -li+ JO x.f (x)dx
a.++@
<0
E(n =:A
deXest:
=
[o**
*'.y@)ax - (nlx))' = JjïL Io *r.f (*)ox - (rçx\,
,ir intégré deux fois de suites par parties,
on obtient :
vrD=#
no1 : Durée de vie d,un étluipement
<< Le temps d'attente
de ra panne de réquipement >>. x suit ra roi
de paramètre A> 0.
E(X)=10=1+),=0,I
u pour que léquipement Jurvive
- au bout d'un temps t est :
P(X>t):s-o'rt
=5, P(X à 5) = e-o,s = 0,6
=l-g-At =9, P(X > 9) = e-o,e = 0,4
= 15, P(X > 15) = e-t's = 0,22
>0
82
* ''
Dbù :
P(x<\3/x>B)=0,39
3. On détermine le temps r tel que r
P(X>t):0,9
Ona:
P(X >t) = 0,9 + e-o'r't= 0,9 + t = -In^0:9 = 1,05
U,1
Dbù :
t = 1,05
Aoolication n92 : Datation des roches
Soit la v.a. X << Le temps d?ttente de la mort d'un atome de
radioactif >.
X suit la loi exponentielle de paramètre À> 0.
Ona:
o=LN
où N est Le nombre d'atomes initial (au moment de la formation de la roche)
n est le nombre d'atomes restants de l'isotope désintégrés à llnstant t (r
moment de la découverte de la roche).
Ona: ,
=
I,- #* * Ir' G - ?) o. = l#lr;E -,!l:,_=
32 -1
1,05
> B alors :
F(t) =
I,r #0, * (;- +)a* + ["'o.dx =L
Ir"
ome de
t2
n 0<t<4
tt2
----
232 1 4<t<B
1 t>B
on de la roche)
à l'instant t
E(r)= tàdt=4
Io"-r.rrrror=lo*.
= Io*-r,.rrt)dt-(rçr1)' = (rf-âat-rc=l
vive au bout
E(T) = 4
f .Ina
P(T<o'S=pç61=!
L
A)=P(PnF)=P(P).P(F)
4
L
r)=P(PnF)= P(P).P(F)
4
)=P((pnP)u(Fnr;)= P(PîP)+P(FnF)=1*1=1
4'4 2
a. Ona
L
xn+L = P@n+t) = P(An+tlN) 'P(N") = 4'"n
Dbù
* _-2n
*n+t
4
1.
2. Soit la v.a. X << Nombre de D.A mis en jeu lors de la Partie qui conclut
jeu t.
a. X est une v,a, qui Peut Prendre pour valeurs de I'
12"lt<n320\'
b. On a pour L<n<L9:'
pn = p(x = 2n) = x**!n = h* h =+
D'où :
1,
P" --
; , vn É, [1,19]
Ona:
L71L
Pzo=P(X -220) = xzo*!zo*Zzo= z:.n+f* zro= zu
1,
P^^:-
-.u 2L9
a:
20 t9
'; E(x) =
In=t 2n.pn =Lr".#+ 22o.fi = 21
n=7
20 19
a:
P(X =0) = P(Z) = t - p(C) = 9,4
a pour t = L,2,5,L0 i
e qui conclut
k=LB
oi de probabilité de x:
de l'
x 0 1 2 5 10
L L L 1
P 0,4
30 G E 3
r xi.P(X=x)
E(X): Z-r
5
)
i=1
5
1. \-f
E(x) =T , n(D =T
2.
a. On pose lévénement ^A
<< Marque 30 points >>'
Ona:
P(A) : P(X =10 nX = 10 oX = 10) : (e(X = tO))t = *
Dbù :
rçe1 = !
27
b. On pose l'événement B << Marque (10 10 5) >.
Ona:
P(B) = P(X =10nX= 10 r|X = 5) = (e(X= 10))'. F(X =D =+
Dbù :
p@)=1
5+
On pose l'événerhent C < Marque 25 points >.
Ona: '
P(c) = 3. P(B) =
à= h
L
p(c) =
18
c. On pose l'événement D << Marque au moins 25 points >>' :
Ona:
LL15
p(D): p(Cu A)=P(A)+P(C)=fr+
Ls= L6z
Dbù :
rçn; =11
L62
Exercice 28
x << Nombre de garçons
Soit nés parmi 12 nouveau-nés >>.
1. OnaX+B(\2,0,5).
a, P(X = 7) = Clz'(g,s)t'(0,5)s
D'où :
P(X=7)=0,79
b. P(x -- o) = cfz, (0,5)o'(0,5)t2
Dbù :
P(X=0)=0,00024
c. P(X> 11) =p6= 11)* P(X=L2)=
c#. (0,5)11. (0,5)1 + clt.(o,s)12.(0,5)0
P(X>11)=g,gg3
n>7
t
événements suivants :
>)
t
moins de 70 ans >> '
oints >>.
r/A) = 0,17, P(v/D = 0,75, P@) = 0,L2, P(A)= 0,88
115 a
-=-
L8 L62 P(v) = P(v /A).P(A) + r(v 1Â).P@)
P(A/V) = 0,62
a:
X +,8(L0,0,\7)
i)'
P(X = 3) = Cfo. (0,17)3. (0,83)7
P(X=3)=0,16
b. On pose X,, < Nombre de personnes âgées moins de 70 ans
parmi n >>. On a Xn + B(n,0,17)
i' P(xn = 0) = c.f . (0,17)o' (0,83)"
D'où :
P(Xn= 0) = (0,83)n
ii. P(xn21): t -P(xn=91
Dbù :
P(X,.21) = 1- (0,83)?t
Ona:
lnÛ,L
P(Xn> 1) > 0,9 + 1- (0,83)') 0,9+n > LnU,63
æ L2,35
Dbù : '. -
n>- 13
t;
i' P(O- u B-) = 0,08
la v.a. X < Nombre de donneurs du groupe compatible avec le
rmalade parmi 3 donneurs >.
Ona X+B(3,0,08).
P(X :2) : C3.(b,Og)z. (0,92)t
rD'où :
P(O+uo-)=P(o)
rDbù:
P(0+ v o-):0,4
:Soit la v.a. X << Nombre de donneurs du groupe compatible avec le
,malade parmi 3 donneurs >>.
:Le groupe o- est le seul groupe qubn peut donner au 2"'" malade du
.,groupe inconnu.
La probabilité cherchée est :
t:,
if:
P(O-): 0,06
v'
b'Soitlav'a'Y<<Nombrededonneursdugroupecompat.rbleàvecle2
3
>>'
donneurs
mataoe Parmi
On a Y -r B(3 ,0,06) Cg. (0,06)0. 19,94)3
P(Y>t)=t- P(Y =0)=1 -
D'où : p(y >_!) = 0,L7 .
de donneurs du
l
B@,0,06) avec.Yl'u-l'-ur,l'iombre
c. on a y,, - mataàe parmi
n donneurs
>>'
uu"t'Jiu'l
compatible n tel que :
le nombre de donne.urs
On détermine = o'95 P(Ynzl)
+1-P(Yn=0) = 0'95
o'95
P(Ynz1) = = 0',95
= 0'95 +L-(0'94)n
+!-cl'(0'06)0'(0'94)n
àn=ffi= 48'42
D'où: t'
n= 49
Exercice 31 :
suivants
Ëilp.r"r.r événements
jumeaux >>
D'où: ptt
_T
P(S) =
t'p
2. on a : !',P^
=
' p(y n s)
Ffr=ry-
-PS!-û'P(V)
P(v/s)=-TGr-
= +1
nneurs du
:s événements suivants :
P(Aar):9,5
,:-o)=A
p+L .27
P)= ;,r) = a
'9
=2) = 64
':: ')_
.3)
-' = 74
64
:. 8(X) = n'P
E(X) = 9,75
I
VxelL,1000l ,
10.tr2 - 1000
f'(x)=--
Tableau de variation
:
Ona:
â * = 100 0 â xt=!'02 ou xz = 98'98
f (x) =1000 x2 -!00'x
de l'équation est donc
:
fensemnte de solutions
$={1,02,98,98}
On a : ''
t 100 < 0â x q- f1l'02'98'98[
f(x) <10Q0 + x2 - 100'x
D'où:
x e11-',02,98,98[
D'où :
p = (0,99)k
ona:
q=p(T>1)= L-PQ-0)= t-p--1 -(0',99)k
D'oft : -^\D -
q--L-(0'99)k
de groupes négatifs
>> et Y <<
(0,99)I' =t-L
- 100
remplacé cette approximation dans l'expression de E(Z), on
::
E(z)æro.(r*90
)=f&)
k e {2,4,5,8,10,20,25,40,50}
que la méthode B soit la plus efficace, il suffit que E(Z) soit
male. D'après le tableau de variation, la méthode B est la plus
lorsque k = t0. Dans ce cas,
P(T=0)=0,26
1. probabilité de faire une analyse par heure est égale à celle pour
Nombre
r'aucune des 6 personnes nhit une réaction sérologique, c'est-à-dire
P(T = 0) :0,26
f.,'
!L
.. probabilité
L.:
-a d'en faire sept est égale à celle pour qu?u moins une des
ipersonnes ait une réaction sérologique, c'est-à-dire que :
P(T>1)=t-P(f=0)=0,74
P(T>7)=0,74
suivantes :
4. On considère les variables aléatoires
une analyse par heure
>>'
X << Nombre d'heures où on fait
sept analyses par heurt:
>>'
Y << Nombre d'heures où on fait
A au cours de tooo heures
z Nombre d'analyses par la méthode
<<
consultation >>.
Ona:
X + B(1000,0,2) et Y -+ B(1000 '0'74)
D'où :
1000'0'26 + 7'1000'0'74 =5
Z = X *7'Y + E(Z) =E(X) + 7'E(Y):
par la méthocre A au cours
On fera, en moyenn e, 5440 analyses
1000 heures de consultation'
l,i.r I
B'
I
I
.. rr^-r.-a .lô nêrcônnes
personnes avant
ayan une
1. On considère la v'a' u Nombre de <<
2 personnes >>'
sérologique ddns un groupe de
Qç1cait nrte II + B(2,0,2).
pour qu'un groupe soit négatif est égale
à celle
La
qu' , p.rronnas- n'ait une réaction sérologique' c'est-
que :
semi-positif >>'
a. On pose l'événement A < Groupe
On a":
pGlu > 1)'(1 -'',Qt = 0)) =
p(A) = pGlu> 1).P(u > 1) =
= 0,8. (1 - 0,64) = 0'29
D'où :
P(A) = g'29
positif >'
b. On pose lévénement B < Groupe
Ona:
p(B) = r (Cs n s; u (s ns)1u > 1)'P(u > 1) =
/..- .,r
= [(P(s/r >r)), *
p(slu >r).p!1u r t)). pQJ >-t) =
= ((0,2)2 + 0,2.0,8)' 0,36 = 0,07
D'où :
P(B) = g'97
probabilité de faire une anaryse
dans un groupe est égare à ceile pour
Ê ))r i aucune des z personnes n'ait une
réaction iéroiogique, Iert-a-àir" qu"
,
lre >>,
i. 'P(U=0)=0,64
Je 1000 heures probabilité d,en faire deux est
1 égale à celle pour qu'un groupe soit
; c'est-à-dire que :
E(Z') - 4299
lf^'lttr, en moyenn e, 4290 anaryses par ra méthode B au cours de
000 heures de consultation.
/=0))= B est la méthode la plus efficace.
, p=P(M)=!=*=o,oz
n 1000
de la fréquence à ta probabirité d'après ra roi
faibre des grands
).
P(U > t): r' x considérée est << Nombre dhrbinos sur un échantiilon de
100
E(X) = n.p
v(x) = n.p.q
aVeC q =7-P'
Dbù:
E(X)=2 , V(X)=1,96
4,
a. On a:
P(X = 1) = cloo.(0,02)1. (0,98)e)
D'où :
P(X=7)=O'27
b' - P(x- 0) =
9U; 2) = r- p(x =2) = r- P(x = z) - P(x = t)(0'98)ee +
-!- cloo.(0,02)2' (0,98)e8 - cioo'(0'02)1'
(0,98)1oo
-cNoo' (0,02)0.
D'où :
P(X>2)=0'32
Autre méthbde :
conditions d'approximation
on pourra utiliser la loi de PoISSON car les
loibinomialeparla|oidePolsSoNsontremplies.l'eparamètredela
pôrsson est pris égal à la moyenne de la loi binomrale'
OnadoncX+P(2).
P(X = t) ="-'.TU,
a. Ona:
P(x = t) ='-''+.
D'où :
P(X=L)=0'27
b. Ona:
P(X > 2) = I, - -r2' --r2t -' =\-S.e-z
^-r,20
e
"-".T.- "-''T.- Oi.
D'où :
P(X>2)=0'32
Exercice 36
Soient les événemenG suivants :
R+ << Etre de rhésus positif tt P(R* ) , = 0'85
R- << Etre de rhésus négatif >> P(R- , ) = 0'15
1. On a:
P(R+ n R* ) = P(R*)'P(R* ) = 0'72
P(R+ n R-) = P(R* )'P(R-) = 0,13
P(R- n R* ) = P(R-)'P(R* ) = 0'13
P(R- nR-) = P(R-)'P(R-) =0'02
Rhésus du père
Rhésus de la
(X=0)= ' mère
)t'+
l'événement M << Nouveau-né malade >.
,na:
P(M/R+oR-)=g,gg
oximation de )nc :
P(M) = g,g1
rit la v.a. X << Nombre de nouveau-nés malades parmi 100 >.
sait que X + 8(100 ,0,01).
Ona:
E(X) = n'F(u)
,'. UOU'
obù : r
" E(X)=1
Ona:
:,,P(X ) 1) = t- P(X < 1) = L- p(X - 1) -p(X = 0) :
i - 1-Câ0.(0,01)1.(0,99)ee-C$0,(0,01)0.(0,99)100
i Dbù:
""
:r,
P(X > 1) = 0,26
,';.Soit la v.a. Y Nombre de nouveau-nés malades parmi 99
<< >>.
P(Y>1)=0,63
: Autre méthode :
..on pourra utiliser la loi de POISSON car les conditions dhpproximation
.:, de la loi binomiale par la loi de POISSON sont remplies.
Ona:
E(x) -- |
E(Y) = n.P(M) = 99'0,01 = 0'99
Donc :
X -+ P(L) et Y + P(0,99)
ona:
.r! )o
P(X>1) = 1 - - | - 2'e-L = 0'26
"-t.ï.- "-'.-,
' P(Y>1) =1 -P(Y < 1) = 7-P(Y -0)= !-e-o'ee'\-'-:.' =0'63
Exercice 37
Soient les événements suivants :
XX < Individu du génotype XX >> , P(XX) = 0,7
g'2
Xr < Individu du génotype Xx >> , P(Xx) =
xx < Individu du génotype xx >> , P(xx) = 0,1
Génotype du Père
Génotype
de la mère
Xxnxx=Ce
0,02
.0n pose lévénement xxt << Enfant (de la 1è" génératioÂ; oe génotype
XX >>.
'P(XX)
= P(xX1/C).P(cr) + P(xxtlC).p(C) + p(XxL/Cù.p(c4) +
=
. +P(XXL/C).P(Cs) = L.0,49 * Z.:.0,!4 +!.0,0+ = 0,64
Dbù :
P(XX) = 0,64
':on pose lévénement xx1 << Enfant (de la 1è'" génération) de génotype
'' X)c >>.
a:
X = 2) = P(X = 2/C).P(C5) + l(x.= z/Cù.p(Cù + p(x = z/Cù.p(cg) +
0,01- P(Cs/6=2))=0,28
; Ona:
.G)''o,oz "
-G.()' 0,02
Dbùr :
r(cr1çx=2))=o,3tS
5'Soit|aV'a.y<<Nombred,enfantsanormauxdansuneclassede
enfanG >>.
E(Y) = 1
et
P(Y = 0) = Cls.(0,04)0. (0,96)2s = 0,36
Dbù :
'n P(Y = o) = o'36
Exercice 3g
l.onposelévénementA<Avoirtous|estestsnégatifs>.
Ona:
10
P(M)=fr=O,Ot
(Assimilation de la fréquence à la probabilité d?près la
loi iaible des
nombres).
Nombre de tests positifs par personne
>>'
2. Soit la v.a. X <<
Ona
.
e-^'#.= e-L= P(M) = 0,05 + 'L= -ln0'05
2ro
P(X = 0) =
Dbù
)"= 3
3. Ona
P(X >1) = t - P(X - o) = 1 - 0,05 = 0'95
Dbù
P(X>1)=0,95
Dbù :
+ F(x) = 0,995
x= 2,55
x-20 -'
T= N(0,1)
-il
: des
f:.'P(X < 24) = P(T < 0,8) - F(0,18) '
r, Dbù: ,"
P(X<24)=g,7gg
'. P(x2LB,z)- p(T> -0,36) = t- p(T < -0,36) :!-F(-0,36) =
= F(0,36)
'Dbù :
P(X>78,2)=9,541
P(27 < X < 2!,6) = P(0,2 < T < 0,32) = F (0,32) - F (0,2)
P(zt<X<2L,6)=0,047
P(x < a) =
Dbù :
0,G + P (r =+) : 0,6 +t (T) = 0,6 + T = o,zs
a:21,25
l.r(r=b)=0,36+r(r= , )=0,36=a( , )=0,36
+ 1 -. (-ryJ = 0,36 + F (-!-lo; ) = 0,64
. -+ = 0,36
D'où :
b = tB,Z
D'où :
' d=1,35
Exercice 41
Soitlav.a.x<<Concentrationd'unesubstancesanguined'un:personne>>'
OnaX+N(125,100)'
onpose, r_L25
T=" fr-N(0'1)
1. Ona:
P(x <110) = P(T < -1'5) = F(-1'5) =
!- F(1'5)
D'où :
P(x 3110) = 0,067
2. Ona:
;ir;; <x <"., ==;:;fr:if 1,5) = F(',s) - F(-0,5) =
i
D'où :
P(L}O <X < 130) = 0'382
Exercice 42
personne >>'
Soit la v.a. X << Taille d'une
X + N(169 ,31,36)
On pose :
,=ry+N(0,1)
ul ,robabiliste
b = L74,77
a = t63,23
= 0,4,
l.l v,a, X < Nombre de personnes présentant le caractère A parmi
)>.
X -+ 8(2400,0,4)
X + N(960,576)
x x
' -960 -960
T=-:__+N(0,1)
24
^lffi
:> L000) = P(T > 7,66) 1 - - P(T < 1,66) - L - F(1,66)
P(X>1000)=0,048
P(8BB <x <1008) =P(-3<T <2) =F(2)-r(-3) =F(2) + F(3) -1
D'où :
Exercice 44
personne
Soit la v.a. X << Concentration de S d'une
>>'
Donc:
m+ 0,25'o = 100
D'autre Part,
t L20 -mt'
P(X > L20) =0,05 + t (t t T)= 0'05
Donc:
m*\64.o=!20
Ces deux équations donnent :
m=96,4L et o=t4,38
Ona:
P(X > L25) = P(T >1,98) - 1- PQ < 1'98) - 1--F(1'98)
Dbù :
P(X>I25)=0,024
Soit le seuil Pathologique u = L25'
y << Nombre de personnes à soigner
dans ure popuration
Soit ra v,a.
10000 Personnes >>'
f
On sait que + 8(10000 ,0,024)'
,Il s'agit de déterminer l'espérance mathématique de Y.
E(Y)= 10000.0,024 =240
,Il y a en moyenne 240 personnes à soigner.
:'On détermine a tel que P(x ) a) = Q,1.
a = tlÇ,Bl
-D'après les questions 4. et 5. , on voit très bien que la variation du seuil
'pathologique entraîne une variation en sens contraire du nombre de !
èX+N(27,25).
pose :
, =+-rN(0,1)
,Ona:
:P(x 124,s) - P(T <-0,5) : F(:0,5) = | - F(0,5)
, D'où :
P(x<24,5)=9,399
. On détermine a tel que P(X > s) - 0,028.
., (r, g)=b,ozg + L - o (, .ff)
p(x > a) = 0,028= p -- o,oza
a = 36,55
,= X-m
o -+N(0,1)
Ona:
opulation de P(X> 165) = L-P(X < L65)
D'où :
P(X>165)=9,42
Y)
à, (' t ry) = 0'42+ 1 - t (t' = 0'42
2. p(x >16s) = 0,42
.ry)= - s'2
. t (t 0,58 +r (f"--1 = 0'58 'rE
Donc:
m*0,2.o =]^65
D'autre Part,
t (t t YJ)= o'04
P(X >180) = 0,04 +
180:-;
+ ! -, (, . Y)= o,o4 + r (r
< J = o'e6
m=L63,07 et o=9'67
3. Soit le seuil pathologique
a = LB4'
Ona:
P(x >184) = P(T ; 2'L6) -- t - F(2',t6)
Donc:
P(x>1g4)=o'015
qui doivent subir le traitement
soit la v.a. y << Nombre de personnes
>>'
100000 Personnes
On sait que Y -r 8(100000 '0'015)'
de mathématique de Y'
Il s'agit de déterminer l'espérance
E(Y) -- 100000'0'01$ = 1500
qui doivent subir le ïaitement'
Il y a en moyenne 1500 personnes
Exercice 47 grave >> P(A) = o'2
1. On pose lévénement A
<< Recevotr ttn cas
>>'
'
cas graves parmi 6 blessés
Soit la v.a. x << Nombre de
On sait que X -+ B(6 '0'2)'
a, Ona
P(X = 0) = C!. (0,2)o'(0,8)6
D'où
P(X=0)=0,26
b. Ona
P(X = r) = Ct.(0,2)1' (0,8)s
D'où
P(X=1)=0'39
c. Ona L- P(x= 1) -P(X = 0)
P(X >1) = 1 - P(X< 1) =
l)'où :
P(X>1)=0,35
2.
à un autre chirurgien
a. Soit la v.a,
y << Nombre de nuits où on fait appel
pendant 7 jours >>.
Ona:
P(z >100) : P(Z =101) + P(Z =102) + "'+ P(z= 300)
Lecalculprésented,unmaniementdifficile.onpourrauti|iserla|oi
norma|ecarlesconditionsd?pproximationdelaloibinomialeparlaloi
normale sont vérifiées'
On a donc
,- :
Z -+ N(m',oz)
avec
m=E(Z) = 300'0'35 = 105
et
oz =V(Z) = 300'0,35:0'65 = 68'25
Ona:
p(z >100) = t(t t ry"-r.,J = P(T > -0'6) --L-PQ < -0'6) =
- !-F(-0'6) = F(0'6)
D'oùt :
P(Z>1.OO)=0,726
on fait appel à un chirurgien de
la
la v'a. u << Nombre de nuits où
'13. Soit
: clinique Pendant 300 jours
>>'
T=x-^-+N(0,1)
o
Ona:
P(x >m* o) = P(T 2 1) = r - PQ < 1) = 1 - F(1)
D'où :
P(X >m* o) = 0,159
3.
La v.a. considéré est y << Nombre d'individus
de taille supérieure
a.
m* o Parmi 10 individus >'
On sait que Y +.8(10 ,0,159)'
b. Ona:
P(Y >1) = 1 - P(Y = 0) = 1- cfo'(0'159)0' (0'841)10
D'où :
Pv 21) = o'BZ
Exercice 49
Soient les v.a. suivantes :
X << Durée de trajet pour se rendre à son bureau
>>'
Ona:
P(x> 50) = p11 >2) =7_9P(T 12)=L-F(2) l-0'977 =0'023 -
Y'
On détermine l'espérance de mathématique de
E (Y) = 250'0,023 = 5'75
Il doit shttendre en moyenne 6 jours par an à être en retard'
Exercice 5O
Soitlav.a.X<<Tauxd'uréedanslesangd'unepersonnesalne>>'
E (X) = 26.
1. Ona:
P(2r,14 < x <30,86) = ffi = 0'72
,(Æsimilation de la fréquence à ra probabilité d,après la loi faiile des grands
: nombres).
0n sait que X + N(26,o2).
a. On pose:
, =++N(0,1)
P(2I,I4 < X <30,86) :
-, (#< T < ff) = o,r,
0,72
Dbù :
o=4,5
,b. Ona:
: P(X < 31) = P(T < L,1L) = F(L,IL)
Dbù :
P(X<37)=9,957
soit la v.a. r
Taux d'urée d'une personne atteinte de l'urémie
<<
>>.
P(X>33,4)-0,05
soit le seuil pathologique q. = 33,4. on pose les événements suivants :
M < Etre atteint de l'urémie >>,
T* << Avoir le taux d'urée supérieur à 33,4 >>,
T- < Avoir le taux d'urée inférieur à 33,4 >>.
i!. La probabilité pour que le médecin commette une erreur de décision
est :
e(f*1 U) = P(X > 33,4) = 0,05
C'est le risque d'erreur de 1è'" espèce,
Conioés
iécision
une population humaine, le taux moyen d'urée est de 26,4mg/L00mtde
lavec un écart-type de 5,T mg /L00 ml de sang.
,0n prélève au hasard des échantillons de tailles n ) 30 et on considère la
',a. x la moyenne d'échantillonnage. euelle est la loi de probabilité suivie
:par I ? Entre quelles limites
se situe 7 au risque de So/o ?
)n prélève au hasard un échantillon de taille 40. Déterminer l,interualle
ilans lequel se situe le taux moyen d'urée de l'échantillon au risque de so/o.
si I'on a prélevé B0 échantillons de tailles 40, dans combien d'échantillons
pêut-on s'attendre à trouver un taux moyen d'urée compris entre les limites
ldéterminées dans la question 2. ?
1'a. 5o/o
, b. lo/o
Exereiçe-O
population normale,?,!!Î^?2,!!"!;
Le taux moyen de prothrombine dans une
LrJOmt de plasma. Oanô un échantillon
de 40 patients atteints d'une
est de t8,s mg/100 ml et l'écart-
en vitamine K, le taux mdyen de prothrombine
type observé est de 4mg/I00ml'
1. Déterminer l'intervalle de confiance pour le taux moyen dans
la
ExercieeZ
personnes atteinte d'une ceftaine
Dans une population, |a proportion de
maladie est de 0,25' on extrait au hasard
un échanti||on de 3o0j":'::.::;
Déterminer l,interualle dans lequel se situe
la proportion de rnalades dans
échantillon au risque de 5%'
Exercice 8
fumeurs est de 6(r%' on extrait au{
Dans une population où le pourcentage de
est le risque tle se^tromPer eni
hasard un échantillon de 100 personnes. Quel
affirmant que le pourcentage observé soit compris
entre 50 et7\o/o ? .j
Exercice 9
Pourobteniruneestimationdepersonneshyperglycémiquesparmihasard:
population. on extrait au
personnes âgées de plus de 60 ans dans une
que parmi celle-ci 34 sont
170 personnes dans cette population; on constate
hyperglycémiques.
Déterminer I'intervalle de confiance pour la
propoftion de
1.
hyperglycémiques de la population au risque
de 5%'
2.Sil,ondisposede200interva||es,combienenmoyennttcontiendraient
proportion de personnes hyperglycémiques de. n ?
e10
lion i''mécf,cament a la probabilité 0,85 d€tre efficace contre une maladie. un
de r applique le traitement à un échantillon de n malades et il veut
itermirrer la æIp{!g obtenue à rozo près. Déterminer n, si ce médecin veut
:ion maxirnum un risque de se tromper de 5%0.
rire 'i médecin vérifie un nouveau médicament sur 100 malades ayant la leucémie.
la ès six ans, 60 sont encore vivants. euelle de tous leucémiques
rront errcore vivants après six ans de traitement avec ce nouveau médicament
de i:risque de 5o/o?
?
la
le plasma des individus de E, et de E, ; on a alors obtenu les résultats
exprimés en mg/I :
435 295 305 540 52 0 345 395 452 3L2
AurisquedeSo/o,comParerl'efficacitédestraitementsTletT2'
l Exercice 16
traitée dans hôpitirl suivant
Au cours d'une période une maladie M a été
des deux traitements T, etT,. Le choix de
T,ou T, a étéfait par |e l médecin
n du dol
de l,arrivée du malade à l'hôpital, après prise en considératic
suivant des résrtltats
médical du malade. Les médecins ont fait le bilan
par les deux traitements :
T1 T2
Traitements
300 100
Nombre de malàdes traités
300 100
Nombre de malades guéris
50 53
Durée moyenne d'hosPitalisation
90 110
Variance des durées d'hospitalisation
conclusions ?
f, Exercice 17
de leuc<rcytes du
on se demande si un traitement T augmente le nombre
pour le savoir, on fait une expérience sur un échantillon de 74 irdividus'
par tirage au sott en deux groupes GÊt G2 de 37 individus'
sang et on a mesuré
Avant tout traitement, on fait des prélèvements de
nombre de leucorytes N0 en centaines par rtms
de sang'
I
juger I'efficacité d'un traitement T ayant pour but d'augmenter la
On dispose d'un ensemble de 14 sujets et pour chacun d'eux on
les taux de glucose avant et après le traitement T. Les résultats
I
sont consignés dans le tableau ci-dessous (Les mesures sont
en g/I de sang) ! r
lisation
s sont L234s678910111213L4
es du sang 0,55 0,40 0,60 0,70 0,35 0,70 0,75 0,70 0,45 0,75 0,55 0,42 0,75 0,45
dus,
r IïIêSUfê 1,00 0,60 0,60 0,65 0,75 0,85 1,20 0,60 0,75 0,60 0,5s 0,50 1,10 0,80
1,
Nxercice
En vue de con'naître le << (nombre de garçons/nombre de filles)
sex-ratio >>
VExercice
/\- 21
Afin de tester une solution toxique, on fait des injections à un groupe de 81
souris. On admet que I'injection est mortelle dans 80% des cas. Le fait que 22
souris ne soient pas mortçS, est-il compatible avec I'hypothèse faite sur le
pourcentage de mortalité ?
Exercice 22
Selon les lois de I'hérédité mendélienne on doit s'attendre à lrouver une,
proportion théorique p = 0,25 fle sourds muets de naissance lorsqut: les parents:
sont des consanguins porteurs d'uh cetain gène récessif. On extrait au hasard
un échantillon de taille 300 d'une population de nouveau-nés issus de tels
mariages. Faut-il écarter I'hypothèse.selori'laquelle la proportion de sourdsl
muets dans la population est égale à 0,25 si on obserue :
1, 72 sourds muets ?
2. 96 sourds muets ?
Exercice 23
Pour 500 suiets traités pour un cancer grave, on donne ci-dessous le
de sujets encore vivants 1an,2 ans, 3 ans, 4 ans et 5 ans après le traitement. I
1an 270
2 ans 130
3 ans 50
4 ans 10
Sans \ o
3. Au 1Zè'" jour de l'étude, seuls les zujets non atteints par la gr'ppe ont
Les résultats ai
revenir au laboratoire pour leur 2è'" prise de sang.
dans chaque groupe
relevés pour la substance .s ont permis d'établir
moyenne et la variance :
Groupe Moyenne
Traité ml = 3,20
Témoin mL = 2,46
l* 14300
Succès avec le
23
traitement A 5
Irrsuccès avec
le traitement A 15 17
r. _
s trailements A et B ont-ils la même efficacité ?
t-t-il une relation, pour un marade, entre res résurtats
par re traitement A
les résultats par le traitement B ?
Durée < 6 30 1B
Somnifère B
Durée > e 20 42
significativement ?
B pour
b. Y a-t-il une relation entre les résultats obtenus avec A et avec
même sujet ?
2. On prend maintenant comme critère de jugement la durée de sommt
figurent i
exprimée en heures. Les résultats des différences observées d1
tableau suivant (di = xelxl) :
Lot
63 589
3O
f,Exercice de
On veut faire, au bout d'une semaine, létude comparée de l'efficacité
traitements amaigrissants Tr, T2 etTr' Dans ce but, on considère
échantillons indépendants choisis au hasard dans une population
d'obè
ayant sensiblement le
même poids. Les traitements T1,T2êtTs
persc
respectivement appliqués aux échantillons Er,E, et Er. Pour chaque
poids avant
on note la variation de poids, c'est à dire la différence entre le
traitement et le poids à l'issue du traitement. On a ainsi obtenu les résulta
suivants :
2,2 t,9 2,4
Traitement
de malades traités
;La réponse de la
question 3' est-elle.compatibq,uu::::Ï:i:1;i* I
de répondre d?bord à la
'l
i| ;d; lr-"or*'"n; 1. et 2, nécessite-t-elle
3.?
5. Les trois groupes jouent-ils un rôle symétrique ? Que peut-on
conclure ?
2 garçons 30
l garçon et 1 fille 40
2 filles 30
u sort
sultats
I
, Arpliquer le test de f pour retenir ou rejeter l'hypothèse proposée.
:ice 36
l
Az,As
! poids en kg de 50 personnes a été mesuié. on a obtenu les résultats
Poids (ks)
35 45 55 65 75 85 95 105
0upes Effectif 0 2 5 9 L7 10 6 1 0
rtillon
r ZOI]€ : Trocer I'histogramme et le polygone
des effectifs de cette distribution.
lus 35,
Calculer la moyenne et l'écaft-type de cette distribution.
Peut-
Peut-on admettre que la distribution de ces poids suit une loi normale
pour au
risque de 5% ?
Poisons A B c D
Ines a.
lne
'lt Nombre de sujets examinés
ve
en N,lmbre de résultats positifs
Dirns le groupe témoin, les résultats au 6è'. et au 1zè'" mois sont les
suivants (les nombres indiqués sont les effectifs, - + par exemple indiquant
un négatif au 6è'" mois et positif au 1zème mois pour le même sujet)
Couple de réponses -+ +- ++
Effectif 31 F
J 4 10
ont la
I
r!
lii
I
ll'
IE
€XâmrDé un échantillon de 976 individus prélevés au hasard
concernant le
sanguin de chaque sexe. Les répartitions obseryées se répartissent
dans
suivant
,
Groupe sanguin
Sexe
TOTAL
Localisation du cancer
de sommeil
Exercice 47
chez des sujets
Un essai thérapeutique a été réalisé en double aveugle,
eu un infarctus du myocarde récent. son but était détudier l'efficacité
de
de I'association A+S
l?spirine (A), de la streptokinase (s) et d'évaluer l'intérêt
par'rapport à chacun de ses constituants A et s sur la suruie t
à semainet
iss;us de 41
Entre le 5 mars 1985 et le 31 décembre 1987, L7787 sujets
I'un des
hôpitaux ont été inclus et répartis par tirage au sott dans
groupes suivants :
TOTAL
8592
'.
8595
:
17187
traitements ?
c. ii la réponse de la question précédente est affirmative, pouvez-vous
r:onclure que l?spirine et la streptokinase diminuent le risque de décès
CVàSsemaines?
Les questions a. et c. peuvent être traitées également par le test de l.
Dresser un tableau d'effectifs observés pour :
Groupe recevant ? ? ? ?
TOTAL ? ? ?
dispose, dans une maternité, des données suivantes concernant, pour les
prématurés, leur nombre et leur durée de séjour dans l,unité de soins
Ll€ :'1. Le pourcentage de grands prématurés diffère-t-il d'une année sur lhutre ?
lle 2, Les rlurées moyennes de séjour des quatre années diffèrent-elles dans leur
ensenble ?
Y a-t-il, sur I'ensemble des quatre années, une tendance à la baisse de la
durée de séjour ?
noncés
2. Les résultats observés de tension artérielle dans chacun des deux groupes
: des sont les suivants :
ye de
:ftain Moyenne Variance
sont
Exposés L5,0 L,5
Effectif
rar la
iance Tension aftérief le moyenne
Variance de tension artérielle
-elles
Y a-t-il une différence de tension aftérielle selon I'atelier ?
G1 Gz G3
ligne
:àla Hommes 15 15,5 'J.4,5
ue la
Femmes 14 15 15
Ès par
134
r=20 r=20
\": eeoo
lr' = 12500
r=20
Hôpital 2 )r:leo
Lr' = 11e00
5 20,00
74 22,50
23 30,00
37 32,50
51 40,00
60 37,50
69 30,00
B3 52,50
97 52,50
-l'20 --57,50
LzS 70,00
L43 72,50
75,00 Calculer le
L57
,l'âge aux p
L66 62,50
70,00 Quelle est
180
en fonctior
189 85,00
Dans la pc
198 82,50
premières
2L7 67,50 en 100 ar
226 90,00 droite de r
240 1985 ?
'80,00
Que peut<
1. Représenter le nuage de Points. du sein et
2. Déterminer les équations des deux droites de régression et les
questions p
dans le plan cartésien.
3. Calculer le coefficient de corrélation.
glycémique
4. Lorsque le diabète est ancien et la qualité du contrôle
grand ou Petit
médiocre, le risque de développer une rétinopathie est-il
Justifier votre réPonse.
lors de
Estimer le pourcentage de diabétiques atteints d'une rétinopathie
découverte de leur diabète.
Est-il rare de découvrir une rétinopathie lors de la découverte du
diabète
LL L6 t2 6
Age aux L2 36 32 24
premières
règles 13 L04 108 Ll6
L4 44 48 54
le glycémique est
il grand ou petit ?
'ropathie lors de la
du diabète ?
,y.tr
STATISTIQUE
INDUCTIVE
Corrigés
Exercice 1
M=26,4, oo=5,7
1. Soit la v.a. I la moyenne d,échantillonnage.
Comme n > 30, on a alors :
x - N (.,û)
Dbù :
r-I (ru,n,W)
E@=26,4, V@=Y
Au risque a = 5o/o, on a :
M - L,g6.+<v
{n
<M+ Lp6.+
,ln
2. n= 40 > 30
Au risque a = 5o/o, on a :
, 24,63<X<28,L7
3. Soit la v.a. T Nombre déchantillons dont la moyenne est comprise entre
<<
T + B(80,0,95)
Dbù:
E(T) :80.0,95 = 76
Il y a en moyenne 76 échantillons dont la moyenne est comprise entre
24,63 et 28,1.7.
Exercice 2
n=L44,M=4712,op=6000
v.a.7la moyenne déchantillonnage.
Soit la
Comme n ) 30, on a alors :
x + N(r,+)
Dbù :
r-+N(nt,ry)
V - +ttz
t=--ôo 'N(o'l)
r(sesz<x < oooo) =P(1,96<T <2,57) = F(2,57)-F(t,g6) =0,02 : A.N : Au risq
Donc: , nous donne t
r(sosz <T s oooo) : o,o2
Exercice 3 Condition d,ut
n = 100 rTn= L95,4, oe = 45,6 , On suppose (
l. n)30 ',, léchantillon sr
Au risque a donné, on a :
n,=Z50rm=40,
LC(M) =b-t". U#,**t,.J#_ I 1. n )30
A.N: .r Au risque a dc
a. Au risque a = 5o/o, ta = L,96
L C (M) = fL86,41,204,38)
b. Au risque q. = !o/o, to = 2,6 A.N : Au risqur
I.C(M) - [183,48 ,207,3L]
2. Au risque a donné, on a : r
Soit la v.a. ?P ,
interyalles >.
n=l/to'o"\2
hil +1 On sait que :
avec h=L
A.N : Au risque q. = 5o/o, to = L,96 Dbù:
n=7989,06=7990
Il n'est pas possible d'envisager un échantillon de cette taille. Ilyaenmoyen
3. Ona: Au risque a don
LC(M) = [L94,196]
On sait que :
A.N : Au risque,
I' c (M) = - to.#,^ * t".#À + 2. t"ffi = re6 -
W Le4 = 2
o.
+ ta'f,;?î= L
normale:
Comme précédemmenÇ on trouve n = 2990. de patien
Exercice 4
n= L0
n=40)30
l- Ona:
Au risque a donn
10
1\i- I
m=-n4-t
) xt=0,83L - , Oe= = 0,02
i=r A.N : Au risque a
Corrigés:
2, n= 10<30
: Au risque a donné, on a :
l' o. oo I
I.C-lM) = - tâ. 6=,m + tâ.J;=l
Lm
7(L,96)
= 0,02 A.N: Au risque a=to/o avec y= n-L= 9, la table de STUDENT-FISHER
nous donne tà = 3,25.
LC(M) - [0,809,0,852)
Condition d'utilisation :
L C (M) =
l^ - t".
J#,^ * t".#)
A.N : Au risque a = 5o/o, ta = L,96
I.C(M) = f39,62,4L,58f
2. soit la v.a. T << Nombrè dlntervalles de confiance contenant M parmi 200
intervalles >>. . r
On sait que :
T + 8(200,0,95)
Dbù:
E(T)=200.0,95=190
le. Il y a en moyenne 190 intervalles contenant M.
3. Au risque a donné, on a :
n=(to&\'+t
A.N : Au risque a = 5o/o, to = L,96 et h = 0,01-
94=2 n = 2458625
Exercice 6
Population normale : M =20
Echantillon de patients atteints d'une déficience en vitamine K :
),02
I. c (M') = l^' - U.#T,m' * t".#J
A.N : Au risque d, = 5o/o, to = 7,96
144 Corrigés Statistique induct
I.C(M') = ,I9,75f
f77,24
2. Mel.C(M') = 1L7,24,19,751 : les patients atteints d'une déficience en
vitamine K ont un taux de prothrombine plus faible.
Exercice 7 A.N:Aur
Population I p:0,25
Echantillon:n=300 Condition
L-a=P(0,5<Y<0,7) p = 4L64,75
On pose :
Y -0,6 Y -0,6
T=6= op* -'\(o'1) risque a don
t - a = P(0,5 < Y < 0,7) = P(-2,04 < T < 2,04) = F(2,04) - F(-2,04) =
= 2.F(2,04) - 7- 2.0,979 - 1 = 0,958
Dbù :
a = 0,042
: Au risque r
Exercice 9
Echantillon tn=l7o,k=34, f =#=0,2 d'utilis
1. Au risque a donné, on a :
Corrigés : Statistioue inductive 145
e déficience en
On sait que :
T + B(200,0,95)
Dbù :
E(T)=200.0,95=190
Il y a en moyenne 190 intervalles de confiance contenant p.
Exercice 1O
Populationlp=0,85
on désigne par I/ la v.a << pFopoftion de guérison dans léchantillon >.
Le médecin veut avoir :
f =p*0,0L
On sait que, pour un risque ci donné :
Y=p*to
- p)
, lp.(t = o,o1
I.c(p) : t
fr -
r" to
^f!=,f
A.N : Au risque a = 5o/o, to = I,96
I..C(p): [0,50 ,0,69]
Condition d'utilisation : n.0,50 : 50 ) 5.
Exercice 12
Echantillon I n = 6oo, k : 550, / =# = o'97
Au risque a donné, on a :
Il s?git d'e
théorique.
,f *to
donc le tes
taux de glu
A.N : Au risque a = ta = L,96
5o/o,
Test t de !
I 'C (P) = [0,88 , 0,93]
1- On pos,
Condition d'utilisation : n'0,88 = 528 )
5'
HouLl
Exercice 13 glucosr
Echantillon i f =0,8
2- On calc
Au risque a = 5o/o, on a :
I'C(P) - 10,73,0,871
Ona:
h{l-D 3-
Lc(p) =l - r,ru ,f + 1,96
.j " I
I
Conclur
Au risq
STUDE
e <tâ
7,96 = 0,73
taux m
(L,96Yl.G- fl
ân=@ =725,44
771 =12,
+ nx L26
période' Ce résultat est valide
Il y avait 126 consultants examinés pendant cette
est vérifiée (n'0'73 =
car la condition d'utilisation de llntervàlle de confiance
91,98>5. 712=t0,
Exercice 14
Moyenne théorique i M = L,4 est en I
Tailfe de l'échantillon I n = 72
1. Ona: tz
taux de glr
1sr conditior
m=1) xi=1,35
n /-1 populatio
i=1
Corrigés
oe- = 0,16
3- Conclusion :
n1 =L2 '
Tl71
Ls' L2
n2=LO'
Lr
TLz=j)
10 10
h=469, cr2=
tL7
- -li=1 ;Zy-mZ = 86,49
on est en présence des petits échantillons (n1etn2 < 30), on utilise
éventuellement le test t de STUDENT car ce test exige la condition de normalité
des taux de glucose dans les deux populations d'où proviennent tes échantillons
(cette condition est souvent vérifiée) et la condition dégalité des variances des
deux populations (oâ, = oj,) (on la vérifie par le test F de FISHER-SNEDECOR).
Test F de FISHER-SNEDECOR est en présence
1-, On pose l'hypothèse nulle : de lécart-réduit
Il0 < Les deux populations ont la même variance (o3,: oi) " de l'écart-réo
2- On calcule : On pose l'hypoU-
Variance estimée de o$r: Ho << Les deux tn
,flL
ti=#Ioi=6785,97 On calcule la stat
Aurisquea=Sot
F =4
s! =
7,22
e ) L,96 alors o
3- Conclusion : traitements nbnt
Au' risque a = 5o/o avec les nombres de d,d.l. vz = flz - L = 9 (colonne) que le traitement
vr = rL L :
- LL (ligne), la table de FISHER-SNEDECOR nous
Fs:2,893' il shgit d'effec
F < 4 alors on ne rejette pas llo : la différence n'est pas significative. obseryations indé
deux populations ont la même variance. - On est en préser
TesttdeSTUDENT I utilise donc le test
1- On pose l'hypothèse nulle : Test de l'écaÉ-r
Ho << Les deux traitements I, et T, ont la même efficacité > 1- On pose lhypr
2- On calcule la statistique r: Ho << Les deux
- lmt-mrl de leucocytes
(L*
'\n1
7 2- On calcule la s
11" \n1 ' n2)
n2
où s2 est la variance estimée de la population :
,z -nr'o1.
I nz.!î
n1*n2-2 = T4T2,s4
3- Conclusion :
3- Conclusion :
Au risque a =.
Au risque a = so/o avec le nombre de d.d.r, v=nr*nz-z =20,la table e < L,96 alors r
STUDENT nous donne tâ = 2,086.
Les deux group
t < tà alors on ne rejette pas H0: la différence n'est pas significative. s'agit dbffectuer,
deux traitements ont la même efficacité.
des obseruatic
Exercice 16
êst de l'écart-ré
Il s'agit d'effectuer la comparaison de deux moyennes pour des
traité :
indépendantes.
_-:, On pose lhypot
Traitement T1 | n1= 300 , îftL = S0 , ol = je
Ho << Il n'y a pal
Traitement T2 i n2 = 100 , r12 = 53 , o! = 1l_0
On est en présence des grands échantillons (n1etn2> 30), on utilise donc le
test de lécart-réduit.
= oir) ,, de l'écart-réduit
1- On pose lhypothèse nulle :
C-
lmt-mzl
= 2,53
3- Conclusion :
Au risque q, = So/o,
e ) :
7,96 arors on rejette Ho ra différence est
significative. Les deux
traitements nbnt pas ra même efficacité. Le
traitemeit r, est prus efficace
-'1,=9 (cofonne) et que le traitement Tr.
ECOR nous donne Exercice 17
l. il s'agit d'effectuer ra comparaison de deux moyennes pour
ras significative. Les des
observations indépendantes.
On est en présence des grands échantillons (n
utilise donc le test de léçart-réduit.
= n, = n, =37 > 30), on
Test de lGcart-réduit
1- On pose lhypothèse nulle :
Ho << Les deux groupes sont comparables pour
la distribution du nombre
de leucocytes >
2- On calcule la statistique e:
€= lmt-mrl
= 0,28
3- Conclusion :
Aurisquea=5o/o,
', = 20,la table de e < L,96 alors on ne rejette pas Ho : ra différence
n,est pas significative,
Les deux groupes sont comparables,
significative. Les
Il s'agit d'effectuer, pour chaque grouæ, ra comparaison de deux moyennes
pour des observations appariées.
Test de lécart-réduit
des obseryations
Groupe traité :
1- On pose lhypothèse nulle :
Ho << Il n'y a pas de diffërence entre avant et
après le traitement >>
Statistique inductive
2- Ona: Exercice 18
- = 2,!0
La moyenne de ces différences 1 14 1. il s'agit d'r
obseruations
-La variance de ces différences i sl = 36,24
en supposar
On calcule la statistique e:
distribué selc
= 2,09 Avant le trait
3- Conclusion :
n
Au risque a=5o/0,
e > L,96 alors on rejette Ho: la différence est significative entre avant et Après le trait
après le traitement.
Groupe témoin :
1- On pose lhyPothèse nulle :
Test t de St
2- On a:
- La moyenne de ces différences ; Fz = L,97
1- On pose
{n- L
3- Conclusion :
Aurisquea=5o/o,
e ) I,96 alors on rejette Ho: la différence est significative entre avant
après le placebo.
3. Il s'agit d'effectuer la comparaison
entre les moyennes des différences pt
pz pour des obseruations indépendantes.
Test de l'écart-réduit
1- On pose lhypothèse nulle :
2- On calcule la statistique e:
sl,sf
Aa n=1
3- Conclusion :
Au risque a -- 5o/o,
e 1 !,96 alors on ne rejette pas Ho : la différence n'est pas
Le traitement n'est pas efficace. L?ugmentation du nombre
leucorytes est due à I'effet psychique,
Corrigés
Exercice 18
1. il shgit d'effectuer la comparaison de deux moyennes pour des
observations appariées. on utilise donc le test t de sruDENT (n: t4 < 30)
en supposant que le taux de glucose avant et après le traitement est
distribué selon une loi normale.
Avant le traitement :
1ë = /;s m?:0,L4
,, = I;Lx?
^' = iLri
i=l
0,58 -
:ative entre avant et i i=
Après le traitement :
L \i-'
r placebo >>
^, =;L!i
i=1
= 0,75 , 02 = = 0r2
Test t de STUDENT
1- On pose lhypothèse nulle :
H0 < Il n'y a pas de différence entre les taux de glucose avant et après
le traitement >
:s différences 1r1 et
: pas significative,
r. du nombre de
t52 Statistioue inducti
2- On calcule : 3- Conclu
- les différences di = xi - li i Au risc
STUDE
t>tâ
dr=xt-lt , de gluc
2, Groupe tén
1 0,55 1,00 -0,45 0,2025 il s'agit
0,40 0,60 -0,20 obseruatior
2 0,04
3 0,60 0,60 0,00 0,00
. €ft supposE
selon une ft
4 0,70 0,65 0,05 0,0025
Test t de t
5 0,35 0,75 -0,40 0,L6 1- On posr
6 0,70 0,85 -0,15 0,022s Ho<Il
7 0,7s t,20 -0,45 0,2025 le place
Groupe trait
Groupe témr
Il
s'agit d'ef
- La moyenne de ces différences :
; 7 pour des
A=1i dt=ylt-m2:-o,LT test t de i
différences r
"H.
- Lécart-type de ces différences :
les groupes
des variance
1Tr, ?r2 de FISHER-S
ad. = n[tut- u.1
i=1 ,TestFdeF
.1- On pose
On calcule la statistique e:
Ho << Les
= 3,06
Corrigs
3- Conclusion :
0,09
0,0225
0,00 3- Conclusion :
2- On calcule : traitemen
Variance estimée de ol,: l?bsence
aTL la cause
sfi=fi"â=0,043 puisque lr
É10 << Le sr
F > F" alors on rejette Ito : la différence est significative. Les deux
populations nbnt pas la même variance. On calcuh
1u 2ème condition n'est pas vérifiée. L'usage du test t de sruDENT n'est pas
permis. on utilise donc le test de l'écart-réduit amélioré par wELCH.
Test de lGcart-réduit (amétioré par ilrclCn;
Conclusior
1- On pose lhypothèse nulle : i
Au risque
Ho < Le traitement n'est pas efficace
e > L,96
>>
t= F-71 = 2,L3
3- Conclusion :
êst de l'éca
- On pose l'
)4.6
è- :14
3- Conclusion :
Au risque a=5o/o,
e > L,96 alors on rejette Ho : la différence est significative' On rejette
l'hypothèse que le sex-ratio est égal à 1.
\
Exercice 2O
Echantillon i n = 50, k =28
Proportion observée I f =l: 0,56
Propoftion théorique ; p : 0,5
observée à la proportion
Il s'agit d'effectuer la comparaison de la proportibn
théorique. On utilise donc le test de lécart-réduit sachant que la condition
d'utilisation est vérifiée (n.p :50 > 5).
Test de l'écart-réduit
1- On pose I'hyPothèse nulle :
Ho << La maladie frappe autant de garçons que de filles >
2- On calcule la statistique e:
,:W-=0,847
lP'G - P)
1Jn
:en
!du
1qA Corrioés
3- Conclusion :
Aurisquea=5o/o,
e I 1.,96 alors on ne rejette pas H0 : la différence nlest pas significative. La
2- On calcule la statistique s: 2-
lp-fl 1rn
':
\n
3- Conclusion :
-n-.Gi-:L'r' 3-
Aurisquea:5o/o,
e < 1,,96 alors on ne rejette pas H0 : la différence n'est pas significative. La
OUI
déc(
Statistioue inductive
3- Conclusion :
Aurisquea=5o/o,
signifrcative. La e I I,96 alors on ne rejette pas Ho : la différence n'est pas significative.
La proportion théorique de sourds-muets est de 0,25.
2. Echantillon I n : 3oo, k :96
Propoftion observée : f ::= 0,32
3- Conclusion :
Aurisquea=5o/o,
s significative. La e > 1,96 alors on rejette Ho i la différence est significative, La
proportion théorique de sourds-muets n'est pas égale à 0,2S.
Exercice 23
1. Calcul de la durée moyenne de survie après le traitement :
Classes Nombre de suiets décédés
I 0,11 230
'ée à la ProPortion 17,21 L40
t que la condition 80
12,31
13,41 40
I 4,51 10
rpulation dont la
Total 500
1s- f,
*= SOOLrLi,xi=7,42 , o= = 1,05
t=1
2- On calcule la statistique e:
.E=lM -m
-'-2,55
Jn- Exr
3- Conclusion : Gro
Au risque d. = 5o/o, Gro
e>7,96a|orsonrejetteHo:|adifférenceestsignificative'
survie plus Il
on peut conclure que le traitement provoque une durée de
s
obs
longue.
con
On considère la v.a. X << Durée de survie d'un sujet
traité >>'
3. p-
probabilité pour qu'un
si X suit la loi exponentielle de paramètre 2 alors la
sujet traité survive au bout d'un temps t est : T.es
P(X>t)=e-tt 1-
avec
1 2-
E(x) =
7
Ona:
E(X) = t^: t,n' + )' = 0'7
1
P(X>l)=s-o'z't =0,49
Le taux observé de survie à 1 an est :
'r =!!:0,54
500
Le taux théorique de survie à 1 an est :
P=P(x>1)=0,49
Il s'agit d'effectuer la comparaison de la propoftion obseruée que fà
sachant
proportion théorique p en utilisant le test de lécart-réduit
condition d'utilisation est vériflée (n'p = 245 > S)'
Test de l'écaÉ-réduit
1- On pose l'hYPothèse nulle :
H0 << Le taux observé de survie à t an est compatible
avec I'
2- On calcule la statistique s:
,=4=rr{
_ p)
tlp.Gn
3- conclusion'
Aurisque a-So/o,
e > r'96 alors on rejette Ho
: la différence est significative. Le taux
observé de suruie à t an n'est pas
compatibre avec t,hypothèse faite
la distribution des durées de sulie. sur
Exercice 24
Groupe traité : nt = 60, kt = 40, fi =l=:
Groupe témoin i n, = 40, k2 - 20, fr,
=b _ !
e'su{q4ie plus Il s'agit d'effectuer ra comparaison de
observations
q.r', orlo"rtions de guérison pour des
indépendantes en utilisant le
test oe t'écart-Ààuit sachant que
d'utilisations sont vérifiées (rr.p les
iio':',".?: = ru t , 24 )5
i pour'qu'un P= ffi=0,6). "t'nr.p = avec
Test de lécart-réduit
1- On pose l,hypothèse nulle :
Ho < Le médicament n,est pas
efficace >
2- On calcule la statistique e:
t= lfi - fzl
='1,,66
donc : 3- Conclusion :
Au risque d. = So/o,
e < r,96 arors on ne rejette pas
H0 : ra différence ntst pas significative. Le
médicament n,est pas efficace.
Exercice 25
Groupe protégé i n, = s0 , k1 - t7 , f, =
l= 0,34
ée/à la Groupe non protégé : n, = s0, k2 - 2r, f, =l= 0,42
rant que la Il s'agit d'effectuerra comparaison de deux proportions
de contaminée pour des
observations indépendantes en utilisant
le test de lécart-réduit sachant que
conditions d'utilisations sont vérifiées les
p=
(nr.p = 19 > S
et n2.p= 19 S avec )
',hypothèse
#- o,3B),
Test de lGcart-réduit
1- On pose lhypothèse nuile :
Ho * Le dispositif de protection
n,est pas efficace >>
160 Corrigés Stati
2- On calcule la statistique e :
Aurisquea=5o/o,
e <!,96 alors on ne rejette pas Ho: la différence n'est pas significative. Le
3- Conclusion : -
Au,risque a = 5o/o,
t 11,96 alors on ne rejette pas H0 : la différence n'est pas significative"
Les deux groupes sont comparables. On devrait s'attendre à un tel '
résultat.
2. Il s'agit d'effectuer la comparaison de deux proportions de sujets atteints de .
la grippe pour des observations indépendantes.
Test de l'écaft-réduit
1- On pose l'hypothèse nulle :
H0 << Il n'y a pas de différence entre les proportions de sujets atteints dq:'
la grippe dans les deux grouPes >>
" .I
é
Corrioés
2- On calcule la statistique
e:
'=S;(+-,-:
.,1'',t = 1'13
3- concrusion .
lnificative. Aurisgue q.- So/o,
e<1,9 onn€
)trx gtroupes
>>
,. Iest p de
, t-
1- on oo. ,,ryporhèse
1r_:::- nuile ;
ooo,,.,,ons
2- J;;i:',Jl'" onr ra mên
ne variance
as v..i.n.J.rtr.rnée (oi, = oâr) ,
rndre à un
oe oor, :
ets atteinb = oiz = 2,27
variance
esumée
4s oÊ,"r
*-
"t*'*oi2=.'ss
Cornmê
srz ) sr2 , on calcule la
2 staUsUgue.F:
= g,6t).
3- '=#=t,ru
,
concrusion
ltteinb
i ; t;"-; Y",î ;;,::;,ïiff: j: l,g,ï.i
;b;.i; ;1 j:"l*?
[,ïffffi.i"î:j;n ,],i;;,, *n*u
n,estps
TCSI t dE STUDENT
1- On Pose l'hYPothèse nulle :
les moyennes >>
H0 << Il n'y a pas de différence entre
Z- On calcule la statistique t:
population
où s2 est la variance estimée de la
:
+nlr'oiz
^, -n!r'oiz
n|+ n!, - z
=z.og
3- Conclusion :
2'o45'
table de STUDENT nous donne tà =
t<tî,a|orsonnerejettepasH0:|adifférencen'estpassignificative.
onnepeutpasdireque|acrèmeprésentederéactiond'intolérance.
Remarque:Dans|aquestion2.,on.s'estassuréquelessujetsnétaientpas
pu fausser les résultats
crème, ce qui aurait
absents pour des raisËns liées à la
Durée de rémission
20 20 40
A
Traitement 50
B 20 30
40 50 90
TOTAL
les proportions de malades aYant
Ils'agit d'effectuer la comparaison entre
une durée de rémission supérieure à tz
mois'
_k
Traitement A : nr= 40, kt = 20' fi =i=o's
d'utilisations
on utilise le test de l'écart-réduit sachant que les conditions
Lr+kt - o,s5).
sont vérifiées (nr'p : 22 ) 5 et n''P = 27'5
> 5 avec p = n1'tfl2
Test de l'écart-réduit
1- On pose l'hYPothèse nulle :
>
Ho << Les traitements A et B ont la même efficacité
Statistique inductive 163
2- On calcule la statistique e :
- frl
lfr
= 0,BB
P'(r -rl (f, + )
3- Conclusion :
Aurisquea=So/o,
e <-r,96 alors on ne rejette pas H0: la différence n,est pas significative.
2- On calcule d'abord la durée moyenne de rémission ainsi que la variance de
. chaque groupe,
Traitement A :
= 29, la n1= 40 ,
^r=*Zx=rs, ol=|1, - m? = 132,5
Traitement B :
live. L S-
nce.
TLz=50 , -r:;>x
'' = 2o , o] =
*Zx' - mZ,= 110
ent pas Il shgit maintenant d'effectuer la comparaison entre deux durées moyennes
r$ultats de rémission pour des observations indépendantes en utilisant le test de
l'écart-réduit sachant que la condition d'utirisation est vérifiée (nt 40 > 30
=
etnr-50>30).
Test de l'écaÊ-réduit
1- On pose l'hypothèse nulle :
2- On calcule la statistique e:
Au risque d, = 5o/o,
0s 0ù 'tvror
06
g
09 0t 0z
luetuel!eJI
0, 0z OZ v
Tffi
'€ uonsenb el ap
quasqe
e1 sapll suoslel sap lnod
gsllnsgl sal lassneJ nd ltelne tnb ar 'aulalf, ç
glnsse lsa's uo ''7 uotpenb el suec
: anbJeulad
:sed luelel?,u sle[ns sa1 anb
e1 anb arlp sed mad eu uo
...t---'rrurËioru,,o uonle?l ap eluas?rd aul?rl
allatar au uo s'role 1r > r
'antlecgtubts seo rsa,u aluel?Jllp e1 :0H sed
'svo'z = fr auuop snou INfonIS ep elqel
o/os-n anbstl ny
el'62=l-zv1rv- A'l'p'p ap elquou el le^e : uolsnlluo] -€
. z-lu+r,u ,sc .
Bo'z=7fr+:p.r= .
no
: uogelndod el ap a?uqse efueue^ el1se zs
Nombre de
Traitement A Traitement B
malades
+ + 23
+ 15
+ 5
L7
TOTAL 60
, -la -
bl
= 2,23
'JaIb
3- Conclusion :
Au risque d. = 5o/o,
Test de lécart-réduit
1- On pose l'hypothèse nulle :
Ho
" ll y a une relation entre les traitements A et B >
2- On calcule la statistique e :
- frl
lf,
= 3,BB
dire 77
;tion de
p.(r-alÇ!+fi)
rires de 3- Conclusion :
Aurisquea'=So/o,
e >
7,96 alors on rejette Ho: il y a une relation entre
les traitements A et
rbre de B. cette reration est positive (fr> ceci
fr). signifie qu,un marade ayant
donné un résultat + par re traitement A a plus
de chances de donner le
même résultat par le traitement B.
Exercice 29
rour le
1.
a. Il s?git d'effectuer la comparaison entre deux proportions de succès
ion est (durée de sommeir supérieure 5) pour
des observations appariées. Tout
d'abord on dresse re tabreau suivant en utirisant
re signe + (succès) et
le signe - (échec).
30
e. Le TOTAL 1.70
on ne tient pas compte les paires de réponses concordantes
cêst à dire
' avec 17 réponses (-,-) et 23 réponses (+,+), qui n,apportent
rien à la
lec le question de savoir quel est le meilleur
somnifère. On considère alors les
paires de réponses antagonistes :
,ies +
,leC le 20 réponses (_,+) et 18 réponses (+,_)
y
Il a donc 38 réponses antagonistes, on désigne par a re nombre de
réponses (-,+) et par b celui de.réponses (+,_).
a:20etb=19
La proportion de succès pour le somnifère A est /, : *: 0,47 et celle T
1
pour le somnifère B est /r ='*= 0,52.
On utilise le test de l'écaft-réduit sachant que la condition d'utilisation
est vérifiée (ry = 1e > s).
Test de l'écart-réduit
1- On pose l'hypothèse nulle :
Ho << Les deux somnifères ont la même efficacité >>
2- On calcule la statistique e:
, -la -
bl
= 0,32
{at b
3- Conclusion :
Au risque d. = 5o/o,
avec le somnifère B parmi les malades ayant donné une réponse + avec ;,
le somnifère n (Â = f(B+/A+)=#=0'7) à la proportion de réponses ,;
+ avec le somnifère B parmi les malades ayant donné une réponse -
avec le somnifère n (f, : f-(B* /A-) = # = 0,+). ju
3- Conclusion :
Aurisquea=50/o,
e) L,96 alors on rejette Ho : il y a une relation entre les somnifères
A et B. Cette relation est positive Ut > fr)'Ceci signifie qu'un sujet
ayant donné un résultat + par le somnifère A a plus de chances de
donner le même résultat par le somnifère B.
2. Il s?git d'effectuer la comparaison entre deux moyennes pour des
observations appariées en utilisant le test de l'écart-réduit (n = 7L0 > 30).
Test de l'écaË-réduit
1- On pose l'hypothèse nulle :
Ho << Les deux somnifères ont la même efficacité >
2- On calcule :
- La moyenne des différences :
A =:)
NL
di =nrn-mn = o,s7
Lécaft-type de ces différences :
Od: = 2,24
On calcule la statistique e:
= 2,65
3- Conclusion :
Aurisqueo =So/o,
e > r,96 alors on rejette Ho: la différence est
significative. Le somnifère
A est plus efficace que le somnifère B
G = ma _ m" > 0).
3. on doit tenir compte de la réponse de ra question 2. puisque re
critère de
jugement est un caractère quantitatif.
on peut dire que re somnifère A est
meilleur que le somnifère B.
Exercice 30
Il s'agit de comparer les moyennes des différences de poids
des trois
échantillons, pour
cela, on utilise le test F de FISHER-SNEDECOR en
supposant
que la condition de normalité des différences
de poids est vérifiée. En ce qui
concerne la condition dégalité des variances, on la
vérifie par le test de
BARTLETT.
Moyennes et variances :
Echantillon E, :
10
Ls-
^r: tO LxÏ
j=t
= 2,75
LO
1sr
',' =;L(*l - *r)' = 0,24
j=t
où xrl sepl les différences de poids dans léchantillon
Er.
Echantillon E, :
l-S
, ffiz= =2,1
, *Lxf
t=t
168 C.orrioés Statistiq!
L $, 3-
' = ' ') =0,25
"î .,L(ri'-^r)-
Cor
Au
j=t
où rr? ssnl les différences de poids dans l'échantillon Er.
É,,
T<
Echantillon r, :
10 pas
1ç clon
^t= nLrf
j=r
=2,2
Test F
, 7 Sr '2 1- On,
.o! = *LVï "'-*r)-:0,14 Ho,
j=t
où xr9 56n1 les différences de poids dans léchantillon E .
2- Onr
Variance inter-colonnes :
k
1sr
SÂ = t lLni.(mt - m)2 : 7,23 3- Con
i=r Aur
avec la'te
k
1ç
* =;Lrli.mi: l,l5
F>
sign
i=1
3 effic
k=3, TLL:îLz=flz=\0, ro=Fnt=30
Variance intra-colonne ou résiduelle :
.a
u
_1r - \ ni.o!=0,23
53: k?-
"-
ê
k=3, TLL=Ttz=Th,=I0, ,= Lni:30
i=L
Test de BARTLETT
1- On pose I'hypothèse nulle :
Ho << Les variances des trois populations sont égales (oi, = oj, = ojr) ,,
2- On calcule la statistique 1:
(n - k).tn(sÊ) -Ef=,(ni - 7).In (#r) Du fait.
T_
1+3*|o(zr=,fi-h) compare
Tout d'ât
(30 - 3). tn(o,23) - (r.r"(f;0,2+) * e.In(f;o,zs) * e.In(f;0,r+))
,*+z(+.+.+-ru-)
: Or4G
3- Conclusion :
3- Conclusion :
' =fi= 5'35
Au risque q = So/o ê
= n - k = 27 (rigne)
ra rabre d" FT'HER-:ïTJÉ;I ;j;,ofi:'ïTf:lr "
F > & alors on rejette Ho
et on concrut que les moyennes
dans t,ensembte. Les trsis diffèrent
traitemenrs n,ont pu, ra
:ii:ffË:".ment même
Tableau d'analyse de La variance
à un facteur
Somme des Carrés des
EcaÊs Carrés moyens
si = 7,23
SCE(lnter) = 2,45
Variance inter-
colonnes
SCE(Intra) = g,l
SCE(Tot) = B1S
On veut comparer mz avec m, puis m3 aVeC m' On constrUit deux ContraSteS
pour chaque comparaison.
Trvs. Tt
Cr=ffi2-Tfts= -0,1 (cr =0,c2=!,cs --1)
T3 vs. T1
Cz = rt4 - TrLs : -0,55 (c, : !,c2 : 0,ca, = -1)
Test de SCHEFFE
Tz vs. T3
On calcule la valeur critique pcjur le risque a = 5o/o.
vc-
wc-
wc-
Test de l'écaft-réduit
1- On pose I'hypothèse nulle :
lmn - mrl
t= = 2,\2
o1.o3
ne-1'np-I
3- Conclusion :
Au risque d, = 5o/o,
Test t dC STUDENT
1- On pose l'hypothèse nulle :
Ho << Le traitement B nbst pas actif >
2- On calcule la statistique t:
f=
lm" -m"l = 1,06
SFH
où s2 est la variance estimée de la population :
nn.oÊ r np.ol
^2_
J- = 42,70
ns*np-2
3- Conclusion :
(
H0 << Les traitements A et B ne sont pas actifs >
2- On caliule la statistique F : 5.r
(
-sï
F = t,9
i"= (
k t
,l\-
t'^ = (mt - m)z : 69,35
n _ tàni.
, rs
tÊ=
k ,(
^ =;LrLi.rtri =
18,375 lhnE
9nc
aVeC nA - 30, na : 20 r flp =30 etn = rlt*ns ln, = $Q' dans
Ond
(kl-=
Statistioue inductive L73
sï= 69,35
Entre
SCE(Inter) = 138,7 2 Variance inter-
9roupes
colonnes
sÊ = 36,9s
Résiduelle SCE(Intra) = 2800 77
Variance résiduelle
3- Conclusion :
et << atel,ier >>. La comparaison entre masques et celle ateliers se fait par
l'analyse de la variance à deux facteurs.
On désigne par xij le dosage du sujet protégé par le masque Mr et travaille
dans l'atelier Aj avec i:
1,2 eti = 1,2,3,4.
On désigne par k le nombre d'ateliers (k = \
et piar k' le nombre de masques
(k' = 2).
t74
1ç'k'
*t =o L'',
t=1
3- Conr
mt = 7,5 r ffiz = B, ms = 8, m+ = 6,5
Aur
Les moyennes des 2 masques
' n
3 (lir
F<
u, =ll',,
j=r
( atl
atelri
14=8, Ltz=7
La moyenne des moyennes :
Test F r
k'kkR' 1- OnF
1VS 15' 1ç' Ho
^ = Li=L L*'i
t't
= E Lmi
=V /ut <<
.t;^=-3_ =
2.7,5
1
Variance inter-colonne pour le facteur << masque >> ou variance entre masques :
k'
1 rt
^,?
S'zn: - m)'
U, _ 1/ ;"i.Qri
- -
_z _ N. 02 (k r). s1 (k', t). s',2A
,S -
- -
'E _B.o:7s
12 - 3.! - !'2 = 0,33
8-4-z+t
Test F de FISHER-SNEDECOR pour le facteur << atelier >>
H0 < Il n'y a pas de différences entre les moyennes des deux masques >>
2- On calcule la statistique F :
_s'ï
n
2
=Ê =03. =6'06
3- Conclusion l
lues : a?=------=
scE(F1)
scE(Fl) = 3
^
-r'
k-7 L
g,, -SC-!(F?)
scE(Fz) =
^ k'-7 -,
2
Variance pour le facteur
<< masque >>
_ SCE(Rés)
IR=ffi=0,33
.t,z
.SCE(Rés) =l
Variance résiduelle
SCE(Tot) : g
176
Exercice 33
Il s?git d'un problème de conformité entre la distribution expérimentale et celle.
théorique. On utilise le test de Ë.
Test de f
1- On pose l'hypothèse nulle :
Ho .. La distribution expérimentale est conforme à celle de l'ensemble de
l'Europe >> F
2- Calcul des effectifs théoriques Ti
'
:
Ti = n,Pr r
aVeC i= 1,2,3',4
E
Groupe sanguin o A B AB TOTAL
On sait que :
X -+ B(2,0,5)
avec
P(X = k) : C!. (0,5)k.(0,5)2-f'
P(X = 0) = 0,25
P(X = 1) = 0,5
P(X=2)=0,25
Il s'agit d'un problème de conformité entre la distribution expérimentale et
la loi binomiale. On utilise le test de Ê.
.' CorriÉs Statistioue inductive 177
.."
Test de I
tâle,'et celle 1- On pose l'hypothèse nulle :
Ho << La distribution expérimentale est conforme à la loi binomiale >>
, i (oi-T)'
n=Lf:1 i=L
3- Conclusion :
Inclut que
1ç
^:, àni.xi=\,32
)les pour
2. La loi théorique de probabilités .orËpondunte à ces données est la loi de
POISSON.
la loi de
3. Calcul des effectifs théoriques T; :
P(X=!)=s-t'tz.
e_ntale et
P(X :2) = s-t'32.
P(x =3) = s-r'32. 9# = 0,,
P(X=4)=s-t'22.ry=0,04
On calcule 11 par :
Tr = n,Pr
avec i= I,2,3,4
4. lest de I
1- On pose l'hypothèse nulle :
On calcule la statistique f :
+_
(ot
Ê. =\
tLç -T)' = 0,35
Ti
2
3- Conclusion :
"\
Exêrcice 36
1. Tableau des effectifs :
[75,851 10
[85, 95[ 6
[95 , 105[ 1.
TOTAL 50
Effectif
1B
1.6
L4
T2
10
+
2
0
45 55 65
poids
2. Calcul de la moyenne et de lécart_type
:
J
ffi
1ç'
=:n I_)
) ni'xi = 79
, '='
n =:Zni,xl -mz = LB| + o= 13,41
:-'
Test de I
I-On . , ,, ..
Ona:
X + N(70,180)
On pose :
x-70
r =ffi
-l N(0,1)
P(X <35) = P(T <-2,6): F(-2,6) - 7- F(2'6) - !- 0'995 = 0'005
P(35 < X < 45) = P(-2,6 <T <-1,86) : F(-1'86) - F(-2'6)
:
= F(2,6) - F(1,86) = 0,995 - 0,969
:0,026
P(45 <X< 55) =P(-1,86<T <-LJL)=F(-l'LI) -F(-1'86) =
= F(1,86) - F(1,11) : 0,969 - 0,867 = 0,lOZ
P(55 < X <65):P(-I,LL<T <-0,37)=F(-0'37) -F(-1't1) =
: F(1,11) - F(0,37) = 0,867 - 0,644 = 0,223
P(65 < X <75) =P(-0,37 <T <0,37) = F(o'37)-F(-0'37) =
= 2. F (0,37) - ! = 2'0,644 - L = 0,288
P(75 <X < 85) = P(0,37 <T < 1,1I) = F(1'11) - F(o'37) =
-- 0,867 - 0,644 = 0,223
P(85 < X < 95) = P(L,l! <T <1,86) = F(1'86) - F(L'LL) =
= 0,969 - 0,867 = 0,102
P(95 < X < 105) = P(1,86 <T <2,6) = F(2,6)-F(1,86) =
= 0,995 - 0,969 = 0,026
P(x> 10s) : P(r_;r33, = t- P(r <2,6) - 7 - F(2'6) = t -0'ee5 =
,
On cafcufe Ti Pat ,
,, = fl.pi
avec i= 1,2,3,4,5,6,7
Moins de 35 0 0,25
2 1,30
[35 ,45[
5 5,10
[45,55[
9 LT,L5
155,65[
17 L4,40
[65,75[
10 L7,r5
[7s, BsI
6 5,10
[85,95[
1 1,30
[95, 105[
Plus de 105 0 0,25
TOTAL 50 50
TOTAT 50
)- 50
On calcule la statistique I :
l = Y g-T,)'
,c,:L ,==1,03
3- Conclusion
Au risque a=50/o avec v=k-7-2=2. Ici, on a estimé deux
paramètres (la moyenne et la variance) pour
déterminer les effectifs
théoriques). La table de f nous donne
fo = S,ggZ.
995 = 4 . f" alors on ne rejette pas Ho : ra différence n,est pas significative.
On conclut que les résultats observés sont conformes
à la loi normale.
Exercice 37
1. Tableau des effectifs théoriques :
TOTAL 384
On utilise le teste de f (la condition d'utilisation du test est remplie car
lasses 4>svr).
et les
SEi
Testde f
1- On pose I'hypothèse nulle : !
Ho << La distribution expérimentale est conforme à la loi de MENDEL > B
2- On calcule la statistique f : Tat
; (o'
.^
l:t
LçATi -T')' =23,95
3- Conclusion :
Catégorie
A B c TOTAL
3a rn
\uii - T,,)'
'"c=, )
Ê - 'i;'t = 4,92 tij
3- Conclusion :
"-?,
Au risque a = 5o/o avec v= (2 - 1).(3 - L) -- 2 la table de Ê nous
donne fo = 5,992'
Statistioue inductive
Poison
A B c D TOTAL
Nombre de souris
4 9 72 5 30
moftes
)n conclut
:NDEL. Nombre de souris
36 3L 28 35 130
vivantes
TOTAL 40 40 40 40 L60
On utilise le test de f .
Testde f
1- On pose l'hypothèse nulle :
Ho < Les quatre poisons sont homogènes du point de vue toxicité >
2- On calcule les effectifs théoriques Tij par :
Tri=yN
oùN:160
Tableau des effectifs théoriques 4; :
Poison
A B c D TOTAL
Nombre de souris
7,5 7,5 7,5 7,5 30
moÊes
Nombre de souris
32,5 32,5 32,5 32,5 130
vivantes
TOTAT 40 40 40 40 160
On calcule la statistique f :
z 4 r^
É =i i @'i - r")'
'ec rtj = 6,72
e2
3- Conclusion :
Groupe
TOTAT 50 50 100
f
On utilise le test de .
Test de I
1- On pose l'hypothèse nulle :
H0 << Les pourcentages de sujets ayant pris de l?spirine ne sont pas
différents entre les deux groupes >
2- On calcule les effectifs théoriques Tiipar i
1. -'nt'mj
oùN=1oo
"r-T
Tableau des effectifs théoriques 4, :
Groupe
-)
É =>.1loLi -rù- = 3e,72
i=i;. tti
3- Conclusion :
le f nous Au risque a=So/o avec y=(Z-7).(2_1)=1la
donne Èo = 3,842.
table de f nous
TOTAT 50
On ne tient pas compte les paires de reponses
concordantes, c,est à
dire 31 réponses (-,-) et 10 réponses (+,+).
On considère alors les
paires de réponses antagonistes
sont pas :
Tz=n.(l-p)
Couple de réponses -r -1- -f t- TOTAL
Effectif obserué o1 J 4 9
, +(loi-tl-o,s)'
n=L-=û
3- Conclusion :
Testde f
,, 1- On; pose llhypothèse nulle, :: ,
H0 << Il n1y a pas de, relation entre les résultats des deux dates >> '
2- Tableau des'effectifs'observés oii i, , , ,
TOTAL 15 35 50
On calcule les effectifs théoriques T;; par :
ntTni
rti=-f
oùN=50
Tableau des effectifs théoriques ?"1; :
TOTAT 15 35 50
L'usage du'test de f
n'eist pas permis car TLL est inférieur à s. on
utilise donc le test de f
corrigé de yATES.
On calcule la statistique
ficorrigéde yATES :
l .eonclut
e l€s. ",-sÉ(lo"-r,rl
/;: -o,s)'
LL---T-=L3'27
résultats 3- Conclusion :
' oùN=za
l
I oo l^^rridé. StË
?
{
Traitement
A B TOTAL
Faible 6 6 L2
Amélioration Moyenne 3 3 6
FoÊe 1 t 2
2.
TOTAL 10 10 20
La condition d'utilisation du test n'est pas remplie car TzL, T.', T22êt 732
sont inférieurs à 5, Il faut donc regrouper les deux dernières lignes.
Traitement
A B TOTAL
Faible 6 6 1.2
Amélioration
Moyenne ou
+ 4 8
foÊe
TOTAL 10 10 20
Traitement
A B TOTAL
Faible 3 9 t2
Amélioration
Moyenne ou ,7
1 B
foÊe
TOTAL 10 10 20
-rnl- o's)'
É:>f@'i
i--t i--t - Ll
= s,zo
3- Conclusion :
Traitement
A B
7 L
1 7
7 1
2 7
Diminution
d'une lésion 2 1.
(mm) 2 T
2 L
2 1.
3 1.
3 2
TOTAL 10 10
On calcule d'abord la moyenne et lécart-type
de chaqu. gr*p".
TraitementA:n, = 19
1x-
ffiL=- ) X;='1,,9
nt,?
Traitement B: n, = Io
Ls-
?nz=7 ) li=I,L
tL?.tJ
r=1
190
02=
;Z'-m3
On est en présence des petits échantillons (n, et nr<30), on utilise
éventuellement le test t de sruDENT car ce test exige la condition de
normalité des diminutions d'une lésion dans les deux populations dbù
proviennent les échantillons (cette condition est souvent vérifiée) et la
condition dégalité des variénces des deux populations (o3, = oj,) (On la
vérifie par le-test F de FISHER-SNEDECOR).
Test F de FISHER.SNEDECOR
1- On pose I'hypothèse nulle :
Ho << Les deux populations ont la même variance (o3, = oi) "
2- On calcule :
F =sj
S,
= S,+
3- Conclusion :
2- On calcule la statistique s:
I, on utilise lm, - mrl
t= = 3,15
:ondition de
lations dbù
rifiée) et la
oj,) (on 3- Conclusion :
#.;+
ta
Au risque a =so/o avec re nombre y
de d.d.r. rentier re prus proche de
k donné par la relation :
k- ='J'2'20 + v=!2
1 | ,
n-1\n
La table de STUDENT nous donne
tâ = Z,LTI.
> tâ alors on rejette Ho : la diffiérence
s
est significative. Les deux
traitements nbnt pas la même efficacité.
Le premier est plus efficace
(m, ) m2).
Exercice 42
1. On utilise le test de Ê.
a. Accouchements prématurés :
. Tableau des effectifs obserués o,,
:
(colonne)
lus donne
Les deux
'n'est pas
t h vaileur
rnction du
che de k
'r.'N-ni'mj
192 Corrioés
fi
{
oùw=2oo
Tableau des effectifs théoriques T1; :
Accouchement prématuré
=ff
4- ui=r?-
(lo,i - &:l - o,s)'
tii -o
3- Conclusion :
Hospitalisation
A 28 72 100
Groupe
B t4 B6 100
Testde f
1- On pose l'hypothèse nulle :
Tii=f 'TIliTL:
oùN=zoo
. '; Corrigés
..
Tableau des effectifs théoriques T,; :
1 => f
@,, :'")'
(--?- rtj - ,,,
3- Conclusion :
rportions
1- On pose lhypothèse nulle :
H0 << Il n'y a pas de différence entre
res proportions de césarienne >>
2- On calcule les effectifs théoriques Tij par
:
lli.lTIt
I:;=--
.rN
oùN=2oo
1c,4 Corrioés
Césarienne
2 2 rn \2
=
\- \'\uir - -tri) :0,47
,L-l-
3- Conclusion : "
Au risque a = 5o/o avec v = (2 - l).(2 - 1) = 1 la table de f nous
donne fo = 3,9+2.
É . È" alors on ne rejette Pas Ho i la différence n'est Pas
significative
d. Moft-nés:
tatjleau des effèctifs obserués o,, :
Mort-nés E)
Or
Oui Non TOTAL T(
1-
A 4 96 L00
Groupe
2-
B 3 97 100
Test de I
1- On pose l'hypothèse nulle :
Mort-nés
22
I ty (lo,i - r,il - o,s)'
- o
"'-=âh rij
3- Conclusion :
oùN=976
Tableau des effectifs théoriques T1; :
Groupe sanguin
AB A o *B TOTAL
Sexe
205,81 L92,L6 s8,52 476
Femmes 19,57
2 4 fn \2
-
,,--r-TS\uii-rttl
- rij =2.L5
âh
3- Conclusion :
Aurisquea=So/oavecv=(2-1).(4-1)=3latabledefnous
donne Êo = 7,8L5'
Ê.È"alorsonnerejettepasH0'Iln'existepasuneliaisonentrele
grouPe sanguin et le sexe.
Exercice 44 ''
On utilise le test de .f
Test de f
1- On pose lhyPothèse nulle :
H0<I|yaindépendanceentrela|oca|isationducanceret|esexe>>
2- On calcule les effectifs théoriques Tii par :
fri=T
oùN=298
Statistique inductive
=.-..---gsrlscs L97
Localisation du cancer
2 3 ln
- \2
l=YY('ti-t;il
4= Là-J;"=1'2,82
f nous 3- Conclusion :
r,, =!!!
N
où ltr : 125
ttt *rr,ou,
* "t
Aucun
40 10 50
Effet
PeÉe de
60 15 75
sommeil
t,l=if(o,i-r,i)'=0,83
- LL r,,
i=L j=L
3- Conclusion :
L 2 3 TOTAT
Oui 15 70 2B 113
PoÊ de
lunettes
Non 35 130 72 237
La condition d,utilisation
O, t"
On cafcule la statistique
f :
23
4=rl(ou-r,,)' _ ..^
a?' T- ='J"63
3- concrusion :
'= (2- 1). (3 -
avec 1) = 2 ta rabre de Ê
rr5Ï"'t= î;:: nous
Mu
lâspirinez{ Le placebo de a
TOTAT
F_
343 + 568
tr- 4292 + 4300 =
0,106
448 + 46t
"f" =-4295 + 4300 = 0,105
On utilise le test de lécart-réduit sachant que les conditions
d'utilisationg sont vérifiées (nt.p = 9L0,75 > 5 et nr.p = 97L,07 ) 5
avecp:#=0,106).
Test de l'écart-réduit
1- On pose l'hypothèse nulle :
2- On calcule la statistique e :
lf, - hl
= 0,27
p.(r - r> (i*
3- Conclusion :
Au risque u=5o/o,
e 1L,96 alors on ne çejette pas Ho: il n'y a pas d'interaction entre
,4 et.t.
L'àssociation A +.S ne présente aucun intérêt. Cela signifie que
l'effet de chacun des deux traitements est le même que l'autre est
présent ou absent.
b. On peut donc étudier l'efficacité globale de chacun des deux traitements
puisqu'il y a absence d'interaction.
Effet global de A :
804
fr=ffi2 = 0,094
Groupe recevant.4 sans tenir compte de S :
L01,6
f'= gooo = o'l-18
On utilise le test de l'écart-réduit sachant que les conditions
d'utilisations sont vérifiées (nr.p = 9L0,22 > 5 et rlz.p = 9LL,6 > 5 avec
e= X;- 0,106).
Statistioue inductive 201
Test de lécart-réduit
1- On pose l'hypothèse nulle :
Ho < L'aspirine A n'est pas efficace >
2- On calcule la statistique e:
lf, - f,l
= 5,11,
p.(1 - ù.ÇL +
3- Conclusion :
conditions q.
Au. risque = 5o/o,
97L,0V > 5
e > 1,96 alors on rejette Ho i La différence est significative.
L?spirine.4 diminue le risque de décès CV.
Effet global de S :
Il s'agit de comparer entre deux proportions de deces CV des deux grouæs :
l,- = M,=
791,
0,092
7029
f, = 0,720
Æ=
on utilise le test de lécaft-réduit sachant que les conditions
ction entre d'utilisations sont vérifiées (nr.p = 910,75 > S et n.r.p =9LI,07 > S
avecp =#=0,106).
ignifie que Test de l'écart-réduit
l?utre est 1- On pose l'hypothèse nulle :
Ho < La streptokinase S n'est pas efficace >>
:raitements
2- On calcule la statistique e:
€= - frl
lf,
= 5,75
des deux p
\1-ù (+.#,)
3- Conclusion :
Aurisquea=5o/o,
e > t,96 alors on rejette É/o: La différence est significative. La
streptokinase diminue le risque de décès CV,
Comparaison entre .4 et .S:
Au risque a:5o/o,
e 1L,96 alors on ne rejette pas Ho r La différence n'est pas
significative. L'aspirine Aet la streptokinase .s ont la même
efficacité.
3.
a. Recherche d'une interaction :
Testdel t
Décès CV
Tri=lTLi, TIL;
où N = L7rB7
Statistique inductive ?n?
1WJ
Décès CV
rditions
5 avec Oui Non TOTAT
:, f
É- t'r-H @,, -rti
r,,)'
= o,oo3
Décès CV
A sans tenir
804 7783 8587
compte de.S
Groupe
recevant
.4 sans tenir
1016 7584 8600
compte de s
où N = r7gr7
"i-T
204 o '' Corrioés
Décès CV
,r)^
@ti
Ê- =i; -r',)'
tij = 27,26
uutll
3- Conclusion :
c. Effet global de S :
Test de I
1- On pose l'hypothèse nulle :
H0 << La streptokinase n'est pas efficace >>
Décès CV
s sans tenir
791 780]. 8592
compte de e
Groupe
recevant
5 sans tenir 8595
1029 7566
compte de ^a
T" ---!-TLi
'TlL;
_LJ=
N
oùN = t78L7
Tabfeau des effectifs
théoriques ?"1, :
Décès CV
.S sans tenir
La condition d,utifisation
d,
On calcule la statistique
22
f :
É =>1,(o'i -,rt,)'=
a_/ L_/ 35,03
f nous '='
j=' ''l
3- conclusion :
avec v = (2-r)'(z-1)
rspirine
ffi:ï: lotn') = 1 ra tabre de f nous
'*l
=--l
2- Tableau des effectifs
observés O,, :
nrl
__l
es/ L979
60 1.440
1980
---. 1981
65 1460
ï_l 1,982
.53
62 7463
7397
On calcule les effectifs théoriques Ti1 par :
rl;,nli
Tii = j-
où N = oooo
Tableau des effectifs théoriques 4, :
Grands prématurés
H0 < Les durées moyennes de séjour des quatre années ne diffèrent pas
dans leur ensemble >>
2- On calcule la statistique F :
c2
F ="4
J;
= 1,7
où
Sr2 est la variance inter-colonnes :
ré
SÂ = n _tLnt. (mi - m)2 = 3L,25
i=l
Statistioue inductive 207
tÊ=*tni'ol=18,43
i=L
avec
k
1ç
* =;Lni.mi = QQ,lt
i=L
k: 4, n, = 60, nz = 65, r\: 621n+
=21=tnr = 240 = 53, n
Tableau d'analyse de La variance à un facteur
Entre
s = 3L,25
SCE(lnter) :93,74 3
groupes Variance inter-
colonnes
3- Conclusion.
\a \êClre N.
Au risque a=50/o avec uA-ls-7=3 (colonne) et vp=n-k=236
) la table de FISHER-SNEDECOR nous donne 2,606 < F, < 2,680.
('4 alors on ne rejette pas Ho : Les durées moyennes de séjour des
années ne diffèrent pas significativement dans leur ensemble.
de déterminer le coellcient de corrélation.
':.
' cov(x,y)
.:.
, r = tx,oy
est I'année et ----= de séjour.
y est la durée moyenne
de la moyenne et de la variance :
4
1st
V:=)
*H. x,= 1980,5
r3
: iL@i
"i -D, = I,2s
i=1
4
1ç
I = n/!i = 40,5
,25
?nR Corrioés Staffitic
4
1sr
oi= n/U,-T)'=0,42
i=L
Calcul de la covariance :
1s 4
cov(x,y) =
i LxrIt - 7.7 = 0,7
i=1
Calcul du coefficient de corrélation :
, _cou(x,y)
ox,oy
= _0,96
r étant proche de -1, il existe une liaison entre la durée moyenne de séjour
et l,année correspondante : la liaison est négative, Il y a donc, sur
I'ensemble des quatre années, une tendance à la baisse de la durée de
séjour,
tr
Exercice 49
1.
a. On détermine d'abord la moyenne et la variance du dosage dans
var
chaque laboratoire, I
Laboratoire
Laboratoire 2
1 ffit=
mz = 22,5
t4,5 ol = 2,25
oî = 2,25 t-l
Laboratoire 3 ms=23 04=L
ls'
Laboratoire 4
Laboratoire 5
m+:25,5
ms = I4,5
ol = 0,25
ol = 0,25
F- *u:
|
La variarice intra-colcinne est
^1\a.
:
s3=trLni.of=2,4
i=1
k
ti
avec k = 5, ftL= 2, flz -- 2, fls = 2, TI4 = 2, ns = 2, TL= )!=rn; = 10
b. Il s?git de comparer les dosages moyens 5 laboratoires, Pour cela, on
utilise le test F de FISHER-SNEDECOR en supposant que les conditions
d'utilisation sont vérifiées (normalité des dosages et égalité des
variances).
TeSt F dC FISHER.SNEDECOR 2.C
1- On pose l'hypothèse nulle : c
2- On calcule la statistique F :
^sÂ
F -- 22,08
2
F"=
t
70q
où
Sr2 est la variance inter-colonnes :
k
r;"Ri=1
=
+I ni.(mi - m)z = 53
$:*>'ni'ol:t'Q
i=1
avec
) séjour
19, SUr
1+
* =;Lni.mi = lQ
rrée de i=t
k = 5, flt= 2, flz= 2, ft3 = 2, fl+ : 2, fls = 2, t, = Xf=. ni = L0
Tableau d'analyse de La variance à un facteur
Source de Degré
e dans Somme des Carrés des 'Carrés moyens
variation Ecafts de
libeÉé
si=53
Entre
SCE(Intq;) = 212 4 Variance inter-
9roupes
colonnes
3- Conclusion :
2- Ona:
La variance intra-colonne de la première technique.
sB = 2'4
Statisi
F =sJ=3T,BS
rÉ
3- Conclusion :
2- On calcule la statistique F:
F =sj
rÉ
= 4,s7
3- Conclusion :
'Source de Degré
Somme des Carrés
de Carrés moyens
variation des Ecafts
libeÊé
^,
se'=
scE(F1)
Laboratoire u;]:=53
SCE(F1) = 2L2 4
FL Variance pour le facteur
<< laboratoire >>
.^,2 scg(F2)
Si =-ç)r :6,1
Ordre
SCE(F2) = 6,4 L S)2 = 40,33
F2
Variance pour le facteur
<< ordre >>
SCE(Rés)
'PZ
tB L,4
Résiduelle SCE(Rés) = $,$ 4
-- N-k-k'+I
Variance résiduelle
Exercice 5O
1.
a. On utilise le test de Ê. I
Testde f 2. I
1- On pose l'hypothèse nulle :
Ho < Les taux de décès par maladie CV ne diffèrent pas entre les (
deux groupes >> (
2- Tableau des effectifs observés o;; : (
It
Décès CV
Non
I
Oui TOTAT
1
Exposé 7 293 300
Groupe
Non exposé 0 300 300
2- On calcule la statistique e:
lmt - mzl = t6,74
ol ,
oî
nz-I
-'T
3- Conclusion :
Au risque q. = 5o/o,
)
e L,96 alors on rejette Ho : la différence est significative. La tension
artérielle moyenne diffère entre les deux groupes.
3. On utilise le test F de FISHER-SNEDECOR en supposant que les conditions
d'utilisation sont vérifiées (normalité des tensions artérielles et égalité des
variances).
Test F de FISHER-SNEDECOR
1- On pose l'hypothèse nulle :
Ho << Les tensions artérielles moyennes ne diffèrent pas selon l'atelier >
2- On calcule la statistique F:
-s 13'8
'=fr=
où .!r2 est la variance inter-colonnes :
k
Si^1sr
= - m)z = 76,97
k _ tLnt.(mi
i=7
s! est,la variance intra-colonne ou résiduelle :
k
s3
"B = - at
n-kL ni.6l = r,z3
avec
k
1ç
^ =;Lni.mi = 15 I
(
Source de Somme des CarÉs des Degré de
Carrés moyens
variation EcaÉs liberté
s = L6,97
Entre
groupes SCE(Inter): 50,9 3 Variance inter-
colonnes
I
SÊ = l'23 (
Résiduelle SCE(Intra) = 365 296
(
Variance résiduelle
vc-
,l
r-l wc-
er-
I
uelle I
I
< 0,47 alors le contraste c, n'est pas
lCzl
On conclut que les moyennes,m2 et
différentes.
significativement différent de 0.
mn ne sont pas significativement
Statistiqu(
Vari
Dvs.A entl
On calcule la valeur critique pour le risque
a = 5o/o'
uc- sÂ=
Vari
lCzl>O,4galorslecontrasteczestsignificativementdifférentde0'On
différentes'
conclut que les moyennes m, et mn sont significativement
B, c et D ont la
on conclut que les exposés travaillant dans les ateliers
l'atelier A ont une tension
même tension artéiielle et ceux travaillant dans 5,1
les ateliers B, C et D'
artérielle plus élevée que ceux travaillant dans Var
facteurs. N:
2-
. mj=nL*,,
mt = L4,5 mz = 15,25 m, = L4'75'=t 3-
Les moyennes des 2 sexes :
k
Lç
lti = u /xii
j=t
Lt = !5 Lrz = 14,66
La moyenne des moYennes :
'$Lry -- t$/ttt
Te
1-
^: E
j=t
O
t=I
m = 14,83 2-
ktk
-o, =lFF(',,
(=iH' N
-^)' " 3-
oz = 0,22
'
-:i
...'74" :'.'
"
,i,,
variance inter-coronne pour
re facteur caractéristique
entre caractéristiq ue génétique génétique : variance
:;\
''l = 0,49 ^)fSr "k
rÂ
/'' = E=T - m)2
Lni.(mi
i=L
si = o,2g
férent de 0. On
lifrérentes.
t,fC et D ont fa
ont une tension
j=L
,CetD. s'Â = o,7B
deul':facteurs : variance intra-coronne pour
les deux facteurs : variance
entre: sexes et résiduere
N.o2 - (k - t).sl (t<,
vtrû{aflcÊ à deux - ,. - r). s,2A -
TÊ
N-k-k'+L
= o,2B
caractéristique N: Nombre de valeurs de féchantillon
/[ = 6
pour te facieur
b=3)etpark, ;fi:rthff >>FrsHER-sNEDEcoR << oaractéristique
1- On pose f hypothèse nulle":
Ho << Il n'y a pas de différences entre les moyennes des
caractéristiques génétiques
> 3
2- On calcule fa statistique
F:
,= 1,03
3- Conclusion
ff=
:
va=k-1=2
î:i?ffiï'1rï:' (coronne) et r,"-N- k-k,+
F<4 alors on
ra*eur..,..oélJ;J"oiïSii:.i',-:i.,î,ff ':,,.!i:i,Jï:ï,ffi
pas significativement
selon tes 3 caractéristi;;;; i: g;Ëil*.
Test F de FISHER-SNEDECOR
pour le facteur sexe >> <<
1- On pose lhypothèse nulle
:
rlo < Ir n'y a pas de différences
entre tes moyennes des
2- On calcule la statistique
F,:
2 sexes >>
,rl
3- Conclusion :
Au risque a=So/o avec,y,4
1=2(ligne) 4=18,513
=k,_I=1 (colonne) €t v" = N k _ k, +
-
,ë
;i{
Statisti<
l1'
F < 4 alors on ne rejette pas H0 et on conclut qu'il n'existe pas le Les'm
facteur sexe. Les tensions artérielles ne diffèrent pas significativement
selon les deux sexes.
Tableau d'analyse de la variance à deux facteurs et une répétition
ffiL='
Source de Somme des Carrés Degré de Les m
variation Carrés moyens
des Ecafts libeËé
SÀ = o'29
Caractéristique
génétique Variance pour le 14=Q
SCE(F1) = 0,58 2 facteur La mo
FL < Caractéristique
génétique >
SÂ2 = o,L8
Sexe N* est
SCE(FZ) = 0,18 1 Variance pour le
F2 m=2,
facteur << sexe >>
La vari
TÊ = 0,28
Résiduelle SSCE(Rés) = 0,56 2 Variance
résiduelle
[\
ré
o /xq
=
1tt=243,33, Fz=253,33
La moyenne des moyennes :
*= 1Vrl ,- 1\-
-k'kkk,
1+
*àAr"=E)-,,*i=fi/ui
Nx est le nombre de toutes les mesures Xii. N*
= k.k, = 6
m = 248,33
La variance des mesures :
,k'k
";^ =3IF(",,
Nx
âL'""
-*)'
""'l
Nx=k.k'=6
ol = 78580,56
variance inter-coronne pour re facteur
Mr"actions << traitement >> ou variance entre
traitements :
de nqême
l a qu'une
vo =8T
avec
k
n prenant 1 ç
:cz- /
-
tZ
diriise les "n ni l-_tn1'çm1
t-L
m)
rbtient un r est le nombre de répétitions de valeurs dans chaque case du tableau
r tableau r=20 initial.
^, 2.55466,67
rÂ=--z-=35466,67
Dbù
55466,67
'o=--fr-=2773,33
ement .4i variance inter-coronne pour re facteur < hôpitar >> ou variance entre hôpitaux :
,V,o =ft
r
220 Corrioéc
Stê!
tt
a,
kl
lsr
s''o = o'
-'1L"''
(Pt - m)2 3-
i=1
r est le nombre de répétitions de valeurs dans chaque câSê- r = 20
nr est le nombre de valeurs Xij pour l'hôpital i. ni = 3 pour i" = L,2
3'50
"'z -
S'Â=
7 = l-50
Dbù
TeË
v'^
'A =7!!
20
= Ls
"v 1-
Pour rechercher éventuellement l'absence dlnteraction entre les deux facteurs,
on compare la variance résiduelle de la variable X = )x, appelée interaction, à
la variance résiduelle de la variable x.
2-
Interaction ou variance résiduelle de la variable x :
F=+
^ 2773,33
'=Æur=s^*
3- Conclusion :
2- On calcule la statistique F:
^= 7,5
' M= o'074
3- Conclusion :
,_ I
'-r;
.^10
=m;3=0,018
3- Conclusion :
':
.a)
'a
t
111 a^iridéc Statis
7li
Traitement
Ve = 2773,33
110933.34
FI
SCE(F1)= Z0 =5546,67 2 Variance pour
le facteur 1
vj=7'5
Hôpital
F2
scl(Fz) =#=r,, 1. Variance pour
le facteur 2
I=10
Interaction 400.02
SCE(lnt) = rO 2 Variance
Int É: résiduelle
Résiduelle
T3 = 539,25
SCE(Rés) = 61'474,64 t74 Variance
Rés
résiduelle
40 D
L
a3s
o
g30 Dr(!)zx=6,15.Y-60,42 3.C
C'
.Ëo 25
tro
gt
YO
zo
€* ls dr
o el
Ë 1.0
4.O
tr
o5
z p(
0 5.O
0 50 100 150 200 250 300 p(
Consommation de lait de vache (litres/personne/an)
2. Désignons x par la consommation de lait de vache et y par le nombre de
diabétiques sur 100000.
Dy(x),y='o"9ù@_D+y
Droite de régression de x par rapport
ày :
Va = 2773,33
Dr(y), x -?v(x'Y)
/ariance pour
le facteur 1 Calcul de la moyenne et de la variance
ËU-ù+,
:
vi = 7,5 1+,
rariance pour , = xi = I3ZJS
D,2
le facteur 2
. ,,'='
lF-r
^
"i =nL@t-Dt
j=1
=2821,02
1\g
Y= nLYi=7L,75
i=1
L2
oi. =
ls-
D,LUi -T)'= 65,85
'=1
Calcul de la covariance :
.72
Irr
covQc,y) = 12 Lh.!i
j=1
-i.l = 4os,3s
Droite de régression de y par rapport
x:
:j
rl
n"@). y=0,74.x-2,33
,.1
,l
Droite de régression de x par rapport y :
:
.l
-i Dr(y). x=6,IS.y-60,42
:i 3. Coefficient de corrétation :
::
a
.t
; ,-cov(x,y) =0,94
n ox. oy
:i r étant proche de t, ir existe une riaison
entre ra {uantité de consommation
* 7,33 .:
j de lait de vache et le nombre de personnes
atteintes du diabète. La riaison
.;
..:
est positive.
.;
4' On a pour r = 500, y = 62,67 ' pour 500 ritres de
personnes diabétiques sur raiÇ on estime 62
100000 prédisposées.
->
i00
5' On a pour y = 700, x = 675,42. Si on observe 100
personnes prédisposées au
diabétiques sur 100000
Ine/an) diabète, on estim e 675,42 ritres de rait.
rombre de
224 Corrigés Statt
t'i
d
Exercice 53
1. Représentation graphique : Nuage de points.
Prévalence
de la
.'rétinopathie
(o/o)
roo
3o
4.
5.
-' .'
I
cov(x,y)
(
- -ËU
(
cov(x,y)
D,(y),, -T) +x
Calcul de la covariance :
20
1sr
cov(x, r) = À L)h. lr - 7.7 = t4g3,6/
j=1
Droite de régression de y par rapport ï :
O"(x) | !=0,27.x*24,L
Droite de régression de / y
par rapport r
7_cov(x,y) =0,94
ox. oy
Prévalence
de la
réthinopathie
It,
Dr(y):x=3,77.y-59,7
a
Dr(x)i!=0,27.x+24,L lp,
l"
t*
0 40 B0 L20 160 200 240
Evolution du diabète (mois)
:52,5
,i -v)2 = 16,67
Age aux
premières
règles (y1)
n" x; = 4o'e7s
À(à '')
cov(x,y) =
r=1 /+_,,).xi
\ ré
u*à là",, -".V =
#f
#-s2,s.Lz,s77 =0,33
l
t_J
Coefficient de corrélation :
7-cov(x,y) ___
jél
ox.oy \fTdE7î@-__^.,v'L
Test du coefficient de corrélation
1- On pose l'hypothèse nulle :
3- Conclusion :
cov(x,y)
Dr(x)zr-- oÊ k_i)+y
La pente est donc ;
o=ry=ffi=o,o1e
3. Considérons deux femmes bien portantes dont la différence d€ge en 19Bs
est de 100 ans (c'est-à-dire leurs dates de naissances sécartent de 100
ans). Désignons par dt, @z leurs âges en 1985 et rr, r, leurs âges aux
premières règles, Puisque lâge aux premières règles a baissé linéairement
en cours de temps, à raison de 2 ans en 100 ans alors la pente de la droite
de régression de l'âge aux premières règles en fonction de l'âge en
1985 est :
Tt-Tz
,
p' =ffi= 2
J6o
= o,o2
e en L985
TABLES
nt de 100
fues aux
éairornent NUMERTQUES
e la droite
l'âge en
règles en
tiquement
La liaison
r l'âge aux
: non pas
rmes chez
:ancer n?
Tables numériques
TABLE de GAUSS
La table donne les valeurs approchées de la fonction de répartition F de la
variable aléatoire centrée réduite pour les différentes valeurs positives r.
*ft
TABLE dC FISHER.STUDENT
La table donne la valeurrtelle queP(lfl ,r)= aen fonction du nombre de La tal
degré de liberté y. de de
,lo 0,90 0,50 0,30 0,20 0,10 0,05 0,02 0,01 0,001
I
2
7 0,158 1,000 L,963 3,078 6,3t4 I2,706 3r,82L 63,656 636,578
3
2 0,142 0,817 L,386 1,886 2,920 4,303 6,965 9,925 31,600
4
3 0,137 o,765 7,250 1,638 2,353 3,t82 +,54L 5,8+7 L2,924
5
4 0,134 0,74r 1,190 L,533 2,L32 2,777 3,747 4,604 8,61.0
4,032 6,869 6
5 0,L32 o,727 1,156 L,476 2,015 2,57L 3,365
7
6 0,131 0,7t9 L,L34 7,440 t,943 2,447 3,143 3,707 5,959
7 0,130 0,71r r,7Ig t,4t5 1,895 2,365 2,998 3,500 5,408 B
TABLE dC FISHER-SNEDECOR
(a
- 50Â)
nb,re de
La table donne la valeur x telle que P(F , x) - 0,05 en fonction des nombres
de degrés de liberté uaQt v6.
v"lvei 7 2 3 4 5 6 7 8 9
L L6!.,446 t99,499 215,707 224,583 230,760 233,988 236,767 238,884 240,543
2 18,513 19,000 19,164 19,247 19,296 t9,329 19,353 L9,377 19,385
3 10,728 9,552 9,277 9,117 9,013 8,941 8,887 8,845 8,8L2
4 7,709 6,944 6,597 6,388 6,256 6,163 6,094 6,04t 5,999
5 6,608 5,786 5,409 5,192 5,050 4,950 4,876 4,818 4,772
6 5,987 5,1.43 4,757 4,534 4,387 4,284 4,207 4,147 4,099
7 5,591 4,737 4,347 4,720 3,972 3,866 3,787 3,726 3,677
8 5,318 4,459 4,066 3,838 3,688 3,581 3,500 3,438 3,388
9 5,177 4,256 3,863 3,633 3,482 3,374 3,293 3,230 3,L79
4,r03 3,708
''3,4T8 3,326 3,2L7 3,13s 3,072 3,020
10 4,965
11 4,844 3,982 3,587 3,357 3,204 3,095 3,4i2, 2,946 2&e6
t2 4,747 3,885 3,490 3;,259 3,106 2,996 2,913 2,849 2,796
13 4,667 3,806 3,4rr 3,!79 3,025 2,9L5 2,832 2,767 2,7t4
L4 4,600 3,739 3,344 3,712 2,958 2,848 2,764 2,699 2,646
15 4,543 3,682 3,287 3,056 2,901 2,790 2,707 2,647 2,588
76 4,494 3,634 3,239 3,007 2,852 2,747 2,657 2,597 2,538
t7 4,45L 3,592 3,t97 2,965 2,810 2,699 2,614 2,548 2,494
18 4,474 3,55s 3,160 2,928 2,773 2,667 2,577 2,5t0 2,456
t9 4,387 3,522 3,127 2,895 2,7+0 2,628 2,544 2,477 2,423
20 4,35t 3,493 3,098 2,866 2,71r 2,599 2,5L4 2,447 2,393
27 4,325 3,467 3,072 2,840 2,685 2,573 2,488 2,420 2,366
22 4,307 3,443 3,049 2,8L7 2,667 2,549 2,464 2,397 2,342
23 4,279 3,422 3,028 2,796 2,640 2,528 2,442 2,375 2,320
24 4,260 3,403 3,009 2,776 2,62t 2,508 2,423 2,355 2,300
25 4,242 3,385 2,997 2,759 .2,603 2,49O 2,405 2,337 2,282
26 4,225 3,369 2,975 2,743 2,587 2,474 2,388 2,321 2,265
27 +,270 3,354 2,960 2,728 2,572 2,459 2,373 2,305 2,250
28 4,196 3,340 2,947 2,774 2,558 2,445 2,359 2,29'L 2,236
29 4,L83 3,328 2,934 2,707 2,545 2,432 2,346 2,278 2,223
30 4,777 3,316 2,922 2,690 2,534 2,427 2,334 2,266 2,2tL
+o 4,085 3,232 2,839 2,606 2,449 2,336 2,249 2,r80 2,L24
60 4,00L 3,150 2,758 2,525 2,368 2,254 2,167 2,097 2,O40
L20 3,920 3,072 2,680 2,447 2,290 2,L75 2,087 2,076 7,959
æ 3,842 2,997 2,606 2,373 2,275 2,099 2,011 t,939 1,881
234 Tables numérioues
rABLE o"XZ
La table donne la valeur r telle que r(yz , ,) = a en fonftion du nombre de
degré de liberté z
de
La lecture de cet ouvrage ne nécessite aucune connaissance
mathématiques à tt^."ition de quelqr.res notions très simples di!
l'enseignement secondaire.