Fd i BORSAL!

e
I
I
a
q

L'entraînement cle pour le concours

 Dans la collection PACES

biomolécules,
UE1 : Atomes,
génome, bioénergétique, métabolisme
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
, Biochimie : cours et QCM, S. Allouche (dir.)
. Biochintie métaboLique -2' édition, J. Borg et A. Reeber
, Biologie moléculaire, ceLLulaire et génétique en )001 QCM
fla), M Ghorbal
, QCM et QROC de bioLogie moLéculaire,l. Creveaux
et L. Blanchon
. Chinrie généraLe. Cour.s et QCM corrigés el commentés,
J. Golebiowski, P Aplincourt
, Chimie généraLe en )00) QCM (La), J Bonin, D. Marchal
, Chimie généraLe en UEI (La). Fiches et QCM (corrigés
et commentés), A. Gédéon et F. Launay
. Chimie organique : cours et exercicas, P Karoyan
. Chimie organique et isométrie. QCM, exercices et problènxes
corrigés, S. Rubio
. Considérations moLéculaire, métabolique
et physiopathoLogique de Lenutrition humaine, C. Perier
. Cours de Chimie généraLe 2" édition, A, Gédéon
. Cours de Chimie organique, O. Thomas et S. Antoniotti
. Exercices et annaLes de Chimie générale corrigés et
commentés. Nouveau programme Ll santé, A. Gédéon
. Exercices et QCM de chimie organiqrle, O Thomas
et S. Antoniotti
. Mécaniques desfluides physioLogiques : cours el QCM,
C Leteliier
. QCM de Chimie orgunique, J.-P. Bouillon et F Estour
UE2 : La cellule et les tissus
. Bases celLul.aires et rnoLéculatres du développement-
Méthodes et exercices, 2' édition, C. Chanoine
. Biologie cellulaire en 1001 QCM et QROC (La) - 2" édition,
J.-C. Cailliez-
. Rktlogie cellulaire et moléculaire de La ceLlule eucaD)ote,
C. Chanoine et F. Charbonnier
, Biotechnolo{ies et applications (génie génétique),
F. Perrin-Schmidt
Exercices corrigés et commentés de biologie ceLlulaire -
1" édition,P. Cat
QCM et exercices corrigés ct commentés d'hi,stologie
et d'embryoLogie, nouvelLe édition,D. Haymann (coord,)
et M. Berreur
UE2 : Biologie ceLlulaire, embyoLogie et histolo7ie
en l00l QCM, M. Ghorbal
Biol.ogie de Ia reproduction et du développement, ColLège
Hospitalo-Universitaire de biologie et médecine
du développement et de la reproduction
{ *'
UE3 : Organisation des appareils et systèmes :
aspects fonctionnels et méthodes d'études
. dans Les miLieuxbiologiqr.res, W Urbach, M,-C, Fauré,
B. C. Forger, J. Berges et N. Taulier
, B i o p hy s i q ue mé dic ale : rnag néto s tat i q ue, radiofréq uenc e s,
résonance, magnétique nucLéaire, D. Morvan
. Biophysique : cours et exercices, F. Giammarile, C. Houzard,
et A. Charrie
. Cours de Physique, B. Clerjaud
. Phy.sique. Cours, exercices et annales corrigés, D. Benredjem
et G. Kesperski
. Physique. Nouveau programme Ll santé, C. Lavelle
. Physique et biophysique. Rappels de cours, exercices et QCM
corrigés, J.-M. Escanye et A. Durand
. Physique et biophysique. Rappel de cours, exercices et QCM Cet ouvra
corrigés (volume 2), J.-M. Escanye et A. Durand
. Physique médicale, E. Hakiki Nour pharmacie,
. Réussir l'U83, J, Pradère
exercices t
UE4 : Évaluation des méthodes d'analyses appliquées
aux sciences de la vie et de la santé biologique.
. Techniques de raisonnement stqtistique et applications
aux sciences de la vie, P. D'Athis scientifiqu€
. Biomathématiques, Y La|ocha
, Iliostatistiques. Rappels de cours et QCM corri+és -
< Statistiqu
2" édition, J.-L. Golmard
. Elément de biostatistiques. Exercice,ç corrigés, QCM pourrait cc
et rappeLs de cours à l'usage des étudiants en médecine
eî en bioLogie, F Kohler biologique
. Evuluation. des méthodes d'analyse oppliquées aux sciences
de La vie et de La santé. Exercices, QCM, probLèmes d'étudiants
et épreuves corrigés, M. Mercier (dir.)
. Exercices de statistiques médtcales et biologiques, F. Borsali montrent
. ManueL de stati,stiques - 2" édition. Nouvcau programme
Ll santé, G. Forzy compren0r
. Stcttistique,s médicctles er biologiques, F. Borsali
C'est pourc
UE5 : Organisation des appareils et systèmes :
aspects morphologiques et fonctionnels généraux les cherche
. 320 QCM clés d'anatomie, P. Trouilloud, O. Trost,
N. Cheynel exercices i
. Anatomie en 1001 QCM (L') -2" édition. G. Biette
. Anatomie, Tête, cou, netfs crâniens e.t orqanes des,çens.
probabiliste
P Trouilloud, O. Trost
. nartia
Inlroduction à l'Anatomie, P. Trouilloud, O. Trosr
. Manuel d'analomie, S. Dupont, P Serbe et C. Boistier
. Manuel d'anatomie générale, F. De Peretti et B Maes Enfin, je n
. QCM illustrés d'anatomie, F. De Perreti el B. Maes
dans la

voudraient

rsBN 978-2-1298-66s0-r faire paft d

OEllipses Édrtion Marketing S.A., 201 I
32. rue Barsue 75740 Paris cedex I 5
Le Code de Ja propriété intellecrueLle n'autorisant, aux lermes de I'article L.122-5.2" el
3'a), d'une pan, que ies <copies ou reproductions strictement réseryées à I'usage privé
du copiste et non destinées à une utilisation collective >, et d'autre part, que les analyses
et les courtes cifations dans uD but d'exemple ef d'illusEation, < toute représentation ou
reproduction jntégrale ou partielle faite sans le cotrsentement de I'auteur ou de ses ayants
droit ou ayants cause est illicite > @rt.L 122-4)
Cette représentation ou reproductioû, pæ quelque procédé que ce soit constiuerait une
contrefaçon sanctionnée pr les articles L.335-2 et suivants du Code de la propriété
i nLellectuei le.

.www.editi ons-e II i oses.fr

:ils et systèmes :
rodes d'études
matière
:h, M.-C. Fauré,

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

PaÉie 1 : STATISTIeUE DESCRIPTIVE

Enoncés
.....,.....,........ 9
Corrigés
.............,,.... 17

Paftie 2: STATTSTIeUE PROBABILISTE

Enoncés .,.....,... 39
corrigés ..,........ 65

Partie 3 : STATISTIQUE INDUCTM

Enoncés ..,....,,. 113

corrigés ...,.,.... r4I

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

1. Quel est le caractère étudié Z sa nature Z

2. Représenter le diagramme qui convient de cette
série ?
Exercice 2
on a dénombré chez un individu 1000
reucocytes et on s,intéresse à reur
catégorie :

Reprendre les questions de I'exercice précédent.

Exercice 3
Le taux de glucose sanguin (glycémie)
déterminé chez 32 sujets est donné ci-
dessous en g/t:

0,95 0,87 0,90 0,93 0,g4 0,g4 0,g5 0,g7

0,g7 0,gB 0,gB
0,gg 1,00 7,0! 1,03 1,03 1,03 7,04 I,06
I,O7 1,08 1,08
1,,L0 L,70 7,Ir 7,73 1,,74 7,74 1,15
I,I7 7,7g 7,20
Reprendre les questions de I'exercice précédent.
Exercice 4
Dans le cadre d'une étude au raboratoire
de biochimie, on a dosé ra quantité de
créatinine en mg/7000 cm3 d'urine chez
80 hommes normaux, Les résultats ont
été représentés dans le tableau suivant
:
 tn
Statistique

Quantité de créatinine Exercice

Nombre de
perconnes Une sérir
(mg/1.0oo cm3)
donné ler
[2,5 ,3,5 | 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

l. -Comment appelle-t-on ce tyæ de tableau ?

2. Quel est le caractère étudié ? sa nature ?

3. calculer la moyenne et la variance en utilisant deux méthodes,
4, Tracer le graphe correspondant.
Exercice 5
on observe deux groupes de 100 personnes atteintes d,une maladie
cancéreuse. Les uns ont subi le traitement A et les autres le traitement B. Les
1. Calcu
temps d'hospitalisation se répaftissent comme suit ;
la frér

Temps d'hospitalisation Effectif de malades 2, Trace

fréqu,
(en mois) Traitement A Traitement B 3. Déter
[ 0,3[ 2 72
4. Calcu
tirer
[ 3,5[ 3 1B
?

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

TOTAL 100 100

1. Tracer les histogrammes sur un même graphique,

2. calculer la moyenne, l'écart-type, le coefficient d'asymétrie, de dérive et N.B. ;On
d'aplatissement de chaque distribution
Que peut-on conclure ?
 Enoncés

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

Jne maladie [776 ,780 [ I

3ment B. Les 1. calculer pour chaque crasse : le centre de classe, ra fréquence de crasse et
la fréquence cumulée.
2. Tracer I'histogramme, re porygone des
fréquences et re porygone des
fréquences cumulées.
3. Déterminer ra médiane, re mode et res quartires de ra série.
4. calculer la moyenne et l'écart-type de la série. concrusion peut_on
Queile
tirer ?

Exercice 7
on donne la répartition des femmes âgées de 50 à
s+ ans d,après le nombre de
lzurs enfants nés vivants :

Nombre d'enfants Effectif

0 L9
7 25
2 23
3 74
4 ou plus L9
N.B. : On prend une moyenne de S pour la classe
le dérive et << 4 ou plus >>.
 Statistiot
I

Quels sont la population étudiee ? le caractère ? la nature du caractère ? les

modalités du caractère ?
2. Représenter cette série par le diagramme qui convient.
3. calculer pour chaque classe : les fréquences et les fréÇuences cumulées.
4. Tracer le polygone des fréquences cumulées.
5. Calculer la moyenne et l'écart-type de la série,
6. une prévision effectuée pour 2005 indique que la proportion des femmes
âgées de 50 à 54 ans ayant eu moins de trois enfants nés vivant sera de
7L,Zo/o.

a. compte tenu des résultats de cette prévision, modifier le tableau ci-

dessus de façon à avoir une répaftition approchee des femmes âgées
de 50 à 54 ans en 2005 selon le nombre d'enfants nés vivants,
b. Calculer la moyenne et l'écart-type de cette nouvelle série.
c. Commenter les résultats obtenus.
Exercice 8
Dans une étude sur l'issue de la grossesse, on dispose d,un échantillon de 300
femmes enceintes prises dans une région donnée et on les répafti selon llssue
de la grossesse. Les résultats figurent au tableau ci-dessous : Exerd
Dans u
Issue de la grcssesse deESs
n'gn r€
Hospitalisation Accouchement
prématuré Césarienne TOTAL ûlree r
Group
Effectif L47 L45 74 300

comment appelle-t-on ce type de tableau ? euel est le caractère étudié ? sa

nature ?
Représenter le diagramme qui convient de cette distributign, Donner une €roup
conclusion.
3. on fait maintenant la répaftition de ces femmes selon qu'elles ont cerclage
du col de l'utérus ou non et llssue de la grossesse (le cerclage est supposé
éviter lhccouchement prématuré, mais peut avoir des effets néfastes), Les
résultats sont consignés dans le tableau suivant : L Cor
éûr'
Z Ret
trli:
gra
3. Det
lafi
 Enoncés

caractère ? les
Issue de la grossesse

s cumulées.

)n des femmes
vivant sera de

le tableau ci- La comparaison entre res deux groupes de

femmes po* .r.,æ* ir*--
femmes âgées de la grossesse se fait-eile en comparant entre res
effectifs ou res
tants. fréquences ? Justifier votre réponse.
t. b. Représenter les deux diagrammes qui conviennent sur un même
graphiqùe,
c. Lhospitalisation est-elle aussi fréquente chez les femmes qui
ont un
cercrage que chez ceiles qui n'en ont pas ? Même question pour res
lntillon de goo
autres issues de la grossesse.
ti selon llssue
Exercice 9
Dans un seryice de cancérorogie, on constitue par
tirage au sort deux groupes
de ss sujets chacun atteints d'un cancer dont run
|..çoit ,n traitement et r?utre
n'en reçoit pas, cinq ans plus tard, on fait des
obseryations concernant reur
durée de suruie exprimée en années. Les résurtats
sont indiqués ci-dessous :
Groupe traité
1,5 2,2 2,7 2,7 2,8 2,9 3,7 3,1 3,I 3,2 3,3 3,3
àre étudié z sa 3,4 3,4 3,4 3,5 3,5 3,6 3,7 3,7 3,7 3,7 3,8 3,8
3,8 3,8 3,9 3,9 4,0 4,3 4,4 4,7 4,7 4,9 5,0
r. Donner une Groupe témoin

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 ?

3. Déterminer, pour çhaque crasse èt po* chaque distribution, ra fréquence et

la fréquence cumulée.
4. Rechercher le mode, ra médiane, ra moyenne et ra
variance de chaque
distribution.
La durée moyenne de survie chez les sujets traités
est-elle plus grande que
celle chez les sujets témoins ? la dispersion des durées
de survie est_elle
pratiquement la même ?
Peut-on déduire que, à partir des observations
faites sur l'échantillon, E
traitement prolonge la durée de suruie ?
Rechercher le mode, ra médiane, ra moyenne et ra variance de chaque
distribution.
La durée moyenne de suryie chez les sujets traités
est-elle plus grande que
celle chez les sujets témoins ? la dispersion des
durées de survie est_elle
pratiquement la même ?
Peut-on déduire que, à partir des obseryations
faites sur réchantiilon, re
traitement prolonge la durée de survie ?
 Enoncés

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.

Diagramme en bâtons et polygone des effectifs

tombre de
grcnouilles
45
40
35
30
25
20
15
10
5
0

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

Neutrophiles Eosinophiles Basophiles Lymphocites

Exercice 3
1. Le caractère étudié est le taux de glucose sanguin. Il est quantitatif continu.
 x-

Sffiistioue c

2. Le diagramme qui convient est lhistogramme et le polygone des effectifs, fi<ercice

- Calcul de l'étendue : 1. Ce tyf
E=1,20-0,85=0,35 L Le car
- Calcul de lhmplitude : \ 3, Calcul
On prendra le nombre de classes fl approximativement égal à la racine
carrée de la taille de léchantillon (n = 32).par exemple (N = 6) Centre

E 0.35
u=":-u ^so'06
- Tableau des effectifs :

Classe des taux Effectif

[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

Le diagramme qui convient est I'histogramme et le polygone des

effectifs.

Histogramme et polygone des effectifs

Métho(
Effectif
B

0
0,85 o,gL 0,97 1,03 1.,09 7,15 7,27
Poids de nouveau-nés
 sr

Histogramme et polygone des effectifs

2.
r-
I
t-
I

L,J 3,5 4,5

J,5 4,5 5,5
5,5 6,5
6,5 7,5
Quantité de créatinine
Exercice 5
1' Les diagrammes qui conviennent sont res histogrammes.

Histogrammes
Effectif
25

20

15

10

Traitement A

3 5 6 7 B 91011
Temps d'hospitalisation
 Corrioés

La distribution des temps d?rospitarisation

avec le traitement B est sifuée à
gauche de ceile avec re traitement
A, Eile conespond à des temps
dhospitalisation prus courts : re traitement B est ptus rapide que re
traitement A.
2. Traitement A :

X1 lli TIr Xi nt'x? nt.ft ni,xt

1,5 2 3 4,5 6,75 70,I25
4 3 12 4B 792 768
5,5 6 33 181,5 gg9,25 5490,375
6,5 10 65 422,5 2746,25 17850,625
7,5 1B 135 1012,5 7593,75 56953,I25
8,5 23 195,5 1667,75 74724,875 120067,43
9,5 1B 177 7624,5 L5432,75 1.466L7,125
10,5 T2 726 7323 13891,5 1,45860,75
13 8 1.04 1.352 17576 228488
rtif
TOTAL I rOO 844,5 7630,25 72562,I25 722093,555
Moyenne:i=8,44
Variance I oz :5,06
Ecaft-type 1o =2,23
Moment
dbrdre 1 :
k
L s-,
T\= j ) ni,xt=V.=8,44
n /-/

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

Moment centré Moment

dbrdre 3 : ps - mz - 3.nlr.nrz + Z.ml = -3,87 dbrc
dbrdre 4 : p+ - m4 - 4.m1.m3 + 6.ml.m2 - 3.ml = !L2,07
Coefficient
d'asymétrie :
d'oft
. llts\z / -3,87 \2
o = (.or/ : \O,zz>t) = o,r2
L'asymétrie est peu impoftante.
de dérive : dbrc

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 :

Itz ='trls - 3.m1.m2 + 2.ml = 6,33

dbrdre 4 :

1,75 lt+ = trt+ - .mt.ms * 6.m?.,m2 - 3.m1 = ITT,23

t08 Coefficient
6,373 d?symétrie:
'0,875 . /lh\2 =\m)
o=("r,) 1 6,33 12
=o,oe
;8,75
Lhsymétrie est très peu impoftante.
60,5
de dérive :
0,375
5,313 ' Ps 6,33
O=i=@=0,30)0
.244
La série est étirée vers les plus grandes valeurs.

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

[776 , LB}[ 7 0,003 Itl

1 =

Le mr

Le prc
2' Le diagramme qui convient est rhistogramme et re porygone
fréquences. des Qt

Histogramme et polygone des fréquences l€ ûo

Fréquence n
v3
0,3
Calsrl
0,25

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

Frétluence Polygone des fréquences

cumulées

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

r42 3 426 60492

L46 1B 2628 I
383688
150 65 9750 7462500
154 B5 13090 2015860
158 7L 77278 1,772444
r62 32 5184 B39BOB
L66 20 3320 551120
L70 4 680 115600
774 L 1.74 30276
17B 1 778 37684

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 :

La série statistique est approximativement symétrique

car re mode, ra
médiane et ra moyenne sont approximativement égaux.
La dispersion étant
faible.
Exercice 7
1. La population étudiée est composée de femmes âgées
de 50 à s4 ans. Le
caractère étudié est leur nombre d,enfants.
il eJ quantitatif discret. ses
modalités sont : 0,1,2,3,4 ou plus, On tace
2. Le diagramme qui convient est le diagramme
en bâtons et re polygone des
effectifs.
 :

!
;

Lomoes ; $atistique descriotive

i::

-
-1
I

en bâtons et porygone des

'iagramme effectifs
Effectif

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

;4 ans. Le TOTAL 100 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 :

X1 Tl1 fltxt nt.x7

0 1,9 0 0
1 25 25 25
2 23 46 92
3 14 42 1,26
5 L9 95 475

TOTAT 100 208 7TB

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.

a. Glcul des effectifs approchés :

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

Hospitalisation Accouchement Césarienne

prématuré

Femmes qui ont

66,360/o 2g,0go/o 4,550/o
un cerclage

Femmes qui
35,79o/o 59,470/o 4,7 40/o
n'en ont pas
L-É

ù
@
 Diagramme à bandes

r Femmes qui ont un cerclage

7096
w Femmes qui n'en ont pas
6t96

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.

rcffie collection de nombres s'appelle les statistiques ou la série statistique.

Ee caractère étudié est la durée de suruie exprimée en année. Il est
qrantitatif continu.
fuupe traité :

- Calcul de létendue :

E=5,0-1,5=3,5
- Calcul de l'amplitude :

on prendra le nombre de classes rv approximativement égal à la racine

carrée de la taille de l'echantillon (n = g5). par exemple N = 6

,83,5
n=fr=T-o,u
 Tableau des effectifs :

Classe des durées Effectif

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 :

on prendra re nombre de crasses /vapproximativement égar à ra

carrée de ra taiile de réchantiilon (n 35), par
= exempre N = 6
,83,5
n=F=T=o'u
- Tableau des effectifs :

Classe des durées Effectif

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

15 2,L 2,7 3,3 3,9 4,5 5,r

Durée de suruie

Cahul des fréquences et des fréquences cumulées :

 Histogrammes

Etrectif
76

12

I
4

Groupe traité

Groupe
témoin

1-5 2,L 2,7 3,3 3,9 4,5 5,1

DuÉe de suryie

C€loll des fréquences et des fréquences cumulées :

24 1^rri^6c Sdbtft:ue de

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 :

Le mode m = 3,6 (La classe modale est [3,3 , 3,9D. ûr

On calcule la médiane M par i
d;e c

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 :

Le mode m = 3 (La classe modale esI12,7 , 3,3D.

On calcule la médiane M par :
M=h+k,(t2_t)
où
, n*1 -[-z
k= ;-n+11
, -|=18-LB=o
l, et l, sont les valeurs de la série statistique ordonnée de rangs
[i] = tt
[îl * ]. :
fr+11
.t 19 respectivement. On a donc 11 = 3,0 €t 12 = J,g.

D'où la médiane est :

M =3,0
 Corrioés

Calcul de la moyenne et de la variance :

: &oupe traité :
55
1ç- 724,5
X=-nL) Xi: --=;-=3,56
i-1
35

' GrouPe témoin :

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

r témoin 1€akul de la moyenne et de la variance :

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,

d'une encyclopédie sont placés au hasard.

y a-t-il de manières de les classer ?
y a-t-il de manières de les classer sachant que :

tonre 1 est situé de coté gauche du tome z ?

hs tomes 1 et 2 se situent coté à coté ?

d'une association doivent élire en leur sein un représentant au

il n'y a que deux candidats A et B. Un candidat est élu
la rnajorité absolue ; tous les délégues doivent voter pour l'un ou

le nombre de votes possibles.

le nombre de votes possibles pour que A soit élu, pour que B

le nombre de votes possibles pour qu'il y ait ballottage.

comprend 15 ouvriers, B femmes et 7 hommes. On choisit dans cet

equipes de 5 ouvriers.
d'équipes différentes peut-on former ?

d'équipes compoftant 3 hommes et 2 femmes peut-on former ?

d'équipes comportant au moins 2 hommes et 2 femmes peut-on

la question 2. sachant que Monsieur X et Madame Y refusent d'y

ensemble ?

compofte 13 équipes qui se rencontrent par matchs aller-

y
Êornbien a-t-il de matchs ?

contient 5boules numérotées (r,2,3,5,6). On tire successivement 3

sans remise. On obtient un nombre de 3 chiftres en alignant les boules
à gauche.
 4t\

1. Combien de nombres différents peut-on obtenir ?

L Combien de nombres impairs différents peut-on obtenir ?

3. Combien de nombres pairs différents peut-on obtenir ?

4. Combien de nombres multiples de 5 peut-on obtenTr ?
Exercice 7
Soient AuAz, ..,,An n points distincts du plan (n > 3) dont trois quelconques
sont pas alignés.
1. combien peut-on tracer de droites qui passent par deux des n points ?
2. En déduire le nombre de diagonales du polygone At,Az, ...,An?
3. Combien peut-on définir de vecteurs associés aux bipoints (lr,ei)
1<i<net1<j<n?
Exercice 8
Le traitement d'un malade nécessite la prise de 5 médicaments comprenant
moins 2 softes de sirops et z sortes de comprimés. Le médecin dispose de
softes de sirops et 7 softes de comprimés qui auraient des mêmes effets.
1. Combien de façons différentes pourra-t-il rédiger son ordonnance
que :
a. Les 12 médicaments sont disponibles chez les pharmaciens ?
b. 2 softes de comprimés ne sont pas disponibles chez les pharmaciens ?
c. 1 softe de comprimés et 1 sorte de sirop ne sont pas disponibles
les pharmaciens ?

2. combien de façons différentes pourra-t-il rédiger son ordonnance

qu'il ne prescrit pas un sirop et un comprimé précis sur la
ordonnance à cause de leurs coûts très élevés ?
Exercice 9
soit n un nombre entier strictement supérieur à r. on considère une urne
laquelle se trouvent :
Une boule portant le numéro 1,
Deux boules porhnt le numéro 2,
Trois boules portant le numéro 3,

€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 ?

le est la probabilité de gagner 3 lots dont 2 gros lots au moins ?

,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 :

:iens ? les infections sont indépendantes ?

; 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.

une population il y a 40o/o de fumeurs et 30%o de personnes atteintes

ceftaine maladie respiratoirg, Sachant que parmi les fumeurs 60% sont
de cette maladie.
tire au hasard une ærsonne de la population, quelle est la probabilité
s sont supposés qu'elle soit un fumeur et atteinte de la maladie ?
,,Otr tire au hasard une personne atteinte de la maladie, quelle est la
:r en fonction de probabilité pour qu'elle soit un fumeur ?
r Enércice 14
Une maladie atteint 3% d'une population donnée. Dans ce qui suit on appellera
<< malades > les individus atteints de cette maladie et << bien poftants
>> ceux qui

ne le sont pas. On dispose d'un test pour la'détecter. Ce test donne les

résultats suivants :

. chez les individus malades, 95% de tests positifs et 5% de tests négatifs ;

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,

euelle est la probabilité pour qu'un individu pris au hasard de la

1. population
ait un test positlf ? test négatif ?
2. Quelle est la probabilité pour qu'un individu pris au hasard de lhôpital
bien poftant ?
3. On considère un échantillon de 10 individus pris au hasard de lhôpital'
Quelle est la probabilité pour qu'il y ait au moins un individu bien
portant ?
Exercice 15
L'objet de I'exercice est une application du calcul des probabilités à
génétique. Une première question est consacrée à une étude de suites
interviennent dans cette application.
A. Soit a un nombre réel non nul différent de t, On considère les
(Iln)n , et (7,,),..r définies par :

Uo=0 , Vo:7
L-q
Un+'t:IJnl , .Vn , Vn+!=q'Vn

1. Exprimer 7,. en fonction de n et de c pour tout entier naturel.

2. En déduire u,x en fonction de n et de a pour tout entier naturel'
B. Etant donné un gène possédant un couple d'allèle A et a, on dit qu
plante est homozygote lorsqu'elle contient les deux mêmes allèles sur
paire de chromosomes homologues; elle est alors de génotype AA ou
Une plante est hétérozygote lorsqu'elle est de génotype Aa.
plantes, par exemple le lupin, se reproduisent par autofécondation : tout
passe pour la descendance comme si on fécondait deux plantes de
génotype, chaque chromosome d'une paire étant sélectionné au
Calculer les probabilités pour qu'une plante de génoÇpe AA, ou Aa, or)
donne par autofécondation une plante de génotype AA, Aa ot) aa.
présentera les résultats sous forme de tableau suivant :
 :e gui suit on Génotype de la plante initiale
len poftants )) ceux
:r, Ce test donne AA Aa aa

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.

iPaftant d'une prante hétérozygote (génération 0) on constitue par

hasard de i,autofécondation des générations successives. On note :
tividu bien portant lévénement < La plante de la nè^" génération
? est de génotype ,4,4 >
ac' lévénement << La prante de ra nè-" génération est de génoÇpe.aa >
)s probabilités à :aa', lévénement << La prante de ra nè*" génération
est de génotype aa >
étude de suites appelle xn la probabilité de AAn, yn la probabilité
de ,aan et zn la
nbilité de aan.
considère les
Cafcufer xot lo, zot x!, ltr zr.
Déterminer la relation entre x,,*r, xn êt y..,.
Déterminer la relation entre yr,*, et yr,.
En déduire xn ,ln et 2,, en fonction de n.
'naturel. garde les hypothèses et notations du c. calculer
la probabilité p, pour
ier naturel. rne plante de la nè^" génération ne soit pas homozygote,
A partir de
génération a-t-on pn < 0,07 ?
-.t a, on dit qu
nes allèles sur
lénotype AA ou un échantillon de 1000 patients, on relève 300
ype Aa. ærsonnes malades des
600 personnes malades du cæur et 200 ærsonnes souffrant
rcondation : tout
r plantes de que 760/o des patients souffrent d'hypertension ou
tionné au hasard, de maladies
aques, combien y a-t-il de patients souffrant d'hypertension
AA, ou Aa, ou aa et de
dies cardiaques ?
'A, Aa ou a.a. On
que 60 patients souffrent de maladies pulmonaire
et cardiaques et
patient ne souffre simultanément des 3 maladies,
combien y a-t-il
rde patients souffrant d'hypertension et de maladie pulmonaire
?
,:Quelle estla probabilité de trower un patient souffrant d'hypeftension
ou
:de maladie pulmonaire ?
Ererrice 17 '/'
Trois machines A, B et C produisent respectivement 50%, 30% et 200/o du
nombre total des pièces fabriquées dans une usine. Les pourcentages de
résultats défectueux de ces machines sont respectivèment 3o/0, 2o/o et 4%, On #
tire au hasard une pièce et on s'aperçoit quielle est défectueuse,
û
1. Quelle est la probabilité pour que cette pièce provienne de la machine B ?
Même question pour la machine C. I
2. Une personne a dit que cette pièce défectueuse provienne probablement de €
la machine B. Ce jugement vous semble-t-il valable ? Justifier, 5
Exercice 18 { p

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 :

t, 30o/o et 20o/o d.p(B)

; pourcentages p(B /A) = 7*(a-L).p(s)
3Vo, 2o/o et 4o/0. On #duire quep(B/A) est une fonction croissante dep(B).
lse.
æst r est destiné à déceler la présence d,une maladie
de la machine B dans une
Lorsque la maladie est présente, le test révèle dans
99% des
que la maladie est absente, le test indique
cette absence dans 99%
e probablement ce test sera considéré comme efficace si, révélant ra présence
de
:ifier. Ëdie chez une personne choisie au hasard dans la population, ir y a
ffibilité d'au moins 0,95 pour que cette personne soit effectivement
. On sait que de la maladie.
ont atteintes de ,,ttillsant le résultat de la question précédente, déterminer à paftir de
, des cas lorsque t, pourcentage de personnes atteintes de la
maladie dans la populauon le
e dans 5% des È'est efficace.

3rsonne ayant subi

r est la ûr problème est de permettre à un médecin dévaluer un nouvel
adie ? dagnostique d'une ceftaine maladie dans une population. Dans
ce buÇ
I au hasard un échantillon composé d'un grand nombre de sujets
rygotes Gb et 40o/o il applique l'examen diagnostique sll fait la preuve de son intérêt,
le caractère ne réalise son essai, il détermine le pourcentage de sujets atteinb
souris transmet lie selon les résultats d'un examen diagnostique de référence (c,est
ansmettent à leur dont lbfficacité a été déjà prouvée); il obtient34o/o de malades, A
son essai, il obtient 3o/o de sujets parmi les malades ainsi que 960/o
de
mi les non malades ayant des résultats négatifs.
bles et calculer
est, en justifiant la réponse, la probabilité pour qu,un sujet :
rce à un souriceau sit atteint de la maladie ?
rnalade présente un résultat positif à I'examen ?
eu,appelle-t-on cette
riner la probabilité probabilité ?
non malade présente un résultat négatif à l'examen ? eu?ppelle-t-on
cette probabilité ?

:B. On rappelle la ,etpisit au hasard un sujet de la population.

Quelle est la probabilité pour
qull ait un résultat positif ? négatif ?
frh- s le sujet présente un résultat positif à l'examen, quelle est la
probabilité pour qull soit effectivement atteint de la maladie ?
, Qu'appelle-t-on cette probabilité ?

F- si le sujet présente un résultat négatif à I'examen, quelle est la

'r probabilité pour qu'il soit effectivement non atteint de la maladie
?
Qu?ppelle-t-on cette probabilité ?
 3' Le méJecin a le choix enûe deux décisions selon le resultat de l'examen subi
par un sujet donné. Il decidera que tout sujet ayant un résultat positif
serc
considéré comme malade et tout sujet ayant un résultat negatif comme non
malade, une telle décision peut compofter deux erreurs : qull déclare la
présence de la maladie chez un sujet présentant un résultat positif,
alors qull
est réellement sain (Cest une mawaise decision) ; que maintenant il déclare
I'absence de la maladie chez un sujet présentant un résulbt negatif, alors qull
est reellement malade (Cest encore une mawaise décision). Les eneurs que
le
medecin peut commette sont appelées, en statistique, ereurs de première a lri
et
de deuxième espece respectivement. Le but de cette question est dévaluer
ces
deux risques d'eneurs,
çfT
a. Un sujet donne un résurtat positif à l,examen le médecin déclare la
; Y-a
présence de la maladie chez ce sujet. est la probabilité pour que
euelle É
le médecin commette une erreur de décision ?
b. un sujet donne un résultat négatif à l,examen ; le médecin déclare
I'absence de la maladie chez ce sujet.
euelle est la probabilité pour que
le médecin commette encore une fois une erreur de décision
?
4' Présenter, à paftir de ta question précédente, la probabilité de chaque
éventualité du tableau ci-dessous puis donner une conclusion
en ce qui
concerne la valeur du nouvel examen diagnostique.

REATITE
Non malade Malade

DECISION Non 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.

de sa contribution ler l'espérance mathématique et la variance

de X.
stique de référence. : Durée de vie d,un équipement
ons un équipement d'un modère bien déterminé (equipements
par exemple) dont la durée moyenne
de vie est 10 ans. on
le point marqué par :'tPPose que la durée de vie suit une loi exponentielle
de paramètre ).> 0.
t. Donner l'expression de ra probabirité pour que
réquipement su.ive au
bout d'un temps t exprimé en année. carcurer
.àttà proo.birité pour
t = 5,9,15 ans.
z Déterminer ra probabirité pour que r,équipement
ayant su.it B ans ne
dépasse pas 13 ans.
'3. Au bout de combien de temps |equipement
aurait r0o/o dê chances
d'être hors d,usage ?
rétique ?
 Application 2 : Datation des roches
une roche contient au moment de sa formation un isotope radioactif de
longue période. on peut déduire son âge en mesurant la proportion a
dlsotope radioactif qui s'est désintégrée. soit I durée moyenne de vie de
l?tome de llsotope radioactif (le temps d'attente de la moft d,un atome de
l'isotope radioactif suit la loi exponentielle de paramèFe A> 0).
1. Donner I'expression de la probabilité pour qu'un atome de llsotope
radioactif survive au bout d'un temps t.
2, En déduire l'expression de l'âge de la roche en fonction de a et T.
N.B. : Actuellement, cette méthode est couramment utilisée et permet
datations à 1olo ou 2o/o allant de 4,6 milliards d'années (âge des roches
plus anciennes) à dix ou vingt mille ans. Les réactions nucléaires utilisées
sont les suivantes (pour les trois premières, existe des il
intermédiaires que nous nhvons pas indiquées) :

)"(L/an)

Uranium 238 -+ Plomb 206 0,155. 10-e

Uranium 235 -+ Plomb 207 0,985.10-e

Thorium 232 + plomb 208 0,495. 10-10

Rubidium BT + Strontium 87 L,420.L}-Lr

Samarium L47 -+ Néodyme 143 0,654.10-11

Potassium 40 + Argon +O 5,320. 1o-10

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 :

uæ termine à la net. partie par le gain de A >

u se termine à la ne'" partie par le gain de B >
partie est une paftie nulle >>

xn: p(An) ln = p(Bn) zn = p(Nn)

ûiler xr, yret zr.
er, pour tout n compris entre 1 et 19, xn+rt !n+r et zn+1en
n de zn.
uire, pour tout n compris entre 1 et 20, xn, lnêt z' en fonction de rz.
iijeqnsidère la v.a, x le nombre de Dinars mis en jeu lors de la partie qui
le jeu (c'est à dire récupérés par le gagnant ou partagés entre les
lfi ])ueurs dans le cas où le jeu s'achève sur un nul)
Quelles sont les valeurs que peut prendre lav.a. x?

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 :

i. Lors d'un lancer, le joueur atteint la cible avec la probabilité de 0,6 ;

ii. Sachant qull atteint la cible, la probabilité qu'il lance la fléchette dans
zone numérotée << i
" est |
(où t est un nombre indépendant de i).
Lors d'un lancer, le joueur marque o sIl manque la cible et marque i points
lance sa flèche dans la zone numérotée i de la cible.
1. On appelle X la v.a. < nombre de points marqués lors d'un lancer >>,

a. Calculer la probabilité P(X = 0).

b. Pour i = L,2,5,L0, exprimer en fonction de k et de t la
P(X = i).
c. En déduire la valeur de k et donner la loi de probabilité de la v.a. x.
d. Calculer l'espérance mathématique et la variance de X,
2. Le joueur lance trois fléchettes de suite, les rancers étant deux à
indépendants. une telle expérience de rancers sera représentée par la su
des trois marques réalisées, par exemple (s 2 0) si le joueur a atteint
zone marquée 5 lors du premier lancer, la zone marquée 2 lors
deuxième et a manqué la cible lors du troisième.
a. Quelle est la probabilité que le joueur marque 30 points en
lancers ?

b, calculer la probabilité que le joueur marque (10 10 s). En déduire

probabilité que le joueur marque 25 points lors des trois lancers.
Glculer la probabilité que le joueur marque au moins 2s points lors
trois lancers.
Exercice 28 X
on admetba que pour chaque naissance, la probabilité de chaque sexe
égale à o,s.
1. on considère le cas de tz naissances par jour dans un hôpital.
a. Quelle est la probabilité de trouver 7 garçons ?
b. Quelle est la probabilité de ne trouver aucun garçon ?
 est la probabilité de trouver au moins 11 garçons ?
la moyenne, la variance et lécart-type du nombre de garçons.
maintenant le cas de n naissances (n entier strictement

, en fonction de n, la probabilité pour qu,il naisse au moins un

bien de naissances faut-il prévoir pour que la probabilité d,avoir au

un garçon devienne supérieure à o,9g ?

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 :

Groupe Peut recevoir du sang sans accident de :

AB Tous les groupes

A 0ouA
B OouB
0 o

En ce qui concerne le facteur rhésus, un individu de rhésus + peut

sans accident du sang de rhésus + ou -
et un individu de rhésus ne -
recevoir sans accident que du sang de rhésus -
Dans une population,
individu pris au hasard a la probabilité : D'une paft, 0,43 d€tre du groupe
0,L2 d'être du groupe B, 0,05 d€tre du groupe AB et 0,4 dêtre du groupe
D'autre paft, 0,85 d'être de rhésus + et 0,15 d€tre de rhésus -'
1. Quelles sont les probabilités des a groupes dans la population considérée
2. Dans un hôpital, un malade du groupe B- doit subir une
san9urne.
a. Un donneur quelconque se présente. Quelle est la probabilité pour
ce donneur ait un groupe compatible avec le malade ?
b. Trois donneurs quelconques se présentent. Quelle est la
pour que deux d'entre eux aient un groupe compatible avec le malade
3. Reprendre les questions précédentes pour un malade du groupe o+,
4. On wppose maintenant qull y a un deuxième malade dont on ne connaît
groupe.
a. Un donneur quelconque se présente. Quelle est la probabilité pour
ce donneur ait un groupe compatible avec le malade ?
b. Trois donneurs quelconques se présentent. Quelle est la probabil
pour qu'au moins un d'entre eux aient un groupe compatible avec
malade ?
 ( par an. Déterminer
ndoit-on recevoir de donneurs pour que probabirité
ra
l sexe puis détermi d,avoir au
un d'entre eux du groupe compatible
les jumeaux soient avec le deuxième malade
s.rçÉrieure ou égale à o,gs ?

Ëa descendance d,un homme aux yeux

). D'autre part, bruns pofteur du génotype a,a
alnereç a et A, au sein d,une poputatioi homosène
(-). La possibitité i::::g:1s
dlndividus aux yeux breu tous pofteurs
: Le groupe sanguin du génotyp e AA. chaque
peut transmettre à son enfant
soit re gène a, soit re gène.4, avec
, on utilisera le 0,5,
ra

est la probabilité pour qu'un enfant de l'homme

aux yeux bruns ait
ent les yeux bruns ?
est la probabilité pour qu'un petit enfant
de rhomme aux yeux bruns
bment les yeux bruns ?
descendance de rhomme aux yeux bruns comprend à ra
deuxième
dion trois petits enfants, donner lexpression de ra probabirité
pour
d'entre eux aient égarement res yeux bruns.
:
carcurer pour k 0,!,2,3.
er le nombre moyen de petib enfants ayant
res yeux bruns par famiile
'hésus + peut un ensembre de trois petits enfants, constituées
dans res mêmes
-
r de rhésus ne
1s une population,
f3 dêtre du groupe l'exercice est de comparer I'efficacité de
deux méthodes pour réaliser
,4 dêtre du groupe délai très court une anaryse médicare sur 1000 personnes,
lsus -, cette
doit permettre de déterminer ra présence (résultat
+) ou r?bsence
pulation considérée ? -) d'une ceftaine maladie dont on sait qu,elle atteint un individu
subir une 'ec la probabilité 0,01. Lbrigine des personnes est
telle que
lbn admet
résultats des tests individuers sont des événements
deux à deux
a probabilité pour
de? méthode A, on anaryse séparément res prérèvements
du sang effectués
Ue personne, ce qui conduit à réaliser 1000 analyses.
-.lle est la
tible avec le malade méthode B, on répatit d'abord res tooo personnes
en n groupes de k
:s chacun (soit n. k = 1000) ; on mérange res prérèvements
Cu groupe o+. effectués
k personnes d'un même groupe et on fait l,analyse. si le résurtat
dont on ne connaît d,une
alyse est négatif pour un groupe, on arrête
; sli est posiuf, on anaryse
le sang des k personnes qui composent ce groupe.
i probabilité pour cette question, on établit un résultat qui sera utirisé
le? au c. pour
rer les méthodes A et B. soit f la fonction numérique
de variable
llle est la définie dans l'intervalle[1 ,100O] par :
e compatible avec
f(x)=10.(ï.#)
 Dresser le tabreau de variation de
/.
Résoudre r,équation /(x) = 1000
déterminer I'ensemble des r tels que (x) < 1000.
f
B. Dans cette question, on procède à rétude
de ra méthode B, Si r?naryse
mélange des prérèvements effectués sur un groupe
donne un résu
négatif, on dira que le groupe est négatif dans le
; cas contraire, on
que le groupe est positif.
1. soit la v.a. T, re nombre de personnes atteinte de ra
maradie dans
groupe.
a. Déterminer la loi de probabilité de r.
b' Quelle est ra probabirité p pour qu'un groupe soit négatif ?
déduire la probabilité q pour qu,un groupe soit positif
?
2' Soient les v.a. x, re nombre de groupes négatifs
et r, re nombre
groupes positifu.
a. Déterminer la loi de probabilité de x et y.
b. Déterminer E,(X) et E,(t/) en fonction de n et de k.
3' on considère maintenant ra v.a. z, re nombre d,anaryses dans
méthode B. Combien d,analyses fait_on au total
avec la méthode
:
Indication Exprimer Z en fondion des v.a.
X et puis y
B

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 ?

déduire la probabilité de faire une analyse, celle d'en faire deux et

d'en faire trois ?
k.
est le nombre moyen d'analyses que lbn fera par cette méthode
cace que la
cours de 1000 heures de consultation ?

est la méthode la plus efficace ?

; efficace ?

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 ?

:onsultation, Dans la moyenne et lécart-type de cette variable.

re au cours de 100 la probabilité pour que sur 100 personnes :

;es. une personne soit albinos ?

méthode consiste plus de deux personnes soient albinos ?
l'un mélange de
 56
Ilç-er
;it-_
)(
facteu
et /l-

0,tt5 ; celle qu'elle soit R- est 0,15.

1. La formation d'un couple est indépendante du facteur rhésus. Dresser un
tableau donnant les diverses possibirités de rhésus pour un
coupre
calculer la probabiiité de chacune d,elles.

des naissances des accidents qui nécessitent un

3. Dans urre maternité, ir y a en moyenr're r00 naissances par mois. or :"

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

c. Le premier enfant né dans un mois doit subir ce traitement

; queile
la probabilité pour qu'un second enfant, né dans le même
mois,
egalement à subir ce traitement ?

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

:ér'istique apDelée seulement sont anormaux

,s qu'on
appelle t?-
r'une personne soit

[" Jlf " 'i: ilrrnLr.e moyefr d'enfant-s

:cteur rhésus. Dresser arorm;iux r:i dans une cr;.ssc ai*
esus pour un couple ' i{ dËitir-l-ilnÊr ra prolrabriité pour que
tous res enfants c|une crasse

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 :

L ' .. .' ':, . l'.';,,.)tti ,2. lJq/. r;. l,L)r-,)

i r.-r 50fi[ anorntaux, Lt\]

t'( x :: 7' ç .r) = 0,()L_) ?
ins ld popuiatron son::.
_lu sexe. Les unions *
rlfanl trn de ,es qèna, {: :}** * nor''nÊie de moyenil€
,' "' rn :-,: .lt) et cJer varianc(, r;r ::: lf,
"- r
rreme probairilite 0.S '-;" +- :rr:irabilité cles évérrem€nts .

i,., r.jrtnOi;,liir,: flt: pgp6, *, &- ' :, , :

; 'i:.-..ar' ;-::r.lalÉ:i_jrg
rL , it, t r:t rl teilel quc .

* l.t rj
''

' 1: :rl,,l it

;it:,liiJftc€ a Lieux enfciltts i' '-. i , .r :- il,8

I .*'. rl 1; .tr .1 nr -.1 cl) .- {i,2 i.
 {

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

2. comprise entre 120 et 130 ?

Exercice 42
{
Dans une popuration, ra taiile d'une personne
est distribuée suivant une I
normale de moyenn e 1,69 cm et d,écart_type 5,6
cm.
I' Quelle est la probabirité pour gue ra taiile d,une personne
soit inférieure
L55 cm ? Même question dont ra taite
est supérieure à t7z cm.
2. De part et d'autres de ra moyenne, queiles
sont res tailles qui rimitent
de la population ?
Exercice 43
Dans une popuration, ra probabirité pour qu,une
personne présente un ce
caractère A est de 0,4. On prend 2400 personnes
au hasard dans r
popuration et on s'intéresse à
la répartition des personnes présentant
caractère A parmi ces 2400 personnes.
1. Quelle est ra v.a, considéré ici ? Queile est ra loi de probabirité
su
exacLement par cette variable ? Donner
ses paramètres.
2. calculer ra moyenne et ra variance de cette variabre.
3. Quelle est ra probabirité d'avoir prus de 1000 personnes
présentant
caractère celle d,en avoir entre BBB et 1008 ?
Exercice 44
Dans une population humaine, la concentration
d'une substance
s du sang
théoriquement une v,a, normare. une
étude poftant sur un grand nombre
personnes de cette popuration
a
permis d,étabrir que 600/o ont un
concentration de S inférieure à roo
ainsi que 50lo ont Une concenrrâriô
supérieure à rzo,
1. Quelle est la probabilité pour que la concentration
de S d'une
prise au hasard de la population
soit supérieure à 100 ? Justifier
réponse.
2' Déterminer ra moyenne et récart-type de ra concentration
de s.
3' Quelle est ra probabirité pour que la concentration de
prise au hasard de la population
s d,une
soit supérieure à tzS Z
4' Si on admet que re seuir pathorogique est de 125, quer
est re nombre
personnes à soigner dans une popuration
de 10000 personnes ?
)stance du sang m pæiw$oEique,
t-type 10. euelle
riation du seuil pathologique entraîne
une variation
nomDre de personnes à soigner
dans la population ?
f€smÆ
)(
hurnaine, la mesure de la quantité
d,urée dans le sang
rée suivant une .i3 rt{ a donné les résultats suivants :
: 3r cigr/'iû0 mL ; la variance V : 25 (mg /I00 mt)2.
ne soit inférieure * q'æn'rité d'urée est distribuée suivant une roi normare.
72 cm.
I ,,,n éndtuidu au hasard, quelle est la probabilité que chez cet
=s
qui limitent 7 æ té d'urée soit inférieu re à Z4,S mg / J.00 mt ?
un individu est supérieure à une ceftaine
vareur a arors il
. Déterminer d y
telle qu,il ait 2,Bo/o d,individus
rrésente un
rasard dans
nes présentant
X
rf,*€ ia repatition du taux de chorestéror pour
un grand nombre
eç ia suivante :
probabilité
a i65 cg : 5ïo/o
€rli.e 165 et 190 cg : 3ïo/o
à tB} cg : 4%o
tes présentant
qje le taux de chorestéror est distribué suivant une roi normare,
es tè probabilité pour que re taux d'une personne
prise au hasard
t é rô>ca I
rce S du sang
la moyenne et lécart-type du taux de
grand nombre cholestérol.
600/o ont r; Que les personnes dont le taux de cholestérol est supérieur
à
ne concentratio ri ,rg* *!*ivent subir un traitement.
Quel est le nombre de personnes à
dans une population de 100000 personnes
?
i d'une x
? Justifier reçoit chaque nuit 6 blessés de la route
choisis au hasard sur
des blessés de la région.
le S. que sur un grand nombre des bressés
de ra route, ra probabirité
'd'une personne un cas grave est 0,2, carcurer ra probabirité pour
que ra crinique :
& ,Ë reçoive aucun cas grave chaque nuit.
st le nombre de &' en reçoive un,
és? €. tr' reçoive plus d'un,
 2. compte tenu de ses autres obrigations, re chirurgien
de ra crinique ne I
sbccuper chaque nuit que d'un seul blessé
nécessitant une opéra
urgente. s'ir se présente prus d'un cas grave
dans ra nuiÇ on fait apper à
autre chirurgien de r?xLérieur qui sbccupe
de tous res autres cas graves.
a' Quelle est la probabilité pour que pendant une semaine
ce dernier
dérangé au moins une nuit ?
b. Quelle est ra probabirité pour qu'ir soit dérangé prus du
tiers de ses
au cours d'une année de travail de 300 jours
?
3' sachant que re chirurgien de ra crinique travaiile
300 jours par an,
de nuits par an doit-il shttendr r à être déranqé
?
Exercice 48 {
Dans une popuration donnée, ra taiile
des individus suit une roi normare
moyenne m et décart-type a.
1' on prend un individu au hasard, queile est ra probabirité
pour que sa
soitsupérieureàm?
2' Quelle est la probabirité pour gue sa taiile soit supérieure
àm+ o ?
3. on prend un échantiilon de 10 individus et on s,intéresse
au
d'individus de taille supérieure à m
* o.
a' Quelle est la v.a. considéré ici ? euelre est ra roi de probabilité
suivie
cette variable ? Donner ses paramètres.
b. Quelre est ra probabirité de trouver au moins un individu
de
supérieure à m -r o dans un échantillon de 10 individus
?
Exercice 49 {
un homme travaiile 250 ;ours par an, son
trajet pour se rendre à son bure
dure en moyenne 43mn avec un écart-type
de 3mn30s (on suppose que
suivant une toi normale), Il commenc.
bien de jours par an doit-il s,attendre
à ;;#:i;ril;
à être en retard ?

Dans une population de 500 000 sujets

sains, on a constaté que le taux
d'urée dans re sang est de 26 mg
/1,00 mt et 360 000 sujets ont un taux (
entre 21,14 et 30,86 mg
/LQ0 mt,
1' Quelle est ra probabirité pour qu,un sujet ait un taux d,urée
compris er
21,14 et 30,86 mg mt ? Justifier
/I00 votre réponse.
2' on admet que re taux d'urée dans ra popuration
considérée est répa
selon une loi normale.
a. Déterminer la variance du taux d,urée.
b' Quelle est ra probabirité pour que re taux d,urée d,un
sujet soit i
à 3L mg /r00 mL ?
 'gien de la
clinique ne
nécessitant une ooér de sujets atteints de lurémie (excès
de lurée
dans re
té que le taux moyen de l,urée est
s ta nuit, on fait appel
à de 4|mg/IoLml
v ttLUJ LVIJ IILL
rs les autres cas graves, de /100 ml (on admet que le taux d,urée dans
3,5 mg
également répartit selon une loi
ne semaine ce dernier normale),
-l'

" qÊ.je chez ce sujet, le taux d,urée

é plus du tiers de ses soit inférieur à zz,4mg/
: md.3

300 jours par an,

;!.::

{*"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/

babilité pour que sa né le taux 33,Bmg/L00mt; le

médecin déclare qu,il est
e 0e ta question 3. la probabilité pour que
le médecin
lrieure àm*o? r,,. rrf-'e erreur de décision ? cette probabirité
s,appete risque
r s'intéresse au .,.. eie première espèce,

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,

rntenant ra popuration totare (popuration

se rendre à son bu des sujets sains et
atteints de rurémie), ir s'avère que res
30s (on suppose que sujets atteints de
représentent 7'o/o de ra _ popuration
:nce à ghoo et quitte rvtse,e!,v,, totare.
Lvlqrç. on
\Jil prérève
ptelgve au
dLl
et on mesure sa quantité d'urée re résurtat
re à être en retard ?
; a donné un
- 33'4mg/r00
?? 4mà /1An mr, tat,^t^ ^^r r- -- | | ,,.. ,
^t Quete est ra probabirité pour que re sujet
nt atteint de l'urémie ?
;taté que le taux
iets ont un taux

-rx d'urée compris

,considérée est

d'un sujet soit

STATISTIQUE
PROBABILISTE

Corrigés
 atriculations possible est :

'-{$+1û+102+10s)

dB manières de les classer

est :

ce votes possibles est :

1,2

- ciz * cl, + cfr+...+ cl: =Zrl,r= (1 + r)r, = 2rz = 40e6

de votes possibles
oo* orJ=,J candidat A soit élu :
clr+ cf, + clz+ ci! + ci] + cf! 15s6
pour le candidat B.
=
eh votes possibles pour qull y
ait ballottage est :

Cfz:924

d'équipes différentes est :

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
:

C;,C3 - Câ.C?\ =980 - 105 : 875

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;

groupes de 2 points pris parmi n. Ce nombre est donc :

2. Le nombre de droites passant par 2 points est égal à la somme

du
du côté (n) et du nombre de diagonales. Le nombre de diagonales
donc :

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 :

(c:.c; + c:.cil _ Gî.c3 + cl.co1) = 560 _e6

= 464
Exercice 9
1. Le nombre de boules que contient l,urne e$ :

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 >>.

ci+cl + ...+ cA 2+4+'.'*n iG*r) nr2

-1
Ln (n*1)
2 2
:

P(A\ :*'
= 2,(n+7) ,

égal au nombre
m @e l'événement B < Boule portant un numéro impair >.

P(B) : L- P(A) - 1- -!iJ-

2.(n+7) 2.(n+1.)
".:
P(B\:2.(n.n+ L)
: ll -n = 6

F6e l'événement C < Boule poftant un numéro strictement

rà4>.
ô:
Cê.Câ
P(C) =
clt
cnnance est :

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 >.

: cr1+co1 + ...+ cî 2+4+".*n iG*t) n*2

-1
un.(n+1) n.ln * t) 2.(n + I)
. ---z-
i
n+2
-p(A\-
\"/ 2.(n+I)
égal au nombre
ffi" l'événement B << Boule portant un numéro impair >,

P(B) : r - p(A)- i. - -!13- = ---n-

2.(n+I) 2.(n+r)
:

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,

iennent le sirop .4 < Ne pas gagner de lots >.

P@):*cio

i=464 P(,4) : 6,1s

ent B < Gagner un seul lot >>,

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 >>.

+1) Çt' + c-?'cl ci'z

P(C\ :c3
cà
 Dbù :

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(B n c) : P(B). P(C)

Dbù :

P(BnC)=0,01,2
b. InfecLions dépendantes :
L'événement B dépend de celui C :

P(B/C): 0,08,0,5 : 0,04

Donc :

P(B n c) = P(B /c).P(C)

Dbù :

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 >>

R, << Boule rouge au 1er tirage >

R, << Boule rouge au 2èt. tirage >>

l"t cas : tirage avec remise

1. Ona:
P(BIn Br) : P(Br).p(82)
JZ5
=1 -:-
981
Dbù :

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 :=#

P((81 nBz)u(R1 nnr))=#

ff{e, nR2) u(R1 ît B) u (arn a))= 1 -p(Rr n R2) :

= 1 - p(Rr).p(R,) = l - !81=ut
81

P((81 n Rz) u (R1 n Bz) u(r, n ar;; = Ê

B1
sans remise

P(B1n 82) P(82/Bt).P(Br):;

205
= =
; 72 18
r
P(8,À8")*i-
1B

S- n 82) u (R1 n Rr)) : p(hî B) + p(\î R2) =

: P(Br n B) + P(R2/Rr).p(Rr) = =i
fr * * i

n((Br î B) u (R, n Rr;) : 4I

P{{81 nR2) u (R1 nB)u(arnn)) = 1-p(Rr nRr) -

- + =1
= 7 - P(Rz/R1).P(R1) = r-186

P((81 n R2) u (R1 n B) u(r' n arl) :

I
nements suivants :

>> 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*) = P(r+ / M). P(M) + e(r- 1@. e@

Dbù
P(I*) = 9,649
et
P(T-)=7-P(T+)
Dbù
P(T-) = 9,952
2. Ona

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> 1)=t _p(x _0)=1_cfo.(e@p_)),

(r_r@t *)),0
Dbù :

P(X>I)=0,994

1. La suite (V), défrnie par :

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

& wnme des n oremiers termes :

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

.: P(AA,*): P(AAn*t/AAn).P(AA) + P(AAn+rlAa.)'P(Aa.) =

:
Iy- -t ''"
- xn 1 -T
ry I-
L,rn ir
1 A,ln
-1
++ -v

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(P) + P(H) + P(C)

+P(PnHnc) - p(pnH) - p(p n C) _ p(Hn
c) +
:p(p) + p(H) + p(c) _ p(pn c) _ p(H n c) + p(pn
+P(Pu Huc) H n c) +

P(P U H U C)= 1 et p(p n H

n C1 = g

' P(pna)=g
malade qui souffre dhypertension
ln
et de maladie pulmonaire.

P(H U P) = P(H)+ P(P) _ P(H

n P)

P(HUP)=0,S

par la machine A >> p(A) _

, 0,s
la machine B>> , p(B) _ 0,3
,par
pgr la machine C >> p(C) g,2
, =
< Pièce défectueuse >.
/r{) = 0,03, P(D/B) = 0,02, p(D/C)= 0,04

P(D /B).P(B)
)- P(D /A).

P(B /D) = s,2

P(D /c). P(c)

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+) =

P(M /r) = 0,82

On considère les événements

suivants :
cG <( Souris de génotype GG >>, p(CC) g,4
=
Gb < Souris de génotype Gb >>, p(Gb)
= 9,6
1. Ona:
P(c1) = P(GG n GG) = p(GG). p(GG) = o,L6
P(C) = P(Gb n GG) = p(Gb). p(cG) = 0,24
P(ca) = P(GG n Gb) = p(GG). p(Gb)
= 0t,24
P(Cù = P(Gb n Gb) = p(Gb). p(Gb)= 0,36

Génotype des souris mâles

Génotype des
souris femelles

On pose les événemenb suivants

:
GGr. r, Souriceau de la
1è'. générationde génotyp e GG >>,
6b, Souriceau de ;u 1ère génération
<<
de génotyp e Gb >>,
àbr <. Souriceau de la 1ù. génération
de génotyp e bb >>.
Ona:

= 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

t'ârire comme suit :

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)

x = P(B) et f(r) = p(B /A)

3/
ft ; + f'(x) =ffitoa vx)o

b rnaladie >>,

:O,ee et p(r_t@ = 0,e9

g P(M/T+) > 0,95.
ona:
PQ+/M).P(M) a.P(M)
}G,,, .-lH).P(M) + P(r+/4,P@ r+(a-I).P(M) > 0,95
lb ,>, .û,95
b >>, a* 0,95

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 @)

Cette probabilité s'appelle valeur prédictive positive notée lzp +.

D'où
P(M/r) = 0,92
Ona
r(r-1u).r@)
r@ p-) =
P (M) + r (r1 u). r Çu)
(r_ / M). P

Cette probabilité s'appelle valeur prfuictive négative notée tzp -

Dbù
P@ tr-) = o,e6
3.
a. La probabilité pour que le mâJecin commette une erreur de décision est

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

ær læ valeurs prédictives positives, négatives, la sensibilité

spécificité de rfrr,nouvel examen à celles de l'examen de référence.

1,64

4)

tM).p@
tive notée Zp *.

/D.P@
rUve notée Zp -.

3reur de décision est:

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 est une v.a. qui peut prendre les valeurs de l,ensemble

{0,L,2,3,4,5}.
Loi de probabilité de o :

D 0 1 2 3 4 5

P 6/36 L0/36 B/36 6/36 4/36 2/36

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 :

P((S,D) = (6,5)) É P(S = 6).P(D 5)

=
.9 et D ne sont pas donc indépendantes.
4. on pourrait répondre à ra question précédente puisqulr
convient
remarguer que si s est paire arors D rest aussi
et réciproquement,
Exercice 23
1. Le rat n'a aucune mémoire :
a. on pose lévénement.r4 << Le rat sort au bout de ra 3èr" fois >>.

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)

,'-- 3333331 729

,nornbre d'essais effectué par le rat >>, X peut donc

embfe t0,I,2,3,4,5j.
de 'ensemble {1,2,3,4}.
f

7
4

nB2) = P(82/M),P(M') =+i=i

^
M2 nBr) = p(4/M2).p(Mz/M).p(Mt) =;" j= j
nMz.1MtnBn) =

t&). p (w / M2). p (M2/ Mt) p (M') = t ; I i =i

x 7 2 3 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

sai >>, E(X)=2,5 , V(X)=t,25

distribution de x est :

F:R.+R
x-F(x)=P(X<x)

r 7èt. fois >>.

 Ona:
0 x<L
L
'L<x<2
4 0 x<1
7t t/n L<x1
F(r) = -+-
44 2<x<3 + F(x) = ,/,
I1.7 23x<-
-+-+-
4'4',4 3<x<4 t/n 3<x14
L7t1. x>
-+-+-+-
4'4 4'4 x24 1,

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 :

2. La fonction de répaftition F est définie par :

2ç - F(x) = P(X < x) Js['f G)a,

Ona:
F(x) = p(x < ù = f{t)d.t = )-Êr-*]'r= !
[o' - s-Lt
F est définie sur [0, *-[.
F(0) = g , .I++æ
lim F(x) = 1
Vx e [0, +oo[ , F'(x)-f(x)=Le-k>o
 0
Ir
'/+
x<7
7<x<2
/2 2<x<
,/n
3<r<
7
x>

r événement >. pour que lévénement étudié

se réalise au bout d,un temps r
tion densité
/ est
P(X> t)=1-p(X (r)= I-F(t)=s-Lt
mathématique de X est :

r*-
E(x) =
|x.f (fiar = [
Jg -li+ JO x.f (x)dx
a.++@

intégré par parties, on obtient :

<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: ,

E(x) =, =)- 1=+

1. La probabilité pour qu'un atome de l'isotope radioactif sulive au bout
temps t est :
t
P(X>t)=s-T
2. Ona:
tt
P(X > t) = a + e-T = d +-: = Inq. + t = -T.lna
I
Dbù :

" P(X 2 t) = -T.Ina

Exercice 25
Soit la v.a. T << Temps d'attente par minute pour l?rrivée d'un bus à
station >>.
1. La fonction de répartition F est définie par :

F(t) = p(r < t1= ['1ç*1a*

Jg
si 0<r<4 alors:
ft x l*t1t *
F(t) = =
J"ù0, l,ol"= u
 l'<t<B alors:

=
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=!

P(T<6/T>3)= P(3<T<6) = F(6) - F(3)=-Le

d'un bus à P(T > 3) 1 F(3) 32 -

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.

!n+r = P(Bn*) = P(Bn+t/N) 'P(N") = 4'"n

D'où
zn
tn+t = a;
L
Zn+r = P(Nr,*r) : P (Nn+t/ N). P(N") = -r'
"n
D'où
zn*r =T
1et de raison
b. (2,)n est une suite géométrique de premier terme zt = 2
Ona
/ 1\"-1 L
o "n= ""\Z) = F
D'où
'1
on-
zn
Ona . 1L L
xn+r=!n+t=4'Z=7æ
D'où
L
Ln-yn-.rn+L '
L'-

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

3*l = Lr,". e^ - (r çx1)' = I 2,".* * r*.# - (2r), = 3t4s2BS

i! n=I n=L

. E(X)=2t ' V(X)=3L45285

liles événements suivants :

la cible >> , P(C) = 9,6

=!
I
,:..! l-
la zone
-^-^ i >>, P(Zi)
' .- ^/-
\
avec i = !,2,5,L0
et de raison
v.a. X << Nombre de points marqués lors d'un lancer >>.

a:
P(X =0) = P(Z) = t - p(C) = 9,4
a pour t = L,2,5,L0 i

,;' p(X = i) = p(àt/C).p(C) = l.O,u

K
détermine k tel que , ''

:"u,++ 0,6 0,6.2* 0,6.5* 0,6.10

=1
k+ k L k
i,. 1nR
10,8
- n =0,6+k=LB
.
:,

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

zr" v(x) = ) *?.p(x

Z-J
- rt) - (r(x))'
i=1
 Dbù :

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

' E(X) = n'p

v(x) = n'p'q

=n))3 =L E(X)=6 , V(X)=3 , o=JVq)=L,73

Xr, < Nombre de garçons nés parmi n nouveau-nés >>. On a
(n ,0,5).
a
'.P(Xn> 1) = | - p(Xn- 0) = L - Cl.(0,5)".(0,5)0 - 1- (0,5)"
bù:
P(X^> 1) = 1- (0,5)"
1o))' n détermine le nombre de naissances n tel que P(X,, > 1) > 0,99
a:
P(xr> 1) > 0,99 =+ 1 - (0,5)n > 0,99 +n)ry = 6,63
Lnu,5

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

la v.a. X << Nombre de personnes âgées moins de zo ans vaccinées

10 >>.

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

On détermine n tel que :

P(Xn21) > 0,9

Ona:
lnÛ,L
P(Xn> 1) > 0,9 + 1- (0,83)') 0,9+n > LnU,63
æ L2,35

Dbù : '. -
n>- 13

i, On Pose les événements suivants :

',
1,. AB < Etre du groupe AB ,> P(AB) = 0,05
,l:lirl ,
A << Etre du grouPe A >> P(A) = g'43
B << Etre du grouPe B , P(B) -- O,Lz
>>

O << Etre du grouPe O , P(O) = 9,4

>>

R+ << Etre du rhésus positif ,r , P(R*) = 0,85

, ,: R- << Etre du rhésus négatif > , P(R-) = 0,15
, I l. ona:
P(AB+) = P(AB n R+) - P(AB).P(R+) = 6,4
P(AB-) = P(AB) - P(AB+) = 0,01
P(A*) = P(An R*) - P(A).P(R+) = 0,37
P(A-)= P(A)- P(A*) =0,06
P(B*) = P(B n R+) - P(B). P(R+) = O,t
P(B-) =P(B)- P(B*) =0,02
P(O*) = P(O n R*) - P(O). P(R+) = 0,34
P(0-) =P(O) -P(0*) =0,06
 -e groupe compatible à celui du malade est O- ou B-.
.l-a probabilité cherchée est :
", P(o- u B-) = P(0-) + P(B-)
:U'OU :

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(X :2) = 0,0L7

groupe compatible à celui du malàôe est O+ ou O-.

:La probabilité cherchée est :

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 >>.

'.On a X --+ B(3 ,0,4)

P(X :2) : C&.(0,4)2. (0,6)1
Dbù :

'. P(X = 2) = 0,288

: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 >>

V< Etre de vrais

s << Etre de même
tii", 0,5 , p(v) = p
-- ! ,.p(sÆ) =
P*L
1. Ona:
+ p(sD'p0) =
n-rn5.(1-
1'p * 0'5' (1 -
p) -- -T
P(s) = P(s/v)'P(v)

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

D'où: P(v/s) =# jumeaux

AJmame sexe parmin
de jumeaux
Soit la v'a' x
<< Nombre
3.
on sait que :
x - B(",4, )
Ona:
rtible avec le

P(x-o)= cl(\' (t-'l!)" =F\"

tI - n\n
P(X=0)=l+l
\Z/

nneurs du
:s événements suivants :

de la nè-" génération est de génotype A.A (aux yeux bruns) >>,

de la nè^" génération est de génotype Aa (aux yeux bleus) >.
ôisement de la génération 0 est Aa n AA.

P(Aar):9,5

', P(Aa2) = P(Aaz/AA n Aat)'P(AA n Aor) = 0,5.0,5 = 0,25

t
= g'25

à v.a. X << Nombre

'(Aa')enfants
de petits (hommes de la 2è'" génération)

it que X + B(3 ,0,25).

,:-o)=A
p+L .27
P)= ;,r) = a
'9
=2) = 64
':: ')_

.3)
-' = 74
64

:. 8(X) = n'P

E(X) = 9,75
I

'événement M << Etre atteint de la maladie >> , p = P(M) = 0,01

ri n jumeaux >>,
= ro. (x * i) sur [1,1ooo]
:
I= 10to f (1-000) 10001

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[

B' t atteintes de la maladie

1. Soit la v'a' 1 << Nombre de personnes
groupe >>'
a' On sait que 1 -> B(k'0'01)'
b. Ona: (0,01)0'(0'99)k = (0'99)r'
p= p(T- 0) = Cf

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 <<

Z. Soient les v.a. X < Nombre

groupes Positifs >' (0'99)k)
t +
B(n' (0'99)k) êt ' Y B(n 'L-
' a. On sait que X
b' on a :
ECr) --n' (0'99)k et
E(y) -- n'(r- (0'99)k))
B >'
*Àt" d'analyses dans la méthode
3. Soit la v'a' z*
Ona:
z=x+(k+1).y
 "'E(Z) = E(X) + (k + L). E(Y) = n + n. k - (0,99)k.n
:

(0,99)I' =t-L
- 100
remplacé cette approximation dans l'expression de E(Z), on

::

E(z)æro.(r*90
)=f&)

k un entier naturel tel que n.k = 1000.

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,

die dans E(Z) = 2gs

iiévénement.s < Avoir une réaction séàlogique >.

ll considère la v.a. T << Nombre de personnes ayant une réaction

parmi 6 >>.

sait que T + B(6 ,0,2).

a:
P(T = 0) = Coo. (0,2)0.(0,8)6 = 0,26

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 :

PQI = 0) = Czo.(0,2)0.(0,812 = 6,64

D'où :
P(U=0)=0'64

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 :

,': P(A) = 0,29

a probabilité dbn faire trois est égare à ceile pour qu,un groupe
soit
ositif, c'est-à-dire que :
1,000.0,74 = : P(B) = g,g7
Je A au cours )h considère les variables aléatoires suivantes :
<
I,i Nombre de groupes négatifs parmi 3000 >>,
<< Nombre de groupes
!à, semi-positifs pprmi 3000 >>,
/ant une ?1 < Nombre de groupes positifs
parmi 3000 >>,
<< Nombre d?naryses
par ra méthode B au cours de 1000
heures de

lale à celle ta:

,ique, -r 8(3000 ,0,64) , Gz - 8(3000 ,0,2g) et G. _r B(3000
I
,0,02)
a:
!,= Gt*2.G2+3.Gr+ E(2,) = E(G) +Z.E(G)+
3.8(G3) =
i,= 3000.0,64 + 2.3000.0,29 + 3.3000.0,07 : 4290

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.

M << Etre albinos >>,

, 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

que X -+ 8(100 ,0,02).

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 :

itre de la loi i P (M) = P(M /R+ n R-).P(R+ n R-)

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
<< >>.

On sait que Y + B(99,0,01).

0na:
p(v
- P(Y > 1) = 1 - P(Y < 1) : L- P(Y - 0) =
I - t-c3".(0,01)0.(0,99)ee
l. D'où :

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

P(xx n xx) - P(xx î xx) = P(xx)' P(xx) = 0'L4

P(xx î xx) - P(xx n xx) = P(xx)'P(xx) = 0'07
P (xx n xx) = P (xx)' P(xx) = o,o4

P (Xx n xx) = P (xx î Xx) = P(Xx)' P(xx) =

0'02
P(xx n xx) = P(xx)' P (xx) = 0,01

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 >>.

P(xxr) = Xi=, p(Xxr/C).p(c) =).0,t+ + r.0,07 +)o,t+ + o,o+ +

].
,. +
)o,oz + L.o,or +).o,oz = 0,32
I Dbù
'
,(xxr) = g,g2
;- on pose lévénement xx1 << Enfant (de la 1è'" génération) de génotype
xx >>,

f, P(xx") - 1 - P(XX) - P(Xx)

r Dbù:
': P(xx1) - 0,04
la v.a. X << Nombre d'enfants ariormaux parmi 3 >>.

a:
X = 2) = P(X = 2/C).P(C5) + l(x.= z/Cù.p(Cù + p(x = z/Cù.p(cg) +

-' +p(x = z/cg).p(cs) = ce.G\'. (;)'.0,04 + q.H'.0'. 0,02 +

,, tc|.e)' .O' .o,oz + c?.(r)2.(1 - 1)1.0,01 = 0,02
xx
0,L P(X=2)=0,02
'"xîXX:Cz
Ona:
0,07
P(cs/(x=2))='æ:'W=
cxîXx=Ca
0,02
=G'e)'.(f)'o,on
0,02
,,àr,=C" Dbù :

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 >>.

On sait que Y + B(25,0,04)'

Ona:
E(Y)=25'0,04=L
D'où :

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 <<

On sait que X -> PQ) avec )' = E(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 :

P(-t'96 <T < 1'96) = 0'95

2. P(T > t,g6) - L - P(T < t,96) - 7 - F(L'96)
 P(T>1,96)=Q,95
2<T < 1,15) = F(1,L5) -F(-0,42) = F(1,15) + F(0,42) -l
||.
P(-0,42<T < 1,15) = 9,539
tsse de <T < L,37) = F(L,37) - F(-2,55) = F(L,37) + F(2,55)
t2,55
-7
l:
.. P(-2,55<T <1,37) - Q,Ç1
< T < 0,89) = F(0,89) -F(0,18)

'' P(0,18<f <0,89) =0,242

x < T < x) = 0,99 + F (x) - F (-x) : 0,99 + 2. F (x) - L = 0,99

+ 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

+1- P ej9J = 0'8

p(x >c) = 0,8 + P (T f)
=
= 0'B F<
+r-.(=39J=o,B+ r(9\=o'z
+r-t(-gJ =0,2àP(-4i = o'e
à -"? = o'84
D'où :
c = 15,8
d. p(m- d. < x 3mt d) = 0,21- P (-i <T 3!) = o'zt
'-t (î) -. (-9 = o,2r+2'F(9 - t = o'2!
--' e (g) +1= 0,27
\s/ = 0,605 s

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

S 155) = P(T < -25) = F(-2,5) - L - F(2,5)

P(X < 155) = g,gg5
,a P(a < X < b) = 0,7 tel que b - 169 = L69 - a.
z-\69 b - 169t tb - L69t ra- L69t
<r< sÉ )=o'7+t( rr J-r( rn j=o'z
s^6
,l+)-r(-b-]::)=0,7+rr(U^)-t=0,7
tl.rb-L69t b-769
t^u /=o'85= s,o =1'03
:

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)

E(X) = 2400.0,4: P60

V(X) = 2400.0,4.0,6:- SZO

E(X) : 960 , V(X) :576

de calculer :

P(X > 1000) = P(X = 1001) + ...+ P(X = 2400)

lcul présente d'un maniement difficile. On pourra utiliser la loi normale
conditions d?pproximation de la loi binomiale par la loi normale sont

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 :

P(888 <X< 1008) =0'977

Exercice 44
personne
Soit la v.a. X << Concentration de S d'une
>>'

On sait que X + N(m,oz)

P(X <100) - 0,6, P(X >120) = 0'05
1. Ona:
P(x> 1oo)= 7-P(x (1oo)=o'4
D'où :'
P(X>1oo)-0,4
Toutes les fréquences ont été assimilées
: à des probabil
Remarque
puisquel'observationaétépoftéesurungrandnombredepersonnes
faible des grands nombres)'
2. On Pose :
X-m
\oT -'- -r N(0,1)

try) = 0,4+r -r(r'

1m --) = o'+
p(x >100) = 0,4+ P(t

+ r (r <roo : -)= + t (ry#) = 05-ry

0,6 = ('25

Donc:
m+ 0,25'o = 100
D'autre Part,
t L20 -mt'
P(X > L20) =0,05 + t (t t T)= 0'05

+ 1 - r (r . t#)= o,o5 - r (ry)= o,es

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.

;P(x > d) = 0,7+ P (r, *rà= 0,1 + t - r (r < #) = o,t

,,1 * r(r.#) = o,e+ r(#)= o,e+#=L,28

Dbù :

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 !

probabilités, ,personnes a sorgner.

lrsonnes (loi
la v.a. X < Quantité d'urée dans le ,ang d'un. personne >>.

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

+ r (r .+) = 0,e72 - , (+) = o,erz +"-? = !,eL

Dbù :

a = 36,55

X << Taux de cholestérol d'une personne >>,

la v.a.
i aX - N(m,o2).
. P(X <165)=0,58, P(165 <X <180) =9,39, P(X> 180) =0,04
pose :

,= 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

+r (tl';*; = o,e6 -g: = r'75

Donc:
m*\75'o=18o
Ces deux équations donnent
:

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 >>.

On sait que Y + B(7,0,35)'

Ona:
P(Y >1) = 1 - P(Y - 0) = 1- cP'(0',35)0' (0',65)7
D'où :
P(Y>1)=0,95
chirurgien
nuits où on fait appel à un autre
b. Soit la v.a. Z << Nombre de
pendant 300 jours >>'
On sait que z -+ B(300 ,0,35)'

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
>>'

On sait que u + r(aoo,P(x > 1))'

Ona:
P(X > r) -- 0'74
de mathématique de U'
,' Il s'agit de déterminer l'espérance
' E( U) = 300'0'74 = 222
à être dérangé'
Il doit s'attendre en moyenn e222 iouts
Exercice 48
Soit la v.a. X < Taille d'une personne
>>'

On sait que X N(m ,o2)' -

1. Ona:
P(X >-m) = 0,5
2. On Pose :

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
>>'

Y << Nombre de jours à être en retard

parmi 250 jours >>'
+
On sait que X -+ Àr(43, (3,5)') et Y f (zSo 'P(X
> 50))'
On pose :
x-43
, =T-+ N(0,1)

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

+, (Y) -, (-Y) = o,T2 + z. F (T) - r = 0,72

='"(T) = o,86 -4'?6 = 1,oB

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
<<
>>.

0n sait que Y -+ N(40, (3,5)2).

a. On pose :
7, - lo -
=! 3,5 N(0,1)
t
Ona:
P(Y < 33,4) = P(T' <-1,88) ='f(-t,gg) -I -F(1,88)
Dbù :
P(Y<33,4)-0,03
b. Ona:
p(x > 33,4) - p(T > L,64) - 7 _ p(r < t,64) _ 1 _ F(7,64)
Dbù :

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. ?

:.extrait au hasard un échantillon de taille t4+ dans une population de

iênne M = 47L2 et d'écaft-typê o
= 6000, euelle est la probabilité pour que
Dyenne de l'échantillon soit comprise entre et 6000 ?

'mesure le taux de cholestérol sur 100 personnes tirées au hasard d'une

ulation et on trouve que le taux moyen pour cet échantillon était de
;4 cg avec un écaft-typ e de 45,6 cg.

,Déterminer l'interualle de confiance pour la moyenne de la population

au
flsQUe r

1'a. 5o/o

, b. lo/o

Au risque de 5o/o, évaluer le nombre minimum de personnes nécessaires qui

'
; permettent de connaître la moyenne de la population à 1cg près, Est-il
:possible d'envisager un échantillon de cette taille ?

:'un chercheur tente d'approcher la moyenne de la population par létude de

. l'échantillon. combien de personnes devra-t-il prendre pour pouvoir
affirmer, au risque de 5o/o, que cette moyenne est comprise entre rg4 et
't96cg?

r étudier un lot de fabrication de comprimés, on prélève au hasard l-0

irprimés et on les pèse. on observe ainsi les 10 valeurs exprimées en
llnmes'qÉL opêî
8,68î p,6t1 p,?2b a1?T)\, q*" o,a81 qæs o1b'tt
0,81. 0,84 0,83 0,80 0,85 0,86 0,85 0,93 0,84 0,80
. 3alculer la moyenne et l'écaft-Çpe de cette série.
.'Déterminer, au risque de ro/o,I'intervalle de confiance pour la moyenne de
. la population.
Exercice 5
de 256 personnes d'une
La détermination du taux d'urée sanguine
donnée a conduit une ualeur moyenne
de 40'6 mg/I et urre variance de
64ms /1.
dans la population'
1. Déterminer l'intervalle de confiance pour le taux moyen
au risque de 5%.
2.Sil,ondisposede200échanti||onsde256personnes,onpottrrait:":'Ï.li
la rnoyenne de la
200 intervalles, combien en moyenne contiendraient
poPulation ?
minimale de l'échantillon qui permettrait
3. Quelle devrait être la taille
connaître la moyenne de la population à
0,0Lmg/lprès de lir population ?

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

de patients au risque de 5%'

Comparerletauxmoyenobtenuàlapremièrequestionavecceluide
population normale. Que peut-on conclure ?

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?
?

un échantillon de 600 sujets atteints de cancer des poumons on a trouvé

Lg/ 50 fumeurs. Que peut-on dire du pourcentage de fumeurs parmi les cancéreux
rce irisque de 5% et au risque de ro/o ? peut-on déduire de ces résultats qu,il est
trt- de fumer ?

on I coun; d'une période, parmi les malades consultants en gastro-entérologie en

ison cle troubles digestifs, on a dépisté dans des cas un ulcère de
la si I'on vous indique que les limites de confiance de pourcentage, au
;que d: 5%, vont de 73 à 87o/o , -guel était le nombre de consultants examinés
indant cette période ? consiflérez-vous ce résultat comme valide ?
'"i.i
ne
iàrcice
,ergfçel+ 14 . 71,\ i ( 'i''' i.
1 .,
vt ;1 ',' !. . .} , \
rç 1. s'intéresse à la distribution de la glycémie dans la population de sujets
:et d'une maladie particulière M. Des études antérieures ont montré que
ns cetie population de malades, la moyenne exacte des glycémies est égale à
g/1, Dn dispose d'un échantillon de 12 sujets atteints de la maladie et on
le taux de glucose de chacun d'eux ; on a trouvé les taux suivants :
L,70 L,40 7,74 1,46 1,35 1,55 1,30 L,43 L,67 '1,20 7,34 7,25
i calculer le taux moyen et l'écart-type de glucose des sujets de l'échantillon.
i' Au risque de 5o/o,le taux moyen observé est-il compatible avec I'hypothèse
l'l arra
que fa
le larrv
taux mava^
moyen l^de l-la ^^^,,l^u^-
population est )-
^^L de a f,
t,+ g1t?
es
rrd :

rnt ur comparer deux traitements T, et T, destinés à combattre I'urémie, on

: deux échantillons ETet Ez de malades (ayant au dépaft sensiblement
tes r taux d'urée dans le plasma) et auxquels on applique respectivement
;rtraitt:ments Tt etTr. A I'issue de ces traitements, on mesure les taux d'urée

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

458 395 300 538 59 2

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

Au risque de 5o/o, lâ différence des durées moyennes d'hosPitalisation

?
malades traités par T, et par T, est-elle significative Quelles
sont

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'

Les résultats obsenrés figurent au tableau suivant:

Groupe Effectif Moyenne de N6 Variance de No

GL n=37 Iftt = 65,6 o? = 386

G2 n=37 ffiz= 64,3 oZ = 361

Les individus du groupe G, reçoivent le traitement

T et ceux clu groupe G,
placebo (produit inactif imitant dans sa présentation le traitement
T)' Le gro
 nommé groupe << traité > et celui G, groupe << témoin >, Deux semaines
làrd, on a refait des prélèvements de sang et on a mesuré le nombre de

23L24 Nr. Les résultats des différences observées figurent au tableau

Moyenne de (Nt - No) Variance de (Nt - No)

1t1 = 2,L0 Str = 36,24

suivant
1t2 = L,97 SZ = 34,44
nédecin
du tout traitement, les groupes G" et G, doivent être comparables pour
ats l,distribution du nombre de leucocytes. Est-ce bien le cas ? Justifler.
chaque groupe, trouvez-vous une différence significative entre les
dmbres de leucorytes avant et après lbssai ?
les moyennes de (Nr No) entre les deux groupes. Peut-on
-
I que le traitement augmente le nombre de leucocytes du 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

risque de 5o/o,la différence des taux de glucose mesurés avant et après

le traitement T est-elle significative ?

dispose maintenant d'un groupe de 20 sujets et on mesure pour chacun

le taux de glucose puis on administre un produit inactif imitant dans
sa présentation le traitement étudié : le placebo. A l'issue de I'essai, on
rbtient la moyenne des différences (avant-après) égale à -0,04 g/l et
écart-type des différences égal à 0,11 g/1. Trouvez-vous une différence
rupe G, un entre les taux de glucose mesurés avant et après le placebo ?
. Le groupe
 3. Peut-on conclure que le traitement T augmente la glycémie ?

1,
Nxercice
En vue de con'naître le << (nombre de garçons/nombre de filles)
sex-ratio >>

effectue un sondage poftant sur 490000 enfants. On a dénonbré

garçons. Ce résultat est-il compatible avec I'hypothèse selon laqttelle le sex
ratio est égal à 1 ?
2O
,lExercice
Dans une population qui comporte autant de garçons que de filles, lne
a frappé 28 filles et 22 garçons. Cette maladie frappe-t-elle davantage
filles ?

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

Sujets encore vivants à Nombre de sujets

1an 270

2 ans 130

3 ans 50

4 ans 10

Sans \ o

1. Quelle est, en années, la durée moyenne de survie après le trtr'rtement ?

 l,:tonsidère la valeur 1,3 ans comme la valeur habituelle, en
moyenne,
ns traitement. La survie moyenne observée diffère-t-elle
de 1,3 ans ?
,lles) conclure que le traitement provoque une durée de survie plus
?
25
le s lhypothèse de la distribution exponentielle des durées
de survie avec
1:traitemenÇ quelle est la probabilité pour qu,un sujet traité survive au
;rutd'un 1 an ? on pourra utiliser la valeur de la moyenne observée
dans
calcul. Le taux obserué de survie à t an est-il compatible avec
ypothèse faite sur la distribution des durées de survie
?

3.expérimentale d'un médicament a été pratiquée sur 100 malades

s,par tirage au sort en deux groupes A et B.

igroupe A composé de 60 malades a absorbé le médicament étudié.

igroupe B composé
de 40 malades n'a absorbé qu'un produit inactif, le
lacebo" extérieurement identique au médicament.

sont les suivants :

pûpe A : 40 malades guéris.

B:20 malades guéris.
lbn conclure à I'efficacité
du médicameht au risque de So/o?

:'un seryice de maladies infectieuses, ,l'on observe des contaminations

les too employés qui constituent le personnel infirmier. on
impose à 5o
personnes, tirées au hasard, des mesu'res de protection particulières
et
bserve alors chez elles, pendant une ceftaine période, 17 contaminations,
àrtt la même la période, on note chez res 50 employés non protégés,
21
Peut-on dire que le dispositif de protection est efficace ?

lêsire savoir si une nouvelle crème solaire (constituée d'un excipient E et

iproduit P) entraîne des réactions d'intolérance. cette réaction se traduit
r.rariation du taux d'une substance s dans le sang, variation indépendante
tffrrt du soleil. on fait l'étude pendant I'hiver et on applique la
crème sur
tl,ggion non découverte (les bras), on constitue par tirage au sort deux
rcs de 40 sujets, Pendant huit jours consécutifs, les sujets du groupe
t
vent une application quotidienne de la crème (excipient E+produit p)
et les
s du groupe 2 ne reçoivent que I'excipient E. Le groupe 1
et le groupe 2
ippelés groupe traité et groupe témoin respectivement.
et le 12eme jour on dose la concentration de la substance s dans le sang
1. Le 1"' jour de l'étude, le dosage de la substance S a donné les
suivants :

GrouPe Effectif Moyenne

Traité n=40 ï4 = 2,70

Témoin n=40 m, -- 2,20

dans les deux groupes

Est-ce que les moyennes de s sont comparables
Devrait-on s'attendre à un tel résultat ?
grippe s'abat sur la ville et a
2. Au 10è" jour de l'étude, une épidémie de
le groupe 2'
27 sujets dans le groupe L eT22 sujets dans
Lesgroupesletzdiffèrent-i|sdupointdevuede|afréquence
de sujets att
grippls ? peut_on dire que.la crème a influé sur le nombre
de la griPPe ? -

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

les moyennes dans les dt

Trouvez-vous une différence significative entre
;;;;; .u-irl." jour ? peut-on conclure que la crème solaire présente
réaction d'intolérance ?

{Exercice 27 aiguë' Les I

on veut comparer deux traitements notés A et B de leucémie
malades soumis à cet essai thérapeutique sont répartis
en deux group(
d,effectifs inégaux : 40 sujets pour le traitement
A et 50 sujeB pour
traitement B. Le critère de jugement est la durée
de rémissirln complèti
les signes de la leuct
confirmée en mois (c'est-à-dire le délai pendant lequel
n,apparaissentpasc|iniquementetbiologiquement).Siunmaladen'entre
comme nulle.
en rémission, sa durée de rémission sera considérée
1. On veut d'abord comparer les traitements A et B selon le critère
supérieur: à tz r
rémission inférieure ou égale à 12 mois, rémission
parmi les 50 des 90 malades qui présentent une rémission conrplète de
det2mots,20on\êtêtra\téspar\etra\tementA'Compa'er'dans
 t1 tlaitements A et B en expriquant crairement
re choix du test
uUilse.
r'compare maintenant les traitements A et B selon la
durée en mois de la
nission complète. Les résultats sont les
suivants :
Traitement A B

I' 600 1000

l* 14300

r d'isigns la durée de rémission en mois.

25500

les traitements A et B en expriquant crairement re choix du test

utilisé.
les résultats.

lique deux traitements A et B à oo marades tirés au sort (chaque marade

traitement A et re traitement B dans un
ordre tiré au sortl. ôn obserye
suivant :

Succès avec le Insuccès avec le

traitement B traitement B

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 ?

::étudier deux somnifères A et

B, on res administre à rro sujets
iÉiaques, recevant chacun une fois A et une
autre fois B, dans un ordre
sort. on obtient res durées de sommeirs exprimées
en heures.
un premier temps, on compte comme << succès >> une
durée de
:il supérieure à (6 ou davantage). on obtient res résurtats
s
dans le tableau suivant :
 Somnifère A

Durée < 6 Durée > o

Durée < 6 30 1B

Somnifère B
Durée > e 20 42

a. Les pourcentages de succès obtenus avec A et B

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

Y a-t-il une différence entre les durées de sommeil obtenus avr:c

A et
B?
3. Compte tenu des résultats obtenus, peut-on dire qu'un des deux
est meilleur que l?utre ?

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

3,L 2,7 2,8

2,8 2,3 t,9

2,0 2,8 2,3

2.,9 L,3 2,7

Différences
de poids (ks) 3,2 t,7 L,8

2,4 2,6 2,4

2,3 2,4 L,6

2,9 1,8 2,3

3,7 1,5 1,8

traitements ont-ils la même efficacité ?

un traitement B d'autre paft'

ltdrait savoir si un traitement A d'une.paft,
àctifs dans l'évolution d'une maladie, A cet
effet, on constitue par tirage au
le premier un placebo P, le second A et
,;i1, gi.rn.s de malades recevant, jours de durée de
iisième B. Les résultats sont les suivantsu en nombre de

Traitement

de malades traités

Durée moyenne de maladie

Variance des durées de maladie

: traitement A est-il actif ?

: traitement B est-il actif ?

iles trois moyennes diffèrent-elles dans leur ensemble

?
ri

;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 ?

ne de produits chimiques, on considère 4 ateliers A1,A2,As

consacrés à la fabrication du même produit. On veut compar,:r deux
de protection : un masque M, et un masque Mz. A cet effel, on tire
deux travailleurs, I'un reçoit le masque Mt, l'autre le masque Mr. Les
des dosages figurent au tableau suivant :

Y a-t-il une différence'èntre les masques M, et M, ? entre les ateliers,4r,l

etAn? '
N Exercice 33
On sait que pour l'ensemble de I'Europe, les pourcentages de 4
sanguins s'établissent ainsi : O 40o/ol A 43o/o| B L2o/o et AB 5%. Un échar
de 100 individus est prélevé au hasard dans une population rabitant
montagneuse peu accessible de I'Europe. Il s'avère que sur ces 100 individi
sont du groupe O; 35 du groupe A; 20 du groupe B et 10 du groupe AB;,
on penser qu'il y a conformité entre ces résultats et ceux valables''
l'ensemble de I'Europe au risque de 5o/o ?
Exercice 34
On admettra que dans les familles de deux enfants, le sexe de deux
indépendant et que la probabilité de donner naissance à un garçon
Dans une population, on a prélevé un échantillon de too familles de
enfants et on a obtenu les résultats suivants :

Familles compoftant Effectif

2 garçons 30

l garçon et 1 fille 40

2 filles 30

1. Définir une loi théorique de probabilités.

2. Doit-on rejeter la répaftition théorique indiquée au vu de r:es résultats
 d'étudier les caries dentaires chez les écoliers, on a examiné un échantillon
120 élèves d'un groupe scolaire et on a obtenu les résultats suivants
:
et A4

u sort
sultats

Quel est le nombre moyen de dents cariées ?

Définir une loithéorique de probabirité correspondante à ces données.

l Déterminer les effectifs théoiiques.

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% ?

le croisement de deux souches de drosophiles par trois caractères (a,

ts est b et
on montre, en génétique mendélienne que si ces trois caractères sont
t 0,5. par trois paires de chromosomes différentes et si I'on a a*, b* et
c+
deux irrant par rapport à a , b et c respectivement on obtienÇ en théorie, les
otions indiquées dans le tableau ci-dessous. En fait, sur 384 drosophiles
on a obtenu les résultats reportés dans le tableau :
 constitue, par tirage au soft, 4 groupes de 40 souris chacun. on se
si les 4 poisons A, B, C et D sont comparables du point de vue
; le critère de jugement retenu sera le pourcentage de morts au bout de
. On relève alors le tableau suivant :

Poisons A B c D

Pourcentage de moÉs L0o/o 22,50/o 30o/o L2,50/o

cours d'un essai thérapeutique comprenant un groupe traité par lhspirine et

groupe non traité, on soupçonne que ceftains sujets n,ont pas suivi le
'otocole (aspirine prise dans le groupe témoin, non prise dans le groupe
). on effectue, pour le vérifier, au 6è" èt au 12ème mois, un dosage
ire dont le résultat est positif quand I'aspirine est absorbée, négatif si
elle
l'est pas.
Au 6è" mois, les résultats sont les suivants :

Ines a.

lne
'lt Nombre de sujets examinés
ve
en N,lmbre de résultats positifs

Le ,s pourcentages de sujets ayant pris de I'aspirine est-il différent entre les

de rux groupes ?

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

a. Les pourcentages de résultats positifs diffèrent-ils entre les deux dates ?

b ceux qùi font un résultat + la première fois ont-ils davantage de
chances de faire un résultat + la deuxième fois ?

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

une liaison entre le groupe sanguin et le sexe au risque de so/o ?

r. se demande si la localisation précise d,un cancer de I'estomac est

liée ou
1 au sexe du malade, pour cela on dispose des renseignements poftant
sur
cas.

Localisation du cancer

localisation et le sexe sont-ils liés ?

g t
I a réalisé une expérience concernant l'effet de la caféine sur 125 personnes.
résulta!; obtenus sont donnés dans le tableau suivant :

Personnes ayant bu du Personnes ayant bu du

café normal café décaféiné

de sommeil

I une différence d'effet entre le café normal et le café décaféiné ?

 Exercice 46
qu'il y en a 15 qui poftent
un échantillon de 50 finissants collégiaux montre
lunettes et seulen
lunettes, 70 des 200 finissants du secondaire poftent des
portent des lunettes' Au
28 adultes sur 100 qui ont un secondaire professionnel
porter des lunettes et la
risque de 5o/o, y a-t-il une relation entre le fait de
scolarité ?

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

Les auteurs ont analysé l'essai en juillet 19BB et tous les

sujets ont
correctement suivis pendant les 5 semaines qui suivent le
tirage au sOft I 1
décès dbrigines cardiolvasculaire (décès Cv) sont suruenus
: 804 chez
sujetsayantreçudelhspirine,TgLchezlessujetsayantreçude
ni streptokinase'
streptokinase et 568 chez les sujets nhyant reçu ni aspirine,
1. Dresser un même tableau en figurant le nombre de cas de décès cV
chaque case.
2. Dans cette question on procède à l'évaluation d'intérêt de I'association(il
et létude d'efficacité de l'aspirine et cellè de la streptokinase
rècommandé de conserver trois décimales pour les calculs
de toutes
proportions de décès CV).
''
a. Y a-t-il une interaction entre l'aspirine et la streptokinase quelle
présente-
soit la réponse donner la signification. L'association A+S
un intérêt ? Justifier votre réponse.
b. pouvez-vous étudier I'efficacité globale de chacun des

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 :

a. la recherche d'une interaction entre l'aspirine et la streptokinase.

b. l€valuation d'efficacité globale de l'aspirine.
c. lévaluation d?fficacité globale de la streptokinase.
de
: Voici la structure du tableau demandé :
,*
rêS. ? 7 TOTAT
177
Itre (iroupe recevant ? ? 7 2

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

Durée de séjour de ces

prématurés
20
les: Nombre de
la grands
prématurés
Ins
1 500 4I,30 20,30

+S 7525 40,70 16,50

lst L525 40,50 18,00
es
1 450 39,50 77,80

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

oire, Non exposés 13,5 0,9

La tension artérielle moyenne diffère-t-elle entre les deux groupes

?
. Les exposés travaillaient dans 4 ateliers distincts A, B, c et D, pour
lesquels
les résultats sont les suivants : ,

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 ?

iutres 4. on s'intéresse à une caractériçtique génétique pafticurière ayant

trois
avec catégories Gt, Gz, Gr. Le tabreau suivant donne ra vareur
de la tension
rnt la aftérielle chez 3 hommes et s femïnes (1 homme et 1 femme
dans chaque
ie la catégorie génétique).

G1 Gz G3
ligne
:àla Hommes 15 15,5 'J.4,5
ue la
Femmes 14 15 15

La tension artérielle est-elle différente selon la caractéristique génétique

?
bone Quelles sont les hypothèses nécessaires pour répondre à cette question ?
deux Peut-on les vérifier sur les données du tableau ?
dans Exercice 51
prise on veut comparer trois traitements .4r, A, et A, chez des sujets atteints
d,une
certaine forme de feucémie. Dans ce but, on réalise un essai
dans deux
is au hôpitaux, le critère de jugement étant ta durée de rémission, notée par
x,
:xprimée en mois. Dans chaque hôpital, on constitue par tirage au
sort trois
:e \es groupes de leucémiques qubn traite chacu n par l'un
des trois traitements. Les
résuftats figurent au tabfeau suivant :

Ès par
134

Traitement.Al Traitement A, Traitement 43

r=20 r=20

Hôpital 1 l' = rro \, = zoo

\": eeoo
lr' = 12500

r=20

Hôpital 2 )r:leo
Lr' = 11e00

Les trois traitements ont-ils la même efficacité ? La durée de rémission est

différente selon l'hôpital ? Quelles sont les hypothèses nécessilires
répondre à cette question ? Peut-on les vérifier sur les données du ta rleau ?
Exercice 52
Depuis longtemps, on sait que la génétique n'est pas la seule resprlnsable
diabète. On a constaté que les personnes présentant un gène de
au diabète, certaines d'entre elles sont touchées et d'autres épargnées.
facteur d'environnement doit donc donner un coup de pouce déterminant
I'apparition de la maladie, et ce coup de pouce pourrait être le lait de
Une équipe de chercheurs Canadiens et Finlandais de I'université de T
ont établit les résultats suivants :
 Enoncés

Consommation de lait de Nombre de diabétiques sur

vache (litres par penrcnne 100000 jeunes prédisposés
et par an) au diabète
Japon 40
1
France B3
3
Israël 93
2
Canada 100
7
Pays-Bas L07
B
Etab-Unis 113
13
Grande
Brebgne L49
ssion,est-elle L4
ssaires pour Danemark 153
13
lableau ?
Nouvelle
Zélande 160
1_L
ponsable du
Suède 117,
édisposition
rrgnées. Un Nowège 197..
ninant dans Finlande 250
t de vache.
de Toronto 1. Représenter le nuage de points.
2' Déterminer tes équations des deux
droites de régression et tes représenter
dans le plan caftésien.
3' e corrération. Existe-t-ir une riaison entre
ra quantité
it de vache et le nombre de personnes atteintes
du
s, la liaison est_elle positive ou négative
?
4. Estimer re nombre de diabétiques sur 100000 personnes prédisposées
diabète si râ consommation de rait au
de vache était de 500 titres par personne
et par an.
5. Estimer la quantité de consommation de rait
de vache par personne et par
an si on obserue 100 diabétiques sur 100000
personnes prédisposées au
diabète dans un pays.
Exercice 53
La vue des diabétiques est menacée par de nombreuses
atteintes
ophtalmorogiques pouvant entraîner
une baisse de r?cuité visueile. De toutes
ces complications, la rétinopathie
est l,une des plus fréquentes et celle qui
voit surtout chez des diabétiques dont quarité se
ra du contrôre grycémique est
 de chercheurs
médiocre. une étude épidémiologique organisée par une équipe
a permis d'établir les résultats suivants :

Evolution du diâbète (mois) Prévalence de la rétinopathie (o/o)

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

Justifier votre réponse' Que peut-on en déduire ?

7, Estimer la durée du diabète antérieure à sa découvefte'
ripe de
tableau ci-après donne, pour 600 femmes pour lesquelles on a diagnostiqué
inopathie (%o)
, cancer du sein en 1985, la répartition selon l'âge au moment du
) d'une part, et d'autre paft l'âge d'apparition des premières règles

Age au moment du diagnostic

[45 ,50[ [50,55[ [55 ,60[

LL L6 t2 6

Age aux L2 36 32 24
premières
règles 13 L04 108 Ll6

L4 44 48 54

Calculer le coefficient de corrélation entre l'âge au moment du diagnostic et

l€ge aux premières règle3. La liaison est-elle significative ?
Quelle est la pente de la droite de régression de l'âge aux premières règles
en fonction de lâge au moment du diagnostic ?
Dans la population considérée, chez les femmes bien portantes, l€ge aux
premières règles a baissé linéairement en cours de temps, à raison de 2 ans
en 100 ans. Pour ces femmes bien poftantes, quelle est la pente de la
droite de régression de lâge aux premières règles en fonction de l€ge en
1985 ?
Que peut-on conclure sur une relation entre l'âge d'apparition d'un cancer
du sein et l'âge aux premières règles éventuellement suggérée dans les
et les représenter
questions précédentes ?

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
<<

24,63 etZB,IT parmi 80 éôhantillons >>.

On sait que :

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)

E(D = 4zrz, v@ =ry= 25oooo

L42

Il s'agit de déterminer p(5692 < x < 6,000).

On pose :

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 :

on suppose que le poids de comprimés dans la population d'où est issu

léchantillon suit une loi normale.
Exercice 5
n=256rffi=40,6,O"2=64
1. n>30
Au risque a donné, on a :

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 :

n=40, rfl' =18,5 , oJ=4

L. n=40>30
Au risque a donné, on a :

),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

Soit la v.a, Y la proportion déchantillonnage.

2. Soit la v.a
intervalles
Comme n.p = 75 > 5, on a alors :
On sait qur
r/ -r N (r,o#)
avec D'où :

E(Y):p, V(Y)=ry, q=I-p

Au risque a donné, on a :
r ttyaenm
, Exercice l0
p-to.F=Y
' *lln <p*to. ./FA ,,Population : p
A.N : Au risque a = 5o/o, to: L,96
" .. On désigne pal

0,20L <Y < 0,299 Le médecin ver

Exercice 8
Population 2p=0,6 On sait que, pc
Echantillon in=L0
Soit la v.a. Y la propoftion déchantillonnage.
Il shgit de déterminer a = P(Ye[0,5 , 0,7]).
Comme n.p = 60 > 5 on a alors :
-- / P.q\
y -+ N
lp,T)
avec

E(Y) =p = 0,6, V(Y) ='+ = 0,024, e - L -p = 0,4

On peut écrire :

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

A.N : Au risque a = 5o/o, to = I,96

I.C(p) - 10,L4,0,261
Condition d'utilisation : n.0,L4 = 23,8 ) S,
2. soit la v.a. I << Nombre d'intervalles de confiance contenant p parmi 200
interualles >>.

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

A.N. : Au risque a = 5o/o, to = I,96

= 0,4
n:4898,04=4899
Remarque: Ce résultat est valide puisque la condition d'utilisation est vérifiée
(n.p=4L64,L5>5).
Exercice 11
Echantillon I n = 100,k = 60, f =9= 0,6

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

7,96 = 0,87 s?git d'effer

ndépendantes
ntillon,

(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

Il s'agit d'effectuer la comparaison de ra moyenne observée à la moyenne

Dl théorique. on est en présence d'un petit échantillon (n < 30), on utilise
donc le test t de sruDENT en supposant que la condition de normalité des
taux de glucose est vérifiée.
Test t de STUDENT
1- On pose lhypothèse nul[e :
ao < Léchantillon est issu de la population dont le taux moyen de
glucose est de 1,4 >>
2- On calcule la statistique e:
c- 1,03

3- Conclusion :

Au risque a=so/o avec le nombre de d.d.l. v=n-1-=!L,la table de

STUDENT nous donne tà = 2,20L.
s <ti
alors on ne iejette pas H0: la différence n,est pas significative. Le
taux moyen observéest compatible avec l,hypothèse nulle.
Exercice 15
Il shgit d'effectuer la comparaison de deux moyennes pour des observations
indépendantes. on calcule dhbord la moyenne et lécart-type de chaque
échantillon.
Echantillon E1 :

n1 =L2 '
Tl71
Ls' L2

' =-)TL.L Xt=406

^ j=1
oL= lI'r
L2

n'(=l - mtr = 78,87

iésultat est valide
érifiée (n.0,79: Echantillon Ez :

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

Variance estimée de oj,:

tZ==+oî=831.L,6B
tL2- L
Comme s?. < sl., on calcule la statistique F: Conclusion :

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 :

Ho < Les deux traitements rr et Tront ra même efficacité >

2- On calcule la statistique e:

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 :

H0 << Il n'y a pas de différence entre avant et après le placebo >>

Test t de St
2- On a:
- La moyenne de ces différences ; Fz = L,97
1- On pose

- La variance de ces différences : sl - 34,44 Ho << Il n'

le traiten
On calcule la statistiqu. r: | ,.
€:= = 2,0L

{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 :

Ho << Le traitement n'est pas efficace >>

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 >

rtive entre avant et

: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

B 0,70 0,60 0,10 o;01 2- On calcr

9 0,45 0,75 -0,30 0,09

10 0,75 0,60 0,15 0,0225
1.1. 0,55 0,55 0,00 0,00 3- Conclus

L2 0,42 0,50 -0,08 0,0064 Au risqr

STUDEN
13 0,75 1,10 -0,35 0,1225
L4 0,45 '-0,35
t<tâa
0,80 0,1225
entre ler

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 :

Au risque a=so/o avec re nombre de d.d.r. v=n-i-=L3, ra tabre de

STUDENT nous donne tâ = 2,L6.
t>tà alors on rejette Ho: la différence est significative entre les taux
de glucose avant et après le traitement.
Groupe témoin 2 n, = z0 , it, = 0,04 , oa, = o,LL
0,2025 il s'agit d'effectuer la comparaison de deux moyennes pour des
0,04 observations appariées. on utilise donc le test t de sruDENT (n
= 20 < 30)
en supposant que le taux de.glucose avant et après le placebo
0,00 est distribué
selon une loi normale,
0,0025
Test t de STUDENT
0,76 1- On pose l'hypothèse nulle :
0,0225 Ho < Il n'y a pas de différence entre les taux de glucose
avant et après
0,2025 le placebo >

0,01 2- On calcule la statistique e:

0,09
0,0225
0,00 3- Conclusion :

0,0064 Au risque a=so/o avlec le nombre de d.d.l. v:rt - 1- 19, la table de

STUDENT nous donne tâ = 2,093.
0,7225
t < tà alors on ne rejette pas Ho : la différence n,est pas significative
0,7225
entre les taux de glucose avant et après le placebo.
t4
r Groupe traité : n = L4, d. = o4 = 0,20
-0,77,
)
l-r
df = 1,0039
Groupe témoin i r{ = Z0 ,7 = 0,04 , od, = Q,LI
i=1
Il s'agit d'effectuer la comparaison de deuxmoyennes des différences z et
V pour des obseruations indépendantes. On utilise donc'éventuellement
le
test t de sruDENT car ce test exige la condition de normalité des
différences des taux de glucose dans les deux populations dbù proviennent
les groupes (cette condition est souvent vérifiée) et la condition
dégalité
des variances des deux populations (oi., = ojr) (on ta vérifie par le test
F
de FISHER-SNEDECOR).
Test F de FISHER.SNEDECOR
1- On pose lhypothèse nulle :
Ilo << Les deux populations ont la même variance (oi, = oi)
"
154 Corrigés

2- On calcule : traitemen
Variance estimée de ol,: l?bsence
aTL la cause
sfi=fi"â=0,043 puisque lr

Variance estimée de olr:

tâ,=froi,=0,0L2
"ft'
Comme sfi> s],, on calcule la statistique F:
thr
r = 4=
sâ,
3,58 s'agit d'effr
3- Conclusion :
,or
id'utilisation
:
Au risque a 5o/o avec les nombres de d.d.l. vd = tL - | = 13 (colonne)
er

êt v4, = n' - L = 19 (ligne), la table de FISHER-SNEDECOR nous donne de l'éci

2,308<Fs<2,378, On pose I

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
>>

2- On calcule la statistique e: l'hypothès

t= F-71 = 2,L3

3- Conclusion :

Au risque a = so/o avec le nombre de d.d.l. v thr

I'entier le plus proche de
k donné par la relation : s?git d'effc
Or
es

êst de l'éca
- On pose l'

La table de STUDENT nous donne tà = 2,L0t.

, Ho<<Lam

t > tâ alors on rejette Ho : la différence est significative. Le traitement

- On calcule

est efficace Ca .V).

Le traitement augmente donc le taux de glucose.
Conclusion :

si le groupe témoin n? pas été envisagé dans I'essai, la différence mise en

évidence dans le groupe traité ne permet pas de conclure à I'efficacité du
rê< Statistique inductive 155

traitement. Car on ne sait pas quelle aurait été l'évolution spontanée en

l'absence du traitement. Il a fallu un groupe témoin pour pouvoir attribuer
la cause de la différence au traitement (la conclusion causale est possible
puisque les groupes ont été obtenus par le tirage au sott).
Exercice 19
Echantillon i n = 490000, k = 250ooo
Proportion observée : f =l= 0,51

Proportion théorique 1p = 0,5 (sex-ratio égal à r)

Il s'agit d'effectuer la comparaison de la proportion obseruée à la proportion
théorique. On utilise donc le test de l'écart-réduit sachant que la condition
d'utilisation est vérifiée (n.p = 245000 > 5)'
le)
Test de l'écaË-réduit
tne
1- On pose l'hypothèse nulle :
Ho << Le sex-ratio est égale à t >
tux
2- On calcule la statistique e :

)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

maladie ne frappe pas davantage les filles.

Exercice 21 2. Ecl

Echantillon I n : B'J., k = 87 - 22 : 59 Prr

Proportion observée : f =I: 0,73 Pr<

ProporÈion théorique i p = 0,8 nls

Il shgit dêffectuer'la comparaison de la proportion observée à la proportion thË

théorique, On utilise donc le test de lécart-réduit sachant que la condition d'u

d'utilisation est vériflée (n.p = 64,8 > 5). Te
Test de l'écaft-réduit 1-
1- On pose l'hypothèse nulle :
Ho << La solution toxique est mortelle dans B0% des cas >>

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

solution toxique est mortelle dans 80% des cas.

Exercice 22
1. Echantillon : n : 300, k:72
Proportion observée I f =:= 0,24
Propoftion théorique i p : 0,25
Il s'agit d'effectuer la comparaison de la proportion obseruée à la proportion
théorique, On utilise donc le test de lécart-réduit sachant que la condition
d'utilisation est vérifiée (n.p = 75 > 5)'
Test de l'écart-réduit
1- On pose l'hypothèse nulle :
Ho << L'échantillon est extrait au hasard de la population dont la
proportion théorique de sourds-muets est de 0,25 >>
2- On calcule la statistique s:

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

Proportion théorique p = 0,25

i'16 proPottion
1ue la condition
Il s'agit d'effectuer la comparaison de la proportion observée à la proportion
théorique. On utilise donc le test de l'écaft-réduit sachant que la condition
d'utilisation est vérifiée (n.p = 75 > 5).
Test de l'écart-réduit
1- On pose l'hypothèse nulle :
Ho < Léchantillon est extrait au hasard de la population dont la
proportion théorique de sourds-muets est de o,z5 >
2- On calcule la statistioue e:

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

où x; représente le centre de classe et n; représente le nombre de sujets

décédés.
 m à la moyenne '
2. Il s,agit d'effectuer la comparaison de la moyenne obseruée
test de lécart-réduit"
théorique M :1,3 (sans traitement), on utilise donc
le
(n=500>30)'
Test de l'écart-réduit
1- On Pose l'hYPothèse nulle :
pas de 1'3
H0 << La suruie moyenne observée ne diffère
>>

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

La probabilité pour qu'un sujet traité survive au bout

d'un an est donc :

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'

faite sur la distribution des durées de suruie

>>
,rj " corriqés

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 :

lfr - frl = 0,82

p (7-ù É++)
3- Conclusion :

Aurisquea=5o/o,
e <!,96 alors on ne rejette pas Ho: la différence n'est pas significative. Le

dispositif de protection n'est pas efficace.

Exercice 26
3.
1. Il s'agit d'effectuer la comparaison entre deux moyennes pgur des

obseruations indépendantes en utilisant le test de l'écaft-réduit sachant que

la condition d'utilisation est vérifiée (n = n, = n2 :40 > 30)'
Test de l'écart-réduit
1- On pose I'hyPothèse nulle :
Ho << Les moyennes de S sont comparables dans les deux groupes >
2- On calcule la statistique e :
,
lmt -mzl 4 /.

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.

Groupe traité : nt = 40, kt = 27, h =?= o,ozs

GrouPe témoin i n2 = 40 , kz: 22 , f, = l= 0,55

On utilise le test de l'écart-réduit sachant que les conditions d'utilisations

sont vérifiées (n1, p = 24,4> 5 et nz,p = 24'4 > 5 aveC p = ffi- 0,61).

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€

,,*,,i, ;,,,ffi:Jii#;,: îî:ï:ïîJîffi,iiJca,iye

K \qut
\\.sachan\

)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 :

Au risque a=5o/o avec le nombre de

d'd'l' v=rL!*nz-2=29' la'

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

<12 >72 TOTAL

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

Traitement B i n2= 50, kz=30, fz=*= O,U

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 :

Ho << Les traitements A et B ont la même efficacité >>

2- On calcule la statistique e:

è- lmr - mzl = 2,I

o? +- o3
nt-I' nz-7
3- Conclusion :

Au risque d, = 5o/o,

e)L,96 on rejette Ho:. la différence est significative, Le

alors
traitement B est plus efficace que le traitement A (m, > mt).
3. on doit tenir compte de Ia réponse à la question 2. puisque le critère de
jugement est un caractère quantitatif. On peut conclure que le traitement
B
est plus efficace que le traitement A.
'saûlqns Exercice 28
s). 1. Il s'agit d'effectuer la comparaison entre deux proportions de succès pour
des observations appariées. Tout dhbord on dresse le tableau suivant en
utilisant le signe + (succès) et le signe - (échec).
 0H
< ?llleluua eugul el luo € la v
quauellell sel >>
: allnu as?qlod^Ll,l esod uo -I
l!np9r-uec?,1 ap lsel
zu+ru d'Tu) saggtlg^luos
'(sg'o -- ziTr,t - d)ene g < g'LZ = d'zule S < ZZ =
ep $al al esllqn uo
suoqesll|ln,p suolllpuo] sel anb lueqles llnp?l-ilel?l
g'o='â='!'0t=24 ' 0s = zu: I lueuallejl
g'o =+= t! ' oz = bl 'ob=tu:v luauellell
elnelledns uolssltu?l ap e?lnp êun
'sloul zI R
sel allue uosleleduol el lenlrejJe'p ll6e's lI
1ueÂe saPeleu-t ap suouodold

0s 0ù 'tvror
06
g
09 0t 0z
luetuel!eJI
0, 0z OZ v

lVlor zT< zr>

uolssluar ep aelno
.T

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

:r anb!$qe$ el alnrles uO -7'

Olt
e Â'u 11 >
<< sauuaÂout sal erlua elueJ?JJlp ap sed
: allnu asqqlodÂq,1 asod ug -T
. rNSonrs ep I lsar
164 Corrigés Stati

Nombre de
Traitement A Traitement B
malades
+ + 23

+ 15

+ 5

L7

TOTAL 60

On ne tient pas compte les paires de réponses concordantes c'est à dire f Z

réponses (-,-) et 23 réponses (+,+), qui n'apportent rien à la question de
savoir quel est le meilleur traitement. On considère alors les paires de
réponses antagonistes :
15 réponses (-,+) et 5 réPonses (+,-)
Il y a donc 20 réponses antagonistes. On désigne par q le nombre de
réponses (-,+) et par b celui de réponses (+,-).
a=15etb=5
æ
La propoftion de succès pour le traitement A est fr: * et celle pour le
1.
traitementBest6=11!.
On utilise le test de lécart-réduit sachant que la condition d'utilisation est
vérifiée (ry:10 > s).
Test de l'écart-réduit
1- On pose l'hypothèse nulle :

Ho << Les deux traitements ont la même efficacité >

2- On calcule la statistique e:

, -la -
bl
= 2,23
'JaIb
3- Conclusion :

Au risque d. = 5o/o,

e ) 7,96 alors on rejette Ho : la différence est significative' Le

traitement B est plus efficace que le traitement A.
2. Il s'agit d'effectuer la comparaison entre la proportion de réponses + avec
le traitement B parmi les malades ayant donné une réponse + avec le
traitement o (Â = f(B*/A*)='*= 0'82) à la proportion de réponses +
avec le traitement B parmi les malades ayant donné une réponse - avec le
traitement a (f, = f (B* /A-) =#.= 0,47).
 On utilise le test de lécart-réduit sachant que les conditions
d'utilisations
sont vérifiées (nr. p = 28.0,63 = L7,64 ) 5 et rlz.p
= 32.0,63 = 20,16 ) 5
avecp =
#=H= 0,63).

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).

Somnifère A Somnifère B Nombre de

sujets
+ T 42
+ 20
+ 18

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,

e 1L,96 alors on ne rejette pas H0 : la différence n'est pas

significative. Les deux somnifères ont la même efficacité. 3
b. Il s'agit d'effectuer la comparaison entre la proportion de réponses + ',i

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

On utilise le teSt de l'écart-réduit sachant que les conditions rn

d'utilisations sont vérifiées (nr'p = 28'0,63 = 17,64 ) 5 et rLz'P =

32.0,63 = 20,16> 5 avec p =
ffi=m= 0,56). , Ilst
Test de l'écart-réduit
1- On pose lhypothèse nulle :
Ho << Il y a une indépendance entre les somnifères A et B >>
BART
2- On calcule la statistique e :
lf,- hl = 3,15

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 :

= 5olo avec le nombre de d.d.t.

v= 2,ta tabte de f nouêdonne
i':_T,i;"
r i" arors on ne rejette pas H0 et on
' concrut que res différences
ne sont
des trois popurations sont
5fi.':ï::liÏil;,illl,ff'"' ésares. on peur
Test F de FISHER.SNEDECOR
1- On pose lhypothèse nulle :
Ho .. Les trois traitements
ont la même efficacité >>
2- On calcule la statistique F:

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-

lCrl < 0,56alors le contraste C, n'est pas significativement différent de 0. On

conclut que les moyennes mz etm3 ne sont pas significativement différentes.
T, vs. T1
On calcule la valeur critique pour le risque a = 5o/o.

wc-

lCzl < le contraste C, n'est pas significativement différent de 0. On

0,56 alors
concf ut que les moyennes mr etm3 n€ sont pas significativement différentes'

On compare maintenant entre m1 avec mz etmt . Le contraste est :

^/m>+mz\ra1\
Ct = lT) - ^t: -0,6 (tt = -1 ,cz = cs =:z)
(Tz - Tù vs. T1
On calcule la valeur critique pour le risque a:5o/o.

wc-

lCrl > 0,48alors le contraste Ca est significativement différent de 0. On concluti!

que les moyennes mz et m, diffèrent significativement de m1.
On conclut que la différence n'est pas significative pout T2 - ?"3 et Ir - Tr mais'
la différence entre (Tz - T) et ?, est significative. Il semble bien que les:
traitements T, et T, ont la même efficacité et le traitement T1 est plus efficace
que les traitements Tz etT3.
Exercice 31
1. Il s'agit d'effectuer la comparaison de la durée moyenne de maladie du;,
groupe traité par A à celle du groupe témoin P en utilisant le test de l'éeart:.:l
réduit que la condition d'utilisation est vérifiée (nn et np > 30).
Statistioue inductive 171

Test de l'écaft-réduit
1- On pose I'hypothèse nulle :

Ho << Le traitement A n'est pas actif >

2- On calcule la statistique e :

lmn - mrl
t= = 2,\2
o1.o3
ne-1'np-I
3- Conclusion :

Au risque d, = 5o/o,

e ) 7,96 alors on rejette Ho : la différence est significative. Le

traitement A est actif.
2. Il shgit d'effectuer la comparaison de la durée moyenne de maladie du
groupe traité par B à celle du groupe témoin en utilisant éventuellement le
test t de STUDENT (na <-30) car ce test exige la condition de normalité des
durées de maladie dans les deux popurations dbù proviennent tes
échantillons (cette condition est souvent vérifiée) et la condition dtégalité
des variances des deux populations (o3" = olr).(on la vérifie par le test F
de FISHER-SNEDECOR).
Test F de FISHER-SNEDECOR
1- On pose l'hypothèse nulle :

H0 << Les deux populations ont la même variance (oi" = ojr)

"
2- On calcule :

Vâriance estimée de oj, :

,ç::l
" na-I.oÊ=52,63
Variance estimée de o]r:
,flP
tF=ùo3=36,20
Comme sÊ > s3, on calcule la statistique F :.
sÉ
F:3 = 1,45
3- Conclusion :

Au risque a = 5o/o avec les nombres de d.d.l. vB = rls - 7 = L9

(colonne) et vp - np - L = 29 (ligne), la table de FISHER-SNEDECOR
nous donne L,945 < Fs < 2,027.
F< 4 alors on ne rejette pas H0: la différence n'est pas significative.
Les deux populations ont la même variance.
172 corrigés Sùatis

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 :

Au risque q =5o/o avec le nombre de d.d.l. v=rLB*np-2= 48 , lâ

table de STUDENT nous donne tâ = 1,96.
t <ti, alors on ne rejette pas Ho: la différence n'est pas significative, Le
traitement B n'est pas actif.
3. Il s?git de comparer les durées moyennes de maladie des trois groupes.
Pour cela, on utilise le test F de FISHER-SNEDECOR en supposant que les
conditions d'utilisation sont vérifiées (normalité des durées de maladie et
égalité des variances).
Test F de FISHER-SNEDECOR 4.t
1- On pose I'hypothèse nulle : I

(
H0 << Les traitements A et B ne sont pas actifs >
2- On caliule la statistique F : 5.r
(
-sï
F = t,9
i"= (

où sj est la variance inter-colonnes :

k t
,l\-
t'^ = (mt - m)z : 69,35
n _ tàni.

s! est la variance intra-colonne ou résiduelle :

, rs
tÊ=
k ,(

et m est la moyenne O"r

rr_nLni.ol:f6,36
toy"nn.,
4
Ils'a
'
k et'
1ç <(

^ =;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

Tableau d'analyse de La variance à un facteur

Degré
Source de Somme des Carrés des
de Carrés moyens
variation Ecafts
libefté

sï= 69,35
Entre
SCE(Inter) = 138,7 2 Variance inter-
9roupes
colonnes

sÊ = 36,9s
Résiduelle SCE(Intra) = 2800 77
Variance résiduelle

Totale SCE(Tot) = 2938,7 79

3- Conclusion :

Au risque a=So/o avec vA-k-1=2 (colonne) et vB=rl-k=77

(ligne) la table de FISHER-SNEDECOR nous donne 3,072 < 4 < 3,15.,
F< 4 alors on ne rejette pas H'r les moyennes ne diffèrent pas
significativement dans l'ensemble. Les traitemefits R et B ne sont pas
actifs.
4. La réponse de la 3è'u question n'est pas compatible avec celle de 1. et 2. ;
la réponse aux questions 1. et 2, nécessite d'abord de répondre à la
question 3,
5. Les trois groupes ne jouent pas un rôle symétrique puisqu'il y a un groupe
qui n'a pas reçu un traitement (groupe témoin). L'analyse de la variance
consiste à comparer plusieurs moyennes des échantillons qui ne diffèrent
que par un facteur.
Le plan stratégique à aborder est :

- Comparer le traitement A au placebo P (1è'" question),

- Comparer le traitement B au placêbo P (2è'" question),
- Interpréter les résultats.
On conclut que le traitement A est actif et le traitement B n'en est pas.
Exercice 32
Il s'agit de rechercher éventuellement l'existence de deux facteurs : << masque >>

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

Les moyennes des 4 ateliers :

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 <<

j=L j=r i=! 2- Onc

où N est le nombre de dosages de léchantillon. N = k.k' = 8
m=7,5
La variance des mesures : 3- Conc
k'k Ar,r f.j

=l>IG,, -^)' 3 (lig

" j=L
i=L
Flt
o2 = 0,75 << ma
Variance inter-colonne pour le facteur << atelier >> ou variance entre ateliers :
maE
-k
1 Y-- r--- ---\2
t'c? ==klàry.lry-m) Table

n; est le nombre de dosages r;r. dâfls I'atelier Aj.nj = 2 pout j = L,2,3,4

.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

nj est le nombre de dosages xij parf. tutqr. Mt.ni: 4 pour i":'J.,2

4.0,5
S'i-z-2
Variance intra-colonne pour les deux facteurs ou variance résiduelle :

- -
_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 >>

1- On pose l'hypothèse nulle :

H0 << Il n'y a pas de différences entre les moyennes des 4 ateliers >
 2- On calcule la statistique F:
r =4= t
rÉ ôÉ3 = 3'03
3- Conclusion :

Au risque a=so/o avec uA-k-7= 3 (colonne) êt v"-N-k-k,+!=

s(ligne) 4=9,28.
F< 4 alors on ne rejette pas H0 et on conclut qu,il n'existe pas le facteur
<<atelier >>. Les dosages ne diffèrent pas significativement entre les quatre
ateliers.
Test F de FISHER-SNEDECOR pour le facteur << masque >>

1- On pose l'hypothèse nulle :

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

Au risque a=5o/o avec yA =k'-1=.1, (colonne) et va=N_k_k,*7=

3(ligne) 4=10,13.
F< q
alors on ne rejette pâs Ho et on conclut qull n'existe pas le facteur
<< masque >>. Les dosages
ne diffèrent pas significativement par les deux
S
masques.
Tableau d'analyse de la variance à deux facteurs et une répétition

Somme des Carrés

des Ecarts Carrés moyens

lues : a?=------=
scE(F1)
scE(Fl) = 3
^
-r'
k-7 L

Variance pour le facteur

<< atelier >>

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

Effectif obserué O, 35 35 20 10 100

Effectif thârrique 4 40 43 t2 5 100

La condition d'utilisation du test est remplie car I > 5 vt.

On calcule la statistique f :

" L--=12,44 + (oi-r)'

4=
.'='
3- Conclusion
E
:
1,
Au risqr.ie a=So/oavec y= k-I= 3 latable def nousdonne fo:7,BIS.
È, Ê" alors on rejette Ho: la différence est significative. On conclut que
les résultats observés ne sont pas conformes à ceux valables pour
I'ensemble de l'Europe.
Exercice 34
l- La loi théorique de probabilités définie dans cet exercice est la loi de
binomiale,
2. Soit la v.a. X << Nombre de garçons nés parmi deux nouveau-nés >>.

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 >>

2- Calcul des effectifs théoriques Ti :

On calcule Ti par Ti = n.pd avec i = 1,2,3
rsemble de 1fille 2 filles
Famille compoftant 2 garçons 1 garçon et TOTAL

Effectif obserué oi 30 40 30 100

Effectif théorique 4 25 50 25 100

La condition d'utilisation du test est remplie car TÉ > 5 vi.

On calcule la statistique f :
?

, i (oi-T)'
n=Lf:1 i=L
3- Conclusion :

Au risque q = 5o/o àYêc y- ft -! - I la table de Ê nous donne

fi -- s,soz.
É.f" alors on ne rejette pas Hor la différence n'est pas significative.'
On conclut que les résultats obserués sont conformes à la loi binomiale.
Exercice 35
1. On calcule de la moyenne :
, = 7,8L5, 4

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; :

Soit la v.a. X << Nombre de dents cariées d'un élève >.

On sait que :
x -+ P(7,32)
avec
mk
-m_
'k!
P(X:0): s-t'32.

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

Nombre de dents cariées 0 L 2 3 4 TOTAL

Effectif sbservé o, 31 +4 27 L2 6 720

Effectif théorigùe 4 32,4 42 28,B L2 4,8 1,20

4. lest de I
1- On pose l'hypothèse nulle :

Ho < La distribution expérimentale est conforme à la loi de POISSON >

2- La condition d'utilisation du test nfest pas remplie car Ts est inférieur à
5, Il faut donc regrouper la 5è'" classe avec la classe adjacente afin de
satisfaire à cette condition;

Nombre, de' dents cariées 0 7 2 3ou4 TOTAT

oi.- 31 +4 27 LB L20

32,4 42 28,B 76,8 L20

On calcule la statistique f :

+_
(ot
Ê. =\
tLç -T)' = 0,35
Ti
2
3- Conclusion :

Au risque a.=50/o avec y= k-L-X=2 ,Ici, on a estimé un seul

paramètre (la moyenne) pour déterminer les effectifs théoriques. La
table de fnous donne Éo= 5,992.

4 . f" alors on ne rejette pas H0 : la différence n'est pas signiflcative.

On conclut que les résultats observés sont conformes à la loi POISSON,

"\
 Exêrcice 36
1. Tableau des effectifs :

Classe des poids Etfectif

[35,45[ 2
[45, 55[ 5
[55,65[ 9
165,75L 1,7

[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 . , ,, ..

Itra i e est co ,à,6, >)

1Ro Corrigés

2- Calcul des effectifs théoriques T; :

Soit la v.a, X < Poids d'une personne >>.

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

Classe des poids Effectif observé ot Effectif théorique 11

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

La condition d'utilisation du test n'est pas remplie car ceftainès classes

ont pour effectifs théoriques inférieurs à 5 (les deux premières et les
 deux dernières). Il faut donc regrouper ces classes avec leurs
classes
adjacentes afin de satisfaire à cefte condition.

Classe des poids Effectif obserué o, Effectif théorique r,

Moins de 55 7 6,65
[55, 65[ 9 11,15

= 0,005 l6s,75[ 17 14,40

[75, 85[ 10 11,15
85 ou plus 7 6,65

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 :

Phénotype Effectifs théoriques r,

(a*, b*, c* ) L62
(a*, b*, c ) 54
(a*, b, c* ) 54
(a, b*, c*) 54
(a, b*, c ) 18
(a, b, c* ) 18
(a*, b, c ) 1B
(a,b,c ) 6

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 :

Au risque a=5o/o avec y=ft-L=7là table de f nousdonnexfi:

74,067.

4, f" alors on rejette Ho : la différence est significative. On conclut

que les résultats observés ne sont pas conformes à la loi de MENDEL,
Exercice 38
On utilise le test de I
Testde f
1- On pose l'hypothèse nulle : Onr
Ilo << Les deux traitements ont la même efficacité >>
Tes
2- On calcule les effectifs théoriques Tii par :
'-ni,mj 'f-r
T
,ij_T
2-
où N = 2oo.
Tableau,des effectifs théoriques 4, :

Catégorie

A B c TOTAL

Tr 77 23,65 9,35 110

Traitement
Tz 63 19,35 7,65 90

TOTAL L40 43 t7 200

La condition d'utilisation du test est remplie car Tij > 5 vi,j.

On calcule la statistique I :

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

É . f" alors on ne rejette pas H0 : la différence n'est pas significative, On

conclut que les deux traitements ont la même efficacité.
NDEL >'
Exercice 39
Tableau des effectifs obserués O,; :

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

La condition d'utilisation du test est remplie cil Tii > 5 vt,j.

 StAfrK

On calcule la statistique f :

z 4 r^
É =i i @'i - r")'
'ec rtj = 6,72
e2
3- Conclusion :

Au risque q,:So/o avec ,= (2 - I).(4 - 1) = 3 la table de Ê nous

donne Ëo:7,91,5.

4 . f" alors on ne rejette pas H0 : la différence n'est pas significative. on

conclut que les quatre poisons sont homogènes du point de vue toxicité. 2.
Exercice 4O a
1, Tableau des effectifs O;; :

Groupe

traité témoin TOTAT

Nombre de résultats positifs 45 T4 59

Nombre de résultats négatifs /

J 36 4T

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

traité témoin TOTAL

Nombre de résultats positifs 29,5 29,5 59

Nombre de résultats négatifs 20,5 20,5 4t

TOTAL 50 50 100

La condition d'utilisation du test est remplie car Ti1> S vi.,j.

 On calcule la statistique
f
2 Z.
:

-)
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

ificative. On É, Ê" alors on rejette Ho: la différence est significative.

toxicité. 2.
a. Il s'agit d'effectuer ra comparaison du pourcentage
de résurtats positifs
à la 1è'" date au cerui à ra 2è'" oate
four des observations appariées.
Tout d?bord on dresse le tableau suivant
:

lè* date 2è'" date Effectif

+ î 10
+ J
f 4
31

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 :

5 réponses (-,+) et + réponses (+,_)

Il y a donc g réponses antagonistes. on désigne par
o ie nombre de
réponses (-,+) et par b celui de réponses
(+,_).
a=5etb=4
La proportion de résurtats positifs à ra
lère date êst f, =
zè'" r let ceile à ra
est /2 - ' L'usage du test de récart-réduit
11te n,est pas permis
car !! = 4,5 < 5. Comparer entre ces deux proportions
revient au
même de comparer ra proportion de résurtats
positifs à ra 1"," date (ou
; 1. 2ème date) à la proportion théorique p
= 0,5. pour cela, on pourra
utiliser le test de Ê.
Test de f
1- On pose l,hypottrèse nulle : L..'t.

Ho n Il n'y a pas de différence entre re pourcentage ,

ouserué.èt,iéiui
théorique
 Tt = n'P

Tz=n.(l-p)
Couple de réponses -r -1- -f t- TOTAL

Effectif obserué o1 J 4 9

Effectif théorique T1. 4,5 4,5 9

La condition d'utilisation du test n'est pas remplie car tous les

effectifs théoriques 4 sont inférieurs à 5. On utilise donc le test de
È corrlgé de YATES,
On calcule la statistique ficorrigé de YATES :

, +(loi-tl-o,s)'
n=L-=û
3- Conclusion :

On ne rejette pas H0: la différence n'est pas significative. On .on.lut

que les pourcentages de résultats positifs ne diffèrent pas entre les
deux dates.

=ffi= # - 0,3). on pourra utiliser le test de f .

5 avec p ,

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, , , ,

Résultatà la 2e" date

Positif Né9atif
Résultat Positif 10 4 L4
à la 1è'" date Négatif 5 31 36

TOTAL 15 35 50
 On calcule les effectifs théoriques T;; par :

ntTni
rti=-f
oùN=50
Tableau des effectifs théoriques ?"1; :

Résuttat à la 2è'e date

Positif Négatif TOTAT

Résultat Positif +,2 9,8 1,4
à la lè'" date
Négatif 10,8 25,2 36

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 :

:Positif à Au risque a=So/o âV€c y= (Z_I).(2_L) = 1 lâ table de f nous

;, positifs donne É = 3,842.
à, ia'1è* É > fi alors on rejette Ho : la différence est significative. Il existe
une re ésultats des d (elle est positive),
Les suj sultat positif à e ont davantage de
=4,2 1 chance ftat positif à la
Exercice 4l
1. On utilise le test l.
!s )> Testde f
1- On pose l'hypothèse nulle :

Ho Les deux traitements ont la même efficacité >

<<

2- On calcule les effectifs théoriques Tii par i

TL; , TfL;
,i, _ _N_
.f

' oùN=za
l
I oo l^^rridé. StË

?
{

Tableau des effectifs théoriques 11; :

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

L'usage du test de f n'est pas permis car TzL et lrrsont inférieurs à 5.

On utilise donc le test de fcorrigé de YATES :
Tableau des effectifs observés o;; :

Traitement

A B TOTAL

Faible 3 9 t2
Amélioration
Moyenne ou ,7
1 B
foÊe

TOTAL 10 10 20

On calcule la statistique fi corrigé de YATES :

-rnl- o's)'
É:>f@'i
i--t i--t - Ll
= s,zo
 3- Conclusion :

Au risque q=So/o avec y=(Z_I).(2_1)=1la table

donne Ëo = 3,842.
de f nous

É, Ë" alors on rejette Ho : ra différence est significative. Les deux

traitements nbnt pas ra même efficacité. Le premier
est prus
car la proportion de sujets ayant une faibre amérioration efficace
pa, te
B est ptus grande que ceile par te traitement
o (n = *,
i.ïment
JA_d.
2' Il s'agit d'effectuer ra comparaison entre res diminutions moyennes
d,une
lésion des deux groupes. on dresse d,abord
le tableau suivant :

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 :

Variance estimée de of,:

tl=3=ol=0,54
' nt-I
Variance estimée de oj,:
,i^ :;:1ol :
TLc
o,r
&
Comme sl > s3, on caltule la statistique F: 1.

F =sj
S,
= S,+

3- Conclusion :

Au risque u=5o/o avec les nombres de d,d.l. (colonne)v!=r\-t=e

g
êt v, - nz - L = (ligne), la table de FISHER-SNEDECOR nous donne
Fs = 3,179,
F > 4 alors on rejette Ho: la différence est significative. Les deux
populations nbnt pas la même variance,
La 2è'" condition n'est pas vérifiée. L'usage du test t de sTUDENT n'est pas
permis. on utilise donc le test de lécart-réduit mais on comparera la valeur
de e avec la valeur donnée par la table de sruDENT-FISHER en fonction du
risque q = 5o/o et le nombre de d.d.l. v €st I'entier le plus proche de k
donné par la relation :
 Test de l'écart-réduit
1- On pose l'hypothèse nulle :
Ho < Les deux traitements ont la
même efficacité >>

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

1- On pose lhypothèse nulle :

Ho Il ny a pas de
<<
différence entre les proportions
d?ccouchements'prématurés >>

2- On calcule les effectifs théoriques

Tii par :

'r.'N-ni'mj
192 Corrioés

fi
{
oùw=2oo
Tableau des effectifs théoriques T1; :

Accouchement prématuré

Oui îon TOTAL

A 4,5 95,5 100

Groupe
B 4,5 95,5 100

TOTAL 9 L97 200

L'usage du test de n'est pas permis car Tf et

f lrrsont inférieurs à
5. On utilise donc le test de f
corrigé de YATES.
On calcule la statistique ficorrigé de YATES :

=ff
4- ui=r?-
(lo,i - &:l - o,s)'
tii -o
3- Conclusion :

On ne rejette pas Ho : la différence n'est pas significative.

b. Hospitalisation :

Tableau des effectli's obserués o;,; :

Hospitalisation

Oui Non TOTAL

A 28 72 100
Groupe
B t4 B6 100

TOTAL 42 158 200

Testde f
1- On pose l'hypothèse nulle :

Ho < Il n'y a pas de différence entre les proportions

d'hospitalisation >>

2- On calcule les effectifs théoriques Tii par :

Tii=f 'TIliTL:

oùN=zoo
. '; Corrigés

..
Tableau des effectifs théoriques T,; :

La condition d'utilisation du test est remplie

nférieurs à car Tij, , orr,
On calcule la statistique
I :

1 => f
@,, :'")'
(--?- rtj - ,,,
3- Conclusion :

Au risque u=50/o âV€c v=('-7).(2-1)=t ra tabre de f nous

donne Êo = 3,842.

É' È arors on rejette Ho: ra différence est significative.

c. Césarienne :

Tableau des effectifs obserués o,, :

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

Tableau des effectifs théorioues T;; :

Césarienne

Oui No]L TOTAL

A 10,5 B9,s 100

Groupe
B 10,5 89,5 100

TOTAL 2T t79 200

La condition d'utilisation du test est remplie car Tii > 5 vi.,i.

On calcule la statistique I :

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

TOTAT 193 200

Test de I
1- On pose l'hypothèse nulle :

H0 Il n'y a pas de différence entre les proportions de mort-nés

<< >>

2- On calcule les effectifs théoriques Tii par :

TIi 'Tll;
Tii:l
oùN:2oo
 195

Tableau des effectifs théoriques 4; :

Mort-nés

Oui Non TOTAT

A 3,5 96,5 100

Groupe
B 3,5 96,5 100

TOTAT 193 200

L'usage du test de fn'est pas permis car 41 et T^ sont inférieurs

à s. On utilise donc le test de f
corrigé de YATES.
On calcule la statistique f corrigé de YATES :

22
I ty (lo,i - r,il - o,s)'
- o
"'-=âh rij
3- Conclusion :

On ne rejette pas H0 : la différence n'est pas significative.

2. On remarque que la différence n'est significative que dans le cas
d'hospitalisation. On peut donc attribuer cette différence au cerclage car les
deux groupes de femmes ont été obtenus par le tirage au soft. Le cerclage
provoque des effets néfastes dbù
l'augmentation risque du
d'hospitalisation.
Exercice 43
On utilise le test de È.
Testde f
1- On pose I'hypothèse nulle :

H0 < Il y a indépendance entre le groupe sanguin et le sexe >>

2- On calcule les effectifs théoriques Tii par :

n|mj
rii -

oùN=976
 Tableau des effectifs théoriques T1; :

Groupe sanguin

AB A o *B TOTAL

216,L9 201,84 6r,48 500

Hommes 20,49

Sexe
205,81 L92,L6 s8,52 476
Femmes 19,57

422 394 L20 976

TOTAL 40

La condition d'utilisation du test est remplie caf

Tii >5 vt'i'
On calcule la statistique f :

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

Tableau des effectifs théoriques I,, :

Localisation du cancer

Hommes 65,75 64,45 63,8

Femmes 35,25 34,55 34,2

La condition d'utilisation du test est remplie car

li > s vi, j.
On calcule la statistique
f :

2 3 ln
- \2
l=YY('ti-t;il
4= Là-J;"=1'2,82
f nous 3- Conclusion :

Au risqueu=ïyo avec ,=(2-1).(3-I)=Z la table de

donne
f nous
entre le É = 5,9g2.
4, Ê" alors on rejette Ho. Il existe une liaison entre la localisation du
cancer et le sexe.
Exercice 45
On utilise le test de Ê.
Test de I
1- On pose l'hypothèse nulle :
H0 << Il y a indépendance entre le fait de boire deux types de
café et leurs
effets >>
2- On calcule les effectifs théoriques Ti, par :

r,, =!!!
N
où ltr : 125
 ttt *rr,ou,
* "t

Tableau des effectifs théoriques rl; :

Perconnes ayant bu du café

Normal Décaféiné TOTAL

Aucun
40 10 50
Effet
PeÉe de
60 15 75
sommeil

TOTAL 100 25 L25

La condition d'utilisation du test est remplie car Tij > S vi.,j.

On calcule la statistique f :

t,l=if(o,i-r,i)'=0,83
- LL r,,
i=L j=L
3- Conclusion :

Au risque a=So/o avec v=(2-I).(Z-1)=1 la table de f nous

donne Êo = 3,842,
É.Ê" alors on ne rejette pas Ho. Il n'existe pas une liaison entre le fait de
, boire deux types de café et leurs effets.
Exercice 46
On utilise le test de . f
Test de I
1- On pose lhypothèse nulle :
H0 < Il y a indépendance entre le fait de porter des lunettes et la scolarité >>

2- Tableau des effectifs obserués o,; :

Niveau

L 2 3 TOTAT

Oui 15 70 2B 113
PoÊ de
lunettes
Non 35 130 72 237

TOTAT 50 200 100 350

Niveau L : finissants du collège

Niveau 2 : finissants du secondaire
Niveau 3 : secondaires professionnels
 T,N-ni'mj
oùff=350
ïableau des effectifs théoriques
[, :

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

pas ' Ir n'existe pas une riaison

#;f;tt:::;, lJ,::j:,',îe entre re porr
Exercice 47
1. Tableau du nombre de cas de décès
CV :

Mu
lâspirinez{ Le placebo de a
TOTAT

343 448 797

467 568 L029
804 1076 7820
2.
a' Recherche de
entre et fa streptokinase :
Il s'agit de com
'interaction
out"r entre deux'aspirine
proportions de décès
groupes , cv des deux
200 s
I

Groupe recevant (4 + s) u (rlla; + Pl(s)) :

F_
343 + 568
tr- 4292 + 4300 =
0,106

Groupe recevant (a + pt(s)) u (PI(.A) + s) : +

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 :

H0 << Il n'y a pas d'interaction entre.A et s >>

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 :

Il shgit de comparer entre deux proportions de décès CV des deux

groupes :

Groupe recevant A sans tenir compte de .S :

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 :

Groupe recevant .S sans tenir compte de,4 :

l,- = M,=
791,
0,092

Groupe recevant S sans tenir compte de A :

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:

Il shgit de comparer entre deux proportions de décès cv des deux

groupes :
.condttions
i>5avec Grouperecevant,4+S:'
46r
f, = d= 0,707
 Grouperecevant A+S:
448
f, = ffi:0'L04
On utilise le test de l'écaft-réduit sachant que les conditions
d'utilisations sont vérifiées (nr'p = 455,27 > 5 et-nr' p = 455,8 > 5 avec
0'106)'
P= #:
Test de l'écart-réduit
1- On pose l'hypothèse nulle :

Ho << L'aspirine .4 et la streptokinase .ç ont la même efficacité >

2- On calcule la statistique e:
lh - f,l
1r =
0,45
I t1
Jn'{t - r) l^* -)
3- Conclusion :

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

1- On pose l'hypothèse nulle :

H0 Il n'y a pas d'interaction entre A et.S

<< >>

2- Tableau des effectifs observés oi; :

Décès CV

Oui Non TOTAL

(,4+S)u(rrla;+Pt(s)) 9t]. 76BL 8592

Groupe
recevant
(a+rr1s))u(Pr(A)+s) 909 7686 8595

TOTAL LBzO L5367 77T87

On calcule les effectifs théoriques Ti1 par ;

Tri=lTLi, TIL;

où N = L7rB7
 Statistique inductive ?n?
1WJ

Tableau des effectifs théoriques f;i :

Décès CV
rditions
5 avec Oui Non TOTAT

(A+s)u(rr1a)+Pr(s)) 909,84 7682,t6 8592

Groupe
recevant
(,1 + rrls;) u (Pr(.A) +s) gLO,L6 7684,84 8595

TOTAL tgz0 75367 t7r87

La condition d'utilisation du test est remplie car Tij > S vi, j.
On calcule la statistique I :

:, f
É- t'r-H @,, -rti
r,,)'
= o,oo3

st pas 3- Conclusion : '

même Au risque a=5o/o âV€c v=(Z-L).(Z- 1) = 1 la table de f nous

donne Ëo = 3,842.
4 < Ê"alors on ne rejette pas H0. Il n'y a pas d'interaction entre .4'
et.s.
b. Effet global de.4:
Test de f
1- On pose l'hypothèse nulle :
Ho < L?spirine.4 n'est pas efficace >>

2- Tableau des effectifs obserués O;, :

Décès CV

Oui 'Non TOTAL

A sans tenir
804 7783 8587
compte de.S
Groupe
recevant
.4 sans tenir
1016 7584 8600
compte de s

TOTAL LBzO 15367 17787

On calcule les effectifs théoriques Tii par I

.T.J TL:.Tll;

où N = r7gr7
"i-T
204 o '' Corrioés

Tableau des effectifs théoriques T;; :

Décès CV

Oui Non TOTAL

e sans tenir 7677,69 8587

909,31
compte de s
Groupe
recevant
4 sans tenir 9L0,69 7689,37 8600
compte de S

TOTAL LBzO 15367 L7LB7

La condition d'utilisation du test est remplie car Tii > 5 vi,j.

On calcule la statistique f :

,r)^
@ti
Ê- =i; -r',)'
tij = 27,26
uutll
3- Conclusion :

Au risque a=5o/o avec v= (2-t).(2- 1) = 1 la table de f nous

. donne Ëo = 3,842'

4, f"alors on rJjette Ho. La différence est significative. L'aspirine

'.4 diminue lê risque de décès CV.

c. Effet global de S :

Test de I
1- On pose l'hypothèse nulle :
H0 << La streptokinase n'est pas efficace >>

2- Tableau des effectifs obserués 0i; :

Décès CV

Oui Non TOTAL

s sans tenir
791 780]. 8592
compte de e
Groupe
recevant
5 sans tenir 8595
1029 7566
compte de ^a

TOTAL L820 L5367 L7IB7

On calcule les effectifs théoriques Tij par i

T" ---!-TLi
'TlL;
_LJ=
N
 oùN = t78L7
Tabfeau des effectifs
théoriques ?"1, :

Décès CV

.S sans tenir

Groupe compte de a 7677,16

recevant
.f sans tenir
compte de e 91.0,1,6

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

4' É arors on rejette Ho. La

différence est significative.
streptokinase., diminue La
le risque de décès CV.
Exercice 4g
1. On utilise le test de
I
Test de f
1- On pose f,hypothèse nulfe :

ott de dirférence entre res pourcentases

fr?;:ll,r?1,,t de srands

'*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

Oui Non TOTAL

L979 60 1440 1500

1980 67 r464 L525
Année
1981 61 t464 1525
t982 58 7392 7450

TOTAT 240 5760 6000

La condition d'utilisation du test est remplie car Tij > 5 vi,j.

On calcule la statistique f :
4 2 fn
Ê- =r I t'''; "'/ = - \2
0,73
Eifr ttj
3- Conclusion i -,

Au risque a=So/o avec y= (4-7).(2-L) = 3 lô table de f nous

donne to = 7,815.

É. f" alors on ne rejette pas H0. La différence n'est pas significative. Le

pourcentage de grands prématurés ne diffère pas d'une année sur l?utre.
2. On utilise le test F de FISHER-SNEDECOR en supposant que les conditions
d'utilisation sont vérifiées (normalité des durées de séjour et égalité des
variances).
Test F de FISHER-SNEDECOR
1- On pose lhypothèse nulle :

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

Sf est la variance intra-colonne ou résiduelle :

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

Source de Somme des Carrés des Degré

variation EcaÊs
de Carrés moyens
libefté

Entre
s = 3L,25
SCE(lnter) :93,74 3
groupes Variance inter-
colonnes

Résiduelle SCE(lntra) = 4349,9

sÊ = 78,43
236
Variance. résiduelle

Totafe SCE(Tot) = 4443,64 239

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

H0 << Il nT a pas de différence entre les dosages moyens des cinq 1

laboratoires > 1

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

Sj est la variance intra-colonne ou résiduelle I

k

$:*>'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

Résiduelle SCE(lntra) : tl sB = 2'4

5
Variance résiduelle

Totale SCE(Tot) = 224 9

3- Conclusion :

=10 Au risque a:5o/o avec uA-k- i.=4 (colonne) et vB=îL-k=5

ela, on (ligne) la table de FISHER-SNEDECOR nous donne Fs = S,!92.
rditions
té des
F> 4 alors on rejette H0 et on conclut que les dosages moyens
trouvés par les cinq labôratôires diffèrent significativement dans leur
ensemble.
2. on utilise le test F de FISHËR?SNEDECOR pour comparer la variance intra-
colonne d'une autre technique à celle de la première technique,
:s cinq
Test F de FISHER.SNEDECOR
1- On pose l'hypothèse nulle :
H0 Il n'y a pas de différence entre les deux variances
< >>

2- Ona:
La variance intra-colonne de la première technique.
sB = 2'4
 Statisi

La variance intra-colonne d'une autre technique'

s'za: r4'4
Comme s'', ) 53, on calcule la statistique F :
Crz
uB
,- =É=
3- Conclusion :

Au risque a :5o/o avec les nombres de d'd.|. Vs, = 5 (co|onne) et

VB=S(ligne),|atab|edeFISHER-SNEDECoRnousdonne4:5,05.
F>4a|orsgnrejetteHo:ladifférenceestsignificative.Cettevariance
diffèresigniflcativementdece|ledelapremièretechnique.
s,agit de rechercher éventuellement I'existence de
deux facteurs :
3. Il
<< Laboratoire >> et << ordre >>. La comparaison
entre laboratoires et celle
facteurs en supposant qull
ordres se fait par l,analyse de la variance à deux
y a absence d'interaction entre ces deux facteurs ainsi que la distribution
normale est de même variance du dosage'
on désigne pàf xii |e dosage d'ordre i et de |aboratoire avec =
i |,2 et j
j= L,2,3,5'
ondésignepark|enombrede|aboratoires(k=5)etpark,|enombre
dbrdres (k' = 2).
Les moYennes des 5 laboratoires :
,S
m1=
tt L*r,
Tnt=L4,5Tnz=22,5ms=23m+=25'5ms=I4'5
Les moYennes des 2 ordres :
I
k
Lf
lti = u /xii
j=t
Ft = L9,2 Fz = 20,8
La moyenne des moYennes :
k' u'
1ç .1 1\L 7
^=NL
i=1
L',, = kL*,:Vl,''
i=t i=L
-ja
m=20
N = k' k' : l0
avec N est le nombre de dosages de l'échantillon'
La variance des mesures :
k'k
,, =#>I(',, -^)'
j=l i=t
N=10
o2 = 22,4
 variance inter-colonne pour le facteur laboratoire : Variance entre
laboratoires.
k
s; = i-I
k-rh' nt.(mt - m)z
/c=5 et fli=2
llonne) et
Sa2 = 53
variance inter-colonne pour le facteur : Variance entre masques.
= 5,05.
k'
e.variance ç'?=
s'À =
1T
Ët - m)2
à",.Qtt
facteurs : k'=2€tn.,:5
s et celle S'ze = 6'4
WPnt qu'il Variance intra-colonne pour les deux facteurs : variance résiduelle.
tistribution
,z" _
N.o2 - (k - t).s - (t, - r).s'ï
t=1,2 et TB :
N -k_k,+t
L,4
Test F de FTSHER-SNEDECOR pour le facteur << laboratoire >>

e nombre 1- On pose l'hypothèse nulle :

H0 < Il n'y a pas de différences entre les moyennes des 5 laboratoires >
2- On calcule la statistique F:

F =sJ=3T,BS
rÉ
3- Conclusion :

Au risque a=5o/o avec uA-k- 1=4 (colonne) et va=N_k_k,+

:4(ligne) 4=6,388.
F > 4 alors on rejette Ho et on conclut qu'il existe le facteur laboratoire.
Les dosages diffèrent significativement entre les 5 laboratoires.
Test F de FISHER-SNEDECOR pour le facteur << ordre >>

1- On pose lhypothèse nulle :

H0 << Il n'y a pas de différences entre res moyennes des 2 ordres >>

2- On calcule la statistique F:

F =sj
rÉ
= 4,s7
3- Conclusion :

Au riSqUe q:5o/oave] uA:k'- 1= 1(colOnne) et vB:N_k_k,+

1 = 4 (ligne) F, =7,T09
2r2 Corrioéc Stal

r < 4 alors on ne rejette pas Ho et on conclut Orl,, n=*,rte pas le

facteur ordre, Les dosages ne diffèrent pas significativement selon que
la mesure effectuée en premier ou en second.
Tableau d'analyse de la variance à deux facteurs et une répétition

'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

Totale SCE(Tot) :224 9

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

TOTAL 7 593 600

214 corrigés 8ûati

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

k = 4, î\ = 70, nz = 80, ns = 60, n+ = 90 ,n =Zl=tni : 300 (

Tableau d'analyse de La variance à un facteur 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

Totale SCE(Tot) = 475,9 297

 3- Conclusion ;

Au risque a=So/o avec uA-11_1

(ligne) la tabre de FISHER-SNEDECOR
=3 (colonne) et vB=n_k=296
nous donne 2,606 < Fs < 2,680.
F > E arors on rejette r/0 : Les tensions
artérieles moyennes diffèrent
signifi cativement selon l?telier.
Du fait que res tensions artérieiles moyennes
diffèrent significativement
dans l'ensembre, ir est régitime de res
tension comparer deux à deux,
Tout d'abord, on range res ateriers par
ordre croissant des moyennes
rditions Atelier c B D A
lité des
Moyenne L4,4 14,8 1.5,1 L5,6
on veut comparer m3 avec rflz , fflz avec m4
trois contrastes pour chaque comparaison.
et m4 au"a -, . on àir*uit
:lier >>
Cvs.B
Cr = fltZ - Ttt2 = -0,4 (C, = C4 = 0,C, =_1,C, = 1 )
Bvs.D
Cz = fiLz - ttl4 = -0,3 (C, = C3 = 0, C2 - 1,cn=-1;
Dvs.A
Cs= Tns - Ittl = -0,5 (C2= C3 = 0,c, = - L,cu = 11
Test de SCHEFFE
Cvs. B
On calcule la valeur critique pour le
risque a = So/o.

vc-

lcrl < 0,53 alors le contraste C, n'est pas significativement

différent de 0.
On conclut que les moyennes m, et m3
ne sont- pas significativement
différentes.
Bvs.D
.",l On calcule la valeur critique pour le
risque a = So/o.

,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

4. Il s,agit de rechercher éventuellement l?xistence

de deux facteurs :
<< Sexe >> et << Caractéristique
génétique >>' La comparaison entre sexes et
par I'analyse de la variance à deux
celle caractéristiques génétiques se fait TÊ

facteurs. N:

on désigne pâf xii la tension artérielle du sexe et i

la caractéristique Tet
gÉr
génétiquei avec i = !,2 êl i = 1,2,3'
génétiques (lc = 3) et Par k' 1:
On désigne par k le nombre de caractéristiques
le nombre de sexes (k' = 2).
Les moyennes des 3 caractéristiques génétiques
-ls
:

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-

La variance des mesures :

ktk

-o, =lFF(',,
(=iH' N
-^)' " 3-

N : Nombre de valeurs de léchantillon N = 6

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

' =ff= o'64

ijà

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

Totale SCE(Tot) = t,32 5 otr=r

Varian,
La réponse à cette question nécessite I'hypothèse d'absence d'interactions
traiten
entre ces d'eux facteurs ainsi que la distribution normale est de même
variance de la tension dont la vérification est impossible car il n'y a qu'une
seule obseruation par case.
a\yec
Exercice 51
On effectue dhbord l'analyse sans tenir compte des répétitions, en prenant
comme variable dans chaque case le total X =Zx puis on divise les
numérateurs des variances par le nombre de répétitions (r = 20). On obtient un resth
plan dbrdre deux à une répétition dont les données figurent au tableau r=20
suivant :
ni est I

Traitement A, Traitement 4, Traitement A.

Hôpital 1 X,, 420 Xn = Il0 Xn = 200 D'où,i'

Hôpital 2 Xzt 450 Xzz = I20 Xzz = L90

Varian<
x,i étant la somme des durées de rémission de I'hôpital i et le traitement A,
avec i= L,2 êl j
= L,2,3.
On désigne par k le nombre de traitements (k = 3) et par k' le nombre
dhôpitaux (k' :2).
 ;
t..
,' '.:

(iste pas le Les moyennes des 3 traitements :

fiçatiyement
*t= F1g
r1Étition Lr,,
l=1
mt = 435, rf,z = I75, m3= 195
Les moyennes des 2 hôpitaux :

[\
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.

n; êst le nombre de valeurs Xq pour te traitement

A1. n1 =2 pour j =
.J.,2,3

^, 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 :

Nx. 01 - (k - 7). 5Â - (k' - r). s'2A

I_ r
N*-k-k,+1
l-r
6.18580,56 -2.55466,67
zo
- L.L50
l= 6-3-2+1 = 1,0 I

Variance intra-colonne pour les deux facteurs ou variance résiduelle de la Lan

variable x: CeS I

r2- N,.ol - (k - I).Ve - (k' - I).V', a - (Nx - k - k' + L).1 duré

rB - Nr-Nt pUist

N, est de mesures du tableau de la variable x. Nx : k.k,'.r = 2.3,20 = L20 ïfl

oj es|.la variance des valeurs de la variable x: fact'
1-.(
4 =IN,>* -(;; I
, 85550 11.49012
o;= 2-(
t;r-\1zo/
Dbù
r2-
tB
720.558,7 4 - 2.2773,33 - 7.7,5 - 2.r0 = 539,25 I
r
- 120-6
Test F de FISHER-SNEDECOR pour le facteur << traitement >>
3-C
1- On pose l'hypothèse nulle : F
110< Les trois traitements donnent la même durée de rémission >>
d
2- On calcule la statistique F: e

F=+
 ^ 2773,33
'=Æur=s^*
3- Conclusion :

Au risque q,=So/o avec uA_k_1

(ligne) 4 = 3,08.
=2 (colonne) et VB=Nr_Nx=7I4
F > 4 arors on rejette H0 et on concrut qu,ir
existe re facteur << traitement
Les trois traitements ne donnent pas >>.

la même durée de rémission en

prenant en compte l,hôpital.
Test F de FISHER-SNEDECOR pour
te facteur << hôpital >>
1- On pose lhypothèse nulle :
facteurs, Ho < Les marades appartenant aux
hôpitaux 1 et 2 ont res mêmes
action, à rémission >> durées de

2- On calcule la statistique F:

^= 7,5
' M= o'074
3- Conclusion :

F = 0,074 < t arors on ne rejette pas

r/0 et on concrut qu,ir n,existe pas
facteur < hôpitar >>. Les marades te
des hôpitaux 1 et z oit 1., mêmes
de
rémission en prenant compte du durées
traitement.
-' de la
La réponse à cette question nécessite
rhypothèse d,absence d,interactions
ces deux facteurs ainsi que ra distribution entre
normare est de même variance
durée de rémission. La vérification de ra
de rhbsence ornteraaion est possibre
puisqu'il y a plusieurs obseryations par case.
Test F de FTSHER-SNEDECoR pour yinteraction
facteurs << traitement >> et < entre res deux
hôpitai >
1- On pose l,hypothèse nuile :
H0 Il n'y a pas d'interaction
<
entre le traitement et t,hôpital >
2- On calcule la statistique F:

,_ I
'-r;
.^10
=m;3=0,018
3- Conclusion :

F = 0,018 < i. alors on ne rejette pas

. H0 êt on conclut quîl n,y a pas
d'interaction entre re tÉitement
et itrôpitar. La diftérence des traitements
est la même pour les malades des
deux nôpit u".

':

.a)

'a

t
111 a^iridéc Statis

7li

Tableau d?nalyse de la variance à deux facteurs et plusieurs

répétitions
Source de Degré de Carrés
Somme des Carrés des Ecarts liberté moyens
variation

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

Totale SCE(Tot) = 67048,87 Lt9

Exercice 52
1. Représentation graphique : Nuage de points.
D

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.

0 40 80 720 160 200 240

I

Evolution du diabète (mois) 6. I

2. Désignons x par lévolution. du diabète et y par la prévalence de la .l

I
rétinopathie.
7.
Droite de régression de y par rappoft à x:

-' .'
I
cov(x,y)
(

Droite de rés ressi".?j:' r::"# r: (

- -ËU
(
cov(x,y)
D,(y),, -T) +x

Calcul de la moyenne et de la variance :

20
Lç
,: nLxi=120
ù=1
20
1sr
ti =ùL(xi-V)'=5357,4
i-r
20

y:- 1S) yr=56,5

' 20L"
i=1
20
1sr
"i =;LUi -D' = 470,87
,=1
 Statistique inductive 225

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

Dr(y) t x=3,L7.y -59,1

3. Coefficient de corrélation :

7_cov(x,y) =0,94
ox. oy

,L r étant proche de t, il existe une liaison entre lévolution du diabète et la

prévalence de la rétinopathie : la liaison est positive.
4. Plus le diabète est ancien et la qualité de contrôle glycémique médiocre,
plus le risque de développer une rétinopathie est grand. Après 10 ans
dévolution du diabèt\s7,s% des patients présentent des lésions
rétiniennes et après 20 ans Èsont B0%.
5. Pour r = 0, = 24,ro/o: lors de la découverte du diabète
! , 24,ro/o présentent
des lésions rétiniennes,
6. on déduit qu'il n'est pas rare de découvrir une rétinopathie lors de la
de la découverte du diabète. ce qui souligne le retard au diagnostic de la
maladie.
7. Lors de lhpparition du diabète, le sujet ne présente aucune lésion
rétinienne.
On a donc poury = 0, x= -59,1
on estime la durée du diabète antérieure à sa découverte à 59,1 mois ;
environ 5 ans.
226 Stal

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)

Age au moment du diagnostic (ri) 47,5 52,5 57,5

Effectif (s,) 200 200 200

:52,5

,i -v)2 = 16,67

Age aux premières règles (yi) t1 t2 73 L4

Effectifs (t;) 34 92 328 t46

4
Lst
T = U* Ltr'lr = L2,977
i=r
4
1sr
tj = 600Ltr(yt-T)z =0,62
i=L
 Calcul de la covariance :

Age au moment du diagnostic (r,)

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 :

l/o < L'âge au moment du diagnostic et

r,âge aux premières règres sont
indépendants >
2- t:
On calcule la statistique
. lrl
(=J1=;;tn-2=2'45
 i'i
t

3- Conclusion :

Au risque q=5o/o avec /=n-2=59; la table de STUDENT-FISHER

donne tà = 1,96.
t > tà on rejette Il0 et on conclut que l'âge au moment du diagnostic et
l€ge aux premières règles sont significativement liés : La liaison est
po;itive (r > o). L'âge aux premières règles augmente avec l'âge au
moment du diagnostic.
2. Droite de régression de y par rappott x :

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

4. La pente iie la droite de régression de l'âge aux premières règles en

fonction de l'âge en 1985 chez les femmes bien poftantes est pratiquement
la même que celle chez les femmes atteintes du cancer du sein. La liaison
mise en évidence dans la question 1, traduit bien la diminution de l'âge aux
premières règles en fonction de l'âge des femmes en 1985 et non pas
I'augmentation de l'âge aux premières règles avec l'âge des femmes chez
lesquelles on a diagnostiqué le cancer du sein : la suruenue d'un cancer n'a
rien à voir ici.
)gnostic et
lialsoÉ est
: l1âge au

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.

F(x)=P(--<r< ù=;+i"--0, , x=e.*b

-æ
blo 0,00 0,01 0,02 0,03 0,o4 0,05 0,06 0,07 0,08 0,09
0,00 0,500 0,504 0,508 0,s72 0,516 0,520 0,s24 0,528 0,532 0,536
0,10 0,540 0,544 0,548 0,s52 0,556 0,560 0,564 0,567 0,s77 o,575
0,20 0,579 0,583 0,587 0,591 0,595 0,599 0,603 0,606 0,610 0,614
0,30 0,618 0,622 0,626 0,629 0,633 0,637 0,64t 0,6+4 0,648 0,652
0,40 0,655 0,659 0,663 0,666 0,670 0,674 0,677 0,681 0,684 0,688
0,50 0,69t 0,695 0,698 0,702 0,705 0,709 0,712 o,7t6 0,779 o,722
0,60 0,726 0,729 0,732 0,736 0,739 0,742 0,745 0,749 0,752 0,755
o,70 0,758 0,76t 0,764 0,767 0,770 0,773 0,776 0,779 0,782 0,785
0,80 0,788 o,797 0,794 0,797 0,800 0,802 0,805 0,809 0,811 0,813
0,90 0,816 0,819 0,821 0,824 0,826 0,829 0,831 0,834 0,836 0,839
1,00 0,841 0,844 0,846 0,848 0,851 0,853 0,85s 0,858 0,860 0,862
1,10 0,864 0,867 0,869 0,871. 0,873 0,875 0,877 0,879 0,881, 0,883
t,20 0,885 0,887 0,889 0,891 0,893 0,894 0,896 0,898 0,900 0,901
1,30 0,903 0,905 0,907 0,908 0,910 0,911 0,913 0,915 0,916 0,919
t.40 0,979 o,927 0,922 0,924 0,925 0,926 0,928 0,929 0,931 0,932
1,50 0,933 0,934 0,936 0,937 0,938 0,939 0,947 0,942 0,943 0,944
1,60 0,945 0,946 0,947 0,948 0,949 0,951 o,952 0,953 0,954 0,954
7,70 0,955 0,956 0,957 0,958 0,959 0,960 0,967 0,962 0,962 0,963
180 0,964 0,965 0,966 0,966 0,967 0,968 0,969 o,969 0,970 0,97L
L,9O 0,977 0,972 0,973 0,973 0,974 0,974 0,975 0,976 0,976 0,977
2,00 0,977 0,978 0,978 0,979 0,979 0,980 0,980 0,981 0,981 0,982
2,L0 0,982 0,983 0,983 0,983 0,984 0,984 0,985 0,985 0,985 0,986
2,20 0,986 0,986 0,987 0,987 0,987 0,988 0,988 0,988 0,989 0,989
2,30 0,989 0,990 0,990 0,990 0,990 0,997 0,991 0,99r 0,99L 0,992
2,40 0,992 0,992 0,992 0,992 0,993 0,993 0,993 0,993 0,993 0,994
2,50 0,994 0,994 0,994 0,994 0,994 0,995 0,995 0,995 0,995 0,995
2,60 0,995 0,995 0,996 0,996 0,996 0,996 0,996 0,996 0,996 0,996
2,7O 0,997 0,997 0,997 0,997 0,997 0,997 0,997 0,997 0,997 0,997
2,80 0,997 0,998 0,998 0,998 0,998 0,998 0,999 0,998 0,998 0,998
2,90 0,998 0,998 0,998 0,998. 0,998 0,998 0,998 0,999 0,999 0,999

N.B : F(x) - I - F(-x)pour r < 0.

232 Tables numérioues Tables

*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

I 0,130 0,706 1,108 r,397 1,860 2,306 2,897 3,355 5,047 I

9 0,L29 o,703 1,100 1,383 1,833 2,262 2,827 3,250 4,781 10

10 0,729 0,700 1,093 t,372 1,813 2,228 2,764 3,L69 4,587 LI

11 o,L29 0,697 1,088 r,363 7,796 2,20t 2,7L8 3,106 4,437 LZ

72 0,728 o,696 1,083 L,356 t,782 2,L79 2,687 3,055 4,378 13

13 0,728 0,694 1,080 1,350 L,771 2,L60 2,650 3,O12 4,22t L+

74 0,128 0,692 L,076 L,345 L,76L 2,'l..45 2,625 2,977 4,L40 15

15 0,728 0,697 L,074 r,34r r,753 2,t32 2;603 2,947 4,073 t6

L6 0,L28 0,690 L,O7L L,337 L,7+6 2,120 2,584 2,92r 4,015 17

t7 0,t28 0,689 L,069 1,333 1,740 2,710 2,567 2,898 3,965 1E

18 0,t27 0,688 1,067 1,330 1,734 2,10L 2,552 2,878 3,922 L9

L9 0,727 0,688 1,066 L,328 L,729 2,093 2,540 2,867 3,883 20
20 o,L27 0,687 L,064 \,325 t,725 2,086 2,528 2,845 3,850 27

27 0,127 0,686 1,063 \,323 1,727 2,080 2,5L8 2,83t 3,819 22

22 o,727 0,686 L,O6L L,321 1,717 2,074 2,508 2,8L9 3,792 23
23 o,I27 0,685 1,060 L,320 7,7L4 2,069 2,500 2,807 3,768 24
24 o,L27 0,685 1,059 1,318 L,7LL 2,064 2,492 2,797 3,745 25
25 0,t27 0,684 1,058 r,376 t,708 2,060 2,485 2,747 3,725 26
26 0,t27 0,684 1,058 1,315 L,706 2,056 2,479 2,779 3,707 ffi
27 0,127 o,684 7,057 L,3L4 L,703 2,052 2,473 2,777 3,690 28
28 0,127 0,683 1,056 t,3L3 L,70t 2,048 2,467 2,763 3,674 29
29 0,r27 0,683 1,055 1,311 L,699 2,045 2,462 2,756 3,660 30
30 0,127 0,683 L,055 1,310 L,697 2,042 2,457 2,750 3,646 4,0
co 0,t26 0,674 7,036 L,282 7,645 L,960 2,326 2,576 3,290 60r
1
 Tables numérioues 233

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

vq 0,90 0,50 0,30 0,20 0,10 0,05 0,o2 0,01 0,001

7 0,016 0,455 7,074 L,642 2,706 3,842 s,4t2 6,635 L0,827
2 0,ztL 1,386 2,408 3,2L9 4,605 5,992 7,824 9,2t0 13,815
3 0,584 2,366 3,665 4,642 6,25L 7,875 9,837 tL,345 L6,266
4 7,064 3,357 4,878 5,ggg 7,779 9,488 Lt,668 t3,277 L8,466
5 T,6LO 4,352 6,06+ 7,289 9,236 tL,07r 13,388 15,086 20,515
6 2,204 5,348 7,23L 8,558 70,645 L2,592 15,033 L6,BLz 22,458
7 2,833 6,346 8,383 9,803 L2,0L7 L4,067 16,622 L8,475 24,321
I 3,490 7,344 9,525 11,030 L3,362 15,507 18,168 20,090 26,L2+
9 4,168 8,343 70,656 t2,242 L4,684 L6,9t9 79,679 2L,666 27,877
10 4,865 9,342 Lt,787 L3,+42 Ls,987 18,307 2L,L6L 23,209- 29,588
11 5,578 t0,34L 12,899 L4,637 17,275 79,675 22,6L8 24,725 3L,264
t2 6,304 Lt,340 t4,0L7 15,8t2 18,549 2!,026 24,Os4 26,217 32,909
13 7,042 72,340 15,119 16,985 19,8L2 22,362 25,472 27,688 34,527
14 7,790 13,339 16,222 18,151 2L,064 23,685 26,873 29,L4L 36,L24
15 8,547 14,339 L7,322 L9,3LL 22,307 24,996 28,260 30,578 37,698
L6 9,312 15,339 18,418 20,465 23,542 26,296 29,633 32,000 39,252
L7 10,085 16,338 19,511 2I,6L5 24,769 27,587 30,995 33,409 40,79L
18 10,865 17,338 20,607 22,760 25,989 28,869 32,346 34,805 42,312
L9 11,651 18,338 2t,689 23,900 27,204 30,L44 33,687 36,797 43,8L9
20 !2,+43 L9,337 22,775 25,038 28,472 3t,4L0 35,020 37,566 45,3t4
2L L3,240 20,337 23,858 26,17L 29,615 32,671 36,343 38,932 46,796
22 14,042 2L,337 24,939 27,302 30,813 33,925 37,660 40,289 +8,268
23 t4,848 22,337 26,018 28,429 32,007 35,L73 38,968 4t,638 49,728
24 15,659 23,337 27,096 29,553 33,796 36,4L5 40,270 42,980 5t,179
25 76,473 24,337 28,172 30,675 34,382 37,653 4r,566 44,3L4 52,6L9
26 L7,292 25,337 29,246 3L,795 35,563 38,885 42,856 45,642 54,051
27 t8,tL4 26,336 30,319 32,972 36,741 40,LL3 +4,L40 46,963 55,475
28 18,939 27,336 31,391 34,027 37,976 4L,337 45,419 48,278 56,892
29 79,768 28,336 32,461 35,139 39,088 42,557 46,693 49,588 58,301
30 20,599 29,336 33,530 36,250 40,256 43,773 47,962 50,892 59,702
 ' Exercices de
statistiques médicales et biologiques

de
La lecture de cet ouvrage ne nécessite aucune connaissance
mathématiques à tt^."ition de quelqr.res notions très simples di!
l'enseignement secondaire.

Fethi Borsali enseigne les biostatistiques à la faculté de oran.

ilil illillllllllllll ll llllllll www.editions-elliPses.fr

9 x782729tt866501'l