Université d’Abomey-Calavi

Faculté des Sciences Economiques et de Gestion

Licence 2 : EAPD
Statistique Mathématique
Dr Fawaz AMINOU

QUESTIONS A CHOIX MULTIPLES

1. Quelle est la définition de la fonction de répartition d'un vecteur aléatoire ?
a) La probabilité qu'un événement se produise dans un intervalle donné.
b) La probabilité qu'un vecteur aléatoire soit dans un ensemble donné.
c) La moyenne des valeurs du vecteur aléatoire.
d) La variance du vecteur aléatoire.
2. Quelle est la propriété fondamentale de la fonction de répartition d'un vecteur
aléatoire ?
a) Elle est toujours croissante.
b) Elle est toujours décroissante.
c) Elle est constante.
d) Elle oscille de manière aléatoire.
3. La densité de probabilité d'un vecteur aléatoire est :
a) Une fonction qui décrit la probabilité que le vecteur aléatoire prenne une valeur
donnée.
b) Une fonction qui décrit la moyenne du vecteur aléatoire.
c) Une fonction qui décrit la variance du vecteur aléatoire.
d) Une fonction qui décrit la médiane du vecteur aléatoire.
4. Quelle est la relation entre la fonction de répartition et la densité de probabilité
d'un vecteur aléatoire ?
a) La fonction de répartition est la dérivée de la densité de probabilité.
b) La densité de probabilité est la dérivée de la fonction de répartition.
c) La fonction de répartition est l'intégrale de la densité de probabilité.
d) La densité de probabilité est l'intégrale de la fonction de répartition.
5. La densité de probabilité marginale d'un vecteur aléatoire correspond à :
a) La densité de probabilité qui décrit la probabilité conjointe des composantes du
vecteur aléatoire.
b) La densité de probabilité qui décrit la probabilité de chaque composante
individuelle du vecteur aléatoire.
c) La densité de probabilité qui décrit la moyenne du vecteur aléatoire.
d) La densité de probabilité qui décrit la variance du vecteur aléatoire.

6. Qu'est-ce que le premier moment d'une distribution de probabilité ?

a) La variance.
b) La moyenne.

Page 1 sur 7
 c) L'écart-type.
d) La médiane.
7. Quel est le deuxième moment d'une distribution de probabilité également connu
sous le nom de moment central ?
a) La moyenne.
b) L'écart-type.
c) La variance.
d) La médiane.
8. La loi normale est également connue sous le nom de loi :
a) De Poisson.
b) Binomiale.
c) Exponentielle.
d) Gaussienne.
9. Quelle est la propriété fondamentale de la distribution binomiale ?
a) Elle est continue.
b) Elle décrit le nombre de succès dans une série d'essais indépendants.
c) Elle décrit le temps entre les événements dans un processus de Poisson.
d) Elle suit une distribution exponentielle.
10. La loi de Poisson est souvent utilisée pour modéliser :
a) Le nombre d'événements rares dans une unité de temps ou d'espace.
b) Le nombre d'événements indépendants dans une série d'essais.
c) Le temps entre les événements dans un processus continu.
d) Le nombre de succès dans une série d'essais indépendants.

11. Quel moment d'ordre k d'une variable aléatoire X est défini comme 𝑬(𝑿𝒌 ) ?
a) Moyenne
b) Variance
c) Skewness
d) Kurtosis
12. Quelle affirmation est vraie concernant la distribution normale (loi gaussienne) ?
a) Elle est asymétrique.
b) La moyenne, la médiane et le mode sont toujours égaux.
c) Elle est définie uniquement pour des variables discrètes.
d) Sa fonction de densité de probabilité est en forme de cloche.
13. Dans quelle situation la loi de Poisson est-elle souvent utilisée ?
a) Modélisation du temps de survie.
b) Modélisation du nombre d'événements se produisant dans un intervalle de temps
fixe.
c) Modélisation des résultats de lancers de dés.
d) Modélisation de la distribution de la moyenne.

Page 2 sur 7
14. Quelle propriété caractérise la distribution exponentielle ?
a) Elle est symétrique.
b) Elle est utilisée pour modéliser des variables discrètes.
c) Elle a une fonction de densité de probabilité en forme de cloche.
d) La somme de variables exponentielles indépendantes suit une distribution
exponentielle.
15. Quelle relation est correcte entre le moment d'ordre 2 d'une variable aléatoire X
et sa variance ?
a) 𝐸 (𝑋 2 ) = 𝑉𝑎𝑟𝑖𝑎𝑛𝑐𝑒 (𝑋)
b) 𝐸 (𝑋 2 ) = 𝑀𝑜𝑦𝑒𝑛𝑛𝑒 (𝑋)
c) 𝑉𝑎𝑟𝑖𝑎𝑛𝑐𝑒 (𝑋) = 𝐸 (𝑋) − 𝐸 (𝑋 2 )
d) 𝑉𝑎𝑟𝑖𝑎𝑛𝑐𝑒 (𝑋) = 𝐸 (𝑋 2 ) − ⌈𝐸(𝑋)⌉2

16. Quelle est la caractéristique principale de la distribution de Bernoulli ?

a) Elle modélise le nombre de succès dans une série de n essais indépendants.
b) Elle est utilisée pour modéliser le nombre d'événements se produisant dans un
intervalle de temps fixe.
c) Elle désigne la loi de probabilité d’une variable aléatoire discrète qui prend la
valeur 1 avec la probabilité p et 0 avec la probabilité q=1-p.
d) Elle est symétrique.
17. Dans quelle situation utilise-t-on la loi binomiale ?
a) Lorsqu'on observe le nombre d'événements se produisant dans un intervalle de
temps fixe.
b) Lorsqu'on observe le nombre de succès dans une série d'essais indépendants
jusqu'à un nombre fixé de succès.
c) Lorsqu'on observe le nombre de succès dans une série d'essais indépendants
jusqu'à un échec.
d) Lorsqu'on observe le nombre de désintégrations radioactives par unité de temps.
18. Quelle affirmation décrit correctement la loi de Poisson ?
a) Elle est utilisée pour modéliser le nombre de succès dans une série d'essais
jusqu'à un nombre fixé de succès.
b) Elle est symétrique.
c) Elle est utilisée pour modéliser le nombre d'événements se produisant dans un
intervalle de temps fixe.
d) Elle est définie pour des variables continues uniquement.
19. Quelle propriété caractérise la distribution normale (gaussienne) ?
a) Elle est asymétrique.
b) La somme de variables normales indépendantes suit également une distribution
normale.
c) Elle est utilisée pour modéliser des variables discrètes.
d) Elle a une fonction de densité de probabilité en forme de droite.

Page 3 sur 7
20. Dans quel cas utilise-t-on la loi exponentielle ?
a) Lorsqu'on observe le temps écoulé jusqu'à ce qu'un événement se produise.
b) Lorsqu'on observe le nombre d'événements se produisant dans un intervalle de
temps fixe.
c) Lorsqu'on observe le nombre de succès dans une série d'essais indépendants
jusqu'à un nombre fixé de succès.
d) Lorsqu'on observe le nombre de désintégrations radioactives par unité de temps.

21. Quelle est l'utilisation principale de la loi du khi-deux ?

a) Pour tester l'indépendance entre deux variables catégorielles.
b) Pour comparer les moyennes de plusieurs groupes.
c) Pour tester l'égalité de plusieurs proportions.
d) Pour modéliser la distribution du rapport de deux variances.
22. Dans quel contexte utilise-t-on la loi de Fisher ?
a) Pour tester si les moyennes de deux groupes sont égales.
b) Pour comparer les variances de deux groupes.
c) Pour tester l'indépendance entre deux variables catégorielles.
d) Pour modéliser la distribution du rapport de deux moyennes.
23. Dans quelles circonstances la loi de Student est-elle utilisée ?
a) Lorsque les échantillons sont petits et que la population suit une distribution
normale.
b) Lorsque les échantillons sont grands et que la population suit une distribution
normale.
c) Lorsque les échantillons sont petits et que la population suit une distribution
exponentielle.
d) Lorsque les échantillons sont grands et que la population suit une distribution
exponentielle.
24. Comment sont déterminés les degrés de liberté dans la loi de Student ?
a) Ils sont fixés arbitrairement.
b) Ils dépendent du nombre de groupes comparés.
c) Ils dépendent de la taille des échantillons.
d) Ils sont toujours égaux à 1.
25. Quelle est la relation entre les lois de Fisher et de Student ?
a) La loi de Fisher est une généralisation de la loi de Student.
b) La loi de Student est une généralisation de la loi de Fisher.
c) Elles sont utilisées pour des tests différents et ne sont pas directement liées.
d) Elles sont interchangeables dans tous les cas de figure.

26. Quelle affirmation décrit correctement le biais d'un estimateur ?

a) Un estimateur est biaisé s'il tend à surestimer la vraie valeur du paramètre.
b) Un estimateur est biaisé s'il tend à sous-estimer la vraie valeur du paramètre.

Page 4 sur 7
 c) Un estimateur est non biaisé si son espérance est égale à la vraie valeur du
paramètre.
d) Le biais d'un estimateur mesure sa variabilité.
27. Comment l'efficacité d'un estimateur est-elle définie ?
a) L'efficacité mesure la capacité de l'estimateur à minimiser la variance.
b) L'efficacité mesure la capacité de l'estimateur à minimiser le biais.
c) L'efficacité mesure la capacité de l'estimateur à minimiser à la fois la variance
et le biais.
d) L'efficacité mesure la capacité de l'estimateur à maximiser la variance.
28. Quelle affirmation décrit correctement la consistance d'un estimateur ?
a) Un estimateur est consistant s'il produit des estimations proches de la vraie
valeur du paramètre.
b) Un estimateur est consistant s'il produit des estimations avec un biais nul.
c) Un estimateur est consistant s'il converge vers la vraie valeur du paramètre
lorsque la taille de l'échantillon tend vers l'infini.
d) La consistance d'un estimateur est évaluée par son efficacité.
29. Quelle est la relation entre efficacité et efficience d'un estimateur ?
a) L'efficience est une mesure de la précision d'un estimateur, tandis que l'efficacité
mesure sa vitesse de calcul.
b) L'efficience est une mesure de la vitesse de calcul d'un estimateur, tandis que
l'efficacité mesure sa précision.
c) L'efficience et l'efficacité sont deux termes synonymes utilisés pour décrire la
même caractéristique d'un estimateur.
d) L'efficience est une mesure de la précision d'un estimateur en comparaison avec
un estimateur de référence.
30. Comment est calculée l'efficacité relative d'un estimateur par rapport à un autre
?
a) En divisant la variance de l'estimateur de référence par la variance de
l'estimateur à comparer.
b) En soustrayant la variance de l'estimateur à comparer de la variance de
l'estimateur de référence.
c) En multipliant la variance de l'estimateur de référence par la variance de
l'estimateur à comparer.
d) En prenant le logarithme des variances des deux estimateurs et en comparant les
résultats.

31. Qu'est-ce que l'estimation ponctuelle ?

a) Une méthode qui fournit une plage de valeurs plausibles pour un paramètre
inconnu.
b) Une méthode qui fournit un seul nombre comme estimation du paramètre
inconnu.
c) Une méthode qui utilise des intervalles de confiance pour estimer un paramètre.

Page 5 sur 7
 d) Une méthode qui est toujours biaisée.
32. Quelle est la principale différence entre l'estimation ponctuelle et l'estimation par
intervalle de confiance ?
a) L'estimation ponctuelle est plus précise que l'estimation par intervalle de
confiance.
b) L'estimation par intervalle de confiance fournit une plage de valeurs plausibles
pour le paramètre, tandis que l'estimation ponctuelle fournit un seul nombre.
c) L'estimation par intervalle de confiance est toujours non biaisée.
d) L'estimation ponctuelle est toujours basée sur des échantillons plus petits que
l'estimation par intervalle de confiance.
33. Qu'est-ce que le niveau de confiance dans le contexte de l'estimation par intervalle
de confiance ?
a) C'est la probabilité que le paramètre estimé soit dans l'intervalle de confiance.
b) C'est la probabilité que l'intervalle de confiance contienne le paramètre inconnu.
c) C'est la probabilité que l'estimation ponctuelle soit correcte.
d) C'est la probabilité que l'échantillon soit représentatif de la population.
34. Comment la largeur de l'intervalle de confiance est-elle généralement affectée par
la taille de l'échantillon ?
a) La largeur de l'intervalle de confiance augmente avec la taille de l'échantillon.
b) La largeur de l'intervalle de confiance diminue avec la taille de l'échantillon.
c) La taille de l'échantillon n'a pas d'effet sur la largeur de l'intervalle de confiance.
d) La largeur de l'intervalle de confiance est toujours la même, quelle que soit la
taille de l'échantillon.
35. Comment est généralement construit un intervalle de confiance ?
a) En choisissant aléatoirement des valeurs à partir de la distribution de
l'échantillon.
b) En utilisant des calculs basés sur des statistiques de l'échantillon et des quantiles
de la distribution de référence.
c) En utilisant uniquement la moyenne de l'échantillon.
d) En déterminant la variance de l'échantillon.

36. Quelle est la première étape dans un test d'hypothèse ?

a) Formuler les hypothèses nulle et alternative.
b) Collecter les données.
c) Calculer la statistique de test.
d) Interpréter les résultats.
37. Quelle est l'erreur de type I dans un test statistique ?
a) Rejeter à tort l'hypothèse nulle lorsque celle-ci est vraie.
b) Accepter à tort l'hypothèse nulle lorsque celle-ci est fausse.
c) Accepter l'hypothèse nulle lorsque celle-ci est vraie.
d) Rejeter l'hypothèse nulle lorsque celle-ci est fausse.

Page 6 sur 7
38. Comment est définie la puissance d'un test statistique ?
a) La probabilité de commettre une erreur de type I.
b) La probabilité de commettre une erreur de type II.
c) La probabilité de rejeter correctement l'hypothèse nulle lorsque celle-ci est
fausse.
d) La probabilité de rejeter à tort l'hypothèse nulle lorsque celle-ci est vraie.
39. Dans quelles situations utilise-t-on généralement le test t de Student ?
a) Pour comparer les moyennes de deux groupes indépendants.
b) Pour comparer les proportions de deux groupes indépendants.
c) Pour évaluer l'association entre deux variables catégorielles.
d) Pour déterminer la relation linéaire entre deux variables continues.
40. On considère une suite de 𝒏 variables aléatoires (𝑿𝟏 , 𝑿𝟐 , … , 𝑿𝒏 ) indépendantes
suivant toutes la loi normale centrée réduite. La variable aléatoire 𝒀𝒏 = ∑𝒏𝒊=𝟏 𝑿𝟐𝒊
suit une loi
a) De student à n degré de liberté.
b) De Khi-deux à n degré de liberté.
c) De khi-deux à (n-1) degré de liberté.
d) De Fisher à n degré de liberté.

41. Soient 𝑿 et 𝒀 deux variables aléatoires indépendantes suivant respectivement la loi

normale centrée réduite et la loi de Khi-deux à n degrés de liberté. Le rapport 𝑻𝒏 =
𝑿
𝒀
suit :
√
𝒏

a) Une loi normale centrée réduite

b) Une loi de Khi-deux à n degré de liberté
c) Une loi de student à n degré de liberté
d) Une loi de Poisson de paramètre n

42. Soient 𝑿 et 𝒀 deux variables aléatoires indépendantes suivant respectivement la loi

de Khi-deux à n degré de liberté et la loi de Khi-deux à m degré de liberté. Le
𝑿/𝒏
rapport suit :
𝒀/𝒎
a) Une loi de student à m degré de liberté.
b) Une loi de Fisher à m et n degrés de liberté
c) Une loi de Fisher à n et m degrés de liberté
d) Une loi d Khi-deux à m deggré de liberté

Page 7 sur 7