Exercice 1 Pour étudier la pourriture des pommes de terre, un

chercheur injecte à 13 pommes de terre des bactéries qui causent

cette pourriture. Il mesure ensuite la surface pourrie (en mm2) sur
ces 13 pommes de terre. Il obtient une moyenne empirique de 7.84
mm2 pour une variance empirique estimée de 14.13. On modélise la
surface pourrie d’une pomme de terre par une loi normale ( ; ).

1. Calculer un intervalle de confiance pour μ au niveau 0.95 puis 0.99.

2. Calculer un intervalle de confiance pour σ2 au niveau 0.95 puis
0.99.
1) Il faut d’abord vérifier les conditions requises pour
estimer µ
 On a la normalité de la population.

ICµ =[ -E , +E] est l’intervalle de confiance de la

moyenne µ au niveau de confiance 1-α (ou au risque
d’erreur )
• Echantillon:
On a: = , = 7.84, = 14.13,
= 14.13 = .
• est inconnu donc:

= ∗
Et on utilise la loi de Student t(n-1)=t(12)
pour calculer
• Pour = .
.
= ∗ = 2.18 = 2.27
13

ICµ =[ -E , +E]= 7.84 − 2.27 ; 7.84 + 2.27

ICµ = 5. ; 10.
• Pour = .
.
= ∗ = 3.055 ∗ = 3.186

ICµ =[ -E , +E]= 7.84 − 3.186 ; 7.84 + 3.186

ICµ = 4. ; 11.
2. Calculer un intervalle de confiance pour σ2 au niveau
0.95 puis 0.99.

1) Il faut vérifier les conditions requises pour estimer σ2

 On a la normalité de la population.
*Intervalle de confiance de σ2
−1 −1
= ,

• estimateur de la variance de la population

• est la valeur qui se localise à la ligne (le degré de
liberté=ddl=n-1) de la colonne gauche et la colonne 1-
α/2 au niveau des en-têtes.
• est la valeur qui se localise à la ligne
(le degré de liberté=ddl=n-1) de la colonne gauche et
la colonne α/2 au niveau des en-têtes.
• =14.13 estimateur de la variance de la population
• = 13
a) Pour = .
• = 4.4 est la valeur qui se localise à la ligne (le degré
de liberté=ddl=12) de la colonne gauche et la colonne
1- α/2=1-0,05/2=0,975 au niveau des en-têtes.
• = 23.34 est la valeur qui se localise à la ligne
(le degré de liberté=ddl=12) de la colonne gauche et la
colonne α/2=0,05/2=0,025 au niveau des en-têtes.
*Intervalle de confiance de σ2 pour = .
−1 −1
= ,

13 − 1 14.13 13 − 1 14.13
= ,
23.34 4.4

= 7.26; 38.54
 b) Pour = .
• = .07 est la valeur qui se localise à la ligne (le degré
de liberté=ddl=12) de la colonne gauche et la colonne
1- α/2=1-0,01/2=0,995 au niveau des en-têtes.

• = 28.3 est la valeur qui se localise à la ligne

(le degré de liberté=ddl=12) de la colonne gauche et la
colonne α/2=0,01/2=0,005 au niveau des en-têtes.
*Intervalle de confiance de σ2 pour = . 1
−1 −1
= ,

13 − 1 14.13 13 − 1 14.13
= ,
28.3 3.07

= 6; 55.33
Exercice 2 Une clinique a proposé une nouvelle
opération chirurgicale, et a connu 40 échecs, sur 200
tentatives. On note p le pourcentage de réussite de
cette nouvelle opération.

1. Quelle estimation de p proposez-vous ?

2. Donner un intervalle de confiance pour p de niveau

de confiance 0.95.
1) Estimation de p
• Le caractère étudié: une nouvelle opération
chirurgicale.
• Echantillon de n=200 individus
• p est le pourcentage de réussite de cette nouvelle
opération.
• On a 40 échecs, donc = = = .
est le pourcentage de réussite dans l’échantillon, et
c’est l’estimateur de .
2. Donner un intervalle de confiance pour p de
niveau de confiance 0.95.

*Conditions requises pour l’estimation de par

un intervalle de confiance

* l’échantillon est aléatoire simple

* ≥ et ≥
* Vérification de la deuxième condition

• = ∗ . = ≥
• = ∗ . = ≥
*Intervalle de confiance pour p de la population

ICp=[ -E, +E]

• = ∗

est la valeur critique de N(0,1)

 *Intervalle de confiance pour p de la population
au niveau de confiance 0.95.
− = . donc le risque d’erreur est = .
. .
• = ∗ = . ∗ = .

ICp=[ -E, +E]=[ . − . , . + . ]

ICp=[ -E, +E]=[ . , . ]
Exercice 3 Dans une population donnée, le poids des nouveau-nés est
modélisé par une loi normale. Dans l’ensemble de la population, l’écart-type
des poids à la naissance est de 380 g. Le poids moyen d’un nouveau-né dont la
mère ne fume pas est de 3400 g. Afin d’étudier l’effet du tabac sur le poids
d’un nouveau-né, on relève le poids de 30 nouveau-nés dont les mères fument
et on obtient une moyenne empirique de 3240 g, avec un écart-type de 426 g.

1. En supposant que l’écart-type de l’échantillon est connu et égal à celui de

l’ensemble de la population, est ce qu’on peut dire que les nouveau-nés de
l’échantillon sont significativement plus légers en moyenne, au seuil de 5% ?

2. En supposant l’écart-type inconnu, si on veut tester les mêmes hypothèses

qu’à la question précédente, quelle est votre conclusion ?
1) Test pour une moyenne.
• Un seul échantillon, comparaison d’une valeur observée à une
valeur théorique.
• Variance connue = 380 ,
• Conditions requises: le caractère suit la loi Normale.
• Hypothèses du test: (test unilatérale)

H0 : µ=3400, H1 : µ<3400
• Statistique du test:
− −
= = = −2.3062
• Valeur critique:
Avec = %, de la table de la loi Normale on a:
=− .

Région critique: = −∞; − .

On remarque que: é ∈
é = −2.3062 < −1.64 d’où le rejet de H0.

• Conclusion:
Au risque de 5%, on ne peut dire que les poids des nouveaux nés dont
les mères fument est le même que ceux dont les mères ne fument pas.
2) Test pour une moyenne.
• Un seul échantillon, comparaison d’une valeur observée à une
valeur théorique.
• Variance inconnue: é = et = é = .
• Conditions requises: le caractère suit la loi Normale.
• Hypothèses du test: (test unilatérale)
H0 : µ=3400, H1 : µ<3400
• Statistique du test:
− −
= = =− .
.
• Valeur critique:
Avec = %, de la table de la loi de Student (ddl=29)
on a:
=− .
Région critique: = −∞; − .

On remarque que: é ∈
Car é = −2.023 < −1.7 d’où le rejet de H0.

• Conclusion:
Au risque de 5%, on ne peut dire que les poids des nouveaux nés dont
les mères fument est le même que ceux dont les mères ne fument pas.
Exercice 4 Quand les gens fument, la nicotine qu’ils
absorbent est transformée en cotinine qui peut être
mesurée.
Un échantillon de 40 fumeurs a un niveau moyen de
cotinine de 172.5 ng/ml. Supposant que σ est connu
et vaut 119.5.
Utiliser un niveau de significativité de 0.01 pour tester
l’affirmation que le niveau moyen de cotinine pour
tous les fumeurs est de 200.
1) Test pour une moyenne.
• Un seul échantillon, comparaison d’une valeur observée à une
valeur théorique.
• Variance connue = 119.5 ,
• Conditions requises: = 40 > 30.
• Hypothèses du test: (test bilatérale)

: = , : ≠
• Statistique du test:
− . −
= = =− .
.
• Valeurs critiques:
Avec = %, de la table de la loi Normale on a:
=− . et = .

Région critique: = −∞; − . ∪ . ; +∞

On remarque que:
é = −1. 46 > −2.575 d’où le non rejet de H0.
• Conclusion:
Au risque de 1%, il n’y a pas suffisamment de preuves pour
garantir le rejet de l’affirmation selon laquelle la moyenne est
égale à 200.
Exercice 5 Un échantillon de paquet de céréales est
sélectionné aléatoirement et le contenu en sucre est
enregistré.
Ces quantités sont résumées par les statistiques :
n=16, =0.295 g, s=0.168.
Utiliser le niveau de significativité de 0.05 pour
tester l’affirmation que le contenu moyen en sucre
est inférieur à 0.3 g.
2) Test pour une moyenne.
• Un seul échantillon, comparaison d’une valeur observée à une
valeur théorique.
• Ecart-type inconnu: = 0.168
• Conditions requises: le caractère suit la loi Normale.
• Hypothèses du test: (test unilatérale)

H0 : µ=0.3, H1 : µ<0.3
• Statistique du test:
− 0.295 − 0.3
= = =− .
0.168
• Valeur critique:

Avec = %, de la table de la loi de Student (ddl=n-1=15)

on a:
= − .753
Région critique: = −∞; − .

On remarque que:
é = −0.119 > −1.753 d’où le non rejet de H0.

• Conclusion:
Au risque de 5%, il n’y a pas suffisamment de preuves pour confirmer
l’affirmation selon laquelle la moyenne est inférieur à 0.3.
Exercice 6 Dans un sondage d’une revue américaine
sur 1012 adultes sélectionnés aléatoirement, 9% ont
dit que le clonage humain pourrait être autorisé.

Utiliser un niveau de significativité de 0.05 pour tester

l’affirmation que moins de 10% des adultes disent que
le clonage humain pourrait être autorisé.
 Test pour une proportion.
• Un seul échantillon, comparaison d’une valeur observée à une
valeur théorique.
• Conditions requises:
np=101.2 supérieur à 5 et n(1-p)=910.8 supérieur à 5

• Hypothèses du test: (test unilatérale)

H0 : p=0.1, H1 : P<0.1
• Statistique du test:
− 0.09 − 0.
= = =− .
( − ) . ( − . )
 • Valeur critique:
Avec = %, de la table de la loi Normale on a:
=− .
Région critique: = −∞; − .
On remarque que:
é = −1.06 > −1.645 ; c-à-d é ∉
d’où le non rejet de H0.

• Conclusion:
Au risque de 5%, il n’y a pas suffisamment de preuves pour confirmer
l’affirmation selon laquelle moins de 10% des adultes disent que le
clonage des humains devrait être autorisé..
Exercice 7 Effectuer le test dans les deux cas
suivants : H0 : σ = 15
1.H1 : σ ≠ 15, α = 0.05, n=20, s=10.
2.H1 : σ < 15, α =0.01, n=30, s=14.
 Test pour une variance.
• Un seul échantillon, comparaison d’une valeur observée à une
valeur théorique.
• Conditions requises:
la population doit avoir une distribution normale.
• Hypothèses du test: (test bilatérale)

H0 : =15, H1 : ≠
• Statistique du test:
( − ) ( − )
= = = .
 • Valeurs critiques:
Avec = %, de la table de la loi du Khi2 on a:
= . et = .
Région critique: = ; . ∪ . ;+∞

On remarque que: é = . ∈
d’où le rejet de H0.

• Conclusion:
Au risque de 5%, Il y a suffisamment de preuves pour confirmer
l’affirmation selon laquelle σ ≠ 15.
 2)
• Un seul échantillon, comparaison d’une valeur observée à une
valeur théorique.
• Conditions requises:
la population doit avoir une distribution normale.
• Hypothèses du test: (test unilatérale)

H0 : =15, H1 : <
• Statistique du test:
( − ) ( − )
= = = .
 • Valeur critique:
Avec = %, de la table de la loi du Khi2 on a:
=14.26
Région critique: = ; .
On remarque que: é = . ∉
d’où le non rejet de H0.

• Conclusion:
Au risque de 5%, Il n y a pas suffisamment de preuves pour confirmer
l’affirmation selon laquelle σ < 15.
Exercice 8 Des dosages de calcium sur deux échantillons de yaourt
ont donné les résultats suivants (en mg de Ca)

On suppose que la variance des populations est la même dans les

deux cas.
•Par quelle formule peut-on calculer l’estimation conjointe de cette
variance ?
•Les moyennes des deux échantillons diffèrent elles
significativement ?
 1) Deux échantillons, comparaison de deux valeurs observées.
Les variances des deux populations sont les mêmes.
• Conditions requises:
Les deux populations doivent avoir une distribution normale ou les
deux échantillons sont grands.
échantillons indépendants et σ1 = σ2
Statistique de test
( 1
̅ − ̅2 )
2 2
+
1 2

( 2 2
2 1 − 1) 1 +( 2 − 1) 2
=
( 1 − 1) + ( 2 − 1)

ddl= ( 1 − 1) + ( 2 − 1)
L’estimation conjointe de cette variance

− + −
=
− + −

− . + − .
= = .
− + −
2) Test pour une moyenne (Variances égales inconnues)
• deux échantillons, comparaison de deux valeurs observées.
Conditions requises: les deux viennent de populations dont la
distribution est normale.
• Hypothèses du test: (test bilatérale)

H0 : = , H1 : ≠
• Statistique du test:
− . − .
= = =− .
+ . +
 • Valeurs critiques:

Avec = %, de la table de la loi de Student (ddl=18) on a:

=− . et = .
Région critique: = −∞; − . ∪ . ; +∞

On remarque que:
é ∉ d’où le non rejet de H0.

• Conclusion:
Au risque de 5%, la différence des moyennes n’est pas
significative.