TDs Statistique Mathématique 2

Pr KONANE & Dr ZANGRE

17 juillet 2023
Exercice 1 Une entreprise fabrique pour l’industrie, des pièces par sous-
traitance.
La direction décide de mettre en place une politique de recherche de qua-
lité. Pour ce faire,toutes les machines ont été systematatiquement révisées et
on a défini une nouvelle organisation dans l’atélier : les tâches de contrôles
sont réparties à chaque étapes du processus de fabrication et le taux de pièces
défectueuses est tombé à 1%. Le chef d’entreprise décide que si l’hypothèse
nulle est vérifiée, il ne modifiera pas plus son processus de production (dé-
cision D0 ) et au contraire, si c’est l’hypothèse alternative, il reprendra une
action de sensibilisation des salariés de cet atélier au problème de la qualité
(décision D1 ).
Pour choisir entre ces deux hypothèses, il tire un échantillon de 1500 pièces.
1. Si le chef d’entreprise se fixe un risque de 1% d’entreprendre une action
de sensibilisation des salariés à tort, formuler la règle de décision du
test unilatéral.
2. Si dans l’échantillon prélevé, le nombre de pièces défectueuses est 18,
quelle sera la décision du chef d’entreprise ?
3. Calculer alors le risque de l’acheteur, c’est-à-dire ne pas modifier le pro-
cessus de production alors qu’on le devait. comment s’appelle ce risque ?

Exercice 2 L’emballage de boîtes de café indique une contenance de 500

grammes. Un inspecteur de la répression des fraudes souhaite vérifier que
les boîtes contiennent effectivement au moins 500 grammes. Dans le cas
contraire, il demandera des sanctions. Il réalise donc le test d’hypothèse sui-
vant, en utilisant le seuil de signification α = 1% :
H0 : les boîtes contiennent un poids moyen de café égal à 500 g.
H1 : les boîtes contiennent un poids moyen de café strictement inférieur à
500 g.
1. Le type de test est bilatéral ou unilatéral ?
2. (a) Rappeler ce qu’est une erreur de première espèce et une erreur de
seconde espèce. A quoi correspondent-elles dans ce cas ?
(b) Supposons que les boîtes contiennent en moyenne exactement 500g
de café. Quelle est la probabilité que l’inspecteur conclue qu’il faut
rejeter H0 ?
3. L’inspecteur dispose d’un échantillon de 41 boîtes ; la moyenne d’échan-
tillon est de 495 g, et l’écart-type d’échantillon de 20 g. Calculer la
statistique du test, puis conclure en expliquant votre démarche.
4. L’inspecteur dispose d’un échantillon de 110 boîtes ; la moyenne d’échan-
tillon est de 495g, et l’écart-type d’échantillon de 20g. Calculer la sta-

1
 tistique du test, puis conclure en expliquant votre démarche.

Exercice 3 Afin de convaincre des clients potentiels, une société de marke-

ting met en évidence la relation entre le chiffre d’affaires (Y ) d’une entreprise
et son budget publicité (X). Le tableau ci-dessous présente ces données (en
millions de Fr) pour 11 entreprises issues du même domaine d’activité.

Publicité Chiffres d’Affaires

0.0 2
0.2 3
0.6 7
3.0 15
3.5 19
4.0 23
5.2 32
4.9 37
6.3 54
7.1 58
6.9 61
1. Représenter le nuage de points (X, Y ).
2. Calculer
- les variances de X et de Y ,
- le coefficient de covariance cov(X, Y ),
- le coefficient de corrélation r(X, Y ),
- la droite de régression Y = β̂0 + β̂1 X (et la représenter graphiquement)
3. Determiner un intervalle de confiance pour β0 et β1
4. Effectuer le test de regression et conclure.

Exercice 4 :∗
Les habitants d’une région aéroportuaire se plaignent que le bruit des avions
dépasse la limite autorisée de 80 décibels en moyenne imposée par la législa-
tion. On admet que l’intensité du bruit causé par les avions est une variable
aléatoire X de loi gaussienne d’espérance µ et de variance 64 .

On mesure un échantillon journalier de n = 16 variables aléatoires indé-

pendantes X1 , . . . , Xn de l’intensité du bruit, et on effectue le test statistique
suivant. 
H0 : µ = µ0 = 80 décibels
H1 : µ = µ1 = 85 décibels

2
 1. Expliciter les risques de première et deuxième espèces. De quel point
de vue est fait ce test ? Celui des habitant ou celui des responsables de
l’aéroport ?
2. Quelle variable de décision faut-il choisir et quelle est sa loi ?
3. Déterminer graphiquement l’allure de la région critique et représenter
sur le graphique les erreurs de première et deuxième espèces.
4. Calculer le seuil de la région critique pour un risque α = 5%.
5. Calculer la puissance du test.
6. Enoncer les règles de décision avec les probabilités d’erreur.
7. La moyenne calculée sur l’échantillon est x̄ = 83 décibels. Les habitants
ont-ils raison de se plaindre ? Le test d’hypothèses ainsi établi leur est-il
favorable ou défavorable ?
8. Combien faudrait-il faire de relevés journaliers, pour que le risque de
deuxième espèce soit de 5% ?
9. Quelle serait alors le seuil de décision ?

Exercice 5 Disposant de 5 milieux A, B, C, D, E, pour la culture du BCG,

on se propose de savoir si, dans l’ensemble, les milieux sont équivalents ou,
au contraire, certains favorisent la croissance plus que d’autres (nombre de
colonies plus élevé). On a donc ensemencé, à partir d’une même suspension
de BCG, 8 tubes par milieu de culture. Le tableau suivant donne le nombre
de colonies obtenues pour chaque tube :

Milieu de culture
Résultats A B C D E
10 11 7 12 7
12 18 14 9 6
6 13 9 7 7
13 8 10 8 5
9 15 9 13 6
10 16 11 14 7
8 9 7 10 9
9 13 9 11 6

1. Ecriver le modèle théorique sous-jacent et donnez les hypothèses adé-

quates pour faire cette étude.
2. Peut-on affirmer que les variances dans les cinq populations sont signi-
ficativement différentes (au seuil de 5%) ?

3
 3. Dresser le tableau d’ANOVA
4. Au niveau de signification de 5%, que peut-on dire des niveaux de ces
trois catégories ?

Exercice 6 Dans un centre avicole, des études antérieures ont montréque la

masse d’un oeuf choisi au hasard peut être considérée comme la réalisation
d’une variable aléatoire normale X, de moyenne m et de variance σ 2 . On
admet que les masses des oeufs sont indépendantes les unes des autres. On
prend un échantillon de n = 36 oeufs que l’on pèse. Les mesures sont données
(par ordre croissant) dans le tableau suivant :

50, 34 52, 62 53, 79 54, 99 55, 82 57, 67

51, 41 53, 13 53, 89 55, 04 55, 91 57, 99
51, 51 53, 28 54, 63 55, 12 55, 95 58, 10
52, 07 53, 30 54, 76 55, 24 57, 05 59, 30
52, 22 53, 32 54, 78 55, 28 57, 18 60, 58
52, 38 53, 39 54, 93 55, 56 57, 31 63, 15
1. Calculer la moyenne empirique et l’écart-type empirique de cette série
statistique. Tracer le boxplot et un histogramme.
2. Donner une estimation des paramètres m et σ.
3. Donner un intervalle de confiance au niveau 95%, puis 98%, de la masse
moyenne m d’un oeuf.
4. Tester si la moyenne de cette variable est égale à 56 .

Exercice 7 Une usine fabrique des billes métalliques. Le diamètre en milli-

mètres de ces billes est une variable aléatoire suivant une loi normale. L’usine
s’est engagée à fournir à un client des billes dont le diamètre moyen est de
25 millimètres. Le client réceptionne sa commande et dans le lot réçu, il pré-
lève un échantillon de 20 billes choisies au hasard et mesure les diamètres
suivants :
24,7 24,9 25,0 25,0 25,1 25,1 25,1 25,2 25,3 25,4
24,8 24,9 25,0 25,0 25,1 25,1 25,2 25,3 25,3 25,5
IV.1 Poser clairement les hypothèses du test.
IV.2 Effectuer le test à 5%. Conclure.
IV.3 Calculer la p-valeur de cet échantillon.

Exercice 8 Pendant 200 minutes, on note toutes les minutes le nombre de

voitures arrivant au poste de péage sur L’autoroute.

4
 Nombre de voitures 0 1 2 3 4 5 6 7 8 9 10 11
Effectif observé 1 15 30 46 38 30 16 13 5 3 2 1
Déterminer la loi de probabilité de cet échantillon. Décrire par étapes le pro-
cessus

Exercice 9 Les éléments d’une population possèdent un caractère X qui suit

une loi de densité √
θ 2
fθ (x) = √ e−θx /2
2π
où θ > 0. Pour étudier le paramètre θ, on a effectué une suite de n expé-
riences indépendantes qui ont donné les réalisations x1 , · · · , xn de n variables
aléatoires X1 , · · · , Xn i.i.d de même loi de X. On note X̄n la moyenne arith-
métique de X1 , · · · , Xn .
II.1 Déterminer l’estimateur du maximum de vraissemblance θbn de θ.
II.2 L’estimateur θbn est-il exhaustif ? 1
II.3 Calculer la moyenne et la variance de θbn . Déduire un estimateur ηbn de
θ non biaisé. L’estimateur ηbn est-il convergent ?
II.4 Calculer la borne de Cramer-Rao B (n) (θ) pour l’estimation de θ. L’es-
timateur ηbn est-il efficace ?
n
2 1X
II.5 Soit s = (Xi − X̄n )2 . Peut-on définir un estimateur ρbn non
n i=1
biaisé de θ, qui soit simplement lié à s2 ? L’estimateur ρbn est-il effi-
cace ? Comparer l’efficacité des estimateurs ηbn et ρbn .

Exercice 10 On considère le modèle statistique de la loi Gamma (Γ(α, β) : α > 0, β > 0).
On rappelle que la densité d’une variable aléatoire de loi Γ(α, β) est :

 0 si x < 0
α
fα,β (x) = β
xα−1 e−βx si x ≥ 0,
Γ(α)

Z +∞
où la fonction Γ est définie pour a > 0 par Γ(a) = ta−1 e−t dt et possède
0
la propriété Γ(a + 1) = aΓ(a).
I.1 Calculer l’espérance et la variance de X en fonction de α et β.
I.2 Déterminer un estimateur (b αn , βbn ) du couple (α, β) par la méthode des
moments.
1. voir définition sur la page 2

5
Exercice 11 Soient X, Y deux variables aléatoires réelles indépendantes de
même loi. On suppose qu’elles possèdent un moment d’ordre 2 et on note σ 2
leur variance commune. On suppose de plus que X+Y
√
2
a même loi que X.
1. Démontrer que X est d’espérance nulle.
2. Donner un développement limité à l’ordre 2 de φX .
3. Démontrer que
  2n
t
∀n ≥ 1, ∀t ∈ R, φX = φX (t).
2n/2

4. En déduire que X suit une loi normale dont on précisera les paramètres.
5. Retrouver ce résultat en appliquant le théorème limite central.

Exercice 12 Le staff médical d’une grande entreprise fait ses petites statis-
tiques sur le taux de cholestérol de ses employés ; les observations sur 100
employés tirés au sort sont les suivantes.

taux de cholestérol en cg :(centre classe) effectif d’employés :

120 9
160 22
200 25
240 21
280 16
320 7

1. Calculer la moyenne me et l’écart-type σe sur l’échantillon.

2. Estimer la moyenne et l’écart-type pour le taux de cholestérol dans toute
l’entreprise.
3. Déterminer un intervalle de confiance pour la moyenne.
4. Déterminer la taille minimum d’échantillon pour que l’amplitude de
l’intervalle de confiance soit inférieure à 10.

Exercice 13 La durée de vie en heures d’un certain type d’ampoule est une
variable aléatoire réelle X de densité

f (x) = θ2 xe−θx 1R+ (x)

Soient n ∈ N, et (X1 , . . . , Xn ) un n-échantillon de X. Ici, θ > 0 est un réel

inconnu que l’on souhaite estimer à l’aide de (X1 , . . . , Xn ).

6
 1. Montrer que le modèle considéré appartient à la famille des modèles
exponentiels.
2. Calculer l’information de Fisher In (θ).
3. Déterminer un estimateur de θ par la méthode des moments.
4. Déterminer un estimateur θnM V par la méthode du maximum de vrai-
semblance et donner son risque quadratique.
5. Proposer un estimateur sans biais et comparer le à l’estimateur du
maximum de vraisemblance.

Exercice 14 On considère un échantillon X1 , . . . , Xn i.i.d tel que E(X1 ) =

µ et V (X1 ) = σ 2 . Ici, µ est le paramètre inconnu. On propose deux estima-
teurs de µ.
n
1X 1
X̄n = Xi , Zn = (Xn + Xn−1 ).
n i=1 2

1. Montrer que X̄n et Zn sont sans biais.

2. Qui de X̄n ou Zn choisirez vous pour estimer µ ?

Exercice 15 On considère un échantillon X1 , . . . , Xn i.i.d avec X1 de den-

sité
f (x) = θe−θx , ∀x ≥ 0
Dans cet exercice, θ est un paramètre inconnu. On propose d’estimer θ par
1 n
Yn = = Pn .
X̄n i=1 Xi

1. Calculer E(X1 ) et expliquer le choix de l’estimateur Yn .

2. Prouver la convergence√en probabilité et presque sûre de Yn vers θ.
Donner la loi limite de n(Yn − θ).
3. Donner la loi de ni=1 Xi . Calculer E(Yn ), V (Yn ) et E(Yn − θ)2 .
P

4. Pour estimer θ, on propose d’utiliser

n−1
Zn = Yn
n
Calculer E(Zn ), V (Zn ) et E(Zn − θ)2 . Qui de Zn ou Yn choisirez vous
pour estimer θ ?

7
Exercice 16 Un statisticien observe le nombre d’ampoules défaillantes à la
sortie d’une chaine de production. Il veut estimer la probabilité de n’avoir
aucune ampoule défaillante (P (X = 0)). Pour cela, il compte le nombre Nn
de Xi , , égaux à zero. Il propose d’estimer P (X = 0) par :

Nn
P̂n =
n

1. Montrer en supposant juste les X1 , . . . , Xn i.i.d. que P̂n est un estima-

teur sans biais de P (X = 0). Calculer son risque quadratique.
2. Quelles sont les propriétés de cet estimateur (sans biais, convergent,
exhaustif,. . . ) ?
3. Donner sa loi Limite.

Exercice 17 :∗
On désire estimer le paramètre θ ≥ 1 de la distribution d’une variable aléta-
toire X de densité de probabilité
 3θ3
 x4 , x ∈ [θ, ∞[
fθ (x) =
0 sinon


Soit (X1 , . . . , Xn ) un échantillon i.i.d de même loi que X.

1. Calculer la fonction de répartition de X, son espérance mathématique
et sa variance.
2. On veut estimer θ par la méthode du maximum de vraisemblance.
(a) Montrer que l’estimateur du maximun de vraisemblance de θ vaut
Θn = min(X1 , . . . , Xn ).
(b) Calculer sa fonction de répartition et sa densité de probabilité.
(c) Calculer son espérance, en déduire un estimateur sans biais Θ∗n de
θ. Cet estimateur est-il convergent ?

Exercice 18 :∗
On dispose d’un échantillon (X1 , . . . , Xn ) i.i.d issu d’une loi exponentielle de
paramètre θ.
1. Montrer par récurrence que
Z ∞
n! = un e−u du
0

8
 2. Déterminer la densité de probabilité de la somme de n variables expo-
nentielles indépendantes et identiquement distribuées.
3. Calculer l’estimateur du maximum de vraisemblance Θn de θ.
4. Etudier le biais de Θn .
5. En déduire un estimateur Tn sans biais.
6. Etudier la convergence de Tn et calculer l’information de Fisher relative
à θ.
7. Etudier son efficacité.
8. Donner la loi de (Tn − θ).

Exercice 19 :∗
Dans une manufacture, on a voulu estimer le temps moyen nécessaire à une
machine pour complèter une tache. On a alors mesuré les temps nécessaires
pour compléter cette tâche 150 fois et on a obtenu un temps moyen de 85
minutes et un écart-type de 10 minutes.

1. Donnez un intervalle de confiance avec un niveau de confiance de 95%

pour le temps moyen necessaire à la machine pour accomplir cette tâche.
2. Si le temps moyen a été estimé entre 83 et 87 minutes, quel est le niveau
de confiance associé à cet intervalle.
3. Combien de fois doit-on mesurer les temps pour que l’intervalle de confiance
spécifies le temps moyen à 1 minute près et ceci 19 fois sur 20 ?

Exercice 20 : ∗
Un échantillon de 100 votants choisis au hasard parmi tous les votants d’un
bureau donné indique que 55% d’entre eux votent pour le candidat A.
1. Donner l’intervalle de confiance à 95% de la proportion de tous les votants
en faveur du candidat A.
2. Quelle aurait dû être la taille de l’échantillon pour conclure au niveau 95%
que le candidat A serait élu ?

Exercice 21 :∗

Exercice 22 Dans chacune des situations suivantes, précisez les hypothèses

H0 et H1 :
1. Un nouveau type de batterie doit être installé dans dispositif médical
s’il est démontré que sa durée de vie est supérieure à 1 an.

9
 2. Un inspecteur de contrôle de la qualité doit réajuster une machine qui
sert à remplir des bouteilles si la contenance des bouteilles n’est pas de
10 ml.
3. Un inspecteur de contrôle de la qualité doit revoir le procédé de fabri-
cation si la résistance à la pression est inférieure à 150 psi.
4. On veut que la proportion de composantes défectueuses ne dépasse pas
4%.

Exercice 23 Soit X1 , X2 , . . . , Xn un échantillon i.i.d. tiré dans une loi conti-

nue uniforme sur l’intervalle [θ, 2θ] où θ ∈]0, ∞ est un paramètre inconnu.
1. Déterminer, en fonction de θ la fonction de densité de Xi ainsi que son
espérance qu’on notera m et sa variance qu’on notera σ 2 .
2. Donner un estimateur convergent de m. En déduire un estimateur convergent
θ̂n de θ.
3. Calculer l’espérance et la variance de l’estimateur θ̂n
4. En supposant que n est suffisamment grand, donner une approximation
de la loi de θ̂n et déterminer un intervalle de confiance bilatéral pour
θ au niveau de confiance 95%. On rappelle que si U ∼ N (0, 1) alors
P (|U | ≤ 1, 96 = 0, 95
A.N : déterminer l’intervalle de confiance pour n = 500 et X̄n = 10.

Exercice 24 Supposons que les tailles de 100 étudiants masculins de l’Uni-

versité de Ouagadougou représentent un échantillon aléatoire des tailles des
4521 étudiants de cette université. Sachant que dans cet échantillon la taille
moyenne vaut 1.73 m et l’écart-type 10 cm, déterminer un intervalle de
confiance à 0.95 de la taille moyenne des étudiants de l’université.

Exercice 25 Dans une manufacture, on a voulu estimer le temps moyen

nécessaire à une machine pour complèter une tache. On a alors mesuré les
temps nécessaires pour compléter cette tâche 150 fois et on a obtenu un temps
moyen de 85 minutes et un écart-type de 10 minutes.

1. Donnez un intervalle de confiance avec un niveau de confiance de 95%

pour le temps moyen necessaire à la machine pour accomplir cette tâche.
2. Si le temps moyen a été estimé entre 83 et 87 minutes, quel est le niveau
de confiance associé à cet intervalle.
3. Combien de fois doit-on mesurer les temps pour que l’intervalle de confiance
spécifies le temps moyen 1̀ minute près et ceci 19 fois sur 20 ?

10
Exercice 26 Un échantillon de 100 votants choisis au hasard parmi tous
les votants d’un bureau donné indique que 55% d’entre eux votent pour le
candidat A.
1. Donner l’intervalle de confiance à 95% de la proportion de tous les votants
en faveur du candidat A.
2. Quelle aurait dû être la taille de l’échantillon pour conclure au niveau 95%
que le candidat A serait élu ?

Exercice 27 Répondez par vrai ou faux sur votre copie. Une bonne réponse
vaut 0,5 point, une mauvaise -0,25.
1. Un estimateur est convergent si et seulement si son espérance est égale
au paramètre estimé, E(θ̂) = θ.
2. La moyenne empirique d’une variable Xi qui suit une loi normale de
paramètres m et σ suit une loi normale de paramètres m et σ.
3. Un intervalle de confiance à 95 % est construit à partir d’un unique
échantillon de telle sorte que la vraie valeur du paramètre estimé se
trouve dans cet intervalle avec une probabilité de 95 %.
1−p
4. La variance d’une loi de Bernoulli de paramètre p est p
.
5. Lorsqu’on augmente la précision d’un intervalle de confiance (un échan-
tillon donné), la taille de l’intervalle augmente.
6. Lorsque la taille de l’échantillon augmente, la taille de l’intervalle de
confiance (pour une précision donnée) augmente.

Exercice 28 Une société fournisseur d’accès Internet qui propose une ligne
téléphonique d’aide technique souhaite estimer le temps d’attente de ses clients
lors de ce service. On suppose que Xi , la variable aléatoire décrivant le temps
d’attente avant d’obtenir un opérateur, suit une loi normale N (m; σ 2 ). La
société fait appel à vous, cadre supérieur de [Link], pour réaliser un
sondage. Vous mesurez pour 100 personnes le temps d’attente. Vous trouvez
une moyenne empirique égale à 20 minutes et un écart-type empirique de 10
minutes.
1. Quel est le meilleur estimateur de m ? Quelle est sa loi ?
2. Donnez un intervalle de confiance bilatéral à 95 % de l’estimation de
m.
3. La société fournisseur d’accès Internet souhaite obtenir une estimation
de m à la minute près. Mesurer le temps d’attente vous coûte 1000
Euros comme coût fixe pour les 100 premiers appels et chaque mesure
supplémentaire d’un temps d’attente vous coûte 5 Euros. Vous coûtez à
votre employeur 500 Euros pour ce travail. Combien faut-il facturer la

11
 société fournisseur d’accès Internet pour que [Link] puisse faire
10 % de bénéfice, en supposant que σ = 10 ?

Exercice 29 Lors du test sur la moyenne d’une population normale de va-

riance 9, la règle de décision est de ne pas rejeter H0 si 13.77 ≤ X̄n ≤ 16.23
en se basant sur les résultats d’échantillons de taille 25.
1. Posez les hypothèses H0 et H1 .
2. calculez la probabilité de commettre une erreur de première espèce.
3. Calculez la probabilité de commettre une erreur de deuxième espèce si
la vraie moyenne est 16.5.
4. Si un échantillon de taille 25 a donné une moyenne de 16, quel est le
seuil descriptif ou p-value du test ?

Exercice 30 Si H0 : µ = 25 et H1 : µ > 25, n = 35, x̄ = 25.8, s = 3 et

α = 10%.
1. Quelle est la décision ?
2. Calculez la probabilité de commettre une erreur de deuxième espèce si
la moyenne réelle est 26.
3. Quel est le seuil descriptif ou p-value du test ?

Exercice 31 Un plan pour un club de voyageurs vip a été développé par une
compagnie aérienne sous l’hypothèse que 5% de ses clients seront qualifiés
pour un membership. Dans un échantillon aléatoire de 500 clients, 40 se sont
qualifiés pour le membership.
1. En utilisant un seuil de signification de 1%, tester l’hypothèse de la
compagnie.
2. Quelle est la p-value du test ?
3. Quelle est la puissance du test à détecter un écart positif de 3 % par
rapport à l’hypothèse de la compagnie ?

Exercice 32 A l’issue d’une expérience de 1000 tirages, un générateur de

chiffres aléatoires a donné les résultats suivants :
chiffre 1 2 3 4 5 6 7 8 9 0
nombre d’apparitions 87 103 90 110 81 108 85 123 90 123

Tester au niveau 5% l’hypothèse selon laquelle le générateur simule de façon

satisfaisante un tirage uniforme sur les entiers {0, . . . , 9}.

12
Exercice 33 Dans une manifacture, on a voulu estimer le temps moyen
necessaire à une machine pour completer une tache. On a alors mesuré les
temps nécessaires pour compléter cette tâche 150 fois et on a obtenu un temps
moyen de 85 minutes et un ecart type de 10 minutes.

1. Donnez un intervalle de confiance avec un niveau de confiance de 95%

pour le temps moyen necessaire à la machine pour accomplir cette tâche.
2. Si le temps moyen a été estimé entre 83 et 87 minutes, quel est le niveau
de confiance associé à cet intervalle.
3. Combien de fois doit-on mesurer les temps pour que l’intervalle de
confiance spécifies le temps moyen à 1 minute près et ceci 19 fois sur
20 ?

Exercice 34 Une compagnie qui importe des fibres synthétiques exige de

ses fournisseurs que la résistance à la rupture soit d’au moins 30 livres. La
résistance à la rupture d’un échantillon aléatoire de 80 fibres d’un lot a donné
une résistance à la rupture moyenne de 29.6 livres et un écart type de 2 livres.
1. Posez les hypothèses.
2. Quelle est le seuil descriptif ou p-value du test ?
3. En utilisant la question a), quelle décision doit prendre la compagnie
au seuil de 5% ?

Exercice 35 Dans un niveau sédimentaire, un anthropologue a découvert 10

crânes humains de mâles adultes et en a mesuré la circonférence. Il obtient
les mesures suivantes :

56.6 54.9 57.7 56.8 57.7 55.6 57.7 56.1 54.8 55.9

Chez Homo sapiens, la circonférence du crâne est distribuée normalement

autour d’une moyenne de 58 cm avec un écart-type de 1.5 cm. Les crânes
trouvés peuvent-ils être des crânes d’Homo sapiens ?

Exercice 36 Dans une entreprise on fabrique des pièces métalliques. Le

poids moyen de ces pièces est de 10 g. Les calculs faits sur des statistiques
antérieures ont montré que l’écart-type du poids de ces pièces est de 0.3
g. Au cours d’une certaine période on fabrique un très grand nombre de
pièces. Comme il n’est pas possible de contrôler que toutes les pièces pèsent
en moyenne 10 g, on en pèse 100 prises au hasard dans la production de la
période considérée. Le poids moyen de ces 100 pièces est x̄ = 10.05g.

13
Exercice 37 Une machine fabrique des claviers d’ordinateurs de 47 cm de
longueur. Pour s’assurer que la machine n’est pas déréglée, on a inspecté 60
claviers choisis au hasard et nous avons obtenu une moyenne de 46.5 cm
. Nous voulons faisons l’hypothèse que la longueur d’un clavier suit une loi
normale N (µ, 2.25).
Peut-on affirmer au seuil α = 0.05 que la machine est déréglée ?

Exercice 38 Un fabricant prétend que les écrans d’ordinateurs qu’il produit

résistent à plus de 5 kg. Une expérience est réalisée pour tester cette affirma-
tion. Nous supposons ainsi que la résistance d’un écran d’ordinateur suit une
loi normale. Nous effectuons une expérience sur 15 écrans et nous observons
que la moyenne est de 5.61 kg et l’écart-type est de 1.17 kg.
L’affirmation du fabricant est-elle correcte au seuil de 5% ?

Exercice 39 Une fabrique achète régulièrement à un fournisseur un cer-

tain type de transistors. Elle sait, par de nombreux sondages qu’elle a effec-
tués, que le coefficient d’amplification de ces transistors a une distribution de
moyenne 155. Lors d’un nouveau contrôle portant sur 200 transistors, elle
observe un coefficient d’amplification moyen de 149 et un écart type de 42.
Peut-on admettre, au seuil de 1%, que la qualité a varié négativement ?

Exercice 40 Un gérant de cybercafé veut acquérir un compteur pour la fac-

turation de l’utilisation des ordinateurs par ses clients. Il est prêt à tolérer
une variance de 23 sec2 . Il observe l’affichage du compteur pendant 1 heure
pour 31 clients et constate que la variance échantillonnale est de 29.52 sec2 .
La variance est-elle trop grande au seuil α = 5 % ?

Exercice 41 Nous pensons que dans une bibliothèque, 10année. En considé-

rant un échantillon de 400 livres, nous observons 24 livres abîmés au cours
d’une année.
Peut-on dire au seuil de 1% que la proportion p de livres abîmés est signifi-
cativement différente de 10% ?

Exercice 42 On veut comparer deux machines qui fabriquent des ballons de

basketball. On veut savoir laquelle des deux machines fabriquent les ballons
avec la plus grande pression intérieure.
Soit X1 : la pression fournie par la machine 1. X1 ∼ N (µ1 , 36) Soit X2 :
la pression fournie par la machine 2. X2 ∼ N (µ2 , 25).
On prend 12 ballons de la machine 1 et 18 ballons de la machine 2 et on
obtient : µ1 = 20 et µ1 = 29
Peut-on affirmer au seuil de 5 % que la machine 2 fournit la plus grande
pression ?

14
Exercice 43 Un fabricant de composantes d’ordinateurs veut acquérir une
nouvelle machine plus performante. Il met à l’essai deux machines, la sienne
(1) et la nouvelle (2) pendant plusieurs heures et il compte le nombre de
composantes produites. On suppose que ce nombre suit une loi normale de
même variance pour chaque machine. Voici les résultats.
Machine 1 : n = 12, moyenne de 2100 et variance échantillonnale de 14000.
Machine 2 : n = 16, moyenne de 2200 et variance échantillonnale de 16000.
Peut-on recommander au seuil de 5 % au fabricant d’acquérir la nouvelle
machine ?
Exercice 44 On veut tester l’efficacité d’un nouveau somnifère. On consi-
dère 9 individus dont le temps de sommeil a été mesuré avant et après la
prise du somnifère.
Individu Temps en sommeil avant X1 temps en sommeil après X2 Différence
1 9 8 1
2 7 9 -2
3 3 5 -2
4 9 9 0
5 4 6 -2
6 8 7 1
7 8 10 -2
8 7 9 -2
9 9 10 -1
Soit µ1 , le nombre moyen d’heures de sommeil avant la prise du somnifère.
Soit µ2 , le nombre moyen "heures de sommeil après la prise du somnifère".
Exercice 45 Une entreprise a fait deux inspections de la qualité de son pro-
duit à six mois d’intervalle. Le premier des deux échantillons indépendants
de taille 1000 a fourni 60 produits défectueux et le second de taille 1500 a
fourni 108 produits défectueux.
La qualité du produit a-t-elle changé en six mois d’intervalle au seuil α =
0.05 ?
Exercice 46 On veut étudier la liaison entre les caractères : «être fumeur»
(plus de 20 cigarettes par jour, pendant 10 ans) et «avoir un cancer de la
gorge», sur une population de 1000 personnes, dont 500 sont atteintes d’un
cancer de la gorge. Voici les résultats observés :
Tableau observé
Observé cancer non cancer marge
fumeur 342 258 600
non fumeur 158 242 400
marge 500 500 1000

15
Nous désirons faire un test pour établir la liaison entre ces caractères.
1. Quelle type de test devons-nous effectuer ?
2. Définir les hypothèses du test et donner le risque par défaut.
3. Donner la statistique du test.
4. Quelle est votre décision ?

16