Correction rapide ccf

Exercice 1 :
1) Le taux maximal d'ozone augmente en même temps que la température à 12h.
2) Oui un ajustement semble justifié puisque les points sont relativement alignés (si on ne considère pas celui dont la
témpérature est proche de 6 °C)
3) sy=20,84 sx= 6,65 cov(x,y)= 116,33 y=2,63x+45
4) r=0,84 relativement proche de 1, les variables sont corrélées R2=0,70 : 70% de la variabilité du taux maximal
d'ozone est expliqué par la température à 12h.
5) p(30)= 2,63x30+45 =123,9
6) p(25)=2,63x25+45 = 110,75 Calcul des résidus : 110,75-110=0,75 mg/L
p(10)=2,63x10+45 = 71,3 Calcul des résidus : 71,3-70=1,3 mg/L
L'ajustement estime le mieux le taux d'ozone pour la journée lors de laquelle la température à midi était de 25°C car le
résidu est plus petit (0,75 contre 1,3). Dans ces deux cas l'ajustement estime très bien le taux d'ozone car une différence
de 1,3mg/L est relativement faible par rapport aux taux enregistrés. Cependant, il semblerait que l'ajustement soit plus
fiable pour des températures à 12h élevées.

Exercice 2:
1) Donnez la loi de probabilité de la variable aléatoire X ainsi que les paramètres de la loi. Expliquez brièvement.
X~B(600,0,3) car X est le nombre de succès (haricots verts extra-fins) d'une expérience aléatoire à 2 issues (extra-fin, non
extra-fin) répétée 600 fois de façon indépendante.
2) Combien de haricots verts extra-fins peut-on espérer obtenir en moyenne dans un échantillon de 600 haricots verts ?
Il s'agit ici de calculer l'espérance mathématique d'une variable suivant une loi binomiale. D'après le formulaire
E(X)=np=600x0,3=180. Sur 600 haricots verts on espère trouver en moyenne 180 haricots verts extra-fins.
3) Chaque semaine, un échantillon de 600 haricots a été prélevé pendant un mois. En un mois, 2400 haricots verts ont
été prélevés de façon aléatoire et 648 étaient extra-fins. Donner une estimation ponctuelle puis une estimation par
intervalle de confiance de π la proportion de haricots extra-fins dans l'ensemble de la production, au niveau de
confiance de 95%.
Une estimation ponctuelle de π est f la proportion dans l'échantillon. f=648/2400=0,27.
Pour déterminer un intervalle de confiance, on utilise la variable aléatoire F qui est la proportion de haricots verts dans des
F −π
échantillons de taille 2400. On sait que ~N(0,1) lorsque n>50 ce qui est le cas ici.

√ (
π(1−π)
n
)

F−π
L'intervalle de confiance à 95% de π se traduit ainsi: P (−u1−α /2 < < u 1−α / 2)=0,95 et donc

√ π(1−π)
n

P (F−u 1−α/ 2×
√ π(1−π)
n
< π< F + u1−α/2×
π(1−π)
n √
)=0,95 et l'intervalle de confiance est déterminé par:

[ f −u 1−α /2
√ f (1− f )
n
; f + u1−α / 2
√ f (1− f )
n
] en remplaçant f, α et n par leur valeur:

[0,27−u 0,975
√ 0,27(1−0,27)
2400
; 0,87+ u0,975
2400 √
0,27(1−0,27)
] . On trouve le quantile u 1−α / 2=u 0,975 dans la table de

la loi Normale: 1,96 donc l'intervalle de confiance de la proportion π: [0,2522;0,2878]

4) Que penser de l'affirmation du producteur qui assure un taux de extra-fins de 30%?
Le taux d'extra-fins de 30% n'est pas atteint par l'estimation ponctuelle et n'est pas compris dans l'intervalle de
confiance L'affirmation est donc mensongère.

Exercice 3: Un biochimiste étudie un type de moisissure qui attaque les cultures de blé. La toxine contenue dans cette
moisissure est obtenue sous forme d'une solution organique. On mesure la quantité de substance toxique en
milligrammes par gramme de solution. Sur un échantillon de 9 extraits, les résultats sont les suivants:

1,2 0,8 0,6 1,1 1,2 0,9 1,5 0,9 1,0

On note X la variable aléatoire "quantité de substance toxique dans la moisissure". On suppose que X suit une loi
Normale.
1) Donner une estimation ponctuelle des paramètres μ et σ, respectivement la moyenne et l'écart-type dans la
population.
Une estimation ponctuelle de la moyenne de la population est donnée par la moyenne de l'échantilon: μ= ̄x = 1,02
n
mg/g et σ=
̂ s=0,26
n−1
2) Construire un intervalle de confiance de la moyenne de la quantité de substance toxique dans la population
considérée au niveau de confiance 95%. Vous détaillerez les différentes étapes de la construction. Vous arrondirez les
valeurs de l'intervalle de confiance au millième.
̄ la variable aléatoire qui, a chaque échantillon associe la moyenne de l'échantillon.
Soit X
On sait que X suit une loi de Student car l'échantillon est issu de loi normale et n< 30 σ n'étant pas connu on l'estime par
X̄ −μ
̂ et
σ ~T(n-1)
σ̂
√n
̄ −μ
X
L'intervalle de confiance à 95% se traduit par P (−t1−α /2< < t 1−α / 2)=0,95 c'est-à-dire :
σ̂
√n
P(X ̄ −t 1−α / 2× < μ< X̄ + t 1−α / 2× )=0,95 et donc l'IC s'écrit : [ ̄x−t 1−α / 2× ̂σ ; ̄x + t 1−α / 2× σ
̂
σ ̂
σ ̂
]
√n √n √n √n
On cherche donc le quantile t 1−α/2 dans la table de la loi de Student pour une probabilité de 0,975 et un ddl de 8 c'est
2,31, on remplace n et σ ̂ dans l'intervalle de confiance :
0,26 0,26
[1,02−1,96× ; 1,02+ 1,96× ] = [0,8501 ; 1,1899 ]
√9 √9