QCM Statistiques Descriptives 2 L1 : 15 questions corrigées
QCM de 15 questions avec corrections détaillées en Statistiques Descriptives 2 (L1). Thèmes abordés : Statistique Bivariee, Regression Lineaire, Tests Association, Indices, Series Chronologiques. Entraînez-vous avec des explications pédagogiques détaillées.
🎯 Prêt à commencer ?
En révision, le corrigé s'affiche après chaque réponse. En challenge et en examen, il n'arrive qu'à la fin.
À propos de ce QCM de Statistiques descriptives II
Quelques raisonnements travaillés dans ce QCM
Cherchez une réponse, puis ouvrez la correction pour comparer votre raisonnement.
Le coefficient d'asymétrie (skewness) d'une distribution est nul lorsque :
- la médiane est strictement supérieure à la moyenne de la série analysée
- la distribution est parfaitement symétrique autour de la moyenne observée
- l'étendue de la distribution est égale à deux fois l'écart-type calculé
- la variance de la distribution est exactement égale à son espérance
Réponse : la distribution est parfaitement symétrique autour de la moyenne observée
Le coefficient d'asymétrie (skewness) γ = (1/n)Σ((xi - x̄)/σ)³ mesure le degré d'asymétrie d'une distribution. Si γ = 0, la distribution est symétrique. Si γ > 0, la queue droite est plus longue (asymétrie positive). Si γ < 0, la queue gauche est plus longue (asymétrie négative).
L'indice de Fisher est défini comme :
- la moyenne géométrique des indices de Laspeyres et de Paasche
- la somme des indices de Laspeyres et de Paasche divisée par deux
- le rapport de l'indice de Laspeyres sur l'indice de Paasche de la même période
- la différence entre l'indice de Paasche et l'indice de Laspeyres de la même période
Réponse : la moyenne géométrique des indices de Laspeyres et de Paasche
L'indice de Fisher IF = √(IL × IP) est la moyenne géométrique des indices de Laspeyres et de Paasche. Il corrige les biais opposés de ces deux indices et vérifie le test de réversibilité temporelle (IF(0,t) × IF(t,0) = 1). Il est considéré comme un indice « idéal ».
Le coefficient de corrélation de Spearman est utilisé quand :
- les deux variables sont quantitatives et normalement distribuées dans l'échantillon
- les données sont de nature qualitative nominale sans ordonnancement possible
- la relation entre les variables est strictement linéaire et les données non groupées
- on souhaite mesurer l'association monotone entre deux variables ordonnées en rangs
Réponse : on souhaite mesurer l'association monotone entre deux variables ordonnées en rangs
Le coefficient de Spearman (rs) mesure la corrélation entre les rangs des observations. Il capture les relations monotones (croissantes ou décroissantes) même non linéaires. Il est adapté aux variables ordinales ou quand les conditions de normalité du coefficient de Pearson ne sont pas remplies.
Le coefficient de détermination R² d'une régression linéaire indique :
- la valeur prédite de Y lorsque la variable X est égale à zéro
- la pente de la droite de régression entre les variables X et Y
- la proportion de la variance de Y expliquée par la relation linéaire avec X
- le sens de la relation (positive ou négative) entre les deux variables
Réponse : la proportion de la variance de Y expliquée par la relation linéaire avec X
R² = SCE/SCT = 1 - SCR/SCT, où SCE est la somme des carrés expliqués, SCR les carrés résiduels et SCT les carrés totaux. R² est compris entre 0 et 1. Un R² de 0,85 signifie que 85 % de la variance de Y est expliquée par X. C'est le carré du coefficient de corrélation r.