QCM Statistiques et probabilités L2 - Correlation
QCM de 11 questions avec corrections détaillées sur Correlation (Statistiques et probabilités). Révisez efficacement avec des explications pédagogiques pour le niveau L2.
Vous voyez maintenant l'interface exactement comme vos étudiants. La navigation et les pages affichées sont celles d'un compte étudiant.
Lois de probabilité, échantillonnage, estimation, tests d'hypothèses.
Banque publiée de la matière : 172 questions au total. Les compteurs ci-dessus concernent les QCM listés sur cette page. Explorer aussi les fiches notions et leurs entraînements.
Choisis un QCM et tes scores s'enregistreront automatiquement.
QCM de 11 questions avec corrections détaillées sur Correlation (Statistiques et probabilités). Révisez efficacement avec des explications pédagogiques pour le niveau L2.
QCM de 11 questions avec corrections détaillées sur Covariance (Statistiques et probabilités). Révisez efficacement avec des explications pédagogiques pour le niveau L2.
QCM de 11 questions avec corrections détaillées sur Distribution Echantillonnage (Statistiques et probabilités). Révisez efficacement avec des explications pédagogiques pour le niveau L2.
QCM de 11 questions avec corrections détaillées sur Esperance (Statistiques et probabilités). Révisez efficacement avec des explications pédagogiques pour le niveau L2.
QCM de 20 questions avec corrections détaillées sur Estimation et échantillonnage (Statistiques et probabilités). Révisez efficacement avec des explications pédagogiques pour le niveau L2.
QCM de 11 questions avec corrections détaillées sur Loi Chi Deux (Statistiques et probabilités). Révisez efficacement avec des explications pédagogiques pour le niveau L2.
QCM de 11 questions avec corrections détaillées sur Loi Normale (Statistiques et probabilités). Révisez efficacement avec des explications pédagogiques pour le niveau L2.
QCM de 11 questions avec corrections détaillées sur Loi Student (Statistiques et probabilités). Révisez efficacement avec des explications pédagogiques pour le niveau L2.
QCM de 20 questions avec corrections détaillées sur Lois de probabilité (Statistiques et probabilités). Révisez efficacement avec des explications pédagogiques pour le niveau L2.
QCM de 11 questions avec corrections détaillées sur Probabilites (Statistiques et probabilités). Révisez efficacement avec des explications pédagogiques pour le niveau L2.
QCM de 11 questions avec corrections détaillées sur Test Student (Statistiques et probabilités). Révisez efficacement avec des explications pédagogiques pour le niveau L2.
QCM de 22 questions avec corrections détaillées sur Tests d'hypothèses (Statistiques et probabilités). Révisez efficacement avec des explications pédagogiques pour le niveau L2.
QCM de 11 questions avec corrections détaillées sur Variance (Statistiques et probabilités). Révisez efficacement avec des explications pédagogiques pour le niveau L2.
Les statistiques inférentielles de licence utilisent d’abord des résumés, puis une probabilité sur la façon dont ces résumés varieraient si l’on répétait le tirage. L’Insee définit la moyenne comme l’indicateur le plus simple pour résumer l’information d’un ensemble de données : elle est égale à la somme de ces données divisée par leur nombre. Elle peut donc être calculée à partir de ces deux éléments, sans connaître toute la distribution. Dans le chapitre d’OpenStax sur l’intervalle d’une moyenne, la moyenne d’échantillon, notée x barre, est précisément l’estimation ponctuelle de la moyenne inconnue de la population, μ. Le cours part de cette estimation, puis demande quelle marge l’entoure.
Repères de cours pour situer la matière. Le contenu de chaque questionnaire est précisé sur sa page ; confrontez ce périmètre à votre propre cours.
Les statistiques inférentielles de licence utilisent d’abord des résumés, puis une probabilité sur la façon dont ces résumés varieraient si l’on répétait le tirage. L’Insee définit la moyenne comme l’indicateur le plus simple pour résumer l’information d’un ensemble de données : elle est égale à la somme de ces données divisée par leur nombre. Elle peut donc être calculée à partir de ces deux éléments, sans connaître toute la distribution. Dans le chapitre d’OpenStax sur l’intervalle d’une moyenne, la moyenne d’échantillon, notée x barre, est précisément l’estimation ponctuelle de la moyenne inconnue de la population, μ. Le cours part de cette estimation, puis demande quelle marge l’entoure.
La même définition de l’Insee ajoute que la moyenne n’est pas toujours le meilleur indicateur, et que la médiane est souvent plus pertinente. La médiane exige de connaître toute la distribution, ou au moins sa partie centrale. Beaucoup de grandeurs économiques sont bornées vers le bas et non vers le haut. Le salaire horaire est limité vers le bas par le Smic, tandis que certains salaires sont très élevés. La moyenne est tirée vers le haut par ces salaires, même peu nombreux, et elle est pour cette raison généralement supérieure à la médiane. L’incertitude qui affecte les valeurs extrêmes, surtout les valeurs élevées, se reporte sur la moyenne et n’affecte pas la médiane, que l’Insee juge de ce point de vue plus fiable. Choisir la moyenne est donc un choix de résumé, adapté lorsque l’ensemble des valeurs, y compris les plus hautes, doit compter dans le total.
L’Insee définit l’écart-type comme la mesure de la dispersion, ou de l’étalement, d’un ensemble de valeurs autour de leur moyenne. Plus l’écart-type est faible, plus la population est homogène. Cette phrase décrit l’étalement des unités elles-mêmes. Elle ne dit pas encore avec quelle précision une moyenne calculée sur un échantillon approche la moyenne de l’ensemble. OpenStax sépare les deux grandeurs lorsque l’écart-type de la population, sigma, est connu. L’écart-type qui s’applique aux moyennes d’échantillon vaut sigma divisé par la racine carrée de l’effectif n. Le manuel l’appelle erreur type de la moyenne, afin de ne pas le confondre avec sigma.
La formule montre deux leviers distincts. À effectif donné, une population plus dispersée, donc un sigma plus grand au sens de l’étalement défini par l’Insee, élargit l’erreur type. À sigma donné, un effectif plus grand réduit l’erreur type, parce que n apparaît sous la racine au dénominateur. Quadrupler l’échantillon divise cette erreur par deux, et non par quatre. Le chapitre utilise cette erreur type seulement dans le cas où sigma est connu et où la moyenne d’échantillon suit, par le théorème central limite, une loi approximativement normale. Si sigma est inconnu, cette section du manuel ne fournit pas la marge. Il faut alors un autre procédé, que la page sur la loi normale et sigma connu ne développe pas.
OpenStax construit l’intervalle d’une moyenne inconnue, lorsque sigma est connu, à partir de la conclusion du théorème central limite : la distribution d’échantillonnage des moyennes est approximativement normale. Le niveau de confiance, noté CL, est souvent présenté comme la probabilité que l’intervalle calculé contienne le vrai paramètre. Le chapitre juge plus exact de dire que ce niveau est le pourcentage des intervalles qui contiennent le vrai paramètre lorsque l’on répète les échantillons. Une fois l’échantillon tiré, les bornes calculées sont des nombres fixés. La probabilité porte sur la procédure, reprise un grand nombre de fois dans les mêmes conditions, et non sur un déplacement du paramètre à l’intérieur d’un intervalle déjà publié.
Le complément du niveau de confiance est alpha, avec la relation alpha plus CL égale un. Alpha est la probabilité que l’intervalle ne contienne pas le paramètre inconnu, au sens de cette répétition. Pour un niveau de 90 %, on garde la zone centrale de 90 % de la loi normale et l’on laisse 5 % dans chaque queue. Le quantile correspondant vaut 1,645 écart-type de la moyenne de part et d’autre de x barre. Pour le niveau de 95 % utilisé dans un exemple du même chapitre, le quantile retenu est 1,96. Le choix du niveau appartient à la personne qui construit l’intervalle. Le manuel indique que l’on retient le plus souvent 90 % ou davantage, afin d’être raisonnablement assuré des conclusions. Élever le niveau augmente le quantile, donc la marge, et élargit l’intervalle. Le baisser produit l’effet inverse.
La marge, appelée dans le chapitre error bound for a mean, se note EBM. Lorsque sigma est connu, elle égale le quantile de la loi normale centré sur le niveau choisi, multiplié par sigma divisé par la racine de n. L’intervalle a la forme x barre moins EBM, x barre plus EBM. x barre reste l’estimation ponctuelle. La marge en est l’écart symétrique. Dans l’exemple du manuel, une moyenne d’échantillon de 7 et une marge de 2,5 donnent l’intervalle de 4,5 à 9,5. Si le niveau est de 95 %, la phrase proposée est : on estime avec 95 % de confiance que la vraie moyenne de la population se situe entre 4,5 et 9,5. Cette phrase doit être lue avec la précision du chapitre : la confiance désigne la réussite de la procédure sur des échantillons répétés.
Un second exemple du chapitre fixe les idées numériques. La moyenne d’échantillon vaut 68, sigma vaut 3 et n vaut 36. Pour 90 %, le quantile est 1,645. L’erreur type vaut 3 divisé par 6, soit 0,5. La marge vaut 1,645 fois 0,5, soit 0,8225. L’intervalle va de 67,1775 à 68,8225. Pour 95 %, le même chapitre prend 1,96. La marge devient 1,96 fois 0,5, soit 0,98, et l’intervalle va de 67,02 à 68,98. La marge est plus grande lorsque le niveau est plus élevé. Le chapitre montre aussi le rôle de n sur le cas initial à 90 % : passer de 36 à 100 observations réduit la marge, et descendre à 25 l’augmente. La formule ne dit rien, à elle seule, sur la bonne question économique. Elle encadre la moyenne d’une population, sous les hypothèses de tirage qui ouvrent le théorème central limite et sous un sigma connu.
La définition de l’Insee est écrite pour une enquête par sondage. Les estimations s’écartent légèrement des résultats qu’aurait donnés une interrogation exhaustive. Si le sondage est aléatoire, l’intervalle de confiance donne une idée de cet écart. Lorsqu’un intervalle à 95 % est fourni, cette page dit que l’intervalle a 95 % de chances de contenir la valeur qu’aurait donnée une interrogation exhaustive. La formulation est donc celle d’une chance de couverture du résultat de recensement, dans le cadre d’un sondage aléatoire. Elle vise le même objet que l’intervalle d’OpenStax, une estimation comparée à la grandeur de la population, avec un vocabulaire de probabilité que le manuel d’introduction juge moins précis que le décompte des intervalles réussis sur des échantillons répétés.
La seconde phrase de l’Insee borne le contenu de cette chance. L’intervalle ne prend en compte que le fait que les résultats proviennent d’une enquête par sondage aléatoire. Il ne prend pas en compte les autres sources d’erreurs : réponses inexactes ou mal interprétées, biais des non-réponses. Un intervalle étroit peut donc coexister avec une enquête qui rate systématiquement un groupe, ou qui code mal une question. Le théorème utilisé par OpenStax ne répare pas non plus ces défauts : il décrit la variabilité d’échantillonnage lorsque le modèle de tirage est le bon et que sigma est connu. Dans une étude de salaires, de prix ou de chômage, la première question reste de savoir si l’échantillon a été tiré au hasard et si les non-réponses peuvent déplacer la moyenne, avant de commenter la largeur numérique de la marge.
On observe un échantillon fictif de 100 unités, de moyenne 20, tiré dans une population dont l’écart-type sigma est connu et vaut 5. Le chapitre d’OpenStax autorise alors la marge avec le quantile normal. L’erreur type vaut 5 divisé par la racine de 100, soit 0,5. Au niveau 95 %, le quantile utilisé dans l’exemple du manuel est 1,96. La marge vaut 1,96 fois 0,5, soit 0,98. L’intervalle va de 19,02 à 20,98. Au niveau 90 %, le quantile du même chapitre est 1,645, la marge vaut 0,8225, et l’intervalle va de 19,1775 à 20,8225. Les deux intervalles sont centrés sur la même estimation ponctuelle. Le plus confiant est le plus large, conformément à la règle du chapitre : augmenter le niveau augmente la marge.
Réduisons l’effectif à 25, en gardant la moyenne 20, sigma égal à 5 et le niveau 95 %. L’erreur type vaut 5 divisé par 5, soit 1. La marge vaut 1,96. L’intervalle va de 18,04 à 21,96. Il est plus large que celui construit avec 100 observations, parce que l’erreur type a doublé lorsque l’effectif a été divisé par quatre. La phrase de compte rendu peut suivre le manuel : on estime avec 95 % de confiance que la moyenne de la population se trouve entre 18,04 et 21,96, en entendant par là la performance de la procédure si le tirage était répété. L’Insee ajoute une limite qui s’applique aux deux calculs. Si les 100 ou les 25 unités ne viennent pas d’un sondage aléatoire, ou si des non-réponses biaisent le fichier, l’intervalle ne mesure pas ces erreurs. Il ne dit pas non plus que la médiane des salaires, si la variable était un salaire, serait dans les mêmes bornes : la page sur la moyenne rappelle que les valeurs élevées tirent la moyenne sans tirer la médiane.
Écrire la grandeur et l’unité, puis le résumé retenu. Si toutes les valeurs doivent peser dans un total, la moyenne de l’Insee, somme divisée par le nombre, est le résumé direct, et elle peut se calculer sans le détail de la distribution. Si la question porte sur le centre d’une distribution de salaires ou d’une autre grandeur bornée vers le bas seulement, la même page invite à regarder la médiane, qui demande la partie centrale de la distribution et résiste mieux aux valeurs élevées incertaines. L’écart-type vient ensuite comme mesure d’homogénéité autour de la moyenne. Un écart-type faible dit une population plus groupée. Il ne dit pas, sans effectif, la précision d’une estimation.
Pour un intervalle de moyenne à sigma connu, vérifier le tirage, noter n, x barre et sigma, choisir le niveau, prendre le quantile du chapitre, 1,645 à 90 % ou 1,96 à 95 % dans ses exemples, et multiplier par sigma sur la racine de n. Centrer l’intervalle sur x barre. Commenter la largeur en distinguant l’effet du niveau et l’effet de l’effectif. Terminer par la réserve de l’Insee : seules les fluctuations du sondage aléatoire sont dans la marge. Réponses inexactes, questions mal comprises et non-réponses restent dehors. Cette réserve empêche de transformer une borne étroite en certitude sur la population réellement visée.
L’Insee la définit comme la somme des données divisée par leur nombre. La même page précise qu’elle est tirée vers le haut par les salaires élevés, même rares, et qu’elle dépasse alors en général la médiane. La médiane demande de connaître le centre de la distribution.
L’Insee relie un écart-type faible à une population plus homogène autour de sa moyenne. La précision de la moyenne d’échantillon dépend aussi de l’effectif : OpenStax divise sigma par la racine de n pour obtenir l’erreur type, lorsque sigma est connu.
L’Insee dit que, pour un sondage aléatoire, l’intervalle a 95 % de chances de contenir la valeur d’une interrogation exhaustive. OpenStax juge plus exact de compter la part des intervalles qui contiennent le paramètre lorsque l’échantillonnage est répété. Les deux pages limitent cette lecture à l’aléa de sondage.
Dans la formule d’OpenStax à écart-type connu, un effectif plus grand diminue l’erreur type et donc la marge. C’est l’augmentation du niveau de confiance qui augmente le quantile et élargit l’intervalle, comme le passage de 1,645 à 1,96 dans les exemples du chapitre.
Ouvrages de référence utilisés dans les universités françaises pour Licence 2
Ces lectures éclairent le périmètre traité. Le contenu est à confronter au cours de votre établissement ; il ne constitue pas un programme officiel.
Références consultées le
Commencez par relire vos notes et le manuel de référence pour rafraîchir les concepts clés.
Utilisez le mode Révision avec les indices et corrections détaillées pour tester vos connaissances.
Une fois prêt, passez en mode Examen pour vous évaluer dans les conditions réelles.
Nous utilisons uniquement des cookies essentiels et des analytics first-party anonymisées (aucun partage tiers). En savoir plus.