Aller au contenu principal
📊 L2 • Statistiques et probabilités

QCM Statistiques et probabilités L2 - Distribution Echantillonnage : 11 questions corrigées

QCM de 11 questions avec corrections détaillées sur Distribution Echantillonnage (Statistiques et probabilités). Révisez efficacement avec des explications pédagogiques pour le niveau L2. Entraînez-vous avec des explications pédagogiques détaillées.

Voir la matière
✍️ Méthode de rédaction et limites • 🎓 +0 réalisations
📝 11 questions 📊 Niveau Intermediaire ⏱️ ~17 min ✨ Jusqu'à 22 XP

🎯 Prêt à commencer ?

En révision, le corrigé s'affiche après chaque réponse. En challenge et en examen, il n'arrive qu'à la fin.

← Retour aux QCM de Statistiques et probabilités

Distribution d'Échantillonnage et Inférence

La distribution d'échantillonnage décrit la distribution de probabilité d'une statistique calculée sur un échantillon aléatoire. Elle est fondamentale pour l'inférence statistique car elle permet de passer de l'échantillon à la population. Le théorème central limite établit que la moyenne d'échantillon suit approximativement une loi normale pour des échantillons suffisamment grands, quel que soit la distribution de la population.

🎯 Objectifs pédagogiques

À la fin de ce chapitre, vous devez être capable de :

  • Comprendre le concept de distribution d'échantillonnage
  • Maîtriser le théorème central limite
  • Calculer l'erreur standard
  • Construire des intervalles de confiance
  • Appliquer à l'inférence statistique

📚 Concepts clés à maîtriser

Notions fondamentales avec leurs définitions académiques :

Distribution d'échantillonnage
Distribution d'une statistique sur tous les échantillons possibles
Théorème central limite
Convergence vers la loi normale
Erreur standard
Écart-type de la statistique d'échantillon
Intervalle de confiance
Intervalle encadrant le paramètre avec probabilité donnée
Biais
Différence entre espérance de l'estimateur et paramètre

📋 Plan type du cours

Structure du cours en Licence 2 :

  1. De la population à l'échantillon
  2. Concept de distribution d'échantillonnage
  3. Théorème central limite
  4. Distribution de la moyenne
  5. Erreur standard et intervalles de confiance
  6. Autres distributions (t, chi-deux, F)

👨‍🏫 Auteurs de référence

Économistes fondamentaux à connaître :

Pierre-Simon Laplace — Théorème central limite
Ronald Fisher — Fondements de l'inférence statistique

⚠️ Pièges fréquents

Erreurs classiques à éviter aux examens :

  • Confondre écart-type et erreur standard
  • Appliquer le TCL à de petits échantillons
  • Mal interpréter l'intervalle de confiance

💼 Applications concrètes

Exemples d'application dans le monde réel :

  • Sondages d'opinion
  • Contrôle qualité

Niveau de ce chapitre : 🟡 Niveau intermédiaire

À propos de ce QCM de Statistiques et probabilités

QCM Statistiques et probabilités L2 - Distribution Echantillonnage — 11 questions. Statistiques et probabilités · Licence 2 · Économie.

Quelques raisonnements travaillés dans ce QCM

Cherchez une réponse, puis ouvrez la correction pour comparer votre raisonnement.

La distribution d'échantillonnage de la proportion p̂ dans un échantillon de taille n :
  1. Est toujours une loi binomiale
  2. Tend vers N(p, p(1-p)/n) quand n est grand
  3. Est indépendante de p
  4. A une variance égale à p

Réponse : Tend vers N(p, p(1-p)/n) quand n est grand

Pour n grand, p̂ ≈ N(p, p(1-p)/n) par approximation normale de la binomiale.

L'erreur-type (écart-type de la moyenne) est :
  1. σ / √n
  2. σ
  3. σ × n
  4. σ² / n

Réponse : σ / √n

L'erreur-type = σ/√n mesure la dispersion de X̄ autour de μ.

La variable (n-1)S²/σ² suit une loi :
  1. Normale
  2. De Student à n ddl
  3. Du chi-deux à n-1 ddl
  4. Uniforme

Réponse : Du chi-deux à n-1 ddl

Quand X ~ N(μ, σ²), (n-1)S²/σ² ~ χ²(n-1). La variance empirique est liée au chi-deux.

Un estimateur sans biais de la moyenne μ vérifie :
  1. E(X̄) = E(X)
  2. E(X̄) = μ
  3. X̄ = μ pour tout échantillon
  4. Var(X̄) = 0

Réponse : E(X̄) = μ

Sans biais : E(X̄) = μ. La moyenne de la distribution d'échantillonnage de X̄ est μ.