Aller au contenu principal
📊 L2 • Statistiques et probabilités

QCM Statistiques et probabilités L2 - Loi Normale : 11 questions corrigées

QCM de 11 questions avec corrections détaillées sur Loi Normale (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 Fondamentaux ⏱️ ~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

La Loi Normale

La loi normale (ou gaussienne) est la distribution de probabilité la plus importante en statistique. Sa forme en cloche symétrique est caractérisée par deux paramètres : la moyenne μ et l'écart-type σ. Le théorème central limite justifie son omniprésence : la somme de nombreuses variables indépendantes tend vers une loi normale, quelle que soit leur distribution initiale.

🎯 Objectifs pédagogiques

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

  • Connaître les propriétés de la loi normale
  • Standardiser une variable normale
  • Utiliser la table de la loi normale centrée réduite
  • Comprendre le théorème central limite
  • Appliquer aux intervalles de confiance

📚 Concepts clés à maîtriser

Notions fondamentales avec leurs définitions académiques :

Loi normale
X ~ N(μ, σ²), densité en cloche symétrique autour de μ
Loi normale centrée réduite
Z = (X - μ) / σ ~ N(0, 1)
Règle des 68-95-99.7
68% des valeurs dans [μ±σ], 95% dans [μ±2σ], 99.7% dans [μ±3σ]
Théorème central limite
La moyenne de n variables i.i.d. tend vers une loi normale quand n → ∞
Quantile
Valeur z_α telle que P(Z > z_α) = α

📋 Plan type du cours

Structure du cours en Licence 2 :

  1. Définition et propriétés de la loi normale
  2. Standardisation et table de la loi N(0,1)
  3. Calcul de probabilités
  4. Théorème central limite
  5. Applications en inférence statistique
  6. Tests de normalité

👨‍🏫 Auteurs de référence

Économistes fondamentaux à connaître :

Carl Friedrich Gauss — Distribution des erreurs d'observation
Pierre-Simon Laplace — Théorème central limite

⚠️ Pièges fréquents

Erreurs classiques à éviter aux examens :

  • Oublier de standardiser avant d'utiliser la table
  • Confondre P(Z < z) et P(Z > z)
  • Appliquer le TCL avec n trop petit

💼 Applications concrètes

Exemples d'application dans le monde réel :

  • Intervalles de confiance pour la moyenne
  • Contrôle qualité industriel

Niveau de ce chapitre : 🟢 Niveau fondamental

À propos de ce QCM de Statistiques et probabilités

QCM Statistiques et probabilités L2 - Loi Normale — 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.

Une variable X suit une loi normale de centre μ et d’écart-type positif. Pour une distance d>0, P(Xμ+d) et de P(X≤μ) sont imposées par la symétrie et la continuité ?
  1. Queue droite : 0,90 ; probabilité à gauche du centre : 0,50.
  2. Queue droite : 0,10 ; probabilité à gauche du centre : 0,50.
  3. Queue droite : 0,10 ; probabilité à gauche du centre : 0,10.
  4. Queue droite : 0,20 ; probabilité à gauche du centre : 0,50.

Réponse : Queue droite : 0,10 ; probabilité à gauche du centre : 0,50.

Des seuils à égale distance de μ délimitent des queues de même masse : la queue droite vaut donc 0,10. Le centre partage la loi continue symétrique en deux masses de 0,50 ; la masse ponctuelle en μ est zéro. A prend le complément 0,90, qui correspond à X>μ−d, pas à X>μ+d. C assimile la masse d’une queue éloignée à celle située à gauche du centre. D additionne les deux queues, 0,20, au lieu de retenir celle de droite. Moyenne, médiane et mode coïncident ici en μ.

Sous H0, Z suit N(0,1). On compare un rejet unilatéral Z>u et un rejet bilatéral |Z|>v, chacun de risque total 5 %. On donne Φ(1,645)≈0,950 et Φ(1,960)≈0,975. Quels seuils, arrondis à 0,001, répartissent correctement ce risque ?
  1. u=1,960 et v=1,960 : affecter 2,5 % à la queue unilatérale et à chaque queue bilatérale.
  2. u=1,645 et v=1,960 : affecter 5 % à la queue unilatérale et 2,5 % à chaque queue bilatérale.
  3. u=1,645 et v=1,645 : affecter 5 % à la queue unilatérale et à chaque queue bilatérale.
  4. u=1,960 et v=1,645 : affecter 2,5 % à la queue unilatérale et 5 % à chaque queue bilatérale.

Réponse : u=1,645 et v=1,960 : affecter 5 % à la queue unilatérale et 2,5 % à chaque queue bilatérale.

Le rejet unilatéral met tout le risque de 0,05 dans la queue droite : Φ(u)=0,95, donc u≈1,645. Le rejet bilatéral partage 0,05 en deux queues de 0,025 : Φ(v)=0,975, donc v≈1,960. A réduit le risque unilatéral à 2,5 %. C porte le risque bilatéral à 10 %. D cumule ces deux erreurs en échangeant les seuils. Le quantile supérieur uα satisfait Φ(uα)=1−α ; 1,960 correspond à α=0,025, et non à α=0,05.

Une demande X suit N(40,64), en unités. Pour calculer P(X>52), on pose Z=(X−40)/8. Quel événement équivalent permet d’utiliser la normale centrée réduite ?
  1. P(Z>0,1875) avec Z~N(0,1), en divisant l’écart de 12 par la variance 64.
  2. P(Z>1,5) avec Z~N(0,1), en divisant l’écart de 12 par l’écart-type 8.
  3. P(Z
  4. P(Z>6,5) avec Z~N(0,1), en divisant le seuil de 52 par l’écart-type 8.

Réponse : P(Z>1,5) avec Z~N(0,1), en divisant l’écart de 12 par l’écart-type 8.

L’écart-type de X est √64=8. Soustraire 40 puis diviser par 8 transforme X>52 en Z>12/8=1,5, et Z suit N(0,1). A emploie la variance comme diviseur et obtient 0,1875, incompatible avec le Z défini. C inverse une inégalité alors que le diviseur est positif. D omet le centrage et calcule 52/8=6,5. La standardisation porte à la fois sur la variable et sur le seuil ; modifier l’un sans l’autre change l’événement et sa probabilité.

Une variable X suit une loi normale de moyenne 100 et d’écart-type 15. On définit la variable centrée réduite Z=(X−100)/15. Quelle loi de Z obtient-on, avec la convention N(m,v) où v désigne la variance ?
  1. N(0,1) ; le centrage annule la moyenne et la réduction fixe la variance à un.
  2. N(0,15) ; le centrage annule la moyenne et la réduction conserve l’écart-type.
  3. N(100,1) ; le centrage conserve la moyenne et la réduction fixe la variance à un.
  4. N(0,225) ; le centrage annule la moyenne et la réduction conserve la variance.

Réponse : N(0,1) ; le centrage annule la moyenne et la réduction fixe la variance à un.

Le centrage donne E(X−100)=0. Diviser par 15 donne Var(Z)=15²/15²=1 ; une transformation affine d’une normale reste normale, donc Z suit N(0,1). B place l’écart-type initial au second paramètre et oublie la réduction. C conserve la moyenne 100 malgré la soustraction. D conserve la variance 225 malgré la division. La notation N(m,v) est fixée pour éviter de lire le second paramètre comme un écart-type.