Aller au contenu principal
📊 L2 • Statistiques et probabilités

QCM Statistiques et probabilités L2 - Probabilites : 11 questions corrigées

QCM de 11 questions avec corrections détaillées sur Probabilites (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

Calcul des Probabilités

Le calcul des probabilités fournit le cadre mathématique pour quantifier l'incertitude. Fondement de l'économétrie et de l'analyse du risque, il permet de modéliser les phénomènes aléatoires et de définir rigoureusement les notions d'espérance, de variance et de distribution. La maîtrise de ces outils est indispensable pour l'inférence statistique.

🎯 Objectifs pédagogiques

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

  • Définir un espace probabilisé
  • Maîtriser les règles du calcul probabiliste
  • Calculer des probabilités conditionnelles
  • Appliquer le théorème de Bayes
  • Comprendre l'indépendance statistique

📚 Concepts clés à maîtriser

Notions fondamentales avec leurs définitions académiques :

Espace probabilisé
(Ω, F, P) : univers, tribu, mesure de probabilité
Probabilité conditionnelle
P(A|B) = P(A∩B) / P(B)
Indépendance
P(A∩B) = P(A) × P(B)
Théorème de Bayes
P(A|B) = P(B|A) × P(A) / P(B)
Formule des probabilités totales
P(A) = Σ P(A|Bᵢ) × P(Bᵢ)

📋 Plan type du cours

Structure du cours en Licence 2 :

  1. Espace probabilisé et axiomes de Kolmogorov
  2. Probabilités conditionnelles
  3. Indépendance d'événements
  4. Théorème de Bayes
  5. Formule des probabilités totales
  6. Applications en économie

👨‍🏫 Auteurs de référence

Économistes fondamentaux à connaître :

Andreï Kolmogorov — Axiomatisation des probabilités (1933)
Thomas Bayes — Théorème de Bayes (1763)

⚠️ Pièges fréquents

Erreurs classiques à éviter aux examens :

  • Confondre P(A|B) et P(B|A)
  • Oublier de vérifier l'indépendance avant de multiplier
  • Mal appliquer le théorème de Bayes

💼 Applications concrètes

Exemples d'application dans le monde réel :

  • Évaluation du risque de crédit
  • Tests de diagnostic médical

Niveau de ce chapitre : 🟢 Niveau fondamental

À propos de ce QCM de Statistiques et probabilités

QCM Statistiques et probabilités L2 - Probabilites — 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 épreuve de Bernoulli a :
  1. Plus de deux issues possibles
  2. Deux issues possibles (succès/échec) avec probabilité p et 1-p
  3. Une issue unique
  4. Une probabilité nulle

Réponse : Deux issues possibles (succès/échec) avec probabilité p et 1-p

Bernoulli : une épreuve avec 2 issues (succès avec proba p, échec avec proba 1-p).

Deux événements A et B sont indépendants si :
  1. A ∩ B = ∅
  2. P(A ∩ B) = P(A) × P(B)
  3. P(A) = P(B)
  4. P(A|B) = 0

Réponse : P(A ∩ B) = P(A) × P(B)

Indépendance : P(A ∩ B) = P(A) P(B), ou équivalemment P(A|B) = P(A).

Dans un modèle exact, E signifie être en emploi et F avoir suivi une formation. P(E)=0,40, P(F)=0,50 et P(E∩F)=0,25. Quel diagnostic et quelle probabilité conditionnelle P(E|F) découlent de ces données ?
  1. Indépendance ; P(E|F)=0,40, car la probabilité conditionnelle égale la marginale.
  2. Dépendance ; P(E|F)=0,50, car l’intersection dépasse le produit des marginales.
  3. Dépendance ; P(E|F)=0,625, car l’intersection est divisée par la probabilité de E.
  4. Indépendance ; P(E|F)=0,25, car l’intersection constitue la probabilité conditionnelle.

Réponse : Dépendance ; P(E|F)=0,50, car l’intersection dépasse le produit des marginales.

Le produit P(E)P(F)=0,40×0,50=0,20 diffère de l’intersection 0,25 : les événements sont dépendants. La conditionnelle vaut 0,25/0,50=0,50. A impose l’égalité à la marginale sans vérifier le produit. C divise par P(E) et calcule P(F|E)=0,625, conditionnement inverse. D confond intersection et conditionnelle, puis conclut à tort à l’indépendance. Cette dépendance probabiliste ne prouve pas un effet causal de la formation sur l’emploi.

P(A ∪ B) = P(A) + P(B) - P(A ∩ B) :
  1. Est faux en général
  2. Est la formule correcte pour deux événements quelconques
  3. Ne s'applique qu'aux événements indépendants
  4. Implique que A et B sont incompatibles

Réponse : Est la formule correcte pour deux événements quelconques

Formule du crible : on soustrait P(A ∩ B) car on l'a compté deux fois dans P(A) + P(B).