Aller au contenu principal
📊 L2 • Statistiques et probabilités

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

QCM de 11 questions avec corrections détaillées sur Loi Student (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

La Loi de Student

La loi de Student (ou loi t) est utilisée pour l'inférence sur la moyenne lorsque la variance est inconnue et estimée. Plus épaisse aux extrémités que la loi normale, elle converge vers celle-ci quand le nombre de degrés de liberté augmente. Elle est fondamentale pour les tests de significativité en régression.

🎯 Objectifs pédagogiques

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

  • Comprendre l'origine de la loi de Student
  • Connaître la forme de la distribution selon les degrés de liberté
  • Utiliser la table de la loi de Student
  • Appliquer aux tests sur la moyenne
  • Construire des intervalles de confiance

📚 Concepts clés à maîtriser

Notions fondamentales avec leurs définitions académiques :

Loi de Student
t = Z / √(χ²/ν) où Z ~ N(0,1) et χ² ~ χ²(ν)
Degrés de liberté
ν = n - 1 pour un échantillon de taille n
Queues épaisses
Plus de masse dans les extrémités que la loi normale
Convergence
t(ν) → N(0,1) quand ν → ∞
Valeur critique
t_{α, ν} : valeur telle que P(T > t_{α, ν}) = α

📋 Plan type du cours

Structure du cours en Licence 2 :

  1. Origine et définition de la loi de Student
  2. Propriétés et comparaison avec la loi normale
  3. Table de la loi de Student
  4. Test de Student pour la moyenne
  5. Intervalles de confiance
  6. Application en régression

👨‍🏫 Auteurs de référence

Économistes fondamentaux à connaître :

William Gosset (Student) — The probable error of a mean (1908), sous pseudonyme
Ronald Fisher — Développement de la théorie

⚠️ Pièges fréquents

Erreurs classiques à éviter aux examens :

  • Utiliser la loi normale quand n est petit
  • Oublier d'ajuster les degrés de liberté
  • Confondre t_{α} et t_{α/2} pour les tests bilatéraux

💼 Applications concrètes

Exemples d'application dans le monde réel :

  • Test de significativité des coefficients de régression
  • Comparaison de moyennes de deux échantillons

Niveau de ce chapitre : 🟡 Niveau intermédiaire

À propos de ce QCM de Statistiques et probabilités

QCM Statistiques et probabilités L2 - Loi Student — 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.

L'espérance de T(k) pour k > 1 est :
  1. k
  2. 0
  3. 1
  4. k/(k-2)

Réponse : 0

E(T(k)) = 0 pour k > 1 (symétrie). Pour k = 1 (loi de Cauchy), l'espérance n'existe pas.

Un échantillon de 16 observations i.i.d. normales a une moyenne de 12 € et s=4 €, avec s² calculé au diviseur n−1. La variance de population est inconnue. Pour H0 : μ=10 €, quel pivot observé et quelle loi exacte sous H0 sont adaptés ?
  1. T=2 ; une loi de Student à 15 degrés de liberté, avec une dispersion estimée.
  2. T=2 ; une loi normale N(0,1), avec une dispersion traitée comme connue.
  3. T=0,5 ; une loi de Student à 15 degrés de liberté, avec une dispersion estimée.
  4. T=2 ; une loi de Student à 16 degrés de liberté, avec une dispersion estimée.

Réponse : T=2 ; une loi de Student à 15 degrés de liberté, avec une dispersion estimée.

L’erreur-type estimée vaut s/√n=4/4=1 €. Le pivot vaut (12−10)/1=2 et suit sous H0 une loi t à n−1=15 degrés de liberté, grâce à la normalité i.i.d. et au calcul de s² au diviseur n−1. B traite l’écart-type estimé comme une constante de population connue. C divise par s au lieu de l’erreur-type de la moyenne. D oublie le degré de liberté utilisé pour estimer la moyenne. La petite taille ne suffit pas à elle seule à rendre ce pivot exactement de Student.

La loi de Student T(k) :
  1. Est symétrique comme la normale
  2. A des queues plus épaisses que la normale
  3. A une variance nulle
  4. Prend des valeurs négatives uniquement

Réponse : Est symétrique comme la normale

La loi de Student est symétrique (comme la normale) et a des queues plus épaisses quand k est petit.

Pour k > 2, la variance de T(k) est :
  1. 1
  2. k / (k - 2)
  3. k
  4. 0

Réponse : k / (k - 2)

Var(T(k)) = k/(k-2) pour k > 2. Pour k = 1 ou 2, la variance n'existe pas.