Aller au contenu principal
📊 L2 • Statistiques et probabilités

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

QCM de 11 questions avec corrections détaillées sur Test 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

Test de Student

Le test de Student (test t) est l'outil fondamental pour tester la significativité individuelle des coefficients de régression. Sous l'hypothèse nulle que le coefficient est nul, la statistique t suit une loi de Student. Ce test permet de déterminer si une variable explicative a un effet statistiquement significatif sur la variable dépendante.

🎯 Objectifs pédagogiques

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

  • Formuler les hypothèses nulle et alternative
  • Calculer la statistique de test t
  • Interpréter la p-value et la région critique
  • Construire un intervalle de confiance
  • Réaliser des tests unilatéraux et bilatéraux

📚 Concepts clés à maîtriser

Notions fondamentales avec leurs définitions académiques :

Statistique t
t = (β̂ - β₀) / se(β̂), suit une loi de Student sous H₀
Degrés de liberté
n - k - 1 pour un modèle à k régresseurs plus constante
P-value
Probabilité d'obtenir une statistique aussi extrême sous H₀
Seuil de significativité
α = 5% ou 1%, erreur de type I acceptée
Intervalle de confiance
β̂ ± t_{α/2} × se(β̂)

📋 Plan type du cours

Structure du cours en Licence 2 :

  1. Rappel sur la loi de Student
  2. Construction de la statistique t
  3. Test bilatéral vs unilatéral
  4. Région critique et p-value
  5. Intervalles de confiance
  6. Puissance du test

👨‍🏫 Auteurs de référence

Économistes fondamentaux à connaître :

William Gosset (Student) — The probable error of a mean (1908)
Ronald Fisher — Développement de la théorie des tests

⚠️ Pièges fréquents

Erreurs classiques à éviter aux examens :

  • Confondre significativité statistique et significativité économique
  • Interpréter l'absence de rejet comme preuve de l'hypothèse nulle
  • Oublier les hypothèses de normalité en petit échantillon

💼 Applications concrètes

Exemples d'application dans le monde réel :

  • Test de significativité des coefficients de régression
  • Comparaison de moyennes entre deux groupes

Niveau de ce chapitre : 🟢 Niveau fondamental

À propos de ce QCM de Statistiques et probabilités

QCM Statistiques et probabilités L2 - Test 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.

Un IC à 95% pour μ avec variance inconnue est :
  1. X̄ ± 1,96 × σ/√n
  2. X̄ ± t0,025,n-1 × S/√n
  3. X̄ ± S
  4. μ ± t0,025,n-1

Réponse : X̄ ± t0,025,n-1 × S/√n

IC = X̄ ± tα/2,n-1 × S/√n. On utilise t et S car σ est inconnu.

Le test de Student pour la moyenne d'un échantillon teste :
  1. L'égalité de deux variances
  2. Si la moyenne μ est égale à une valeur μ0 donnée (H0 : μ = μ0)
  3. L'indépendance de deux variables
  4. L'ajustement à une loi

Réponse : Si la moyenne μ est égale à une valeur μ0 donnée (H0 : μ = μ0)

Test de Student sur une moyenne : H0 : μ = μ0 contre H1 : μ ≠ μ0 (ou unilatéral).

La p-value est :
  1. La probabilité que H0 soit vraie
  2. La probabilité d'observer une statistique au moins aussi extrême que celle observée, si H0 est vraie
  3. Le seuil du test
  4. La puissance du test

Réponse : La probabilité d'observer une statistique au moins aussi extrême que celle observée, si H0 est vraie

La p-value = P(|T| ≥ |t_obs| | H0). Plus elle est petite, plus les données sont en désaccord avec H0.

L'erreur de première espèce (α) est :
  1. Rejeter H0 quand H0 est vraie
  2. Accepter H0 quand H1 est vraie
  3. La puissance du test
  4. La p-value

Réponse : Rejeter H0 quand H0 est vraie

α = P(rejeter H0 | H0 vraie). C'est le risque de faux positif, contrôlé par le seuil.