QCM Statistiques Gestion L2 - Statistiques Gestion : 14 questions corrigées
QCM de 14 questions avec corrections détaillées sur Statistiques Gestion (Statistiques Gestion). Révisez efficacement avec des explications pédagogiques pour le niveau L2. Entraînez-vous avec des explications pédagogiques détaillées.
🎯 Prêt à commencer ?
En révision, le corrigé s'affiche après chaque réponse. En challenge et en examen, il n'arrive qu'à la fin.
À propos de ce QCM de Statistiques appliquées
Quelques raisonnements travaillés dans ce QCM
Cherchez une réponse, puis ouvrez la correction pour comparer votre raisonnement.
La loi normale (Gauss) est caractérisée par :
- une distribution en forme de U, simplification excessive qui peut induire en erreur dans le cadre d'une analyse rigoureuse
- une courbe en cloche symétrique définie par deux paramètres (μ = moyenne et σ = écart-type), où environ 68% des observations se situent entre μ-σ et μ+σ, et 95% entre μ-2σ et μ+2σ
- une distribution uniforme linéaire, conformément aux pratiques habituellement observées dans ce type de situation
- deux modes distincts, en s'appuyant sur les fondements théoriques établis et les observations empiriques disponibles
Réponse : une courbe en cloche symétrique définie par deux paramètres (μ = moyenne et σ = écart-type), où environ 68% des observations se situent entre μ-σ et μ+σ, et 95% entre μ-2σ et μ+2σ
La loi normale N(μ, σ²) : f(x) = (1/σ√2π) × e^(-(x-μ)²/2σ²). Propriétés : symétrique par rapport à μ, unimodale (mode = médiane = moyenne), asymptotique (ne touche jamais l'axe x), aire totale = 1. Règle 68-95-99,7 : P(μ-σ < X < μ+σ) ≈ 68%, P(μ-2σ < X < μ+2σ) ≈ 95%, P(μ-3σ < X < μ+3σ) ≈ 99,7%. La loi normale centrée réduite Z = (X-μ)/σ ~ N(0,1). Théorème central limite (TCL) : la moyenne d'un grand échantillon (n ≥ 30) suit approximativement une loi normale, quelle que soit la distribution initiale.
La moyenne arithmétique d'une série statistique est :
- la somme de toutes les valeurs observées divisée par le nombre total d'observations (x̄ = Σxᵢ/n), indicateur de tendance centrale sensible aux valeurs extrêmes
- la valeur qui apparaît le plus souvent dans la série, dans le cadre d'une démarche systématique intégrant les différentes dimensions du problème
- la valeur centrale qui sépare la série ordonnée en deux parties égales, position théorique classique qui a été largement nuancée par les travaux de recherche contemporains
- la différence entre la plus grande et la plus petite valeur, position théorique classique qui a été largement nuancée par les travaux de recherche contemporains
Réponse : la somme de toutes les valeurs observées divisée par le nombre total d'observations (x̄ = Σxᵢ/n), indicateur de tendance centrale sensible aux valeurs extrêmes
La moyenne arithmétique : x̄ = (1/n) × Σxᵢ (non pondérée) ou x̄ = Σ(nᵢxᵢ)/N (pondérée par les effectifs). Propriétés : Σ(xᵢ - x̄) = 0 (somme des écarts à la moyenne = 0), minimise Σ(xᵢ - a)² (meilleur ajustement au sens des moindres carrés). Sensible aux valeurs extrêmes (outliers) → la médiane est plus robuste. Autres moyennes : géométrique (taux de croissance), harmonique (vitesses, rapports), quadratique. L'option A = le mode, C = la médiane, D = l'étendue.
Un intervalle de confiance à 95% pour la moyenne μ d'une population signifie que :
- la moyenne de l'échantillon est connue avec 95% de précision, dans le cadre d'une démarche systématique intégrant les différentes dimensions du problème
- le résultat est garanti à 95%, approche simplifiée qui ne reflète pas la complexité des mécanismes sous-jacents
- 95% des individus de l'échantillon ont des valeurs dans cet intervalle, en s'appuyant sur les fondements théoriques établis et les observations empiriques disponibles, selon un raisonnement linéaire qui ne capture pas les dynamiques non-linéaires du système étudié et qui conduit à des conclusions potentiellement erronées
- si l'on répétait l'échantillonnage un grand nombre de fois, 95% des intervalles construits contiendraient la vraie valeur de μ ; il s'agit d'une fourchette de valeurs plausibles pour μ compte tenu des données observées
Réponse : si l'on répétait l'échantillonnage un grand nombre de fois, 95% des intervalles construits contiendraient la vraie valeur de μ ; il s'agit d'une fourchette de valeurs plausibles pour μ compte tenu des données observées
Intervalle de confiance à (1-α)% pour μ : IC = [x̄ - z_(α/2) × σ/√n ; x̄ + z_(α/2) × σ/√n] (si σ connu et n grand) ou IC = [x̄ - t_(α/2,n-1) × s/√n ; x̄ + t_(α/2,n-1) × s/√n] (si σ inconnu, loi de Student). Pour 95% : z₀.₀₂₅ = 1,96. La largeur de l'IC dépend de : le niveau de confiance (plus élevé → IC plus large), la variabilité (σ), la taille de l'échantillon (n plus grand → IC plus étroit). Attention : μ est fixe, c'est l'intervalle qui est aléatoire. Un IC ne donne PAS la probabilité que μ soit dans l'intervalle (fréquentiste).
Le test du Chi-deux (χ²) d'indépendance permet de :
- calculer la moyenne de deux variables, approche simplifiée qui ne reflète pas la complexité des mécanismes sous-jacents
- tester s'il existe une relation significative entre deux variables qualitatives (catégorielles), en comparant les fréquences observées dans un tableau de contingence aux fréquences théoriques attendues sous l'hypothèse d'indépendance
- mesurer la corrélation linéaire entre deux variables quantitatives, selon une approche traditionnelle qui ne tient pas compte des évolutions récentes du domaine
- prédire la valeur future d'une variable, ce qui constitue une interprétation courante mais incomplète du phénomène étudié, approche simplifiée qui ne reflète pas la complexité des mécanismes sous-jacents ni les interactions entre les multiples variables identifiées comme déterminantes
Réponse : tester s'il existe une relation significative entre deux variables qualitatives (catégorielles), en comparant les fréquences observées dans un tableau de contingence aux fréquences théoriques attendues sous l'hypothèse d'indépendance
Test χ² d'indépendance (Pearson) : H₀ = les deux variables sont indépendantes. Tableau de contingence r × c, fréquences théoriques : eᵢⱼ = (Total ligne i × Total colonne j) / N. Statistique : χ² = Σ(oᵢⱼ - eᵢⱼ)² / eᵢⱼ, suit une loi du χ² à (r-1)(c-1) ddl sous H₀. Si χ² calculé > χ² critique (table) → rejeter H₀ = les variables sont liées. Conditions d'application : effectifs théoriques ≥ 5 (sinon regrouper ou test exact de Fisher). Mesures d'association : V de Cramér = √(χ²/(n × min(r-1, c-1))). Exemples : genre × préférence produit, CSP × mode de transport.