Cuestionario: Estimation de la moyenne et intervalles — 10 preguntas

1. Qu'est-ce que l'estimation de la moyenne dans le contexte de l'inférence statistique ?

A. Calculer la variance de la population pour estimer μ.

B. Utiliser la moyenne empirique X̄ comme valeur approchée de μ, basée sur l'échantillon.

C. Se baser sur la médiane de l'échantillon pour estimer μ.

D. Utiliser la distribution t de Student pour estimer la moyenne.

Answer: (B)

Explicación

L'estimation de la moyenne consiste à utiliser la moyenne empirique X̄ comme estimateur sans biais de μ, en se basant sur la distribution normale de X̄ si X suit une loi normale. La réponse correcte est donc la première option, qui reflète cette définition.

2. Selon le contenu, quelle loi la statistique Z = (X̄ - μ) / (σ/√n) suit-elle lorsque X suit une loi normale N(μ, σ²) ?

A. Loi uniforme

B. Loi normale N(μ, σ²)

C. Loi t de Student

D. Loi normale centrée réduite N(0,1)

Answer: (D)

Explicación

La propriété fondamentale mentionnée dans le contenu indique que lorsque X suit une loi normale N(μ, σ²), la statistique Z = (X̄ - μ) / (σ/√n) suit une loi normale centrée réduite N(0,1).

3. Quel est le rôle principal de la distribution normale dans la construction d'un intervalle de confiance pour la moyenne μ, lorsque σ est connu ?

A. Elle sert à déterminer la taille d'échantillon nécessaire pour une estimation précise.

B. Elle sert uniquement à calculer la moyenne empirique X̄ à partir de l'échantillon.

C. Elle est utilisée pour estimer la variance de la population σ².

D. Elle permet de modéliser la distribution de la moyenne empirique X̄ et de déterminer la valeur critique z_α/2 pour l'intervalle.

Answer: (D)

Explicación

La distribution normale est utilisée pour modéliser la distribution de la moyenne empirique X̄ lorsque la variable suit une loi normale, ce qui permet de déterminer la valeur critique z_α/2 pour construire l'intervalle de confiance.

4. Quand la propriété selon laquelle la statistique Z suit une loi normale centrée réduite N(0,1) a-t-elle été établie ou publiée pour la première fois dans la littérature statistique moderne ?

A. Début du 20e siècle (1900-1950)

B. Fin du 19e siècle (autour de 1890)

C. Milieu du 20e siècle (1950-1970)

D. Début du 18e siècle (1700-1750)

Answer: (B)

Explicación

La propriété que la statistique Z suit une loi normale centrée réduite N(0,1) a été formalisée dans la littérature statistique à la fin du 19e siècle, notamment vers 1890, avec la consolidation des travaux sur la loi normale et la distribution de la somme de variables indépendantes. Cette période marque la publication des résultats fondamentaux qui ont permis de standardiser la statistique Z dans le cadre de l'inférence statistique.

5. En quoi la construction d’un intervalle de confiance diffère-t-elle de l’estimation ponctuelle de la moyenne ?

A. L’intervalle nécessite la connaissance de σ, alors que l’estimation ponctuelle ne l’exige pas.

B. L’estimation ponctuelle est toujours plus précise que l’intervalle.

C. L’intervalle est basé sur la distribution de X, alors que l’estimation ponctuelle ne l’utilise pas.

D. L’intervalle donne une plage de valeurs probables pour μ, tandis que l’estimation ponctuelle donne une seule valeur.

Answer: (D)

Explicación

L’intervalle de confiance fournit une plage de valeurs probables pour le paramètre μ, avec un niveau de confiance, alors que l’estimation ponctuelle donne une seule valeur (X̄) sans indication de la précision ou de la probabilité qu’elle soit correcte.

6. Qui a formulé le critère de couverture associé au niveau de confiance dans la construction d'intervalles de confiance ?

A. Jerzy Neyman

B. Karl Pearson

C. Ronald Fisher

D. William Sealy Gosset (Student)

Answer: (A)

Explicación

Jerzy Neyman est crédité pour avoir introduit la notion de niveau de confiance et la propriété de couverture associée dans la construction d'intervalles de confiance en 1937, établissant ainsi la base de l'inférence statistique fréquentiste.

7. Quelle est la cause principale de l'amélioration de la précision de l'estimation de μ lorsque la taille de l'échantillon augmente dans la méthode statistique basée sur la distribution normale?

A. La diminution de la variance de la moyenne empirique X̄

B. La normalité de la variable X

C. L'augmentation de la valeur critique z_α/2

D. L'augmentation de la moyenne empirique X̄ elle-même

Answer: (A)

Explicación

L'augmentation de la taille de l'échantillon n'améliore pas la moyenne empirique directement, mais réduit la variance de X̄, ce qui conduit à une estimation plus précise et à un intervalle de confiance plus étroit.

8. Comment appliquer la distribution normale d'une variable aléatoire pour construire un intervalle de confiance pour la moyenne μ d'une population ?

A. Estimer la moyenne μ en utilisant la médiane de l'échantillon, puis appliquer la loi normale pour construire l'intervalle

B. Utiliser la moyenne empirique X̄ comme estimation ponctuelle sans calculer de valeur critique, car l'intervalle de confiance ne nécessite pas de distribution

C. Calculer la moyenne empirique X̄, puis utiliser la loi normale pour déterminer la valeur critique z_{α/2} et construire l'intervalle avec la formule [X̄ - z_{α/2} (σ/√n), X̄ + z_{α/2} (σ/√n)]

D. Construire un intervalle en utilisant uniquement la valeur critique t de Student, sans faire appel à la distribution normale

Answer: (C)

Explicación

La méthode consiste à calculer la moyenne empirique X̄, puis à utiliser la loi normale pour déterminer la valeur critique z_{α/2} correspondant au niveau de confiance souhaité, et enfin construire l'intervalle en utilisant la formule appropriée. Cette procédure repose sur la propriété que X̄ suit une loi normale N(μ, σ²/n) lorsque X suit une loi normale N(μ, σ²), ou lorsque n est suffisamment grand selon le théorème central limite.

9. Que caractérise un paramètre inconnu dans une étude statistique ?

A. C'est une valeur que l'on connaît précisément avant de collecter les données.

B. Il s'agit d'une valeur fixe mais non connue de la population que l'on cherche à estimer.

C. C'est une valeur aléatoire qui varie selon l'échantillon.

D. Il s'agit d'une moyenne empirique calculée à partir de l'échantillon.

Answer: (B)

Explicación

Un paramètre inconnu est une caractéristique réelle de la population, comme la moyenne μ, que l'on ne connaît pas mais que l'on souhaite estimer à partir d’un échantillon. La réponse 0 reflète cette définition, tandis que les autres propositions sont incorrectes : 1) un paramètre n'est pas une variable aléatoire, 2) il n'est pas connu précisément, 3) la moyenne empirique est un estimateur, pas le paramètre lui-même.

10. Qu'est-ce que la taille d'échantillon en statistique ?

A. L'écart-type de la population

B. La moyenne des observations

C. La variance d'un échantillon

D. Le nombre d'observations dans un échantillon

Answer: (D)

Explicación

La taille d’échantillon correspond au nombre d’individus ou d’observations dans un échantillon, ce qui influence directement la précision de l’estimation du paramètre de la population.