Cuestionario: Introduction aux inégalités et lois en probabilité — 8 preguntas

1. Pourquoi la variance d'une variable aléatoire transformée Y = aX + b dépend-elle du carré du coefficient multiplicatif a ?

A. Parce que la transformation affine ne change jamais la variance

B. Parce que la variance est toujours multipliée par a sans tenir compte du carré

C. Parce que la multiplication par a modifie la dispersion proportionnellement à a²

D. Parce que la constante b modifie la dispersion en ajoutant une valeur fixe

Answer: (C)

Explicación

La variance de Y = aX + b est donnée par a² Var(X) car seule la multiplication par a modifie la dispersion, et cette modification est proportionnelle au carré de a. La constante b n'influence pas la variance. À revoir : Transformation affine des variables aléatoires et calcul de l'espérance et variance. Appui du cours : « La variance de Y = aX + b est égale à a² Var(X). La constante b n'influence pas la dispersion, seule la multiplication par a modifie la variance, et cette modification est proportionnelle au carré de a. »

2. Quel est le rôle de l'indépendance entre variables aléatoires dans le calcul de l'espérance et de la variance de leur somme ?

A. Permet de négliger la variance de chaque variable dans la somme

B. Permet de multiplier les espérances pour obtenir celle de la somme

C. Permet de calculer la variance de la somme en soustrayant les variances individuelles

D. Permet de calculer simplement l'espérance et la variance de la somme en additionnant celles des variables

Answer: (D)

Explicación

La source indique que l'indépendance entre variables aléatoires permet de calculer simplement l'espérance et la variance de leur somme en additionnant respectivement leurs espérances et leurs variances, ce qui correspond à la première option. À revoir : Somme de variables aléatoires indépendantes : espérance et variance. Appui du cours : « L'indépendance entre variables aléatoires permet de calculer simplement l'espérance et la variance de leur somme en additionnant respectivement leurs espérances et leurs variances. »

3. Quel est le rôle principal de la moyenne d'un échantillon de variables aléatoires identiquement distribuées ?

A. Calculer la somme totale des variables aléatoires de l'échantillon

B. Déterminer l'écart-type individuel de chaque variable aléatoire

C. Représenter la moyenne arithmétique des observations de l'échantillon

D. Mesurer la variance totale des variables aléatoires de l'échantillon

Answer: (C)

Explicación

La moyenne d'un échantillon est définie comme la variable aléatoire obtenue en divisant la somme par la taille de l'échantillon, ce qui correspond à la moyenne arithmétique des observations, donc son rôle principal est de représenter cette moyenne. À revoir : Somme et moyenne d'un échantillon de variables aléatoires identiquement distribuées. Appui du cours : « Moyenne d'un échantillon : La variable aléatoire obtenue en divisant la somme des variables aléatoires d'un échantillon par la taille de cet échantillon, représentant ainsi la moyenne arithmétique des observations. »

4. Quel est le rôle principal de l'inégalité de Markov pour une variable aléatoire positive ?

A. Évaluer la probabilité que la variable soit inférieure à un certain seuil

B. Déterminer la variance d'une variable aléatoire positive

C. Calculer la moyenne exacte d'une variable aléatoire positive

D. Fournir une borne supérieure sur la probabilité que la variable dépasse un seuil donné en fonction de son espérance

Answer: (D)

Explicación

L'inégalité de Markov sert à majorer la probabilité qu'une variable aléatoire positive dépasse un seuil donné, en se basant sur son espérance, ce qui correspond à la borne supérieure mentionnée dans la source. À revoir : Inégalité de Markov pour les variables aléatoires positives. Appui du cours : « L'inégalité de Markov permet d'obtenir une borne simple sur la probabilité qu'une variable aléatoire positive dépasse un seuil donné, en utilisant son espérance. »

5. Quel est le rôle principal de l'inégalité de Bienaymé-Tchebychev en statistique ?

A. Prédire la valeur la plus probable d'une variable aléatoire

B. Déterminer la moyenne d'une variable aléatoire à partir de sa variance

C. Majoriser la probabilité qu'une variable aléatoire s'écarte de sa moyenne d'au moins une certaine valeur

D. Calculer exactement la probabilité qu'une variable prenne une valeur donnée

Answer: (C)

Explicación

L'inégalité de Bienaymé-Tchebychev est utilisée pour fournir une borne supérieure (majoration) de la probabilité que la variable aléatoire s'écarte de sa moyenne d'au moins une certaine valeur, comme indiqué dans le passage. À revoir : Inégalité de Bienaymé-Tchebychev et estimation des écarts à la moyenne. Appui du cours : « Cette inégalité permet de majorer la probabilité que X s'écarte de sa moyenne d'au moins a »

6. Comment utiliser l'inégalité de concentration pour estimer la probabilité que la moyenne d'un échantillon s'écarte d'une valeur donnée de l'espérance ?

A. Multiplier la variance de X par n et diviser par a²

B. Calculer la moyenne empirique et la comparer directement à l'espérance

C. Calculer Var(X)/(n×a²) pour un écart a donné et une taille d'échantillon n

D. Utiliser la variance de X sans considérer la taille de l'échantillon

Answer: (C)

Explicación

L'inégalité de concentration donne une borne supérieure de la probabilité que la moyenne s'écarte de l'espérance en fonction de Var(X), de la taille n, et de l'écart a, précisément p(|Mn - E[X]| ≥ a) ≤ Var(X)/(n a²). Les autres options ne respectent pas cette formule ni le rôle de n. À revoir : Inégalités de concentration appliquées à la moyenne d'un échantillon. Appui du cours : « L'inégalité de concentration est l'inégalité de Bienaymé-Tchebychev appliquée à la moyenne Mn d'un échantillon i.i.d. Pour tout a > 0, p(|Mn - E[X]| ≥ a) ≤ Var(X) / (n a²) La variance de la moyenne diminue en 1/n, ce qui concentre la distribution autour de… »

7. Quel est le rôle principal des inégalités de concentration dans la détermination de la taille d'échantillon ?

A. Calculer directement la moyenne d'un échantillon

B. Dimensionner la taille d'échantillon selon la précision et la confiance souhaitées

C. Estimer la variance d'une variable aléatoire

D. Déterminer la loi de probabilité suivie par une variable aléatoire

Answer: (B)

Explicación

Le texte précise que les inégalités de concentration sont utilisées pour dimensionner un échantillon en fonction de la précision et de la confiance souhaitées, en choisissant la taille n selon la variance, la précision a et le risque α. À revoir : Application des inégalités de concentration pour déterminer la taille d'échantillon. Appui du cours : « Utiliser les inégalités de concentration permet de dimensionner un échantillon selon la précision et la confiance souhaitées, en choisissant n en fonction de la variance, de la précision a et du risque α. »

8. Que signifie la loi des grands nombres en statistique ?

A. La distribution d'un échantillon devient normale quel que soit le type de variable

B. La variance d'un échantillon augmente proportionnellement à sa taille

C. La moyenne d'un échantillon reste toujours égale à l'espérance quelle que soit la taille

D. La probabilité que la moyenne d'un échantillon i.i.d. s'écarte de l'espérance de plus de a tend vers zéro quand la taille de l'échantillon devient très grande

Answer: (D)

Explicación

La loi des grands nombres affirme que la probabilité que la moyenne d'un échantillon i.i.d. s'écarte de l'espérance de plus de a tend vers zéro lorsque la taille de l'échantillon tend vers l'infini. Les autres propositions sont incorrectes ou non garanties par la loi. À revoir : Loi des grands nombres et convergence en probabilité de la moyenne d'échantillon. Appui du cours : « Loi des grands nombres : Un théorème qui affirme que, pour tout a > 0, la probabilité que la moyenne d'un échantillon i.i.d. s'écarte de l'espérance de plus de a tend vers zéro lorsque la taille de l'échantillon tend vers l'infini. »