Aller au contenu

Exercices corrigés — Variables aléatoires (Première)

Quatre niveaux de difficulté, du plus simple au plus exigeant. Chaque exercice a sa correction détaillée, étape par étape.

2 exercices de niveau « Challenge ». Voir les 8 exercices.

Exercice 7 Challenge

Une population a pour moyenne μ = 120 et pour écart type σ = 15. On prélève des échantillons de taille 225 et l'on calcule leur moyenne. Donner la zone à deux écarts types pour cette moyenne d'échantillon.

Voir la correction
Correction détaillée

la moyenne d'un échantillon de taille n d'observations indépendantes est centrée sur μ et a pour écart type σn (résultat admis en Première).
Ici 225 = 15, donc l'écart type de la moyenne vaut 1515 = 1. Il est quinze fois plus petit que l'écart type d'une observation isolée : moyenner réduit la dispersion.
La zone à deux écarts types est [μ − 2 × 1 ; μ + 2 × 1] = [118 ; 122].
Interprétation : si l'on simule un grand nombre d'échantillons de taille 225, la grande majorité des moyennes obtenues (environ 95 % dans les situations usuelles) tombe entre 118 et 122. Une moyenne observée de 125 serait donc surprenante et inviterait à vérifier le protocole ou l'hypothèse μ = 120.

Exercice 8 Challenge

Pour la même population (μ = 120, σ = 15), on souhaite que la zone à deux écarts types de la moyenne d'échantillon ait une demi-largeur inférieure ou égale à 1, c'est-à-dire soit incluse dans [119 ; 121]. Quelle taille d'échantillon n faut-il choisir au minimum ?

Voir la correction
Correction détaillée

la demi-largeur de la zone à deux écarts types est 2σ/n = 30n.
On veut 30n ≤ 1, soit n ≥ 30. Les deux membres étant positifs, on peut élever au carré : n ≥ 900.
Il faut au minimum 900 observations. Vérification : pour n = 900, l'écart type de la moyenne vaut 1530 = 0,5 et la zone est [120 − 1 ; 120 + 1] = [119 ; 121].
Comparaison avec l'exercice précédent : passer d'une demi-largeur 2 (n = 225) à une demi-largeur 1 (n = 900) a demandé de multiplier la taille par 4, parce que la précision s'améliore comme n : diviser l'incertitude par 2 coûte quatre fois plus d'observations.