Universit Sidi Mohamed Ben Abdellah Anne Universitaire 2017/2018

Facult des sciences Juridiques, Filire: Sciences Economiques et Gestion

Economiques et Sociales Parcours conomie S5
- Fs-

D.TOUIJAR

Exercice 1 : Pour votre stage de fin d'tudes, vous avez t admis dans un centre proposant diverses
activits de remise en forme. Le directeur aimerait proposer une nouvelle activit en esprant attirer de
nouveaux clients parmi la population potentielle, qui est la population des femmes pratiquant dj une
activit physique. Votre thme de stage est d'tudier la faisabilit de cette nouvelle activit.
Enthousiasm par le sujet, vous construisez un questionnaire pour effectuer une tude de march. Parti sur le
terrain, au bout de 2 jours, vous avez russi renseigner 40 questionnaires sur la population potentielle. Sur
ces 40 personnes interroges 16 trouvaient le projet intressant. Tester l'hypothse que moins de 50% de la
population potentielle trouvaient le projet intressant avec un risque de 5%. Calculer la p-value et conclure.
Exercice 2 : Lan dernier le salaire hebdomadaire moyen pay par une entreprise pour les nouveaux gradus
en gestion tait de 2100 DH. Cette anne, pareille date, un chantillon alatoire de 25 gradus donne les
25
rsultats suivants : x = 2180 DH (x x ) = 24000 . On considre que les salaires sont distribus
2
et i
i =1
selon une loi normale. On veut savoir si le salaire moyen a augment.
1)- Calculer la p-value 0. Peut-on conclure que le salaire hebdomadaire moyen a augment dune faon
significative pour un risque =5% ?
2)- Calculer la puissance du test lorsque la contre hypothse spcifie une moyenne de 2200 DH.

Exercice 3 : On dsire acheter une certaine quantit de lampes fluorescentes. On est non seulement intress
une longue dure de vie des lampes mais aussi une dispersion relativement faible. On dcide que lcart-
type de cette caractristique ne doit pas excder 100 heures. On vrifie 20 lampes et on obtient une variance de
12500 heures2.
Est-ce que les lampes du fournisseur semblent excder la variation permise pour un risque de 5% ? On suppose
lhypothse de normalit.

Exercice 4 :On veut comparer la variabilit de deux procds. Deux chantillons alatoires indpendants

  13   1,5
  12
donnent les rsultats suivants :

  25   2,0
  15
Procd A
Procd B
Tester lgalit des deux variances, au seuil de 5%. On suppose la normalit des deux populations.
Calculer la p-value . Pour un risque de 20%, que peut-on conclure (sans calcul) ? Justifier.

Exercice 5 : Monsieur M, spcialiste du triple saut s'entrane tous les jours pour garder son titre. A chaque
entranement, son entraneur a soigneusement not toutes les nombreuses performances ralises. Les 9
derniers sauts de la saison, effectus en comptition et exprims en mtres, ont donn les rsultats suivants:

17.29 17.82 17.88 17.49 16.68 18.13 17.22 16.92 17.65

On considre que les observations sont issues d'une loi normale de paramtres inconnus.
Un autre spcialiste concurrent, monsieur M a obtenu dans la mme comptition les rsultats suivants (o on
considre toujours que les observations sont issues d'une loi normale) :
17.09 17.28 17.89 17.49 16.98 18.20 17.67 17.89 17.58

Tester lgalit des deux variances puis des deux moyennes avec le logiciel R.

D.TOUIJAR
 Solution
Exercice 1
a) paramtre : p
0:   0  50%
b) F.H. # test de proportion du genre TUG
1 :   0
c) Statistique utilise est F bon estimateur de 
d) loi de F sous H0 :
T.C.L. :
 40 3 30
4  20 3 5
54  20 3 5

6 N @0; 1)
?N
789:

;9: <:>=
D'o

G
H 4 54>
I  JK  4 L MK ;
N
OPQPRRP 4
E
e) R.D. 
F
E
H 4 54>
D I 3 JK  4 L MK ;
N

P PSR OPQPRPO 4

f)-A.N.I  Y4  0,4 M4,4Z  1,65 JK  0,5 L 1,65; Y4  0,37

X 4,Z

] ^ N I ` JK a bc4

g)-Conclusion : On ne peut rejeter l'ide que la proportion de la population potentielle trouvant

le projet intressant est de 40%.

i4  j4 @k  I)  j4 @k  0,4)  j4 @6  L1,25)  j4 @6 ` 1,25)  10,5%

La diminution de la proportion n'est donc pas significative.

0 : l  l0  2100
Exercice 2

a)F.H. # 
1 : l ` l0
1-

test de moyenne du genre TUD

b) paramtre : l
o bon estimateur de l

d) loi de no sous H :
c) Statistique :n
0
2

o8r:
q
s/=
Hyp de Normalit et inconnue
n
tvn L 1w
2 D.TOUIJAR
 2- Calcul de la p-value

R 12,65
x4844
Calcul de la ralisation de T :

444/Z
i4  j4 @q ` R)  j4 @q ` 12,65)
 2 y 108

o ` l | R @n L 1) s   j vno ` 2110,82w
Test trs significatif. Donc 5% laugmentation est significative.

3 L z  j {n 0 
~

s/
` L14,1  j1@q1 ` L14,1) 100%

o Ll
n
j 1

o sous H1 q t@n L 1)

Exercice 3

a)paramtre : 2
1-

0 : 2  20  10000
b) F.H. # 
1 : 2 ` 20

test de variance du genre TUD

c) Statistique : 2 bon estimateur de 2

d) loi de 2 sous H0 :

3 D.TOUIJAR
  @n L 1)
@
L1)2
Hyp de Normalit
20

` Ji 
L1 vn L 1wN
OPQPRRP0
G
H 20
E
s2
E


Ji 
L1 vn L 1wN

PPSROPQPRPO0
F
E
H
20
s2
e) R.D.
E
D

s2 
s2P  20 12500  13157,895

f) A.N.

L119
,v19w  30,144 ; Ji  15865,263

] Ns a bc0

donc les lampes ne semblent pas excder

la variance permise. Laugmentation de la variance nest
pas significative.

i4  16%

a)paramtres : 21 ; 22
Exercice 4

0: 22/21  1
b) F.H. # 
1: 22/21 1
test de comparaison de 2 variances
22
iciN
OP
] JO
 >
 ( vrifier)
21
c) Statistique :c   /  bon estimateur de 22 /21
4 D.TOUIJAR
 d) loi de c sous H0 :
Hyp de Normalit cJ Yvn2 L 1; n1 L 1w

G
H OJ 1L/2 vn2 L 1; n1 L 1w, /2 vn2 L 1; n1 L 1w N
OPQPRRP0
E

OJ 1L/2 vn2 L 1; n1 L 1w, /2 vn2 L 1; n1 L 1w bc0


E
H
F
e) R.D.
D

15
v24; 12w  0,025v24; 12w  3,02
f) A.N.

  1,25 PR
12
r
2
1 1
4,Z @24; 12)    0,39
4,4Z @12; 24) 2,54
or , ; , a bc0
PR i4  2 y j4 @c ` O )  2 y j4 @c ` 1,25)
 2 y 0,35  70%
g) Conclusion : on ne peut rejeter lhomognit des populations
A 10%, on ne peut toujours pas rejeter H0 car < 70%.

Exercice 5

T-Test dgalit de deux moyennes :

a)paramtres : l1 ; l2

0 : l1 L l2  0
b) F.H. # 
1 : l1 L l2 0

5 D.TOUIJAR
 Dabord :
Tests de Normalit

G 0 : X N l ; 2
F.H. # 

D1 : X N l ; 2
F

> X= c (17.29 , 17.82 , 17.88 , 17.49 , 16.68 , 18.13 , 17.22 , 16.92 , 17.65)
> Y= c (17.09 , 17.28 , 17.89 , 17.49 , 16.98 , 18.20 , 17.67 , 17.89 , 17.58)

> ks.test(X , "pnorm" , 17.5 , 0.5)

One-sample Kolmogorov-Smirnov test

data: X
D = 0.11252, p-value = 0.9989
alternative hypothesis: two-sided

> shapiro.test(X)
Shapiro-Wilk normality test
data: X
W = 0.97703, p-value = 0.9473

> shapiro.test(Y)
Shapiro-Wilk normality test

data: Y
W = 0.972, p-value = 0.9113

Ensuite : Tests dgalit des variances

6 D.TOUIJAR
> var.test(X, Y, ratio = 1 , alternative = "two.sided")

F test to compare two variances

data: X and Y
F = 1.3886, num df = 8, denom df = 8, p-value = 0.6534
alternative hypothesis: true ratio of variances is not equal to 1
95 percent confidence interval:
0.3132297 6.1561513
sample estimates:
ratio of variances
1.388629

T-Test dgalit de deux moyennes :

> T=(mean(Y)-mean(X))/sqrt(.5*(var(X)+var(Y))*2/9)
> T # t calcul
[1] 0.5337179
> Tab = qt(0.025 , 8 , lower.tail=FALSE) # t tabul ou thorique
> Tab

> pval=2*pt(0.5337179 , 8 , lower.tail=FALSE)# i4  2 y j4 @q ` 0.534)

[1] 2.306004

[1] 0.6080427 # > 5% NRH0
NOT significant anymore

> pval

A comparer avec la fonction t.test

> t.test(X , Y , "two.sided", mu=0)

Welch Two Sample t-test

7 D.TOUIJAR
data: X and Y
t = -0.53372, df = 15.587, p-value = 0.6011
alternative hypothesis : true difference in means is not equal to 0
95 percent confidence interval:
-0.5478573 0.3278573
sample estimates:
mean of x mean of y
17.45333 17.56333

> t.test(X ,Y, "two.sided", mu=0 , var.equal=TRUE)

Two Sample t-test

data: X and Y
t = -0.53372, df = 16, p-value = 0.6009
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
-0.5469154 0.3269154
sample estimates:
mean of x mean of y
17.45333 17.56333

8 D.TOUIJAR