Purpan 2015-2016

[ML-Rangueil]

Bonjour, j'ai plusieurs questions: 

 

1) un modèle donne une quantité Q en fonciton des paramètres réels α, β1, β2, X1 et X2 selon l'équation suivante: Q= α + β1X1 + β2X2

 

E) Pour des valeurs données de X1 et X2 connues sans incertitude, l'incertitude sur Q est d'autant plus grande que les valeurs de X1 et X2 sont grandes

Cet item est vrai mais pour moi il est faux, si on connait X1 et X2 dans incertitude, l'incetitude de Q ne peut donc pas dépendre de ces valeurs non?

 

2) Après une intervention chirurgicale en traumato, le risque d'une infection dite ''nococomiale'', secondaire à l'hospitalisation , est de 4%. Dans un sevice hospitalier, on réalise 100 interventions par an, On suppose que les valeur prises par la variable aléatoire modélisant le risque d'infection sont indépendantes et identiquement distribuées:

 

B) Pour tout individu subissant une intervention chirurgicale en traumato, le risque de développer une infection nosocomiale suit une loi Binomiale de paramètres 100 et 0,04

Cet item est faux, pourquoi?

 

 

3) On a mesuré le tour de taille de 300 personnes, qui constituent un échantillon représentatif de l'ensemble des personnels de l'université. La moyenne calculée est de 98cm

 

E) sur un échantillon, pour estimer la tendance centrale de la population, il est préférable d'utiliser la médiane, dont l'intervalle de fluctuation est plus faible

Cet item est faux, mais que doit-on utiliser alors? La moyenne?

 

Je ne comprends pas non plus pour un test de student les conditions d'application qu'il faut avoir: quand est ce qu'il faut que les variance soient égales? Et quand est ce qu'il faut qu'il y ait une distribution selon une loi normale? Pour des échantillons indépendants ou appariés?

De même pour le test de l'écart réduit, il faut que la distribution suive une loi normale?

 

 

Merci d'avance à celui/celle qui prendra le temps de répondre!

[La_Reine_Rouge]

Bonjour,

 

1) L'incertitude sur B1 par exemple est X1*dB1, donc ça depend bien de X1.

2) Parce que le A est vrai, il y a 2 issues (malade ou pas malade), c'est donc Bernouilli.

3) Oui pour moi c'est la moyenne comme l'explique l'énoncé, calculer une médiane de taille ça n'a pas trop de sens pour moi car ça prend moins en compte les valeurs extrêmes

4) Cette question a été posé plein de fois sur le forum...

Voici un exemple de sujet http://tutoweb.org/forum/topic/16502-student/et il y en plein d'autres si tu fais une petite recherche avant de poster

 

Bonne journée.

[ML-Rangueil]

Du coup quand n>30 on n'a pas besoin d'une distribution normale?

[La_Reine_Rouge]

Du coup quand n>30 on n'a pas besoin d'une distribution normale?

Exact

[Magnum]

Oui c'est ça n > 30 il n'y a pas besoin d'une distribution normalisé et n < 30 le critère de normalisation est obligatoire pour que ce soit validé  

[ML-Rangueil]

Super merci!

[Glouglou]

Le 08/01/2018 à 10:46, La_Reine_Rouge a dit :

1) L'incertitude sur B1 par exemple est X1*dB1, donc ça depend bien de X1.

 

 

Le 08/01/2018 à 08:45, ML-Rangueil a dit :

) un modèle donne une quantité Q en fonciton des paramètres réels α, β1, β2, X1 et X2 selon l'équation suivante: Q= α + β1X1 + β2X2

 

E) Pour des valeurs données de X1 et X2 connues sans incertitude, l'incertitude sur Q est d'autant plus grande que les valeurs de X1 et X2 sont grandes

Cet item est vrai mais pour moi il est faux, si on connait X1 et X2 dans incertitude, l'incetitude de Q ne peut donc pas dépendre de ces valeurs non?

Bonsoir, en fait l'incertitude de Q ne dépend pas des incertitudes de X1/X2 mais de leurs valeurs elles m^mes ce qui fait que l'incertitude croît à mesure que les Valeurs X1 et X2 augmentent....?

[Chat_du_Cheshire]

il y a 11 minutes, Nonooo a dit :

 

Bonsoir, en fait l'incertitude de Q ne dépend pas des incertitudes de X1/X2 mais de leurs valeurs elles m^mes ce qui fait que l'incertitude croît à mesure que les Valeurs X1 et X2 augmentent....?

t'as tout compris

[Glouglou]

il y a 10 minutes, Chat_du_Cheshire a dit :

t'as tout compris

trop cool Merciiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiiii  

[Chat_du_Cheshire]

avec plaisir courage glouglou