Méthodes Statistiques pour l’Ingénieur – ENTPE

TD 2 : Tests d’hypothèses et régression linéaire simple

(à préparer pour le vendredi 27/09/2024)

Exercice 1. Test d’hypothèses

Travaillant dans un centre avicole, vous vous intéressé(e) au poids des œufs pondus. Vous sélectionnez au
hasard un échantillon de 18 œufs que vous pesez. Les mesures sont données (par ordre croissant) dans le
tableau suivant :

51,51 53,28 54,63 55,12 55,95 58,10

52,07 53,30 54,76 55,24 57,02 59,30
52,22 53,32 54,78 55,28 57,18 60,58

1. Donner un intervalle de confiance au niveau 95%, puis 98%, de la masse moyenne 𝜇 d’un œuf.
2. Tester si la moyenne de cette variable est égale à 50 grammes avec un niveau de confiance de 95%.

Exercice 2. Test de comparaison des moyennes de deux populations

La comparaison des moyennes de deux populations peut s’effectuer à l’aide d’un test de Student
((𝐻$ : 𝜇& = 𝜇( , 𝐻* : 𝜇& ≠ 𝜇( ) ou avec une régression linéaire.

1111
/0 2/1111 = > ? :=3 >3
?
Dans le cas du test de Student, nous rejetons 𝐻$ si, au seuil 𝛼, 𝑡 = 3
(où 𝜎< = 6 =0 :=
0
, racine carrée de
8
56 :
4
8 0 3 2@
90 93

la variance commune) est inférieure à −𝑡B ⁄@;=8 :=? 2@ ou supérieur à 𝑡B⁄@;=8 :=? 2@ .

On veut comparer l’effet de deux modèles de trottinettes électriques en libre-service Zone Lime Bolt
(Lime et Bolt) sur leur fréquence de location. On a relevé les locations de ces deux types 1 480 400
de trottinette au cours de la semaine dernière dans les 9 arrondissements de Lyon dans 2 330 270
lesquels les deux types de trottinettes sont disponibles (dans des proportions supposées 3 390 340
identiques). 4 420 280
5 340 360
1. Calculez, pour chaque type de trottinette, le nombre moyen de locations 6 270 280
hebdomadaires. 7 310 330
8 420 390
2. Calculez l’écart entre la moyenne respective de modèle de trottinette et la 9 340 370
moyenne générale.

3. En supposant que ces mesures suivant une variance commune, estimez cette variance commune.

4. A l’aide du 𝑇 de Student, peut-on conclure, au seuil de signification de 𝛼 = 0,05, que les types de
trottinette présentent un niveau de location identique ?

5. Quel modèle de régression proposeriez -vous pour tester l’hypothèse de la question 4 ?

1
Exercice 3. Exemples d’utilisation de la régression linéaire multiple
Proposer un exemple lié à l’ingénierie (et potentiellement en lien avec votre Majeure) où la régression linéaire multiple
pourrait être utilisée. Vous détaillerez la problématique/question à laquelle on cherche à répondre avec cet outil et
détaillerez le modèle à utiliser pour le faire (variable dépendante, variables explicatives, type de données).

Exercice 4.
Un projet de rénovation d’un bâtiment comporte l’enlèvement du revêtement extérieur en résine époxy pour le
remplacer par des carreaux de céramique. Avant de remplacer ce revêtement extérieur, on veut examiner l’effet
du degré de décapage sur la tenue du nouveau carrelage sur les murs extérieurs. On met en place pour cela un
plan d’expérience à un facteur contrôlé comportant les modalités suivantes :

Degré de décapage
𝐴* : murs non traités
𝐴@ : enlèvement des seules parties saillantes
𝐴I : enlèvement de 80% du revêtement
𝐴J : enlèvement de 90% du revêtement
𝐴K : enlèvement de tout le revêtement

Des carreaux de céramique ont par la suite été mis en place et des essais d’adhérence des carreaux ont été
effectués sur 3 carreaux pour chaque durée de décapage.

1. Combien de modalités comporte le facteur contrôlé ?

2. Le plan d’expérience comportera combien de résultats ?

3. Quel(s) outil(s) statistique(s) utiliseriez-vous pour savoir si le degré de décapage a un effet significatif
sur l’adhérence des carreaux ? Justifiez votre réponse.

Exercice 5. Calcul d'estimateurs d'une régression linéaire simple

Un modèle simple expliquant l'évolution du nombre d'abonnés Haut débit est de supposer qu'elle est une
fonction croissante du temps. Dans ces conditions, une variable explicative, notée t, décrivant le passage de ce
temps paraît adaptée. D'où le modèle retenu :

On dispose des données reportées dans le tableau ci-dessous.

1) Ecrire sous forme matricielle le modèle de régression linéaire en spécifiant l'ensemble de vos matrices et
vecteurs en jeu.
2) Calculer les estimateurs MCO de 𝛽* et 𝛽@ .
3) Calculer la somme des carrés des résidus SCR et la variabilité totale SCT associée à ce modèle
4) Calculer le coefficient de détermination et interpréter littérairement le résultat obtenu.

2
 5) A partir du modèle estimé, effectuer une prévision du nombre d'abonnements à internet haut et très haut
débit en France en janvier 2025.

Exercice 6. Richesse de la population et médailles olympiques

Le tableau suivant indique le total de médailles gagnées par certains pays lors des Jeux Olympiques d'été
d'Athènes en 2004, ainsi que la richesse du pays exprimé en PIB par habitant en milliers de dollars (en parité de
pouvoir d'achat).

1. Donner l'expression du modèle économétrique, cohérent avec les données du tableau précédent, qui
permettrait de savoir dans quelle mesure la richesse d'un pays est associée au nombre de médailles remportées
aux Jeux Olympiques.

2. Calculer les estimateurs MCO des paramètres du mode proposé et la matrice de variance-covariance de ces
estimateurs.

3. Calculer le coefficient de détermination et interpréter littérairement le résultat obtenu.

4. Tester si les coefficients du modèle sont significativement différents de 0 à un seuil de risque de 5% et

interpréter littérairement les résultats.

5. Le PIB par habitant de la France est de 23,02 milliers de dollars. Donnez l'intervalle de confiance à 95% du
nombre de médailles que la France aurait dû rapporter lors de ces Jeux Olympiques de 2004.

6. Calculer l'élasticité du nombre de médailles par rapport au PIB par habitant pour la France et en donner une
interprétation en une phrase.

7. Si on souhaitait savoir si le fait d'organiser les JO accroît le nombre de médailles remportées, toutes choses
étant égales par ailleurs, quelles données supplémentaires faudrait-il et quel type de modèle proposeriez-vous ?

3
Annexe 1 : tableau des valeurs du quantile da loi normale centrée réduite

proba 0,005 0,01 0,025 0,05 0,1 0,5 0,9 0,95 0,975 0,99 0,995
-2,576 -2,326 -1,960 -1,645 -1,282 0,000 1,282 1,645 1,960 2,326 2,576

Annexe 2 : tableau des valeurs du quantile da loi de Student (k = ddl)

proba 75 % 80 % 85 % 90 % 95 % 97,5 % 99 % 99,5 % 99,75 % 99,9 % 99,95 %
k
1 1,000 1,376 1,963 3,078 6,314 12,71 31,82 63,66 127,3 318,3 636,6
2 0,816 1,061 1,386 1,886 2,920 4,303 6,965 9,925 14,09 22,33 31,60
3 0,765 0,978 1,250 1,638 2,353 3,182 4,541 5,841 7,453 10,21 12,92
4 0,741 0,941 1,190 1,533 2,132 2,776 3,747 4,604 5,598 7,173 8,610
5 0,727 0,920 1,156 1,476 2,015 2,571 3,365 4,032 4,773 5,893 6,869
6 0,718 0,906 1,134 1,440 1,943 2,447 3,143 3,707 4,317 5,208 5,959
7 0,711 0,896 1,119 1,415 1,895 2,365 2,998 3,499 4,029 4,785 5,408
8 0,706 0,889 1,108 1,397 1,860 2,306 2,896 3,355 3,833 4,501 5,041
9 0,703 0,883 1,100 1,383 1,833 2,262 2,821 3,250 3,690 4,297 4,781
10 0,700 0,879 1,093 1,372 1,812 2,228 2,764 3,169 3,581 4,144 4,587
11 0,697 0,876 1,088 1,363 1,796 2,201 2,718 3,106 3,497 4,025 4,437
12 0,695 0,873 1,083 1,356 1,782 2,179 2,681 3,055 3,428 3,930 4,318
13 0,694 0,870 1,079 1,350 1,771 2,160 2,650 3,012 3,372 3,852 4,221
14 0,692 0,868 1,076 1,345 1,761 2,145 2,624 2,977 3,326 3,787 4,140
15 0,691 0,866 1,074 1,341 1,753 2,131 2,602 2,947 3,286 3,733 4,073
16 0,690 0,865 1,071 1,337 1,746 2,120 2,583 2,921 3,252 3,686 4,015
17 0,689 0,863 1,069 1,333 1,740 2,110 2,567 2,898 3,222 3,646 3,965
18 0,688 0,862 1,067 1,330 1,734 2,101 2,552 2,878 3,197 3,610 3,922
19 0,688 0,861 1,066 1,328 1,729 2,093 2,539 2,861 3,174 3,579 3,883
20 0,687 0,860 1,064 1,325 1,725 2,086 2,528 2,845 3,153 3,552 3,850
21 0,686 0,859 1,063 1,323 1,721 2,080 2,518 2,831 3,135 3,527 3,819
22 0,686 0,858 1,061 1,321 1,717 2,074 2,508 2,819 3,119 3,505 3,792
23 0,685 0,858 1,060 1,319 1,714 2,069 2,500 2,807 3,104 3,485 3,767
24 0,685 0,857 1,059 1,318 1,711 2,064 2,492 2,797 3,091 3,467 3,745
25 0,684 0,856 1,058 1,316 1,708 2,060 2,485 2,787 3,078 3,450 3,725
26 0,684 0,856 1,058 1,315 1,706 2,056 2,479 2,779 3,067 3,435 3,707
27 0,684 0,855 1,057 1,314 1,703 2,052 2,473 2,771 3,057 3,421 3,690
28 0,683 0,855 1,056 1,313 1,701 2,048 2,467 2,763 3,047 3,408 3,674
29 0,683 0,854 1,055 1,311 1,699 2,045 2,462 2,756 3,038 3,396 3,659
30 0,683 0,854 1,055 1,310 1,697 2,042 2,457 2,750 3,030 3,385 3,646
40 0,681 0,851 1,050 1,303 1,684 2,021 2,423 2,704 2,971 3,307 3,551
50 0,679 0,849 1,047 1,299 1,676 2,009 2,403 2,678 2,937 3,261 3,496
60 0,679 0,848 1,045 1,296 1,671 2,000 2,390 2,660 2,915 3,232 3,460
80 0,678 0,846 1,043 1,292 1,664 1,990 2,374 2,639 2,887 3,195 3,416
100 0,677 0,845 1,042 1,290 1,660 1,984 2,364 2,626 2,871 3,174 3,390
120 0,677 0,845 1,041 1,289 1,658 1,980 2,358 2,617 2,860 3,160 3,373
∞ 0,674 0,842 1,036 1,282 1,645 1,960 2,326 2,576 2,807 3,090 3,291

4
Annexe 3 : tableau des valeurs du quantile de la loi du Khi deux (k = ddl)

proba 0,005 0,01 0,025 0,05 0,1 0,5 0,9 0,95 0,975 0,99 0,995
k
1 0,000 0,000 0,001 0,004 0,016 0,455 2,706 3,841 5,024 6,635 7,879
2 0,010 0,020 0,051 0,103 0,211 1,386 4,605 5,991 7,378 9,210 10,597
3 0,072 0,115 0,216 0,352 0,584 2,366 6,251 7,815 9,348 11,345 12,838
4 0,207 0,297 0,484 0,711 1,064 3,357 7,779 9,488 11,143 13,277 14,860
5 0,412 0,554 0,831 1,145 1,610 4,351 9,236 11,070 12,833 15,086 16,750
6 0,676 0,872 1,237 1,635 2,204 5,348 10,645 12,592 14,449 16,812 18,548
7 0,989 1,239 1,690 2,167 2,833 6,346 12,017 14,067 16,013 18,475 20,278
8 1,344 1,646 2,180 2,733 3,490 7,344 13,362 15,507 17,535 20,090 21,955
9 1,735 2,088 2,700 3,325 4,168 8,343 14,684 16,919 19,023 21,666 23,589
10 2,156 2,558 3,247 3,940 4,865 9,342 15,987 18,307 20,483 23,209 25,188
11 2,603 3,053 3,816 4,575 5,578 10,341 17,275 19,675 21,920 24,725 26,757
12 3,074 3,571 4,404 5,226 6,304 11,340 18,549 21,026 23,337 26,217 28,300
13 3,565 4,107 5,009 5,892 7,042 12,340 19,812 22,362 24,736 27,688 29,819
14 4,075 4,660 5,629 6,571 7,790 13,339 21,064 23,685 26,119 29,141 31,319
15 4,601 5,229 6,262 7,261 8,547 14,339 22,307 24,996 27,488 30,578 32,801
16 5,142 5,812 6,908 7,962 9,312 15,338 23,542 26,296 28,845 32,000 34,267
17 5,697 6,408 7,564 8,672 10,085 16,338 24,769 27,587 30,191 33,409 35,718
18 6,265 7,015 8,231 9,390 10,865 17,338 25,989 28,869 31,526 34,805 37,156
19 6,844 7,633 8,907 10,117 11,651 18,338 27,204 30,144 32,852 36,191 38,582
20 7,434 8,260 9,591 10,851 12,443 19,337 28,412 31,410 34,170 37,566 39,997
21 8,034 8,897 10,283 11,591 13,240 20,337 29,615 32,671 35,479 38,932 41,401
22 8,643 9,542 10,982 12,338 14,041 21,337 30,813 33,924 36,781 40,289 42,796
23 9,260 10,196 11,689 13,091 14,848 22,337 32,007 35,172 38,076 41,638 44,181
24 9,886 10,856 12,401 13,848 15,659 23,337 33,196 36,415 39,364 42,980 45,559
25 10,520 11,524 13,120 14,611 16,473 24,337 34,382 37,652 40,646 44,314 46,928
26 11,160 12,198 13,844 15,379 17,292 25,336 35,563 38,885 41,923 45,642 48,290
27 11,808 12,879 14,573 16,151 18,114 26,336 36,741 40,113 43,195 46,963 49,645
28 12,461 13,565 15,308 16,928 18,939 27,336 37,916 41,337 44,461 48,278 50,993
29 13,121 14,256 16,047 17,708 19,768 28,336 39,087 42,557 45,722 49,588 52,336
30 13,787 14,953 16,791 18,493 20,599 29,336 40,256 43,773 46,979 50,892 53,672
40 20,707 22,164 24,433 26,509 29,051 39,335 51,805 55,758 59,342 63,691 66,766
50 27,991 29,707 32,357 34,764 37,689 49,335 63,167 67,505 71,420 76,154 79,490
60 35,534 37,485 40,482 43,188 46,459 59,335 74,397 79,082 83,298 88,379 91,952
80 51,172 53,540 57,153 60,391 64,278 79,334 96,578 101,879 106,629 112,329 116,321
100 67,328 70,065 74,222 77,929 82,358 99,334 118,498 124,342 129,561 135,807 140,169
120 83,852 86,923 91,573 95,705 100,624 119,334 140,233 146,567 152,211 158,950 163,648