Exercice 1 : Test d'hypothèses sur le salaire moyen
Problème: Tester si le salaire moyen est inférieur à 268 750 FCFA.
Commande Stata:
ttesti 35 243750 16487.5 268750
One-sample t test
Obs Mean Std. Err. Std. Dev. [95% Conf. Interval]
x 35 243750 2786.896 16487.5 238086.3 249413.7
mean = mean(x) t = -8.9706
Ho: mean = 268750 degrees of freedom = 34
Ha: mean < 268750 Ha: mean != 268750 Ha: mean > 268750
Pr(T < t) = 0.0000 Pr(|T| > |t|) = 0.0000 Pr(T > t) = 1.0000
Interprétation:
Il s'agit d'un test t unilatéral à gauche
Hypothèse nulle (H0): μ = 268750
Hypothèse alternative (H1): μ < 268750
Avec n=35, moyenne=243750, écart-type=16487.5
Conclusion :
p-value < 0,05 ⇒ On rejette H₀.
Le salaire moyen est significativement inférieur à 268 750 FCFA.
Exercice 2 : Tests sur le chiffre d'affaires
Partie 1
1. Histogramme avec courbe normale:
hist catrim, freq normal
(bin=7, start=9, width=48.714286)
.008
.006
Density
.004
.002
0
0 100 200 300 400
catrim
2. Tests de normalité:
Shapiro-Wilk W test for normal data
Variable Obs W V z Prob>z
catrim 60 0.75405 13.369 5.589 0.00000
Shapiro-Wilk W test for normal data
Variable Obs W V z Prob>z
lncatrim 60 0.94684 2.890 2.287 0.01109
Conclusion
- Le chiffre d’affaires ne suit pas une distribution normale
- Le chiffre d’affaires ne suit pas une distribution log normale
Partie 2 : Tests d’hypothèses
3. Le CA moyen est-il > 80 ?
ttest catrim = 80
One-sample t test
Variable Obs Mean Std. Err. Std. Dev. [95% Conf. Interval]
catrim 60 89.03333 8.40359 65.09393 72.21779 105.8489
mean = mean(catrim) t = 1.0749
Ho: mean = 80 degrees of freedom = 59
Ha: mean < 80 Ha: mean != 80 Ha: mean > 80
Pr(T < t) = 0.8566 Pr(|T| > |t|) = 0.2868 Pr(T > t) = 0.1434
Interprétation :
Si p-value < 0,05 et moyenne > 80 ⇒ Oui.
Sinon ⇒ Non.
Conclusion
On ne peut pas affirmer que le chiffre d’affaires moyen est vraiment supérieur à 80 (car la p-
value est 0,143, soit 14,3%, ce qui est supérieur à 5%).
4. L’écart-type est-il > 70 ?
One-sample test of variance
Variable Obs Mean Std. Err. Std. Dev. [95% Conf. Interval]
catrim 60 89.03333 8.40359 65.09393 72.21779 105.8489
sd = sd(catrim) c = chi2 = 51.0196
Ho: sd = 70 degrees of freedom = 59
Ha: sd < 70 Ha: sd != 70 Ha: sd > 70
Pr(C < c) = 0.2393 2*Pr(C < c) = 0.4786 Pr(C > c) = 0.7607
Interprétation :
Si l’IC à 95% de l’écart-type est entièrement > 70 ⇒ Oui.
Conclusion
L'écart type du CA est significativement supérieur à 70
5. La médiane est-elle ≠ 60 ?
signrank catrim = 60
Wilcoxon signed-rank test
sign obs sum ranks expected
positive 36 1325 915
negative 24 505 915
zero 0 0 0
all 60 1830 1830
unadjusted variance 18452.50
adjustment for ties -4.38
adjustment for zeros 0.00
adjusted variance 18448.13
Ho: catrim = 60
z= 3.019
Prob > |z| = 0.0025
Interprétation :
Test des signes (non paramétrique). Si p-value < 0,05 ⇒ Médiane ≠ 60.
CONCLUSION
p-value < 5% donc on peut dire que la médiane est différente de 60
Exercice 3 : Proportion de factures erronées (15 points)
Problème : La proportion de factures erronées est-elle > 10% ?
Données :
12 factures erronées sur 80 ⇒ p̂ = 15%
Hypothèses :
H₀ : p = 10%
H₁ : p > 10% (test unilatéral à droite)
One-sample test of proportion Number of obs = 80
Variable Mean Std. Err. [95% Conf. Interval]
erreur .15 .0399218 .0717547 .2282453
p = proportion(erreur) z = 1.4907
Ho: p = 0.1
Ha: p < 0.1 Ha: p != 0.1 Ha: p > 0.1
Pr(Z < z) = 0.9320 Pr(|Z| > |z|) = 0.1360 Pr(Z > z) = 0.0680
Interprétation:
z ≈ (0,15 - 0,10) / √(0,10×0,90/80) ≈ 1,49
p-value ≈ 0,068
Conclusion :
p-value > 0,05 ⇒ On ne rejette pas H₀.
La proportion n’est pas significativement supérieure à 10%.
Exercice 4 : Comparaison de placements (15 points)
1. Égalité des écarts-types ?
sdtest plac1 == plac2
Variance ratio test
Variable Obs Mean Std. Err. Std. Dev. [95% Conf. Interval]
plac1 9 6.7 1.428188 4.284565 3.406592 9.993408
plac2 11 9.3 1.337297 4.435313 6.320316 12.27968
combined 20 8.13 .9961003 4.454696 6.045138 10.21486
ratio = sd(plac1) / sd(plac2) f = 0.9332
Ho: ratio = 1 degrees of freedom = 8, 10
Ha: ratio < 1 Ha: ratio != 1 Ha: ratio > 1
Pr(F < f) = 0.4701 2*Pr(F < f) = 0.9403 Pr(F > f) = 0.5299
Interprétation:
Si p-value < 0.05 ⇒ Rejet de H₀ ⇒ Les écarts-types sont significativement différents.
Si p-value ≥ 0.05 ⇒ On ne rejette pas H₀ ⇒ Pas de différence significative.
Conclusion :
p-value < 0.05 ⇒ Les écarts-types diffèrent.
2. L’intérêt moyen est-il le même pour les deux placements ?
ttest plac1 == plac2, unpaired unequal
Two-sample t test with unequal variances
Variable Obs Mean Std. Err. Std. Dev. [95% Conf. Interval]
plac1 9 6.7 1.428188 4.284565 3.406592 9.993408
plac2 11 9.3 1.337297 4.435313 6.320316 12.27968
combined 20 8.13 .9961003 4.454696 6.045138 10.21486
diff -2.6 1.956549 -6.7199 1.5199
diff = mean(plac1) - mean(plac2) t = -1.3289
Ho: diff = 0 Satterthwaite's degrees of freedom = 17.448
Ha: diff < 0 Ha: diff != 0 Ha: diff > 0
Pr(T < t) = 0.1005 Pr(|T| > |t|) = 0.2010 Pr(T > t) = 0.8995
Interprétation:
Si p-value < 0.05 ⇒ Rejet de H₀ ⇒ Différence significative des moyennes.
Sinon ⇒ Pas de différence significative.
Conclusion
p-value > 0.05 (car variabilité élevée dans les deux groupes) ⇒ Pas de différence
significative des moyennes.
3. L’intérêt médian est-il le même pour les deux placements ?
Wilcoxon signed-rank test
sign obs sum ranks expected
positive 2 17 22.5
negative 7 28 22.5
zero 0 0 0
all 9 45 45
unadjusted variance 71.25
adjustment for ties 0.00
adjustment for zeros 0.00
adjusted variance 71.25
Ho: plac1 = plac2
z = -0.652
Prob > |z| = 0.5147
Hypothèses :
H₀ : M₁ = M₂ (médianes égales)
H₁ : M₁ ≠ M₂ (médianes différentes)
Interprétation:
Si p-value < 0.05 ⇒ Rejet de H₀ ⇒ Médianes différentes.
Conclusion
p-value > 0.05 ⇒ Pas de différence significative des médianes
Exercice 5 : Comparaison de portables
Problème : Le portable 1 est-il mieux évalué que le portable 2 ?
Données :
Échantillon apparié (mêmes employés testent les deux portables).
ttest port1 == port2
Paired t test
Variable Obs Mean Std. Err. Std. Dev. [95% Conf. Interval]
port1 8 37.875 1.684356 4.764077 33.89213 41.85787
port2 8 33.125 1.092793 3.090885 30.54096 35.70904
diff 8 4.75 .8813545 2.492847 2.665928 6.834072
mean(diff) = mean(port1 - port2) t = 5.3894
Ho: mean(diff) = 0 degrees of freedom = 7
Ha: mean(diff) < 0 Ha: mean(diff) != 0 Ha: mean(diff) > 0
Pr(T < t) = 0.9995 Pr(|T| > |t|) = 0.0010 Pr(T > t) = 0.0005
Interprétation :
Différence moyenne : Portable1 (38.125) > Portable2 (33.125).
Test unilatéral à droite (car on teste si Portable1 > Portable2) :
p-value = 0.0031 < 0.05.
Conclusion :
L'évaluation moyenne du Portable 1 est significativement supérieure à celle du Portable 2.
Exercice 6 : Lien pauvreté-milieu
Problème : La pauvreté dépend-elle du milieu (rural/urbain) ?
tab pauvrete milieu, chi2
milieu
pauvrete 0 1 Total
0 11 3 14
1 7 19 26
Total 18 22 40
Pearson chi2(1) = 9.8080 Pr = 0.002
Interprétation :
Test du chi² d’indépendance.
Si p-value < 0,05 ⇒ Dépendance significative.
Conclusion
Le test du Chi² montre que la pauvreté dépend significativement du milieu
d'habitation (p-value < 0.05). Les chefs de ménage en milieu rural sont plus souvent pauvres
que ceux en milieu urbain.
