QCM : Statistique à deux variables (24 questions)

Questions et réponses du QCM

1. Pour étudier le lien entre la durée de production et le nombre de pièces fabriquées, que constitue une série statistique à deux variables ?

Des couples de valeurs mesurées sur les mêmes situations
Une seule valeur du nombre de pièces pour chaque situation
Des couples de valeurs mesurées sur des situations différentes
Des valeurs de durée mesurées sur des situations différentes

Des couples de valeurs mesurées sur les mêmes situations

Explication

Une série statistique à deux variables associe, pour les mêmes individus ou situations, des couples de valeurs. Des mesures prises sur des situations différentes ou une seule variable ne répondent pas à cette définition.

2. Un technicien représente dans un repère chaque couple formé par une vitesse et une consommation mesurées lors d’un essai. Quel ensemble obtient-il ?

Les axes correspondant aux deux variables mesurées
La droite d’ajustement des couples mesurés
Le nuage des points représentant les couples mesurés
La série des valeurs de consommation mesurées

Le nuage des points représentant les couples mesurés

Explication

Le nuage de points est l’ensemble des points de coordonnées correspondant aux couples de la série dans un repère. Les axes définissent le repère, tandis qu’une droite d’ajustement est un modèle et non l’ensemble des points.

3. Une imprimerie cherche à estimer le coût d’une commande à partir de la quantité imprimée. Quel rôle attribuer aux deux variables ?

La quantité est x et le coût est y, deux variables à estimer
La quantité est x, variable explicative, et le coût est y, variable à estimer
Le coût est x, variable explicative, et la quantité est y, variable à estimer
Le coût est x, variable contrôlée, et la quantité est y, variable à estimer

La quantité est x, variable explicative, et le coût est y, variable à estimer

Explication

La quantité imprimée explique ou contrôle le phénomène, tandis que le coût est la grandeur que l’on souhaite estimer. Inverser ces rôles ou considérer les deux variables comme à estimer ne respecte pas cette distinction.

4. Un nuage de points est allongé et l’on souhaite en proposer un modèle affine. Quelle forme a la droite de régression qui l’approche ?

y=ax2+by=ax^2+b
y=axy=ax
y=ax+by=ax+b
y=a+by=a+b

$$y=ax+b$$

Explication

Une droite de régression affine a pour équation y=ax+by=ax+b et approche un nuage allongé. La forme quadratique modélise une courbe, tandis que y=axy=ax impose le passage par l’origine.

5. Pour ajuster un nuage par une droite, un logiciel compare plusieurs droites en calculant les écarts verticaux entre chaque point et la droite. Quel critère correspond à la méthode des moindres carrés ?

Minimiser le plus grand des écarts verticaux
Minimiser la somme des carrés des écarts horizontaux
Minimiser la somme des carrés des écarts verticaux
Minimiser la somme des écarts verticaux non élevés au carré

Minimiser la somme des carrés des écarts verticaux

Explication

La méthode des moindres carrés choisit la droite qui rend minimale la somme des carrés des écarts verticaux. Une somme simple, des écarts horizontaux ou le seul écart maximal constituent des critères différents.

6. Un ajustement affine du coût yy en fonction de la quantité xx a pour équation y=−3x+40y=-3x+40. Quelle interprétation du coefficient directeur convient lorsque xx augmente de 1 ?

Le coût estimé vaut 40 unités
Le coût estimé ne varie pas
Le coût estimé augmente de 3 unités
Le coût estimé diminue de 3 unités

Le coût estimé diminue de 3 unités

Explication

Le coefficient directeur donne la variation de yy lorsque xx augmente de 1 ; un coefficient négatif signifie que yy diminue, ici de 3 unités. Une hausse de 3 inverse le signe, et 40 est l’ordonnée à l’origine.

7. Un modèle appliqué à un jeu de données obtient R2=0,92R^2=0{,}92. Quelle interprétation générale convient au coefficient de détermination ?

L’ajustement décrit mal les données, car R² est positif.
L’ajustement est parfait, car R² est inférieur à 1.
L’ajustement est impossible à évaluer, car R² est supérieur à 0.
L’ajustement décrit assez bien les données, car R² est proche de 1.

L’ajustement décrit assez bien les données, car R² est proche de 1.

Explication

Le coefficient R² est compris entre 0 et 1 et un résultat proche de 1 indique que le modèle décrit bien les données. Confondre R² avec r mélange deux coefficients, qualifier une valeur élevée de médiocre inverse son interprétation, et autoriser R² au-delà de 1 contredit son intervalle.

8. Un ajustement statistique donne R2=0,85R^2=0{,}85. Dans quelle catégorie se situe-t-il selon les repères indicatifs ?

Un ajustement très bon.
Un ajustement moyen.
Un ajustement mauvais.
Un ajustement correct.

Un ajustement moyen.

Explication

La catégorie moyenne correspond à 0,60<R2≤0,850{,}60<R^2\leq0{,}85, donc la valeur 0,85 y est incluse. La catégorie correcte exige R2>0,85R^2>0{,}85, un ajustement très bon exige R2>0,95R^2>0{,}95, et un ajustement mauvais correspond à R2≤0,60R^2\leq0{,}60.

9. Pour une série ajustée par une droite, un outil affiche un coefficient de corrélation r=−0,8r=-0{,}8. Quelle valeur du coefficient de détermination doit-on obtenir ?

R2=0,64R^2=0{,}64
R2=1,8R^2=1{,}8
R2=0,8R^2=0{,}8
R2=−0,64R^2=-0{,}64

$$R^2=0{,}64$$

Explication

Pour un ajustement affine, R2=r2R^2=r^2, donc (−0,8)2=0,64(-0{,}8)^2=0{,}64. Conserver un signe négatif oublie que le carré est positif, prendre la racine ne respecte pas la relation, et ajouter 1 n’en fait pas partie.

10. Les quantités observées pour établir un modèle vont de 400 à 1 200 exemplaires. Comment qualifier l’estimation du coût pour 700 exemplaires ?

Une extrapolation, car l’estimation concerne un coût.
Une extrapolation, car 700 est une valeur estimée.
Une interpolation, car 700 se trouve dans l’intervalle observé.
Une interpolation, car 700 est une valeur extérieure aux observations.

Une interpolation, car 700 se trouve dans l’intervalle observé.

Explication

L’interpolation consiste à estimer une valeur de y pour un x compris entre les valeurs observées. Une valeur intérieure n’est pas une extrapolation, l’interpolation n’exige pas que x corresponde à une observation exacte, et la nature de la grandeur estimée ne détermine pas la catégorie.

11. Un modèle a été construit avec des observations pour des valeurs de x comprises entre 5 et 18. Une analyste l’utilise pour estimer y lorsque x=24x=24. Quelle est la nature et la principale limite de cette estimation ?

Une extrapolation risquée, car la tendance peut ne pas se poursuivre.
Une interpolation fiable, car l’estimation utilise le modèle ajusté.
Une extrapolation certaine, car le modèle fixe la tendance future.
Une interpolation risquée, car x est une variable explicative.

Une extrapolation risquée, car la tendance peut ne pas se poursuivre.

Explication

Estimer y pour une valeur de x hors de l’intervalle observé est une extrapolation; elle est risquée parce que la tendance peut changer et que le modèle peut produire un résultat absurde. Une valeur extérieure n’est pas une interpolation, le modèle ne garantit pas la poursuite de la tendance, et le rôle de x ne définit pas le risque.

12. Pour modéliser le coût total d’un tirage en fonction du nombre d’exemplaires, le nuage de points observé est proche d’une droite. Quel type d’ajustement convient ?

Un ajustement logarithmique d’équation y=a⋅ln⁡(x)+by=a\cdot\ln(x)+b
Un ajustement parabolique d’équation y=ax2+bx+cy=ax^2+bx+c
Un ajustement affine d’équation y=ax+by=ax+b
Un ajustement exponentiel d’équation y=a⋅ebxy=a\cdot e^{bx}

Un ajustement affine d’équation $$y=ax+b$$

Explication

Un nuage dont les points sont proches d’une droite convient à un ajustement affine. Le modèle parabolique correspond à une cuvette ou un dôme, l’exponentiel à une évolution de plus en plus rapide et le logarithmique à une variation qui ralentit.

13. Deux modèles cohérents avec un nuage ont des valeurs de R2R^2 très proches. Le modèle le plus complexe améliore à peine l’ajustement et son équation est moins facile à interpréter. Lequel faut-il privilégier ?

Le modèle le plus facile à calculer, quelle que soit l’allure du nuage
Le modèle ayant le plus petit R2R^2 parmi ceux testés
Le modèle le plus complexe, même si le gain de R2R^2 est minime
Le modèle le plus simple, si son équation a du sens

Le modèle le plus simple, si son équation a du sens

Explication

La sélection consiste à observer le nuage, tester des modèles cohérents et comparer leurs R2R^2, tout en vérifiant le sens de l’équation ; à valeurs de R2R^2 voisines, on préfère le plus simple. Le modèle complexe privilégie inutilement un léger gain, le calcul seul ne suffit pas et le plus petit R2R^2 n’est pas le critère de choix.

14. Une équipe doit analyser le lien entre la quantité imprimée et le coût total, puis estimer un coût et le commenter. Quelle démarche est la plus appropriée ?

Calculer d’abord une estimation, puis attribuer les variables et leurs unités après le résultat
Saisir les données et choisir un modèle avant de tracer le nuage, puis conclure sans estimation contextualisée
Identifier les variables et leurs unités, saisir et tracer les données, obtenir équation et R2R^2, choisir un modèle pertinent, puis estimer et conclure avec les unités
Tracer le nuage et conclure directement, sans obtenir ni comparer les modèles adaptés

Identifier les variables et leurs unités, saisir et tracer les données, obtenir équation et $$R^2$$, choisir un modèle pertinent, puis estimer et conclure avec les unités

Explication

L’analyse va de l’identification de xx et yy avec leurs unités jusqu’à la saisie, l’observation du nuage, l’obtention des modèles et de leurs R2R^2, puis l’estimation et la conclusion contextualisée. Les autres démarches omettent des étapes nécessaires ou repoussent l’identification des variables.

15. Sur une calculatrice Casio Graph 35+, les données d’une série à deux variables sont saisies et l’on veut afficher les coefficients de l’ajustement affine. Quelle séquence convient ?

Régler GRPH → SET pour le nuage, puis s’arrêter sans lancer de régression
Saisir xx dans List 2 et yy dans List 1, puis CALC → REG → X → ax+b
Saisir xx dans List 1 et yy dans List 2, puis CALC → REG → X → ax+b
Saisir les données dans les listes, puis choisir un modèle polynomial dans REG

Saisir $$x$$ dans List 1 et $$y$$ dans List 2, puis CALC → REG → X → ax+b

Explication

Sur la Casio Graph 35+, les valeurs de xx et yy sont placées dans List 1 et List 2, puis la séquence CALC → REG → X → ax+b affiche les coefficients de la droite. Inverser les listes échange les variables, GRPH → SET règle le graphique, et le modèle polynomial n’est pas l’ajustement affine demandé.

16. Une série contient les couples (2;5)(2;5), (4;9)(4;9) et (6;10)(6;10). Quelles sont les coordonnées de son point moyen GG ?

G(4;24)G(4;24)
G(6;8)G(6;8)
G(8;4)G(8;4)
G(4;8)G(4;8)

$$G(4;8)$$

Explication

Le point moyen a pour coordonnées les moyennes des valeurs de chaque variable : xˉ=(2+4+6)/3=4\bar{x}=(2+4+6)/3=4 et yˉ=(5+9+10)/3=8\bar{y}=(5+9+10)/3=8. G(8;4)G(8;4) inverse les coordonnées, G(4;24)G(4;24) omet la division pour y, et G(6;8)G(6;8) ne calcule pas la moyenne de x.

17. Pour une droite de régression, le calcul donne ∑(xi−xˉ)(yi−yˉ)=18\sum (x_i-\bar{x})(y_i-\bar{y})=18, ∑(xi−xˉ)2=6\sum (x_i-\bar{x})^2=6, xˉ=4\bar{x}=4 et yˉ=9\bar{y}=9. Quelle est son équation y=ax+by=ax+b ?

y=3x+9y=3x+9
y=3x−3y=3x-3
y=13x+233y=\frac{1}{3}x+\frac{23}{3}
y=3x−12y=3x-12

$$y=3x-3$$

Explication

La pente vaut a=18/6=3a=18/6=3, puis b=yˉ−axˉ=9−3×4=−3b=\bar{y}-a\bar{x}=9-3\times4=-3, donc la droite est y=3x−3y=3x-3. 1/31/3 inverse le quotient de la pente, 3x+93x+9 omet l’ajustement de b, et 3x−123x-12 emploie xˉ\bar{x} à la place de yˉ\bar{y}.

18. Dans une étude, les sommes centrées valent ∑(xi−xˉ)(yi−yˉ)=12\sum (x_i-\bar{x})(y_i-\bar{y})=12, ∑(xi−xˉ)2=9\sum (x_i-\bar{x})^2=9 et ∑(yi−yˉ)2=16\sum (y_i-\bar{y})^2=16. Quelle valeur obtient-on pour le coefficient de corrélation linéaire rr ?

34\frac{3}{4}
1225\frac{12}{25}
−1-1
11

$$1$$

Explication

Le dénominateur est 9×16=12\sqrt{9\times16}=12, donc r=12/12=1r=12/12=1. 3/43/4 omet la racine carrée, 12/2512/25 additionne les sommes de carrés, et −1-1 inverse le signe du numérateur.

19. Pour un ajustement, la somme des carrés des résidus vaut 20 et la dispersion totale des valeurs observées de yy vaut 100. Quelle est la valeur de R2R^2 ?

0,20,2
0,80,8
1,21,2
55

$$0,8$$

Explication

On applique R2=1−20/100=0,8R^2=1-20/100=0,8 : la fraction résiduelle est retranchée à 1. 0,20,2 correspond au rapport non expliqué, 1,21,2 omet la soustraction du rapport, et 55 inverse le rapport.

20. Un ajustement affine présente un coefficient de corrélation r=−0,6r=-0,6. Quelle valeur correspond à son coefficient de détermination R2R^2 ?

0,360,36
−0,36-0,36
0,640,64
0,60,6

$$0,36$$

Explication

Pour un ajustement affine, R2=r2R^2=r^2, donc (−0,6)2=0,36(-0,6)^2=0,36. −0,36-0,36 conserve à tort le signe, 0,60,6 oublie le carré, et 0,640,64 donne le complément de r2r^2.

21. Pour ajuster un modèle exponentiel aux données d’une expérience, on régresse Y=ln⁡(y)Y=\ln(y) en fonction de xx. La droite obtenue a pour pente 0,30{,}3 et pour ordonnée à l’origine 1,21{,}2. Quels paramètres exponentiels en déduit-on ?

b=0,3b=0{,}3 et a=e−1,2a=e^{-1{,}2}
b=0,3b=0{,}3 et a=e1,2a=e^{1{,}2}
b=1,2b=1{,}2 et a=e0,3a=e^{0{,}3}
b=0,3b=0{,}3 et a=1,2a=1{,}2

$$b=0{,}3$$ et $$a=e^{1{,}2}$$

Explication

Dans la régression de ln⁡(y)\ln(y) en fonction de xx, la pente donne bb et l’ordonnée à l’origine donne ln⁡(a)\ln(a), donc a=e1,2a=e^{1{,}2}. Prendre a=1,2a=1{,}2 omet l’exponentiation, échanger les coefficients inverse leur rôle, et utiliser e−1,2e^{-1{,}2} change le signe de l’ordonnée.

22. Une équipe ajuste le modèle y=aln⁡(x)+by=a\ln(x)+b en régressant yy en fonction de X=ln⁡(x)X=\ln(x). La droite ajustée est y=2,5X−4y=2{,}5X-4. Quels paramètres du modèle initial obtient-elle ?

a=2,5a=2{,}5 et b=4b=4
a=−4a=-4 et b=2,5b=2{,}5
a=−2,5a=-2{,}5 et b=−4b=-4
a=2,5a=2{,}5 et b=−4b=-4

$$a=2{,}5$$ et $$b=-4$$

Explication

Après la transformation X=ln⁡(x)X=\ln(x), la régression affine y=aX+by=aX+b fournit directement aa comme pente et bb comme ordonnée à l’origine. L’échange des coefficients, l’inversion du signe de bb et le changement de signe de aa sont des erreurs de lecture des paramètres.

23. Dans une série d’exercices contextualisés sur les métiers du RPIP, quel groupe de secteurs sert de cadre aux situations étudiées ?

Le prépresse, la photographie, l’édition et la publicité
L’impression, la conception graphique, la vente et la distribution
Le façonnage, la reliure, le transport et la vente
L’impression, le façonnage, le prépresse et le plurimédia

L’impression, le façonnage, le prépresse et le plurimédia

Explication

Les situations contextualisées relèvent de l’impression, du façonnage, du prépresse et du plurimédia. Les autres choix remplacent certains secteurs par des activités qui ne constituent pas le cadre indiqué.

24. En observant un nuage de points, une analyste cherche un modèle non affine parmi les modèles mobilisés dans les exercices contextualisés. Quel ensemble de modèles doit-elle considérer ?

Le modèle parabolique, le modèle exponentiel et le modèle logarithmique
Le modèle parabolique, le modèle affine et le modèle logarithmique
Le modèle parabolique, le modèle exponentiel et le modèle de puissance
Le modèle affine, le modèle exponentiel et le modèle logarithmique

Le modèle parabolique, le modèle exponentiel et le modèle logarithmique

Explication

Les modèles non affines considérés sont le modèle parabolique, le modèle exponentiel et le modèle logarithmique. Inclure le modèle affine confond les deux catégories, tandis que le modèle de puissance ne fait pas partie de cette liste.

Révisez avec les flashcards

Mémorisez les réponses avec 66 flashcards sur Statistique à deux variables.

Que représente une série statistique à deux variables ?

nn couples (xi;yi)(x_i ; y_i) associés aux mêmes individus ou situations.

Que représente chaque point du nuage de points d’une série statistique ?

Un couple de la série statistique.

Comment la variable xx intervient-elle dans l’étude d’un phénomène ?

Elle explique ou contrôle le phénomène.

Voir les flashcards →

Approfondir avec la fiche

Consultez la fiche de révision complète sur Statistique à deux variables.

Voir la fiche →

Cours similaires

Crée tes propres QCM

Importe ton cours et l'IA génère des QCM avec corrections en 30 secondes.

Générateur de QCM