QCM : Statistique descriptive exploratoire (11 questions)

Questions et réponses du QCM

1. Dans un tableau représentant des données multidimensionnelles, que contient généralement chaque ligne ?

Les individus appartenant à une même classe
Les variables mesurées sur un individu
Les fréquences cumulées des variables
Les coefficients associés aux méthodes

Les variables mesurées sur un individu

Explication

Chaque ligne regroupe les différentes variables observées pour un même individu, ce qui permet de représenter plusieurs dimensions dans un tableau. Une ligne ne correspond donc pas nécessairement à une classe ni à une fréquence cumulée.

2. Quelle méthode convient à l’étude des relations entre plusieurs variables quantitatives ?

L’analyse des correspondances multiples
L’analyse en composantes principales
L’analyse factorielle des correspondances
La classification non supervisée

L’analyse en composantes principales

Explication

L’analyse en composantes principales, ou ACP, étudie les relations entre plusieurs variables quantitatives. L’AFC porte sur deux variables qualitatives, tandis que l’ACM traite au moins trois variables qualitatives ou quantitatives.

3. Une série comporte n=20n=20 individus et une valeur mjm_j apparaît chez nj=6n_j=6 d’entre eux. Que représente njn_j ?

La somme des effectifs jusqu’à la valeur mjm_j
La proportion d’individus ayant la valeur mjm_j
Le nombre d’individus ayant la valeur mjm_j
Le nombre de valeurs distinctes de la série

Le nombre d’individus ayant la valeur $$m_j$$

Explication

L’effectif njn_j compte les individus dont la valeur observée est mjm_j. La proportion correspondante serait la fréquence fj=njnf_j=\frac{n_j}{n}, et la somme jusqu’à mjm_j désignerait un effectif cumulé.

4. Dans une série de n=40n=40 individus, une valeur mjm_j possède un effectif nj=10n_j=10. Quelle est sa fréquence fjf_j ?

44
0,250{,}25
0,400{,}40
1010

$$0{,}25$$

Explication

La fréquence se calcule par fj=njn=1040=0,25f_j=\frac{n_j}{n}=\frac{10}{40}=0{,}25. La valeur 1010 est l’effectif, tandis que 0,400{,}40 ne correspond pas au rapport entre l’effectif considéré et le nombre total d’individus.

5. Qu'est-ce qu'une variable discrète en statistique ?

Une variable qui ne peut prendre qu'un nombre fini ou dénombrable de valeurs.
Une variable qui peut prendre un continuum de valeurs possibles.
Une variable qui décrit une qualité ou une modalité.
Une variable qui suit une loi normale.

Une variable qui ne peut prendre qu'un nombre fini ou dénombrable de valeurs.

Explication

Une variable discrète ne peut prendre qu'un nombre fini ou dénombrable de valeurs, comme le nombre d'enfants dans une famille. La deuxième option décrit une variable continue, tandis que la troisième concerne une variable qualitative.

6. Quelle est la caractéristique principale d'une variable qualitative ?

Elle prend des valeurs numériques continues.
Elle décrit une qualité de l'individu et ses valeurs possibles sont appelées des modalités.
Elle est mesurée par une densité de probabilité.
Elle est toujours ordinale.

Elle décrit une qualité de l'individu et ses valeurs possibles sont appelées des modalités.

Explication

Une variable qualitative décrit une qualité ou une catégorie d'un individu, et ses valeurs possibles sont appelées modalités. Les autres options concernent des variables quantitatives ou des concepts incorrects pour une variable qualitative.

7. Quelle est la fonction principale de la transformation par une fonction croissante dans l’analyse des données ?

Augmenter la contraste entre différentes modalités.
Réduire la variabilité des données en la normalisant.
Simplifier la représentation graphique des données.
Adapter la distribution des données pour qu’elle suive une loi normale.

Adapter la distribution des données pour qu’elle suive une loi normale.

Explication

La transformation par une fonction croissante est utilisée pour rendre une distribution de données plus proche d’une loi normale, facilitant ainsi l’application de méthodes statistiques paramétriques. La réduction de la variabilité ou l’augmentation du contraste ne sont pas les objectifs principaux de cette transformation.

8. En quoi la fonction de répartition théorique diffère-t-elle de la fonction de répartition empirique ?

La fonction empirique est utilisée uniquement pour des variables discrètes, alors que la fonction théorique s'applique aux variables continues.
La fonction de répartition théorique ne dépend pas de la loi de probabilité, contrairement à la fonction empirique.
La fonction de répartition empirique est toujours continue, alors que la fonction théorique peut être discontinue.
La fonction de répartition théorique est une fonction connue ou modélisée, tandis que la fonction empirique est une estimation basée sur un échantillon.

La fonction de répartition théorique est une fonction connue ou modélisée, tandis que la fonction empirique est une estimation basée sur un échantillon.

Explication

La fonction de répartition théorique est définie par la loi de probabilité connue ou supposée, alors que la fonction empirique est une estimation basée sur les données observées. La fonction empirique est une fonction en escalier, contrairement à la fonction théorique qui peut être continue ou discontinue selon la loi.

9. Quelle est la conséquence principale de l'utilisation de la fonction de répartition empirique pour estimer la loi d'une variable aléatoire ?

Elle permet une approximation de la fonction de répartition réelle qui devient précise avec un grand échantillon.
Elle fournit une fonction continue qui remplace la fonction de répartition théorique dans tous les cas.
Elle ne converge pas vers la fonction de répartition réelle, mais donne une estimation grossière.
Elle ne peut être utilisée que pour des variables discrètes, pas pour des variables continues.

Elle permet une approximation de la fonction de répartition réelle qui devient précise avec un grand échantillon.

Explication

La fonction de répartition empirique converge vers la fonction de répartition réelle lorsque la taille de l'échantillon augmente, permettant une approximation précise. Contrairement à la deuxième option, elle n'est pas nécessairement continue, surtout pour de petits échantillons.

10. Comment appliquer la formule de la fonction de répartition empirique pour estimer la distribution d’un échantillon de données ?

On trace un histogramme pour visualiser la densité des données.
On calcule la proportion d’observations inférieures ou égales à chaque valeur et construit une fonction en escalier.
On calcule la variance pour mesurer la dispersion des données.
On utilise la moyenne des valeurs pour estimer la centre de la distribution.

On calcule la proportion d’observations inférieures ou égales à chaque valeur et construit une fonction en escalier.

Explication

La fonction de répartition empirique est construite en calculant la proportion d’observations inférieures ou égales à chaque valeur, formant une fonction en escalier. La moyenne ou la variance ne donnent pas directement cette estimation, et l’histogramme représente la densité, pas la fonction de répartition.

11. Quelle caractéristique principale définit des données multidimensionnelles dans une étude statistique ?

Elles sont limitées à une seule variable pour chaque individu.
Elles sont représentées par un tableau où chaque ligne correspond à un individu avec plusieurs variables mesurées.
Elles concernent uniquement des variables qualitatives sans mesure numérique.
Elles ne nécessitent pas de méthodes spécifiques pour leur analyse.

Elles sont représentées par un tableau où chaque ligne correspond à un individu avec plusieurs variables mesurées.

Explication

Les données multidimensionnelles sont caractérisées par leur représentation sous forme de tableau où chaque ligne correspond à un individu et chaque colonne à une variable mesurée. Les autres options ne décrivent pas précisément cette structure.

Révisez avec les flashcards

Mémorisez les réponses avec 10 flashcards sur Statistique descriptive exploratoire.

Comment sont représentées les données multidimensionnelles ?

Par un tableau avec chaque ligne contenant les variables mesurées sur un individu.

Quelle différence principale existe entre ACP, AFC et ACM ?

L'ACP étudie variables quantitatives, l'AFC deux variables qualitatives, l'ACM au moins trois variables qualitatives ou quantitatives.

Quelles valeurs prend une variable quantitative discrète ?

Des valeurs discrètes, entières ou décimales, au nombre au plus dénombrable.

Voir les flashcards →

Approfondir avec la fiche

Consultez la fiche de révision complète sur Statistique descriptive exploratoire.

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