QCM : Statistiques descriptives et inférentielles — 10 questions

Questions et réponses du QCM

1. Concernant le rôle et les types de statistiques :

La statistique descriptive rend les données lisibles grâce à des indicateurs et représentations graphiques.
La statistique inférentielle résume les données observées à l’aide de graphiques.
La statistique inférentielle tire des conclusions sur une population à partir d’un échantillon.
La statistique descriptive généralise les résultats d’un échantillon à une population.
Les statistiques fournissent des outils pour évaluer la réfutabilité d’une hypothèse à partir de données.

La statistique descriptive rend les données lisibles grâce à des indicateurs et représentations graphiques. · La statistique inférentielle tire des conclusions sur une population à partir d’un échantillon. · Les statistiques fournissent des outils pour évaluer la réfutabilité d’une hypothèse à partir de données.

Explication

Les statistiques fournissent des outils mathématiques permettant d’évaluer la réfutabilité d’une hypothèse à partir de données. La statistique descriptive résume les données observées, tandis que la statistique inférentielle généralise les résultats d’un échantillon à une population ; elle ne se limite donc pas à décrire les observations.

2. Qu'est-ce que la statistique fournit mathématiquement pour aider à décider de la réfutabilité d'une hypothèse à partir de données ?

Une technique pour décrire uniquement des données qualitatives.
Une méthode pour collecter des données sans analyser leur contenu.
Une procédure pour confirmer définitivement une hypothèse sans doute.
Un ensemble d’outils permettant de décider de la réfutabilité d’une hypothèse à partir de données.

Un ensemble d’outils permettant de décider de la réfutabilité d’une hypothèse à partir de données.

Explication

La statistique offre un ensemble d’outils pour analyser des données et évaluer la réfutabilité d’une hypothèse. La réponse incorrecte évoque une certitude qui n'est pas le but de la statistique, qui se limite à l'inférence et à la décision probabiliste.

3. À propos des variables statistiques, cochez la (les) proposition(s) exacte(s) :

Une variable qualitative nominale présente des modalités reliées par une structure mathématique d’ordre.
Une variable quantitative discrète prend des valeurs numériques entières et dénombrables.
Une variable quantitative continue peut prendre une infinité de valeurs indénombrables.
Une variable qualitative ordinale possède des modalités pouvant être classées selon un ordre.
Une variable qualitative nominale possède des modalités sans relation d’ordre entre elles.

Une variable quantitative discrète prend des valeurs numériques entières et dénombrables. · Une variable quantitative continue peut prendre une infinité de valeurs indénombrables. · Une variable qualitative ordinale possède des modalités pouvant être classées selon un ordre. · Une variable qualitative nominale possède des modalités sans relation d’ordre entre elles.

Explication

Une variable nominale comporte des modalités différentes sans ordre mathématique entre elles, alors qu’une variable ordinale permet de les ordonner. Les variables discrètes prennent des valeurs entières dénombrables, tandis que les variables continues peuvent prendre une infinité de valeurs, comme le poids.

4. Quel est le principal objectif des statistiques en termes de prise de décision ?

Fournir des outils mathématiques pour évaluer la réfutabilité d’une hypothèse à partir de données.
Comparer deux populations sans utiliser de méthodes statistiques.
Décrire simplement les données sans faire d’inférences.
Calculer des moyennes et des médianes uniquement.

Fournir des outils mathématiques pour évaluer la réfutabilité d’une hypothèse à partir de données.

Explication

Les statistiques offrent principalement des outils permettant de décider si une hypothèse peut être rejetée ou non à partir de données. La description seule ne suffit pas à la prise de décision, contrairement à l'inférence.

5. Les caractéristiques des variables statistiques comprennent :

Une variable quantitative discrète prend des valeurs numériques entières dénombrables.
Une variable ordinale possède des modalités sans possibilité de classement entre elles.
Une variable nominale possède des modalités simplement différentes, sans ordre entre elles.
Une variable ordinale possède des modalités reliées par une relation d’ordre.
Une variable quantitative continue peut prendre une infinité de valeurs, comme le poids.

Une variable quantitative discrète prend des valeurs numériques entières dénombrables. · Une variable nominale possède des modalités simplement différentes, sans ordre entre elles. · Une variable ordinale possède des modalités reliées par une relation d’ordre. · Une variable quantitative continue peut prendre une infinité de valeurs, comme le poids.

Explication

Les variables nominales n’ont pas de relation d’ordre, contrairement aux variables ordinales. Une variable ordinale permet de classer ses modalités, tandis que les variables quantitatives discrètes et continues se distinguent respectivement par des valeurs entières dénombrables et par une infinité de valeurs possibles.

6. Quel est le rôle principal des statistiques dans l'analyse de données ?

Fournir des outils pour décider de la réfutabilité d’une hypothèse à partir de données
Calculer la moyenne et la médiane des données
Représenter graphiquement les données pour une meilleure visualisation
Comparer deux échantillons pour déterminer leur similarité

Fournir des outils pour décider de la réfutabilité d’une hypothèse à partir de données

Explication

Les statistiques offrent des outils permettant de décider si une hypothèse peut être rejetée ou non à partir des données. La représentation graphique ou la comparaison d’échantillons sont des méthodes spécifiques, mais pas leur rôle principal.

7. Quand la notion de paramètres de position a-t-elle été formellement établie dans l'histoire de la statistique ?

Au 17ème siècle, lors des travaux de John Graunt sur la démographie.
Au 21ème siècle, avec l'avènement de l'informatique et des big data.
Au début du 20ème siècle, avec la formalisation des distributions statistiques.
Au 19ème siècle, avec le développement des premières méthodes d'estimation.

Au début du 20ème siècle, avec la formalisation des distributions statistiques.

Explication

La formalisation des paramètres de position, tels que la moyenne, la médiane et le mode, s'est principalement développée au début du 20ème siècle avec la structuration de la statistique moderne. La réponse concernant le début du 20ème siècle est correcte, car c'est à cette période que ces concepts ont été systématisés.

8. En quoi le mode et la médiane diffèrent-ils dans leur manière de représenter un ensemble de données ?

Le mode est la moyenne arithmétique, alors que la médiane est la valeur la plus fréquente.
Le mode indique la valeur la plus fréquente, tandis que la médiane divise les données en deux parties égales.
Le mode et la médiane sont identiques dans une distribution symétrique.
Le mode est la valeur centrale, alors que la médiane est la valeur la plus fréquente.

Le mode indique la valeur la plus fréquente, tandis que la médiane divise les données en deux parties égales.

Explication

Le mode représente la valeur la plus fréquente dans un ensemble, tandis que la médiane est la valeur qui partage l'ensemble en deux parties égales. La différence principale réside dans leur méthode de calcul et leur interprétation.

9. Qui est crédité comme étant à l'origine de la formulation de la loi normale, souvent appelée la courbe de Gauss ?

Pierre-Simon Laplace
André-Marie Ampère
Carl Friedrich Gauss
Johann Carl Friedrich Gauss

Carl Friedrich Gauss

Explication

Carl Friedrich Gauss est crédité comme ayant formulé la loi normale, aussi appelée la courbe de Gauss, qui décrit la distribution de nombreuses variables naturelles. Laplace a également contribué à la théorie des probabilités, mais la loi normale lui est principalement attribuée à Gauss.

10. Quelles sont les principales conséquences de l'utilisation de la loi normale pour l'estimation des probabilités dans une distribution de données ?

Elle ne s'applique qu'aux données qualitatives et non numériques.
Elle élimine la nécessité de recueillir un grand nombre de données.
Elle garantit que toutes les données suivent une distribution symétrique.
Elle permet d'estimer la probabilité qu'une valeur numérique appartienne à un intervalle donné.

Elle permet d'estimer la probabilité qu'une valeur numérique appartienne à un intervalle donné.

Explication

L'utilisation de la loi normale permet d'estimer la probabilité qu'une valeur numérique se trouve dans un intervalle spécifique, ce qui est essentiel pour l'analyse statistique. La loi normale ne garantit pas que toutes les données suivent une distribution symétrique, mais elle est souvent utilisée comme approximation.

Révisez avec les flashcards

Mémorisez les réponses avec 11 flashcards sur Statistiques descriptives et inférentielles.

Quel est le rôle principal des statistiques mathématiques ?

Décider de la réfutabilité d’une hypothèse à partir de données.

Rôle des statistiques

Décider de la réfutabilité d’une hypothèse.

Quelle différence principale existe entre statistique descriptive et inférentielle ?

La descriptive résume les données, l’inférentielle conclut sur une population.

Voir les flashcards →

Approfondir avec la fiche

Consultez la fiche de révision complète sur Statistiques descriptives et inférentielles.

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