QCM : Variables continues et lois associées — 10 questions

Questions et réponses du QCM

1. Quelle est la caractéristique principale d'une variable aléatoire continue ?

Elle peut prendre n'importe quelle valeur dans un intervalle ou un ensemble infini non dénombrable.
Sa probabilité de prendre une valeur précise est toujours égale à 1.
Elle ne possède pas de densité de probabilité associée.
Elle ne peut prendre qu'un nombre fini de valeurs précis.

Elle peut prendre n'importe quelle valeur dans un intervalle ou un ensemble infini non dénombrable.

Explication

Une variable aléatoire continue peut prendre n'importe quelle valeur dans un intervalle ou un ensemble infini non dénombrable, ce qui la distingue des variables discrètes. La densité de probabilité est une fonction qui caractérise cette variable, mais la définition principale concerne le fait qu'elle peut prendre toutes les valeurs dans un continuum.

2. En quoi la fonction densité de probabilité et la fonction de répartition d'une variable continue diffèrent-elles principalement dans leur nature et leur rôle?

La densité f(x) est une fonction discrète, alors que FX(x) est une fonction continue.
La densité f(x) donne la probabilité précise que X prenne une valeur exacte, tandis que FX(x) donne la probabilité que X soit inférieure ou égale à x.
La densité f(x) est une fonction croissante, tandis que FX(x) est toujours décroissante.
La densité f(x) est toujours dérivable, alors que FX(x) n'est jamais continue.

La densité f(x) donne la probabilité précise que X prenne une valeur exacte, tandis que FX(x) donne la probabilité que X soit inférieure ou égale à x.

Explication

La densité f(x) n'attribue pas de probabilité à une valeur précise (probabilité nulle pour une valeur ponctuelle dans le cas d'une variable continue), mais décrit la 'densité' instantanée. La fonction de répartition FX(x) cumule ces densités pour donner la probabilité que X soit inférieur ou égal à x. La différence essentielle réside dans leur rôle : la densité est une fonction instantanée, la répartition une probabilité cumulée.

3. Quelle est la conséquence de la propriété de continuité et de croissance de la fonction de répartition FX(x) d'une variable continue ?

FX(x) est décroissante, ce qui est caractéristique d'une distribution discrète.
FX(x) est discontinue, ce qui reflète une distribution discrète.
FX(x) n'est pas bornée, ce qui montre une distribution infinie.
FX(x) est continue et croissante, indiquant une distribution continue.

FX(x) est continue et croissante, indiquant une distribution continue.

Explication

La propriété que FX(x) est continue et croissante est directement liée au fait que X est une variable continue, ce qui implique que la fonction de répartition ne présente pas de sauts et reflète une distribution continue.

4. Qui a formulé la loi normale telle qu’elle est connue aujourd'hui ?

Pierre-Simon Laplace
Carl Friedrich Gauss
Leonhard Euler
Isaac Newton

Carl Friedrich Gauss

Explication

La loi normale a été formulée par Carl Friedrich Gauss, qui l'a introduite dans ses travaux sur la méthode des moindres carrés. Cette loi est aussi appelée la loi de Gauss en son honneur. Les autres scientifiques ont travaillé dans des domaines connexes mais ne sont pas à l’origine de la formule de la loi normale.

5. Quand la formalisation moderne de la théorie des variables discrètes a-t-elle été établie dans le cadre de la théorie de la probabilité ?

En 1933, avec la publication de l'axiomatisation de Kolmogorov
En 1838, avec l'introduction de la loi binomiale
En 1733, avec la publication de la loi de Bernoulli
Dans les années 1950, avec l'essor de la statistique moderne

En 1933, avec la publication de l'axiomatisation de Kolmogorov

Explication

La formalisation moderne de la théorie des variables discrètes dans le cadre rigoureux de la théorie de la probabilité a été établie par Kolmogorov en 1933, qui a publié ses axiomes fondamentaux. Les autres dates correspondent à des étapes importantes mais antérieures ou postérieures, comme Bernoulli en 1733 ou la loi binomiale en 1838.

6. Quelle caractéristique fondamentale définit une densité marginale dans le contexte des variables continues ?

Elle est toujours constante sur tout l’espace de définition.
Elle est positive, intégrable, et sa fonction de répartition est continue, croissante, et limite à 0 en -∞ et 1 en +∞, obtenue par intégration de la densité conjointe.
Elle est obtenue par dérivation de la densité conjointe.
Elle est une fonction discontinue qui limite à 0 en -∞ et 1 en +∞.

Elle est positive, intégrable, et sa fonction de répartition est continue, croissante, et limite à 0 en -∞ et 1 en +∞, obtenue par intégration de la densité conjointe.

Explication

La densité marginale est obtenue en intégrant la densité conjointe sur toutes les autres variables. Elle doit être positive, intégrable, et sa fonction de répartition doit être continue, croissante, et tendant vers 0 en -∞ et 1 en +∞. Ces propriétés assurent qu’elle caractérise une vraie distribution marginale.

7. Qui a formulé la définition moderne de l'indépendance entre deux variables aléatoires dans le cadre de la théorie de la probabilité ?

Pierre-Simon Laplace en 1820
Carl Friedrich Gauss en 1809
Andrey Kolmogorov en 1933
Ronald Fisher en 1925

Andrey Kolmogorov en 1933

Explication

Andrey Kolmogorov est le mathématicien qui a formalisé la notion d'indépendance dans sa théorie axiomatique de la probabilité en 1933. Les autres figures sont importantes en statistique ou en mathématiques, mais n'ont pas défini cette propriété dans le contexte moderne de la théorie de la probabilité.

8. Comment calculer l'espérance de la somme de deux variables aléatoires indépendantes X et Y ?

En multipliant E(X) par E(Y)
En additionnant simplement E(X) et E(Y)
En soustrayant E(Y) de E(X)
En divisant E(X) par E(Y)

En additionnant simplement E(X) et E(Y)

Explication

L'espérance de la somme de deux variables indépendantes X et Y est la somme de leurs espérance respectives : E(X + Y) = E(X) + E(Y). Cela découle de la linéarité de l'espérance, qui ne nécessite pas d'indépendance, mais l'indépendance garantit que la distribution de la somme peut aussi être analysée par convolution.

9. Quel est le rôle principal de la variance et de la covariance dans l'étude des variables aléatoires ?

La variance mesure la dépendance entre deux variables, et la covariance quantifie la dispersion autour de la moyenne.
La variance mesure la tendance centrale d'une variable, et la covariance indique la qualité de la corrélation.
La variance et la covariance servent uniquement à calculer des intervalles de confiance pour les estimations.
La variance quantifie la dispersion d'une variable autour de son espérance, et la covariance mesure la dépendance linéaire entre deux variables.

La variance quantifie la dispersion d'une variable autour de son espérance, et la covariance mesure la dépendance linéaire entre deux variables.

Explication

La variance est une mesure de la dispersion d'une seule variable autour de son espérance, tandis que la covariance quantifie la dépendance linéaire entre deux variables. Ces deux mesures sont fondamentales en statistique pour analyser la variabilité et la relation entre variables.

10. Comment peut-on définir la loi normale en termes de sa densité de probabilité ?

C'est une loi caractérisée par une densité en forme de cloche, paramétrée par sa moyenne et sa variance.
C'est une loi dont la densité est constante sur tout l'intervalle réel.
C'est une loi discrète avec une fonction de masse de probabilité à valeurs entières.
C'est une loi dont la densité est décroissante exponentielle à partir de la moyenne.

C'est une loi caractérisée par une densité en forme de cloche, paramétrée par sa moyenne et sa variance.

Explication

La loi normale est définie par une densité en forme de cloche, symétrique et paramétrée par la moyenne m et la variance σ². La densité spécifique est donnée par la formule f(x) = (1 / (σ√2π)) exp(- (x - m)² / (2σ²)), ce qui en fait une loi continue caractéristique.

Révisez avec les flashcards

Mémorisez les réponses avec 20 flashcards sur Variables continues et lois associées.

Variables aléatoires continues — définition ?

Variables pouvant prendre n'importe quelle valeur dans un intervalle.

Ensemble DX — rôle ?

Ensemble infini non dénombrable des valeurs possibles.

Fonction densité — propriété ?

Fonction positive, intégrable, avec intégrale totale 1.

Voir les flashcards →

Approfondir avec la fiche

Consultez la fiche de révision complète sur Variables continues et lois associées.

Voir la fiche →

Cours similaires

Actions et mouvement

Physique

Gel pour les veines

Grandeurs composées et conversions

Mathématiques

Réciproque de Pythagore

Mathématiques

Réussir ses études efficacement

Les émotions humaines

Crée tes propres QCM

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

Générateur de QCM