Aide aux Devoirs de Statistiques : Statistiques Descriptives, Probabilité et Tests d'Hypothèse
L'aide aux devoirs de statistiques est l'un des sujets mathématiques les plus recherchés au niveau collégial et AP - les étudiants se rendent souvent compte qu'ils ne peuvent pas faire les problèmes qu'ils pensaient comprendre lorsqu'ils se mettent à les résoudre seuls. Les statistiques introduisent un type complètement différent de raisonnement mathématique : au lieu de résoudre une réponse exacte, vous estimez, testez et faites des inférences à partir des données. Ce guide couvre les quatre sujets qui génèrent le plus de demandes d'aide aux devoirs de statistiques : les statistiques descriptives, les règles de probabilité, les tests d'hypothèse et la régression linéaire. Chaque section inclut des exemples résolus avec des nombres réels afin que vous puissiez suivre la méthode du début à la réponse finale, pas seulement lire une liste de formules.
Sommaire
- 01Pourquoi les Devoirs de Statistiques Sont Difficiles — et Où les Étudiants Sont Bloqués
- 02Statistiques Descriptives : Moyenne, Médiane, Mode et Écart-Type
- 03Règles de Probabilité et Exemples Résolus
- 04Tests d'Hypothèse : Le Sujet de Devoirs de Statistiques le Plus Recherché
- 05Régression Linéaire et Corrélation
- 06Erreurs Courantes aux Devoirs de Statistiques et Comment les Éviter
- 07Problèmes de Pratique en Statistiques avec Solutions Complètes
- 08Questions Fréquemment Posées sur l'Aide aux Devoirs de Statistiques
- 09Obtenir Plus d'Aide aux Devoirs de Statistiques Quand Vous Êtes Bloqué
Pourquoi les Devoirs de Statistiques Sont Difficiles — et Où les Étudiants Sont Bloqués
Les statistiques semblent peu familières au début car elles posent une question différente de celle de l'algèbre ou du calcul. Au lieu de demander « quelle est la réponse exacte ? », elles demandent « que suggèrent les données et à quel point en sommes-nous sûrs ? » Ce passage de la pensée déterministe à probabiliste trompe les étudiants qui sont forts en résolution d'équations mais moins à l'aise avec le raisonnement sous l'incertitude. Les trois points d'accrochage les plus fréquents dans l'aide aux devoirs de statistiques sont : la sélection des formules (test z ou test t ? écart-type de la population ou de l'échantillon ?), les erreurs d'interprétation (que signifie une valeur p de 0,03 ? ), et la configuration des calculs (comment établir l'hypothèse nulle et l'hypothèse alternative pour cette situation spécifique ? ). Les étudiants qui ont du mal avec les statistiques descriptives ont généralement juste besoin de ralentir et d'appliquer la formule étape par étape. Les étudiants qui ont du mal avec les tests d'hypothèse ont généralement une lacune conceptuelle sur ce qui est réellement testé. Les deux types de problèmes sont abordés ci-dessous.
La plus grande erreur que font les étudiants en statistiques : confondre « ne pas rejeter H₀ » avec « prouver que H₀ est vrai ». Un test d'hypothèse ne peut que fournir des preuves contre l'hypothèse nulle - il ne peut pas prouver l'hypothèse nulle.
Statistiques Descriptives : Moyenne, Médiane, Mode et Écart-Type
Les statistiques descriptives résument un ensemble de données avec quelques nombres clés. La moyenne, la médiane et le mode décrivent le centre ; l'écart-type et la variance décrivent la dispersion. Savoir quelle mesure utiliser dépend de la forme de la distribution et de la présence de valeurs aberrantes - la moyenne est sensible aux valeurs aberrantes tandis que la médiane ne l'est pas. Cette distinction apparaît aux examens et dans les devoirs de statistiques constamment.
1. Calcul de la moyenne, de la médiane et du mode à partir des données brutes
Ensemble de données : 3, 7, 7, 5, 9, 4, 7, 6, 8, 4 (n = 10). Moyenne : additionnez toutes les valeurs et divisez par n. Somme = 3+7+7+5+9+4+7+6+8+4 = 60. Moyenne x̄ = 60/10 = 6. Médiane : triez d'abord les données. Triées : 3, 4, 4, 5, 6, 7, 7, 7, 8, 9. Avec n = 10 (pair), la médiane est la moyenne des 5e et 6e valeurs. (6+7)/2 = 6,5. Mode : 7 apparaît trois fois - plus que toute autre valeur. Mode = 7. Note clé : la moyenne (6) et la médiane (6,5) sont proches ici, ce qui suggère que la distribution est à peu près symétrique. Si une seule valeur aberrante était ajoutée - disons, 50 - la moyenne sauterait à 10,9 tandis que la médiane ne se déplacerait que légèrement à 7. C'est pourquoi les problèmes de devoirs de statistiques sur les valeurs aberrantes testent toujours si vous choisissez la bonne mesure du centre.
2. Écart-type de l'échantillon étape par étape
En utilisant le même ensemble de données (moyenne = 6) : Étape 1 — Trouvez chaque déviation par rapport à la moyenne (x − x̄). 3−6=−3, 7−6=1, 7−6=1, 5−6=−1, 9−6=3, 4−6=−2, 7−6=1, 6−6=0, 8−6=2, 4−6=−2. Étape 2 — Carrez chaque déviation. (−3)²=9, 1²=1, 1²=1, (−1)²=1, 3²=9, (−2)²=4, 1²=1, 0²=0, 2²=4, (−2)²=4. Étape 3 — Sommez les déviations au carré. 9+1+1+1+9+4+1+0+4+4 = 34. Étape 4 — Divisez par (n−1) pour la variance de l'échantillon. s² = 34/(10−1) = 34/9 ≈ 3,78. Étape 5 — Prenez la racine carrée. s = √3,78 ≈ 1,94. Réponse : écart-type de l'échantillon s ≈ 1,94. Si vous aviez l'ensemble de la population (pas un échantillon), vous diviseriez par n = 10 : σ² = 34/10 = 3,4, σ = √3,4 ≈ 1,84.
3. Écart-type de la population par rapport à celui de l'échantillon — quelle formule utiliser
Utilisez la formule d'échantillon (divisez par n−1) quand : vous avez collecté des données d'un sous-ensemble d'un groupe plus large et souhaitez estimer l'écart-type de la population. Utilisez la formule de population (divisez par n) quand : vous disposez de données pour l'ensemble du groupe d'intérêt et n'estimez rien. Dans la plupart des devoirs de statistiques et des problèmes d'AP Stats, vous travaillez avec un échantillon, donc diviser par n−1 est presque toujours correct. Les calculatrices étiquettent ceux-ci comme Sx (échantillon) et σx (population) - vérifiez toujours lequel vos devoirs exigent avant d'appuyer sur la mauvaise touche.
4. Scores Z : mesurer la distance par rapport à la moyenne
Un score z vous indique combien d'écarts-types une valeur individuelle se situe au-dessus ou au-dessous de la moyenne. Formule : z = (x − μ) / σ. Problème : À un examen de statistiques, les scores sont normalement distribués avec une moyenne μ = 72 et σ = 8. Un étudiant a obtenu 88. Quel est son score z et quel pourcentage d'étudiants a obtenu un score inférieur au sien ? Étape 1 — z = (88 − 72) / 8 = 16/8 = 2,0. Étape 2 — À partir d'un tableau normal standard (z = 2,0) : l'aire à gauche est 0,9772. Réponse : l'étudiant a obtenu un score 2 écarts-types au-dessus de la moyenne et a surpassé environ 97,7 % des étudiants. Les scores z négatifs signifient en dessous de la moyenne ; z = 0 est exactement à la moyenne.
Formule de l'écart-type de l'échantillon : s = √[Σ(x − x̄)² / (n−1)]. Le (n−1) au dénominateur - appelé correction de Bessel - donne une meilleure estimation de la dispersion de la population lorsque vous n'avez qu'un échantillon.
Règles de Probabilité et Exemples Résolus
La probabilité est le langage qui relie les problèmes de devoirs de statistiques à l'incertitude réelle. La plupart des cours de statistiques exigent une maîtrise de quatre règles de probabilité : la règle d'addition, la règle de multiplication, la probabilité conditionnelle et la formule binomiale. Les exemples résolus suivants couvrent les quatre avec des configurations et des solutions concrètes.
1. Règle d'addition : P(A ou B)
La règle générale d'addition : P(A ∪ B) = P(A) + P(B) − P(A ∩ B). Le dernier terme élimine le double comptage. Problème : Un jeu de 52 cartes standard. Quel est P(cœur ou carte de figure) ? P(cœur) = 13/52. P(carte de figure : Valet, Dame, Roi dans chaque couleur) = 12/52. P(cœur et carte de figure : Valet♥, Dame♥, Roi♥) = 3/52. P(cœur ou carte de figure) = 13/52 + 12/52 − 3/52 = 22/52 = 11/26 ≈ 0,423. Cas particulier - événements mutuellement exclusifs : si A et B ne peuvent pas se produire simultanément, P(A ∩ B) = 0, donc P(A ∪ B) = P(A) + P(B). Exemple : P(lancer un 2 ou un 5 sur un seul dé) = 1/6 + 1/6 = 2/6 = 1/3.
2. Règle de multiplication et probabilité conditionnelle
Événements indépendants : P(A ∩ B) = P(A) × P(B). Problème : Lancez un dé équitable deux fois. P(6 sur les deux lancers) = 1/6 × 1/6 = 1/36 ≈ 0,028. Événements dépendants — utilisez la probabilité conditionnelle : P(A ∩ B) = P(A) × P(B|A). Formule de probabilité conditionnelle : P(B|A) = P(A ∩ B) / P(A). Problème : Dans une classe de 30 étudiants, 18 ont réussi l'examen de mathématiques, 12 ont réussi l'examen de sciences et 8 ont réussi les deux. Trouvez P(a réussi les sciences | a réussi les mathématiques). P(les deux) = 8/30. P(a réussi les mathématiques) = 18/30. P(sciences | mathématiques) = (8/30) / (18/30) = 8/18 = 4/9 ≈ 0,444. Interprétation : parmi les étudiants qui ont réussi les mathématiques, environ 44,4 % ont aussi réussi les sciences.
3. Probabilité binomiale : P(exactement k succès en n essais)
La formule binomiale s'applique quand : il y a exactement n essais indépendants, chaque essai aboutit à un succès (probabilité p) ou un échec (1−p), et vous voulez P(exactement k succès). Formule : P(X = k) = C(n,k) × p^k × (1−p)^(n−k), où C(n,k) = n! / [k!(n−k)!]. Problème : Une pièce de monnaie équitable est lancée 5 fois. Quel est P(exactement 3 faces) ? n = 5, k = 3, p = 0,5. C(5,3) = 5!/(3!×2!) = (5×4)/(2×1) = 10. P(X=3) = 10 × (0,5)³ × (0,5)² = 10 × 0,125 × 0,25 = 10 × 0,03125 = 0,3125. Réponse : P(exactement 3 faces) = 31,25 %. Pour P(au moins 3 faces) : P(X≥3) = P(3) + P(4) + P(5) = 0,3125 + 10×(0,5)⁴×0,5 + (0,5)⁵... attendez, P(4) = C(5,4)×(0,5)⁵ = 5/32 ≈ 0,156, P(5) = 1/32 ≈ 0,031. P(X≥3) = 0,3125 + 0,1563 + 0,0313 = 0,500.
Vérification rapide de la probabilité : votre réponse doit être entre 0 et 1 (ou 0 % et 100 %). Si vous obtenez une probabilité négative ou une valeur supérieure à 1, quelque chose dans la configuration est faux — retournez en arrière et vérifiez les erreurs de soustraction ou le double comptage.
Tests d'Hypothèse : Le Sujet de Devoirs de Statistiques le Plus Recherché
Le test d'hypothèse est le sujet unique qui génère le plus de recherches d'aide aux devoirs de statistiques. La procédure semble mécanique sur le papier mais nécessite une interprétation minutieuse à chaque étape. Le cadre est toujours le même : énoncer les hypothèses nulles et alternatives, calculer une statistique de test, comparer à une valeur critique ou une valeur p, et tirer une conclusion en contexte. Ce qui change entre les problèmes est quelle statistique de test vous utilisez — z, t ou chi-carré — et quel type de revendication est testé.
1. Test z à un seul échantillon : écart-type de la population connu
Utilisez un test z quand n ≥ 30 ou quand l'écart-type de la population σ est connu. Problème : Une usine prétend que les boulons ont un diamètre moyen μ = 10 mm avec σ = 0,5 mm. Un inspecteur de qualité mesure n = 36 boulons et trouve x̄ = 10,2 mm. Testez à α = 0,05 si la moyenne diffère de la revendication. Étape 1 — Énoncez les hypothèses. H₀ : μ = 10 ; H₁ : μ ≠ 10 (bilatéral). Étape 2 — Calculez z. z = (x̄ − μ) / (σ/√n) = (10,2 − 10) / (0,5/√36) = 0,2 / (0,5/6) = 0,2 / 0,0833 ≈ 2,40. Étape 3 — Valeur critique. Pour bilatéral α = 0,05 : z_crit = ±1,96. Étape 4 — Décision. |2,40| > 1,96 → rejettez H₀. Étape 5 — Conclusion en contexte. Il y a suffisamment de preuves à α = 0,05 que le diamètre moyen des boulons diffère de 10 mm.
2. Test t à un seul échantillon : écart-type de la population inconnu
Utilisez un test t quand σ est inconnu et vous devez utiliser l'écart-type de l'échantillon s. Problème : Une enseignante prétend que ses étudiants obtiennent une moyenne de 75 sur les tests standardisés. Un échantillon de n = 16 étudiants a x̄ = 71 et s = 8. Testez à α = 0,05. Étape 1 — H₀ : μ = 75 ; H₁ : μ ≠ 75 (bilatéral). Étape 2 — Calculez t. t = (x̄ − μ) / (s/√n) = (71 − 75) / (8/√16) = −4 / (8/4) = −4/2 = −2,00. Étape 3 — Degrés de liberté : df = n − 1 = 15. t critique à α = 0,05 (bilatéral), df = 15 : t_crit = ±2,131. Étape 4 — Décision. |−2,00| = 2,00 < 2,131 → ne rejettez pas H₀. Étape 5 — Conclusion. À α = 0,05, il n'y a pas suffisamment de preuves pour conclure que le score moyen diffère de 75. Note : « ne pas rejeter H₀ » ne signifie PAS « la moyenne est 75 » — cela signifie que les données ne fournissent pas suffisamment de preuves pour dire le contraire.
3. Test d'ajustement du chi-carré
Le test du chi-carré vérifie si les fréquences observées correspondent aux fréquences attendues. Problème : Un dé est lancé 60 fois. Attendu : 10 pour chaque face (uniforme). Fréquences observées : 8, 7, 11, 14, 9, 11. Le dé est-il équitable ? H₀ : le dé est équitable (probabilité égale pour chaque face). H₁ : le dé n'est pas équitable. χ² = Σ (O − E)² / E où O = observé, E = attendu. χ² = (8−10)²/10 + (7−10)²/10 + (11−10)²/10 + (14−10)²/10 + (9−10)²/10 + (11−10)²/10 = 4/10 + 9/10 + 1/10 + 16/10 + 1/10 + 1/10 = 32/10 = 3,2. df = (catégories − 1) = 6 − 1 = 5. χ² critique à α = 0,05, df = 5 : 11,07. Puisque 3,2 < 11,07, ne rejettez pas H₀. Les données ne fournissent pas de preuves significatives que le dé est injuste.
4. Comprendre et rapporter la valeur p
La valeur p est la probabilité d'observer une statistique de test au moins aussi extrême que celle que vous avez calculée, en supposant que H₀ est vrai. Ce n'est PAS la probabilité que H₀ soit vrai. Interprétations correctes : p = 0,03 signifie « si H₀ était vrai, il y a une probabilité de 3 % de voir des données aussi extrêmes ou plus extrêmes ». Règle de décision : si p ≤ α, rejettez H₀. Si p > α, ne rejettez pas H₀. Une valeur p de 0,03 avec α = 0,05 → rejettez H₀ (0,03 < 0,05). Une valeur p de 0,08 avec α = 0,05 → ne rejettez pas H₀ (0,08 > 0,05). Piège courant : une petite valeur p ne signifie pas que l'effet est important ou pratiquement pertinent — cela signifie seulement qu'il est statistiquement significatif. Une étude avec n = 10 000 peut détecter des différences trivialement petites comme « significatives ».
Règle de décision du test d'hypothèse : si p ≤ α, rejettez H₀ et concluez qu'il y a des preuves significatives pour H₁. Si p > α, ne rejettez pas H₀ — vous ne pouvez pas prouver que H₀ est vrai, seulement que les preuves contre lui sont insuffisantes au niveau de signification choisi.
Régression Linéaire et Corrélation
La régression linéaire et la corrélation mesurent comment deux variables quantitatives se rapportent l'une à l'autre et vous permettent de prédire l'une à partir de l'autre. Ces sujets apparaissent en AP Statistics, dans les cours d'introduction aux statistiques collégiales et dans les cours d'analyse de données. Le coefficient de corrélation de Pearson r quantifie la force et la direction d'une relation linéaire ; la ligne de régression des moindres carrés donne l'équation que vous utilisez pour faire des prédictions.
1. Coefficient de corrélation de Pearson r
Ensemble de données : heures d'étude (x) par rapport à score d'examen (y) pour 5 étudiants. x : 2, 3, 4, 5, 6. y : 55, 65, 70, 80, 85. n = 5, x̄ = 4, ȳ = 71. Σx = 20, Σy = 355. Σxy = (2×55)+(3×65)+(4×70)+(5×80)+(6×85) = 110+195+280+400+510 = 1495. Σx² = 4+9+16+25+36 = 90. Σy² = 3025+4225+4900+6400+7225 = 25775. Formule : r = [nΣxy − ΣxΣy] / √[(nΣx² − (Σx)²)(nΣy² − (Σy)²)]. Numérateur : 5×1495 − 20×355 = 7475 − 7100 = 375. Dénominateur : √[(5×90 − 400)(5×25775 − 126025)] = √[(450−400)(128875−126025)] = √[50×2850] = √142500 ≈ 377,5. r = 375/377,5 ≈ 0,993. Interprétation : r = 0,993 indique une relation linéaire positive très forte — les étudiants qui étudient plus d'heures obtiennent des scores considérablement plus élevés.
2. Ligne de régression des moindres carrés
En utilisant les mêmes données (x̄=4, ȳ=71, Σxy=1495, Σx²=90, Σx=20, n=5) : Pente : b = [nΣxy − ΣxΣy] / [nΣx² − (Σx)²] = 375/50 = 7,5. Ordonnée à l'origine : a = ȳ − b×x̄ = 71 − 7,5×4 = 71 − 30 = 41. Équation de régression : ŷ = 41 + 7,5x. Interprétation de la pente : chaque heure d'étude supplémentaire est associée à une augmentation de 7,5 points du score d'examen, en moyenne. Interprétation de l'ordonnée à l'origine : un étudiant qui étudie 0 heure est prédit pour obtenir 41 — mais soyez prudent : cela extrapole au-delà de la plage des données. Prédiction : pour un étudiant qui étudie 7 heures, ŷ = 41 + 7,5×7 = 41 + 52,5 = 93,5 points.
3. Coefficient de détermination r²
r² est le carré du coefficient de corrélation et vous indique quelle proportion de la variabilité en y est expliquée par la relation linéaire avec x. Pour notre exemple : r² = (0,993)² ≈ 0,986. Interprétation : environ 98,6 % de la variation dans les scores d'examen est expliquée par les heures d'étude. Les 1,4 % restants sont dus à d'autres facteurs (capacité à passer des tests, sommeil, etc.). r² varie de 0 (aucune relation linéaire) à 1 (relation linéaire parfaite). Aux devoirs de statistiques, r² est toujours rapporté comme un nombre décimal ou un pourcentage et toujours interprété en contexte — ne déclarez jamais le nombre sans expliquer ce qu'il signifie.
La corrélation n'implique pas la causalité. Même avec r = 0,99, vous ne pouvez pas conclure que l'étude cause des scores plus élevés — il pourrait y avoir une variable de confusion (par exemple, les étudiants qui étudient plus suivent également plus de cours). Incluez toujours cette mise en garde lors de l'interprétation des résultats de régression.
Erreurs Courantes aux Devoirs de Statistiques et Comment les Éviter
Ces erreurs apparaissent dans les devoirs de statistiques notés dans les cours d'introduction et au niveau AP. La plupart des ressources d'aide aux devoirs de statistiques mentionnent la même liste — les connaître avant de soumettre économise des points et évite de réapprendre la même leçon à plusieurs reprises.
1. Utiliser l'écart-type de la population quand l'échantillon est requis
Erreur : diviser par n au lieu de n−1 lors du calcul de l'écart-type à partir d'un échantillon. Résultat : un écart-type légèrement plus petit (sous-estimé). Correction : si les données sont un échantillon d'une population plus grande — ce qui est vrai dans presque tous les problèmes de devoirs de statistiques — utilisez toujours n−1 (correction de Bessel). Sur une calculatrice, utilisez Sx, pas σx. Vérifiez quel est demandé par votre devoir : « écart-type de l'échantillon » → n−1 ; « écart-type de la population » → n.
2. Interpréter la valeur p comme la probabilité que H₀ soit vrai
Erreur : p = 0,04 signifie « il y a 96 % de chances que l'hypothèse alternative soit vraie ». Correct : p = 0,04 signifie « si H₀ était vrai, la probabilité d'obtenir des données aussi extrêmes ou plus extrêmes est de 4 % ». La valeur p ne dit rien directement sur la probabilité que H₀ ou H₁ soit vraie — elle quantifie seulement à quel point les données sont surprenantes sous H₀. Cette mauvaise interprétation apparaît dans environ la moitié des réponses des étudiants aux devoirs de statistiques sur les tests d'hypothèse.
3. Confondre corrélation et causalité
Erreur : « Puisque r = 0,95 entre les ventes de glaces et les décès par noyade, manger de la glace cause la noyade ». Correct : la corrélation mesure l'association, pas la cause. Les deux variables ici sont entraînées par une troisième variable (chaleur estivale). Aux devoirs de statistiques, posez-vous toujours : y a-t-il une variable de confusion plausible ? La relation pourrait-elle être inversée ? Pour une revendication causale, vous avez besoin d'une expérience contrôlée (assignation aléatoire), pas seulement une corrélation à partir de données observationnelles.
4. Choisir z au lieu de t quand σ est inconnu
Erreur : utiliser z = (x̄ − μ) / (σ/√n) quand σ n'est pas donné, substituer s pour σ, et consulter les valeurs critiques du tableau z. Correct : quand σ est inconnu et que vous utilisez s (écart-type de l'échantillon), vous devez utiliser la distribution t avec df = n−1. La distribution t a des queues plus lourdes que la distribution normale, produisant des valeurs critiques plus grandes — ce qui rend plus difficile de rejeter H₀ (de manière appropriée, puisque vous avez plus d'incertitude). À mesure que n augmente (≥ 120), les valeurs t se rapprochent des valeurs z, mais vous devez quand même utiliser t sauf si le problème dit explicitement que σ est connu.
5. Oublier de vérifier les conditions avant d'exécuter un test
Chaque test statistique a des conditions qui doivent être satisfaites pour que les résultats soient valides. Pour les tests z et t : la distribution d'échantillonnage de x̄ doit être approximativement normale, ce qui tient si n ≥ 30 (CLT) ou si la population est connue pour être normale. Pour les tests du chi-carré : tous les effectifs de cellules attendus doivent être ≥ 5 (si un effectif attendu est inférieur à 5, le test n'est pas fiable). Pour la régression : les résidus doivent être approximativement normaux et avoir une variance constante dans la plage de x. Aux questions de réponse libre d'AP Statistics, l'omission d'énoncer et de vérifier les conditions coûte un crédit partiel significatif.
Checklist avant de soumettre les devoirs de statistiques : (1) Ai-je utilisé n−1 pour l'écart-type de l'échantillon ? (2) Ai-je utilisé t (pas z) quand σ est inconnu ? (3) Ai-je interprété p correctement — comme probabilité conditionnelle sous H₀, pas comme probabilité que H₀ soit vrai ? (4) Ai-je vérifié les conditions du test ?
Problèmes de Pratique en Statistiques avec Solutions Complètes
Travaillez à travers ces cinq problèmes du plus facile au plus difficile. La forme la plus efficace d'aide aux devoirs de statistiques est la pratique structurée qui reproduit les conditions d'examen — tentez chaque problème avant de lire la solution.
1. Problème 1 (Débutant) : Statistiques descriptives
Ensemble de données : 12, 15, 11, 18, 14, 11, 16, 13. Trouvez la moyenne, la médiane et le mode. Solution : Somme = 12+15+11+18+14+11+16+13 = 110. Moyenne = 110/8 = 13,75. Triées : 11, 11, 12, 13, 14, 15, 16, 18. Médiane = (13+14)/2 = 13,5. Mode = 11 (apparaît deux fois). Étendue = 18 − 11 = 7.
2. Problème 2 (Débutant) : Score z et distribution normale
Les hauteurs des hommes adultes sont normalement distribuées avec μ = 70 pouces et σ = 3 pouces. (a) Quel pourcentage d'hommes sont plus grands que 76 pouces ? (b) Quel est le score z pour un homme qui mesure 64 pouces ? Solution : (a) z = (76 − 70)/3 = 2,0. P(z > 2,0) = 1 − 0,9772 = 0,0228 = 2,28 %. Environ 2,28 % des hommes sont plus grands que 76 pouces. (b) z = (64 − 70)/3 = −6/3 = −2,0. Une hauteur de 64 pouces est 2 écarts-types en dessous de la moyenne.
3. Problème 3 (Intermédiaire) : Probabilité binomiale
Un test à choix multiples a 10 questions, chacune avec 4 choix. Un étudiant devine au hasard sur chaque question. (a) Quelle est la probabilité d'obtenir exactement 3 réponses correctes ? (b) Quel est le nombre attendu de réponses correctes ? Solution : n = 10, p = 0,25, k = 3. (a) C(10,3) = 120. P(X=3) = 120 × (0,25)³ × (0,75)⁷ = 120 × 0,015625 × 0,1335 = 120 × 0,002086 ≈ 0,2503 = 25,0 %. (b) Valeur attendue E(X) = n × p = 10 × 0,25 = 2,5 réponses correctes.
4. Problème 4 (Intermédiaire) : Concept de test t à deux échantillons
Groupe A (n = 20, x̄ = 84, s = 6) et Groupe B (n = 20, x̄ = 79, s = 8). À α = 0,05, y a-t-il des preuves que les groupes diffèrent ? Configuration : H₀ : μ_A = μ_B ; H₁ : μ_A ≠ μ_B. Erreur standard groupée : SE = √[(s_A²/n_A) + (s_B²/n_B)] = √[(36/20) + (64/20)] = √[(1,8 + 3,2)] = √5 ≈ 2,236. t = (84 − 79) / 2,236 = 5 / 2,236 ≈ 2,24. df ≈ 19 (estimation conservatrice). t critique à α = 0,05, df = 19 (bilatéral) : 2,093. Puisque 2,24 > 2,093, rejettez H₀. Il y a des preuves significatives à α = 0,05 que les moyennes des groupes diffèrent.
5. Problème 5 (Avancé) : Intervalle de confiance pour une moyenne
Un échantillon de n = 25 étudiants a x̄ = 82 et s = 10. Construisez un intervalle de confiance de 95 % pour le score moyen de la population. Formule : IC = x̄ ± t* × (s/√n), où t* est la valeur critique t pour df = 24 à 95 % de confiance. t* ≈ 2,064 (à partir du tableau t, df = 24). Marge d'erreur = 2,064 × (10/√25) = 2,064 × 2 = 4,128. IC = 82 ± 4,128 = (77,87, 86,13). Interprétation correcte : « Nous sommes confiants à 95 % que le score moyen vrai de la population se situe entre 77,87 et 86,13 ». Interprétation incorrecte : « Il y a 95 % de probabilité que la moyenne de la population soit dans cet intervalle ». La moyenne est fixe — elle est soit dans l'intervalle, soit elle ne l'est pas. Le 95 % se réfère à la performance à long terme de cette méthode : 95 % des intervalles construits de cette manière captureront la vraie moyenne.
Questions Fréquemment Posées sur l'Aide aux Devoirs de Statistiques
Ce sont les questions qui reviennent le plus souvent quand les étudiants recherchent l'aide aux devoirs de statistiques en ligne ou visitent des centres de tutorat.
1. Quelle est la différence entre un test z et un test t ?
Utilisez un test z quand : l'écart-type de la population σ est connu (donné dans le problème), OU n ≥ 30 et vous êtes à l'aise pour approximer la distribution d'échantillonnage comme normale. Utilisez un test t quand : σ est inconnu et vous devez utiliser l'écart-type de l'échantillon s, OU n < 30. La distinction pratique clé : les tests z utilisent une valeur critique fixe (z = 1,96 pour 95 % de confiance) tandis que les tests t utilisent une valeur critique qui dépend des degrés de liberté et devient plus grande à mesure que df diminue. Pour n large (≥ 120), les valeurs critiques t et z sont presque identiques.
2. Comment calculer une valeur p sans tableau ?
Pour un test z : une fois que vous avez la statistique z, la valeur p est l'aire dans le(s) queue(s) de la distribution normale standard au-delà de ce z. Pour z = 2,0 (bilatéral) : p = 2 × P(z > 2,0) = 2 × (1 − 0,9772) = 2 × 0,0228 = 0,0456. Pour un test t : sans logiciel, utilisez un tableau t pour trouver entre quelles deux valeurs critiques votre statistique t se situe, ce qui vous donne la plage pour p (par exemple, 0,02 < p < 0,05). Aux examens d'AP Statistics, rapporter p comme une plage (plutôt qu'une décimale exacte) est acceptable tant que votre conclusion est correcte.
3. Qu'est-ce exactement qu'un intervalle de confiance ?
Un intervalle de confiance donne une plage de valeurs plausibles pour un paramètre de population inconnu. Le 95 % dans « intervalle de confiance de 95 % » signifie : si vous répétiez la procédure d'échantillonnage plusieurs fois et calculs un IC à chaque fois, 95 % de ces intervalles contiendraient le vrai paramètre. Idée fausse courante : le 95 % ne signifie pas « il y a 95 % de probabilité que la vraie moyenne soit dans CET intervalle spécifique ». La vraie moyenne est fixe — elle est soit dans l'intervalle, soit elle ne l'est pas. La distinction importe aux questions de réponse libre d'AP Stats où l'interprétation est explicitement notée.
4. Quand dois-je utiliser un test du chi-carré par rapport à un test t ?
Utilisez un test t (ou test z) quand : vous comparez des moyennes (données numériques) — par exemple, le score moyen de test pour deux groupes est-il le même ? Utilisez un test du chi-carré quand : vous analysez des fréquences ou des comptages dans les catégories (données catégoriques) — par exemple, y a-t-il une association entre le genre et la méthode d'étude préférée ? Le type de données détermine le choix du test : variable numérique continue → test t ou test z ; données de comptage ou fréquences dans les cellules → chi-carré. Utiliser un test t sur les données de comptage ou un test du chi-carré sur les moyennes est une erreur de configuration fondamentale.
Obtenir Plus d'Aide aux Devoirs de Statistiques Quand Vous Êtes Bloqué
Quand vous rencontrez un obstacle sur un problème de devoir de statistiques, l'étape de récupération la plus efficace est d'identifier lequel des trois points de défaillance vous bloque : sélection de formule, erreur de calcul ou interprétation. Pour les problèmes de sélection de formules — z vs. t, corrélation vs. régression, quel test du chi-carré — écrivez le type de données que vous avez (numériques ou catégoriques), combien de groupes vous comparez et si le paramètre de population est connu. Ce filtre à trois questions réduit votre choix de test à une ou deux options presque à chaque fois. Pour les erreurs de calcul — la source la plus courante est l'arithmétique dans la chaîne variance/écart-type. Revérifiez si vous avez divisé par n ou n−1, et si vous avez pris la racine carrée de la variance pour obtenir l'écart-type. Pour les problèmes d'interprétation — ceux-ci concernent souvent la formulation. Relisez l'énoncé du problème et demandez-vous ce que la question demande spécifiquement. Une question qui dit « y a-t-il des preuves que... » demande une conclusion de test d'hypothèse, pas une probabilité. Les devoirs de statistiques nécessitent plus de relecture que la plupart des sujets mathématiques car les mêmes nombres peuvent répondre à de nombreuses questions différentes selon la façon dont elles sont formulées. Quand vous avez besoin d'aide aux devoirs de statistiques sur un problème spécifique, Solvify peut parcourir n'importe quel calcul étape par étape — de l'écart-type aux tests d'hypothèse — et expliquer pourquoi chaque étape fonctionne, ce qui est utile quand vous avez besoin de comprendre la méthode, pas seulement vérifier la réponse.
Le moyen le plus rapide de se débloquer sur les devoirs de statistiques : identifiez si votre problème est un problème de formule, un problème de calcul ou un problème d'interprétation. Chacun nécessite une correction différente — vous ne pouvez pas vous sortir d'une mauvaise compréhension conceptuelle avec l'algèbre.
Articles connexes
Aide aux Devoirs de Biologie : Génétique, Écologie et Biologie Cellulaire
Les devoirs de biologie utilisent des tests du chi-carré, la probabilité et les équations de croissance de la population — le même raisonnement statistique couvert dans ce guide statistique.
Aide aux Devoirs de Calcul : Dérivées, Intégrales et Limites
Le calcul et les statistiques sont souvent suivi ensemble — ce guide couvre les concepts de calcul qui apparaissent aux côtés des statistiques dans les cours STEM.
Conseils pour le Test SAT de Mathématiques : Stratégies pour Chaque Type de Question
La section mathématiques du SAT comprend des problèmes d'analyse de données et de statistiques — ces conseils vous aident à les résoudre efficacement dans le délai imparti.
Solveurs mathématiques
Solveur Smart Scan
Prenez une photo de n'importe quel problème de devoir de statistiques et obtenez une solution instantanée étape par étape.
Solutions Étape par Étape
Obtenez des explications détaillées pour chaque étape des calculs d'écart-type, des tests d'hypothèse et de régression.
Tuteur de Mathématiques IA
Posez des questions de suivi sur n'importe quel concept statistique et obtenez des explications personnalisées pour les valeurs p, les intervalles de confiance et plus.
Matières connexes
Aide au Calcul
Dérivées, intégrales et limites — les cours de calcul qui accompagnent souvent les statistiques dans les séquences mathématiques collégiales.
Fondements de l'Algèbre
Des compétences solides en algèbre sont nécessaires pour la manipulation de formules en statistiques — ce guide couvre les bases.
Biologie avec Analyse de Données
Les cours de biologie utilisent des tests du chi-carré, la probabilité et les équations de population — des compétences statistiques qui se transfèrent directement à partir de ce guide.