32 CHAPITRE 2. STATISTIQUE DESCRIPTIVE∑n = 10;x i = 55; ∑ x 2 i = 385;∑iiy i = 133; ∑ yi 2 = 2111;∑iix i y i = 899iD’où„ P∑(x i − x) 2 = ∑ x 2 i − iii„ P∑(y i − y) 2 = ∑ yi 2 − iiix i« 2ny i« 2∑(x i − x)(y i − y) = ∑ x i y i −∑ii(x i − x) 2 = 82, 5∑i(y i − y) 2 = 342, 1∑i(x i − x)(y i − y) = 167, 5in„ «„ «P Px i y iiiDonc la droite de régression des moindres carrés de y en x est y = ˆβ 0 + ˆβ 1 xAvecˆβ 0 = 2,1333 ; ˆβ 1 = 2,0303 ; r(x,y) = 0,9970.Si on applique directement les relations matricielles, on obtient :n⎛y = ⎜⎝46.22⎞⎟⎠ ;t XX =( 10 5555 385⎛ ⎞1 1X = 1 2⎜ ⎟⎝ . . ⎠1 10) ( );t 133Xy =899L’équation normale est alors {10β0 + 55β 1 = 13355β 0 + 385β 1 = 899d’où la solution6.2 Exercices avec indicationsExercice 6.2.1. Le tableau suivant donne les revenus imposables des Français en 1970.ClassesFréquences relatives[2500 ;5000[ 0.0067[5000 ;10000[ 0.3018[10000 ;15000[ 0.2750[15000 ;20000[ 0.1709[20000 ;30000[ 0.1445[30000 ;50000[ 0.0701[50000 ;70000[ 0.0166[70000 ;100000[ 0.0081[100000 ;200000[ 0.0051[200000 ;400000[ 0.0010(i) tracer l’histogramme de ces données pour les revenus allant de 0 à 7000.Indications Attention les intervalles de classes ne sont pas constants.Exercice 6.2.2. On désire tester n produits. On fait appel à 2 goûteurs <strong>et</strong> on leur demande de classer ces nproduits. Nous avons donc à notre disposition une série statistique double :x 1 , x 2 , . . . , x ny 1 , y 2 , . . . , y n
6. EXERCICES 33avec :{x 1 , x 2 , . . . , x n } = {y 1 , y 2 , . . . , y n } = {1, 2, . . . , n}On appelle coefficient de Spearman le coefficient de corrélation linéaire :r s =cov(x, y)s x s y(i) Montrer queoù d i = x i − y i .(ii) Que signifie r s = 1, r s = −1, r s = 0 ?r s = 1 − 6 ∑ ni=1 d2 in(n 2 − 1)Indication(i) On rappelle que la somme des n premiers entiers est égale à n(n + 1)/2 <strong>et</strong> que la somme des carrés des npremiers entiers est égale à n(n + 1)(2n + 1)/6.On calculera SCE x en fonction de nExercice 6.2.3. Dans une solution aqueuse contenant un polluant, on plonge un solide absorbant (charbon actifsous forme de tissu) qui “ capture ” une partie des molécules de la substance polluante. Au bout d’un certaintemps, le système est à l’équilibre : Chaque point d’équilibre est caractérisé par la concentration à l’équilibreC e <strong>et</strong> la quantité de polluant absorbé par unité de masse de charbon actif, q e . A une température donnée, onpeut mesurer différents points sur une courbe (C e , q e ) dite isotherme d’adsorption. Le tableau suivant fournitl’isotherme d’adsorption de l’aniline à 25 ◦ C (Faur-Brasqu<strong>et</strong>, 1998).C e(mg/l)q e(mg/g)72 57,7 38,5 21,3 13,1 6,9 3,9 1,2232,5 211 192 163,4 136,7 116,3 96,2 61,9Étudier la liaison entre q e <strong>et</strong> C e en supposant que les incertitudes expérimentales sur C e sont négligeablesdevant celles sur q e . On fera le graphique en “ nuage de points ” des valeurs de q e en fonction des valeurs de C e .On étudiera ensuite les deux modèles suivants :Modèle de Langmuirq e = qmbCe1+bC eModèle de Freundlich q e = KC 1/nePour chacun des deux modèles, on estimera les paramètres du modèle (q m <strong>et</strong> b, K <strong>et</strong> n) par régression linéairesimple sur des variables “ modifiées ”.Conclure sur “ l’adéquation ” des 2 modèles proposés.IndicationsOn prendra pour le modèle de Langmuir les variables x L = 1/C e <strong>et</strong> y L = 1/q e <strong>et</strong> pour le modèle de Freundlichles variables x F = ln C e <strong>et</strong> y F = ln q e . On donne∑i x Li = 1.4151 ∑ i y Li = 0, 0628 ∑ i x2 Li = 0.7904 ∑ i x Liy L i = 0, 0185∑i x F i = 21, 0887 ∑ i y F i = 39, 5204 ∑ i x2 F i = 69, 6526 ∑ i x F iy F i = 108, 59256.3 Exercices sans indicationsExercice 6.3.1. Pour une élection où il y a trois candidats, on désire savoir si les femmes <strong>et</strong> les hommes ont lemême comportement. C’est-à-dire si les populations des hommes <strong>et</strong> des femmes sont homogènes pour ce critère.On réalise pour cela un sondage sur 200 hommes <strong>et</strong> 100 femmes <strong>et</strong> on a obtenu les données de la table 6.3.1(i) Calculer les profils colonnes ;(ii) Réaliser le graphique adapté à ces données.Exercice 6.3.2. Dix répétitions d’une mesure de plomb ont été effectuées par spectrophotométrie d’absorptionatomique sur 10 échantillons indépendants. la table 6.3.2 suivant rassemble les valeurs trouvées.