16: Statistiques

16


Statistiques



ÉNONCÉS



Chapitre 9 – Statistique descriptive et éléments de métrologie



Exercices






QCM



1   Déshydratation en pédiatrie (chapitre 9)



Une enquête est menée pour évaluer l’intérêt d’une formation spécifique des internes de pédiatrie à la prise en charge des syndromes de déshydratation aiguë de l’enfant. Pour cela, 25 internes ayant reçu cette formation ont été comparés à 27 internes ne l’ayant pas encore reçue. Les dossiers de 245 enfants arrivant aux urgences avec une suspicion de déshydratation aiguë ont été rétrospectivement analysés sur des critères de pertinence du diagnostic, de la prise en charge thérapeutique et du suivi de l’enfant. Chaque dossier était noté sur seize critères aboutissant à un score de 0 à 16. Sur ces 245 dossiers, 131 correspondaient à une prise en charge par les internes ayant reçu la formation et 114 par les internes n’ayant pas encore reçu cette formation. Les résultats sont les suivants




image








2   Étude du LDH (chapitre 9)



On étudie la concentration de lactate déshydrogénase (LDH) dans le sang de 100 patients. Les résultats sont exprimés sous la forme d’un rapport entre la valeur mesurée et la borne supérieure des valeurs normales du laboratoire ayant effectué l’analyse RapLDH = LDHmes/LDHnorm. Les résultats sont les suivants




image








Chapitre 10 – Estimation



Exercices



1   Volumes d’ampoules (chapitre 10)




Calculs intermédiaires : imageimage



1.1. Dans ces calculs de sommes intermédiaires, quelle est la contribution de la classe [1,94 ; 1,98[ ?


1.2. Calculer le volume vm moyen des ampoules dans l’échantillon.


1.3. Calculer une estimation ponctuelle s de l’écart-type σ.


1.4. En déduire une estimation par intervalle de confiance (IC) au risque 10 % de μ.


1.5. Quelle taille d’échantillon fallait-il prendre, pour que, cette estimation soit donnée, pour ce risque 10 %, avec une précision (c’est la demi-largeur de l’IC) de 0,003 mL. (On supposera que les estimations ponctuelles de μ et de σ seront inchangées dans ce nouvel échantillon.)


1.6. Un autre prélèvement sur un échantillon de seize ampoules donne une réalisation de vm = 1,98 mL et une estimation de σ égale à 0,06 mL. Quelle serait dans ces conditions l’estimation par IC au risque 5 % de μ ?(Faites l’hypothèse nécessaire à la construction de cet IC.)


1.7. À partir de l’échantillon de la question 1.6 peut-on dire au risque 5 % que la production est conforme à la norme du volume de 2 mL de soluté ?




3   Intervalles de confiance (chapitre 10)




3.1. Rappelez la formule de l’intervalle de confiance d’une espérance, lorsque l’écart-type est inconnu, en admettant une distribution gaussienne des valeurs – on note m la moyenne (l’estimation ponctuelle de l’espérance μ), s l’estimation ponctuelle de l’écart-type et n la taille de l’échantillon.


    Dans cet exercice, nous montrerons que cet intervalle possède une propriété intéressante : celle de la largeur minimale.


    On se propose pour cela de construire un autre intervalle en répartissant le risque α de faire confiance à tort de façon asymétrique. On pose α1 = fα, avec 0 ≤ f ≤ 1 et α2 = (1 – f)α.


3.2. Montrez que image est un intervalle de confiance de μ au risque α, avec tp le quantile d’ordre p d’une loi de Student à n – 1 degrés de liberté. Quelle est la largeur de cet intervalle ?


3.3. Exprimez cette largeur en fonction de la fonction de répartition d’une loi de Student à n – 1 degrés de liberté. En déduire son expression en fonction de la réciproque de cette fonction de répartition et de f.


3.4. En utilisant la formule donnant la dérivée d’une fonction réciproque (voir chapitre 1), calculez la dérivée de la largeur de l’intervalle en fonction de f.


3.5. On rappelle que la densité de probabilité d’une loi de Student est une fonction paire et que sa fonction de répartition vérifie F(– x) = 1 – F(x), du fait de la symétrie de cette loi (voir chapitre 7). Pour quelle valeur de f la largeur est-elle minimale ? En déduire que l’intervalle de largeur minimale est celui vu en cours.




4   Aires sous la courbe (chapitre 10)



Lorsque l’on étudie les propriétés d’un médicament, un paramètre important est l’aire sous la courbe (AUC), définie comme l’aire sous la courbe donnant les concentrations plasmatiques C(t) du médicament en fonction du temps (AUC =imageC(t) dt ; voir aussi chapitre 1). Nous allons nous intéresser dans cet exercice à l’estimation de l’aire sous la courbe moyenne à partir des valeurs estimées sur n patients


L’expérience montre qu’en général, le logarithme des aires sous la courbe suit une loi normale, de paramètres μ et σ.




On réalise la mesure de l’aire sous la courbe chez huit patients ; les résultats sont donnés dans le tableau suivant




image





QCM



1   Cancer de la gorge (chapitre 10)



En Suisse, pour les malades atteints de cancers de la gorge (5 % des cancers de l’adulte), 40 % présentent un cancer du larynx et 60 % un cancer du pharynx. Une étude est menée en France afin d’estimer ces proportions. En France, sur 1 000 adultes atteints d’un cancer, 45 sont porteurs d’un cancer de la gorge. Parmi eux 18 présentent un cancer du larynx et 27 un cancer du pharynx








3   Vaccin contre la grippe (chapitre 10)



Lors d’un essai clinique visant à étudier l’efficacité d’un vaccin contre la grippe, 30 sujets ont été inclus : 15 dans le groupe recevant le vaccin, 15 dans le groupe recevant un placebo. Dans le groupe placebo, 12 patients ont attrapé la grippe ; dans le groupe vacciné, 7 l’ont attrapée





3.3 Quel est l’intervalle de confiance à 95 % de cette probabilité, et quels sont les commentaires corrects ?


Stay updated, free articles. Join our Telegram channel

May 9, 2017 | Posted by in GÉNÉRAL | Comments Off on 16: Statistiques

Full access? Get Clinical Tree

Get Clinical Tree app for offline access