Exercices de Statistiques

1. Ajustement d’une droite

On cherche à ajuster, par régression linéaire, la droite d’équation y =
β0 + β1 x aux données suivantes :

x y
1 2
2 4
3 5
(a) Tracer les points et vérifier qu’ils sont approximativement alignés.
(b) Calculer les estimations b0 et b1 des paramètres β0 et β1 par la
méthode matricielle (pour éviter les erreurs d’arrondi, on pourra
exprimer les résultats sous forme de fractions).
(c) Calculer les sommes de carrés d’écarts SSt , SSe , SSr et vérifier
l’équation d’analyse de la variance.
(d) Donner des valeurs décimales approchées (3 à 4 chiffres signifi-
catifs) pour le coefficient de détermination r2 et le coefficient de
corrélation r
(e) Calculer la variance résiduelle Vr , l’écart-type résiduel sr et le
rapport de variances F . Donner une valeur approchée de sr avec
2 chiffres significatifs.
(f) Calculer les écart-types (s0 , s1 ) des paramètres de la droite. Don-
ner des valeurs approchées avec 2 chiffres significatifs.
(g) Donner la présentation des résultats sous la forme :

y = (b0 ± s0 ) + (b1 ± s1 )x

n = ··· r2 = · · · r = ··· sr = · · · F = ···

(h) Calculer le coefficient de corrélation r01 entre les paramètres esti-
més. Comment interpréter le résultat ?

1
2. Dosage chromatographique
Lors de l’étalonnage d’une méthode chromatographique, on a obtenu
les données suivantes, où x désigne la quantité de produit dosé et y la
réponse du détecteur (en unités arbitraires).

x 0,8 1,6 2,4 3,2 4

y 0,377 0,68 0,893 1,155 1,3

A l’aide du logiciel WinReg, on a modélisé la courbe d’étalonnage,

soit par une droite, soit par un polynôme du deuxième degré, afin de
déterminer quel est le modèle le plus approprié.
(a) Régression linéaire : y = β0 + β1 x

Param. Valeur E.type t Student Prob(>|t|)

b0 0.1847 0.0488 3.7851 0.0323
b1 0.2901 0.0184 15.7755 0.0006

n = 5 ; sr = 0.047 ; r = 0.994 ; r2 = 0.988 ; F = 249 ; Prob(> F ) = 0.0006

y
1.4
b

1.2 b

1
b
0.8
b
0.6
0.4 b

0.2
0
0 1 2 3 4 5
x

Ecrire l’équation de la droite sous la forme conseillée.

Soit l’hypothèse nulle : β0 = 0. Peut-on rejeter cette hypothèse ? A
quel risque ? Ce résultat est-il compatible avec ce que l’on attend
d’une courbe d’étalonnage ?

2
(b) Régression polynomiale : y = β0 + β1 x + β2 x2

Param. Valeur E.type t Student Prob(>|t|)

b0 0.0512 0.0568 0.9017 0.4624
b1 0.4332 0.0541 8.0082 0.0152
b2 -0.0298 0.0111 -2.6953 0.1145

n = 5 ; sr = 0.027 ; r = 0.999 ; r2 = 0.997 ; F = 388 ; Prob(> F ) = 0.0026

y
1.4
b

1.2 b

1
b
0.8
b
0.6
0.4 b

0.2
0
0 1 2 3 4 5
x

Ecrire l’équation de la courbe sous la forme conseillée.

Tester à nouveau l’hypothèse nulle : β0 = 0
Soit l’hypothèse nulle : β2 = 0 Peut-on rejeter cette hypothèse ?
A quel risque ?
(c) Comparaison des deux modèles
Comparer les critères statistiques des 2 modèles (coefficients de
détermination, écart-type résiduel, rapport de variance).
Au vu des résultats et de ceux des questions précédentes, quel
modèle choisiriez-vous pour représenter la courbe d’étalonnage ?

3
3. Ajustement d’un modèle exponentiel
On cherche à ajuster, par régression non linéaire, le modèle exponentiel
y = a exp(−bx) aux données suivantes :

x y
1 10
2 5
3 2

(a) Après linéarisation on a obtenu l’équation :

ln y = 3, 1445 − 0, 8047x
En déduire les estimations initiales a0 et b0 du modèle exponentiel
(b) Calculer les dérivées partielles :
∂f ∂f
ya0 = (x; a, b) yb0 = (x; a, b)
∂a ∂b
(c) Montrer que le vecteur z de la régression non linéaire et la matrice
Jacobienne J sont donnés approximativement par :
   
−0, 3792 0, 4472 −10, 38
z ≈  0, 3582 J ≈  0, 2000 −9, 284 
   

−0, 07591 0, 08945 −6, 228
(d) On donne :
" #
> −1 > −2, 110
δ = (J J) (J z) ≈
−0, 05931
En déduire les nouvelles estimations a et b des paramètres du
modèle exponentiel.
(e) Que faudrait-il faire pour terminer l’estimation des paramètres du
modèle par régression non linéaire ?

4. Equation de Michaelis
L’équation de Michaelis est utilisée en Biochimie pour représenter les
variations de la vitesse initiale v0 d’une réaction catalysée par une en-
zyme, en fonction de la concentration initiale s0 du substrat :
Vmax s0
v0 =
Km + s0
où Vmax désigne la vitesse maximale et Km la constante de Michaelis.

4
 (a) Quelle est l’allure du graphe de v0 en fonction de s0 ?
(b) Montrer que Km représente la concentration de substrat corres-
pondant à la moitié de la vitesse maximale.
(c) Montrer que l’équation de Michaelis peut être linéarisée en expri-
mant 1/v0 en fonction de 1/s0 (transformation en double inverse
dite de Lineweaver et Burk)
(d) Quelle condition devrait vérifier l’écart-type de v0 pour que la li-
néarisation précédente donne une estimation fiable des paramètres
Km et Vmax ?

5. Dosage spectrophotométrique du 4-nitrophénol

On a mesuré l’absorption de la lumière par des solutions alcalines de
4-nitrophénol, de concentrations croissantes. On a obtenu les résultats
suivants (pour une lumière de longueur d’onde 400 nm et un trajet
optique de 1 cm) :

concentration C 1 × 10−5 2 × 10−5 3 × 10−5 4 × 10−5 5 × 10−5

(en mol/l)
absorbance A 0,1865 0,3616 0,5370 0,7359 0,9238

(a) Vérifier graphiquement qu’on peut admettre l’existence d’une re-

lation linéaire entre l’absorbance et la concentration (loi de Beer-
Lambert).
(b) En supposant que les hypothèses du cours sont satisfaites, estimer
les paramètres de la droite de régression de A par rapport à C :
– ponctuellement,
– par des intervalles de confiance au risque 5 %.
En déduire une estimation du coefficient d’extinction du 4-nitrophénol.
Préciser son unité.

Extrait de la table de Student pour α = 0, 05 :

d.d.l. 1 2 3 4 5
t0,975 12,7 4,30 3,18 2,78 2,57

5
6. Produit ionique des alcools
Le produit ionique des alcools est défini par l’équilibre ;

) R − OH2+ + R − O−
R − OH + R − OH *

Ks = [R − OH2+ ][R − O− ]
pKs = − log Ks
La valeur de pKs est liée à la constante diélectrique D par une relation
du type :
β
pKs = α + (1)
D
On connaît les résultats suivants :

solvants D pKs
eau 78,5 14
éthanol 24,3 19,1
isopropanol 18,3 20,8
méthanol 32,6 16,7

(a) Vérifier graphiquement la validité de la relation (1) pour ces sol-

vants.
(b) Estimer les valeurs de α et de β :
– ponctuellement,
– par des intervalles de confiance au coefficient de sécurité 0,95.
(c) Pour le n-propanol, on a : D = 20,1. Estimer son pKs :
– ponctuellement,
– par un intervalle de confiance au risque 0,05.
Note : Si ŷ0 désigne une valeur estimée à l’aide d’une droite de
régression, pour une valeur x0 de la variable indépendante (ŷ0 =
b0 + b1 x0 ), la variance de cette estimation peut être calculée par :

Var(ŷ0 ) = x> Vx

où x est le vecteur [1 x0 ]> et V représente la matrice de variance-

covariance des paramètres de la droite.
(d) Donner un intervalle de confiance du pKs mesuré pour le n-propanol.
On utilisera les relations :

y0 = ŷ0 +  ⇒ Var(y0 ) = Var(ŷ0 ) + Var()

6
7. Cinétique du premier ordre
Un corps chimique se décompose selon une cinétique du premier ordre
caractérisée par l’équation : Q = Q0 e−kt où :
Q désigne la quantité de corps restant à l’instant t ;
Q0 la quantité initiale ;
k la constante de vitesse de la décomposition.
On dispose des données expérimentales suivantes :
t (min) 1 2 3 4 5 6 7 8 9 10
Q (nanomoles) 416 319 244 188 144 113 85 66 50 41
Estimer la constante de vitesse k par linéarisation, puis par régression
non linéaire. Quelle est la méthode la plus précise ?
Donner un intervalle de confiance de k au risque 0,05 (on donne t0,975
= 2,306 à 8 d.d.l.)
Préciser l’unité de k

8. Ajustement de l’équation de Michaelis

Le tableau suivant représente les variations de la vitesse initiale v0
d’une réaction enzymatique en fonction de la concentration initiale s0
du substrat :
s0 (mmol L−1 ) v0 (µmol L−1 s−1 )
0,10 0,71
0,20 1,19
0,40 1,62
0,80 2,37
1,00 2,87
2,00 4,26
4,00 4,81
6,00 5,50
8,00 5,77
10,00 6,31

(a) Estimer Km et Vmax par linéarisation, puis par régression non

linéaire (dans WinReg : F5 puis choisir « Michaelis »).
(b) Pour chaque méthode de régression, tracer les résidus normalisés
en fonction de ycalc (dans WinReg : menu « Graphique / Axes
et courbes »). Peut-on admettre que la répartition des résidus est
conforme aux hypothèses du cours ? Les résultats permettent-ils
de privilégier une méthode de régression ?

7
 (c) Donner les valeurs de Km et Vmax sous forme : valeur estimée ±
écart-type. Préciser les unités.

9. Influence de la température sur la cinétique d’une réaction

enzymatique
Le tableau suivant représente les variations de Km et de la constante
catalytique kcat = Vmax /etot , où etot désigne la concentration totale
en enzyme, en fonction de la température, pour l’enzyme étudiée à
l’exercice précédent.

Temperature (◦ C) Km (mM) kcat (s−1 )

10 454
15 0,97 503
20 1,05 659
25 1,33 796
30 1,80 1200
35 2,07 1541
40 3,03 1901

Le mécanisme de la réaction peut être représenté sous la forme :

E+S *
) ES → E + P

avec E = enzyme, S = substrat, ES = complexe enzyme-substrat, P

= produit de la réaction. Km représente la constante de dissociation
du complexe ES (Km = [E][S]/[ES]) et kcat représente la constante de
vitesse de la réaction ES → E + P
La variation de Km et kcat avec la température s’exprime par les rela-
tions suivantes :

1 ∆H ◦ ∆S ◦
ln =− + (2)
Km RT R

kcat kB ∆H ‡ ∆S ‡
ln = ln − + (3)
T h RT R
Km : constante de Michaelis (mol L−1 )
kcat : constante catalytique (s−1 )
T : température absolue (K)
∆H ◦ , ∆S ◦ : variations d’enthalpie et d’entropie pour la formation du
complexe ES

8
∆H ‡ , ∆S ‡ : enthalpie et entropie d’activation pour la réaction ES →
E+P
R : constante des gaz parfaits = 8,31 J mol−1 K−1
kB : constante de Boltzmann = 1,38 ×10−23 J K−1
h : constante de Planck = 6,62 ×10−34 J s

(a) Les valeurs déterminées au TP précédent correspondent à la tem-

pérature de 25◦ C. Quelle était la concentration de l’enzyme ?
(b) Pourquoi utilise-t-on 1/Km dans l’équation 2 ?
(c) Montrer que l’on peut estimer ∆H ◦ , ∆S ◦ , ∆H ‡ , ∆S ‡ par ré-
gression linéaire à partir des équations 2 et 3. Quelles conditions
doivent vérifier les écart-types de Km et kcat pour que ces estima-
tions soient valables ?
(d) En supposant ces conditions vérifiées, estimer ces paramètres. Pré-
cisez les écart-types et les unités.
(e) Le schéma suivant représente l’évolution de l’enthalpie du système
au cours de la réaction :

i. Faire correspondre aux niveaux d’enthalpie les états du sys-

tème : E + S, ES, ES ‡ (état de transition), E + P
ii. A quoi correspondent les variations d’enthalpie symbolisées
par les flèches ?