Vous êtes sur la page 1sur 19

Statistiques

L2S3

INTRODUCTION
I. VOCABULAIRE Donne statistique : rsultat de lobservation dune variable pour un individu. Population : totalit des individus sur lesquels portent certaines proccupations. Echantillon : sous-ensemble/ partie de la population pour lesquelles on collecte les donnes. Statistiques descriptives : dcrire, rsumer les donnes sans se proccuper du champ de la collecte.

Les statistiques inductives (ou informelles) sont un ensemble de mthodes qui font le cheminement : gnraliser quelque chose une population partir de lobservation dun chantillon . Remarques : Certaines populations sont finies donc observables (tudiant L2 psycho Angers) et dautres populations sont quasi-infinies, donc inobservables. Travailler avec un chantillon permet une rduction du cot, un gain de temps, une augmentation des possibilits dtudes. II. INDICATEURS USUELS EN STATISTIQUES DESCRIPTIVE Nous rutiliserons la moyenne arithmtique et la variance on considre une variable quantitative X pour laquelle on dispose de N observations. Cf. formulaire L1 III. CONSTITUTION DES ECHANTILLONS Lchantillonnage (ou sondage) : ensemble des oprations de prlvement dun chantillon. A. METHODE DECHANTILLONAGE 1. Echantillonnage raisonn Mthode de quotas : Lchantillon est choisie pour constituer une image fidle de la population pour certaines variables, appeles variables de contrle. Lenquteur choisi les enquts avec comme contrainte le respect de certains quotas pour les variables de contrle (lge, le sexe, catgorisation socio-professionnelle). Les variables de contrle doivent tre corrles avec le domaine de ltude. Leur rpartition doit tre connue de la population. Avantage : Cot trs faible, dlais trs court, cela traite (en les oubliant) les refus de rponse. 2. Echantillonnage alatoire

Echantillonnage alatoire simple :


Mthode dans laquelle chaque chantillon (deffectif donn) la mme probabilit dtre tir. Il faut une base de sondage. Cependant, il y a des difficults de mise en uvre.

Echantillonnage par grappe :


On divise la population en grappe, on a une base de sondage de grappes. On tire un chantillon alatoire de grappe. On interroge tous les individus des grappes tires. (Ex : immeuble, rue, village, une partie du village). Ceci augmente la faisabilit dune enqute car le cot et le dlai sont rduits. Rgle dOr : le bon chantillon est celui qui est alatoire, cest ce qui fonde la statistique inductive sur le calcul des probabilits, cela donne une base scientifique lopration de gnralisation.

Statistiques
B. OUTILS ALEATOIRES 1. Tables de nombres alatoires Outils ancien : cest une table qui contient des nombres obtenus par des procds alatoire (tirages,). 2. Gnrateur de nombres pseudo-alatoire : Outils moderne : un gnrateur engendre des nombres par un procd dterministe qui simule le hasard.

L2S3

Mthode de LEHMER : M = diviseur k = multiplicateur Xo = graine

Xi + 1 = kXi (module M) cest--dire Xi + 1 est le reste obtenu quand on divise le produit kXi par M. Exemple : calculer X1. X1 est le reste obtenu quand on divise le produit kXo par M. M= 101 k = 89 X1 = Xo = 253 2047/101 = 27,.

On calcul kXo = 89 x 23 = 2047 ; On divise le rsultat par M :

X1= 27 X2=80 Ce gnrateur produit des nombres entiers compris entre 1 et 100 donc entre 1 et M-1. Quand on divise ces nombres obtenus par M on obtient des nombres rationnels compris dans lintervalle ]0 ;1[ A partir de ces nombres uniformment rpartis sur lintervalle on peut engendrer des nombres rpartis selon nimporte quelle loi (binomiale, normale)

Statistiques

L2S3

NOTIONS SUR LESTIMATION


I. INTRODUCTION On dispose dune population dont on extrait un chantillon, on utilise comme variable le poids et on considre un paramtre dfini sur la population : le poids moyen des poissons de ltang. Il va falloir estimer ce paramtre laide dun estimateur. Exemple du pisciculteur, il utilise un chantillon deffectif 5 (0,3; 0,4; 0,4; 0,45; 0,5) et calcule la moyenne : = 0,41 Cependant si on prlve un autre chantillon (0,4; 0,45; 0,45; 0,5; 0,5) on obtient une estimation de 0,46 qui est diffrente. Lestimation varie avec lchantillon, il y a toujours une incertitude.

a. Dmarche population => chantillon : Thorie de lchantillonnage


On connait la rpartition de la variable dans la population, on cherche tudier les proprits de tous les chantillons possibles. Cest une dmarche de probabilit, elle fournit les rsultats thoriques utiliss dans la dmarche inverse.

b. Dmarche chantillon => population


On connait un chantillon et on cherche gnralise la population certaines proprits issus de ltude de lchantillon. La mthode destimation permet destimer la valeur inconnue dun paramtre de la population. La mthode de tests statistiques permet de tester si une proprit de la population est acceptable ou non par rapport lchantillon. En statistique inductive on ne peut jamais avoir de certitude, il faut faire attention au risque de gnralisation errone pour le contrler car on ne peut pas le supprimer. II. ESTIMATION POUR UNE VARIABLE QUANTITATIVE

a. Moyenne arithmtique
On sintresse la moyenne de la variable X dans la population : , on cherche donc lestimer : Echantillon deffectif n dcrit par n variables statistiques : X1Xn On utilise lestimation I que lon applique un chantillon pour obtenir appelle la moyenne destimation, elle va nous permettre destimer .
i

cest ce quon

b. Variance
On sintresse la variance de X dans la population : , on cherche lestimer : ; On utilise lestimation Sn = ion obtient la variance descriptive ou de population : sn =

i-

Cette formule un dfaut, elle sous-estime donc on la remplace par lestimateur

Statistiques
Sn-1 =
i-

L2S3
ce qui donne la variance inductive ou dchantillon sn-1 =
i-

Dans lexemple du pisciculteur : sn-1=0,0055 Pour la calculatrice casio lcart type descriptif est not xn et lcart type inductif xn-1 III. ESTIMATION POUR UNE VARIABLE QUALITATIVE estimation dune proportion On va envisager le cas dune variable qualitative et se restreindre au cas de 2 modalits notes . On veut estimer proportion inconnue dindividus prsentant la modalit A dans la population ; on la notera . On extrait un chantillon alatoire deffectif n, dans lequel on observe nA individus prsentant la modalit A. On choisit lestimateur naturel et on estime avec p = nA / n ; cest la proportion dindividus prsentant la modalit dans lchantillon.

Statistiques

L2S3

INFLUENCE STATISTIQUE ET TESTS DHYPOTHESES


I. PRINCIPES Objet des tests dhypothses : prendre une dcision relative la population en situation dincertitude en contrlant le risque li cette incertitude. Ide ; Sappuyer sur lexprimentation pour dcider (lexprience fournit les donnes de lchantillon) Effectuer un test statistique cest raliser 3 oprations : - Enoncer une hypothse exprimentale laquelle on sintresse afin de la confirmer ou de linfirmer. Cette hypothse se rejetter ou non, cest lhypothse nulle note H0 - On oppose cette hypothse, elle joue le rle dopposant ou de recours en cas de rejet de H0, on lappelle lhypothse alternative elle est note H1 - Dterminer une procdure qui conduit prendre la dcision o Rejeter H0 et accepter H1 o Ne pas rejeter H0 A la fin de la procdure on doit comparer la ralit et la dcision prise : Ne pas rejeter H0 H0 vraie H0 fausse (1-) Rejeter H0

= 1- : correspond la probabilit de rejeter H0 alors que H0 est vraie, cest la probabilit de rejeter tort H0. Cest le risque derreur de 1er espce (de type I), aussi appel niveau de signification du test. (1-) correspond la probabilit de ne pas rejeter H0 quand elle est vraie : correspond ne pas rejeter H0 quand elle est fausse, cest le risque derreur de 2nd espce (type II) = 1- : correspond la probabilit de rejeter H0 quand elle est fausse, cest la puissance du test.

Exercices : 1) H0 : il pleut / H1 il ne pleut pas Lerreur de 1er espce correspond dire que lon rejette H0 , on considre quil ne pleut pas alors quil pleut dehors, donc on met des tongs, on a les pieds mouills et on tombe malade. Lerreur de 2nd espce correspond dire que lon ne rejette pas H0, on considre quil pleut alors quil ne pleut pas donc on prend un parapluie mais on nen a pas besoin. 2) H0 : catastrophe / H1 :pas de catacstrophe Lerreur de 1er espce correspond dire que lon rejette H0, on considre quil ny a pas de catastrophe alors quil y a catastrophe, donc on meurt. Lerreur de 2nd espce correspond dire que lon ne rejette pas H0, on considre quil va y a voir une catastrophe alors quil ny en a pas donc on prend pas lavion et on survis. On veut que la procdure permette de contrler les valeurs de et , cependant les risques sont antagonistes donc si diminue augmente et inversement, ils ne peuvent pas tendre tous les deux vers 0, il ny a donc pas de certitude. II. METHODE : polycopi Etape 1 : Enoncer les hypothses H0 et H1 Etape 2 : Fixer priori la valeur du risque Etape 3 : Choisir lindicateur statistique du test et dterminer sa loi quand H0 est vraie Etape 4 : Dlimiter la zone de rejet de H0 Etape 5 : Calculer la valeur numrique e la statistique du test partir des donnes de lchantillon Etape 6 : Conclure le test

Statistiques

L2S3

VARIABLES QUALITATIVES TEST DE PROPORTION


I. TEST DE COMPARAISON DUNE PROPORTION ET DUNE NORME (H1 bidirectionnelle) 3. Mthode exact (loi binomiale) Etape 1 : Une variable quantitative 2 modalits : A et = proportion inconnue dindividus A dans la population o = norme (compris entre 0 et 1) Le jeu dhypothse revient comparer la proportion et la norme o, scrit : Ho : = o H1 : o (ici lhypothse est bidirectionnelle ou bilatrale) Exemple 1: le pisciculteur lve 2 espces A et ; les deux espces sont-elles ou non aussi rsistantes ? Il y a autant de poissons A et , la proportion de poisson A est gale 0,5 ; = 0,5 donc cette hypothse correspond Ho. Il ny a pas autant de poissons A et , le proportion de poisson A nest plus gale 0,5 ; 0,5 donc cette hypothse correspond H1. La norme correspond donc o = 0,5 Exemple 2 : le pisciculteur prlve un chantillon (avec remise)deffectif n=14 ; il obtient 11 poisson A. Etape 2 : On fixe la valeur maxi de , ici 5% (max = 0,05) Etape 3-4-5 : Calcul de la probabilit critique On suppose Ho vrai et on calcule ce qui se passe quand on tire un chantillon au hasard : Epreuve de Bernouilli : prlever un poisson, 2 rsultats possibles : A (succs) ou (non succs) Schma de Bernouilli : prlever 14 poissons, n = 14 X = nombre de poissons A dans lchantillon ; X (14 ; 0,5) NB : la probabilit de succs correspond au cas o Ho est vrai, soit . Selon la table obtenir un chantillon pour lequel X est voisin de np = 7 est un vnement frquent. Si on obtient un tel chantillon on ne rejette pas Ho. Obtenir un chantillon tel que np 7 est un vnement rare, on devra donc rejeter Ho. On peut dfinir un ensemble qui incite rejeter Ho : E - Seuil 1 dfinis par la valeur observe, ici 11 - Seuil 2 dfinis par symtrie du seuil 1 par rapport np, ici 3 E ={0,1,2,3,11,12,13,14} Calculer p(X E) =p(X=0) + p(X=1).p(X=14) = 0,0576 = probabilit critique du test. Etape 6 : Rgle de dcision Si pcritique < max on rejette Ho Si pcritique > max on ne peut pas rejeter Ho

Statistiques

L2S3

Dans notre exemple pcritique > max , on ne peut pas rejeter Ho, on laccepte par abus : les poissons sont aussi rsistants. 4. Mthode approche (loi normale rduite) CONDITIONS DE VALIDITES Cette mthode approch est valable seulement si no 5 et n(1-o) 5. On choisira la mthode exacte quand cest possible cest--dire lorsque n Etape 1 : identique Ho : = o H1 : o Etape 2 : On fixe max. Pour notre exemple max=0.05 Etape 3 : On choisit la statistique

; o est la norme,

cest la proportion de A.

On suppose de Ho est vrai et on approxime

par une loi Normal N (0 ; 1)

Etape 4 : On dfinit la zone de rejet de Ho quand est loigne de 0, cest--dire quand | | est leve soit quand | | o S est 1 seuil positif. Pour S on crit p ( | | ) = max avec U approxim par N (0 ; 1). INSERER SCHEMA On utilise la table pour dterminer S : On obtient le seuil S et la zone de rejet bilatrale : Dans notre exemple la zone de rejet correspond Etape 5 : Calcule numrique de U partir des donnes de lchantillon. Pour le cas du pisciculteur n = 14 et nA=11 donc U = 2,14 Etape 6 : Rgle de dcision Si on rejette Ho et on accepte H1 par abus

U appartient notre ensemble de rejet donc on rejette Ho, les deux espces ne sont pas aussi rsistantes. INSERER POLY DES REMARQUES

Statistiques
II. TEST DE COMPARAISON DUNE PROPORTION ET DUNE NORME (H1 unidirectionnelle) 1. Mthode exact (>) Etape 1 : On a une variable qualitative 2 modalits : A et est la proportion dindividus A dans la population et o est la norme (comprise en 0 et 1) Le jeu dhypothse : Ho : = o ou o H1 : > o

L2S3

Dans notre exemple H1 correspond lhypothse selon laquelle lespce A est plus rsistante que les , cela signifie quil y aura plus de poisson A, donc > 0,5, ceci correspond notre hypothse H1. Donc Ho correspond lhypothse selon laquelle les poissons A ne sont pas plus rsistants. Etape 2 : On fixe max. Pour notre exemple max=0.05 Etape 3-4-5 : On suppose Ho vrai et on calcule ce qui se passe quand on tire un chantillon au hasard : Epreuve de Bernouilli : prlever un poisson, 2 rsultats possibles : A (succs) ou (non succs) Schma de Bernouilli : prlever 14 poissons, n = 14 X = nombre de poissons A dans lchantillon ; X (14 ; 0,5) NB : la probabilit de succs correspond au cas o Ho est vrai, soit . On dtermine lensemble de rejet partir dun seuil inclus qui correspond la valeur observ, ici nA=11, puis notre hypothse tant unidirectionnelle on sintresse aux possibilits donc E{11, 12, 13, 14} Calculer p(X E) =p(X=11) + p(X=12) + p(X=13) +p(X=14) = 0,0288 = probabilit critique du test. Etape 6 : Rgle de dcision Si pcritique < max on rejette Ho Si pcritique > max on ne peut pas rejeter Ho Dans notre exemple pcritique 2. Mthode exact (<) Etape 1 : Le jeu dhypothse : Ho : = o ou H1 : < o o

max , on rejette Ho, on accepte H1 par abus : les poissons A sont plus rsistants.

Etape 3-4-5 : Lensemble E{0,1,2,3,4,5,6,7,8,9,10,11}

Statistiques
3. Mthode approche (>) CONDITIONS DE VALIDITES Cette mthode approch est valable seulement si no 5 et n(1-o) 5. On choisira la mthode exacte quand cest possible cest--dire lorsque n Etape 1 : jeu dhypothse : Ho : = o ou H1 : > o o

L2S3

Dans notre exemple H1 correspond lhypothse selon laquelle lespce A est plus rsistante que les , cela signifie quil y aura plus de poisson A, donc > 0,5. Etape 2 : On fixe max. Pour notre exemple max=0.05 Etape 3 : On choisit la statistique

; o est la norme,

cest la proportion de A.

On suppose que Ho est vrai on approxime

par une loi Normal N (0 ; 1)

Etape 4 : On dfinit la zone de rejet de Ho quand est nettement plus grand que 0, cest--dire quand U est nettement plus grand que 0 soit . Pour S on crit p ( ) = max avec U approxim par N (0 ; 1). On utilise la table pour dterminer S : On obtient le seuil S la lecture de la table et donc la zone de rejet unilatrale : Dans notre exemple la zone de rejet correspond Etape 5 : Calcule numrique de U partir des donnes de lchantillon. Pour le cas du pisciculteur n = 14 et nA=11 donc U = 2,14 Etape 6 : Rgle de dcision Si on rejette Ho et on accepte H1 par abus

Dans notre exemple U appartient lensemble de rejet donc on doit rejeter Ho et on accepte H1 par abus. Lespce A est plus rsistante.

Statistiques
4. Mthode approche (<) Etape 1 : jeu dhypothse : Ho : = o ou H1 : < o o

L2S3

Dans notre exemple H1 correspond lhypothse selon laquelle lespce A est plus rsistante que les , cela signifie quil y aura plus de poisson A, donc < 0,5. Etape 2 : On fixe max. Etape 3 : On choisit la statistique

; o est la norme,

cest la proportion de A.

On suppose que Ho est vrai on approxime

par une loi Normal N (0 ; 1)

Etape 4 : On dfinit la zone de rejet de Ho quand est nettement plus grand que 0, cest--dire quand U est nettement plus grand que 0 soit . Pour S on crit p ( ) = max avec U approxim par N (0 ; 1). On utilise la table pour dterminer S : On obtient le seuil S la lecture de la table et donc la zone de rejet unilatrale : Etape 5 : Calcule numrique de U partir des donnes de lchantillon. Etape 6 : Rgle de dcision Si on rejette Ho et on accepte H1 par abus

10

Statistiques
III. TEST DE COMPARAISON DE 2 PROPORTIONS (Observations indpendantes)

L2S3

Ce test seffectue aussi par une mthode exacte, il sappelle alors test exact de Ficher. Situation : On dispose dune variable qualitative deux modalits, elle est dfinis sur une deux populations : Population 1 : 1 est la proportion inconnue de A / Population 2 : 2 est la proportion inconnue de A On extrait 2 chantillons alatoires, un dans chaque population : A n11 n22 n.1 n12 n21 n.2 Total n1. n2. n..

Echantillon 1 Echantillon 2 Total

Notations : On peut lire les 2 indices : - Le premier i correspond lchantillon - Le second j correspond la modalit On considre les observations indpendantes car les individus qui composent les 2 chantillons sont distincts. 1. Cas dune hypothse H1 Bidirectionnelle CONDITIONS DE VALIDITES min(n.j x ni.) > 5n Etape 1 : On veut tester un jeu dhypothse : Ho : 1 = 2 / H1 : 1 2 On compare 2 rglages sur une machine et on observe la qualit des pices, la variable qualitative est la qualit et elle a deux modalits, correct ou insuffisante. Les hypothses sont les suivantes : - Ho : 1 = 2 : la qualit des pices est la mme, elle ne dpend pas des rglages - H1 : 1 2 : la qualit des pices nest pas la mme, elle dpend des rglages Etape 2 : On fixe max. Pour notre exemple max=0.05 Etape 3 : On choisit la statistique
( )

On suppose que Ho est vrai on approxime

par une loi Normal N (0 ; 1)

Etape 4 : On dfinit la zone de rejet de Ho quand est loigne de 0, cest--dire quand | | est leve soit quand | | o S est 1 seuil positif. Pour S on crit p ( | | ) = max avec U approxim par N (0 ; 1). On utilise la table pour dterminer S : On obtient le seuil S et la zone de rejet bilatrale : Dans notre exemple la zone de rejet correspond Etape 5 : Calcul de U Etape 6 : Rgle de dcision on rejette Ho et on accepte H1 par abus

Si

Dans notre exemple on ne peut pas rejeter donc on accepte Ho par abus.

11

Statistiques
2. Cas dune hypothse H1 (>) Etape 1 : On veut tester un jeu dhypothse : Ho : 1 = 2 / H1 : 1 > 2

L2S3

On compare 2 rglages sur une machine et on observe la qualit des pices, la variable qualitative est la qualit et elle a deux modalits, correct ou insuffisante. Les hypothses sont les suivantes : - Ho : 1 = 2 : la qualit des pices est la mme, elle ne dpend pas des rglages - H1 : 1 > 2 : la qualit des pices est meilleure avec les rglages 1, elle dpend des rglages Etape 2 : On fixe max. Pour notre exemple max=0.05 Etape 3 : On choisit la statistique
( )

On suppose que Ho est vrai on approxime

par une loi Normal N (0 ; 1)

Etape 4 : On dfinit la zone de rejet de Ho quand est nettement plus grand que 0, cest--dire quand U est nettement plus grand que 0 soit . Pour S on crit p ( ) = max avec U approxim par N (0 ; 1). On utilise la table pour dterminer S : On obtient le seuil S la lecture de la table et donc la zone de rejet unilatrale : Dans notre exemple la zone de rejet correspond Etape 5 : Calcule numrique de U partir des donnes de lchantillon. Pour le cas du pisciculteur n = 14 et nA=11 donc U = 2,14 Etape 6 : Rgle de dcision Si on rejette Ho et on accepte H1 par abus

12

Statistiques
3. Cas dune hypothse H1 (<) Etape 1 : On veut tester un jeu dhypothse : Ho : 1 = 2 / H1 : 1 < 2

L2S3

On compare 2 rglages sur une machine et on observe la qualit des pices, la variable qualitative est la qualit et elle a deux modalits, correct ou insuffisante. Les hypothses sont les suivantes : - Ho : 1 = 2 : la qualit des pices est la mme, elle ne dpend pas des rglages - H1 : 1 < 2 : la qualit des pices est meilleure avec les rglages 2, elle dpend des rglages Etape 2 : On fixe max. Pour notre exemple max=0.05 Etape 3 : On choisit la statistique
( )

On suppose que Ho est vrai on approxime

par une loi Normal N (0 ; 1)

Etape 4 : On dfinit la zone de rejet de Ho quand est nettement plus grand que 0, cest--dire quand U est nettement plus grand que 0 soit . Pour S on crit p ( ) = max avec U approxim par N (0 ; 1). On utilise la table pour dterminer S : On obtient le seuil S la lecture de la table et donc la zone de rejet unilatrale : Dans notre exemple la zone de rejet correspond Etape 5 : Calcule numrique de U partir des donnes de lchantillon. Etape 6 : Rgle de dcision Si on rejette Ho et on accepte H1 par abus

13

Statistiques

L2S3

TESTS DHYPOTHESES VARIABLES QUANTITATIVES


I. TEST DE COMPARAISON DUNE MOYENNE ET DUNE NORME QUAND LA VARIABLE SUIT UNE LOI NORMALE DECART TYPE INCONNU On dispose dune variable quantitative note X, on appelle la moyenne inconnue de X dans la population. H0 : = o la moyenne inconnue de X est gale la norme tire du contexte. H1 : peut prendre 3 formes : Bidirectionnelle o Unidirectionnelle > o Unidirectionnelle < o -

BIDIRECTIONNELLE
Etape 1 : H0 : = o H1 : o Etape 2 : On fixe Etape 3 : On choisit la statistique

n est lchantillon, la moyenne et s lcart type de lchantillon On suppose Ho vraie et on approxime par une loi de Student (n-1) degr de libert. Etape 4 : On rejette Ho pour | | lev cest--dire dpassant le seuil S pour lequel p(| | la symtrie de la loi de Student p(| | S) = , on obtient S dans la table La zone de rejet E scrit Etape 5 : Calcul de t Etape 6 : Rgle de dcision Si on rejette Ho et on accepte H1 par abus S) = , soit daprs

14

Statistiques UNIDIRECTIONNELLE positive


Etape 1 : H0 : o H1 : > o Etape 2 : On fixe Etape 3 : On choisit la statistique

L2S3

n est lchantillon, la moyenne et s lcart type de lchantillon On suppose Ho vraie et on approxime par une loi de Student (n-1) degr de libert. Etape 4 : On rejette Ho quand t est trop grand, on cherche donc un seuil S pour lequel p(t S dans la table. La zone de rejet E scrit Etape 5 : Calcul de t Etape 6 : Rgle de dcision Si on rejette Ho et on accepte H1 par abus S) = , on obtient

UNIDIRECTIONNELLE ngative
Etape 1 : H0 : o H1 : < o Etape 2 : On fixe Etape 3 : On choisit la statistique

n est lchantillon, la moyenne et s lcart type de lchantillon On suppose Ho vraie et on approxime par une loi de Student (n-1) degr de libert. Etape 4 : On rejette Ho quand t est trop grand, on cherche donc un seuil S ngatif pour lequel p(t obtient S dans la table. La zone de rejet E scrit Etape 5 : Calcul de t Etape 6 : Rgle de dcision Si on rejette Ho et on accepte H1 par abus S) = , on

15

Statistiques

L2S3

II. TEST DE COMPARAISON DE 2 MOYENNES LORSQUE LES DISTRIBUTIONS SONT NORMALES DECART TYPE EGAUX MAIS DE VALEUR INCONNNUE (OBSERVATIONS INDEPENDANTES) On dispose dune variable quantitative X, on est en prsence de 2 populations dont sont extrait 2 chantillons : Population 1 : effectif n1 ; moyenne 1 ; cart type 1 ; observations x11 x12 Population 2 : effectif n2 ; moyenne 2 ; cart type 2 ; observations x21 x22 Le dispositif exprimentale est constitu par 2 chantillons forms dindividus distincts H0 : 1 = 2 H1 : peut prendre 3 formes : Bidirectionnelle 1 2 Unidirectionnelle 1 > 2 Unidirectionnelle 1 < 2 -

BIDIRECTIONNELLE
Etape 1 : H0 : 1 = 2 H1 : 1 2 Etape 2 : On fixe Etape 3 : On choisit la statistique

On suppose Ho vraie et on approxime par une loi de Student (n1 + n2 - 2) degr de libert. Etape 4 : On rejette Ho pour | | lev cest--dire dpassant le seuil S pour lequel p(| | la symtrie de la loi de Student p(| | S) = , on obtient S dans la table La zone de rejet E scrit Etape 5 : Calcul de t Etape 6 : Rgle de dcision Si on rejette Ho et on accepte H1 par abus S) = , soit daprs

16

Statistiques UNIDIRECTIONNELLE positive


Etape 1 : H0 : 1 2 H1 : 1 > 2 Etape 2 : On fixe Etape 3 : On choisit la statistique

L2S3

On suppose Ho vraie et on approxime par une loi de Student (n1 + n2 - 2) degr de libert. Etape 4 : On rejette Ho quand t est trop grand, on cherche donc un seuil S pour lequel p(t S dans la table. La zone de rejet E scrit Etape 5 : Calcul de t Etape 6 : Rgle de dcision Si on rejette Ho et on accepte H1 par abus S) = , on obtient

UNIDIRECTIONNELLE ngative
Etape 1 : H0 : 1 2 H1 : 1 < 2 Etape 2 : On fixe Etape 3 : On choisit la statistique

On suppose Ho vraie et on approxime par une loi de Student (n1 + n2 - 2) degr de libert. Etape 4 : On rejette Ho quand t est trop grand, on cherche donc un seuil S ngatif pour lequel p(t obtient S dans la table. La zone de rejet E scrit Etape 5 : Calcul de t Etape 6 : Rgle de dcision Si on rejette Ho et on accepte H1 par abus S) = , on

17

Statistiques
III. TEST DE COMPARAISON DE 2 MOYENNES (OBSERVATIONS APPARIEES) 1. Introduction

L2S3

Ce test est utilis pour tudier leffet dun traitement sur une variable quantitative pour une population, dans ce cas la variable X peut dpendre de facteurs, autres que le traitement, que lon souhaite contrler afin disoler leffet du traitement. Les observations sont effectues par paires entre lesquelles seul le facteur tudi varie. Ce dispositif exprimentale est appel observations apparies ou appareilles. On a un unique chantillon, chaque individu est soumis 2 mesures de la variable, une pour chaque modalit de traitement. 2. Principe du test Pour un traitement 2 modalits notons : - X la mesure de la variable sous la modalit 1, x moyenne de la variable sous la modalit 1 - Y la mesure de la variable sous la modalit 2, y moyenne de la variable sous la modalit 2 Pour un chantillon deffectif n, on obtient n couples dobervations (xi , yi). On cherche comparer les deux moyennes. On introduit la variable diffrence D= X Y et di = xi - yi et d = x - y x = y donc d = 0 x y donc d 0 x > y donc d > 0 Comparer 2 moyennes revient comparer la diffrence d avec 0. On se retrouve donc avec un test classique dune moyenne une norme (paragraphe I). Il faut vrifier que D suit une loi Normale dcart type inconnue.

BIDIRECTIONNELLE
Etape 1 : H0 : x = y soit d = 0 H1 : x y soit d 0 Etape 2 : On fixe Etape 3 : On choisit la statistique

n est leffectif de lchantillon D, la moyenne et sd lcart type On suppose Ho vraie et on approxime par une loi de Student (n-1) degr de libert. Etape 4 : On rejette Ho pour | | lev cest--dire dpassant le seuil S pour lequel p(| | la symtrie de la loi de Student p(| | S) = , on obtient S dans la table La zone de rejet E scrit Etape 5 : Calcul de t Etape 6 : Rgle de dcision Si on rejette Ho et on accepte H1 par abus S) = , soit daprs

18

Statistiques UNIDIRECTIONNELLE positive


Etape 1 : H0 : x y donc d 0 H1 : x > y donc d > 0 Etape 2 : On fixe Etape 3 : On choisit la statistique

L2S3

n est leffectif de lchantillon D, la moyenne et sd lcart type On suppose Ho vraie et on approxime par une loi de Student (n-1) degr de libert. Etape 4 : On rejette Ho quand t est trop grand, on cherche donc un seuil S pour lequel p(t S dans la table. La zone de rejet E scrit Etape 5 : Calcul de t Etape 6 : Rgle de dcision Si on rejette Ho et on accepte H1 par abus S) = , on obtient

UNIDIRECTIONNELLE ngative
Etape 1 : H0 : o H1 : < o Etape 2 : On fixe Etape 3 : On choisit la statistique

n est leffectif de lchantillon D, la moyenne et sd lcart type On suppose Ho vraie et on approxime par une loi de Student (n-1) degr de libert. Etape 4 : On rejette Ho quand t est trop grand, on cherche donc un seuil S ngatif pour lequel p(t obtient S dans la table. La zone de rejet E scrit Etape 5 : Calcul de t Etape 6 : Rgle de dcision Si on rejette Ho et on accepte H1 par abus S) = , on

19