Vous êtes sur la page 1sur 179

Universit Pierre et Marie Curie

Biostatistique
PACES - UE4
2013 - 2014
Responsables : F. Carrat et A. Mallet
Auteurs : F. Carrat, A. Mallet, V. Morice
Mise jour : 21 octobre 2013
Relecture : V. Morice, A. Mallet, A.J. Valleron, F. Carrat et S. Tzenas
2/179 Biostatistique - Carrat, Mallet, Morice 2013 - 2014
Sommaire
2013 - 2014 Biostatistique - Carrat, Mallet, Morice 3/179
Sommaire
3 Sommaire
9 Avant-propos
11 Introduction
11 1 La variabilit et lincertain
12 2 La mesure dune grandeur
12 2.1 Units et quations aux dimensions
13 2.2 Erreurs de mesure
14 3 La dcision dans lincertain
15 Chapitre 1 : Statistique(s) et Probabilit(s)
15 1.1 Statistique
15 1.2 Population et chantillon
16 1.3 Statistique et probabilit
19 Chapitre 2 : Rappels mathmatiques
19 2.1 Ensembles, lments
19 2.2 Oprations sur les ensembles
21 2.3 Ensembles finis, dnombrables, non dnombrables
21 2.4 Ensembles produits
22 2.5 Familles densembles
22 2.6 Autres rappels mathmatiques
22 2.6.1 Rappel sur les sommes
23 2.6.2 Rappel sur les intgrales
25 Chapitre 3 : Elments de calcul des Probabilits
25 3.1 Introduction
26 3.2 Exprience alatoire, ensemble fondamental et vnements
27 3.3 Oprations sur les vnements
27 3.4 Rgles du calcul des probabilits
29 3.5 Remarque
29 3.6 Illustration de quelques ensembles probabiliss
29 3.6.1 Ensemble probabilis fini
30 3.6.2 Ensemble fini quiprobable
30 3.6.3 Ensembles probabiliss infinis
Sommaire
4/179 Biostatistique - Carrat, Mallet, Morice 2013 - 2014
30 3.6.3.1 Cas dnombrable
31 3.6.3.2 Cas dun ensemble probabilis infini non dnombrable
33 Chapitre 4 : Probabilit Conditionnelle ; Indpendance et Thorme
de Bayes
33 4.1 Probabilit conditionnelle
34 4.2 Thorme de la multiplication
35 4.3 Diagramme en arbre
36 4.4 Thorme de Bayes
38 4.5 Indpendance entre vnements
38 4.6 Indpendance, inclusion et exclusion de deux vnements
41 Chapitre 5 : Evaluation de lintrt diagnostique des informations
mdicales
41 5.1 Introduction
41 5.1.1 Le diagnostic
42 5.1.2 Les informations mdicales
42 5.1.3 Situation exprimentale et estimation
43 5.2 Les paramtres de lvaluation
43 5.2.1 Sensibilit et spcificit
44 5.2.2 Valeurs prdictives
44 5.2.3 Comparaison des deux couples de paramtres
45 5.2.4 Choix dun seuil : courbes ROC
47 5.3 Estimation des paramtres de lvaluation
47 5.3.1 Un chantillon reprsentatif
47 5.3.1.1 Les donnes
47 5.3.1.2 Estimation de la sensibilit et de la spcificit
48 5.3.1.3 Estimation des valeurs prdictives
49 5.3.2 Deux chantillons reprsentatifs
51 Chapitre 6 : Variables alatoires
51 6.1 Dfinition dune variable alatoire
52 6.2 Variables alatoires finies
52 6.2.1 Reprsentation dune loi de probabilit finie
52 6.2.2 Esprance mathmatique dune variable finie
55 6.2.3 Variance et cart-type dune variable finie
55 6.2.4 Loi de probabilit produit
57 6.2.5 Variables alatoires indpendantes
57 6.2.6 Fonction de rpartition
58 6.3 Variables infinies dnombrables (hors programme)
59 6.4 Variables alatoires continues
61 6.5 Extension de la notion de variable alatoire
Sommaire
2013 - 2014 Biostatistique - Carrat, Mallet, Morice 5/179
63 Chapitre 7 : Exemples de distributions
63 7.1 Lois discrtes
63 7.1.1 Loi de Bernoulli
63 7.1.2 Loi binomiale
66 7.1.3 Loi de Poisson
67 7.2 Lois continues
67 7.2.1 Loi normale
67 7.2.1.1 Dfinition
67 7.2.1.2 Proprits
70 7.2.2 Loi du _2 (chi-2)
70 7.2.2.1 Dfinition
71 7.2.2.2 Proprits
71 7.2.3 Loi de Student (hors programme)
72 7.2.4 Loi exponentielle (hors programme)
73 7.3 Application de la Loi de Poisson linterprtation dun risque sanitaire
possible qui na pas encore t observ
73 7.3.1 Introduction
73 7.3.2 Le problme direct
74 7.3.3 Problme inverse
75 7.3.4 Application numrique
75 7.3.5 Remarque
77 Chapitre 8 : Statistiques descriptives
77 8.1 Rappels et complments
78 8.2 Reprsentation complte dune srie dexpriences
78 8.2.1 Cas dune variable qualitative
79 8.2.2 Cas dune variable quantitative discrte
80 8.2.3 Cas dune variable quantitative continue. Notion dHISTOGRAMME
81 8.3 Reprsentation simplifie dune srie dexpriences
81 8.3.1 Indicateurs de localisation des valeurs
81 8.3.2 Indicateurs de dispersion des valeurs
82 8.4 Reformulation de la moyenne et de la variance observes
82 8.4.1 Reformulation de la moyenne observe
83 8.4.2 Reformulation de la variance observe
84 8.5 Cas particulier dune variable deux modalits- Proportion
84 8.5.1 Expression de lesprance mathmatique de X
84 8.5.2 Expression de la variance de X
85 8.5.3 Interprtation de la moyenne observe
85 8.6 Conclusion: la variable alatoire moyenne arithmtique
87 Rsum du chapitre
Sommaire
6/179 Biostatistique - Carrat, Mallet, Morice 2013 - 2014
89 Chapitre 9 : Fluctuations de la moyenne observe : la variable
alatoire moyenne arithmtique
89 9.1 Premire proprit de la variable alatoire moyenne arithmtique
89 9.1.1 Un exemple
90 9.1.2 Gnralisation
91 9.2 Seconde proprit de la variable alatoire moyenne arithmtique: le thorme
central limite
92 9.3 Etude de la distribution normale (rappel)
94 9.4 Application du thorme central limite. Intervalle de Pari (I. P.)
94 9.4.1 Dfinition de lintervalle de pari (I. P.) dune moyenne observe
96 9.4.2 Les facteurs de dpendance de la longueur de lintervalle de pari (IP)
97 9.4.3 Lintervalle de pari dune variable alatoire
98 Rsum du chapitre
99 Chapitre 10 : Estimation - Intervalle de confiance
99 10.1 Introduction
100 10.2 Estimation ponctuelle
100 10.2.1 Dfinition
100 10.2.2 Proprits
100 10.2.2.1 Biais
101 10.2.2.2 Variance
101 10.2.2.3 Erreur quadratique moyenne
101 10.2.3 Exemple
102 10.3 Estimation par intervalle - Intervalle de confiance
102 10.3.1 Exemple dune proportion
105 10.3.2 Intervalle de confiance approch dune proportion vraie
105 10.3.3 Intervalle de confiance approch dune moyenne vraie (variable
continue)
106 10.3.4 Applications
106 10.3.4.1 Prcision dun sondage
107 10.3.4.2 Prcision dune moyenne
109 Chapitre 11 : Les tests dhypothses. Principes
109 11.1 Un exemple concret (emprunt Schwartz)
112 11.2 Principe gnral des tests dhypothses
112 11.2.1 Les tapes de mises en uvre
114 11.2.2 J ustification de la rgle de dcision. Choix de o
114 11.2.2.1 Interprtation de o
114 11.2.2.2 Effet dun changement de valeur de o
115 11.2.3 J ustification des conclusions du test. Puissance dun test
118 11.2.4 Amlioration de linterprtation du rejet de H0
118 11.2.4.1 Notion de degr de signification
Sommaire
2013 - 2014 Biostatistique - Carrat, Mallet, Morice 7/179
119 11.2.4.2 Orientation du rejet
120 11.3 Rappels et prcisions
122 Rsum du chapitre
123 Chapitre 12 : Quelques tests usuels
123 12.1 Tests concernant des variables de Bernoulli
123 12.1.1 Test dgalit dune proportion vraie une valeur donne (ou test de
comparaison dune proportion observe une valeur donne)
123 12.1.1.1 Mise en place du test
124 12.1.1.2 Autre interprtation du paramtre z
125 12.1.1.3 Nombre de sujets ncessaires
125 12.1.2 Test dgalit de deux proportions vraies (ou test de comparaison de deux
proportions observes)
125 12.1.2.1 Mise en place du test
127 12.1.2.2 Nombre de sujets ncessaires
127 12.2 Tests concernant des variables quantitatives
127 12.2.1 Tests impliquant une valeur donne
128 12.2.1.1 Test dgalit dune moyenne vraie une valeur donne (ou test de
comparaison dune moyenne observe une valeur donne)
129 12.2.1.2 Test de symtrie dune variable (X) par rapport une valeur donne (0) :
test de Wilcoxon
130 12.2.2 Tests de comparaison de variables quantitatives
130 12.2.2.1 Test dgalit de deux moyennes vraies (ou test de comparaison de
deux moyennes observes)
131 12.2.2.2 Test dgalit de deux distributions (ou test de comparaison de deux
distributions observes) : test de Mann-Whitney-Wilcoxon
133 12.2.3 Cas des sries apparies
133 12.2.3.1 Test de comparaison de deux moyennes observes sur sries apparies
134 12.2.3.2 Test de symtrie de la distribution des diffrences
135 Rsum du chapitre
137 Chapitre 13 : Tests concernant des variables qualitatives
137 13.1 Comparaison dune rpartition observe une rpartition donne ou test du _2
dajustement
138 13.1.1 Les tapes de mise en uvre
142 13.1.2 Cas particulier : variable deux modalits
143 13.2 Comparaison de plusieurs rpartitions observes ou test du _2 dhomognit
146 13.3 Test dindpendance entre deux variables qualitatives
150 Rsum du chapitre
Sommaire
8/179 Biostatistique - Carrat, Mallet, Morice 2013 - 2014
151 Chapitre 14 : Liaison entre deux variables continues : notion de
corrlation
151 14.1 Introduction
152 14.2 Abord du problme
154 14.3 Un indicateur de covariation: le coefficient de corrlation
158 14.4 Le coefficient de corrlation vrai
159 14.5 Test dgalit du coefficient de corrlation vrai 0
161 Rsum du chapitre
163 Chapitre 15 : Mthodologie des tudes pidmiologiques
163 15.1 La causalit
164 15.2 Dmarche exprimentale et dmarche dobservation
165 15.3 Les essais randomiss
165 15.3.1 Dfinition
165 15.3.2 Comment limiter les biais dans le droulement dun essai thrapeutique
randomis? Aveugle et placebo
166 15.3.3 Comment limiter les biais dans lanalyse dun essai thrapeutique
randomis? Intention de traiter
167 15.4 Les tudes dobservation
167 15.4.1 Cohortes - Cas-tmoins et tudes transversales
168 15.4.2 Etudes prospectives et rtrospectives
168 15.4.3 Donnes longitudinales
169 15.4.4 En pratique
169 15.5 Mesures dassociation utilises en pidmiologie
170 15.6 Risque attribuable, proportion de cas vitables
172 Rsum du chapitre
173 Annexe A : Tables statistiques
174 A.1 TABLE DE LA VARIABLE NORMALE REDUITE Z
175 A.2 TABLE DU TEST DE WILCOXON
176 A.3 TABLE DU TEST DE MANN-WHITNEY-WILCOXON
177 A.4 TABLE DE _2
178 A.5 TABLE DU COEFFICIENT DE CORRELATION
179 A.6 TABLE DU t DE STUDENT
Avant-propos
2013 - 2014 Biostatistique - Carrat, Mallet, Morice 9/179
Avant-propos
Ce polycopi contient le cours de biostatistique de la PACES - UE4- de la Facult de Mdecine
Pierre et Marie Curie (Paris VI).
On pourra trouver des complments dans le livre de A. J . Valleron:
A.J. Valleron. UE4 : valuation des mthodes danalyse appliques aux sciences de la vie et de la
sant. Elsevier-Masson (collection PassSant)
Des QCM corriges sont en particulier disponibles dans le livre:
V. Morice & A. Mallet. QCM corriges et commentes de Biostatistique. Ellipses 2012
Pour en savoir plus :
R. Beuscart et Collge des Enseignants de Biostatistique. Biostatistique. Omniscience, 2009
Avant-propos
10/179 Biostatistique - Carrat, Mallet, Morice 2013 - 2014
Introduction
2013 - 2014 Biostatistique - Carrat, Mallet, Morice 11/179
Introduction
La statistique constitue, en mdecine, loutil permettant de rpondre de nombreuses questions qui
se posent en permanence au mdecin:
1. Quelle est la valeur normale dune grandeur biologique, taille, poids, glycmie?
2. Quelle est la fiabilit dun examen complmentaire?
3. Quel est le risque de complication dun tat pathologique, et quel est le risque dun
traitement ?
4. Le traitement A est-il plus efficace que le traitement B ?
1 La variabilit et lincertain
Toutes ces questions, proprement mdicales, refltent une proprit fondamentale des systmes
biologiques qui est leur variabilit. Cette variabilit est la somme dune variabilit exprimentale
(lie au protocole de mesure) et dune variabilit proprement biologique. On peut ainsi dcomposer
la variabilit dune grandeur mesure en deux grandes composantes:
variabilit totale =variabilit biologique +variabilit mtrologique
La variabilit biologique peut tre elle-mme dcompose en deux termes: dune part la va-
riabilit intra-individuelle, qui fait que la mme grandeur mesure chez un sujet donn peut
tre soumise des variations alatoires; et dautre part la variabilit inter-individuelle qui fait
que cette mme grandeur varie dun individu lautre.
variabilit biologique =variabilit intra-individuelle +variabilit inter-individuelle
La variabilit intra-individuelle peut tre observe lors de la mesure de la performance dun
athlte qui nest pas capable des mmes performances chaque essai, mais qui se diffrencie
des autres athltes (variabilit inter-individuelle). En gnral, la variabilit intra est moindre
que la variabilit inter.
La variabilit mtrologique peut tre elle aussi dcompose en deux termes: dune part les
conditions exprimentales dont les variations entranent un facteur dalas; et dautre part les
erreurs induites par lappareil de mesure utilis.
variabilit mtrologique =variabilit exprimentale +variabilit appareil de mesure
La mesure de la pression artrielle peut grandement varier sur un individu donn suivant les
conditions de cette mesure; il est ainsi recommand de la mesurer aprs un repos dau moins
15 minutes, allong, en mettant le patient dans des conditions de calme maximal. Cette recom-
mandation vise minimiser la variabilit due aux conditions exprimentales. La prcision de
lappareil de mesure est une donne intrinsque de lappareil, et est fournie par le construc-
teur.
Introduction
12/179 Biostatistique - Carrat, Mallet, Morice 2013 - 2014
2 La mesure dune grandeur
2.1 Units et quations aux dimensions
Les grandeurs mesures possdent la plupart du temps une unit. La distance entre Paris et Mar-
seille se mesurera par exemple en kilomtres, lpaisseur dun cheveu en microns, le poids dune
orange en grammes. Dans quelle mesure ces grandeurs peuvent-elles tre compares? La distance
entre Paris et Marseille, et lpaisseur dun cheveu sont deux longueurs; leur comparaison est pos-
sible si on les mesure avec une unit commune, par exemple le mtre. En revanche, le poids de
lorange nest pas comparable aux longueurs prcdentes.
Deux grandeurs qui peuvent tre compares sont dites possder la mme dimension. Elles peuvent
tre caractrises par leur dimension: on parlera par exemple de longueur. Les dimensions de
toutes les grandeurs physiques peuvent sexprimer en fonction de sept dimensions de base: la lon-
gueur note L, la masse M, le temps T, lintensit lectrique I, la temprature O, lintensit
lumineuse J, et la quantit de matire N.
Par exemple une vitesse est une longueur divise par un temps. On dira que sa dimension est LT
-1
.
Plus prcisment, de lquation donnant la vitesse v en fonction de la distance d parcourue pendant
le temps t, v=d/t , on dduit la relation entre les dimensions (notes entre crochets) des deux
membres de lquation [v] =[d]/[t ] =LT
-1
. Cette relation est appele quation aux dimensions.
Une quation aux dimensions permet donc dexprimer la dimension de nimporte quelle grandeur
en fonction des dimensions lmentaires, condition de connatre les relations entre elles. Elle per-
met aussi une premire validation dune relation entre grandeurs physiques: les dimensions de la
partie gauche et de la partie droite de la relation doivent tre identiques.
Dterminons par exemple la dimension dune nergie ou dun travail, partir de la formule w =f.l
(un travail est le produit dune force par une longueur). Une force est le produit dune masse par
une acclration (f =m.) et une acclration est une longueur divise par le carr dun temps.
Donc [w] =[f][l] =[m][l]t
-2
][l ] =ML
2
T
-2
.
Un autre intrt des quations aux dimensions concerne les units des grandeurs mesures. On d-
finit un systme dunits en imposant des units aux 7 dimensions de base, les autres units de d-
finissant laide des quations aux dimensions. Le systme dunits le plus utilis est le Systme
International, ou SI, dans lequel une longueur est mesure en mtres (m), une masse en kilo-
grammes (kg), un temps en secondes (s), une intensit lectrique en ampres (A), une tempra-
ture en degrs Kelvin (K), une intensit lumineuse en candelas (cd), et une quantit de matire en
moles (mol).
Dans le systme international, certaines units drives sont videntes: une surface sexprime en
mtres carrs. Dautres le sont moins. Citons lhertz pour une frquence, le pascal pour une pres-
sion, le joule pour une nergie ou un travail, le watt pour une puissance, le newton pour une force,
le coulomb pour une charge lectrique, le volt pour une diffrence de potentiel, lohm pour une
rsistance, etc.
Il existe des grandeurs sans dimension, calcules comme le rapport de deux grandeurs de mme
dimension, mais qui possdent pourtant une unit. Un angle est une grandeur sans dimension me-
sure en radians dans le systme international.
Introduction
2013 - 2014 Biostatistique - Carrat, Mallet, Morice 13/179
2.2 Erreurs de mesure
La mesure dune grandeur ne peut conduire une valeur exacte. En premier lieu, linstrument de
mesure possde ncessairement une prcision limite: une rgle gradue millimtre par millimtre
ne peut donner une meilleure prcision quun demi millimtre. En second lieu, la grandeur me-
surer peut tre source de variabilit intra-individuelle: la rptition de la mesure avec le mme ins-
trument et dans des conditions identiques conduit alors des rsultats diffrents. Enfin,
linstrument de mesure peut tre mal talonn ou mal adapt et conduire un biais de mesure
systmatique: les valeurs mesures seront systmatiquement trop leves, ou systmatiquement
trop basses.
Pour une grandeur X mesurer, on note AX lerreur de mesure. Cette erreur est gnralement fa-
cilement connue si elle nest due qu un problme de prcision. Sil existe une variabilit intra-
individuelle (raisonnablement faible), on fera intervenir lcart-type des mesures (voir chapitre 10
page99). Si x est la valeur mesure, la vraie valeur est donc comprise entre x-AX et x+AX.
Si une grandeur G nest pas mesure, mais dduite dautres grandeurs X, Y, Z laide dune for-
mule, lerreur AG sur G doit se dduire des erreurs AX, AY, AZ sur X, Y, Z.
Le plus souvent, on utilise un calcul bas sur la diffrentielle totale exacte de la formule. Si
G =f(X, Y, Z), la diffrentielle totale exacte
1
est :
Lerreur de mesure est alors donne par :
Supposons par exemple devoir calculer une rsistance R en mesurant lintensit I du courant qui y
circule et la diffrence de potentiel U ses bornes. La formule liant ces grandeurs est R =U/I. On
mesure U =1000volts 1 volt prs et I =1 ampre 10
-3
ampre prs.
La formule donne R =1000ohms et lerreur se calcule par
Le calcul bas sur la diffrentielle totale exacte nest cependant quune approximation (on confond
une courbe et sa tangente). Lorsque des calculs plus exacts sont possibles, ils sont prfrables. Ain-
si, supposons avoir trouv 100 avec une prcision de 1 pour la mesure dune grandeur X et nous
intresser la grandeur Y =1/X.
La formule de la diffrentielle totale exacte donne , donc une valeur de Y com-
prise entre 0,0099 et 0,0101.
Mais puisque la vraie valeur de X est comprise entre 99 et 101, la vraie valeur de Y est en ralit
comprise entre 1/101 et 1/99, soit entre 0,009901 et 0,010101.
1. Rappel : calculer la drive partielle dune fonction par rapport lune des variables consiste driver en
assimilant les autres variables des constantes.
f d
f c
X c
------ X d
f c
Y c
------ Y d
f c
Z c
------ Z d + + =
G A f A
f c
X c
------
X A
f c
Y c
------
Y A
f c
Z c
------
Z A + + = =
R A
U A
I
--------
U
I
2
---- I A + 2 = =
Y A
X A
X
2
------- 10
4
= =
Introduction
14/179 Biostatistique - Carrat, Mallet, Morice 2013 - 2014
3 La dcision dans lincertain
Pour prendre une dcision diagnostique ou thrapeutique le mdecin doit avoir des lments lui
permettant de prendre en compte cette variabilit naturelle, pour distinguer ce qui est normal de ce
qui est pathologique (dcision propos dun patient) et pour valuer la qualit dun nouvel examen,
ou dune nouvelle thrapeutique (dcision thrapeutique). La comprhension des mthodes statis-
tiques, de leur puissance et de leurs limites, est essentielle pour un mdecin de nos jours. Tout r-
sultat de recherche mdicale rsulte dune exprimentation (clinique ou biologique) qui sappuie
sur une mthodologie statistique rigoureuse, et dont les rsultats sont analyss en termes statis-
tiques.
De mme la dmarche statistique permet dvaluer les risques (ou les bnfices) dune prescrip-
tion, de dterminer dans une situation donne lexamen qui apportera la meilleure information dia-
gnostique.
Nous voyons donc limportance de la matrise de loutil et de la dmarche statistique:
Pour permettre les progrs de la connaissance mdicale: cest le domaine de la recherche cli-
nique qui ne peut saccomplir convenablement (dfinition de la question, mise en place du
protocole exprimental, analyse des rsultats) quen suivant une mthodologie statistique ri-
goureuse.
Pour mieux connatre ltat de sant dune population, la frquence et la gravit dune pid-
mie (penser au SIDA), etc. Cette connaissance se fera partir dchantillons convenablement
choisis et de calculs bass sur les outils de la statistique. Il sera alors possible de rechercher
les stratgies de prvention les mieux adaptes, den valuer leur impact. Il sagit l des ap-
plications relevant de lpidmiologie et de la sant publique.
Pour amliorer la pratique mdicale dans ses aspects dcisionnels, savoir choisir le meilleur
examen (clinique ou para-clinique) pour aboutir le plus rapidement et le plus srement au dia-
gnostic. Pour optimiser la thrapeutique, choisir le traitement le mieux adapt un patient
donn (choix du mdicament, posologie, etc).
Lobjectif de ce cours est de vous fournir les bases indispensables permettant de comprendre les
mthodes utilises, dinterprter correctement les rsultats de nouvelles recherches, et dadopter un
mode de raisonnement qui soit mme daider la dcision dans lexercice de la mdecine.
Plus prcisment nous tudierons successivement :
1. Les bases de calcul de probabilits, qui sont indispensables la comprhension et lutilisa-
tion des mthodes statistiques.
2. La statistique descriptive qui permet de reprsenter et de quantifier la variabilit dune ou plu-
sieurs grandeurs observes.
3. La statistique inductive qui inclura les tests statistiques permettant de retenir une hypothse
A plutt quune hypothse B partir de donnes exprimentales (comme dans le cas de la
comparaison de deux traitements, o lhypothse A est que les deux traitements sont quiva-
lents et lhypothse B est quils sont diffrents).
4. Les applications des mthodes statistiques lpidmiologie, laide la dcision thrapeu-
tique et diagnostique, et les applications aux essais thrapeutiques.
Statistique(s) et Probabilit(s)
2013 - 2014 Biostatistique - Carrat, Mallet, Morice 15/179
Chapitre 1
Statistique(s) et Probabilit(s)
Nous commencerons par dfinir les termes et les concepts importants.
1.1 Statistique
Le terme statistique dsigne la fois un ensemble de donnes dobservations, et lactivit qui
consiste en leur recueil, leur traitement et leur interprtation. Les termes statistique, ou
statistiques (au pluriel) englobent ainsi plusieurs notions distinctes:
1. Dune part le recensement de grandeurs dintrt comme le nombre dhabitants dun pays, le
revenu moyen par habitant, le nombre de sropositifs dans la population franaise. Nous
voyons que la notion fondamentale qui se dgage de cette numration est celle de
Population. Une population est un ensemble dobjets, dtres vivants ou dobjets abstraits
(ensemble des mains de 5 cartes distribues au bridge...) de mme nature.
2. La statistique en tant que science sintresse aux proprits des populations naturelles. Plus
prcisment elle traite de nombres obtenus en comptant ou en mesurant les proprits dune
population. Cette population dobjets doit en outre tre soumise une variabilit, qui est due
de trs nombreux facteurs inconnus (pour les populations dobjets biologiques qui nous in-
tressent ces facteurs sont les facteurs gntiques et les facteurs environnementaux).
3. A ces deux acceptions du terme statistiques (au pluriel) il faut ajouter le terme statistique (au
singulier) qui dfinit toute grandeur calcule partir dobservations. Ce peut tre la plus
grande valeur de la srie statistique dintrt, la diffrence entre la plus grande et la plus petite,
la valeur de la moyenne arithmtique de ces valeurs, etc.
1.2 Population et chantillon
On appelle population P un ensemble gnralement trs grand, voire infini, dindividus ou dobjets
de mme nature. Tous les mdecins de France constituent une population, de mme que lensemble
des rsultats possibles du tirage du loto. Une population peut donc tre relle ou fictive.
Il est le plus souvent impossible, ou trop coteux, dtudier lensemble des individus constituant
une population; on travaille alors sur une partie de la population que lon appelle chantillon.
Pour quun chantillon permette ltude de la variabilit des caractristiques dintrt de la popu-
Statistique(s) et Probabilit(s)
16/179 Biostatistique - Carrat, Mallet, Morice 2013 - 2014
lation, il faut quil soit convenablement slectionn. On parlera dchantillon reprsentatif si les
individus le constituant ont t tirs au sort
1
dans la population. Si par exemple on souhaite dter-
miner les caractristiques moyennes du poids et de la taille des prmaturs masculins on tirera
au hasard un certain nombre de sujets parmi les naissances de prmaturs de lanne.
Chaque individu, ou unit statistique, appartenant une population est dcrit par un ensemble de
caractristiques appeles variables ou caractres. Ces variables peuvent tre quantitatives (num-
riques) ou qualitatives (non numriques) :
quantitatives
pouvant tre classes en variables continues (taille, poids) ou discrtes (nombre denfants
dans une famille)
qualitatives
pouvant tre classes en variables catgorielles (couleurs des yeux) ou ordinales (intensit
dune douleur classe en nulle, faible, moyenne, importante).
1.3 Statistique et probabilit
La thorie (ou le calcul) des probabilits est une branche des mathmatiques qui permet de mod-
liser les phnomnes o le hasard intervient (initialement dveloppe propos des jeux de hasard,
puis progressivement tendue lensemble des sciences exprimentales, dont la physique et la bio-
logie).
Cette thorie permet de construire des modles de ces phnomnes et permet le calcul : cest par-
tir dun modle probabiliste dun jeu de hasard comme le jeu de ds que lon peut prdire les fr-
quences dapparition dvnements comme le nombre de fois que lon obtient une valeur paire en
jetant un d un grand nombre de fois. Les lments de calcul des probabilits indispensables la
comprhension des statistiques seront traits dans la premire partie du cours.
Sous jacente la notion de statistiques se trouve la notion de Population dont on souhaite connatre
les proprits (plus prcisment les rgularits), permettant en particulier de savoir si deux popu-
lations sont identiques ou non. Ce cas est celui du cadre des essais thrapeutiques, o lon considre
2 populations (patients traits avec le mdicament A ou avec le mdicament B) dont on souhaite
savoir si elles diffrent ou non (cest le cas le plus simple des essais cliniques). Pour ce faire il est
ncessaire de modliser les populations, en utilisant des modles probabilistes. Un modle de ce
type est par exemple de considrer que la taille des individus suit une distribution gaussienne. A
partir de ce modle on peut calculer les proprits dchantillons; cest ce quon appelle une d-
duction qui va du modle vers lexprience. A linverse, considrant un chantillon dune popula-
tion on peut essayer de reconstruire le modle de la population.
Cette dmarche est calque sur la dmarche scientifique habituelle. Le scientifique est capable, en
utilisant les mathmatiques, de prdire le comportement dun modle donn (cest par exemple une
loi de la physique) : cest la dmarche dductive. A linverse, observant des faits exprimen-
1. Nous reviendrons sur cette mthode permettant dobtenir un chantillon reprsentatif de la population
tudie. Cela consiste en gros slectionner les individus sur la base dun tirage analogue celui qui
consiste tirer des noms dans une urne qui contiendrait tous les noms possibles.
Statistique(s) et Probabilit(s)
2013 - 2014 Biostatistique - Carrat, Mallet, Morice 17/179
taux il va tenter de dgager des proprits gnrales du phnomne observ quil va en gnral re-
prsenter sous forme dun modle (toutes les lois de la physique et de la chimie sont des modles
mathmatiques les plus gnraux possibles des faits exprimentaux) : cest la construction induc-
tive de la thorie. Cette dmarche gnrale va plus loin car le modle permet de prdire des exp-
riences non ralises. Si les prdictions ainsi ralises sont contradictoires avec les rsultats
exprimentaux alors on pourra avec certitude rfuter le modle (on dit aussi quon la falsifi) ;
dans le cas contraire on garde le modle mais on nest pas certain quil soit vrai . Autrement dit,
lissue dun tel test on ne peut avoir de certitude que si on a trouv des lments permettant de
rfuter le modle. Nous verrons dans la suite que cette approche se transpose exactement dans la
dmarche statistique, en particulier dans le domaine des tests.
Statistique(s) et Probabilit(s)
18/179 Biostatistique - Carrat, Mallet, Morice 2013 - 2014
Rappels mathmatiques
2013 - 2014 Biostatistique - Carrat, Mallet, Morice 19/179
Chapitre 2
Rappels mathmatiques
2.1 Ensembles, lments
On appelle ensemble, toute liste ou collection dobjets bien dfinis, explicitement ou
implicitement ; on appelle lments ou membres de lensemble les objets appartenant lensemble
et on note:
si p est un lment de lensemble A
B est partie de A, ou sous ensemble de A, et lon note ou , si
On dfinit un ensemble soit en listant ses lments, soit en donnant la dfinition de ses lments:
A ={1, 2, 3}
X ={x : x est un entier positif}
Notations:
la ngation de est
C est lensemble vide
E est lensemble universel.
2.2 Oprations sur les ensembles
Soient A et B deux ensembles quelconques.
Intersection
Lintersection de A et B, note , est lensemble des lments x tels que et
. Soit :
={ x : et }
Le terme et est employ au sens si x appartient la fois A et B
p A e
B A c A B x B e x A e
x A e x A e
A B x A e
x B e
A B x A e x B e
x A et B e
Rappels mathmatiques
20/179 Biostatistique - Carrat, Mallet, Morice 2013 - 2014
Cas particulier : si , on dit que A et B sont disjoints.
Runion
La runion de A et B, note , est lensemble des lments x tels que ou
. Soit :
={ x : ou }
Le terme ou est employ au sens si x appartient A, ou B, ou A et B
(car signifie et ).
Complmentaire
Le complmentaire de A est lensemble des lments de E qui nappartiennent pas A.
Diffrence
La diffrence entre A et B, ou complmentaire de B relatif A, est lensemble des lments
de A qui nappartiennent pas B.
A B
A
B
E
A B C =
A B x A e
x B e
A B x A e x B e
x A ou B e
x A et B e x A e x B e
E
B
A B
A
CA A x : x A e { } = =
A
E
CA
A B C =
A
B x : x B et x A e e { } =
E
A
B
C B
A
Rappels mathmatiques
2013 - 2014 Biostatistique - Carrat, Mallet, Morice 21/179
Algbre des ensembles
2.3 Ensembles finis, dnombrables, non
dnombrables
Un ensemble est fini sil est vide (C) ou sil contient un nombre fini dlments; sinon, il est
infini :
A ={a
1
, a
2
, a
3
} est fini ;
I ={ } est infini.
Un ensemble infini est dit dnombrable si on peut faire correspondre de faon unique chaque
lment de lensemble un entier naturel et un seul :
A ={n : n est un entier pair} est infini dnombrable.
Un ensemble infini est non dnombrable dans le cas contraire. Dans la pratique, les seuls en-
sembles infinis non dnombrables que nous rencontrerons seront des intervalles de 9 :
{ } ou des intervalles de 9
2
: { }.
2.4 Ensembles produits
Soient A et B deux ensembles; lensemble produit de A et de B, not , est lensemble de tous
les couples ordonns (a, b), avec et .
Exemples:
,
A A A = A A A =
A ( B) C A B C ( ) = A ( B) C A B C ( ) =
A B B A = A B B A =
A B C ( ) A B ( ) A C ( ) = A B C ( ) A B ( ) A C ( ) =
A C A = A E A =
A E E = A C C =
A CA E = A CA C =
CCA A = CE C = CC E =
C A B ( ) CA CB = C A B ( ) CA CB =
x 01 [ , ] e
x a b [ , ] e x y , ( ) : x a b [ , ] y c d [ , ] e , e
A B
a A e b B e
Rappels mathmatiques
22/179 Biostatistique - Carrat, Mallet, Morice 2013 - 2014
A ={a, b, c}; B ={1, 2}
={(a, 1), (a, 2), (b, 1), (b, 2), (c, 1), (c, 2) }
est le plan cartsien, chaque lment de tant dfini par son abscisse et son
ordonne:
2.5 Familles densembles
Les lments dun ensemble peuvent eux-mmes tre des ensembles. On dit alors que ces en-
sembles font partie de la mme classe ou de la mme famille.
Parties
Soit un ensemble A quelconque. On appelle famille des parties de A lensemble des sous-
ensembles de A.
Exemple: A ={1, 2}
Partition
Une partition dun ensemble A est une subdivision de A en sous-ensembles disjoints dont
la runion forme A.
Notation
Soit une famille densembles {A
i
}={A
1
, A
2
, ...., A
n
, ....} qui peut tre finie ou non. On
note:
2.6 Autres rappels mathmatiques
2.6.1 Rappel sur les sommes
Soit {a
i
} une suite de termes a
i
. On note .
Proprits:
A B
9 9 9 9
(a,b)
b
a
9
9
P A ( ) C 1 { } 2 { } 12 { , } , , { , } =
A
i
i

A
1
A
2
... A
n
... =
A
i
i

A
1
A
2
... A
n
... =
a
i
i 1 =
n

a
1
a
2
... a
n
+ + + =
Rappels mathmatiques
2013 - 2014 Biostatistique - Carrat, Mallet, Morice 23/179
1.
2.
Si k est une constante (indpendante de i), elle peut tre sortie de la somme.
2.6.2 Rappel sur les intgrales
Dfinition
Soit f une fonction relle. Lintgrale dfinie de cette fonction sur lintervalle [a,b] est
laire sous la courbe de f sur lintervalle [a,b].
Elle est note .
Proprits
1.
2.
3.
Fonction primitive
Soit f une fonction relle. Laire sous la courbe sur lintervalle varie lorsquon fait
varier x de- +. Cette aire est une fonction F de x, appele fonction primitive de f . Elle
est dfinie par :
Noter lutilisation de la variable dintgration t. On peut utiliser nimporte quel nom de va-
riable (il sagit dune variable muette), diffrent de la borne dintgration x.
Proprits
1. Si , alors
Donc F se dduit de f par intgration, et f se dduit de F par drivation.
2.
a
i
b
i
+ ( )
i

a
i
i

b
i
i

+ =
ka
i
( )
i

k a
i
i

=
f x ( ) x d
a
b
}
f x ( ) x d
a
b
}
x
f x ( )
a b
f x ( ) g x ( ) + ( ) x d
a
b
}
f x ( ) x d
a
b
}
g x ( ) x d
a
b
}
+ =
kf x ( ) x d
a
b
}
k f x ( ) x d
a
b
}
=
f x ( ) x d
a
b
}
f x ( ) x d
a
c
}
f x ( ) x d
c
b
}
+ =
]- x] ,
F x ( ) f t ( ) t d

x
}
=
F x ( ) f t ( ) t d

x
}
= f x ( )
dF x ( )
dx
-------------- =
f x ( ) x d
a
b
}
F b ( ) F a ( ) =
Rappels mathmatiques
24/179 Biostatistique - Carrat, Mallet, Morice 2013 - 2014
Elments de calcul des Probabilits
2013 - 2014 Biostatistique - Carrat, Mallet, Morice 25/179
Chapitre 3
Elments de calcul des
Probabilits
3.1 Introduction
Le calcul des probabilits est la thorie mathmatique, donc fonde axiomatiquement, qui permet
de modliser des phnomnes alatoires, ou non dterministes.
De tels phnomnes sont bien reprsents par les jeux de hasard dont ltude a initi le calcul des
probabilits. Considrons le cas du jeu de ds; lorsquon jette un d on est certain quil va tomber
sur la table (phnomne dterministe), mais on nest pas capable de prdire la valeur qui va sortir
(phnomne alatoire).
Un phnomne dterministe est un phnomne dont on peut prvoir le rsultat ; les lois de la phy-
sique classique sont des modles permettant de prdire le rsultat dune exprience donne. La loi
dOhm permet de prdire la valeur de lintensit du courant connaissant la rsistance et la tension
aux bornes. Les lois de la physique mettent en vidence une rgularit qui permet de prdire les
rsultats dune exprience lorsquon contrle les causes.
Les phnomnes alatoires exhibent un autre type de rgularit. Prenons le cas des lois de Mendel.
Mendel tait un biologiste qui tudiait les rsultats du croisement de deux espces de plantes; plus
prcisment, il tudiait la transmission de caractres comme la couleur, laspect, etc. Une observa-
tion typique de rgularit dun nouveau type est dobserver que, sur une srie suffisamment grande
de croisements de deux espces A et B, on observait par exemple, dans 1/4 des cas, les caractres
de A, et dans 3/4 des cas, les caractres de B. Une telle rgularit frquentielle a donn lieu ce
quon appelle les lois de Mendel. Cette rgularit permet de prdire la frquence dapparition dun
phnomne, ce qui est plus faible que la prdiction dterministe. Ltude et la modlisation de
tels phnomnes (la recherche de lois) est le champ dapplication du calcul des probabilits.
Elments de calcul des Probabilits
26/179 Biostatistique - Carrat, Mallet, Morice 2013 - 2014
3.2 Exprience alatoire, ensemble
fondamental et vnements
Exprience alatoire
On sintresse ici aux seules expriences dont le rsultat nest pas prvisible, les exp-
riences alatoires. Une exprience alatoire est aussi appele une preuve.
Ensemble fondamental
Pour une exprience alatoire donne, lensemble des rsultats possibles est appel len-
semble fondamental, que nous noterons E dans la suite du cours. Chaque rsultat dexp-
rience est un point de E ou un lment de E.
Evnement
Un vnement A est un sous ensemble de E, cest--dire un ensemble de rsultats.
Lvnement {a}, constitu par un seul point de E, donc par un seul rsultat , est ap-
pel vnement lmentaire.
Lensemble vide C ne contient aucun des rsultats possibles: il est appel vnement im-
possible.
Lensemble E contient tous les rsultats possibles: cest lvnement certain.
Si E est fini, ou infini dnombrable, tout sous-ensemble de E est un vnement ; ce nest
pas vrai si E est non dnombrable (ceci sort du cadre de ce cours).
On note parfois O lensemble de tous les vnements.
Exemples
1. On jette un d et on observe le rsultat obtenu. Lensemble fondamental est form par
les 6 rsultats possibles:
E ={1, 2, 3, 4, 5, 6}
Lvnement correspondant lapparition dun nombre pair est A ={2, 4, 6}, qui est
bien un sous ensemble de E.
Lvnement correspondant lapparition dun nombre premier est B ={1, 2, 3, 5},
et lvnement correspondant lapparition dun 3 est C ={3}.
2. Dans lexemple prcdent E tait fini et donc dnombrable; E peut tre infini dnom-
brable comme dans le cas suivant. On jette une pice de monnaie jusqu ce quon ob-
tienne pile; lensemble fondamental correspondant est la suite des nombres entiers
E ={1, 2, 3, ..., n, ...} puisquon peut avoir un pile au bout dun jet, de 2 jets, de n jets,
n tant aussi grand que lon veut.
3. On vise avec une flchette une cible suffisamment grande; si on admet que la flchette
est trs fine, comme le serait un point de la gomtrie, lespace fondamental est la sur-
face de la cible qui est constitue de points et donc infinie et non dnombrable.
a E e
Elments de calcul des Probabilits
2013 - 2014 Biostatistique - Carrat, Mallet, Morice 27/179
3.3 Oprations sur les vnements
Les vnements peuvent se combiner entre eux pour former de nouveaux vnements. Si A et B
sont deux vnements, les oprations de combinaison sont :
1. est lvnement qui se produit si A ou B (ou les deux) est ralis.
Il est parfois not ou A ou B.
2. est lvnement qui se produit si A et B sont raliss tous les deux.
Il est parfois not ou A et B.
3. est lvnement qui se produit quand A nest pas ralis. On lappelle aussi ngation de
A.
Il est parfois not , ou .
Evnements incompatibles
Quand deux vnements A et B sont tels que , ils ne peuvent tre raliss si-
multanment. On dit quils sexcluent mutuellement, ou quils sont incompatibles.
Systme complet dvnements
On dit que les vnements A
1
, A
2
, ..., A
n
forment une famille complte si les A
i
constituent
une partition de E, cest--dire si :
1. les vnements sont deux deux disjoints:
2. ils couvrent tout lespace:
Exemple
Reprenons lexemple prcdent du jeu de ds:
E ={1, 2, 3, 4, 5, 6}, A ={2, 4, 6}, B ={1, 2, 3, 5}, C ={3}.
=apparition dun nombre pair ou premier
=apparition dun nombre pair et premier
=apparition dun nombre autre que 3
: A et C sexcluent mutuellement.
3.4 Rgles du calcul des probabilits
Soit un ensemble fondamental E. Nous introduisons une fonction Pr qui, tout vnement A, as-
socie un nombre rel positif ou nul.
Pr est dite fonction de probabilit, et Pr(A) est appele probabilit de lvnement A, si les condi-
tions ou rgles suivantes sont satisfaits:
1. pour tout vnement A : une probabilit est positive ou nulle
2. : la probabilit de lvnement certain est 1
3. : permet le calcul de la probabilit de la
runion de deux vnements disjoints
4. Soit un ensemble dnombrable (fini ou non) dvnements A
i
deux deux disjoints
A B
A B +
A B
A B
CA
non A A
A B C =
i j = ( ) A
i
A
j
C = ( ) ,
A
i
i

E =
A B 1 2 3 4 5 6 , , , , , { } =
A B 2 { } =
CC 1 2 4 5 6 , , , , { } =
A C C =
Pr A ( ) 0 >
Pr E ( ) 1 =
A B C = ( ) Pr A B ( ) Pr A ( ) Pr B ( ) + = ( )
Elments de calcul des Probabilits
28/179 Biostatistique - Carrat, Mallet, Morice 2013 - 2014
( ), alors .
Cette quatrime condition est proche de la troisime. Elle ne peut cependant pas sen dduire
dans le cas dun ensemble dvnements infini dnombrable.
Proprits importantes dduites des quatre conditions prcdentes:
1.
Soit A un vnement quelconque. A et C sont videmment disjoints puisque ;
donc . Or ; donc . Do
.
2.
A et son complmentaire sont disjoints, et leur runion forme E, de probabilit 1. Donc
. Toute probabilit tant positive ou
nulle, on obtient bien .
3.
A dmontrer en exercice, en notant que .
4. Si , alors .
A dmontrer en exercice, en notant que .
5.
A dmontrer en exercice, en remarquant que .
6.
A dmontrer en exercice, en remarquant que .
A
i
A
j
C = Pr A
1
A
2
... ( ) Pr A
1
( ) Pr A
2
( ) ... + + =
Pr C ( ) 0 =
A C C =
Pr A C ( ) Pr A ( ) Pr C ( ) + = A C A = Pr A C ( ) Pr A ( ) =
Pr C ( ) 0 =
Pr A ( ) 1 s
CA
Pr E ( ) 1 Pr A CA ( ) Pr A ( ) Pr CA ( ) + = = =
Pr A ( ) 1 s
Pr CA ( ) 1 Pr A ( ) =
E A CA =
A B c Pr A ( ) Pr B ( ) s
B A C
B
A =
C
B
A
B
A
Pr C
A
B ( ) Pr A ( ) Pr A B ( ) =
A C
A
B A B ( ) =
C
A
B
B
A
A B
Pr A B ( ) Pr A ( ) Pr B ( ) Pr A B ( ) + =
A B ( ) C
A
B B =
C
A
B
B
A
Elments de calcul des Probabilits
2013 - 2014 Biostatistique - Carrat, Mallet, Morice 29/179
3.5 Remarque
Alors que , il existe des vnements non vides qui peuvent avoir une probabilit nulle.
Dans le cas dun ensemble infini non dnombrable, un tel vnement nest pas ncessairement
impossible: il est alors dit presque impossible.
Exemple
Considrons lexprience qui consiste choisir au hasard un point sur une feuille de papier
quadrill avec une pointe de compas infiniment fine. La probabilit de lvnement piquer
dans un carr donn a une certaine valeur (par exemple celle du rapport de la surface du
carr avec celle de la feuille de papier) ; en revanche, si on rduit le carr un point (carr
infiniment petit) la probabilit deviendra zro alors que lvnement (piquer dans ce carr
si petit quil est devenu un point) nest pas impossible.
De mme un vnement de probabilit 1 peut ne pas tre certain. Il est alors qualifi de presque
certain.
3.6 Illustration de quelques ensembles
probabiliss
3.6.1 Ensemble probabilis fini
Soit E ={a
1
, a
2
, ..., a
n
} un ensemble fondamental fini. On probabilise cet ensemble en attribuant
chaque point a
i
un nombre p
i
, probabilit de lvnement lmentaire {a
i
}, tel que:
1.
2.
La probabilit dun vnement quelconque A est la somme des probabilits des a
i
quil contient :
Exemple
On jette 3 pices de monnaie et on compte le nombre de face obtenu. Lensemble fon-
damental correspondant cette exprience est E ={0, 1, 2, 3} puisquon peut obtenir
comme rsultat de lexprience: 0 fois face (3 fois pile), 1 fois face (2 fois
pile), 2 fois face, ou 3 fois face.
On probabilise cet ensemble fini en donnant une valeur p
0
, p
1
, p
2
et p
3
aux vnements
{0}, {1}, {2} et {3}; comme par exemple p
0
=1/8, p
1
=3/8, p
2
=3/8 et p
3
=1/8.
Considrons lvnement A tel quon ait au moins 2 fois face, A ={a
2
, a
3
}:
Pr(A) =p
2
+p
3
=3/8+1/8=4/8=1/2
Pr C ( ) 0 =
p
i
0 >
p
1
p
2
... p
n
+ + + 1 =
Pr A ( ) p
i
a
i
A e

=
Elments de calcul des Probabilits
30/179 Biostatistique - Carrat, Mallet, Morice 2013 - 2014
3.6.2 Ensemble fini quiprobable
Cest un ensemble fini probabilis tel que tous les vnements lmentaires ont la mme probabi-
lit. On dit aussi quil sagit dun espace probabilis uniforme.
E ={a
1
, a
2
, ..., a
n
} et Pr({a
1
}) =p
1
, Pr({a
2
}) =p
2
, ..., Pr({a
n
}) =p
n
avec p
1
=p
2
=... =p
n
=1/n
Les jeux de hasard- ds, cartes, loto, etc. - entrent prcisment dans cette catgorie:
jeu de ds: E ={1, 2, 3, 4, 5, 6}; p
1
=p
2
=p
3
=p
4
=p
5
=p
6
=1/6
jeu de cartes: E ={ensemble des cartes dun jeu de 52 cartes}; p
i
=1/52
Proprit
Dans un ensemble fini quiprobable, la probabilit dun vnement A est gale au rapport
du nombre de rsultats tel que A est vrai, sur le nombre dvnements de E.
Remarque
Quand on dit quon tire au hasard, on sous-entend que lensemble probabilis considr
est quiprobable.
Exemple
On tire au hasard une carte dans un jeu de 52 cartes.
Quelle est la probabilit de tirer un trfle?
Quelle est la probabilit de tirer un roi ?
Quelle est la probabilit de tirer un roi de trfle?
Remarque
Le cas des ensembles finis quiprobables est le plus simple apprhender. Il faut insister
sur le fait que lquiprobabilit nest quun cas particulier des ensembles probabiliss; ce
nest (de loin) pas le plus utile en mdecine.
3.6.3 Ensembles probabiliss infinis
3.6.3.1 Cas dnombrable
On a alors un ensemble fondamental de la forme E ={a
1
, a
2
, ..., a
n
, ...} comme dans le cas fini.
Cet ensemble fondamental est probabilis en affectant chaque lment a
i
une valeur relle p
i
telle que:
Pr tirer un trfle ( )
nombre de trfles
nombre de cartes
------------------------------------------
13
52
------
1
4
--- = = =
Pr tirer un roi ( )
nombre de rois
nombre de cartes
-----------------------------------------
4
52
------
1
13
------ = = =
Pr tirer un roi de trfle ( )
1
52
------ =
Elments de calcul des Probabilits
2013 - 2014 Biostatistique - Carrat, Mallet, Morice 31/179
et .
La probabilit dun vnement quelconque est alors la somme des p
i
correspondant ses l-
ments.
Exemple 1
A ={a
25
, a
31
, a
43
}
Pr(A) =p
25
+p
31
+p
43
Exemple 2
Si on reprend lexprience consistant jeter une pice et compter le nombre de jets jus-
qu ce quon obtienne un rsultat pile (cest un espace infini dnombrable), on peut
construire un espace probabilis en choisissant :
Remarque :
Le choix des p
i
est arbitraire; en ralit, il est justifi soit par des considrations a priori
(dans le cas de lexprience prcdente on suppose que chaque jet constitue une exp-
rience avec Pr(pile) =Pr(face) =1/2 et que le rsultat dun jet ninflue pas sur le suivant).
Il peut tre aussi estim; cest le problme des statistiques qui, partir de nombreuses ra-
lisations de lexprience, permet dapprocher les valeurs p
i
(ce point sera revu dans la suite
du cours et constitue lobjet de lapproche statistique).
3.6.3.2 Cas dun ensemble probabilis infini non dnombrable
Pour illustrer ce cas, on peut prendre lexemple de la chute dun satellite en fin de vie (ce fut le cas,
en octobre 1993 pour un gros satellite chinois dont on parla beaucoup dans la presse). Dans ltat
actuel des connaissances sur lorbite de ce satellite, on nest pas capable de prdire lendroit de la
chute; lhypothse retenue est alors celle dun espace de probabilit uniforme. Dans ce cas, le sa-
tellite a la mme chance de tomber dans nimporte quelle parcelle du monde et on peut calculer la
probabilit quil tombe sur Paris comme le rapport de la surface de Paris sur la surface du globe.
Lorsquon se rapprochera de lchance, on pourra avoir des hypothses plus prcises, et on pourra
prdire par exemple que le point de chute aura un maximum de probabilit dans une rgion, la pro-
babilit autour de cette rgion tant dautant plus petite quon sloigne de ce maximum.
Il sagit bien sr dun espace infini non dnombrable puisquon peut rduire (au moins par lesprit)
la taille de llment de la rgion considre celle dun point. Des probabilits peuvent donc tre
associes chaque rgion de taille non nulle, mais la probabilit dune chute en un point donn est
nulle, puisque sa surface est nulle. Nous verrons dans la suite que les probabilits se calculent g-
nralement partir dune densit (de probabilit) associe chaque point : lorsque les points dune
rgion ont une densit leve, la probabilit de chute dans cette rgion est leve.
p
i
0 > p
i
i 1 =

1 =
p
1
1
2
--- = p
2
1
4
--- = ... p
n
1
2
n
----- = ... p

0 = , , , , ,
Elments de calcul des Probabilits
32/179 Biostatistique - Carrat, Mallet, Morice 2013 - 2014
Probabilit Conditionnelle ; Indpendance et Thorme de Bayes
2013 - 2014 Biostatistique - Carrat, Mallet, Morice 33/179
Chapitre 4
Probabilit Conditionnelle ;
Indpendance et Thorme de
Bayes
4.1 Probabilit conditionnelle
Soient A et B deux vnements quelconques dun ensemble fondamental E muni dune loi de pro-
babilit Pr. On sintresse ce que devient la probabilit de A lorsquon apprend que B est dj
ralis, cest--dire lorsquon restreint lensemble des rsultats possibles E B.
La probabilit conditionnelle de A, sachant que lvnement B est ralis, est note Pr(A/ B) et est
dfinie par la relation suivante:
Equation 1 : probabilit conditionnelle
Dans cette quation, les probabilits des vnements et B doivent tre calcules sur tout
lensemble fondamental E, comme si on ne savait pas que B sest dj ralis. Sinon, on obtient
videmment Pr(B) =1.
Figure 1 : probabilit conditionnelle
Cette relation gnrale pour tout espace probabilis sinterprte facilement dans le cas o E est un
Pr A B ( )
Pr A B ( )
Pr B ( )
-------------------------- =
A B
A B
A B
Probabilit Conditionnelle ; Indpendance et Thorme de Bayes
34/179 Biostatistique - Carrat, Mallet, Morice 2013 - 2014
espace quiprobable (mais cette relation est vraie pour un espace non-quiprobable!). En notant
le nombre dlments de A :
Pr(A/ B) traduit le rapport de la surface de sur la surface de B dans la figure 1.
Toujours dans le cas o E est quiprobable, on a
Cette interprtation de la probabilit conditionnelle, facile apprhender dans le cas dquiproba-
bilit, est la dfinition gnrale de la probabilit conditionnelle quon doit utiliser telle quelle, sans
chercher une interprtation frquentiste dans tous les cas.
Exemple
On jette une paire de ds bien quilibrs (espace quiprobable). On observe une ralisation
de lvnement {somme des ds=6}. Quelle est la probabilit pour quun des deux ds ait
donn le rsultat 2?
B ={somme des deux ds=6}
A ={au moins un des deux ds donne 2}
B ={(2, 4), (4, 2), (1, 5), (5, 1), (3, 3)}
Nombre de ralisations de ={(2, 4), (4, 2)}=2
Do , alors que ( vrifier).
4.2 Thorme de la multiplication
Reprenons lquation 1, dfinition des probabilits conditionnelles:
On en tire immdiatement
Equation 2 : thorme de la multiplication
Lquation 2 peut se gnraliser facilement. Soient A
1
, ..., A
n
des vnements quelconques dun
espace probabilis; partir de lquation 2, on montre:
Exemple
Une bote contient 10 articles dont 4 sont dfectueux. On tire 3 objets de cette bote. Cal-
culer la probabilit pour que ces 3 objets soient dfectueux.
Pr(1
er
dfectueux) =4/10
Pr(2
me
dfectueux / 1
er
dfectueux) =3/9
A
Pr A B ( )
A B
E
----------------- Pr B ( )
B
E
------ Pr A B ( )
A B
B
----------------- = , = , =
A B
Pr A B ( )
nombre de ralisations possibles de A et B en mme temps
nombre de ralisations de B
--------------------------------------------------------------------------------------------------------------------------------------------- =
A B
Pr A B ( )
A B
B
-----------------
2
5
--- = = Pr A ( )
11
36
------ =
Pr A B ( )
Pr A B ( )
Pr B ( )
-------------------------- =
Pr A B ( ) Pr A B ( )Pr B ( ) Pr B A ( )Pr A ( ) = =
Pr A
1
A
2
... A
n
( ) Pr A
1
( )Pr A
2
A
1
( )Pr A
3
A
1
A
2
( ) ( )...Pr A
n
A
1
A
2
... A
n 1
( ) ( ) =
Probabilit Conditionnelle ; Indpendance et Thorme de Bayes
2013 - 2014 Biostatistique - Carrat, Mallet, Morice 35/179
Pr(3
me
dfectueux / 1
er
et 2
me
dfectueux) =2/8
Pr(1
er
et 2
me
et 3
me
dfectueux) =4/103/92/8=1/30.
4.3 Diagramme en arbre
On considre une squence finie dexpriences dont chacune dentre elles a un nombre fini de r-
sultats possibles. Les probabilits associes aux rsultats possibles dune exprience dpendent du
rsultat de lexprience prcdente; il sagit de probabilits conditionnelles. Pour reprsenter cette
squence, on utilise une reprsentation en arbre, le thorme prcdent permettant de calculer
la probabilit de chaque feuille de larbre.
Exemple
On sait que les taux de russite au concours dans les trois CHU Piti, Saint Antoine et
Broussais (luniversit Pierre et Marie Curie a longtemps comport ces 3 CHU) taient res-
pectivement (donnes arbitraires) de 0,20; 0,15; et 0,10 (0,20=Pr(Russite/Piti)) ; on
sait que 1/4 des tudiants de Paris VI taient Saint Antoine, 1/4 Broussais et 1/2 la
Piti. Quelle tait la probabilit quun tudiant de Paris VI soit reu au concours?
R signifie russite et E chec.
Pr(R) =0,151/4+0,201/2+0,101/4=0,1625
La probabilit quun chemin particulier de larbre se ralise est, daprs le thorme de la
multiplication, le produit des probabilits de chaque branche du chemin.
Les chemins sexcluant mutuellement, la probabilit dtre reu est gale la somme des
probabilits dtre reu pour tout chemin aboutissant un tat R (reu).
Saint Antoine
Piti
Broussais
1/4
1/2
1/4
0,15
0,85
0,20
0,80
0,10
0,90
R
E
R
E
R
E
Pr R Saint Antoine ( ) 0 15 ,
1
4
-- - =
Pr R Piti ( ) 0 20 ,
1
2
--- =
Pr R Broussais ( ) 0 10 ,
1
4
-- - =
Pr R ( ) Pr R Saint Antoine ( ) Pr R Piti ( ) Pr R Broussais ( ) + + =
Probabilit Conditionnelle ; Indpendance et Thorme de Bayes
36/179 Biostatistique - Carrat, Mallet, Morice 2013 - 2014
4.4 Thorme de Bayes
En reprenant lquation 2 page 34 (section 4.2), on obtient la formule de Bayes:
Equation 3 : formule de Bayes
Le thorme est une forme dveloppe de cette formule que nous introduisons maintenant.
Considrons des vnements A
1
, ..., A
n
tels quils forment une partition de lensemble fondamen-
tal E.
Par dfinition, les A
i
sexcluent mutuellement et leur union est E :
Soit B un vnement quelconque
De et de , on tire .
Soit, par distributivit, .
En remarquant que les sont exclusifs, puisque les A
i
le sont, et en appliquant la 3
me
rgle
du calcul des probabilits on obtient la formule dite des probabilits totales:
Equation 4 : probabilits totales
En appliquant le thorme de la multiplication:
Or, par la forme simple du thorme de Bayes, on a
Do le thorme de Bayes:
Equation 5 : thorme de Bayes
Pr B A ( )
Pr A B ( )Pr B ( )
Pr A ( )
-------------------------------------- =
i j = ( ) A
i
A
j
C = ( ) ; A
i
i 1 =
n

E = ,
A
1
A
2
A
3
B
E A
1
A
2
... A
n
= B E B = B B A
1
A
2
... A
n
( ) =
B B A
1
( ) B A
2
( ) ... B A
n
( ) =
B A
i

Pr B ( ) Pr B A
1
( ) Pr B A
2
( ) ... Pr B A
n
( ) + + + =
Pr B ( ) Pr B A
1
( )Pr A
1
( ) Pr B A
2
( )Pr A
2
( ) ... Pr B A
n
( )Pr A
n
( ) + + + =
Pr A
i
B ( )
Pr B A
i
( )Pr A
i
( )
Pr B ( )
----------------------------------------- =
Pr A
i
B ( )
Pr B A
i
( )Pr A
i
( )
Pr B A
1
( )Pr A
1
( ) Pr B A
2
( )Pr A
2
( ) ... Pr B A
n
( )Pr A
n
( ) + + +
---------------------------------------------------------------------------------------------------------------------------------------------------------- =
Probabilit Conditionnelle ; Indpendance et Thorme de Bayes
2013 - 2014 Biostatistique - Carrat, Mallet, Morice 37/179
Exemple 1
Reprenons lexemple des rsultats au concours des tudiants de Paris VI.
Comme prcdemment, soit R lvnement un tudiant de Paris VI est reu. On a, en
notant C
1
, C
2
, C
3
les 3 anciens CHU Saint Antoine, Piti et Broussais respectivement :
Pr(R) =Pr(R/C
1
)Pr(C
1
) +Pr(R/C
2
)Pr(C
2
) +Pr(R/C
3
)Pr(C
3
)
[noter que cest la mme chose que la somme des probabilits des chemins de larbre, qui
conduisent un succs]
Le thorme de Bayes permet de rpondre la question duale. Au lieu de chercher la pro-
babilit dobtenir un tudiant reu sachant quil venait dun CHU donn, on cherche la pro-
babilit quun tudiant ait t inscrit un CHU donn sachant quil a t reu (probabilit
des causes).
Calculons la probabilit quun tudiant reu soit issu du CHU Piti-Salptrire.
Avec Pr(C
1
) =0,25; Pr(C
2
) =0,50; Pr(C
3
) =0,25;
et Pr(R/C
1
) =0,15; Pr(R/C
2
) =0,20; Pr(R/C
3
) =0,10.
Do
Ce qui signifie que, dans ce cas, la probabilit quun tudiant appartienne C
2
, sil est re-
u, est plus grande que si lon ne sait rien (probabilit a priori Pr(C
2
) =0,50).
Cette faon de calculer les probabilits des causes connaissant les effets est essentielle en
mdecine. En effet, le problme du diagnostic peut tre pos en ces termes.
Exemple 2
Considrons, pour illustrer notre propos, le problme du diagnostic dune douleur aigu de
labdomen. Il sagit dun patient arrivant aux urgences pour un mal au ventre.
Si lon ne sait rien dautre sur le patient (on na pas fait dexamen clinique ou complmen-
taire), on ne connat que les probabilits davoir tel ou tel diagnostic si on observe une dou-
leur.
Soient D
1
, D
2
et D
3
les 3 diagnostics principaux (il y en a en fait au moins une douzaine)
et exclusifs; par exemple D
1
=appendicite, D
2
=perforation dulcre, D
3
=autres dia-
gnostics.
Soit un signe s
1
pour lequel on connat Pr(s
1
/D
1
), Pr(s
1
/D
2
), et Pr(s
1
/D
3
).
Par exemple, s
1
serait prsence dune fivre > 38,5C ; Pr(s
1
/D
1
) =0,90; Pr(s
1
/
D
2
) =0,30; et Pr(s
1
/D
3
) =0,10.
Ces probabilits peuvent tre estimes sur une population de patients en dnombrant le
nombre de sujets ayant le diagnostic D
1
et prsentant le signe s
1
. De mme, on peut
connatre Pr(D
1
), Pr(D
2
) et Pr(D
3
).
Le problme diagnostique se pose comme celui de choisir par exemple le diagnostic le plus
probable connaissant le signe s
1
; pour ce faire, on calcule Pr(D
1
/s
1
), Pr(D
2
/s
1
), Pr(D
3
/
s
1
) et on retient le diagnostic qui a la plus grande probabilit: cest lapplication de lap-
proche bayesienne au problme de laide au diagnostic.
Pr C
2
R ( )
Pr R C
2
( )Pr C
2
( )
Pr R C
1
( )Pr C
1
( ) Pr R C
2
( )Pr C
2
( ) Pr R C
3
( )Pr C
3
( ) + +
-------------------------------------------------------------------------------------------------------------------------------------------------- =
Pr C
2
R ( )
0 20 , 0 50 ,
0 15 , 0 25 , 0 20 , 0 50 , 0 10 , 0 25 , + +
------------------------------------------------------------------------------------------------------- 0 61 , = =
Probabilit Conditionnelle ; Indpendance et Thorme de Bayes
38/179 Biostatistique - Carrat, Mallet, Morice 2013 - 2014
4.5 Indpendance entre vnements
On dit que deux vnements A et B sont indpendants si la probabilit pour que A soit ralis nest
pas modifie par le fait que B se soit produit. On traduit cela par Pr(A / B) =Pr(A).
Daprs la dfinition dune probabilit conditionnelle, , on tire la
dfinition:
A et B sont indpendants si et seulement si .
La symtrie de cette dfinition implique quon a aussi bien Pr(A / B) =Pr(A) (A est indpendant
de B) que Pr(B / A) =Pr(B) (B est indpendant de A) : lapparition dun des deux vnements
ninflue pas sur lapparition de lautre.
Note
Ce qui est dfini prcdemment est lindpendance de deux vnements. Si on considre
maintenant 3 vnements A, B, C, on dira que ces 3 vnements sont indpendants:
1. sils sont indpendants 2 2: A indpendant de B ; A indpendant de C ; et B ind-
pendant de C
2. et si . Cette condition nest pas une cons-
quence des prcdentes.
4.6 Indpendance, inclusion et exclusion de
deux vnements
Considrons deux vnements A et B.
1. Si (A est inclus dans B) : si A est ralis, alors B aussi.
Alors .
Do et .
A et B ne sont pas indpendants.
Pr A B ( )
Pr A B ( )
Pr B ( )
-------------------------- =
Pr A B ( ) Pr A ( )Pr B ( ) =
Pr A B C ( ) Pr A ( )Pr B ( )Pr C ( ) =
A B c
B
A
Pr A B ( ) Pr A ( ) =
Pr B A ( )
Pr A B ( )
Pr A ( )
-------------------------- 1 = = Pr A B ( )
Pr A B ( )
Pr B ( )
--------------------------
Pr A ( )
Pr B ( )
--------------- = =
Probabilit Conditionnelle ; Indpendance et Thorme de Bayes
2013 - 2014 Biostatistique - Carrat, Mallet, Morice 39/179
2. Si (A et B sont exclusifs) : si A est ralis, B ne peut pas ltre.
Alors .
Do .
De mme A et B ne sont pas indpendants.
A B C =
B
A
Pr A B ( ) Pr C ( ) 0 = =
Pr A B ( )
Pr A B ( )
Pr B ( )
--------------------------
0
Pr B ( )
--------------- 0 = = =
Probabilit Conditionnelle ; Indpendance et Thorme de Bayes
40/179 Biostatistique - Carrat, Mallet, Morice 2013 - 2014
Evaluation de lintrt diagnostique des informations mdicales
2013 - 2014 Biostatistique - Carrat, Mallet, Morice 41/179
Chapitre 5
Evaluation de lintrt
diagnostique des informations
mdicales
5.1 Introduction
La tche essentielle des mdecins est de traiter les patients. Pour prescrire un traitement, il faut sa-
voir, plus ou moins prcisment selon les cas, ce dont souffre le malade. Pour rsumer en un seul
terme un processus physiopathologique complexe, les mdecins ont cr des concepts: les dia-
gnostics.
La recherche du diagnostic est donc la premire tape de la consultation clinique. Pour parvenir
au diagnostic, le mdecin accumule des informations, dont certaines lui sont spontanment livres
par le patient (le motif de la consultation, les symptmes), dautres doivent tre recherches mais
sont disponibles immdiatement (les signes physiques), dautres enfin sont dobtention plus ou
moins difficile et coteuse (les rsultats dexamens complmentaires). De nouvelles procdures
diagnostiques apparaissent frquemment : on a vu, par exemple, lapparition des chographies, de
la tomodensitomtrie (scanner), de lIRM, pour ne citer que le domaine de limagerie. Il nest bien
sr pas question deffectuer tous les examens complmentaires sur tous les malades: il faut donc
prciser les indications de ces examens, ce qui repose sur lvaluation de leur intrt diagnostique.
Avant daborder la mthodologie de lvaluation, nous reviendrons sur certains concepts utiliss
dans ce paragraphe.
5.1.1 Le diagnostic
On peut dfinir un diagnostic comme un concept rsumant ltat dun individu. Le terme de
diagnostic est donc beaucoup moins prcis quon pourrait le penser premire vue: on peut en
gnral fournir plusieurs diagnostics pour un mme tat physiopathologique, les termes diagnos-
tiques utiliss dpendant de laspect privilgi. Parmi ces aspects, on peut citer :
la symptomatologie
Evaluation de lintrt diagnostique des informations mdicales
42/179 Biostatistique - Carrat, Mallet, Morice 2013 - 2014
la physiopathologie et ltiologie
la conduite thrapeutique
En pratique, la prcision du diagnostic dpendra souvent des possibilits thrapeutiques: par
exemple, on ne recherchera pas, en gnral, le virus responsable dun syndrome grippal, surtout si
on sattend ce que la maladie gurisse spontanment.
Dun point de vue statistique, le diagnostic sera souvent considr comme une variable alatoire
binaire: le patient souffre ou ne souffre pas de laffection considre, ou, exprim autrement, le
diagnostic est vrai ou faux chez ce patient. Les valeurs possibles de la variable seront notes M et
(maladie prsente ou absente), ou D et (diagnostic vrai ou faux).
5.1.2 Les informations mdicales
On divise lensemble des informations mdicales en signes cliniques et signes complmentaires.
Les signes cliniques sont diviss en signes fonctionnels ou symptmes, dcrits par le malade (spon-
tanment ou par linterrogatoire) et signes physiques, recherchs par le mdecin. Les signes com-
plmentaires peuvent tre biologiques ou radiologiques. Leur intrt peut tre:
diagnostique (caractre malin ou bnin dune tumeur)
thrapeutique (localisation prcise dune tumeur)
pronostique (extension ganglionnaire)
Dun point de vue statistique, ces signes peuvent tre reprsents par des variables binaires (pr-
sence ou absence dun nodule sur une image) ou continues (cholestrolmie).
Nous considrons ici le seul cas dun signe binaire, prsent (not S) ou absent (not ). Dans la
suite, on considre que la prsence du signe est vocateur de la maladie M.
Si linformation est de type continu, on se ramne au cas binaire par lintroduction dun seuil : dun
ct du seuil, les valeurs sont dites normales, et le signe binaire est absent ; de lautre ct du seuil,
les valeurs sont dites pathologiques, et le signe binaire est prsent.
5.1.3 Situation exprimentale et estimation
Quand on cherche valuer lintrt diagnostique dun signe pour une affection, on recherche le
signe chez des individus prsentant ou non laffection considre. Deux situations exprimentales
sont envisager :
un chantillon reprsentatif dune population est constitu. On pourra estimer, partir de cet
chantillon, toutes les probabilits dvnements par les frquences observes correspon-
dantes (cette manire de faire sera revue plus tard, page78) ;
deux chantillons sont constitus, lun reprsentatif des individus pour lesquels le diagnostic
est vrai, lautre reprsentatif des individus pour lesquels il est faux. Cette manire de procder
est souvent la seule possible en pratique, surtout quand la maladie considre est rare. Il faut
remarquer, cependant, quon ne peut plus estimer nimporte quelle probabilit par la fr-
M D
S
Evaluation de lintrt diagnostique des informations mdicales
2013 - 2014 Biostatistique - Carrat, Mallet, Morice 43/179
quence observe correspondante; ce point sera dvelopp plus loin dans ce chapitre.
Remarque : nous utilisons actuellement le mot estimation dans le sens dapproximation de la
vraie valeur. Nous donnerons des dfinitions plus rigoureuses dans le chapitre 10 page 99.
5.2 Les paramtres de lvaluation
5.2.1 Sensibilit et spcificit
La sensibilit dun signe pour une maladie est la probabilit que le signe soit prsent si le sujet est
atteint de la maladie considre.
Il sagit donc de la probabilit conditionnelle quon peut noter :
Sensibilit=Se=Pr(S / M)
Un test diagnostic est donc dautant plus sensible que les sujets atteints de la maladie prsentent
plus souvent le signe S.
La spcificit dun signe pour une maladie est la probabilit que le signe soit absent si le sujet nest
pas atteint de la maladie.
De manire similaire, on a:
Un test diagnostic est donc dautant plus spcifique que les sujets indemnes de la maladie pr-
sentent moins souvent le signe S.
Pour un examen parfait , cest--dire neffectuant aucune erreur, les valeurs de la sensibilit et
de la spcificit sont gales 1.
Si la prsence du signe est dfinie par un seuil de positivit, on observe que ces deux paramtres
varient en sens inverse lorsquon fait varier ce seuil. Ceci explique quun seul de ces deux para-
mtres ne suffise pas valuer un examen. Supposons par exemple quon sintresse au signe tem-
prature vis vis de la grippe. On considre que le signe est prsent si la temprature dpasse un
certain seuil, par exemple 39C. Si on augmente le seuil pour le porter 40C, la probabilit de
dpasser le seuil (chez les sujets gripps) va diminuer, donc la sensibilit diminue. En revanche, la
probabilit dtre en dessous du seuil (chez les sujets non gripps) va augmenter, donc la spcificit
augmente.
Un test diagnostique de bonne sensibilit conduit un rsultat positif chez presque tous les ma-
lades. Il est donc utilisable pour un dpistage. Si le test possde une bonne spcificit, il conduit
un rsultat ngatif chez presque tous les non-malades. Il pourrait donc tre utilis en tant quexa-
men de confirmation du diagnostic.
Ces considrations sont bien sr schmatiques, dautres lments intervenant dans lvaluation,
Spcificit Sp Pr S M ( ) = =
Evaluation de lintrt diagnostique des informations mdicales
44/179 Biostatistique - Carrat, Mallet, Morice 2013 - 2014
comme la frquence de la maladie (prvalence), les risques lis la maladie, lexamen, lexis-
tence et les performances dautres examens concurrents...
5.2.2 Valeurs prdictives
En pratique, quand un mdecin reoit le rsultat dun examen complmentaire, positif ou ngatif,
il ne sait pas si le patient souffre de laffection quil cherche diagnostiquer ou non, et les proba-
bilits qui lintressent sexpriment de la manire suivante: quelle est la probabilit de prsence
de la maladie M chez ce patient, sachant que lexamen a donn un rsultat positif (ou ngatif) ? Ces
probabilits sont appeles valeurs prdictives. Plus prcisment, on a:
la valeur prdictive positive dun signe pour une maladie est la probabilit que le sujet soit
atteint de la maladie si le signe est prsent ;
la valeur prdictive ngative dun signe pour une maladie est la probabilit que le sujet soit
indemne de la maladie si le signe est absent.
On peut noter ces paramtres:
Comme les sensibilit et spcificit, les valeurs prdictives positive et ngative varient en sens in-
verse, et doivent donc tre considres simultanment.
Les valeurs prdictives peuvent sexprimer en fonction du couple sensibilit- spcificit, et de la
frquence de la maladie dans la population (cette probabilit Pr(M) sappelle la prvalence de la
maladie). Il suffit dutiliser le thorme de Bayes:
5.2.3 Comparaison des deux couples de paramtres
En situation clinique, on a vu que les valeurs prdictives correspondent aux proccupations des m-
decins, et elles pourraient sembler les meilleurs paramtres dvaluation. Pourtant, en ralit,
cest la sensibilit et la spcificit qui sont le plus souvent utilises pour valuer les examens com-
VPP Pr M S ( ) =
VPN Pr M S ( ) =
VPP Pr M S ( )
Pr S M ( )Pr M ( )
Pr S M ( )P M ( ) Pr S M ( )Pr M ( ) +
------------------------------------------------------------------------------------
Se Pr M ( )
Se Pr M ( ) 1 Sp ( ) 1 Pr M ( ) ( ) +
--------------------------------------------------------------------------------------------
= =
=
VPN Pr M S ( )
Pr S M ( )Pr M ( )
Pr S M ( )P M ( ) Pr S M ( )Pr M ( ) +
------------------------------------------------------------------------------------
Sp 1 Pr M ( ) ( )
1 Se ( ) Pr M ( ) Sp 1 Pr M ( ) ( ) +
--------------------------------------------------------------------------------------------
= =
=
Evaluation de lintrt diagnostique des informations mdicales
2013 - 2014 Biostatistique - Carrat, Mallet, Morice 45/179
plmentaires. La raison en est la suivante:
la sensibilit dun examen pour une affection repose sur la dfinition de la population des
malades, et est donc caractristique de la maladie et du signe. En particulier, elle nest pas sus-
ceptible de varier dun centre lautre (dun service hospitalier spcialis une consultation de m-
decin gnraliste, par exemple). Le mme raisonnement peut sappliquer la spcificit, si on
considre quelle repose aussi sur la dfinition de la maladie.
Les valeurs prdictives, au contraire, sont fonctions des proportions respectives de malades et de
non-malades dans la population (de la prvalence de la maladie). Or ces proportions sont dpen-
dantes des centres considrs; les valeurs prdictives des examens varient donc dun centre
lautre pour une mme maladie, ce qui explique quelles sont moins utilises comme paramtre
dvaluation, mme si elles sont intressantes connatre pour un centre donn.
5.2.4 Choix dun seuil : courbes ROC
Lorsquun examen fournit des rsultats de type continu, il faut dterminer le meilleur seuil entre
les valeurs pathologiques et les valeurs normales. Lidal serait dobtenir une sensibilit et une sp-
cificit gales 1. Ce nest gnralement pas possible, et il faut tenter dobtenir les plus fortes va-
leurs pour ces deux paramtres, sachant quils varient en sens inverse.
On saide pour ce choix dun outil graphique, la courbe ROC (Receiver Operating
Characteristics). Une courbe ROC est le trac des valeurs de la sensibilit Se en fonction de 1-Sp.
Evaluation de lintrt diagnostique des informations mdicales
46/179 Biostatistique - Carrat, Mallet, Morice 2013 - 2014
Cet exemple (tir du livre de A.J . Valleron) montre 3 courbes ROC correspondant 3 examens dif-
frents.
La courbe A est celle obtenue pour lexemple prcdent de la temprature et de la grippe. Le point
de la courbe le plus proche du coin suprieur gauche du carr contenant la courbe (ici Se=0,65,
Sp=0,75, et temprature=39C)) est celui qui permet dobtenir un bon compromis entre sensibi-
lit et spcificit (le coin suprieur gauche correspond Se=Sp=1). En ralit, on ne choisira pas
toujours ce point, car il faut aussi tenir compte des cots des erreurs diagnostiques: il peut par
exemple tre beaucoup plus grave de ne pas dtecter une maladie, que de traiter tort.
La courbe B correspond un examen qui napporte rien au diagnostic, puisque les variables signe
et maladie sont ici indpendantes:
La courbe C correspond un bon critre diagnostic pour lequel on peut obtenir simultanment des
valeurs leves de sensibilit et de spcificit.
Se Pr S M ( ) 1 Sp Pr S M ( ) = = =
Evaluation de lintrt diagnostique des informations mdicales
2013 - 2014 Biostatistique - Carrat, Mallet, Morice 47/179
5.3 Estimation des paramtres de lvaluation
5.3.1 Un chantillon reprsentatif
5.3.1.1 Les donnes
Quand on a un chantillon reprsentatif dune population, on peut rsumer les donnes de lexp-
rience par un tableau de contingence 22, sur lequel sont indiqus les effectifs suivants:
VP (Vrais Positifs) : ce sont les individus malades (M) et chez lesquels le signe est prsent
{S};
FP (Faux Positifs) : la maladie est absente { } et le signe est prsent {S};
FN (Faux Ngatifs) : la maladie est prsente {M) et le signe est absent { };
VN (Vrais Ngatifs) : la maladie est absente { } et le signe est absent { }.
Tableau 1
5.3.1.2 Estimation de la sensibilit et de la spcificit
Par dfinition, sensibilit=Se=Pr(S / M)
On estime cette probabilit conditionnelle par le rapport des effectifs correspondants sur le tableau
de contingence observ:
Note : On notera de manire identique, suivant un usage tabli, les paramtres vrais, qui sont des
probabilits conditionnelles, et leurs estimations, qui sont des rapports deffectifs observs.
Par exemple, calculons les estimateurs de ces paramtres dans le cas o on cherche diagnostiquer
un diabte partir dun signe de la forme la glycmie mesure jeun est suprieure ... ). Pour
deux seuils donns S
1
et S
2
, on obtient les tableaux de contingence ci-dessous:
a. Seuil S
1
M
S VP FP
FN VN
M
S
M S
M
S
Se
VP
VP FN +
--------------------- ~
Spcificit Sp Pr S M ( )
VN
VN FP +
--------------------- ~ = =
Evaluation de lintrt diagnostique des informations mdicales
48/179 Biostatistique - Carrat, Mallet, Morice 2013 - 2014
Tableau 2
b. Seuil S
2
Tableau 3
On peut estimer les sensibilits et spcificits correspondant aux deux seuils par :
Se
1
~ 90 / 100=0,90; Sp
1
~ 300 / 500=0,60
Se
2
~ 50 / 100=0,50; Sp
2
~ 475 / 500=0,95.
On retrouve ici le fait que sensibilit et spcificit varient en sens inverse.
On constate dautre part que le seuil S
1
correspond une bonne sensibilit (lexamen est positif
chez 90% des malades), mais une spcificit mdiocre (lexamen est positif chez 40% des
non-malades) ; il peut donc tre utilis pour un examen de dpistage, le diagnostic devant tre
confirm ultrieurement par un examen plus spcifique.
Le seuil S
2
, en revanche, induit un test dune sensibilit qui pourrait tre juge trop faible pour un
examen de dpistage. En revanche, sa spcificit peut tre acceptable pour un examen de confir-
mation.
5.3.1.3 Estimation des valeurs prdictives
Les estimations sobtiennent partir du mme tableau des donnes:
Par exemple, pour les tableaux de contingence vus ci-dessus, on a:
VPP
1
~ 90 / 290=0,31; VPN
1
~ 300 / 310=0,97
VPP
2
~ 50 / 75=0, 67; VPN
2
~ 475 / 525=0,90
Ces rsultats peuvent sinterprter ainsi : en affirmant le diagnostic sur la base de la positivit de
lexamen, on se trompe dans 69% des cas avec le seuil S
1
et 33% des cas avec le seuil S
2
; et en
liminant le diagnostic en constatant la ngativit de lexamen, on se trompe dans 3% des cas avec
M
S 90 200
10 300
M
S 50 25
50 475
M
S
M
S
VPP Pr M S ( )
VP
VP FP +
-------------------- ~ =
VPN Pr M S ( )
VN
VN FN +
---------------------- ~ =
Evaluation de lintrt diagnostique des informations mdicales
2013 - 2014 Biostatistique - Carrat, Mallet, Morice 49/179
le seuil S
1
et 10% des cas avec le seuil S
2
.
5.3.2 Deux chantillons reprsentatifs
Linconvnient du schma exprimental ci-dessus (un seul chantillon) est que, si la maladie est
peu frquente ou rare, il faut constituer un chantillon de trs grande taille pour obtenir un nombre
suffisant de malades. Les non-malades, au contraire, seront trop nombreux. Cest pourquoi on
constituera souvent, en pratique, deux chantillons, un chantillon de malades et un chantillon de
non-malades. On peut encore rsumer les rsultats par un tableau comme celui du tableau 1 page
47, mais ce tableau doit tre interprt diffremment, les proportions respectives des malades et
non-malades ne correspondant plus la ralit: le rapport entre le nombre de malades et le nombre
de non-malades du tableau dpend des tailles respectives choisies pour les deux chantillons, et na
aucun lien avec la frquence de la maladie dans la population (la prvalence).
On peut toujours estimer la sensibilit et la spcificit comme ci-dessus. En effet, la sensibilit par
exemple est estime uniquement partir de VP et FN, donc de la rpartition des malades entre ceux
qui prsentent le signe et les autres. Or lchantillon des malades respecte cette rpartition.
En revanche, lestimation prcdente des valeurs prdictives utilisait la rpartition entre malades
et non malades, que le tableau actuel ne reprsente pas correctement.
Lestimation des valeurs prdictives reste cependant possible condition de connatre la prva-
lence de la maladie Pr(M). On utilisera les formules introduites section 5.2.2 page 44:
On remplacera dans ces formules la sensibilit et la spcificit par leurs estimations.
VPP
Se Pr M ( )
Se Pr M ( ) 1 Sp ( ) 1 Pr M ( ) ( ) +
-------------------------------------------------------------------------------------------- =
VPN
Sp 1 Pr M ( ) ( )
1 Se ( ) Pr M ( ) Sp 1 Pr M ( ) ( ) +
-------------------------------------------------------------------------------------------- =
Evaluation de lintrt diagnostique des informations mdicales
50/179 Biostatistique - Carrat, Mallet, Morice 2013 - 2014
Variables alatoires
2013 - 2014 Biostatistique - Carrat, Mallet, Morice 51/179
Chapitre 6
Variables alatoires
6.1 Dfinition dune variable alatoire
Considrons un ensemble fondamental E correspondant une certaine exprience. Les lments
de E, rsultats possibles de lexprience, ne sont gnralement pas des nombres. Il est cependant
utile de faire correspondre un nombre chaque lment de E, en vue de faire ensuite des calculs.
Pour un jet de d, il semble naturel de faire correspondre la face obtenue par le jet, le nombre de
points quelle porte, mais ce nest pas une obligation. Si on jette 2 ds, on sintressera par exemple
la somme des points obtenus. Pour une carte jouer, il faut convenir dune valeur pour chaque
carte.
Une variable alatoire X, sur un ensemble fondamental E, est une application de E dans 9 : tout
rsultat possible de lexprience ( tout lment de E), la variable alatoire X fait correspondre un
nombre.
Lorsque E est fini ou infini dnombrable, toute application de E dans 9 est une variable alatoire.
Lorsque E est non dnombrable, il existe certaines applications de E dans 9 qui ne sont pas des
variables alatoires. En effet, la dfinition rigoureuse dune variable alatoire X impose que tout
intervalle de 9 soit limage dun vnement de E par lapplication X. Cette condition est vrifie
pour toute application X si E est fini ou dnombrable, puisque toute partie de E est un vnement.
Ce nest plus vrai si E est non dnombrable. Heureusement, les applications choisies naturellement
sont des variables alatoires.
On parle de variable alatoire discrte lorsque la variable est une application de E dans un sous-
ensemble discret de 9, le plus souvent N ou une partie de N. On parle sinon de variable alatoire
continue.
Pour un nombre rel a donn, lvnement constitu de tous les rsultats dexprience tels que
X() =a est not [X() =a], ou, en abrg, X =a.
Pour deux nombres rels a et b (a s b), lvnement constitu de tous les rsultats dexprience
tels que a s X() s b est not [a s X() s b] ou, en abrg, a s X s b.
Si X et Y sont des variables alatoires dfinies sur le mme ensemble fondamental E, et si k est
une constante, on peut montrer que les fonctions suivantes sont aussi des variables alatoires:
(X +Y)() =X() +Y() (X +k)() =X() +k
(kX)() =kX() (XY)() =X() Y()
pour tout lment de E.
Variables alatoires
52/179 Biostatistique - Carrat, Mallet, Morice 2013 - 2014
6.2 Variables alatoires finies
Considrons maintenant le cas le plus simple dune variable alatoire finie, que nous gnralise-
rons dans un second temps une variable alatoire infinie dnombrable, puis continue.
Soit X une variable alatoire sur un ensemble fondamental E valeurs finies:
X(E) ={x
1
, x
2
, ..., x
n
}.
X(E) devient un ensemble probabilis si lon dfinit la probabilit Pr(X =x
i
) pour chaque x
i
, que
lon note p
i
. Lensemble des valeurs p
i
=Pr(X =x
i
) est appel distribution ou loi de probabilit de
X.
Puisque les p
i
sont des probabilits sur les vnements {X=x
1
, X=x
2
, ..., X=x
n
}, on a:
et .
6.2.1 Reprsentation dune loi de probabilit finie
On peut reprsenter la loi de probabilit p
i
par une table:
Ou par un diagramme en btons:
o la hauteur du bton positionn en x
i
a pour valeur p
i
.
6.2.2 Esprance mathmatique dune variable finie
Lesprance mathmatique cherche traduire la tendance centrale de la variable alatoire. Il sagit
dune moyenne o chacune des valeurs x
i
intervient dautant plus que sa probabilit est importante,
cest--dire dun barycentre ou dun centre de gravit. On dfinit alors la moyenne thorique (par-
fois aussi appele vraie), ou esprance mathmatique dune variable X par
.
x
1
x
2
........ x
n
p
1
p
2
........ p
n
i ( ) p
i
, 0 > p
i
i 1 =
n

1 =
p
i
x
i
x
n
x
1
x
2
x
3
x
4

X
E X ( ) x
i
i 1 =
n

p
i
x
1
p
1
x
2
p
2
... x
n
p
n
+ + + = = =
Variables alatoires
2013 - 2014 Biostatistique - Carrat, Mallet, Morice 53/179

X
peut tre note sil ny a pas de confusion possible.
Exemple
On considre lexprience qui consiste jeter deux ds parfaitement quilibrs. Lespace
fondamental est constitu par lensemble des couples ordonns
E ={(1, 1), (1, 2), (1, 3), ..., (6, 6)}
Cest un espace quiprobable (tous les couples rsultats lmentaires du tirage sont qui-
probables).
Considrons la variable alatoire dfinie comme suit : soit r =(a, b) un lment quel-
conque de E ; on pose X(r) =X(a, b) =max(a, b)
(la valeur de X(r) est gale a si a >b et b dans le cas contraire).
X est une variable alatoire sur E avec X(E) ={1, 2, 3, 4, 5, 6},
et la loi de probabilit
p
1
=Pr(X =1) =Pr({(1, 1)}) =1/36;
p
2
=Pr(X =2) =Pr({(1, 2), (2, 1), (2, 2)}) =3/36;
p
3
=5/36; p
4
=7/36; p
5
=9/36; p
6
=11/36.
Soit :
E(X) =1/36+6/36+15/36+28/36+45/36+66/36=161/36 ~ 4,47
Thormes
1. Soit X une variable alatoire et k une constante relle. On a:
E(kX) =kE(X)
E(X +k) =E(X) +k
2. Soient X et Y deux variables alatoires dfinies sur le mme espace fondamental E.
On a:
E(X +Y) =E(X) +E(Y)
x
i
1 2 3 4 5 6
p
i
1/36 3/36 5/36 7/36 9/36 11/36
E(X)
1 2 3 4 5 6
p
i
x
i
Variables alatoires
54/179 Biostatistique - Carrat, Mallet, Morice 2013 - 2014
On en dduit que pour n variables alatoires X
i
, dfinies sur le mme espace
fondamental :
(lesprance de la somme est la somme des esprances).
Exemple
Considrons lexprience du jeu de ds o E ={1, 2, 3, 4, 5, 6} uniforme (quiprobable).
Soit X(E) une premire variable alatoire dfinie par
X(E) ={1, 2, 3, 4, 5, 6}
et p
X1
=p
X2
=p
X3
=p
X4
=p
X5
=p
X6
=1/6
E(X) =(1+2+3+4+5+6) / 6=21/6
Soit Y(E) une seconde variable alatoire telle que
Y(E) =1 si le chiffre tir est impair
Y(E) =2 si le chiffre tir est pair.
Donc Y(E) ={1, 2}
pY
1
=Pr({1, 3, 5}) =1/2
pY
2
=Pr({2, 4, 6}) =1/2
E(Y) =1/2+1=1,5
Calculons maintenant la loi de (X +Y)(E)
(X +Y)(r) =X(r) +Y(r)
Pour r =1, (X +Y)(1) =X(1) +Y(1) =1+1=2
Pour r =2, (X +Y)(2) =X(2) +Y(2) =2+2=4
Pour r =3, (X +Y)(3) =X(3) +Y(3) =3+1=4
Pour r =4, (X +Y)(4) =X(4) +Y(4) =4+2=6
Pour r =5, (X +Y)(5) =X(5) +Y(5) =5+1=6
Pour r =6, (X +Y)(6) =X(6) +Y(6) =6+2=8
On a donc (X +Y)(E) ={2, 4, 6, 8} et
Pr((X +Y) =2) =1/6, Pr((X +Y) =4) =2/6, Pr((X +Y) =6) =2/6, Pr((X +Y) =8) =1/6
E(X +Y) =2/6+8/6+12/6+8/6=30/6
Or on retrouve bien ce rsultat en utilisant E(X) +E(Y) =21/6+3/2=30/6.
Remarque
Lorsquon doit calculer lesprance dune fonction g(X), il faut tudier la variable Y =g(X)
dont les valeurs sont y
1
=g(x
1
), y
2
=g(x
2
), ..., y
n
=g(x
n
). Alors:
Pr(Y =y
i
) =Pr[g(X) =g(x
i
)]
Si g est une fonction monotone, on a g(X) =g(x
i
) X =x
i
Do Pr(Y =y
i
) =Pr(X =x
i
) =p
i
Donc:
On montre que ce rsultat reste valide, mme si g nest pas monotone.
Par exemple, si lon doit calculer E(X
2
), on considre la variable Y =X
2
dont les valeurs
sont y
1
=x
1
2
, y
2
=x
2
2
, ..., y
n
=x
n
2
. Alors:
E X
i
i 1 =
n

\ .
|
|
| |
E X
i
( )
i 1 =
n

=
E g X ( ) ( ) E Y ( ) y
i
Pr Y y
i
= ( )
i 1 =
n

g x
i
( )p
i
i 1 =
n

= = =
Variables alatoires
2013 - 2014 Biostatistique - Carrat, Mallet, Morice 55/179
On constate que pour calculer lesprance dun carr, il faut lever les valeurs x
i
au carr,
mais pas les probabilits p
i
associes.
6.2.3 Variance et cart-type dune variable finie
Aprs avoir traduit la tendance centrale par lesprance, il est intressant de traduire la dispersion
autour de lesprance par une valeur (la variance ou lcart-type).
La variance (vraie ou thorique) de X, note var(X) ou , est dfinie par :
Lcart-type de X, not ou , est dfini par .
o
X
peut tre note o sil ny a pas de confusion possible.
Remarques :
1. On dmontre facilement que
En effet :
2. , par dfinition
3. Soit X une variable alatoire de moyenne et de variance o
2
.
On dfinit la variable centre rduite par .
On peut montrer facilement (faites lexercice) que E(Y) =0 et var(Y) =E(Y
2
) =1.
4. Si a est une constante, on montre que var(X +a) =var(X) et var(aX) =a
2
var(X).
6.2.4 Loi de probabilit produit
Soient X et Y deux variables alatoires finies sur le mme espace fondamental E ayant pour image
respective:
X(E) ={x
1
, x
2
, ..., x
n
}
E X
2
( ) E Y ( ) y
i
Pr Y y
i
= ( )
i 1 =
n

x
i
2
p
i
i 1 =
n

= = =
o
X
2
o
X
2
var X ( ) E X
X
( )
2
( ) o
X
E X ( ) = = =
o X ( ) o
X
o X ( ) o
X
var X ( ) = =
var X ( ) E X
2
( )
X
2
=
E X
X
( )
2
( ) x
i

X
( )
2
p
i
i 1 =
n

x
i
2
2
X
x
i

X
2
+ ( )p
i
i 1 =
n

= =
E X
X
( )
2
( ) x
i
2
p
i
2
X
x
i
i 1 =
n

p
i

X
2
p
i
i 1 =
n

+
i 1 =
n

=
E X
X
( )
2
( ) x
i
2
p
i
2
X
2

X
2
+
i 1 =
n

E X
2
( )
X
2
= =
o
X
2
0 >
Y
X
o
------------- =
Variables alatoires
56/179 Biostatistique - Carrat, Mallet, Morice 2013 - 2014
Y(E) ={y
1
, y
2
, ..., y
m
}.
Considrons lensemble produit
X(E)Y(E) ={(x
1
, y
1
), (x
1
, y
2
), ..., (x
n
, y
m
)}
(ensemble des couples (x
i
, y
j
) pour i =1, ..., n et j =1, ..., m)
Cet ensemble produit peut tre transform en ensemble probabilis si on dfinit la probabilit du
couple ordonn (x
i
, y
j
) par que lon note p
xi ,yj
. Cette loi de probabilit
de X, Y est appele distribution jointe de X et Y.
Les probabilits et
sont souvent appeles lois de probabilit marginales de X et de Y. Il sagit simplement de leurs dis-
tributions.
La loi de probabilit p
xi ,yj
possde, bien entendu, les proprits dune loi :
1.
2.
Soient
X
et
Y
les esprances de X et de Y, o
X
et o
Y
leurs cart-types. On montre facilement que
var(X +Y) =o
X
2
+o
Y
2
+2cov(X, Y), o cov(X, Y) reprsente la covariance de X et Y et est d-
finie par :
De mme que pour la variance (voir section 6.2.3), on a:
cov(X, Y) =E(X Y) -
X

Y
La covariance de X et Y se note aussi o
XY
.
Une notion drive de la covariance est celle de corrlation entre X et Y, dfinie par :
x
1
x
2
x
3
.....
x
n
y
1
p
x1,y1
p
x2,y1
p
y1
y
2
p
x1,y2
p
y2
.....
y
m
p
x1,ym
p
x1
p
x2
1
Pr X x
i
= | | Y y
j
= | | ( )
X
Y
x
i
i 1 n , =

y
j
j 1 m , =

p
xi
p
xi yj ,
j 1 =
m

= p
yj
p
xi yj ,
i 1 =
n

=
p
xi yj ,
0 i j , , >
p
xi yj ,
j 1 =
m

i 1 =
n

1 =
cov X Y , ( ) E X
X
( ) Y
Y
( ) | | = x
i

X
( ) y
j

Y
( )p
xi yj ,
j 1 =
m

i 1 =
n

=
X Y , ( )
cov X Y , ( )
o
X
o
Y
------------------------ =
Variables alatoires
2013 - 2014 Biostatistique - Carrat, Mallet, Morice 57/179
On peut vrifier que
(X, Y) =(Y, X)
(X, X) =1
(aX + b, cY + d) =(X, Y) si a et c non nuls
6.2.5 Variables alatoires indpendantes
Soient X et Y deux variables alatoires sur un mme espace fondamental E. X et Y sont indpen-
dantes si tous les vnements X =x
i
et Y =y
j
sont indpendants:
pour tous les couples (i, j).
Autrement dit, si p
xi
et p
yj
sont les distributions respectives de X et Y, les variables sont indpen-
dantes si et seulement si on a
p
xi ,yj
=p
xi
p
yj
(la probabilit conjointe est gale au produit des probabilits marginales).
Il en dcoule les proprits importantes suivantes: si X et Y sont indpendantes, on a (attention la
rciproque nest pas toujours vraie)
1. E(XY) =E(X)E(Y)
2. var(X +Y) =var(X) +var(Y)
3. cov(X, Y) =0 et (X, Y) =0
6.2.6 Fonction de rpartition
Si X est une variable alatoire, on dfinit sa fonction de rpartition F(x) par
Si X est une variable alatoire discrte on a
Dans tous les cas, F(x) est une fonction monotone croissante, cest--dire
De plus
et
1 s X Y , ( ) 1 s
Pr X x
i
= | | Y y
j
= | | ( ) Pr X x
i
= ( ) Pr Y y
j
= ( ) =
F x ( ) Pr X x s ( ) pour tout x 9 e =
F x ( ) Pr X x
i
= ( )
x
i
x s

= p
i
x
i
x s

=
F a ( ) F b ( ) si a b > >
F x ( )
x
lim 0 = F x ( )
x
lim 1 =
Variables alatoires
58/179 Biostatistique - Carrat, Mallet, Morice 2013 - 2014
Cet exemple montre la distribution de probabilits dune variable alatoire finie et la fonction de
rpartition correspondante. La fonction de rpartition est une fonction en escalier. Les discontinui-
ts se produisent pour les valeurs x possdant des probabilits non nulles. Pour chacune de ces va-
leurs de x, la hauteur dune discontinuit est la probabilit de x.
6.3 Variables infinies dnombrables (hors
programme)
Tout ce qui a t vu prcdemment dans le cas o E est fini (E ={s
1
, s
2
, ..., s
n
}) se gnralise
(nous ne verrons pas les dmonstrations) au cas o E est infini dnombrable; on aura par exemple
Variables alatoires
2013 - 2014 Biostatistique - Carrat, Mallet, Morice 59/179
La somme converge linfini vers E(X), toutes les autres proprits sont conserves, les sommes
devenant des sries.
6.4 Variables alatoires continues
La gnralisation au continu est dlicate et mme difficile si on ne dispose pas doutils mathma-
tiques hors du champ de ce cours.
Nous nous contenterons de procder par analogie avec le cas discret.
Une variable alatoire X dont lensemble image X(E) est un intervalle de 9 est une variable ala-
toire continue (continue par opposition discrte, cf supra).
Rappelons que, par dfinition dune variable alatoire, est un vnement de E dont la
probabilit est bien dfinie.
On dfinit la loi de probabilit de X, ou distribution de X, laide dune fonction f (x), appele den-
sit de probabilit de X, telle que
Remarques
1. Si f est donne, la probabilit est la surface sous la courbe entre a et b
2. Le passage du discret au continu transforme les sommes en intgrales et p
i
en f(x)dx.

X
E X ( ) x
i
i 1 =

p
i
= =
a X b s s
f x ( ) x d
a
b
}
Pr a X b s s ( ) =
Pr a X b s s ( )
Pr a X b s s ( )
f(x)
a b x

}
Variables alatoires
60/179 Biostatistique - Carrat, Mallet, Morice 2013 - 2014
Ainsi, soit X une variable alatoire discrte et p
i
sa distribution
La formule est analogue
En utilisant cette analogie, on admettra les dfinitions suivantes pour une variable alatoire X,
continue, de distribution f (x) :
1. (analogue )
2. (analogue )
3. (analogue )
4. (analogue )
5. (analogue )
6.
7. (analogue )
Les proprits de la fonction de rpartition donnes section 6.2.6 page 57 sont conserves:
fonction monotone croissante, partant de 0 pour x- et atteignant 1 pour x+.
8.
p
i
x
i
Pr x
k
X x
n
s s ( ) p
i
i k =
n

= Pr a X b s s ( ) f x ( ) x d
a
b
}
=
f x ( ) 0 > p
i
0 >
f x ( ) x d
9
}
1 = p
i
i

1 =

X
E X ( ) xf x ( ) x d
9
}
= = x
i
p
i
i

o
X
2
var X ( ) x
X
( )
2
f x ( ) x d
9
}
= = x
i

X
( )
2
p
i
i

o
X
2
var X ( ) x
2
f x ( ) x d
9
}

X
2
= = x
i
2
p
i
i


X
2

o X ( ) o
X
var X ( ) = =
F x ( ) Pr = X x s ( ) f t ( ) t d

x
}
= p
i
x
i
x s

Pr a X b s s ( ) f x ( ) x d
a
b
}
F b ( ) F a ( ) = =
Variables alatoires
2013 - 2014 Biostatistique - Carrat, Mallet, Morice 61/179
Cet exemple montre la densit de probabilit et la fonction de rpartition dune certaine variable
alatoire continue. La probabilit de lintervalle [ab] est la surface sous la courbe de densit limi-
te par cet intervalle. Cest aussi la diffrence des hauteurs F(b)-F(a) si on utilise la fonction de
rpartition. Contrairement au cas des variables discrtes, la fonction de rpartition est ici continue.
Pour rsumer lanalogie entre le cas discret et le cas continu, un point du domaine discret corres-
pond un intervalle dans le cas continu, la somme discrte correspond lintgrale.
6.5 Extension de la notion de variable
alatoire
Une variable alatoire, telle quelle est dfinie dans ce chapitre, ne peut prendre que des valeurs
numriques.
Il est pourtant souvent pratique de sintresser directement aux rsultats dune exprience, quils
soient numriques ou non, cest dire dviter le codage numrique de ces rsultats. Par abus de
langage, dans la suite du cours, on pourra parler de variables alatoires alors quil sagit de rsultats
dexprience.
Dans ce contexte, la classification antrieure des variables (discrtes ou continues) doit tre
tendue:
Variables alatoires
62/179 Biostatistique - Carrat, Mallet, Morice 2013 - 2014
Variables quantitatives
variables dont les valeurs sont numriques. Cest lunique possibilit dans le cas de va-
riables alatoires au sens strict.
On distingue deux types de variables quantitatives:
variables discrtes, dont les valeurs sont discrtes, en gnral des nombres entiers.
Exemple: nombre dtudiants dans un amphi.
variables continues, pour lesquelles toutes les valeurs sont possibles, au moins sur un
intervalle. Exemples: le poids ou la taille.
Variables qualitatives
Variables dont les valeurs ne sont pas numriques.
On en distingue deux types:
variables ordinales, dont les valeurs peuvent tre ordonnes. Exemple: intensit
dune douleur qui peut aller de absente trs intense.
variables catgorielles ou nominales, dont les valeurs ne peuvent pas tre ordonnes.
Exemple: couleur des yeux.
Exemples de distributions
2013 - 2014 Biostatistique - Carrat, Mallet, Morice 63/179
Chapitre 7
Exemples de distributions
7.1 Lois discrtes
Les lois dcrites ici ne concernent que des variables dont les valeurs sont des nombres entiers.
7.1.1 Loi de Bernoulli
On considre une exprience nayant que deux rsultats possibles, par exemple succs et chec (ou
prsence et absence dune certaine caractristique). On introduit la variable alatoire X qui associe
la valeur 0 lchec (ou labsence de la caractristique) et la valeur 1 au succs (ou la prsence
de la caractristique). Cette variable alatoire est appele variable de Bernoulli.
Distribution de X
Appelons H la probabilit de lvnement succs:
Pr({succs}) =Pr(X =1) =H
do
Pr({chec}) =Pr(X =0) =1- H
Esprance de X
Variance de X
7.1.2 Loi binomiale
Dfinition
Soient les preuves rptes et indpendantes dune mme exprience de Bernoulli.
Chaque exprience na que deux rsultats possibles: succs ou chec. Comme prcdem-

X
E X ( ) x
i
Pr X x
i
= ( )

1 Pr X 1 = ( ) 0 Pr X 0 = ( ) + H = = = =
o
X
2
var X ( ) E X
X
( )
2
| | E X
2
( )
X
2
= = =
o
X
2
1
2
Pr X 1 = ( ) 0
2
Pr X 0 = ( ) + | | H
2
=
o
X
2
H H
2
H 1 H ( ) = =
Exemples de distributions
64/179 Biostatistique - Carrat, Mallet, Morice 2013 - 2014
ment, appelons H la probabilit de lvnement lmentaire succs. A cette exprience
multiple on associe une variable alatoire X qui mesure le nombre de succs obtenus.
Distribution de X
On montre aisment que la probabilit davoir k succs lors de n preuves rptes est
Rappel
pour tout n entier positif
0! =1 par dfinition
Remarques
a. La probabilit de navoir aucun succs au cours de n preuves (k =0) est (1-H)
n
; la
probabilit davoir au moins un succs est donc 1- (1-H)
n
(un succs ou plus)
b. est souvent not ou
Les sappellent coefficients du binme.
En effet ils interviennent dans le dveloppement du binme selon la formule
Exercice:
utiliser cette formule pour vrifier que
c. En appliquant la formule du binme prcdente on retrouve que la somme des proba-
bilits pour toutes les valeurs de X est gale 1:
Exemples
1. On jette 6 fois une pice bien quilibre; on suppose que face est un succs. On a donc
H =1/2 et n =6
a. Probabilit que lon ait exactement 2 faces
b. Probabilit davoir 4 faces ou plus (au moins 4 faces)
Cest aussi la probabilit davoir au plus 2 piles (0, 1 ou 2 piles)
P X k pour n essais = ( )
n!
k! n k ( )!
-----------------------H
k
1 H ( )
n k
=
n! 1 2 . n =
n!
k! n k ( )!
-----------------------
n
k
\ .
| |
C
n
k
n
k
\ .
| |
a b + ( )
n
n
r
\ .
| |
a
n r
b
r
r 0 =
n

=
a b + ( )
4
a
4
4a
3
b 6a
2
b
2
4ab
3
b
4
+ + + + =
n
k
\ .
| |
H
k
1 H ( )
n k
k 0 =
n

H 1 H ( ) + | |
n
1
n
1 = = =
Pr 2 faces parmi 6 jets ( )
6!
2!4!
----------
1
2
---
\ .
| |
2
1
2
---
\ .
| |
4

1 2 3 4 5 6
1 2 1 2 3 4
-------------------------------------------------
1
4
-- -
1
16
------ = =
Pr 2 faces parmi 6 jets ( )
5 6
2 4 16
------------------------
15
4 16
---------------
15
64
------ = = =
p
4
Pr = 4 faces ( )
6!
2!4!
----------
1
2
-- -
\ .
| |
4
1
2
---
\ .
| |
2

1 2 3 4 5 6
1 2 1 2 3 4
-------------------------------------------------
1
16
------
1
4
---
15
64
------ = = =
Exemples de distributions
2013 - 2014 Biostatistique - Carrat, Mallet, Morice 65/179
2. On jette 7 fois un d quilibr et on considre que tirer 5 ou 6 est un succs. Calculer
a. la probabilit pour quon ait 3 succs exactement
b. la probabilit de navoir aucun succs
Proprits
La fonction de probabilit Pr(X=k) dpend des 2 paramtres (ou constantes) n et H. Cest
une distribution discrte qui prend les valeurs suivantes:
On dit que X est distribue selon une loi binomiale B(n, H).
On peut montrer que
k 0 1 2 ........ n
Pr(X=k)
(1-H)
n

H
n
Distribution binomiale B(n, H)
Esprance
Variance
Ecart-type
p
5
Pr = 5 faces ( )
6!
1!5!
----------
1
2
---
\ .
| |
5
1
2
---
1 2 3 4 5 6
1 2 3 4 5
-------------------------------------------------
1
32
------
1
2
---
6
64
------ = = =
p
6
P = r 6 faces ( )
6!
6!
---- -
1
2
---
\ .
| |
6
1
2
---
\ .
| |
0

1
64
------ = =
Pr au moins 4 faces ( ) p
4
p
5
p
6
+ + =
15
64
------
6
64
------
1
64
------ + +
11
32
------ = =
Pr succs ( ) Pr 5 6 , { } ( )
2
6
-- -
1
3
--- = = =
Pr 3 succs ( )
7!
3!4!
----------
1
3
---
\ .
| |
3
2
3
---
\ .
| |
4
560
2187
------------ = =
Pr aucun succs ( ) 1 H ( )
7 2
3
---
\ .
| |
7
128
2187
------------ = = =
n
1
\ .
| |
1 H ( )
n 1
H
n
2
\ .
| |
1 H ( )
n 2
H
2
nH =
o
2
nH 1 H ( ) =
o nH 1 H ( ) =
Exemples de distributions
66/179 Biostatistique - Carrat, Mallet, Morice 2013 - 2014
7.1.3 Loi de Poisson
La loi de Poisson (due Simon Denis Poisson en 1837) est la loi du nombre dvnements observ
pendant une priode de temps donne dans le cas o ces vnements sont indpendants et faible-
ment probables. Elle peut sappliquer au nombre daccidents, lapparition danomalies diverses,
la gestion des files dattentes, au nombre de colonies bactriennes dans une bote de Ptri, etc.
Dfinition
Soit X la variable alatoire reprsentant le nombre dapparitions indpendantes dun v-
nement faiblement probable dans une population infinie. La probabilit davoir k appari-
tions de lvnement est
Cette loi dpend dun paramtre , nombre rel strictement positif.
Les nombres k possibles sont toutes les valeurs entires 0, 1, 2, etc. Cependant, lorsque k
est suffisamment grand, la probabilit correspondante devient extrmement faible.
Proprits
On peut montrer que
La dmonstration utilise le fait que
Si deux variables alatoires indpendantes X
1
et X
2
sont distribues selon des lois de
Poisson de paramtres
1
et
2
, alors la variable X
1
+X
2
est distribue selon une loi de
Poisson de paramtre
1
+
2
.
Remarques
Si on connat la probabilit de nobserver aucun vnement Pr(X=0) =p :
Daprs la formule,
On en dduit :
,
Loi de Poisson
Esprance
Variance
Ecart-type
Pr X k = ( ) e

k
k!
----- =
P ( )
=
o
2
=
o =

k
k!
-----
k 0 =

=
p e

0
0!
----- e

= =
p ln =
Pr X 1 = ( ) e

1
1!
----- p = =
Exemples de distributions
2013 - 2014 Biostatistique - Carrat, Mallet, Morice 67/179
,
,
......
On peut ainsi calculer facilement de proche en proche les probabilits des diverses va-
leurs de k.
Lien avec la loi binomiale
Si une variable alatoire X est distribue selon une loi binomiale B(n, H), on montre que si
H est petit (en pratique infrieur 0,1) et n assez grand (suprieur 50), la loi binomiale
peut tre approxime par une loi de Poisson de paramtre =nH.
Les calculs sont plus simples avec la loi de Poisson quavec la binomiale.
Notons que puisque X est distribue selon une loi binomiale, ses valeurs possibles ne
peuvent dpasser n, alors que lapproximation par la loi de Poisson autorise des valeurs su-
prieures. Cependant le calcul fournit des probabilits trs faibles pour ces valeurs aber-
rantes.
7.2 Lois continues
7.2.1 Loi normale
7.2.1.1 Dfinition
La distribution normale, ou de Laplace-Gauss, appele aussi gaussienne, est une distribution conti-
nue qui dpend de deux paramtres et o. On la note N(, o
2
). Le paramtre peut tre quel-
conque mais o est positif. Cette distribution est dfinie par :
Cest une des lois les plus importantes, sinon la plus importante comme vous le verrez loccasion
du thorme central limite.
7.2.1.2 Proprits
Allure de la courbe
La loi normale, note N(, o
2
), est symtrique par rapport la droite dabscisse .
Exemples:
Pr X 2 = ( ) e

2
2!
----- Pr X 1 = ( )

2
--- = =
Pr X 3 = ( ) e

3
3!
----- Pr X 2 = ( )

3
--- = =
Pr X k = ( ) Pr X k 1 = ( )

k
--- =
f x o , ; ( )
1
o 2t
--------------e
1
2
---
x ( )
2
o
2
-------------------
=
Exemples de distributions
68/179 Biostatistique - Carrat, Mallet, Morice 2013 - 2014
Figure 2 : N(, 1) pour les valeurs de -2 ; 0 et 2
Figure 3 : N(0, o
2
) pour les valeurs de o 0,3 ; 1 et 2
Caractristiques
La distribution normale centre rduite
On dit que la distribution est centre si son esprance est nulle; elle est dite rduite si sa
variance o
2
(et son cart-type o) est gale 1. La distribution normale centre rduite
N(0, 1) est donc dfinie par la formule
Loi normale N(, o
2
)
Esprance
Variance
o
2
Ecart-type o
Exemples de distributions
2013 - 2014 Biostatistique - Carrat, Mallet, Morice 69/179
Figure 4 : loi normale centre rduite N(0, 1)
Les probabilits correspondant aux divers intervalles ont t calcules et regroupes dans
une table numrique. Ainsi la table A.1 (en fin de polycopi) permet, partir dune proba-
bilit o donne, de trouver les bornes-u
o
, +u
o
dun intervalle symtrique autour de 0, tel
que
ou encore, partir de u
o
, de trouver o.
Do par exemple:
On observe ainsi que environ 68% de la surface est comprise entre (-1 et +1), 95% entre
(-2 et +2) et 99% entre (-3 et +3) (la table A.1 ne permet pas de trouver des valeurs aussi
prcises que celles de la figure 4).
Transformation dune loi normale quelconque en loi normale centre rduite
Soit une variable X distribue selon une loi normale desprance et dcart-type o.
Alors la variable est distribue selon une loi normale centre rduite.
Les probabilits obtenues pour la loi centre rduite permettent de calculer les probabilits
pour une loi normale quelconque, laide de cette transformation:
.
Soit par exemple calculer . Par la transformation, on a
avec
et .
La probabilit cherche, sur la variable X, revient donc lire sur la table de la loi centre
f t 0 1 , ; ( )
1
2t
----------e
1
2
---t
2

=
Pr t z
o
; +z
o
| | e ( ) o =
Pr t z
o
; +z
o
| | e ( ) 1 o =
Pr t z
o
> ( ) Pr t z
o
< ( ) o 2 = =
t
X
o
------------- =
t
X
o
------------- =
Pr a X b s s ( )
Pr a X b s s ( ) Pr c t d s s ( ) =
c
a
o
------------ = d
b
o
------------ =
Exemples de distributions
70/179 Biostatistique - Carrat, Mallet, Morice 2013 - 2014
rduite (variable t), la probabilit de se trouver entre c et d.
On remarque en particulier que
Approximation de la distribution binomiale par la loi normale
Lorsque n est grand, et que H et 1H ne sont pas trop proches de 0 (en pratique si et
), alors on constate que la distribution binomiale tend vers la distribution nor-
male de moyenne nH et de variance nH(1H) ; plus prcisment, pour une variable K dis-
tribue selon une loi binomiale B(n, H) et une variable X distribue selon une loi normale
N( =nH, o
2
=nH(1H)), on a:
On choisit lartifice de reprsenter graphiquement Pr(k) par un rectangle dont la base est
[k - 0,5, k +0,5] et la surface est Pr(k) pour comparer la loi discrte Pr(k) et la loi normale
continue.
Approximation de la loi de Poisson par la loi normale
Lorsque son paramtre est grand (en pratique suprieur 25), une loi de Poisson peut tre
approche par une loi normale desprance et de variance .
Le principe est analogue celui utilis pour lapproximation de la loi binomiale par la loi
normale.
7.2.2 Loi du _
2
(chi-2)
7.2.2.1 Dfinition
Cest une loi drive de la loi normale, trs importante pour ses applications en statistiques comme
nous le reverrons dans les tests.
Soient X
1
, ..., X
n
des variables alatoires indpendantes, chacune tant distribue selon une loi nor-
male centre rduite:
La distribution de (somme des carrs des X
i
) est appele loi de _
2
n de-
grs de libert (en abrg d. d. l.), que lon note _
2
(n) o n est le nombre de d. d. l., seul paramtre
Pr 2 t 2 s s ( ) Pr 2o X 2o + s s ( ) 095 , ~ =
nH 5 >
n 1 H ( ) 5 >
Pr K k = ( ) Pr k ( ) Pr k 05 , K k 05 , + s s ( ) Pr k 05 , X k 05 , + s s ( ) ~ = =
2 3 4 5 1
Pr(4) =surface du rectangle
~ aire sous la gaussienne correspondante
Pr k 05 , K k 05 , + s s ( ) =
i X
i
, N 0 1 , ( ) ~
S X
1
2
X
2
2
. X
n
2
+ + + =
Exemples de distributions
2013 - 2014 Biostatistique - Carrat, Mallet, Morice 71/179
de la loi.
7.2.2.2 Proprits
a. Allure de la distribution de _
2
(n) pour diffrentes valeurs de n
Pour n =1, la courbe dcrot de+ vers zro de faon monotone; pour n =2, la courbe d-
crot de faon monotone de 0,5 zro; pour n >2, la courbe part de 0, a son maximum pour
x =n - 2, puis redescend vers zro.
b. Proprit asymptotique
La loi dune variable X suivant un _
2
(n) tend vers une loi normale lorsque . On a
donc, aprs avoir centr et rduit cette variable:
NB : Dans la pratique, on utilise plutt la variable dont on montre
quelle est peu prs distribue selon une loi normale centre rduite ds que n >30.
c. Tables
De mme que pour la loi normale centre rduite, une table existe pour la loi du _
2
(voir en
fin de polycopi, table A.4). Cette table indique pour une probabilit o donne, et un degr de
libert n donn, la valeur K
n,o
telle que .
7.2.3 Loi de Student (hors programme)
Il sagit encore dune loi drive de la loi normale, trs utilise dans les tests statistiques. On consi-
Loi du _
2
(n)
Esprance n
Variance 2n
Ecart-type
2n
n +
X n
2n
------------ N 0 1 , ( ) ~
Y 2X 2n 1 =
Pr X K
n,o
> ( ) o =
Exemples de distributions
72/179 Biostatistique - Carrat, Mallet, Morice 2013 - 2014
dre une premire variable alatoire X, distribue selon une loi normale centre rduite, puis une
seconde variable Y, indpendante de X, distribue selon un _
2
n degrs de libert.
Alors la variable alatoire est distribue selon une loi de Student n degrs de libert,
note t(n).
La courbe correspondante est symtrique autour de 0, et son allure est proche de celle de la loi nor-
male.
Cette loi est centre, mais non rduite: la variance, , est suprieure 1.
Lorsque n crot, en pratique pour n >30, la variance peut tre prise gale 1, et la distribution as-
simile celle dune loi normale centre rduite.
7.2.4 Loi exponentielle (hors programme)
Cette loi dcrit par exemple le processus de mortalit dans le cas o le risque instantan de d-
cs est constant. La loi correspondante est :
o x est la dure de vie.
Loi de Student t(n)
Esprance 0
Variance
Ecart-type
Loi exponentielle
Esprance
Variance
Ecart-type
Z n
X
Y
------- =
n
n 2
------------
n
n 2
------------
n
n 2
------------
f x ( ) e
x
avec 0 et x 0 > > =
1
1
2

1
Exemples de distributions
2013 - 2014 Biostatistique - Carrat, Mallet, Morice 73/179
7.3 Application de la Loi de Poisson
linterprtation dun risque sanitaire possible
qui na pas encore t observ
Cette section a t crite par A.J. Valleron.
7.3.1 Introduction
Dans de nombreux cas, on sintresse un risque sanitaire a priori faible et on constate, aprs n
observations, que lvnement redout na jamais eu lieu. Par exemple, au bout de 10000 prescrip-
tions dun mdicament nouveau, on na pas observ un seul effet indsirable. Ou un chirurgien exa-
minant le suivi de ses 50 dernires interventions avec une technique trs innovante a la satisfaction
de ne pas avoir eu un seul chec. Ces observations semblent plutt rassurantes, mais que peut-on
en tirer pour apprcier le risque encouru au bout de 1000000 de ces prescriptions, ou au bout de
100000 interventions avec cette technique chirurgicale?
Cest un problme qui se pose particulirement en pharmacovigilance: on admet dans de nom-
breuses classes thrapeutiques quun mdicament qui tuerait un malade sur 1000000 de prescrip-
tions devrait tre retir du march. Le biostatisticien posera donc le problme suivant : sachant
quaprs 10000 prescriptions aucun dcs caus par le mdicament na t observ, quel nombre
de dcs peut cependant tre redout sur 1000000 de prescriptions qui soit compatible avec ce
quon sait aujourdhui (0 dcs sur 10000). Si ce nombre dpasse 1 (on verra dans lapplication
numrique traite plus loin quil le dpasse de loin), la plus grande vigilance simposera!
Le raisonnement qui suit combine le calcul des probabilits (loi de Poisson, approximation dune
loi binomiale par une loi de Poisson), et linfrence statistique . Linfrence statistique est le
mode de raisonnement qui permet partir dune observation (ici : 0 effet indsirable sur 10 000)
de tirer des conclusions gnrales (ici : ce qui pourrait arriver sur 1 000 000 ou 10 000 000 de
prescriptions). Les applications principales de linfrence concernent lestimation statistique et les
tests statistiques ; elles sont traites en dtail dans les chapitres suivants du polycopi. Mais lap-
plication dtaille ci-aprs initie bien ce mode de raisonnement.
7.3.2 Le problme direct
Dans le problme direct on suppose que le risque deffet indsirable chez un patient donn est
connu, et on veut calculer la probabilit dobserver lvnement 0 effet indsirable au bout des n
premires observations.
Soit H le risque individuel (=la probabilit) dun effet indsirable aprs traitement.
Soit n le nombre de patients traits.
Alors le nombre X de patients prsentant un effet indsirable suit une loi binomiale de moyenne
Exemples de distributions
74/179 Biostatistique - Carrat, Mallet, Morice 2013 - 2014
=nH. Si H est trs petit, n trs grand et nH assez petit (ces hypothses seront toujours faites dans
ces problmes de risque sanitaire) la loi de X peut tre approxime par une loi de Poisson de para-
mtre . En particulier, Pr(X =0) =e
-
et Pr(X =1) =e
-
.
Remarque : on sait calculer exactement Pr(X = 0) = (1- H)
n
en exprimant que chacune des n pres-
criptions doit tre sans effet indsirable (probabilit 1- H). Quand H est trs petit, et nH pas trop
grand on montre que cette valeur est trs proche de e
-nH
.
7.3.3 Problme inverse
Cest le problme qui se pose en pratique: On observe lvnement x =zro effet adverse sur n
patients traits. Que peut-on alors dire de H ? (ou de car H =/n). On approchera la distribution
de X par la loi de Poisson de paramtre =nH.
Pour rpondre, la mthode utilise est dcarter les valeurs de H pour lesquelles notre observation
(x=0 aprs n rptitions) serait invraisemblable.
Mais que veut dire invraisemblable? Pour fixer les ides, imaginons que lon ait observ x=0 par-
mi n =10000 traitements.
Si H avait t 1/1000, la probabilit de lvnement observ (x=0 sur 10000) aurait t
e
-10
=0,000045=4,5/100000. (car =nH = 10). Cette probabilit est infime: tout le monde
sera daccord pour dire quil aurait t trs invraisemblable de navoir aucun effet indsirable
si le risque individuel inconnu tait de H =1/1000.
Si H avait t 1/10000, la probabilit de lvnement observ aurait t e
-1
=0,37=37% (car
=nH =1). La probabilit 0,37 est forte. Tout le monde sera daccord pour dire quil
ntait pas invraisemblable de nobserver aucun effet indsirable si le risque individuel tait
H =1/10000.
e
-10
est une petite probabilit - lvnement est invraisemblable; e
-1
est une grande proba-
bilit - lvnement nest pas invraisemblable. Pour prciser quantitativement ce que veut dire
invraisemblable il faut choisir un seuil en dessous duquel on va dclarer quune probabilit est
petite: la valeur conventionnelle retenue universellement est 5%. La traduction de ce choix est
quon dcide de ne pas trouver invraisemblable un vnement ayant 10 chances sur 100 de se
produire (car 10%>5%), mais de trouver invraisemblable un vnement ayant 1 chance sur
100 de se produire.
Ce choix permet dapporter une solution au problme pos: lobservation x=0 sur 10000 est
invraisemblable si sa probabilit est infrieure 5%, cest--dire si exp(- nH) <5%. Toutes les va-
leurs de H suprieures la solution de cette ingalit seront rputes invraisemblables; et les
autres seront rputes vraisemblables.
La rsolution de linquation donne H >H
lim
=ln(0,05)/n =3/n.
Rsultat
Quand on observe 0 effet indsirable parmi n rptitions, ceci est compatible avec un
risque individuel compris entre 0 et 3/n. En revanche, les risques suprieurs 3/n sont
jugs invraisemblables.
Exemples de distributions
2013 - 2014 Biostatistique - Carrat, Mallet, Morice 75/179
Comme la mdecine veille limiter le plus possible le risque encouru par les malades loccasion
dun traitement, la dmarche de prcaution est, lorsquon observe 0 effets indsirables sur n
traitements, de conclure que le risque rel du traitement peut aller jusqu 3/n. Il peut bien sr tre
plus petit : lavenir le dira, et lestimation du risque se prcisera au fur et mesure que de plus en
plus de patients auront t traits. Mais en attendant, pour se prparer au pire, on doit considrer
la valeur maximum non invraisemblable, savoir 3/n.
7.3.4 Application numrique
On traite 10 000 patients sans observer dvnement indsirable. Evaluer la limite suprieure du
nombre dvnements indsirables quon peut redouter sur 1 000 000 de prescriptions, compa-
tibles avec cette observation prliminaire.
Par application du rsultat, lobservation x=0 sur 10,000 est compatible avec un risque indi-
viduel maximum de 3/10000.
Sur 1000000 de prescriptions, on aura donc au maximum un nombre de 3/10000 1000000=
300 effets indsirables.
Ainsi, un laboratoire pharmaceutique ayant mis sur le march une nouvelle molcule ne peut en
rien tre rassur sur le risque associ celle-ci aprs avoir constat quil ny avait aucun dcs
sur les 10000 premires prescriptions.
Cette observation reste compatible avec un risque de 3/10000, et 300 dcs sur le 1000000 de
prescriptions suivant, ce qui serait une catastrophe sanitaire.
Ceci illustre galement la difficult de garantir un mdicament sans risque lorsquil na t test
que chez quelques milliers de patients afin de voir sil est efficace (voir chapitre 15 sur la mtho-
dologie des tudes pidmiologiques et les essais thrapeutiques), comme cest gnralement le
cas au moment de la demande dautorisation de mise sur le march.
7.3.5 Remarque
Le calcul menant au rsultat encadr repose sur un raisonnement subtil (qui sera retrouv dans les
chapitres relatifs aux tests statistiques).
Chacun doit comprendre dans lexemple trait que le rsultat trouv ne signifie pas quil y a 5
chances sur 100 pour que le risque sanitaire soit de 3/10000 (cette interprtation fausse du 3
est trs majoritairement faite, y compris par de nombreux professionnels). Ce que le calcul indique,
cest que si le risque de mort tait de 3/10000 (il ne lest peut-tre pas), il y aurait 5 chances sur
100 dobserver 0 dcs sur 10000 prescriptions, comme on la fait. En reprenant les notations des
probabilits conditionnelles, il ne faut pas confondre Pr(A / B) et Pr(B / A), avec ici A ={ =3}
et B ={X =0}.
Exemples de distributions
76/179 Biostatistique - Carrat, Mallet, Morice 2013 - 2014
Statistiques descriptives
2013 - 2014 Biostatistique - Carrat, Mallet, Morice 77/179
Chapitre 8
Statistiques descriptives
Les statistiques descriptives visent reprsenter des donnes dont on veut connatre les principales
caractristiques quantifiant leur variabilit.
8.1 Rappels et complments
On suppose que lon sintresse une caractristique particulire observable chez des individus is-
sus dune population; cette caractristique sera appele variable; si cette caractristique peut va-
rier entre les individus, sans pouvoir lanticiper, on lappellera variable alatoire. Le dispositif
permettant dobtenir une valeur de la variable est lexprience alatoire. Cette dfinition image
est compatible avec la dfinition du chapitre 6.
Rappel
Il existe deux grands groupes de variables:
a. Les variables quantitatives qui sont des variables ordonnes, productives de
nombres. Exemples: nombre denfants dans une famille, glycmie, taille dun indivi-
du, nombre de colonies bactriennes dans un milieu de culture.
Parmi ces variables quantitatives, certaines prennent un continuum de valeurs (entre
deux valeurs possibles, il existe toujours une troisime valeur possible) ; ces variables
sont dites continues. Dautres ne prennent que des valeurs discontinues; elles sont
dites discrtes, finies ou non.
b. Les variables qualitatives qui produisent des valeurs non numriques. Exemples:
sexe, couleur des cheveux, appartenance au groupe des fumeurs ou des non fumeurs,
prsence ou absence dune maladie.
Les valeurs peuvent tre ordonnes; on parle alors de variable qualitative ordinale.
Exemple: intensit dune douleur (faible, moyenne, forte).
Si les valeurs ne peuvent pas tre ordonnes, il sagit dune variable catgorielle (ou
nominale).
Remarque
Lindividu voqu ci-dessus, sur lequel on observe les caractristiques dintrt, la va-
riable, nest pas ncessairement un individu physique. Cest lentit sur laquelle sopre
lobservation de la variable dintrt. Exemples: famille, colonies bactriennes.
Dfinition
Lentit sur laquelle peut sobserver la variable alatoire sappelle lunit statistique.
Statistiques descriptives
78/179 Biostatistique - Carrat, Mallet, Morice 2013 - 2014
Connatre le phnomne mettant en jeu cette variable, ou connatre cette variable, cest
connatre la probabilit pour quun individu tir au hasard dans la population prsente telle
valeur de la variable. On peut apprcier la probabilit dun vnement alatoire grce lin-
terprtation suivante de la notion de probabilit. Cette interprtation est cohrente avec les
cours prcdents.
On interprtera la probabilit dun vnement alatoire comme la valeur limite de la fr-
quence avec laquelle lvnement se ralise au cours dun nombre croissant de rptitions
de lexprience. Autrement dit comme la valeur limite du rapport du nombre de fois o
lvnement sest ralis et du nombre de rptitions de lexprience.
Remarques
Ce qui prcde peut tre vu comme une interprtation de la notion de probabilit (voire
comme une dfinition).
En dpit de cette interprtation, la probabilit dun vnement alatoire reste
une fiction
du domaine thorique.
Mais cette interprtation a deux consquences:
pour approcher une probabilit on est amen rpter une exprience,
les frquences se substituent aux probabilits; elles seront les contreparties des
probabilits.
On va donc rpter une exprience un nombre fini de fois, not n ; on aura donc ob-
serv une sous-population appele chantillon. Chaque exprience alatoire produit
un rsultat x
i
; on disposera donc de x
1
, ..., x
n
, ensemble appel chantillon de va-
leurs de la variable tudie X.
De faon plus formelle, on dfinit un chantillon dune variable alatoire de la ma-
nire suivante:
Un chantillon de taille n dune variable alatoire X est un ensemble X
1
, X
2
, ..., X
n
de n variables alatoires, indpendantes entre elles, et ayant chacune la mme distri-
bution que X. On peut donc dire quun chantillon de valeurs de X est une ralisation
de lchantillon de la variable X tel quil vient dtre dfini.
8.2 Reprsentation complte dune srie
dexpriences
8.2.1 Cas dune variable qualitative
La variable est dcrite par la suite des probabilits des diffrentes modalits. Si lon connaissait ces
probabilits, on produirait le diagramme en btons (ou rpartition vraie) de cette variable; on
va produire la rpartition observe par substitution aux probabilits inconnues des frquences ob-
Statistiques descriptives
2013 - 2014 Biostatistique - Carrat, Mallet, Morice 79/179
serves. Si la variable est ordinale, on respectera cet ordre dans lnumration des modalits por-
tes en abscisses.
Dautres types de reprsentation sont utiliss: par exemple la reprsentation en camembert o les
diffrentes modalits sont reprsentes par secteurs angulaires dangles au centre proportionnels
aux frquences observes.
8.2.2 Cas dune variable quantitative discrte
La situation est similaire si ce nest quil existe un ordre et une chelle naturels en abscisses; la
modalit 1 modalit 2 .......
Frquences
A
B
C
D
Statistiques descriptives
80/179 Biostatistique - Carrat, Mallet, Morice 2013 - 2014
rpartition observe se nomme galement histogramme en btons.
8.2.3 Cas dune variable quantitative continue. Notion
dHISTOGRAMME
Dans le cas de variables continues, on va choisir de reprsenter les donnes graphiquement dune
faon qui soit proche de la reprsentation dune densit de probabilit dune variable alatoire
continue. Pour cela on dcoupe lensemble du domaine des valeurs possibles de la variable tudie
en intervalles contigus dont on choisit le nombre et les bornes. Afin dobtenir une reprsentation
proche dune densit de probabilit, on dcide de reprsenter indirectement la frquence des va-
leurs observes comprises entre deux bornes conscutives par la surface dun rectangle dont la base
sera prcisment cet intervalle. Autrement dit la hauteur de ce rectangle sera le rapport de la fr-
quence observe de ces valeurs et de la diffrence entre ces bornes (diffrence galement appele
largeur de la classe).
Les bornes sont choisies arbitrairement ; nanmoins, pour que lhistogramme ait un sens il est n-
cessaire que la taille de chaque classe constituant un intervalle comprenne un nombre suffisam-
ment grand de valeurs observes, de telle faon que la surface dun rectangle lmentaire puisse
tre interprte comme approchant la probabilit pour que la variable prenne une valeur comprise
dans lintervalle du rectangle. Si la taille de lchantillon crot, la surface de chaque rectangle tend
valeur 1 valeur 2 .......
Frquences
0,2
0,4
0,6
0,8
1,0
1,2
taille (m)
0
0,5 1,75
(m
-1
)
Statistiques descriptives
2013 - 2014 Biostatistique - Carrat, Mallet, Morice 81/179
vers la probabilit que la variable ait une valeur incluse dans lintervalle correspondant. De plus,
si la taille n de lchantillon est grande, on peut alors sans inconvnient construire un plus grand
nombre de classes, cest--dire construire par exemple deux fois plus de rectangles, chacun ayant
un support deux fois plus petit. En rptant cette opration, n croissant, on peut comprendre que
lhistogramme tend (dune faon que nous ne prciserons pas ici) vers la densit de probabilit de
la loi qui a gnr lchantillon.
8.3 Reprsentation simplifie dune srie
dexpriences
On a dfini certains indicateurs pour reprsenter, de faon plus rsume que ci-dessus, un chan-
tillon de valeurs issues dune variable alatoire.
Les indicateurs prsents ci-dessous ne concernent que les variables quantitatives.
8.3.1 Indicateurs de localisation des valeurs
Mdiane observe
Cest la valeur qui partage lchantillon en deux groupes de mme effectif ; pour la calcu-
ler, il faut commencer par ordonner les valeurs (les ranger par ordre croissant par exemple)
Exemple: soit la srie 12 3 24 1 5 8 7
on lordonne: 1 3 5 7 8 12 24
7 est la mdiane de la srie
Moyenne observe
Cest lindicateur de localisation le plus frquemment utilis. La moyenne observe dun
chantillon de n valeurs x
1
, ..., x
n
est dfinie comme la moyenne arithmtique de ces
valeurs; on la note souvent m
x
, ou simplement m sil ny a pas de confusion possible:
Avec la srie prcdente, qui comporte n =7 valeurs, on obtient :
8.3.2 Indicateurs de dispersion des valeurs
Variance observe
La variance observe dun chantillon {x
i
} i =1, ..., n est donne par
m
1
n
--- x
i
i 1 =
n

=
m
1
7
--- x
i
i 1 =
7

12 3 24 1 5 8 7 + + + + + +
7
----------------------------------------------------------------- 8 57 , = = =
s
2 1
n 1
------------ x
i
m ( )
2
i 1 =
n

=
Statistiques descriptives
82/179 Biostatistique - Carrat, Mallet, Morice 2013 - 2014
Attention: on divise par n -1 et non par n pour que la variance observe soit un bon esti-
mateur de la variance thorique de la loi (nous reverrons ce point dans la suite).
Une autre expression de s
2
, quivalente, est indique dans le rsum de ce chapitre.
Ecart-type observ
Lcart-type observ, not s, est dfini par .
8.4 Reformulation de la moyenne et de la
variance observes
8.4.1 Reformulation de la moyenne observe
Prenons le cas dune variable quantitative discrte.
Les donnes sont notes x
1
, ..., x
n
.
Les k valeurs possibles de la variable sont notes val
1
,val
2
, ...., val
k
.
Exemple dun jet de d: val
1
=1, ..., val
6
=6
Chaque donne x
i
concide avec une certaine valeur val
j
Par exemple pour le jet de d, on peut avoir
jet n1; x
1
=1=val
1
jet n2; x
2
=1=val
1
jet n3; x
3
=4=val
4
jet n4; x
4
=3=val
3
jet n5; x
5
=6=val
6
jet n6; x
6
=1=val
1
jet n7; x
7
=2=val
2
jet n8; x
8
=5=val
5
jet n9; x
9
=6=val
6
Alors:
o n
j
est le nombre de fois o une observation concide avec val
j
Dans notre exemple du jet de d, on a: n
1
=3, n
2
=1, n
3
=1, n
4
=1, n
5
=1, n
6
=2
Finalement
s s
2
=
x
i
i 1 =
n

n
j
val
j
j 1 =
k

=
m
1
n
--- x
i
i 1 =
n

n
j
n
----val
j
j 1 =
k

= =
Statistiques descriptives
2013 - 2014 Biostatistique - Carrat, Mallet, Morice 83/179
Mais est une approximation de Pr(face marque=val
j
)
Ainsi m est une estimation- une apprciation- de:
cest--dire une apprciation de lesprance mathmatique de la variable.
On raccorde ainsi une moyenne observe une grandeur descriptive du phnomne tudi, une
grandeur dite thorique ou vraie.
On peut dire ceci : la rptition des expriences vise estimer Pr(valeur de la variable=certain
niveau). La moyenne observe permet destimer quelque chose de plus grossier, une combinaison
de toutes ces probabilits, prcisment lesprance mathmatique
Cest la raison pour laquelle dans la suite on utilisera galement la terminologie MOYENNE
VRAIE ou MOYENNE THEORIQUE de la variable pour parler de lesprance mathma-
tique.
Retenons:
ESPERANCE MATHEMATIQUE,
MOYENNE VRAIE ,
MOYENNE THEORIQUE
sont SYNONYMES. Ce sont des grandeurs thoriques.
Remarque
La mme analyse peut tre faite- mais lexpression est un peu plus dlicate- dans le cas
dune variable quantitative continue. La moyenne observe approxime l encore lesp-
rance mathmatique.
8.4.2 Reformulation de la variance observe
De la mme faon on peut obtenir le rsultat suivant : s
2
est une approximation de la grandeur
Cette expression, introduite dans le chapitre 6 sous le nom de variance sera souvent dnomme
dans la suite VARIANCE VRAIE ou VARIANCE THEORIQUE de la variable.
Dans le cas dune variable continue, la variance observe s
2
approxime:
LES DIFFERENCES ENTRE CES NOTIONS DE MOYENNE ET VARIANCE VRAIES, ET
DE MOYENNE ET VARIANCE OBSERVEES SONT ESSENTIELLES ; NOUS ENGA-
GEONS LE LECTEUR A BIEN LES COMPRENDRE AVANT DE POURSUIVRE.
n
j
n
----
val
j
Pr valeur de la variable val
j
= ( )
j

val
j
Pr valeur de la variable val
j
= ( )
j

=
o
2
val
j
( )
2
Pr valeur de la variable val
j
= ( )
j

=
o
2
x ( )
2
f x ( ) x d
9
}
=
Statistiques descriptives
84/179 Biostatistique - Carrat, Mallet, Morice 2013 - 2014
8.5 Cas particulier dune variable deux
modalits - Proportion
On est trs souvent amen considrer des variables deux modalits, cest--dire des expriences
alatoires deux vnements lmentaires.
Exemples:
maladie: maladie prsente- maladie absente
signe clinique: prsent - absent
traitement : individu trait- individu non trait
Or on peut transformer une telle variable en variable quantitative, sans restriction de gnralit, par
un artifice de codage:
une des modalits est code avec la valeur numrique 0;
lautre modalit est code avec la valeur numrique 1.
Une telle variable sappelle variable de Bernoulli.
Notons X cette variable.
Elle est compltement dcrite par la donne de Pr(valeur de la variable=1) car
Pr(valeur de la variable=1) +Pr(valeur de la variable=0) =1.
On utilise la notation conventionnelle suivante: Pr(valeur de la variable=1) SE NOTE H.
8.5.1 Expression de lesprance mathmatique de X
Utilisant lexpression gnrale de lesprance mathmatique, et remarquant que val
1
=0, val
2
=1,
on obtient :
Ainsi, =H =Pr(valeur de la variable=1) =probabilit de la modalit code 1=PROPORTION
VRAIE des individus prsentant la modalit 1.
8.5.2 Expression de la variance de X
val
j
Pr valeur de la variable val
j
= ( )
j

0 1 H ( ) 1 H + H = = =
o
2
val
j
( )
2
Pr valeur de la v.a. val
j
= ( )
j

0 H ( )
2
1 H ( ) 1 H ( )
2
H + H 1 H ( ) = = =
Statistiques descriptives
2013 - 2014 Biostatistique - Carrat, Mallet, Morice 85/179
8.5.3 Interprtation de la moyenne observe
Ainsi, m concide avec la frquence observe de la modalit code 1. Cette frquence sera note p
et sappelle de faon naturelle PROPORTION OBSERVEE dindividus prsentant la modalit 1.
Exemple
Dans le cas de ltude dun signe clinique, en codant 1 la prsence du signe clinique, m
(donc p) sera la frquence observe de la prsence du signe ou encore le pourcentage des
individus prsentant le signe ( un facteur 100 prs).
En rsum
si X est une variable de Bernoulli,
sa moyenne vraie=H
sa variance vraie =H(1- H)
UNE PROPORTION OBSERVEE EST UNE MOYENNE OBSERVEE.
8.6 Conclusion : la variable alatoire
moyenne arithmtique
On a jusquici associ une valeur de moyenne observe une srie de n ralisations dune variable
alatoire quantitative X. Mais chaque exprience consistant recueillir n ralisations de la va-
riable X permet de calculer une valeur, diffrente chaque exprience, de moyenne observe. Au-
trement dit, la moyenne observe doit tre vue comme une nouvelle variable alatoire que nous
appellerons moyenne arithmtique; on la notera M. Dans certains cas, afin de rappeler que cette
variable dpend de n, on notera M
n
la variable construite partir de n ralisations de X.
On utilisera la terminologie suivante:
on dira que M (ou M
n
si ncessaire) est la VARIABLE ALEATOIRE MOYENNE ARITHME-
TIQUE DEDUITE DE LA VARIABLE ALEATOIRE X, FONDEE SUR n REPETITIONS
ou, de faon quivalente que M (ou M
n
si ncessaire) est la VARIABLE ALEATOIRE
MOYENNE ARITHMETIQUE ASSOCIEE A LA VARIABLE ALEATOIRE X, FONDEE SUR
n REPETITIONS
Remarque
Dans le cas o X est une variable de Bernoulli, M
n
sera note P
n
(et M simplement P). Il sagit
m
1
n
-- - x
i
i

1
n
--- 0 0 1 0 1 1 . + + + + + + | |
nombre de fois o X 1 =
n
----------------------------------------------------------- = = =
M
n
1
n
--- X
i
i 1 =
n

=
Statistiques descriptives
86/179 Biostatistique - Carrat, Mallet, Morice 2013 - 2014
dune variable alatoire proportion dont on connat dj pratiquement la distribution puisque
nP
n
~B(n, H) (voir section 7.1.2 page 63).
Statistiques descriptives
2013 - 2014 Biostatistique - Carrat, Mallet, Morice 87/179
Rsum du chapitre
1. Une variable alatoire est une variable observable au cours dune exprience et dont la va-
leur peut varier dune exprience lautre de faon non prvisible.
2. Reprsentation dune variable
3. Moyennes (variables quantitatives + variables de Bernoulli)
4. Variances (variables quantitatives)
rpartition dun
chantillon
reprsentation de la population
variable qualitative rpartition observe rpartition vraie
variable quantitative
discrte
histogramme en btons rpartition vraie
variable quantitative
continue
histogramme densit de probabilit
moyenne observe esprance, ou moyenne vraie
variable discrte
variable continue
variable de Bernoulli
variances observes variances vraies
variable discrte
variable continue
m
1
n
-- - x
i
i 1 =
n

= val
j
Pr variable val
j
= ( )
j 1 =
k

=
m
1
n
-- - x
i
i 1 =
n

=
xf x ( ) x d
9
}
=
m est note p Pr variable 1 = ( ) est note H =
s
2 n
n 1
------------
1
n
--- x
i
2
i 1 =
n

m
2
= o
2
val
j
( )
2
j 1 =
k

Pr variable val
j
= ( ) =
s
2 n
n 1
------------
1
n
--- x
i
2
i 1 =
n

m
2
=
o
2
x ( )
2
f x ( ) x d
9
}
=
Statistiques descriptives
88/179 Biostatistique - Carrat, Mallet, Morice 2013 - 2014
5. Variables centre et centre rduite associes une variable X
Si X est une variable alatoire de moyenne et de variance o
2
,
la variable (X - ) est dite variable centre associe X,
la variable est dite variable centre rduite associe X.
X
o
-------------
Fluctuations de la moyenne observe : la variable alatoire moyenne arithmtique
2013 - 2014 Biostatistique - Carrat, Mallet, Morice 89/179
Chapitre 9
Fluctuations de la moyenne
observe : la variable alatoire
moyenne arithmtique
On conserve le contexte dtude du chapitre prcdent, cest--dire lexamen de la variabilit dune
grandeur (variable alatoire) dans une population dindividus ou units statistiques. Mais on sin-
tresse ici la variable alatoire moyenne arithmtique.
9.1 Premire proprit de la variable alatoire
moyenne arithmtique
9.1.1 Un exemple
Prenons nouveau le cas dune variable discrte pouvant prendre les deux valeurs 0 et 1 [cest--
dire variable associe prsence-absence ou oui-non]. Supposons que lon ait des raisons de penser
que Pr(X =0) =Pr(X =1) =1/2. On a vu quune telle variable a pour esprance 1/2, pour variance
vraie 1/4.
On peut, par le calcul, pronostiquer le rsultat dune rptition dexpriences. En particulier, cal-
culer la rpartition de la variable moyenne arithmtique calcule sur un chantillon de deux
individus, note M
2
, ici deux lancers de pice.
On isole cette variable. Quelles valeurs peut-elle prendre, avec quelles probabilits?
jet 1 :
rsultats
Proba
jet 1
jet 2 :
rsultats
Proba
jet 2
Proba
jet1, jet2
M
2
0 1/2 0 1/2 1/4 1/2(0+0) =0
0 1/2 1 1/2 1/4 1/2(0+1) =1/2
Fluctuations de la moyenne observe : la variable alatoire moyenne arithmtique
90/179 Biostatistique - Carrat, Mallet, Morice 2013 - 2014
Ainsi,
Alors:

Ainsi la variance vraie de la moyenne arithmtique est plus faible que la variance vraie de
la variable dorigine (la moiti ici). Lesprance reste inchange. Et ainsi vont les choses si la taille
des chantillons (ici 2) qui constituent les units statistiques augmente. La dispersion de M diminue
au fur et mesure que M se trouve calcule sur la base dun chantillon de taille croissante. Le
comment de cette situation peut tre rsum ainsi : les valeurs de la moyenne arithmtique de-
viennent de plus en plus probables dans un voisinage de lesprance car le nombre de situations
pouvant donner une valeur observe proche de lesprance augmente dans ce voisinage. Cela est
d au fait que lesprance mathmatique est au milieu des valeurs possibles. On le voit sur
lexemple ci-dessus o lesprance est obtenue dans les deux cas (0, 1) et (1, 0). Cest encore plus
perceptible sur lexemple dun d. Pour que la moyenne observe calcule sur deux jets de d soit
6, il faut obtenir le rsultat (6, 6) ; pour quelle soit 3, il faut un total de 6, cest--dire (5, 1), (4, 2),
(3, 3), (2, 4), (1, 5), soit un vnement 5 fois plus probable.
Il est possible de quantifier tout cela. On peut gnraliser ce qui a t obtenu avec deux jets de
pices et on obtient, quelle que soit la distribution de la variable tudie- quelle soit continue ou
discrte- les rsultats fondamentaux suivants.
9.1.2 Gnralisation
i. Lesprance mathmatique, ou moyenne vraie, de la variable alatoire moyenne arithm-
tique calcule sur un chantillon de taille n concide avec la moyenne vraie de la variable
tudie, ce que lon peut rsumer par :
ii. La variance vraie de la variable alatoire moyenne arithmtique calcule sur un chantil-
lon de taille n est gale la variance vraie de la variable DIVISEE PAR n, ce que lon
peut rsumer par :
1 1/2 0 1/2 1/4 1/2(1+0) =1/2
1 1/2 1 1/2 1/4 1/2(1+1) =1
jet 1 :
rsultats
Proba
jet 1
jet 2 :
rsultats
Proba
jet 2
Proba
jet1, jet2
M
2
Pr M
2
0 = ( )
1
4
--- = Pr M
2
1
2
--- =
\ .
| |
1
4
---
1
4
--- +
1
2
-- - = = Pr M
2
1 = ( )
1
4
--- = , ,
moyenne vraie de M
2
0
1
4
---
1
2
---
1
2
-- - 1
1
4
-- - + +
1
2
--- moyenne vraie de X = = =
variance vraie de M
2
0
1
2
---
\ .
| |
2
1
4
---
1
2
---
1
2
-- -
\ .
| |
2
1
2
--- 1
1
2
---
\ .
| |
2
1
4
--- + +
1
8
---
1
2
---
1
4
--- = = =
E M
n
( ) E X ( ) =
Fluctuations de la moyenne observe : la variable alatoire moyenne arithmtique
2013 - 2014 Biostatistique - Carrat, Mallet, Morice 91/179
iii. Dans le cas o X est une variable de Bernoulli de paramtre H (Pr(X =1) =H), les relations
prcdentes deviennent :
9.2 Seconde proprit de la variable alatoire
moyenne arithmtique : le thorme central
limite
On souhaiterait comparer, par curiosit, les distributions de plusieurs moyennes arithmtiques, cor-
respondant diverses variables alatoires. Par exemple la taille, la glycmie. Ces distributions sont
diffrentes, ne serait-ce qu cause des diffrences entre moyennes et variances vraies. Pour
sabstraire de ces premires diffrences, considrons la variable centre rduite associe, soit pour
chaque variable considre:
Maintenant toutes ces variables ont en commun leur esprance (0) et leur variance (1). Il se passe
quelque chose dextraordinaire: lorsque n est suffisamment grand, elles finissent par avoir en
commun leur distribution, leur densit de probabilit.
Cela signifie que les distributions de toutes ces variables (moyennes arithmtiques centres r-
duites issues de variables alatoires diffrentes) finissent par concider, lorsque n est suffisam-
ment grand, avec une distribution particulire unique. Cette distribution sappelle LOI
NORMALE, et puisque sa moyenne vraie est nulle et sa variance vraie est 1, on lappelle
LOI NORMALE CENTREE REDUITE ou encore distribution de Gauss ou de Laplace-Gauss
(1800).
On la notera schmatiquement N(0, 1) o 0 rappelle la valeur de la moyenne vraie, 1 la valeur
do la relation entre carts-types:
(P
n
) =H
o
2
M
n
( )
1
n
---o
2
X ( ) =
o M
n
( )
1
n
-------o X ( ) =
o
2
P
n
( )
H 1 H ( )
n
----------------------- =
M
n
M
n
( )
o M
n
( )
----------------------------- soit
M
n
X ( )
o X ( )
n
------------
-------------------------
Fluctuations de la moyenne observe : la variable alatoire moyenne arithmtique
92/179 Biostatistique - Carrat, Mallet, Morice 2013 - 2014
de la variance vraie.
Donc la proprit ci-dessus- connue sous le nom de thorme central limite- snonce:
THEOREME CENTRAL LIMITE
Soit X une variable alatoire quantitative desprance mathmatique , de variance vraie o
2
.
Soit M
n
la variable alatoire moyenne arithmtique associe X construite sur n rptitions.
Il faut bien mesurer la porte de cette proprit. Quel que soit le phnomne tudi- apprci par
la variable alatoire que lon tudie- il suffit de connatre la moyenne et la variance de la variable
pour dduire la distribution (la densit de probabilit) - cest--dire lexpression la plus acheve
des proprits de variabilit- de la variable alatoire moyenne arithmtique calcule sur un chan-
tillon de taille suffisante. Nous reviendrons plus loin, au paragraphe rsum et prcisions (voir page
93), sur cette notion vague taille suffisante. Or cest peu de connatre moyenne, variance (ou
cart-type) seulement - ex. : pour le poids la naissance =3 kg, o =1,2 kg.
9.3 Etude de la distribution normale (rappel)
La distribution limite que lon a mise en vidence dpeint une variable alatoire desprance ma-
thmatique 0 et de variance vraie 1, que lon a appele distribution normale centre rduite ou
N(0, 1).
La densit de probabilit est donne par une fonction dquation et dont lallure
est reprsente sur la figure 5.
Ses principales caractristiques morphologiques sont les suivantes:
elle est symtrique,
elle prsente deux points dinflexion en x =1 et x =-1
Par ailleurs, pour faciliter les calculs de probabilit relatifs cette variable, des tables ont t
construites qui donnent le lien entre o et u
o
, o ces valeurs ont le sens suivant (voir figure 5) :
En particulier, pour o =0,05, la valeur u
o
lue dans la table est 1,96, do u
0,05
=1,96
On peut voir facilement que toute probabilit sobtient partir dune telle table,
quelles que soient les valeurs de a et b.
La distribution limite de la variable alatoire est la distribution
normale centre rduite note N(0,1).
M
n

o
n
-------
----------------
f x ( )
1
2t
----------e
x
2
2
----
=
Pr X u
o
; +u
o
| | e ( ) o =
Pr X a b [ , ] e ( )
Fluctuations de la moyenne observe : la variable alatoire moyenne arithmtique
2013 - 2014 Biostatistique - Carrat, Mallet, Morice 93/179
Figure 5 : loi normale centre rduite
Remarque
Sur la base de cette loi centre rduite, on dfinit toute une famille de lois de la faon
suivante:
Si X est distribue selon une loi normale centre rduite (notation X ~N (0, 1)),
alors la variable Y =o X +, dont lesprance est et la variance o
2
, est distribue selon
une loi normale desprance et de variance o
2
.
On crit Y ~N(, o
2
)
A linverse, si on dit que X ~N (, o
2
)
cela veut dire que (variable centre rduite associe).
Exemple
La figure 6. prsente laspect de deux distributions normales lune N(0, 1), lautre
N(2,9, 4).
Figure 6 : exemple de lois normales
Rsum et prcisions (thorme central limite)
Si n est suffisamment grand, X ayant pour moyenne vraie , pour variance vraie o
2
,
alors:
X
o
------------- N 0 1 , ( ) ~
M
n

o
n
-------
---------------- N 0 1 , ( ) ( peu prs) ~
Fluctuations de la moyenne observe : la variable alatoire moyenne arithmtique
94/179 Biostatistique - Carrat, Mallet, Morice 2013 - 2014
ou, de faon quivalente,
o la notation ~se lit : est distribu comme ou suit une distribution.
a. La distribution de M
n
est exactement une loi normale (la mention peu prs est inu-
tile), quel que soit n, si X elle-mme est gaussienne (i.e. est distribue normalement).
b. si X nest pas gaussienne:
si X est une variable quantitative autre que Bernoulli, la condition de validit
usuelle est n > 30
si X est une variable de Bernoulli (valeurs 0 et 1), la condition usuelle de validit
est
En outre dans ce cas, =H, o
2
=H (1- H) si bien que lon aura:
ou, de faon quivalente,
9.4 Application du thorme central limite.
Intervalle de Pari (I. P.)
9.4.1 Dfinition de lintervalle de pari (I. P.) dune moyenne
observe
On considre une variable alatoire de moyenne vraie et de variance vraie o
2
.
On sait que pour n grand (n > 30, ou nH et n(1- H) > 5) :
la variable est approximativement distribue selon N (0, 1).
On se pose le problme suivant. On sapprte raliser une srie dexpriences, cest--dire me-
surer la variable X sur un chantillon de n individus. Peut-on construire un intervalle [a, b] tel que
la probabilit pour que la moyenne observe que lon sapprte calculer appartienne cet inter-
M
n
N
o
2
n
------ ,
\ .
| |
( peu prs) ~
nH 5 et >
n 1 H ( ) 5 >

P
n
H
H 1 H ( )
n
-----------------------
--------------------------- N 0 1 , ( ) ( peu prs) ~
P
n
N H
H 1 H ( )
n
----------------------- ,
\ .
| |
( peu prs) ~
Z
M
n

o
n
-------
---------------- =
Fluctuations de la moyenne observe : la variable alatoire moyenne arithmtique
2013 - 2014 Biostatistique - Carrat, Mallet, Morice 95/179
valle ait une valeur donne? Il sagit donc de construire un intervalle qui contienne avec une pro-
babilit fixe la valeur observe que lon va obtenir.
Il sagit donc de trouver deux valeurs a et b telles que .
Exemple :
Un tel intervalle [a, b] sappelle INTERVALLE DE PARI (I. P.) de niveau 1- o, ou encore in-
tervalle de pari au risque o, ou encore INTERVALLE DE FLUCTUATION
La figure 7 illustre le problme pos.
Figure 7 : le problme de lintervalle de pari
Ce problme admet plusieurs solutions: sauf besoin spcifique on choisit un intervalle symtrique
autour de (ce qui est naturel compte tenu de la distribution de M
n
).
Rsolution:
La valeur inconnue doit vrifier :
Si le thorme central limite sapplique, lexpression ci-dessus suit une loi N(0, 1) ; notons-la Z.
Alors doit vrifier . Cest le u
o
de la table.
Finalement : =u
o
et
Pr a M
n
b s s ( ) valeur donne 1 o = =
Pr a M
n
b s s ( ) 0 95 , =
a
o
n
------- et b
o
n
------- + = =
Pr
o
n
------- M
n

o
n
------- + s s
\ .
| |
1 o =
Pr
o
n
------- M
n

o
n
------- s s
\ .
| |
1 o =
Pr
M
n

o
n
-------
---------------- s s
\ .
|
|
|
| |
1 o =
Pr Z s s ( ) 1 o =
Pr u
o
o
n
------- M
n
u
o
o
n
------- + s s
\ .
| |
1 o =
Fluctuations de la moyenne observe : la variable alatoire moyenne arithmtique
96/179 Biostatistique - Carrat, Mallet, Morice 2013 - 2014
Exemple : o =0,05 u
o
=1,96
Les conditions de validit de cette construction sont celles du thorme central limite, cest--dire
n > 30 pour les variables continues non normales et nH, n(1- H) > 5 pour les variables de Ber-
noulli.
Cas dune variable de Bernoulli : est note H, o
2
=H (1- H). Donc
Linterprtation de lintervalle de pari est fondamentale. Si cet intervalle est bien calcul, on est
quasi sr, avec une probabilit 1- o (ici 0,95), dobtenir une valeur de la moyenne observe com-
prise dans cet intervalle. En pariant que la valeur va tomber dans cet intervalle, on se trompera (en
moyenne) dans cinq pour cent des expriences.
Exemple :
On a des raisons de penser que la frquence dune maladie dans la population est H =0,2. Linter-
valle de pari de la moyenne observe (proportion observe) calcule sur 64 individus au niveau
0,95 est :
Il y a 95 chances sur 100 pour que la proportion observe tombe dans cet intervalle.
9.4.2 Les facteurs de dpendance de la longueur de
lintervalle de pari (IP)
La longueur de lIP est
la longueur dpend de o
Si , la longueur de est suprieure la longueur de
Exemple
o =0,05 u
0,05
=1,96
o =0,01 u
0,01
=2,57
Intervalle de Pari (I. P.) de la moyenne observe dune variable de moyenne vraie ,
de variance vraie o
2
construite sur un chantillon de taille n
IP
1 o
u
o
o
n
------- ; u
o
o
n
------- + =
IP
095 ,
196
o
n
------- , ; 196
o
n
------- , + =
IP
095 ,
H 196
H 1 H ( )
n
----------------------- , ; H 196
H 1 H ( )
n
----------------------- , + =
IP
095 ,
02 ,
196 , 02 1 02 , ( ) ,
64
--------------------------------------------- ; 02 ,
196 , 02 1 02 , ( ) ,
64
--------------------------------------------- + 010 ; 030 , , | | = =
2u
o
o
n
-------
o' o < IP
1 o'
IP
1 o
Fluctuations de la moyenne observe : la variable alatoire moyenne arithmtique
2013 - 2014 Biostatistique - Carrat, Mallet, Morice 97/179
la longueur dpend de n
La longueur de dcrot avec n. Cest le reflet du fait connu selon lequel les fluctuations
dchantillonnage sestompent avec n
Exemple
Dans le cas ci-dessus, si on remplace n = 64 par n = 6400, on obtient
Remarque
Pour rduire dans un rapport 2 la longueur de lIP, il faut un chantillon 4 fois plus
grand (2
2
).
9.4.3 Lintervalle de pari dune variable alatoire
Ce que lon a dit pour une moyenne observe peut senvisager pour une variable X quelconque
dont on connat la distribution.
LIP de niveau 1- o est lintervalle [a, b] tel que .
Exemple:
X ~N(0, 1)
Une valeur numrique retenir :
pour une variable alatoire normale centre rduite IP
0,95
=[-1,96; 1,96]
IP
1 o
IP
095 ,
019 ; 021 , , | | =
Pr a X b s s ( ) 1 o =
IP
1 o
u
o
; u
o
| | =
Fluctuations de la moyenne observe : la variable alatoire moyenne arithmtique
98/179 Biostatistique - Carrat, Mallet, Morice 2013 - 2014
Rsum du chapitre
1. Proprits de la moyenne arithmtique M
n
dune variable alatoire X, moyenne calcule sur
n units statistiques:
2. Thorme central limite
Si X a pour moyenne vraie , pour variance vraie o
2
, M
n
est, lorsque n est suffisam-
ment grand (n > 30, ou nH et n(1- H) > 5), peu prs distribue comme une variable normale
de moyenne vraie et de variance vraie , ce que lon crit :
3. Intervalle de pari (I. P.)
Lorsque les conditions ci-dessus sont satisfaites, lintervalle
a la proprit suivante:
Cet intervalle sappelle intervalle de pari (I. P.) de niveau 1-o, ou intervalle de pari au risque
o.
moyenne vraie de M
n
=moyenne vraie de X
variance vraie de M
n
=
variance vraie de X
n
-------------------------------------------------------
o
2
n
M
n
N
o
2
n
------ ,
\ .
| |
ou
M
n

o
n
-------
---------------- N 0 1 , ( ) ~ ~
IP
1 o
u
o
o
n
------- ; u
o
o
n
------- + =
Pr M
n
IP
1 o
e ( ) 1 o =
Estimation - Intervalle de confiance
2013 - 2014 Biostatistique - Carrat, Mallet, Morice 99/179
Chapitre 10
Estimation - Intervalle de
confiance
10.1 Introduction
Le problme de lestimation statistique est le suivant : on cherche connatre les valeurs de cer-
taines caractristiques dune variable alatoire grce des observations ralises sur un chantil-
lon. Un grand nombre de problmes statistiques consistent en la dtermination de la moyenne
vraie, sur la base dobservations ralises sur un chantillon. Cependant, on peut aussi chercher
connatre les valeurs dautres caractristiques, comme par exemple les variances (exemple c. ci-
dessous).
Exemples :
a. quelle est la frquence de survenue de tel type de cancer chez les souris?
b. quelle est la vraie valeur de la glycmie de ce patient ?
c. quelle est la variance de la glycmie mesure chez ce patient ?
Il est bien sr impossible de rpondre ces questions au sens strict.
On y apporte gnralement deux types de rponses:
1. On produit une valeur qui nous semble tre la meilleure possible: on parle alors destimation
ponctuelle.
2. On produit un intervalle de valeurs possibles, compatibles avec les observations. Cest la no-
tion dintervalle de confiance ou destimation par intervalle.
Dans la suite on note X la variable alatoire dont on cherche estimer une caractristique, aussi
appele paramtre, dont la valeur est note u. Par exemple le paramtre peut tre la glycmie, et sa
valeur celle du patient considr.
Estimation - Intervalle de confiance
100/179 Biostatistique - Carrat, Mallet, Morice 2013 - 2014
10.2 Estimation ponctuelle
10.2.1 Dfinition
A partir dun chantillon (X
1
, X
2
, ..., X
n
) de la variable alatoire X, on construit une nouvelle va-
riable alatoire t(X
1
, X
2
, ..., X
n
) dont les ralisations se rapprochent de la valeur u. Cette nou-
velle variable est appele estimateur de u. Pour simplifier, cette variable t(X
1
, X
2
, ..., X
n
) est note
T
n
ou T.
Par exemple t(X
1
, X
2
, ..., X
n
) = se rapproche de lesprance de X (voir chapitre
9).
Cest un estimateur naturel de E[X].
10.2.2 Proprits
Les estimateurs sont des fonctions des chantillons: ce sont donc des variables alatoires qui pos-
sdent une densit de probabilit, et le plus souvent, une moyenne (esprance mathmatique) et une
variance. Ces deux grandeurs permettent de comparer, dans une certaine mesure, les estimateurs
entre eux.
Figure 8 : densit de probabilit de 3 estimateurs T1, T2 et T3
La figure 8 reprsente les densits de probabilit de 3 estimateurs T1, T2 et T3 dune moyenne .
10.2.2.1 Biais
On voit sur la figure 8 que T1 et T2 sont centrs autour de , tandis que T3 a pour moyenne
infrieure . Cette notion est dfinie plus prcisment de la manire suivante:
Le biais dun estimateur, not B(T), est la diffrence moyenne entre sa valeur et celle de la quantit
quil estime. On a:
M
n
1
n
--- X
i
i 1 =
n

=
'
Estimation - Intervalle de confiance
2013 - 2014 Biostatistique - Carrat, Mallet, Morice 101/179
B(T) =E(T - u) =E(T) - u
Ici, on a: B(T1) =E(T1- ) =E(T1) - =0
de mme: B(T2) =0
mais:
On dit que T1 et T2 sont des estimateurs sans biais de , et que T3 est un estimateur biais de .
10.2.2.2 Variance
La variance dun estimateur est dfinie de la manire usuelle:
var(T) =E[T - E(T)]
2
Si deux estimateurs sont sans biais, le meilleur est celui qui a la variance la plus petite: en effet,
ses valeurs sont en moyenne plus proches de la quantit estime.
Par exemple, sur la figure ci-dessus, on voit que var(T1) <var(T2). On peut donc conclure que T1
est un meilleur estimateur de que T2.
Quand des estimateurs sont biaiss, en revanche, leur comparaison nest pas aussi simple: un es-
timateur peu biais, mais de variance trs faible, pourrait mme, en pratique, tre prfr un es-
timateur sans biais, mais de variance grande.
10.2.2.3 Erreur quadratique moyenne
Lerreur quadratique moyenne est une grandeur permettant de comparer des estimateurs entre eux,
quils soient biaiss ou sans biais. Elle est dfinie de la manire suivante:
EQM(T) =E[(T - u)
2
]
On dmontre facilement quon peut relier lerreur quadratique moyenne, lesprance et la variance
dun estimateur par lexpression suivante:
EQM(T) =var(T) +[E(T) - u]
2
=var(T) +B(T)
2
En particulier, lerreur quadratique moyenne des estimateurs sans biais est gale leur variance.
Lorsquon compare deux estimateurs, on considre que le meilleur est celui qui prsente lerreur
quadratique moyenne la plus faible.
10.2.3 Exemple
On a souvent utilis, dans ce cours, les quantits m, moyenne observe, et s
2
, variance observe.
La variable alatoire moyenne arithmtique, note M
n
, a t tudie au chapitre 8. De la mme ma-
nire, tudions la variable alatoire variance S
n
2
, dfinie par :
o est la variable alatoire moyenne arithmtique de X
2
.
B T3 ( ) E T3 ( ) E T3 ( ) ' 0 < = = =
S
n
2 n
n 1
------------ M
2 n ,
M
n
2
| | =
M
2 n ,
Estimation - Intervalle de confiance
102/179 Biostatistique - Carrat, Mallet, Morice 2013 - 2014
On va calculer E(S
n
2
). On rappelle que si U est une variable alatoire, la variable moyenne arith-
mtique dfinie sur U a les proprits suivantes:
On a par ailleurs:
var(U) =E(U
2
) - [E(U)]
2
et donc E(U
2
) =var(U) +[E(U)]
2
(3).
On peut maintenant calculer E(S
n
2
). Soit X une variable alatoire desprance E(X) = et de va-
riance var(X) =o
2
. On a:
Mais daprs (1) et (3),
et daprs (3), (2) et (1),
et finalement : .
Sn
2
est donc un estimateur sans biais de o
2
.
10.3 Estimation par intervalle - Intervalle de
confiance
Bien que des intervalles de confiance soient dfinissables pour toute quantit estime, leur dter-
mination est le plus souvent difficile. Nous nous limiterons donc dans ce cours la dfinition des
intervalles de confiance des moyennes (et proportions) vraies.
10.3.1 Exemple dune proportion
Lide directrice est la suivante: on souhaite associer une valeur observe p un intervalle appel
INTERVALLE DE CONFIANCE qui ait de bonnes chances de contenir la valeur vraie H
de la proportion. Que signifie de bonnes chances? Si lon effectue un grand nombre de fois
lexprience- chaque exprience produisant un pourcentage observ p - on construit autant din-
tervalles de confiance. On voudrait quun grand nombre de ces intervalles contienne la valeur
vraie H. Par exemple que 95% des intervalles en gros contiennent H. On parlera alors dinter-
valle de confiance DE NIVEAU 0,95 ou dintervalle de confiance AU RISQUE 0,05. On consid-
rera gnralement des intervalles de confiance de niveau 1-o. La valeur o sera alors le risque- ou
la probabilit- pour quun intervalle de confiance ne contienne pas la proportion vraie H.
E M
U n ,
( ) E U ( ) (1) et var M
U n ,
( )
1
n
---var U ( ) (2) = =
E S
n
2
( )
n
n 1
----------- - E M
2 n ,
( ) E M
n
2
( ) | | =
E M
2 n ,
( ) E X
2
( ) o
2

2
+ = =
E M
n
2
( ) var M
n
( ) E M
n
( ) | |
2
+
o
2
n
------
2
+ = =
E S
n
2
( )
n
n 1
------------ o
2

2 o
2
n
------
2
+ o
2
= =
Estimation - Intervalle de confiance
2013 - 2014 Biostatistique - Carrat, Mallet, Morice 103/179
DE FACON GENERALE, LINTERVALLE DE CONFIANCE AU RISQUE o DUNE VA-
LEUR QUE LON CHERCHE A ESTIMER EST UN INTERVALLE QUI CONTIENT AVEC
UNE PROBABILITE 1- o LA VALEUR CHERCHEE ; IL SAGIT DUN INTERVALLE QUE
LON DEVRA ETRE EN MESURE DE CONSTRUIRE A LISSUE DUNE EXPERIENCE
PORTANT SUR UN ECHANTILLON.
Comment construire de tels intervalles? Cest facile graphiquement.
Figure 9
Estimation - Intervalle de confiance
104/179 Biostatistique - Carrat, Mallet, Morice 2013 - 2014
Figure 10
Considrons la figure 9. On a port en abscisses une chelle 0-1 de mesure de proportions
vraies, en ordonnes une chelle de mesure de proportions observes. Donnons nous une valeur
de proportion vraie; on sait associer cette valeur un intervalle de pari de niveau 0,95 de la
proportion observe que lon est susceptible dobtenir au cours dune exprimentation conduite
sur n individus. Cet intervalle de pari peut tre reprsent sur lchelle verticale. Si lon opre cette
reprsentation pour toutes les valeurs possibles dune proportion vraie, on obtient un domaine
limit par les deux courbes reprsentes sur la figure.
Considrons alors un problme mettant en jeu une proportion vraie, H. Supposons que nous
fassions un ensemble dexpriences, chaque exprience portant sur n individus tant productive
dune valeur de proportion observe p. On peut associer chacune de ces expriences un point de
coordonnes (H, p) sur la figure 9. Compte tenu de la construction prcdente, on peut affirmer
que ces points appartiendront 95 fois sur cent (cest--dire dans 95% des expriences) au domaine
limit par les deux courbes, et ceci quelle que soit la valeur de H.
Maintenant supposons quune exprience unique ait t ralise, produisant une valeur de propor-
tion, p. Le problme est, sur la base de cette valeur, de dfinir un intervalle ayant de bonnes chances
de contenir la valeur inconnue de la proportion vraie. La solution, immdiate, est fournie par la
figure 10. Il suffit de trancher le domaine limit par les deux courbes DANS LAUTRE SENS. Cet
intervalle contiendra 95 fois sur cent la vritable valeur de la proportion.
Ainsi, si on adopte cette stratgie de construction, on aura pour chaque valeur observe p un in-
tervalle qui contiendra H avec la probabilit 0,95.
Le problme est rsolu. Maintenant, ce qui est simple sur un dessin est compliqu en termes de
calcul et il existe des tables dintervalles de confiance et des formules toutes faites permettant de
former des intervalles de confiance approchs.
Estimation - Intervalle de confiance
2013 - 2014 Biostatistique - Carrat, Mallet, Morice 105/179
10.3.2 Intervalle de confiance approch dune proportion
vraie
On montre quune bonne approximation de lintervalle de confiance de niveau 1- o de H, fond
sur la valeur observe p, p tant calcule sur n individus, est donne par lintervalle ci-dessous:
Notons H
min
et H
max
les bornes de cet intervalle.
Cette approximation nest juge satisfaisante que sous les CONDITIONS DE VALIDITE
suivantes: nH
min
> 5, n(1-H
max
) > 5
LORSQUE LES CONDITIONS DE VALIDITE NE SONT PAS REMPLIES, IL FAUT AVOIR
RECOURS A DES TABLES (hors programme).
Exemple : n =100, o =0,05, p =0,12
conditions de validit
100 0,06=6 > 5.
100 (1- 0,18) =82 > 5.
10.3.3 Intervalle de confiance approch dune moyenne
vraie (variable continue)
De mme, il existe une expression approche pour lintervalle de confiance de niveau 1- o dune
moyenne vraie , intervalle fond sur la valeur observe m obtenue aprs une exprience por-
tant sur n individus. Le calcul de cet intervalle suppose en outre le calcul de la variance observe
s
2
. Lexpression est la suivante:
Lapproximation ci-dessus nest juge satisfaisante que sous la
CONDITION DE VALIDITE : n > 30.
Lorsque cette condition nest pas remplie, on ne sait plus former dintervalle de confiance sauf si
lon peut supposer que la variable primitive X dintrt est normale.
Si la variable tudie est NORMALE, alors, et sans autre condition de validit, un intervalle de
confiance de niveau 1- o a pour expression:
IC
1 o
p u
o
p 1 p ( )
n
-------------------- ; p u
o
p 1 p ( )
n
-------------------- + =
IC
095 ,
012 , 196
012 , 088 ,
100
---------------------------- , ; 012 , 196
012 , 088 ,
100
---------------------------- , + 006 ; 018 , , | | = =
IC
1 o
m u
o
s
n
------- ; m u
o
s
n
------- + =
IC
1 o
m t
o
s
n
------- ; m t
o
s
n
------- + =
Estimation - Intervalle de confiance
106/179 Biostatistique - Carrat, Mallet, Morice 2013 - 2014
o t
o
est associ une nouvelle distribution, dite de Student, (n-1) degrs de libert (voir section
7.2.3 page 71). La notation t
o
sapparente la notation u
o
et est explicite table A.6 page 179.
Remarque (pour une variable normale encore)
Si la variance vraie de la variable tudie, o
2
, est connue, lintervalle de confiance a la forme
suivante:
10.3.4 Applications
Lintervalle de confiance exprime fondamentalement, comme son nom lindique, la confiance que
lon peut attribuer un rsultat exprimental.
IDEALEMENT TOUT PROBLEME DESTIMATION DEVRAIT ETRE PRODUCTIF DUN
INTERVALLE DE CONFIANCE. Ne donner quune estimation ponctuelle masque lincertitude
qui accompagne tout rsultat.
Exemple : supposons qutudiant la frquence dun vnement, on ait obtenu une frquence ob-
serve p gale 0,12.
Supposons que cette valeur ait t obtenue sur la base de 8 individus (lvnement tudi sest donc
ralis une fois). On peut lire dans une table spcialise que lintervalle de confiance de la fr-
quence vraie est, au risque 0,05 [0,003; 0,527]. Cela signifie que cette valeur observe de 12%
sur si peu dindividus ne fait quindiquer ceci : la frquence vraie se situe dans le domaine 3,
52,7%.
Supposons que cette mme valeur 12% ait t obtenue sur la base de 100 individus (lvnement
tudi sest ralis 12 fois au cours des 100 essais). Lintervalle de confiance associ est alors
proche de [0,06; 0,18]. Sur la base de cette valeur 12%, on est maintenant en mesure daffirmer,
acceptant toujours un risque derreur de 5 pour cent, que la frquence vraie se situe dans le do-
maine 6%, 18%, domaine beaucoup plus troit que le prcdent.
De faon gnrale, la longueur de lintervalle de confiance indique la prcision obtenue. Les deux
exemples qui suivent montrent lusage que lon peut en faire.
10.3.4.1 Prcision dun sondage
Supposons que lon sapprte raliser un sondage pour estimer la prvalence dune maladie,
cest--dire la proportion de la population atteinte par cette maladie la date du sondage. On sou-
haite un rsultat prcis, cest--dire que lon souhaite par exemple que lintervalle de confiance r-
sultant ait une longueur au plus gale 0,04, avec un risque derreur de 5%.
On remarque que la longueur de lintervalle de confiance ne dpend que dune seule grandeur
contrlable, le nombre dindividus. La question est donc: combien dindividus faut-il inclure dans
le sondage?
Ce problme est simple, puisque la longueur de lintervalle de confiance stablit :
IC
1 o
m u
o
o
n
------- ; m u
o
o
n
------- + =
Estimation - Intervalle de confiance
2013 - 2014 Biostatistique - Carrat, Mallet, Morice 107/179
quon arrondit ici
Leffectif de lchantillon devra donc tre au moins 10000 p(1- p).
Toutefois, cet effectif dpend de p, inconnu avant lexprience. Lusage de ces calculs supposera
donc que lon ait une ide du rsultat attendu, grce un sondage exploratoire par exemple ou grce
une connaissance pralable du phnomne tudi.
De faon gnrale, si lon souhaite obtenir un intervalle de confiance dune proportion de longueur
2i, il est ncessaire dinclure un nombre dindividus au moins gal :
au risque 0,05 (ou au risque o)
REMARQUE
Lorsque le sondage est ralis, un intervalle de confiance lui est associ. Dans le langage courant,
les instituts de sondage nomment ces intervalles de confiance des FOURCHETTES.
10.3.4.2 Prcision dune moyenne
Dans le cas o lon sintresse la moyenne vraie dune variable quantitative, on peut effectuer
le mme type de calcul. Pour obtenir un intervalle de confiance de longueur 2i, il faut inclure un
nombre dindividus au moins gal :
Lexploitation de ce calcul ncessite ici une connaissance, mme approximative, de la variance de
la variable tudie pour se donner a priori s
2
- ou mieux o
2
.
Exemple trs important : les problmes de dosage.
Soit doser la glycmie; on a devant soi un chantillon de sang. Quelle est la concentration en
glucose? Si on fait plusieurs dosages, on va obtenir plusieurs rsultats. Cela est d, non la varia-
bilit de la glycmie, mais aux erreurs analytiques. On assimile la glycmie vraie la moyenne
vraie de la variable alatoire rsultat du dosage. Supposons que lon connaisse la variance
des rsultats, car on connat bien la technique analytique. Par exemple, o =10 mg.l
-1
. Supposons
en outre que les rsultats exprimentaux soient distribus normalement.
Si on effectue un dosage donnant 90 mg.l
-1
, on a pour intervalle de confiance approch (o tant
connu) :
IC
0,95
=[90- 2o ; 90+2o] =[70; 110] soit un intervalle de longueur 40.
Si on effectue deux dosages donnant 90 et 96 mg.l
-1
, on a
soit un intervalle damplitude 28,2.
2 196 ,
p 1 p ( )
n
-------------------- 4
p 1 p ( )
n
--------------------
4
p 1 p ( )
i
2
-------------------- u
o
2p 1 p ( )
i
2
--------------------
n u
o
2s
2
i
2
---- =
IC
095 ,
93 2
o
2
------- ; 93 2
o
2
------- + 789 ; , 1071 , | | = =
Estimation - Intervalle de confiance
108/179 Biostatistique - Carrat, Mallet, Morice 2013 - 2014
Si lon effectue trois dosages donnant 90, 96 et 93 mg.l
-1
on a
soit un intervalle damplitude 23,0.
Ces calculs objectivent le fait bien connu selon lequel la rptition des dosages permet dattnuer
les consquences des erreurs exprimentales. Certains dosages- certaines mesures (tension
artrielle) - sont rpts avant quune valeur soit indique.
IC
095 ,
93 2
o
3
------- ; 93 2
o
3
------- + 815 ; , 1045 , | | = =
Les tests dhypothses. Principes
2013 - 2014 Biostatistique - Carrat, Mallet, Morice 109/179
Chapitre 11
Les tests dhypothses.
Principes
Les tests dhypothses sont fonds sur les intervalles de pari.
11.1 Un exemple concret (emprunt
Schwartz)
Une varit de souris prsente des cancers spontans avec un taux (une frquence ou proportion
dans la population) constant bien connu, =20%. On se demande si un traitement donn modifie
ce taux (en plus ou en moins), cest--dire est actif. Pour rpondre cette question on procde
une exprience sur 100 souris; il sagira, au vu du pourcentage observ p danimaux cancreux,
de dire si le traitement est actif. Il nest pas possible de rpondre au sens strict cette question.
Supposons que le traitement soit sans effet ; alors chaque souris traite aura toujours 20 chances
sur 100 de devenir cancreuse. Mais le pourcentage de souris cancreuses, calcul sur un chantil-
lon de 100 souris sera soumis aux fluctuations dchantillonnage que lon a tudies. Le pourcen-
tage observ (moyenne observe) pourra prendre a priori, cest--dire avant exprience, plusieurs
valeurs, mme si les valeurs voisines de 0,2 sont les plus probables. Des valeurs de 0 ou 100%
pourraient mme tre observes. Ainsi mme si le pourcentage observ est trs diffrent de 20%,
il est possible que le traitement soit sans effet.
Supposons maintenant que le traitement soit actif ; la probabilit de cancer pour chaque souris (ou
la proportion vraie de souris cancreuses dans une population fictive de souris traites) est
1
,
diffrente de 0,2. Encore cause des fluctuations dchantillonnage, on pourra trs bien, peut tre
de faon peu probable, obtenir une frquence observe gale 20%. Ainsi mme si le pourcentage
observ est 20%, il est possible que le traitement soit actif.
Pourtant ne pas rpondre serait renoncer considrer tous les problmes lis la variabilit, cest-
-dire tous les problmes biologiques. Alors on rpondra, mais en acceptant un risque der-
reur. Rpondre correspond la dmarche que chacun adopterait ; par exemple, dclarer le traite-
On ne peut donc rpondre avec certitude la question pose.
Les tests dhypothses. Principes
110/179 Biostatistique - Carrat, Mallet, Morice 2013 - 2014
ment actif si le taux observ de cancers aprs traitement scarte nettement de 20%. Cest le
sens que lon peut donner ce nettement qui est le fondement du principe des tests.
Dans le cas tudi, on aurait tendance sy prendre de la faon suivante. Deux hypothses sont en
prsence:
le traitement est inactif,
le traitement est actif.
La premire hypothse est plus fine que la seconde car elle porte en elle une interprtation
numrique: le pourcentage vrai de souris cancreuses parmi les souris traites est 0,2- lautre
hypothse indiquant seulement que ce pourcentage est diffrent de 0,2; ce qui est plus vague. Sup-
posons alors vraie lhypothse la plus fine. Il devient possible de faire des dductions: sachant ce
qui se passe au niveau de la population des souris traites on peut en dduire ce qui se passera au
niveau dun chantillon. En particulier, on sait construire les intervalles de pari centrs de niveau
1- o pour la frquence observe.
Par exemple, prenant o =0,05 et n =100 souris, on obtient IP
0,95
=[0,12; 0,28]
Cela signifie, rappelons-le, que si =0,2 (frquence suppos vraie), 95% des valeurs des
moyennes observes calcules sur 100 individus appartiendront lintervalle [0,12; 0,28].
On adopte alors la stratgie suivante: si la valeur observe de la frquence de souris cancreuses
parmi les 100 traites appartient cet intervalle, on considre que cette valeur est compatible avec
les fluctuations dchantillonnage et lactivit du traitement nest pas prouve. Si la valeur obser-
ve nappartient pas cet intervalle, le traitement sera considr comme actif. Dans ce dernier cas
le raisonnement est le suivant. Cet vnement (la frquence observe est lextrieur de linter-
valle de pari) avait moins de 5 chances sur 100 de se produire et pourtant il sest produit ; donc je
ne crois plus lhypothse qui ma permis de dduire ces 5% de chances.
Remarque : reformulation des calculs
Notons p la proportion observe de souris traites dveloppant un cancer, sur les n souris traites.
Le rsultat du test sera de conclure ou non lactivit du traitement selon que
cest--dire:
o
0
est la proportion hypothtique (0,2 dans lexemple) et u
o
la borne de lintervalle de pari au
risque o de p.
On suppose ici que les conditions du thorme central limite sont satisfaites. On conclut donc selon
p ou e IP
1 o
e
p ou e
0
u
o

0
1
0
( )
n
-------------------------- ;
0
u
o

0
1
0
( )
n
-------------------------- + e
Les tests dhypothses. Principes
2013 - 2014 Biostatistique - Carrat, Mallet, Morice 111/179
que
ou encore selon que
On reconnat dans la dernire expression lintervalle de pari dune variable alatoire
N(0, 1), intervalle indpendant de lexprience projete.
Cest comme cela que lon abordera gnralement les tests; on cherchera construire une variable
alatoire dont on connaisse, si lhypothse fine est vraie, la distribution, pour pouvoir construire un
intervalle de pari ; ici il sagirait de la variable alatoire Z dduite de la variable alatoire moyenne
arithmtique selon:
avec
0
=0,2 (transcription de lhypothse).
Une telle variable alatoire sappelle usuellement paramtre du test et est note conventionnel-
lement Z. Ici on sait que Z ~N(0, 1) et lon construit lintervalle de pari de niveau 1- o pour Z.
Par exemple avec o =0,05, IP
0,95
=[-1,96; 1,96].
Puis on ralise lexprience ce qui permet dobtenir p, valeur observe de P
n
, donc une valeur ob-
serve de Z, note u :

On pourrait alors sexprimer comme ceci (une terminologie plus prcise sera indique plus loin) :
si on ne peut pas dire que le traitement est actif
si le traitement est actif.
Nous allons, la lumire de cet exemple, numrer les tapes de mise en uvre dun test et revenir
sur diffrents aspects (sens de o par exemple) avant de donner dautres exemples de tests usuels
p
0
ou e u
o

0
1
0
( )
n
-------------------------- ; u
o

0
1
0
( )
n
-------------------------- e
p
0

0
1
0
( )
n
--------------------------
------------------------------ ou e u
o
; u
o
| | e
IP
1 o
Z
P
n

0

0
1
0
( )
n
--------------------------
------------------------------ =
z
p
0

0
1
0
( )
n
--------------------------
------------------------------ =
z IP
0 95 ,
e
z IP
0 95 ,
e
Les tests dhypothses. Principes
112/179 Biostatistique - Carrat, Mallet, Morice 2013 - 2014
11.2 Principe gnral des tests dhypothses
La mise en uvre dun test statistique ncessite plusieurs tapes.
11.2.1 Les tapes de mises en uvre
Etape 1
Avant le recueil des donnes.
Dfinir avec prcision les deux hypothses en prsence H
0
et H
1
. H
0
et H
1
jouent toujours
des rles dissymtriques.
Le plus souvent, une des hypothses est prcise, ou fine. Elle engage une galit
gnralement ; cest elle qui sera H
0
et on lappellera hypothse nulle,
H
0
: hypothse nulle
Exemple : la frquence vraie dapparition du cancer chez les souris traites est 0,2, ce
qui se transcrit par =0,2 (plus gnralement =
0
).
Le principe des tests est dadmettre cette hypothse H
0
sauf contradiction flagrante entre
ses consquences et les rsultats exprimentaux.
Lautre hypothse est toujours plus vague; elle regroupe toutes les hypothses, hormis
H
0
. Cest H
1
et on lappellera hypothse alternative,
H
1
: hypothse alternative
Exemple : la frquence vraie dapparition du cancer chez les souris traites est diff-
rente de 0,2, qui se transcrit par = 0,2 (gnralement =
0
).
Remarque : la formulation de ces hypothses ncessite gnralement une traduction et une
simplification du problme mdical sous-jacent.
Etape 2
Avant le recueil des donnes.
On suppose que H
0
est vraie et on cherche dfinir une variable alatoire (ou paramtre)
dont on connait alors la distribution. En dautres termes, on cherche construire une fonc-
tion des donnes venir dont on connait la distribution si H
0
est vraie. Soit Z cette variable
alatoire.
Exemple : Z
P
n

0

0
1
0
( )
n
--------------------------
------------------------------ = N ~ 0 1 , ( )
Les tests dhypothses. Principes
2013 - 2014 Biostatistique - Carrat, Mallet, Morice 113/179
Si possible, vrifier les conditions de validit.
Etape 3
Avant le recueil des donnes.
Choisir un seuil. Typiquement o =0,05 (une quasi obligation en pratique)
Construire un intervalle de pari (pour le paramtre Z) de niveau 1- o, not . Rappe-
lons quil sagit dun intervalle tel que si H
0
est vraie, alors
Exemple : pour Z ci-dessus=[-1,96; 1,96]
Dfinition : lextrieur de lintervalle de pari sappelle rgion critique du test au
seuil o.
Etape 4
Avant le recueil des donnes.
Dfinir la rgle de dcision. Les donnes vont permettre de calculer une valeur de Z, que
lon note z.
Exemple :
Alors dcider que:
si z appartient la rgion critique, remettre en cause H
0
,
la rejeter, et conclure H
1
est vraie, ou dire: au risque o, H
0
est rejete.
si z nappartient pas la rgion critique, mais lintervalle de pari , dire que
lon ne conclut pas, ou dire que lon ne rejette pas lhypothse nulle H
0
.
Etape 5
Recueil des donnes
Raliser lexprience. On recueille les donnes x
1
, ..., x
n
; calculer z et conclure.
Si non fait ltape 2, vrifier les conditions de validit.
Etape 6
Interprtation des rsultats
Cette tape concerne linterprtation des rsultats en des termes compatibles avec le pro-
blme mdical initialement soulev, et concerne en particulier le problme de la causalit.
Ce point sera dtaill au chapitre 15.
Exemple : dans le cas des souris, et en cas de conclusion au rejet de lhypothse nulle, la
question serait de savoir si ce rejet exprime vritablement une activit du traitement.
IP
1 o
P Z IP
1 o
e ( ) 1 o =
IP
1 o
IP
1 o
z
p
rellement observ

0

0
1
0
( )
n
--------------------------
------------------------------------------------- =
IP
1 o
Les tests dhypothses. Principes
114/179 Biostatistique - Carrat, Mallet, Morice 2013 - 2014
11.2.2 Justification de la rgle de dcision. Choix de o
11.2.2.1 Interprtation de o
On a dj vu une interprtation de o avec lexemple des souris. De faon gnrale, o est la proba-
bilit pour que la valeur observe- ou calcule- z appartienne la rgion critique si H
0
est vraie.
Si cet vnement se ralise, on rejette H
0
. Cela ne se justifie que si o est petit car alors on dit : voil
un vnement qui avait 100o % chances de se raliser (5% par exemple) - donc peu de chances-
et qui pourtant sest ralis: les rsultats ne sont pas conformes lhypothse o doit tre petit.
Une autre interprtation de o montre encore mieux que o doit tre petit. A nouveau, lorsque H
0
est
vraie, la probabilit dobtenir un rsultat z dans la rgion critique est o. Mais alors on dit H
1
est
vraie. Donc
o =probabilit de conclure H
1
alors que H
0
est vraie
Cest un risque derreur quil convient de situer dans des valeurs acceptables (petites).
Cette valeur o sappelle RISQUE DE PREMIERE ESPECE.
Cela veut dire que sur un grand nombre dexpriences, en admettant o, on conclura tort dans
100o % des cas (5% des cas par exemple). Pourquoi alors ne pas choisir un o microscopique?
11.2.2.2 Effet dun changement de valeur de o
Les intervalles de pari croissent lorsque leur niveau augmente, cest--dire lorsque o diminue.
Donc, toutes choses gales par ailleurs, la rgion critique diminue lorsque o dcrot. Donc on re-
jette moins frquemment H
0
.
A vouloir commettre moins derreurs, on conclut plus rarement.
On sexpose donc un autre risque: celui de ne pas conclure alors quil le faudrait car H
0
est
fausse. A la limite, si on se fixe o =0, on ne conclut jamais, H
0
nest jamais rejete.
Prendre une dcision, cest accepter un risque.
Pour finir avec ce problme de o il faut retenir :
[
] [
]
[ ]
o =0,1
o =0,05
o =0,01
IP
IP
IP
Les tests dhypothses. Principes
2013 - 2014 Biostatistique - Carrat, Mallet, Morice 115/179
La valeur de o doit tre fixe a priori : jamais en fonction des donnes
Pire que cela, on choisit la valeur o =0,05 qui est un compromis entre le risque de conclure
tort et la facult de conclure, compromis adopt par lensemble de la communaut scienti-
fique.
11.2.3 Justification des conclusions du test. Puissance dun
test
On comprend maintenant la partie de la rgle de dcision conduisant au rejet de H
0
lorsque la va-
leur calcule du paramtre nappartient pas lintervalle de pari. On a par ailleurs indiqu (voir
ltape 4 de mise en uvre des tests) que lorsque la valeur calcule du paramtre appartient lin-
tervalle de pari, cest--dire lorsque les rsultats exprimentaux ne sont pas contradictoires avec
lhypothse nulle, on sexprime avec beaucoup de prcautions oratoires puisquon demande de
dire: on ne conclut pas ou on ne rejette pas lhypothse nulle. Pourquoi ne pas affirmer plus
directement lhypothse nulle est vraie?
Premier lment
En faisant cela, on adopte une dmarche qui sapparente la dmarche scientifique qui
consiste admettre une thorie jusqu la preuve de son chec. Lorsque lon dit
admettre on ne signifie pas que la thorie est vraie mais quelle rend compte pour
linstant - jusqu plus ample inform- des expriences.
Exemples
la mcanique gnrale admise jusqu la thorie de la relativit
la mcanique cleste
Second lment
Supposons que lon mette en parallle les deux tests suivants:
Les paramtres calculs, soit
seront extrmement voisins, donc les conclusions pratiquement toujours les mmes.
H
0
: =0,2 H
0
: =0,200001
H
1
: = 0,2 H
1
: = 0,200001
0,2 0,200001
z
p
observe

0

0
1
0
( )
n
--------------------------
-------------------------------- =
Les tests dhypothses. Principes
116/179 Biostatistique - Carrat, Mallet, Morice 2013 - 2014
Considrons alors une exprience au cours de laquelle pour les deux valeurs cal-
cules. Peut-on conclure la fois =0,2 et =0,200001? Pourtant on peut remarquer
quil ny a pas de vice de fond au niveau de la formulation des hypothses car il existe bien
une valeur vraie, cest--dire quil y a vraiment une hypothse vraie du type =
quelque chose.
On retient : les tests ne sont pas faits pour dmontrer H
0
, mais pour la rejeter.
Cela ne veut pas dire que lon est toujours content de rejeter H
0
.
Exemples
cas des souris traites. L on aimerait probablement rejeter H
0
, cest--dire conclure
lactivit du traitement.
cas dun test dhomognit. On vous livre un nouveau lot de souris ou des souris dun
autre levage. Vous voulez continuer vos recherches. La premire chose faire est de
tester lhypothse selon laquelle ces nouvelles souris sont similaires aux prcdentes
vis--vis du taux de cancer, H
0
: =0,2. Mais l vous esprez bien ne pas rejeter
H
0
. Cest cette condition que vous pouvez continuer.
PUISSANCE DUN TEST
Revenons la conclusion lactivit du traitement nest pas dmontre. Sous entendu
compte tenu de lexprience effectue. Cela na de sens de sexprimer comme cela que sil
est pensable quune autre exprience, plus complte par exemple, puisse montrer cette ef-
ficacit si elle existe.
Cest le cas, en effet. Laptitude dun test rejeter lhypothse nulle alors quelle est fausse
est limite. Prcisment :
On appelle PUISSANCE DUN TEST P la probabilit de rejeter lhypothse nulle, face
une hypothse alternative, alors quelle est fausse.
La valeur complmentaire 1 de cette puissance, cest--dire la probabilit de ne pas rejeter
lhypothse nulle alors que lhypothse alternative est vraie, sappelle le RISQUE DE
DEUXIEME ESPECE et se note conventionnellement | : | =1- P.
Le calcul de la puissance dun test est une opration complexe. La difficult tient essentiel-
lement au fait que lhypothse alternative est vague. Pour contourner cette difficult et ap-
prcier plus troitement cette notion de puissance, considrons le cas dune hypothse
alternative fine. Par exemple, reprenant lexemple des souris, supposons que lhypothse
H
1
soit =0,3, lhypothse H
0
restant inchange, cest--dire =0,2. Dans ces conditions,
il est possible de calculer la distribution de la proportion observe, non plus seulement sous
lhypothse nulle, mais galement sous lhypothse alternative. On obtient :
sous lhypothse nulle ( =0,2) :
sous lhypothse alternative ( =0,3) :
z IP
0 95 ,
e
P
n
N 02 ,
02 1 02 , ( ) ,
n
----------------------------- ,
\ .
| |
~
P
n
N 03 ,
03 1 03 , ( ) ,
n
----------------------------- ,
\ .
| |
~
Les tests dhypothses. Principes
2013 - 2014 Biostatistique - Carrat, Mallet, Morice 117/179
Figure 11 : risque de deuxime espce dun test
La figure 11 prsente les deux distributions correspondantes, pour une certaine valeur de
n. Supposons alors juste lhypothse H
1
; la valeur observe p sera issue de la distribution
de droite, et lon conclura tort au non rejet de H
0
avec une probabilit gale laire grise,
puisque cette aire est la probabilit pour que la valeur observe appartienne lintervalle
de pari associ au test, sachant que cette valeur observe est gouverne par la distribution
associe H
1
. Ainsi la valeur de cette aire grise exprime le risque de deuxime espce |,
son complmentaire 1 la puissance du test.
Supposons pour fixer les ides que la valeur de cette aire soit 0,4. Cela signifie que si les
hypothses sont =0,2 et =0,3, on aura 6 chances sur dix seulement de rejeter lhy-
pothse =0,2 lorsque sera gal 0,3. Autrement dit, 4 fois sur dix, on sera incapable
de dtecter que vaut 0,3 et non 0,2.
Figure 12 : risque de deuxime espce dun test
Par ailleurs, on peroit que plus les hypothses H
0
et H
1
sont contrastes (par exemple les
hypothses =0,2, =0,4 sont plus contrastes que les hypothses =0,2, =0,3), plus
les distributions de P
n
sous ces deux hypothses sont loignes, et plus la puissance est
grande. Cest la raison pour laquelle on dit souvent que la notion de puissance est proche
de la notion de pouvoir discriminant entre hypothses.
Les tests dhypothses. Principes
118/179 Biostatistique - Carrat, Mallet, Morice 2013 - 2014
La figure 12 reproduit les conditions de la figure 11, mais avec une valeur de n accrue. Au-
trement dit le mme test est mis en uvre, mais sur un nombre dunits statistiques sup-
rieur. On constate sur cette figure que le risque de deuxime espce est trs faible. Ce
rsultat est gnral :
TOUTES CHOSES EGALES PAR AILLEURS, LA PUISSANCE DUN TEST AUG-
MENTE AVEC LA TAILLE DE LECHANTILLON
Remarque
Les calculs de puissance bauchs ci-dessus, joints au rsultat prcdent, permettent de r-
pondre des questions du type:
combien de sujets est-il ncessaire dinclure dans un essai pour avoir de bonnes
chances (9 chances sur dix par exemple) de mettre en vidence une diffrence entre
proportions vraies dau moins 0,1?
si je dispose de 100 sujets, quelle diffrence minimum entre proportions vraies
suis-je capable de dtecter avec une probabilit de 0,9?
Des formules de la relation entre puissance et taille des chantillons seront donnes dans le
chapitre 12.
Les dveloppements ci-dessus montrent que lorsque vous navez pas rejet lhypothse
nulle, vous pouvez toujours dire que cest un manque de puissance du test puisque H
0
est
sans doute fausse (pensons =0,2 exactement). On peut donc dire quavec un plus grand
nombre dindividus vous auriez rejet H
0
. Cela justifie lexpression lactivit du traite-
ment nest pas dmontre.
Cependant il faut tre raliste: reprenons lexemple des souris traites ou non traites.
Vous avez ralis votre exprience sur un chantillon de 1000 souris. Rsultat du test : non
rejet de H
0
cest--dire lactivit nest toujours pas dmontre. Il nest pas raisonnable dans
ces conditions dvoquer un manque de puissance du test ; ce rsultat suggre plutt une
trs faible activit du traitement, si elle existe.
11.2.4 Amlioration de linterprtation du rejet de H
0
11.2.4.1 Notion de degr de signification
Supposons que lon ralise un test au risque ou seuil o =0,05.
Considrons deux expriences conduisant au rejet de H
0
, pour lesquelles on a obtenu des valeurs
calcules du paramtre z
1
et z
2
reprsentes ci-dessous.
On aurait envie de rejeter plus fortement H
0
dans le second cas que dans le premier. En effet, consi-
drons des intervalles de pari pour z, de niveau croissant partir de 0,95.
Les tests dhypothses. Principes
2013 - 2014 Biostatistique - Carrat, Mallet, Morice 119/179
On observe que z
1
est lextrieur des intervalles de pari jusquau niveau 0,97, que z
2
est lex-
trieur des intervalles de pari jusquau niveau 0,999. Cela signifie que, en ce qui concerne la pre-
mire exprience, H
0
aurait t rejete mme si on avait limit le risque derreur 1- 0,97=0,03
(soit 3%), et que, en ce qui concerne la seconde, H
0
aurait t rejete mme si on avait limit le
risque derreur 1- 0,999=0,001 (soit 1). Cest ce pseudo risque derreur que lon appelle de-
gr de signification et qui mesure la force avec laquelle on rejette H
0
.
Ce degr de signification est not p : plus il est petit, plus confortable est le rejet.
Si lon veut une dfinition plus prcise:
Dfinition
Lorsque H
0
est rejete, on appelle degr de signification dun test le risque associ au plus grand
intervalle de pari qui ne contient pas le paramtre calcul z.
Calcul pratique du degr de signification
On cherche dans la table la valeur de p pour laquelle u
p
=z, u
p
tant du type u
o
Exemple: z =2,43.
On trouve dans la table u
0,02
=2,32 et u
0,01
=2,57
alors
La valeur exacte ne se trouve pas dans la table: on dira p <0,02. Le plus grand intervalle de pari
ne contenant pas z est de niveau>0,98, ou au risque<0,02.
La plupart des rsultats de tests sexpriment avec ce degr de signification:
On ralise le test (avec un risque o =0,05)
Si H
0
est rejete, on calcule ou on value le degr de signification p
Si H
0
nest pas rejete, on ne calcule pas p.
11.2.4.2 Orientation du rejet
Le rejet de H
0
correspond gnralement lune des deux situations:
rejet car z est trop petit (infrieur la borne infrieure de lintervalle de pari)
rejet car z est trop grand (suprieur la borne suprieure de lintervalle de pari)
[
] [
]
[ ]
IP
0,95
] [
IP
0,97
IP
0,99
IP
0,999
z
1
z
2
p 001 ; 002 , , | | e
Les tests dhypothses. Principes
120/179 Biostatistique - Carrat, Mallet, Morice 2013 - 2014
Dans le cadre de lexemple prcdent, chacune de ces situations correspond gnralement des
commentaires radicalement diffrents. Par exemple:
z est trop petit le traitement est efficace
z trop grand le traitement est nuisible
11.3 Rappels et prcisions
1. LES TESTS PRENNENT EN COMPTE DES HYPOTHESES SYNTHETIQUES
On a vu que les tests reposent sur lnonc de deux hypothses exclusives. Il y a parfois beau-
coup de chemin parcourir entre la formulation dun problme mdical et sa formulation en
termes statistiques. Reprenons lexemple des souris de ce chapitre. Le problme fondamental
est celui de lactivit du traitement. Cette activit peut avoir bien dautres manifestations que
la modification de la frquence dapparition des cancers. On peut penser un effet portant sur
lge de survenue de la maladie, portant sur la vitesse de dveloppement des tumeurs etc
On ne peut rpondre simultanment toutes ces questions, par lintermdiaire dun test du
moins: les tests ne permettent de rpondre qu des questions simples.
2. ON NE CHOISIT PAS LE SEUIL DE SIGNIFICATION
Que dirait-on dun mdecin annonant : jaime le risque alors jai choisi un risque o de 0,4 et
le traitement que je propose est efficace (ou actif) ce risque?
o =0,05 est conventionnel
3. ON NE DIT PRATIQUEMENT J AMAIS: LEXACTITUDE DE LHYPOTHESE NULLE
EST DEMONTREE
4. ON NENCHAINE PAS LES TESTS DE FAON INCONSIDEREE
En effet, les risques de conclusion tort augmentent alors.
Par exemple, supposons que lon veuille tester lgalit une valeur donne de deux propor-
tions (ex: succs dune intervention chirurgicale dans deux services hospitaliers, le pourcen-
tage de succs sur la France tant par ailleurs connu (donnes de lanne prcdente par
exemple)). Que se passe-t-il si lon effectue deux tests successifs dont les hypothses nulles
sont :
service 1:
1
=
0
; puis service 2:
2
=
0
.
Le risque de premire espce global de la procdure exprime la probabilit de dire au moins
une fois (soit au cours du premier test soit au cours du second) H
1
alors que H
0
est vraie les
deux fois:
Pr(conclure H
1
au moins une fois si H
0
est vraie) =1- Pr(ne rejeter H
0
aucune des deux fois
si H
0
est vraie)
Les tests dhypothses. Principes
2013 - 2014 Biostatistique - Carrat, Mallet, Morice 121/179
Or Pr(ne pas rejeter H
0
si H
0
est vraie) =1- o
Donc Pr(ne rejeter H
0
aucune des deux fois si H
0
est vraie) =(1- o)
2
do un risque total =1- (1- o)
2
Exemple
Si o =0,05, le risque global est environ 0,10.
Cette situation saggrave si le nombre de tests saccrot. Ainsi, dans le cas de
3 services le risque global est 0,14
10 services le risque global est 0,40
100 services le risque global est 0,994
Cela signifie par exemple que dans le cas o 10 services sont comparer une rfrence il y
a 4 chances sur 10 pour quau moins une frquence observe scarte de faon significative
de la valeur de rfrence, alors quen ralit tous les rsultats sont homognes. Si lon prend
la frquence observe la plus diffrente de la valeur de rfrence, le test permettra de conclure,
tort, avec une probabilit suprieure 0,4.
En fait, lorsque lon dsire faire des comparaisons multiples, des tests spcifiques doivent tre
utiliss de faon que les conclusions puissent tre tires avec un risque derreur o global de
5%.
5. IL EST DANGEREUX ET ERRONE DE CHOISIR LES HYPOTHESES AU VU DES
DONNEES
Lorsque lon opre de cette faon, on a en ralit ralis plus ou moins consciemment un
nombre indtermin de tests que lon a jugs non concluants.
LA STRATEGIE DANALYSE DES DONNEES DOIT ETRE FIXEE CLAI-
REMENT AVANT LA REALISATION DE LEXPERIENCE
Les tests dhypothses. Principes
122/179 Biostatistique - Carrat, Mallet, Morice 2013 - 2014
Rsum du chapitre
A. Etapes de mise en uvre des tests:
1. Examiner le problme mdical, aboutir une formulation sous forme dune question
simple mettant en jeu deux hypothses H
0
(prcise, dite hypothse nulle) et H
1
(contraire
de H
0
, dite hypothse alternative). Enoncer ces hypothses.
2. Construire un paramtre dpendant des donnes venir dont on connaisse la distribution
si H
0
est juste.
3. Choisir le seuil o ; o =0,05
4. Mettre en place la rgle de dcision sur la base dun intervalle de pari au risque o.
5. Faire lexprience, les calculs et conclure sur le plan statistique. En particulier indiquer
le degr de signification du test en cas de rejet de lhypothse nulle.
6. Se livrer une interprtation mdicale des rsultats du test (ce point sera revu au chapitre
15).
Vrifier les conditions de validit ltape 2 ou ltape 5.
B. Mettre en uvre un test cest accepter deux risques derreur :
le risque de premire espce, o, chiffrant la probabilit de rejeter H
0
alors quelle est
vraie,
le risque de deuxime espce, |, chiffrant la probabilit de ne pas rejeter H
0
alors quelle
est fausse.
La valeur 1-| sappelle la puissance du test et mesure laptitude du test dtecter un cart
entre la ralit et lhypothse nulle. Cette puissance augmente avec la taille des chantillons
sur lesquels a t mis en uvre le test.
Quelques tests usuels
2013 - 2014 Biostatistique - Carrat, Mallet, Morice 123/179
Chapitre 12
Quelques tests usuels
12.1 Tests concernant des variables de
Bernoulli
12.1.1 Test dgalit dune proportion vraie une valeur
donne (ou test de comparaison dune proportion observe
une valeur donne)
12.1.1.1 Mise en place du test
Exemple : les souris du chapitre prcdent
1. Les hypothses en prsence
H0 (hypothse nulle) : la proportion vraie (de souris cancreuses dans la population des
souris traites) est gale
0
(proportion hypothtique ou suppose quon se donne pour le
test).
H1 (hypothse alternative) : la proportion vraie est diffrente de
0
.
Notations:
H
0
: =
0
H
1
: =
0
2. Dfinition du paramtre
o P
n
reprsente la variable alatoire proportion.
Sous H
0
, Z est peu prs distribue selon N(0, 1)
Z
P
n

0

0
1
0
( )
n
--------------------------
------------------------------ =
Quelques tests usuels
124/179 Biostatistique - Carrat, Mallet, Morice 2013 - 2014
[conditions de validit: n
0
> 5 et n(1-
0
) > 5]
3. Choix dun seuil de signification o
Construction de lintervalle de pari de niveau 1- o :
Exemple : o =0,05 IP
0,95
=[-1,96; 1,96] (lu dans la table de la distribution normale)
4. Mise en place de la procdure de dcision
Lorsque les donnes seront disponibles on obtiendra une valeur du paramtre Z, soit :
Si on rejette H
0
et on dit : au risque o lhypothse dgalit de la proportion
vraie et de la valeur donne est fausse; ou, au risque o, la proportion vraie est diff-
rente de la valeur donne.
Si on ne rejette pas H
0
ou on ne conclut pas.
5. Recueil des donnes. Conclusion
Rappelons les conditions de validit: n
0
> 5 et n(1-
0
) > 5
12.1.1.2 Autre interprtation du paramtre z
Regardons la forme du paramtre z. On conclut (cest--dire on rejette H
0
) si cest-
-dire si soit si :
cest--dire si la proportion observe p est suffisamment diffrente de
0
. Voil pourquoi on dit
que lon compare p et
0
. Cest pourquoi on dit aussi, lorsque H
0
est rejete:
Trs important : une mme diffrence |p -
0
| peut tre ou non significative selon la valeur de n.
Si lon vous demande: p =0,25 et 0,2, sont-elles significativement diffrentes, ne rpondez-pas;
demandez : quelle est la taille de lchantillon sur lequel p a t calcul, quel risque?
La proportion observe est significativement diffrente de la valeur donne, au
risque o (0,05), ou encore: la diffrence entre p et
0
est significative. Ce qui
indique une diffrence entre la valeur donne et la proportion vraie .
Lorsque H
0
nest pas rejete, on dit : la proportion observe nest pas significati-
vement diffrente de la valeur donne.
IP
1 o
z
p
0

0
1
0
( )
n
--------------------------
------------------------------ =
z IP
1 o
e
z IP
1 o
e
z u
o
; u
o
| | e
z u
o
>
p
0
u
o

0
1
0
( )
n
-------------------------- >
Quelques tests usuels
2013 - 2014 Biostatistique - Carrat, Mallet, Morice 125/179
12.1.1.3 Nombre de sujets ncessaires
Si on considre quen ralit =
1
, le nombre de sujets ncessaires pour obtenir une puissance
1- | (| <0,5) est approximativement donn par
Conditions de validit: n
0
> 5 et n(1
0
) > 5
12.1.2 Test dgalit de deux proportions vraies (ou test de
comparaison de deux proportions observes)
12.1.2.1 Mise en place du test
Reprenons lexemple des souris mais en supposant maintenant que lon ne connat plus la fr-
quence vraie de cancer chez les souris non traites (le 0,2 dalors). On se pose toujours la mme
question relative lactivit du traitement. On est amen reformuler lgrement le problme et
identifier labsence dactivit du traitement lgalit des proportions vraies de souris canc-
reuses dans deux populations, lune traite lautre non traite, et lactivit une diffrence entre
ces deux pourcentages. On notera A et B les deux populations,
A
et
B
les frquences vraies
de souris cancreuses dans ces deux populations, n
A
et n
B
les tailles des chantillons sur lesquels
on calculera p
A
et p
B
, les frquences observes correspondantes. Mettons en place le test.
1. Les hypothses en prsence
H
0
hypothse nulle: les frquences vraies sont gales
A
=
B
H
1
hypothse alternative: les frquences vraies sont diffrentes
A
=
B
2. Construction dun paramtre dont on connaisse la loi sous lhypothse nulle (i.e. si H
0
est
vraie)
Cest une tape un peu dlicate (le lecteur peu curieux peut passer rapidement sur ces dve-
loppements). Essayons de nous ramener un cas connu: comparaison dun pourcentage ob-
serv une valeur donne, problme associ aux hypothses suivantes:
H
0
: =
0
H
1
: =
0
On y parvient en reformulant les hypothses
H
0
:
A
-
B
=0
H
1
:
A
-
B
= 0
Il sagit donc de comparer 0 la diffrence
A
-
B
.
Auparavant on formait le paramtre
n
1 96
0
1
0
( ) , u
2|

1
1
1
( ) + | |
2

0

1
| |
2
----------------------------------------------------------------------------------------------- =
P
n

0

0
1
0
( )
n
--------------------------
------------------------------
Quelques tests usuels
126/179 Biostatistique - Carrat, Mallet, Morice 2013 - 2014
qui peut sinterprter comme
Alors on va former
soit
La difficult est de former lexpression de lcart type des diffrences des% exprimentaux.
Remarquons dabord que les variables alatoires P
nA
et P
nB
sont indpendantes; cette ind-
pendance rsulte du fait que ce nest pas parce que lon a trouv une souris cancreuse dans
la population des souris traites que lon a plus ou moins de chances de trouver une souris can-
creuse ou non dans la population non traite.
Alors: var(P
nA
- P
nB
) =var(P
nA
) +var(-P
nB
) =var(P
nA
) +var(P
nB
) (voir chapitre 6)
Par ailleurs, sous lhypothse nulle, les moyennes vraies
A
de P
nA
et
B
de P
nB
sont
identiques, et leur valeur commune, inconnue, est note H. Do:
si n
A
et n
B
sont les tailles des chantillons sur lesquels P
nA
et P
nB
sont calcules.
Donc:
Maintenant, H reste inconnu; il sagit de la valeur vraie commune des pourcentages. Le
mieux pour lestimer est de mlanger les deux populations- elles contiennent sous H
0
le
mme pourcentage de souris cancreuses- et dire:
soit :
Finalement on adopte le paramtre suivant :
avec
Sous lhypothse nulle Z est peu prs distribue selon N(0, 1).
Conditions de validit:
v.a. proportion valeur thorique
cart-type de la v.a. proportion
--------------------------------------------------------------------------------
diffrence des v.a. proportions valeur thorique
cart-type des diffrences des v.a. proportions
----------------------------------------------------------------------------------------------------------------------
P
nA
P
nB

cart-type des diffrences des v.a. proportions


--------------------------------------------------------------------------------------------------------------
var P
nA
( )
H 1 H ( )
n
A
--------------------- = et var P
nB
( )
H 1 H ( )
n
B
----------------------- =
var P
nA
P
nB
( )
H 1 H ( )
n
A
---------------------
H 1 H ( )
n
B
----------------------- + =
H proche de H

nombre de souris cancreuses dans les deux chantillons


nombre total de souris
--------------------------------------------------------------------------------------------------------------------------------------- =
H

n
A
p
A
n
B
p
B
+
n
A
n
B
+
------------------------------- =
Z
P
nA
P
nB

1 H

( )
n
A
---------------------
H

1 H

( )
n
B
----------------------- +
------------------------------------------------------- =
H

n
A
p
A
n
B
p
B
+
n
A
n
B
+
------------------------------- =
n
A
H

5 > n
A
1 H

( ) 5 > ,
n
B
H

5 > n
B
1 H

( ) 5 > ,

Quelques tests usuels


2013 - 2014 Biostatistique - Carrat, Mallet, Morice 127/179
3. Choix dun seuil de signification o (o =0,05).
Construction de lintervalle de pari lu dans une table.
ex. : IP
0,95
=[-1,96; 1,96]
4. Mise en place de la procdure de dcision
Si z, dont on connatra la valeur une fois lexprience ralise
e IP
0,95
on ne conclut pas
e IP
0,95
on rejette H
0
: une proportion est alors plus grande que lautre.
5. Ralisation de lexprience, calcul de , conclusion.
12.1.2.2 Nombre de sujets ncessaires
Pour obtenir une puissance 1- | (| <0,5) sur la base de 2 chantillons de mme taille n, la valeur
minimale de n est donne par la formule approche suivante
Conditions de validit: n
A
> 5, n(1
A
) > 5, n
B
> 5 et n(1
B
) > 5
12.2 Tests concernant des variables
quantitatives
12.2.1 Tests impliquant une valeur donne
Ces tests concernent les variables quantitatives continues et permettent de traiter les types de ques-
tions suivantes:
1. la moyenne vraie de la taille des individus dans une sous-population est-t-elle gale la
moyenne vraie de la taille des individus dans la population gnrale, cette taille moyenne
tant connue par ailleurs.
2. la distribution de la taille des individus dans cette sous population est-elle dissymtrique par
rapport cette moyenne vraie, cest--dire tmoigne-t-elle dune ingalit de frquences
entre les petites tailles et les grandes tailles, ce qui est le cas par exemple si la fr-
quence des 20-25 cms de moins que la moyenne est diffrente de celle des 20-25 cms
de plus que la moyenne?
Ces deux tests sont apparents dans la mesure o le premier met lpreuve E(X) =
0
, lautre le
IP
1 o
z
p
A
p
B

1 H

( )
n
A
---------------------
H

1 H

( )
n
B
----------------------- +
------------------------------------------------------- =
n 1 96 , u
2|
+ | |
22 1 ( )

A

B
| |
2
-------------------------- = avec

A

B
+
2
------------------- =
Quelques tests usuels
128/179 Biostatistique - Carrat, Mallet, Morice 2013 - 2014
fait que X -
0
et
0
- X ont la mme densit de probabilit. Cette dernire condition, qui entrane
alors E(X) -
0
=
0
- E(X) et donc E(X) =
0
, tant plus contraignante que la premire.
12.2.1.1 Test dgalit dune moyenne vraie une valeur donne (ou test de
comparaison dune moyenne observe une valeur donne)
Ce cas concerne les variables quantitatives continues et nest valide que lorsque n > 30.
1. Les hypothses en prsence:
H
0
: la moyenne vraie est gale avec la valeur donne
0
: =
0
H
1
: =
0
2. Construction du paramtre
Z est peu prs distribu selon N(0, 1). Cela rsulte du thorme central limite, ceci prs
que s
2
est utilis la place de o
2
. On admettra que Z est tout de mme distribu selon une
distribution normale.
3. Choix du seuil ; o =0,05
Construction de lintervalle de pari centr
; u
0,05
=1,96
4. Dfinition de la rgle de dcision
La rgle de dcision est tout fait similaire au cas des proportions.
Si , rejet de H
0
. On dit alors: au risque o la moyenne vraie diffre de la valeur
donne ou, pour les mmes raisons que pour les proportions: la moyenne observe est signi-
ficativement diffrente, au risque o, de la valeur donne; ou encore: la moyenne observe et
la valeur donne sont significativement diffrentes, au risque o.
Si , on ne conclut pas. La moyenne observe nest pas significativement diffrente
de la valeur donne.
5. Recueil des donnes. Calcul de . Conclusion.
Nombre de sujets ncessaires
Pour rejeter H
0
avec une puissance 1 - | (| <0,5), lorsque =
1
et que X a pour variance o
2
, il
faut constituer un chantillon dont la taille minimale est donne par la formule approche suivante
Z
M
n

0

s
2
n
----
------------------- =
IP
1 o
IP
1 o
u
o
; u
o
| | =
z IP
1 o
e
z IP
1 o
e
z
m
0

s
2
n
----
---------------- =
n 1 96 , u
2|
+ | |
2 o
2

0

1
| |
2
------------------------- =
Quelques tests usuels
2013 - 2014 Biostatistique - Carrat, Mallet, Morice 129/179
Condition de validit: n > 30
12.2.1.2 Test de symtrie dune variable (X) par rapport une valeur donne
(
0
) : test de Wilcoxon
1. Les hypothses en prsence:
H
0
: les variables X -
0
et
0
- X ont mme densit de probabilit
H
1
: les variables X -
0
et
0
- X nont pas la mme densit de probabilit
2. Construction du paramtre
Le paramtre est construit partir des valeurs ordonnes par ordre croissant des valeurs abso-
lues des x
i
-
0
o les x
i
sont les valeurs de X observes dans lchantillon; chaque valeur
on associe son rang de classement et lon garde la mmoire de son signe. On attribue aux
ventuels ex-quo un rang commun gal la moyenne des rangs quils occupent.
Exemple
Si les valeurs observes (qui ne seront disponibles quaprs ralisation de lexp-
rience) sont :
-2,3; 4; 1; 5,6; -1,2
Le classement sera: 1 (+) ; 1,2 (-) ; 2,3 (-) ; 4 (+) ; 5,6 (+)
On sintresse alors la somme des rangs des places occupes par les valeurs posi-
tives, appele T
+
. Ici la valeur de T
+
serait 1+4+5=10.
Le paramtre du test est :
La variable Z a une distribution connue:
Lorsque n >15 cette distribution est peu prs N(0, 1).
Pour n s 15, il sagit dune distribution faisant lobjet dune table spcifique, la table du
test de Wilcoxon.
3. Choix du seuil ; o =0,05
Construction de lintervalle de pari centr
; lorsque n >15, W
o
=u
o
4. Dfinition de la rgle de dcision
Si , rejet de H
0
. On dit alors: au risque o la densit de probabilit de X nest pas
symtrique par rapport
0
; selon le signe de z, on conclura que X est plutt plus grand que

0
, ou que X est plutt plus petit que
0
.
Si , on ne conclut pas; on ne rejette pas H
0
.
Z
T
+
n n 1 + ( ) 4
n n 1 + ( ) 2n 1 + ( ) 24
------------------------------------------------------- =
IP
1 o
IP
1 o
W
o
; W
o
| | =
z IP
1 o
e
z IP
1 o
e
Quelques tests usuels
130/179 Biostatistique - Carrat, Mallet, Morice 2013 - 2014
5. Recueil des donnes, calcul de z, conclusion.
Remarque: si n <6 ce test ne permet jamais de rejeter H
0
12.2.2 Tests de comparaison de variables quantitatives
Ces tests concernent les variables quantitatives continues et permettent de traiter les types de ques-
tions suivantes:
1. la moyenne vraie de la taille des individus dans une sous-population A est-t-elle gale la
moyenne vraie de la taille des individus dans une autre sous-population B, ces moyennes
vraies ntant pas connues.
2. la distribution de la variable alatoire taille des individus dans la population A concide-t-elle
avec la distribution de la variable alatoire taille des individus dans la population B.
Ces deux tests sont apparents, lhypothse dgalit des distributions tant plus contraignante que
lhypothse dgalit des moyennes vraies seules. Dans les deux cas on va raliser une exp-
rience mettant en jeu deux chantillons issus des deux populations, lissue de laquelle on dispo-
sera de deux sries de valeurs de taille (les nombres de valeurs observes sont nots respectivement
n
A
et n
B
).
12.2.2.1 Test dgalit de deux moyennes vraies (ou test de comparaison de
deux moyennes observes)
Ce test nest valide que lorsque nA et nB sont > 30, cas dit des grands chantillons.
Il sagit dun problme trs proche du problme trait en 12.2.1.1
1. Les hypothses en prsence
H
0
hypothse nulle: les moyennes vraies dans les deux populations sont gales
A
=
B
H
1
hypothse alternative:
A
=
B
2. Construction du paramtre: cette construction suit les mmes lignes que prcdemment et on
obtient
Z est peu prs distribue selon N(0, 1).
3. Choix dun seuil de signification (0,05)
Construction de lintervalle de pari (IP
0,95
)
Z
M
nA
M
nB

s
A
2
n
A
-----
s
B
2
n
B
----- +
-------------------------- - =
IP
1 o
Quelques tests usuels
2013 - 2014 Biostatistique - Carrat, Mallet, Morice 131/179
4. Rgle de dcision
5. Mise en uvre de lexprience.
Calculs:
les x
iA
et x
iB
tant les valeurs de tailles observes dans les chantillons des populations A et
B respectivement.
Conclusion.
Nombre de sujets ncessaires
Pour dtecter une diffrence de moyennes avec une puissance 1 - | (| <0,5) il faut constituer deux
chantillons, chacun de taille au moins gale n, valeur donne par la formule approche suivante
o o
A
2
et o
B
2
sont les variances dans les populations
Condition de validit: n > 30
12.2.2.2 Test dgalit de deux distributions (ou test de comparaison de deux
distributions observes) : test de Mann-Whitney-Wilcoxon
1. Les hypothses en prsence
H
0
les densits de probabilit concident dans les deux populations: f
A
=f
B
H
1
les densits de probabilit ne concident pas: f
A
= f
B
2. Construction du paramtre: cette construction suit les mmes lignes que celles du test de Wil-
coxon dcrit section 12.2.1.2.
Par convention, on considre que n
A
s n
B
.
On ordonne par valeurs croissantes lensemble des donnes observes (dont on disposera
aprs ralisation de lexprience). On attribue aux ventuels ex-quo un rang commun gal
la moyenne des rangs quils occupent. Puis on calcule la somme des rangs de classement oc-
cups par les donnes issues de lchantillon de la population A, soit T
A
.
m
A
1
n
A
----- x
iA
i 1 =
n
A

= et s
A
2 1
n
A
1
-------------- x
iA
m
A
( )
2
i 1 =
n
A

=
m
B
1
n
B
----- x
iB
i 1 =
n
B

= et s
B
2 1
n
B
1
-------------- x
iB
m
B
( )
2
i 1 =
n
B

=
z
m
A
m
B

s
A
2
n
A
-----
s
B
2
n
B
----- +
----------------------- =
n 1 96 , u
2|
+ | |
2
o
A
2
o
B
2
+

A

B
| |
2
-------------------------- =
Quelques tests usuels
132/179 Biostatistique - Carrat, Mallet, Morice 2013 - 2014
On calcule galement .
Puis T
A
de la faon suivante:
si o >0 T
A
=T
A
- 0,5
si o <0 T
A
=T
A
+0,5
Exemple
Si les valeurs observes sont :
Echantillon de population A : 1,7; 6,1; 3,2; 1,5
Echantillon de population B : 4,3; 0,5; 1,1; 2,7; 5,4
Le classement conduit 0,5(B) ; 1,1(B) ; 1,5(A) ; 1,7(A) ; 2,7(B) ; 3,2(A) ;
4,3(B) ; 5,4(B) ; 6,1(A) et T
A
=3+4+6+9=22.
Enfin o =22-410/2 =2. Donc T
A
=21,5.
Le paramtre du test est :
lorsque n
A
et n
B
s 10
lorsque n
A
ou n
B
>10
Z a une distribution connue:
Lorsque n
A
ou n
B
>10 cette distribution est peu prs N(0,1).
Lorsque n
A
et n
B
s 10, il sagit dune distribution faisant lobjet dune table spcifique,
la table du test de Mann-Whitney-Wilcoxon.
3. Choix du seuil ; o =0,05
Construction de lintervalle de pari
Cet intervalle est du type
Exemple : si n
A
=3 et n
B
=5, on a M
0,05
=2,117
4. Rgle de dcision
Si , rejet de H
0
. On dit alors: au risque o la densit de probabilit de la variable
tudie nest pas la mme dans les populations A et B ; selon le signe de z, on conclura que
la variable est plutt plus grande dans A que dans B , ou que la variable est plutt plus
petite dans A que dans B .
Si , on ne conclut pas; on ne rejette pas H
0
.
5. Mise en uvre de lexprience; calcul de z ; conclusion.
o T
A
n
A
n
A
n
B
1 + + ( )
2
-------------------------------------- =
Z
T
A
n
A
n
A
n
B
1 + + ( ) 2
n
A
n
B
n
A
n
B
1 + + ( ) 12
----------------------------------------------------------- =
Z
T '
A
n
A
n
A
n
B
1 + + ( ) 2
n
A
n
B
n
A
n
B
1 + + ( ) 12
------------------------------------------------------------- =
IP
1 o
IP
1 o
M
o
; M
o
| | =
z IP
1 o
e
z IP
1 o
e
Quelques tests usuels
2013 - 2014 Biostatistique - Carrat, Mallet, Morice 133/179
Remarque: si n
A
<3 ou n
B
<4, ce test ne permet jamais de rejeter H
0
12.2.3 Cas des sries apparies
J usqu prsent on a suppos que les tirages (la constitution) des chantillons des populations A
et B taient indpendants. Il arrive que cette condition ne soit pas vrifie, que les individus des
deux chantillons soient lis. Ceci se produit dans les exemples suivants:
pour comparer le niveau de svrit de deux examinateurs, on fait corriger 100 copies par cha-
cun deux, cest--dire chacun corrigeant chacune de ces copies, et il sagit de comparer les
notes moyennes.
pour comparer deux mthodes de dosage de la glycmie on dose 100 prlvements de sang
par chacune de ces deux mthodes et lon souhaite comparer les valeurs moyennes vraies.
La procdure indique plus haut ne convient plus. A un moment de la mise en place des tests on
avait calculer la variance de la diffrence des moyennes observes. On avait dit quelle concide
avec la somme des variances de chacune des moyennes. Ici, cest faux; on peut sen convaincre
facilement. Supposez quun correcteur accorde systmatiquement un point de plus que son col-
lgue toutes les copies. Alors, quoi quil arrive, la diffrence des moyennes observes sera 1,
donc cette diffrence nest pas soumise aux fluctuations dchantillonnage; sa variance est nulle,
donc na rien voir avec les variances de chacune des moyennes qui, elles - ces variances-refltent
les diffrences de qualit entre les copies.
On montre que le bon abord du problme est de travailler sur les diffrences des paires de valeurs
obtenues par unit statistique (diffrence des notes, diffrence des glycmies par individu). Cela
revient au problme de la comparaison dune moyenne (moyenne des diffrences) zro ou la
question de la symtrie dune distribution (celle des diffrences) par rapport zro. On se ramne
ainsi des tests que lon connat (cf. section 12.2.1).
On note d la variable alatoire diffrence entre rsultats pour un mme sujet.
12.2.3.1 Test de comparaison de deux moyennes observes sur sries apparies
Ce test nest valide que si n > 30
Les tapes de mise en uvre du test sont les suivantes:
1. H
0
: la moyenne vraie de d est nulle, soit =0.
H
1
: la moyenne vraie de d est non nulle, soit = 0.
2. Construction du paramtre
o s
2
est la variance observe des diffrences, soit
Z
M
nd
s
2
n
----
--------- =
s
2 1
n 1
------------ d
i
m
d
( )
2
i 1 =
n

=
Quelques tests usuels
134/179 Biostatistique - Carrat, Mallet, Morice 2013 - 2014
n est le nombre de paires
Mnd est la variable alatoire moyenne arithmtique des diffrences
et m
d
est la moyenne observe des diffrences.
On montre que Z est peu prs distribue selon N(0, 1).
Les tapes se succdent alors de faon ordinaire:
choix de o, construction de lIP, dfinition de la rgle de dcision, calcul de , conclusion.
Pour le nombre de sujets ncessaires, se reporter la section 12.2.1.1 page 128
Remarque
Si les notes attribues par chacun des correcteurs varient gnralement dans le mme sens- cest-
-dire une copie mieux note quune autre par le premier examinateur le sera galement par le
second- alors la valeur absolue de z calcule sur la base de lappariement est suprieure la valeur
absolue que lon aurait obtenue en oubliant lappariement. Ainsi, toutes choses gales par ail-
leurs, on conclura plus frquemment au rejet de lhypothse nulle: le test ainsi mis en place est
plus puissant. On a exploit plus dinformation. On a gomm une source de fluctuations, celle lie
la disparit de la qualit des copies. Si cet effet de variation dans le mme sens nest pas rel (ex. :
lorsque lun note la copie x, lautre la note 20- x) le problme dans son ensemble na plus beau-
coup de sens.
12.2.3.2 Test de symtrie de la distribution des diffrences
Ce test est un cas particulier du test vu au paragraphe 12.2.1.2. car les hypothses considres dans
ce cas sont les suivantes:
1. Hypothses en prsence
H
0
: La densit de probabilit de la variable alatoire d est symtrique par rapport zro.
H
1
: La densit de probabilit de la variable d nest pas symtrique par rapport zro; il existe
des domaines de valeurs de d plus probables que leur oppos (par exemple si le domaine
[2,1; 2,4] est plus probable que le domaine [-2,4; -2,1]).
2. Construction du paramtre
Le paramtre se construit comme en 12.2.1.2: on range dans lordre croissant de leurs valeurs
et sans tenir compte de leur signe les n diffrences d
i
.
La suite se droule comme en 12.2.1.2.
z
m
d
s
2
n
----
--------- =
Quelques tests usuels
2013 - 2014 Biostatistique - Carrat, Mallet, Morice 135/179
Rsum du chapitre
1. Comparaison dune proportion observe une valeur donne
; v.a. ~N(0, 1) ; validit n
0
> 5 et n(1-
0
) > 5
2. Comparaison de deux proportions observes
; v.a. ~N(0, 1) ;
validit:
3. Comparaison dune moyenne observe une valeur donne
; v.a. ~N(0, 1) ; validit n > 30
4. Test de symtrie dune variable par rapport une valeur donne
Ordonner les valeurs absolues des carts la valeur donne et calculer T
+
, somme des rangs
des carts positifs.
; v.a. ~N(0, 1) si n >15; v.a. ~ Wilcoxon sinon.
5. Comparaison de deux moyennes observes
; v.a. ~N(0, 1) ; validit n
A
et n
B
> 30
6. Test dgalit de deux distributions (on suppose n
A
s n
B
)
Ordonner les valeurs. T
A
=somme des rangs des donnes A. .
T
A
=T
A
- 0,5 si o >0, T
A
=T
A
+0,5 sinon
lorsque n
A
ou n
B
>10
~ Mann-Whitney-Wilcoxon si n
A
et n
B
s 10
7. Comparaison de deux moyennes observes sur sries apparies
On utilise le test 3 en comparant la moyenne de la variable diffrence d 0
8. Test de symtrie des diffrences (sries apparies)
On utilise le test 4 de symtrie de la variable d par rapport 0.
z
p
0

0
1
0
( )
n
--------------------------
------------------------------ =
z
p
A
p
B

1 H

( )
n
A
---------------------
H

1 H

( )
n
B
----------------------- +
------------------------------------------------------- = H

n
A
p
A
n
B
p
B
+
n
A
n
B
+
------------------------------- =
n
A
H

5 > n
A
1 H

( ) 5 > n
B
H

5 > n
B
1 H

( ) 5 > , , ,
z
m
0

s
2
n
----
---------------- =
z
T
+
n n 1 + ( ) 4
n n 1 + ( ) 2n 1 + ( ) 24
------------------------------------------------------- =
z
m
A
m
B

s
A
2
n
A
-----
s
B
2
n
B
----- +
----------------------- =
o T
A
n
A
n
A
n
B
1 + + ( )
2
-------------------------------------- =
z
T '
A
n
A
n
A
n
B
1 + + ( ) 2
n
A
n
B
n
A
n
B
1 + + ( ) 12
------------------------------------------------------------- N 0 1 , ( ) ~ =
z
T
A
n
A
n
A
n
B
1 + + ( ) 2
n
A
n
B
n
A
n
B
1 + + ( ) 12
----------------------------------------------------------- =
Quelques tests usuels
136/179 Biostatistique - Carrat, Mallet, Morice 2013 - 2014
Tests concernant des variables qualitatives
2013 - 2014 Biostatistique - Carrat, Mallet, Morice 137/179
Chapitre 13
Tests concernant des variables
qualitatives
Introduction
On a jusqu prsent compltement nglig les variables qualitatives plus de deux moda-
lits. On a en effet toujours parl de moyenne, et cette notion nexiste pas pour les variables
qualitatives, sauf pour celles deux modalits grce un artifice de codage. Il ny a pas
dinstrument permettant de rsumer la distribution dune variable qualitative; il faut consi-
drer la distribution dans son ensemble, cest--dire lensemble des probabilits pour que
telle ou telle modalit se ralise. Pourtant des problmes de choix dhypothses se posent
galement dans le cas de telles variables ou tels caractres (ex: la rpartition [distribution]
de la couleur des cheveux diffre-t-elle chez les habitants de tel dpartement et de tel
autre?). Si la rpartition du caractre est connue dans une des deux populations, on aura
comparer une rpartition observe une rpartition donne. Si les deux rpartitions sont
inconnues, on aura comparer deux rpartitions observes. Ces problmes sont respec-
tivement les homologues des tests de comparaison dune moyenne une valeur donne, de
comparaison de deux moyennes. Il existe des tests adapts chacun de ces cas.
13.1 Comparaison dune rpartition observe
une rpartition donne ou test du _
2

dajustement
Supposons que lon souhaite savoir si la rpartition de la couleur des cheveux dans la population
des habitants du dpartement A diffre de la rpartition de la couleur des cheveux dans la popula-
tion franaise, cette dernire rpartition tant suppose donne. Supposons quil y ait k couleurs
rpertories. On est alors amen considrer une variable qualitative k modalits. Notons
i
la
probabilit de survenue de lvnement la i
me
modalit est observe.
Exemple :

1
=probabilit quun individu tir au hasard dans le dpartement A ait les cheveux blonds

2
=probabilit quun individu tir au hasard dans le dpartement A ait les cheveux bruns
Tests concernant des variables qualitatives
138/179 Biostatistique - Carrat, Mallet, Morice 2013 - 2014
etc...
Notons par ailleurs
hi
la proportion vraie de la modalit i dans la population franaise.
On sapprte raliser une exprience sur n individus lissue de laquelle on disposera dun en-
semble de O
i
(O
i
=nombre dindividus prsentant la modalit i du caractre tudi, parmi les in-
dividus de lchantillon).
13.1.1 Les tapes de mise en uvre
1. Les hypothses en prsence
Deux hypothses sont en prsence:
i. la rpartition vraie de la variable dans la population tudie concide avec la rparti-
tion donne (hypothse nulle H
0
)
ii. les rpartitions diffrent (hypothse alternative H
1
)
Avec les notations prcdemment introduites, cela scrit :
H
0
: hypothse nulle:
i
=
hi
pour tous les i de 1 k.
H
1
: hypothse alternative:
i
=
hi
pour au moins une modalit, cest--dire pour au moins
un i .
2. Construction du paramtre
On a dj mis en place ce test dans le cas dune variable (0- 1) cest--dire dune variable
deux modalits. Dans ce cas, les hypothses en prsence taient bien du type ci-dessus cest-
-dire
H
0
: =
h1
et 1- =
h2
=1-
h1
ce qui scrit avec les nouvelles notations:

1
=
h1
et
2
=1-
h1
Mais on navait retenu que la condition =
h1
(en fait =
0
) car dans ce cas les deux condi-
tions ci-dessus sont redondantes.
Le paramtre calcul retenu tait :
Calculons son carr
z
p
h1

h1
1
h1
( )
n
-------------------------------
----------------------------------- =
z
2
n p
h1
( )
2

h1
1
h1
( )
-------------------------------
n p
h1
( )
2

h1
----------------------------
n p
h1
( )
2
1
h1

---------------------------- + = =
z
2
np n
h1
( )
2
n
h1
-------------------------------
n 1 p ( ) n 1
h1
( ) ( )
2
n 1
h1
( )
----------------------------------------------------------- +
np n
h1
( )
2
n
h1
-------------------------------
n 1 p ( ) n
h2
( )
2
n
h2
--------------------------------------------- + = =
Tests concernant des variables qualitatives
2013 - 2014 Biostatistique - Carrat, Mallet, Morice 139/179
Or np =nombre dindividus observs prsentant la valeur 1 cest--dire la modalit 1 de la
variable; or sous H
0
la probabilit de cette modalit est
h1
. On sattend donc observer n
h1
individus prsentant cette valeur. Ce nombre dindividus attendu sappellera effectif attendu
ou calcul de la premire modalit et sera not A
1
.
De la mme faon, n(1- p) =nombre dindividus observs prsentant la valeur 0 cest--dire
la modalit 2 de la variable; or sous H
0
la probabilit de cette modalit est
h2
=1-
h1
. On
sattend donc observer n
h2
individus prsentant cette valeur. Ce nombre dindividus atten-
du sappellera effectif attendu ou calcul de la seconde modalit et sera not A
2
.
Do
o les O
i
reprsentent les effectifs observs dans les diffrentes modalits, les A
i
reprsentent
les effectifs n
hi
dits prvus ou calculs ou ATTENDUS dans les diffrentes modalits.
GENERALISATION
Lorsque les variables considres ont plus de deux modalits, on gnralise le calcul ci-dessus
et on retient le paramtre suivant :
o la somme stend toutes les k modalits de la variable.
On rappelle que les O
i
sont les effectifs observs, et que les A
i
valent n
hi
.
On remarque que Q chiffre lcart entre ce qui est prvu par lhypothse H
0
et ce qui est
obtenu; cet cart se fonde naturellement sur les diffrences O
i
- n
hi
car n
hi
est le nombre
attendu dindividus prsentant la modalit i.
Exemple : si
hi
=0,4, sur 100 individus on en attend 40 prsentant la modalit i . Cest le
nombre que lon aurait si la distribution dchantillonnage concidait avec la distribution hy-
pothtique.
Par ailleurs on a pu montrer (rsultat d Pearson) que sous H
0
(et si tous les A
i
> 5) ce pa-
ramtre a une distribution qui ne dpend que du nombre de modalits, k. Cette distribution
porte le nom de DISTRIBUTION DE _
2
.
Si bien que lon peut former - grce encore une table- un intervalle de pari de niveau donn
relatif cette variable.
RETENONS :
CONDITIONS DE VALIDITE : TOUS LES A
i
DOIVENT ETRE AU MOINS EGAUX A 5
3. Intervalle de pari
o tant choisi (0,05), construction de lintervalle de pari
La variable _
2
a lallure prsente figure 13. On remarque quil serait stupide de choisir lin-
z
2
O
1
A
1
( )
2
A
1
--------------------------
O
2
A
2
( )
2
A
2
-------------------------- + =
Q
O
i
A
i
( )
2
A
i
------------------------
i 1 =
k

=
IP
1 o
Tests concernant des variables qualitatives
140/179 Biostatistique - Carrat, Mallet, Morice 2013 - 2014
tervalle de pari centr dessin sur cette figure car alors des valeurs numriques voisines de
zro pour la valeur Q
c
du paramtre Q seraient dans la rgion critique du test ; or des valeurs
proches de zro sont plutt compatibles avec H
0
do le choix suivant (voir figure 14) :
Cest cette valeur, note qui est lisible directement dans une table.
Remarque: notez que cet intervalle, bien que non symtrique autour de la moyenne, respecte
la dfinition dun intervalle de pari donne section 9.4.1 page 94.
Figure 13 : distribution de _
2
Figure 14 : distribution de _
2
Usage de la table
Cette table comporte- comme celle du t de Student - une entre entire appele nombre de
degrs de libert (ddl). On montre que pour le test envisag ici
nombre de degrs de libert=nombre de modalits- 1
IP
1 o
0 ; K
ddl,o
| | =
K
ddl,o
Tests concernant des variables qualitatives
2013 - 2014 Biostatistique - Carrat, Mallet, Morice 141/179
Exemple : K
5;0,05
(5 ddl, si 6 modalits) =11,07
La suite de la mise en place de ce test est usuelle.
4. Rgle de dcision
Si on ne conclut pas
Si H
0
est rejete. Cela signifie que lon conclut que la rpartition du caractre tu-
di (par exemple la couleur des cheveux dans le dpartement A) ne concide pas - ou ne
sajuste pas - avec la rpartition donne (par exemple la rpartition de la couleur des cheveux
dans la population franaise). On admet, en formulant cette conclusion, un risque derreur
gal o.
5. Recueil des donnes et conclusion
Exemple numrique : le tableau ci-dessous prsente une application numrique de lexemple
considr.
Les conditions de validit sont vrifies (A
i
> 5).
On obtient ici :
On sait que Q est distribu selon un _
2
(3-1) degrs de libert; on lit dans la table:
K
2;0,05
=5,99.
Ainsi, la valeur calcule nappartient pas lintervalle de pari : on conclut que la rpartition
du caractre ne concide pas avec la rpartition donne.
couleur des cheveux
blonds bruns roux total
effectifs observs
(O
i
)
25 9 3
37
(n)
effectifs attendus
(A
i
= n
hi
)
14,8 11,1 11,1 37
rpartition donne
(
hi
)
0,4 0,3 0,3 1
Q
c
K
ddl,o
s
Q
c
K
ddl,o
>
Q
c
25 148 , ( )
2
148 ,
------------------------------
9 111 , ( )
2
111 ,
---------------------------
3 111 , ( )
2
111 ,
--------------------------- + + 133 , = =
Tests concernant des variables qualitatives
142/179 Biostatistique - Carrat, Mallet, Morice 2013 - 2014
13.1.2 Cas particulier : variable deux modalits
On a vu que le paramtre du test Q gnralise lexpression du carr du paramtre Z utilis pour la
comparaison dune proportion observe une valeur donne. Dans le cas dune variable deux
modalits (k =2), ces deux paramtres sont gaux: Q =Z
2
.
En outre, et sinon il y aurait incohrence, on peut vrifier lgalit suivante:
Exemple : pour o =0,05 K
1;0,05
=3,84=(1,96)
2
Ainsi, pour comparer une rpartition observe une rpartition donne, dans le cas dune variable
deux modalits, on dispose de 2 tests quivalents, lun fond sur la distribution normale, lautre
fond sur la distribution du _
2
1 d.d.l. (qui est en fait la distribution du carr de N(0, 1)).
On peut utiliser lun ou lautre de ces tests indiffremment.
Exemple : Reprenons lexemple du chapitre 11
Une race de souris prsente un taux de cancers spontans de 0,2. Sur 100 souris traites on observe
34 cancers soit p =0,34. La diffrence est elle significative?
test de comparaison:
test du _
2
:
Remarque : On parle souvent de ce test sous la terminologie test du _
2
dajustement pour ex-
primer quil met lpreuve lajustement - la compatibilit- entre une rpartition observe et une
rpartition donne.
cancer
absence de
cancer
rpartition thorique 0,2 0,8
effectifs attendus 20 80
effectifs observs 34 66
100
(effectif total)
K
1;o
u
o
2
=
z
034 , 02 ,
02 , 08 ,
100
----------------------
-------------------------- 35 , = =
Q
c
34 20 ( )
2
20
-------------------------
66 80 ( )
2
80
------------------------- + 1225 , 35 , ( )
2
= = =
Tests concernant des variables qualitatives
2013 - 2014 Biostatistique - Carrat, Mallet, Morice 143/179
13.2 Comparaison de plusieurs rpartitions
observes ou test du _
2
dhomognit
On reprend lexemple prcdent concernant la rpartition de la couleur des cheveux mais sans plus
supposer que lune de ces rpartitions est connue; il sagit par exemple des rpartitions de ce ca-
ractre dans deux dpartements. On souhaite donc comparer deux rpartitions observes. Pour ce-
la, on sapprte raliser une exprience mettant en jeu deux chantillons, un chantillon de n
1
individus issu de la population des habitants du dpartement 1, et un chantillon de n
2
individus
issu de la population des habitants du dpartement 2. A lissue de cette exprience on disposera
dun ensemble deffectifs observs, nots de la faon suivante:
O
1i
est le nombre dindividus du premier chantillon prsentant la modalit i de la variable.
O
2i
est le nombre dindividus du second chantillon prsentant la modalit i de la variable.
Le test se met en place de la faon suivante:
1. Les hypothses en prsence
H
0
: les rpartitions vraies de la variable sont identiques dans les deux populations
H
1
: les rpartitions vraies sont diffrentes
Ces hypothses se schmatisent par :
H
0
:
1i
=
2i
pour toutes les modalits i.
H
1
:
1i
=
2i
pour au moins une modalit i.
2. Construction du paramtre
Cest encore ici le point dlicat. La solution ressemble dans son approche celle du problme
de la comparaison de deux pourcentages. Cl du principe : on mlange les deux populations
pour calculer une pseudo-rpartition thorique. On se retrouve alors pratiquement dans la si-
tuation du paragraphe prcdent. Cela se verra mieux sur un exemple. On va faire, pour des
raisons de simplicit de calcul, une petite entorse notre faon de procder, et directement
valuer le paramtre dont on connat la loi.
i. On construit ce que lon appelle un tableau de contingence qui contient les rsultats ex-
primentaux.
On a procd une exprience portant sur 37 individus issus de la population 1 et 40 in-
dividus issus de la population 2. Les rsultats sont les suivants:
Tests concernant des variables qualitatives
144/179 Biostatistique - Carrat, Mallet, Morice 2013 - 2014
Tableau 4 : effectifs observs (O
1i
et O
2i
)
ii. On construit une pseudo-rpartition de rfrence, en mlangeant les rsultats exprimen-
taux, cest--dire en oubliant leur origine (population 1 ou population 2).
On obtient les rsultats suivants, en termes deffectifs (premire ligne), puis en termes
de frquences (deuxime ligne).
Tableau 5 : rpartition de rfrence
Ces trois frquences, 0,49, 0,34, 0,17, vont jouer maintenant le rle des probabilits hy-
pothtiques
hi
de la section 13.1. Pour la commodit de lcriture, on les note respecti-
vement p
1
, p
2
, p
3
.
iii. On forme le tableau des effectifs attendus.
Si lhypothse nulle est juste, cest--dire si les rpartitions de la couleur des cheveux
concident dans les deux dpartements, on sattend trouver des effectifs calculs
comme suit :
effectif attendu pour la modalit i (modalit 1=blond, modalit 2=brun, modalit 3=
roux) dans lchantillon j (j =1 ou 2) : n
j
multipli par p
i
Par exemple le nombre attendu dindividus bruns dans lchantillon de la premire po-
pulation est : 37 0,34=12,6.
En effectuant systmatiquement ces calculs, on obtient le tableau des EFFECTIFS AT-
TENDUS.
Tableau 6 : effectifs attendus (A
1i
et A
2i
)
iv. On calcule finalement le paramtre du test
blonds bruns roux nombre total
chantillon 1 25 9 3
37=n
1
chantillon 2 13 17 10
40=n
2
blonds bruns roux nombre total
mlange 38 26 13 77
frquences 38/77=0,49 26/77=0,34 13/77=0,17
blonds bruns roux
chantillon 1
18,1 (n
1
p
1
) 12,6 (n
1
p
2
) 6,3 (n
1
p
3
)
chantillon 2
19,6 (n
2
p
1
) 13,6 (n
2
p
2
) 6,8 (n
2
p
3
)
Tests concernant des variables qualitatives
2013 - 2014 Biostatistique - Carrat, Mallet, Morice 145/179
On montre que le paramtre adapt ce test est :
o k demeure le nombre de modalits de la variable.
On a souvent recours une expression plus compacte de lexpression ci-dessus et on
crit :
MAIS ICI LA SOMMATION SETEND A TOUTES LES CASES DES TABLEAUX,
numrotes grce lindice j.
Exemple : dans lexemple trait il sagira donc de calculer une somme de 6 termes.
On montre que, si H
0
est vraie, Q est distribu comme un _
2
(3- 1) (2- 1) degrs de
libert [3 est le nombre de modalits, et 2 le nombre de rpartitions]
La VALIDITE de ce rsultat suppose que tous les effectifs attendus A
j
soient au moins
gaux 5.
GENERALISATION
Les calculs ci-dessus se gnralisent un nombre quelconque de modalits k, un nombre
quelconque de populations m.
Le paramtre Q calculer a alors la forme ci-dessus, o la somme comprend km termes.
La distribution de Q, sous H
0
est alors un _
2
(k - 1)(m - 1) degrs de libert.
Les conditions de validit du test sont : A
j
> 5, 1 s j s km
3. La suite des tapes de mise en uvre est classique.
La valeur observe de Q, note Q
c
, sera compare la valeur K
ddl;0,05
:
si on ne conclut pas. Il nest pas dmontr que les deux rpartitions
vraies diffrent.
si on conclut que les deux rpartitions observes diffrent significative-
ment.
Suite de lexemple : on obtient :
soit :
Or : K
2;0,05
=5,99 rejet de H
0
. Les rpartitions observes de la couleur des cheveux dif-
frent significativement dans les deux populations.
Q
O
1i
A
1i
( )
2
A
1i
-----------------------------
i 1 =
k

O
2i
A
2i
( )
2
A
2i
-----------------------------
i 1 =
k

+ =
Q
O
j
A
j
( )
2
A
j
------------------------
j 1 =
nombre de cases du tableau

=
Q
c
K
ddl;0,05
s
Q
c
K
ddl;0,05
>
Q
c
25 181 , ( )
2
181 ,
------------------------------
9 126 , ( )
2
126 ,
---------------------------
3 63 , ( )
2
63 ,
------------------------
13 196 , ( )
2
196 ,
------------------------------
17 136 , ( )
2
136 ,
------------------------------
10 68 , ( )
2
68 ,
--------------------------- + + + + + =
Q
c
996 , =
Tests concernant des variables qualitatives
146/179 Biostatistique - Carrat, Mallet, Morice 2013 - 2014
Remarque 1 : Ce test sappelle aussi test du _
2
dhomognit de plusieurs rpartitions.
Remarque 2 : Cas particulier de deux variables deux modalits : dans le cas o lon
considre deux variables deux modalits, cest--dire dans le cas o le tableau de contin-
gence est deux lignes et deux colonnes, on observe que le problme se rduit un problme
de comparaison de deux proportions observes. On montre que, dans ce cas, la valeur de Q
concide avec le carr de la valeur de Z, Z tant le paramtre form pour comparer directement
ces proportions (voir chapitre 12).
13.3 Test dindpendance entre deux
variables qualitatives
Reprenons lexemple prcdent et supposons que les populations 1 et 2, plutt que de correspondre
des individus habitant le dpartement 1 et le dpartement 2, soient en fait :
population 1: population des individus ayant les yeux bleus
population 2: population des individus ayant les yeux verts
La question que lon aurait rsolue dans le paragraphe prcdent aurait t:
la rpartition de la couleur des cheveux diffre-t-elle dans les populations dindividus aux yeux
bleus ou verts. Ou encore, la rpartition de la couleur des cheveux diffre-t-elle selon la couleur
des yeux? Autrement dit : la variable couleur des cheveux dpend-elle statistiquement de la va-
riable couleur des yeux?
Maintenant supposons que lon veuille rpondre cette question. Plutt que de prendre un chan-
tillon de la population des individus aux yeux bleus et un autre chantillon issu de la population
des individus aux yeux verts, autant prendre un chantillon de la population gnrale (cest--dire
quelle que soit la couleur de ses yeux) et observer conjointement la couleur des cheveux et la cou-
leur des yeux. Vues comme cela, les deux variables jouent bien des rles symtriques et le pro-
blme est donc de mettre lpreuve leur indpendance.
1. Les hypothses en prsence.
On formule naturellement deux hypothses:
Hypothse H
0
les deux variables tudies (couleur des cheveux, couleur des yeux) sont indpen-
dantes. Sous cette hypothse, le fait davoir observ chez un individu la couleur de ses
cheveux (respectivement la couleur de ses yeux) napporte aucune information sur la
couleur de ses yeux (respectivement la couleur de ses cheveux).
On pourra se reporter au chapitre 6 dans lequel ont t commentes ces notions din-
dpendance.
On notera que, comme dans tous les cas rencontrs jusquici, cette hypothse est une
Tests concernant des variables qualitatives
2013 - 2014 Biostatistique - Carrat, Mallet, Morice 147/179
hypothse fine qui engage un ensemble dgalits.
En effet, on sait que lindpendance sexprime par :
Pr(la modalit de la couleur des cheveux est l et la modalit de la couleur des yeux
est c) =Pr(la modalit de la couleur des cheveux est l) Pr(la modalit de la couleur
des yeux est c), et ceci pour tous les choix possibles de l et c.
Remarque : on pourra vrifier que parmi les (nombre de modalits de la couleur des
cheveux nombre de modalits de la couleur des yeux) galits qui en rsultent, cer-
taines sont redondantes, et que (nombre de modalits de la couleur des cheveux- l)
(nombre de modalits de la couleur des yeux- 1) galits suffisent exprimer les
mmes conditions.
Hypothse H
1
les deux variables tudies ne sont pas indpendantes.
Cette hypothse exprime le contraire de H
0
.
2. Le paramtre du test
Le paramtre est encore Q, et sexprime exactement comme prcdemment, cest--dire:
Ici le nombre de cases du tableau de contingence est gal au produit du nombre de modalits
de la premire variable et du nombre de modalits de la seconde variable.
Les effectifs attendus sobtiennent exactement comme dans le cas du paragraphe prcdent,
ainsi quon peut le voir sur lexemple numrique ci-dessous.
Un exemple numrique
Le tableau ci-dessous montre un exemple de tableau de contingence (D. Schwartz, Mthodes
statistiques lusage des mdecins et des biologistes, Flammarion (collection statistique en
biologie et mdecine), 3
e
dition, p79) ; cet exemple est similaire aux prcdents, si ce nest
que lon a considr un plus grand nombre de modalits pour la variable couleur des cheveux,
et que la nouvelle variable introduite (couleur des yeux) comporte trois modalits. Ces moda-
lits remplacent les chantillons considrs dans la section 13.2 page 143. Ainsi, la modalit
bleu par exemple peut tre lue: chantillon issu de la population des individus aux yeux
bleus. La taille de cet chantillon nest cependant plus matrise.
TRES IMPORTANT (des erreurs sont souvent commises)
HYPOTHESE NULLE : LES DEUX VARIABLES SONT INDEPENDANTES
HYPOTHESE ALTERNATIVE : LES DEUX VARIABLES SONT LIEES
Q
O
j
A
j
( )
2
A
j
------------------------
j 1 =
nombre de cases du tableau

=
Tests concernant des variables qualitatives
148/179 Biostatistique - Carrat, Mallet, Morice 2013 - 2014
Les effectifs attendus sobtiennent comme prcdemment. Ainsi, leffectif attendu relatif au
couple blonds, marrons sera: 45/12433/124124=11,9.
REMARQUES
i. Pour allger les calculs, on peut remarquer que leffectif attendu relatif la cellule loca-
lise ligne l, colonne c est gal au rapport
du produit du total de la ligne l et du total de la colonne c,
et du total gnral.
ii. La somme des effectifs attendus, soit en ligne, soit en colonne, concide avec les mmes
sommes sur les effectifs observs. Cette remarque permet une vrification partielle des
calculs.
iii. Dans la prsentation des calculs, on a procd au mlange des rsultats sans plus tenir
compte de la couleur des yeux (ce qui conduit sommer les lignes du tableau). On peut
de faon quivalente mlanger les rsultats exprimentaux sans plus tenir compte de la
couleur des cheveux, ce qui conduira sommer les colonnes du tableau de contingence
pour obtenir la rpartition de rfrence. On pourra vrifier que les rsultats du calcul sont
strictement les mmes, ce que lon attend compte tenu du rle symtrique jou par les
deux variables tudies.
Couleur
des yeux
Couleur des cheveux frquence
blonds bruns roux noirs total
bleus 25 9 7 3 44 44/124
gris 13 17 7 10 47 47/124
marrons 7 13 5 8 33 33/124
total 45 39 19 21 124
frquence 45/124 39/124 19/124 21/124 124/124
SOUS LHYPOTHESE NULLE DINDEPENDANCE entre les deux variables, Q EST
DISTRIBUE SELON un _
2
:
(nombre de modalits de la premire variable- 1) (nombre de modalits de la seconde
variable- 1)
DEGRES DE LIBERTE.
Tests concernant des variables qualitatives
2013 - 2014 Biostatistique - Carrat, Mallet, Morice 149/179
3. La suite des tapes est habituelle
En particulier, la rgle de dcision stablit comme suit :
si la valeur calcule de Q, note Q
c
, est infrieure , on ne rejette pas lhypothse
dindpendance des deux variables.
si la valeur calcule Q
c
est suprieure , on rejette lhypothse dindpendance
des deux variables. On dira alors que les deux variables sont lies, au risque o.
Exemple :
Dans lexemple ci-dessus, la valeur de Q
c
, rsultant de la sommation de 12 termes, est 15,1.
Le nombre de degrs de libert est : (4- 1)(3- 1) =6, la valeur de associe tant 12,6
(lue dans une table). On rejette donc ici lhypothse dindpendance: couleur des cheveux et
couleur des yeux sont lies, ou encore sont dpendantes. Voyons une illustration de cette d-
pendance. Sur la base des donnes observes on a:
Pr(yeux bleus) =44/124=0,35
Pr(yeux bleus / cheveux blonds) =25/45=0,56
La connaissance de la couleur des cheveux (ici la modalit blond) modifie la rpartition
de la couleur des yeux (ici la frquence de la modalit bleu qui volue de 0,35 0,56). Le
test indique que cette modification est significative. En ralit la valeur de Q
c
ci-dessus
chiffre dans leur ensemble les diffrences entre Pr(A / B) et Pr(A), cest--dire les carts de
Pr(A et B) par rapport au produit Pr(A)Pr(B), o A est un vnement relatif la couleur des
yeux et B un vnement relatif la couleur des cheveux.
Les CONDITIONS DE VALIDITE sont encore: A
j
> 5.
K
ddl,o
K
ddl,o
K
6;0,05
Tests concernant des variables qualitatives
150/179 Biostatistique - Carrat, Mallet, Morice 2013 - 2014
Rsum du chapitre
Tests du _
2
. Effectifs observs O
j
, effectifs attendus A
j
.
Conditions de validit gnrales: A
j
> 5
Paramtre gnral :
Comparaison dune rpartition observe une rpartition donne (ajustement)
H
0
: La rpartition vraie sajuste la rpartition donne
H
1
: La rpartition vraie ne sajuste pas la rpartition donne
Nombre de cases=nombre de modalits
Q ~_
2
(nombre de modalits-1)
Comparaison de plusieurs rpartitions observes (homognit)
H
0
: Les rpartitions concident
H
1
: Les rpartitions diffrent
Nombre de cases=nombre de modalits nombre de rpartitions
Q ~_
2
((nombre de modalits-1) (nombre de rpartitions-1))
Test dindpendance de deux variables qualitatives
H
0
: Les deux variables sont indpendantes
H
1
: Les deux variables sont lies
Q ~_
2
((nb de modalits de 1
re
variable- 1) (nb de modalits de 2
me
variable- 1))
Dans les deux derniers cas, si l est le nombre de lignes, c le nombre de colonnes du tableau de
contingence, le nombre de degrs de libert des _
2
est (l - 1)(c - 1).
Q
O
j
A
j
( )
2
A
j
------------------------
j 1 =
nombre de cases du tableau

=
Liaison entre deux variables continues : notion de corrlation
2013 - 2014 Biostatistique - Carrat, Mallet, Morice 151/179
Chapitre 14
Liaison entre deux variables
continues : notion de
corrlation
14.1 Introduction
Nous avons rappel dans le chapitre prcdent la notion fondamentale dindpendance entre deux
variables qualitatives et vu la faon dont cette indpendance pouvait tre mise lpreuve lors
dune exprience. Dans le chapitre 12, les tests mis en uvre faisaient intervenir une variable quan-
titative continue et une variable qualitative encore juges dans leurs interdpendances. Il se trouve
quil existe une autre classe de problmes mettant en jeu encore deux variables alatoires, mais
cette fois-ci, deux variables continues. Considrons, par exemple, deux variables alatoires, lin-
suffisance rnale (avec deux valeurs ou modalits prsence-absence) et linsuffisance hpatique
(avec les deux mmes modalits). Supposons que lon connaisse un indicateur de la fonction rnale
(ou de certains de ses aspects), la clairance la cratinine par exemple et un indicateur de la fonc-
tion hpatique (ou de certains de ses aspects) la bilirubinmie et que le diagnostic dinsuffisance
rnale soit port lorsque la clairance est infrieure un seuil, celui dinsuffisance hpatique lorsque
la bilirubinmie est suprieure un autre seuil. On sait rsoudre (voir chapitre 13) la question de
savoir si les variables insuffisance rnale et insuffisance hpatique sont indpendantes ou lies.
Toutefois, compte tenu des prcisions donnes sur lorigine des diagnostics dinsuffisance rnale
et dinsuffisance hpatique, on est tent de reformuler le problme pos en ces termes: y a-t-il un
lien entre les variables alatoires clairance la cratinine et bilirubinmie ? Un niveau lev de
lune est-il annonciateur dun niveau lev de lautre? Ou encore: la connaissance du niveau
de lune modifie-t-elle lide que lon se fait du niveau de lautre, non encore observe? Cette der-
nire formulation est trs proche de la formulation utilise pour discuter de lindpendance entre
vnements: la connaissance du fait quun vnement sest ralis (maintenant un niveau de clai-
rance connu) modifie-t-elle la plausibilit dun autre vnement (maintenant la bilirubinmie) ?
Les situations dans lesquelles on se pose naturellement la question de savoir si deux variables
continues sont lies sont extrmement frquentes. Voil quelques exemples:
Liaison entre deux variables continues : notion de corrlation
152/179 Biostatistique - Carrat, Mallet, Morice 2013 - 2014
la consommation de cigarettes (quotidienne ou cumule) et la capacit respiratoire sont-elles
lies?
la gastrinmie et la quantit de cellules ECL sont-elles lies?
les valeurs de glycmie obtenues selon deux mthodes de dosage sur les mmes chantillons
sanguins sont-elles lies [ici, il faut lesprer].
14.2 Abord du problme
Considrons deux variables alatoires continues X (cratininmie) et Y (bilirubinmie). Imagi-
nons que nous ayons ralis une exprience consistant en lobservation conjointe du niveau de ces
deux variables sur un ensemble (chantillon) de n sujets. On dispose ainsi dun ensemble de
couples de valeurs x
i
, y
i
. La reprsentation naturelle- sinon la meilleure- de ces rsultats est don-
ne dans la figure ci-dessous; chaque couple de valeurs obtenu chez chaque individu est reprsent
par un point de coordonnes (cratininmie-bilirubinmie).
On lit sur un tel dessin, au moins grossirement, le domaine des valeurs possibles de X, le domaine
des valeurs possibles de Y.
Intressons nous un nouvel individu; ne mesurons chez lui que la valeur de la cratininmie, x
0
.
Que peut-on dire alors, sur la base de cette connaissance et sur la base de lexprience ci-dessus
concernant le domaine des valeurs possibles de Y pour ce mme individu ? On peut proposer la
rponse gomtrique ou visuelle indique sur la figure ci-dessous.
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
domaine des
valeurs de X
domaine des
valeurs de Y
x (cratininmie)
y (bilirubinmie)
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
domaine des
valeurs de Y
sachant x
0
x (cratininmie)
y (bilirubinmie)
x
0
Liaison entre deux variables continues : notion de corrlation
2013 - 2014 Biostatistique - Carrat, Mallet, Morice 153/179
Le nouveau domaine possible- sachant x
0
- est trs voisin du domaine initial ; ceci se reproduit
pour toute valeur de x
0
. Il est alors clair que dans cet exemple, la connaissance de X napporte pas
dinformation sur celle de Y. On a ici une situation visuelle dun cas o les deux variables X et Y
sont indpendantes. On pourrait renverser le rle de X et Y, la conclusion serait la mme.
Considrons maintenant le cas o les rsultats exprimentaux produisent la reprsentation de la fi-
gure ci-dessous.
Dans ce cas, au contraire, on voit clairement que la connaissance de x
0
(respectivement y
1
) modi-
fie le domaine des valeurs possibles, donc attendues de Y (respectivement X) ; les deux variables
X et Y sont lies.
La modification ici concerne aussi bien lamplitude du domaine que sa localisation en termes de
valeurs.
Lapprciation visuelle de la dpendance correspond lapprciation de lpaisseur de len-
semble des points. Plus les points exprimentaux ont tendance se rpartir sur une courbe- non
horizontale ni verticale- plutt qu remplir une partie du plan, plus les variables sont lies.
Peut-on trouver un indicateur numrique de la force dune telle liaison? Au sens strict, la rponse
est non.
Quelques situations de dpendance- cest--dire de liaison- sont reprsentes sur les figures ci-
x
x
x
x
x
x
x x
x
x
x
x
x
x
x
x
x
x
x
x
x x
x
x
x
x
x
x
x
x
x
x
x
x
domaine de
Y sachant x
0
x
y
domaine
de Y
x
0
x
x
x
x
x
x
x x
x
x
x
x
x
x
x
x
x
x
x
x
x x
x
x
x
x
x
x
x
x
x
x
x
x
x
y
domaine de
X sachant y
1
domaine de X
y
1
Liaison entre deux variables continues : notion de corrlation
154/179 Biostatistique - Carrat, Mallet, Morice 2013 - 2014
dessous.
On ne sait pas, en toute gnralit, rsumer en un seul nombre exprimant la liaison entre deux va-
riables continues les rsultats dune exprience.
On ne connat quun indicateur gnral prenant en compte non pas le degr de proximit une
courbe quelconque mais le degr de proximit une droite: cest le coefficient de corrlation [li-
naire].
Il faut voir cependant que dans la plupart des situations relles au cours desquelles on sintresse
lexamen de la liaison entre deux variables, la possibilit dinterprtation des rsultats est large-
ment fonction du caractre monotone, sinon rectiligne, de la dpendance; que dire en termes din-
terprtation dune dpendance figure schmatiquement sur la figure ci-dessous?
14.3 Un indicateur de covariation : le
coefficient de corrlation
Cherchons alors quantifier un phnomne de covariation, cest--dire un phnomne de variation
couple entre X et Y.
On impose naturellement lindicateur recherch une invariance par translation: les phnomnes
productifs de X et Y demeurent fondamentalement inaltrs sils produisent X +a, Y +b. Ainsi
lindicateur se fondera-t-il sur les valeurs et . Par ailleurs, on souhaite que lindica-
teur ne dpende pas des units exprimant X et Y ; alors on travaillera sur
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
xx
x
x
x
x
x
xx
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
xx
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x x
x
x
x
x
x
x
x
x
x
x x
y
y
y
x
x
i
m
x
y
i
m
y

Liaison entre deux variables continues : notion de corrlation


2013 - 2014 Biostatistique - Carrat, Mallet, Morice 155/179
Maintenant si Y et Y prsentent un caractre de covariation, cest que de faon frquente, sinon sys-
tmatique
soit les variables varient dans le mme sens, cest--dire lorsque x
i
est grand (i.e. x
ri
positif
par exemple), y
i
lest galement le plus souvent (i.e. y
ri
positif), que lorsque x
i
est petit (x
ri
<
0) y
i
lest galement (y
ri
<0) ; dans ce cas, le produit x
ri
y
ri
est frquemment positif.
soit les variables varient en sens contraire: lorsque x
i
est grand, y
i
est petit, lorsque x
i
est pe-
tit, y
i
est grand; dans ce cas le produit x
ri
y
ri
est frquemment ngatif.
Compte tenu de lanalyse prcdente, on choisit pour indicateur de la covariation ou corrlation le
nombre:
Ainsi
si r est grand, cest le signe dune covariation dans le mme sens de X et Y ;
si r est petit (cest--dire grand en valeur absolue et ngatif), cest le signe dune covariation
de X et Y en sens contraire;
si r est voisin de zro, cest le signe dune absence de covariation.
Retenons, exprim sur la base des valeurs observes:
Le numrateur de cette expression est appel la covariance observe des deux variables X et Y,
note cov
0
(X, Y), dont on montre quelle sexprime aussi sous la forme
Les figures ci-dessous prsentent diverses situations relativement au coefficient de corrlation ob-
serv.
x
ri
x
i
m
x

s
X
---------------- = et y
ri
y
i
m
y

s
Y
---------------- =
r
1
n 1
----------- - x
ri
y
ri
i

=
r
1
n 1
----------- - x
i
m
x
( ) y
i
m
y
( )
i

s
X
s
Y
--------------------------------------------------------------- =
cov
0
X Y , ( )
n
n 1
------------
1
n
--- x
i
y
i
i

xy
\ .
|
| |
=
Liaison entre deux variables continues : notion de corrlation
156/179 Biostatistique - Carrat, Mallet, Morice 2013 - 2014
Proprits numriques fondamentales de r :
r a toujours une valeur comprise entre-1 et 1;
r prend la valeur -1 (respectivement 1) si et seulement si il existe des valeurs a et b telles
quon ait pour tout i y
i
=ax
i
+b avec a ngatif (respectivement a >0).
Remarques:
plus r est grand en valeur absolue, plus les variables sont dites corrles,
la valeur absolue de r dcrot,
lorsque sestompe le caractre rectiligne du nuage des valeurs observes,
lorsque spaissit ledit nuage,
une valeur absolue trs faible du coefficient de corrlation ne permet pas de conclure lin-
dpendance de deux variables. Deux variables indpendantes prsenteront en revanche un
coefficient de corrlation observ trs faible en valeur absolue.
r>0, grand r<0, |r| grand
r voisin de zro
xx
xx
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
y
m
x
x m
x

y m
y

m
y
x
x
x
x
x
x
x
x
x
x
xx
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x x
x
x
y
m
x
x m
x

y m
y

m
y
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
y
m
x
x m
x

y m
y

m
y
Liaison entre deux variables continues : notion de corrlation
2013 - 2014 Biostatistique - Carrat, Mallet, Morice 157/179
Quelques exemples sont prsents ci-dessous pour fixer les ides.
r ~ 0,9 r ~ 0,7
r ~ 0,7 r ~ 0,6
r ~ 0,5 r ~ 0,5
x
x
x x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
y
x
x
xx
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
y
x
x
x x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
y
x
x
xx
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x x
x
x
x
x
x
x
x
x
x
y
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x x
x
x
x
x
x
x
x
x
x
x
x
x
y
x
x
xx
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
y
Liaison entre deux variables continues : notion de corrlation
158/179 Biostatistique - Carrat, Mallet, Morice 2013 - 2014
Remarque complmentaire:
Le coefficient de corrlation linaire est, au mme titre que toute statistique, soumis aux fluctua-
tions dchantillonnage. La question se pose alors de savoir que faire de cet indicateur en termes
dinfrences. Par exemple, avant de conclure que les deux variables sont corrles, peut-on se ga-
rantir du risque de lobservation dun coefficient de corrlation nul sur une plus grande srie
dobservations? On se retrouve dans le contexte des tests dhypothses avec ici une difficult sup-
plmentaire qui tient au fait que lon na pas quitt le niveau exprimental, le niveau intuitif. Il
convient de trouver une contrepartie vraie ce coefficient de corrlation observ r.
14.4 Le coefficient de corrlation vrai
Cherchons substituer de la faon la plus naturelle possible des grandeurs vraies aux grandeurs
observes constitutives de r. On note lapparition au dnominateur de s
X
et s
Y
auxquelles on subs-
titue naturellement o
X
et o
Y
, les carts types vrais de X et Y. Au numrateur on remarque m
x
et m
y
auxquels on substitue E(X) et E(Y) les moyennes vraies de X et Y. Reste au numrateur
une moyenne observe (lisons n la place de n-1) ; on lui substitue une moyenne vraie:
moyenne vraie du produit [X - E(X)][Y - E(Y)], soit E{[X - E(X)][Y - E(Y)]}.
Cette moyenne vraie dpendant de X et Y la fois sappelle covariance vraie de X et Y.
Finalement, on obtient la contrepartie vraie note :
Remarque: propos des notions desprance, de covariance vraie, de coefficient de corrlation
vrai , voir le chapitre 6.
r ~ 0 r ~ 0
x
x
x
x
x
x
x
x
x
x
x
x x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
y
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
xx
x
x
x
x
x
x
x
x
x x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
y
x
X Y , ( )
E X E X ( ) | | Y E Y ( ) | | { }
o
X
o
Y
---------------------------------------------------------------- =
Liaison entre deux variables continues : notion de corrlation
2013 - 2014 Biostatistique - Carrat, Mallet, Morice 159/179
14.5 Test dgalit du coefficient de
corrlation vrai 0
Des calculs thoriques complexes, et imposant un certain nombre de restrictions, qui, dpassant le
cadre de ce cours, ne seront pas mentionns, permettent de calculer la distribution de r sous
lhypothse- retenue comme hypothse nulle- de nullit du coefficient de corrlation vrai .
Il sagit dune famille de distributions indexes par un entier appel nombre de degrs de libert.
La mise en uvre du test est alors conventionnelle:
H
0
: =0 [les variables ne sont pas corrles],
H
1
: = 0 [les variables sont corrles]
Paramtres du test : coefficient de corrlation observ
sous H
0
, r suit une distribution connue, dite du coefficient de corrlation n-2 degrs de li-
bert o n est le nombre de couples (xi, yi) exprimentaux. Lintervalle de pari pour r est de
la forme
tant lue dans une table.
Conditions de validit
Les conditions de validit sont complexes et expriment que toute combinaison linaire des va-
riables X et Y est distribue selon une loi normale. Autrement dit, toute variable aX +bY o
a et b sont deux nombres quelconques doit tre normale.
Pour la commodit de lexpression, on noncera les conditions de validit sous le nologisme
distribution de (X, Y) binormale.
la suite de la mise en uvre est standard.
Quelques exemples numriques
Au risque 5%:
n =10, IP
0,95
=[-0,632; 0,632], ddl =8
n =20, IP
0,95
=[-0,444; 0,444], ddl =18
n =50, IP
0,95
=[-0,280; 0,280], ddl =48
Ainsi, par exemple, pour pouvoir conclure la corrlation, lorsque lon dispose de 20 observations
(20 couples (x
i
, y
i
)), le coefficient de corrlation observ doit tre suprieur 0,444, ou infrieur
-0,444.
Autre formulation du test
On peut montrer que est, sous H
0
, distribu selon une loi de Student n-2 ddl.
r
1
n 1
------------ x
i
m
x
( ) y
i
m
y
( )
i

s
X
s
Y
--------------------------------------------------------------- =
IP
1 o
corr
o
n 2 ( ) ; corr
o
n 2 ( ) | | corr
o
n 2 ( ) , =
t r
n 2
1 r
2

------------- =
Liaison entre deux variables continues : notion de corrlation
160/179 Biostatistique - Carrat, Mallet, Morice 2013 - 2014
Si on prfre utiliser ce paramtre plutt que r, il faut lire la table de Student pour construire lin-
tervalle de pari.
Liaison entre deux variables continues : notion de corrlation
2013 - 2014 Biostatistique - Carrat, Mallet, Morice 161/179
Rsum du chapitre
1. La corrlation entre deux variables alatoires quantitatives X et Y se mesure laide du coef-
ficient de corrlation vrai :
Proprits:

Si X, Y indpendantes, alors (X, Y) =0


2. Disposant dun chantillon de n couples (x
i
, y
i
) on dfinit le coefficient de corrlation
observ:
Proprit:
3. Il existe un test de nullit du coefficient de corrlation vrai dont le paramtre est r.
4. Indpendance et corrlation sont des notions diffrentes; deux variables dont le coefficient
de corrlation vrai est nul peuvent tre lies.
X Y , ( )
E X E X ( ) | | Y E Y ( ) | | { }
o
X
o
Y
---------------------------------------------------------------- =
X Y , ( ) 1 ; 1 | | e
r
1
n 1
------------ x
i
m
x
( ) y
i
m
y
( )
i

s
X
s
Y
---------------------------------------------------------------
n
n 1
------------
1
n
--- x
i
y
i
i

m
x
m
y

\ .
|
| |
s
X
s
Y
-------------------------------------------------------- = =
r 1 ; 1 | | e
Liaison entre deux variables continues : notion de corrlation
162/179 Biostatistique - Carrat, Mallet, Morice 2013 - 2014
Mthodologie des tudes pidmiologiques
2013 - 2014 Biostatistique - Carrat, Mallet, Morice 163/179
Chapitre 15
Mthodologie des tudes
pidmiologiques
The world is richer in associations than meanings, and it is the part of wisdom to differentiate the
two. J ohn Barth
15.1 La causalit
La causalit est une thmatique centrale en philosophie des sciences et en logique, et les premiers
crits sur ce sujet remontent Aristote. J usquau 18
me
sicle, la causalit nait de lobservation, et
les connaissances sont construites partir des observations sans ide prconues du rel (infrence
dite inductive). Nous formons alors une sorte danticipation, qui nous reprsente que le second v-
nement (leffet) doit se produire quand le premier (la cause) se produit - mme si les mcanismes
explicatifs liant ces deux vnements nous chappent. Dans la vie courante, lacquisition de nos
apprentissages ou lapplication des rgles de bon sens, illustrent cette conception de la causa-
lit. Hume, philosophe cossais, montrera pourtant les limites de ce principe et limpossibilit de
prouver la relation causale de lobservation de la succession de deux vnements dont on ne peut
jamais exclure la concidence.
Le questionnement sur la causalit en mdecine est galement ancien. Claude Bernard crit en
1865:
Lesprit de lhomme ne peut concevoir un effet sans cause, de telle sorte que la vue dun phno-
mne veille toujours en lui une ide de causalit. Toute la connaissance humaine se borne re-
monter des effets observs leur cause. la suite dune observation, une ide relative la cause
du phnomne observ se prsente lesprit ; puis on introduit cette ide anticipe dans un rai-
sonnement en vertu duquel on fait des expriences pour la contrler.
On retrouve dans ce propos une conception diffrente de la causalit: il sagit de dduire (au sens
strict) les consquences dune hypothse et ensuite de comparer ces consquences aux donnes.
Sil y a dsaccord, alors lhypothse est rfute. Dans le cas contraire, lhypothse nest pas prou-
ve mais notre croyance en elle sen trouve renforce. Cette conception, de type dductif, formali-
se par Karl Popper au dbut du 20
me
sicle, sest impose comme le socle de la dcouverte
scientifique.
Des livres dpidmiologie entiers, dont certains trs mathmatiques utilisant les outils de la lo-
gique, traitent de ce problme de la causalit. On retiendra quune relation causale entre deux ca-
ractres pourra tre voque lorsque lun des deux est contrl. Lessai contrl est la seule
Mthodologie des tudes pidmiologiques
164/179 Biostatistique - Carrat, Mallet, Morice 2013 - 2014
mthode qui permet de mesurer leffet causal dune intervention, par exemple un traitement, sur
un vnement, par exemple, la gurison dune maladie.
15.2 Dmarche exprimentale et dmarche
dobservation
Caractre contrl ; caractre alatoire
Dans ce qui suit, les termes caractre, caractristique, variable et facteur sont considrs
comme synonymes.
On dit dun caractre quil est contrl lorsque sa dtermination nous appartient.
Exemple : on sintresse leffet dun traitement sur la survenue dun type de cancer chez
des souris. Le caractre absence ou prsence du traitement est contrl car dtermin par
lexprimentateur.
Dans le cas contraire, on dit que le caractre est alatoire. Exemple : la survenue du can-
cer chez la souris.
Lorsquon envisage un problme de liaison entre deux variables (cela recouvre tous les pro-
blmes que lon a rencontrs) un au plus des caractres peut tre contrl.
Dmarche exprimentale
Lorsque lexprience se conduit avec un facteur contrl, on dit que lon suit une d-
marche exprimentale. Dans ce cas, au cours de la constitution de lchantillon qui per-
mettra de mettre en uvre les tests, on dcide du choix de la valeur dun caractre (par
exemple, on dcide si le X
me
patient sera trait ou non, et on tudie la gurison de la ma-
ladie).
Dmarche dobservation
Lorsque lexprience se conduit sur la base de deux facteurs alatoires, on dit que lon suit
une dmarche dobservation (par exemple, on observe si le X
me
sujet est fumeur ou non,
et on tudie la survenue de cancer).
Principe fondamental
La discussion de la causalit ne se conoit pas sans contrle dun des deux caractres tu-
dis.
Autrement dit, on ne peut mesurer un effet causal hors dune dmarche exprimentale.
Seule cette dmarche, en effet, permet dassurer que les individus constituant lchantillon
sont comparables en tout (homognes) sauf pour ce qui concerne le caractre contrl. En-
core faut-il assurer cette homognit et la mthode de rfrence est le tirage au sort. On
parle de randomisation pour lattribution par tirage au sort du caractre contrl, le traite-
ment.
Mthodologie des tudes pidmiologiques
2013 - 2014 Biostatistique - Carrat, Mallet, Morice 165/179
15.3 Les essais randomiss
15.3.1 Dfinition
Le but de lessai randomis est, grce une dmarche exprimentale rigoureuse, dvaluer leffi-
cacit dune intervention de sant, par exemple un nouveau traitement - on parle alors dessai th-
rapeutique randomis. Il peut sagir galement dune autre intervention mdicale, par exemple une
technique chirurgicale, un programme dducation pour la sant, un dispositif mdical, une m-
thode diagnostique.
Dans un essai thrapeutique pour une maladie, on cherche le plus souvent montrer quun nouveau
traitement a une efficacit suprieure celle du traitement habituellement utilis dans cette mala-
die, ou labsence de traitement (notamment lorsquil nexiste pas encore de traitement dusage
pour la maladie tudie). Parce que lattribution du traitement est contrle et dcide par tirage au
sort, on sera le cas chant en mesure de conclure quune diffrence defficacit est cause par le
traitement (au risque derreur statistique choisi). La ralisation dun essai thrapeutique ncessite
donc de dfinir le critre que lon utilisera pour juger de lefficacit - appel critre de jugement.
Des exemples de critres de jugement sont la rgression des symptmes dune maladie, la dure de
survie, la valeur dune constante biologique, un score de qualit de vie.... En pratique on distingue
les critres de jugement objectifs, reposant sur une grandeur valuable par une mesure physique
objective, par exemple la charge virale, la concentration de cholestrol sanguin, la survie, ... des
critres de jugement subjectifs, qui peuvent tre influencs par des effets de type psychologique,
par exemple la douleur, lanxit, la qualit de vie, la mesure dune impotence une preuve de
marche, ... Lessai thrapeutique doit tre organis afin de limiter au maximum les biais pouvant
modifier le droulement de lessai ou linterprtation du critre de jugement.
15.3.2 Comment limiter les biais dans le droulement dun
essai thrapeutique randomis ? Aveugle et placebo
Le placebo est une prsentation lidentique du mdicament ltude mais qui ne contient pas le
principe actif. Ainsi lorsquun essai randomis contre placebo est ralis, un sujet dans lessai re-
cevra au hasard soit le mdicament ltude soit une copie de ce mdicament, et ni ce sujet, ni le
mdecin qui le prend en charge dans ltude, ni la personne (souvent le mdecin) qui valuera le
critre de jugement ne sauront ce qui est rellement pris. On parle dans ce cas de mise en insu ou
daveugle. Les sujets recevant le placebo constituent ce que lon appelle le groupe tmoin (ou
groupe contrle par anglicisme). Laveugle est justifi pour deux raisons principales: 1) dune
part, parce quil garantit que les patients seront a priori pris en charge et suivis de la mme manire
dans lessai quel que soit le groupe dans lequel ils ont t randomiss. En labsence daveugle, un
patient recevant, par exemple, un placebo, pourrait tre amen plus facilement interrompre rapi-
dement sa participation dans lessai (puisquil a le placebo) pour pouvoir bnficier dun autre trai-
tement, contrairement un patient recevant le traitement ltude; un patient recevant le
traitement ltude pourrait faire lobjet de plus dattention que celui du groupe placebo et 2)
Mthodologie des tudes pidmiologiques
166/179 Biostatistique - Carrat, Mallet, Morice 2013 - 2014
dautre part, parce quil permet dviter une interprtation tendancieuse ou biaise du critre de ju-
gement si celui-ci est subjectif. Lvaluateur dune douleur rsiduelle 6 mois aprs le dbut de les-
sai sera invitablement influenc dans son jugement sil connat le groupe du patient, et aura
tendance trouver une plus grande efficacit sur la douleur chez les patients qui reoivent le trai-
tement ltude que chez les patients du groupe tmoin.
Dailleurs, en cas dabsence daveugle, le simple fait de soumettre un sujet un traitement amliore
souvent un critre de jugement subjectif, mme si ce traitement na aucune efficacit intrinsque:
cest leffet placebo.
Leffet placebo est dfini comme lcart positif constat entre leffet thrapeutique observ et lef-
fet pharmacologique propre dun mdicament. Si lon donne une substance inerte sur le plan phar-
macologique, on observera uniquement un effet placebo. On considre ainsi que lhomopathie ou
dautres mdecines douces, relvent uniquement de leffet placebo et donc que leffet de ces
thrapeutiques est exclusivement subjectif. Dans un essai en aveugle, leffet placebo est rparti de
la mme manire entre les deux groupes de patients, et la diffrence observe est donc imputable
aux seules proprits pharmacologiques du traitement.
Un essai contre placebo en aveugle peut porter sur dautres interventions que le seul mdicament.
Un exemple clbre rcent porte sur la chirurgie du genou chez les sujets obses. J usque rcem-
ment, tous les essais indiquaient une amlioration franche de la douleur et de la mobilit chez les
sujets randomiss dans le groupe ayant subi lintervention chirurgicale ligamentaire par rapport
ceux randomiss dans le groupe sans intervention. J usquau jour o un essai fut conduit comparant
des sujets chez qui lintervention sur les ligaments tait ralise, des sujets endormis et chez les-
quels un simulacre dintervention (ouverture/fermeture simple de la cavit articulaire) tait ralis.
Le rsultat montrait lamlioration de la douleur dans les deux groupes (leffet placebo), et lab-
sence de diffrence entre les deux groupes (donc labsence defficacit intrinsque de linterven-
tion).
15.3.3 Comment limiter les biais dans lanalyse dun essai
thrapeutique randomis ? Intention de traiter
Lanalyse des rsultats dun essai thrapeutique est effectue grce la mthode statistique. Ce
sont les tests statistiques qui permettent de conclure si les diffrences observes entre le groupe de
sujets traits et le groupe de sujets non traits ou recevant le placebo permettent de rejeter ou non
lhypothse dgalit de traitement, cest--dire de conclure quun traitement est ou non meilleur
que lautre. De faon tout fait gnrale, les tests employs sont des tests bilatraux. De faon tout
aussi gnrale, dans ce type dessai de supriorit ou defficacit, lanalyse statistique est effectue
selon le principe de lintention de traiter. Ce principe consiste considrer le patient dans lessai
littralement tel quon avait lintention de le traiter , cest dire, dans le groupe dans lequel il
avait t randomis - peu importe ce qui a t rellement pris. Par exemple, un patient randomis
dans le groupe placebo pourrait en ralit recevoir le traitement lessai pendant toute la dure de
ltude, par simple erreur au moment de la dlivrance du mdicament : quand bien mme, ce pa-
tient sera analys dans le groupe placebo. Le principe de lanalyse en intention de traiter a pour
objectif de prserver les bnfices de la randomisation au moment de lanalyse des rsultats, et de
limiter les biais lis aux carts entre le protocole de lessai et la conduite de celui-ci. En pratique,
la consquence implicite dune analyse en intention de traiter sera que tout patient randomis sera
Mthodologie des tudes pidmiologiques
2013 - 2014 Biostatistique - Carrat, Mallet, Morice 167/179
inclus dans lanalyse y compris ceux nayant pas bien voire pas du tout pris le traitement qui leur
tait allou.
Cependant, les tudes randomises ne sont pas toujours ralisables do limportance de la ques-
tion de causalit dans les tudes observationnelles en mdecine. En particulier, si lexprimentation
peut parfois permettre de mesurer un effet causal entre un traitement et une maladie, elle est trs
souvent impossible lorsque la cause potentielle tudie est un risque.
15.4 Les tudes dobservation
On regroupe sous cette terminologie, les tudes dont lobjectif est didentifier les facteurs associs
des vnements de sant et ne reposant pas sur une dmarche exprimentale. Il est en effet contre
les principes thiques dexposer une personne une cause potentielle de maladie pour tudier com-
ment celle-ci survient - par exemple faire fumer par tirage au sort des sujets pour tudier le rle du
tabac dans les cancers. En revanche, les personnes delles-mmes se rpartissent souvent en expo-
ses / non exposes (ex: fumeur/non fumeur), et le but de ces tudes dobservation sera donc
dtayer avec la meilleure dmarche possible lhypothse teste partir de ces observations.
Les tudes dobservation peuvent tre catgorises en cohortes - cas-tmoins et transversales;
prospectives et rtrospectives. On notera que cette terminologie peut sappliquer galement la d-
marche exprimentale: un essai thrapeutique est une tude prospective imposant un recueil de
donnes longitudinales. Dans les tudes dobservation, on tudie le plus souvent lassociation entre
une exposition et un vnement de sant.
Lexposition peut tre un risque (par exemple fumer, un polymorphisme gntique), ou un bnfice
(par exemple un traitement, le poids). Des vnements de sant sont par exemple, la survenue
dune maladie, une gurison, un dcs, une rcidive, etc...
15.4.1 Cohortes - Cas-tmoins et tudes transversales
Etudes de cohorte
Une cohorte tait le dixime dune lgion romaine. Cest plus gnralement un ensemble
de sujets. Dans une tude dite de cohorte les sujets sont rpartis en groupes en fonction
de leur exposition (par exemple, fumeur/non fumeur) et lvnement nest pas survenu au
moment o cette rpartition est faite. Chacun de ces groupes dfinit une sous cohorte,
et la comparaison du taux de survenue de lvnement entre ces diffrentes sous cohortes,
permettra de mesurer lassociation entre exposition et vnement. Dun point de vue pra-
tique ltude de cohorte est la dmarche dobservation la plus proche de lessai rando-
mis, la principale diffrence tant que dans un essai, lattribution de lexposition (le
traitement) est ralise par tirage au sort.
Etudes cas-tmoins
Dans une tude cas-tmoins (ou cas-contrle), les groupes de sujets sont constitus en
fonction de leur ralisation ou non de lvnement de sant : les cas sont par exemple
les malades atteints dun cancer et les tmoins, des sujets non atteints de ce cancer. On com-
Mthodologie des tudes pidmiologiques
168/179 Biostatistique - Carrat, Mallet, Morice 2013 - 2014
pare les niveaux dexposition dans ces deux groupes pour tudier lassociation entre expo-
sition et vnement de sant. En gnral, on choisit de un 4 tmoins pour chaque cas et la
proportion de malades dans ltude est compltement dtermine (de 50% pour 1 tmoin
pour 1 cas, 20% pour 4 tmoins par cas), et ne correspond en rien la proportion de ma-
lades dans la population cible.
Etudes transversales
Une tude transversale est une tude descriptive dont le principe est essentiellement de
recueillir simultanment des informations sur expositions et vnements de sant sur un
chantillon reprsentatif de la population cible - celle laquelle on souhaite pouvoir extra-
poler les rsultats. Les enqutes de prvalence sont un exemple typique de ces tudes trans-
versales, dans lesquelles on value le nombre de malades prsents un instant dans la
population, et qui identifie les facteurs associs aux variations de prvalence. Ces tudes
transversales sont limites par labsence de description temporelle des expositions (et des
vnements), mais peuvent permettre didentifier des relations entre vnement de sant et
exposition lorsque celles-ci sont invariables dans le temps (par exemple, le sexe, le groupe
sanguin, ...).
15.4.2 Etudes prospectives et rtrospectives
Une tude est dite prospective lorsque lexposition est mesure avant la survenue de lvnement
tudi. Une tude est dite rtrospective lorsque la mesure de lexposition survient aprs la surve-
nue de lvnement. Par exemple, une tude dans laquelle on mesure la consommation journalire
de tabac, et dans laquelle on observe la survenue de cancer au cours du suivi des sujets est une tude
prospective; a contrario, demander la consommation de tabac des dix dernires annes des sujets
ayant un cancer est une tude rtrospective. On notera que cette dfinition de prospective/rtros-
pective nest pas consensuelle, et les pidmiologistes modernes recommandent de ce fait, de ne
plus utiliser cette terminologie.
15.4.3 Donnes longitudinales
On dit que les donnes sont longitudinales lorsque quil existe plusieurs mesures travers le temps
par sujet. Par exemple, la mesure du taux de cholestrol chez un sujet tous les 6 mois, ou la mesure
du statut fumeur/non fumeur au cours du temps est une donne longitudinale. Les mesures longi-
tudinales chez un mme sujet ne peuvent pas tre considres comme ralisation de variables ala-
toires indpendantes; par exemple, le taux de cholestrol dun sujet un instant quelconque
apporte une information sur le taux de cholestrol du mme sujet 6 mois plus tard. Il faudra tenir
compte de cette non-indpendance dans les analyses statistiques de ces donnes - qui seront sou-
vent complexes.
Mthodologie des tudes pidmiologiques
2013 - 2014 Biostatistique - Carrat, Mallet, Morice 169/179
15.4.4 En pratique
Le plus souvent, une tude de cohorte sera prospective, et aura recueilli des donnes longitudinales.
Le plus souvent une tude cas-tmoins sera rtrospective.
15.5 Mesures dassociation utilises en
pidmiologie
On traite le cas le plus simple o une exposition est rpartie en deux niveaux (oui/non, prsent/ab-
sent, expos/ non expos), et on notera E+lexposition, E- labsence dexposition au facteur tu-
di.
Lvnement dintrt est galement catgoris en deux niveaux, M+pour malade, M- pour non-
malade. On notera que dans le cas dun essai thrapeutique E+est le traitement ltude, et M-
peut tre dfini comme le succs thrapeutique, donc ce qui suit sapplique aussi bien lessai ran-
domis quaux tudes dobservation.
A partir de cette catgorisation, il est possible de dresser le tableau suivant :
On dfinit
le risque absolu chez les exposs, comme la proportion vraie de malades parmi les exposs
P(M+| E+), estim par n1/(n1+n2)
le risque absolu chez les non exposs, comme la proportion de malades chez les non exposs,
P(M+| E-), estim par n3/(n3+n4)
le risque relatif est une mesure dassociation, dfini comme le rapport des risques absolus
chez les exposs et non exposs, P(M+| E+) / P(M+| E-).
Ce risque est estim par n1/(n1+n2) / n3/(n3+n4)
le rapport des cotes (odds-ratio en anglais) est une autre mesure dassociation trs utilise en
biomdecine. Rappelons que la cote dun vnement est dfinie comme le rapport de sa pro-
babilit sur son complmentaire: jouer une cote de 9 contre 1 signifie jouer avec 9 chance
de perdre contre une chance de gagner.
Le rapport des cotes est dfini comme le rapport de la cote de la maladie chez les exposs
P(M+| E+)/P(M- | E+) sur la cote de la maladie chez les non-exposs P(M+| E-)/P(M- | E-),
mais aussi, par application du thorme de Bayes, comme le rapport de la cote des expositions
chez les malades P(E+| M+)/P(E- | M+), par la cote des expositions chez les non malades
P(E+| M-)/P(E- | M-). Il est estim par le rapport des produits croiss (n1n4) / (n2n3).
M+ M-
E+ n1 n2
E- n3 n4
Mthodologie des tudes pidmiologiques
170/179 Biostatistique - Carrat, Mallet, Morice 2013 - 2014
Le rapport des cotes est la seule quantit pertinente qui peut tre estime dans une tude cas-t-
moins puisque le nombre total de sujets non malades est dtermin par le nombre de tmoins choisi
par cas. Si la maladie est rare dans la population cible, aussi bien chez les exposs que chez les non-
exposs, P(M+) est proche de 0 et donc P(M-) voisin de 1, et P( M+| E+)/P(M- | E+) est voisin de
P( M+| E+) ; P(M+| E-)/P(M- | E-) proche de P(M+| E-) et donc le rapport des cotes dfini ci-des-
sus est proche de du risque relatif.
Le risque relatif et le rapport des cotes sont des quantits qui peuvent prendre les valeurs entre 0 et
linfini. Sous lhypothse (nulle) dindpendance entre lexposition et lvnement tudi, ces
deux quantits valent 1.
Un risque relatif ou un rapport de cotes suprieur 1 (conclusion que lon portera aprs avoir fait
le test dhypothse appropri) signifie que lexposition est un facteur de risque de lvnement tu-
di. Un risque relatif ou un rapport de cotes infrieur 1 signifie que lexposition est un facteur
protecteur de lvnement. Un risque relatif de 50 (par exemple) pour lexposition fumeur et
lvnement cancer du poumon sinterprte littralement comme il y a 50 fois plus de cancer
du poumon chez les fumeurs que chez les non fumeurs.
15.6 Risque attribuable, proportion de cas
vitables
Cette section a t crite par A.J. Valleron.
Le risque attribuable un facteur est la proportion des cas que lon pourrait viter en supprimant
ce facteur, lorsquil est causal. Par exemple, le risque de cancers du poumon attribuable au tabac
est de lordre de 90% (si on supprimait par magie le tabac, environ 10% des cancers des bronches
surviendraient encore, car ils sont dus dautres facteurs).
Soit :
N le nombre total de malades;
N
F
le nombre de malades exposs au facteur F ;
N
NF
le nombre de malades non exposs au facteur F.
On peut crire N =N
F
+N
NF
.
Parmi les N Pr(M) cas totaux de maladie, on ne peut viter les N Pr(M/NF) cas qui seraient sur-
venus de toute faon en labsence du facteur F. On peut esprer viter les NF autres. La proportion
maximale de cas que lon peut viter est donc:
Soit f la proportion de sujets exposs. En crivant que: Pr(M) =f Pr(M/F) +(1-f) Pr(M/NF) on
trouve que le risque attribuable vaut :
Pr M ( ) Pr M NF ( )
Pr M ( )
---------------------------------------------------
f RR 1 ( )
f RR 1 ( ) 1 +
---------------------------------
Mthodologie des tudes pidmiologiques
2013 - 2014 Biostatistique - Carrat, Mallet, Morice 171/179
Rsultat :
Dans une population o une proportion f des sujets est expose un facteur F augmentant
le risque de maladie, cette augmentation tant caractrise par le risque relatif RR = Pr(M/
F)/Pr(M/NF), le risque attribuable au facteur, cest dire la proportion maximale de cas qui
peut tre vite vaut
.
La proportion calcule grce cette formule est maximale: elle nest atteinte que si le facteur
F a un rle causal dans le dclenchement de la maladie. Par exemple, lexposition au tabac est un
facteur causal du cancer des bronches. Lalcoolisme ne lest pas. Pourtant, le risque relatif RR de
cancer des bronches chez les alcooliques est suprieur 1 parce que les alcooliques sont plus sou-
vent fumeurs que les non alcooliques. Lalcoolisme est appel facteur de confusion. Bien entendu,
en supprimant lalcool, on ne supprimerait pas le cancer des bronches!
f RR 1 ( )
f RR 1 ( ) 1 +
---------------------------------
Mthodologie des tudes pidmiologiques
172/179 Biostatistique - Carrat, Mallet, Morice 2013 - 2014
Rsum du chapitre
1. Lessai contrl randomis permet de mesurer de leffet causal dune intervention de sant,
un traitement par exemple.
2. La randomisation qui consiste tirer au sort lattribution de lintervention, permet dassurer
que les individus constituant lchantillon sont comparables en tout (homognes) sauf pour ce
qui concerne le caractre contrl.
3. Dans un essai randomis, le critre de jugement est la variable qui sera compare entre les
groupes pour juger de lefficacit de lintervention. On distingue critres de jugements objec-
tifs (ex: dcs) et subjectifs (ex: douleurs), ces derniers pouvant tre facilement influencs
par dautres effets que les effets propres de lintervention.
4. Leffet thrapeutique dans un essai est la somme de leffet pharmacologique propre et de lef-
fet placebo.
5. La mise en aveugle qui signifie que ni le patient, ni le mdecin qui le suit, ni lvaluateur du
critre ne savent dans quel groupe est randomis le patient, est utilise pour limiter les biais.
6. Lanalyse en intention-de-traiter signifie que lon compare le critre de jugement entre les
groupes tels quils ont t constitus par la randomisation. Elle implique que tous les patients
randomiss sont conservs dans lanalyse.
7. Dans une tude dobservation, il nest pas possible de conclure causalement, juste de mettre
en vidence des associations entre expositions (par exemple fumer) et vnement de sant
(par exemple un cancer).
8. Les tudes dobservations visent identifier les facteurs associs des vnements de sant;
il sagit souvent de risques.
9. On distingue les tudes de cohortes, o les sujets sont rpartis en groupes en fonction de leur
exposition (ex: fumeur/non fumeur) ; les tudes cas-tmoins, o les sujets sont rpartis en
groupes en fonction de la ralisation ou non de lvnement de sant (ex cancer/ pas cancer) ;
les tudes transversales, o expositions et vnements sont mesurs simultanment.
10. Une tude est dite prospective lorsque lexposition est mesure avant la survenue de lvne-
ment tudi. Une tude est dite rtrospective lorsque la mesure de lexposition survient aprs
la survenue de lvnement.
11. Le risque relatif et le rapport des cotes mesurent la force de lassociation entre lexposition et
lvnement de sant tudi. Ils valent 1 en cas dabsence dassociation.
Tables statistiques
2013 - 2014 Biostatistique - Carrat, Mallet, Morice 173/179
Annexe A
Tables statistiques
Tables statistiques
174/179 Biostatistique - Carrat, Mallet, Morice 2013 - 2014
A.1 TABLE DE LA VARIABLE NORMALE
REDUITE Z
La probabilit o sobtient par addition des nombres inscrits en marge
exemple: pour u
o
=0,994, la probabilit est o =0,30+0,02=0,32
(daprs Fisher et Yates, Statistical tables for biological, agricultural, and medical research (Oliver
and Boyd, Edinburgh) avec laimable autorisation des auteurs et des diteurs)
o 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
0,00 2,576 2,326 2,170 2,054 1,960 1,881 1,812 1,751 1,695
0,10 1,645 1,598 1,555 1,514 1,476 1,440 1,405 1,372 1,341 1,311
0,20 1,282 1,254 1,227 1,200 1,175 1,150 1,126 1,103 1,080 1,058
0,30 1,036 1,015 0,994 0,974 0,954 0,935 0,915 0,896 0,878 0,860
0,40 0,842 0,824 0,806 0,789 0,772 0,755 0,739 0,722 0,706 0,690
0,50 0,674 0,659 0,643 0,628 0,613 0,598 0,583 0,568 0,553 0,539
0,60 0,524 0,510 0,496 0,482 0,468 0,454 0,440 0,426 0,412 0,399
0,70 0,385 0,372 0,358 0,345 0,332 0,319 0,305 0,292 0,279 0,266
0,80 0,253 0,240 0,228 0,215 0,202 0,189 0,176 0,164 0,151 0,138
0,90 0,126 0,113 0,100 0,088 0,075 0,063 0,050 0,038 0,025 0,013
TABLE POUR LES PETITES VALEURS DE LA PROBABILIT
o 0,001 0,000 1 0,000 01 0,000 001 0,000 000 1 0,000 000 01 0,000 000 001
u
o
3,29053 3,89059 4,41717 4,89164 5,32672 5,73073 6,10941
Tables statistiques
2013 - 2014 Biostatistique - Carrat, Mallet, Morice 175/179
A.2 TABLE DU TEST DE WILCOXON
Table adapte de Siegel
Indique, pour n s 15 les valeurs de W
o
pour o =0,05, 0,02 et 0,01.
n
o
0,05 0,02 0,01
6 2,118
7 1,961 2,299
8 2,044 2,324 2,464
9 2,026 2,263 2,381
10 1,947 2,253 2,456
11 2,009 2,276 2,454
12 2,008 2,322 2,479
13 1,964 2,313 2,523
14 1,952 2,329 2,517
15 1,965 2,306 2,533
Tables statistiques
176/179 Biostatistique - Carrat, Mallet, Morice 2013 - 2014
A.3 TABLE DU TEST DE MANN-
WHITNEY-WILCOXON
Table adapte de Siegel
Indique, pour n
A
s 10 et n
B
s 10, n
A
s n
B
, les valeurs de M
o
, pour o=0,05 et o=0,01.
Exemple: n
A
=5, n
B
=8: M
0,05
=1,991
n
B
n
A
o
3 4 5 6 7 8 9 10
4 0,05 2,333 1,905
0,01 2,687 2,483
5 0,05 2,117 2,107 2,110
0,01 2,415 2,596 2,528
6 0,05 1,962 2,047 2,118 2,018
0,01 2,479 2,473 2,483 2,498
7 0,05 2,074 2,003 1,965 2,086 2,057
0,01 2,530 2,570 2,615 2,514 2,568
8 0,05 1,960 1,970 1,991 2,014 2,037 1,953
0,01 2,572 2,480 2,576 2,530 2,500 2,584
9 0,05 2,052 2,099 2,013 1,956 2,022 1,982 2,040
0,01 2,422 2,561 2,680 2,546 2,551 2,560 2,570
10 0,05 1,961 2,065 2,033 2,017 2,010 2,008 2,009 2,011
0,01 2,366 2,489 2,523 2,560 2,498 2,541 2,580 2,540
Tables statistiques
2013 - 2014 Biostatistique - Carrat, Mallet, Morice 177/179
A.4 TABLE DE _
2
Exemple: avec d. d. l. =3, pour K
3;o
=0,584 la probabilit est o =0,90
(daprs Fisher et Yates, Statistical tables for biological, agricultural, and medical research (Oliver
and Boyd, Edinburgh) avec laimable autorisation des auteurs et des diteurs)
La table donne la probabilit o pour que _
2
gale
ou dpasse une valeur donne, en fonction du
nombre de degrs de libert (d. d. l.)
Quand le nombre de degrs de libert est lev,
est peu prs distribu normalement
autour de avec une variance
gale 1
o 0,90 0,50 0,30 0,20 0,10 0,05 0,02 0,01 0,001
ddl
1 0,0158 0,455 1,074 1,642 2,706 3,841 5,412 6,635 10,827
2 0,211 1,386 2,408 3,219 4,605 5,991 7,824 9,210 13,815
3 0,584 2,366 3,665 4,642 6,251 7,815 9,837 11,345 16,266
4 1,064 3,357 4,878 5,989 7,779 9,488 11,668 13,277 18,467
5 1,610 4,351 6,064 7,289 9,236 11,070 13,388 15,086 20,515
6 2,204 5,348 7,231 8,558 10,645 12,592 15,033 16,812 22,457
7 2,833 6,346 8,383 9,803 12,017 14,067 16,622 18,475 24,322
8 3,490 7,344 9,524 11,030 13,362 15,507 18,168 20,090 26,125
9 4,168 8,343 10,656 12,242 14,684 16,919 19,679 21,666 27,877
10 4,865 9,342 11,781 13,442 15,987 18,307 21,161 23,209 29,588
11 5,578 10,341 12,899 14,631 17,275 19,675 22,618 24,725 31,264
12 6,304 11,340 14,011 15,812 18,549 21,026 24,054 26,217 32,909
13 7,042 12,340 15,119 16,985 19,812 22,362 25,472 27,688 34,528
14 7,790 13,339 16,222 18,151 21,064 23,685 26,873 29,141 36,123
15 8,547 14,339 17,322 19,311 22,307 24,996 28,259 30,578 37,697
16 9,312 15,338 18,418 20,465 23,542 26,296 29,633 32,000 39,252
17 10,085 16,338 19,511 21,615 24,769 27,587 30,995 33,409 40,790
18 10,865 17,338 20,601 22,760 25,989 28,869 32,346 34,805 42,312
19 11,651 18,338 21,689 23,900 27,204 30,144 33,687 36,191 43,820
20 12,443 19,337 22,775 25,038 28,412 31,410 35,020 37,566 45,315
21 13,240 20,337 23,858 26,171 29,615 32,671 36,343 38,932 46,797
22 14,041 21,337 24,939 27,301 30,813 33,924 37,659 40,289 48,268
23 14,848 22,337 26,018 28,429 32,007 35,172 38,968 41,638 49,728
24 15,659 23,337 27,096 29,553 33,196 36,415 40,270 42,980 51,179
25 16,473 24,337 28,172 30,675 34,382 37,652 41,566 44,314 52,620
26 17,292 25,336 29,246 31,795 35,563 38,885 42,856 45,642 54,052
27 18,114 26,336 30,319 32,912 36,741 40,113 44,140 46,963 55,476
28 18,939 27,336 31,391 34,027 37,916 41,337 45,419 48,278 56,893
29 19,768 28,336 32,461 35,139 39,087 42,557 46,693 49,588 58,302
30 20,599 29,336 33,530 36,250 40,256 43,773 47,962 50,892 59,703
2_
2
2 d.d.l. ( ) 1
Tables statistiques
178/179 Biostatistique - Carrat, Mallet, Morice 2013 - 2014
A.5 TABLE DU COEFFICIENT DE
CORRELATION
Exemple: avec d. d. l. =30, pour r
o
=0,3494 la probabilit est o =0,05
(daprs Fisher et Yates, Statistical tables for biological, agricultural, and medical research (Oliver
and Boyd, Edinburgh) avec laimable autorisation des auteurs et des diteurs)
La table indique la probabilit o pour que
le coefficient de corrlation gale ou
dpasse, en valeur absolue, une valeur
donne r
o
, cest--dire la probabilit ext-
rieure lintervalle (- r
o
, +r
o
), en fonc-
tion du nombre de degrs de libert (d. d.
l.)
ddl \ o 0,10 0,05 0,02 0,01
1 0,9877 0,9969 0,9995 0,9999
2 0,9000 0,9500 0,9800 0,9900
3 0,8054 0,8783 0,9343 0,9587
4 0,7293 0,8114 0,8822 0,9172
5 0,6694 0,7545 0,8329 0,8745
6 0,6215 0,7067 0,7887 0,8343
7 0,5822 0,6664 0,7498 0,7977
8 0,5494 0,6319 0,7155 0,7646
9 0,5214 0,6021 0,6851 0,7348
10 0,4973 0,5760 0,6581 0,7079
11 0,4762 0,5529 0,6339 0,6835
12 0,4575 0,5324 0,6120 0,6614
13 0,4409 0,5139 0,5923 0,6411
14 0,4259 0,4973 0,5742 0,6226
15 0,4124 0,4821 0,5577 0,6055
16 0,4000 0,4683 0,5425 0,5897
17 0,3887 0,4555 0,5285 0,5751
18 0,3783 0,4438 0,5155 0,5614
19 0,3687 0,4329 0,5034 0,5487
20 0,3598 0,4227 0,4921 0,5368
25 0,3233 0,3809 0,4451 0,4869
30 0,2960 0,3494 0,4093 0,4487
35 0,2746 0,3246 0,3810 0,4182
40 0,2573 0,3044 0,3578 0,3932
45 0,2428 0,2875 0,3384 0,3721
50 0,2306 0,2732 0,3218 0,3541
60 0,2108 0,2500 0,2948 0,3248
70 0,1954 0,2319 0,2737 0,3017
80 0,1829 0,2172 0,2565 0,2830
90 0,1726 0,2050 0,2422 0,2673
100 0,1638 0,1946 0,2301 0,2540
Tables statistiques
2013 - 2014 Biostatistique - Carrat, Mallet, Morice 179/179
A.6 TABLE DU t DE STUDENT
Exemple: avec d. d. l. =10, pour t =2,228, la probabilit est o =0,05
(daprs Fisher et Yates, Statistical tables for biological, agricultural, and medical research (Oliver
and Boyd, Edinburgh) avec laimable autorisation des auteurs et des diteurs)
o 0,90 0,50 0,30 0,20 0,10 0,05 0,02 0,01 0,001
ddl
1 0,158 1,000 1,963 3,078 6,314 12,706 31,821 63,657 636,619
2 0,142 0,816 1,386 1,886 2,920 4,303 6,965 9,925 31,598
3 0,137 0,765 1,250 1,638 2,353 3,182 4,541 5,841 12,924
4 0,134 0,741 1,190 1,533 2,132 2,776 3,747 4,604 8,610
5 0,132 0,727 1,156 1,476 2,015 2,571 3,365 4,032 6,869
6 0,131 0,718 1,134 1,440 1,943 2,447 3,143 3,707 5,959
7 0,130 0,711 1,119 1,415 1,895 2,365 2,998 3,499 5,408
8 0,130 0,706 1,108 1,397 1,860 2,306 2,896 3,355 5,041
9 0,129 0,703 1,100 1,383 1,833 2,262 2,821 3,250 4,781
10 0,129 0,700 1,093 1,372 1,812 2,228 2,764 3,169 4,587
11 0,129 0,697 1,088 1,363 1,796 2,201 2,718 3,106 4,437
12 0,128 0,695 1,083 1,356 1,782 2,179 2,681 3,055 4,318
13 0,128 0,694 1,079 1,350 1,771 2,160 2,650 3,012 4,221
14 0,128 0,692 1,076 1,345 1,761 2,145 2,624 2,977 4,140
15 0,128 0,691 1,074 1,341 1,753 2,131 2,602 2,947 4,073
16 0,128 0,690 1,071 1,337 1,746 2,120 2,583 2,921 4,015
17 0,128 0,689 1,069 1,333 1,740 2,110 2,567 2,898 3,965
18 0,127 0,688 1,067 1,330 1,734 2,101 2,552 2,878 3,922
19 0,127 0,688 1,066 1,328 1,729 2,093 2,539 2,861 3,883
20 0,127 0,687 1,064 1,325 1,725 2,086 2,528 2,845 3,850
21 0,127 0,686 1,063 1,323 1,721 2,080 2,518 2,831 3,819
22 0,127 0,686 1,061 1,321 1,717 2,074 2,508 2,819 3,792
23 0,127 0,685 1,060 1,319 1,714 2,069 2,500 2,807 3,767
24 0,127 0,685 1,059 1,318 1,711 2,064 2,492 2,797 3,745
25 0,127 0,684 1,058 1,316 1,708 2,060 2,485 2,787 3,725
26 0,127 0,684 1,058 1,315 1,706 2,056 2,479 2,779 3,707
27 0,127 0,684 1,057 1,314 1,703 2,052 2,473 2,771 3,690
28 0,127 0,683 1,056 1,313 1,701 2,048 2,467 2,763 3,674
29 0,127 0,683 1,055 1,311 1,699 2,045 2,462 2,756 3,659
30 0,127 0,683 1,055 1,310 1,697 2,042 2,457 2,750 3,646
0,126 0,674 1,036 1,282 1,645 1,960 2,326 2,576 3,291