Vous êtes sur la page 1sur 19

Statistiques L2S3

1
INTRODUCTION
I . VOCABULAI RE
Donne statistique : rsultat de lobservation dune variable pour un individu.
Population : totalit des individus sur lesquels portent certaines proccupations.
Echantillon : sous-ensemble/ partie de la population pour lesquelles on collecte les donnes.
Statistiques descriptives : dcrire, rsumer les donnes sans se proccuper du champ de la collecte.
Les statistiques inductives (ou informelles) sont un ensemble de mthodes qui font le cheminement :
gnraliser quelque chose une population partir de lobservation dun chantillon .
Remarques : Certaines populations sont finies donc observables (tudiant L2 psycho Angers) et dautres
populations sont quasi-infinies, donc inobservables. Travailler avec un chantillon permet une rduction du
cot, un gain de temps, une augmentation des possibilits dtudes.
I I . I NDI CATEURS USUELS EN STATI STI QUES DESCRI PTI VE
Nous rutiliserons la moyenne arithmtique et la variance on considre une variable quantitative X pour
laquelle on dispose de N observations.
Cf. formulaire L1
I I I . CONSTI TUTI ON DES ECHANTI LLONS
Lchantillonnage (ou sondage) : ensemble des oprations de prlvement dun chantillon.
A. METHODE DECHANTILLONAGE
1. Echantillonnage raisonn
Mthode de quotas : Lchantillon est choisie pour constituer une image fidle de la population pour certaines
variables, appeles variables de contrle. Lenquteur choisi les enquts avec comme contrainte le respect de
certains quotas pour les variables de contrle (lge, le sexe, catgorisation socio-professionnelle). Les
variables de contrle doivent tre corrles avec le domaine de ltude. Leur rpartition doit tre connue de la
population.
Avantage : Cot trs faible, dlais trs court, cela traite (en les oubliant) les refus de rponse.
2. Echantillonnage alatoire
Echantillonnage alatoire simple :
Mthode dans laquelle chaque chantillon (deffectif donn) la mme probabilit dtre tir. Il faut une base
de sondage. Cependant, il y a des difficults de mise en uvre.
Echantillonnage par grappe :
On divise la population en grappe, on a une base de sondage de grappes. On tire un chantillon alatoire de
grappe. On interroge tous les individus des grappes tires. (Ex : immeuble, rue, village, une partie du
village). Ceci augmente la faisabilit dune enqute car le cot et le dlai sont rduits.
Rgle dOr : le bon chantillon est celui qui est alatoire, cest ce qui fonde la statistique inductive sur le
calcul des probabilits, cela donne une base scientifique lopration de gnralisation.
www.banquedesetudes.com
Statistiques L2S3
2
B. OUTILS ALEATOIRES
1. Tables de nombres alatoires
Outils ancien : cest une table qui contient des nombres obtenus par des procds alatoire (tirages,).
2. Gnrateur de nombres pseudo-alatoire :
Outils moderne : un gnrateur engendre des nombres par un procd dterministe qui simule le hasard.
Mthode de LEHMER :
M = diviseur k = multiplicateur Xo = graine
Xi + 1 = kXi (module M) cest--dire Xi + 1 est le reste obtenu quand on divise le produit kXi par M.
Exemple : calculer X1. X1 est le reste obtenu quand on divise le produit kXo par M.
M= 101 k = 89 Xo = 253
On calcul kXo = 89 x 23 = 2047 ; On divise le rsultat par M : X1 = 2047/101 = 27,.
X
1
= 27 X
2
=80 Ce gnrateur produit des nombres entiers compris entre 1 et 100 donc entre 1 et M-1.
Quand on divise ces nombres obtenus par M on obtient des nombres rationnels compris dans
lintervalle ]0 ;1[ A partir de ces nombres uniformment rpartis sur lintervalle on peut engendrer
des nombres rpartis selon nimporte quelle loi (binomiale, normale)
www.banquedesetudes.com
Statistiques L2S3
3
NOTIONS SUR LESTIMATION
I . I NTRODUCTI ON
On dispose dune population dont on extrait un chantillon, on utilise comme variable le poids et on considre
un paramtre dfini sur la population : le poids moyen des poissons de ltang. Il va falloir estimer ce
paramtre laide dun estimateur.
Exemple du pisciculteur, il utilise un chantillon deffectif 5 (0,3; 0,4; 0,4; 0,45; 0,5) et calcule la moyenne :

= 0,41 Cependant si on prlve un autre chantillon (0,4; 0,45; 0,45; 0,5;


0,5) on obtient une estimation de 0,46 qui est diffrente.
Lestimation varie avec lchantillon, il y a toujours une incertitude.
a. Dmarche population => chantillon : Thorie de lchantillonnage
On connait la rpartition de la variable dans la population, on cherche tudier les proprits de tous les
chantillons possibles. Cest une dmarche de probabilit, elle fournit les rsultats thoriques utiliss dans la
dmarche inverse.
b. Dmarche chantillon => population
On connait un chantillon et on cherche gnralise la population certaines proprits issus de ltude de
lchantillon.
La mthode destimation permet destimer la valeur inconnue dun paramtre de la population.
La mthode de tests statistiques permet de tester si une proprit de la population est acceptable ou non par
rapport lchantillon.
En statistique inductive on ne peut jamais avoir de certitude, il faut faire attention au risque de gnralisation
errone pour le contrler car on ne peut pas le supprimer.
I I . ESTI MATI ON POUR UNE VARI ABLE QUANTI TATI VE
a. Moyenne arithmtique
On sintresse la moyenne de la variable X dans la population : , on cherche donc lestimer :
Echantillon deffectif n dcrit par n variables statistiques : X
1
X
n
On utilise lestimation


I
que lon applique un chantillon pour obtenir
i
cest ce quon
appelle la moyenne destimation, elle va nous permettre destimer .
b. Variance
On sintresse la variance de X dans la population : , on cherche lestimer :
On utilise lestimation S
n
=

i
-

;
on obtient la variance descriptive ou de population : s
n
=

i
-
Cette formule un dfaut, elle sous-estime donc on la remplace par lestimateur
www.banquedesetudes.com
Statistiques L2S3
4
S
n-1
=



i
-

ce qui donne la variance inductive ou dchantillon s


n-1
=



i
-
Dans lexemple du pisciculteur : s
n-1
=0,0055
Pour la calculatrice casio lcart type descriptif est not x
n
et lcart type inductif x
n-1
I I I . ESTI MATI ON POUR UNE VARIABLE QUALITATIVE estimation dune proportion
On va envisager le cas dune variable qualitative et se restreindre au cas de 2 modalits notes

. On
veut estimer proportion inconnue dindividus prsentant la modalit A dans la population ; on la notera .
On extrait un chantillon alatoire deffectif n, dans lequel on observe n
A
individus prsentant la modalit A.
On choisit lestimateur naturel et on estime avec p = n
A
/ n ; cest la proportion dindividus prsentant la
modalit dans lchantillon.
Statistiques L2S3
5

INFLUENCE STATISTIQUE ET TESTS DHYPOTHESES
I . PRI NCI PES
Objet des tests dhypothses : prendre une dcision relative la population en situation dincertitude en
contrlant le risque li cette incertitude.
Ide ; Sappuyer sur lexprimentation pour dcider (lexprience fournit les donnes de lchantillon)
Effectuer un test statistique cest raliser 3 oprations :
- Enoncer une hypothse exprimentale laquelle on sintresse afin de la confirmer ou de linfirmer.
Cette hypothse se rejetter ou non, cest lhypothse nulle note H
0

- On oppose cette hypothse, elle joue le rle dopposant ou de recours en cas de rejet de H
0
, on
lappelle lhypothse alternative elle est note H
1

- Dterminer une procdure qui conduit prendre la dcision
o Rejeter H
0
et accepter H
1

o Ne pas rejeter H
0

A la fin de la procdure on doit comparer la ralit et la dcision prise :

Ne pas rejeter H
0
Rejeter H
0

H
0
vraie
(1-)
H
0
fausse
= 1-
: correspond la probabilit de rejeter H
0
alors que H
0
est vraie, cest la probabilit de rejeter tort H
0
.
Cest le risque derreur de 1
er
espce (de type I), aussi appel niveau de signification du test.
(1-) correspond la probabilit de ne pas rejeter H
0
quand elle est vraie
: correspond ne pas rejeter H
0
quand elle est fausse, cest le risque derreur de 2
nd
espce (type II)
= 1- : correspond la probabilit de rejeter H
0
quand elle est fausse, cest la puissance du test.
Exercices :
1) H
0
: il pleut / H
1
il ne pleut pas
Lerreur de 1
er
espce correspond dire que lon rejette H
0
, on considre quil ne pleut pas alors
quil pleut dehors, donc on met des tongs, on a les pieds mouills et on tombe malade.
Lerreur de 2
nd
espce correspond dire que lon ne rejette pas H
0,
on considre quil pleut alors
quil ne pleut pas donc on prend un parapluie mais on nen a pas besoin.
2) H
0
: catastrophe / H
1
:pas de catacstrophe
Lerreur de 1
er
espce correspond dire que lon rejette H
0
, on considre quil ny a pas de
catastrophe alors quil y a catastrophe, donc on meurt.
Lerreur de 2
nd
espce correspond dire que lon ne rejette pas H
0,
on considre quil va y a voir une
catastrophe alors quil ny en a pas donc on prend pas lavion et on survis.
On veut que la procdure permette de contrler les valeurs de et , cependant les risques sont antagonistes
donc si diminue augmente et inversement, ils ne peuvent pas tendre tous les deux vers 0, il ny a donc pas
de certitude.
I I . METHODE : polycopi
Etape 1 : Enoncer les hypothses H
0
et

H
1
Etape 2 : Fixer priori la valeur du risque
Etape 3 : Choisir lindicateur statistique du test et dterminer sa loi quand H
0
est vraie
Etape 4 : Dlimiter la zone de rejet de H
0
Etape 5 : Calculer la valeur numrique e la statistique du test partir des donnes de lchantillon
Etape 6 : Conclure le test
Statistiques L2S3
6


VARIABLES QUALITATIVES TEST DE PROPORTION
I. TEST DE COMPARAISON DUNE PROPORTION ET DUNE NORME (H1 bidirectionnelle)
3. Mthode exact (loi binomiale)
Etape 1 : Une variable quantitative 2 modalits : A et


= proportion inconnue dindividus A dans la population

o
= norme (compris entre 0 et 1)
Le jeu dhypothse revient comparer la proportion et la norme
o,
scrit :
H
o :
=
o

H
1
:
o
(ici lhypothse est bidirectionnelle ou bilatrale)
Exemple 1: le pisciculteur lve 2 espces A et

; les deux espces sont-elles ou non aussi rsistantes ?


Il y a autant de poissons A et

, la proportion de poisson A est gale 0,5 ; = 0,5 donc cette


hypothse correspond H
o.

Il ny a pas autant de poissons A et

, le proportion de poisson A nest plus gale 0,5 ; 0,5 donc


cette hypothse correspond H
1.
La norme correspond donc
o
= 0,5
Exemple 2 : le pisciculteur prlve un chantillon (avec remise)deffectif n=14 ; il obtient 11 poisson A.
Etape 2 : On fixe la valeur maxi de , ici 5% (
max
= 0,05)
Etape 3-4-5 : Calcul de la probabilit critique
On suppose H
o
vrai et on calcule ce qui se passe quand on tire un chantillon au hasard :
Epreuve de Bernouilli : prlever un poisson, 2 rsultats possibles : A (succs) ou

(non succs)
Schma de Bernouilli : prlever 14 poissons, n = 14
X = nombre de poissons A dans lchantillon ; X (14 ; 0,5)
NB : la probabilit de succs correspond au cas o H
o
est vrai, soit .
Selon la table obtenir un chantillon pour lequel X est voisin de np = 7 est un vnement frquent. Si on
obtient un tel chantillon on ne rejette pas H
o.
Obtenir

un chantillon tel que np 7 est un vnement rare, on devra donc rejeter H
o.
On peut dfinir un
ensemble qui incite rejeter H
o
: E
- Seuil 1 dfinis par la valeur observe, ici 11
- Seuil 2 dfinis par symtrie du seuil 1 par rapport np, ici 3
E ={0,1,2,3,11,12,13,14}
Calculer p(X E) =p(X=0) + p(X=1).p(X=14) = 0,0576 = probabilit critique du test.
Etape 6 :
Rgle de dcision
Si p
critique
<
max
on rejette H
o
Si p
critique
>
max
on ne peut pas rejeter H
o
Statistiques L2S3
7

Dans notre exemple p
critique
>
max
, on ne peut pas rejeter H
o
, on laccepte par abus : les poissons sont aussi
rsistants.
4. Mthode approche (loi normale rduite)
CONDITIONS DE VALIDITES
Cette mthode approch est valable seulement si n
o
5 et n(1-
o
) 5.
On choisira la mthode exacte quand cest possible cest--dire lorsque n
Etape 1 : identique
H
o :
=
o

H
1
:
o
Etape 2 : On fixe
max.
Pour notre exemple
max
=0.05
Etape 3 : On choisit la statistique

;
o
est la norme,

cest la proportion de A.
On suppose de H
o
est vrai et on approxime par une loi Normal N (0 ; 1)
Etape 4 : On dfinit la zone de rejet de H
o
quand est loigne de 0, cest--dire quand || est leve soit
quand || o S est 1 seuil positif. Pour S on crit p ( || ) =
max
avec U approxim par N (0 ; 1).
INSERER SCHEMA
On utilise la table pour dterminer S :


On obtient le seuil S et la zone de rejet bilatrale :
Dans notre exemple la zone de rejet correspond
Etape 5 : Calcule numrique de U partir des donnes de lchantillon.
Pour le cas du pisciculteur n = 14 et n
A
=11 donc U = 2,14
Etape 6 :
Rgle de dcision
Si on rejette H
o
et on accepte H
1
par abus
U appartient notre ensemble de rejet donc on rejette H
o
, les deux espces ne sont pas aussi rsistantes.
INSERER POLY DES REMARQUES

Statistiques L2S3
8

II. TEST DE COMPARAISON DUNE PROPORTION ET DUNE NORME (H1 unidirectionnelle)
1. Mthode exact (>)
Etape 1 :
On a une variable qualitative 2 modalits : A et


est la proportion dindividus A dans la population et
o
est la norme (comprise en 0 et 1)
Le jeu dhypothse :
H
o :
=
o
ou
o

H
1
: >
o
Dans notre exemple H
1
correspond lhypothse selon laquelle lespce A est plus rsistante que les

, cela
signifie quil y aura plus de poisson A, donc > 0,5, ceci correspond notre hypothse H
1
. Donc H
o
correspond lhypothse selon laquelle les poissons A ne sont pas plus rsistants.
Etape 2 : On fixe
max.
Pour notre exemple
max
=0.05
Etape 3-4-5 :
On suppose H
o
vrai et on calcule ce qui se passe quand on tire un chantillon au hasard :
Epreuve de Bernouilli : prlever un poisson, 2 rsultats possibles : A (succs) ou

(non succs)
Schma de Bernouilli : prlever 14 poissons, n = 14
X = nombre de poissons A dans lchantillon ; X (14 ; 0,5)
NB : la probabilit de succs correspond au cas o H
o
est vrai, soit .
On dtermine lensemble de rejet partir dun seuil inclus qui correspond la valeur observ, ici n
A
=11, puis
notre hypothse tant unidirectionnelle on sintresse aux possibilits donc E{11, 12, 13, 14}
Calculer p(X E) =p(X=11) + p(X=12) + p(X=13) +p(X=14) = 0,0288 = probabilit critique du test.
Etape 6 :
Rgle de dcision
Si p
critique
<
max
on rejette H
o
Si p
critique
>
max
on ne peut pas rejeter H
o
Dans notre exemple p
critique

max
, on rejette H
o
, on accepte H
1
par abus : les poissons A sont plus rsistants.
2. Mthode exact (<)
Etape 1 : Le jeu dhypothse :
H
o :
=
o
ou
o

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

Statistiques L2S3
9

3. Mthode approche (>)
CONDITIONS DE VALIDITES
Cette mthode approch est valable seulement si n
o
5 et n(1-
o
) 5.
On choisira la mthode exacte quand cest possible cest--dire lorsque n
Etape 1 : jeu dhypothse :
H
o :
=
o
ou
o

H
1
: >
o
Dans notre exemple H
1
correspond lhypothse selon laquelle lespce A est plus rsistante que les

, cela
signifie quil y aura plus de poisson A, donc > 0,5.
Etape 2 : On fixe
max.
Pour notre exemple
max
=0.05
Etape 3 : On choisit la statistique

;
o
est la norme,

cest la proportion de A.
On suppose que H
o
est vrai on approxime par une loi Normal N (0 ; 1)
Etape 4 : On dfinit la zone de rejet de H
o
quand est nettement plus grand que 0, cest--dire quand U est
nettement plus grand que 0 soit . Pour S on crit p ( ) =
max
avec U approxim par N (0 ; 1).
On utilise la table pour dterminer S :


On obtient le seuil S la lecture de la table et donc la zone de rejet unilatrale :
Dans notre exemple la zone de rejet correspond
Etape 5 : Calcule numrique de U partir des donnes de lchantillon.
Pour le cas du pisciculteur n = 14 et n
A
=11 donc U = 2,14
Etape 6 :
Rgle de dcision
Si on rejette H
o
et on accepte H
1
par abus
Dans notre exemple U appartient lensemble de rejet donc on doit rejeter H
o
et on accepte H
1
par abus.
Lespce A est plus rsistante.

Statistiques L2S3
10

4. Mthode approche (<)
Etape 1 : jeu dhypothse :
H
o :
=
o
ou
o

H
1
: <
o
Dans notre exemple H
1
correspond lhypothse selon laquelle lespce A est plus rsistante que les

, cela
signifie quil y aura plus de poisson A, donc < 0,5.
Etape 2 : On fixe
max.

Etape 3 : On choisit la statistique

;
o
est la norme,

cest la proportion de A.
On suppose que H
o
est vrai on approxime par une loi Normal N (0 ; 1)
Etape 4 : On dfinit la zone de rejet de H
o
quand est nettement plus grand que 0, cest--dire quand U est
nettement plus grand que 0 soit . Pour S on crit p ( ) =
max
avec U approxim par N (0 ; 1).
On utilise la table pour dterminer S :


On obtient le seuil S la lecture de la table et donc la zone de rejet unilatrale :
Etape 5 : Calcule numrique de U partir des donnes de lchantillon.
Etape 6 :
Rgle de dcision
Si on rejette H
o
et on accepte H
1
par abus

Statistiques L2S3
11

III. TEST DE COMPARAISON DE 2 PROPORTIONS (Observations indpendantes)
Ce test seffectue aussi par une mthode exacte, il sappelle alors test exact de Ficher.
Situation : On dispose dune variable qualitative deux modalits, elle est dfinis sur une deux populations :
Population 1 :
1
est la proportion inconnue de A / Population 2 :
2
est la proportion inconnue de A
On extrait 2 chantillons alatoires, un dans chaque population :
A

Total
Echantillon 1 n
11
n
12
n
1.

Echantillon 2 n
22
n
21
n
2.

Total n
.1
n
.2
n
..


Notations : On peut lire les 2 indices :
- Le premier i correspond lchantillon
- Le second j correspond la modalit
On considre les observations indpendantes car les individus qui composent les 2 chantillons sont distincts.
1. Cas dune hypothse H
1
Bidirectionnelle
CONDITIONS DE VALIDITES
min(n
.j
x n
i.
) > 5n
Etape 1 : On veut tester un jeu dhypothse : H
o :

1
=
2
/ H
1
:
1

2
On compare 2 rglages sur une machine et on observe la qualit des pices, la variable qualitative est la
qualit et elle a deux modalits, correct ou insuffisante. Les hypothses sont les suivantes :
- H
o :

1
=
2
: la qualit des pices est la mme, elle ne dpend pas des rglages
- H
1
:
1

2 :
la qualit des pices nest pas la mme, elle dpend des rglages
Etape 2 : On fixe
max.
Pour notre exemple
max
=0.05
Etape 3 : On choisit la statistique

)

On suppose que H
o
est vrai on approxime par une loi Normal N (0 ; 1)
Etape 4 : On dfinit la zone de rejet de H
o
quand est loigne de 0, cest--dire quand || est leve soit
quand || o S est 1 seuil positif. Pour S on crit p ( || ) =
max
avec U approxim par N (0 ; 1).
On utilise la table pour dterminer S :


On obtient le seuil S et la zone de rejet bilatrale :
Dans notre exemple la zone de rejet correspond
Etape 5 : Calcul de U
Etape 6 :
Rgle de dcision
Si on rejette H
o
et on accepte H
1
par abus
Dans notre exemple on ne peut pas rejeter donc on accepte H
o
par abus.
Statistiques L2S3
12

2. Cas dune hypothse H
1
(>)
Etape 1 : On veut tester un jeu dhypothse : H
o :

1
=
2
/ H
1
:
1
>
2
On compare 2 rglages sur une machine et on observe la qualit des pices, la variable qualitative est la
qualit et elle a deux modalits, correct ou insuffisante. Les hypothses sont les suivantes :
- H
o :

1
=
2
: la qualit des pices est la mme, elle ne dpend pas des rglages
- H
1
:
1
>
2 :
la qualit des pices est meilleure avec les rglages 1, elle dpend des rglages
Etape 2 : On fixe
max.
Pour notre exemple
max
=0.05
Etape 3 : On choisit la statistique

)

On suppose que H
o
est vrai on approxime par une loi Normal N (0 ; 1)
Etape 4 : On dfinit la zone de rejet de H
o
quand est nettement plus grand que 0, cest--dire quand U est
nettement plus grand que 0 soit . Pour S on crit p ( ) =
max
avec U approxim par N (0 ; 1).
On utilise la table pour dterminer S :


On obtient le seuil S la lecture de la table et donc la zone de rejet unilatrale :
Dans notre exemple la zone de rejet correspond
Etape 5 : Calcule numrique de U partir des donnes de lchantillon.
Pour le cas du pisciculteur n = 14 et n
A
=11 donc U = 2,14
Etape 6 :
Rgle de dcision
Si on rejette H
o
et on accepte H
1
par abus

Statistiques L2S3
13
3. Cas dune hypothse H
1
(<)
Etape 1 : On veut tester un jeu dhypothse : H
o :

1
=
2
/ H
1
:
1
<
2
On compare 2 rglages sur une machine et on observe la qualit des pices, la variable qualitative est la
qualit et elle a deux modalits, correct ou insuffisante. Les hypothses sont les suivantes :
- H
o :

1
=
2
: la qualit des pices est la mme, elle ne dpend pas des rglages
- H
1
:
1
<
2 :
la qualit des pices est meilleure avec les rglages 2, elle dpend des rglages
Etape 2 : On fixe
max.
Pour notre exemple
max
=0.05
Etape 3 : On choisit la statistique
( )
On suppose que H
o
est vrai on approxime par une loi Normal N (0 ; 1)
Etape 4 : On dfinit la zone de rejet de H
o
quand est nettement plus grand que 0, cest--dire quand U est
nettement plus grand que 0 soit . Pour S on crit p ( ) =
max
avec U approxim par N (0 ; 1).
On utilise la table pour dterminer S :
On obtient le seuil S la lecture de la table et donc la zone de rejet unilatrale :
Dans notre exemple la zone de rejet correspond
Etape 5 : Calcule numrique de U partir des donnes de lchantillon.
Etape 6 :
Rgle de dcision
Si on rejette H
o
et on accepte H
1
par abus
Statistiques L2S3
14

TESTS DHYPOTHESES VARIABLES QUANTITATIVES
I. TEST DE COMPARAISON DUNE MOYENNE ET DUNE NORME QUAND LA VARIABLE SUIT UNE LOI
NORMALE DECART TYPE INCONNU
On dispose dune variable quantitative note X, on appelle la moyenne inconnue de X dans la population.
H
0 :
=
o
la moyenne inconnue de X est gale la norme tire du contexte.
H
1
:

peut prendre 3 formes :
-
Bidirectionnelle
o
-
Unidirectionnelle >
o
-
Unidirectionnelle <
o
BIDIRECTIONNELLE
Etape 1 :
H
0
: =
o
H
1
:
o
Etape 2 : On fixe
Etape 3 : On choisit la statistique


n est lchantillon, la moyenne et s lcart type de lchantillon
On suppose H
o
vraie et on approxime par une loi de Student (n-1) degr de libert.
Etape 4 : On rejette H
o
pour || lev cest--dire dpassant le seuil S pour lequel p(|| S) =

, soit daprs
la symtrie de la loi de Student p(|| S) =

, on obtient S dans la table


La zone de rejet E scrit
Etape 5 : Calcul de t
Etape 6 :
Rgle de dcision
Si on rejette H
o
et on accepte H
1
par abus


Statistiques L2S3
15

UNIDIRECTIONNELLE positive
Etape 1 :
H
0
:
o
H
1
: >
o
Etape 2 : On fixe
Etape 3 : On choisit la statistique


n est lchantillon, la moyenne et s lcart type de lchantillon
On suppose H
o
vraie et on approxime par une loi de Student (n-1) degr de libert.
Etape 4 : On rejette H
o
quand t est trop grand, on cherche donc un seuil S pour lequel p(t S) =

, on obtient
S dans la table. La zone de rejet E scrit
Etape 5 : Calcul de t
Etape 6 :
Rgle de dcision
Si on rejette H
o
et on accepte H
1
par abus
UNIDIRECTIONNELLE ngative
Etape 1 :
H
0
:
o
H
1
: <
o
Etape 2 : On fixe
Etape 3 : On choisit la statistique


n est lchantillon, la moyenne et s lcart type de lchantillon
On suppose H
o
vraie et on approxime par une loi de Student (n-1) degr de libert.
Etape 4 : On rejette H
o
quand t est trop grand, on cherche donc un seuil S ngatif pour lequel p(t S) =

, on
obtient S dans la table. La zone de rejet E scrit
Etape 5 : Calcul de t
Etape 6 :
Rgle de dcision
Si on rejette H
o
et on accepte H
1
par abus

Statistiques L2S3
16
II. TEST DE COMPARAISON DE 2 MOYENNES LORSQUE LES DISTRIBUTIONS SONT NORMALES
DECART TYPE EGAUX MAIS DE VALEUR INCONNNUE (OBSERVATIONS INDEPENDANTES)
On dispose dune variable quantitative X, on est en prsence de 2 populations dont sont extrait 2 chantillons :
Population 1 : effectif n
1
; moyenne
1
;

cart type
1
; observations x
11
x
12

Population 2 : effectif n
2
; moyenne
2 ;
cart type
2
; observations x
21
x
22
Le dispositif exprimentale est constitu par 2 chantillons forms dindividus distincts
H
0
:
1
=
2

H
1
:

peut prendre 3 formes :
-
Bidirectionnelle
1

2
-
Unidirectionnelle
1
>
2
-
Unidirectionnelle
1
<
2
BIDIRECTIONNELLE
Etape 1 :
H
0
:
1
=
2
H
1
:
1

2
Etape 2 : On fixe
Etape 3 : On choisit la statistique

On suppose H
o
vraie et on approxime par une loi de Student (n
1
+ n
2
- 2) degr de libert.
Etape 4 : On rejette H
o
pour || lev cest--dire dpassant le seuil S pour lequel p(|| S) =

, soit daprs
la symtrie de la loi de Student p(|| S) =

, on obtient S dans la table


La zone de rejet E scrit
Etape 5 : Calcul de t
Etape 6 :
Rgle de dcision
Si on rejette H
o
et on accepte H
1
par abus
www.banquedesetudes.com
Statistiques L2S3
17
UNIDIRECTIONNELLE positive
Etape 1 :
H
0
:
1

2
H
1
:
1
>
2
Etape 2 : On fixe
Etape 3 : On choisit la statistique

On suppose H
o
vraie et on approxime par une loi de Student (n
1
+ n
2
- 2) degr de libert.
Etape 4 : On rejette H
o
quand t est trop grand, on cherche donc un seuil S pour lequel p(t S) =

, on obtient
S dans la table. La zone de rejet E scrit
Etape 5 : Calcul de t
Etape 6 :
Rgle de dcision
Si on rejette H
o
et on accepte H
1
par abus
UNIDIRECTIONNELLE ngative
Etape 1 :
H
0
:
1

2
H
1
:
1
<
2
Etape 2 : On fixe
Etape 3 : On choisit la statistique

On suppose H
o
vraie et on approxime par une loi de Student (n
1
+ n
2
- 2) degr de libert.
Etape 4 : On rejette H
o
quand t est trop grand, on cherche donc un seuil S ngatif pour lequel p(t S) =

, on
obtient S dans la table. La zone de rejet E scrit
Etape 5 : Calcul de t
Etape 6 :
Rgle de dcision
Si on rejette H
o
et on accepte H
1
par abus
www.banquedesetudes.com
Statistiques L2S3
18
III. TEST DE COMPARAISON DE 2 MOYENNES (OBSERVATIONS APPARIEES)
1. Introduction
Ce test est utilis pour tudier leffet dun traitement sur une variable quantitative pour une population, dans
ce cas la variable X peut dpendre de facteurs, autres que le traitement, que lon souhaite contrler afin
disoler leffet du traitement. Les observations sont effectues par paires entre lesquelles seul le facteur tudi
varie. Ce dispositif exprimentale est appel observations apparies ou appareilles.
On a un unique chantillon, chaque individu est soumis 2 mesures de la variable, une pour chaque modalit
de traitement.
2. Principe du test
Pour un traitement 2 modalits notons :
- X la mesure de la variable sous la modalit 1,
x
moyenne de la variable sous la modalit 1
- Y la mesure de la variable sous la modalit 2,
y
moyenne de la variable sous la modalit 2
Pour un chantillon deffectif n, on obtient n couples dobervations (x
i
, y
i
). On cherche comparer les deux
moyennes.
On introduit la variable diffrence

D= X Y et d
i
= x
i
- y
i
et
d
=
x
-
y

x
=
y
donc

d
= 0

x

y
donc

d
0

x
>
y
donc

d
> 0
Comparer 2 moyennes revient comparer la diffrence
d
avec 0. On se retrouve donc avec un test classique
dune moyenne une norme (paragraphe I). Il faut vrifier que D suit une loi Normale dcart type inconnue.
BIDIRECTIONNELLE
Etape 1 :
H
0
:
x
=
y
soit
d
= 0
H
1
:
x

y
soit
d
0
Etape 2 : On fixe
Etape 3 : On choisit la statistique

n est leffectif de lchantillon D,

la moyenne et s
d
lcart type
On suppose H
o
vraie et on approxime par une loi de Student (n-1) degr de libert.
Etape 4 : On rejette H
o
pour || lev cest--dire dpassant le seuil S pour lequel p(|| S) =

, soit daprs
la symtrie de la loi de Student p(|| S) =

, on obtient S dans la table


La zone de rejet E scrit
Etape 5 : Calcul de t
Etape 6 :
Rgle de dcision
Si on rejette H
o
et on accepte H
1
par abus
www.banquedesetudes.com
Statistiques L2S3
19
UNIDIRECTIONNELLE positive
Etape 1 :
H
0
:
x

y
donc
d
0
H
1
:
x
>
y
donc

d
> 0
Etape 2 : On fixe
Etape 3 : On choisit la statistique

n est leffectif de lchantillon D,

la moyenne et s
d
lcart type
On suppose H
o
vraie et on approxime par une loi de Student (n-1) degr de libert.
Etape 4 : On rejette H
o
quand t est trop grand, on cherche donc un seuil S pour lequel p(t S) =

, on obtient
S dans la table. La zone de rejet E scrit
Etape 5 : Calcul de t
Etape 6 :
Rgle de dcision
Si on rejette H
o
et on accepte H
1
par abus
UNIDIRECTIONNELLE ngative
Etape 1 :
H
0
:
o
H
1
: <
o
Etape 2 : On fixe
Etape 3 : On choisit la statistique

n est leffectif de lchantillon D,

la moyenne et s
d
lcart type
On suppose H
o
vraie et on approxime par une loi de Student (n-1) degr de libert.
Etape 4 : On rejette H
o
quand t est trop grand, on cherche donc un seuil S ngatif pour lequel p(t S) =

, on
obtient S dans la table. La zone de rejet E scrit
Etape 5 : Calcul de t
Etape 6 :
Rgle de dcision
Si on rejette H
o
et on accepte H
1
par abus
www.banquedesetudes.com