Académique Documents
Professionnel Documents
Culture Documents
1 générale 2 Généralités
sur les tests 3
T
paramétriques 4 d’échantillonnage
5 d’ estimation
𝑃𝑜𝑝𝑢𝑙𝑎𝑡𝑖𝑜𝑛 1 𝑃𝑜𝑝𝑢𝑙𝑎𝑡𝑖𝑜𝑛 2
X1→ 𝐵(𝑛 , 𝑝 ) X2→ 𝐵(𝑛 , 𝑝 )
H0 : 𝑝 = 𝑝 , H1 : 𝑝 ≠ 𝑝
On prend la statistique
Avec F =
Dans le cas d’un test bilatéral, on obtient la région de rejet pour un risque 𝛼 ∶
ZR = −∞ , −𝑧 / ∪ 𝑧 / , +∞
68
Introduction Test Théorie Théorie
1 générale 2 Généralités
sur les tests 3
T
paramétriques 4 d’échantillonnage
5 d’ estimation
L’usine XYZ est soupçonné de polluer une rivière. En effet, des mesures, ayant été effectuées en amont et en aval de
l’usine durant plusieurs jours choisis aléatoirement dans l’année, ont donné les résultats suivants :
Amont 5,32 6 5,64 4,5 5,35 6,17 4,11 5,86 6,13 4,68
Aval 5,33 6,13 5,66 4,59 5,49 6,32 4,24 5,83 6,27 4,86
On suppose que ces deux séries de mesures ont été effectuées sur deux populations.
69
Introduction Test Théorie Théorie
1 générale 2 Généralités
sur les tests 3
T
paramétriques 4 d’échantillonnage
5 d’ estimation
− Suit 𝑇(𝑛1 + 𝑛2 − 2)
T= ∗
Loi de Student de degré 𝑛1 + 𝑛2 − 2 T(18)
1,73
× , × ,
∗ = Estimation sans biais de 𝜎 ∗ = = 0,5219
, ,
tObs =
= 0,137 Donc : L’hypothèse H0 est acceptée avec un risque 𝛼 = 5%
,
71
Introduction Test Théorie Théorie
1 générale 2 Généralités
sur les tests 3
T
paramétriques 4 d’échantillonnage
5 d’ estimation
𝑥 d1
𝑥
𝑥 d2
𝑥
… …
dn
𝑥 𝑥
Num_P Avant Après Num_P Avant Après Dans cette situation, chaque
couple de valeur appartenant
patient_ 01 88.74 88.90 patient_ 11 110.12 111.41
à un même sujet, constitue
patient_ 02 96.84 95.91 patient_ 12 98.90 93.44 une paire
patient_ 03 86.64 82.68 patient_ 13 88.79 86.29
patient_ 04 110.95 95.46 patient_ 14 72.85 68.94
patient_ 05 98.30 96.48 patient_ 15 106.25 94.05
patient_ 06 86.80 82.18 patient_ 16 94.55 87.75
patient_ 07 99.87 94.10 patient_ 17 94.84 88.13
patient_ 08 102.38 89.91 patient_ 18 104.44 98.92
patient_ 09 100.76 93.33 patient_ 19 103.21 103.55
patient_ 10 91.95 89.44 patient_ 20 100.94 99.71
73
Introduction Test Théorie Théorie
1 générale 2 Généralités
sur les tests 3
T
paramétriques 4 d’échantillonnage
5 d’ estimation
La variable de décision On suppose que la variable D est distribuée selon une loi normale.
Le risque de première espèce Il faut préciser un risque 𝛼 Suit la loi de Student de degré n-1
La valeur critique D’après l’hypothèse H1, le test est bilatéral. Dans la table de Student à n-1 ddl, on lit 𝑡 ,
La règle de décision Si tobs désigne la valeur de la variable T calculée à partir des résultats dans l’échantillon.
La règle de décision est la suivante :
• Si tobs n’appartient pas à l’intervalle [ - 𝑡 , ;𝑡 , ] on rejette H0 au risque 𝛼
• Si tobs appartient à l’intervalle [ - 𝑡 , ;𝑡 , ] on ne rejette pas H0
74
Introduction Test Théorie Théorie
1 générale 2 Généralités
sur les tests 3
T
paramétriques 4 d’échantillonnage
5 d’ estimation
Pour un échantillon :
Tests de conformité (conformité d’un paramètre à une certaine contrainte)
Tests d’ajustement (adéquation) à une loi donnée ou à une famille de lois donnée
Tests de symétrie
Tests de monotonie
etc ...
76
Introduction Test Théorie Théorie
1 générale 2 Généralités
sur les tests 3
T
paramétriques 4 d’échantillonnage
5 d’ estimation
Variable Variable
qualitative 1 : u Test d’indépendance qualitative 2 : v
77
Introduction Test Théorie Théorie
1 générale 2 Généralités
sur les tests 3
T
paramétriques 4 d’échantillonnage
5 d’ estimation
78
Introduction Test Théorie Théorie
1 générale 2 Généralités
sur les tests
T
3 paramétriques 4 d’échantillonnage
5 d’ estimation
Etape 3 : Déterminer les effectifs théorique et vérifier les conditions d’application du test
Mv_1 ET_1 v … Mu_j ET_j … Mu_n ET_n Total
u
Mu_1 o11 t11=TL_1 xTC_1/GT o1j t1j=TL_1 xTC_j/GT … o1n t1n=TL_1 xTC_n/GT TL_1
… … … … … … … … … …
Mu_i oi1 ti1=TL_i xTC_1/GT oij tij=TL_i xTC_j/GT … oin tin=TL_i xTC_n/GT TL_i
… … … … … … … … …
Mu_n on1 tn1=TL_n xTC_1/GT … onj tnj=TL_n xTC_j/GT … omn tmn=TL_m xTC_n/GT TL_m
TC_1 TC_j GT
TC_n
79
Introduction Test Théorie Théorie
1 générale 2 Généralités
sur les tests 3
T
paramétriques 4 d’échantillonnage
5 d’ estimation
ddl Risque 𝛼
80
Introduction Test Théorie Théorie
1 générale 2 Généralités
sur les tests
T
3 paramétriques 4 d’échantillonnage
5 d’ estimation
Etape 6 : Calculer 𝜒 é
𝑜 −𝑡
On calcule 𝜒 =
𝑡
81
Introduction Test Théorie Théorie
1 générale 2 Généralités
sur les tests
T
3 paramétriques 4 d’échantillonnage
5 d’ estimation
Décision Si 𝜒 < 𝜒
on accepte l’hypothèse H0
Si 𝜒 > 𝜒 on rejette l’hypothèse H0
82
Introduction Test Théorie Théorie
1 générale 2 Généralités
sur les tests 3
T
paramétriques 4 d’échantillonnage
5 d’ estimation
C= V=
× ,
• Plus la valeur est près de 1 plus le lien statistique entre les deux variables est fort
• A l’inverse, plus ces coefficients ont une valeur près de 0 plus le lieu est faible
83
Introduction Test Théorie Théorie
1 générale 2 Généralités
sur les tests 3
T
paramétriques 4 d’échantillonnage
5 d’ estimation
Questionnaire
• Q1: Quelle est la couleur de vos yeux?
population: 300 individus
• Q2: quelle est la couleur de vos cheveux?
Résultat
bleus 20 30 40
marrons 60 50 40
verts 10 20 30
84
Introduction Test Théorie Théorie
1 générale 2 Généralités
sur les tests 3
T
paramétriques 4 d’échantillonnage
5 d’ estimation
bleus 20 30 40 90
marrons 60 50 40 150
60
verts 10 20 30
85
Introduction Test Théorie Théorie
1 générale 2 Généralités
sur les tests 3
T
paramétriques 4 d’échantillonnage
5 d’ estimation
bleus 20 ×
=27 30 ×
=30 40 ×
=33 90
marrons 60 ×
=45 50 ×
=50 40 ×
=55 150
verts 10 ×
=18 20 ×
=20 30 ×
=22 60
𝜒 = + + + + + + + + = 18,9
Le degré de liberté (ddl) est (nombre de lignes -1) x (nombre de colonnes -1) = (3-1)x(3-1) = 4