Académique Documents
Professionnel Documents
Culture Documents
MOYENNES
ISED/UCAD
Objectifs éducationnels
spécifiques
n A la fin de la séance, le stagiaire doit être capable
de :
u choisir le test de comparaison de deux
u effectuer le calcul
moyenne a changé
u Si la différence est faible on est tenté de dire que la
s²/n)
u La variable centrée réduite Z
x-µ
=Z est N(0,1)
s n
BASES THEORIQUES
n Si Z est proche de 0 on dira que la moyenne
n’a pas changée
n Si Z est significativement loin de 0 on dira
que la moyenne a changé
Z
0
n I- GRANDS ECHANTILLONS N≥ 30 s²
CONNU
n II- GRANDS ECHANTILLONS N≥ 30 s²
INCONNU
GRANDS ECHANTILLONS N≥ 30 s²
CONNU
n Comme il a été indiqué ci-dessus, on étudie la
paramètre x - µ qui suit une loi normale N(0,1)
Z=
s n
n Remarque : il faut définir avant tout calcul:
u Les hypothèses statistiques
u Le seuil de signification
u La règle de décision
après le calcul
u La décision et la conclusion
GRANDS ECHANTILLONS N≥ 30 s²
CONNU
n Exemple: on sait que la réponse à un ttt ARV chez des
sujets VIH + est µ=23,7 jours avec une variance de 16. On
donne une drogue x à 100 sujets et on trouve x = 22,7
jours.
u La drogue a-t-elle modifié le temps de réponse au ttt
n Solution
u 1. Hypothèses statistiques
t H0 x = 23,7
t H1 x # 23,7
u 2. Seuil de signification
t α= 0,05 test bilatéral
u 3. Conditions d’application du test
t Échantillon aléatoire provenant d’une population de
variance connue, Grand échantillon
GRANDS ECHANTILLONS N≥ 30 s²
CONNU
4.Statistique x-µ
u
=Z
s n µ=23,7 s²= 16
Z est distribué suivant la loi normale centrée réduite
u 5. Règles de décision
u7- Conclusion
La valeur Z=-2,5 se situe dans la zone de rejet de
H0
La drogue modifie la réponse au traitement
Z
-2,5 -1,96 0 +1,96
GRANDS ECHANTILLONS N≥ 30
s² INCONNU
n On vas estimer s² par
s² =
å (x i
)
-x ²
N -1
n C’est en général le cas: s² est inconnu
n L’hypothèse H0 est µ = x
å (x - x ) ² = 522
On a
i
n Solution
u 1- Hypothèses statistiques:
t H 0
x = 44kg
H 1
x ¹ 44kg
GRANDS ECHANTILLONS N≥ 30
s² INCONNU
u 4- statistique
x-µ
µ=44
Z =
s n
x =43,5kg
GRANDS ECHANTILLONS N≥ 30
s² INCONNU
t Z est distribué suivant une loi normale
centrée réduite
u 5- Règle de décision
d’acceptation de H0
t On peut estimer que l’échantillon provient de la
population où m= 44 kg
-1,78
-1,96 0 +1,96 Z
Petits échantillons
q Petits échantillons s² connue, population normale
x-µ
Z =
s N
n Nous sommes dans le même cas que grand
échantillon N ≥ 30 s² connue
n On utilise la loi de STUDENTÞ Table de STUDENT
Petits échantillons s² inconnue,
population normale
n On estime s² variance inconnue par s² (s²
estimateur de s²)
s=
å (x i
)
-x ²
N -1
x - µ
t =
n Le paramètre t s N
est distribué suivant la loi de Student avec N-1
degrés de liberté
Petits échantillons s² inconnue,
population normale
n Exemple
u On connaît la concentration plasmatique du
calcium chez le sujet sain d’âge 20 à 44 ans µ=
2,5mmol/l. Chez 18 malades on a trouvé
x =3,2 mmol/l avec s estimé = 1,1mmol/l
u La concentration plasmatique du calcium a-t-elle
variée?
Petits échantillons s² inconnue,
population normale
n 1- Hypothèse statistique
u H0 x = 2,5
H1 # 2,5
u
x
n 2- Seuil de signification α= 0,05
n 3- Conditions d’application du test
u Échantillon aléatoire provenant d’une population normale,
variance inconnue, petit échantillon N<30
n 4- Statistique
u En supposant H0 vraie, la statistique de x suit une loi de
Student avec N-1 degrés de liberté
x - µ
t =
s N
Petits échantillons s² inconnue,
population normale
n 5- Règle de décision
d’après H1 au seuil α=0,05 et avec 18-1 degrés de
libertés la valeur critique de l’écart réduit est:
t0,05;17= 2,11.
La règle de décision est: rejeter H0 si t >2,11 sinon
ne pas rejeter H0 (test unilatéral)
n 6- Calcul de t 3,2 - 2,5 0,7
t= = X 18 = 2,7
1,1 18 1,1
n 7- Conclusion
u Puisque t >2,11 donc on rejette H0. Les résultats
sont augmentés chez les malades
Comparaison de 2 moyennes
observées
Grands échantillons n1≥ 30 n2 ≥30
n 2 cas:
u cas où l’on connaît variance s² commune
æ æ 1 1 ö ö
Nç µ - µ , s ²ç
ç
+ ÷÷
ç
è
x y
è N1 N 2 ÷ø ÷ø
Grands échantillons n1≥ 30 n2 ≥30
u Les hypothèses à tester seront
H :µ = µ
0 X y
(µ - µ ) = 0
x y
H :µ ¹ µ
1 X y
Z =
(x 1
- x 2
)- 0
2 2
s 1
+ s 2
N 1 N 2
Grands échantillons n1≥ 30 n2 ≥30
x1
- x 2
=0 ou
x1
= x 2
Z = x A
- x
B
2 2
s A
+ s B
N A N B
t On rejette H0 si |Z|>1,96
u 6- Calcul de Z
1 1 Student à u= N1+N2-2
s +
N 1 N 2 degrés de liberté
n La variance commune est estimée par
2 å (x i1 x ) + å (x - x
- 1 i2 )
2
s =
(N + N - 2)
1 2
Petits échantillons
n Exemple :
u On veut étudier si l’absorption d’une drogue
modifie la réaction à un test.
u On a obtenu les résultats suivants
166 167 169 170 174 167 162 165 168 162
173 172 170 166 173 160 164 158 165 169
Groupe Placébo Groupe avec drogue
n Solution H 0
:µ 1
2
= µ
H :µ ¹ µ
u 1- Hypothèse statistique 1 1 2
u Régle de décision
t 0,05; 18 =2,101
On rejette H0 si t >2,101 ou t >-2,101
Petits échantillons
u 6- Calcul de s²
x 1
= 170 x 2
= 164
å (x - x ) = 80
i1 1 å (x i2 )
- x 2 = 112
80 +112 192
s= = = 10,667
10 +10 - 2 18
(170 -164) 6
t= = = 4,10
1 1 2
3,27 + 3,27
10 10 10
u Décision: On rejette H0 t= 4,10>t 0,025; 18
L’écart observé est significatif au seuil α=0,05
DEUX SERIES APPARIEES
DEUX SERIES APPARIEES
TEST PARAMETRIQUES
n On a comparé deux moyennes mesurées sur 2 échantillons
indépendants.
n Dans une expérimentation, on peut envisager qu’une
mesure soit liée, appariée à une seconde mesure. Par
exemple, on peut sur une population, mesurer un paramètre
avant et après administration d’un médicament.
n Test à utiliser
u On ne peut utiliser la méthode de comparaison de 2
moyennes observées car les mesures ne sont pas
indépendantes.
u On utilise la méthode des couples : elle consiste à faire,
pour chaque couple de valeurs la différence des 2
valeurs.
u En cas d’inefficacité du traitement la moyenne de ces
différences ne doit pas différer significativement de 0.
u D’où le test qui consistera à comparer à comparer la
moyenne des différences à la valeur de 0.
DEUX SERIES APPARIEES
TEST PARAMETRIQUES
d -0
n Le paramètre t= suit une loi de STUDENT
s N
N-1 ddl
n La variance s sera estimée par
æ n ö
n
çådi÷ ²
è ø
å
2 i =1
d i
-
N
s² = i =1
N -1
DEUX SERIES APPARIEES
TEST PARAMETRIQUES
n Exemple
u On a mesuré un paramètre chez 15 adultes
å d = 30
30
d= =2
15
84 -
(30 ) ²
åd 24
2
= 84 Þ s² = 15 = = 1,7143
14 14
s = 1,3093
n Hypothèses statistiques
u H0: µ = 0
d
u H1:
µ d
#0
DEUX SERIES APPARIEES
TEST PARAMETRIQUES
n Seuil de signification α=0,05,test bilatéral
n Conditions d’application : d est distribué suivant une
loi normale de variance s
2
inconnue N<
d
30
n Statistique t=
d
u si H0 est vraie sd N suit une loi de
Student avec N1
degrés de liberté ( u )
n Règles de décision
u α=0,05 u = 15-1= 14
u tα=0,05 ; 14 = 2,145= t seuil
n Décision et conclusion
u t =5,92 5,92 > 2,146
u La drogue modifie le paramètre.