Tests Hypothèse

Cours de Probabilité et Statistique pour la
deuxième année des conseillers en planication et

en orientation
C.O.P.E.
CHIKHI EL MOKHTAR
17 février 2020
Cours de Probabilité et Statistique pour la deuxième année des conseillers en planication et en orientation C.O.P.E.
•
Deuxième partie : Statistique Inférentielle
Chapitre 4 : Tests d'hypothèses
4.1 Introduction
Un test statistique est une procédure qui, à partir d'un échantillon,
permet de prendre une décision en choisissant entre deux
possibilités que nous avons dénies nous même. Ces possibilités
sont dites des hypothèses, et notées H0 et H1 :
H0 s'applelle hypothèse nulle, et H1 s'appelle hypothèse alternative.
L'hypothèse nulle H0 est souvent l'hypothèse priviligiée, c'est celle
qu'on souhaite prendre comme décision.
La décision ici signie le choix entre ces deux hypothèses H0 et H1
avec un degré de conance (1 − α)%
Exemples de formulation des hypothèses :
1) une pièce de monnaie est-elle truquée ?
2) soit deux populations d'élèves, les deux populations ont-elles
des moyennes diérentes ?
3) la machine produisant des comprimés est-elle déréglée ?
4) la nouvelle méthode de dosage est-elle moins précise que la
méthode de référence ?
5) la classe A est-elle moins précise que la classe B ?
6) la fréquence de grippe dans une région est-elle diérente de
celle d'une autre région ?
Réponses :
I 1) une pièce de monnaie est non truquée si la probabilité p
d'avoir pile ou face = 21 , donc les hypothèses sont
1
H0 : p =
2
1
6
H1 : p =
2
Réponses :
I 1) une pièce de monnaie est non truquée si la probabilité p
d'avoir pile ou face = 21 , donc les hypothèses sont
1
H0 : p =
2
1
6
H1 : p =
2
I 2) soient µA et µB sont respectivement la moyenne de la
population A et la moyenne de la population B. Les
hypothèses sont :
H0 : µ A = µ B
H1 : µA 6= µB
I 3) la machine produit des comprimés de moyenne µ inconnues
et soit µ0 la moyenne de référence xée par le constructeur.
Les hypothèses sont
H0 : µ = µ 0
H1 : µ 6= µ0
I 3) la machine produit des comprimés de moyenne µ inconnues
et soit µ0 la moyenne de référence xée par le constructeur.
Les hypothèses sont
H0 : µ = µ 0
H1 : µ 6= µ0
I 4) soient σ 2 et σ02 sont respectivement la variance des

résultats obtenus par la nouvelle méthode et la variance par la
méthode de référence. Les hypothèses sont :
H0 : σ 2 ≤ σ02
H1 : σ 2 > σ02
I 5) soient σA2 et σB2 sont respectivement la variance de la classe
A et la variance de la classe B. Les hypothèses sont :
H0 : σA2 ≤ σB2
H1 : σA2 > σB2
I 5) soient σA2 et σB2 sont respectivement la variance de la classe
A et la variance de la classe B. Les hypothèses sont :
H0 : σA2 ≤ σB2
H1 : σA2 > σB2
I 6) soient pA et pB sont respectivement les proportions des

personnes atteintes par la grippe dans la région A et B. les
hypothèses sont :
H0 : pA = pB
H1 : pA 6= pB
II Erreurs de première et de deuxième espèce
Dans les tests statistiques, il existe deux types d'erreurs :

1) Erreur (risque)de première espèce α est la probabilité de
rejeter H0 alors que H0 est vraie α = p(RH0 /H0 vraie).
2) Erreur de deuxième espèce β est la probabilité d'accepter H0
alors que H1 est vraie β = p(AH0 /H1 vraie).
Pour qu'un test soit ecace, il faut minimiser à la fois ces deux
erreurs. Dans l'approche de Neyeman-Pearson, on xe α en
général α = 5%, 1%, 10%, . . .
3) Puissance d'un test η = 1 − β = p(RH0 /H1 vraie), pour qu'un
test soit ecace, on maximise η en xant α.
Tableau des erreurs
Réalité H0 vraie H0 fausse
Décision
Accepter H0 Bonne décision erreur de 2eme espèce
Refuser H0 erreur de 1 espèce
er Bonne décision
Tableau des risques
Réalité H0 vraie H0 fausse
Décision
Accepter H0 1−α β
Refuser H0 α 1−β
III Les tests paramétriques et non paramétriques
3.1) Tests non paramétriques :

Si la distribution (loi) de la variable étudiée est non spéciée
(inconnue) et l'échantillon est de faible eectif (n < 30). Dans
ce cas on appliquera des tests non paramétriques (test de
Mann Whitney, Wilcoxon,...)
3.2) Tests paramétriques :
Ces tests sont en général basés sur la considération de la loi
normale ou la taille d'échantillon est grande.
IV Mise on ouevre d'un test statistique
Les étapes à suivre pour un test statistique :
1) Formulation des deux hypothèses H0 et H1 ;
2) Détermination de la statistique du test notée soit :
Z , T , F , χ2 , . . . ;
3) Calcul de la valeur de la statistique du test calculée à partir de
l'échantillon notée zc , tc , fc , χ2c , . . . ;
4) Fixons α;
5) Calcul de la valeur critique(lue sur la table) zα , zα/2 , tα , . . . ;
6) Détermination de la zone de rejet (région critique) ;
7) La décision : on peut la faire soit en utilisant :
a) La région critique en utilisant la valeur observée
de statistique du test et la valeur critique ;
b) soit en utilisant le niveau de signication (sig )
ou P−value.
V Comparaison d'un paramétre θ à un paramétre donné
5.1) Comparaison d'une moyenne à une valeur donnée µ0
Étant donné une variable X étudiée sur une population de moyenne

µ. Il s'agit de comparer la moyenne µ de X avec une valeur µ0
donnée. Soit un échantillon X1 , . . . , Xn de variables indépendantes
et de même loi que X .
a)Cas ou n < 30 et σ connu
Il faut que X suive la loi normale N (µ; σ)
• 𝑛 < 30 Test unilatéral Test unilatéral

Test bilatéral
• σ connu à gauche à droite
𝐻0 : µ = µ0 𝐻0 : µ = µ0 𝐻0 : µ = µ0
Hypothèses 𝐻1 : µ < µ0 𝐻1 : µ > µ0 𝐻1 : µ ≠ µ0
̅̅̅𝑛̅ − µ0
𝑋
Statistique de test 𝑍= 𝜎
⁄
√𝑛
̅̅̅̅−µ
𝑥𝑛 0
𝑧𝑐 = 𝜎 ( calculée à partir de l’échantillon)
Valeur de la statistique ⁄
√𝑛
R𝐻0 si 𝑧𝑐 < −𝑧𝛼⁄2 ou

Décision par l’approche R𝐻0 si 𝑧𝑐 < −𝑧𝛼 R𝐻0 si 𝑧𝑐 > 𝑧𝛼 𝑧𝑐 > 𝑧𝛼⁄2
de la valeur critique 𝑝(𝑍 < 𝑧𝛼 ) = 1 − 𝛼 𝑝(𝑍 < 𝑧𝛼 ) = 1 − 𝛼
𝑝 (𝑍 < 𝑧𝛼⁄2 ) = 1 − 𝛼⁄2
𝑝(𝑍 < 𝑧𝑐 ) = 𝑝 = 𝑠𝑖𝑔 𝑝(𝑍 > 𝑧𝑐 ) = 𝑝 = 𝑠𝑖𝑔 2𝑝(𝑍 > |𝑧𝑐 |) = 𝑝 = 𝑠𝑖𝑔
Décision par l’approche
R𝐻0 si 𝑝 = 𝑠𝑖𝑔 < 𝛼 R𝐻0 si 𝑝 = 𝑠𝑖𝑔 < 𝛼 R𝐻0 si 𝑝 = 𝑠𝑖𝑔 < 𝛼
de P-value
Exemple d'application :
Soit X ,→ N (µ; 2); on veut tester les hypothèses suivantes :
H0 : µ = 10
6
H1 : µ = 10
Un échantillon de taille 12 donne xi = 102
P
1. Donner la statistique du test ;

2. Donner la valeur du statistique du test ;
3. Pour α = 5%; quelle est votre décision ?
b)Cas ou n < 30 et σ inconnu
Il faut que X suive la loi normale N (µ; σ).
• 𝑛 < 30 Test unilatéral Test unilatéral

Test bilatéral
• σ inconnu à gauche à droite
𝐻0 : µ = µ0 𝐻0 : µ = µ0
𝐻0 : µ = µ0
Hypothèses 𝐻1 : µ > µ0 𝐻1 : µ ≠ µ0
𝐻1 : µ < µ0
̅̅̅̅
𝑋𝑛 −µ0
Statistique de test 𝑇𝑛−1 = 𝑠 (𝑇𝑛−1 𝑒𝑠𝑡 𝑙𝑎 𝑙𝑜𝑖 𝑑𝑒 𝑠𝑡𝑢𝑑𝑒𝑛𝑡 𝑑𝑒 𝑑. 𝑑. 𝑙. 𝑛 − 1)
⁄
√𝑛
̅̅̅̅−µ
𝑥𝑛 0
Valeur de la statistique 𝑡𝑐 = 𝑠 ( calculée à partir de l’échantillon)
⁄
√𝑛
R𝐻0 si 𝑡𝑐 < −𝑡𝛼⁄2,𝑛−1

R𝐻0 si 𝑡𝑐 < −𝑡𝛼,𝑛−1 R𝐻0 si 𝑡𝑐 > 𝑡𝛼,𝑛−1 ou 𝑡𝑐 > 𝑡𝛼⁄2.𝑛−1
𝑝(𝑇𝑛−1 < 𝑡𝛼,𝑛−1 ) 𝑝(𝑇𝑛−1 < 𝑡𝛼,𝑛−1 )
de la valeur critique 𝑝 (𝑇𝑛−1 < 𝑡𝛼⁄2,𝑛−1 )
= 1−𝛼 =1−𝛼
= 1 − 𝛼⁄2
𝑝(𝑇𝑛−1 < 𝑡𝑐 ) 𝑝(𝑇𝑛−1 > 𝑡𝑐 ) 2𝑝(𝑇𝑛−1 > |𝑡𝑐 |)
Décision par l’approche = 𝑝 = 𝑠𝑖𝑔 = 𝑝 = 𝑠𝑖𝑔 = 𝑝 = 𝑠𝑖𝑔
de P-value R𝐻0 si 𝑝 = 𝑠𝑖𝑔 < 𝛼 R𝐻0 si 𝑝 = 𝑠𝑖𝑔 < 𝛼 R𝐻0 si 𝑝 = 𝑠𝑖𝑔 < 𝛼
Soit X ,→ N (µ; σ); on veut tester les hypothèses suivantes :
H0 : µ = 12
H1 : µ 6= 12
Un échantillon de taille 25 a fournit une moyenne x n = 14 et un

écart-type sech = 4.32
1. Donner la statistique du test ;
2. Donner la valeur du statistique du test ;
3. Pour α = 5%; quelle est votre décision ?
c)Cas ou n > 30 : cas des grands échantillons
X est supposée de loi quelconque.
Test unilatéral Test unilatéral

𝑛 ≥ 30 Test bilatéral
à gauche à droite
𝐻0 : µ = µ0 𝐻0 : µ = µ0
𝐻0 : µ = µ0
Hypothèses 𝐻1 : µ > µ0 𝐻1 : µ ≠ µ0
𝐻1 : µ < µ0
Statistique de test ̅̅̅̅

𝑋𝑛 −µ0 ̅̅̅̅−µ
𝑥𝑛 0
𝑍= 𝜎 (𝑧𝑐 = 𝜎 la valeur observée de la statistique)
Cas σ connu ⁄
√𝑛
⁄
√𝑛
Statistique de test ̅̅̅̅

𝑋𝑛 −µ0 ̅̅̅̅−µ
𝑥𝑛 0
𝑍= 𝑠 ( 𝑧𝑐 = 𝑠 la valeur observée de la statistique)
Cas σ inconnu ⁄ ⁄
√𝑛 √𝑛

de la valeur critique 𝑝(𝑍 < 𝑧𝛼 ) = 1 − 𝛼 𝑝(𝑍 < 𝑧𝛼 ) = 1 − 𝛼 𝑝 (𝑍 < 𝑧𝛼⁄2 ) =
1 − 𝛼⁄2
Une machine automatique fabrique des comprimés de poids moyen

500mg avec un écart-type de 11.8mg . An de vérier si la machine
ne se dérègle pas. On prélève un échantillon de 40 comprimés et
l'on contrôle le poids moyen. Lors du contrôle, la moyenne du poids
est évaluée à 503mg . Peut-on dire que la machine est déréglée au
seuil de signication α = 5%?
5.2) Comparaison d'une proportion à une valeur donnée p0
Étant donné une variable qualitative X étudiée sur une population
de proportion p. Il s'agit de comparer la proportion p de X avec
une valeur p0 donnée. Soit un échantillon X1 , . . . , Xn de variables
indépendantes et de même loi que X . Soit Fn l'estimateur de p et
fn sa réalisation calculée à partir de l'échantillon.

𝑛 ≥ 30 Test bilatéral
à gauche à droite
𝐻0 : 𝑝 = 𝑝0 𝐻0 : 𝑝 = 𝑝0
𝐻0 : 𝑝 = 𝑝0
Hypothèses 𝐻1 : 𝑝 > 𝑝0 𝐻1 : 𝑝 ≠ 𝑝0
𝐻1 : 𝑝 < 𝑝0
𝐹𝑛 −𝑝0 𝑓𝑛 −𝑝0
Statistique de test 𝑍= (𝑧𝑐 = la valeur observée de la statistique)
𝑝 𝑝
√ 0(1−𝑝0 )⁄𝑛 √ 0(1−𝑝0 )⁄𝑛

1 − 𝛼⁄2
Étant donné une pièce de monnaie, an de vérier si la pièce de

monnaie est truquée ou non ; on jette cette pièce dans les même
conditions 100 fois, on obtiendra 47 piles. Peut-on dire que la pièce
est truquée au seuil de signication α = 5%?
VI Comparaison de deux paramètres (cas de deux
échantillons indépendants)
Objectif :
Étant donné une variable X étudiée sur deux populations. Il s'agit
de comparer les paramètres de X sur ces deux populations.
6.1 Comparaison de deux moyennes :
Soit X une variable quantitative étudiée sur deux populations 1 et
2. La population 1 est caractérisée par µ1 et σ12 et La population 2
par µ2 et σ22 . n1 la taille de l'échantillon extrait de la population 1
et n2 la taille de l'échantillon extrait de la population 2
CONDITION D'APPLICATION :
X ,→ N (µ1 ; σ1 ) ou n1 ≥ 30 dans la population 1
X ,→ N (µ2 ; σ2 ) ou n2 ≥ 30 dans la population 2
a) cas où σ12 et σ22 sont connues

𝜎12 et 𝜎22 connues Test bilatéral
à gauche à droite
𝐻0 : µ1 = µ2 𝐻0 : µ1 = µ2
𝐻0 : µ1 = µ2
Hypothèses 𝐻1 : µ1 > µ2 𝐻1 : µ1 ≠ µ2
𝐻1 : µ1 < µ2
𝑋̅1 −𝑋̅2 𝑥̅ 1 −𝑥̅ 2

Statistique de test 𝑍= (𝑧𝑐 = la valeur observée de la statistique)
𝜎 2𝜎 2 𝜎 2𝜎 2
√ 1+ 2 √ 1+ 2
𝑛1 𝑛2 𝑛1 𝑛2

1 − 𝛼⁄2
b) cas où σ12 ou σ22 sont inconnues
b.1) Cas d'égalité des variances (σ12 = σ22 )
(n1 −1)S12 +(n2 −1)S22
On pose S 2 = n1 +n2 −2 et n = n1 + n2 − 2

𝜎12 ou 𝜎22 inconnues Test bilatéral
à gauche à droite
𝐻0 : µ1 = µ2 𝐻0 : µ1 = µ2
𝐻0 : µ1 = µ2
Hypothèses 𝐻1 : µ1 > µ2 𝐻1 : µ1 ≠ µ2
𝐻1 : µ1 < µ2
𝑋̅1 −𝑋̅2 𝑥̅ 1 −𝑥̅ 2

Statistique de test 𝑇𝑛 = (𝑡𝑐 = la valeur observée de la statistique
1 1 1 1
√𝑆 2 (𝑛 +𝑛 ) √𝑠2 (𝑛 +𝑛 )
1 2 1 2
,n=d.d.l)
R𝐻0 si 𝑡𝑐 < −𝑡𝛼⁄2,𝑛 ou

R𝐻0 si 𝑡𝑐 < −𝑡𝛼,𝑛 R𝐻0 si 𝑡𝑐 > 𝑡𝛼,𝑛 𝑡𝑐 > 𝑡𝛼⁄2.𝑛
𝑝(𝑇𝑛 < 𝑡𝛼,𝑛 ) 𝑝(𝑇𝑛−1 < 𝑡𝛼,𝑛 )
de la valeur critique 𝑝 (𝑇𝑛 < 𝑡𝛼⁄2,𝑛 )
= 1−𝛼 = 1−𝛼
= 1 − 𝛼⁄2
b.2) Cas d'inégalité des variances (σ12 6= σ22 )
La statistique du test pour les trois hypothèses données au-dessus

est :
X1 − X2
Tν = q
S12 S22
n1 −1 + n2 −1
Tν suit la loi de Student de d.d.l ν avec

S2 S22 2
{ n11 + n2 }
ν= S2 S2
( n1 )2 ( n2 )2
1 + 2
n1 −1 n2 −1
Remarques
1) ν n'est pas toujours un entier ; pour lire la valeur critique sur

la table de Student soit :
a) On fait une interpolation linéaire ;
b) On prend l'entier le plus proche de ν;
2) Si ν ≥ 30, on peut utiliser la loi normale ;
3) La décision reste la même que précédemment (cf. la décision
dans les tableaux précédente).
VII Test d'égalité des variances
,→ Pour les conditions d'application du test restent les mêmes que
précédemment.
,→ Les hypothèses sont :
H0 : σ12 = σ22 ; H1 : σ12 6= σ22
,→ La statistique du test (pour simplier on met la plus grande

variance au numérateur) est :
S12
F(n1 −1;n2 −1) = ;
S22
cette statistique suit la loi de Fisher de d.d.l. (n1 − 1, n2 − 1)
La décision
On rejette H0 si :
RH0 si fc > f(1−α/2; n1 −1, n2 −1)
où
p(F(n1 −1;n2 −1) < f(1−α/2; n1 −1, n2 −1) ) = 1 − α/2;
la valeur f(1−α/2; n1 −1, n2 −1) est lue sur la table de Fisher
Exemple
Soit deux échantillons indépendants extraits de deux établissements

A et B.
# l'échantillon A donne les observations suivantes : 12 ; 11 ; 9 ; 14 ;
10 ; 8 ; 9 ; 17 ; 13 ; 12 ; 14 ; 15.
# l'échantillon B donne les observations suivantes : 15 ; 17 ; 5 ; 13 ;
16 ; 8 ; 10 ; 10 ; 18 ; 10.
Peut-on dire au risque de α = 5% que les moyennes de ces deux
établissements sont diérentes ?
VIII Comparaison de deux proportions
Notations ;
- X , variable qualitative (à deux modalités) étudiée sur deux
populations 1 et 2 ;
- n1 et n2 , tailles des deux échantillons extraits des populations ;
- p1 et p2 , proportions d'une modalité de X sur les deux
populations ;
- F1 et F2 , les estimateurs respectivement de p1 et p2 ;
- f1 et f2 , réalisations de F1 et F2 , calculées à partir de ces
échantillons.
VIII Comparaison de deux proportions
Le problème posé sera l'un des trois suivants :
1) la proportion p1 est-elle diérente de la proportion p2 ?
les hypothèses sont :
H0 : p1 = p2 ; H1 : p1 6= p2
2) la proportion p1 est-elle plus grande que la proportion p2 ?
H0 : p1 = p2 ; H1 : p1 > p2
3) la proportion p1 est-elle plus petite que la proportion p2 ?
H0 : p1 = p2 ; H1 : p1 < p2
Nous ne traiterons, ici, que le cas des grands échantillons
(n1 ≥ 30; n2 ≥ 30)
Statistique du test pour les trois cas précédents :
F1 − F2
Z=q
P(1 − P)( n11 + 1
n2 )
où P = n1 F1 +n2 F2
n1 +n2 ; la valeur de statistique du test est zc t.q :
f1 − f2
zc = q
p(1 − p)( n11 + 1
n2 )
où p = n1 f1 +n2 f2
n1 +n2
La décision
1) Pour le problème 1) :
RH0 si zc < −zα/2 ou zc > zα/2
RH0 si zc > zα
RH0 si zc < −zα
Exemple
Lors d'une enquête statistique, on étudie le pourcentage de

naissances de prématurés dans deux pays européens.
Dans le pays A sur 100 naissances, 15 sont prématurées.
Dans le pays B sur 75 naissances, 8 sont prématurées.
Y a-t-il une diérence entre les taux de prématurés de deux pays ?
prendre le risque α = 5%
IX Comparaison de deux moyennes : Cas d'échantillons
appariés
Deux échantillons sont dits appariés lorsqu'ils portent :
- sur les mêmes individus (ex. un groupe de 15 personnes,
pour lesquelles on applique deux méthodes d'enseignements à
deux temps diérents. Après l'évaluation de chaque méthode,
on a donc deux séries de données provenant d'un même
groupe d'individus ) ;
- sur des individus ayant au moins un caractère semblable(ex.
deux groupes de personnes appariés en âge )
Notations :
• X , variable quantitative étudiée sur deux populations ;
• n, taille des deux échantillons extraits des populations ;
• µ1 et µ2 , moyennes de X sur les deux populations.
Comparaison de deux moyennes : Cas d'échantillons appariés
Pour deux échantillons appariés, il faut calculer les diérences
entre les deux séries de données, individu par individu, alors,
on obtient une nouvelle variable D (variable de diérence)et le test
portera sur cette variable (µd = µ1 − µ2 ).
Le probleme posé sera l'un des trois cas suivants :
(1) la moyenne µ1 est-elle diérente de la moyenne µ2 ? (i.e la
moyenne µd est-elle diérente de 0 ? )
Alors les hypothèses sont :
H0 : µd = 0; H1 : µd 6= 0
(2) la moyenne µ1 est-elle plus grande que la moyenne µ2 ? (i.e la
moyenne µd est-elle plus grande que 0 ? )
H0 : µ d = 0 ; H1 : µ d > 0
(3) la moyenne µ1 est-elle plus petite que la moyenne µ2 ? (i.e la
moyenne µd est-elle plus petite que 0 ? )
H0 : µd = 0; H1 : µd < 0
La statistique du test est :
Xd
Tn−1 = Sd
;
√
n
à condition que la variable D est normale (i.e X est normale dans

les 2 populations) ou n ≥ 30.
la décision reste la même chose que précédemment.
Exemple
On veut comparer les performances d'un groupe d'enfants à des

tests d'habileté manuelle, avant et après intervention chirurgicale.
La performance est évaluée en minutes et est distribuée selon une
loi normale. Les données recueillies sont :
Avant 19 25 17 18 19 24 28 24 25 26
Après 17 22 15 16 18 22 27 21 27 24
Peut-on dire, au risque de α = 5%, que l'intervention chirurgicale a
modié la performance du groupe d'enfants ?
X Test de Khi-deux d'indépendance
Soient X et Y deux variables qualitatives. X a p modalités et Y a

k modalités.
. n : taille de l'échantillon ;
. nij nombre d'individus observés pour les modalités inscrites en
ligne i et colonne j.
Soit les hypothèses suivantes :
I H0 : les deux variables qualitatives sont indépendantes
I H1 : les deux variables sont dépendantes
tij : nombre d'individus attendus (theorique) si H0 vraiepour les
modalités inscrites en ligne i et la colonne j.
On résume ces valeurs dans un tableau de contingence
X x1 ... xj ... xp total-ligne
Y
y1 n11 ... n1j ... n1p n1.
.. .. .. .. .. .. ..
. . . . . . .
bi ni 1 ... nij ... nip ni.
.. .. .. .. .. .. ..
. . . . . . .
bk nk 1 ... nkj ... nkp nk.
total- n.1 ... n.j ... n.p n.. = n
colonne
ni. n.j
tij =
n
la valeur de la statistique du test :
(nij − tij )2
p X
k
χ2c =
X
;
tij
i=1 j=1
la décision :
RH0 si χ2c > χ2α,(p−1)(k−1) ;
où la valeur de χ2α,(p−1)(k−1) est lue sur la table de Khi-deux de

d.d.l= (p − 1)(k − 1).
Exemple :

Tests Hypothèse

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Tests Hypothèse

Transféré par

Droits d'auteur :

Formats disponibles

Cours de Probabilité et Statistique pour la

deuxième année des conseillers en planication et

Deuxième partie : Statistique Inférentielle

I 4) soient σ 2 et σ02 sont respectivement la variance des

I 6) soient pA et pB sont respectivement les proportions des

Dans les tests statistiques, il existe deux types d'erreurs :

3.1) Tests non paramétriques :

Étant donné une variable X étudiée sur une population de moyenne

• 𝑛 < 30 Test unilatéral Test unilatéral

R𝐻0 si 𝑧𝑐 < −𝑧𝛼⁄2 ou

Soit X ,→ N (µ; 2); on veut tester les hypothèses suivantes :

1. Donner la statistique du test ;

• 𝑛 < 30 Test unilatéral Test unilatéral

R𝐻0 si 𝑡𝑐 < −𝑡𝛼⁄2,𝑛−1

Un échantillon de taille 25 a fournit une moyenne x n = 14 et un

Test unilatéral Test unilatéral

Statistique de test ̅̅̅̅

Statistique de test ̅̅̅̅

R𝐻0 si 𝑧𝑐 < −𝑧𝛼⁄2 ou

Une machine automatique fabrique des comprimés de poids moyen

Test unilatéral Test unilatéral

R𝐻0 si 𝑧𝑐 < −𝑧𝛼⁄2 ou

Étant donné une pièce de monnaie, an de vérier si la pièce de

Test unilatéral Test unilatéral

𝑋̅1 −𝑋̅2 𝑥̅ 1 −𝑥̅ 2

R𝐻0 si 𝑧𝑐 < −𝑧𝛼⁄2 ou

Test unilatéral Test unilatéral

𝑋̅1 −𝑋̅2 𝑥̅ 1 −𝑥̅ 2

R𝐻0 si 𝑡𝑐 < −𝑡𝛼⁄2,𝑛 ou

La statistique du test pour les trois hypothèses données au-dessus

Tν suit la loi de Student de d.d.l ν avec

1) ν n'est pas toujours un entier ; pour lire la valeur critique sur

H0 : σ12 = σ22 ; H1 : σ12 6= σ22

,→ La statistique du test (pour simplier on met la plus grande

cette statistique suit la loi de Fisher de d.d.l. (n1 − 1, n2 − 1)

Soit deux échantillons indépendants extraits de deux établissements

Lors d'une enquête statistique, on étudie le pourcentage de

à condition que la variable D est normale (i.e X est normale dans

On veut comparer les performances d'un groupe d'enfants à des

Soient X et Y deux variables qualitatives. X a p modalités et Y a

où la valeur de χ2α,(p−1)(k−1) est lue sur la table de Khi-deux de

Vous aimerez peut-être aussi

deuxième année des conseillers en planication et

Étant donné une pièce de monnaie, an de vérier si la pièce de

,→ La statistique du test (pour simplier on met la plus grande