1/4

HYPOTHSE : POPULATION QUELCONQUE (μ ; σ)

 Si σ est connu, alors l’intervalle de confiance de la moyenne est :

n
o Si population infinie ou si sa taille est N telle que  0,05  5% alors :
N
 Population 
( X )  
n n

N  n  Population Nn 
o Si population est finie de taille N, alors : ( X )  
N 1 n N 1 n

DORENAVANT HYPOTHSE : POPULATION ~ NORMALE (μ ; σ)

 Si population infinie et σ inconnu, alors l’intervalle de confiance de la moyenne est :

 Pour la proportion, si np  5 et n (1  p)  5 alors l’intervalle de confiance de la proportion

est :
p (1  p ) p (1  p )
p  Z / 2  p  p  Z / 2
n n
 Si population infinie, alors l’intervalle de confiance de la médiane est :
 
Me éch  Z / 2 s  Me pop  Me éch  Z / 2 s
2n 2n
 Si population infinie, alors l’intervalle de confiance de la variance est :
(n  1) s 2 (n  1) s 2
  2

 2 / 2;  n 1  12 / 2;  n 1

 Pour calculer Zα/2, qui est une loi normale centrée réduite, il faut poser :
puis voir sur la matrice de la table de Gauss centrée réduite, la
valeur de 0,5 - α/2, pour en déduire la valeur de Zα/2. Celle ci se trouve sur la première colonne,
au dixième près et pour une bonne précision, la seconde valeur après la virgule de Zα/2 se situe
à la première ligne du tableau
Exemple ;
Si α = 5% = 0,05, alors 0,5 – α /2 = 0,475 et donc : Zα/2 = 1,96 ;
Si α = 10% = 0,1, alors 0,5 – α /2 = 0,45 et donc : Zα/2 = 1,645 : valeur trouvée par interpolation
linéaire entre à 0,4495 et 0,45053.
Ainsi : au risque α = 5%, c'est-à-dire au seuil de signification 1 - α = 95%,
o Pour un test bilatéral, on utilise : - Zα/2 = Z0,475 = - 1,96 et + Zα/2 = Z0,475= + 1,96
o Pour un test unilatéral inférieur, on utilise - Zα = - Z0,45 = - 1,645
o Pour un test unilatéral supérieur, on utilise + Zα= + Z0,45 = + 1,645
 2/4

 Pour le t de Student voir annexe. Les valeurs de α se situent sur la 1ère ligne du tableau.
o Si test bilatéral et 15 données (n = 15), le α se partage en deux : et on utilise tα/2,n-1
Exemple ; α = 5% = 0,05, alors α /2 = 0,025 et donc : tα/2, 14 = 2,145
o Si test unilatéral et 18 données (n = 18), le α ne se partage pas en deux et on utilise tα,n-1:
Exemple ; α = 5% = 0,05, il faut voir la colonne de α = 10% = 0,1, alors : tα, 17 = t0,1 ; 17 = 1,740
 Pour khiα, n-1 voir annexe. Les valeurs de α se situent sur la 2ème ligne du tableau.
o Si test bilatéral (rarement appliqué) et 15 données (n = 15), le α se partage en deux et on
détermine deux coefficients du khi2 : khiα/2,n-1 et khi1-α/2,n-1
Exemple ; α = 5% = 0,05, alors α /2 = 0,025 et donc : khi0,025, 14 = 26,1 et khi0,975, 14 = 5,63
o Si test unilatéral et 18 données (n = 18), le α ne se partage pas en deux mais deux cas se
présentent :
 Test unilatéral inférieur, on calcule khi0,95,17 = 08,67
 Test unilatéral supérieur, on calcule khi0,05,17 =32,0
 Pour Fisher Fα,n-1; m-1, les valeurs de α se situent en haut de chaque page et
o Si test bilatéral (rarement appliqué) et 15 données pour le numérateur (n = 15) et 25
données (m = 25) du dénominateur, le α se partage en deux et on détermine deux
coefficients de Fisher : Fα/2,n-1; m-1 et F1-α/2,n-1; m-1= 1/ Fα/2,m-1; n-1
Exemple ; α = 5% = 0,05, alors α /2 = 0,025 et donc :
F0,025, 14 ;24 = 2,47 et F0,975,14; 24 = 1/ F0,025,24; 14 = 1/ 2,79 = 0,3584
o Si test unilatéral et 15 données pour le numérateur (n = 15) et 25 données (m = 25) du
dénominateur, le α ne se partage pas en deux, mais deux cas se présentent :
 Test unilatéral inférieur, on calcule F0,95,14; 24 = 1/ F0,05,24; 14 = 1/ 2,35 = 0,4255
 Test unilatéral supérieur, on calcule F0,05,14; 24 = 2,13
Solution début exercice 1, série 4
Volume des œufs (ml)
Poules traitées Poules non traitées
N 17 40
moyenne 26 25,3
S 1,4 0,8
Les intervalles de confiance se calculent avec les t de student ou les khi2 en bilatéral « avec α/2 »
t0,025;n-1 khi0,025;n-1 Khi0,975;n-1
Poules traitées; 16ddl 2,12 28,8 6,91
Poules non traitées;39ddl 2,0231 58,07 23,64
Remarque :
2,0231 est calculé par interpolation entre 2,042 et 2,021
2,12 est prise directement de la table de Student, mais 6,91 et 28,8 sont pris de la table de khi2
23,64 est calculé par interpolation entre 16,8 et 24,4 de même 58,07 est calculé entre 47 et 59,3
Résultat :
POULES TRAITEES 25,28 ml < moyenne populat <=26,72ml
POULES NON TRAITEES 25,04 ml < moyenne populat <=25,56ml
POULES TRAITEES 1,089 ml2 < variance populat <=4,54ml2
POULES NON TRAITEES 0,42 ml2 < variance populat <=1,06ml2
TEST D’HYPOTHESES
 3/4

 Test sur la moyenne, cas où l’écart type σ des Xi est connu. Si les Xi suivent une loi :
o Normale de moyenne μ et quelque soit la taille n de l’échantillon
o Quelconque de moyenne μ et la taille n de l’échantillon très grand (n >= 30)
o Quelconque symétrique de moyenne μ et la taille n de l’échantillon est tel que n >= 15

suit une loi normale centrée réduite

Remarque : Pour une campagne de mesure précise d’erreur type fixée a priori:
et certaine au seuil de confiance « 1 – α », la taille « n » de l’échantillon doit être telle que :

 Test sur la moyenne, cas où l’écart type σ des Xi est inconnu.

Si les Xi suivent une loi normale de moyenne μ alors :
suit une loi de Student à « n- 1 » degrés de liberté avec :
s = écart type de l’échantillon des « n » valeurs Xi
Remarque : pour une campagne de mesure précise d’erreur type fixée a priori :
et certaine au seuil de confiance « 1 – α », la taille « n » de l’échantillon doit être telle que :

où s est issue d’un sondage précédent, ou un sondage effectué sur un échantillon donné.
 Test sur la proportion : Pour une taille « n » de l’échantillon assez grande telle que :
np > 5 et nq = n(p-1) > 5, alors :
suit une loi normale centrée réduite

Remarque : pour une campagne de mesure ou pour un sondage précis à une erreur type :

et certain au seuil de confiance « 1 – α », la taille « n » de l’échantillon doit être telle que :

où p0 est soit issue d’un sondage précédent, ou un sondage effectué sur un échantillon donné ou,
au pire, si nous n’avons aucune idée sur sa valeur, on lui affectera la valeur de 0,5.
 Test sur la variance d’une population normale

avec s = écart type de l’échantillon des « n » valeurs

 Comparaison de deux moyennes d’échantillons non appariés à écarts-type σ1 et σ2 connus

o Lois normales de moyenne μ1 et μ2 et quelque soit les taille n1 et n2 des échantillons
o Lois quelconques de moyennes μ1 et μ2 et taille très grande des échantillons (n1 et n2 >= 30)
o Loi quelconques symétriques de moyenne μ1 et μ2 et n1 >= 15 et n2 >= 15)
suit une loi normale centrée réduite
 4/4

Comparaison de deux moyennes d’échantillons non appariés σ1 et σ2 inconnus

Hypothèse : les populations suivent des lois normales à écarts-type inconnus
suit une loi de Student à ddl degrés de liberté avec :

s1 et s2 = écarts type des l’échantillon des n1 et n2 valeurs X1i et X2i

2
 s12 s 22 
  
et ddl   n1 n 2 
2 2
1  s12  1  s 22 
    
n1  1  n1  n 2  1  n 2 
Remarque : Si les deux échantillons sont issus d’une même population normale, alors
(n 1  1)s12  (n 2  1)s 22
sp 
n1  n 2  2

et suit une loi de Student à « n1 + n2 – 2 » degrés de liberté avec

 Comparaison de deux moyennes d’échantillons appariés.

d  d
t = texp est une loi de Stuent à (n – 1) degrés de libertés ; sd sont respectivement, la
sd / n
moyenne et l’écart types des différences entre les observations du premier et second échantillon
 Comparaison de deux proportions
Pour tester l’égalité de 2 proportions p1 et p2 issues de 2 populations, on utilise :
qui devrait suivre une loi normale centrée réduite

p̂1 et p̂ 2 sont 2 proportions calculées sur 2 échantillons de tailles n1 et n2 prélevés des 2

populations sous l’hypothèse : n1p1 >= 5 et n1(1-p1) >= 5 et n2p2>=5 et n2(1-p2) >= 5 en prenant :

 Test d’égalité de deux variances

Pour tester l’égalité de 2 variances σ1 et σ2 issues de 2 populations, on utilise :

suit une une loi de Fisher à (n1 – 1) et (n2 – 1) degrés de liberté

et sont 2 variances calculées sur 2 échantillons de tailles n1 et n2 prélevés des deux

populations.