Académique Documents
Professionnel Documents
Culture Documents
L2 SVT
Anna Melnykova
Laboratoire de Mathématiques d’Avignon
anna.melnykova@univ-avignon.fr
2022-2023
Organisation
Responsable :
• Nom : Anna Melnykova, MCF, Laboratoire de Mathématiques
• Q& A : anna.melnykova@univ-avignon.fr
Cours :
• 2 CM × 3h, 7 TD × 1.5h
• 2 CC écrits (26 octobre, 29 novembre)
Reformulation de la problématique :
• Notons p la probabilité de guérison
• Notons p0 = 0.9 la valeur annoncée par le fabricant.
• Nous nous demandons si p = p0 ou non.
TCL).
f(x)
0.4
0.3
0.2
0.1
x
−3 −2 −1 1 1.63 2 3
95%
99.7%
Frequence
−3 −2 −1 0 1 2 3
L’écarts types
Remarque
Exemples :
• Le fabricant d’un médicament affirme qu’il est efficace à 90%
pour traiter une allergie en 8h. Son affirmation est-elle vraie ?
! Test de conformité : comparaison à une référence
• 70 personnes reçoivent le traitement A1 et 50 autres reçoivent le
traitement A2 . Est-il vraisemblable que le taux moyen de
glucose soit identique dans les 2 groupes ?
! Test d’homogénéité : comparaison de deux échantillons.
• En pratique, il s’agit de comparer deux hypothèses et de
prendre une décision entre les deux.
Réalité
H0 vraie H0 fausse
Décision
rejet de H0 α 1−β
non rejet de H0 1−α β
Définition
• Le risque de première espèce est
Réalité
H0 vraie H0 fausse
Décision
rejet de H0 α 1−β
non rejet de H0 1−α β
Rappelons que
• nous testons H0 : p = p0 contre H1 : p != p0 avec p0 = 0.9
√
554( 482
• tobs =
−0.9)
√ 554
0.9×0.1
≈ −2.351
• |tobs | > z0.975 = 1.96, donc prenant comme risque de 1re espèce
α = 5%, on rejette H0 et conclut que p != 0.9, i.e. que le
fabricant a tort.
• |tobs | ! z0.995 = 2.578, donc prenant comme risque de 1re
espèce α = 1%, on ne rejette pas H0 et conclut que les
données ne sont pas en contradiction avec l’affirmation du
fabricant.
Rappelons que
• nous testons H0 : p = p0 contre H1 : p > p0 avec p0 = 0.9
• tobs ≈ −2.351
• ici tobs < z0.95 = 1.645, donc prenant comme risque de 1re
espèce α = 5%, on ne rejette pas H0 et on conclut que les
données ne sont pas en contradiction avec l’affirmation du
fabricant.
Rappelons que
• nous testons H0 : p = p0 contre H1 = p < p0 avec p0 = 0.9
• tobs ≈ −2.351
• ici tobs < z0.05 = −1.645, donc prenant comme risque de 1re
espèce α = 5%, on rejette H0 et conclut que p < p0 : le
fabricant sur-estime l’efficacité du médicament.
1 Formulation de l’objectif
• Formuler l’hypothèse nulle H0 à tester.
• Formuler une hypothèse alternative H1 .
2 Choix de la statistique T de décision :
• Calculable sur les données observées ;
• Loi, éventuellement approchée, connue sous H0 ;
• Contrôle du comportement sous H1 .
3 Choix de la région de rejet D de H0 en fonction du risque α de
première espèce et de la forme de H1 :
Statistique de test
• Choix de la statistique de décision
√
n (Fn − p0 )
T= "
p0 (1 − p0 )
avec z1−α/2 quantile d’ordre 1 − α2 de la loi N (0, 1), i.e. le réel tel que
# $ α
P N (0, 1) ! z1−α/2 = 1 − .
2
avec z1−α quantile d’ordre 1 − α de la loi N (0, 1), i.e. le réel tel que
P (N (0, 1) ! z1−α ) = 1 − α.
avec zα quantile d’ordre α de la loi N (0, 1), i.e. le réel tel que
P (N (0, 1) ! zα ) = α.
Modélisation probabiliste
• Caractère X distribué selon une loi gaussienne N (m, σ 2 ) de
moyenne m et de variance σ 2 .
• Observation d’un échantillon : les données x1 , . . . , xn sont les
réalisations respectives des variables aléatoires X1 , . . . , Xn
indépendantes de même loi que X.
Formulation du test
• Nous souhaitons tester
H1 : m != m0
ou
H 0 : m = m0 contre H 1 : m > m0
ou
H 1 : m < m0 .
Remarque
• Ce test est appelé test de conformité d’une moyenne sur un
échantillon gaussien de variance connue.
Test lorsque H1 : m #= m0
Nous testons H0 : m = m0 contre H1 : m != m0 avec σ 2 connue.
√
n(Xn −m0 )
• Statistique de test : Z = σ
• Loi de Z sous H0 : N (0, 1)
• Le risque de 1re espèce étant α, la règle de décision est :
Règle de décision
• Rejet de H0 pour |Z| > z1− α2
• Non rejet de H0 si |Z| ! z1− α2
# $
avec PH0 Z ! z1− α2 = 1 − α2 .
Règle de décision
• Rejet de H0 si zobs > z1−α
• Non rejet de H0 si zobs ! z1−α
avec PH0 (Z ! z1−α ) = 1 − α.
Règle de décision
• Rejet de H0 si zobs < zα
• Non rejet de H0 si zobs " zα
avec PH0 (Z ! zα ) = α
Remarque
• Ce test est appelé test de Student (ou test t) de conformité
d’une moyenne sur un échantillon gaussien de variance
inconnue.
Analyse Statistique A. Melnykova 2022-2023 60/75
Forme de la loi de Student
Densités des lois de Student
P (T ! −x) = P (T " x)
Hypothèses :
$ de substance active suit une loi gaussienne
• La#quantité
N m, σ 2 de variance σ 2 inconnue.
• Nous avons un échantillon.
Règle de décision
• Rejet de H0 pour |T| > z1−α/
• Non rejet de H0 si |T| ! z1−α
# $
avec PH0 T ! z1−α/2 = 1 − α2
Règle de décision
• Rejet de H0 pour T > z1−α
• Non rejet de H0 si T ! z1−α
avec PH0 (T ! z1−α ) = 1 − α
Règle de décision
• Rejet de H0 pour T < zα
• Non rejet de H0 si T " zα
avec PH0 (T ! zα ) = α
Remarque
• Student(n − 1) ≈ N (0, 1) pour n grand.