Statistiques – 4 IF

TD 2 : Test d’hypothèse sur un paramètre

Exercice 1.
Les riverains d’une antenne de téléphonie mobile estiment que le niveau moyen d’ondes émis
par l’antenne est nocif pour la santé. Ils souhaitent donc demander le retrait de l’antenne. Le
groupe de téléphonie soutient à l’inverse que la limite réglementaire pour le niveau d’ondes
n’est pas atteinte.
1. Des experts sont chargés de mettre en place une procédure permettant de trancher
entre les deux parties. En raisonnant sur le risque α expliquer pourquoi le choix des
hypothèses nulle et alternative peut varier suivant que les experts sont mandatés par
le groupe de téléphonie ou par les riverains.
2. Les experts ont relevé 20 fois le niveau des ondes à différents moments de la journée
à 150 mètres de l’antenne. On admet que ces niveaux sont distribués selon une loi
normale. Le niveau moyen observé est xn = 0.65 V/m et l’écart-type observé est
sn = 0.07 V/m. Le niveau moyen maximal recommandé par une étude indépendante
est de 0.6 V/m. Au vu de ces mesures, les riverains demandent le retrait de l’antenne,
mais l’opérateur prétend que le niveau moyen observé n’est pas suffisamment supérieur
à 0.6 V/m pour pouvoir conclure avec une confiance de 95 % que le niveau limite toléré
est dépassé. Qu’en pensez-vous ?

Exercice 2. (adapté du DS 2015)

Lors d’un TP en 3IF, vous avez simulé des variables aléatoires et testé la qualité de différents
simulateurs. Le but de cet exercice est de reprendre les tests qui ont été faits d’un point de
vue théorique.

On génère plusieurs nombres avec un générateur pseudo-aléatoire donné. On concatène tous

les bits de toutes les réalisations pour obtenir une seule séquence. Le but est de vérifier que
les 0 et les 1 sont bien présents dans des proportions identiques et qu’ils sont répartis de
manière non structurée dans la séquence.

Notons Xi la valeur du i-ème bit, Xi est égal à 0 ou 1. Soit p la proportion de 1 donnée par
le générateur, p = P(Xi = 1). On considère n = 900 bits. Parmi ceux-ci, on a observé 459
bits égaux à 1.

1. Quelle est la proportion pbn de 1 dans la séquence ?

2. Pre-test.
Réaliser le test usuel de (H0 ) p = 50% contre (H1 ) p 6= 50% avec un risque de 1%.
Calculer la p-valeur du test.
 3. Test de fréquence monobit.
L’objectif est de montrer que le test de fréquence monobit et le pre-test
( sont parfaite-
+1 si Xi = 1
ment identiques. On introduit les variables aléatoires Yi = 2Xi −1 = .
−1 si Xi = 0

Soit ensuite Yn = n1 ni=1 Yi . Montrer que UY = √Yn −(2p−1) est égal à √ pbn −p0 .
P
(4p(1−p)/n) p(1−p)/n

4. Test des runs.

Le principe du test des runs est de vérifier si les longueurs moyennes successives de 0
et de 1 sont identiques. Plus précisément, on peut construire un test de

(H0 ) “la répartition des 1 est aléatoire”

contre (H1 ) “la répartition des 1 n’est pas aléatoire”.

On obtient une p-valeur de 6.10%. Commenter.

Exercice 3. (DS 2018)

Léopold prend régulièrement le tramway entre 18h00 et 19h00 à la même station. Il a mesuré
ses temps d’attente T1 , . . . , Tn sur cette plage horaire, pour n = 10 jours. Il a obtenu un
temps moyen d’attente de 7.2 minutes. Le temps d’attente annoncé par la compagnie de
tramway est de 6 minutes. Léopold souhaite savoir si ce temps est bien respecté. On décide
de modéliser les temps d’attente par une loi exponentielle : T1 , . . . , Tn indépendants de loi
exponentielle de paramètre λ, E(λ).

1. Donner l’estimateur des moments de λ, noté λ

bn .

2. On peut montrer que

λ
Z = 2n ∼ χ2 (2n)
λn
b
On souhaite effectuer le test de (H0 ) λ > λ0 contre (H1 ) λ < λ0 .

(a) Construire la région critique, de la forme RCα = {λn b < λ0 · cα } avec cα à

déterminer. On utilisera la variable aléatoire Z ci-dessus.
(b) Application. Léopold peut-il affirmer que le temps d’attente est supérieur à celui
affiché, c’est-à-dire que λ < 1/6 ?

Exercice 4.
Une machine A fabrique des baguettes métalliques dont la longueur suit une loi gaussienne
d’espérance 4mm et d’écart-type 0.10mm. Le prototype d’une nouvelle machine B est testé.
Sur un échantillon de 25 baguettes fabriquées, on trouve x̄ = 4.02mm et s0 = 0.08mm.
Tester si au seuil de 5% la machine B est plus précise que la machine A.