Année 2020-2021 T.D.

Décision

Correction de la Série 7

Exercice 1:

1. L’hypothèse nulle H0 : m = 5 et l’hypothèse alternative H1 : m > 5 (test unilatéral).

√
Sous H0 on a σ = 1, par suite T = n(X n − 5) ∼ N (0, 1).

2.

α = P (T ∈ I1 /H0 vraie)
√

= P n(X n − 5) > uα

1
⇒ X n > 5 + √ uα
n
1
> 5+ √ 1.65 = 5.055
900

donc on rejette H0 en faveur de H1 .

Exercice 2: Soit une marchandise importante dont on estime qu’un X suit une loi normale de

moyenne m = 240. On prélève un échantillion de 39 unités, dont la moyenne observée est X n = 255.

A) Choix des hypothèses :

l’hypothèse nulle H0 : m = 240

l’hypothèse alternative H1 : m 6= 240 (test Bilatéral)

√
Déterminiation de la région critique sous H0 , la statistique T = 39 X nσ−m ∼ N (0, 1)

  
σ σ
/ m0 − √ u 2 ; m0 + √ u 2
α = P Xn ∈ α α
n n

Si l’écart-type est σ = 40,

1. Au risque de 1%, on accepte H0 si

 
σ σ
X n ∈ m0 − √ u α2 ; m0 + √ u α2
n n

1
  
α
avec P T ≤ u α2 = 1 − 2 = 0.995 ⇒ u α2 = 2.5758

comme
 
σ σ
X n = 255 ∈ m0 − √ u α2 ; m0 + √ u α2 = [223.53; 256.26]
n n
on accepte H0 .

2. Au risque de 5%, comme

 
σ σ
/ m0 − √ u α2 ; m0 + √ u α2 = [227.44; 252.55]
X n = 255 ∈
n n

On rejette H0 .

X n −m0
√
B) L’écart-type est σ est inconnu, don on utilise la statistique de Student Tn−1 = Sn n−1

de n − 1 = 38 ddl la région critique est

 
Sn Sn
/ m0 − √
Xn ∈ t α ; m0 + √ tα
n−1 2 n−1 2
√ √
Rappelons que n − 1Snc = nSn

1. Au risque 1% on a t α2 = 2.712, on accepte H0 si

X n ∈ [220.41; 259.59]

comme X n = 255 donc on accepte H0 .

2. Au risque de 5% on a t α2 = 2.024, on accepte H0 si

Xn ∈
/ [225.1; 254.91]

comme X n = 255 donc on rejette H0 .

Exercice 3: on a f1 = 14 , n1 = 200, f2 = 1
3 et n2 = 150

n1 f1 + n2 f2 50 + 50 2 5
F = = = et 1−F =
n1 + n2 200 + 150 7 7

et
f1 − f2
Z=r  
F (1 − F ) n11 + 1
n2

2
 1
− 12
Z=q = −1.7
10
49 (0.005 + 0.007)
La région critique est

R = ]−∞; −1.96[ ∪ ]+1.96; +∞[

Comme Z ∈
/ R on accepte H0 : f1 = f2 , les deux méthodes de traitement sont équivalentes.

Exercice 4:

1. On utilse la statistique

n1 (n2 − 1)Sn21
F = ∼ F (n1 − 1, n2 − 1)
n2 (n1 − 1)Sn22

Fisher-Snedecor à (n1 − 1; n2 − 1) degrés de liberté. la région critique

R = [0; t1 [ ∪ ]t2 ; +∞[

α
avec P (F ≤ t1 ) = 2 et P (F ≤ t2 ) = 1 − α2 .

F suit la loi de Fisher-Snedecor à (8; 12) degrés de liberté. 1/F suit la loi de Fisher-Snedecor

à (12; 8) degrés de liberté.

P (F ≤ t2 ) = 1 − α2 = 0.975 ⇒ t2 = 3.51
   
P (F ≤ t1 ) = P t11 ≤ F1 = 0.025 ⇒ P F1 ≤ 1
t1 = 0.975 ⇒ 1
t1 = 4.2 ⇒ t1 = 0.23

comme
9 × 12 × (0.27)2
F = = 0.7393
13 × 8 × (0.32)2

⇒ t1 < F < t2

Alors on accepte σ 1 = σ 2 .

2. Le fait d’avoir accepté l’hypothèse d’égalité des variances, justifie l’application du test de

Student d’égalités des epérances

H0 : µ1 = µ2

H1 : µ1 > µ2 .

3
 √ X
n1 −Y
n2
Pour cela on utilise la statistique de test T = n1 + n2 − 2 r  ,
1 1
[ 1
(n −1)S 2 +(n −1)S 2
n1 c 2 n2 c ] n1 + n2

la statistique T ∼ Student(13 + 9 − 2) ddl.

La région critique est donnée par R > t1 avec P (T < t1 ) = 1 − α = 0.95 ⇒ t1 = 1.7247

Comme T = 1.3055 < t1 = 1.7247 on accepte l’hypothèse H0 d’égalité des moyennes.

Exercice 5:
L ES E Total
Réussite 41 59 54 154
Échec 21 36 75 132
Total 62 95 129 286
La région critique est de la forme
 
r X
s 2
X nij
Dn = n  − 1 ≥ c
ni. n.j
i=1 j=1

à une valeur approché la fractile d’ordre 1 − α de χ22 2 ddl, au risque 5% on a c = 5.991. Comme

412 592 542 212 362 752

 
Dn = 286 + + + + + − 1 = 14.85
154 × 62 154 × 95 154 × 129 132 × 62 132 × 95 132 × 129

Donc on rejette l’hypothèse d’indépendance.

Exercice 6:

1. Il faut supposer que les résultats provient d’une population gaussienne et de même variance.

Ces hypothèses sont importantes ici car il s’agit de petits échantillon d’effectifs inégaux.

2. En supposant ces hypothèses satisfaites ; l’efficacité du vaccin dépend-elle :

a) Etudions l’effet de la présence d’une substance adjuvante quelle qu’en soit la nature pour

cela on regroupe tous les résultats obtenus en présence d’adjuvant :

sans adjuvant n1 = 5 x1 = 1.6 s21 = 1.8
avec adjuvant n2 = 15 x2 = 1.6 s22 = 1.698
total n = 20 x=3 s2 = 2.36
La variance Résiduelle vaut donc

1
s2R = 4s21 + 14s22 ' 1.72


18

La variance Factorielle peut se calculer :

4
 — Soit avec sa définition

1
s2F = 5(x1 − x)2 + 15(x2 − x)2 ' 13.07


2−1

— Soit appartir du théorème d’analyse de la variance

19s2 = 18s2R + s2F

D’où
s2F
= 7.6
s2R

On teste (H0 ) : l’efficacité ne dépend pas de la présence du substance adjuvantes.

s2F
Sous (H0 ) on sait que F = s2R
suit la loi de Snédécor à (1 ;18) ddl.

Le nombre fα tel que P (F ≥ fα ) = α est f0.05 = 4.41 pour α = 0.05 comme

s2F
= 7.6 > f0.05 = 4.41
s2R

l’influence de la présence d’adjuventes est significative au risque 5%

b) Pour tester la nouvelle hypothèse nulle (H0 ) : l’efficacité du vaccin, ne dépend pas de la

nature de l’adjuvant.

On dispose de 3 échantillons

avec alumine n1 = 6 x1 = 4 s21 = 2

avec calcium n2 = 4 x2 = 3.78 s22 = 0.917
avec phosphates n3 = 5 x3 = 2.6 s23 = 1.3
total n = 15 x3 = 3.47 s2 = 1.695

La variance résiduelle vaut donc

1
s2R = 5s21 + 3s22 + 4s23 ' 1.5


12

La variance Factorielle peut se calculer :

— Soit avec sa définition

1
s2F = 6(x1 − x)2 + 4(x2 − x)2 + 5(x3 − x)2 ' 2.89


3−1

5
— Soit appartir du théorème d’analyse de la variance

14s2 = 12s2R + 2s2F

D’où
s2F
= 1.93
s2R
s2F
Sous (H0 ) on sait que F = s2R
suit la loi de Snédécor à (2 ;12) ddl.

Le nombre fα tel que P (F ≥ fα ) = α est f0.05 = 3.89 pour α = 0.05 ;

s2F
Comme s2R
= 1.93 < f0.05 = 3.89, on accepte (H0 ) : l’efficacité du vaccin ne dépend pas

de façon significative de la nature de l’adjuvants.

M. BADAOUI