LP IDS - S5

2022/2023

Fiche IC et Tests Statistiques 12, 2023 1 / 15

Fiche IC et Tests Statistiques

Décembre 29, 2020

Fiche IC et Tests Statistiques 12, 2020 1 / 15

Table of contents

1 Estimateurs

2 Intervalles de confiance: Espérance et Ecart-type

Quelques remarques
Intervalle de confiance VS intervalle de fluctuation.
Un cas particulier, estimation d’une proportion p dans une population

3 Statistiques de Tests
Test de conformité sur l’espérance
Test de conformité sur la variance

Fiche IC et Tests Statistiques 12, 2020 2 / 15

Sommaire

Estimateurs
IC

Fiche IC et Tests Statistiques 12, 2020 3 / 15

Sommaire

Estimateurs
IC
Tests

CleMeNt rAu Fiche IC et Tests Statistiques June 20, 2020 3 / 15

Sommaire

Estimateurs
IC
Tests

Fiche IC et Tests Statistiques 12, 2020 3 / 15

Sommaire

Estimateurs
IC
Tests

Fiche IC et Tests Statistiques 12, 2020 3 / 15

 Estimateurs

Estimateurs
Paramètre Estimateur (sans biais)
Moyenne X¯n
2
Variance n
n−1 Sn2 Sˆn
si espérance inconnue si espérance connue

Rappel:
X¯n =
1P
n i=1...n Xi
2
2 1P
− X¯n )2 et Sˆn = 1
− µ)2
P
Sn = n i=1...n (Xi n i=1...n (Xi

Fiche IC et Tests Statistiques 12, 2020 4 / 15

 Estimateurs

Estimateurs
Paramètre Estimateur (sans biais)
Moyenne X¯n
2
Variance n
n−1 Sn2 Sˆn
si espérance inconnue si espérance connue

Rappel:
X¯n =
1P
n i=1...n Xi
2
2 1P
− X¯n )2 et Sˆn = 1
− µ)2
P
Sn = n i=1...n (Xi n i=1...n (Xi

Remarque: Sn 2 est un estimateur de la variance mais qui a un biais, le "bon

estimateur" est
n 1 X
Sn 2 = (Xi − X¯n )2 .
n−1 n−1
i=1...n

Fiche IC et Tests Statistiques 12, 2020 4 / 15

 Estimateurs

Estimateurs
Paramètre Estimateur (sans biais)
Moyenne X¯n
2
Variance n
n−1 Sn2 Sˆn
si espérance inconnue si espérance connue

Rappel:
X¯n =
1P
n i=1...n Xi
2
2 1P
− X¯n )2 et Sˆn = 1
− µ)2
P
Sn = n i=1...n (Xi n i=1...n (Xi

Remarque: Sn 2 est un estimateur de la variance mais qui a un biais, le "bon

estimateur" est
n 1 X
Sn 2 = (Xi − X¯n )2 .
n−1 n−1
i=1...n

Fiche IC et Tests Statistiques 12, 2020 4 / 15

 Intervalles de confiance: Espérance et Ecart-type

IC

Paramètre IC au seuil α
Si variance σ 2 connue Si variance σ 2 inconnue
Moyenne ¯ σ ¯ σ ¯ Sn
[Xn − u1− α2 √n ; Xn + u1− α2 √n ] [Xn − t1− α2 √n−1 ; X¯n + t1− α2 √n−1
Sn
]
condition n ≥ 30 les Xi Gaussiens et n ≤ 30
lecture seuil N (0, 1) Student(n − 1)
Si moyenne connue Si moyenne inconnue
[Sˆn z n α ; Sˆn znα ]
q q q q
Ecart-type [Sn z n α ; Sn znα ]
1− 1−
2 2 2 2
condition les Xi Gaussiens les Xi Gaussiens
lecture seuils table χ2 (n) table χ2 (n − 1)

Fiche IC et Tests Statistiques 12, 2020 5 / 15

 Intervalles de confiance: Espérance et Ecart-type

IC

Paramètre IC au seuil α
Si variance σ 2 connue Si variance σ 2 inconnue
Moyenne ¯ σ ¯ σ ¯ Sn
[Xn − u1− α2 √n ; Xn + u1− α2 √n ] [Xn − t1− α2 √n−1 ; X¯n + t1− α2 √n−1
Sn
]
condition n ≥ 30 les Xi Gaussiens et n ≤ 30
lecture seuil N (0, 1) Student(n − 1)
Si moyenne connue Si moyenne inconnue
[Sˆn z n α ; Sˆn znα ]
q q q q
Ecart-type [Sn z n α ; Sn znα ]
1− 1−
2 2 2 2
condition les Xi Gaussiens les Xi Gaussiens
lecture seuils table χ2 (n) table χ2 (n − 1)

Fiche IC et Tests Statistiques 12, 2020 5 / 15

 Intervalles de confiance: Espérance et Ecart-type

Remarque :

Si n > 30 pour l’IC de la moyenne (σ inconnu) on peut passer sur l’IC de

gauche (où σ connu, en le remplaçant par son estimateur sans biais)

Fiche IC et Tests Statistiques 12, 2020 6 / 15

 Intervalles de confiance: Espérance et Ecart-type

Rappels sur les seuils:

u1− α2 est défini à l’aide de la table de la N (0; 1), tel que

P(|Z | ≤ u1− α2 ) = 1 − α, où Z ∼ N (0; 1).

Ce qui revient à P(Z ≤ uβ ) = β.

On détermine t1− α2 à l’aide de la table de la loi de Student, tel que

P(|T | ≤ t1− α2 ) = 1 − α, où T ∼ Student(n − 1).

Fiche IC et Tests Statistiques 12, 2020 7 / 15

 Intervalles de confiance: Espérance et Ecart-type

Rappels sur les seuils:

u1− α2 est défini à l’aide de la table de la N (0; 1), tel que

P(|Z | ≤ u1− α2 ) = 1 − α, où Z ∼ N (0; 1).

Ce qui revient à P(Z ≤ uβ ) = β.

On détermine t1− α2 à l’aide de la table de la loi de Student, tel que

P(|T | ≤ t1− α2 ) = 1 − α, où T ∼ Student(n − 1).

On détermine deux nombres mα et Mα tels que :

P(zα/2 ≤ Z ≤ z1−α/2 ) = 1−α, où Z ∼ χ2 (n) ou χ2 (n−1) [suivant le cas ].

Fiche IC et Tests Statistiques 12, 2020 7 / 15

 Intervalles de confiance: Espérance et Ecart-type

Rappels sur les seuils:

u1− α2 est défini à l’aide de la table de la N (0; 1), tel que

P(|Z | ≤ u1− α2 ) = 1 − α, où Z ∼ N (0; 1).

Ce qui revient à P(Z ≤ uβ ) = β.

On détermine t1− α2 à l’aide de la table de la loi de Student, tel que

P(|T | ≤ t1− α2 ) = 1 − α, où T ∼ Student(n − 1).

On détermine deux nombres mα et Mα tels que :

P(zα/2 ≤ Z ≤ z1−α/2 ) = 1−α, où Z ∼ χ2 (n) ou χ2 (n−1) [suivant le cas ].

Fiche IC et Tests Statistiques 12, 2020 7 / 15

 Intervalles de confiance: Espérance et Ecart-type Quelques remarques

Quelques remarques.

Fiche IC et Tests Statistiques 12, 2020 8 / 15

 Intervalles de confiance: Espérance et Ecart-type Intervalle de confiance VS intervalle de fluctuation.

Remarque 1: IC vs Intervalle de fluctuation.

On peut transposer toutes ces estimations sur les quantités asymptotiques
de l’échantillon (les estimateur). On parle alors d’intervalle de fluctuation.

Fiche IC et Tests Statistiques 12, 2020 9 / 15

 Intervalles de confiance: Espérance et Ecart-type Intervalle de confiance VS intervalle de fluctuation.

Remarque 1: IC vs Intervalle de fluctuation.

On peut transposer toutes ces estimations sur les quantités asymptotiques
de l’échantillon (les estimateur). On parle alors d’intervalle de fluctuation.
On connait la valeur exacte du paramètre (par ex l’espérance ) et on
cherche une zone pour la moyenne de l’échantillon. Cela se déduit des
mêmes formules.

CleMeNt rAu Fiche IC et Tests Statistiques June 20, 2020 9 / 15

 Intervalles de confiance: Espérance et Ecart-type Intervalle de confiance VS intervalle de fluctuation.

Remarque 1: IC vs Intervalle de fluctuation.

On peut transposer toutes ces estimations sur les quantités asymptotiques
de l’échantillon (les estimateur). On parle alors d’intervalle de fluctuation.
On connait la valeur exacte du paramètre (par ex l’espérance ) et on
cherche une zone pour la moyenne de l’échantillon. Cela se déduit des
mêmes formules. Par exemple, l’intervalle de confiance de la moyenne (si σ
connu),
σ σ
[X¯n − u1− α2 √ ; X¯n + u1− α2 √ ],
n n
s’écrit
σ σ
X¯n − u1− α2 √ ≤ µ ≤ X¯n + u1− α2 √ ,
n n

Fiche IC et Tests Statistiques 12, 2020 9 / 15

 Intervalles de confiance: Espérance et Ecart-type Intervalle de confiance VS intervalle de fluctuation.

Remarque 1: IC vs Intervalle de fluctuation.

On peut transposer toutes ces estimations sur les quantités asymptotiques
de l’échantillon (les estimateur). On parle alors d’intervalle de fluctuation.
On connait la valeur exacte du paramètre (par ex l’espérance ) et on
cherche une zone pour la moyenne de l’échantillon. Cela se déduit des
mêmes formules. Par exemple, l’intervalle de confiance de la moyenne (si σ
connu),
σ σ
[X¯n − u1− α2 √ ; X¯n + u1− α2 √ ],
n n
s’écrit
σ σ
X¯n − u1− α2 √ ≤ µ ≤ X¯n + u1− α2 √ ,
n n
qui se re écrit aussi:
σ σ
µ − u1− α2 √ ≤ X¯n ≤ µ + u1− α2 √ .
n n

Fiche IC et Tests Statistiques 12, 2020 9 / 15

 Intervalles de confiance: Espérance et Ecart-type Intervalle de confiance VS intervalle de fluctuation.

Remarque 1: IC vs Intervalle de fluctuation.

On peut transposer toutes ces estimations sur les quantités asymptotiques
de l’échantillon (les estimateur). On parle alors d’intervalle de fluctuation.
On connait la valeur exacte du paramètre (par ex l’espérance ) et on
cherche une zone pour la moyenne de l’échantillon. Cela se déduit des
mêmes formules. Par exemple, l’intervalle de confiance de la moyenne (si σ
connu),
σ σ
[X¯n − u1− α2 √ ; X¯n + u1− α2 √ ],
n n
s’écrit
σ σ
X¯n − u1− α2 √ ≤ µ ≤ X¯n + u1− α2 √ ,
n n
qui se re écrit aussi:
σ σ
µ − u1− α2 √ ≤ X¯n ≤ µ + u1− α2 √ .
n n

Fiche IC et Tests Statistiques 12, 2020 9 / 15

 Un cas particulier, estimation d’une proportion p dans une
Intervalles de confiance: Espérance et Ecart-type population

Remarque 2: Un cas particulier, estimation d’une proportion

p dans une population.
Dans ce cas, où les Xi ∼ Bernoulli(p) avec p = E(Xi ) = µ inconnu. L’IC
qui est:
[X¯n − u1− α2 √σn ; X¯n + u1− α2 √σn ]

reste assez inexploitable puisque la variance σ 2 = p(1 − p), est également

inconnue ...

Fiche IC et Tests Statistiques 12, 2020 10 / 15

 Un cas particulier, estimation d’une proportion p dans une
Intervalles de confiance: Espérance et Ecart-type population

Remarque 2: Un cas particulier, estimation d’une proportion

p dans une population.
Dans ce cas, où les Xi ∼ Bernoulli(p) avec p = E(Xi ) = µ inconnu. L’IC
qui est:
[X¯n − u1− α2 √σn ; X¯n + u1− α2 √σn ]

reste assez inexploitable puisque la variance σ 2 = p(1 − p), est également

inconnue ... Mais on peut tout de même l’utiliser, en remarquant que :
∀p ∈ [0; 1], var (Xi ) = p(1 − p) ≤ 1/4. Et donc σ ≤ 1/2.

u Fiche IC et Tests Statistiques 12, 2020 10 / 15

 Un cas particulier, estimation d’une proportion p dans une
Intervalles de confiance: Espérance et Ecart-type population

Remarque 2: Un cas particulier, estimation d’une proportion

p dans une population.
Dans ce cas, où les Xi ∼ Bernoulli(p) avec p = E(Xi ) = µ inconnu. L’IC
qui est:
[X¯n − u1− α2 √σn ; X¯n + u1− α2 √σn ]

reste assez inexploitable puisque la variance σ 2 = p(1 − p), est également

inconnue ... Mais on peut tout de même l’utiliser, en remarquant que :
∀p ∈ [0; 1], var (Xi ) = p(1 − p) ≤ 1/4. Et donc σ ≤ 1/2.
Ainsi, l’IC est inclu dans cet intervalle:
u1− α u1− α
[X¯n − √ 2 ; X¯n + √ 2 ].
2 n 2 n

Fiche IC et Tests Statistiques 12, 2020 10 / 15

 Un cas particulier, estimation d’une proportion p dans une
Intervalles de confiance: Espérance et Ecart-type population

Remarque 2: Un cas particulier, estimation d’une proportion

p dans une population.
Dans ce cas, où les Xi ∼ Bernoulli(p) avec p = E(Xi ) = µ inconnu. L’IC
qui est:
[X¯n − u1− α2 √σn ; X¯n + u1− α2 √σn ]

reste assez inexploitable puisque la variance σ 2 = p(1 − p), est également

inconnue ... Mais on peut tout de même l’utiliser, en remarquant que :
∀p ∈ [0; 1], var (Xi ) = p(1 − p) ≤ 1/4. Et donc σ ≤ 1/2.
Ainsi, l’IC est inclu dans cet intervalle:
u1− α u1− α
[X¯n − √ 2 ; X¯n + √ 2 ].
2 n 2 n
Notez que si α = 0, 05, on a u0,975 = 1, 96 ≈ 2, et on récupére l’IC du lycée
1 1
[X¯n − √ ; X¯n + √ ].
n n
Fiche IC et Tests Statistiques 12, 2020 10 / 15
 Un cas particulier, estimation d’une proportion p dans une
Intervalles de confiance: Espérance et Ecart-type population

Remarque 2: Un cas particulier, estimation d’une proportion

p dans une population.
Dans ce cas, où les Xi ∼ Bernoulli(p) avec p = E(Xi ) = µ inconnu. L’IC
qui est:
[X¯n − u1− α2 √σn ; X¯n + u1− α2 √σn ]

reste assez inexploitable puisque la variance σ 2 = p(1 − p), est également

inconnue ... Mais on peut tout de même l’utiliser, en remarquant que :
∀p ∈ [0; 1], var (Xi ) = p(1 − p) ≤ 1/4. Et donc σ ≤ 1/2.
Ainsi, l’IC est inclu dans cet intervalle:
u1− α u1− α
[X¯n − √ 2 ; X¯n + √ 2 ].
2 n 2 n
Notez que si α = 0, 05, on a u0,975 = 1, 96 ≈ 2, et on récupére l’IC du lycée
1 1
[X¯n − √ ; X¯n + √ ].
n n
Fiche IC et Tests Statistiques 12, 2020 10 / 15
 Un cas particulier, estimation d’une proportion p dans une
Intervalles de confiance: Espérance et Ecart-type population

On peut alors compléter le tableau précédent en :

Fiche IC et Tests Statistiques 12, 2020 11 / 15

 Un cas particulier, estimation d’une proportion p dans une
Intervalles de confiance: Espérance et Ecart-type population

Fiche générale sur les IC

Paramètre IC au seuil α
Si variance σ 2 connue Si variance σ 2 inconnue
Moyenne ¯ σ ¯ σ ¯ Sn
[Xn − u1− α2 √n ; Xn + u1− α2 √n ] [Xn − t1− α2 √n−1 ; X¯n + t1− α2 √n−1
Sn

condition n ≥ 30 les Xi Gaussiens et n ≤ 30

lecture seuil N (0, 1) Student(n − 1)
Le cas
particulier d’une [X¯n − u1− α2 2√
1
n
; X¯n + u1− α2 2√
1
n
]
proportion p
condition n ≥ 30 et Xi ∼ Bernoulli(p)
lecture seuil N (0, 1)
Si moyenne connue Si moyenne inconnue
[Sˆn ; Sˆn
q n q n q q
Ecart-type z1− α ] zα [Sn z n α ; Sn znα ]
1−
2 2 2 2
condition les Xi Gaussiens les Xi Gaussiens
lecture seuils table χ2 (n) table χ2 (n − 1)

Fiche IC et Tests Statistiques 12, 2020 12 / 15

 Un cas particulier, estimation d’une proportion p dans une
Intervalles de confiance: Espérance et Ecart-type population

Fiche générale sur les IC

Paramètre IC au seuil α
Si variance σ 2 connue Si variance σ 2 inconnue
Moyenne ¯ σ ¯ σ ¯ Sn
[Xn − u1− α2 √n ; Xn + u1− α2 √n ] [Xn − t1− α2 √n−1 ; X¯n + t1− α2 √n−1
Sn

condition n ≥ 30 les Xi Gaussiens et n ≤ 30

lecture seuil N (0, 1) Student(n − 1)
Le cas
particulier d’une [X¯n − u1− α2 2√
1
n
; X¯n + u1− α2 2√
1
n
]
proportion p
condition n ≥ 30 et Xi ∼ Bernoulli(p)
lecture seuil N (0, 1)
Si moyenne connue Si moyenne inconnue
[Sˆn ; Sˆn
q n q n q q
Ecart-type z1− α ] zα [Sn z n α ; Sn znα ]
1−
2 2 2 2
condition les Xi Gaussiens les Xi Gaussiens
lecture seuils table χ2 (n) table χ2 (n − 1)

Fiche IC et Tests Statistiques 12, 2020 12 / 15

 Statistiques de Tests Test de conformité sur l’espérance

Test sur l’espérance

Rappel des notations: Les Xi sont des v.a d’espérance µ et d’écart-type σ.

On teste l’hyp H0 : µ = µ0 , contre H1

Statistique de Test Loi de Tn sous H0 Zone de rejet, Rα

σ2 [u1−α ; +∞[, si H1 : µ > µ0 .
√
n L
connue Tn = σ (X¯n − µ0 ) Tn −→ N (0, 1) ] − ∞; −uα ], si H1 : µ < µ0 .
n→+∞
(test K) (avec égalité si Gaussien ] − u1− α ; u1− α [c , si H1 : µ = µ0
2 2
et n qqc)
Cas Gaussien Cas non Gaussien
σ2 √
avec n ≤ 30 avec n > 30 idem
n−1 ¯
inconnue Tn = Sn
(Xn − µ0 ) en remplaçant
L
(test T de Student) Tn ∼ St(n − 1) Tn −→ N (0, 1) le u... par le t... .
n→+∞

Fiche IC et Tests Statistiques 12, 2020 13 / 15

 Statistiques de Tests Test de conformité sur la variance

Test sur la variance

Rappel des conditions et notations: On suppose les Xi ∼ N (µ, σ).

On teste l’hyp H0 : σ = σ0 , contre H1

Statistique de Test Loi de Tn sous H0 Zone de rejet, Rα

µ [z1−α ; +∞[, si H1 : σ > σ0 .
ˆ2
connue Zn = n Sσn2 Zn ∼ χ2 (n) [0; zα ], si H1 : σ < σ0 .
0
]zα/2 ; z1−α/2 [c , si H1 : σ = σ0 .
µ idem en
S2
inconnue Zn = (n − 1) σn2 Zn ∼ χ2 (n − 1) lisant les z dans
0
la table χ2 (n − 1)

Fiche IC et Tests Statistiques 12, 2020 14 / 15

 Statistiques de Tests Test de conformité sur la variance

Rappels sur les seuils:

On détermine les nombres z... tels que :
P(zα/2 ≤ Z ≤ z1−α/2 ) = 1−α, où Z ∼ χ2 (n) ou χ2 (n−1) [suivant le cas ].

De manière analogue aux nombres uβ , les nombres zβ (quantiles) sont

définis avec la fonction de répartition:
ie : P(Z ≤ zβ ) = β
Fiche IC et Tests Statistiques 12, 2020 15 / 15
 Statistiques de Tests Test de conformité sur la variance

Rappels sur les seuils:

On détermine les nombres z... tels que :
P(zα/2 ≤ Z ≤ z1−α/2 ) = 1−α, où Z ∼ χ2 (n) ou χ2 (n−1) [suivant le cas ].

De manière analogue aux nombres uβ , les nombres zβ (quantiles) sont

définis avec la fonction de répartition:
ie : P(Z ≤ zβ ) = β
Fiche IC et Tests Statistiques 12, 2020 15 / 15