Chapitre I

I. Les étapes de la réalisation d’un test statistique :

Le test statistique est l'outil de la comparaison, de même l'intervalle de confiance était

l'outil statistique de l'estimation. Une comparaison statistique porte sur des séries de données
qui sont résumées en moyenne, pourcentage, distribution par classes, indicateurs de liaison
entre 2 variables ou plus. Lorsque l'on effectue la comparaison entre deux ou plusieurs séries
de données, on observe toujours une différence plus ou moins grande entre les paramètres
mesurés. Le but du test est de déterminer si la différence observée est simplement due au
hasard, c'est-à-dire aux fluctuations de l'échantillonnage, ou si la différence observée est bien
réelle. Au total, le test statistique sert à extrapoler les résultats obtenus sur des échantillons à
l'ensemble des populations dont ils sont issus. En contrepartie, il faut admettre l'existence d'un
certain flou dans les conclusions, il faut assumer un certain risque d'erreur. Les tests
statistiques sont conçus pour déterminer ce risque d'erreur. La réalisation d'un test statistique
suppose quelques réflexions concernant ses conditions d'utilisation et d'application.

Les étapes de la réalisation d'un test d'hypothèse : Les différentes étapes de la mise en œuvre
des tests peuvent être schématisées de la manière suivante :

1. Examiner le problème à étudier de manière à le formuler sous forme d'une question

simple (la problématique).

2. On pose les hypothèses de travail, on pose l'hypothèse nulle H0 ainsi qu'une hypothèse
alternative H1.

3. On fixe le seuil de signification α à ne pas dépasser pour rejeter l'hypothèse nulle (1%,
10% et le risque standard est 5%).

4. On collecte les données d'un échantillon tiré au hasard de la population étudiée.

5. On détermine la statistique du test pour apprécier si ce que l'on teste et on précise sa

loi de probabilité.

6. On calcule la probabilité d'obtenir les écarts observés et ceux de même nature mais
encore moins probables (les queues de la distribution), on utilise la loi suivie par la
statistique du test, cette probabilité appelée P-value en anglais ou degré de
signification.

7. On conclut au rejet ou non-rejet de l'hypothèse nulle en fonction des résultats de la

comparaison de la valeur de probabilité P-value au risque seuil α.
Chapitre I

 Si P-value ≤ α, on rejette H0 en faveur de H1.

 Si P-value > α, on ne va pas pouvoir rejeter H0 et H1 sera rejeté (la différence

observée est imputée au hasard ou aux fluctuations de l'échantillonnage).

8. On donne une interprétation des résultats, en cohérence avec les connaissances

scientifiques.

II. Critères de choix d’un test statistique :

Le choix d’un test statistique dépend de plusieurs facteurs qu’il importe d’identifier au
préalable. Choisir le test statistique adéquat garantit la fiabilité et la validité de vos
résultats.
1. Nature des données (variables aléatoires) :
 Données quantitatives (continues ou discrètes) : Si vos données sont
mesurées sur une échelle quantitative continue ou discrète, vous devrez
utiliser des tests adaptés, comme le test t de Soudent, l'analyse de la
variance (ANOVA) ou des tests de corrélation.
 Données catégorielles : Si vos données sont catégorielles (nominales ou
ordinales), vous devrez utiliser des tests adaptés, tels que le test du chi-
carré, le test de Fisher ou des tests de régression logistique.
2. Objectif de l'analyse ou nature de problème:
 Comparaison de moyennes : Si vous souhaitez comparer les moyennes de deux
groupes ou plus, vous pouvez utiliser le test t de Student, l'ANOVA, ou leurs
variantes.
 Association entre variables : Si vous voulez déterminer s'il existe une
association entre deux variables, vous pouvez utiliser des tests de corrélation
(comme le coefficient de corrélation de Pearson ou de Spearman) ou des tests
de contingence.
 Prédiction ou classification : Pour des tâches de prédiction ou de classification,
des méthodes comme la régression linéaire, la régression logistique, ou des
méthodes d'apprentissage automatique peuvent être appropriées.
Taille de l'échantillon :

3. La taille de l'échantillon peut influencer le choix du test statistique. Certains

tests sont plus appropriés pour de petits échantillons, tandis que d'autres sont
Chapitre I

conçus pour des échantillons plus grands (n≥ 30 ou n< 30).il faut prendre en
considération la taille minimum des échantillons.
4. La normalité de la distribution :
La forme de la distribution de vos données peut influencer le choix du test.
Les tests paramétriques supposent souvent une distribution normale, tandis
que les tests non paramétriques sont moins sensibles à la distribution des
données.
5. Egalité des variances
6. Les grandeurs étudiées : la moyenne, le pourcentage, les variances, les
effectifs ou les rangs.
7. Le type de la série étudié : indépendantes ou appariées