3.chap 3-Test D'hypothèse

Inférence statistique:
Tests d’hypothèse
Par
Ghizlane Lakhnati
ENSA AGADIR
Plan 2
1. Introduction;
2. Vocabulaire et définitions;
3. Tests de conformité;
4. Tests d’homogénéité;
5. Tests de Khi-deux.
Introduction 3
Un test statistique est une méthode qui permet de valider ou
rejeter une hypothèse sur une population à partir des informations
fournies par un ou plusieurs échantillons aléatoires choisis dans la
population.
Il existe plusieurs types de tests selon les hypothèses étudiées.
• Tests de conformité: test de comparaison d’un paramètre de la
population à une valeur standard.
• Test d’homogéneité: permet de comparer les paramètres de
deux populations.
• Tests du Khi-deux: permet de déterminer dans quelle mesure
les effectifs relatifs à un ou plusieurs caractères observés sur un
ou plusieurs échantillons sont conformes aux effectifs attendus
(théoriques).
Vocabulaire et définitions 4
• Un test d’hypothèse est un concept qui permet de prendre une

décision sur la base des informations sur un échantillon.
• Une hypothèse H0 est dite nulle si elle est l’hypothèse soumise
au test et considérée comme réalisée.
• Une hypothèse H1 est dite alternative si elle est différente de
H0 . L’acceptation de H0 implique le rejet de H1 et inversement,
le rejet de H0 implique l’acceptation de H1 .
Vocabulaire et définitions 5
On court deux types de risque:

• Le risque d’erreur de première espèce:
α = P ( rejeter H0 | H0 vraie )
• Le risque d’erreur de deuxième espèce:
β = P ( accepter H0 | H0 fausse )
Un bon test statistique est un test qui minimise les deux risques
d’erreur α et β.
Tests de comformité 6
Soit P sur laquelle on étudie une variable X de paramètre θ, égale

théoriquement à une valeur standard θ0 . On vérifie si le paramètre
θ à changé.
• Test bilatéral : tester H0 : θ = θ0 contre H1 : θ 6= θ0 .
• Test unilatéral à droite: tester H0 : θ = θ0 contre H1 : θ > θ0 .
• Test unilatéral à gauche: tester H0 : θ = θ0 contre H1 : θ < θ0 .
La règle du test:
A un seuil de risque fixé α.
On construit un intervalle de confiance de θ: [θ1 , θ2 ].
Si le paramètre θe observée dans l’échantillon appartient à [θ1 , θ2 ],
on acceptera l’hypothèse H0 au seuil de risque α, sinon on rejette,
H0 et on accepte H1 .
Tests relatifs à une moyenne:
Soit P une population, X v.a quantitative de moyenne m0 et

d’écart type σ.
E échantillon de taille n: X la moyenne empirique.
Cas1:X ∼ N (m, σ), σ est connu

Sous H0 : m = m0 ,
X − m0
Z= ∼ N (0, 1)
√σ
n
• Test bilatéral:
Tester H0 : m = m0 Contre H1 : m 6= m0
La règle du test:
1. On fixe le seuil de risque α = P ( rejeter H0 | H0 vraie ).
2. On lit sur la table de la loi normale α2 de sorte que:

P − α2 ≤ Z ≤ α2 = 1 − α
ou bien
α
P Z≤ α =1−
2
2
On en déduit facilement que

σ σ
P m0 − √ 2 ≤ X ≤ m0 + √ α2 = 1 − α
α
n n
h i
3. Si x ∈ m0 − √σn α2 , m0 + √σn α2 on accepte H0 , sinon on rejette
H0 et on accepte l’hypothèse alternative H1 au niveau de risque
α.
• Test unilatéral à gauche:
Tester H0 : m = m0 contre H1 : m < m0 .
Soit α défini par: P (Z ≤ α ) = 1 − α et P (Z ≥ α ) = α.
La règle du test:
2. On lit sur la table de la loi normale α de sorte que:
P (Z ≤ α ) = P (Z ≥ −α ) = 1 − α

σ
P X ≥ m0 − √ α = 1 − α
n
3. Si x ≥ m0 − √σn α , on accepte H0 , sinon on rejette H0 et on
accepte l’hypothèse alternative H1 au niveau de risque α.
Test unilatéral à droite:

Tester H0 : m = m0 contre H1 : m > m0
La règle du test:
P (Z ≤ α ) = P (Z ≥ −α ) = 1 − α

σ
P X ≤ m0 + √ α = 1 − α
n
3. Si x ≤ m0 + √σn α , on accepte H0 , sinon on rejette H0 et on
cas 2: X ∼ N (m, σ), σ est inconnu.
Sous H0 ,
X − m0
T = S
∼ tn−1
√
n
La règle du test:
2. On lit sur la table de la loi de student t α2 ,n−1 de sorte que:

P −t α2 ,n−1 ≤ T ≤ t α2 ,n−1 = 1 − α

S S
P m0 − √ t 2 ,n−1 ≤ X ≤ m0 + √ t α2 ,n−1 = 1 − α
α
n n
h i
3. Si x ∈ m0 − √sn t α2 ,n−1 , m0 + √sn t α2 ,n−1 , on accepte H0 . Sinon
on rejette H0 et on accepte H1 au niveau de risque α.
• Test unilatéral à droite:
La règle du test:
2. On lit sur la table de la loi de student tα,n−1 de sorte que:
P (T ≤ tα,n−1 ) = 1 − α

S
P X ≤ m0 + √ tα,n−1 = 1 − α
n
3. Si la moyenne observée dans l’échantillon considérée est telle
que
x ≤ m0 + √sn tα,n−1 , on accepte H0 , sinon on rejette H0 et on
cas3:La population n’est pas normale et n ≥ 30

Sous H0 ,
X − m0
Z= σ ∼ N (0, 1)
√
n
Si σ est inconnu (ce qui est souvent le cas ) alors on prend son
estimateur S.
Pour les trois types de tests, on reprend le même raisonnement que

dans le cas 1 (la population est normale et σ connu).
Tests relatifs à une proportion:
Soit p la proportion des individus dans P possédant un C.

Tester à un niveau de risque α, H0 : p = p0 , où p0 est une valeur
standard fournie.
On prélève un E de taille n. F est la proportion des éléments
possédant C dans E.
Pour E tel que: n ≥ 30, np0 > 5 et nq0 > 5, on a:
K
p pq
F = n ∼ N (p, n ).
F −p
p pq ∼ N (0, 1).
n
Sous H0 ,
F − p0
q ∼ N (0, 1).
p0 (1−p0 )
n
• Test bilatéral: Testons H0 : p = p0 contre H1 : p 6= p0
La règle du test:
2. On lit sur la table de la loi normale α2 de sorte que:

P − α2 ≤ Z ≤ α2 = 1 − α
α
P Z≤ α =1−
2
2
r r !
p0 (1 − p0 ) p0 (1 − p0 )
P p0 − α2 ≤ F ≤ p0 + α2 = 1 − α
n n
q q
p0 (1−p0 ) p0 (1−p0 )
3. Si pe ∈ p0 − n
α2 , p0 + n
α2 on accepte H0 ,
sinon on rejette H0 et on accepte H1 au niveau de risque α.
• Test unilatéral à gauche: Testons H0 : p = p0 contre
H1 : p < p0 .
La règle du test:
P (Z ≥ −α ) = P (Z ≤ α ) = 1 − α

r !
p0 (1 − p0 )
P F ≥ p0 − α =1−α
n
q
3. Si pe ≥ p0 − p0 (1−p
n
0)
α , on accepte H0 , sinon on rejette H0 et
on accepte H1 au niveau de risque α.
• Test unilatéral à droite: Testons H0 : p = p0 contre
H1 : p > p0 .
La règle du test:
P (Z ≤ α ) = 1 − α

r !
p0 (1 − p0 )
P F ≤ p0 + α =1−α
n
q
3. Si pe ≤ p0 + p0 (1−p
n
0)
α , on accepte H0 , sinon on rejette H0 et
on accepte l’hypothèse alternative H1 au niveau de risque α.
Tests relatifs à une variance:
On considère que la population est de moyenne m et de variance

σ 2 , et on cherche à tester une hypothèse relative à σ 2 :
Tester l’hypthèse nulle H0 : σ 2 = σ02 contre une hypothèse
alternative H1 , où σ02 est une valeur standard donnée.
Cas 1: X ∼ N (m, σ), et m connue
nΣ2
X = 2 ∼ Xn2
σ
2 1
Pn 2
avec Σ = n i=1 (X i − m) .
Sous l’hypothèse H0 ,
nΣ2
X = 2 ∼ Xn2
σ0
• Test bilatéral: Tester H0 : σ 2 = σ02 contre H1 : σ 2 6= σ02 .

La règle du test:
2. On lit sur la table de la loi Khi-deux de degré n, les valeurs de
2
X α2 ,n et X1− α
,n telles que:
2 2

2 2
P X1− α
,n ≤ X ≤ X α
,n = 1 − α
2 2
h i
nΣ2e 2 2
3. Si σ02
∈ X1− α
,n , X α
,n , on accepte H0 , sinon on rejette H0 et
2 2

Tester H0 : σ 2 = σ02 contre H1 : σ 2 > σ02 .
La règle du test:
2. On lit sur la table de la loi Khi-deux de degré n, la valeur de
2
Xα,n telle que:
2

P X ≤ Xα,n = 1 − α
nΣ2e 2
3. Si σ02
≤ Xα,n , on accepte H0 , sinon on rejette H0 et on accepte
H1 au niveau de risque α.

Tester H0 : σ 2 = σ02 contre H1 : σ 2 < σ02 .
La règle du test:
2. On lit sur la table de la loi Khi-deux de degré n, la valeur de
2
X1−α,n telle que:
2

P X ≥ X1−α,n = 1 − α
nΣ2e 2
3. Si σ02
≥ X1−α,n , on accepte H0 , sinon on rejette H0 et on
accepte H1 au niveau de risque α.
Cas2: X ∼ N (m, σ), et m inconnue

On admet que
(n − 1) S 2 2
X = ∼ Xn−1
σ2
1
Pn
2
avec S = n−1 i=1 (Xi − X)2 .
Sous l’hypothèse H0 : σ 2 = σ02 ,

(n − 1) S 2 2
X = ∼ Xn−1
σ02
Tester H0 : σ 2 = σ02 contre H1 : σ 2 6= σ02
où σ02 est une valeur standard donnée.
La règle du test:
2. On lit sur la table de la loi Khi-deux de degré n − 1, les valeurs
2
de X α2 ,n−1 et X1− α
,n−1 telles que:
2 2

2 2
P X1− α
,n−1 ≤ X ≤ X α
,n−1 = 1 − α
2 2
h i
(n−1)s2 2 2
3. Si σ02
∈ X1− α
,n−1 , X α
,n−1 , on accepte H0 , sinon on rejette
2 2
H0 et on accepte H1 au niveau de risque α.

Tester H0 : σ 2 = σ02 contre H1 : σ 2 > σ02
La règle du test:
2. On lit sur la table de la loi Khi-deux de degré n − 1, la valeur
2
de Xα,n−1 telles que:
2

P X ≤ Xα,n−1 = 1 − α
(n−1)s2 2
3. Si σ02
≤ Xα,n−1 , on accepte H0 , sinon on rejette H0 et on
Test unilatéral à gauche:

Tester H0 : σ 2 = σ02 contre H1 : σ 2 < σ02 .
La règle du test:
2. On lit sur la table de la loi Khi-deux de degré n − 1, la valeur
2
de X1−α,n−1 telles que:
2

P X ≥ X1−α,n−1 = 1 − α
(n−1)s2 2
3. Si σ02
≥ X1−α,n−1 , on accepte H0 , sinon on rejette H0 et on
Tests d’homogénéité 27
Les tests d’homogénéité ou d’égalité vise à comparer deux

populations ou bien aussi déterminer si deux échantillons
appartiennent à la même population, par exemple comparer deux
groupes d’individus selon le poids.
On s’interesse ici à la comparaison d’une variable sur deux
populations indépendantes. Dans cette partie nous décrivons les
principaux tests sur les différences des moyennes, des proportions
et des variances.
Tests d’égalité de deux moyennes

Soit X étudiée dans deux
populations indépendantes P1 et P2 .
E1 dans P1 de taille n1 et E2 dans P2 de taille n2 .
Population (P) P1 P2
Moyenne de P m1 m2
Ecart-type de P σ1 σ2
Taille de l’échantillon (E) n1 n2
X1 X2
Σ1 ; S1 Σ2 ; S2
Cas1: Populations normales et variances connues
On a X1 ∼ N (m1 , σ1 ) et X2 ∼ N (m2 , σ2 ) alors,

σ1
X 1 ∼ N m1 , √
n1

σ2
X 2 ∼ N m2 , √
n2
De plus les deux populations sont supposées indépendantes, donc
 s 
2 2
σ 1 σ2
Y = X 1 − X 2 ∼ N m1 − m2 , + 
n1 n2
Alors
Y − (m1 − m2 )
Z= q 2 2
∼ N (0, 1)
σ1 σ2
n1
+ n2
Tester H0 : m1 = m2 contre H1 : m1 6= m2 est équivalent à tester
H0 : m1 − m2 = 0 contre H1 : m1 − m2 6= 0.
La règle du test:
2. On lit sur la table de la loi normale, la valeur de α2 telle que:

P − α2 ≤ Z ≤ α2 = 1 − α
x −xe2
3. Si re1 ∈ − α2 , α2 , on accepte H0 , sinon on rejette H0 et
2
σ1 2
σ2
n1
+n
2

Tester l’hypothèse: H0 : m1 = m2 contre H1 : m1 > m2 est
équivalent à tester H0 : m1 − m2 = 0 contre H1 : m1 − m2 > 0.
La règle du test:
2. On lit sur la table de la loi normale, la valeur de α telle que:
P (Z ≤ α ) = 1 − α
x −xe2
3. Si re1 ≤ α , on accepte H0 , sinon on rejette H0 et on
2
σ1 2
σ2
n1
+n
2

Tester l’hypothèse: H0 : m1 = m2 contre H1 : m1 < m2 est
équivalent à tester H0 : m1 − m2 = 0 contre H1 : m1 − m2 < 0.
La règle du test:
2. On lit sur la table de la loi normale, la valeur de α telle que:
P (Z ≥ −α ) = P (Z ≤ α ) = 1 − α
x −xe2
3. Si re1 ≥ −α , on accepte H0 , sinon on rejette H0 et on
2
σ1 2
σ2
n1
+n
2
cas2: Populations normales, variances égales et inconnues
On estime la variance inconnue par

2 2
(n1 − 1)S1 + (n2 − 1)S2
S2 =
n1 + n2 − 2
X1 − X2
T = q
S. n11 + n12
suit une loi de student de degré de liberté n1 + n2 − 2.
Tester l’hypothèse: H0 : m1 = m2 contre H1 : m1 6= m2 est
équivalent à tester H0 : m1 − m2 = 0 contre H1 : m1 − m2 6= 0.
La règle du test:
2. On lit sur la table de la loi de student, la valeur de t α2 ,n1 +n2 −2
telle que:

P −t α2 ,n1 +n2 −2 ≤ T ≤ t α2 ,n1 +n2 −2 = 1 − α
3. Si |t| ≤ t α2 ,n1 +n2 −2 , on accepte H0 , sinon on rejette H0 et on


Tester l’hypothèse: H0 : m1 = m2 contre H1 : m1 > m2 est
équivalent à tester H0 : m1 − m2 = 0 contre H1 : m1 − m2 > 0.
La règle du test:
2. On lit sur la table de la loi de student, la valeur de tα,n1 +n2 −2
telle que:
P (T ≤ tα,n1 +n2 −2 ) = 1 − α
3. Si t ≤ tα,n1 +n2 −2 , on accepte H0 , sinon on rejette H0 et on

Tester l’hypothèse: H0 : m1 = m2 contre H1 : m1 < m2 est
équivalent à tester H0 : m1 − m2 = 0 contre H1 : m1 − m2 < 0.
La règle du test:
2. On lit sur la table de la loi de student, la valeur de tα,n1 +n2 −2
telle que:
P (T ≥ −tα,n1 +n2 −2 ) = 1 − α
3. Si t ≥ −tα,n1 +n2 −2 , on accepte H0 , sinon on rejette H0 et on
Cas 3: Populations normales σ1 et σ2 sont inconnus et inégales
On remplace σ1 et σ2 par leurs estimations ponctuelles: S1 et S2

Par suite la variable
X1 − X2
T =q 2
S1 S22
n1
+ n2
suit une loi de student de degré de liberté n1 + n2 − 2.
Tests d’égalité de deux proportions:
On considère un caractère C dans deux populations indépendantes

P1 et P2 .
p1 et p2 sont resp les proportions des individus, dans P1 et P2 ,
possédant C.
Tester l’égalité des proportions H0 : p1 = p2 contre une hypothèse
alternative.
On prélève un échantillon E1 dans P1 de taille n1 et un échantillon
E2 dans P2 de taille n2 .
Population (P) P1 P2
Caractéristique de P p1 p2
Taille de l’échantillon (E) n1 n2
Caractéristique de E F1 F2
Si n1 ≥ 30 et n2 ≥ 30, n1 F1 > 5 et n2 F2 > 5, n1 (1 − F1 ) > 5 et

n2 (1 − F5 ) > 5,
alors on approxime p par:
n1 F 1 + n2 F 2
F =
n1 + n2
Sous H0 , la variable statistique
F1 − F2
Z=r ∼ N (0, 1)
F (1 − F ) n11 + 1
n2
Grâce à une procédure analogue à celle présentée dans la section

précédente, on obtient facilement les tests d’hypothèse pour
l’égalité de deux populations.
Tests d’égalité de deux variances
On considère deux populations indépendantes sur lesquelles on

désire tester la différence des variances d’une variable aléatoire X
dans les deux populations.
Le problème revient à tester
H0 : σ12 = σ22
Contre
H1 : σ12 6= σ22
telles que σ12 est la variance de X dans P1 et σ22 est la variance de
X dans P2 .
Cas:Populations normales:
Soient S12 et S22 les estimateurs des variances (inconnues) de X
dans les deux populations.
S12
F = 2 ∼ Fn1 −1,n2 −1
S2
La règle du test:
2. On lit sur la table de la loi de Fisher, pour les degrés de liberté
n1 − 1 et n2 − 1, les valeurs fn1 −1,n2 −1, α2 et fn1 −1,n2 −1,1− α2 telles
que:

P fn1 −1,n2 −1,1− α2 ≤ F ≤ fn1 −1,n2 −1, α2 = 1 − α
3. Si fn1 −1,n2 −1,1− α2 ≤ f ≤ fn1 −1,n2 −1, α2 , on accepte H0 , sinon on
rejette H0 et on accepte H1 au niveau de risque α.

3.chap 3-Test D'hypothèse

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

3.chap 3-Test D'hypothèse

Transféré par

Droits d'auteur :

Formats disponibles

Inférence statistique:

• Un test d’hypothèse est un concept qui permet de prendre une

On court deux types de risque:

• Le risque d’erreur de deuxième espèce:

Soit P sur laquelle on étudie une variable X de paramètre θ, égale

Tests relatifs à une moyenne:

Soit P une population, X v.a quantitative de moyenne m0 et

Cas1:X ∼ N (m, σ), σ est connu

On en déduit facilement que

Test unilatéral à droite:

On en déduit facilement que

On en déduit facilement que

cas3:La population n’est pas normale et n ≥ 30

Pour les trois types de tests, on reprend le même raisonnement que

Soit p la proportion des individus dans P possédant un C.

On en déduit facilement que

On en déduit facilement que

Tests relatifs à une variance:

On considère que la population est de moyenne m et de variance

Cas 1: X ∼ N (m, σ), et m connue

• Test bilatéral: Tester H0 : σ 2 = σ02 contre H1 : σ 2 6= σ02 .

• Test unilatéral à droite:

• Test unilatéral à gauche:

Cas2: X ∼ N (m, σ), et m inconnue

Sous l’hypothèse H0 : σ 2 = σ02 ,

• Test unilatéral à droite:

Test unilatéral à gauche:

Les tests d’homogénéité ou d’égalité vise à comparer deux

Tests d’égalité de deux moyennes

• Test unilatéral à droite:

• Test unilatéral à gauche:

cas2: Populations normales, variances égales et inconnues

On estime la variance inconnue par

3. Si |t| ≤ t α2 ,n1 +n2 −2 , on accepte H0 , sinon on rejette H0 et on

• Test unilatéral à droite:

• Test unilatéral à gauche:

Cas 3: Populations normales σ1 et σ2 sont inconnus et inégales

On remplace σ1 et σ2 par leurs estimations ponctuelles: S1 et S2

On considère un caractère C dans deux populations indépendantes

Si n1 ≥ 30 et n2 ≥ 30, n1 F1 > 5 et n2 F2 > 5, n1 (1 − F1 ) > 5 et

Grâce à une procédure analogue à celle présentée dans la section

Tests d’égalité de deux variances

On considère deux populations indépendantes sur lesquelles on

Vous aimerez peut-être aussi