Académique Documents
Professionnel Documents
Culture Documents
Probabilités et statistique IV
Document 2 : Un exemple introductif…
(i) le modèle statistique : la variable aléatoire X ‘ durée de vie moyenne des ampoules’ appartient à
la famille des lois normales, d’écart type connu s = 100 . Si l’on désigne par m l’espérance
mathématique de X, inconnue mais ne peut prendre dans l’exemple que deux valeurs (600 ou 650
heurs). Il s’agit donc de faire un choix entre l’hypothèse nulle H 0 : X~ N(600 ; 100) et l’hypothèse
alternative H 1 : X~ N(650 ; 100). En particulier,
1
ìH 0 : m = m 0 = 600
í .
î H 1 : m = m1 = 650
Chacune des ces hypothèses a pour conséquence une décision qui lui est associée : D0 , ne rien faire
(ne pas introduire la nouvelle technologie), ou D1 , incorporer le nouveau composant dans la
fabrication des ampoules. Puisqu’il s’agit de tester la valeur de m , X n est ‘la variable de décision’.
Sous H 0 , X n ~ N(600 ; 100/ n ) où n=50 (nombre des observations).
(ii) Régions critique et d’acceptation : la région critique est telle que W ={ ( x1 , x 2 , K, x50 ) / x50 ³ k }
où k est défini par la probabilité suivante :
W = { ( x1 , x 2 , K, x 50 ) / x50 ³ 623.26 } .
(iii) Décision : l’expérience indique que x n = 620 . La conclusion étant donc de conserver H 0 , c’est à
dire que le nouveau procédé est sans effet sur la durée de vie des ampoules. On opte ainsi pour la
décision D0 qui consiste à ne rien faire. .
(iv) Pourquoi a-t-on qualifié notre inventeur de ‘malchanceux’ ? Conserver l’hypothèse nulle H 0
ne signifie pas qu’on ne s’est pas trompé. Notre inventeur a peut être raison. En effet, il y a deux
manières de se tromper : faire confiance à l’inventeur, alors qu’il n’est pour rien dans le résultat
obtenu (probabilité a =0.05) ; ne pas croire l’inventeur alors que son procédé est fiable et que seul
le hasard (malencontreux pour lui !), dû au faible nombre d’observations par exemple, a donné des
résultats insuffisants pour convaincre le fabriquant des appareils électriques.
2
Supposons que l’inventeur ait raison, alors X n ~ N(650 ; 100/ 50 ). On commet une erreur
chaque fois que X n prend une valeur inférieur à 623.26, c’est à dire avec une probabilité b définie
par :
623.26 - 650
b = P(accepter H 0 / H 1 ) = P( W / H 1 )= P{ ( Z < ) } = P{ ( Z < -1.891 }
100 / 50
b =1 - P{ ( Z < 1.891) } = 1 – 0.9706 = 0.0294.
Le risque d’accepter l’hypothèse nulle alors qu’elle est fausse (accepter H 0 à tort) présente une
probabilité très faible. Enfin, on déduit aisément la puissance du test :
p = 1 - b = 0.9706.
La probabilité de rejeter l’hypothèse nulle, alors qu’elle est fausse (c’est à dire, rejet de H 0 avec
raison) est de 97,06%. La puissance du test mesure ainsi la performance de la règle de décision
adoptée, sa capacité à ne pas conduire à rejeter à tort l’hypothèse privilégiée.
Le tableau nous indique ainsi que la décision D0 de ne rien faire présente des coûts nuls et ceci
quel que soit l’état de la nature. Par contre, la décision d’incorporer le nouveau procédé coûtera au
fabriquant des appareils électrique 0.5 si H 0 est vraie (c’est à dire que le nouveau composant n’a
aucun effet sur la durée de vie des ampoules). Ce coût peut s’expliquer par les frais de mise en place
du nouveau procédé, etc. Mais, si H 1 est vraie (c’est à dire que le nouveau composant est efficace
et fiable), les coûts sont négatifs et peuvent s’expliquer par exemple par les retombés financières
liées à la nouvelle technologie, etc.
3
Après la réalisation ( x1 , x 2 , K , x n ) , on peut déterminer les probabilités a posteriori p 0 et p 1 des
hypothèses H 0 et H 1 à l’aide du théorème de Bayes :
p 0 L0 L0 p1 L1 L1
p0 = = et p 1 = = ,
p 0 L0 + p1 L1 L0 + L1 p0 L0 + p1 L1 L0 + L1
E[C ( D0 )] = p 0 C 00 + p 1C 01 = 0
L0 L1 0.5L0 - 1.5L1
et E[C ( D1 )] = p 0 C10 + p 1C11 = 0.5 + (-1.5)= .
L0 + L1 L0 + L1 L0 + L1
*
* *