Licence Economie et Gestion - L2S4

COURS : M. JALAL EL OUARDIGHI

Probabilités et statistique IV
Document n°1 : Introduction, Plan & Références bibliographiques

1. Introduction
Ce cours est destiné à donner une présentation aussi claire que possible des tests d’hypothèses qui
ont pour but de vérifier la validité ou l’invalidité de certaines assertions relatives à une ou plusieurs
populations à partir des données d’un ou plusieurs échantillons. Répondre à cet objectif suppose
l’adoption d’une double démarche : l’exposition des développements théoriques et leur illustration
systématique par des exemples d’application.

Toute étude statistique peut être décomposée en deux phases au moins : la collecte des données,
d’une part, et leur analyse ou leur interprétation, d’autre part. La collecte des données peut être
réalisée soit par la simple observation des phénomènes auxquels on s’intéresse, tels qu’ils se
produisent naturellement, soit par l’expérimentation en provoquant volontairement l’apparition de
certains phénomènes contrôlés. L’analyse statistique peut elle-même être décomposée en deux
étapes, l’une déductive ou descriptive (raisonnement qui va de la population totale à l’échantillon),
l’autre inductive (raisonnement qui va de l’échantillon à la population). La statistique descriptive a
pour objectif de résumer et de présenter les données observées, par exemple sous la forme de
tableaux et graphiques, d’une manière telle qu’on puisse en prendre connaissance aisément (c’était
l’objet du cours « Méthodes quantitatives » de la première année de la Licence). L’inférence
statistique permet d’étendre ou de généraliser dans certaines conditions les conclusions ainsi
obtenues. Très souvent en effet, l’observation ou l’expérimentation ne concerne qu’une fraction des
individus auxquels on s’intéresse réellement. Les conclusions relatives à cette fraction, appelée
échantillon, doivent alors être étendues autant que possible à l’ensemble des individus, formant la
population. Cette phase inductive comporte évidemment certains risques d’erreur, qui peuvent être
mesurés en faisant appel à la théorie des probabilités.

Les premiers problèmes d’inférence statistique auxquels s’applique la théorie des distributions
d’échantillonnage sont liés à l’estimation. Le but poursuivi ici est d’estimer, à partir d’un échantillon,
la ou les valeurs numériques d’un ou plusieurs paramètres de la population considérée (moyenne,
écart-type, proportion, etc.), et de déterminer la précision de cette ou de ces estimations grâce à la
notion d’intervalle de confiance (c’était l’objet du cours « Probabilités et Statistique III », L2-S3). Un
second volet de l’inférence statistique est constitué par les tests d’hypothèses. C’est l’objet du cours
« Probabilités et Statistique IV », L2-S4. Un test statistique est un mécanisme visant à trancher
entre deux hypothèses, c’est à dire à prendre une décision, à partir des informations recueillies sur
un ou plusieurs échantillons. Comme dans le cadre des estimations, il n’est pas possible de conclure
avec certitude absolue puisque les tests ne sont menés que sur un ou plusieurs échantillons (et non
pas sur toute la population). On admet donc un certain risque d’erreur en prenant la décision finale.
On peut distinguer différents types de tests, en fonction des hypothèses auxquelles on s’intéresse.

1
Les tests de conformité sont destinés à comparer entre eux un échantillon observé et une
population théorique, mais dans un but plus restreint. Ils servent en effet à vérifier si un échantillon
donné peut être considéré comme extrait d’une population possédant non pas telle distribution
entièrement spécifiée, mais seulement telle caractéristique particulière (telle moyenne, telle
variance, etc.). On peut tester, par exemple, si un nouveau procédé de fabrication d’un bien est plus
efficace que l’ancien (réduction des coûts, moins de défection des biens, une qualité meilleure du
produit, etc.). La décision d’introduire le nouveau procédé va dépendre donc de la conclusion de ce
test.

Les tests d’égalité ou d’homogénéité ont pour but de comparer entre elles un certains nombre de
populations, à l’aide d’un même nombre d’échantillons. On veut par exemple comparer les niveaux
de certains indicateurs socio-économiques (revenus, niveaux de vie, niveau d’éducation, etc.) entre
deux régions différentes. Un tel test est réalisé en pratique en vérifiant si l’écart entre les différents
indicateurs doit ou non être considéré comme fortuit. On parle non seulement de tests d’égalité de
moyennes, mais aussi de tests d’égalité de variances, de tests d’égalité de coefficients de
corrélation, etc.

Les tests d’ajustement sont destinés à vérifier si un échantillon observé peut être considéré comme
extrait d’une population donnée. On peut se demander, par exemple, si le revenu des ménages
dans une région est une variable aléatoire qui possède une distribution normale (ou log-normale).
Ce problème peut être résolu en regardant si les écarts existant entre les fréquences relatives
observées dans un échantillon et les probabilités correspondantes de la population peuvent être
considérés comme dus au hasard de l’échantillonnage, ou si ces écarts doivent être attribués, au
contraire, à d’autres facteurs.

Les tests d’indépendance ont pour but de contrôler à partir d’un échantillon l’indépendance
stochastique de deux ou plusieurs critères de classification, généralement qualitatifs. Tel est le cas,
par exemple, si on souhaite vérifier que, dans une région donnée, la capacité à innover est
indépendante, ou non, des efforts en recherche et développement ou si la croissance économique
régionale est indépendante ou non du niveau d’éducation dans la région, etc. Il faut noter que les
tests d’indépendance peuvent être considérés comme un cas particulier des tests d’ajustement.

2. Plan du cours

La recherche de simplicité exclut la prétention à l’exhaustivité des situations auxquelles on peut être
confronté dans le cadre d’une première approche des tests d’hypothèses. Ainsi, nous nous sommes
limités à une présentation en trois chapitres qui nous semblaient permettre de résoudre les
principales difficultés lors d’une prise de décision. Le chapitre I est un chapitre introductif à la
théorie des tests d’hypothèses. Il présente ainsi les principes et les méthodes de base relatifs aux
tests statistiques. Sans prétendre à l’exhaustivité, le chapitre II aborde différents types de tests, en
particulier les tests de conformité et de comparaison usuels. Dans ces deux premiers chapitres, les
tests présentés (ou la plupart) reposent sur l’hypothèse de normalité de la variable aléatoire étudiée
ou concernent des échantillons de taille suffisante pour valider cette hypothèse. Cependant, lorsque
le nombre d’observations est faible, l’hypothèse de la normalité du caractère étudié peut apparaître
non fondée et injustifiée. D’autres procédures sont alors plus adaptées. Le chapitre III est consacré

2
aux tests non paramétriques. Ces tests ne nécessitent pas au préalable une définition stricte des lois
des caractères observés (hypothèse de normalité, etc.) et sont construits sans référence aux
paramètres d’une loi de probabilité.

CHAPITRE I : Tests d’hypothèses sur un paramètre, généralités

Section 1 : Principes et réalisations des tests
Section 2 : Méthodes de construction d’un test entre deux hypothèses simples
Section 3 : Extension : autres procédures de construction des tests d’hypothèses
CHAPITRE II : Tests de conformité et de comparaison usuels
Section 1 : Tests de conformité (ou de signification) sur une moyenne, une variance ou
une proportion
Section 2 : Tests de comparaison de deux moyennes, de deux variances ou de deux
proportions
Section 3 : Analyse de la variance : introduction à l’ANOVA
CHAPITRE III : Tests non paramétriques
Section 1 : Tests de Khi-2
Section 2 : Autres tests non paramétriques

3. Références bibliographiques (*) :

Anderson D.R, Sweeney D.J, Williams T.A, Camm J.D, Cochran J.J, 2015, Statistiques pour
l’économie et la gestion, 5ème édition, De Boeck Supérieur.
Bouget D, Vienot A., 1995, Traitement de l’information : statistiques et probabilités, Librairie
Vuibert.
Dagnelie P, 1998, Statistique théorique et appliquée, Tome 1 : Statistique descriptive et bases de
l’inférence statistique, De Boeck.
Dagnelie P, 1998, Statistique théorique et appliquée, Tome 2 : Inférence statistique à une et à deux
dimensions, De Boeck.
Lecoutre J-P, 2016, Statistique et probabilités - Cours et exercices corrigés, 6ème édition, Dunod.
Saporta G, 2011, Probabilités, analyse de données statistiques, Technip.
Wonnacott T-H, Wonnacott R-J, 1999, Statistique : Economie – Gestion – Sciences – Médecine –
Avec exercices d’application, Economica.
(*) Cf. également les références bibliographiques du cours ‘Probabilités et statistique III’. NB. Cette liste
n’est qu’indicative. Vous pouvez bien sûr constituer votre propre bibliographie en consultant d’autres
références sur un ou plusieurs thèmes du cours. Des références complémentaires sur des questions
spécifiques vous seront communiquées à l’occasion durant le cours.

*
* *