Académique Documents
Professionnel Documents
Culture Documents
Probabilités et statistique IV
CHAPITRE I : Tests d’hypothèses sur un paramètre, généralités
1
Nous considérons tout au long du Chapitre I, pour illustrer les principes et les réalisations des tests d’hypothèses, le cadre des
tests de conformité, appelés également tests de signification, que nous avons défini et discuté dans l’introduction
1
opter pour la décision D1 . Ce choix repose sur une réalisation ( x1 , x2 ,, xn ) d’un échantillon
( X 1 , X 2 ,, X n ) de taille n de la variable aléatoire X , c’est-à-dire sur une valeur de l’espace E n des
résultats possibles : ( x1 , x2 ,, xn ) E n . (à noter... : les lettres minis cules pour une réalisation, les lettres
majuscules pour lois de probabilité…).
Définition :
Un test est une application f de E n dans l’ensemble des décisions { D0 , D1 } qui, à une réalisation de
l’échantillon ( x1 , x2 ,, xn ) E n , fait correspondre un élément de { D0 , D1 } : choix de D0 si
f ( x1 , x2 ,, xn ) = D0 ou choix de D1 (rejet de H 0 ) si f ( x1 , x2 ,, xn ) = D1 . Deux sous-ensembles de
E n peuvent être déterminés : le sous-ensemble des réalisations qui conduisent à choisir D1 définit la
région de rejet de l’hypothèse H 0 appelée la région critique ; le sous-ensemble complémentaire des
réalisations qui conduisent à choisir D0 , appelé la région d’acceptation.
Si l’on dénote par W et W respectivement les régions critique et d’acceptation, on peut les formuler de la
manière suivante :
W = { ( x1 , x2 ,, xn ) E n ; f ( x1 , x2 ,, xn ) = D1 } , (1.1)
W = { ( x1 , x2 ,, xn ) E n ; f ( x1 , x2 ,, xn ) = D0 } . (1.2)
1 1
W et W sont ainsi des applications réciproques f respectivement de D1 et de D0 : W= f ( D1 ) et
1
W= f ( D0 ). (à noter, pour mémoire… : pour se rappeler toujours de quelle région s’agit-il, W ou W , penser
à une main qui tapote la lettre W pour signifier : Accepter !! , W est donc la région d’acceptation de H 0 ).
2
une hypothèse fausse (accepter H 0 à tort) est l’erreur de deuxième espèce (Cas 3). A chacune de ces
erreurs, on peut associer une probabilité appelée risque. La probabilité d’aboutir à une conclusion erronée
(rejet de H 0 à tort) est le risque de première espèce noté .
Définition :
le risque de première espèce capte (ou mesure) la probabilité de refuser à tort l’hypothèse H 0 , parce
que l’échantillon ( X 1 , X 2 ,, X n ) appartient à la région critique W :
= P(rejet H 0 / H 0 ) = P{ ( X 1 , X 2 ,, X n ) W / H 0 } . (1.3)
La probabilité d’aboutir à une conclusion erronée en acceptant H 0 à tort, parce que l’échantillon
( X 1 , X 2 ,, X n ) appartient à la région d’acceptation W , est le risque de deuxième espèce noté .
Cette probabilité est désignée par :
= P(accepter H 0 / H 1 ) = P{ ( X 1 , X 2 ,, X n ) W / H 1 } . (1.4)
Nous pouvons résumer les quatre cas précédents avec les probabilités correspondantes dans le tableau ci-
dessous :
Note : En pratique, il s’avère difficile de trouver une solution simple au problème que pose l’erreur de deuxième
espèce . On est souvent tenté de perdre de vue, à tort, l’existence même du risque de deuxième espèce.
D’une manière générale, le bon sens indique que cette probabilité est fonction du degré de fausseté de
l’hypothèse nulle. La probabilité de rejet est d’autant plus élevée que l’hypothèse nulle est plus fausse,
c’est-à-dire d’autant plus élevée que l’hypothèse alternative qui est vraie est plus différente de
3
l’hypothèse nulle H 0 . La relation qui lie la probabilité de rejet au degré de fausseté de l’hypothèse nulle
constitue la fonction de puissance du test.
Contrairement au risque de première espèce, le risque de deuxième espèce est une variable qui dépend
toujours de l’hypothèse alternative H 1 qui est vraie. C’est ce qui explique qu’on se contente souvent, pour
des raisons de facilité, de préciser l’importance du risque de première espèce, sans se soucier de
l’existence même du risque de deuxième espèce.
___________