Académique Documents
Professionnel Documents
Culture Documents
C’est une démarche qui a pour but de fournir une règle de décision permettant de
faire le choix entre deux hypothèses et ce sur la base de résultats d’échantillon.
Exemple
1) ligne de production.
2) réception d’un lot d’article.
Remarques estimateur
hypothèses
décision statistique
Seuil de
signification (a)
hypothèse nulle (H0) est l’hypothèse à tester; selon laquelle on fixe à priori un paramètre
d’une population à une valeur particulière. (absence de différence ou d’effet)
hypothèse nulle (H1) hypothèse contraire que l’on souhaite prouver en rejetant l’hypothèse
nulle (Ho); elle traduit une différence ou un effet statistiquement significatifs.
Ho : deux populations d’étudiant (de même niveau) ayant suivi des méthodes
pédagogiques différentes ont les mêmes notes moyennes aux examens.
H1 : deux populations d’étudiant (de même niveau) ayant suivi des méthodes
pédagogiques différentes ont des notes moyennes significativement différentes aux
examens.
H0 : m = m0 H0 : m = m0 H0 : m = m0
H1 : m < m0 H1 : m ≠ m0 H1 : m > m0
Dans un test d’hypothèse, on ne peut jamais être certain que H0 est accepter ou
rejeter. Les risques de se tromper sont résumés dans ce tableau :
Décision Statistique
Accepter H0 Rejeter H0
Mauvaise décision.
E
H0 vraie Bonne décision Erreur de Type I
T
(risque de 1er espèce)
A
T Mauvaise décision.
S H0 fausse Erreur de Type II Bonne décision
(risque de 2éme espèce)
Dans un test d’hypothèse, on ne peut jamais être certain que H0 est accepter ou
rejeter. Les risques de se tromper sont résumés dans ce tableau :
Décision Statistique
Accepter H0 Rejeter H0
on appelle a seuil de signification, ce risque est toujours fixé à l’avance avant de recueillir les
données. Donc a est contrôlée; par contre la probabilité de commettre une erreur de deuxième
espèce (b)n’est pas contrôlée.
Remarques
a) Les seuils de signification les plus utilisés sont a =0,05 et a =0,01; dépendant des conséquences
de rejeter à tort l’hypothèse H0.
b) la statistique qui convient pour le test est donc une variable aléatoire dont la valeur observée
sera utilisée pour décider du « rejet » ou « non-rejet » de H0 . la distribution d’échantillonnage de
cette statistique est déterminée en supposant que H0 est vraie.
étape 4: Spécifier la statistique qui convient pour le Test et définir l’écart-réduit. En déduire sa
distribution d’après les conditions d’application.
étape 5: Adopter une règle de décision qui conduira au rejet ou au non-rejet de H0 au seuil de
signification a choisi. Cette décision est définit à partir des valeurs critiques de l’écart-réduit.
étape 6: Calculer la valeur numérique de l’écart-réduit, valeur déduite des résultats de l’échantillon.
étape 7: Décision et conclusion : comparer la valeur numérique obtenu pour l’écart-réduit avec la
règle de décision adoptée (étape 5). Décider entre les deux hypothèses formulées (étape 1) et
conclure.
H0 : m = m0 Rejet de H0 si :
H1 : m ≠ m0
H0 : m = m0 Rejet de H0 si :
H1 : m > m0
H0 : m = m0 Rejet de H0 si :
H1 : m < m0
H0 : s2 = s20 Rejet de H0 si :
H1 : s2 ≠ s20
H0 : s2 = s20 Rejet de H0 si :
H1 : s2 > s20
H0 : s2 = s20 Rejet de H0 si :
H1 : s2 < s20
Dans le paragraphe précédent (comparaison à une norme), nous n’avons traité que des
situations comportant une seule population. Nous abordons ici l’étude des tests statistiques dans le
cas où nous devons comparer certains paramètres de deux populations.
Exemples :
- Les pièces provenant de deux lots ont-elles le même diamètre moyen ?
- Les bouteilles remplies sur deux chaînes ont-elles le même contenu moyen ?
Population 1 Population 2
m1 m2
s1 s2
m1 - m2