9th

GRADE
des tests de comparaison de
fréquences et de moyennes,
et des tests d’indépendance

Réalisé par : zakaria sbiri

Marouane gouba
Anas rajjami
Amine bahani
Soufiane zaghari
 PLAN

1. Comparaison de fréquences
1.1 Comparaison d’une fréquence observée avec une fréquence théorique
1.2 Comparaison de deux fréquences observées
1.3 Comparaison de plus de deux fréquences observées
2. Comparaison de moyennes
2.1 Comparaison d’une moyenne observée avec une moyenne théorique
2.2 Comparaison de deux moyennes
3. Test d’indépendance
3.1 Test d’indépendance de deux variables qualitatives
3.2 Test d’indépendance de deux variables quantitatives
 NOTATIONS
Notations utilisées pour décrire le type de comparaison et les tests correspondant.

H0: hypothèse nulle testée ; H1: hypothèse alternative dans le cas

bilatéral

Première(s) Condition(s) d’application

Autre condition d’application Autre condition d’application

Test paramétrique à utiliser Test non paramétrique à utiliser

Formule de la statistique du Test
 1.1 Comparaison d’une fréquence observée avec une fréquence
théorique

F: variable aléatoire fréquence H0: p = p0 ; H1: p ≠ p0

de la modalité d’un caractère A;
n: nombre d’observations de
l’échantillon;
n ≥ 30, np et n(1-p) ≥ 5 n < 30 np et n(1-p) ≥ 5
f : fréquence observée dans
l’échantillon;
p: fréquence dans la population
où est issu l’échantillon; Statistique U Test du khi Deux à 1
p0: fréquence théorique de A. suit N (0,1) ddl
f0 -
p0
Z0 p 0(1 - p 0)
n
 1.2 Comparaison de deux fréquences observées

F: variable aléatoire fréquence d’un

caractère A; n1, n2: nombre
d’observations des échantillons 1 et 2;
f1, f2 : fréquences observées dans les
H0: p1 = p2 ; H1: p1 ≠ p2
échantillons;
p1, p2: fréquences de A dans les
n1et n2 ≥ 30 n1 ou n2 ≤ 30
populations 1 et 2.

n1f1, n2f2, n1(1-f1), n2(1-f2) ≥ 5 n1f1 ou n2f2 < 5, n1(1- n1f1, n2f2, n1(1-f1), n2(1-f2) ≥ 5
f1) ou n2(1-f2) < 5

Statistique U
suit N (0,1)
f 1- f 2 Test Exact de Test du Chi Deux à
Fisher 1 ddl
Z0 = p(1 - p)( 1 1
+ )
n1
n2

p=
n1 f 1 + n 2 f 2
n1 + n 2
 1.3 Comparaison de plus de deux fréquences observées

A: caractère à k modalités
(A1,…, Ai,…Ak); E1, …Ej, …El: l
échantillons ;
H0: échantillons issus de la même population (mêmes fréquences des modalités);
Tj : nombre d’individus dans H1: échantillons issus de populations différentes
l’échantillon Ej;

N: nombre total d’individus;

Tous les Cij ≥ 5 Au moins un Cij < 5
Si: nombre d’individus
présentant la modalité Ai sur
les N individus;
Oij: effectif observé d’individus avec la modalité Ai dans l’échantillon Ej;
Test du Chi Deux à Test Exact de
Cij: effectif théorique d’individus avec la modalité Ai dans l’échantillon Ej, (k-1)*(l-1) ddl Fisher
sous H0 (les fréquences sont les mêmes dans les échantillons).
Cij = SiTj/N
 2.1 Comparaison d’une moyenne observée avec une moyenne
théorique

X: variable aléatoire quantitative, n: nombre d’observations, x

: moyenne des observations;

H0:  = 0 ; H1:  ≠ 0
: moyenne de X dans la population dont est issue
l’échantillon; µ0: moyenne théorique;
n ≤ 30 et X suit loi normale
: écart-type de X; S: estimation de l’écart type de X. n > 30

connu inconnu
connu inconnu

Statistique U=f( Statistique T=f(S) suit

Statistique U=f( Statistique U=f(S) loi de Student à
) suit N(0,1)
) suit N(0,1) suit N(0,1) n-1 ddl
 2.2 Comparaison de deux moyennes observées

X: variable aléatoire quantitative; n1, n2:

. x1, x : nombre d’observations des échantillons 1 et 2; : moyennes des observations des échantillons; S1,
S2: estimations de l’écart type de X dans les échantillons
µ1, µ2 : moyennes théoriques de X dans les populations 1 et 2; 1, 2 : écart-types de X dans les
populations. x1, x 2
H0: 1 = 2 ; H1: 1 ≠ 2
n1 ou n2 ≤ 30 et X suit loi
n1 et n2 > 30 n1 ou n2 ≤ 30 et X suit loi normale inconnue

1, 2 inconnus
1, inconnus inconnus 1,/connus
///
2

Test F d’égalité
des variances
Statistique U=f(S) Statistique U=f() suit
suit N(0,1) N(0,1)
1, égales 1, différentes
2 Test non
x1  x 2 2 x1  x paramétrique
u S S
2 u  2 de
1
 2   222

n1 n 2  1
Statistique T=f(S) suit Statistique T=f(S) suit
n1 n 2 Mann-Whitney
loi de Student à loi de Student à
n1+n2-2 ddl m ddl (test d’Aspin Welch)

t Sx 12 ( x2 ) t
x1  
x2 2
1

1n1 1 S n1 S 2n 2
2

n2
 3.1 Test d’indépendance entre deux variables qualitatives

A: caractère à k modalités (A1,…, Ai,…Ak); B: caractère à l modalités (B1,…, Bji,…Bl); N: nombre total d’observations;
Tj : nombre d’individus présentant la modalité Bj sur les N individus; Si:
nombre d’individus présentant la modalité Ai sur les N individus; Oij:
effectif observé d’individus avec la modalité Ai et la modalité Bj;
Cij: effectif théorique d’individus avec les modalités Ai et Bj, sous H0 (A et B sont indépendants).
Cij = SiTj/N
H0: A et B sont indépendants ; H1: A et B sont liés

Tous les Cij ≥ 5

Au moins un Cij < 5

Test du khi Deux à Test Exact de

(k-1)*(l-1) ddl Fisher

2
(Oij  Cij )
k   Cij
i

j
 3.2 Test d’indépendance entre deux variables
quantitatives
X, Y: variables aléatoires quantitatives; n: nombre de couples d’observations (xi,yi);
x, : : écart-type des variables aléatoires X et Y; xr
r
di= xr -yr : différences entre les rangs des couples d’observations.
i i

H0: X et Y sont indépendants ; H1: X et Y sont

liés

X et Y suivent une loi normale X et Y suivent une loi inconnue

Calcul du coefficient de Corrélation r Test non paramétrique à partir du

Statistique T coefficient de corrélation de rang de
suit loi de Student à n-2 ddl Spearman rs

t  r n  n
21  r 2 6  i1 d i2
rs  1
n(n 2  1)

r
Cov(X,Y )
 X Y

10
MERCI POUR
VOTRE
ATTENTION

Si vous avez des questions, allez les chercher chez

Google , nous sommes pas des enseignants