Statistique

inférentielle

Pr. Driss El
Moutawakil

Statistique inférentielle
Chapitre 1 :
Introduction

Chapitre 2 :
Echantillon-
nage et
Estimation
d'une
moyenne
Pr. Driss El Moutawakil
Chapitre 3 :
Echantillon- Université Sultane Moulay Slimane,
nage et
Faculté polydisciplinaire de Khouribga, BP. 145,
Estimation
d'une Khouribga, Maroc.
proportion

Chapitre 4 :
Estimation
d'une
variance

Chapitre 5 :
Tests
d'hypothèse
 Plan du Cours

Statistique
inférentielle

Pr. Driss El
Moutawakil

Chapitre 1 :Introduction
Chapitre 1 :
Introduction 1

Chapitre 2 :
Echantillon-
2 Chapitre 2 : Echantillonnage et Estimation d'une moyenne
Chapitre 3 : Echantillonnage et Estimation d'une
nage et
Estimation 3

proportion
d'une
moyenne

Chapitre 3 :
Echantillon-
4 Chapitre 4 : Estimation d'une variance
nage et
Estimation
5 Chapitre 5 : Tests d'hypothèse
d'une
proportion

Chapitre 4 :
Estimation
d'une
variance

Chapitre 5 :
Tests
d'hypothèse
 Echantillonnage

Statistique
inférentielle

Pr. Driss El
Moutawakil

Chapitre 1 : La statistique est l'ensemble des méthodes scientiques à

Introduction
partir desquelles on recueille, organise, résume, présente et
analyse des données, et qui permettent d'en tirer des
Chapitre 2 :
Echantillon-
nage et
Estimation conclusions et de prendre des décisions judicieuses.
d'une
moyenne Au lieu d'examiner l'ensemble des données possible qu'on
Chapitre 3 :
Echantillon-
appelle encore la population, en pratique, on en étudie une
nage et
Estimation
toute petite partie appelée échantillon.
d'une
proportion
C'est l'échantillonnage.
Chapitre 4 :
Estimation
d'une
variance

Chapitre 5 :
Tests
d'hypothèse
 Echantillonnage

Statistique
inférentielle

Pr. Driss El Pour que les conclusions soient valables, il faut que
Moutawakil
l'échantillon soit représentatif de la population. Cela
Chapitre 1 : signie qu'il doit être prélevé d'une manière aléatoire,
c'est-à-dire que tous les éléments de la population ont la
Introduction

même probabilité d'être choisis, par exemple à travers un

Chapitre 2 :
Echantillon-

tirage au sort.
nage et
Estimation
d'une
moyenne
On parle d'échantillonnage exhaustif lorsque chaque
Chapitre 3 :
Echantillon-
membre de la population ne peut être choisi qu'une seule
nage et
Estimation
fois et d'échantillonnage non-exhaustif dans le cas
d'une
proportion
contraire. Si la population est très grande, on considère
Chapitre 4 :
généralement les échantillonnages comme non-exhaustifs.
Estimation
d'une
Pour simplier, par la suite, nous ne considérons que ce cas
variance
de gure.
Chapitre 5 :
Tests
d'hypothèse
 Estimation

Statistique
inférentielle

Pr. Driss El
A partir des résultats mesurés sur cet échantillon, nous
Moutawakil
essayons d'induire des conclusions valables pour la
Chapitre 1 :
population : c'est la partie de la statistique que l'on appelle
Introduction
statistique inductive.
De manière générale, l'inférence statistique est l'étude des
Chapitre 2 :
Echantillon-

conclusions que l'on peut tirer d'un échantillon pour une

nage et
Estimation

population dont l'échantillon est issu, ainsi que le degré de

d'une
moyenne

Chapitre 3 :
Echantillon-
précision des conclusions.
nage et
Estimation
C'est l'estimation.
Dans ce cadre, les problèmes qui se posent sont ceux de
d'une
proportion

Chapitre 4 : l'estimation des paramètres (moyenne, écart-type, etc.)

d'une population à partir des échantillons issus de cette
Estimation
d'une

même population.
variance

Chapitre 5 :
Tests
d'hypothèse
 Estimation

Statistique
inférentielle

Pr. Driss El
Moutawakil
Lorsque dans une population, un paramètre est estimé par
une seule valeur (un seul nombre), on dit qu'on dispose
Chapitre 1 :
Introduction
d'une estimation ponctuelle du paramètre.
Chapitre 2 : Si par contre, le paramètre d'une population est estimé par
deux nombres formant un intervalle dans lequel celui-ci
Echantillon-
nage et

peut varier, on dispose d'une estimation par intervalle de

Estimation
d'une

conance du paramètre.
moyenne

Chapitre 3 :
Echantillon-
nage et
Si l'espérance mathématique d'un paramètre de
Estimation
d'une
l'échantillon est égale au paramètre correspondant de la
proportion
population, on dit que l'on dispose d'un estimateur non
Chapitre 4 :
Estimation
biaisé de ce paramètre. Dans le cas contraire, on est en
d'une
variance
présence d'un estimateur biaisé.
Chapitre 5 :
Tests
d'hypothèse
 Population =⇒ Echantillon

Statistique
inférentielle

Pr. Driss El
Moutawakil

Dénition
On dispose d'une population sur laquelle est dénie une variable
Chapitre 1 :
Introduction

Chapitre 2 : aléatoire X dont on connaît l'espérance (ou la moyenne) µ et

l'écart-type σ .
Echantillon-
nage et
Estimation
d'une
moyenne
On s'intéresse aux échantillons de taille n. Auront-ils tous
Chapitre 3 :
la même moyenne ?
Non, certains peuvent être constitués d'éléments atypiques
Echantillon-
nage et

et avoir une moyenne très diérente de celle de la

Estimation
d'une
proportion
population (surtout si l'échantillon est de petite taille).
Chapitre 4 :
Estimation
d'une
variance

Chapitre 5 :
Tests
d'hypothèse
 Population =⇒ Echantillon

Statistique
inférentielle

Pr. Driss El
Moutawakil

Dénition
On dispose d'une population sur laquelle est dénie une variable
Chapitre 1 :
Introduction

Chapitre 2 : aléatoire X dont on connaît l'espérance (ou la moyenne) µ et

l'écart-type σ .
Echantillon-
nage et
Estimation
d'une
moyenne
Notons X la variable aléatoire qui, à chaque échantillon de
Chapitre 3 :
taille n, associe sa moyenne
X s'appelle encore la distribution des moyennes des
Echantillon-
nage et
Estimation
d'une échantillons).
Que peut-on dire de cette variable aléatoire X ?
proportion

Chapitre 4 :
Estimation
d'une
variance

Chapitre 5 :
Tests
d'hypothèse
 Population =⇒ Echantillon

Statistique
inférentielle

Pr. Driss El
Moutawakil

Théorème Central Limite - Version 1

Chapitre 1 :
Introduction

Chapitre 2 :
Echantillon-
X une variable aléatoire qui suit une loi normale sur une
nage et
Estimation
population X ,→ N(µ, σ)
On prélève, au hasard, un échantillon (tirages avec remise
d'une
moyenne

Chapitre 3 :
Echantillon-
ou assimilés) de taille n de moyenne X
nage et
Estimation
Alors la variable aléatoire X!suit également une loi
d'une
σ
proportion
normale : X ,→ N µ; √
Chapitre 4 : n
Estimation
d'une
variance

Chapitre 5 :
Tests
d'hypothèse
 Population =⇒ Echantillon

Statistique
inférentielle

Pr. Driss El
Moutawakil

Théorème Central Limite - Version 2

Chapitre 1 :
Introduction

Chapitre 2 :
Echantillon-
X une variable aléatoire qui suit une loi quelconque sur une
nage et
Estimation
population avec E (X ) = µ et σ(X ) = σ
On prélève, au hasard, un échantillon (tirages avec remise
d'une
moyenne

Chapitre 3 :
Echantillon-
ou assimilés) de taille n ≥ 30 de moyenne X
nage et
Estimation
Alors la variable aléatoire X!suit approximativement une loi
d'une
σ
proportion
normale : X ,→ N µ; √
Chapitre 4 : n
Estimation
d'une
variance

Chapitre 5 :
Tests
d'hypothèse
 Echantillon =⇒ Population

Statistique
inférentielle

Pr. Driss El
Moutawakil

Chapitre 1 :
Introduction

Chapitre 2 :
L'estimation est le problème inverse de l'échantillonnage
Echantillon-
nage et Problématique
Estimation
d'une A partir des informations (Moyenne - Ecart-type) établies
moyenne
sur un échantillon, comment retrouver ou plutôt estimer
celles d'une population entière ?
Chapitre 3 :
Echantillon-
nage et
Estimation
d'une
proportion

Chapitre 4 :
Estimation
d'une
variance

Chapitre 5 :
Tests
d'hypothèse
 Estimation Ponctuelle

Statistique
inférentielle

Pr. Driss El
Moutawakil

X une variable aléatoire de moyenne inconnue µ et

Chapitre 1 :
Introduction
d'écart-type connu ou inconnu σ
Chapitre 2 : On prélève au hasard un échantillon de taille n de moyenne
µe et d'écart-type σe
Echantillon-
nage et
Estimation
d'une
moyenne
Alors, on a :
Chapitre 3 :
Une estimation ponctuelle µ̂ de la moyenne µ de la
Echantillon- population est µe càd µ ' µ̂ = µe
Une estimation ponctuelle σ̂ derl'écart-type σ de la
nage et
Estimation
d'une
n
proportion
population est σ̂ tel que : σ̂ = σe
Chapitre 4 :
n−1
Estimation
d'une
variance

Chapitre 5 :
Tests
d'hypothèse
 Estimation par Intervalle de conance

Statistique
inférentielle

Pr. Driss El
X une variable aléatoire de moyenne inconnue µ et
Moutawakil
d'écart-type connu ou inconnu σ
Chapitre 1 :
Introduction
On prélève au hasard un échantillon de taille n de moyenne
Chapitre 2 :
µe et d'écart-type σe
Echantillon-
nage et
Alors :
Estimation
d'une
On dispose uniquement d'une estimation µ̂ de la moyenne
moyenne
µ de la population qui est µe
Chapitre 3 : Peut-on avoir plus d'informations sur µ ?
Peut-on trouver un encadrement de µ ?
Echantillon-
nage et
Estimation
d'une
Peut-on trouver, avec une conance C , un intervalle qui
proportion
contient µ ?
Chapitre 4 : Peut-on trouver, avec un risque α, un intervalle qui
contient µ ?
Estimation
d'une
variance
Liaison entre la conance C et le risque α : C = 1 − α
Chapitre 5 :
Tests
d'hypothèse
 Estimation par Intervalle de conance

Statistique
inférentielle
A partir de notre échantillon de moyenne µe et d'écart-type
Pr. Driss El
σe , on a :
Moutawakil
Si σ est connu et n ≥ 30, alors l'intervalle de conance
Chapitre 1 : sera : " #
Introduction
σ σ
Chapitre 2 : IC = µe − t. √ , µe + t. √
Echantillon- n n
nage et
Estimation
d'une La valeur de t est lue sur la table de N(0, 1).
moyenne
Si σ est inconnu ou n < 30,ralors on remplace σ par son
Chapitre 3 :
n
Echantillon-
estimation ponctuelle σ̂ = σe . Dans ce cas,
nage et
Estimation n−1
d'une
proportion
l'intervalle de conance sera :
" #
Chapitre 4 : σe σe
Estimation IC = µe − t. √ , µe + t. √
d'une
variance
n−1 n−1
Chapitre 5 :
Tests
La valeur de t est lue sur la table de la loi de Student avec
d'hypothèse
d.d.l. = n − 1.
 Application 1

Statistique
inférentielle

Pr. Driss El
Moutawakil

On veut estimer la moyenne d'une variable aléatoire suivant la

Chapitre 1 :
Introduction loi normale de variance 6, 25. L'estimation se fait à l'aide d'un
Chapitre 2 : échantillon de taille n = 100 fournissant une moyenne de 4, 3.
Echantillon-
nage et
Estimation
1 Quel est l'intervalle de conance à 95% ?
d'une
moyenne
2 Quel est l'intervalle de conance à 99% ?
Chapitre 3 : 3 On suppose cette fois-ci que la variance de la population
n'est pas connue, mais uniquement celle de l'échantillon
Echantillon-
nage et

égale à 6, 76.
Estimation
d'une

Quel sera l'intervalle de conance à 90% ?

proportion

Chapitre 4 :
Estimation
d'une
variance

Chapitre 5 :
Tests
d'hypothèse
 Application 2

Statistique

On mesure les poids d'un échantillon de 100 élèves d'un lycée.

inférentielle

On obtient :
Pr. Driss El
Moutawakil

Poids (Kg) Eectif

Chapitre 1 :
Introduction 70 3
Chapitre 2 :
Echantillon-
71 5
nage et
Estimation
72 6
d'une
moyenne
73 8
Chapitre 3 :
74 10
Echantillon-
nage et
75 12
Estimation
d'une
76 15
proportion 77 14
Chapitre 4 :
Estimation
78 12
d'une
variance
79 11
Chapitre 5 :
80 4
Tests
d'hypothèse
 Application 2

Statistique
inférentielle

Pr. Driss El
Moutawakil

Chapitre 1 :
Introduction

Chapitre 2 :
1 Calculer la moyenne µe et l'écart-type σe de l'échantillon
Echantillon-
nage et
2 Estimer la moyenne et l'écart-type du poids des élèves de
Estimation
d'une ce lycée
Déterminer un intervalle de conance du poids moyen avec
moyenne
3
Chapitre 3 :
Echantillon-
nage et
un risque de 5%
Estimation
d'une
proportion

Chapitre 4 :
Estimation
d'une
variance

Chapitre 5 :
Tests
d'hypothèse
 Population =⇒ Echantillon

Statistique
inférentielle

Pr. Driss El
Moutawakil

Chapitre 1 :
On dispose d'une population sur laquelle on étudie un caractère
Introduction
(ou attribut) A dont on connaît la proportion p dans la
Chapitre 2 :
Echantillon-
population.
On s'intéresse aux échantillons de taille n. Auront-ils tous
nage et
Estimation
d'une
moyenne la même proportion ?
Chapitre 3 :
Echantillon-
Non, certains peuvent être constitués d'éléments atypiques
nage et
Estimation
et avoir une proportion très diérente de celle de la
d'une
proportion
population (surtout si l'échantillon est de petite taille).
Chapitre 4 :
Estimation
d'une
variance

Chapitre 5 :
Tests
d'hypothèse
 Population =⇒ Echantillon

Statistique
inférentielle

Pr. Driss El
Moutawakil

Chapitre 1 :
On dispose d'une population sur laquelle on étudie un caractère
Introduction (ou attribut) A dont on connaît la proportion p dans la
Chapitre 2 :
Echantillon-
population.
nage et
Estimation Notons par F la variable aléatoire qui, à chaque échantillon
d'une
moyenne de taille n, associe sa proportion du caractère A.
Chapitre 3 :
Echantillon-
F s'appelle encore la distribution des fréquences des
nage et
Estimation
échantillons de taille n.
d'une
proportion
Que peut-on dire de cette variable aléatoire F ?
Chapitre 4 :
Estimation
d'une
variance

Chapitre 5 :
Tests
d'hypothèse
 Population =⇒ Echantillon

Statistique
inférentielle
Théorème
Pr. Driss El
Moutawakil

Chapitre 1 : On considère une population sur laquelle on étudie un

caractère A répandu avec une fréquence p
Introduction

Chapitre 2 :
Echantillon-
nage et
On prélève, au hasard, un échantillon (tirages avec remise
Estimation
d'une
ou assimilés) de taille n ≥ 30
moyenne
On note par F la variable aléatoire qui correspond à la
fréquence du caractère A dans l'échantillon
Chapitre 3 :
Echantillon-
nage et
Estimation
d'une
Alors, la variable aléatoire F suit approximativement une
proportion
loi normale telle que :
Chapitre 4 :
Estimation

p(1 − p)
r !
d'une
variance F ,→ N p;
Chapitre 5 :
n
Tests
d'hypothèse
 Echantillon =⇒ Population

Statistique
inférentielle

Pr. Driss El
Moutawakil

Chapitre 1 :
Introduction

Chapitre 2 :
Echantillon-
Problématique
nage et
Estimation
A partir de la fréquence d'un caractère A sur un échantillon,
d'une
moyenne
comment retrouver ou plutôt estimer la fréquence du caractère
Chapitre 3 :
A sur la population toute entière ?
Echantillon-
nage et
Estimation
d'une
proportion

Chapitre 4 :
Estimation
d'une
variance

Chapitre 5 :
Tests
d'hypothèse
 Estimation Ponctuelle

Statistique
inférentielle

Pr. Driss El
Moutawakil

Chapitre 1 :
Introduction
On considère un caractère A sur une population dont la
Chapitre 2 : proportion p est inconnue
On prélève au hasard un échantillon de taille n ≥ 30 sur
Echantillon-
nage et

lequel on a calculé la proportion pe d'individus ayant le

Estimation
d'une

caractère A
moyenne

Chapitre 3 :
Echantillon-
nage et
Alors, une estimation ponctuelle p̂ de la fréquence p est pe
Estimation
d'une
càd p ' p̂ = pe
proportion

Chapitre 4 :
Estimation
d'une
variance

Chapitre 5 :
Tests
d'hypothèse
 Estimation par Intervalle de conance

Statistique
inférentielle

Pr. Driss El
Moutawakil
On considère un caractère A sur une population dont la
proportion p est inconnue
Chapitre 1 :
Introduction On prélève au hasard un échantillon de taille n ≥ 30 sur
Chapitre 2 :
Echantillon-
lequel on a calculé la proportion pe d'individus ayant le
nage et
Estimation
caractère A
d'une
moyenne
Soit F la variable aléatoire qui correspond à la fréquence
Chapitre 3 : du caractère A dans cet échantillon
Echantillon-
nage et On sait que F suit approximativement une loi normale telle
que :
Estimation
d'une
proportion

p(1 − p)
r !
Chapitre 4 :
Estimation
F ,→ N p, σp =
d'une
n
variance

Chapitre 5 :
Tests
d'hypothèse
 Estimation par Intervalle de conance

Statistique
inférentielle

Pr. Driss El
Moutawakil

On dispose uniquement d'une estimation p̂ de la fréquence

Chapitre 1 :
Introduction
p du caractère A sur la population qui est pe
Chapitre 2 : Peut-on avoir plus d'informations sur p ?
Echantillon-
nage et
Estimation
Peut-on trouver un encadrement de p ?
d'une
moyenne Peut-on trouver, avec une conance C , un intervalle qui
Chapitre 3 : contient p ?
Echantillon-
nage et
Estimation
Peut-on trouver, avec un risque α, un intervalle qui
d'une
proportion
contient p ?
Chapitre 4 : Liaison entre la conance C et le risque α : C = 1 − α
Estimation
d'une
variance

Chapitre 5 :
Tests
d'hypothèse
 Estimation par Intervalle de conance

Statistique
inférentielle

Pr. Driss El
Moutawakil

A partir de notre échantillon (de taille n ≥ 30) dans lequel

Chapitre 1 :
Introduction

Chapitre 2 :
Echantillon-
la fréquence du caractère A est pe , on a :
nage et
Estimation
l'intervalle de conance la proportion p est :
d'une
moyenne

pe (1 − pe ) pe (1 − pe )
" r r #
Chapitre 3 :
Echantillon-
IC = pe − t. , pe + t.
nage et
n n
Estimation
d'une
proportion

Chapitre 4 :
Estimation
d'une
variance

Chapitre 5 :
Tests
d'hypothèse
 Application 1

Statistique
inférentielle

Pr. Driss El
Moutawakil

Chapitre 1 :
Introduction On a testé l'ecacité d'une méthode d'apprentissage de la
Chapitre 2 : lecture en l'expérimentant sur un échantillon de 400 élèves de
CP et constaté que 320 des élèves ont donné des résultats
Echantillon-
nage et
Estimation
d'une satisfaisants.
moyenne
Avec une conance de 95%, donner une estimation de la
proportion de résultats satisfaisants que donnerait la méthode
Chapitre 3 :
Echantillon-

sur l'ensemble des élèves.

nage et
Estimation
d'une
proportion

Chapitre 4 :
Estimation
d'une
variance

Chapitre 5 :
Tests
d'hypothèse
 Application 2

Statistique
inférentielle

Pr. Driss El
Moutawakil

Chapitre 1 :
Introduction
Un sondage eectué sur 900 personnes, choisies de manière
Chapitre 2 :
Echantillon- aléatoire dans une population, a indiqué que 300 d'entre elles
nage et
Estimation possèdent un four micro-ondes.
d'une
moyenne
Avec un risque de 1%, déterminer un intervalle de conance du
Chapitre 3 : pourcentage de personnes de cette population possédant un
Echantillon-
nage et four micro-ondes.
Estimation
d'une
proportion

Chapitre 4 :
Estimation
d'une
variance

Chapitre 5 :
Tests
d'hypothèse
 Estimation d'une variance

Statistique
inférentielle

Pr. Driss El
Moutawakil

Chapitre 1 : Considérons un caractère quantitatif représenté par une

variable aléatoire X de loi normale N(µ, σ) et un
Introduction

Chapitre 2 :
Echantillon-
nage et
échantillon (X , X , . . . , Xn ) de taille n de X .
1 2

Estimation
d'une
La moyenne et la variance de l'échantillon sont
moyenne
respectivement µe et σe2

Chapitre 3 :
nσ 2
Alors Y = e suit la loi de khi-deux à n − 1 degrés de
Echantillon-
2
nage et
2
Estimation σ
d'une
proportion
liberté
Chapitre 4 :
Estimation
d'une
variance

Chapitre 5 :
Tests
d'hypothèse
 Estimation d'une variance

Statistique
inférentielle

Pr. Driss El
Moutawakil
En utilisant la table de la loi de Khi-deux, On détermine
Chapitre 1 :
Introduction
alors les réels aα et bα tels que
α α
P(Y 2 ≥ aα ) = 1 − et P(Y ≥ bα ) =
Chapitre 2 :
2

2 2
Echantillon-
nage et
Estimation

On en déduit un intervalle de conance de la variance σ

d'une
2
moyenne

Chapitre 3 :
Echantillon-
au niveau 1 − α :
nage et " #
Estimation
d'une nσe2 nσe2
proportion Iσ 2 = ,
bα aα
Chapitre 4 :
Estimation
d'une
variance

Chapitre 5 :
Tests
d'hypothèse
 Application

Statistique
inférentielle

Pr. Driss El
Moutawakil

Chapitre 1 :
Un échantillon de 30 enfants d'une ville donnée a fourni les
Introduction
tailles suivantes (en cm) :
Chapitre 2 :
Echantillon-
nage et
Estimation
70 85 93 99 101 105 110 121 138 166
d'une 74 85 93 99 102 106 110 125 140 180
79 87 94 99 102 107 114 128 147 180
moyenne

Chapitre 3 :
Echantillon-
nage et
Estimation Estimons la moyenne et la variance de la taille des enfants de
d'une
proportion cette ville avec un risque de 5%
Chapitre 4 :
Estimation
d'une
variance

Chapitre 5 :
Tests
d'hypothèse
 Notions d'hypothèse

Statistique
inférentielle

Pr. Driss El

L'hypothèse est une relation hypothétique (provisoire,

Moutawakil

Chapitre 1 : postulée par le chercheur) entre une variable indépendante

et une variable dépendante. On distingue deux formes
Introduction

Chapitre 2 :
Echantillon-
nage et
d'hypothèse :
Estimation
d'une
Hypothèse nulle (H ), postulant l'absence de diérences
0
moyenne
entre les caractéristiques de l'échantillon et celles de la
Chapitre 3 :
Echantillon- population de référence.
Hypothèse signicative (H ), postulant l'existence de
nage et
Estimation
1

diérences entre les caractéristiques de l'échantillon et

d'une
proportion

Chapitre 4 :
Estimation
celles de la population de référence.
d'une
variance

Chapitre 5 :
Tests
d'hypothèse
 Notions d'hypothèse

Statistique
inférentielle

Pr. Driss El
Moutawakil

Chapitre 1 : Accepter (H ), signiera que les diérences observées sont

0
Introduction
seulement dûes aux uctuations d'échantillonnage (i.e. ne
sont pas signicatives).
Chapitre 2 :
Echantillon-
nage et
Estimation
d'une
L'hypothèse alternative peut être de deux types : soit
moyenne dirigée (postule l'existence de la diérence et précise le
Chapitre 3 :
Echantillon-
sens qu'elle prendrait) soit non dirigée (postule la
nage et
Estimation
diérence sans précision du sens)
d'une
proportion
Le premier type est dit unilatéral et le second est bilatéral.
Chapitre 4 :
Estimation
d'une
variance

Chapitre 5 :
Tests
d'hypothèse
 Erreurs de décision

Statistique
inférentielle

Pr. Driss El
Moutawakil

Chapitre 1 :
Introduction
Lorsqu'on rejette H alors que H est vraie, on commet
0 0

Chapitre 2 : une erreur. On a donc une probabilité α de se tromper : α

Echantillon-
nage et
est appelée erreur de première espèce.
Lorsqu'on ne rejette pas H alors que H est fausse, on
Estimation
d'une
0 0

commet une erreur. On a une probabilité β de se tromper :

moyenne

β est appelée erreur de deuxième espèce.

Chapitre 3 :
Echantillon-
nage et
Estimation
d'une
La valeur 1 − β est appelée la puissance du test.
proportion

Chapitre 4 :
Estimation
d'une
variance

Chapitre 5 :
Tests
d'hypothèse
 Test de conformité d'une moyenne

Statistique
inférentielle

Pr. Driss El
Moutawakil
Il s'git de faire un choix entre plusieurs hypothèses
possibles sur sans disposer d'informations susantes pour
Chapitre 1 :
Introduction que ce choix soit sûr
Chapitre 2 :
Echantillon-
On met en avant deux hypothèses privilégiées : l'hypothèse
nage et
Estimation
nulle H et l'hypothèse alternative H
0 1

d'une
moyenne On testera H : µ = µ contre H : µ 6= µ , avec µ xé
0 0 1 0 0

Chapitre 3 : arbitrairement
Echantillon-
nage et
Estimation
On veut savoir si l'on doit rejeter H ou pas
0

d'une
proportion
Test (bilatéral) de H : µ = µ contre H : µ 6= µ
0 0 1 0

Chapitre 4 : Test (unilatéral) de H : µ = µ contre

0 0

H : µ > µ ou µ < µ
Estimation
d'une
1 0 0
variance

Chapitre 5 :
Tests
d'hypothèse
 Application

Statistique
inférentielle

Pr. Driss El

Dans une usine du secteur de l'agroalimentaire, une machine à

Moutawakil

Chapitre 1 :
Introduction
embouteiller est alimentée par un réservoir d'eau et par une le
Chapitre 2 :
d'approvisionnement en bouteilles vides.
Echantillon-
nage et
Pour contrôler le bon fonctionnement de la machine, on veut
Estimation
d'une
construire un test d'hypothèse bilatéral qui sera mis en oeuvre
moyenne
toutes les heures.
Chapitre 3 :
Echantillon-
Pour une production d'une heure, on suppose que la variable
nage et
Estimation
aléatoire X qui à toute bouteille, prise au hasard dans cette
d'une
proportion
production, associe le volume d'eau (en litres) qu'elle contient,
Chapitre 4 :
est une variable aléatoire d'espérance et d'écart-type inconnus.
Estimation
d'une
variance

Chapitre 5 :
Tests
d'hypothèse
 Application

Statistique
inférentielle

Pr. Driss El
Moutawakil

Chapitre 1 :
Introduction

On a prélevé un échantillon de 100 bouteilles, et on a obtenu un

Chapitre 2 :
Echantillon-

volume d'eau moyen de 1, 495l et un écart-type corrigé de 0, 01.

nage et
Estimation

Peut-on conclure, au risque 5%, que la machine est bien réglée ?

d'une
moyenne

Chapitre 3 :
Echantillon-
nage et
Estimation
d'une
proportion

Chapitre 4 :
Estimation
d'une
variance

Chapitre 5 :
Tests
d'hypothèse
 Test de conformité d'une variance

Statistique
inférentielle

Pr. Driss El On considère un caractère quantitatif représenté par une

Moutawakil
variable aléatoire X de loi normale N(µ, σ) et un
Chapitre 1 :
Introduction
échantillon (X , X , . . . , Xn ) de taille n de X .
1 2

Chapitre 2 :
La moyenne et la variance de l'échantillon sont
Echantillon-
nage et
respectivement µe et σe 2

Estimation
2
nσ
On sait que Y = e suit la loi de khi-deux à n − 1
d'une
2
moyenne
2
σ
Chapitre 3 :
Echantillon-
degrés de liberté
nage et
Estimation En utilisant la table de la loi de Khi-deux, On détermine
d'une
proportion alors les réels aα et bα tels que
Chapitre 4 :
α α
P(Y 2 ≥ aα ) = 1 − et P(Y ≥ bα ) =
Estimation 2
d'une
variance 2 2
Chapitre 5 :
Tests
d'hypothèse
 Test bilatéral de conformité d'une variance

Statistique
inférentielle

Pr. Driss El
Moutawakil Test bilatéral : H : σ = σ contre H : σ 6= σ
0
2 2
0 1
2 2
0

Chapitre 1 :
En utilisant la table de la loi de Khi-deux, On détermine
Introduction
alors les réels aα et bα tels que
Chapitre 2 :
Echantillon-
α α
nage et
P(Y 2 ≥ aα ) = 1 − et P(Y ≥ bα ) =
2
Estimation
d'une
2 2
moyenne
 
Chapitre 3 :
Echantillon-
Si Y ∈ aα , bα , alors on ne peut rejeter H0
2

nage et
Estimation  
Si Y ∈/ aα , bα , alors on rejette H0 avec une probabilité
d'une
2
proportion

α de se tromper
Chapitre 4 :
Estimation
d'une
variance

Chapitre 5 :
Tests
d'hypothèse
 Test unilatéral de conformité d'une variance

Statistique
inférentielle

Pr. Driss El
Moutawakil

Chapitre 1 :
Introduction Test unilatéral : H : σ = σ contre H : σ > σ
0
2 2
0 1
2 2
0

Chapitre 2 :
Echantillon-
En utilisant la table de la loi de Khi-deux, On détermine bα0
nage et
Estimation
tel que P(Y ≥ bα0 ) = α et on décide que :
2

d'une
moyenne Si Y < bα0 , alors on ne peut rejeter H
2
0

Chapitre 3 :
Echantillon-
Si Y ≥ bα0 , alors on rejette H avec une probabilité α de
2
0

nage et
Estimation
se tromper
d'une
proportion

Chapitre 4 :
Estimation
d'une
variance

Chapitre 5 :
Tests
d'hypothèse
 Test unilatéral de conformité d'une variance

Statistique
inférentielle

Pr. Driss El
Moutawakil

Chapitre 1 :
Introduction Test unilatéral : H : σ = σ contre H : σ < σ
0
2 2
0 1
2 2
0

Chapitre 2 :
Echantillon-
En utilisant la table de la loi de Khi-deux, On détermine aα0
nage et
Estimation
tel que P(Y ≥ aα0 ) = 1 − α et on décide que :
2

d'une
moyenne Si Y > aα0 , alors on ne peut rejeter H
2
0

Chapitre 3 :
Echantillon-
Si Y ≤ aα0 , alors on rejette H avec une probabilité α de
2
0

nage et
Estimation
se tromper
d'une
proportion

Chapitre 4 :
Estimation
d'une
variance

Chapitre 5 :
Tests
d'hypothèse
 Application

Statistique
inférentielle

Pr. Driss El
Moutawakil

Chapitre 1 :
Introduction

Chapitre 2 :
Le volume d'une pipette d'un type donné suit une loi normale
Echantillon-
nage et
N(µ, σ). Le fabriquant annonce un écart-type 0, 2l . Pour le
Estimation
d'une
vérier, on pipette 20 fois un liquide. On observe une moyenne
moyenne
de 10l et un écart-type de 0, 4l .
Chapitre 3 :
Echantillon-
Testons l'armation du fabricant.
nage et
Estimation
d'une
proportion

Chapitre 4 :
Estimation
d'une
variance

Chapitre 5 :
Tests
d'hypothèse
 Test T de Student : Comparaison de deux moyennes

Statistique
inférentielle

Pr. Driss El

Ce test permet de comparer deux distributions extraites

Moutawakil

Chapitre 1 : d'une population normale ou approximativement normale

au niveau de leurs moyennes.
Introduction

Chapitre 2 :
Echantillon-
nage et Il s'agit de décider si la diérence observée entre les
Estimation
d'une
moyennes des deux échantillons de comparaison est
moyenne
attribuable à la variable indépendante testée ou si elle peut
Chapitre 3 :
Echantillon- être considérée comme l'eet du hasard
On étudiera deux cas : cas de deux échantillons
nage et
Estimation

indépendants et le cas de deux échantillons dépendants ou

d'une
proportion

Chapitre 4 :
Estimation
appariés
d'une
variance

Chapitre 5 :
Tests
d'hypothèse
 Cas de deux échantillons indépendants

Statistique
inférentielle

Pr. Driss El
Moutawakil

Chapitre 1 : Il s'agit de deux séries de mesure pour lesquelles il n'y a

Introduction
aucune correspondance entre les éléments de la première
série et ceux de la deuxième
Chapitre 2 :
Echantillon-
nage et
Estimation
d'une
Les deux séries de mesures sont obtenues avec des sujets
moyenne diérents
Chapitre 3 :
Echantillon- Dans ce cas, le but de l'application du test T est de voir si
nage et
Estimation les deux moyennes calculées sur les deux échantillons
d'une
proportion
dièrent signicativement
Chapitre 4 :
Estimation
d'une
variance

Chapitre 5 :
Tests
d'hypothèse
 Conditions d'application

Statistique
inférentielle

Pr. Driss El
Moutawakil

Chapitre 1 : La distribution des données de chaque échantillon ne peut

pas diérer fortement de la normale, et, en particulier, ne
Introduction

pas être trop dissymétrique, surtout si les échantillons sont

Chapitre 2 :
Echantillon-

petits
nage et
Estimation
d'une
moyenne
Les variances des populations de provenance ne peuvent
Chapitre 3 :
Echantillon-
pas être extrêmement diérentes
nage et
Estimation Les tailles des échantillons ne peuvent pas extrêmement
d'une
proportion diérentes
Chapitre 4 :
Estimation
d'une
variance

Chapitre 5 :
Tests
d'hypothèse
 Algorithme de résolution

Statistique
inférentielle
|m1 − m2 |
Pr. Driss El
On calcule tcalcul = q , où :
Moutawakil
( n1 +
1
1
n2 )Vc
Chapitre 1 :
Introduction
m1 : moyenne du premier échantillon
Chapitre 2 : m2 : moyenne du deuxième échantillon
Echantillon-
nage et
Estimation
n1 : nombre de mesures (sujets) du premier échantillon
d'une
moyenne n2 : nombre de mesures (sujets) du deuxième échantillon
Chapitre 3 : Vc : la variance commune, c'est une sorte de moyenne des
Echantillon-
nage et deux variances (V1 et V2 ) pondérée par le nombre de
Estimation
d'une
mesures n1 et n2 ; sa formule est :
proportion (n1 − 1)V1 + (n2 − 1)V2
1 Si n1 6= n2 , alors : Vc =
Chapitre 4 :
Estimation
n1 + n2 − 2
V1 + V2
d'une
2 Si n1 = n2 , alors : Vc =
variance
2
Chapitre 5 :
Tests
d'hypothèse
 Algorithme de résolution

Statistique
inférentielle

Pr. Driss El
Moutawakil

Chapitre 1 :
Introduction

Chapitre 2 :
Echantillon-
Une fois on a la valeur de tcalcul , on se rapporte à la table
nage et de t de Student pour comparer le t calculé (tcalcul ) au t
critique (tcritique ) , et ce, au ddl = n + n − 2
Estimation
d'une
1 2
moyenne

Chapitre 3 :
La diérence est signicative si tcalcul ≥ tcritique
Echantillon-
nage et
Estimation
d'une
proportion

Chapitre 4 :
Estimation
d'une
variance

Chapitre 5 :
Tests
d'hypothèse
 Application

Statistique
inférentielle

Pr. Driss El
Moutawakil

Chapitre 1 :
Introduction Soit deux groupes de sujets ayant subi une expérience sur la
Chapitre 2 : mémoire (retenir une série de mots).
n = 27 ont obtenu une moyenne de 63, 5, une médiane de 63
Echantillon-
nage et 1
Estimation
d'une et un écart-type de 15, 6 ;
n = 18 ont obtenu une moyenne de 48, 7, une médiane de 49
moyenne
2

avec un écart-type de 16, 4.

Chapitre 3 :
Echantillon-

Y'a-t-il une diérence entre la performance de deux groupes ?

nage et
Estimation
d'une
proportion

Chapitre 4 :
Estimation
d'une
variance

Chapitre 5 :
Tests
d'hypothèse
 Cas de deux échantillons dépendants ou appariés

Statistique
inférentielle

Pr. Driss El
Moutawakil

Chapitre 1 : Il s'agit de deux séries de mesures pour lesquelles il y a une

Introduction
correspondance stricte, terme à terme, entre les éléments
de l'une et les éléments de l'autre
Chapitre 2 :
Echantillon-
nage et
Estimation
d'une
C'est le cas par exemple de deux séries de notes relevées
moyenne auprès d'un échantillon d'élèves, la première avant les
Chapitre 3 :
Echantillon-
vacances et la deuxième à la rentrée
nage et
Estimation Il y a donc une correspondance parfaite puisque c'est le
d'une
proportion
même groupe qui eectue les deux épreuves
Chapitre 4 :
Estimation
d'une
variance

Chapitre 5 :
Tests
d'hypothèse
 Algorithme de résolution

Statistique
inférentielle

Pr. Driss El
Moutawakil

Chapitre 1 :
1 On calcule un tcalcul qui indique si les deux moyennes sont
Introduction signicativement diérentes
Chapitre 2 :
Echantillon-
2 La formule sera légèrement modiée par rapport à la
nage et
Estimation précédente
d'une √ √
| m1 − m2 | n md n
On calcule : tcalcul , où :
moyenne
3 = =
Chapitre 3 : σd σd
md =| m1 − m2 | : la moyenne des diérences
Echantillon-
nage et
Estimation
d'une
σd : l'écart-type de la distribution des diérences
proportion
n : nombre de mesures (sujets)
Chapitre 4 :
Estimation
d'une
variance

Chapitre 5 :
Tests
d'hypothèse
 Algorithme de résolution

Statistique
inférentielle

Pr. Driss El
Moutawakil

Chapitre 1 :
Introduction

Chapitre 2 :
Echantillon-
Une fois on a la valeur de tcalcul , on se rapporte à la table
nage et de t de Student pour comparer le t calculé (tcalcul ) au t
critique (tcritique ) , et ce, au ddl = n − 1
Estimation
d'une
moyenne

Chapitre 3 :
La diérence est signicative si tcalcul ≥ tcritique
Echantillon-
nage et
Estimation
d'une
proportion

Chapitre 4 :
Estimation
d'une
variance

Chapitre 5 :
Tests
d'hypothèse
 Application

Statistique
inférentielle
Pour mesurer l'eet d'une compagne de sensibilisation contre le
tabagisme, on a demandé à 15 sujets de noter le nombre moyen
Pr. Driss El
Moutawakil

de cigarettes fumées par jour durant la semaine qui a précédé et

la semaine qui a suivi la campagne. Les données sont les
Chapitre 1 :
Introduction

Chapitre 2 :
Echantillon-
suivantes :
nage et
Estimation
d'une
Sujet 1 2 3 4 5 6 7 8 9 10
moyenne
Avant 45 16 20 33 30 19 33 25 26 40
Chapitre 3 :
Echantillon-
Après 43 20 17 30 25 19 34 28 23 41
nage et
Estimation
d'une
proportion
Sujet 11 12 13 14 15
Chapitre 4 :
Avant 28 36 15 26 32
Estimation
d'une
Après 26 40 16 23 34
variance

Chapitre 5 :
La campagne de sensibilisation a-t-elle réduit le tabagisme ?
Tests
d'hypothèse