T ESTS D ’ HYPOTHÈSES PARAMÉTRIQUES
Exercice 1
Probabilités & Statistique - 3ème EM
2
Exercice N°1
Énoncé
Une entreprise utilise une matière isolante pour fabriquer des appareils de contrôle
industriel. Elle achète des composants isolants à un certain fournisseur qui certifie
que l’épaisseur moyenne de ses composants est de 7.3 millimètres. Pour voir si le
fournisseur respecte ses engagements, l’entreprise mesure l’épaisseur de 10
composants pris au hasard dans la livraison. Les résultats, en millimètres, sont :
On suppose que l’épaisseur en millimètres d’un de ces composants peut être
modélisée par une variable aléatoire normale de moyenne µ et d’écart type σ
inconnus . On veut tester si le fournisseur respecte ses engagements.
@UP-Maths Estimation paramétrique ponctuelle et distribution échantillonnale Probabilités & Statistique
3
Exercice N°1
1 Donner une estimation ponctuelle de la moyenne µ.
2 Donner une estimation ponctuelle de la variance σ 2 .
3 Peut-on considérer, au seuil de signification de 5% que le founisseur respecte ses
engagements? ( Détailler les différentes étapes du test qu’il faut construire).
4 On suppose maintenant que l’écart type σ = 0.1 millimètres, au seuil de
signification de 1%, la décision serait-elle différente?
@UP-Maths Estimation paramétrique ponctuelle et distribution échantillonnale Probabilités & Statistique
4
Exercice N°1
Solution
1 Un estimateur ponctuel de la moyenne µ est :
n
1X
Xn = Xi
n i=1
Donc, une estimation ponctuelle est donnée par :
n 10
1X 1 X
xn = xi = xi ≃ 7.16
n i=1 10 i=1
2 Un estimateur ponctuel de la variance est :
n
2 1 X
S = (Xi − Xn )2
n − 1 i=1
Donc une estimation ponctuelle est donnée par :
n 10
2 1 X 1X
s = (xi − xn )2 = (xi − 7.16)2 ≃ 0.12
n − 1 i=1 9 i=1
@UP-Maths Estimation paramétrique ponctuelle et distribution échantillonnale Probabilités & Statistique
5
Exercice N°1
3. Peut-on considérer, au seuil de signification de 5% que le founisseur respecte ses
engagements? ( Détailler les différentes étapes du test qu’il faut construire).
On doit construire un test bilatéral sur la moyenne.
Étape 1: Choix d’hypothèses
H : µ = 7.3 mm
0
H1 : µ ̸= 7.3 mm
Étape 2: Variable de décision et écart réduit.
On a n = 10 < 30 , et σ inconnu mais estimé par s ≃ 0.35.
Xn − µ
T = ∼ T(n−1) Student à (n-1) ddl.
√s
n
@UP-Maths Estimation paramétrique ponctuelle et distribution échantillonnale Probabilités & Statistique
6
Exercice N°1
Étape 3: Régions critiques.
On détermine t α2 ,n−1 à partir du tableau de la loi de Student.
α
α = 0.05 −→ = 0.025 −→ t α2 ,9 = 2.262
2
On calcule la valeur t0 prise par T :
xn − µ 7.16 − 7.3
t0 = = ≃ −1, 26
√s 0.35
√
n 10
Étape 4: Décision
@UP-Maths Estimation paramétrique ponctuelle et distribution échantillonnale Probabilités & Statistique
7
Exercice N°1
−t α2 ,n−1 = −2.262 < t0 = −1, 26 < t α2 ,n−1 = 2.262
Donc, on est dans la zone d’acceptation de H0 et de rejet de H1 , alors le fournisseur
respecte ses engagements.
4. On suppose maintenant que l’écart type σ = 0.1 millimètres, au seuil de
signification de 1%, la décision serait-elle différente? •n = 10 < 30 et σ connu,
alors :
σ 0.1
Xn ∼ N (µ = 7.3; √ = √ )
n 10
L’écart réduit est
Xn − 7.3
Z= 0.1 ∼ N (0, 1)
√
10
@UP-Maths Estimation paramétrique ponctuelle et distribution échantillonnale Probabilités & Statistique
8
Exercice N°1
• On calcule la valeur z0 prise par Z :
7.16 − 7.3
z0 = 0.1 = −4.43
√
10
α
•α = 0.01 −→ 2 = 0.005 −→ z α2 = 2.58
alors on a:
z0 = −4.43 < −z α2 = −2.58
Conclusion : On est dans la zone de rejet de H0 et d’acceptation de H1 , alors la
décision serait différente.
@UP-Maths Estimation paramétrique ponctuelle et distribution échantillonnale Probabilités & Statistique
