Université les Frères Mentouri Constantine1

Faculté des sciences de la nature et de la vie

Département de Biochimie et BMC

M1 Biochimie
Cours TD biostatistique
Chapitre : Tests Statistiques
Le test statistique est l’outil de la comparaison, une comparaison statistique porte sur des séries des données
qui sont résumées en moyenne, pourcentage, variance...etc.
Test statistique consiste à bâtir des hypothèses ; ces hypothèses sont testées et selon les résultats des tests elle
sot soit rejetées soit acceptées.
Un test statistique n’a de sens que s’il teste une hypothèse préalablement posée afin de rependre à une question.
Tous test statistique doit donc avoir pour objectif de vérifier une hypothèse justifiée à partir de conjectures
produites par des observations.

Observation ------ Hypothèse Test

Condition d’application:
Tous tests statistiques sont basés sur des lois de distributions théorique issue de la théorie des probabilités.
Ces lois sont strictes. Elles sont donc accompagnées de condition d’applications :

• Type de variable
• L'indépendance de l’échantillon
• La distribution normale
• L'homogénéité des variances
• La taille de l’échantillon

Principe des tets de comparaison

On est souvent conduit à prendre une décision au sujet d’une population à partir des informations données sur
un échantillon.
Les tests d’hypothèses consistent à choisir entre deux hypothèses 𝐻0 𝑒𝑡 𝐻1.
Il y a deux types de tests : test de conformité et test d’homogénéité.
Test de conformité Test d’homogénéité
Comparer un échantillon a une population Comparer deux ou plusieurs échantillons
de référence entre eux

Djehiceh.Ch
On se demande On se demande
Si la distribution de la population dont est Si les distributions des populations dont
issu l’échantillon est identique à la sont issus les échantillons sont identiques ou
distribution théorique (référence) différentes.
Ou bien si elle est différente.

Djehiceh.Ch
Etablir l’hypothèses
Une hypothèse statistique est un énoncé (une affirmation) concernant les caractéristiques (valeurs des
paramètres, forme de la distribution des observations) d’une population.
Test d’hypothèse (ou test statistique) est une démarche qui a pour but de fournir une règle de décision
permettant, sur la base de résultats d’échantillon, de faire un choix entre deux hypothèses statistiques.
Hypothèse nulle (H0) et hypothèse alternative (H1)
L’hypothèse selon laquelle on fixe à priori un paramètre de la population à une valeur particulière s’appelle
l’hypothèse nulle et est notée H0. N’importe quelle autre hypothèse qui diffère de l’hypothèse H0 s’appelle
l’hypothèse alternative (ou contre-hypothèse) et est notée H1.
Remarque
Hypothèse alternative H1
Selon le type de problème posé, on propose une hypothèse alternative bilatérale ou unilatérale
♦ H1 bilatérale : lorsque on ne cherche pas à connaitre le sens de différence. On cherche seulement si les
deux paramètres ou les deux distributions sont différents
♦ H1 unilatérale : lorsque on s’intéresse à un sens particulier de l’inégalité de 2 paramètres

Djehiceh.Ch
Choix du risque d’erreur
• Le risque α
Le risque α est un seuil fixé à priori (le plus souvent à 5 %)
En rejetant Ho, on prend un certain risque si Ho est vraie on l’appelle risque α
Alpha = probabilité de rejeter Ho, si Ho est vraie
A ce seuil de signification, on fait correspondre sur la distribution d’échantillonnage de la statistique une
région de rejet de l’hypothèse nulle (appelée également région critique). L’aire de cette région correspond à
la probabilité α. Si par exemple, on choisit α = 0.05, cela signifie que l’on admet d’avance que la variable
d’échantillonnage peut prendre, dans 5% des cas, une valeur se situant dans la zone de rejet de H0, bien que
H0 soit vraie

• Le risque β
En accepte Ho alors que H1 est vrai ce risque est appelé risque β
Beta =probabilité de ne pas rejeter Ho, si H1 est vraie

Interprétation finale d’un test de comparaison

Ho n’est pas rejetée cela signifie que les paramètres ou les distributions comparés sont identique donc pas de
différence significative et on accepte Ho.
Ho rejeté cela signifie que les paramètres ou les distributions comparés sont différents donc on a une différence
significative et on accepte H1.

Djehiceh.Ch
 Test de comparaison
Test de conformité
• Taille de l’échantillon (n)
• Moyenne de l’échantillon (X)
• Écart- type de l’échantillon(corrigé) (S)
• Moyenne de la population (m)
• Écart- type de la population (ou inconnu) (σ pop)
• Proportion théorique (P)

• Proportion observée de l’échantillon ( )

Remarque U au lieu de T dans les cas 1,2,3 et 5

Exemple 1

Djehiceh.Ch
Djehiceh.Ch
Exemple 2

Djehiceh.Ch
Djehiceh.Ch
Djehiceh.Ch
Partie TD test de
conformité

Djehiceh.Ch
Exercice 1:
Lors d’une enquête sur la durée de sommeil des enfants de 2 à 3 ans dans un département
algérien, on a trouvé une moyenne du temps de sommeil par nuit de 10.2 heures dans un
groupe de 40 enfants. L’écart-type est de 2.1 heures. La moyenne attendue de sommeil est de
11.7 heures chez les enfants de cet âge. Les enfants examinés dorment différents que ceux de
la population ? (𝛼 = 0.05).
Solution :
test de conformité
1) Choix des hypothèses :

𝐻0 : x̄ = m il n’y a pas une différence significative entre l’échantillon et la population

𝐻1 : x̄ ≠ m il y a une différence significative entre l’échantillon et la population

2) Calcul de la statistique de test observée :

𝒏> 𝟑𝟎 et 𝝈 de population inconnue on utilise test z de la loi normale
𝑥 ̄ −𝑚 𝑥 ̄ −𝑚 10,2−11,7
Uobs = 𝝈 = 𝑠 = 2,12 = 4,47
√𝑛 √𝑛 √40

S est l’écart type estimé

𝑛 40
𝑠 = √𝑛−1 ⋅ 𝝈 = √39 ⋅ 2,1 = 2,12

3) Identification de seuil critique :

𝒏 > 𝟑𝟎 et 𝝈 Inconnu
Alors on cherche le seuil critique dans la table de la loi normale
𝜶 = 𝟎. 𝟎𝟓 𝒁̅= 1,96
4) Décision :
4,47 > 1,96
Décision statistique : on accepte 𝐻1 donc il y’a une différence significative entre
l’échantillon et la population donc l’échantillon ne conforme pas à la population

Exercice 2:
On extrait d’une population, dont le caractère masse est distribué selon le modèle normal, un
Échantillon aléatoire simple de 7 éléments. La moyenne de cet échantillon est 257,9. L’écart-
type de la population est supposé connu et égal à 14.
Est il possible, au seuil de 5%, de conclure que la moyenne de la population est différente

Djehiche cheima
de 250 ?
Solution :
test de conformité
1) Choix des hypothèses :

𝐻0 : x̄ = m il n’y a pas une différence significative entre l’échantillon et la population

𝐻1 : x̄ ≠ m il y a une différence significative entre l’échantillon et la population

2) Calcul de la statistique de test observée :

N < 30 et 𝝈 de population connue on utilise test z de la loi normale
𝑥 ̄ −𝑚 257,9−250
Uobs = 𝝈 = 14 = 1,49
√𝑛 √7

3) Identification de seuil critique :

𝒏 < 𝟑𝟎 et 𝝈 connu
Alors on cherche le seuil critique dans la table de la loi normale
𝜶 = 𝟎. 𝟎𝟓 𝒁̅= 1,96
4) Décision :
1,49 < 1,96
Décision statistique : on accepte 𝐻0 donc il n y’a pas une différence significative entre
l’échantillon et la population donc l’échantillon conforme à la population
Exercice 3:
On extrait d’une population, dont le caractère masse est distribué selon le modèle normal, un
échantillon aléatoire simple de 7 éléments. La moyenne et l’écart-type de cet échantillon
sont respectivement 257,9 et 16.
Est il possible, au seuil de 5%, de conclure que la moyenne de la population est différente
de 250 ?
Solution :
test de conformité
1) Choix des hypothèses :

𝐻0 : x̄ = m il n’y a pas une différence significative entre l’échantillon et la population

𝐻1 : x̄ ≠ m il y a une différence significative entre l’échantillon et la population

2) Calcul de la statistique de test observée :

N < 30 et 𝝈 de population inconnue on utilise test t de la loi student

Djehiche cheima
 𝑥 ̄ −𝑚 𝑥 ̄ −𝑚 257,9−250
Tobs = 𝝈 = 𝑠 = 17,28 = 1,20
√𝑛 √𝑛 √7

S est l’écart type estimé

𝑛 7
S=√𝑛−1 ⋅ 𝝈 = √6 ⋅ 16 = 17,28

3) Identification de seuil critique

Alors on cherche le seuil critique dans la table de student
T théorique = (1-alpha/2 ; ddl=n-1)
Alpha =0,05
Ddl = n-1=7-1=6
T théorique= (0.975;6) = 2,447
4) Décision :
1,20 < 2,447
Décision statistique : on accepte 𝐻0 donc il n y’a pas une différence significative entre
l’échantillon et la population donc l’échantillon conforme à la population
Exercice 4:

écartpe déja
éstimé

Solution
Réponse 1: test de conformité
1) Choix des hypothèses :

𝐻0 : x̄ = m il n’y a pas une différence significative entre l’échantillon et la population

𝐻1 : x̄ ≠ m il y a une différence significative entre l’échantillon et la population

2) Calcul de la statistique de test observée :

N < 30 et 𝝈 de population inconnue on utilise test t de la loi student
𝑥−𝑚 𝑥−𝑚 182,43−180
Tobs= 𝝈 = 2
= =1,087
54,95
√𝑛 √𝑆 √
𝑛 11

Djehiche cheima
3) Identification de seuil critique
Alors on cherche le seuil critique dans la table de student
T théorique = (1-alpha/2 ; ddl=n-1)
Alpha =0,05
Ddl = n-1=11-1=10
T théorique= (0.975;10) = 2,228
4) Décision :
1,087 < 2,228
Décision statistique : on accepte 𝐻0 donc il n y’a pas une différence significative entre
l’échantillon et la population donc l’échantillon conforme à la population

Djehiche cheima
Djehiche cheima