Chapitre 4 : Test d’hypothèses
Introduction :
Cette partie du cours est un prolongement direct de l’étude de
l’échantillonnage avec un le but de répondre a la question
suivante :
Doit-on accepter ou refuser des hypothèses observer ou
calculer à partir d’un ou plusieurs échantillons ?
1. Définition d’un test d’hypothèse :
En statistiques, un test d'hypothèse est une démarche
consistant à rejeter ou à accepter une hypothèse statistique,
appelée hypothèse nulle, en fonction d'un jeu de données
(échantillon).
Un test d’hypothèse est la règle qui indique si une affirmation
concernant une population doit être acceptée ou rejetée, en
fonction des preuves fournies par un échantillon de données.
Les tests d’hypothèse permettent par exemple de répondre aux
types de questions suivantes :
• La taille moyenne des algériens majeurs est elle égale à
1,67 mètre ?
• L’écart-type de la taille est-il inférieur ou égale à 12,7
cm ?
• La taille moyenne des femmes est- elle différente de la
taille moyenne des hommes ?
• La proportion des garçons en fin d’étude est-elle plus
importante que celle des filles ?
2. Terminologie :
Un test d’hypothèse examine deux hypothèses opposées
concernant une population :
L’hypothèse nulle : est l’énoncé testé
L’hypothèse alternative : est l’énoncé contradictoire de
l’hypothèse nulle.
Exemple :
La taille moyenne des algériens majeurs est égale à 1,67 mètre
= 1,67
L’hypothèse nulle : = : = 1,67
L’hypothèse alternative : ≠ : ≠ 1,67
3. Catégorie des tests d’hypothèse :
Soit θ paramètre de la population à tester.
a) Test simple : on choisit entre deux valeurs pour le même
paramètre.
: =
: =
b) Test multiple ou de conformité :
Test bilatéral : dans ce test on confirme si le
paramètre est égal à une valeur ou non.
: =
: =
Test unilatéral : on distingue les deux genres
suivant :
Test unilatéral à droite :
: =
: >
Soit le paramètre est égal à une valeur soit il égale à une
valeur supérieur.
Test unilatéral à gauche :
: =
: <
Soit le paramètre est égal à une valeur soit il égale à une
valeur inférieur.
c) Test d’homogénéité :
deux valeurs de deux échantillons distingues
La question qui se pose : ces deux échantillons sont ils de la
même population mère ?
: = : − =0
⟺
: ≠ : − ≠0
d) Test d’ajustement :
: =
: ≠
: Fonction de répartition de l’échantillon.
: Fonction de répartition connue.
e) Test d’indépendance :
Soit x et y deux variables aléatoires.
: !é" !#
: "# !é" !#
4. Le concept de la loi : détermination graphique
de H0 et H1 :
$∗ = −& '(/ *+̅
$∗ = +& '(/ *+̅
Ainsi on a déterminé les intervalles de H0 et H1.
5. Le tableau de décision :
On a deux hypothèses et deux résultats de décision
possibles :
α = erreur de type 1= P( refusé H0/H0 est vrai)
β = erreur de type 2= P( accepté H0/H0 est fausse)
Exercice 1 :
Un ingénieur chimiste affirme a son directeur avoir
découvert un nouveau médicament pour faire baisser le
niveau de cholestérol chez les malades et il dit que le
taux de réussite est de 20%.
Il demande l’achat d’équipements nécessaires avec un
coût d’achat de 100 millions avec un bénéfice retiré de
la vente estimé à 500 millions.
Le directeur lui répond que le taux de cholestérol
diminue de façon naturelle (sans médicament) chez 10%
des malades.
Les deux hommes décident de produire assez de
médicaments pour un échantillon de 100 malades (sans
investir).
Si le traitement donne un taux de réussite :
≥ 15% on accepte la proposition de l’ingénieur.
< 15% on ne fait rien.
1- Ecrire les hypothèses.
2- Donnez les différentes situations de décision.
3- Définir α et β.
4- Calculez α et β.
5- Dessinez α et β.
Correction :
1- les hypothèses : les décisions que peut prendre le
directeur :
: . "# : / = / = 0,1
⟺
: . : / = / = 0,2
2- les différentes situations de décision :
H0 accepté H0 reffusé
On investi
On investi
pas
/ = 0,1
Le directeur Bonne Erreur de
a raison décision type 1 « α »
/ = 0,2
L’ingénieur Erreur de Bonne
a raison type 2 « β » décision
3- Définir α et β :
α = erreur de type 1= P( refusé H0/H0 est vrai)
= P( on investis/l’ingénieur n’a pas raison)
β = erreur de type 2= P( accepté H0/H0 est fausse)
= P( on investis pas /l’ingénieur a raison)
4- Calculez α et β.
α = erreur de type 1= P( refusé H0/H0 est vrai)
= P( P≥0,15/ H0 est vrai)
H0 est vrai→ π = π0 =0,1
1~3 4 , *4
4 = / = 0,1
/ 1−/
*4 = 5 = 0,03
1~3 0,1 , 0,03
1−/
7= ~3 0,1
*4
0,15 − 0,1
∝= 1 1 ≥ 0,15 = 1 ;7 ≥ <
0,03
= 1 7 ≥ 1,66 = 1 − 1 7 ≤ 1,66
= 0,0485
β = erreur de type 2= P( accepté H0/H0 est fausse)
= P( on investis pas /l’ingénieur a raison)
= P( P<0,15/ H0 est vrai)
H0 est fausse→ π = π0 =0,2
1~3 4 , *4
4 = / = 0,2
/ 1−/
*4 = 5 = 0,04
1~3 0,2 , 0,04
1−/
7= ~3 0,1
*4
0,15 − 0,2
∝= 1 1 < 0,15 = 1 ;7 < <
0,04
= 1 7 < −1,25 = 1 7 ≥ 1,25
= 1 − 1 7 ≤ 1,25 = 0,1056
5- Dessinez α et β.
6. Les tests d’hypothèse pour la moyenne :
On a de base les hypothèses suivant :
: =
: ≠
On prend un échantillon on calcul la moyenne qui est ̅ ∗ .
$∗ = −& '(/ *+̅
$∗ = +& '(/ *+̅
$∗ < ̅ ∗ < $∗ ⟹ #AA "
⟹ B C
Exemple 1 : la moyenne d’âge des gens qui font fréquemment des accidents est
de 31ans σ =2
Un échantillon de 100 est pris quelle est la décision à prendre si la moyenne de
l’échantillon est de 32 à un seuil de risque égale à 5%.
: D# E ! 31
1. Les hypothèses : c’est un test bilatéral
: D# E "# ! 31
: = : = 31
′
: ≠ : ≠ 31
$∗ = − & '(/ *+̅
2. Le calcul :
$∗ = + & '(/ *+̅
& '(/ = & ' , F/ = & ,GHF = 1,96
* 2
*+̅ = = = 0,2
√ √100
$ ∗ = 31 − 1,96 0,2 = 30,60
$ ∗ = 31 + 1,96 0,2 = 31,39
K B LM ⟺ ̅ ∗ = 32 ∉ O30,60 ; 31,39Q
3. La décision :
Donc la moyenne d’âge des gens qui font fréquemment des accidents n’est
pas de 31
Exemple 2 : l’étudiant réussi le concours avec la note de 12 en moyenne σ = 1
Un échantillon de 100 est pris quelle est la décision à prendre si la moyenne de
l’échantillon est de 11 à un seuil de risque égale à 5%.
: D ′ é M! # BéM #. A 12
1. Les hypothèses : c’est un test unilatéral à gauche
R
: D ′ é M! # BéM "# #. A 12
: = : = 12
: < : < 12
$ ∗ = − & '( *+̅
2. Le calcul :
& '( = & ' , F = & ,GF = 1,64
* 1
*+̅ = = = 0,1
√ √100
$ ∗ = 12 − 1,64 0,1 = 11,83
K B LM ⟺ ̅ ∗ = 11 ∉ O11,83 ; +∞O
3. La décision :
Donc les étudiant n’auront pas la moyenne de 12 comme note de passage au
concours mais auront moins.
Exemple 3 : la personne bénéficie d’un logement social s’il perçoit un salaire
plafonné à 24 000 DA σ =100
Un échantillon de 100 est pris quelle est la décision à prendre si la moyenne de
l’échantillon est de 24 200 DA à un seuil de risque égale à 5%.
1. Les hypothèses : c’est un test unilatéral à droite
:" B Té éL A ! ′ M D U E #. A M B . M ! 24000
R
:M " B Té éL A "# ! ′ M D U E #. A A B . M
: = : = 24000
: > : > 24000
2. Le calcul :
$ ∗ = + & '( *+̅
& '( = & ' , F = & ,GF = 1,64
* 1000
*+̅ = = = 100
√ √100
$ ∗ = 24000 + 1,64 × 100 = 24 164
3. La décision :
K B LM ⟺ ̅ ∗ = 11 ∉ Q−∞; 24 164Q
Donc les gens qui bénéficie d’un logement sociale n’est pas de 24000 mais
de plus
7. Les tests d’hypothèse pour la proportion :
On a de base les hypothèses suivant :
:/ = /
:/ ≠ /
Ρ∗ = / − & (*
' X
Ρ∗ = / + & '(/ *X
/ 1−/
*X = 5
"∗ : D# "B " B B M. B !# D Y éAℎ# DD !
# DD
Ρ ∗ < "∗ < Ρ ∗ ⟹ #AA "
⟹ B C
Exercice :
Une clinique privé dentaire affirme que le taux de réussite des
opérations de chirurgie est de 92% on veut tester cette
affirmation au niveau de signification de 5%. Un échantillon
de 100 malades est choisit et le résultat de l’enquête affirme
que 95% des opérations sont réussi.
est-ce que l’étude faite précédemment dans cette
clinique est juste
Correction :
Les hypothèses :
: / = / = 0,92
: / ≠ / = 0,92
Calcul :
Ρ∗ = / − & (*
' X
Ρ ∗ = / + & '(/ *X
& '(/ = & ' , F/ = & ,GHF = 1,96
/ 1−/ 0,92 1 − 0,92
*X = 5 =5 = 0,0271
100
Ρ ∗ = 0,92 − 1,96 × 0,0271 = 0,867
Ρ ∗ = 0,92 + 1,96 × 0,0271 = 0,973
Décision :
On accepte ⟺ "∗ = 0,95 ∈ O0,867; 0,973Q
