Méthodes d'analyse des données discrètes
Transféré par
6ynzh6c977Méthodes d'analyse des données discrètes
Transféré par
6ynzh6c977Analyse des données discrètes
Fadoua BADAOUI
27 décembre 2024
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 1 / 191
Overview
1 Introduction et rappel
2 Tableau de fréquences univariées et loi multinomiale
La loi multinomiale
Test d'hypothèses dans une table à une entrée
3 Tableaux de fréquences à deux variables
Tests d'association entre deux variables nominales
4 Tableaux de fréquences à trois variables
Type et test d'indépendances entre 3 variables
5 Modèles log-linéaires
Modèles à 2 variables
Modèle à trois variables
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 2 / 191
Chap 1 :Introduction et rappel
Ce cours présente des méthodes statistiques usuelles pour l'analyse de
données discrètes. Des données peuvent résulter, par exemple :
d'un sondage d'opinion pour des consommateurs (ex. : niveau de
satisfaction pour un service reçu) ;
d'une étude dans le domaine de la santé cherchant à cerner les
facteurs d'une maladie (ex. : variable réponse prenant la valeur `oui'
pour les sujets malades, `non' sinon) ;
etc.
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 3 / 191
Introduction et rappel
Plusieurs outils statistiques s'orent à nous pour analyser des données
discrètes, ce cours visent à :
Présenter les méthodes classiques et celles les plus utilisées en
pratique,
Cerner la bonne méthode statistique à utiliser,
Appliquer correctement la méthode choisie en comprenant les idées
mathématiques de base derrière,
Bien interpréter les résultats obtenus.
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 4 / 191
Introduction et rappel
Avant d'entrer dans le vif du sujet, rappelons certaines notions de
statistiques souvent employées dans ce cours.
Données : Des données sont des valeurs numériques (des nombres)
ou alphanumériques (des chaînes de caractères) représentant les
observations de certaines variables sur certains individus.
Population : La population est l'ensemble de référence sur lequel
porte l'étude dans le cadre de laquelle les données ont été recueillies.
Individu ou unité statistique : Un individu est un élément de la
population. L'ensemble des individus constitue la population. Chaque
observation est associée à un individu.
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 5 / 191
Introduction et rappel
Échantillon : L'échantillon est un sous-groupe de la population,
composé des individus pour lesquels des observations ont été
recueillies. Si des mesures ont été prises pour tous les individus de la
population, on parle de recensement.
Variable : Le terme variable désigne la représentation d'une
caractéristique des individus. Ainsi, une variable n'est pas la
caractéristique elle-même, mais plutôt une mesure de cette
caractéristique.
Observation : Une observation est l'ensemble des valeurs obtenues en
mesurant des variables sur un individu de la population.
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 6 / 191
Échantillonnage
Lorsque l'on estime des paramètres de la population à l'étude à partir des
observations d'un échantillon aléatoire de cette population, on fait de l'
inférence statistique .
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 7 / 191
variable numérique
Les variables numériques peuvent être mesurées numériquement. Elles se
subdivisent en deux types : discrètes et continues.
Une variable discrète ne peut prendre qu'un nombre ni de valeurs (le
résultat du lancer d'un dé, le nombre de personnes frappées par la
méningite sur une période d'une année)
Une variable numérique est dite continue si elle peut prendre comme
valeurs tous les points d'un intervalle de nombres réels (Des variables
telles le temps, le poids ou la taille sont le plus souvent considérées
continues)
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 8 / 191
Remarque
Les données numériques ne sont pas forcément des observations d'une
variable numérique. C'est le cas par exemple du niveau de satisfaction
représenté par un nombre de 1 à 5, ou le chire 1 représente la catégorie
très insatisfait , insatisfait est représenté par le chire 5 et ainsi de
suite.
Pour des variables catégoriques ordinales, ce code numérique s'avère parfois
être un bon score pour représenter la variable, car il est plus rapide à écrire
ou taper que des chaînes de caractère.
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 9 / 191
Remarque
Cependant, si la question est plutôt formulée de la façon suivante :
Sur une échelle de 1 à 5, 1 représentant le plus faible niveau et 5 le plus
élevé, quel est votre niveau de ... ,
alors la variable mesurée sera de type numérique discrète.
Les deux variables ne sont pas identiques puisque l'utilisation de libellés
laisse plus de place à l'interprétation.
Selon la formulation de la question servant à mesurer la variable, elle sera
de type catégorique ordinale ou numérique discrète.
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 10 / 191
Représentation d'une caractéristique
Un jeu de données résultant d'une collecte de données contient des variables
observées. Ces variables représentent des caractéristiques des individus d'une
population, mais pas toujours sous le format reproduisant le mieux la réalité.
Il y a d'un côté la réalité et de l'autre côté la façon choisie pour mesurer cette
réalité, en considérant toutes sortes de contraintes (instruments de mesure,
con dentialité, budget, temps, etc.)
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 11 / 191
Exemple : variable pour représenter l'âge
L'âge d'une personne est naturellement représenté par une variable numé-
rique. Cependant, dans certains sondages, par souci de con dentialité, cette
variable est catégorisée. Ainsi, l'individu qui répond au sondage doit sélec-
tionner, par exemple, une des classes suivantes :
moins de 15 ans ; 15 à 24 ans ; 25 à 44 ans ; 45 à 64 ans ; 65 ans et plus.
Alors la variable âge se retrouve dans le jeu de données sous un format
catégorique ordinal et non numérique.
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 12 / 191
Type de traitement statistique d'une variable
Il arrive souvent que des variables observées soient transformées a n de les
convertir d'un type à un autre avant leur traitement statistique.
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 13 / 191
Variable dérivée pour le traitement statistique
A partir d'une variable observée (jeu de données d'origine), un choix est
fait quant à la méthode statistique qui sera employée. Cette méthode peut
traiter la variable observée de façon catégorique ou numérique. Le
statisticien doit d'abord manipuler les données a n de créer, à partir de la
variable observée, une variable dérivée qui est du type correspondant
au traitement statistique à eectuer.
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 14 / 191
généralités
Pour représenter les observations d'une variable catégorique, le principal
outil est un tableau de fréquences, aussi appelé tableau de contingence. Ce
tableau peut présenter une seule variable ou en croiser plusieurs. Ce cours
présente plusieurs tests et mesures associés à des tableaux de fréquences à
une (chapitre 2), deux (chapitre 3) ou trois (chapitre 4) variables.
Ainsi, ce module présente deux approches de traitement de variables
catégoriques : l'approche par tests d'hypothèses (tableaux de fréquences) et
l'approche par construction de modèles (GLM).
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 15 / 191
Caractéristique de ces outils
A n de choisir le bon outil statistique pour répondre à une question de
recherche dans une situation donnée, il faut considérer les points suivants :
Nombre de variables impliquées
Lorsqu'on veut étudier le lien entre deux variables, on peut ne considérer
que ces deux variables. C'est ce qu'on fait dans un tableau de fréquences à
deux variables ou dans un modèle linéaire généralisé simple. Cependant, on
possède parfois les observations d'autres variables, potentiellement liées aux
variables étudiées et qui pourraient améliorées les statistiques calculées. On
peut faire ça avec un tableau de fréquences à trois variables (ou plus) et
avec un modèle linéaire généralisé multiple.
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 16 / 191
Type des variables impliquées
Les tableaux de fréquences traitent toutes les variables de façon catégorique.
Certaines mesures associées à ces tableaux sont cependant propres aux va-
riables catégoriques ordinales. Avec un GLM, la distribution de la variable
réponse est choisie en fonction du type de cette variable. Les variables expli-
catives peuvent quant à elles être aussi bien numériques que catégoriques.
Direction de la relation
Certains de ces outils statistiques ne supposent aucune direction dans la
relation entre les variables, donc ils ne supposent aucune causalité. C'est le
cas des tableaux de fréquences. Toutes les variables ont le même intérêt dans
un tableau de fréquences. On n'a pas à identi er une variable réponse et une
variable explicative.
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 17 / 191
Comparaison avec d'autres outils statistiques
Les outils présentés dans ce cours ne sont certes pas les seuls à pouvoir
traiter des variables catégoriques. La première méthode statistique qui me
vient à l'esprit lorsque je pense au traitement de variables catégoriques et
l'analyse de la variance (ANOVA). Pour ce type de modèle, les variables
explicatives, appelées dans ce cas facteurs, sont des variables catégoriques.
Cependant, dans ce cours, on traite plutôt de méthodes d'analyse de données
catégoriques pour lesquelles la variable réponse est catégorique ou numérique
discrète (certains GLM) ou pour lesquelles il n'y a pas de direction supposée
dans la relation entre les variables (tableaux de fréquences).
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 18 / 191
Figure Comparaison des méthodes.
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 19 / 191
Expérience avec la loi Poisson
La loi de Poisson permet de modéliser le nombre de réalisations d'un
événement dans un intervalle de temps et/ou d'espace. Par exemple, la loi
Poisson serait une bonne candidate pour modéliser les dénombrements
suivants :
le nombre de clients se présentant à un guichet automatique d'une
banque en une heure ;
le nombre d'accidents par années à une intersection de la ville de
Québec ;
le nombre de centenaires dans une communauté.
On appelle parfois la loi Poisson loi des évènements rares .
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 20 / 191
Expérience avec la loi Poisson
La fonction de masse, aussi appelée fonction de probabilité, d'une variable
aléatoire Poisson, notée Y ∼ Poisson(λ), est
λy exp −λ
P(Y = y ) = y! y = 0, 1, 2, . . .
Le paramètre de la distribution est à la fois l'espérance et la variance de Y :
E [Y ] = Var [Y ] = λ.
Aussi, il est pertinent de noter que la distribution Poisson peut être
approximée par la loi normale lorsque λ est grand. Dans ce cas,
Poisson(λ) ∼ N(λ; λ).
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 21 / 191
Expérience avec la loi Binomiale
Le contexte de la loi binomiale est le suivant :
On fait une expérience qui peut prendre 2 résultats possibles : succès ou
échec.
On répète cette expérience de façon indépendante n fois, et on note S le
nombre de succès obtenus.
Notez que chaque expérience a la même probabilité de succès π.
On dit alors que S suit une loi binomiale de paramètres n (nombre total
d'essais) et π (probabilité d'un succès).
On note S ∼ Bin(n, π).
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 22 / 191
Expérience avec la loi Binomiale
En résumé, les conditions pour qu'il y ait une expérience binomiale sont les
suivantes :
n essais ;
deux résultats possibles pour chaque essai : succès et échec ;
toujours la même probabilité de succès =π
indépendance entre chacun des n essais ;
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 23 / 191
Expérience avec la loi Binomiale
Exemple : opinion sur l'avortement
Les Américains sont-ils plutôt favorables ou défavorables à l'avortement ?
Pour répondre à cette question, on observe un échantillon de 1223
Américains interrogés en 2010 dans le cadre de l'Enquête Sociale Générale
aux États-Unis. On a posé la question suivante aux participants :
Pensez-vous qu'il devrait être possible pour une femme enceinte mariée qui
ne veut plus d'enfants de se faire avorter légalement ? Au total, 587
personnes ont répondu oui à cette question, et 636 personnes ont répondu
non.
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 24 / 191
Expérience avec la loi Binomiale
Exemple : opinion sur l'avortement ... suite
Ici, les 4 conditions d'une expérience avec la loi binomiale sont respectées :
n = 1223 essais "individus sondés" ;
2 résultats possibles pour chaque essai : succès = oui, échec = non ;
la probabilité de succès π est ici la proportion dans la population des
Américains favorables à l'avortement ;
on peut supposer qu'il y a indépendance entre chacun des essais
puisque les individus participants à l'étude ont été sélectionnés avec un
plan de sondage se rapprochant beaucoup de l'échantillonnage
aléatoire simple.
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 25 / 191
Expérience avec la loi Binomiale
La fonction de masse de la loi binomiale s'écrit de la façon suivante :
Cns π s (1 − π)n−s ,
pour s = 1, 2, . . . , n;
P(S = s) =
0, sinon .
L'espérance et la variance de S sont :
E [S] = nπ
Var [S] = nπ(1 − π) :
Remarque: observer une seule variable Bin(n; π) revient à observer n
variables 11 ; . . . ; 1n iid Bin(1; π), soit la loi Bernoulli(π). On a alors
Pn
S= u=1 1u , une somme de n variables iid Bin(1; π).
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 26 / 191
Expérience avec la loi Binomiale
Notez aussi que si n → +∞(n > 30), π → 0 (p ≤ 0, 1) tels que
np(1 − p) ≤ 10, alors la loi Bin(n; π) tend vers la loi Poisson (nπ = λ).
En d'autres mots,
λs exp −λ
lim P(S = s) = s!
n → +∞, π → 0
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 27 / 191
Expérience avec la loi Binomiale
Notez que l'on peut approximer la loi binomiale par la loi normale lorsque n
est grand en utilisant le résultat du Théorème Limite Central.
Dans la pratique, lorsque n ≥ 30, np ≥ 5 et n(1 − p) ≥ 5, l'erreur sur les
probabilités calculées est très faible.
asympt
S −−−−→ N(nπ; nπ(1 − π))
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 28 / 191
Méthode du maximum de vraisemblance
Etant donné un échantillon issu d'une loi dont la pdf est f (x, θ), on appelle
fonction de vraisemblance la quantité
Qn
L(x1 , . . . , xn , θ) = i=1 f (xi ; θ).
A n de bien comprendre la motivation derrière la MMV, considérons un
échantillon X1 , . . . , Xn issu d'une loi de probabilité discrète de fdf
f (x; θ) = Pθ {X1 = x} où θ est un paramètre inconnu. L'idée qui est à
l'origine de cette méthode est la suivante :
Si l'on observe (x1 , . . . , xn ) c'est que la Pθ {(X1 , . . . , Xn ) = (x1 , . . . , xn )}
doit être assez grande. On prend alors comme estimateur de θ celui qui
maximise cette probabilité.
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 29 / 191
Méthode du maximum de vraisemblance
Exemple
Soit θ ∈]0, 1[ la probabilité de succès d'une expérience à deux issues
possibles. On répète cette expérience n fois de manière à obtenir un
échantillon x1 , . . . , xn . On a f (x; θ) = P{X1 = x} = θx (1 − θ)1−x , avec
x =0 ou 1. L'estimateur θb de θ par la MMV est obtenu en maximisant, par
rapport à θ, la quantité
n
θxi (1 − θ)1−xi
Y
L(x , θ) = P{(X1 , . . . , Xn ) = (x1 , . . . , xn )} =
i=1 (1)
= θnx (1 − θ)n(1−x)
où x = (x1 , . . . , xn ).
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 30 / 191
Exemple (suite)
En dérivant L(x , θ) par rapport à θ on obtient
dL(x , θ)
L′ (x , θ) = = nxθnx−1 (1 − θ)n(1−x) − n(1 − x)θnx (1 − θ)n(1−x)−1 .
dθ
En posant L′ (x , θ) = 0 on obtient
nx n(1 − x)
θnx (1 − θ)n(1−x) − = 0,
θ 1−θ
et puisque 0 < θ < 1, on en déduit
nx n(1 − x)
− = 0,
θ 1−θ
ce qui donne θ = x. L'estimateur de θ par la MMV est alors θb = X .
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 31 / 191
Tests d'hypothèses
Dé nition
Soit θ∈Θ un paramètre d'une loi de probabilité et Θ0 et Θ1 deux
sous-ensembles disjoints de Θ tels que Θ0 ∪ Θ1 = Θ. Les assertions
H0 : θ ∈ Θ0 et H1 : θ ∈ Θ1 sont appelées respectivement l'hypothèse
nulle et l'hypothèse alternative.
Un test d'hypothèse ou test statistique est une démarche conduisant à
élaborer une règle de décision permettant de faire un choix entre les deux
hypothèses statistiques H0 et H1 .
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 32 / 191
introduction
La situation générale est celle où l'échantillon est issu d'une population
dont la loi dépend d'un paramètre θ ∈ Θ ⊂ Rd , d ∈ N, et on cherche à
conclure que θ ∈ Θ0 ou θ ∈ Θ1 , où Θ0 ⊂ Θ et Θ1 ⊂ Θ sont
complémentaires.
Dé nition
Les hypothèses H0 : θ ∈ Θ0 et H1 : θ ∈ Θ1 , où Θ0 et Θ1 sont deux
sous-ensembles complémentaires de Θ, s'appellent respectivement
l'hypothèses nulle et l'hypothèses alternative.
Lorsque Θi est réduit à un seul élément, on dit que Hi est une hypothèse
simple, sinon Hi est une hypothèse composite (pour i = 0, 1).
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 33 / 191
Caractéristiques des tests d'hypothèses
On utilise parfois les adjectifs suivants pour décrire les tests d'hypothèses :
bilatéral ou unilatéral : Si l'hypothèse alternative H1 comporte une
direction particulière, le test est dit unilatéral. Si au contraire
l'hypothèse alternative est le complément de l'hypothèse nulle, on quali e
le test de bilatéral .
exact ou asymptotique : Si la distribution sous H0 de θ, la statistique du
test, est vraie peu importe la taille de l'échantillon, le test peut être quali é
d' exact . À l'inverse, si la distribution sous H0 de θ utilisée pour le test
est vraie seulement lorsque la taille de l'échantillon est grande, on parlera
d'un test asymptotique .
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 34 / 191
Caractéristiques des tests d'hypothèses
Les tests paramétriques se basent sur des distributions statistiques
supposées dans les données. Par conséquent, certaines conditions de validité
doivent être véri ées pour que le résultat d'un test paramétrique soit able.
Les tests non-paramétriques ne se basent pas sur des distributions
statistiques.
Les tests paramétriques sont plus puissants que leurs équivalents
non-paramétriques. En d'autres termes, un test paramétrique sera plus apte
à aboutir à un rejet de H0 . La plupart du temps, la p-value calculée par un
test paramétrique sera inférieure à la p-value calculée par un équivalent
non-paramétrique exécuté sur les mêmes données.
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 35 / 191
Types de tests d'hypothèses
Voici quatre types de tests d'hypothèses usuels. Ces types sont dé nis en
fonction de l'objectif des tests.
Les tests de conformité
Les tests d'adéquation ou d'ajustement
Les tests d'homogénéité
Les tests d'association.
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 36 / 191
Types de tests d'hypothèses
Les tests de conformité consistent à tester si un paramètre ou un vecteur
de paramètres θ est égal à un vecteur de valeurs préétablies θ0 . Par
exemple, si un seul paramètre θ est testé, les hypothèses d'un test de
conformité sont formulées comme suit :
Si θ est de dimension supérieure à 1, il est compliqué de formuler une
hypothèse alternative incluant une direction. Dans ce cas, les tests
bilatéraux sont plus simples.
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 37 / 191
Types de tests d'hypothèses
Les tests d'adéquation ou d'ajustement (en anglais goodness of t tests)
permettent de tester si des observations s'ajustent bien à un certain modèle
ou à une certaine distribution. Par exemple, le test F global en régression et
en ANOVA teste l'ajustement du modèle, le test de Shapiro-Wilk teste
l'adéquation d'observations à une loi normale. Les hypothèses d'un test
d'adéquation sont typiquement formulées comme suit :
H0 : le modèle s'ajuste bien aux données
H1 : le modèle ne s'ajuste pas bien aux données
Ainsi formulé, il s'agit d'un test bilatéral.
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 38 / 191
Types de tests d'hypothèses
Les tests d'homogénéité (ou de comparaison) visent à véri er si 2
échantillons ou plus proviennent d'une même population. Les tests de
comparaison de moyennes en sont des exemples. Si un seul paramètre est
comparé et qu'on a seulement deux échantillons, les hypothèses sont
formulées ainsi :
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 39 / 191
Types de tests d'hypothèses
Les tests d'association, en particulier les tests d'indépendance, servent à
tester la présence d'un lien entre deux variables. Rappelons que le terme
association est plus large que le terme dépendance.
Un test d'association courant consiste à véri er si un coe cient de
corrélation ou encore un ou des paramètres d'un modèle sont nuls. Si on
note ρ la corrélation entre X et Y , les hypothèses du test peuvent être
formulées de façon équivalente comme suit :
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 40 / 191
introduction
Dé nition
On appelle erreur de première espèce ou erreur de type 1 la décision de
rejeter H0 alors qu'elle est vraie. La décision de ne pas rejeter H0
alors qu'elle est fausse s'appelle l'erreur de deuxième espèce ou erreur
de type 2.
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 41 / 191
introduction
Le tableau ci-dessous résume la situation
H0 vraie H0 fausse
Rejeter H0 Mauvaise décision Bonne décision
Accepter H0 Bonne décision Mauvaise décision
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 42 / 191
introduction
Dé nition
Les probabilités des erreurs de première et deuxième espèce sont notées
• α = P{Rejeter H0 |H0 est vraie} > 0, et
• β = P{Ne pas rejeter H0 |H0 est fausse} > 0.
Elles s'appellent respectivement risque de première espèce et risque de
deuxième espèce.
La décision idéale est celle où ces deux risques seraient nuls, i.e.
α = β = 0. Mais cela est, sauf dans des situations triviales, impossible.
Comme il est impossible de contrôler en même temps α et β, on xe α et
on cherche la décision pour laquelle β est minimum.
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 43 / 191
Dé nition
Un test d'hypothèses est une procédure, basée sur l'échantillon observé
x1 , . . . , xn , qui permet de déterminer un sous ensemble R de Rn tel que
Si (x1 , . . . , xn ) ∈ R alors on décide de rejeter H0 et d'accepter H1 , et
Si (x1 , . . . , xn ) ∈
/R alors on décide de rejeter H1 et d'accepter H0 .
L'ensemble R est appelé région critique ou région de rejet .
La fonction ϕ(x) = IR (x), dé nie à partir de la région critique d'un test,
s'appelle la fonction test. Par abus de langage on notera par ϕ le test et sa
fonction test.
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 44 / 191
Puissance de test
Il est usuel de noter :
Le risque de première espèce la valeur α (la probabilité de rejeter H0
alors qu'elle est vraie) telle que : P(X ∈ R|H0 )
Le risque de deuxième espèce la valeur β (la probabilité d'accepter H0
alors que H1 est vraie) telle que : P(X ∈ R|H1 )
Dé nition
On appelle puissance d'un test la probabilité de rejeter H0 alors qu'elle est
eectivement fausse soit, dans les notations précédentes : P(X ∈ R|H1 ) .
La puissance, qui est la capacité à détecter qu'une hypothèse nulle est
fausse, n'est rien d'autre que 1 − β.
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 45 / 191
Tests d'hypothèses
Remarque : La statistique du test α = P{Rejeter H0 |H0 est vraie} >0 est
la même que celle utilisée pour l'intervalle de con ance. En général pour les
lois discrètes il est di cile de trouver les valeurs critiques sur les tables des
lois d'où le fait d'utiliser l'approximation normale dans les enquêtes dont la
taille de l'échantillon est assez grande.
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 46 / 191
Tests asymptotiques usuels
Soit θ un paramètre scalaire. On cherche à mener le test suivant sur ce
paramètre :
Nous utilisons fréquemment dans ce cours trois types de test asymptotiques
usuels. Il s'agit des tests de Wald, score et du rapport de vraisemblance.
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 47 / 191
Test du rapport de vraisemblance
Pour le test du rapport de vraisemblance, nous allons nous ramener à un
cas plus général où θ est un vecteur de paramètres. On cherche à tester :
H0 : θ ∈ Θ0 vs H1 : θ ∈ Θc0 avec (Θc0 = Θ ⊖ Θ0 )
Notez que ce test possède uniquement une forme bilatérale. Le rapport de
vraisemblance est dé ni comme suit :
supθ∈Θ0 L(θ|x)
Λ= supθ∈Θ L(θ|x)
Si θb, le MV de θ existe, et que θb0 représente le MV sous l'espace Θ0 , alors
le rapport de vraisemblance peut s'écrire plus simplement :
L(θb0 |x)
Λ=
L(θ|x)
b
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 48 / 191
Test du rapport de vraisemblance
Pour eectuer un test de rapport de vraisemblance, on utilise la statistique
suivante :
LR = −2 ln(Λ) = −2 ln( L(θb0 |x) )
b
L(θ|x)
Sous H0 , lorsque n → ∞, cette statistique suit une loi du khi-deux à d
degrés de liberté (Casella et Berger, 2002) :
asympt
LR −−−−→ χ2d
Le nombre de degrés de liberté d est dé nie par : d = dim Θ − dim Θ0 .
On rejette H0 au seuil α ssi LR > χ2d
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 49 / 191
Exemple :Opinion sur l'avortement.
Les Américains sont-ils plutôt favorables ou défavorables à l'avortement ?
Pour répondre à cette question, on observe un échantillon de 1223
Américains interrogés en 2010 dans le cadre de l'Enquête Sociale Générale
aux États-Unis. On a posé la question suivante aux participants :
Pensez-vous qu'il devrait être possible pour une femme enceinte mariée qui
ne veut plus d'enfants de se faire avorter légalement ? Au total, 587
personnes ont répondu oui à cette question, et 636 personnes ont répondu
non.
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 50 / 191
Exemple :Opinion sur l'avortement.
Pour déterminer si les Américains manifestent majoritairement une
préférence pour ou contre l'avortement, nous pouvons tester H0 : π = 0.5
contre H1 : π ̸= 0.5.
Pour répondre à la question de recherche ainsi formulée, on doit eectuer
un test bilatéral. Si on formulait plutôt la question de recherche ainsi :
Est-ce que la majorité des Américains sont défavorables à l'avortement ? ,
on devrait plutôt faire un test unilatéral. Les hypothèses confrontées
seraient H0 : π = 0.5 versus H1 : π < 0.5. L'hypothèse alternative a été
choisie vers la gauche plutôt que vers la droite, car des sondages précédents
ont révélé que les Américains étaient majoritairement défavorables à
l'avortement (ex. GSS 1991 : π
b = 424/950 = 0.446). On se demande si
c'est encore vrai.
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 51 / 191
Nous avons s, une observation de la variable aléatoire S, qui suit une loi
Bin(n, π). La vraisemblance du paramètre π est :
L(π|s) = Cns π s (1 − π)n−s
La statistique du test de rapport de vraisemblance est :
0 |S)
LR = −2 ln( L(π
π |S) )
L(b
où π
b est l'estimateur du maximum de vraisemblance de π. Ainsi :
C s π s (1−π )n−s
LR = −2 ln( Cns πb0s (1−bπ0)n−s ) = −2(s ln( ππb0 ) + (n − s) ln( 11−π 0
π ))
−b
n
Sous H0 , lorsque n → ∞, cette statistique suit une loi du khi-deux à 1
asympt
degré de liberté : LR −−−−→ χ21
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 52 / 191
La valeur observée de S est ici s = 587. La proportion d'Américains
favorables à l'avortement π est donc estimée par π
b = 587/1223 = 0.48.
Eectuons maintenant le test du maximum de vraisemblance pour illustrer
son fonctionnement.
La valeur observée de la statistique de test est
lr = −2(587 ln( 00..48
5
) + (1223 − 587) ln( 11−−00..48
5
) = 1.9637
Le seuil observé du test (p-value) est
P(χ21 > 1.963730811) = 0.1611149
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 53 / 191
Test de Wald
H0 : θ = θ 0 contre H1 : θ ̸= θ0
Le test de Wald compare l'écart entre le coe cient théorique θ0 et sa
valeur estimée par l'estimateur du maximum de vraisemblance θb, sous
l'hypothèse que la diérence est distribuée approximativement selon une loi
de Gauss. En pratique le carré de la diérence est comparé à un seuil de la
loi du chi2. Dans le cas univarié, la statistique de Wald est
b 0 )2
(θ−θ
var (θ)
b
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 54 / 191
Test de Wald
Si on compare la diérence à un quantile de la loi de Gauss, la statistique
de test est
θ−θ
b 0
Se(θ)
b
où Se(θ)
b est l'écart-type de l'estimateur du maximum de vraisemblance.
√ 1
Un estimateur raisonnable de cet écart-type est donné par , où In
In (MLE )
est l'information de Fisher du paramètre.
Dans le cas univarié, un test sur plusieurs paramètres simultanément est
réalisé en utilisant une matrice de variance. Par exemple, on utilise ce test
pour une variable catégorielle recodée en plusieurs variables dichotomiques.
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 55 / 191
Exemple (Suite) : opinion sur l'avortement.
Test de Wald sur une proportion
Le test de Wald se base sur la statistique suivante :
b−π0 asympt
Zw = qπ −−−−→ N(0; 1)
b(1−π
π b)
n
On voit que la variance de l'estimateur est estimée dans Zw .
La valeur observée de la statistique du test de Wald est :
zw = q 0.48−0.5 = −1.459625.
0.48(1−0.48)
1223
On a (1.459625)2 < χ21,0.05 = 3.84.
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 56 / 191
Exemple (Suite) : opinion sur l'avortement.
Le seuil observé du test bilatéral est le suivant :
2P(N(0, 1) > | − 1.459625|) = 0.1443932.
Ce seuil observé étant supérieur au seuil théorique de 5%, on ne peut pas
rejeter l'hypothèse selon laquelle les Américains sont divisés sur la question
de l'avortement.
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 57 / 191
Test score
Les tests score (en anglais score tests), aussi appelés tests du
multiplicateur de Lagrange , sont dus au statisticien C.R. Rao. Ils se
basent sur la statistique de test suivante :
S(θ0 ) asympt
√ −−−−→ N(0, 1)
I (θ0 )
∂
où S(θ) = ∂θ ln L(θ|x) est la fonction score calculée au point θ = θ0 et
I (θ0 ) est la matrice d'information espérée (ici de dimension 1 × 1) calculée
au point θ = θ0 . Ce test comporte moins d'approximation que le test de
Wald puisque l'erreur-type se trouvant au dénominateur n'est pas estimée.
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 58 / 191
Exemple (Suite) : opinion sur l'avortement.
on a
∂
S(π) = ln L(π|x)
∂π
∂
= (ln(Cns ) + ln(π s ) + ln((1 − π)n−s )
∂π
(2)
s n−s
= −
π 1−π
s − nπ n(bπ − π)
= = b = ns
avec π
π(1 − π) π(1 − π)
Donc
b−π0 )
n(π
S(π0 ) asympt
√ = qπ0 (1−π0 ) −−−−→ N(0, 1)
n
I (π0 ) π0 (1−π0 )
ou encore
(S(π0 ))2 π −π0 )2 asympt
I (π0 ) = n(b
π0 (1−π0 ) −−−−→ χ21
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 59 / 191
Exemple (Suite) : opinion sur l'avortement.
La valeur observée de la statistique de test pour le test score est :
zw = q0.48−0.5 = −1.401144.
0.5(1−0.5)
1223
Le seuil observé du test bilatéral est le suivant :
2P(N(0, 1) > | − 1.401144|) = 0.1443932.
Le seuil observé du test unilatéral est le suivant :
P(N(0; 1) < −1.401144) = 0.08058547 > 5%
On ne peut donc pas conclure que les Américains sont, en 2010,
majoritairement contre l'avortement. On voit ici que le test unilatéral est
plus puissant que le test bilatéral.
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 60 / 191
Remarques :
Les seuils observés dièrent un peu entre les tests score et de Wald,
mais l'inférence statistique est la même.
Le test du rapport de vraisemblance aboutit à la même conclusion que
le test score. Les seuils observés pour les 2 tests bilatéraux sont
pratiquement égaux.
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 61 / 191
Chap 2 :Tables de contingence.
Pour représenter les observations d'une variable catégorique, le principal
outil est un tableau de fréquences, aussi appelé tableau de contingence. Ce
tableau peut présenter une seule variable ou en croiser plusieurs. Ce cours
présente plusieurs tests et mesures associés à des tableaux de fréquences à
une, deux ou trois variables.
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 62 / 191
À quoi servent ces outils statistiques ?
Les outils statistiques présentés dans ce cours permettent de répondre à une
question de recherche du type : Quel est le lien entre les caractéristiques A
et B des individus de la population de l'étude ? Par exemple :
Quel est le lien entre la couleur des cheveux et la couleur des yeux ?
Est-ce que le niveau de scolarité est associé à la classe de revenu d'un
individu ? Si oui, cette association est-elle positive ou négative ?
Est-ce que le sexe d'une personne a une in uence sur son risque de
développer un cancer du poumon ? Si oui, de quelle façon ?
En termes statistiques, la question de recherche se traduit comme ceci :
Quel est le lien entre les variables X et Y ? en supposant que X représente
la caractéristique A et Y la caractéristique B.
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 63 / 191
Tableau de fréquences univariées et loi multinomiale
Avant de présenter des méthodes qui permettent d'étudier le lien entre
deux variables, voyons comment étudier une seule variable catégorique.
Dans cette section, nous présenterons des outils permettant de répondre à
la question de recherche suivante :
Quel est le portrait de la caractéristique A dans la population de l'étude ?
La reformulation statistique de cette question est la suivante :
De quoi ont l'air les observations de la variable Y ?
en supposant que la variable Y représente la caractéristique A.
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 64 / 191
La loi multinomiale
Le contexte de la loi multinomiale est le suivant. On fait une expérience qui
peut prendre r résultats possibles (m1Y , . . . , mrY ). On répète cette
expérience de façon indépendante n fois, et on note Nj le nombre de
résultats mjY obtenus (j = 1, . . . , r ). En fait, on pourrait noter Y1 à Yn
l'échantillon découlant de ces n expériences (souvent n individus sondés).
Valeur de Y
Y
m1 ...
Y
mj ...
Y
mr
Fréquence N1 ... Nj ... Nr
On vient ainsi de créer un tableau de fréquences à une variable. Les
fréquences sont ici représentées par des Nj .
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 65 / 191
La loi multinomiale
Une réalisation des variables aléatoires (N1 , . . . , Nr ) sera dans cette section
notée (n1 , . . . , nr ).
Pour chaque expérience, πj représente la probabilité d'obtenir le résultat
mjY : πj = P(Y = mjY ). Ce contexte est similaire à celui de la distribution
binomiale, à la diérence que le nombre d'issues possibles à l'expérience
peut être supérieur à 2. On dit que le vecteur N = (N1 , . . . , Nr ) suit une loi
multinomiale de paramètres n (nombre total d'essais) et (π1 , . . . , πr )
(probabilités des résultats de chacun des types). On a bien sûr les 2
contraintes suivantes :
N1 + . . . + Nr = n et π1 + . . . + πr = 1
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 66 / 191
La loi multinomiale
En raison de la première contrainte, les Nj ne sont pas des variables
indépendantes. On note
N ∼ Multinomiale(n; π1 , . . . , πr ).
De façon marginale, on a
Nj ∼ Bin(n, πj )
pour j = 1, . . . , r . Notez que lorsque r = 2, il devient inutile de travailler
avec le vecteur N = (N1 , N2 ) étant donné que la valeur d'une variable peut
être déduite de l'autre variable (N1 = n − N2 ). On dé nit plutôt une des
deux modalités comme étant un succès (disons la modalité 1) et on
travaille avec N1 ∼ Bin(n; π1 ).
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 67 / 191
La loi multinomiale
Cas particulier:
r = 2, où n = n1 + n2 et π1 + π2 = 1
n!
P(N1 = n1 , N2 = n2 ) = π n1 π n2
n1 !n2 ! 1 2
n!
= π n1 (1 − π1 )n−n1
n1 !(n − n1 )! 1
N1 ∼ Bin(n; π1 ).
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 68 / 191
La loi multinomiale
La fonction de masse de la loi multinomiale s'écrit de la façon suivante :
n! n1
P(N1 = n1 , . . . , Nr = nr ) = n1 !,...,nr ! π1 . . . πrnr
pour (N1 , . . . , Nr ) ∈ Nr : n1 + . . . + nr = n, soit l'ensemble des nombres
naturels (entiers non négatifs) de dimension r, tel que la somme des nj
vaut n. L'espérance et la matrice de variance-covariance de N sont :
E [Nj ] = nπj pour j = 1, . . . , r
Var [Nj ] = nπj (1 − πj ) pour j = 1, . . . , r
′
Cov (Nj ; Nj ′ ) = −nπj πj ′ pour j ̸= j
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 69 / 191
La loi multinomiale
On veut répartir n objets dans r groupes E1 , . . . , Er , avec card(Ei ) = ni et
Pr
i=1 ni = n.
Question : Quel est le nombre de répartitions possibles ?
Etape 1 : Catégorie E1 ; choix de n1 parmi n (Cnn1 )
n2
Etape 2 : Catégorie E2 ; choix de n2 parmi n − n1 (Cn−n1
)
.
.
.
Etape r : Catégorie Er ; choix de nr parmi n − n1 − n2 − . . . − nr −1 (Cnnrr )
Le nombre de répartition possibles
n2 n!
Cnn1 Cn−n1
. . . Cnnrr = n1 !n2 !...nr !
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 70 / 191
La loi multinomiale
300 personnes ont été choisi au hasard. On a la répartition suivante selon
la couleur des yeux.
Ei Bleus Verts Maron Noirs
Ni 48 35 122 95
N = (N1 , N2 , N3 , N4 ) ∼ Multinomiale(300; π1 , π2 , π3 , π4 ).
n! n1 n2 n3 s4
P(N1 = n1 , N2 = n2 , N3 = n3 , N4 = n4 ) = n1 !n2 !n3 !n4 ! π1 π2 π3 π4
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 71 / 191
Regroupement
Exemple : reprenons l'exemple de la couleur des yeux.
E1∗ = E1 ∪ E2 (yeux clair) ; E2∗ = E3 ∪ E4 (yeux foncés)
Ei
∗ clairs Foncés
Nj
∗ 83 217
∗
(N1 , N2 )
∗ ∼ M(300; π1∗ , π2∗ )
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 72 / 191
Regroupement
Cas général :
Soient E1 , . . . , E r et E1∗ , . . . , Es∗ deux systèmes complets de catégories.
avec s ≤ r , Ej∗ = ∪i∈Ij Ei et I1 , . . . , Is est une répartition de 1, . . . , r .
On a bien sûr les 2 contraintes suivantes :
πj∗ = P(X ∈ Ij∗ ) = i∈Ij πi
P
Nj∗ = i∈Ij Ni
P
(N1∗ , . . . , Ns∗ ) ∼ M(n; π1∗ , . . . , πs∗ )
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 73 / 191
Moment de la loi multinomiale
On sait que Ni ∼ B(ni , πi ) alors E (Ni ) = nπi et Var (Ni ) = nπi (1 − πi ).
On sait aussi que Cov (X , Y ) = Cov (X , E (Y /X ))
Pour calculer Cov (Ni , Nj )
→ Il faut trouver la loi de (Nj /Ni )
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 74 / 191
Moment de la loi multinomiale
On sait que la distribution marginale de Ni est Ni ∼ B(n, πi ) et celle de
(N1 = n1 , . . . , Nr = nr ) ∼ M(n, π1 , . . . , πr ), quelle est alors la distribution
de (N1 = n1 , . . . , Ns = ns ), s < r ?.
Ps Pr ∗
Sr ∗
Pr
Notons i=1 ni ≤ n = i=1 ni , Es+1 = s+1 Ej , Ns+1 = j=s+1 Nj et
∗
P s
πs+ 1 =1− i=1 πi
∗ ∗
P(N1 = n1 , . . . , Ns = ns ) = P(N1 = n1 , . . . , Ns = ns , Ns+ 1 = ns+1 )
n! ∗
∗ ns+
= ∗ π1n1 . . . πsns πs+1
1
n1 ! . . . ns !ns+1 !
∗ ) ∼ M(n, π , . . . , π , π ∗ )
(N1 , . . . , Ns , Ns+1 1 s s+1
∗ )
(N1 , . . . , Ns ) ∼ M(n, π1 , . . . , πs , πs+1
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 75 / 191
Moment de la loi multinomiale
Distribution conditionnelle : Supposons que l'on connaisse les valeurs prises
par les premières variables N1 , . . . , Ns , notons A = (N1 = n1 , . . . , Ns = ns )
et B = (N1 = n1 , . . . , Nr = nr ). Calculons : P(B/A).
P(N1 = n1 , . . . , Nr = nr )
P(B/A) =
P(N1 = n1 , . . . , Ns = ns )
n! n1 ns ns+1 nr
n1 !...ns !...nr ! π1 . . . πs πs+1 . . . πr
= n! n1 ns ∗ ns+1 +...+nr
∗ ! π1 . . . πs (πs+1 )
n1 !...ns !ns+ 1
∗ ! r
ns+ 1
Y πj
= ( ∗ )nj
ns+1 ! . . . nr ! π
j=s+1 s+1
∗
Ps ∗
Ps
avec ns+ 1 =n− i=1 ni et πs+ 1 =1− i=1 πi
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 76 / 191
Moment de la loi multinomiale
Corollaire :
1 Pour j > s, la distribution de
Ps πj
(Nj /N1 = n1 , . . . , Ns = ns ) ∼ B(n − ∗ )
i=1 ni , πs+ 1
j π
2 Pour i ̸= j , la distribution de (Nj /Ni = ni ) ∼ B(n − ni , 1−π i
)
∗
Ps ∗
Ps
avec ns+ 1 =n− i=1 ni et πs+ 1 =1− i=1 πi
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 77 / 191
Moment de la loi multinomiale
On sait que Ni ∼ B(ni , πi ) alors E (Ni ) = nπi et Var (Ni ) = nπi (1 − πi ).
On sait aussi que Cov (X , Y ) = Cov (X , E (Y /X ))
Calculons Cov (Ni , Nj )
j π
On a (Nj /Ni ) ∼ B(n − Ni , 1−π i
)
jπ
Donc E (Nj /Ni )) = (n − Ni ) 1−π i
d'où
πj
Cov (Ni , Nj ) = Cov (Ni , E (Nj /Ni )) = Cov (Ni , (n − Ni ) )
1 − πi
πj πj
= Cov (Ni , (n − Ni )) = − Var (Ni )
1 − πi 1 − πi
πj
=− nπi (1 − πi ) = −nπi πj
1 − πi
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 78 / 191
Moment de la loi multinomiale
Proposition :
nπi (1 − πi ) pour i = j
Cov (Ni , Nj ) =
-nπ π pour i ̸= j
i j
P
Cov (Ni , Nj ) < 0 car Nj = n − Ni − l̸=(i,j) Nl lorsque Ni ↗ alors Nj ↘
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 79 / 191
Relation de la loi multinomiale avec la loi de poisson
Thèorème :
Soient N1 , N2 , . . . , Nr , r variables aléatoires discrétes indépendantes de loi
Pr
de Poisson Ni ∼ P(mi ), N = i=1 Ni , alors la distribution de
(N1 , N2 , . . . , Nr /N = n) ∼ M(n, π1 , π2 , . . . , πr ) avec πi = Prmi
i=1 mi
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 80 / 191
(mi )ni exp(−ni )
Démonstration : P(Ni = ni ) =
Pr
ni ! avec N= i=1 Ni ,
Pr
N ∼ P(m) et m= i=1 mi
Notons A = (N1 = n1 , . . . , Nr = nr ) et B = (N = n), on a A⊂B
Calculons
P(N1 = n1 , . . . , Nr = nr , N = n)
P(N1 = n1 , . . . , Nr = nr /N = n) =
P(N = n)
P(N1 = n1 , . . . , Nr = nr )
=
P(N = n)
Qr Qr mini exp(−mi )
P(N = n ) i=1
= i=1
i i ni !
= mn exp(−m)
P(N = n)
n!
r
Y mi n!
= [ ( )ni ] Qr
m i=1 ni !
i=1
r
n! Y mi
= ( )ni ∼ M(n, π1 , . . . , πr )
n1 ! . . . nr ! m
i=1
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 81 / 191
Exemple : Soit y1 = nombre de personnes mortes en voitures, y2 = nombre
de personnes mortes en avion, et y3 = nombre de personnes mortes en
train. Un modèle de Poisson pour (Y1 , Y2 , Y3 ) considère ces variables
comme indépendantes de paramètres (µ1 , µ2 , µ3 ). La loi jointe des Yi est le
P
produit des densités. Le total n= Yi a une loi de Poisson de paramètre
P
µi .
Le modèle Poissonien suppose que n est aléatoire et non xé. Si l'on
suppose un modèle Poissonien et que l'on conditionne par rapport à n, Yi
n'a plus une loi de Poisson car chaque Yi < n. On a :
r
X n! Y
P(Y1 = y1 , . . . , Yr = yr / Yi = n) = Qr (πi )ni
i=1 ni ! i=1
mi
avec πi = m . Il s'agit de la distribution multinomiale (n, π) .
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 82 / 191
Test d'hypothèses sur la valeur de π = (π1 , . . . , πr )
On cherche à établir un test sur les paramètres de la loi multinomiale avec
les hypothèses suivantes.
H0 : π = π0 ou (π1 , . . . , πr ) = (π0,1 , . . . , π0,r )
H1 : π ̸= π0 ou (π1 , . . . , πr ) ̸= (π0,1 , . . . , π0,r )
Il s'agit d'un test bilatéral multivarié. Nous allons tester ces hypothèses
avec un test de rapport de vraisemblance et un test qui reviendra à de
multiples reprises dans ce cours : le test du khi-deux de Pearson
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 83 / 191
Test de rapport de vraisemblance sur la valeur de π
Nous avons N = (N1 , . . . , Nr ), une observation de la variable aléatoire N,
qui suit une loi Multinomiale(n, π). La vraisemblance de paramètre π est
n! n1
L(π|N) = n1 !...nr ! π1 . . . πrnr
Le logarithme de cette valeur est :
n! Pr
ln(L(π|N)) = ln( n1 !...nr!
)+ j=1 nj ln(πj )
La statistique du test du rapport des vraisemblances est donc :
LR = −2(ln L(π0 |N) − ln L(b π |N))
n! P r n! Pr
=-2(ln(
n1 !...nr ! ) + j=1 nj ln(π0,j ) − ln( n1 !...nr ! ) − j=1 nj ln(b
πj )
Pr π0,j asympt 2 2
=-2 j=1 nj ln( π bj ) −−−−→ χα,r −1 . On rejette H0 ssi LR > χα,r −1
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 84 / 191
Test du khi-deux de Pearson sur la valeur de π
Dans le contexte d'un test sur les paramètres d'une loi multinomiale,
Pearson a proposé d'utiliser la statistique suivante :
(Nj −nπ0,j )2 asympt
χ2r −1
Pr
U= j=1 ( nπ0,j ) −−−−→
Il a prouvé que sous l'hypothèse nulle H0 : (π1 , . . . , πr ) = (π0,1 , . . . , π0,r ),
cette statistique suit asymptotiquement une loi du khi-deux à r −1 degrés
de liberté, tout comme la statistique du test de rapport de vraisemblance.
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 85 / 191
Démonstration : On peut justi er ce résultat de façon simple en considérant
qu'une loi binomiale peut être approximée par une loi Poisson sous certaines
conditions, d'où Nj ∼ P(λj ) avec λj = E [Nj ] = nπ0,j pour j = 1, . . . , r .
On sait que pour de grandes valeurs de λj , on peut supposer que
(Nj −λj ) (Nj −nπ0,j )
Zj = √ = √
nπ0,j suit une loi normale centrée réduite.
λj
Supposons pour l'instant que les r v.a. sont indépendantes. On aurait donc
la somme des Zj2 = U suit une loi asymptotique khi-deux à r degrés de
liberté. En réalité, les r v. a. ne sont pas indépendantes puisqu'elles sont
Pr
soumises à la contrainte j=1 Nj = n. On perd un degré de liberté à cause
de cette contrainte, qui représente la conversion de la loi Poisson à la loi
multinomiale.
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 86 / 191
Exemple :
Le journal La Presse publiait un article de Denis Lessard présentant les
résultats d'un sondage sur les intentions de vote des Québécois. Les trois
principaux partis se partageant les intentions de vote étaient le Parti
Québécois (PQ), le Parti libéral du Québec (PLQ) et l'Action
démocratique du Québec (ADQ). Considérons ici uniquement ces partis.
Les intentions de vote se répartissaient ainsi :
Parti politique PQ PLQ ADQ total
Fréquence observée 264 264 238 766
Tester si les votes sont vraiment répartis uniformément entre les partis
politiques :
H0 : (π1 ; π2 ; π3 ) = (1/3; 1/3; 1/3) vs H1 : (π1 ; π2 ; π3 ) ̸= (1/3; 1/3; 1/3).
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 87 / 191
Exemple (Suite)
La statistique du test de rapport de vraisemblance prend la valeur suivante :
LRobs = −2(2 × 264 ln( 2641//766
3
) + 238 ln( 2381//3766 )) = 1.786
Le seuil observé de ce test est donc P(χ22 ≥ 1.786) = 0.40942.
Cette valeur est nettement plus grande que 0.05, on conclut donc au
non-rejet de H0 .
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 88 / 191
Exemple (Suite)
La statistique du test du khi-deux de Pearson prend quant à elle la valeur
suivante :
(264−(766/3)) 238−(766/3)
Uobs = 2 × 766/3 + 766/3 = 1.765
Le seuil observé de ce test est donc P(χ22 ≥ 1.765) = 0.41375.
Cette valeur est aussi nettement plus grande que 0.05.
Les deux tests nous mènent donc à la conclusion que les votes sont
réellement répartis de façon uniforme entre les partis politiques.
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 89 / 191
Chap 3 : Tableaux de fréquences à deux variables
Pour étudier le lien entre deux variables, il est bon de procéder en suivant
les étapes suivantes :
1 Visualiser les données : avec un tableau de fréquences à deux
variables et/ou des graphiques.
2 Tester l'association entre X et Y : on veut déterminer s'il existe un
lien entre les variables, on choisira le meilleur test en fonction du
caractère nominal ou ordinal des variables, de la taille de l'échantillon
et du nombre de modalités des variables.
3 Si elle est présente, décrire l'association : avec diérentes
statistiques et mesures d'association.
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 90 / 191
Dé nitions et outils descriptifs
Le contexte traité dans ce chapitre est celui où l'on étudie deux variables
catégoriques notées X et Y. Soit mX1 , . . . , mXI les modalités de la variable
X et mY1 , . . . , mYJ les modalités de Y. On possède un échantillon de n
observations indépendantes de ces deux variables. À partir de cet
échantillon, on calcule un certain nombre de fréquences, que l'on représente
dans un tableau comme suit :
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 91 / 191
Exemple d'emplacement de variables
Dans le cadre de l'Enquête Sociale Générale aux États-Unis, n = 980
personnes ont été interrogées à propos de leurs intentions de vote.
L'enquête a aussi permis d'identi er le sexe des votons. On a donc deux
variables catégoriques nominales : X = le sexe d'une personne, soit mX1 =
Femme , et mX2 = Homme et Y = le parti politique, soit mY1 =
Démocrate , mY2 = Indépendant ou mY3 = Républicain .
Si une des deux variables in uence l'autre ici, c'est certainement le sexe qui
in uence les intentions de vote, et non l'inverse. Ainsi, on dirait que la
variable réponse est Y, et la variable explicative est X. La variable X sera
donc placée en lignes dans le tableau de fréquences, et Y en colonnes.
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 92 / 191
Fréquences croisées
Pour i = 1, . . . , I et j = 1, . . . , J , la fréquence nij est le nombre total
d'observations dans l'échantillon pour lesquelles la valeur de X est mXi et
la valeur de Y est mYj simultanément. Les nij sont ce que l'on appelle les
PI PJ
fréquences croisées. On a toujours la relation suivante : n= i=1 j=1 nij
où n est le nombre total d'observations dans l'échantillon. Ainsi, n.. est la
PJ PI
même chose que n. Les ni. = j=1 nij et n.j = i=1 nij représentent les
fréquences marginales.
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 93 / 191
Fréquences conditionnelles
Les fréquences des modalités d'une variable en xant l'autre variable à une
certaine modalité sont appelées fréquences conditionnelles. Par exemple, les
fréquences de X sachant que Y =2 sont n12 à nI 2 .
Exemple :
Les fréquences des modalités des intentions de vote Y en conditionnant par
rapport au fait d'être une femme sont (n11 = 279; n12 = 73; n13 = 225),
soit la première ligne du tableau de fréquences croisées.
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 94 / 191
Fréquences relatives
Les fréquences relatives croisées sont dé nies par fij = nij /n pour
i = 1, . . . , I et j = 1, . . . , J . La somme de ces I ×J fréquences vaut 1.
Les fréquences relatives marginales se calculent par fi. = ni. /n et
f.j = n.j /n. La somme des I fréquences relatives de la marge verticale
vaut 1, tout comme la somme des J fréquences relatives de la marge
horizontale.
les fréquences relatives conditionnelles de X par rapport à Y sont
dé nies par fi|j = nij /n.j pour une valeur de j xe. De façon similaire,
les fréquences relatives conditionnelles de Y par rapport à X sont
dé nies par fj|i = nij /ni. pour une valeur de i xe.
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 95 / 191
Exemple de fréquences relatives :
Les fréquences relatives croisées (fij pour i = 1, 2 et j = 1, 2, 3) et
marginales (fi. pour i = 1, 2 et f.j pour j = 1, 2, 3) sont les suivantes :
La somme de toutes les fréquences relatives croisées vaut 1 et la somme
des fréquences relatives dans chacune des marges vaut aussi 1.
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 96 / 191
Exemple de fréquences relatives :
Les fréquences relatives conditionnelles à la valeur de X, le sexe, sont les
suivantes :
La fréquence relative f1|i=1 nous dit, par exemple, que 48.35% des femmes
de l'échantillon ont l'intention de voter démocrate. Ici, les fréquences
relatives de chaque ligne somment à 1, car ces fréquences sont calculées en
divisant les fréquences croisées par les fréquences dans la marge verticale.
Cette marge est celle de la variable X.
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 97 / 191
Exemple de fréquences relatives :
Les fréquences relatives conditionnelles à la valeur de Y , les intentions de
vote, sont les suivantes :
Ici, les fréquences relatives de chaque colonne somment à 1, car ces
fréquences sont calculées en divisant les fréquences croisées par les
fréquences dans la marge horizontale. Cette marge est celle de la variable Y.
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 98 / 191
Probabilités d'intérêt
Les probabilités en lien avec un tableau de fréquences à deux variables X et
Y sont les suivantes, pour i = 1, . . . , I et j = 1, . . . , J :
Probabilités conjointes :
πij = P(X = miX , Y = mjY )
Probabilités marginaless :
πi. = P(X = miX ) ; π.j = P(Y = mjY )
Probabilités conditionnelles :
πi|j = P(X = miX |Y = mjY ) ; πj|i = P(Y = mjY |X = miX )
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 99 / 191
Estimation des probabilités d'intérêt
Les πij sont facilement estimables si les données proviennent d'un
échantillonnage multinomial simple. Dans ce cas, le vecteur de toutes les
fréquences du tableau suit une loi multinomiale : [nij ] ∼ M(n, [πij ])
Probabilités conjointes :
nij
π
bij = n
Probabilités marginales :
ni. n.j
π
bi. = n ; π
b.j = n
Probabilités conditionnelles :
nij nij
π
bi|j = n. j ; π
bj|i = ni .
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 100 / 191
Tests d'association entre deux variables nominales
La question principale d'intérêt lorsque l'on étudie conjointement 2
variables nominales X et Y est de savoir si X et Y sont associées.
De façon générale, on dira qu'il y a un lien ou une association entre deux
variables si modi er la valeur d'une variable aecte la valeur de l'autre
variable. Le terme association est plutôt général.
Pour des variables catégoriques, si la fonction de densité d'une variable
varie conditionnellement à la valeur de l'autre variable, on peut dire que la
valeur d'une variable in uence la valeur de l'autre variable. Elles seraient
donc associées.
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 101 / 191
Test d'indépendance et test d'homogénéité
Selon le mode d'échantillonnage, cette association entre X et Y est
représentée par diérentes hypothèses.
Échantillonnage multinomial simple : On suppose que les totaux
des lignes et colonnes du tableau de fréquences croisant X et Y ne sont
pas xés d'avance. Seul le total n est xé ici. On veut tester si X et Y sont
indépendantes.
=⇒ Ce type d'hypothèses requiert un test d'indépendance.
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 102 / 191
Exemple
Lors d'une étude, 32574 femmes enceintes ont été suivies pendant leur
grossesse. Par un questionnaire, leur consommation d'alcool pendant le
premier trimestre de leur grossesse a été évaluée. Après la naissance des
enfants, des médecins ont véri é si ceux-ci présentaient des malformations.
Question : Les mères qui consomment de l'alcool durant la grossesse
augmentent-elles le risque de malformations de leurs enfants ?
Variable réponse Y : présence de malformations chez l'enfant à la naissance.
Variable explicative X : nombre moyen de verres d'alcool consommés par
jour par la mère.
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 103 / 191
Exemple
Les observations recueillies sont les suivantes :
Pour répondre à la question, on pourrait d'abord tester l'association entre
les variables.
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 104 / 191
Test d'indépendance et test d'homogénéité
Échantillonnage multinomial multiple : Supposons que
l'échantillonnage multiple a été eectué en strati ant selon la valeur de la
variable X. On considère donc que chaque valeur de X correspond à une
sous-population, c'est-à-dire que les totaux des rangées (les ni.) sont xes.
On veut tester si la distribution des valeurs de Y est la même ( homogène )
dans chacune des I sous-populations de X.
=⇒ Ce type d'hypothèses requiert un test d'homogénéité.
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 105 / 191
Exemple
Une étude à propos de la relation entre la prise quotidienne d'aspirine et
l'infarctus du myocarde a été menée à l'école de médecine de l'Université
Harvard. Au total, 22071 médecins américains ont participé à l'étude, d'une
durée de 5 ans. Les participants ont été attribués de façon aléatoire, en
nombres presque égaux, à l'un des deux groupes d'exposition au facteur de
risque : ceux qui prennent de l'aspirine quotidiennement et ceux qui n'en
prennent pas. Pendant l'étude, tous les médecins devaient prendre une
pilule par jour sans savoir s'il s'agissait d'une aspirine ou d'un placebo. On
a observé si les participants ont été victimes ou non d'un infarctus pendant
l'étude.
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 106 / 191
Exemple
Voici les résultats obtenus :
Ici, la variable explicative X est la prise quotidienne d'aspirine ou non. La
variable réponse Y est la survenue ou non d'un infarctus. L'échantillonnage
est multiple, avec des sous-populations formées conditionnellement à la
variable explicative X.
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 107 / 191
Dé nition des concepts d'indépendance et d'homogénéité
En termes statistiques, dire que les variables aléatoires discrètes X et Y
sont indépendantes signi e que :
πij = πi. × π.j pour tous i = 1, . . . , I et j = 1, . . . , J .
L'homogénéité des I sous-populations de X signi e que les I fonctions de
masse conditionnelles de Y sachant X sont toutes égales. Ainsi,
l'homogénéité des populations signi e que :
(π1|i=1 ; π2|i=1 , . . . , πJ|i=1 ) = . . . = (π1|i=I ; π2|i=I , . . . , πJ|i=I ).
Cette dé nition correspond à :
πj|i = πj|i ′ pour toute paire ´ = 1, . . . , I
(i, i) et pour tout j = 1, . . . , J .
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 108 / 191
Lien entre les concepts d'indépendance et d'homogénéité
Les concepts d'indép. et d'homog. sont en fait équivalents, on a que :
indépendance ⇒ homogénéité :
Par dé nition des probabilités conditionnelles, on a que :
P(X = miX ; Y = mjY ) = P(Y = mjY |X = miX )P(X = miX ) :
Si X et Y sont indépendantes, on a donc :
P(Y = mjY |X = miX )P(X = miX ) = P(Y = mjY )P(X = miX )
P(Y = mjY |X = miX ) = P(Y = mjY )
Si les probabilités conditionnelles sont toutes égales aux probabilités
marginales, alors elles sont toutes égales entre elles.
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 109 / 191
homogénéité ⇒ indépendance :
Par la loi des probabilités totales, on a :
PI
P(Y = mjY ) = i=1 P(Y = mjY |X = miX )P(X = miX )
Sous l'hypothèse que les I sous-populations formées par X sont
homogènes, tous les P(Y = mjY |X = miX ) sont égaux. Notons
P(Y = mjY |Xquelconque) la valeur commune de ces probabilités
conditionnelles. On a donc maintenant :
I
X
P(Y = mjY ) = P(Y = mjY |Xquelconque)P(X = miX )
i=1
I
X
= P(Y = mjY |Xquelconque) P(X = miX )
i=1
= P(Y = mjY |Xquelconque)
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 110 / 191
Lien entre les concepts d'indépendance et d'homogénéité
Remarque :
Ainsi, si les vecteurs de probabilités conditionnelles sont tous égaux entre
eux, ils sont forcément égaux au vecteur de probabilités marginales de Y.
En conséquence, P(Y = mjY |X = miX ) = P(Y = mjY ) pour tous
i = 1, . . . , I et j = 1, . . . , J , ce qui signi e que X et Y sont indépendants.
Mathématiquement, il s'agit donc du même concept. On utilisera les
mêmes statistiques de test pour eectuer ces deux types de test,
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 111 / 191
Formulation des hypothèses des tests
Test d'indépendance :
H0 : X et Y sont indépendants ou
πij = πi. π.j ∀i, j
H1 : X et Y ne sont pas indépendants ou
πij ̸= πi. π.j pour au moins un couple (i, j)
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 112 / 191
Formulation des hypothèses des tests
Test d'homogénéité de sous-populations :
H0 : Dans les I sous-populations déterminées par X;
Y suit la même distribution ou
′
πj|i = πj|i ′ ∀i ̸= i , j ou
πj|i = π.j ∀i, j
H1 : Y ne suit pas la même distribution
dans les I sous-populations déterminées par X ou
′
πj|i ̸= πj|i ′ pour au moins un couple (i, i ) ou
πj|i ̸= π.j pour au moins un couple (i, j)
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 113 / 191
Construction des statistiques de test
Pour eectuer ces tests, nous allons utiliser les statistiques LR et U. Ici, on
a I ×J classes, les fréquences observées sont notées nij et les fréquences
espérées sous l'hypothèse nulle H0 doivent être estimées et sont notées ebij .
Les statistiques sont donc maintenant notées comme suit :
Statistique du khi-deux de Pearson :
PI PJ (nij −b eij )2
U= i=1 j=1 ebij
Statistique du rapport de vraisemblance :
PI PJ n
LR = 2 i=1 j=1 nij ln( ebijij )
Ces statistiques suivent, lorsque les fréquences du tableau sont grandes,
une loi du khi-deux.
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 114 / 191
Construction des statistiques de test
Rappelons que le nbre de ddl de cette khi-deux, notés d, sont dé nis par :
d = dim de l'espace des paramètres - dim de l'espace des paramètres ss H0 ;
Test d'indépendance :
Ici, on est dans le cas d'un échantillonnage multinomial simple, donc les
paramètres sont les probabilités πij . La dimension de l'espace des
paramètres est égale IJ − 1. Les paramètres libres sous H0 sont les πi. et les
π.j . Ces paramètres sont au nombre de I + J . Cependant, elles doivent
PI PJ
respecter les contraintes i=1 πi. et j=1 π.j . On se retrouve donc avec
I +J −2 paramètres libres sous H0 . Ainsi,
d = (IJ − 1) − (I + J − 2) = IJ − I − J + 1 = (I − 1)(J − 1)
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 115 / 191
Construction des statistiques de test
Test d'homogénéité de sous-populations :
Ici, à cause de l'échantillonnage multinomial multiple, les vecteurs
(ni 1 , . . . , niJ ) sont considérés indépendants et suivent une distribution
M(ni ; π1|i , . . . , πJ|i ). La dimension de l'espace des paramètres est égale au
nombre total de probabilités πj|i moins I parce que chacun de vecteurs
(π1|i , . . . , πJ|i ) est soumis à la contrainte que la somme de ses éléments
vaille 1. Sous H0 , tous les vecteurs (π1|i , . . . , πJ|i ) sont égaux aux
probabilités marginales (π.1 , . . . , π.J ), aussi soumises à la meme contrainte.
La dimension de l'espace des paramètres sous H0 est donc J − 1. Ainsi,
d = (IJ − I ) − (J − 1) = I (J − 1) − (J − 1) = (I − 1)(J − 1).
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 116 / 191
Construction des statistiques de test
Voyons maintenant comment estimer les fréquences espérées sous
l'hypothèse nulle formulée.
Test d'indépendance :
eij = nπij = nπi. π.j par indépendance sous H0
On estime donc les fréquences espérées par :
n.j ni. n.j
ebij = nb b.j = n( nni. )(
πi. π n ) = n
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 117 / 191
Construction des statistiques de test
Test d'homogénéité de sous-populations :
eij = ni πi|j où ni est xe à cause de l'échantillonnage multiple
= ni π.j par homogénéité des sous-populations sous H0
On estime donc les fréquences espérées par :
n.j ni n.j
ebij = ni π
b.j = ni ( n ) = n
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 118 / 191
Construction des statistiques de test
On notera les statistiques de test, peu importe que l'on mène un test
d'indépendance ou d'homogénéité des populations, par :
PI PJ (nij −ni. n.j /n)2
U= i=1 j=1 ni. n.j /n
PI PJ n
LR = 2 i=1 j=1 nij ln( ni. n.jij /n )
Les statistiques U et LR suivent asymptotiquement une distribution
χ2(I −1)(J−1) . Ainsi, au seuil α , H0 est rejetée si les valeurs observées de ces
statistiques sont grandes, c'est-à-dire si Uobs > χ2α,(I −1)(J−1) ou
LRobs > χ2α,(I −1)(J−1) .
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 119 / 191
Exemple de test d'association
Dans l'exemple des intentions de vote selon le sexe, l'échantillonnage était
multinomial simple. Pourtant, pour tester l'association entre X, le sexe, et
Y, l'intention de vote, il est plus naturel de faire un test d'homogénéité de
sous-populations qu'un test d'indépendance. Un test d'indépendance
répondrait à une question de recherche formulée ainsi :
−→ Aux États-Unis, y a-t-il un lien entre le sexe d'une personne et le parti
politique pour lequel elle a l'intention de voter ?
ou encore,
−→ Aux États-Unis, les intentions de vote dièrent-elles entre les hommes
et les femmes ?
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 120 / 191
Construction des statistiques de test
Cette question de recherche mène à la formulation d'une hypothèse
d'homogénéité des sous-populations :
H0 : Les intentions de vote sont les mêmes pour les hommes et les femmes
(π1|1 , π2|1 , π3|1 ) = (π1|2 , π2|2 , π3|2 )
H1 : Les intentions de vote dièrent entre les hommes et les femmes
(π1|1 , π2|1 , π3|1 ) ̸= (π1|2 , π2|2 , π3|2 )
Pour calculer les statistiques U et LR , nous devons estimer les fréquences
ni. n.j
espérées sous l'hypothèse d'indépendance comme suit : ebij = n , par
exemple : eb11 = (444 × 577)/980 = 261, 4
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 121 / 191
Construction des statistiques de test
Les valeurs suivantes entrent dans nos calculs :
Résultats : U = 7, 01 et LR = 7, 00. Sous H0 , ces statistiques suivent
une χ2 à (I − 1)(J − 1) = (2 − 1)(3 − 1) = 2 ddl. Ainsi, le seuil observé est
P(χ22 ≥ 7) = 0, 03 ≤ 0.05
Conclusion : Nous rejetons H0 au seuil 5%. Il y a des diérences entre les
intentions de vote des hommes et celles des femmes.
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 122 / 191
Remarques :
On a présenté deux types de test d'association, on a cependant
constaté que le test d'indépendance (motivé par l'échantillonnage
multinomial simple) et le test d'homogénéité (motivé par
l'échantillonnage multinomial multiple) sont, à un détail près,
mathématiquement équivalents.
Il est intéressant de formuler le test d'association en terme
d'homogénéité de populations lorsque l'on soupçonne un lien de
causalité entre les variables. Dans ce cas, on tend intuitivement à
étiqueter l'une des variables comme étant explicative et l'autre comme
étant une variable réponse.
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 123 / 191
Remarques :
Les conditions d'application sont très contraignantes : Un eectif total
n ≥ 50 et des fréquences d'apparition toutes ≥ 5.
Dans le livre de J. Bouyer, ainsi que dans celui de G.Pupion et P.-C.
Pupion, il est indiqué que le test est encore utilisable si les eectifs
théoriques sont tous supérieurs à 3.
J. Bouyer, évoque même la possibilité de se contenter du fait qu'il y
ait moins de 20% des cellules pour lesquelles les eectifs théoriques
soient inférieurs à 5.
Lorsque les conditions ne sont pas remplies, il existe des corrections,
par exemple celle de Yates ou les tests exacts de Fisher présentés
ci-après.
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 124 / 191
Exemple de test d'association
on s'intéresse au nombre d'enfants (S) issus d'un père en fonction du
nombre de frères et s÷urs (R) qu'il y a dans la famille. Peut-on dire que R
et S sont indépendantes ?
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 125 / 191
Cas particulier des tableaux 2 × 2
Un tableau de fréquences 2 ×2 est celui pour lequel les variables X et Y
n'ont que 2 modalités possibles. C'est donc un cas particulier des tableaux
I ×J lorsque I =2 et J = 2. Un tableau 2 ×2 a la forme suivante :
n(n11 n22 −n12 n21 )2
Montrer que U= n1. n2. n.1 n.2
Rq : Ici, les degrés de liberté de la distribution asymptotique de U valent 1,
car (I − 1) × (J − 1) = 1 × 1 = 1.
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 126 / 191
Exemple de test d'association pour un tableau 2 × 2 :
Rappelons que les données sont les suivantes :
Dans cette étude, la question de recherche était la suivante :
−→ Est-ce que l'aspirine réduit les risques d'infarctus ?
ou encore :
−→ Est-ce que le risque d'infarctus dière entre ceux qui ont pris
quotidiennement de l'aspirine et ceux qui n'en ont pas pris ?
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 127 / 191
Exemple de test d'association pour un tableau 2 × 2 :
Les hypothèses du test sont :
H0 : (π1|i=1 , π2|i=1 ) = (π1|i=2 , π2|i=2 )
H1 : (π1|i=1 , π2|i=1 ) ̸= (π1|i=2 , π2|i=2 )
22071(239×10898−10795×139)2
Uobs = 11034×11037×378×21693 = 26.9437.
On a Uobs ≻ χ20.05,1 = 3.84. On rejette donc l'hypothèse nulle. Il y a une
grande diérence de risque d'infarctus entre ceux qui prennent
quotidiennement de l'aspirine et ceux qui n'en prennent pas.
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 128 / 191
Comparaisons de deux proportions :
Rapport de côtes (odds ratio) :
Pour une proba de succès π, la côte est dé nie par
π
Ω=
1−π
Quand Ω > 1, un succès est plus probable qu'un échec.
πi
Considérons les tables 2x2. Pour la ligne i, la côte est Ωi = 1−πi .
Le rapport des côtes est dé ni par :
π1
Ω1 1−π1
θ= = π2
Ω2 1−π2
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 129 / 191
Comparaisons de deux proportions :
Dans le cas de distribution jointes pour (X, Y ), le rapport des côtes est
dé ni par :
π11
1−π12 π11 π22
θ= π21 =
1−π22 π12 π21
Pour une table de contingence contenant des fréquences, l'estimation de
l'odd-ratio est :
n11 n22
θb =
n12 n21
.
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 130 / 191
Exemple Aspirine et infarctus : Parmi les 11034 médecins prenant le
239
placebo, 239 ont eu un infarctus, soit une proportion de
11034 = 0.022.
Parmi ceux prenant de l'aspirine, la proportion est de 139/11037 = 0.012.
La diérence des proportions est de 0.022 − 0.012 = 0.01, et le risque
relatif est 0.022/0.012 = 1.83.
La proportion d'infarctus chez ceux prenant un placebo est 1.83 fois la
proportion chez ceux prenant de l'aspirine.
L'estimation des odds ratio est (239 × 10898)/(10795 × 139) = 1.73.
La côte (odds) d'un infarctus pour ceux prenant un placebo est 1.73 fois la
côte pour ceux prenant de l'aspirine.
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 131 / 191
L'Odds Ratio comme mesure d'association : L'OR s'interprète comme
une mesure d'association. S'il est supérieur à 1 la relation est croissante, et
décroissante s'il est inférieur à 1. Lorsqu'il est égal à 1 il n'y a pas
d'association. La valeur de l'odds ratio indique la direction ainsi que la
force de l'association.
L'Odds Ratio comme mesure du risque relatif (RR) :
1 − π2
oddsratio = relativerisks( )
1 − π1
Lorsque la prévalence de l'événement à expliquer est faible (π1 et π2 sont
petites), l'odds ratio fournit une approximation du risque relatif. C'est le
cas de l'exemple "aspirine et infarctus" où le risque relatif (1.83) et
l'odds-ration (1.73) sont très proches.
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 132 / 191
Propriétés du rapport de côtes :
On a θ>0 avec θ=1 correspondant à l'indépendance de X et Y .
Lorsque 1 < θ < ∞, les sujets de la ligne 1 ont un succès plus
probable que ceux de la ligne 2 (π1 > π2 ).
Si θ = 4, la côte (odds) de succès est 4 fois plus grande pour la ligne
1 que pour la ligne 2. Cela ne veut pas dire que π1 = 4π2 , qui
correspond à l'interprétation d'un "risque relatif" égal à 4.
Il est souvent plus pratique d'étudier log θ. L'indépendance correspond
à log θ = 0, et le log odd ratios est symétrique par rapport à cette
valeur. Deux valeurs identiques de log θ mais de signes opposés ont la
même force d'association (exemple log 4 = 1.39 et log 0.25 = −1.39).
L'odd ratio ne change pas lorsqu'on change l'orientation de la table.
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 133 / 191
Test de comparaison de deux proportions
Pour un tableau 2 × 2, l'hypothèse nulle du test d'homogénéité des deux
sous-populations formées par la variable X s'écrit :
H0 : (π1|i=1 , π2|i=1 ) = (π1|i=2 , π2|i=2 ).
Puisque π1|i + π2|i = 1 pour i = 1, 2, cette hypothèse est équivalente à :
H0 : π1|i=1 = π1|i=2 .
Le modèle statistique de l'échantillonnage multinomial multiple revient à
dire qu'on a 2 v. a. binomiales indépendantes. On a donc :
n11 ∼ Bin(n1 = n1. , π1 = π1|i=1 ) nbre de succès dans la 1 ere population
n21 ∼ Bin(n2 = n2. , π2 = π1|i=2 ) nbre de succès dans la 2 eme population
Avec π
b1 = n11 /n1 et π
b2 = n21 /n2 .
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 134 / 191
Test de Wald de comparaison de deux proportions
La statistique du test de Wald de comparaison de deux proportions est la
suivante (Agresti, 2002) :
b1 −b
π π2 asympt
Zw = r −−−−→ N(0, 1)
b1 (1−π
π b (1−π
b1 ) π b )
n1
+ 2 n 2
2
où π
bi = ni 1 /ni pour i = 1, 2.
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 135 / 191
Exemple de test de Wald
A n de répondre à la question Est-ce que l'aspirine réduit les risques
d'infarctus ? , nous pouvons tester l'égalité des proportions :
π1 = π1|i=1 = P(infarctus | placebo) et
π2 = π1|i=2 = P(infarctus | aspirine)
contre une hypothèse alternative unilatérale à droite :
H0 : π1 = π2 , l'aspirine n'a pas d'eet
H1 : π1 > π2 , l'aspirine réduit le risque d'infarctus.
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 136 / 191
Exemple de test de Wald
La statistique du test de Wald pour confronter ces hypothèses prend la
valeur observée suivante :
0.02166−0.01259
Zw = q
0.02166(1−0.02166) 0.01259(1−0.01259)
= 5.193717.
11304
+ 11307
Cette valeur est beaucoup plus grande que la valeur critique du test :
z0.05 = 1.645. On peut donc encore conclure que l'aspirine réduit les
risques d'infarctus.
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 137 / 191
Test score de comparaison de deux proportions
Le test de comparaison de proportions le plus souvent présenté dans un
cours d'introduction à la statistique (Hines et al. (2012), Agresti (2002))
est le test score se basant sur la statistique suivante :
b1 −b
π π2 asympt
Zs = q
1 1
−−−−→ N(0, 1)
πb(1−bπ )( n + n )
1 2
n1 π
b1 +n2 π
b2 n11 +n21
où π
bi = ni 1 /ni pour i = 1, 2 et π= n1 +n2 = n1 +n2 est utilisé pour
calculer une variance groupée.
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 138 / 191
Exemple de test score
Une statistique similaire à la statistique de Wald que l'on vient de calculer
est la statistique score suivante :
Zs = q 0.02166−0.01259 = 5.190729
1 1
b(1−b
π π )( 11304 + 11307 )
11304×0.02166+11307×0.01259 378
car π
b= 11304+11307 = 22071 = 0.01712655.
La valeur observée de la statistique du test score zs = 5.190729 est très
proche, mais pas tout à fait égale à celle de la statistique du test de Wald
zw = 5.193717. Remarquez qu'en élevant au carré zs , on retombe
exactement sur la statistique
2
Uobs de Pearson
2
(zs = 5.1907292 = 26.94367 = Uobs
2 ).
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 139 / 191
Petits échantillons : test de Fisher
Tous les tests vus jusqu'à maintenant pour un tableau de fréquences à deux
variables sont asymptotiques. Les distributions sous H0 de leurs statistiques
de test sont donc valides à la condition que n (ou encore les ni ou les nj )
soit assez grand. Dans le cas de petits échantillons, voici les solutions qui
s'orent à nous.
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 140 / 191
Correction de Yates :
Lorsque l'on étudie l'indépendance de deux variables et que certaines des
fréquences attendues sous l'hypothèse nulle H0 : X et Y sont
indépendantes sont inférieures à 5, on peut corriger la statistique du test
pour prendre en compte cette situation.
Attention il faut néanmoins que toutes les fréquences attendues soient
supérieures à 3.
La correction de Yates est une correction de continuité qui consiste à
utiliser la statistique de test modi ée de la manière suivante.
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 141 / 191
Correction de Yates : pour la continuité de la statistique de
Pearson
Ajouter une correction pour la continuité à la formule de la statistique χ2
de Pearson améliore la validité de la loi asymptotique dans le cas de
fréquences faibles. Avec une telle correction, la statistique devient :
PI PJ eij |−0.5)2
(|nij −b
U= i=1 j=1 ebij
ni. n.j
où |.| représente la valeur absolue et ebij = n .
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 142 / 191
Correction de Yates : tableau 2 × 2
Dans le cas particulier d'un tableau 2 × 2, la formule de la valeur observée
de cette statistique se simpli e à :
n(n11 n22 −n12 n21 − 2n )2
U= n1. n2. n.1 n.2
Tout comme c'était le cas pour χ2 , sous H0 (indépendance entre les deux
variables du tableau), U suit asymptotiquement une χ2(I −1)(J−1) .
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 143 / 191
Remarques :
Attention, on n'utilisera la correction que si l'une des fréquences
attendues est strictement inférieure à 5.
Si au contraire elles sont toutes supérieures ou égales à 5, on montre
que la correction de Yates ne modi e que peu la valeur de la
réalisation de la statistique du test.
Si l'un des eectifs théoriques est inférieur à 3, on n'a pas d'autre
solution que d'appliquer le test exact de Fisher décrit ci-après.
Plus généralement, P. Dagnélie, conseille l'utilisation systématique du
test exact de Fisher lorsque l'eectif total n est inférieur ou égal à 40.
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 144 / 191
Test exact de Fisher pour un tableau 2 × 2
Ce test permet de tester si deux variables dichotomiques X et Y sont
dépendantes. La statistique du test est simplement n11 , soit la fréquence
théorique que X = m1X et Y = m1Y simultanément. En postulant que les
fréquences des deux marges sont xes, on peut trouver la loi exacte de n11
sous l'hypothèse d'indépendance entre X et Y . Il s'agit d'une distribution
hypergéométrique.
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 145 / 191
contexte de la loi hypergéométrique : Notons que l'expérience qui permet
de construire la distribution hypergéométrique est semblable à une
expérience binomiale. En eet, elle se compose de a essais (tirages), qui
ont chacun 2 résultats possibles : blanc (succès) ou noir (échec).
Cependant, dans une expérience binomiale, les essais sont indépendants,
comme s'il s'agissait de tirages avec remise. Ainsi, la probabilité de succès
(tirer une boule blanche) est toujours la même. Cependant, si les tirages
sont eectués sans remise, les essais ne sont pas indépendants. La
probabilité d'obtenir blanc comme résultat dépend des essais précédents.
Puisque les balles ne sont pas remises dans l'urne après chaque tirage, la
probabilité d'obtenir une boule blanche à un tirage est plus faible si tous les
tirages précédents ont donné des boules blanches.
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 146 / 191
Exemple : Loi hypergéométrique
Soit deux variables : X = la couleur des boules et Y = l'état tirée ou non
tirée des boules. La variable à laquelle on s'intéresse ici (la statistique du
test de Fisher) est n11 , soit le nombre de boules blanches parmi les boules
tirées. On obtient le tableau suivant :
Le nombre de boules tirées (paramètre hypergéométrique a) vaut donc n .1 ,
le nombre de boules blanches (paramètre hypergéométriqueb ), vaut n1. et
le nombre total de boules (paramètre hypergéométrique c) vaut n.
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 147 / 191
Test exact de Fisher pour un tableau 2 × 2
Formulation des hypothèses du test de Fisher : Un test de Fisher peut
être bilatéral ou unilatéral.
L'hypothèse nulle est H0 : X et Y sont indépendantes.
L'hypothèse alternative H1 peut être l'une des suivantes :
X et Y ne sont pas indépendantes
n11 est plus petit qu'attendu sous indépendance
n11 est plus grand qu'attendu sous indépendance
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 148 / 191
Test exact de Fisher
Distribution sous H0 de la statistique du test de Fisher : Sous H0 : X
et Y sont indépendantes, la loi conditionnelle de n11 étant donné que les
fréquences sont xes dans les deux marges est la distribution
hypergéométrique de paramètres a = n.1 ; b = n1. ; c = n. Ainsi, on a :
n −w
Cnw1. Cn2.1.
P(n11 = w |H0 , n.1 , n1. et n) = n
Cn .1
pour w∈ [max(0,n.1 + n1. − n) ≤ w ≤ min(n.1 , n1. )]
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 149 / 191
Test exacte de Fisher (Logique et Procédure) : Soit une table de
contingence 2x 2, où les cellules de fréquences sont représentées par
a, b, c, d , et les totaux marginaux sont représentées par a + b, c + d , a + c ,
b+d et n.
0 1 Total
0 a b a+b
1 c d c+d
Total a+c b+d n
Si les totaux marginaux sont xés, la probabilité de cette con guration est
donnée, sous l'hypothèse nulle d'absence d'association par la loi
hypergéométrique
a Cc
Ca+b c+d (a+b)!(c+d)!(a+c)!(b+d)!
Cna+c
= a!b!c!d!n!
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 150 / 191
Test exacte de Fisher
Pour n'importe quelle rangée de fréquences, on calcul la probabilité de
cette ligne particulière de fréquence plus les probabilités de tous les
arrangements possibles dont la diérence est égale ou supérieure à celui
observé. Par exemple,
X Y Total
Z 2 7 9
T 8 2 10
Total 10 9 19
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 151 / 191
La probabilité unilatérale sera la somme des probabilités des arrangements
suivants
La somme de ces probabilités fournit la probabilité totale de rejeter à tort
H0 , c'est à dire la probabilité d'obtenir, entre les 2 groupes, un écart dans
la répartition des 2 modalités, supérieur ou égal à celui observé. Le test
bilatéral de niveau α conduit alors au rejet de l'hypothèse nulle H0 quand
la probabilité totale calculée par la méthode ci-dessus est inférieure ou
égale à α.
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 152 / 191
Exemple
Exemple :Test exact de Fisher On présente à un expert en huiles, 10
bouteilles d'huile dans un ordre aléatoire dont 4 bouteilles proviennent
de la région d'Ouazzane et 6 de la région de Souss. Après dégustation il
doivent
XXX
identi er l'origine de l'huile.
XXX Etiquette
XX XXX Ouazzane Souss Total
Origine réelle XXX
XX
X
Ouazzane 3 1 4
Souss 1 5 6
Total 4 6 10
On veut tester l'hypothèse de non association de l'identi cation donnée
par l'expert et l'origine de l'huile. △
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 153 / 191
Exemple :Test exact de Fisher
C43 C61
P(n11 = 3) = C104 = 0.114
4 0
C4 C6
P(n11 = 4) = C104 = 0.005
P(n11 ≥ 3) = P(n11 = 3) + P(n11 = 4) = 0.119 > 0.05
On ne rejette pas H0
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 154 / 191
Sensibilité, spéci cité et matrice de confusion :
On dé nit la sensibilité et la spéci cité d'un examen diagnostic comme suit :
Sensibilité : probabilité d'obtenir un résultat positif pour un sujet malade
= P(X = Positif /Y = Malade)
Spéci cité : probabilité d'obtenir un résultat négatif pour un sujet sain
= P(X = Negatif /Y = Sain)
PP
PP Y réel
PP + (M) - (S)
X test
PP
PP
P
+ (M) n11 =VP n12 =FP
- (S) n21 =FN n22 =FN
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 155 / 191
Sensibilité et spéci cité :
Ce sont les deux mesures courantes de la abilité d'un examen diagnostic.
À partir des données recueillies, on estime ces mesures par :
estimation de la sensibilité : VP/(VP + FN) ;
estimation de la spéci cité : VN/(VN + FP).
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 156 / 191
Chap 4 : Tableaux de fréquences à trois variables
Dans ce chapitre, on s'intéresse encore au lien entre deux variables
catégoriques X et Y. La nouveauté par rapport au précédent est que l'on
va maintenant tenir compte d'une troisième variable catégorique, notée Z.
Cette variable est peut-être liée à X et Y, mais on ne s'intéresse pas
vraiment à ces liens. On cherche plutôt à étudier le lien entre X et Y en
corrigeant pour l'eet confondant potentiel de Z sur ce lien.
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 157 / 191
Tableaux de fréquences à trois variables
Un tableau de fréquences à trois variables est en fait représenté par une
série de tableaux de fréquences à deux variables, soit un tableau pour
chacune des modalités de la troisième variable, notée Z. Les modalités de
cette variable seront notées mkZ avec k = 1, . . . , K .
Dans ces tableaux, nijk représente le nombre d'individus dans l'échantillon
PI PJ
pour lesquels X = miX , Y = mjY et Z = mkZ . Ainsi, n..k = i=1 j=1 nijk
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 158 / 191
Tableaux de fréquences à trois variables
Ces données se présentent sous forme d'un tableau de contingence croisant
ces trois variables de terme général nijk .
On s'intéresse aux relations existant entre ces trois variables : sont-elles
indépendantes ou non dans leur ensemble ou une variable est-elle
indépendante conditionnellement à une ou aux deux autres ? Autrement
dit, on cherche à connaître la structure des liaisons entre ces données en
tenant compte des interactions entre les 3 variables.
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 159 / 191
Exemple de tableaux de fréquences à trois variables
Aux États-Unis, le Département de Transport demande aux compagnies
aériennes de recueillir les données concernant les vols d'avions qu'ils
orent. Parmi les informations recueillies, pour 11 000 vols d'avions on
retrouve, les variables suivantes : X : le nom de la compagnie aérienne ; Y :
une indicatrice de départ en retard pour le vol ; Z : la ville de l'aéroport.
Deux compagnies aériennes seront à l'étude : Alaska et America West
Airlines. Les vols d'avions considérés partaient de 5 villes : Los Angeles,
Phoenix, San Diego, San Francisco ou Seattle.
Question : Est-ce qu'il y a une diérence entre les compagnies aériennes en
ce qui concerne le respect des heures de départ prévues de leurs vols ?
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 160 / 191
Exemple de tableaux de fréquences à trois variables
Voici les tableaux conditionnels de fréquences observées pour cet exemple :
Il s'agit de 5 tableaux de fréquences croisées entre X et Y , conditionnels à
la valeur de Z.
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 161 / 191
Deux critères X et Y sont indépendants ssi
P(Xi , Yj ) = P(Xi )(Yj ), on note Pij = Pi Pj , ∀i, j
Trois critères X, Y et Z sont indépendant, X ⊥Y ⊥Z ssi
P(Xi ∩ Yj ∩ Zk ) = P(Xi )P(Yj )P(Zk ), on note Pi,j,k = Pi Pj Pk , ∀i, j, k
X est partiellement indépendant du couple (Y , Z ), X ⊥(Y , Z ) ssi
P(Xi ∩ Yj ∩ Zk ) = P(Xi )P(Yj ∩ Zk ),on note Pi,j,k = Pi.. P.jk , ∀i, j, k
X et Y sont indépendants conditionnellement à Z , (X ⊥Y )/Z ssi
P(Xi ∩ Yj /Zk ) = P(Xi /Zk )P(Yj /Zk ), ∀i, j, k
ou encore Pij./k = Pi../k P.j./k
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 162 / 191
Relations entre les types d'indépendances
1
X ⊥(Y , Z )
X ⊥Y ⊥Z ⇔
Y ⊥Z
2
X ⊥Y X ⊥Z
X ⊥(Y , Z ) ⇔ ⇔
X ⊥Z /Y X ⊥Y /Z
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 162 / 191
Test d'indépendance
Pour tester l'indépendance entre 3 variables, soit la statistique de test du
khi-deux de Pearson, dé nie par :
eijk )2
∼ χ2ddl
PI PJ PK (nijk −b
U= i=1 j=1 k=1 ebijk
On test les hypothèses :
H0 : Pijk = Pi.. P.j. P..k vs H1 : Pijk ̸= Pi.. P.j. P..k
Hypothèses ebijk = nb
pijk ddl de χ2ddl
Ni.. N.j. N..k
X ⊥Y ⊥Z n2
IJK − I − J − K + 2
Ni.. N.jk
X ⊥(Y , Z ) n (I − 1)(Jk − 1)
Ni.k N.jk
(X ⊥Y )/Z N..k (I − 1)(J − 1)k
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 163 / 191
Exemple
Une enquête réalisée auprès de 105 étudiants sur les raisons d'échec selon 3
critères : A : di cultés dans l'apprentissage, M : manque de motivation et
Q : manque de maturité.
Peut-on supposé l'indépendance de ces trois critères ?
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 164 / 191
Exemple
Pour 188 personnes classées selon leur taux de cholestérol (R ;
R1 :Normale, R2 : élevée) leur pression sanguine (S ; S1 :Normale, S2 :
élevée ) et leur type de personnalité (T ; T1 : stressé, T2 : non stressé).
Peut-on supposé l'indépendance conditionnelle de R et S par rapport à T ?
H0 : Pij./k = Pi../k × P.j./k vs H1 : Pij./k ̸= Pi../k × P.j./k
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 165 / 191
Chap 5 : Modèles log-linéaires
Le principe général de l'analyse log-linéaire est proche de celui de l'analyse
de variance, en ce qu'elle permet de tester des eets de modalités de
variables et d'interactions entre des modalités de deux ou plusieurs
variables, mais elle en dière aussi fondamentalement, puisque ce ne sont
pas des moyennes de variables qui sont prises en compte, mais des eectifs.
Le point de départ est toujours un tableau de contingence, à deux ou
plusieurs critères. Ce qu'on va expliquer, c'est l'eectif de chaque cellule.
Deux aspects principaux se partagent l'attention de l'utilisateur : les tests
de signi cation, et la modélisation.
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 166 / 191
Modèles log-linéaires
Les modèles log-linéaires permettent d'étudier et de modéliser les liaisons
entre plusieurs variables nominales en tenant compte de leurs éventuelles
interactions. Celui-ci a la particularité de ne pas nécessiter, a priori, de
distinction entre la variable à expliquer et les variables explicatives. Pour
cela, on ne parlera pas d'un modèle de régression, mais d'un modèle
d'association.
Soit nijk les eectifs observés de la table de contingence. La modélisation
log-linéaire vise à exprimer le logarithme de ces valeurs par une somme
d'eets propres et d'interactions d'ordre 2 ou supérieur des variables.
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 167 / 191
Modèles à 2 variables
Soit une table de contingence (I × J) issue du croisement de deux variables
qualitatives X à I modalités et Y à J modalités et dont l'eectif total n est
xé.
La loi conjointe des eectifs nij de chaque cellule est une loi multinomiale
de paramètre πij nij ∼ M(n, πij ) et d'espérance :
eij = E (nij ) = nπij
Par dé nition, les variables X et Y sont indépendantes si et seulement si :
πij = πi. π.j
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 168 / 191
Modèles à 2 variables
le modèle log-linéaire décompose le logarithme népérien de l'espérance eij
sous la forme :
ln(eij ) = ln(n) + ln(πi. ) + ln(π.j ) = µ + αi + βj
Le modèle se décompose en une somme de coe cients décrivant plusieurs
eets :
µ, l'eet global ;
αi , l'eet dû à la variable X,
βj , l'eet dû à la variable Y,
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 169 / 191
Modèles à 2 variables
Si l'indépendance n'est pas véri ée, on peut décomposer :
π
eij = nπij = nπi. π.j πi. πij .j
L'intervention de la fonction logarithme permet de linéariser la
décomposition précédente autour du modèle d'indépendance :
π
ln(eij ) = ln(n) + ln(πi. ) + ln(π.j ) + ln( πi. πij .j ) = µ + αi + βj + (αβ)ij
Le terme (αβ)ij est l'eet dû à l'interaction entre les variables X et Y.
Ce modèle est dit saturé car, présentant autant de paramètres que de
données, il explique exactement celles-ci.
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 170 / 191
Modèles à 2 variables
A n d'identi er tous les paramètres, on ajoute les contraintes :
PI PJ
i=1 αi = j=1 βj = 0. Ces contraintes garantissent l'unicité.
Il est intéressent d'illustrer la notation matricielle du modèle dans le cas, par
exemple, où I =2 et J = 3. Le vecteur des paramètres inconnues est donné
par θ = (µ, α1 , β1 , β2 ), étant donné que α2 = −α1 et β3 = −β1 − β2 .
Ecrivez le modèle sous sa forme matricielle.
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 171 / 191
Exemple
Le modèle se réécrit comme :
ln(e11 ) 1 1 1 0
ln(e12 ) 1 1 0 1 µ
ln(e13 ) 1 1 −1 −1 α1
=
1 −1 1
ln(e21 ) 0 β1
ln(e22 ) 1 −1 0 1 β2
ln(e23 ) 1 −1 −1 −1
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 172 / 191
Le modèle saturé pour une table I × J
Ce modèle s'écrit :
ln(eij ) = µ + αi + βj + (αβ)ij
Il est indispensable, à présent, d'ajouter les contraintes :
PI PJ
i=1 (αβ)ij = j=1 (αβ)ij =0
Ecrivez le modèle sous sa forme matricielle, pour I =2 et J = 3. Le vecteur
des paramètres inconnues est donné par θ = (µ, α1 , β1 , β2 , (αβ)11 , (αβ)12 )
qui est de la même dimension que µ. Vu que le nombre de paramètres
indépendants est équivalent au nombre de cellules, on aura un ajustement
parfait du tableau de contingence et donc un modèle saturé.
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 173 / 191
Exemple
Le modèle se réécrit comme :
ln(e11 ) 1 1 1 0 1 0 µ
ln(e12 ) 1 1 0 1 0 1 α1
ln(e13 ) 1 1 −1 −1 −1 −1 β1
=
1 −1 1 −1 0
ln(e21 ) 0 β2
ln(e22 ) 1 −1 0 1 0 −1 (αβ)11
ln(e23 ) 1 −1 −1 −1 1 1 (αβ)12
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 174 / 191
Modèle à 2 critères non indépendants et tests d'ajustement
Le modèle s'écrit comme suit :
ln(eij ) = µ + αi + βj + (αβ)ij
avec les contraintes :
PI PJ PI PJ
i=1 αi = j=1 βj = i=1 αβi. = j=1 αβ.j =0
En pratique, on s'intéresse essentiellement à l'étude de l'indépendance
entre les deux critères de classi cation et on test l'hypothèse nulle :
H0 : X ⊥Y
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 175 / 191
Condition d'indépendance
Proposition :
Soit le modèle log-linéaire saturé suivant :
ln(eij ) = µ + αi + βj + (αβ)ij
satisfaisant les contraintes
PI PJ PI PJ
i=1 αi = j=1 βj = i=1 αβi. = j=1 αβ.j =0
alors X ⊥Y ⇔ (αβ)ij = 0, ∀i, j
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 176 / 191
Modèle à 2 critères non indépendants et tests d'ajustement
Le rejet de l'hypothèse nulle (H0 = (αβ)ij = 0) s'eectue comme suit :
RH0 si LRobs ou Uobs ≥ χ2ddl où le
ddl = IJ − 1 − (I − 1) − (J − 1) = (I − 1)(J − 1)
avec
n
LRobs = 2 Ii=1 Jj=1 nij ln( nbπijij )
P P
(n −nb π )2
Uobs = Ii=1 Jj=1 ij nbπij ij
P P
Le non rejet de l'hypothèse nulle signi e que le modèle retenu est le modèle
non saturé suivant :
ln(eij ) = µ + αi + βj
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 177 / 191
Modèle à trois variables
On considère une table de contingence (I × J × K ) obtenue par croisement
de trois variables qualitatives X,Y et Z. Le modèle saturé s'écrit :
ln(eijk ) = µ + αi + βj + γk + (αβ)ij + (αγ)ik + (βγ)jk + (αβγ)ijk
Les termes αi , βj et γk représentent les eets principaux de X,Y et Z.
->Le nombre de paramètres : (I − 1), (J − 1), (K − 1)
Les termes (αβ)ij , (αγ)ik et (βγ)jk sont les intéractions du 1
er ordre.
->Le nombre de paramètres : (I − 1)(J − 1), (I − 1)(K − 1), (J − 1)(K − 1)
Les termes (αβγ)ijk sont les intéractions du second ordre.
-> Le nombre de paramètres : IJK − 1
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 178 / 191
Types et tests d'indépendances
-> Le modèle d'indépendance conditionnelle s'écrit :
ln(eijk ) = µ + αi + βj + γk + (αγ)ik + (βγ)jk
L'hypothèse nulle à tester est : H0 : X ⊥Y /Z ⇔ H0 : (αβ)ij = 0
-> Le modèle d'indépendance partielle s'écrit :
ln(eijk ) = µ + αi + βj + γk + (βγ)jk
L'hypothèse nulle à tester est : H0 : X ⊥(Y , Z ) ⇔ H0 : (αβ)ij = (αγ)ik = 0
-> Le modèle d'indépendance totale s'écrit :
ln(eijk ) = µ + αi + βj + γk
on teste H0 : X ⊥Y ⊥Z ⇔ H0 : (αβ)ij = (αγ)ik = (βγ)jk = 0
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 179 / 191
Relation entre les types d'indépendance
Soit le test d'indépendance mutuelle suivant : H0,m : X ⊥Y ⊥Z
Si on rejette H0,m , on teste l'indépendance partielle
H0,p : X ⊥(Y ∩ Z ), H0,p : Y ⊥(X ∩ Z ), H0,p : Z ⊥(X ∩ Y )
Si on rejette H0,p , on teste l'indépendance conditionnelle
H0,c : (X ⊥Y )/Z , H0,c : (X ⊥Z )/Y , H0,c : (Y ⊥Z )/X
Si on rejette H0,c aucune simpli cation n'est possible, on garde le
modèle saturé.
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 180 / 191
Modèles hiérarchiques
Un modèle log-linéaire est dit hiérarchique si la condition suivante est
véri ée : quand un coe cient d'interaction est présent dans le modèle, les
coe cients des variables mises en jeu et toutes les interactions d'ordre
inférieur sont aussi dans le modèle.
Par exemple, si dans un modèle à 5 variables on trouve l'interaction Xl 35 ,
alors le modèle, pour être hiérarchique, doit contenir au moins Xl , X3 et X5
ainsi que les interactions d'ordre inférieur X13 , X15 et X35 .
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 181 / 191
Modèles hiérarchiques
Parmi les modèles log-linéaires possibles dans le cas d'un tableau de
contingence à deux variables, certains modèles sont hiérarchiques :
ln(eij ) = µ + αi + βj + (αβ)ij
ln(eij ) = µ + αi + βj
et d'autres ne le sont pas :
ln(eij ) = µ + αi + (αβ)ij
ln(eij ) = µ + βj + (αβ)ij
ln(eij ) = µ + (αβ)ij
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 182 / 191
Estimation des paramètres
Les fréquences théoriques espérées eijk sont en général estimées par la
méthode du maximum de vraisemblance. Elle consiste à rechercher les
paramètres qui maximisent la fonction de vraisemblance ℓ(nijk , eijk ). Pour
cela, on suppose que les variables aléatoires nijk suivent une loi
multinomiale.
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 183 / 191
Tests d'ajustement
Pour comparer le tableau des fréquences estimées avec le tableau des
fréquences observées, deux tests (voisins) sont généralement utilisés :
n
LRobs = 2 Ii=1 Jj=1 nij ln( nbπijij )
P P
(n −nb π )2
Uobs = Ii=1 Jj=1 ij nbπij ij
P P
Plus ces statistiques sont voisines de zéro, meilleur est l'ajustement. Elles
sont nulles pour le modèle saturé. On recherche le modèle le plus simple
(peu de paramètres) et qui reste acceptable (bon ajustement).
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 184 / 191
Qualité de l'ajustement
La qualité de l'ajustement des cellules du tableau de contingence par un
modèle log-linéaire MA peut être mesurée par la statistique G 2, dé nie par :
I X
J
2 nij
) ∼ χ2ddl
X
G =2 nij ln(
nb
πij
i=1 j=1
ddl= le nbr de cellules - le nbr de paramètres indep estimés
L'équation ci dessus est deux fois la diérence entre les maxima de la fct de
log vraisemblance du modèle saturé et du modèle MA .
Le critère G2 est appelé la déviance du modèle, il n'est autre que la
statistique du test du rapport de vraisemblance.
Si la statistique G 2 < χ2α,ddl , le modèle ne sera pas rejeté.
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 185 / 191
Qualité de l'ajustement
Supposons que MA est un sous modèle de MB , et nous désirons tester si
MB permet un ajustement meilleur de la table de contingence. Notons
G 2 (A) et G 2 (B) les deux critères de déviance. La statistique du rapport de
MV utilisée est donnée par :
I X
J
bB
µ
G 2 (B/A) = 2 ) = G 2 (A) − G 2 (B)
ij
X
nij ln(
i=1 j=1
bA
µ ij
où bB
µ i etµ
bi A sont respectivement les valeurs ajustées par MA et MB .
Si la statistique de test G 2 (B/A) > χ2ddl(MB )−ddl(MA ),α , nous retenons le
modèle MB . Notons que le critère de déviance G 2 (A) = G 2 (S/A) compare
un modèle MA avec le modèle saturé MS .
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 186 / 191
Choix du modèle
Le choix du modèle log-linéaire est d'autant plus di cile que le nombre de
variables est élevé. La méthode dite "combinatoire" est une des méthodes
possibles pour obtenir un "bon" modèle. A partir du modèle saturé, on
construit des modèles plus simples en retirant un à un les termes
d'interaction. La statistique G2 croît progressivement et l'on peut arrêter la
procédure lorsqu'elle augmente plus rapidement. On retiendra alors le
modèle correspondant et l'on en déduira les liaisons importantes entre les
variables.
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 187 / 191
Choix du modèle
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 188 / 191
Sélection du modèle
Le modèle saturé donne un ajustement parfait, mais il n'a aucun ddl. En
outre, sa complexité est excessive. Des modèles plus simples, avec
seulement des eets principaux et pas de termes d'interaction, risquent
d'être incompatibles avec les données.
Le choix entre deux modèles emboîtés peut se faire via un TRMV. Un
moyen alternatif est l'utilisation du critère AIC, dé ni comme suit :
AIC = G 2 − 2dll + 2N
où G2 est la déviance du modèle et N est nombre de cellules.
Le modèle optimal est celui qui mènera à un bon compromis entre déviance
et ddl.
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 189 / 191
Exemple
Nous disposons des données de 1000 automobilistes selon des 4 facteurs ;
(A) usage professionnel de la voiture (oui/non)
(B) respect de la vitesse maximale (oui/non),
(c) sexe (hommes/femmes)
(D) age de la voiture (<2 ans, entre 2 et 5 ans, >5 ans).
Le tableau de contingence est de dimension 4 et contient 2*2*2*3=24
cellules.
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 190 / 191
Fadoua BADAOUI (INSEA) Analyse des données discrètes 27 décembre 2024 191 / 191
Vous aimerez peut-être aussi
- Méthodes d'analyse des données discrètesPas encore d'évaluationMéthodes d'analyse des données discrètes143 pages
- Introduction à la statistique descriptivePas encore d'évaluationIntroduction à la statistique descriptive19 pages
- Statistiques : Population et ÉchantillonsPas encore d'évaluationStatistiques : Population et Échantillons11 pages
- Analyse Des Données - Rappel - OuazzaPas encore d'évaluationAnalyse Des Données - Rappel - Ouazza69 pages
- Méthodes d'Analyse des Données en Marketing100% (1)Méthodes d'Analyse des Données en Marketing105 pages
- Statistiques en psychologie et sciences sociales100% (1)Statistiques en psychologie et sciences sociales81 pages
- Analyse Statistique des Données NumériquesPas encore d'évaluationAnalyse Statistique des Données Numériques127 pages
- Statistique descriptive et quartilesPas encore d'évaluationStatistique descriptive et quartiles65 pages
- Procedures Statistique 1 Variable 1Pas encore d'évaluationProcedures Statistique 1 Variable 1156 pages
- Méthodes d'Analyse de Données StatistiquesPas encore d'évaluationMéthodes d'Analyse de Données Statistiques47 pages
- Introduction aux Variables et StatistiquesPas encore d'évaluationIntroduction aux Variables et Statistiques78 pages
- Analyse de Données pour Licence MRIPas encore d'évaluationAnalyse de Données pour Licence MRI7 pages
- Statistiques descriptives univariéesPas encore d'évaluationStatistiques descriptives univariées79 pages
- 1 - Différents Types de CaractéristiquesPas encore d'évaluation1 - Différents Types de Caractéristiques49 pages
- Statistique Descriptive et ProbabilitésPas encore d'évaluationStatistique Descriptive et Probabilités84 pages
- Partie 4 Outils de La Statistique DescriptivePas encore d'évaluationPartie 4 Outils de La Statistique Descriptive26 pages
- Chapitre1 - Introduction À La StatistiquePas encore d'évaluationChapitre1 - Introduction À La Statistique20 pages
- Introduction aux Statistiques DescriptivesPas encore d'évaluationIntroduction aux Statistiques Descriptives10 pages
- Techniques Quantitatives: Statistiques et ProbabilitésPas encore d'évaluationTechniques Quantitatives: Statistiques et Probabilités30 pages
- MANUEL STATISTIQUE DESCRIPTIVE TeamsPas encore d'évaluationMANUEL STATISTIQUE DESCRIPTIVE Teams32 pages
- Introduction à la Statistique DescriptivePas encore d'évaluationIntroduction à la Statistique Descriptive30 pages
- Statistique Descriptive : Variables et MesuresPas encore d'évaluationStatistique Descriptive : Variables et Mesures30 pages
- Module d'Analyse de Données en PythonPas encore d'évaluationModule d'Analyse de Données en Python118 pages
- Statistiques Descriptives et VariablesPas encore d'évaluationStatistiques Descriptives et Variables10 pages
- Introduction à la statistique descriptivePas encore d'évaluationIntroduction à la statistique descriptive42 pages
- Statistiques Descriptives et InférentiellesPas encore d'évaluationStatistiques Descriptives et Inférentielles59 pages
- Introduction aux statistiques descriptivesPas encore d'évaluationIntroduction aux statistiques descriptives64 pages
- Méthodes Quantitatives en StatistiquePas encore d'évaluationMéthodes Quantitatives en Statistique51 pages
- Cours 1 Statistiques Descriptives (Tazaïrt)Pas encore d'évaluationCours 1 Statistiques Descriptives (Tazaïrt)30 pages
- Introduction aux statistiques descriptivesPas encore d'évaluationIntroduction aux statistiques descriptives19 pages
- Résumé Méthodes Multivariées en Sciences Humaines - CopiePas encore d'évaluationRésumé Méthodes Multivariées en Sciences Humaines - Copie13 pages
- Introduction à la Statistique DescriptivePas encore d'évaluationIntroduction à la Statistique Descriptive33 pages
- Statistiques Descriptives Univariées et BivariéesPas encore d'évaluationStatistiques Descriptives Univariées et Bivariées76 pages
- Ch2 Fonctions Définies Par Une IntégralePas encore d'évaluationCh2 Fonctions Définies Par Une Intégrale36 pages
- Processus Markoviens de Sauts en StatistiquesPas encore d'évaluationProcessus Markoviens de Sauts en Statistiques87 pages
- Notions de Logique Cours Et Exercices CorrigesPas encore d'évaluationNotions de Logique Cours Et Exercices Corriges21 pages
- Releve de Notes Et Resultats: Session 2Pas encore d'évaluationReleve de Notes Et Resultats: Session 21 page
- Mettre L'accent Sur L'enseignement Des Maths - de La Maternelle À La 12e Année - Antario PDF100% (1)Mettre L'accent Sur L'enseignement Des Maths - de La Maternelle À La 12e Année - Antario PDF12 pages
- Exercices Corriges Developpement LimitePas encore d'évaluationExercices Corriges Developpement Limite8 pages
- MAT1720 - E25 - Probabilités Feuille D'exercices TP1 - Xuan Kien PhungPas encore d'évaluationMAT1720 - E25 - Probabilités Feuille D'exercices TP1 - Xuan Kien Phung2 pages
- Devoir de Maths 1ère D AUGUSTE LE GRANDPas encore d'évaluationDevoir de Maths 1ère D AUGUSTE LE GRAND2 pages
- 2019-Le Développement de La Pensée Algébrique Dans Le Curriculum Officiel en France Et Au QuébecPas encore d'évaluation2019-Le Développement de La Pensée Algébrique Dans Le Curriculum Officiel en France Et Au Québec11 pages
- Exercices de Probabilités et Variables AléatoiresPas encore d'évaluationExercices de Probabilités et Variables Aléatoires3 pages
- Intégration et convergence en analyse réellePas encore d'évaluationIntégration et convergence en analyse réelle4 pages
- Exercices sur les Applications LinéairesPas encore d'évaluationExercices sur les Applications Linéaires17 pages
- Introduction aux probabilités et statistiquesPas encore d'évaluationIntroduction aux probabilités et statistiques82 pages
- Systèmes Linéaires Échantillonnés FondamentauxPas encore d'évaluationSystèmes Linéaires Échantillonnés Fondamentaux26 pages
