TROISIEME PARTIE
LES TESTS STATISTIQUES
I -INTRODUCTION
Les tests statistiques ou les tests d’hypothèses ont pour but de vérifier, à partir de
données observées dans un ou plusieurs échantillons, la validité de certaines
hypothèses relatives à une ou plusieurs populations.
On peut distinguer différents types de tests, en fonction des hypothèses auxquelles on a affaire.
Les tests de comparaison à une norme ou tests de conformité sont destinés à comparer entre
eux une population théorique et un échantillon observé. Ils servent à vérifier si un échantillon
donné peut être considéré comme extrait d’une population possédant telle caractéristique
particulière (telle moyenne, telle variance, …). Le test se fait en vérifiant si la différence entre
la valeur observée et la valeur théorique du paramètre considéré peut être attribuée au hasard
ou non.
Les tests d’homogénéité ou d’égalité ont pour but de comparer entre elles un certain nombre
de populations, à l’aide d’un même nombre d’échantillons.
Les tests d’ajustement sont destinés à vérifier si un échantillon observé peut être extrait d’une
population donnée.
Les tests d’indépendance ont pour but de contrôler, à partir d’un échantillon, l’indépendance
de deux ou plusieurs critères de classification, généralement qualitatifs.
II. LE PRINCIPE D’UN TEST STATISTIQUE
Pour commencer, on émet une certaine hypothèse à tester, appelée hypothèse nulle,
généralement désignée par H0. Celle-ci suppose toujours l’égalité des caractéristiques
comparées.
L’hypothèse qui diffère de H0 est dite hypothèse alternative, généralement désignée par H1.
On mesure ensuite l’écart observé entre les caractéristiques comparées, et on calcule la
probabilité d’observer, si l’hypothèse nulle est vraie, un écart aussi important.
Si cette probabilité est relativement élevée, on considère L’hypothèse nulle comme plausible et
on l’accepte. Par contre si la probabilité calculée est faible, l’écart observé apparaît comme peu
compatible avec l’hypothèse nulle et on rejette celle-ci.
L’ensemble des valeurs observées pour lesquelles l’hypothèse nulle est admissible forme la
région d’acceptation. Les autres valeurs constituent la région de rejet. Les valeurs limites sont
appelées valeurs critiques.
La décision dépend donc de l’échantillon. Ainsi qu’elle que soit la décision prise, le hasard de
l’échantillonnage peut fausser les conclusions. Quatre situations doivent en effet être
envisagées:
L’acceptation de l'hypothèse nulle alors qu'elle est vraie, le rejet de l'hypothèse nulle alors
qu'elle est vraie, l'acceptation de l'hypothèse nulle alors qu'elle est fausse, le rejet de l'hypothèse
nulle alors qu'elle est fausse.
Dans le premier et le dernier cas, la conclusion obtenue est correcte, mais il n'en est
malheureusement pas de même dans les deux cas intermédiaires. L'erreur qui consiste à rejeter
une hypothèse vraie est appelée erreur de première espèce et désignée par RH0/H0. Accepter
une hypothèse fausse est une erreur de seconde espèce, elle est désignée par AH0/H1.
Les probabilités d’aboutir à de telles conclusions erronées sont les risques de première et de
deuxième espèce, désignés respectivement par et .
α= p(RH0/H0) β = p(AH0/H1)
Le risque de première espèce est appelé aussi seuil de signification du test, fixé très souvent à
5 %. La probabilité contraire de désigne le niveau de confiance du test.
1- α = p(AH0/H0)
La probabilité contraire de β désigne la puissance du test.
1- β= p(RH0/H1)
On peut présenter une table de décision comme suit :
Décision prise
Accepter H0 Accepter H1
H0 1-α α: erreur de première espèce
Hypothèse Niveau de confiance
vraie H1 β: erreur de deuxième espèce 1-β
Puissance du test
La détermination des valeurs limites de la région d’acceptation de l’hypothèse nulle dépend
de l’hypothèse alternative H1, ainsi on distingue le test bilatéral et le test unilatéral.
2.1. Test bilatéral
Un test est dit bilatéral si la condition de rejet est indépendante du signe de l’écart observé entre
les caractéristiques comparées. Les hypothèses formulées du test bilatéral sont :
H0 : ϴ= t0 et H1 : ϴ ≠t0
et t0 sont les caractéristiques comparées.
La règle de décision peut être représentée ainsi :
ϴ≠t0 ϴ= t0 ϴ≠t0
Région de rejet de H0 Région d’acceptation de H0 Région de rejet de H0
A1 A2
A1 et A2 sont les valeurs critiques qui délimitent la région d’acceptation.
La région d’acceptation est donc l’intervalle [A1 ; A2].
p(A1< t0< A2) = 1 -α
p(t0 < A1) = p(t0 > A2) = α/2
2.2. Test unilatéral
Un test est dit unilatéral si l’hypothèse alternative désigne qu’une caractéristique est strictement
supérieure ou inférieure à l’autre. On parle respectivement de test unilatéral à droite ou à
gauche.
2.2.1 Test unilatéral à droite
Les hypothèses formulées du test unilatéral à droite sont :
H0 :ϴ = t0 et H1 :ϴ > t0
La règle de décision peut être représentée ainsi :
ϴ<t0 ϴ> t0
Région d’acceptation de H0 Région de rejet de H0
A
A désigne la valeur critique qui délimite la région d’acceptation.
La région d’acceptation est donc l’intervalle] -∞ ; A].
p(t0<A) = 1 -α
p(t0 > A) =α
2.2.2. Test unilatéral à gauche
Les hypothèses formulées du test unilatéral à gauche sont :
H0 : ϴ= t 0 et H1 : ϴ< t0
La règle de décision peut être représentée ainsi :
ϴ< t0 ϴ>t0
Région de rejet de H0 Région d’acceptation de H0
A
A désigne la valeur critique qui délimite la région d’acceptation.
La région d’acceptation est donc l’intervalle [A ; + ∞[.
p(t0 < A) =α
p(t0 > A) = 1 -α
pour récapituler, la démarche d’un test statistique est formée des étapes suivantes :
1. Formuler les hypothèses H0 et H1 ;
2. Fixer le seuil de signification ;
3. Préciser la loi de probabilité de l’écart observé, appelé aussi variable de décision ;
4. Calculer la valeur numérique de la variable de décision ;
5. Déterminer les valeurs critiques qui délimitent la région d’acceptation ;
6. Prendre la décision et conclure.
Les distributions d’échantillonnage d’une moyenne, et d’une proportion que nous avons traitées dans
un chapitre précédent vont être particulièrement utiles dans l’élaboration des tests statistiques.
TESTS SUR UNE MOYENNE : COMPARAISON D’UNE MOYENNE
EXPÉRIMENTALE A UNE MOYENNE THÉORIQUE DANS LE CAS
D’UN CARACTÈRE QUANTITATIF
Nous voulons déterminer si l’échantillon de taille n dont nous disposons appartient à une population
de moyenne m0 au seuil de signification α. Nous allons dans tous les tests travailler de la même façon,
en procédant en quatre étapes.
1ère étape :
formulation des hypothèses L’échantillon dont nous disposons provient d’une population de moyenne
m. Nous voulons savoir si m = m0. On va donc tester l’hypothèse nulle H0 :m=m0
contre l’hypothèse alternative H1 : m ≠ m0.
2ème étape : Détermination de la variable de décision du test et de sa distribution de probabilité. •
On détermine la statistique qui convient pour ce test.. Ici, l’estimateur de la moyenne m, c’est-à-dire X
--, semble tout indiquée. • On détermine la loi de probabilité de X-- en se plaçant sous l’hypothèse Ho.
Deux cas peuvent se produire :
Premier cas: L’échantillon est de grande taille (n ≥ 30)ou bien la population est normale de variance
σ2 connue. X suit alors une loi normale de moyenne m0 (puisqu’on se place sous H0) et d’écart-type
σ /√ n : X ∼> N(m0, σ /√ n ). On pose T = X -- - m0 / σ /√n . T mesure un écart réduit. T est aussi
appelée fonction discriminante du test. T ∼> N(0,1)
Deuxième cas : L’échantillon est de petite taille (n < 30) prélevé au hasard d’une population normale
de variance σ2 inconnue. Dans ce cas la variable de décision du test sera :
T : X-- - m0 / Σ( xi-x--)2/n-1 . Ici T ∼> Tn-1 (loi de Student à (n-1) degrés de liberté).
3ème étape : Détermination des valeurs critiques de T délimitant les zones d’acceptation et de rejet
Région d’acceptation :
La région d’acceptation dépend de l’hypothèse alternative H1.
a) Test bilatéral :
H0 : m = m0 et H1 : m≠m0
Les valeurs critiques qui délimitent la région d’acceptation sont, pour une distribution normale
réduite ou asymptotiquement normale réduite, T1 et T2 telles que :
p(T1< VDR< T2) = 1 -α
p(VDR < T1) = α /2 T1 = t α /2
p(VDR > T2) = α/2 p(VDR< T2) = 1- α/2 T2 = t 1- α/2
Remarque :
Puisque la région d’acceptation est symétrique, on rejette l’hypothèse nulle si
│VDR│> t 1- α/2
b) Test unilatéral à droite :
H0 : m = m0 et H 1 : m > m0
La valeur critique qui délimitent la région d’acceptation est, pour une distribution normale
réduite ou asymptotiquement normale réduite, T telle que :
p(VDR< T) = 1 -α T = t1-α
La région d’acceptation est donc l’intervalle ]-∞ ; t1-α ].
c) Test unilatéral à gauche :
H0 : m = m0 et H 1 : m < m0
La valeur critique qui délimitent la région d’acceptation est, pour une distribution normale
réduite ou asymptotiquement normale réduite, T telle que :
p(VDR < T) =α T=tα
La région d’acceptation est donc l’intervalle [tα ; +∞ [.
4ème étape : Calcul de la valeur de T prise dans l’échantillon et conclusion du test
• On calcule la valeur t0 prise par T dans l’échantillon.
• → Si la valeur t0 se trouve dans la zone de rejet, on dira que l’écart-réduit observé est
statistiquement significatif au seuil α. Cet écart est anormalement élevé et ne permet pas d’accepter
H0. On rejette H 0 .
→ Si la valeur t0 se trouve dans la zone d’acceptation, on dira que l’écart- réduit observé n’est pas
significatif au seuil α. Cet écart est imputable aux fluctuations d’échantillonnage. On accepte H 0 .
Exemple :
Le diamètre des billes fabriquées par une machine est en moyenne de 6 mm. Pour contrôler si
la machine est bien réglée, on a prélevé un échantillon de 50 billes et on a mesuré leur diamètre.
On a trouvé :
∑xi=350 ∑(xi ² )=2462
La machine est-elle bien réglée au seuil de signification de 95 %?
Pour répondre à cette question, on doit vérifier si le diamètre moyen des 50 billes observées,
Hypothèse nulle :
Il s’agit d’un test bilatéral H0 m = 6 H1 : m≠ 6
Variable de décision :
La variable de décision du test correspond à l’estimation de m qui est la moyenne de
l’échantillon :
xi= 350
VD = ∑ 50 50 =7
La variable de décision peut être considérée comme une variable approximativement normale.
La variance de la population est inconnue il faut donc l’estimer par la quasi-variance.σ^
σ^2= ∑(xi –x--) ² / n-1 = n/ n-1 * σ2= n/ n-1 ( ∑(xi ² )/n – (x--2)) =
50/49 *( 2462 /50 – 72) = 0,24
σ ^ = √0,24 = 0,49
VDR == X -- - m0 / σ^ /√n
VDR = 7- 6/0,49/√50 = 14,43
La région d’acceptation est l’intervalle│ tα/2 , t1-α/2] or d’après la table tα/2=
t0,025= -1,96 et t1-α/2 = 1,96
La région d’acceptation est donc l’intervalle [-1,96 ; 1,96].
On rejette l’hypothèse nulle car la variable de décision réduite n’appartient pas à la région
d’acceptation. La machine n’est donc pas bien réglée au seuil de signification de 95 %.
3.2. Test de comparaison des moyennes de deux échantillons
indépendants
Ce test a pour but de comparer les moyennes de deux populations à l’aide de deux
échantillons.
Soient deux échantillons aléatoires et non exhaustifs prélevés respectivement dans une
population 1 de moyenne inconnue m1 et dans une population 2 de moyenne inconnue m2.
Les moyennes observées des deux échantillons x1-- et x2-- sont en général différentes, il s’agit
d’expliquer cette différence.
Formulation de l’hypothèse nulle :
Ce test a pour but de vérifier si la moyenne m1 d’une population est ou n’est pas égale à la
moyenne m2 d’une autre population.
L’hypothèse nulle est donc : H0 m1 = m2
Variable de décision :
La variable de décision du test correspond à la différence entre les moyennes observées des
deux échantillons :
VD = x1--- x2--
Une distinction est faite entre le cas de deux populations de variances inégales et le cas de
deux populations de variances égales.
1) cas de deux populations de variances inégales
Pour des populations normales (variances connues), les variables x1- x2 sont des variables
Sous l’hypothèse nulle, (m1-m2)=0. La variable de décision centrée réduite :
VDR = (x1-- - x2--)
σ²1+ σ²2
n1 n2
Est donc une variable normale réduite N(0 ; 1).
Si les distributions des populations parents sont inconnues, pour des effectifs suffisamment
élevés, la variable de décision peut toujours être considérée comme une variable
approximativement normale. C’est généralement le cas lorsque les effectifs sont supérieurs à
30. Dans le cas contraire, la variable de décision réduite VDR peut toujours être considérée
comme une variable de Student à (n1 + n2 - 2) degré de liberté.
b) cas de deux populations de variances égales
Dans le cas où les populations sont de variances égales, une estimation de la variance commune
aux deux populations est donnée par :
σ^2= ∑(xi –x1--) ² + ∑(xi –x2--) ² / (n1 + n2 - 2)
VDR = x1-- - x2--/√ σ^2*( 1/ n1 + 1/ n2 )
VDR = x1-- - x2--/√ ∑(xi –x1--) ² + ∑(xi –x2--) ² / (n1 + n2 - 2) *( 1/ n1 + 1/ n2 )
Région d’acceptation :
La région d’acceptation dépend de l’hypothèse alternative H1.
a) Test bilatéral :
H0 : m = m0 et H1 : m≠m0
Les valeurs critiques qui délimitent la région d’acceptation sont, pour une distribution normale
réduite ou asymptotiquement normale réduite, T1 et T2 telles que :
p(T1< VDR< T2) = 1 -α
p(VDR < T1) = α /2 T1 = t α /2
p(VDR > T2) = α/2 p(VDR< T2) = 1- α/2 T2 = t 1- α/2
Remarque :
Puisque la région d’acceptation est symétrique, on rejette l’hypothèse nulle si
│VDR]> t 1- α/2
b) Test unilatéral à droite :
H0 : m1 = m2 et H1 : m1 > m2
La valeur critique qui délimitent la région d’acceptation est, pour une distribution normale
réduite ou asymptotiquement normale réduite, T telle que :
p(VDR< T) = 1 -α T = t1-α
La région d’acceptation est donc l’intervalle ]-∞ ; t1-α ].
c) Test unilatéral à gauche :
H0 : m = m0 et H 1 : m < m0
La valeur critique qui délimitent la région d’acceptation est, pour une distribution normale
réduite ou asymptotiquement normale réduite, T telle que :
p(VDR < T) =α T=tα
La région d’acceptation est donc l’intervalle [tα ; +∞ [.
Remarque :
Pour des distributions de probabilités inconnues, et lorsque les effectifs des échantillons sont
inférieurs à 30, la variable de décision réduite VDR peut toujours être considérée comme une
variable de Student à (n-1) degré de liberté. Les valeurs de Z sont remplacées par les valeurs
de T de la loi de Student avec (n-1) degré de liberté.
Exemple :
Pour savoir s’il existe une différence d’assiduité entre les filles et les garçons, on a choisi de
manière aléatoire et simple un premier échantillon de 10 filles et de façon indépendante, un
deuxième échantillon de 10 garçons. En fonction des résultats ci-dessous relatifs aux notes
d’assiduités (note sur 100), et en supposant que les variances des deux populations sont égales,
peut-on conclure, au seuil de 5 %, à l’existence d’une différence significative entre les deux
sexes ?
Assiduité 72 67 52 54 46 58 59 54 58 63
des filles
Assiduité 66 59 54 57 63 55 61 55 66 75
des garçons
Pour répondre à cette question, on doit réaliser un test de comparaison de deux moyennes.
Hypothèse nulle :
Ce test a pour but de vérifier si l’assiduité moyenne m1 des filles est ou n’est pas égale à
l’assiduité moyenne m2 des garçons.
Il s’agit d’un test bilatéral :
H0 : m1 = m2 et H1 : m1≠m2
Variable de décision :
Les deux échantillons sont indépendants, les populations sont de variances égales, la variable
de décision centrée réduite est donc:
VDR = x1-- - x2--/√ ∑(xi –x1--) ² + ∑(xi –x2--) ² / (n1 + n2 - 2) *( 1/ n1 + 1/ n2 )
VDR = 58.3-61.1 / (514+390.9/10+10 -2) * (1/10 + 1/10) = - 0.88
Région d’acceptation :
VDR = 0,88
Pour α= 0,05, la valeur de t 1-α /2 avec 18 degrés de liberté est : t0,975 = 2,101 le t de student
VDR < t 1-α /2 , on accepte donc l’hypothèse nulle. C’est à dire, il n’y a pas de différence
significative entre l’assiduité des deux sexes.
VI -TESTS STATISTIQUES SUR LES PROPORTIONS
4-1Test de conformité d’une proportion
Formulation de l’hypothèse nulle :
On attribue la valeur p0 pour proportion dans une population dont la vraie proportion p est
inconnue, et on veut juger la validité de cette hypothèse.
Ce test a pour but de vérifier si la proportion p d’une population est ou n’est pas égale à une
valeur donnée p0, appelée norme.
L’hypothèse nulle est donc : H0 p = p0
Variable de décision :
On extrait de la population un échantillon aléatoire et simple dans lequel la proportion
observée f est en général différente de p0, il s’agit d’expliquer cette différence.
La variable de décision du test correspond à l’estimation de p qui est la fréquence de
l’échantillon :
VD = f
Comme la distribution de la proportion suit une loi normale de moyenne p et d’écart type
√pq/√n à condition que la taille de l’échantillon soit supérieure ou égale à 30 ( ≥30) et le produit
np>5 La VDR = f – p0 /√ p0*(1- p0) / √n
est donc une variable normale réduite N(0 ; 1).
Région d’acceptation :
La région d’acceptation dépend de l’hypothèse alternative H1.
a) Test bilatéral :
H0 : p = p0 et H1 : p ≠ p0
Les valeurs critiques qui délimitent la région d’acceptation sont, pour une distribution normale
réduite ou asymptotiquement normale réduite, T1 et T2 telles que :
p(T1< VDR< T2) = 1 -α
p(VDR < T1) = α /2 T1 = t α /2
p(VDR > T2) = α/2 p(VDR< T2) = 1- α/2 T2 = t 1- α/2
Remarque :
Puisque la région d’acceptation est symétrique, on rejette l’hypothèse nulle si
│VDR│> t 1- α/2
b) Test unilatéral à droite :
H0 : p = p0 et H1 : p > p 0
La valeur critique qui délimitent la région d’acceptation est, pour une distribution normale
réduite ou asymptotiquement normale réduite, T telle que :
p(VDR< T) = 1 -α T = t1-α
La région d’acceptation est donc l’intervalle ]-∞ ; t1-α ].
c) Test unilatéral à gauche :
H0 : p= p0 et H1 : p < p 0
La valeur critique qui délimitent la région d’acceptation est, pour une distribution normale
réduite ou asymptotiquement normale réduite, T telle que :
p(VDR < T) =α T=tα
La région d’acceptation est donc l’intervalle [tα ; +∞ [.
Exemple :
Au cours des élections, un candidat est élu avec 52 % des voix. Plusieurs mois après l'élection,
un institut de sondage interroge 1600 électeurs, dont 800 déclarent qu'ils voteraient en cas
d'élection, pour le même candidat. Ce résultat est-il ou non significatif d'une désaffection des
électeurs pour l'élu ?
Pour répondre à cette question, on doit vérifier si le nouveau pourcentage obtenu par le sondage,
n’est pas inférieur à la norme de 52 %. Il s’agit donc de faire un test de conformité de la
proportion.
Hypothèse nulle :
Il s’agit d’un test unilatéral à gauche H0 p = 0,52 H1 : p < 0,52
Variable de décision :
La variable de décision du test correspond à la fréquence f de l’échantillon :
VD = f = 800/1600= 0.5
La distribution de la proportion suit une loi normale de moyenne p et d’écart type pq (la
n
taille de l’échantillon est supérieure à 30 et le produit n p > 5).
La variable de décision réduite est :
f- p0 0,50- 0,52
VDR = = = - 1,60
p0(1 p0) 0,52(1- 0,52)
n 1600
Région d’acceptation :
La région d’acceptation est l’intervalle [ tα ; + [.
Au seuil de signification de 95 % (α = 0,05) : et t0,05 = -1,65 d’après la table de la loi
centrée réduite.
La région d’acceptation est donc l’intervalle [-1,65 ; + ∞ [.
On accepte l’hypothèse nulle car la variable de décision réduite appartient à la région
d’acceptation. Ce résultat n'est donc pas significatif d'une désaffection des électeurs pour ce
candidat.
4.2. Test de comparaison des proportions de deux
échantillons indépendants
Ce test a pour but de comparer les proportions de deux populations à l’aide de deux
échantillons indépendants.
Formulation de l’hypothèse nulle :
Ce test a pour but de vérifier si la proportion p1 d’une population est ou n’est pas égale à la
proportion p2 d’une autre population.
L’hypothèse nulle est donc : H0 p1 = p2
Variable de décision :
Il s’agit de comparer deux proportions observées. Soient deux échantillons aléatoires de taille
respectivement n1 et n2 extraits de deux populations. Les fréquences observées f1 et f2
Sont généralement différentes, il s’agit d’expliquer cette différence :
f1= x1/n1 et f2 = x2/n2
La variable de décision du test correspond à la différence entre les fréquences observées des
deux échantillons :
VD = f1 – f2
Comme, les distributions des deux proportions suivent des lois normales de moyennes
respectivement p1 et p2 et d’écarts types respectifs p1 (1 - p1) et p2 (1 - p2) à condition
n1 n2
que la taille de l’échantillon soit supérieure ou égale à 30 (n≥30) et le produit n p>5, la
variable de décision est elle-même normale de moyenne (p1-p2) et d’écart type
p1 (1- p1)+ p2 (1- p2) .
n1 n2
Sous l’hypothèse nulle p1 = p2 , il y a la même proportion inconnue p dans les deux populations.
Cette proportion peut être estimée par la fréquence observée f1+2 dans l’échantillon unique qui
est la réunion des deux échantillons .f1+2 = (n1*f1+ n2*f2) / n1+n2
f1+2 = x1 + x2 / n1+n2
Sous l’hypothèse nulle, la variable de décision suit une loi normale de moyenne (p1-p2) = 0 et
d’écart type :
p (1 -p) + p (1 -p) = f1+2 (1- f1+2)( 1+ 1)
n1 n2 n1 n2
La variable de décision centrée réduite :
VDR = f1- f2 / √f1+2 (1- f1+2 ) ( 1/n1 +1/n2)
est donc une variable normale réduite N(0 ; 1).
Région d’acceptation :
La région d’acceptation est identique à celle du test de conformité d’une proportion, elle
dépend de l’hypothèse alternative H1.
a) Test bilatéral :
H0 : p1 = p2 et H1 : p1 ≠ p2
Les valeurs critiques qui délimitent la région d’acceptation sont, pour une distribution normale
réduite ou asymptotiquement normale réduite, T1 et T2 telles que :
p(T1< VDR< T2) = 1 -α
p(VDR < T1) = α /2 T1 = t α /2
p(VDR > T2) = α/2 p(VDR< T2) = 1- α/2 T2 = t 1- α/2
Remarque :
Puisque la région d’acceptation est symétrique, on rejette l’hypothèse nulle si
│VDR│> t 1- α/2
b) Test unilatéral à droite :
H0 : p1 = p2 H1 : p1 > p2
La valeur critique qui délimitent la région d’acceptation est, pour une distribution normale
réduite ou asymptotiquement normale réduite, T telle que :
p(VDR< T) = 1 -α T = t1-α
La région d’acceptation est donc l’intervalle ]-∞ ; t1-α ].
c) Test unilatéral à gauche :
H0 : p1 = p2 et H1 : p1 < p2
La valeur critique qui délimitent la région d’acceptation est, pour une distribution normale
réduite ou asymptotiquement normale réduite, T telle que :
p(VDR < T) =α T=tα
La région d’acceptation est donc l’intervalle [tα ; +∞ [.
Exemple :
Une enquête sur l’emploi a concerné 220 personnes dont 115 dans le milieu rural et 105 dans
le milieu urbain. Sur les 115 ruraux enquêtés, 74 se sont révélés actifs, alors que pour les
enquêtés urbains, 81 sont actifs. Peut-on admettre, au seuil de 5 %, qu’il n’y a pas de différence
significative entre les taux d’activités dans les deux milieux ?
Pour répondre à cette question, on doit réaliser un test de comparaison de deux proportions.
Hypothèse nulle :
Ce test a pour but de vérifier si la proportion p1 des personnes actives dans le milieu rural est
ou n’est pas égale à la proportion p2 des personnes actives dans le milieu urbain.
Il s’agit d’un test bilatéral : H0 : p1 = p2 et H1 : p1 ≠ p2
Variable de décision :
D’après les données :
f1= 74 = 0,64 f2= 81 = 0,77 f1+2 =155 = 0,70
115 105 220
La variable de décision centrée réduite est :
VDR = f1- f2 / √f1+2 (1- f1+2 ) ( 1/n1 +1/n2)
VDR = 0.64- 0.77 / √0.70 (1-0 .70) ( 1/115 +1/105) = -2.10
Région d’acceptation :
Pour α= 0,05 la valeur de t1-α/2 est : t0,975 = 1,96
VDR > t1-α/2, on rejette donc l’hypothèse nulle. C’est à dire, il y a une différence significative
entre les taux d’activités dans les deux milieux.
CONCLUSION :
Nous avons appris à effectuer un certain nombre de tests. Il en existe d’autres. Tous fonctionnent sur
le même principe. Si vous avez compris ce qui précède, vous serez capables de les appréhender
correctement lorsque vous les rencontrerez : suivez le modèle.
EXERCICES SUR LES TESTS STATISTIQUES
Ex 1 : Un fabricant de tubes à essais pour laboratoire fonde sa publicité sur le fait que la durée
de vie de ses tubes correspond à 1500 heures de chauffage à l’aide d'un bec Bunzen. Un
laboratoire de contrôle de publicité constate que sur 100 tubes à essais, la durée moyenne de
vie est de 1485 heures de chauffage avec un écart-type de 110 heures. Au risque 5%, la durée
de vie des tubes à essais est-elle différente de 1500 heures de chauffage ?
Ex 2 : Les moteurs des appareils électroménagers d'une marque M ont une durée de vie
moyenne de 3000 heures avec un écart-type de 150 heures. À la suite d'une modification dans
la fabrication des moteurs, le fabriquant affirme que les nouveaux moteurs ont une durée de vie
supérieure à celle des anciens. On a testé un échantillon de 50 nouveaux moteurs et on a trouvé
une durée de vie moyenne de 3250 heures avec un écart-type égal à 150 heures. Les nouveaux
moteurs apportent-ils une amélioration dans la durée de vie des appareils électroménagers au
risque de 1% ?
Ex 3 : Dans une grande ville d'un pays donné, une enquête a été réalisée sur les dépenses
mensuelles pour les loisirs. On a observé les résultats suivants:
• Sur 280 familles habitant le centre-ville, les dépenses mensuelles pour les loisirs sont en
moyenne de 640 dh avec un écart-type de 120 dh.
• Sur 300 familles habitant la banlieue, les dépenses mensuelles pour les loisirs sont en
moyenne de 610 dh avec un écart-type de 100 dh.
Peut-on dire au risque de 5 % que la part du budget familial consacré aux loisirs est différente
suivant que la famille habite le centre-ville ou la banlieue ?
Ex 4 : Un fabricant affirme qu'au moins 95 % de l’équipement qu'il fournit à un dépositaire est
conforme au cahier des charges. L’examen d'un échantillon de 200 pièces fournies montre que
18 pièces sont défectueuses. Que penser de l'affirmation du fabricant au seuil de confiance de
5 %?
Ex 5 : Pour une élection, on effectue un sondage pour évaluer les intentions de vote en
faveur du candidat M. Dans la ville de casa, sur 450 personnes interrogées, 52% ont
l'intention de voter pour M. Dans la ville de rabat, sur 300 personnes interrogées, 49 %
ont l'intention de voter pour M. Au risque de 5%, y a-t-il une différence d'intention de vote
dans ces deux villes?
TABLE DE LA FONCTION DE REPARTITION DE LA LOI NORMALE REDUITE
Z 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
0,0 0,5000 0,5040 0,5080 0,5120 0,5160 0,5199 0,5239 0,5279 0,5319 05359
0,1 0,5398 0,5438 0,5478 0,5517 0,5557 0,5596 0,5636 0,5675 0,5714 05753
0,2 0,5793 0,5832 0,5871 0,5910 0,5948 0,5987 0,6026 0,6064 0,6103 06141
0,3 0,6179 0,6217 0,6255 0,6293 0,6331 0,6368 0,6406 0,6443 0,6480 06517
0,4 0,6554 0,6591 0,6628 0,6664 0,6700 0,6736 0,6772 0,6808 0,6844 06879
0,5 0,6915 0,6950 0,6985 0,7019 0,7054 0,7088 0,7123 0,7157 0,7190 07224
0,6 0,7257 0,7291 0,7324 0,7357 0,7389 0,7422 0,7454 0,7486 0,7517 07549
0,7 0,7580 0,7611 0,7642 0,7673 0,7703 0,7734 0,7764 0,7794 0,7823 07852
0,8 0,7881 0,7910 0,7939 0,7967 0,7995 0,8023 0,8051 0,8078 0,8106 08133
0,9 0,8159 0,8186 0,8212 0,8238 0,8264 0,8289 0,8315 0,8340 0,8365 08389
1,0 0,8413 0,8438 0,8461 0,8485 0,8508 0,8531 0,8554 0,8577 0,8599 08621
1,1 0,8643 0,8665 0,8686 0,8708 0,8729 0,8749 0,8770 0,8790 0,8810 08830
1,2 0,8849 0,8869 0,8888 0,8907 0,8925 0,8944 0,8962 0,8980 0,8997 090147
1,3 0,90320 0,90490 0,90658 0,90824 0,90988 0,91149 0,91309 0,91466 0,91621 0,91774
1,4 0,91924 0,92073 0,92220 0,92364 0,92507 0,92647 0,92785 0,92922 0,93056 0,93189
1,5 0,93319 0,93448 0,93574 0,93699 0,93822 0,93943 0,94062 0,94179 0,94295 0,94408
1,6 0,94520 0,94630 0,94738 0,94845 0,94950 0,95053 0,95154 0,95254 0,95352 0,95449
1,7 0,95543 0,95637 0,95728 0,95818 0,95907 0,95994 0,96080 0,96164 0,96246 0,96327
1,8 0,96407 0,96485 0,96562 0,96638 0,96712 0,96784 0,96856 0,96926 0,96995 0,97062
1,9 0,97128 0,97193 0,97257 0,97320 0,97381 0,97441 0,97500 0,97558 0,97615 0,97670
2,0 0,97725 0,97778 0,97831 0,97882 0,97932 0,97982 0,98030 0,98077 0,98124 0,98169
2,1 0,98214 0,98257 0,98300 0,98341 0,98382 0,98422 0,98461 0,98500 0,98537 0,98574
2,2 0,98610 0,98645 0,98679 0,98713 0,98745 0,98778 0,98809 0,98840 0,98870 0,98899
2,3 0,98928 0,98956 0,98983 0,99010 0,99036 0,99061 0,99086 0,99111 0,99134 0,99158
2,4 0,99180 0,99202 0,99224 0,99245 0,99266 0,99286 0,99305 0,99324 0,99343 0,99361
2,5 0,99379 0,99396 0,99413 0,99430 0,99446 0,99461 0,99477 0,99492 0,99506 0,99520
2,6 0,99534 0,99547 0,99560 0,99573 0,99585 0,99598 0,99609 0,99621 0,99632 0,99643
2,7 0,99653 0,99664 0,99674 0,99683 0,99693 0,99702 0,99711 0,99720 0,99728 0,99736
2,8 0,99744 0,99752 0,99760 0,99767 0,99774 0,99781 0,99788 0,99795 0,99801 0,99807
2,9 0,99813 0,99819 0,99825 0,99831 0,99836 0,99841 0,99846 0,99851 0,99856 0,99861
3,0 0,99865 0,99869 0,99874 0,99878 0,99882 0,99886 0,99889 0,99893 0,99897 0,99900
3,1 0,99903 0,99906 0,99910 0,99913 0,99916 0,99918 0,99921 0,99924 0,99926 0,99929
3,2 0,99931 0,99934 0,99936 0,99938 0,99940 0,99942 0,99944 0,99946 0,99948 0,99950
3,3 0,99952 0,99953 0,99955 0,99957 0,99958 0,99960 0,99961 0,99962 0,99964 0,99965
3,4 0,99966 0,99968 0,99969 0,99970 0,99971 0,99972 0,99973 0,99974 0,99975 0,99976
3,5 0,99977 0,99978 0,99978 0,99979 0,99980 0,99981 0,99981 0,99982 0,99983 0,99983
3,6 0,99984 0,99985 0,99985 0,99986 0,99986 0,99987 0,99987 0,99988 0,99988 0,99989
3,7 0,99989 0,99990 0,99990 0,99990 0,99991 0,99991 0,99992 0,99992 0,99992 0,99992
3,8 0,99993 0,99993 0,99993 0,99994 0,99994 0,99994 0,99994 0,99995 0,99995 0,99995
3,9 0,99995 0,99995 0,99996 0,99996 0,99996 0,99996 0,99996 0,99996 0,99997 0,99997
TABLE DE LA LOI T DE STUDENT
k/p 0,6 0,7 0,8 0,9 0,95 0,975 0,99 0,995 0,999 0,9995
1 0,325 0,727 1,376 3,078 6,314 12,71 31,82 63,66 318,3 636,6
2 0,289 0,617 1,061 1,886 2,920 4,303 6,965 9,925 22,33 31,60
3 0,277 0,584 0,978 1,638 2,353 3,182 4,541 5,841 10,22 12,94
4 0,271 0,569 0,941 1,533 2,132 2,776 3,747 4,604 7,173 8,610
5 0,267 0,559 0,920 1,476 2,015 2,571 3,365 4,032 5,893 6,859
6 0,265 0,553 0,906 1,440 1,943 2,447 3,143 3,707 5,208 5,959
7 0,263 0,549 0,896 1,415 1,895 2,365 2,998 3,499 4,785 5,405
8 0,262 0,546 0,889 1,397 1,860 2,306 2,896 3,355 4,501 5,041
9 0,261 0,543 0,883 1,383 1,833 2,262 2,821 3,250 4,297 4,781
10 0,260 0,542 0,879 1,372 1,812 2,228 2,764 3,169 4,144 4,587
11 0,260 0,540 0,876 1,363 1,796 2,201 2,718 3,106 4,025 4,437
12 0,259 0,539 0,873 1,356 1,782 2,179 2,681 3,055 3,930 4,318
13 0,259 0,538 0,870 1,350 1,771 2,160 2,650 3,012 3,852 4,221
14 0,258 0,537 0,868 1,345 1,761 2,145 2,624 2,977 3,787 4,140
15 0,258 0,536 0,866 1,341 1,753 2,131 2,602 2,947 3,733 4,073
16 0,258 0,535 0,865 1,337 1,746 2,120 2,583 2,921 3,686 4,015
17 0,257 0,534 0,863 1,333 1,740 2,110 2,567 2,898 3,646 3,965
18 0,257 0,534 0,862 1,330 1,734 2,101 2,552 2,878 3,611 3,922
19 0,257 0,533 0,861 1,328 1,729 2,093 2,539 2,861 3,579 3,883
20 0,257 0,533 0,860 1,325 1,725 2,086 2,528 2,845 3,552 3,850
21 0,257 0,532 0,859 1,323 1,721 2,080 2,518 2,831 3,527 3,819
22 0,256 0,532 0,858 1,321 1,717 2,074 2,508 2,819 3,505 3,792
23 0,256 0,532 0,858 1,319 1,714 2,069 2,500 2,807 3,485 3,767
24 0,256 0,531 0,857 1,318 1,711 2,064 2,492 2,797 3,467 3,745
25 0,256 0,531 0,856 1,316 1,708 2,060 2,485 2,787 3,450 3,725
26 0,256 0,531 0,856 1,315 1,706 2,056 2,479 2,779 3,435 3,707
27 0,256 0,531 0,855 1,314 1,703 2,052 2,473 2,771 3,421 3,690
28 0,256 0,530 0,855 1,313 1,701 2,048 2,467 2,763 3,408 3,674
29 0,256 0,530 0,854 1,311 1,699 2,045 2,462 2,756 3,396 3,659
30 0,256 0,530 0,854 1,310 1,697 2,042 2,457 2,750 3,385 3,646
40 0,255 0,529 0,851 1,303 1,684 2,021 2,423 2,704 3,307 3,551
60 0,254 0,527 0,848 1,296 1,671 2,000 2,390 2,660 3,232 3,460
80 0,254 0,527 0,846 1,292 1,664 1,990 2,374 2,639 3,195 3,415
100 0,254 0,526 0,845 1,290 1,660 1,984 2,365 2,626 3,174 3,389
200 0,254 0,525 0,843 1,286 1,653 1,972 2,345 2,601 3,131 3,339
500 0,253 0,525 0,842 1,283 1,648 1,965 2,334 2,586 3,106 3,310
0,253 0,524 0,842 1,282 1,645 1,960 2,326 2,576 3,090 3,291
