TESTSD'HYPOTHÈSES

Introduction.

Lo'bjectifestdedonnerquelquesméthodesquisontutilséespourprendredesdécisions.

sur les populations, à partir des résultats d'un échantillon aléatoire

[Link]àprendredesdécisionsstatistiques,on

doitpartird'affirmationsoudeconjecturesconcernantlapopulationen
celui qui nous intéresse Ces hypothèses peuvent être vraies ou
non. Une conjecture faite sur une population ou sur ses paramètres
devra être soumise à une vérification expérimentale dans le but de
savoir si les résultats d'un échantilon aléatoire extrait de celui-ci
population,contredisentounonceteconjecture.

[Link]èsesstatistiques.

Définition. Son appelle hypothèse statistique toute affirmation ou

conjecturefaiteausujetdeladistributiond'uneouplusieurspopulations.

L'affirmation ou la conjecture peut se référer soit à la forme ou au type de

distribution de probabilité de la population ou se référer à la valeur ou

valeurs d'un ou plusieurs paramètres de la distribution connue sa forme.
Danslesapplicationsdebase,onsupposeétantdonnéelaformedeladistributionde

[Link],leshypothèsesstatistiquesconsistentàsupposer
que les paramètres qui définissent la population prennent certains
valeursnumériques.

Parexemple,cesontdeshypothèsesstatistiques:

Lalongueurmoyenned'untyped'objetsestde10centimètres.

La proportion d'objets défectueux produits par un certain processus

ne'stjamaissupérieurà8%.

[Link]'uncertaintyped'objetsestde0,25cm2.
[Link]épendantesXetesontégales.
2
Etquisedistribuentnormalementavecunevariancecommune .

Hypothèsesimpleetcomposée.

Définition. On appelle hypothèse, simple a toute hypothèse

statistiquequispécifiecomplètementladistributiondelapopulation,
c'est-à-dire, spécifie la forme de la distribution et la valeur de son/sa
paramètre(s).

Si une hypothèse ne spécifie pas complètement la distribution de la

Lapopulationestditeêtreunehypothèsecomposée.

Parexemple,l'hypothèsequistipulequelerevenumensuelmoyen
des employés d'une certaine ville est 500 $, en supposant que les

les revenus mensuels se répartissent selon la normale avec écart-type

norme connue 30, ce'st une hypothèse simple, car ele$est spécifique
completementlaré[Link],s'ilestsupposé
que les revenus mensuels se répartissent selon la normale
écart type connu $30 et il est affirmé que le revenu
lamoyennemensueleest 500ó >500ó >500,alors,l'hypothèse
Concernantlamoyenne,ce' stunehypothèsecomposite,carelenespécifiepasla

médiadeladistributiondelapopulationdesrevenus.

Hypothèsenulleetalternative

Définition. On appele hypothèse nule et ele est représentée par H o, unla

hypothèse qui est acceptée provisoirement comme vraie et dont

la validité sera soumise à une vérification expérimentale. Les résultats
expérimentales nous permettront de continuer à la' ccepter comme vraie ou si,
aucontraire,nousdevonslarejeterentantquetele.

Toutehypothèsenulleestaccompagnéed'uneautrehypothèsealternative.

Définition. S onla'ppelehypothèsealternativeeteleestreprésentéeparH1o
parHA, unll'hypothèsequiestacceptéesil'hypothèsenulleH0
soit rejetée. L'hypothèse alternative H1 c'est donc une supposition
contrairesàl'hypothèsenulle.

Parexemple,si'lestsupposéque oc'estunevaleurduparamètreinconnu

d'une population dont la distribution est supposée connue, alors elles sont
hypothèses nulles y alternatives respectivement les suivantes
affirmations

1) o: o , y H1: o

2) o : , y H1:
o o

3) o : , y H 1:
o o

Testd'unehypothèsestatistique

Pourprendredesdécisionsstatistiques,deuxhypothèsessontnécessaires:la
hypothèsenulleetl'hypothèsealternativeconcernantunparamètre .

Letestd'unehypothèsestatistiqueestunprocessusquinousconduità
lé'valuation de la décision da'ccepter ou de rejeter lh' ypothèse nule o, en H

contraposition de l'hypothèse alternative H1etenfonctiondesrésultats

d'unéchantillonaléatoiresélectionnédanslapopulationétudiée.

L'hypothèse nulle H oce'stlapremièrehypothèsequisepose,eteledoitêtre

établie de manière à spécifier une valeur odu paramètre en

étude. Pour cette raison, certains auteurs avancent l'hypothèse nulle
H O: 0 aunpourlescas2)et3)del'exempleprécédent.

L'acceptationd'unehypothèsesignifiequelesdonnéesdel'échantillonne
fournissent suffisamment de preuves pour la réfuter. Le rejet signifie
quelesdonnéesdelé' chantilonleréfutent.

Typesdetestsd'hypothèses.

Letypedetestdépendessentiellementdel'hypothèsealternative H1
On appelle test unilatéral tout test d'hypothèse où la
alternativa H1 Si l'alternative est bilatérale, le test se
est unilatéral.

dénommeuntestàdeuxqueues.

Le test d'hypothèse H O: 0 contraH1: 0 se dénomme épreuve

bilatéralouàdeuxqueues.

Le test d'hypothèse H O: 0 contreH1: 0 se dénomme preuve

unilatéraldudosàdroite.

Le test d'hypothèse H O: 0 contraH1: 0 se nomme épreuve

unilatéraldequeueàgauche.

ErreursdetypeIetdetypeII,etNiveaudesignification

Enprenantladécisiond'accepterouderejeterlh' ypothèsenulle H O: 0 en

basésurlesrésultatsobtenusd'unéchantillonaléatoiresélectionnéde
lapopulationenétude;ilyaquatresituationspossiblesquidéterminent
si la décision prise est correcte ou incorrecte, comme cela est montré dans la
tableau10-1.

Définition. SonappelleerreurdetypeIl'erreurcommiseenrejetant
unehypothèsenulleH0quandcelaestvraimentvrai.

Définition OnappelleerreurdetypeII,le' rreurquiseproduitenacceptant

unehypothèsenulleH0quandenréalitéc'estfaux.

LaprobabilitédecommettreuneerreurdetypeIestnoté[Link],

P[erreurdetypeI]=P[rejeterH quandH estvraie. 0 0

LaprobabilitédecommettreuneerreurdetypeIIestnotéepar .Alors,

P[erreurdetypeII]=P[accepterH0quandH0estfaux].

Tableau10-1
 Décision H Ovéritable H Ofaux

RejetteH O Erreurtype1 Bonnedécision

Probab. Probab:1-

AccepterH O Bonnedécision EreurdetypeI

Probab.1- Probab

Définition. On appelle niveau de signification d'un test de

hypothèsesurlaprobabilitédecommettreuneerreurdetypeI.

DéfinitionLa puissance d'un test est la probabilité de prendre la

décision acertée de rejeter H0quand ceci est faux ou d'accepter H1
quandcelaestvrai,lapuissanced'untestestcalculéepar1-

Leniveaudesignificationestgénéralementfixéàa=0,05ou
=0.01. Si pour une valeur donnée de la hypothèse H est rejetée , 0

alors on dit que les résultats d'échantilonnage obtenus ne sont pas seulement
différents par les effets du hasard, mais qu'ils sont vraiment

significativement différents au niveau x100%, ce'st-à-dire ; on sa'tend à

montrez100résultats xl00%desfois,celaserarejeté
hypothèsenulleH0quandc'estvraimentvrai.

Pourunéchantilonaléatoiredetailensélectionnédanslapopulationen
étude,siàaugmente,alors diminue,etsi augmente,alorsà
diminue. Bien sûr, dans tout processus de prise de décision sur
hypothèses statistiques, il est souhaitable de diminuer les probabilités de

commettrecesdeuxtypesd'[Link]èmeestlargementtraité
dansda' utrestextesdestatistique.

Régioncritiqueetrèglededécision

Aprèsavoirformulél'hypothèsenulleH0etsonalternativecorrespondante
Hlréférentsàunparamètre ,etspécifiélatailleàduniveaude
signification du test H0contre H1 , il faudra déterminer une
statistique correspondante auparamètre,dontladistributiondé'chantilonnageest
connaî[Link],sileshypothèsesH0yH1s'exprimententermesde
lamoyennepopulationnele alorsonsélectionneralamoyenned'échantilon X
commelastatistiqueappropriéepoureffectuerletest.

S'ilestsupposéquelh' ypothèsenulle H 0: 0 c'est vrai; alors, la

distributiondeprobabilitédelastatistique restebiendéfinipar
cette hypothèse, puisque cette hypothèse spécifie complètement la
distribution.

Dans la distribution de probabilité établie par l'hypothèse H O: 0 se

établitlarèglededécisionselonlaquelleilserarejetéoupar
Aucontraire,l'hypothèseHseraacceptée0 Le rejet de l'hypothèse nulle
H 0impliquel'acceptationdeH1 .

Larèglededécisionimpliquela:divisiondela;distributionéchantilonnaledu

statistique de lé' preuve en deux parties mutuellement exclusives : la

régionderejetourégioncritique(R.C.)deH0 , yl larégiond'acceptation
(R.A.) ou na' pas rejeté de H0 Cette division dépend de l'hypothèse
alternative H0 , du niveau de signification à et laisse la distribution du
statistique.

Parexemple,supposonsqu'onaitunepopulationnormaleN( ,9)con
2
variance connue =9etqu'ils'agitdetesteroudeprouverlh' ypothèse

nulaH o: =70contre H1: 70.

Éantdonnéque X c'estunbonestimateurde nousutiliseronscetestatistique

pour déterminer la région critique et la règle de décision de ce test.

Puisquenoussommesintéressésparladiscriminationentre H o: = 70 y

valeursde >70sembleraisonnablequenousdevionsrejeterH0oui X -70 es

très grand, cela est si X K,étantKunevaleurcritiquequenousallons
déterminer.

Sil'hypothèseestsupposéevraie alors,ladistributiondelamoyenne
X ce'stnormalavecundemi =70yécarttype =3.
Enconséquenceladistributionde

X 70
Z
3/n

N(0,1)estnormal.

Pour un échantillon aléatoire de taille n=40 et la probabilité d'erreur

typeI, =0,5ona(voirfigure10.1).

0.05=P[récuserH] quandH esveredera]

0 =P[ 0 X > =70]

X 70K 70 K 70
0,05 P PZ
3/40 3 / 40 0,474

DelatablenormaleN(0.1),onobtient:

K 70
0,645 ensuiteK=70+1.645x0.474=70.78
0,474

Parconséquent,larégioncritiquedanslaplagedevariationde X ce'stli'ntervale.

R.C. ]70.78, [.

Larèglededécisionest:si X ce'stlavaleurde X obtenuàpartird'une

échantilonaléatoiredetaile40,Hserarejeté0oui x >70.78.

Figure4.1Régioncritiqueàdroitedanslavariable X

Procéduredetestd'hypothèse

Au préalable, il faut formuler le problème statistique, déterminer la

variableenétudeetlaméthodestatistiqueappropriéepourlasolutiondu
problème. La procédure générale de test d'une hypothèse de
leparamètre0serésumeauxétapessuivantes:

1) Formuler l'hypothèse nulle H 0: 0et l'hypothèse alternative

adéquateH1: 0 Hó1: 0 H1: ó 0

2)Spécifierlatailleaduniveaudesignification.

3)Sélectionnerlastatistiqueappropriéeàutiliserdansletest.

4)Établirlarèglededécision,déterminantlarégioncritiquedela
essai.

5)Calculerlavaleurdelastatistiquedetestàpartirdesdonnéesde
él'chantilon.

6) Prendre la décision de rejeter l'hypothèse H0si la valeur de

lestatistiquedetestestdanslaré[Link],non
rejeterH0

[Link]'hypothèsesconcernantlamoyenne u:

Variance 2
supuestaconnue

Mer X lamoyenned'unéchantilonaléatoiredetailensélectionnée de
unepopulationavecunemoyenne etvariance 2
soit-disantconnue.

SilapopulationestnormaleN(u, 2/n),alors, la distribution de la

statistique X estexactementnormalN( , / n)
2
pour n'importe quel
valeurden(n 2).Silapopulationn'estpasnormale,maisle taille de
lé' chantilonestapproximativementnormalN( , / n )alors.
2

Lastatistiquepourletestconcernant avecvariance connueest

2
 X
Z
/n

dontladistributionestexacteouapproximativementnormalestandardN(0,1),
selonquelapopulationsoitnormaleounon.

Si l'hypothèse nulle est supposée vraie H

: o: , la statistique
o

spécifiéeparcettehypothèseestalors:

X o
Z
/n

1) Test bilatéralouàdeuxqueues

SicelaprouveH0 : ocontra:H1: 0 , donnéleniveaudesignification

,dansladistributiondeZ=(X 0 )/( / n),quiestnormaleN(0,1),se

déterminelavaleur z1 /2 tellequelaprobabilitéderejeterH0quandse

supposonsvraisoit(figure10.2)

PZ  z1 / 2 /2 o PZ z1/-2 / 2.

Enconséquence,larégioncritiquedanslaplagedevariationdeZest:

R.C. Z  z1 /2 o Z z- /2 / 2.

D'autrepart,laprobabilitéd'accepterH0lorsqu'elleestsupposéevraie
es:

P  z1 / 2 Z z1/-2 1 .

Résultantdelarégiond'acceptation:R.A.=  z1 / 2 Z z1/-2

 Figure4.2.Régioncritiquebilatéraleenéchelles zy x

LarèglededécisionestSi zk x 0  / /n  ce' stunevaleurdeZobtenuede

lapreuve,donc,serarejetéeH0conrisqueégalà ,si x eR.C.

(osi x R.A.).

Neserapasrejeté H 0encascontraire(figure10.2).

SiHestrejeté0onditquelavaleur z kc'estsignificatifavecunrisque
dontlavaleurest .

NOTA.(Régioncritiqueen X)

SiZestremplacépar(X 0)/  /n  enRCrésultelarégioncritiquedans

lechampdevariationde X:

R.C.= X unó X b

Où  z1   b  z1  
un 0
/2 /n , 0
/2 /n ,
Larégiond'acceptationestl'intervalledans X:

R.A.=[a<, <b). X

Larèglededécisionest:Si x ce'stlavaleurde X obtenuàpartird'une

échantilon aléatoire, sera rejeté H 0avec un risque , si x R.C. (o si
x [Link].).

OnnerejeterapasH0danslecascontraire(figure10.2).

2) Essai unilatéraldequeueàdroite

Silo' ntesteH0 : 0 contraH1: 0,étantdonnéleniveaudesignification

dansladistributiondeZ=(X-n0)/(a/Vñ)quiestnormaleMCU),se

déterminelavaleurz¡_ateleque(figure10.3),
 P Z z1 / H: ovéritable

Figur[Link]Régioncritiquedelaqueueàdroitesurlesécheleszet x

Enconséquence,larégioncritiquedanslaplagedevariationdeZest:

R.C. Z z1

Lazoned'acceptationest: [Link]. Z z1

Larèglededécisionest:Si zk  x o  / 
/ n , ce'stunevaleurdeZobtenue

Àpartird'unéchantilon,onrejeteraHosizk ztku l a R.A.

R.C. s 

OnnerejeterapasH0danslecascontraire(figure10.3)

Remarqu(Régi
e. oncritiqueen
X)

SionremplaceZ=( X- ) /
O  /n  résultelarégioncritiquedanslaplage

devariationde X:

R.C.={ >b1)X

oùb 0  z1
1 /n 
Larégiond'acceptationestl'intervalle:

[Link]. X b
1

Larèglededécisionest:étant x lavaleurde X obtenuàpartird'une

échantilon aléatoire de taile n, sera rejeté H 0avec un risque , si

x R.C. (o si x [Link]. ). On ne refusera pas H 0 en cas contraire (figure

10.3).
 Testunilatéraldequeueàgauche

Seteste H 0: 0,étantdonnéleniveaudesignification ,dansladistribution

deZ  X O  / 
/ n , on peut déterminer la valeur z1 talque(figure
10.4).

P Z  z1 / H: ovéritable

Enconséquence,larégioncritiquedanslaplagedevariationdeZes:

R.C. Z  z1

Régiond'acceptationest: P Z  z1 / H: ovéritable

Enconséquence,larégioncritiquedanslaplagedevariationdeZest:

R.C. Z  z1

Régiond'acceptationest:R.A.= Z  z1

Règle de décision : Sizk  x 0  / /n  ce' st une valeur de Z obtenue à

À partir du' n échantilon, il sera rejeté H Oavec un risque , si

x R.C. o sixR.A. .
Neserapasrejeté H 0sinon(figure10.4).

Figure4.4Régioncritiquedelaqueueàgauchesurlesécheleszet x

NOTE.(Régioncritiqueen X)

S'ilsesubstitue Z  X  /  enRConobtientlarégioncritiquedans
O
/n
lechampdevariationde X:
 RC X a1

Où, un1 o  z1

 /n 

Régiond'acceptation: RA X a1

Larèglededécisionest:Si x ce'stunevaleurde X obtenu à partir d'une

échantilonaléatoiredetailen,serarejeté H 0avecrisque oux

i R.C.

(osi x [Link].
).

Inleserapasrejeté H 0sinon(figure10.4).

EJEMMPLO4.1

Unprocessusdéterminéd'emballaged'unproduitestcontrôlé,sile
Lepoidsmoyenduproduitemballé[Link]échantilon
Une échantilonnage aléatoire de 100 paquets de produit a révélé que le poids

au niveau de signification de 5%. Supposer que le poids des

les produits emballés se distribuent normalement avec un écart type
normede20grammes.

SOLUTIONS.

Soit X la variable aléatoire définie comme le poids des colis de

produit.

OnsupposequeladistributiondeXestN  ,  20
2
.
1. Hypothèse H 0: 400 (leprocessusestcontrôlé).

H1: 400(leprocessusesthorsdecontrôle)
2. Niveau designification: 0,05
3. Statistique : Population normale avec variance connue, la statistique
fr
 X
Z
/n
SadistributionestnormaleN(0.1)

4. Région critique : Si l'hypothèse nulle est supposée vraieH 0pour

0,5 y l'alternative bilatérale, dans la distribution de

Z  X 400  /  20 / 100  ,setrouvelavaleurcritique:

z1 /2 z0,975 1,96
Ensuite,larégioncritiquedanslavariableZestdonnéepar:

RC Z 1 ,96 oz 1,96
Calculs :Desdonnées,ona:

n 100. x 395. 20
x 395  400
o
zk 2 ,5
/n 2
6. Décision :Puisque z k 2 ,5 [Link] H 0etconclure
avec un risque de 5%, que le processus d'emballage n'est pas
contrôlé.

[Link] X ,larégioncritiqueest:

R.C. X 400 1.96x2 oX 400 1,96 x 2

R.C. X 396,08 oX 403,92

Le fait que x 395 R.C.,doit être rejeté H 0et conclure par un

untauxde5%queleprocessusd'emballagen'estpascontrôlé.

NOTA.(Règlededécisiondansli'ntervalledeconfiance)
Letestbilatéraldel'hypothèsenulle H o: o contreH1: O Àun

niveau de signification donné , équivalent à calculer l'intervalle de

confiance(I.C.)de  1 x100%pourleparamètre etensuitelh' ypothèse

nuleH o: 0es-cteque 0 Je.C.

Eneffet,oui x ce'stunevaleurde X, neserapasrejeté H O: 0silavaleur.

z k [Link].
 z1 /2,z1 / 2
, où zk x o /  / n 
x 0
Oh,si  z1 /2 z1 /2

Ce's-tà-driec,ealneserapasreejét H o: O oui

x [Link]. O z1 /2 , o  z1 /2

n n

L'équivalentsi 0 setrouvedansl'intervalledeconfiance(I.C.)

 1 x 100%pour
supprimer :

o I.C. x z1 /2
, x z1 /2
n n

Parconséquenct,elaserarejeté H oavecrisque oui,

x R.A. o sje o Je.C.

Parexemple,dansl'exemple10.1pour 0,05 ona

Je.C. x z1 /2 , x z1 /2 [Link]

n n
 [Link]. u0 z1 /2 , o  z1 /2 [Link]
n n

Éantdonnéque
o  
400 Je.C. o quex 395 [Link]. il faut rejeter H Oavec un
risquede5%.

NOTA.-(MéthodedelaValeurPdansletest)

Uneautrefaçond'établirlarèglededécisionenstatistiqueappliquéeest
calculantlavaleurdeP,àpartirdelavaleurabsoluede zk x 0  / /n 
(quiestobtenuàpartirdeél'chantilon),desorteque:

a)P P Z zk P Z zk 2P Z zk (pourdeuxfiles)

b) P= Z zk (colaàdroite)
c) P= Z  zk (colleàgauche)

Silavaleurde P ,alors,celaserarejeté H OIlneserapasrejeté H O,en

casduvaleurP.

Dansl'exempled'hypothèseaveclepaquetstatistiqueMCEST,ilcontientle
méthodedelavaleurP.

Dansl'exemple4.1,lavaleurabsoluede z kestégalà2,5alors,

P 2P Z zk 2P Z 2,5 2 0,0062 0,0124

É
danotnnqéue P 0,0124 0,05 ,doitêtrerejeté H O,avecunarosage 0,05.

Observerque z kestsignificatifàunevaleurbeaucoupplusbasseque 0,05y

quecettevaleurde z kcelaneseproduiraquedans124cassur10000expériences.

Unerèglecritiquedetaile0,0124esttrèspetiteet,parconséquent,est
peuprobablequu' neerreurdetypeIsoitcommise.
EXEMPLE4.2.

Enétudiantsi'lestjudicieuxdo' uvrirounonunesuccursaledanslaviledeTarapato,

ladirectiond'ungrandmagasincommercialdeLimaétablitcequisuit
critère pour prendre une décision : Ouvrir la succursale seulement si le revenu
Lerevenufamilialmensueldanscetevilene' stpasinférieurà500$etne

l'ouvrir sinon. Si un échantillon aléatoire de 10 0 revenus

Leshabitantsdecetevileontdonnéunemoyennede480$.

a) 1. Hypothèse : H 0: 500 ó H 0 500 (lasuccursales'ouvre).

H1: 500(lasuccursaleneso'uvrepas)

2. Niveau designification: 0,05.

3. Statistique : Population non normale, n=100, 80, par théorème
lethéorèmecentralimitelastatistiqueappropriéeest:

X
Z
/n

DontladistributionestenvironnormaleN(0,1).

4. Région critique : Si l'hypothèse nulle est supposée vraieH 0pour

0,5 yll'alternative unilatérale colle à gauche, dans le

distribution de Z  X 500  /  80 / 100  , se trouve la valeur
critique.

z z0,05 1 ,645

Ensuite,larégioncritiquepourlavariableZest:RC= Z 1 .645

5. Calcul Del'échantillon,ona, x 480

 x 500 480  500
zk 2 .5.
80 / 100 8

6. Décision :Éanttdonnéquez k 2 ,5 R.C, nous devons rejeter H 0 y

conclureennepasouvrirlasuccursaledanslaviledeTarapoto.

b) La régioncritiquede H oes:

R.C. Z 1
 ,645 X 500 1,645x8 X 486,84

Letestprécédentdétecteunedifférenceégaleà30danslamoyennede
revenus inférieurs à ce qui est indiqué dans lh' ypothèse nulle si lo' n

rejetteH Oquand 470Alors.

486,84 470
PX 486,84 / 470 P Z PZ 2.11 0,9826
80 / 100

c) La la puissance du test est1: 1 0,0021 0,9979 où la

probabilité d'accepter H oquand est-ce vraiment 464erreur

typeII)est:

486,84 470
PX 486,84 / 740 P Z PZ 2.11 0,9826
80 / 100
PZ 2,86 0,0021

EXEMPLE4.3.(Tailedel'échantilon)

SupposonsqueXsoitunepopulationnormaleavecunemoyenne (inconnue) et
2
avec variance connue. Étant donné les probabilités y de commetre
type 1 et type II respectivement, déterminer la taillendelé'chantilon
requisepourtesterleshypothèsessimples.

H O: O contre H1: 1 où 1 o.

SOLUTION.

MerKlepointcritiquedanslavariable X ,delapreuveunilatéraledelaqueueàla
àgauchede H OcontraH1(figure4.5),alors,

Figure4.5:Tailedelé' chantilondansletestd'hypothèse.

P erreurtypeI P rejeterH 0/H0: 0 c'estvrai

X O K O K
PX K/ O P P Z O
/n /n /n

Oùcelarésulte(parêtre moinsde50%delasuperficietotaleet z  z1

K o
 z1 K o  z1 (1)
/n n

Delamêmemanière

P erreurtypeII P accepterHo/ H o: oce

'stfaux

P accepterH o/ H1: 1 c'estvrai

X 1 K 1 K
PX K/ 1 P P Z 1
/n /n /n

Do'ùcelarésulte-t-il.
 K 1
z1 K 1  z1 (2)
/n n

Résolvantpournlleséquations(1) y(2)résulte

n
z 1  z1  2 2

 0  2
1

NOTE.

Siletestunilatéralestdelaqueueàdroite,c'est-à-diresilo' nteste:

H o: contra H1:
o ,où
1 0 1

Lataillendelé' chantilonrequisestégalement:

z z
1 1  2 2
n
 0  12

Si le test est bilatéral, c'est-à-dire si lo' n teste : H 0: contre

o

H1: 1, 1, lataillendel'échantillonrequisest

z z
1 1  2 2
n
 0  12

EXEMPLE4.4

Ledirecteurdesventesd'uneentrepriseaffirmequesesvendeursvendent
enmoyennequotidiennement1500$.Concevezuntestpourcettehypothèsesi
on veut que le risque soit de 1,5 % de rejeter l'affirmation lorsque
réellement,c'estvraietlerisqued'accepterl'affirmationestde0,75%
quandenréalitéc'est1523$[Link]
queladistributiondesventesestnormaleavecunécarttype
de50$.
RÉSOLUTION.

Soientleshypothèses: H 0: 1500 y H1: 1523.

Si l'hypothèse nulle est supposée vraie H 0: 1500,alors la

X 1500
distributionde Z N(0,1)estnormal.
50 / n

Ensuite,pour
0,015 P ErreurdetypeJe ,danscettedistribution,ona:

0,015 P rejeterH0/ H0: 1500 ec'estvrai

K 1500
0,015 P X K/ 1500 PZ
50 / n

K 1500 2.17x50
Do'ùcelarésulte-ti:l 2 .17 K 1500 
50 / n n

Aussi,sil'hypothèsealternativeestsupposéevraie H1: 1523.

X 1500
Alors,ladistributionde Z N(0,1)estnormal.
50 / n

Ensuite,pour
0,0075 ErreurPtypeII ,danscettedistribution,ona:

0,0075 P accepterHo/ H1: 1523

K 1523
0,0075 P X K/ 1523 P Z
50 / n
 K 1523 243x50
2 ,43 K 1523  .
50 / n n

2.17x50 2,43x50
Ensuite:K=1500+ y de K 1523 - , onobtient:
n n

n 10, n 100

Aveclavaleurden=100,lecritiquedel'essaiK=[Link]

x ce'stunevaleurmoyennedelé'chantilonde casos,serejetterala n 100

hypothèsenulle H 0si x 1510,85 encascontraire,celanedoitpasêtrerejeté

H0

4.3. ÉPREUVES D'HYPOTHÈSES SUR LA MOYENNE :

VARIANCE 2
SUPPOSÉEINCONNUE.

A)Populationnonnormale.

Si la population n'a pas de distribution normale et si la variance est

inconnue,pourtesterdeshypothèsessurlamoyenne seuelments,iuli ,
taile de lé' chantilon il est grand n 30 , lis'est généraelmentusiélt al

statistique

X 0
z
/n

SadistributionestapproximativementN(0,1)l'écarttype

ilestestiméponctuelementpar s
 Ensuite, les régions critiques des tests de H 0: il est
0

mêmes(environ)delasection10.2.

B)Populationnormale.

SilapopulationaunedistributionnormaleN  , 2
 ,où y fils
2

paramètres inconnus, pour n 2. la statistique de l'épreuve

àproposdelamoyenne es:
X
T
S/ n
Dontladistributionestt-Studentavecn-1degrésdeliberté.

Sil'hypothèsenulleestsupposéevraie: H 0: 0 , lastatistique
spécifiéeparcettehypothèse,estalors,maintenant:

X 0
T
S/ n
1)Testbilatéralouàdeuxqueues.

Si le test H o: ocontre H1: ,

o donné le niveau de

signification dansladistributiondeT=  X 0  / s/ n t  n 1  , se

déterminez les valeurs t1 /2n1 , telles que la probabilité de

rejeterH0quandelleestsupposéevraie(figure10.6)

P /2o P /2
T 1 /2,n1 T 1 /2,n1

Ensuite,larégiond'acceptationestl'intervalle.

[Link].
 t1 /2,n1 T t1 /2,n1

Règlededécision:Eleserarefusée H oavecrisque , sitk R.C. (0,si

tk R.A.

Cealneserapasreejét H 0sinon.

Figure4.6Régioncritiquebilatéraleàlé' chellety x

2) Essai Unilatéraldelaqueueàdroite:

Si ceal est prouvé H 0: 0 contreH1 , donné le niveau de

0

signification en ladistributionde T  X 0  / s/ n t  n 1  , se

déterminelavaleur t1 ,n1 telque:(figure10.7)

PT t1 / H O:
,n1 0vraie
 Ensuite,larégioncritiquedanslaplagedevariationdeTest:

RC
T t1 ,n1

Larégiond'acceptationestl'intervalle:
RA T t1 ,n1

Figure4.7RégionCritiquequeueàdroitesurleséchellestet x

Règlededécision:S etserarejeté H Osinon.

3) Test unilatéraldelaqueueàgauche.

Sciealesptrouvé H O: 0, donnéleniveaudesignification dansla

distributionde T  X 0  / s/ n t  n 1  sedéterminelavaleur

t1 ,n1 , telque

P T t 1 .n1 / H 0: O vraie

Ensuite,larégioncritiquedanslaplagedevariationdeTest:

RC
T t 1 ,n1
Larégiond'acceptationestl'intervalle:

RA T t 1 ,n1

Figure4.8Régioncritiquequeueàgauchesurleséchellestet x
 Règlededécision:Hserarejeté0outi k R.C. (ositk [Link].). Non
Hserarejeté0sinon(figure10.8).

EXEMPLE4.5.

Lesboîtesd'uncertaintypedecéréalestransforméesparuneusinedoiventavoir

[Link]èsdudéfenseurde
consommateur de ces types de boîtes de céréales ont moins de contenu, un
Li'nspecteur a prélevé un échantilon aléatoire de 10 boîtes et a trouvé les

succeedspoidsdecéréalesengrammes:

157,157,163,158,161,159,162,159,158,156

Est-ilraisonnablequeiln' specteurinfligeuneamendeaufabricant?Util ce'stunniveaude

signification du 5 % et supposons que les contenus ont une distribution

normal.

SOLUCIÓN.

Soit X la variable aléatoire qui représente les poids des caisses de

céréales. On suppose que la distribution X est normale avec une moyenne y
2
variance inconnues.

1) Hypothèse:H 0: 160(Pasdeamendeaufabricant)

H1: 160(Amendeaufabricant)

2) Niveau designification 0,05

3) Statistique: Populationnormale,avecvarianceinconnueetn=10si
H 0: 160c'estvrai,lastatistiqueest
 X 160
T
S/ n
Quisedistribueselonunet-Studentavec9degrésdeliberté.

4) Région critique :Avec le niveau de signification 0,05 etpourune

test d'hypothèse unilatérale à gauche, dans le tableau de
lesprobabilitésdet-Studentsetrouvent:0.95.9 1.833.

Parconséquent,larégioncritiqueest RC T 1 ,833

5) Calculs :Desdonnéesdelé' chantilon,onobtient:

n=10,x 159,s 2,309erreurstandard s/ n 0.73

x 160 159  160

tk 1 .37
s/ n 0,73

6)Décision:Étantdonnéquetk 1,37 [Link] H Oetconclure

quelamoyennedesrevenusbihebdomadairesn'apasvarié.

[Link]'hypothèsessurunevariance.

MerX 1 ,X2 ...X nun échantillon aléatoire de taille n, sélectionné d'un

populationnormaleavecmoyenne etvariance 2,paramètresinconnus,

etsoitlavariancedé'chantilon.
 n
 XjeX  2
S je 1
n 1

Alors,lavariablealéatoire,

X
 n 1 S
2

Il a une distribution chi-deux avec n-1 degrés de liberté. Ceci

Lastatistiqueestutiliséepourtesterdeshypothèsesconcernantunevariance.

Sil'hypothèsenulleestsupposéevraie H 0: 2 2
0, lastatistiqueest:

2
 n 1 S
X 2
x 2  n 1 
0

Savaleur xk
 n 1 S
cequirésultedelé' chantilonaléatoire,estutilisépour
2
0

latestdeHo ,contreunealternativeunilatéraleoubilatérale.

1) Test bilatéralouàdeuxqueues.

Si cela est testé H 0: 2 2

0 , contre H1: 2 2
0 , donné un niveau de

signification ,dansladistribution 2
 n 1  ondéterminelesvaleurs
2
/2,n1 telle que la probabilité de rejeter l'hypothèse nulle HO

quandc'estvraimentvraiestégalà:

PX 2
, N 1

Ensuite,larégioncritiqueest= R.C. X 2
,n1
 2
Figure4.11.Régioncritiquepourletestde H 0: 2
0, contra
2 2
H 1: 0 ,

Règle de décision : rejeterH 0oux

i k R.C. oh oui xk [Link]. =

X 2
,n1

Nepasrefuser H 0danslecascontraire.

EXEMPLE4.7.

Dans un processus de fabrication, l'hypothèse est posée que la

l'écarttypedeslongueursd'uncertaintypedevisest
2,0 mm. Dans un échantillon de dix vis choisies au hasard du
dansleprocessusdeproduction,leslongueurssuivantesontététrouvées
enmilimètres:

71,66,64,69,67,70,68,65,69.

Avec ces données, la supposition que l'écart est justifié ?

lanormevraieestde2,00mm?

Utilisez le niveau de signification 0,05, y suppose que la

ladistributiondeslongueursestnormale.

SOLUTIONS

2
Hypothèse H
:0 : 4 contraH1: 2
4

2. Niveau designification: 0,05

3. Statistique Población normale, avec n=10 y supposant
vraiel'hypothèse
H0 : 2
4,lastatistique.
 X
 n 1  S 2
4
Sedistribuecommeunchi-carréavec9degrésdeliberté.

4. Règle critique : Pour 0,05 etpouruncontrastebilatéral,dansla

table chi– dans le carré se trouvent les valeurs suivantes
critics

2
/ H,n1 2
0.025.9 2,70

2
1 /2,n1
2
0.975.9 19.02

Ensuite,larégioncritiqueest: R.C. X 2,70 o X 19.02

5. Calculs :Desdonnéesdeél'chantilon,ilsa'vèreque s 2 6,77alors,

xk
 n 1  S 29 S 2 9 6,77 
15,23
4 4 4

6. Décision :Commenxt k 15,23 R.C. ne doit pas être rejeté H 0 y

nousconcluonsquelavariancedelapopulationestégaleà4g2

4.5. TESTS D'HYPOTHÈSES SUR LE RATIO DE DEUX

VARIANCES.
Sean S12 y S 22 lesvariancesdedeuxéchantillonsaléatoiresindépendantsde

tailles respectives n1yn2, escogées de deux populations normales avec

2
varianzasrespectives 1 y 2
[Link],lastatistique,

2
2
S 1/ 1
F 2
2
S 2/ 2

Il a une distribution de probabilité F avec des degrés de liberté r n 1 1 1 y

r2 n2 1 . C'est, F-F r1, r2 . cette statistique est utilisée pour tester
égalitédesvariances.

2 2
Si l'hypothèse nulle est supposée vraie H O: 2
1
2
2 ó 1 / 2 1la
lastatistiquedutestest:

S12
F  F r 1 , r2
2
S 2

S12
Savaleur fk
S 22

Cequirésultededeuxéchantilonsaléatoiresestutilisépourtesterlh' ypothèse.

nulH 0querésultededeuxéchantilonsaléatoires,estutilisépourtesterla

hypothèsenulle H 0contretoutealternativeunilatéraleoubilatérale.

ObserverquepourobtenirlastatistiqueF,ilne'stpasnécessairedesupposerque
lesdeuxpopulationsaientunemoyenneégale.
 2
1)Test [Link]é H 0 : 2
1
2
2 contreH1: 2
1 2 , donné

un niveau de signification , dans la distribution de F r 1,r2  se

trouventlesvaleurs f /2,r1 r2 y f1 /2,r1 r2 tellesquelaprobabilitéde

rejeterH 0quandelleestvraimentvraieestégaleà(figure10.12).

PF f /2,r1 r2 / 2 oP F f1 /2,r1 r2

La règle de décision est rejetée H 0oui f k R.C. o oui

f k R.A. f /2,r1 r2 , f1 /2,r1 r2 .Nepasrefuser H 0encascontraire.

2 2
[Link] H 0 : H0 : 1 2 contrat H1
2 2
: 1 2

2 2
TestUnilatéralcôté[Link] H 0 : 1 2contre H1 :

F r 1 ,r2 
2 2
1 2 ,étantdonnéleniveaudesignification ,dansladistribution

on détermine la valeur f , r1 r2 telle que la probabilité de rejeter H0

quandeleestvraimentvraie,celaéquivautà:

PF f ,r1,r2

Ensuite,larégioncritiqueest:R.C.= F f ,r1r 2 .

Larèglededécisionest:Rejeter ,si f k [Link]

f k R.A. F f ,rr12 Nepasrefuser H 0danslecascontraire.

EXEMPLE4.8.
Une entreprise conçoit un nouveau processus de modèle pour réduire la

variabilité du diamètre des pièces produites. On pense que la

la variance du nouveau processus est inférieure à la variance du processus

ancien. Pour un échantillon de 8 pièces du processus ancien et une

Un échantilon de 6 pièces du nouveau processus a donné les résultats suivants

diamètresenmilimètres:

Antiguo:17,23,21,18,22,20,21,19
Nouveau:13,16,14,12,15,14.

Ces données confirment-elles la variance des diamètres avec le nouveau ?

leprocessusest-ilinférieurauprocessusancien?

Supposezdespopulationsnormalesetutilsez 0,05

SOLUTIONS:

Sean X 1yX2 lesvariablesquireprésententlesdiamètresdespièces

[Link]
sedistribuentnormalementavecdesvariancesrespectivesinconnues
2
1 y 22

Hypothèse:H0: 2
1
2
2 contraH1: 2
1
2
2

[Link]: 0,05
[Link]: Poblations normales. En supposant que c'est vrai la
hypothèsenulle 0,pour H n1 8yn2 6,lastatistiquedutestest:

S12
F
S 22
QuisedistribuecommeF(7,5).
 Région critique. Pour 0,05 et le test unilatéral de queue à la
droite,dansladistributiondeF(7,5)larégioncritiqueest:
R.C. F 4,88
[Link].Àpartirdesdonnéesdelé'chantilon,onobtient:

S12 4,125S 22 2 y fk S12 / S 22 4.125/ 2 2,0625

6.Décision commenft k 2,065 [Link]êtrerejeté H oetconclureque les

lesdeuxvariancessontégales.

[Link]'hypothèseconcernantdeuxmoyennes

[Link]'hypothèsesurdeuxmoyennes:

2 2
Varianzas 1 2 supposées
y connues.

SeanX 1yX 2l les moyennes de deux échantilons aléatoires indépendants de

tailles n1ysélectionnées
n2 respectivement de deux populations
2 2
indépendants, avec des colants 1 y 2 y variances 1 y 2 respectives
supposéesconnues.

Si les deux populations sont normales, alors, les statistiques X 1yX 2

ont respectivement des distributions normales N  ,

1 21 
/ n1 y N
2
 , / n2
2
2 
pré n1 2, y n 2 2. ensuite, la statistique X 1yX 2il a une distribution

exactementnormal 
N 1 2 , 2
2 / n2 .
Silesdeuxpopulationsnesontpasnormalesmais n1 yn 2 sont suffisamment

grandes  n1 30 yn 2 30  alors X 1yX 2 il a une distribution

approximativementnormal
N 1  2, 2
1 / n1 / n2
2
2 .
Puis,selonquelesdeuxpopulationssontnormalesounon,lastatistique.
 X1 X2  1  2 
Z .
2 2
1 / n1 2 / n2

IlaunedistributionexactementouàpeuprèsnormaleN(0,1).

Si nous supposons que lh' ypothèse nule est vraie H 0: 2 o 1  2 0la

lastatistiqueest:

X1 X2
Z .  N  0,1
2 2
1 / n1 2 / n2

x 1 x 2
Savaleur zk . querésultededeuxéchantilons,estutilisépour
2 2
1 / n1 2 / n2

tester

H 0contre n'importe laquelle des hypothèses alternatives H1: 1 1 o

H 1: 1 1 ó H1: 1 2.

Lastructuredel'épreuveestsimilaireauxcasdécritsdanslasection
10.2utilisantladistributiondeZ.

1) Test bilatéralouàdeuxqueues.
Si ça se prouve H 0: 1 2 contre H1: 1 2. l une région critique dans la
lavariationdeZest,

R.C. Z z1 /2 o Z 1- /2

2) Essai unilatéraldequeueàdroite.

Siceal estprouvé H 0: 1 2 contre H1: 1 l une région critique dans les

2.

valeursdeZest:

R.C. Z z1
 3)Testunilatéraldequeueàgauche.

S'il se teste H 0: 1 2 contre H1: 1 l une région critique dans les

2.

lesvaleursdeZson:t

R.C. Z  z1

Exemple:4.9.

UnfabricantsouhaiteacheterdeuxmarquesdemachinesAetBpourfabriquer
un type d'article. Observe deux échantillons aléatoires de 60 articles
traités par A et B respectivement et trouve que les moyennes
respectivementsont1,230et1,190secondes.

Supposer 1 120 y2 90 secondes.

a) Niveau designificacióndu5%peut-onendéduirequelamachineBest
plusrapidequelamachineA?
b)Auniveaudesignificationde5%.Peut-oninférerquelamoyennedeB
estinférieuràlamoyennedeAenmoinsde7secondes?

c) De combien devraient augmenter les tailles des échantillons de

chaqueprocessuspourqueladifférenceobservéede40secondesdansles
les temps moyens d'échantilon de A moins B soient significatifs à
niveau 1%?

SOLUTIONS

Sean X1 y X 2 les temps de traitement avec les machines A et B

respectivementet u1yu2 sesmédiasrespectifs.

Les distributions de probabilités de sont inconnues X 1yX 2 mais les

leséchantilonssontgrands.

a).[Link]èse: H 0: 1 2contre H1: 1 2

[Link]: 0,05
{{page37-translation-1}} {{page37-translation-2}} {{page37-translation-3}}
{{page37-translation-4}}

{{page37-translation-5}} {{page37-translation-6}}  { { p a g e 3 7 - t r a n s l a t i o n - 7 } } { { p a g e 3 7 - t r a n s l a t i o n - 8 } }
{{page37-translation-9}}
  
{{page37-translation-10} } 
{{page37-translation-11}}
{{page3ao7 / {{page37-translation-12}}
{{page37-translation-15}}
rnita-sl1-4}} / {{page37-translation-16}}
{{page37-translation-13}}
{{page37-translation-17}}

{{page37-translation-18}}

{{page37-translation-19}} {{page37-translation-21}}
{{page37-translation-20}}
{{page37-translation-22}} {{page37-translation-23}}{{page37-translation-24}} {{page37-translation-25}}{ { p a g e 3 7 - t r a n s l a t i o n - 2 6 } } {{page37-translation-27}}
{{page37-translation-28}}

{{page37-translation-29}}.{{page37-translation-30}}.
{{page37-translation-31}} {{page37-translation-32}}

{{page37-translation-33}}

{{page37-translation-34}}
{{page37-translation-40}} {{page37-translation-37}}
{{page37-translation-41}} {{page37-translation-42}}
{{page37-translation-35}} {{page37-translation-36}}
{{page37-translation-45}} {{page37-translation-39}}
{{page37-translation-46}}
{{page37-translation-38}}
{{page37-translation-43}} {{page37-translation-44}}
{{page37-translation-47}} {{page37-translation-48}}

{{page37-translation-49}}  {{page37-translation-51}}{{page37-translation-52}} {{page37-translation-53}}{ { p a g e 3 7 - t r a n s l a t i o n - 5 4 } }  {{page37-translation-55}}

{{page37-translation-56}}{{page37-translation-50}}
{{page37-translation-58}}
{{page37-translation-57}}
{{page37-translation-59}}
{{page37-translation-60}}

{{page37-translation-61}} { { p a g e 3 {{page37-translation-65}}.{{page37-translation-66}}.
7 - t r a {{page37-translation-64}}
n s l a t i o n - 6 2 } } {{page37-translation-63}}

{{page37-translation-67}}

 {{page37-translation-69}}
{{page37-translation-68}} {{page37-translation-72}} 
{{page37-translation-75}}
{{page37-translation-73}}
{{page37-translation-78}} :{{page37-translation-74}}
: {{page37-translation-77}}
{{page37-translation-79}}
{{page37-translation-70}} {{page37-translation-71}}
{{page37-translation-76}}

{{page37-translation-80}} {{page37-translation-81}} {{page37-translation-82}} {{page37-translation-83}}


{{page37-translation-84}}
{{page37-translation-93}}
  {{page37-translation-88}}
  {{page37-translation-85}}  { { p a g e 3 7 - t r a n s l a t i o n - 8 6 } } { { p a g e 3 7 - t r a n s l a t i o n - 8 7 } }
 {{page37-translation-95}}
{{page37-translation-96}}
  
{{page37-translation-97} } 
{{page37-translation-98}}
{{page3ao7
rnita-sl8-9}}
{{page37-translation-94}}
/ {{page37-translation-99}}
{{page37-translation-90}}
/ {{page37-translation-91}} {{page37-translation-100}}
{{page37-translation-92}}

{{page37-translation-101}} {{page37-translation-102}} {{page37-translation-103}}

{{page37-translation-104}}
 R.C. {{page38-translation-3}} {{page38-translation-4}}

 
 { { p a {{page38-translation-10}}{
g e 3 8 - t r a n s l a t i o n - 9 {{page38-translation-7}}
{{page38-translation-5}}
{{page38-translation-14}}{{page38-translation-6}}
} } { p a g e 3 8 - t r a n s l a t i{{page38-translation-8}}
{{page38-translation-16}}
o n - 1 1 } }  {{page38-translation-12}}  { { p a g e 3 8 - t r a n s l a t i o n - 1 3 } }
{{page38-translation-15}}
{{page38-translation-17}}
{{page38-translation-18}}

{{page38-translation-19}} {{page38-translation-20}} {{page38-translation-21}} {{page38-translation-22}} {{page38-translation-23}} {{page38-translation-24}} {{page38-translation-25}} {{page38-translation-26}} {{page38-translation-27}}

{{page38-translation-28}}
{{page38-translation-29}}

{{page38-translation-30}}
{{page38-translation-31}}

{{page38-translation-32}} {{page38-translation-33}} {{page38-translation-34}} {{page38-translation-35}}

{{page38-translation-36}}{{page38-translation-37}}  {{page38-translation-38}}{{page38-translation-39}} {{page38-translation-40}}{ { p a g e 3 8 - t r a n s l a t i o n - 4 1 } }  {{page38-translation-42}} {{page38-translation-43}}

{{page38-translation-44}}

{{page38-translation-45}}
{{page38-translation-46}}
{{page38-translation-48}}
{{page38-translation-47}} {{page38-translation-49}}
{{page38-translation-50}}{{page38-translation-51}}  {{page38-translation-52}}{{page38-translation-53}}
{{page38-translation-54}}

{{page38-translation-57}}
{{page38-translation-55}}
{{page38-translation-56}}
{{page38-translation-58}}

{{page38-translation-59}}{{page38-translation-60}} {{page38-translation-61}}{{page38-translation-62}} {{page38-translation-63}}

{{page38-translation-64}} {{page38-translation-66}}
{{page38-translation-65}} {{page38-translation-67}}

{{page38-translation-68}}
{{page38-translation-69}}

{{page38-translation-70}} {{page38-translation-71}} {{page38-translation-72}}

{{page38-translation-73}}
{{page38-translation-79}} {{page38-translation-76}}
{{page38-translation-74}}
{{page38-translation-77}}
{{page38-translation-75}}
{{page38-translation-78}}

{{page38-translation-80}}
{{page38-translation-81}}
6.2 Tests d'hypothèses concernant deux moyennes : Variances af et
supposéesinconnues

A)Populationsnonnormales

Si les deux échantilons aléatoires indépendants de tailes n1y n2se

sélectionnésrespectivementdedeuxpopulationsdontlesdistributionssont
2
pas normaux avec des variances 2
1 y 2 supposées inconnues, alors,
tant que les tailles des échantillons sont grandes; n1 30 y n2 30

lesparamètres 1 y 2 seestimentrespectivementpar s1ys2 .

Pour tester l'hypothèse nulle H0 : 1  2=0 contre une alternative

bilatéralouunilatéral,onutiliselastatistique:

Z
 X 1 X  
2  1  
2

s12 / n1 s22 / n2

QuiestdistribuéenvironnormalementN(0.1).

Les régions critiques et les règles de décision pour les tests de la

1  0 ) contre une alternative
hypothèse nulle H0 : 2=0 (ó H o =d 1 2

unilatéraloubilatéralsontlesmêmesquelaméthodeavecdesvariancesconnues.

B)Populationsnormales

Sean X 1y X 2, les moyennes et S12yS22 les variances de deux échantilons

aleatoires independants de tailles n1 y n 2respectivement

sélectionnéesdedeuxpopulationsnormalesavecdesmoyennes u1 y u 2 variances
2 2
1 y 2 inconnues.

B1)Variancesinconnuessupposéeségales: 2 2 2
1 2
Si les populations sont normales, indépendantes et avec des variances
inconnuessupposéeségales,alors,lastatistique

T
 X 1 X   2  1 2 
sc2sc2

n1n2

aunedistributiontdeStudentavecn1+n2-2degrésdeliberté,où
lavariancecommune:

 n1 1   S12  n1 1  S 22

sc2
n1 n2 2

ce' stunestimateursansbiaisdelavariancecommune 2 .

Si1ahypothèsenulleH0 : 1 2 c'estvrai,alors,lastatistique

X 1 X 2
T
sc2sc2

n1n2

Savaleur

x1 x2
tk
 n1 1  S12  n2 1  S 22 1 1

n1 n2 2 n1n2

querésultededeuxéchantilonsaléatoires,estutilisépourtesterH0contre
unealternativeunilatéraleoubilatérale.

Lastructuredel'épreuveestsimilaireauxcasdécritsdanslasection
10.3,utilisantladistributiondet.

1)Testbilatéralouàdeuxqueues

Si lo' n teste H0 : 1 2 contre H1 : 1 2 , l une région critique est le

intervalle:
 R.C. {{page41-translation-3}}
{{page41-translation-6}}
{{page41-translation-9}} { {page41-translation-4}}
{{page41-translation-10}}
{{page41-translation-14}} {{page41-translation-7}}
{{page41-translation-11}} {{page41-translation-5}}
 {{page41-translation-12}}
{{page41-translation-15}} {{page41-translation-16}} {{page41-translation-8}}
{{page41-translation-13}}
{{page41-translation-17}}  { {page41-translation-18}}

{{page41-translation-19}}

{{page41-translation-20}} { {{{page41-translation-23}}
{{page41-translation-27}}
{{page41-translation-28}} :
p a g e 4 1 - t r a n{{page41-translation-29}}
s l a t i o n{{page41-translation-31}}
- 2 1 } }{{page41-translation-24}}, {{page41-translation-30}} :
{{page41-translation-25}}{{page41-translation-26}}
{{page41-translation-22}}

{{page41-translation-32}}.{{page41-translation-33}}.
{{page41-translation-34}} { {page41-translation-35}}
,{{page41-translation-37}}{{page41-translation-38}} {{page41-translation-36}}
 {{page41-translation-39}}{{page41-translation-40}}  { {page41-translation-41}}

{{page41-translation-42}}

{{page41-translation-43}}
{{page41-translation-52}}
{{page41-translation-49}}
{{page41-translation-44}} {{page41-translation-46}}
{{page41-translation-50}}
{{page41-translation-45}}
{{page41-translation-47}} {{page41-translation-51}} :
{{page41-translation-48}}

{{page41-translation-53}}

{{page41-translation-54}}.{{page41-translation-55}}.
{{page41-translation-56}} { {page41-translation-57}}
,{{page41-translation-59}}{{page41-translation-60}} {{page41-translation-58}}
 {{page41-translation-61}}{{page41-translation-62}}  { {page41-translation-63}}

{{page41-translation-66}} {pageo4airn16ts-l8}
{{page41-translation-64}} {{page41-translation-65}} {pageo4airn16ts-l7}

{{page41-translation-69}}
{{page41-translation-70}}

   {{page41-translation-75}}
{{page41-translation-71}}

{{page41-translation-77}}

{ { p a g e 4 1 - t r a n s l a t i{{page41-translation-72}}
on-76}}  {{page41-translation-73}}{{page41-translation-74}}
{{page41-translation-78}}{{page41-translation-79}}{{page41-translation-80}} / {{page41-translation-81}}{{page41-translation-82}}  {{page41-translation-83}} {{page41arnt-oaislnt8-4}}{{page41-translation-85}} / {{page41-translation-86}}{{page41-translation-87}}

{{page41-translation-88}}

{{page41-translation-89}}
{{page41-translation-90}}{{page41-translation-91}}{{page41-translation-92}} / {{page41-translation-93}}{{page41-translation-94}}  {{page41-translation-95}} {{page41arnt-oaislnt9-6}}{{page41-translation-97}} / {{page41-translation-98}}{{page41-translation-99}}
{{page41-translation-100}}
{{page41-translation-101}}
{{page41-translation-102}} {{page41-translation-105}}
{{page41-translation-103}}
{{page41-translation-108}} {{page41-translation-110}}
/ {{page41-translation-106}}
/ {{page41-translation-111}}
 {{page41-translation-104}} {{page41arnt-oaislnt1-09}} {{page41-translation-107}} {{page41-translation-112}}
{{page41-translation-113}}
{{page41-translation-116}}
{{page41-translation-114}}  { {page41-translation-115}}
{{page41-translation-117}}  { {page41-translation-118}}

{{page41-translation-119}}

{{page41-translation-120}} {{page41-translation-121}}
{{page41-translation-122}}{{page41-translation-123}}
{{page41-translation-125}}
{{page41-translation-124}}

{{page41-translation-126}} {{page41-translation-127}}  { { p a g e 4 1 - t r a n s l a t i o n - 1 2 8 } } { { p a g e 4 1 - t r a n s l a t i o n - 1 2 9 } }
 { { {{page41-translation-142}}
{{page41-translation-140}} p a g e 4 1 - t r a n s l a t i o n - 1 4 1 } }
{{page41-translation-130}} {{page41arnt-oaislnt1-31}}{{page41-translation-132}} / {{page41-translation-133}}{{page41-translation-134}}  {{page41-translation-135}} {{page41arnt-oaislnt1-36}}{{page41-translation-137}} / {{page41-translation-138}}{{page41-translation-139}}
Savaleurt k 2 2
S12/ n1 S 22/ n2

n1 1 n 2 1

(2)