Chapitre 4

Tests d’hypothèses
paramétriques

Cours Statistique
Inférentielle 1
Plan

1. Introduction
2. Définitions des concepts fondamentaux
3. Tests d’hypothèses sur une moyenne
4. Tests d’hypothèses sur une proportion
5. Tests d’hypothèses sur une variance

Cours Statistiques 2
Plan

1. Introduction
2. Définitions des concepts fondamentaux
3. Tests d’hypothèses sur une moyenne
4. Tests d’hypothèses sur une proportion
5. Tests d’hypothèses sur une variance

Cours Statistiques 3
Introduction : liens avec l’estimation

Quelle est la différence entre une estimation

paramétrique et un test d’hypothèses
paramétriques ?
Estimation paramétrique : Ici on suppose inconnu
le paramètre de la population et on cherche à
l’estimer au moyen d’une statistique définie à
partir d’un échantillon aléatoire.

Test d’hypothèses paramétriques : Ici on suppose

au départ que l’on a une certaine connaissance de
la valeur du paramètre et on essaie d’en vérifier la
véracité. Cette valeur constitue l’hypothèse de
base. Cours Statistiques 4
Introduction : Définition générale

Définition générale d’un test

d’hypothèse
Il s'agit d'une méthode statistique permettant
de vérifier, entre autres, la valeur d'un
paramètre, la forme d'une distribution, etc.
Pour cela, les hypothèses décrivant la
situation doivent être formulées et un test
statistique est ensuite exécuté.

Cours Statistiques 5
Introduction : Exemple

Le directeur d’un institut universitaire ayant mis

en place des tests de sélection à l’entrée prétend
que la moyenne obtenue par les candidats est de
72%. Dit-il vrai ?
Pour vérifier le fondement de cette affirmation,
on doit tout d’abord construire une hypothèse
dans laquelle on suppose que la moyenne du test
est de 72% (μ = 72%). Ensuite, on prélève un
échantillon de n étudiants qui ont passé le test
de sélection et on calcule la moyenne obtenue
par ces derniers. Enfin, on compare la moyenne
calculée dans cet échantillon avec la moyenne
donnée (dans la population)
Cours Statistiques
par le directeur. 6
Plan

1. Introduction
2. Définitions et concepts fondamentaux
3. Tests d’hypothèses sur une moyenne
4. Tests d’hypothèses sur une proportion
5. Tests d’hypothèses sur une variance

Cours Statistiques 7
 Définitions et concepts fondamentaux

Définition 1
Une hypothèse statistique est une affirmation
(ou un énoncé) concernant les
caractéristiques d’une population (ex. valeurs
des paramètres, forme de la distribution, …).
Définition 2
Un test d’hypothèses est une démarche qui, à
partir d’un échantillon aléatoire de taille n tiré
dans la population, permet de faire un choix
entre 2 hypothèses statistiques.
Cours Statistiques 8
 Définitions et concepts fondamentaux

Définition 3
Une hypothèse statistique est une affirmation
concernant :
1. La valeur d’un paramètre (moyenne,
proportion, variance, …)
2. L’égalité des paramètres de deux
distributions (deux moyennes, deux
variances, …)
3. La forme de la distribution
 Dans les deux premiers cas, on a une
hypothèse paramétrique.
Cours Statistiques 9
Définitions et concepts fondamentaux

Définition 4
Un test implique deux types d’hypothèses :
– L’hypothèse nulle (H0) : c’est l’hypothèse
que l’on ne devrait pas rejeter à moins
d’avoir suffisamment d’évidence contre elle.
– L’hypothèse alternative (H1) : c’est
l’hypothèse qui sera acceptée si H0 est
rejetée.

Cours Statistiques 10
Définitions et concepts fondamentaux

Définition 5

Cours Statistiques 11
 Définitions et concepts fondamentaux

Définition 6
Une hypothèse peut être :
– Simple : si dans l’hypothèse on attribut une
valeur précise pour le paramètre de la
population.
• Exemples : H0 : μ = 30, H1 : μ = 15, etc.

– Composée : si dans l’hypothèse le paramètre

de la population est spécifié par un intervalle
de valeurs.
• Exemples : H0 : μ > 30, H1 : μ ≠ 15, etc.

Cours Statistiques 12
 Définitions et concepts fondamentaux

Exemple 1 de formulation d’hypothèses

La laiterie ABC a une machine qui remplit en moyenne 15

litres de lait à la minute. Un vendeur de machinerie prétend
qu’il possède une machine bien meilleure que celle de la
laiterie ABC. Pour vérifier l'affirmation du vendeur, on peut
construire un test d’hypothèses. Formulez l’hypothèse nulle
Ho et l’hypothèse alternative H1 pour ce test d’hypothèses.

Réponse :
X = une v.a. exprimant le nombre de litres de lait remplis
pendant une minute.
μ = la moyenne de la variable X. Le test porte sur cette
moyenne.

Cours Statistiques 13
Définitions et concepts fondamentaux

Exemple 1 de formulation d’hypothèses …

On pose comme hypothèse nulle :
H0 : « le nombre moyen de litres de lait versé en une
minute par la machine du vendeur est égale à 15 » et on
note Ho : μ = 15.
On pose comme hypothèse alternative :
H1 : « le nombre moyen de litres de lait versé en une
minute par la machine du vendeur est supérieur à 15 » et
on note H1 : μ > 15.
La suite de ce test consiste, en gros, à prélever un
échantillon, à calculer la moyenne de cet échantillon et à
décider si cette moyenne est suffisamment supérieure à 15
pour rejeté H0 ou très proche de 15 pour accepter H0.
Cours Statistiques 14
Définitions et concepts fondamentaux

Exemple 2 de formulation d’hypothèses

La laiterie ABC veut vérifier si sa machine à remplir les
contenants de lait fonctionne correctement, c’est-à-dire
si elle met bien en moyenne 1000 ml de lait dans
chaque contenant. Formulez l’hypothèse nulle Ho et
l’hypothèse alternative H1 pour ce test d’hypothèses.
Réponse
X = une v.a. exprimant la quantité de lait versé par la
machine dans le contenant.
μ = la quantité moyenne de lait versé par la machine.
Le test porte sur cette moyenne.

Cours Statistiques 15
Définitions et concepts fondamentaux

Exemple 2 de formulation d’hypothèses …

On pose comme hypothèse nulle : H0 : « le nombre moyen
de litres de lait versé par la machine dans le contenant est
égale à 1000 ml » et on note Ho : μ = 1000.

On pose comme hypothèse alternative : H1 : « le nombre

moyen de litres de lait versé par la machine dans le
contenant est différent de 1000 ml » et on note H1 : μ ≠
1000.
La suite de ce test consiste, en gros, à prélever un
échantillon, à calculer la moyenne de cet échantillon et à
décider si cette moyenne est suffisamment éloignée de 1000
ml pour rejeté H0 ou très proche de 1000 ml pour accepter
H0.
Cours Statistiques 16
Définitions et concepts fondamentaux

Prendre une décision dans un test

d’hypothèses
La décision consiste à accepter ou à rejeter H0 en
se basant sur une estimation du paramètre
concerné de la population. Cette estimation est
calculée à partir de données recueillies dans
l’échantillon. Il existe deux types de décisions :
1. Accepter H0 (ou rejeter H1)
2. Rejeter H0 (accepter H1)

Cours Statistiques 17
Définitions et concepts fondamentaux

Accepter H0 (Rejeter H1)

On accepte H0 si l’estimation est relativement proche
de la valeur du paramètre prévue par H0. On dit que
l’écart n’est pas significatif et qu’il est dû au hasard
de l’échantillonnage. Dans ce cas on donne le
bénéfice du doute à H0.
Rejeter H0 (Accepter H1)
Mais, si l’estimation du paramètre, déterminée à
partir des données de l’échantillon, est loin de la
valeur du paramètre prévu par H0, on rejettera H0
car l’écart est significatif c’est à dire qu’il n’est pas
uniquement dû au hasard de l’échantillonnage.
Cours Statistiques 18
Plan

1. Introduction
2. Définitions et concepts fondamentaux
3. Tests d’hypothèses sur une moyenne
4. Tests d’hypothèses sur une proportion
5. Tests d’hypothèses sur une variance
6. Exercices de révision

Cours Statistiques 19
Test d’hypothèses sur une moyenne

Les étapes d’un test d’hypothèses sur μ

1. Identifier les hypothèses H0 et H1.
2. Préciser les conditions du test
 Distribution de la population
 Taille de l’échantillon
 Variance connue ou inconnue
 Le niveau de signification

3. Calculer l’écart réduit et préciser, selon les données

du problème, la distribution de l’écart réduit (voir les
Tableaux 1, 2 et 3).
4. Spécifier, selon la distribution de l’écart réduit, la
région critique au niveau de signification a (voir les
Graphiques 1, 2 et 3).
5. Prendre une décision (voir les Tableaux 1, 2 et 3).
Cours Statistiques 20
Test d’hypothèses sur une moyenne

Cas où l’échantillon provient d’une

population normale de variance connue

Tableau 1

Cours Statistiques 21
Test d’hypothèses sur une moyenne

Cas où la taille de l’échantillon est supérieure

à 30 (n ≥ 30) et que ce dernier provient d’une
population de variance inconnue

Tableau 2

Cours Statistiques 22
Test d’hypothèses sur une moyenne

Cas où la taille de l’échantillon est inférieure à

30 (n < 30) et que ce dernier provient d’une
population normale de variance inconnue

Tableau 3
Cours Statistiques 23
Test d’hypothèses sur une moyenne

Région critique bilatérale

H 0 :   0
H 1 :   0

Zone de rejet de H0 Zone de rejet de H0

1 
 
2 2
Z
0
Zone d’acceptation
Valeur critique : C1 de H0 C2 : valeur critique

Graphique 1
Cours Statistiques 24
Test d’hypothèses sur une moyenne

Région critique unilatérale à

H 0 :   0 droite
H1 :    0

Zone de rejet de H0
1 
 Z
0
Zone d’acceptation
de H0 C : valeur critique

Graphique 2
Cours Statistiques 25
Test d’hypothèses sur une moyenne

Région critique unilatérale à

H :  
gauche
0 0

H1 :    0

Zone de rejet de H0
1 

 Z
0
Zone d’acceptation
Valeur critique : de H0
C

Graphique 3
Cours Statistiques 26
 Test d’hypothèses sur une moyenne

Exemple
d’application
Le boucher M. Simon affirme qu’il vend en
moyenne 86 kg de bœuf par jour. Un employé
de la boucherie pense que son patron exagère
et veut prouver que la boucherie vend moins
de bœuf que le patron prétend. Pour un
échantillon de 20 jours choisis au hasard, on
trouve qu’on y a vendu en moyenne 81 kg de
bœuf par jour.
En supposant que les ventes quotidiennes de
bœuf obéissent à une loi normale d’écart type
10 kg et en utilisant Cours
unStatistiques
niveau de signification
27
Test d’hypothèse sur une
moyenne
Réponse
étape 1
X = ventes quotidiennes de bœuf, en kg.
μ = moyenne des ventes quotidiennes de
bœuf, en kg
H 0 :  86 kg
H1 :   86 kg

étape 2
Distribution de la population : N(μ=86 kg, σ2=100 kg)
Taille de l’échantillon : n = 20 jours
Niveau de signification : a = 0.05
Cours Statistiques 28
Test d’hypothèse sur une
moyenne
étape 3
D’après les tableaux, l’écart réduit est égale
à:
X  0 81  86
Z   2.236
 / n 10 / 20

l’écart réduit suit une loi normale centrée

réduite.
étape 4
Détermination de la région critique (voir le
graphique de l’acétate suivante)…
Cours Statistiques 29
Test d’hypothèse sur une
moyenne

H 0 :  86 kg
H1 :   86 kg

Zone de rejet de H0

 0.05
Z  N (0,1)

 0
Zone d’acceptation
Valeur critique : = -1.645
de H0

Cours Statistiques 30
Test d’hypothèse sur une
moyenne
étape 5 : Prendre une décision : H0 est rejetée

H 0 :  86 kg
H1 :   86 kg

Zone de rejet de H0

X  0
Z
/ n
 N (0,1)  0.05
Z
-2.236  0
Zone d’acceptation
Valeur critique : z= -1.645
de H0

Cours Statistiques 31
Test d’hypothèse sur une
moyenne
Exercice 2
Avant le règlement de leur conflit de travail, les policiers
de la ville d’Ariana effectuaient en moyenne 20
arrestations par jour. Au cours des 10 jours qui ont suivi
le règlement du conflit, on a relevé le nombre X
arrestations quotidiennes suivantes :

X = 20, 18, 25, 19, 17, 22, 16, 23, 12 et 15.

Au niveau de signification a = 0.05 , y a-t-il lieu de

croire que le règlement du conflit a fait diminuer de
façon significative le nombre d’arrestations effectuées
par les policiers d’Ariana sachant que la variable
aléatoire X est distribuée normalement ?
32
Cours Statistiques
Test d’hypothèse sur une
moyenne
Réponse
étape 1
X = Nombre d’arrestations effectuées les policiers de la
ville d’Ariana en une journée.
μ = Moyenne d’arrestations effectuées les policiers de
la ville d’Ariana en une journée.
H 0 :  20 personnes
H1 :   20 personnes
étape 2
Distribution de la population N(μ=20 Arrestation,
σ2=inconnue)
Taille de l’échantillon = n = 10 jours
Niveau de signification s
a3.945
= 0.05
Variance de l’échantillon :
33
Cours Statistiques
Test d’hypothèse sur une
moyenne
étape 3
D’après les tableaux, l’écart réduit est égale à :
X  18.7  20
T   1.04
s n 3.945 10
L’écart réduit suit la loi de Student de 10 - 1 =
9 degrés de liberté

étape 4
Détermination de la région critique (voir le
graphique de l’acétate suivante)…

34
Cours Statistiques
Test d’hypothèse sur une
moyenne

H 0 :  20 personnes
H1 :   20 personnes

Zone de rejet de H0

T  t (n  1 9d .l.)
 0.05

 0
Valeur critique t: 0.05;9 d .l . = -1.833 Zone d’acceptation
de H0

35
Cours Statistiques
Test d’hypothèses sur une
moyenne
Étape 5 : Prendre une décision : H0 est acceptée

H 0 :  20 personnes
H1 :   20 personnes
Test unilatérale à gauche
X  0
T  1.04
s/ n
Zone de rejet de H0

 0.05

 0
Zone d’acceptation
Valeur critique :t 0.05;9 d .l . = -1.833
de H0

36
Cours Statistiques
Plan

1. Introduction
2. Définitions et concepts fondamentaux
3. Tests d’hypothèses sur une moyenne
4. Tests d’hypothèses sur une proportion
5. Tests d’hypothèses sur une variance
6. Exercices de révision

Cours Statistiques 37
Test d’hypothèses sur une
proportion
Les étapes d’un test d’hypothèses sur p
1. Identifier les hypothèses H0 et H1.
2. Préciser les conditions du test
 Taille de l’échantillon
 Vérifier les deux conditions
np: 5 et n(1  p ) 5
 Le niveau de signification

3. Calculer l’écart réduit et préciser, selon les

données du problème, la distribution de l’écart
réduit (voir le Tableau 4).
4. Spécifier, selon la distribution de l’écart réduit, la
région critique au niveau de signification a (voir
les Graphiques 1, 2 et 3).
5. Prendre une décision (voir le Tableau 4).
38
Cours Statistiques
Test d’hypothèses sur la
proportion

Tableau 4
Cours Statistiques 39
Test d’hypothèses sur une
proportion
Exercice
Selon un économiste, 30% d’adultes de 18 ans
et plus résidant au Canada sont susceptibles
d’acheter un véhicule neuf au cours de l’année
2004. Toutefois, un sondage récent auprès de
262 individus résidant au Canada indique que
seulement 66 répondants sont susceptibles de
le faire.

Au niveau de signification a = 0.05 , peut-on

considérer que l’affirmation de l’économiste
n’est pas vraisemblable ?
40
Cours Statistiques
Test d’hypothèses sur une
proportion
Réponse
étape 1
Les hypothèses :
H 0 : p 0.3 personnes
H1 : p  0.3 personnes
étape 2
Taille de l’échantillon : n = 262
Niveau de signification a = 0.05
Vérifier les deux conditions
np 262 :0.3 78.6 5 et 262 (0.7) 183.4 5

41
Cours Statistiques
Test d’hypothèses sur une
proportion
étape 3
D’après le tableau 4, l’écart réduit est égale
à: Pˆ  p0 0.252  0.3
Z   1.77
p0 (1  p0 ) 0.3 0.7
n 262

L’écart réduit suit la loi normale N(0, 1)

étape 4
Détermination de la région critique (voir le
graphique de l’acétate suivante)…
Cours Statistiques 42
Test d’hypothèses sur la
variance
H 0 : p  p0
H1 : p  p0

Zone de rejet de H0
1 

 Z
0
Zone d’acceptation
Valeur critique : -1.645 de H0

Cours Statistiques 43
Test d’hypothèses sur la
variance
étape 5 : Prendre une décision : H0 est rejetée

H 0 : p 0.3
H1 : p  0.3

Zone de rejet de H0

Pˆ  p0
Z  N (0,1)
p0 (1  p0 )
n  0.05
Z
-1.77  0
Zone d’acceptation
Valeur critique : z= -1.645
de H0

Cours Statistiques 44
Plan

1. Introduction
2. Définitions et concepts fondamentaux
3. Tests d’hypothèses sur une moyenne
4. Tests d’hypothèses sur une proportion
5. Tests d’hypothèses sur une variance
6. Exercices de révision

Cours Statistiques 45
Test d’hypothèses sur la
variance
Les étapes d’un test d’hypothèses sur 2
1. Identifier les hypothèses H0 et H1.
2. Préciser les conditions du test
 Taille de l’échantillon
 Le niveau de signification

3. Calculer l’écart réduit et préciser, selon les

données du problème, la distribution de l’écart
réduit (voir le Tableau 5).
4. Spécifier, selon la distribution de l’écart réduit,
la région critique au niveau de signification a
(voir les Graphiques 4, 5 et 6).
5. Prendre une décision (voir le Tableau 5).
Cours Statistiques 46
Test d’hypothèses sur la
variance
Écart réduit

Tableau 5
Cours Statistiques 47
Test d’hypothèses sur la
variance
Région critique bilatérale

Zone d’acceptation de H0

1 

Zones de rejet de H0

Graphique 4
Cours Statistiques 48
Test d’hypothèses sur la
variance
Région critique unilatérale à gauche

Zone d’acceptation de H0

1 

Zone de rejet de H0

Graphique 5

Cours Statistiques 49
Test d’hypothèses sur la
variance
Région critique unilatérale à droite
Zone d’acceptation de H0

1 

Zone de rejet de H0

Graphique 6

Cours Statistiques 50
Test d’hypothèses sur la
variance
Exercice
Un procédé industriel consiste à plaquer (en or) des
panneaux de circuits imprimés. Dû à une variabilité
importante dans l’épaisseur de plaquage, certaines
modifications techniques ont été apportées au procédé
de fabrication pour en réduire l’ampleur. Suite à ces
modifications, on aimerait s’assurer que la variabilité du
procédé n’excède pas 4.
Un échantillon aléatoire de 20 panneaux a été prélevé de
la production et l’épaisseur de plaquage a été mesurée
au micro pouces. La variance de cette échantillon est de
4.47.
À un seuil de signification a = 0.05, l’hypothèse selon
laquelle la variance n’excède pas 4 est-elle acceptable ?

Cours Statistiques 51
Test d’hypothèses sur la
variance
Réponse
Étape 1 : Identifier les hypothèses
H 0 :  2 4
H1 :  2  4
Étape 2 : Préciser les conditions du test
 Taille de l’échantillon n = 20
 Niveau de signification a = 0.05

Étape 3 : Calculer la statistique suivante :

(n  1) S 2 (20  1) 4.47
 
2
 21.2325
 02 4

Cours Statistiques 52
Test d’hypothèses sur la
variance
Étape 4 : Identifier la région critique (test unilatérale à gauche)

 0.95;19
2
10.12 Ou d’une façon graphique

Étape 5 : Prendre une décision

puisque 21.2325 10.12 On accepte H0

Valeur théorique
(calculée à partir de la table)

Valeur observée
(calculée à partir des données de l’échantillon)

Cours Statistiques 53
• Exercice 1
• Monsieur Dupuis travaille pour une entreprise qui construit des logiciels
informatiques. Sa tâche consiste à évaluer à l'avance le temps requis par les
programmeurs pour écrire chacune des sous-routines (composant un
logiciel) qui leur sont commandées. Pour chaque sous-routine, ce temps (en
heure) est une variable aléatoire X et, suite à plusieurs études précédentes,
il y a de bonnes raisons de supposer que X suit une loi normale.
•
• Pour une sous-routine donnée, monsieur Dupuis a observé les temps
suivants requis par 8 programmeurs différents : 2 heures 30 min, 2 heures
48 min, 2 heures 24 min, 2 heures 00 min, 2 heures 24 min, 2 heures 48
min, 2 heures 36 min et 2 heures 30 min.
•
• La direction de l'entreprise, confiante dans la qualité de son personnel, a
toujours prétendu qu'il fallait au plus deux heures de travail, en moyenne,
pour écrire une sous-routine. Cependant, l'analyste, monsieur Dupuis, croit
avoir observé une baisse dans la productivité des programmeurs. Au seuil de
signification de 5 %, cette prétention de la direction est-elle justifiée ?
Effectuez toutes les étapes du test.
Cours Statistiques 54
• Selon le responsable du groupe de travail en
multimédia d’une entreprise œuvrant dans le
domaine des communications, 2 PME Tunisienne
sur 3 qui n’ont pas encore pris le virage Internet
envisagent probablement ou certainement de se
brancher d’ici un an. Une enquête menée auprès
de 301 PME Tunisienne indique que 187 PME
envisagent probablement ou certainement de se
brancher d’ici un an. Est-ce que ce sondage permet
de supporter, au seuil de signification de 1%,
l’affirmation du responsable du groupe de travail
en multimédia.
Cours Statistiques 55
• Exercice 3
• Une grande ville veut remplacer les ampoules dans l’une de
ses grandes rues. Elle recherche des ampoules qui ont une
longue durée de vie moyenne mais qui ont aussi une faible
variance (au plus 1000 heures). En effet, environ 2000
heures avant d'atteindre la durée de vie moyenne, elle veut
retirer tous les ampoules et les remplacer par des ampoules
neuves. Les ampoules encore en état de marche (la très
grande majorité) seront alors vendues. On espère ainsi
réaliser des économies au niveau de l'entretien. Un
fournisseur a proposé à l'essai 20 ampoules. On a calculé
que la variance de la durée de vie de ces ampoules était de
1350 heures. Testez au seuil α = 0,05 les hypothèses : H0 :
2= 1000 contre H1 : 2> 1000. Prenez soin d’expliciter
toutes les étapes du test.
Cours Statistiques 56