Poly Stat Inf

Probabilités et Statistique
Cours - TD
ENSICA 2ème année
2005/2006
Introduction
La théorie des probabilités procède selon une méthode qui s’apparente à la démarche dé-
ductive. Connaissant la loi d’une variable ou d’un vecteur aléatoire, on sait calculer les valeurs
exactes des paramètres qui la caractérisent, comme l’espérance ou la variance, et déterminer
les lois de nouvelles variables ou vecteurs aléatoires fonction de la variable ou des vecteurs
aléatoires donnés ainsi que les limites de suites de variables et de vecteurs aléatoires.
La théorie statistique procède selon une démarche radicalement différente qui s’apparente
à l’induction et qui consiste à exploiter des données d’une ou plusieurs variables décrivant
plusieurs populations qui ont une existence réelle dans les domaines économiques, industriel,
médical ou autre, dans le but de prendre des décisions du type : choix d’une hypothèse parmi
plusieurs possibles, comparaison de paramètres, etc.
Par exemple, étant données plusieurs populations décrites par des variables aléatoires nu-
mériques dont les paramètres (espérance, variance,. . . ) sont inconnus, il pourra s’agir d’estimer
d’abord ces paramètres à l’aide des seules informations contenus dans de petits échantillons
extraits de ces populations, puis de tester les hypothèses d’égalité ou d’inégalité de ces para-
mètres.
1
Table des matières
1 Estimation statistique 4
1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2 Estimation ponctuelle d’un paramètre . . . . . . . . . . . . . . . . . . . . . . . . 4
2.1 Modèle statistique inférentiel . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2.2 Qualités d’un estimateur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.3 Méthodes d’estimation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.3.1 Résultats généraux pour un échantillon . . . . . . . . . . . . . . . . . 9
2.3.2 Méthode du maximum de vraisemblance . . . . . . . . . . . . . . . . 9
2.4 Notion de statistique exhaustive . . . . . . . . . . . . . . . . . . . . . . . . . 12
3 Estimation par intervalle de confiance . . . . . . . . . . . . . . . . . . . . . . . . . 13
3.1 Cas général . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
3.2 Estimation d’une moyenne théorique . . . . . . . . . . . . . . . . . . . . . . 14
3.2.1 Construction de l’intervalle de confiance de la moyenne inconnue m
d’une population gaussienne N (m, σ 2) où σ 2 est connue . . . . . . . . 14
3.2.2 Construction de l’intervalle de confiance d’une moyenne m d’une po-
pulation gaussienne N (m, σ 2 ) où σ 2 est inconnue . . . . . . . . . . . 16
3.2.3 Cas de grands échantillons (n > 30) . . . . . . . . . . . . . . . . . . . 18
3.3 Estimation d’une proportion p . . . . . . . . . . . . . . . . . . . . . . . . . . 18
3.3.1 Cas d’un échantillon de grande taille (n > 30) . . . . . . . . . . . . . 18
3.3.2 Cas d’un échantillon de petite taille n . . . . . . . . . . . . . . . . . . 19
3.4 Estimation d’un paramètre d’une population quelconque, dans le cas de
grands échantillons . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
3.4.1 Intervalle de confiance obtenu par convergence en loi de l’E.M.V. . . . 20
3.4.2 Application . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2 Tests d’hypothèse 22
1 Principes généraux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
1.1 Exemple introductif : le "test binomial" . . . . . . . . . . . . . . . . . . . . . 22
1.2 Cas général . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
1.3 Test d’une hypothèse simple contre une hypothèse simple . . . . . . . . . . . 26
1.4 Test d’une hypothèse simple contre une hypothèse composite . . . . . . . . . 30
1.5 Test d’une hypothèse composite contre une hypothèse composite . . . . . . . 34
2 Tests pour échantillons gaussiens . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
2.1 Tests de comparaison d’un seul paramètre à une valeur ou un ensemble de
valeurs données . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
2.2 Tests de comparaison de deux paramètres issus de populations distinctes . . 40
2
2.3 Test du chi-deux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
3 Tests d’analyse de variance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
3.1 Cas d’un facteur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
3.2 Cas de deux facteurs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
3 Régression à une variable 56

1 Régression linéaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
1.1 Modèle linéaire standard . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
1.2 Modèle linéaire gaussien simple . . . . . . . . . . . . . . . . . . . . . . . . . 58
1.3 Tests sur les paramètres β0 et β1 . . . . . . . . . . . . . . . . . . . . . . . . . 62
1.4 Prédiction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
2 Régression non-linéaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
2.1 Modèle général . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
2.2 Estimation des paramètres . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
2.2.1 Modèle à variance constante (pour tout i, Var (εi ) = σ 2 ) . . . . . . . . 65
2.2.2 Modèle à variance: σi2 = ωi · σ 2 . . . . . . . . . . . . . . . . . . . . . . 66
2.3 Détermination des intervalles de confiance sous les hypothèses de normalité
et d’équivariance résiduelle (dite aussi homoscédasticité) . . . . . . . . . . . 67
2.3.1 Méthode d’approximation linéaire . . . . . . . . . . . . . . . . . . . . 67
2.3.2 Méthode des isocontours . . . . . . . . . . . . . . . . . . . . . . . . . 67
2.4 Tests d’hypothèses . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
2.4.1 Test du rapport de vraisemblance . . . . . . . . . . . . . . . . . . . . 68
3
Chapitre 1
Estimation statistique
1 Introduction
La procédure d’estimation s’articule selon le schéma suivant :
Etant donnée une POPULATION

On extrait un ECHANTILLON On ESTIME
de taille N , décrite par la v.a. X
formé de n observations θ à l’aide d’une v.a.
de loi de probabilité connue,
indépendantes (X1 = x1 , . . . , Xn = xn ) θb = T (X1 , . . . , Xn )
dépendant du paramètre θ inconnu.
de la variable X
L’indépendance n’est rigoureusement acquise que s’il y a tirage avec remise ; toutefois si
la population est très grande (plusieurs milliers au moins) on peut faire l’économie de cette
hypothèse.
T (X1 , .., Xn ) est une v.a. fonction de l’échantillon (X1 , .., Xn ), dite statistique, construite pour
représenter de façon optimale l’information sur un paramètre inconnu, contenue dans l’échan-
tillon.
Exemple Estimation d’une moyenne

Pour estimer la durée de vie moyenne m d’une ampoule électrique, on prélève au hasard un
échantillon de 30 ampoules. On réalise une expérience pour observer les durées de vie de ces
ampoules. Quelle estimation de m peut-on proposer ?
2 Estimation ponctuelle d’un paramètre

2.1 Modèle statistique inférentiel
Soit (x1 , . . . , xn ) une observation (ou une réalisation) du vecteur aléatoire X = (X1 , . . . , Xn ) ;
(x1 , x2 , ..., xn ) est dit aussi un échantillon de données.
Définition 1 Construire un modèle statistique revient à définir sur l’espace probabilisé IRn ,
muni de la tribu des boréliens B(IRn ) une probabilité Pθ , où θ est un paramètre ou un vecteur
de paramètres inconnu.
4
La probabilité P sera définie, selon l’un des deux cas, par :

 la loi conjointe Pθ (X1 = x1 , . . . , Xn = xn ) dans le cas de v.a. discrètes,
ou

la densité conjointe fX;θ (x1 , . . . , xn ) dans le cas de v.a. continues.
Définition 2 Une statistique T est une application de l’espace (IR, B(IR), Pθ )n à valeurs
dans IR.
T : IRn −→ IR
(x1 , x2 , . . . , xn ) 7−→ T (x1 , x2 , . . . , xn ) = t .
La quantité t est une observation de la v.a. T (X1 , X2 , . . . , Xn ).
Par exemple, les statistiques usuelles

Psont :
– la moyenne empirique X = n1 ni=1 Xi ,
2 1
Pn 2
– la variance empirique Sn−1 = n−1 i=1 X i − X ,
– ...
P
Exemple 1 La v.a. Tn = ni=1 Xi (somme des Xi indépendants) a pour loi de probabilité une
loi normale N (nµ, nσ 2) si la structure est (IR, B(IR), N (µ, σ 2))n .
2.2 Qualités d’un estimateur

Définition 3 Un estimateur du paramètre inconnu θ est une statistique θb dont la valeur
observée est une approximation de θ.
Notation On note souvent θbn = θb (X1 , X2 , . . . , Xn ) la v.a. correspondant à l’estimateur T .

La qualité d’un estimateur T du paramètre θ sera évaluée grâce aux propriétés suivantes.
Définition 4 Un estimateur T est sans biais si IE (T ) = θ.

P
Exemple 2 La statistique X = n1 ni=1 Xi est un estimateur sans biais de la moyenne
théorique m = IE (Xi ).
Solution : Calculons l’espérance de X.
n
! n
1X 1X
IE X = IE Xi = IE (Xi ) = m
n i=1 n i=1
2 1
Pn 2
La statistique Sn−1 = n−1 i=1 Xi − X est un estimateur sans biais de σ 2 =
Var (Xi ).
5
2
Solution : Calculons l’espérance de Sn−1 . On a :
!
1 X 2
Xn n
2
1 2
IE Sn−1 = IE Xi − X = IE Xi − X
n − 1 i=1 n − 1 i=1
1 X 2
n
= IE (Xi − m) + m − X
n − 1 i=1
1 X
n
2
= IE (Xi − m)2 + m − X + 2 (Xi − m) m − X
n − 1 i=1
1 Xh 2 i
n
2
= IE (Xi − m) + IE m − X + 2 IE (Xi − m) m − X
n − 1 i=1
n
1 X
= Var (Xi − m) + Var m − X − 2 IE (Xi − m) X − m
n − 1 i=1
n
" n
#
1 X 1X
= Var (Xi ) + Var X − 2 IE ((Xi − m) (Xj − m))
n − 1 i=1 n j=1
n
2
1 X 2 σ2 1 2
IE Sn−1 = σ + − 2 IE (Xi − m)
n − 1 i=1 n n
n n
1 X 2 σ2 2 2 1 X n−1 2
= σ + − σ = σ = σ2 .
n − 1 i=1 n n n − 1 i=1 n
2
On démontre que : V (Sn−1 ) = n1 (µ4 − n−3 4
n−1
σ ) où µ4 est le moment centré d’ordre quatre de X
(µ4 = E((X − X̄)4 ).
Définition 5 Un estimateur T est biaisé si le biais IE (T ) 6= θ.
Définition 6 Un estimateur T est asymptotiquement sans biais si lim IE (T ) = θ.

n→+∞
Définition 7 Soient deux estimateurs T1 et T2 sans biais de θ. On dit que T1 est meilleur
que T2 si on a : Var (T1 ) < Var (T2 ).
Définition 8 L’estimateur T de θ est dit convergent en probabilité si :

∀ǫ > 0, lim P (|T − θ| < ǫ) = 1.
n→+∞
Théorème 1 Tout estimateur sans biais ou asymptotiquement sans biais tel que
limn→+∞ Var (T ) = 0 est convergent en probabilité vers θ.
Preuve Utiliser l’implication |T − IE (T )| < 2ǫ ⇒ |T − θ| < ǫ et l’inégalité de Bienaymé-

Tchebicheff : ∀ǫ > 0, P (|T − IE (T )| < ε) 6 Var(T
ǫ2
)
.
6
Théorème 2 Sous les hypothèses de régularité suivantes :
H1 : Le support de la densité D = {x / f (x; θ) > 0} est indépendant de θ ;
H2 : θ varie dans un intervalle ouvert I ;
∂ ∂2
H3 : ∀ θ ∈ I, ∀ x ∈ D, f (x; θ) et 2 f (x; θ) existent et sont intégrables par rapport à x ;
∂θ ∂θ Z
H4 : pour tout θ ∈ I, pour tout A ∈ B(IR), f (x; θ) dx est deux fois dérivable par
A
rapport à θ ;
∂
H5 : ln f (X; θ) est une v.a. de carré intégrable d’un estimateur sans biais.
∂θ
HS : On détermine la borne de Cramer-Rao, Vn (θ), définie par :
1
Vn (θ) = 2

∂ log f (X1 , . . . , Xn ; θ)
− IE
∂θ2

∂ 2 log f (X1 , . . . , Xn ; θ)
où − IE est l’information de Fisher
∂θ2
et dans le cas particulier d’un échantillon X1 , . . . , Xn de v.a indépendantes de même loi :
1
Vn (θ) = 2

∂ log f (X; θ)
−n IE
∂θ2
où f (X; θ) désigne la densité si X est continue ou P (X = x) si X est discrète.

b
Quel que soit l’estimateur sans biais θ de θ, la borne Vn (θ) de Cramer-Rao minore Var θb :

Var θb > Vn (θ).
Définition 9 Un estimateur Tn sans biais de θ est dit efficace si sa variance atteint la borne
de Cramer-Rao.
Remarque 1 : De plusieurs estimateurs sans biais, le meilleur est celui qui a la plus petite
variance. Attention ! Il est possible qu’il n’existe pas d’estimateur efficace.
Exercice 1 : Estimation de la borne d’un support borné de variable aléatoire

On considère T la variable aléatoire : «durée d’attente à un feu rouge». La durée du feu
rouge est égale à θ, paramètre inconnu strictement positif.
On observe un échantillon t1 , t2 , . . . , tn de taille n, où ti désigne la durée d’attente observée pour
le ième individu. On fait l’hypothèse que les variables aléatoires T1 , T2 , . . . , Tn sont indépendantes
et de même loi uniforme sur [0; θ], notée U[0; θ].
7
1) Représenter le graphe de la densité de la loi U[0; θ] et préciser ses paramètres de moyenne
et de variance.
P
2) Soit la statistique T = n1 ni=1 Ti . Calculer IE T et Var T .
Montrer que la statistique θb1 = 2T est un estimateur sans biais de θ et convergent en
probabilité.
3) Soit la statistique Yn = sup Ti .
i
a) En utilisant l’équivalence des événements (Yn < y) et (∀i = 1, . . . , n Ti < y), calculer
la fonction de répartition de Yn . En déduire sa densité, calculer IE (Yn ), Var (Yn ) et
tracer le graphe de la densité pour n = 3, puis pour n = 30. Comparer les graphes
et interpréter les.
b) Montrer que la statistique θb2 = n+1n
Yn est un estimateur sans biais de θ et convergent
en probabilité.

b
4) Comparer les variances Var θ1 et Var θb2 . Lequel des deux estimateurs θb1 et θb2 choisiriez-
vous pour estimer θ ? Calculer la borne de Cramer-Rao et conclure.
Application : pour n = 10, on a (t1 , . . . , t10 ) = (28; 33; 42; 15; 20; 27; 18; 40; 16; 25). Quelle
est l’estimation de la durée du feu rouge ?
Exercice 2 : Estimateur sans biais de σ

(Extrait de l’ouvrage de B.Garel. Modélisation probabiliste et statistique).
Soient X1 , . . . , Xn des v.a. indépendantes de même loi N (m; σ 2 ) . On observe Yi = |Xi − m| , i =
1, . . . , n.
1) Montrer que ∀i, Yi admet la densité g sur IR+ définie par :
2 y2
y 7−→ g (y) = √ e− 2σ2 1lIR+ (y) .
2πσ
r
2
En déduire que IE(Yi ) = σ .
π
Remarquons que IE (|Xi − m|) est un indice de dispersion qui joue un rôle analogue mais
non équivalent à la variance.
Pn
b=
2) On cherche un estimateur sans biais de σ de la forme σ ai Yi . En calculant l’espérance
i=1
b, trouver une contrainte linéaire sur les ai .
de σ
Pn
3) Sous cette contrainte, montrer que a2i est minimale si et seulement si les ai sont tous
i=1
égaux.
cn l’estimateur de σ associé à ce dernier cas : les ai sont tous égaux. Calculer
4) On note alors σ
V(c
σn ) .
5) Calculer la borne inférieure de Cramer-Rao pour un estimateur sans biais de σ. L’estimateur
cn est-il efficace ?
σ
8
2.3 Méthodes d’estimation
Il existe plusieurs méthodes pour construire un estimateur : la méthode des moindres carrés
(théorie de la régression), la méthode des moments et la méthode du maximum de vraisem-
blance, qui est la méthode de référence présentée ci-dessous.
2.3.1 Résultats généraux pour un échantillon
Théorème 3 Dans le cas d’un échantillon (X1 , X2 , . . . , Xn ) extrait d’une population de

moyenne µ et de variance σ 2 , inconnues, les propriétés suivantes sont vérifiées :
n
1X
– La statistique X = Xi est un estimateur sans biais et convergent en probabilité
n i=1
de la moyenne µ.
n
2 1 X 2
– La statistique Sn−1 = Xi − X est un estimateur sans biais et convergent
n − 1 i=1
en probabilité de la variance σ 2 .
2

Preuve On a démontré (exemples 2) que IE X = µ, que IE Sn−1 = σ 2 et
n
1 X nσ 2 σ2
Var X = 2 V (Xi ) = 2 =
n i=1 n n
Par un calcul analogue, mais plus long, on établit que :

2
n 4 (µ4 − 2σ 4 ) µ4 − 3σ 4
Var Sn−1 = µ4 − σ − 2 +
(n − 1)2 n n2
qui converge vers 0 quand n → +∞ où µ4 = IE (Xi − µ)4 (moment centré d’ordre 4 de Xi ).
Rappelons le théorème de Fisher, utile à la théorie des tests.
Théorème 4 Si l’échantillon (X1 , . . . , Xn ) est formé de v.a. de même loi normale, les esti-
2
mateurs X et Sn−1 sont indépendantes.
2.3.2 Méthode du maximum de vraisemblance

On se donne une population décrite par une v.a. X de loi connue, fonction d’un paramètre
inconnu θ.
Définition 10 On appelle fonction de vraisemblance ou vraisemblance des v.a. X1 , . . . , Xn ,
9
la fonction l telle que :


 f (x; θ) densité conjointe de X1 , . . . , Xn ,



 dans le cas à densité


l : IRn × Θ −→ IR+ 
(x, θ) 7−→ l(x; θ) = ou







 P (X = x1 , . . . , Xn = xn ),
 θ 1
dans le cas de v.a. discrètes.
où x = (x1 , x2 , ...xn ).
Remarque 2 Si les v.a. X1 , . . . , Xn sont indépendantes et identiquement distribuées (iid), on

a:  Y n



 f (xi ; θ) dans le cas à densité



 i=1


l(x; θ) = ou





 Y n



 IPθ [ Xi = xi ] dans le cas discret.
i=1
Exemple 3 Soit l’échantillon (X1 , . . . , Xn ) où chaque Xi est de loi normale N (µ, σ 2). La
fonction de vraisemblance s’écrit alors :
n
Y (i)
∀ (x1 , . . . , xn ) , l(x; θ) = fθ (xi )
i=1
n
( 2 )
Y 1 1 xi − θ
= √ exp −
i=1
2πσ 2 σ
n Y n
( n 2 )
1 1 X xi − θ
= √ ( σ −1 ) exp − .
2π i=1
2 i=1 σ
Définition 11 On appelle estimateur du maximum de vraisemblance (noté e.m.v.), la

statistique θb définie par θb = θ(x
b 1 , x2 , ..., xn ) et associée à la valeur de θ qui rend maximum
la vraisemblance l(x; θ), qui équivaut à supposer, sachant que l(x; θ) est une probabilité, que
l’événement qui s’est produit est le plus vraisemblable.
On a alors :
l(x1 , . . . , xn ; θb (x1 , . . . , xn )) = max l(x1 , . . . , xn ; θ).
θ∈Θ
ou bien encore, puisque la fonction log est croissante :

θb (x1 , . . . , xn ) = arg max l(x1 , . . . , xn ; θ) = arg max log l(x1 , . . . , xn ; θ) .
θ∈Θ θ∈Θ
En pratique, il sera plus facile de maximiser la fonction log l(x1 , . . . , xn ; θ), dite "log de vrai-
semblance".
10
Application Dans l’exemple précédent, déterminons l’estimateur du maximum de vraisem-
blance du paramètre µ, sous l’hypothèse que σ est connu. Pour cela, calculons log l(x1 , . . . , xn ; µ)
et cherchons la solution qui maximise cette quantité, obtenue par la résolution de l’équation :
∂ log l(x1 , . . . , xn ; µ)
=0,
∂µ
qui définit les valeurs stationnaires de log l(x1 , . . . , xn ; µ). On s’assurera alors que la dérivée
seconde en ce point est négative, ce qui garantit que le point critique est bien un maximum.
L’estimateur de vraisemblance n’existe pas toujours, et quand il existe il peut

ne pas être unique et peut être biaisé ou encore non efficace. Le théorème suivant
modère le caractère relatif de la remarque précédente.
Théorème 5 Quand la taille n de l’échantillon est suffisamment «grande» (dès que n > 30),
l’e.m.v. θb possède les trois propriétés suivantes :
1. θb est asymptotiquement sans biais et asymptotiquement efficace ;

θb − θ Loi
2. p −→ N (0; 1), où Vn (θ) est la borne de Cramer-Rao ;
Vn (θ) n→+∞
3. θb converge vers θ en moyenne quadratique
Le théorème ci-dessus garantit d’une part la bonne qualité de l’estimateur de vraisemblance

θb pour des échantillons suffisamment grands ; d’autre part, il permet grâce à l’approximation
b de construire des intervalles de confiance pour la valeur exacte du paramètre θ.
gaussienne de θ,
Exercice 3 : Estimation d’une proportion

Pour estimer la proportion p de pièces défectueuses à la sortie d’une chaîne de production,
on prélève un échantillon de n1 pièces. A la ième pièce tirée, on associe la v.a.

1 si la pièce est défectueuse,
Xi =
0 sinon.
1) Construire l’estimateur du maximum de vraisemblance Tn1 de la proportion p et étudier
ses propriétés.
2) On tire un deuxième échantillon de n2 pièces, indépendamment du premier. On note F1 et
F2 les fréquences relatives des pièces défectueuses.
a) F = F1 +F2
2
est-il un estimateur sans biais de p ? Quelle est sa variance ?
b) Déterminer les réels a et b de manière que F ∗ défini par aF1 + bF2 , où a + b = 1 et
a, b > 0, soit un estimateur sans biais de p, de variance minimum.
Exercice 4 : Estimation de la moyenne et de l’écart-type d’une variable gaussienne

Soit (X1 , X2 , . . . , Xn ) un échantillon de loi N (m, σ 2 )
11
1) Déterminer l’estimateur du maximum de vraisemblance T de m. Déterminer ses propriétés.
2) La connaissance a priori de σ 2 modifie-t-elle le résultat ?
3) Supposons maintenant m connu. Déterminer l’estimateur du maximum de vraisemblance
c2 de σ 2 et étudier ses propriétés.
σn
cn de σ. A-t-il un biais ? Calculer sa borne de Cramer-Rao.
4) En déduire un estimateur σ
2
5) Supposons que m est inconnu. Déterminer un estimateur Sn−1 sans biais de σ 2 et calculer
sa variance.
P 2
T ′ où T ′ = n1 ni=1 Xi − X et nT
′
2 n
On montrera que Sn−1 est égal à n−1 σ2
n
est un chi-deux
à (n − 1) d.d.l.
2.4 Notion de statistique exhaustive

Tout échantillon (X1 , . . . , Xn ) d’une v.a. X, de loi connue paramétrée par θ inconnu, contient
une information sur ce paramètre.
Définition 12 Une statistique T (X1 , . . . , Xn ) destinée à l’estimation du paramètre θ est dite

exhaustive si elle apporte toute l’information contenue dans l’échantillon (X1 , . . . , Xn ).
Exemple de statistique exhaustive Lors d’un contrôle industriel, on tire avec remise n
pièces d’un lot, dans le but d’estimer la proportion p de pièces défectueuses.
A chaque pièce tirée est associée la v.a. de Bernoulli Xi de loi :
PXi = pδ1 + (1 − p)δ0 .

Pn Pn
iX
L’estimateur classique i=1
n
de p est-il exhaustif ? Il suffit de démontrer que T = i=1 Xi est
un estimateur exhaustif de np.
Solution Montrons que la loi de (X1 , . . . , Xn ) conditionnée par T est indépendante du pa-
ramètre p à estimer ; on en conclura alors que les valeurs individuelles (X1 = x1 , . . . , Xn = xn )
n’apportent pas plus d’information sur p que la seule valeur T = t. On a :
P (X1 = x1 , . . . , Xn = xn , T = t)
P (X1 = x1 , . . . , Xn = xn / T = t) =
P (T = t)
P
P (X1 = x1 , . . . , Xn = t − ni=1 xi )
=
P (T = t)
Rappelons que P (Xi = xi ) = pxi · (1 − p)1−xi , où xi ∈ {0; 1} et que T suit une loi binomiale
B(n, p). L’équation précédente s’écrit :
pt · (1 − p)n−t
P (X1 = x1 , . . . , Xn = xn / T = t) =
n t
p · (1 − p)n−t
t
1
= indépendant de p.
n
t
12
n
X
La statistique Xi est donc exhaustive.
i=1
n
On pourrait avoir l’intuition de ce résultat, sachant que est le nombre de choix de t
t
indices i vérifiant xi = 1.
Nous ne démontrerons pas le théorème qui caractérise l’exhaustivité :
Théorème 6 (Neyman-Fisher) Soit X une v.a. de densité f (x; θ). Une statistique
T (X1 , . . . , Xn ) est exhaustive s’il existe des applications g et h, positives et mesurables telles
que la vraisemblance s’écrit selon une factorisation non nécessairement unique :
l(x1 , . . . , xn ; θ) = g(t; θ) · h(x1 , . . . , xn )
Remarque 3 De nombreuses lois appartenant à une famille de lois dite exponentielle, que
nous ne définirons pas ici, admettent toutes des statistiques exhaustives.
Pn Il en est ainsi de la
1
statistique définissant l’estimateur classique de la moyenne X = n i=1 Xi , pour la loi bino-
miale, pour la loi de Poisson ou pour la loi gaussienne. Par contre, ni la loi de Cauchy de
1
densité π(1+x 2 ) , ni la loi uniforme sur un segment, n’admettent de statistique exhaustive.
En pratique, on recherche des statistiques exhaustives conduisant à des estimateurs sans biais
et de variance minimale.
3 Estimation par intervalle de confiance

3.1 Cas général
Etant données une estimation ponctuelle θb du paramètre θ et une probabilité α petite, de
l’ordre de 0.01 ou 0.05, on souhaite construire un intervalle dont on soit sûr qu’il contienne
la valeur exacte de θ avec la probabilité (1 − α). On remarque que pour α fixé, il existe une
infinité de tels intervalles, appelés intervalles de confiance de niveau 1 − α de la forme
[θ1 , θ2 ] vérifiant P(θ ∈ [θ1 , θ2 ]) = 1 − α, où P(θ < θ1 ) = α1 , P(θ > θ2 ) = α2 , α1 + α2 = α.
En pratique on utilise deux sortes d’intervalles de confiance :
– les intervalles de confiance bilatéraux symétrique [θ1 , θ2 ] désormais unique puisque P(θ <
θ1 ) = P(θ > θ2 ) = α/2 ; ces intervalles standard conviennent parfaitement au cas où la
loi de l’estimateur θb est symétrique (Normale, Student,...), mais ils conviennent aussi de
façon générale.
13
– les intervalles unilatéraux à gauche ] − ∞, θ1 ], ou à droite [θ2 , +∞[ qui conviennent à
des situations spécifiques ; par exemple, s’il s’agit d’estimer la proportion p de pièces
défectueuses d’un lot, on cherche à borner supérieurement p, donc p 6 p1 : dans ce cas
P(p 6 p1 ) = 1 − α.
3.2 Estimation d’une moyenne théorique

On a vu que la moyenne théorique est estimée par la moyenne empirique x des valeurs
observées x1 , . . . , xn de l’échantillon ; on peut donc construire un intervalle de confiance à partir
de la loi de probabilité de X.
3.2.1 Construction de l’intervalle de confiance de la moyenne inconnue m d’une

population gaussienne N (m, σ 2 ) où σ 2 est connue
Etant donnée une population de loi gaussienne, de variance σ 2 connue et de moyenne m
inconnue. On rappelle que pour un échantillon (X1 , X2 , . . . , Xn ) extrait de la population, l’es-
timateur (classique) de la moyenne est :
n
1X
σ2
X= Xi , IE X = m et Var X =
n i=1 n
2
En outre X ∼ N (m, σn ) et donc que X−m
√
σ/ n
∼ N (0, 1).
Si U suit une loi N (0, 1), alors pour tout α, 0 < α < 1, il existe un réel positif, noté u1−α/2 , tel
que :
P −u1−α/2 6 U 6 u1−α/2 = 1 − α . (1.1)
X−m
La v.a. √
σ/ n
étant une v.a. N (0; 1), (1.1) s’écrit :

X−m σ σ
P −u1−α/2 6 √ 6 u1−α/2 = P m − u1−α/2 √ 6 X 6 m + u1−α/2 √
σ/ n n n

σ σ
= P X − u1−α/2 √ 6 m 6 X + u1−α/2 √ .
n n
Définition 13 On appelle fractile ou quantile d’ordre q (q∈ [0, 1]) de la v.a. X la valeur xq
telle que P(X 6 xq ) = q. On désignera par uq le fractile d’ordre q de la v.a. N (0, 1)
14
Définition 14 On appelle intervalle de confiance de la moyenne m d’une population gaus-
sienne N (m, σ 2), où σ est connu, l’intervalle :
n
σ σ 1X
Iα = x − u1−α/2 √ ; x + u1−α/2 √ où x = xi .
n n n i=1
Iα est l’intervalle de confiance de m, au niveau de confiance 1 − α, qui s’interprète par :

«on peut affirmer avec la probabilité 1 − α que m ∈ Iα ». On rappelle que :
– si α = 5 (la confiance étant de 95%), alors u1−α/2 = 1,96,
– si α = 1 (la confiance étant de 99%), alors u1−α/2 = 2,58.
Illustration numérique : σ 2 = 4, n = 25, x = 8. On a :

2 2
I5% = 8 − 1,96 ; 8 + 1,96 = [7,22; 8,78] ,
5 5

2 2
I5% ⊂ I1% = 8 − 2,56 ; 8 + 2,56 = [6,97; 9,03] ....
5 5
Théorème 7 α1 > α2 =⇒ Iα1 ⊂ Iα2 , donc plus la confiance exigée est grande, plus l’inter-
valle de confiance est grand.
Si l’on veut réduire l’amplitude de l’intervalle de confiance Iα dans un rapport k, il faut multi-
plier la taille de l’échantillon par k 2 .
Illustration numérique : σ 2 = 4, α = 5, x = 8. On a :
n = 25 −→ I5% = [7,22; 8,78] ,

n = 100 −→ I5% = [7,61; 8,39] ....
Rappels :
(A) La loi
P du chi-deux à p degrés de liberté, noté χ2p , est la loi de la somme
p
χ2p = i=1 Ui2 , où les Ui sont iid N (0; 1).

IE(χ2p ) = p, Var χ2p = 2p.
χ2p −p p √
La densité du χ2p est celle de la loi Γ( p2 ; 21 ) ; les v.a. √
2p
et 2χ2p − 2p − 1 convergent
en loi vers N (0; 1), quand p tend vers +∞.
P
Théorème 8 Soit l’échantillon (X1 , . . . , Xn ) de loi N (m; σ 2), X = n1 ni=1 Xi la moyenne
2 1
Pn 2
empirique et Sn−1 = n−1 i=1 (Xi − X) la variance empirique de l’échantillon :
2
(a) X et Sn−1 sont indépendantes.
2
(b) X ∼ N (m, σn ).
2
(n−1)Sn−1
(c) σ2
∼ χ2n−1 .
15
Théorème 9 Soient deux échantillons indépendants (Ui )i=1,...,p et (Vj )j=1,...,q de loi N (0; 1)
p q
X X
2
2
et χp = 2
Ui , χq = Vj2 .
i=1 j=1
Alors : χ2p + χ2q = χ2p+q (stabilité par somme de χ2 indépendants).
(B) La loi de Student à p degrés de libertés est la loi de √X = Tp , où X ∼ N (0; 1)

Z/p notée
et Z ∼ χ2p , (X et Z indépendantes)
Théorème 10 Quand p tend vers +∞, Tp converge en loi vers N (0; 1).
(C) La loi de Fisher-Snedecor à p et q degrés de liberté est la loi du quotient

χ2p /p
χ2 /q
= Fp,q , où χ2p et χ2q sont indépendants.
q notée
Exercice 5 : Construction d’un intervalle de confiance de l’espérance m d’une loi

normale d’écart-type connu
Une machine produit en série des tiges métalliques dont la longueur X, par suite d’im-
perfections inhérentes au fonctionnement, peut être considérée comme une v.a. de loi normale
N (m, σ 2 ) lorsqu’elle est réglée à la valeur m. L’écart-type est une caractéristique du procédé
de fabrication, de valeur connue σ = 0,02 mm.
1) Pour qu’une tige soit utilisable par un client industriel, sa longueur doit être comprise entre
23,60 mm et 23,70 mm. Quelle valeur m0 faut-il donner à m pour que la proportion de
tiges produites utilisables soit maximale ? Quelle est cette proportion maximale ?
2) L’industriel recevant un lot de 10000 tiges ne connaît pas cette valeur de réglage, lui per-
mettant de décider d’accepter ou de refuser le lot qui lui a été livré ; il ne connaît que
σ = 0,02. Il va donc tirer un échantillon de n tiges dont il va mesurer les longueurs
(X1 , . . . , Xn ) pour se faire une idée de la valeur de m. Construire l’intervalle de confiance
de niveau 0,90 pour m. Quelle doit être la valeur minimale de n pour que la longueur de
cet intervalle soit au plus égale à 0,01 mm ?
3.2.2 Construction de l’intervalle de confiance d’une moyenne m d’une population

gaussienne N (m, σ 2 ) où σ 2 est inconnue
Théorème 11 Quand la variance σ 2 est inconnue, l’I.C. au niveau de confiance γ = 1 − α,

du paramètre m est défini par :

sn−1 sn−1
Iα = x − tα/2 √ ; x + tα/2 √
n n
 s n

 1 X
sn−1 est l’écart-type défini par (xi − x)2 ,
où n − 1 i=1


tα/2 est le fractile d’ordre α/2 de la v.a. de Student
16
Preuve La construction de l’I.C. est analogue
√ X−m au cas précédent : cette fois on utilise la loi de
probabilité de la variable aléatoire T = n( sn−1 ) qui suit une loi de Student lorsque les v.a. Xi
sont indépendantes et de loi normale.
Exercice 6 : Intervalle de confiance de l’espérance m d’une loi normale d’écart-type

inconnu
Un fabricant de piles électriques affirme que la durée de vie moyenne du matériel qu’il
produit est de 170 heures. Un organisme de défense des consommateurs prélève au hasard
un échantillon de n = 100 piles et observe une durée de vie moyenne de 158 heures avec un
écart-type empirique sn−1 de 30 heures.
1) Déterminer un intervalle de confiance de niveau 0,99 pour la durée de vie moyenne m.
2) Peut-on accuser ce fabricant de publicité mensongère ?
Exercice 7 : Intervalle de confiance de la variance d’une loi normale d’espérance

connue
Pour estimer la précision d’un thermomètre, on réalise n = 15 mesures indépendantes de
la température d’un liquide maintenu à température constante égale à 20˚C. Compte tenu des
erreurs de mesure, ce sont des réalisations de v.a. Xi, 1 6 i 6 n, de même loi normale N (m, σ 2 ),
où la valeur de m est fixée à 20, σ étant inconnu et caractérisant la précision du thermomètre.
Construire un intervalle de confiance pour σ 2 de niveau 0,99.

15
1 X
On supposera : (xi − 20)2 = 18.
15 i=1
Exercice 8 : Intervalle de confiance de la variance d’une loi normale d’espérance

inconnue
On veut déterminer le poids P d’un objet à l’aide d’une balance à deux plateaux. Le poids
marqué à l’équilibre est une v.a. X qui, compte tenu de l’imprécision, suit une loi N (P, σ 2), σ 2
étant inconnu et caractérisant la précision de la balance. On réalise 20 pesées Xi , 1 6 i 6 20,
du même objet. Construire un intervalle de confiance pour σ 2 de niveau 0,95.
20
1 X
On supposera : (xi − x)2 = 250.
20 i=1
Exercice 9 : Comparaison d’intervalles

L’épaisseur d’une tôle d’acier sortant d’un laminoir suit une loi N (m, σ 2), les
Pparamètres m
2 9 2
et σ étant inconnus. La mesure de l’épaisseur de neuf tôles a permis de calculer i=1 (xi −x) =
32. Comparer les intervalles de confiance pour σ 2 au niveau 0,95 :
– bilatéral symétrique,
– bilatéral dissymétrique, avec α1 = 0,04 et α2 = 0,01,
– unilatéral à droite, de la forme ]a; +∞[.
17
3.2.3 Cas de grands échantillons (n > 30)
Théorème 12 L’intervalle de confiance symétrique Iα est défini, quelle que soit la den-
sité de la v.a. X, par :

sn−1 sn−1
Iα = x − u1−α/2 √ ; x + u1−α/2 √
n n
√ L
Preuve On utilise le théorème central limite n X−m
sn−1
−→ N (0; 1).
n→+∞
3.3 Estimation d’une proportion p

Soit p la probabilité inconnu d’apparition d’un événement A. Pour estimer p, on réalise
n épreuves correspondant au schéma binomial et on observe la valeur r de la v.a. binomiale
B(n, p) R représentant le nombre de réalisations de l’événement A.
R
On sait que R suit une loi binomiale B(n; p) et que n
est un estimateur sans biais du pa-
ramètre p.
3.3.1 Cas d’un échantillon de grande taille (n > 30)

Utilisons la convergence en loi de la v.a. binomiale vers la v.a. normale quand n → +∞ :
R − np L
U=p −→ N (0; 1) .
np (1 − p) n→+∞

P −u1−α/2 < U < u1−α/2 = γ = 1 − α .
!
R − np
P −u1−α/2 < p < u1−α/2 ≃ γ = 1 − α ....
np (1 − p)
On peut alors construire un intervalle de confiance de p, selon deux méthodes :
!2
r − np
1. Méthode analytique : il s’agit de résoudre l’inéquation p < u21−α/2 , qui
np (1 − p)
équivaut à : (r − np)2 − np(1 − p)u2α/2 < 0, et permet donc de définir l’intervalle de
confiance de p au niveau (1 − α) :
 √ √ 
2rn + nu2α/2 − ∆ 2rn + nu2α/2 + ∆
p ∈ ICα =  ; 
2 2 2 2
2 n + nuα/2 2 n + nuα/2
où ∆ = nu2α/2 (nz 2 + 4rn − 4r 2 ).
18
r r

2. Méthode par approximation : on approche p (1 − p) par n
1− n
et on obtient l’ICα :
q
r r(n−r)
p ∈ ICα = ± u1−α/2 n3
n
L’intervalle fourni par cette méthode est évidemment, moins précis que le précédent, mais
converge vers celui-ci quand n → +∞. Cette méthode n’est valide que si : 0.1 < nr < 0.9.
Exercice 10 : Construction d’un intervalle de confiance pour une proportion

Un sondage sur la popularité du premier ministre indique que 51% des personnes interrogées
sont favorables à sa politique. Construire un estimateur pbn , puis un intervalle de confiance au
niveau 0,95 de la proportion p de français qui lui sont favorables, sachant que ce sondage a été
réalisé auprès de n = 100 personnes (utiliser la méthode par approximation). Même question
si n = 1000. Quelle doit être la valeur minimale de n pour que la longueur de cet intervalle soit
au plus égale à 4% ? Conclure sur le peu de confiance que l’on doit accorder aux estimations
des intentions de vote données dans la presse à la veille de certains seconds tours très serrés.
On peut construire des intervalles de confiance unilatéraux obtenus par la même d’approxi-
mation gaussienne : q
- intervalle unilatéral à droite : [ n − uα r(n−r)
r
n3
; 1]
q
- intervalle unilatéral à gauche : [0; n + uα r(n−r)
r
n3
]
3.3.2 Cas d’un échantillon de petite taille n

Il existe des tables, en fin de polycopié, qui pour les valeurs n et r permettent de déterminer :
– la valeur p1 qui est la plus grande valeur du paramètre p telle que :
n
X α
P (R1 > r) = Cnk pk1 (1 − p1 )n−k 6 où R1 ∼ B(n; p1 ),
k=r
2
– la valeur p2 qui est la plus petite valeur du paramètre p telle que :

r
X α
P (R2 6 r) = Cnk pk2 (1 − p2 )n−k 6 où R2 ∼ B(n; p2 ).
k=0
2
On pourra utiliser la table de la loi binomiale (en fin d’ouvrage) de paramètre p correspondant.
Le risque de se tromper, en affirmant que l’intervalle [p1 ; p2 ] contient la vraie valeur p, est
alors au plus égal à α. D’où l’intervalle de confiance :
p ∈ ICα = [p1 ; p2 ]
19
Exercice 11 : Intervalle de confiance unilatéral
A la sortie d’une chaîne de montage, 20 véhicules automobiles tirés au sort sont testés
de façon approfondie. Sachant que deux d’entre eux présentent des défauts graves et doivent
repasser dans la chaîne, construire un intervalle de confiance unilatéral de la forme p < C de
niveau 0,95 pour la proportion p de véhicules défectueux, par la méthode par approximation.
Exercice 12
Afin d’établir le profil statistique de certains malades d’un hôpital, on prélève au hasard et
avec remise 100 dossiers médicaux. Malheureusement, on constate qu’une proportion p d’entre
eux sont incomplets et donc inexploitables. Si on considère qu’il faut pouvoir exploiter au moins
1000 dossiers, combien faudra-t-il en prélever pour que cette condition soit réalisée avec une
probabilité égale à 0,95 ?
3.4 Estimation d’un paramètre d’une population quelconque, dans le

cas de grands échantillons
3.4.1 Intervalle de confiance obtenu par convergence en loi de l’E.M.V.
Si le paramètre θ de la loi de probabilité définie par f (x; θ) commune aux v.a. X1 , . . . , Xn
est estimé par la méthode du M.V., on obtient l’E.M.V. θbn .
Dans le cas où la borne de Cramer-Rao existe, on a :

1
Vn (θ) = 2
.
∂ log f (X; θ)
−n IE
∂θ2
θbn − θ L
De plus, on sait que p −→ N (0; 1) quand n → +∞. Ceci nous permet de construire
Vn (θ) n→+∞
un intervalle de confiance asymptotique de niveau de signification égal à α, à partir de :
p p
ICα = [θbn − uα/2 Vn (θ); θbn + uα/2 Vn (θ)]
3.4.2 Application
Il s’agit d’estimer le paramètre a d’une loi exponentielle décalé par translation de deux
unités.
La densité commune aux T1 , . . . , Tn est :

a e−a(t−2) si t > 2
f (t; a) = fa (t) =
0 si t < 2
20
n
1 1 1X
On trouve que l’E.M.V. est abn = n = où T = Ti . Construisons l’ICα du
X Ti − 2 T −2 n i=1
i=1
n
paramètre a de niveau de confiance 1 − α.
1
−a √
abn − a T − 2 n √
p = a = − n,
Vn (a) √ a T −2
n
d’où : " √ √ #
n n
ICα = √ ; √ .
t−2 u1−α/2 + n t − 2 −u1−α/2 + n
Exercice 13
Un atelier produit des composants électroniques dont la durée de vie est décrite par la
x2
variable aléatoire X, de densité de Weibull f (x) = θ2 xe− θ pour tout x > 0, où θ est un
paramètre inconnu, strictement positif.
1) Déterminer l’estimateur du maximum de vraisemblance θbn de θ, associé à l’échantillon
(X1 , . . . , Xn ).
2) Démontrer qu’il est sans biais et convergent.
3) Supposons que n est grand (supérieur à 50), démontrer que la v.a θbn est de loi normale, de
2
moyenne θ et de variance θn .
4) En déduire un intervalle de confiance de θ, au niveau de confiance fixé à 95%. Application
numérique : n = 1000, θb1000 = 3.
21
Chapitre 2
Tests d’hypothèse
1 Principes généraux
1.1 Exemple introductif : le "test binomial"
Problème posé lors d’un contrôle de fabrication : une machine fabrique des pièces de telle
sorte que chaque pièce peut être défectueuse avec la probabilité p, indépendamment de la qua-
lité des autres. Le paramètre p est inconnu et peut varier car la machine peut se dérégler au
cours du temps. On souhaite donc intervenir assez rapidement quand la machine se dérègle. On
admet que la machine fonctionne de façon satisfaisante tant que p ≤ p0 (où p0 est une valeur
fixée par des normes techniques), mais doit être révisée si p > p0 .
Problème de décision Choisir entre les deux hypothèses suivantes :

Hypothèse H0 : p ≤ p0 (dite hypothèse nulle) ;
Hypothèse H1 : p > p0 (dite hypothèse alternative)
Le paramètre p étant inconnu, au moment où l’on veut contrôler la machine, il faut donc à
partir d’un échantillon de taille n définir une règle de décision qui nous permette de choisir H0
ou H1 . On prélève au hasard n pièces et on définit la v.a. Xi par :

1 si la ième pièce est défectueuse avec la probabilité P(Xi =1) = p ;
Xi =
0 si la ième pièce est bonne avec avec la probabilité P(Xi =0) = q = 1 − p
Sur les n pièces prélevées, on note r leP

nombre de pièces défectueuses, défini comme l’observa-
tion de la variable aléatoire R égale à ni=1 Xi , et de loi binomiale B(n, p).
Règle de décision Tester l’hypothèse H0 contre l’hypothèse H1 , c’est adopter une règle de
décision qui tienne compte des résultats fournis par l’échantillon. Dans notre cas, on décidera
de rejeter H0 si le nombre observé r de pièces défectueuses est trop grand.
De manière plus précise, "on décide de rejeter H0 si R ≥ r0 ", où r0 est un nombre à dé-
terminer.
Le rejet de H0 (p ≤ p0 ) revient à accepter H1 et à décider de réviser la machine déréglée.
22
Dans le cas contraire, si R < r0 , on ne rejette pas l’hypothèse H0 et aucun réglage ne sera fait
sur la machine.
Cette règle de décision comporte deux risques d’erreurs :
- Le risque de rejeter H0 alors qu’elle est vraie ; il s’agit du risque de trouver dans un échantillon
de taille n un nombre r de pièces défectueuses supérieur à r0 alors que la machine fonctionne
correctement (c’est-à-dire : p ≤ p0 ).
Ce risque est appelé risque de première espèce.
- Le risque de ne pas rejeter H0 alors que H1 est vraie ; il s’agit du risque de trouver dans
un échantillon de taille n un nombre r de pièces défectueuses inférieur à r0 alors que la machine
est déréglée (p > p0 ).
Ce risque est appelé risque de deuxième espèce et correspond au risque de ne pas régler la
machine alors qu’elle est déréglée, ce qui n’est pas sans gravité.
Le test de H0 contre H1 sera totalement déterminé :
– si on connaît le nombre r0 et qu’on en déduise la probabilité fonction de p de chacun des

2 risques ;
– ou bien, si on se fixe a priori la probabilité du risque de première espèce et qu’on en

déduise le nombre r0 et la probabilité du risque de deuxième espèce ; cette éventualité
étant la plus fréquente en pratique.
Calcul des probabilités des deux risques d’erreur pour n et r0 fixés

Soit α(p) la probabilité de rejeter H0 , pour une valeur p, c’est-à-dire :
α(p) = P(obtenir auP moins r0 pièces défectueuses
Pn sur les n pièces)
n
= P(R ≥ r0 )= k=r0 P(R = k) = k=r0 Cn p (1 − p)n−k
k k
L’erreur de première espèce est alors :
P(rejeter H0 alors que H0 est vraie) = α(p) pour p ≤ p0
Erreur de deuxième espèce :
∀p > p0 , P(ne pas rejeter H0 alors que H1 est vraie) = 1 − α(p), désigné aussi par β(p).
Exemple numérique : pour tester H0 : p ≤ 4% (donc p0 = 0, 04) contre H1 : p > 4%,

on calcule α(p) pour les 3 cas suivants :
- n = 20 et r0 = 2
- n = 20 et r0 = 3
- n = 40 et r0 = 2
23
Les calculs sont donnés dans le tableau numérique suivant et on peut faire quelques re-
marques :
- on diminue un risque d’erreur pour augmenter l’autre quand on fait varier r0 (n égal à 20)
- on augmente la puissance (α(p) pour p > p0 ) si on augmente n (r0 étant égal à 3).
1.2 Cas général

Soient (x1 , ..., xn ) les observations de l’échantillon (X1 , ..., Xn ), associé au modèle statistique
(Rn , B(Rn ), P), où P est une famille de lois de probabilités.
Définition 15 On appelle hypothèse tout sous-ensemble de P .
Exemple 4 Soit un échantillon (X1 , ..., Xn ) dont on ignore la loi commune ; dans ce cas, P
sera l’ensemble de toutes les lois possibles.
En pratique, on est confronté à des hypothèses moins générales, portant seulement sur les
paramètres inconnus de lois connues.
Définition 16 On dit qu’une hypothèse est paramétrique si la loi de (X1 , ..., Xn ) est connue,
mais dépend d’un paramètre θ inconnu, scalaire ou vectoriel.
Exemple 5 Soit un échantillon (X1 , ..., Xn ) de loi commune gaussienne, Xi ∼ N(µ, σ 2 = 3).
La famille P de lois de probabilités de (X1 , ..., Xn ) est donc connue au paramètre µ près.
Les hypothèses paramétriques sont décrites par des égalités ou des inégalités.
24
Définition 17 Une hypothèse paramétrique est dite simple si une seule valeur de θ est testée,
par exemple µ = 1. Dans le cas contraire, elle est dite composite ou multiple.
Test d’hypothèses :
Il existe deux hypothèses :
– H0 (la valeur attendue de θ est θ0 ) appelée hypothèse nulle

– H1 (un ensemble de valeurs distinctes de θ0 ou bien "non H0 "), appelée hypothèse al-
ternative.
Réalité
H0 vraie H1 vraie
Décision H0 vraie 1−α β = P(accepter H0 à tort)
retenue H1 vraie α = P(rejeter H0 à tort) 1−β = η
Définition 18 La quantité α représente la probabilité de rejeter H0 alors qu’elle est vraie,

appelée risque de première espèce.
Définition 19 La quantité β représente la probabilité de rejeter H1 alors qu’elle est vraie,

appelée risque de seconde espèce.
La quantité 1 − β s’appelle la puissance du test.
Lorsqu’on est en présence d’un tel test, on cherche à minimiser les risques de première et seconde
espèces. Auparavant, il faut construire une règle de décision qui va nous permettre de choisir
entre H0 et H1 . Cette règle de décision est très importante puisqu’elle va induire la forme du
calcul de α et de β. Pour minimiser ces deux valeurs, il faut donc jouer sur cette règle de
décision. Nous verrons plus loin qu’il n’est pas possible de diminuer simultanément les risques
de première espèce et de deuxième espèce, qui varient en sens inverse.
Définition 20 On appelle statistique du test une statistique φ(X1 , ..., Xn ) dont la valeur
observée φ(x1 , ..., xn ) permettra de décider ou non le rejet de H0 .
Définition 21 On appelle région critique du test l’ensemble W des observations (x1 , ..., xn )
conduisant au rejet de H0 :
W = [(x1 , ..., xn ) ∈ Rn / φ(x1 , ..., xn ) ∈ D] = φ−1 (D)

On rejette H0 si et seulement si φ(x1 , x2 , ..., xn ) ∈ D.
25
Remarque 4 Si on rejette H0 , c’est qu’au vu des observations il est improbable que H0 soit
vraie ; mais si on décide d’accepter H0 , cela ne signifie pas que H0 soit vraie. Généralement, H0
est une hypothèse solidement étayée, qui est vraisemblable. La valeur de α sera prise d’autant
plus petite que la gravité conséquente au risque de première espèce est grande.
1.3 Test d’une hypothèse simple contre une hypothèse simple

Test de Neyman-Pearson
Soit X une v.a de densité f (., θ), où θ ∈ R est le paramètre inconnu. On note L(x, θ) (où :
x = (x1 , ..., xn )) la vraisemblance de l’échantillon (X1 , ..., Xn ).
On souhaite tester H0 : θ = θ0 contre H1 : θ = θ1 .
Dans ce cas, les deux probabilités d’erreur se calculent de la manière suivante :
α = P(rejeter H0 / θ = θ0 ) ;
β = P(ne pas rejeter H0 / θ = θ1 ).
Théorème 13 (Neyman-Pearson) Pour un risque de première espèce fixé, le test le plus

puissant pour tester H0 contre H1 est donné par la règle de décision :
L(x, θ1 )
on rejette H0 si > λα
L(x, θ0 )
où L(x, θi ) est la vraisemblance da la variable aléatoire X sous θi et λα une constante qui
dépend du niveau α du test.
Ce test est plus puissant que tout autre test, pour un seuil donné. Il est dit uniformément
le plus puissant (U.M.P).
Remarque 5 L’interprétation de ce résultat est simple : pour un risque de première espèce

α fixé, cette règle de décision parmi toutes les règles possibles, est celle qui permet d’obtenir la
plus forte puissance. Mais attention, ce résultat ne veut pas dire que les deux valeurs α et β
sont nécessairement proches de 0 : il affirme que pour une valeur de α, la seule règle de déci-
sion qui permette d’avoir la plus petite valeur pour β est la règle de décision de Neyman-Pearson.
Pour mettre en pratique ce théorème, l’idée est de procéder par équivalences successives : on
fait passer dans le membre de droite de l’inégalité tout ce qui dépend de θ0 et de θ1 ; il ne
reste alors plus à gauche qu’une fonction des observations seules : g(x). La v.a g(X) est appelée
statistique de test.
1. L’ensemble des résultats qui vont suivre sont aussi valables dans le cas où la règle de décision
nous fournit l’inégalité dans l’autre sens.
26
2. La loi de Tn = g(X) dépend du paramètre θ. Soit h(x; θ) la densité de Tn . "Sous H0 "
veut alors dire que nous prenons comme densité pour Tn , la densité h(x; θ0 ).
Calcul de la valeur de πα : trois cas sont possibles.
– Soit nous connaissons la loi de Tn = g(X1 , ..., Xn ) sous H0 et la forme explicite de l’inverse
de sa fonction de répartition FTn . L’équation (2.1) s’écrit alors :
FTn (πα ) = α ⇒ πα = FT−1 n
(α) .
– Soit nous connaissons la loi de Tn = g(X1 , ..., Xn ) sous H0 et nous possédons la table de
cette loi : on se reporte alors à la fiche technique sur les tables de lois pour voir comment
calculer la valeur de πα en fonction de α ;
– Soit nous ne connaissons pas la loi de Tn = g(X1, ..., Xn ) : dans ce cas, nous allons utiliser,
quand ce sera possible, l’approximation de la loi normale qui découle du théorème de la
limite centrale. Pour cela, il faut que la statistique Tn s’écrive sous la forme d’une somme
de v.a indépendantes de même loi et de variance finie.
Calcul de la puissance du test
Nous savons d’après le tableau de départ des risques de première et de seconde espèces que :
P(rejeter H0 alors que H1 est vraie) = PH1 (rejeter H0 )= 1 - β .
Supposons que la règle de décision de Neyman et Pearson nous ait fourni l’équivalence suivante :
on rejette H0 ⇔ g(X) < πα .
On a l’égalité suivante :
PH1 (g(X) < πα ) = 1 − β .
La quantité πα étant donnée, on détermine la puissance 1 − β .
Exemple : test de comparaison d’une moyenne à chacune de deux valeurs plausibles
Soit une population gaussienne dont on connaît la variance σ 2 = 16, mais dont la moyenne
m est inconnue. Supposons que l’on ait de très bonnes raisons de penser que la moyenne m
est égale à 20, mais qu’il n’est pas impossible qu’elle soit égale à 22. On fait alors les deux
hypothèses suivantes :

Hypothèse H0 : m = m0 =20 ;
Hypothèse H1 : m = m1 =22
On tire un échantillon de 25 individus de moyenne x = 20,7. La variable aléatoire X asso-

ciée à la moyenne est de loi N(m; σ 2 /n) = N(m; 16/25). Les fonctions de vraisemblance sous
27
H0 et H1 sont données par :
25
Y
L0 ((x) sachant que m = m0 = 20) = f (xi ; 20)
i=1
25
Y
L1 ((x) sachant que m = m1 = 22) = f (xi ; 22)
i=1
D’après le test de Neyman-Pearson, on a la règle de décision suivante :
L1 ((x1 , . . . , xn ) sachant que m = m1 = 22)

on rejette H0 ⇐⇒ > λα
L0 ((x1 , . . . , xn ) sachant que m = m0 = 20)
Pn (xi −22)2
1
(2π)n/2 σn
e− i=1 2σ 2
⇐⇒ Pn (xi −20)2
> λα
1
(2π)n/2 σn
e− i=1 2σ 2
σ2 m0 + m1
⇐⇒ x> log λα + ≡ πα .
n(m1 − m0 ) 2
Tous calculs faits, on obtient : πα = 21 + 0, 32 log λα .
déf
Risque de première espèce : α = P(choisirH1 /H0 vraie)
= P(X > πα /Xde loi N(20; 16/25));
déf
Risque de deuxième espèce : β = P(choisirH0 /H1 vraie)
= P(X ≤ πα /Xde loi N(22; 16/25)).
On décide d’accepter H0 si la réalisation x de X est inférieure ou égale à πα ; inversement, on

rejette H0 si x > πα .
28
Pour déterminer la région critique, donnons à α une valeur, par exemple 5%. On a donc :

X − 20 π5% − 20
5% = P (X > π5% /m = 20) = P >
0, 8 0, 8
ce qui entraîne que π5% = 21,32 .
D’où la région critique : W5% = {x ∈ Rn /x > 21, 32}
Nous pouvons maintenant faire le choix de l’hypothèse H0 ou H1 avec notre règle de déci-
sion. Comme x̄ = 20,7 est inférieur à π5% , on décide d’accepter H0 : m = 20.
Pour conclure l’étude de cet exemple, il reste à calculer le risque de deuxième espèce β. Nous
avons par définition :

X − 22 21, 32 − 22
β = P (X ≤ π5% /m = 22) = P ≤
0, 8 0, 8
= P (N(0; 1) ≤ −0, 85) = 1 − P (N(0; 1) > −0, 85)
= 0, 197.
En conclusion, le risque d’avoir choisi H0 alors que H1 est vraie est égal à 19,7%. La puissance
η du test (η = 1 − β) est donc de l’ordre de 80 %.
Exercice 14 : Test d’une proportion

Avant le second tour d’une élection présidentielle, le candidat D. Magog commande un son-
dage à une société spécialisée pour savoir s’il a une chance d’être élu. Sachant que la proportion
p des électeurs qui lui sont favorables ne peut prendre que deux valeurs, ceci conduit au test :

H0 : p = p0 = 0, 48;
H1 : p = p1 = 0, 52.
1. Quelle est la signification du choix de p = 0, 48 comme hypothèse nulle ?
2. Déterminer la région critique du test de risque α = 0,10 si le sondage a été effectué
auprès de n = 100 électeurs. Que peut-on penser du résultat ? (utiliser le rapport des
vraisemblances).
3. Indiquer comment varient la région critique et la puissance η = 1 − β en fonction de n.
Calculer les valeurs de η pour n = 100, 500 et 1000.
4. On considère maintenant le test :

H0 : p = 0, 49;
H1 : p = 0, 51.
29
Calculer la taille d’échantillon minimum n0 pour que la puissance soit supérieure à 0,90.
Quelle est alors sa région critique ?
Exercice 15
Soit X la variable aléatoire associée à la durée de fonctionnement d’un composant électro-
nique ; X est une variable de Weibull :
- de densité f (x; θ, λ) = (λ/θ).xλ−1 exp{(−1/θ) xλ }, ∀x ≥ 0
- de fonction de répartition F (x; θ, λ) = 1 − exp{(−1/θ) xλ }
On suppose que λ est connu et θ inconnu.

1. Démontrer que E(X λ ) = θ
2. Déterminer l’estimateur du maximum de vraisemblance θ̂n de θ, en fonction de l’échan-
tillon (X1 , . . . , Xn ).
3. Est-il sans biais ? Convergent ? (indication : Var (X λ ) = θ2 ).
4. On souhaite tester H0 : θ = θ0 contre H1 : θ = θ1 (θ1 > θ0 ). Déterminer la statistique Tn
correspondant à ce test à l’aide du théorème de Neyman-Pearson.
5. Vérifier que Y = (2/θ)X λ est une v.a χ2 à deux degrés de liberté (on se contentera de
démontrer que la fonction de répartition de Y est égale à 1 − exp{−y/2} pour y positif).
6. En déduire que sous l’hypothèse H0 , (2/θ0 )Tn est un χ2 à 2n degrés de liberté. En déduire
la borne critique (séparant la région critique de la région d’acceptation) pour un risque
de première espèce α fixé.
P
7. Doit-on rejeter H0 , au risque α = 5% si θ0 = 0, 5 ; θ1 = 1 ; n = 10 ; λ = 3 et 10 3
i=1 xi = 18.
1.4 Test d’une hypothèse simple contre une hypothèse composite

Exemple 6 Sous les mêmes hypothèses de normalité des populations que l’exemple précédent,
on teste cette fois :
H0 : m = 20 ;
H1 : m > 20.
On dispose d’un échantillon de taille n = 25 et on fixe le risque de première espèce α = 0, 02.
On a alors :
α = 0, 02 = P (décider H1 /H0 vraie) = P (X ≥ πα / m = 20)

X − 20 πα − 20 πα − 20
= P ≥ = P N(0; 1) ≥
0, 8 0, 8 0, 8
On en déduit par lecture de la table gaussienne centrée réduite :

(πα − 20)/0, 8 = 2, 05 ; donc, πα = 21, 64 , indépendant de m.
On décide : m > 20 si x ≥ 21, 64 et m = 20 si x < 21, 64
Que peut-on dire de l’erreur de deuxième expèce β ? Elle dépend de la valeur réelle de m :
m → β(m) = P (X < πα / m > 20).
30
On conçoit aisément que plus la valeur de m est grande, moins on a de chances de décider H0
et plus β est petit.
Généralement, soit X une v.a de densité f (x, θ) où θ ∈ R est inconnu. On veut tester :

H0 : θ = θ0 ;
H1 : θ ∈ Θ1 , sous ensemble de R, qui ne contient évidemment pas θ0 .
Définition 22 On appelle :
– fonction puissance η : θ ∈ Θ1 → η(θ) = P(rejet de H0 / θ ∈ Θ1 ).
– fonction d’erreur de 2ème espèce, ou fonction d’efficacité β :

θ ∈ Θ1 → β(θ) = P(acceptation de H0 / θ ∈ Θ1 ) = 1 − η(θ)
Recherche du meilleur test
Soit l’hypothèse alternative simple H1′ : θ = θ1 , avec θ1 ∈ Θ1 .

On cherche le test uniformément le plus puissant (U.M.P.), donné par le théorème de Neyman-
Pearson à un niveau α fixé :
H0 : θ = θ0 ;
H1′ : θ = θ1 .
Deux cas peuvent se présenter :
– 1er cas : le test obtenu ne dépend pas de la valeur θ1 choisie dans Θ1 : il est alors U.M.P.
– 2ème cas : le test dépend du choix de θ1 : il n’existe pas de test optimal et le choix du
test fera une large place à l’intuition.
Exercice 16
(suite du test présenté comme exemple au début du chapitre 2.1.4)
Déterminer les valeurs de β dans le cas des diverses valeurs de m (22, 24, 26, 28), et tra-
cer le graphe de la fonction m → β(m).
Remarque 6 1. On démontre que la puissance η = 1 − β d’un test U.M.P. est supérieure

à la puissance de tout autre test.
2. Un test n’est pas nécessairement U.M.P. : c’est le cas du test H0 : m = m0 contre H1 :
m 6= m0 . Dans ce cas, la région critique est égale à l’union des régions critiques associées
aux deux tests :
H0 contre H1′ : m > m0 et H0 contre H1′′ : m < m0 .
31
Poursuivons l’étude de l’exemple précédent dans le cas où H1 : m 6= 20, avec un risque α = 4%.
L’hypothèse H1 est équivalente à H1′ : m < 20 ou H1′′ : m > 20.

On va tester chaque hypothèse alternative H1′ et H1′′ avec un risque de 2%.
Le cas H0 contre H1′′ a été traité dans l’exemple précédent où on a déterminé la région critique
[21,64 ; +∞[ au risque de première espèce α = 2%.
Pour des raisons évidentes de symétrie, le test H0 contre H1′ donne la région critique
] − ∞; 18, 36]
On accepte H0 si 18, 36 < x̄ < 21, 64 avec un risque α = 4%. La région d’acceptation de H0
est donc égale à l’intersection des régions d’acceptation de chacun des deux tests. Le risque de
seconde espèce β dépend de la valeur de m : le test n’est donc pas U.M.P. (voir Exercice 16).
Exercice 17 : Test localement optimal

(extrait de l’ouvrage : Modélisation, probabilités et statistique de B. Garel, éd. Cepadues)
Un des problèmes constants du traitement du signal est d’identifier la présence d’un signal
dans du bruit. Pour cela, on utilise une statistique de test appelée détecteur. On suppose ici
que les observations suivent le modèle :
Xj = θsj + Zj , j = 1, . . . , n
où θ ≥ 0, les sj sont des réels connus et les Zj sont des v.a indépendantes de même loi centrée
de variance σ 2 connue et de densité f positive et dérivable sur R.
On veut tester l’hypothèse H0 : θ = 0 (absence de signal) contre H1 : θ > 0 (présence de signal).
On note L(x1 , . . . , xn ; θ) la vraisemblance calculée sous l’hypothèse H1 et
L0 (x1 , . . . , xn ) celle calculée sous H0 . On appelle détecteur localement optimal le détecteur
caractérisé par la règle suivante faisant intervenir la dérivée logarithmique de L(x; θ) :
∂L(x1 ,...,xn ;θ)
∂θ
|θ=0
on rejette H0 si > πα
L0 (x1 , . . . , xn )
où Cα dépend de la probabilité de fausse alarme α.
1. Caractériser le détecteur localement optimal en fonction des V.A.R.
f ′ (Xj )
− , j = 1, . . . , n. Pour cela, on remarquera que les Xi sont
f (Xj )
indépendantes et que leur densité est la fonction x → f (x − θsj ).
2. Préciser ce détecteur dans le cas où les Zj sont gaussiennes N(0; σ 2 ).
3. A l’aide du théorème de Neyman et Pearson, caractériser le détecteur le plus puissant du
test H0 : θ = 0 contre H1′ : θ = θ1 > 0 dans le cas gaussien ci-dessus. En déduire l’expres-
sion du test uniformément le plus puissant pour tester H0 contre H1 . Que constate-t-on ?
32
Exercice 18
(cf : ouvrage précédemment cité)
En traitement du signal (modèles sismiques, radars, . . .), on constate un intérêt croissant pour
les modèles multiplicatifs du type
Xj = (1 + θsj )Yj , j = 1, . . . , n
où les Xj sont les observations, (sj )j≥1 est une suite de réels connus, θ ≥ 0 est un paramètre
positif inconnu, pour tout j, 1 + θsj > 0 et Yj représente un bruit, qualifié ici de multiplicatif.
On suppose que les Yj sont des V.A.R. indépendantes et de même loi de densité f , dérivable
sur R.
On veut tester l’hypothèse :
H0 : θ = 0 contre H1 : θ > 0
On note L(x1 , . . . , xn ; θ) la vraisemblance de (x1 , . . . , xn ) sous H1 et L0 (x1 , . . . , xn ) celle calculée

sous H0 . On retient comme statistique celle du test localement optimal caractérisé par la règle
de décision :
∂L(x1 ,...,xn ;θ)
∂θ
|θ=0
on rejette H0 si > λα
L0 (x1 , . . . , xn )
où la constante λα dépend du risque de première espèce α.
1. Montrer que :
n
Y
1 xj
L(x1 , . . . , xn ; θ) = f
j=1
1 + θs j 1 + θsj
2. Montrer que le test localement optimal se ramène à :

n
X f ′ (Xj )
on rejette H0 si −sj Xj > Cα
j=1
f (Xj )
où Cα dépend de λα et des sj . Penser à utiliser la dérivée logarithmique de la vraisem-

blance.
3. On appelle loi normale généralisée une loi dont la densité f s’écrit :

α y − µ α
y −→ f (y) = exp − , où α > 0, β > 0, et µ ∈ R
2 β Γ( α1 ) β
Lorsque α = 2, on retrouve une loi normale.

On suppose que les Yi suivent une loi normale généralisée avec α > 1, β = 1 et µ = 0.
Montrer que la statistique de test s’écrit alors :
n
X
Tn = α sj |Xj |α .
j=1
33
Exercice 19 : Problème d’extinction d’une population ; capture et recapture
(extrait de l’ouvrage précédemment cité)
On souhaite estimer le nombre N de poissons d’une espèce donnée vivant dans un lac. Pour
cela, on effectue une première capture de n poissons que l’on bague et que l’on remet dans
l’étang.
Une semaine plus tard, on capture à nouveau n poissons. On note K la V.A.R. qui repré-
sente le nombre de poissons bagués recapturés. On suppose que ces recaptures sont effectuées
avec remise (autrement dit que la proportion de poissons bagués reste constante pendant la
recapture).
1. Quelle est la loi de la v.a K ?
2. en déduire que K/n est une estimateur de n/N. En déduire un estimateur Tn de 1/N.
Calculer son espérance et sa variance. Proposer enfin un estimateur de N. On supposera
que N est suffisamment grand pour que K n’ait aucune chance d’être nul.
3. On décide de n’ouvrir la pêche à cet endroit qu’en étant à peu près sûr que le nombre de
poissons présents est au moins égal à 1000.
Pour cela, on souhaite effectuer un test de niveau α = 5% (risque de première espèce)
permettant de tester les hypothèses :
H0 : N = 1000 contre H1 : N < 1000.
Ecrire un problème équivalent portant sur 1/N. Montrer que Tn peut être utilisée comme
statistique de test avec comme règle de décision :
on rejette H0 si Tn > uα
où P(Tn > uα ) = 5%. Utiliser une approximation normale de la loi binomiale pour calculer
la valeur critique uα .
4. Montrer que :
(N − n)1/2 1
uα = t0,95 + , N = 1000
nN N
où t0,95 est le quartile d’ordre 0,95 de la loi normale N(0; 1).
Application numérique : on bague 100 poissons. On en retrouve 15 bagués, lors de la recap-

ture. A combien estime-t-on le nombre de poissons dans l’étang ? La pêche sera-t-elle ouverte ?
1.5 Test d’une hypothèse composite contre une hypothèse composite

Soient deux hypothèses :
H 0 : θ ∈ Θ0 ;
H 1 : θ ∈ Θ1 .
où Θ0 et Θ1 sont des sous-ensembles disjoints de R.
Dans ce cas, les deux risques d’erreur α et β dépendent de θ. On a :
34
α(θ) = P(rejeter H0 / θ ∈ Θ0 ) erreur de 1ère espèce ,
β(θ) = P(ne pas rejeter H0 / θ ∈ Θ1 ) erreur de 2ème espèce.
Définition 23 On appelle niveau ou seuil de signification du test, la quantité :
α = sup α(θ) = sup P(rejeterH0 / θ ∈ Θ0 )

θ∈Θ0 θ∈Θ0
Il est difficile dans le cas général de déterminer le test optimal. Dans la plupart des cas usuels,
on testera une hypothèse simple (H0 ) contre une hypothèse simple ou multiple (H1 ).
2 Tests pour échantillons gaussiens

Lorsque les études préalables ont permis de considérer que les variables étudiées suivent
des lois normales ou approximativement normales, on dispose de tests permettant de tester des
hypothèses portant sur les moyennes ou les variances de ces lois normales.
Tous les tests seront de seuil égal à α fixé ou asymptotiquement égal à α.
2.1 Tests de comparaison d’un seul paramètre à une valeur ou un

ensemble de valeurs données
Soit (X1 , . . . , Xn ) un échantillon de v.a indépendantes de même loi gaussienne N(µ; σ 2 ) où
µ et σ 2 sont inconnus.
Le lecteur se reportera aux rappels (du paragraphe 3.2.1 du chapitre précédent) sur les proprié-
tés des v.a X, S 2 , omniprésentes dans ce qui suit.
2.2.1.1 Comparaison de la moyenne µ à une valeur donnée µ0
Dans le cas où le paramètre σ 2 est connu, pour tester l’hypothèse H0 : µ = µ0 contre

H1 : µ = µ1 , on a vu que le test de Neyman-Pearson (U.M.P.) nous fournit la règle de décision
suivante :
– dans le cas où µ1 > µ0 : on rejette H0 ssi X > πα , borne critique

– dans le cas où µ1 < µ0 : on rejette H0 ssi X < πα , borne critique
Dans le cas où le paramètre σ 2 est inconnu, on utilise la statistique :

√ 1 Pn
√ X − µ0 n ( n i=1 Xi − µ0 ) √ X − µ0
n = qP à la place de n
Sn−1 n (Xi −X)2 σ
i=1 n−1
qui suit la loi de Student à (n − 1) degrés de liberté quand H0 est vraie.
35
On construit donc les tests suivants, appelés tests de Student, dans chacun des cas suivants
(au seuil α) :

er H0 : µ = µ 0
1 cas : le test unilatéral pour tester est défini par la règle de décision sui-
H> : µ > µ 0
vante :
√
n (X − µ0 )
on rejette H0 ssi > tn−1; α
S

H0 : µ 6 µ 0
Ce test est également utilisé pour tester
H> : µ > µ 0

ème H0 : µ = µ 0
2 cas : le test unilatéral pour tester est défini par la règle de décision
H< : µ < µ 0
suivante :
√
n (X − µ0 )
on rejette H0 ssi < −tn−1; α
S

H0 : µ > µ 0
Ce test est également utilisé pour tester
H< : µ < µ 0

ème H0 : µ = µ 0
3 cas : le test bilatéral pour tester est défini par la règle de décision suivante :
H6= : µ 6= µ0
√
n X − µ0
on rejette H0 ssi > tn−1; α
S 2
où tn−1;α et tn−1;α/2 représentent les fractiles de la loi de Student à (n − 1) d.d.l. d’ordre

1 − α et 1 − α/2.
Remarque 7 Les tests de Student restent encore "valables" quand n est au moins
de l’ordre de la trentaine , même si l’hypothèse de normalité n’est pas vérifiée.
Exercice 20 : Test de l’espérance d’une loi normale d’écart-type connu

Soit X une v.a de loi normale N(m; σ 2 ) d’écart-type connu σ =2. Au vu d’un échantillon
(X1 , . . . , Xn ) issu
de la loi de X, on veut choisir entre les deux hypothèses :
H0 : m = 2
H1 : m = 3
36
1. On résout ce problème de test par la méthode de Neyman-Pearson. On dispose donc de
l’estimateur de la moyenne X. Déterminer la région critique.
2. Dans le cas où n = 100 et α = 0, 05 , calculer la puissance de ce test. Qu’en concluez-vous ?
3. Quelle doit être la taille d’échantillon minimum n0 pour que la puissance soit égale à
0,95 ?
Exercice 21 : Test de l’espérance d’une loi normale d’écart-type inconnu

Soit X une v.a de loi normale N(m; σ 2 ) d’écart-type inconnu. Au vu d’un échantillon
(X1 , . . . , Xn ) issu de la loi de X, on veut choisir entre les deux hypothèses :

H0 : m = 1
H1 : m = 2
Déterminer la région critique de ce test dans le cas où n = 25 et α = 0, 05, dans le cas à
s = 0, 2 (préciser quel test utiliser) relire cette phrase !
Exercice 22 : Respect d’une norme de fabrication

On étudie la résistance à la rupture X d’un fil fabriqué selon des normes où la résistance
moyenne doit être m0 = 300g avec un écart-type σ0 = 20g. La v.a X est supposée suivre une
loi normale N(m; σ 2 ). On désire vérifier le respect des normes.
Tester cette hypothèse sur la base d’un échantillon de 100 bobines de fil fournissant comme
résultats une moyenne empirique x = 305 et un écart-type empirique s100 = 22.
2.2.1.2 Comparaison de la variance σ 2 à une valeur donnée σ0 2
a) Dans le cas où le paramètre µ est connu, pour tester l’hypothèse H0 : σ 2 = σ0 2 contre

l’hypothèse H1 : σ 2 = σ1 2 , le test de Neyman-Pearson nous donne la règle de décision suivante :
P
– dans le cas où σ1 > σ0 : on rejette H0 ssi Pni=1 (Xi − µ)2 > K,
– dans le cas où σ1 < σ0 : on rejette H0 ssi ni=1 (Xi − µ)2 < K.
b) Dans le cas où le paramètre µ est inconnu et estimé par X, on considère la statistique :

n
1 X
(Xi − X)2
σ0 2 i=1
qui, sous H0 est une v.a χ2n−1 .
On construit donc les tests suivants, au seuilα :

H0 : σ = σ0
– 1er cas : le test unilatéral pour tester est défini par la règle de décision
Hσ> : σ > σ0
suivante :
37
n
1 X
on rejette H0 ssi (Xi − X)2 > χ2n−1; α
σ0 2 i=1

ème H0 : σ = σ0
– 2 cas : le test unilatéral pour tester est défini par la règle de décision
Hσ< : σ < σ0
suivante :
n
1 X
on rejette H0 ssi (Xi − X)2 < χ2n−1; 1−α
σ0 2 i=1

ème H0 : σ = σ0
– 3 cas : le test bilatéral pour tester est défini par la règle de décision
Hσ6= : σ 6= σ0
suivante :
n n
1 X 1 X
on rejette H0 ssi (Xi −X)2 < χ2n−1; 1− α ou (Xi −X)2 > χ2n−1; α
σ0 2 i=1 2 σ0 2 i=1 2
où χn−1;α , χn−1;1−α , χn−1;α/2 et χn−1;1−α/2 représentent les fractiles de la loi du chi-deux à (n−1)
d.d.l. d’ordre 1 − α, α, 1 − α/2 et α/2.
Exercice 23 : Test de l’écart-type d’une loi normale d’espérance connue

Une entreprise, spécialisée dans la fabrication de pâtes aux oeufs frais fonde sa publicité sur
l’affirmation suivante : trois oeufs frais au kilo, soit 14% de la composition. Le producteur s’en-
gage ainsi à respecter certaines normes de qualité de fabrication portant sur les caractéristiques
de la v.a X représentant le pourcentage d’oeufs dans la composition d’un paquet, supposée de
loi normale N(m; σ 2 ).
1. On suppose que σ = 1 et que la machine à fabriquer les pâtes est bien réglée si m = 14.
Le fabricant considère qu’un paquet est non conforme à sa norme de qualité si X < 14.
Calculer la probabilité p qu’un paquet ne soit pas conforme lorsque la machine est bien
réglée. Quelle doit être la valeur minimale de m pour que la probabilité qu’un paquet ne
soit pas conforme ne dépasse pas 5 % ?
2. Une grande surface reçoit un lot de ces pâtes et désire vérifier la qualité du fournisseur.
Un échantillon de n paquets est tiré au hasard ; soit (x1 , . . . , xn ) les observations après
analyse. On suppose m = 6 connu et σ 2 inconnu. P P76 2
Sur un échantillon de taille n = 76, on a observé 76
i=1 xi = 1140 et i=1 xi = 17195.
Déterminer la région
critique du test de risque α = 0, 05 :
H0 : σ = 1
H1 : σ = 2
38
Exercice 24
Une boisson gazeuse, mise en vente au public depuis plusieurs mois, a procuré par quinzaine
un chiffre d’affaires de loi normale d’espérance 157 000 euros et d’écart-type 19 000 euros. Une
campagne publicitaire est alors décidée.
La moyenne des ventes des huit quinzaines suivant la fin de la promotion est 165 000 euros. On
admet que l’écart-type reste constant.
La campagne publicitaire a-t-elle permis d’accroître le niveau moyen des ventes de 10 % ?
2.2.1.3 Tests sur les proportions
On se place dans le cadre de l’approximation gaussienne du sous-chapitre 2.3.3.1, auquel on se

reportera.
Il s’agit de tester la valeur inconnue de la probabilité p d’un événement A, contre une va-
leur p0 . Pour ce faire, on dispose d’un échantillon de longueur n ayant donné k réalisations de
A : k/n est donc l’estimation de p. Considérons les trois tests asymptotiques :
( )
k − np0
H0 : p 6 p0 contre H1 : p > p0 ; Wα = p > uα
np0 (1 − p0 )
( )
k − np0
H0 : p > p0 contre H1 : p < p0 ; Wα = p < −uα
np0 (1 − p0 )
( )
k − np0

H0 : p = p0 contre H1 : p 6= p0 ; Wα = p > uα/2
np0 (1 − p0 )
Les uα/2 et uα sont les fractiles de la loi N (0, 1) d’ordre 1 − α/2 et 1 − α.
Exercice 25
Un généticien veut comparer les proportions p de naissances masculines et 1 − p de nais-
sances féminines à l’aide d’un échantillon de n = 900 naissances où on a observé 470 garçons.
Il considère donc
le test suivant :
H0 : p = 0, 5
H1 : p = 0, 48
1. Quelle est la conclusion sur cet échantillon et pourquoi le généticien est-il peu satisfait de
ce test ? (on choisit α = 10%)
2. Il décide alors
d’effectuer le test :
H0 : p = 0, 5
H1 : p 6= 0, 5
Quelle est alors sa conclusion ?
39
2.2 Tests de comparaison de deux paramètres issus de populations
distinctes
On considère deux échantillons extraits de deux populations normales distinctes :

(X1 , . . . , Xn ) un échantillon de taille n1 de v.a de loi N(µ1 ; σ12 )
(Y1 , . . . , Yn ) un échantillon de taille n2 de v.a de loi N(µ2 ; σ22 )
Notations
On pose :
n1 n1
1 X 2 1 X
X= Xi ; S X = (Xi − X)2 , et
n1 i=1 n1 − 1 i=1
n2 n2
1 X 2 1 X
Y = Y i ; SY = (Yi − Y )2
n2 i=1 n2 − 1 i=1
Compte tenu des hypothèses précédentes, on sait que la loi de :
2
SX /σ12
est une loi de Fisher à (n1 − 1) et (n2 − 1) d.d.l.
SY2 /σ22
(X − µ1 ) − (Y − µ2 )
q 2 est une loi normale centrée réduite N(0; 1).
σ1 σ22
n1
+ n2
On rappelle que : si U1 ∼ N(µ1 ; σ12 ), U2 ∼ N(µ2 ; σ22 ) et U1 indépendante de U2 , alors

U1 + U2 ∼ N(µ1 + µ2 ; σ12 + σ22 ).
2.2.2.1. Comparaison des variances σ12 et σ22
On souhaite tester l’hypothèse H0 : σ12 = σ22 contre une hypothèse alternative H1 , de type
inégalité.
2
Quand H0 est vraie, la statistique (SX 2
/σ12 )/(SY2 /σ22 ) = SX /SY2 suit une loi de Fisher à (n1 − 1)
40
et (n2 − 1) d.d.l.
Avec un raisonnement analogue à celui du paragraphe précédent, on construit les tests au

seuil α, dits de Fisher-Snedecor :

er H0 : σ12 = σ22
H1,2 : σ12 > σ22
suivante :
2
SX
on rejette H0 ssi > fn1 −1;n2 −1; α
SY2

ème H0 : σ12 = σ22
H2,1 : σ12 < σ22
suivante :
SY2
on rejette H0 ssi 2
> fn2 −1;n1 −1; α
SX

ème H0 : σ12 = σ22
– 3 cas : le test bilatéral pour tester est défini par la règle de décision
H6= : σ12 6= σ22
suivante :
2
SX SY2
on rejette H0 ssi > fn −1;n −1; α ou > fn2 −1;n1 −1; α2
SY2 1 2 2 2
SX
où fk;l;α, fn1 −1;n2 −1;α/2 représentent les fractiles de la loi de Fisher-Snedecor à k et l d.d.l. d’ordre
1 − α et 1 − α/2.
2.2.2.2. Comparaison des moyennes µ1 et µ2 en présence de variances égales
On suppose donc que σ1 = σ2 et on notera σ0 cette valeur commune. En pratique, on fait

le test de comparaison des variances (voir paragraphe précédent), ce test devant conclure à
l’acceptation de l’égalité des variances.
Le paramètre σ02 est inconnu et est estimé par :
P n1 2
Pn2 2
2 i=1 (Xi − X) + i=1 (Yi − Y )
S0 =
n1 + n2 − 2
On admet que (n1 + n2 − 2)S02 /σ02 suit une loi du χ2 à (n1 + n2 − 2) d.d.l.
On considère alors la statistique :
X − Y − (µ1 − µ2 )
q
S0 n11 + n12
41
qui suit une loi de Student à (n1 + n2 − 2) d.d.l. quand H0 est vraie (voir rappels du paragraphe
3.2.1)
On construit donc les tests suivants, au seuil α :

er H0 : µ 1 = µ 2
– 1 cas : le test unilatéral pour tester
H> : µ 1 > µ 2
est défini par la règle de décision suivante :
X −Y
on rejette H0 ssi q > tn1 +n2 −2; α
S0 n11 + 1
n2

H0 : µ 1 = µ 2
– 2ème cas : le test unilatéral pour tester
H< : µ 1 < µ 2
X −Y
on rejette H0 ssi q < −tn1 +n2 −2; α
S0 n11 + 1
n2

ème H0 : µ 1 = µ 2
– 3 cas : le test bilatéral pour tester
H6= : µ1 6= µ2
|X − Y |
on rejette H0 ssi q > tn1 +n2 −2; α/2
S0 n11 + n12
où tn1 +n2 −2;α et tn+1+n2 −2;α/2 représentent les fractiles de la loi de Student à (n1 + n2 − 2) d.d.l.
d’ordre 1 − α et 1 − α/2.
2.2.2.3. Comparaison des moyennes µ1 et µ2 en présence de variances inégales
Dans le cas où le test de comparaison de variances conclut à l’inégalité des variances, la loi
de probabilité de la statistique de test dépend alors des paramètres σ1 et σ2 inconnus, ce qui
ne permet pas de déterminer un test de seuil α.
Seul le cas de "grands" échantillons (n > 30) nous permet de donner une réponse à ce problème.
On construit les tests suivants, de seuil asymptotiquement égal à α en utilisant la convergence
en loi de :
X − Y − (µ1 − µ2 )
q 2 vers la loi N(0; 1).
SX SY2
n1
+ n2
42

H0 : µ 1 = µ 2
Par exemple, le test unilatéral pour tester
H1 : µ 1 > µ 2
X −Y
on rejette H0 ssi q 2 > zα
SX SY2
n1
+ n2

H0 : µ 1 = µ 2
Le test bilatéral pour tester
H1 : µ1 6= µ2
|X − Y |
on rejette H0 ssi q 2 > zα/2
SX SY2
n1
+ n2
où zα et zα/2 représentent les fractiles de la loi de Normale centrée réduite d’ordre 1 − α

et 1 − α/2.
Exercice 26
Le propriétaire d’un magasin d’alimentation constate que son chiffre d’affaires, supposé
suivre une loi normale, baisse depuis l’installation à proximité, d’un hypermarché. Pour savoir
si cette baisse est significative, il a relevé le montant hebdomadaire de ses ventes xi durant les
vingt semaines précédant l’ouverture de cet hypermarché (1 6 i 6 20) et yi pendant les trente-
deux semaines après l’ouverture
P (1 6 j 6 32). Que
P32peut-on conclure à partir des observations
2 2
x = 33, 8 ; y = 30, 9 ; i=120 (xi − x) = 763 et j=1 (yi − y) = 875 ?
Exercice 27
Une usine élabore une pâte de verre dont la température de ramollissement X est supposée
suivre une loi normale.
1. A six mois d’intervalle, deux séries d’observations sont réalisées et les moyennes et écart-
types empiriques sont les suivants :
n1 = 41; x1 = 785; s1 = 1, 68; n2 = 61; x2 = 788; s2 = 1, 40
Les productions sont-elles identiques ? On comparera les variances, puis les moyennes au
risque α = 5%.
2. Même question avec :
n1 = 9; x1 = 2510; s1 = 15, 9; n2 = 21; x2 = 2492; s2 = 24, 5
Exercice 28
Soient deux populations d’individus dont certaines présentent une caractéristique donnée
(par exemple : pièce défectueuse) dans les proportions p1 et p2 inconnues. On prélève n1 in-
dividus dans la population (1) et n2 dans la population (2) ; soient Xi (i = 1, 2) les nombres
aléatoires d’individus présentant la caractéristique.
43
1. Déterminer la loi exacte de Xi .
2. Sous l’hypothèse qui garantit l’approximation gaussienne (i = 1, 2 : ni pi > 5 et ni (1 −
pi ) > 5, démontrer que si H0 : p1 = p2 = p est vraie, la v.a (X1 /n1 − X2 /n2 ) est
N(0, σ 2 = p (1 − p)(1/n1 + 1/n2 )).
3. Approcher p inconnu par une estimation p̂ satisfaisante.
4. Construire la région de confiance du test : H0 : p1 = p2 = p contre H1 : p1 6= p2 .
5. Construire la région de confiance du test : H0 : p1 6 p2 contre H1 : p1 > p2 .
6. Application : n1 = 30, n2 = 40, X1 = 5, X2 = 8.
2.3 Test du chi-deux

Dans ce paragraphe, nous développons quelques tests classiques d’hypothèse portant sur la
nature de la loi de probabilité d’une v.a décrivant une population donnée. Certaines méthodes
graphiques permettent de se faire une idée sur la loi de la variable étudiée (histogramme, fonc-
tion de répartition empirique, droite de Henry dans le cas d’une loi gaussienne, ...), mais ne
permettent pas, contrairement au test du chi-deux, de contrôler les erreurs que l’on risque de
faire en acceptant tel ou tel type de loi.
Le test du chi-deux appartient à la classe des tests qui ne concernent pas la valeur d’un para-
mètre inconnu, appelés tests non-paramétriques. Le test du chi-deux est un test d’ajustement
qui permet de déterminer si les observations d’une population donnée vérifient une loi postulée
(normale, exponentielle, ...).
Rappels sur la loi multinomiale à k catégories
Dans une urne contenant des boulesPde k catégories : C1 , C2 , . . . , Ck en proportions res-

pectivement p1 , p2 , . . . , pk telles que ki=1 pi = 1, on réalise une suite de n tirages avec remise
(ou indépendants). Soit xi l’observation de la v.a Xi , représentant Pk le nombre de boules de la
catégorie Ci , obtenu parmi les n boules tirées (i = 1, 2, . . . , k et i=1 xi = n).
La v.a multidimensionnelle (X1 , . . . , Xk ) suit une loi multinomiale de paramètres (n; p1 , . . . , pk ),
c’est-à-dire que la vraisemblance de (X1 , . . . , Xk ) au point (x1 , . . . , xk ) s’écrit :
n!
P(X1 = x1 , . . . , Xk = xk ; p1 , . . . , pk ) = px1 . . . pxk k
x1 ! . . . xk ! 1
Les n boules tirées reproduisent plus ou moins bien la composition de l’urne et on mesure l’écart
entre les observations xi et les valeurs théoriques npi espérées, par la valeur de la distance :
Xk Xk
(xi − npi )2 (Xi − npi )2
kn = , qui est l′ observation de la v.a Kn =
i=1
npi i=1
npi
où chaque v.a Xi est B(n; pi ).
La v.a Kn ne suit pas une loi de probabilité usuelle, par contre on connaît sa loi asympto-
tique, lorsque n atteint de grandes valeurs.
44
Théorème 14 Quand (X1 , . . . , Xk ) suit une loi multinomiale (n; p1 , . . . , pk ), la loi de Kn
tend vers une loi du χ2 à (k − 1) d.d.l. quand n → ∞.
Remarque 8 En pratique, il faudra toujours s’assurer que pour tout i, les valeurs de chaque
npi dépassent 5, pour pouvoir approcher la loi de Kn par la loi χ2 (k − 1).
Hypothèse H0 : (X1 , . . . , Xn ) suit une loi multinomiale de paramètres (n; p1 , . . . , pk )
On construit un test de niveau asymptotiquement égal à α, pour tester H0 contre H1 = non

H0 . On a alors la règle de décision suivante :
Xk
(Xi − npi )2
on rejette H0 ssi Kn = > χ2k−1; α
i=1
np i
où χk−1;α représente le fractile de la loi du chi-deux à (k − 1) d.d.l. d’ordre 1 − α.
Intuitivement, cette règle de décision revient donc à rejeter H0 si l’écart (ou distance) entre la
valeur observée xi et la valeur espérée npi lorsque H0 est vraie, est trop "grand".
Remarque 9 1. Il est important de souligner que, dans les exemples étudiés, on cherchera
à ne pas rejeter H0 . Ce raisonnement inhabituel nécessite un test de puissance forte et
donc une probabilité du risque de 2ème espèce, P(ne pas rejeter H0 /H1 vraie), faible.
Toutefois, il est difficile de calculer la puissance qui dépend de la loi de Kn , inconnue
quand H1 est vraie.
45
2. Dans un certain nombre de situations, l’hypothèse H0 sera composée, par exemple :
H0 : (X1 , . . . , Xn ) v.a multinomiale (n; p1 (θ), . . . , pn (θ)),
H1 : non H0 ,
où θ est un paramètre inconnu de dimension l : θ = (θ1 , . . . , θl ). Dans ce cas, on estime,
par exemple, θ à l’aide de l’E.M.V. θ̂ = (θˆ1 , . . . , θ̂l ) et on a le résultat suivant :
Théorème 15 Quand H0 est vraie, la loi de :

k
X (Xi − npi (θ̂))2
Kn =
i=1 npi (θ̂)
tend vers une loi de χ2 à (k − l − 1) d.d.l. quand n → ∞.
On a vu qu’en pratique, il faut vérifier : ∀i, npi > 5.
3. Lorsque le nombre ν de d.d.l. d’une loi de χ2 (ν) est grand, on peut approcher la loi de
χ2 (ν) par une loi normale N(ν, 2ν).
Exemple 7 On jette 100 fois un dé et on observe y1 , . . . , y100 les 100 numéros relevés sur la
face du dé, regroupés dans le tableau suivant :
face du dé observée 1 2 3 4 5 6
fréquence observée xi 15 18 15 17 16 19
Le dé est-il parfait ?
Soit
 pi la probabilité d’observer la face i
 H : p = 1/6, . . . , p = 1/6 ´(equiprobabilité des résultats : le dé est parfait).
0 1 6
 H : non H
1 0
On cherche donc l’ "écart" kn entre les fréquences observées xi et les effectifs théoriques espérés
si H0 est vraie. On a :
k
X 6
X 100 2
(xi − npi )2 (xi − 6
)
kn = = 100 = 0, 81
i=1
npi i=1 6
Si on cherche à conclure au risque α = 5%, on lit sur la table : χ25; 5% = 11, 07. Comme
kn < χ25; 5% , on ne rejette pas l’hypothèse H0 , c’est-à-dire que l’on considère que le dé est par-
fait.
On ne peut pas calculer la puissance du test du chi-deuxcar l’hypothèse H1 n’est pas expli-
citée. Néanmoins, on peut remarquer que la valeur kn est très petite par rapport à la valeur du
χ25; 5% . On admet donc que le dé est parfait.
46
Cas général
Soit un échantillon (Y1 , . . . , Yn ) et L une loi de probabilité donnée sur R, de fonction de répar-
tition F , entièrement déterminée (sans paramètre inconnu). On veut soumettre au test du χ2
les hypothèses
:
H0 : la loi L est la loi commune aux v.a Yi ,
H1 : non H0 .
On se ramène aux résultats du paragraphe précédent en découpant R en k classes :
]−∞; a1 ], ]a1 ; a2 ], . . . , ]aj−1 ; aj ], . . . , ]ak−1;+∞ ]
Quand H0 est vraie, la probabilité qu’une observation yi appartienne à la j ème classe ]aj−1 ; aj ]
est :
pj = P(Yi ∈]aj−1 ; aj ]) = P(aj−1 < Y 6 aj ) = F (aj ) − F (aj−1 ).
Si on note Xj la v.a associée au nombre d’observations qui se trouvent dans la j ème classe
(j = 1, . . . , k), la règle de décision est :
Xk
(Xi − npi )2
on rejette H0 ssi Kn = > χk−1; α , où pi = F (ai ) − F (ai−1 )
i=1
np i
Rappelons que F (−∞) = 0 et F (+∞) = 1
Remarque 10 1. Si la loi L dépend de l paramètres inconnus (θ1 , . . . , θl ) que l’on estimera

dans un premier temps à l’aide d’un estimateur θ̂ = (θ̂1 , . . . , θ̂l ), la région de rejet de H0
sera définie par :
k
X (xi − npi (θ̂))2
on rejette H0 ssi > χk−l−1; α
i=1 npi (θ̂)
2. Il faut noter que la convergence en loi de la v.a Kn vers une loi de χ2 n’est valable que
si les quantités npi ne sont pas trop petites. En pratique, on constituera donc des classes
(et éventuellement on en regroupera certaines) de façon que l’effectif théorique npi soit
supérieur à 5.
Exercice 29 : Test d’adéquation

On étudie la circulation en un point fixe d’une autoroute en comptant, pendant deux heures,
le nombre de voitures passant par minute devant un observateur. Le tableau suivant résume les
données obtenues :
Nombres xi de voitures 0 1 2 3 4 5 6 7 8 9 10 11
Fréquences observées ni 4 9 24 25 22 18 6 5 3 2 1 1
47
Tester l’adéquation de la loi empirique à une loi théorique simple pour un risque α = 0, 10 ,
par exemple la loi de Poisson si x ≃ s2x .
Exercice 30
A la sortie d’une chaîne de fabrication, on prélève toutes les trente minutes un lot de 20
pièces mécaniques et on contrôle le nombre de pièces défectueuses du lot. Sur 200 échantillons
indépendants, on a obtenu les résultats suivants :
Nombres de pièces défectueuses 0 1 2 3 4 5 6 7

Nombre de lots 26 52 56 40 20 2 0 4
Tester l’adéquation de la loi empirique du nombre de pièces défectueuses par lot de 20
pièces à une loi théorique simple pour un risque α = 0, 05.
Test d’indépendance de deux variable qualitatives
Table de contingence
Soit deux caractères qualitatifs (appelés facteurs) :

- le caractère C ayant c modalités : C1 , C2 , . . . , Cc ,
- le caractère L ayant l modalités : L1 , L2 , . . . , Ll .
Dans la population étudiée, on prélève au hasard n individus et on note xij le nombre d’ob-
servations de la cellule (Ci ; Lj ), c’est-à-dire le nombre d’individus possèdant la ième modalité
de C et la j ème modalité de L, avec 1 6 i 6 c et 1 6 j 6 l. On dispose alors d’une table de
contingence dans laquelle chacun des n individus doit se retrouver dans une seule des l ×c cases.
effectifs observés
C1 ... Cj ... Cc Total
par couple de facteurs
L1 x11 ... x1j ... x1c x1•
.. .. .. .. ..
. . . . .
Li xi1 ... xij ... xic xi•
.. .. .. .. ..
. . . . .
Ll xl1 ... xlj ... xlc xl•
Total x•1 ... x•j ... x•c n
c
X l
X
On calcule les effectifs marginaux par : xi• = xij ; x•j = xij .
j=1 i=1
l X
X c l
X c
X
De plus, on a : xij = xi• = x•j = n .
i=1 j=1 i=1 j=1
Règle de décision
48
Les hypothèses du test sont :

H0 : les deux caractères sont indépendants,
H1 : non H0
On se retrouve dans le cas de la loi multinomiale à l × c catégories et on note pij la pro-
babilité pour un individu d’appartenir à la cellule (Ci ; Lj ) pour i = 1, . . . , l et j = 1, . . . , c.
On en déduit les probabilités marginales p1• , . . . , pi• , . . . , pc• pour le caractère C et p•1 , . . . , p•j , . . . , p•l
pour le caractère L. On a alors le tableau ci-dessous :
Probabilités Probabilité
C1 ... Cj ... Cc
inconnues ց marginale de L
L1 p11 ... p1j ... p1c p1•
.. .. .. .. ..
. . . . .
Li pi1 ... pij ... pic pi•
.. .. .. .. ..
. . . . .
Ll pl1 ... plj ... plc pl•
Probabilité
p•1 ... p•j ... p•c 1
marginale de C
Tableau des probabilités inconnues
On sait que L et C sont indépendantes en probabilité si pij = pi• p•j pour tout (i, j). Lorsque
H0 est vraie, on a bien l’indépendance entre L et C.
P estimer (l + c − 2) paramètres. En effet, pl• et p•c se déterminent par les relations
Il faut alors
P
pi• = p•j = 1.
On admet que pi• et p•j sont estimés respectivement par xi• /n et x•j /n. Quand H0 est vraie,
on peut donc estimer pij par xi• x•j /n2 .
On utilise la règle de décision suivante :
l
X c
X xi• x•j 2
(xij − n
)
on rejette H0 ssi xi• x•j > χ(l−1)(c−1); α
i=1 j=1 n
En effet, le degré de liberté de la loi limite est égal au nombre de paramètres estimés :
lc − (l + c − 2) − 1 = (l − 1)(c − 1)
49
Exercice 31 : Test d’indépendance
Un examen est ouvert à des étudiants d’origines différentes : économie, informatique et
mathématiques. Le responsable de l’examen désire savoir si la formation initiale d’un étudiant
influe sur sa réussite. A cette fin, il construit le tableau ci-dessous à partir des résultats obtenus
par les 286 candidats, les origines étant précisées en colonne :
Economie Informatique Mathématiques Total

Réussite 41 59 54 154
Echec 21 36 75 132
Total 62 95 129 286
Quelle est sa conclusion ?
Exercice 32 : Test de comparaison de proportion

Un homme politique s’interrogeant sur ses chances éventuelles de succès aux élections pré-
sidentielles commande un sondage qui révèle que, sur 2000 personnes, 19% ont l’intention de
voter pour lui. Il demande alors à une agence de publicité de promouvoir son image.
Un second sondage réalisé après cette campagne publicitaire, auprès de 1000 personnes, montre
que 230 d’entre elles ont l’intention de voter pour lui. Peut-on considérer que cette campagne
a été efficace (on utilisera la méthode précédente, ainsi que la méthode classique (2.2.1)) ?
50
3 Tests d’analyse de variance
L’analyse de variance permet d’évaluer et de comparer les effets d’un ou plusieurs facteurs
contrôlés sur une population donnée. Sous l’hypothèse de normalité de la population, l’analyse
de variance se réduit à un test de comparaison globale des moyennes d’un ensemble de sous-
populations associées aux divers niveaux des facteurs.
3.1 Cas d’un facteur

On fait varier un facteur selon k modalités (correspondant en pratique à k sous-populations
Pi ) : à chaque modalité i du facteur, est associée la variable aléatoire Xi de loi N(mi ; σ) où
mi est inconnue et σ connue .
Pour tout i, 1 6 i 6 k, on tire un échantillon de taille ni : P

soit (Xi1 = x1i , Xi2 = x2i , . . . , Xini = xni i ). On pose : n = ki=1 ni .
L’analyse de variance est un test qui permet de tester :

H0 : m1 = m2 = . . . = mk contre H1 (négation de H0 ) : ∃i, j tels que mi 6= mj
La variable Xij , associée au j ème tirage de la variable Xi , se décompose ainsi en une somme
d’effets :
Xij = µ + αi + εji
où µ est la valeur moyenne de X, toutes modalités confondues ; αi est l’effet moyen dû à la

modalité i du facteur considéré ; εji est la v.a résiduelle de loi normale N(0; σ).
La quantité µ + αi est la valeur moyenne X̄ sur la population Pi , correspondant à la mo-

dalité i.
Notations :
k n ni
1 XX i
1 X
X= Xj , Xi = Xj ,
n i=1 j=1 i ni j=1 i
k k n k n
1X 1 XX i
1 XX i
SA2 = ni (Xi − X)2 , SR2 = (X j − X i )2 , S2 = (X j − X)2 .

n i=1 n i=1 j=1 i n i=1 j=1 i
Commentaires : SA2 est la variance inter-modalités (moyenne des écarts quadratiques entre
X et X i ) ; S 2 est la variance totale (moyenne des écarts quadratiques entre X et tous les
Xij ) ; SR2 est la variance résiduelle (moyenne des dispersions autour des X i ).
Théorème 16 (Formule d’analyse de variance à 1 facteur)

S 2 = SA2 + SR2 .
Preuve :
∀ i, j Xij − X = Xij − X i + X i − X
51
k ni k ni k
1 XX j 2 1 XX j 2 1X
(Xi − X) = (Xi − X i ) + ni (Xi − X)2
n i=1 j=1 n i=1 j=1 n i=1
S 2 = SA2 + SR2 .
Remarque 11 On remarque que la formule précédente s’apparente à la formule de la variance

totale (cf : "théorie des probabilités", paragraphe 7.3.4).
Théorème 17 1. La v.a n SR2 /σ 2 suit une loi χ2 à (n − k) d.d.l.

2. Sous l’hypothèse H0 (égalité des mi ), la v.a n S 2 /σ 2 suit une loi χ2 à (n − 1) d.d.l et
la v.a n SA2 /σ 2 suit une loi χ2 à (k − 1) d.d.l.
Preuve :
Pour démontrer le deuxième point du théorème précédent, on rappelle que :

!2
n S 2 X Xij − X
=
σ2 i,j
σ
et donc : la v.a n SR2 /σ 2 suit une loi χ2 à (n − 1) d.d.l.
De même : 2 2
X k Xk
n SA2 Xi − X Xi − X
= ni = √
σ2 i=1
σ i=1
σ/ ni
qui est un χ2 à (k − 1) d.d.l.
On remarque que le théorème 17 est une conséquence du théorème 18, puisque χ2n−1 = χ2n−k +
χ2k−1 .
SA2 /(k − 1 )
Ainsi , si H0 est vraie, la v .a suit une loi de Fisher − Snedecor
SR2 /(n − k )
à (n − 1; n − k) d.d.l., que l’on notera F (k − 1; n − k).
On vérifie que si la variance inter-modalités SA2 est faible par rapport à la variance
résiduelle SR2 , alors la variable de Fisher-Snedecor prend une petite valeur : cette
constatation est à la base du test.
A un risque de première espèce α fixé, on conclura au rejet ou à l’acceptation de H0 .
Exemple 8 Trois machines sont normalement réglées pour produire des pièces identiques dont
la caractéristique est de loi N(m; σ). On veut s’assurer qu’elles ne sont pas déréglées. On prélève
donc un échantillon produit par chaque machine :
52
– machine 1 : n1 = 5, x1 = 8 ,
– machine 2 : n2 = 5, x2 = 10,
– machine 3 : n3 = 5, x3 = 15.
Les calculs donnent :
3
X X
ni (xi − x)2 = 130 ; (xji − xi )2 = 104
i=1 i,j
et donc X j
(xi − x)2 = 234.
i,j
On présente les résultats sous forme de tableau :
Origine Somme des carrés

Degrés de liberté
des variations des écarts
Inter − modalités ns2A = 30 k−1=2 ns2A /(k − 1) = 65
Erreur à l′ intérieur
ns2R = 104 n − k = 12 ns2R /(n − k) = 8, 67
des groupes
ns2 = 234 n − 1 = 14
Total
La quantité ns2R /(n − k) est une estimation de σ 2 quel que soit l’effet du facteur.
Si H0 est vraie, alors ns2A /(k − 1) est une estimation de σ 2 , indépendante de la précédente.
s2A /(k − 1) 65
Donc : 2 est une v.a de Fisher − Snedecor, égale à = 7, 5 , que
sR /(n − k) 8, 67
l’on doit comparer à F0,95 (2; 12) = 3, 89 , dans la table correspondante.
Comme 7, 5 > 3, 89 , on rejette H0 avec un risque de 5%. Dans cet exemple, on peut même être
plus exigeant, puisque au risque de 1%, on a F0,99 (2; 12) = 6, 93 qui est toujours inférieur à 7, 5
(le rejet de H0 est donc toujours garanti).
Les estimations des moyennes m1 , m2 , m3 sont évidemment :

x1 = 8, x2 = 10, x3 = 15.
Attention ! Le rejet de H0 ne signifie pas que toutes les moyennes mi sont significativement
différentes entre elles, mais que deux d’entr’elles, au moins, le sont. En toute rigueur, il faudrait
tester ensuite (mi − mj = 0) contre (mi − mj 6= 0) pour les couples (mi ; mj ) les plus distincts,
afin de déterminer lesquels sont significativement différents à un niveau de confiance donné
(méthode de Scheffé).
3.2 Cas de deux facteurs

Deux facteurs indépendants A et B varient respectivement selon p et q modalités : au
couple (i, j) des modalités respectives des facteurs A et B, correspond un échantillon de taille
53
ni,j de la v.a descriptive X.
Le modèle statistique correspondant est dit équilibré si : ∀ i, j, ni,j = r ; c’est l’hypothèse dans
laquelle nous nous placerons. Donc, à tout couple de modalités (i, j), on associe l’échantillon
(Xi,j,1 = xi,j,1 , Xi,j,2 = xi,j,2 , . . . , Xi,j,r = xi,j,r ). La v.a Xi,j est supposée de loi N(mi,j ; σ). On
peut alors décomposer la moyenne mi,j de la sous-population P (i, j) de la façon suivante :
mi,j = µ+αi +βj +γi,j
Notations p q r r
1 XXX 1X
X= Xi,j,k Xi,j,• = Xi,j,k
pqr i=1 j=1 k=1 r k=1
q r p r
1 XX 1 XX
Xi,•,• = Xi,j,k X•,j,• = Xi,j,k
qr j=1 pr i=1
k=1 k=1
Après calcul, on retrouve une formule d’analyse de variance analogue à la précédente, qui prend
en compte les variances des facteurs et de leur interaction.
X X
Posons : SA2 = qr (xi,•,• − x)2 , SB2 = qr (x•,j,• − x)2 ,
i j
XX XXX
2
SAB =r (xi,j,• − xi,•,• − x•,j,• + x)2 , SR2 = (xi,j,k − xi,j,• )2 ,
i j i j k
XXX
S2 = (xi,j,k − x)2 .
i j k
Théorème 18 (Formule d’analyse de variance à 2 facteurs)
S 2 = SA2 + SB2 + SAB

2
+ SR2
(la preuve est fastidieuse et de peu d’intérêt)
Tableau d’analyse de variance à 2 facteurs :
Origine des Somme des

d.d.l Carrés moyens Variable F
variations carrés
A SA2 p−1 SA2 /(p − 1) = SAM
2 2
SAM 2
/SRM
B SB2 q−1 SB2 /(q − 1) = SBM
2 2
SBM 2
/SRM
Interaction 2
2
SAB 2 2 2
SAB (p − 1)(q − 1) (p−1)(p−q)
= SABM SABM /SRM
AB
SR2
Résiduelle SR2 pq(r − 1) pq(r−1)
2
= SRM
Totale S2 pqr − 1
54
Exemple 9 Des ampoules électriques sont fabriquées en utilisant :
– 4 types de filament (facteur A à 4 modalités),
– 4 types de gaz (facteur B à 4 modalités).
On sait qu’il n’y a pas d’interaction. Ici, ni,j = 1, ∀i, j.
Voici le tableau des durées de vie :
Facteur B
B1 B2 B3 B4
A1 44 22 36 34
Facteur A2 47 43 41 53
A A2 0 9 10 17
A2 36 14 1 34
Tableau d’analyse de variance à 2 facteurs :
Origine des Somme des carrés

d.d.l Variable F
variations carrés moyens
2 2 1021
SAM /SRM = 90
= 11, 3
A 3063 3 1021
> F0,95 (3; 9) = 3, 86
2 2 170
SBM /SRM = 90
= 1, 89
B 510 3 170
< F0,95 (3; 9) = 3, 86
Résiduelle 811 9 90
Totale 4384
Conclusion : On admet que seul le facteur A a une influence au risque de première espèce
5%.
55
Chapitre 3
Régression à une variable
Le modèle de régression permet d’ expliquer et d’exprimer une variable aléatoire Y en

fonction d’une variable explicative x selon le modèle fonctionnel de la forme
Y = f (x; θ) + ε
où :
– f est une fonction connue dépendante de paramètres θ1 , θ2 , ..., θp inconnus ;
– x est soit une variable contrôlée, soit une variable aléatoire variant dans un intervalle
I ⊂ R;
– ε est une variable aléatoire, qui est associée à l’écart aléatoire entre le modèle et la variable
expliquée Y ; on l’appelle résidu ou erreur.
A chaque valeur xi , i = 1, 2, ..., n est associée une valeur yi de Y et un résidu εi .
Objectif de la théorie :
Etant donné un ensemble de n couples (xi , yi) associé à n mesures expérimentales, il s’agira :
1. d’en déduire la meilleure estimation possible des paramètres (θbk )k=1,...p ;
2. d’évaluer l’adéquation du modèle ainsi obtenu ;
3. d’effectuer des tests de comparaison sur les paramètres et d’utiliser éventuellement le
modèle à des fins prévisionnelles.
1 Régression linéaire
Lorsque la variable explicative est une variable aléatoire X, le modèle explicatif de Y en
fonction de X s’écrit sous la forme :
E(Y |X = x) = β0 + β1 x
Toutefois, dans le cadre de cet exposé, nous nous placerons dans le cas où la
variable x est contrôlée.
56
1.1 Modèle linéaire standard
A tout xi est associé Y (xi ) = Yi selon le modèle :
notée
∀i, Yi = β0 + β1 xi + εi (3.1)
Les v.a résiduelles ou résidus εi sont supposées vérifier les trois hypothèses suivantes :
R1 . ∀i, IE (εi ) = 0,
R2 . ∀i, Var (εi ) = σ 2 , inconnu,
R3 . ∀(i, j), tel que i 6= j, Cov(εi, εj ) = 0.
Les résidus sont centrés, de même variance et décorrélés.
On déduit de R1 , R2 , R3 que : IE (Yi) = β0 + β1 · xi ; Var (Yi ) = σ 2 et Cov (Yi, Yj ) = 0 si

i 6= j.
Etant données n observations (xi , yi )i=1,...,n , ajuster le modèle linéaire simple, équivaut à esti-
mer les trois paramètres, β0 , β1 et σ 2 .
Remarque 12 Forme matricielle du modèle.  

1 1 ··· 1
Soient Y = t (Y1 , . . . , Yn ), β = t (β0 , β1 ), ε = t (ε1 , . . . , εn ) et x = t  . Le
x1 x2 · · · xn
modèle (3.1) s’écrit alors :
Y =x·β+ε .
Pour estimer les paramètres β0 et β1 , on utilise la méthode des moindres carrés qui
consiste à minimiser, par rapport à (β0 , β1 ), la somme des écarts quadratiques entre les valeurs
observées (yi)i et les valeurs calculées par la modèle (β0 + β1 · xi )i :
n
X
Minimiser
2
(yi − (β0 + β1 · xi ))2
(β0 ,β1 )∈IR
i=1
Notations
n n
Pn Pn 1 X 1 X
x= 1
n i=1 xi ; y = 1
n i=1 yi ; s2x = (xi − x)2 ; s2y = (yi − y)2 ;
n − 1 i=1 n − 1 i=1
n
1 X
sxy = (xi − x) (yi − y) qui est l’estimateur de la covariance de (X, Y ) dans le cas où
n − 1 i=1
la variable explicative est aléatoire.
On notera (βb0 , βb1 ) la solution du problème de minimisation ; βb0 est l’estimateur de β0 et βb1
celui de β1 .
Définition 24 Le coefficient de corrélation linéaire empirique entre x et y est défini par :

sxy
r= .
sx · sy
57
Théorème 19 Propriétés des estimateurs βb0 etβb1
(a) Les estimateurs des moindres carrés, notés βb0 et βb1 , sont définis par :
sxy
βb0 = y − βb1 · x, βb1 = 2 .
sx
(b) Ces estimateurs sont sans biais et efficaces (i.e : de tous les estimateurs linéaires
et sans biais de β0 et de β1 , ils sont ceux qui ont la variance minimum : théorème de
Gauss-Markov).
X n
(yi − (βb0 + βb1 · xi ))2
(c) σb2 = s2 = i=1 est un estimateur sans biais de σ 2 , mais non
notée n−2
efficace.
σ2 σ2
(d) Var β1 =b b
et Var β0 = + x Var βb1 .
2
(n − 1)s2x n
Exercice 33
Démonstration des propositions (a), (b), (d).
Supposons que la variable explicative varie dans l’intervalle borné [a, b] ; pour n fixé, où
aura-t-on intérêt à choisir les valeurs (xi )i=1,...,n ?
Remarque 13 Les variances de βb0 et de βb1 (voir le théorème 19) qui mesurent la qualité
de l’estimation de β0 et β1 , sont toutes deux fonctions inverses de s2x . En conséquence, si
l’on est sûr du caractère linéaire du modèle, on aura intérêt à répartir les valeurs xi de la
variable
P indépendante x, de façon équitable, aux deux extrémités du domaine afin de maximiser
2 b b
i (xi − x) et afin de minimiser les variances de β0 et β1 .
1.2 Modèle linéaire gaussien simple

Si l’on souhaite poursuivre plus avant l’étude statistique de la régression linéaire, par des
tests de validation du modèle, de significativité des coefficients, ou même de comparaison de
deux modèles linéaires, il est nécessaire de faire l’hypothèse supplémentaire de normalité des
résidus εi et donc des v.a Yi . Désormais on supposera donc l’hypothèse supplémentaire :
R4 . ∀i, εi ∼ N (0; σ 2) équivalent à ∀i, Yi ∼ N (β0 + β1 · xi ; σ 2 ).
Théorème 20 Sous les hypothèses R1 , R2 , R3 , R4 , l’estimateur des moindres carrés s’iden-

tifie à l’estimateur de vraisemblance.
Preuve
1 (y − (β0 + β1 · xi ))2
Soit fYi (y) = √ exp − la densité des Yi. La vraisemblance de (Y1 , . . . , Yn )
σ 2π 2σ 2
est donnée par le produit des densités fYi (y), les εi étant normaux et décorrélés, donc indépen-
dants. ( )
Xn
1
L(x; β0 , β1 ) = σ −n .(2π)−n/2 exp − 2 (yi − (β0 + β1 · xi ))2
2σ i=1
58
n
X
On constate que : Maximiser L(x; β0 , β1 ) ⇐⇒ Minimiser (yi − (β0 + β1 · xi ))2 . D’où le
β0 ,β1 β0 ,β1
i=1
résultat attendu.
L’estimateur du maximum de vraisemblance permet de calculer explicitement un estimateur de
σ2 :
n
n 2 1 X
ln L(x; β0 , β1 ) = Cte − ln(σ ) − 2 (yi − (β0 + β1 · xi ))2
2 2σ i=1
n
∂ n 1 X
=⇒ ln L(x; β0 , β1 ) = − + (yi − (β0 + β1 · xi ))2
∂σ 2 2σ 2 2(σ 2 )2 i=1
D’où n n
∂ X X
ln L(x; β0 , β1 ) = 0 =⇒ b2 = 1
σ (y i − ( b0 + βb1 · xi ))2 = 1
β εb2
∂σ 2 n i=1 n i=1 i

Aux propriétés des estimateurs des moindres carrés de β0 , β1 et σ 2 rassemblées dans le théo-
rème 19, on adjoint celles provenant du caractère gaussien centré des résidus, résumées dans le
théorème suivant.
Théorème 21
x2 1
(a) βb0 ∼ N (β0 ; σβ0 ) avec σβ20 = σ 2 P 2
+
i (xi − x) n
σ2
(b) βb1 ∼ N (β1 ; σβ1 ) avec σβ21 = P 2
i (xi − x)
σb2
(c) (n − 2) ∼ χ2 à (n − 2) ddl.
σ2
(d) βb0 et βb1 sont indépendants des résidus estimés εbi .
(e) Les estimations de σβ20 et de σβ21 sont :

1 x2 s2
σc
2 2
β 0 ≡ sβ 0 = +P 2
s2 σc
2 2
β 1 ≡ sβ 1 =
P 2
.
n i (xi − x) i (xi − x)
Remarque 14 Les résultats précédents permettent de construire des intervalles de confiance

des paramètres β0 et β1 . En effet, d’après les propositions (a) et (b) du théorème précédent, on
a:
βb1 − β1 βb0 − β0
∼ N (0; 1) ; ∼ N (0; 1) .
σβ1 σβ0
Si σ 2 est inconnu et estimé par s2 , on a :
βb1 − β1 βb0 − β0
∼ Student(n − 2) ; ∼ Student(n − 2) .
σc
β1 σc
β0
59
On peut donc facilement construire les intervalles de confiance, bilatéraux à un niveau de
confiance (1 − α) donné, de chacun des paramètres :
h i
Iα (β0 ) = βb0 − t1− α2 ;n−2 σc b
β0 ; β0 + t1− α
2
;n−2 c
σβ 0
h i
Iα (β1 ) = βb1 − t1− α2 ;n−2 σc
β1 ; b
β1 + t α c
σ
1− 2 ;n−2 β1
où t1−α/2;n−2 est le fractile d’ordre (1 − α/2) de la loi de Student à (n − 2) d.d.l.
Nous allons maintenant construire un critère permettant d’évaluer la qualité d’ajustement des
données (xi , yi)i=1,...,n par le modèle linéaire y = βb0 + βb1 x. Cherchons tout d’abord à décomposer
la variance des yi (autour de leur moyenne y) en une somme de deux autres variances.
Théorème 22 (Equation d’analyse de la variance)

n n n
1X 1X 1X
(yi − y)2 = (ybi − y)2 + (yi − ybi )2
n i=1 n i=1 n i=1
où ybi = βb0 + βb1 xi , pour tout i = 1, . . . , n.

1X
La quantité (yi − y)2 est la variance totale des observations yi.
n i
1X
La quantité (ybi − y)2 est la variance des valeurs ajustées par le modèle.
n i
1X
La quantité (yi − ybi)2 est la variance des résidus estimés εbi dite aussi variance
n i
résiduelle.
Notation
SSE (sum of squared errors) ≡ somme des carrés des résidus

Xn
≡ (yi − ybi )2
i=1
SST (total sum of squared) ≡ somme totale des carrés
Xn
≡ (yi − y)2
i=1
SSR (regression sum of squares) ≡ somme des carrés des écarts entre la moyenne et les valeurs ajustées
Xn
≡ (ybi − y)2
i=1
Remarque 15 Avec les notations précédentes, l’équation d’analyse de la variance s’écrit :
SST = SSR + SSE .
60
Exercice 34
Un chimiste relève la concentration d’un produit en fonction de la quantité d’eau qu’il
apporte au mélange. Il s’agit pour lui de dire si oui ou non la concentration dépend de la
quantité d’eau, connaissant les relevés suivants :
x (quantité d’eau) 0 2 4 6 8 10 12 14 16 18 20 22 24
y (concentration) 0 0.1 0.2 0.4 0.1 0.6 0.7 0.1 1.1 0.8 0.6 1.6 0.7
x (quantité d’eau) 26 28 30 32 34 36 38 40
y (concentration) 1.2 1.9 0.3 1.9 2 0.3 2.6 1.9
1) Déterminer βb0 , βb1 et σb2 et les intervalles de confiance au niveau de confiance 95% de β0 et
β1 . Représenter le nuage de points et la droite de régression. Quelles hypothèses peut-on
envisager ? Calculer le coefficient de détermination R2 (cf Définition ci-dessous).
2) Le chimiste modifie la dose et la composition de la concentration X sur la quantité d’eau
et refait les mêmes expériences. Il obtient le tableau suivant :
x (quantité d’eau) 0 2 4 6 8 10 12 14 16 18 20 22 24
y (concentration) 5 5.9 4.3 4.8 6.2 4.7 4.7 6.3 5 4.6 6.3 5.4 4.6
x (quantité d’eau) 26 28 30 32 34 36 38 40
y (concentration) 6.3 5.8 4.6 6.2 6.2 4.7 6 6.6
Confirmer ou infirmer les hypothèses formulées en 1).

A-t-on une idée de la dépendance des deux séries ?
Définition 25 Le coefficient de détermination R2 du modèle linéaire est égal au rapport

de la variance des valeurs ajustées sur la variance totale des observations :
X
(ybi − y)2
i SSR SSE
R2 = X = = 1− =1− Variance résiduelle
Variance totale
.
(yi − y) 2 SST SST
i
Interprétation :
1. Plus la variance résiduelle est proche de 0, plus R2 est proche de 1 : R2 est donc un
indicateur de qualité de l’ajustement.
sxy
2. Il est facile d’établir que R2 est égal au carré du coefficient de corrélation ρ = sx sy
.
61
1.3 Tests sur les paramètres β0 et β1
(A) Test de proximité de β1 avec 0, appelé test de significativité de β1
Il répond à la question : «La variable explicative x a-t-elle une effet significatif sur Y ?» autre-
ment dit : «Peut-on considérer β1 significativement différent de 0 ?»

 H :β =0
0 1
Définissons les hypothèses du test : .
 H : β 6= 0
1 1
Il existe quatre méthodes équivalentes qui permettent de décider d’accepter ou de rejeter H0 ,

à un niveau de confiance (1 − α) fixé à l’avance. Nous présentons brièvement les deux plus
classiques.
(A1) Si l’intervalle de confiance de β1 au niveau de confiance (1 − α) ne contient pas 0, on

rejette H0 (β1 = 0) au risque α.
c
(A2) Si | sββ1 | 6 t α2 (n − 2) (fractile d’ordre α
2
de la loi de Student à (n − 2) ddl), on accepte
1
H0 .
(B) Test de comparaison de β1 avec une valeur donnée b1


 H :β =b
0 1 1
Posons : .
 H : β 6= b
1 1 1
c1 |
|b1 −β
A un niveau de confiance (1 − α), on accepte H0 si s β1
6 t1− α2 (n − 2) ; sinon on rejette
H0 .
(C) Test de comparaison des pentes de deux régressions distinctes
Ces régressions sont par exemple, effectuées sur des échantillons issus de deux populations
distinctes : désignons par βb1′ et β
c′′ , les estimations respectives des pentes β ′ et β ′′ . D’après
1 1 1
le théorème 23, on teste la significativité de la différence des deux v.a normales βb1′ et β c′′ par
1
rapport à 0.
Deux cas doivent être envisagés :

1er cas : Les variances s′2 ′′2
β1 et sβ2 sont considérées comme égales, après application du test de
Fisher-Snedecor : dans
X ce cas, les variances
X seront considérées comme égales à leur estima-
(yi − ybi ) +
′ ′ 2
(yj′ − ybj′′ )2
i j
tion commune s2 = où n1 et n2 sont les tailles respectives
n1 + n2 − 4
des échantillons (yi′ )i et (yj′′ )j .
62

 H : β ′ = β ′′
0 1 1
Posons :
 H : β ′ 6= β ′′
1 1 1

b′ c′′
β1 − β1
Si v   6 t1− α2 (n1 + n2 − 4), alors on accepte H0 , au
u
u
u  
u 2 X 1 1 
us  +X
t ′ ′ 2 ′′ ¯′′ 2
(xi − x̄ ) (xj − x )
i j
niveau de confiance (1 − α).
2ème cas : Le test dee comparaison des variances conclut à leur inégalité : on utilise alors les
tests d’Aspin-Welch (qu’il n’est pas nécessaire de développer ici).
Les tests de significativité ou de comparaison portant sur l’ordonnée à l’origine β0 , sont stric-
tement analogues aux précédents.
Exercice 35
1. Définir le test de comparaison de β0 à une valeur fixée à l’avance b0 .
2. Suite de l’exercice 34 : tester les hypothèses β0 = 0 et β1 = 0. Déterminer R2 dans chacun
des cas.
1.4 Prédiction
Etant donnée une valeur x = x∗ différente des xi , y(x [ b0 + βb1 · x∗ est l’estimation de
∗) = β
y(x∗ ) noté y ∗. Quelle est la précision de cette estimation ? A une confiance (1 − α) donnée, on
définit l’intervalle de confiance de y ∗ :
[βb0 + βb1 · x∗ − t1− α2 (n − 2)s∗ ; βb0 + βb1 · x∗ + t1− α2 (n − 2)s∗ ]

s
1 (x∗ − x)2 1
Pn
où s∗ = s +P ∗ 2
+ 1 et s2 = n−1 i=1 (yi − ybi )2 .
n (x
i i − x)
Si l’on fait varier x∗ , alors y ∗ varie à l’intérieur d’une région de confiance délimitée par deux
branches d’hyperboles (par rapport à la droite de régression).
Remarque 16 La précision de l’estimation mesurée par s∗ , est fonction de (x∗ − x)2 : c’est
donc au voisinage de x que les prédictions sont les meilleures, ce qui est visible sur le graphe
ci-dessus. En pratique, les prédictions ne sont valides qu’à l’intérieur du domaine d’observation
délimité par [min(xi ); max(xi )] : on évitera donc les extrapolations hors de ce domaine.
i i
Exercice 36
Soit le tableau de données
63
x 0 10 20 30 40 50 60 70 80
y 1,76 1,69 1,61 1,54 1,46 1,4 1,32 1,25 1,2
1. Déterminer X̄ ; Ȳ ; s2X ; s2Y ; sX,Y ; R.

2. Estimer β0 et β1 . Déterminer leurs intervalles de confiance.
3. Calculer les variances totales des valeurs ajustées et des résidus.
4. Prédire les valeurs de y ∗ pour x∗ égal à 35 et 150. Déterminer, comparer et interpréter
leurs intervalles de prédiction.
2 Régression non-linéaire
2.1 Modèle général
La variable aléatoire réelle Y est cette fois dépendante de la variable contrôlée x selon le
modèle général :
Y = f (x; θ) + ε, x ∈ D ⊆ IRk
où : θ désigne le vecteur des p paramètres inconnus (θ1 , . . . , θp ) ; A tout xi ∈ D, on associe la

f une fonction connue non linéaire par rapport à θ ;
ε la v.a résiduelle.
v.a. Yi = f (xi ; θ) + εi.
Hypothèses : Les variables résiduelles εi sont décorrélées de loi normale N (0; σ 2 · v(xi ; θ)) où
v est une fonction connue, différentiable par rapport à θ.
Ainsi ∀i = 1, 2, . . . , n, Yi ∼ N (f (xi ; θ); σ 2 · v(xi ; θ)).
Remarque 17 La fonction f (x; θ) est intrinséquement non linéaire par rapport à θ, si elle
résiste à toute transformation de linéarisation.
Pp
Par exemple, une fonction de la forme f (x; θ) = j=1 θj fj (x) où les fj (•) sont des fonc-
tions connues ne dépendant pas des θj , est une fonction linéaire par rapport à θ = (θ1 , ..., θp ).
Les fonctions :
θ1 x
f1 (x; θ) = θ1 eθ2 x et f2 (x; θ) =
1 + θ2 eθ3 x
ne sont pas intrinséquement non linéaires par rapport à θ, car elles sont linéarisables par les
transformations respectives :

f2 (x; θ)
g1 = log (f1 (x; θ)) et g2 = log .
1 − f2 (x; θ)
64
Par contre, la fonction f3 (x; θ) = θ1 + θ2 eθ3 x est intrinséquement non linéaire. On pourra
résoudre un problème de régression intrinséquement non linéaire en le transformant en un
modèle linéaire, mais il est préférable de le traiter dans le cadre de la théorie de la régression
non linéaire.
Notation θ∗ désignera la valeur exacte inconnue du paramètre θ.
2.2 Estimation des paramètres

2.2.1 Modèle à variance constante (pour tout i, Var (εi ) = σ 2 )
Sous l’hypothèse de normalité, l’estimateur du maximum de vraisemblance est identique à
celui des moindres carrés. On cherche donc le vecteur θb qui minimise :
n
X
(yi − f (xi ; θ))2 = SCR(θ) (Somme des Carrés des Résidus)
notée
i=1
SCR(θ)
Théorème 23 L’estimateur σb2 de la variance σ 2 est défini par : .
n−p
Distinguons deux sous-cas :
(a) Expériences répétées : pour toute valeur xi de x, on fait m mesures yi,j de la réponse
Yi ; dans ce cas, n = m · k. Les erreurs εij sont supposées indépendantes, de même loi
d’espérance nulle et de variance égale à σ 2 .
Théorème 24 Sous les hypothèses précédentes (a), les propositions suivantes sont vraies :
1. Si θ 7→ f (x; θ) est continue et injective, alors θbn converge presque sûrement ∗ b

vers θ et θn
est un estimateur asymptotiquement sans biais, c’est-à-dire que lim IE θbn − θ∗ = 0.
n→+∞
2. Si, de plus, f (•; θ) est C , de hessien convergent uniformément au voisinage de θ∗ ainsi

2
que t Df (•; θ) · Df (•; θ), la limite étant une matrice définie positive kΓ(θ∗ ) ; alors θbn
√
est asymptotiquement gaussien et n(θbn − θ∗ ) converge en loi vers une loi gaussienne
N (0; σ 2Γ−1 (θ∗ )).
Remarque 18 La convexité de SCR(θ) n’étant plus acquise, l’unicité du minimum ne l’est

pas non plus. D’où la nécessité de pratiquer avec précaution les méthodes numériques de mini-
misation, pouvant converger vers des minima locaux. Se pose alors le problème de l’initialisation
de la procédure d’optimisation : il s’agira de choisir une valeur θ0 d’initialisation proche de θ∗ .
Si on a pas (ou peu) d’information sur θ∗ , on pourra calculer SCR(θ) sur les noeuds d’un
maillage discret rectangle inclus dans IRp et dont on est sûr qu’il contient θ∗ ; ensuite, il suffira
de prendre comme initialisation θ0 , le noeud du maillage qui minimise SCR(θ).
65
Les méthodes classiques de Gauss-Newton ou de Newton-Raphson donnent la plupart du temps
de bons résultats (cette dernière est toutefois sensible au choix initial).
Une méthode de minimisation, particulièrement adaptée au cas où existent plusieurs minima

locaux, est la méthode du recuit simulé.
Exemple 10 Soit à estimer les coefficients β1 et β2 du modèle Y = β1 · e−β2 x . On dispose du

fichier,
x 0 1 2 3 4 5 6 7 8 9 10
y 1,85 2,3 2,61 2,65 3,25 3,35 3,44 4,2 4,7 5 5,2
Méthode de la linéarisation du problème : soit z = log (y) alors z = β1′ −β2 x := log (β1 ) −β2 x.
Après traitement par régression linéaire, on obtient :
βb1′ = 0.702, βb2 = 0.1 d’où βb1 = e0.702 et R2 = 0.975
(b) Cas d’expériences non répétées : Sous des hypothèses dont certaines sont analogues
à celles du théorème précédent, on obtient les résultats :
√
θbn est fortement consistant, asymptotiquement gaussien et sans biais. De plus, n(θbn −
θ∗ ) ∼ N (0; σ 2Γ−1 (θ∗ )), où Γ(θ∗ ) est la limite uniforme de n1 t Df (•; θ) · Df (•; θ).
2.2.2 Modèle à variance : σi2 = ωi · σ 2

Les ωi sont connus et positifs. On utilise la méthode des moindres carrés pondérés qui
consiste à minimiser : n
X 1
SCR(θ) = (yi − f (xi ; θ))2
i=1
ωi
Là encore, sous l’hypothèse de normalité, l’estimateur des moindres carrés pondérés est équi-
valent à l’estimateur du maximum de vraisemblance.
Il est souvent possible de transformer la réponse Y en une réponse Z = g(Y ) de variance

approximativement constante, ce qui nous ramène au cas précédent.
Par exemple, si Var (Yi ) = σ 2 IE (Yi ) et √

si IE (Yi ) est
√ grand, on démontre que la transforma-
tion «racine carré» convient ; ainsi, Z = Y et V ( Y ) ∼ constante.
Exercice 37
Démontrer ces résultats.
66
2.3 Détermination des intervalles de confiance sous les hypothèses de
normalité et d’équivariance résiduelle (dite aussi homoscédasti-
cité)
2.3.1 Méthode d’approximation linéaire
Cette méthode convient d’autant plus que l’échantillon est grand et le modèle f (•; θ) quasi-
b
linéaire en θ, au voisinage de l’estimation θ.
Elle est basée sur l’approximation de f (•, θ) au premier ordre du développement de Taylor :

b + Df (•; θ)
f (•; θ) ≃ f (•; θ) b · θ − θb .
On détermine la région de confiance, de forme ellipsoïdale, grâce au théorème suivant :
Théorème 25 A un niveau de confiance (1 − α) donné, la région de confiance de θ∗ est

formé de l’ensemble des θ défini par :

1. si σ 2 connue : t θ − θb · Vd b 6 σ 2 χ2 −1 (1 − α).
−1 · θ − θ
p

2. si σ 2 inconnue : t θ − θb · Vd−1 · θ − θb 6 σb2 χ2 −1 (1 − α).
p
−1
b · Df (•; θ)
On a désigné t Df (•; θ) b par Vd −1 .
2.3.2 Méthode des isocontours

On traitera le cas avec mesures non répétées.
Pn
Si σ 2 est inconnue et estimée par 1
n i=1 (yi − f (xi ; θ))2 ≡ σb2 .
On considère la statistique de déviance définie par :

D = 2 L θ; b σb2 − L θ; σb2

où L θ; σb2 est le logarithme de la vraisemblance.
Théorème 26 La statistique D est asymptotiquement décrite par une v.a χ2 à p d.d.l.
On en déduit la région de confiance de θ∗ , au niveau 1 − α :

n −1 o
b σb2 − L θ; σb2
θ 2 L θ; 6 χ2p (1 − α) .
67
2.4 Tests d’hypothèses
2.4.1 Test du rapport de vraisemblance
Applicable à des cas plus généraux (Var (εi) = vi (θ) · σ 2 ).

 H :θ =a
0 i
Soit à trancher pour l’une des deux hypothèses : où a est fixé.
 H : θ 6= a
1 i
Notation θb1 l’estimateur de vraisemblance sous l’hypothèse H1 . θb0 l’estimateur de vraisem-

blance sous l’hypothèse H0 .
Théorème 27 Avec les notations précédentes, on a :

−2 L θb0 − L θb1 ∼ χ21 .

b
Si −2 L θ0 − L θb1
−1
> (χ21 ) (α), alors on rejette H0 avec un risque α.
Ce test se généralise à des tests, où H0 et H1 concernent un sous-ensemble des θi ; par exemple :


 H : θ = a ,θ = a ,θ = a
0 2 2 5 5 p p
 H : θ 6= a , θ 6= a , θ 6= a .
1 2 2 5 5 p p
Remarque 19 L’optimisation des vraisemblances, qui sont des fonctions en général fortement
non linéaires, nécessitent l’utilisation d’algorithmes, tels que celui de Marquardt, qui peuvent
converger difficilement ou même ne pas converger du tout. En conséquence, dans les cas (fré-
quents) où la variance résiduelle est indépendante des paramètres θi , on pourra avoir recours
au test de Fisher-Snedecor, en n’oubliant pas que sa validité sera d’autant plus contestable que
l’approximation linéaire du modèle l’est.
68

Poly Stat Inf

Transféré par

Droits d'auteur :

Formats disponibles

Poly Stat Inf

Transféré par

Informations du document

Description originale:

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Poly Stat Inf

Transféré par

Droits d'auteur :

Formats disponibles

Probabilités et Statistique

ENSICA 2ème année

3 Régression à une variable 56

Etant donnée une POPULATION

Exemple Estimation d’une moyenne

2 Estimation ponctuelle d’un paramètre

La quantité t est une observation de la v.a. T (X1 , X2 , . . . , Xn ).

Par exemple, les statistiques usuelles

2.2 Qualités d’un estimateur

Notation On note souvent θbn = θb (X1 , X2 , . . . , Xn ) la v.a. correspondant à l’estimateur T .

Définition 4 Un estimateur T est sans biais si IE (T ) = θ.

Définition 5 Un estimateur T est biaisé si le biais IE (T ) 6= θ.

Définition 6 Un estimateur T est asymptotiquement sans biais si lim IE (T ) = θ.

Définition 8 L’estimateur T de θ est dit convergent en probabilité si :

Preuve Utiliser l’implication |T − IE (T )| < 2ǫ ⇒ |T − θ| < ǫ et l’inégalité de Bienaymé-

où f (X; θ) désigne la densité si X est continue ou P (X = x) si X est discrète.  

Exercice 1 : Estimation de la borne d’un support borné de variable aléatoire

Exercice 2 : Estimateur sans biais de σ

2.3.1 Résultats généraux pour un échantillon

Théorème 3 Dans le cas d’un échantillon (X1 , X2 , . . . , Xn ) extrait d’une population de

Par un calcul analogue, mais plus long, on établit que :

qui converge vers 0 quand n → +∞ où µ4 = IE (Xi − µ)4 (moment centré d’ordre 4 de Xi ).

Rappelons le théorème de Fisher, utile à la théorie des tests.

2.3.2 Méthode du maximum de vraisemblance

Définition 10 On appelle fonction de vraisemblance ou vraisemblance des v.a. X1 , . . . , Xn ,

Remarque 2 Si les v.a. X1 , . . . , Xn sont indépendantes et identiquement distribuées (iid), on

Définition 11 On appelle estimateur du maximum de vraisemblance (noté e.m.v.), la

ou bien encore, puisque la fonction log est croissante :

L’estimateur de vraisemblance n’existe pas toujours, et quand il existe il peut

1. θb est asymptotiquement sans biais et asymptotiquement efficace ;

3. θb converge vers θ en moyenne quadratique

Le théorème ci-dessus garantit d’une part la bonne qualité de l’estimateur de vraisemblance

Exercice 3 : Estimation d’une proportion

Exercice 4 : Estimation de la moyenne et de l’écart-type d’une variable gaussienne

2.4 Notion de statistique exhaustive

Définition 12 Une statistique T (X1 , . . . , Xn ) destinée à l’estimation du paramètre θ est dite

PXi = pδ1 + (1 − p)δ0 .

Nous ne démontrerons pas le théorème qui caractérise l’exhaustivité :

l(x1 , . . . , xn ; θ) = g(t; θ) · h(x1 , . . . , xn )

3 Estimation par intervalle de confiance

En pratique on utilise deux sortes d’intervalles de confiance :

3.2 Estimation d’une moyenne théorique

3.2.1 Construction de l’intervalle de confiance de la moyenne inconnue m d’une

Iα est l’intervalle de confiance de m, au niveau de confiance 1 − α, qui s’interprète par :

Illustration numérique : σ 2 = 4, n = 25, x = 8. On a :

n = 25 −→ I5% = [7,22; 8,78] ,

Alors : χ2p + χ2q = χ2p+q (stabilité par somme de χ2 indépendants).

(B) La loi de Student à p degrés de libertés est la loi de √X = Tp , où X ∼ N (0; 1)

(C) La loi de Fisher-Snedecor à p et q degrés de liberté est la loi du quotient

Exercice 5 : Construction d’un intervalle de confiance de l’espérance m d’une loi

3.2.2 Construction de l’intervalle de confiance d’une moyenne m d’une population

Théorème 11 Quand la variance σ 2 est inconnue, l’I.C. au niveau de confiance γ = 1 − α,

Exercice 6 : Intervalle de confiance de l’espérance m d’une loi normale d’écart-type

Exercice 7 : Intervalle de confiance de la variance d’une loi normale d’espérance

Construire un intervalle de confiance pour σ 2 de niveau 0,99.

Exercice 8 : Intervalle de confiance de la variance d’une loi normale d’espérance

Exercice 9 : Comparaison d’intervalles

3.3 Estimation d’une proportion p

3.3.1 Cas d’un échantillon de grande taille (n > 30)

où f (X; θ) désigne la densité si X est continue ou P (X = x) si X est discrète.