Chapitre 2: Tests d’ajustement d’un échantillon à une

loi théorique
∗

1 Introduction
Le problème que nous allons examiner dans ce chapitre est d’une grande importance
pratique : Etant donné un échantillon observé x1 , x2 , . . . , xn constitué d’une suite numérique
de mesures indépendantes d’un phénomène aléatoire dont la loi de probabilité n’est pas
connue précisément, on veut tester si cet échantillon provient d’une loi F donnée par exemple
de la loi N (0, 1). Les méthodes qu’on va utiliser s’appellent méthodes d’ajustement de
l’échantillon observé à la loi théorique F . Le principe de ces méthodes est le suivant :
On fait l’hypothèse H0 que l’échantillon observé est issu de la loi F . La méthode consiste à
transformer les valeurs observé d’une certaine façon (soit en un nombre pour l’ajustement
du χ2 , soit en une fonction pour l’ajustement de Kolmogorov-Smirnov) de sorte que suivant
le résultat obtenu, on puisse décider avec un niveau de confiance 1 − α ∈]0, 1[ donné, :
soit de rejeter l’hypothèse H0 , soit de l’accepter
Le nombre α généralement petit (0, 05 ou 0, 01) est la probabilité d’accepter l’hypothèse
alors qu’elle est fausse ; c’est le risque d’erreur (de première espèce) dont nous reparlerons
plus en détail ci-dessous mais il est important de comprendre que c’est l’expérimentateur qui
fixe le risque α qu’il accepte de prendre, la méthode tient compte de ce risque et donne un
résultat qui se traduit par la décision d’accepter ou de rejetter l’hypothèse.

2 Le test du Chi2
2.1 La loi du χ2
Définition 2.1 : Soient X1 , . . . , Xn des variables aléatoires indépendantes de même loi nor-
male N (0, 1). On appelle loi du χ2 à n degrés de liberté, la loi de la variable aléatoire
n
X
χ2n = Xi2 .
i=1

Remarque : Si on considère (X1 , . . . , Xn ) comme un vecteur aléatoire de Rn , χ2n est le carré

du module de ce vecteur.
∗
cours de Statistiques de M. Léonard Gallardo, Master 1, Université de Tours, année 2007-2008, Labora-
toire de Mathématiques et Physique Théorique-UMR 6083 du CNRS, Parc de Grandmont, 37200 TOURS,
FRANCE. email : [email protected]

1
Proposition 2.2 : La loi du χ2n a une densité de probabilité de la forme
1
fn (x) = x(n/2)−1 e−x/2 1[0,+∞[ (x),
2n/2 Γ(n/2)
et une espérance et une variance égales à :

E(χ2n ) = n, V ar(χ2n ) = 2n.

démonstration : C’est un exercice de calcul vu en TD de probabilités.

Remarque : Dans le cours de probabilités on a étudié la loi Γ(α, b) de paramètres α > 0 et
b > 0 qui est la loi d’une variable aléatoire de densité
bα α−1 −bx
fα,b (x) = x e 1[0,+∞[ (x).
Γ(α)
La loi χ2n est donc une loi Γ(n/2, 1/2).

2.2 La loi multinomiale

Notation : ToutePmesure de probabilité concentrée sur l’ensemble {1, 2, .P
. . , k} des entiers
entre 1 et k, s’écrit i=1 pi δi où δi est la mesure de Dirac en i, pi ≥ 0 et ki=1 pi = 1. Une
k

telle loi sera représentée par un vecteur ligne

(1) p = (p1 , . . . , pk ).

Soit n ≥ 1 un entier fixé et (X1 , . . . , Xn ) un n-échantillon d’une loi p = (p1 , . . . , pk ) portée

par {1, 2, . . . , k}. Pour chaque 1 ≤ i ≤ k, on considère la variable aléatoire
n
X
(2) Ni = 1[Xj =i] ,
j=1

qui représente le nombre de variables de l’échantillon qui prennent la valeur i.

Définition 2.3 : La loi du vecteur aléatoire N = (N1 , . . . , Nk ) s’appelle loi multinomiale de

paramètres (n; p1 , . . . , pk ) et notée M(n, p). Elle est telle que
n!
(3) P(N1 = n1 , . . . , Nk = nk ) = pn1 . . . pnk k ,
n1 ! . . . nk ! 1
où n1 , . . . , nk sont des entiers tels que n1 + · · · + nk = n.
L’importance de cette loi est due au fait que le vecteur aléatoire
N N1 Nk
(4) p̄n = = ( ,..., )
n n n
est tel que
Ni
(5) E( ) = pi (i = 1, . . . , k)
n
et

(6) lim p̄n = p presque surement.

n→∞

2
En effet, pour tout i = 1, . . . , k (fixé), les variables aléatoires (1[Xj =i] )1≤j≤n sont i.i.d. et
d’après la loi forte des grands nombres, on a
n
Ni 1X p.s.
= 1[Xj =i] → E(1[Xj =i] ) = P(Xj = i) = pi .
n n j=1

On traduit la propriété (6) en disant que p̄ est l’estimateur empirique de la loi p =

(p1 , . . . , pk ). La propriété (5) dit que l’estimateur p̄ est non biaisé (ou sans biais).
Considérons maintenant le vecteur centré et quasi-réduit associé au vecteur multinomial :

 
N1 − np1 Nk − npk
(7) √ ,..., √
np1 npk
Pour la somme des carrés de ses composantes, on a le résultat fondamental suivant

Théorème 2.4 :
k
X (npi − Ni )2 L
(8) → χ2k−1 (n → ∞).
i=1
npi

La démonstration de ce résultat sera vue ultérieurement. Notons que nous avons utilisé
le terme quasi-réduit pour le vecteur aléatoire (7) car la véritable variable centrée réduite
fi = √Ni −npi . Notons aussi que le théorème limite central implique que
associée à Ni est N
npi (1−pi )
la i-ième composante du vecteur centré et quasi-réduit, converge en loi vers une variable
aléatoire normale N (0, 1 − pi ) quand n → +∞. Le fait qu’on trouve une loi du χ2k−1 comme
limite dans le théorème, est lié à ce fait et à la non-indépendance des composantes (car
N1 + · · · + Nn = n).

2.3 Le test du χ2 d’ajustement

Soit p = (p1 , . . . , pk ) suivant la notation (1) une loi de probabilité de référence sur l’en-
semble {1, . . . , k}. Si q = (q1 , . . . , qk ) est une autre loi de probabilité, on définit la distance
du χ2 de q à p par :
k
X (pi − qi )2
(9) χ2 (p, q) = .
i=1
pi

On prendra garde à la terminologie1 car χ2 (p, q) n’est pas le carré d’une vraie distance2 et
que les termes (pi − qi )2 ont plus d’importance dans la somme (9) lorsque la valeur de pi est
faible. Si l’on prend pour q la répartition empirique p̄n définie en (4) d’un n-échantillon de
la loi p, on mesure plutôt l’écart entre p et p̄n de la manière suivante :

Définition 2.5 : Le χ2 d’ajustement entre la loi p et la loi empirique p̄n est la variable
aléatoire
k
X (npi − Ni )2
(10) χ2n (p, p̄n ) = nχ2 (p, p̄n ) = ,
i=1
npi
1
on verra que le terme χ2 est utilisé en statistiques pour désigner des quantités diverses ayant un lien
avec la loi du χ2 .
2
noter que χ2 (p, q) 6= χ2 (q, p)

3
qu’on écrit plus traditionellement sous la forme
k
X (Ni − ei )2
(11) χ2n (p, p̄n ) = ,
i=1
ei

où ei = npi = E(Ni ) est la valeur "espérée" de Ni .

Remarque : La loi exacte de χ2n (p, p̄n ) n’est pas connue mais d’après le résultat du Théo-
rème 2.4, si n est grand, on peut considérer que χ2n (p, p̄n ) suit la loi χ2 (k − 1).

Observation fondamentale : La convergence en loi de χ2n (p, p̄n ) vers χ2 (k − 1) est très
sensible au fait que p̄n est la loi empirique de p. En effet supposons qu’on se soit trompé et
que p̄n soit en réalité la loi empirique d’une loi q 6= p. Alors d’après la loi forte des grands
nombres, Nni → qi p.s. et donc
kX (pi − Ni /n)2
1 2
(12) χn (p, p̄n ) = χ2 (p, p̄n ) = → χ2 (p, q) > 0 p.s.
n i=1
p i

Il en résulte que χ2n (p, p̄n ) → +∞ p.s. Ainsi si n est grand, les valeurs observées de
χ2n (p, p̄n ) seront très grandes. Cette observation est à la base du test suivant :

LA PROCÉDURE DU TEST DU CHI-2 : A partir d’un n-échantillon d’une loi discrète

sur l’ensemble {1, . . . , k}, on veut tester l’hypothèse
H0 ="la loi de l’échantillon est égale à p"
contre l’hypothèse alternative H1 ="la loi de l’échantillon est différente de p". Compte tenu
de ce qui précède, on forme la quantité χ2n (p, p̄n ) (11) à partir des valeurs observées Ni et
des valeurs espérées ei résultant de l’hypothèse H0 . Suivant l’idée expliquée ci-dessus (c’est
à dire que si la valeur observée de χ2n (p, p̄n ) est trop grande, l’hypothèse H0 est peu
crédible mais il faut préciser ce qu’on entend par là. Le plus simple est de pouvoir définir
une borne au delà de laquelle on rejettera H0 . Pour cela on procède de la manière suivante :
1) On choisit un risque (de première espèce) α.
2) Avec la table de la loi du χ2 (k − 1), on détermine la borne bα := χ2k−1,α de la queue d’ordre
α de la loi de la variable X du χ2 (k − 1) (i.e. P(X > bα ) = α).
3) on rejette l’hypothèse H0 au profit de H1 si :

(13) χ2n (p, p̄n ) > bα .

Justification du test : Sous l’hypothèse H0 , et si n est assez grand, on sait d’après le

Théorème 2.4 que la variable aléatoire χ2n (p, p̄n ) suit la loi χ2 (k − 1), donc

PH0 (rejeterH0 ) = PH0 χ2n (p, p̄n ) > χ2k−1,α ≈ α,

ce qui montre que le test est justifié.

Remarque : Le test du χ2 est seulement un test asymptotique et il faut que n soit as-
sez grand. Disons seulement qu’il vaut mieux éviter d’utiliser le test du χ2 si la taille de
l’échantillon est inférieure à 50.

4
Exemple : On veut tester si un dé n’est pas truqué au risque α = 0, 05. Pour cela on lance
le dé 60 fois et on obtient les résultats suivants

face 1 2 3 4 5 6
Ni 15 7 4 11 6 17
ei 10 10 10 10 10 10

On a fait figurer dans le tableau la valeur espérée ei du nombre d’apparitions de la face

i dans l’l’hypothèse où le dé n’est pas truqué, ceci afin de faciliter le calcul de la quantité
χ2n (p, p̄n ) qui est donc ici égale à
k
X (Ni − ei )2 (15 − 10)2 (7 − 10)2 (4 − 10)2 (11 − 10)2
= + + +
i=1
ei 10 10 10 10
(6 − 10)2 (17 − 10)2
+ + = 13, 6.
10 10
Sous l’hypothèse H0 :"p1 = · · · = p6 = 16 ”, la variable aléatoire χ2n (p, p̄n ) a donc pris la valeur
13, 6. Or le seuil de rejet lu dans la table de la loi du χ2 (k − 1) = χ2 (5) est χ25,0,05 = 11, 07.
La valeur observée dépassant cette valeur, on est amené à rejeter l’hypothèse H0 au risque
α = 0, 05. On notera qu’au risque α = 0, 025, on rejette aussi H0 . Mais au risque α = 0, 01, on
ne peut plus rejeter l’hypothèse H0 malgré la mauvaise impression donnée par les résultats.
Si on persiste à vouloir le risque 0, 01, il est plus raisonnable de recommencer l’expérience
avec un échantillon de taille beaucoup plus grande.

2.4 Le test du χ2 d’indépendance

On considère ici un couple (X, Y ) de variables aléatoires. On suppose que X (resp. Y )
prend ses valeurs dans l’ensemble {1, . . . , k} (resp. {1, . . . , l}). Si pij = P(X = i, Y = j), on
représentera la loi du couple (X, Y ) par la matrice p = (pij ) à k lignes et l colonnes.
Le problème qui nous intéresse dans ce paragraphe est de tester l’indépendance des variables
X et Y . Rappelons3 que si la loi p est connue, les variables X et Y sont indépendantes si et
seulement si la loi p est le produit (tensoriel) de ses lois marginales i.e.

(14) ∀i = 1, . . . , k, ∀j = 1, . . . , l, pij = pi. p.j ,

Pl Pk
où pi. = j=1 pij (resp. p.j = i=1 pij ).

Prenons un n-échantillon (X1 , Y1 ), . . . , (Xn , Yn ) de la loi p et pour toute valeur (i, j) consi-
dérons la variable aléatoire
n
X
(15) Nij = 1[(Xm ,Ym )=(i,j)] ,
m=1

qui compte le nombre de fois que la valeur (i, j) apparait dans l’échantillon. La variable
aléatoire
Nij
(16) p̄n (i, j) = ,
n
3
voir le cours de probabilités

5
est l’estimateur empirique de la probabilité pij et la loi empirique du n-échantillon est la
matrice (aléatoire) p̄n à k lignes et l colonnes donnée par

(17) p̄n = (p̄n (i, j)) .

Comme dans le paragraphe précédent, on peut considérer le χ2 d’ajustement entre la loi p

et la loi empirique p̄n :
X (pij − Nij /n)2
(18) χ2n (p, p̄n ) =n ,
i,j
pij

où la somme précédente porte sur tous les couples (i, j) avec i = 1, . . . , k et j = 1, . . . , l. Le

raisonnement du corollaire 4.2 montre que
L
(19) χ2n (p, p̄n ) → χ2 (kl − 1) (n → ∞),

et on peut alors pratiquer le test d’ajustement du χ2 à une loi p comme on l’a expliqué au
paragraphe 4.2. Mais si l’on ne veut pas faire d’hypothèse sur la loi p et qu’on veut seulement
savoir si la loi p est une loi produit (i.e. si les composantes du couple sont indépendantes),
on considére les estimateurs empiriques p̂n (i, .) (resp p̂n (., j)) des lois marginales pi. (resp p.j )
définis par
Ni. N.j
(20) p̂n (i, .) = (resp p̂n (., j) = ),
n n
où n n
X X
Ni. = 1[Xm =i] , (resp N.j = 1[Ym =j] )
m=1 m=1

est le nombre de fois que la valeur i (resp. la valeur j) apparait en première coordonnée (resp.
en deuxième coordonnée) dans l’échantillon. On définit la loi empirique produit (tensoriel)
des deux lois empiriques marginales comme étant la matrice p̂n donnée par
 
Ni. N.j
(21) p̂n = (p̂n (i, j)) = .
n2

Si on remplace dans (18) p par p̂n , on peut espérer mesurer l’indépendance des composantes
Xm et Ym de l’échantillon. Précisément

Définition 2.6 : On appelle χ2 d’indépendance la variable aléatoire

X (p̂n (i, j) − p̄n (i, j))2
χ2n (p̂n , p̄n ) = n
i,j
p̂n (i, j)
X ( Ni. N2 .j − Nij 2
)
n n
(22) =n Ni. N.j
i,j n2

On a alors le résultat suivant que nous admettrons

Théorème 2.7 :
L
(23) χ2n (p̂n , p̄n ) → χ2 ((k − 1)(l − 1)) (n → ∞).

6
Le test du χ2 d’indépendance : On déduit du résultat précédant que pour tester l’hypo-
thèse

H0 :"X et Y sont des variables aléatoires indépendantes"

contre l’hypothèse alternative H1 :"X et Y ne sont pas indépendantes", on calcule à partir

de l’échantillon la quantité χ2n (p̂n , p̄n ) définie en (22) et au risque α, on rejette H0 au profit
de H1 si
χ2n (p̂n , p̄n ) > χ2(k−1)(l−1),α ,
où χ2(k−1)(l−1),α est la borne d’ordre α de la queue de la loi χ2 ((k − 1)(l − 1)). Ceci suppose
encore que la valeur de n est suffisamment grande car sous l’hypothèse H0 , la loi de χ2n (p̂n , p̄n )
n’est qu’approximativement égale à χ2 ((k − 1)(l − 1)).

Remarque : Sous l’hypothèse H0 et si les lois marginales pi. et p.j étaient connues, on
a vu en (18) que la variable aléatoire
X (pi. p.j − Nij /n)2
n ,
i,j
p i. p .j

suivrait approximativement la loi χ2 (kl − 1). Mais on estime les pi. (resp. les p.j ) qui sont
au nombre de k − 1 (resp. l − 1). On constate que la règle suivante est satisfaite : on doit
diminuer le nombre de degrés de liberté a priori (i.e. kl−1) par le nombre total de paramètres
estimés (soit (k − 1) + (l − 1)). En effet, on a bien

kl − 1 − (k − 1) − (l − 1) = (k − 1)(l − 1).

Cette règle s’applique dans d’autres situations qui ne sont pas au programme de ce cours.

Exemple : Un échantillon de 1000 personnes ont été interrogées sur leur opinion à propos
d’une question qui sera posée à un référendum. On a demandé à ces personnes de préciser
leur appartenance politique. Les résultats sont donnés par le tableau suivant4 :

Appartenance Réponse
Favorable Défavorable Indécis
Gauche 210 194 91
Droite 292 151 62
On veut savoir la réponse au référendum est indépendante de l’opinion politique. Pour cela
associons les indices de ligne i = 1 et 2 à gauche et droite respectivementet les indices de
colonne j = 1, 2, 3 aux réponses favorable, défavorable et indécis respectivement. On calcule
N N N
alors les valeurs nij (ici n = 1000.) qu’on dispose dans un tableau ainsi que les valeurs i.n2 .j
(dans le même tableau entre parenthèses), ce qui donne

i j
1 2 3
1 0,21(0,248) 0,194(0,170) 0,091(0,076)
2 0,292(0,254) 0,151(0,174) 0,062(0,077)
4
appelé souvent tableau de contingence dans la littérature.

7
 X ( Ni. N2 .j − Nij 2
)
n n
La quantité χ2n (p̂n , p̄n ) =n Ni. N.j
est alors égale à :
i,j n2

 (0, 248 − 0, 210)2 (0, 170 − 0, 194)2 (0, 076 − 0, 091)2 (0, 254 − 0, 292)2
1000 + + +
0, 248 0, 170 0, 076 0, 254
2 2
(0, 174 − 0, 151) (0, 077 − 0, 062)
+ + = 23, 82.
0, 174 0, 077

Dans ce cas on a k − 1 = 1 et l − 1 = 2 i.e. on utilise la loi χ2 (2) pour laquelle le seuil de

rejet au risque α = 0, 05 est égal à 5,99. On doit donc rejeter l’hypothèse H0 d’indépendance
de la réponse et de l’opinion politique. On constate qu’on rejette aussi H0 au risque 0, 01.

3 Le test de Kolmogorov-Smirnov
On examine maintenant l’ajustement d’un échantillon observé x1 , . . . , xn à une loi conti-
nue F . La méthode est complètement différente de celle étudiée dans le premier paragraphe.
Elle est basée sur la construction d’une fonction étagée appelée fonction de répartition
empirique de l’échantillon observé.

3.1 Loi empirique d’un n-échantillon

Définition 3.1 : Soit (X1 , . . . , Xn ) un n-échantillon d’une loi F sur Rd . On appelle loi
empirique de cet échantillon la mesure aléatoire
n
1X
(24) dFn = δX
n i=1 i

qui pour ω ∈ Ω est la mesure5

n
1X
(25) dFnω = δX (ω) ,
n i=1 i

qu’on appelle mesure empirique du n-échantillon observé (X1 (ω), . . . , X1 (ω)).

Dans le cas d = 1, la fonction de répartition Fn de la mesure dFn est appelée fonction
de répartition empirique du n-échantillon (X1 , . . . , Xn ). C’est une fonction aléatoire qui
pour ω ∈ Ω prend pour valeur Fnω , la fonction de répartion de la mesure empirique observée
(25). Si x(1) < x(2) < · · · < x(n) sont les valeurs du n-échantillon observé rangées par ordre
croissant et supposées distinctes deux à deux, les sauts de la fonction Fnω sont tous égaux à
1
n
(voir la figure ci-dessous)
5
δa désigne la mesure de Dirac au point a ∈ Rd .

8
 Fnω (x)
6
1 q
3 q
n
2 q
n
q 1
n
-
x(1) 0 x(2) x(3) x(n) x

Lorsque les valeurs x(i) ne sont pas toutes distinctes, par exemple s’il y a k fois la valeur
x(i) dans l’échantillon, le saut de Fnω au point x(i) est égal à nk .
L’intérêt de la loi empirique Fn est d’approcher la loi F lorsque la taille n de l’échantillon
est suffisamment grande.

3.2 Le théorème fondamental de la Statistique

On continue l’étude précédente. Soit Fn la fonction de répartition empirique d’un n-
échantillon (X1 , . . . , Xn ) de variables aléatoires réelles de fonction de répartition F . On veut
des précisions sur l’écart uniforme
(26) Dn (ω) = sup |Fnω (x) − F (x)|,
x∈R

entre Fn et F . Bien entendu, Dn est une variable aléatoire puisqu’elle dépend de chaque
réalisation du n-échantillon. A priori la loi de Dn semble dépendre de F mais, (et c’est
particulièrement remarquable), ce n’est pas le cas si on se restreint à des lois F continues.

Théorème 3.2 : Si F est continue, la loi de probabilité de la variable aléatoire Dn définie

en (26) est une loi intrensèque i.e. elle ne dépend pas de F .
démonstration : Posons Yi = F (Xi ) (i = 1, . . . , n). D’après un résultat du chapitre 1,
(Y1 , . . . , Yn ) est un n-échantillon de la loi uniforme sur [0, 1] dont nous noterons Unω la fonction
de répartition empirique :
n
1X
(27) Unω (t) = δF (Xi (ω)) (] − ∞, t])
n i=1

Mais d’après le 2) de la Proposition 2.4, δF (Xi (ω)) (] − ∞, t]) = δXi (ω) (] − ∞, F −1 t]) où F −1 est
l’inverse généralisée de F . Il résulte alors de (27) que Unω (t) = Fnω (F −1 (t)). Ainsi, en notant
U (t) la fonction de répartition de la loi uniforme, on a
sup |Unω (t) − U (t)| = sup |Unω (t) − t|
t∈R t∈]0,1[

= sup |Fnω (F −1 (t)) − F (F −1 (t))|

t∈]0,1[

= sup |Fnω (t) − F (t)| = Dn (ω),

t∈R

9
ce qui prouve que Dn (ω) a la même valeur que pour la loi uniforme. Q.E.D. 

Remarque : La loi de probabilité de Dn a été tabulée pour différentes valeurs de l’en-

tier n et on connait son comportement asymptotique pour "n grand" (voir le paragraphe
suivant). Voyons maintenant le résultat fondamental obtenu par Glivenko et Cantelli :

Théorème 3.3 (Théorème fondamental de la Statistique) : Pour P-presque tout ω, on a

lim sup |Fnω (x) − F (x)| = 0,

n→∞ x∈R

i.e. Dn (ω) → 0, P − p.s. Autrement dit, la fonction de répartition empirique converge

uniformément vers F P-presque surement.
Remarque : La fonction de répartition empirique est donc un estimateur de la fonction de
répartition. Le résultat du théorème justifie le principe des méthodes statistiques : Ce
principe dit qu’on peut déterminer la loi de probabilité (inconnue) d’une variable aléatoire
à partir d’un échantillon (assez grand) de tirages effectués suivant cette loi.

4 Estimation d’une fonction de répartition

et test de Kolmogorov-Smirnov
4.1 Estimation d’une fonction de répartition
On a vu, au paragraphe précédent que la fonction de répartion empirique Fnω d’un n-
échantillon issu d’une loi F inconnue, fournit une très bonne approximation de la fonction
de répartition F . On va voir comment on utilise ce résultat dans la pratique.
On travaille avec une valeur de n fixée. La loi de la variable aléatoire Dn définie en (26) est
tabulée. On peut la trouver dans les recueils de tables statistiques. Ainsi pour tout 0 < α < 1,
on peut déterminer la valeur6 dαn telle que

(28) P(Dn ≤ dαn ) = 1 − α,

c’est à dire P(supx∈R |Fn (x) − F (x)| ≤ dαn ) = 1 − α, ce qui revient encore à dire que

P ∀x ∈ R, Fn (x) − dαn ≤ F (x) ≤ Fn (x) + dαn = 1 − α.

(29)

L’encadrement

(30) Fn (x) − dαn ≤ F (x) ≤ Fn (x) + dαn

est donc vrai pour tout x ∈ R, avec la probabilité 1 − α. La quantité 1 − α est appelée
le niveau de confiance de l’encadrement (30) et α est appelée le risque d’erreur de
première espèce7 car c’est la probabilité que (30) ne soit pas vraie.

Définition 4.1 : Pour 0 < α < 1, l’ensemble aléatoire

(x, y) ∈ R2 ; Fn (x) − dαn ≤ y ≤ Fn (x) + dαn


(31)
6
en fait les tables donnent les valeurs de dα
n pour différentes valeurs de α et non la loi de Dn .
7
il y a un risque de deuxième espèce dont nous parlerons plus tard.

10
est appelée la bande de confiance de la fonction de répartition F au niveau de confiance
1 − α.
Estimer une fonction de répartition c’est par définition la donnée d’un niveau de confiance
et de la bande de confiance correspondante qu’on obtient de la façon décrite ci-dessus.
Pour chaque réalisation (X1 (ω), . . . , Xn (ω) du n-échantillon, la fonction de répartition em-
pirique prend la valeur Fnω et la bande de confiance observée est égale à
(x, y) ∈ R2 ; Fnω (x) − dαn ≤ y ≤ Fnω (x) + dαn

(32)
Remarque : La bande de confiance est évidemment sensible à la valeur de n choisie au
départ. En effet, à un niveau de confiance donné 1 − α, la largeur de la bande est déterminée
par la valeur dαn qui décroit lorsque n augmente comme le montrent les tables. Ainsi si l’on
veut de la précision sur l’estimation de F il faudra que la bande de confiance soit étroite
donc que n soit grand. Pour avoir une bande de largeur donnée, on déterminera la taille n
que devra avoir l’échantillon à partir des tables de la loi de Dn .

4.2 Le test de Kolmogorov-Smirnov

En statistiques toute méthode qui permet d’estimer un objet (paramètre, loi, etc. . .) est
susceptible d’être présentée sous une forme équivalente qu’on appelle un test. Le test de
Kolmogorov-Smirnov est basé sur les observations du paragraphe précédent :
On s’intéresse à une loi de probabilité inconnue F dont on pense qu’elle est égale à une
certaine loi F0 . On veut au niveau de confiance 1 − α,
tester l’hypothèse H0 : ”F = F0 ” contre l’hypothèse alternative H1 : ”F 6= F0 ”.
Mise en oeuvre du test : A partir d’un n-échantillon observé de la loi F , on construit la
bande de confiance au niveau de confiance 1 − α. Si cette bande ne contient pas entièrement
le graphe de F0 , on rejette l’hypothèse H0 . Dans le cas où la bande contient entièrement le
graphe de F0 , on ne rejette pas H0 au niveau de confiance 1 − α. Ceci ne revient pas tout
à fait à dire qu’on accepte H0 mais nous n’entrerons pas dans les détails. La théorie des
tests statistiques présente des subtilités que nous présenterons par la suite. En particulier
nous ignorons ici un aspect très important du test qui est l’erreur de 2ième espèce i.e. la
probabilité d’accepter l’hypothèse H0 quand elle est fausse.

Remarque 1(et exercice) : En fait Dn (ω) = supx∈R |Fnω (x) − F (x)|, = max1≤i≤n ∆i , avec
∆i = max{|Fnω (x− ω ω −
(i) ) − F (x(i) )|, |Fn (x(i) ) − F (x(i) )|}, où Fn (x(i) ) est la limite à gauche de la
fonction Fnω au point x = x(i) . On n’a donc pas besoin de la bande de confiance pour faire
le test de Kolmogorov-Smirnov : il suffit de calculer la quantité max1≤i≤n ∆i et de tester si
elle dépasse la borne dαn pour rejeter H0 .

Remarque 2 : Le problème que nous venons de traiter concerne l’ajustement d’une distri-
bution inconnue à une distribution théorique. Il existe un autre test beaucoup plus utilisé :
le test du χ2 vu au paragraphe 1 qui traite de la même question pour les lois discrètes et
qui est également utilisé pour les lois continues mais il faut alors utiliser un procédé de
discrétisation (assez arbitraire) de la loi continue. Ce test a le défaut d’être approximatif
et tout à fait inadapté lorsqu’on utilise des petits échantillons. Par contre la méthode de
Kolmogorov-Smirnov est exacte et elle est particulièrement bien adaptée aux petits échan-
tillons. Il conviendrait donc de mieux faire connaitre ce test aux utilisateurs qui font des

11
études de produits sur des échantillons de petite ou moyenne taille (médecins, laboratoires
industriels, etc. . .).

4.3 Annexe
Démonstration du théorème fondamental de la Statistique
On aura besoin du lemme suivant

Lemme 4.2 : Pour tout x ∈ R fixé, limn→∞ Fnω (x) = F (x) (resp8 . limn→∞ Fnω (x− ) =
F (x− )) pour P-presque tout ω.
démonstration du lemme : Pour P-presque tout ω, on a
n
1X
Fnω (x) = δX (ω) (] − ∞, x])
n i=1 i
n
1X
= 1]−∞,x] (Xi (ω))
n i=1
n
1 X


= 1]−∞,x] (Xi ) (ω) → E 1]−∞,x] (X1 ) = F (x), (n → ∞)
n i=1

d’après la loi forte des grands nombres appliquée à la suite des variables aléatoires i.i.d.
1]−∞,x] (Xi ). De même on montre que Fnω (x− ) → F (x− ) (n → ∞) en remplaçant l’intervalle
] − ∞, x] par ] − ∞, x[ dans le calcul précédent. 

démonstration du théorème : Soit N ≥ 1 un entier. Pour j ∈ {0, 1, . . . , N } posons

j
xj,N = inf{x; F (x) ≥ } si j ≥ 1 et x0,N = −∞.
N
Pour x ∈ [xj,N , xj+1,N [, d’après la croissance de F et Fnω , on a
(33) Fnω (xj,N ) − F (x− ω ω −
j+1,N ) ≤ Fn (x) − F (x) ≤ Fn (xj+1,N ) − F (xj,N ).

Mais F (xj,N ) ≥ j
N
≥ F (x− 1 −
j,N ), donc F (xj,N )+ N ≥ F (xj+1,N ) et les inégalités (33) impliquent
qu’on a
1 1
(34) Fnω (xj,N ) − F (xj,N ) − ≤ Fnω (x) − F (x) ≤ Fnω (x− −
j+1,N ) − F (xj+1,N ) + .
N N
D’où
1
(35) sup |Fnω (x) − F (x)| ≤ + |Fnω (xj,N ) − F (xj,N )| + |Fnω (x− −
j+1,N ) − F (xj+1,N )|
x∈[xj,N ,xj+1,N [ N

pour j = 1, . . . , N − 1 mais cette inégalité est vraie aussi pour j = 0 (resp. j = N ) avec la
convention x0,N = −∞ (resp. xN +1,N = +∞). En passant au Max en j dans les inégalités
(35), on obtient
Dn (ω) = sup |Fnω (x) − F (x)|
x∈R
1
+ max |Fnω (xj,N ) − F (xj,N )| + |Fnω (x− −

(36) ≤ j+1,N ) − F (xj+1,N )|
N 0≤j≤N

8
Si G est une fonction de répartition, G(x− ) désigne la limite à gauche de G au point x.

12
En passant à la limsup quand n → ∞ dans les deux membres de (36), on déduit immédia-
tement du Lemme 4.3 que pour P-presque tout ω, on a :
1
lim sup Dn (ω) ≤ .
n→∞ N

Or N est arbitraire donc lim supn→∞ Dn (ω) = 0. D’où le résultat du théorème. 

13