Introduction aux tests d'hypothèses statistiques

📋 Plan du Cours

1. Formulation des hypothèses nulle et alternative en test statistique
2. Principe du test d’hypothèse bilatéral et seuil de signification
3. Approches de Fisher et Neyman-Pearson dans la prise de décision
4. Risques d’erreur de première espèce (α) et de seconde espèce (β)
5. Définition et calcul des régions critique et d’acceptation
6. Calcul de la statistique de test (z ou t) et interprétation de la p-value
7. Exemples d’application du test d’hypothèse sur la moyenne d’un échantillon
8. Démarche complète du test d’hypothèse en quatre étapes

📖 1. Formulation des hypothèses nulle et alternative en test statistique

🔑 Notions clés & Définitions

• Entre deux : Une comparaison ou une différence entre deux éléments, généralement deux moyennes ou deux proportions, pour déterminer s'il existe une différence significative.

📝 Points essentiels

• L'hypothèse nulle suppose l'absence d'effet systématique, attribuant les observations aux variations aléatoires d’échantillonnage.
• L'hypothèse alternative suppose que les résultats ne peuvent s'expliquer uniquement par le hasard, indiquant un effet ou une différence réelle.
• Les hypothèses sont généralement opposées, couvrant des cas comme l'égalité ou la différence entre moyennes, ou l'absence ou la présence d'effet.

💡 À retenir

La base du test statistique repose sur la formulation claire et opposée des hypothèses nulle et alternative, qui encadrent toute la démarche d'inférence.