Fiche de révision : Introduction aux lois de probabilités et tests statistiques

📋 Plan du Cours

1. Lois de probabilités usuelles
2. Échantillonnage et estimation
3. Distribution d'échantillonnage
4. Intervalle de confiance
5. Tests d'hypothèse
6. Tests de conformité
7. Tests d'homogénéité
8. Tests du χ2

📖 1. Lois de probabilités usuelles

🔑 Notions clés & Définitions

Loi Normale
La loi normale, aussi appelée loi de Gauss, est une distribution de probabilité continue caractérisée par sa moyenne μ et son écart-type σ. Elle possède une densité en forme de cloche symétrique autour de la moyenne. La densité de probabilité d'une variable aléatoire X suivant une loi normale N(μ, σ) est donnée par la fonction :
$f(x) = \frac{1}{σ \sqrt{2\pi}} e^{-\frac{1}{2} \left(\frac{x - \mu{}}{σ}\right)^2}$
Elle modélise des phénomènes où les erreurs ou variations sont indépendantes et de petite amplitude. La moyenne μ représente la valeur centrale de la distribution, et σ mesure la dispersion ou l'étalement autour de cette moyenne. La variable Z, suivant une loi normale centrée réduite, suit la distribution N(0, 1) dont la densité est :
$f(x) = \frac{1}{\sqrt{2\pi}} e^{-\frac{1}{2} x^2}$
Elle sert de référence pour la standardisation.

Loi du Chi-deux
La loi du Chi-deux, notée χ²(n), est la distribution de la somme des carrés de n variables aléatoires indépendantes suivant une loi normale centrée réduite, c’est-à-dire X₁, X₂, ..., Xₙ ~ N(0,1). La variable aléatoire :
$\sum_{i=1}^{n} X_i^2$
suivant cette loi. La densité de cette loi est :
$f(x) = \frac{1}{2^{n/2} \Gamma(n/2)} x^{n/2 - 1} e^{-x/2} \quad \text{pour } x > 0$
où Γ est la fonction Gamma d'Euler. La loi du Chi-deux intervient notamment dans l’étude des écarts quadratiques, l’estimation des variances et dans les tests statistiques sur la variance. La moyenne de cette loi est n, et sa variance est 2n. La somme de variables indépendantes suivant χ²(n₁) et χ²(n₂) suit une loi χ²(n₁ + n₂).

Loi de Student
La loi de Student, créée par William Gosset en 1908 sous le pseudonyme Student, est une distribution symétrique en forme de cloche, utilisée principalement pour l’estimation et la comparaison de paramètres lorsque la taille de l’échantillon est petite. Elle est définie par deux variables indépendantes : X, suivant une loi normale N(0, 1), et Y, suivant une loi du χ²(n), où n est le nombre de degrés de liberté. La variable :
$Z = X \sqrt{\frac{n}{Y}}$
suivant une loi de Student à n degrés de liberté. La densité de cette loi est :
$f(x) = \frac{\Gamma\left(\frac{n+1}{2}\right)}{\sqrt{n\pi} \, \Gamma\left(\frac{n}{2}\right)} \left(1 + \frac{x^2}{n}\right)^{-\frac{n+1}{2}}$
L’espérance est nulle pour n ≥ 2, et la variance n’est définie que pour n ≥ 3, valant $\frac{n}{n-2}$. La loi de Student converge vers la loi normale centrée réduite lorsque n augmente, ce qui explique son utilité pour les petits échantillons.

📝 Points essentiels

• La loi normale est entièrement caractérisée par sa moyenne μ et son écart-type σ, avec une densité en forme de cloche symétrique. La densité est donnée par :
  $f(x) = \frac{1}{σ \sqrt{2\pi}} e^{-\frac{1}{2} \left(\frac{x - \mu{}}{σ}\right)^2}$
  Elle modélise des phénomènes où les variations sont indépendantes et faibles, avec une moyenne centrale μ et une dispersion σ.

• La loi du Chi-deux est la somme des carrés de variables normales centrées réduites indépendantes, avec n degrés de liberté. Sa densité est :
  $f(x) = \frac{1}{2^{n/2} \Gamma(n/2)} x^{n/2 - 1} e^{-x/2} \quad \text{pour } x > 0$
  Elle intervient dans l’étude des écarts quadratiques, notamment pour l’estimation des variances et dans certains tests statistiques.

• La loi de Student est utilisée pour les petits échantillons. Elle est définie par la relation :
  $Z = X \sqrt{\frac{n}{Y}}$
  où X suit N(0,1) et Y suit χ²(n). La densité est :
  $f(x) = \frac{\Gamma\left(\frac{n+1}{2}\right)}{\sqrt{n\pi} \, \Gamma\left(\frac{n}{2}\right)} \left(1 + \frac{x^2}{n}\right)^{-\frac{n+1}{2}}$
  Elle converge vers la loi normale lorsque n augmente, permettant d’utiliser la loi normale pour des échantillons de grande taille.

💡 À retenir

Les lois normales, du Chi-deux et de Student sont fondamentales pour modéliser et analyser des phénomènes aléatoires. La loi normale sert de référence pour la majorité des distributions continues, tandis que la loi du Chi-deux et la loi de Student permettent d’établir des tests et estimations précis, notamment dans le contexte de petites tailles d’échantillons ou d’écarts quadratiques. La compréhension de leur relation, notamment la convergence de la loi de Student vers la loi normale avec l’augmentation du nombre de degrés de liberté, est essentielle pour l’interprétation des résultats statistiques.

📖 2. Échantillonnage et estimation

🔑 Notions clés & Définitions

Population
La population désigne l’ensemble complet des unités ou individus qui présentent un ou plusieurs caractères d’intérêt pour une étude. Selon la définition, c’est l’ensemble total que l’on souhaite étudier ou dont on veut connaître les paramètres. La population peut être grande ou petite, finie ou infinie, et sa connaissance complète est souvent difficile ou impossible à obtenir.

Échantillon
Un échantillon est un sous-ensemble représentatif de la population. Il est constitué d’un nombre limité d’unités sélectionnées selon une méthode spécifique, généralement aléatoire. L’objectif principal de l’échantillonnage est d’estimer les paramètres de la population à partir des données recueillies sur cet échantillon, en garantissant qu’il reflète fidèlement la population dans ses caractéristiques essentielles.

Statistique
La statistique est une grandeur calculée à partir des données d’un échantillon. Elle sert à estimer un paramètre inconnu de la population. Par exemple, la moyenne empirique x, la variance empirique s, ou la proportion f dans un échantillon, sont des statistiques. La statistique est une fonction de l’échantillon, et son rôle est de fournir une approximation ou une estimation du paramètre correspondant dans la population.

Estimation ponctuelle
L’estimation ponctuelle consiste à utiliser une statistique calculée à partir de l’échantillon pour fournir une valeur unique, appelée estimateur, qui sert d’approximation du paramètre inconnu de la population. Par exemple, la moyenne empirique x est un estimateur ponctuel de la moyenne μ de la population. Elle donne une seule valeur, sans indication de la précision ou de l’incertitude associée.

Estimation paramétrique
L’estimation paramétrique vise à déterminer, à partir des données d’un échantillon, les valeurs des paramètres d’une loi ou d’un modèle statistique spécifique qui décrit la population. Elle suppose que la population suit une loi paramétrée (par exemple, loi normale, binomiale, etc.) et utilise des méthodes pour estimer ces paramètres, comme la moyenne ou la variance, en se basant sur l’échantillon.

Moyenne empirique
La moyenne empirique, notée x, est la somme des valeurs observées dans l’échantillon divisée par la taille de cet échantillon. Elle constitue une statistique fondamentale pour l’estimation de la moyenne de la population. La formule est :
$x = \frac{1}{n} \sum_{i=1}^{n} X_i$
où $X_i$ représente la valeur de la caractéristique pour le i-ème individu de l’échantillon, et n est la taille de l’échantillon.

📝 Points essentiels

Un échantillon est un sous-ensemble représentatif d'une population permettant d'estimer ses paramètres. La représentativité garantit que les caractéristiques de l’échantillon reflètent celles de la population, ce qui est crucial pour la fiabilité des estimations. La méthode d’échantillonnage aléatoire simple repose sur le principe que toutes les unités de la population ont une chance égale d’être sélectionnées, assurant ainsi l’objectivité et l’impartialité de l’échantillon.

L’estimation ponctuelle fournit une valeur unique pour un paramètre inconnu à partir des données de l’échantillon. Elle ne donne pas d’indication sur la précision ou la fiabilité de cette estimation, mais constitue une première approximation utile. Par exemple, la moyenne empirique x est une estimation ponctuelle de la moyenne μ de la population.

Les méthodes d’échantillonnage aléatoire simple garantissent que chaque unité de la population a une probabilité égale d’être choisie, ce qui limite les biais et permet d’obtenir des résultats statistiquement valides. Lorsqu’on prélève un échantillon de taille n dans une population, la moyenne de l’échantillon (ou moyenne empirique) est une approximation de la moyenne de la population. La variabilité de cette moyenne d’échantillon, appelée fluctuation d’échantillonnage, dépend de la taille de l’échantillon et de la variance de la population. Plus l’échantillon est grand, plus la moyenne empirique tend à se rapprocher de la moyenne réelle, conformément au théorème de la limite centrale.

Les distributions d’échantillonnage, notamment celles de la moyenne, de la variance ou de la fréquence, décrivent la variabilité des statistiques d’échantillons possibles issus d’une même population. La moyenne d’échantillonnage, par exemple, a pour espérance la moyenne de la population et une variance qui diminue avec la taille de l’échantillon, ce qui permet de prévoir la précision de l’estimation.

💡 À retenir

Maîtriser la démarche d’extraction d’informations fiables d’une population à partir d’un échantillon limité repose sur la compréhension que l’échantillon doit être représentatif et que l’estimation ponctuelle, bien que simple, doit être complétée par des méthodes permettant d’évaluer la précision de l’estimation, notamment via les distributions d’échantillonnage et les intervalles de confiance.

📖 3. Distribution d'échantillonnage

🔑 Notions clés & Définitions

Distribution d'échantillonnage de la moyenne
La distribution d'échantillonnage de la moyenne est la distribution de la statistique de l’échantillon, c’est-à-dire la moyenne calculée sur différents échantillons issus d’une même population. Elle décrit la variabilité de cette moyenne d’échantillon lorsque l’on répète l’échantillonnage dans les mêmes conditions. Selon le contenu source, la moyenne d’échantillon suit une distribution dont la moyenne est celle de la population, et la variance diminue avec la taille de l’échantillon. Elle permet ainsi d’évaluer la précision de l’estimation de la moyenne populationnelle.

Distribution d'échantillonnage de la variance
La distribution d’échantillonnage de la variance concerne la variabilité de la variance empirique calculée sur différents échantillons issus d’une même population. Elle repose sur la loi du Chi-deux (χ²), avec comme paramètre le nombre de degrés de liberté ν = n - 1, où n est la taille de l’échantillon. La distribution de la variance empirique permet de construire des intervalles de confiance pour la variance réelle de la population.

Distribution d'échantillonnage de la fréquence
La distribution d’échantillonnage de la fréquence concerne la proportion d’individus dans un échantillon présentant un certain caractère, par exemple la proportion p d’individus ayant une caractéristique particulière. Si la variable X suit une loi Bernoulli ou binomiale, la fréquence observée dans l’échantillon suit une distribution dont l’espérance est p. Lorsqu’on n’a qu’un seul échantillon, cette distribution permet d’estimer la précision de la proportion dans la population.

Moyenne empirique
La moyenne empirique, notée x̄, est la moyenne calculée à partir des données d’un échantillon. Elle est donnée par la somme des valeurs de l’échantillon divisée par la taille de l’échantillon :
x̄ = (x₁ + x₂ + ... + xₙ) / n.
Elle constitue une estimation ponctuelle de la moyenne de la population.

Variance empirique
La variance empirique, notée s², est une mesure de la dispersion des valeurs de l’échantillon autour de la moyenne empirique. Elle est calculée par :
s² = (1 / (n - 1)) * Σ (xi - x̄)²,
où xi sont les valeurs de l’échantillon. La variance empirique est une estimation de la variance réelle σ² de la population.

📝 Points essentiels

La distribution d’échantillonnage décrit la variabilité des statistiques calculées sur différents échantillons. Elle est fondamentale pour comprendre comment les estimations issues d’un échantillon peuvent varier d’un échantillon à l’autre, même si la population est inchangée.
La moyenne d’échantillon suit une distribution dont la moyenne est celle de la population, ce qui signifie que x̄ est un estimateur sans biais de μ. Cependant, sa variance, appelée variance de la moyenne, diminue avec la taille de l’échantillon, selon la formule :
Variance(x̄) = σ² / n.
Ce phénomène explique que plus l’échantillon est grand, plus l’estimation de la moyenne est précise. La distribution d’échantillonnage de la moyenne permet d’évaluer cette précision, notamment par la construction d’intervalles de confiance.

De même, la distribution d’échantillonnage de la variance, basée sur la loi du χ², permet de déterminer un intervalle dans lequel la variance réelle σ² a une probabilité donnée de se trouver. La distribution d’échantillonnage de la fréquence ou proportion, notamment dans le cas de variables binaires, est approximée par une loi normale lorsque la taille de l’échantillon est suffisante (n ≥ 31). Elle sert à estimer la proportion p dans la population avec un certain niveau de confiance.

L’utilisation de la moyenne empirique et de la variance empirique dans ces distributions permet d’évaluer la précision des estimations et de construire des intervalles de confiance, en tenant compte de la variabilité inhérente aux échantillons.

💡 À retenir

La distribution d’échantillonnage illustre comment les statistiques calculées sur différents échantillons varient autour des paramètres populationnels, ce qui est essentiel pour évaluer la fiabilité et la précision des estimations. La compréhension de ces distributions permet de construire des intervalles de confiance et d’évaluer la confiance que l’on peut avoir dans ces estimations, en tenant compte de la taille de l’échantillon et de la variabilité intrinsèque.

📖 4. Intervalle de confiance

🔑 Notions clés & Définitions

Intervalle de confiance
L'intervalle de confiance est une plage de valeurs calculée à partir d’un échantillon, qui est conçue pour contenir le paramètre inconnu de la population avec une certaine probabilité, appelée niveau de confiance. Selon AUTEUR (date), c’est une estimation probabiliste qui donne une idée de la plage plausible pour le paramètre, en tenant compte de l’incertitude liée à l’échantillonnage.

Niveau de confiance
Le niveau de confiance, noté généralement en pourcentage (par exemple 95 %), représente la probabilité que l’intervalle de confiance calculé à partir d’un échantillon contienne effectivement le paramètre inconnu de la population. Il s’agit d’une mesure de la fiabilité de l’estimation. Par exemple, un niveau de confiance de 95 % indique que, si l’on répète l’échantillonnage de nombreuses fois, environ 95 % des intervalles ainsi construits contiendront le vrai paramètre.

Erreur type
L’erreur type est une mesure de la dispersion ou de la variabilité de l’estimateur du paramètre. Elle indique la précision de l’estimation : plus l’erreur type est faible, plus l’estimation est précise. Elle dépend de la variance de la population et de la taille de l’échantillon. Par exemple, pour une moyenne, l’erreur type est souvent notée comme la racine carrée de la variance estimée divisée par la taille de l’échantillon.

Intervalle de fluctuation asymptotique
L’intervalle de fluctuation asymptotique est une plage de valeurs, calculée à partir de l’échantillon, qui, avec une certaine probabilité, contient le paramètre de la population lorsque la taille de l’échantillon tend vers l’infini. Il s’appuie sur des résultats asymptotiques, notamment la loi de la normalité pour de grands échantillons, et permet d’évaluer la variabilité de l’estimateur dans le cadre de limites probabilistes.

Intervalle de confiance pour une proportion
Il s’agit d’un intervalle construit à partir de la proportion estimée dans un échantillon, qui, avec un certain niveau de confiance, contient la proportion réelle dans la population. Cet intervalle est basé sur la distribution binomiale approchée par la normale lorsque la taille de l’échantillon est suffisamment grande. La formule utilise la proportion observée, l’erreur type associée, et la distribution normale pour déterminer les bornes de l’intervalle.

📝 Points essentiels

Un intervalle de confiance fournit une plage de valeurs plausibles pour un paramètre inconnu avec un certain niveau de confiance. Cela signifie que, si l’on répète l’échantillonnage et le calcul de l’intervalle de confiance de nombreuses fois, une proportion égale au niveau de confiance (par exemple 95 %) des intervalles ainsi obtenus contiendra effectivement le paramètre inconnu. La construction de cet intervalle dépend du type de paramètre estimé : pour une moyenne, l’intervalle utilise la loi de Student lorsque la variance est inconnue, ce qui permet d’adapter la précision de l’estimation à la taille de l’échantillon et à la variabilité observée. Pour une proportion, l’intervalle repose sur la distribution binomiale, approchée par la normale, lorsque la taille de l’échantillon est suffisante, c’est-à-dire lorsque np ≥ 5 et n(1 − p) ≥ 5. La formule de l’intervalle de confiance pour une proportion inclut la proportion observée, l’erreur type associée, et une valeur critique de la distribution normale correspondant au niveau de confiance choisi.

💡 À retenir

L’intervalle de confiance est un outil probabiliste permettant de quantifier l’incertitude sur une estimation de paramètre, en fournissant une plage de valeurs plausibles avec un certain niveau de confiance. La construction de cet intervalle varie selon le paramètre estimé, utilisant la loi de Student pour une moyenne lorsque la variance est inconnue, ou la distribution normale pour une proportion lorsque l’échantillon est suffisamment grand.

📖 5. Tests d'hypothèse

🔑 Notions clés & Définitions

Hypothèse nulle (H0)
L'hypothèse nulle, notée H0, est une proposition ou une affirmation que l'on cherche à tester, généralement une déclaration de « pas d'effet » ou « pas de différence » concernant la population. Elle sert de point de départ dans le processus de test statistique. La formulation de H0 est souvent celle que l'on souhaite remettre en question ou à laquelle on cherche à apporter une preuve de rejet. Par exemple, dans le contexte de comparaison de moyennes, H0 peut être que deux moyennes sont égales, ou que deux variances sont identiques.

Hypothèse alternative (H1)
L'hypothèse alternative, notée H1, représente la proposition que l'on souhaite démontrer ou soutenir. Elle est formulée en opposition à H0 et indique qu'il existe une différence ou un effet. Selon le contexte, H1 peut exprimer une différence différente de zéro, une augmentation, une diminution, ou une différence dans un seul sens (hypothèse unilatérale) ou dans les deux sens (hypothèse bilatérale). La décision de rejeter H0 repose sur la compatibilité des données avec cette hypothèse.

Erreur de type I
L'erreur de type I, aussi appelée « faux positif », correspond à la situation où l'on rejette à tort l'hypothèse nulle H0 alors qu'elle est en réalité vraie. La probabilité de commettre cette erreur est généralement fixée par le seuil de signification α, qui représente le risque maximal accepté de faire cette erreur. Par exemple, si α = 0,05, cela signifie qu'il y a 5% de risque de rejeter H0 à tort.

Erreur de type II
L'erreur de type II, aussi appelée « faux négatif », correspond à la situation où l'on ne rejette pas H0 alors qu'en réalité H1 est vraie. La probabilité de commettre cette erreur est notée β. Elle dépend notamment de la taille de l'échantillon, de la puissance du test, et de la véritable différence ou effet existant dans la population. La réduction de β nécessite souvent d'augmenter la taille de l'échantillon ou d'adopter un seuil de signification plus permissif.

Valeur p
La valeur p est une mesure probabiliste qui indique la probabilité d'observer, sous l'hypothèse nulle H0, des données aussi extrêmes ou plus extrêmes que celles effectivement observées. Elle sert à quantifier la compatibilité des données avec H0. Plus la valeur p est faible, plus il est improbable d'observer de telles données si H0 est vraie, ce qui peut conduire à rejeter H0 si cette valeur est inférieure au seuil α. La valeur p n'est pas une probabilité que H0 soit vraie ou fausse, mais une mesure de compatibilité.

Statistique de test
La statistique de test est une grandeur numérique calculée à partir des données d’échantillon, conçue pour tester l'hypothèse nulle. Elle résume l'information contenue dans l'échantillon relative à H0 et permet de décider si cette hypothèse doit être rejetée ou non. La forme de la statistique dépend du type de test (comparaison de moyennes, variances, proportions, etc.) et de la distribution théorique sous H0. Par exemple, dans le cas de la comparaison de deux moyennes avec de grands échantillons, la statistique de test est souvent une variable normale standardisée (Z).

📝 Points essentiels

Le test d'hypothèse consiste à décider si les données fournies apportent suffisamment de preuves pour rejeter l'hypothèse nulle H0. Pour cela, on formule d'abord H0 et H1 selon le contexte du problème. Ensuite, on détermine la statistique de test appropriée, qui permet de mesurer l'écart entre les données observées et ce que l'on attend sous H0. La distribution de cette statistique est connue (souvent une loi normale ou une loi de Student pour de petits échantillons, ou une loi de Fisher pour la comparaison de variances). On établit alors des valeurs critiques qui délimitent les zones d'acceptation et de rejet. Enfin, on calcule la valeur observée de la statistique dans l’échantillon, et si cette valeur se trouve dans la zone de rejet (par exemple, si elle dépasse la valeur critique ou si la valeur p est inférieure à α), on rejette H0, indiquant que les données sont incompatibles avec cette hypothèse. Sinon, on ne rejette pas H0, ce qui signifie que les données ne fournissent pas de preuve suffisante pour conclure à une différence ou un effet.

La valeur p joue un rôle central en permettant d’évaluer la significativité des résultats. Si la valeur p est inférieure au seuil α, cela indique que l’observation est peu probable si H0 est vraie, conduisant à son rejet. La logique de décision repose donc sur la comparaison entre la valeur p ou la statistique de test et le seuil α, afin de contrôler le risque d’erreur de type I.

Les erreurs de type I et II représentent deux risques opposés dans la prise de décision : rejeter H0 alors qu’elle est vraie, ou ne pas la rejeter alors qu’elle est fausse. La gestion de ces risques est essentielle pour interpréter correctement les résultats des tests et pour choisir le seuil de signification approprié en fonction du contexte.

💡 À retenir

Le test d'hypothèse repose sur la formulation d'une hypothèse nulle et d'une hypothèse alternative, l'utilisation d'une statistique de test pour mesurer l'écart entre les données et H0, et la décision de rejeter ou non H0 en fonction de la valeur p ou des valeurs critiques. La compréhension de cette logique permet de valider ou rejeter des hypothèses sur la population tout en maîtrisant le risque d'erreur.

📖 6. Tests de conformité

🔑 Notions clés & Définitions

Test de conformité :
Un test de conformité est une procédure statistique qui permet de vérifier si un échantillon observé suit une distribution ou possède un paramètre spécifique théorique. Il s'agit d'évaluer la compatibilité entre les données recueillies et une hypothèse de référence, généralement formulée à partir d'une distribution connue ou d'une valeur théorique. Ce type de test est utilisé pour confirmer ou infirmer si un échantillon respecte une caractéristique prédéfinie, comme une moyenne, une proportion ou une variance. La statistique de test utilisée suit une loi spécifique sous l'hypothèse nulle, permettant ainsi de déterminer si les écarts observés sont dus au hasard ou indiquent une différence significative.

Comparaison à une moyenne théorique :
Ce test consiste à comparer la moyenne observée d’un échantillon à une valeur moyenne théorique ou attendue. La méthode courante est le test t, qui permet de déterminer si la différence entre la moyenne observée et la moyenne théorique est statistiquement significative. Il s'agit d’évaluer si l’échantillon provient d’une population dont la moyenne est celle attendue ou si la différence observée est due à une variabilité aléatoire.

Comparaison à une proportion théorique :
Ce test vise à comparer la proportion observée dans un échantillon à une proportion théorique ou attendue. La distribution binomiale est généralement utilisée pour ce type de comparaison, notamment lorsque l’on a des données binaires (succès/échec). L’objectif est de vérifier si la proportion observée diffère de la proportion théorique de manière significative, en tenant compte de la taille de l’échantillon.

Comparaison à une variance théorique :
Ce test permet de vérifier si la variance d’un échantillon est conforme à une variance théorique ou attendue. La statistique de test est souvent basée sur la loi du χ2, qui compare la variance observée à la variance théorique. Il sert à déterminer si la dispersion des données dans l’échantillon est compatible avec celle attendue selon le modèle ou la norme.

Test univarié :
Un test univarié concerne une seule variable à la fois. Il s’agit d’évaluer si cette variable suit une distribution ou possède un paramètre spécifique. Par exemple, tester si la moyenne d’une variable continue est conforme à une valeur donnée, ou si la proportion d’un caractère binaire correspond à une valeur théorique. Ces tests sont fondamentaux pour analyser la conformité d’un seul paramètre ou caractéristique.

📝 Points essentiels

Les tests de conformité ont pour objectif principal d’évaluer si un échantillon suit une distribution ou un paramètre théorique donné.
Ils permettent de vérifier la compatibilité entre les données observées et une hypothèse de référence, en utilisant des statistiques de test spécifiques.

Le test sur une moyenne compare la moyenne observée à une moyenne théorique à l’aide d’un test t. Ce test est approprié lorsque l’on souhaite déterminer si la moyenne d’un échantillon diffère significativement d’une valeur attendue, en tenant compte de la variabilité et de la taille de l’échantillon.

Le test sur une proportion utilise la distribution binomiale pour comparer la proportion observée à une proportion théorique. Il est particulièrement adapté lorsque les données sont binaires (succès/échec) et que l’on veut vérifier si la proportion observée correspond à une valeur prédéfinie.

Concernant la variance, le test compare la variance observée à une variance théorique en utilisant la loi du χ2. Il permet de vérifier si la dispersion des données est conforme à une norme ou à une hypothèse spécifique.

En résumé, ces tests permettent de savoir si un échantillon respecte des caractéristiques théoriques prédéfinies, en utilisant des méthodes statistiques adaptées à chaque paramètre (moyenne, proportion, variance).

💡 À retenir

Les tests de conformité sont essentiels pour vérifier si un échantillon respecte une distribution ou un paramètre théorique donné, en utilisant des statistiques spécifiques telles que le test t pour la moyenne ou la loi binomiale pour la proportion. Leur objectif principal est de déterminer si les caractéristiques observées sont compatibles avec les valeurs attendues, permettant ainsi de valider ou de rejeter une hypothèse de référence.

📖 7. Tests d'homogénéité

🔑 Notions clés & Définitions

Test d'homogénéité :
Il s'agit d'une procédure statistique permettant de comparer plusieurs échantillons afin de vérifier si ces derniers présentent des caractéristiques similaires ou non. Plus précisément, ce test évalue si les distributions ou caractéristiques des différentes populations dont proviennent ces échantillons sont homogènes, c’est-à-dire si elles peuvent être considérées comme provenant d’une même population ou si elles diffèrent significativement. La finalité est d’évaluer la similitude ou la différence entre plusieurs groupes à partir d’échantillons distincts.

Comparaison de deux moyennes :
Ce test consiste à déterminer si deux échantillons indépendants ont en moyenne la même valeur pour une caractéristique donnée. La comparaison se fait généralement à l’aide du test T pour deux échantillons, qui permet d’évaluer si la différence observée entre deux moyennes est statistiquement significative ou si elle peut s’expliquer par le hasard.

Test T pour deux échantillons :
Ce test statistique permet de comparer deux moyennes d’échantillons indépendants. Il repose sur la distribution t de Student, et son objectif est de vérifier si la différence entre les deux moyennes est significative, en tenant compte de la variabilité et de la taille des échantillons. La formule du test intègre la différence entre les moyennes, les variances des échantillons, et leur taille respective.

Comparaison de deux variances :
Ce test vise à déterminer si deux échantillons présentent des dispersions (variances) équivalentes ou non. La comparaison s’effectue à l’aide du test F, qui compare le rapport des deux variances. Si ce rapport est significativement différent de 1, cela indique que les dispersions diffèrent de manière statistiquement significative.

Test F :
Le test F est une procédure utilisée pour comparer deux variances. Il consiste à calculer le rapport de la variance de l’un des échantillons sur celle de l’autre. La statistique suit une loi F sous l’hypothèse d’égalité des variances. Si la valeur calculée dépasse un seuil critique déterminé par la table de la loi F, on rejette l’hypothèse d’égalité des variances.

Comparaison de deux proportions :
Ce test permet de vérifier si deux proportions (par exemple, taux de réussite, taux de réponse) issues de deux échantillons indépendants sont statistiquement différentes. La comparaison se fait en utilisant une statistique basée sur la différence entre les deux proportions, ajustée par leur variance combinée, souvent sous forme d’un test Z.

📝 Points essentiels

Les tests d'homogénéité ont pour objectif principal de comparer des caractéristiques entre plusieurs échantillons pour vérifier leur similitude. Ils permettent d’évaluer si ces échantillons proviennent d’une même population ou si des différences significatives existent.

Le test de comparaison de deux moyennes est utilisé pour déterminer si deux échantillons indépendants ont en moyenne la même valeur pour une caractéristique donnée. La méthode la plus courante est le test T pour deux échantillons, qui repose sur la loi t de Student. Ce test prend en compte la différence entre les moyennes, la variabilité des échantillons, et leur taille respective.

Le test F sert à comparer la dispersion ou variances de deux échantillons. La statistique F est le rapport des deux variances, et sa valeur suit une loi F sous l’hypothèse d’égalité des variances. Si la valeur observée est supérieure au seuil critique, cela indique que les variances ne sont pas homogènes, c’est-à-dire qu’il existe une différence significative dans la dispersion des deux groupes.

Les comparaisons de proportions permettent d’évaluer si deux taux ou proportions issus de deux échantillons indépendants diffèrent de manière significative. La statistique de ce test est souvent une version du test Z, qui compare la différence entre deux proportions en tenant compte de leur variance combinée.

Les conditions du test incluent notamment la nécessité que les effectifs théoriques soient suffisants, généralement supérieurs ou égaux à 5, pour assurer la validité de l’approximation par la loi du χ2 ou la loi F. En cas de faibles effectifs, un regroupement de modalités ou une autre méthode peut être nécessaire.

L’objectif ultime de ces tests est d’évaluer la similitude ou différence entre plusieurs groupes à partir d’échantillons distincts, en utilisant des critères statistiques rigoureux pour accepter ou rejeter l’hypothèse d’homogénéité.

💡 À retenir

Les tests d'homogénéité permettent d’évaluer si plusieurs échantillons proviennent d’une même population ou si leurs caractéristiques diffèrent significativement. Parmi eux, le test T compare deux moyennes, tandis que le test F compare deux variances, tous deux essentiels pour analyser la similarité ou la différence entre groupes.

📖 8. Tests du χ2

🔑 Notions clés & Définitions

Test du χ2 d'ajustement
Ce test permet de vérifier si une distribution observée de données catégorielles correspond à une distribution théorique prédéfinie. Il s'agit d'évaluer la conformité entre ce qui est observé dans l'échantillon et ce qui est attendu selon un modèle ou une hypothèse spécifique. La statistique du χ2 d'ajustement compare les fréquences observées à celles attendues, en tenant compte de la différence entre elles. La formule générale est :
$\chi^2 = \sum_{i=1}^{k} \frac{(O_i - E_i)^2}{E_i}$
où $O_i$ représente l'effectif observé dans la catégorie $i$ et $E_i$ l'effectif attendu sous l'hypothèse nulle. La valeur de cette statistique suit approximativement une loi du χ2 avec $k - 1$ degrés de liberté, sous réserve que les conditions d'application soient respectées.

Test du χ2 d'égalité de distribution
Ce test compare la distribution de plusieurs échantillons pour déterminer s'ils proviennent d'une même population ou s'ils ont la même distribution. Il s'agit d'un test d'homogénéité, où l'hypothèse nulle stipule que toutes les populations ont la même distribution. La statistique du χ2 d'homogénéité est calculée à partir des effectifs combinés de tous les échantillons, en comparant les fréquences observées dans chaque échantillon à celles attendues si toutes proviennent de la même distribution. La formule est similaire à celle du test d'ajustement, mais appliquée à un tableau de contingence.

Test du χ2 d'indépendance
Ce test évalue s'il existe une association ou une dépendance entre deux variables qualitatives dans un tableau de contingence. L'hypothèse nulle suppose que les deux variables sont indépendantes, c'est-à-dire que la distribution de l'une ne dépend pas de l'autre. La statistique du χ2 d'indépendance compare les effectifs observés dans chaque cellule du tableau à ceux attendus si les variables étaient indépendantes. La formule est :
$\chi^2 = \sum_{i=1}^{p} \sum_{j=1}^{q} \frac{(O_{ij} - E_{ij})^2}{E_{ij}}$
où $O_{ij}$ est l'effectif observé dans la cellule $i,j$ et $E_{ij}$ l'effectif attendu sous l'hypothèse d'indépendance. La loi du χ2 avec $(p-1)(q-1)$ degrés de liberté s'applique sous conditions.

Tableau de contingence
C'est un tableau regroupant les effectifs observés pour deux variables qualitatives, organisé en lignes et colonnes. Il permet de visualiser la distribution conjointe des variables et de calculer la statistique du χ2 d'indépendance. Les effectifs attendus dans chaque cellule sont calculés à partir des totaux marginaux :
$E_{ij} = \frac{(L_i \times C_j)}{N}$
où $L_i$ est le total de la ligne $i$, $C_j$ le total de la colonne $j$, et $N$ le total général.

Statistique du χ2
C'est la valeur numérique calculée à partir des données observées et attendues, permettant de tester l'hypothèse nulle. Elle suit approximativement une loi du χ2 sous certaines conditions. La valeur critique, déterminée à partir du niveau de signification $\alpha$ et des degrés de liberté, permet de décider si l'hypothèse nulle doit être rejetée ou non.

📝 Points essentiels

Le test du χ2 d'ajustement vérifie la conformité d'une distribution observée à une distribution théorique. Il compare les effectifs observés dans chaque catégorie à ceux attendus selon l'hypothèse nulle, en utilisant la statistique du χ2. La formule de cette statistique est :
$\chi^2 = \sum_{i=1}^{k} \frac{(O_i - E_i)^2}{E_i}$
où $O_i$ sont les effectifs observés et $E_i$ les effectifs attendus. La condition essentielle pour appliquer ce test est que tous les effectifs attendus soient supérieurs à 5, afin d'assurer la validité de l'approximation à la loi du χ2.

Le test du χ2 d'égalité de distribution, ou test d'homogénéité, compare la distribution de plusieurs échantillons pour vérifier s'ils proviennent d'une même population. Il utilise un tableau de contingence où l'on calcule pour chaque cellule la différence entre effectifs observés et attendus, en tenant compte de la distribution conjointe. La statistique suit une loi du χ2 avec $(k - 1)(q - 1)$ degrés de liberté, où $k$ est le nombre de catégories et $q$ le nombre d’échantillons.

Le test du χ2 d'indépendance évalue si deux variables qualitatives sont associées ou indépendantes. La statistique est calculée à partir des effectifs observés dans chaque cellule du tableau de contingence, en comparant avec les effectifs attendus sous l'hypothèse d'indépendance. La formule est :
$\chi^2 = \sum_{i=1}^{p} \sum_{j=1}^{q} \frac{(O_{ij} - E_{ij})^2}{E_{ij}}$
Les effectifs attendus sont déterminés par la formule :
$E_{ij} = \frac{(L_i \times C_j)}{N}$
Les conditions d'application exigent que tous les effectifs attendus soient supérieurs à 5.

Le tableau de contingence est donc un outil central pour visualiser et calculer la statistique du χ2 d'indépendance ou d'homogénéité. La statistique du χ2, quant à elle, permet de mesurer la divergence entre les effectifs observés et attendus, et de décider si l'hypothèse nulle doit être rejetée en comparant cette valeur à la valeur critique du χ2 pour le niveau de signification choisi.

💡 À retenir

Les tests du χ2 permettent d'analyser la conformité, l'homogénéité et l'indépendance dans des données catégorielles en comparant les effectifs observés à ceux attendus selon l'hypothèse nulle. La statistique du χ2, calculée à partir de ces effectifs, suit approximativement une loi du χ2, sous réserve que les conditions d'application soient respectées, notamment

📅 Repères chronologiques

(aucun date explicitement mentionnée dans le contenu fourni, donc cette section est omise)

📊 Tableaux de Synthèse

⚠️ Pièges & Confusions Fréquentes

1. Confondre la loi normale et la loi de Student : cette dernière converge vers la normale lorsque le nombre de degrés de liberté augmente.
2. Oublier que la densité de la loi du Chi-deux est définie uniquement pour $x > 0$.
3. Confondre la moyenne μ et l’écart-type σ dans la loi normale ; σ mesure la dispersion.
4. Ignorer que la loi de Student est utilisée principalement pour petits échantillons.
5. Confondre la somme des carrés dans la loi du Chi-deux avec d’autres opérations quadratiques.
6. Négliger que la loi du Chi-deux intervient dans l’estimation des variances.
7. Mal interpréter la convergence des lois : la loi de Student ne devient pas exactement une loi normale, mais elle s’en rapproche avec n croissant.

✅ Checklist Examen

1. Connaître la définition et la formule de la densité de la loi normale, ainsi que ses paramètres μ et σ.
2. Savoir que la loi du Chi-deux est la somme des carrés de variables normales centrées réduites et connaître sa densité.
3. Maîtriser la formule et l’usage de la loi de Student, notamment sa relation avec N(0,1) et χ²(n).
4. Comprendre le rôle de ces lois dans les tests statistiques et l’estimation des paramètres.
5. Savoir que la loi normale modélise des phénomènes avec erreurs indépendantes et faibles.
6. Identifier les situations où utiliser la loi du Chi-deux ou la loi de Student.
7. Connaître l’expression de l’espérance et de la variance pour chaque distribution.
8. Savoir que la loi de Student converge vers la normale lorsque le nombre de degrés de liberté augmente.
9. Être capable d’identifier une distribution selon ses caractéristiques principales.
10. Maîtriser le contexte d’utilisation : estimation, tests d’hypothèse, écarts quadratiques.
11. Connaître les auteurs clés : William Gosset pour la loi de Student, Gauss pour la normale.
12. Vérifier que l’échantillonnage est représentatif pour faire des estimations fiables à partir d’un échantillon.