Cours 6

Cours 6 : TESTS
A- Gnralits
B- Tests optimaux
A-1 Introduction
Soit X une caractristique dont la distribution dpend de inconnu.
Faire un test de la valeur du paramtre consiste prendre une dcision concernant la valeur de
ce paramtre partir dun sondage de la population.
Ex :
X,
=E(X)?
( x1 ,..., xn )
" = 3"?
Au vu de lchantillon, peut-on confirmer cette hypothse?
A-1 Introduction
Principe
Soit X une caractristique de la population dont la loi dpend dun

paramtre inconnu .
Dans la plupart des situations relles, il arrive que lon ait une ide de la
valeur de . On peut ds lors faire lhypothse de cette valeur. On cherchera
valider une hypothse de type :
H 0 : = 0
Les techniques de test vont permettre de confirmer ou dinfirmer cette

hypothse.
A-2 Principe dun test

Exemple : Lors du recensement de lINSEE , Le ministre du travail a
affirm aprs calcul :
H0 : le salaire moyen m des franais est de 1000 euros par mois .
Un statisticien est charg de vrifier ces dires au vu dun chantillon de la
population . On note le salaire X. Des relevs des salaires depuis de
nombreuses annes ont permis dtablir que la dispersion des salaires franais
vaut . Il prlve un chantillon alatoire de taille 100 et calcule la valeur de la
moyenne dchantillonnage x
1.
x = 100 rejet de lhypothse du ministre que la vritable moyenne
m=E(X) est de 1000, tant donn lcart important existant entre

et la valeur hypothtique de m.
2. x = 1001 il semble raisonnable daccepter lhypothse du ministre.
3.
x = 980 ou 1010 la moyenne dchantillonnage nest ni trs grande

ni trs petite par rapport la valeur hypothtique , de telle sorte que la
dcision ne simpose pas delle-mme.
Il arrive frquemment que la valeur x ne permette pas de trancher la

dcision comme dans 3.
De plus, mme lorsquelle parait simposer (1. et 2.) on nest jamais sr
de ne pas tre tomb sur un chantillon ayant trs peu de chances de se
raliser.
Comment tre sur de prendre la bonne dcision ? jamais. Tout

au plus, on peut prendre la dcision la plus probable.

Base de dcision: combien grande ou
significative doit tre la diffrence
entre x et laffirmation du ministre pour
rejeter lgitimement cette affirmation?
Rponse : on dispose de la loi de lcart
( X 1000 )
sous H0 ou de faon quivalente de celle

de lcart rduit :
Lorsque n>30, T =
X 1000
/ n
N (0,1)
On peut alors dterminer la probabilit

dobserver un cart absolu >= |t| (valeur
de lcart observ) lorsquon est
effectivement sous H0 (si cet cart des
frquent ou non).
P(T>-t)
P(T>t)

Applications :
Supposons que laffirmation du ministre
soit vraie (=1000) et que la valeur
obtenue soit de x = 1010
.
Avec un cart-type de 100, les chances
dobtenir une moyenne qui diffre dau
moins 10 de 1000 , i.e. dobtenir un cart
suprieur ou gal 10 en valeur absolue,
c'est--dire un cart rduit de
t =
x 1000
/ n
est de P ( T 1) 32% lorsque

lhypothse du ministre est vraie..
Cette probabilit est relativement forte
et la diffrence de 10 nest pas suffisamment
significative pour rfuter laffirmation du
ministre.
16%
16%
16%
Supposons lhypothse du
ministre soit vraie et que la
moyenne dchantillonnage soit
de x = 980 La probabilit
dobtenir une diffrence dau
moins 20 correspond un cartrduit de |z|=2.
P ( T 2) 4%
Les chances de ralisation dune

telle diffrence sont faibles ; on
peut lgitiment rfuter lhypothse
du ministre. Il existe une vidence
statistique suffisante pour le faire.
2%
2%

Conclusion : il peut arriver quune moyenne dchantillonnage soit
possible mais quen mme temps, son occurrence soit si faible que lon
soit justifi de ne pas accepter lhypothse.
La diffrence entre la moyenne dchantillonnage obtenue et la valeur
prsume est considre comme suffisamment grande pour justifier le
rejet lorsque la probabilit dobserver une telle diffrence est
suffisamment faible.
Que veut dire suffisamment faible ? Ce critre est subjectif. Il dpend
des normes fixes par le dcideur lui-mme. Le seuil de probabilit
tolr dpend du risque quil accepte de prendre en rejetant lhypothse
alors quelle est vraie (il est en effet susceptible de se trompe r dans
100 % des cas sil fait un grand nombre de tests).
Comme ce seuil est subjectif, il est fix avant dentreprendre le test par
le dcideur lui-mme. Cette probabilit sappelle seuil de signification
du test ou risque de premire espce.

Rgle de Dcision : Supposons que lon se
fixe un seuil de =5%. Cela veut dire que
lon considrera comme rare toute
occurrence dont la probabilit
dapparition est infrieure ou gale 5%.
Soit z0, la valeur telle que P(|T|>t0)=5% On
tablira la rgle de dcision suivante :
on rejettera lhypothse du ministre ds
lors que lcart rduit observ |t| est
suprieur t0, c'est--dire si z se situe
dans
W = (, t 0) (.t 0, +)
W est la zone de rejet du test ou rgion
critique.
on lacceptera si |t| est infrieur z0 en
valeur absolue, c'est--dire z se situeen
dehors de la rgion critique : dans la
zone dacceptation W = t 0, t 0
Wbar
W
-t0
W
t0
A-3 Notions gnrales

Soit X une v.a. dont la loi dpend dun paramtre
R p
Dfinition dun test: Un test est un mcanisme permettant de trancher

entre deux hypothses sur ce paramtre, au vu des rsultats dun sondage :
H 0 : 0
H1 : 1
avec 0 ,1 ,0 1 =
A-3 Notions gnrales

Hypothse nulle, hypothse alternative

Lhypothse que lon cherche vrifier sappelle hypothse nulle (note H0) . Elle
porte sur la loi de probabilit (ou de facon quivalente le paramtre de cette loi)
ayant donn naissance l'chantillon disponible.
H 0 : 0
Dans l'exemple prcdent, l'hypothse nulle est
H 0 : m = 1000
Si le rsultat dchantillonnage conduit au rejet de lhypothse nulle, nous devrons

alors en arriver une autre conclusion. La conclusion accepte dans ce cas sappelle
hypothse alternative (note H1) .
H1 : 1
RQ : Il peut y en avoir plusieurs pour la mme hypothse nulle suivant le choix de

Dans l'exemple prcdent,
H1 : m 1000
La dcision aboutira choisir entre ces deux hypothses.

RQ : il se peut cependant que les hypothses, nulle et alternative, soient fausses
toutes les deux , ex: H0 : m = m0 contre H1: m> m0 alors qu'en ralit m< m0 ).
A-3 Notions gnrales

Les hypothses H0 et H1 ne sont pas symtriques :
o de mme que dans un procs dassises il y a prsomption dinnocence, en thorie

des tests il y a prsomption de Ho: il faut montrer que Ho est peu probable
pour dcider H1.
o Par contre accepter Ho peut venir du fait que soit effectivement Ho est vraie, soit
on na pas les moyens ncessaires de prouver H1. (ex: pas assez dobservations).
o H0 est gnralement une hypothse laquelle on tient particulirement, pour
des raisons qui peuvent tre subjectives, ou que lon aimerait avoir des raisons
de rfuter.

- H0 est une hypothse solidement tablie et qui na pas t
contredite par lexprience jusqualors.
- H0 correspond une hypothse de prudence.
Ex: test dinnocuit dun vaccin : il est prudent de partir dune
hypothse dfavorable au nouveau produit.
- H0 est la seule hypothse facile formuler.
A-3 Notions gnrales

o H1 slabore en fonction de ce que lon espre dcouvrir du phnomne.
Ex : si les rsultats exprimentaux d'un nouveau traitement de l'hypertension artrielle
sont soumis un test, l'hypothse nulle est :
H0 : le nouveau traitement n'a aucun effet.

On espre que les donnes ne vont pas seulement dmentir l'hypothse nulle, mais
vont aussi suggrer une rduction de la tension artrielle des patients. On formulera
alors l'hypothse alternative :
H1 : le nouveau traitement rduit la tension artrielle.

plutt que l'hypothse plus gnrale mais moins utile :
H1 : le nouveau traitement a un effet sur la tension artrielle.
A-3 Notions gnrales
Vocabulaire sur les hypothses:
o Hypothse simple, hypothse composite : H0 (resp. H1) est appele

hypothse simple si lensemble 0 (resp. 1) est rduit un seul point.
Ex : H 0 : = 0 . Elle est dite composite dans le cas contraire.
o Test unilatral, bilatral : lorsque H0 est une hypothse simple H 0 : = 0
le test est dit unilatral si H1 est de type H1 : > 0 ou H1 : < 0
et bilatral si H :
1
A-3 Notions gnrales
Exemples dhypothses
Cas pratique :
Test bilatral dune moyenne :
Test unilatral dune moyenne
Test dune variance :
Test dune distribution :
H 0 : E ( X ) = 1000
H1 : E ( X ) 1000
H 0 : E ( X ) = m0
H1 : E ( X ) m0
H 0 : E ( X ) = m0
H1 : E ( X ) m0
H 0 : V ( X ) = 02
2
H1 : V ( X ) > 0
H 0 : X N (m, )
H1 : X E ( )
A-3 Notions gnrales

Risques et probabilits derreurs
La dcision conduit choisir entre H0 et H1, toute dcision comportant une part de risque de
se tromper. Il y a 4 cas possibles :
Vrit
Dcision
H0 est vrai
On choisit H0
1- (OK)
On choisit H1
1- (OK)
P (choisir H 0 / H 0 vraie)=P ( 0 ) = 1
0
P (choisir H 0 / H1 vraie)=P ( 0 ) =
1

H1 est vrai
P (choisir H1 / H1 vraie)=P ( 1 ) = 1
1
P (choisir H1 / H 0 vraie)=P ( 1 ) =
0
est le risque de premire espce ou niveau de signification : cest le risque que lon prend
en rejetant tort H0 : le risque de penser que le ministre nest pas honnte.
est le risque de deuxime espce : cest le risque que lon prend en acceptant tort H0 : le
risque de ne pas avoir vu que le ministre est un menteur
A-3 Notions gnrales

Dans la pratique des tests statistiques, il est de rgle de fixer (ex : 5%, 1%,10%) car
cest le risque que lon veut contrler, que lon est prt prendre en rejetant tort H0.
Ce choix est bas sur la perception que l'on a de la gravit des consquences d'un rejet
injustifi de H0.
tant fix, sera dtermin comme le rsultat dun calcul . varie en sens contraire
de : si lon veut diminuer on est conduit ne rejeter H0 que dans des cas rares
donc conserver H0 bien souvent tort, donc on augmente (proba sous H1
daccepter H0)
1- est la probabilit dopter pour H1 en ayant raison et sappelle la puissance du test.
A-3 Notions gnrales

La statistique du test : variable de dcision
La conception d'un test passe par l'identification d'une statistique T =h(X1,..Xn) de
lchantillon, appele statistique de test, jouant le rle de variable de dcision :
elle doit apporter le maximum dinformation sur le problme pos.

RQ : Pour des tests portant sur un paramtre , la statistique de test est souvent base
sur une fonction dune statistique exhaustive du paramtre (souvent un cart entre
un estimateur exhaustif du paramtre et la valeur de ce paramtre sous H0.)
Sa loi doit tre diffrente sous H0 et sous H1.
Il faut que sa loi soit entirement connue au moins sous H0.
A-3 Notions gnrales

Remarques :
Concevoir une statistique de test n'est pas une question simple. La plupart des tests
classiques reposent sur des statistiques dont l'identification a demand leurs
auteurs beaucoup d'efforts et d'imagination.
Une statistique de test n'a aucune raison d'tre unique, et le choix entre plusieurs
statistiques candidates est une question difficile., qui dterminera entre autre la
puissance du test.
La statistique de test choisie et sa distribution sous H0 dpendent gnralement de

la distribution de la population et/ou de la taille de lchantillon. Il sagit de prciser
ces hypothses et de les vrifier ultrieurement.
Ex : lorsque X est gaussienne de variance inconnue et n>30, le test de H0 : E(X)=m0
utilise la statistique
T=
X m0
N(0,1) sous H0
Sn
A-3 Notions gnrales

Exemples de statistiques de test :
X 1000
10
Cas pratique :
Test simple dune moyenne : si X gaussienne et n>30
connu :
inconnu :
Si X gaussienne ou n>30
T=
T=
X m0
T=
. T N(0,1) sous H0
X m0
. T N(0,1) sous H0
Sn
Test dune variance :
si X est gaussienne
T=
(n 1) Sn2
02
. T (n-1) sous H0
T N (0,1) sous H0
A-3 Notions gnrales

Rgion critique, zone dacceptation
On appelle rgion critique W du test toute rgion de Rn contenant lensemble des
ralisations de lchantillon alatoire conduisant au rejet de l'hypothse nulle.
W = {( x1 ,...xn ) R n / on choisit H1 }
Lorsquon dispose dun statistique de test T et de sa loi sous H0, les ralisations de Wsont
celles pour lesquelles la valeur correspondante t de la statistique de test conduit rejeter
H0.
W = {t R / on choisit H }
1
La dtermination dune rgion critique W dpend de et se fait en crivant :

Ex : cas pratique :
W = {z R / on choisit H1 }
PH 0 ( z R / on choisit H1 ) = = ], q1 / 2 [ ]q1 / 2 , [
A contrario, la zone dacceptation est le complmentaire dans Rn de la

zone de rejet
P(W / H 0 ) =
A-3 Notions gnrales

Pour une statistique de test donne,

cest un intervalle rel (cg, cd) . Cg et
cd s'appellent les valeurs critiques
Pour le niveau de signification

choisi, les valeurs critiques sont telles
que la somme des aires sous la courbe
de la densit de la statistique gauche
de cg et droite de cd est gale .
Pour une statistique de test, un seuil

Et une taille dchantillon donns, la
Rgion Critique n'est pas unique . Ex: La
Figure montre que cg = - cd , mais
Toute paire de valeurs (cg , cd ) dfinissant
Une aire sous la courbe gale dfinit
Une rgion critique.
A-3 Notions gnrales

Exemple: On considre un test simple de lhypothse
H 0 : = 0
On suppose que lon dispose dune statistique de test T et de sa loi sous H0.
Une rgion critique se dtermine en cherchant t0 tel que :
Dans le cas dun test unilatral (H1 de type > ou < )

P(T>t0)= (ou P(T<-t0)=) s. On a alors
W =(t 0, +) ou W=(, t 0)
Dans le cas dun test bilatral (H1 de type ), P(|T|>t0)= On a

alors :
W = (, t 0) (t 0, +)
A-3 Notions gnrales

p-value
Dans un test unilatral (disons,
droite), Cest la probabilit sous H0 pour
que la statistique prenne une valeur au
moins aussi grande que sa valeur calcule T
Sur lchantillon (cest aire sous la courbe de
La densit de la statistique la droite de T).
H0 est rejete si la p-value est plus
petite que le niveau de signification
Dans le cas dun test bilatral cest laire
sous la courbe de La densit de la
statistique la droite de T et la gauche de -T,si
T>0.
A-3 Notions gnrales

Rgle de dcision :
Une fois choisie une rgion critique, l'hypothse nulle est rejete comme trop peu
Vraisemblable si la valeur de lchantillon (ou de la statistique de test ) est l'intrieur de
cette rgion critique. Sinon, l'hypothse nulle n'est pas rejete. (si elle est dans la zone
dacceptation)
La dcision de rejet est donc base sur le fait que, devant une valeur improbable de
lchantillon nous avons le choix entre deux interprtations :

H0 est vraie, et la valeur observe de la statistique est trs improbable,

H0 est fausse,
et nous favorisons la seconde explication parce que nous ne croyons pas dans les
vnements rares .
A contrario, "Ne pas rejeter l'hypothse nulle" ne veut pas dire "l'accepter comme vraie".
Cela veut seulement dire que les donnes ne sont pas en contradiction flagrante avec
Cette hypothse.
A-3 Notions gnrales
Exemple : Test bilatral dune hypothse simple sur la moyenne :

H0 : E(X)=m0 contre H1 : E(X)m0
On suppose X gaussien. On utilise la stat de test
T=
X m0
. T N(0,1) sous H0
Sn
On accepte H0 si la valeur t observe de T se situe lextrieur de W. ie,

si | t| <t0 (t0=quantile dordre 1-/2 de la loi normale centre rduite)
On rejette si cette valeur se situe dans W. Dans le cas dun test bilatral
si |t|> t0
A-3 Notions gnrales

Rsum : Dmarche dun test
1. Choix de H0 et H1
2. Choix de
3. Dtermination de la variable de dcision (statistique de
test) et de sa loi sous H0 (en fonction de H0 et H1, des
hypothses sur la distribution de X et de la taille de
lchantillon prlev)
4. Dtermination dune rgion critique en fonction de
5. Dcision (voir si les observations sont ou pas dans la
rgion critique)
6. Calcul ventuel de la puissance du test
B- Test optimal
B-1 Puissance et rgion critique

Soit X une v.a. dont la loi dpend dun paramtre
R p
Soit 0 ,1 ,0 1 =
Au vu des rsultats dun sondage, on veut raliser un test de niveau de
Rappels :
H 0 : 0
contre
H :
1
1
Niveau : ( ) = P (choisir H1 / H 0 vraie)=P ( 1 )=P (W ) = P (W / H1 )

0
0
Puissance : 1 ( ) = P (choisir H1 / H1 vraie)=P ( 1 ) = P (W ) = P (W / H1 )

1
Lorsque H0 est une hypothse composite dpend de la vrai valeur inconnue du

paramtre tudie. Le niveau du test est alors dfini par : = sup
P (W )
0
A moins que H1 soit une hypothse simple, dpend de . Normalement, la

puissance augmente lorsquon sloigne de lhypothse nulle.

Un test de niveau et taille dchantillon donns est dautant meilleur que sa
puissance est grande, i.e. que lon ne se trompe pas en rejetant H0.
Pour et n fixs, la qualit dun test est caractrise par sa puissance.
La puissance
Croit avec niveau de signification
Croit avec la taille n de lchantillon
Dpend de la rgion critique
Pour une taille d'chantillon et un niveau de signification donns,

la puissance du test ne dpend plus que du choix de la rgion critique choisie
toutes les rgions critiques (i.e. tous les tests) ne fournissent pas la mme puissance.

Exemple : Soit X gaussienne de variance inconnue, de moyenne inconnue.
On teste au seuil 5%:
H0 : E( X ) = 0
H1 : E ( X ) 0
Statistique de test :
T = n X n / Sn Sous H 0 , T T (n 1)

1 rgion critique (i.e. premier test): la
prsence de la valeur de la statistique de
test dans la rgion critique ne suggre pas
que H1 soit vraie : le test a une puissance
trs faible.
2 rgion critique l(i.e. deuxime test) a

prsence de la valeur de la statistique dans
la rgion critique suggre que la moyenne
de X est plus petite (resp. plus grande) que
0, un argument en faveur de H1 : La
puissance du test est importante.

Objectif : Etant donns n et fixs, on aimerait identifier la rgion
critique qui maximise la puissance du test., cest--dire un domaine de Rn
parmi lensemble de toutes les ralisations possibles de lchantillon
(X1,Xn) de probabilit infrieurs ou gale et de puissance maximale.
NB Dfinir un test revient dfinir sa rgion critique.
B-2 Qualit dun test

Dfinitions:
Un test de rgion critique W* est meilleur quun test de rgion critique W si
et seulement si :
P (W * / H 0 ) P (W / H 0 ),
P (W * / H1 ) P (W / H1 )
Test UPP : On dira quun test W* est uniformment le plus puissant
(UPP) dans la classe des tests de niveau si et seulement si il est meilleur
que tous les autres tests de niveau .
W ,W * R n / sup 0 P (W * ) = sup 0 P (W ) = ,
P(W * / H1 ) P(W / H1 )
Meilleure Rgion Critique (MRC) : Cest la rgion critique du test UPP,
si celui-ci existe.
B-2 Qualit dun test
Test sans biais : Un test est dit sans biais ssi
< 1 ( )
1
Test convergent : Un test est dit convergent ssi 1 ( )
n
B-2 Qualit dun test
Existence dun test UPP:

Le problme du choix de la rgion critique optimale (ou de facon
quivalente du test optimal) a t rsolu thoriquement par Neyman et
Pearson pour le test entre deux hypothses simples.
Dans le cas gnral dune hypothse H1 composite, H1 regroupe plusieurs
valeurs du paramtre inconnu . La puissance dun test dpend de la vrai
valeur de , que lon ne connait pas et que lon tudie. Cest donc une
fonction (1-()) de .
Il est alors gnralement impossible de trouver un test ayant une puissance
optimale pour tous les possibles . En gnral, une rgion critique fournit
une puissance suprieure une autre pour certaines valeurs de et
infrieure pour dautres valeurs de .
B3- Test entre deux hypothses simples: La

mthode de Neyman-Pearson
Soit X une variable alatoire de densit f(x,) o
On cherche tester :
est un paramtre inconnu.
H 0 : = 0
(0)
H1 : = 1
Au niveau , au vu dun chantillon de donnes de taille n.

NB : Ici, et sont des valeurs et non des fonctions, car la valeur du paramtre est
Connue sous chaque hypothses.
Problme : Existe-t-il une variable de dcision et des valeurs de cette variable qui
fournissent la rgion critique optimale ? Quelles sont-elles?
Formalisation : on cherche
maximise
W R n satisfaisant P (W / H 0 ) = et qui
1 = P(W / H1 )

Soit L la vraisemblance de lchantillon.
P (W / H i ) = Pi (( X 1 ,.., X n ) W ) = L( x1 ,..., xn ,i )dx1...dxn , i {0,1}.

W
Fonction maximiser
1 = P (W / H1 ) =
W
Contrainte :
L( x1 ,..., xn ,1 )
L( x1 ,..., xn , 0 )dx1...dxn .
L( x1 ,..., xn , 0 )
= P(W / H 0 ) = P (W / H 0 ) = L( x1 ,..., xn , 0 )dx1...dxn .

W

Solution : Thorme de Neyman-Pearson (admis) : Pour n et fixs, il existe un
test de niveau UPP (optimal) pour (0) dans la classe des tests de niveau , dfini
par la rgion critique :
L( x1 ,..., xn ,1 )
W = ( x1 ,..., xn ) R n /
> k
L( x1 ,..., xn , 0 )
o

k est dtermine de telle sorte que : P (W / H 0 ) =

W sappelle la rgion critique de Neyman-Pearson
Le test de (0) ayant cette rgion critique sappelle test de Neyman-Pearson ou test du
rapport de vraisemblance.
Interprtation : Lorsque H0 est vraie, lchantillon dont on dispose est plus probable
(plus vraisemblable) lorsque il est tir dune loi de paramtre 0 que de paramtre
1 : le rapport des vraisemblances est plus petit que sous H1.

Proprits du test de Neyman-Pearson (admises)
P0 : Le test ainsi constitu est lunique test UPP
P1 : Le test ainsi constitu est sans biais
P2 : Le test ainsi constitu est convergent, i.e.
P3 : Sil existe une statistique exhaustive T pour de densit g(t,)
g (t ,1 )
W = ( x1 ,..., xn ) R n /
> k
g (t , 0 )

Exemple Soit X de loi N(m,) o connu et m inconnu. On veut tester :
H 0 : m = m0
H1 : m = m1
avec m1 > m0
Calcul de la Rgion critique de Neyman-Pearson (de niveau ):
Sol 1 :
donc
De la forme :
L( x1 ,..., xn , m) =
1
2
( xi m )
i =1
(2 ) n / 2
1
2 2
( n x 2 mnx + nm )
(2 ) n / 2

1
2 2
n
W = ( x1 ,..., xn ) R / x > (m1 + m0 ) +
ln k
2
n(m1 m0 )

W = {( x1 ,..., xn ) R n / x > k }

X.
Sous H0,
X N (m0 ,
La variable de dcision (statistique de test) est
k se dtermine alors en considrant que (avec fdr de la loi N(0,1))
k m0
P (W / H 0 ) = = P0 ( X > k ) = 1
.
/ n
k=
Sol2 :
q1 + m0 o q1 est le quantile d'ordre 1 d'une N(0,1)
est une statistique exhaustive pour m, de loi
N (m0 ,
Daprs P3, la rgion critique est de la forme
g (t ,1 )
W = ( x1 ,..., xn ) R n /
> k
g (t , 0 )
On retrouve la mme que prcdemment.

Calcul de la puissance :
Sous H1,
X N (m1 ,
On calcule la puissance par :
k m1
1 = P1 ( X > k ) = 1
/ n
est la valeur de la fdr d'une N(0,1) au point
Application numrique :
=5%, m0=0, m1=1, s=1, n=100.
Rgion critique :
Puissance :
k =k =
k m1
/ n
q1 + m0 =
n
W = {x > 0.164}
1
*1.64
10
1 = P1 ( X > k ) = 1 ( 8.35 ) = ( 8.35 ) = 1
B4- Test dune hypothse simple contre une

alternative composite unilatrale
Soit X une variable alatoire de densit f(x,) o est un paramtre inconnu. On
cherche tester :
H 0 : = 0
(1)
H1 : > 0
ou
H 0 : = 0
(1')
H1 : < 0
Au risque , au vu dun chantillon de donnes de taille n.

NB : Ici, est une valeur et est une fonction de la valeur du paramtre inconnu.
Problme : Quelle variable de dcision et quelles valeurs de cette variable fournit la
rgion critique optimale (en terme de puissance)?
Solution (Proprit ): Si la rgion critique du test de Neyman-Pearson pour
(0) ne dpends pas de 1 , alors ce test est UPP pour (1) (si 1 > 0) ou (1 )(si 0 > 1)
parmi tous les tests de niveau .
W = x >
q1 + m0 ne
n
le test de rgion critique W est UPP pour

H 0 : m = m0
H1 : m > m0
Exemple : Dans lexemple prcdent, on a vu que

dpend pas de m1. Donc
B5- Cas gnral

On considre le cas gnral du test dhypothses
H 0 : 0
contre
H :
1
1
Au risque , au vu dun chantillon de donnes de taille n.
NB : Lorsque (resp. 1 ) nest pas rduit un point , (resp. ) est une fonction de
0
la valeur du paramtre inconnu.
Problme : Quelle variable de dcision et quelles valeurs de cette variable fournit la
rgion critique optimale (en terme de puissance)?
Solution : En dehors des cas particuliers (0), (1), (1) et de quelques autres, il nexiste
pas en gnral , de test optimal pour (3)
B5- Cas gnral

Test du rapport des vraisemblances : on appelle test du rapport
de vraisemblance, le test dfini par la rgion critique :
sup 1 L( x1 ,..., xn , )
n
W = ( x1 ,..., xn ) R / =
> k
sup 0 L( x1 ,..., xn , )
est dtermine de telle sorte que :
P (W / H 0 )
NB : On obtient le mme test en remplaant par
'=
sup 0 1 L( x1 ,..., xn , )
sup 0 L( x1 ,..., xn , )
ds lors que le sup dans la dfinition de est atteint.

Proprits
La loi asymptotique de 2ln est une loi du chi2 p degrs de libert (p=dim
de )
Le test du rapport de vraisemblances est convergent
B5- Cas gnral

Cas particuliers du test du rapport des vraisemblances :
Cas (0) = Le test du rapport des vraisemblances est le test de NeymanPearson, optimal.
Cas (1), (1): Le test du rapport des vraisemblances est le test de NeymanPearson, optimal.
Cas du test de
H 0 : = 0
(2)
H1 : 0
sup L( x1 ,..., xn , ) L( x1 ,..., xn ,n )

n
W = ( x1 ,..., xn ) R / =
=
> k
L( x1 ,..., xn , 0 )
L( x1 ,..., xn , 0 )
O n est lestimateur du maximum de vraisemblance de .
Exemple : Soit X une population de loi N(m,), connu. On veut tester
H 0 : m = m0
H1 : m m0
Au vu dun chantillon iid de la population. Le test du rapport de vraisemblance
donne la rgion critique:
W = ( x1 ,..., xn ) R n / x m0 >
q1 / 2
n

Cours 6

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Cours 6

Hochgeladen von

Copyright:

Verfügbare Formate

Cours 6 : TESTS

Soit X une caractristique dont la distribution dpend de inconnu.

Soit X une caractristique de la population dont la loi dpend dun

Les techniques de test vont permettre de confirmer ou dinfirmer cette

A-2 Principe dun test

x = 100 rejet de lhypothse du ministre que la vritable moyenne

m=E(X) est de 1000, tant donn lcart important existant entre

2. x = 1001 il semble raisonnable daccepter lhypothse du ministre.

A-2 Principe dun test

x = 980 ou 1010 la moyenne dchantillonnage nest ni trs grande

Il arrive frquemment que la valeur x ne permette pas de trancher la

Comment tre sur de prendre la bonne dcision ? jamais. Tout

A-2 Principe dun test

sous H0 ou de faon quivalente de celle

On peut alors dterminer la probabilit

A-2 Principe dun test

est de P ( T 1) 32% lorsque

A-2 Principe dun test

Les chances de ralisation dune

A-2 Principe dun test

A-2 Principe dun test

A-3 Notions gnrales

Dfinition dun test: Un test est un mcanisme permettant de trancher

A-3 Notions gnrales

Si le rsultat dchantillonnage conduit au rejet de lhypothse nulle, nous devrons

RQ : Il peut y en avoir plusieurs pour la mme hypothse nulle suivant le choix de

La dcision aboutira choisir entre ces deux hypothses.

A-3 Notions gnrales

Les hypothses H0 et H1 ne sont pas symtriques :

o de mme que dans un procs dassises il y a prsomption dinnocence, en thorie

A-3 Notions gnrales

H0 : le nouveau traitement n'a aucun effet.

H1 : le nouveau traitement rduit la tension artrielle.

A-3 Notions gnrales

Vocabulaire sur les hypothses:

o Hypothse simple, hypothse composite : H0 (resp. H1) est appele

A-3 Notions gnrales

Test bilatral dune moyenne :

Test unilatral dune moyenne

Test dune variance :

Test dune distribution :

A-3 Notions gnrales

Risques et probabilits derreurs

A-3 Notions gnrales

1- est la probabilit dopter pour H1 en ayant raison et sappelle la puissance du test.

A-3 Notions gnrales

elle doit apporter le maximum dinformation sur le problme pos.

Sa loi doit tre diffrente sous H0 et sous H1.

Il faut que sa loi soit entirement connue au moins sous H0.

A-3 Notions gnrales

La statistique de test choisie et sa distribution sous H0 dpendent gnralement de

A-3 Notions gnrales

Test simple dune moyenne : si X gaussienne et n>30

Test dune variance :

A-3 Notions gnrales

La dtermination dune rgion critique W dpend de et se fait en crivant :

A contrario, la zone dacceptation est le complmentaire dans Rn de la

A-3 Notions gnrales

Pour une statistique de test donne,

Pour le niveau de signification

Pour une statistique de test, un seuil

A-3 Notions gnrales

Dans le cas dun test unilatral (H1 de type > ou < )