Cours de biostatistique

STATISTIQUE

I - STATISTIQUE DESCRIPTIVE

Cette partie de la statistique vise à dégager les caractéristiques des données :

• tendance centrale
• dispersion
• distribution
• valeurs extrêmes
• temps

1 - Distribution de fréquences

Dans un tableau de données, les fréquences représentent le nombre de fois où

chaque valeur apparaît.

Une distribution de fréquences liste les valeurs des données et les fréquences
correspondantes.

A définir :

• limites de classes inférieures

• limites de classes supérieures
• frontières de classes : additionner ou retrancher la moitié de la différence
entre la borne supérieure d'une classe et la borne inférieure de la suivante à
la borne supérieure ou inférieure pour trouver la frontière de classe
• centres de classes : points situés au milieu de la classe
• largeur de classes

Distribution de fréquences relatives

Distribution de fréquences cumulées

Problème du nombre de classes : il n'y a pas de règles absolues, mais la règle de

Sturges peut servir à déterminer le nombre de classes, ce qui permet ensuite de
déterminer la largeur des classes. En principe, les classes ont toutes la même
largeur, sauf cas particuliers.

1
Cours de biostatistique

Règle de Sturges : le nb de classes pour n observations est le nb entier le plus

proche de k obtenu par la formule :

La largeur des classes se détermine en divisant l'écart entre la donnée la plus

grande et la donnée la plus petite par le nb de classes.

Exemple :

Nombre de côtes comptées sur 23 coquilles d'une espèce fossile d'ammonite

28 30 18 19 21 24 20 27

25 35 16 24 26 20 25 28

30 26 25 28 33 18 31

Présentation en vrac présente peu d'intérêt

Regroupement en classes : nb de classes ; k = 1 + 3,322 log n soit :

5,52365987

Nb théorique de classes = 6

largeur des classes = (35 – 16)/6 = 3,166666666 ; donc classes de 3 côtes, mais il y
a un reste ; que faire ? Soit 6 classes avec un classe supérieure plus large (ouverte
sur le haut) ; soit 7 classes

Nombre de côtes Fréquence

n f

16-18 3

19-21 4

22-24 2

25-27 6

28-30 5

> 31 3

Total 23

2
Cours de biostatistique

La tableau des fréquences montre le minimum et le maximun de côtes, une

distribution proche de la normale, avec un mode à peu près au centre ; la moyenne
est autour de 26 côtes

Le choix de nb de classes est important pour faire parler les données ;

Ex avec 4 classes Ex avec 10 classes

Nombre de côtes Fréquence Nombre de côtes Fréquence

n f n f

16-20 6 16-17 1

21-25 6 18-19 3

26-30 8 20-21 3

31-35 3 22-23 0

24-25 5

26-27 3

28-29 3

30-31 3

32-33 1

34-35 1

Total 23 Total 23

2 – Méthodes graphiques (principales méthodes)

histogrammes des fréquences

histogrammes des fréquences relatives

histogrammes des fréquences cumulées

polygone des fréquences

le Dotplot

le tracé tige et feuilles

3
Cours de biostatistique

le diagramme en bâton

le diagramme circulaire

le diagramme de dispersion

les séries chronologiques

Exemple avec Peupliers : contrôles, irrigation, irrigation et fertilisation

Contrôle 3,2 1,9 3,6 4,6 4,1 5,1 5,5 4,8 2,9 4,9

3,9 6,9 6,8 6,0 6,9 6,5 5,5 5,5 4,1 6,3

Irrigation 4,1 2,5 4,5 3,6 2,8 5,1 2,9 5,1 1,2 1,6

6,4 6,8 6,5 6,8 5,8 2,9 5,5 3,3 6,1 6,1

Irrigation et fertilisation 3,2 4,4 6,2 6,3 6,7 6,8 7,3 7,3 7,7 6,8

3,9 5,3 6,2 6,6 6,7 7,1 7,3 7,6 8 6,8

3 – Mesures de tendance centrale

• la moyenne (arithmétique) : somme de toutes les valeurs divisée par le

nombre de valeurs

moyenne =
∑ x
n

moyenne d'un échantillon : x = ∑ x

n

moyenne d'une population : µ =

∑ x
N

Ex : teneur en plomb dans l'atmosphère : norme = 1,5 µg/m3

5,40 1,10 0,42 0,73 0,48 1,10 x = 9,23/6 = 1,538

• la médiane : valeur du milieu ; cas d'un nombre impair = valeur de l'individu

moyen ; cas d'un nombre pair = moyenne des deux individus moyens.

4
Cours de biostatistique

Cas du plomb : (1,10 + 0,73)/2 = 0,915 ; cas avec une valeur supplémentaire de 0,66 :
0,73

• le mode : valeur qui est présente le plus grand nombre de fois

unimodal ; bimodal ; multimodal. ; seule valeur utilisée pour des variables

qualitatives (nominales)

• le midrange : moyenne arithmétique des deux valeurs extrêmes (min + max)/2

• la moyenne pondérée :

∑ (ω .x) ω = coefficient
x=
ω ∑ ω = somme des coefficients

Avantages et inconvénients des différentes mesures centrales.

Meure de Utilisation Existence Prend en Affectée par les Avantages et inconvénients
tendance compte toutes valeurs extrêmes
centrale les valeurs
Moyenne Familière Toujours Oui Oui + utilisée partout ; fonctionne avec beaucoup de
méthodes statistiques

- influencée par les valeurs extrêmes

Médiane Souvent Toujours Non Non + quand valeurs extrêmes ou peu de valeurs

- fonctionne mal avec tests statistiques

Mode De temps en Parfois n’existe pas Non Non Adaptée au niveau nominal
temps
Midrange Rarement Toujours Non Oui Très (trop) sensible aux valeurs extrêmes

Symétrie / asymétrie

Symétrique

Mode = Moyenne = Médiane

Asymétrie gauche Asymétrie droite

Mode
Moyenne Moyenne
Médiane Mode
Médiane

5
Cours de biostatistique

4 – Mesures de dispersion

Ex. Temps d’attente de six patients dans deux cliniques différentes

Une seule file d’attente 4 7 7

Trois files d’attente 1 3 14

Moyenne du temps d’attente = 6 mn ; mais variation du temps d’attente très

différent.

Comment mesurer la variation ?

4.1 - l’étendue

Etendue = différence entre la valeur maximale et la valeur minimale

Etendue = valeur max imale − valeur min imale

7 – 4 = 3 mn dans le premier cas

14 – 1 = 13 mn dans le second cas

Facilité de calcul mais ne tien compte que des valeurs extrêmes ; or, les autres
mesures ont un rôle important.

4.2 - Ecart type = déviation moyenne des valeurs par rapport à la moyenne

a) Ecart type d’un échantillon

s=
∑ (x − x) 2
ou s=
n ∑ ( x) 2 − ( ∑ x) 2
n− 1 n(n − 1)

- L’écart type est une mesure de dispersion qui prend en compte toutes
les valeurs autour de la moyenne ;
- Les valeurs de s sont en général >0 ; = 0 si toutes les mesures ont ^m
valeur ;
- Un grande valeur de s indique une grande dispersion ;
- Les valeurs de s augmentent qd on inclut des valeurs extrêmes ;
- Les unités de s sont les ^m que les unités des données originales.

6
Cours de biostatistique

Calcul des s de l’Ex :

Une seule file

n ∑ ( x ) é − (∑ x ) 2 3(4 2 + 7 2 + 7 2 ) − (18) 2 342 − 324 18

s= s= s= = = 3 = 1,732
n(n − 1) 3* 2 6 6

Plusieurs files
n ∑ ( x ) é − (∑ x ) 2 3(12 + 3 2 + 14 2 ) − (18) 2 618 − 324 294
s= s= s= = = 49 = 7
n(n − 1) 3* 2 6 6

Confirmation de l’approche subjective : la variation du temps d’attente est plus

grande avec plusieurs files.

b) - Ecart type d’une population

σ =
∑ (x − x) 2
N

Attention aux instruments de calcul (calculettes ou feuilles de calcul)

c) - La variance
Variance d’un ensemble de valeurs est une mesure de la dispersion égale au carré de
l’écart type.

Cas d’un échantillon : s 2

Cas d’une population : σ 2

Unités = carré des unités des données originales.

Règle de l’arrondi : une décimale de plus que les données originales.

d) - Le coefficient de variation : permet de comparer la dispersion pour des valeurs

prises dans des populations différentes (problèmes d’unités)

CV :

x σ
Echantillon : CV = x 100% Population : CV = 100%
µ

Moyenne Ecart type CV

Tailles 173,58 cm 7,67 cm 4,42%
Poids 78,32 kg 11,95 kg 15,26%

7
Cours de biostatistique

4.3 - Interprétation de l’écart type :

1ère étape : l’écart type mesure la dispersion entre les valeurs ; des valeurs proches
donneront un petit s ; des valeurs éloignées donneront un plus grand s

a b

2ème étape : l’observation de nombreuses dispersions montre que le plus souvent 95%
des valeurs d’échantillon sont éloignées de moins de 2 s de la moyenne

3ème étape : estimation de s par la règle de l’étendue ; partant le l’observation

précédente, on peut faire une estimation rapide de l’écart type en utilisant la
formule :

étendue
" s" =
4
ème
4 étape : interprétation d’une valeur connue de l’écart type, on utilise le minimum
« usuel » et le maximum « usuel » :
Minimum « usuel » = moyenne – 2 x écart type
Maximum « usuel » = moyenne + 2 x écart type

8
Cours de biostatistique

Ex : cas de la croissance du peuplier

IRRIGATION et FERTILISATION
3,2 4,4 6,2 6,3 6,7 6,8 7,3 7,3 7,7 6,8
3,9 5,3 6,2 6,6 6,7 7,1 7,3 7,6 8 6,8

moyenne 6,41
écart type 1,28
minimum 3,20
maximum 8,00
étendue 4,80
"s" 1,20
minimum usuel 3,85
maximum usuel 8,97

s calculé est proche de « s » ; les minimum et maximum « ususels » sont un peu

différents des vrais, certainement dû au fait que la distribution n’est pas normale.

Ex : Circonférence crânienne des filles : la circonférence des têtes des filles de

moins de 2 mois est de 40,05 cm avec un écart type de 1,64 cm ; déterminez si les
circonférences de 38,09 et 42,6 cm doivent être considérées comme inhabituelles.
Minimum « usuel » = 40,05 - (2 x 1,64) = 36,77
Maximum « usuel » = 40,05 + (2 x 1,64) = 43,33
Les deux valeurs entrent dans la fourchette des 95 % des valeurs habituellement
observées et ne doivent pas être considérées comme inhabituelles ; les
circonférences seront inhabituelles en dessous de 36,77 et au-delà de 43,33 cm.

5ème étape : règle empirique des 68-95-99,7 : dans le cas d’une distribution en
cloche (normale), la dispersion des valeurs autour de la moyenne est la suivante :
- Environ 68 % des valeurs sont situées à moins d’un écart type de la
moyenne (exactement 68,26 %)
- 95 % des valeurs sont situées à moins de 2 écarts types environ de la
moyenne (exactement 1,96 fois)
- 99,7 % des valeurs sont situées à moins de 3 écarts types environ de
la moyenne.

Ex : taille des femmes : La taille des femmes a une distribution normale avec une
moyenne de 163 cm et un écart type de 6 cm. Quel est le pourcentage de femmes
compris entre 145 cm et 181 cm ?
145 et 181 correspondent respectivement à – ou + 3 écart types de la moyenne :
163 - (3 x 6) = 145 et 163 + (3 x 6) = 181 ; donc, 99,7 % des femmes ont des tailles
comprises entre 145 cm et 181 cm.

9
Cours de biostatistique

5 – Mesures de positionnement relatif

Pb : on veut comparer des valeurs issues de séries de données différentes ou de

valeurs à l’intérieur d’une même série de données.

Ex : un Jordan mesure 1,98 m (moyenne des hommes 1,75 m ; écart type 7,11 cm) ;
Lobo mesure 1,93 m (moyenne des femmes 1,61 m ; écart type 6,35 cm)
Qui est relativement plus grand ou plus petit ?

Solution : méthode des scores

5.1 – Le score-z (score normalisé ou valeur centrée réduite)

x− x x− µ
Echantillon : z = Population : z = Arrondir à 2 décimales
s σ
x − µ 1,98 − 1,75
Jordan : z= = = 3,23
σ 0,0711

x − µ 1,93 − 1,61
Lobo : z= = = 5,04
σ 0,0635

Interprétation : la taille de Jordan est à 3,23 écart types au dessus de la

moyenne ; celle de Lobo est à 5,04 écarts types de la moyenne ; donc la taille de
Lobo est relativement plus grande parmi les femmes que celle de Jordan parmi les
hommes.

Les valeurs ordinaires ont donc un score-z < 2 ; les inhabituelles un score-z > 2
Valeurs ordinaires : -2 < score-z < 2
Valeurs inhabituelles : score-z < -2 ou score-z > 2

5.2 - Quartiles et percentiles

De la même manière que la médiane divise les données en deux parties égales, les
trois quartiles notés Q1, Q2 et Q3 partagent les données en 4 parties égales.
- Q1 = premier quartiles : sépare les premiers 25 % des données triées
des autres 75 %. Au moins 25 % des données triées sont inférieures
ou égales à Q1 et au moins 75 % des données sont supérieures ou
égales à Q1
- Q2 = deuxième quartile : même chose que la médiane ; sépare les
premiers 50 % des données triées des autres 50 %.
- Q3 = troisième quartile : sépare les premiers 75 % des données triées
des autres 25 %. Au moins 75 % des données triées sont inférieures

10
Cours de biostatistique

ou égales à Q3 et au moins 25 % des données triées sont supérieures

ou égales à Q3

De même il existe 99 percentiles qui partitionnent les données en 100 parties

égales avec 1 % des données dans chaque groupe. Quartiles et percentiles sont des
exemples de quantiles ou fractiles qui partitionnent les données en groupes
contenant le même nombre de données.

a) - Comment trouver le percentile qui correspond à une valeur particulière x :

nombre de valeurs inf érieures à x

percentile de valeur x = 100
nombre total des valeurs

Ex : le percentile de la valeur 112 (cotinine) ; 112 est la 13ème valeur des données
triées, donc 12 valeurs inférieures, parmi 40 valeurs totales.

12
percentile de 112 = 40 = 30
40

Le niveau de cotinine 112 est le 30ème percentile de la série de données.

17
percentile de 149 = 100 = 42,5, soit 43 Le niveau 149 est le 43ème percentile
40

6
percentile de 35 = 100 = 15, soit 15 Le niveau 35 est le 15ème percentile
40

b) - Comment trouver la valeur correspondante à un percentile k (on dit chercher le

localisateur L de la position d’une valeur parmi un nombre total de valeurs n) ?

Formule de calcul :

k
L= n si L est une valeur entière, la valeur du k-ième percentile est à mi
100
chemin entre la L-ième valeur dans le tableau et la suivante ; on trouve Pk en prenant
la demi-somme de la L-ième valeur et de la suivante ; si L est une valeur décimale, on
arrondit à la valeur supérieure.

Ex : cotinine : trouver la du 68ème percentile (P68) :

68
L= 40 = 27,2
100 on arrondit à 28 ; donc le percentile 68 (P68) est la 28ème valeur

en partant de la plus basse, donc 234 dans le tableau.

11
Cours de biostatistique

20
L= 40 = 8
P20 100 ; le percentile 20 est entre la 8 et la 9ème valeur, soit : 46

75
L= 40 = 30
P75 100 ; le percentile 75 est entre la 30 et la 31ème valeur, soit : 251,5

1
L= 40 = 0,4
P1 100 ; le percentile 1 est la valeur 1, soit 0

Q1 = P25
Q2 = P50
Q3 = P75

Statistiques définies à partir des quartiles :

- la distance interquartile : DIQ = Q3 − Q1

Q3 − Q1
- demi-interquartile : =
2
Q3 + Q1
- midquartile : =
2
- étendue 10 – 90 % : = P90 − P10

Ex avec DIQ cas des ETM dans les sols

Ex avec P90 et P10 de manière à retirer les extrêmes.

Suite ex 14 :

Distance InterQuartile
25
L= 40 = 10
Q1 = P25 ; 100 donc entre la 10 et 11ème valeur, soit 86,5

Q3 = P75, soit 251,5

DIQ = 251,5 – 86,5 = 165

Midquartile : 251,5 + 86,5 /2 = 168,5 donc 169

Etendue 10 – 90 %

12
Cours de biostatistique

10
L= 40 = 4
P10 100 donc entre la 4 et 5ème valeur, soit 10

90
L= 40 = 36
P90 100 donc entre la 36 et 37ème valeur, soit 289,5

Etendue = 289,5 – 10 = 279,5

6 – Analyse exploratoire des données

6.1 - Valeurs extrêmes : l’examen des valeurs minimales et maximales permet de

détecter des valeurs aberrantes ou incorrectes et de les corriger ou de les
supprimer. En cas de conservation d’une valeur extrême, on doit étudier ses effets
sur la moyenne, l’écart type en effectuant les calculs avec et sans valeur extrême.

6.2 - Boîtes à moustaches (boxplot)

Résumé en 5 nombres : minimum, Q1, médiane, Q3, maximum

BM ne donne pas autant d’information qu’un histogramme, diagrammes ou

tige/feuilles. Mais très utiles pour comparer des séries de données entre elles
(attention même échelle).

Boîtes à moustaches modifiées : permettent de mettre en évidence les valeurs

extrêmes ou anomaliques. Exemple, méthodes de TUKEY avec recherche des points
qui sont < Q1 – 1,5 (DIQ) et > à Q3 + 1,5 (DIQ) ; en fonction des critères de
décision, le facteur a = 1,5 peut prendre d’autres valeurs (2, 3, …..).

Ex. Effets des carences sur la biomasse du cresson.

ETM dans les sols (méthode de TUKEY)

13
Cours de biostatistique

II – STATISTIQUE INFERENTIELLE

1. – Introduction

Utilisation des données d’échantillon pour faire des inférences sur les paramètres
de la population :
- pour estimer la valeur d’un paramètre d’une population
- pour tester une hypothèse sur la population

On sait que dans un échantillon, chaque individu produit une valeur différente des
autres individus ; d’autre part, des échantillons différents donnent naturellement
des résultats différents. On suppose que ces différences sont dues au hasard
plutôt qu’à un autre facteur. (cela suppose que les individus et les échantillons sont
aléatoires).

2 - Estimations et tailles d’échantillons avec un échantillon

2.1 – Estimation de la proportion d’une population

On veut estimer à partir d’un échantillon la proportion p de la population. Soit p’ la

proportion de l’échantillon et q’=1-p’ la proportion complémentaire.

Ex : soit un échantillon de 50 nouveaux nés : 86 % ont un périmètre crânien de 40

cm au moins p’ = 0,86 ; q’ = 1 – 0,86 = 0,14 (14 %) ont un périmètre crânien inférieur
à 40 cm

Estimation ponctuelle
Si on veut estimer la proportion d’une population avec la seule valeur p’, la meilleure
estimation de p est p’ ; dans ce cas, l’estimation est dite ponctuelle.

Une estimation ponctuelle est une valeur unique utilisée pour approximer le
paramètre d’une population.

Estimation avec intervalle de confiance

On peut souhaiter estimer le paramètre avec un intervalle de confiance, car on sait
que le paramètre tiré d’un échantillon est plus ou moins bon (car la dimension de
l’échantillon est limitée, l’échantillon est petit, etc…)

Un intervalle de confiance (IC) est un intervalle de valeurs utilisé pour estimer

la vraie valeur d’un paramètre d’une population.

14
Cours de biostatistique

L’intervalle de confiance est accompagné d’un niveau de confiance ex 95 % soit

0,95. Le niveau de confiance est souvent exprimé par la probabilité 1 – α, α étant la
valeur complémentaire du niveau de confiance : pour 95 %, α = 5 % ou 0,05.

Le niveau de confiance est la probabilité 1 – α qui est la proportion du nombre

de fois où l’intervalle de confiance contient le paramètre de la population si on
répète l’estimation un grand nombre de fois.

Les choix les plus courants pour le niveau de confiance : 90 % (α = 0,10) ; 95 % (α =

0,05) ; 99 % (α = 0,01) ; 99,9 % (α = 0,001)

Ex : Dans le cas de l’échantillon de 50 nouveaux nés avec 86 % de périmètre crânien

de 41 cm et plus, l’estimation par intervalle de confiance à 95 % de la proportion p
de la population est 0,764 < p < 0,956, soit 76,4 % à 95,6 %. On dira que l’on a
confiance à 95% que l’intervalle [76,4% ; 95,6%] contient la vraie valeur de
périmètre crânien de plus de 41 cm au niveau de la population. C'est-à-dire
que si l’on répétait un grand nombre de fois l’expérience en mesurant le
périmètre crânien de 50 nouveaux nés et que l’on construise les IC, 95%
d’enter eux contiendrait la vraie valeur de la population.

Pour construire les IC, on s’appuie sur la loi normale qui permet de mesurer
pour une aire donnée (quantité d’observation), les limites entre les valeurs
contenues dans l’aire choisie et celles qui ne le sont pas. On appelle « valeurs
critiques » ces limites.

Intervalle de confiance

1-α
α /2
α /2

- Z α /2 Z =0 Z α /2

Valeurs critiques
- Dans le cas d’une distribution normale ;

15
Cours de biostatistique

- Une grande proportion de l’échantillon tombe dans l’aire centrale de la

courbe, avec une probabilité de 1 – α (95 % par ex) ;
- Une faible partie de l’échantillon risque de tomber dans l’une des deux
aires de queues avec une probabilité de α (5 % par ex, 2,5% à gauche,
2,5% à droite)

La valeur qui sépare la région centrale de la queue droite est notée zα/2 et se nomme
valeur critique (la valeur qui sépare la région centrale de la queue gauche est
nommée -zα/2

Une valeur critique est un nombre sur la frontière qui sépare les statistiques
d’échantillon qui peuvent vraisemblablement survenir de celles qui ne le peuvent
pas.
La valeur critique zα/2 est un score-z et délimite des aires de α/2 pour la loi
normale.

Ex. Lecture d’une table de distribution normale pour trouver les valeurs critiques
qui correspondent à 90 %, 95 %, 99 % et 99,9 %.

Niveau de confiance α α/2 1 – α/2 Valeur critique za/2

90 % 0,10 0,05 0,95 1,645
95 % 0,05 0,025 0,975 1,96
98 % 0,02 0,01 0,99 2,33
99 % 0,01 0,005 0,995 2,575
99,9 % 0,001 0,0005 0,9995 3,3

Exemple : IC à 95 %

Intervalle de confiance à 95 %

α /2 = 0,025
α /2 = 0,025

- Z α /2 = - 1,96 Z =0 Z α /2 = 1,96

16
Cours de biostatistique

Marge d’erreur
Quand des données d’échantillon aléatoire simple sont utilisées pour estimer la
proportion p d’une population, la marge d’erreur (E), est la différence maximale
probable entre la proportion de l’échantillon p’ et la vraie valeur de la proportion p
de la population.

p'. q'
E = zα /2
n

IC s’exprime de la manière suivante :

p' − E < p < p' + E

[ p' − E ; p' + E ] ou p' ± E

Exercice :

Mendel croise des pois à gousses vertes et des pois à gousses jaunes et obtient
580 graines dont 428 vertes et 152 jaunes. Mendel s’attendait à trouver 25 % de
jaunes. Le résultat obtenu est-il différent du résultat théorique ?

Résultat observé : 152/580 = 0,262, soit 26,2 %

P’ = 0,262 ; q’ = 0,738 ; p théorique = 0,25

Recherche de l’IC à 95 %
0,262 x 0,738
E = 1,96 = 0,035787
580

p' − E < p < p' + E  0,262 − 0,035787 < p < 0,262 + 0,035787

0,226 < p < 0,298

Ou 0,262 ± 0,036

Nous sommes sûrs à 95 % que les limites 26,2 % et 29,8 % contiennent le

vrai pourcentage de pois à gousses jaunes. Donc la valeur de Mendel, 25 %
est plausible.

IC à 99 % : 0,215 < p < 0,309  21,5 % à 30,9 %

IC à 99,9 % 0,199 < p < 0,322  19,9 % à 32,2 %

17
Cours de biostatistique

Exercices :

1 – Trouvez la valeur critique zα/2 qui correspond au niveau de confiance :

a) 98%
b) 99%

solution : a) : α = 0,02 ; α/2 = 0,01 ; 1 – 0,01 = 0,99 ; zα/2 = 2,33

b) : α = 0,01 ; α/2 = 0,005 ; 1 – 0,005 = 0,995 ; zα/2 = 2,575

2 – Exprimez l’IC 0,220 < p < 0,280 sous forme p' ± E

lim ite sup érieure + lim ite inf érieure 0,280 + 0,220
Solution : p ' = = = 0,250
2 2

lim ite sup érieure − lim ite inf érieure 0,280 − 0,220
E = = = 0,030
2 2

p' ± E = 0,250 ± 0,030

3 – Exprimez l’IC [0,604 ; 0,704] sous forme p ' ± E

lim ite sup érieure − lim ite inf érieure 0,704 − 0,604
E= = = 0,05
2 2

lim ite sup érieure + lim ite inf érieure 0,704 + 0,604
p' = = = 0,654
2 2

p' ± E = 0,654 ± 0,050

4 – Construire l’IC à partir des données suivantes :

n = 400 ; x = 300 ; 95 %

300
solution : p' = 400 = 0,75, soit 75% ; donc q ' = 25%

p '. q ' 0,75 x0,25

E = zα /2 = 1,96 = 0,0424328
n 400
Soit 0,75 ±0,0424  [0,708 ; 0,792]

18
Cours de biostatistique

2.2 – Estimation de la moyenne d’une population,

2.2.1 - σ connu

Cas théorique puisque si σ ne peut être connu que si la moyenne est connue. Mais on
considère que σ est connu car la population est de grande taille et parfaitement
normale.
Comme précédemment, la meilleure estimation de la moyenne de la population est
celle de l’échantillon avec une marge d’erreur que l’on peut déterminer à l’aide de la
formule :
σ
E = zα /2
n

x− E< µ < x+ E

[ x − E ; x + E] ou x ± E

Exercice : Température du corps humain : soit un échantillon n = 106, x = 36,78°C,

σ = 0,34°C ; estimer la moyenne de la population, trouver la marge d’erreur et l’IC.

a) - la meilleure estimation de la moyenne de la population est l’estimation

ponctuelle, soit 36,78°C.

b) - la marge d’erreur :
σ 0,34
E = zα /2 = 1,96 = 0,06472649
n 106

Soit 36,78°C ± 0,065°CIC : 36,78 – 0,06472649 < µ < 36,78 + 0,06472649

Soit 36,72 < µ < 36,84

2.2.2 – Estimation de la moyenne d’une population quand σ est inconnu.

Ce cas correspond à la pratique : on estime la moyenne de la population à partir d’un

échantillon qui comme précédemment doit répondre à :
- échantillon aléatoire simple ;
- n > 30, sinon vérifier la normalité de la distribution (par construction
de l’histogramme des fréquences).

Ici aussi, la meilleure estimation de la moyenne est la moyenne de l’échantillon

(estimation ponctuelle). Mais, parce que nous ne connaissons pas σ, nous devons
l’estimer à partir de s ; cela introduit une source de non-fiabilité liée à la taille de
19
Cours de biostatistique

l’échantillon (petite par rapport à celle de la population). Afin de garder l’IC à un

certain niveau de confiance, on l’élargit en utilisant des valeurs critiques plus
grandes que zα / 2 au fur et à mesure que le nombre n diminue ; pour cela on utilise la
loi de Student qui définit les valeurs critiques en fonction du nombre de valeurs de
l’échantillon (en fait en fonction du nombre de degré de liberté).

Loi normale standard

Loi t pour n = 15

Loi t pour n = 5

Valeur critique tα /2

Lecture de la table de Student

Pour n = 15, n-1 = 14 ; pour α = 0,05, tα/2 = 2,145
Ex. soit un échantillon de 15 individus, trouver la valeur critique tα/2 correspondant
à un IC de 95%.
n = 15, donc ddl = 14 et α = 0,05  tα/2 = 2,145

Utilisation de tα/2 pour l’estimation de la marge d’erreur et la construction de l’IC :

s
E = tα /2 où ta/2 a n-1 ddl
n

x− E< µ < x+ E

[ x − E ; x + E] ou x ± E

Ex. cas de la température du corps : n = 106, x = 36,78°C, s = 0,34°C

ddl = 105 tα/2 pour α = 0,05 = 1,984
20
Cours de biostatistique

s 0,34
E = tα /2 = 1,984 = 0,06551906
n 106

36,78 – 0,06551906 < µ < 36,78 + 0,0651906

36,71 < µ < 36,85

Ici, pas de différence entre l’utilisation de la loi normale ou de la loi de Student car
n est grand ; mais plus n est petit, et plus la marge d’erreur sera grande, donc plus
l’IC sera grand.

Exercice : La moyenne du périmètre crânien mesuré sur un échantillon de 50

nouveaux nés garçons est de 40,10 cm avec un écart type de 1,5 ; celle des
nouveaux nés filles est de 40,16 avec un écart type de 1,44.

Solution : n = 50 ; ddl = 49 ; ta/2 = 2,010

a) Pour les garçons :
s 1,5
E = tα /2 = 2,01 = 0,4263853
n 50

x− E< µ < x+ E soit : 40,10 − 0,4263853 < µ < 40,10 + 0,4263853

Soit 39,67 < µ < 40,53

Pour les filles :

s 1,44
E = tα /2 = 2,01 = 0,4093299
n 50

x− E< µ < x+ E soit : 40,16 − 0,4093299 < µ < 40,16 + 0,4093299

Soit : 39,75 < µ < 40,57

b) 1 - On est sûr à 95 % que les intervalles [39,67 ; 40,53] et [39,75 ; 40,57]

contiennent les vrais périmètres crâniens des nouveaux nés garçons et filles.
2 - Les deux IC se chevauchent largement, donc il n’y a pas de différence entre
les deux populations

21
Cours de biostatistique

Exercices :
1 – Le rendement d’épis de maïs en kg/ha est estimé à partir d’un échantillon de 11
placettes. Les valeurs correspondant à des graines séchées au four sont les
suivantes :
2134 ; 2170 ; 2142 ; 2799 ; 2364 ; 2199 ; 2310 ; 1620 ; 1808 ; 1476 ; 1695
a) Vérifier la distribution est normalement distribuée
b) Construire un intervalle de confiance à 95%
c) Comparez les résultats à l’IC trouvé pour des graines qui ne sont pas séchées au
four (séchage à l’air) : 1611,3 < m < 2071,17

Solution :
a) vérification que la distribution est normalement distribuée par l’histogramme
des fréquences
b) Moyenne = 2065,18
Ecart type = 384,15
E = 258,062
µ ± E = 2065,2 ± 258,06
1807,12 < µ < 2323,24
c) On est sûr à 95 % que l’intervalle [1807,12 ; 2323,24] contient la vraie valeur
de la moyenne du rendement d’épis de maïs séchés au four.
d) Les intervalles se chevauchent ; donc il n’y a pas de différence entre les deux
résultats et les deux traitements.

22
Cours de biostatistique

3 - Test d’hypothèses sur les moyennes

3.1- Principes des tests d’hypothèse

Reprise de l’expérience de Mendel : 26,2 % est-il plus grand que 25 % ? La réponse

simple à cette question est OUI. Mais en statistique, on utilise une approche plus
pratique : on reconnait que la transmission de la couleur des gousses de pois n’est
pas strictement définies par des règles rigides, mais que cette transmission est
affectées par un certain degré de hasard ; certaines expériences donneront un
résultat un peu supérieur à 25, d’autres un peu inférieur à 25 %. A partir de quelle
différence entre 25 % et la valeur observée allons-nous considérer que cette
différence est trop grande pour considérer que seul le hasard explique cette
différence et qu’il n’y a alors contradiction avec la loi de Mendel ? On introduit ici
la notion de signification ou de différence significative : pour que la différence
observée contredise la loi de Mendel, il faut qu’elle soit différente d’une quantité
significative. Comment décider qu’un résultat diffère de 25 % de manière
significative ? On utilise une procédure standard appelée « test d’hypothèse » qui
comprend deux parties : la définition de l’hypothèse à infirmer et la mesure de la
signification de la différence entre la valeur observée et la valeur théorique.

Définition de l’hypothèse.
L’hypothèse nulle : H0 est l’affirmation que la valeur d’un paramètre est égale à une
certaine valeur supposée : ex. la température du corps humain est de 37°C.
H0 : µ = 37°C
On teste H0 directement au sens où on suppose qu’elle est vraie et où on arrive à
une conclusion qui soit rejette H0, donc infirme l’hypothèse, soit ne peut pas
rejeter H0, donc ne l’infirme pas mais ne la confirme pas non plus.
Ex : cas de la température du corps humain : je formule l’hypothèse que la
température est de 37°C ; c’est mon hypothèse nulle H0 : µ = 37°C. Par l’étude de
l’intervalle de confiance avec n = 106, je montre que la température n’est pas de
37°C, mais de 36,72 à 36,84 avec 95% de niveau de confiance. Mon test infirme
H0 ; on rejette l’hypothèse nulle et on peut dire que la température n’est pas de
37°C.
Mais en mesurant la température d’une seule personne, en admettant que je trouve
une température sup ou égale à 37°C, alors je ne peux plus infirmer l’hypothèse,
mais je ne la confirme pas non plus, car d’autres hypothèses ont pu rendre
l’évènement probable (échantillon trop faible, individu malade, normalement
hyperthermique, …)
Ce raisonnement qui infirme l’hypothèse dans le cas où on rejette H0 mais qui ne la
confirme pas quand on ne peut pas rejeter HO est qualifié de « raisonnement
dissymétrique de la statistique »
L’hypothèse alternative est l’affirmation que le paramètre a une valeur qui diffère
de celle de l’hypothèse nulle : Ha : µ > 37 ; µ < 37 ; µ ≠ 37

23
Cours de biostatistique

Dans la formulation de H0, le plus simple est de toujours retenir l’hypothèse qui
contient l’égalité :
Cas de la proportion de pois jaune égale à 25 % : p = 0,25 ; si p = 0,25 est fausse,
alors p ≠ 0,25 ; Ha est celle qui ne contient pas d’égalité : p ≠ 0,25 et H0 celle qui
contient l’égalité : p = 0,25.

Cas de la taille moyenne égale au plus à 183 cm : µ ≤ 183 ; si µ ≤ 183 cm est fausse,
alors µ > 183 ; Ha : µ > 183 et H0 : µ = 183

Cas de écart type > 6 cm : σ > 6 ; si σ > 6 est fausse alors σ ≤ 6 ; Ha : σ > 6 et H0 : σ
= 6 cm

Seuil de signification. Nous avons vu précédemment que dans la cas d’une

distribution normale, 95 % des observations sont attendues dans l’intervalle [µ ±
1,96 σ] ; 99 % dans l’intervalle [µ ± 2,575 σ] ; 99,9 % dans l’intervalle [µ ± 3,3 σ] ; ou
ce qui revient au même, que la probabilité que l’écart à la moyenne E = (x – µ) soit
supérieur à 1,96 est de 0,05 ; supérieur à 2,575 est de 0,01 ; supérieur à 3,3 est de
0,001. Les probabilités α = 0,05, 0,01 et 0,001 sont appelées seuils de probabilité ou
de signification. Ces seuils sont arbitraires mais consacrés par l’usage et confortés
par leur bonne capacité à faire émerger l’information dans les relevés statistiques
courants. Ils sont utilisés de la manière suivante : si un évènement observé ou si une
valeur observée ont une probabilité inférieure à α, on dira qu’ils montrent vis à vis
des résultats attendus une « différence significative au seuil α ». Dans la pratique
on calculera le score ou « écart réduit ».

Xobs. − µ
k=
σ

et on le comparera aux valeurs-seuils. Dans la terminologie habituelle, on dira que :

- quand k < 1,96, l’écart est « non significatif » (NS) ;
- quand 1,96 < k < 2,6, l’écart est « significatif à 5 % mais non significatif à 1
% » ou « significatif » (noté d’un astérisque *) ;
- quand 2,6 < k < 3,3, l’écart est « significatif à 1 % mais non à 0,1 % » ou
« hautement significatif » (noté de deux astérisque **) ;
- quand k > 3,3, l’écart est « significatif à 0,1 % » ou « très hautement
significatif » (noté de trois astérisque ***).

Exercice :

Soit une population mathématique bien définie de µ = 10 cm et de variance = 25.

Pouvons-nous dire que les valeurs 14,3 ; 20,1 et – 7,5 appartiennent à la population ?

24
Cours de biostatistique

14,3 − 10
k1= = 1,44  NS
5
20,1 − 10
k2 = = 2,02 *
5

− 7,5 − 10
k3 = = 3,5  ***
5

3.2 – Comparaison d’une moyenne d’échantillon à une moyenne de population dont on

connait la variance
Dans ce cas, l’écart réduit est donné par la formule :

x− µ
k=
σ
n
Cas de la température du corps humain. Moyenne de l’échantillon de 106 personnes =
68,78°C, σ = 0,34°C et µ = 37°C.

Formulation de l’hypothèse nulle :

µ = 37°C ; si µ = 37°C est fausse, alors µ ≠ 37°C ; on retient : H0 : µ = 37°C et Ha : µ
≠ 37°C

Calcul de l’écart réduit :

x− µ 36,78 − 37
k= k= = 6,66
σ soit 0,34
n 106

Interprétation : comme k > aux valeurs critiques, on rejette l’hypothèse nulle et on

infirme l’égalité µ = 37°C ; on peut dire que la température moyenne observée est
éloignée de 37°C ; de plus, k > 3,3, on peut dire que la différence entre la moyenne
observée et la moyenne théorique est très hautement significative.

On voit à travers cet exemple plusieurs manières de comparer la moyenne d’un

échantillon à celle d’une population :
1 – la méthode de l’intervalle de confiance avec le calcul de la marge d’erreur ;
2 – la méthode du calcul de l’écart-réduit ;
3 – on peut aussi calculer la probabilité qui risque d’être dépassée en cas de rejet
de H0

Ces 3 méthodes sont applicables à tous problèmes de statistique inférentielle.

25
Cours de biostatistique

3.3 - Comparaison d’une moyenne d’échantillon à une moyenne de population de

variance inconnue (test de Student)

Dans ce cas on estime la variance de la population à partir de la variance de

l’échantillon ; l’écart-réduit est donné par la formule :
x− µ
t=
s et on compare la valeur calculée non pas aux valeurs de la loi
n
normale, mais à celles de la table de Student (valeurs qui dépendent du nb
d’observations)

3.4 – Test de Student appliqué à la comparaison de deux moyennes

d’échantillons indépendants.

On calculera l’écart réduit suivant que l’on comparera aux valeurs de la table t de
Student (échantillon de taille réduite et non plus population répondant à la loi
normale) :

X1− X 2
t=
s12 s 22
+
n1 n2

Exemple : comparaison des deux moyennes des longueurs racinaires quand la

concentration en Zn est de 0 ppm = témoin négatif ( X 1) et de 6,25 ppm ( X 2). Le
but est de savoir si la différence observée entre les deux moyennes est due au
hasard (variabilité biologique) ou à l’effet du traitement. Nous connaissons les
paramètres des deux échantillons ( X 1 = 121,89, s1 = 32,66 et n1 = 71 ; X 2 =
104,83, s2 = 33,32 et n2 = 18) ; les deux échantillons sont bien indépendants,
puisque les graines ont été tirées au hasard indépendamment et ont subi soit le
traitement témoin et soit le traitement 6,25 ppm. Nous ne connaissons ni la
moyenne, ni la variance des deux populations « moyenne de la longueur racinaire des
plantules d’Orge ayant poussé 7 jours à 20°C à 0 ppm » et « moyenne de la longueur
racinaire des plantules d’Orge ayant poussé 7 jours à 20°C à 6,25 ppm ». Pour
connaître ces valeurs, il faudrait avoir fait de nombreuses observations dans les
mêmes conditions pour pouvoir estimer à la fois une moyenne et une variance
« théorique » des populations « graine d’Orge dans les conditions définies ci-
dessus ». Mais nous pouvons estimer ces variances à partir des variances des
échantillons.

26
Cours de biostatistique

Application :

Formulation de l’hypothèse nulle : on écrit la proposition qu’il n’y a pas de différence

entre le traitement et le témoin : X 1 = X 2 ; si la proposition X 1 = X 2 est fausse,
alors X 1 < X 2 ou X 1 > X 2 ; on retient pour H0, la proposition qui contient l’égalité,
soit H0 : X 1 = X 2 et Ha : X 1 ≠ X 2

121,89 − 104,83
t= = 1,947
32,66 2 33,32 2
+
71 18

t de la table, pour ddl 71 + 18 – 2 = 87 : entre 1,986 et 1,990 ; le t calculé est

inférieur aux valeurs de la table de Student  on ne rejette pas H0 ; il n’y a pas de
différence significative au seuil de 95 % ; l’hypothèse nulle est conservée, nous ne
mettons pas en évidence de différence entre le traitement à 6,25 ppm et le
témoin ; cela ne veut pas dire qu’il n’y a pas de différence, mais dans les conditions
dans lesquelles nous avons travaillé, nous ne pouvons pas mettre en évidence de
différence au seuil de 95 %.

Exercice : Des truites sont mesurées sur deux échantillons. Le premier échantillon
composé de 50 truites d’élevage présente une moyenne X a = 158,86 mm et une
variance s a = 37,18 mm2. Le second échantillon composé de 67 truites de rivière a
2

une moyenne X b = 134,46 mm et une variance sb = 25,92 mm2. On veut vérifier si

2

les moyennes de ces deux échantillons diffèrent de manière significative.

Solution : 1 – formulation de H0 : X a = X b
2 – calcul de t

158,86 − 134,46
t= = 22,9
37,18 2 25,92 2
+
50 67

Le t de la table est dépassé au seuil de 0,001 ; donc on rejette HO, les deux
moyennes sont différentes de moyennes très hautement significatives.

27
Cours de biostatistique

3.5 – Comparaison de deux moyennes d’échantillons appariés.

Définition : différence entre échantillons indépendants et échantillons appariés.

Cas du test de l’effet d’un médicament : soit deux échantillons indépendants,
avec deux lots : 25 patients tirés au sort reçoivent le traitement ; 25 patients
tirés au sort reçoivent un placebo.
Cas de deux échantillons appariés : 25 patients sur lesquels on mesure la
variable avant et après administration du médicament.

3.6 – Généralisation du test t à la comparaison de plus de deux moyennes.

Analyse de variance

Dans le cas de l’étude de l’effet des ETM sur la longueur des racines, nous avons 10
échantillons correspondant à 10 traitements. La comparaison des traitements 2 à 2
est, d’une part fastidieuse car il faut effectuer 45 comparaisons, mais d’autre part
elle est erronée car il est nécessaire d’estimer l’effet du traitement sur l’ensemble
des 10 échantillons afin de tester l’hypothèse nulle avant de comparer les
traitements deux à deux.

On effectue une analyse de la variance (ANOVA) à un seul facteur de classification,

ou « Test F ».

A - Le principe repose sur la décomposition de la variation de la variable mesurée en

3 éléments :

1. la variation totale de la variable « longueur racinaire » mesurée par la

dispersion de toutes les valeurs (NT) autour de la moyenne générale X T.
Cette variation totale est mesurée en calculant la Somme des Carrés des
Ecarts de chaque valeurs xi à la moyenne X T.

∑ ( xi − X )
2
SC T = T

Cette variation totale a deux sources : la variation entre classes ou niveau de

traitements (0, 12,5, 25, …….. 800 ppm) = variation inter-groupe et la variation à
l’intérieur de chaque classe = variation intra-groupe ou résiduelle.

2. la variation entre classes : chaque classe est caractérisée par sa moyenne X i

qui s’écarte plus ou moins de la moyenne générale X T . Cette variation inter-
groupe est mesurée par la Somme des Carrés des Ecarts entre les moyennes
de chaque traitement et la moyenne générale :

SCg = nA( X A − X T ) 2 + nB ( X B − X T ) 2 + ........ + nZ ( X Z − X T ) 2

28
Cours de biostatistique

3. la variation à l’intérieur de chaque classe = variation résiduelle qui est

mesurée par la Somme des Carrés des Ecarts de chaque valeur à la moyenne
de son groupe de traitement.

SCr = ∑ ( XA − X A) 2 + ∑ ( XB − X B ) 2 + ........ + ∑ ( XZ − X Z ) 2

Les 3 variations sont en relation selon la formule :

SCT = SCg + SCr

Si la variation inter-groupe est suffisamment plus importante que la variation

résiduelle, il peut en résulter un effet du traitement.

B – Décomposition de la variance :

Les valeurs de ces trois variations dépendent des effectifs des groupes ; on
détermine la variance en divisant la variation par le nombre de degré de liberté.

SCT
Variance totale : CMT =
NT − 1

SCg
Variance inter-groupe : CMg = ; (k = nombre de traitements)
k−1

SCr
Variance résiduelle : CMr = N − k ; (N-k = nombre de valeurs totales – nombre de
traitements)

C – Méthode de l’analyse de la variance

Snedecor étudie le rapport entre la variance inter-groupe et la variance résiduelle :

c’est le facteur F :

CMg
F=
CMr

Si CMg est grand devant CMr, alors F est grand ; la variation entre groupe est plus
élevée que celle à l’intérieur des traitements et il est possible qu’au moins un
traitement n’appartienne pas à la même population de résultats que les autres
traitements ; en d’autres termes, l’H0 est rejetée et on conclura à un effet du
traitement sur la longueur racinaire.

Si CMg est petit devant CMr, alors F est petit ; il est moins probable qu’au moins un
des traitements n’appartienne pas à la même population de résultats que les autres ;

29
 Cours de biostatistique

l’H0 ne peut pas être rejetée et l’on n’aura pas mis en évidence un effet du
traitement. Cela ne veut pas dire qu’il n’y a pas d’effet, mais dans les conditions de
l’expérience, nous n’avons pas mis en évidence de différence.

La valeur F est lue dans la table de Snedecor avec les degrés de liberté (k-1) = ddl
inter et (N-k) ddl intra.
Si F calculé < F lu, alors on ne peut pas rejeter H0 ; on n’a pas mis en évidence
d’effet du traitement.
Si F calculé > F lu, alors on rejette H0 ; le traitement peut expliquer les différences
observées entre deux ou plusieurs niveaux de traitement.

D - Tableau de synthèse
Source de Somme des carrés des écarts Nb Variances F
variation de
ddl
Inter- SCg = nA( X A − X T ) 2 + nB ( X B − X T ) 2 + ... + nZ ( X Z − X T ) 2 k-1 SCg CMg
CMg = F=
groupe k−1 CMr
Résiduelle SCr = ∑ ( XA − X A) 2 + ∑ ( XB − X B ) 2 + .. + ∑ ( XZ − X Z ) 2 N-k
CMr =
SCr
N− k
Totale
∑ ( xi − X ) N-1
2
SCT = T

Exercice 6 : faire l’analyse de variance des résultats de longueur racinaire en

fonction de la teneur en ETM. Formuler l’hypothèse nulle. Calculer les variances et
le facteur F et conclure.

H0 : les moyennes des longueurs racinaires aux différents traitements sont égales

Source Somme des carrés des écarts Nb de Variances F

de ddl
variation
Inter- 28310,5807 k-1 = 9 CMg = 3145,62008 2,41
groupe
résiduelle 345870,11 N-k = CMr = 1305,17
265
Totale 374180,692 275

F à 5% = 1,97
F à 1% = 2,59
F à 0,1% = 3,44

On rejette H0 à 5% ; donc il y n’y a pas égalité des moyennes des différents

traitements ; il y a au moins une différence significative et on est autorisé à tester
deux à deux les moyennes.

E - Mise en évidence d’une toxicité par comparaison des moyennes deux à deux.

30
Cours de biostatistique

Dans le cas d’un rejet de l’hypothèse nulle, on sera autorisé à effectuer des
comparaisons deux à deux des moyennes aux différents niveaux de traitement, afin
notamment, de décider à partir de quelle valeur la concentration en ETM est
toxique = l’effet d’inhibition de croissance racinaire est significatif.

Exercice 7 : après le test F, comparer deux à deux les moyennes des échantillons
afin de mettre en évidence le seuil de toxicité de l’ETM considéré.

test a posteriori traitement 0 6,25 12,5 25 50 100 200 400 600 800
moyenne 121,887 104,833 126,026 126,386 142,500 136,737 136,556 111,481 124,360 134,042
écart type 32,663 33,322 22,740 29,153 35,982 31,731 36,433 43,004 47,012 42,538
n 71 18 19 22 24 19 27 27 25 24
variance 1066,851 1110,382 517,124 849,903 1294,696 1006,871 1327,333 1849,336 2210,157 1809,520
t 1,947 0,637 0,614 2,482 1,801 1,831 1,139 0,243 1,278
t 0,5 1,986 NS NS NS * NS NS NS NS NS
t 0,1 2,626
t 0,01 3,402

Conclusion : on rejette H0 uniquement pour le traitement 50 ppm qui diffère

significativement du témoin ; la moyenne à 50 ppm est supérieure à celle du témoin,
mettant en évidence un effet positif du Zn, donc révélant son rôle d’oligoélément.
Mais on ne met pas en évidence d’effet négatif donc de toxicité aux niveaux de
traitement testés.

31
Cours de biostatistique

4 – Test d’hypothèses sur les fréquences – test du Khi deux

Les tests d’hypothèses sur les fréquences sont utilisés pour des données nominales
(qualitatives) et pour les données numériques (quantitatives) regroupées en classes.

( fréquence observée − fréquence théorique ) 2

Formule générale du khi deux : χ
2
= ∑ fréquence théorique
La distribution du khi deux est une distribution asymétrique qui tend vers la
distribution normale quand le nombre d’observations ou de ddl devient grand.

On compare la valeur du χ2 à celle de la table pour un seuil de signification donné et

on rejette ou non l’hypothèse nulle si le χ2 calculé est supérieur ou inférieur à celui
de la table.

ddl = 10

ddl = 20

32
Cours de biostatistique

Non rejet de H0

Rejet de H0

χ2

4.1 - Test d’ajustement : test d’hypothèses que la différence entre les résultats
observés et les résultats théoriques est lié au hasard dans le cas d’une seule
modalité.

Exemple : cas du dihybridisme : dans le cas du croisement de deux variétés de

maïs différents par deux caractères couleur (Violet et jaune) et aspect du
tégument (Lisse ou ridé), les résultats attendus sur les phénotypes à la
deuxième génération sont : 9 VL ; 3 Vr ; 3 jL ; 1 jr.
Une expérimentation donne les résultats suivants : 632 ; 198 ; 206 ; 58

Formulation de HO : il n’y a pas de différence entre les f observées et les f

théoriques

Tableau des fréquences

Phénotypes Fréquences Fréquences ( f obs − f th ) 2

observées théoriques f th

Grains violets lisses 632 (9/16)1094 = 615,4 0,4478

Grains violets ridés 198 (3/16)1094 = 205,1 0,2458
Grains jaunes lisses 206 (3/16)1094 = 205,1 0,0039
Grains jaunes ridés 58 (1/16)1094 = 68,4 1,5813
Total 1094 Σ = Χ2 = 2,2788

Pour un seuil de signification de 95 %, χ2 de la table = 7,82  χ2 calculé < χ2

table, donc on ne rejette pas l’hypothèse nulle, on ne montre pas de différence
33
Cours de biostatistique

significative entre les f observées et les f théoriques ; il est vraisemblable que

la loi du dihybridisme de Mendel s’applique à cet échantillon.

4.2– Test d’homogénéité d’un tableau de contingence.

Il s’agit du test de χ2 dans le cas de plusieurs modalités. Exemple, dans le cas de
l’étude des effets secondaires d’un médicament sur 679 patients ayant reçu le
médicament et 671 patients ayant reçu la placebo, on a les résultats suivants :

Placebo Médicament Total

Céphalées 21 21 42
Nausées 7 9 16
Somnolence 6 9 15
Fatigue 6 7 13
total 40 46 86

Tableau de la forme :
Colonne Colonne j Total
i
1 1 n1
. . .
. . .
i j ni
total ci cj T
ni x c j
On calcule les fréquences théoriques ft ij =
T
( foij − ft ij ) 2

Puis le χ 2
= ∑ ft ij
pour un ddl =(nb de lignes -1) (nb de colonne – 1)

Placebo Médicament Total

Céphalées 21 21 42
Nausées 7 9 16
Somnolence 6 9 15
Fatigue 6 7 13
total 40 46 86

Placebo Médicament
Céphalées 19,5349 22,4651
Nausées 7,4419 8,5581
Somnolence 6,9767 8,0233
Fatigue 6,0451 6,9535

34
Cours de biostatistique

2
χ = 1,188
Pour un seuil de signification de 95 %, χ2 de la table = 7,82  χ2 calculé < χ2
table, donc on ne rejette pas l’hypothèse nulle, on ne montre pas de différence
significative entre les f observées et les f théoriques ; il est vraisemblable que
le médicament n’a pas d’effets secondaires.

35