(*) Université de Thiès, fndiop@gmail.

com

3 novembre 2021
Estimation et Tests d’hypothèses :

Université de Thiès —
UFR Sciences Économiques et Sociales — Département Management des Organisations
Table des matières

1 Échantillonnage et Distributions d’échantillonnage 2

1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2 L’échantillonnage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2.1 Population mère et variable statistique parente . . . . . . . . . . . 3
1.2.2 Variable aléatoire parente et échantillon aléatoire simple . . . . . . 3
1.2.3 Constitution pratique des échantillons . . . . . . . . . . . . . . . . 8
1.2.4 Autres méthodes d’échantillonnage . . . . . . . . . . . . . . . . . 9
1.3 Introduction aux distributions d’échantillonnages . . . . . . . . . . . . . . 11
1.3.1 Échantillonnage de certains moments . . . . . . . . . . . . . . . . 11
1.3.2 Distribution d’échantillonnage . . . . . . . . . . . . . . . . . . . . 13

2 Estimation ponctuelle et par intervalles 15

2.1 Estimation ponctuelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.1.1 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.1.2 Estimateur optimal . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.1.3 Méthode du maximum de vraisemblance . . . . . . . . . . . . . . 17
2.1.4 Information de Fisher . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.1.5 Inégalité de Cramer-Rao . . . . . . . . . . . . . . . . . . . . . . . 18
2.1.6 Efficacité d’un estimateur . . . . . . . . . . . . . . . . . . . . . . 18
2.1.7 Quelques statistiques classiques . . . . . . . . . . . . . . . . . . . 18
2.2 Estimation par intervalles . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.2.1 Estimation par intervalle d’une proportion p . . . . . . . . . . . . . 22
2.2.2 Estimation par intervalle d’une moyenne µ . . . . . . . . . . . . . 23
2.2.3 Estimation par intervalle d’une variance σ 2 . . . . . . . . . . . . . 23

3 Tests d’hypothèses paramétriques 25

3.1 Introduction à la notion de tests et domaines d’application des tests . . . . . 25
3.1.1 Principe d’un test d’hypothèse . . . . . . . . . . . . . . . . . . . . 25
3.1.2 Formalisation d’un problème général de test . . . . . . . . . . . . . 26
3.1.3 Méthode de Neyman et Pearson . . . . . . . . . . . . . . . . . . . 27
3.1.4 Démarche à suivre dans l’élaboration d’un test d’hypothèse . . . . 28
3.2 Tests de conformité d’une moyenne, d’une proportion et d’une variance . . 29
3.2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
3.2.2 Test de conformité d’une moyenne . . . . . . . . . . . . . . . . . . 29
3.2.3 Tes de conformité d’une proportion . . . . . . . . . . . . . . . . . 31

1
3.2.4 Test de conformité d’une variance . . . . . . . . . . . . . . . . . . 32

2
Chapitre 1

Échantillonnage et Distributions
d’échantillonnage

1.1 Introduction
Pour des raisons évidentes, il est souvent impossible d’étudier les caractéristiques de tous
les éléments d’une population. On se limite donc à l’étude d’échantillons.
Nous verrons comment sélectionner un échantillon à partir d’une population finie grâce
à la méthode d’échantillonnage aléatoire simple et comment un échantillon aléatoire peut
être issu d’une population infinie générée par un processus. Nous verrons ensuite comment
utiliser les données obtenues à partir de l’échantillon pour estimer la moyenne, l’écart type
ou une proportion de la population. De plus, nous introduirons le concept de distribution
d’échantillonnage. Comme nous le montrerons, la connaissance de la distribution d’échan-
tillonnage appropriée est ce qui nous permet de conclure quant à la justesse des résultats de
l’échantillon. La dernière section traite des méthodes d’échantillonnage aléatoire alternatives
à l’échantillonnage aléatoire simple, qui sont souvent employées dans la pratique.
Grâce à la théorie de l’échantillonnage, on peut, à partir des observations faites sur un
échantillon, estimer un paramètre dont la valeur est inconnue sur la population, soit en don-
nant une valeur approchée de ce paramètre (estimation ponctuelle), soit en déterminant un
intervalle auquel on peut attribuer un certain degré de confiance (estimation par intervalle
de confiance).

1.2 L’échantillonnage
Exemple 1.2.1. En 2003, la Finlande comptait 2 657 000 véhicules. Une étude exhaustive
de cette population de véhicules a permis de montrer que :
— Le nombre moyen de kilomètres parcourus en 2003 est m = 18 740 km.
— L’écart type du nombre de kilomètres parcourus est e = 2100 km.
On choisit au hasard un échantillon de 1 000 véhicules. Deux questions sont à élucider :
— Quel sera le nombre moyen de kilomètres parcourus observé dans l’échantillon ?
— Quel sera l’écart type du nombre de kilomètres parcourus observé dans l’échan-
tillon ?

3
Le problème consiste à déduire de la moyenne et de l’écart type connus dans la population
mère les valeurs probables de ces mêmes paramètres dans l’échantillon.
le raisonnement déductif à mener est moins simple qu’il y paraît à première vue, car
l’échantillon est constitué au hasard. Ainsi, il y a un très grand nombre d’échantillons de
taille 1 000 qui peuvent être extraits de la population mère. D’un échantillonà l’autre, le
kilométrage moyen varie, ainsi que l’écart type du kilométrage.

Pour pouvoir tirer de l’observation d’un échantillon des informations relatives à la popu-
lation toute entière, et si possible préciser quelle fiabilité on peut donner à ces informations,
il est nécessaire dans un premier temps de déterminer la distribution probabiliste du pa-
ramètre étudié, sur l’ensemble de tous les échantillons de la taille choisie. On détermine
cette distribution en fonction des paramètres supposés connus sur la population.

1.2.1 Population mère et variable statistique parente

Les notions de population, d’individus et de variables statistiques ont été définies dans la
partie statistiques descriptives. À présent, la problématique principale repose sur la distinc-
tion entre la population étudiée dans sa totalité, à l’aide d’une variable statistique, et le ou
les échantillons d’individus issus de cette population.

Définition 1.2.1. 1. La population totale sur laquelle porte l’étude s’appelle la popu-
lation mère. Elle est notée P.
2. La taille de cette population mère est notée N.
3. La variable statistique qui associe à chaque individu de la population mère une mo-
dalité s’appelle la variable statistique parente. La variable statistique parente est
notée XS . La moyenne et l’écart type de XS sont respectivement notés m et e.

Exemple 1.2.2. Dans l’exemple précédent, la population mère P est constituée de tous les
véhicules répertoriés en Finlande en 2003. La taille N est égale à 2 657 000. La variable
statistique parente est l’application XS , qui associe à chaque véhicule du parc automobile
le nombre de kilomètres parcourus en 2003. La moyenne de XS sur P est m = 18740 km,
l’écart type de XS sur P est e = 2100 km.

1.2.2 Variable aléatoire parente et échantillon aléatoire simple

La construction d’échantillons suppose de réaliser des expériences aléatoires et donc
d’utiliser des variables aléatoires.

Variable aléatoire parente

L’expérience aléatoire ε consiste à choisir un véhicule dans la population mère P.
Soit X la variable aléatoire qui associe au véhicule tiré le nombre de kilomètres parcourus
en 2003.
La définition de cette variable aléatoire X est “calquée” sur celle de la variable statistique
parente XS , dans le sens où le mécanisme d’association est le même :

4
 • A chaque individu de la population, XS associe le nombre de kilomètres parcourus en
2003.
• A chaque événement élémentaire de l’univers des possibles, X associe également
également le nombre de kilomètres parcourus en 2003.
Il convient toutefois de remarquer que, d’un point de vue théorique, XS et X sont fondamen-
talement différentes. En effet, XS est une variable statistique qui a une distribution observée,
une moyenne m et un écart type e. L’application X est une variable aléatoire qui a une
distribution de probabilité (ou loi de probabilité), une espérance µ et un écart type σ.

Définition 1.2.2. Soit XS une variable statistique parente définie sur une population mère P.
Soit ε l’expérience aléatoire qui consiste à choisir au hasard un individu dans la population
mère P.
Soit Ω l’univers des possibles associé à ε.
1. La variable aléatoire parente X est la variable aléatoire qui associe à chaque événe-
ment élémentaire de Ω une réalisation suivant le même processus d’association que
XS .
2. L’espérance et l’écart type de X sont respectivement notés µ et σ.

L’exemple qui suit s’intéresse au lien numérique entre les paramètres m et µ et les para-
mètres e et σ.

Exemple 1.2.3 (Matchs de hand-ball et exclusions pour 2 min). Dans le département des
Landes, 20 équipes féminines participent au championnat Excellence de hand-ball. Lors
de la saison 2011-2012, ces équipes ont joué 50 matchs (38 matchs de championnat et 12
matchs de coupe). Les arbitres de ces 50 matchs ont noté sur chaque feuille de match le
nombre d’exclusions pour 2 min lors de la partie.
La variable statistique parente XS associe à chacun des matchs le nombre d’exclu-
sions pour 2 min. La distribution observée de XS est consignée dans le tableau suivant
Nombre d’exclusions pour 2 min (modalités xj ) 0 1 2 3 4 5
Effectifs nj 10 4 8 15 10 3
Fréquences observées fj 0,20 0,08 0,16 0,30 0,20 0,06
Le nombre moyen d’exclusions pour 2 min est égal à :
5
X
m= fj · xj = 0, 2 · 0 + 0, 08.1 + 0, 16.2 + 0, 3.3 + 0, 2.4 + 0, 06.5 = 2, 4.
j=0

La variance du nombre d’exclusions est égale à (propriété de Koenig) :

5
X
2
fj ·x2j = 0, 2 · 02 + 0, 08.12 + 0, 16.22 + 0, 3.32 + 0, 2.42 + 0, 06.52 −2, 42 = 2, 36.


e =
j=0

L’écart type du nombre d’exclusions est donc égal à e = 1, 54.

Supposons à présent que l’on choisisse au hasard un match parmi les 50 matchs de la
saison (expérience ε). L’univers des possibles Omega associé à ε contient 50 événements

5
élémentaires ωi qui représentent chacun un match. L’expression “choisi au hasard” est
modélisée par l’équiprobabilité des événements élémentaires. Ainsi, pour tout événement
1
élémentaire i, on pose P (ωi ) = 50 .
Soit X la v.a. qui associe au match tiré le nombre d’exclusions pour 2 min. Il vient :
1 1 1
P [X = 0] = 10. = 0, 2; P [X = 1] = 4. = 0, 08; P [X = 2] = 8. = 0, 16;
50 50 50

1 1 1
P [X = 3] = 15. = 0, 3; P [X = 4] = 10. = 0, 2; P [X = 5] = 3. = 0, 06.
50 50 50
La loi de probabilité de la variable aléatoire X est donc :

x 0 1 2 3 4 5
P [X = x] 0,2 0,08 0,16 0,3 0,2 0,06
Par construction, c’est-à-dire compte tenu de la définition de l’expérience aléatoire ε et de
la définition de la variable aléatoire parente X, calquée sur celle de la variable statistique
parente XS :
• Les valeurs des réalisations de X sont les mêmes que les valeurs des modalités de
XS .
• Les valeurs numériques des probabilités des réalisations de X sont égales aux valeurs
numériques des fréquences des modalités de XS .
Par conséquent :
5
X
E (X) = µ = pi .xi = 0, 2.0 + 0, 08.1 + 0, 16.2 + 0, 3.3+, 0, 2.4 + 0, 06.5 = 2, 4.
i=0

Ainsi, la valeur numérique de µ est égale à la valeur numérique de m.

De même, la valeur numérique de σ est égale à la valeur numérique de e.

Proposition 1.2.1.

Soit :
1. XS est une variable statistique parente définie sur une population mère P ,
2. ε l’expérience aléatoire qui consiste à choisir au hasard un individu dans la popula-
tion mère P.
3. Ω l’univers des possibles associé à ε,
4. X la variable aléatoire parente qui associe à chaque événement élémentaire de Ω une
réalisation suivant le même processus d’association que XS .
Alors :
1. La moyenne m de XS est égale à l’espérance µ de X.
2. L’écart type e de XS est égale à l’écart type σ de X.

6
 Les valeurs de m et µ ainsi que celles de e et σ sont égales, moyennant l’hypothèse
que le tirage dans la population mère est réalisé au hasard (du fait que la modélisation par
l’équiprobabilité sur Ω dont découlent les égalités numériques des paramètres). D’un point
de vue pratique l’hypothèse d’équiprobabilité est essentielle. L’exemple qui suit illustre ce
point .

Exemple 1.2.4. Un institut de sondage veut tirer au hasard un échantillon de taille 1 000
dans la population des adultes vivant en France. Pour que chaque individu ait la même
probabilité d’être tirée dans l’échantillon, il faut :
• disposer de la base complète de sondage, c’est-à-dire de la liste exhaustive (et actua-
lisée) de tous les adultes vivant en France à une date précise,
• numéroter ensuite chaque individu de la base,
• puis utiliser un système de type “boule de loto”, pour choisir au hasard 1 000 indivi-
dus.

Echantillon aléatoire simple

Reprenons l’exemple du nombre de kilomètres parcourus par les véhicules répertoriés
en Finlande. Pour construire un échantillon de taille n = 1000, l’expérience aléatoire ε est
répétée 1 000 fois.

Remarque 1.2.1. Méthode

• Présenter chaque concept ayant un rapoort avec le hasard, tel qu’il est perçu et/ou
décrit dans le “monde réel”.
• Construire le modèle de ce concept dans le “monde artificiel” de notre théorie des
probabilités.

Dans le monde réel, un échantillon de taille 1 000 est :

— soit les 1 000 véhicules choisis au hasard (c’est un sous-ensemble de 1 000 indi-
vidus de la population mère P),
— soit des 1 000 kilométrages effectués par ces véhicules (il s’agit donc de 1 000
modalités observées ).
Dans le monde artificiel des probabilités, un échantillon de taille 1 000 est modélisé
par un ensemble de 1 000 variables aléatoires “associées” à n = 1000 expériences
aléatoires.
• X1 est la variable aléatoire qui associe au premier véhicule choisi le nombre de
kilomètres parcourus en 2003.
• X2 est la variable aléatoire qui associe au second véhicule choisi le nombre de
kilomètres parcourus en 2003.
..
• .
.
• ..
• X1000 est la variable aléatoire qui associe au millième véhicule choisi le nombre de
kilomètres parcourus en 2003.

7
Remarque 1.2.2. Ainsi définies, les 1 000 v.a. Xi suivent la même loi de probabilité que la
v.a. parente X (avec les mêmes paramètres, exemple même espérance et même écart type).
Un tel échantillon de taille n peut être constitué
avec remise : chaque élément tiré est remis dans la population avant le tirage de l’élé-
ment suivant, on peut donc tirer plusieurs fois le même élément, et les n variables
aléatoires Xi sont indépendantes, ou
sans remise : un échantillon est alors un sous-ensemble de Ω.
— Si le rapport τ = Nn , appelé taux de sondage, est suffisamment faible (inférieur à
1
10
), alors les n variables aléatoires Xi sont considérées indépendantes.
— Si le rapport τ = Nn est trop élevé, alors les variables aléatoires qui constituent
l’échantillon ne sont pas indépendantes.
Définition 1.2.3. Un échantillon aléatoire simple de taille n (e.a.s.) issu de la variable aléa-
toire (v.a.) parente X est un n-uplet (X1 , X2 , · · · , Xn ), appelé également vecteur aléatoire,
où :
1. Les n v.a. Xi suivent la même loi de probabilité que la v.a. parente X.
2. Les n v.a. Xi sont indépendantes.
Un tel échantillon est noté n-EAS.
Exemple 1.2.5. Dans l’exemple, le taux de sondage τ = 2657000 1000
. τ = 0, 04% < 10%, donc
(X1 , X2 , · · · , Xn ) est considéré comme un 1000-EAS issu de la v.a. parente X.
Exemple 1.2.6. Ω est un ensemble de paquets de riz “premier prix”. 10 % d’entre eux sont
percés. On prélève un échantillon de 10 paquets.
Supposons d’abord que la population est constituée des 50 paquets placés sur le rayon
d’une épicerie, 5 d’entre eux étant percés.
Si le prélèvement est effectué avec remise, la proportion de paquets défectueux dans la
population reste de 10 % et la probabilité de tirer un paquet percé de 0, 1 à chaque tirage.
Si le prélèvement est effectué sans remise, les tirages ne sont plus indépendants puisque
la proportion de paquets défectueux varie au fil des tirages. En effet, après tirage du premier
paquet, il reste 49 paquets dont 5 percés (soit environ 10,2 %) si le premier ne l’est pas, ou
4 percés (soit environ 8,2 %) si le premier l’est.
Par contre si la population Ω considérée est l’ensemble des paquets de riz de même type
à la sortie de l’usine d’ensachage (population “infinie”), la proportion de paquets percés
(10 %), ne sera pas modifiée (ou le sera de façon tout à fait négligeable), que le prélèvement
soit exhaustif ou non.
Les résultats donnés dans tout le chapitre ne sont applicables que si l’on a indépendance
des tirages, on considérera donc des échantillons constitués avec remise, ou éventuellement
sans remise si Ω peut être assimilée à une population de taille infinie.

Echantillonnage à partir d’une population finie

Définition 1.2.4. Un échantillon aléatoire simple de taille n, issu d’une population finie de
taille N, est un échantillon sélectionné de manière à ce que chaque échantillon possible de
taille n ait la même probabilité d’être sélectionné.

8
 Une procédure de sélection d’un échantillon aléatoire simple, à partir d’une population
finie, consiste à choisir les éléments de l’échantillon un par un, de façon à ce que les n
éléments restants dans la population aient la même propabilité d’être sélectionné.

Remarque 1.2.3. Des nombres aléatoires générés par ordinateur peuvent également être
utilisés pour procéder à la sélection d’un échantillon aléatoire. Excel possède une fonction
de génération de nombres aléatoires.

La procédure d’échantillonnage peut se faire sans remise (la plus utilisée) ou bien avec
remise.

Echantillonnage à partir d’une population infinie

Définition 1.2.5. Un échantillon aléatoire de taille n, issu d’une population infinie est un
échantillon sélectionné qui satisfait les conditions suivantes.

1.2.3 Constitution pratique des échantillons

Échantillons aléatoires simples
Nous nous situerons dans le cas, le plus fréquent, où l’on veut que tous les éléments de la
population-mère aient la même probabilité d’appartenir à l’échantillon prélevé. C’est le cas
en audit comptable, lorsque l’on constitue un échantillon de factures à vérifier, ou en contrôle
de qualité, lorsque l’on constitue un échantillon de pièces à tester. On doit alors :
— constituer une base de sondage, c’est-à-dire répéter distinctement tous les éléments
de la population-mère : dans le cas de l’audit comptable, on pourra, par exemple,
utiliser les numéros de factures émises ;
— fixer la taille de l’échantillon à partir de la précision souhaitée (la précision des es-
timations croît avec la taille de l’échantillon) et du temps disponible (le temps d’exa-
men, et donc son coût, croissent également avec la taille de l’échantillon) ;
— organiser le tirage de telle manière que chaque élément de la population-mère ait
la même probabilité d’être tiré ; on utilise pour cela des nombres au hasard pris dans
une table ou générés en ordinateur par un programme spécifique (nombres pseudo-
aléatoires).
Une table de nombres au hasard fournit une suite de milliers de chiffres de 0 à 9, analogue à
celle que l’on pourrait obtenir en effectuant des milliers de tirages avec remise dans une urne
comprenant 10 boules numérotées de 0 à 9.

Exemple 1.2.7. Constitution d’un échantillon de factures de ventes :

— nombre de factures émises durant l’exercice : 7 437 ;
— numéros : de 1 550 à 8 986 inclus ;
— taille de l’échantillon à prélever : 50.
Extrait d’une table de nombres au hasard :

9
 93 22 53 64 39 07 10 63 76 35 87 03 04 79 88 08 13 13 85 51
55 34 57 72 69 78 76 56 54 74 92 38 70 96 92 52 06 79 79 45
82 63 18 27 44 69 66 92 19 09 23 68 35 26 00 99 53 93 61 28
52 70 05 48 34 56 65 05 61 86 90 92 10 70 80 15 39 25 70 99
... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...

(Les chiffres ne sont regroupés en colonnes que pour faciliter la lecture).

Mode d’utilisation de la table :

— on choisit un point de départ et un sens de lecture : on commencera par exemple à la
deuxième colonne de la première ligne, en lisant les chiffres de gauche à droite et de
haut en bas ;
— les numéros des factures ayant 4 chiffres, on associe à chaque groupe de 4 chiffres
lus dans la table un numéro de facture sélectionnée ; on exclut les nombres inférieurs
à 1 550 et les nombres supérieurs à 8 986 ; on s’arrête lorsque l’on dispose des 50
numéros souhaités.
0710 - 6376 - 3587 - ✘
✘ ✘✘ ✘✘ - 7988 - ✘
0304 ✘✘ - ✘
0813 ✘✘ - 5155 - 3457 - 7269 - 7876 - 5654 - 7492 -
1385
3870 - ✘ ✘✘ - 5206 - etc.
9692

Remarque 1.2.4. Il est important de lire la table strictement dans le sens choisi, qu’il soit
horizontal ou vertical, et sans omissiom ;

1.2.4 Autres méthodes d’échantillonnage

Échantillonnage aléatoire stratifié La population à étudier est décomposée en sous-ensembles
disjoints et homogènes appelés strates. L’élément de base qui définit une strate, tel qu’un
service, un lieu, un âge, un type d’industrie, etc., est laissé à la discrétion du créateur de
l’échantillon. Cependant, de meilleurs résultats sont obtenus lorsque les éléments de chaque
strate sont aussi semblables que possible.
Le critère de stratification doit être lié à la variable étudiée pour assurer l’homogénéité des
strates. Un échantillon aléatoire est prélevé dans chaque strate.
L’échantillonnage stratifié présente un double intérêt :
— il améliore la précision des estimations de paramètres relatifs à la population-mère ;
— il fournit des informations (estimations) sur chaque strate et il n’est pas rare que l’on
s’intéresse autant aux caractéristiques de chaque strate qu’à celles de la population
toute entière.
Population

Strate 1 Strate 2 ··· Strate H

10
Échantillonnage par grappes Les grappes sont composées de façon hétérogène et donc
sont représentatives de la population.
Exemple : les classes d’une école de deuxième cycle au secondaire.

Échantillonnage systématique Lorsque les éléments de la population-mère sont déjà ran-

gés de manière aléatoire, ou dans un ordre sans importance pour le phénomène étudié, on
peut tirer systématiquement un élément tous les k (si l’on veut que l’échantillon ait un ef-
fectif k fois plus petit que la population-mère) après avoir déterminé de manière aléatoire
le numéro d’ordre du premier élément à prélever (parmi k). Ce type de sondage doit être
prélevé avec beaucoup de précautions : la périodicité des prélèvements ne doit pas en altérer
le caractère aléatoire.

Exemple 1.2.8. Constitutuion d’un échantillon de pièces fabriquées par une machine :
— production quotidienne :6000 pièces ;
— taille de l’échantillon quotidien à prélever : 60 parmi une population contenant 5000
pièces, soit 1 pièce sur 6000/60=100.
Chaque jour, le numéro d’ordre de la pièce à prélever parmi les 100 premières (numérotées
de 00 à 99) sera déterminé par lecture d’un nombre au hasard de 2 chiffres. En commençant
à la 3e ligne de la table précédente et en choisissant une lecture horizontale on aura :
— le 1er jour : numéro lu : 82 ; on prélèvera la 83e pièce fabriquée par la machine ;
— le 2e jour : numéro lu : 63 ; on prélèvera la 64e pièce fabriquée par la machine ; etc.
Les pièces prélevées pour constituer l’échantillon à contrôler seront
— le 1er jour : la 83e , la 183e , la 283e , . . . jusqu’à la 5983e ;
— le 2e jour : la 64e , la 164e , la 264e , . . . jusqu’à la 5964e .

Échantillonnage à deux degrés Il est réalisé en particulier lorsque les éléments de la

population-mère sont dispersés géographiquement et que l’étude impose à l’enquêteur de
se déplacer. Pour minimiser ces déplacements on peut :
— regrouper les éléments de la population en sous-ensembles disjoints appelés unités
primaires (zones géographiques) et prélever au hasard quelques une de ces unités
(premier degré du sondage).
— prélever au hasard quelques éléments ou unités secondaires dans chaque unité pri-
maire tirée au sort (deuxième degré du sondage).
Alors qu’un échantillonnage à un degré conduit à numéroter tous les éléments de la
population-mère, l’échantillonnage à deux degrés limite les numérotations aux unités pri-
maires d’une part et aux éléments des seules unités primaires tirées au sort d’autre part. En
général, on considère que la précision des sondages à deux degrés est inférieure à celle des
échantillonnage à un degré.

Exemple 1.2.9. Constitution d’un échantillon de 200 salons de coiffures situés en France
(exceptés les DOM-TOM).
Les unités primaires pourraient être les départements français, numérotés de 1 à 97, et
dix d’entre eux pris au hasard ;
Dans chaque département, tous les salons de coiffure seraient numérotés et 20 d’entre
eux pris au hasard.

11
Échantillonnage raisonnés ou empiriques Les sondages aléatoires supposent la confec-
tion d’une liste numérotée de tous les éléments de la population-mère (sondages à un degré)
ou d’une liste des unités primaires et d’une liste des éléments qui les constituent (sondages à
deux degrés). La confection de ces listes est parfois matériellement impossible. On s’efforce
alors de construire, de manière raisonnée, un échantillon “représentatif” de la population
étudiée, c’est-à-dire une sorte de modèle réduit de cette population. Un tel échantillon est dit
raisonné ou empirique.
La méthode des quotas propose une démarche de construction d’un échantillon empi-
rique. Elle consiste à :
— repérer les facteurs (caractères qualitatifs ou quantitatifs des éléments) susceptibles
d’affecter le phénomène étudié ;
— déterminer pour chaque facteur, la distribution des éléments de la population-mère ;
— consistuer un échantillon respectant la structure de ces distributions.

Exemple 1.2.10. Sondage d’opinion politique des électeurs de la région R sur un échan-
tillon de 500 personnes :
Trois facteurs déterminants de l’opinion sont retenus : l’âge de l’électeur, son sexe, et
son activité professionnelle.
La population-mère se distribue ainsi (distributions marginales ou quotas) :
— suivant l’âge : 18 à 29 ans : 24 % ; 30 à 59 ans : 46 % ; 60 ans et plus : 30 % ;
— suivant le sexe : masculin : 48 % ; féminin : 52 % ;
— suivant l’activité professionnelle : agriculteurs : 2 % ; commerçants et artisans : 6
% ; cadres moyens et employés : 29 % ; cadres supérieurs et professions libérales :
21 % ; ouvriers : 8 % ; autres : 34 %.
L’échantillon devra respecter ces quotas et comprendre par exemple 150 personnes de plus
de 60 ans (500 × 0,30), 360 femmes (500 × 0,52), 40 ouvriers (500 × 0,08), etc.
Outre ces distributions marginales, il devra également respecter autant que possible les
distributions croisées des trois facteurs, même si elles ne sont connues qu’approximative-
ment. Par exemple si l’on sait que 70 % des ouvriers sont de sexe masculin dans la région R,
il faudra que, parmi les 40 ouvriers de l’échantillon, 28 (40 × 0,70) soient des hommes.
La méthode des quotas est extrêmememt utilisée, non seulement parce qu’elle est souvent
la seule possible, c’est le cas en marketing pour les études de marché, mais aussi parce
qu’elle est moins coûteuse que les sondages aléatoires et qu’elle donne de très bons résultats
si elle est appliquée avec soin.
Cependant, dans la mesure où elle ne repose sur aucun fondement de théorie statistique,
elle ne permet pas de mesurer la précision des estimations faites à partir de l’échantillon,
contrairement aux sondages aléatoires.

1.3 Introduction aux distributions d’échantillonnages

1.3.1 Échantillonnage de certains moments
Définition 1.3.1. Soit X une variable aléatoire définie sur Ω.
On note m l’espérance de X, et σ l’écart type de X. (Les valeurs de m et σ sont ici
supposés connues.)

12
 n étant un entier fixé, on considère (X1 , X2 , · · · , Xn ) un échantillon aléatoire simple de
taille n issu de la variable aléatoire parente X.
1. La statistique ou moyenne empirique de l’échantillon est la variable aléatoire
n
1X
X̄n = Xi .
n i=1

2. La statistique Sn2 ou variance empirique de l’échantillon est la variable aléatoire

n
1X
2
Sn2 = Xi − X̄n .
n i=1

3. La statistique Sn ou écart-type empirique de l’échantillon est la variable aléatoire

v
u n
u1 X
2
Sn = t Xi − X̄n .
n i=1

Proposition 1.3.1. Si (X1 , X2 , · · · , Xn ) est un n-EAS issu de la variable

σ2 aléatoire parente
X d’espérance µ et d’écart-type σ, alors E X̄n = µ et V ar X̄n = n .

Démonstration.
n

1X 1
E X̄n = E (Xi ) = nµ = µ
n i=1 n
n
! n

1 X 1 X 1 2 σ2
V X̄n = V X i = V (X i ) = nσ = .
n2 i=1
n2
i=1
n2 n

d’après l’indépendance des Xi .

Le théorème central limite (TCL)

L’étude de sommes de variables indépendantes et de même loi joue un rôle capital en
statistique.

Théorème 1.3.1. Soit (Xn ) une suite de variables aléatoires indépendantes de même loi
d’espérance µ et d’écart-type σ. Alors :

X̄n − µ Loi
√ −−→ N (0; 1) .
σ/ n

Nous considérons ici des suites de variables aléatoires X1 , X2 , · · · , Xn non nécessaire-

ment de même loi.

13
Proposition 1.3.2 (Loi des grands nombres). Loi faible des grands nombres Soit X1 , X2 , · · · , Xn
indépendantes d’espérance m1 , m2 , · · · , mn finies et de variance σ12 , σ22 , · · · , σn2 fi-
nies.
n n n
1X 1 X 2 1X
Si mi → m et si 2 σ → 0, alors X̄n = Xi est tel que :
n i=1 n i=1 i n i=1

P
X̄n −
→ m.
n
1X
Loi forte des grands nombres Soit X1 , X2 , · · · , Xn indépendantes telles que mi →
n i=1
∞
X σi2
m et est convergente ; alors :
i=1
i2

ps
X̄n −
→ m.

Distribution D’après le TCL

X̄n − µ Loi
√ −−→ N (0; 1) .
σ/ n

Ce résultat est très important en Statistique.

∞
ps
X σ2 i
Application : Cas des échantillons : On voit que X̄n −
→ m car la condition 2
i=1
i
convergente est réalisée puisque :
∞ ∞
X σ2 i
X 1
2
= σ2
i=1
i i=1
i2

X1
et l’on sait que la série converge.
i2

Le théorème central limite (TCL)

L’étude de sommes de variables indépendantes et de même loi joue un rôle capital en
statistique.
Le TCL est à la base de toute la théorie statistique.

1.3.2 Distribution d’échantillonnage

Pour un indicateur statistique (par exemple la moyenne), la moyenne), la notion de dis-
tribution (ou loi) d’échantillonnage est capitale : elle précise à quelles valeurs de l’indicateur
on peut s’attendre a priori lorsque l’on tire l’échantillon.

14
Distribution d’échantillonnage de la moyenne
Théorème 1.3.2. Soit (Xn ) une suite de variables aléatoires indépendantes de même loi
n
1X 2
d’espérance µ et d’écart-type σ. X̄n = Xi , E X̄n = µ, V X̄n = σn .



n i=1
• Si l’échantillon est normal Xi ∼ N (µ, σ)
• Si l’échantillon est de Bernoulli Xi ∼ B (1, p) et si min (np, n(1 − p)) ≥ 5
• Si l’échantillon est quelconque et n ≥ 30
alors
X̄n − µ Loi
√ −−→ N (0; 1) .
σ/ n
Remarque 1.3.1. Dans le cas d’un échantillon de Bernoulli, ce théorème s’écrit :
P0 − p Loi
p pq −−→ N (0; 1) .
n

— Si Xn ∼ B (n, p) alors
Xn − np Loi
√ −−−−→ N (0; 1) .
npq n→+∞
— Si Xn ∼ B (n, p), si n est grand, alors

X ≈ N (np; npq) .

— Si Xλ ∼ P (λ) alors
Xλ − λ Loi
√ −−−−→ N (0; 1) .
λ n→+∞

Distribution d’échantillonnage de la variance

Soit (Xn ) une suite de variables aléatoires indépendantes de même loi d’espérance µ et
d’écart-type σ.
Cas 1. Lorsque l’échantillon est gaussien, alors les Xi suivent une loi normale et sont
indépendantes. Une démonstration qui fait appel à la définition de la loi du Khi-deux
et du théorème de Cochran permet de montrer que la variable aléatoire

nSn2
χ2n−1 .
σ2
Cas 2. Lorsque l’échantillon n’est pas gaussien mais qu’il est de grande taille (n au
moins égal à 30), l’application du TCL permet de montrer que la variance empirique
tend vers une loi normale.
Cas 3. Lorsque l’échantillon n’est gaussien ni de grande taille, une étude au cas par cas
permet éventuellement de déterminer la loi de la variance empirique.

15
Chapitre 2

Estimation ponctuelle et par intervalles

La théorie de l’échantillonnage suppose que la caractéristique de la population qui fait

l’objet de l’étude soit connue. On déduit de cette connaissance ce que l’on doit trouver au
niveau de la distribution d’échantillonnage.
L’estimation est une démarche inverse : on ignore la valeur de la caractéristique au niveau
de la population, on induit cette valeur à partir d’un ou de plusieurs échantillons représenta-
tifs de la population. L’estimation peut être ponctuelle ou comprise dans un intervalle.

2.1 Estimation ponctuelle

Soit X une variable aléatoire dont la densité de probabilité f (x, θ) dépend d’un paramètre
θ appartenant à Rk .
Au vu d’un échantillon de X il s’agit de déterminer au mieux la “vraie” valeur θ0 de θ.
L’estimation ponctuelle consiste à calculer une valeur vraisemblable θ de θ0 .

2.1.1 Définitions
Soit X une variable aléatoire de densité f (x, θ) appartenant à un intervalle I de R.
Définition 2.1.1. Un n-échantillon (ou échantillon de taille n) de X est un n−uplet (X1 , X2 , . . . , Xn )
tel que les Xi ont la même loi que X et sont indépendants.
Définition 2.1.2. Une réalisation de l’échantillon est un n−uplet (x1 , x2 , . . . , xn ) où les xi
sont des nombres réels, résultats d’expériences.
Définition 2.1.3. Une statistique de l’échantillon est une variable aléatoire ϕ (X1 , X2 , . . . , Xn )
où ϕ est une application de Rn dans R.
Les statistiques sont utilisées pour estimer les caractéristiques de la population totale. Les
statistiques les plus utilisées sont la moyenne empirique, la variance empirique, la fréquence
empirique.
Définition 2.1.4. Un estimateur T de θ est une statistique à valeurs dans I.
[Biais d’un estimateur]

16
Définition 2.1.5. Le biais de l’estimateur est

b(θ) = E(T ) − θ.

S’il est nul T est un estimateur sans biais.

Définition 2.1.6. L’estimateur est asymptotiquement sans biais si

lim E(Tn ) = θ0 .
n→∞

Définition 2.1.7. L’estimateur est convergent si la suite (Tn ) converge en probabilité vers
θ0 :
∀ε > 0, P (|Tn − θ0 | > ε) −−−→ 0.
n→∞

Un moyen simple de vérifier cette propriété de convergence est donner dans le théorème
qui suit.
Théorème 2.1.1. Tout estimateur sans biais dont la variance tend vers zéro est convergent :

Eθ (Tn ) = θ P
⇒ Tn −−−→ θ.
Vθ (Tn ) → 0 n→∞

Démonstration. D’après l’inégalité de Bienaymé-Tchebychev :

Vθ (Tn )
∀ε > 0, P (|Tn − θ0 | > ε) ≤ −−−→ 0.
ε2 n→∞

Théorème 2.1.2. Un estimateur convergent est asymptotiquement sans biais. Pour qu’un
estimateur asymptotiquement sans biais soit convergent il suffit que

V(Tn ) −−−→ 0.
n→∞

2.1.2 Estimateur optimal

Définition 2.1.8 (Qualité d’un estimateur). L’erreur quadratique moyenne est définie pour
tout θ par :
EQM(Tn ) = Eθ (Tn − θ)2 = Vθ (Tn ) + b2n (θ).
Remarque 2.1.1. Dans le cas particulier d’un estimateur sans biais, cette erreur quadra-
tique se confond avec la variance de l’estimateur.
Soient T1 et T2 deux estimateurs de θ. On dira que T1 est plus efficace que T2 si

E((T1 − θ)2 ) ≤ E((T2 − θ)2 ).

Si T1 et T2 sont des estimateurs sans biais cette condition s’écrit :

V (T1 ) ≤ V (T2 ).

17
2.1.3 Méthode du maximum de vraisemblance
La méthode du maximum de vraisemblance consiste à déterminer, parmi tous les esti-
mateurs possibles du paramètre θ inconnu , celui qui rend maximale la probabilité d’avoir
obtenu l’échantillon obseré, c’est-à-dire la vraisemblance de l’échantillon.

Définition 2.1.9. On appelle vraisemblance (likelihood) de l’échantillon (X1 , · · · , Xn ) la

loi de probabilité de ce n-uple, notée L (x1 , · · · , xn ; θ), définie par :
n
Y
L (x1 , · · · , xn ; θ) = P (Xi = xi |θ)
i=1

si X est une v.a. discrète, et par :

n
Y
L (x1 , · · · , xn ; θ) = f (xi , θ)
i=1

si X est une v.a. continue de densité f (xi , θ).

La valeur θ, si elle existe, pour laquelle L est maximale vérifie :

∂L ∂2L
=0 et < 0,
∂θ ∂θ2
or L et ln L atteignent leur maximum pour la même valeur de θ, et comme L est toujours un
produit, il est plus facile de déterminer θ qui rend maximum ln L :

∂ ln L ∂ 2 ln L
=0 et < 0.
∂θ ∂θ2
Définition 2.1.10. On appelle estimateur du maximum de vraisemblance (EMV) toute fonc-
tion θ̂n de (x1 , · · · , xn ) qui vérifie :
 
L x1 , · · · , xn ; θ̂n = max L (x1 , · · · , xn ; θ)
θ∈Θ

2.1.4 Information de Fisher

Définition 2.1.11. On appelle quantité d’information de Fisher la relation définie par :
 2
∂ ln L
In (θ) = Eθ .
∂θ
ou par
∂ 2 ln L
 
In (θ) = Eθ −
∂θ2
et qui est plus facile à calculer.

18
2.1.5 Inégalité de Cramer-Rao
Théorème 2.1.3. Sous les hypothèses de Cramer-Rao, en particulier si E = X(Ω) est indé-
pendant du paramètre à estimer θ, pour tout estimateur sans biais Tn de θ on a :
1
Vθ (Tn ) ≥ = BF (θ).
In (θ)

La quantité BF (θ) est la borne inférieure de Fréchet-Darmois-Cramer-Rao (FDCR).

Remarque 2.1.2. Dans le cas où Tn est un estimateur biaisé, l’inégalité de Cramer-Rao

s’écrit :
[g ′(θ)]2
Vθ (Tn ) ≥ , avec g(θ) = E(Tn )
In (θ)
où g ′(θ) est la dérivée première de g(θ).

2.1.6 Efficacité d’un estimateur

Uu estimateur Tn sans biais de θ est dit efficace si sa variance est égale à la borne de
Cramer-Rao :
1
Vθ (Tn ) = .
In (θ)
Remarque 2.1.3. Un estimateur Tn biaisé est dit efficace si :

[g ′ (θ)]2
Vθ (Tn ) = ,
In (θ)
[g ′ (θ)]2
Dans ce cas In (θ)
est la borne de Cramer-Rao.

2.1.7 La méthode des moments

Le principe de l’estimation par la méthode des moments
Cette procédure d’estimation est à première vue, totalement empirique mais pleine de
sens. En fait, elle repose sur les propriétés de convergence presque sûre des moments empi-
riques d’un échantillon indépendant identiquement distribué (X1 , X2 , . . . , Xn ) de la loi de
X, vers les moments théoriques correspondants de Xi . Supposons que la variable aléatoire
X suive une loi appartenant à une famille (Pθ , θ ∈ Θ) où Θ est un domaine de Rq , θ ∈ Rq .
— Soit mk (θ) le moment théorique d’ordre k de X
Z
mk (θ = E(X ) = xk f (x, θ)dx.
k

Si k = 1 on obtient E(X).
Si k = 2 on obtient E(X 2 ).

19
 — Soit m̄k le moment empirique d’ordre k de X
n
1X k
m̄k (θ) = X .
n i=1 i

Si k = 1 on a : m̄1 = x̄.P
Si k = 2 on a : m̄2 = n1 ni=1 Xi2 .
La méthode des moments consiste à égaler les moments empiriques et théoriques.

Définition 2.1.12. On appelle estimation de theta obtenu par la méthode des moments la
solution θ̂ du système d’équation :

mk (θ) = m̄k .

2.1.8 Quelques statistiques classiques

Rappels

E(aX + b) = aE(X) + b
E(X + Y ) = E(X) + E(Y )
V (aX + Y ) = a2 V (X)
V (X) = E(X 2) − [E(X)]2 = E([X − E(X)]2 )
si X, Y indépendantes,
V (X + Y ) = V (X) + V (Y ).

La moyenne empirique et la variance empirique

Soit X une variable aléatoire telle que E(X) = m et V (X) = σ 2 (inconnues).

Estimation de m

Théorème 2.1.4. La moyenne empirique

n
1X
Xn = Xi
n i=1

est un estimateur sans biais et convergent de m (espérance mathématique de X).

Démonstration. On a
n n
1X 1 X σ2
E(X n ) = E(Xi ) = m et V (X n ) = V (X i ) = −−−→ 0.
n i=1 n2 i=1 n n→∞

20
Estimation de σ 2 en supposant m connu

Théorème 2.1.5. Lorsque m est connu

n
2 1X
Sn′′ = (Xi − m)2
n i=1

est un estimateur sans biais et convergent de σ 2 .

Démonstration. 1. C’est un estimateur sans biais de σ 2 :

n n
!2
2 1 X X 1
Xi2 − 2m Xi + nm2 n(σ 2 + m2 ) − 2m(nm) + nm2


E(Sn′′ ) = E =
n i=1 i=1
n
= σ2.

2. Par ailleurs, les variables (Xi − m)2 étant indépendantes :

n
 2
 1 X
V (Xi − m)2


V Sn′′ = 2
n i=1
1
E((X − m)4 ) − E((X − m)2 )2


=
n
1
µ4 − µ22 où µk = E((X − E(X))k ).


=
n
2
Donc Sn′′ est un estimateur convergent.

Estimation de σ 2 (m supposé inconnu) En pratique m est rarement connu exactement ;

on le remplace par un estimateur et on introduit la variance empirique :
n
2 1X
2
Sn = Xi − X n .
n i=1

2
Théorème 2.1.6. La variance empirique Sn est un estimateur biaisé de σ 2 , asymptotique-
ment sans biais, il est convergent.
2
Démonstration. 1. Sn est un estimateur biaisé de σ 2 :
n n n
!
2 1 X 1X 2 X
2
2
Sn = Xi2 − 2X nXi − X n Xi + n X n =
i=1
n i=1
n i=1
n
σ2
 
 2 1X 2

2 1 2 2

2
E Sn = E(Xi ) − E( X n ) = n(m + σ ) − m +
n i=1 n n
n−1 2
= σ 6= σ 2 .
n

21
 2. On montre (c’est fastidieux ...) :
 2 1 2 1
1
µ4 − µ22 − 2 µ4 − 2µ22 + 3 µ4 − 3µ22 ∼ µ4 − µ22 −−−→ 0.




V Sn =
n n n n n→∞
2
Donc Sn est un estimateur convergent.

Théorème 2.1.7. Un estimateur sans biais et convergent de σ 2 est la variance empirique

corrigée :
n
2 1 X
2
Sn =
′ Xi − X n .
n − 1 i=1
2 n 2
Démonstration. Puisque Sn′ = S
n−1 n
on a :
 2
2 n 2 2 n 2
E(Sn′ ) = E(Sn ) = σ 2 et V (Sn′ ) = V (Sn ) −−−→ 0.
n−1 n−1 n→∞

Remarque 2.1.4. On ne saurait déduire de ce théorème que Sn′ est un estimateur sans biais
de σ.

Cas particulier de la loi normale On suppose dans ce paragraphe que X suit la loi nor-
male N (m, σ 2).
X n
1
On sait que X n = n Xi suit la loi normale N (m, σ 2 ) ; c’est donc un estimateur sans
i=1
biais et convergent de m.
Les résultats obtenus au paragraphe précédent pour l’estimation de σ 2 sont encore va-
lables ; on peut préciser en outre :
2 2(n − 1) 2
V (S n ) = µ2 .
n2
Démonstration. 1. Calcul de µk .
 2

Z ∞ exp − (x−m)
2σ 2
µk = E((X − m)k ) = (x − m)k √ dx
−∞ σ 2π
Z ∞ √ k
(σ 2u) −u2 √ √
= √ e (σ 2du) en posant x = m + uσ 2
−∞ σ 2π
= 0 si k est impair.
Si k est pair :
2p σ 2p ∞ 2p −u2 2p+1σ 2p ∞ 2p −u2
Z Z
µ2p = √ u e du = √ u e du
π −∞ π 0
2p σ 2p ∞ p− 1 −v √
Z
= √ v 2 e dv en posant u = v,
π 0
p 2p
 
2σ 1 (2p)! 2p
= √ Γ p+ = p σ .
π 2 2 (p!)

22
 2. Lorsque X suit la loi normale N (m, σ 2 ) on a µ2 = σ 2 et µ4 = 3σ 4 = 3µ22 . En
reportant :
2 1 2 2
2(n − 1) 2
µ4 − µ22 − 2 µ4 − 2µ22 + 3 µ4 − 3µ22 =



V (S n ) = µ2 .
n n n n2

Théorème 2.1.8. Soit (X1 , X2 , . . . , Xn ) un échantillon d’une variable normale réduite ;

n(X n )2 suit une loi du χ2 à un degré de liberté.
 2
Démonstration. On a : n(X n )2 = X1 +X√ 2 +...+Xn
n
. Or les Xi suivent la loi normale réduite
√
et sont indépendantes ; donc leur somme suit la loi N (0, n) et √1n ni=1 Xi suit la loi
P
normale réduite.
Théorème 2.1.9. (Fisher)
Soit (X1 , X2 , . . . , Xn ) un échantillon d’une variable normale réduite ; les variables aléa-
√ 2 2
toires nX n et ni=1 (Xi − X n )2 = nS n = (n − 1)Sn′ sont indépendantes et suivent
P
respectivement la loi normale réduite et la loi du χ2 à (n − 1) degrés de liberté.
√
Démonstration. 1. Montrons que nX n et ni=1 (Xi − X n )2 sont indépendantes. On
P
a:

2.2 Estimation par intervalles

On cherche à évaluer une caractéristique θ d’une population à partir de résultats observés
sur un échantillon {x1 , . . . , xn }. L’estimation θ̂n de θ est un calcul réalisé uniquement à partir
de l’échantillon : θ̂n = f (x1 , . . . , xn ).
La qualité de l’estimation θ̂n est mesurée en évaluant de manière probabiliste les écarts
possibles entre θ̂n et θ. C’est-à-dire qu’il est possible de déterminer un seuil c tel que :
 
P |θ̂n − θ| ≤ c = 1 − α. (2.1)
Cette formule signifie que la probabilité de tirer dans l’ensemble de tous les échantillons
possibles un échantillon {x1 , . . . , xn } conduisant à une erreur d’estimation |θ̂n − θ| ≤ c est
égale à 1 − α.
La formule (2.1) peut aussi s’écrire :
 
P θ̂n − c ≤ θ ≤ θ̂n + c = 1 − α. (2.2)
h i
Il y a une probabilité égale à 1 − α pour que l’intervalle θ̂n − c, θ̂n + c recouvre la vraie
valeur θ. De la même manière que pour la formule (2.1) la formule (2.2) est à prendre dans
le sens suivant : la probabilité de tirer dans l’ensembleh de tous les échantillons
i possibles un
échantillon {x1 , . . . , xn } conduisant à un intervalle θ̂n − c, θ̂n + c contenant θ est égale à
h i
1 − α. L’intervalle θ̂n − c, θ̂n + c s’appelle “intervalle de confiance de θ au niveau 1 − α”.
Nous allons étudier dans cette section trois cas particuliers illustrant bien la démarche :

23
 — estimation d’une proportion p ;
— estimation d’une moyenne m ;
— estimation d’une variance σ 2 .

2.2.1 Estimation par intervalle d’une proportion p

Il s’agit d’estimer la proportion p d’individus possédant une certaine caractéristique dans
une population de taille N. Pour cela on tire un échantillon de taille n sur lequel on observe
n1 individus possédant la caractéristique étudiée.
La proportion p̂ = nn1 calculée sur l’échantillon est une estimation de la proportion p
calculée sur la population.
Une bonne approximation de l’intervalle de confiance de p au niveau 1 − α est donnée
par la formule : " r r #
p̂(1 − p̂) p̂(1 − p̂)
p̂ − u1− α2 , p̂ + u1− α2 (2.3)
n−1 n−1
pour un tirage avec remise, et par la formule :
" r r r r #
p̂(1 − p̂) n p̂(1 − p̂) n
p̂ − u1− α2 1 − , p̂ + u1− α2 1− (2.4)
n−1 N n−1 N
α
pour un tirage sans remise. Le cœfficient u1− α2 représente le fractile d’ordre 1 − 2
de la loi
normale centrée réduite.
Démonstration. ****************
On vérifie sur cet exemple l’intérêt du tirage sans remise : le facteur correctif 1 − Nn
p
étant inférieur à 1, l’intervalle (2.6) est toujours plus étroit que l’intervalle (2.1) et fournit
donc une estimation plus précise de la proportion p. Dans la pratique cependant le facteur
correctif est proche de 1, la taille n de l’échantillon étant en général petite par rapport à la
taille N de la population. Nous ne poursuivons donc pas plus loin la distinction entre tirage
avec et sans remise et par conséquent toutes les formules données dans la suite de cet exposé
correspondent à des tirages avec remise.
Exemple 2.2.1.

2.2.2 Estimation par intervalle d’une moyenne µ

On considère une variable numérique X prenant les valeurs x1 , x2 , . . . , xN sur la popu-
lation étudiée. La moyenne µ de X au niveau de la population est donnée par la formule :
N
1 X
µ= xi .
N i=1

On tire un échantillon de taille n et on obtient les valeurs x1 , x2 , . . . , xn . La moyenne :

n
1X
x= xi
n i=1

24
de l’échantillon est une estimation de la moyenne µ. Quelle est la précision de cette esti-
mation ? On peut montrer qu’une bonne approximation de l’intervalle de confiance de µ au
niveau 1 − α est donné par la formule :
 
s s
x − t1−(α/2) (n − 1) √ , x + t1−(α/2) (n − 1) √ (2.5)
n n

où t1−(α/2) (n − 1) est le fractile d’ordre 1 − α/2 d’une loi de Student à n − 1 degrés de

liberté. La formule (2.5) est exacte lorsque la variable étudiée X suit une loi normale. Dans
le cas plus général où X suit une loi quelconque, l’approximation est bonne dès que n > 30.
Exemple 2.2.2.

2.2.3 Estimation par intervalle d’une variance σ 2

La variance d’une variable numérique X prenant les valeurs x1 , x2 , . . . , xN sur la popu-
lation étudiée est donnée par la formule :
N
1 X
σ2 = (xi − µ)2 .
N i=1

La formule utilisée pour estimer σ 2 à partir d’un échantillon x1 , x2 , . . . , xn est :

n
1 X
2
s = (xi − µ)2 . (2.6)
n − 1 i=1

D’un point de vue théorique elle se justifie de la manière suivante. Supposons qu’on tire un
très grand nombre d’échantillons de taille n dans la population et que, pour chaque échan-
tillon, on calcule sa variance s2 . Alors la moyenne de toutes ces variances s2 est exactement
égale à la variance σ 2 de la population. On dit que la procédure d’estimation est sans biais.
La remarque suivante permet de comprendre la nécessité d’une division par n − 1 plu-
tôt queP par n. Si l’on connaissaitPla vraie moyenne µ alors la meilleure estimation
Pnde σ serait2
2
n 2 n 2
(1/n) i=1 (xi − µ) . Comme Pn i=1 (xi −2 x) P est nécessairement inférieur à i=1 (xi − µ)
n 2 2
(cela provient de l’égalité P i=1 (x i − µ) = i=1 (xi − x) + n (x − µ) ) on peut com-
n 2
prendre que la quantité (1/n) i=1 (xi − x) serait une estimation trop petite de σ 2 . On peut
démontrer que la formule (2.6) conduit à une bonne estimation de σ 2 .
L’intervalle de confiance de σ 2 au niveau 1 − α s’obtient à l’aide de la formule :
" #
(n − 1)s2 (n − 1)s2
,
χ21−(α/2) (n − 1) χ2α/2 (n − 1)

où les quantités χ21−(α/2) (n − 1) et χ2α/2 (n − 1) sont respectivement les fractiles d’ordre α/2
et 1 − α/2 d’une loi du Khi-deux à n − 1 degrés de liberté. Cette formule est exacte lorsque
la variable étudiée suit une loi normale. Elle est assez sensible à un écart à la normalité.
Exemple 2.2.3.

25
Chapitre 3

Tests d’hypothèses paramétriques

3.1 Introduction à la notion de tests et domaines d’applica-

tion des tests
3.1.1 Principe d’un test d’hypothèse
Les tests d’hypothèses constituent un autre aspect important de l’inférence statistique.
Exemple 3.1.1. Le ministère de l’Économie et des Finances s’interroge pour savoir s’il doit
prendre des mesures de relance de l’économie. Sa décision va être fondée sur des obser-
vations de l’accroissement mensuel de l’indice de la production industrielle. Cette accrois-
sement est mesuré par l’Insee avec une certaine incertitude, ce qui amène à le considérer
comme une v.a. I de loi normale, de moyenne m, et d’écart type connu σ = 0, 2%. Dans la
période antérieure, le paramètre m avait pour valeur m = 0, 5%. En période de récession,
on considère que ce paramètre prend la valeur m = 0, 3%. Pour faire un choix entre ces deux
valeurs, le ministre attend de disposer des valeurs de I pour le dernier trimestre. Inquiet de
l’effet de mesures de relance sur l’inflation, il se fixe a priori la règle de décision suivante :
si la moyenne des accroissements du trimestre est inférieure à 0,35% alors je prends des me-
sures de relance. On peut alors se poser les questions suivantes : est-il possible de mesurer
les risques associés à cette règle arbitraire ? Peut-on fixer à l’aide de critères objectifs un
autre seuil que la valeur retenue de 0,35 % ?
La v.a. I appartient à la famille des lois normales, d’écart type connu σ = 0, 2%. L’autre
paramètre de cette loi, la moyenne m, est inconnu, mais ne peut prendre ici que deux valeurs.
Il s’agit donc de faire un choix entre les deux hypothèses :
H0 : I ∼ N (0, 3; 0, 2)
H1 : I ∼ N (0, 5; 0, 2)
Exemple 3.1.2. Une entreprise de l’industrie alimentaire spécialisée dans les plats cuisinés
individuels utilise un robot qui verse de la purée dans des barquettes en aluminium.
En principe chaque barquette doit contenir 100 grammes de purée. Ce poids noté m0 est
appelé la norme.
Le robot peut se dérégler, on ignore donc le poids moyen réel (noté m) effectivement
versé par barquette.

26
 L’entreprise veut contrôler régulièrement le bon fonctionnement du robot. Pour cela,
chaque jour à heure fixe, un employé prélève 50 barquettes et détermine sur cet échantillon
le poids moyen de purée par barquette. On notera xi la valeur qu’il obtient le jour i.
Compte tenu des fluctuations d’échantillonnage, xi peut être différent de la norme sana
que le robot soit mal réglé. Que dire si l’on obtient xi = 97, 5 g ? ou xi = 103 g ? Le problème
est donc de déterminer à partir de quelles valeurs on jugera que xi est vraiment trop éloigné
de 100 g, situation qui nous conduirait à décider que le robot est probablement déréglé.

Vocabulaire utilisé : le contrôleur teste : l’hypothèse m = 100, notée H0 et appelée hy-

pothèse nulle, contre : l’hypothèse m 6= 100, notée H1 et appelée hypothèse alternative.
Il s’agit donc de comparer la moyenne obtenue à la norme m0 , et d’établir un critère de
décision permettant de décider si l’on refuse ou non l’hypothèse H0 .
On détermine pour cela un intervalle I (centré sur 100) tel que :
— si xi est dans l’intervalle I, le contrôleur décidera de ne pas arrêter le robot,
— mais si xi n’est pas dans I, considérant que la moyenne obtenue sur l’échantillon est
trop éloignée de la norme, et que cela ne peut pas être dû seulement aux fluctuations
d’échantillonnage, il décidera de faire réviser l’appareil.
I est appelé région “d’acceptation” de H0 .

Remarque 3.1.1. • Il serait préférable de dire région de “non refus” de H0 , mais pour
plus de clarté, et tout en gardant cette remarque à l’esprit, nous utiliserons l’expres-
sion “ accepter H0 ”.
La décision prise dépend de la valeur de xi et donc de l’échantillon choisi, il y a un
risque d’erreur :
• on peut refuser H0 à tort, c’est-à-dire faire réviser l’appareil alors qu’il fonctionnait
bien, (erreur dite de première espèce).
• “accepter” H0 à tort, c’est-à-dire laisser tourner le robot alors qu’en fait il est déréglé
(erreur dite de deuxième espèce).

3.1.2 Formalisation d’un problème général de test

Soit X une v.a., à valeurs dans X , dont on possède un échantillon indépendant de taille n
(x1 , . . . , xn ) ∈ X n , de loi Pθ supposée indicée par un paramètre réel ou multidimensionnel
θ ∈ Θ.
Dans le cadre du modèle de statistique paramétrique (X , Pθ , θ ∈ Θ), nous supposons que
Θ est partitionné en Θ0 et Θ1 .

Θ0 ∩ θ1 = ∅ Θ = Θ0 + Θ1 .

La vraie valeur θ0 du paramètre theta est donc continue soit dans Θ0 , soit dans Θ1 .
Nous noterons par la suite, par abus d’écriture, θ pour θ0 .
Associons à la partition ci-dessus les hypothèses suivantes :

H0 : θ ∈ Θ0
H1 : θ ∈ Θ1

27
Se poser un problème de test revient à rechercher un mécanisme décisionnel qui, au vu du
point (x1 , . . . , xn ) ∈ X n , permet de répondre à la question : “dans quel sous-ensemble de Θ
se trouve θ0 ?”.

Définition 3.1.1. Une hypothèse est dite simple si elle se réduit à un seul point ; dans le cas
contraire, elle est dite multiple (ou composite).

Il est évident que le rôle joué par chacune des hypothèses n’est pas symétrique. Il sera
fréquent de prendre pour hypothèse nulle celle en laquelle on a le plus confiance, compte tenu
de toutes les informations formalisées ou intuitives qu’il est possible d’avoir sur le modèle
(X, Pθ ). On définira parfois l’hypothèse nulle comme celle qui permet les calculs les plus
simples.
Un problème de test n’est donc pas symétrique, en règle générale, l’hypothèse nulle étant
privilégiée.

Test
Dans le modèle (X, Pθ ), on a donc à prendre une décision dans D, au vu de l’échantillon
x = (x1 , . . . , xn ) ∈ X n .

Définition 3.1.2. Le test statistique ou test est la fonction ϕ : X n → D.

Les risques d’erreur

Lorsque l’on établit un critère de décision destiné à tester une hypothèse H0 , on peut
commettre deux types d’erreurs :
❤❤❤❤
❤❤❤❤ Réalité (inconnue)
❤❤❤ H0 est vraie H0 est fausse
Décision prise ❤❤❤❤
❤❤
On “accepte” H0 Pas d’erreur Erreur de 2e espèce
On refuse H0 Erreur de 1re espèce Pas d’erreur

Définition 3.1.3. On appelle risque de première espèce que l’on notera α) la probabilité de
refuser H0 à tort, et risque de deuxième espèce (noté β) la probabilité d’“accepter” H0 à
tort.

On peut écrire :

α = P (refuser H0 /H0 est vraie)


probabilités conditionnelles.
β = P (accepter H0 /H0 n’est pas vraie)

3.1.3 Méthode de Neyman et Pearson

On cherche à déterminer la règle de décision de telle manière que les risques d’erreur
soient minimaux. Or, en général, les risques de première et deuxième espèce sont antago-
nistes : si on diminue l’un, on augmente l’autre.

28
 L’erreur la plus grave consistant à rejeter à tort l’hypothèse nulle, la méthode de Ney-
man et Pearson fixe une valeur maximum α0 au risque de première espèce. Le test est alors
déterminé par la recherche de la règle qui minimise l’autre risque, celui de seconde espèce.
Définition 3.1.4. On appelle puissance d’un test la probabilité de refuser H0 avec raison,
c.-à-d. lorsque H1 est vérifiée, soit :

η = P (ne pas choisir H0 /H0 est fausse) = 1 − β.

Le théorème de Neyman Pearson

L’hypothèse nulle et l’hypothèse alternative sont toutes deux simples :
H0 : θ = θ0
(θ1 6= θ0 )
H1 : θ = θ1

Enoncé du théorème
Théorème 3.1.1. Pour un risque de première espèce fixé à α0 , le test de puissance maximum
entre les hypothèses simples
est défini par la région critique :
 
L (x1 , . . . , xn ; θ0 )
W = (x1 , . . . , xn ) | ≤k
L (x1 , . . . , xn ; θ1 )
où la valeur de la constante k est déterminée par le risque fixé α0 = Pθ (W |θ = θ0 ).

3.1.4 Démarche à suivre dans l’élaboration d’un test d’hypothèse

Un test d’hypothèse comporte diverses étapes.
1. Formuler l’hypothèse nulle H0 et l’hypothèse alternative H1 .
2. Fixer d’avance (avant la réalisation des essais) le seuil de signification α c.-à-d. spé-
cifier le risque de rejeter à tort une hypothèse H0 vraie.
3. Préciser les conditions d’application du test. Spécification ou non de la forme de la
population échantillonnée ; indication si nous sommes en présence d’un grand échan-
tillon ; si la variance de la population est connue ou inconnue, etc.
4. Spécifier la statistique de test qui convient et définir l’écart réduit. En déduire sa
distribution d’après les conditions d’application.
5. Adopter une règle de décision qui conduira au rejet ou au non-rejet de H0 au seuil α
fixé. Cette règle de décision est définie à partir des valeurs critiques de l’écart réduit.
6. Calculer la valeur numérique de l’écart réduit, valeur déduite des résultats de l’échan-
tillon.
7. Décision et conclusion. Comparer la valeur numérique obtenue pour l’écart réduit
avec la rg̀le de décision adoptée en 5. Décider entre les deux hypothèses formulées
en 1. et conclure.

29
3.2 Tests de conformité d’une moyenne, d’une proportion
et d’une variance
3.2.1 Introduction
Soit (Ω, A, P ) un espace probabilisé, X une variable aléatoire définie sur cet espace et
dont la loi dépend d’un paramètre θ inconnu.
On se propose de tester l’hypothèse nulle “le paramètre de la loi vaut θ0 contre l’hypo-
thèse alternative “le paramètre de la loi est différent de θ0 ”.
Soit H0 : θ = θ0 contre H1 : θ 6= θ0 .
Pour prendre une décision, on dispose d’un n−échantillon de X qui fournit un estimateur
Tn et une estimation θ̂ de θ.
En supposant l’hypothèse H0 vraie, on détermine pour un risque de première espèce α,
une région de R appelée zone de rejet, notée W ; pour déterminer la zone de rejet, on peut
calculer deux valeurs critiques c1 et c2 telles que :
α
P (Tn < c1 ) = P (Tn > c2 ) = .
2

On a alors affaire à un test bilatéral symétrique. Si θ̂ ∈ W , on rejette H0 ; sinon, faute

d’informations complémentaires, on peut retenir H0 au risque α.

3.2.2 Test de conformité d’une moyenne

Soit X une variable aléatoire définie sur Ω, qui suit une loi normale d’espérance m
(inconnue), et d’écart type σ.
On dispose d’un échantillon (x1 , . . . , xn ) non exhaustif de taille n sur lequel on a calculé
la moyenne arithmétique x des valeurs observées de X.
Soit m0 la vraie valeur de la moyenne inconnue de la population, fixée a priori (standard,
norme, spécification, etc...).

a - Mise en place du test

On teste l’hypothèse nulle H0 : m = m0 contre l’hypothèse alternative H1 : m 6= m0 .

b - Détermination de la région “d’acceptation” et de la région critique

La vraisemblance a pour expression :

L(x1 , . . . , xn ; θ) =

Le rapport des vraisemblances est donc :

L(x1 , . . . , xn ; θ)
L(x1 , . . . , xn ; θ)

30
c - Détermination de la constante K
d - Critère de décision
e - Interprétation du nombre α
f - Représentation graphique

Région critique hypothèse H0 Région critique

acceptée

1−α
α α
2 2
m0 − t1−α √σn m0 m0 + t1−α √σn
d d
Les tableaux suivant résument les règles de décision à adopter selon les hypothèses H1 ,
pour des seuils de signification α = 0, 05 et α = 0, 01. Nous indiquons également les
conditions d’application des tests.

31
TABLE 3.1 – Tests sur une moyenne : Échantillon prélevé au hasard d’une population nor-
male de variance connue
Statistiques
Hypothèses Règles de décision Seuils de signification et valeurs cri-
de test 1
statistiques tiques α = 0, 05 α = 0, 01
H0 : µ = µ0 Z = σ/√n X−µ 0
Rejeter H0 si Z > zα/2 ou z0,025 = 1, 96 z0,005 = 2, 58
H1 : µ 6= µ0 Z < −zα/2
H0 : µ = µ0 Z = X−µ √0
σ/ n
Rejeter H0 si Z > zα z0,05 = 1, 645 z0,01 = 2, 33
H1 : µ > µ 0
H0 : µ = µ0 Z = X−µ √0
σ/ n
Rejeter H0 si Z < −zα −z0,05 = −1, 645 −z0,01 = −2, 33
H1 : µ < µ 0

TABLE 3.2 – Tests sur une moyenne : Grand échantillon (n > 30) prélevé au hasard d’une
population de variance inconnue
Statistiques
Hypothèses Règles de décision Seuils de signification et valeurs cri-
de test 2
statistiques tiques α = 0, 05 α = 0, 01
H0 : µ = µ0 Z = X−µ √0
s/ n
Rejeter H0 si Z > zα/2 ou z0,025 = 1, 96 z0,005 = 2, 58
H1 : µ 6= µ0 Z < −zα/2
H0 : µ = µ0 Z = s/√n0 X−µ
Rejeter H0 si Z > zα z0,05 = 1, 645 z0,01 = 2, 33
H1 : µ > µ 0
H0 : µ = µ0 Z = X−µ √0
s/ n
Rejeter H0 si Z < −zα −z0,05 = −1, 645 −z0,01 = −2, 33
H1 : µ < µ 0

3.2.3 Tes de conformité d’une proportion

32
TABLE 3.3 – Tests sur une moyenne : Échantillon de petite taille (n < 30) prélevé au hasard
d’une population normale de variance inconnue
Statistiques de
Hypothèses 3 Règles de décision
test
statistiques
H0 : µ = µ0 T = X−µ √0
s/ n
Rejeter H0 si T > tα/2;n−1
H1 : µ 6= µ0 ou T < −tα/2;n−1
H0 : µ = µ0 T = s/√n X−µ0
Rejeter H0 si T > tα;n−1
H1 : µ > µ 0
H0 : µ = µ0 T = X−µ √0
s/ n
Rejeter H0 si T < −tα;n−1
H1 : µ < µ 0

TABLE 3.4 – Tests sur une proportion : Échantillon de grande taille prélevé au hasard d’une
population binomiale de sorte que np ≥ 5 et n(1 − p) ≥ 5 (n > 30 est dans bien des cas
suffisant)
Statistiques
Hypothèses Règles de décision Seuils de signification et valeurs cri-
de test 4
statistiques tiques α = 0, 05 α = 0, 01
Z =
H0 : p = p0 qP̂ −p0 Rejeter H0 si Z > zα/2 ou z0,025 = 1, 96 z0,005 = 2, 58
H1 : p 6= p0 p0 (1−p0
n
Z < −zα/2
Z =
H0 : p = p0 qP̂ −p0 Rejeter H0 si Z > zα z0,05 = 1, 645 z0,01 = 2, 33
H 1 : p > p0 p0 (1−p0
n
Z =
H0 : p = p0 qP̂ −p0 Rejeter H0 si Z < −zα −z0,05 = −1, 645 −z0,01 = −2, 33
H 1 : p < p0 p0 (1−p0
n

3.2.4 Test de conformité d’une variance

Le tableau suivant résume, dans le cas d’un test sur une variance, les règles de décision
selon les hypothèses H1 , pour des seuils de signification α = 0, 05 et α = 0, 01. Nous
indiquons également les conditions d’application des tests.

33
TABLE 3.5 – Tests sur une variance : Échantillon prélevé au hasard d’une population normale
Statistiques de
Hypothèses Règles de décision
test 5
statistiques
2
H0 : σ = σ0 χ2 = (n−1)S σ02
Rejeter H0 si
H0 : σ 6= σ0 χ2
> χα/2;n−1 ou
2

2 2
χ < χ1−α/2;n−1
(n−1)S 2
H0 : σ = σ0 χ = σ2 2 Rejeter H0 si χ2 > χ2α;n−1
0
H0 : σ > σ0
2
H0 : σ = σ0 χ2 = (n−1)S σ02
Rejeter H0 si χ2 <
H1 : σ < σ0 χ21−α;n−1

34