S3 Maths et Info-MIAGE 2011-2012 Statistique et Probabilités Les tests de khi-deux

Université de Picardie Jules Verne 2011-2012

UFR des Sciences

Licence mention Mathématiques et mention Informatique parcours MIAGE - Semestre 3

Statistique et Probabilités

Les tests de khi-deux

1. Conformité à un modèle théorique

Dans une population donnée, on étudie un caractère X pouvant prendre r modalités et on cherche à savoir
si on peut considérer que ce caractère est d’un type donné. Plus précisément, désignant par p i la probabilité
d’apparition dans la population de la i ème modalité du caractère, on se demande si les p i correspondent à une
certaine loi de probabilité.
On choisit alors une loi théorique : par exemple une distribution particulière (valeurs de p i choisies
arbitrairement avec p i 1) ou une loi usuelle (loi de Poisson, loi Normale, ...). Dans ce dernier cas, il faut
i
choisir le(s) paramètre(s) de la loi : on procède alors par estimation ponctuelle (moyenne ou variance pour le
paramètre de la loi de Poisson, moyenne et écart-type pour les paramètres de la loi Normale, ...).
Effectuant plusieurs échantillonnages de même taille n, on désigne par N i la variable aléatoire égale à
l’effectif observé de la i ème modalité du caractère ; l’effectif théorique étant égal à np i .

Test de H 0 : X suit la loi théorique contre H 1 : X ne suit pas la loi théorique

Ce test s’appuie sur la distance D entre les effectifs observés et théoriques :
r r
N i np i 2 N 2i
D np i np i n ,
i 1 i 1
En pratique, pour un échantillon, on observe un effectif n i pour la i ème modalité du caractère et on calcule
r r
n i np i 2 n 2i
d np i np i n.
i 1 i 1
On sait que sous l’hypothèse H 0 , D suit approximativement la loi de khi-deux à r 1 k degrés de
liberté, où k est le nombre de paramètres à estimer de la loi théorique choisie. On détermine b tel que
PD b (table 4), et on décide que :
- si d b , alors on ne peut rejeter H 0 ;
- si d b , alors on rejette H 0 avec une probabilité de se tromper.

La qualité de l’approximation de la loi de D est satisfaisante lorsque les effectifs théoriques vérifient tous
la condition np i 5. Si ce n’est pas le cas, on peut regrouper certains effectifs de modalités voisines, r
désignant alors le nombre de modalités après le(s) regroupement(s). Cependant, on peut ne pas faire de
regroupement si les effectifs théoriques vérifient tous la condition np i 5s , où s est égal au nombre de
r
modalités ayant un effectif théorique np i 5.

Exemple 1 : test de conformité à une distribution théorique

Dans une population vivante, on enregistre la présence de 5 génotypes, notés A 1 à A 5 , et auxquels une
théorie attribue les probabilités p 1 à p 5 données dans le tableau ci-dessous.
Sur un échantillon de n 400 individus choisis au hasard dans la population, on désigne par n i le nombre
d’individus de génotype A i . Les n i sont données dans le tableau ci-dessous.
Peut-on dire, au risque 0, 05, que la répartition des génotypes dans l’échantillon est conforme à celle
de la population ?

Population : celle qui est étudiée.

Caractère : le génotype X, à r 5 modalités de probabilité théorique p i .
Echantillon X 1 , . . . , X n de taille n 400.
Les p i étant donnés, il n’y a pas de paramètre à estimer : k 0.

Stéphane Ducay 1
S3 Maths et Info-MIAGE 2011-2012 Statistique et Probabilités Les tests de khi-deux

Test de H 0 : X suit la loi théorique contre H 1 : X ne suit pas la loi théorique

n i np i 2
xi ni pi np i n i np i np i

A 1 200 0, 40 160 40 10
A2 40 0, 20 80 40 20
A3 96 0, 20 80 16 3, 2
A4 36 0, 10 40 4 0, 4
A5 28 0, 10 40 12 3, 6
400 1 400 37, 2
r 2
ni np i
On calcule d np i 37, 2.
i 1
On sait que sous l’hypothèse H 0 , D suit approximativement la loi de khi-deux à r 1 k 4 degrés de
liberté.
On détermine b tel que P D b : pour 0, 05, on trouve b 9, 49.
Comme d b , on rejette l’hypothèse H 0 , i.e. la conformité à la loi théorique : la répartition des
génotypes dans l’échantillon n’est pas conforme à celle de la population. En prenant cette décision de rejet de
H 0 , on a une probabilité 0, 05 de se tromper.

Exemple 2 : test de conformité à une loi de Poisson P

Une enquête effectuée auprès du comptoir de 150 coopératives agricoles a permis d’étudier l’arrivée dans
le temps des usagers de ces coopératives. Pendant l’unité de temps, soit une heure, on a obtenu les résultats
suivants :
nombre d’usagers arrivés 0 1 2 3 4 5 6
nombre de coopératives 37 46 39 19 5 3 1
Peut-on admettre que le nombre d’usagers arrivés dans cette population suit une loi de Poisson ?

Population : les coopératives. Caractère : nombre d’usagers arrivés X, à r 7 modalités.

Echantillon X 1 , . . . , X n de taille n 150 de X. On cherche à ajuster à la distribution observée une loi
théorique suivie par X (i.e. les probabilités p i des modalités de X).

Test de H 0 : X suit une loi de Poisson contre H 1 : X ne suit pas une loi de Poisson
k
Rappel : X suit la loi de Poisson P si X est à valeurs dans et si, pour tout k ,P X k e .
k!
On a E X Var X .
Les p i devant être calculés à l’aide la loi de Poisson, il y a un paramètre à estimer : k 1.
7 7
On calcule x 1 nixi 1, 48, s 2 1 n i x 2i x 2
1, 57 et s 2c n s2 1, 58.
n n n 1
i 1 i 1
Comme x et s 2c sont très proches, on pouvait effectivement penser à une loi de Poisson.
On peut alors estimer le paramètre à 1, 5.
1, 5 i
Sous l’hypothèse H 0 , on a alors : p i P X i e 1,5 .
i!
Voir le tableau en page suivante. On a, après regroupements, r 5.
r
n i np i 2
On calcule d np i 0, 85.
i 1
On sait que sous l’hypothèse H 0 , D suit approximativement la loi de khi-deux à r 1 k 3 degrés de
liberté (après regroupements).
On détermine b tel que P D b (table 4) : pour 0, 05, on trouve b 7, 81.
Comme d b , on ne peut rejeter l’hypothèse H 0 , i.e. la conformité à la loi théorique de Poisson : la
répartition du nombre d’usagers arrivés est conforme à une loi de Poisson. En prenant cette décision de
non-rejet de H 0 , on ne connait pas la probabilité de se tromper (erreur de deuxième espèce).

Stéphane Ducay 2
S3 Maths et Info-MIAGE 2011-2012 Statistique et Probabilités Les tests de khi-deux

2
n i np i
xi ni pi np i ni np i np i

0 37 0, 2231 33, 47 3, 53 0, 37
1 46 0, 3347 50, 20 4, 20 0, 35
2 39 0, 2510 37, 65 1, 35 0, 05
3 19 0, 1255 18, 83 0, 17 0, 00
4 5 0, 0471 7, 06 2, 06
5 3 9 0, 0141 0, 08 2, 12 9, 85 0, 88 0, 85 0, 08
6 et 1 0, 0045 0, 67 0, 33
150 1 150 0, 85
On a regroupé les effectifs théoriques inférieurs à 5. On a maintenant r 5.

Exemple 3 : test de conformité à une loi Normale N ,

Lors d’une étude biologique portant sur une certaine espèce de mollusques, on a mesuré le taux de
protéines de 36 individus appartenant à cette espèce. On a obtenu les résultats suivants.
taux de protéine (en mg) 0; 1, 5 1, 5; 3 3; 4, 5 4, 5; 6 6; 7, 5 7, 5; 9 9; 10, 5
nombre d’individus 8 7 4 9 2 3 3
Peut-on admettre que le taux de protéines dans cette population suit une loi Normale ?

Population : les mollusques. Caractère : taux de protéines X, à r 7 modalités.

Echantillon X 1 , . . . , X n de taille n 36 de X.
On cherche à ajuster à la distribution observée une loi théorique suivie par X (i.e. les probabilités p i des
modalités de X). Lorsque la représentation graphique (histogramme) est plutôt symétrique et ”en cloche”, on
peut penser à une loi de Normale. A noter que ce n’est pas tout à fait le cas ici !

Test de H 0 : X suit une loi Normale contre H 1 : X ne suit pas une loi Normale
Les p i devant être calculés à l’aide la loi Normale, il y a deux paramètres à estimer : k 2.
Comme dans l’exemple 1, on calcule x 4, 21 et s c 2, 86.
On peut alors estimer les paramètres et par 4, 21 et 2, 86. Il s’agira donc de tester si X suit la loi
X 4, 21
Normale N 4, 21; 2, 86 , i.e. si U suit la loi Normale N 0; 1 .
2, 86
Voir le tableau en page suivante. On a, après regroupements, r 5.
r
n i np i 2
On calcule d np i 2, 99.
i 1
On sait que sous l’hypothèse H 0 , D suit approximativement la loi de khi-deux à r 1 k 2 degrés de
liberté.
On détermine b tel que P D b (table 4) : pour 0, 05, on trouve b 5, 99.
Comme d b , on ne peut rejeter l’hypothèse H 0 , i.e. la conformité à la loi théorique Normale : la
répartition du taux de protéines est conforme à une loi Normale. En prenant cette décision de non-rejet de H 0 ,
on ne connait pas la probabilité de se tromper (erreur de deuxième espèce).

Stéphane Ducay 3
S3 Maths et Info-MIAGE 2011-2012 Statistique et Probabilités Les tests de khi-deux

2
n i np i
Classes de X n i Classes de U : u i ; u i 1 ui pi ui 1 ui np i ni np i np i

0
; 1, 5 8 ; 0, 95 0, 1711 6, 16 1, 84 0, 55
0, 95 0, 1711
1, 5; 3 7 0, 95; 0, 42 0, 1661 5, 98 1, 02 0, 17
0, 42 0, 3372
3; 4, 5 4 0, 42; 0, 10 0, 2026 7, 29 3, 29 1, 49
0, 10 0, 5398
4, 5; 6 9 0, 10; 0, 63 0, 1959 7, 05 1, 95 0, 54
0, 63 0, 7357
6; 7, 5 2 0, 63; 1, 15 0, 1392 5, 01 3, 01
1, 15 0, 8749
7, 5; 9 3 1, 15; 1, 67 0, 0776 2, 79 0, 21 0, 24
1, 67 0, 9525
9; 3 1, 67; 0, 0475 1, 71 1, 29
1
36 1 36 2, 99
On a regroupé les effectifs inférieurs à 5, c’est-à-dire les trois dernières classes, ce qui donne :
6; 8 9, 51 1, 51 0, 24

2. Indépendance de 2 caractères

Dans une population donnée, on étudie deux caractères X et Y pouvant prendre respectivement r et s
modalités. Effectuant plusieurs échantillonnages de même taille n, on désigne par N i,j la variable aléatoire
égale à l’effectif observé du couple formé de la i ème modalité du caractère X et de la j ème modalité du caractère
Y. En pratique, pour un échantillon, on observe des effectifs n i,j .
n i, n ,j
Sous l’hypothèse d’indépendance de X et Y, l’effectif théorique est égal à np i,j n , avec
s r
n i, n i,j et n ,j n i,j .
j 1 i 1

Test de H 0 : X et Y sont indépendantes contre H 1 : X et Y ne sont pas indépendantes

Ce test s’appuie sur la distance D entre les effectifs observés et théoriques :
r s r s
N i,j np i,j 2 N 2i,j
D np i,j np i,j n .
i 1 j 1 i 1 j 1
r s 2 r s
n i,j np i,j n 2i,j
On calcule d np i,j np i,j n.
i 1 j 1 i 1 j 1
On sait que sous l’hypothèse H 0 , D suit approximativement la loi de khi deux à r 1 s 1 degrés de
liberté. On détermine le réel b tel que P D b (table 4), et on décide que :
- si d b , alors on ne peut rejeter H 0 ;
- si d b , alors on rejette H 0 avec une probabilité de se tromper.

La qualité de l’approximation de la loi de D est satisfaisante lorsque les effectifs théoriques vérifient tous
la condition np i,j 5. Si ce n’est pas le cas, on peut effectuer des regroupements de lignes ou de colonnes : r
et s désignent alors le nombre de modalités après le(s) regroupement(s). Cependant, on peut ne pas faire de
regroupement si les effectifs théoriques vérifient tous la condition np i,j 5t , où t est égal au nombre de
rs
couples de modalités ayant un effectif théorique np i,j 5.
Stéphane Ducay 4
S3 Maths et Info-MIAGE 2011-2012 Statistique et Probabilités Les tests de khi-deux

Cas particulier : r s 2.
Dans ce cas, le test d’indépendance se confond strictement avec le test (bilatéral) d’égalité de deux
proportions présenté dans le chapitre précédent. En effet, d est alors le carré de u et b le carré de u .

Exemple 4 : test d’indépendance

Une statistique effectuée sur 800 personnes donne la répartition suivante :
n i,j gros fumeurs moyen fum. petits fum. non fum. n i
hypertension 74 116 68 82 340
pas d’hypert. 126 174 82 78 460
n j 200 290 150 160 800

Tester au risque 10% l’indépendance entre l’hypertension et la consommation de tabac.

Les deux caractères sont X : hypertension et Y : consommation de tabac.

On a r 2 et s 4.
ni n j
Sous l’hypothèse d’indépendance de X et Y, les effectifs théoriques sont np i,j n .
np i,j gros fumeurs moyen fum. petits fum. non fum.
hypertension 85 123, 25 63, 75 68 340
pas d’hypert. 115 166, 75 86, 25 92 460
200 290 150 160 800
n1 n 2 340 290
Par exemple, np 1,2 n 123, 25.
800
2
n ij np i,j
np i,j gros fumeurs moyen fum. petits fum. non fum.
hypertension 1, 424 0, 426 0, 283 2, 882
pas d’hypert. 1, 052 0, 315 0, 209 2, 130
2
n np 116 123, 25 2
Par exemple, 12 np 1,2 1,2 0, 426.
123, 25
r s
n i,j np i,j 2
On obtient : d np i,j 8, 721.
i 1 j 1
On sait que sous l’hypothèse H 0 , D suit approximativement la loi de khi deux à r 1 s 1 3 degrés
de liberté.
On détermine le réel b tel que P D b (table 4) : pour 0, 10, on trouve b 6, 25.
Comme d b , on rejette l’hypothèse H 0 avec une probabilité de se tromper : on rejette donc
l’indépendance des deux caractères.

Remarque.
Si on teste au risque 0, 05, on a b 7, 81, et donc d b : même décision qu’avec 0, 10, et on a
diminué la probabilité de se tromper.
Si on teste au risque 0, 025, on a b 9, 35, et donc d b : on ne rejette pas H 0 mais on ne connait
pas la probabilité de se tromper (erreur de deuxième espèce).

Exemple 5 : test d’indépendance de deux caractères à r 2 et s 2 modalités

Dans une même catégorie sociale, un échantillon de 40 hommes a fourni 8 fumeurs et un échantillon de
60 femmes a fourni 18 fumeuses.
On se demande si la proportion de fumeurs est la même pour les deux sexes.

On a déjà traité cette question dans le chapitre précédent par un test d’homogénéité (comparaison de
deux proportions, voir chapitre précédent).
Stéphane Ducay 5
S3 Maths et Info-MIAGE 2011-2012 Statistique et Probabilités Les tests de khi-deux

Population 1 : hommes. Variable X 1 de loi de Bernoulli B p 1 , où p 1 est la proportion d’hommes

fumeurs. Echantillon de taille n 1 40 de X 1 . Estimation de p 1 : f 1 8 0, 2.
40
Population 2 : femmes. Variable X 2 de loi de Bernoulli B p 2 , où p 2 est la proportion de femmes
fumeuses. Echantillon de taille n 2 60 de X 2 . Estimation de p 2 : f 2 18 0, 3.
60
Les échantillons sont indépendants.

Test (bilatéral) de H 0 : p 1 p 2 p contre H 1 : p 1 p 2 .

On a n 1 f 1 8 5, n 1 1 f 1 32 5, n 2 f 2 18 5, n 2 1 f 2 42 5.
Sous l’hypothèse H 0 , U F 1 F 2
suit approximativement la loi normale N 0; 1 , et en
1 1
n1 n2 p 1 p
n1f1 n2f2 8 18
regroupant les deux échantillons, on peut estimer p par f 1,2 n1 n2 0, 26 . En
40 60
remplaçant p par f 1,2 , on ne modifie pas la loi approchée de U.
f1 f2 0, 2 0, 3
On calcule u 1, 12.
1 1 1 1
n1 n2 f 1,2 1 f 1,2 40 60
0, 26 1 0, 26
1
On détermine u tel que P u U u 1 , i.e. u 1 (table 2) : pour 0, 05, on
2
trouve u 1, 96.
Comme u u , u , on ne peut rejeter H 0 : la proportion de fumeurs ne diffère pas significativement
entre les deux sexes. Pour cette décision de non-rejet, on ne connait pas la probabilité de se tromper (erreur de
deuxième espèce).

On peut également traiter cette question par un test d’indépendance des deux caractères X : sexe, à r 2
modalités (hommes, femmes), et Y : être fumeur, à s 2 modalités (fumeur, non fumeur).

Test de H 0 : X et Y sont indépendantes contre H 1 : X et Y ne sont pas indépendantes

r s 2
N i,j np i,j
Ce test s’appuie sur la distance D entre les effectifs observés et théoriques : D np i,j
i 1 j 1
ni n j
Sous l’hypothèse H 0 d’indépendance de X et Y, les effectifs théoriques sont np i,j n .

2
n ij np i,j
n i,j fumeurs non fum ni np i,j fumeurs non fum np i,j fumeurs non fum
hommes 8 32 40 hommes 10, 4 29, 6 40 hommes 0, 55 0, 19
femmes 18 42 60 femmes 15, 6 44, 4 60 femmes 0, 37 0, 13
n j 26 74 100 26 74 100 1, 24
r s 2
n ij np i,j
On obtient : d np i,j 1, 24.
i 1 j 1
On sait que sous l’hypothèse H 0 , D suit approximativement la loi de khi deux à r 1 s 1 1 degré
de liberté.
On détermine le réel b tel que P D b (table 4) : pour 0, 05, on trouve b 3, 84.
Comme d b , on ne rejette pas l’hypothèse H 0 d’indépendance de X et Y : on peut donc considérer que
les caractères "sexe" et "être fumeur" sont indépendants, ce qui signifie que les proportions de fumeurs chez
les hommes et chez les femmes ne diffèrent pas significativement. Cela correspond aux résultats du test
d’homogénéité précédent. En prenant cette décision de non-rejet de H 0 , on ne connait pas la probabilité de se
tromper (erreur de deuxième espèce).

Stéphane Ducay 6
S3 Maths et Info-MIAGE 2011-2012 Statistique et Probabilités Les tests de khi-deux

3. Homogénéité : comparaison de plusieurs échantillons

Dans une population donnée, on étudie un caractère X pouvant prendre s modalités.

On dispose de r échantillons pouvant provenir de cette population.
Effectuant plusieurs échantillonnages, on désigne par N i,j la variable aléatoire égale à l’effectif observé de
la j modalité du caractère X dans le i ème échantillon. En pratique, pour un échantillonnage, on observe des
ème

effectifs n i,j .
n i, n ,j
Sous l’hypothèse d’homogénéité des échantillons, l’effectif théorique est égal à np i,j n , avec
s r
n i, n i,j et n ,j n i,j .
j 1 i 1
Test de H 0 : les échantilllons sont issus de la même population contre H 1 H 0
Ce test se déroule comme le test d’indépendance décrit au paragraphe 2, même si le problème posé est de
nature différente.

Exemple 6
Dans deux échantillons de populations d’une même espèce, d’effectifs respectifs 100 et 400, on dénombre
4 phénotypes. Les résultats sont les suivants :
n ij A 1 A 2 A 3 A 4
e 1 10 30 50 10
e 2 60 120 180 40
Les deux populations présentent-elles les mêmes proportions de phénotypes ?

Autrement dit, les deux populations sont-elle identiques en termes de répartition des phénotypes ?
Ce qui nous amène à tester si les deux échantillons proviennent de la même population.
On a r 2 échantillons et s 4 modalités pour le caractère phénotype.

n i,j A 1 A2 A3 A4 ni np i,j A 1 A2 A3 A4 ni n i,j np i,j 2

np i,j A1 A2 A3 A4
e 1 10 30 50 10 100 e1 14 30 46 10 100
e1 1, 14 0 0, 35 0
e 2 60 120 180 40 400 e2 56 120 184 40 400
e2 0, 29 0 0, 09 0
n j 70 150 230 50 500 n j 70 150 230 50 500

r s 2
n i,j np i,j
On obtient : d np i,j 1, 87.
i 1 j 1
On sait que sous l’hypothèse H 0 , D suit approximativement la loi de khi deux à r 1 s 1 3 degrés
de liberté. On détermine le réel b tel que P D b (table 4) : pour 0, 05, on trouve b 7, 81.
Comme d b , on ne peut rejeter l’hypothèse H 0 : les deux échantillons proviennent de la même
population.

4. Exercices

Sauf mention explicite, les tests seront réalisés au risque 5%.

Exercice 1.
On a effectué le croisement de balsamines blanches avec des balsamines pourpres. En première
génération les fleurs sont toutes pourpres. En deuxième génération, on obtient quatre catégories avec les
effectifs suivants :
couleur pourpre rose blanc lavande blanc
effectif 1790 547 548 213

Stéphane Ducay 7
S3 Maths et Info-MIAGE 2011-2012 Statistique et Probabilités Les tests de khi-deux

Peut-on accepter l’hypothèse de répartition mendélienne 9 , 3 , 3 , 1 ?

16 16 16 16

Exercice 2.
Dans une usine de production d’un laboratoire pharmaceutique, on a dénombré pendant deux mois, soit
50 jours d’activité, le nombre de pannes quotidiennes. On a consigné les résultats dans le tableau suivant :
xi 0 1 2 3 4 et
n i 21 18 7 3 1
où n i est le nombre de jours où l’on a observé x i pannes.
1) Calculer la moyenne et la variance de cette distribution.
2) Tester l’ajustement à cette distribution d’une loi de Poisson.

Exercice 3. D’après examen de janvier 2006

A l’aide d’un programme informatique, on simule 100 lancers d’un dé à 6 faces numérotées de 1 à 6 On
obtient les résultats suivants :
Face 1 2 3 4 5 6
Nombre de lancers 17 22 18 14 13 16
1) Préciser la(les) population(s) et le(s) caractère(s) étudié(s), ainsi que la(les) taille(s) d’échantillon.
2) Peut-on considérer, au risque 5%, que la simulation est bien celle d’un dé équilibré ?

Exercice 4.
Dans une population masculine adulte de sujets bien portants, les proportions suivantes sont supposées
connues exactement :
Non fumeurs : 10% Fumeurs de cigarettes : 65%
Fumeurs de pipes : 5% Fumeurs de pipes et cigarettes : 20%
Sur un échantillon de 200 sujets de sexe masculin, atteints d’une maladie déterminée, on a observé la
répartition suivante :
Non fumeurs : 10 Fumeurs de cigarettes : 140
Fumeurs de pipes : 5 Fumeurs de pipes et cigarettes : 45
Peut-on considérer que cette répartition diffère de celle des sujets bien portants ?

Exercice 5.
A la suite du même traitement, on a observé 40 bons résultats chez 70 malades jeunes et 50 bons résultats
chez 100 malades agés.
Peut-on dire qu’il y a indépendance entre l’âge du malade et l’effet du traitement ?

Exercice 6. D’après examen de janvier 2005

En novembre 2004, beaucoup d’étudiants ont déclaré être stressé par les changements consécutifs à la
mise en place du LMD. C’est pourquoi la Faculté leur a proposé de suivre un stage de relaxation proposant
plusieurs méthodes différentes : méthode "be cool", méthode "be aware", méthode "be zen". A l’issue du
stage, on leur a demandé comment ils se sentaient : moins, autant ou plus stressé qu’avant le stage. On a
obtenu la répartition suivante des étudiants :
moins autant plus
be cool 30 15 15
be aware 10 5 15
be zen 15 10 35
Effectuer un test statistique adéquat pour répondre à la question suivante : peut-on considérer que la
méthode de relaxation choisie a une influence sur le niveau de stress après le stage ?

Stéphane Ducay 8