Chapitre 5

Test d’Hypothèses

Dr Khalil AMINE
[Link]@[Link]

EHTP 2024/2025
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Dr Khalil Amine (EHTP, Casablanca) [Link]@[Link] 1 / 61
 Introduction

1. Introduction

. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Dr Khalil Amine (EHTP, Casablanca) [Link]@[Link] 2 / 61
 Introduction

Introduction

On se place face au problème suivant:

Pour remplir des paquets de café de 250 g, on utilise

une machine réglée avec une certaine précision. Dans
le cadre d’un contrôle-qualité, on veut savoir décider
sur le bon fonctionnement de cette machine,
c’est-à-dire si d’éventuel écart de la norme “250 g” est
dû à un problème technique de la machine et non pas
à un problème d’échantillonnage.

. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Dr Khalil Amine (EHTP, Casablanca) [Link]@[Link] 3 / 61
 Introduction

Introduction

Ainsi, on ne peut pas espérer que tous les paquets

sortant de la machine pèsent exactement 250 g, mais
on peut seulement exiger que l’espérance
mathématique des masses de tous les paquets produits
soit de 250 g.

. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Dr Khalil Amine (EHTP, Casablanca) [Link]@[Link] 4 / 61
 Introduction

Introduction

Si on trouve qu’une palette de 50 paquets pèsera par

exemple 12.45 kg. Doit-on en conclure que la machine
est mal réglée ?

Si, après avoir réglé différemment la machine, une

nouvelle palette de 50 paquets pèse 12.55 kg, peut-on
en conclure que la machine est mieux réglée ?

. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Dr Khalil Amine (EHTP, Casablanca) [Link]@[Link] 5 / 61
 Introduction

Introduction

Pour répondre à un tel problème, on a recours à faire

un test statistique, dit test d’hypothèse, qui
consiste en une démarche qui a pour but de fournir
une règle de décision permettant, sur la base de
résultats d’échantillons, de faire un choix entre deux
affirmations, dites hypothèses statistiques.

. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Dr Khalil Amine (EHTP, Casablanca) [Link]@[Link] 6 / 61
 Introduction

Introduction

Définition (Hypothèse nulle)

On appelle hypothèse nulle, noté H0 , un énoncé
postulant une égalité entre deux données d’un modèle,
ou deux coefficients.

. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Dr Khalil Amine (EHTP, Casablanca) [Link]@[Link] 7 / 61
 Introduction

Introduction

Une hypothèse nulle d’un test statistique est toujours

testée contre une hypothèse dite hypothèse
alternative, noté H1 , qui postule:

la différence des données

−→ test bilatéral

une inégalité entre les données

−→ test unilatéral

. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Dr Khalil Amine (EHTP, Casablanca) [Link]@[Link] 8 / 61
 Introduction

Introduction

La statistique qui convient pour le test est donc une

variable aléatoire dont la valeur observée sera utilisée
pour décider du “rejet” ou du “non-rejet” de H0 . La
distribution d’échantillonnage de cette statistique sera
déterminée en supposant que l’hypothèse H0 est vraie.

. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Dr Khalil Amine (EHTP, Casablanca) [Link]@[Link] 9 / 61
 Introduction

Introduction

Ainsi, les méthodes de statistique inductive peuvent

conduire à deux cas de figures:
1. rejeter l’hypothèse nulle H0 , donc accepter
l’hypothèse alternative H1 , ou
2. accepter l’hypothèse nulle H0 , donc rejeter
l’hypothèse alternative H1 .

. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Dr Khalil Amine (EHTP, Casablanca) [Link]@[Link] 10 / 61
 Introduction

Introduction

Définition (Zone de rejet)

On appelle zone de rejet, ou zone critique, de
l’hypothèse nulle H0 l’ensemble des valeurs pour
lesquelles l’hypothèse H0 soit rejetée.

. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Dr Khalil Amine (EHTP, Casablanca) [Link]@[Link] 11 / 61
 Introduction

Introduction
La zone de rejet correspond à un risque d’erreur α, dit
dans ce contexte, seuil de signification du test, qui
représente la probabilité que la valeur expérimentale
ou calculée de la statistique appartienne à la zone de
rejet si H0 est (supposée) vraie.
α = P (rejeter H0 |H0 est vraie)
= P (accepter H1 |H1 est fausse)
ce qui est équivalent à:
1 − α = P (accepter H0 |H0 est vraie)
= P (rejeter H1 |H1 est fausse)
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Dr Khalil Amine (EHTP, Casablanca) [Link]@[Link] 12 / 61
 Introduction

Introduction
Cheminement d’un test statistique:
1. Construction du test de validité d’hypothèse
Étape 1: détermination d’une variable aléatoire de
décision et de ses paramètres,
Étape 2: choix des deux hypothèses: l’hypothèse
nulle H0 et l’hypothèse alternative H1 ,
Étape 3: l’hypothèse nulle étant considérée comme
vraie et compte tenu de l’hypothèse alternative,
détermination de la zone critique selon un risque
d’erreur α donné,
Étape 4: rédaction d’une règle de décision.
2. Utilisation du test d’hypothèse
Étape 5: calcul des caractéristiques d’un échantillon
particulier puis application de la règle de décision.
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Dr Khalil Amine (EHTP, Casablanca) [Link]@[Link] 13 / 61
 Test d’hypothèses

2. Test d’hypothèses

. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Dr Khalil Amine (EHTP, Casablanca) [Link]@[Link] 14 / 61
 Test d’hypothèses Test bilatéral relatif à une moyenne

Test bilatéral relatif à une moyenne

Exemple:
Une machine produit des rondelles dont l’épaisseur est
une variable aléatoire X d’écart-type 0.3 mm. La
machine a été réglée pour obtenir des épaisseurs de
5 mm.

Un contrôle portant sur un échantillon de 100

rondelles a donné 5.07 mm comme moyenne des
épaisseurs de ces 100 rondelles. Peut-on affirmer que
la machine est bien réglée au seuil de risque de 5% ?
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Dr Khalil Amine (EHTP, Casablanca) [Link]@[Link] 15 / 61
 Test d’hypothèses Test bilatéral relatif à une moyenne

Test bilatéral relatif à une moyenne

1. Variable aléatoire de décision.

Soit µ l’espérance mathématique de X ,
c’est-à-dire la moyenne des épaisseurs de toutes
les rondelles produites par la machine ainsi réglée.

Considérons la variable aléatoire M100 qui, à

chaque échantillon de taille 100, associe sa
moyenne.

. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Dr Khalil Amine (EHTP, Casablanca) [Link]@[Link] 16 / 61
 Test d’hypothèses Test bilatéral relatif à une moyenne

Test bilatéral relatif à une moyenne

La taille des échantillons étant suffisamment

grande,
( on )considère que M100 suit la loi
2
0.3
N µ, , c’est-à-dire N (µ, 0.0009).
100
M100 sera la variable aléatoire de décision.

. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Dr Khalil Amine (EHTP, Casablanca) [Link]@[Link] 17 / 61
 Test d’hypothèses Test bilatéral relatif à une moyenne

Test bilatéral relatif à une moyenne

2. Choix des hypothèses.

On estime que la machine est bien réglée, si la
moyenne de toutes les rondelles produites par la
machine est 5 mm. C’est donc l’hypothèse µ = 5
à tester. Soient alors:
H0 : “µ = 5”
̸ 5”
H1 : “µ =
Soit à chercher comment la moyenne µ100 , d’un
échantillon de 100 rondelles peut confirmer ou
non l’hypothèse H0 .

. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Dr Khalil Amine (EHTP, Casablanca) [Link]@[Link] 18 / 61
 Test d’hypothèses Test bilatéral relatif à une moyenne

Test bilatéral relatif à une moyenne

3. Zone critique.
Dons le cas où l’hypothèse H0 est vraie, la
variable aléatoire M100 suit la loi N (5, 0.0009).

On cherche alors le réel ε tel que

P (5 − ε ≤ M100 ≤ 5 + ε) = 0.95.
ε
On trouve = 1.96, soit ε ≃ 0.06.
0.03
L’intervalle de confiance est donc l’intervalle:
[5 − 0.06, 5 + 0.06] = [4.94, 5.06].
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Dr Khalil Amine (EHTP, Casablanca) [Link]@[Link] 19 / 61
 Test d’hypothèses Test bilatéral relatif à une moyenne

Test bilatéral relatif à une moyenne

. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Dr Khalil Amine (EHTP, Casablanca) [Link]@[Link] 20 / 61
 Test d’hypothèses Test bilatéral relatif à une moyenne

Test bilatéral relatif à une moyenne

Étant donné que la probabilité qu’un échantillon ait
une moyenne située hors de cet intervalle est de 0.05,
un tel événement peut être considéré comme rare. Par
conséquent, la moyenne de l’échantillon µ100 = 5.07
conduit à remettre en question la validité de
l’hypothèse H0 .

Il est important de garder à l’esprit qu’il est possible,

malgré tout, que la machine soit correctement réglée
et que l’échantillon appartienne aux 5% de ceux dont
la moyenne se situe en dehors de l’intervalle identifié.
C’est pour cette raison que cette région est appelée
zone critique. .
.
.
.
.
. . . . .
. . . .
. . . .
. . . .
. . . .
. . . . .
.
.
.
.
.
.
.
.
.

Dr Khalil Amine (EHTP, Casablanca) [Link]@[Link] 21 / 61

 Test d’hypothèses Test bilatéral relatif à une moyenne

Test bilatéral relatif à une moyenne

4. Règle de décision.
Si la moyenne de l’échantillon n’est pas située
dans la zone critique, on accepte H0 , sinon, on
refuse H0 et on accepte H1 .

5. Conclusion.
Puisque 5.07 appartient à la zone critique, on
décide de rejeter l’hypothèse H0 et d’accepter
l’hypothèse alternative H1 : µ ̸= 5 (la machine
n’est pas bien réglée).
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Dr Khalil Amine (EHTP, Casablanca) [Link]@[Link] 22 / 61
 Test d’hypothèses Test unilatéral relatif à une moyenne

Test unilatéral relatif à une moyenne

Exemple:
La durée de vie (en heures) des ampoules électriques
produites par une usine est une variable aléatoire X
d’écart-type 120. Le fabricant annonce qu’en
moyenne, les ampoules ont une durée de vie de 1120
heures.

On demande de rédiger une règle de décision pour

vérifier l’affirmation du fabriquant, au seuil de risque
de de 5%, en testant un échantillon de 36 ampoules.
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Dr Khalil Amine (EHTP, Casablanca) [Link]@[Link] 23 / 61
 Test d’hypothèses Test unilatéral relatif à une moyenne

Test unilatéral relatif à une moyenne

1 Variable aléatoire de décision.
Soit µ l’espérance mathématique de X ,
c’est-à-dire la moyenne des durée de vie de toutes
les ampoules produites par l’usine. Considérons
la variable aléatoire M36 qui, à chaque échantillon
de 36 ampoules associe la moyenne de durée de
vie des 36 ampoules.

La taille des échantillons étant suffisamment

grande,
( on considère
) que M36 suit la loi
2
120
N µ, , c’est-à-dire N (µ, 400).
36 . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Dr Khalil Amine (EHTP, Casablanca) [Link]@[Link] 24 / 61
 Test d’hypothèses Test unilatéral relatif à une moyenne

Test unilatéral relatif à une moyenne

1 Choix des hypothèses.

Soit l’hypothèse nulle H0 : m = 1120
(l’affirmation du fabricant est vraie).

. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Dr Khalil Amine (EHTP, Casablanca) [Link]@[Link] 25 / 61
 Test d’hypothèses Test unilatéral relatif à une moyenne

Test unilatéral relatif à une moyenne

Dans l’exemple précédent, les rondelles devaient

présenter une épaisseur moyenne de 5 mm, une
mesure ne tolérant ni excès ni déficit. En revanche,
dans ce cas, l’acheteur exprimera une insatisfaction
uniquement si la durée de vie des ampoules est
inférieure à 1 120 heures. Si la moyenne me de
l’échantillon dépasse 1 120, l’hypothèse du fabricant
est aussitôt validée.

L’hypothèse alternative H1 est donc µ < 1120

(l’affirmation du fabricant est fausse).
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Dr Khalil Amine (EHTP, Casablanca) [Link]@[Link] 26 / 61
 Test d’hypothèses Test unilatéral relatif à une moyenne

Test unilatéral relatif à une moyenne

1 Zone critique.
La zone critique se trouve donc d’un seul côté de
la moyenne. On dit alors que le test est
unilatéral.

Dans le cas où l’hypothèse H0 est vraie, la

variable aléatoire M36 suit la loi N (1120, 20)

. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Dr Khalil Amine (EHTP, Casablanca) [Link]@[Link] 27 / 61
 Test d’hypothèses Test unilatéral relatif à une moyenne

Test unilatéral relatif à une moyenne

On cherche alors le réel ε tel que

P (M36 < 1120 − ε) = 0.05.
ε
On trouve alors = 1.645 soit ε ≃ 33.
20
La zone critique est donc l’intervalle
] − ∞, 1120 − 33] =] − ∞, 1087].

. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Dr Khalil Amine (EHTP, Casablanca) [Link]@[Link] 28 / 61
 Test d’hypothèses Test unilatéral relatif à une moyenne

Test unilatéral relatif à une moyenne

La zone critique est l’intervalle ] − ∞, 1087[: 5%

seulement des échantillons de taille 36 ont en moyenne
une durée de vie inférieure à 1087 heures.
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Dr Khalil Amine (EHTP, Casablanca) [Link]@[Link] 29 / 61
 Test d’hypothèses Test unilatéral relatif à une moyenne

Test unilatéral relatif à une moyenne

1 Règle de décision.
Si la moyenne me de l’échantillon observé est
inférieure à 1087, on rejette l’hypothèse H0 et on
accepte l’hypothèse alternative H1 (l’affirmation
du fabricant est fausse).

Si la moyenne me de l’échantillon observé est

supérieure à 1087, on accepte l’hypothèse H0 .

. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Dr Khalil Amine (EHTP, Casablanca) [Link]@[Link] 30 / 61
 Test d’hypothèses Test unilatéral relatifs à une fréquence

Test unilatéral relatifs à une fréquence

Exemple: test unilatéral relatif à une fréquence

Un joueur qui doit choisir au hasard une carte dans
un jeu de 32 cartes obtient certains avantages s’il
découvre un roi. On constate qu’il a retourné 134 fois
un roi sur 800 essais.

Peut-on présumer, au seuil de risque de 1%, que ce

joueur est un tricheur ?

. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Dr Khalil Amine (EHTP, Casablanca) [Link]@[Link] 31 / 61
 Test d’hypothèses Test unilatéral relatifs à une fréquence

Test unilatéral relatifs à une fréquence

1. Variable aléatoire de décision.

Soit p la fréquence de rois que le joueur
découvrirait s’il jouait une infinité de fois.

Soit F la variable aléatoire qui, à chaque

échantillon de 800 essais, associe la fréquence
d’apparition du roi. La taille des échantillons
étant suffisamment
( grande,) on considère que F
p(1 − p)
suit la loi N p, .
800
F sera la variable aléatoire de décision.
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Dr Khalil Amine (EHTP, Casablanca) [Link]@[Link] 32 / 61
 Test d’hypothèses Test unilatéral relatifs à une fréquence

Test unilatéral relatifs à une fréquence

2. Choix des hypothèses.

Si le joueur n’est pas un tricheur, la valeur de p
4
est = 0.125.
32
Donc, l’hypothèse nulle H0 est p = 0.125 (le
joueur n’est pas un tricheur).

Si p < 0.125, on considérera que le joueur n’est

pas un tricheur non plus, donc: l’hypothèse
alternative H1 est p > 0.125 (le joueur est un
tricheur).
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Dr Khalil Amine (EHTP, Casablanca) [Link]@[Link] 33 / 61
 Test d’hypothèses Test unilatéral relatifs à une fréquence

Test unilatéral relatifs à une fréquence

3. Zone critique.
Dans le cas où l’hypothèse H0 est vraie, la
(
variable aléatoire F suit )
la loi
0.125 × 0.875
N 0.125, soit N (0.125, 0.01172 ).
800
On cherche alors le réel ε tel que
P (F > 0.125 + ε) = 0.01.
ε
On trouve alors = 2.33 soit ε ≃ 0.027.
0.0117
La zone critique est donc l’intervalle
[0.125 + 0.027, +∞[= [0.152, +∞[.
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Dr Khalil Amine (EHTP, Casablanca) [Link]@[Link] 34 / 61
 Test d’hypothèses Test unilatéral relatifs à une fréquence

Test unilatéral relatifs à une fréquence

. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Dr Khalil Amine (EHTP, Casablanca) [Link]@[Link] 35 / 61
 Test d’hypothèses Test unilatéral relatifs à une fréquence

Test unilatéral relatifs à une fréquence

4. Règle de décision.
Si la fréquence de l’échantillon est supérieure à
0.152, on rejette l’hypothèse H0 et on accepte
l’hypothèse H1 : l’hypothèse H0 n’est pas validée.

Si la fréquence de l’échantillon est inférieure à

0.152, on accepte l’hypothèse H0 : l’hypothèse H0
est validée.

. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Dr Khalil Amine (EHTP, Casablanca) [Link]@[Link] 36 / 61
 Test d’hypothèses Test unilatéral relatifs à une fréquence

Test unilatéral relatifs à une fréquence

5. Conclusion.
L’échantillon observé a une fréquence égale à
134
= 0.1675.
800
D’après la règle de décision, puisque
0.1675 > 0.152, on accepte l’hypothèse H1 : on
décide que le joueur est un tricheur.

. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Dr Khalil Amine (EHTP, Casablanca) [Link]@[Link] 37 / 61
 Test de comparaison

3. Test de comparaison

. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Dr Khalil Amine (EHTP, Casablanca) [Link]@[Link] 38 / 61
 Test de comparaison Comparaison de deux moyennes

Comparaison de deux moyennes

Exemple:
Une entreprise fabrique des sacs en plastique pour
déchets. Afin de surveiller la production, elle effectue
des contrôles réguliers portant sur le poids maximum
que les sacs peuvent supporter.

À une première date t1 , le contrôle de 100 sacs a

donné une moyenne de 58 kg et un écart-type de 3 kg.

. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Dr Khalil Amine (EHTP, Casablanca) [Link]@[Link] 39 / 61
 Test de comparaison Comparaison de deux moyennes

Comparaison de deux moyennes

À la seconde date t2 , le contrôle de 150 sacs a donné

une moyenne de 56 kg et un écart-type de 5 kg.

Peut-on considérer, au risque de 4%, que la qualité

des sacs a évolué entre les deux dates ?

. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Dr Khalil Amine (EHTP, Casablanca) [Link]@[Link] 40 / 61
 Test de comparaison Comparaison de deux moyennes

Comparaison de deux moyennes

1. Variable aléatoire de décision.

Appelons E1 (resp. E2 ) l’ensemble de tous les sacs
produits par l’entreprise à la date t1 (resp. t2 ).

. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Dr Khalil Amine (EHTP, Casablanca) [Link]@[Link] 41 / 61
 Test de comparaison Comparaison de deux moyennes

Comparaison de deux moyennes

Soit M1 la variable aléatoire qui, à chaque

échantillon de 100 sacs issus de la population E1 ,
associe sa moyenne.
Une estimation ponctuelle de la moyenne et de
l’écart-type
√ de à la date t1 est: m1 = 58, et
100
σ1 = 3 × .
99
La taille des échantillons étant suffisamment
grande,
( M1 suit
) la loi
( )
2
σ1 1
N m1 , = N 58, .
100 11
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Dr Khalil Amine (EHTP, Casablanca) [Link]@[Link] 42 / 61
 Test de comparaison Comparaison de deux moyennes

Comparaison de deux moyennes

Soit M2 la variable aléatoire qui, à chaque

échantillon de 150 sacs issus de la population E2 ,
associe sa moyenne. Une estimation ponctuelle de
la moyenne et de l’écart-type
√ à la date t2 est:
150
m2 = 56, et σ2 = 5 × .
149
La taille des échantillons étant suffisamment
grande,
( M2 suit
) la loi
( )
2
σ2 25
N m2 , = N 56, .
150 149
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Dr Khalil Amine (EHTP, Casablanca) [Link]@[Link] 43 / 61
 Test de comparaison Comparaison de deux moyennes

Comparaison de deux moyennes

La variable aléatoire D = M1 − M2 suit également

une loi normale de paramètres:
E[D] = E[M1 ] − E[M2 ] = m1 − m2 .
1 25
var(D) = var(M1 ) + var(M2 ) = + = 0.2587.
11 149
D’où σD = 0.51.

Donc D suit la loi N (m1 − m2 , 0.512 ). D est la

variable aléatoire de décision.

. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Dr Khalil Amine (EHTP, Casablanca) [Link]@[Link] 44 / 61
 Test de comparaison Comparaison de deux moyennes

Comparaison de deux moyennes

2. Choix des hypothèses.

L’hypothèse nulle H0 est m1 = m2 (la qualité n’a
pas évolué).

L’hypothèse alternative H1 est m1 ̸= m2 (la

qualité a évolué).

. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Dr Khalil Amine (EHTP, Casablanca) [Link]@[Link] 45 / 61
 Test de comparaison Comparaison de deux moyennes

Comparaison de deux moyennes

3. Zone critique.
Supposons que l’hypothèse H0 soit vraie, on a
alors m1 − m2 = 0 ; alors D suit la loi normale
N (0, 0.512 ).
On cherche alors le réel ε tel que
P (−ε ≤ D ≤ ε) = 0.96.
ε
On trouve alors = 2.055 soit ε ≃ 1.05.
0.51
Pour un risque d’erreur de 4%, la zone critique
est: ] − ∞, −1.05 [ ∪ ] 1.05 , +∞[.
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Dr Khalil Amine (EHTP, Casablanca) [Link]@[Link] 46 / 61
 Test de comparaison Comparaison de deux moyennes

Comparaison de deux moyennes

. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Dr Khalil Amine (EHTP, Casablanca) [Link]@[Link] 47 / 61
 Test de comparaison Comparaison de deux moyennes

Comparaison de deux moyennes

4. Règle de décision.
Si la différence des moyennes des deux
échantillons est inférieure à −1.05 ou supérieure à
1.05, alors l’hypothèse H0 , n’est pas validée.
Si la différence des moyennes des deux
échantillons est comprise entre −1.05 et
1.05,l’hypothèse H0 est validée.

. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Dr Khalil Amine (EHTP, Casablanca) [Link]@[Link] 48 / 61
 Test de comparaison Comparaison de deux moyennes

Comparaison de deux moyennes

5. Conclusion.
La différence des moyennes des deux échantillons
est 58 − 56 = 2.
D’après la règle de décision, on rejette H0 et on
décide que la qualité des sacs a évolué entre les
dates t1 et t2 .

. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Dr Khalil Amine (EHTP, Casablanca) [Link]@[Link] 49 / 61
 Test de comparaison Comparaison de deux fréquences

Comparaison de deux fréquences

Exemple:
A l’issue d’un examen, il y a 23 reçus et 17 ajournés
dans une classe et 15 reçus et 25 ajournés dans une
autre classe.
La différence observée entre les deux pourcentages de
réussite est-elle significative d’une différence de niveau
entre les deux classes, au seuil de 5%

. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Dr Khalil Amine (EHTP, Casablanca) [Link]@[Link] 50 / 61
 Test de comparaison Comparaison de deux fréquences

Comparaison de deux fréquences

1. Variable aléatoire de décision.

On suppose que la première classe est issue d’une
population C1 pour laquelle la fréquence de
succès est p1 , et que la deuxième classe est issue
d’une population C2 pour laquelle la fréquence de
succès est p2 .

. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Dr Khalil Amine (EHTP, Casablanca) [Link]@[Link] 51 / 61
 Test de comparaison Comparaison de deux fréquences

Comparaison de deux fréquences

Soit F1 la variable qui, à chaque échantillon de 40

élèves de la population C1 , associe sa fréquence
de succès.
La taille des échantillons étant suffisamment
grande,
( √ on considère)que F1 , suit la loi
p1 (1 − p1 )
N p1 , .
40

. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Dr Khalil Amine (EHTP, Casablanca) [Link]@[Link] 52 / 61
 Test de comparaison Comparaison de deux fréquences

Comparaison de deux fréquences

Une estimation ponctuelle de la fréquence et de

l’écart-type pour la population C1 est:
23
p1 = = 0.545, et
√
40 √
40 0.545(1 − 0.545)
σ1 = × = 0.079.
39 40
Donc, F1 suit la loi N (p1 , 0.0792 ).

. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Dr Khalil Amine (EHTP, Casablanca) [Link]@[Link] 53 / 61
 Test de comparaison Comparaison de deux fréquences

Comparaison de deux fréquences

Soit F2 la variable qui, à chaque échantillon de 40

élèves de la population C2 , associe sa fréquence
de succès.
La taille des échantillons étant suffisamment
grande,
( √ on considère)que F2 , suit la loi
p2 (1 − p2 )
N p2 , .
40

. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Dr Khalil Amine (EHTP, Casablanca) [Link]@[Link] 54 / 61
 Test de comparaison Comparaison de deux fréquences

Comparaison de deux fréquences

Une estimation ponctuelle de la fréquence et de

l’écart-type pour la population C2 est:
15
p2 = = 0.375, et
√
40 √
40 0.375(1 − 0.375)
σ2 = × = 0.078.
39 40
Donc, F2 suit la loi N (p2 , 0.0782 ).

. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Dr Khalil Amine (EHTP, Casablanca) [Link]@[Link] 55 / 61
 Test de comparaison Comparaison de deux fréquences

Comparaison de deux fréquences

La variable aléatoire D = F1 − F2 suit également

une loi normale de paramètres:
E[D] = E[F1 ] − E[F2 ] = p1 − p2 .
var(D) = var(F1 ) + var(F2 ) = 0.0772 + 0.0782 .
D’où σD = 0.11.

Donc D suit la loi N (p1 − p2 , 0.112 ).

D est la variable aléatoire de décision.

. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Dr Khalil Amine (EHTP, Casablanca) [Link]@[Link] 56 / 61
 Test de comparaison Comparaison de deux fréquences

Comparaison de deux fréquences

2. Choix des hypothèses.

L’hypothèse nulle H0 est p1 = p2 (les deux
populations ont le même niveau),
l’hypothèse alternative H1 est p1 ̸= p2 (les deux
populations n’ont pas le même niveau).

. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Dr Khalil Amine (EHTP, Casablanca) [Link]@[Link] 57 / 61
 Test de comparaison Comparaison de deux fréquences

Comparaison de deux fréquences

3. Zone critique.
Supposons que l’hypothèse H0 soit vraie, on a
alors p1 − p2 = 0, alors D suit la loi normale
N (0, 0.112 ).

On cherche alors le réel ε tel que

P (−ε ≤ D ≤ ε) = 0.95.
ε
On trouve alors = 1.96 soit ε ≃ 0.22.
0.11
Pour un risque d’erreur de 5%, la zone critique
est: ] − ∞, −0.22[∪]0.22, +∞[.
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Dr Khalil Amine (EHTP, Casablanca) [Link]@[Link] 58 / 61
 Test de comparaison Comparaison de deux fréquences

Comparaison de deux fréquences

. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Dr Khalil Amine (EHTP, Casablanca) [Link]@[Link] 59 / 61
 Test de comparaison Comparaison de deux fréquences

Comparaison de deux fréquences

4. Règle de décision.
Si la différence des moyennes des deux
échantillons est inférieure à −0.22 ou supérieure à
0.22, alors l’hypothèse H0 n’est pas validée.
Sinon, l’hypothèse H0 est validée.

. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Dr Khalil Amine (EHTP, Casablanca) [Link]@[Link] 60 / 61
 Test de comparaison Comparaison de deux fréquences

Comparaison de deux fréquences

5. Conclusion.
La différence des fréquences de succès des deux
23 15
échantillons est − = 0.2.
40 40
D’après la règle de décision, on en conclut qu’au
risque d’erreur de 5%, la différence observée entre
les deux échantillons n’est pas significative d’une
différence de niveau entre les deux classes.
(l’hypothèse H0 est validée).

. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Dr Khalil Amine (EHTP, Casablanca) [Link]@[Link] 61 / 61