Univ MSBY Jijel Fac SEI Dép de Mathématiques

Université Mohammed Sedik Benyahia-Jijel

Faculté des Sciences Exactes et

Informatique

Département de Mathématiques

STATISTIQUE INFÉRENTIELLE
RÉSUMÉ DU COURS
Niveau : Troisième Anneé

Spécialité : Mathématiques

Année universitaire 2020/2021

Enseignant : GHERDA Mebrouk

[Link] 2020/2021 1
Table des matières

1 MODES DE CONVERGENCES ET APPROXIMATIONS 5

1.1 MODES DE CONVERGENCES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5

1.1.1 Convergence en probabilité : Xn −→P X . . . . . . . . . . . . . . . . . . . . . . . . . . 5

1.1.2 Convergence en moyenne quadratique : Xn −→mq X . . . . . . . . . . . . . . . . . . . . 5

1.1.3 Convergence presque sûre : Xn −→ps X. . . . . . . . . . . . . . . . . . . . . . . . . . . . 5

1.1.4 Convergence en loi : Xn −→l X . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6

1.1.5 Théorème limite centrale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6

1.1.6 Liens entre les différents type de convergence. . . . . . . . . . . . . . . . . . . . . . . . . 6

1.2 APPROXIMATION . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7

1.2.1 Approximation d’une loi binomiale par une loi de Poisson . . . . . . . . . . . . 7

1.2.2 Approximation d’une loi binomiale par une loi normale . . . . . . . . . . . . . . 7

1.2.3 Approximation de loi de Poisson par une loi normale . . . . . . . . . . . . . . . 7

1.2.4 Lois dérivées de la loi normale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8

1.2.5 Loi de Student : t(n) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9

2 Le modèle statistique 11

2.1 Notions et définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11

2.1.1 Le modèle statistique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11

2.1.2 Fonction de vraisemblance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13

2.1.3 Statistique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13

2
 Univ MSBY Jijel Fac SEI Dép de Mathématiques

2.1.4 Modèle d’échantillonnage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14

2.1.5 Familles Exponentielles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15

2.1.6 Modèle position-échelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16

2.2 Exhaustivité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16

2.2.1 Statistique exhaustive . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16

2.2.2 Notion d’identifiabilité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17

2.3 Éléments de théorie de l’information . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18

3 ESTIMATION 21

3.1 Distribution d’échantillonnage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21

3.1.1 Loi de probabilité de la moyenne . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21

3.1.2 Convergence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22

3.2 Estimateur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22

3.2.1 Propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23

3.2.2 Estimation ponctuelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24

3.2.3 Espérance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24

3.2.4 Variance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24

3.2.5 quelques méthodes d’estimation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25

4 LES TESTS STATISTIQUES 27

4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27

4.2 La formulation des hypothèses . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28

4.2.1 Le risque d’erreur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28

4.3 Les différents types de tests . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29

4.3.1 Les tests de conformité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29

4.3.2 les tests d’homogénéité (grands échantillons) . . . . . . . . . . . . . . . . . . . . . . . . . 31

4.3.3 Test de Student . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33

[Link] 2020/2021 3
 Univ MSBY Jijel Fac SEI Dép de Mathématiques

4.3.4 Test de Fisher-Snedecor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34

4.4 Le test chi-deux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34

4.4.1 INTRODUCTION . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34

4.4.2 COMPARAISON ET AJUSTEMENT A UNE LOI THEORIQUE . . . . . . . 35

4.4.3 Application du test chi-deux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35

4.4.4
Tests d0hmogénéité

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38

[Link] 2020/2021 4
Chapitre 1

MODES DE CONVERGENCES ET
APPROXIMATIONS

1.1 MODES DE CONVERGENCES

Soit X une varible alétoire et (Xn ) une suite de variables alétoires définies sue le même espace probabilisé
(Ω, Λ, P ) .

1.1.1 Convergence en probabilité : Xn −→P X

Définition 1.1. la suite (Xn ) Converge en probabilité vers X si ∀ε > 0 limn−→∞ P (|Xn − X| > ε) = 0

La loi faible des grand nombres

Si les variables aléatoires Xn sont deux à deux non covariées, de même loi, d’espérance µ de variance σ 2 ,
n
alors n1
P
Xi −→P µ.
i=1

1.1.2 Convergence en moyenne quadratique : Xn −→mq X

 
Définition 1.2. la suite (Xn ) Converge en moyenne quadratique vers X si limn−→∞ P (Xn − X)2 = 0

2.2 Propriétés : (Xn ) Converge en moyenne quadratique vers X si et seulement si limn−→∞ E (Xn ) = E (X)
et limn−→∞ var (Xn − X) = 0.

1.1.3 Convergence presque sûre : Xn −→ps X.

Définition 1.3. la suite (Xn ) Converge presque sû rement vers X si P (w/ lim0→∞ Xn (w) = X (w)) = 1

5
 Univ MSBY Jijel Fac SEI Dép de Mathématiques

Loi forte des grands nombres

1 Pn
Si les variables aléatoires Xn sont mutuellement indépendantes de même loi, d’espérance µ, alors Xi −→P s
n i=1
µ.

1.1.4 Convergence en loi : Xn −→l X

Soit Fn la fonction de répartition de Xn et F celle de X.

Définition 1.4. la suite (Xn ) Converge en loi vers X si por tout x où F est continue, limn→∞ Fn (x) = F (x) .

Distance de Kolmogorov entre deux fonction de répartition G1 et G2 . Elle est définit par ∆ (G1 , G2 ) =
supx∈R |G1 (x) − G2 (x)| .

Proprités de la convergence en loi

-Si limn→∞ ∆ (Fn , F ) = 0 alors Xn −→l X.

-Si F est continue alors : Xn −→l X si et seulement si limn→∞ ∆ (Fn , F ) = 0.

-Si Xn et X sot des variables aléatoires à valeurs dans N alors Xn −→l X si et seulement si : ∀k ∈ N,
limn→∞ P (Xn = k) = P (X = k) .

-Soit a et b deux réels. Si Xn −→l X alors aXn + b −→l aX + b.

1.1.5 Théorème limite centrale

Si les variables aléatoires Xn sont mutuellement indépendantes de même loi, d’espérance µ et d’écart-type
σ diff érent de 0 alors :

n  
1 X Xi − µ
√ −→l X
n σ
i=1

où X est une variable aléatoire de loi de Laplace-Gauss centré e réduite.

1.1.6 Liens entre les différents type de convergence.

Ils se résume de la façon suivante :

Xn −→P s X =⇒ Xn −→P X =⇒ Xn −→l X

Xn −→mq X =⇒ Xn −→P X =⇒ Xn −→l X

La convergence en loi est la seule qui ne fait intervenir que les lois des variables aléatoires.

[Link] 2020/2021 6
 Univ MSBY Jijel Fac SEI Dép de Mathématiques

Dans le cas où X est une variables aléatoire égale à a ou presque sûrement égale à a :

Xn −→P X ⇔ Xn −→l X

1.2 APPROXIMATION

1.2.1 Approximation d’une loi binomiale par une loi de Poisson

Considéronons une loi binomiale de paramètres n et p ; Si n et grand et p assez petit, la loi de Poisson
est une bonne approximation de la loi binomiale à condition que le produit np reste fini, et dans ce cas la loi
binomiale B(n, p) tend vers la loi de Poisson P (λ = np)

En pratique, nous utiliserons l’approximation de la loi binomiale par la loi de Poisson dans les conditions
suivantes :

a) n > 50, p < 0.1 n > 50, p > 0.9 car alors q < 0.1 ce qui nous ramène au cas précédent compte tenu du
rôle symétrique que jouent p et q dans le cas d’une loi binomiale.

1.2.2 Approximation d’une loi binomiale par une loi normale

Soit une variable aléatoire discrète X suivant une loi binomiale B(n, p) telle que : P (X = k) = Cnk pk q n−k .

Si n est suffisamment grand et p pas trop proche de 0 ni de 1 avec np > 5 et nq > 5 alors la loi normale de
√
paramètres m = np et σ = npq constitue une bonne approximation de la loi binomiale.

Remarque 1. Il y a nécessité de remplacer P (X = k) par P (k − 0.5 < X < k + 0.5) (correction de continuité)
car dans le cas d’une loi discrète les probabilités de type P (X = k) sont nulles.

Les conditions pratique de l’approximation sont :

n > 30 p ∈ [0.1, 0.9] car sinon la loi de Poisson réalise une meilleure approximation

np > 5, nq > 5.

1.2.3 Approximation de loi de Poisson par une loi normale

λk −λ
Soit une variable aléatoire discrète X suivant la loi de Poisson P (λ) telle que : P (X = k) = %
k!
√
Si λ est suffisamment grand, la loi normale de paramètres m = λ et σ = λ constitue une bonne ap-
proximation de la loi de Poisson..la correction de continuité citée ci-dessus s’applique ici aussi et P (X = k) =
P (k − 0.5 < X < k + 0.5)

APPLICATION

[Link] 2020/2021 7
 Univ MSBY Jijel Fac SEI Dép de Mathématiques

On sait que la probabilité qu’une personne soit allergique à un certain médicament est égale à (10)−3 , On
s’int éresse à un échantillon de 1000 personnes. On appelle X la variable aléatoire dont la valeur est le nombre
de personne allergique dans l’échantillon.

1-Déterminer, on la justifiant, la loiu de probabilité de X.

2-En utilisant une approximation que l’on justifiera, calculer les probabilit és des événements suivants :

a-Il y a exactement deux personnes allergique dans l’echantillon

b- Il y a au moins deux personnes allergiques dans l’échantillon.

Que peut-on dire si 30% de la population d’où provient cet é chantillon sont allergiques à ce médicament.

1.2.4 Lois dérivées de la loi normale

Loi du khi carré : χ2n

χ2n : z12 + z22 + ... + zn2 = χ2n

En particulier, χ21 = [N (0, 1)]2 .

Limite de la loi du khi-carré

Quand n devient grand [en pratique, quand n ≥ 30], la loi du χ2 tend vers une nouvelle loi normale N (m,
√
s) de moyenne m = n et d’é cart type σ = 2n. Il suffit de centrer et réduire pour passer de la loi du χ2 à une
loi normale centrée ré duite z.
χ2n,α − n √
Par conséquent, √ = zα ou inversement, χ2n,α = n + zα 2n
2n
pour toute valeur de probabilité α.

Remarque 2. L’analyse des données biologiques utilise abondamment la loi du χ2

Loi de Fisher-Snedecor :

χ2v1 /v1
Définition 1.5. F(v1 ,v2 ) =
χ2v2 /v2

Le rapport de deux variables aléatoires distribuées comme khi-carr é, chacune divisée par ses degrés de
liberté, est une variable aléatoire distribuée comme F.

Il existe autant de courbes de densité de probabilité de F que de

combinaisons possibles de n1 et n2 .

[Link] 2020/2021 8
 Univ MSBY Jijel Fac SEI Dép de Mathématiques

Applications

• Test F de rapport de variances.

• Analyse de variance.

1.2.5 Loi de Student : t(n)

Loi décrite en 1908 par William Sealy Gosset sous le pseudonyme “Student”. Le premier article de Student,
publié en 1907, avait établi que la distribution des dénombrements de cellules dans les carrés d’un hémacytomètre
suivaient la loi de Poisson (répartition aléatoire).

Deux définitions équivalentes de la loi de t :

Z
1) t(n) = p
χ2 /n
2) t(n) = F(v1 ,v2 ) lorsque n1 = 1. Le nombre de degr és de liberté de la loi de t est alors n = n2 .

Applications

• Estimation des paramètres d’une population à partir de renseignements portant sur un échantillon.

• Test de comparaison des moyennes.

• Calcul de la probabilité d’observer un écart donné à la moyenne, en particulier dans le cas de petits
échantillons :

Pour un écart observé , la probabilité d’une telle observation xi est donnée par la variable aléatoire t =
(xi − x) /sx .

Il existe autant de courbes de densité de probabilité de t que de valeurs possibles de n. Voir la table de la
distribution de t

Thérorème de la limite centrée

Soit (Xn ) une suite de variables aléatoires mutuellement indé pendantes de même loi de moyenne µ et
1 P
d’écart-type σ et soit X = ( ni=1 Xi ) . Pour n ≥ 30, la variable aléatoire X suit, approximativement, la loi
n
normale de moyenne µ et d’écart-type √σn .

[Link] 2020/2021 9
Chapitre 2

Le modèle statistique

2.1 Notions et définitions

2.1.1 Le modèle statistique

Un modèle statistique est un objet mathématique associé à l’observation de données issues d’un phénomène
aléatoire.

Une expérience statistique consiste a recueillir une observation x d’un elément aléatoire X, à valeurs dans
un espace χ et dont on ne connait pas exactement la loi de probabilité P. Des consid érations de modélisation
du phénomène observé amè nent à admettre que P appartient a une famille P de lois de probabilit é possibles.

Définition 2.1. Le modèle statistique (ou la structure statistique) associé a cette expérience est le triplet
(χ; A; P ), où :

X est l’espace des observations, ensemble de toutes les observations possibles.

A est la tribu des evènements observables associée.

P est une famille de lois de probabilit es possibles défnie sur A.

L’int erêt de cette notion de modèle statistique est qu’elle permet de traiter avec le même formalisme tous
les types d’observations possibles.

On dit que le modèle est discret quand X est fini ou dénombrable. Dans ce cas, la tribu A est l’ensemble des
parties de X : A = P (X).

On dit que le modèle est continu quand X⊂ IRp et ∀ P ∈ P , P admet une densité (par rapport à la mesure
de Lebesgue) dans IRp . Dans ce cas, A est la tribu des boréliens de X (tribu engendrée par les ouverts de X) :
A = B(X).

On peut aussi envisager des modèles ni continus ni discrets, par exemple si l’observation

10
 Univ MSBY Jijel Fac SEI Dép de Mathématiques

a certains eléments continus et d’autres discrets. X et A sont alors plus complexes.

Le cas le plus fréquent, est celui o u l’élément aléatoire observé est constitué de variables aléatoires indé-
pendantes et de même loi (i.i.d.) : X = (X1 , ..., Xn ), où les Xi sont i.i.d. On dit que l’on a alors un modèle
d’échantillon.

Dans ce cas, par convention, si on note (X; A; P ) le modèle correspondant a un echantillon de taille 1, on
notera (X; A; P )n le mod éle correspondant a un echantillon de taille n.

Exemple 2.2. l’expérience consiste à recueillir les durées de vie, supposé es indépendantes et de même loi
exponentielle, de n ampoules electriques. L’observation est de la forme x = (x1 , ..., xn ), où les xi sont des
réalisations de variables al eatoires Xi indé pendantes et de même loi exponentielle de paramètre inconnu.

n . Alors la tribu associée est A = B(IRn ).

Pour tout i, xi ∈ IR+, donc l’espace des observations est X = IR+ +

Le modè le est continu. Comme on admet que la loi est exponentielle mais que son paramètre est inconnu,
l’ensemble des lois de probabilités possibles pour chaque Xi est exp(λ); λ ∈ IR+ , Comme les Xi sont ind
ependantes, la loi de probabilité du vecteur (X1 , ..., Xn ) est la loi produit P = {exp(λ)xn ; λ ∈ IR+ }, ensemble
des lois de probabilité des vecteurs al éatoires de taille n dont les composantes sont indépendantes et de même
loi exponentielle de paramètre inconnu.

Finalement, le modèle statistique associé est :

n ; B(IRn ); exp(λ)xn ; λ ∈ IR ) qu’on peut aussi écrire : (IRn ; B(IRn ); exp(λ); λ ∈ IR )n

(IR+ + + + + +

Modèle paramétrique ou non paramétrique

Un modèle paramétrique est un modèle où l’on suppose que le type de loi de X est connu, mais qu’il dépend
d’un paramètre inconnu, de dimension d. Alors, la famille de lois de probabilité possibles pour X peut s’écrire
P = pθ ; θ ∈ IRd .


Un modèle non paramétrique est un modèle où P ne peut pas se mettre sous la forme ci-dessus. Par exemple,
P peut être :

l’ensemble des lois de probabilité continues sur IR,

l’ensemble des lois de probabilit e sur IR symétriques par rapport a l’origine, etc...

Dans ce cadre, il est possible de déterminer des estimations, des intervalles de confiance, d’effectuer des tests
d’hypothèses. Mais les objets sur lesquels portent ces procédures statistiques ne sont plus des paramètres de lois
de probabilité. On peut vouloir estimer des quantités réelles comme l’espérance et la variance des observations.
On peut aussi vouloir estimer des fonctions, comme la fonction de répartition et la densité des observations.

[Link] 2020/2021 11
 Univ MSBY Jijel Fac SEI Dép de Mathématiques

2.1.2 Fonction de vraisemblance

Dans un modèle paramétrique, la fonction de vraisemblance joue un rôle fondamental.

Pour un modèle d’échantillon discret, l’élément aléatoire observé est X = (X1 , ..., Xn ), où les Xi sont ind
ependantes et de même loi discrète. Alors la fonction de vraisemblance est :

L(θ; x1 , ..., xn ) = P (X1 = x1 , ..., Xn = xn ; θ) = Πni=1 P (Xi = xi ; θ)

Pour un modèle d’échantillon continu, l’élément aléatoire observé est X = (X1 , ..., Xn ), où les Xi sont ind
ependantes et de même loi continue. Alors la fonction de vraisemblance est :

L(θ; x1 , ..., xn ) = f(X1 ,...,Xn ) (x1 , ..., xn ; θ) = Πni=1 fXi (xi; θ)

Définition 2.3. La fonction de vraisemblance du modèle (X; A; {Pθ } ; θ ∈ Θ) est la fonction de définie par :
R
∀A ∈ A; Pθ (A) = P (X ∈ A; θ) = L(θ; x)du(x) :
A

Plus généralement, pour toute fonction ϕ intégrable, on a : E[ϕ(X)] =χ ϕ(x)L(θ; x)du(x)

Cas des modèles continus. Si X est un vecteur alèatoire admettant une densitè fX (x; θ) (par rapport a la
R
mesure de Lebesgue), on sait bien que P (X ∈ A; θ) = fX (x; θ)dx.
A

Donc la mesure dominante est la mesure de Lebesgue et la fonction de vraisemblance est L(θ; x) = fX (x; θ).

Cas des modèles discrets. Si X est un vecteur aléatoire de loi discrète, définie par les probabilités elémentaires
P (X = x; θ), alors :P (X ∈ A; θ) =
P R
P (X = x; θ) = P (X = x; θ)dud (x)
x∈A A

où ud est la mesure de dénombrement sur X : ud (A) = card(A) et f (x). Donc la fonction

R P
f (x)dud (x) =
A x∈A
de vraisemblance est bien L(θ; x) = P (X = x; θ).

2.1.3 Statistique

Définition 2.4. Dans un modèle statistique (X; A; P ), une statistique est une application mesurable t de (X; A)
dans un espace Y muni d’une tribu B.

Définition 2.5. La loi de probabilité PT de T est appelée loi image par t et le modèle (Y ; B; {PT ; P ∈ P }) est
le modèle image par t de (X; A; P ).

Exemple des ampoules. Le modèle est (IR+; B(IR+) ; {exp(λ); λ ∈ IR+}n . X = (X1 , ..., Xn ),
n
où les Xi sont des variables aléatoires indépendantes et de même loi exp(λ). On sait qu’alors T = Xi est
P
i=1
n
de loi gamma G(n; λ). Donc la loi image par t(x) = xi est la loi G(n; λ) et le modèle image est le mod ele
P
i=1
(IR+; B(IR+) ; {G(n; λ); λ ∈ IR+}.

[Link] 2020/2021 12
 Univ MSBY Jijel Fac SEI Dép de Mathématiques

2.1.4 Modèle d’échantillonnage

Définition 2.6. Soit une propriété définie par la v.a. X à valeur dans X, application mesurable de (Ω, A, P ) →
(X, B, P X ), B étant ici la tribu des Boréliens. Le modèle d’échantillonnage de taille n est l’espace produit
(X, B, P )n = (Xn , Bn , PnX )

où - Xn = X × .... × X n fois est le produit cartésien de l’espace X,

– Bn est la tribu produit des événements de Xn ,

– PnX est la loi ou la distribution jointe des observations.

On notera Xi la ième observation, v.a. de même loi que X et l’ensemble des observations (X1 , ..., Xn ) est
l’échantillon aléatoire.

On notera que

X1 , ..., Xn iid de loi PX ou (iid) FX , FX étant la fonction de répartition de X.

dans le cas où

la loi P X est une loi discrète :

P (X1 = x1 , ..., Xn = xn ) = Πnj=1 P (Xj = xj ) = Πnj=1 pX (xj )

ou la densité jointe dans le cas continu (P X admet une densité fX relativement à la mesure de Lebesgue) :

f(X1 ,...,Xn ) (x1 , ..., xn ) = Πnj=1 fXj (xj ) = Πnj=1 fX (xj )

Cas de la population finie

On se place dans le cas d’une population E de taille finie N pour laquelle la propriété X n’est observée
que sur un ensemble En de taille n ≤ N . On note (x1 , ..., xN ) l’ensemble des valeurs prises par la propriété X
sur l’ensemble de la population E = {e1 , ..., eN }. Ces valeurs sont déterministes, elles appartiennent à X. On a
alors les vraies moyenne µ et variance σ 2 de X :
N N
1 X 1 X
µ= .xj ; σ2 = . (xj − µ)2
N N
j=1 j=1

La moyenne empirique

La moyenne empirique de l’échantillon est donnée par l’expression

1 PN
XN = µ = .Xj
N j=1

[Link] 2020/2021 13
 Univ MSBY Jijel Fac SEI Dép de Mathématiques

Pour calculer E(XN ) et V ar(XN ) dans le cas d’une population finie E de taille N , il faut distinguer le mode
de tirage.

a. Tirage avec remise On a

n
1X
E(Xn ) = .E(Xj )
n
j=1

Chacune des variables Xj est tirée de l’ensemble {x1 , ..., xN } avec la probabilité 1/N , c’est-à-dire P (Xj =
xl ) = 1/N , ∀l = 1, ..., N . D’où

n
1X
E(Xj ) = .xl = µ
n
j=1

(la vraie moyenne de la population) et E(XN ) = µ.

Pour calculer la variance, notons que les Xj sont des variables aléatoires indépendantes, et donc
1 P n
V ar(Xn )= .V ar(Xj )
n2 j=1

2.1.5 Familles Exponentielles

Définition 2.7. Un modèle paramétrique important en Statistique est celui des familles exponentielles. Il re-
couvre de nombreux modèle paramétriques classiques : normal, binomial, poisson, gamma etc...

. Un modèle statistique (E; E; P ) sur un espace des observations E est dit famille exponentielle générale
s’il existe un entier p, des fonctions η,T ,C et h tels que les densités puisse s’écrire, pour tout θ de Θ, sous la
forme : fθ (x) = e<η(θ),T (x)> C(θ)h(x);

avec les contraintes que T soit une fonction mesurable à valeurs dans Rp ; η soit une fonction à valeurs
dans Rp ; C soit une fonction réelle positive qui ne dépend pas x ; h soit une fonction borélienne positive qui
ne dépend pas de θ. Le vecteur aléatoire T (X) est appelé statistique canonique du modèle. Si la fonction T est
l’identité, la famille exponentielle est dite naturelle. On parle de forme canonique d’une famille exponentielle
générale quand les densités de probabilités ont la forme fθ (x) = e<θ,T (x)> C(θ)h(x); pour tout θ de Θ, ce qu’il
0
est toujours possible d’obtenir quitte à reparamétriser la famille par θ = η θ . Dans ce cas le paramètre θ de la
famille exponentielle est appelé paramètre canonique.
p x
Exemple 2.8. Revenons sur le modèle de Bernoulli. La densité s’écrit : fp (x) = px (1 − p)1−x = ( )(1 − p)
1−p
p
xln( )
=e 1 − p (1 − p) = e<η(p),T (x)> C(p)h(x) ;

p
avec η(p) = ; T (x) = x; C(p) = (1p)eth(x) = 1.
1−p

[Link] 2020/2021 14
 Univ MSBY Jijel Fac SEI Dép de Mathématiques

2.1.6 Modèle position-échelle

Considérons un vecteur aléatoire X de loi P connue sur (Rn ; BRn )net A un sous espace de Rn . Pour tout a
dans A et tout b dans R+ , on note Pa;b la loin du vecteur Y = a + bX.

PA;b = {Pa;b : a ∈ A; b ∈ R+ } est appelé modèle position-échelle engendré par P (ou par X). Le paramètre
a est appelé paramètre de position et b paramètre d’échelle.

Si b est fixé (par exemple à 1) on parle de modèle de position. Dans le cas où A ne contient que le vecteur
nul de Rn , on parle de modèle échelle. Exemple :Le Modèle gaussien unidimensionne

Le modèle P = N (u; σ 2 ); u ∈ R est un modèle position engendré par la loi N (0; σ 2 ).



Le modèle P = N (u; σ 2 ); u ∈ R, σ 2 > 0 est un modèle position-échelle engendré par la loi N (0; 1).


2.2 Exhaustivité

Statistique

Soit X une v.a. à valeurs dans (X, B) et soit (Y, C) un espace mesurable auxiliaire quelconque.

Définition 2.9. On appelle statistique toute application T mesurable de Xn dans Y, ∀ n T : Xn → Y

Par exemple, X = Y = R et
n
1X
T (X1 , ..., Xn ) = Xj = Xn
n
j=1
n
1 X
2
T (X1 , ..., Xn ) = Xj − Xn
n
j=1

ou X = R, Y= Rn et T (X1 , ..., Xn ) = (X(1) , ..., X(n) ), où X(1) ≤ X(2) ...X(n)

(cette statistique porte le nom de statistique d’ordre.

2.2.1 Statistique exhaustive

Définition 2.10. On appelle modèle statistique paramétrique de paramètre θ ∈ Θ pour un certain espace de
dimension fini le couple (X, Pθ ), où X est l’espace des valeurs de X, v.a. du modèle, et Pθ la loi de probabilité
de X

Définition 2.11. La statistique T sera dite exhaustive pour θ si la loi conditionnelle de X sachant T (X) = t
n’est pas une fonction du paramètre θ : Pθ (X|T (X) = t) ne dépend pas de θ

On notera f (x, θ) la densité de Pθ relativement à une mesure dominante et

sigma−finie, µ. On va se restreindre au cas où µ est la mesure de Lebesgue (variables aléatoires de loi absolument

[Link] 2020/2021 15
 Univ MSBY Jijel Fac SEI Dép de Mathématiques

continue) et on retrouve la densité fθ (x) ou la mesure de comptage (variables aléatoires de loi discrète) et on
retrouve le système Pθ (X = x). On note X l’échantillon (X1 , ..., Xn ) issu du même modèle (X, Pθ )

Exemple la vraisemblance d’un échantillon X = (X1 ; ...; Xn ) dans un tel modèle est :

n
P n
P
xi n− xi
L(x1 , ..., xn ; p) = P i=1 (1 − p) i=1

On peut écrire :

L(x1 , ..., xn ; p) = gp (T (x))h(x);

avec gp (x) = px (1 − p)n−x et h égale à 1. Grâce au théorème de factorisation on retrouve que la Statistique
n
Xi est bien exhaustive pour le paramètre p dans ce modèle.
P
T (X) =
i=1

Théorème : (Théorème de factorisation) Soit le modèle (X, Pθ et T une statistique

(Xn , Bn ) → (Y, C). T est exhaustive pour θ si et seulement s’il existe deux fonctions mesurables g : X → R+
et h : Y → R+ telles que f (x, θ) se met sous la forme f (x, θ) = h(x)g(T (x), θ) où x = (x1 , ..., xn ).

Exemples :

– Soit X ∼ U [0, θ]. On a f (x1 , ..., xn , θ) = 1

θn 1sup1≤j≤nxj≤θ

En posant h(x) = 1 et g(T (x), θ) = 1

θn 1T (x)≤θ

on déduit que T : x 7−→ sup1≤j≤n xj est une statistique exhaustive pour θ.

!
n
Soit X ∼ exp(θ). On a f (x1 , ..., xn , θ) = θn exp −θ
1 P
xj
j=1

n
et donc T (X1 , ..., Xn ) = Xj est bien une statistique exhaustive. Soit X ∼ P (θ). On a f (x1 , ..., xn , θ) =
P
j=1
n
P
xj
e−nθ θj=1 Πnj=1 xj !
n
et donc T (X1 , ..., Xn ) = Xj est bien une statistique exhaustive.
P
j=1
!
n n
– Soit X ∼ N (µ, σ 2 ). Alors la statistique T (X1 , ..., Xn ) = 1
Xj ; n1 Xj2 est une statistique exhaus-
P P
n
j=1 j=1
tive pour θ = (µ, σ 2 ).

2.2.2 Notion d’identifiabilité

Soit (X, Pθ) ), θ) ∈ Θ un modèle statistique paramétrique.

Définition 2.12. Une valeur du paramètre θ0 ∈ Θ est identifiable si ∀θ) 6= θ)0 , Pθ) 6=Pθ . Le modèle (X, Pθ) ),
0

θ ∈ Θ est dit identifiable si tous les paramètres sont identifiables ; c-à-d., si l’application θ) 7−→ Pθ est injective.

[Link] 2020/2021 16
 Univ MSBY Jijel Fac SEI Dép de Mathématiques

On peut affaiblir la notion précédente à une notion locale.

Définition 2.13. Une valeur du paramètre θ)0 ∈ Θ est localement identifiable s’il existe un voisinage ω0 de θ)0
tel que ∀θ ∈ ω0 : θ 6= θ0 on a Pθ 6= Pθ0 . Le modèle (X, Pθ ), θ ∈ Θ est dit localement identifiable si tous les
paramètres sont localement identifiables.

2.3 Éléments de théorie de l’information

On définira dans cette section différentes quantités mesurant l’information contenue dans un modèle statis-
tique.

Information au sens de Fisher

Soit le modèle statistique (X, Pθ ), θ ∈ Θ tel que Pθ admet une densité f (x, θ) relativement à la mesure
dominante µ. On appellera hypothèses usuelles les 4 hypothèses suivantes :

H1 : Θ est un ouvert de Rd pour un certain d fini.

H2 : Le support {x : f (x, θ) > 0} ne dépend pas de θ.

H3 : Pour tout x ∈ X la fonction f (x, θ) est au moins deux fois dérivable par rapport à θ pour tout θ ∈ Θ
et que les dérivées première et seconde sont continues. On dit que θ 7−→ f (x, θ) est C 2 .

H4 : Pour tout B ∈ B l’intégrale f (x, θ)dµ(x) est au moins deux fois dérivable sous le signe d’intégration
R
B
et on peut permuter intégration et dérivation ; c-à-d.,

Z Z
∂ ∂f (x, θ)
f (x, theta)dµ(x) = dµ(x), j = 1, ..., d
∂θj ∂θj
B B

∂2 ∂ 2 f (x, θ)
Z Z
f (x, θ)dµ(x) = dµ(x), i, j = {1, ..., d}
∂θi∂θj ∂θi ∂θj
B B

Lorsque ces 4 hypothèses sont vérifiées, on dit que le modèle est régulier.

Exemple 2.14. Les modèles X P (θ), θ > 0, X Exp(λ), λ > 0 et X N (µ, σ2), θ = (µ, σ2) ∈ R × R∗+
sont réguliers mais pas X U [0, θ], θ > 0.

On appelle score le vecteur aléatoire S(X, θ) définit par

 T
∂logf (X, θ) ∂logf (X, θ)
S(X, θ) = ∇θ (logf (X, θ)) = , ...,
∂θ1 ∂θd

Propriété – Le score est un vecteur aléatoire centré E(S(X, θ)) = 0.

[Link] 2020/2021 17
 Univ MSBY Jijel Fac SEI Dép de Mathématiques

– Le vecteur score est additif : Soient X et Y deux variables alé atoires indépendantes associées aux modèles
statistiques (X, Pθ ) et (Y, Qθ ). Alors S(X, θ) et S(Y, θ) sont indépendants

S((X, Y ), θ) = S(X, θ) + S(Y, θ), ∀θ ∈ Θ.

Ici (X, Y ) est associé au modèle statistique (X × Y, Pθ ⊗ Qθ ).

Définition 2.15. On appelle information de Fisher au point θ la matrice

I(θ) = E S(X, θ)S(X, θ)T =

  2  h i h i
∂logf (X,θ) ∂logf (X,θ) ∂logf (X,θ) ∂logf (X,θ) ∂logf (X,θ)
E ∂θ1 E ∂θ1 ∂θ2 . . . E ∂θ1 ∂θd
 
 

 . . . 

 

 . . . 

 

  . . . 

  2  h i  2  
E ∂logf (X,θ)
∂θd E ∂logf (X,θ) ∂logf (X,θ)
∂θd ∂θ 2
. . . E ∂logf (X,θ)
∂θd

Pour un modèle régulier, on a la relation I(θ) = −E ∇θ (S(X, θ)T =

 

 h i h i h i
∂ 2 logf (X,θ) ∂ 2 logf (X,θ) ∂ 2 logf (X,θ)
−E ∂θ12
−E ∂θ1 ∂θ2 . . . −E ∂θ1 ∂θd
 
 

 . . . 

 
 . . . 
 
. . .
 
 
  2  h i h 2 i 
 ∂ 2 logf (X,θ) ∂ 2 logf (X,θ) ∂ logf (X,θ) 
−E ∂θd2
E ∂θd ∂θ2 . . . E ∂θd2

h i
∂ 2 logf (X,θ)
et donc pour tout 1 ≤ i, j ≤ d : Iij (θ) = −E ∂θi ∂θj

Notons que pour le calcul de I(θ), l’espérance est prise par rapport à Pθ , à θ fixé.

Propriété On suppose ici que les hypothèses H1 − H4 sont vérifiées, donc que le modèle est régulier.

– L’information de Fischer est une matrice symétrique définie positive. En effet, étant donné que le score
est centré I(θ) = V ar(S(X, θ)) ≥ 0.

– L’information de Fischer est additive : Si X et Y deux variables aléatoires indépendantes dans des modèles
paramétriques au paramètre θ commun alors I(X, Y )(θ) = IX(θ) + IY (θ), ∀θ ∈, Θ

car c’est la variance d’une somme de scores indépendants.

 
1
2 0
Soit X N (µ; σ 2 ), alors I(µ, σ 2 )=  σ 
1
0 2σ4

[Link] 2020/2021 18
 Univ MSBY Jijel Fac SEI Dép de Mathématiques

En effet,

1 1
log f (x, µ, σ 2 ) = − log 2Π − Π12 log σ 2 − 2 (x−)2
2 2σ

∂ 2 logf (x, µ, σ 2 )
 2 
1 ∂ logf (X, µ, σ 2 1
= ⇒ −E ∂µ = 2
∂µ2 σ2 2) σ

∂ 2 logf (x, µ, σ 2 ) 1 1 2 ∂ 2 logf (X, µ, σ 2 ) 1

2 2
= 4
− 6
(x − µ) ⇒ −E 2 2
= 4
(∂σ ) 2σ σ (∂σ ) 2σ

∂ 2 logf (x, µ, σ 2 ) ∂ 2 logf (X, µ, σ 2 )

= 0 ⇒ E
∂µ∂σ 2 ∂µ∂σ 2 = 0

Pour un échantillon X1 , ..., Xn , le vecteur score Sn (θ) et l’information de Fischer In (θ) associés à θ sont
donnés par

n
X
Sn (θ) = ∇θ log f (Xi , θ) et In (θ) = var(Sn (θ)).
i=1

On déduit de l’indépendance des Xj que

n
X
Sn (θ) = S(Xj , θ)
j=1

où les scores S(X1 , θ), ..., S(Xn , θ) sont (i.i.d). (la loi de S(X, θ) est l’image de la loi de X par l’application
S : x 7−→ S(x, θ)). Etant donné que E(S(X, θ)) = 0, et V ar(S(X, θ)) = I(θ) < +∞, on a donc la relation
In (θ) = nI(θ).
En vertu de la loi forte des grands nombres et du théorème central limite, on a aussi :

1 Sn (θ)
Sn (θ) → 0p.s et √ (L) − → Nd (0, I(θ))
n n

[Link] 2020/2021 19
Chapitre 3

ESTIMATION

Objectif : L’estimation consiste à rechercher la valeur numérique d’un ou plusieur paramètres inconnus
d’une loi de probabilité à partir d’observations (valeurs prises par la v.a. qui suit cette loi de probabilité)

3.1 Distribution d’échantillonnage

Pour résoudre les problèmes d’estimation de paramètres inconnus, il faut tout d’abord étudier les distribu-
tions d’échantillonnage, c’est à dire la loi de probabilité suivie par l’estimateur.

3.1.1 Loi de probabilité de la moyenne

Soit X une variable aléatoire suivant une loi normale d’espérance µ et de variance σ 2 et n copies indépendantes
X1 ,X2 ,. . . ,Xi ,. . . ,Xn telle que Xi associe le ième élément de chacun des n échantillons avec E(X i ) = µ et V(Xi )
=σ 2 .
Pn
On construit alors la variable aléatoire X , telle que X = X1 +X2 +..Xi +...+Xn
n = 1
n i=1 Xi

Pn 1 Pn Pn
avec pour espérance : E(X) = E( n1 i=1 Xi ) = E( i=1 Xi ) = 1
n i=1 E(Xi ) == 1
nµ (Propriétés de
n
l’espérance)

d’où E(X) = µ E(X) est notée également µX

et pour variance si V (Xi ) = σ 2 :

Pn σ2
E( ni=1 Xi )
Pn
V (X) = V ( n1 1 1
(Propriétés de la variance)
P
i=1 Xi ) = n2
= n2 i=1 V (Xi ) = n

V (X) est notée également σX

2

La loi de probabilité de la variable aléatoire X , moyenne de n v.a. X de loi de probabilité N(µ, σ), estuneloinormaleN

σ2
Remarque : il est aisé de voir sur un graphe que la variance associée à une moyenne n est plus faible que

20
 Univ MSBY Jijel Fac SEI Dép de Mathématiques

la variance de la variable elle-même (σ 2 ).

Exemple :

Des études statistiques montrent que le taux de glucose dans le sang est une variable normale X d’espérance
µ = 1 g/l et d’écart-type σ = 0,1 g/l.

En prenant un échantillon de 9 individus dans la population, l’espérance et l’écart-type théorique attendu

de la variable aléatoire X sont alors :
0, 1
µX = µ = 1g/l et σX = √σ = √ = 0, 03g/l
n9 9

3.1.2 Convergence

En fonction de la nature de la variable aléatoire continue X, de la taille de l’échantillon n et dela connaissance

que nous avons sur le paramètre σ 2 , la variable centrée réduite construite avec X converge vers différentes lois
de probabilité.

Lorsque la variance σ 2 est connue et n grand (n ≥ 30), on se trouve dans les conditions du théorème central
X−µ
limite et la loi suivie par : √
σ/ n
→ N (0, 1) loi normale réduite

Ceci reste vrai lorsque n ≤ 30 seulement si la loi suivie par X suit une loi normale.

Lorsque la variance σ 2 est inconnue et X suit une loi normale, la loi suivie par la variable centrée réduite
√
est alors : X−µ
σ / n → Tn−1 loi de student à n-1 degrés de liberté.

Lorsque n ≥ 30, la loi de student tend vers une loi normale réduite (voir convergence).

X−µ
Lorsque la variance σ 2 est inconnue et X ne suit pas une loi normale, la loi suivie par σ
√
b/ n
n’est pas connue.

3.2 Estimateur

Définition 3.1. Soient X1 , X2 ,. . . , Xi , . . . , Xn , n réalisations indépendantes de la variable aléatoire X

(discrète ou continue) et θ un paramètre associé à la loi de probabilité suivi par X, un estimateur du paramètre
θestunevariablealatoireΘ fonction des Xi : Θ = f (X1 , X2 , . . . , Xi , . . . , Xn )

Si on considère n observations x1 , x2 ,. . . , xi , . . . , xn , l’estimateur Θf ournirauneestimationdeθnotegalementθb :

θb = f (x1 , x2 , . . . , xi , . . . , xn )

L’estimation d’un paramètre inconnu, noté θ est fonction des observations résultant d’un échantillonnage
aléatoire simple de la population. L’estimateur est donc une nouvelle variable aléatoire construite à partir des
données expérimentales et dont la valeur se rapproche du paramètre que l’on cherche à connaître.

[Link] 2020/2021 21
 Univ MSBY Jijel Fac SEI Dép de Mathématiques

L’estimation de θ est une variable aléatoire Θ dont la distribution de probabilité s’appelle la distribution
d’échantillonnage du paramètre θ.

L’estimateur Θ admet donc une espérance E(Θ) et une variance V(Θ).

3.2.1 Propriétés

Convergence

L’estimateur Θ doit tendre vers la valeur réelle du paramètre θ lorsque le nombre d’individus étudié aug-
mente. On dit que l’estimateur est convergent.

Si ∀ > 0P (|Θ − θ|) > ) → 0 lorsque n → ∞

Ceci équivaut à dire qu’en limite Θ → Θ lorsque n → ∞.

Biais d’un estimateur

Le biais d’un estimateur noté B(Θ) est la différence moyenne entre sa valeur et celle du paramètre qu’il
estime. Le biais doit être égal à 0 pour avoir un bon estimateur.

B(Θ) = E(Θ − θ) = E(Θ) − E(θ) = E(Θ) − θ = 0 (voir propriétés de l’espérance)

d’où E(Θ) = θ

Ainsi l’estimateur sera sans biais si son espérance est égale à la valeur du paramètre de la population
E(Θ) = θ

Remarque : Un estimateur est asymptotiquement sans biais si E(Θ) → θ lorsque n −→ ∞

Variance d’un estimateur

Si deux estimateurs sont convergents et sans biais, le plus efficace est celui qui a la variance la plus faible
car ses valeurs sont en moyenne plus proches de la quantité estimée. V (Θ) = E(Θ − E(Θ))2 minimale

Remarque : Quand les estimateurs sont biaisés, en revanche, leur comparaison n’est pas simple. Ainsi un
estimateur peu biaisé mais de variance très faible, pourrait même être préféré à un estimateur sans biais mais
de grande variance.

Si un estimateur est asymptotiquement sans biais et si sa variance tend vers 0 lorsque n −→ ∞, il est
convergent.
V (Θ)
P (|Θ − θ| ≥ ) ≤ avec >0. (Inégalité de Bienaymé-Tchébycheff)
2

[Link] 2020/2021 22
 Univ MSBY Jijel Fac SEI Dép de Mathématiques

Cette inégalité exprime que si |Θ − θ| tend vers 0 quand n augmente, V (Θ) doit aussi tendre vers 0.

3.2.2 Estimation ponctuelle

L’estimation d’un paramètre quelconque θ est ponctuelle si l’on associe une seule valeur à l’estimateur θb à
partir des données observables sur un échantillon aléatoire.

Si la distribution de la variable aléatoire X est connue, on utilise la m éthode du maximum

de vraisemblance pour estimer les paramètres de la loi de probabilité. En revanche si la distribution n’est pas
connue, on utilise la méthode des moindres carrés.

3.2.3 Espérance

Soit X une variable aléatoire continue suivant une loi normale N(µ, σ)dontlavaleurdesparamtresn0 estpasconnueetp

Soient X1 , X2 ,. . . , Xi , . . . , Xn , n réalisations indépendantes de la variable aléatoire X, un estimateur du

paramètre µestunesuitedevariablealatoireΘf onctionsdesXi :Θ = f (X1 , X2 , . . . , Xi , . . . , Xn )

La méthode des moindres carrés consiste à rechercher les coefficients de la combinaison linéaire Θ = a1 X1 +
a2 X2 + . . . + ai Xi + . . . + an Xn telle que E(Θ) = µ et V (Θ) soit minimale.

La moyenne arithmétique constitue le meilleur estimateur de µ, esprancedelaloideprobabilitdelavariablealatoireX

1 Pn
u
b=X = n i=1 Xi

Voici pourquoi :

Estimateur sans biais : E(X) = µ (voir loi de la moyenne)

Estimateur convergent : si l’on pose l’inégalité de Biénaymé-Tchébycheff :

V (X)
P ( X − µ ≥ ) ≤ 2
avec >0

V (X) σ2
lorsque n → ∞ 2
= n2
→ 0 et ceci ∀>0.

ainsi en limite,P ( X − µ ≥ ) = 0, ce qui indique que X −→ µ en probabilité.

3.2.4 Variance

Soit X une variable aléatoire continue suivant une loi normale N (µ, σ) pour laquelle on souhaite estimer la
variance σ 2 .

Soient X1 , X2 ,. . . , Xi , . . . , Xn , n réalisations indépendantes de la variable aléatoire X, un estimateur du

paramètre σ 2 est une suite de variable aléatoire Θf onctionsdesX i : Θ = f (X1 , X2 , . . . , Xi , . . . , Xn )

[Link] 2020/2021 23
 Univ MSBY Jijel Fac SEI Dép de Mathématiques

• Cas où l’espérance µ est connue

La méthode des moindres carrés consiste à rechercher les coefficients de la combinaison linéaire Θ = a1 (X1 −
µ)2 + a2 (X2 − µ)2 + . . . + ai (Xi − µ)2 + . . . + an (Xn − µ)2

telle que E(Θ) = σ 2 et V (Θ) soit minimale.

La variance observée constitue le meilleur estimateur de σ 2 , variance de la loi de probabilité de la variable

aléatoire X lorsque l’espérance µ est connue :

1 Pn
b2 =
σ n i=1 (Xi − µ)2

Remarque : Cette estimation de la variance de la population est rarement utilisée dans la mesure où si la
variance σ 2 n’est pas connue, l’espérance µ ne l’est pas non plus.

• Cas où l’espérance µ est inconnue

Pn Pn
b = X et dans ce cas
Dans ce cas, nous allons estimer µ avec µ i=1 (Xi − µ)2 6= i=1 (Xi − X)2

Nous allons étudier la relation entre ces deux termes à partir de la variance observée :
1 Pn 1 Pn  2 σ2
s2 = (Xi − X)2 = (Xi − u) − (X − u) = σ 2 −
n i=1 n i=1
n
1 Pn 2
en effet σX
2 = (X − u)2 = (X − u)2 = σ
n i=1 n
(n−1)σ 2
ainsi s2 = n

Le meilleur estimateur de σ 2 , variance de la loi de probabilité de la variable aléatoire X lorsque l’espérance

ns2 1 Pn
µestinconnueest :bσ 2 = n−1 = n−1 i=1 (Xi − X)
2

Remarque : Lorsque n augmente, la variance observée s2 tend vers la variance de la population σ 2 .

2
limn→∞ s2 = limn→∞ (n−1)σ
n = σ2.

3.2.5 quelques méthodes d’estimation

Les diverses méthodes permettent d’obtenir des estimateurs de qualités différentes

La méthode de maximum de vraisemblance

Qn
Définition 3.2. La statistique w 7−→ arg max(θ 7−→ i=1 fθ (Xi (w))) s’appelle l’estimateur de maximum de
vraisemblance de θ.
L : θ 7−→ ni=1 fθ (xi ) s’appelle la fonction vraisemblance du modèle.
Q

Pn
l : θ 7−→ i=1 log fθ (xi ) s’appelle la fonction log-vraisemblance du modèle.

En pratique, on fait l’étude de l’une des fonctions L ou l. Il n’y a pas forcément unicité. Ces fonctions ne sont

[Link] 2020/2021 24
 Univ MSBY Jijel Fac SEI Dép de Mathématiques

pas nécessairement dérivables ce qui annule le gradient ne réalise pas forcément un maximum .

Remarque 3. L’estimateur de maximum de vraisemblance n’existe pas toujours et n’est pas toujours unique.

Exemple 3.3. Le modèle de la loi exponentielle

Θ = R+ , fθ (x) = θe−θx on a
n
Y Pn
L(θ) = fθ (x) = θn e−θ i=1 xi

1
n
X
l(θ) = log L(θ) = n log θ − θ xi
i=1
n
∂l(θ) n X n 1
= − xi = 0 ⇐⇒ θ̂ = Pn =
∂θ θ i=1 xi X̄n
i=1

L est une application concave car on a

∂ 2 L(θ) n
=−
∂2θ θ
1
Donc, θ̂ = X̄
est l’estimateur de maximum de vraisemblance dans le cas d’un modèle de la loi exponentielle .

La méthode des moments

L’idée de base est d’estimer une espérance mathématique par une moyenne empirique, une variance par une
variance empirique, etc...
Si la loi des Xi a deux paramètres θ1 et θ2 tels que (E(X), V ar(X)) = ϕ(θ1 , θ2 ), où ϕ est une fonction inversible,
alors les estimateurs de θ1 et θ2 par la méthode des moments sont : (θ̂1n , θ̂2n ) = ϕ−1 (X̄n , Sn2 ).
Ce principe peut naturellement se généraliser aux moments de tous ordres, centrés ou non centrés : E[(X −
E(X))k ], et E(X k ), k ≥ 1.

Exemple 3.4. La loi Gamma

α α2
Si X1 , ..., Xn sont indépendantes et de même loi gamma G(α, λ), E(X) = et V ar(X) = . On en déduit
λ λ
facilement que
E(X) [E(X)]2
λ= et α =
V ar(X) V ar(X)
Donc les EMM de α et λ sont
X̄n X̄n2
λ̂n = et α̂n =
Sn2 Sn2
Remarque 4. Dans certains cas, l’estimation par la méthode des moments est moins bonne que l’estimation
par maximum de vraisemblance. Néanmoins, dans le cas de la loi Gamma par exemple, le calcul de la fonction
de vraisemblance peut poser des problèmes (l’utilisation de l’ordinateur et d’algorithmes numériques est indis-
pensable) tandis que l’estimation des moments est très facilement accessible.
Lorsque la taille de l’échantillon n’est pas suffisamment grande, la loi des grands nombres ne s’applique pas et
par conséquent, les moments empiriques n’approchent pas suffisamment les moments théoriques.

[Link] 2020/2021 25
Chapitre 4

LES TESTS STATISTIQUES

4.1 Introduction

Un test statistique est appelé à dégager un résultat significatif au milieu d’un ensemble de données expéri-
mentales aléatoires.

La méthodologie des tests consiste à répondre à l’aide de résultats expérimentaux à une question concernant
les paramétres de la loi de probabilité des variables aléatoires.

Quatre conditions préalables au calcul d’un test doivent être réunies :

– la question doit être posée de telle sorte qu’il n’y ait que deux réponses possibles : oui et non ;

– on doit avoir des données chiffrées résultant d’un échantillon ou d’une expérimentation ;

– ces données doivent pouvoir être considérées comme la réalisation de variables aléatoires dont la forme de
la loi de probabilité est connue ;

– la question doit concerner un ou plusieurs paramétres de cette loi.

Une fois posée cette dernière, la réponse du test est :

– soit l’acceptation de l’hypothèse, ce qui signifie que les donneés ne sont pas en contradiction avec l’hypo-
thèse ;

– soit le rejet de cette hypothèse, ce qui signifie qu’il est très peu probable d’obtenir les résultats que l’on a
trouvés si l’hypothèse est vraie, ou encore que les données sont en contradiction avec elle.

26
 Univ MSBY Jijel Fac SEI Dép de Mathématiques

4.2 La formulation des hypothèses

Un test statistique est un mécanisme qui permet de trancher entre deux hypothèses à partir de résultats
observés sur un ou plusieurs échantillons.

Soit H0 et H1 ces deux hypothèses. La première appelée hypothèse nulle, joue un rôle particulier ; elle
prétendra que les différences observées entre valeurs calculées et valeurs

théoriques sont dûes au hasard. Si on doit rejeter l’hypothèse nulle H0 , on dira que les écarts obsevés sont
significatifs et on choisira H1 appelée hypothèse alternative. Les tests statistiques permettent de retenir ou
de rejeter H0 qui est la seule hypothèse testée et celle qui permet les calculs pour conduire à la conclusion.

On a

H0 vraie et H1 fausse

ou

H0 fausse et H1 vraie

Il ya 4 solutions dont seulement les deux premières son justes :

a)-H0 est vraie et on a choisi H0

b)-H0 est fausse et on a rejeté H0

c)-H0 est vraie et on a rejeté H0

d)-H0 est fausse est on a choisi H0

4.2.1 Le risque d’erreur

Soit un test qui aboutit à chgoisir H0 ou H1 . Seule une de ces deux hypothèses est vraie et on peut résumer
les différents cas de décision et de validité de cette décision par le tableau suivant :

Hypothèse retenueHypothèse vraie H0 H1

H0 1-α β
H1 α 1-β

De ce tableau on tire les définitions suivantes :

[Link] 2020/2021 27
 Univ MSBY Jijel Fac SEI Dép de Mathématiques

Le risque de première espèce α

On appelle risque de première espèce et on note α la probabilité de rejeter l’hypothèse nulle H0 alors qu’elle
sest vraie.

Dans la pratique des tests statistiques, il est d’usage de choisir α a priori α = 1% ou 5% dans la plupart des
cas, cette probabilité est aussi appelée seuil de signification du test.

Le risque de deuxième espèce

On appelle risque de seconde espèce et on note β la probabilité d’accipter l’hypothèse nulle H0 alors qu’elle
sest fausse.

α étant fixé, β est déterminé par un calcul de pribabilité si H1 est précisément définie.

On appelle puissance du test la probabilité (1 − β) de rejeter H0 en ayant raison.

4.3 Les différents types de tests

1-Les tests de conformité

2-les tests de comparaison

3-Les tests d’ajustement à une loi théorique

4-les tests d’indépendance

4.3.1 Les tests de conformité

[Link] - Etude des moyennes

-Test bilatéral

Nous nous proposon d’étudier la conformité d’un échantillon par rapport à une norme préalablement définie.

a- position du problème

Dans un laboratoire pharmaceutique, une machine automatique fabrique en grande quantité des suppositoires
contenant du paracétamol.

[Link] 2020/2021 28
 Univ MSBY Jijel Fac SEI Dép de Mathématiques

On désigne par X la variable aléatoire, qui à tout suppositoire pris au hasard dans la production, associe la
masse (en mg) de paracitamol qu’il contient.

On admet que X suit la loi normale de moyenne m et d’écart-type σ = 0.8.

On veut contrôler la qualité de fabrication sur une pé riode donnée. Dans ce but, pendant le fonctionnement
de la machine, on prélève d’un temps à l’autre un suppositoire dont on mesure la masse du paracétamole. On
constitue ainsi un échantillon de 100 suppositoires. Les tirages sont supposéss indépendants.

On se propose de construire un test bilatéral permettant d’accepter ou de refuser, au seuil de signification

de 5%, l’hypothèse selon laquelle la masse moyenne de paracétamol contenue dans un suppositoire est égale à
170 mg.

l’hypothèse nulle H00 est m=170 mg et lhypothèse alternative est H1 m 6= 170 mg.

1- Sou H0 quelle est la loi de la variable alétoire X ? préciser ces paramètres.

2- Enoncer clairement la règle de décision du test

3- Les résultats des mesures de l’échantion prélevé sont donnés dans le tableau :

Masse (mg) [145; 155[ [155; 165[ [165; 175[ [175; 185[ [185; 195[
Effectifs 7 30 43 16 4

Peut-on accepter l’hypothèse H0 au seuil de signification de 5% ?.

b - Lois d’échantillonnage

Puisque n ≥ 30, le théhrème de la limite centrée nous permet de dire que la variable aléatoire X qui à
σ
chaque échantillon de taille n associe sa moyenne, suit approximativement la loi normale N (u; √ ). Alors la
n
X −u
variable aléatoire T = σ suit la loi normale centrée réduite.
√
n

c- Construction d’un test bilatéral :

l’hypothèse nulle (H)0 est m=170 mg et l’hypothèse alternative est (H1 ) m6= 170mg

e- Règle de décision :

Fixon, ‘a priori, le risque maximal que nous acceptons de prendre en refusant H0 alors qu’elle est vraie. Ce
risque dit de première espèce, et noté α.

[Link] 2020/2021 29
 Univ MSBY Jijel Fac SEI Dép de Mathématiques

Puisque T suit la loi normale centrée réduite, il existe un unique réel strictyement positif tα tel que :p |T | >
 α
tα = α.tα = Π−1 1 −
2
Si |T | > tα on rejette H0 avec le risque α de se tromper.

Si |T | ≤ tα on accepte H0 avec le risque de se tromper.(risque β de seconde espèce non quantifié).

Application numérique

Sous l’hypothèse H0 la variable aléatoire X suit la loi normale N (170; 0, 8) donc la variable aléatoire
X − 170
T = suit la loi normale centrée réduite.
0, 8
au seuil de risque α = 0, 05 on rejette H0 E si |T | > 1, 96.

Pour l’échantillon proposé, en utilisant les centres des classes, on trouve x= 168

On en déduit t = −2, 5 donc |t| > 1, 96 et on rejette H0 au risque de 5% de se tromper.

4.3.2 les tests d’homogénéité (grands échantillons)

Nous disposons de deux échantillons indépendants donnés sous la forme d’un tableau d’éffectifs ou de
fréquences du caractère étudié.

Nous désirons savoir si les différences observées sur la moyenne ou sur le fréquence sont dues u’niquement
au hasard de l’échantillonage ou si elle sont trop importantes est doivent être atribuées à d’autres causes.

[Link].Etude des moyennes

a - Position du problème On étudie ici un caractère quantitatif C et on dispose de deux grands échantillons
indépendants

A d’effectif nA , de moyenne mA et d’écrt-type σA

B d’effectif nB , de moyenne mB et d’écrt-type σB

A quelles condition peut-on conclure, qu’à un risque doné, ces deux échantillons proviennent de la même
population ?

b - Lois d’échantillonnage Supposons que l’échantillon A provienne de la population P , d’effectif N, de

moyenne u et d’écart-type σ.

Supposons que l’échantillon B provienne de la population P0 , d’effectif N0 , de moyenne u’ et d’écart-type σ 0 .

[Link] 2020/2021 30
 Univ MSBY Jijel Fac SEI Dép de Mathématiques

On sait que si NA ≥ 30 , La variable aléatoire X qui à tout échantillon de taiile nA associe sa moyenne mA
σ
suit apprximativement la loi normale N (u; √ ).
nA

Même si NB ≥ 30 , La variable aléatoire X qui à tout échantillon de taiile nB associe sa moyenne mB suit
σ0
apprximativement la loi normale N (u0 ; √ )
nB

Les variables alétoires X A etsX B etant indépendantes et La variable aléatoire X A − X B suit approximati-
2
σ2 σ0
vement la loi normale N (u − u0 ; + ).
nA nB

Tests d0hypothèse bilatéral

a - Hypotèse à tester Nous nous proposons de tester l’hypothèse nulle, notée H0 "u et u0 ne sont pas
significativement différentes"

b - Hypothèse alternative H1 : le test étant bilateral H1 est u et u0 sont significativement différentes"

c - Règle sde dcision : Sous l’hypothèse H0 , la variable alétoire X A − X B suit approximativement la loi
2
σ2 σ0
normale N (0; + ).
nA nB

XA − XB
Donc la variable alétoire s suit approximativement la loi normale N (0; 1).
2
σ2 σ0
+
nA nB

Fixons alors un seuil de risque α (donc un seil de confiance 1 − α), on sait qu’il existe un réel unique tα
strictement positif tel que P (|T | ≤ tα ) = 1 − α
 α
P (|T | ≤ tα ) = 1 − α é quivaut à tα = Π−1 1 −
2
La règle de décision du test en résulte :

Si |T | ≤ tα on a aucune raison de rejeter H0 donc on l’[Link] un risque β (non contifié) de se tromper

Si |T | > tα on rejette H0 un risque α de se tromper

mA − mB
d - Mise on oeuvre du test : t = s
2
σ2 σ0
+
nA nB

On compare alors |t| avec tα et on utilise la règle de décision pur conclure.

[Link] 2020/2021 31
 Univ MSBY Jijel Fac SEI Dép de Mathématiques

nA nB
r r
En général σ et σ0 sont inconnus et remplacés dans cette formule par σ
bA = σA et σ
bB = σA
nA − 1 nB − 1

Définition 4.1. Soient X et Y deux variables aléatoires indépendantes suivant respectivement N (0, 1) et X 2 (n).
X
On appelle loi de Student à n degrés de liberté la loi suivie par le rapport : T = p , cette loi est notée Tn .
Y /n
n
E(Tn ) = 0 (n > 1) ; V ar(Tn ) = (n > 2).
n−2
Définition 4.2. Soient X et Y deux variables aléatoires indépendantes suivant respectivement X 2 (n) et X 2 (m).
EX/n
La variable aléatoire F = suit la loi de Fisher-Snedecor à n et m degrés de liberté notée Fn,m
EY /m
1 2m2 (n + m − 2)
E(Fn,m ) = (m > 2); V ar(Tn ) = (m > 4).
m−2 n (m − 4) (m − 2)2

4.3.3 Test de Student

On pratique il est rare que l’on connaisse la valeur de σ ; on n’en connait q’une estimation s, valeur calculée
X −m
de l’estimateur S. Que peut-on dire alors de la variable centrée réduite √ ?.
S/ n
Sous réserve que le caractère étudié soit distribué dans la population selon la loi normale, on peut démontrer
que ce rapport suit une loi de Student 0 (n − 1) degré de liberté et que cette loi converge rapidement vers la loi
de Gauss lorsque n augmente, peut être remplacée par elle dès que n ≥ 30.

On voit donc que pour les petits échantillons (n < 30), il faut faire appel à la loi de [Link] comparaison
de moyennes à partir de petits échantillons (n1 et / ou n2 < 30) va elle aussi utiliser cette loi de Student.

Faisons l’hypothèse que les deux échantillons proviennent de populations de mêmes moyennes (il s’agit de
l’hypothèse m1 = m2 = m) et qu’en outre ses populations sont normales et de mêmes variances(σ12 = σ22 = σ 2 ),
|x1 − x2 |
on peut démontrer que la quantité t = r
1 1
σ
b +
 n1 n2
n σ 2 + n σ2
1 e1 2 e2
b2 =

 σ
où n1 + n2 − 2 suit la loi de Student à v = n1 + n2 − 2 degrés
 xi , σ 2 moyenne et écart-type de l’échantillon numéro i

ei
de liberté. Il devient alors possible de déterminer une région d’acceptation de l’hypothèse nulle H0 d’égalité des
moyennes. Cette région dépend de l’hypothèse alternative H1 , dans le cas où H1 est "m1 6= m2 ”, on mène un
test bilatéral et la région d’acceptation de H0 est donnée par l’ntervalle : −tv;α ; + − tv;α , avec v = n1 + n2 − 2.
 

où tv;α désigne la valeur de la loi de Student ayant la probabilité α d’être dépassée en valeur absolue.

Si t < tv;α alors on accepte H0 .

Si t > tv;α on rejette H0 au seuil α%.

Remarque : Dans le cas d’une hypothèse alternative conduisant à mener un test unilatéral du type H0 :
"m1 = m2 ” contre H1 : "m1 > m2 ” la région d’acceptation de H0 est de la forme : ]−∞; t2α;v [ .

[Link] 2020/2021 32
 Univ MSBY Jijel Fac SEI Dép de Mathématiques

.On sera souvent amené à tester de façon préalable l’égalité des variance à l’aide d’un test de Fisher-Snedecor
avant de comparer les moyennes à ppartir de deux petits échantillons.

4.3.4 Test de Fisher-Snedecor

Comparaisons de deux variances

Le test de comparaison de deux variances σ12 et σ22 est basé sur le rapport des deux estimation s21 et s21
calculées à partir d’échantillons, de taille respective n1 et n2 extraits des deux population à comparer. Il n’est
pas nécessaire que n1 et n2 soient grand mais il est impératif que les deux populations soient normalement
distribuées.

On formule l’hypothèse H0 : "σ12 = σ22 ” contre l’hypothèse H1 : "σ12 6= σ22 ” ce test est donc toujours bilatéral.
s2
On calcule la quantité : F = 12 si s21 ≥ s22 . F est toujours supérieure ou égale à un.
s1
La règle de décision est la suivante :

Si F < F α on accepte H0 .
;v1 ;v2
2
Si F ≥ F α on rejette H0 . au risque α.
;v1 ;v2
2

4.4 Le test chi-deux

4.4.1 INTRODUCTION

Problème 1 :

Partant des races pures, un sélectionneur a croisé de mufliers ivoires avec des mufliers rouges, il a obtenu en
F 1 des mufliers pâles, puis en F 2 après autofécondation des plantes de la génération F1 : 22 mufliers rouges,
52 mufliers pâles et 23 mufliers ivoires.

La couleur des fleurs est-elle gérée par un couple d’allèles ?.

Le test chi-deux est fréquemment utilisé par les biologistes. A la différence des autres test, ce test ne s’appuie
pas sur un modèle probabiliste rigoureux, mais sur une loi asymptotique ; il est donc délicat à utiliser et il est
parfois préférable de le remplacer, lorsque c’est possible, par un test non parmétrique plus adapté.

Le test du χ2 est le plus célèbre des tests dits non paramètriques qui n’exigent aucune condition sur
la distriution de la population mère. C’est un test globale qui porte sur l’ensemble des effectifs ou fréquences
observées après expérience et calculés à partir de l’hypothèse testée. On pourra comparer :

[Link] 2020/2021 33
 Univ MSBY Jijel Fac SEI Dép de Mathématiques

Une distribution expérimentale et une distribution théorique. Les caractéristiques de cette distribution théo-
rique sont connues ou estimées à partir des observations. Selon le cas, on parlera de test de conformité ou
d’ajustement à une loi théorique.

Plusieurs distributions pour savoir si on peut accépter l’hypothèse qu’elles proviennent de la même population
parente, dans ce cas on mènera un test d’homogéneité ou

d’indépendance. On a en fait généraliser le cas précédent en comparant chaque distribution empirique à

une même distribution théorique.

Le mécanisme du test du χ2 permet de savoir si les écarts constatés entre les distributions à comparer sont
imputables ou non au hasard.

Définition 4.3. Soit X une v.a de loi.N(0 ;1), alors la v.a X2 est dite v.a de chi-deux à 1 degé de liderté.

Définition 4.4. Soient X1 , X2 ,...,Xn n v.a indépendantes suivent toutes loi N(0 ;1), alors la v.a Z = X12 +
X22 + ... + Xn2 est une v.a de chi-deux à n degés de liderté, avec E(Z)=n et Var(Z)=2n

Remarque 5. Si Z suit la loi du χ2 à n degrés de liberté, la table du chi-deux donne pour un risque α choisi,
le nombre χ2α tel que

P (Z > χ2α ) = α.

4.4.2 COMPARAISON ET AJUSTEMENT A UNE LOI THEORIQUE

Construction du test

On considère une distribution expérimentale donnée par un échantillon de taille n.

Les individus de cet échantillon son classés et on a dénombré la fréquence absolue ou effectif de chaque
classe. On note ni l’effectif observé pour la classe N ◦ i. Si on connait (ou croit connaître) la loi théorique que
suit cette distribution, on est alors capable de calculer les effectifs théoriques de chaque classe. En effet la loi
théorique est connue dès lors que les probabilités attachées à chaque classe le sont. On note Pi la probabilité
qu’un individu tiré au hasard appartienne à la classe N ◦ i. L’effectif théorique associé est alors nPi .

4.4.3 Application du test chi-deux

On expliquera d’abord les principes du test sur une loi multinomiale puis dans ses applications les plus
courantes, la méthode non paramétrique qui en découle.

test sur une loi multinomiale

[Link] 2020/2021 34
 Univ MSBY Jijel Fac SEI Dép de Mathématiques

Distribution à deux classes.

Soit une expérience aléatoire E susceptible

d’entraîner la réalisation d’un évenement E1 de probabilité P (E1 ), ou d’un évenement E2 de probabilité

P (E2 ), E1 et E2 formant un système complet c-à-d P (E1 ) + P (E2 ) = 1 et P (E1 ∩ E2 ) = 0.

Soit un ensemble de n expériences identiques à E et indépendantes. On lui associe les variables X1 et X2

représentant respectivement le nombre d’événement de E1 et de E2 que l’on peut observer (X1 + X2 = n), la
réalisatin effective des n expérience entraîne

l’observation des valeurs x1 de X1 et x2 de X2 (x1 + x2 = n), On dit que les résultats sont reparties en deux
classes. On désire tester l’hypothèse H0 ”P (E1 ) = P1 et P (E2 ) = P2 contre l’hypothèse H1

”P (E1 ) 6= P1 et P (E2 ) 6= P2 ”.

Compte-tenue de la relation P1 + P2 = 1, il suffit de tester ”P (E1 ) = P1 ” contre

”P (E1 ) 6= P1 ”. Ce que l’on peut faire à l’aide de la variable X1 → B (n, P1 ) .

X1 admet pour loi asymptotique, lorsque n augmente indéfiniment, la loi

N (nP1 , nP1 (1 − P1 )).

Alors un test avec la variable

X1 − nP1
Y =p considéré comme pratiquement normale centrée et réduite sou H0 .
nP1 (1 − P1 )
Soit maintenant la variable
(X1 − nP1 )2 (X2 − nP2 )2
Z= + ,
nP1 nP2
(X1 − nP1 )2
on a Z = =Y2
nP1 (1 − P1 )

étant donné le comportement asymptotique de Y, il est clair que Z admet pour loi asymptotique la loi de
χ21 sous H0 .
   
Pour un niveau α on peut ecrire 1 − α = P −y α2 ≤ Y ≤ y α2 = P 0 ≤ Y 2 ≤ y 2α =
2
 
P 0 ≤ Z ≤ z α2 avec z α2 = y 2α ,
2

La borne supérieur de l’intervalle d’acceptation (3.481=(1.96)2 au niveau 5%; 6.635 = (2.576)2 au niveau
1%) étant lue dans les tables de χ2 ..

[Link] 2020/2021 35
 Univ MSBY Jijel Fac SEI Dép de Mathématiques

Distribution à r classes.

Plus généralement soit une expérience aléatoire E susceptible d’entraîner la réalisation de r évenements
E1 ,E2 , ...,Er de probabilité P (E1 ), P (E2 ), ..., P (Er ), E1 E2 ...Er ,formant un système complet c-à-d P (E1 ) +
P (E2 ) + ... + P (Er ) = 1 et P (Ei ∩ Ej ) = 0 pour i 6= j.

Les résultats de n expériences identiques à E et indépendantes sont donc réparties en r classes. A un tel
ensemble d’expériences, On associe les variables X1 X2 ...Xr représentant respectivement les effectifs des classes
que l’on peut observer,

Le système (X1 , X2 , ..., Xr ), forme un sytème multinomial, on veut tester l’hypothèse

”p(E1 ) = p1 et p(E2 ) = p2 et... p(Er ) = pr ”

contre l’hypothèse H1 :

"P(E1 ) 6= P1 ou P(E2 ) 6= P2 ...ou P(Er ) 6= Pr ”

En fait il n’y a parmi r variables que (r − 1) variables indépendantes ; En effet les variables sont liées par la
relation X1 + X2 + ... + Xr = n, dès que le hasard attribué une valeur numérique à r-1 variables, la valeur de
la dernière est imposée.

APPLICATION :

Problème 1 (solutions) :

Solution : Soient p1 , p2 , p3 les probabilités pour q’une plante de la génération F2 ait respectivement des
fleurs rouges, pâles ou ivoires, soient X1 , X2 et X3 les variables représentant les plantes à fleurs rouges, pâles ou
ivoires que l’on peut observer sur 97 plantes.

On est amené à tester, après un raisonnement génétique élémentaire, l’hypothèse H0 :

1 1 1 1 1 1
p1 = , p2 = , p3 = contre l’hypothèse H1 : p1 6= ou p2 6= ou p3 6= .
4 2 4 4 2 4
D0 où le tableau :

phénotypes rouge pâle ivoir total

probabilité 1/4 1/2 1/4 1
effectif théorique 24.25 48.5 24.25 97
effectif observé 22 52 23 97

-Les conditions d’application de χ2 sont s’atisfaites, à savoir :

-Les classes constituent un systèmes complet

d’événements ;

[Link] 2020/2021 36
 Univ MSBY Jijel Fac SEI Dép de Mathématiques

-Les 97 expériences sont identiques et

indépendantes ;

-Leur nombre est assez élvé ;

-Les effectifs théoriques sont suffisament

élevés.

P3 (Xi − 97pi )2
Dans ces conditions, sous H0 , la variable Z = i=1 est pratiquement une variable X 2 , on
97pi
effectue un test. L’intervalle d’acceptation de H0 est, au niveau

5% : [0 ; 5, 991] .

(2, 25)2 (3, 50)2 (1, 25)2

On a observé la valeur Z0 = + + ' 0.52.
24.25 48, 5 24, 25

Conclusion :

Au niveau 5% on peut accepter l’hypothèse que La couleur des fleurs est gérée par un couple d’allèles.

4.4.4
Tests d0hmogénéité

Principe

Le test χ2 est également utilisé pour la comparaison de plusieurs échantillons. Le principe du test va être
exposé dans un exemple à deux échantillons. on le généralise sans peine pour plusieurs échantillons.

Problème 2 :

On a étudié sur deux échantillons prevenant de deux populations différentes la répartition des quatre groupes
sanguins : O, A, B,AB les résultats obtenus sont réparties dans un tableau dit tableau de contingence, à deux
lignes et à quatre colonnes :

Groupe O A B AB tot
1er éch 121 120 79 33 353
2em éch 118 95 121 30 364
total 239 215 200 63 717

On veut tester l’hypotèse H0 " les quatre groupes sanguins sont réparties de la même manière sur les deux
populations"

contre l’hypothèse H1 "les répartitions sont différentes".

[Link] 2020/2021 37
 Univ MSBY Jijel Fac SEI Dép de Mathématiques

Sous H0 . la probabilité, pour un individu prélevé au hasard, d’être d’un groupe donné est la même dans
les deux populations, on ne connaît pas cette probabilité, sinon le problème serait résolu ; on peut cependant
l’estimer et, toujours sous H0 . La meilleure estimation que l’on puise en donner est la proportion des indiviudus
de ce groupe observée sur l’ensemble des deux échantillons. C’est ainsi que l’on obtient les estimations :

Pour le groupe O p1 = 239/717 ' 0, 333

Pour le groupe A p2 = 215/717 ' 0, 300
Pour le groupe B p3 = 200/717 ' 0, 249
Pour le groupe AB p4 = 63/717 ' 0, 088

p1 + p2 + p3 + p4 = 1. La relation p1 + p2 + p3 + p4 = 1 montre qu’en fait il suffit de trois paramètres pour

déterminer complètement le modèle. On déduit de l’estimation précédente les éffectifs théoriques de chaque
classe pour un échantillon de taille 353 d’une part et pour un échantillon de taille 364 d’autre part. D’où le
tableau :

Groupe O A B AB total
121 120 79 33
1er éch 353
(117,7) (105,9) (98,5) (31)
118 95 121 30
2em éch 364
(121,3) (109,1) (101,5) (32)
total 239 215 200 63 717

les effectifs théhoriques sont entre parenthèses, on a par exemple, 117=0,333.353.

Soient maintenant les variables X1 , X2 , X3 , X4 représentant les effctifs des classes du premiers échantillon
et Y1 , Y2 , Y3 , Y4 représentant les effctifs des classes du deuxième échantillon.

On pose :

(X1 − 117, 7)2 (X2 − 105, 9)2

Z= + +
117, 7 105, 9

(X3 − 98, 5)2 (X4 − 31, 0)2 (Y1 − 121, 3)2

+ + +
98, 5 31, 0 121, 3

(Y1 − 109, 1)2 (Y1 − 101, 5)2 (Y4 − 32, 0)2

+ + .
109, 1 101, 5 32

Les conditions d’application du test χ2 étant satisfaites pour chaque échantillon, sous H0 , la variable Z
peut être considérée comme la somme de deux variables χ2 , l’indépendance des deux séries d’observations
permet de considérer la varible Z comme une variable χ2 . On est tenté de dire qu’il s’agit d’une variable χ2

[Link] 2020/2021 38
 Univ MSBY Jijel Fac SEI Dép de Mathématiques

à 2(4 − 1) = 6 degrés de liberté ; cependant, l’estimation, à partir des observations des trois paramètres qui
déterminent coplètement le modèle probabiliste baisse le nombre de degrés de liberté de 6 à 3. D’où Z → χ23 .

Les valeurs élevées de Z étant plus probables sous H1 que sous H0 .

Au niveau 5% l’intervalle d’acceptation est [0; 7, 815], et comme Z ' 11.74 > 7, 815 donc

on peut conclure au rejet de H0 .

C’st-à-dire les quatre groupe sanguins sont réparties différemment sur les deux populations d’où proviennent
les deux échantillons. Même au niveau 1% on rejetterait H0 .

[Link] 2020/2021 39