[PDF] 11. Tests dhypoth`eses (partie 1/2)





Previous PDF Next PDF



STATISTIQUES IUT DEUXIEME PARTIE

Unilatéral à gauche. Unilatéral à droite. Bilatéral. Bilatéral symétrique. Fig. 23. Différents intervalles de confiance. (Les courbes représentent la loi 



Quelques rappels sur les intervalles de confiance

mesurent respectivement les risques à gauche et à droite de dépasser un seuil plancher ou plafond. L'intervalle de confiance est dit unilatéral si? ?1 2.



11. Tests dhypoth`eses (partie 1/2)

H1 : ?<?0 (unilatérale `a gauche). Cas unilatéral gauche : H1 : µ<µ0 (? < 0) : ... Soit [L U] un intervalle de confiance pour un param`etre ?



Test statistique unilatéral-bilatéral

Le recours à un test unilatéral réduit le nombre de sujets nécessaire. Ce point peut être illustré grâce aux intervalles de confiance bilatéraux et unilatéraux 



MODULE 2 : Estimation par intervalle de confiance

droite et à gauche simultanément. d'intervalle unilatéral à gauche si ... 2.1 Estimation par intervalle de confiance de la moyenne d'une population.



Chapitre VII

tombe dans l'intervalle de confiance Test unilatéral région critique à gauche: ... Cocher Utiliser le test et l'intervalle basés sur la loi normale.



Tests statistiques élémentaires

H0 composite : µ ? µ0 contre H1 : µ<µ0 test unilatéral à gauche ; de l'intervalle de confiance de probabilité (1 ? ?). Il est donc équivalent de.



Traitement statistique des processus alpha-stable

les intervalles unilatéraux à gauche ] ? ??1]



Macro Rchantillonnage

Le document joint IC_p.xls calcule l'intervalle de confiance unilatéral ou bilatéral de la probabilité p d'un événement pour un niveau de confiance donné



Statistique pour ingénieur

d'intervalles de confiance ou des tests statistiques à poser fréquemment P = 1 la valeur de P se lit en ajoutant des cellules de la colonne de gauche.



rappels cours sur les IC - Conservatoire national des arts et

différemment de part et d’autre des bornes de l’intervalle de confiance Ecrivons donc ? = ? 1 +? 2 où ? 1 et ? 2 mesurent respectivement les risques à gauche et à droite de dépasser un seuil plancher ou plafond • L’intervalle de confiance est dit bilatéral quand ?12?00 et ? ? Si ?? ? 12 2



rappels cours sur les IC - cedriccnamfr

un intervalle On parlera alors d’intervalle de con?ance Dans l’exemple 1 on a utilis´e pour construire l’intervalle de con?ance une v a qui d´epend de l’´echantillon et du param`etre inconnu mais dont la loi ne d´epend pas du param`etre C’est ce que l’on appelle une fonction pivotale



C:/Documents and Settings/Ali Gannoun/Bureau/FOD/Seance6

– Intervalle de con?ance bilatéral symétrique X¯ ?u 1??/2 ? ? n ? µ ? X¯ +u 1??/2 ? ? n – Intervalle de con?ance unilatéral à gauche µ ? X¯ +u1?? ? ? n – Intervalle de con?ance unilatéral à droite µ ? X¯ ?u1?? ? ? n 3 1 2 Cas où la variance est inconnue C’est le cas général



Quelques rappels sur les intervalles de confiance

mesurent respectivement les risques à gauche et à droite de dépasser un seuil plancher ou plafond L’intervalle de confiance est dit bilatéral quand 1200 et En particulier si 12 2 = l’intervalle est symétrique Il est dissymétrique sinon L’intervalle de confiance est dit unilatéral si 12 0 :



Estimations et intervalles de con?ance Exemple

Soit un paramètre associé à la loi de X par exemple = E(X) ou = Var(X) À partir de l’observation d’un échantillon aléatoire (X 1;:::;X n) on souhaite estimer le paramètre DÉFINITION 2 — Un estimateur b nde est une fonction qui dépend unique-ment du n-échantillon (X 1;:::;X n) Il est dit convergent s’il est “proche" de



Searches related to intervalle de confiance unilatéral à gauche PDF

Intervalles de con?ance Rappels sur la loi normale Cas Gaussien Intervalles de con?ance asymptotiques INTERVALLES DE CONFIANCE Soient X 1;:::;X n des variables aleatoires ind´ ependantes et´ identiquement distribuees ´ Soit 2(0;1) un intervalle de con?ance pour le parametre` au niveau de con?ance 1 est un intervalle de la forme IC

Comment savoir si l’intervalle de confiance est bilatéral?

• L’intervalle de confiance est dit bilatéral quand ?12?00 et ? ? . Si ?? ? 12 2 = = , l’intervalle est dit symétrique. Il est dissymétrique sinon.

Comment calculer l’intervalle de confiance ?

9:35. Avecs= 6:86, l’intervalle de con?ance s’écrit : La taille de cet intervalle, souligne le manque de précision de l’estimation del’écart-type, la taille de l’échantillon y est pour beaucoup.

Comment calculer l’intervalle deconfiance ?

L’intervalle decon?ance devient alors : L’intervalle n’est pas contenu dans la spéci?cation. Notez l’augmentation sen-sible de la taille de cet intervalle par le simple fait de devoir estimer la varianceplutôt que de la supposer connue ; L’estimateur de la variance suit une loi du chi-deux à= (n 1) = 3degrésde liberté.

Qu'est-ce que l'estimation par in-tervalle de confiance ?

Laconnaissance des lois de ce estimateurs permet l’estimation par in-tervalle de con?ance et donc de préciser l’incertitude sur ces esti-mations : intervalle de con?ance d’une proportion, d’une moyennesi la variance est connue ou non, d’une variance. Retour auplan du cours.

1/32/3 3/3

11. Tests d'hypotheses (partie 1/2)

MTH2302D

S. Le Digabel,

Ecole Polytechnique de Montreal

A2017 (v1)

MTH2302D: tests d'hypotheses1/30

1/32/3 3/3

Plan

1. Introduction

2. Hypotheses et erreurs

3. Tests d'hypotheses sur un seul echantillon

MTH2302D: tests d'hypotheses2/30

1/32/3 3/3

1. Introduction

2. Hypotheses et erreurs

3. Tests d'hypotheses sur un seul echantillon

MTH2302D: tests d'hypotheses3/30

1/32/3 3/3

Tests d'hypotheses : Introduction

Il s'agit d'une methode statistique permettant de verier, entre autres, la valeur d'un parametre, la forme d'une distribution, etc. Pour cela, les hypotheses decrivant la situation doivent ^etre formulees et un test statistique est ensuite execute.Exemple 1 On etudie la vitesse de combustion du carburant d'une fusee. Le cahier des charges exige que la vitesse moyenne de combustion soit de40cm/s. Supposons que l'ecart-type de cette vitesse soit d'environ = 2cm/s. L'experimentateur veut verier si eectivement la moyenne est de

40cm/s, a partir d'un echantillon de taillen= 25dont la vitesse

moyenne de combustion estx= 41:25cm/s.MTH2302D: tests d'hypotheses4/30

1/32/3 3/3

1. Introduction

2. Hypotheses et erreurs

3. Tests d'hypotheses sur un seul echantillon

MTH2302D: tests d'hypotheses5/30

1/32/3 3/3

Denitions

Unehypothese statistiqueHest une armation concernant

1.La valeur d'un parametre (moyenne, variance, proportion, etc.)

2.L'egalite des parametres de deux distributions (deux

moyennes, deux variances, etc.)

3.La forme d'une distribution.Remarques :

I Dans les deux premiers cas, on a unehypothese parametrique. I Dans le troisieme cas, on a unehypothese non parametrique.MTH2302D: tests d'hypotheses6/30

1/32/3 3/3

Hypotheses

On suppose que l'on cherche a verier la valeur d'un parametre inconnude la distribution d'une populationX. Pour cela, on compare deux hypotheses portant sur la valeur de.Denition

On distingue deux types d'hypothese :

1.L'hypothese nulle:H0:=0.

2.L'hypothese alternative(oucontre hypothese)H1, qui peut

prendre l'une des formes suivantes : I

H1:6=0(bilaterale).

I

H1: < 0(unilaterale a gauche).

I H1: > 0(unilaterale a droite).MTH2302D: tests d'hypotheses7/30

1/32/3 3/3

Hypotheses (suite)

Nous considerons d'abord le cas ouH1est bilaterale (6=0).

Remarque :L'hypothese nulle peut provenir :

I D'experiences anterieures. Dans ce cas, on cherche a savoir si les conditions ont change. I D'une theorie ou d'un modele du probleme. Dans ce cas, on cherche a determiner si le modele est valide. I De considerations exterieures, comme des specications techniques. Dans ce cas on cherche a savoir si l'objet ou le processus est conforme.

MTH2302D: tests d'hypotheses8/30

1/32/3 3/3

Erreurs

Denition

1.L'erreur de premiere espece(detype I) est

=P(rejeterH0jH0est vraie):

2.L'erreur de deuxieme espece(detype II) est

=P(accepterH0jH0est fausse):X

XXXXXXXXXXdecisionrealiteH

0est vraieH

0est fausseaccepterH01erreur de type II ()rejeterH0erreur de type I ()1(puissance)MTH2302D: tests d'hypotheses9/30

1/32/3 3/3

Erreurs (suite)

X

XXXXXXXXXXdecisionrealiteH

0est vraieH

0est fausseaccepterH01erreur de type II ()rejeterH0erreur de type I ()1(puissance)Denition

I On appelleleseuil critiqueou leseuil de signicationdu test. I Lapuissancedu test est la probabilite de rejeterH0siH0est eectivement fausse, c'est-a-dire1.MTH2302D: tests d'hypotheses10/30

1/32/3 3/3

Execution du test : les etapes detaillees

1.FormulerH0etH1.

2.Choisir.

3.Considerer un echantillon de taillen.

4.Executer le test : par exemple verier si la statistiquejZ0jest

plus grande quez=2.

5.Conclure en acceptant ou en rejetantH0:

I

RejeterH0: conclusion forte.

INe pas rejeterH0: conclusion faible.

6.Facultatif : calculeret le risque de deuxieme espece.

7.Facultatif : siest trop eleve, indiquer un nouveauet/ou

un nouveaunet recommencer.MTH2302D: tests d'hypotheses11/30

1/32/3 3/3

Remarques

I

En general, on veut queetsoient petits.

I

La probabilitede l'erreur de premiere espece est

habituellement xee a l'avance. I La probabilitede l'erreur de deuxieme espece depend de I

La valeur reelle du parametre.

ILa taillende l'echantillon.

I

Pouretnxes,()est une fonction du parametre.

Le graphe de cette fonction est appelecourbe caracteristique du test. I Idee :On choisitH0etde facon a minimiser le risque d'erreur de type I (la plus grave), et(la proba. d'erreur de type II) est une consequence de ce choix. Souvent < . I Si on veut diminuer, il faut augmenteret/oun.MTH2302D: tests d'hypotheses12/30

1/32/3 3/3

Exemple 2 : illustration du concept (cas 1)

On juge une personne et on formule les hypotheses suivantes : H

0: personne innocente

H

1: personne coupableX

XXXXXXXXXXdecisionrealitepersonne innocentepersonne coupable innocenter la personne1err. type II ()condamner la personneerr. type I ()1(puissance)I

P(condamner un innocent) =.

I

P(liberer un coupable) =.

Ne pas condamner un innocent est prioritaire par rapport a ne pas liberer un coupable.

MTH2302D: tests d'hypotheses13/30

1/32/3 3/3

Exemple 2 : illustration du concept (cas 2)

On juge une personne et on formule les hypotheses suivantes : H

0: personne coupable

H

1: personne innocenteX

XXXXXXXXXXdecisionrealitepersonne coupablepersonne innocente condamner la personne1err. type II ()innocenter la personneerr. type I ()1(puissance)I

P(liberer un coupable) =.

I

P(condamner un innocent) =.

Ne pas liberer un coupable est prioritaire par rapport a ne pas condamner un innocent.

MTH2302D: tests d'hypotheses14/30

1/32/3 3/3

Region critique

Le principe general d'un test d'hypothese repose sur la consideration d'une statistique et d'uneregion critique. Une region critique est une region ou il est peu probable que la statistique prenne des valeurs lorsque l'hypothese nulle est vraie. Le test consiste alors a : I RejeterH0si la valeur calculee de cette statistique est dans la region critique :Conclusion forte. I Ne pas rejeter ('accepter)H0si la valeur calculee est en dehors de la region critique :Conclusion faible.MTH2302D: tests d'hypotheses15/30

1/32/3 3/3

1. Introduction

2. Hypotheses et erreurs

3. Tests d'hypotheses sur un seul echantillon

MTH2302D: tests d'hypotheses16/30

1/32/3 3/3

TH bilateral sur la moyenne : cas ou2est connue

Les trois etapes principales pour le test sont :

1.Formulation des hypotheses :

H 0:=0 H

1:6=0.

2.Calcul de la statistique pertinente avec les valeurs de

l'echantillon : Z 0=X0= pn . SiH0est vraie, alorsZ0N(0;1)(ngrand).

3.Acceptation ou rejet deH0:

I

On calculez=2tel que(z=2) = 1=2.

I

On rejetteH0sijZ0j> z=2ou on accepteH0si

jZ0j z=2(voir illustration).MTH2302D: tests d'hypotheses17/30

1/32/3 3/3

TH bilateral sur la moyenne : cas ou2est inconnue

a la place deZ0, on utilise la statistique T

0=X0S=

pn et I

On rejetteH0sijT0j> t=2;n1.

I On accepteH0sijT0j t=2;n1.MTH2302D: tests d'hypotheses18/30

1/32/3 3/3

TH sur la moyenne : tests unilateraux

Les formulations pour l'hypothese alternativeH1sont :

1.H0:=0(ou0) et 2.H0:=0(ou0)

H

1: < 0H1: > 0

(unilateral a gauche). (unilateral a droite).

Les statistiques du test sont les m^emes :Z0=X0=

pn (2connue) ouT0=X0S= pn (2inconnue).

Les criteres de rejet changent :

Z

0 z

ouT0 t;n1 (unilateral a gauche). (unilateral a droite).

MTH2302D: tests d'hypotheses19/30

1/32/3 3/3

Erreur de deuxieme espece

Considerons les hypotheses

H 0:=0 H

1:6=0.

SiH0est fausse alors=1=0+ avec6= 0. Si2est

connue, on peut montrer que z =2 pn z=2 pn Exemple 3 :Prouver cette formule en commencant par montrer queZ0Npn ;1

MTH2302D: tests d'hypotheses20/30

1/32/3 3/3

Erreur de deuxieme espece si2est connue (suite)

I

Cas bilateral :H1:6=0(6= 0) :

z =2 pn z=2 pn I

Cas unilateral gauche :H1: < 0(<0) :

z pn I

Cas unilateral droite :H1: > 0(>0) :

z pn Exemple 4 :Illustrer le cas unilateral a droite.MTH2302D: tests d'hypotheses21/30

1/32/3 3/3

Determination densi2est connue

I

Cas bilateral :H1:6=0(6= 0) :

n'(z=2+z) 2 I

Cas unilateral gauche ou droite : (<0ou>0) :

n=(z+z) 2 Exemple 5 :Prouver le cas unilateral.MTH2302D: tests d'hypotheses22/30

1/32/3 3/3

Determination graphique de(ou den)

On determine graphiquementen fonction ded=jj=pour

etndonnes, avec des courbes comme ci-dessous (unilateral droite, = 5%).Siest inconnue, prendreSou une autre approximation.MTH2302D: tests d'hypotheses23/30

1/32/3 3/3

Exemple 6

On etudie la vitesse de combustion du carburant d'une fusee. Le cahier des charges exige que la vitesse moyenne de combustion soit de40cm/s. On sait que l'ecart-type de cette vitesse est d'environ= 2cm/s. On se preoccupe de la probabilited'accepterH0:= 40cm/s alors que la vitesse moyenne de combustion est en realite = 41cm/s.

1.Calculer la probabilitesi= 0:05etn= 25.

2.Si on veut que le test detecte avec probabilite0:80un ecart

de1cm/s entre0= 40cm/s et la vitesse de combustion moyenne reelle, quelle taille d'echantillon faut-il utiliser?

MTH2302D: tests d'hypotheses24/30

1/32/3 3/3

Niveau critique observe (P-value)Denition

Leniveau critique observe(ouP-value)PVest la valeur minimale detelle queH0est toujours rejetee.I Avantage : Une fois que laP-value est connue, le decideur peut determiner la decision du rejet ou non-rejet en utilisant n'importe quel seuil. I

Si > PV,H0est rejetee.

I

Inconvenient : calcul pas toujours facile.

I

Lors d'un test, les logiciels donnentPV.

I Habituellement, siPVest grande,H0est acceptee.MTH2302D: tests d'hypotheses25/30

1/32/3 3/3

Calcul de laP-value lors du testH0:=0

SoitZ0la statistique employee pour un TH etz0(out0) sa valeur calculee a partir d'un echantillon. I

Si2est connue :

cas unilateral gauche (H1: < 0)PV= (z0) cas unilateral droite (H1: > 0)PV= 1(z0) cas bilateral (H1:6=0)PV= 2(1(jz0j)) I

Si2est inconnue :

cas unilateralPV=P(T >jt0j)avecTTn1 cas bilateralPV= 2P(T >jt0j)avecTTn1 Exemple 7: illustration de laP-value.MTH2302D: tests d'hypotheses26/30

1/32/3 3/3

Relation avec les intervalles de conance

Soit[L;U]un intervalle de conance pour un parametre, de niveau de conance100(1)%.

Alors le test d'hypotheses au seuil critiquepour

H 0:=0 H 1:6=0 mene au rejet deH0si et seulement si062[L;U].MTH2302D: tests d'hypotheses27/30

1/32/3 3/3

Tests d'hypotheses avec un echantillon : autres cas Le fo rmulaire sur le s itedu cours r esumeles tests d'hyp otheses pour dierentes situations. Les courbes caracteristiques pourcorrespondantes sont normalement donnees dans les livres. LaP-value pour les dierents cas peut ^etre calculee avec

STATISTICA ou R.

MTH2302D: tests d'hypotheses28/30

1/32/3 3/3

Exemple 8

Un fabricant de boissons gazeuses s'interesse a l'uniformite du remplissage des canettes par une machine. SoitXle volume de remplissage d'une canette. On suppose queX suit une loi normale. Si la variance du volume de remplissage excede 15 mL

2alors un

pourcentage inacceptable de canettes ne seront pas remplies correctement. Le fabricant veut donc tester si la variance est inferieure a 15 mL 2.

Supposons que le niveau critique soit xe a= 0:05.

Quelle est la probabilite d'accepterH0:2= 15mL2alors qu'en realite la variance est d'au moins 25 mL

2, avec un echantillon de

20 canettes?

MTH2302D: tests d'hypotheses29/30

1/32/3 3/3

Exemple 9

On veut testerH0:p= 0:2contreH1:p >0:2. Un echantillon de taillen= 50donne 11 \succes".

1.Que peut-on conclure au niveau= 5%?

2.Quelle taille supplementaire doit-on prelever an queH0soit

rejetee 9 fois sur 10 lorsquep= 0:24?MTH2302D: tests d'hypotheses30/30quotesdbs_dbs10.pdfusesText_16
[PDF] séquence monnaie ce1-ce2

[PDF] fonction moyenne quadratique excel

[PDF] jeu de la marchande ce1

[PDF] terme générique dictionnaire

[PDF] intervalle de confiance formule es

[PDF] entre voix et rythmes africains

[PDF] cours théorie des valeurs extrêmes

[PDF] théorie des valeurs extrêmes application

[PDF] loi gev

[PDF] exercices corrigés théorie des valeurs extrêmes

[PDF] valeurs extremes statistique

[PDF] exemple conclusion entretien annuel d'évaluation

[PDF] exemples objectifs entretien annuel d'évaluation

[PDF] exemple compte rendu entretien professionnel

[PDF] progression éducation musicale cycle 4