On considère On

dans un
premier temps qu' il n'
y
a
pas de soucis .

fait alors une

qualité
procédure partir afin
de test à d' un échantillon de voir si la norme

y vérifiée
est .

On états le contrat est respecté il n' est

distingue deux de la nature : vs
pas
respecté .

La proportion tachées à l' échelle population constitue

paramètre
de pommes -
de la le

Les valeurs associées au paramètre sont :

est n' est

p f 4 %
lorsque le contrat
respecté ou
p) 4 %
lorsqu' il pas
respecté

On
définit alors Ho et H
,
:

Ho p f 4 % est notre
hypothèse privilégiée il
égalité
'
c car une
y
: → a .

Ha est pas borné

:
p ) 4% → ce n'
 test unilatéral droite O
il s'
agit donc d' un à car Hy :
>%

a
- .
Cependant ,
le test n' est
pas aussi simple ( cf 2ème § ) :

Dans la réalité de l' énoncé les deux états de la nature sont : soit p =
4 % alors
,
on

accepte la marchandise ,
soit p = 8% ce
qui implique de
refuser la marchandise .

Il
faut alors
redéfinir Ho Dans ces .
conditions ,
la notion de norme
qualité disparaît en

raison de l' erreur de transport .

Or il est précisé dans l'énoncé l' acheteur

que le risque correspond
,
de au

risque de seconde
espèce
Soit B = P ( Duo / Ho )

est la probabilité de décider Ho alors H est vraie

'

c
que ,

Tandis
que le risque du vendeur correspond au
risque de première espèce
aussi
appelé risque de
signification du test
Soit ✗ =
P ( ☐µ
,
/ Hot
probabilité est
que Ho
c
'

est la de décider H , alors vraie .

sont des éléments maîtrisés par le statisticien

✗ et n ,
il
faut alors calculer

le seuil
critique À . On place dans la
région d'
acceptation les valeurs possibles
de l' estimateur .

fr E [0 ,
100% ]
À
fr
va permettre de délimiter la
région d'
acceptation ,
et l'
espace critique .

permettre et vont de calculer 1T permettra de

déterminer qui par après
✗ n ,
ce

B B dépend pas indépendants

. donc de ✗ .
ils ne sont .

P l ☐H
B / H, )
µ
= 1 =
-
,

↳ c'est la probabilité de décider H

, lorsque tt
,
est bien vraie .

✗ À ci ,
on ne donne pas la taille de n car B et
✗ sont donnés .
On peut ainsi déduire 1T et n

n B car un
couple de variable correspond à un

autre
couple .

Pour expliciter le
risque de l' acheteur ,
on peut dire
que celui ci -

peut être
amené à accepter une livraison
qui en réalité ne correspond pas au contrat
établi en raison d' une sous
représentation de fruits tâchés dans l' échantillon
-
par rapport à la population totale .

B probabilité ( décider que

= la livraison est correcte 1.alors que la norme de

qualité n' est pas respectée ) .

Le risque du vendeur
quant à lui
, correspond au
risque de se voir
refuser la
marchandise en raison d' une surreprésentation de
fruits tâchés .

✗ probabilité ( décider la livraison n' est pas correcte /alors la

=
que que
norme
qualité est en réalité
respectée )

Puisque ✗ = l ☐µ
,
/ Ho ) signifie que
la livraison est
jugée non
conforme
8% alors elle l' est soit p 4 %
car
p = -

qu' ,
=

On a donc :
Ho :
p =
4 %

Hy :
p = 8%

b. Il
faut dans un
premier temps déterminer la
fonction discriminante .

On
région acceptation
lesquelles
place dans la d' toutes les valeurs
fin pour de

peut l' écart

échantillonnage s' attribuer aux aléas d' .

Il
faut alors s'
interroger sur la loi de probabilité suivie par fn .

fn ~
In B ln , p )

↳ fn suit une loi de Bernoulli

Ici les conditions de
tirage font qu' il n'
y
a
pas de
différence entre un
tirage
avec ou sans remise puisque le taux de prélèvement est
supposé faible .

Lorsque (I ( fois il de chances de tirer deux le même

individu peu 10% très
y .
a

Ce qui revient donc à dire

que
le
coefficient d' exhaustivité est proche de 1 .

il se calcule de la manière suivante :

Î-
On peut alors suit approximativement loi normale
_
dire
_

que fn une

fn x N (p ,
Æ pour n >, 30 .
n
p ), 5 .
n
q 7,5 .

avec 1 p
q = - -

en
partiel il
faut poser cela
 Ë

b.
^

ÎÎ
£
§ç
"
- -
- - - - - - - - - - - - - - - - -

¥ "
É -
- - - - - -
- -
-
- - - -
-
- - - - - - -
- -

¥
÷§±
÷ 7¥
s
"
' '

¥
÷
Se pose alors la Elle
question de la
forme de la
région critique .

dépend de la
façon dont est posée le test .
Puisqu' il s'
agit ici -
d' un test

est précise
par exès la
forme .

0 situe t elle
ex :
fn = ,
cette valeur se - -
dans la
région d'
acceptation ou

-
dans la
région critique ?
↳ dans la
région d' acceptation car 0<4 % .

Pour toutes les valeurs

inférieures _
à
po ,
elles se situent
région d'acceptation
dans la

Pour les valeurs supérieures à po .

il
faut prendre en
compte les aléas d' échantillonnage
Passé une certaine valeur ,
la supériorité sera telle qu' on atteindra 1T .
L'écart ne sera

l' échantillon
échantillonnage
pas dû
fait que aléas d' mais résulte du été

prélevé
aux a

population Ip )
dans une autre , .

Lorsque le test est par exès ,

la
forme de la
région critique est telle
que fn DIT ( avec

H L pot .

1T ( po )
Lorsque le test est
par défaut fn EN ,
I.avec .

✗ =
PC D H
,
/ Hot = P lfn Y A /p =
po =
4 %)

Sous x
. Ho est vraie .
fn ~ N l po
m
.

VÉ ) T
"

distribution est
spécifiée
"

La mais non tabulé

variable
Un N ( O T ) . →
il
faut ajuster la

U=
Kj =

lnpjn.IO#
~ N' 0 " .

On réécrit ✗ : x =
P(
Ux Ux )
avec U✗ = À-d

¥0
On sait 3% le
que ✗ = ,
il
faut alors
poser risque
0 97 PLU <
1- ✗ =
.
=
④
↳ = 1. 88 cf la table de la loi normale
À = U✗
¥-0 m
+ po = 1,88
TÉL + 0.04

c'est la
>
valeur du seuil
critique en
fonction de la taille de

l' échantillon .
e .
B = P ( Ho / Ha ) =
P Ifm ( IT /p =p , = 8%1
Sous B .
H
,
est vraie .
fr ~
N ( pi .
VÉ) n

distribution est
La
spécifiée mais non tabulé .

%;!Ë
U = ~ N' 0 " .

non réécrit B :
B = P ( U ( Up )
Upi
"pÎÎ
avec

UB 1. 88 En
effet 3% 1. 88 alors 3% à 1.88
distribution
droite raison de la
= .
à
gauche = . = .
en

symétrique normale centrée de la loi réduite .

>
résulte de la coïncidence de l' énoncé mais on pourrait également le
calculer :

3% = P I U L UB ) ⇐ > Plus, _
Up )
↳ on
fait jouer la
propriété de
symétrie de la table .

9 .
B = 0,97 = P lU L Ups )
-

¥88
2
H =
Up + p, = -1.88 +
0 08
.
.

d. Il
faut égaliser les deux expressions pour trouver n → équation du second
degré

Ux
VÉ + po =
Up TÉ + tu

↳ l' objectif est de trouver n en

fonction d' une autre donnée

Vx VÉ -
Up FÉ = to -
no

Fa
rappel : =

Fa
U✗ Fao ¥
-

UB =
ho -

po
Rn rn
€ ( Vx VE -
Up TÉ ) =p ,
_

po

in =
Ux À - UB Fai
pi -
p o

Tm =
^
, 88 VOTÉ + 1
. 88 FEL
O 08
, -
O , 04

28 est est pas possible

482 taille
théorique
'

m =
,
c une qui n' dans

la 28 d' une
pratique = > on ne choisira pas d' étudier
100
pomme

À 5 68% (
=
,
on
remplace n dans la
formule )
À = 1,88
VOTÉ 4 82 .
28
+
0 ,
04

Avec n 482

}
=
,

5. 68%
si
fn =

DH, lfn = tu = 8%1

règle de décision
formalisée .

avec ✗ = 3%

consiste
La
règle réaliste à
s'appuyer sur la
règle de décision
formalisée
et à l'
appliquer aux éléments de réalité .

L'acheteur prélève 482 pommes .

si plus de 5,68% des pommes sont tâchées .
il
refuse
la
cargaison en
acceptant un
risque d' erreur de 3% .

e. Or ,
l' acheteur ne peut pas encore se décider

✗ 1T comme n et B-changent
et À vont donc
n B ✗
changer également
puisque n = 400

rappel :
÷ = C
-
,
a = b -
c .
b =

-
I
C

À FÜR 0.08 5. 45
=
Up + =

400
T ho
Plus Ux ) U✗
-

✗ = avec =
,

M¥0
 0 0545 O 4 .

Va
-
.

FE
400

U✗ = 1 . 48

✗ =
P ( U» 1 . 481
1- ✗ =P ( U ( 1 48 ) .

1- ✗ = 0 9306
,

✗ =
6 , 94 % car : 1 _
0,9306 = ✗

0, 0694 = ✗

Etape 1 :
formuler le test

• Quels sont les états de la nature

alternatifs et quel type de paramètre permet d' en rendre

compte ?
→
la
fréquentation des cinémas par la CSP a
_
évolué

ou

→ la fréquentation des cinémas par cette CSP n' a

pas évolué
rendent
paramètre p part moins
fois par mois dans les

cinémas
Le la d' individus
=
qui se au une

•
Comment matérialiser les deux états de la nature et donc les deux hypothèses ?
il n'
y
a pas d' évolution alors p = 30%

ou

il évolution alors 30%

y a eu une
p ±

• Quelle hypothèse constitue l'

hypothèse privilégiée ?
p = 30% →
constitue la
référence et est borné

p =/ 30% →
n' est pas borné
On a donc : Ho :
p = 30% et tt , :p ± 30%
Il s'
agit d' un test portant sur un paramètre de proportion confrontant une hypothèse
simple à une
hypothèse composite .

↳ la valeur de po peut être réfutée soit par excès soit par

défaut
H, peut donc être décomposée en deux sous -

hypothèse :

th . r
:
p { 30% ( la fréquentation baissé ) a

th .
z
:
p ) 30% ( la
fréquentation augmenté ) a

Étape 2 :
fonction discriminante et loi suivie

est la discriminante C'est l'estimateur

fonction convergent
efficace
biais
fn . sans ,
et

paramètre du p .

fn ~
In B (n , p ) → tirage avec ou sans remise sont
équivalents car le taux

de prélèvement est supposé faible

De plus fn .
x N tp ,
VÉ)
loi de la loi de Bernoulli la loi normale
lorsque >, 30
↳ convergence en vers n ,

et
q ), 5
np >, 5 n 1 p
avec
q = -

Etape 3 :
formulation de l' erreur de
première espèce et
définition de l'
espace

critique
Les tests bilatéraux sont des tests mon UMP .
La
région de
refus de l' hypothèse Ho
sera
formée par la réunion de deux sous -

espaces critiques associés respectivement aux

deux
hypothèses H
sous et tt
-

2. , .
, z
.

Pour respecter la test

valeur du seuil de
signification ( x ) choisi pour le .
chacun

des deux sous

espaces est construit en
adoptant un
risque de première espèce de
-

Î -

t'
|" t avec p > po
avec p ( po

AAA:
'

: :

'
I
I

: : :
' l

i i

i : ) ln
( > i ) ( s
p o
p,
IT y =
,
=
= 0,3
0, 258 0,0351
d'acceptation
région critique région région critique
 La
région critique associée à un test bilatéral portant sur une proportion sera de la

forme :

fm E IT, Y V2 ou

L'
espace d'
acceptation sera donc
défini par l'intervalle .
] 1T , , Ta [ et l'
espace critique
par la réunion [ 0% IT, ] U [ Non ,
100% ] .

Ici le
risque d' est 4 est le seuil
signification de
'

,
erreur de % ,
c de ✗ .

✗ =
P ( DH / H )
, o

G probabilité de décider H
,
alors
que Ho est vraie .

P( f N, >, V2 /p
✗ =
fm ou =
po) .

4 % :
P
Ifm f IT ,
on
Y Va /p = 30%1 .

Sous ✗ . Ho est vraie donc

fn ~ N ( po .
¥90 )
distribution est
"

la
spécifiée
"

mais non tabulé il

faut donc avoir à la

variable
recours

normale centrée réduite :

U= ln_ ~ N l 0,11

FÉ
Réecriture de x :

=Î!n
✗ =
P( U
E -
Ux , , on
Y Va , < | avec _
Va , , et + Une =
1%-1
VE
Les seuils 1T, et Na sont symétriques par rapport à l'espérance pro .
Par conséquent ,
les
transformées
de ces valeurs dans la variable normale centrée réduite sont opposées puisque l' espérance de U

est 0
égale à .

% = P ( UE -
Ux / 2)
✗ =
PC UD Ux / 2)
/2

rappel :P ( U), va, , ) = 1 -

PI U ( Una )

1- P ( U L Ux ) = ✗ 12
, z

1- % = P CU ( Ux , e ) → pour pouvoir lire la variable dans la table .

Puisque la valeur de ✗
est de 4% :

1 .

0.201 = 0 98 ,
= P l U ( Ux
r
) .
 La lecture de la table donne 4,2 = 2. 05 .

Retour à la variable initiale :

-
Va , , =
%-h0_ <= >
IT
,

VE n

= -
Ux , 2 + to = -
2 05 ,

toit + 0,3 ± 0,258

Un
ÎÉ Ta
=
<

= + 4,2 M¥ + to

=
+ 2 , 05 × + 0,3 = 0,342

5 le calcul de l' estimateur ponctuel

Etape :

140
28%
fn =

je
=

Etape 6: la de décision
prise

28 % E ] 25,8 % ; 34 ,
2% [⇐ > Duo
En conclusion ,
l'évolution de la
fréquentation des salles de cinéma par cette Csp

n' a pas évolué

↳ si elle avait évolué on aurait dû préciser si la
fréquentation avait
augmenté ou
diminué .
L'énoncé donne la littéraire
règle de décision

↳ ici ,
la version réaliste permet de donner la
règle formalisée .

Avec n = 500 ,
fn ✗ foot ( 9%1 D My
( p)p o ) avec ✗ = 2% ( seuil de
signification!

IT ( seuil
9% =
critique )
test cherche
Le donc à
définir po

Ho : p E to

H, :
p ) to

•
2ème étape fonction discriminante et loi suivie
:

fn In B ln p ) → taux de prélèvement supposé faible

~
,
( ( 10%1

coefficient d' exhaustivité proche de 1 .

(
fm x N
t.VE )
avec n
y 30 ,
n p ), 5 . n
q ),
5 .

3ème étape
formulation de l' de première et
forme de la
• : erreur
espèce région critique
D HH / Ho )
✗ =
Plfn > À l 9% ) /p f p o ) =
,

G c'est la forme de la région critique

-

sous ✗ . Ho est vraie ,

fn ~ N ( to .

M¥0 )
La distribution est spécifiée mais non tabulé .
il
faut avoir recours à la VNCR ,

%:⇐
a-
Réecriture de ✗ :

✗ =
PIUZ Ux )

"ÎqE
avec Ux =

✗ = 2% =P ( U
» Ux )
1- ✗ =
Plu ( Ux )
0,98 =
PLU ( Ux )
D 2. 05

0.09-hotjf.no
= 2.0s
,

rappel :
LE ta =

IT to
" %
-

im
=

, le
=
Fn
(T to ) Tn
Va
-

TÉ )
2 (À t 0km
↳ ( on élevé le tout carré débarasser des
-

= a au
pour se

po ( 1 hot
racines )
-

↳ on a donc une
équation du second
degré ,
il
faut développer pour aboutir
à une
équation de la
forme :

'
ax +
bx + c = O
' '
Ux ( po -
po 4 =
(À -
po ) n
rappel : la _
b) ' =
à
-
-
2 ab + le
2

"
↳
2 ( po -
po 2) = ( IT _
( 2x IT x p
o
) + po
'
) n

( Ux
'
x
p o ) -

( Ux
'
x
p o
'
) = IT tn -
21Tpont pin
( Ux
'
x p o ) -
( Ux
'
x
po) -
NL +
21T po ' -
po
'
n = 0

21Fr ) Nn
' '

po
2 l Ux
'
) ( Ux 0
- _
n + po + _ =

a C
e -
D= b' -
4.ae
si A <0 il n' a pas de solution
=>
y
si D= 0 = > po =
-1
2 a

.bz/-a#po''---b--VI
D) 0 solutions '
si = > deux po =

La

↳ le discriminant est positif .

il n'
y a plus qu' à remplacer les valeurs
'

po = 6,71 %
'
"
11 , 98 /
p o
= .

↳ le test étant par exès .

À = 9% .
po ne peut donc pas être supérieur à 1T .

po = 6. 71 % .

n
'
( xi )
6L €
à
formule
-

=
→ rappel de variance
m

r .
1ère étape

Ho constitue la la
référence dans ce cas, l'
hypothèse dont le
rejet à tord aurait les

conséquences
norme ,
ou , _

plus fâcheuses les .

On
compare différents scénarios :

rejet _
à tout de
100g : ☐
120g 1100g I.décider que les fils ont une résistance de 120g alors que
cette dernière est de estimée éventuelle
100g) →
résistance plus faible qu' donc casse

rejet à tort de
120g : D
100g 1120g → on se prive de certaines applications
Le
fil de
100g constituera l' hypothèse privilégiée il s'
agit donc d' un test par excès .
 Ho : m : m
o
=
100g
Hp : m = m
,
=
120g

2ème étape fonction discriminante et loi suit celle ci

que
-

à ~ N ( m ,
Qrn )
Dans ce peut suit loi normale la population d' est distribuée
cas ,
on dire
que
Je une car
origine
selon loi normale
Lorsque peut soit la loi elle est distribuée
une . n
y 100 on le dire ,
quelque .

normalement .

3èmeétape risque : de
première espèce et
définition de l' espace
critique .

✗ =D ( th / Hot =
P( À /m mo = =
100g )
Sous ✗ , Ho est vraie donc à ~ N (
mo .
Qfn )
On cherche à présent à savoir si la distribution est
spécifiée .
Autrement dit ,
l' écart -

population distribution d'

type est il issu de la ou de la
échantillonnage ?
-

Ici ,
il s'
agit bien de 6 de m .

f 10
=
g
La distribution est donc
spécifiée mais non tabulé il .
faut avoir recours à un
changement
de variable :

U =

Ërmn°- ~ N ( OM )

H mo
Ua ) Un
-

P( U
x =
» avec =

1- ✗ = P lU ( Ux )
w w
2.33 dans la table
O 9g ,
_

4ff
^
À =
Ux Qfn + m o
= 2,33 ✗ +
100 = 111 ,
65
g
.

Formulation
Etape 4 : de la
règle de décision

Avec n =
4
Si 111
à
Y 65g ,

D Hp ( )
m =
ma 120g =

Avec ✗ =
1 %

À partir de l' observation de 4 fils prélevés dans le lot si la de leur

,
moyenne
résistance est de _
au moins 111 ,
65g , on décidera
que
le lot est constitué de
fils
de
120g avec un
risque d' erreur de 1 % .

Etape 5 : Calcul de l' estimateur ponctuel

à = 110
.gl -
donné dans l' énoncé )

2. Etape 6: Prise de décision

110 ( 111 .
65g
↳ Dtlo .

3 .
On cherche B .

B =
P CDH
o
/ th )

↳ il faut s'
interroger sur la
région
d' acceptation .

= Pl à LA / mn = m
,
= 120 -
g)
Sous B H , est ,
vraie à ~ Nlm , ,
%)
La distribution est
spécifiée mais non tabulé

Êjff-
U = ~ N 10,1 )

B = Plu / UB ) avec Up -

ÊÎ_=Î!%g
B = PLU < -
1. 67 )

B =
P (U
) 1 .
67 )

1- B = P(U ( 1. 67 )

0,9525 du test
µ =
→ puissance
1- B = 0.9525
1- 0,9525 =
B
B =
4,75%

IT exprime 1T en
4. ✗ → on fonction de x

B H
n → on exprime en
fonction de B
les deux
→ on égalise expressions

= Un 9pm + mo Ux = 2,33 avec ✗ =

1%

À =
UB Irm + ma Up = - 2.33
 ^ °
4pm
^
2. 33 × +
100 =
_
2,3 ✗ / En +
120

Un Irm -

Up Prn =
mi -
mo

I ( U✗ T -

Up T ) =
mi -
mo
vn

rn.in?:u:.=
on
remplace avec les valeurs :

2 33 × 10 + 2 33 10
Jm ,
✗
,
=

1 20 - 100

2
2 33 × 10 + 2,33 ✗ 10

(
,
n =

1 20 - 100

n = 5 . 42 .

] 0 110 [ d' acceptation

.
→ région
[ 110 , + 0 [ → espace critique

a , estimateur de m à

ê
i
" i
à =
= -
= 6 1 ,

b. à ( mo
si test par l'hypothèse Ho
on
fait un excès on a aucune chance de remettre en cause .

Donc on procède à un test par infériorité ,

unilatéral à
gauche .
 Etape 1 :

Ho m : =
mo = 7

H, : m
( mo

Etape 2 :
fonction discriminante et loi suivie par celle -

ci

à ~ Ntm , Mtn )
population d' est normale
car la
origine

Etape 3 Erreur
: de première espèce et définition de l'
espace critique
mo 7)
✗ =
P ( DH , / Ho ) =
P ( à f IT / m = =

Sous ✗ , Ho est vraie ,

à ~ Nl mo , Mrn )

La distribution est spécifiée mais non tabulé ,

recours à la VNCR :

à
U =
-
MO
~ N (O I)
,

T
/ Fn
✗ = P ( UE U x
)

- avec U
✗ =
Â_mo_
T / En

✗ = 5%

5% .
- PI UE Ux )

5% =
P(
UX - Ux )
1- ✗ =
PLU ( Ux )
un
.

0,95

Interpolation linéaire entre 1,64 et 1,65 car les deux valeurs sont aussi proches l' une
que
_

l' autre de 0,95 .

↳ = -
1 , 645

À = Ux Prn + mo
^5
= 1 6 45 ×
/to +7
= 6,22

Etape 4 :
formulation de la
règle de décision

avec n = 10

Si à
f 6,22 Dtlp (avec m (7) avec ✗ = 5%
 Etape 5 : Calcul de l' estimateur ponctuel
à = 6,1
6 1 ( 6,22 on décide tt et m (7
,
.
,

Puissance du test

P ( Du / Hal I P I DH / Hal I Pm
film = = -

o
= -

↳ revient à calculer Bm
Bm P ID /H , |
=
tro

Plus teste des réalités de l' autre le

on
éloignées l' une , plus risque B sera
faible et la

puissance du test intéressante

r Homma , Irn ) Ho Nlmo ,

Trn )

a- si .

Bm
i
'

:
y
/ // B m

TI 7
=

6,22

Forme d' une courbe d'

efficacité par infériorité
µ I
,

~
.

Sous Bm ,
H
,
est vraie .

La distribution est tabulé la

spécifiée mais non ,
recours à VNCR :

U =

ÈME ~ N ( OM )

Bm = PI U ) UB m
)
avec UB m
=

ÎIÎTN
On dresse un tableau avec les
différentes valeurs de m l' on choisit arbitrairement
que .

b-
points suffisent pour construire la courbe .
On commence
par une valeur très proche
de m = 7 .
 1- Bm
m
m
<7
UB m
Bm µ m
=

6 9 , _ 1.43 0 ,
9236 7,64%

6 ,
5 -
O .
59 0,7224 27,76 %

6 ,
22 0 0,5 50%

5,94 0 59 72,24

}
,

obtenues par
symétrie
5. 54 1,43 g, ,
, g

"

prend N
"

ou
qu' on ,
Upm =
0 car le numérateur est nul et µ = 50% .

→ un point gratuit
-
de la courbe d'
efficacité .

reste et à les retranscrire par inversant

Il ne nous plus qu' à calculer 2 points symétrie en

l' écart par rapport à À .

6 22 6,9

,%"Ë÷
, -

↳ 6.9 = i -
^ . 43 UB = = - 0,59
, g
1 , g po ,

Ici le dénominateur est stable il n' évolue pas Ce n' est

pas le lorsqu' il agit de

propor tion
.
. cas s'

,
il peut varier .

'
=L
J est estimé par s'
on -1

i
à (x i - E)
2

14 6M )
"

+ 16 - 6,117 . . .

9
-

s' r
66
-

= = = ,

n .
, g

-
d' où s' = 3.11

↳ on doit donc
refaire un test pour savoir si l' écart -

type est égal ou

différent

Ho T' TÔ 1,5
'
= = =

H , T'=/ TJ =

Or .
on ne peut pratiquer le test
que sur la variance .
De plus .
puisque l' estimateur

a une valeur deux

_
fois plus élevée que
la
référence on peut s' attendre à décider Hp par super _
riorité .

↳ Cependant ,
on
procède tout de même à un test bilatéral .

Etape 1 : Formulation du test

Ho T' : = TÔ = 1 ,
52
' '

Hp : T # To

Etape 2 discriminante et loi suivit par celle

:
fonction '
-

ci

'
( estimateur ) suit pas distribution
s de T ne une
classique -
de
probabilité
On procède donc à un
changement de variable .

✗?
2 ( m 1 ' "
s'
-

liberté
degré de
= ~
n.mg

f2

↳ implique une normalité de la

population
r

(
"" ✗ 12 ✗ ↳ fonction dyssémétique

>× }
< > < , < ,

D ftp.o D Ht - 2

)T!
'
T' { To '
T

Etape 3:
formulation de l' erreur de première espèce et
définition de l'
espace critique
a = PIDHT / HO ) =P ( s'
f17 ou DÛ / T' t' = = 1. 54

Sous ✗ . Ho est vraie ,

) l
2 ( m 1 s
s'
-

'
To
1) si (n 1) IT, " "%
(n
/ T' t'
'
p
Y 1. s
-
. -

Toi
✗ = ou = =

%
'
To

On donne une notation à ✗ 12

qui coïncide exactement avec la lecture de table et

on l' indice avec la

probabilité lue sur la table .

D'où :
probabilité que Na soit
dépassé =
xp
1T, soit
ne
pas franchi = 1 -
✗ la
✗ = Plxifx ! on >, ×!
1- ✗ IL ✗ 12

avec ×!
( n -111T ,
et X✓
'
=
( n -111T,
ai Toi
^ -

au
Tf
✗ E- g = l' 7° ✗ fr.-9 = 19,02
1- ✗ -0,97s
.
✗ 12=0,025
 ? T}
S'
2.7g
× ^
HY =
"
=
✗ .

= 0,675
M -
1

✗ ¥2 T } '

µg =

m -
1
=
19,02
g
✗ 1 ,
s
= 4,755

Etape 4 décision
:
formulation de la
règle de

Avec n = 10

Si f 0.675 Y 4,755
'
s on

Tf1
'
Duo : (T =/

avec ✗ = 5%

Etape 5 : Calcul de l' estimateur ponctuel

s' = 9,66

Etape 6: Prise de décision

9. 66 ) 4 .
755

↳ D H 1.2

) Tf
'
T
'
7 s ,

•
Impact du nouvel écart -

type sur le test réalisé précedemment

à ~ N ( mo . Ifm )
distribution
On ne connaît pas l' écart -

type .
la n' est
pas spécifiée
T estimé par s ( 3,11 ici )

↳ on prend la valeur de l' estimateur ,

la plus proche possible de T .

Recours à variable
un
changement de

1-=
Îjm°_ ~
f- = n -
1=9

\ D'où
L' écart est
-

type n'
pas égal à 1 .
sa
forme plus
évasée .
T
)1 .

T
)
o
On lit la probabilité T soit dépassé en valeur absolue
que .

↳ on prend valeur de P et liberté et lit à l' intersection

une un
degré de on .

•
Dans le cas d' un test bilatéral :

sur la table P
on
regarde = ✗

•
Dans le cas _
d' un test unilatéral :

Sur table P 2
la on
regarde = ✗

Réecriture de x :

✗ = P ( Tf Tx )
T
avec Ta mo
-

-
=

s / Fn

✗ = 5%

5 % =
P( Tf Tx )
Tx = .
1 ,
8331
 À Ta 4Fr
= +
MO

3.11
= _
1 ,
8337 × +
7

= 5. L

Formulation de la décision
Etape 4 :
règle de

Avec n = 10

Si à f5.2
Dur ( m
{ 7)
avec ✗ = 5%

Etape 5 Calcul : de l' estimateur

ponctuel
5C = 6,1

Etape 6 : Prise de - décision

6. 1) 5.2
☐ Ho avec m = -7
a) Le seuil de
signification est lié à la décision Hp De plus
.
,
la
façon dont est
posée l'énoncé
suppose _
de réaliser un test unilatéral car il
y
a un
effet cliqué
car on parle d' amélioration

Etape 1 : Formulation du test

Ho : m : m
o
= 600
g
Hp : m
) mo

Etape 2 : Fonction discriminante et loi suivit par celle -

ci

à ~ N l m ,
Irm )
comme il s'
agit d' un
poids est
forcément distribué normalement De plus
'

Cp c .
n
) 10

Etape 3 : Formulation de l' erreur de

première espèce et
définition de l'
espace critique .

✗ =
P ( DH ,
/ Ho ) = P là ) À / m = m
o =
600g )
,

sous ✗ . Ho est vraie à ~ N l mo , Ifm )

La
modification du
régime peut aussi modifier la -
disparition .
Or ici on considère

l' écart
-

que
-

type n' a
pas changé .

changement
La distribution est Recours
spécifiée mais non tabulé à de
variable
. un

.
 à
U =
_
mo
~ N ( O I) ,

T/ Fn

Réecriture de ✗ :

✗ = P ( U ) Ux )
,

T
avec U =
-
mo
,
T/ Fn

3% =
Plus, Ux )
1- ✗ = PI U f Ux )
↳ 0,97 ¥1 89 ,

À = Un Drm + mo

= 1. 88 ✗
40¥ +
600

= 604 34 ,
g

Formulation de décision
Etape 4 : la
règle de

Avec n = 300

Si x-D 604 34g .

D Ho ( ) 600g ) m

avec ✗ = 3%

Etape 5 : Calcul de l' estimateur

ponctuel
à =
630g

Etape 6 : Prise de décision

630 ) 604 34 .

Dur m
) 600g

b.) Etape 1 :
formulation du test

Ho :p =
po = 7%

Hp :
p ( to .
 Etape 2 :
fonction discriminante et loi suivie par celle -
ci

fn estimateur sans biais ,

convergent et efficace de p

fn In B ~ ln , p)

fn X N I p , ) car n
) 30 ,
n
p) 5 ,
n
q)
5

l'espace
Etape 3 :
formulation de l' erreur de première espèce et
définition de critique
a = PI D TH I MO )

À / 7%1
=
Plfnf p po = =

À IT (
fn f avec
_
po = >
région critique
Sous ×, Ho est vraie
fn ~ N (
po .
FÉ )
distribution est
La
spécifiée mais non tabulé ,
recours à la VNCR ,

lnpjff-p~NIO.tl
U =

Réecriture de x :

"~j!
a =
P( U ( Ux ) avec l' ✗ =

0 .
05 =
PÎ y va ,
0.05 =P ( U )
,
-

Ux )
1- 0,05 =
Plus Ux ) -

0 95
. =
PLU f

=
-
1 , 645

Retour à la variable initiale :

À = Ux FÉ + to

= _
1 , 645 ✗
0.04093F 3 00
+
0 07
,

= 0 0458
,
soit 4 58%
.

Etape 4 Formulation
: de la
règle de décision
300 À partir de l' observation
modifie
Avec n = de 300 truites
ayant reçu une a-

Si tion
fn f 4 .
58% de leur
régime alimentaire .
on considèrera
que
si pas plus
D Ht l p ( po
) de 4 58% d' entre elles
.
présentent des troubles liés à l' aliment a -

avec a = 5% tion alors ce

régime permet effectivement une diminution des
risques
alimentaires d' erreur 5%
avec un
risque de .
 Étapes : Calcul de l' estimateur ponctuel
fn=Ç%= 0,05 ( = > 5%

Etapes Prise : .de décision

-

[
fn = 5% E ] 4.58% ,
+

CGDHO , pipo =
7%

e) La courbe
_
d'
efficacité trace l'évolution de la puissance du test notée
µ selon différentes valeurs
dep testées

ftp.PIDHI/HN--1-PlDH0lHM=1-Bp
Quelle que soit la valeur attribuée _
àp la distribution est spécifiée
,
mais non tabulé .
recours à la

VNCR :

U=t ~ NI 0.11

Æ
Bp -
PIV
> Upsp / avec Upp .
"~I
En

p Upp Bp ftp.1-pp
Pour p= 6.9%
6,9% 5,71% 0.0458-0,069
_
1.58 0.9429 Upp =

5. 5% _
0,7 0,7580 24.2% FÉM
4,58% 0 0,5 50% = _
1,58

4% 0.51 69.5% Bp .
-

PLUS, -1,581
PLU 1,58 )
=
,(
3% 1.6 94 ,
52% = 0,9429
 µa
100% -

80% -

"%
+

40% -

20% -
+

i i
'

s
'

u
'

s s' Ï '

s
"

:
a) Etape 1 : Formulation du test :

Ho : T =
To = 10

tt : T ( To
,

écart test
↳ petit échantillon on ne peut pas effectuer de test sur l'
type il
faut effectuer le
-

. ,

sur la variance

tl o :
T' =
100
'
H, : T ( T }

Etape 2 : Fonction discriminante et loi suivie par celle -

ci .

'
suit pas de distribution classique probabilité variable
dérivée
s ne de ,
recours à une

lnj
'
s' = ~ x car normalité de la population
r -
.
n -
z

Etape 3 Formulation l' et

: de erreur de première espèce espace critique
a = P C DHT / H O) = P ( s' { À / T' = T } = 100 )
sous x, Ho est vraie

s' =

lnjË
✗ =P
l'JII t' nË ) a =P ' ✗ I t ✗
¥!
 La valeur de ✗ n' est donnée dans l'énoncé
pose 5 %
pas on ✗ =

✗ [ =p
=
4 57 .

1- ✗ = 0,95

K-Hn-a.IT/T=4i57x10 -
2
(n 1) 1T
✗
.

= <
:
^
¥

11

=
41 ,
55

Etape 4 règle
Formulation de la
décision
: de

Avec : n = 12

Si s' f 41 55 ,

D HT T' LTJ
Avec ✗ = 5%

Etape 5 :
Calcul de l' estimateur ponctuel
n
"

se
¥ ( " i - Jc )
=
Gso
59 09
= =

-11
.

n - s

Etape 6 : Prise de décision

59 09 41 55
.
) ,

GD HO ( T' = TÔ = 100 )

échantillon pièces ( avec écarts à la

identique
b) de 100 des carrés des
avec
moyenne un une sommes

= 6501

Etape 1 :
formulation du test

H T To 10
o: = =

tl
,
:
TLTO

Etape 2 : Fonction discriminante et loi suivie par celle ci -

• s ~ N ( T ,
I )
En

car n
) 30
Etape 3 :
formulation de l' erreur de première espèce et espace critique
✗ =P ( D H O I Ht I =P ( s
{ IT IT To = =
101

Sous x , Ho est vraie s ~ N ( To .

I I
☒
La distribution est tabulé
spécifiée mais non :

U =
SI ~ N (O I) ,

To

En
a =
Pl U
f Ua ) avec Ux =

"~J
On pose ✗ = 5%
En
Un = -
1 . 645
À = U x
I + To
En

Êç
À = -
1 . 645 ✗ + 10

= 8. 84

Etape 4 :

formulation de la règle de décision

Avec : n = 100

Si s ( 8.84
D HT IT ( 101

-
avec ✗ = 5%

Etape 5 calcul l' estimateur

ponctuels
: de

FÊTÉ VÉ
=
À =

n -
1
=
-
2. 56

Etape 6 : Prise de décision

2. 56 ( 8 . 84
D HT C T ( 10 )
G

On pose d' u n test hautement

à présent ✗ = 2 % pour savoir s'il s'
agit significatif .
 Avec ✗ = 1 % .

0 01
. = PI UE Ua ) avec Ux =
TIO
TO
0.01 =P ( U ), -

Ux )
En
1- 0,01 = Pl Uf -

Ux l

0,99 i
PI UE Ua )

= -
2.33

À = -
2,33 × + 10

F00
= 8 35,

test est hautement

2 56
, < 8 35 .
DHI : le
significatif

Il
y
a deux
fabriques donc deux populations

n = 200 n =
200
à = 1 4 52 h
à = 1 4 47 h

Population 1 Population 2

la plupart du temps à test

Lorsqu'on compare deux populations on procède dans un

bilatéral .

1 Formulation du test
Etape :

H : mp me
o =

tl y :
mo E m 2

Etape 2 :
fonction discriminante et loi suivie par celle -
ci

5C , à
_
2
 x-p ~ N ( mi -

Irm .
) car normalité de la
population

à2 ~ N ( ms
tra ) car normalité de la population

ào -
àz ~ N ( mo -
m
2 .
)

Lorsqu' on
fait la différence de deux variables aléatoires normales .
la
différence est elle même
-

distribuée normalement .

Etape 3 :
formulation de l' erreur de première espèce et
espace critique
✗ =P ( D H N HO)

=P l x-p _
àz E Ho ou
DIT 2
/ma = ma
)
sous ✗ .
Ho est vraie

ào -
Jez ~ N (0 ,
)

La distribution est
à À -
O
spécifiée mais non tabulé . recours à la VNCR :

o
-

u = ~ N (O ,
1)

VEE
✗ =P ( U C - Ux , ,
ou ) + Ux n ) avec _
Ux , z TOI
= et + Une =
Â
ÆÉ÷ FÉE .

✗ = 5 %

5% =P ( UE Ux -

,,
ou > +
Ux n )
,

✗ 12 =
P ( UE -
Ux a) ,
= PLUS ,
+ Ux ,e
)
1- ✗ 12 =P ( U Et Ux , i )
O 975
, 1 ,
96

No = _ Un = - 1,96 =
-

5 11
.

Ma = + Un
ÆFË =
1.96 = 5.11

de décision
Etape 4 : Formulation de la
règle
Avec n
,
= 200 et nz = 200

Si x-p _
Iz f- 5,11 ou & + 5.11
DHT ( my ± me / ,
avec ✗ = 5% .
Pour la décision littéraire peut valeur absolue ( un écart )
règle de on raisonner en

Etape 5 : Calcul de l' estimateur ponctuel

ày _
àz = 1452 -
1447 = 5h

Etape 6: Prise de décision

545.11
= ) D H O

échantillon d' individus obèses

a) ma = > , ma =
> échantillon d' individus
fumeurs
180 160
n
y
=
nz =

fn ,
=
ff-0 = 8.9%
fnz = 14%

n' avons pas p et pz

g nous , .

Formulation test
Etape T : du

Ho :
p p =p z
D'où pa -
p re
= 0

Hp :
pp =/ pz

Etape 2 fonction discriminante et loi suivie

:
par celle
-

ci

fn fmz a -

fn B ( na po ) taux de prélèvement faible

,
~ ,

fni Tu N ( pa ,
FÉ )
fnz B ( na ~
, pa ) taux de prélèvement faible
fn ,
Tu N l pa ,
TÉ )

font fnz - ~ N l po -
p z ,
)
Etape 3 :
formulation de l' erreur de
première espèce et
régions critiques
✗ =P ( D H T / H O)

=
Plfn fn ,
_

, f17 ,
ou
&À /p , =
pr
)
s ous a .
Ho est vraie ,
fn , _
fnz ~ N l0 ,
ÆË =

Ë car
pa

qy
=p

qz
, =p

q
= =

distribution n' est pas

La
spécifiée
p est donc estimé par pi et estimé par ai
q
à =

1 6 +
22 4 ,

1 80 t 1 60

= 0 1129
,
Soit 11 29 %
,

D'oie À
À = 100 -

= 88 71 % ,

La distribution est à
présent spécifiée mais non tabulé ,
recours à la VNCR :

U fm o ln -

z -
O
N (O I )
= ~ ,

Âne
=pÎÈE
a =P ( U f- U x u ) ou
Y + Ux n
I avec _ Va ,,
=
HÉ et + Un
,
✗ = 5%

U ? 1 96
x, z .

17 = -
Van ÉÉ = 1.96
ŒËÉËÊ = - 0.067

et Ta = 0 067 .

Etape 4 :
formulation de la
règle de décision

Avec ma = 180 et ma = 160

Si
fn fnz f- 0 067
, _ , ou
Y + 0 067
.

DHT Ip , =/ pa )

Avec ✗ = 5%

Etape 5 : Calcul de l' estimateur ponctuel

fnr.fm a = -
O 051 ,
Etape G : Prise de décision

-
0 51 E J
. -
O ,
067 , + 0 067 ,
[
DHO (p , =p z
)

b) Dans l' échantillon de

fumeurs un malade ne l'est _
qu' à 40% .

Il d' un test
s'
agit sur la dispersion :

G lorsque les échantillons sont trop petits .

on
fait un test sur la variance

↳ on
procède à un test unilatéral à droite

On calcule alors les estimateurs de variance et selon le résultat on

fera un choix

d' indice le test intéressant

qui rendra

'

s' IÊ ( x i -
àl
De manière
générale ,
=

n -
1

" '

Pour les
rugbymen : si =

Ing T =

2¥ ✗ 13 = 176 .
04 ( estimateur de la variance
quand

'
on ne
peut pas faire la somme

Pour les footballers écarts )

: si
.
=

ff 9 = 85.26 des à la
moyenne

D'où Ho : Tk = TÊ ( TE TE - = 0 et =
1
TE
Hy : TÉ ) TÉ

On peut à
présent travailler sur une
fonction discriminante

Etape 2:
fonction discriminante et loi suivie par celle -

ci

F V1 = m r - 1 = 24 ( taille de l' échantillon numérateur)

normalité
des populations
V2 = m F- 1 = 19 ( taille de l' échantillon dénominateur )
 3
Etape :
formulation de l' erreur de première espèce et région critique
✗ =
P( D HT I H O)

SI ✗ À / Tk
(12f T.tl
a =
P =

Sous x , Ho est vraie ,

Î÷ ~ Fro
V2 =
= 24
1 9

a = Pl
Fy ; >, Fun
2
) H =
Fun
F v2
Y

La distribution est tatouée

On 5%
pose ✗ =

Fv y = 24 = 2 71.

V2 = 19
✗ = 5%

Etape 4 :
formulation de la
règle de

décision

Avec Mr = 25 et n
f = 20

Si SI y 2,11
,
12F

D Ht ( Tk ) TE /
Avec ✗ = 5%

Etape 5: Calcul de l'estimateur

ponctuel
¥
s ¥
=

1%9%4--2 .
06

Etape 6 Prise : de décision

2. 06 <2 .
11

DHO ( Tk = T.tl

b) Ho :
Mr = M
F

H
R =/
p : m M
F

Etape 2 :
fonction discriminante et loi suivie

à X
R -

à
R
~ N (m
r .
Tr / Fmr / et à F ~ N ( m =
, , Tp / Tmp ) on
fait l' hypothèse de normalité des
populations .

à
R -
IF ~ N ( m r - m
p , )

Etape 3 :
formulation de l' erreur de première espèce et
régions critiques
✗ =P ( D H T I H O )

✗ = P(
x-p -

x-p & Xp ou ), V2 / m r = m
p )
S ous a . Ho est vraie

à
R -

x-p ~ N ( Q
¥ËIp |
La distribution est non
spécifiée Lorsqu' . on
dispose d'un petit échantillon .
si les variances

ne sont pas considérées comme

égales à partir des estimateurs ponctuels ,
il est sans doute

préférable d' interrompre le test . Or si les

,
variances sont considérées
égales ,
on peut
construire un estimateur commun .

construit test les variances

ici .
on a
déjà un sur

à
R
-
À
f-
~ N ( O ,
FÉLI et Tk =
TE = T
'

La distribution est non

spécifiée T' estimé par s
'

s' =

nnrf.EE?:*- car deux

=

échantillon
= ns os .

àR E O
£
-

F -

~
43 X N ( 0,1 ) car v ) 30
FÉE
-

_
n
r
+ nf =

Réecriture de x :

✗ =
P (U E -
Ux n on Y+ Ux r )
avec : _
Va , ,
= NI et + Va , z =
HÉ
VEE! FÉE!
On pose a = 5%

+ Va , z = 1 96

FÉE
.

*a = -
Van ÆËp ) = -
1. 96 = -
6,86

V2 =
+ 6.86
Etape 4 :
formulation de la
règle de décision

Avec i n = 25 et n
p =
20
p

Si à
R -
JC
F E -
6,86 on Y +
6 86
.

DHT ( m
r =/
m F)
Avec a = 5 %

5 Calcul de l' estimateur ponctuel

Etape :

X-p -
5C
f-
= 120 -
108 = 12 .

G : Prise de décision
Etape
12
) 6 986
,

DHI l m ) m p
)
r

21

}
21

}
n
y =
nz =

x-p = 25.2 pâte dentifrice 1 àz = 23.4 pâte à

dentifrice 2

Tj =
5 TL =
4

Etape 1:
formulation du test

Ho :
ma =
M2

Hp : Ma =/ M
2

Etape 2 :
fonction discriminante et loi suivie

x-p à
_

( my I I
à
y
~ N ,
can normalité de la
population
rm

TÈ )
N ( Mz normalité de la population
Iz ~
,
car
x-p _
à
z
~ N ( ma -
ma
NÉÉ )

3 première espèce et
Etape : erreur de
régions critiques
x-o-x-z~NIO.VE?+El
est non
La distribution
spécifiée
On peutque
considérer les variances sont
égales .
On peut avoir recours à un

estimateur construit à partir distributions d'

des deux
échantillonnage .

à N (
x-p _
z
~
my -
M
z ,

Car T } = TE = T
'

D'où à
,
_
à
,
~ N (O ,
FÉE!
T' est inconnu
Or distribution est
spécifiée donc T' est estimé '
la
, ,
non
par s :

2
^ 1 TÎ + n 2 T'{
s =

n y + mz -
2

21 × 52 + 21 × 42
= = 2 T .
525 →
estimateur de la variance commune

2, + z, -
2

La distribution est
_
à
présent spécifiée mais non tabulé
à I O
]
o z
-
-

FÉE
✓ = ma + n
2 -
2 = 40

✓ =
40 ) 30 X N LO I ) ,

¥ Un et
"ÏÈ
a- Pluk van ou avec Un =
et + ""
+1J
- -

✗ = 5%

Une 1 ,
96

Ni = -

Van NÉÉ = -1 96 .

ÉÉ) = -
2 .
8 a

% = + Un
fËË = 1. 96
VÉEL) = 2 .
81
 Etape 4 formulation de la règle de décision :

Avec 21 et ma 21 À utilisé
ma = =
partir d' un
groupe
de 21
personnes ayant une

Si x-p indi
à
f- 2. 8T D 2. 81 certaine pâte dentifrices et un second
groupe
de 28 -

ou
_

DHT ( mal utilisé autre constate

m
,
=/ vides
ayant une pâte .
si on un écart

5% du nombre 2.81 n' ont

avec ✗ = de caries de on considérera
qu' elles
pas la même efficacité avec un
risque d' erreur de 5% .

Etape 5 : Calcul de l' estimateur ponctuel

ài - Jcz = 25 2 , _
23 4 , =
1 ,
8

Etape 6: Prise de décision

1 8 E ] 2 81 + 2 88 [ D Ho (m = m 2)
, -
. , .
y

( variabilité inévitable
"

On
référence
"

ne
possède pas la → pas de valeur précise ,
on ne

l' écart
possède pas type
-
.

L' écart -

type correspond
donc à une variabilité
faible .

Etape T :
formulation du test

Ho : m =
mo = 10mm

Hp : m =/ mo

Etape 2
fonction discriminante
: et loi suivie
à ~ N ( mo
Mrn ) .

car n = 100 .
 première espèce et
Etape 3 :
formulation de l' erreur de
régions critiques
✗ =P ( D H T I H O )

=P là f117 ou
J Tz / m =
moi 10mm
)
Sous N ( mo
x. Ho est vraie ,
à ~ .
Trn ) '

La distribution est non

spécifiée ÷
'
.
Testimé pars avec s' = T
,

"
s'
1ff
'

1¥
= × 0 .
025 comme est très proche de 1 s = T .

s tu T' = 0,025

ÎIPÊO % Tu N' Q "

-

.
n -
n = gg > 40

✗ = Pl Uf -
Ux ie ou + Van ) avec -

4, , =

ÎYpf÷ et + Van =
Mimos
Fn /

✗ = 5%

Ux , z
= 1 .
96
0 025

#
,

Xp = Ux , z + mo = 1 ,
96 ✗ + 10 = 9 9951
¥
- _
,

N'2 Ux
€ 0049
= 1 , 96 × 10 10
=
, L + mo + =
,

Etape 4 :
formulation de la
règle de décision

Avec n = 100

Si à
f9,9951 on Y 10 . 0049 mm

DHT m ± 10mm

Avec ✗ = 5%

Etape 5 : calcul de l' estimateur ponctuel

à = 10 ,
02

Etape 6: Prise de décision

10 02 ,
) 10 0049 ,

DHI l m
) 10 mm )
 Etape 1 test
b. :
formulation du
Ho : m = m
o = 10 mm

H y
:
mo Fm o -

Etape 2 :
fonction discriminante et loi suivie

à ~ N ( mo .

Fm ) car normalité de la population ( processus industriel )

3:
Etape erreur de
première espèce et
régions critiques
'

approximation par s :

'
I
22yd
"
0 025
'
s =
T = × .

n -
T

s = 0 ,
026

Î,jÊ0_ ~
Sr = n -
o = au

V2
Îfjfn°_
MO
=P ( Tf J +Tant
-

✗ - To , z ou avec -
Ton = et + Ton =

avec ✗ = 5% , + Tx , z
= 2 0 639
.

s
Xp = _
Ta 12 ✗ + M O
Fn

= _
2 ,
0639×0026-+10 = 9 9893
,

V25
À2 = + Ta 12 ✗
€ + MO

= 2 0639 ,
×
0%26-+10 = 10 0107
,

Etape 4 :
formulation de la
règle de décision
Avec n = 25

Si à
f 9 9893 .
on
Y 10 ,
0107 mm

DHT ( my ± mot
Avec ✗ = 5%

l' estimateur ponctuel

Etape 5 : calcul de

à = 10 , 02

Etape 6 Prise : de décision

10,02 > 10, 0107 D Ht ( m ) 10mm )