CONFORMITE D’UNE MOYENNE, D’UNE PROPORTION

Filière B.T.S.A. - Module D11 :

Option I.A.A. et Options Productions (Productions animales, Productions aquacoles,
Productions horticoles, Gestion forestière, Technologies végétales, Viticulture-Œnologie),
Options T.C. et G.P.N. (seulement conformité d’une proportion).

I. Exemple introductif :
La variabilité du processus de fabrication d’un produit donné (par exemple : fabrication de
cylindres en acier de diamètre moyen 250 mm prévus pour le montage de canalisations,
conditionnement d’un fromage en boîtes de 250 grammes, ...) est telle que, malgré les entretiens
dont les machines assurant cette fabrication font l’objet, la mesure du caractère X étudié (par
exemple : diamètre d’un cylindre en acier, masse d’une boîte de fromage, ...) ne peut être
considérée comme une constante fixée à une norme de fabrication μ0 (μ0 = 250 pour les deux
exemples évoqués).
La recherche de la maîtrise de la fabrication conduit à supposer que le caractère X est une
variable aléatoire. Une fois cette hypothèse faite, plusieurs questions se posent. Par exemple,
peut-on préciser la loi de probabilité de X ? En supposant que cette loi soit une loi normale,
l’espérance mathématique de X est-elle égale à μ0 ?
Des contrôles, effectués sur la base d’échantillons aléatoires prélevés dans la fabrication,
peuvent conduire à des résultats moyens différents de μ0. Cela peut amener le responsable de
cette fabrication à s’interroger et à formuler l’une des hypothèses suivantes :
"la moyenne de la fabrication est différente de μ0",
"la moyenne de la fabrication est inférieure à μ0",
"la moyenne de la fabrication est supérieure à μ0".
La maîtrise de la fabrication correspond à l’hypothèse, notée H0 : "la moyenne de la fabrication
est égale à μ0".
Rechercher la maîtrise de cette fabrication c’est tester la validité de cette hypothèse H0 selon
une procédure qui permet d’aboutir, en fonction d’une règle de décision, au rejet ou au non
rejet de cette hypothèse. Cette procédure s’appelle test d’hypothèse.
Cette règle de décision, établie sous l’hypothèse H0, dépend entre autres, de la distribution
d’échantillonnage associée au paramètre étudié (par exemple : la moyenne de la fabrication) et
du seuil de signification du test (ou risque de première espèce), c’est-à-dire de la probabilité de
rejeter l’hypothèse H0 alors qu’elle est vraie.

II. A travers la littérature

Voici quelques extraits d’ouvrages sur la notion de test :

• " ... Le test de conformité d’une moyenne a pour but de vérifier si la moyenne μ d’une
population est ou n’est pas égale à une valeur donnée μ0. L’hypothèse nulle est donc H0 : μ
= μ0 et on rejette évidemment cette hypothèse lorsque la moyenne observée x est trop
différente de la valeur théorique μ0 .
Le test unilatéral de l’hypothèse nulle peut être également réalisé en envisageant les seules
alternatives H1 : μ > μ0 ... " (théorie et méthodes statistiques vol.2 p.16-17 Pierre
DAGNELIE, Presses agronomiques de Gembloux).

ENFA - Bulletin du GRES n°6 – mars 1998 page 22

Contact : Conf [email protected]
• Van der WAERDEN dans son ouvrage " statistique mathématique ", Dunod, page 260,
précise : " ... Tous les tests reposent sur le fait que l’hypothèse H0 est rejetée dès que le point
d’observation appartient à un domaine critique donné appelé domaine de rejet. Ce domaine
est défini de telle sorte que lorsque l’hypothèse H0 est vraie il n’a qu’une probabilité faible
donnée à l’avance, 0,05 ou 0,01. Demandons-nous alors comment est choisi le domaine de
rejet. "

• Paul JAFFARD dans son ouvrage " initiation aux méthodes de la statistique et du calcul des
probabilités ", Masson, 2ème édition 1986, p.178, précise : " ... Définir un test c’est donc se
donner le modèle statistique et la région de rejet ...".

C’est ce point de vue qu’il est peut être commode de retenir dans les énoncés des exercices que
nous proposons à nos étudiants.

III. Mise en œuvre d’un test de conformité :

Dans la réalisation d’un test d’hypothèse, l’hypothèse que l’on teste est désignée par H0.
L’hypothèse alternative, notée H1, est l’hypothèse qui sera acceptée si la règle de décision
conduit à rejeter l’hypothèse H0. (voir pages 166-168 de l’ouvrage "Statistique, Dictionnaire
encyclopédique" de Yadolah Dogde, Dunod, 1993).
La démarche à suivre pour mettre en œuvre un test d’hypothèse, à partir d’un échantillon
aléatoire simple, comprend généralement les étapes suivantes :

ENFA - Bulletin du GRES n°6 – mars 1998 page 23

Contact : Conf [email protected]
Fiche méthodologique :

1) Lire attentivement l’énoncé du problème posé et y repérer des éléments relatifs à

l’identification du caractère étudié sur la population considérée, à la distribution de
probabilité associée à ce caractère, au(x) paramètre(s) de l’échantillon aléatoire simple
prélevé dans la population, à la formulation des hypothèses, au seuil de signification du
test à mettre en œuvre
2) Formuler les hypothèses du test (l’hypothèse H1, déduite de l’énoncé, et l’hypothèse H0)
3) Préciser la nature du test (d’après la formulation de l’hypothèse H1)
4) Préciser la variable aléatoire d’échantillonnage
5) Préciser, sous l’hypothèse H0, la loi de probabilité de cette variable aléatoire
d’échantillonnage ou d’une variable aléatoire associée
6) Construire un schéma de décision, avec mise en évidence du seuil de signification du test,
de la région de rejet et de la région de non rejet de l’hypothèse H0
7) Calculer la valeur critique (test unilatéral) ou les valeurs critiques (test bilatéral)
8) Énoncer la règle de décision (déterminer la région de rejet de H0)
9) Énoncer la décision en langage courant, en reprenant les termes de l’énoncé.

IV. Conformité d’une moyenne :

Tout énoncé d’exercice portant sur la mise en œuvre d’un test statistique ne doit pas soulever la
moindre ambiguïté au sujet de la nature du test. Aussi, l’énoncé doit contenir une indication qui
permet d’en déduire que le test est unilatéral ou bilatéral.

Exercice 1 :
On extrait d’une population, dont le caractère masse est distribué selon le modèle normal, un
échantillon aléatoire simple de 7 éléments. La moyenne de cet échantillon est 257,9. L’écart-
type de la population est supposé connu et égal à 14.
Est-il possible, au seuil de 5%, de conclure que la moyenne de la population est supérieure
à 250 ?

ENFA - Bulletin du GRES n°6 – mars 1998 page 24

Contact : Conf [email protected]
Proposition de corrigé :
Notons X le caractère masse d’un élément de la population et μ l’espérance mathématique de X
(on dit que μ est la moyenne de la population).
μ est une valeur certaine mais inconnue. Afin de répondre à la question posée dans l’énoncé ci-
dessus, mettons en œuvre un test relativement à cette moyenne μ.
• Formulation des hypothèses du test : H1 : μ > 250 ; H0 : μ = 250.
• Il résulte de la formulation de H1 que le test est unilatéral.
• Le test porte sur la moyenne μ de la population, donc la variable aléatoire d’échantillonnage
est X , moyenne des échantillons de taille 7.
• La loi de probabilité de X est la loi normale de moyenne μ et d’écart-type 14.
Sous l’hypothèse H0, la loi de probabilité de X est la loi normale de moyenne 250 et
14
d’écart-type .
7
• Représentation graphique du seuil de signification du test, calcul de la valeur critique et mise
en évidence de la région de rejet de H0 :

La seule loi normale tabulée est la loi normale centrée réduite. C’est pour cela que l’on
introduit la variable aléatoire normale centrée réduite U pour calculer la valeur critique.
Le tableur Microsoft Excel permet de calculer cette valeur pour toute loi normale.

* Première démarche : usage du tableur Excel 5

Seuil de signification : 0,05

Variable aléatoire X
Moyenne 250
Ecart-type 5,29150262
Prob( X < xc ) 0,95 Test unilatéral

Valeur critique x c 258,7 à 10−1 près

Formule : LOI.NORMALE.INVERSE(L(-2)C;L(-4)C;L(-3)C)

Seuil de signification : α = 0,05 0,075

D’après ce qui précède :
Prob( X ≥ x c ) = 0,05 pour
α
x c = 258,7 à 10−1 près.

La valeur critique est donc 250 258,7 X

258,7 à 10−1 près. ⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯+⎯⎯⎯
non rejet de H0 rejet de H0

ENFA - Bulletin du GRES n°6 – mars 1998 page 25

Contact : Conf [email protected]
 On peut alors définir la règle de décision ci-dessous.

* Deuxième démarche : usage de la table de la fonction de répartition de loi normale centrée

réduite
X − 250
On considère la variable aléatoire normale centrée réduite U définie par U = .
14
7
Seuil de signification : α = 0,05 0,4
Le test étant unilatéral, on a :
Prob(U ≥ u) = 0,05 pour α
u = + 1,64 à 10−2 près.
14
X = 250 + U d’où la valeur
7
14 0 1,64 U
critique 250 + 1,64 ×
7 ⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯+⎯⎯→
soit 258,7 à 10−1 près 258,7 X
⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯+⎯⎯⎯
non rejet de H0 rejet de H0

• Règle de décision :
[
La région de rejet de l’hypothèse H0 au seuil de 5% est 258,7 ; + ∞ . [
• Décision :
La moyenne 257,9 de l’échantillon extrait n’appartient pas à la région de rejet.
Au seuil de 5%, au vu de l’échantillon de 7 éléments, on ne rejette pas l’hypothèse H0.
Au vu de l’échantillon de 7 éléments, 257,9 n’est pas significativement supérieur à 250.

Au seuil de 5%, au vu de l’échantillon de 7 éléments, on ne peut pas conclure que la

moyenne de la population est supérieure à 250.

ENFA - Bulletin du GRES n°6 – mars 1998 page 26

Contact : Conf [email protected]
 Exercice 2 :

On extrait d’une population, dont le caractère masse est distribué selon le modèle normal, un
échantillon aléatoire simple de 7 éléments. La moyenne de cet échantillon est 257,9. L’écart-
type de la population est supposé connu et égal à 14.
Est il possible, au seuil de 5%, de conclure que la moyenne de la population est différente
de 250 ?

Proposition de corrigé :

Notons X le caractère masse d’un élément de la population et μ l’espérance mathématique de X

(on dit que μ est la moyenne de la population).
μ est une valeur certaine mais inconnue. Afin de répondre à la question posée dans l’énoncé ci-
dessus, mettons en œuvre un test relativement à cette moyenne μ.

• Formulation des hypothèses du test : H1 : μ ≠ 250 ; H0 : μ = 250.

• D’après la formulation de H1 le test est bilatéral.
• Le test porte sur la moyenne μ de la population, donc la variable aléatoire d’échantillonnage
est X , moyenne des échantillons de taille 7.
• La loi de probabilité de X est la loi normale de moyenne μ et d’écart-type 14.
Sous l’hypothèse H0, la loi de probabilité de X est la loi normale de moyenne 250 et d’écart-
14
type .
7
• Représentation graphique du seuil de signification du test, calcul des valeurs critiques et
mise en évidence de la région de rejet de H0 :
•
• Première démarche : usage du tableur Excel 5

Seuil de signification : 0,05

Variable aléatoire X
Moyenne 250
Ecart-type 5,29150262
Prob( X < xc ) 0,025 0,975 Test bilatéral

Valeurs critiques x c 239,6 260,4 à 10−1 près

Seuil de signification : α = 0,05 0,075
Le test étant bilatéral, on a :
Prob( X ≤ x c1 ) = 0,025 pour α/2 α/2
−1
x c1 = 239,6 à 10 près.
Prob( X ≥ x c2 ) = 0,025 pour
x c2 = 260,4 à 10−1 près.
239,6 250 260,4 X
⎯⎯⎯+⎯⎯⎯⎯⎯⎯⎯+⎯⎯⎯
rejet de H0 non rejet de H0 rejet de H0

On peut alors définir la règle de décision ci-dessous.

ENFA - Bulletin du GRES n°6 – mars 1998 page 27

Contact : Conf [email protected]
 * Deuxième démarche : usage de la table de la fonction de répartition de la loi normale
centrée réduite
X − 250
On considère la variable aléatoire normale centrée réduite U définie par U = .
14
7
Seuil de signification : α = 0,05 0,4
Le test étant bilatéral, on a :
Prob(U ≤ u) = 0,025
pour u = − 1,96 à 10−2 près α/2 α/2
Prob(U ≥ u) = 0,025
pour u = + 1,96 à 10−2 près.
14
X = 250 + U
7 - 1,96 0 1,96 U
d’où les valeurs critiques : ⎯⎯⎯+⎯⎯⎯⎯⎯⎯⎯+⎯⎯→
14
250 − 1,96 × et 239,6 260,4 X
7 ⎯⎯⎯+⎯⎯⎯⎯⎯⎯⎯+⎯⎯⎯
14 rejet de H0 non rejet de H0 rejet de H0
250 + 1,96 × ,
7
soit respectivement
239,6 et 260,4 à 10−1 près.

• Règle de décision :
La région de rejet de H0 au seuil de 5% est ]−∞ ; 239,6] ∪ [260,4 ; +∞ [.
• Décision :
La moyenne 257,9 de l’échantillon extrait n’appartient pas à la région de rejet.
Au seuil de 5%, au vu de l’échantillon de 7 éléments, on ne rejette pas l’hypothèse H0.
Au vu de l’échantillon de 7 éléments, 257,9 n’est pas significativement différent de 250.

Au seuil de 5%, au vu de l’échantillon de 7 éléments, on ne peut pas conclure que la

moyenne de la population est différente de 250.

Exercice 3 :
Si l’écart-type du caractère X étudié dans la population n’est pas connu on doit indiquer dans
l’énoncé celui de l’échantillon (de taille n) considéré. Il en résulte que l’écart-type de la
variable aléatoire d’échantillonnage X n’est pas connu, on utilise alors la variable aléatoire T
X−μ
de Student à (n-1) degrés de liberté (ddl) définie par T = où S2 est la variable
S
n −1
aléatoire d’échantillonnage, variance des échantillons de taille n.

On extrait d’une population, dont le caractère masse est distribué selon le modèle normal, un
échantillon aléatoire simple de 7 éléments. La moyenne et l’écart-type de cet échantillon
sont respectivement 257,9 et 16.

ENFA - Bulletin du GRES n°6 – mars 1998 page 28

Contact : Conf [email protected]
Est il possible, au seuil de 5%, de conclure que la moyenne de la population est différente
de 250 ?

Proposition de corrigé :
Notons X le caractère masse d’un élément de la population et μ l’espérance mathématique de X
(on dit que μ est la moyenne de la population).
μ est une valeur certaine mais inconnue. Afin de répondre à la question posée dans l’énoncé ci-
dessus, mettons en œuvre un test relativement à cette moyenne μ.
• Formulation des hypothèses du test : H1 : μ ≠ 250 ; H0 : μ = 250.
• D’après la formulation de H1 le test est bilatéral.
• Le test porte sur la moyenne μ de la population, donc la variable aléatoire d’échantillonnage
est X , moyenne des échantillons de taille 7. L’écart-type de X est inconnu. On considère
X−μ
donc la variable aléatoire T de Student à 6 degrés de liberté (7-1) définie par T =
S
6
où S2 est la variable aléatoire d’échantillonnage, variance des échantillons de taille 7.

ENFA - Bulletin du GRES n°6 – mars 1998 page 29

Contact : Conf [email protected]
 X − 250
• Sous l’hypothèse H0, la variable aléatoire T est définie par T = , sa loi de
S
6
probabilité est la loi de Student à 6 degrés de liberté.
• Représentation graphique du seuil de signification du test, calcul des valeurs critiques et
mise en évidence de la région de rejet de H0 :
•
* Usage du tableur Excel 5 : (ABS désigne la fonction "valeur absolue")

Seuil de signification : 0,05

Prob (ABS(T) < t c ) 0,05 Test bilatéral
ddl 6

tc 2,45 à 10−2 près

Formule : LOI.STUDENT.INVERSE(L(-2)C;L(-1)C)

* Usage de la table de la fonction de répartition d’une variable de Student à 6 degrés de

liberté :
Seuil de signification : α = 0,05
Le test étant bilatéral, on a, d’après la table :
Prob(T < t c2 ) = 0,975 pour t c2 = + 2,45 à 10−2 près.

* Il en résulte :
Prob(T ≥ t c2 ) = 0,025
pour t c2 = + 2,45 à 10−2 près.
Prob(T ≤ t c1 ) = 0,025 α/2 α/2
pour t c1 = − 2,45 à 10−2 près.
S
X = 250 + T
6
d’où les valeurs critiques : - 2,45 0 2,45 T
16
250 − 2,45 × et ⎯⎯⎯+⎯⎯⎯⎯⎯⎯⎯+⎯⎯→
6
234,0 266,0 X
16 ⎯⎯⎯+⎯⎯⎯⎯⎯⎯⎯+⎯⎯⎯
250 + 2,45 ×
6 rejet de H0 non rejet de H0 rejet de H0
soit respectivement
234,0 et 266,0 à 10−1 près.

ENFA - Bulletin du GRES n°6 – mars 1998 page 30

Contact : Conf [email protected]
• Règle de décision :
La région de rejet de H0 au seuil de 5% est ]−∞ ; 234,0] ∪ [266,0 ; +∞ [.
• Décision :
La moyenne 257,9 de l’échantillon extrait n’appartient pas à la région de rejet.
Au seuil de 5%, au vu de l’échantillon de 7 éléments, on ne rejette pas l’hypothèse H0.
Au vu de l’échantillon de 7 éléments, 257,9 n’est pas significativement différent de 250.

Au seuil de 5%, au vu de l’échantillon de 7 éléments, on ne peut pas conclure que la

moyenne de la population est différente de 250.

V. En pratique
Quand on part d’une situation concrète, ce n’est pas toujours évident de formaliser l’hypothèse
H1. Le langage utilisé manque parfois de précision :

Application au contrôle des préemballages :

Il s’agit d’un contrôle destructif sur des préemballages.
Définitions :
Préemballage : élément conditionné hors de la vue de l’acheteur (exemple : brique de lait
ou de jus de fruit) et portant une indication constante de poids ou
volume appelée Quantité Nominale.
Contrôle destructif : contrôle pour lequel on doit ouvrir les emballages, le poids de
l’emballage vide n’étant pas suffisamment régulier.
Des agents du service de la répression des fraudes et du contrôle de la qualité effectuent dans
un magasin un contrôle destructif, sur un produit donné, pour une quantité nominale de
1000 ml.
Ce contrôle débouche-t-il sur la mise en place d’un test unilatéral ou d’un test
bilatéral pour conclure à la conformité ou à la non conformité du lot dont est extrait
l’échantillon contrôlé ?
Dans l’arrêté du 20 octobre 1978 (complété par l’arrêté du 25 février 1980), relatif au
contrôle métrologique de certains préemballages, il est précisé que, pour un contrôle
destructif, la taille de l’échantillon et le seuil de signification sont respectivement égaux à 20
et 5‰.

Nota : Un lot de préemballages peut comprendre jusqu'à 10000 éléments. Ces éléments vont
être considérés, dans le cadre d’un contrôle destructif, comme conformes ou non
conformes à partir de l’observation de seulement 20 éléments prélevés au hasard.

ENFA - Bulletin du GRES n°6 – mars 1998 page 31

Contact : Conf [email protected]
A. Légalement
La loi doit protéger le consommateur, c’est-à-dire, permettre d’assurer, qu’en moyenne, les
1000 ml lui soient garantis pour tout achat d’un préemballage.
A l’évidence, le client ne sera pas enclin à se plaindre si le préemballage contient plus de 1000
ml.
Donc, du point de vue des agents du service de la répression des fraudes et du contrôle de la
qualité, le test est unilatéral.
Par exemple,
On considère un lot de préemballages de quantité nominale 1000 ml. Le caractère volume de
ces préemballages est distribué selon le modèle normal.
On extrait de ce lot un échantillon aléatoire simple de 20 préemballages. Ces préemballages
sont ensuite contrôlés. La moyenne et l’écart-type de l’échantillon sont respectivement 999,2
ml et 1,7 ml.
Au seuil de 5‰, est-il possible de conclure que la moyenne du lot est inférieure à 1000 ml ?

Proposition de corrigé :
Notons X le volume d’un préemballage de ce lot et μ l’espérance mathématique de X (on dit
que μ est la moyenne du lot de préemballages).
μ est une valeur certaine mais inconnue. Afin de répondre à la question posée dans l’énoncé ci-
dessus, mettons en œuvre un test relativement à cette moyenne μ.
• Formulation des hypothèses du test : H1 : μ < 1000 ; H0 : μ = 1000.
• Il résulte de la formulation de H1 que le test est unilatéral.
• Le test porte sur la moyenne μ du lot de préemballages, donc la variable aléatoire
d’échantillonnage est X , moyenne des échantillons de taille 20. Son écart-type est inconnu.
On considère donc la variable aléatoire T de Student à 19 degrés de liberté (20-1) définie par
X−μ
T= où S2 est la variable aléatoire d’échantillonnage, variance des échantillons de
S
19
taille 20.
X − 1000
• Sous l’hypothèse H0, la variable aléatoire T est définie par T = , sa loi de
S
19
probabilité est la loi de Student à 19 degrés de liberté.
• Représentation graphique du seuil de signification du test, calcul de la valeur critique et mise
en évidence de la région de rejet de H0 :

ENFA - Bulletin du GRES n°6 – mars 1998 page 32

Contact : Conf [email protected]
 * Usage du tableur Excel 5 :

Seuil de signification : α = 0,005

Prob (ABS(T) < t c ) 0,01 ← 2 × 0,005
ddl 19

tc 2,86 à 10−2 près

* Usage de la table de la fonction de répartition d’une variable de Student à 19 degrés de

liberté :
Seuil de signification : α = 0,005
Le test étant unilatéral, on a :
Prob(T ≤ t c1 ) = 0,995 pour t c1 = + 2,86 à 10−2 près

* Il en résulte :
Prob(T ≤ t c2 ) = 0,005 pour
t c2 = − 2,86 à 10−2 près.
S α
X = 1000 + T
19
d’où la valeur critique :
1,7
1000 − 2,86 × - 2,86 0 T
19
soit 998,9 à 10−1 près. ⎯⎯⎯+⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯→
998,9 X
⎯⎯⎯+⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯
rejet de H0 non rejet de H0

• Règle de décision : La région de rejet de H0 au seuil de 5‰ est ]−∞ ; 998,9].

• Décision :
La moyenne 999,2, de l’échantillon contrôlé, n’appartient pas à la région de rejet.

Au seuil de 5‰, au vu de l’échantillon contrôlé, on ne peut pas conclure que la moyenne du

lot de préemballages est inférieure à 1000 ml.

B. Dans la pratique
• L’industriel qui veut avoir la maîtrise de son outil de conditionnement de préemballages,
afin d’être en conformité avec la loi, va travailler en bilatéral :
* en valeurs inférieures pour ne pas enfreindre la loi,
* mais aussi en valeurs supérieures car il va se fixer une région de rejet pour ne pas
surdoser inutilement ses préemballages en utilisant trop de matière première.
Il va donc procéder à un Test de conformité en bilatéral.
• Dans le cas d’une hypothèse sur le nombre de préemballages sous-dosés, on décidera le rejet
de l’hypothèse s’il y a trop de sous-dosés dans l’échantillon prélevé. Le Test sera donc
unilatéral.
• Dans le cas d’un rendement, c’est seulement si celui-ci est trop faible que l’on rejettera
l’hypothèse de conformité. La région de rejet correspondra à un Test unilatéral.

ENFA - Bulletin du GRES n°6 – mars 1998 page 33

Contact : Conf [email protected]
Le programme de B.T.S.A. fait référence à un Echantillonnage Aléatoire Simple Indépendant
(E.A.S.I.) mais, dans la pratique, on utilise aussi l’échantillonnage multiple, échantillonnage
double dans le cas de préemballages sous-dosés (arrêté du 20 octobre 1978).

VI. Conformité d’une proportion :

Exercice :

Une machine est considérée opérationnelle si au plus 6% des pièces qu’elle fabrique sont
défectueuses.
On extrait de la fabrication de cette machine un échantillon aléatoire simple de 200 pièces. Il
contient 8% de pièces défectueuses.
Est-il possible, au seuil de 5%, de conclure que la machine n’est pas opérationnelle ?

Proposition de corrigé :
Notons π la proportion de pièces défectueuses de la fabrication. Ce nombre π est une valeur
certaine mais inconnue. Afin de répondre à la question posée dans l’énoncé ci-dessus, mettons
en œuvre un test relativement à cette proportion π.
Soit n = 200.
• Formulation des hypothèses du test : H1 : π > 0,06 ; H0 : π = 0,06.
• Il résulte de la formulation de H1 que le test est unilatéral.
• Le test porte sur la proportion π de pièces défectueuses de la fabrication. La variable
aléatoire d’échantillonnage est donc la variable aléatoire P qui, pour chaque échantillon de
taille 200, extrait de la fabrication, prend pour valeur la proportion de pièces de l’échantillon
qui sont défectueuses.
P −π
• n est assez grand pour admettre que la variable aléatoire est
π (1 − π)
n
approximativement distribuée selon la loi normale centrée réduite N(0 ; 1).
P −π P − 0,06
Sous l’hypothèse H0, la variable aléatoire s’écrit .
π (1 − π) 0,06 × 0,94
n 200
0,06 × 0,94 P − 0,06
On a = 0,0168 à 10−4 près. Notons U la variable .
200 0,0168
• Représentation graphique du seuil de signification du test, calcul de la valeur critique et mise
en évidence de la région de rejet de H0 :

Seuil de signification : α = 0,05

Le test étant unilatéral, on a :
Prob(U ≥ u) = 0,05
pour u = 1,64 à 10−2 près. α
P = 0,06 + U × 0,0168
d’où la valeur critique :
0,06 + 1,64×0,0168
soit 0,09 à 10−2 près. 0 1,64 U
⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯+⎯⎯→
0,09 P
ENFA - Bulletin du GRES n°6 – mars 1998 page 34
Contact : Conf [email protected]
 ⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯+⎯⎯⎯
non rejet de H0 rejet de H0

• Règle décision :
La région de rejet de H0 au seuil de 5% est [0,09 ; +∞[.
• Décision :
La proportion 8% correspondant à l’échantillon prélevé n’appartient pas à la région de rejet.
Au seuil de 5%, au vu des 200 observations, on ne rejette pas l’hypothèse H0.
Au vu des 200 observations, 8% n’est pas significativement supérieur à 6 %.

Au seuil de 5%, au vu des 200 observations, on ne peut pas conclure que la machine n’est
pas opérationnelle.

Remarque :
Etant donné que la population peut être scindée en deux classes : les pièces défectueuses,
d’une part, et les pièces conformes, d’autre part, on peut mettre en œuvre un test binomial
pour résoudre l’exercice (ce test ne figure pas au programme du module D11 de la filière
B.T.S.A.).

Notons p la probabilité qu’une pièce prélevée au hasard soit défectueuse. Soit X la variable
aléatoire prenant pour valeur le nombre de pièces défectueuses dans un échantillon aléatoire
simple de 200 pièces extrait de la fabrication.
La loi de probabilité de la variable aléatoire X est la loi binomiale B(200 ; p).
• Les hypothèses du test sont : H1 : p > 0,06 ; H0 : p = 0,06.
• Sous l’hypothèse H0, la loi de probabilité de X est la loi binomiale
B(200 ; 0,06).
• La valeur critique kc est le plus petit entier naturel k tel que :
Prob(X ≥ k) ≤ 0,05.
kc est donc le plus petit entier naturel k tel que Prob(X < k) ≥ 0,95
c’est-à-dire tel que Prob(X ≤ k−1) ≥ 0,95.
Usage du tableur Excel 5 pour déterminer kc :

n 200 ← L2C2
p 0,06 ← L3C2

k−1 Prob(X ≤ k−1)

17 0,9429
18 0,9672

Formule : LOI.BINOMIALE(LC(-1);L2C2;L3C2;1)
On obtient donc kc = 19
• Règle décision :
La région de rejet de H0 au seuil de 5% correspond à au moins 19 pièces défectueuses
dans l’échantillon extrait de la fabrication, soit une proportion supérieure ou égale à
9,5%.

ENFA - Bulletin du GRES n°6 – mars 1998 page 35

Contact : Conf [email protected]
VII. Conclusion

L’intervalle ou les intervalles composant la région de rejet de l’hypothèse H0 sont déterminés à

partir de la valeur de conformité : moyenne (μ0) ou proportion (π0).
Quant au test de conformité d’une variance, il n’est pas au programme du module D11, mais il
est abordé dans les options Production et IAA du BTSA dans le cadre d’un module D4* du
domaine professionnel.

Bibliographie :
Outre les ouvrages cités en début d’article, un petit ouvrage édité par l’A.F.N.O.R. "Statistique
et qualité étude de cas" de Pierre SOUVAY traite quelques exemples intéressants (ISBN 2-12-
475017-8). Un ouvrage plus ancien : "Probabilités, statistiques et biologie" j. l. chassé , a.
pavé, publié par CEDIC, traite de nombreux exemples (ISBN - 2-7124-0123-9).

≈≈≈≈≈≈≈≈≈≈

ENFA - Bulletin du GRES n°6 – mars 1998 page 36

Contact : Conf [email protected]