Академический Документы
Профессиональный Документы
Культура Документы
Tests
4.1. Contrôle de qualité
L’exemple classique suivant permet d’introduire la problématique de
tests dans le contexte de ce chapitre : une machine fabrique des pièces
dont une proportion est défectueuse. On admet que cette proportion
varie très peu pendant un intervalle de temps pas trop long et par suite,
en prélevant un échantillon de taille n de la productionles v.a. dé…nies
par : Xi = 1; si la pièce numéro i est défectueuse, Xi = 0; si celle-ci
est bonne, sont i.i.d. selon la loi B(1; ):
Beaucoup plus tard, c’est à dire, à une autre échelle de temps, la
proportion a pu devenir 0 : Si 0 est jugé trop grand, il y a lieu de faire
un réglage, car on ne veut pas que la proportion dépasse un certain
seuil, disons 0 ; …xé à l’avance. Désignons par H0 l’ensemble des
réglages acceptables : H0 = f 2 ]0; 1[ ; 0 g. Si le paramètre
appartient à : H1 = f 2 ]0; 1[ ; > 0 g ;on devra e¤ectuer un réglage.
Le problème posé est de détecter à l’aide d’un échantillon si H0 est
réalisée, ou bien H1 :
4.2. Méthodologie générale
La méthodologie décrite ci-dessous s’adapte à d’autres situations
usuelles qui seront examinées ultérieurement.
Dé…nition 4.2.?. Soit f 0 ; 1 g une partition de l’espace des
paramètres = ]0; 1[ :Un test de l’hypothèse : H0 = f 2 0 g contre
l’alternative : H1 = f 2 1 g est une règle de décision consistant à
choisir un sous-ensemble R de l’espace des observations possibles
n
= f0; 1g où l’on décidera de rejeter l’hypothèse H0 (et donc
d’accepter l’hypothèse H1 ). Un test s’identi…e donc à la v.a. :
(X1 ; :::Xn ) ! (X1 ; :::Xn ) = 1R (X1 ; :::Xn ) et R se nomme la région
critique du test.
Autrement dit, si l’on observe la réalisation (x1 ; :::xn ) de l’échantillon
(X1 ; :::Xn ) alors on décide de rejeter H0 lorsque (x1 ; :::xn ) 2 R:
La question du choix de R se pose naturellement. La suite de cette
partie est dédiée à cette question.
Observons d’abord qu’au test sont associées deux types d’erreurs :
- l’erreur de première espèce qui consiste à rejeter H0 lorsqu’elle
est vraie. Elle est quanti…ée par les probabilités :
max ( ) = sup f ( ); 2 0g
1
est la taille du test ; tandis que la fonction : ! ( )=1 ( ) pour
2 est sa fonction puissance.
Généralement, les hypothèses H0 et H1 ne jouent pas le même rôle,
comme dans l’exemple du contôle de qualité. Le statisticien considère
toujours que l’erreur de première espèce est plus grave que celle de
seconde espèce, ce qui le conduit à adopter la méthodologie suivante
pour déterminer R:Il …xe un seuil 2 ]0; 1[ ; = 0:05 ou = 0:001,
à titre d’exemple, et n’envisagera que les tests de niveau inférieur ou
égal à ;c’est à dire, véri…ant : max ( ) :Ceci fait, il tentera en même
temps de minmiser l’erreur de seconde espèce, ou ce qui revient au
même, de maximiser la fonction puissance du test : ! ( ) sous H1 :
Le minimum à demander à un test est d’être sans biais, c’est à dire,
de véri…er :
8 2 1; ( ) sup f ( ); 2 0g = max ( );
Ln ( 1 )
= exp 0; 1
(Sn )
Ln ( 0 )
avec :
0; 1
(s) = C( 0 ; 1) s + n D( 0 ; 1 );
1 1 0 1 1
C( 0 ; 1) = Log > 0; D( 0 ; 1) = Log :
0 1 1 1 0
2
inférieure :
inf f P 0 (R) + P 1 (Rc ) g
R
est atteinte par les sous- ensembles R véri…ant :fp0 < p1 g R fp0 p1 g
et uniquement par ses sous- ensembles où l’on note :
Q
k=n Pk=n Pk=n
xk n xk
pj (x1 ; :::xn ) = f ( j ; xk ) = j
k=1
(1 j) k=1
k=1
x
pour j = 0; 1 et f ( ; x) = (1 )1 x
pour 2 et x 2 f0; 1g :
Preuve. On a :
X X
P 0 (R) + P 1 (Rc ) = p0 (x1 ; :::xn ) + p1 (x1 ; :::xn )
(x1 ;:::xn )2R (x1 ;:::xn )2Rc
X
= f p0 1R (x1 ; :::xn ) + p1 1Rc (x1 ; :::xn ) g
(x1 ;:::xn )2
X
inf fp0 ; p1 g (x1 ; :::xn )
(x1 ;:::xn )2
X k=n
X
n k
H (s) = P fSn > sg = (1 )n k
, Sn = Xk :
k
k s+1 k=1
p1 p1
(x1 ; :::xn ) > exp 0; 1
(s) R (x1 ; :::xn ) exp 0; 1
(s) ;
p0 p0
3
donc en posant : = exp 0; 1
(s) , on a
n n 1 n n 1
k =n et (n k) =n
k k 1 k k
n
avec la convention = 0 pour k < 0 ou k > n; a…n d’établir que la
k
dérivée de la fonction : ! H (s) = P fSn > sg
P n k
= k s+1 (1 )n k véri…e la formule
k
dH
(s) = n [ P fSn 1 >s 1g P fSn 1 > sg] = n P fSn 1 = sg :
d
La dernière quantité est toujours positive ou nulle et elle est strictement
positive si 0 < < 1 et 0 s n 1: Il en résulte que est un test sans
biais. Le théorème est établi.
Corollaire 4.2.?.Etant donnés 0 et 1 deux points de l’espace des
paramètres ;avec 0 < 1 et 2 ]0; 1[ : Pour tester l’hypothèse
H0 : " 0 " contre l’alternative H1 : " > 0 ";le test de la forme
= 1R dont la région critique est dé…nie par :
(k=n )
X
R= xk > sn ( 0 ; )
k=1
4
niveau inférieur ou égal à .
5
statistique exhaustive Sn sous P 0 Plus précisément, on écrit que :
X n k n k
P 0
fSn > sg = 0 (1 0)
k
k s +1
X n
' exp( ) ; lorsque n 0 ' ; et sinon :
n!
k s +1
( )
Sn n 0 s n 0
P 0
fSn > sg = P 0
p >p
n 0 (1 0) n 0 (1 0)
r
n s n 0
= P 0 (Xn 0) > x ; avec x = p
0 (1 0) n 0 (1 0)
Z x 2
1 t
' 1 G(x); avec G(x) = p exp( )dt:
1 2 2