Upload
others
View
1
Download
0
Embed Size (px)
Citation preview
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Tests de normalité d’une populationTests de Henry et Lilliefors
A. Claeys
GEA - IUT A - Lille 1
Janvier 2012
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Plan
1 L’enjeu.
2 Fonction de répartition.Définition (rappel de S2).Cas d’une loi normale.Cas d’un échantillon.Comparaison des fonctions de répartition.
3 Test de Henry.Le papier gausso-arithmétique.Exemple 1.Exemple 2.
4 Test de Lilliefors (Kolmogorov-Smirnov).Le papier de Lilliefors.Exemple 1.Exemple 2.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Présentation du problème.
Comment décider qu’une population est normale ?
population
échantillon
taille = nx1, x2 · · · xn
La distribution empirique de la population est-ellecompatible avec la loi normale ?
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Présentation du problème.
Comment décider qu’une population est normale ?
population
échantillon
taille = nx1, x2 · · · xn
La distribution empirique de la population est-ellecompatible avec la loi normale ?
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Présentation du problème.
Comment décider qu’une population est normale ?
population
•1 individu
échantillon
taille = nx1, x2 · · · xn
La distribution empirique de la population est-ellecompatible avec la loi normale ?
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Présentation du problème.
Comment décider qu’une population est normale ?
population
•1 individu
X = valeur du caractère
échantillon
taille = nx1, x2 · · · xn
La distribution empirique de la population est-ellecompatible avec la loi normale ?
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Présentation du problème.
Comment décider qu’une population est normale ?
population
•1 individu
X = valeur du caractère
m
échantillon
taille = nx1, x2 · · · xn
La distribution empirique de la population est-ellecompatible avec la loi normale ?
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Présentation du problème.
Comment décider qu’une population est normale ?
population
•1 individu
X = valeur du caractère
mσ
échantillon
taille = nx1, x2 · · · xn
La distribution empirique de la population est-ellecompatible avec la loi normale ?
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Présentation du problème.
Comment décider qu’une population est normale ?
population
•1 individu
X = valeur du caractère
mσ
échantillon
taille = nx1, x2 · · · xn
A tester :X ∼N or(m;σ) contre X �N or(m;σ) .
La distribution empirique de la population est-ellecompatible avec la loi normale ?
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Présentation du problème.
Comment décider qu’une population est normale ?
population
•1 individu
X = valeur du caractère
mσ
échantillon
taille = nx1, x2 · · · xn
A tester :X ∼N or(m;σ) contre X �N or(m;σ) .
La distribution empirique de la population est-ellecompatible avec la loi normale ?
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Présentation du problème.
Comment décider qu’une population est normale ?
population
•1 individu
X = valeur du caractère
mσ
échantillon
taille = nx1, x2 · · · xn
A tester :X ∼N or(m;σ) contre X �N or(m;σ) .
La distribution empirique de la population est-ellecompatible avec la loi normale ?
Utilisation d’un échantillon.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Présentation du problème.
Comment décider qu’une population est normale ?
population
•1 individu
X = valeur du caractère
mσ
échantillon
taille = nx1, x2 · · · xn
A tester :X ∼N or(m;σ) contre X �N or(m;σ) .
La distribution empirique de la population est-ellecompatible avec la loi normale ?
Utilisation d’un échantillon.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Présentation du problème.
Comment décider qu’une population est normale ?
population
•1 individu
X = valeur du caractère
mσ
échantillon
taille = nx1, x2 · · · xn
A tester :X ∼N or(m;σ) contre X �N or(m;σ) .
La distribution empirique de la population est-ellecompatible avec la loi normale ?
Utilisation d’un échantillon.
Prise de décision à partir de la fonction de répartition de l’échantillon.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Exemple 1.
ExempleDans un magasin de loisirs, on a étudié le nombre de livres vendus par heured’ouverture. On a obtenu les 15 mesures suivantes (en nombre d’objets) :
6−7−9−11−13−8−9−4−12−10−16−8−14−12−10.
Toutes les heuresd’ouverture
échantillon
taille = 15x1 = 6, x2 = 7 · · · xn = 10
A tester :X ∼N or(m;σ) contre X �N or(m;σ) .
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Exemple 1.
ExempleDans un magasin de loisirs, on a étudié le nombre de livres vendus par heured’ouverture. On a obtenu les 15 mesures suivantes (en nombre d’objets) :
6−7−9−11−13−8−9−4−12−10−16−8−14−12−10.
Toutes les heuresd’ouverture
échantillon
taille = 15x1 = 6, x2 = 7 · · · xn = 10
A tester :X ∼N or(m;σ) contre X �N or(m;σ) .
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Exemple 1.
ExempleDans un magasin de loisirs, on a étudié le nombre de livres vendus par heured’ouverture. On a obtenu les 15 mesures suivantes (en nombre d’objets) :
6−7−9−11−13−8−9−4−12−10−16−8−14−12−10.
Toutes les heuresd’ouverture
•1 heure
échantillon
taille = 15x1 = 6, x2 = 7 · · · xn = 10
A tester :X ∼N or(m;σ) contre X �N or(m;σ) .
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Exemple 1.
ExempleDans un magasin de loisirs, on a étudié le nombre de livres vendus par heured’ouverture. On a obtenu les 15 mesures suivantes (en nombre d’objets) :
6−7−9−11−13−8−9−4−12−10−16−8−14−12−10.
Toutes les heuresd’ouverture
•1 heure
X = nombre de livres vendus
échantillon
taille = 15x1 = 6, x2 = 7 · · · xn = 10
A tester :X ∼N or(m;σ) contre X �N or(m;σ) .
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Exemple 1.
ExempleDans un magasin de loisirs, on a étudié le nombre de livres vendus par heured’ouverture. On a obtenu les 15 mesures suivantes (en nombre d’objets) :
6−7−9−11−13−8−9−4−12−10−16−8−14−12−10.
Toutes les heuresd’ouverture
•1 heure
X = nombre de livres vendus
m
échantillon
taille = 15x1 = 6, x2 = 7 · · · xn = 10
A tester :X ∼N or(m;σ) contre X �N or(m;σ) .
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Exemple 1.
ExempleDans un magasin de loisirs, on a étudié le nombre de livres vendus par heured’ouverture. On a obtenu les 15 mesures suivantes (en nombre d’objets) :
6−7−9−11−13−8−9−4−12−10−16−8−14−12−10.
Toutes les heuresd’ouverture
•1 heure
X = nombre de livres vendus
mσ
échantillon
taille = 15x1 = 6, x2 = 7 · · · xn = 10
A tester :X ∼N or(m;σ) contre X �N or(m;σ) .
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Exemple 1.
ExempleDans un magasin de loisirs, on a étudié le nombre de livres vendus par heured’ouverture. On a obtenu les 15 mesures suivantes (en nombre d’objets) :
6−7−9−11−13−8−9−4−12−10−16−8−14−12−10.
Toutes les heuresd’ouverture
•1 heure
X = nombre de livres vendus
mσ
échantillon
taille = 15x1 = 6, x2 = 7 · · · xn = 10
A tester :X ∼N or(m;σ) contre X �N or(m;σ) .
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Exemple 1.
ExempleDans un magasin de loisirs, on a étudié le nombre de livres vendus par heured’ouverture. On a obtenu les 15 mesures suivantes (en nombre d’objets) :
6−7−9−11−13−8−9−4−12−10−16−8−14−12−10.
Toutes les heuresd’ouverture
•1 heure
X = nombre de livres vendus
mσ
échantillon
taille = 15x1 = 6, x2 = 7 · · · xn = 10
A tester :X ∼N or(m;σ) contre X �N or(m;σ) .
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Exemple 1.
ExempleDans un magasin de loisirs, on a étudié le nombre de livres vendus par heured’ouverture. On a obtenu les 15 mesures suivantes (en nombre d’objets) :
6−7−9−11−13−8−9−4−12−10−16−8−14−12−10.
Diagramme à bâtons de l’échantillon.Echantillon de 15 ventes horaires des livres dans le magasin.
Le diagramme à bâtons suggère la forme de la densité d’une loi normale.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Exemple 1.
ExempleDans un magasin de loisirs, on a étudié le nombre de livres vendus par heured’ouverture. On a obtenu les 15 mesures suivantes (en nombre d’objets) :
6−7−9−11−13−8−9−4−12−10−16−8−14−12−10.
Diagramme à bâtons de l’échantillon.Echantillon de 15 ventes horaires des livres dans le magasin.
4 5 6 7 8 9 10 11 12 13 14 15 16 170livres vendus par heure
0
1
2
3
0
heures
Le diagramme à bâtons suggère la forme de la densité d’une loi normale.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Exemple 1.
ExempleDans un magasin de loisirs, on a étudié le nombre de livres vendus par heured’ouverture. On a obtenu les 15 mesures suivantes (en nombre d’objets) :
6−7−9−11−13−8−9−4−12−10−16−8−14−12−10.
Diagramme à bâtons de l’échantillon.Echantillon de 15 ventes horaires des livres dans le magasin.
4 5 6 7 8 9 10 11 12 13 14 15 16 170livres vendus par heure
0
1
2
3
0
heures
Le diagramme à bâtons suggère la forme de la densité d’une loi normale.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Exemple 1.
ExempleDans un magasin de loisirs, on a étudié le nombre de livres vendus par heured’ouverture. On a obtenu les 15 mesures suivantes (en nombre d’objets) :
6−7−9−11−13−8−9−4−12−10−16−8−14−12−10.
Diagramme à bâtons de l’échantillon.Echantillon de 15 ventes horaires des livres dans le magasin.
4 5 6 7 8 9 10 11 12 13 14 15 16 170livres vendus par heure
0
1
2
3
0
heures
Le diagramme à bâtons suggère la forme de la densité d’une loi normale.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Exemple 1.
ExempleDans un magasin de loisirs, on a étudié le nombre de livres vendus par heured’ouverture. On a obtenu les 15 mesures suivantes (en nombre d’objets) :
6−7−9−11−13−8−9−4−12−10−16−8−14−12−10.
Diagramme à bâtons de l’échantillon.Echantillon de 15 ventes horaires des livres dans le magasin.
4 5 6 7 8 9 10 11 12 13 14 15 16 170livres vendus par heure
0
1
2
3
0
heures
Le diagramme à bâtons suggère la forme de la densité d’une loi normale.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Exemple 1.
ExempleDans un magasin de loisirs, on a étudié le nombre de livres vendus par heured’ouverture. On a obtenu les 15 mesures suivantes (en nombre d’objets) :
6−7−9−11−13−8−9−4−12−10−16−8−14−12−10.
Diagramme à bâtons de l’échantillon.Echantillon de 15 ventes horaires des livres dans le magasin.
4 5 6 7 8 9 10 11 12 13 14 15 16 170livres vendus par heure
0
1
2
3
0
heures
Le diagramme à bâtons suggère la forme de la densité d’une loi normale.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Exemple 1.
ExempleDans un magasin de loisirs, on a étudié le nombre de livres vendus par heured’ouverture. On a obtenu les 15 mesures suivantes (en nombre d’objets) :
6−7−9−11−13−8−9−4−12−10−16−8−14−12−10.
Diagramme à bâtons de l’échantillon.Echantillon de 15 ventes horaires des livres dans le magasin.
4 5 6 7 8 9 10 11 12 13 14 15 16 170livres vendus par heure
0
1
2
3
0
heures
Le diagramme à bâtons suggère la forme de la densité d’une loi normale.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Exemple 1.
ExempleDans un magasin de loisirs, on a étudié le nombre de livres vendus par heured’ouverture. On a obtenu les 15 mesures suivantes (en nombre d’objets) :
6−7−9−11−13−8−9−4−12−10−16−8−14−12−10.
Diagramme à bâtons de l’échantillon.Echantillon de 15 ventes horaires des livres dans le magasin.
4 5 6 7 8 9 10 11 12 13 14 15 16 170livres vendus par heure
0
1
2
3
0
heures
Le diagramme à bâtons suggère la forme de la densité d’une loi normale.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Exemple 1.
ExempleDans un magasin de loisirs, on a étudié le nombre de livres vendus par heured’ouverture. On a obtenu les 15 mesures suivantes (en nombre d’objets) :
6−7−9−11−13−8−9−4−12−10−16−8−14−12−10.
Diagramme à bâtons de l’échantillon.Echantillon de 15 ventes horaires des livres dans le magasin.
4 5 6 7 8 9 10 11 12 13 14 15 16 170livres vendus par heure
0
1
2
3
0
heures
Le diagramme à bâtons suggère la forme de la densité d’une loi normale.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Exemple 1.
ExempleDans un magasin de loisirs, on a étudié le nombre de livres vendus par heured’ouverture. On a obtenu les 15 mesures suivantes (en nombre d’objets) :
6−7−9−11−13−8−9−4−12−10−16−8−14−12−10.
Diagramme à bâtons de l’échantillon.Echantillon de 15 ventes horaires des livres dans le magasin.
4 5 6 7 8 9 10 11 12 13 14 15 16 170livres vendus par heure
0
1
2
3
0
heures
Le diagramme à bâtons suggère la forme de la densité d’une loi normale.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Exemple 1.
ExempleDans un magasin de loisirs, on a étudié le nombre de livres vendus par heured’ouverture. On a obtenu les 15 mesures suivantes (en nombre d’objets) :
6−7−9−11−13−8−9−4−12−10−16−8−14−12−10.
Diagramme à bâtons de l’échantillon.Echantillon de 15 ventes horaires des livres dans le magasin.
4 5 6 7 8 9 10 11 12 13 14 15 16 170livres vendus par heure
0
1
2
3
0
heures
Le diagramme à bâtons suggère la forme de la densité d’une loi normale.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Exemple 1.
ExempleDans un magasin de loisirs, on a étudié le nombre de livres vendus par heured’ouverture. On a obtenu les 15 mesures suivantes (en nombre d’objets) :
6−7−9−11−13−8−9−4−12−10−16−8−14−12−10.
Diagramme à bâtons de l’échantillon.Echantillon de 15 ventes horaires des livres dans le magasin.
4 5 6 7 8 9 10 11 12 13 14 15 16 170livres vendus par heure
0
1
2
3
0
heures
Le diagramme à bâtons suggère la forme de la densité d’une loi normale.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Exemple 1.
ExempleDans un magasin de loisirs, on a étudié le nombre de livres vendus par heured’ouverture. On a obtenu les 15 mesures suivantes (en nombre d’objets) :
6−7−9−11−13−8−9−4−12−10−16−8−14−12−10.
Diagramme à bâtons de l’échantillon.Echantillon de 15 ventes horaires des livres dans le magasin.
4 5 6 7 8 9 10 11 12 13 14 15 16 170livres vendus par heure
0
1
2
3
0
heures
Le diagramme à bâtons suggère la forme de la densité d’une loi normale.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Exemple 1.
ExempleDans un magasin de loisirs, on a étudié le nombre de livres vendus par heured’ouverture. On a obtenu les 15 mesures suivantes (en nombre d’objets) :
6−7−9−11−13−8−9−4−12−10−16−8−14−12−10.
Diagramme à bâtons de l’échantillon.Echantillon de 15 ventes horaires des livres dans le magasin.
4 5 6 7 8 9 10 11 12 13 14 15 16 170livres vendus par heure
0
1
2
3
0
heures
Le diagramme à bâtons suggère la forme de la densité d’une loi normale.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Exemple 1.
ExempleDans un magasin de loisirs, on a étudié le nombre de livres vendus par heured’ouverture. On a obtenu les 15 mesures suivantes (en nombre d’objets) :
6−7−9−11−13−8−9−4−12−10−16−8−14−12−10.
Diagramme à bâtons de l’échantillon.Echantillon de 15 ventes horaires des livres dans le magasin.
4 5 6 7 8 9 10 11 12 13 14 15 16 170livres vendus par heure
0
1
2
3
0
heures
Le diagramme à bâtons suggère la forme de la densité d’une loi normale.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Exemple 1.
ExempleDans un magasin de loisirs, on a étudié le nombre de livres vendus par heured’ouverture. On a obtenu les 15 mesures suivantes (en nombre d’objets) :
6−7−9−11−13−8−9−4−12−10−16−8−14−12−10.
Diagramme à bâtons de l’échantillon.Echantillon de 15 ventes horaires des livres dans le magasin.
4 5 6 7 8 9 10 11 12 13 14 15 16 170livres vendus par heure
0
1
2
3
0
heures
Le diagramme à bâtons suggère la forme de la densité d’une loi normale.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Exemple 1.
ExempleDans un magasin de loisirs, on a étudié le nombre de livres vendus par heured’ouverture. On a obtenu les 15 mesures suivantes (en nombre d’objets) :
6−7−9−11−13−8−9−4−12−10−16−8−14−12−10.
Diagramme à bâtons de l’échantillon.Echantillon de 15 ventes horaires des livres dans le magasin.
4 5 6 7 8 9 10 11 12 13 14 15 16 170livres vendus par heure
0
1
2
3
0
heures
Le diagramme à bâtons suggère la forme de la densité d’une loi normale.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Exemple 1.
ExempleDans un magasin de loisirs, on a étudié le nombre de livres vendus par heured’ouverture. On a obtenu les 15 mesures suivantes (en nombre d’objets) :
6−7−9−11−13−8−9−4−12−10−16−8−14−12−10.
Diagramme à bâtons de l’échantillon.Echantillon de 15 ventes horaires des livres dans le magasin.
4 5 6 7 8 9 10 11 12 13 14 15 16 170livres vendus par heure
0
1
2
3
0
heures
Le diagramme à bâtons suggère la forme de la densité d’une loi normale.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Exemple 1.
ExempleDans un magasin de loisirs, on a étudié le nombre de livres vendus par heured’ouverture. On a obtenu les 15 mesures suivantes (en nombre d’objets) :
6−7−9−11−13−8−9−4−12−10−16−8−14−12−10.
Diagramme à bâtons de l’échantillon.Echantillon de 15 ventes horaires des livres dans le magasin.
4 5 6 7 8 9 10 11 12 13 14 15 16 170livres vendus par heure
0
1
2
3
0
heures
Le diagramme à bâtons suggère la forme de la densité d’une loi normale.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Plan
1 L’enjeu.
2 Fonction de répartition.Définition (rappel de S2).Cas d’une loi normale.Cas d’un échantillon.Comparaison des fonctions de répartition.
3 Test de Henry.Le papier gausso-arithmétique.Exemple 1.Exemple 2.
4 Test de Lilliefors (Kolmogorov-Smirnov).Le papier de Lilliefors.Exemple 1.Exemple 2.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Définition et exemple sur une v.a. discrète (rappel de S2).
DéfinitionSoit X une v.a. La fonction de répartition de X est définie sur R par
F (t) = P (X ≤ t) .
Si X est discrète alors la représentation graphique de F est en escalier.
ExempleDéterminer la fonction de répartition de X dont on donne la loi.
xi −3 0 3 6P (X = xi ) 1/8 3/8 3/8 1/8
-3 -2 -1 0 1 2 3 4 5 6
1
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Définition et exemple sur une v.a. discrète (rappel de S2).
DéfinitionSoit X une v.a. La fonction de répartition de X est définie sur R par
F (t) = P (X ≤ t) .
Si X est discrète alors la représentation graphique de F est en escalier.
ExempleDéterminer la fonction de répartition de X dont on donne la loi.
xi −3 0 3 6P (X = xi ) 1/8 3/8 3/8 1/8
-3 -2 -1 0 1 2 3 4 5 6
1
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Définition et exemple sur une v.a. discrète (rappel de S2).
DéfinitionSoit X une v.a. La fonction de répartition de X est définie sur R par
F (t) = P (X ≤ t) .
Si X est discrète alors la représentation graphique de F est en escalier.
ExempleDéterminer la fonction de répartition de X dont on donne la loi.
xi −3 0 3 6P (X = xi ) 1/8 3/8 3/8 1/8
-3 -2 -1 0 1 2 3 4 5 6
1
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Définition et exemple sur une v.a. discrète (rappel de S2).
DéfinitionSoit X une v.a. La fonction de répartition de X est définie sur R par
F (t) = P (X ≤ t) .
Si X est discrète alors la représentation graphique de F est en escalier.
ExempleDéterminer la fonction de répartition de X dont on donne la loi.
xi −3 0 3 6P (X = xi ) 1/8 3/8 3/8 1/8
-3 -2 -1 0 1 2 3 4 5 6
1
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Plan
1 L’enjeu.
2 Fonction de répartition.Définition (rappel de S2).Cas d’une loi normale.Cas d’un échantillon.Comparaison des fonctions de répartition.
3 Test de Henry.Le papier gausso-arithmétique.Exemple 1.Exemple 2.
4 Test de Lilliefors (Kolmogorov-Smirnov).Le papier de Lilliefors.Exemple 1.Exemple 2.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Fonction de répartition de la loi N or(0;1).
DéfinitionDensité f et fonction de répartition Π de X ∼N or(0;1) sont définies sur R par
f (t) = 1√2πe−
t22 et Π(t) = P (X ≤ t) =
∫ t−∞
f (x) ·dx .
Densité de la loi normale N or(0;1) :
y = f (t)
0,4
0 1 2 3−1−2−3
Fonction de répartition de la loi normale N or(0;1) :1
0 1 2 3−1−2−3
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Fonction de répartition de la loi N or(0;1).
DéfinitionDensité f et fonction de répartition Π de X ∼N or(0;1) sont définies sur R par
f (t) = 1√2πe−
t22 et Π(t) = P (X ≤ t) =
∫ t−∞
f (x) ·dx .
Densité de la loi normale N or(0;1) :
y = f (t)
0,4
0 1 2 3−1−2−3
Fonction de répartition de la loi normale N or(0;1) :1
0 1 2 3−1−2−3
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Fonction de répartition de la loi N or(0;1).
DéfinitionDensité f et fonction de répartition Π de X ∼N or(0;1) sont définies sur R par
f (t) = 1√2πe−
t22 et Π(t) = P (X ≤ t) =
∫ t−∞
f (x) ·dx .
Densité de la loi normale N or(0;1) :
y = f (t)
0,4
0 1 2 3−1−2−3
Fonction de répartition de la loi normale N or(0;1) :
Π(−2.5)' 0,006
•
1
0 1 2 3−1−2−3
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Fonction de répartition de la loi N or(0;1).
DéfinitionDensité f et fonction de répartition Π de X ∼N or(0;1) sont définies sur R par
f (t) = 1√2πe−
t22 et Π(t) = P (X ≤ t) =
∫ t−∞
f (x) ·dx .
Densité de la loi normale N or(0;1) :
y = f (t)
0,4
0 1 2 3−1−2−3
Fonction de répartition de la loi normale N or(0;1) :
Π(−2)' 0,023
• •
1
0 1 2 3−1−2−3
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Fonction de répartition de la loi N or(0;1).
DéfinitionDensité f et fonction de répartition Π de X ∼N or(0;1) sont définies sur R par
f (t) = 1√2πe−
t22 et Π(t) = P (X ≤ t) =
∫ t−∞
f (x) ·dx .
Densité de la loi normale N or(0;1) :
y = f (t)
0,4
0 1 2 3−1−2−3
Fonction de répartition de la loi normale N or(0;1) :
Π(−1.5)' 0,067
• • •
1
0 1 2 3−1−2−3
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Fonction de répartition de la loi N or(0;1).
DéfinitionDensité f et fonction de répartition Π de X ∼N or(0;1) sont définies sur R par
f (t) = 1√2πe−
t22 et Π(t) = P (X ≤ t) =
∫ t−∞
f (x) ·dx .
Densité de la loi normale N or(0;1) :
y = f (t)
0,4
0 1 2 3−1−2−3
Fonction de répartition de la loi normale N or(0;1) :
Π(−1)' 0,159
• • ••
1
0 1 2 3−1−2−3
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Fonction de répartition de la loi N or(0;1).
DéfinitionDensité f et fonction de répartition Π de X ∼N or(0;1) sont définies sur R par
f (t) = 1√2πe−
t22 et Π(t) = P (X ≤ t) =
∫ t−∞
f (x) ·dx .
Densité de la loi normale N or(0;1) :
y = f (t)
0,4
0 1 2 3−1−2−3
Fonction de répartition de la loi normale N or(0;1) :
Π(−0,5)' 0,309
• • •••
1
0 1 2 3−1−2−3
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Fonction de répartition de la loi N or(0;1).
DéfinitionDensité f et fonction de répartition Π de X ∼N or(0;1) sont définies sur R par
f (t) = 1√2πe−
t22 et Π(t) = P (X ≤ t) =
∫ t−∞
f (x) ·dx .
Densité de la loi normale N or(0;1) :
y = f (t)
0,4
0 1 2 3−1−2−3
Fonction de répartition de la loi normale N or(0;1) :
Π(0) = 0,5
• • ••••
1
0 1 2 3−1−2−3
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Fonction de répartition de la loi N or(0;1).
DéfinitionDensité f et fonction de répartition Π de X ∼N or(0;1) sont définies sur R par
f (t) = 1√2πe−
t22 et Π(t) = P (X ≤ t) =
∫ t−∞
f (x) ·dx .
Densité de la loi normale N or(0;1) :
y = f (t)
0,4
0 1 2 3−1−2−3
Fonction de répartition de la loi normale N or(0;1) :
Π(0,5)' 0,691
• • •••••
1
0 1 2 3−1−2−3
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Fonction de répartition de la loi N or(0;1).
DéfinitionDensité f et fonction de répartition Π de X ∼N or(0;1) sont définies sur R par
f (t) = 1√2πe−
t22 et Π(t) = P (X ≤ t) =
∫ t−∞
f (x) ·dx .
Densité de la loi normale N or(0;1) :
y = f (t)
0,4
0 1 2 3−1−2−3
Fonction de répartition de la loi normale N or(0;1) :
Π(1)' 0,841
• • ••••••
1
0 1 2 3−1−2−3
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Fonction de répartition de la loi N or(0;1).
DéfinitionDensité f et fonction de répartition Π de X ∼N or(0;1) sont définies sur R par
f (t) = 1√2πe−
t22 et Π(t) = P (X ≤ t) =
∫ t−∞
f (x) ·dx .
Densité de la loi normale N or(0;1) :
y = f (t)
0,4
0 1 2 3−1−2−3
Fonction de répartition de la loi normale N or(0;1) :
Π(1,5)' 0,933
• • •••••• •
1
0 1 2 3−1−2−3
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Fonction de répartition de la loi N or(0;1).
DéfinitionDensité f et fonction de répartition Π de X ∼N or(0;1) sont définies sur R par
f (t) = 1√2πe−
t22 et Π(t) = P (X ≤ t) =
∫ t−∞
f (x) ·dx .
Densité de la loi normale N or(0;1) :
y = f (t)
0,4
0 1 2 3−1−2−3
Fonction de répartition de la loi normale N or(0;1) :
Π(2)' 0,977
• • •••••• •
•1
0 1 2 3−1−2−3
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Fonction de répartition de la loi N or(0;1).
DéfinitionDensité f et fonction de répartition Π de X ∼N or(0;1) sont définies sur R par
f (t) = 1√2πe−
t22 et Π(t) = P (X ≤ t) =
∫ t−∞
f (x) ·dx .
Densité de la loi normale N or(0;1) :
y = f (t)
0,4
0 1 2 3−1−2−3
Fonction de répartition de la loi normale N or(0;1) :
Π(2,5)' 0,994
• • •••••• •
• •1
0 1 2 3−1−2−3
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Fonction de répartition de la loi N or(0;1).
DéfinitionDensité f et fonction de répartition Π de X ∼N or(0;1) sont définies sur R par
f (t) = 1√2πe−
t22 et Π(t) = P (X ≤ t) =
∫ t−∞
f (x) ·dx .
Densité de la loi normale N or(0;1) :
y = f (t)
0,4
0 1 2 3−1−2−3
Fonction de répartition de la loi normale N or(0;1) :
Π(3)' 0,999
• • •••••• •
• • •1
0 1 2 3−1−2−3
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Fonction de répartition de la loi N or(0;1).
DéfinitionDensité f et fonction de répartition Π de X ∼N or(0;1) sont définies sur R par
f (t) = 1√2πe−
t22 et Π(t) = P (X ≤ t) =
∫ t−∞
f (x) ·dx .
Densité de la loi normale N or(0;1) :
y = f (t)
0,4
0 1 2 3−1−2−3
Fonction de répartition de la loi normale N or(0;1) :
y = Π(t)
1
0 1 2 3−1−2−3
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Fonction de répartition de la loi N or(0;1).
DéfinitionDensité f et fonction de répartition Π de X ∼N or(0;1) sont définies sur R par
f (t) = 1√2πe−
t22 et Π(t) = P (X ≤ t) =
∫ t−∞
f (x) ·dx .
Densité de la loi normale N or(0;1) :
y = f (t)
0,4
0 1 2 3−1−2−3 t
Fonction de répartition de la loi normale N or(0;1) :
y = Π(t)
1
0 1 2 3−1−2−3
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Fonction de répartition de la loi N or(0;1).
DéfinitionDensité f et fonction de répartition Π de X ∼N or(0;1) sont définies sur R par
f (t) = 1√2πe−
t22 et Π(t) = P (X ≤ t) =
∫ t−∞
f (x) ·dx .
Densité de la loi normale N or(0;1) :
Π(t) = P (X ≤ t)
y = f (t)
0,4
0 1 2 3−1−2−3 t
Fonction de répartition de la loi normale N or(0;1) :
y = Π(t)
1
0 1 2 3−1−2−3
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Fonction de répartition de la loi N or(0;1).
DéfinitionDensité f et fonction de répartition Π de X ∼N or(0;1) sont définies sur R par
f (t) = 1√2πe−
t22 et Π(t) = P (X ≤ t) =
∫ t−∞
f (x) ·dx .
Densité de la loi normale N or(0;1) :
Π(t) = P (X ≤ t)
y = f (t)
0,4
0 1 2 3−1−2−3 t
Fonction de répartition de la loi normale N or(0;1) :
Π(t) =∫ t−∞
f (x) ·dx
y = Π(t)
1
0 1 2 3−1−2−3 t
Π(t)
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Fonction de répartition de la loi N or(m;σ).
Densité de la loi normale N or(m;σ) :
y = f (t)
m
Fonction de répartition de la loi normale N or(m;σ) :
y = F (t)
1
m
σ petit : faible dispersion (cloche "pointue").
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Fonction de répartition de la loi N or(m;σ).
Densité de la loi normale N or(m;σ) :
y = f (t)
m
Fonction de répartition de la loi normale N or(m;σ) :
y = F (t)
1
m
La forme des courbes évolue lorsque σ augmente.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Fonction de répartition de la loi N or(m;σ).
Densité de la loi normale N or(m;σ) :
y = f (t)
m
Fonction de répartition de la loi normale N or(m;σ) :
y = F (t)
1
m
La forme des courbes évolue lorsque σ augmente.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Fonction de répartition de la loi N or(m;σ).
Densité de la loi normale N or(m;σ) :
y = f (t)
m
Fonction de répartition de la loi normale N or(m;σ) :
y = F (t)
1
m
La forme des courbes évolue lorsque σ augmente.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Fonction de répartition de la loi N or(m;σ).
Densité de la loi normale N or(m;σ) :
y = f (t)
m
Fonction de répartition de la loi normale N or(m;σ) :
y = F (t)
1
m
La forme des courbes évolue lorsque σ augmente.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Fonction de répartition de la loi N or(m;σ).
Densité de la loi normale N or(m;σ) :
y = f (t)
m
Fonction de répartition de la loi normale N or(m;σ) :
y = F (t)
1
m
La forme des courbes évolue lorsque σ augmente.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Fonction de répartition de la loi N or(m;σ).
Densité de la loi normale N or(m;σ) :
y = f (t)
m
Fonction de répartition de la loi normale N or(m;σ) :
y = F (t)
1
m
La forme des courbes évolue lorsque σ augmente.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Fonction de répartition de la loi N or(m;σ).
Densité de la loi normale N or(m;σ) :
y = f (t)
m
Fonction de répartition de la loi normale N or(m;σ) :
y = F (t)
1
m
La forme des courbes évolue lorsque σ augmente.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Fonction de répartition de la loi N or(m;σ).
Densité de la loi normale N or(m;σ) :
y = f (t)
m
Fonction de répartition de la loi normale N or(m;σ) :
y = F (t)
1
m
La forme des courbes évolue lorsque σ augmente.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Fonction de répartition de la loi N or(m;σ).
Densité de la loi normale N or(m;σ) :
y = f (t)
m
Fonction de répartition de la loi normale N or(m;σ) :
y = F (t)
1
m
La forme des courbes évolue lorsque σ augmente.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Fonction de répartition de la loi N or(m;σ).
Densité de la loi normale N or(m;σ) :
y = f (t)
m
Fonction de répartition de la loi normale N or(m;σ) :
y = F (t)
1
m
σ grand : forte dispersion (cloche "applatie").
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Plan
1 L’enjeu.
2 Fonction de répartition.Définition (rappel de S2).Cas d’une loi normale.Cas d’un échantillon.Comparaison des fonctions de répartition.
3 Test de Henry.Le papier gausso-arithmétique.Exemple 1.Exemple 2.
4 Test de Lilliefors (Kolmogorov-Smirnov).Le papier de Lilliefors.Exemple 1.Exemple 2.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Fonction de répartition d’un échantillon (1/2).
ExempleDans un magasin de loisirs, on a étudié le nombre de livres vendus par heured’ouverture. On a obtenu les 15 mesures suivantes (en nombre d’objets) :
6−7−9−11−13−8−9−4−12−10−16−8−14−12−10.
Tableau d’effectifsxi 4 6 7 8 9 10 11 12 13 14 16ni 1 1 1 2 2 2 1 2 1 1 1fi 1/15 1/15 1/15 2/15 2/15 2/15 1/15 2/15 1/15 1/15 1/15
On range les valeurs par ordre croissant, on calcule les effectifs, puis les fréquences.
Fréquences cumulées croissantesxi 4 6 7 8 9 10 11 12 13 14 16Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
' 6,7% des individus prennent une valeur inférieure ou égale à 4.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Fonction de répartition d’un échantillon (1/2).
ExempleDans un magasin de loisirs, on a étudié le nombre de livres vendus par heured’ouverture. On a obtenu les 15 mesures suivantes (en nombre d’objets) :
6−7−9−11−13−8−9−4−12−10−16−8−14−12−10.
Tableau d’effectifsxi 4 6 7 8 9 10 11 12 13 14 16ni 1 1 1 2 2 2 1 2 1 1 1fi 1/15 1/15 1/15 2/15 2/15 2/15 1/15 2/15 1/15 1/15 1/15
On range les valeurs par ordre croissant, on calcule les effectifs, puis les fréquences.
Fréquences cumulées croissantesxi 4 6 7 8 9 10 11 12 13 14 16Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
' 6,7% des individus prennent une valeur inférieure ou égale à 4.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Fonction de répartition d’un échantillon (1/2).
ExempleDans un magasin de loisirs, on a étudié le nombre de livres vendus par heured’ouverture. On a obtenu les 15 mesures suivantes (en nombre d’objets) :
6−7−9−11−13−8−9−4−12−10−16−8−14−12−10.
Tableau d’effectifsxi 4 6 7 8 9 10 11 12 13 14 16ni 1 1 1 2 2 2 1 2 1 1 1fi 1/15 1/15 1/15 2/15 2/15 2/15 1/15 2/15 1/15 1/15 1/15
On range les valeurs par ordre croissant, on calcule les effectifs, puis les fréquences.
Fréquences cumulées croissantesxi 4 6 7 8 9 10 11 12 13 14 16Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
' 6,7% des individus prennent une valeur inférieure ou égale à 4.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Fonction de répartition d’un échantillon (1/2).
ExempleDans un magasin de loisirs, on a étudié le nombre de livres vendus par heured’ouverture. On a obtenu les 15 mesures suivantes (en nombre d’objets) :
6−7−9−11−13−8−9−4−12−10−16−8−14−12−10.
Tableau d’effectifsxi 4 6 7 8 9 10 11 12 13 14 16ni 1 1 1 2 2 2 1 2 1 1 1fi 1/15 1/15 1/15 2/15 2/15 2/15 1/15 2/15 1/15 1/15 1/15
On range les valeurs par ordre croissant, on calcule les effectifs, puis les fréquences.
Fréquences cumulées croissantesxi 4 6 7 8 9 10 11 12 13 14 16Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
' 6,7% des individus prennent une valeur inférieure ou égale à 4.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Fonction de répartition d’un échantillon (1/2).
ExempleDans un magasin de loisirs, on a étudié le nombre de livres vendus par heured’ouverture. On a obtenu les 15 mesures suivantes (en nombre d’objets) :
6−7−9−11−13−8−9−4−12−10−16−8−14−12−10.
Tableau d’effectifsxi 4 6 7 8 9 10 11 12 13 14 16ni 1 1 1 2 2 2 1 2 1 1 1fi 1/15 1/15 1/15 2/15 2/15 2/15 1/15 2/15 1/15 1/15 1/15
On range les valeurs par ordre croissant, on calcule les effectifs, puis les fréquences.
Fréquences cumulées croissantesxi 4 6 7 8 9 10 11 12 13 14 16Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
' 6,7% des individus prennent une valeur inférieure ou égale à 4.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Fonction de répartition d’un échantillon (1/2).
ExempleDans un magasin de loisirs, on a étudié le nombre de livres vendus par heured’ouverture. On a obtenu les 15 mesures suivantes (en nombre d’objets) :
6−7−9−11−13−8−9−4−12−10−16−8−14−12−10.
Tableau d’effectifsxi 4 6 7 8 9 10 11 12 13 14 16ni 1 1 1 2 2 2 1 2 1 1 1fi 1/15 1/15 1/15 2/15 2/15 2/15 1/15 2/15 1/15 1/15 1/15
On range les valeurs par ordre croissant, on calcule les effectifs, puis les fréquences.
Fréquences cumulées croissantesxi 4 6 7 8 9 10 11 12 13 14 16Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
' 6,7% des individus prennent une valeur inférieure ou égale à 4.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Fonction de répartition d’un échantillon (1/2).
ExempleDans un magasin de loisirs, on a étudié le nombre de livres vendus par heured’ouverture. On a obtenu les 15 mesures suivantes (en nombre d’objets) :
6−7−9−11−13−8−9−4−12−10−16−8−14−12−10.
Tableau d’effectifsxi 4 6 7 8 9 10 11 12 13 14 16ni 1 1 1 2 2 2 1 2 1 1 1fi 1/15 1/15 1/15 2/15 2/15 2/15 1/15 2/15 1/15 1/15 1/15
On range les valeurs par ordre croissant, on calcule les effectifs, puis les fréquences.
Fréquences cumulées croissantesxi 4 6 7 8 9 10 11 12 13 14 16Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
' 6,7% des individus prennent une valeur inférieure ou égale à 4.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Fonction de répartition d’un échantillon (1/2).
ExempleDans un magasin de loisirs, on a étudié le nombre de livres vendus par heured’ouverture. On a obtenu les 15 mesures suivantes (en nombre d’objets) :
6−7−9−11−13−8−9−4−12−10−16−8−14−12−10.
Tableau d’effectifsxi 4 6 7 8 9 10 11 12 13 14 16ni 1 1 1 2 2 2 1 2 1 1 1fi 1/15 1/15 1/15 2/15 2/15 2/15 1/15 2/15 1/15 1/15 1/15
On range les valeurs par ordre croissant, on calcule les effectifs, puis les fréquences.
Fréquences cumulées croissantesxi 4 6 7 8 9 10 11 12 13 14 16Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
' 6,7% des individus prennent une valeur inférieure ou égale à 4.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Fonction de répartition d’un échantillon (1/2).
ExempleDans un magasin de loisirs, on a étudié le nombre de livres vendus par heured’ouverture. On a obtenu les 15 mesures suivantes (en nombre d’objets) :
6−7−9−11−13−8−9−4−12−10−16−8−14−12−10.
Tableau d’effectifsxi 4 6 7 8 9 10 11 12 13 14 16ni 1 1 1 2 2 2 1 2 1 1 1fi 1/15 1/15 1/15 2/15 2/15 2/15 1/15 2/15 1/15 1/15 1/15
On range les valeurs par ordre croissant, on calcule les effectifs, puis les fréquences.
Fréquences cumulées croissantesxi 4 6 7 8 9 10 11 12 13 14 16Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
' 6,7% des individus prennent une valeur inférieure ou égale à 4.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Fonction de répartition d’un échantillon (1/2).
ExempleDans un magasin de loisirs, on a étudié le nombre de livres vendus par heured’ouverture. On a obtenu les 15 mesures suivantes (en nombre d’objets) :
6−7−9−11−13−8−9−4−12−10−16−8−14−12−10.
Tableau d’effectifsxi 4 6 7 8 9 10 11 12 13 14 16ni 1 1 1 2 2 2 1 2 1 1 1fi 1/15 1/15 1/15 2/15 2/15 2/15 1/15 2/15 1/15 1/15 1/15
On range les valeurs par ordre croissant, on calcule les effectifs, puis les fréquences.
Fréquences cumulées croissantesxi 4 6 7 8 9 10 11 12 13 14 16Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
' 6,7% des individus prennent une valeur inférieure ou égale à 4.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Fonction de répartition d’un échantillon (1/2).
ExempleDans un magasin de loisirs, on a étudié le nombre de livres vendus par heured’ouverture. On a obtenu les 15 mesures suivantes (en nombre d’objets) :
6−7−9−11−13−8−9−4−12−10−16−8−14−12−10.
Tableau d’effectifsxi 4 6 7 8 9 10 11 12 13 14 16ni 1 1 1 2 2 2 1 2 1 1 1fi 1/15 1/15 1/15 2/15 2/15 2/15 1/15 2/15 1/15 1/15 1/15
On range les valeurs par ordre croissant, on calcule les effectifs, puis les fréquences.
Fréquences cumulées croissantesxi 4 6 7 8 9 10 11 12 13 14 16Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
' 6,7% des individus prennent une valeur inférieure ou égale à 4.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Fonction de répartition d’un échantillon (1/2).
ExempleDans un magasin de loisirs, on a étudié le nombre de livres vendus par heured’ouverture. On a obtenu les 15 mesures suivantes (en nombre d’objets) :
6−7−9−11−13−8−9−4−12−10−16−8−14−12−10.
Tableau d’effectifsxi 4 6 7 8 9 10 11 12 13 14 16ni 1 1 1 2 2 2 1 2 1 1 1fi 1/15 1/15 1/15 2/15 2/15 2/15 1/15 2/15 1/15 1/15 1/15
On range les valeurs par ordre croissant, on calcule les effectifs, puis les fréquences.
Fréquences cumulées croissantesxi 4 6 7 8 9 10 11 12 13 14 16Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
' 6,7% des individus prennent une valeur inférieure ou égale à 4.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Fonction de répartition d’un échantillon (1/2).
ExempleDans un magasin de loisirs, on a étudié le nombre de livres vendus par heured’ouverture. On a obtenu les 15 mesures suivantes (en nombre d’objets) :
6−7−9−11−13−8−9−4−12−10−16−8−14−12−10.
Tableau d’effectifsxi 4 6 7 8 9 10 11 12 13 14 16ni 1 1 1 2 2 2 1 2 1 1 1fi 1/15 1/15 1/15 2/15 2/15 2/15 1/15 2/15 1/15 1/15 1/15
On range les valeurs par ordre croissant, on calcule les effectifs, puis les fréquences.
Fréquences cumulées croissantesxi 4 6 7 8 9 10 11 12 13 14 16Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
' 6,7% des individus prennent une valeur inférieure ou égale à 4.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Fonction de répartition d’un échantillon (1/2).
ExempleDans un magasin de loisirs, on a étudié le nombre de livres vendus par heured’ouverture. On a obtenu les 15 mesures suivantes (en nombre d’objets) :
6−7−9−11−13−8−9−4−12−10−16−8−14−12−10.
Tableau d’effectifsxi 4 6 7 8 9 10 11 12 13 14 16ni 1 1 1 2 2 2 1 2 1 1 1fi 1/15 1/15 1/15 2/15 2/15 2/15 1/15 2/15 1/15 1/15 1/15
On range les valeurs par ordre croissant, on calcule les effectifs, puis les fréquences.
Fréquences cumulées croissantesxi 4 6 7 8 9 10 11 12 13 14 16Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
' 6,7% des individus prennent une valeur inférieure ou égale à 4.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Fonction de répartition d’un échantillon (1/2).
ExempleDans un magasin de loisirs, on a étudié le nombre de livres vendus par heured’ouverture. On a obtenu les 15 mesures suivantes (en nombre d’objets) :
6−7−9−11−13−8−9−4−12−10−16−8−14−12−10.
Tableau d’effectifsxi 4 6 7 8 9 10 11 12 13 14 16ni 1 1 1 2 2 2 1 2 1 1 1fi 1/15 1/15 1/15 2/15 2/15 2/15 1/15 2/15 1/15 1/15 1/15
On range les valeurs par ordre croissant, on calcule les effectifs, puis les fréquences.
Fréquences cumulées croissantesxi 4 6 7 8 9 10 11 12 13 14 16Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
' 6,7% des individus prennent une valeur inférieure ou égale à 4.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Fonction de répartition d’un échantillon (1/2).
ExempleDans un magasin de loisirs, on a étudié le nombre de livres vendus par heured’ouverture. On a obtenu les 15 mesures suivantes (en nombre d’objets) :
6−7−9−11−13−8−9−4−12−10−16−8−14−12−10.
Tableau d’effectifsxi 4 6 7 8 9 10 11 12 13 14 16ni 1 1 1 2 2 2 1 2 1 1 1fi 1/15 1/15 1/15 2/15 2/15 2/15 1/15 2/15 1/15 1/15 1/15
On range les valeurs par ordre croissant, on calcule les effectifs, puis les fréquences.
Fréquences cumulées croissantesxi 4 6 7 8 9 10 11 12 13 14 16Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
' 6,7% des individus prennent une valeur inférieure ou égale à 4.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Fonction de répartition d’un échantillon (1/2).
ExempleDans un magasin de loisirs, on a étudié le nombre de livres vendus par heured’ouverture. On a obtenu les 15 mesures suivantes (en nombre d’objets) :
6−7−9−11−13−8−9−4−12−10−16−8−14−12−10.
Tableau d’effectifsxi 4 6 7 8 9 10 11 12 13 14 16ni 1 1 1 2 2 2 1 2 1 1 1fi 1/15 1/15 1/15 2/15 2/15 2/15 1/15 2/15 1/15 1/15 1/15
On range les valeurs par ordre croissant, on calcule les effectifs, puis les fréquences.
Fréquences cumulées croissantesxi 4 6 7 8 9 10 11 12 13 14 16Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
' 6,7% des individus prennent une valeur inférieure ou égale à 4.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Fonction de répartition d’un échantillon (1/2).
ExempleDans un magasin de loisirs, on a étudié le nombre de livres vendus par heured’ouverture. On a obtenu les 15 mesures suivantes (en nombre d’objets) :
6−7−9−11−13−8−9−4−12−10−16−8−14−12−10.
Tableau d’effectifsxi 4 6 7 8 9 10 11 12 13 14 16ni 1 1 1 2 2 2 1 2 1 1 1fi 1/15 1/15 1/15 2/15 2/15 2/15 1/15 2/15 1/15 1/15 1/15
On range les valeurs par ordre croissant, on calcule les effectifs, puis les fréquences.
Fréquences cumulées croissantesxi 4 6 7 8 9 10 11 12 13 14 16Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
' 6,7% des individus prennent une valeur inférieure ou égale à 4.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Fonction de répartition d’un échantillon (1/2).
ExempleDans un magasin de loisirs, on a étudié le nombre de livres vendus par heured’ouverture. On a obtenu les 15 mesures suivantes (en nombre d’objets) :
6−7−9−11−13−8−9−4−12−10−16−8−14−12−10.
Tableau d’effectifsxi 4 6 7 8 9 10 11 12 13 14 16ni 1 1 1 2 2 2 1 2 1 1 1fi 1/15 1/15 1/15 2/15 2/15 2/15 1/15 2/15 1/15 1/15 1/15
On range les valeurs par ordre croissant, on calcule les effectifs, puis les fréquences.
Fréquences cumulées croissantesxi 4 6 7 8 9 10 11 12 13 14 16Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
' 13,3% des individus prennent une valeur inférieure ou égale à 6.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Fonction de répartition d’un échantillon (1/2).
ExempleDans un magasin de loisirs, on a étudié le nombre de livres vendus par heured’ouverture. On a obtenu les 15 mesures suivantes (en nombre d’objets) :
6−7−9−11−13−8−9−4−12−10−16−8−14−12−10.
Tableau d’effectifsxi 4 6 7 8 9 10 11 12 13 14 16ni 1 1 1 2 2 2 1 2 1 1 1fi 1/15 1/15 1/15 2/15 2/15 2/15 1/15 2/15 1/15 1/15 1/15
On range les valeurs par ordre croissant, on calcule les effectifs, puis les fréquences.
Fréquences cumulées croissantesxi 4 6 7 8 9 10 11 12 13 14 16Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
80% des individus prennent une valeur inférieure ou égale à 12.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Fonction de répartition d’un échantillon (1/2).
ExempleDans un magasin de loisirs, on a étudié le nombre de livres vendus par heured’ouverture. On a obtenu les 15 mesures suivantes (en nombre d’objets) :
6−7−9−11−13−8−9−4−12−10−16−8−14−12−10.
Tableau d’effectifsxi 4 6 7 8 9 10 11 12 13 14 16ni 1 1 1 2 2 2 1 2 1 1 1fi 1/15 1/15 1/15 2/15 2/15 2/15 1/15 2/15 1/15 1/15 1/15
On range les valeurs par ordre croissant, on calcule les effectifs, puis les fréquences.
Fréquences cumulées croissantesxi 4 6 7 8 9 10 11 12 13 14 16Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
100% des individus prennent une valeur inférieure ou égale à 16.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Fonction de répartition d’un échantillon (2/2).xi 4 6 7 8 9 10 11 12 13 14 16Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
livres vendus par heure
fréquencecumulée
croissante
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
0,10,20,30,40,50,60,70,80,9
0
1
On place les points de coordonnées (xi ;Fi ).
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Fonction de répartition d’un échantillon (2/2).xi 4 6 7 8 9 10 11 12 13 14 16Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
livres vendus par heure
fréquencecumulée
croissante
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
0,10,20,30,40,50,60,70,80,9
0
1
On place les points de coordonnées (xi ;Fi ).
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Fonction de répartition d’un échantillon (2/2).xi 4 6 7 8 9 10 11 12 13 14 16Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
livres vendus par heure
fréquencecumulée
croissante
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
0,10,20,30,40,50,60,70,80,9
0
1
•
On place les points de coordonnées (xi ;Fi ).
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Fonction de répartition d’un échantillon (2/2).xi 4 6 7 8 9 10 11 12 13 14 16Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
livres vendus par heure
fréquencecumulée
croissante
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
0,10,20,30,40,50,60,70,80,9
0
1
••
On place les points de coordonnées (xi ;Fi ).
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Fonction de répartition d’un échantillon (2/2).xi 4 6 7 8 9 10 11 12 13 14 16Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
livres vendus par heure
fréquencecumulée
croissante
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
0,10,20,30,40,50,60,70,80,9
0
1
••
•
On place les points de coordonnées (xi ;Fi ).
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Fonction de répartition d’un échantillon (2/2).xi 4 6 7 8 9 10 11 12 13 14 16Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
livres vendus par heure
fréquencecumulée
croissante
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
0,10,20,30,40,50,60,70,80,9
0
1
••
•
•
On place les points de coordonnées (xi ;Fi ).
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Fonction de répartition d’un échantillon (2/2).xi 4 6 7 8 9 10 11 12 13 14 16Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
livres vendus par heure
fréquencecumulée
croissante
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
0,10,20,30,40,50,60,70,80,9
0
1
••
•
•
•
On place les points de coordonnées (xi ;Fi ).
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Fonction de répartition d’un échantillon (2/2).xi 4 6 7 8 9 10 11 12 13 14 16Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
livres vendus par heure
fréquencecumulée
croissante
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
0,10,20,30,40,50,60,70,80,9
0
1
••
•
•
•
•
On place les points de coordonnées (xi ;Fi ).
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Fonction de répartition d’un échantillon (2/2).xi 4 6 7 8 9 10 11 12 13 14 16Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
livres vendus par heure
fréquencecumulée
croissante
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
0,10,20,30,40,50,60,70,80,9
0
1
••
•
•
•
••
On place les points de coordonnées (xi ;Fi ).
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Fonction de répartition d’un échantillon (2/2).xi 4 6 7 8 9 10 11 12 13 14 16Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
livres vendus par heure
fréquencecumulée
croissante
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
0,10,20,30,40,50,60,70,80,9
0
1
••
•
•
•
••
•
On place les points de coordonnées (xi ;Fi ).
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Fonction de répartition d’un échantillon (2/2).xi 4 6 7 8 9 10 11 12 13 14 16Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
livres vendus par heure
fréquencecumulée
croissante
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
0,10,20,30,40,50,60,70,80,9
0
1
••
•
•
•
••
••
On place les points de coordonnées (xi ;Fi ).
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Fonction de répartition d’un échantillon (2/2).xi 4 6 7 8 9 10 11 12 13 14 16Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
livres vendus par heure
fréquencecumulée
croissante
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
0,10,20,30,40,50,60,70,80,9
0
1
••
•
•
•
••
••
•
On place les points de coordonnées (xi ;Fi ).
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Fonction de répartition d’un échantillon (2/2).xi 4 6 7 8 9 10 11 12 13 14 16Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
livres vendus par heure
fréquencecumulée
croissante
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
0,10,20,30,40,50,60,70,80,9
0
1
••
•
•
•
••
••
••
On place les points de coordonnées (xi ;Fi ).
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Fonction de répartition d’un échantillon (2/2).xi 4 6 7 8 9 10 11 12 13 14 16Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
livres vendus par heure
fréquencecumulée
croissante
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
0,10,20,30,40,50,60,70,80,9
0
1
••
•
•
•
••
••
••
On complète la courbe sur les intervalles [xi ;xi+1[.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Fonction de répartition d’un échantillon (2/2).xi 4 6 7 8 9 10 11 12 13 14 16Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
livres vendus par heure
fréquencecumulée
croissante
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
0,10,20,30,40,50,60,70,80,9
0
1
••
•
•
•
••
••
••
On complète la courbe sur les intervalles [xi ;xi+1[.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Fonction de répartition d’un échantillon (2/2).xi 4 6 7 8 9 10 11 12 13 14 16Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
livres vendus par heure
fréquencecumulée
croissante
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
0,10,20,30,40,50,60,70,80,9
0
1
••
•
•
•
••
••
••
On complète la courbe sur les intervalles [xi ;xi+1[.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Fonction de répartition d’un échantillon (2/2).xi 4 6 7 8 9 10 11 12 13 14 16Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
livres vendus par heure
fréquencecumulée
croissante
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
0,10,20,30,40,50,60,70,80,9
0
1
••
•
•
•
••
••
••
On complète la courbe sur les intervalles [xi ;xi+1[.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Fonction de répartition d’un échantillon (2/2).xi 4 6 7 8 9 10 11 12 13 14 16Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
livres vendus par heure
fréquencecumulée
croissante
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
0,10,20,30,40,50,60,70,80,9
0
1
••
•
•
•
••
••
••
On complète la courbe sur les intervalles [xi ;xi+1[.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Fonction de répartition d’un échantillon (2/2).xi 4 6 7 8 9 10 11 12 13 14 16Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
livres vendus par heure
fréquencecumulée
croissante
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
0,10,20,30,40,50,60,70,80,9
0
1
••
•
•
•
••
••
••
On complète la courbe sur les intervalles [xi ;xi+1[.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Fonction de répartition d’un échantillon (2/2).xi 4 6 7 8 9 10 11 12 13 14 16Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
livres vendus par heure
fréquencecumulée
croissante
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
0,10,20,30,40,50,60,70,80,9
0
1
••
•
•
•
••
••
••
On complète la courbe sur les intervalles [xi ;xi+1[.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Fonction de répartition d’un échantillon (2/2).xi 4 6 7 8 9 10 11 12 13 14 16Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
livres vendus par heure
fréquencecumulée
croissante
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
0,10,20,30,40,50,60,70,80,9
0
1
••
•
•
•
••
••
••
On complète la courbe sur les intervalles [xi ;xi+1[.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Fonction de répartition d’un échantillon (2/2).xi 4 6 7 8 9 10 11 12 13 14 16Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
livres vendus par heure
fréquencecumulée
croissante
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
0,10,20,30,40,50,60,70,80,9
0
1
••
•
•
•
••
••
••
On complète la courbe sur les intervalles [xi ;xi+1[.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Fonction de répartition d’un échantillon (2/2).xi 4 6 7 8 9 10 11 12 13 14 16Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
livres vendus par heure
fréquencecumulée
croissante
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
0,10,20,30,40,50,60,70,80,9
0
1
••
•
•
•
••
••
••
On complète la courbe sur les intervalles [xi ;xi+1[.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Fonction de répartition d’un échantillon (2/2).xi 4 6 7 8 9 10 11 12 13 14 16Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
livres vendus par heure
fréquencecumulée
croissante
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
0,10,20,30,40,50,60,70,80,9
0
1
••
•
•
•
••
••
••
On complète la courbe sur les intervalles [xi ;xi+1[.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Fonction de répartition d’un échantillon (2/2).xi 4 6 7 8 9 10 11 12 13 14 16Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
livres vendus par heure
fréquencecumulée
croissante
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
0,10,20,30,40,50,60,70,80,9
0
1
••
•
•
•
••
••
••
On complète la courbe sur les intervalles [xi ;xi+1[.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Fonction de répartition d’un échantillon (2/2).xi 4 6 7 8 9 10 11 12 13 14 16Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
livres vendus par heure
fréquencecumulée
croissante
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
0,10,20,30,40,50,60,70,80,9
0
1
••
•
•
•
••
••
••
On complète la courbe sur les intervalles [xi ;xi+1[.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Fonction de répartition d’un échantillon (2/2).xi 4 6 7 8 9 10 11 12 13 14 16Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
livres vendus par heure
fréquencecumulée
croissante
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
0,10,20,30,40,50,60,70,80,9
0
1
••
•
•
•
••
••
••
On trace les traits pointillés verticaux.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Fonction de répartition d’un échantillon (2/2).xi 4 6 7 8 9 10 11 12 13 14 16Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
livres vendus par heure
fréquencecumulée
croissante
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
0,10,20,30,40,50,60,70,80,9
0
1
••
•
•
•
••
••
••
On trace les traits pointillés verticaux.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Fonction de répartition d’un échantillon (2/2).xi 4 6 7 8 9 10 11 12 13 14 16Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
livres vendus par heure
fréquencecumulée
croissante
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
0,10,20,30,40,50,60,70,80,9
0
1
••
•
•
•
••
••
••
Fonction de répartition de l’échantillon.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Plan
1 L’enjeu.
2 Fonction de répartition.Définition (rappel de S2).Cas d’une loi normale.Cas d’un échantillon.Comparaison des fonctions de répartition.
3 Test de Henry.Le papier gausso-arithmétique.Exemple 1.Exemple 2.
4 Test de Lilliefors (Kolmogorov-Smirnov).Le papier de Lilliefors.Exemple 1.Exemple 2.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Comment juger de la normalité d’une population ?
Fonction de répartition d’un v.a. suivant une loi normale :
1
Fonction de répartition d’un échantillon prélevé dans une population :
1
• • ••
•• •
• • • •
Les courbes sont-elles proches ?
Peut-on accepter la normalité de la population ?
. Décision grâce au test de Henry,
. Décision grâce au test de Lilliefors.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Comment juger de la normalité d’une population ?
Fonction de répartition d’un v.a. suivant une loi normale :
1
Fonction de répartition d’un échantillon prélevé dans une population :
1
• • ••
•• •
• • • •
Les courbes sont-elles proches ?
Peut-on accepter la normalité de la population ?
. Décision grâce au test de Henry,
. Décision grâce au test de Lilliefors.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Comment juger de la normalité d’une population ?
Fonction de répartition d’un v.a. suivant une loi normale :
1
Fonction de répartition d’un échantillon prélevé dans une population :
1
• • ••
•• •
• • • •
Les courbes sont-elles proches ?
Peut-on accepter la normalité de la population ?
. Décision grâce au test de Henry,
. Décision grâce au test de Lilliefors.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Comment juger de la normalité d’une population ?
Fonction de répartition d’un v.a. suivant une loi normale :
1
Fonction de répartition d’un échantillon prélevé dans une population :
1
• • ••
•• •
• • • •
Les courbes sont-elles proches ?
Peut-on accepter la normalité de la population ?
. Décision grâce au test de Henry,
. Décision grâce au test de Lilliefors.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Comment juger de la normalité d’une population ?
Fonction de répartition d’un v.a. suivant une loi normale :
1
Fonction de répartition d’un échantillon prélevé dans une population :
1
• • ••
•• •
• • • •
Les courbes sont-elles proches ?
Peut-on accepter la normalité de la population ?
. Décision grâce au test de Henry,
. Décision grâce au test de Lilliefors.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Comment juger de la normalité d’une population ?
Fonction de répartition d’un v.a. suivant une loi normale :
1
Fonction de répartition d’un échantillon prélevé dans une population :
1
• • ••
•• •
• • • •
Les courbes sont-elles proches ?
Peut-on accepter la normalité de la population ?
. Décision grâce au test de Henry,
. Décision grâce au test de Lilliefors.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Plan
1 L’enjeu.
2 Fonction de répartition.Définition (rappel de S2).Cas d’une loi normale.Cas d’un échantillon.Comparaison des fonctions de répartition.
3 Test de Henry.Le papier gausso-arithmétique.Exemple 1.Exemple 2.
4 Test de Lilliefors (Kolmogorov-Smirnov).Le papier de Lilliefors.Exemple 1.Exemple 2.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Une déformation particulière.
La fonction de répartition de la loi N or(0;1) est tracée.
00,010,04
0,25
0,500,75
0,960,99
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Une déformation particulière.
La fonction de répartition de la loi N or(0;1) est tracée.
On étire irrégulièrement l’axe des ordonnées pour rendre la courbe droite.
00,010,04
0,25
0,500,75
0,960,99
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Une déformation particulière.
La fonction de répartition de la loi N or(0;1) est tracée.
On étire irrégulièrement l’axe des ordonnées pour rendre la courbe droite.
00,01
0,04
0,25
0,50
0,75
0,960,99
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Une déformation particulière.
La fonction de répartition de la loi N or(0;1) est tracée.
On étire irrégulièrement l’axe des ordonnées pour rendre la courbe droite.
0
0,010,04
0,25
0,50
0,75
0,960,99
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Une déformation particulière.
La fonction de répartition de la loi N or(0;1) est tracée.
On étire irrégulièrement l’axe des ordonnées pour rendre la courbe droite.
0
0,01
0,04
0,25
0,50
0,75
0,96
0,99
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Une déformation particulière.
La fonction de répartition de la loi N or(0;1) est tracée.
On étire irrégulièrement l’axe des ordonnées pour rendre la courbe droite.
0
0,01
0,04
0,25
0,50
0,75
0,96
0,99
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Une déformation particulière.
La fonction de répartition de la loi N or(0;1) est tracée.
On étire irrégulièrement l’axe des ordonnées pour rendre la courbe droite.
0
0,01
0,04
0,25
0,50
0,75
0,96
0,99
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Une déformation particulière.
La fonction de répartition de la loi N or(0;1) est tracée.
On étire irrégulièrement l’axe des ordonnées pour rendre la courbe droite.
0
0,01
0,04
0,25
0,50
0,75
0,96
0,99
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Une déformation particulière.
La fonction de répartition de la loi N or(0;1) est tracée.
On étire irrégulièrement l’axe des ordonnées pour rendre la courbe droite.
0
0,01
0,04
0,25
0,50
0,75
0,96
0,99
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Une déformation particulière.
La fonction de répartition de la loi N or(0;1) est tracée.
On étire irrégulièrement l’axe des ordonnées pour rendre la courbe droite.
0
0,01
0,04
0,25
0,50
0,75
0,96
0,99
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Une déformation particulière.
La fonction de répartition de la loi N or(0;1) est tracée.
On étire irrégulièrement l’axe des ordonnées pour rendre la courbe droite.
0
0,01
0,04
0,25
0,50
0,75
0,96
0,99
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Une déformation particulière.
La fonction de répartition de la loi N or(0;1) est tracée.
On étire irrégulièrement l’axe des ordonnées pour rendre la courbe droite.
0
0,01
0,04
0,25
0,50
0,75
0,96
0,99
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Une déformation particulière.
La fonction de répartition de la loi N or(0;1) est tracée.
On étire irrégulièrement l’axe des ordonnées pour rendre la courbe droite.
On obtient le papier gausso-arithmétique.0
0,01
0,04
0,25
0,50
0,75
0,96
0,99
ThéorèmeSur le papier gausso-arithmétique, la représentation graphique de lafonction de répartition de X ∼N or(m;σ) est une droite.
0,01
0,020,030,04
0,060,080,10
0,150,200,250,300,350,400,450,500,550,600,650,700,750,800,85
0,900,920,94
0,960,970,98
0,99
Π(−1)' 0,16
ThéorèmeSur le papier gausso-arithmétique, la représentation graphique de lafonction de répartition de X ∼N or(m;σ) est une droite.
0,01
0,020,030,04
0,060,080,10
0,150,200,250,300,350,400,450,500,550,600,650,700,750,800,85
0,900,920,94
0,960,970,98
0,99
Π(−1)' 0,16
ThéorèmeSur le papier gausso-arithmétique, la représentation graphique de lafonction de répartition de X ∼N or(m;σ) est une droite.
0,01
0,020,030,04
0,060,080,10
0,150,200,250,300,350,400,450,500,550,600,650,700,750,800,85
0,900,920,94
0,960,970,98
0,99
fonction de répartitionde X ∼N or(m;σ)
Π(−1)' 0,16
ThéorèmeSur le papier gausso-arithmétique, la représentation graphique de lafonction de répartition de X ∼N or(m;σ) est une droite.
0,01
0,020,030,04
0,060,080,10
0,150,200,250,300,350,400,450,500,550,600,650,700,750,800,85
0,900,920,94
0,960,970,98
0,99
fonction de répartitionde X ∼N or(m;σ)
0,50
Π(−1)' 0,16
ThéorèmeSur le papier gausso-arithmétique, la représentation graphique de lafonction de répartition de X ∼N or(m;σ) est une droite.
0,01
0,020,030,04
0,060,080,10
0,150,200,250,300,350,400,450,500,550,600,650,700,750,800,85
0,900,920,94
0,960,970,98
0,99
fonction de répartitionde X ∼N or(m;σ)
0,50
m
Π(−1)' 0,16
ThéorèmeSur le papier gausso-arithmétique, la représentation graphique de lafonction de répartition de X ∼N or(m;σ) est une droite.
0,01
0,020,030,04
0,060,080,10
0,150,200,250,300,350,400,450,500,550,600,650,700,750,800,85
0,900,920,94
0,960,970,98
0,99
fonction de répartitionde X ∼N or(m;σ)
0,50
m
Π(−1)' 0,16
Π(1)' 0,84
ThéorèmeSur le papier gausso-arithmétique, la représentation graphique de lafonction de répartition de X ∼N or(m;σ) est une droite.
0,01
0,020,030,04
0,060,080,10
0,150,200,250,300,350,400,450,500,550,600,650,700,750,800,85
0,900,920,94
0,960,970,98
0,99
fonction de répartitionde X ∼N or(m;σ)
0,50
m
Π(−1)' 0,16
Π(1)' 0,84 0,84
ThéorèmeSur le papier gausso-arithmétique, la représentation graphique de lafonction de répartition de X ∼N or(m;σ) est une droite.
0,01
0,020,030,04
0,060,080,10
0,150,200,250,300,350,400,450,500,550,600,650,700,750,800,85
0,900,920,94
0,960,970,98
0,99
fonction de répartitionde X ∼N or(m;σ)
0,50
m
Π(−1)' 0,16
Π(1)' 0,84 0,84
m + σ
ThéorèmeSur le papier gausso-arithmétique, la représentation graphique de lafonction de répartition de X ∼N or(m;σ) est une droite.
0,01
0,020,030,04
0,060,080,10
0,150,200,250,300,350,400,450,500,550,600,650,700,750,800,85
0,900,920,94
0,960,970,98
0,99
fonction de répartitionde X ∼N or(m;σ)
0,50
m
Π(−1)' 0,16
Π(1)' 0,84 0,84
m + σ
ThéorèmeSur le papier gausso-arithmétique, la représentation graphique de lafonction de répartition de X ∼N or(m;σ) est une droite.
0,01
0,020,030,04
0,060,080,10
0,150,200,250,300,350,400,450,500,550,600,650,700,750,800,85
0,900,920,94
0,960,970,98
0,99
fonction de répartitionde X ∼N or(m;σ)
0,50
m
Π(−1)' 0,16 0,16
Π(1)' 0,84 0,84
m + σ
ThéorèmeSur le papier gausso-arithmétique, la représentation graphique de lafonction de répartition de X ∼N or(m;σ) est une droite.
0,01
0,020,030,04
0,060,080,10
0,150,200,250,300,350,400,450,500,550,600,650,700,750,800,85
0,900,920,94
0,960,970,98
0,99
fonction de répartitionde X ∼N or(m;σ)
0,50
m
Π(−1)' 0,16 0,16
m−σ
Π(1)' 0,84 0,84
m + σ
ThéorèmeSur le papier gausso-arithmétique, la représentation graphique de lafonction de répartition de X ∼N or(m;σ) est une droite.
0,01
0,020,030,04
0,060,080,10
0,150,200,250,300,350,400,450,500,550,600,650,700,750,800,85
0,900,920,94
0,960,970,98
0,99
fonction de répartitionde X ∼N or(m;σ)
0,50
m
Π(−1)' 0,16 0,16
m−σ
Π(1)' 0,84 0,84
m + σ
2σ
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Plan
1 L’enjeu.
2 Fonction de répartition.Définition (rappel de S2).Cas d’une loi normale.Cas d’un échantillon.Comparaison des fonctions de répartition.
3 Test de Henry.Le papier gausso-arithmétique.Exemple 1.Exemple 2.
4 Test de Lilliefors (Kolmogorov-Smirnov).Le papier de Lilliefors.Exemple 1.Exemple 2.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Le fonctionnement du test.
Prélever un échantillon dans la population.
Ranger les valeurs xi par ordre croissant.
Déterminer les fréquences cumulées croissantes Fi .
Placer les points de coord. (xi ;Fi ) sur le papier gausso-arithmétique.
Prendre une décision suivant l’allure du nuage de points :
. points proches d’une même droite : accepter la normalité ;
. sinon : rejetter la normalité de la population.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Le fonctionnement du test.
Prélever un échantillon dans la population.
Ranger les valeurs xi par ordre croissant.
Déterminer les fréquences cumulées croissantes Fi .
Placer les points de coord. (xi ;Fi ) sur le papier gausso-arithmétique.
Prendre une décision suivant l’allure du nuage de points :
. points proches d’une même droite : accepter la normalité ;
. sinon : rejetter la normalité de la population.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Le fonctionnement du test.
Prélever un échantillon dans la population.
Ranger les valeurs xi par ordre croissant.
Déterminer les fréquences cumulées croissantes Fi .
Placer les points de coord. (xi ;Fi ) sur le papier gausso-arithmétique.
Prendre une décision suivant l’allure du nuage de points :
. points proches d’une même droite : accepter la normalité ;
. sinon : rejetter la normalité de la population.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Le fonctionnement du test.
Prélever un échantillon dans la population.
Ranger les valeurs xi par ordre croissant.
Déterminer les fréquences cumulées croissantes Fi .
Placer les points de coord. (xi ;Fi ) sur le papier gausso-arithmétique.
Prendre une décision suivant l’allure du nuage de points :
. points proches d’une même droite : accepter la normalité ;
. sinon : rejetter la normalité de la population.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Le fonctionnement du test.
Prélever un échantillon dans la population.
Ranger les valeurs xi par ordre croissant.
Déterminer les fréquences cumulées croissantes Fi .
Placer les points de coord. (xi ;Fi ) sur le papier gausso-arithmétique.
Prendre une décision suivant l’allure du nuage de points :
. points proches d’une même droite : accepter la normalité ;
. sinon : rejetter la normalité de la population.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Le fonctionnement du test.
Prélever un échantillon dans la population.
Ranger les valeurs xi par ordre croissant.
Déterminer les fréquences cumulées croissantes Fi .
Placer les points de coord. (xi ;Fi ) sur le papier gausso-arithmétique.
Prendre une décision suivant l’allure du nuage de points :
. points proches d’une même droite : accepter la normalité ;
. sinon : rejetter la normalité de la population.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Le fonctionnement du test.
Prélever un échantillon dans la population.
Ranger les valeurs xi par ordre croissant.
Déterminer les fréquences cumulées croissantes Fi .
Placer les points de coord. (xi ;Fi ) sur le papier gausso-arithmétique.
Prendre une décision suivant l’allure du nuage de points :
. points proches d’une même droite : accepter la normalité ;
. sinon : rejetter la normalité de la population.
xi 4 6 7 8 9 10 11 12 13 14 16Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
0,01
0,020,030,04
0,060,080,10
0,150,200,250,300,350,400,450,500,550,600,650,700,750,800,85
0,900,920,94
0,960,970,98
0,99La fréquence 1 est rejetée à l’infini.
m(estimation)
xi 4 6 7 8 9 10 11 12 13 14 16Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
0,01
0,020,030,04
0,060,080,10
0,150,200,250,300,350,400,450,500,550,600,650,700,750,800,85
0,900,920,94
0,960,970,98
0,99
4 5 6 7 8 9 10 11 12 13 14 15 16
La fréquence 1 est rejetée à l’infini.
m(estimation)
xi 4 6 7 8 9 10 11 12 13 14 16Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
0,01
0,020,030,04
0,060,080,10
0,150,200,250,300,350,400,450,500,550,600,650,700,750,800,85
0,900,920,94
0,960,970,98
0,99
4 5 6 7 8 9 10 11 12 13 14 15 16
•
La fréquence 1 est rejetée à l’infini.
m(estimation)
xi 4 6 7 8 9 10 11 12 13 14 16Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
0,01
0,020,030,04
0,060,080,10
0,150,200,250,300,350,400,450,500,550,600,650,700,750,800,85
0,900,920,94
0,960,970,98
0,99
4 5 6 7 8 9 10 11 12 13 14 15 16
•
•
La fréquence 1 est rejetée à l’infini.
m(estimation)
xi 4 6 7 8 9 10 11 12 13 14 16Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
0,01
0,020,030,04
0,060,080,10
0,150,200,250,300,350,400,450,500,550,600,650,700,750,800,85
0,900,920,94
0,960,970,98
0,99
4 5 6 7 8 9 10 11 12 13 14 15 16
•
•
•
La fréquence 1 est rejetée à l’infini.
m(estimation)
xi 4 6 7 8 9 10 11 12 13 14 16Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
0,01
0,020,030,04
0,060,080,10
0,150,200,250,300,350,400,450,500,550,600,650,700,750,800,85
0,900,920,94
0,960,970,98
0,99
4 5 6 7 8 9 10 11 12 13 14 15 16
•
•
•
•
La fréquence 1 est rejetée à l’infini.
m(estimation)
xi 4 6 7 8 9 10 11 12 13 14 16Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
0,01
0,020,030,04
0,060,080,10
0,150,200,250,300,350,400,450,500,550,600,650,700,750,800,85
0,900,920,94
0,960,970,98
0,99
4 5 6 7 8 9 10 11 12 13 14 15 16
•
•
•
•
•
La fréquence 1 est rejetée à l’infini.
m(estimation)
xi 4 6 7 8 9 10 11 12 13 14 16Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
0,01
0,020,030,04
0,060,080,10
0,150,200,250,300,350,400,450,500,550,600,650,700,750,800,85
0,900,920,94
0,960,970,98
0,99
4 5 6 7 8 9 10 11 12 13 14 15 16
•
•
•
•
•
•
La fréquence 1 est rejetée à l’infini.
m(estimation)
xi 4 6 7 8 9 10 11 12 13 14 16Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
0,01
0,020,030,04
0,060,080,10
0,150,200,250,300,350,400,450,500,550,600,650,700,750,800,85
0,900,920,94
0,960,970,98
0,99
4 5 6 7 8 9 10 11 12 13 14 15 16
•
•
•
•
•
••
La fréquence 1 est rejetée à l’infini.
m(estimation)
xi 4 6 7 8 9 10 11 12 13 14 16Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
0,01
0,020,030,04
0,060,080,10
0,150,200,250,300,350,400,450,500,550,600,650,700,750,800,85
0,900,920,94
0,960,970,98
0,99
4 5 6 7 8 9 10 11 12 13 14 15 16
•
•
•
•
•
••
•
La fréquence 1 est rejetée à l’infini.
m(estimation)
xi 4 6 7 8 9 10 11 12 13 14 16Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
0,01
0,020,030,04
0,060,080,10
0,150,200,250,300,350,400,450,500,550,600,650,700,750,800,85
0,900,920,94
0,960,970,98
0,99
4 5 6 7 8 9 10 11 12 13 14 15 16
•
•
•
•
•
••
•
•
La fréquence 1 est rejetée à l’infini.
m(estimation)
xi 4 6 7 8 9 10 11 12 13 14 16Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
0,01
0,020,030,04
0,060,080,10
0,150,200,250,300,350,400,450,500,550,600,650,700,750,800,85
0,900,920,94
0,960,970,98
0,99
4 5 6 7 8 9 10 11 12 13 14 15 16
•
•
•
•
•
••
•
•
•
La fréquence 1 est rejetée à l’infini.
m(estimation)
xi 4 6 7 8 9 10 11 12 13 14 16Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
0,01
0,020,030,04
0,060,080,10
0,150,200,250,300,350,400,450,500,550,600,650,700,750,800,85
0,900,920,94
0,960,970,98
0,99
4 5 6 7 8 9 10 11 12 13 14 15 16
•
•
•
•
•
••
•
•
•
La fréquence 1 est rejetée à l’infini.
m(estimation)
xi 4 6 7 8 9 10 11 12 13 14 16Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
0,01
0,020,030,04
0,060,080,10
0,150,200,250,300,350,400,450,500,550,600,650,700,750,800,85
0,900,920,94
0,960,970,98
0,99
4 5 6 7 8 9 10 11 12 13 14 15 16
•
•
•
•
•
••
•
•
•
La fréquence 1 est rejetée à l’infini.
Nuage de points proches d’une droite :on accepte la normalité de la population.
m(estimation)
xi 4 6 7 8 9 10 11 12 13 14 16Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
0,01
0,020,030,04
0,060,080,10
0,150,200,250,300,350,400,450,500,550,600,650,700,750,800,85
0,900,920,94
0,960,970,98
0,99
4 5 6 7 8 9 10 11 12 13 14 15 16
•
•
•
•
•
••
•
•
•
La fréquence 1 est rejetée à l’infini.
Nuage de points proches d’une droite :on accepte la normalité de la population.
0,50
m(estimation)
xi 4 6 7 8 9 10 11 12 13 14 16Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
0,01
0,020,030,04
0,060,080,10
0,150,200,250,300,350,400,450,500,550,600,650,700,750,800,85
0,900,920,94
0,960,970,98
0,99
4 5 6 7 8 9 10 11 12 13 14 15 16
•
•
•
•
•
••
•
•
•
La fréquence 1 est rejetée à l’infini.
Nuage de points proches d’une droite :on accepte la normalité de la population.
0,50
m(estimation)
xi 4 6 7 8 9 10 11 12 13 14 16Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
0,01
0,020,030,04
0,060,080,10
0,150,200,250,300,350,400,450,500,550,600,650,700,750,800,85
0,900,920,94
0,960,970,98
0,99
4 5 6 7 8 9 10 11 12 13 14 15 16
•
•
•
•
•
••
•
•
•
La fréquence 1 est rejetée à l’infini.
Nuage de points proches d’une droite :on accepte la normalité de la population.
0,50
m(estimation)
0,16
xi 4 6 7 8 9 10 11 12 13 14 16Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
0,01
0,020,030,04
0,060,080,10
0,150,200,250,300,350,400,450,500,550,600,650,700,750,800,85
0,900,920,94
0,960,970,98
0,99
4 5 6 7 8 9 10 11 12 13 14 15 16
•
•
•
•
•
••
•
•
•
La fréquence 1 est rejetée à l’infini.
Nuage de points proches d’une droite :on accepte la normalité de la population.
0,50
m(estimation)
0,16
m−σ
(estimation)
xi 4 6 7 8 9 10 11 12 13 14 16Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
0,01
0,020,030,04
0,060,080,10
0,150,200,250,300,350,400,450,500,550,600,650,700,750,800,85
0,900,920,94
0,960,970,98
0,99
4 5 6 7 8 9 10 11 12 13 14 15 16
•
•
•
•
•
••
•
•
•
La fréquence 1 est rejetée à l’infini.
Nuage de points proches d’une droite :on accepte la normalité de la population.
0,50
m(estimation)
0,16
m−σ
(estimation)
0,84
xi 4 6 7 8 9 10 11 12 13 14 16Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
0,01
0,020,030,04
0,060,080,10
0,150,200,250,300,350,400,450,500,550,600,650,700,750,800,85
0,900,920,94
0,960,970,98
0,99
4 5 6 7 8 9 10 11 12 13 14 15 16
•
•
•
•
•
••
•
•
•
La fréquence 1 est rejetée à l’infini.
Nuage de points proches d’une droite :on accepte la normalité de la population.
0,50
m(estimation)
0,16
m−σ
(estimation)
0,84
m + σ
(estimation)
xi 4 6 7 8 9 10 11 12 13 14 16Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
0,01
0,020,030,04
0,060,080,10
0,150,200,250,300,350,400,450,500,550,600,650,700,750,800,85
0,900,920,94
0,960,970,98
0,99
4 5 6 7 8 9 10 11 12 13 14 15 16
•
•
•
•
•
••
•
•
•
La fréquence 1 est rejetée à l’infini.
Nuage de points proches d’une droite :on accepte la normalité de la population.
0,50
m(estimation)
0,16
m−σ
(estimation)
0,84
m + σ
(estimation)
2σ ' 6,4
xi 4 6 7 8 9 10 11 12 13 14 16Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
0,01
0,020,030,04
0,060,080,10
0,150,200,250,300,350,400,450,500,550,600,650,700,750,800,85
0,900,920,94
0,960,970,98
0,99
4 5 6 7 8 9 10 11 12 13 14 15 16
•
•
•
•
•
••
•
•
•
La fréquence 1 est rejetée à l’infini.
Nuage de points proches d’une droite :on accepte la normalité de la population.
0,50
m(estimation)
0,16
m−σ
(estimation)
0,84
m + σ
(estimation)
2σ ' 6,4
σ ' 3,2
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Plan
1 L’enjeu.
2 Fonction de répartition.Définition (rappel de S2).Cas d’une loi normale.Cas d’un échantillon.Comparaison des fonctions de répartition.
3 Test de Henry.Le papier gausso-arithmétique.Exemple 1.Exemple 2.
4 Test de Lilliefors (Kolmogorov-Smirnov).Le papier de Lilliefors.Exemple 1.Exemple 2.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Exemple 2.
ExempleDans une société de transport en commun, on a étudié le temps deparcours d’un tronçon :
Durées du trajet en minutes [5;8[ [8;11[ [11;14[ [14;20[ [20;23[
Nombres de trajets 13 17 5 0 4
Tous les trajetssur le tronçon
échantillon
taille = 39x1, x2 · · · , x39
A tester :X ∼N or(m;σ) contre X �N or(m;σ) .
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Exemple 2.
ExempleDans une société de transport en commun, on a étudié le temps deparcours d’un tronçon :
Durées du trajet en minutes [5;8[ [8;11[ [11;14[ [14;20[ [20;23[
Nombres de trajets 13 17 5 0 4
Tous les trajetssur le tronçon
échantillon
taille = 39x1, x2 · · · , x39
A tester :X ∼N or(m;σ) contre X �N or(m;σ) .
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Exemple 2.
ExempleDans une société de transport en commun, on a étudié le temps deparcours d’un tronçon :
Durées du trajet en minutes [5;8[ [8;11[ [11;14[ [14;20[ [20;23[
Nombres de trajets 13 17 5 0 4
Tous les trajetssur le tronçon
•1 trajet
échantillon
taille = 39x1, x2 · · · , x39
A tester :X ∼N or(m;σ) contre X �N or(m;σ) .
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Exemple 2.
ExempleDans une société de transport en commun, on a étudié le temps deparcours d’un tronçon :
Durées du trajet en minutes [5;8[ [8;11[ [11;14[ [14;20[ [20;23[
Nombres de trajets 13 17 5 0 4
Tous les trajetssur le tronçon
•1 trajet
X = durée
échantillon
taille = 39x1, x2 · · · , x39
A tester :X ∼N or(m;σ) contre X �N or(m;σ) .
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Exemple 2.
ExempleDans une société de transport en commun, on a étudié le temps deparcours d’un tronçon :
Durées du trajet en minutes [5;8[ [8;11[ [11;14[ [14;20[ [20;23[
Nombres de trajets 13 17 5 0 4
Tous les trajetssur le tronçon
•1 trajet
X = durée
m
échantillon
taille = 39x1, x2 · · · , x39
A tester :X ∼N or(m;σ) contre X �N or(m;σ) .
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Exemple 2.
ExempleDans une société de transport en commun, on a étudié le temps deparcours d’un tronçon :
Durées du trajet en minutes [5;8[ [8;11[ [11;14[ [14;20[ [20;23[
Nombres de trajets 13 17 5 0 4
Tous les trajetssur le tronçon
•1 trajet
X = durée
mσ
échantillon
taille = 39x1, x2 · · · , x39
A tester :X ∼N or(m;σ) contre X �N or(m;σ) .
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Exemple 2.
ExempleDans une société de transport en commun, on a étudié le temps deparcours d’un tronçon :
Durées du trajet en minutes [5;8[ [8;11[ [11;14[ [14;20[ [20;23[
Nombres de trajets 13 17 5 0 4
Tous les trajetssur le tronçon
•1 trajet
X = durée
mσ
échantillon
taille = 39x1, x2 · · · , x39
A tester :X ∼N or(m;σ) contre X �N or(m;σ) .
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Exemple 2.
ExempleDans une société de transport en commun, on a étudié le temps deparcours d’un tronçon :
Durées du trajet en minutes [5;8[ [8;11[ [11;14[ [14;20[ [20;23[
Nombres de trajets 13 17 5 0 4
Tous les trajetssur le tronçon
•1 trajet
X = durée
mσ
échantillon
taille = 39x1, x2 · · · , x39
A tester :X ∼N or(m;σ) contre X �N or(m;σ) .
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Exemple 2.
ExempleDans une société de transport en commun, on a étudié le temps deparcours d’un tronçon :
Durées du trajet en minutes [5;8[ [8;11[ [11;14[ [14;20[ [20;23[
Nombres de trajets 13 17 5 0 4
Histogramme de l’échantillon.Répartition des 39 trajets de l’échantillon suivant leur durée.
5 8 11 14 17 20 23durée (minutes)
L’histogramme ne suggère pas la forme de la densité d’une loi normale.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Exemple 2.
ExempleDans une société de transport en commun, on a étudié le temps deparcours d’un tronçon :
Durées du trajet en minutes [5;8[ [8;11[ [11;14[ [14;20[ [20;23[
Nombres de trajets 13 17 5 0 4
Histogramme de l’échantillon.Répartition des 39 trajets de l’échantillon suivant leur durée.
5 8 11 14 17 20 23durée (minutes)
5 trajets
L’histogramme ne suggère pas la forme de la densité d’une loi normale.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Exemple 2.
ExempleDans une société de transport en commun, on a étudié le temps deparcours d’un tronçon :
Durées du trajet en minutes [5;8[ [8;11[ [11;14[ [14;20[ [20;23[
Nombres de trajets 13 17 5 0 4
Histogramme de l’échantillon.Répartition des 39 trajets de l’échantillon suivant leur durée.
5 8 11 14 17 20 23durée (minutes)
5 trajets
L’histogramme ne suggère pas la forme de la densité d’une loi normale.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Exemple 2.
ExempleDans une société de transport en commun, on a étudié le temps deparcours d’un tronçon :
Durées du trajet en minutes [5;8[ [8;11[ [11;14[ [14;20[ [20;23[
Nombres de trajets 13 17 5 0 4
Histogramme de l’échantillon.Répartition des 39 trajets de l’échantillon suivant leur durée.
5 8 11 14 17 20 23durée (minutes)
5 trajets
L’histogramme ne suggère pas la forme de la densité d’une loi normale.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Exemple 2.
ExempleDans une société de transport en commun, on a étudié le temps deparcours d’un tronçon :
Durées du trajet en minutes [5;8[ [8;11[ [11;14[ [14;20[ [20;23[
Nombres de trajets 13 17 5 0 4
Histogramme de l’échantillon.Répartition des 39 trajets de l’échantillon suivant leur durée.
5 8 11 14 17 20 23durée (minutes)
5 trajets
L’histogramme ne suggère pas la forme de la densité d’une loi normale.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Exemple 2.
ExempleDans une société de transport en commun, on a étudié le temps deparcours d’un tronçon :
Durées du trajet en minutes [5;8[ [8;11[ [11;14[ [14;20[ [20;23[
Nombres de trajets 13 17 5 0 4
Histogramme de l’échantillon.Répartition des 39 trajets de l’échantillon suivant leur durée.
5 8 11 14 17 20 23durée (minutes)
5 trajets
L’histogramme ne suggère pas la forme de la densité d’une loi normale.L’histogramme ne suggère pas la forme de la densité d’une loi normale.
xi 5 8 11 14 20 23Fi 0/39 13/39 30/39 35/39 35/39 39/39
= 0 ' 0,333 = 0,769 ' 0,897 ' 0,897 = 1
0,01
0,020,030,04
0,060,080,10
0,150,200,250,300,350,400,450,500,550,600,650,700,750,800,85
0,900,920,94
0,960,970,98
0,99La fréquence 1 est rejetée à l’infini.
La fréquence 0 est rejetée à l’infini.
xi 5 8 11 14 20 23Fi 0/39 13/39 30/39 35/39 35/39 39/39
= 0 ' 0,333 = 0,769 ' 0,897 ' 0,897 = 1
0,01
0,020,030,04
0,060,080,10
0,150,200,250,300,350,400,450,500,550,600,650,700,750,800,85
0,900,920,94
0,960,970,98
0,99La fréquence 1 est rejetée à l’infini.
La fréquence 0 est rejetée à l’infini.
xi 5 8 11 14 20 23Fi 0/39 13/39 30/39 35/39 35/39 39/39
= 0 ' 0,333 = 0,769 ' 0,897 ' 0,897 = 1
0,01
0,020,030,04
0,060,080,10
0,150,200,250,300,350,400,450,500,550,600,650,700,750,800,85
0,900,920,94
0,960,970,98
0,99La fréquence 1 est rejetée à l’infini.
La fréquence 0 est rejetée à l’infini.
xi 5 8 11 14 20 23Fi 0/39 13/39 30/39 35/39 35/39 39/39
= 0 ' 0,333 = 0,769 ' 0,897 ' 0,897 = 1
0,01
0,020,030,04
0,060,080,10
0,150,200,250,300,350,400,450,500,550,600,650,700,750,800,85
0,900,920,94
0,960,970,98
0,99La fréquence 1 est rejetée à l’infini.
La fréquence 0 est rejetée à l’infini.
xi 5 8 11 14 20 23Fi 0/39 13/39 30/39 35/39 35/39 39/39
= 0 ' 0,333 = 0,769 ' 0,897 ' 0,897 = 1
0,01
0,020,030,04
0,060,080,10
0,150,200,250,300,350,400,450,500,550,600,650,700,750,800,85
0,900,920,94
0,960,970,98
0,99La fréquence 1 est rejetée à l’infini.
La fréquence 0 est rejetée à l’infini.
xi 5 8 11 14 20 23Fi 0/39 13/39 30/39 35/39 35/39 39/39
= 0 ' 0,333 = 0,769 ' 0,897 ' 0,897 = 1
0,01
0,020,030,04
0,060,080,10
0,150,200,250,300,350,400,450,500,550,600,650,700,750,800,85
0,900,920,94
0,960,970,98
0,99La fréquence 1 est rejetée à l’infini.
La fréquence 0 est rejetée à l’infini.
xi 5 8 11 14 20 23Fi 0/39 13/39 30/39 35/39 35/39 39/39
= 0 ' 0,333 = 0,769 ' 0,897 ' 0,897 = 1
0,01
0,020,030,04
0,060,080,10
0,150,200,250,300,350,400,450,500,550,600,650,700,750,800,85
0,900,920,94
0,960,970,98
0,99La fréquence 1 est rejetée à l’infini.
La fréquence 0 est rejetée à l’infini.
xi 5 8 11 14 20 23Fi 0/39 13/39 30/39 35/39 35/39 39/39
= 0 ' 0,333 = 0,769 ' 0,897 ' 0,897 = 1
0,01
0,020,030,04
0,060,080,10
0,150,200,250,300,350,400,450,500,550,600,650,700,750,800,85
0,900,920,94
0,960,970,98
0,99
5 8 11 14 17 20 23
La fréquence 1 est rejetée à l’infini.
La fréquence 0 est rejetée à l’infini.
xi 5 8 11 14 20 23Fi 0/39 13/39 30/39 35/39 35/39 39/39
= 0 ' 0,333 = 0,769 ' 0,897 ' 0,897 = 1
0,01
0,020,030,04
0,060,080,10
0,150,200,250,300,350,400,450,500,550,600,650,700,750,800,85
0,900,920,94
0,960,970,98
0,99
5 8 11 14 17 20 23
La fréquence 1 est rejetée à l’infini.
La fréquence 0 est rejetée à l’infini.
xi 5 8 11 14 20 23Fi 0/39 13/39 30/39 35/39 35/39 39/39
= 0 ' 0,333 = 0,769 ' 0,897 ' 0,897 = 1
0,01
0,020,030,04
0,060,080,10
0,150,200,250,300,350,400,450,500,550,600,650,700,750,800,85
0,900,920,94
0,960,970,98
0,99
5 8 11 14 17 20 23
•
La fréquence 1 est rejetée à l’infini.
La fréquence 0 est rejetée à l’infini.
xi 5 8 11 14 20 23Fi 0/39 13/39 30/39 35/39 35/39 39/39
= 0 ' 0,333 = 0,769 ' 0,897 ' 0,897 = 1
0,01
0,020,030,04
0,060,080,10
0,150,200,250,300,350,400,450,500,550,600,650,700,750,800,85
0,900,920,94
0,960,970,98
0,99
5 8 11 14 17 20 23
•
•
La fréquence 1 est rejetée à l’infini.
La fréquence 0 est rejetée à l’infini.
xi 5 8 11 14 20 23Fi 0/39 13/39 30/39 35/39 35/39 39/39
= 0 ' 0,333 = 0,769 ' 0,897 ' 0,897 = 1
0,01
0,020,030,04
0,060,080,10
0,150,200,250,300,350,400,450,500,550,600,650,700,750,800,85
0,900,920,94
0,960,970,98
0,99
5 8 11 14 17 20 23
•
•
•
La fréquence 1 est rejetée à l’infini.
La fréquence 0 est rejetée à l’infini.
xi 5 8 11 14 20 23Fi 0/39 13/39 30/39 35/39 35/39 39/39
= 0 ' 0,333 = 0,769 ' 0,897 ' 0,897 = 1
0,01
0,020,030,04
0,060,080,10
0,150,200,250,300,350,400,450,500,550,600,650,700,750,800,85
0,900,920,94
0,960,970,98
0,99
5 8 11 14 17 20 23
•
•
• •
La fréquence 1 est rejetée à l’infini.
La fréquence 0 est rejetée à l’infini.
xi 5 8 11 14 20 23Fi 0/39 13/39 30/39 35/39 35/39 39/39
= 0 ' 0,333 = 0,769 ' 0,897 ' 0,897 = 1
0,01
0,020,030,04
0,060,080,10
0,150,200,250,300,350,400,450,500,550,600,650,700,750,800,85
0,900,920,94
0,960,970,98
0,99
5 8 11 14 17 20 23
•
•
• •
La fréquence 1 est rejetée à l’infini.
La fréquence 0 est rejetée à l’infini.
xi 5 8 11 14 20 23Fi 0/39 13/39 30/39 35/39 35/39 39/39
= 0 ' 0,333 = 0,769 ' 0,897 ' 0,897 = 1
0,01
0,020,030,04
0,060,080,10
0,150,200,250,300,350,400,450,500,550,600,650,700,750,800,85
0,900,920,94
0,960,970,98
0,99
5 8 11 14 17 20 23
•
•
• •
La fréquence 1 est rejetée à l’infini.
La fréquence 0 est rejetée à l’infini.
Nuage de points non proches d’une droite :on rejette la normalité de la population.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Plan
1 L’enjeu.
2 Fonction de répartition.Définition (rappel de S2).Cas d’une loi normale.Cas d’un échantillon.Comparaison des fonctions de répartition.
3 Test de Henry.Le papier gausso-arithmétique.Exemple 1.Exemple 2.
4 Test de Lilliefors (Kolmogorov-Smirnov).Le papier de Lilliefors.Exemple 1.Exemple 2.
En noir : la fonction de répartition de N or(0;1).
Si la population est normale (avec m = 0 et σ = 1), il n’y a que 5% de chance que lafonction de répartition d’un futur échantillon de taille n = 100 sorte des frontières.
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
0
1
0 1 2 3−1−2−3Risque de première espèce : 5%
En noir : la fonction de répartition de N or(0;1).
En bleu: les frontières significatives pour n = 100 :
Si la population est normale (avec m = 0 et σ = 1), il n’y a que 5% de chance que lafonction de répartition d’un futur échantillon de taille n = 100 sorte des frontières.
n = 100
n = 100
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
0
1
0 1 2 3−1−2−3Risque de première espèce : 5%
En noir : la fonction de répartition de N or(0;1).
En magenta: les frontières significatives pour n = 50 :
Si la population est normale (avec m = 0 et σ = 1), il n’y a que 5% de chance que lafonction de répartition d’un futur échantillon de taille n = 50 sorte des frontières.
n = 50
n = 50
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
0
1
0 1 2 3−1−2−3Risque de première espèce : 5%
En noir : la fonction de répartition de N or(0;1).
En vert: les frontières significatives pour n = 30 :
Si la population est normale (avec m = 0 et σ = 1), il n’y a que 5% de chance que lafonction de répartition d’un futur échantillon de taille n = 30 sorte des frontières.
n = 30
n = 30
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
0
1
0 1 2 3−1−2−3Risque de première espèce : 5%
En noir : la fonction de répartition de N or(0;1).
En marron: les frontières significatives pour n = 20 :
Si la population est normale (avec m = 0 et σ = 1), il n’y a que 5% de chance que lafonction de répartition d’un futur échantillon de taille n = 20 sorte des frontières.
n = 20
n = 20
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
0
1
0 1 2 3−1−2−3Risque de première espèce : 5%
En noir : la fonction de répartition de N or(0;1).
En orange: les frontières significatives pour n = 10 :
Si la population est normale (avec m = 0 et σ = 1), il n’y a que 5% de chance que lafonction de répartition d’un futur échantillon de taille n = 10 sorte des frontières.
n = 10
n = 10
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
0
1
0 1 2 3−1−2−3Risque de première espèce : 5%
En noir : la fonction de répartition de N or(0;1).
En jaune: les frontières significatives pour n = 5 :
Si la population est normale (avec m = 0 et σ = 1), il n’y a que 5% de chance que lafonction de répartition d’un futur échantillon de taille n = 5 sorte des frontières.
n = 5
n = 5
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
0
1
0 1 2 3−1−2−3Risque de première espèce : 5%
En noir : la fonction de répartition de N or(0;1).
Si la population est normale (avec m = 0 et σ = 1), il n’y a que 5% de chance que lafonction de répartition d’un futur échantillon de taille n = 100 sorte des frontières.
Le papier de Lilliefors mesure si la différence entre la fonction de répartition del’échantillon et la fonction de répartition de la loi N or(0;1) est significative.
n = 100
n = 50
n = 30
n = 20
n = 10
n = 5
n = 100
n = 50
n = 30
n = 20
n = 10
n = 5
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
0
1
0 1 2 3−1−2−3Risque de première espèce : 5%
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Plan
1 L’enjeu.
2 Fonction de répartition.Définition (rappel de S2).Cas d’une loi normale.Cas d’un échantillon.Comparaison des fonctions de répartition.
3 Test de Henry.Le papier gausso-arithmétique.Exemple 1.Exemple 2.
4 Test de Lilliefors (Kolmogorov-Smirnov).Le papier de Lilliefors.Exemple 1.Exemple 2.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Le fonctionnement du test.
Prélever un échantillon dans la population.
Ranger les valeurs xi par ordre croissant.
Centrer et réduire les valeurs xi : x?i = xi−x
σ̂.
Déterminer les fréquences cumulées croissantes Fi .
Construire la fonction de répartition de l’échantillon (valeurscentrées-réduites) sur le papier de Lilliefors.
Prendre une décision suivant la position de la fonction de répartition :
. ne coupe pas les frontières : accepter la normalité ;
. coupe les frontières : rejetter la normalité de la population.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Le fonctionnement du test.
Prélever un échantillon dans la population.
Ranger les valeurs xi par ordre croissant.
Centrer et réduire les valeurs xi : x?i = xi−x
σ̂.
Déterminer les fréquences cumulées croissantes Fi .
Construire la fonction de répartition de l’échantillon (valeurscentrées-réduites) sur le papier de Lilliefors.
Prendre une décision suivant la position de la fonction de répartition :
. ne coupe pas les frontières : accepter la normalité ;
. coupe les frontières : rejetter la normalité de la population.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Le fonctionnement du test.
Prélever un échantillon dans la population.
Ranger les valeurs xi par ordre croissant.
Centrer et réduire les valeurs xi : x?i = xi−x
σ̂.
Déterminer les fréquences cumulées croissantes Fi .
Construire la fonction de répartition de l’échantillon (valeurscentrées-réduites) sur le papier de Lilliefors.
Prendre une décision suivant la position de la fonction de répartition :
. ne coupe pas les frontières : accepter la normalité ;
. coupe les frontières : rejetter la normalité de la population.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Le fonctionnement du test.
Prélever un échantillon dans la population.
Ranger les valeurs xi par ordre croissant.
Centrer et réduire les valeurs xi : x?i = xi−x
σ̂.
Déterminer les fréquences cumulées croissantes Fi .
Construire la fonction de répartition de l’échantillon (valeurscentrées-réduites) sur le papier de Lilliefors.
Prendre une décision suivant la position de la fonction de répartition :
. ne coupe pas les frontières : accepter la normalité ;
. coupe les frontières : rejetter la normalité de la population.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Le fonctionnement du test.
Prélever un échantillon dans la population.
Ranger les valeurs xi par ordre croissant.
Centrer et réduire les valeurs xi : x?i = xi−x
σ̂.
Déterminer les fréquences cumulées croissantes Fi .
Construire la fonction de répartition de l’échantillon (valeurscentrées-réduites) sur le papier de Lilliefors.
Prendre une décision suivant la position de la fonction de répartition :
. ne coupe pas les frontières : accepter la normalité ;
. coupe les frontières : rejetter la normalité de la population.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Le fonctionnement du test.
Prélever un échantillon dans la population.
Ranger les valeurs xi par ordre croissant.
Centrer et réduire les valeurs xi : x?i = xi−x
σ̂.
Déterminer les fréquences cumulées croissantes Fi .
Construire la fonction de répartition de l’échantillon (valeurscentrées-réduites) sur le papier de Lilliefors.
Prendre une décision suivant la position de la fonction de répartition :
. ne coupe pas les frontières : accepter la normalité ;
. coupe les frontières : rejetter la normalité de la population.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Le fonctionnement du test.
Prélever un échantillon dans la population.
Ranger les valeurs xi par ordre croissant.
Centrer et réduire les valeurs xi : x?i = xi−x
σ̂.
Déterminer les fréquences cumulées croissantes Fi .
Construire la fonction de répartition de l’échantillon (valeurscentrées-réduites) sur le papier de Lilliefors.
Prendre une décision suivant la position de la fonction de répartition :
. ne coupe pas les frontières : accepter la normalité ;
. coupe les frontières : rejetter la normalité de la population.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Le fonctionnement du test.
Prélever un échantillon dans la population.
Ranger les valeurs xi par ordre croissant.
Centrer et réduire les valeurs xi : x?i = xi−x
σ̂.
Déterminer les fréquences cumulées croissantes Fi .
Construire la fonction de répartition de l’échantillon (valeurscentrées-réduites) sur le papier de Lilliefors.
Prendre une décision suivant la position de la fonction de répartition :
. ne coupe pas les frontières : accepter la normalité ;
. coupe les frontières : rejetter la normalité de la population.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Centrage et réduction des valeurs de l’échantillon.
ExempleDans un magasin de loisirs, on a étudié le nombre de livres vendus par heured’ouverture. On a obtenu les 15 mesures suivantes (en nombre d’objets) :
6−7−9−11−13−8−9−4−12−10−16−8−14−12−10.
x = ΣxiN = 149
15 =' 9,93.
V =Σx2
iN − x2 = 1621
15 −(149
15
)2 ' 9,3955 · · ·
σ̂ = σ ×√
1514 ' 3,1728 · · ·
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Centrage et réduction des valeurs de l’échantillon.
ExempleDans un magasin de loisirs, on a étudié le nombre de livres vendus par heured’ouverture. On a obtenu les 15 mesures suivantes (en nombre d’objets) :
6−7−9−11−13−8−9−4−12−10−16−8−14−12−10.
x = ΣxiN = 149
15 = ' 9,9333 · · ·
V =Σx2
iN − x2 = 1621
15 −(149
15
)2 ' 9,3955 · · ·
σ̂ = σ ×√
1514 ' 3,1728 · · ·
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Centrage et réduction des valeurs de l’échantillon.
ExempleDans un magasin de loisirs, on a étudié le nombre de livres vendus par heured’ouverture. On a obtenu les 15 mesures suivantes (en nombre d’objets) :
6−7−9−11−13−8−9−4−12−10−16−8−14−12−10.
x = ΣxiN = 149
15 = ' 9,9333 · · ·
V =Σx2
iN − x2 = 1621
15 −(149
15
)2 ' 9,3955 · · ·
σ̂ = σ ×√
1514 ' 3,1728 · · ·
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Centrage et réduction des valeurs de l’échantillon.
ExempleDans un magasin de loisirs, on a étudié le nombre de livres vendus par heured’ouverture. On a obtenu les 15 mesures suivantes (en nombre d’objets) :
6−7−9−11−13−8−9−4−12−10−16−8−14−12−10.
x = ΣxiN = 149
15 = ' 9,9333 · · ·
V =Σx2
iN − x2 = 1621
15 −(149
15
)2 ' 9,3955 · · ·
σ̂ = σ ×√
1514 ' 3,1728 · · ·
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Centrage et réduction des valeurs de l’échantillon.
ExempleDans un magasin de loisirs, on a étudié le nombre de livres vendus par heured’ouverture. On a obtenu les 15 mesures suivantes (en nombre d’objets) :
6−7−9−11−13−8−9−4−12−10−16−8−14−12−10.
x = ΣxiN = 149
15 = ' 9,9333 · · ·
V =Σx2
iN − x2 = 1621
15 −(149
15
)2 ' 9,3955 · · ·
σ̂ = σ ×√
1514 ' 3,1728 · · ·
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Centrage et réduction des valeurs de l’échantillon.
ExempleDans un magasin de loisirs, on a étudié le nombre de livres vendus par heured’ouverture. On a obtenu les 15 mesures suivantes (en nombre d’objets) :
6−7−9−11−13−8−9−4−12−10−16−8−14−12−10.
x = ΣxiN = 149
15 = ' 9,9333 · · ·
V =Σx2
iN − x2 = 1621
15 −(149
15
)2 ' 9,3955 · · ·
σ̂ = σ ×√
1514 ' 3,1728 · · ·
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Centrage et réduction des valeurs de l’échantillon.
ExempleDans un magasin de loisirs, on a étudié le nombre de livres vendus par heured’ouverture. On a obtenu les 15 mesures suivantes (en nombre d’objets) :
6−7−9−11−13−8−9−4−12−10−16−8−14−12−10.
x = ΣxiN = 149
15 = ' 9,9333 · · ·
V =Σx2
iN − x2 = 1621
15 −(149
15
)2 ' 9,3955 · · ·
σ̂ = σ ×√
1514 ' 3,1728 · · ·
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Centrage et réduction des valeurs de l’échantillon.
ExempleDans un magasin de loisirs, on a étudié le nombre de livres vendus par heured’ouverture. On a obtenu les 15 mesures suivantes (en nombre d’objets) :
6−7−9−11−13−8−9−4−12−10−16−8−14−12−10.
x = ΣxiN = 149
15 = ' 9,9333 · · ·
V =Σx2
iN − x2 = 1621
15 −(149
15
)2 ' 9,3955 · · ·
σ =√
V ' 3,0652 · · · σ̂ = σ ×√
1514 ' 3,1728 · · ·
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Centrage et réduction des valeurs de l’échantillon.
ExempleDans un magasin de loisirs, on a étudié le nombre de livres vendus par heured’ouverture. On a obtenu les 15 mesures suivantes (en nombre d’objets) :
6−7−9−11−13−8−9−4−12−10−16−8−14−12−10.
x = ΣxiN = 149
15 = ' 9,9333 · · ·
V =Σx2
iN − x2 = 1621
15 −(149
15
)2 ' 9,3955 · · ·
σ =√
V ' 3,0652 · · · σ̂ = σ ×√
1514 ' 3,1728 · · ·
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Centrage et réduction des valeurs de l’échantillon.
ExempleDans un magasin de loisirs, on a étudié le nombre de livres vendus par heured’ouverture. On a obtenu les 15 mesures suivantes (en nombre d’objets) :
6−7−9−11−13−8−9−4−12−10−16−8−14−12−10.
x = ΣxiN = 149
15 = ' 9,9333 · · ·
V =Σx2
iN − x2 = 1621
15 −(149
15
)2 ' 9,3955 · · ·
σ =√
V ' 3,0652 · · · σ̂ = σ ×√
1514 ' 3,1728 · · ·
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Centrage et réduction des valeurs de l’échantillon.
ExempleDans un magasin de loisirs, on a étudié le nombre de livres vendus par heured’ouverture. On a obtenu les 15 mesures suivantes (en nombre d’objets) :
6−7−9−11−13−8−9−4−12−10−16−8−14−12−10.
x = ΣxiN = 149
15 = ' 9,9333 · · ·
V =Σx2
iN − x2 = 1621
15 −(149
15
)2 ' 9,3955 · · ·
σ =√
V ' 3,0652 · · · σ̂ = σ ×√
1514 ' 3,1728 · · ·
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Centrage et réduction des valeurs de l’échantillon.
ExempleDans un magasin de loisirs, on a étudié le nombre de livres vendus par heured’ouverture. On a obtenu les 15 mesures suivantes (en nombre d’objets) :
6−7−9−11−13−8−9−4−12−10−16−8−14−12−10.
x = ΣxiN = 149
15 = ' 9,9333 · · ·
V =Σx2
iN − x2 = 1621
15 −(149
15
)2 ' 9,3955 · · ·
σ =√
V ' 3,0652 · · · σ̂ = σ ×√
1514 ' 3,1728 · · ·
xi 4 6 7 8 9 10 11 12 13 14 16x?i −1,870 −1,240 −0,925 −0,609 −0,294 0,021 0,336 0,651 0,967 1,282 1,912
Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Centrage et réduction des valeurs de l’échantillon.
ExempleDans un magasin de loisirs, on a étudié le nombre de livres vendus par heured’ouverture. On a obtenu les 15 mesures suivantes (en nombre d’objets) :
6−7−9−11−13−8−9−4−12−10−16−8−14−12−10.
x = ΣxiN = 149
15 = ' 9,9333 · · ·
V =Σx2
iN − x2 = 1621
15 −(149
15
)2 ' 9,3955 · · ·
σ =√
V ' 3,0652 · · · σ̂ = σ ×√
1514 ' 3,1728 · · ·
xi 4 6 7 8 9 10 11 12 13 14 16x?i −1,870 −1,240 −0,925 −0,609 −0,294 0,021 0,336 0,651 0,967 1,282 1,912
Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
x?1 = x1−x
σ̂' 4−9,9333
3,1728 '−1,870
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Centrage et réduction des valeurs de l’échantillon.
ExempleDans un magasin de loisirs, on a étudié le nombre de livres vendus par heured’ouverture. On a obtenu les 15 mesures suivantes (en nombre d’objets) :
6−7−9−11−13−8−9−4−12−10−16−8−14−12−10.
x = ΣxiN = 149
15 = ' 9,9333 · · ·
V =Σx2
iN − x2 = 1621
15 −(149
15
)2 ' 9,3955 · · ·
σ =√
V ' 3,0652 · · · σ̂ = σ ×√
1514 ' 3,1728 · · ·
xi 4 6 7 8 9 10 11 12 13 14 16x?i −1,870 −1,240 −0,925 −0,609 −0,294 0,021 0,336 0,651 0,967 1,282 1,912
Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
x?2 = x2−x
σ̂' 6−9,9333
3,1728 '−1,240
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Centrage et réduction des valeurs de l’échantillon.
ExempleDans un magasin de loisirs, on a étudié le nombre de livres vendus par heured’ouverture. On a obtenu les 15 mesures suivantes (en nombre d’objets) :
6−7−9−11−13−8−9−4−12−10−16−8−14−12−10.
x = ΣxiN = 149
15 = ' 9,9333 · · ·
V =Σx2
iN − x2 = 1621
15 −(149
15
)2 ' 9,3955 · · ·
σ =√
V ' 3,0652 · · · σ̂ = σ ×√
1514 ' 3,1728 · · ·
xi 4 6 7 8 9 10 11 12 13 14 16x?i −1,870 −1,240 −0,925 −0,609 −0,294 0,021 0,336 0,651 0,967 1,282 1,912
Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
x?3 = x3−x
σ̂' 7−9,9333
3,1728 '−0,925
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Centrage et réduction des valeurs de l’échantillon.
ExempleDans un magasin de loisirs, on a étudié le nombre de livres vendus par heured’ouverture. On a obtenu les 15 mesures suivantes (en nombre d’objets) :
6−7−9−11−13−8−9−4−12−10−16−8−14−12−10.
x = ΣxiN = 149
15 = ' 9,9333 · · ·
V =Σx2
iN − x2 = 1621
15 −(149
15
)2 ' 9,3955 · · ·
σ =√
V ' 3,0652 · · · σ̂ = σ ×√
1514 ' 3,1728 · · ·
xi 4 6 7 8 9 10 11 12 13 14 16x?i −1,870 −1,240 −0,925 −0,609 −0,294 0,021 0,336 0,651 0,967 1,282 1,912
Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
x?4 = x4−x
σ̂' 8−9,9333
3,1728 '−0,609
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Centrage et réduction des valeurs de l’échantillon.
ExempleDans un magasin de loisirs, on a étudié le nombre de livres vendus par heured’ouverture. On a obtenu les 15 mesures suivantes (en nombre d’objets) :
6−7−9−11−13−8−9−4−12−10−16−8−14−12−10.
x = ΣxiN = 149
15 = ' 9,9333 · · ·
V =Σx2
iN − x2 = 1621
15 −(149
15
)2 ' 9,3955 · · ·
σ =√
V ' 3,0652 · · · σ̂ = σ ×√
1514 ' 3,1728 · · ·
xi 4 6 7 8 9 10 11 12 13 14 16x?i −1,870 −1,240 −0,925 −0,609 −0,294 0,021 0,336 0,651 0,967 1,282 1,912
Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
x?5 = x5−x
σ̂' 9−9,9333
3,1728 '−0,294
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Centrage et réduction des valeurs de l’échantillon.
ExempleDans un magasin de loisirs, on a étudié le nombre de livres vendus par heured’ouverture. On a obtenu les 15 mesures suivantes (en nombre d’objets) :
6−7−9−11−13−8−9−4−12−10−16−8−14−12−10.
x = ΣxiN = 149
15 = ' 9,9333 · · ·
V =Σx2
iN − x2 = 1621
15 −(149
15
)2 ' 9,3955 · · ·
σ =√
V ' 3,0652 · · · σ̂ = σ ×√
1514 ' 3,1728 · · ·
xi 4 6 7 8 9 10 11 12 13 14 16x?i −1,870 −1,240 −0,925 −0,609 −0,294 0,021 0,336 0,651 0,967 1,282 1,912
Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
x?6 = x6−x
σ̂' 10−9,9333
3,1728 ' 0,021
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Centrage et réduction des valeurs de l’échantillon.
ExempleDans un magasin de loisirs, on a étudié le nombre de livres vendus par heured’ouverture. On a obtenu les 15 mesures suivantes (en nombre d’objets) :
6−7−9−11−13−8−9−4−12−10−16−8−14−12−10.
x = ΣxiN = 149
15 = ' 9,9333 · · ·
V =Σx2
iN − x2 = 1621
15 −(149
15
)2 ' 9,3955 · · ·
σ =√
V ' 3,0652 · · · σ̂ = σ ×√
1514 ' 3,1728 · · ·
xi 4 6 7 8 9 10 11 12 13 14 16x?i −1,870 −1,240 −0,925 −0,609 −0,294 0,021 0,336 0,651 0,967 1,282 1,912
Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
x?7 = x7−x
σ̂' 11−9,9333
3,1728 ' 0,336
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Centrage et réduction des valeurs de l’échantillon.
ExempleDans un magasin de loisirs, on a étudié le nombre de livres vendus par heured’ouverture. On a obtenu les 15 mesures suivantes (en nombre d’objets) :
6−7−9−11−13−8−9−4−12−10−16−8−14−12−10.
x = ΣxiN = 149
15 = ' 9,9333 · · ·
V =Σx2
iN − x2 = 1621
15 −(149
15
)2 ' 9,3955 · · ·
σ =√
V ' 3,0652 · · · σ̂ = σ ×√
1514 ' 3,1728 · · ·
xi 4 6 7 8 9 10 11 12 13 14 16x?i −1,870 −1,240 −0,925 −0,609 −0,294 0,021 0,336 0,651 0,967 1,282 1,912
Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
x?8 = x8−x
σ̂' 12−9,9333
3,1728 ' 0,651
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Centrage et réduction des valeurs de l’échantillon.
ExempleDans un magasin de loisirs, on a étudié le nombre de livres vendus par heured’ouverture. On a obtenu les 15 mesures suivantes (en nombre d’objets) :
6−7−9−11−13−8−9−4−12−10−16−8−14−12−10.
x = ΣxiN = 149
15 = ' 9,9333 · · ·
V =Σx2
iN − x2 = 1621
15 −(149
15
)2 ' 9,3955 · · ·
σ =√
V ' 3,0652 · · · σ̂ = σ ×√
1514 ' 3,1728 · · ·
xi 4 6 7 8 9 10 11 12 13 14 16x?i −1,870 −1,240 −0,925 −0,609 −0,294 0,021 0,336 0,651 0,967 1,282 1,912
Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
x?9 = x9−x
σ̂' 13−9,9333
3,1728 ' 0,967
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Centrage et réduction des valeurs de l’échantillon.
ExempleDans un magasin de loisirs, on a étudié le nombre de livres vendus par heured’ouverture. On a obtenu les 15 mesures suivantes (en nombre d’objets) :
6−7−9−11−13−8−9−4−12−10−16−8−14−12−10.
x = ΣxiN = 149
15 = ' 9,9333 · · ·
V =Σx2
iN − x2 = 1621
15 −(149
15
)2 ' 9,3955 · · ·
σ =√
V ' 3,0652 · · · σ̂ = σ ×√
1514 ' 3,1728 · · ·
xi 4 6 7 8 9 10 11 12 13 14 16x?i −1,870 −1,240 −0,925 −0,609 −0,294 0,021 0,336 0,651 0,967 1,282 1,912
Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
x?10 = x10−x
σ̂' 14−9,9333
3,1728 ' 1,282
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Centrage et réduction des valeurs de l’échantillon.
ExempleDans un magasin de loisirs, on a étudié le nombre de livres vendus par heured’ouverture. On a obtenu les 15 mesures suivantes (en nombre d’objets) :
6−7−9−11−13−8−9−4−12−10−16−8−14−12−10.
x = ΣxiN = 149
15 = ' 9,9333 · · ·
V =Σx2
iN − x2 = 1621
15 −(149
15
)2 ' 9,3955 · · ·
σ =√
V ' 3,0652 · · · σ̂ = σ ×√
1514 ' 3,1728 · · ·
xi 4 6 7 8 9 10 11 12 13 14 16x?i −1,870 −1,240 −0,925 −0,609 −0,294 0,021 0,336 0,651 0,967 1,282 1,912
Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
x?11 = x11−x
σ̂' 16−9,9333
3,1728 ' 1,912
xi 4 6 7 8 9 10 11 12 13 14 16x?i −1,870 −1,240 −0,925 −0,609 −0,294 0,021 0,336 0,651 0,967 1,282 1,912
Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
n = 100
n = 50
n = 30
n = 20
n = 10
n = 5
n = 100
n = 50
n = 30
n = 20
n = 10
n = 5
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
0
1
0 1 2 3−1−2−3Risque de première espèce : 5%
xi 4 6 7 8 9 10 11 12 13 14 16x?i −1,870 −1,240 −0,925 −0,609 −0,294 0,021 0,336 0,651 0,967 1,282 1,912
Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
n = 100
n = 50
n = 30
n = 20
n = 10
n = 5
n = 100
n = 50
n = 30
n = 20
n = 10
n = 5
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
0
1
0 1 2 3−1−2−3
•
Risque de première espèce : 5%
xi 4 6 7 8 9 10 11 12 13 14 16x?i −1,870 −1,240 −0,925 −0,609 −0,294 0,021 0,336 0,651 0,967 1,282 1,912
Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
n = 100
n = 50
n = 30
n = 20
n = 10
n = 5
n = 100
n = 50
n = 30
n = 20
n = 10
n = 5
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
0
1
0 1 2 3−1−2−3
•
•
Risque de première espèce : 5%
xi 4 6 7 8 9 10 11 12 13 14 16x?i −1,870 −1,240 −0,925 −0,609 −0,294 0,021 0,336 0,651 0,967 1,282 1,912
Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
n = 100
n = 50
n = 30
n = 20
n = 10
n = 5
n = 100
n = 50
n = 30
n = 20
n = 10
n = 5
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
0
1
0 1 2 3−1−2−3
•
•
•
Risque de première espèce : 5%
xi 4 6 7 8 9 10 11 12 13 14 16x?i −1,870 −1,240 −0,925 −0,609 −0,294 0,021 0,336 0,651 0,967 1,282 1,912
Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
n = 100
n = 50
n = 30
n = 20
n = 10
n = 5
n = 100
n = 50
n = 30
n = 20
n = 10
n = 5
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
0
1
0 1 2 3−1−2−3
•
•
•
•
Risque de première espèce : 5%
xi 4 6 7 8 9 10 11 12 13 14 16x?i −1,870 −1,240 −0,925 −0,609 −0,294 0,021 0,336 0,651 0,967 1,282 1,912
Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
n = 100
n = 50
n = 30
n = 20
n = 10
n = 5
n = 100
n = 50
n = 30
n = 20
n = 10
n = 5
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
0
1
0 1 2 3−1−2−3
•
•
•
•
•
Risque de première espèce : 5%
xi 4 6 7 8 9 10 11 12 13 14 16x?i −1,870 −1,240 −0,925 −0,609 −0,294 0,021 0,336 0,651 0,967 1,282 1,912
Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
n = 100
n = 50
n = 30
n = 20
n = 10
n = 5
n = 100
n = 50
n = 30
n = 20
n = 10
n = 5
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
0
1
0 1 2 3−1−2−3
•
•
•
•
•
•
Risque de première espèce : 5%
xi 4 6 7 8 9 10 11 12 13 14 16x?i −1,870 −1,240 −0,925 −0,609 −0,294 0,021 0,336 0,651 0,967 1,282 1,912
Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
n = 100
n = 50
n = 30
n = 20
n = 10
n = 5
n = 100
n = 50
n = 30
n = 20
n = 10
n = 5
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
0
1
0 1 2 3−1−2−3
•
•
•
•
•
•
•
Risque de première espèce : 5%
xi 4 6 7 8 9 10 11 12 13 14 16x?i −1,870 −1,240 −0,925 −0,609 −0,294 0,021 0,336 0,651 0,967 1,282 1,912
Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
n = 100
n = 50
n = 30
n = 20
n = 10
n = 5
n = 100
n = 50
n = 30
n = 20
n = 10
n = 5
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
0
1
0 1 2 3−1−2−3
•
•
•
•
•
•
•
•
Risque de première espèce : 5%
xi 4 6 7 8 9 10 11 12 13 14 16x?i −1,870 −1,240 −0,925 −0,609 −0,294 0,021 0,336 0,651 0,967 1,282 1,912
Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
n = 100
n = 50
n = 30
n = 20
n = 10
n = 5
n = 100
n = 50
n = 30
n = 20
n = 10
n = 5
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
0
1
0 1 2 3−1−2−3
•
•
•
•
•
•
•
•
•
Risque de première espèce : 5%
xi 4 6 7 8 9 10 11 12 13 14 16x?i −1,870 −1,240 −0,925 −0,609 −0,294 0,021 0,336 0,651 0,967 1,282 1,912
Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
n = 100
n = 50
n = 30
n = 20
n = 10
n = 5
n = 100
n = 50
n = 30
n = 20
n = 10
n = 5
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
0
1
0 1 2 3−1−2−3
•
•
•
•
•
•
•
•
•
•
Risque de première espèce : 5%
xi 4 6 7 8 9 10 11 12 13 14 16x?i −1,870 −1,240 −0,925 −0,609 −0,294 0,021 0,336 0,651 0,967 1,282 1,912
Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
n = 100
n = 50
n = 30
n = 20
n = 10
n = 5
n = 100
n = 50
n = 30
n = 20
n = 10
n = 5
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
0
1
0 1 2 3−1−2−3
•
•
•
•
•
•
•
•
•
•
•
Risque de première espèce : 5%
xi 4 6 7 8 9 10 11 12 13 14 16x?i −1,870 −1,240 −0,925 −0,609 −0,294 0,021 0,336 0,651 0,967 1,282 1,912
Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
n = 100
n = 50
n = 30
n = 20
n = 10
n = 5
n = 100
n = 50
n = 30
n = 20
n = 10
n = 5
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
0
1
0 1 2 3−1−2−3
•
•
•
•
•
•
•
•
•
•
•
Risque de première espèce : 5%
xi 4 6 7 8 9 10 11 12 13 14 16x?i −1,870 −1,240 −0,925 −0,609 −0,294 0,021 0,336 0,651 0,967 1,282 1,912
Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
n = 100
n = 50
n = 30
n = 20
n = 10
n = 5
n = 100
n = 50
n = 30
n = 20
n = 10
n = 5
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
0
1
0 1 2 3−1−2−3
•
•
•
•
•
•
•
•
•
•
•
Risque de première espèce : 5%
xi 4 6 7 8 9 10 11 12 13 14 16x?i −1,870 −1,240 −0,925 −0,609 −0,294 0,021 0,336 0,651 0,967 1,282 1,912
Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
n = 100
n = 50
n = 30
n = 20
n = 10
n = 5
n = 100
n = 50
n = 30
n = 20
n = 10
n = 5
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
0
1
0 1 2 3−1−2−3
•
•
•
•
•
•
•
•
•
•
•
Risque de première espèce : 5%
xi 4 6 7 8 9 10 11 12 13 14 16x?i −1,870 −1,240 −0,925 −0,609 −0,294 0,021 0,336 0,651 0,967 1,282 1,912
Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
n = 100
n = 50
n = 30
n = 20
n = 10
n = 5
n = 100
n = 50
n = 30
n = 20
n = 10
n = 5
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
0
1
0 1 2 3−1−2−3
•
•
•
•
•
•
•
•
•
•
•
Risque de première espèce : 5%
xi 4 6 7 8 9 10 11 12 13 14 16x?i −1,870 −1,240 −0,925 −0,609 −0,294 0,021 0,336 0,651 0,967 1,282 1,912
Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
n = 100
n = 50
n = 30
n = 20
n = 10
n = 5
n = 100
n = 50
n = 30
n = 20
n = 10
n = 5
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
0
1
0 1 2 3−1−2−3
•
•
•
•
•
•
•
•
•
•
•
Risque de première espèce : 5%
xi 4 6 7 8 9 10 11 12 13 14 16x?i −1,870 −1,240 −0,925 −0,609 −0,294 0,021 0,336 0,651 0,967 1,282 1,912
Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
n = 100
n = 50
n = 30
n = 20
n = 10
n = 5
n = 100
n = 50
n = 30
n = 20
n = 10
n = 5
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
0
1
0 1 2 3−1−2−3
•
•
•
•
•
•
•
•
•
•
•
Risque de première espèce : 5%
xi 4 6 7 8 9 10 11 12 13 14 16x?i −1,870 −1,240 −0,925 −0,609 −0,294 0,021 0,336 0,651 0,967 1,282 1,912
Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
n = 100
n = 50
n = 30
n = 20
n = 10
n = 5
n = 100
n = 50
n = 30
n = 20
n = 10
n = 5
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
0
1
0 1 2 3−1−2−3
•
•
•
•
•
•
•
•
•
•
•
Risque de première espèce : 5%
xi 4 6 7 8 9 10 11 12 13 14 16x?i −1,870 −1,240 −0,925 −0,609 −0,294 0,021 0,336 0,651 0,967 1,282 1,912
Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
n = 100
n = 50
n = 30
n = 20
n = 10
n = 5
n = 100
n = 50
n = 30
n = 20
n = 10
n = 5
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
0
1
0 1 2 3−1−2−3
•
•
•
•
•
•
•
•
•
•
•
Risque de première espèce : 5%
xi 4 6 7 8 9 10 11 12 13 14 16x?i −1,870 −1,240 −0,925 −0,609 −0,294 0,021 0,336 0,651 0,967 1,282 1,912
Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
n = 100
n = 50
n = 30
n = 20
n = 10
n = 5
n = 100
n = 50
n = 30
n = 20
n = 10
n = 5
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
0
1
0 1 2 3−1−2−3
•
•
•
•
•
•
•
•
•
•
•
Risque de première espèce : 5%
xi 4 6 7 8 9 10 11 12 13 14 16x?i −1,870 −1,240 −0,925 −0,609 −0,294 0,021 0,336 0,651 0,967 1,282 1,912
Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
n = 100
n = 50
n = 30
n = 20
n = 10
n = 5
n = 100
n = 50
n = 30
n = 20
n = 10
n = 5
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
0
1
0 1 2 3−1−2−3
•
•
•
•
•
•
•
•
•
•
•
Risque de première espèce : 5%
xi 4 6 7 8 9 10 11 12 13 14 16x?i −1,870 −1,240 −0,925 −0,609 −0,294 0,021 0,336 0,651 0,967 1,282 1,912
Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
n = 100
n = 50
n = 30
n = 20
n = 10
n = 5
n = 100
n = 50
n = 30
n = 20
n = 10
n = 5
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
0
1
0 1 2 3−1−2−3
•
•
•
•
•
•
•
•
•
•
•
Risque de première espèce : 5%
xi 4 6 7 8 9 10 11 12 13 14 16x?i −1,870 −1,240 −0,925 −0,609 −0,294 0,021 0,336 0,651 0,967 1,282 1,912
Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
n = 100
n = 50
n = 30
n = 20
n = 10
n = 5
n = 100
n = 50
n = 30
n = 20
n = 10
n = 5
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
0
1
0 1 2 3−1−2−3
•
•
•
•
•
•
•
•
•
•
•
Risque de première espèce : 5%
xi 4 6 7 8 9 10 11 12 13 14 16x?i −1,870 −1,240 −0,925 −0,609 −0,294 0,021 0,336 0,651 0,967 1,282 1,912
Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
n = 100
n = 50
n = 30
n = 20
n = 10
n = 5
n = 100
n = 50
n = 30
n = 20
n = 10
n = 5
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
0
1
0 1 2 3−1−2−3
•
•
•
•
•
•
•
•
•
•
•
Risque de première espèce : 5%
xi 4 6 7 8 9 10 11 12 13 14 16x?i −1,870 −1,240 −0,925 −0,609 −0,294 0,021 0,336 0,651 0,967 1,282 1,912
Fi 1/15 2/15 3/15 5/15 7/15 9/15 10/15 12/15 13/15 14/15 15/15' 0,067 ' 0,133 = 0,2 ' 0,333 ' 0,467 = 0,6 ' 0,667 = 0,8 ' 0,867 ' 0,933 = 1
n = 100
n = 50
n = 30
n = 20
n = 10
n = 5
n = 15
n = 100
n = 50
n = 30
n = 20
n = 10
n = 5
n = 15
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
0
1
0 1 2 3−1−2−3
•
•
•
•
•
•
•
•
•
•
•
Risque de première espèce : 5%
La fonction de répartition de l’échantillon de taille n = 15 ne sort pas des courbes n = 15.
On accepte la normalité de la population.
n = 100
n = 50
n = 30
n = 20
n = 10
n = 5
n = 15
n = 100
n = 50
n = 30
n = 20
n = 10
n = 5
n = 15
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
0
1
0 1 2 3−1−2−3
•
•
•
•
•
•
•
•
•
•
•
Risque de première espèce : 5%
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Plan
1 L’enjeu.
2 Fonction de répartition.Définition (rappel de S2).Cas d’une loi normale.Cas d’un échantillon.Comparaison des fonctions de répartition.
3 Test de Henry.Le papier gausso-arithmétique.Exemple 1.Exemple 2.
4 Test de Lilliefors (Kolmogorov-Smirnov).Le papier de Lilliefors.Exemple 1.Exemple 2.
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Exemple 2.
ExempleDans une société de transport en commun, on a étudié le temps deparcours d’un tronçon :
Durées du trajet en minutes [5;8[ [8;11[ [11;14[ [14;20[ [20;23[
Nombres de trajets 13 17 5 0 4
x = ΣnixiΣni
= 394,539 ' 10,1154 · · ·
V =Σnix2
iΣni− x2 = 4713,75
39 −(
394,539
)2' 18,5444 · · ·
σ̂ = σ ×√
3938 ' 4,3626 · · ·
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Exemple 2.
ExempleDans une société de transport en commun, on a étudié le temps deparcours d’un tronçon :
Durées du trajet en minutes [5;8[ [8;11[ [11;14[ [14;20[ [20;23[
Nombres de trajets 13 17 5 0 4
x = ΣnixiΣni
= 394,539 = ' 10,1154 · · ·
V =Σnix2
iΣni− x2 = 4713,75
39 −(
394,539
)2' 18,5444 · · ·
σ̂ = σ ×√
3938 ' 4,3626 · · ·
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Exemple 2.
ExempleDans une société de transport en commun, on a étudié le temps deparcours d’un tronçon :
Durées du trajet en minutes [5;8[ [8;11[ [11;14[ [14;20[ [20;23[
Nombres de trajets 13 17 5 0 4
x = ΣnixiΣni
= 394,539 = ' 10,1154 · · ·
V =Σnix2
iΣni− x2 = 4713,75
39 −(
394,539
)2' 18,5444 · · ·
σ̂ = σ ×√
3938 ' 4,3626 · · ·
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Exemple 2.
ExempleDans une société de transport en commun, on a étudié le temps deparcours d’un tronçon :
Durées du trajet en minutes [5;8[ [8;11[ [11;14[ [14;20[ [20;23[
Nombres de trajets 13 17 5 0 4
x = ΣnixiΣni
= 394,539 = ' 10,1154 · · ·
V =Σnix2
iΣni− x2 = 4713,75
39 −(
394,539
)2' 18,5444 · · ·
σ̂ = σ ×√
3938 ' 4,3626 · · ·
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Exemple 2.
ExempleDans une société de transport en commun, on a étudié le temps deparcours d’un tronçon :
Durées du trajet en minutes [5;8[ [8;11[ [11;14[ [14;20[ [20;23[
Nombres de trajets 13 17 5 0 4
x = ΣnixiΣni
= 394,539 = ' 10,1154 · · ·
V =Σnix2
iΣni− x2 = 4713,75
39 −(
394,539
)2' 18,5444 · · ·
σ̂ = σ ×√
3938 ' 4,3626 · · ·
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Exemple 2.
ExempleDans une société de transport en commun, on a étudié le temps deparcours d’un tronçon :
Durées du trajet en minutes [5;8[ [8;11[ [11;14[ [14;20[ [20;23[
Nombres de trajets 13 17 5 0 4
x = ΣnixiΣni
= 394,539 = ' 10,1154 · · ·
V =Σnix2
iΣni− x2 = 4713,75
39 −(
394,539
)2' 18,5444 · · ·
σ̂ = σ ×√
3938 ' 4,3626 · · ·
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Exemple 2.
ExempleDans une société de transport en commun, on a étudié le temps deparcours d’un tronçon :
Durées du trajet en minutes [5;8[ [8;11[ [11;14[ [14;20[ [20;23[
Nombres de trajets 13 17 5 0 4
x = ΣnixiΣni
= 394,539 = ' 10,1154 · · ·
V =Σnix2
iΣni− x2 = 4713,75
39 −(
394,539
)2' 18,5444 · · ·
σ̂ = σ ×√
3938 ' 4,3626 · · ·
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Exemple 2.
ExempleDans une société de transport en commun, on a étudié le temps deparcours d’un tronçon :
Durées du trajet en minutes [5;8[ [8;11[ [11;14[ [14;20[ [20;23[
Nombres de trajets 13 17 5 0 4
x = ΣnixiΣni
= 394,539 = ' 10,1154 · · ·
V =Σnix2
iΣni− x2 = 4713,75
39 −(
394,539
)2' 18,5444 · · ·
σ =√
V ' 4,3063 · · · σ̂ = σ ×√
3938 ' 4,3626 · · ·
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Exemple 2.
ExempleDans une société de transport en commun, on a étudié le temps deparcours d’un tronçon :
Durées du trajet en minutes [5;8[ [8;11[ [11;14[ [14;20[ [20;23[
Nombres de trajets 13 17 5 0 4
x = ΣnixiΣni
= 394,539 = ' 10,1154 · · ·
V =Σnix2
iΣni− x2 = 4713,75
39 −(
394,539
)2' 18,5444 · · ·
σ =√
V ' 4,3063 · · · σ̂ = σ ×√
3938 ' 4,3626 · · ·
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Exemple 2.
ExempleDans une société de transport en commun, on a étudié le temps deparcours d’un tronçon :
Durées du trajet en minutes [5;8[ [8;11[ [11;14[ [14;20[ [20;23[
Nombres de trajets 13 17 5 0 4
x = ΣnixiΣni
= 394,539 = ' 10,1154 · · ·
V =Σnix2
iΣni− x2 = 4713,75
39 −(
394,539
)2' 18,5444 · · ·
σ =√
V ' 4,3063 · · · σ̂ = σ ×√
3938 ' 4,3626 · · ·
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Exemple 2.
ExempleDans une société de transport en commun, on a étudié le temps deparcours d’un tronçon :
Durées du trajet en minutes [5;8[ [8;11[ [11;14[ [14;20[ [20;23[
Nombres de trajets 13 17 5 0 4
x = ΣnixiΣni
= 394,539 = ' 10,1154 · · ·
V =Σnix2
iΣni− x2 = 4713,75
39 −(
394,539
)2' 18,5444 · · ·
σ =√
V ' 4,3063 · · · σ̂ = σ ×√
3938 ' 4,3626 · · ·
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Exemple 2.
ExempleDans une société de transport en commun, on a étudié le temps deparcours d’un tronçon :
Durées du trajet en minutes [5;8[ [8;11[ [11;14[ [14;20[ [20;23[
Nombres de trajets 13 17 5 0 4
x = ΣnixiΣni
= 394,539 = ' 10,1154 · · ·
V =Σnix2
iΣni− x2 = 4713,75
39 −(
394,539
)2' 18,5444 · · ·
σ =√
V ' 4,3063 · · · σ̂ = σ ×√
3938 ' 4,3626 · · ·
xi 5 8 11 14 20 23x?i −1,173 −0,485 0,203 0,890 2,266 2,953
Fi 0/39 13/39 30/39 35/39 35/39 39/39= 0 ' 0,333 ' 0,769 ' 0,897 ' 0,897 = 1
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Exemple 2.
ExempleDans une société de transport en commun, on a étudié le temps deparcours d’un tronçon :
Durées du trajet en minutes [5;8[ [8;11[ [11;14[ [14;20[ [20;23[
Nombres de trajets 13 17 5 0 4
x = ΣnixiΣni
= 394,539 = ' 10,1154 · · ·
V =Σnix2
iΣni− x2 = 4713,75
39 −(
394,539
)2' 18,5444 · · ·
σ =√
V ' 4,3063 · · · σ̂ = σ ×√
3938 ' 4,3626 · · ·
xi 5 8 11 14 20 23x?i −1,173 −0,485 0,203 0,890 2,266 2,953
Fi 0/39 13/39 30/39 35/39 35/39 39/39= 0 ' 0,333 ' 0,769 ' 0,897 ' 0,897 = 1
x?1 = x1−x
σ̂' 5−10,1154
4,3626 '−1,173
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Exemple 2.
ExempleDans une société de transport en commun, on a étudié le temps deparcours d’un tronçon :
Durées du trajet en minutes [5;8[ [8;11[ [11;14[ [14;20[ [20;23[
Nombres de trajets 13 17 5 0 4
x = ΣnixiΣni
= 394,539 = ' 10,1154 · · ·
V =Σnix2
iΣni− x2 = 4713,75
39 −(
394,539
)2' 18,5444 · · ·
σ =√
V ' 4,3063 · · · σ̂ = σ ×√
3938 ' 4,3626 · · ·
xi 5 8 11 14 20 23x?i −1,173 −0,485 0,203 0,890 2,266 2,953
Fi 0/39 13/39 30/39 35/39 35/39 39/39= 0 ' 0,333 ' 0,769 ' 0,897 ' 0,897 = 1
x?2 = x2−x
σ̂' 8−10,1154
4,3626 '−0,485
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Exemple 2.
ExempleDans une société de transport en commun, on a étudié le temps deparcours d’un tronçon :
Durées du trajet en minutes [5;8[ [8;11[ [11;14[ [14;20[ [20;23[
Nombres de trajets 13 17 5 0 4
x = ΣnixiΣni
= 394,539 = ' 10,1154 · · ·
V =Σnix2
iΣni− x2 = 4713,75
39 −(
394,539
)2' 18,5444 · · ·
σ =√
V ' 4,3063 · · · σ̂ = σ ×√
3938 ' 4,3626 · · ·
xi 5 8 11 14 20 23x?i −1,173 −0,485 0,203 0,890 2,266 2,953
Fi 0/39 13/39 30/39 35/39 35/39 39/39= 0 ' 0,333 ' 0,769 ' 0,897 ' 0,897 = 1
x?3 = x3−x
σ̂' 11−10,1154
4,3626 ' 0,203
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Exemple 2.
ExempleDans une société de transport en commun, on a étudié le temps deparcours d’un tronçon :
Durées du trajet en minutes [5;8[ [8;11[ [11;14[ [14;20[ [20;23[
Nombres de trajets 13 17 5 0 4
x = ΣnixiΣni
= 394,539 = ' 10,1154 · · ·
V =Σnix2
iΣni− x2 = 4713,75
39 −(
394,539
)2' 18,5444 · · ·
σ =√
V ' 4,3063 · · · σ̂ = σ ×√
3938 ' 4,3626 · · ·
xi 5 8 11 14 20 23x?i −1,173 −0,485 0,203 0,890 2,266 2,953
Fi 0/39 13/39 30/39 35/39 35/39 39/39= 0 ' 0,333 ' 0,769 ' 0,897 ' 0,897 = 1
x?4 = x4−x
σ̂' 14−10,1154
4,3626 ' 0,890
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Exemple 2.
ExempleDans une société de transport en commun, on a étudié le temps deparcours d’un tronçon :
Durées du trajet en minutes [5;8[ [8;11[ [11;14[ [14;20[ [20;23[
Nombres de trajets 13 17 5 0 4
x = ΣnixiΣni
= 394,539 = ' 10,1154 · · ·
V =Σnix2
iΣni− x2 = 4713,75
39 −(
394,539
)2' 18,5444 · · ·
σ =√
V ' 4,3063 · · · σ̂ = σ ×√
3938 ' 4,3626 · · ·
xi 5 8 11 14 20 23x?i −1,173 −0,485 0,203 0,890 2,266 2,953
Fi 0/39 13/39 30/39 35/39 35/39 39/39= 0 ' 0,333 ' 0,769 ' 0,897 ' 0,897 = 1
x?5 = x5−x
σ̂' 20−10,1154
4,3626 ' 2,266
L’enjeu. Fonction de répartition. Test de Henry. Test de Lilliefors (Kolmogorov-Smirnov).
Exemple 2.
ExempleDans une société de transport en commun, on a étudié le temps deparcours d’un tronçon :
Durées du trajet en minutes [5;8[ [8;11[ [11;14[ [14;20[ [20;23[
Nombres de trajets 13 17 5 0 4
x = ΣnixiΣni
= 394,539 = ' 10,1154 · · ·
V =Σnix2
iΣni− x2 = 4713,75
39 −(
394,539
)2' 18,5444 · · ·
σ =√
V ' 4,3063 · · · σ̂ = σ ×√
3938 ' 4,3626 · · ·
xi 5 8 11 14 20 23x?i −1,173 −0,485 0,203 0,890 2,266 2,953
Fi 0/39 13/39 30/39 35/39 35/39 39/39= 0 ' 0,333 ' 0,769 ' 0,897 ' 0,897 = 1
x?6 = x6−x
σ̂' 23−10,1154
4,3626 ' 2,953
xi 5 8 11 14 20 23x?i −1,173 −0,485 0,203 0,890 2,266 2,953
Fi 0/39 13/39 30/39 35/39 35/39 39/39= 0 ' 0,333 ' 0,769 ' 0,897 ' 0,897 = 1
n = 100
n = 50
n = 30
n = 20
n = 10
n = 5
n = 100
n = 50
n = 30
n = 20
n = 10
n = 5
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
0
1
0 1 2 3−1−2−3Risque de première espèce : 5%
xi 5 8 11 14 20 23x?i −1,173 −0,485 0,203 0,890 2,266 2,953
Fi 0/39 13/39 30/39 35/39 35/39 39/39= 0 ' 0,333 ' 0,769 ' 0,897 ' 0,897 = 1
n = 100
n = 50
n = 30
n = 20
n = 10
n = 5
n = 100
n = 50
n = 30
n = 20
n = 10
n = 5
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
0
1
0 1 2 3−1−2−3•
Risque de première espèce : 5%
xi 5 8 11 14 20 23x?i −1,173 −0,485 0,203 0,890 2,266 2,953
Fi 0/39 13/39 30/39 35/39 35/39 39/39= 0 ' 0,333 ' 0,769 ' 0,897 ' 0,897 = 1
n = 100
n = 50
n = 30
n = 20
n = 10
n = 5
n = 100
n = 50
n = 30
n = 20
n = 10
n = 5
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
0
1
0 1 2 3−1−2−3•
•
Risque de première espèce : 5%
xi 5 8 11 14 20 23x?i −1,173 −0,485 0,203 0,890 2,266 2,953
Fi 0/39 13/39 30/39 35/39 35/39 39/39= 0 ' 0,333 ' 0,769 ' 0,897 ' 0,897 = 1
n = 100
n = 50
n = 30
n = 20
n = 10
n = 5
n = 100
n = 50
n = 30
n = 20
n = 10
n = 5
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
0
1
0 1 2 3−1−2−3•
•
•
Risque de première espèce : 5%
xi 5 8 11 14 20 23x?i −1,173 −0,485 0,203 0,890 2,266 2,953
Fi 0/39 13/39 30/39 35/39 35/39 39/39= 0 ' 0,333 ' 0,769 ' 0,897 ' 0,897 = 1
n = 100
n = 50
n = 30
n = 20
n = 10
n = 5
n = 100
n = 50
n = 30
n = 20
n = 10
n = 5
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
0
1
0 1 2 3−1−2−3•
•
•
•
Risque de première espèce : 5%
xi 5 8 11 14 20 23x?i −1,173 −0,485 0,203 0,890 2,266 2,953
Fi 0/39 13/39 30/39 35/39 35/39 39/39= 0 ' 0,333 ' 0,769 ' 0,897 ' 0,897 = 1
n = 100
n = 50
n = 30
n = 20
n = 10
n = 5
n = 100
n = 50
n = 30
n = 20
n = 10
n = 5
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
0
1
0 1 2 3−1−2−3•
•
•
• •
Risque de première espèce : 5%
xi 5 8 11 14 20 23x?i −1,173 −0,485 0,203 0,890 2,266 2,953
Fi 0/39 13/39 30/39 35/39 35/39 39/39= 0 ' 0,333 ' 0,769 ' 0,897 ' 0,897 = 1
n = 100
n = 50
n = 30
n = 20
n = 10
n = 5
n = 100
n = 50
n = 30
n = 20
n = 10
n = 5
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
0
1
0 1 2 3−1−2−3•
•
•
• •
•
Risque de première espèce : 5%
xi 5 8 11 14 20 23x?i −1,173 −0,485 0,203 0,890 2,266 2,953
Fi 0/39 13/39 30/39 35/39 35/39 39/39= 0 ' 0,333 ' 0,769 ' 0,897 ' 0,897 = 1
n = 100
n = 50
n = 30
n = 20
n = 10
n = 5
n = 100
n = 50
n = 30
n = 20
n = 10
n = 5
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
0
1
0 1 2 3−1−2−3•
•
•
• •
•
Risque de première espèce : 5%
xi 5 8 11 14 20 23x?i −1,173 −0,485 0,203 0,890 2,266 2,953
Fi 0/39 13/39 30/39 35/39 35/39 39/39= 0 ' 0,333 ' 0,769 ' 0,897 ' 0,897 = 1
n = 100
n = 50
n = 30
n = 20
n = 10
n = 5
n = 100
n = 50
n = 30
n = 20
n = 10
n = 5
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
0
1
0 1 2 3−1−2−3•
•
•
• •
•
Risque de première espèce : 5%
xi 5 8 11 14 20 23x?i −1,173 −0,485 0,203 0,890 2,266 2,953
Fi 0/39 13/39 30/39 35/39 35/39 39/39= 0 ' 0,333 ' 0,769 ' 0,897 ' 0,897 = 1
n = 100
n = 50
n = 30
n = 20
n = 10
n = 5
n = 100
n = 50
n = 30
n = 20
n = 10
n = 5
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
0
1
0 1 2 3−1−2−3•
•
•
• •
•
Risque de première espèce : 5%
xi 5 8 11 14 20 23x?i −1,173 −0,485 0,203 0,890 2,266 2,953
Fi 0/39 13/39 30/39 35/39 35/39 39/39= 0 ' 0,333 ' 0,769 ' 0,897 ' 0,897 = 1
n = 100
n = 50
n = 30
n = 20
n = 10
n = 5
n = 100
n = 50
n = 30
n = 20
n = 10
n = 5
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
0
1
0 1 2 3−1−2−3•
•
•
• •
•
Risque de première espèce : 5%
xi 5 8 11 14 20 23x?i −1,173 −0,485 0,203 0,890 2,266 2,953
Fi 0/39 13/39 30/39 35/39 35/39 39/39= 0 ' 0,333 ' 0,769 ' 0,897 ' 0,897 = 1
n = 100
n = 50
n = 30
n = 20
n = 10
n = 5
n = 100
n = 50
n = 30
n = 20
n = 10
n = 5
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
0
1
0 1 2 3−1−2−3•
•
•
• •
•
Risque de première espèce : 5%
xi 5 8 11 14 20 23x?i −1,173 −0,485 0,203 0,890 2,266 2,953
Fi 0/39 13/39 30/39 35/39 35/39 39/39= 0 ' 0,333 ' 0,769 ' 0,897 ' 0,897 = 1
n = 100
n = 50
n = 30
n = 20
n = 10
n = 5
n = 100
n = 50
n = 30
n = 20
n = 10
n = 5
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
0
1
0 1 2 3−1−2−3•
•
•
• •
•
Risque de première espèce : 5%
xi 5 8 11 14 20 23x?i −1,173 −0,485 0,203 0,890 2,266 2,953
Fi 0/39 13/39 30/39 35/39 35/39 39/39= 0 ' 0,333 ' 0,769 ' 0,897 ' 0,897 = 1
n = 100
n = 50
n = 30
n = 20
n = 10
n = 5
n = 100
n = 50
n = 30
n = 20
n = 10
n = 5
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
0
1
0 1 2 3−1−2−3•
•
•
• •
•
Risque de première espèce : 5%
xi 5 8 11 14 20 23x?i −1,173 −0,485 0,203 0,890 2,266 2,953
Fi 0/39 13/39 30/39 35/39 35/39 39/39= 0 ' 0,333 ' 0,769 ' 0,897 ' 0,897 = 1
n = 100
n = 50
n = 30
n = 20
n = 10
n = 5
n = 100
n = 50
n = 30
n = 20
n = 10
n = 5
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
0
1
0 1 2 3−1−2−3•
•
•
• •
•
Risque de première espèce : 5%
xi 5 8 11 14 20 23x?i −1,173 −0,485 0,203 0,890 2,266 2,953
Fi 0/39 13/39 30/39 35/39 35/39 39/39= 0 ' 0,333 ' 0,769 ' 0,897 ' 0,897 = 1
n = 100
n = 50
n = 30
n = 20
n = 10
n = 5
n = 39
n = 100
n = 50
n = 30
n = 20
n = 10
n = 5
n = 39
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
0
1
0 1 2 3−1−2−3•
•
•
• •
•
Risque de première espèce : 5%
La fonction de répartition de l’échantillon de taille n = 39 sort des courbes n = 39.
On rejette la normalité de la population.
n = 100
n = 50
n = 30
n = 20
n = 10
n = 5
n = 39
n = 100
n = 50
n = 30
n = 20
n = 10
n = 5
n = 39
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
0
1
0 1 2 3−1−2−3•
•
•
• •
•
Risque de première espèce : 5%