Comparaison de moyennes et de proportions
Fiche révision PASS/LAS – Statistiques inférentielles
Moyenne vs proportion
Moyenne
- Mesure une tendance centrale quantitative
- Données continues ou discrètes
- Exemple : taille, poids, score
Proportion
- Mesure une fréquence qualitative/binaire
- Données catégorielles (oui/non)
- p = succès / effectif total
Ne pas confondre proportion (0-1) et moyenne pour données binaires
Paramètres et estimateurs
Paramètre : valeur fixe inconnue de la population (ex: μ, p)
- Estimateur : variable aléatoire calculée sur échantillon (ex:
x̄,p̂) - Notation : θ (paramètre) vs θ̂ (estimateur)
Comparaison de deux moyennes
Test de Student pour échantillons indépendants (s_p : écart-type commun)
- H0 : ==μ₁ = μ₂==
- Conditions : normalité, égalité des variances
Comparaison de deux proportions
Test du chi² si effectifs attendus ≥ 5, sinon test exact de Fisher
- 1
Calculer effectifs observés et attendus sous H0
- 2
Vérifier conditions d'application
Erreurs et interprétation
- Risque α : probabilité de rejeter H0 à tort (faux positif)
- Risque β : probabilité de ne pas rejeter H0 à tort
- Puissance = 1 - β
Si p est petit, H0 part en fumée
Cas classiques en concours
| Situation | Test adapté | Hypothèse |
|---|---|---|
| Comparaison avant/après (même groupe) | Test de Student apparié | μ_diff = 0 |
| Étude cas-témoins | Test du chi² | p_cas = p_témoins |
| 2 groupes indépendants (moyennes) | Test de Student | μ₁ = μ₂ |
| 2 groupes indépendants (proportions) | Test du chi² | p₁ = p₂ |
- Moyenne ≠ proportion : nature des données
- Paramètre (population) vs estimateur (échantillon)
- Tests : Student (moyennes), chi²/Fisher (proportions)
- p-valeur < α → rejet H0
