Biostatistique Cours 2: Intervalle de Fluctuation

Biostatistique
Cours 2
Intervalle de fluctuation
7 octobre 2021
Master 1 Santé Publique
julie.boucquemont@universite-paris-saclay.fr
Rappels
→ Pourquoi fait-on de la biostatistique ?
Biostatistique – M1 SP 2
Rappels
→ Pourquoi fait-on de la biostatistique ?
Fluctuations d’échantillonnage
Les observations varient (au hasard)
d’un échantillon à l’autre
Fluctuations d’échantillonnage
Valeur théorique
Observations
(ou vraie)
Population Echantillon
Intervalle de confiance
Valeur théorique
Observations
(ou vraie)
Population Echantillon
µ–σ–π m – s – p0
π = % vrai dans la population p0 = % observé dans l’échantillon
µ = moyenne vraie dans la population m = moyenne observée dans l’échantillon
σ = écart-type vrai dans la population s = écart-type observé dans l’échantillon
σ2 = variance vraie dans la population s2 = variance observée dans l’échantillon
• Dans une proportion fixée de cas, un nouvel échantillon issu de la
population contiendra la valeur observée du paramètre A d’intérêt
(%, moyenne, …)
Dans 95% des cas, le % de malades

dans un nouvel échantillon sera
compris entre 15% et 50%
Nombre de malades observés sur 10000 échantillons de

20 sujets tirés au sort dans une population où π=30%
• Dans une proportion fixée de cas, un nouvel échantillon issu de la
population contiendra la valeur observée du paramètre A d’intérêt
(%, moyenne, …)

[0,15;0,50] = intervalle de fluctuation

à 95% (ou au risque 5%)
• Taille d’échantillon + grande = diminution de la largeur de l’intervalle


• Taille d’échantillon + grande = diminution de la largeur de l’intervalle

[0,21;0,39] = intervalle de fluctuation

à 95% (ou au risque 5%) Nombre de malades observés sur 10000 échantillons de
Rappel échantillon 20 sujets : [0,15;0,50] 100 sujets tirés au sort dans une population où π=30%
Risque d’erreur : pourquoi 5% ?
• Pas de raisons scientifiques
• « Raisons » historiques liées aux tables de Fisher

• Chiffre rond
• 5% = risque d’erreur faible et acceptable
+ le risque d’erreur est petit, + l’intervalle de fluctuation est grand : information

dégradée
Il faut un équilibre
Calcul de l’intervalle de fluctuation
• Cas d’une loi normale centrée réduite Z
Problème : trouver a et b tels que P(a<Z<b)=95%
P(Z>1,960)=0,025 & P(Z>-1,960)=0,975
P(-1,960<Z<1,960)=0,95
[-1,96;1,96]
Intervalle de fluctuation à 95%
P(Z>zα/2)=α/2 & P(Z>- zα/2)=α/2
[-zα/2; zα/2]
à 1-α ou au risque α
• Intervalle de fluctuation à 90% ?
[-1,645;1,645]
[-2,576;2,576]
• Cas d’une loi normale quelconque : A~N(µA,σA)
• 1ère étape ?
• 1ère étape ? Se ramener à une loi normale centrée réduite
𝐴 − 𝜇𝐴
𝑍= ~𝑁(0,1)
𝜎𝐴
• [-zα/2; zα/2] est l’intervalle de fluctuation calculé à partir de Z
𝐴 − 𝜇𝐴
𝑃 −𝑧𝛼/2 < < 𝑧𝛼/2 = 1 − 𝛼
𝜎𝐴
𝐴 − 𝜇𝐴
𝑃 −𝑧𝛼/2 < < 𝑧𝛼/2 = 1 − 𝛼
𝜎𝐴
𝐴 − 𝜇𝐴
−𝑧𝛼/2 < ֞ 𝜇𝐴 − 𝑧𝛼/2 𝜎𝐴 < 𝐴
𝜎𝐴
𝐴 − 𝜇𝐴
< 𝑧𝛼/2 ֞ 𝐴 < 𝜇𝐴 + 𝑧𝛼/2 𝜎𝐴
𝜎𝐴
Donc : 𝑃 𝜇𝐴 − 𝑧𝛼/2 𝜎𝐴 < 𝐴 < 𝜇𝐴 + 𝑧𝛼/2 𝜎𝐴 = 1 − 𝛼
𝐴 − 𝜇𝐴
𝑃 −𝑧𝛼/2 < < 𝑧𝛼/2 = 1 − 𝛼
𝜎𝐴
Donc : 𝑃 𝜇𝐴 − 𝑧𝛼/2 𝜎𝐴 < 𝐴 < 𝜇𝐴 + 𝑧𝛼/2 𝜎𝐴 = 1 − 𝛼
L’intervalle de fluctuation à 1-α est :

𝜇𝐴 − 𝑧𝛼/2 𝜎𝐴 ; 𝜇𝐴 + 𝑧𝛼/2 𝜎𝐴
L’intervalle de fluctuation à 1-α est :

𝜇𝐴 − 𝑧𝛼/2 𝜎𝐴 ; 𝜇𝐴 + 𝑧𝛼/2 𝜎𝐴
𝜇𝐴 ± 𝑧𝛼/2 𝜎𝐴
• Exemples : intervalle de fluctuation d’un pourcentage, d’une

moyenne ou d’une variance
Intervalle de fluctuation d’un pourcentage
Valeur théorique
Observations
(ou vraie)
Echantillon
Population
Intervalle de fluctuation n
π
p0
𝜋(1−𝜋)
• Si n grand : 𝑃0 ~𝑁 𝜋,
𝑛
Valeur théorique
Observations
(ou vraie)
Echantillon
Population
π
p0
𝜋(1−𝜋)
• Si n grand : 𝑃0 ~𝑁 𝜋,
𝑛
𝜋(1−𝜋)
Intervalle de fluctuation = 𝜋 ± 𝑧𝛼/2 si nπ et n(1-π) ≥ 5
𝑛
Si petits échantillons : pas de solution en dehors du recours à la loi binomiale

• Exemple : % de vrais malades dans la population = 0,15
• Echantillon de n = 100 sujets
• Intervalle de fluctuation à 95% ? 0,15*100=15 et 0,85*100=85 ≥ 5
0,15∗0,85
𝐼95% = 0,15 ± 1,96 = 0,15 ± 0,07 = [0,08; 0,22]
100
• Dans 95% cas, le % observé de malades dans un nouvel échantillon de

100 sujets sera compris entre 8% et 22%

• Echantillon de n = 100 sujets (n*0,05=5 et n*0,95=95 ≥ 5)

0,05∗0,95
𝐼95% = 0,05 ± 1,960 = [0,01; 0,09]
100

0,05∗0,95
𝐼99% = 0,05 ± 2,576 = [−0,01; 0,11]
100
Intervalle de fluctuation d’une moyenne
Valeur théorique
Observations
(ou vraie)
Echantillon
Population
µ–σ
m–s
• Grands échantillons (n≥30)
• Petits échantillons
Valeur théorique
Observations
(ou vraie)
Echantillon
Population
µ–σ
m–s

M ~ loi normale de moyenne µ et de variance σ2/n
Intervalle de fluctuation = 𝜇 ± 𝑧𝛼/2 𝜎 2 /𝑛
Valeur théorique
Observations
(ou vraie)
Echantillon
Population
µ–σ
m–s

• Petits échantillons : même formule si distribution de X normale
Intervalle de fluctuation = 𝜇 ± 𝑧𝛼/2 𝜎 2 /𝑛
• Exemple → taille à la naissance : μA = 49cm et 𝜎𝐴2 = 7,8 cm2
• Intervalle de fluctuation à 95% de la moyenne des tailles de naissance
observées sur un échantillon de taille 400 ?
𝜎𝐴2 7,8
𝜇𝐴 ± 𝑧𝛼/2 = 49 ± 1,960 = 49 ± 0,27
𝑛 400
[48,73;49,27]
Dans 95% des cas, la moyenne observée des tailles dans un nouvel
échantillon de 400 nouveau-nés sera comprise entre 48,73 et
49,27 cm
𝜎𝐴2 7,8
𝜇𝐴 ± 𝑧𝛼/2 = 49 ± 1,960 = 49 ± 1,73
𝑛 10
[47,27;50,73]
Hypothèse de la distribution normale des tailles de naissance
𝜎𝐴2 7,8
𝜇𝐴 ± 𝑧𝛼/2 = 49 ± 1,960 = 49 ± 5,47
𝑛 1
[43,53;54,47]
Revient à dire que 95% des nouveau-nés auront une taille
comprise entre 43,53 et 54,47 cm
Hypothèse de la distribution normale des tailles de naissance
Intervalle de fluctuation d’une variance
Valeur théorique
Observations
(ou vraie)
Echantillon
Population
µ – σ2
m – s2
𝑛−1 2 2
• Si X ~ loi normale : 𝑠 ~χ ddl
𝜎2 𝑛−1
𝑛−1 2 2
𝜎2 𝑛−1
• [a;b] l’intervalle de fluctuation à 95%

𝑃 𝑎 < χ2𝑛−1 < 𝑏 = 0,95
𝑛−1 2
𝑃 𝑎< 2
𝑠 < 𝑏 = 0,95
𝜎
𝜎2 𝜎 2
𝑃 𝑎 < 𝑠2 < 𝑏 = 0,95
𝑛−1 𝑛−1
𝑛−1 2 2
𝜎2 𝑛−1
• Intervalle de fluctuation à 95% de s2

𝜎2 𝜎2
𝑎 ;𝑏
𝑛−1 𝑛−1
si la distribution de X est normale
Loi du Chi-2
• Z1, Z2, …, Zk k lois normales centrées réduites indépendantes
• χ2𝑘 = 𝑍12 + 𝑍22 + ⋯ + 𝑍𝑘2 ~ loi du χ2 à k degrés de liberté (ddl)
Loi du Chi-2
• Z1, Z2, …, Zk k lois normales centrées réduites indépendantes
• χ2𝑘 = 𝑍12 + 𝑍22 + ⋯ + 𝑍𝑘2 ~ loi du χ2 à k degrés de liberté (ddl)
Loi du Chi-2
𝑃 χ12 > 3,84 = 0,05
2
𝑃 χ100 > 118,5 = 0,10
Loi du Chi-2
• Nombre de ddl élevé (k ≥ 30) → approximation par une loi normale
μ = k et σ2 = 2k
Loi du Chi-2
μ = k et σ2 = 2k
• 𝑃 χ2300 > 329 = ?
2
• 𝑃 χ100 > 118,5 = ?
Loi du Chi-2
μ = k et σ2 = 2k
329−300
•𝑃 χ2300 > 329 = 𝑃 𝑍 > = P Z > 1,184 = 0,12
600
2 118,5−100
•𝑃 χ100 > 118,5 = 𝑃 𝑍 > = P Z > 1,308 = 0,095
200
𝑛−1 2 2
𝜎2 𝑛−1
• Intervalle de fluctuation à 95% de s2

𝜎2 𝜎2
𝑎 ;𝑏
𝑛−1 𝑛−1
si la distribution de X est normale
𝑛−1 2 2 𝜎2 𝜎2
𝑎 ;𝑏
𝑛−1 𝑛−1
𝜎2 𝑛−1
• Taille à la naissance σ2 = 7,8 cm2

• Echantillon de 20 nouveau-nés : n-1=19
• Intervalle de fluctuation à 95% de χ219 : [a;b] ?
𝑃(χ219 > a) = 0,975 et 𝑃(χ219 > b) = 0,025

a = 8,91 et b = 32,85
𝑛−1 2 2
𝜎2 𝑛−1
• Taille à la naissance σ2 = 7,8 cm2

• Echantillon de 20 nouveau-nés : n-1=19
• Intervalle de fluctuation à 95% pour χ219 : [8,91;32,85] ?
𝜎2 𝜎2 7,8 7,8
𝐼 𝑠2 = 𝑎 ;𝑏 = 8,91 ; 32,85 = [3,66; 13,49]
𝑛−1 𝑛−1 19 19
• Si n grand (≥ 30) → χ2𝑛−1 ~ approximativement une loi normale
μ = n-1 et σ2 = 2(n-1)
• Intervalle de fluctuation à 95% pour χ2𝑛−1 devient :
(𝑛 − 1) ± 𝑧𝛼/2 2(𝑛 − 1)
2 𝜎2 2 2 𝜎2 𝜎2
•𝑠 = χ ֜ 𝐼95% 𝑠 = (n − 1) ± 𝑧𝛼/2 2(𝑛 − 1)
𝑛−1 𝑛−1 𝑛−1 𝑛−1
• Si n grand (≥ 30) et distribution de X normale
2𝜎 4
𝐼 𝑠 2 = 𝜎 2 ± 𝑧𝛼/2
𝑛−1
/!\ Coquille page 66 du livre
• Exemple : échantillon de 101 nouveau-nés (μ=49cm, σ2=7,8cm2)
𝜎2 𝜎2
• a = 74,22 et b = 129,56 → 𝐼 𝑠2 = 𝑎 ;𝑏 = [5,79; 10,11]
𝑛−1 𝑛−1
Distribution des tailles de naissance normale

• Approximation par la loi normale
2𝜎 4
𝐼 𝑠 2 = 𝜎 2 ± 𝑧𝛼/2 = 7,8 ± 2,16 = [5,63; 9,96]
𝑛−1
Distribution des tailles de naissance normale + n ≥ 30
Résumé
Formules Conditions
𝜋(1 − 𝜋)
Pourcentage 𝜋 ± 𝑧𝛼/2 nπ et n(1-π) ≥ 5
𝑛
Moyenne 𝜇 ± 𝑧𝛼/2 𝜎 2 /𝑛 n ≥ 30 ou X = loi normale
2𝜎 4 n ≥ 30 et X = loi normale
𝜎 2 ± 𝑧𝛼/2
𝑛−1
Variance /!\ Coquille page 66 du livre
𝜎2 𝜎2
𝑎 ;𝑏 X = loi normale
𝑛−1 𝑛−1
Intervalle de fluctuation d’une différence
• 2 populations : mesure de la même variable X (X1 et X2)
D = X1-X2
Distribution X1 et X2 normales : distribution de D normale
• Moyennes et variances
• X1 : μ1 et 𝜎12
• X2 : μ2 et 𝜎22
• D : μD= μX1 – μX2 et 𝜎𝐷2 = 𝜎𝑋1
2 2
+ 𝜎𝑋2 (car X1 et X2 indépendantes)
• 2 populations : mesure de la même variable X (X1 et X2)
D = X1-X2
Distribution X1 et X2 normales : distribution de D normale
• Echantillon représentatif dans chaque population

→ différence moyenne observée = md
𝐼 𝑚𝑑 = 𝜇𝐷 ± 𝑧𝛼/2 𝜎𝐷2 = (𝜇𝑋1 − 𝜇𝑋2 ) ± 𝑧𝛼/2 𝜎𝑋21 + 𝜎𝑋22
• Intervalle de fluctuation de la différence d=m1-m2 de 2 moyennes
observées sur 2 grands échantillons indépendants (n1 et n2 ≥ 30)
𝜎12 𝜎22
𝐼 𝑑 = (𝜇1 − 𝜇2 ) ± 𝑧𝛼/2 +
𝑛1 𝑛2
• Intervalle de fluctuation de la différence d=p1-p2 de 2 %

observés sur 2 échantillons indépendants
𝑛1 𝜋1
𝜋1 (1 − 𝜋1 ) 𝜋2 (1 − 𝜋2 ) 𝑛2 𝜋2
𝐼 𝑑 = (𝜋1 − 𝜋2 ) ± 𝑧𝛼/2 + 𝑛1 (1 − 𝜋1 )ൢ ≥ 5
𝑛1 𝑛2 𝑛2 (1 − 𝜋2 )
• Cas particulier : 𝜋1 − 𝜋2 = 0
• Deux traitements avec un taux de guérison vrai = 0,60
• Intervalle de fluctuation à 95% de la différence des % de
guérison observés dans deux échantillons de 50 sujets
recevant chacun un traitement
0,6 ∗ 0,4 0,6 ∗ 0,4

𝐼 𝑑 = (0) ± 1,96 + = [−0,19; 0,19]
50 50
• Intervalle de fluctuation à 95% de la différence des % de guérison
observés dans 2 échantillons de 50 sujets recevant chacun un
traitement
𝐼 𝑑 = [−0,19; 0,19]
Même si deux traitements sont équivalents, la différence de

taux de guérison lorsqu’ils sont administrés à 2 groupes de
50 patients peut « raisonnablement » atteindre 19%
Une différence par exemple de 15% ne doit pas être
considérée comme la preuve de l’efficacité d’un des 2
traitements
Tests statistiques !

Biostatistique Cours 2: Intervalle de Fluctuation

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Biostatistique Cours 2: Intervalle de Fluctuation

Uploaded by

Copyright:

Available Formats

Biostatistique

π = % vrai dans la population p0 = % observé dans l’échantillon

µ = moyenne vraie dans la population m = moyenne observée dans l’échantillon

σ = écart-type vrai dans la population s = écart-type observé dans l’échantillon

σ2 = variance vraie dans la population s2 = variance observée dans l’échantillon

Dans 95% des cas, le % de malades

Nombre de malades observés sur 10000 échantillons de

Dans 95% des cas, le % de malades

[0,15;0,50] = intervalle de fluctuation

Dans 95% des cas, le % de malades

Nombre de malades observés sur 10000 échantillons de

Dans 95% des cas, le % de malades

[0,21;0,39] = intervalle de fluctuation

• « Raisons » historiques liées aux tables de Fisher

+ le risque d’erreur est petit, + l’intervalle de fluctuation est grand : information

Problème : trouver a et b tels que P(a<Z<b)=95%

P(Z>1,960)=0,025 & P(Z>-1,960)=0,975

P(Z>zα/2)=α/2 & P(Z>- zα/2)=α/2

• Intervalle de fluctuation à 90% ?

• Intervalle de fluctuation à 99% ?

• Intervalle de fluctuation à 90% ?

• Intervalle de fluctuation à 99% ?

• [-zα/2; zα/2] est l’intervalle de fluctuation calculé à partir de Z

Donc : 𝑃 𝜇𝐴 − 𝑧𝛼/2 𝜎𝐴 < 𝐴 < 𝜇𝐴 + 𝑧𝛼/2 𝜎𝐴 = 1 − 𝛼

Donc : 𝑃 𝜇𝐴 − 𝑧𝛼/2 𝜎𝐴 < 𝐴 < 𝜇𝐴 + 𝑧𝛼/2 𝜎𝐴 = 1 − 𝛼

L’intervalle de fluctuation à 1-α est :

L’intervalle de fluctuation à 1-α est :

• Exemples : intervalle de fluctuation d’un pourcentage, d’une

Si petits échantillons : pas de solution en dehors du recours à la loi binomiale

• Dans 95% cas, le % observé de malades dans un nouvel échantillon de

• Intervalle de fluctuation à 95% ?

• Intervalle de fluctuation à 95% ?

• Intervalle de fluctuation à 99% ?

• Grands échantillons (n≥30)

• Grands échantillons (n≥30)

Intervalle de fluctuation = 𝜇 ± 𝑧𝛼/2 𝜎 2 /𝑛

• Grands échantillons (n≥30)

Intervalle de fluctuation = 𝜇 ± 𝑧𝛼/2 𝜎 2 /𝑛

• [a;b] l’intervalle de fluctuation à 95%

• Intervalle de fluctuation à 95% de s2

𝑃 χ12 > 3,84 = 0,05

• Intervalle de fluctuation à 95% de s2

• Taille à la naissance σ2 = 7,8 cm2

𝑃(χ219 > a) = 0,975 et 𝑃(χ219 > b) = 0,025

• Taille à la naissance σ2 = 7,8 cm2

/!\ Coquille page 66 du livre

Distribution des tailles de naissance normale

Distribution des tailles de naissance normale + n ≥ 30

Moyenne 𝜇 ± 𝑧𝛼/2 𝜎 2 /𝑛 n ≥ 30 ou X = loi normale

• Echantillon représentatif dans chaque population

𝐼 𝑚𝑑 = 𝜇𝐷 ± 𝑧𝛼/2 𝜎𝐷2 = (𝜇𝑋1 − 𝜇𝑋2 ) ± 𝑧𝛼/2 𝜎𝑋21 + 𝜎𝑋22

• Intervalle de fluctuation de la différence d=p1-p2 de 2 %

0,6 ∗ 0,4 0,6 ∗ 0,4

Même si deux traitements sont équivalents, la différence de

You might also like