Les données sont collectées pour aider à la prise de décision. La statistique inférentielle permet de spécifier du mieux possible le modèle probabiliste qui a engendré ces données. Le problème de décision, étudié dans ce présent article, consiste à trancher entre deux hypothèses, au vu des observations. Les différentes questions que l’on peut se poser et qui amènent à des problèmes de tests de nature différente sont explicitées à partir d'un exemple concret.

La statistique interférentielle se divise en trois étapes principales : recueil des données, analyse pour déterminer le modèle probabiliste qui a engendré ces données, puis estimation pour éviter des erreurs d'interprétation. Cet article propose une application pratique directe de la théorie. A l’aide d’exemples numériques, il présente l’utilisation des tables statistiques relatives aux différentes lois classiques de probabilités.

La statistique consiste de façon basique à recueillir et analyser des données. De façon plus approfondie, le recueil des données est basé sur l'échantillonnage, qui consiste à fabriquer un échantillon représentatif d'une population. Puis la modélisation utilise  la statistique inférentielle pour spécifier, à partir de l’échantillon observé, le modèle probabiliste qui a engendré les données. Enfin l'estimation repose sur des méthodes statistiques, justifiées de façon mathématique pour éviter un certain nombre d’erreurs d’interprétation des résultats, fréquentes dans la pratique.