L’analyse statistique est aujourd’hui utilisée dans des domaines scientifiques aussi variés que les mathématiques appliquées, la physique, la chimie, l’économie et bien d’autres. L’article initie le lecteur aux tests statistiques adaptés à des variables aléatoires établies suivant les lois de probabilités les plus familières. Il est bien évident que le sujet pourra être avantageusement approfondi par la consultation des articles [AF 168] et [AF 170] des Techniques de l’Ingénieur ou de la littérature spécialisée dont on trouvera certains ouvrages signalés en fin de texte [Doc. R 221].
L’exposé est présentement structuré en trois paragraphes abordant trois familles de problèmes successivement consacrés aux estimations de moyennes, aux tests statistiques proprement dits, puis à la simulation d’expériences où interviennent des variables aléatoires artificielles.
Le premier paragraphe s’efforce de mettre en relief l’impact de l’incertitude rencontrée lors du calcul de la valeur moyenne ou de la variance de N variables. Nous verrons sur la base de démonstrations agrémentées d’exemples que l’incertitude peut être estimée moyennant l’usage de la loi des grands nombres coordonnée par l’inégalité de Bienaymé Tchebetchev. On observera également la tendance naturelle des estimateurs à évoluer vers la loi de probabilité normale.
Le second paragraphe oriente l’exposé sur la confrontation de populations de variables aléatoires à des lois de probabilité connues. Le problème consiste à rechercher des critères permettant de mesurer l’écart situé entre un histogramme des densités, ou répartitions, de probabilités avec une loi théorique extraite du catalogue. Les critères en questions seront établis sur le calcul de jauges statistiques dont la transformation permettra de décider du rejet ou de l’acceptation de la loi de probabilité candidate. Cette partie importante sera illustrée par la mise en place du test statistique du χ2 et du test de Kolmogorov Smirnov. Dans le déroulement du second paragraphe seront également évoquées les variables aléatoires exprimées par des nombres complexes. Sous l’hypothèse que la composante réelle et la composante imaginaire de ces variables évoluent suivant la loi de probabilité normale, il sera montré qu’elles peuvent générer les lois de probabilités exponentielles, de Rayleigh ou de Weibull.
Le troisième paragraphe aborde la simulation de systèmes physiques par la génération de variables aléatoires produites par tirages de Monte Carlo. À ce moment, on procédera à un bref examen des méthodes de congruence arithmétique entrant dans l’architecture d’algorithmes générateur de suites numériques aléatoires. L’analyse se poursuivra par l’élaboration d’exemples reproduisant des calculs numériques d’intégrales, des simulations de variables aléatoires déversées suivant les lois de probabilités exponentielles et de Poisson et pour conclure, la simulation de signaux générés par des phénomènes balistiques aléatoires. La pratique des tirages de Monte Carlo pourra être avantageusement complétée par la consultation de l’article [AF 600] entièrement dédié au sujet. D’autre part, le présent article constitue la continuité naturelle des articles [R 210V2] et [R 220] respectivement consacrés aux processus aléatoires et aux fonctions aléatoires, leur consultation préalable est évidemment recommandée.
