Probabilités et statistiques · Loi t de Student

Loi t de Student

Pour n = ν + 1 observations indépendantes d’une même population normale N(μ, σ²), la moyenne standardisée (x̄ − μ)/(s/√n) suit la loi t à ν degrés de liberté lorsque l’écart-type d’échantillon s remplace σ. Ses queues sont plus épaisses que celles de la normale centrée réduite. Elle s’en rapproche lorsque ν augmente.

Loi t de Student sur ce graphique

Si l’on tire nn valeurs indépendantes d’une même population normale N(μ,σ2)N(\mu, \sigma^2), la moyenne standardisée (xˉ−μ)/(σ/n)(\bar{x} - \mu)/(\sigma/\sqrt{n}) suit la loi normale centrée réduite. En pratique, σ\sigma est inconnu et on le remplace par l’écart-type d’échantillon ss. La quantité T=(xˉ−μ)/(s/n)T = (\bar{x} - \mu)/(s/\sqrt{n}) suit alors la loi t de Student à ν=n−1\nu = n - 1 degrés de liberté, de densité fν(t)∝(1+t2/ν)−(ν+1)/2f_\nu(t) \propto (1 + t^2/\nu)^{-(\nu+1)/2}. Elle figure en rouge sur la normale couleur d’encre, avec les queues au-delà du seuil choisi et les deux valeurs critiques à 95%.

Pourquoi les queues sont plus épaisses

L’écart-type d’échantillon varie : s’il tombe sur une faible valeur, le quotient augmente en valeur absolue. Les grandes valeurs absolues de TT sont donc plus fréquentes que sous la normale, et l’écart relatif s’accentue vers les extrémités. La densité normale décroît comme e−t2/2e^{-t^2/2}, la densité t seulement comme une puissance de tt. La valeur critique t∗t^* à 95% dépasse donc 1.96. Un intervalle de confiance ou un test qui utilise 1.96 avec ss annonce plus de confiance qu’il n’en assure.

Quand les degrés de liberté augmentent

Avec davantage de données, ss se rapproche de σ\sigma et la loi t de la normale centrée réduite. Cela se fait progressivement : t∗−z∗t^* - z^* (avec z∗≈1.96z^* \approx 1.96) diminue à peu près proportionnellement à 1/ν1/\nu. Quand ν\nu est grand, chaque doublement divise donc approximativement l’écart par deux. Aucune taille d’échantillon finie ne rend les deux lois égales. Le résultat exact suppose des observations indépendantes d’une même population normale. Sinon, il s’agit d’une approximation qui s’améliore quand la distribution de la moyenne d’échantillon se rapproche de la normale.

À observer

  • À un degré de liberté, la loi t est la loi de Cauchy, qui n’a pas d’espérance.
  • Trente n’est pas un seuil magique : à ν = 29, la valeur critique vaut encore environ 2.045.

Commandes

  • Déplacez le triangle sur l’axe pour régler le seuil. Les flèches gauche et droite le déplacent de 0.01.

Voir aussi