A NNALES DE L ’I. H. P., SECTION B
F. L AURANT M. O HEIX J.-P. R AOULT
Introduction à la statistique mathématique.
V. Tests d’hypothèses
Annales de l’I. H. P., section B, tome 5, n
o4 (1969), p. 385-414
<http://www.numdam.org/item?id=AIHPB_1969__5_4_385_0>
© Gauthier-Villars, 1969, tous droits réservés.
L’accès aux archives de la revue « Annales de l’I. H. P., section B » (http://www.elsevier.com/locate/anihpb) implique l’accord avec les condi- tions générales d’utilisation (http://www.numdam.org/conditions). Toute uti- lisation commerciale ou impression systématique est constitutive d’une infraction pénale. Toute copie ou impression de ce fichier doit conte- nir la présente mention de copyright.
Article numérisé dans le cadre du programme Numérisation de documents anciens mathématiques
http://www.numdam.org/
Introduction
à lastatistique mathématique.
V. Tests d’hypothèses
F. LAURANT
Maître Assistant de la Faculté des Sciences de Paris
M. OHEIX
Attaché de Recherches au C. N. R. S.
J.-P. RAOULT
Maître de Conférences à la Faculté des Sciences de Rouen.
Vol. V, n° 4, 1969, p. 385-414. Calcul des Probabilités et Statistique.
VI
GÉNÉRALITÉS
A. Introduction.
Les tests
d’hypothèses
sont desproblèmes statistiques particuliers
oul’espace
des décisions est un espace à 2 élémentsdo
etdl.
Ils sont donc déterminés par :
- un espace mesurable
(X, gr)
espace desobservations,
- un espace mesurable
(8, Jf)
espace desparamètres,
- une famille de
probabilités
définie sur(X, ~),
- un espace mesurable
(D, ~)
espace des décisions où D= ~ d o,
- une
application h,
définie sur8,
à valeurs dans D.386 F. LAURANT, M. OHEIX ET J.-P. RAOULT
. En
général,
nousreprésentons
unproblème
de décisionstatistique
par
. Ici D
= { do,
donc h induit unepartition
de e en 2 sous-ensembles. On suppose en outre que
Oo
Un test sera
représenté
par :[X, 80, Oi,
B. Définition d’une
stratégie.
- Par
définition,
unestratégie
relative au test[X, Oo, O1,
estune
transition, SD,
de(X, ~’)
vers(D, ~).
- Comme D
= ~ do,
unestratégie
estparfaitement
définie par la donnée del’application
mesurable x -~cp(x)
=Sdl (probabilité
de décider~i
1 six), l’application
qJ : X ~[0, 1] ]
estappelée
fonctioncritique
de lastratégie S~.
Dorénavant,
par abus delangage,
nousparlerons
de lastratégie
ç.- Fonction
puissance
d’unestratégie
ç.. La fonction
puissance
d’unestratégie
ç est uneapplication
deO -~
[0, 1]
telle queSeuil et taille d’une
stratégie
ç.. On dira
qu’une stratégie
~p est de seuil ce, si et seulementsi,
. On dira
qu’une stratégie
ç est de taille a, si et seulementsi,
- Relation
d’équiualence R
entrestratégies.
Étant
donné un test[X, 80, Oi,
comme on ne travaille que surles fonctions
puissances
desstratégies,
on dira que deuxstratégies
sontéquivalentes
si et seulement si elles ont même fonctionpuissance.
C.
Comparaison
de deuxstratégies..
(relatives
à un même test[X, Oo, Oi,
- Notons
S,
la classe de toutes lesstratégies
relatives au test[X, O1~
- Nous
prendrons
comme critère decomparaison
sur S unpréordre,
noté
(C) (ce
critère seratoujours compatible
avec la relationd’équivalence Remarque.
- Comme le critère decomparaison
est unpréordre
surS,
noté ~, on s’intéressera auproblème
d’existence et de caractérisation d’éléments «optimum »
ou maximaux(*).
EXEMPLES DE CRITÈRES.
1)
Cri tères d eNeyman
et Pearson.Étant
donnéa E [o, 1].
. Si il existe deux
stratégies
1 et ({J2 telles que. Si il existe deux
stratégies
1 et ~p2 telles que :Remarque
1. - 1. Pour toutestratégie
03C6 telle que sup ce, la stra- OE8otégie ~p’,
telle que = ce, satisfait à({J’
~ ({J.2. Deux
stratégies peuvent
ne pas êtrecomparables.
3. Les fonctions
puissance
de deuxstratégies peuvent
ne différer quesur
eo,
donc ilpeut
existerplusieurs stratégies optimums.
(*) Étant donné un préordre, noté ~, sur un ensemble S on dit que
. 03C6’ est un majorant de 03A6 si et seulement si 03C6’ 03C6
. jp est un optimum si et seulement si (d ~p’ E S)~p > ~p’
. est un élément maximal, si et seulement si,
On remarque qu’un élément maximal n’est pas forcément comparable à tous les éléments de S, tandis que l’optimum est comparable à tous.
ANN. INST. POINCARÉ, B-V-4
388 F. LAURANT, M. OHEIX ET J.-P. RAOULT
4. Dans de nombreux ouvrages les
stratégies optimums
sontappelées
« tests UM P »
(uniformément
lesplus puissants).
5. Dans de nombreux ouvrages les «
stratégies
maximales » sontappelées
« tests admissibles ».
2)
Critère maximum.Étant
donnéa E [o, 1].
. Si il existe deux
stratégies
1 et ~p2 telles que :. Si il existe deux
stratégies
~i 1 et telles que :V . 2 . EXISTENCE ET CONSTRUCTION DE
STRATÉGIES
OPTIMUMSDans ce
paragraphe
on suppose lesPt
dominées par une mesure cr a-finie.Oo
etO1
sont munis chacun d’une tribu. On notep8les
densités desproba-
bilités
PX
parrapport
à a et on les suppose mesurables parrapport
aux tribusproduits
mises surOo
x X etO1
i x X.Remarquons
que cette condi- tion est satisfaite si X estséparable.
Unestratégie
est ici(V. 2)
une classed’équivalence
de variables aléatoires définies sur(X, ~’, a),
à valeurs dans[0, 1].
A. Existence de
stratégies optimums.
10 PROPRIÉTÉS DE LA
CLASSE ~
THÉORÈME 1.
2014 ~,
ensemble desstratégies
de seuil a, est unepartie
convexe de
L~(X, X, 6);
elle estcompacte
pour latopologie
faibleLJ.
Démonstration. -
Rappelons
que est l’ensemble desstratégies
03C6 telles queL’ensemble des
stratégies
telles que__
ce, c’est-à-direest fermé pour la
topologie Li)
et ceciquel
que soit 0.~« _
est fermé.Étant
contenu dans la boule unité deL~
6e80
’
qui
estcompacte,
estcompact.
,Dans ce cas les deux critères considérés coïncident.
L’application
de[/ a
dans (~qui
à ç associe sapuissance
est faiblement continue.~a
étant faiblementcompact,
cetteapplication
atteint sa bornesupérieure :
la
stratégie optimum
existe.3° CAS OU
81
EST QUELCONQUE.On ne
peut
rien direquant
à l’existence de lastratégie optimum
au sensde
Neyman-Pearson,
mais lastratégie
maximinexiste,
en effet lesappli-
cations de
~a
dans (~qui
à ç associentEo( cp)
sont faiblement continuesquel
que soit 0. Doncl’application qui
à qJ associe Inf est faible-ment semi-continue
supérieurement
et atteint sa bornesupérieure
sur~a
faiblement
compact.
B. Construction de
stratégies optimums.
Probabilités les moins favorables.
Le lemme de
Neyman-Pearson
donne une forme suffisante desstratégies optimums
dans le cas ouOo
et8l
ont chacun un seul élément. Dans les autres cas on essaiera de se ramener à celui-ci et c’est làqu’interviendra
la notion de
probabilité
la moins favorable.1° LEMME DE NEYMAN-PEARSON.
On considère le cas ou
eo et O1
ont chacun un seul élément noté respec- tivement80 et 81.
390 F. LAURANT, M. OHEIX ET J.-P. RAOULT
THÉORÈME 2.
1)
Il existe unestratégie
~p et un nombre k tels que(a)
l/w.(b) ~p (x)
= 1quand p ~’’ (x)
>~p (x) ~= 0 quand pel(x) kpe°(x).
2)
Toutestratégie
tellequ’il
existe k satisfaisant aux conditions(a)
et
(b)
estoptimum.
3)
Si unestratégie 03C6
estoptimum,
alors il existe k tel que(b)
soit vraie03C3-presque
partout
et on a soit = ce soit = 1.2°
80
ET8l
SONT QUELCONQUES. CRITÈRE DU MAXIMINLes
parties
deO1
réduites à un élément sontsupposées
mesurables.Le critère considéré ici est celui du maximin. Soit À une
probabilité
surOi.
Posons :Remarquons
quepeut
s’écrire :Au lieu de considérer la famille de
densités {p03B8, 03B8~03981}
on considère la densitéunique pÀ
définie parqui
est encore une densité deprobabilité
parrapport
à la mesure J sur(X, f).
Définition
d’uneÀ-stratégie.
- ~p~ est unestratégie
deBayes
associéeà ~,
(ou
uneÀ-stratégie)
si ~p~ maximiseE~(~p)
c’est-à-dire siRemarque.
- UneÀ-stratégie
~p ~ est unestratégie optimum
pour leproblème
consistant à tester80
contrel’hypothèse simple
associée à ladensité
p~.
Pour ce nouveauproblème
la classe desstratégies
de seuil aest
inchangée
etE~,(~p)
est la nouvellepuissance
de lastratégie.
Définition
d’uneprobabilité
la moinsfavorable.
- Uneprobabilité ~
sur
O1
est dite la moins favorable si :ce
qui
s’écrit aussi :Définition
d’une - Soit une suite deprobabilités
sur
O1,
po est unestratégie bayésienne
associée à la suite(ou
une(~.")-stratégie)
si :THÉORÈME 3. - Si une
-stratégie
est telle que :Alors :
1)
est maximin.2) J1
est la moins favorable.Démonstration du théorème 3.
est maximin. En effet :
Les
parties
de8l
réduites à unpoint
étant mesurablesquel
que soit03B8~03981,
il existe uneprobabilité 03BB03B8
concentrée en 8. On aE03BB03B8(03C6)=E03B8(03C6);
donc:
2° ~c
est la moins favorable. En effet :Donc,
lesprobabilités
les moinsfavorables,
si elles existentpermettent
si la condition(1)
estréalisée,
d’atteindre lesstratégies
maximin commestratégies
deBayes
associées à cesprobabilités.
THÉORÈME 4. - Toute
stratégie
maximin est un et392 F. LAURANT, M. OHEIX ET J.-P. RAOULT
Démonstration du théorème 4. On vérifie aisément que
Soit
stratégie maximin,
on a alors :D’autre part :
en
effet,
considéronsl’application :
est une
partie compacte
d’un espace vectorieltopologique. el
estun espace mesurable où toutes les
parties
réduites à unpoint
sont mesurables.L’application
ç -~ estquasi-convexe
et semi-continue inférieu-rement
l’ensemble {03C6; E03B8(03C6) ~ 03B1}
étant convexe et fermé. Les conditionsrequises
sont bien réalisées pour que(2)
soit vrai(cf.
Nicolas C. I. R.O.).
En réunissant
(1)
et(2)
on obtientIl existe donc une suite de
probabilités
telles que :Or
Donc et
Sup
ont même limite(et
par là po est unetégie),
et cette limite est Infoee!
*
* *
On va voir maintenant que sous certaines
hypothèses
cette(03BBn)-stratégie
est une
-stratégie
telle que laprobabilité ,u
soit la moins favorable.THÉORÈME 5. - Pour
qu’il
existe uneprobabilité
la moins favorableil suffit que :
1°
ei
soit localementcompact
à base dénombrable et muni de la tribu de Borel.2° pour
chaque
x, soit continu en 0.3°
Quel
que soit G >0, quel
que soit Kcompact
deOi
il existe tel que :a) P03B8Sc ~
E si 8 E03980~
K.b) PS
est une fonction de 8 nulle à l’infini pour03B8~03981.
Démonstration du théorème 5.
2014 03981
étant L. C. D. donc afortiori
Polo-nais,
les mesures sur la tribu de Borel deO sont régulières
pour lescompacts.
La tribu de Borel est
identique
à la tribuengendrée
par lescompacts
car8l
est dénombrable à l’infini. Donc il y acorrespondance biunivoque
entre les mesures sur la tribu de Borel de
e et
les mesures de Radon définiessur
O1.
Munissons ensemble des mesures de Radon sur
O1,
de latopo-
logie
le sous-ensemble des mesurespositives,
est métri-sable car
Oi
est L. C. D. Deplus
le sous-ensemble des mesures Il tellesque Il
1 estvaguement compact.
Donc de toute suite deproba-
bilité on
peut
extraire une sous-suiteconvergente.
On notera encore la suite extraite :c’est-à-dire :
pour toute la fonction
f
réelle continue àsupport compact
définie surOi.
Et même avec la
topologie
choisie sur8l
ceci vaut pourf
réelle continuebornée définie sur
81.
On a vuprécédemment qu’il
existait un test (fJo maximin et une suite deprobabilités
telleque
(fJo soit unDe cette suite
extrayons
une sous-suiteconvergente,
que nous note-rons encore
avec
y E [o, 1]
et ,u uneprobabilité.
On va maintenant montrer que, sous les
hypothèses faites,
on a :a)
Si y =1, ,u
est la moins favorable.b)
Si limSup
=1,
touteprobabilité
surO1
est la moins favo- rable. Ilc)
On a soit y =1,
soit limSup
= 1 et la démonstration seraterminée. n
a)
Si y =1,
montrons que ,u est la moinsfavorable,
c’est-à-dire394 F. LAURANT, M. OHEIX ET J.-P. RAOULT
ou encore en utilisant le théorème 4
Cela va résulter de ce que tend vers uniformément
en ~p. En effet on déduit de cette convergence uniforme
Montrons donc que tend vers uniformément en (p.
Sur
81
on considère une nouvelletopologie
définie par la distance d :La nouvelle
topologie
est moins fine que latopologie initiale,
eneffet,
soit une suite d’éléments de81 qui
converge vers80
au sens de latopologie
initialep8(X)
étant continu en6, p8n(X)
converge versp80(X)
pour x fixé. PosonsUn(x) = p8n(X) - p80(X).
0
Un (x)
_pe°(x), pe°(x)
estintégrable, Un (x)
converge presque sûre- ment,donc, d’après
le théorème de convergencedominée, Un (x)
est inté-grable
et converge vers 0 et :ei
muni de la nouvelletopologie
d resteséparable ;
dans ces conditionsd’après
le théorème 2.14(Wald,
Statistical DecisionFunctions)
la conver-gence vague
de Àn
vers J1 entraîne la convergence devers
0,
cequ’il
restait à démontrer.b)
Si limSup
=1,
alors touteprobabilité
est la moinsfavo-
n
rable. De la
façon
même dont a été choisie la suite~~n :
Donc si lim
Sup
=1,
alors(~03BB) Sup E03BB(03C6)
= 1 et touteprobabi-
lité 03BB est la moins favorable.
c)
On a soit y =1,
soit limSup
= 1.n
Cela va résulter des lemmes 1 et 2 suivants. Sous les
hypothèses
du théo-rème
5,
on a les résultats suivants :on ait
Voyons
d’abord lesconséquences
de ces lemmes :tels que
pour n >_
N’ on ait(2)
donc
396 F. LAURANT, M. OHEIX ET J.-P. RAOULT
D’après
le lemme 1 il existe N tel quesi n >_
N :Donc :
Ceci n’est
possible
que si y = 1 ou = 1 c. q. f. d.Démonstration du lemme 1. Il suffit de démontrer que
bK compact
de 03981 et ~~>0
où S un élément de 1
qui
est associé à E et à K selonl’hypothèse
3 du théo-rème 5.
Nous allons montrer que si l’on suppose l’existence d’un
compact
K tel queVE
> 0 et3N no >__
N tel que :on aboutit à une contradiction.
Considérons le test
~p*
défini ainsi :On vérifie facilement que D’autre
part
Ps
étant une fonction surO
1 nulle àl’infini,
il existe uncompact
K’ cO1
tel que
Ps _
E siOr
~~"
- y~c donc il existe N’ tel quequel
quesoit n >_
N’ on aitD’où
On a
Donc
et
Mais avec
l’hypothèse (1) précédente
pour n assezgrand
et ~ assezpetit :
k étant un nombre strictement
positif.
Or a la même limite queSup E03BBn(03C6),
il y acontradiction,
c. q. f. d.Démonstration du lemme 2. Il existe K
compact
deO1
tel queest pour x fixé une fonction continue à
support compact,
doncPosons
398 F. LAURANT, M. OHEIX ET J.-P. RAOULT
Yn(x) -~ Y(x),
lesYn
sontpositifs
ounuls ;
en utilisant le lemme deFatou,
on obtient :
C est-a-dire en
échangeant
l’ordre desintégrations :
3
N(E)
tel quepour n >_ N(E)
Or
donc
3°
(~0
QUELCONQUE.81
A UN SEUL ÉLÉMENT.a)
Lesparties
de80
réduites à unpoint
sontsupposées
mesurables.. Posons
f (x)
=pe(x)
pour 0égal
àl’unique
élément deO1.
Soit À uneproba-
bilité définie sur
80 ;
est une densité de
probabilité
parrapport
à 6.On considère le nouveau
problème
du test de deuxhypothèses simples
liées
respectivement
aux densitésp~(x)
etf (x).
Soit~a,~,
l’ensemble desstratégies
de seuil a pour ceproblème.
Posons :(d~,)~«,~
contientRemarquons
que les ordres considérés sur ces deux ensembles coïncident sur~«.
Désignons
par ~p~ unestratégie optimum
pour ce nouveauproblème,
sa
puissance
est :Définition
d’uneprobabilité
la moinsfavorable.
,u,probabilité
surOo,
est dite la moins favorable si la
puissance
desstratégies optimums
associéesà
est inférieure à celle de toutestratégie optimum
associée à toute autreprobabilité
À. C’est-à-dire :ou encore :
THÉORÈME 6. - Soit une
stratégie optimum
associée à ~. Si alors :1)
estoptimum
dans c’est-à-dire pour leproblème
initial.2) J1
est la moins favorable.Démonstration.
1) appartient
à etest optimum
dans~«,~ qui
contient doncest
optimum
dans2)
E~«
doncd~,
E~«,~, ;
lapuissance
deest
inférieure à celle de ~p~optimum
dansDonc J1
est la moins favorable.Du théorème
précédent
et du lemme deNeyman-Pearson
résulte lecorollaire suivant :
COROLLAIRE.
S’il existe unestratégie
~p, un nombrek,
et uneproba-
bilité ~~ sur
O1,
tels que :et
sauf sur un ensemble de
80
de mesureÀ-nulle,
alors ~p estoptimum
danset À est la moins favorable.
400 F. LAURANT, M. OHEIX ET J.-P. RAOULT
Les
probabilités
les moins favorables peuventpermettre
de construire desstratégies optimums.
Dans cequi suit,
on donne une condition suffi- sante d’existence d’uneprobabilité
la moins favorable et despropriétés
utiles pour la recherche de ces
probabilités.
b. Existence d’une
probabilité
la moinsfavorable.
THÉORÈME 7.
Il existe une
probabilité
la moins favorable sous leshypothèses
suivantes :1) Oo
est localementcompact
à base dénombrable.2) pO(x)
est une fonction de03B8~03980
continue pourchaque
x.3) VE
> 0 VKcompact
c00,. 3 S E x
tel que :Ps
est une fonction de 0eOo
nulle à l’infini.Démonstration du théorème 7. En
échangeant
les rôles deOo
etO1,
le ,théorème 5 nous a
appris
l’existence d’unestratégie
et d’uneproba-
bilité
J1’
surOo
telle que :On aurait pu montrer de même l’existence d’une
stratégie
cpo et d’uneprobabilité
J1 sur80
telles que :Choisissons 03B2 égal
à lapuissance
de lastratégie optimum
duproblème :
1° 03C60 est
optimum
dans Soit 03C6 1 unestratégie optimum
deJ03B1
:donc a.
D’où cpo
appartient
à~x
et estoptimum
dans~a : ~3.
20 J1
est la moinsfavorable.
Si~3
= 1 touteprobabilité
est la moinsfavorable car
Si (J
1. Pour montrer que J1 est la moins favorabled’après
le théorème6,
il suffit de montrer que est une
stratégie optimum
associée à J1.Montrons d’abord que
Sup
= a. En effet siSup
a, lastratégie
est telle que
Sup
= a et >_ ~ ;
or ceci estimpossible.
eEo~
Montrons donc
que
est unestratégie optimum
associée à laproba-
bilité J1, c’est-à-dire :
ou
ou encore
Or
donc
Il
suffit
de montrerqu’il
n’existe pas destratégie
telle que >/~
et= a.
A toute
stratégie
ç onpeut
.associer lecouple
Ef(~p)).
L’ensemblede
ces valeurs est convexe dansR2.
402 F. LAURANT, M. OHEIX ET J.-P. RAOULT
Si on suppose
qu’il
existe ~p tel que et = a, alors il existecp’
tel queE f(~’) _ ~3
et a(C’est
lastratégie qui
minimiseE~ ( E f(~p) _ (~ ~)
cequi
estimpossible.
Il n’existc pas destratégie
ç telle que >(J
et = a.c.
Propriétés
desprobabilités
les moinsfavorables
utiles pour leur recherche.Nous ne considérons dans ce
paragraphe
que la sous-classe desproba-
bilités les moins
favorables J1
telles que lastratégie
associéeappartienne
à
~« (voir
théorème6).
Si on cherche les
probabilités
les moins favorables concentrées en unpoint,
cepoint 8’
sera tel que la densité deprobabilité p°’(x) correspondante
soit dans la famille
celle qui «
ressemble leplus
àf »,
c’est-à-direl’hypothèse qu’il
semble leplus
difficile àdistinguer
de lacontre-hypothèse.
Plus
généralement
uneprobabilité
la moins favorablecorrespond
à unepondération
desdensités p03B8 qui
donne une densité la «plus proche » possible
de
f.
C’est le sens du théorème suivant.THÉORÈME 8.
- Soit J1
uneprobabilité
la moins favorable au sens restreintprécédent. Supposons
que lastratégie optimum
soit donnée par :Alors
V~
la norme utilisée étant celle deJ~(X, ~ 7).
LEMME. - Soient
f
et g deux densités deprobabilités
parrapport
à cr et k > 0. On aDémonstration du lemme.
n
Démonstration du théorème 8. Elle résulte du lemme
précédent
et dela définition de ~p
THÉORÈME 9. - Si une
probabilité
est uniformément la moins favorable c’est-à-dire si elle est la moins favorablequel
que soit le seuil a, alors :Démonstration du théorème 9. En effet il suffit
d’appliquer
le théorème 8à un seuil exo tel que
k(«o)
= 1(Ceci
estpossible,
voir la démonstration du lemme deNeyman-Pearson).
Le théorème 9 servira dans la recherche d’uneprobabilité
uniformément la moins favorable : elle seraparmi
lesproba-
bilités  sur
Oo
telles que la densitép~
soit laplus proche
def
au sens dela norme
de 21.
Dans le cas ou il n’existe pas de
probabilité
uniformément la moins favo- rable les théorèmes suivants serviront dans la recherche d’uneprobabilité
la moins favorable pour un seuil
donné, quand
on en connaît pour d’autres seuils.THÉORÈME 10. - Pour x
fixé,
l’ensemble desprobabilités
les moins favo- rables pour ce seuil est convexe.THÉORÈME 11. - L’ensemble des valeurs des seuils x pour
lesquelles
uneprobabilité donnée
est la moins favorable est fermé.Démonstration du théorème 10. Soit «
fixé,
et soient ,uet
,u2 deux pro- babilités les moins favorables pour ce seuil ex.Soit
a E [0, 1].
Montrons que ,u = api +(1 -
est la moins favo- rable pour le seuil ex.Soit ç
optimum’;
il estoptimum respectivement
dans~a,~l
1 et~~«,~2.
D’après
le lemme deNeyman-Pearson
il existek et k2
tels que :et on a soit =
1,
soit =E~2(~p)
= a.Soient k et b déterminés par :
ANN. INST. POINCARÉ, B-V-4
404 F. LAURANT, M. OHEIX ET J.-P. RAOULT
Considérons le test
~p’
1 défini par :~p’
- ~p a-presquepartout
donc soit = 1(et
touteprobabilité
est. la moins
favorable),
soit :(et
dans ce cas~ ’
estoptimum
dans~a,~
etappartient
àdont J1
estla moins
favorable).
Démonstration du théorème 11.
Supposons qu’il
existe une suitede nombres
appartenant
à[0, 1]. convergente
vers a, et que soit la moins favorablequel
que soit le seuil an. Montrons que J1 est la moins favorable pour a.Soit ~pn une
stratégie optimum
pour le seuil an. L’ensemble desstratégies
étant
compact
pour latopologie
faibleLi)
onpeut
extraire de la suite une sous-suiteconvergente,
que nous noterons encore Soit ç la limite. On a :Or ~03B8~ eo,
a", donc a : ç est de seuil a. Soitla puis-
sance de la
stratégie optimum
dans le testdu plL
contref
au seuil a.On. a :
Or a pour limite et
/3
étant une fonction concave de a et par làcontinue,
a pour limite Donc ç estoptimum
pour le testde p
contref
au seuil a, cp est de seuil a pour leproblème initial, donc J1
est la moins favorable pour le seuil a.V. 3. CLASSES DE
STRATÉGIES
Soient
- S,
l’ensemble desstratégies
relatives au test[X, Oo, Oi, - C,
le centre decomparaison
entrestratégies, préordre
surS,
-
~1~,
l’ensemble des élémentsoptimums
de S parrapport
à ce critèreC,
2014 ~,
l’ensemble des éléments maximaux deS,
alors
A. Réductions du
problème.
Comme,
dans de nombreux cas il n’existe pas d’élémentsoptimums
dansS,
nous sommes amenés à restreindre notreproblème.
A .1 Soit ~ une
propriété
telle que, si on noteP,
le sous-ensemble desstratégies
deS, possédant
lapropriété ~ :
Soient l’ensemble des
stratégies optimums
de P parrapport
au critère C. l’ensemble desstratégies
maximales deP,
alorsEn
effet 1) ~~~ _ ~ ~
c P c S.2)
SiMSC ~ 0,
il existe unestratégie
cp Edonc 03C6
E P.. Or ç étant
optimum
estcomparable
à toutes lesstratégies
deS,
donca fortiori
à celles de P. Donc ~p est aussioptimum
dans P.~~~
c~1~.
. De
plus,
si ilexiste,
une autrestratégie ~p’ appartenant
à~’il ~,
alorscp’ ~
ç et par transitivitéqJ’ majore
toutes lesstratégies
de S. Donc~l~
c~~~
Conclusions. Nous avons
toujours
intérêt à travailler dans P, car sinous trouvons une
stratégie optimum
dansP,
ou bien
~~~ ~
0 et cettestratégie
est aussioptimum
dansS,
ou bien = 0 et cette
stratégie
al’avantage
d’êtreoptimum parmi
uneclasse de
stratégies, possédant
unepropriété qu’aurait
eu toutoptimum
de S.
A. 2 Soient maintenant deux
propriétés
1 et telles que, si on notePl
etP2,
les deux sous-ensembles destratégies
deS, possédant
lapropriété
1respectivement
lapropriété
On a donc
d’après
leparagraphe précédent
les inclusions suivantes :si de
plus
Alors
406 F. LAURANT, M. OHEIX ET J.-P. RAOULT
Avec les remarques suivantes :
.
Évidemment,
tout cecipeut
être étendu à un ensemble fini de sous-ensembles
Pi
emboîtés.Dans les
prochains paragraphes,
nous n’utiliserons que le critère deNeymann
et Pearson.B.
Stratégies
sans biais.DÉFINITION. - Une
stratégie
ç est° dite sans biais si et seulement siOn notera B l’ensemble des
stratégies
sans biais.(Ce
sont lesstratégies
pourlesquelles
laprobabilité
derejeter l’hypothèse
nulle est, si
0e0o?
inférieure à laprobabilité
derejeter l’hypothèse
nullesi
e E ol).
a)
A touta E ]o, 1[ on
associe~pâ , stratégie
constante =a).
On noteOn remarque que
Toute
stratégie majorant
lastratégie
constante~pâ
est sansbiais,
doncb)
Leparagraphe précédent
nous donne les inclusions suivantes :c)
Deplus,
toutestratégie optimum
dans B est maximale dans S. Eneffet,
comme toutestratégie majorant
unestratégie
sans biais est sansbiais,
unoptimum
dansB,
nepeut
êtremajoré
donc :C.
Stratégies
semblables.DÉFINITION.
- Étant
donné unepartie
cv de8,
unestratégie
ç est dite semblable sur si et seulement siOn notera
ro’
l’ensemble desstratégies
semblables sur cc~..
Désormais,
on supposera 8 muni d’unetopologie
et on note~o = Par abus de
langage,
onappellera stratégies semblables,
les
stratégies
semblables sur a~o et on notera E =Propriétés
élémentaires :. Dc~.
. Une condition suffisante pour
qu’une stratégie
ç sansbiais,
soit sem-blable est que
l’application
0 ~ soit continue.. Dans ce cas nous avons les inclusions suivantes :
Or comme D c
E,
toutestratégie optimum
dansX, majorant
les éléments deD,
est sansbiais,
c’est-à-dire queDonc, grâce
au résultat duparagraphe (A-2) :
Si E
B) l’application
8 -~ est continue alorsRemarques.
Il est intéressant de travailler sur £plutôt
que sur S ouB,
car on sait un peu
plus
facilement exhiber lesstratégies
semblables que les autres( 1 ).
Il y a de nombreux cas
classiques
de tests ou existent des testsoptimums
dans
E,
doncoptimums
dansB,
alorsqu’il
n’existe pasd’optimum
dans S.Exemples.
Familleexponentielle
à unparamètre
réel 8 :Soient les tests
[X, Oo, O1,
ou(d8E0) PX
est uneprobabilité absolument
continue parrapport
à une mesure a-finie sur(X, Et)
de densité(~) LINNIK [4].
408 F. LAURANT, M. OHEIX ET J.-P. RAOULT
de la forme
Po(x)
= o~~C. T~
h sont des fonctions à valeurs réelles.Si on a
=
] -
oo,81 =
+oo[,
alors il existe unoptimum
dans S.2°
80
=[80,
+oo[, O1= ] -
oo,eo[,
il existe unoptimum
dans S.3°
Oo = ] -
oo,03B81]~ [82,
+~[, 03981
=]81, 82[(81 82),
il existe unopti-
mum dans S.
4°
80
=[e ~, 82], ] -
oo,e 1 [ ~ ]62,
+oo [(81 (2),
il n’existe pas unoptimum
dansS,
il existe unoptimum
dans E.O1 = ~ 8 E O ~ 8 ~ (~o ~,
il n’existe pasun optimum
dans
S,
il existe unoptimum
dans E( 1 ).
D. Tests conditionnés.
Dans un
grand
nombre deTest, 80
n’est pascomposé
d’un seulélément ;
le conditionnement par une
statistique
exhaustiveT,
va nous aider à ramenerun
problème général (ou
seprésentent
desparamètres nuisibles)
à un pro- blème oùO o
estsimple.
D. 1. DÉFINITION DU CONDITIONNEMENT D’UN TEST
- Soit un test
[X, 8, 80, 81,
- Soit T :
(X, ~’) -~ (Y, ~)
uneapplication
mesurable. On suppose que contient lespoints
de Y’ ».Hypothèses fondamentales.
a) (d 8 E O)
estrégulière ;
donc une version de cetteprobabilité
étant
fixée,
pour tout y, la notation que l’on écriradésignera
une
probabilité
sur X.b)
est concentrée surT -1 (y)
c’est-à-direOn note la tribu des traces sur A des éléments de x.
e) Les démonstrations se trouvent dans LEHMANN [1].
(2) Voir les conditions de concentration. MÉTIVIER, Thèse Rennes, 1966-1967. Ionescu TuLCEA, On the Lifting Property disintegration of mesure S. Annales Inst. Fourier, Gre-
noble, 1964. ’
Définition.
Soit y EY,
onappelle
test conditionné en y le testComme on
désigne
par «stratégie
associée auproblème initial »,
touteapplication
mesurable qJ:(X, ~’) ~ ([0, 1],
et parS,
l’ensemble deces
stratégies,
.par
analogie,
ondésignera
par «.stratégie
associée au test conditionnéen y » toute
application
mesurable(T -1 (y),
~([0, 1 )y
et par
Sy,
l’ensemble desstratégies
du test conditionné en y.Donc si ç est une
stratégie
du testinitial,
est unestratégie
du testconditionné en y.
Définition
2. Le test initial est T-conditionnalisable si et seulement sic’est-à-dire
que P
presque toutes les restrictions d’unestratégie optimum
pour le test initial sont des
stratégies optimums
pourchaque
test conditionné.Inversement : On
peut
sedemander si,
étantdonné,
pourtout y E Y,
une
stratégie optimum
pour le testconditionné,
1)
il existe unestratégie
w :(~, ~’) --~ ([0, 1]),
telle que2)
si cettestratégie
~p,quand
elle existe estoptimum
dans S.Nous
désignerons
ceproblème
sous le nom de « recollement des solutions des tests conditionnés ».Remarques.
Dans de nombreux cas, au lieu de chercher unoptimum
dans
S,
on cherche unoptimum
dans E. On noteEy
l’ensemble desstratégies
semblables du test conditionné en y ; le
problème
que nous venons de poser est ainsi seulementlégèrement modifié :
nousremplaçons
Spar 03A3
etSy
par
Ey.
D. 2. CONDITIONS POUR
QU’UN
TEST SOIT T-CONDITIONNALISABLE D. 2 .1. Préliminairesthéoriques.
a)
Saturation par rapport à(T, 8).
DÉFINITION. - On
appelle
tribu saturée de X parrapport
à(T, 8)
la tribu
410 F. LAURANT, M. OHEIX ET J.-P. RAOULT
PROPRIÉTÉS.
-X(T,0398)~
X.P03B8X
seprolonge
de X àX(T,0398)
parOn supposera désormais
que !!£
est sa propre saturée parrapport
à(T, 8) (Ce qui n’implique
pas nécessairementqu’elle
le soit parrapport
à(T, Oo),
car~’~T~®~
estplus
grosse que~’~T~o~).
jS)
Famillescomplètes
deprobabilités.
. Soit
(X, Et)
une espace mesurable et ~’ _ une famille deproba-
bilités sur
(X, Et).
. Soit Yf un sous-espace vectoriel
de 2 1 (X, ~).
. Soit
EH l’application : (~H
PROPRIÉTÉS. - Si (P = alors
EHqJ
=Posons
n = f ~p E ~ ( ~p(x) = 0 ( ~’) ~.
EH
induit uneapplication
F de dansPROPRIÉTÉ
Pi.
- On dit que lecouple (~, H)
satisfait à lapropriété Pi
1si et seulement si F est
injective.
,Remarques.
On dit(1),
dans leX, P) que P
est unefamille
complète
deprobabilités.
Dans le cas ou / =
J~c (X, ~’, que ~
est une famille bornéecomplète
de
probabilités.
PROPRIÉTÉS
P2.
- On ditque
lecouple (~f. H)
satisfait à lapropriété (P2)
si et seulement si il satisfait à la
propriété P et
sil’application réciproque F -1
associe à tout élément
positif
deF(/n)
un élémentpositif
deD. 3. TEST T-PRÉCONDITIONNALISABLE
Nous allons introduire deux
propriétés
des tests :- la
préconditionnabilité,
- la
propriété
demajoration
mesurable dont laconjonction
entraînela conditionnabilité.
~ 1 ~ FRASER [2].