GEOMETRIE EUCLIDIENNE ET STATISTIQUE
Position du problème
On considère une variable aléatoire X définie sur une population. On suppose que X est de loi normale, N ( μ , σ ) .
On prélève dans cette population un échantillon aléatoire et simple de taille n. Il en résulte n variables aléatoires, X X 1 , 2 ,... X n indépendantes et de même loi que X.
On note : X
n X i
i
= n
∑ =
1
1
et = ∑ ( − )
= n 1 i
i 2
2 X X
n
S 1 .
Nous allons démontrer que la variable aléatoire nS
suit la loi de
2
σ 2 χ² à (n – 1) degrés de liberté.
Rappel
Par définition une variable aléatoire suit la loi de χ² à ν degrés de liberté si elle est la somme des carrés de ν variables aléatoires normales, centrées, réduites et indépendantes.
Principe
On va travailler dans l'espace euclidien IR
nmuni de son produit scalaire usuel.
On considère le vecteur aléatoire
⎟ ⎟
⎟ ⎟
⎟ ⎟
⎟ ⎟
⎟
⎠
⎞
⎜ ⎜
⎜ ⎜
⎜ ⎜
⎜ ⎜
⎜
⎝
⎛
σ
− σ σ −
−
=
X X .
. X X
X X
V
n 2 1
et le vecteur
⎟ ⎟
⎟ ⎟
⎟ ⎟
⎠
⎞
⎜ ⎜
⎜ ⎜
⎜ ⎜
⎝
⎛
= 1
. . 1 1 I
( ) ( ) ( )
( X X X X ... X X ) ( 1 X X .... X n X ) 0
I. 1
V 1 2 n 1 + 2 + + n − =
= σ
− +
+
− +
σ −
=
V est donc orthogonal à I. Il en résulte que V appartient à l'hyperplan (sous-espace vectoriel de dimension n-1) de IR n orthogonal à I.
D'autre part ( ( ) ( ) 2 ( n ) 2 ) 2 2
2 2 2 1
2 nS
X X ...
X X X
1 X
V − + − + + − = σ
= σ
La démonstration consiste à utiliser une base orthonormale, ( ) e i 1 ≤ i ≤ n , de IR n telle que
n I
e 1 = 1 . On sait qu'une telle base existe et, dans une telle base, V a pour coordonnées
( 0 , X X 2 ' , 3 ' ,..., X ' n) et V nS
X i
i
2 2 n
2
2 2
= =
∑ =
σ
' .
Il restera à démontrer que les X ' i ( 2 ≤ i ≤ n ) sont de loi N(0, 1) et indépendantes.
Quelques rappels d’algèbre linéaire
Pour obtenir une matrice de changement de base on place en colonnes les coordonnées, dans la première base, des vecteurs de la deuxième base. Cette matrice permet de calculer les coordonnées d’un vecteur dans la première base en fonction de celles de ce vecteur dans la deuxième base.
Ce qui nous intéresse ici est la réciproque : calculer les nouvelles coordonnées en fonction des anciennes. Nous avons donc besoin de la matrice inverse de la matrice de changement de base.
Lors du passage d’une base orthonormale à une autre base orthonormale, la matrice de passage est une matrice orthogonale, son inverse est alors égale à sa transposée. Nous utiliserons donc une matrice dont les lignes seront les coordonnées des vecteurs de la nouvelle base.
Exemple de matrice convenant ici : Considérons la matrice suivante :
⎟ ⎟
⎟ ⎟
⎟ ⎟
⎟ ⎟
⎟ ⎟
⎟
⎠
⎞
⎜ ⎜
⎜ ⎜
⎜ ⎜
⎜ ⎜
⎜ ⎜
⎜
⎝
⎛
+
− +
−
−
−
−
1 n 1
1 ...
...
1 1 1
0 2
n 1 ...
...
1 1 1
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
0 0
...
0 3 1
1 1
0 0
...
...
0 2 1
1
0 0
...
...
0 0 1 1
1 1
...
...
1 1 1 1
Ses vecteurs-lignes sont 2 à 2 orthogonaux.. pour obtenir une matrice répondant à notre problème il suffit de multiplier chacun d'eux par l’inverse de sa norme.
Démonstration
• Soit une base orthonormale, ( ) e i 1 ≤ i ≤ n , de IR n telle que I
n
e 1 = 1
Pour 1 i n et 1 j n on notera a la j ≤ ≤ ≤ ≤ ij ième coordonnée de e . i
Pour tout i, 1 ≤ ≤ i n , on a : e i d où a ij
j
= n =
∑ =
1 2 1
1
' . (1)
D'autre part, pour i k e e i k d où a a ij kj
j
≠ = n =
∑ =
, . 0 ' : . 0 .
1
(2)
En particulier, pour tout i, 2 1 0 0
1
≤ ≤ = =
∑ =
i n e e i d où a ij
j
, . ' : n . (3)
• Avec les notations définies précédemment on obtient :
⎟ ⎟
⎟ ⎟
⎟ ⎟
⎟ ⎟
⎟
⎠
⎞
⎜ ⎜
⎜ ⎜
⎜ ⎜
⎜ ⎜
⎜
⎝
⎛
σ
− σ σ −
−
⎟ ⎟
⎟ ⎟
⎟ ⎟
⎟
⎠
⎞
⎜ ⎜
⎜ ⎜
⎜ ⎜
⎜
⎝
⎛
=
⎟⎟
⎟ ⎟
⎟ ⎟
⎟
⎠
⎞
⎜⎜
⎜ ⎜
⎜ ⎜
⎜
⎝
⎛
X X .
. X X
X X
..
a ...
...
a a
...
...
...
...
...
...
...
...
...
...
a ...
...
a
a n
... 1 n ...
1 n 1
X . . X X
n 2 1
nn 2
n 1 n
n 2 22
21
' n ' 2 1 '
0 I.
n V
X 1 ' = 1 = , d’où, puisque la nouvelle base est aussi orthonormale, l’égalité :
= ∑
= n 2 i
2 ' i
2 X
V c’est-à-dire = ∑
σ =
n 2 i
2 ' i
2 ² X
nS .
• D’autre part pour 2 ≤ ≤ i n on a :
( ) ∑ ∑ ∑
∑
= = = ==
−
=
−
=
n1 j
j ij n
1 j
ij n
1 j
j ij n
1 j
j ij '
i