Salut,
Le test de KS est effectivement le test classique de comparaison de distribution à une loi normale. Cependant, je suppose que c'est ici à titre purement "scolaire". Dans ce cas, il faut utiliser le khi2.
On te dit que la glycémie vaut en moyenne 1 et a pour écart-type 0.1.
Si nous faisons l'hypothèse que la glycémie est normalement (comprendre répartie comme une loi normale) répartie alors on a G=N(µ,s) avec µ, la moyenne égale à 1, et s l'écart-type égal à 0.1.
Si la glycémie suit une loi gaussienne, alors on dervait observer (i.e, les résultats de l'expérience) des probabilités qui sont "proches" de celle d'une v.a de loi normale.
Ainsi, expériementalement, on observe une proportion de 82/(82+225+200+195+220+0) de valeurs inférieures à 0.85. La question est donc : à quelle valeur peut-on s'attendre pour un loi normale de moyenne 1 et d'e.t 0.1 ?
Il suffit de calculer P[N(1,0.1) < 0.85]
=P[N(0,1) < (0.85-1)/0.1] (centrage-réduction)
=P[N(0,1) < -1.5]
= Phi (-1.5)
où Phi est la fonction de répartition d'une loi normale centrée-réduite (ce sont les valeurs que l'on peut lire dans les tables statistiques classiques).
De même, il suffit de calculer P[0.85 < N(1,0.1) < 0.95]
P[0.95 < N(1,0.1) < 1]
etc.
Une fois que l'on a récupéré toutes les valeurs, il faut faire le test du khi2. Pour cela, tu calcules pour chacun des intervalles les écarts :
[(frequence observée - fréquence attendue)²] / fréquence attendue
où fréquence observée = ce que l'on obsevre (ex: 82/(.+.+..) )
fréquence attendue = ce que l'on devrait observer si notre hypothèse de normalité est vraie (les répartitions des N(..))
Tu sommes tous ces écarts. Si l'hypothèse (de normalité) est vraie, alors cette somme suit une loi du khi2 à (k-1) degrés de liberté (k représente le nombre de classes construites, ici 6).
Tu compares ta somme au khi2 théorique et tu conclus.
a+