Un test de normalité : le test de Jarque-Bera

1 Coefficient de dissymétrie (Skewness coefficient)

Le coefficient de dissymétrie est une valeur quantifiant le degré de symétrie d’une densité.

Définition − Soit X une variable aléatoire continue de densité f . Le coefficient d’assymétrie

de X est
E[(X − µ)3 ]
S= , où µ = E(X).
{E[(X − µ)2 ]}3/2
Si l’on dispose d’un échantillon X1 , . . . , Xn de variables aléatoires indépendantes et de même
loi, on estime le coefficient de dissymétrie par
n
(Xi − X̄)3
P
n
√ i=1 1X
Ŝ = n 3/2 , avec X̄ = Xi .
n n
P i=1
(Xi − X̄)2
i=1

Soient a et b deux constantes. Le coefficient de dissymétrie de la variable aléatoire aX + b est

identique à celui de X. Ainsi, le coefficient de dissymétrie ne dépend que de la loi de X et pas
de sa moyenne ni de sa variance.

2 Coefficient d’aplatissement (Kurtosis coefficient)

Ce coefficient mesure le degré d’aplatissement d’une densité.
0.4
0.3
0.2
0.1
0.0

−4 −2 0 2 4

Figure 1: La densité en trait continu est la densité la plus aplatie et celle en pointillé la moins
aplatie.
Définition − Le coefficient d’aplatissement d’une variable aléatoire continue est

E[(X − µ)4 ]
K= > 0.
{E[(X − µ)2 ]}2

Si l’on dispose d’un échantillon X1 , . . . , Xn de variables aléatoires indépendantes et de même

loi, on estime le coefficient d’aplatissement par
n
(Xi − X̄)4
P

K̂ = n  i=1 2 .
P n
(Xi − X̄)2
i=1

Ici encore, soient a et b deux constantes, le coefficient d’aplatissement de la variable aléatoire

aX + b est identique à celui de X.

3 Coefficients d’aplatissement et de dissymétrie de quelques lois

continues

Distribution K S

Normale (µ et σ 2 ) 3 0

p
Khi-deux (k ddl) 12/k + 3 (8/k)

Student (k ddl) 6/(k − 4) + 3 si k > 4 0 si k > 3

Fisher (k1 et k2 ddl) KF (k1 , k2 ) si k2 > 8 SF (k1 , k2 ) si k2 > 6

Table 1: Coefficients d’aplatissement et de dissymétrie de quelques lois continues

Pour la loi de Fisher, on a défini le coefficient d’aplatissement par :

20k2 − 8k22 + k23 + 44k1 − 32k1 k2 + 5k22 k1 − 22k12 + 5k2 k12 − 16

KF (k1 , k2 ) =
k1 (k2 − 6)(k2 − 8)(k1 + k2 − 2)/12

et le coefficient de dissymétrie par :

p
(2k1 + k2 − 2) 8(k2 − 4)
SF (k1 , k2 ) = p .
(k2 − 6) k1 (k1 + k2 − 2)
4 Test de Jarque-Bera
Pour tester l’hypothèse nulle selon laquelle l’échantillon X1 , . . . , Xn de variables aléatoires indépendantes
et de même loi provient d’une loi normale, on peut utiliser le fait que pour une loi normale quel-
conque on a K = 3 et S = 0. Le test de Jarque-Bera est basé sur cette remarque. Il consiste à
rejeter l’hypothèse de normalité de l’échantillon si (K̂ − 3)2 ≫ 0 et si Ŝ 2 ≫ 0. Pour savoir si les
quantités (K̂ − 3)2 et Ŝ 2 sont suffisamment grandes pour rejeter l’hypothèse de normalité, on
utilise le résultat suivant :

Sous l’hypothèse nulle H0 : l’échantillon étudié provient d’une loi normale, on montre que
la statistique du test de Jarque-Bera :
" #
Ŝ 2 (K̂ − 3)2
JB = n +
6 24

suit une loi du khi-deux à 2 degrés de liberté.

Ainsi, on rejette donc l’hypothèse de normalité de l’échantillon (au seuil α) si JBobs > χ2α,2 ,

où JBobs est la valeur observée de la statistique du test de Jarque-Bera et χ2α,2 est le fractile
d’ordre α d’une loi du khi-deux à deux degrés de liberté.

Figure 2: Illustration du fractile d’ordre α d’une loi du khi-deux à 2 ddl.