Test de modèle de contamination à deux échantillons sans contrainte de forme.

Résumé Dans cet article, nous considérons des distributions de mélange à deux composantes ayant une composante connue. Ce type de modèle présente un intérêt particulier lorsqu'un phénomène aléatoire connu est contaminé par un effet aléatoire inconnu. Nous proposons dans cette configuration de comparer les sources aléatoires inconnues impliquées dans deux échantillons distincts. À cette fin, nous introduisons l'approche dite IBM (Inversion-Best Matching) qui donne lieu à un test semi-paramétrique à deux échantillons de type Cramér-von Mises relaxé nécessitant des hypothèses très minimales (sans contrainte de forme) sur les distributions inconnues. L'accomplissement de notre travail réside dans le fait que nous établissons un théorème central limite fonctionnel sur les paramètres de proportion ainsi que sur les fonctions de distribution cumulatives inconnues du modèle, alors que Patra et Sen [22] prouvent que le taux √ n ne peut être atteint sur ces quantités dans le cas de base à un échantillon. Une étude numérique intensive est réalisée à partir d'un large éventail de configurations de simulation pour illustrer les propriétés asymptotiques de notre test. Enfin, notre procédure de test est appliquée à une application réelle par le biais d'un test de l'effet de mortalité post-covide par paire dans un panel de pays européens.