ECHANTILLONNAGE ET ESTIMATION 57 Séance 2: ECHANTILLONNAGE ET ESTIMATION "Miewe vaut prévoir sans certitude que de ne pas prévoir du tout." Henri Poincaré ~ "Science et hypothése”. "Nl est toujours dangerewx d'appliquer des formules dont on n'a bien saisi ni le sens profond ni esprit.” Lucien March, "Les principes de la méthode statistique" ~ 1930, A — ECHANTILLONNAGE “Llesprit statistique nait lorsque l'on prend conscience des fluctuations 'échantillonnage." Programme de seconde 2000. Cest la connaissance de la variabilité naturelle d'un phénoméne, due au seul hasard, qui permet la méthode statistique. Cette connaissance de la variabilité "normale" conduit, dans le cadre de lestimation, & définir la "confiance" & accorder aux estimations, et, dans le cadre des tests, & calculer des limites au dela desquelles les variations seront considérées comme suffisamment "significatives" pour ne pas étre dues aut seul hasard. Crest done en se fondant sur I'étude des fluctuations d'échantillonnage, que nous pourrons conduire nos prises de décision statistiques. Nous commencerons par la situation des fréquences, plus simple parce que ne mettant en jeu qu'un seul paramétre, bien que ce cas puisse étre vu comme cas particulier de la moyenne.58 IREM PARIS-NORD ~ STATISTIQUE INFERENTIELLE EN B.T-S. | — FLUCTUATIONS D’ECHANTILLONNAGE DUNE FREQUENCE 1 — Le probléme de I’échantillonnage Une ume (connue) contient des boules blanches et des boules noires en proportion p. On souhaite étudier comment fluctuent les fréquences de boules noires, observées sur des échantillons (sondages) de taille n, Population (conus) Proportion p de boules noire Eehantillon Dans la pratique, se pose le probléme inverse (inférer & de taille partir d'un échantillon, par exemple pour un contréle de Sas qualité), mais I’étude de I’échantillonnage est nécessaire d'un point de vue théorique. C'est sur cette théorie que sera construite lestimation. 2 — Expérimentation et théorie des fluctuations d'échantillonnage d'une fréquence a iu “4 NORME AFNOR Les activités de se paragraphes peuvent se pratiquer avant le SEPA cours sur T'échantillonnage. Seule la connaissance de 1a loi D'ECHANTILLONNAGE binomiale et de son approximation par la loi normale sont | Plan selon lequel on nécessaires. préléve un ou Plusieurs échantilons en vue d'une a Une expérimentation “physique” dans le cadre d'un | *1wecune échantillonnage sans remise et éventuellement asa dune décision & ——— = Prendre. Statletiques Probabllités ; 55 On peut fabriquer un | ecHaNTILLONNAGE appareil, semblable a ‘AU HASARD Vappareil _ci-contre, | Préiévement de n contenant 200 billes | individus dans une population de WV dont 10 billes noires. | popwation de maniére que toutes les combinaisons La "population" est done connue, avec p = 0,0: possibles de n En secouant, on vient remplir les n = 32 alvéoles qui | individus alent la matérialisent un échantillon. On observe alors une fréquence f° fom hoa de billes noires parm les 32 billes ea eee 3 Sur l'image ci-dessus, par exemple, f 35 7008. SEHAUSTE eee 1 Stagit bien sir ’un échantillonnage exaustf (ans remise). | peggy °°) | see eee eae ille n=32 | individus en une seule Soit X' la variable aléatoire qui, a tout échantillon de taille n = 32 fois dans la population prélevé sans remise parmi les = 200 billes, associe le nombre | Suprelovenone de billes noires, contenues dans |'échantillon. dindividus successits, La variable aléatoire X suit la loi hypergéométrique | sans temise dans la cc population, des vr individus prélevés, Cy HOV, 17, p), avec P (WV =k) =ECHANTILLONNAGE ET ESTIMATION 59 La loi hypergéométrique n'est pas au programme des sections de B.T.S., cependant Texpérimentation physique en classe laisse aux étudiants des images mentales tres fortes concernant la distribution 'échantillonnage. On pourra comparer le nombre moyen de billes noires dans un échantillon avec l’espérance x ; np(1~ p) ~ 1,13° (V’écart type avec 1 4 oe e : La variable aléatoire F = 32 * dui, & tout échantillon associe Ia fréquence observée des boules noires, a pour espérance E( °) a = 0,05 et pour écart type oa ) E(X) = np = 1,6 et l’écart type avec of ¥, Ja loi binomiale serait d’environ 1,23). = 0,035. b — Simulation avec fa touche random (ou ALEA) dans Ie cadre d'un échantillonnage avec remise Avec une calculatrice En mode "normal" de calcul, taper l'instruction : int (Ran# + 0.05) ou [int (rand + 0.05) ow int(rand() + 0.05) , selon les modéles, puis faire plusieurs fois EXE ou ENTER. ‘© Sur T.L : dnt s"obtient par (MATH puis NUM) et rand par MATH puis PRB. ‘© Sur CASIO : Int s'obtient par (OPTN puis NUM) et Ran# par OPTN puis PRB. Le résultat affiché est 1 ( = boule noire) avec une fréquence de 0,05 ou 0 (= boule blanche) avec une fréquence de 0,95, Le programme suivant simule le calcul de f sur un échantillon de taille » = 32, prélevé avec remise, Commentaires [CASIO Canciens T CASIO @I0G- ] __TL81 | TL 80-82-83-] TL OO-OD mmodties dele | 9950-9940 -9960— 85 T0006 ata CFX | "960% Graph ax 5006) 5 cme alo ss 0585 055 Dos Os pee gots For | 1 To 32):1 +1 For (141,32) | For 1,32 tines Lb a ‘Lb | sint Fand = 0.05)| int “(Fand() + i Int ( Ran# +]int ( Ran# +] :int (rand + 0.05)/+S 0.05) +s +s touttinas *°"|0.05)+S+ 8.1 ]0.05) +8454 [+s End End THIots |Next A41ot ispS+32 | :Disps +32 ametape de 1g] !532 = Goto 1/8 +32 atts32 nehage deta} ‘Goto | tcniios! “| 5432 {Disp $ +32 Avec Excel Crest extrémement simple, puisqu'il n'y a pas de programmation a faire. Dans la cellule Al, on entre la formule: =ENT(ALEA()+0,05) que I’on recopie jusqu’a la cellule A32, pour simuler un échantillon de taille 32, prélevé avec remise. En A33, on peut calculer la fréquence de I’échantillon en faisant. =SOMME(A1:A32)/32 . Il suffit alors de recopier la premiére colonne vers la droite pour simuler autres échantillons.