Vous êtes sur la page 1sur 32

Statistique

infrentielle
Pr. Driss El
Moutawakil
Chapitre 1 :
Introduction

Statistique infrentielle

Chapitre 2 :
Rappel sur la
loi normale
Chapitre 1 :
Echantillonnage et
Estimation
dune
moyenne
Chapitre 2 :
Echantillonnage et
Estimation
dune
proportion

Pr. Driss El Moutawakil


Universit Hassan 1er,
Facult polydisciplinaire de Khouribga, BP. 145,
Khouribga, Maroc.

Plan du Cours
Statistique
infrentielle
Pr. Driss El
Moutawakil
Chapitre 1 :
Introduction
Chapitre 2 :
Rappel sur la
loi normale
Chapitre 1 :
Echantillonnage et
Estimation
dune
moyenne
Chapitre 2 :
Echantillonnage et
Estimation
dune
proportion

Chapitre 1 :Introduction

Chapitre 2 :Rappel sur la loi normale

Chapitre 3 : Echantillonnage et Estimation dune moyenne

Chapitre 4 : Echantillonnage et Estimation dune


proportion

Echantillonnage
Statistique
infrentielle
Pr. Driss El
Moutawakil
Chapitre 1 :
Introduction
Chapitre 2 :
Rappel sur la
loi normale
Chapitre 1 :
Echantillonnage et
Estimation
dune
moyenne
Chapitre 2 :
Echantillonnage et
Estimation
dune
proportion

La statistique est lensemble des mthodes scientifiques


partir desquelles on recueille, organise, rsume, prsente et
analyse des donnes, et qui permettent den tirer des
conclusions et de prendre des dcisions judicieuses.
Au lieu dexaminer lensemble des donnes possible quon
appelle encore la population, en pratique, on en tudie une
toute petite partie appele chantillon.
Cest lchantillonnage.

Echantillonnage
Statistique
infrentielle
Pr. Driss El
Moutawakil
Chapitre 1 :
Introduction
Chapitre 2 :
Rappel sur la
loi normale
Chapitre 1 :
Echantillonnage et
Estimation
dune
moyenne
Chapitre 2 :
Echantillonnage et
Estimation
dune
proportion

Pour que les conclusions soient valables, il faut que


lchantillon soit reprsentatif de la population. Cela
signifie quil doit tre prlev dune manire alatoire,
cest--dire que tous les lments de la population ont la
mme probabilit dtre choisis, par exemple travers un
tirage au sort.
On parle dchantillonnage exhaustif lorsque chaque
membre de la population ne peut tre choisi quune seule
fois et dchantillonnage non-exhaustif dans le cas
contraire. Si la population est trs grande, on considre
gnralement les chantillonnages comme non-exhaustifs.
Pour simplifier, par la suite, nous ne considrons que ce cas
de figure.

Estimation
Statistique
infrentielle
Pr. Driss El
Moutawakil
Chapitre 1 :
Introduction
Chapitre 2 :
Rappel sur la
loi normale
Chapitre 1 :
Echantillonnage et
Estimation
dune
moyenne
Chapitre 2 :
Echantillonnage et
Estimation
dune
proportion

A partir des rsultats mesurs sur cet chantillon, nous


essayons dinduire des conclusions valables pour la
population : cest la partie de la statistique que lon appelle
statistique inductive.
De manire gnrale, linfrence statistique est ltude des
conclusions que lon peut tirer dun chantillon pour une
population dont lchantillon est issu, ainsi que le degr de
prcision des conclusions.
Cest lestimation.
Dans ce cadre, les problmes qui se posent sont ceux de
lestimation des paramtres (moyenne, cart-type, etc.)
dune population partir des chantillons issus de cette
mme population.

Estimation
Statistique
infrentielle
Pr. Driss El
Moutawakil
Chapitre 1 :
Introduction
Chapitre 2 :
Rappel sur la
loi normale
Chapitre 1 :
Echantillonnage et
Estimation
dune
moyenne
Chapitre 2 :
Echantillonnage et
Estimation
dune
proportion

Lorsque dans une population, un paramtre est estim par


une seule valeur (un seul nombre), on dit quon dispose
dune estimation ponctuelle du paramtre.
Si par contre, le paramtre dune population est estim par
deux nombres formant un intervalle dans lequel celui-ci
peut varier, on dispose dune estimation par intervalle de
confiance du paramtre.
Si lesprance mathmatique dun paramtre de
lchantillon est gale au paramtre correspondant de la
population, on dit que lon dispose dun estimateur non
biais de ce paramtre. Dans le cas contraire, on est en
prsence dun estimateur biais.

Rappel sur la loi normale


Statistique
infrentielle
Pr. Driss El
Moutawakil
Chapitre 1 :
Introduction
Chapitre 2 :
Rappel sur la
loi normale
Chapitre 1 :
Echantillonnage et
Estimation
dune
moyenne
Chapitre 2 :
Echantillonnage et
Estimation
dune
proportion

Population = Echantillon
Statistique
infrentielle
Pr. Driss El
Moutawakil
Chapitre 1 :
Introduction
Chapitre 2 :
Rappel sur la
loi normale
Chapitre 1 :
Echantillonnage et
Estimation
dune
moyenne
Chapitre 2 :
Echantillonnage et
Estimation
dune
proportion

Dfinition
On dispose dune population sur laquelle est dfinie une variable
alatoire X dont on connat lesprance (ou la moyenne) et
lcart-type .
On sintresse aux chantillons de taille n. Auront-ils tous
la mme moyenne ?
Non, certains peuvent tre constitus dlments atypiques
et avoir une moyenne trs diffrente de celle de la
population (surtout si lchantillon est de petite taille).

Population = Echantillon
Statistique
infrentielle
Pr. Driss El
Moutawakil
Chapitre 1 :
Introduction
Chapitre 2 :
Rappel sur la
loi normale
Chapitre 1 :
Echantillonnage et
Estimation
dune
moyenne
Chapitre 2 :
Echantillonnage et
Estimation
dune
proportion

Dfinition
On dispose dune population sur laquelle est dfinie une variable
alatoire X dont on connat lesprance (ou la moyenne) et
lcart-type .
Notons X la variable alatoire qui, chaque chantillon de
taille n, associe sa moyenne
X sappelle encore la distribution des moyennes des
chantillons).
Que peut-on dire de cette variable alatoire X ?

Population = Echantillon
Statistique
infrentielle
Pr. Driss El
Moutawakil

Thorme Central Limite - Version 1


Chapitre 1 :
Introduction
Chapitre 2 :
Rappel sur la
loi normale
Chapitre 1 :
Echantillonnage et
Estimation
dune
moyenne
Chapitre 2 :
Echantillonnage et
Estimation
dune
proportion

X une variable alatoire qui suit une loi normale sur une
population X , N(, )
On prlve, au hasard, un chantillon (tirages avec remise
ou assimils) de taille n de moyenne X
Alors la variable alatoire X!suit galement une loi

normale : X , N ;
n

Population = Echantillon
Statistique
infrentielle
Pr. Driss El
Moutawakil

Thorme Central Limite - Version 2


Chapitre 1 :
Introduction
Chapitre 2 :
Rappel sur la
loi normale
Chapitre 1 :
Echantillonnage et
Estimation
dune
moyenne
Chapitre 2 :
Echantillonnage et
Estimation
dune
proportion

X une variable alatoire qui suit une loi quelconque sur une
population avec E (X ) = et (X ) =
On prlve, au hasard, un chantillon (tirages avec remise
ou assimils) de taille n 30 de moyenne X
Alors la variable alatoire X!suit approximativement une loi

normale : X , N ;
n

Echantillon = Population
Statistique
infrentielle
Pr. Driss El
Moutawakil
Chapitre 1 :
Introduction
Chapitre 2 :
Rappel sur la
loi normale
Chapitre 1 :
Echantillonnage et
Estimation
dune
moyenne
Chapitre 2 :
Echantillonnage et
Estimation
dune
proportion

Lestimation est le problme inverse de lchantillonnage


Problmatique
A partir des informations (Moyenne - Ecart-type) tablies
sur un chantillon, comment retrouver ou plutt estimer
celles dune population entire ?

Estimation Ponctuelle
Statistique
infrentielle
Pr. Driss El
Moutawakil
Chapitre 1 :
Introduction
Chapitre 2 :
Rappel sur la
loi normale
Chapitre 1 :
Echantillonnage et
Estimation
dune
moyenne
Chapitre 2 :
Echantillonnage et
Estimation
dune
proportion

X une variable alatoire de moyenne inconnue et


dcart-type connu ou inconnu
On prlve au hasard un chantillon de taille n de moyenne
e et dcart-type e
Alors, on a :
Une estimation ponctuelle
de la moyenne de la
population est e cd '
= e
Une estimation ponctuelle
derlcart-type de la
n
population est
tel que :
=
e
n1

Estimation par Intervalle de confiance


Statistique
infrentielle
Pr. Driss El
Moutawakil
Chapitre 1 :
Introduction
Chapitre 2 :
Rappel sur la
loi normale
Chapitre 1 :
Echantillonnage et
Estimation
dune
moyenne
Chapitre 2 :
Echantillonnage et
Estimation
dune
proportion

X une variable alatoire de moyenne inconnue et


dcart-type connu ou inconnu
On prlve au hasard un chantillon de taille n de moyenne
e et dcart-type e
Alors :
On dispose uniquement dune estimation
de la moyenne
de la population qui est e
Peut-on avoir plus dinformations sur ?
Peut-on trouver un encadrement de ?
Peut-on trouver, avec une confiance C , un intervalle qui
contient ?
Peut-on trouver, avec un risque , un intervalle qui
contient ?
Liaison entre la confiance C et le risque : C = 1

Estimation par Intervalle de confiance


Statistique
infrentielle

On cherche le rel r tel que


!

Pr. Driss El
Moutawakil
Chapitre 1 :
Introduction

P X r X +r
On a

Chapitre 2 :
Rappel sur la
loi normale
Chapitre 1 :
Echantillonnage et
Estimation
dune
moyenne
Chapitre 2 :
Echantillonnage et
Estimation
dune
proportion

=C

!
P r X +r
= P

=C
!

r X r

=C

!
n
X
n
= P r
r
=C

n
!

On sait que : X , N ;
n

Estimation par Intervalle de confiance


Statistique
infrentielle
Pr. Driss El
Moutawakil
Chapitre 1 :
Introduction
Chapitre 2 :
Rappel sur la
loi normale
Chapitre 1 :
Echantillonnage et
Estimation
dune
moyenne
Chapitre 2 :
Echantillonnage et
Estimation
dune
proportion

Donc, on a
!

P r T r
=C
n
n
!

= 2 r
1=C
n
!

C +1
n
= r
=

2
En utilisant la table dela loi normale centre rduite, on
n
lira la valeur de t = r

Ainsi on trouve la valeur de r = t


n

Estimation par Intervalle de confiance


Statistique
infrentielle
Pr. Driss El
Moutawakil
Chapitre 1 :
Introduction
Chapitre 2 :
Rappel sur la
loi normale
Chapitre 1 :
Echantillonnage et
Estimation
dune
moyenne
Chapitre 2 :
Echantillonnage et
Estimation
dune
proportion

Reprenons maintenant notre chantillon de moyenne e et


dcart-type e
Si est connu, alors lintervalle de confiance sera :
"
#

IC = e t. , e + t.
n
n
Si est inconnu,
ralors on remplace par son estimation
n
ponctuelle
=
e . Dans ce cas, lintervalle de
n1
confiance sera :
"
#
e
e
IC = e t.
, e + t.
n1
n1

Application 1
Statistique
infrentielle
Pr. Driss El
Moutawakil
Chapitre 1 :
Introduction
Chapitre 2 :
Rappel sur la
loi normale
Chapitre 1 :
Echantillonnage et
Estimation
dune
moyenne
Chapitre 2 :
Echantillonnage et
Estimation
dune
proportion

On veut estimer la moyenne dune variable alatoire suivant la


loi normale de variance 6, 25. Lestimation se fait laide dun
chantillon de taille n = 100 fournissant une moyenne de 4, 3.
1

Quel est lintervalle de confiance 95% ?

Quel est lintervalle de confiance 99% ?

On suppose cette fois-ci que la variance de la population


nest pas connue, mais uniquement celle de lchantillon
gale 6, 76.
Quel sera lintervalle de confiance 90% ?

Application 2
Statistique
infrentielle
Pr. Driss El
Moutawakil
Chapitre 1 :
Introduction
Chapitre 2 :
Rappel sur la
loi normale
Chapitre 1 :
Echantillonnage et
Estimation
dune
moyenne
Chapitre 2 :
Echantillonnage et
Estimation
dune
proportion

On mesure les poids dun chantillon de 100 lves dun lyce.


On obtient :
Poids (Kg) Effectif
70
3
71
5
72
6
73
8
74
10
75
12
76
15
77
14
78
12
79
11
80
4

Application 2
Statistique
infrentielle
Pr. Driss El
Moutawakil
Chapitre 1 :
Introduction
Chapitre 2 :
Rappel sur la
loi normale
Chapitre 1 :
Echantillonnage et
Estimation
dune
moyenne
Chapitre 2 :
Echantillonnage et
Estimation
dune
proportion

Calculer la moyenne e et lcart-type e de lchantillon

Estimer la moyenne et lcart-type du poids des lves de


ce lyce

Dterminer un intervalle de confiance du poids moyen avec


un risque de 5%

Population = Echantillon
Statistique
infrentielle
Pr. Driss El
Moutawakil
Chapitre 1 :
Introduction
Chapitre 2 :
Rappel sur la
loi normale
Chapitre 1 :
Echantillonnage et
Estimation
dune
moyenne
Chapitre 2 :
Echantillonnage et
Estimation
dune
proportion

On dispose dune population sur laquelle on tudie un caractre


(ou attribut) A dont on connat la proportion p dans la
population.
On sintresse aux chantillons de taille n. Auront-ils tous
la mme proportion ?
Non, certains peuvent tre constitus dlments atypiques
et avoir une proportion trs diffrente de celle de la
population (surtout si lchantillon est de petite taille).

Population = Echantillon
Statistique
infrentielle
Pr. Driss El
Moutawakil
Chapitre 1 :
Introduction
Chapitre 2 :
Rappel sur la
loi normale
Chapitre 1 :
Echantillonnage et
Estimation
dune
moyenne
Chapitre 2 :
Echantillonnage et
Estimation
dune
proportion

On dispose dune population sur laquelle on tudie un caractre


(ou attribut) A dont on connat la proportion p dans la
population.
Notons par F la variable alatoire qui, chaque chantillon
de taille n, associe sa proportion du caractre A.
F sappelle encore la distribution des frquences des
chantillons de taille n.
Que peut-on dire de cette variable alatoire F ?

Population = Echantillon
Statistique
infrentielle
Pr. Driss El
Moutawakil
Chapitre 1 :
Introduction
Chapitre 2 :
Rappel sur la
loi normale
Chapitre 1 :
Echantillonnage et
Estimation
dune
moyenne
Chapitre 2 :
Echantillonnage et
Estimation
dune
proportion

Thorme
On considre une population sur laquelle on tudie un
caractre A rpandu avec une frquence p
On prlve, au hasard, un chantillon (tirages avec remise
ou assimils) de taille n 30
On note par F la variable alatoire qui correspond la
frquence du caractre A dans lchantillon
Alors, la variable alatoire F suit approximativement une
loi normale telle que :
!
r
p(1 p)
F , N p;
n

Echantillon = Population
Statistique
infrentielle
Pr. Driss El
Moutawakil
Chapitre 1 :
Introduction
Chapitre 2 :
Rappel sur la
loi normale
Chapitre 1 :
Echantillonnage et
Estimation
dune
moyenne
Chapitre 2 :
Echantillonnage et
Estimation
dune
proportion

Problmatique
A partir de la frquence dun caractre A sur un chantillon,
comment retrouver ou plutt estimer la frquence du caractre
A sur la population toute entire ?

Estimation Ponctuelle
Statistique
infrentielle
Pr. Driss El
Moutawakil
Chapitre 1 :
Introduction
Chapitre 2 :
Rappel sur la
loi normale
Chapitre 1 :
Echantillonnage et
Estimation
dune
moyenne
Chapitre 2 :
Echantillonnage et
Estimation
dune
proportion

On considre un caractre A sur une population dont la


proportion p est inconnue
On prlve au hasard un chantillon de taille n 30 sur
lequel on a calcul la proportion pe dindividus ayant le
caractre A
Alors, une estimation ponctuelle p de la frquence p est pe
cd p ' p = pe

Estimation par Intervalle de confiance


Statistique
infrentielle
Pr. Driss El
Moutawakil
Chapitre 1 :
Introduction
Chapitre 2 :
Rappel sur la
loi normale
Chapitre 1 :
Echantillonnage et
Estimation
dune
moyenne
Chapitre 2 :
Echantillonnage et
Estimation
dune
proportion

On considre un caractre A sur une population dont la


proportion p est inconnue
On prlve au hasard un chantillon de taille n 30 sur
lequel on a calcul la proportion pe dindividus ayant le
caractre A
Soit F la variable alatoire qui correspond la frquence
du caractre A dans cet chantillon
On sait que F suit approximativement une loi normale telle
que :
!
r
p(1 p)
F , N p, p =
n

Estimation par Intervalle de confiance


Statistique
infrentielle
Pr. Driss El
Moutawakil
Chapitre 1 :
Introduction
Chapitre 2 :
Rappel sur la
loi normale
Chapitre 1 :
Echantillonnage et
Estimation
dune
moyenne
Chapitre 2 :
Echantillonnage et
Estimation
dune
proportion

On dispose uniquement dune estimation p de la frquence


p du caractre A sur la population qui est pe
Peut-on avoir plus dinformations sur p ?
Peut-on trouver un encadrement de p ?
Peut-on trouver, avec une confiance C , un intervalle qui
contient p ?
Peut-on trouver, avec un risque , un intervalle qui
contient p ?
Liaison entre la confiance C et le risque : C = 1

Estimation par Intervalle de confiance


Statistique
infrentielle

On cherche le rel r tel que


!

Pr. Driss El
Moutawakil

P F r p F +r

=C

Chapitre 1 :
Introduction
Chapitre 2 :
Rappel sur la
loi normale
Chapitre 1 :
Echantillonnage et
Estimation
dune
moyenne
Chapitre 2 :
Echantillonnage et
Estimation
dune
proportion

On a
!
P pr F p+r

= C = P r F p r
!
r
F p
r
= P

=C
p
p
p
!
r
p(1 p)
On sait que : F , N p; p =
n


F p
Alors, la variable T =
, N 0; 1
p

!
=C

Estimation par Intervalle de confiance


Statistique
infrentielle
Pr. Driss El
Moutawakil
Chapitre 1 :
Introduction
Chapitre 2 :
Rappel sur la
loi normale
Chapitre 1 :
Echantillonnage et
Estimation
dune
moyenne
Chapitre 2 :
Echantillonnage et
Estimation
dune
proportion

Donc, on a
!
!
r
r
r
P
T
= C = 2
1=C
p
p
p
!
C +1
r
=
=
p
2
En utilisant la table de la loi normale centre rduite, on
r
lira la valeur de t =
p
Ainsi on trouve la valeur de r = t.p

Estimation par Intervalle de confiance


Statistique
infrentielle
Pr. Driss El
Moutawakil
Chapitre 1 :
Introduction
Chapitre 2 :
Rappel sur la
loi normale
Chapitre 1 :
Echantillonnage et
Estimation
dune
moyenne
Chapitre 2 :
Echantillonnage et
Estimation
dune
proportion

Reprenons maintenant notre chantillon (de taille n 30)


dans lequel la frquence du caractre A est pe
Alors lintervalle de confiance sera :
"
#
r
r
pe (1 pe )
pe (1 pe )
IC = pe t.
, pe + t.
n
n

Application 1
Statistique
infrentielle
Pr. Driss El
Moutawakil
Chapitre 1 :
Introduction
Chapitre 2 :
Rappel sur la
loi normale
Chapitre 1 :
Echantillonnage et
Estimation
dune
moyenne
Chapitre 2 :
Echantillonnage et
Estimation
dune
proportion

On a test lefficacit dune mthode dapprentissage de la


lecture en lexprimentant sur un chantillon de 400 lves de
CP et constat que que 320 des lves ont donn des rsultats
satisfaisants.
Avec une confiance de 95%, donner une estimation de la
proportion de rsultats satisfaisants que donnerait la mthode
sur lensemble des lves.

Application 2
Statistique
infrentielle
Pr. Driss El
Moutawakil
Chapitre 1 :
Introduction
Chapitre 2 :
Rappel sur la
loi normale
Chapitre 1 :
Echantillonnage et
Estimation
dune
moyenne
Chapitre 2 :
Echantillonnage et
Estimation
dune
proportion

Un sondage effectu sur 900 personnes, choisies de manire


alatoire dans une population, a indiqu que 300 dentre elles
possdent un four micro-ondes.
Avec un risque de 1%, dterminer un intervalle de confiance du
pourcentage de personnes de cette population possdant un
four micro-ondes.