Vous êtes sur la page 1sur 50

23/10/2017

Statistiques
Appliques
ZAKARIA BENJOUID

Anne Universitaire : 2017/2018

Plan 2

Probabilit et
Echantillonnage Estimation
lois usuelles

1
23/10/2017

Bibliographie 3

B. Goldfarb et C. Pardoux : Introduction la


mthode statistique Dunod.
Fourdrinier D. : Statistiques infrentielle Dunod.
Lejeune M. : Statistiques, la thorie et ses
applications Springer.
Shao J. Matimatical statistics Springer.

Statistiques Descriptives 4

2
23/10/2017

Pourquoi tudier les statistiques ? 5

Savoir prsenter, dcrire des donnes.

Savoir tirer des conclusions sur des populations partir de calculs conduits

sur des chantillons.

Savoir comment amliorer des processus.

Savoir faire de bonnes prvisions.

Le matriau de dpart
NUMERO SALAIRE SEXE AGE ANC NIVEAU
6
1 129472 F 42 3 B
2 212696 M 54 10 B
3 210888 M 47 10 A
4 213692 M 47 1 B
5 202408 M 44 5 B
6 196132 M 42 10 A
7 97580 M 30 5 A
8 97580 F 52 6 A
9 172496 M 48 8 A
10 95900 F 58 4 A
11 212696 M 46 4 C
12 234060 M 36 8 C
13 225176 M 49 10 B
14 197532 F 55 10 B
15 179536 M 41 1 A
16 213716 F 52 5 B
17 186296 M 57 8 A
18 235872 F 61 10 B
19 212696 M 50 5 A
20 214508 M 47 10 B
21 196132 M 54 5 B
22 219924 M 47 7 A
23 250120 M 50 10 B
24 110100 F 38 3 A
25 97580 M 31 5 A
26 227536 M 47 10 A

Un tableau de donnes

3
23/10/2017

Dfinitions 7
Population
Ensemble de rfrence
x
x x x
x x x x
x x x
Individu x x
x x x x
Elment de la population x
x x x x
x
x x x x
x x
Echantillon x x x
x x
Sous-ensemble de la population. x x
x x x
x x x x
x x
Caractre, variable x x x
x

Paramtre / Statistique

Etude dun seul caractre 8

variable

qualitative quantitative

nominale ordinale discrte continue

4
23/10/2017

Description de base 9

Un graphique

Des paramtres

Lanalyse des tris plat 10

Elle consiste traiter une seule variable la fois.


Il sagit d'analyse uni-varie.
Il est question de se concentrer sur une
description des rsultats.

5
23/10/2017

Analyse descriptive 11

Caractristiques de tendance centrales :


Moyenne arithmtique :
1 p
X xi ni
n i 1
Xi : nombre de voyages ltranger
Yi : reprsente des revenus

Analyse descriptive 12

Caractristiques de dispersion :

La variance :
1 p 1 p 2
V ( x) ( xi x) 2 ni
n i 1
V ( x) ( xi ni ) ( x ) 2
n i 1
Lcart type :
( x) v( x)

Le coefficient de variation (risque)


( x)
( x)
X

6
23/10/2017

Prsentations graphiques 13

Prsentations graphiques 14

7
23/10/2017

15
Statistique descriptive
Organisation, prsentation et analyse
des donnes en mettant les points
importants en vidence.

Statistique infrentielle
Raisonner par infrence, prendre des
dcisions sur une population partir
dun chantillon.

16

Applications

8
23/10/2017

Probabilit et lois
usuelles

Thories des probabilits : 18

La thorie des probabilits est la partie la


plus abstraite de la statistique. Elle traite
des phnomnes alatoires et sest
dveloppe dans des salles de jeu, ce qui
explique le fait que la majorit des
exemples retenus sont emprunts aux jeux
de hasard.

9
23/10/2017

19

La thorie des probabilits est


lintermdiaire entre la statistique
descriptive qui traite des sries
statistiques directement, et
linfrence statistique qui comprend
les valeurs statistiques comme les
indicateurs indirects de valeurs
vraies mesures par
chantillonnage

Thories des probabilits 20

But de la thorie des probabilits : dvelopper


un formalisme adapt ltude des
phnomnes dans lequel le hasard intervient.
alatoire vient de alea signifiant jeu de
ds en latin.

10
23/10/2017

Exprience Alatoire 21

Exemples :
On jette un d et l'on observe le rsultat obtenu.
Sion lance trois fois de suite une pice de
monnaie, on peut distinguer 8 rsultats possibles :
PPP, PPF, ....,FFF.
On jette une pice de monnaie jusqu' ce que
le ct face sorte pour la premire fois.

Exprience Alatoire 22

Dfinition :
Une exprience est dite alatoire ou
stochastique s'il est impossible de prvoir avec
certitude son rsultat.
En principe, on admet qu'une exprience
alatoire peut tre rpte indfiniment dans
des conditions identiques son rsultat peut donc
varier d'une ralisation l'autre.

11
23/10/2017

Exprience Alatoire 23

Dfinition :
Une exprience est dite donc alatoire si :
a- On ne peut pas prdire avec certitude son
rsultat
b- On peut dcrire l'ensemble de tous les rsultats
possibles.

Exprience Alatoire 24

Exemples :
Si on jette un d : = {1;2;3;4;5;6} et card() = 6
A est lvnement "un nombre pair est tir" alors A = {2;4;6}
B est lvnement "un nombre impair est tir" alors B =
{1;3;5}
C est lvnement "un nombre 4" alors C = {4;5;6}
D est lvnement lmentaire "le plus petit nombre" alors
D = {1}

12
23/10/2017

25

Variables alatoires

Variables alatoires 26

Dfinition :
Dans de nombreuses expriences alatoires,
nous sommes amens attacher un nombre
rel chaque issue de l'univers .
Une telle application X de vers R est appele
variable alatoire.

13
23/10/2017

Variables alatoires discrtes 27

Exemple 1 :
On jette une pice de monnaie deux fois de
suite.
L'univers est : = {(p ; p) ; (p ; f) ; (f ; p) ; (f ; f)}
Notons X la variable alatoire indiquant le
nombre de faces obtenues.

Variables alatoires discrtes 28

Exemple 1 :

X peut prendre diverses valeurs : il s'agit donc


bien d'une variable.
Comme la valeur que prend X dpend de l'issue
ralise donc du hasard, X est donc alatoire.

14
23/10/2017

Variables alatoires discrtes 29

Exemple 2 :
Une urne contient trois boules numrotes 2 ; 3
et 5. On tire successivement avec remises deux
boules de cette urne. = {(2 ; 2) ; (2 ; 3) ; (2 ; 5) ;
(3 ; 2) ; (3 ; 3) ; (3 ; 5) ; (5 ; 2) ; (5 ; 3) ; (5 ; 5)}
Notons Y la variable alatoire indiquant la
somme des points obtenus.
Y : (j ; k) j + k

Variables alatoires discrtes 30

Remarque :
Dans ces exemples, il est possible de calculer la
probabilit que la variable alatoire prenne une
valeur donne.
Par exemple, la probabilit que X prenne la
valeur 0 est 1/4.

15
23/10/2017

Variables alatoires discrtes 31

Dfinition :
On dit qu'une variable alatoire est discrte si
elle ne peut prendre qu'un nombre fini ou
dnombrable de valeurs.

Variables alatoires discrtes 32

En gnral :
Considrons l'univers attach une exprience alatoire et
X une variable alatoire pouvant prendre un nombre fini de
valeurs.
Si chacune de ces valeurs nous associons la probabilit de
l'vnement correspondant, nous obtenons alors la loi de
probabilit ou la distribution de probabilit de la variable
alatoire X.

16
23/10/2017

Variables alatoires discrtes 33

Notation :
La variable X peut prendre les valeurs x1 ; x2 ; ... ; xn.
p1 est la probabilit que X prenne la valeur x1 : p1 = P(X = x1)
p2 est la probabilit que X prenne la valeur x2 : p2 = P(X = x2)
...
pn est la probabilit que X prenne la valeur xn : pn = P(X = xn)
Ces valeurs peuvent tre prsentes dans un tableau appel
tableau de distribution de X :

Variables alatoires discrtes 34

Notation :

X x1 x2 xn
P p1 p2 pn

17
23/10/2017

Variables alatoires discrtes 35

Remarques :
Dans un tableau de distribution,

Il est possible de visualiser ces distributions


l'aide de diagrammes en btons.

Moyenne ou esprance 36

mathmatique
On lance un d une fois.
Notons X la variable alatoire indiquant le nombre
de points affich par le d.
X 1 2 3 4 5 6
P 1/6 1/6 1/6 1/6 1/6 1/6

En lanant un trs grand nombre de fois le d, quelle


sera en moyenne le nombre de points obtenus ?

18
23/10/2017

Moyenne ou esprance 37

mathmatique
Dfinition :
Considrons X une variable alatoire pouvant
prendre les valeurs x1 ; x2 ; ... ; xn avec des
probabilits respectives p1 ; p2 ; ... ; pn.
L'esprance mathmatique de X est :

Moyenne ou esprance 38

mathmatique
Pour le d :

19
23/10/2017

Variance et cart-type 39

Considrons trois variables alatoires dont les


distributions sont reprsentes ci-dessous.

40

20
23/10/2017

Variance et cart-type 41

La variance de X, note V(X) est, en notant m =


E(X) :

L'cart-type de X, not (X) est : (X) = ()

Variance et cart-type 42

On utilise souvent la formule suivante :

21
23/10/2017

43

Exemple :
44
Soit une agence immobilire qui dsire se
lancer dans la location la journe de studios
meubls. Elle tudie la demande journalire
possible x de location durant les mois de juillet
et aot. Elle obtient les rsultats suivants :

xi 0 1 2 3 4 5 6

P (xi) 0.05 0.01 0.2 0.3 0.25 0.1 0.09

Dterminer lesprance et la variance de cette variable


alatoire.

22
23/10/2017

Exercice 1 45

On jette une pice de monnaie trois fois


successivement.
1) Quel est l'univers ? Dcrire la variable
alatoire X associant chaque vnement
de , le nombre de faces se prsentant
lpreuve.
2)En faire la distribution de probabilit.
Dterminer l'esprance mathmatique, la
variance et lcart-type.

Exercice 2 46

On jette une pice de monnaie trois fois


successivement.
1) Quel est l'univers ? Dcrire la variable
alatoire X associant chaque vnement
de , le nombre de faces moins le nombre
de piles.
2)En faire la distribution de probabilit.
Dterminer l'esprance mathmatique, la
variance et lcart-type.

23
23/10/2017

Une VA peut tre discrte ou 47

continue :
Une VA est dite discrte si l'ensemble des
valeurs qu'elle est susceptible de prendre
est dnombrable.
Une VA est dite continue si elle peut
prendre toute valeur l'intrieur d'un
intervalle donn.

Moyenne (moment dordre 1) : 48


loi discrte : E( x ) xi.p(X xi)
i

loi continue : E( x )
x . f(x)dx

Variance
loi discrte : V(X) (xi )2 p(X xi)
i

loi continue : V(X)


(x x )2 f(x)dx

V(X) = E(X2) - E(X)2

24
23/10/2017

Les caractristiques dune variable 49

alatoires continue
Fonction de rpartition : Soit X une VA
continue et f sa densit de probabilit. La
fonction de rpartition de X est la fonction
F telle que:
F : IR [0,1]
x
X P(X x) f(x)dx

Les caractristiques dune variable 50

alatoires continue

25
23/10/2017

Lois Usuelles

Lois Usuelles 52

Loi de probabilit lment central de la statistique infrentielle

Avant tout, il faut bien dfinir la VA dtude

La dtermination de la loi de probabilit suivie par une variable va


servir :

- aux calculs de probabilit de ralisation d'vnements,

- la dduction

- l'infrence statistique

26
23/10/2017

53
Une loi de probabilit

est entirement dfinie par lensemble des valeurs

possibles prises par la variable alatoire et les

probabilits dapparition de chacune de ces valeurs.

54

Dans le cas dune variable alatoire X discrte, une

loi de probabilit est entirement dfinie par

lensemble des couples (k, p[X=k]) (k Entier, en

gnral)

p[X=k] a un sens!

27
23/10/2017

55

Dans cas dune Variable Alatoire X continue, une loi

de probabilit est dfinie lensemble des valeurs (e ,

p[X< e]) (e Rel)

p[X= e] = 0 !

Prendre p[X>e] dans la dfinition reviendrait au

mme

Lois de probabilit : 56

Il existe de nombreuses lois de


probabilits, chacune s'appliquant
dans des conditions bien
particulires.

28
23/10/2017

Loi de BERNOULLI 57

La variable de BERNOULLI est une variable


qui prend les valeurs 0 et 1 avec les
probabilits respectives q et p (p + q =1).
La valeur 1 est associ la ralisation de
lvnement considr succs et la valeur
0 sa non ralisation chec

58

Caractristiques :

E X xi pi p E X p


V X xi2 pi xi pi 2 p p 2 p1 p p.q

V X p.q

29
23/10/2017

59
Loi BINOMIALE
Une variable alatoire est dite binomiale si
elle reprsente le nombre de succs obtenus
dans une exprience de n preuves o
la probabilit de succs reste constante.
La fonction de probabilit dune telle fonction
est donne par :
P X k Cnk p k q nk On note X n, p

60

La variable binomiale est entirement


spcifie par la connaissance de n et p.

La variable de BERNOULLI est un cas


particulier de la variable binomiale : n=1.

30
23/10/2017

La loi Binomiale 61

Considrons une situation o chaque preuve


ne possde que deux issues possibles et que le
rsultat dune preuve ninfluence pas la
suivante (preuves successives indpendantes).

La loi Binomiale 62

n = nombre de rptitions de lpreuve


k = nombre de succs parmi les n preuves (0
k n)

p = probabilit de succs (S) lors dune preuve


q = 1 p = probabilit dchec (E) lors dune
preuve

31
23/10/2017

La loi Binomiale 63

Conditions dapplication de la variable binomiale :


1re condition : Lexprience consiste en une suite
dpreuves se soldant chaque fois soit par un
succs soit par un chec.
2me condition : Les preuves se rptent de manire
identique et dans les mmes conditions.
3me condition : La probabilit de succs reste
constante tout au long des n preuves.

La loi Binomiale 64

Exemples :
1 - Quelle est la probabilit dobtenir 7 piles en
lanant 10 fois une pice de monnaie ?
2 - Quelle est la probabilit dobtenir deux fois
un 6 en jetant 5 fois un d ?

32
23/10/2017

La loi Binomiale 65

Notons X la variable alatoire indiquant le nombre k de


ralisations de l'vnement A dans la srie de n preuves.
Nous savons que :

Question :
Quelle est l'esprance mathmatique, la variance et lcart-
type dune variable alatoire X qui suit une loi binomiale ?

La loi Binomiale 66

Exemple :
Dans une famille de n = 4 enfants, on admet
que la probabilit davoir un garon est de
p = 1/2.
Si X reprsente le nombre de garons parmi
les 4 enfants, dterminer la loi de probabilit
de X et calculer ses caractristiques.

33
23/10/2017

La loi Binomiale 67

Exemple :

La loi Binomiale 68

Proposition :
Dans le cas de la loi binomiale on a :

34
23/10/2017

69
Approximation de la loi binomiale :

1er
cas :lorsque n est lev et p nest ni
proche de 1 ni de 0, la loi binomiale est
approch par la loi normale
2me cas :Lorsque n est lev et p est
faible (p<0.1) la loi binomiale est approch
par la loi de poisson

Exemple 1 70

Lagence immobilire dispose dun parc de 5


studios. La probabilit de louer chacun deux au
mois de juin est de 0.6. Lagence dsire tudier
la probabilit de location de ce parc.
1- Quelle est la loi de probabilit suivie par cette
variable alatoire ? Quels en sont ses
paramtres ?
2- Calculer la probabilit de louer 0, 1, 2 studios?

35
23/10/2017

Exemple 2 71

Dans une population, la proportion


dindividu qui ont lintention de voter lors
des prochaines lections lgislatives est de
15%. Calculer la probabilit pour que 25%
des individus dun chantillon deffectif 16
votent ?

Exemple 3 72

On considre un test constitu de QCM pour lesquelles


cinq rponses sont prsentes dont une seule est correcte.
Le test comprend n = 6 questions.
Quelle est :
- La loi de probabilit de X et ses caractristiques
- la probabilit davoir au moins 4 bonnes rponses en
rpondant au hasard,
- la probabilit davoir moins de 4 bonnes rponses en
rpondant au hasard,

36
23/10/2017

Solution 73

En rpondant au hasard chaque question on a 1


chance sur 5 de rpondre correctement la question et
4 chances sur 5 de donner une rponse fausse.
p = 0,2 davoir une rponse juste et une probabilit q =
0,8 davoir une rponse fausse.
Le nombre de tirage est n = 6, le tirage peut tre
considr avec remise puisqu chaque tirage les
probabilits p et q ne changent pas.

Solution 74

Esprance mathmatique : E(X) = np = 6 * 0,2 = 1,2

Variance : Var(X) = npq = 6 * 0,2 * 0,8 = 0,96

37
23/10/2017

Solution 75

Donc loi binomiale : avec n = 6, p = 0,2, q= 0,8.


X ; Formule de calcul ; Pr(X=x)
0 : 1(0,2)0 (0,8)6 = 0,262
1 : 6(0,2)1 (0,8)5 = 0,393
2 : 15(0,2)2 (0,8)4 = 0,245
3: 20(0,2)3(0,8)3 = 0,082
4: 15(0,2)4 (0,8)2 = 0,015
5: 6(0,2)5 (0,8)1 = 0,001
6: 1(0,2)6 (0,8)0 = 0,00006

Solution 76

La probabilit Pr(X 4) est obtenue en faisant la somme


des probabilits suivantes
Pr(X 4) = Pr(X=4) + Pr(X=5) + Pr(X=6) = 0,015 + 0,001
+ 0,000006 0,017

La probabilit Pr(X < 4) est obtenue en faisant la somme


des probabilits suivantes
Pr(X < 4) = Pr(X=0) + Pr(X=1) + Pr(X=2) + Pr(X=3) = 1-
Pr(X 4) = 0,983

38
23/10/2017

Loi de Poisson 77

Cest la loi des vnements rares (vnements se


produisant peu souvent).
Ceci se traduit par une probabilit p faible
Cette loi peut se dduire de la loi binomiale.
Dfinition : une loi de probabilit suit une loi de
Poisson si
x
Pr(X=x) = e
x!

Loi de Poisson 78

La distribution de probabilit dune V.A.


X est dite distribution de POISSON
si elle est dfinie par les couples (xi , pi)
o x prend les valeurs 0, 1, 2,
avec les probabilits respectives donnes par :
x
P( X x) e
x!

est un paramtre rel positif. Notation : X P( )

39
23/10/2017

79

Caractristiques

E( X )

V(X).

Conditions dapplication de la loi de 80


Poisson :
Soit une approximation de la loi binomiale:
lorsque n est lev et p trs faible (proche de 0).
Gnralement l'approximation est valable ds que n
> 50 et p < 0.1
X --> B(n;p) --> Po(= n.p)
Soit une rsultante dun processus alatoire
particulier , le processus de Poisson

40
23/10/2017

81

La loi de POISSON s'applique en


particulier dans le cas d'vnements
se ralisant de faon alatoire dans
le temps ou l'espace (pannes de
machines, arrives de clients un
comptoir, appels tlphoniques sur
une ligne ).

Exemple 1: 82

Larriv des clients un supermarch est


considre comme un processus de POISSON.
On sait que le nombre moyen de clients arrivant
par minute au supermarch est gale 2.
Calculer la probabilit pour que pendant une
priode particulire de 5 minutes il arrive 12
clients.
x
e
x!

41
23/10/2017

Exemple 2: 83

Une entreprise utilise des pots de peinture


dont 0.2% sont dfectueux.
Quelle est la probabilit que sur les 1000 pots
quil utilise , il en trouve au plus un
dfectueux?

Loi Normale 84

De nombreuses variables alatoires ont pour fonction de densit une courbe en


forme de cloche, appele courbe Normale ou courbe de Laplace-Gauss
(Pierre Simon de Laplace 1749-1827 ;Karl Friederich Gauss 1777-1855)

la loi statistique la plus rpandue et la plus utile

de nombreuses lois de probabilits peuvent souvent tre approches


par la loi Normale

drive : loi Log-Normale

42
23/10/2017

Loi Normale 85

distribution continue et symtrique

caractrise par sa moyenne et son cart-type

associe une variable alatoire X quantitative


continue

X N ( , )

x- 2 86
- 1 X N ( , ) POPULATION
2
f(x)
1
2
e
1
courbe symtrique par rapport x =
2
P( X < ) = P(X ) = 0.5

P( < X < ) = 0.68

P( < X < ) = 0.95

P(X > 3 ) < 0.0015

43
23/10/2017

Loi Normale Centre - Rduite

Z N ( , ) 87
1 2
z La variable centre rduite Z=(X-)/
f(z)
1
2
e- 2

a pour moyenne 0 et 1 pour cart-type


1 courbe symtrique par rapport Z =0
2
P( Z 0 ) = P( Z > 0 ) = 0.5

P( -1 Z 1 ) = 0.68

P( -1.96 Z 1.96 ) = 0.95

P( Z > 3 ) < 0.0015

Z
-1,96 1,96

Calcul des probabilits 88

Pour une VA continue, on s'intresse


surtout une probabilit d'intervalle. La
fonction de densit tant complique,
des tables ont t prvues pour faciliter
ce calcul.

44
23/10/2017

Calcul des probabilits 89

Toutefois, tant donne qu'il existe une


infinit de lois normales distinctes par leurs
paramtres, une seule variable normale
est tabule et sert de rfrence pour les
autres : il s'agit de la loi normale centre
rduite.

Le passage de la loi normale la loi


normale centre rduite s'effectue
l'aide du changement de variable
suivant :
X
Z

La loi normale centre rduite
pour paramtre : = 0 et = 1

45
23/10/2017

Proprits : 91

Le graphique de la fonction de densit de


probabilit de la LNCR est une courbe en
cloche symtrique par rapport au point
d'abscisse z= 0

Proprits : 92

La droite verticale z= 0 divise l'aire


comprise entre la courbe et l'axe des
abscisses en deux parties gales P(Z<0) =
0,5 et P(Z>0) = 0,5.
La grande partie des observations se situe
dans l'intervalle -3 ;3.

46
23/10/2017

Utilisation de la table N(O; 1) 93

Cette table nous donne les


probabilits de trouver une valeur
infrieure z

Remarque : 94

la table ne donne que les valeurs


p(Z z) . Il se peut que l'on cherche
p(Z z). Il faut utiliser alors les deux proprits
suivantes:
- la surface totale de la courbe est gale 1;
- la courbe est symtrique par rapport l'axe des
ordonnes.

47
23/10/2017

Exemple : 95

X suit une loi normale N(345; 167)


On souhaite connatre la probabilit
pour que X soit infrieur 500.

On effectue le changement de variable:

X X 345
Z
167
On cherche p(X < 500)=

500 345
p(X < 500)= p( Z ) p( Z 0.93) 0.8238
167

96

48
23/10/2017

Exemple : 97

Le poids moyen de 500 colis est de 141kg et lcart


type est de 15kg, en supposant que ces poids sont
normalement distribus, calculer le nombre de colis
pesant :
- Entre 120 et 155kg
- Plus de 185 kg

Loi de Student 98

Statistiques Infrentielles

Conue historiquement pour modliser les petits


BENJOUID
Zakaria

chantillons Gaussiens variance inconnue.


Elle est dfinie comme le quotient dune loi normale centre
rduite et la racine carre dune loi khi-deux divise par son
nombre de degrs de libert.
Soit U une loi normale centre et rduite et (n)

U
T
On note T~ t(n). 2
n

49
23/10/2017

Loi de Student 99

Elle intervient en estimation, notamment


lestimation de la moyenne quand la variance de la
population mre est inconnue.

50