Echantillonnage et

estimation - 1ère partie

Contrôle de gestion
Echantillonnage et estimation - 1ère partie 2

Table des matières

Introduction 3
Introduction..........................................................................................4
Généralités..........................................................................................................4

Différence entre échantillonnage et estimation....................................................4

Tests d'hypothèse................................................................................................4

Constitution d'un échantillon................................................................................5

Distribution d'échantillonnage 6
Distribution d'échantillonnage...........................................................7
Généralités..........................................................................................................7

Distribution d'échantillonnage des moyennes......................................................8

Distribution d'échantillonnage des proportions (ou des fréquences)..................15

Echantillonnage et estimation - 1ère partie 3

Introduction
 Echantillonnage et estimation - 1ère partie 4

Introduction

Généralités

Principe
• Dans le "monde réel" il est généralement impossible d'étudier intégralement une
population (dite population mère). Ceci est dû essentiellement aux coûts engendrés
par ce type d'étude.
=> Par conséquent, on étudie le plus souvent un échantillon issu de la population mère.

Différence entre échantillonnage et estimation

L'échantillonnage
• La théorie de l'échantillonnage permet, à partir des paramètres (caractéristiques)
supposés connus de la population mère, de déduire celles relatives aux
échantillons prélevés dans cette même population mère.
Nous étudierons donc successivement :
- La distribution d'échantillonnage des moyennes en déterminant : l'espérance, la
variance, l'écart type, la loi de probabilité et les intervalles de confiance
- La distribution d'échantillonnage des proportions en déterminant les mêmes
éléments.

L'estimation ou inférence statistique

C'est le problème inverse de l'échantillonnage.

• On va estimer les paramètres (caractéristiques) de la population mère à partir
des paramètres calculés sur un ou des échantillons extraits de la population
mère.

Tests d'hypothèse

Principe
• Par l'échantillonnage, on peut aussi tester la validité d'ajustement d'une série
observée par une loi de probabilité ou vérifier le respect d'une norme dans une
 Echantillonnage et estimation - 1ère partie 5

population (tests d'hypothèses).

Constitution d'un échantillon

Principe
• Un échantillon est un sous-ensemble de la population étudiée ; il est constitué
par tirage au sort (aléatoire).
• Autrement dit, on prélève au hasard des éléments de la population pour constituer
un ou des échantillons.
• La constitution d'un échantillon peut s'effectuer avec ou sans remise.

Échantillon avec remise

• L'élément prélevé dans la population mère, est remis immédiatement avant
que ne soit prélevé le suivant. L'élément choisi pouvant être prélevé une ou
plusieurs fois, les tirages sont indépendants. Dans ce cas, l'échantillonnage est dit
non exhaustif.

Échantillon sans remise

• L'élément prélevé dans la population mère n'est pas remis.
=> L'élément choisi ne peut l'être qu'une fois et une seule, donc les tirages ne sont pas
indépendants puisque la composition de la population mère est modifiée à chaque tirage.
• Cet échantillonnage est dit exhaustif.
Remarque importante : Les résultats développés dans ce chapitre supposent des tirages
indépendants, donc des tirages avec remise. On peut cependant considérer que des
tirages sans remise dans une population très importante satisfont la condition
d'indépendance.
Echantillonnage et estimation - 1ère partie 6

Distribution d'échantillonnage
 Echantillonnage et estimation - 1ère partie 7

Distribution d'échantillonnage

Généralités

Principe
• La population mère de laquelle est tiré l'échantillon est finie ou infinie.
• Toutefois, une population finie, dans laquelle s'effectue un tirage avec remise, peut
être considérée comme infinie.
• Chaque échantillon de taille n constitué, avec ou sans remise, à partir d'une
population mère finie ou infinie, forme une distribution statistique.
• Cette distribution statistique peut être caractérisée par une moyenne, un écart
type ou une proportion. La série des valeurs obtenues pour l'une de ces
caractéristiques, à partir de l'ensemble des échantillons tirés de la population mère,
constitue une distribution d'échantillonnage de la caractéristique considérée.
En conséquence :
- on peut donc obtenir une distribution d'échantillonnage de moyennes, d'écarts types, de
proportions;
- chaque distribution d'échantillonnage sera caractérisée par une moyenne ou un écart
type.

Notation conventionnelle

Par convention, nous utiliserons les notations suivantes :

 Echantillonnage et estimation - 1ère partie 8

Distribution d'échantillonnage des moyennes

Principe

Rappelons tout d'abord qu'il s'agit de déduire les caractéristiques d'un échantillon
quelconque (particulier) à partir de la connaissance des caractéristiques de la population
mère.
• Soit dans une population mère Ω de taille N, une variable aléatoire X pour
laquelle l'espérance mathématique m, la proportion p et l'écart type σ sont
connus.
Remarque : Lorsque l'on dit que les caractéristiques de la population mère (moyenne,
fréquence, variance et écart type) sont connues ou imposées cela suppose donc qu'une
estimation antérieure de ces mêmes paramètres de la population mère a déjà été faite ou
qu'un client impose une norme à respecter.

Espérance mathématique
Echantillonnage et estimation - 1ère partie 9

Variance

Écart type

Loi de probabilité
 Echantillonnage et estimation - 1ère partie 10

Exemple
Une machine produit des pièces dont le diamètre "X" suit une loi normale de moyenne est
50 mm et d'écart type 3 mm.
Remarque : Bien comprendre que les paramètres de la population mère ont été définis à
partir d'une estimation antérieure ou qu'il s'agit d'une norme imposée par un client par
exemple.
Afin de contrôler la production, on tire un échantillon de 25 pièces, à intervalles réguliers.

Intervalles d'acceptation contenant la moyenne

Principe
 Echantillonnage et estimation - 1ère partie 11

Exemple
• 1ère question : On recherche, au risque 5 %, l'intervalle dans lequel doit se situer
le diamètre moyen des pièces mesuré dans un échantillon de 25 pièces, sachant
que le diamètre moyen d'une pièce dans la population est 50 mm et l'écart type du
diamètre est 3 mm.
Echantillonnage et estimation - 1ère partie 12
Echantillonnage et estimation - 1ère partie 13

• 2ème question : Que peut-on dire de l'échantillon, si le diamètre moyen des pièces
le constituant est 50,8 mm ?
 Echantillonnage et estimation - 1ère partie 14

Échantillonnage de différence de moyennes

Principe
Soit deux distributions d'échantillonnages issus de deux populations différentes. On
constitue un échantillon dans deux populations et la valeur moyenne de la mesure faite
dans chaque échantillon est une variable aléatoire.

Exemple
Une ampoule électrique de marque α a une durée de vie moyenne de 2 800 heures avec
un écart type de 280 heures.
Une ampoule de marque β a une durée de vie moyenne de 2 000 heures avec un écart
type de 420 heures.
On prélève 49 ampoules de chaque marque.
Echantillonnage et estimation - 1ère partie 15

Distribution d'échantillonnage des proportions

(ou des fréquences)
Echantillonnage et estimation - 1ère partie 16

Principe

Espérance mathématique de Fn (fréquence des échantillons)

Variance de Fn
 Echantillonnage et estimation - 1ère partie 17

Écart type de Fn

Loi de probabilité de Fn

Principe

Exemple
Une société spécialisée dans la vente en ligne via Internet de produits de grandes
marques "à prix cassés", possède bien entendu un fichier client. En étudiant ce fichier elle
s'est rendu compte que 80 % de ses clients passent deux commandes par an.
Des échantillons de 300 clients, sélectionnés au hasard sont constitués, dans le but
d'effectuer des relances par e-mail.
Soit F300 la variable aléatoire qui à chaque échantillon de taille 300 associe la proportion
des clients de cet échantillon ayant passé deux commandes par an.
 Echantillonnage et estimation - 1ère partie 18

Intervalles d'acceptation centrés sur la proportion (ou fréquence)

Principe
Des intervalles d'acceptation centrés sur la proportion (ou la fréquence) d'un échantillon
de taille n peuvent être calculés au seuil de confiance α (compris entre 0 et 1).
On va donc retrouver exactement le même principe que lorsque nous avons étudié ci-
avant les intervalles d'acceptation contenant la moyenne. Autrement dit, on cherche =>
p(p - k < Fn < p + k) = α
 Echantillonnage et estimation - 1ère partie 19

Exemple
Reprenons l'exemple précédent (vente en ligne).
Déterminez un intervalle centré autour de la proportion dans lequel la proportion d'un
échantillon de taille 300 tiré au hasard sera situé dans 99 % des cas.

Échantillonnage de différence de proportions

• Nous allons retrouver exactement les mêmes principes que pour l'échantillonnage
de la différence de moyennes vu précédemment.
• Soit deux distributions d'échantillonnages issues de deux populations différentes.
• On constitue un échantillon dans deux populations et la proportion de la mesure
faite dans chaque échantillon est une variable aléatoire.
Echantillonnage et estimation - 1ère partie 20
Echantillonnage et estimation - 1ère partie 21

Contact