Royaume du Maroc ‫المملكة المغربية‬

Ministère de l’Education Nationale, de la Formation

‫وزارة التربية الوطنية والتكوين المهني و التعليم العالي‬
Professionnelle, de l’Enseignement Supérieur et de la ‫و البحث العلمي‬
Recherche Scientifique
Université Sidi Mohamed Ben Abdellah ‫جامعة سيدي محمد بن عبد هللا‬
Faculté des Sciences Juridiques Economiques et Sociales - Fès ‫ فــاس‬- ‫كلية العلوم القانونية واالقتصادية واالجتماعي‬

Université Sidi Mohamed2ème

Benannée
Abdellah
licence – Semestre 3 – Toutes les sections
Faculté des Sciences Juridiques Economiques et Sociales-Fès
Année universitaire : 2020 – 2021

M. AIT OUDRA, S. HABIBY & T. ELMAHI

Echantillonnage et Estimation
TD - Série N°1

Exercice n°1 : Loi Normale N (𝝁, 𝝈)

*Soit X~N (𝜇 = 30, 𝜎2 =25)

1. Calculer les probabilités suivantes :

𝑋−𝜇 32−30 𝑋−𝜇
a. P(X≤ 32) = P ( )≤ ) où = 𝑈 ~ > N (0,1)
𝜎 5 𝜎

2
Donc P(U≤ 5 )= P (U≤0,4) = 𝜋(0,4)

D’après la table de la loi normale centrée et réduite, on trouve que 𝜋(0,4) = 0,6554

Par conséquent, P(X≤ 32) = 0,6554, cela signifie que l’on a 65,54% de chances pour que X
soit inférieure à 32.

𝑋−𝜇 33−30 3
b. P(X≥ 33) = 1-P(X≤ 33) = 1 − P ( ≤ ) = 1-P (U <5) (car P(U≥ 𝑎) =
𝜎 5

1 − 𝑃(𝑈 ≤ 𝑎)

𝑋−𝜇
Avec 𝑈 = ~> N (0,1) => = 1-P (U≤ 0,6) = 1 − 𝜋(0,6)= 1-0,7257 = 0,2743,
𝜎

−𝜋(0,6)= 0,7257, d’après la table N(0,1)

Conclusion P(X≥ 𝟑𝟑) = 𝟎, 𝟐𝟕𝟒𝟑

𝑿−𝝁
c. P (|𝑼| >2) avec U= ~> N(0,1)
𝝈
 P (|𝑈| >2) = 1- P (|𝑈| <2) = 1-(P (-2<U<2))
 1-(P(U<2) – P(U<-2))
 1-[𝑃(𝑈 < 2) − (1 − 𝑃(𝑈 < 2))]

1
  1-P (U<2)+1-P(U<2)
 2-2P (U<2) = 2(1-𝜋(2)= 2(1-0,9772), d’après la table de la loi normale centrée et
réduite : 𝜋(2)= 0,9772.
 D’où P (|𝑼| >2) = 0,0456
2. La valeur de K
a. P(X≤ 𝑲)=0,8413
𝑋−𝜇 𝐾−𝜇
*P(X≤ 𝐾)=0,8413 => P( ≤ )=0,8413
𝜎 𝜎

𝐾−30 𝑿−𝝁
=> P(U≤ ) = 0,8413 avec U= ~> N(0,1)
5 𝝈

𝐾−30
=> D’après la table de N(0,1), on a 𝜋(1)=0,8413, cela implique que = 1 => K=35
5

b. P (20≤ 𝑿 ≤ 𝑲) = 0,9544

20−30 𝑋−𝜇 𝐾−30

* P (20≤ 𝑋 ≤ 𝐾) = 0,9544  P( 5
≤𝑋≤ 𝜎
≤ 5
) = 0,9544

𝐾−30
=> P(-2≤ 𝑈 ≤ )=0,9544
5

𝐾−30
=> P(U≤ ) – P(U≤ −2) = 0,9544
5

𝐾−30
=> P(U≤ ) = 0,9544+ P(U≤ −2)=0,9544+(1-𝜋(2))
5

𝐾−30
=> P(U≤ ) = 0,9544+0,0228 = 0,9772
5

𝐾−30
=> D’après la table de N(0,1), on trouve que = 2 => K = 40
5

c. P(X≥ 𝑲) = 0,9332

*P(X≥ 𝐾) = 1- P(X≤ 𝐾) = 0,9332

𝑋−𝜇 𝐾−30
=> P( ≤ ) = 1-0,9332 = 0,0668 < 0,5(0,5 est la valeur minimale figurée sur la table
𝜎 5
de N(0,1))

𝑲−𝟑𝟎
Tant que 0,0668 est inférieur à 0,5, cela signifie que < 0=> dans ce cas, on va utiliser la
𝟓
symétrique de la distribution.

𝐾−30 𝐾−30
Alors, P(U≤ )= 1-P(U≤ −( ))= 0,0668
5 5

𝐾−30
 P(U≤ −( )) = 1-0,0668 = 0,9332
5
−𝐾+30
 D’après la table de N(0,1) , on a 𝜋(0,9332) = 1,5 => = 1,5
5
 K=22,5

2
Exercice 2 :
I. Soit : 𝑿 ⤳ 𝝌 𝟐 (𝟑)

1. La médiane de X (Me)

=> P(X≥ Me) = P(X ≤ Me) = 0,5

P(X≥ Me) = 0,5, d'après la table de khi-deux avec ddl=3, on trouve que Me=2,366

2. Les quantiles d’ordre 0,05 et 0,975

 Quantile d’ordre 0,05:

on sait que, si on a un quantile q d’ordre α => P(X≤ qα ) = α

Donc, un quantile d’ordre 0,05=> P(X≤ q0,05 ) =0,05 => P(X≥ q0,05 ) =1-0,05 = 0,95

D’après la table de khi-deux, on a q0,05 =0,352

 Quantile d’ordre 0,975

P(X≤ q0,975 ) = 0,975 ⇒ P(X ≥ 0,975) = 1 − 0,975 = 0,025 ⇒ q0,975 =9,35

3. déterminer les valeurs de K1 et K2 telles que : P(𝑲𝟏 ≤ 𝑿 ≤ 𝑲𝟐 =

𝟎, 𝟗𝟓

On a P(K1 ≤ X ≤ K 2 = 0,95 =1-α => α=0,05

α
=> P(X≥ K 2 )=P(X≤ K1 )=2 = 0,025

P(X≥ K 2 )=0,025 => K 2 = 9,35

P(X≤ K1 )= 0,025 => P(X≥ K1 )=1-0,025=0,975 => K1 =0,216

4. supposons maintenait que X~𝝌𝟐 (𝟔𝟏)

A- déterminer la valeur de K telles que : P(X≥ 𝑲) = 𝟎, 𝟏𝟓𝟖𝟕

On a ddl 𝜐 = 61 > 30 ⇒ 𝑜𝑛 𝑎𝑝𝑝𝑙𝑖𝑞𝑢𝑒 𝑙′𝑎𝑝𝑝𝑟𝑜𝑥𝑖𝑚𝑖𝑎𝑡𝑖𝑜𝑛 𝑑𝑒 𝐹𝑖𝑐ℎ𝑒𝑟 :

√2𝑋 -√2𝜐 − 1~ > 𝑁(0,1)

√2𝑋 -√2𝜐 − 1 ≥ √2𝐾-√2(61) − 1)=0,1587

=> P(U≤ √2𝐾-11)=1-0,1587=0,8413

D’après la table de N(0,1), on a √2𝐾-11=1 => √2𝐾 = 12 ⇒ 𝐊 = 𝟕𝟐

3
B- la valeur de K telles que : P(X≥ 𝐊) = 𝟎, 𝟏𝟓𝟖𝟕 Si X~χ2 (200)

 On a ddl 𝜐 = 200 > 100 ⇒ 𝑜𝑛 𝑎𝑝𝑝𝑙𝑖𝑞𝑢𝑒 𝑙′𝑎𝑝𝑝𝑟𝑜𝑥𝑖𝑚𝑖𝑎𝑡𝑖𝑜𝑛 𝑔é𝑛é𝑟𝑎𝑙𝑒

𝑋−𝜐 𝑋−𝜐 𝐾−200

 ~𝑁(0,1)=> P( ≥ )=0,1587
√2𝜐 √2𝜐 √400

𝐾−200
=>P(U≤ )=1-0,1587=0,8413
20

𝐾−200
=>𝜋( )=𝜋( 1) => K=220
20

II. Soit : 𝑿 ⤳ N (μ , 𝛔𝟐 )
1. Déterminons d’abord les valeurs de μ et σ

𝑃(𝑋 ≤ 2) = 0.3085
On a : {
𝑃(𝑋 ≥ 8) = 0.0062

𝑋−𝜇 2−𝜇
𝑃( ≤ ) = 0.3085
⇔{ 𝜎 𝜎
𝑋−𝜇 8−𝜇
𝑃( ≥ ) = 0.0062
𝜎 𝜎

2−𝜇
𝑃 (𝑈 ≤ ) = 0.3085
⇔{ 𝜎
8−𝜇
𝑃 (𝑈 ≥ ) = 0.0062
𝜎

2−𝜇
𝑃 (𝑈 ≤ ) = 0.3085
⇔{ 𝜎
8−𝜇
𝑃 (𝑈 < ) = 1 − 0.0062 = 0.9938
𝜎
2−𝜇
On remarque que 0.3085 < 0.5, donc la valeur de est négative
𝜎

Ainsi :

𝜇−2
𝜋( ) = 1 − 0.3085 = 0.6915
{ 𝜎
8−𝜇
𝜋( ) = 0.9938
𝜎

D’après la table de N (0, 1), on a :

𝜇−2
= 0.5
{ 𝜎
8−𝜇
= 2.5
𝜎

4
 𝜇 = 0.5 𝜎 + 2
⇔{
𝜇 = −2.5 𝜎 + 8

D’après ces deux équations, on a : 0.5 𝜎 + 2 = −2.5 𝜎 + 8

Ce qui implique que : 𝝈 = 𝟐

En remplaçant dans l’une des équations précédentes, on trouve que 𝝁 = 𝟑

2. Calcul de 𝑷(𝑿𝟐 − 𝟔𝑿 ≤ 𝟏. 𝟖𝟒) : Méthode 1 (𝐿𝑜𝑖 𝑑𝑒 𝜒 2 (1) )

On a: 𝑃(𝑋 2 − 6𝑋 ≤ 1.84) = 𝑃(𝑋 2 − (3 × 2)𝑋 ≤ 1.84)

(𝑋 − 3)2 10.84
= 𝑃(𝑋 2 − (3 × 2)𝑋 + 9 − 9 ≤ 1.84) = 𝑃((𝑋 − 3)2 ≤ 10.84) = 𝑃 ( ≤ )
4 4

𝑋−3 2
= 𝑃 (( ) ≤ 2.71)
2

𝑋−3
On sait que 𝜇 = 3 et 𝜎 = 2, donc 𝑈 = ⤳ 𝑁(0, 1)
2

Par conséquent 𝑈 2 ⤳ 𝜒 2 (1)

D’où 𝑃(𝑈 2 ≤ 2.71) = 1 − 𝑃(𝑈 2 > 2.71)

Puisque 2.71 ne figure pas sur la table de 𝜒 2 (1), on utilise l’interpolation linéaire.

Ainsi, d’après la table statistique, on a :

2.706 < 2.71 < 3.841

0.1 < 𝛼 < 0.05

2.71 − 2.706 𝛼 − 0.1

⇔ =
3.841 − 2.706 0.05 − 0.1

⇔ 𝛼 = 0.0998

Par conséquent, 𝑃(𝑈 2 > 2.71) = 0.0998

D’où 𝑃(𝑈 2 ≤ 2.71) = 1 − 0.0998 = 𝟎. 𝟗𝟎𝟎𝟐

3. Calcul de 𝑷(𝑿𝟐 − 𝟔𝑿 ≤ 𝟏. 𝟖𝟒) : Méthode 2 (𝐋𝐨𝐢 𝐍(𝟎, 𝟏))

D’après la première méthode, on sait que :

𝑃(𝑋 2 − 6𝑋 ≤ 1.84) = 𝑃 (𝑈 2 ≤ 2.71)

5
Avec 𝑈 ⤳ 𝑁(0, 1)

⇔ 𝑃(|𝑈| ≤ √2.71) = 𝑃 (|𝑈| ≤ 1.64) = 2 × 𝜋(1.64) − 1 = 2 × 0.9495 − 1

= 𝟎. 𝟖𝟗𝟗 ≈ 𝟎. 𝟗𝟎𝟎

Exercice 3 :
Soit : 𝑇 ⤳ Stud (20)

1. On a : 𝑷(|𝑻| > 𝑲) = 𝟎. 𝟎𝟐𝟓

0.025
Donc : 𝑃(𝑇 > 𝐾 ) = = 0.0125
2

Or, 0.0125 ne figure pas sur la table de Student, ce qui nous conduit à l’utilisation de
l’interpolation linéaire :

0.01 < 0.0125 < 0.025

2.528 < 𝐾 < 2.086

0.0125 − 0.010 𝐾 − 2.528

⇔ =
0.025 − 0.01 2.086 − 2.528

La valeur de K est alors égale à 2.454

2. On a : 𝑷(|𝑻| < 𝑲) = 𝟎. 𝟗𝟓

On sait que : 𝑃(|𝑇| > 𝐾 ) = 1 − 𝑃(|𝑇| < 𝐾 )

Donc : 𝑃(|𝑇| > 𝐾 ) = 1 − 0.95 = 0.05

𝑃(|𝑇|>𝐾) 0.05
Ce qui implique que 𝑃(𝑇 > 𝐾 ) = = = 0.025
2 2

Ainsi, d’après la table de Student K est égal à 2.086.

Exercice 4 :
Soit : 𝑋 ⤳ 𝐹(v1 = 10 , v2 = 14)

1. Détermination de la valeur de K
a. On a : 𝑃(𝑋 > 𝐾 ) = 0.05

D’après la table de Fisher, on remarque que K est égal à 2.60.

6
 b. On a 𝑃 (𝑋 > 𝐾 ) = 0.01

Toujours en se référant à la table de Fisher, on obtient que K est égal à 3.94.

2. Détermination des valeurs de 𝑲𝟏 et 𝑲𝟐 telles que : 𝑷(𝑲𝟏 < 𝑿 < 𝑲𝟐 ) = 𝟎. 𝟗𝟎

a. Pour 𝐾2 , on a :

𝛼 1 − 0.90
𝑃(𝑋 > 𝐾2 ) = = = 0.05
2 2

Selon la table de Fisher, 𝐾2 = 2.60.

On note que 𝑲𝟐 = 𝒇𝟎.𝟎𝟓 (𝒗𝟏 = 𝟏𝟎, 𝒗𝟐 = 𝟏𝟒) = 𝟐. 𝟔𝟎

b. Pour 𝐾1 , on a :

𝑃(𝑋 > 𝐾1 ) = 1 − 0.05 = 0.95.

On remarque que cette probabilité ne figure pas sur la table statistique de Fisher, chose qui
nous pousse à utiliser la relation empirique de Fisher.

D’après la relation empirique de Fisher, on a :

1
𝐾1 = 𝑓0.95 (𝑣1 = 10, 𝑣2 = 14) =
𝑓0.05 (𝑣1′ = 14, 𝑣2′ = 10)

Or, on ne peut pas lire le degré de liberté 𝑣1′ = 14 sur la table de Fisher. Donc on doit utiliser
l’interpolation linéaire.

Pour ce, on fixe le degré de liberté 𝑣2′ = 10 et la probabilité dans 0.05, et on centre le de
degré de liberté 𝑣1′ = 14 :

10 < 14 < 15

2.98 < 𝛼 < 2.85

14−10 𝛼−2.98
Ainsi 𝛼 = 15−10 = 2.85−2.98 = 2.876

On remplace 𝛼 𝑝𝑎𝑟 𝑓0.05 (𝑣1′ = 14, 𝑣2′ = 10)

𝟏 𝟏
D’où 𝑲𝟏 = 𝒇 ′ ′ = 𝟐.𝟖𝟕𝟔 = 𝟎. 𝟑𝟒𝟕
𝟎.𝟎𝟓 (𝒗𝟏 =𝟏𝟒,𝒗𝟐 =𝟏𝟎)