Vous êtes sur la page 1sur 7

Exemple 1 (Section 2 du chapitre 1) :

On dispose d’une étude statistique où l’écart-type de la moyenne d’échantillonnage est de 20.


L’écart-type de la population est égal à 500.

Quelle est la taille de l’échantillon utilisé dans cette étude?

Solution :
𝜎
L’écart-type de la moyenne d’échantillonnage est de 20 : 𝜎𝑥̅ = = 20
√𝑛

L’écart-type de la population est égal à 500 : 𝜎 = 𝜎𝑥 = 500.

𝜎 500
𝜎𝑥̅ = = = 20
√𝑛 √𝑛
500
√𝑛 = = 25
20
𝑛 = 252 = 625

Exemple 2 (Section 2 du chapitre 1) :

Soit X1 , X2 ,…, X25 un échantillon d’une variable aléatoire X suivant une loi normale de
moyenne m et de variance 𝜎 2 . Nous observons :
25 25

∑ 𝑥𝑖 = 50,23 𝑒𝑡 ∑ 𝑥𝑖2 = 25175,92.


𝑖=1 𝑖=1

Calculer les réalisations de la variance empirique 𝑠𝑒2 et de la quasi-variance 𝑠 2 .

Solution :

La variance empirique 𝑠𝑒2 est :


𝑛=25
1
𝑆𝑒2 = ∑ (𝑋𝑖 − 𝑋̅)2
𝑛
𝑖=1

Ou encore :
𝑛=25
1
𝑆𝑒2 = ∑ 𝑋𝑖2 − 𝑋̅ 2
𝑛
𝑖=1

∑25
𝑖=1 𝑥𝑖 50,23
Où 𝑥̅ = = = 2,0092
𝑛 25

25175,92
𝑠𝑒2 = − 2,00922 ≈ 1003
25

1
1 1
On sait que : 𝑆 2 = 𝑛−1 ∑𝑛𝑖=1(𝑋𝑖 − 𝑋̅)2 et 𝑆𝑒2 = 𝑛 ∑𝑛=25 ̅ 2
𝑖=1 (𝑋𝑖 − 𝑋)

Alors : ∑𝑛 ̅ 2 2 2
𝑖=1(𝑋𝑖 − 𝑋 ) = (𝑛 − 1)𝑆 = 𝑛𝑆𝑒

𝑛
D’où : 𝑆 2 = 𝑆2
𝑛−1 𝑒

25
𝑠2 = 𝑥 1003 = 1044,7917
24
Exemple 3 (Section 2 du chapitre 1) :

En vue de juger si une entreprise est saine, l’économiste W. Beaver introduit le ratio défini par
le quotient de la marge brute d’autofinancement (cash flow) par des dettes totales. Il démontre
que le ratio des entreprises saines suit une loi normale de moyenne µ=0,7 et d’écart-type égal
à 𝜎 = 0,18.

1. Au vu d’un échantillon de 25 entreprises saines, quelle est la probabilité que la


moyenne des ratios de ces entreprises soit supérieure à 0,7484 ?

2. Supposons que le ratio des entreprises saines suit une loi normale de moyenne µ=0,7
et d’écart-type inconnu. A partir d’un échantillon de 25 entreprises saines, l’écart-type
est égal à 0,18 (se = 0,18). Quelle est la probabilité que la moyenne des ratios des
entreprises de cet échantillon soit supérieure à 0,7484 ?

Solution :

Soit X : le ratio (Cash flow/Dettes totales) des entreprises saines.

𝑋~𝑁(𝜇 = 0,7; 𝜎 2 = 0,182 )

1- Pour n=25, 𝑃(𝑋̅ > 0,7484) =?

La loi de 𝑋̅ :

On a : 𝑋~𝑁(𝜇 = 0,7; 𝜎 2 = 0,182 ) et 𝜎 2 est connue.


𝜎2 0,182 𝑋̅ −𝜇
Alors 𝑋̅~𝑁(𝜇 = 0,7; = ) ou encore 𝜎 ~𝑁(0; 1)
𝑛 25 ⁄ 𝑛

𝑃(𝑋̅ > 0,7484) = 1 − 𝑃(𝑋̅ < 0,7484)

On centre et on réduit :

𝑋̅ − 𝜇 0,7484 − 0,7
𝑃(𝑋̅ > 0,7484) = 1 − 𝑃 ( < )
𝜎/√𝑛 0,18/√25

𝑃(𝑋̅ > 0,7484) = 1 − 𝑃(𝑈 < 1,34)


𝑋̅ −𝜇
Où : 𝑈 = ~𝑁(0, 1)
𝜎/√𝑛

2
D’après la table de la loi Normale :

𝑃(𝑋̅ > 0,7484) = 1 −0,9099=0,0901

2- Pour n=25 et , 𝑃(𝑋̅ > 0,7484) =?

La loi de 𝑋̅ :

On a : 𝑋~𝑁(𝜇 = 0,7; 𝜎 2 ) ; 𝜎 2 est inconnue et n=25<30


𝑋̅ −𝜇
Alors 𝑆/ ~𝑇𝑛−1=24 (La loi de Student à 24 ddl).
√𝑛

On a : se = 0,18
𝑛
On sait que : 𝑆 2 = 𝑆2
𝑛−1 𝑒

𝑛
Alors : 𝑠 = √ 𝑠
𝑛−1 𝑒

25
𝑠=√ 𝑥 0,18 = 0,1837
24

𝑃(𝑋̅ > 0,7484) = 1 − 𝑃(𝑋̅ < 0,7484)

On centre et on réduit :

𝑋̅ − 𝜇 0,7484 − 0,7
𝑃(𝑋̅ > 0,7484) = 1 − 𝑃 ( < )
𝑠/√𝑛 0,1837/√25

𝑃(𝑋̅ > 0,7484) = 1 − 𝑃(𝑇 < 1,317)


𝑋̅ −𝜇
Où : 𝑇 = ~𝑇𝑛−1=24
𝑆/√𝑛

D’après la table de Student :

𝑃(𝑋̅ > 0,7484) = 1 − 0,9 = 0,10

3
Exemple 4 :

On dispose d’une étude statistique où l’écart-type de la moyenne d’échantillonnage est de 20.


L’écart-type de la population est égal à 500.

1-Quelle est la taille de l’échantillon utilisé dans cette étude.

2-Quelle est la probabilité que la moyenne d’échantillonnage s’écarte de plus ou moins 25 de


la moyenne de la population.

Solution :
𝜎
1- L’écart-type de la moyenne d’échantillonnage est de 20 : 𝜎𝑥̅ = = 20
√𝑛

L’écart-type de la population est égal à 500 : 𝜎 = 𝜎𝑥 = 500.

𝜎 500
𝜎𝑥̅ = = = 20
√𝑛 √𝑛
500
√𝑛 = = 25
20
𝑛 = 252 = 625

2- Il s’agit de calculer la probabilité suivante : 𝑃(−25 < 𝑋̅ − 𝜇 < 25) = 𝑃(|𝑋̅ − 𝜇| < 25)

La loi de 𝑋̅ :

On a : 𝑋~𝐿𝑄(𝜇; 𝜎 2 = 5002 ) ; 𝜎 2 est connue et n=625>30.

Alors, selon le théorème central-limite (TCL),


𝜎 2 𝑋 −𝜇 ̅
𝑋̅ ≈ 𝑁(𝜇; 𝑛 ) ou encore : 𝜎/ 𝑛 ≈ 𝑁(0; 1).

−25 𝑋̅ − 𝜇 25
𝑃(−25 < 𝑋̅ − 𝜇 < 25) = 𝑃 ( < < )
500/√625 𝜎/√𝑛 500/√625

𝑃(−25 < 𝑋̅ − 𝜇 < 25) = 𝑃(−1,25 < 𝑈 < 1,25)


𝑋̅ −𝜇
Où 𝑈 = 𝜎/ ≈ 𝑁(0; 1)
√𝑛

𝑃(−25 < 𝑋̅ − 𝜇 < 25) = 2𝑃(𝑈 < 1,25) − 1

𝑃(−25 < 𝑋̅ − 𝜇 < 25) = (2 𝑥 0,8944) − 1 = 0,7888

4
Exemple 5:

La proportion des consommateurs du produit « Alpha » est égale à 0,60 (p=0,60). On se


propose prélever un échantillon aléatoire de 100 consommateurs. Trouver un intervalle, centré
en p, dans lequel se trouve la fréquence des consommateurs dudit produit de l’échantillon
avec une probabilité de 95%.

Solution :

Il s’agit de déterminer l’intervalle [𝑎, 𝑏] = [𝑝 − 𝑘, 𝑝 + 𝑘] contenant F avec une probabilité


0,95. Pour déterminer cet intervalle, on doit calculer la valeur de k, telle que :

𝑃(𝑝 − 𝑘 < 𝐹 < 𝑝 + 𝑘) = 0,95

La loi de F :

𝑛 = 100 > 30;


On a { 𝑛𝑝 = 100𝑥0,6 = 60 > 5; (Les conditions du TCL sont vérifiées)
𝑒𝑡 𝑛𝑞 = 𝑛(1 − 𝑝) = 100𝑥0,4 = 40 > 5.
𝑝𝑞 𝐹−𝑃
Alors, selon le TCL, 𝐹 ≈ 𝑁(𝑝, ) ou encore : ≈ 𝑁(0; 1).
𝑛 𝑝𝑞

𝑛

𝑃(𝑝 − 𝑘 < 𝐹 < 𝑝 + 𝑘) = 0,95

−𝑘 𝐹−𝑃 𝑘
𝑃 < < = 0,95
𝑝𝑞
√0,6𝑥0,4 √ √0,6𝑥0,4
( 100 𝑛 100 )

−𝑘 𝑘
𝑃( <𝑈< ) = 0,95
0,049 0,049
𝐹−𝑃
Où : 𝑈 = 𝑝𝑞
≈ 𝑁(0; 1)

𝑛

𝑘
2𝑃 (𝑈 < ) − 1 = 0,95
0,049
𝑘 1 + 0,95
𝑃 (𝑈 < )= = 0,975
0,049 2

D’après la table de la loi N(0 ; 1) :

𝑘
= 1,96
0,049

𝑘 = 0,096

5
D’où : [𝑎, 𝑏] = [𝑝 − 𝑘; 𝑝 + 𝑘] = [0,6 − 0,096; 0,6 + 0,096] = [0,504; 0,696] est
l’intervalle centré en P et contenant F avec une probabilité égale à 0,95.

Exemple 6 :

On prélève 25 pièces dans une production industrielle. Une étude préalable a montré que le
diamètre de ces pièces suivait une loi gaussienne de moyenne 10mm et d’écart-type 2mm.
Entre quelles valeurs a-t-on 90% de chances de trouver l’écart-type de ces pièces?

(On suppose que l’écart-type de ces pièces est inférieur à la borne inférieure avec une
probabilité égale à 5%; et supérieur à la borne supérieure avec une probabilité égale à 5%)

Solution :

Soit X : le diamètre de la pièce

On a
𝑋~𝑁(𝜇 = 10; 𝜎 2 = 22 )

Il s’agit de déterminer l’intervalle [𝑎, 𝑏] contenant l’écart-type empirique 𝑠𝑒 avec une


probabilité 0,90 et, tel que : 𝑠𝑒 est inférieur à la borne inférieure avec une probabilité égale à
5%; et supérieur à la borne supérieure avec une probabilité égale à 5%.

Pour déterminer cet intervalle, on doit calculer les valeurs de a et b, telles que :

𝑃(𝑠𝑒 < 𝑎) = 0,05


{
𝑃(𝑠𝑒 > 𝑏) = 0,05

La loi 𝑠𝑒 :

On a : 𝑋~𝑁(𝜇 = 10; 𝜎 2 = 22 )

Alors :
(𝑛 − 1)𝑆 2 𝑛𝑆𝑒2 2
= 2 ~𝜒𝑛−1=24
𝜎2 𝜎
𝑛𝑆 2 𝑛𝑎2
𝑃(𝑠𝑒 < 𝑎) = 0,05 𝑃 ( 𝜎2𝑒 < 𝜎2 ) = 0,05
{ { 𝑛𝑆2 𝑛𝑏2
𝑃(𝑠𝑒 > 𝑏) = 0,05 𝑃 ( 𝜎2𝑒 > 𝜎2 ) = 0,05

𝑛𝑆 2 𝑛𝑎2
𝑃 ( 𝜎2𝑒 < ) = 0,05
𝜎2
{ 𝑛𝑆2 𝑛𝑏 2
𝑃 ( 𝜎2𝑒 < 𝜎2 ) = 1 − 0,05 = 0,95

D’après la table de la loi de khi-deux :

𝑛𝑎2 25𝑎2 25𝑎2


= 2 = = 13,85
𝜎2 2 4

6
𝑛𝑏 2 25𝑏 2 25𝑏 2
= 2 = = 36,415
𝜎2 2 4
a=1,48 et b=2,41

Vous aimerez peut-être aussi