Loi normale

Plan
• Représentation graphique de la distribution d’une
variable continue
• Densité de probabilité
• La distribution normale
• Propriétés d’une distribution normale
• Fonction de répartition
• Loi normale centrée réduite
• Loi de Student
 Les lois de probabilité

• Il est impossible d’étudier la population entière;

• on dispose le plus souvent de données sur un échantillon

d’individus;

• On utilise alors les informations obtenues sur cet échantillon

pour en tirer des conclusions sur l’ensemble de la
population que cet échantillon est supposé représenter;

• L’échantillon est considéré représentatif de cette population

s’il n’a pas fait l’objet d’une sélection particulière;
 Les lois de probabilité

• La méthode idéale pour constituer un échantillon

représentatif d’une population est le tirage au sort;

• les probabilités et les lois de probabilité contribuent à

utiliser les informations obtenues à partir d’un échantillon
pour appréhender la population;

• Il existe beaucoup de loi de probabilité: loi binomiale, loi de

poisson, loi normale. On présentera ici, la loi normale qui est
une loi relativement simple et plus utilisée.
Echantillonnage
 Echantillon représentatif

• Echantillon représentatif = sous-groupe de la

population d’étude dont tous les individus ont
été tirés au sort;

• Tous les individus de la population d’étude

ont la même probabilité d’être tirés.
Modes aléatoires d’échantillonnage

Elémentaire

Systématique

Stratifié

En grappes
 Mode élémentaire

• Même probabilité pour chaque élément d'être

choisi à partir de la population source à l’aide
:
• tirage au sort;
• tables de nombres aléatoires.
 Mode élémentaire

L’Ordinateur peu fournir des tables:

• Tables de nombres aléatoires;
• Ensembles de nombres disposés en rangées et en
colonnes;
• Aucune méthode ne permet de prédire l'apparition
d'un nombre;
• Nombreuses méthodes de lecture.
Tables de nombres aléatoires
 Mode systématique

Choix systématique à partir de la liste de la population

source.
• Définir un pas de tirage (N/n);

• Tirer au sort le 1erindividu (rang z entre rang 1 et N/n);

• Retenir les individus espacés d’une valeur N/n.

 Mode systématique

Exemple:
Population source = bottin téléphonique avec 4000
noms
• Echantillon = 200 individus
• Pas de tirage = 4000/200 = 20
• Tirer au sort le 1erindividu entre 1 et 20 (rang 12 a été
tiré)
• Choix du 12ème, 32ème, 52ème, 72ème, 92ème, etc.
 Mode stratifié
• Subdiviser la population source en strates homogènes
(sexe, âge, etc.);
• Retrouver dans l'échantillon les mêmes proportions
pour chacune des strates .

Exemple:
• Population source de 200 individus : 84 hommes (42
%) et 116 femmes (58 %);
• Echantillon de 50 individus : 21 hommes (42 %) et 29
femmes (58 %) .
 Mode par grappes

• Diviser la population source en grappes (sous-

ensembles représentatifs de la population source);
• Tirer aléatoirement des individus au sein de chaque
grappe;
• Conditions : petit nombre de grappes, taille uniforme,
homogénéité des individus composant les grappes.
Exemple:
• Population source = habitants d’une ville;
• Grappes : habitants d’un quartier;
• Echantillonnage aléatoire dans chaque grappe (quartier).
 Population

Echantillon

L’échantillon est considéré représentatif de cette population s’il

n’a pas fait l’objet d’une sélection particulière.

le tirage au sort est la méthode idéale pour constituer un

échantillon représentatif d’une population.
Représentation graphique de la
distribution d’une variable continue
Densité de probabilité
La distribution normale
 Propriétés de la loi normale
• La loi normale est centrée autour de la moyenne µ.
• L’aire contenue entre les deux points d’inflexion de la courbe mesure la
probabilité que les valeurs de X soit comprise entre -1 écart-type σ et +1 écart-
typeσ autour de la moyenne. Cette probabilité est de 68%.

• L’aire comprise entre -1,96 écart-type σ et +1,96 écart-type σ autour de la

moyenne µ représente 95% de l’aire totale. En d’autre terme, 95% des valeurs de X
sont comprise à peu près entre 2 écart-type σ de part et d’autre de la moyenne µ.
• Inversement, 5% des valeurs de X sont extérieures à l’intervalle de 2 écart-type σ
autour de la moyenne µ : 2,5% à gauche dans les valeurs basses et 2,5% à droite
dans les valeurs hautes.
 68%
95%
µ- µ -1 écart-type σ
1,96 écart-type σ
et µ +1 écart-
et µ +1,96
écart-type
typeσ σ
La loi normale centrée réduite
 Propriété de la loi normale centrée réduite Z

• La loi Z est centrée autour de 0.

• La loi Z a pour écart-type 1.
• 95% des valeurs de Z sont comprises entre -1,96 et +1,96 ≈ (-2
et +2)
• 5% des valeurs sont à l’extérieur de l’intervalle -1,96 et +1,96
≈ (-2 et +2) : répartis symétriquement de part et d’autre de la
distribution : 2,5% des valeurs de Z sont inférieur à -1,96 et
2,5% des valeurs de Z sont supérieur de +1,96.
•Toutes les propriétés de la loi normale
centrée réduite Z, sont fondamentales à
connaitre. Elles conditionnent tout le
raisonnement concernant l’estimation
d’une distribution à partir d’un
échantillon et la plus part des tests
statistiques usuels.
Rappels:
1/ P(Z > z) = 1 - P(Z < z) et 2/ P(Z < -z) = P(Z > z)
Exemple: Sachant P(Z < 1,24) = 0,8925, on en déduit:
1/ (P(Z > 1,24) = 1 - P(Z < 1,24) = 1- 0,8925 = 0,1075
2/ P(Z < -1,24) = P(Z > 1,24) = 0,1075
 1,24=
1,2+004
Table de l’écart réduit(loi normale)
 Table t
ddl=degrés de liberté
ou dégrées of
Freedom en anglais:
nombre de cases d’un
tableau de
contingence que l’on
peut remplir librement
sans modifier les
totaux marginaux.de
façon plus générale,
dans un tableau à i
lignes et j colonne,
ddl=(i-1)x(j-1).
Exercices d’application