Vous êtes sur la page 1sur 42

UNIVERSITE SIDI MOHAMED BEN ABDELLAH

FACULTE DES SCIENCES JURIDIQUES


ECONOMIQUES ET SOCIALES
FES

Echantillonnages et Estimations

3ème semestre
Sections : de 9 à 12

Prof: GUEHAIR N.
PLAN DU COURS
Chapitre I: Rappel des lois usuelles continues

Chapitre II: Théorie d’échantillonnage

Chapitre III: Estimations


- Estimation ponctuelle
- Estimation par intervalle de confiance
- Estimation par Maximum de vraisemblance
2
BIBLIOGRAPHIE
❑«Statistiques pour l'économie et la gestion» Anderson, Sweeney et Williams;
❑« Théorie des sondages : Échantillonnage et estimation en populations
finies », Tillé, Yves 2019.
❑« Statistique et probabilités en économie-gestion», Hurlin,
Christophe,Mignon, Valérie 2018.
❑L'essentiel des Statistiques inférentielles Ed. 1, Mathé, Armelle 2016.
❑« Pratiques et méthodes de sondage», Tremblay, Marie-Eve,Lavallée, Pierre,El
Haj Tirari,Mohammed 2011.
❑«Eléments de statistique d’aide à la décision: cours et exercices résolus» par
M.ELHAFIDI et D.TOUIJAR;

3
Chapitre I: Les lois usuelles continues
1.1 Loi normale
A-Loi normale générale
B-Loi normale centrée réduite
1.2 Théorème central limite
1.3Loi Khi Deux
1.4 Loi Student
1.5 Loi Fischer
Chapitre I: Les lois usuelles continues
1.1 Loi normale (ou loi gaussienne)
La loi normale a pour objectif de modéliser des phénomènes
naturels issus de plusieurs événements aléatoires ( la taille et le
poids d’individus, les résultats des tests d’intelligence, le niveau
des précipitations, etc.)
Elle est très utilisée dans le domaine de l’inférence statistique
pour fournir une description des résultats possibles obtenus
grâce à un échantillon.

5
Chapitre I: Les lois usuelles continues
A. Loi normale générale
On dit qu’une v.a.r X suit une loi Normale de paramètres µ et si :

µ correspond à la moyenne
𝜎 correspond à l’écart type
𝜋 ≅ 3,14159
ⅇ ≅ 2,71828
On écrit
Chapitre I: Les lois usuelles continues
Espérance et Variance :
La fonction de densité de probabilité qui définit la courbe en forme de cloche de la loi
normale est la suivante :

• La distribution normale est symétrique par rapport à la droite verticale : X=µ

• f atteint son maximum lorsque X=µ


Chapitre I: Les lois usuelles continues
❑Si X↦ 𝑁 𝜇, 𝜎 𝑒𝑡 𝑠𝑖 𝑌 = 𝑎𝑋 + 𝑏 𝑎𝑙𝑜𝑟𝑠 𝑌𝑠𝑢𝑖𝑡 é𝑔𝑎𝑙𝑒𝑚𝑒𝑛𝑡 𝑙𝑎 𝑙𝑜𝑖 𝑛𝑜𝑟𝑚𝑎𝑙𝑒 ∶
2 2
N(a 𝜇 +b; 𝑎 𝜎 )
❑Si X↦ N μX , σX et Y ↦ N μY , σY et si X et Y sont indépendantes.

alors aX+bY suit également une loi normale N (a μX +b μY ; σX 2 + σY 2 )

Exercice 1:
Soit X=N( -1,6). Donner la loi de probabilité de Y= 4X-2
Soit 𝑋1 = N −2,4 et 𝑋2 = N 3,6 .
Donner la loi de probabilité de -3 𝑋1 + 5 𝑋2
Chapitre I: Les lois usuelles continues
Exemple: lois normales avec des moyennes différentes

Exemple : lois normales avec des écarts types différents


Chapitre I: Les lois usuelles continues
En règle générale :
Chapitre I: Les lois usuelles continues
Chapitre I: Les lois usuelles continues
La loi Normale générale n’est pas Tabulée ?
Si une V.A suit une loi normale générale, il est difficile de calculer sa fonction de répartition F(x).

Pour tous les calculs, on se ramène à la fonction de répartition de la loi normale centrée réduite
(une loi TABULEE).

On va Centrer et réduire une variable, c’est raisonner en nombre d’écart type par rapport à la
moyenne.
B. La loi Normale Centrée et Réduite :
a. Variable Centré et Réduite :
Soit X une v.a :
S’appelle Variable Centrée.

S’appelle Variable Centrée et Réduite.

12
Chapitre I: Les lois usuelles continues
Une variable aléatoire qui a une distribution de probabilité normale de moyenne
nulle et d’écart type égal à 1, suit une loi normale centrée réduite. La lettre U (ou Z)
est habituellement utilisée pour désigner cette variable aléatoire normale
particulière.
Chapitre I: Les lois usuelles continues
V.A centrée réduite a pour espérance 0 et écart type 1

E(U)= 0 et V(U)= 1

La densité de probabilité de la loi normale centrée réduite s’écrit ainsi :


Chapitre I: Les lois usuelles continues
b. Calcul des probabilités :
Fonction de répartition de la loi normale N(0,1)
𝑋−𝜇
Soit X=N(0,1) et U = = N(0,1)
𝜎
Alors la fonction de répartition (U) est notée

Cette fonction est tabulée.

15
Chapitre I: Les lois usuelles continues
La lecture de la table
➢Elle donne la valeur de connue
➢Elle donne la valeur de (u) pour connue
Exemples :
Pour les valeurs négatives
Pour les valeurs inférieures à 0,5, on utilise la symétrie de la distribution
Fonction de répartition de la loi normale standard
Chapitre I: Les lois usuelles continues
Exemple : on calcule P(U≤1,1)
Chapitre I: Les lois usuelles continues
Exemple 1 : Lecture de la table
Chapitre I: Les lois usuelles continues
Exemple 2:
Chapitre I: Les lois usuelles continues
Exemple 3:
Chapitre I: Les lois usuelles continues
Exemple 4:
Chapitre I: Les lois usuelles continues
Exemple 5: On cherche le quantile de 15% pour la N(0,1)
Chapitre I: Les lois usuelles continues
1.2 Théoréme Central Limite (T.C.L)
Soit 𝑿𝟏 , 𝑿𝟐 …., 𝑿𝒏 …des variables aléatoires indépendantes suivant la
même loi d’espérance 𝜇 et de variance 𝜎 (iid)

suit une loi Normale de paramètres

24
Chapitre I: Les lois usuelles continues
Exercices d’applications
Exercice 2
Soit X = N(𝜇=3;𝜎 2 = 36)
Calculer P(X<4) et P (X>5)
La V.A X suit une loi normale d’espérance 500 et d’Ecart type 100.
Quelle est la probabilité pour que X soit moins de 620, plus de 746,
moins de 500, entre 550 et 600?

25
Chapitre I: Les lois usuelles continues
Exercice 3 :Le temps (en minutes) de fabrication d’un bien par un ouvrier est
représenté par une variable normale (X). On considère deux ouvriers A et B
travaillent indépendamment l’un de l’autre.
Pour A
Pour B
Si A et B commencent leur travail au même instant, quelle est la probabilité que
A termine avant B la première unité produite ?
Chapitre I: Les lois usuelles continues
1.3 Loi Khi Deux de Karl Pearson
Indispensable dans les calculs d’intervalle de confiance et dans les tests
d’indépendance des variables statistiques.
a- Définition:
Soit Z1,Z2 ,…,Zn une suite de n variables aléatoires
1) indépendantes
2) qui suivent chacune la loi normale Centrée et réduites
Y = σ𝒏𝒊=𝟏 𝒛𝟐𝒊 = 𝒛𝟐𝟏 + 𝒛𝟐𝟐 …+ 𝒛𝟐𝒏 suit une loi du Khi deux à n degrés de liberté,
noté Y=x2(n)
n représente le paramètre (d.d.l)
Chapitre I: Les lois usuelles continues
Propriétés :
Y≥ 0
Cette loi n’est pas symétrique (est dissymétrique pour les petites valeurs de n)
Y admet une densité

E(Y) = n et V(Y) =2n


Chapitre I: Les lois usuelles continues
b-Approximation de la loi Khi-deux
Dans la pratique si Y=x2(n) alors l’approximation de 2𝜒𝑛2 - 2𝑛 − 1 par la loi de
Gauss centrée réduite donne de bons résultat pour n>100.
c-Lecture des tables de probabilités
La table x2(n) donne les valeurs de la V.A x2(n) ayant la probabilité α d’être
dépassée:
Elle donne:
• La probabilité α si x2(n) et (n)sont connus
• La valeur de x2(n) si α et (n) sont connus.
Chapitre I: Les lois usuelles continues
Table de la loi Khi deux
Chapitre I: Les lois usuelles continues
Table de la loi Khi deux (Suite)
Chapitre I: Les lois usuelles continues
Exemple 6:
Déterminer la valeur de (k) dans chacun des cas suivants :
• P(x2(17)>k)=0,02
• P(x2(24)>k)=0,01
• P(x2(29)<k)=0,90

32
Chapitre I: Les lois usuelles continues
Exercice 4 :
1- Calculer le quantile d’ordre 10% pour la V.A x2(10) .
Rappel : le quantile d’ordre (α) de la variable X est noté (q α) avec : P(X< q α) = α
2- Déterminer la médiane de x2(15)
Rappe2: La médiane est la modalité qui partage la série statistique en deux parties égales.
Autrement dit :
La médiane est le quantile d’ordre α=0,50
Exercice 5 :
Déterminer les valeurs k1 et k2 dans chacune des deux cas suivants :
• P(k1 < x2(9) < k2)=0,95
• P(k1 < x2(20) < k2)=0,98
d-Propriété :
Si X =x2(n) et Y=x2(m)
Si X et Y son indépendantes alors S = X+Y suit une loi khi deux de n+m degré de liberté 33
Chapitre I: Les lois usuelles continues
1.4 Loi de Student (William Sealy Gosset)
Cette loi est très souvent utilisée dans les problèmes de construction d’intervalles de
confiance.
a. Définition
Soit U=N(0,1) et Y= x2(n)
Avec U et Y sont indépendantes
𝑈
Alors: la variable aléatoire T =
𝑌
𝑛

Suit une loi student à (n) degré de liberté.


Notation : T = stud (n)
34
Chapitre I: Les lois usuelles continues
b. Espérance mathématique et variance
Soit T = stud (n)
E(T)= 0 (existe si n>1)
𝑛
V(T)= 𝑛−2 (existe si n>2)
c. Comportement symétrique
Soit T = stud (n)
Si (n) tend vers l’infini alors T tend vers N(0,1)

35
Chapitre I: Les lois usuelles continues
La courbe de densité de Student

Remarque
La loi de Student est généralement utilisée pour les petits échantillons lorsque la variance de la
population est inconnue (taille inferieure ou égale à 30).
Chapitre I: Les lois usuelles continues
d. Lecture de la table de Student
La table donne pour 𝛼 𝒇𝒊𝒙é 𝒍𝒂 𝒗𝒂𝒍𝒆𝒖𝒓 𝒕𝟏−𝛼
𝟐
Telle que :
Chapitre I: Les lois usuelles continues
Exemple 7 : P( -t ≤T ≤t) = 95% avec T = stud (15)
La table dispose deux entrées : le nombre de degré de liberté n et la
probabilité p que la variable Student prenne une réalisation à l’extérieur de
l’intervalle [-t;t]
La ligne n=15
La colonne p=0,05
D’où :
P( -2,1314 ≤T ≤2,1314) = 95%
Chapitre I: Les lois usuelles continues
1.5 Loi de Fisher-Snédécor
a. Définition
Y1= x2(𝒏 ) et Y2= x2(
𝟏 𝒏𝟐 )
Y1 et Y2 deux variables indépendantes
Alors la variable:
Y1
F= n Y2
1 Suit une loi de Fisher de paramètres n1et n2 notée F = F (n1, n2 )

n2
Remarque
La distribution de Fisher, comme celle de x2, n’est pas symétrique.
39
Chapitre I: Les lois usuelles continues
Exemple 8. On suppose que la variable aléatoire F suit la loi de Fisher avec 5
degrés de liberté au numérateur et 23 degrés de libertés au d dénominateur. Que
peut-on dire de P[F≥2.64] ? La table nous dit que la valeur 2.64 est précisément le
95ème centile le la loi de Fisher avec 5 degrés de liberté au numérateur et 23 degrés
de libertés au dénominateur.
On a donc P[F≥2.64] = 0.05
Chapitre I: Les lois usuelles continues
b. Règle empirique de Fisher
1
F (n1 ;n2 ) =
𝐹1−∝ (n2 ;n1)

• Avec 𝐹∝ (n1 ;n2) est telle que:

• La table donne les valeurs de F avec la règle empirique :

41
Chapitre I: Les lois usuelles continues
Exemple 9 :
Soit la variable aléatoire F suit F(8;13). On cherche des nombres a et b pour
lesquels on aura P[a<F<b] = 0.90
On prend pour a le 5 ème centile et pour b le 95 ème centile de la loi de Fisher
avec 8 degrés de liberté au numérateur et 13 degrés de libertés au dénominateur.
1
𝑎 = 𝐹0,95 (8;13) = =0,36140
𝐹
0,05 (13;8)

b= 𝐹0,05 (8;13) = 2,767

Vous aimerez peut-être aussi