18/10/2022

Echantillonnage et Estimation

KOUACH Yassine

Licence fondamentale économie et gestion

Semestre 3

Faculté des Sciences Juridiques, Economiques et Sociales

Ain Sebâa – Casablanca

Université Hassan II

18/10/2022 1

Introduction générale

18/10/2022 2

1
 18/10/2022

CHAPITRE 1 CHAPITRE 2 CHAPITRE 3 CHAPITRE 4 CHAPITRE 5

Introduction générale

Après le recueil de données, la démarche statistique consiste à traiter et interpréter les

informations recueillies.
Elle comporte deux grands aspects: l’aspect descriptif ou exploratoire et l’aspect inférentiel ou
décisionnel.

Démarche statistique

Statistique Statistique
descriptive ou inférentiel ou
exploratoire décisionnel

18/10/2022 3

CHAPITRE 1 CHAPITRE 2 CHAPITRE 3 CHAPITRE 4 CHAPITRE 5

Introduction générale

Nous avons vu jusqu’à présent des méthodes destinées à observer, à d´écrire et à

modéliser un phénomène:

• Statistique descriptive (S1) : repose sur l’observation des phénomènes concrets

(passés).Son but est de résumer, structurer et représenter l’information;
• Probabilité (S2): théorie mathématique permettant de modéliser des phénomènes où
le hasard intervient et d´écrire des expériences aléatoires.
• Statistique inférentielle (S3) : statistique inductive (démarche inductive). Son but est
d’étendre (inférer=tirer les conséquences),à la population toute entière, les propriétés
constatées sur un échantillon.

Le but de l’inférence statistique est de généraliser les résultats obtenus auprès d’un
échantillon représentatif pour décrire la population globale.

18/10/2022 4

2
 18/10/2022

CHAPITRE 1 CHAPITRE 2 CHAPITRE 3 CHAPITRE 4 CHAPITRE 5

Introduction générale

Etant donnée une entreprise qui veut commercialiser un nouveau produit dans le
marché pour une classe d’une population donnée.

 Il faut savoir est ce que ce prix est convenable au pouvoir d’achat de

cette classe.
 L’entreprise doit faire une enquête pour déterminer la gamme
ou l’intervalle de ce prix.
 Une question importante se pose, au niveau pratique .Comment ça
marche ?. D’où l’appel à l’échantillonnage.

Remarque:
On suppose que le prix commercial dépend seulement du pouvoir d’achat.

18/10/2022 5

CHAPITRE 1 CHAPITRE 2 CHAPITRE 3 CHAPITRE 4 CHAPITRE 5

Introduction générale

Entreprise

On suppose que le prix

commercial dpend seulement
Commercialisation d'un produit du pouvoir d’achat

Etude de la convenance de prix de ce produit au pouvoir d'achat d'une classe d'une population.

Sondage

- Séléctionner un échantillon
Appel à l'échantillonnage
- Faire des opérations statistiques
sur cet échantillon

Tirer des conclusions sur la base des résultats obtenus pour déterminer le prix convenable au pouvoir d'achat

18/10/2022 6

3
 18/10/2022

CHAPITRE 1 CHAPITRE 2 CHAPITRE 3 CHAPITRE 4 CHAPITRE 5

Introduction générale

Considérons une population de taille N assez importante dans laquelle on

s’intéresse à étudier deux caractères :
L’un quantitatif X de moyenne m et de variance 2 et l’autre quantitatif
Y de proportion p.
Solution 1:
Une première solution consiste à réaliser une étude sur l’ensemble des
individus de la population. C’est ce qu’on appelle recensement.
Solution 2 :
Une deuxième solution consiste à prendre uniquement une sous-population,
appelée échantillon de taille  n  N  et essayer de trouver des approximations
pour les différents caractéristiques. C’est ce qu’on appelle sondage.

18/10/2022 7

CHAPITRE 1 CHAPITRE 2 CHAPITRE 3 CHAPITRE 4 CHAPITRE 5

Introduction générale

Remarque :
Le statisticien n’étudie pas le caractère sur l’ensemble de la population mais sur un
échantillon extrait de la population pour plusieurs raisons, entre autres:

L’accès à tous les individus de la population est matériellement impossible

(complexité, population indéfinie)
La taille de la population peut être très importante et le coût de l’enquête serait
trop important (coût et temps);
Le cout de sondage est plus réduit par rapport au coût de recensement.
 Le sondage est plus rapide que le recensement
 Les résultats détenus par le recensement sont plus précis détenus par le sondage.

18/10/2022 8

4
 18/10/2022

CHAPITRE 1 CHAPITRE 2 CHAPITRE 3 CHAPITRE 4 CHAPITRE 5

Introduction générale

Un bon échantillon (de qualité) doit constituer une image réduite de l’ensemble de la
population (représentatif) dont on va étudier un caractère bien défini. Dans le cas
contraire on dit que l’échantillon est biaisé.

 Comment choisir un échantillon pour qu’il soit représentatif? (techniques

d’échantillonnage)
 Comment les paramètres de la population peuvent-ils être estimés à partir de
l’échantillon? (estimation)

L'échantillonnage permet aux statisticiens de tirer des conclusions au sujet d’un tout en
y examinant une partie. Il nous permet d'estimer des caractéristiques d’une population
en observant directement une partie de l'ensemble de la population. Les chercheurs ne
s'intéressent pas à l'échantillon lui-même, mais à ce qu’il est possible d'apprendre à partir
de l'enquête et à la façon dont on peut appliquer cette information à l'ensemble de la
population.
18/10/2022 9

Rappel des notions statistiques et probabilités

18/10/2022 10

5
 18/10/2022

CHAPITRE 1 CHAPITRE 2 CHAPITRE 3 CHAPITRE 4 CHAPITRE 5

Rappel des notions statistiques et probabilités

I- Rappel des notions statistiques descriptives :

• La moyenne arithmétique:

∑𝑥 ∑𝑛 𝑥
𝑋= Ou 𝑋=
𝑁 𝑁
• La variance:

∑ 𝑥 −𝑋 ∑𝑛 𝑥 − 𝑋
𝜎 = Ou 𝜎 =
𝑁 𝑁
• La proportion:
𝑛
𝑝 =
𝑁

• L’écart-type:

∑ 𝑥 −𝑋 ∑𝑛 𝑥 − 𝑋
𝜎 = 𝜎 = Ou 𝜎 = 𝜎 =
𝑁 𝑁
18/10/2022 11

CHAPITRE 1 CHAPITRE 2 CHAPITRE 3 CHAPITRE 4 CHAPITRE 5

Rappel des notions statistiques et probabilités

II- Rappel des notions de probabilité:

• L’espérance mathématique pour une variable aléatoire discrète:

𝐸(𝑋) = 𝑥𝑝

• La variance pour une variable aléatoire discrète :

V(X)= ∑ 𝑝 𝑥 − 𝐸(𝑋)

• L’espérance mathématique pour une variable aléatoire continue:

𝐸(𝑋) = 𝑥𝑓 𝑥 𝑑𝑥

• La variance pour une variable aléatoire continue :

V(X)= ∫ 𝑥 − 𝐸(𝑋) 𝑓 𝑥 𝑑𝑥

18/10/2022 12

6
 18/10/2022

CHAPITRE 1 CHAPITRE 2 CHAPITRE 3 CHAPITRE 4 CHAPITRE 5

Rappel des notions statistiques et probabilités

II- Rappel des notions de probabilité:

1- Les propriétés de l’espérance mathématique

𝐸 𝑋 + 𝑌 = 𝐸 𝑋 + 𝐸(𝑌)
𝐸 𝑋+𝑐 = 𝐸 𝑋 +𝑐
𝐸 𝑐𝑋 = 𝑐𝐸 𝑋
𝐸 𝑋. 𝑌 = 𝐸 𝑋 . 𝐸 𝑌 𝑠𝑠𝑖 𝑋 𝑒𝑡 𝑌 𝑠𝑜𝑛𝑡 𝑖𝑛𝑑é𝑝𝑒𝑛𝑑𝑎𝑛𝑡𝑠
𝐸 𝑋 − 𝐸(𝑋) = 0

2- Les propriétés de la variance

V 𝑋+𝑐 =𝑉 𝑋
V 𝑐𝑋 = 𝑐²𝑉 𝑋
V 𝑋 + 𝑌 = 𝑉 𝑋 + 𝑉 𝑌 𝑠𝑠𝑖 𝑋 𝑒𝑡 𝑌 𝑠𝑜𝑛𝑡 𝑖𝑛𝑑é𝑝𝑒𝑛𝑑𝑎𝑛𝑡𝑠
V 𝑋 =E(X-E(X))²
V 𝑋 =E(X)²-E²(X)

18/10/2022 13

CHAPITRE 1 CHAPITRE 2 CHAPITRE 3 CHAPITRE 4 CHAPITRE 5

Rappel des notions statistiques et probabilités

II- Rappel des notions de probabilité:

3- Les moments simples

• Le moment simple d’ordre r :
𝑀 =𝐸 𝑋
• Le moment simple d’ordre 1 :
𝑀 =𝐸 𝑋
• Le moment simple d’ordre 2 :
𝑀 =𝐸 𝑋
4- Les moments centrés

• Le moment centré d’ordre r :

𝜇 = 𝐸(𝑋 − 𝐸 𝑋 )
• Le moment centré d’ordre 1 :
𝜇 = 𝐸(𝑋 − 𝐸 𝑋 )
• Le moment centré d’ordre 2 :
𝜇 = 𝐸(𝑋 − 𝐸 𝑋 )
18/10/2022 14

7
 18/10/2022

CHAPITRE 1 CHAPITRE 2 CHAPITRE 3 CHAPITRE 4 CHAPITRE 5

Rappel des notions statistiques et probabilités

III- Rappel des lois usuelles discrètes:

1- La loi de Bernouilli
Une variable aléatoire X suit une loi de Bernouilli s’il est associé à une expérience
aléatoire qui ne peut prendre que deux résultats possibles : échec ou succès
𝑋→𝐵 𝑝
𝑃 𝑋 = 1 =𝑝; 𝑃 𝑋 = 0 =𝑞 = 1−𝑝
E 𝑋 =𝑝 V 𝑋 = 𝑝𝑞

2- La loi Binomiale

Une variable aléatoire X suit une loi de Binomiale si on a une série de n tirage ou
expérience de Bernouilli
𝑋 → 𝐵 𝑛; 𝑝
𝑃 𝑋 = 𝑘 = 𝐶 𝑝 (1 − 𝑝)
E 𝑋 = 𝑛𝑝 V 𝑋 = 𝑛𝑝𝑞
18/10/2022 15

CHAPITRE 1 CHAPITRE 2 CHAPITRE 3 CHAPITRE 4 CHAPITRE 5

Rappel des notions statistiques et probabilités

III- Rappel des lois usuelles discrètes:

3- La loi de Poisson
Une variable aléatoire X suit une loi de Poisson lorsqu’il désigne le nombre d’apparitions
d’un événement rare.
𝑋→𝑃 λ
λ
𝑃 𝑋=𝑘 =𝑒
𝑘!

E 𝑋 =V 𝑋 = λ

On peut approximer la loi Binomiale B(n,p) par la loi de Poisson de même espérance
mathématique 𝑃 λ = 𝑃 𝑛𝑝 si :
n>=30
p<=0,1
np<=10

18/10/2022 16

8
 18/10/2022

CHAPITRE 1 CHAPITRE 2 CHAPITRE 3 CHAPITRE 4 CHAPITRE 5

Rappel des notions statistiques et probabilités

IV- Rappel des lois usuelles continues:

1- La loi Normale ou Gauss

On dit qu’une variable aléatoire X suit une loi Normale de paramètre σ et μ si :

𝑋 → 𝑁 𝜇, 𝜎² E 𝑋 =𝜇 V 𝑋 = 𝜎²

F(x)

La courbe de la loi Normale possède la forme en «CLOCHE»

La distribution normale est symétrique par rapport à la droite verticale : X=μ
Remarque : la loi Normale générale n’est pas tabulée
18/10/2022 17

9
 18/10/2022

CHAPITRE 1 CHAPITRE 2 CHAPITRE 3 CHAPITRE 4 CHAPITRE 5

Rappel des notions statistiques et probabilités

IV- Rappel des lois usuelles continues:

1- La loi Normale ou Gauss

On peut approximer la loi Binomiale B(n,p) par la loi Normale N(np,npq) si :

n>=30
Np>=5
N(1-p)>=5

18/10/2022 19

CHAPITRE 1 CHAPITRE 2 CHAPITRE 3 CHAPITRE 4 CHAPITRE 5

Rappel des notions statistiques et probabilités

IV- Rappel des lois usuelles continues:

2- La loi Normale centrée et réduite

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 tabulée).

Centrer et réduire une variable, c’est raisonner en nombre d’écart type par rapport
à la moyenne.

18/10/2022 20

10
 18/10/2022

CHAPITRE 1 CHAPITRE 2 CHAPITRE 3 CHAPITRE 4 CHAPITRE 5

Rappel des notions statistiques et probabilités

IV- Rappel des lois usuelles continues:

2- La loi Normale centrée et réduite

Soit X une variable aléatoire suit une loi Normale de paramètre σ et μ.

(𝑋 − 𝜇) s’appelle une variable centrée.

𝑋−𝜇
𝑌= s’appelle une variable centrée et réduite.
𝜎
Y suit une loi Normale centrée et réduite de paramètre E(Y)=0 et V(Y)=1. Y→ 𝑁 0,1

La densité de probabilité de la loi normale centrée réduite:

1 ²
𝑓 𝑌 = 𝑒 Ɐ 𝑥𝜖𝑅
2𝜋

18/10/2022 21

CHAPITRE 1 CHAPITRE 2 CHAPITRE 3 CHAPITRE 4 CHAPITRE 5

Rappel des notions statistiques et probabilités

IV- Rappel des lois usuelles continues:

2- La loi Normale centrée et réduite

Soit 𝑋 → 𝑁 𝜇, 𝜎² et Y→ 𝑁 0,1
Alors la fonction de répartition de Y est notée 𝞥(𝑌)
Avec 𝞥 𝑧 = 𝑝(𝑌 < 𝑧)
Cette fonction est Tabulée

𝑋−𝜇 𝑎−𝜇 𝑎−𝜇 𝑎−𝜇

𝑝 𝑋≤𝑎 =𝑝 ≤ =𝑝 𝑌≤ = 𝞥( )
𝜎 𝜎 𝜎 𝜎
𝑎−𝜇
𝑝 𝑋 ≥ 𝑎 = 1 − 𝑝 𝑋 < 𝑎 = 1 − 𝞥( )
𝜎
𝑎−𝜇 𝑋−𝜇 𝑏−𝜇
𝑝 𝑎<𝑋≤𝑏 =𝑝 < <
𝜎 𝜎 𝜎

18/10/2022 22

11
 18/10/2022

CHAPITRE 1 CHAPITRE 2 CHAPITRE 3 CHAPITRE 4 CHAPITRE 5

Rappel des notions statistiques et probabilités

IV- Rappel des lois usuelles continues:

2- La loi Normale centrée et réduite

Le lecture de la table
Elle donne la valeur de 𝞥(𝑧) pour z connue.
Elle donne la valeur de z pour 𝞥(𝑧) connue.

Pour les valeurs négatives 𝞥 −𝑧 = 1 − 𝞥(𝑧)

Pour les valeurs 𝞥(𝑧)inférieures à 0,5, on utilise la symétrie de la distribution
Pour certaines valeurs qui ne figurent pas sur la table, on utilise l’intérpolation
linéaire

18/10/2022 23

CHAPITRE 1 CHAPITRE 2 CHAPITRE 3 CHAPITRE 4 CHAPITRE 5

Rappel des notions statistiques et probabilités

IV- Rappel des lois usuelles continues:

3- Le théorème centrale limite TCL

Le TCL sera très précieux puisqu’il nous expliquent que si on fait la somme d’un très grand
nombre de variables aléatoire de la loi quelquonque, cette somme suit approximativement
une loi normale.

Soit Xn une suite de n variables aléatoires identiquement distribuées et indépendantes et

de même loi d’espérance μ et d’écart type σ.
𝑋 + 𝑋 + ⋯ + 𝑋 − 𝑛𝜇
𝑌 =
𝜎 𝑛

𝐸(𝑋 ,… 𝑋 ) = 𝑛𝜇
V(𝑋 ,… 𝑋 ) = 𝑛σ²

18/10/2022 24

12
 18/10/2022

CHAPITRE 1 CHAPITRE 2 CHAPITRE 3 CHAPITRE 4 CHAPITRE 5

Rappel des notions statistiques et probabilités

IV- Rappel des lois usuelles continues:

4- La loi de Khi-deux
Soit 𝑌 , 𝑌 , … , 𝑌 des variables aléatoires indépendantes de la loi Normale centrée
réduite N(0,1) et X une variable aléatoire de Khi-deux de paramètre n degrés de liberté.

𝑌 → 𝑁(0,1) et X→ 𝟀² ssi 𝑋= 𝑌

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

La distribution 𝟀² est dissymétrique pour les petites valeurs de n

La distribution 𝟀² commence à devenir symétrique à partir n=30
La table 𝟀² donne les valeurs de la v.a. 𝟀² ayant la probabilité α d’être dépassée.

18/10/2022 25

CHAPITRE 1 CHAPITRE 2 CHAPITRE 3 CHAPITRE 4 CHAPITRE 5

Rappel des notions statistiques et probabilités

IV- Rappel des lois usuelles continues:

5- La loi de Student
La loi de Student est une loi de probabilité, faisant intervenir le quotient entre une variable
suivant une loi normale centrée réduite et le racine carrée d’une variable distribuée suivant
la loi de Khi-deux .
𝑌 → 𝑁(0,1) et Z→ 𝟀²
𝑌
𝑋= X→ 𝑡
𝑍/𝑛
Y et Z sont indépendants E(X) = 0
et V(X) = si 2<K
V(X) =+∞ si 1<K<=2
V(X) = forme indéterminé si K<=1
Remarque: La loi de Student est généralement utilisée pour les petits échantillons lorsque
la variance de la population est inconnue.

18/10/2022 26

13
 18/10/2022

CHAPITRE 1 CHAPITRE 2 CHAPITRE 3 CHAPITRE 4 CHAPITRE 5

Rappel des notions statistiques et probabilités

IV- Rappel des lois usuelles continues:

5- La loi de Fisher
Une variable aléatoire réelle X distribuée selon la loi de Fisher peut être construite comme
le quotient de deux variables aléatoires indépendantes Y et Z distribuées chacune selon une
loi de Khi-deux et ajustées pour leurs nombres de degrés de liberté respectivement n, m.
Z→ 𝟀² et Y→ 𝟀²
𝑌/𝑛
𝑋= X→ 𝐹 ,
𝑍/𝑚

E(X) = pour m>2

²( )
et V(X) = pour m>4
( )²( )

Remarque : La distribution de Fisher, comme celle de 𝟀² , n’est pas symétrique.

18/10/2022 27

CHAPITRE 1 CHAPITRE 2 CHAPITRE 3 CHAPITRE 4 CHAPITRE 5

Rappel des notions statistiques et probabilités

IV- Rappel des lois usuelles continues:

5- La loi de Fisher
Règle de lecture de la table Fisher
1
𝐹, , =
𝐹 , ,
Avec 𝐹 , , est telle que

𝑝(𝐹 , >𝐹 , , )= 𝛼
La table donne les valeurs de F avec la règle empirique:

1
𝐹 , , , =
𝐹 , , ,

1
𝐹 , , , =
𝐹 , , ,

18/10/2022 28

14