Académique Documents
Professionnel Documents
Culture Documents
Résumé de cours :
Échantillonnage et
Estimation
Elaboré par : Mr Mohamed EL RHENDOR
Mohamed El Rhendor
mohamed.elrhendor@gmail.com
06 77 45 04 84
𝑬(𝑿)
- Propriétées :
- 𝐸 (𝑎𝑋) = 𝑎𝐸 (𝑋)
- 𝐸 (𝑎𝑋 + 𝑏) = 𝑎𝐸 (𝑋) + 𝑏
- 𝐸 (𝑋1 + 𝑋2 + ⋯ + 𝑋𝑛 ) = 𝐸 (𝑋1 ) + 𝐸 (𝑋2 ) + ⋯ + 𝐸(𝑋𝑛 )
- Si 𝑋 𝑒𝑡 𝑌 sont indépendantes alors 𝐸 (𝑋𝑌) = 𝐸 (𝑋)𝐸(𝑌)
• La variance 𝑽(𝑿) :
- Propriétées :
- 𝑉 (𝑎𝑋) = 𝑎²𝑉 (𝑋)
- 𝑉 (𝑎𝑋 + 𝑏) = 𝑎²𝑉 (𝑋)
- 𝑆𝑖 𝑋 𝑒𝑡 𝑌 𝑠𝑜𝑛𝑡 𝑖𝑛𝑑é𝑝𝑒𝑛𝑑𝑎𝑛𝑡𝑒𝑠 𝑎𝑙𝑜𝑟𝑠 ∶ 𝑉 (𝑋 + 𝑌) = 𝑉 (𝑋) + 𝑉(𝑌)
1 𝑥−𝜇 2
1 − ( )
La densité de probabilité : 𝑓(𝑥 ) = 𝑒 2 𝜎
𝜎√2𝜋
• 𝑬(𝑿) = 𝝁
• 𝑽(𝑿) = 𝝈²
𝑋−𝜇
Si 𝑋~𝑁( 𝜇 , 𝜎 ) alors la variable 𝑇 = ~ 𝑁( 0 , 1 )
𝜎
𝑥²
1 −
Sa densité de probabilité : 𝑓(𝑥 ) = 𝑒 2
√2𝜋
• 𝑬(𝑿) = 𝟎
• 𝑽(𝑿) = 𝟏
- Propriétées :
• 𝑃(𝑇 > 𝑡) = 1 − 𝑃(𝑇 < 𝑡)
• 𝑃(𝑇 < −𝑡) = 1 − 𝑃(𝑇 < 𝑡)
• 𝑃(𝑎 < 𝑇 < 𝑏) = 𝑃(𝑇 < 𝑏) − 𝑃(𝑇 < 𝑎)
• 𝑃(−𝑡 < 𝑇 < 𝑡) = 2𝑃(𝑇 < 𝑡) − 1
• Si 𝑋~𝑁( 𝜇1 , 𝜎1 ) et 𝑌~𝑁( 𝜇2 , 𝜎2 ) avec 𝑋 𝑒𝑡 𝑌 sont indépendantes Alors :
𝑋 + 𝑌 ~ 𝑁 (𝜇1 + 𝜇2 ; √𝜎1 + 𝜎2 )
et 𝑋 − 𝑌 ~ 𝑁 (𝜇1 − 𝜇2 ; √𝜎1 + 𝜎2 )
Définition :
Population : P Echantillon : E
Taille : N Taille : n
Échantillonnage
𝑀𝑜𝑦𝑒𝑛𝑛𝑒: 𝝁 ̅
𝑿
𝑉𝑎𝑟𝑖𝑎𝑛𝑐𝑒: 𝝈𝟐 ̅
𝑺²
𝝈 ̅
𝑺
𝐸𝑐𝑎𝑟𝑡 𝑡𝑦𝑝𝑒:
Estimation
𝑷 𝑭
𝑃𝑟𝑜𝑝𝑜𝑟𝑡𝑖𝑜𝑛:
Avec :
∑ 𝑿𝒊
La moyenne de l’échantillon : ̅=
𝑿
𝒏
∑(𝑋𝑖 −𝑋̅)² ∑ 𝑋𝑖 ²−𝑛𝑋̅ ²
La variance de l’échantillon : 𝑆 ̅² = =
𝑛 𝑛
∑(𝑿 −𝑿)² ̅
∑ 𝑿 ²−𝒏𝑿² ̅
L’écart type de l’échantillon : ̅
𝑺=√ 𝒊 =√ 𝒊
𝒏 𝒏
• Version faible :
Si la loi de 𝑋 est connue (loi normale) c-à-d 𝑋~𝑁(𝜇, 𝜎) ,
𝜎
Alors : 𝑋̅ ~ 𝑁( 𝜇 , )
√𝑛
̅ −𝜇
𝑋
Donc : 𝑇= 𝜎
√𝑛
• Version forte :
Si la loi de 𝑋 une est inconnue avec 𝒏 ≥ 𝟑𝟎 , alors :
̅̅̅ 𝜎
Alors : 𝑋 ~ 𝑁( 𝜇 , ) √𝑛
̅ −𝜇
𝑋
Donc : 𝑇= 𝜎
√𝑛
➢ Pour F (la fréquence)
𝑃(1−𝑃)
On a 𝐹 ~ 𝑁 (𝑃 , √ )
𝑛
𝐹−𝑃
Alors 𝑇=
𝑃(1−𝑃)
√
𝑛
• 𝑬( 𝑿
̅) = 𝝁 • 𝑬(𝑭) = 𝑷
𝝈² 𝑷(𝟏−𝑷)
• 𝑽( 𝑿
̅ )=
𝒏
• 𝑽(𝑭 ) = 𝒏
̅) = 𝝈
• 𝝈( 𝑿 𝑷(𝟏−𝑷)
√𝒏 • 𝝈(𝑭) = √
𝒏
𝒏−𝟏 𝟐
̅𝟐 ) =
𝑬(𝑺 𝝈
𝒏
Estimation
1) Estimation Ponctuelle :
Les paramètres à estimer Les estimateurs
𝝁 ̅
𝑿
̅
𝑺𝟐
𝝈𝟐
𝑺𝟐
- la variance corrigée
- la quasi variance
̅
𝑺 - la variance non biaisée
𝝈
𝑺
𝑷 𝑭
avec :
𝒏 ̅ )²
∑(𝑿𝒊 −𝑿 ̅²
∑ 𝑿𝒊 ²−𝒏𝑿
𝑺² = ̅𝑺𝟐 𝑺² = 𝑺² =
𝒏−𝟏 𝒏−𝟏 𝒏−𝟏
𝟐)
et 𝑬(𝑺 = 𝝈²
➢ Pour la moyenne 𝝁 :
IC pour la moyenne
𝝈 𝝈 𝑺 𝑺
̅−𝒕
𝑰𝑪 = [𝑿 ̅ −𝒕
;𝑿 ] ̅−𝒕 ̅ −𝒕
√𝒏 √𝒏 𝑰𝑪 = [ 𝑿 ];𝑿
Ou √𝒏
√𝒏
Avec t sera lu dans la table de ̅
𝑺 ̅
𝑺
la loi normale centrée réduite ̅
𝑰𝑪 = [𝑿 − 𝒕 ̅
; 𝑿−𝒕 ]
√𝒏 − 𝟏 √𝒏 − 𝟏
𝜶
𝑷(𝑻 < 𝑡) = 𝟏 − ➢ Si 𝒏 < 30 t sera lu dans la table de la
𝟐
loi Student à 𝒏 − 𝟏 ddl
Avec 𝜶 ∶ 𝒍𝒆 𝒏𝒊𝒗𝒆𝒂𝒖 𝒅𝒆 𝒓𝒊𝒔𝒒𝒖𝒆 ➢ Si 𝒏 ≥ 𝟑𝟎 t sera lu dans la table de la
loi Normale
(Généralement 𝜶 ne doit pas dépasser 10%)
𝝈 ̅
𝑺 𝑺
➢ La marge d’erreur : 𝒕 La marge d’erreur : 𝒕 ou 𝒕
√𝒏 √𝒏−𝟏 √𝒏
𝝈 ̅
𝑺 𝑺
➢ L’amplitude : 𝟐𝒕 𝒏 L’amplitude : 𝟐𝒕 √ ou 𝟐𝒕
√ 𝒏−𝟏 √𝒏
𝜶 = 𝟐% 𝒕 = 𝟐. 𝟑𝟑
𝜶 = 𝟓% 𝒕 = 𝟏. 𝟗𝟔
𝜶 = 𝟏𝟎% 𝒕 = 𝟏. 𝟔𝟓
𝒇(𝟏−𝒇) 𝒇(𝟏−𝒇)
𝑰𝑪 = [ 𝒇 − 𝒕√ ; 𝒇 + 𝒕√ ]
𝒏 𝒏 La marge d’erreur :
𝜶 = 𝟏% 𝒕 = 𝟐. 𝟓𝟖
𝜶 = 𝟐% 𝒕 = 𝟐. 𝟑𝟑
𝜶 = 𝟓% 𝒕 = 𝟏. 𝟗𝟔
𝜶 = 𝟏𝟎% 𝒕 = 𝟏. 𝟔𝟓
➢ Pour la variance 𝝈² :
Si la moyenne est inconnue
𝒏̅
𝑺² 𝒏̅
𝑺² (𝒏−𝟏) 𝑺² (𝒏−𝟏)𝑺²
𝑰𝑪 = [ ; ] ou 𝑰𝑪 = [ ; ]
𝒃 𝒂 𝒃 𝒂
Remarque : a et b seront obtenus a partir de la table de khi deux ou normale centrée réduite
1) Si 𝒏 ≤ 𝟑𝟎 2) Si 𝒏 > 30
On utilise la table de Khi deux à 𝒏 − 𝟏 𝒅𝒅𝒍 On utilise la table de la loi normale centrée réduite
avec
𝛼 (𝑡 − √2𝑛 − 1)²
𝑃 (𝑋 < 𝑎 ) = 𝑎=
2 2
𝛼 (𝑡 + √2𝑛 − 1)²
𝑃 (𝑋 < 𝑏 ) = 1 − 𝑏=
2 2
Avec t sera lu dans la table de la loi normale centrée réduite
𝑎 = 5% 𝑡 = 1.96
𝑎 = 10% 𝑡 = 1.65