Académique Documents
Professionnel Documents
Culture Documents
Cours Master FQGR IUFIC 20-21
Cours Master FQGR IUFIC 20-21
Mai 2021
Plan de l’exposé
1 Introduction
2 Rappels
Variable aléatoire discrètes
Variable aléatoire continue
3 Méthode des sondages
4 Distribution d’échantillonnage
Échantillonnage des moyennes
Échantillonnage des proportions
5 Estimation : Sondage aléatoire simple
6 Estimation : Sondage stratifié
Cas général
Plan avec allocation proportionnelle
Plan avec allocation optimale
7 Test relatifs à une moyenne
8 Test relatif à une fréquence
9 Test de comparaison de deux populations
Dr M. BAGAYOGO (CUP-Kaya) Master 2020-2021 Mai 2021 3 / 113
Introduction
Quelques problèmes
Quelques problèmes
Définition
La population : l’ensemble de tous les éléments considérés dans une étude.
Définition
La population : l’ensemble de tous les éléments considérés dans une étude.
Définition
L’échantillon est un sous ensemble fini de la population.
La taille de l’échantillon est le nombre d’éléments sélectionnés pour
constituer l’échantillon.
Définition
La population : l’ensemble de tous les éléments considérés dans une étude.
Définition
L’échantillon est un sous ensemble fini de la population.
La taille de l’échantillon est le nombre d’éléments sélectionnés pour
constituer l’échantillon.
Pour résumer
1 Le fabricant d’ampoules.
Plan de l’exposé
1 Introduction
2 Rappels
Variable aléatoire discrètes
Variable aléatoire continue
3 Méthode des sondages
4 Distribution d’échantillonnage
Échantillonnage des moyennes
Échantillonnage des proportions
5 Estimation : Sondage aléatoire simple
6 Estimation : Sondage stratifié
Cas général
Plan avec allocation proportionnelle
Plan avec allocation optimale
7 Test relatifs à une moyenne
8 Test relatif à une fréquence
9 Test de comparaison de deux populations
Dr M. BAGAYOGO (CUP-Kaya) Master 2020-2021 Mai 2021 8 / 113
Rappels Variable aléatoire discrètes
E(X ) =
X
pk xk
k∈E
La variance de X :
Var (X ) =
X X
pk xk2 − pk xk
k∈E k∈E
Épreuve de Bernoulli
• On appelle épreuve de Bernoulli, toute épreuve à deux éventualités.
• L’une des éventualités est appelée succès de probabilité notée p et
l’autre est appelée échec de probabilité notée q avec q = 1 − p.
Épreuve de Bernoulli
• On considère , n(n ≥ 2) épreuves de Bernoulli identiques et
indépendantes.
• Soit X la variable aléatoire égale au nombre de succès obtenu sur les n
épreuves,
• alors X suit une loi binomiale de paramètres n et p.
• On note X B(n; p).
Loi discrète
n!
avec Cnk = , n! = n × (n − 1) × (n − 2) × · · · × 1
k!(n − k)!
Loi discrète
X B(n, p)
Alors :
• son espérance mathématique est : E (X ) = np.
• sa variance est : V (X ) = np(1 − p)
• son écart type est : σ(X ) = V (X ) =
p p
np(1 − p)
Exemple 1
Exemple 2
Exemple 2
Dans un théâtre, on a constaté qu’en moyenne 5% des spectateurs qui ont
réservé une place n’assistent pas à la représentation. Quelle est la
probabilité pour que, sur 30 places louées, il y en ait 2 ou 3 ou 4
inoccupées ?
Exemple 2
Exemple 2
Dans un théâtre, on a constaté qu’en moyenne 5% des spectateurs qui ont
réservé une place n’assistent pas à la représentation. Quelle est la
probabilité pour que, sur 30 places louées, il y en ait 2 ou 3 ou 4
inoccupées ?
Exemple 2 : corrigé
• On peut considérer que les 30 places sont tirées au sort dans une
population infinie comprenant une proportion p de personnes qui ne
viennent pas et une proportion q = 1 − p de personnes qui assistent à
la représentation.
Exemple 2
Exemple 2
Dans un théâtre, on a constaté qu’en moyenne 5% des spectateurs qui ont
réservé une place n’assistent pas à la représentation. Quelle est la
probabilité pour que, sur 30 places louées, il y en ait 2 ou 3 ou 4
inoccupées ?
Exemple 2 : corrigé
• On peut considérer que les 30 places sont tirées au sort dans une
population infinie comprenant une proportion p de personnes qui ne
viennent pas et une proportion q = 1 − p de personnes qui assistent à
la représentation.
• Le nombre de places inoccupées X est donc une variable binomiale de
paramètres : n = 30 et p = 0, 05.
Exemple 2
Exemple 2
Dans un théâtre, on a constaté qu’en moyenne 5% des spectateurs qui ont
réservé une place n’assistent pas à la représentation. Quelle est la
probabilité pour que, sur 30 places louées, il y en ait 2 ou 3 ou 4
inoccupées ?
Exemple 2 : corrigé
• On peut considérer que les 30 places sont tirées au sort dans une
population infinie comprenant une proportion p de personnes qui ne
viennent pas et une proportion q = 1 − p de personnes qui assistent à
la représentation.
• Le nombre de places inoccupées X est donc une variable binomiale de
paramètres : n = 30 et p = 0, 05.
• En vertu de la formule des probabilités totales, On a :
Exemple 2
Corrigé 2 (suite)
• En vertu de la formule des probabilités totales, On a :
Exemple 2
Corrigé 2 (suite)
• En vertu de la formule des probabilités totales, On a :
Opérations
Soient X et Y deux variables aléatoires indépendantes.
Si X B(n1 , p) et Y B(n2 , p) alors (X + Y ) B(n1 + n2 , p)
Dr M. BAGAYOGO (CUP-Kaya) Master 2020-2021 Mai 2021 15 / 113
Rappels Variable aléatoire discrètes
Loi de Poisson
Définition
• La loi de Poisson est la loi suivie par la variable aléatoire qui étudie les
événements où le futur est indépendant du passé et les événements
rares.
• Si une variable aléatoire X suit une loi de poisson de paramètre
λ (λ > 0), alors on note X P(λ).
Remarque
• La loi de poisson permet de modéliser des situations de comptages
(comme la loi binomiale), mais elle compte le nombre de succès
lorsque le nombre d’épreuves est très grand et la probabilité de succès
est très faible.
• Elle est aussi appelée loi des cas rares.
Loi de Poisson
Remarque
On utilise la loi de poisson pour d’écrire les phénomènes suivants :
∗ le nombre d’atterrissages des avions dans un aéroport ;
∗ le nombre de personnes qui arrivent à un guichet pendant un temps
donné ;
∗ le nombre d’appels téléphoniques reçu par un standard pendant un
temps donné ;
∗ le nombre d’accidents dans une entreprise ;
∗ le nombre de défauts d’article produit en grande série ;
∗ etc.
Loi de Poisson
Loi de probabilité d’une loi de Poisson
Si X P(λ), alors sa loi de probabilité est donnée par :
λk −λ
P(X = k) = e , k = 0, 1, 2 · · ·
k!
X P(λ)
Alors :
• son espérance mathématique est : E (X ) = λ
• sa variance est : V (X ) = E (X ) = λ
√
• son écart type est : σ(X ) = λ
Dr M. BAGAYOGO (CUP-Kaya) Master 2020-2021 Mai 2021 18 / 113
Rappels Variable aléatoire discrètes
Loi de Poisson
Exemple
Le nombre moyen de personnes arrivant à une caisse d’un magasin en une
heure est 60. Calculer la probabilité que le nombre de personnes arrivant à
cette caisse durant une période de 6 minutes soit inférieure ou égale à 3.
On admet que le nombre de personnes arrivant à une caisse durant une
période donnée suit une loi de poisson.
Exemple
Soit X B(250; 0, 02).
Calculer P(X = 2) et P(X = 3) directement puis en utilisant
l’approximation par une loi de poisson.
Dr M. BAGAYOGO (CUP-Kaya) Master 2020-2021 Mai 2021 19 / 113
Rappels Variable aléatoire discrètes
Loi de Poisson
Exemple
Soit X B(250; 0, 02).
Calculer P(X = 2) et P(X = 3) directement puis en utilisant
l’approximation par une loi de poisson.
Opérations
• Soient X et Y deux variables aléatoires indépendantes.
• Si X P(λ1 ) et Y P(λ2 ), alors
(X + Y ) P(λ1 + λ2 )
Définition
La loi d’une variable aléatoire continue est définie à partir d’une fonction f
appelée densité qui vérifie les propriétés suivantes :
f est positive pour tout x ∈ R, f (x ) ≥ 0
l’aire en dessous la courbe représentative de f vaut 1, autrement dit
Z +∞
f (x )dx = 1
−∞
Définition
X une variable aléatoire continue.
La fonction de répartition de X (notée F ) est définie par
F (x ) = P(X ≤ x )
Quelques propriétés
1 P(X = x ) = 0
2 P(X ≤ x ) = P(X < x )
3 P(a ≤ X ≤ b) = P(X ≤ b) − P(X ≤ a) = F (b) − F (a)
4 P(X ≥ b) = 1 − P(X ≤ b) = 1 − F (b)
Espérance/Variance
Espérance/Variance
et la variance de X
Espérance/Variance
et la variance de X
Z Z 2
var (X ) = x 2 f (x )dx − xf (x )dx
Propriétés
Soit X une variable aléatoire gaussienne.
E(X ) = µ, la moyenne
Var (X ) = σ 2 , la variance
σ est l’écart type de X
Lecture directe
On connait t et on cherche F (t). On a deux cas possibles :
• si t ≥ 0 ; on lit directement sur la table ou on procède par
interpolation linéaire ;
• si t < 0 ; on a F (t) = 1 − F (−t).
Exemple : F (1, 99) = 0, 9767; F (0, 83) = 0, 7967
Lecture inverse
On connait F (t) et on cherche t.
Posons p = F (t) et on note t = F −1 (p) : Deux cas peuvent se présenter :
• si p ≥ 0, 5 on lit directement sur la table ou on procède par
interpolation linéaire ;
• si p < 0, 5 on a t = −F −1 (1 − p).
Exemple : déterminer F −1 (0, 8413); F −1 (0, 975); F −1 (0, 484).
Calculs pratiques
Loi normale
Exemple
Les consommations journalières à Bobo-Dioulasso d’un buveur de thé
suivent une loi normale de moyenne m = 7 verres de thé et d’écart type
σ = 3 verres de thé. Calculer la probabilité que les consommations d’une
journée soient :
a) inférieure à 11,5 verres de thé ;
b) supérieure à 11,5 verres de thé ;
c) comprise entre 8,5 et 11,5 verres de thé.
Loi normale
Opérations
• Soient X et Y deux variables aléatoires indépendantes.
• Si X N (µ1 , σ1 ) et Y N (µ2 , σ2 ) alors
q
• (X + Y ) N µ1 + µ 2 , σ12 + σ22
q
• (X − Y ) N µ1 − µ 2 , σ12 + σ22
Loi normale
Approximation d’une loi binomiale par une loi normale
Conditions d’approximation
Si la variable aléatoire discrète X suit la loi binomiale B(n, p), et si l’une
des conditions suivantes est réalisée :
• n « grand » (n ≥ 30) et p ∈]0, 1; 0, 9[
• ou [np > 15 et nq > 15]
• ou [npq > 10]
√
On peut approcher la loi de X par la loi normale de paramètres np et npq
Exemple
Chaque jour un vendeur d’automobile peut vendre une voiture avec une
probabilité de 30% ou aucune avec une probabilité de 70%. Soit X le
nombre de voitures vendues sur une période de 200 jours.
1 Quelle est la loi de X ?
2 Calculer la probabilité de vendre
Dr M. BAGAYOGO (CUP-Kaya)
moins de 60 voitures sur Mai
Master 2020-2021
les2021
200 jours.
32 / 113
Rappels Variable aléatoire continue
Loi normale
Exemple
Chaque jour un vendeur d’automobile peut vendre une voiture avec une
probabilité de 30% ou aucune avec une probabilité de 70%. Soit X le
nombre de voitures vendues sur une période de 200 jours.
1 Quelle est la loi de X ?
2 Calculer la probabilité de vendre moins de 60 voitures sur les 200 jours.
Loi normale
Approximation d’une loi de poisson par une loi normale
Conditions d’approximation
Si la variable aléatoire discrète X suit la loi de poisson P(λ), et si la
condition suivante est réalisée : [λ est « grand » (λ > 10)] on√peut
approcher la loi de X par la loi normale de paramètres λ et λ
Remarque
Lorsqu’on passe d’une loi discrète à une loi continue, on doit procéder à
une correction de continuité pour obtenir une meilleure approximation des
résultats. La correction de continuité consiste à ajouter ou à soustraire un
coefficient k suffisamment petit :
P(X = a) = P(a − k ≤ Y ≤ a + k)
P(X ≤ a) = P(Y ≤ a + k)
P(X ≤ a) = P(Y ≥ a − k)
où Y est la loi continue d’approximation de la loi discrète X avec k = 0, 5
ou k = 0, 05 ou k = 0, 005 selon la valeur de a.
Dr M. BAGAYOGO (CUP-Kaya) Master 2020-2021 Mai 2021 34 / 113
Rappels Variable aléatoire continue
Loi normale
Exemple
Le service accueil d’une banque donne en moyenne 350 renseignements par
heure. Soit X la variable aléatoire égale au nombre de renseignements
données sur une période de 6 minutes. Réaliser une approximation de la loi
de X par une loi normale puis calculer P(X = 35).
Plan de l’exposé
1 Introduction
2 Rappels
Variable aléatoire discrètes
Variable aléatoire continue
3 Méthode des sondages
4 Distribution d’échantillonnage
Échantillonnage des moyennes
Échantillonnage des proportions
5 Estimation : Sondage aléatoire simple
6 Estimation : Sondage stratifié
Cas général
Plan avec allocation proportionnelle
Plan avec allocation optimale
7 Test relatifs à une moyenne
8 Test relatif à une fréquence
9 Test de comparaison de deux populations
Dr M. BAGAYOGO (CUP-Kaya) Master 2020-2021 Mai 2021 36 / 113
Méthode des sondages
Sondage : introduction
Sondage : introduction
Sondage : introduction
Exemples
Je désire connaître l’âge moyen de TOUS les étudiants de Ouagadougou.
Sondage : introduction
Exemples
Je désire connaître l’âge moyen de TOUS les étudiants de Ouagadougou.
1 Recensement : je demande l’âge à tous les étudiants et je calcule la
moyenne... ça risque d’être long ! ! !
Sondage : introduction
Exemples
Je désire connaître l’âge moyen de TOUS les étudiants de Ouagadougou.
1 Recensement : je demande l’âge à tous les étudiants et je calcule la
moyenne... ça risque d’être long ! ! !
2 Sondage : je choisis une partie des étudiants (échantillon), je calcule la
moyenne des âges sur cette partie en espérant que cette moyenne soit
"proche" de l’âge moyen de tous les étudiants.
Sondage : introduction
Exemples
Je désire connaître l’âge moyen de TOUS les étudiants de Ouagadougou.
1 Recensement : je demande l’âge à tous les étudiants et je calcule la
moyenne... ça risque d’être long ! ! !
2 Sondage : je choisis une partie des étudiants (échantillon), je calcule la
moyenne des âges sur cette partie en espérant que cette moyenne soit
"proche" de l’âge moyen de tous les étudiants.
Nous voyons sur cet exemple que la mise au point d’un sondage nécessite
plusieurs choix pour le statisticien :
Sondage : introduction
Exemples
Je désire connaître l’âge moyen de TOUS les étudiants de Ouagadougou.
1 Recensement : je demande l’âge à tous les étudiants et je calcule la
moyenne... ça risque d’être long ! ! !
2 Sondage : je choisis une partie des étudiants (échantillon), je calcule la
moyenne des âges sur cette partie en espérant que cette moyenne soit
"proche" de l’âge moyen de tous les étudiants.
Nous voyons sur cet exemple que la mise au point d’un sondage nécessite
plusieurs choix pour le statisticien :
comment choisir les étudiants ?
combien d’étudiants doit-on choisir ?
comment doit-on formuler la réponse
est-ce que l’estimation est satisfaisante ?
Dr M. BAGAYOGO (CUP-Kaya) Master 2020-2021 Mai 2021 38 / 113
Méthode des sondages
Jusqu’en 2016 ?
Utilisation
Questionnaire
Questionnaire
Types de sondages
1 Méthodes aléatoires :
Plans de sondage
â Simples : à probabilités égales, à probabilités inégales
â Complexes : stratifié, en grappe, plusieurs degrés
Types de sondages
1 Méthodes aléatoires :
Plans de sondage
â Simples : à probabilités égales, à probabilités inégales
â Complexes : stratifié, en grappe, plusieurs degrés
2 Méthodes par choix raisonné ou judicieux :
â Quotas ;
â Itinéraires ;
â Unités-types ;
â Volontariat ;
â Échantillonnage sur place ;
Types de sondages
Taux de sondages
n
Le rapport t = avec :
N
n la taille de l’échantillon ;
N l’effectif de la population
est appelé taux de sondage ou bien taux d’échantillonnage.
Cette méthode alloue une chance à tous les individus d’une population
d’être sélectionner. L’adoption de cette méthode est appropriée lorsque la
population est nombreuse et relativement homogène
Cette méthode alloue une chance à tous les individus d’une population
d’être sélectionner. L’adoption de cette méthode est appropriée lorsque la
population est nombreuse et relativement homogène
Principe
1 Définir clairement la nature de la population
2 Assigner un numéro à chaque individu de la population
3 Sélectionner l’échantillon en choisissant n’importe quelle méthode qui
donne une chance égale à tous les numéros d’être tirés
Sondage stratifié
Sondage stratifié
Sondage périodique
Sondage périodique
Plan de l’exposé
1 Introduction
2 Rappels
Variable aléatoire discrètes
Variable aléatoire continue
3 Méthode des sondages
4 Distribution d’échantillonnage
Échantillonnage des moyennes
Échantillonnage des proportions
5 Estimation : Sondage aléatoire simple
6 Estimation : Sondage stratifié
Cas général
Plan avec allocation proportionnelle
Plan avec allocation optimale
7 Test relatifs à une moyenne
8 Test relatif à une fréquence
9 Test de comparaison de deux populations
Dr M. BAGAYOGO (CUP-Kaya) Master 2020-2021 Mai 2021 56 / 113
Distribution d’échantillonnage Échantillonnage des moyennes
Loi de X n
Yn 1 1
E (Fn ) = E ( ) = E (Yn ) = np = p.
n n n
On a :
1 1
2
Yn pq
V (Fn ) = V = Yn , V (Yn ) = 2
npq = .
n n n n
D’où, l’écart type de Fn est :
r
q pq
σ(Fn ) = V (Fn ) = .
n
Dr M. BAGAYOGO (CUP-Kaya) Master 2020-2021 Mai 2021 61 / 113
Distribution d’échantillonnage Échantillonnage des proportions
Loi de Fn
Loi de Fn
Remarque
Si les échantillons de taille n sont constitués sans remise dans une
population mère de tailleqN, les résultats
q q donnés précédemment restent
pq pq
valables en remplaçant n par n
N−n
N−1 .
Estimation
Plan de l’exposé
1 Introduction
2 Rappels
Variable aléatoire discrètes
Variable aléatoire continue
3 Méthode des sondages
4 Distribution d’échantillonnage
Échantillonnage des moyennes
Échantillonnage des proportions
5 Estimation : Sondage aléatoire simple
6 Estimation : Sondage stratifié
Cas général
Plan avec allocation proportionnelle
Plan avec allocation optimale
7 Test relatifs à une moyenne
8 Test relatif à une fréquence
9 Test de comparaison de deux populations
Dr M. BAGAYOGO (CUP-Kaya) Master 2020-2021 Mai 2021 64 / 113
Estimation : Sondage aléatoire simple
σ σ
IC = x̄ − tα √ ; x̄ + tα √ ,
n n
où tα est le réel tel que π(tα ) = 2 ,
α+1
π la fonction de répartition de la loi
normale centrée réduite.
Remarque
Si l’écart type de la population mère σ est inconnu,
q on peut, dans la cas
n ≥ 30 le remplacer par son estimation s = n−1 n
σ 0 , où σ 0 est l’écart type
calculé sur l’échantillon. On a donc :
σ0 σ0
IC = x̄ − tα √ ; x̄ + tα √ .
n−1 n−1
Taille d’échantillon
Cas de la moyenne
σ σ
IC = x̄ − tα √ ; x̄ + tα √
n n
La demi longueur de l’IC vaut donc
σ
tα √
n
ou encore
s 2
σ n S
tα √ = tα 1−
n N n
s
S2 n
' tα on prend le taux de sondage est proche de 0.
n N
s
σ2
' tα
n
Dr M. BAGAYOGO (CUP-Kaya) Master 2020-2021 Mai 2021 73 / 113
Estimation : Sondage aléatoire simple
c’est-à-dire
tα2
n0 =
4h02
Plan de l’exposé
1 Introduction
2 Rappels
Variable aléatoire discrètes
Variable aléatoire continue
3 Méthode des sondages
4 Distribution d’échantillonnage
Échantillonnage des moyennes
Échantillonnage des proportions
5 Estimation : Sondage aléatoire simple
6 Estimation : Sondage stratifié
Cas général
Plan avec allocation proportionnelle
Plan avec allocation optimale
7 Test relatifs à une moyenne
8 Test relatif à une fréquence
9 Test de comparaison de deux populations
Dr M. BAGAYOGO (CUP-Kaya) Master 2020-2021 Mai 2021 77 / 113
Estimation : Sondage stratifié
Contexte
Contexte
Propriétés
1 Réécriture de µ :
N N
1X 1X
µ= Xi = Nh µh
N i=1 N i=1
2 Réécriture de σ 2 :
N H H
1X 1X 1X
σ2 = (Xi − µ)2 = Nh σh2 + Nh (µh − µ)2
N i=1 N i=1 N i=1
= Variance intra-strate + Variance inter-strate.
Contexte
Définition
Un plan de sondage est dit stratifié si dans chaque strate on
sélectionne un échantillon aléatoire de taille fixe nh et que les
sélections sont réalisées indépendamment d’une strate à une autre.
On suppose en outre dans ce cours qu’au sein de chaque strate les
plans sont simples et sans remise.
Condition
H
Les nh doivent vérifier nh = n
X
h=1
L’estimateur µ
b s’écrit alors :
H
1 X
b=
µ Nh x h
N h=1
La variance de µ
b est donnée par :
H
1 X Nh − n h 2
V (µ
b) = 2
Nh Sh (2)
N h=1 nh
Définition
Dans un plan stratifié avec allocation proportionnelle, on choisit les nh de
telle sorte que la proportion d’individus provenant de la strate h dans
l’échantillon soit la même que dans la population, c’est-à-dire :
nh Nh
=
n N
D’où
Nh
nh = n
N
Remarque
Cette procédure ne donne généralement pas de résultat entier. Il faut alors
recourir à une procédure d’arrondi (et vérifier que l’on a toujours
H
nh = n).
X
h=1
Estimateur de la variance
Remarque
Dans le cas d’un plan avec allocation proportionnelle on aura le choix entre
cette formule (3) et (2) pour calculer la variance de l’estimateur µ
b.
Définition
Dans un plan stratifié avec allocation optimale, on choisit les tailles
H
d’échantillons n1 , · · · , nH telles que nh = n et telles que la variance de
X
h=1
l’estimateur V (µ
b) soit minimale. La solution de ce problème est
Nh S h
nh = n × H
X
Nh S h
h=1
Le prix à payer est que pour construire un tel estimateur (pour choisir
les tailles d’échantillons dans chaque strate.
Il nous faut connaître la variance corrigée du caractère dans chaque
strate de la population.
La variance de l’estimateur associé à ce plan est toujours donnée par
(2)
Intervalles de confiance
Pour les estimateurs construits par plans stratifiés, on peut calculer des
intervalles de confiance comme pour les plans simples.
Dr M. BAGAYOGO (CUP-Kaya) Master 2020-2021 Mai 2021 87 / 113
Estimation : Sondage stratifié Plan avec allocation optimale
Tests
Tests
Exemple introductif
Une machine fabrique des tiges d’acier. Si la machine est réglée
correctement, l’utilisateur obtient une population de tiges de longueurs
moyenne m et d’écart-type σ. On désire savoir si cette machine se dérègle.
Ainsi, on prélèvera, à intervalles réguliers, des échantillons pour mesurer la
longueur effective des tiges.
Nous faisons alors l’hypothèse H0 dite « hypothèse nulle : la machine est
bien réglée ». On teste alors cette hypothèse, deux cas se présentent :
• la la machine est bien réglée, on accepte H0 .
• la machine est mal réglée, on rejette H0 et donc on accepte H1 dite
hypothèse alternative.
Tests
Définition
• Un test statistique est une méthode permettant de prendre une
décision à partir d’informations fournies par un échantillon.
• Cette décision dépend donc de l’échantillon. Ainsi qu’elle que soit la
décision prise, on court deux sortes de risques :
∗ le risque dit de première espèce noté α, est la probabilité de rejeter
l’hypothèse H0 alors qu’elle est vraie.
∗ le risque dit de seconde espèce noté β, est la probabilité d’accepter
l’hypothèse H0 alors qu’elle est fausse en réalité.
• Un test est bon si on arrive à minimiser α et β.
Tests
Position du problème
• On considère une population P sur laquelle on veut étudier un
paramètre θ inconnue.
• Pour ce faire on prélève un échantillon de taille n, on obtient θe .
• Sur la base de cette valeur observée θe , on se propose de comparer la
vraie valeur θ à une valeur θ0 , fixée à priori, constituant la standard, la
norme.
• Ce qui revient au test d’hypothèse d’hypothèses alternatives H0 et H1 .
• L’hypothèse H1 , peut prendre des formes différentes suivant la nature
de la question posée :
H0
: θ = θ0 H0
: θ = θ0 H0
: θ = θ0
: θ 6= θ0 : θ < θ0 : θ > θ0
H
H
H
1 1 1
Plan de l’exposé
1 Introduction
2 Rappels
Variable aléatoire discrètes
Variable aléatoire continue
3 Méthode des sondages
4 Distribution d’échantillonnage
Échantillonnage des moyennes
Échantillonnage des proportions
5 Estimation : Sondage aléatoire simple
6 Estimation : Sondage stratifié
Cas général
Plan avec allocation proportionnelle
Plan avec allocation optimale
7 Test relatifs à une moyenne
8 Test relatif à une fréquence
9 Test de comparaison de deux populations
Dr M. BAGAYOGO (CUP-Kaya) Master 2020-2021 Mai 2021 92 / 113
Test relatifs à une moyenne
Test
Problème
• Soit une population mère de moyenne inconnue m et d’écart-type σ.
• Sur un échantillon de taille n, on a trouvé une moyenne x̄ .
• On supposera que la population mère est distribuée normalement ou
que la taille n de l’échantillon est assez grande (n ≥ 30).
• On doit tester la moyenne m par rapport à la valeur notée m0 qui est
la valeur standard.
Test
Test bilatéral
On veut tester
H0
: m = m0
: m 6= m0
H
1
Test
Remarque
• Généralement, l’écart type σ de la population mère est inconnu.
q
• Dans ce cas, on remplace σ par sa valeur estimée s = n−1 n
σ 0 , où σ 0
est l’écart type des valeurs observées sur l’échantillon, à condition que
n ≥ 30.
Tes
Exemple
Le bureau d’analyse économique du ministère américain du commerce a
indiqué que le revenu annuel moyen d’un habitant de Caroline du Nord
était de 18688 dollards en 1995. Un chercheur de l’état du Caroline du Sud
veut effectuer le test suivant :
H0
: m = 18688
. (4)
: m 6= 18688
H
1
Test unilatéral
: m > m0
H
1
Test unilatéral
: m < m0
H
1
Test unilatéral
Remarque
Dans les deux cas de tests unilatéraux, il est très fréquent qu’on ne
σ0
connaisse pas σ, alors on prend √σn = √n−1
Plan de l’exposé
1 Introduction
2 Rappels
Variable aléatoire discrètes
Variable aléatoire continue
3 Méthode des sondages
4 Distribution d’échantillonnage
Échantillonnage des moyennes
Échantillonnage des proportions
5 Estimation : Sondage aléatoire simple
6 Estimation : Sondage stratifié
Cas général
Plan avec allocation proportionnelle
Plan avec allocation optimale
7 Test relatifs à une moyenne
8 Test relatif à une fréquence
9 Test de comparaison de deux populations
Dr M. BAGAYOGO (CUP-Kaya) Master 2020-2021 Mai 2021 100 / 113
Test relatif à une fréquence
Test
Position du problème
• Considérons une population mère dans laquelle une proportion p
inconnue d’individus possède un caractère donné.
• Sur un échantillon de taille n, on a trouvé une proportion f d’individus
possédant ce caractère.
• Soit Fn la variable aléatoire dont les valeurs possibles sont les
fréquences observées sur les différents échantillons de taille n.
• On suppose que n est assez grand (n ≥ q
30) ; ainsi, la loi de Fn peut
p(1−p)
être approchée par la loi normale N (p, n ).
• On veut tester la proportion p par rapport à la valeur p0 qui est la
valeur standard, la norme.
Test
Test bilatéral
On veut tester
H0
: p = p0
au risque d’erreur de première espèce α
: p 6= p0
H
1
Test
Test
Plan de l’exposé
1 Introduction
2 Rappels
Variable aléatoire discrètes
Variable aléatoire continue
3 Méthode des sondages
4 Distribution d’échantillonnage
Échantillonnage des moyennes
Échantillonnage des proportions
5 Estimation : Sondage aléatoire simple
6 Estimation : Sondage stratifié
Cas général
Plan avec allocation proportionnelle
Plan avec allocation optimale
7 Test relatifs à une moyenne
8 Test relatif à une fréquence
9 Test de comparaison de deux populations
Dr M. BAGAYOGO (CUP-Kaya) Master 2020-2021 Mai 2021 105 / 113
Test de comparaison de deux populations
Test
Données
Population P1 Population P1
Caractère étudiés C C
Moyenne m1 (inconnu) m2 (inconnu)
Écart-type σ1 (inconnu) σ2 (inconnu)
Échantillon E1 Échantillon E1
Taille n1 , (n1 ≥ 30) n2 , (n2 ≥ 30)
Moyenne x̄1 (connu) x̄2 (connu)
Écart-type σ10 (connu) σ20 (connu)
Test
Comparaison de deux moyennes
On veut tester
H0 : m1 = m2
: m1 6= m2
H
1
avec F (t1− α2 ) = 1 − α2 .
• On accepte H0 avec le risque α, si x̄1 − x̄2 ∈ ICα
• On rejette H0 et donc on accepte H1 avec un risque α si x̄1 − x̄2 ∈
/ ICα
Dr M. BAGAYOGO (CUP-Kaya) Master 2020-2021 Mai 2021 107 / 113
Test de comparaison de deux populations
Test
Remarques
• Si H0 est acceptée, on dit que la différence m1 − m2 n’est pas
significative au risque α.
• Si σ1 et σ2 sont inconnus ( n1 ≥ 30 et q n2 ≥ 30), on les remplace
q par
leurs valeurs estimées respectives s1 = n1 −1 σ1 et s2 = n2 −1 σ2 , où
n1 0 n2 0
σ10 (respectivement σ20 ) est l’écart type des valeurs observées sur
l’échantillon choisi dans Ω1 (respectivement Ω2 ).
Exemple
Dans une agglomération, une enquête par sondage a été réalisée sur les
dépenses alimentaires mensuelles des ménages.
L’échantillon comprenait 327 ménages d’ouvriers et 286 ménages
d’employés. On a observé les valeurs suivantes concernant la moyenne et
l’écart type de la consommation alimentaire de ces deux catégories sociales
Test
Données
Population P1 Population P1
Caractère étudiés C C
Proportion p1 (inconnu) p2 (inconnu)
Échantillon E1 Échantillon E1
Taille n1 , (n1 ≥ 30) n2 , (n2 ≥ 30)
Proportion f1 (connu) f2 (connu)
Test
Comparaison de deux proportions
On veut tester
H0 : p1 = p2
: p1 6= p2
H
1
avec F (t1− α2 ) = 1 − α2 .
Dr M. BAGAYOGO (CUP-Kaya) Master 2020-2021 Mai 2021 111 / 113
Test de comparaison de deux populations
Test
Remarque
Si H0 est acceptée, on dit que p1 − p2 n’est pas significative au risque α
Test
Exemple
A l’issue d’un examen, il y a 23 reçus et 17 ajournés dans une classe et 15
reçus et 25 ajournés dans une autre classe. La différence observée entre les
deux pourcentages de réussite est-elle significative d’une différence de
niveau entre les deux classes, au seuil de 5%
FIN