Académique Documents
Professionnel Documents
Culture Documents
Echantillonnage et Estimation
KOUACH Yassine
Université Hassan II
05/11/2022 65
x11 .
1 n
xi1
.
x2 1
x1
n i 1
Population
xN1 .
x22 .
1 n
X1 . x22 . x2 xi 2
n i 1
X2 .
xN2 .
XN .
x13 .
1 n
xi3
.
x2 3
x3
n i 1
xN3 .
Les moyennes sont généralement différentes
05/11/2022 66
1
05/11/2022
05/11/2022
05/11/2022 Echantillonnage & Estimation 67
67
Echantillon exhaustif
Dans ce cas la population est finie de taille N au sein de laquelle est
prélevé, sans remise, un échantillon aléatoire et simple de taille n, on a :
E X m et 𝑉 𝑋 =
𝑁−𝑛 𝜎
∗
𝑛−1 𝑛
Exemple
Soit une urne qui contient 3 morceaux de papier portant les nombres 10, 20 et
30. On prélève un échantillon de 2 morceaux de papier, ce tirage peut être
avec remise ou sans remise. Considérons une variable aléatoire X qui désigne
le nombre marqué sur le morceau de papier. Alors on a :
05/11/2022
05/11/2022 Echantillonnage & Estimation 68
68
2
05/11/2022
1 n 1
E X m
3
x 10 20 30 20
i 1 i
3
V X 2
1 n 1
xi m 3
3 i 1
10 2
0 2 10 2 200
3
Dans ce cas le même nombre ne peut apparaitre qu’une seule fois dans le
même échantillon. Alors le nombre d’échantillons qu’on peut extraire est
C 32 = 3.
05/11/2022
05/11/2022 Echantillonnage & Estimation 69
69
e1= Echantillon 1
1 2 1
10
20
x xi 2 10 20 10
2 i 1
e2= Echantillon 2
10
1 2 1
20 * 10
30
x' x 'i 2 10 30 20
2 i1
30 *
e3= Echantillon 3
1 2 1
20
30
x '' x ''i 2 20 30 25
2 i1
05/11/2022
05/11/2022 Echantillonnage & Estimation 70
70
3
05/11/2022
Or E X i1 X1.P X Xi
2
V X i 1 X 12 .P X X i X 1 .P X X i
3
et 3 3
i 1
On a : P X 15 P X 1 10 et X 2 20 X 1 20 et X 2 10
P X 15 P X 1 10 et X 2 20 P X 1 20 et X 2 10
P X 1 10 / X 2 20 P X 1 20 P X 1 20 / X 2 10 P X 1 10
1 1 1 1 1
2 3 2 3 3
(car P A, B P A B P A et B P A\ B .P B )
1 1
De la même façon on obtient P X 20 et P X 25
3 3
05/11/2022
05/11/2022 Echantillonnage & Estimation 71
71
Moyenne estimée ( xi ) 15 20 25
Donc:
1 1 1
E X i 1 X 1 P X X i 15 20 25 20
3
3 3 3
152 20 2 252
X X 12 P X X i E X 50
3 2
V i 1
3 3 3 3
Comparons maintenant ces résultats avec ceux de la théorie d’échantillonnage,
2 N n
c'est-à-dire : E X m et V X
n N 1
05/11/2022
05/11/2022 Echantillonnage & Estimation 72
72
4
05/11/2022
On a:
E X m 20
2 N n 200/3 3 2 50
V X
n N 1 2 3 1 3
Donc :
- La moyenne de X est la même que la moyenne de la population
- La variance de X est la même que celle donnée par la formule
2 N n
précédente, c'est-à-dire :
n N 1
05/11/2022
05/11/2022 Echantillonnage & Estimation 73
73
05/11/2022
05/11/2022 Echantillonnage & Estimation 74
74
5
05/11/2022
05/11/2022
05/11/2022 Echantillonnage & Estimation 75
75
Les moyennes de ces échantillons sont respectivement10, 15, 20, 20, 25, et
30. C'est-à-dire : X 1 10, X 2 15, X 3 20, X 4 20, X 5 25 et X 6 30
Donc la moyenne X est une variable aléatoire qu’on peut calculer son
espérance mathématique E X et sa variance V X . comme le cas précédent, il
faut calculer E X et V X
1 1 1
P X 10 P X 1 10 et X 2 10 *
3 3 9
P X 1 10 et X 2 30 P X 1 30 et X 2 10 P X 1 20 et X 2 20
1 1 1 1 1 1 3
3 3 3 3 3 3 9
05/11/2022
05/11/2022 Echantillonnage & Estimation 76
76
6
05/11/2022
1 1 1 1 2
P (X1 10 et X 2 20} P X1 20 et X 2 20
3 3 3 3 9
2 1
De la même façon on trouve P X 25 et P X 30 9
9
Le tableau suivant résume les résultats précèdent
Echantillon possible {10, 10} {10, 10} {10, 10} {10, 10} {10, 10}
Moyenne estimée ( xi ) 10 15 20 25 30
On a :
E X i1 X1.P X Xi 20
5
V X i 1 X12 .P X X i E X 100
5 2
05/11/2022
05/11/2022 Echantillonnage & Estimation 77
77
On a : 2 200 / 3 100
E X m 20 VX
n 2 3
Donc :
La moyenne de X est la même que la moyenne de la population
La variance de V X est la même que celle donnée par la formule
2
précédente, c’est-à-dire n
.
05/11/2022
05/11/2022 Echantillonnage & Estimation 78
78
7
05/11/2022
𝑛 1
𝜎 = 𝜎 = = (𝑥 − 𝑥̅ )
𝑛−1 𝑛−1
05/11/2022
05/11/2022 Echantillonnage & Estimation 79
79
𝑋−𝑚
𝑌= 𝜎 ∼ 𝑁 0,1
𝑛
05/11/2022
05/11/2022 Echantillonnage & Estimation 80
80
8
05/11/2022
Exemple
Le responsable d’une entreprise a accumulé depuis des années les résultats à un test
d’aptitude à effectuer un certain travail, il semble plausible de supposer que les
résultats au test d’aptitude sont distribués suivant une loi normale de moyenne m =
150 et de variance 𝜎 = 100.
On fait passer le test à 25 individus de l’entreprise.
Quelle est la probabilité que la moyenne de l’échantillon soit entre 146 et 154?
05/11/2022
05/11/2022 Echantillonnage & Estimation 81
81
Solution
On considère la variable aléatoire 𝑋 moyenne d’échantillon pour les échantillons
de taille 𝑛 = 25.
On cherche à déterminer 𝑃(146 < 𝑋 < 154).
Pour cela, il nous faut connaitre la loi suivie par 𝑋 .
Nous sommes en présence d’un petit échantillon 𝑛 < 30 et on a la variable X
suit une loi normale. En plus, σ est connu.
Donc 𝜎
𝑋 ∼ 𝑁 𝑚, = N(150, 10 5)
𝑛
On en déduit que
𝑋 − 150
𝑌= ∼ 𝑁 0,1
2
146 − 150 154 − 150
𝑃 146 < 𝑋 < 154 = 𝑃 <𝑌<
2 2
= 𝑃 −2 < 𝑌 < 2 = 2𝑃 0 < 𝑌 < 2 = 2 ∗ 0,4772 = 0,9544
05/11/2022
05/11/2022 Echantillonnage & Estimation 82
82
9
05/11/2022
𝑋−𝑚 𝑋−𝑚
𝑌= = ∼𝑇
𝑆 𝑆
𝑛−1
05/11/2022
05/11/2022 Echantillonnage & Estimation 83
83
tend vers une loi normale N 0,1 lorsque n tend vers l’infini.
Ce résultat est une application directe du théorème central limite. Dans la pratique
ce résultat est valable lorsque n 30 .
05/11/2022
05/11/2022 Echantillonnage & Estimation 84
84
10
05/11/2022
05/11/2022
05/11/2022 Echantillonnage & Estimation 85
85
Ici, nous ne connaissons pas la loi sur la population, mais l'effectif n de l'échantillon
est supérieur à 30.
Nous allons donc pouvoir utiliser le T.C.L.
Notons X la variable aléatoire qui, à tout échantillon de taille n = 35, fait correspondre
sa moyenne.
Alors :
05/11/2022
05/11/2022 Echantillonnage & Estimation 86
86
11
05/11/2022
05/11/2022
05/11/2022 Echantillonnage & Estimation 87
87
Distribution
Considérons une expérience aléatoire E et un évènement A, appelé évènement
succès lié à cette expérience E. Soit X une variable aléatoire définie par :
1, s i A e s t ré a lis é
X
0 , s in o n
Supposons que cette expérience est répété n fois d’une manière indépendante et
dans les mêmes conditions. Soit Xn i1 Xi le nombre de réalisations de
n
l’évènement succès.
X n est appelée aussi le nombre d’individus possédant un caractère donné
(réalisation de A) dans l’échantillon (valeurs de X) de taille n (nombre de
réplétion de E). La fréquence de l’évènement de succès est donnés par: fn X n ,
n
On désigne par p la proportion des individus possédant ce caractérise dans la
population.
05/11/2022 88
12
05/11/2022
05/11/2022
05/11/2022 Echantillonnage & Estimation 89
89
05/11/2022
05/11/2022 Echantillonnage & Estimation 90
90
13
05/11/2022
Echantillon exhaustif
Étant donné une population finie de taille N au sein de laquelle on a prélevé un
échantillon aléatoire et simple de taille n sans remise. Alors on a :
E fn p
p 1 p N n
V fn
n N 1
05/11/2022
05/11/2022 Echantillonnage & Estimation 91
91
Exemple
Soit une urne qui contient 3 jetons numérotés de 1 à 3, on tire successivement
2 jetons. L’obtention d’un numéro impair représente le succès.
05/11/2022
05/11/2022 Echantillonnage & Estimation 92
92
14
05/11/2022
05/11/2022
05/11/2022 Echantillonnage & Estimation 93
93
où:
1, si S figure dans l'échantillon
Xi
0, sinon
05/11/2022
05/11/2022 Echantillonnage & Estimation 94
94
15
05/11/2022
05/11/2022
05/11/2022 Echantillonnage & Estimation 95
95
où:
1, si S figure dans l'échantillon
Xi
0, sinon
05/11/2022
05/11/2022 Echantillonnage & Estimation 96
96
16
05/11/2022
05/11/2022
05/11/2022 Echantillonnage & Estimation 97
97
Exemple
05/11/2022
05/11/2022 Echantillonnage & Estimation 98
98
17
05/11/2022
Solution
05/11/2022
05/11/2022 Echantillonnage & Estimation 99
99
Soit une population au sein de laquelle on prélève tous les échantillons possibles
d’une manière aléatoire et simple.
05/11/2022 100
18
05/11/2022
On remarque que S X varie d’un échantillon à un autre. Alors est une variable
aléatoire qui possède une distribution de probabilité, appelée distribution
d’échantillonnage de la variance.
Supposons que les variables aléatoires de ces échantillons suivant la loi normale de
paramètres m et .
n 1 2
E S 2 x
n
2 n 1 4
V S 2 x
n2
05/11/2022
05/11/2022 Echantillonnage & Estimation 101
101
1 1
S 2 x X
n
i X S 2
n 1 i 1
n 1
Alors on a:
n n n 1 2
E S 2 x
n 1
E S 2 x
n 1 n
2
Donc
E S 2 x 2
∑ 𝑋 −𝑋 𝑛𝑆 𝑛−1
Soit une variable aléatoire définie par: 𝑌=
𝜎
=
𝜎
=
𝜎
𝑆̑
𝑌∼𝜒
05/11/2022
05/11/2022 Echantillonnage & Estimation 102
102
19
05/11/2022
Exemple
05/11/2022
05/11/2022 Echantillonnage & Estimation 103
103
20