UNIVERSITE MOHAMMED V ‫جامعة محمد الخامس الرباط‬

RABAT ‫كلية العلوم القانونية واالقتصادية‬

FACULTE DES SCIENCES
‫واالجتماعية‬
JURIDIQUES, ECONOMIQUES ET
SOCIALES ‫اكدال‬
RABAT AGDAL

DEPARTEMENT DES SCIENCES ECONOMIQUES

FILIERE : SCIENCES ECONOMIQUES ET GESTION

MODULE : ECHANTILLONNAGE ET ESTIMATIONS

SEMESTRE 3

Adil EL MARHOUM

Année Universitaire 2020 – 2021

 Echantillonnage et estimations

SOLUTIONS DES EXERCICES SUR LES

PROBLEMES DE L’ESTIMATION

Ex 1 : Soit X une variable de Poisson de paramètre (inconnu) m et (XI, … Xn) les observations
d’un échantillon de taille n. Écrire la fonction du maximum de vraisemblance associée à la
moyenne. Quel est l'estimateur du maximum de vraisemblance de la moyenne de la population
? Cet estimateur précédent est-il un estimateur efficace ?

Corrigé :

X suit une loi de poisson de paramètre m inconnu.

𝑒 −𝑚 × 𝑚 𝑋
𝑝(𝑋) =
𝑋!

E(X) = V(X) = m

Fonction de vraisemblance :

L(𝑚) = p(X1 ; X2. … ; Xn) = p(X1) p(X2) … p(Xn)

𝑒 −𝑚 𝑚 𝑋1 𝑒 −𝑚 𝑚 𝑋2 𝑒 −𝑚 𝑚 𝑋3 𝑒 −𝑚 𝑚 𝑋𝑛
𝐿(𝑚) = × × × …×
𝑋1! 𝑋2! 𝑋3! 𝑋𝑛!

𝑒 −𝑛 𝑚 × 𝑚∑ 𝑋𝑖
𝐿(𝑚) =
𝑋1! 𝑋2! 𝑋3! … 𝑋𝑛!

𝐿𝑜𝑔(𝐿(𝑚)) = −𝑛 𝑚 + ∑ 𝑋𝑖 × 𝐿𝑜𝑔 (𝑚) − 𝐿𝑜𝑔(𝑋1! 𝑋2! 𝑋3! … 𝑋𝑛!)

𝑑 𝐿𝑜𝑔(𝐿(𝑚))
=0
𝑑𝑚

∑ 𝑋𝑖
−𝑛 + −0=0
𝑚

∑ 𝑋𝑖
=𝑛
𝑚

∑ 𝑋𝑖
𝑚=
𝑛

̂ = 𝑋̅
𝑚

La moyenne de l’échantillon 𝑋̅ est un estimateur de maximum de vraisemblance de la moyenne

m d’une population de loi de poisson.
Adil EL MARHOUM Page 2
 Echantillonnage et estimations

a) Absence de Biais

∑𝑋 1 1 1
E(𝑋̅) = 𝐸 ( 𝑛 𝑖 ) = 𝑛 × ∑ 𝐸(𝑋𝑖 ) = 𝑛 × ∑ 𝑚 = ×𝑛×𝑚 =𝑚
𝑛

La moyenne de l’échantillon 𝑋̅ est un estimateur de maximum de vraisemblance non biaisé de

la moyenne m d’une population de loi de poisson.

b) Variance minimale

∑𝑋 1 1 1 𝑚
V(𝑋̅) = 𝑉 ( 𝑛 𝑖 ) = 𝑛² × ∑ 𝑉(𝑋𝑖 ) = 𝑛² × ∑ 𝑚 = ×𝑛×𝑚=
𝑛² 𝑛

1
𝑉𝑚𝑖𝑛 = 2
𝑑 log 𝑝(𝑋)
𝑛 × 𝐸[( ) ]
𝑑𝑚

𝑒 −𝑚 × 𝑚 𝑋
𝑝(𝑋) =
𝑋!

𝐿𝑜𝑔(𝑝(𝑋)) = −𝑚 + 𝑋 𝐿𝑜𝑔(𝑚) − 𝐿𝑜𝑔(𝑋!)

𝑑 log 𝑝(𝑋) 𝑋 𝑋−𝑚

= −1 + =
𝑑𝑚 𝑚 𝑚
2
𝑑 log 𝑝(𝑋) 𝑋−𝑚 2 1
𝐸 [( ) ] = 𝐸 [( ) ]= × 𝐸[(𝑋 − 𝑚)2 ]
𝑑𝑚 𝑚 𝑚²

2
𝑑 log 𝑝(𝑋) 1 2 1
𝐸 [( ) ]= × 𝐸 [(𝑋 − 𝐸(𝑋)) ] = × 𝑉(𝑋)
𝑑𝑚 𝑚² 𝑚²

2
𝑑 log 𝑝(𝑋) 1 1
𝐸 [( ) ]= ×𝑚 =
𝑑𝑚 𝑚² 𝑚

1 𝑚
𝑉𝑚𝑖𝑛 = =
1 𝑛
𝑛×
𝑚
V(𝑋̅) = 𝑉𝑚𝑖𝑛

La moyenne de l’échantillon 𝑋̅ est un estimateur de maximum de vraisemblance non biaisé et

de variance minimale, donc efficace, de la moyenne m d’une population de loi de poisson.

Adil EL MARHOUM Page 3

 Echantillonnage et estimations

c) Convergence
− 𝑚
𝑙𝑖𝑚 𝑉 (𝑋𝑛 ) = 𝑙𝑖𝑚 =0
𝑛→∞ 𝑛→∞ 𝑛

La moyenne de l’échantillon 𝑋̅ est un estimateur de maximum de vraisemblance non biaisé et

de variance minimale, donc efficace et convergent, donc consistant, de la moyenne m d’une
population de loi de poisson.

Ex 2 : Le tableau suivant donne la distribution du nombre de pannes observées dans le

fonctionnement d’une machine au cours de 100 journées de travail. Déduisez-en une
estimation du nombre moyen de pannes par jour, en supposant que la distribution
théorique du nombre de pannes est une loi de poisson. Donner l’erreur standard du
résultat obtenu.

Nombres de pannes Nombres de jours

0 53
1 32
2 11
3 3
4 1
Total 100

Estimation ponctuelle de la moyenne

^ − ∑𝑛𝑖=1 𝑥𝑖
𝑚 = 𝑥 =
𝑛

− 0 × 53 + 1 × 32 + 2 × 11 + 3 × 3 + 4
𝑥= = 0,67
100

∑ 𝑥𝑖² 02 × 53 + 12 × 32 + 22 × 11 + 32 × 3 + 42
𝑉(𝑥) = − 𝑋̅ 2 = − 0,672 = 0,7411
𝑛 100
𝑛 100
̂ =
𝜎² × 𝑉(𝑥) = × 0,7411 = 0,7486
𝑛−1 99

𝜎̂ = √0,7486 = 0,87

^
𝑚 = 0,67

𝜎 0,87
𝜎𝑋̅ = = = 0,087
√𝑛 √100

Adil EL MARHOUM Page 4

 Echantillonnage et estimations

Ex 3 : Dans une entreprise produisant un article déterminé on veut estimer sa durée de vie en
heures. À cette fin on a observé un échantillon de 16 unités dont les résultats sont (en 1000
heures) :
1,10 1,05 1,25 1,08 1,35 1,15 1,30 1,25
1,30 1,35 1,15 1,32 1,05 1,25 1,10 1,15

a) Estimer la durée de vie moyenne et l'écart type d'un article.

b) Donner des estimations par intervalle de confiance pour la moyenne et l'écart type. (=5%).

Corrigé :

a) Estimer la durée de vie moyenne et l'écart type d'un article.

− ∑𝑛𝑖=1 𝑥𝑖 19,2
𝑥 = = = 1,2
𝑛 16

∑ 𝑥𝑖² 23,2138
𝑉(𝑥) = − 𝑋̅ 2 = − 1,2² = 0,0109
𝑛 16
𝑛 16
̂ =
𝜎² × 𝑉(𝑥) = × 0,0109 = 0,0116
𝑛−1 15

𝜎̂ = √0,0116 = 0,1077

Estimation ponctuelle de la moyenne

^
𝑚 = 1,2 = 1200 h

𝝈 𝟎, 𝟏𝟎𝟕𝟕
𝜎𝑋̅ = = = 𝟎, 𝟎𝟐𝟕 = 𝟐𝟕 𝒉
√𝒏 √𝟏𝟔

La durée de vie moyenne est estimée à 1200 h avec une erreur de 27 h.

Estimation de ponctuelle l’écart type

𝜎̂ = 0,1077 = 107,7 ℎ

^ 2 2
Erreur standard de la variance : √𝑉(𝜎²) = 𝜎 2 √𝑛−1 = 0,0116 × √15 = 0,0042

Erreur standard de l’écart type : √0,0042 = 0,0648 = 64,8 ℎ

L’écart type de la durée de vie est estimé à 107,7 h avec une erreur de 64,8 h.

Adil EL MARHOUM Page 5

 Echantillonnage et estimations

b) Donner des estimations par intervalle de confiance pour la moyenne et l'écart type.
(=5%).

Intervalle de confiance de la moyenne :

− 𝝈
𝑋 ± 𝑻𝟏−𝜶 ×
𝟐 √𝒏

𝑻 𝟎,𝟎𝟓 = 𝑻𝟎,𝟗𝟕𝟓 à 𝟏𝟓 𝒅𝒍 = 𝟐, 𝟏𝟑𝟏

𝟏−
𝟐

− 𝝈
𝑋 ± 𝑻𝟏−𝜶 × = 𝟏, 𝟐 ± 2,131 × 0,027 = [1,1425 ; 1,257]
𝟐 √𝒏

La durée de vie moyenne est estimée entre 1142,5 h et 1257 h.

𝒏 𝑽(𝑿) 𝒏 𝑽(𝑿)
Intervalle de confiance de la variance : [ ; ]
𝝌𝟐 𝜶 𝝌𝟐𝜶
𝟏−
𝟐 𝟐

𝝌𝟐𝟏−𝜶 = 𝝌𝟐𝟎,𝟗𝟕𝟓 à 𝟏𝟓 𝒅𝒍 = 𝟐𝟕, 𝟓

𝟐
𝝌𝟐𝜶 = 𝝌𝟐𝟎,𝟎𝟐𝟓 à 𝟏𝟓 𝒅𝒍 = 𝟔, 𝟐𝟔
𝟐

𝟏𝟔× 𝟎,𝟎𝟏𝟎𝟗 𝟏𝟔×𝟎,𝟎𝟏𝟎𝟗

[ ; ] = [0,0063 ; 0,0279]
𝟐𝟕,𝟓 𝟔,𝟐𝟔

Intervalle de confiance de l’écart type :

[√0,0063 ; √0,0279] = [0,079 ; 0,167]

L’écart type de la durée de vie est estimé entre 79 h et 167 h.

Ex 4 : dans une population d’étudiants en sociologie, on a prélevé, indépendamment, deux

échantillons de taille n1 = 120 et n2 = 150. On constate que 48 étudiants de l’échantillon 1 et
66 étudiants de l’échantillon 2 ont une formation secondaire scientifique ; Soit p la proportion
d’étudiants de la population ayant une formation scientifique ; calculer trois estimations
ponctuelles de p.

Adil EL MARHOUM Page 6

 Echantillonnage et estimations

Corrigé :

1. Estimation ponctuelle à partir de l’échantillon 1

^ 𝑋𝑛 48
𝑝 = 𝐹𝑛 = = = 0,40 = 40 %
𝑛 120
Erreur standard :

𝑭 (𝟏 − 𝑭) 𝟎, 𝟒 × 𝟎, 𝟔
𝜎𝐹 = √ = √ = 𝟎, 𝟎𝟒𝟒𝟕 = 𝟒, 𝟒𝟕 %
𝒏 𝟏𝟐𝟎
La proportion d’étudiants de la population ayant une formation scientifique est estimée à 40 %
avec une erreur de 4,47 %.

2. Estimation ponctuelle à partir de l’échantillon 2

^ 𝑋𝑛 66
𝑝 = 𝐹𝑛 = = = 0,44 = 44 %
𝑛 150
Erreur standard :

𝑭 (𝟏 − 𝑭) 𝟎, 𝟒𝟒 × 𝟎, 𝟓𝟔
𝜎𝐹 = √ = √ = 𝟎, 𝟎𝟒𝟎𝟓 = 𝟒, 𝟎𝟓 %
𝒏 𝟏𝟓𝟎

La proportion d’étudiants de la population ayant une formation scientifique est estimée à 44 %

avec une erreur de 4,05 %.

3. Estimation ponctuelle à partir de l’ensemble des 2 échantillons

^ 𝑋𝑛 48 + 66
𝑝 = 𝐹𝑛 = = = 0,42 = 42 %
𝑛 120 + 150
Erreur standard :

𝑭 (𝟏 − 𝑭) 𝟎, 𝟒𝟐 × 𝟎, 𝟓𝟖
𝜎𝐹 = √ = √ = 𝟎, 𝟎𝟑 = 𝟑 %
𝒏 𝟐𝟕𝟎

La proportion d’étudiants de la population ayant une formation scientifique est estimée à 42 %

avec une erreur de 3 %.

Ex 5 : dans une station-service, on suppose que le montant des chèques essence suit une loi
normale de paramètres m et . On considère un échantillon de taille n = 50 et on obtient une
moyenne de 130 Dh et un écart-type de 28 Dh. Donner une estimation de m et  par un intervalle
de confiance au niveau de confiance 95%.

Adil EL MARHOUM Page 7

 Echantillonnage et estimations

Corrigé :
−
n = 50 𝑋 = 130 𝑉(𝑋) = 28²

𝑛 50
̂ =
𝜎² × 𝑉(𝑥) = × 28² = 800
𝑛−1 49

𝜎̂ = √800 = 28,28

Estimation ponctuelle de la moyenne

^
𝑚 = 130 DH

𝝈 𝟐𝟖, 𝟐𝟖
𝜎𝑋̅ = = = 𝟒 𝑫𝑯
√𝒏 √𝟓𝟎

Intervalle de confiance de la moyenne :

− 𝝈
𝑋 ± 𝒁𝟏−𝜶 ×
𝟐 √𝒏

𝒁 𝟎,𝟎𝟓 = 𝒁𝟎,𝟗𝟕𝟓 = 𝟏, 𝟗𝟔
𝟏−
𝟐

− 𝝈
𝑋 ± 𝒁𝟏−𝜶 × = 𝟏𝟑𝟎 ± 1,96 × 4 = [122,16 ; 137,84]
𝟐 √𝒏

𝒏 𝑽(𝑿) 𝒏 𝑽(𝑿)
Intervalle de confiance de la variance : [ ; ]
𝝌𝟐 𝜶 𝝌𝟐𝜶
𝟏−
𝟐 𝟐

Khi Deux à 49 degrés de liberté, on fait donc l’approximation par la loi normale.

𝝌𝟐𝟏−𝜶 − 𝒌
𝟐
𝑍𝟏−𝜶 =
𝟐 √2 𝑘

𝝌𝟐𝟏−𝜶 = 𝑍 𝜶 × √2 𝑘 + 𝑘
𝟏− 𝟐
𝟐

Adil EL MARHOUM Page 8

 Echantillonnage et estimations

𝝌𝟐𝟎,𝟗𝟕𝟓 = 𝒁𝟎,𝟗𝟕𝟓 × √𝟐 × 𝟒𝟗 + 𝟒𝟗

𝝌𝟐𝟎,𝟗𝟕𝟓 = 𝟏, 𝟗𝟔 × √𝟐 × 𝟒𝟗 + 𝟒𝟗 = 𝟔𝟖, 𝟒

𝝌𝟐𝟎,𝟎𝟐𝟓 = 𝒁𝟎,𝟎𝟐𝟓 × √𝟐 × 𝟒𝟗 + 𝟒𝟗

𝝌𝟐𝟎,𝟎𝟐𝟓 = −𝟏, 𝟗𝟔 × √𝟐 × 𝟒𝟗 + 𝟒𝟗 = 𝟐𝟗, 𝟔

𝒏 𝑽(𝑿) 𝒏 𝑽(𝑿) 𝟓𝟎×𝟐𝟖² 𝟓𝟎×𝟐𝟖²

[ ; ]=[ ; ] = [573,1 ; 1324,3]
𝝌𝟐 𝜶 𝝌𝟐𝜶 𝟔𝟖,𝟒 𝟐𝟗,𝟔
𝟏−
𝟐 𝟐

Intervalle de confiance de l’écart type :

[√573,1 ; √1324,3] = [23,94 ; 36,39]

L’écart type de la durée de vie est estimé entre 79 h et 167 h.

Ex 6 : on donne la répartition des masses de 219 ressorts provenant d’une même fabrication :

masses (g) [8,2 ; 8,4[ [8,4 ; 8,6[ [8,6 ; 8,8[ [8,8 ; 9[ [9 ; 9,2[ [9,2 ; 9,4[ [9,4 ; 9,6[
Nbre de 9 21 39 63 45 27 15
ressorts

X donnant le poids d’un ressort provenant de cette fabrication, donner une estimation
de E(X) et V(X). Donner pour E(X) et V(X) un intervalle de confiance au niveau de
confiance 95%.

Corrigé :

Classe ni Xi (centre de classe) ni Xi ni Xi²

8,2 - 8,4 9 8,3 74,7 620,01
8,4 – 8,6 21 8,5 178,5 1517,25
8,6 – 8,8 39 8,7 339,3 2951,91
8,8 – 9 63 8,9 560,7 4990,23
9 – 9,2 45 9,1 409,5 3726,45
9,2 – 9,4 27 9,3 251,1 2335,23
9,4 – 9,6 15 9,5 142,5 1353,75
Total 219 - 1956,3 17494,83

Adil EL MARHOUM Page 9

 Echantillonnage et estimations
− ∑𝑛
𝑖=1 𝑛𝑖 𝑥𝑖 1956,3
Moyenne de l’échantillon : 𝑥 = ∑ 𝑛𝑖
= = 8,93
219

∑ 𝑛𝑖 𝑥𝑖² 17494,83
Variance de l’échantillon : 𝑉(𝑥) = ∑ 𝑛𝑖
− 𝑋̅ 2 = 219 − 8,932 = 0,1402

- Estimation ponctuelle de la moyenne

^ −
𝑚 = 𝑥 = 8,93

𝝈 𝟎, 𝟑𝟕𝟓𝟐
𝜎𝑋̅ = = = 𝟎, 𝟎𝟐𝟓𝟒
√𝒏 √𝟐𝟏𝟗

- Estimation ponctuelle de la variance

𝑛 219 × 0,1402
̂2 =
𝝈 × 𝑉(𝑥) = = 0,1408
𝑛−1 218

𝝈
̂ = √0,1408 = 0,3752

√𝑉(𝜎^ ²) = 𝜎 2 √ 2
= 0,1408 × √218 = 0,013
2
𝑛−1

- Intervalle de confiance de la moyenne

− 𝝈
𝑋 ± 𝒁𝟏−𝜶 × = 8,93 ± 1,96 x 0,0254 = [8,88 ; 8,98]
𝟐 √𝒏

- Intervalle de confiance de la variance

𝒏 𝑽(𝑿) 𝒏 𝑽(𝑿)
[ ; ]
𝝌𝟐 𝜶 𝝌𝟐𝜶
𝟏−
𝟐 𝟐

Khi Deux à 218 degrés de liberté, on fait donc l’approximation par la loi normale.

𝝌𝟐𝟏−𝜶 − 𝒌
𝑍 𝜶= 𝟐
𝟏− √2 𝑘
𝟐

Adil EL MARHOUM Page 10

 Echantillonnage et estimations

𝝌𝟐𝟏−𝜶 = 𝑍 𝜶 × √2 𝑘 + 𝑘
𝟏− 𝟐
𝟐

𝝌𝟐𝟎,𝟗𝟕𝟓 = 𝒁𝟎,𝟗𝟕𝟓 × √𝟐 × 𝟐𝟏𝟖 + 𝟐𝟏𝟖

𝝌𝟐𝟎,𝟗𝟕𝟓 = 𝟏, 𝟗𝟔 × √𝟐 × 𝟐𝟏𝟖 + 𝟐𝟏𝟖 = 𝟐𝟓𝟖, 𝟗𝟑

𝝌𝟐𝟎,𝟎𝟐𝟓 = 𝒁𝟎,𝟎𝟐𝟓 × √𝟐 × 𝟐𝟏𝟖 + 𝟐𝟏𝟖

𝝌𝟐𝟎,𝟎𝟐𝟓 = −𝟏, 𝟗𝟔 × √𝟐 × 𝟐𝟏𝟖 + 𝟐𝟏𝟖 = 𝟏𝟕𝟕, 𝟎𝟕

𝒏 𝑽(𝑿) 𝒏 𝑽(𝑿) 𝟐𝟏𝟗×𝟎,𝟏𝟒𝟎𝟐 𝟐𝟏𝟗×𝟎,𝟏𝟒𝟎𝟐

[ ; ]=[ ; ] = [0,1185 ; 0,1733]
𝝌𝟐 𝜶 𝝌𝟐𝜶 𝟐𝟓𝟖,𝟗𝟑 𝟏𝟕𝟕,𝟎𝟕
𝟏−
𝟐 𝟐

Ex 7 : Un promoteur désire étudier le nombre de garage qu'il est souhaitable de construire avec
un ensemble de logements, afin que les occupants puissent y ranger leur voiture. Pour cela il
fait effectuer une enquête par sondage auprès d'un échantillon de ménages susceptibles d'habiter
ces appartements.

a) On interroge un échantillon de 3238 ménages. On trouve parmi eux 1943 possesseurs d'une
voiture. Estimez, à partir de cet échantillon, la proportion des ménages ayant une voiture.
Degré de confiance 99 %.
b) À partir de la proportion estimée, combien de ménages faudrait-il interroger pour construire,
avec un risque d'erreur de 5 %, un intervalle de confiance d'amplitude 0,04 ?

Corrigé :

a) Estimation d’une proportion

^ 𝑋𝑛
𝑝 = 𝐹𝑛 =
𝑛

1943
𝐹= = 0,60 = 60 %
3238

Adil EL MARHOUM Page 11

 Echantillonnage et estimations

Estimation ponctuelle :
^
𝑝 = 0,60 = 60%

Erreur standard :
𝑭 (𝟏 − 𝑭) 𝟎, 𝟔𝟎 × 𝟎, 𝟒𝟎
𝜎𝐹 = √ = √ = 𝟎, 𝟎𝟎𝟖𝟔
𝒏 𝟑𝟐𝟑𝟖

Intervalle de confiance :

Degré de confiance 99 %. 1 − 𝛼 = 0,99 𝛼 = 0,01

𝒁𝟏−𝜶 = 𝒁𝟎,𝟗𝟗𝟓 = 𝟐, 𝟓𝟖
𝟐

𝑭 (𝟏 − 𝑭)
𝐹 ± 𝒁𝟏−𝜶 × √ = 𝟎, 𝟔𝟎 ± 𝟐, 𝟓𝟖 × 𝟎, 𝟎𝟎𝟖𝟔 = [𝟎, 𝟓𝟖 ; 𝟎, 𝟔𝟐] = [𝟓𝟖 % ; 𝟔𝟐 %]
𝟐 𝒏

b) À partir de la proportion estimée, combien de ménages faudrait-il interroger pour

construire, avec un risque d'erreur de 5 %, un intervalle de confiance d'amplitude 0,04
?

P = 0,60 n=?

Amplitude = Borne supérieure – Borne inférieure

𝑭 (𝟏 − 𝑭) 𝑭 (𝟏 − 𝑭)
(𝐹 + 𝒁𝟏−𝜶 × √ ) − (𝐹 − 𝒁𝟏−𝜶 × √ ) = 𝟎, 𝟎𝟒
𝟐 𝒏 𝟐 𝒏

𝑭 (𝟏 − 𝑭)
𝟐 𝒁𝟏−𝜶 × √ = 𝟎, 𝟎𝟒
𝟐 𝒏

𝟎, 𝟔𝟎 × 𝟎, 𝟒𝟎
𝟏, 𝟗𝟔 × √ = 𝟎, 𝟎𝟐
𝒏

𝟏, 𝟗𝟔𝟐 × 𝟎, 𝟔𝟎 × 𝟎, 𝟒𝟎
𝒏= = 𝟐𝟑𝟎𝟓
𝟎, 𝟎𝟐²

Adil EL MARHOUM Page 12

 Echantillonnage et estimations

Ex 8 : On étudie le pourcentage d'utilisation d'une machine. 400 observations ont été effectuées
qui ont donné le résultat suivant :

• Machine marche : 320 observations.

• Machine arrêtée : 80 observations.

a) Entre quelles limites peut-on fixer le taux d'utilisation de la machine avec un degré de
confiance de 95 % ?
b) On fait un plus grand nombre d'observations. On obtient le même pourcentage d'utilisation
ce qui permet, avec un risque d'erreur de 5 %, de fixer les limites de confiance à [78,4 % ;
81,6 %]. Combien a-t-on fait d'observations ?

Corrigé :

a) Intervalle de confiance de la proportion

320
𝐹= = 0,80 = 80 %
400

Erreur standard :
𝑭 (𝟏 − 𝑭) 𝟎, 𝟖𝟎 × 𝟎, 𝟐𝟎
𝜎𝐹 = √ = √ = 𝟎, 𝟎𝟐
𝒏 𝟒𝟎𝟎

Degré de confiance 95 %. 1 − 𝛼 = 0,95 𝛼 = 0,05

𝒁𝟏−𝜶 = 𝒁𝟎,𝟗𝟕𝟓 = 𝟏, 𝟗𝟔
𝟐

𝑭 (𝟏 − 𝑭)
𝐹 ± 𝒁𝟏−𝜶 × √ = 𝟎, 𝟖𝟎 ± 𝟏, 𝟗𝟔 × 𝟎, 𝟎𝟐 = [𝟎, 𝟕𝟔 ; 𝟎, 𝟖𝟒] = [𝟕𝟔 % ; 𝟖𝟒 %]
𝟐 𝒏

b) Taille de l’échantillon

n=?

Intervalle de confiance : [78,4 % ; 81,6 %]

𝑭 (𝟏 − 𝑭)
𝐹 ± 𝒁𝟏−𝜶 × √ = 𝟎, 𝟕𝟖𝟒
𝟐 𝒏

Adil EL MARHOUM Page 13

 Echantillonnage et estimations

𝟎, 𝟖 × 𝟎, 𝟐
0,8 − 1,96 × √ = 𝟎, 𝟕𝟖𝟒
𝒏

𝟎, 𝟖 × 𝟎, 𝟐 𝟎, 𝟖 − 𝟎, 𝟕𝟖𝟒 𝟎, 𝟎𝟏𝟔
√ = =
𝒏 𝟏, 𝟗𝟔 𝟏, 𝟗𝟔

𝟎, 𝟖 × 𝟎, 𝟐 𝟎, 𝟎𝟏𝟔²
=
𝒏 𝟏, 𝟗𝟔²

𝟏, 𝟗𝟔𝟐 × 𝟎, 𝟖 × 𝟎, 𝟐
𝒏= = 𝟐𝟒𝟎𝟏
𝟎, 𝟎𝟏𝟔²

Ex 9 : Un échantillon de 150 lampes de marque A a donné une durée de vie moyenne de 1400
heures et un écart type de 120 heures. Un échantillon de 200 lampes de marque B a donné une
durée de vie moyenne de 1200 heures et un écart type de 80 heures. Déterminer les limites de
confiances à 95 % de la différence des durées de vie moyennes des marques A et B.

Corrigé :

Marque A : X : durée de vie 𝑛𝐴 = 150 ̅̅̅

𝑋𝐴 = 1400 𝑉(𝑋𝐴 ) = 120²

Marque B : X : durée de vie 𝑛𝐵 = 200 ̅̅̅

𝑋𝐴 = 1200 𝑉(𝑋𝐵 ) = 80²

̂² = 𝑛𝐴 × 𝑉(𝑋𝐴 ) = 150 × 120² = 14496,64

𝜎𝐴
𝑛𝐴 − 1 150 − 1

𝜎
̂𝐴 = √14496,64 = 120,40

̂² = 𝑛𝐵 × 𝑉(𝑋𝐵 ) = 200 × 80² = 6432,16

𝜎𝐵
𝑛𝐵 − 1 200 − 1

𝜎
̂𝐵 = √6432,16 = 80,20

Distribution d’échantillonnage des moyennes

120,40
̅̅̅
𝑋𝐴 : N(1400 ; = 9,83)
√150

80,20
̅̅̅̅
𝑋 𝐵 : N(1200 ; = 5,67)
√200

Adil EL MARHOUM Page 14

 Echantillonnage et estimations

Distribution d’échantillonnage de la différence des deux moyennes :

𝑌 = ̅̅̅ ̅̅̅̅
𝑋𝐴 − 𝑋 𝐵

̅̅̅
𝐸(𝑌) = 𝐸(𝑋 ̅̅̅̅ ̅̅̅ ̅̅̅̅
𝐴 − 𝑋𝐵 ) = 𝐸(𝑋𝐴 ) − 𝐸(𝑋𝐵 ) = 1400 − 1200 = 200

² ̂ ² ̂ ²
14496,64 6432,16
𝜎𝑌² = 𝜎̅̅̅̅ ̅̅̅̅
𝑋𝐴 −𝑋𝐵 = 𝜎̅̅̅̅
𝑋𝐴 + 𝜎̅̅̅̅
𝑋𝐵 = + = 128,80
150 200

𝜎
̂𝑌 = √128,80 = 11, ,35

Y suit une loi normale : N(200 ; 11,35)

Intervalle de confiance de Y est donc :

Degré de confiance 95 %. 1 − 𝛼 = 0,95 𝛼 = 0,05

𝒁𝟏−𝜶 = 𝒁𝟎,𝟗𝟕𝟓 = 𝟏, 𝟗𝟔
𝟐

𝑌 ± 𝒁𝟏−𝜶 × 𝜎𝑌 = 200 ± 1,96 x 11,35 = [177,75 ; 222,25]

𝟐

Ex 10 : Sur un échantillon de 400 adultes et de 600 adolescents ayant regardé un certain

programme de télévision, 100 adultes et de 300 adolescents l’ont apprécié. Calculer les limites
de confiances à 99 % de la différence des fréquences des adultes et des adolescents qui ont
regardé et apprécié le programme.

Corrigé :
100
Adultes : 𝑛1 = 400 𝐹1 = 400 = 0,25

300
Adolescents : 𝑛2 = 600 𝐹2 = 600 = 0,50

2
𝐹1 × (1 − 𝐹1 ) 0,25 × 0,75
𝜎𝐹1 = = = 0,00047
𝑛1 400

𝜎𝐹1 = √0,00047 = 0,022

2
𝐹2 × (1 − 𝐹2 ) 0,50 × 0,50
𝜎𝐹2 = = = 0,00042
𝑛2 600

Adil EL MARHOUM Page 15

 Echantillonnage et estimations

𝜎𝐹2 = √0,00042 = 0,020

Distribution d’échantillonnage des deux fréquences

𝐹1 : N(0,25 ; 0,022)

𝐹2 : N(0,50 ; 0,020)

Distribution d’échantillonnage de la différence des deux fréquences :

𝐹 = 𝐹2 − 𝐹1

𝐸(𝐹) = 𝐸(𝐹2 − 𝐹1 ) = 𝐸(𝐹2 ) − 𝐸(𝐹1 ) = 0,50 − 0,25 = 0,25

𝜎𝐹2 = 𝜎𝐹2
2 2
+ 𝜎𝐹1 = 0,00042 + 0,00047 = 0,00089

𝜎𝐹 = √0,00089 = 0,03

F suit une loi normale : N(0,25 ; 0,03)

Intervalle de confiance de F est donc :

Degré de confiance 95 %. 1 − 𝛼 = 0,95 𝛼 = 0,05

𝒁𝟏−𝜶 = 𝒁𝟎,𝟗𝟕𝟓 = 𝟏, 𝟗𝟔
𝟐

F ±𝒁𝟏−𝜶 × 𝝈𝑭 = 0,25 ± 1,96 x 0,03 = [0,19 ; 0,31] = [19 % ; 31 %]

𝟐

Ex 11 : Soit une variable aléatoire X de densité de probabilité f(x,) définie par :

𝑥²
1
𝑓(𝑥, 𝜆) = 𝑒 − 2𝜆 Pour tout nombre réel x.
√2𝜋𝜆

a) Reconnaître la loi de la variable X et en déduire, sans calcul, l’espérance mathématique

et la variance de X.
b) Déterminer un estimateur de maximum de vraisemblance de  associé à un échantillon
aléatoire de taille n.
c) L’estimateur précédent est-il un estimateur sans biais ?

Adil EL MARHOUM Page 16

 Echantillonnage et estimations

Corrigé :

a) Loi de probabilité de X

La fonction de densité de probabilité de la loi normale est :

1 1 𝑥−𝑚
𝑓(𝑥) = 𝑒 2 𝜎 )²
− (
√2𝛱𝜎²

1 −
𝑥²
𝑓(𝑥, 𝜆) = 𝑒 2𝜆
√2𝜋𝜆
On peut remplacer dans la fonction de densité de probabilité de la loi normale :

m = 0 et 𝜎 = √𝜆, on obtient :

1 −
𝑥²
𝑓(𝑥) = 𝑒 2𝜆
√2𝜋𝜆
Donc X suit une loi normale : N(0 ; √𝜆)

E(X) = 0 et V(X) = 𝜆

b) Estimateur de maximum de vraisemblance de 

La fonction de vraisemblance est :

L(𝜆) = f(X1) f(X2) … f(Xn)

𝑥1² 𝑥2² 𝑥𝑛²

1 − 1 − 1 −
L(𝜆) = 𝑒 2𝜆 × 𝑒 2𝜆 × …× 𝑒 2𝜆
√2𝜋𝜆 √2𝜋𝜆 √2𝜋𝜆

∑𝑋
2
1 𝑛 𝑖
L(𝜆) = (
√2𝜋𝜆
) 𝑒− 2𝜆

Adil EL MARHOUM Page 17

 Echantillonnage et estimations

−𝑛 ∑ 𝑋𝑖2
Log L(𝜆) = 𝑙𝑜𝑔( 2 ∏ 𝜆)-
2 2𝜆
La dérivée de cette fonction par rapport à 𝜆 est :

𝑑 𝑙𝑜𝑔 𝐿(𝜆) 𝑛 2 ∏) ∑ 𝑋𝑖2

=−2 × + 2 𝜆²
𝑑𝜆 2 ∏ 𝜆)

𝑑 𝑙𝑜𝑔 𝐿(𝜆) 𝑛 ∑ 𝑋𝑖2 −𝑛 𝜆+∑ 𝑋𝑖2

= − 2𝜆 + 2 𝜆² =
𝑑𝜆 2 𝜆²

L’estimation du maximum de vraisemblance de la variance de la population, est telle que :

𝑑 𝑙𝑜𝑔 𝐿(𝜆) −𝑛 𝜆+∑ 𝑋𝑖2

= =0
𝑑𝜆 2 𝜆2

−𝑛 𝜆 + ∑ 𝑋𝑖2 = 0

∑ 𝑋𝑖2
𝜆=
𝑛
c) Absence de biais

∑ 𝑋𝑖2 1
𝐸( ) = × ∑ 𝐸(𝑋𝑖2 )
𝑛 𝑛

On sait que V(X) = 𝜆 et E(X) = 0

2
𝑉(𝑋) = 𝐸 [(𝑋 − 𝐸(𝑋)) ] = 𝐸(𝑋 2 ) = 𝜆
Donc :

∑ 𝑋𝑖2 1 1
𝐸( ) = × ∑𝜆 = × 𝑛 𝜆 = 𝜆
𝑛 𝑛 𝑛

L’estimateur est donc non biaisé.

Adil EL MARHOUM Page 18