Académique Documents
Professionnel Documents
Culture Documents
/2023
à la loi normale, alors que si N< 30 (petits échantillons), le quantile correspondant est. , en
référence à la loi de Student.
Exercice 1
Définition 1 : Un intervalle de confiance est un intervalle qui encadre une valeur réelle
(population) que l’on cherche à estimer à partir de valeurs obtenues de façon aléatoire
(échantillons).
1
Exercice 2
Dans cet exercice, on vous demande de trouver les valeurs de Uα pour chaque cas, connu, de
(1 – α)% et trouver les encadrements (intervalle de confiance) de M et P pour chaque cas.
3
F(Uα)= 0.5 + 0.5 x 95%
F(Uα)= 0.5 + 0.5 x (0.95) = 0.975 => Uα = 1.96
On sait que :
4
(1 – α)% 50% 90% 95% 99%
Uα 0.68 1.65 1.96 2.58
M∈
P∈
F∈
Dans le tableau ci-dessus, nous avons consigné tous les cas de figure de la transcription d’un
intervalle de confiance d’une moyenne, d’une proportion et d’une fréquence en fonction des
différentes valeurs de Uα (0.68, 1.65, 1.96 et 2.58) correspondant, respectivement, aux
seuils de sécurité de 50, 90, 95 et 99%. Bien entendu, les autres données sont
inconnues et leur écriture restera donc générale.
5
Exercice 3
6
Application numérique :
- x̄ = 6.51
- Uα = 1.96
- σ = 3.52
- n= 102
(1) , (2) et (3) sont les trois façons d’écrire un intervalle de confiance.
Rappelons que l’amplitude A d’un intervalle de confiance est la distance entre la valeur de la
borne supérieure de l’intervalle et la valeur de la borne inférieure de l’intervalle.
X̄ [ Borne < , Borne > ] => Amplitude A = A = Borne > - Borne <
7
Application numérique :
Amplitude = A = 1.36
8
De (1) et (2) on a :
Donc :
Application numérique :
Uα =
9
Application numérique :
La lecture sur la table de la loi normale centrée réduite (lire le croisement de 1.3 en ligne et
0.09 en colonne) donne F(1.39) = 0.9177
On donne :
- n = 1020 (effectif de l’échantillon)
- r = 380 (effectif des étudiants portant le groupe sanguin O - GSO)
PGSO(%) = 37.25%
Comme pour la moyenne, on peut également calculer l’intervalle de confiance d’une proportion
d’un échantillon afin de pouvoir déterminer celui de la population.
10
I.C. de PGSO(%) = pGSO(%) ± « erreur » ou « précision »
FGSO = fGSO ± « erreur » ou « précision »
11
On peut également exprimer les résultats comme suit :
= 0.3725 ± 0.0151
OU
0.3574 ≤ FGSO ≤ 0.3876
On sait que :
Avec :
Donc :
13
Exercice 4
Echantillons 1 2 3 4 5 6 7 8 9 10
Dosages (g/l) 0.96 1.04 1.08 0.92 1.04 1.18 0.99 0.99 1.25 1.08
Estimer la statistique (une moyenne ou une proportion) d’un échantillon consiste à calculer la
valeur ponctuelle de ladite statistique.
On rappelle ici que N < 30, la variable suit donc la loi de Student de paramètre ddl = n – 1.
14
Exercice 5
La question est : quelle taille de l’échantillon « n », le psychologue doit-il considérer pour que
l’erreur d’estimation de la moyenne du temps de réaction x̄ ne doive pas excéder 0.01 seconde
aux seuils de sécurité de 95 et 99% (respectivement aux seuils de risque de 5 et 1%).
On donne σ = 0.05 s
Remarque importante : En réalité, ici, le terme d’ « erreur » est inapproprié car il s’agit plutôt
d’une « précision » due au caractère aléatoire de l’échantillon (Voir exercice 1).
0.01 s 0.01 s
Si l’erreur ne doit pas excéder 0.01 s => erreur ≤ 0.01 s =>
15
a) Calculer « n » au risque de 5% pour que l’erreur ≤ 0.01 s :
Donc, pour que l’erreur de l’estimation de la moyenne n’excède pas 0.01 s au risque de 5%, il
faudra que le psychologue teste un échantillon de, au moins, n = 96.04 personnes.
Remarque : Bien entendu, comme on ne peut pas diviser une personne en 0.04, on peut
considérer l’entier ou l’arrondi de 96.04 qui devient 96.
On reprend ici exactement le même raisonnement et les mêmes étapes que précédemment, sauf
que le Uα correspondant au risque de 1% devient 2.58 (au lieu de 1.96 pour le risque de 5%).
Donc, pour que l’erreur de l’estimation de la moyenne n’excède pas 0.01 s au risque de 1%, il
faudra que le psychologue teste un échantillon de, au moins, n = 166.41 personnes.
Remarque : Bien entendu, comme on ne peut pas diviser une personne en 0.41, on peut
considérer l’entier ou l’arrondi de 166.41 qui devient 166.
16
Exercice 6
Remarque : Pour résoudre cet exercice, il faut faire appel à vos connaissances acquises en 1 ère
année sur la Loi Normale.
Pour passer de la loi normale N (x̄ , σ) à la loi normale centrée et réduite N (0 , 1), on opère un
changement de variable X en U, tel que :
On aura donc :
17
La probabilité pour un individu d’avoir une glycémie comprise entre 0.7 et 1.2 est :
2) Sur 1 000 personnes examinées, combien en moyenne auront une glycémie comprise
entre 0.7 et 1.2g :
On a calculé précédemment que la probabilité qu’une personne ait une glycémie comprise entre
0.7 et 1.2 est de 0.7745, c’est-à-dire qu’une personne a 74.45% de chances d’avoir une glycémie
comprise entre 0.7 et 1.2. Cela signifie que sur 100 personnes, 74.45 auront une glycémie
comprise entre 0.7 et 1.2g. Donc, sur 1000 personnes, on aura
10 x 74.45 = 744.5 personnes qui auront une glycémie comprise entre 0.7 et 1.2g.
On peut également répondre à cette question par une simple règle de trois :
Sur 100 personnes --------------------> 74.45 ont une glycémie [0.7 , 1.2]
1000 personnes-------------------------> Z ont une glycémie [0.7 , 1.2]
18
3) Calculer x̄ :
On donne un intervalle de confiance calculé pour un nouvel échantillon dont on vous donne les
indications suivantes : n > 30 et Var(x) = 0.09 g2 => σ = 0.3 g
Donc :
x̄ = 1.2g
X̄ [ Borne < , Borne > ] => Amplitude A = Borne > - Borne <
Donc :
19
On sait que :
Borne > I.C = 1.26
Borne < I.C = 1.14
Amplitude A = Borne > - Borne < => A = 1.26 – 1.14 = 0.12
Application numérique :
20