Ecole Supérieure de Comptabilité et de Finances de Constantine

Niveau : 1ère Année second cycle Enseignante : KENIDRA

Chapitre 1 : La statistique inférentielle

Introduction:
La statistique inférentielle établit des relations entre population et
échantillons. On désigne deux types de demarche:
 démarche d'échantillonnage (de la population vers l'échantillon)
C'est une démarche de type déductif, c'est-à-dire qui va “du général au
particulier” : on connaît la population et on s'intéresse à l’échantillon. Pronons
deux exemples:
1. on s'intéresse au contrôle de la qualité de fabrication de tablettes de chocolat.
est-ce qu'on peut considérer comme constant le poids moyen garanti d'une
tablette?
pour cela on prélève régulièrement un échantillon de n tablettes dont l'étude
statistique permettra de répondre à la question.
2. dans la fabrication d'aliment pour poulet conditionné en sacs de 10 kg, on
indique sur les sacs de composition de l'aliment (proportion des composants).
Des échantillons sont prélevés sur les lieux de vente pour contrôler le respect de
ces indications.

 démarche d'estimation (de l'échantillon vers la population)

La démarche d'estimation, opposée à la précédente, vise à étudier, à
prédire les paramètres d'une population inconnue à partir des résultats obtenus
grâce à des échantillons. C'est une démarche inductive “du particulier au
general”

1
Exemple:
1. Avant les elections, des sondages sont effectués pour “estimer” les chances
des candidats.
2. Pour évaluer l'image d'un “produit” fourni par une société de services, on
réalise un sondage auprès d'un échantillon de clients, son analyse permet
d'estimer l'indice de satisfaction moyen pour ce produit.

Résumé:
On peut résumer ce qui précède par la figure suivante:

Déduction du general au particulier

Echantillonnage

Population Echantillon

Estimation

Induction du particulier au général

Terminologie et notation :
Terme Définition et notation
Population Ensemble que l'on observe et qui sera soumis à une analyse
statistiques, chaque élément de cet ensemble est un individu
ou unité statistique.
Échantillon Un sous-ensemble de la population considérée.
Taille de la Nombre d’individus dans la population “N”.
population

2
Taille de Nombre d’individus dans l'échantillon “n”.
l'échantillon
Population finie Une population qui consiste en un nombre fini d'éléments.
Population infinie S’il n’y a pas de limite au nombre d’éléments qu’elle
contient
Tirage exhaustif Tirage sont remise “TSR”, le nombre d'échantillons est .
Tirage non Tirage avec remise “TAR”, le nombre d'échantillons est .
exhaustif
Paramètre Caractéristique numérique d'une population, telle que la
moyenne de la population “ ”, l’écart-type de la population
“ ” et la proportion de la population “p”.
Statistique Caractéristique numérique d’un échantillon telle que la
moyenne de l'échantillon “̅”, l’écart-type de l'échantillon
“s” et la proportion de l'échantillon “f”.
Théorie de Etude des liaisons existant entre une population et les
l'échantillonnage échantillons de cette population.
Echantillon Lorsqu'il possède les mêmes caractéristiques que la
représentatif population que l'on souhaite étudier, il est obtenu par un
échantillonnage aléatoire.
Faute d'une représentativité suffisante les résultats obtenus
sur un échantillon ne peuvent être généralisés à la population
étudiée. - c’est le cas de l'échantillon biaisé -
Echantillon Est un échantillon tiré au hasard dans lequel tous les
aléatoire individus ont la même chance de se retrouver.

І - Estimation
І -1 Échantillonnage
Introduction:
3
 Dans une étude statistique, un démembrement complet de la population et
très souvent pratiquement impossible, soit pour des raisons techniques ou
financières.
Dans bien des cas, on doit se limiter aux données d'un échantillon pour tirer
des conclusions sur la population entière. Les principales raisons d'effectuer un
échantillonnage sont les suivantes:
 L'impossibilité physique de vérifier toutes les unités d'une population.
 Le coût prohibitif des études couvrant toutes les unités d'une population.
 La précision satisfaisante des résultats d'échantillonnage.
 Le temps requis pour contacter la population entière.

І - 1- 1 Méthode d'échantillonnage
Lorsqu'une recherche est effectuée à partir d’un échantillon, la première
préoccupation consiste à faire en sorte que cet échantillon soit représentatif de
la population qu’on veut étudier. comment doit-on s’y prendre alors?
Il faut adopter la méthode d'échantillonnage la plus adéquate parmi
plusieures methodes. Celles-ci sont regroupées en deux categories: les méthodes
d'échantillonnage aléatoires et les méthodes d'échantillonnage non aléatoires.

Methodes d'échantillonnage

Méthodes aléatoires Méthodes non aléatoires

Aléatoire simple à l'aveuglette

Systématique de volontaire
Stratifié boule de neige
Par grappes par quotas

4
  méthode d'échantillonnage aléatoires:
Méthodes par lesquelles on sélectionne les unités statistiques de l'échantillon
au hazard. On les appelle aussi méthodes probabilistes. Elle ont l'avantage de
fournir un échantillon qui représente bien la population. Ainsi, les données
obtenues à partir de l'échantillon sélectionné aléatoirement pourront, sous
certaines conditions, être généralisées pour la population étudiée.
Examinant ici la méthode d'échantillonnage probabiliste la plus utilisée:
 L’échantillonnage aléatoire simple:
chaque personne ou objet de la population a la même probabilité de faire
partie de l'échantillon puisqu'ils sont tous pigés au hazard.
Exemple:
On souhaite évaluer la satisfaction des étudiants d'une université qui en
compte 30.000 (population) à propos de la propreté générale du campus. Pour ce
faire, on décide de construire un échantillon de 2000 étudiants par la méthode
d'échantillonnage aléatoire. Ainsi, un ordinateur choisit au hasard le nom de
2000 d'entre eux.
Quand vient le temps de sélectionner un échantillon, il faut se rappeler
que: le hasard fait bien les choses!!!
C'est-à-dire, il fait les meilleurs échantillons ce qui représente le mieux la
population à étudier.
Mais parfois, les méthodes d'échantillonnage aléatoires sont difficilement
applicables, pensez par exemple à une étude où on voudrait tester l'efficacité ou
les effets secondaires d’un nouveau medicament.
Si on choisit des unites statistiques au hasard pour tester le medicament,
il y a de forte chance que la majorité refuse de participer à l’enquête, il faut alors
faire appel à des unités statistiques volontaires et parfois même leurs donner une
petite compensation financière pour qu'ils acceptent participer à l'enquête.

5
 C'est la raison pour laquelle, il existe aussi des méthodes d'échantillonnage
non aléatoires.
 Méthodes d'échantillonnage non aléatoires:
Méthodes par lesquelles, on sélectionne les unités statistiques de l'échantillon
arbitrairement. C'est la personne qui sélectionne l'échantillon, qui choisit les
unités statistiques qui feront partie de l'échantillon, et non le hasard. Ces
procédés s'appellent aussi méthodes non probabilistes. Elles fournissent souvent
un échantillon biaisé, c'est-à-dire qu'il ne représente pas bien la population
étudiée. Il est donc risqué d’étendre à la population les résultats ainsi obtenus.
Ces méthodes sont tout de même souvent utilisées car il arrive qu'il soit
impossible de sélectionner un échantillon aléatoirement.

Parmi les méthodes d'échantillonnage non aléatoires, on compte:

 Echantillonnage à l'aveuglette
 Echantillonnage de volontaires
 Echantillonnage “boule de neige”
 Echantillonnage par quotas

І - 1- 2 Distribution d'échantillonnage:
Prenant tous les échantillons possibles de taille “n” tirer d'une population
donnée. Pour chaque échantillon, on peut calculer une statistique (moyenne,
variance, écart-type …) qui variera avec l'échantillon. Pour tous les échantillons,
on obtient alors une distribution de la statistique que l'on nomme la distribution
d'échantillonnage. Pour la validité des résultats, il est important que les
échantillons soitent représentatifs de la population concernée.
l'échantillonnage peut se faire avec ou sans remise et une population peut
être Considérée comme finie ou infinie. Une population finis dans laquelle on

6
procède à un échantillonnage avec remise peut être théoriquement considérée
comme infinie.
Dans la pratique, il en va de même pour des populations finies mais de
grandes tailles.
Pour chaque distribution d'échantillonnage, on peut calculer une moyenne,
un écart-type …

І - 1- 3 Distribution d'échantillonnage des moyennes:

Supposons tous les échantillons de taille “n” constitués sans remise à partir
d'une population finie de taille N n . on a alors:

̅ = et ̅ = √
√

Si la population et infinie ou que l'échantillonnage et avec remise,

= et
̅ ̅ =
√
En plus des caractéristiques de la distribution d'échantillonnage de la
moyenne, on peut aussi rechercher la forme de cette distribution.
Si par exemple, la population mère possède une distribution normale, on
peut affirmer que la distribution de la moyenne et elle-même normale de

moyenne ̅ = et d'écart-type ̅ = .
√

Si la distribution de la population mère est inconnu, le théorème central

limite permet d'affirmer que la distribution de la moyenne et asymptotiquement
normale.
Pour un effectif suffisamment élevé, la moyenne d'un échantillon peut
toujours être considérée comme une variable approximativement normale, c'est
généralement le cas lorsque la taille de l'échantillon est supérieure ou égale à 30.
Dans le cas contraire (n 30), la moyenne d’un échantillon peut toujours
être considérée comme une variable de Student à (n-1) degrés de liberté.

7
Exemple:
En moyenne, un homme en activité physique consomme 2 litres d'eau en
une journée, avec un l'écart-type de 0,7 L.
On organise un trek d'une journée en pleine nature avec 50 hommes.
Quelle est la probabilité qu'en moyenne une personne consomme plus de 2,2 L?

Solution:
On a:
=2L , = 0.7 L
Et on cherche: P( ̅ 2.2) = ?

P( ̅ 2.2) = P( 2.02)

̅ = 2.2

̅ = = 2L

̅ = ̅ = = = 0.9899
√ √

La probabilité recherché, c'est la probabilité que notre moyenne se situe dans la

partie non-hachurée sous la courbe, pour des valeurs plus grandes que 2,2 L.

̅
P( ̅ 2.2) = P( )
⁄
√

P( ̅ 2.2) = P( )

P( ̅ 2.2) = P( 2.02)
8
P( ̅ 2.2) = 1 - P( 2.02)
P( ̅ 2.2) = 1 – 0.9783 = 0.0217 = 2.17 %
Donc, la probabilité qu'en moyenne une personne consomme plus de 2,2 litres et
de 2,17 %

Résumé:
Pour un échantillon aléatoire simple, de taille “n” prélevé avec remise:
 La moyenne des moyennes des échantillons est égale à la moyenne de la
population ( ̅ = ).

 L'écart-type des moyennes des échantillons est égal à ( ̅ = ), où est

√

l'écart-type de la population.
 Si la distribution de la variable étudiée obéit à la loi normale dans la
population de réference, la distribution de la moyenne échantillonnale
suivra également une loi normale, quel que soit la taille de l'échantillon.
 lorsqu'on ne connait pas la distribution de la variable étudiée dans la
population, mais que la taille de l'échantillon est assez grande, le théorème
limite central stipule que la distribution de la moyenne échantillonnale
sera approximativement normale. Habituellement une valeur minimale de
n égal à 30 est suffisante dans la plupart des applications en gestion et en
économie.
 lorsque l'écart-type de la population est inconnu, on lui substitue
l'écart-type de l'échantillon “s”. Dans ce cas, si la distribution de la
̅
variable étudiée est normale dans la population mère, alors ( )
⁄
√

suivra une distribution t de Student avec (n-1) degrés de liberté. Pour de

grandes valeurs de n, cette distribution a presque la même forme que la
loi normale.
pour un échantillon aléatoire simple, de taille n prélevé sans remise:
 ̅ =

9
  ̅ = √
√

 Si la taille N de la population est grande, le prélèvement sans remise

équivaut approximativement au prélèvement avec remise. Dans ce cas,

̅ =
√

Synthèse:
Si on prélève un échantillon représentatif on aura :

Échantillonnage aléatoire simple

TAR TSR
finie ̅ = ̅ =

̅ = ̅ = ( )

̅ = = √
√ ̅
√
population
infinie ̅ =

̅ =

̅ =
√

notation importante:

Paramètre Population Échantillon Distribution d'échantillonnage des moyennes

moyenne ̅ ̅

Variance ̅

Écart-type s ̅

10