Résumé D’ECHANTILLONNAGE ET ESTIMATION

Programme du cours :

Chapitre 1 : Théorie d’Echantillonnage

Comment choisir un échantillon représentatif de la population étudiée ?

Chapitre 2 : Problèmes d’estimation

Comment généraliser les résultats obtenus auprès d’un échantillon à l’ensemble de la population ?

Chapitre 3 : Tests statistiques (tests d’hypothèses)

Comment vérifier des hypothèses ?

I. THÉORIE D’ECHANTILLONNAGE

1. TAILLE DE L’ECHANTILLON :

Marge d’erreur tolérée : 𝜀

Degré de confiance : 1 - 𝛼 (risque d’erreur : 𝛼

Loi inconnue (𝛼) Loi normale (𝑍²1−𝛼)

2
(Risque de données (Pas de risque de données aberrantes
aberrantes)

Moyenne Proportion Moyenne (𝜎²) Proportion (p q)

(𝜎²) (p q) Indépendance Dépendance (N) Indépendance Dépendance (N)
𝜎² 𝑝𝑞 𝑍²1−𝛼 × 𝜎² 𝑍²1−𝛼 × 𝜎² × 𝑁 𝑍²1−𝛼 × 𝑝 × 𝑞 𝑍²1−𝛼 × 𝑝 𝑞 × 𝑁
𝜀² × 𝛼 2 2 2 2
𝜀² × 𝛼 𝜀² 𝜀 2 × 𝑁 + 𝑍²1−𝛼 × 𝜎² 𝜀² 𝜀 2 × 𝑁 + 𝑍²1−𝛼 × 𝑝 𝑞
2 2

2-METHODES D’ECHANTILLONNAGE :
On distingue deux groupes de méthodes :

1
 • Méthodes probabilistes (aléatoires)
Méthodes probabilistes :
1-Méthode aléatoire simple
2-Méthode stratifiée
3-Méthode par degrés
4-Méthode systématique

• Méthode des quotas

2. DISTRIBUTIONS D’ECHANTILLONNAGE :

Moyenne Variance Proportion

Population m 𝜎² P
Echantillon ∑ 𝑋𝑖 ∑(𝑋𝑖 − 𝑋̅ )2 𝑋
𝑋̅ = 𝑉(𝑋) =
𝑛 𝐹=
𝑛 𝑛
∑ 𝑋𝑖 ²
𝑉(𝑋) = − 𝑋̅²
𝑛
Espérance 𝐸(𝑋̅) = 𝑚 𝐸(𝑉(𝑋)) =
𝑛−1
× 𝜎²
𝑛 𝐸(𝐹) = 𝑝
Ou

𝑁 𝑛−1
𝐸(𝑉(𝑋)) = × × 𝜎²
𝑁−1 𝑛
𝜎² 𝑝𝑞
Variance 𝑉(𝑋̅ ) = 𝑛 si il y a 𝑉(𝐹) = 𝑛 si
indépendance indépendance
2(𝑛−1)
𝜎² 𝑁−𝑛 V(V(X)) = × 4
𝑉(𝑋̅ ) = × 𝑁−1 si il 𝑛²
𝑛 𝑝𝑞 𝑁−𝑛
𝑉(𝐹) = 𝑛 × 𝑁−1
y a dépendance
si indépendance
Loi de probabilité Si population normale
alors 𝑋̅ suit une loi
normale.
𝑛×𝑉(𝑋) Si n >= 30 et n p
𝜎²
suit une loi Khi deux
Si population >= 5 alors F suit
à (n-1) degrés de liberté
inconnue et n <= 30 une loi normale.
alors 𝑋̅ suit une loi de
student à (n-1) degrés
de liberté.

Si population
inconnue et n > 30
alors 𝑋̅ suit une loi
normale.

2
 II. PROBLEMES D’ESTIMATION
Extrapoler les résultats obtenus auprès d’un échantillon à l’ensemble de
la population.
• Estimation ponctuelle : on donne une seule valeur + une erreur standard
• Estimation par intervalle de confiance : [borne inférieure ; borne supérieure]

Estimation ponctuelle Intervalle de confiance

Estimateur Erreur standard
Moyenne ^ −
𝑛
∑𝑖=1 𝑥𝑖 𝝈 − 𝝈
𝑚 = 𝑥 = 𝜎𝑋̅ = 𝑋 ± 𝒁𝟏−𝜶 ×
𝑛 √𝒏 𝟐 √𝒏
ou Ou
𝝈 𝑵−𝒏 − 𝝈
𝜎𝑋̅ = ×√ 𝑋 ± 𝑻𝟏−𝜶 ×
√𝒏 𝑵−𝟏 𝟐 √𝒏

Variance ^ 𝑛
𝜎² = × 𝑉(𝑥)
𝑛−1 𝒏 𝑽(𝑿)
[ ;
𝒏 𝑽(𝑿)
]
Avec √𝑉(𝜎^ ²) = 𝜎²√ 2
𝝌𝟐 𝜶 𝝌𝟐𝜶
𝑛−1 𝟏− 𝟐 𝟐

∑ 𝑥𝑖²
𝑉(𝑥) = − 𝑋̅ ²
𝑛
Proportion
𝑋𝑛 𝑭 (𝟏 − 𝑭)
^
𝑝 = 𝐹𝑛 = 𝜎𝐹 = √
𝑛 𝒏
Ou
𝐹
𝑭 (𝟏 − 𝑭) 𝑵−𝒏
𝜎𝐹 = √ ×√
𝒏 𝑵−𝟏 𝑭 (𝟏 − 𝑭)
± 𝒁𝟏−𝜶 × √
𝟐 𝒏

3
 III. TESTS STATISTIQUES
• Etapes :

1. Formulation des hypothèses (H0 et H1)

2. Préciser la loi de probabilité (Loi normale, loi de student, loi Khi deus, loi de Ficher)
3. Fixer le seuil de signification (1 − 𝛼) ou 𝛼
4. Calculer la valeur de décision (Formule de calcul)
5. Région d’acceptation (test bilatéral, unilatéral à gauche, unilatéral à droite)
6. Décision (accepter ou rejeter H0)

• Types de tests :
Tests sur les moyennes
Test de conformité de la
moyenne (1 échantillon)
Test d’égalité de deux
moyennes (2 échantillons)
Test d’égalité de plusieurs
moyennes : Analyse de la
Variance ANOVA (plusieurs
échantillons)
Tests sur les variances Tests sur les proportions
- Test de conformité d’une
proportion (1 échantillon)
Test d’égalité de deux Test d’égalité de deux
variances. proportions (2 échantillons)
- -