Fiche 3- Estimation.

Pr. A. ABAIDA. (GA et GB)

Noter que : tous les tirages sont se font avec remise (non exhaustifs).
Exercice 1. (Durée de traitement de dossiers crédit). Pour mieux gérer les demandes de crédit de
ses clients, le directeur d’une agence bancaire réalise une étude relative à la durée de traitement des
dossiers. Un échantillon aléatoire non exhaustif de 36 dossiers traités à donné :
∑ ∑
Durée en minutes 0-10 10-20 20-30 30-40 40-50 50-60 ni ci ni ci 2
Nombre 3 6 10 7 3 7 1120 43500
1/ Calculer la moyenne x et l’écart-type s des durées de traitement de cet échantillon.
2/ En déduire des estimations ponctuelles de la moyenne µ et de l’écart-type σ de la population
totale des dossiers traités.
3/ Donner une estimation ponctuelle de la proportion des demandes de la population totale dont la
durée de traitement est de plus de 40 minutes.
4/ Sachant que l’écart-type de la durée de traitement des demandes de la population totale est de
16 minutes, donner un intervalle de confiance à 95 % de la moyenne.
5/ L’écart-type de la durée de traitement des demandes de la population totale étant inconnu. Donner
un intervalle de confiance à 95 % de la moyenne.
6/ Donner un intervalle de confiance à 95% de la proportion des demandes de la population totale
dont la durée de traitement est de plus de 40 minutes.
7/ L’écart-type de la durée de traitement des demandes de la population totale étant inconnu. Donner
un intervalle de confiance à 95 % de la moyenne pour un échantillon aléatoire non exhaustif
Durée en minutes 0-10 10-20 20-30 30-40 40-50 50-60
Nombre 3 6 10 4 1 1
Exercice 2. Un échantillon de 10 000 personnes sur une population étant donné, on sait que le
taux moyen de personnes à soigner pour un problème de cholestérol élevé est de 7,5 %. Donner un
intervalle dans lequel on soit “sûr” à 95 %, de trouver le nombre exact de personnes à soigner sur les
10 000.
Exercice 3. Un petit avion peut accueillir chaque jour 40 personnes, des statistiques montrent que
20% des clients ayant réservé ne viennent pas. Soit X la variable aléatoire : “nombre de clients qui
se présentent au comptoir parmi 40 personnes qui ont réservé”.
1/ Quelle est la loi de X ? quelle est son espérance et son écart type ?.
2/ Donner un intervalle de confiance au seuil 95 %, permettant d’estimer le nombre de clients à
prévoir.
Exercice 4. Un échantillon de 200 personnes est extrait, au hasard et avec remise, de la population
constituée par les employés d’une grande entreprise. Le tableau suivant décrit la distribution des
salaires annuels bruts de ces 200 employés, pour l’année 2013 (on suppose que les salaires sont répartis
uniformément dans chaque classe).
Salaires en milliers de dirhams [50 ; 100[ [100 ; 150[ [150 ;200[ [200 ; 250[ [250 ; 300[
Effectifs 90 50 30 20 10
1/ On considère un employé, choisi au hasard, dans cet échantillon. Quelle est la probabilité pour
que son salaire annuel brut, en 2013, soit strictement inférieur à 250 000 dirhams.
2/ On considère maintenant 40 personnes, choisies au hasard avec remise, dans l’échantillon. On
note X la variable aléatoire correspondant au nombre de personnes, parmi les 40, dont le salaire brut,
en 2013, est supérieur ou égal 250 000 dirhams.
a/ Quelle est la loi de probabilité suivie par X ? Justifier. Calculer l’espérance et la variance.
b/ Calculer la probabilité de l’événement “X = 3”, en utilisant, l’approximation de la loi X par la
loi de Poisson de même espérance.
3/ On désigne par m la moyenne et par σ l’écart type des salaires, en milliers de dirhams, de la
population constituée par tous les employés de l’entreprise.
a/ Calculer la moyenne x et l’écart type σ ′ des salaires, pour l’échantillon de 200 personnes décrit
dans le tableau précédent.
b/ Donner une estimation ponctuelle de la moyenne m et de l’écart type σ.
c/ Donner une estimation de la moyenne m par l’intervalle de confiance, au risque de 1%.
 Correction de la Fiche 3.
Estimation - Pr. A. ABAIDA
1∑
6
1120
Correction Exo 1. 1/ On sait que la moyenne arithmétique x = ni ci = = 31, 11
n i=1 36
1∑ 2 2
6
a+b
minutes, avec ci = 2
le centre de la classe [a ; b[. La variance est donnée par s = ni ci −x =
2 n i=1
43500 √
− (31, 11)2 = 240, 50, et l’écart-type s = 240, 50 = 15, 50 minutes.
36 √ √
n 36
2/ L’estimation ponctuelle de µ est µ b = x = 31, 11 et celle de σ est σb= s= × 15, 50 =
n−1 35
15, 71 minutes.
3/ La fréquence des demandes de crédit dont la durée de traitement des dossiers est supérieures de 40
3+6
minutes est donnée par p = = 0, 25 = 25%, par suite, l’estimation ponctuelle de la proportion
36
p des demandes de la population est pb = p = 0, 25.
X −µ
4/ Comme n = 36 > 30 et σ = 16 (l’écart type de la population est connu), alors U = σ suit
√
n
une loi normale N (0 ; 1). Pour 95% de chance (ou encore α = 0, 05), on cherche uα tel que
P (−uα < U < uα ) = 95% = 0, 95 ⇐⇒ 2F (uα ) − 1 = 0, 95 ⇐⇒ F (uα ) = 0, 025 ⇐⇒ uα = 1, 96
[ σ σ ]
Par suite Iµ = X − √ uα ; X + √ uα est un intervalle de confiance de µ au niveau 1 − α. Pour
n n
une observation x = 31, 11 de X, avec n = 36, σ = 16 et uα = 1, 96, on trouve
[ 16 16 ] [ ]
µ ∈ 31, 11 − √ × 1, 96 ; 31, 11 + √ × 1, 96 = 25, 88 ; 36, 33 .
36 36
√
n
5/ Comme σ est inconnu, on utilise (l’écart type corrigé) sc = × s = 15, 71 l’estimation
n−1
X −µ
ponctuelle de σ. Par suite, U = sc suit une loi normale N (0 ; 1) (puisque n = 36 > 30). On
√
n
obtient [ ] [ ]
15, 71 15, 71
µ ∈ 31, 11 − √ × 1, 96 ; 31, 11 + √ × 1, 96 = 28, 97 ; 36, 24 .
36 36
6/ Soit P la proportion des demandes de la population totale. Comme n = 36 > 30, np = 36 ×
9 ≥ 5 et n(1 − p) = 36 × 0, 75 = 27 ≥ 5, alors la variable alétoire P suite une loi normale
0, 25 = √
( )
N p; p(1−p)
n
. À 95 % de chance
√ √
[ p(1 − p) p(1 − p) ]
p∈ p− × uα ; p + × uα
n n
[ √ √ ] [ ]
0, 25 × 0, 75 0, 25 × 0, 75
=⇒ p ∈ 0, 25 − × 1, 96 ; 0, 25 + × 1, 96 = 0, 1085 ; 0, 3914
36 36
1∑
5
700
7/ La taille de l’échantillon est n = 25, la moyenne arithmétique x = ni ci = = 28,
n i=1 25
1 ∑ 2 √
5
2
la variance est s = ni ci − x2 = 68, l’écart type s = 68 = 8, 24 et enfin l’écart type
25 i=1
√ √
n 25
corrigé sc = ×s = × 8, 24 = 8, 41. Comme n = 25 < 30 et σ est inconnu, alors
n−1 24
X −µ
T = sc suit la loi de Student à n − 1 = 24 degrès de liberté. On détermine alors le réel tα tel
√
n
que P (−tα < T < tα ) = 0, 95, d’après la table de la loi de Student, on a : tα = 2, 064 Par suite
[ sc sc ] [ 8, 41 8, 41 ]
µ ∈ x − √ tα ; x + √ tα = 28 − √ × 2, 064 ; 28 + √ × 2, 064 = [24, 52 ; 31, 47].
n n 25 25
Correction Exo 2. Comme n = 10000 > 30 et p =(0, 075 ) = 750 ≥ 5 et n×q = 9250 ≥ 5,
√avec n×p
alors la variable aléatoire P suite une loi normale N p ; p(1−p)
n
. À 95 % de chance
√ √
[ p(1 − p) p(1 − p) ]
p∈ p− × uα ; p + × uα
n n
[ √ √ ] [ ]
0, 075 × 0, 925 0, 075 × 0, 925
=⇒ p ∈ 0, 075 − × 1, 96 ; 0, 075 + × 1, 96 = 0, 0698 ; 0, 0801 .
10000 10000
Par suite, le nombre de personnes à soigner (sur les 10 000 personnes) est entre 0, 0698 × 10000 = 698
et 0, 0801 × 10000 = 801 personnes.
Correction Exo 3. 1/ La variable √ X suit une loi Binomiale : X ∼ B(40 ; 0, 8). On sait que
E(X) = n × p = 32 et σ(X) = n × p × q = 2, 52.
2/ Comme n = 40 > 30, np = 32 ≥ 5 et nq = 8 ≥ 5, alors à 95 % de chance
√ √
[ p(1 − p) p(1 − p) ] [ ]
p∈ p− × uα ; p + × uα = 0, 676 ; 0, 923 .
n n
Par suite, le nombre de clients à prévoir (sur les 40 clients) est entre 0, 676×40 ≃ 27 et 0, 923×40 ≃ 37
clients.
Correction Exo 4.