1 Comparaison Des Fréquences 2007

Fluctuations de l’échantillonnage
L’échantillonnage
&
Ses Fluctuations
Pr. A. SOULAYMANI Cours Statistique 2007 1

Généralités
Supposons une population infiniment grande sur
laquelle on veut évaluer la fréquence ou la
proportion d’un caractère.
Recensement Echantillonnage
Une partie
Tous les sujets des sujets de
de la la population
population sont sont «
« examinés » examinés »
Population
• Recensement = vérité
• l’information que l’on désire est
disponible pour tous les individus de la
population étudiée.
• Échantillon = estimation de la vérité

• l’information n’est disponible que pour
un sous-ensemble des individus de la
population étudiée.

I- L’échantillon

En général,
on procède à ce qu’on appelle échantillonnage.
L’échantillon est donc un groupe restreint de la
population dont il est issu.
Pop Plusieurs échantillons peuvent
être constitués
L’échantillon en lui-même
n’est pas intéressant,
ce sont les conclusions sur la population que l’on peut

tirer de son observation qui en font l’intérêt : Inférence.
Cet échantillon est dit non représentatif si au cours

du tirage, on procède à un choix préalable ou à une
sélection.
Pop
Echantillon non représentatif
Il s’agit là, d’un tirage non

aléatoire ou biaisé.
Les conclusions sur la population ne peuvent pas être
tirer de l’observation de tels échantillons.
Pour que l’échantillon soit représentatif, il faut que

tous les individus de la population aient la même
chance d’être tirés.
Ceci peut être obtenu par un
brassage adéquat et
convenable des individus et
permet de tirer véritablement
au hasard un échantillon
représentatif.
Tirage Aléatoire

En définitif, un échantillon représentatif est un

échantillon issu de façon
parfaitement aléatoire, non conditionné par un
choix préalable ou sélection.
Tirage parfaitement
au hasard

• Un échantillon a pour but de représenter

la population, donc être représentatif.
• En quelque sorte, l’échantillon est un

modèle pour la population.
• Il n’est pas possible de déterminer si un
échantillon est représentatif ou non.
• Un bon plan d’échantillonnage peut
cependant contribuer à éliminer des
échantillons non représentatifs.
Étapes à suivre
Plans d’échantillonnage statistique
• Déterminer l’objectif de l’échantillonnage
• Déterminer la condition recherchée
• Définir la population à vérifier
• Déterminer la taille de l’échantillonnage
• Sélectionner les échantillons
• Effectuer les tests et évaluer les résultats
• Analyser les erreurs projetées

II- Le Pari

Considérons une population où la proportion théorique

d’un caractère donné est pth (p théorique).
Population Échantillon
Tirage parfaitement
au hasard
Pobservée.
Pthéorique

La proportion observée du caractère (sa fréquence) au

niveau de l’échantillon Pobs n’est pas obligatoirement
identique à la proportion théorique au niveau de la
population dont il est issu, même si l’échantillon est
représentatif.
Population
Échantillon
Tirage parfaitement
Elle peut prendre toutes
les valeurs possibles
au hasard comprise entre 0 et 1.
Pobservée.
Pthéorique
C’est les fluctuations de l’échantillonnage
Exemple de Pari
Considérons une population où la proportion théorique
d’un caractère donné est pth = 0,50 (p théorique).
Tirage parfaitement au hasard
Population
p théorique = 050 Échantillon
p observée
En générale pobs fluctue autour de pth et on peut

calculer la probabilité pour que pobs sorte d’une
certaine marge entourant pth.
on peut parier que la fréquence au niveau d’un

échantillon tiré au hasard de cette population sera
comprise entre 40% et 60% (0.40 ≤ pobs .≤ 0.60).
Une question s’impose à ce niveau et peut être poser
de deux façons différentes mais complémentaires:
- Qu’elle est la probabilité pour que notre pari
soit juste ? (p ?)
- Quel est le risque qu’on a pris en choisissant
cet intervalle [0.40-0.60] ? (a ?)
a et p présente la relation a = 1 – p et p = 1 - a.
Intervalle de pari
L’intervalle de pari est défini par un écart e autour de
pth.. Ainsi, l’intervalle 40 à 60% autour de 50% est
défini par e = 10%.
Pth.
0 0,40 0,50 0,60 1
La table de l’écart réduit ( loi normale) ne peut être

utilisée directement pour évaluer le risque du pari ; de
ce fait, l’écart e est transformé en écart réduit e appelé
écart réduit observé ou calculé tel que :
e e pObs.  pTh.
e Obs.   
 pth(1  pth) pth(1  pth)
N N
Dans l’exemple précédant, en supposant que l’effectif

de l’échantillon est de 100, on aura :
e 0.10 0.10
  2
 0.50 x0.50 0.05
100
La table de l’écart réduit donne pour tout écart observé

le risque a qui lui est associé.
Pour la valeur de 2 de notre exemple, il n’y a pas de
correspondance directe mais on peut remarquer que
notre valeur est comprise entre deux risque :
eth = 1,96 < eos. = 2 < eth = 2,054

Sans chercher à
eth=1,96 < eobs.=2 < eth=2,054 interpoler,on
prendra toujours la
valeur la
plus proche de 2 qui
correspond
dans ce cas à a =
5% et p = 95%.
Donc, lorsqu’on a parié sur l’intervalle 40%-60%
sur un échantillon de 100 tiré d’une population
pour laquelle la fréquence théorique est de 50%,
on a 5% de chance de se tromper contre une
probabilité de 95% de tomber sur cet intervalle par
tirage au hasard.
En conclusion, lorsqu’on a parié sur l’intervalle 40%-

60% sur un échantillon de 100 tiré d’une population
pour laquelle la fréquence théorique est de 50%, on
a 5% de chance de se tromper contre une probabilité
de 95% de tomber sur cet intervalle par tirage au
hasard.
Remarque : La table de l’écart réduit ne peut être

utilisée que si l’échantillon est « grand ». Pour le
calcul; on considère que l’échantillon est
« grand » si et seulement si Np ≥ 5 et N(1-p) ≥ 5.

III- Loi des Grands

Nombres

Avec une urne présentant une fréquence pth.= 50% ;

on se propose d’estimer le risque d’erreur pour un
même intervalle de pari [0.40-0.60] mais pour des
effectifs différents (N1=16 ; N2=100 et N3=400).
pth.(1  pth.) p p
N  e e 
obs
obs
p (1  p )
th
a
N th th
16 0,125 0,10 0,80 0,47
100 0,05 0,10 2 0,05
400 0,025 0,10 4 <0,001

Ainsi, pour le même écart absolu (10%), on prend

beaucoup plus de risques avec des petits
échantillons.
Donc, l’écart entre la composition de

l’échantillon et celle de la population a d’autant
moins de chance d’être dépassé lorsque la taille
de l’échantillon est grande.
c’est la loi des grands nombre

IV- Manipulation sur

les fréquences

1- Position du problème :
Soit P une population d’effectif infini pour laquelle la

fréquence d’un caractère est p théorique (fréquence des
boules noires à titre d’exemple). Cette fréquence peut
être connue ou non.
On dispose d’un échantillon E1 d’effectif N1, où la

fréquence du même caractère est Pobs1 ,d’un second
E2 d’effectif N2 où la fréquence observée est pobs2 et
d’un troisième échantillon E3 d’effectif N3 où la
fréquence observée est pobs3.

Pop
Tirage aléatoire ou non
E1 E3
E2
N1 N2 N3
Pth. Po1 Po2 Po3

Inconnue Connue

Premier sous problème : Fluctuations de l’échantillonnage
Il s’agit là de la comparaison d’une fréquence
observée à une fréquence théorique.
Pop Tirage aléatoire ou non
Ne
Pth. ??????? Po
Pr. A. SOULAYMANI
Connue Cours Statistique 2007 27
Deuxième sous problème

Il s’agit là de l’estimation d’une fréquence
théorique à partir d’une fréquence observée.
Pop Tirage aléatoire
E3
Ne
Po
Pth. Inconnue Estimation

Troisième sous problème
Il s’agit là de la comparaison de deux fréquences
observées.
Pop Tirage aléatoire ou non
E1 E2
N1 N2
Po1 Po2
Pth.
Inconnue Connue
2-Comparaison d’une fréquence observée à une
fréquence théorique : Test de conformité
Pop Tirage aléatoire L’écart absolu
ou non E entre la fréquence
observée
Ne et la fréquence
théorique est :
Pth.
Connue
??????? Po e Pth.Pobs.
Hypothèse nulle H0, l’écart n’est pas significatif
(pth. pobs.).
Hypothèse alternative H1, l’écart est significatif
Pr. A. SOULAYMANI
(pCours pobs.2007).
th.#Statistique 30
En pratique
on calcul l’écart réduit

pth.  Pobs e
e  a
pth.(1  pth.) 
N
La valeur de l’écart réduit calculé eobs est
confrontée à La valeur de l’écart réduit
théorique la table théorique au seuil de 5% (a)
pth.  Pobs e
e  a
pth.(1  pth.) 
N
- Si l’écart réduit calculé est inférieur ou égal à 1.96 : la
différence n’est pas significative (H0).
- Si l’écart réduit calculé est supérieur à 1.96 mais reste
inférieur ou égal à 2.58 :la différence est significative (H1).
inférieur ou égal à 3.29 :la différence est très significative (H1
- Si l’écart réduit calculé est supérieur à 3.29: la différence

estPr.hautement
A. SOULAYMANI
significative (H1). 2007
Cours Statistique 32
3. Estimation de la fréquence théorique :

Intervalle de confiance d’une fréquence :
Pop Tirage aléatoire
E3
Ne
Po
Estimation
Pth. Inconnue
On suppose que pobs. est la fréquence d’un caractère
déterminé dans un Échantillon d’effectif N issu d’une
population de manière parfaitement au hasard d’une
population d’effectif infini, et où la fréquence du même
caractère n’est pas connue.
Afin de pouvoir estimer l’intervalle de confiance de

la fréquence du caractère
au niveau de la population, on pose
P . P
e  obs th .
obs
p (1  p )
obs obs .
N
P . P
e  obs th .
obs
p (1  p )
obs obs .
N
Si l’hypothèse nulle est retenue, ceci signifie
qu’avec une probabilité p = 95% (a = 5%), on a :
P P obs
 1,96
th
p (1  p )
obs obs
N
p (1  p ) p (1  p )
Pobs.  1,96 obs
 pth  pobs.  1,96
obs obs obs
Pr. A. SOULAYMANI N Cours Statistique 2007 N 35

p (1  p ) p (1  p )
Pobs.  1,96  pth  pobs.  1,96
obs obs obs obs
N N
0 1
pobs
p (1  p ) p (1  p )
P  1,96
obs
obs obs
P  1,96 obs obs
N obs
N
4- Comparaison de 2 fréquences observées :
Test d’homogénéité :
Tirage aléatoire ou non
E1 E2
N1 N2
Po1 Po2
Pth.
Inconnue Connue

- H0 : ou hypothèse nulle selon laquelle les

fréquences observées au niveau de 2 ou plusieurs
échantillons sont identiques.
- H1 : ou hypothèse alternative selon laquelle

au moins deux des fréquences observées au
niveaux des échantillons différents
significativement. Dans ce cas, au moins un des
échantillons est biaisé si les échantillons sont
issus de la même population ou encore les
différents échantillons confrontés sont issus de
populations différentes.

En pratique, pour tester l’Hypothèse nulle, on

calcul l’écart réduit de la différence :
pp
e  1 2
1 1
obs
p (1  p )   
N N 
th th
1 2
Si pth n’est pas connue au niveau de la population;

on l’estime à partir des deux fréquences observées
de sorte que :
N p N p
p  1 1 2 2
N N
théorique
1 2

pp
e  1 2
1 1
obs
p (1  p )   
N N 
th th
1 2
- Si l’écart réduit calculé est inférieur ou égal à 1.96 : la

différence n’est pas significative (H0).
inférieur ou égal à 2.58 :la différence est significative (H1).
inférieur ou égal à 3.29 :la différence est très significative (H1
- Si l’écart réduit calculé est supérieur à 3.29: la différence

estPr.hautement
A. SOULAYMANI
significative (H1). 2007
Cours Statistique 40

1 Comparaison Des Fréquences 2007

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

1 Comparaison Des Fréquences 2007

Transféré par

Droits d'auteur :

Formats disponibles

Fluctuations de l’échantillonnage

Pr. A. SOULAYMANI Cours Statistique 2007 1

• Échantillon = estimation de la vérité

Pr. A. SOULAYMANI Cours Statistique 2007 3

Pr. A. SOULAYMANI Cours Statistique 2007 4

ce sont les conclusions sur la population que l’on peut

Cet échantillon est dit non représentatif si au cours

Echantillon non représentatif

Il s’agit là, d’un tirage non

Pour que l’échantillon soit représentatif, il faut que

Pr. A. SOULAYMANI Cours Statistique 2007 7

En définitif, un échantillon représentatif est un

Pr. A. SOULAYMANI Cours Statistique 2007 8

• Un échantillon a pour but de représenter

• En quelque sorte, l’échantillon est un

Pr. A. SOULAYMANI Cours Statistique 2007 10

Pr. A. SOULAYMANI Cours Statistique 2007 11

Considérons une population où la proportion théorique

Pr. A. SOULAYMANI Cours Statistique 2007 12

La proportion observée du caractère (sa fréquence) au

p théorique = 050 Échantillon

En générale pobs fluctue autour de pth et on peut

on peut parier que la fréquence au niveau d’un

0 0,40 0,50 0,60 1

La table de l’écart réduit ( loi normale) ne peut être

Dans l’exemple précédant, en supposant que l’effectif

La table de l’écart réduit donne pour tout écart observé

Pr. A. SOULAYMANI Cours Statistique 2007 18

En conclusion, lorsqu’on a parié sur l’intervalle 40%-

Remarque : La table de l’écart réduit ne peut être

Pr. A. SOULAYMANI Cours Statistique 2007 20

III- Loi des Grands

Pr. A. SOULAYMANI Cours Statistique 2007 21

Avec une urne présentant une fréquence pth.= 50% ;

16 0,125 0,10 0,80 0,47

100 0,05 0,10 2 0,05

400 0,025 0,10 4 <0,001

Ainsi, pour le même écart absolu (10%), on prend

Donc, l’écart entre la composition de

c’est la loi des grands nombre

Pr. A. SOULAYMANI Cours Statistique 2007 23

IV- Manipulation sur

Pr. A. SOULAYMANI Cours Statistique 2007 24

Soit P une population d’effectif infini pour laquelle la

On dispose d’un échantillon E1 d’effectif N1, où la

Pr. A. SOULAYMANI Cours Statistique 2007 25

Pth. Po1 Po2 Po3

Pr. A. SOULAYMANI Cours Statistique 2007 26

Deuxième sous problème

Pop Tirage aléatoire

Pr. A. SOULAYMANI Cours Statistique 2007 28

on calcul l’écart réduit

- Si l’écart réduit calculé est supérieur à 3.29: la différence

3. Estimation de la fréquence théorique :

Afin de pouvoir estimer l’intervalle de confiance de

Pr. A. SOULAYMANI N Cours Statistique 2007 N 35

Tirage aléatoire ou non

Pr. A. SOULAYMANI Cours Statistique 2007 37

- H0 : ou hypothèse nulle selon laquelle les

- H1 : ou hypothèse alternative selon laquelle

Pr. A. SOULAYMANI Cours Statistique 2007 38

En pratique, pour tester l’Hypothèse nulle, on

Si pth n’est pas connue au niveau de la population;