BONJOUR

C’est madame KERRAR

Votre enseignante du module
statistique inférentielle
 Introduction
Pour les économistes on peut l’appeler :
Statistique appliquée.
Cette appellation donne plus de valeur aux
module puisque c’est le module qui repend
aux questions des étudiants en économie :
A quoi sert les statistiques
descriptives?
A quoi sert les probabilité?
Pour les économistes bien sûr.
Et pour facilité la compréhension
du court, il faut qu’on explique la
notion de l’échantillonnage.
 a- notion de population et d’échantillon :

1- population :
c’est l’ensemble des individus
sur les quels porte l’étude
statistique.
2- échantillon :
C’est un sous- ensemble de la
population à étudié et qui
est représentatif de cette
dernière

L’échantillonnage vise à obtenir une

meilleur connaissance d’une population
par l’étude d’un nombre d’échantillon jugé
statistiquement représentatif
 3- pourquoi faire un échantillonnage?
• Le coût : analyser toute la population coûte trop cher.
• Le temps : la grandeur de la population prend
généralement beaucoup de temps si ce n’est parfois
interminable.
• La détérioration des éléments : dans le processus
d’étude parfois l’élément étudier est détruit ce qui
rend l’étude de la population impossible.
• L’inaccessibilité : tous les éléments de la population
ne sont pas toujours accessiblent.
b- statistiques descriptive et inférentielle :

• Statistique descriptive donne un récapitulatif

numérique ou graphique d’un nombre de
données généralement un échantillon.
• Statistique inférentielle s’intéresse à la
population dont est issus l’échantillon avec
comme objectif de résumer les propriétés
générales concernant la population à partir
des seules caractéristiques de l’échantillon.
Population
N
 Echantillonnage aléatoire
Population
N Échantillon
n
 Echantillonnage aléatoire
Population
N Échantillon
n

Stat.
descriptive

Caractéristiques Caractéristiques
de la population de l’échantillon
µ, σ ,S
 Echantillonnage aléatoire
Population
N Échantillon
n

Stat.
descriptive

Caractéristiques Caractéristiques
de la population de l’échantillon
µ, σ ,S

Peut-on utiliser les caractéristiques de l’échantillon comme estimateurs

des caractéristiques de la population?
Soit :
µ: l’espérance mathématique de la population
concernant la variable a étudié.
σ: l’écart-type de la population .
: l’espérance mathématique de l’échantillon.
S: l’écart-type de l’échantillon.
 On réponse a la question:
Peut-on utiliser les caractéristiques de l’échantillon
comme estimateurs des caractéristiques de la
population?
 On réponse a la question:
Peut-on utiliser les caractéristiques de l’échantillon
comme estimateurs des caractéristiques de la
population?
• La moyenne = l’espérance mathématique est un
estimateur non biaisé de la moyenne de la population

• La variance de l’échantillon est un estimateur biaisé de

la variance de la population.
Donc pour corrigé ce biais