Académique Documents
Professionnel Documents
Culture Documents
Cours
Cours
Cours
0/. Introduction
I/. Estimation
II/.Espérance mathématique d’une moyenne
III/.Espérance mathématique d’une proportion
IV/. Estimation ponctuelle d’un paramètre
V/. Distribution d’échantillonnage
VI/. Distribution de probabilité de la variable aléatoire
VII/. Estimation par intervalle de confiance de µ
VIII/. Intervalle de confiance pour une proportion
IX/. Taille de l’échantillon garantissant la précision de l’intervalle de
confiance
4 4
5 4,5
4
6 5
8 6
4 4,5
5 5
5
6 5,5
8 6,5
4 5
5 5,5
6
6 6
8 7
4 6
5 6,5
8
6 7
8 8
On a donc
E(X) = 4 (1/16) + 4,5 (2/16) + ……….. +8 (1/16) = 5,75
De plus la moyenne de la population est
µ = (4+5+6+8)/4 = 5,75
Ce qu’il fallait vérifier.
Exemple 2:
E (P )
Soit la population
_ {4,5,6,8}. Dans cette population, considérons la variable
aléatoire P 2 représentant la proportion de nombres impair dans un
échantillon de taille 2 tiré avec remise. L’ensemble des résultats possibles est:
4 0/2
5 1/2
4
6 0/2
8 0/2
4 1/2
5 2/2
5
6 1/2
8 1/2
4 0/2
5 1/2
6
6 0/2
8 0/2
4 0/2
5 1/2
8
6 0/2
8 0/2
__ __ 2
E( X ) µ X__ µ et V ( X ) 2__
X n
a) Tirage avec remise dans une population finie de taille N;
b) Tirage avec ou sans remise dans une population très grande ou infinie.
N.B: une population est grande dés que n ≤0,05 N; c’est-à-dire que la taille de
l’échantillon est inférieur à 5% de la taille de la population.
__ __ 2 N n
E( X ) µ X µ __
et V ( X ) 2__ .
N 1
X n
Remarque: On
__ appelle aussi erreur type l’écart type de la variable aléatoire X et on
le note
X
On sait que __
V ( X ) E
_____
X
2
E ( X
___
)
2
__
2 2 ,1875
et on trouve V ( X ) 1 , 09375 et Classeur1.xlsx
1 , 09375
n 2
Ce qu’il fallait vérifier.
On trouve Classeur1.xlsx
2 N n
1, 09375
2
V ( X ) 0 , 72916667 et N 1 0 , 72916667
n 3
_
_
Xn N( ; µ X) 2_
X
P (Z 2 ) 1 p ( Z 2 ) 1 0,9772 0,0228
2 P ( Z 1 ) 1 2 (0,8413) 1 0,6826
table de la loi normal.xlsx
Réponse:
µ L1 L 2 µ
0 ,95 P ( L 1 X 20 L 2 ) P (
__
Z
)
P ( a Z a ) 2 P ( Z a ) 1
Et d’après la table de la loi normale on trouve que a = 1,96. table de la loi normal.xlsx
L1 µ L2 µ
or a et a
1
/ 2 / 2
Z/ 2 Z/ 2 x
_
X µ
et p( Z / 2 Z Z / 2 ) 1 p( Z / 2 Z / 2 )
_
X
__ __
p( X Z / 2 _
µ X Z / 2 _
)
X X
µ
X_ Z /2 _
; µ _
Z /2 _
X X X
Z / 2 2,58 si 1%
Z / 2 1,96 si 5%
Z / 2 1,65 si 10%
c) Puisque l’écart type de la population σ est inconnu, on utilise donc une valeur
S 0,3
estimée ponctuelle; ici S = 0,3 d’où S n 36 0,05
_
X
c) Puisque l’écart type de la population σ est inconnu, on utilise donc une valeur
estimée ponctuelle; ici S = 15,6. d’autre part l’échantillon est choisi sans remise d’où
S N n 15,6 150 30
S_ 2,556
X n N 1 30 150 1
d) α=10% donc Z / 2 1,65 d’où:
L 1 78 , 6 1 , 65 2 , 556 74 , 38
L 2 78 , 6 1 , 65 2 , 556 82 , 82
Conclusion: On a µ€[74,38;82,82] avec un niveau de confiance de 90% c’est-à-dire que
l’intervalle [74,38;82,82] possède 90% des chances de contenir la valeur du résultat
moyen de l’ensemble des individus suivant le cours de statistique.
µ t S ; µ t S
b) σ est inconnu est X_ / 2 __X X_ / 2 __X
Où t / 2
est la valeur de la distribution de Student telle que P(T t /2 ) 1 avec
un nombre de degré de liberté noté n 1 2
µ k S __ ; µ _ k S
b) σ est inconnu est X X
_ __
X X
2 1
Où k provient de l’inégalité de Bienaymé Tchebychev; c’est une valeur telle que k
σ connu µ Z ; µ Z
µ Z ; µ Z µ _ k __ ; µ _ k __
X_ / 2 __X X_ / 2 __X X_ / 2 __X X_ / 2 __X X X X X
σ inconnu µ Z S ; µ Z S µ_ t S__ ; µ_ t S__
µ
X _ k S __ ; µ _ k S __
X_ / 2 __X X_ / 2 __X X / 2 X X / 2 X X X X
Diapositive 35 Diapositive 36
Soit une population de taille N sur laquelle est observée une caractéristique dont on
2
connaît la moyenne µ et la variance . On a:
iN
i i
n ( x µ) 2
2 i 1
N
Si on prélève n individus dans cette population leur moyenne sera:
jn
n j 1
j xj
X
n
appelée moyenne d’échantillon, et leur variance:
2
j n j n
j n
n j ( x j X ) n n j x n j x j
2 2
j
2
S
j 1
j 1 j 1
n 1 n(n 1)
appelée variance d’échantillon.
21/02/2022 06:41 PM R.DAANOUN 33
Exemple 2:
Dans une association regroupant 50 membres, on choisit au hasard et sans remise 15
individus pour lesquels on obtient les poids en kg:
75 68 65 72 72 69 63 65 70 60 68 73 78 67 71
Si X est la variable aléatoire représentant le poids des individus à partir de cet échantillon,
déterminez l’intervalle de confiance à 95% pour µ
a) Si l’on suppose que la distribution du poids de l’ensemble des individus de cette
association obéit à une loi normale.
b) Si l’on ne peut pas supposer que la distribution du poids de l’ensemble des individus de
l’association obéit à une loi normale.
Réponse:
i 15
i 15
Xi*Xi
i15
5625 4624 4225 5184 5184 4761 3969 4225 4900 3600 4624 5329 6084 4489 5041 71864
x
i 1
2
i 71864
ni xi
i1 1036
D’où x 69,07Kg
n 15 2
jn
jn
n n j x 2j n j x j
S 2
j 1 j 1 15 * 71864 1036 2
4664
22 , 21 Kg 2
n ( n 1) 15 * 14 210
Soit S S 2 22 , 21 4,71Kg
21/02/2022 06:41 PM R.DAANOUN 34
a) La population suit une loi normale.
l’intervalle de confiance s’obtient à partir du théorème Diapositive 30
µ_ t/ 2 S__ ;µ_ t/ 2 S__ avec n 1 14 deg rés de liberté
X X
X
X
µ 69,07 t / 2 t 2,5% 2,145 d’après la table de Student Table student.pdf
X
S N n 4 ,71 50 15
S 1, 028 ...
X n N 1 15 50 1
d ' où
L1 69 ,07 ( 2 ,145 ) (1, 028 ...) 66 ,86
et
L 2 69 , 07 ( 2 ,145 ) (1, 028 ...) 71, 28 . On a ainsi
µ 66 , 86 ; 71 , 28
avec un niveau de confiance de 95%, où µ est le poids moyen des individus de cette
association.
S N n 4 ,71 50 15
µ 69,07 et S 1,028 ...
X X n N 1 15 50 1
et
2 1 1
k 20
0 , 05
donc
k 20 4 , 47 d ' où
L 1 69 , 07 ( 4 , 47 )( 1 , 028 ..) 61 , 80 et
L 2 69 , 07 ( 4 , 47 )( 1 , 028 ..) 76 , 34 .On a ainsi
µ 61 , 80 ; 76 , 34
avec un niveau de confiance de 95%.
Théorème :
est
p
Si n 30, n 5 et n(1- p ) 5, alors l’intervalle de confiance de
p z S
/2 ; p z S
/2
où
P P
p (1 p )
S Lorsque n ≤ 0,05 N peu importe le type de tirage et la taille de la population
P n
p (1 p ) N n Lorsque n > 0,05 N lors d’un tirage sans remise d’une population finie.
S
P n N 1
z
/2
n 2
E
Remarque:
Dans le cas où la distribution n’est pas normal alors la valeur minimale de n sera 30
afin de pouvoir appliquer le théorème central limite
n 9 ,8
5
Comme la taille n doit être entière, la taille de l’échantillon sera 10.
Théorème:
La taille de l’échantillon est:
z2
/2 p 1 p
n
E 2
Où z / 2 est la valeur de la variable Z telle que P ( Z z / 2 ) 1 , le risque d’erreur, p
2
la valeur estimée ponctuelle de la proportion, et E l’erreur maximale de l’intervalle de
confiance.
2 2 4
2
z
n /2
2E