Cours S3

Télécharger au format pdf ou txt
Télécharger au format pdf ou txt
Vous êtes sur la page 1sur 35

27/11/2020

Échantillonnage et
Estimation

Consulter les séances des Cours et TD sur


10:28 https://www.facebook.com/ecours/ 1

Concepts fondamentaux de l’échantillonnage


• L’échantillonnage consiste à tirer des informations d’une fraction
d’une population, de façon à tirer des conclusions au sujet de
l’ensemble de la population.
• Son objectif est de fournir un échantillon représentatif de la
population et générer des principales caractéristiques de la
population étudiée

10:20 https://www.facebook.com/ecours/ 2

https://www.facebook.com/ecours/ 1
27/11/2020

Méthodes d'échantillonnage
oAléatoire
• Chaque personne ou objet de la population a la
même probabilité de faire partie de l’échantillon
puisqu'ils sont tous prélevé au hasard.

10:20 https://www.facebook.com/ecours/ 3

Méthodes d'échantillonnage
oSystématique
• Chaque élément qui compose l'échantillon est
choisi de façon régulière, selon un intervalle
régulier, à l'intérieur de la population ciblée.

• Taille population=17
• Taille échantillon =4

• On calcule le rapport
Taille population 17 4,25
= = Régulière
Taille échantillon 4
uniforme

10:20 https://www.facebook.com/ecours/ 4

https://www.facebook.com/ecours/ 2
27/11/2020

Méthodes d'échantillonnage
o Stratifié
• En se basant sur une caractéristique de la population ciblée,
on la divise d'abord en strates (sous-groupes) pour ensuite
sélectionner de façon aléatoire des membres de chacune
des strates en respectant leur proportionnalité dans la
population.

• Le choix selon le rapport:


Taille échantillon
Taille population

Taille échantillon 8 1
= =
Taille population 16 2

Couches
https://www.facebook.com/ecours/
10:20 5

Théorème
• La variable aléatoire X qui suit une loi normale
sur la population :
• Soit un échant
• la variable aléatoire d’un échantillon de taille population infini
n suit également une loi normale. cette population
 une loi de proba
E( X i )    m  (X )  V (X ) 
n alors la moyenne
2 ayant les caracté
V (X ) 
n

la population échantillon

10:20 https://www.facebook.com/ecours/ 6

https://www.facebook.com/ecours/ 3
27/11/2020

L’espérance de la V.A moyenne d’échantillonnage


• Propriété 1
• Soit X1,X2,…, Xn un échantillon de taille n, relatif
à la V.A. parente X.
• L’espérance de la V.A moyenne
d’échantillonnage est égale à la moyenne de la
population μ
E( X i )  E( X i )  E( X )  m  

x2
x3
x1
X4 ................. xn
10:20 https://www.facebook.com/ecours/ 7

• La moyenne des n valeurs de l'échantillon est :


X 1  X 2  .............  X n1  X n
X 
n
D'après la propriété de linéarité de l'espérance :
 X  X 2  .............  X n1  X n 
E X   E 1 
 n 
E X   E  X 1  X 2  .............  X n1  X n 
1
n
E X   E  X 1   E  X 2   .............  E  X n1   E  X n 
1
n
E X   m  m  ....................................  m  m
1
n n fois

E X   nm  m
1 m
n
 n X  1  n  1 n
E X   E   i   E   X i    E  X i   nm  m
1
 1 n  n  1  n 1 n
10:20 https://www.facebook.com/ecours/ 8

https://www.facebook.com/ecours/ 4
27/11/2020

Variance de la V.A
• Propriété 2
• Soit X1,X2,…,Xn un échantillon aléatoire simple de
taille n éléments prélevés au hasard dans la
population. La variance de la la variable aléatoire
de l’échantillon est égale à la variance de X divisée
par la taille n de l’échantillon:
2
V(X ) 
n

 X   V X  
10:20 https://www.facebook.com/ecours/
n 9

• D'après les propriétés de la variance :


V X   V  X1   V  X 2   .............  V  X n1   V  X n 
1
n2
Avec V ( X i )   2

V X   2  2   2  ...........................   2   2
n
1

n fois

on a: V X  
1
2
n 2
n 2  

V X  
n

 X   V X  
n
10:20 https://www.facebook.com/ecours/ 10

https://www.facebook.com/ecours/ 5
27/11/2020

Théorème 1
• Soit X La variable aléatoire qui suit une loi
quelconque sur la population avec E(X) = m et
(X) = 
• Pour un échantillon (tirages avec remise ou
population infinie ) de taille n, la variable
aléatoire X suit une loi normale :

10:20 https://www.facebook.com/ecours/ 11

Exemple :
La Moyenne des notes obtenues en mathématiques à la faculté
pour l'année 2016 est : m =10,25
Écart-type :  = 1,5
Un groupe GA est composé de 100 étudiants prélevés par tirages
avec remise.

1. Déterminer la loi de la variable aléatoire X ?


2. Déterminer la loi de la variable aléatoire de l’échantillon ?
3. Calculer la probabilité pour que la moyenne du groupe GA soit
Supérieure ou égale à 10 ?

PX  10

10:20 https://www.facebook.com/ecours/ 12

https://www.facebook.com/ecours/ 6
27/11/2020

1. la variable aléatoire X est distribué normalement


avec une moyenne   10,25 et un écart type   1,5:
X ~ N ;  X ~ N 10,25 ; 1,5
2. la loi de la variable aléatoire X
  
• (Théorème 1) X ~ N  ; 
 n
• la moyenne de l’échantillon de m=µ =10,25
Écart-type de l’échantillon est: 
n


X ~ N 10,25;
1,5 
 X ~ N 10,25;0,15
 100 

10:20 https://www.facebook.com/ecours/ 13

Passage de La loi normale vers La loi normale centrée réduite T ~ N 0;1

X  X  10,25
T T
 1,5
n 100

 
 
X  10,25 10  10,25 
P  X  10   P 
 1,5 1,5 
 
 100 100 

10:20 https://www.facebook.com/ecours/ 14

https://www.facebook.com/ecours/ 7
27/11/2020

 
 

P  X  10  P  T    P T  1,67 
10 10 , 25
 1,5 
 
 100 
PX  10  PT  1,67  PT  1,67  0,95254  95,254

la probabilité pour que la moyenne de Le


groupe GA soit >=10 est de 95,254 %
10:20 https://www.facebook.com/ecours/ 15

Théorème 2
• Soit X La variable aléatoire qui suit une loi
quelconque sur la population de taille N avec
E(X) = m et (X) = .
• Pour un échantillon (TIRAGE SANS REMISE
OU EXHAUSTIF ) de taille n:
• si le Taux de sondage n/N < 0,1=10% la
variable aléatoire X suit une loi normale :

• si n/N >= 0,1=10%, la variable aléatoire X suit


une loi normale :

Facteur d’exhaustivité
10:20 https://www.facebook.com/ecours/ 16

https://www.facebook.com/ecours/ 8
27/11/2020

Exemple :
La Moyenne des notes obtenues en probabilité à la faculté pour l'année
2015 est : m =10,25
Écart-type :  = 1,5
Un groupe GB de 100 étudiants est tiré sans remise d’une classe de 500
étudiants.

1. Déterminer la loi de la variable aléatoire X ?


2. Déterminer la loi de la variable aléatoire de l’échantillon ?
3. Calculer la probabilité pour que la moyenne du groupe GB soit
inférieure ou égale à 10,5?

PX  10,5

10:20 https://www.facebook.com/ecours/ 17

• Taux de sondage n/N=100/500=0,2>0,1


• Donc on fait la correction avec le facteur d’exhaustivité
• (Théorème 2)   N n 
X ~ N  ;  
 n N  1 
• la moyenne de l’échantillon de m=µ =10,25
• Écart-type de l’échantillon est:   N  n
n N 1
 1,5 500  100 
X ~ N 10,25;   X  N 10,25;0,12
•  100 500  1 
Passage de La loi normale vers La loi normale centrée réduite T  N 0;1
X 
T
 N n

10:20 n N 1 https://www.facebook.com/ecours/ 18

https://www.facebook.com/ecours/ 9
27/11/2020

 10,5  10,25 
PX  10,5  P T    PT  2,08
 0,12 
PX  10,5  PT  2,08  PT  2,08  0,98124

la probabilité pour que la moyenne de Le


groupe A soit <=10,5 est de 98,124 %
10:20 https://www.facebook.com/ecours/ 19

Exercice 3
• Les masses des paquets des pièces envoyées à un client sont
distribuées avec une moyenne de 300 kg et un écart-type de 50 kg.
• Un échantillon de 25 paquets est envoyé au hasard.

1. Soit X la variable aléatoire associe la masse des paquets.


2. Déterminer la loi de la variable aléatoire X
3. Déterminer la loi de la variable aléatoire qui est à chaque échantillon
de 25 paquets associe la masse moyenne des paquets sachant que le
tirage de l'échantillon soit réalisé par le tirage avec remise.
4. La probabilité pour que la masse de paquet reçu au hasard dépasse la
limite de 328 kg
5. Déterminer la loi de la variable aléatoire qui à chaque échantillon de
25 paquets associe la masse moyenne des paquets sachant que le
tirage de l'échantillon soit réalisé avec un tirage sans remise d’une
population de 200 paquets.

10:20 https://www.facebook.com/ecours/ 20

https://www.facebook.com/ecours/ 10
27/11/2020

10:20 https://www.facebook.com/ecours/ 21

10:20 https://www.facebook.com/ecours/ 22

https://www.facebook.com/ecours/ 11
27/11/2020

10:20 https://www.facebook.com/ecours/ 23

La proportion dans un échantillon


• Théorème
• une population sur laquelle on étudie un caractère
A répandu avec une proportion p.
• On prélève, au hasard, un échantillon.
• On note F la fréquence du caractère A dans
l'échantillon.
• Alors la variable aléatoire F suit approximativement
une loi normale :
Tirage avec remise Tirage sans remise

 pq   pq N n 
F  N  p;  F  N  p;  
 n   n N  1 
à condition que la taille de l’échantillon n soit supérieure ou égale à 30 (n >= 30) et
le produit n p >= 5.
10:20 https://www.facebook.com/ecours/ 24

https://www.facebook.com/ecours/ 12
27/11/2020

• La loi de X est B(n, p).


X
• La variable aléatoire F  n correspond ainsi à la fréquence
de l'attribut A dans l'échantillon
• D'après les propriétés de l'espérance et de l'écart-type :
• les Xi suivent des lois de Bernoulli B(p)

10:20 https://www.facebook.com/ecours/ 25

Exemple :
• Dans Une élection, un candidat a eu 30 % des voix.
• On prélève un échantillon de 100 bulletins de vote.

• Quelle est la probabilité , dans l'échantillon pour


que, le candidat ait entre 25 % et 35 % des voix ?

• n = 100 et p = 0,3. La variable aléatoire F


correspondant à la fréquence des votes pour le
candidat dans l'échantillon vérifie donc :
 pq
F  
n n
10:20 https://www.facebook.com/ecours/ 26

https://www.facebook.com/ecours/ 13
27/11/2020

à condition que la taille de l’échantillon n soit supérieure ou égale à 30 (n >= 30) et


le produit n p >= 5.
n=100 bulletins > 30 ET nxp=100x0.3=30 > 5

• T  N(0 ; 1). Nous obtenons alors par centrage


et réduction :
 pq   0,3  0,7 
F ~ N  p;  F ~ N  0,3;  F  N 0,3;0,046
 n   100 
P0,25  F  0,35  Pt1  T  t2 

Fp 0,35  0,3


0,25  0,3 T 
t2   1,09
t1   1,09 
0,046 0,046
n

10:20 https://www.facebook.com/ecours/ 27

P0,25  F  0,35  P 1,09  T  1,09


P0,25  F  0,35  2P1,09  1
• Et par lecture directe de la table de la loi
normale centrée-réduite
• P(1,09) = 0,8621.
P0,25  F  0,35  2  0,8621  1  0,7242

• Il y a entour 72,42% de chance que, dans un


échantillon de taille n = 100, le candidat ait
entre 25 % et 35 % des voix.
10:20 https://www.facebook.com/ecours/ 28

https://www.facebook.com/ecours/ 14
27/11/2020

L'estimation
• L'objectif de L'estimation est de répondre à la
problématique suivante : comment, à partir de la
moyenne, l’écart-type ou la proportion) calculées sur
un échantillon, on estime celles d'une population
entière?

échantillon
e  X Estimation  population
e 
• Nous distinguerons deux cas :
• on cherche à estimer la moyenne µ (ou m) d'une
variable aléatoire définie sur une population
• on cherche à estimer la proportion d'individus p ayant
tel caractère dans la population.
10:20 https://www.facebook.com/ecours/ 29

Estimation d'une moyenne


1. Estimation ponctuelle
• On considère une variable aléatoire X sur une
population de moyenne µ (ou m) inconnue et
d'écart-type  inconnu ou connu.
• On prélève un échantillon de taille n sur lequel
on a calculé la moyenne µe et l'écart-type e.
• X (ou µe) est une estimation ponctuelle « de la
moyenne µ (ou m) de la population est :
 n X  1  n  1 n
E X   E   i   E   X i    E  X i   nm  m
1
 1 n  n  1  n 1 n
10:20 https://www.facebook.com/ecours/   e 30

https://www.facebook.com/ecours/ 15
27/11/2020

L’estimation ponctuelle (S) de l'écart-type  de la population


ˆ
Cas d’une population de distribution inconnue (écart type inconnu)
Pour une population de distribution de probabilité inconnue (écart
type inconnu), on utilise la quasi-variance V’ = S² comme estimation
de la variance de la population.
• Une estimation ponctuelle S  ̂ de l'écart-type de la population
est:
n
S  ˆ  V '  e Le coefficient de
n 1 correction de biais

S  écart-type estimé :écart-type plus près de l’écart de la population

 x   xi  X 
2
2
X n
V   e2 
i
S  V '
2
 e2 
n n 1 n 1
10:20 https://www.facebook.com/ecours/ 31

variance σ2 est connue

Passage de La loi normale vers La loi normale centrée réduite

https://www.facebook.com/ecours/ 32

https://www.facebook.com/ecours/ 16
27/11/2020

Exemple d’application
• Concernent l’automatisation des grandes
entreprises, on a trouvé que un écart-type de 3,2
ans.   3,2 ans
• On prélève un échantillon de 64 entreprises de
l’ensemble. La moyenne de l’échantillon est de
12,4 ans
1) Donner une estimation ponctuelle de la moyenne
et de l’écart-type
  E( X )  12,4 ans L’estimation ponctuelle de la moyenne

  3,2 ans σ de la population est connue

10:20 https://www.facebook.com/ecours/ 33

2) Probabilité que l’âge moyen soit inférieur à


11,8 années ?
 3,2
σ de la population est connue implique que X    0,4 ans
n 64

10:20 https://www.facebook.com/ecours/ 34

https://www.facebook.com/ecours/ 17
27/11/2020

3) Probabilité que l’âge moyen se trouve entre


11,4 et 13,4 années ?

10:20 https://www.facebook.com/ecours/ 35

variance σ2 est inconnue


(σ de la population est inconnu)
• Si la variance σ2 est inconnue, alors un grand
échantillon (n ≥ 30) permet de déduire une
valeur fiable de variance de l’ échantillon  e2
 x  X 
2
i
V   2
e
n
n n  xi  X  2

V ' S 2   e2   Quasi Variance


n 1 n 1 n
 x  X 
2
i Variance plus près de la Variance de la population
V ' S 2
  2
n 1

 x  X 
2
n 2 n
S
i
S e  e
n 1 n 1 n 1
Ecart type estimé plus près de la Variance de la population
10:20 https://www.facebook.com/ecours/ 36

https://www.facebook.com/ecours/ 18
27/11/2020

(Utilisation de l’Ecart type estimé)

n
S e
n 1

10:20 https://www.facebook.com/ecours/ 37

Exemple d’application
• Concernent l’automatisation des grandes
entreprises, on a prélève un échantillon de 64 de
l’ensemble d’entreprises.
• La moyenne de l’échantillon est 12,4 ans
• L’écart-type de l’échantillon est 3 ans
1) Donner une estimation ponctuelle de  et  ?
  E( X )  12,4 ans
n 64
S e   3  3,024
n 1 63
  S  3,024
10:20 https://www.facebook.com/ecours/ 38
Estimation des vraies caractéristiques la moyenne et de l’écart-type de la population.

https://www.facebook.com/ecours/ 19
27/11/2020

• Exemple :
• un section comprend 500 individus. On mesure le poids de
n=36 d'entre eux. La moyenne  e et l'écart-type e calculés à
partir de cet échantillon sont :
• e = 65 Kg et e = 3 Kg
• Nous pouvons donc estimer les paramètres de la population :

  X  65Kg
n 36
S  ˆ  e   3  3,043Kg
n 1 35
Estimation des vraies caractéristiques la moyenne et de l’écart-type de la population.

  S  3,043

10:20 https://www.facebook.com/ecours/ 39

• Exemple :
• un section comprend 500 individus. On mesure le poids de
n=36 d'entre eux. La moyenne  e et l'écart-type e calculés à
partir de cet échantillon sont :
• e = 65 Kg et e = 3 Kg
• Probabilité que le poids moyen soit supérieur à 66.5 Kg ? :
  X  65Kg   S  3,043

 
 
X   66,5  65 
PX  65,5  P   PT  2,96
 S 3,043 
 
 n 36 
 1  PT  2,96   1  0,9985
 0,0015
10:20 https://www.facebook.com/ecours/ 40

https://www.facebook.com/ecours/ 20
27/11/2020

Estimation par intervalle de confiance


• On considère une population de moyenne m
inconnue et l'écart type est connu ( ). On veut
estimer la moyenne m de la population à partir
d'un échantillon de taille n de moyenne X  e

• On sait que X suit approximativement une loi


  
N ~ X, 
 n
X m
Donc la variable aléatoire T définie par : T 


n
10:20 https://www.facebook.com/ecours/ 41

• intervalle de confiance à 1-α % :


• La probabilité que la moyenne m appartienne à cet intervalle soit
égale à α où αϵ [0 ; 1].
• 1-α est le coefficient de confiance et α est le seuil
• On fixe La probabilité à 1-α et on cherche les extrémités (– t) et (t)
P t  T  t   1  
P t  T  t   2 Pt   1  1  
1 1 
 Pt    1
2 2 
1    95%    5%  0,05 
 0,05
P t   1   1   0,975
2 2
t   t0, 975  1.96 Lecture inverse
1
2

 
P  t   T  t    1  
 1 2
10:20
1
2  42

https://www.facebook.com/ecours/ 21
27/11/2020

L'intervalle de confiance de la moyenne m avec un coefficient de confiance de α

 
P  t   T  t   1 La probabilité
 1 2 

1


2
 On borne le m
 X m 
P  t  t   1  
 1

 1

 n
 
2 2

 n 
   
P  t   X mt   1  1
 n
1 
2 n 1
2

       
P t  m  X  t   1    P  t  m X t   1
 n  n
  1 
1
2 n 1
2 2 n 1
2

   
P X  t  m X t   1 X
 n
1 
2 n 1
2

    
P m   X  t
  1

2 n
;X t
1

2
  1
n 
10:20 https://www.facebook.com/ecours/ 43

• Utilisation des valeurs estimées ponctuellement


• L'intervalle de confiance de la moyenne m obtenu
est:

   
IC   e  t ; e  t
 1 
2 n 1 
2 n

e  X

10:20 https://www.facebook.com/ecours/ 44

https://www.facebook.com/ecours/ 22
27/11/2020

l'écart-type  de la population est connu

• l'écart-type  de la population est connu, il n'y


a rien à faire .
• L'intervalle de confiance de la moyenne m

   
IC   e  t  ; e  t 
 1
2 n 1
2 n 

10:20 https://www.facebook.com/ecours/ 45

l'écart-type  de la population est inconnu


Cas d’un échantillon d’effectif supérieur ou égal à 30 (n >= 30) :
X suit approximativement la loi normale
• l'écart-type  de la population n'est pas connu
• Si l'écart-type S de la population n'est pas connu, on le
remplace par son estimation ponctuelle :
 S S 
IC   e  t ; e  t
 1
2 n 1
2 n  

• Nous pouvons donc estimer avec une confiance de 95


% (ou 99 % selon le cas) que la moyenne m de la
population appartient à l'intervalle :
 e e 
IC   e  t ; e  t
n  1 
n
ˆ  S  e
n 1  1
2

n 1 1 
2
10:20 https://www.facebook.com/ecours/ 46

https://www.facebook.com/ecours/ 23
27/11/2020

• Exemple :
• Une établissement de 1500 étudiants on a
mesuré le poids de 40 étudiants. La moyenne
e et l’écart-type  calculé à partir de cet
échantillon est : e = 65 Kg et σe =3Kg .
• Donner L’estimation ponctuelle des
paramètres de la population?
• Déterminer L'intervalle de confiance de la
moyenne à 95% de confiance?

10:20 https://www.facebook.com/ecours/ 47

Exemple
• L’estimation ponctuelle des paramètres de la
population :
ˆ  e  65Kg

n 40
ˆ  e   3  3,038Kg
n 1 39

10:20 https://www.facebook.com/ecours/ 48

https://www.facebook.com/ecours/ 24
27/11/2020

• intervalle de confiance de la moyenne à 1-α=95 %


n  40  30  X suit approximativement une loi normale

 ˆ ˆ 
IC   e  t  ; e  t 
 1
2 n 1
2 n 
ˆ  e  65Kg

PT  t   2 Pt   1  1  
 0,05
 Pt   1   1  0,975
2 2
t   t0,975  1.96
1
2
10:20 https://www.facebook.com/ecours/ 49

• intervalle de confiance de m à 95 %
ˆ  e  65Kg ˆ  n  e  40  3  3,038Kg
n 1 39
 ˆ ˆ 
IC  e  t0,975 ; e  t0,975 
 n n
 3,038 3,038 
IC  65  1,96  ;65  1,96  
 40 40 
 3,038 3,038 
IC  65  1,96  ;65  1,96 
 6,325 6,325 

IC  65  1,047;65  1,047

IC  63,953;66,047
10:20 https://www.facebook.com/ecours/ 50

https://www.facebook.com/ecours/ 25
27/11/2020

l'écart-type  de la population est inconnu


Cas d’un échantillon d’effectif inférieur à 30 (n <30) :

• l'écart-type  de la population est inconnu et


n<30 donc X suit un loi de student de degré
n-1 ( t ,n 1 est calculé depuis la table de loi
de student)
• on le remplace par son estimation ponctuelle :
n
ˆ  S  e
n 1
Intervalle de confiance à 1-α %
 ˆ ˆ 
IC   e  t ,n 1 ; e  t ,n 1 
10:20
 n n
https://www.facebook.com/ecours/ 51

• Exemple :
• Une université comporte 1500 étudiants.
• On mesure le poids de 20 étudiants. La
moyenne e et l'écart-type e calculés à partir
de cet échantillon sont :
• e = 65 Kg et e = 3 Kg

10:20 https://www.facebook.com/ecours/ 52

https://www.facebook.com/ecours/ 26
27/11/2020

• intervalle de confiance à 95 %
• l'écart-type  inconnu et n=20<30 donc X suit la loi
de student de degré n-1 (t est calculé depuis la
table de la loi de student)
•  ˆ ˆ 
IC   e  t ,n 1 ; e  t ,n 1 
 n n
• 1-α=95 % α=0,05
• et n=20
• degré n-1=20-1=19

t ,n1  t0.05,19  2.093


10:20 https://www.facebook.com/ecours/ 53

• intervalle de confiance à 95 %
• l'écart-type  inconnu et n=20<30 donc X suit la loi de
student de degré n-1 (t est calculé depuis la table de la
loi de student ) PT  t   2 Pt   1  1  

 Pt   1  t
• 2 1

2

 ˆ ˆ 
IC   e  t  ; e  t  
1 , n 1 1 , n 1
 2 n 2 n
• 1-α=95 % α=0,05
• et n=20
• degré n-1=20-1=19

t   t0.975,19  2.093
1 , n 1
2

10:20 https://www.facebook.com/ecours/ 54

https://www.facebook.com/ecours/ 27
27/11/2020

• intervalle de confiance à 95 % avec n<30


ˆ  e  65Kg ˆ  n  e  20  3  3,078Kg
n 1 19

 ˆ ˆ 
IC   e  t ,n 1 ; e  t ,n 1 
 n n

 3,078 3,078 
IC  65  2.093  ;65  2.093  
 20 20 

IC  63.56;66.44

10:20 https://www.facebook.com/ecours/ 55

Estimation d'une proportion


• Estimation de p.
• F est une variable aléatoire de proportion des
individus ayant une certaine caractéristique, dans
l’échantillon.
• L’estimateur sans biais de p est

• Avec E(F)=f=pe la proportion de l’échantillon.
• Une estimation ponctuelle de l'écart-type  est :
 
  f (1  f )   pe (1  pe )

 p (1  pe )
10:20 X   e
n n https://www.facebook.com/ecours/ 56

https://www.facebook.com/ecours/ 28
27/11/2020

L’intervalle de confiance de la proportion


• Estimation par intervalle de confiance
Si n est grand, n >= 30, np>=5 et n(1-p) >=5

l’intervalle de confiance de niveau α sur p

 pe (1  pe ) pe (1  pe ) 
IC   pe  t  1 ; pe  t  1 
 2 n 2 n 

10:20 https://www.facebook.com/ecours/ 57

Exemple :

• À quelques jours d'une élection, un candidat a


effectué un sondage. Sur les 150 personnes
interrogées, 50 a voté pour lui aux prochaines
élections.
1. Déterminer l'intervalle de confiance de la proportion
à 95% de confiance?
50
On estime la proportion pe   0,3
150
10:20 https://www.facebook.com/ecours/ 58

https://www.facebook.com/ecours/ 29
27/11/2020

• Estimation par intervalle de confiance


l'intervalle de confiance de la proportion à 1-α=95%
de confiance:
pe (1  pe ) 0.3  (1  0.3)
n >= 30, np>=5 et n(1-p) >=5   0.037
n 150
150>= 30, 0,3X150>=5 et 0,7X150 >=5
1    0,95    0,05 ou t 1
0 , 05
t 0 , 975
 1,96
2

 pe (1  pe ) pe (1  pe ) 
IC   pe  t 1 
; pe  t 1  
 2 n 2 n 
 0.3  (1  0.3) 0.3  (1  0.3) 
IC  0,3  1,96  ;0,3  1,96  
 150 150 
IC95%  0,3  1,96  0,037;0,3  1,96  0,037
10:20
IC  0,227;0,373
https://www.facebook.com/ecours/ 59

Estimation par intervalle d’une variance


• dans le cas d’une population qui suit une loi
normale

• Cas ou m est connu

(1- α)/2 α+(1- α)/2= (α+1)/2

La probabilité α est trouvée entre les deux bornes a et b

10:20 60

https://www.facebook.com/ecours/ 30
27/11/2020

Estimation par intervalle d’une variance

1 1
2 2

La probabilité α est trouvée entre les deux bornes a et b


L’intervalle de confiance de La variance au niveau α est:

 2 2

 nS ; nS   nS 2
 
2 nS 2
 S
n
   S
n
 b1 a1  b1 a1 b1 a1
 2 , n 2
,n 
 2
,n
2
,n
2
,n
2
,n

10:20 61
a et b sont lus dans la table de La loi du Khi-Deux

Estimation par intervalle d’une variance


• dans le cas d’une population qui suit une loi
normale

• Cas ou m est inconnu

L’intervalle de confiance de La variance au niveau α est:

 
 n  1S ; n  1S 
2 2

 b1 a1 
 2 , n 1
2
, n 1

10:20 62

https://www.facebook.com/ecours/ 31
27/11/2020

Estimation par intervalle d’une variance

m est inconnu
L’intervalle de confiance de La variance au niveau α=95% est:

α=95% :Les deux valeurs de probabilité des deux bornes b


et a avec degré de liberté n-1 dans la table sont:

b 1- 
, n 1
b 0 ,0 2 5; 1 5
2

10:20
a 1 
, n 1
a 0 ,9 7 5 ;1 5 63
2

α=95% :Les deux valeurs de probabilité des deux bornes b


et a avec degré de liberté n-1 dans la table sont:
a b
b  27,488
0,025; 15
b1- 
, n 1
0,025; 15
0,975;15

a 1
, n 1
a 0,975;15  6,262
2

ICv95%=

10:20 https://www.facebook.com/ecours/ 64

https://www.facebook.com/ecours/ 32
27/11/2020

• Dans un grand lot des disques, on a prélevé au hasard 19


pièces dont on vérifie le diamètre.
• la moyenne de population µ=4.9 mm (diamètre)
• On trouve l’estimations ponctuelle de l'écart type S=0.21 mm
1. Estimer par un intervalle de confiance de la variance à 90%?

10:20 https://www.facebook.com/ecours/ 65

Estimation par intervalle d’une variance


nS 2 19 S 2
m est connu ~  n  
2
~  2 19 
 2
 2

L’intervalle de confiance de La variance au niveau α=90% est:


 2

 nS nS 2 
;
 b1 a1 
 2 ,n
 2
,n 

α=90% :Les deux valeurs de probabilité des deux bornes b


et a avec degré de liberté n-1 dans la table sont:

a 1 
,n
a 1 0 ,9
, 19
 a0,95;19  10,117
2 2

b 1- 
,n
a 1 0 ,9
, 19
 b0,05;19  30,144
2 2

10:20 66

https://www.facebook.com/ecours/ 33
27/11/2020

 2 2

a 1  a 1 0 ,9  a0,95;19  10,117  nS
;
nS 
 b1 a1 
, 19 , 19
2 2

b a  b0,05;19  30,144
1- 
2
, n 1
1 0 ,9
2
, 19
 2 , n 2
,n 

19  0,21 19  0,212 
2

IC90%  ; 
 b0, 05, 19 a0, 95, 19 
19  0,212 19  0,2022 

10,117 
IC90% ;
 30,144
L’intervalle de confiance de La variance au niveau α=90% est

ICv90%  0,028 ; 0,083


L’intervalle de confiance de l’écart type au niveau α=90% est

IC 90%  0,17 ; 0,29


10:20 https://www.facebook.com/ecours/ 67

• Exercice 4
• Une entreprise produit en grande quantité des pièces
destinées à l'industrie. Elle assure que les lots ont une
proportion de 2 % pièces défectueuses.
• Le lot est accepté par le contrôle de production, si
l'échantillon contient plus de 12 pièces défectueuses sur
400 :

1. Déterminer la loi de la variable aléatoire X
2. Déterminer la loi de la variable aléatoire F
3. Déterminer la probabilité que le lot testé, soit accepté.
• ID: π (1.34) = 0.9099; π (1.43) = 0.9236; π (1.95)=0.9744

10:20 https://www.facebook.com/ecours/ 68

https://www.facebook.com/ecours/ 34
27/11/2020

Estimation par intervalle d’une variance

m est inconnu
L’intervalle de confiance de La variance au niveau α=95% est:

α=95% :Les deux valeurs de probabilité des deux bornes b


et a avec degré de liberté n-1 dans la table sont:

a 1-   a 0,025  6,262
2

b1  b0,975  27,488


2

10:20 69

• intervalle de confiance à 95 %
• l'écart-type  inconnu et n=20<30 donc X suit la loi de
student de degré n-1 (t est calculé depuis la table de la
loi de student ) PT  t   2 Pt   1  1  

 Pt   1  t
• 2 1

2

 ˆ ˆ 
IC   e  t  ; e  t  
1 , n 1 1 , n 1
 2 n 2 n
• 1-α=95 % α=0,05
• et n=20
• degré n-1=20-1=19

t   t0.975,19  2.093
1 , n 1
2

10:20 https://www.facebook.com/ecours/ 70

https://www.facebook.com/ecours/ 35

Vous aimerez peut-être aussi