Chap Echantillonnage-Estimation
Chap Echantillonnage-Estimation
Chap Echantillonnage-Estimation
I. Echantillonnage
II. Estimation
Semestre 5
Année Universitaire 2020/2021
I. Echantillonnage :
Problématique : comment à partir d’informations (moyenne-écart -type ou
proportion) connues sur une population peut-on prévoir celles d’un
échantillon ?
Remarque :
On dispose d’une population sur laquelle est définie une variable aléatoire X
dont on connait l’espérance E(x) (ou la moyenne µ) et l’écart -type .
normale N(0,1)
Réponse :
Théorème central limite (version forte) TCL2:
Contexte : X variable aléatoire qui suit une loi quelconque sur la population
avec E(X)= µ et (X)=
Réponse : ici nous ne connaissons pas la loi sur la population mais l’effectif de
l’échantillon, n=35>30, nous allons pouvoir utiliser le TCL 2.
Posons on aura :
Conclusion :
Il y a environ 96% de chance que dans cette classe de ENCG S3, la moyenne des
notes de mathématique soit supérieur à10.
Réponse :
Posons
Exemple 4 :
Réponse
Ici nous avons n=100 ; p=0,4 la variable F correspond à la fréquence des votes
pour le candidat dans l’échantillon vérifié :
= N(0.4 ; 0.155)
Conclusion :
Il y a 69% de chance que dans l’échantillon de taille n=100, le candidat ait entre
35% et 45% des voix.
NB :
* si l’échantillon est prélevé sans remise dans une population finie on
Exercice 5
Les poids de 3000 étudiants sont distribués normalement avec une moyenne
de 68 kg et un écart type de 3 kg. On constitue, par tirages aléatoires, un
échantillon de 25 étudiants. On note X la variable représentant la moyenne
des poids d’un tel échantillon
Dans un échantillon aléatoire obtenu par tirage avec remise, l’écart –type
= = 0.6
Remarque : Les résultats étant très voisins nous prendrons, quelque soit la
méthode de constitution de l’échantillon =0,6 Kg
Notons
II. Estimation
-L’estimation permet alors, à partir des résultats observés sur l’échantillon, des
informations sur la population totale.
Définition :
-On est souvent amené à estimer quelque chose (valeur d’un produit, poids
d’un paquet…) cela peut consister à fournir une valeur qui, à notre avis est la
valeur réelle, on fait alors une estimation ponctuelle.
-Si l’estimateur a même moyenne que le paramètre à estimer, on dit que cet
estimateur est non biaisé. Dans le cas contraire on dit qu’il biaisé
Remarque :
Exemple d’application :
2/ de l’écart –type *
Nous allons raisonner en deux temps : une phase à priori (prévisionnelle) dans
laquelle on suppose que l’échantillon n’est pas encore prélevé et une phase
posteriori dans laquelle on suppose connue et et donc les estimateurs
et de la population.
Nous allons chercher un intervalle qui contient avec une confiance arbitraire
de 95% (risque de 5%) : cad chercher un rayon r tel que :
Donc
Posons
Donc =
Donc
Sur la taille :
On a Q(t)=0,975 t=1,96 (voir la table de la loi normale)
Donc t= =1,96
Donc r=t
Supposons maintenant que l’échantillon a été tiré. Nous obtenons donc une
représentation de la variable aléatoire .
IC= [ -t ; +t ]
estimation de e
donc
IC= [ -t ; +t ]
Exemple d’application :
Réponse :
Les paramètres de la population sont déjà estimés ponctuellement =176
cm et = 6,16 cm.
Théorème
Une estimation ponctuelle de la proportion p de A dans la population est :
= pe
Une estimation ponctuelle de l'écart-type est selon le cas :
Exemple d’application
À quelques jours d'une élection, un candidat fait effectuer un sondage. Sur les
150 personnes interrogées, 45 se disent prêtes à voter pour lui aux prochaines
élections.
Déterminer les estimateurs ponctuels et ?
Réponse
La proportion d'individus prête à voter pour ce candidat dans l'échantillon est
ici de pe = 45/150= 0,3.
Dans la population, on estime = pe = 0,3.
Et = = = 0,037
But :
Le fait que p soit inconnu n'est pas gênant dans les calculs a priori.
Nous le remplacerons, dans la phase a posteriori, par son estimation ponctuelle
de même pour l'écart-type .
i.e :
Donc
Exemple d’application :
A quelques jours d'une élection, un candidat fait faire un sondage. Sur les 150
personnes interrogées, 45 se disent prêtes à voter pour lui aux prochaines
élections.
Déterminer une estimation de p par intervalle de confiance à 80%.