Rsum

Noubliez jamais que le 1er professeur de la personne cest lui mme.

Surtout Bien Dormir, Et Bien Manger
 Rsum sur
LEchantillonnage

Mohamed BARRADI
med.barradi@gmail.com.

19 avril 2014
Table des matires

1 Echantillonnage 2
1 Population - Echantillon . . . . . . . . . . . . . . . . . . . . . 2
1.1 Population . . . . . . . . . . . . . . . . . . . . . . . . . 2

1.2 Echantillon . . . . . . . . . . . . . . . . . . . . . . . . 2
1.3 Interprtation . . . . . . . . . . . . . . . . . . . . . . . 2
1.4 Type des chantillons : . . . . . . . . . . . . . . . . . . 4
2 Les distributions dchantillonnage. . . . . . . . . . . . . . . . 4
2.1 Importance des distrubutions dchantillonnage. . . . . 4
2.2 Distributions dchantillonnage de la Moyenne X : . . . 4
2.3 Distribution dchantillonnage de la Variance S 2 : . . . 6

2.4 Distributions dchantillonnage de la Proportion F : . . 7

3 Champ dapplication : . . . . . . . . . . . . . . . . . . . . . . 7
3.1 Principe . . . . . . . . . . . . . . . . . . . . . . . . . . 8
3.2 Application sur la distribution dchantillonnage dune
moyenne (Exercice 1 TD2) . . . . . . . . . . . . . . . . 8
4 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11

1
1. Echantillonnage

Dans cette partie, nous allons faire connaissance aux caractristiques dune
population de taille N (ou inconnue), et comment on peut extraire un echan-
tillon c--dire les types des chantillons possibles , leurs caracteristiques et
la relations entres celles du population et celles des chantillons.

1 Population - Echantillon
1.1 Population

Soit une population de taille N et on sinteresse ltude dun caractre X

(Poids, Age, Salaire, .....) et on obtient des valeurs Xi
:

1.2 Echantillon

Comme tout le monde le sait, il nest pas toujours possible dtudier un

caractre X sur toute la population, donc on va extraire juste un chantillon
et on cherche des informations sur lui.

1.3 Interprtation

2
Sur un population on peut avoir sa moyenne m, sa variance (Ecart-type)
( ); Ou sa proportion p:
De mme pour lechantillon il y a sa moyenne x; sa variance (Ecart-type) s2 (s);
Ou sa frquence f:

2
1 Population - Echantillon 3

Exemple : On cherche tudier le poids chez les lles inscritent la facult

A (Aaa 7chemet ngoul Ain Sebaa :D). Alors on a pris un chantillon de
taille 20 est on a obtenu ces rsultats par Kg :

67.5 58.2 75.6 98.3 54.1 66.8 61.06 89.4 61 78.6

Alors la moyenne du poids de lechantillon est

1 X
10
x = xi
10 i=1
= 71:056

Et sa variance est

1 X
10
2
s = (xi x)2
10 i=1
= A Calculer
2 Les distributions dchantillonnage. 4

1.4 Type des chantillons :

Dans notre cours, nous allons travailler sur lchantillonnage alatoire

simple, avec deux cas :

1. Non Exaustif : Avec Remise car la taille de la population est grande.

2. Exaustif : Sans Remise car la taille de population est nie.

2 Les distributions dchantillonnage.

2.1 Importance des distrubutions dchantillonnage.

Limportance de cette partie, cest tout simplement rpondre la question

suivante : Comment on peut avoir des informations sur lchantillon
partir des donnes de la population ?

Le verse versa sera dans la partie destimation, cest elle qui va rpondre la
question : comment partir dune tude sur lchantillon on peut avoir une
ide sur la population ?

Puisque on a trois caractristiques de population, alors on aura 3 types de

distributions dchantillonnage : Moyenne, Variance et Proportion.

2.2 Distributions dchantillonnage de la Moyenne X :

Soit une population, et soit X V.A telque E(X) = m et var(X) = 2 , et un

chantillon de taille n; Et on sait que la moyenne de lchantillon est

1X
n
X= Xi
n i=1

2
Alors puisque E(X) = m et var(X) = ; on a :
2 Les distributions dchantillonnage. 5

1. La moyenne de X :
E(X) = m:
2. La variance de X :
Pour la variance on a deux cas : (a dpend des types des chantillons)
(a) Non Exaustif : Avec Remise
2
V ar(X) =
n
X = p
n

(b) Exaustif : Sans Remise (Taille N sera donne)

2
N n
V ar(X) =
n N
r 1
N n
X = p
n N 1

3. La loi de X :
Pour la loi de X on a deux cas (a dpend de )
(a) Si (ou 2 ) connue (Donne) :
Non Exaustif : Avec Remise

X N (m; p )
n
X m
Donc T = N (0; 1)
p
n

Exaustif : Sans Remise

r
N n
X N (m; p )
n N 1
X m
Donc T = r N (0; 1)
N n
p
n N 1
2 Les distributions dchantillonnage. 6

2
(b) Si (ou ) inconnue (Non Donne) :
s
X N (m; p )
n
(Puisque est inconnue on la remplace par s)
X m
Donc T = s t(n 1) [Student de n 1 degret de Librt]
p
n

2.3 Distribution dchantillonnage de la Variance S 2 :

Soit une population, et soit X V.A telque E(X) = m et var(X) = 2 , et un

chantillon de taille n; Et on sait que la moyenne de lchantillon est
1X
n
2
S = (Xi X)2
n i=1

2
Alors puisque E(X) = m et var(X) = ; on a :

1. La moyenne de S 2 :
n 1
E(S 2 ) = 2
:
n
2. La variance de S 2 :
4
V ar(S 2 ) = 2(n 1)
n2
p 2
S2 = 2(n 1)
n
S2
3. La loi de n 2
:
Si X N (m; ) Alors
S2
n 2 n 1

n 1 :(Khi-deux n 1 degret de librt)

Et si X ne suit pas loi normale donc on peut rien dire.
3 Champ dapplication : 7

2.4 Distributions dchantillonnage de la Proportion F :

Soit une population, qui se dvise sur deux parties : A et A tel que P (A) = p
et P (A) = 1 p ; et un chantillon de taille n:
Soit Kn le nombre des indvidus qui ont levenement A.
Kn
F =
n
2
Alors puisque E(X) = m et var(X) = ; on a :

1. La moyenne de F :
E(F ) = p:
2. La variance de F :
(1 n)
V ar(F ) = p
rn
(1 n)
F = p
n
3. La loi de F :
Si Kn B(n; p) Alors
r
(1 n)
F N (p; p)
n

3 Champ dapplication :

Kifach ils ont ob-

Tout le monde va poser cette question :
tenu tout had l3ejeb ? !. Cest ce quon va voir dans
cette partie sur des petites populations par exemple de Taille 3 et des chan-
tillons de tailles 2.

Chaque problmatique contient partie Thorique et une autre Pratique.

Les donnes Thoriques cest ce quon a vu au dessus, et les donnes Pratiques
sont eux qui nous ont donn la partie thorique, et cest ce quon va voir
maintenant.
3 Champ dapplication : 8

3.1 Principe

Le principe se base sur ltude statistique des distributions concrnes (Moyenne

X; Variance S 2 ou la frquence F ) et prendre le maximum des informations
possibles, et pour cel nous allons passer par 8 tapes :

1. On dtrmine la variable alatoie X:

2. On Calcule lesprence et la variance de la population : E(X) = m et
V ar(X) = 2 .
3. Extraire tous les chantillons possibles (a dpend des types dechan-
tillonnage : Avec Remise/ Sans Remis).
4. Calculer la distrubution de chaque chantillon , ( = x la moyenne
de chaque chantillon par exemple).
5. On obtient une variable alatoire pour cette distribution .
6. On calcule les probabilits pour avoir un tableau de probabilit du
variable latoire .
7. On calcule
Xlesprence et la variance
X mathmatiques de la distrubution :
E( ) = i :pi et V ar( ) = ( i ) 2 :pi [E( )] 2
8. On compare maintenant avec les Rsultats Thoriques.

3.2 Application sur la distribution dchantillonnage dune moyenne (Exercice

1 TD2)

Nous avons une population de 3 indvidus (les cartes dans lurne : 10; 20
et 30), donc la taille de population N = 3. Dabord on doit dtrminer la
variable alatoire X.

1. Soit X une V.A qui dsigne le nombre marqu sur la carte.

(X) = f10; 20; 30g

2
2. Calculons E(X) = m et V ar(X) = .
3 Champ dapplication : 9

On a
1X 1 60
E(X) = m = xi = (10 + 20 + 30) = = 20
3 3 3
1X 1
V ar(X) = 2 : = (xi m)2 = (( 10)2 + 0 + (10)2 )
3 3
200
=
3
3. Notre echantillonnage ce base sur le tirage de 2 cartes sans remise
(Le cas de avec remise on va la voir dans nos sances de TD).
Il faut bien marquer deux choses : la taille de lchantillon n = 2; et le
type dechantillonnage : Sans remise (Exaustif).
Nous allons extraire tout les chantillons possibles :

On a obtenu dans ce cas 3 chantillons possibles.

4. Puisque on sintrsse la distribution de la moyenne, donc nous allons
calculer la moyenne de chaque echatillon :
Alors on a
1X 1X 1
E1 ! x1 = xi = xi = (10 + 20) = 15
n 2 2
1X 1X 1
E2 ! x2 = xi = xi = (10 + 30) = 20
n 2 2
1X 1X 1
E3 ! x3 = xi = xi = (20 + 30) = 25
n 2 2
3 Champ dapplication : 10

5. Comme on remarque on a obtenu une variable alatoire X i tel que

i 2 f1; 2; 3g
(X) = f15; 20; 25g
6. On va calculer maintenant la probabilit P (X = xi )
Alors on a

P (X = 15) = P (fX1 = 10; X2 = 20g ou fX1 = 20; X2 = 10g)

Xi ets la valeur du carte dans le ieme tirage.

P (X = 15) = P (X1 = 10; X2 = 20) + P (X1 = 20; X2 = 10)

= P (X1 = 10=X2 = 20):P (X2 = 20) + P (X1 = 20=X2 = 10):P (X2 = 10)

On peut remarqu que le 2eme tirge ninuance pas sur le 1er donc

P (X1 = 10=X2 = 20) = P (X1 = 10)

Donc

P (X = 15) = P (X1 = 10) P (X2 = 20) + P (X1 = 20) P (X2 = 10)

1 1 1 1 1
= + =
3 2 3 2 3
Par la mme mthode on obtient
1 1
P (X = 20) = ; P (X = 25) =
3 3
Donc on a
Echantillon Ei E1 E2 E3
xi 15 20 25
1 1 1
pi 3 3 3

7. Nous allons calculer lesprence

X et la variance
Xmathmatiques de la
distrubution : E(X) = xi :pi et V ar(X) = (xi ) 2 :pi E(X) 2
X 15 20 25
E(X) = xi :pi = + +
3 3 3
60
= = 20
3
4 Conclusion 11

X
V ar(X) = (xi ) 2 :pi E(X) 2

152 202 252

= + + 202
3 3 3
50
=
3
8. Maintenant nous allons faire la comparaison (F ra7eto 7it Salina : D)
La partie thorie dans le cas de la distribution dechatillonnage de la
moyenne "Sans remise (Exaustif)" dit que :

E(X) = E(X) = m

et
2
N n
V ar(X) =
n N 1
Alors
E(X) = E(X) = 20 obtenu dans ltape 1
200
2
N n 3 2
V ar(X) = = 3
n N 1 2 3 1
200 1 50
= =
6 2 3
Donc on peut voir, que les rsultats obtenues pratiquement sont les mme
obtenu par la thorie.

4 Conclusion

Jespre que ce rsum va vous aider un peu comprende le principe de

lchantillonnage, et vous devez apprendre par coeur les formules de la partie
thorique, et comprendre les tapes de la partie pratique.

Bon Courage