Академический Документы
Профессиональный Документы
Культура Документы
____________
1 Le problème de l’échantillonnage
Il s’agit de déterminer des propriétés concernant des échantillons prélevés dans une
population donnée.
Nous ne considérons ici que des échantillons aléatoires, c'est-à-dire constitués d’éléments pris
au hasard dans la population.
On considère une population sur laquelle est définie une variable numérique X de moyenne ou
d’espérance m et d’écart type .
Prélevons dans cette population un échantillon aléatoire de taille n, le tirage de ces n éléments
est avec remise ou non exhaustif.
Considérons les n variables aléatoires X1, X2, …, Xn où Xi donne la valeur fournie par X, à
l’élément obtenu au ième tirage.
Les n variables aléatoires X1, X2, …, Xn sont indépendantes et suivent la même loi de
probabilité (celle fournie par X ) et ont toutes la même espérance m et le même écart type
1
La variable aléatoire X ( X 1 X 2 ... X n ) associe à cet échantillon sa moyenne
n
(concernant la variable numérique X).
Remarque : Dans la plupart des cas où la population a un grand effectif dont on tire une faible
proportion d’éléments, on assimile un tirage sans remise à un tirage avec remise.
3 Étude d’exemples
Énoncés
① Une machine fabrique des pièces de forme circulaire en grande série. A chaque pièce tirée
au hasard, on associe son diamètre exprimée en millimètres ; on définit ainsi une variable
aléatoire X.
On suppose que X suit la loi normale N ( ; ) où 150 et = 0,21.
Soit M la variable aléatoire qui, à chaque échantillon de 400 pièces prélevées au hasard et
avec remise, associe la moyenne des diamètres des pièces de cet échantillon.
a) Déterminer la loi suivie par la variable aléatoire M .
b) Déterminer le nombre positif h tel que P(– h ≤ M ≤ + h ) = 0,95.
② Une machine fabrique des pièces en grande série. À chaque pièce tirée au hasard, on
associe sa longueur exprimée en millimètres ; on définit ainsi une variable aléatoire X.
On suppose que X suit la loi normale N ( m ; ) où met= 0,027.
Soit M la variable aléatoire qui, à tout échantillon aléatoire non exhaustif de taille n, associe la
moyenne des longueurs des pièces de l’échantillon.
a) Déterminer la loi suivie par la variable aléatoire M .
b) Déterminer n pour que P( 8,195 ≤ M ≤ ) ≥ 0,95.
Corrigés
0,21 M 150
① a) =0,0105 et M suit la loi normale N (150 ; 0,0105) ; T= suit la loi
400 20 0,0105
normale N (0 ; 1).
b) Avec 0< h,
h M µ h
P(– h ≤ M ≤ + h ) = P ( -h <M–µ=M–150< h) =P ( T )
0,0105 0,0105 0,0105
h
soit P(– h ≤ M ≤ + h ) = 2 ) – 1.
0,0105
____________________________________
h h h
2 ) – 1 pour 2 ) = 1,95 soit pour ) = 0,9750 .
0,0105 0,0105 0,0105
______________________________________
Avec les tables numériques, on fait l’approximation suivante :
h
P(– h ≤ M ≤ + h ) pour = 1,96 soit pour h = 0,02 058 .
0,0105
0,027
② a) M suit la loi normale N ( m ; ) = N ( 28,2 ; ).
n n
M 28,2 n
b) T = ( M 28,2) suit la loi normale N (0 ;1).
0,027 / n 0,027
Soit q = P( 28,195 M 28,205), on fait intervenir des probabilités d’événements
équivalents : q = P ( -0,005 < M – 28,2<0,005) soit :
n n n
q = P( -0,005 <T= (M–28,2)<0,005 ) d’où
0,027 0,027 0,027
5 5 5
q= P( - n T n ) = 2 ( n ) –1
27 27 27
5 5
ainsi 0,95 < q 1,95 < 2 ( n ) 0,9750 < ( n ).
27 27
___________________________
5 5
On fait l’approximation 0,9750= 1,96) et ainsi 0,9750 < ( n ) pour 1,96 < n,
27 27
1,96 27 1,96 27 2 1,96 27
soit pour n , ou encore ( ) < n où ≈ 112,02
5 5 5
∗ On fait un tirage non exhaustif dans la population pour former un échantillon de taille n.
Soit S la variable aléatoire donnant le nombre d’éléments de cet échantillon qui possèdent la
propriété considérée.
A la fin de cette suite de n épreuves, S donne le nombre de fois que l’on a trouvé le résultat
« propriété réalisée ». De cette manière :
S suit la loi binomiale ℬ(n ; p) ; S a pour espérance np et écart type np(1 p) .
1
Soit F = S ; F est la variable aléatoire qui donne la proportion d’éléments de l’échantillon
n
qui possèdent la propriété considérée.
1 1 np(1 p) p(1 p)
Comme (np)= p et np(1 p) ,
n n n2 n
1 p(1 p)
F a pour espérance (np)= p et pour écart type .
n n
∗∗∗ Remarque
S et F sont 2 variables aléatoires discrètes :
S peut prendre pour valeur toute nombre k entier compris entre 0 et n, F peut prendre pour
k
valeur tout fraction où k est un entier compris ente 0 et n.
n
p(1 p)
Ainsi dans l’approximation de la loi de F par la loi normale N (p ; ), on peut être
n
amené à effectuer une correction de continuité.
5 Exemple
Résolution
Fp 1 250
T= ( F 0,52) ( F 0,52) suit la loi normale N (0 ;1).
0,004 39 39
5 5
On fait des approximations =0,80 et )= 0,7881, alors P(0,5 F 0,54) = 0,58 .
39 39
3. L’événement étudié est (0,55 < F) et on a en faisant intervenir des événements équivalents
250 250
P(0,55 < F) = P (0,03 < F– 0,52) = P( 0,03× < ( F– 0,52)) soit
39 39
7,5 7,5
P(0,55 < F) = P ( T ) = 1– ).
39 39
7,5 7,5
On fait des approximations =1,20 et ) = 0,8849, alors P(0,55 < F) = 0,12 .
39 39