7
Partie 8 : Estimation d’un paramètre
Population étudiée, N
μ, , P : paramètres inconnus
Échantillon, n
m, s, p : paramètres connus
But : estimer la valeur des paramètres inconnus à partir d’une observation sur un seul
échantillon.
1. Estimation de la moyenne de la population étudiée µ :
µ = m ± Zα Sm → m - Zα Sm ≤ µ ≤ m + Zα Sm (1)
ICα (µ) = [m - Zα Sm , m + Zα Sm ]
(1) Formule applicable si :
• n ≥ 30, on utilise la loi Z. Si non, on utilise la loi T de Student.
• n / N < 10% (N > 10 n)
Avec :
• µ : la moyenne de la population étudiée qu’on cherche à estimer.
• m : la moyenne de l’échantillon qu’on connaît.
s
• Sm : Écart-type de la moyenne m ou erreur standard (standard error) de m : S m=
√n
• s : Écart-type de l’échantillon qu’on connaît.
• n : la taille de l’échantillon.
• ICα (µ) : l’intervalle de confiance de µ à un risque d’erreur α : intervalle dans lequel la
moyenne inconnue µ a la plus grande probabilité de se trouver.
•
α 1,0 0,90 0,50 0,20 0,10 0,05 0,02 0,01 0,001 0,0001
Z 0,000 0,126 0,674 1,282 1,645 1,960 2,326 2,576 3,290 3,891
IC = (mi – ms) mi = m - Zα Sm ms = m + Zα Sm
α ↓→ degré de confiance 1(-α) ↑→ Zα ↑→ mi ↓, ms ↑ →IC : plus large.
Si α est faible, on aura un IC plus large, donc une estimation moins précise. La communauté
scientifique adopte par consensus un IC d’au moins 95% (risque de 5%) :
7
Application :
Le TSA moyen chez un échantillon de n = 50 femmes est m = 42,2 g/l avec un écart type s = 4,6 g/l.
n = 50 > 30 on peut donc estimer la moyenne µ chez la population totale à un degré de confiance de
95% (ou avec un risque d’erreur α de 5% Z5% = 1,96)
s 4,6
Sm = = =0,6
√ n √50
µ = m ± 1,96 Sm = 42,2 ± 1,96 x 0,6 = 42,2 ± 1,2.
IC95% (µ) = [42,2 – 1,2 ; 42,2 + 1,2] = [41– 43,4]
Sur 95 chances sur 100, la moyenne de la population de TSA se trouve entre 41 et 43,4. Ou, le
risque de se tromper que la moyenne de la population de TSA ne se trouve pas entre 41 et 43,4 est
de 5%.
α = 2% : µ entre 40,7 et 43,7
α = 1% : µ entre 40,5 et 43,8
7
2. Estimation du pourcentage de la population étudiée P :
P = p ± Zα Sp → p - Zα Sp ≤ P ≤ p + Zα Sp (1)
ICα (P) = [m - Zα Sm , m + Zα Sm ]
(1) Formule applicable si :
• n ≥ 30, on utilise la loi Z. Si non, on utilise la loi T de Student.
• n / N < 10% (N > 10 n)
• n est assez grand, npi, nps, n(1-pi), n(1-ps) ≥ 5. Si non, appliquer la loi binomiale.
Avec :
• P : le pourcentage de la population étudiée qu’on cherche à estimer.
• p : le pourcentage de l’échantillon qu’on connaît.
• Sp : Écart-type du pourcentage p ou erreur standard (standard error) de p :
S p=
n √
p×(1− p)
• n : la taille de l’échantillon.
• ICα (P) : l’intervalle de confiance de P à un risque d’erreur α : intervalle dans lequel le
pourcentage inconnue P a la plus grande probabilité de se trouver.
• pi = p – Zα Sp : borne inférieure de P.
• ps = p + Zα Sp : borne supérieure de P.
Application :
Pour connaître la fréquence des parasitoses dans une région de 350 000 habitants, on pratique une
enquête sur un échantillon de 3 500 personnes. On dépiste, parmi eux, 1050 sujets atteints d’une
parasitose.
Calculer la fréquence estimée des parasitoses dans cette région et son intervalle de confiance à 95%.
n = 3500 (est assez grand)
p = 1050 x 100 / 3500 = 30% = 0,3
Sp=
√ p ( 1− p )
n √
=
0,3 ( 1−0,3 )
3500
= 0,0077
P = p ± 1,96 Sp = 0,3 ± 1,96 x 0,0077 = 0,3 ± 0,01592
IC95% (P) = [0,3 - 0,01592 ; 0,3 + 0,01592] = [0,28408– 0,315092] = [28,41% - 31,51%]