Estimation

Séance 9

[Link] (UBFC) Echantillonnage et estimation 1 / 20

 Cas d’une proportion : estimation

Etude de cas
Test d’efficacité d’une méthode d’apprentissage de la lecture.
Sur un échantillon de 400 élèves de CP, 320 ont obtenu des résultats
satisfaisants. Quelle est la proportion de résultats satisfaisants sur l’ensemble
des élèves scolarisés en CP ?
La proportion p (fréquence) dans la pop.
totale des enfants de CP (notée P) est
inconnue.
pe proportion observée ou expérimentale.
Ici pe = 320
400 = 0, 8 soit 80%
Idée intuitive : proportion au sein de la pop.
totale p ≈ 0, 8 mais en fait, il n’y a aucune
chance que p = 0, 8 précisément.
Pb: autre échantillon alors autre valeur pour pe et donc autre estimation de p...

[Link] (UBFC) Echantillonnage et estimation 2 / 20

But: trouver un intervalle centré en 0, 8 t.q. p ait de forte chance de s’y trouver.

Forte chance: trouver l’intervalle Iα (p) tel que

P[p ∈ Iα (p)] = 1 − α

où c = 1 − α s’appelle la confiance et α s’appelle le risque (de se tromper

lorsqu’on affirme que p ∈ Iα (p)).
Valeur standard de c = 1 − α est 95%
Intervalle centré:
Aucune raison pour que la vraie proportion p soit plutôt inférieure que
supérieure à la valeur observée !
pe sera donc le milieu de l’intervalle Iα (p)
h i
Iα (p) = pe − aα , pe + aα .

Comment trouver la valeur de aα ?

[Link] (UBFC) Echantillonnage et estimation 3 / 20

 Intervalles pour la loi normale centrée réduite

Soit Z ∼ N (0, 1).

Challenge : Trouver Iα centré en 0 tel que P[Z ∈ Iα ] = 1 − α.

Propriété de la loi normale centrée réduite

Il existe une unique valeur positive zα tel que P[−zα ≤ Z ≤ zα ] = 1 − α.

α représente l’aire "des bords" et la confiance c = 1 − α l’aire "du milieu".

Aire : 1 − α

−zα zα

Aire : α

[Link] (UBFC) Echantillonnage et estimation 4 / 20

Cas particulier : α = 0, 05

0, 95 = P[−z0,05 ≤ Z ≤ z0,05 ] = F (z0,05 ) − F (−z0,05 )

= 2F (z0,05 ) − 1.

Lecture inverse (table) : prendre zα avec F (zα ) = 1 − α/2.

Pour F (z0,05 ) = 0, 975, on trouve z0,05 = 1, 96

Aire : 0,05

–1,96 1,96

Cas particulier : α = 0, 01

Aire : 0,01

–2,576 2,576

[Link] (UBFC) Echantillonnage et estimation 5 / 20

 Vers une procédure pour l’estimation

Cadre d’un échantillon de grande taille (n ≥ 30) uniquement, pas de

correction de continuité pour simplifier l’estimation.
Rappel (p connu): X = nPn où Pn est la proportion dans un échantillon
aléatoire satisfait:  p 
X = nPn ≈ N np; np(1 − p)
Ainsi
r
h p(1 − p) i h p i
P |p − Pn | ≤ 1, 96 = P |np − nPn | ≤ 1, 96 np(1 − p)
h n i
p p
= P np − 1, 96 np(1 − p) ≤ nPn ≤ np + 1, 96 np(1 − p)
h p p i
= P − 1, 96 np(1 − p) ≤ nPn − np ≤ 1, 96 np(1 − p)
h nPn − np i
= P − 1, 96 ≤ p ≤ 1, 96
np(1 − p)
= P[−1, 96 ≤ Z ≤ 1, 96] = F (1, 96) − F (−1, 96) ≈ 0, 95

[Link] (UBFC) Echantillonnage et estimation 6 / 20

 1 Si p la fréquence au sein de la population
q P est connue, il y a 95% de
p(1−p)
chance d’observer |p − Pn | ≤ 1, 96 n .
2 Si p est inconnue et pe observé sur l’échantillon E, le résultat est toujours
valide. Ainsi
r r
p(1 − p) pe (1 − pe )
|p − pe | ≤ 1, 96 ≈ 1, 96
n n

Avec une confiance de 95%, la fréquence p se trouve dans l’intervalle

" r r #
pe (1 − pe ) pe (1 − pe )
I0,05 (p) = pe − 1, 96 ; pe + 1, 96
n n

Pour un niveau de confiance général 1 − α, il suffit de remplacer 1, 96 par zα

(par ex, pour une confiance de 99% on remplace 1,96 par 2,576).

[Link] (UBFC) Echantillonnage et estimation 7 / 20

Procédure générale pour une proportion (tirage avec remise ou N > 10 × n)

Condition : n ≥ 30, npe ≥ 5 et n(1 − pe ) ≥ 5.

On se donne le niveau de confiance c = 1 − α.

1 Dans la table de la loi normale, on cherche zα tel que F (zα ) = 1 − α/2.

confiance : c 0, 9 0, 95 0, 96 0, 98 0, 99 0, 995
risque d’erreur : α 0, 1 0, 05 0, 04 0, 02 0, 01 0, 005
zα 1, 645 1, 960 2, 054 2, 326 2, 576 2, 807
q
pe (1−pe )
2 Calcul de aα : aα = zα n
3 Avec confiance c = 1 − α, on affirme que p est dans l’intervalle
h i
Iα (p) = pe − aα ; p + aα

[Link] (UBFC) Echantillonnage et estimation 8 / 20

Etude de cas
Test d’efficacité d’une méthode d’apprentissage de la lecture.
Sur un échantillon de 400 élèves de CP, 320 ont obtenu des résultats
satisfaisants. Quelle est la proportion de résultats satisfaisants sur l’ensemble
des élèves scolarisés en CP ?
320
1 valeur expérimentale pe = 400 = 0, 80
2 confiance c = 0, 95 (erreur de 5%). La table fournit z0,05 = 1, 96.
3 marge d’estimation
r
0, 80 × 0, 20
a0,05 = 1, 96 ≈ 0, 0392
400

4 intervalle de confiance:
h i h i
I0,05 (p) = 0, 80−0, 0392; 0, 80+0, 0392 = 0, 7608; 0, 8392 ≈ [76%; 84%]

5 Interprétation: avec une confiance de 95%, on affirme que la proportion

(ou fréquence) des résultats satisfaisants sur l’ensemble de la population est
compris entre 76% et 84%.
[Link] (UBFC) Echantillonnage et estimation 9 / 20
 Autour de la taille de l’échantillon

Étude de cas : marge ou précision de Pour augmenter la précision de

l’estimation l’estimation (par exemple obtenir
a0,05 = 0, 0392 = 3, 92%. une précision h = 1%), il suffit
d’augmenter n, mais de combien ?
L’estimation de p est précise à 3, 92%.

Précision en général: Application à l’étude de cas:

q
Pour une confiance de 98% et une pré-
aα = zα · pe (1−p
n
e)
.
cision h = 1%, on a la taille minimale:
Taille minimale pour une précision h
–> Avec échantillon de référence
avec échantillon de référence, 0, 80 × 0, 20
2, 3262 × ≈ 8 656, 24
pe (1 − pe ) 0, 012
n > zα2
h2 –> Sans échantillon de référence
sans échantillon de référence,
2, 3262
1 ≈ 13 525, 7
n > zα2 4 × 0, 012
4h2
Echantillon de réf. : taille + petite
[Link] (UBFC) Echantillonnage et estimation 10 / 20
 Cas d’une moyenne : estimation
Notations :
µ : moyenne de la variable statistique X pour la pop. totale P.
Mn moyenne de la variable X√pour un échantillon de taille n choisi au
hasard, Vn la variance et Sn = Vn
me , se et ŝe : la moyenne, l’écart-type et l’écart-type corrigé observés
sur un échantillon particulier.

[Link] (UBFC) Echantillonnage et estimation 11 / 20

 Principe général (échantillonnage de moyenne)

Grand échantillon.
 se   ŝ 
e
Si n ≥ 30, alors Mn ∼ N µ; √ = N µ; √
n−1 n

0.4 d.d.l = 100

d.d.l = 5
d.d.l = 2 Petit échantillon.
0.3
d.d.l = 1 Si n < 30 et si X suit une loi
normale, alors

0.2 Mn − µ √
Tn = n−1
Sn
∼ Student(n − 1)
0.1
Une loi de Student à (n − 1)
0 degrés de liberté (d.d.l)
−6 −4 −2 0 2 4 6

[Link] (UBFC) Echantillonnage et estimation 12 / 20

 Moyenne : grand échantillon

La moyenne µ de la variable statistique X pour la population totale est inconnue.

Principe : grand échantillon n ≥ 30

1 Dans la table de la loi normale, chercher zα tel que F (zα ) = 1 − α2 .

confiance : c 0, 9 0, 95 0, 96 0, 98 0, 99 0, 995
risque d’erreur : α 0, 1 0, 05 0, 04 0, 02 0, 01 0, 005
zα 1, 645 1, 960 2, 054 2, 326 2, 575 2, 807

2 Avec la confiance c = 1 − α, on affirme que µ se trouve dans l’intervalle :

se ŝe
Iα (µ) = [me − aα , me + aα ] où aα = zα . √ = zα . √
n−1 n

[Link] (UBFC) Echantillonnage et estimation 13 / 20

Etude de cas : estime de soi et phobie sociale
Échantillon de 45 sujets souffrant de phobie sociale : le score moyen d’estime de
soi est me = 29, 22 et l’écart-type est se = 4, 35. Donner une estimation du
score moyen dans la population totale des phobiques sociaux avec une confiance
de 95%.

L’intervalle de confiance de µ:
Grand échantillon : n = 45 ≥ 30. [me − a0,05 ; me + a0,05 ]
Ici c = 95% et α = 0, 05.
= [29, 22 − 1, 29; 29, 22 + 1, 29]
table (normale) z0,05 = 1, 96.
= [27, 93; 30, 51]
marge de l’estimation
se
a0,05 = z0,05 √
n−1 Il y a 95% de chance que le score
4, 35 d’estime de soi chez les phobiques so-
= 1, 96 × √
44 ciaux soit entre 27, 9% et 30, 5%.
≈ 1, 285.

[Link] (UBFC) Echantillonnage et estimation 14 / 20

Petit échantillon E (n < 30): la loi de probabilité de référence est la loi de
Student à (n − 1) d.d.l

N (0; 1) Aire : 1 − α

Student(1)

−tα tα

Aire : α

Tn une variable aléatoire qui suit une loi de Student à (n − 1) d.d.l.

On se donne une confiance c = 1 − α (souvent c = 95%).
But : trouver tα tel que
P[−tα ≤ Tn ≤ tα ] = 1 − α.

[Link] (UBFC) Echantillonnage et estimation 15 / 20

 Trouver tα tel que revient à trouver tα tel que
P[−tα ≤ Tn ≤ tα ] = 1 − α. P[Tn ≥ tα ] = α/2,

Relation entre la probabilité p = P[Tn ≥ tα ] et la confiance c.

confiance : c 0, 9 0, 95 0, 96 0, 98 0, 99 0, 995
risque d’erreur : α 0, 1 0, 05 0, 04 0, 02 0, 01 0, 005
lire sur la table pour p = 0, 05 0, 025 0, 02 0, 01 0, 005 0, 0025
Table inverse de la loi de Student
p = P[Tn ≥ tα ] ... 0, 05 0, 04 0, 03 0, 025 ...
d.d.l. 1 ... 6, 3138 7, 9158 10, 5789 12, 7062 ...
d.d.l. 2 ... 2, 9200 3, 3198 3, 8964 4, 3027 ...
d.d.l. 3 ... 2, 3534 2, 6054 2, 9505 3, 1824 ...

Exemple : Student à 2 d.l.l., on a

P[−4, 3027 ≤ T3 ≤ 4, 3027] = 0, 95.

De manière générale, tα se lit donc dans la table inverse de la loi de Student.

[Link] (UBFC) Echantillonnage et estimation 16 / 20
Idée de l’estimation de la moyenne
Même méthode pour un grand ou petit échantillon : seule la loi de probabilité
est différente. Lorsque n < 30 et X suit une loi normale
Xn − µ √
Tn = n − 1 ∼ Student(n − 1).
Sn

Si µ est connu, avec confiance 1−α,

L’intervalle de confiance Iα (µ) est:
|Tn | ≤ tα . h se se i
m e − tα √ ; me + tα √
Sn n−1 n−1
Ainsi |Xn − µ| ≤ tα √ .
n−1 Intervalles de confiance
similaires entre petite
Si µ est inconnu, alors on mesure
ou grande taille.
me et se sur un échantillon et
Seule différence :
se
|me − µ| ≤ tα √ , zα (loi normale)
n−1
avec une confiance 1 − α. tα (Student)

[Link] (UBFC) Echantillonnage et estimation 17 / 20

Récapitulatif : petit échantillon n < 30 et X suit une loi normale

1 Dans la table de la loi de Student, chercher tα tel que

P[−tα 6 Tn 6 tα ] = c.
α
Cela revient à lire sur la table de Student la valeur tα avec p = 2 pour
n − 1 degrés de liberté (d.d.l).

confiance : c 0, 9 0, 95 0, 96 0, 98 0, 99 0, 995
risque d’erreur : α 0, 1 0, 05 0, 04 0, 02 0, 01 0, 005
lire sur la table pour p = 0, 05 0, 025 0, 02 0, 01 0, 005 0, 0025

2 Avec la confiance c = 1 − α, on peut affirmer que µ se trouve dans

l’intervalle :
se ŝe
Iα (µ) = [me − aα , me + aα ] où aα = tα . √ = tα . √
n−1 n

[Link] (UBFC) Echantillonnage et estimation 18 / 20

Etude de cas : estime de soi et personnalité évitante
Échantillon de 25 individus ayant une personnalité évitante, le score moyen
d’estime de soi est me = 31, 16 et l’écart-type est se = 5, 57. En admettant
que les scores varient selon une loi normale, donner une estimation du score
moyen avec une confiance de 95%.

Petit échantillon : n = 25 < 30.

Ici c = 95% et α = 0, 05.
table (Student à 24 d.d.l):
t0,05 = 2, 0639.
marge de l’estimation est
se
a0,05 = t0,05 √
n−1
5, 57
= 2, 0639 × √ ≈ 2, 34.
24

L’intervalle de confiance de µ:
[me − a0,05 ; me + a0,05 ] = [31, 16 − 2, 34; 31, 16 + 2, 34] = [28, 82; 33, 5]
[Link] (UBFC) Echantillonnage et estimation 19 / 20
 Discussion autour de la taille de l’échantillon
Dans l’exemple, la précision est
Taille minimale pour une précision h
a0,05 ≈ 2, 34.
Pour un précision h avec une
L’estimation de la moyenne est précise confiance 1 − α, la condition est:
à 2,34 près.
se2
n > zα2 .
Augmenter la taille de l’échantillon, h2
c’est augmenter la précision. Il est nécessaire d’avoir un échantillon
de référence !
Pour avoir une précision inférieure à h,
Application à l’étude de cas (person-
on passe d’un petit à un grand nalités évitantes) pour une précision de
échantillon (si E est petit au h = 0, 5 avec une confiance de 95%
départ)
puis on utilise la marge suivante: 5, 572
n > 1, 962 × ≈ 476, 7
0, 52
se
aα = zα √ .
n−1 Echantillon de taille 477 au minimum.
[Link] (UBFC) Echantillonnage et estimation 20 / 20