Chapitre 4
Éléments de statistique inférentielle:
Estimation
Dr Khalil AMINE
[Link]@[Link]
EHTP 2024/2025 . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Dr Khalil Amine (EHTP, Casablanca) [Link]@[Link] 1 / 35
Introduction
1. Introduction
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Dr Khalil Amine (EHTP, Casablanca) [Link]@[Link] 2 / 35
Introduction
Introduction
La théorie d’estimation permet de faire des inférences
statistiques, soit d’estimer, à partir d’un échantillon,
la ou les valeurs numériques d’un ou de plusieurs
paramètres inconnus (espérance, variance, etc.) de la
population considérée et de déterminer la précision de
cette ou de ces estimations.
On distingue deux formes d’estimations: l’estimation
ponctuelle et l’estimation par intervalle de
confiance.
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Dr Khalil Amine (EHTP, Casablanca) [Link]@[Link] 3 / 35
Estimation ponctuelle d’un paramètre
2. Estimation ponctuelle d’un
paramètre
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Dr Khalil Amine (EHTP, Casablanca) [Link]@[Link] 4 / 35
Estimation ponctuelle d’un paramètre Généralités sur l’estimation ponctuelle
Généralités sur l’estimation ponctuelle
L’estimation ponctuelle d’un paramètre inconnu est la
donnée d’une valeur numérique θn , calculée pour un
échantillon de taille n, pour laquelle on a de fortes
chances de croire que c’est une approximation de θ.
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Dr Khalil Amine (EHTP, Casablanca) [Link]@[Link] 5 / 35
Estimation ponctuelle d’un paramètre Généralités sur l’estimation ponctuelle
Généralités sur l’estimation ponctuelle
Définition (Estimateur)
Dans une situation d’épreuves répétées
(X1 , X2 , . . . , Xn ), un estimateur θn est une variable
aléatoire s’écrivant en fonction des Xi , i = 1, . . . , n,
dont les valeurs observées permettront d’obtenir des
estimations de paramètres de la loi de probabilité
commune aux Xi , i = 1, . . . , n.
Ceci dit, une estimation d’un certain paramètre θ est
la considération de l’égalité:
θ = θn (X1 , X2 , . . . , Xn )
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Dr Khalil Amine (EHTP, Casablanca) [Link]@[Link] 6 / 35
Estimation ponctuelle d’un paramètre Généralités sur l’estimation ponctuelle
Généralités sur l’estimation ponctuelle
Définition (Estimateur sans biais)
Un estimateur θn d’un paramètre θ est dit sans
biais, si son espérance mathématique est égale à la
vraie valeur du paramètre θ à estimer:
E [θn ] = θ
θn est dit asymptotiquement sans biais si:
lim E [θn ] = θ
n→+∞
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Dr Khalil Amine (EHTP, Casablanca) [Link]@[Link] 7 / 35
Estimation ponctuelle d’un paramètre Généralités sur l’estimation ponctuelle
Généralités sur l’estimation ponctuelle
Définition (Estimateur convergent)
Un estimateur θn est dit convergeant en
probabilité, si:
∀ε > 0 , lim P (| θn − θ |> ε) = 0
n→+∞
P
et on note: θn −−−−−→ θ
n→+∞
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Dr Khalil Amine (EHTP, Casablanca) [Link]@[Link] 8 / 35
Estimation ponctuelle d’un paramètre Généralités sur l’estimation ponctuelle
Généralités sur l’estimation ponctuelle
Définition (Estimateur à variance minimale)
Étant donnée plusieurs estimateurs θnp dont les p
distributions d’échantillonnage ont la même espérance,
l’estimateur θnmin dit à variance minimale est celui
dont la variance est minimale:
var(θnmin ) = min {var(θni )}
1≤i≤p
Une “bonne estimation” consiste alors à choisir un
“bon estimateur” qui est sans biais, convergent et à
variance minimale. . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Dr Khalil Amine (EHTP, Casablanca) [Link]@[Link] 9 / 35
Estimation ponctuelle d’un paramètre Estimation de la moyenne
Estimation de la moyenne
Proposition
La valeur moyenne µn d’un paramètre observé sur un
échantillon de taille n d’une population, fournit une
estimation µ de la moyenne réelle de ce paramètre sur
la population considérée.
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Dr Khalil Amine (EHTP, Casablanca) [Link]@[Link] 10 / 35
Estimation ponctuelle d’un paramètre Estimation de la moyenne
Estimation de la moyenne
Exemple:
Une usine produit des vis cruciformes. On souhaite
estimer la moyenne des longueurs des vis dans la
production de la journée qui s’élève à 10000 pièces.
On choisit un échantillon de 150 vis et on obtient une
moyenne de µn = 4.57 cm.
On en déduit donc que la longueur moyenne des vis de
la production journalière est µ = 4.57 cm.
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Dr Khalil Amine (EHTP, Casablanca) [Link]@[Link] 11 / 35
Estimation ponctuelle d’un paramètre Estimation de la variance et l’écart-type
Estimation de la variance et l’écart-type
L’estimation de la variance et l’écart-type est moins
intuitive, en effet, ces deux paramètres observés sur
un échantillon d’une population, dont la taille est
fixée, fournissent une estimation faussée des
paramètres de toute la population considérée. On
utilise alors un coefficient de correction pour avoir une
bonne estimation.
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Dr Khalil Amine (EHTP, Casablanca) [Link]@[Link] 12 / 35
Estimation ponctuelle d’un paramètre Estimation de la variance et l’écart-type
Estimation de la variance et l’écart-type
Proposition
Une “bonne” estimation de la variance d’une
population σ 2 est obtenue en considérant l’égalité
n
σ 2 = σn2 × , où σn est la variance d’un
n−1
échantillon de taille n.
Ainsi pour l’écart-type
√ σ de la population on considère
n
l’égalité σ = σn .
n−1
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Dr Khalil Amine (EHTP, Casablanca) [Link]@[Link] 13 / 35
Estimation ponctuelle d’un paramètre Estimation de la variance et l’écart-type
Estimation de la variance et l’écart-type
Exemple:
La mesure de la longueur des vis produites dans
l’échantillon précédent de 150 pièces conduit à relever
un écart-type de 3 mm.
La meilleure estimation possible de l’écart-type de la
production journalière n’est pas de 3 mm comme dans
le cas √
précédent pour la moyenne, mais de
150
σ=3 ≃ 3.01 mm.
149
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Dr Khalil Amine (EHTP, Casablanca) [Link]@[Link] 14 / 35
Estimation ponctuelle d’un paramètre Estimation de la variance et l’écart-type
Estimation de la variance et l’écart-type
Remarque
La correction devient très petite lorsque
√ la taille de
n
l’échantillon n augmente car lim = 1.
n→∞ n−1
La correction est ainsi de l’ordre de 0.5% pour des
échantillons de taille 100, et de l’ordre de 0.05% pour
des échantillons de taille 1000.
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Dr Khalil Amine (EHTP, Casablanca) [Link]@[Link] 15 / 35
Estimation ponctuelle d’un paramètre Estimation de la fréquence
Estimation de la fréquence
Proposition
La fréquence d’apparition Fn d’un paramètre observé
sur un échantillon de taille n d’une population, fournit
une estimation f de la fréquence réelle d’apparition de
ce paramètre sur la population considérée.
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Dr Khalil Amine (EHTP, Casablanca) [Link]@[Link] 16 / 35
Estimation ponctuelle d’un paramètre Estimation de la fréquence
Estimation de la fréquence
Exemple:
Dans l’exemple précédent, On prélève un échantillon
de 150 vis et on relève 3 pièces défectueuses.
On peut alors donner une estimation de la fréquence f
de vis défectueuses dans la production journalière:
3
F150 = = 0.02 donc, f = 0.02 soit 2% de la
150
population.
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Dr Khalil Amine (EHTP, Casablanca) [Link]@[Link] 17 / 35
Estimation ponctuelle d’un paramètre Estimation de la fréquence
Estimation de la fréquence
Exercice:
Dans une région du Maroc, on veut estimer la
proportion de familles vivant en dessous du seuil de
pauvreté.
Si cette proportion est environ 0.15, quelle est la taille
de l’échantillon nécessaire pour que l’écart-type de
l’estimateur soit égal à 0.02?
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Dr Khalil Amine (EHTP, Casablanca) [Link]@[Link] 18 / 35
Estimation par intervalle de confiance d’un paramètre
3. Estimation par intervalle de
confiance d’un paramètre
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Dr Khalil Amine (EHTP, Casablanca) [Link]@[Link] 19 / 35
Estimation par intervalle de confiance d’un paramètre Généralités sur l’estimation par intervalle
Généralités sur l’estimation par
intervalle
L’estimation par intervalle de confiance consiste à
déterminer un “encadrement probabiliste” de la valeur
estimée dont on a de fortes chances de croire que de
tel intervalle contient la vraie valeur du paramètre
recherché.
Si on s’intéresse à un paramètre θ, dont on possède un
estimateur θn , l’estimation par intervalle de confiance
consiste à déterminer les bornes t1 et t2 d’un intervalle
qui a une forte probabilité de contenir θ:
P (t1 ≤ θ ≤ t2 ) = 1 − α . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Dr Khalil Amine (EHTP, Casablanca) [Link]@[Link] 20 / 35
Estimation par intervalle de confiance d’un paramètre Généralités sur l’estimation par intervalle
Généralités sur l’estimation par
intervalle
Cette probabilité, fixée a priori, est appelée niveau
de confiance ou seuil de confiance et désignée par
1 − α. α est dit alors risque d’erreur.
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Dr Khalil Amine (EHTP, Casablanca) [Link]@[Link] 21 / 35
Estimation par intervalle de confiance d’un paramètre Estimation de la moyenne
Estimation de la moyenne
Il s’agit de déterminer, à partir des observations faites
sur un échantillon de taille n, un intervalle de
confiance contenant la valeur moyenne de la
population µ avec un risque d’erreur décidé à l’avance.
On suppose que les conditions sont réunies pour faire
l’approximation que la loi d’échantillonnage
( ) de la
σ2
moyenne X n est la loi normale N µ, .
n
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Dr Khalil Amine (EHTP, Casablanca) [Link]@[Link] 22 / 35
Estimation par intervalle de confiance d’un paramètre Estimation de la moyenne
Estimation de la moyenne
Xn − µ
On pose T = σ la variable centrée réduite de X ,
√
n
T suit donc la loi normale centrée réduite N (0, 1).
Soit 1 − α la probabilité, fixée à l’avance, pour que T
appartient à l’intervalle [−t, t], on peut écrire:
P(|T | ≤ t) = 1 − α ⇐⇒
( )
σ σ
P Xn − t √ ≤ µ ≤ Xn + t √ =1−α
n n
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Dr Khalil Amine (EHTP, Casablanca) [Link]@[Link] 23 / 35
Estimation par intervalle de confiance d’un paramètre Estimation de la moyenne
Estimation de la moyenne
Ceci dit, µ appartient à l’intervalle
[ ]
σ σ
Xn − t √ , Xn + t √
n n
pour un pourcentage de (1 − α) des échantillons.
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Dr Khalil Amine (EHTP, Casablanca) [Link]@[Link] 24 / 35
Estimation par intervalle de confiance d’un paramètre Estimation de la moyenne
Estimation de la moyenne
Proposition
[ ]
σ σ
L’intervalle X n − t √ , X n + t √ est l’intervalle
n n
de confiance de la moyenne µ de la population avec un
seuil de confiance 1 − α.
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Dr Khalil Amine (EHTP, Casablanca) [Link]@[Link] 25 / 35
Estimation par intervalle de confiance d’un paramètre Estimation de la moyenne
Estimation de la moyenne
La fonction de répartition de la loi normale est
souvent noté Π, ce qui permet d’écrire
1 − α = 2Π(t) − 1.
t est dit coefficient de confiance ou score Z qui est
souvent noté Uα ou Z1−α/2 .
En considérant la table de la loi normale, pour un
niveau de confiance à 95%, t = 1.96 et pour un niveau
de confiance à 99%, t = 2.575.
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Dr Khalil Amine (EHTP, Casablanca) [Link]@[Link] 26 / 35
Estimation par intervalle de confiance d’un paramètre Estimation de la moyenne
Estimation de la moyenne
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Dr Khalil Amine (EHTP, Casablanca) [Link]@[Link] 27 / 35
Estimation par intervalle de confiance d’un paramètre Estimation de la moyenne
Estimation de la moyenne
Exemple:
On suppose que la durée de vie, exprimée en heures,
d’une ampoule électrique d’un certain type, suit la loi
normale de moyenne µ inconnue et d’écart-type
σ = 20.
Une étude sur un échantillon de 16 ampoules donne
une moyenne de vie égale à 3000 heures.
On va déterminer un intervalle de confiance de µ à un
risque d’erreur de 10%.
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Dr Khalil Amine (EHTP, Casablanca) [Link]@[Link] 28 / 35
Estimation par intervalle de confiance d’un paramètre Estimation de la moyenne
Estimation de la moyenne
On a: α = 10% d’où
2Π(t) − 1 = 0.90 ⇐⇒ Π(t) = 0.95 ⇐⇒ t = 1.645 (lu à
partir de la table de la loi normale centrée réduite).
Un intervalle de confiance de µ est donc:
[ ]
20 20
3000 − 1.645 √ , 3000 + 1.645 √ ≃ [2992, 3008].
16 16
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Dr Khalil Amine (EHTP, Casablanca) [Link]@[Link] 29 / 35
Estimation par intervalle de confiance d’un paramètre Estimation de la fréquence
Estimation de la fréquence
Il s’agit de déterminer, à partir des observations faites
sur un échantillon de taille n, un intervalle de
confiance de la fréquence p des éléments de la
population possédant une certaine propriété X , un
seuil de confiance choisi à l’avance.
On se place dans le cas où on peut approximer la loi
d’échantillonnage
( de la fréquence
) Fn par la loi
p(1 − p)
normale N p, .
n
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Dr Khalil Amine (EHTP, Casablanca) [Link]@[Link] 30 / 35
Estimation par intervalle de confiance d’un paramètre Estimation de la fréquence
Estimation de la fréquence
Proposition
[
L’intervalle
√ √ ]
Fn (1 − Fn ) Fn (1 − Fn )
Fn − t , Fn + t est
n−1 n−1
l’intervalle de confiance d’une fréquence p de la
population avec le coefficient de confiance
1 − α = 2Π(t) − 1 ayant pour centre la fréquence Fn
de l’échantillon considéré.
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Dr Khalil Amine (EHTP, Casablanca) [Link]@[Link] 31 / 35
Estimation par intervalle de confiance d’un paramètre Estimation de la fréquence
Estimation de la fréquence
Exemple:
Un sondage dans une commune révèle que sur les 500
personnes interrogées, 42% sont mécontentes de
l’organisation des transports.
On veut déterminer, à un risque d’erreur 1%, un
intervalle de confiance du pourcentage p de personnes
mécontentes dans la commune:
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Dr Khalil Amine (EHTP, Casablanca) [Link]@[Link] 32 / 35
Estimation par intervalle de confiance d’un paramètre Estimation de la fréquence
Estimation de la fréquence
Exemple:
On a la fréquence de l’échantillon F500 = 0.42 et le
seuil de confiance à 1 − α = 99%, qui correspond à un
coefficient de confiance t = 2.575.
Un intervalle de confiance de la proportion théorique
p est donc:
[ √ √ ]
0.42 × 0.58 0.42 × 0.58
0.42 − 2.575 , 0.42 + 2.575
499 499
Soit : [0.36, 0.48] = [36%, 48%]
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Dr Khalil Amine (EHTP, Casablanca) [Link]@[Link] 33 / 35
Tableau récapitulatif
4. Tableau récapitulatif
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Dr Khalil Amine (EHTP, Casablanca) [Link]@[Link] 34 / 35
Tableau récapitulatif
Tableau récapitulatif
Le tableau ci-dessous regroupe toutes les situations
dans lesquelles on doit savoir fournir une estimation
ponctuelle ou par intervalle de confiance:
Paramètre de la Valeur du paramètre Estimation ponctuelle Estimation par intervalle de confiance
population totale dans l’échantillon pour la au niveau de confiance 2Π(t) − 1
à estimer de taille n population totale pour la population totale
[ ]
σ σ
Moyenne µn µ = µn µn − t √ , µ n + t √
n n
n
Variance σn2 σ = σn2 ×
n−1
√
n
Écart-type σn σ = σn
n−1
[ √ √ ]
Fn (1 − Fn ) Fn (1 − Fn )
Fréquence Fn f = Fn Fn − t , Fn + t
n−1 n−1
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Dr Khalil Amine (EHTP, Casablanca) [Link]@[Link] 35 / 35