Année académique 2025 - 2026

EMSP : Ecole Multinationale Supérieure des

L2 : FINANCE DIGITALE
COURS DE STATISTIQUE INFERENTIELLEES

INFERENCE STATISTIQUE
-----------

Chapitre
ESTIMATION PAR
3
INTERVALLE DE CONFIANCE

Sommaire
Introduction
1- Définition
2- Estimation par intervalle de confiance d’une moyenne
3- Estimation par intervalle de confiance d’une proportion
4- Synthèse

Introduction
Dans le chapitre précédent, il a été établi qu’un estimateur ponctuel est une statistique
d’échantillon utilisé pour estimer un paramètre d’une population ; la moyenne d’échantillon x
et la proportion d’échantillon f sont respectivement des estimateurs ponctuels de la
moyenne de la population m et de la proportion de la population p . Puisqu’on ne peut
s’attendre à ce qu’une estimation ponctuelle soit exactement égale à la valeur du paramètre
de la population correspondant, une estimation par intervalle est souvent réalisée en ajoutant
et en soustrayant une marge d’erreur à l’estimation ponctuelle. La forme générale d’une
estimation par intervalle est :

Estimation ponctuelle  M arg e d ' erreur

Le but d’une estimation par intervalle est de fournir des informations sur l’écart entre
l’estimation ponctuelle fournie par l’échantillon et la valeur du paramètre de la population.

Dans ce chapitre, il sera question de montrer comment réaliser une estimation par intervalle
de la moyenne d’une population m et de la proportion d’une population p . La forme générale
d’une estimation par intervalle de la moyenne d’une population est :

x  M arg e d ' erreur .

De façon similaire, la forme générale d’une estimation par intervalle de la proportion d’une
population est

f  M arg e d ' erreur .

Les distributions d’échantillonnage de x et f jouent un rôle clé dans le calcul de ces

estimations par intervalle.

1- DEFINITION
Soit un paramètre  à estimer,  étant un paramètre d’une population déterminée.
On appelle estimation par intervalle de confiance, l’estimation du paramètre inconnu  par un

1|8
Proposé par Alain Mustapha NASSIROU
 Année académique 2025 - 2026

EMSP : Ecole Multinationale Supérieure des

L2 : FINANCE DIGITALE
COURS DE STATISTIQUE INFERENTIELLEES
intervalle (a, b) contenant  , avec une certaine probabilité  . On pose que :

P   (a, b)  

Le nombre  est appelé coefficient (niveau) de confiance ou seuil de confiance.

Donc pour un  donné, on cherche l’intervalle I   ( a , b ) dont les bornes a et b seront

calculées à partir des observations effectuées sur un échantillon.

I  est appelé intervalle de confiance au seuil de confiance  ou bien au seuil (coefficient) de

risque 1   .

Exemple :
Si on choisit   0 , 95 , on cherche l’intervalle I 0 , 95  ( a , b ) tel qu’on puisse affirmer que le
paramètre  y est contenu, avec moins de 5 chances sur 100 de se tromper.
2- ESTIMATION PAR INTERVALLE DE CONFIANCE D’UNE MOYENNE
Soit X une variable aléatoire définie sur  , d’espérance mathématique m et ‘écart type  . m
est le paramètre inconnu pour lequel on cherche un intervalle de confiance I   ( a , b ) au
seuil de confiance  .
On suppose que l’on dispose d’un échantillon de taille n sur lequel on calcul la moyenne
arithmétique x des valeurs de observée de X c’est-à-dire x 1 , x 2 ,  .
Considérons la variable aléatoire X n , qui à tout échantillon de taille n , associe la moyenne
x1  x2  xn
des valeurs de X observées sur cet échantillon c’est-à-dire x  .
n
Dans le chapitre 1, il a été établi que si les échantillons sont non exhaustive c’est-à-dire qu’il
y a remise (extraits d’une population infinie), et si X suit une loi normale N ( m ,  ) ou si les
  
échantillons sont de taille n assez grande (n ≥ 30), alors : X n  N  m , 
 n 
2-1 Cas où l’écart type  est connu
2-1-1 Etude théorique
  
 X n  N  m , 
 n 

m et x (valeur prise par X n ) sont voisins. On suppose que m  ( a , b ) centré sur x , avec
une probabilité  , c’est-à-dire que a et b sont symétriques par rapport à x :

a  x  et b  x 
 : est la marge d’erreur.

 est égal à un certain nombre de fois l’écart type de X n :  t
n
On estime préalablement m par estimation ponctuelle :

2|8
Proposé par Alain Mustapha NASSIROU
 Année académique 2025 - 2026

EMSP : Ecole Multinationale Supérieure des

L2 : FINANCE DIGITALE
COURS DE STATISTIQUE INFERENTIELLEES

     
N  m ,   N  x , 
 n   n 

L’intervalle de confiance a pour étendue   2   2 t
n

X m x m
 On définit la variable aléatoire T  (où bien la variable t 
n
)
 
n n
Elle suit une loi normale N  0 ,1  , de moyenne 0 et d’écart type 1.
 D’où pour m  I   ( a , b ) on a :
 
 X m     
P m  ( a , b )   P   t    t   P  X  t  m  t   
n
X

n n
   n n 
 n 

 
 X m 
Or P  t    t     ( t  )   ( t  )  2  ( t  )  1 
n

  
 n 
     1
P X n  t  m  t  X n
  2  ( t  )  1   d’où  ( t  )  2 .
 n n 
La valeur de t  correspondante peut être lue directement dans la table de la loi normale
centrée réduite.

 Dans la pratique on se fixe  à priori :

1, 95
-en économie :   0 , 95 ;  ( t )   0 , 975  t 0 , 95  1, 960
2
1, 99
-en médecine :   0 , 99 ;  ( t )   0 , 995  t 0 , 99  2 , 576
2
1, 999
-en biologie :   0 , 999 ;  ( t )   0 , 9995  t 0 , 999  3 , 290
2
 Si on augmente la probabilité, l’intervalle augmente :  et  varient dans le même sens.
Remarque

Pour t  fixé, donc pour  donné, l’intervalle de confiance d’amplitude 2 t  est d’autant plus
n
petit que n est plus grand.

2-1-2 Définition
Si X est une variable aléatoire d’espérance inconnue m et d’écart type  et si x est la
moyenne des valeurs de X observées sur un échantillon de taille n.

3|8
Proposé par Alain Mustapha NASSIROU
 Année académique 2025 - 2026

EMSP : Ecole Multinationale Supérieure des

L2 : FINANCE DIGITALE
COURS DE STATISTIQUE INFERENTIELLEES
L’intervalle de confiance au seuil de confiance  (pour le paramètre m) est :
     1
I  x  t ; x  t  ou  (t ) 
 n n 2

2-1-3 Applications
On effectue 100 tirages indépendants dans une population afin de constituer un échantillon.
On veut estimer la moyenne de la variable aléatoire X . On donne la variance dans la
population :  2  9 et la moyenne dans l’échantillon observé est x  10 .
Déterminer l’intervalle de confiance pour un seuil de confiance de 95%.
Réponse
t 0 , 95  1, 960  9 , 412  m  10 , 588 où I 0 , 95  9 , 412 ; 10 , 588 

2-2 Cas où l’écart type  est inconnu

Le cas où l’écart type dans la population  est inconnu est le plus fréquent.

2-2-1 Conditions
On se place dans le cas d’un échantillon suffisamment grand c’est-à-dire n  30 .

2-2-2 Définition
Lorsque  est inconnu, dans le chapitre précédent, on a choisi comme estimateur s de la 2

n
variance  du caractère dans la population
2
s
2
   où   est la variance calculée sur
2 2

n 1
l’échantillon.
Pour déterminer l’intervalle de confiance au seuil de confiance  , on se ramène au où l’écart
type  est connu en remplaçant celui-ci par son estimateur s ; on a donc
s 1 n 
   .
n n n 1 n 1
s
L’intervalle (a, b) centré sur x , et d’amplitude (largeur) 2 t  contient le point d’abscisse m
n
avec la probabilité  .
x m
En définissant la variable réduite t  qui suit une loi normale réduite, l’intervalle de
s
n
 s s    
confiance au seuil  s’écrit I    x  t  ; x  t   x  t ; x  t 
 n n  n 1 n 1 

D’où
 s s     
P m  ( a , b )   P  x  t  m  x  t   P x  t  m  x  t   .
 n n  n 1 n 1 

Remarque
Ce qui précède est valable à condition que n  30

4|8
Proposé par Alain Mustapha NASSIROU
 Année académique 2025 - 2026

EMSP : Ecole Multinationale Supérieure des

L2 : FINANCE DIGITALE
COURS DE STATISTIQUE INFERENTIELLEES
Si n  30 alors l’échantillon est considéré comme tiré d’une population normale et la variable
t ne suit plus une loi normale centrée réduite mais la loi de Student.

2-2-3 Application
 Exemple d’application1
Reprenons l’exemple précédent, en supposant que la variance  2 de la population est
inconnue et que la variance de l’échantillon est   2  9 , 06 . On cherche à estimer la
moyenne m , l’intervalle de confiance étant fixé à 95%.

Réponse
s  3 , 025 t 0 , 95  1, 960  9 , 407  m  10 , 593 où I 0 , 95  9 , 407 ; 10 , 593 

 Exemple d’application2
Déterminer un intervalle de confiance au seuil de confiance de 95% puis de 98% pour la
longueur des chevilles coupées par la nouvelle machine.

2-3 Détermination de la taille de l’échantillon n

2-3-1 Etude théorique
Soit un une population dont on veut estimer la valeur moyenne m d’un caractère X distribué
de façon normale : X  N ( m ,  ) . Pour cela on veut déterminer la taille minimale de
l’échantillon à extraire.

En désignant par x et   la moyenne et l’écart type du caractère dans l’échantillon
n
et par  le seuil de confiance.

L’intervalle de confiance ayant pour étendue   2   2 t alors la taille de l’échantillon
n

    2 2

 2t  t  n  4t  t
2 2
devient : n
    2 2

 t
2
 2

Si t   km  n  2
 2
avec k la précision relative désirée.
n k m

Exemple
Le directeur d’un projet a fixé la marge d’erreur à   2 . Au seuil de confiance de 95%. On
donne   9 , 65 . Déterminer la taille de l’échantillon

Réponse : n  89 , 43 soit 90.

Si la précision relative est fixée d’avance

 étant le seuil de confiance et k la précision relative désirée, l’intervalle de confiance de la
   
valeur moyenne inconnue est :  x  t  ;x  t 
 n n 
Où t  est fourni par la table de la loi normale, en fonction de  .

5|8
Proposé par Alain Mustapha NASSIROU
 Année académique 2025 - 2026

EMSP : Ecole Multinationale Supérieure des

L2 : FINANCE DIGITALE
COURS DE STATISTIQUE INFERENTIELLEES

  
2 2
t
La condition que l’on veut réaliser est :   t  km  n    .
m
2
n k

 
2 2
t
La taille minimale de l’échantillon est donc : n   
m
2
k

Le rapport est appelé coefficient de variation.
m

Exemple
On veut pouvoir limiter la valeur moyenne m du caractère d’une population à 10 % près avec
un coefficient de confiance à 0,95, sachant que le coefficient de variation est égal à l’unité.

Réponse : taille minimum de l’échantillon : n  384 individus.

2-3-2 Exercices
Exercice I
Quelle doit être la taille de l’échantillon pour obtenir un intervalle de confiance à 95% avec
une marge d’erreur de 10 ? Supposez que l’écart type de la population est égal à 40.

Exercice II
Le coût moyen d’un gallon d’essence sans plomb était de 2,41 dollars. Durant des périodes
de fortes inflations, un journal échantillonne les stations-services et prépare fréquemment
des rapports sur les prix de l’essence. Supposez que l’écart type s’élève à 0,15 dollar pour le
prix d’un gallon d’essence sans plomb et déterminez la taille appropriée de l’échantillon si le
journal souhaite obtenir une certaine marge d’erreur au seuil de confiance de 95%.
1- Supposez que la marge d’erreur désirée est de 0,07 dollar.
2- Supposez que la marge d’erreur désirée est de 0,05 dollar.
3- Supposez que la marge d’erreur désirée est de 0,03 dollar.

3- EXTIMATION PAR INTERVALLE DE CONFIANCE D’UNE PROPORTION

3-1 Théorie
Dans une population  , on considère un caractère C tel qu’une proportion p des éléments de
 présente se caractère.
p est le paramètre inconnu pour lequel nous cherchons un intervalle de confiance I  au seuil
de confiance  .
On dispose d’un échantillon de taille n sur lequel on a calculé la proportion f des éléments
de l’échantillon ayant le caractère C.
En utilisant la variable aléatoire F n qui, à tout échantillon de taille n , associe la proportion
observée sur cet échantillon, on peut établir, comme paragraphe précédent que si n est
assez grand :
 pq 
Fn  N  p ,  et

 n 
 pq pq   1
P p    où  t  sont liés par la relation  ( t  )
  t n
 Fn  p  t
n  et 
2
.
 
On en déduit que

6|8
Proposé par Alain Mustapha NASSIROU
 Année académique 2025 - 2026

EMSP : Ecole Multinationale Supérieure des

L2 : FINANCE DIGITALE
COURS DE STATISTIQUE INFERENTIELLEES

 pq pq   pq pq 
P p  PFn  
  t n
 Fn  p  t
n    t
n
 p  Fn  t
n 
   
pq
En utilisant la valeur observée f de la variable aléatoire F n et en admettant que peut
n
f (1  f )
être estimé par , on obtient l’intervalle de confiance cherché.
n 1

3-2 Définition
Si p est une proportion inconnue sur une population  , et si f est la proportion
correspondante observée sur un échantillon de taille n , l’intervalle de confiance au seuil de
confiance  (pour le paramètre p ) est :

 f (1  f ) f (1  f )   1
I   f  t , f  t  où  (t )  .
 n 1 n 1  2

3-3 Application
Utiliser un échantillon de taille 50 chevilles observé pour déterminer un intervalle de
confiance au seuil de confiance de 0,90 pour la proportion de chevilles inutilisables que l’on
obtiendra avec la nouvelle machine.
Réponse
n  50 , t  1, 645 , I 0 , 90  0 , 004 ; 0 ,116 
On peut affirmer, avec 10 chances sur 100 de se tromper, que la proportion de chevilles
inutilisable que l’on obtiendra avec la nouvelle machine est comprise entre 0,4% et 11,6%. La
précision obtenue est loin d’être satisfaisante.

3-4 Taille de l’échantillon

f (1  f )
L’intervalle de confiance ayant pour étendue (amplitude)   2   2 t  alors la
n 1
t f (1  f ) f (1  f )
taille de l’échantillon devient : n 1   n  1  t 2
  2

Exemple
Déterminer la taille de l’échantillon qu’il faudrait prendre pour obtenir un intervalle de
confiance de 90% d’amplitude 0,02, en supposant que la proportion observée sur l’échantillon
en question soit encore de 0,06.
Réponse : n = 1 527

4- SYNTHESE

7|8
Proposé par Alain Mustapha NASSIROU
 Année académique 2025 - 2026

EMSP : Ecole Multinationale Supérieure des

L2 : FINANCE DIGITALE
COURS DE STATISTIQUE INFERENTIELLEES
Paramètre sur la Estimation de confiance I 
population Au seuil de confiance 
à estimer
Moyenne      1
E X  m I  x  t ; x  t  avec  (t ) 
 n n 2

et  est remplacé par s (s’il est inconnu et si n ≥ 30)

Proportion p  f (1  f ) f (1  f )   1
I   f  t , f  t  avec  (t ) 
 n 1 n 1  2

 Pour   0 , 95 on a t  1, 96 et Pour   0 , 99 on a t  2 , 575

 Exemple d’interprétation
Si on prend   0 , 95 , on pourra affirmer, avec 5 chances sur 100 de se tromper, que le
paramètre que l’on cherche à estimer appartient à I 

 N.B
Il ne faut confondre ,  et s:
-  (l’écart type de X sur  )
-   (écart type des valeurs de X sur l’échantillon observé)
n
- s    , est une estimation ponctuelle de 
n 1

- (l’écart type de X n )
n

8|8
Proposé par Alain Mustapha NASSIROU