chapitre 3 Élèments de théorie d'Échantillonage
TRANSCRIPT
-
8/16/2019 Chapitre 3 Élèments de Théorie d'Échantillonage
1/8
Économie et management.Licence 2.Statistiques.
Année2014 - 2015
Chapitre 3 :
É éments !e théorie!"échanti onnage
Criste Schi t#.
-
8/16/2019 Chapitre 3 Élèments de Théorie d'Échantillonage
2/8
-
8/16/2019 Chapitre 3 Élèments de Théorie d'Échantillonage
3/8
$$ % +istri ution !"échanti onnage : théor meCentra Limite et oi 'orma e.
1 % Con!itions !"app ication.& Théorème Central Limite : conditions d'application .
& Taille minimum d'échantillon : nN
≥ 0,05 .
& Si N →+ ∞ : alors n →0 .
& Conditions d'application réunies .& Échanti on : tout tirage sera tou ours a éatoire et représentati, !e a popu ation.& +istri ution !e x̄ i : suit une oi norma e.
2 % )oment !e a !istri ution !e x̄ i .
& E (x̄ i) = 1n ∑i = 1p
x̄ i .
& Chaque échantillon : représentatif .& x̄ i µ .
& E (x̄ i) = 1n
n µ = µ .
& E (x̄ i) = µ .
& Écart-type de la population : σ .& rreur-type d'échantillon : σ (̄x ) .
& Si N →+ ∞ : σ (̄x )= σ√ n .
& Si N fini : σ (̄x ) = σ√ n √N− nN − 1 .& Coefficient de correction : √N − nN − 1 .
-
8/16/2019 Chapitre 3 Élèments de Théorie d'Échantillonage
4/8
& Loi normale : forme .& e : marge !"erreur.
3 % aria e a éatoire centrée et ré!uite.
& !ariable aléatoire centrée réduite de la loi normale Z .
& Z= E ( ̄x) + e − E ( ̄x )σ ( ̄x) = eσ ( ̄x ) .
& Si N →+ ∞ : Z= eσ√ n
.
& "istribution de Z : proportionnelle # la distribution de x̄ .& "istribution de Z .
& )o*enne : 0 .& rreur-t*pe : 1 .
& "istribution de x̄ .& )o*enne : E ( ̄x) .& rreur-t*pe : σ ( ̄x ) .
-
8/16/2019 Chapitre 3 Élèments de Théorie d'Échantillonage
5/8
-
8/16/2019 Chapitre 3 Élèments de Théorie d'Échantillonage
6/8
& ésolution : probabilité que µ soit inférieur # 51000 .& égiona iser e pro me.
& Z= eσ√ n
= 51800 − 51000730,3
= 800730,3
= 1,1 .
& Lecture !ans a ta e !e oi norma e : P (0 < Z< 1,1 ) = 0,3643 .& P (µ < 51000 ) = 0,5 − P (51000 < µ < E ( ̄x)) = 0,5 − P (0 < Z < 1,14 ) = 0,1357 .
& ésolution : probabilité que µ soit compris entre 51300 et 52300 .& égiona iser e pro me.
& Z= eσ√ n
= 52300 − 51800730,3
= 500730,3
= 0,68 .
& Lecture !ans a ta e !e oi norma e : P (0 < Z < 0,68 ) = 0,2517 .& P (51300 < µ < 52300 )= 2.P (0 < Z < 0,68 ) = 0,5034 .
-
8/16/2019 Chapitre 3 Élèments de Théorie d'Échantillonage
7/8
$$$ % +istri ution !e proportion !"échanti on.
1 % Con!itions !"app ication.
& (opu ation !e tai e N .& Échanti on !e tai e n .
& (roportion !e popu ation P .& (roportion !"échanti on p̄ .
& Notion : distribution de proportion moyenne d'échantillon p̄ i .& traction !e p usieurs proportions : i = 1, ... , p proportions.& (our chaque proportion : i [ 0, p ] .
& Ca cu !e a mo*enne : E (p̄ i)= p i .
& p̄ suit une loi normale : deu& conditions .& Si n p ≥ 5 .& Si n (1 − p )≥ 5 .
& Sinon : nécessaire d'au%menter la taille de n .
2 % )oments !e a !istri ution !e a mo*enne !"échanti on.
a % )o*enne.
& E (p̄ i) : moyenne des proportions moyennes d'échantillons .& 'otée : p̄ .
& Comme es échanti ons sont a éatoires et représentati,s !e a popu ation.& A ors : p̄ i ≈ p .
% rreur t*pe.
& σ (̄p ) : erreur type d'échantillon .
& Si N fini : σ (̄p ) =
√p (1 − p )
n √N − n
N − 1.
& Si N →+ ∞ infini : σ (̄p )= √p (1 − p )n √N − nN − 1 = √p (1 − p )n .& A/ec lim
N →+ ∞ √N − nN − 1 = 1 .
& "istribution de p̄ : pas d'écart type .
-
8/16/2019 Chapitre 3 Élèments de Théorie d'Échantillonage
8/8
3 % aria e a éatoire centrée et ré!uite.
& !ariable aléatoire centrée réduite de la loi normale Z .
& Z= p̄ + e + ̄pσ ( ̄p )
.
& Si N →+ ∞ : Z= e
√p (1 − p )n .
4 % Lecture !e a ta e norma e.
& Table de loi normale centrée et réduite : lecture .& n igne : unité et premi re !écima e.& n co onne : !eu i me !écima e.
& $éthodolo%ie : cinq étapes .& Énoncer a oi : con!itions et param tres.
& Con!itions : p̄ →Normale si n p ≥ 5n (1 − p )≥ 5
.
& (aram tres :̄p = p
σ (p )= √p (1 − p )n √N − nN − 1& égiona iser e pro me : hachurer a #one cherchée.& Ca cu e !e z = p̄ + e − p̄
√p (1 − p )n& Lecture !ans a ta e !e oi norma e : P (0 < Zi < Z) .& Conc usion.