1

Université Mohammed Premier Échantillonnage et Estimation

Faculté de Droit S., El Melhaoui & M., Faizi
ECG/Grp : A & B Semestre 3, 2014/2015

Série d'exercices n 3 ◦

Échantillonnage et Estimation

Exercice 1
Une compagnie d'assurance constate que chaque année 0.4% de ces assurés
meurent à la suite d'une maladie. Posons X le nombre de sinistre à payer au
cours d'une année dans laquelle la compagnie gère 100 000 dossiers.
1. Déterminez la loi exacte de la variable aléatoire X et déduisez la pro-
babilité pour que la compagnie n'ait pas de sinistre à payer.
2. En utilisant une approximation adéquate, déterminez la probabilité
que la compagnie payeras plus de 440 risques assurés.

Exercice 2
Un appareil contient un composant essentiel dont l'espérance de la durée de
vie est µ = 10 h, avec un écart type σ = 2 h. L'appareil doit fonctionner
pendant 2200 heures.
1. Combien de composant faut il avoir en réserve pour garantir une a-
bilité de 97% ?

Exercice 3
Selon la magazine USA Today, le nombre moyen des jours par an passés sur
les routes pour un représentant commercial est égal à 115. L'écart type est
de 60 jours par an. Supposez que ces résultats soient associés à la population
des représentants commerciaux et qu'un échantillon de 50 représentants soit
sélectionné.
1. Quelle est la valeur de l'écart type de la moyenne ?
2. Quelle est la probabilité que la moyenne d'échantillon soit supérieur
à 115 jours par an ?
3. Quelle est la probabilité que la moyenne d'échantillon s'écarte au plus
de ±5 jours de la moyenne de la population ?
2
4. Quelle serait la probabilité de la question (3) si la taille d'échantillon
était 100 ?

Exercice 4
Trois rmes ont des inventaires diérents par leur taille. La rme A a une
population de 2000 pièces, La rme B a une population de 5000 pièces et
la rme C a une population de 10 000 pièces. L'écart type de la population
pour le coût d'une pièce est de σ = 144.
1. En utilisant le facteur d'exhaustivité, calculez l'erreur type pour cha-
cune des trois rmes, étant donné que les échantillons sélectionnés
sont de type ESSR et de taille 50.
2. Quelle est la probabilité que pour chaque rme, la moyenne d'échan-
tillon X̄ s'écarte au plus de ±25 de la moyenne de la population µ.

Exercice 5
Une série de fabrications ne peut pas être expédiée si un échantillon de 100
pièces contient plus de 5% de pièces défectueuses. Si une série de fabrication
a une proportion de pièces défectueuses égale à 10%, quelle est la probabilité
que cette série de fabrication soit expédiée ?
 3
Exercice 6
Soit un échantillon aléatoire simple de taille n, (X1, ..., Xn), distribué
suivant une loi exponentiel de paramètre θ > 0 :
1 −x/θ

θ
e , x ≥ 0;
f (x, θ) :=
0, sinon.
1. Déterminez l'estimateur de θ obtenus par la méthode des moments
2. Déterminez l'estimateur de θ obtenus par la méthode du maximum de
vraisemblance.
3. Déterminez les propriétés de ces estimateurs.

Exercice 7
Soit une population normale de moyenne µ inconnue et d'écart-type
σ = 1.5 On y a prélevé un échantillon aléatoire simple d'eectif n = 9.
Les observations sont les suivantes : 24.3 ; 24.7 ; 23.2 ; 23.8 ; 24.5 ; 26.0 ; 25.4 ;
24.8 ; 23.8.
Trouvez un intervalle de conance pour µ au niveau de conance 95%.

Exercice 8
Un comptable pense que les problèmes de liquidité d'une entreprise sont
une conséquence directe de l'encaissement lent des comptes fournisseurs. Le
comptable prétend qu'au moins 70% des comptes fournisseurs datent de plus
de deux mois. Un échantillon de 120 comptes fournisseurs a révélé que 88
dataient de plus de deux mois.
1. Quelle est l'estimation ponctuelle de la proportion p de comptes four-
nisseurs datant de plus de deux mois.
2. Donnez un intervalle de conance à 99% pour la vraie proportion p de
comptes fournisseurs datant de plus de deux mois.
3. Déterminez la taille minimum n de l'échantillon à prélevé pour que
l'incertitude absolue de l'estimation (au niveau de conance 99%) soit
inférieur à 0.03.

Exercice 9
Une entreprise mène une politique de formation du personnel. Au cours
de l'année l'ensemble de ces 200 employés ont suivi une même formation
intitulée FC. Le directeur s'interesse à l'ancienneté de ces employés ainsi
qu'a leur satisfaction de la FC.
4
1. Le directeur a demandé à un nombre n de ces employés choisis au
hasard avec remise (ESAR) leurs ancienneté dans l'entreprise : la
moyenne échantillon est x̄ = 68 mois et l'écart-type échantillon s = 24
mois. Determiner les intervalles de conance à 90% de l'ancienneté
moyenne des employés dans les cas suivants n = 50 et n = 9.
2. Le directeur a demandé à 50 de ces employés s'ils étaient satisfait de
la FC ; 40 se sont déclarés satisfaits.

a) Supposons que les employés sont choisis au hasard et avec remise.

Determiner l'intervalle de conance à 90% de la proportion des
employés satisfaits de la formation.

b) Supposons maintenant que les employés sont choisis au hasard et

sans remise.
i  Dans ces conditions peut on armer que L'ESSR donneras
approximativement les mêmes résultats que l'ESAR ? pour-
quoi ?

ii  Proposer un intervalle de conance à 90% de la proportion

des employés satisfaits de la formation.

Exercices corrigés du TD 3

Solution de l'Exercice 1
Posons X le nombre de sinistres à payer au cours d'une année où la compagnie
gère 100 000 dossiers.
1. La loi exacte la variable aléatoire X est la loi binomiale B(100 000, 0.004).
Ainsi, la probabilité pour que la compagnie n'ait pas de sinistre à payer
est
P (X = 0) = C0100000 0.0040 × 0.996100 000 ≈ 0.
2. Comme n ≥ 20, np = 400 ≥ 10 et nq = 99 600 ≥ 10, on peut approxi-
mer la loi binomiale standardisée par la loi normale par application
du Théorème de Moivre-Laplace. Ainsi,
X − 400
√ ≈ N (0, 1),
398.4
 5
et par conséquent,
P (X > 440) = 1 − P (X ≤ 440)
 
X − 400 440 − 400
≈ 1−P √ ≤
398.4 19.96
≈ 1 − FZ (2)
≈ 1 − 0.9772
≈ 0.0028.
Conclusion. La probabilité pour que la compagnie paye plus de 440
risques assurés est 0.28%.

Solution de l'Exercice 2
Soit Xi la durée de vie du ième composantP
; il est clair que Xi ∼ Loi(10, 22 ) et
que les Xi sont indépendantes. Soit XT = ni Xi la durée de vie de l'appareil.
Supposons que n > 30, d'après le Théorème Central Limite (TCL)
XT − n × 10
√ ≈ N (0, 1).
2 n
Pour assurer une abilité de 97% il faut que
P (XT > 2200) = 0.97
2200 − 10n
⇔ P (Z > √ ) = 0.97
2 n
2200 − 10n
⇔ P (Z < √ ) = 0.03
2 n
2200 − 10n
⇔ √ = z0.03
2 n
2200 − 10n
⇔ √ = −1.88
2 n
√
⇔ 10n − 2 × 1.88 n − 2200 = 0 ( équation du second degré)
√
⇔ n = 15.02
⇔ n ≈ 226

Conclusion. Il faut avoir en réserve 226 composants an de garantir

une abilité de 97%.
6
Solution de l'Exercice 3
1. La valeur de l'écart type de la moyenne est
√ √
σX̄ = σ/ n = 60/ 50 ≈ 8.485.

2. Comme n = 50 ≥ 30, il s'agit du cas des grands nombres donc

X̄ − µ X̄ − 115
Z= = ≈ N (0, 1).
σX̄ 8.485
Ainsi, la probabilité que la moyenne d'échantillon soit supérieur à 115
jours par an est
X̄ − 115 115 − 115
P (X̄ ≥ 115) = P ( ≥ ) = 1 − P (Z ≤ 0) = 50%.
8.485 8.485
3. La probabilité que la moyenne d'échantillon s'écarte au plus de ±5
jours de la moyenne de la population est
P (|X̄ − 115| ≤ 5) = P (|Z| ≤ 5/8.485)
= P (|Z| ≤ 0.59)
= 2FZ (0.59) − 1 = 44.48%.
√
4. Si n = 100 alors σX̄ = 60/ 100 ≈ 6 ainsi La probabilité que la
moyenne d'échantillon s'écarte au plus de ±5 jours de la moyenne de
la population est
5
P (|X̄ − 115| < 5) = P (|Z| < ) = P (|Z| ≤ 0.83)
6
= 2FZ (0.83) − 1 = 79.67%.

Solution de l'Exercice 4
1. L'erreur type pour la rme A, étant donné que les échantillons sélec-
tionnés sont de type ESSR et de taille 50 est :
r
(A) N − n σ2
σX̄ = .
N −1 n
r
2000 − 50 1442
= .
2000 − 1 50
' 20.11
 7
Par la même façon on trouve,
(B)
σX̄ ' 20.26
(C)
σX̄ ' 20.31
2. Pour la rme A, la probabilité que la moyenne d'échantillon X̄ s'écarte
au plus de ±25 de la moyenne de la population µ est :
P (|X̄ − µ| ≤ 25) = P (|X̄ − µ|/20.11 ≤ 25/20.11)
= P (|Z| ≤ 1.24)
= 2FZ (1.24) − 1 ' 78.50%
78.50%.

Par la même façon on trouve, pour les rme B et C, respectivement :

2FZ (1.2339) − 1 ' 78.27%
2FZ (1.2309) − 1 ' 78.16%

Conclusion. En conclusion, même pour des tailles de population dif-

férentes, l'ESSR donne pour une taille d'échantillon xé approximati-
vement les mêmes performances.

Solution de l'Exercice 5
Dans un processus continu de fabrication, on peut supposer toujours que la
taille population est assez grande par rapport à la taille échantillon, ainsi on
suppose qu'on a un ESAR avec n = 100 > 30. Par conséquent, La distribution
d'échantillonnage de p̄ est :
p̄ − 0.1 p̄ − 0.1
p = ≈ N (0, 1).
0.1(1 − 0.1)/100 0.03
Ainsi,
p̄ − 0.1 0̄.05 − 0.1
P (p̄ > 0.05) ≈ P ( > )
0.03 0.03
≈ P (Z > −1.67)
= 1 − P (Z < −1.67)
= 1 − FZ (−1.67)
= FZ (1.67)
= 0.9525.
8

Conclusion. Une série de fabrication qui contient 10% de pièces

défectueuses à 1 − 0.9525 = 4.75% de chance d'échapper à ce test de
contrôle.

Solution de l'Exercice 6
1. Déterminons l'estimateur de θ obtenus par la méthode des moments
Z +∞
1
E(X) = xe−x/θ dx
θ 0
Z +∞
= [−xe −x/θ +∞
]0 + e−x/θ dx (int. par parties)
0
= 0 + [−θ e−x/θ ]+∞
0
−∞/θ
= −θ (e − e−0/θ ) = −θ (0 − 1)
= θ
ainsi
E(X) = θ ⇒ θ̂ = X̄.
2. Pour un échantillon où tous les Xi sont strictement positifs la vrai-
semblance du paramètre θ est
n
Y
L(X1 , ..., Xn ; θ) = f (Xi )
i=1
n
1 X
= n ∗ exp (− Xi /θ).
θ i=1

La log-vraisemblance du paramètre θ est

n
X
L∗ (θ) = ln L(X1 , ..., Xn ; θ) = −n ln θ − (Xi /θ).
i=1

La fonction L∗ ; et par suite la fonction L ; admet un maximum au

point θ̂ si et seulement
∂L∗


 (θ̂) = 0,
∂θ
2 ∗
 ∂ L (θ̂) < 0

∂θ2
 9
n
∂L∗ X
(θ̂) = 0 ⇔ −n/θ̂ + (Xi /θ̂2 ) = 0 ⇔ θ̂ = X̄.
∂θ i=1

∂ 2 L∗
2
(θ̂) = n/θ̂2 − 2 n X̄/θ̂3 = −n/θ̂2 < 0.
∂θ
Par conséquent l'estimateur de maximum de vraisemblance de θ est
égale à l'estimateur obtenu par la méthode des moments :
θ̂(n) = X̄.
3. L'estimateur θ̂ est sans biais puisque E(θ̂) = θ en eet :
E(θ̂) = E(X̄) = E(X) = θ.
L'estimateur θ̂(n) est convergent puisque :
V (X) θ2 n7→+∞
V (θ̂) = V (X̄) = V (X̄) = = −→ 0.
n n
N. B.
V (X) = E(X 2 ) − [E(X)]2
1 +∞ 2 −x/θ
Z
= xe dx − θ2
θ 0
= 2θ2 − θ2 = θ2 .

Solution de l'Exercice 7
Déterminons un intervalle de conance pour µ au niveau de conance
95%. On sait bien que X ∼ N (µ, σ 2 ) donc
X̄ ∼ N (µ, σ 2 /n),
par suite,
X̄ − µ
P [−z1−α/2 ≤ √ ≤ z1−α/2 ] = 1−α
σ/ n
σ σ
P [−1.96 √ ≤ X̄ − µ ≤ 1.96 √ ] = 0.95
n n
σ σ
P [−X̄ − 1.96 √ ≤ −µ ≤ −X̄ + 1.96 √ ] = 0.95
n n
σ σ
P [X̄ − 1.96 √ ≤ µ ≤ x̄ + 1.96 √ ] = 0.95
n n
10
Donc,
σ σ
I.C(0.95) = [x̄ − 1.96 √ ; x̄ + 1.96 √ ]
n n
= [24.5 − 1.96 ∗ 1.5/3; 24.5 + 1.96 ∗ 1.5/3]
= [23.52 ; 25.48]
Solution de l'Exercice 8
1. L'estimation ponctuelle de la proportion p de comptes fournisseurs da-
tant de plus de deux mois est p̂ la proportion de comptes fournisseurs
datant de plus de deux mois dans l'échantillon :
p̄ = 88/120 = 0.73.

2. Puisque n = 120 ≥> 30, Le TCL donne :

p̄ − p
q ≈ N (0, 1)
p̄(1−p̄)
n
p̄ − p
⇒ P [−z1−α/2 ≤ q ≤ z1−α/2 ] = 1 − α
p̄(1−p̄)
n
r r
p̄(1 − p̄) p̄(1 − p̄)
⇒ P [p̂ − 2.58 ≤ p ≤ p̄ + 2.58] = 0.99
n n
Donc
r r
p̄(1 − p̄) p̄(1 − p̄)
I0.99 (p) = [p̄ − 2.58; p̄ + 2.58]
n n
= [0.73 − 2.58 ∗ 0.04; 0.73 + 2.58 ∗ 0.04] = [0.63; 0.84].

Soit Ia l'incertitude absolue (le rayon de l'intervalle de conance).

Ia ≤ 0.03
r
p̄(1 − p̄)
z1−α/2 ≤ 0.03
n
2
z1−α/2
n ≥ ∗ 0.1971
(0.03)2
n ≥ 1 458.
 11
N. B. Il faut faire la diérence entre le X̄ comme variable aléatoire
(estimateur) dépendant de l'échantillon ( expérience aléatoire = échan-
tillonnage) et x̄ comme valeur (estimation) déterminée après échan-
tillonnage.

Solution de l'Exercice 9
1. Soit X la v.a égale à l'ancienneté d'un employé.
• Le cas n = 50 est le cas des grands échantillons alors
 
s
I0.9 (µ) = x̄ ± z0.95 √ = [62.43, 73.57];
n
où z0.95 = 1.64 est le quantile d'ordre 0.95 d'une normale standard.
• Le cas n = 9 est le cas des petits échantillons alors en supposant
que X ∼ N (µ, σ 2 ) on a
 
s
I0.9 (µ) = x̄ ± t8;0.95 √ = [53.12, 82.88];
n
où t8;0.95 = 1.86 est le quantile d'ordre 0.95 de la loi de Student à 8
dll.
2. La fréquence empirique des employés satisfaits de la formation est
p̄ = 40/50 = 0.8
a) On a un grand ESAR de taille n = 50 ≥ 30, alors
" r #
p̄(1 − p̄)
I0.9 (p) = p̄ ± z0.95 = [70.73%, 89.27%].
n

b) Supposons maintenant que les employés sont choisis au hasard et

sans remise.
i  Non car le taux de sondage est f = 50/200 > 5%.
ii  L'erreur type dans le cas d'un ESSR est
r r
200 − 50 p̄(1 − p̄)
∗ = 0.8681 ∗ 0.0566 = 0.0491.
200 − 1 n
L'intervalle de conance à 90% de la proportion des em-
ployés satisfaits de la formation est
I0.9 (p) ≈ [p̄ ± z0.95 ∗ 0.0491] ≈ [73%, 87%].