itl '
Chapitre 6
Lps Distrihutiqns d'échaqtilloJrnaee
6.1 l)éfinitions
..'
La théorie de l'échantillonnage consiste en l'étude des relations ou rapports existant entre
une population et les échantillons prélevés de cette population
:,
Tir4ge sans fpmis,e : Soit une urne contenant des boules que l'on tire au hasard, le tiraf
§era sans remise (on dit également exhaustif) si la boule tiree ne peut l'être qu'une foi§ et une
seule.
Tir+gq Pvec rem,ise isoit une urne contenant des boules que I'on tire au hasard, ie tirage
avec remise (on dit également non exhaustif) si la boule tirée peut I2être plusieurs fois.
On eonnaît la [Link] d'une variable aléatoire dans la population, on essai de prédire le
résultat que I'on obtiendra dans un échantillon qui sera formé par tirage au sort dans la
population.
6.2 Distribution d'échantillonnages
Considérons tous les échantillons de taille n, qui peuvent être extraits au hasard d'une
population donqée.
Chaque échantilion constitue une distribution statistique, pour laquelle on peut calculer une
caracteristique de la distribution statistique telle que la-moyenne. I'Éqa4 tvpg", qnq pronortiqn,
Cette'caractffstique yariée d'un échantillon à loautre.
.: Ainsi pour la totalité des échantillons prélevés dans la population, on va obtenir plusieurs
valeurs de la caractéristique étudiée (mayenne,l'écart ÿpe, le mode, une propariiton) ondit que
l'on est en présence d'une distribution d'échantillonnage de moyenne, dans le cas de lamoyenne
distribution d'échantiilonnage de proportion dans le cas de proportion.
Notation : Soit une popuiation de N sujets.
On attache à chaque sujet une caractéristieue xi .
on note la rnoyenne de la population par m et l'écart - type de la population par <r .
on prdtrève à l'intérieur cie la population, tous les échantillons de taille n.
On désigne parl, la mr:yenne et par s; l'écart type du caractère x1 dans le iéme échantillons.
0{, ffi, {r2, P)
11 n n
X1 X2
X;
S1 S2
S1
fr f, f.
rl
I
La population d'où est extrait l'échantillon peut être caractérisée
Par - sa moyenne (théorique): m - sa variance (théorique) : o2
Pour une variable qualitative par - sa fréquence (théorique) : p
A partir d'un échantillon (caractérisé par exemple par I'indice o) , on peut calculer
Pgur-urle variablq quantitative - sa moyenne (observée): mo - sa variance (observée): so2
Po+r une variable qualitative pal- sa fréquence (observée): po
Reqargue : La moyenne type s du caractère xi dans un échantillon quelconque de
T "tl'écart
taille rç sont respectivement des variables aléatoires
6.3 Distribution d'échantillonnaee de moyennes ÿ
Dishibution d'échantillonnage X, moyenne de la distribution d'échantillonnage px
Écart type de la distribution d'échantillonnage o*
Tirage
Avec remise non exhaustif Sans remise exhaustif
Infinie r*rya,*q':r,ffvæw Ilx:m
§x: Ol^l;
population
Finie Fx: m Fx: m
ox: G/ Jn ^ -o tN;
-Et/l''l
"*
Remarqlr.e : Si la taille de l'échantillon est supérieure ou égale à 30, la variable aléatoire
ff
est normale. pour n >30
'
S(X ) * N(Ir(,f, ), o(F)
6.4 Dist{ibulion d'échantillannaee de variance
,I
On prélève de la population mère, tous les échantillons de taille n. Chacun des échantillons
possède une varianc ,
" o?
=*EG,,-i,f
Ces variances peuvent être considérées comme des valeurs observées d'une même variable
aléatoire . o, =*,;:r(x,-x )'
La distribution de cette variable est la distribution d'échantillonnage de la variance.
2
r
La mo, venpe de cet,te distribution_
lloZ =ÇO,
En moyenne la variance des
échantillons est inférieure à
la variance de la populatioa.
t'ar(6.2 )=2n-!
Ot
n
6.5
P
soit une population composée de
N sujets. chaque sujets possède
caractère' La propoftion de ceux'qui ou ne possède pas un
le possèdent p.'ôooridérons
.*t*ii*aËî;'ï*r;''ffi:;:;:il"n,e
".t tqppJes échantillons de
;i:1,îî,iîffi::î::ff échantirron déterminons ra
Nous obtenonr *" distribution d'échant*ronnage
de proportions f.
Soit prla moyenne de f olet l,écart-
type de f.
Avec remise non exhaustif
Sans remise exhaustif
Pr: P Fr
Infinie (rr: M
,,1 .,Of :
"
Finie Itr: P
Itr: P
Of: W 0f=
\" n
Rgmarque !-si
ta-taille de l'échantillon n >3û,la
survant une loi normale, bien loi de f est approximativement distribuée
que Ia populati;;;iltr;àia"*.n,
v*rv,*s distribuée.
n >30: .@. ),
StF) = N(p., ,l_;
6.6
on peut obtenir à partir de tous
les.échantillons de deux populations
une distribution des
- sz' qui e't àt"r,*rlronnase
*ffiïff::.st "pp-lé."Ëiistribution de,la difiËrence de ces
Alors la distribution d'échantillonnage,des
populations infinies de différences des moyennes pour
deux
moyenn"; .iïà_n
types respectif : p1, §r et pi,
tl2 est donnée par :
F[sr-sz :1,[s, -
Itsz avec S,r = E et Sz= X,
Fsr-sz : Psi - Fsz : lr,- p,
osl -s2: 'L+ Ov 2
e-L
Nt Nt
3
\
Pour la distribution d'échantillorurage des sommes des rnoyennes pour deux populations
est donnée par:
ltSr+sz = FSr * [f S, avec S t=Tret S z= X ,
Fsr+ sz
: :
Fsr * lrsz Pt* P2
,
ô91 + S2: x ,+o T,
o2
Nr Nr
On obtient des résultats analogues pour des distributions d'.,échaatillonnage de différences
de fréquences, à partir de deux populations dont les pararnètres. qont respectivement Pr, Qt et pz,
q2. dans ce cas Sr et Sz correspondent aux fréquences de succès Pret Pz, on obtient les résultats
suivants : ,
P pl- p2
: Fpl - Fp2 : Pt- Pz.
Gp1 -p2 : q p F zQ z Fr et pz pourcentage des detrx populations
,^/ I Nz
6,7l+tefvalle, de fluctua,tion (OU Inter-vâlle de pari)
Donner l'intervalle de fluctuation d'un paramèÎre, c'est indiquer dans quel intervalle doit se
situer le paramètre observé sur cet échantillon: c'est f intervalle où le paramètre observé sur
l'échantillon se trouvera.
On " parie " sur l'intervalle à I'intérieur duquel se trouvera celui de l'échantillon avec une
probabilité choisie à I'avance, On appelle donc cet intervalle également " iElgIyÊLlLd§-Pâf! ".
Cas 4'u-ns-loi no{male
Cas ou l'effectif est sgpérieur à 30
On utilise [Link] cas un changement de variable qui centre et réduit la distribution.
x -m suitN(0,1), donconpeutparier We: X *rn ë[ -Uo, +Ur] avectineprobabititéde 1- a
Ç § ..,-,-i,,:.
C'est - à- dire : X e[m -fJo,*o, m * IJ*+o ] avec une probabilité de 1 - s, .
Cas ou I'effectif est inférieur à 30
Dans ce cas, si I'on suppose que la loi de probabilité est normale alors le rapport
rJ= X-m suit Student à n-I degré de liberté (dont les valeurs tn-1 se trouvent dans la table de
J;
n
la loi de Student avec ddl : n -1)
Son intervalle de pari à 1- cr est donc [-tn-1,u, * t,-l,o ] donc P(-t"lz <X * m 1t../z) = 1- «,
J;
n
