Notation et Généralités sur

l’estimation Estimation ponctuelle

des paramètres usuels :
Estimation par intervalle de
confiance des paramètres usuels :

Chapitre 4 : Estimation

Abdallah Abarda
EMSI RABAT ,
Année
universitaire
2024-2025.

Module:Stat
inférentielle
Abdallah Module:Inférence
 Notation et Généralités sur
l’estimation Estimation ponctuelle
des paramètres usuels :
Estimation par intervalle de
confiance des paramètres usuels :

Estimation
1 L’estimation ponctuelle
2 L’estimation par intervalle de
confiance

Abdallah Module:Inférence
 Notation et Généralités sur
l’estimation Estimation ponctuelle
des paramètres usuels :
Estimation par intervalle de
confiance des paramètres usuels :

Notation
Supposons que nous cherchons à estimer les paramètres
d’une variable X au niveau d’une population composée de
N individus Us repérés par leur numéro s, ou s désigne
l’indice de l’individu de population, avec : s = 1, 2, ...., N.
Pour cela, on tire dans cette population un échantillon de n
individus Ui réparés par leur numéro i, ou i désigne de
l’individu échantillon, avec : i = 1, 2, ...., n.

Abdallah Module:Inférence
 Notation et Généralités sur
l’estimation Estimation ponctuelle
des paramètres usuels :
Estimation par intervalle de
confiance des paramètres usuels :

Notation : Sur la population

Xs désigne la valeur de la variable X pour l’individu
population Us
La moyenne de la population notée par m est donnée
comme suit :
Σ N
Xs
m= i=1
N
La variance de la population notée par σ2 est donnée
comme suit :
Σ N 2
i=1(Xs −
σ2 =
m)
N

Abdallah Module:Inférence
 Notation et Généralités sur
l’estimation Estimation ponctuelle
des paramètres usuels :
Estimation par intervalle de
confiance des paramètres usuels :

Notation : Sur l’échantillon

xi désigne la valeur de la variable X pour l’individu
échantillon Ui
La moyenne de l’échantillon notée par x est donnée
comme suit :
Σ n
xi
x= i=1
n
La variance de l’échantillon notée par S2 est donnée
comme suit :
Σ n 2
i= (xi − x)
S 2 = 1 n

Abdallah Module:Inférence
 Notation et Généralités sur
l’estimation Estimation ponctuelle
des paramètres usuels :
Estimation par intervalle de
confiance des paramètres usuels :

Présentation et généralités.
La théoie de l’estimation consiste à estimer ou à
déterminer les paramètres de la population généralement
inconnus ( m, σ2,p, ....) à partir des caractéristiques
calculées sur un ou plusieurs échantillons observés sur la
meme population (x, X, S2, f , ....).
Autrement dit, la théoirie de l’estimation (inducation
statistique) consiste à extrapoler les résultats obtenus sur
l’échantillon à l’ensemble de la population mère.
Si θ un paramètre associé à la loi de probabilité suivie par
X.
θˆ = f (x, X, S2, f , ....) et θ = f (m, σ2, p, ....)

Abdallah Module:Inférence
 Notation et Généralités sur
l’estimation Estimation ponctuelle
des paramètres usuels :
Estimation par intervalle de
confiance des paramètres usuels :

Définition de l’estimation.
L’estimation est l’évaluation d’un paramètre inconnu de la
population par une ou plusieurs valeurs possibles.

Abdallah Module:Inférence
 Notation et Généralités sur
l’estimation Estimation ponctuelle
des paramètres usuels :
Estimation par intervalle de
confiance des paramètres usuels :

Définition de l’estimation.
L’estimation est l’évaluation d’un paramètre inconnu de la
population par une ou plusieurs valeurs possibles.

L’objectif de l’éstimation.
L’objectif de l’estimation est de donner une valeur approché à
un paramètre (moyenne, variance, fréquence,...) d’une
population à partir d’un échantillon, et ce avec une précision la
plus élevée possible.

Abdallah Module:Inférence
 Notation et Généralités sur
l’estimation Estimation ponctuelle
des paramètres usuels :
Estimation par intervalle de
confiance des paramètres usuels :

Définition d’estimateur
Un estimateur est statistique permettant d’évaluer un
paramètre inconnu relatif à une loi de probabilité (comme son
espérance ou sa variance).Il peut par exemple servir à estimer
certaines caractéristiques d’une population totale à partir de
données obtenues sur un échantillon comme, par exemple , lors
d’un sondage. la définition et l’utilisation de tels estimateurs
constituent la statistique inférentielle.

Abdallah Module:Inférence
 Notation et Généralités sur
l’estimation Estimation ponctuelle
des paramètres usuels :
Estimation par intervalle de
confiance des paramètres usuels :
Exemples d’estimateurs
Si l’on cherche à évaluer la taille moyenne des enfants de 10
ans, on peut effectuer un sondage sur un échantillon de la
population des enfants de 10 ans (par exemple en s’adressant à
des écoles réparties dans plusiurs milieux différents).La taille
moyenne calculée sur cet échantillon, appelée moyenne
empirique, sera un estimateur de la taille moyenne des enfants
de 10 ans.

Remarque :

L’estimation du paramètre θ est une variable aléatoire θˆ

dont la distribution de probabilité s’appelle la distribution
d’échantillonage du paramètre θ

L’estimateur θˆ admet donc une esperance mathématique

E(θˆ) et une variance ˆ
AbdallahV (θ ). Module:Inférence
 Notation et Généralités sur
l’estimation Estimation ponctuelle
des paramètres usuels :
Estimation par intervalle de
confiance des paramètres usuels :

Les propriétés d’un estimateur

Un bon estimateur est caractérisé par ses qualités d’absence de
biais, de convergence, d’efficacité et de faible disperstion.
Diverses méthodes permettent d’obtenir des estimateurs de
qualités différentes.

Abdallah Module:Inférence
 Notation et Généralités sur
l’estimation Estimation ponctuelle
des paramètres usuels :
Estimation par intervalle de
confiance des paramètres usuels :

Estimateur sans
biais :
Le biais d’un estimateur noté B(θˆ) est une erreur systimatique.
Il est définit comme étant la différence moyenne entre la valeur
de l’estimateur θˆ et celle du paramètre de la population qu’il
estime θ . Le biais doit etre égal à zéro pour avoir un estimteur
sans biais :

B(θˆ) = E(θˆ − θ) = E(θˆ) − E(θ) = E(θˆ) − θ = 0 drou

E(θˆ) = θ

Ainsi, l’estimateur sera sans biais si son espérance

mathématique est égale à la valeur du paramètre de la
population à estimer :

Abdallahˆ
E(θ ) = θ Module:Inférence
 Notation et Généralités sur
l’estimation Estimation ponctuelle
des paramètres usuels :
Estimation par intervalle de
confiance des paramètres usuels :

Exemple :
X est un estimateur sans biais de m; en effet E(X) =
m. f est un estimateur sans biais de p; en effet E(f ) =
p.
n donnée
La varaince
Σ
par :
empirique calculée sur un échantillon de
2 n (xi —
taille
S = 2 ni=1
est un estimateur avec biais de la variance
¯x) ΣN 2
s=1(xs —
de la population (σ2(X) = m)
N ), puisque
E(S2 ) = (n—1
n ) × σ
(X) 2. n— 1
où ( n ) le
Biais.

Abdallah Module:Inférence
 Notation et Généralités sur
l’estimation Estimation ponctuelle
des paramètres usuels :
Estimation par intervalle de
confiance des paramètres usuels :

Remarque

Lorsque lim B(θˆ) → 0 (ou E(θˆ) → θ lorsque n → ∞ ), nons

dirons que l’estimateur θ est asymptotiquement sans biais.
Autrement dit, en raison de la convergence de l’estimateur, le
biais peut etre rendu aussi petit que l’on veut en augmentation
la taille de l’échantillon. Ainsi la variance empirique
Σ
calculée
n 2
(x —
sur un échantillon de taille n donnée par : S2 = i=1x)
n
i
est
un estimateur asymptotiquement sans biais de la variance de la
population
Σ
donnée par :
n 2
i=1(xi —
σ2 = x)
N , puisque E(S2 ) = (n—
n ) ×
2

σ 1

Abdallah Module:Inférence
 Notation et Généralités sur
l’estimation Estimation ponctuelle
des paramètres usuels :
Estimation par intervalle de
confiance des paramètres usuels :

Estimateur de faible
dispersion :
La variance de l’estimateur θˆ mesure sa variabilité comme suit :

V(θˆ) = E(θˆ − E(θˆ)) 2

Autrement dit :
Erreur totale de l’estimateur = Erreur systimatique + Erreur
aléatoire
V(θˆ) = B 2 (θˆ) + σ 2 (θˆ)

Abdallah Module:Inférence
 Notation et Généralités sur
l’estimation Estimation ponctuelle
des paramètres usuels :
Estimation par intervalle de
confiance des paramètres usuels :

Estimateur convergent :

L’estimateur θˆ doit tendre vers la valeur réelle du paramètre

de la population à estimer θ lorsque le nombre d’individus
étudié augmente. On dit que l’estimateur θˆ est convergent en
probabilité si il répond à la condition :

∀ϵ > 0, P(| θˆ − θ |) ≺ ϵ lorsque n → ∞

D’ou deux conditions, pour que l’estimateur θ soit convergent :

Absence de biais :E(θˆ) = θ

V(θˆ)tend vers 0 quand n augmente

n→∞ indéfiniment :

lim (V(θˆ))Module:Inférence
Abdallah
→0
 Notation et Généralités sur
l’estimation Estimation ponctuelle
des paramètres usuels :
Estimation par intervalle de
confiance des paramètres usuels :
Remarque

Il convient de rappeler que V(θˆ) est une mesure de dispersion

des estimateures par rapport à E(θˆ) .Ainsi, cette propriété
exprime que : plus la taille n des échantillons devient grande,
plus la dispersion des estimations par rapport à θ est faible. Ce
résultat est intuitif.

Abdallah Module:Inférence
 Notation et Généralités sur
l’estimation Estimation ponctuelle
des paramètres usuels :
Estimation par intervalle de
confiance des paramètres usuels :
Remarque

Il convient de rappeler que V(θˆ) est une mesure de dispersion

des estimateures par rapport à E(θˆ) .Ainsi, cette propriété
exprime que : plus la taille n des échantillons devient grande,
plus la dispersion des estimations par rapport à θ est faible. Ce
résultat est intuitif.
Exemples :

X est un estimateur sans biais et convergent de m; en effet

: E(X) = m et lim (V(X)) = lim (V( )) → 0
n→∞ n→∞ n
2
f est un estimateur sans biais et convergent σde p; en effet :
p
E(f ) = p et lim (V(f )) = lim (V( )) → 0
n→∞ n→∞ qn
Abdallah Module:Inférence
 Notation et Généralités sur
l’estimation Estimation ponctuelle
des paramètres usuels :
Estimation par intervalle de
confiance des paramètres usuels :

Estimateur
efficace :
Soient θˆ1 et θˆ2 deux estimateurs sans biais et convergents
d’un meme paramétre θ, le plus efficace est celui qui a la
variance la plus faible car ses valeures sont en moyennes plus
proches de la quantité estimée :

V(θˆ) = E[θˆ − E(θˆ)] 2 minimale

Ainsi, si nous constatons par exemple que : V(θˆ1 ) ≺ V(θˆ2 ),

nous dirons alors que l’estimateur θˆ1 est meilleur ou plus
efficace que l’estimateur θˆ2 car sa variance est plus fible. Cela
traduit le fait que à prioi on a plus de chance d’obtenir, sur un
échantillon aléatoire, une estimation proche de θ en considérant
l’estimateur θˆ1 . Abdallah Module:Inférence
 Notation et Généralités sur
l’estimation Estimation ponctuelle
des paramètres usuels :
Estimation par intervalle de
confiance des paramètres usuels :

Exemple :
Pour l’estimateur sans biais de X du paramétre m, on constate
que :
2
σ (X)
V(X) = n dans le cas d’un tirage avec remise (T.A.R);
σ2(X)
V(X) = n × N—
nN—
dans le cas d’un tirage sans remise
(T.S.R); Nous
1 dirons alors que l’estimateur X dans le cas
d’un tirage sans remise est meilleur ou plus efficace que
l’estimateur X dans le cas d’un tirage avec remise car sa
variance est plus faible. En effit :

σ2(X) N− σ2(X)
(V(X)T.S.R) ≺ (V(X)T.A.R) ⇒ (
n n × N − 1 )T.S.R ≺ ( n )T.A.R

Abdallah Module:Inférence
 Notation et Généralités sur
l’estimation Estimation ponctuelle
des paramètres usuels :
Estimation par intervalle de
confiance des paramètres usuels :

Remarque
Le coefficient d’exhaustivité ( N—n
N— ) réduit dans le cas d’un
tirage sans remise la variance 1de l’estimateur en fonction de
l’effectif de l’échantillon et de la population. En effet, le tirage
sans remise est préférable au tirage avec remise puisqu’on aura
une concentration plus importante au niveau de la moyenne.

Abdallah Module:Inférence
 Notation et Généralités sur
l’estimation Estimation ponctuelle
des paramètres usuels :
Estimation par intervalle de
confiance des paramètres usuels :

Estimation ponctuelle des principales caractéristiques d’une

population :
Dans ce qui suit, nous allons étudier trois cas particuliers. Il
s’agit de l’estimation de :
d’une moyenne m,
d’une variance σ2.
d’une proportion
p,

Abdallah Module:Inférence
 Notation et Généralités sur
l’estimation Estimation ponctuelle
des paramètres usuels :
Estimation par intervalle de
confiance des paramètres usuels :

Espérance et variance d’une moyenne d’échantillon

La moyenne x de l’échantillon est définie comme suit :
- E(x) = m
La variance de la moyenne de l’échantillon :
2
σ (x)
- V(x) = n dans le cas d’un tirage avec
remise; 2
σ (X)
- V(x) = n
N—n
. N— dans le cas d’un tirage
sans
remise. 1

Abdallah Module:Inférence
 Notation et Généralités sur
l’estimation Estimation ponctuelle
des paramètres usuels :
Estimation par intervalle de
confiance des paramètres usuels :

Estimateur ponctuel de la moyenne d’une population :

L’espérance mathématique de l’estimateur x est égale à m
quelque soit le mode de tirage ( E(x) = m ) . Il résulte
que la moyenne x observée sur l’échantillon est un
estimateur sans biais de la moyenne m de la population
quel que soit le mode de tirage.
La variance de l’estimateur x dépend du mode de tirage,
avec :
2
- V(x) = σ n(x) dans le cas d’un tirage avec
remise; 2
- V(x) = σ n(x) .N—
N—n
dans le cas d’un tirage
sans
remise. 1

Abdallah Module:Inférence
 Notation et Généralités sur
l’estimation Estimation ponctuelle
des paramètres usuels :
Estimation par intervalle de
confiance des paramètres usuels :
Estimateur ponctuel de la variance d’une population :
Par définition la variance de la population σ2 est égale à :
Σ
s=1(X s —
σ2 =
N
2 m) N

et celle mesurée sur l’échantillon notée par S2 est égale à :

Σ
i=1(xi —
S2 =
n
2 x)n

Pour que S2 soit un estimateur sans biais de σ2, il faut vérifier

que E(S2) = σ2, Calculons en effet :
Σ
n
i=1(xi —
E(S2) = E( ) = V(x) − V(x)
2 x)n
(∗)
Pour la relation (∗), il faut tenir compte du mode de tirage,
autrement dit, il faut calculer E(S2) dans le cas d’un T.A.R et
dans le cas d’un T.S.R)
Abdallah Module:Inférence
 Notation et Généralités sur
l’estimation Estimation ponctuelle
des paramètres usuels :
Estimation par intervalle de
confiance des paramètres usuels :

Estimateur ponctuel de la variance d’une population :

Cas 1 : T.A.R
Dans le cas d’un échantillon indépendant, on sait que :

2
V(x) = σ2 et V(x) = σ

n
Si on remplace les relations dans (∗) , on
aura :
2 2 σ2
n−
)
E(S2 ) = V(x) − V(x) = σ − = σ 1n
n (∗∗)
×(
On constate d’après la relation (∗∗) que S2 est un estimateur
avec biais de σ2, puisque E(S2) /= σ2 (le biais de l’estimateur
S2 est égal à n—n 1 dans le cas d’un tirage avec remise).

Abdallah Module:Inférence
 Notation et Généralités sur
l’estimation Estimation ponctuelle
des paramètres usuels :
Estimation par intervalle de
confiance des paramètres usuels :

Estimateur ponctuel de la variance d’une population :

Par suit, l’estimateur sans biais de la variance de la population
n’est pasn S2, mais Sˆ 2 , obtenu en multipliant S2 par l’inverse
du ( n— ) . En
biais
effet : 1 Σ n
n (xi − 2
ˆ =
2 × i=1
S — )= nx)−
(
2 n 1 1
S

Abdallah Module:Inférence
 Notation et Généralités sur
l’estimation Estimation ponctuelle
des paramètres usuels :
Estimation par intervalle de
confiance des paramètres usuels :

Estimateur ponctuel de la variance d’une population :

Par suit, l’estimateur sans biais de la variance de la population
n’est pasn S2, mais Sˆ 2 , obtenu en multipliant S2 par l’inverse
du ( n— ) . En
biais
effet : 1 Σ n
n (xi − 2
ˆ =
2 × i=1
S — 1) = nx)−
(
2 n 1
S
Remarque : Si on remplace σ2 par son estimateur sans biais
Sˆ 2 , l’estimateur sans biais de la variance de l’échantillon x
dans le cas d’un tirage avec remise est donné comme suit :

Sˆ 2
V(x) =
n
Abdallah Module:Inférence
 Notation et Généralités sur
l’estimation Estimation ponctuelle
des paramètres usuels :
Estimation par intervalle de
confiance des paramètres usuels :

Estimateur ponctuel de la variance d’une population :

Cas 2 : T.S.R
Dans le cas d’un échantillon exhaustif, on a démontré que :

2 σ2
N−
V(x) = σ et V(x) = ×
n
n N−
Si on remplace les relations dans (∗) , on
1
aura :
2 N− N n−
E(S2 ) = V(x) ) = σ2 − σ = σ2 ×( )
n 1
−V(x × × (∗∗)
n N− n N−
1 1

Abdallah Module:Inférence
 Notation et Généralités sur
l’estimation Estimation ponctuelle
des paramètres usuels :
Estimation par intervalle de
confiance des paramètres usuels :

Estimateur ponctuel de la variance d’une population :

Par suit, l’estimateur sans biais de la variance de la population
n’est pas , mais Sˆ r2 , obtenu en multipliant S2 par l’inverse
S2N—
biais ( nN × n— ) . En effet :
du 1
1
ˆ r2 = S × n N− N−1 n N−
S ( )= ( )×( ) × S2 = ˆS
2
× )
2 1
N n− N n− 1N
× (
1 1

Abdallah Module:Inférence
 Notation et Généralités sur
l’estimation Estimation ponctuelle
des paramètres usuels :
Estimation par intervalle de
confiance des paramètres usuels :

Estimateur ponctuel de la variance d’une population :

Par suit, l’estimateur sans biais de la variance de la population
n’est pas , mais Sˆ r2 , obtenu en multipliant S2 par l’inverse
S2N—
biais ( nN × n— ) . En effet :
du 1
1
ˆ r2 = S × n N− N−1 n N−
S ( )= ( )×( ) × S2 = ˆ S
2
)
2 1
N n−1 N n−1 1
× ×(
N
Remarque : Si on remplace σ2 par son estimateur sans biais
Sˆ r2 , l’estimateur sans biais de la variance de l’échantillon x
dans le cas d’un tirage sans remise est donné comme suit :
ˆ2
N − ) × (S )
V(x) = ( n
nN

Abdallah Module:Inférence
 Notation et Généralités sur
l’estimation Estimation ponctuelle
des paramètres usuels :
Estimation par intervalle de
confiance des paramètres usuels :
Exemple 1 :Estimation d’une moyenne, d’un écart-type
Dans une entreprise produisant un article déterminé on veut
estimer sa durée de vie en heures. À cette fin on a observé un
échantillon aléatoire et simple de 16 unités dont les résultats
sont (en 1000 heures) :
1,10 1,05 1,25 1,08 1,35 1,15 1,30 1,25
1,30 1,35 1,15 1,32 1,05 1,25 1,10 1,15
Donner une estimation ponctuelle de µ, σ.

Solution
: L’estimation ponctuelle de la moyenne de la population est :
•
Σ 16
x
x̄ = i=1
16
i
= 1,
2 ponctuelle de l’écart type de la population de la
• L’estimation
population
q est :
Σ 16 2
i=1(xi —
σˆ 16— = 0,
¯x)
= 1 11
Abdallah Module:Inférence
 Notation et Généralités sur
l’estimation Estimation ponctuelle
des paramètres usuels :
Estimation par intervalle de
confiance des paramètres usuels :

Exemple 2 :Estimation d’une moyenne, d’un écart-type

Lors d’un concours radiophonique, on note X : le nombre de

réponses reçues chaque jour. On suppose X ∼ N (µ, σ). Durant
10 jours on a obtenu les xi :
200 ; 240 ; 190 ; 150 ; 220 ; 180 ; 170 ; 230 ; 210 ; 210
Donner une estimation ponctuelle de µ, σ2.

Solution
:
• L’estimation ponctuelle de la moyenne de la population est :
Σ10
Xi 1
X= i=1 =
(X1 + · · · + X10) est un estimateur de µ.
10 10
1 2000
Sa réalisation x = (x1 + · · · + x ) = 200 est une
10 10 10
=
estimation ponctuelle, efficace de µ

Abdallah Module:Inférence
 Notation et Généralités sur
l’estimation Estimation ponctuelle
des paramètres usuels :
Estimation par intervalle de
confiance des paramètres usuels :

•L’estimation ponctuelle de la variance de la population de

la population est :
On est dans le cas où la moyenne µ n’est pas connue.
1
S2 = (X 2 + · · · + X2 2
10 ) − (X) est un estimateur biaisé de
2 10 1
σ .réalisation
sa
1
s2 = (x + · · · + 2x ) − (x) = 40700 − 40000 = 700 est
2 10 110 2
une
estimation ponctuelle, biaisé de σ2.
n 10
(Sr)2 = n − S2 = 9 S2 est un estimateur sans biais de
σ2. 1 10
10 2
sa réalisation (s ) =
r 2 s = 700 = 778 est une
9 9
estimation ponctuelle, sans biais de σ2.

Abdallah Module:Inférence
 Notation et Généralités sur
l’estimation Estimation ponctuelle
des paramètres usuels :
Estimation par intervalle de
confiance des paramètres usuels :
Estimation par intervalle de confiance des paramètres usuels
On appelle estimation par intervalle de confiance associe à un
échantillon aléatoire au risque α tout intervalle [θˆ1 ; θˆ2 ] tel que
la probabilité que cette intervalle contienne la valeur du
paramètre θ soit égale à 1 − α. C-à-d :

P(θ ∈]θˆ1; θˆ2 [) = 1 − α

(Avec θ désigne le paramètre de la population à estimer et

θˆ son estimateur dans l’échantillon)
Si par exemple, le niveau de confiance (1 − α = 95%) est égale
à 95% , il y a 95 chances sur 100 que la vraie valeur de θ se
trouve dans l’intervalle déterminé de cette façon autour de la
valeur observée θˆ .
Si par exemple, le niveau de risque (α = 5%) est égale à 5%, (α
Abdallah Module:Inférence
 Notation et Généralités sur
l’estimation Estimation ponctuelle
des paramètres usuels :
Estimation par intervalle de
confiance des paramètres usuels :

Estimation par intervalle de confiance des paramètres usuels

• les niveaux de confiance les plus fréquemment utilisés sont
90%, 95%, 99%
• α est appelé le seuil (le risque); on choisira dans la plupart
des cas un intervalle à risques symétriques, c-a-d t.q.
α α
P(θ < θ1) = , P(θ > θ2) =
2
2
Remarque :

Si on augmente le niveau de confiance 1 − α, on augmente la

longueur de l’intervalle (plus le niveau de confiance est élevé,
plus la certitude est grande que la méthode d’estimation
produira une estimation contenant la vraie valeur de θ)
Abdallah Module:Inférence
 Notation et Généralités sur
l’estimation Estimation ponctuelle
des paramètres usuels :
Estimation par intervalle de
confiance des paramètres usuels :

Intervalle de confiance d’une moyenne Ic(m)

L’intervalle de confiance de la moyenne m de la population
dépond de la nature de la variable aléatoire continue X, de la
taille de l’échantillon n, du mode de tirage (avec ou sans
remise) et de la connaissance que nous avons sur la variance de
X au niveau de la population σ2

Abdallah Module:Inférence
 Notation et Généralités sur
l’estimation Estimation ponctuelle
des paramètres usuels :
Estimation par intervalle de
confiance des paramètres usuels :

On suppose que le tirage est non exhaustive dans tous les cas.

Estimation de la moyenne d’une population par Ic(m) :

L’estimateur par intervalle de confiance de m consiste à
déterminer les bornes x1 et x2 de l’intervalle de confiance
Ic(m), pour lesquelles Ic(m) a un niveau de confiance,
appelé probabilité 1 − α, de contenir m .
Les bornes x1 et x2 sont telles que :la probabilité que m se
trouve compris entre [x1, x2] est égale à 1 − α

P(x1 ≤ m ≤ x2) = 1 − α

Abdallah Module:Inférence
 Notation et Généralités sur
l’estimation Estimation ponctuelle
des paramètres usuels :
Estimation par intervalle de
confiance des paramètres usuels :

Estimation de la moyenne d’une population par Ic(m) :

Etant donné une population normale ( population mère est
Gaussienne) de moyenne m et de variance σ2, c’est-à-dire la
variable aléatoire concernée X de la population suit la loi
normale N(m, σ).
2 cas à étudier :
a) Cas d’écart type connu
b) Cas d’écart type inconnu

Abdallah Module:Inférence
 Notation et Généralités sur
l’estimation Estimation ponctuelle
des paramètres usuels :
Estimation par intervalle de
confiance des paramètres usuels :

Estimation de la moyenne d’une population par Ic(m) :

Etant donné une population normale ( population mère est
Gaussienne) de moyenne m et de variance σ2, c’est-à-dire la
variable aléatoire concernée X de la population suit la loi
normale N(m, σ).
2 cas à étudier :
a) Cas d’écart type connu
b) Cas d’écart type inconnu

c) Cas d’une population de loi quelconque et n ≥ 30 :

Abdallah Module:Inférence
 Notation et Généralités sur
l’estimation Estimation ponctuelle
des paramètres usuels :
Estimation par intervalle de
confiance des paramètres usuels :

Estimation de la moyenne d’une population par Ic(m) :

Population normale :Cas d’écart type connu (σ2 est connue)
L’estimateur par intervalle de confiance de m consiste à
déterminer les bornes x1 et x2 sont telles que la probabilité que
m se trouve compris entre [x1, x2] est égale à 1 − α :
P(x1 ≤ m ≤ x2) = 1 −
α
= P(X − x2 ≤ X − m ≤ X −
P(x1 ≤ m ≤ x2) x1)
X— 1
= P( X—x 2 X—
mn
x
√σ ≤ √σ
n
≤ √σ
n
)

= P( X—
x√
σ
2
≤T X—
x√
σ
1
)
n
≤ n

= 1−
α.
Abdallah Module:Inférence
 Notation et Généralités sur
l’estimation Estimation ponctuelle
des paramètres usuels :
Estimation par intervalle de
confiance des paramètres usuels :

Estimation de la moyenne d’une population par Ic(m) :

X— m
Avec : T = √σ
n
Donc :
—
T=
X σ ‹→ N(0,
√m
n 1)

Abdallah Module:Inférence
 Notation et Généralités sur
l’estimation Estimation ponctuelle
des paramètres usuels :
Estimation par intervalle de
confiance des paramètres usuels :

Soit Z1 α2 la valeur de la variable normale , 1) , appelé

N(0
quartile,
— lue dans la table, c’est-à-dire :

P(−Z1—α2 ≤ T ≤ Z1 α2 ) = 1 −
( — X—
α
P( X—
x√
σ
2
≤ T x√
σ
1
) = 1 −
On a ≤
P(− 1 2 ≤ T ≤ 1α,α2 ) = 1 −
n n
α
:
 Z — Z — α,
 X— 2 1 α2 ,
x √σ = −Z
Alors n —
 X— x1
: √ σ = 1— α2 ,
n
Donc : x = X − Z α2 .√σn et x2 = X + 1 α2 . √σn
1 Z 1
Z —
—

Abdallah Module:Inférence
 Notation et Généralités sur
l’estimation Estimation ponctuelle
des paramètres usuels :
Estimation par intervalle de
confiance des paramètres usuels :

D’ou L’intervalle de confiance de la moyenne m de la

population au seuil 1 − α est donné comme suit :
σ
. √σn ; X + Z1 .
α α
Ic (m) = [X − Z1 2 2
—
—
σ n √ ] σ
x − Z(1—α/2) × √ 1 2
P
= 1− α
Z1 α
2
la valeur de la variable normale N(0, ) appelé quartile,
1 — dans la table de la loi normale centrée réduite.
lue
P(N(0, 1) ≤ Z α ) = α

Abdallah Module:Inférence
 Notation et Généralités sur
l’estimation Estimation ponctuelle
des paramètres usuels :
Estimation par intervalle de
confiance des paramètres usuels :

Estimation de la moyenne d’une population par Ic(m) :

Population normale :Cas d’écart type inconnu
Dans le cas où la variance est inconnue, on utilise la
quasi-variance comme estimation de la variance.
L’intervalle de confiance de la moyenne Ic(m) est définie
comme suit :

P(x1 ≤ m ≤ x2) = P(X − x2 ≤ X − m ≤ X − x1) =

1− α

Abdallah Module:Inférence
 Notation et Généralités sur
l’estimation Estimation ponctuelle
des paramètres usuels :
Estimation par intervalle de
confiance des paramètres usuels :

Estimation de la moyenne d’une population par Ic(m) :

Population normale : Cas d’écart type inconnu :

X − x2 X−m X− 1
P( ≤ ) = 1−
x Sˆ
√
n
≤ √ Sn ˆ √S
n
ˆ
α
ou : r
n 2
S Ŝ =
n−
1
Comme X ‹→ N(m, σ) et σ est inconnue alors
:
X−
T= ‹→ n—
m Sˆ
√
n
T 1

Abdallah Module:Inférence
 Notation et Généralités sur
l’estimation Estimation ponctuelle
des paramètres usuels :
Estimation par intervalle de
confiance des paramètres usuels :

Soit t1 α2 la valeur de la variable Student à n-1 degré de

liberté
— lue à partir de la table de , c’est-à-dire :

P(−t1 α2 ≤ T ≤ 1 α2 ) = 1 −
t
 P(−t
— — α
≤T α
≤t α
1 2) = 1−
 P( 1— 2
On a X—x2
≤T X—x—1 α,
) = 1−

: ˆ √
S
n ≤ √
Ŝ
n α,

Abdallah Module:Inférence
 Notation et Généralités sur
l’estimation Estimation ponctuelle
des paramètres usuels :
Estimation par intervalle de
confiance des paramètres usuels :


 X— 2
x √ˆSn
= −t1 α
2
Alors X—x1 , —
= t
:  ˆ 1—α2 ,
√ S
n
α √Sˆ et x = X + α √
1 2 Sˆ
Donc : x1 = X − 1— 2n 1
D’ou : t — n
t
Ic (m) = [X − 1 α2 √Sˆ, X + t1 α2 √S ]
t — n — ˆn
!
Sˆ
Sˆ
P = 1−
x − Z(1—α/2) × √ ≤ m ≤ x + Z(1—α/2) × √
n n α

Abdallah Module:Inférence
 Notation et Généralités sur
l’estimation Estimation ponctuelle
des paramètres usuels :
Estimation par intervalle de
confiance des paramètres usuels :

Estimation de la moyenne d’une population par Ic(m) :

Cas d’une Population de loi quelconque et n ≥ 30 :
L’intervalle de confiance de la moyenne Ic(m) est définie
comme suit :

P(x1 ≤ m ≤ x2) = P(X − x2 ≤ X − m ≤ X − x1)

= 1− α X— 1
P( X—x
σ
2
≤ X—σ
x√
σ ) = P( X—
x√
σ
2
≤ T X—
x√
σ
1
) = 1−
√ √
mn ≤ n n n
≤ n
α
X—
ou : T= m√
σ ‹→ N(0,
n
1)
Donc :

I (m) = [X − Z α .√σ ; X + 1 α . √σ
c 1 2 n
Z— — 2] n
Remarque :Si σ est inconnue alors on remplace σ par
Sˆ . Abdallah Module:Inférence
 Notation et Généralités sur
l’estimation Estimation ponctuelle
des paramètres usuels :
Estimation par intervalle de
confiance des paramètres usuels :

Exemple 1 : Estimation d’une moyenne par Ic(m), dans le cas

où la variance σ2 est connue
On veut estimer la moyenne m d’une variable aléatoire X
suivant une loi normale, de variance connue σ2 = 6, 25 à l’aide
d’un échantillon de taille n=100. La moyenne ¯x de
l’échantillon observée est 4,3.
1 Construire un intervalle de confiance avec un
seuil 1 − α = 0, 95, Interpréter .
2 Comment construire un tel intervalle, si l’on ne connait pas
la variance de X, mais seulement la variance empirique de
l’échantillon S2 = 6, 76

Abdallah Module:Inférence
 Notation et Généralités sur
l’estimation Estimation ponctuelle
des paramètres usuels :
Estimation par intervalle de
confiance des paramètres usuels :

Solution
:1− L’intervalle de confiance de la moyenne m de la population
au seuil 1 − α est donné comme suit :

(1)
p x − Z(1—α/2) × σ(x) ≤ m ≤ x + Z(1—α/2) × σ(x) = 1 −
Puisque
α le tirage est avec remise, la tail
√ le de l’échantillon
n = 100, X → N(m; σ) et σ(X) = σ = 6.25 = 2.5, la relation
(1) est reformulée comme suit :

σ σ
x − Z(1—α/2) × √ 1 2
p = 1−α (2)

Abdallah Module:Inférence
 Notation et Généralités sur
l’estimation Estimation ponctuelle
des paramètres usuels :
Estimation par intervalle de
confiance des paramètres usuels :

Détermination de la valeur de Z1—α/2 :

Puisque la variable aléatoire X définie au niveau de la
population suit une loi normale d’écart type σ connu
(X ∼ N(m; σ)), et d’après le théorème central limite ,
l’échantillon prélevé de cette population va suivre une loi
normale de paramètres E(x) et σ(x). En effet :

x−
(x) → = T ∼ N(0;
X ∼ N (m; σ) → x ∼ N E(x)
σ(x) 1)
E(x); σ

Abdallah Module:Inférence
 Notation et Généralités sur
l’estimation Estimation ponctuelle
des paramètres usuels :
Estimation par intervalle de
confiance des paramètres usuels :

Par conséquent, la valeur de Z(1—α/2) sera déterminée à partir

de la table de la loi normale centrée réduite (N(0 , 1)) comme
suit :
5%
α = 5% → 1 − = 0, 975 → F(Z) = 0, 975 → Z(1—α/2) = 1,
2
96
Si on remplace x ( = m) , σ et n par leur
Z(1—α/2) ,
valeurs
dans la relation (2), on aura donc :
q q
6,2 6,2
p 43 − 1, 96 ≤ m ≤ 43 + 1, 96
5100 5 = 0,
× × 100 95
p(3, 81 ≤ m ≤ 4, 79) = 0, 95

Interprétation :
On a 95 chances sur 100 pour que la moyenne m de
la population soit comprise entre 3, 81 et 4, 79 cm.
Abdallah Module:Inférence
 Notation et Généralités sur
l’estimation Estimation ponctuelle
des paramètres usuels :
Estimation par intervalle de
confiance des paramètres usuels :

2−
Puisque l’écart type σ de la population est inconnu, on va le
remplacer par son estimateur sans biais dans le cas d’un tirage
avec remise Sr l’intervalle de confiance donné dans la relation
(2)est reformulé comme suit :

p r
= 1− α (3)
S
x − t(1—α/2) × √ ≤ m ≤ x + t(1—α/2) ×
n
S r
√
n

Abdallah Module:Inférence
 Notation et Généralités sur
l’estimation Estimation ponctuelle
des paramètres usuels :
Estimation par intervalle de
confiance des paramètres usuels :

Détermination de l’écart type σ :

On sait que l’estimateur sans biais de l’écart type σ de la
population est donné dans le cas d’un tirage avec remise par
Sr :
n
n−
1
Si on remplace x ( = m) , Z Sr et n par leur
(1—α/2) ,
dans la relation (3), on aura donc :
valeurs

p (3, 78 ≤ m ≤ 4, 81) = 0, 95

(4)
Interprétation :
On a 95 chances sur 100 pour que la moyenne m de
la population soit comprise
Abdallah entre 3, 78 et 4, 81 cm.
Module:Inférence
 Notation et Généralités sur
l’estimation Estimation ponctuelle
des paramètres usuels :
Estimation par intervalle de
confiance des paramètres usuels :

Exemple 2 : Estimation d’une moyenne par Ic(m), dans le cas

où la variance σ2 est inconnue
Un fabricant reçoit de son fournisseur habituel une livraison de
pièce dont il veut contrôler la longueur. La dimension X d’une
pièce suit une loi normale de moyenne m et d’écart type σ
inconnus. Il extrait un échantillon de 6 pièces qui donnent les
dimensions suivantes (en centimètres) :

50 40 45 43 47
45

Estimer à partir de cet échantillon la variance de la

longueur des pièces reçues.
Déterminer au risque de 5% l’intervalle de confiance de la
longueur moyenne µ.
Abdallah Module:Inférence
 Notation et Généralités sur
l’estimation Estimation ponctuelle
des paramètres usuels :
Estimation par intervalle de
confiance des paramètres usuels :

Solution
:
Soit la variable aléatoire X qui désigne la dimension d’une
pièce.
D’après l’énoncé de l’exercice, on a :
E(X) = µ ; σ(x) = σ ; n = 6 ; X ∼ N E(X) ; (x)
σ Estimation de la variance σ2 de la longueur des pièces
reçues :
On sait que l’estimateur sans biais de la variance σ2 de la
population est donné dans le cas d’un tirage avec remise
par S2 :
Σn 2 Σ
n (X i − Xi
x) et x = i=1
Sr2 = i=1 n − n
1
Abdallah Module:Inférence
 Notation et Généralités sur
l’estimation Estimation ponctuelle
des paramètres usuels :
Estimation par intervalle de
confiance des paramètres usuels :

Avec :

Σn Σ6
Xi Xi

x= i=1
n = i=1
6 = 50+40+45+43+47+45
6 = 45 cm

. Σn (X — 2
i
x) (50—45)2+(40—45)2+···+(45—45) 2
Sr2 = i=1 n—1
= 5 = 11, 6 cm
2
Donc la variance σ2 de la longueur des pièces reçues est
estimée par 11.6 cm2.

Abdallah Module:Inférence
 Notation et Généralités sur
l’estimation Estimation ponctuelle
des paramètres usuels :
Estimation par intervalle de
confiance des paramètres usuels :

L’intervalle de confiance de la longueur moyenne µ des

pièces reçues au risque de 5% est donné comme suit :

p x − t(a/2) × σ(x) ≤ µ ≤ x + t(α/2) × σ(x) = 1 − α.

σ σ
(1)
p x − t(n/2) × √ ≤ µ ≤ x + t(n/2) × √ = 1 − α. (2)
n n
Puisque l’écart type σ de la population est inconnu, on va
remplacer par son estimateur sans biais dans le cas d’un
tirage avec remise S.

S
p x − t(α/2) ×S√ ≤ µ ≤ x + t(α/2) × √ = 1 − α. (3)
n n

Abdallah Module:Inférence
 Notation et Généralités sur
l’estimation Estimation ponctuelle
des paramètres usuels :
Estimation par intervalle de
confiance des paramètres usuels :

Détermination de la valeur de t(α/2)

Puisque la variable aléatoire X définie au niveau de la
population suit une loi normale de variance σ2 inconnue
(X ∼ N(µ ; σ)), et d’après le théorème central limite,
l’échantillon prélevé de cette population va suivre la loi de
Student à n − 1 degrés de liberté (d.d.l =5). En effet :

X ∼ N(µ ; σ) → x ∼ N E(x) σ(x)

;
Ce qui implique : x— ∼ Student (n − 1 d.d
l)
Par conséquent la valeur
E ( x)de t(α/2) sera déterminée à partir de la
σ x( )
table de Student à n − 1 degrés de liberté au risque α = 5% :
α = 5%
donc , avec : −→ t(α/2) = 2,
d.d.l =
571
5
Abdallah Module:Inférence
 Notation et Généralités sur
l’estimation Estimation ponctuelle
des paramètres usuels :
Estimation par intervalle de
confiance des paramètres usuels :

Si on remplace x , t(α/2), Sr et n par leurs valeurs dans

la relation (3), on aura donc :
q q
11,6
p 45 − 2, 571 ≤
611,6 µ ≤ 45 − 2.571 6 =
× × 0.95
P(41, 425 ≤ µ ≤ 48, 574) = 0, 95

Interprétation :
On a 95 chances sur 100 pour que la longueur moyenne des
pièces reçues soit comprise entre 41, 425 et 48, 574 cm.

Abdallah Module:Inférence
 Notation et Généralités sur
l’estimation Estimation ponctuelle
des paramètres usuels :
Estimation par intervalle de
confiance des paramètres usuels :

Exemple 3 :Estimation de la moyenne par Ic(m), dans le cas où

la variance σ2 est inconnue.
Le chiffre d’affaire mensuel d’une entreprise suit une loi
normale de moyenne m et d’écart-type σ inconnus. Sur les 12
derniers mois, on a observé une moyenne des chiffres d’affaires
égale à 10 000 DHs avec un écart-type de 2000 DHs.
Donner une estimation de m par intervalle de confiance
au niveau 0,98.

Abdallah Module:Inférence
 Notation et Généralités sur
l’estimation Estimation ponctuelle
des paramètres usuels :
Estimation par intervalle de
confiance des paramètres usuels :

Solution
: Soit Xi le chiffre d’affaire de l’entreprise le mois i.
On cherche à estimier la moyenne m = E(Xi) de la
population par intervalle de confiance de au risque de 2% .
L’intervalle de confiance de m seuil de 1 − α est formulé
comme suit :
P(x − .σ(x) ≤ m ≤ x + 1 α2 .σ(x)) = 1 −
1 α
2
Z —Z — α
σ(x) σ(x)
α α
1 1
P(x − Z 2 . √ n ≤ m ≤ x + Z 2 . √ ) = 1 − α
— —
n
Puisque σ de la population est inconnu, on va le remplacer
par son estimateur sans biais dans le cas d’un tirage avec
remise Sˆ

Abdallah Module:Inférence
 Notation et Généralités sur
l’estimation Estimation ponctuelle
des paramètres usuels :
Estimation par intervalle de
confiance des paramètres usuels :

S S
. √ˆn ≤ m ≤ x + 1 2 . √ˆ ) = 1 −
α α
P(x − Z1 2
— Z —
n α
La variable aléatoire X définie au niveau de la population
suit une loi normale de variance σ2 inconnue
(X ∼ N(m; σ))
Puisque la taille de l’échantillon est petite (n < 30), d’aprés
le T.C.L, l’échantillon prélevé de cette population va suivre
la loi se Student à n − 1 degréss de liberté (d.d.l).En effet
,

X ∼ N(m; σ) → x ∼ N(E(x); σ(x))

Ce qui implique :
x − E(x)
( ) ∼ Student(n −
σ(x) 1)
Abdallah Module:Inférence
 Notation et Généralités sur
l’estimation Estimation ponctuelle
des paramètres usuels :
Estimation par intervalle de
confiance des paramètres usuels :

√
On sait que T = 11 (X12 − ) suit une loi de
S12
m Par conséquent la valeurStudent(11).
de t1 α2 sera déterminée A l’aide
de la table de la loi de Student(n— − 1) au risque α = 2%,
on
trouve :
Donc, avec : α = 2% et d.d.l = 11 ⇒ t1 α2 = 2,
718 —
tel que P(|T| ≤ 2, 718) =
0, 98
Donc, | √ 11 (X12 − )| ≤ 2, 718 avec proba = 0,
S12
m
i.e : m ∈ [X12 − 2, 71898√S12 ; X12 + 2, 718√ 12 ] Avec :
S11 11
X12 = 10000 et S12 = 2000, on obtient :

m ∈ [8360, 9; 11639, 02], avec proba

0, 98
Abdallah Module:Inférence
 Notation et Généralités sur
l’estimation Estimation ponctuelle
des paramètres usuels :
Estimation par intervalle de
confiance des paramètres usuels :

Exemple 4 : Estimation d’une moyenne par Ic(m), dans le cas

où la variance σ2 est connue
Une machine produit en grande série des objets de masse
théorique 180g. On admet que la variable aléatoire qui associe à
un objet sa masse a pour ecart-type 0,92g. On préléve un
échantillon de 100 objets et on mesure la masse de chacun, on
obtient une moyenne de 179,93g.
Déterminer un intervalle de confiance au seuil de risque de 1%,
de la masse m d’un objet.

Abdallah Module:Inférence
 Notation et Généralités sur
l’estimation Estimation ponctuelle
des paramètres usuels :
Estimation par intervalle de
confiance des paramètres usuels :

Solution
: Soit X , la v.a qui renvoit la masse de l’objet i de
i
l’échantillon. On cherche un intervalle de confiance de
m = E(Xi)
On sait qu’avec proba 1 − α,
Xn − Z1—α2 √σn ≤ m ≤ Xn + Z1 α √σ
2
α = 0, 01 donne un Z1 αn — = 2, 58 .(table de la loi
2
normale
centrée réduite) —

D’ou,
√0,92 ≤ m ≤ 179, 93 + ,
179, 93 − 2, 58 √0,9
100 2 100
2 proba 0,99 on a , m ∈ [179, 69; 180,
i.e : Avec 58
17].

Abdallah Module:Inférence
 Notation et Généralités sur
l’estimation Estimation ponctuelle
des paramètres usuels :
Estimation par intervalle de
confiance des paramètres usuels :

Estimation par intervalle confiance de la variance d’une

population Ic(σ2)
Soit une population normale de variance σ2 .
L’estimateur par intervalle de confiance de σ2 consiste à
déterminer les bornes x1 et x2 d’un intervalle qui a un
niveau de confiance, appelé probabilité 1 − α , de
contenir
σ.2

Les bornes x1 etx2 sont telles que :

P(x1 ≤ σ2 ≤ x2) = 1 − α

2 cas à étudier :
a) µ = m connue
b) µ = m inconnue
Abdallah Module:Inférence
 Notation et Généralités sur
l’estimation Estimation ponctuelle
des paramètres usuels :
Estimation par intervalle de
confiance des paramètres usuels :

Intervalle de confiance pour la variance d’une variable

gaussienne
Population normale :Cas la moyenne de la population connu
(µ = m connue) :

1 Σn 1 Σ
n
2 2 2
Ic (σ ) = (xi − (xi −
k1 α
[ 2 i=1 µ) ; k 2α µ) ]
—
i=1
α
ou k 2α et k1 α
2
sont les quantiles d’ordre 2 et 1 − α2 de la loi
—
χ2n

Abdallah Module:Inférence
 Notation et Généralités sur
l’estimation Estimation ponctuelle
des paramètres usuels :
Estimation par intervalle de
confiance des paramètres usuels :

Intervalle de confiance pour la variance d’une variable

gaussienne
Population normale :Cas la moyenne de la population
inconnue (µ = m :inconnue) :

1 Σn 1 Σ
n
2 2 2
Ic (σ ) = (xi − (xi −
k1 α
[ 2 i=1 X) ; k 2α X) ]
— i=1
α
ou k 2α et k1 α
2
sont les quantiles d’ordre 2 et 1 − α2 de la loi
—
χ2n—
1

Abdallah Module:Inférence
 Notation et Généralités sur
l’estimation Estimation ponctuelle
des paramètres usuels :
Estimation par intervalle de
confiance des paramètres usuels :

Exemple 1 :
Au contrôle de la qualité d’un institut de beauté, on analyse le
PH d’un certain parfum. On sait que ce facteur maintient un
aspect normal de moyenne 2,8. Afin de connaitre sa variance,
on effectue un prélèvement de 25 unités de ce parfum dont on
mesure le PH.
Σ
Pour certain échantillon, la valeur de ni=1(xi − m)2 (ou
est de 0,0625. Bˆatir un intervalle dem=2,8 )
confiance qui
permettra d’estimer la variance du PH de ce parfum avec
un degré de certitude de 95%.

Abdallah Module:Inférence
 Notation et Généralités sur
l’estimation Estimation ponctuelle
des paramètres usuels :
Estimation par intervalle de
confiance des paramètres usuels :

Solution
Soit X une variable aléatoire suivant la loi normale N(2, 8;
σ). Pour estimer la variance, on prélève un échantillon de
taille n = 25. D’après l’énoncé de l’exercice,On a :
• La moyenne de la population est connue :µ = 2, 8
• Niveau de confiance :
1 − α = 0, 95 ⇒ α2 = , 025 ⇒ 1 − α2 = 0,
Σ
0 2 975.
• La statistique (x i—
µ)σ2
suit une loi du chi-deux à n =
degrés de liberté 25
2
Σ (xi — ‹→ χ225 .
µ)σ2

Abdallah Module:Inférence
 Notation et Généralités sur
l’estimation Estimation ponctuelle
des paramètres usuels :
Estimation par intervalle de
confiance des paramètres usuels :

On calcule alors l’estimation sans biais de la variance :

Σ
(xi − 2 0,
2 = = = 0,
tn µ) n 0625
0025
25
il suit alors des formules établies à la Section 4 que, pour tout
α ∈ [0, 1], un intervalle de confiance au seuil de confiance 1 −
α pour σ est :
" #
nt2
I=
kn(nt—2α2 ), k n( α )
2
1
ou
α
P(Y ≤ P(Y ≥
α)= 1 α ) = 2
K K —
2 2
avec : Y ~ χ2n

Abdallah Module:Inférence
 Notation et Généralités sur
l’estimation Estimation ponctuelle
des paramètres usuels :
Estimation par intervalle de
confiance des paramètres usuels :

On obtient
 successivement
 :
Σ 2
(xi —
• P ≥ α = α
2 = 0, 025 →
µ)σ2
1 1 α = 40, 64
K — 2
K —
 2
Σ 2
(xi —
• P  α
µ)σ2 ≥ Kα = 1− 2 = , 975 → K α = 13, 12
2
0
2
L’Intervalle de confiance, à risques symétriques, pour la
variance? Ic (σ2 ) = 0, 0625; 0, = [0, 0015; 0,
0625
40, 13,
004]
64 12

Abdallah Module:Inférence
 Notation et Généralités sur
l’estimation Estimation ponctuelle
des paramètres usuels :
Estimation par intervalle de
confiance des paramètres usuels :

L’intervalle [0, 0015; 0, 004] a une probabilité égale à 0,95 de

contenir la vraie valeur de la variance de la loi considérée.
De même, l’intervalle [0, 038; 0, 063] a une probabilité égale
à 0,95 de contenir la vraie valeur de l’écart-type de la loi
considérée.

Abdallah Module:Inférence
 Notation et Généralités sur
l’estimation Estimation ponctuelle
des paramètres usuels :
Estimation par intervalle de
confiance des paramètres usuels :

Exemple 2 :
La consommation d’essence en (L/100km) d’un certain
modèle d’automobile est distribuée selon une loi normale. On
note la consommation de 25 voitures de ce modèle. On obtient
une moyenne d’échantillon de 8, 7L/100km et un écart-type
corrigé d’échantillon de 0, 09L/100km. Estimer la variance de
la population par intervalle avec 90%

Abdallah Module:Inférence
 Notation et Généralités sur
l’estimation Estimation ponctuelle
des paramètres usuels :
Estimation par intervalle de
confiance des paramètres usuels :

Solution
Soit X une variable aléatoire suivant la loi normale N(m; σ).
Pour estimer la variance, on prélève un échantillon de taille
n = 25.
Intervalle de confiance, à risques symétriques, pour la
variance?
La moyenne de la population est inconnue :
ˆ2
La statistique (n—1)S suit une loi du chi-deux
σ2
àn − 1 = 25 − 1 = 24 degrés de liberté (n— ˆ 2 ‹→ χ2 )
1)Sσ2 24
(Niveau de confiance :
1 − α = 0, 9 ⇒ α2 = 0, 05 ⇒ 1 −α2 = 0,
95

Abdallah Module:Inférence
 Notation et Généralités sur
l’estimation Estimation ponctuelle
des paramètres usuels :
Estimation par intervalle de
confiance des paramètres usuels :

ˆ2
P( (n—
1)S
≥ x2 ) = α2 = 0, 05 → x2 = 36,
σ2
ˆ 2 42
P( (n—
1)Sσ2
≥ x1 ) = 1 −α2 = 0, 95 → x1 = 13,
58 ˆ2 — ˆ2
Ic (σ2 ) = (n—1)S
(n x2
; 1)S
[ x1 ]
2 24 × (0, 09)2 24 × (0,
Ic(σ ) = [ 2 ; ] = [0, 0053; 0,
09) 36, 42 012] 13,
85
L’intervalle [0, 0053; 0, 012] a une probabilité égale à 0,90 de
contenir la vraie valeur de la variance de la loi considérée.
De même, l’intervalle [0, 072; 0, 109] a une probabilité égale
à 0,90 de contenir la vraie valeur de l’écart-type de la loi
considérée.

Abdallah Module:Inférence
 Notation et Généralités sur
l’estimation Estimation ponctuelle
des paramètres usuels :
Estimation par intervalle de
confiance des paramètres usuels :

Exemple 3 :
Une entreprise comporte un grand nombre d’employés avec un
système de pointage des heures d’arrivée. Chaque employé
doit arriver à 8h. On a relevé le retard d’un échantillon de 25
employés. On a obtenu un retard moyen de 6,47 min pour un
écart-type moyen 1,12 min. A partir de ces informations,
donner un intervalle de confiance au seuil de 0,9 pour
l’écart-type du temps de retard.

Abdallah Module:Inférence
 Notation et Généralités sur
l’estimation Estimation ponctuelle
des paramètres usuels :
Estimation par intervalle de
confiance des paramètres usuels :

Solution
Soit Xi le temps de retard de l’employé i.
La taille d’échantillon : n = 25
On a : X25 = 6, 47 et S25 = 1, 12
On cherche à estimée : σ2 = Var(Xi).
25 2
On sait que Z = S 25 ~ χ2(24)
σ2
1 − α = 0, 9 ⇒ α2 = 0, 05 ⇒ 1 −α = 0,
95 2
A l’aide de la table de la loi d’un χ2(24), on détermine :
x1 ' 13, 848 et x2 ' 36, 415 tels que :

P(Z ≥ x2) = 0, 05 et P(Z ≤ x1) = 0, 05 :

25S2
on obtient σ 2 ∈ [36,415
25S25 ;
25
2 ] avec proba 0,9 :
ie : σ ∈ [0, 927; 1,13,848
505] avec proba
0,9
Abdallah Module:Inférence
 Notation et Généralités sur
l’estimation Estimation ponctuelle
des paramètres usuels :
Estimation par intervalle de
confiance des paramètres usuels :

Estimation ponctuelle : de la proportion d’une population

Soit une population dont les individus possèdent un caractère
A avec une probabilité p. On cherche à déterminer cette
probabilité inconnue en prélevant un échantillon de taille n
dans cette population. On constate que k parmi les n individus
possèdent le caractère A. L’estimation ponctuelle sans biais ˆp
de la proportion p est donnée donc

ˆp = f =n
k

Abdallah Module:Inférence
 Notation et Généralités sur
l’estimation Estimation ponctuelle
des paramètres usuels :
Estimation par intervalle de
confiance des paramètres usuels :

Estimation ponctuelle : de la proportion d’une population

Etant donné une population de proportion p.

On a : E(fn) = p alors pˆ = fn est un estimation sans

biais de p.
La variance de cet estimateur est :

p(1 − p)
V(f n ) =
n
et
p(1 −
σfn = r p)
n

Abdallah Module:Inférence
 Notation et Généralités sur
l’estimation Estimation ponctuelle
des paramètres usuels :
Estimation par intervalle de
confiance des paramètres usuels :

Exemple1 :
Deux sondages différents portant sur la meme caractéristique
d’une population sont effectués.
Dans la premier sondage, on a pris un petit échantillon de
n = 5, on a trouvé k = 3 donc p = k = 3 =
60%
taille
^ n
Dans la second sondage, on a pris 5un petit échantillon de taille
n = 1000, cet échantillon a donné X = 600 donc p = 60%
^
ces deux sondages donnent-ils la meme information ? La
réponse est non, le second résultat est beaucoup plus précis que
le premier.

Abdallah Module:Inférence
 Notation et Généralités sur
l’estimation Estimation ponctuelle
des paramètres usuels :
Estimation par intervalle de
confiance des paramètres usuels :

Estimation par intervalle de confiance de la proportion d’une

population
L’estimation par intervalle de confiance d’une proportion p
consiste à déterminer les bornes x1 et x2 d’un intervalle
Ic(p) qui a niveau de confiance, appelé probabilité 1 − α ,
de contenir p.
Les bornes x1 et x2 sont telles que :

P(x1 ≤ p ≤ x2) = 1 − α

Abdallah Module:Inférence
 Notation et Généralités sur
l’estimation Estimation ponctuelle
des paramètres usuels :
Estimation par intervalle de
confiance des paramètres usuels :

Estimation par intervalle de confiance de la proportion d’une

population
Si n ≥ 30 et n × fn
≥ 5 Alors :

r r
fn(1 − fn) fn(1 − fn)
Ic(p) = [fn − —α2 ; fn + Z1—α2 ]
n n
Z1
Z1 α2 la valeur de la variable normale , 1) appelé quartile,
N(0
lue
— dans la table de la loi normale centrée réduite.

P(N(0, 1) ≤ Z α ) = α

Abdallah Module:Inférence
 Notation et Généralités sur
l’estimation Estimation ponctuelle
des paramètres usuels :
Estimation par intervalle de
confiance des paramètres usuels :

Exemple1 : Intervalle de confiance de m et

σ
Dans une entreprise produisant un article déterminé on veut
estimer sa durée de vie en heures. À cette fin on a observé un
échantillon aléatoire et simple de 16 unités dont les résultats
sont (en 1000 heures) :
1,10 1,05 1,25 1,08 1,35 1,15 1,30 1,25
1,30 1,35 1,15 1,32 1,05 1,25 1,10 1,15
L’estimation ponctuelle de la moyenne de la population est :
Σ 16
i=1 xi
¯x
= 1,16
2
L’estimation ponctuelle =de l’écart type de la population est :
q Σ 16
2
i=1(xi —
σˆ 16— = 0,
¯x)
= 1 11

Abdallah Module:Inférence
 Notation et Généralités sur
l’estimation Estimation ponctuelle
des paramètres usuels :
Estimation par intervalle de
confiance des paramètres usuels :

L’intervalle de confiance de m a un niveau de confiance de

95% :
La distribution de la population parent étant inconnue et la
taille de l’échantillon inférieure à 30, l’intervalle de confiance
de la moyenne est défini par :

X± 1 α √σ
2 ˆn
T —
La valeur de T1 α
2
à 15 d.d.l est : 0,97 =2,131. l’intervalle de
t
confiance est : — 5

X ± 1 α √σˆ = 1, 2 ± 2, √0,1
1
T — 2 n 131
0 , 11 16 0, 11
X1 = 1, 2 − 2, 131 √ = 1, 14 et X2 = 1, 2 + 2, 131 =
1, 26
16
√
16
L’intervalle [1, 14; 1,Abdallah
26] a une probabilité de 95% de contenir
Module:Inférence
 Notation et Généralités sur
l’estimation Estimation ponctuelle
des paramètres usuels :
Estimation par intervalle de
confiance des paramètres usuels :

L’intervalle de confiance de l’écart type a un niveau de

confiance de 95% :
Les limites de confiances de la variance sont :
Σ n Σn
2 i= (xi −
¯ 2 2 i= (xi −
2
σ1 = 1 x) et σ2 = 1 χ 2
χ 21 α ¯x)
α
2 2
—

les valeurs de χ2α et χ12 α sont a 15 degrés de liberte :

2 2
—

χ20,02 = 6, 26 et χ = 27,
2
0,97
5 49 5

Abdallah Module:Inférence
 Notation et Généralités sur
l’estimation Estimation ponctuelle
des paramètres usuels :
Estimation par intervalle de
confiance des paramètres usuels :

L’intervalle de confiance de l’écart type a un niveau de

confiance de 95% :
L’écart type est la racine carrée de la variance, ses limites de
confiance sont donc :
, Σ s
n
u (x i − ¯ ) 2 0, 112 ×
σˆ1 , i=1
= = 0,
x α 1527,
= χ21 2 08
— s 49
, Σ
n
u i=1(xi − ¯ )
2 0, 112 ×
σˆ2 , = = 0,
x2α 15 6,
= χ2 17
26

Abdallah Module:Inférence
 Notation et Généralités sur
l’estimation Estimation ponctuelle
des paramètres usuels :
Estimation par intervalle de
confiance des paramètres usuels :

Exemple 2 : intervalle de confiance de la proportion

On étudie le pourcentage d’utilisation d’une machine. 400
observations ont été effectuées qui ont donne le résultat
suivant :
Machine marché : 320 observations.
Machine arêtes : 80 observations.
L’estimation ponctuelle de la proportion d’utilisation de la
machine est :
320
ˆ p = fn = = 0, 8
400

Le taux d’utilisation de la machine est estime a 80%.

Abdallah Module:Inférence
 Notation et Généralités sur
l’estimation Estimation ponctuelle
des paramètres usuels :
Estimation par intervalle de
confiance des paramètres usuels :
Exemple 2 : intervalle de confiance de la proportion
L’intervalle de confiance de la proportion a un niveau de
confiance de 95% est défini par :
r
p(1 −
fn ± —α2 p)
n
Z1
La valuer de Z1 α2 est : Z0,97 = 1, 96. Les limites de
confiances
de la proportion— sont : 5

r r
p(1 − 0, 8(1 − 0,
p1 = fn − —α2 p) = 0, 80 − 1, = 0,
n 8) 400
Z1 96 76
r r
p(1 − 0, 8(1 − 0,
p2 = fn + —α2 p) = 0, 80 + 1, 96 = 0,
n 8)
Z1 84
L’intervalle [76%; 84%]400
a une probabilité de 95% de contenir le
vrai taux d’utilisation de la machine.
Abdallah Module:Inférence
 Notation et Généralités sur
l’estimation Estimation ponctuelle
des paramètres usuels :
Estimation par intervalle de
confiance des paramètres usuels :

Exemple 3 : intervalle de confiance de la proportion

L’entreprise BOX, spécialisée dans la commercialisation de
pommes de qualité, adresse à l’un de ses clients un envoi
massif de fruits. Au préalable, un contrôle de qualité portant
sur un échantillon de 1000 pommes a permis de dénombrer
80 fruits défectueux. On se propose de calculer au seuil de
confiance 90% et 95% entre quelles limites est compris le
pourcentage de fruits défectueux dans l’envoi.

Abdallah Module:Inférence
 Notation et Généralités sur
l’estimation Estimation ponctuelle
des paramètres usuels :
Estimation par intervalle de
confiance des paramètres usuels :

Exemple 3 : intervalle de confiance de la proportion

n étant supérieur à 30. Donc l’intervalle de confiance du
pourcentage p de fruits défectueux dans l’envoi est :
r r
f (1 − f ) f (1 −
[f − α ; f + tα
f)n
t ]
n
ou f pourcentage de fruits défectueux dans l’échantillon =
8%=0,08
α = 10% ⇒ tα = 1, 64 ⇒ p ∈ [0, 008 − 0, 014; 0, 008 +
0, 014]
Donc p ∈ [0, 066; 0, 094]
α = 5% ⇒ tα = 1, 96 ⇒ p ∈ [0, 008 − 0, 017; 0, 008 + 0,
017]
Donc p ∈ [0, 063; 0, 097]
Abdallah Module:Inférence
 Notation et Généralités sur
l’estimation Estimation ponctuelle
des paramètres usuels :
Estimation par intervalle de
confiance des paramètres usuels :

Fi
n

Abdallah Module:Inférence