Echantillonnage M2

EchM2.doc 1/21
MODULE 2 : Estimation par intervalle de confiance

Il sagit dans ce module de trouver une estimation par intervalle de confiance dun paramtre ,
cest--dire de construire une fourchette de valeurs numriques permettant de situer avec
une probabilit 1
[ ]
2 1
ob Pr 1 < < =
La dmarche comprend deux tapes :
avant le tirage dun chantillon de taille n, un estimateur

a t choisi et la loi de
probabilit de

permet de construire un intervalle alatoire not [ ] )

( g ),

( g
2 1

susceptible de contenir la valeur du paramtre avec une probabilit 1- fixe a priori ;
aprs tirage, la valeur particulire t de

calcule partir des donnes de lchantillon

permet de dterminer les bornes ) t ( g
1
et ) t ( g
2
de lintervalle de confiance recherch.
Les paramtres inconnus estimer seront successivement la moyenne, la variance, la
proportion dune population. Trois autres cas seront considrs : la diffrence de moyennes, le
rapport de variances et la diffrence de proportions relatives deux populations.
Rappel du module 1
Paramtres de la population Estimateurs dans lchantillon
La moyenne : m

La moyenne dans un chantillon :
X : estimateur
x : valeur calcule
La variance :
2





La variance dans un chantillon :

2
S : estimateur

2
s : valeur calcule

2
S

: estimateur sans biais

2 2
S
1 n
n
S

=
La proportion : p La proportion dans un chantillon :
F : estimateur
f : valeur calcule

M2Unit 1 : Principe de lestimation par intervalle de confiance
Soit

lestimateur dun paramtre inconnu.

est une variable alatoire dont la loi de probabilit note ( )

( L suppose connue dpend de

. Il est possible de trouver deux valeurs particulieres ) ( t et ) ( t
2 1
telles que :
[ ] ) ( t

) ( t ob Pr 1
2 1
< < =
Echantillonnage M2
EchM2.doc 2/21
Sil est possible de rcrire le systme dingalits en isolant , on peut dterminer un intervalle
dont les limites dpendent de

et tel que :
[ ] )

( g )

( g ob Pr 1
2 1
< < =
Ici, lintervalle qui encadre est alatoire et il possde la proprit de recouvrir la valeur dans
1 des cas. La prise en compte dun chantillon particulier, cest--dire dune valeur
numrique particulire pour

, et donc pour )

( g et )

( g
2 1
, permet dobtenir une fourchette qui
a de grandes chances de contenir la valeur inconnue si 1- est lev.
[ ] [ ]
2 1 2 1
c c ob Pr )

( g )

( g ob Pr 1 < < = < < =

[ ]
2 1
c , c ou [ ] )

( g ),

( g
2 1
est appel intervalle de confiance,

2 1
c , c sont les limites de confiance,
1 : degr de confiance ou degr de certitude.

Le principe de lestimation par intervalle de confiance est de proposer
un encadrement dun paramtre inconnu dune population dont la loi,
elle, est connue.









La probabilit se rpartit selon les cas soit droite dun certain seuil, soit gauche, soit
droite et gauche simultanment.
On parlera :
dintervalle bilatral symtrique si : 2 /
2 1
= =
dintervalle bilatral si 0 et 0
2 1
avec = +
2 1

dintervalle unilatral gauche si 0
2
=
dintervalle unilatral droite si 0
1
=
Cette dmarche appelle trois remarques :
la probabilt 1 est fixe conventionnellement a priori. Si % 95 1 = , cela signifie
que lintervalle que lon est susceptible de construire tombera ct de ( droite
ou gauche) dans 5% des cas. Si % 99 1 = , ce risque est moins important, mais
lintervalle est plus large ;
lorsque lestimateur

est sans biais, il est naturel de construire un intervalle centr sur

lestimation ponctuelle obtenue pour ;
1

1-
2

= +
2 1

Echantillonnage M2
EchM2.doc 3/21
la dtermination de la surface correspondant la probabilit ( 1 ) fait intervenir les
paramtres permettant de caractriser la distribution de probabilit ( )

( L . Si cette
distribution est par exemple normale, deux paramtres interviennent : m et .

M2Unit 2 : Estimation par intervalle de confiance de paramtres dune
population
2.1 Estimation par intervalle de confiance de la moyenne dune population
lorsque la variance de la population est connue
Le problme est le suivant : il faut encadrer m (moyenne de la population).
C'est--dire on recherche m
1
et m
2
telles que :
[ ]
2 1 2 1
m m m prob 1 que les tel m , m < < =
On suppose que X obit une loi normale ( ) , m N X avec connu
On prlve un chantillon IID de taille n
On sait que

n
, m N X avec n la taille de lchantillon (Cf module 1)
Si on forme la variable alatoire normale centre rduite ( ) 1 , 0 N
n
m X
U

=
Cas dun intervalle bilatral
Reprsentons graphiquement cette loi :









1
u

et
2
1
u

sont des valeurs lues dans la table
1
de la loi normale centre rduite.
A gauche de
1
u

nous avons une probabilit

1
do
1
u

, gauche de
2
1
u

, on a une
probabilit cumule de
2
1 do
2
1
u


Ecrivons ce que reprsente graphiquement la probabilit : 1
[ ]
2 1
1
u U u ob Pr 1

< < =
Remplaons U par sa valeur :

1
Note : on met en indice la valeur de la probabilit correspondant la fonction de rpartition
1

1-
2

f(u)
1
u

2
1
u


u
0
Echantillonnage M2
EchM2.doc 4/21

< <

< <

< <

<

< =




4 43 4 42 1 4 4 3 4 4 2 1
2
1
1
2
2 1
2 1
2 1
m m
1
1
1
1
n
u X m
n
u X ob Pr
X
n
u m X
n
u prob
n
u m X
n
u ob Pr 1
u
n
m X
u ob Pr 1

Nous obtenons donc lencadrement de m ; m est compris entre m
1
et m
2
.
Cas particulier : intervalle bilatral symtrique
Intervalle bilatral symtrique si : 2 /
2 1
= =
Graphique 1

< <

=

n
u X m
n
u X ob Pr 1
2 / 2 / 1

Comme
2 / 2 / 1
u u

= on peut crire :

+ < <

=

n
u X m
n
u X ob Pr 1
2 / 1 2 / 1

Ou encore :

< <

+ =

n
u X m
n
u X ob Pr 1
2 / 2 /

Ce qui revient crire :

=

n
u X m ob Pr 1 ou
n
u X m ob Pr 1
2 / 1 2 /


Application :
1-
f(u)
2 /
u

=
2 / 1
u


u
2 / 1
u


=
2 /
u

2 / 1 2 /
u u

=
2 /
2 /
0
Echantillonnage M2
EchM2.doc 5/21
On cherche un intervalle de degr de confiance bilatral symtrique 95% de la moyenne
dune population m. On sait que la variable alatoire obit une loi normale dont lcart type
(connu) est 2 : ( ) 2 , m N X . On prlve dans cette population un chantillon de taille n=100.

n
, m N X
% 5 , 2 2 /
2 1
= = = (intervalle bilatral symtrique)
2 /
u

=-1,96
2 / 1
u

=1,96

<

< =

n
u X m ob Pr
96 , 1
n
m X
96 , 1 ob Pr % 95
2 /

Supposons que dans lchantillon la moyenne soit gale 10 : 10 x =
Lintervalle de confiance calcul est donc : (on le note :
95 .
IC )
[ ] 39 , 10 ; 61 , 9 ]
100
2
96 , 1 10 [ IC
95 .
= =
Il y a une probabilit de 95% que [9,61 ; 10,39] encadre la vraie valeur du paramtre m qui
demeure inconnu.
Dtermination dune borne suprieure
On cherche ici m
2
tel que :
[ ] [ ]
[ ]

> =

>

= > =
> = < =
n
m X
U ob Pr
n
m X
n
m X
ob Pr m X m X ob Pr
m m ob Pr m m ob Pr 1
2
2
2
2 2

Comme ( ) 1 , 0 N U on a [ ]

> = U U ob Pr 1
c'est--dire :
[ ]
[ ] n U X m ob Pr
X n U m ob Pr
U
n
m X
ob Pr 1
< =
> =

>

Pour % 5 = on a 6449 , 1 U
05 , 0
=
Donc dans note exemple on a la Borne Suprieure suivante :
33 , 10 32898 , 10
10
2
6449 , 1 10 BS = + =
Dtermination dune borne infrieure
Le problme est similaire au prcdent, c'est--dire que lon cherche m
1
tel que :
Echantillonnage M2
EchM2.doc 6/21
[ ] [ ]
[ ]
[ ] n U X m ob Pr
X n U m ob Pr
U
n
m X
ob Pr
n
m X
n
m X
ob Pr
m m ob Pr m m ob Pr 1
1
1
1
1
1 1
> =
< =

<

<

=
< = > =




Application numrique : 6449 , 1 U U
95 , 0 1
= =


La borne infrieure est donc : 767 , 9
10
2
6449 , 1 10 BI = =

2.2 Estimation par intervalle de confiance de la moyenne dune population
lorsque la variance de la population est inconnue
Le problme est toujours le mme : il faut encadrer m.
C'est--dire on recherche les m
1
et m
2
telles que :
[ ]
2 1 2 1
m m m prob 1 que telles m , m < < =
( ) , m N X par hypothse mais ici est inconnu

n
, m N X avec n la taille de lchantillon
Lorsque est inconnu, on utilise la loi de Student. (Cf module 1)
( ) 1 n T
1 n
s
m X

( ) 1 n T
n
S

m X
1 n
S
m X

car
2 2
S
1 n
n
S

=
avec : S : estimateur biais de
S

: estimateur sans biais de .

Cas dun intervalle bilatral
Reprsentons graphiquement cette loi :









1

1-
2

f(T)
1
t

2
1
t

T(n-1)
0
Echantillonnage M2
EchM2.doc 7/21
1
t

et
2
1
t

sont des valeurs lues dans la table de Student. On met ici aussi en indice le seuil
de probabilit correspondant la fonction de rpartition.
Ecrivons ce que reprsente graphiquement la probabilit 1 :
[ ]
2 1
1
t ) 1 n ( T t ob Pr 1

< < =
Remplaons T(n-1) par son expression :

< <

+ =

< <

<

< =



X
1 n
S
t m
1 n
S
t X ob Pr
1 n
S
t m X
1 n
S
t ob Pr
t
1 n
S
m X
t ob Pr 1
2 1
2 1
2 1
1
1
1

< <

=

4 4 3 4 4 2 1 4 4 4 3 4 4 4 2 1
2
1
1
2
m m
1
1 n
S
t X m
1 n
S
t X ob Pr 1
Nous obtenons donc lencadrement de m
Cas particulier : intervalle bilatral symtrique
Graphique 2

=

1 n
S
t X m ob Pr 1
2 / 1

ou encore :

=

1 n
S
t X m ob Pr 1
2 /

Intervalle unilatral droite
Dans ce cas, 0
1
= et =
2

1-
f(T)
2 /
t

=
2 / 1
t


T(n-1)
2 / 1
t


=
2 /
t

2 /
2 1
= =
2 / 1 2 /
t t

=
2 /
2 /
0
Echantillonnage M2
EchM2.doc 8/21

> =

<

=


4 4 4 3 4 4 4 2 1
1
m
1
1
1 n
S
t X m ob Pr
t
1 n
S
m X
ob Pr 1

Intervalle unilatral gauche
Dans ce cas, =
1
et 0
2
=

+ < =

< =

>

=


4 4 4 3 4 4 4 2 1
2
m
1
1 n
S
t X m ob Pr
1 n
S
t X m ob Pr t
1 n
S
m X
ob Pr 1


2.3 Estimation par intervalle de confiance de la variance dune population
Par hypothse, X obit toujours une loi normale : ( ) , m N X
Le problme est le suivant : il faut encadrer , lcart-type de la population qui est inconnu. On
recherche donc deux valeurs
2
1
et
2
2
encadrant
2

[ ]
2
2
2 2
1
2
2
2
1
prob 1 / , < < =
On sait que : ) 1 n (
nS
2
2
2

avec n la taille de lchantillon. (Cf module 1)

Cas dun intervalle bilatral
Reprsentons graphiquement cette loi :









2
1

et
2
1
2

sont deux valeurs lues dans la table de la loi du
2
. On met ici aussi en indice la
probabilit correspondant la fonction de rpartition
1

1-
2

f()
2
1

2
1
2


(n-1)
0
Echantillonnage M2
EchM2.doc 9/21
Ecrivons ce que reprsente graphiquement la probabilit 1 :

< < =

2
1
2 2
2 1
) 1 n ( ob Pr 1
Remplaons ) 1 n (
2
par son expression :

> >

<

<

<

< =



2
1
2
2
2
2
2
2
1
2 2
2
2
1 2
2
2
2 1
2 1
2 1
nS nS
ob Pr
nS
1
nS
ob Pr
nS
ob Pr 1

< <

=

2
2
2
2
1
2
1 2
nS nS
ob Pr 1
Nous obtenons ici lencadrement de
2

Cas particulier : intervalle bilatral symtrique

< <

=

2
2 /
2
2
2
2 / 1
2
nS nS
ob Pr 1
ou encore :

=

2
2 /
2
2
2 / 1
2
2
nS
;
nS
ob Pr 1
NB : un
2
est toujours positif, donc une seule criture des seuils.
intervalle unilatral droite
2 /
1-
2 /
f()
2
2 /

2
2 / 1

(n-1)
0
Echantillonnage M2
EchM2.doc 10/21

> =

<

<

=



2
1
2
2
2
2
1
2
2
1
2
2
nS
ob Pr
nS
ob Pr
nS
ob Pr 1

intervalle unilatral gauche

< =

>

>

2
2
2
2
2
2
2
2
2
nS
ob Pr
nS
ob Pr
nS
ob Pr 1


2.4 Estimation par intervalle de confiance dune proportion dune
population
Le problme est le suivant : il faut trouver un encadrement de p, c'est--dire on recherche deux
valeurs
1
p et
2
p telles que
[ ]
2 1 2 1
p p p prob 1 / p , p < < =
Or sait (Cf module 1) que

n
pq
, p N F avec n la taille de lchantillon prlev.
Donc si on forme la variable alatoire normale centre rduite, on obtient :
) 1 , 0 ( N
n
pq
p F

Cas dun intervalle bilatral
Reprsentons graphiquement cette loi :








Ecrivons ce que reprsente graphiquement la probabilit 1 :
[ ]
2 1
1
u U u ob Pr 1

< < =
Remplaons U par sa valeur :
1

1-
2

f(u)
1
u

2
1
u


u
0
Echantillonnage M2
EchM2.doc 11/21

< < =

< < =

<

< =



F
n
pq
u p F
n
pq
u ob Pr
n
pq
u p F
n
pq
u ob Pr
u
n
pq
p F
u ob Pr 1
2 1
2 1
2 1
1
1
1

< < =

4 43 4 42 1 4 4 3 4 4 2 1
2
1
1
2
p p
1
n
pq
u F p
n
pq
u F ob Pr 1
Nous obtenons donc lencadrement de p, p compris entre deux valeurs
1
p et
2
p .
Le problme ici est que p, la valeur que lon encadre, se retrouve dans les bornes. Il existe trois
mthodes pour donner une valeur aux bornes :
1) Remplacer dans les bornes p et q par leur estimation :
On lappelle la mthode des estimateurs :
p a pour estimateur sans biais F. p ) p

( E =
F 1 q

q F p

p = =
Remplaons :

< <

=

n
) F 1 ( F
u F p
n
) F 1 ( F
u F ob Pr 1
1 2
1

Pour un intervalle bilatral symtrique :

< <

=


n
) F 1 ( F
u F p ob Pr
n
) F 1 ( F
u F p
n
) F 1 ( F
u F ob Pr 1
2 / 1
2 / 2 / 1

Ou encore :

=

n
) F ( F
u F p ob Pr
/
1
1
2

2) Remplacer dans les bornes pq par : mthode par excs :
Soit p lestimation de F et q=1-p, le maximum de
4
1
= pq , on considre donc que
n 2
1
n 4
1
n
pq
4
1
pq =
Lintervalle de confiance bilatral qui tait :
Echantillonnage M2
EchM2.doc 12/21

< < =

n
pq
u F p
n
pq
u F ob Pr 1
1 2
1

Devient alors :

< < =

n
u F p
n
u F ob Pr
2
1
2
1
1
1 2
1

Cas dun intervalle bilatral symtrique :

< < =

n
pq
u F p
n
pq
u F ob Pr
/ / 2 2 1
1
Comme
n 2
1
u
n
pq
u
2 / 1 2 / 1

Lintervalle bilatral symtrique devient alors :

1
n 2
1
u F p ob Pr
2 / 1


3) Mthode de lellipse :
Elle sapplique uniquement au cas dun intervalle bilatral symtrique et ne sera pas dtaille
ici. Elle utilise des abaques (courbes dans lesquelles on lit les valeurs des bornes)

2.5 Taille dun chantillon et prcision de lestimation
2.5.1 Dtermination de la taille dun chantillon en fonction de la prcision sur la
moyenne
Prenons le cas de lintervalle bilatral symtrique
2
de la moyenne lorsque lcart_type est
connu.
On a

+ < <

=

4 4 3 4 4 2 1 4 4 3 4 4 2 1
2 1
2 1 2 1
1
m
/
m
/
n
u X m
n
u X ob Pr
Lorsque n augmente, la taille de lintervalle [ ]
2 1
m , m diminue. [ ]
2 1
m , m dpend la fois de 1-
et de n.
Rcrivons lintervalle :

< =

< + <

=


n
u m X ob Pr
n
u m X
n
u ob Pr 1
2 / 1
2 / 1 2 / 1


2
On ne peut pas utiliser la cas de lintervalle bilatral pour la recherche de la taille dun
chantillon en fonction de la prcision. Il faut obligatoirement un intervalle bilatral symtrique.
Echantillonnage M2
EchM2.doc 13/21
On cherche la valeur n telle que la prcision sur la moyenne soit gale C. Le prcision sur la
moyenne est lcart qui existe entre la moyenne dchantillon et la moyenne de la population.
Il existe deux faons de la calculer :
Prcision en valeur absolue
[ ] C m X ob Pr = 1
Le problme est le suivant :
[ ] C m X ob Pr 1 que tel n
*
< =
On a en outre :

< =

*
/
n
u m X ob Pr
2 1
1
Do
C
u n C
n
u m X
/
*
*
/

2 1 2 1

2
2
2
2 1
C
u n
/
*




Pour dterminer n*, il faut connatre
2 / 1
u

, C et
2
. Si
2
nest pas connu, on passe la loi
de Student (on prend
2 1
2
/
t et s

).
Prcision en valeur relative
Le problme est le suivant :

= C
m
m X
ob Pr 1 que tel n
*

[ ] Cm m X ob Pr 1 < =
De plus on dispose de :

< =

*
2 / 1
n
u m X ob Pr 1
Do : Cm
n
u m X
*
2 / 1

*
/
*
n
u n


2 1

2
2
*
2
2 / 1
*
C
1
n
u n

Si
2
2
m

est inconnu, on tire un chantillon auxiliaire et on calcule

2
s et x .
2.5.2 Dtermination de la taille dun chantillon en fonction de la prcision sur une
proportion
Le principe est le mme que prcdement
Prcision en valeur absolue
Echantillonnage M2
EchM2.doc 14/21

On cherche n* tel que : [ ] = < 1 C p F ob Pr
n est la taille ncessaire pour que lerreur sur lestimation soit infrieure C, avec une
probabilit gale 1-. De plus lintervalle de confiance de la proportion est gal :

< < =

*
/
*
/
n
pq
u F p
n
pq
u ob Pr
2 1 2 1
1

=

*
/
n
pq
u F p ob Pr
2 1
1
Do : C
n
pq
u F p
*
2 / 1



C
n
u F p
*
/


2
1
2 1
si on utilise la mthode par excs.
2
2
2 1
4
1
C
u n
/
*


Prcision en valeur relative

<

= C
p
p F
ob Pr 1 que tel n
*

+ < < =

*
/
*
/
n
pq
u F p
n
pq
u F ob Pr
2 1 2 1
1
On a donc :
[ ]

=

Cp F p ob Pr
n
pq
u F p ob Pr
*
/
1
1
2 1

Do : Cp
n
pq
u F p
*
/

2 1

Cp
pq
u n
/
*
2 1

2 2
2
2 1
2 2
2
2 1
4
1
p C
u
p C
pq
u n
/ /
*

= Si on utilise la mthode par excs.
M2Unit 3 : Estimation par intervalle de confiance de la diffrence et du
rapport de deux paramtres de deux populations tires dune loi normale :
cas de deux populations, deux chantillons
Hypothse : nous avons deux variables alatoires X
1
et X
2
obissant deux lois normales. On
prlve dans chacune des populations deux chantillons IID.
) , m ( N X
1 1 1
taille de lchantillon prlev :
1
n
Echantillonnage M2
EchM2.doc 15/21
) , m ( N X
2 2 2
taille de lchantillon prlev :
2
n
3.1 Intervalle de confiance de la diffrence de deux moyennes lorsque les
variances des deux populations sont connues
On cherche deux valeurs c et d telles que : [ ] d m m c ob Pr < < =
2 1
1
On a vu que : ( )

2
2
2
1
2
1
2 1 2 1
n n
; m m N X X
i
connus. (Cf module 1)
Do la variable alatoire normale centre rduite :
( ) ( )
) 1 , 0 ( N
n n
m m X X
U
2
2
2
1
2
1
2 1 2 1

=
Comme dans le paragraphe prcdent, on crit ce que reprsente graphiquement la probabilit
1
Plaons-nous dans le cas dun intervalle bilatral : = +
2 1












[ ]
2 1
1
1

< < = u U u ob Pr
Remplaons U par sa valeur :
( ) ( )
( ) ( )
( ) ( ) ( )

< <

< <

<

< =



2 1
2
2
2
1
2
1
1 2 1 2 1
2
2
2
1
2
1
2
2
2
1
2
1
1 2 1 2 1
2
2
2
1
2
1
1
2
2
2
1
2
1
2 1 2 1
X X
n n
u m m X X
n n
u ob Pr
n n
u m m X X
n n
u ob Pr
u
n n
m m X X
u ob Pr 1
2 1
2 1
2 1

1-
f(u)
1
u

u
2
1
u


1
2

0
Echantillonnage M2
EchM2.doc 16/21
( ) ( )

< <

=

2
2
2
1
2
1
2 1 2 1
2
2
2
1
2
1
1 2 1
n n
u X X m m
n n
u X X ob Pr 1
1 2

Cas dun intervalle bilatral symtrique : 2
2 1
/ = =
Graphique 1











( ) ( )

=

2
2
2
1
2
1
2 / 1 2 1 2 1
n n
u X X m m ob Pr 1
avec
2 2 1 / /
u u

= et
2 / 2 / 1
u u

=
3.2 Intervalle de confiance de la diffrence de deux moyennes lorsque les
variances des deux populations sont inconnues
On cherche toujours c et d telles que [ ] d m m c ob Pr 1
2 1
< < =
( ) ( )
) 1 , 0 ( N
n n
m m X X
2
2
2
1
2
1
2 1 2 1

avec
2 1
et inconnus ici. On utilise donc la loi de Student
Par hypothse : = =
2 1

On a vu que (Cf Module 1)
( ) ( )
( ) 2 n n T
2 n n
S n S n
n
1
n
1
m m X X
2 1
2 1
2
2 2
2
1 1
2 1
2 1 2 1
+
+
+
+



1-
f(u)
2 /
u

=
2 / 1
u


u
2 / 1
u


=
2 /
u

2 / 1 2 /
u u

=
2 /
2 /
0
Echantillonnage M2
EchM2.doc 17/21









Ecrivons ce que reprsente graphiquement la probabilit 1 et plaons-nous dans le cas
dun intervalle bilatral : = +
2 1


[ ]
2 1
1 2 1
t ) 2 n n ( T t ob Pr 1

< + < =

( ) ( )

<
+
+
+

< =

2 1
1
2 1
2
2 2
2
1 1
2 1
2 1 2 1
t
2 n n
S n S n
n
1
n
1
m m X X
t ob Pr 1
( ) ( )

+
+
+ < <
+
+
+ =

2 n n
S n S n
n
1
n
1
t m m X X
2 n n
S n S n
n
1
n
1
t ob Pr 1
2 1
2
2 2
2
1 1
2 1
1 2 1 2 1
2 1
2
2 2
2
1 1
2 1
2 1

( ) ( ) ( )

+
+
+ < <
+
+
+ =
2 1
2 1
2
2 2
2
1 1
2 1
1 2 1 2 1
2 1
2
2 2
2
1 1
2 1
X X
2 n n
S n S n
n
1
n
1
t m m X X
2 n n
S n S n
n
1
n
1
t ob Pr 1
2 1

( ) ( ) ( )

+
+
+ < <
+
+
+ =

2 n n
S n S n
n
1
n
1
t X X m m
2 n n
S n S n
n
1
n
1
t X X ob Pr 1
2 1
2
2 2
2
1 1
2 1
2 1 2 1
2 1
2
2 2
2
1 1
2 1
1 2 1
1 2

Cas dun intervalle bilatral symtrique : 2
2 1
/ = =
1

1-
2

f(T)
1
t

2
1
t

T(n-1)
0
Echantillonnage M2
EchM2.doc 18/21











( ) ( )

+
+
+ =

2 n n
S n S n
n
1
n
1
t X X m m ob Pr 1
2 1
2
2
2
2
1
1
2 1
2 / 1 2 1 2 1

avec
2 / 1 2 /
t t

= et
2 / 2 / 1
t t

=
3.3 Intervalle de confiance du rapport des variances de deux populations
normales
On cherche b et c telles que :

<

< = c b ob Pr 1
2
2
2
1
ou

<

< = c b ob Pr 1
2
1
2
2

Rappels :
( )
1 1 1
, m N X taille de lchantillon
1
n ( ) 1 n
S n
1
2
2
1
2
1 1

(Cf Module 1)
( )
2 2 2
, m N X taille de lchantillon
2
n ( ) 1 n
S n
2
2
2
2
2
2 2

(Cf Module 1)
( )
( )
( )
2
2
2
1
1
2
2 1
n
n
n
n
n , n F

Indpendants (Cf Module 1)

( )
( )
( )
2
2 2
2
2
1
2
2
1
2
1 1
2 1
S n
1 n
1 n
S n
1 n ; 1 n F

=
Comme
2 2
S
1 n
n
S

= ( )
2
1
2
2
2
2
2
1
2 1
S

1 n ; 1 n F

=
1-
f(T)
2 /
t

=
2 / 1
t


T(n-1)
2 / 1
t


=
2 /
t

2 /
2 1
= =
2 / 1 2 /
t t

=
2 /
2 /
0
Echantillonnage M2
EchM2.doc 19/21









Plaons nous dans le cas dun intervalle bilatral = +
2 1
et crivons ce que reprsente
graphiquement la probabilit 1 :
( ) [ ]
2 1
1 2 1
F 1 n ; 1 n F F ob Pr 1

< < =

<

< =

<

< =


2
1
2
2
1
2
1
2
2
2
1
2
2
1
2
1
2
2
2
2
2
1
S

F
S

F ob Pr 1
F
S

F ob Pr 1
2 1
2 1
si on encadre
2
1
2
2

ou

<

< =

) 1 n , 1 n ( 2
2
2
1
2
2
2
1
) 1 n , 1 n (
1
2
2
2
1
2 1
1
2 1
2
F
1
S

F
1
S

ob Pr 1 si on encadre
2
2
2
1

Rappel : ( )
( )
1 2 1
2 1
n , n F
1
n , n F
1
1

=
Autre mthode : on forme
2
2
2
1
2
1
2
2
1 2
.
S

) 1 n , 1 n ( F

= et on encadre directement
2
2
2
1

Cas dun intervalle bilatral symtrique :
2
2 1
/ = =











1

1-
2

f(F)
) 1 n , 1 n (
2 1
1
F

) 1 n , 1 n (
1
2 1
2
F



F
0
2 /
1-
f(F)
) 1 n , 1 n (
2 /
2 1
F

) 1 n , 1 n (
2 / 1
2 1
F



F
0
2 /
Echantillonnage M2
EchM2.doc 20/21

<

< =

2
1
2
2
2 / 1
2
1
2
2
2
1
2
2
2 /
S

F
S

F ob Pr 1
ou

<

< =

) 1 n , 1 n (
2 /
2
2
2
1
2
2
2
1
) 1 n , 1 n (
2 / 1
2
2
2
1
2 1 2 1
F
1
S

F
1
S

ob Pr 1
3.4 Estimation par intervalle de confiance de la diffrence de deux
proportions
On cherche dterminer deux valeurs c et d telles que : [ ] d p p c ob Pr 1
2 1
< < =
Nous avons deux populations dans lesquelles ont peut dfinir deux modalits A et A ayant
pour probabilits respectives p
1
et q
1
dans la population 1 (p
2
et q
2
dans la population 2)
Population
1
Population 2
Modalit A
1
p
2
p
Modalit A
1 1
q p 1 =
2 2
q p 1 =

1 q p
1 1
= + 1 q p
2 2
= +
1
p et
2
p inconnus.
On tire un chantillon dans chacune des populations : on dfinit alors deux variables alatoires
F
1
et F
2
.
1 1
F p

=
1
1
1
n
Y
F =
2 2
F p

=
2
2
2
n
Y
F =
Rappels du module 1 :
( ) ( )
1 1 1 1 1 1 1 1
q p n , p n N p , n B Y

1
1 1
1 1
n
q p
, p N F
( ) ( )
2 2 2 2 2 2 2 2
q p n , p n N p , n B Y

2
2 2
2 2
n
q p
, p N F

+
2
2 2
1
1 1
2 1 2 1
n
q p
n
q p
; p p N F F
Ecrivons ce que reprsente la probabilit 1 et plaons nous dans le cadre dun intervalle
bilatral = +
2 1
:
[ ]
2 1
1
u U u ob Pr 1

< < = ) 1 , 0 ( N U
( ) ( )

<
+

< =

2 1
1
2
2 2
1
1 1
2 1 2 1
u
n
q p
n
q p
p p F F
u ob Pr 1
Echantillonnage M2
EchM2.doc 21/21
( ) ( )

+ < < + =

2
2 2
1
1 1
1 2 1 2 1
2
2 2
1
1 1
n
q p
n
q p
u p p F F
n
q p
n
q p
u ob Pr 1
2 1

( ) ( ) ( )

+ < < + =
2 1
2
2 2
1
1 1
1 2 1 2 1
2
2 2
1
1 1
F F
n
q p
n
q p
u p p F F
n
q p
n
q p
u ob Pr 1
2 1

( ) ( )

+ < < + =

2
2 2
1
1 1
2 1 2 1
2
2 2
1
1 1
1 2 1
n
q p
n
q p
u F F p p
n
q p
n
q p
u F F ob Pr 1
1 2

Il est possible dutiliser les mthodes vues dans le paragraphe 2.4.
1) Remplacer dans les bornes p et q par leur estimation :
1 1 1
F p

p =
2 2 2
F p

p =
( ) ( )

< <

=

2
2 2
1
1 1
2 1 2 1
2
2 2
1
1 1
1 2 1
n
) F 1 ( F
n
) F 1 ( F
u F F p p
n
) F 1 ( F
n
) F 1 ( F
u F F ob Pr 1
1 2

2) Remplacer dans les bornes pq par : mthode par excs :
( ) ( )

+ < < + =

2 1
2 1 2 1
2 1
1 2 1
n
1
n
1
2
1
u F F p p
n
1
n
1
2
1
u F F ob Pr 1
1 2

Pour un intervalle bilatral symtrique :
( ) ( )
( ) ( )

=

2
2 2
1
1 1
2 / 1 2 1 2 1
n
F 1 F
n
F 1 F
u F F p p ob Pr 1
: premire mthode
( ) ( )

+ =

2 1
2 / 2 1 2 1
n
1
n
1
2
1
u F F p p ob Pr 1
: deuxime mthode