Loi normale

chantillonnage et estimation
Christophe ROSSIGNOL

Anne scolaire 2014/2015

Table des matires

1 Rappels sur la loi binomiale 2
1.1 preuve de Bernoulli . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2 Schma de Bernoulli Loi binomiale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2

2 Loi normale 3
2.1 Courbe en cloche . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
2.2 Loi normale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2.3 Approximation dune loi binomiale par une loi normale . . . . . . . . . . . . . . . . . . . . . . . . 5

3 chantillonnage Estimation 5
3.1 Dfinition Utilisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
3.2 chantillonnage Prise de dcision . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
3.3 Intervalle de confiance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6

Table des figures

1 Un exemple dpreuve de Bernoulli . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
2 Un exemple de Schma de Bernoulli . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
3 Courbes en cloche . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
4 Loi normale de paramtres et . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
5 Intervalle de fluctuation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5

Liste des tableaux

1 Utilisation de la calculatrice ou du tableur pour une loi binomiale . . . . . . . . . . . . . . . . . . 3
2 Utilisation de la calculatrice ou du tableur pour une loi normale . . . . . . . . . . . . . . . . . . . 7

Ce cours est plac sous licence Creative Commons BY-SA http://creativecommons.org/licenses/by-sa/2.0/fr/

1
 1 RAPPELS SUR LA LOI BINOMIALE

1 Rappels sur la loi binomiale

1.1 preuve de Bernoulli

Dfinition :
On appelle preuve de Bernoulli toute preuve deux issues possibles : un succs (not S) ou un chec
(not S).
La probabilit dun succs p = P (S) est appel paramtre de lpreuve de Bernoulli.
Exemple : On lance un d quilibr six faces, les faces tant numrots de 1 6.
On considre quil y a un succs lorsque le rsultat du lancer est un 6, un chec sinon.
Il sagit dune preuve de Bernoulli de paramtre 16 .
On peut la reprsenter par larbre de la figure 1.

Figure 1: Un exemple dpreuve de Bernoulli

1.2 Schma de Bernoulli Loi binomiale

Dfinition :
On appelle schma de Bernoulli lexprience consistant rpter n fois de manire indpendantes
la mme preuve de Bernoulli de paramtre p.
La loi binomiale de paramtres n et p est la loi de probabilit de la variable alatoire X prenant
prenant comme valeurs le nombre de succs (S) obtenus au cours des n preuves du schma de
Bernoulli.
On dit aussi que loi loi de probabilit de la variable alatoire X suit la loi binomiale de paramtres
n et p.
Exemple : On rpte 2 fois de manire identiques et indpendantes lpreuve de Bernoulli de lexemple
prcdent.
On note X la variable alatoire qui donne le nombre de 6 obtenus. X suit la loi binomiale de paramtres
2 et 16 .
Le schma de Bernoulli correspondant est donn sur la figure 2.
On a alors :
P (X = 0) = P SS = 56 56 = 25


36
P (X = 1) = P S S + SS = 1 5 + 5 1 = 5 + 5 = 10



6 6 6 6 36 36 36
P (X = 2) = P (SS) = 16 16 = 36 1

Remarques :
1. Si X suit la loi binomiale de paramtres n et p, X prend les valeurs 0, 1, 2, ..., n.
2. On peut toujours reprsenter un schma de Bernoulli par un arbre pour calculer P (X = k). Mais si n
est grand, cela peut tre fastidieux... On peut alors utiliser la calculatrice ou le tableur. Voir tableau
1.
Proprit : Soit X une variable alatoire suivant la loi binomiale de paramtres n et p.
Lesprance de cette variable alatoire est E (X) = np.

Exercices : Exercices 1, 2 de la feuille polycopie Exercices - loi binomiale .

2
2 LOI NORMALE

Figure 2: Un exemple de Schma de Bernoulli

Table 1: Utilisation de la calculatrice ou du tableur pour une loi binomiale

2 Loi normale
Activit : Exercice 3 de la feuille polycopie Exercices - loi binomiale .

2.1 Courbe en cloche

Le diagramme en btons dune loi binomiale de paramtres n et p, lorsque n est trs grand et que p nest proche
ni de zro ni de 1, peut tre approch par une courbe en cloche (voir figure 3).
Cette courbe en cloche a les proprits suivantes :

Proprits : Courbe en cloche

Cest la courbe reprsentative dune fonction dfinie sur R.
Laire totale comprise entre la courbe en cloche et laxe des abscisses vaut 1.
Elle dpend de deux paramtres nomms (mu) et (sigma). est appel esprance et est appel
cart-type.
Elle admet comme axe de symtrie la droite dquation x = (voir figure 3).
Plus est lev, plus la courbe est crase autour de laxe des abscisses (voir figure 3).

Remarque : On va dfinir, laide de ces courbes en cloche , une nouvelle loi de probabilit, pour des
variables alatoires prenant toutes les valeurs relles.

3
2.2 Loi normale 2 LOI NORMALE

Figure 3: Courbes en cloche

2.2 Loi normale

Dfinition : On considre une courbe en cloche de paramtres et et X une variable alatoire prenant
toutes les valeurs relles.
On dit que X suit la loi normale de paramtres et si, pour tout nombres a, b, avec a < b :
La probabilit P (a X b) que la variable alatoire prenne des valeurs dans lintervalle [a ; b] est
gale laire du domaine compris entre laxe des abscisses, la courbe en cloche et les droites
verticales dquations x = a et x = b. (voir figure 4a)
La probabilit P (X b) que la variable alatoire prenne des valeurs dans lintervalle [b ; +[ est
gale laire du domaine compris entre laxe des abscisses, la courbe en cloche et situ gauche
de la droite verticale dquation x = b. (voir figure 4b)
La probabilit P (X a) que la variable alatoire prenne des valeurs dans lintervalle ] ; a] est
gale laire du domaine compris entre laxe des abscisses, la courbe en cloche et situ droite
de la droite verticale dquation x = a. (voir figure 4c)

(a) P (a X b) (b) P (X b) (c) P (X a)

Figure 4: Loi normale de paramtres et

Remarques :
1. La fonction dont la courbe reprsentative est la courbe en cloche est alors appel fonction de
densit.
2. On a alors P (X = a) = P (a X a) = 0 donc P (X > a) = P (X a). Les ingalits peuvent tre
notes indiffremment larges ou strictes, cela ne change pas le probabilits.
3. Par un raisonnement graphique simple, on obtient les proprits suivantes :

Proprit : Soit X une variable alatoire qui suit la loi normale de paramtres et .
P (X ) = P (X ) = 0, 5
P (X a) = 1 P (X < a) = 1 P (X a)
P (a X b) = P (X b) P (X < a) = P (X b) P (X a)

Remarque : On utilisera la calculatrice pour dterminer des probabilits de variables alatoires suivant
une loi normale (voir tableau 2).
Exercices : 2, 3 page 138 1 8, 9 page 139 2 11 page 139 ; 12 page 140 et 28, 29 page 145 3 [Intervalle]
1. Utilisation de la courbe.
2. Utilisation de la calculatrice.
3. Applications.

4
3 CHANTILLONNAGE ESTIMATION 2.3 Approximation dune loi binomiale par une loi normale

Proprit : Intervalle de fluctuation (voir figure 5)

Soit X une variable alatoire qui suit la loi normale de paramtres et .
On a alors :
P ( 2 X + 2) ' 0, 95

Figure 5: Intervalle de fluctuation

Remarque : Cela signifie quenviron 95 % des valeurs prises par X sont dans lintervalle [ 2 ; + 2].
Exercices : 5, 6 page 139 4 [Intervalle]

2.3 Approximation dune loi binomiale par une loi normale

Si n est trs grand et que p nest proche ni de zro ni de p
1, la loi binomiale de paramtres n et p peut tre
approche par la loi normale de paramtres = np et = np (1 p).

3 chantillonnage Estimation

3.1 Dfinition Utilisation

Rappel : On appelle chantillon de taille n la srie statistique forme des rsultats obtenus lorsquon rpte
n fois une exprience dans les mmes conditions.
Les distributions de frquences varient dun chantillon lautre pour la mme exprience. Cest ce
quon appelle la fluctuation dchantillonnage.
Mme pour des chantillon de mme taille, la distribution de frquences peut varier.
Lorsque la taille de lchantillon augmente, les distributions de frquences ont tendance se stabiliser.
Remarque : Comme on rpte dans les mmes conditions une exprience n fois, on peut assimiler cet
chantillon une loi binomiale de paramtres net p, o p est la proportion du caractre tudi dans la
population totale. La distribution de frquence de cet chantillon peut alors tre assimile la loi de
frquence Fn .
Xn
Dfinition : Soit Xn une variable alatoire qui suit le loi binomiale de paramtres n et p et Fn = n la
frquence de succs.
On dit que lintervalle In est un intervalle de fluctuation de Fn au seuil de 95 % si :

P (Fn In ) 0, 95
Remarque : On utilise donc les intervalles de fluctuation dans les deux cas suivants :
on connat la proportion p de prsence du caractre dans la population ;
on fait une hypothse sur la valeur de cette proportion et on veut valider (ou invalider) cette hypothse
(on parle alors de prise de dcision).
4. Intervalle de fluctuation.

5
3.2 chantillonnage Prise de dcision RFRENCES

3.2 chantillonnage Prise de dcision

Proprit :
Soit un caractre dont la proportion dans une population donne est p. On considre un chantillon de
taille n.
Si n 30, np 5 et n (1 p) 5, lintervalle :
 
1 1
In = p ; p +
n n

est un intervalle de fluctuation au seuil de 95 %.

On considre une population dans laquelle on suppose que la proportion dun caractre est p.
On observe la frquence fobs de ce caractre dans un chantillon de taille n et on considre lhypothse la
proportion de ce caractre dans la population est p .
h i
On considre que les conditions n 30, np 5 et n (1 p) 5 sont remplies et on note In = p 1n ; p + 1n
lintervalle de fluctuation au seuil des 95 %.
On a alors la rgle de dcision suivante :
Si fobs In : on considre que lhypothse nest pas remise en question et lon accepte au seuil de risque
de 5 % ;
Si fobs / In : on rejette lhypothse au seuil de risque de 5 % (ce qui signifie que le risque derreur par
rejet tort de lhypothse est denviron 5 %).

Exercices : 13, 14 page 140 et 31, 32 page 145 5 [Intervalle]

3.3 Intervalle de confiance

On considre maintenant le cas o la proportion p du caractre dans la population totale est inconnue.
On veut estimer p laide dun chantillon de taille n, et on supposera que les conditions n 30, np 5 et
n (1 p) 5 sont remplies.
Dfinition : On observe une frquence fobs sur un chantillon de taille n. h i
On appelle intervalle de confiance de p au niveau de confiance de 95 % lintervalle fobs 1 ; fobs + 1 .
n n

Remarques : Cela signifie que la proportion inconnue a plus de 95 % de chances de se trouver dans cet
intervalle.
Exercices : 15, 16 page 140 ; 33 page 145 et 34 page 146 6 [Intervalle]

Rfrences
[Intervalle] Collection Intervalle, Mathmatiques, programme 2013, Term STMG, Nathan, 2013.

4, 5, 6

5. chantillonnage, prise de dcision.

6. Intervalle de confiance.

6
RFRENCES RFRENCES

Table 2: Utilisation de la calculatrice ou du tableur pour une loi normale