Module de : Université de Manouba Niveau : 2 Année

ième

Principes & Méthodes II2

Statistiques Filière :

Chargés de Cours : École Nationale des A.Univ. : 2017-2018

O.Oueslati & A. Alleli
& F. Kadhi Sciences de L'Informatique Semestre I

Échantillonnage : Propriétés d'un Échantillon Aléatoire

1 Une machine remplit des bouteilles de 100cl avec un écart-type de 2cl.

1. Pour vérier le fonctionnement de la machine, on prèlève 100 échantillons de 30 bouteilles dont on
mesure le remplissage.
On désigne par X la variable aléatoire (exprimée en cl) qui represente le niveau de remplissage d'une
bouteille.
Quels sont les paramètres et la loi de X ?.
2. Dans combien d'échantillons peut-on s'attendre à trouver un remplissage moyen:
30

 supérieur à 101 cl?

 supérieur à 99,5 cl?
3. Quelle est la taille de l'échantillon qu'il faudrait prendre pour que le remplissage moyen ne s'écarte
pas de 100 cl plus ou moins 0.5 cl qu'avec une probabilité égale à 99%.
Solution:

1. étant la v.a.r. modélisant le contenu d'une bouteille. La loi de X est inconnue. e(X) = µ = 100:
la contenance moyenne d'une bouteille. V (X) = σ = 2 : la variance du contenu d'une bouteille.
X
2 2

n = 30 (grand échantillon).
∀i ∈ {1, 2, ..., n}, soit X la v.a.r. modélisant le contenu de la i bouteille dans un échantillon (de
ième

taille n).
i

Les X sont de même loi que X et sont indépendantes.

i

Soit X = n1 X X , avec n = 30, la v.a.r. modélisant le contenu moyen d'une bouteille dans un
n

n i

échantillon de taille 30.

i=1

!
n

1X
e Xn = e Xi
n i=1
n
1X
= e (Xi )
n i=1
1
= ne (Xi )
n
= e (X)
= µ = 100

n
!

1X
V Xn = V Xi
n i=1
n
1 X
= V (Xi )
n2 i=1
1
= nV (Xi )
n2
1
= V (X)
n
σ2
=
n
22
=
1 30
 n est grand (30), les X sont de même loi et indépendantes,
i les hypothèses du Théorème Central
Limit (TCL) sont satisfaites, et X → N 100, 30 et par suite T = X − 100 converge vers la loi
2

2 n
n
√2

normale centrée réduite quand n tend vers l'inni: 30

X n − 100
T = −→ N (0; 1)
√2
30

2.  X 22
, alors:
 
n →N 100,
30
   
P X n > 101 = 1 − P X n ≤ 101
" #
X n − 100 101 − 100
=1−P 2 ≤ 2
√ √
30 30
= 1 − P [T ≤ 2.74]
= 1 − 0.9969
soit 0.31%
= 0.0031

(d'après la lecture de la table de la fonction de répartition de la loi normale centrée réduite).

On ne trouvera aucun échantillon avec un remplissage moyen supérieur à 101 cl sur 100 échan-
tillons de 30 bouteilles chacun.
 X → N 100, 302 , alors:
2

n

   
P X n > 99.5 = 1 − P X n ≤ 99.5
" #
X n − 100 99.5 − 100
=1−P 2 ≤ 2
√ √
30 30
= 1 − P [T ≤ −1.37]
= 1 − Φ(−1.37)
= 1 − (1 − Φ(1.37))
= Φ(1.37)
soit 91.47%
= 0.9147

(d'après la lecture de la table de la fonction de répartition de la loi normale centrée réduite).

On ne trouvera 91 échantillon avec un remplissage moyen supérieur à 99.5 cl sur 100 échantillons
de 30 bouteilles chacun.
3. On suppose que n est susamment grand pour appliquer le TCL à X : n
 
2
X n −→ N 100; √
n

Nous cherchons n tel que: 

P X n ∈ [100 − 0.5; 100 + 0.5]

.
   
P X n ∈ [100 − 0.5; 100 + 0.5] = 0.99 ⇔ P 100 − 0.5 < X n ≤ 100 + 0.5 = 0.99

 
0.99 = P 100 − 0.5 < X n ≤ 100 + 0.5
 
= P −0.5 < X n − 100 ≤ 0.5
" #
0.5 X n − 100 0.5
=P − 2 < 2 ≤ 2
√ √ √
n n n
" # " #
0.5 0.5
=Φ −Φ −
√2 √2
n n
" # " #
0.5 0.5
=Φ − 1−Φ )
2 √2
n
√2
n
 " #
0.5
= 2Φ −1
√2
n
" #
0.5
⇒Φ = 0.995
√2
n

Or d'après la lecture de la table des fractiles de la loi normale centrée réduite:

= 2.5758 d'où n = 10.3, soit n ≈ 107 bouteilles.
0.5 √
√2
n

Ainsi, il faut considérer un échantillon de 107 bouteilles pour que le remplissage moyen ne s'écarte
de plus ou moins 0.5 cl de 100cl avec une probabilité égale à 0.99.
2 Soient les variables aléatoires indépendantes X , i = 1, 2, ..., n et Y , i = 1, 2, ..., k distribuées selon la même
i i

loi: une loi normale centrée réduite. On pose Z = k1 X Y , T = √XZ , i = 1, 2, ..., n, W = n1 X X ,

k n
2 i 2
i i i
i=1 i=1

R=
W
Z
et Q = WZ .
1. Sans faire de démonstration, quelle est la loi de T , i = 1, 2, ..., n?
2. Quelle est la probabilité que T ne dépasse pas son espérance mathématique?.
i

3. Pour k = 30, trouver t telle que P [T > t] = 0.95. Illustrer graphiquement le résultat ainsi obtenu
i

sur le graphe de la densité de T .

i

4. Sans faire de démonstration, quelle est la loi de R. endéduire la loi de Q.

i

5. Pour n = 30 et k = 40, trouver r selon le cas:

a. P [R < r] = 0.95
b. Trouver r et r telles que P [r < R < r ] = 0.90 et P [R < r ] = 0.95 (on utilisera les variables
R et Q). Illustrer graphiquement le résultat ainsi obtenu sur le graphe de la dnsité de R.
1 2 1 2 2

Solution:

k

1.
X 
Yi ∼ N (0, 1) =⇒ Yi2 ∼ χ (1) =⇒2
Yi2 2
∼ χ (k) Xi

Ti = √ ∼ T (k) , i = 1, ..., n
i=1  Z
Xi ∼ N (0, 1)


2. Ti ∼ T (k) dont µ = 0 et σ 2
=
k
,k ≥ 2 Alors la distribution de T est symétrique par rapport à
.0
k−2

P [Ti ≤ e (Ti )] = P [Ti ≤ 0] = 0.5

3. Pour k = 30, t =?
P [T > t] = 0.95 et P [T < t] = 0.05 =⇒ t = −2.042
t est appelée quantile d'ordre 5%.ftbpF2.8859in2.2355in0ptFigure
i i

4. Loi de R = WZ
 k
X
Xi2 2
Xi2 2

Xi ∼ N (0, 1) ⇒ ∼ χ (1) ⇒ ∼ χ (n) 

 Pk X 2 /n

W
i=1 i=1 i
k Pk = = R ∼ F (n, k)
2 2
X
2 2
 2
i=1 Yi /k
Z
Yi ∼ N (0, 1) ⇒ Yi ∼ χ (1) ⇒ Yi ∼ χ (n) 



i=1
Z 1
Q= = ∼ F (k, n)
5. et
W R
n = 30, k = 40 r =? R ∼ F (30, 40) Q ∼ F (40, 30)
P [R < r] = 0.95 =⇒ P [R > r] = 0.05 Donc,
r = 1.74
P [R < 2r + 1] = 0.99 =⇒ P [R > 2r + 1] = 0.01 =⇒ 2r + 1 = 2.20 Donc, r = 0.60
6. et r telles que P [r
r1 2 1 < R < r ] = 0.90 et P [R < r ] = 0.95
2 2

 P [R < r ] = 0.95 =⇒ P [R > r ] = 0.05 =⇒ r

2 2 2 = 1.74

3
  [r 1 < R < r2 ] = P [R < r2 ] − P [R < r1 ] = 0.95 − P [R < r1 ] = 0.90 =⇒ P [R < r1 ] = 0.95 −
0.90 = 0.05
ftbpF4.7625in2.514in0ptFigure
   
1 1 1 1
P [R < r1 ] = P < =P Q> = 0.05 =⇒ = 1.79
R r1 r1 r1

3 La variation du cours boursier est une variable aléatoire distribuée selon une loi normale. Soient X la
variation du cours d'un titre A et Y celle d'un titre B. Les fonctions génératrices des moments de X et
de Y sont respectivement:
M (t) = exp t et M (t) = exp [2t] exp t
   
9 2 1 2
X Y
2 2

X et Y sont indépendantes.
1. Calculer les probabilités P [X < 0] et P [−1 < Y < 1]
2. Quelle est la loi de la variable aléatoire W = X + Y ?
3. Calculer P [W > 2]?
4. Quelle est la loi de la variable aléatoire Z = 101 (W − 2) ? 2

Solution:

1.  Si alors
 
2

1 2 2
XX ∼ N µ, σ MX (t) = exp µt + σ t
2
Titre
 
2

9 2
A X ∼ N µX , σX MX (t) = exp t X ∼ N (0, 9)
2 
Titre

1
B Y ∼ N µY , σY2 MY (t) = exp [2t] exp t2


Y ∼ N (2, 1)
2


 
X −0
P [X < 0] = P < 0 = P [Z < 0] = 0.5
3


 
−1 − 2 1−2
P [−1 < Y < 1] = P <Z< = P [−3 < Z < −1] = φ (3) − φ (1) = 0.99865 −
1 1
0.68413 = 0.15735
2. La loi de probabilité de W = X + Y, X Y et sont indépendantes.
W ∼ N µX + µY , σX2
+ σY2


donc,
W ∼ N (2, 10)

3.
 
2−2
P [W > 2] = P Z > √ = P [Z > 0] = 0.5
10

4. Soit Z = 101 (W − 2) , Nous avons, W√−102 ∼ N (0, 1) donc, (W 10− 2) ∼ χ (1)

2
2 2

4 La fonction génératrice des moments d'une variable aléatoire réelle continue X est dénie par: M (t) =
X

(1 − 2t) .
−n/2

1. Calculer e (X) et V (X)?

2. Pour n = 12, déterminer l'intervalle le plus court possible [c, d] tel que P [c < X < d] = 0.8
Solution: Si X ∼ χ (n) alors M (t) = (1 − 2t)
2
X
−n/2

1. Calculons e(X) et V (X) :

 M (t) = n (1− 2t)  Donc, e(X) = M (0) = n
0 −n
2 −1 0

 M ”(t) = 2n n2 + 1 (1 − 2t) Donc, e X
= M ” (0) = n (n + 2) alors, V (X) = n + 2n −

−n
2 −2 2 2

n2 = 2n

 P [c < X < d] = 0.8
2. n = 12, P [X < c] = 0.1
P [X > d] = 0.1


P [X < c] = 0.1 = P χ2 (12) < c = 0.10 ⇔ c = 6.304

 

P [X > d] = 0.1 = P χ2 (12) > d = 0.9 ⇔ d = 18.55

 

Donc, [c, d] = [6.304, 18.55]

4
5 Soit une variable aléatoire distribuée selon une loi de χ avec 10 degré de liberté. Déterminer les constantes
2

a et b satisfaisant les conditions suivantes: P χ ≥ a = 0.975 et P a ≤ χ < b = 0.95

2 2

Solution:


P χ2 ≥ a 1 − P χ2 < a = 0.975
   
=
=⇒ P χ2 < a = 0.025
 

=⇒ d'après la table: a = 3.25


P a ≤ χ2 < b P χ2 < b − P χ2 < a = 0.95
     
=
P χ2 < b = P χ2 < a + 0.95
   
=⇒
= 0.975

=⇒d'après la table: b = 20.48

6 Soient deux variables aléatoires indépendantes X et Y avec: X ∼ χ (12) et Y ∼ χ (14) .
2 2

Calculer P [X + Y ≥ 17.29]?
etant donée la stabilité de la loi de Khi-deux: X + Y ∼ χ (26)
2
X ∼∼ χ (12) 2
Solution: 2
Y ∼ χ (14)
P [X + Y ≥ 17.29] = 1 − P [X + Y < 17.29] = 0.90
Donc, P [X + Y < 17.29] = 0.10