Cours de statistique III
Adil EL MARHOUM. Page 2. THEORIE D'ECHANTILLONNAGE échantillons basés sur la probabilité : échantillons probabilistes; et échantillons non basés sur.
10%. CORIGE. LABRAR
EL MARHOUM Adil adil.elmarhoum@gmail.com. Résumé. Cet article s'inscrit dans le cadre d'une étude sur la compétitivité extérieure marocaine. Pour ce.
1 Université Mohammed Premier Échantillonnage et Estimation
3. Quelle est la probabilité que la moyenne d'échantillon s'écarte au plus de ±5 jours de la moyenne de la population ?
POLYCOPIE DE COURS LES TECHNIQUES DE SONDAGES
1 - SAPORTA gilbert Probabilité analyse des données et statistique
Cours 5: Inférences: Estimation Echantillonnage et Tests
probables de la statistique et de donner par exemple un intervalle de confiance. Clément Rau. Cours 5: Inférences: Estimation
Untitled
Directeur : Pr. Farid El Bacha Doyen de la Faculté des Sciences Pr. Adil El Marhoum
????? ??????? ?????? ???????
Economie de la construction au Maroc: Rabat- Salé et Marrakech Probabilités pour économistes :cours et exercices corrigés ... EL MARHOUM Adil.
Docteur en Médecine
Vice-Doyen chargé des Affaires Spécifiques à la Pharmacie Pr.BENSOUDA Adil ... •Diminuer la probabilité de développement des maladies opportunistes.
COMITE TECHNIQUE ET SCIENTIFIQUE Session 3&4 Décembre
19?/06?/2015 L'Institut Pasteur du Maroc au service de la santé ... Le responsable du plateau est identifié : Dr. Adil El Hamouchi.
Mutations environnementales liées à lorpaillage à Ity (Ouest de la
l'échantillon établie par Adil EL Marhoum en 1999. Cette formule proportion variant entre 0 et 1 est une probabilité d'occurrence d'un événement.
leay:block;margin-top:24px;margin-bottom:2px; class=tit courseconomie4ocfunblogfrExercices de probabilités - Unblogfr
Adil EL MARHOUM Page 4 EXERCICES : CALCUL DE PROBABILITES EXERCICE 1 Expliquer pourquoi doit-il y avoir une erreur dans chacune des phrases suivantes : a) La probabilité qu'il pleuve demain est 067 et la probabilité qu'il pleuve ou qu'il neige est 055
UNIVERSITE MOHAMMED V RABAT
Faculté des Sciences Juridiques,
Economiques et Sociales
Rabat-Agdal
Département des Sciences Economiques
Filière : Sciences Economiques et Gestion
Semestre 3
Module : Echantillonnage et Estimation
Prof : Adil ELMARHOUM
Année Universitaire 2018 - 2019
Cours Echantillonnage et Estimation
Adil EL MARHOUM Page 2
LLONNAGE
La première solution consiste à observer ou ienquête partielle ou sondage. Les éléments de la population qui sont réellement observés
échantillonnage.
-dessus se présente dans beaucoup de situations et le recours à laétudiée présente des modifications assez importantes au cours du temps. Les erreurs
nquête exhaustive. En fin dans certaines situations présente un caractère destructif.II. VOCABULAIRE
Enquête : ensemble des opérations de collecte et de traitement de données relatives à quelques
domaines que ce soit.Population : rassemblement de tous les cas qui répondent à un ensemble de caractères
auxquels on sUnité de base
Recensement
toutes les unités de base de la population sont observées.Sondage :
une enquête au cours de laquelle seulement une partie des unités de base de la population sont observée.Echantillon : ensemble des unités de b
sondage.Echantillonnage : ensemble des opérations qui permettent de sélectionner de façon organisée
Cours Echantillonnage et Estimation
Adil EL MARHOUM Page 3
Base de sondage : énumération ou présentation ordonnée de toutes les unités de base
constituant la population. Fraction ou taux de sondage : proportion des unités de la population qui font partie de Nnf x100III. DETERMINATION DE LA LON
- La précision souhaitée : plus on souhaite des résultats précis nécessaire est important. - Le budget disponible risque de commettre de -même.Tchebycheff ou la loi normale.
Cours Echantillonnage et Estimation
Adil EL MARHOUM Page 4
3.1. UTILISATION DE E DE BIENAYME
TCHEBYCHEFF
Elle aboutit à des échantillons de taille élevée. - antillon dépend de la précision souhaitée pour la généralisation des résultats. la moitié de cette largeur. P( mX²²1Vn
avec : n ; : précision souhaitée ; X on ; m : moyenne de la population. : Ecart- antérieures ou mener une étude pilote. Pour obtenir un maximum de fiabilité dans les résultats, on commence par se fixer une marge d'erreur "" que l'on accepte. On se fixe ensuite un seuil de confiance (1-), qui représente la la moyenne de la population de plus de : P( mX < ) 1-En rapprochant les deux formules on obtient :
²²1Vn
= 1- et donc :HVu ²² n
Cours Echantillonnage et Estimation
Adil EL MARHOUM Page 5
Exemple :
visiteur, c : = 10 - type des achats est : = 100 dh. Si on se fixe un seuil de confiance (1-) = 95%, La :2000 05,0²10²100 u n
résultats. la moitié de cette largeur. P( pfn²1n
pq avec : n ; : précision souhaitée ; nf p : proportion dans la population (q = 1 p). Elle est souvent inconnue, il faut avoir des informations antérieures ou mener une étude pilote, sinon on utilise une proportion de 50 %. Pour obtenir un maximum de fiabilité dans les résultats, on commence par se fixer une marge d'erreur "" que l'on accepte. On se fixe ensuite un seuil de confiance (1-), qui représente la la proportion dans la population de plus de : P( pfn < ) 1-Cours Echantillonnage et Estimation
Adil EL MARHOUM Page 6
En rapprochant les deux formules on obtient :
²1n
pq = 1- et donc :Hu ² pqn
Exemple :
à dire on se fixe une marge d'erreur de 5% dans l'analyse des résultats : = 0,05Si on se fixe un seuil de confiance (1- :
1820 05,0²05,035,065,0 uu n
3.2. UTILISATION DE LA LOI NORMALE
On applique cette méthode si la variable suit une loi normale ou si elle peut être approchée par
la loi normale. a) Cas des prélèvements dans une population finie avec remise ou dans une population infinie sans remise : Pour obtenir un maximum de fiabilité dans les résultats, on commence par se fixer une marge d'erreur "" que l'on accepte. On se fixe ensuite un seuil de confiance (1-), qui représente la probabilité minimale pour que la moyenne calculée à partir la moyenne de la population de plus de : P( mX < ) 1- avec : : précision souhaitée ; X m : moyenne de la population.Cours Echantillonnage et Estimation
Adil EL MARHOUM Page 7
le théorème central limite, la variable aléatoire X suit une loi normale dont les paramètres sont : E( nX ) = m V( nX n² nXV P( mX < ) 1- )(H mXP 1- nn mX n PHVVH 1- H V HnZnP 1- H V Hnn33 1- )](1[)( H V Hnn3 1-1)(23V
Hn 1- Hn 1- 2On se reporte à la table de distribution de la loi Normale centrée réduite, et on cherche la valeur
correspondante à une probabilité égale à 1- 2 , cette valeur de z sera désignée par 21ZOn a alors :
Hn 21Z²² ² 21VZn
Cours Echantillonnage et Estimation
Adil EL MARHOUM Page 8
Exemple :
l'analyse des résultats : = 10 - type des achats est : = 100 dh.Si on se fixe un seuil de confiance (1- :
385 16,384 ²10²100 1,96² n
b) Cas des prélèvements dans une population finie sans remise : E( nX ) = m V( nX1NnNn²
nNnN XV1 Nn n1De la même manière, on arrive à :
nNNn V H 21ZNZnNn V 21
NZnNn²²²
21VNZnZn²² ² ²²²
2121VHVD
²²² )²² ²1(
2121VHVDZNZn
² Z² N ²
N ² Z²
2-1 2-1 H V D nCours Echantillonnage et Estimation
Adil EL MARHOUM Page 9
Pour obtenir un maximum de fiabilité dans les résultats, on commence par se fixer une marge d'erreur "" que l'on accepte. On se fixe ensuite un seuil de confiance (1-), qui P( pfn < ) 1- avec : n ; : précision souhaitée ; nf p : proportion dans la population (q = 1 p). Elle est souvent inconnue, il faut avoir des informations antérieures ou mener une étude pilote, sinon on utilise une proportion de 50 %. nf suit une loi normale dont les paramètres sont : a) Cas des prélèvements dans une population finie avec remise ou dans une population infinie sans remise : E( nf ) = p V( nf n pq n pq nfV P( pfn < ) 1- )(HpfPn 1- n pq n pq pf n pqPnH 1-Cours Echantillonnage et Estimation
Adil EL MARHOUM Page 10
)(pq nZpq nPH 1- )()(pq n pq nH33 1- )](1[)(pq n pq nH33 1-1)(23pq
n 1- )(pq n3 1- 2On se reporte à la table de distribution de la loi Normale centrée réduite, et on cherche la valeur
correspondante à une probabilité égale à 1- 2 , cette valeur de z sera désignée par 21ZOn a alors :
pq n 21Z² ² 21
pqZnExemple :
dans l'analyse des résultats : = 0,05 Si on se fixe un seuil de confiance (1-) = 95%, on se reporte à la table de distribution de la loi Normale, et on cherche la valeur correspondante à une probabilité (1-/2) =0,975, ce qui donne Z = 1,96.
350 58,349 ²05,035,065,0 1,96² u n
Cours Echantillonnage et Estimation
Adil EL MARHOUM Page 11
b) Cas des prélèvements dans une population finie sans remise : E( nf ) = p V( nf 1NnNn pq n pq nfV1NnN Nn n pq1De la même manière, on arrive à :
nN N pq n H 21ZN pqZnNn 21
N pqZnNn²² 21
N pqZnpqZn² ² ²² 2121H
D
²² )² ²1(
2121HDpqZN pqZn q p Z² N ²
N q p Z²
2-1 2-1 D nCours Echantillonnage et Estimation
Adil EL MARHOUM Page 12
IVLLONNAGE
indispensable que cette enquête soit conduite selondes règles bien définies et que les calculs conduisant à ces extrapolations soient conformes à la
a été choisi.La théorie moderne de l
échantillons basés sur la probabilité : échantillons probabilistes; et échantillons non basés sur
la probabilité : échantillons non probabilistes ou empiriques.4TILLONNAGE PROBABILISTES
4.1.1. Echantillonnage aléatoire et simple
Un échantillonnage est aléatoire si tous les individus de la population ont la même chance de
indépendamment les uns des autres.En particulier, si la population est finie, cette définition correspond au tirage aléatoire avec
remise, qui permet de traiter les populations finies comme des populations infinies. Pour prélever un échantillon aléatoire et simple il faut :- Constituer la base de sondage qui correspond à la liste complète et sans répétition des
éléments de la population ;
- Numéroter ces éléments de 1à N ; pseudoExemple :
On souhaite avoir un échantillon aléatoire et simple de 5 entreprises parmi une ste complète et sans répétitions des 22 entreprises numérotées de 1 à 22. On prend un10480 15011 01536 02011 81647 91646
22368 46573 25595 85393 30995 89198
24130 48390 22527 97265 76393 64809
42167 93093 06243 61680 07856 16376
37570 39975 81837 16656 06121 91782
77921 06907 11008 42751 27756 53498
Cours Echantillonnage et Estimation
Adil EL MARHOUM Page 13
On choisit au hasard un nombre de la table, supposons ce nombre 06121. Comme N=22, on va retenir le premier groupe de 2 chiffres, ce qui donne les N° :06, ensuite 12 ; 19 ; 17 ; les nombres (82,77 et 92) sont inutilisables. La cinquième entreprise
sera le N° 10.4.1.2. Echantillonnage stratifié
f N, en P sous populations ou " strates telle sorte que N= N1+N2 chLa stratification peut entraîner des gains de précision appréciables, elle facilite en outre les
opérations de collecte des données et fournit des informations pour différentes parties de la
population. on utilise une répartition proportionnelle, elle hantillonnage dans chaque strate ou à tenir compte du poids de chaque strate. Désignons par wi le poids de la strate et par f la fraction de sondage constante. Nnf NN iiw
strates est donc : iiNf w u nniExemple :
Dans une population de 10000 entreprises, réparties en 500 petites entreprises, 3000 moyennes entreprises et 2000 grandes entreprises, on souhaite avoir un échantillon de 500 entreprises. Fraction de sondage constante : f = 500 / 1000 = 0.05 %Strate Effectif de la strate
Petite
Moyenne
Grande
50003000
2000
5000 * 0,05 = 250
3000 * 0,05 = 150
2000 * 0,05 = 100
Total 10000 500
Cours Echantillonnage et Estimation
Adil EL MARHOUM Page 14
4.1.3. Echantillonnage par degrés
e sondage du premier degré (unités primaires), chacune de ces unités sélectionné permet une concentration du travail sur le terrain et donc une réduction des coûts. atoire et simple.Exemple :
aléatoirement 5 quartiers. Dans chaque quartier sélectionné, on retient une rue sur 5, dans chaque rue retenue, on retient un immeuble sur 3, et dans chaque immeuble, un ménage par étage sera questionné.4.1.4. Echantillonnage systématique
rmine la nNk (arrondConnaissant k, on choisit le plus souvent, pour débuter, un nombre aléatoire, i, compris entre 1
néral facile à exécuter, il réduit le temps consacré à la localisation des unités sélectionnées.Si les éléments de la population se présentent dans un ordre aléatoire (pas de tendance)
atoire et simple. Par contreCours Echantillonnage et Estimation
Adil EL MARHOUM Page 15
Exemple :
n de 1800 entreprises.60301800 k
et 60.quotesdbs_dbs30.pdfusesText_36[PDF] administration de leglise locale pdf
[PDF] administration de la gestion de leau
[PDF] administration economie et social
[PDF] administration et gestion des affaires
[PDF] administration moodle pdf
[PDF] administration personnel cours ofppt
[PDF] administrative code of 1987 pdf
[PDF] admis ? compenser
[PDF] admis a compenser lille 2
[PDF] admis des iac 2016 burkina faso
[PDF] admis du bac 2016 djibouti
[PDF] admission hec montreal
[PDF] admission post bac
[PDF] admission post bac 2016