Loi normale Échantillonnage et estimation
— La loi binomiale de paramètres n et p est la loi de probabilité de la variable aléatoire X prenant prenant comme valeurs le nombre de succès (S) obtenus au
1ère S - Chapitre 9 : LOI BINOMIALE. ÉCHANTILLONNAGE.
1ère S - Chapitre 9 : LOI BINOMIALE. ÉCHANTILLONNAGE. I. Épreuve de Bernouilli. Définition : Une épreuve de Bernoulli est une expérience aléatoire à deux
Probabilités: Loi binomiale - Echantillonnage
Probabilités: Loi binomiale - Echantillonnage. 1. I) Epreuve de Bernoulli - Loi binomiale a) Epreuve de Bernoulli. Exercice 1.
Échantillonnage
Échantillonnage. Table des matières. I Rappels sur les lois usuelles. 2. II Approximations de la loi binomiale. 2. II.1 Approximation par la loi de poisson
Chapitre 7 Loi binomiale. Échantillonnage
Loi binomiale. Échantillonnage. I Schéma de Bernoulli. I - 1) épreuve de Bernoulli. * lorsque dans une expérience aléatoire
PROBABILITÉS Loi binomiale - Échantillonnage
Loi binomiale - Échantillonnage. I Épreuve de Bernoulli - Loi binomiale. Exemple. On lance deux fois une pièce de monnaie parfaitement équilibrée.
ECHANTILLONNAGE
X est une variable aléatoire qui suit une loi binomiale de paramètres n = 6 et p = 03. Déterminer l'intervalle de fluctuation au seuil de 95% de la proportion
PROBABILITÉS Loi binomiale - Échantillonnage
Loi binomiale - Échantillonnage. I Épreuve de Bernoulli - Loi binomiale. Exemple. On lance deux fois une pièce de monnaie parfaitement équilibrée.
Échantillonnage
On peut considérer que la variable aléatoire X suit la loi binomiale de paramètres 100 et 052. On recherche un intervalle [a;b] (avec a et b entiers) qui
EXPÉRIENCES RÉPÉTÉES ÉCHANTILLONNAGE
Tabuler sur la calculatrice la loi binomiale correspondante. 2. Déterminer l'intervalle de fluctuation au seuil de 95% de X. EXEMPLE. La détermination d
Loi normale
Échantillonnage et estimation
Christophe ROSSIGNOL
Année scolaire 2019/2020Table des matières
1 Rappels sur la loi binomiale
21.1 Épreuve deBernoulli. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .2
1.2 Schéma deBernoulli- Loi binomiale. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
2 Loi normale3
2.1 Courbe " en cloche »
32.2 Loi normale
42.3 Approximation d"une loi binomiale par une loi normale
53 Échantillonnage - Estimation
53.1 Définition - Utilisation
53.2 Échantillonnage - Prise de décision
63.3 Intervalle de confiance
6Table des figures
1 Un exemple d"épreuve deBernoulli. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .2
2 Un exemple de Schéma deBernoulli. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .3
3 Courbes " en cloche »
44 Loi normale de paramètresμetσ. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .4
5 Intervalle de fluctuation
5Liste des tableaux
1 Utilisation de la calculatrice ou du tableur pour une loi binomiale
32 Utilisation de la calculatrice ou du tableur pour une loi normale
7 ?Ce cours est placé sous licence Creative Commons BY-SAhttp://creativecommons.org/licenses/by-sa/2.0/fr/
11 RAPPELS SUR LA LOI BINOMIALE
1 Rappels sur la loi binomiale
1.1 Épreuve de BernoulliDéfinition :On appelleépre uvede Bernoullitoute épreuve àdeux issues p ossibles: un succ ès(noté
S) ou un échec (notéS).
La probabilité d"un succèsp=P(S)est appeléparamètre de l "épreuvede Bernoulli.Exemple :On lance un dé équilibré à six faces, les faces étant numérotés de 1 à 6.
On considère qu"il y a un succès lorsque le résultat du lancer est un 6, un échec sinon. Il s"agit d"une épreuve deBernoullide paramètre16 On peut la représenter par l"arbre de la figure 1 .Figure1: Un exemple d"épreuve deBernoulli1.2 Schéma de Bernoulli - Loi binomialeDéfinition :-On app ellesc hémade Bernoullil"expérience consistant àr épéternfoisde manière
indépendantes la même épreuv ede Bernoulli de paramètre p. La loi binomiale de paramètres netpest la loi de probabilité de la variable aléatoireXprenant prenant comme valeurs le nombre de succès (S) obtenus au cours desnépreuves du schéma deBernoulli.
On dit aus sique loi loi de probabilité de la v ariablealéatoire Xsuit la loi binomiale de paramètres
netp.Exemple :On répète 2 fois de manière identiques et indépendantes l"épreuve deBernoullide l"exemple
précédent.On noteXla variable aléatoire qui donne le nombre de 6 obtenus.Xsuit la loi binomiale de paramètres
2et16 Le schéma de Bernoulli correspondant est donné sur la figure 2On a alors :
-P(X= 0) =P?¯S¯S?=56×56
=2536 -P(X= 1) =P?S¯S?+?¯SS?=16×56
+56×16
=536 +536=1036 -P(X= 2) =P(SS) =16
×16
=136 Remarques :1.Si Xsuit la loi binomiale de paramètresnetp,Xprend les valeurs 0, 1, 2, ...,n. 2.On p euttoujours représen terun sc hémade Bern oullipar un arbre p ourcalculer P(X=k). Mais sin
est grand, cela peut être fastidieux... On peut alors utiliser la calculatrice ou le tableur. Voir tableau
1 .Propriété :SoitXune variable aléatoire suivant la loi binomiale de paramètresnetp.L"espérance de cette variable aléatoire estE(X) =np.Exercices :Exercices 1, 2 de la feuille polycopiée " Exercices - loi binomiale ».
22 LOI NORMALE
Figure2: Un exemple de Schéma deBernoulliTable1: Utilisation de la calculatrice ou du tableur pour une loi binomiale
2 Loi normale
Activité :Exercice 3 de la feuille polycopiée " Exercices - loi binomiale ».2.1 Courbe " en cloche »
Le diagramme en bâtons d"une loi binomiale de paramètresnetp, lorsquenest très grand et quepn"est proche
ni de zéro ni de 1, peut être approché par une courb e" en clo che» (v oirfigure 3Cette courbe " en cloche » a les propriétés suivantes :Propriétés :Courbe " en cloche »
C"est la c ourbereprésen tatived"une
fonction définie sur R. L" aire totale comprise en trela courb e" en clo che» et l"axe des ab scisses v aut1Elle dép endde deux paramètres n ommésμ(mu) etσ(sigma).μest appeléesp éranceet σest
appeléécart-t ype
Elle admet comme
axe de symétrie la droite d"équation x=μ(voir figure3 ).Plus σest élevé, plus la courbe est "écrasée » au tourde l"axe des abscisses (v oirfigure 3 ).Remarque :On va définir, à l"aide de ces courbes " en cloche », une nouvelle loi de probabilité, pour des
variables aléatoiresprenant toutes les valeurs réelles. 32.2 Loi normale 2 LOI NORMALE
Figure3: Courbes " en cloche »
2.2 Loi normaleDéfinition :On considère une courbe " en cloche » de paramètresμetσetXune variable aléatoire
prenant toutes les valeurs réelles. On dit queXsuit la loi normale de paramètresμetσsi, pour tout nombresa,b, aveca < b:égale à l"
aire du domaine compris entre l"axe des abscisses, la courbe " en cloche » et les droites verticales d"équationsx=aetx=b. (voir figure4a )égale à l"
aire du domaine compris entre l"axe des abscisses, la courbe " en cloche » et situé à gauche
de la droite verticale d"équationx=b. (voir figure4b )La probabilité P(X≥a)que la variable aléatoire prenne des valeurs dans l"intervalle]-∞;a]est
égale à l"
aire du domaine compris entre l"axe des abscisses, la courbe " en cloche » et situé à droite
Figure4: Loi normale de paramètresμetσ
Remarques :1.La fonction d ontla courb ereprésen tativeest la courb e" en clo che» est alors app elé
fonction de densité. 2. notées indifféremment larges ou strictes, cela ne change pas le probabilités. 3.P arun raisonn ementgraphique simple, on obtien tles propriétés suiv antes: Propriété :SoitXune variable aléatoire qui suit la loi normale de paramètresμetσ.
une loi normale (voir tableau 2Exercices :2, 3 page 1381- 8, 9 page 1392- 11 page 139; 12 page 140 et 28, 29 page 1453[Intervalle]1. Utilisation de la courbe.
2. Utilisation de la calculatrice.
3. Applications.
43 ÉCHANTILLONNAGE - ESTIMATION 2.3 Approximation d"une loi binomiale par une loi normale
Propriété :Intervalle de fluctuation (voir figure5 ) SoitXune variable aléatoire qui suit la loi normale de paramètresμetσ.On a alors :
Remarque :Cela signifie qu"environ 95 % des valeurs prises parXsont dans l"intervalle[μ-2σ;μ+ 2σ].
Exercices :5, 6 page 1394[Intervalle]
2.3 Approximation d"une loi binomiale par une loi normale
Sinest très grand et quepn"est proche ni de zéro ni de 1, la loi binomiale de paramètresnetppeut être
approchée par la loi normale de paramètres μ=npetσ=?np(1-p).3 Échantillonnage - Estimation
3.1 Définition - UtilisationRappel :On appelleéc hantillonde taille nla série statistique formée des résultats obtenus lorsqu"on
répètenfois une expériencedans les mêmes conditi ons.Les distributions de fréquences v arientd"un éc hantillonà l"autre p ourla même exp érience.C"est ce
qu"on appelle la fluctuation d"éc hantillonnage. Même p ourdes éc hantillonde même taille, la distribution de fréquences p eutv arier.Lorsque la taille de l"éc hantillonaugmen te,les distributions de fré quenceson ttendance à se stabi-
liser.Remarque :Comme on répète dans les mêmes conditions une expériencenfois,on p eutassimiler cet
échantillon à une loi binomiale
de paramètres netp, oùpest laprop ortiondu caractè reétudié dans la population totale. La distribution de fréquence de cet échantillon peut alors être assimilée à la loi de
fréquenceFn.Définition :SoitXnune variable aléatoire qui suit le loi binomiale de paramètresnetpetFn=Xnn
la fréquence de succès. On dit que l"intervalleInest uni ntervallede fl uctuationde Fnau seuil de95 % si :P(Fn?In)≥0,95Remarque :On utilise donc lesin tervallesd efluctuation dans les deux cas suiv ants:
on connaît la prop ortionpde présence du caractère dans la population; on fait une h ypothèses urla v aleurde cette prop ortion et on v eutv alider(ou in valider)cette h ypothèse (on parle alors de prise de décision ).4. Intervalle de fluctuation. 53.2 Échantillonnage - Prise de décision RÉFÉRENCES
3.2 Échantillonnage - Prise de décision
Propriété :Soit un caractère dont la proportion dans une population donnée estp. On considère un
échantillon de taillen.
Sin≥30,np≥5etn(1-p)≥5, l"intervalle : I n=? p-1⎷n ;p+1⎷n est un in tervallede fluctuation au seuil de 95 .On considère une population dans laquelle onsupp oseque la prop ortiond"un caractère est p. On observ el afréquen cefobsde ce caractère dans un échantillon de taillenet on considère l"hypothèse" la
proportion de ce caractère dans la population estp». On considère que les conditionsn≥30,np≥5etn(1-p)≥5sont remplies et on noteIn=? p-1⎷n ;p+1⎷n l" intervalle de fluctuation au seuil des 95%.On a alors la règle de décision suivante :
Si fobs?In: on considère que l"hypothèse n"est pas remise en questionet l" on accepte au seuil de risque
de 5 %Si fobs/?In: onrejette l"h ypothèseau seu ilde risqu ede 5 % (ce qui signifie que le ri squed"erreur par
rejet à tort de l"hypothèse est d"environ 5 %). Exercices :13, 14 page 140 et 31, 32 page 1455[Intervalle]3.3 Intervalle de confiance
On considère maintenant le cas où la
prop ortionpdu caractère dans la population totale estinconn ue.On veut estimerpà l"aide d"un échantillon de taillen, et on supposera que les conditionsn≥30,np≥5et
n(1-p)≥5sont remplies.Définition :Onobserv eun efréquenc efobssur un échantillon de taillen.
On appelle
in tervallede confiance de pau niveau de confiance de 95 %l"in tervalle? f obs-1⎷n ;fobs+1⎷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 1466[Intervalle]Références
[Intervalle] Collection In tervalle,Mathématiques ,programme 2013, T ermSTMG, Nathan, 2013. 4 56 5. Échantillonnage, prise de décision.
6. Intervalle de confiance.
6RÉFÉRENCESRÉFÉRENCESTable2: Utilisation de la calculatrice ou du tableur pour une loi normale
7quotesdbs_dbs47.pdfusesText_47[PDF] loi bioéthique 2016
[PDF] loi d inertie définition
[PDF] loi d ohm contrôle
[PDF] loi d ohm et caractéristique d une résistance
[PDF] Loi d'Ohm
[PDF] Loi dohm
[PDF] Loi d'Ohm !
[PDF] loi d'ohm et le proportinnalité
[PDF] loi d'ohm trace le graphique de U en fonction de I par rapport ? un tableau
[PDF] loi d'additivité des intensités
[PDF] loi d'additivité des intensités dans un circuit en dérivation
[PDF] loi d'additivité des tensions
[PDF] loi d'additivité des tensions dans un circuit en dérivation
[PDF] loi d'additivité des tensions exercices