ÉCHANTILLONNAGE - ESTIMATION

- Partie A - Échantillonnage L'objectif de cette partie est de répondre à la problématique suivante : comment, à partir d'informations (couple moyenne-écart-type ou proportion) connues sur une population, peut-on prévoir celles d'un échantillon ?

Nous distinguerons deux cas : celui où l'on étudie une moyenne dans un échantillon et celui où l'on étudie une proportion dans un échantillon.

A.1. Étude de la moyenne d'un échantillon On dispose d'une population sur laquelle est définie une variable aléatoire X dont on connaît l'espérance (ou la moyenne)  et l'écart-type .
Population

Moyenne  connue. Ecart-type  connu. 

Echantillons de taille n

{

1

2

3

4

5

...

i

On s'intéresse aux échantillons de taille n. Auront-ils tous la même moyenne ? Non, certains peuvent être constitués d'éléments atypiques et avoir une moyenne très différente de celle de la population (surtout si l'échantillon est de petite taille). Notons X la variable aléatoire qui, à chaque échantillon de taille n, associe sa moyenne ( X s'appelle encore la distribution des moyennes des échantillons). Que peut-on dire de cette variable aléatoire X ?

Théorème Central Limite - Version 1 - (Version faible) Contexte : variable aléatoire X qui suit une loi normale sur la population X  N( ; ) On prélève, au hasard, un échantillon (tirages avec remise(1) ou assimilés) de taille n de moyenne X . Alors la variable aléatoire X suit également une loi normale :    X  N ;  n 
Atténuation de la dispersion par le processus d'échantillonnage.

www.COURS-FSJES.blogspot.com

(1)

Un tirage avec remise est encore appelé "tirage non exhaustif". Si on fait un tirage sans remise (tirage exhaustif), on modifie la taille de la population au fur et à mesure des tirages, ce qui compliquerait les calculs (intervention d'un facteur d'exhaustivité). Ceci dit, pour des grandes populations le tirage sans remise s'assimile à un tirage avec