1 programme de seconde juin 2009 statistique et probabilit s n.
Download
Skip this Video
Loading SlideShow in 5 Seconds..
1 - Programme de Seconde (juin 2009) Statistique et probabilités PowerPoint Presentation
Download Presentation
1 - Programme de Seconde (juin 2009) Statistique et probabilités

Loading in 2 Seconds...

play fullscreen
1 / 52

1 - Programme de Seconde (juin 2009) Statistique et probabilités - PowerPoint PPT Presentation


  • 69 Views
  • Uploaded on

1 - Programme de Seconde (juin 2009) Statistique et probabilités. Statistique et probabilités. 1 - Programme de Seconde (juin 2009) Statistique et probabilités. Statistique et probabilités. 2 - Échantillons 2.1 - Définitions. 2.1 - Définitions.

loader
I am the owner, or an agent authorized to act on behalf of the owner, of the copyrighted work described.
capcha
Download Presentation

1 - Programme de Seconde (juin 2009) Statistique et probabilités


An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript
1 programme de seconde juin 2009 statistique et probabilit s
1 - Programme de Seconde (juin 2009)Statistique et probabilités

Statistique et probabilités

1 programme de seconde juin 2009 statistique et probabilit s1
1 - Programme de Seconde (juin 2009)Statistique et probabilités

Statistique et probabilités

2 chantillons 2 1 d finitions
2 - Échantillons 2.1 - Définitions

2.1 - Définitions

Quand on doit décrire une population comportant un grand nombre d'individus, on ne peut pas ou on ne veut pas, en général pour des raisons économiques, en faire une étude exhaustive.

Les observations ne portent alors que sur un nombre restreint d'individus à sélectionner selon un protocole expérimental.

Les individus sélectionnés et leur ordre de sélection constituent un échantillon, leur nombre est la taille de l'échantillon.

Quand on doit décrire une population comportant un grand nombre d'individus, on ne peut pas ou on ne veut pas, en général pour des raisons économiques, en faire une étude exhaustive.

Les observations ne portent alors que sur un nombre restreint d'individus à sélectionner selon un protocole expérimental.

Les individus sélectionnés et leur ordre de sélection constituent un échantillon, leur nombre est la taille de l'échantillon.

2 chantillons 2 2 comment pr lever un chantillon
2 - Échantillons 2.2 - Comment prélever un échantillon ?

2.2 - Comment prélever un échantillon ?

Lors d’une prise de décision à partir d‘un échantillon, pour que les résultats de la théorie des probabilités s'appliquent, il est important que l'échantillon soit prélevé au hasard.

Chaque individu de la population doit avoir la même probabilité d'être sélectionné.

échantillon aléatoire.

2 chantillons 2 2 comment pr lever un chantillon1
2 - Échantillons 2.2 - Comment prélever un échantillon ?

Deux types d'échantillons :

  • Échantillons exhaustifs ou constitués sans remise
  • Échantillons non exhaustifs ou constitués avec remise
  • Le programme de Seconde 2009 ne retient que ce type d'échantillons :
  • "Un échantillon est constitué des résultats de n répétitions indépendantes de la même expérience".
slide6

2 - Échantillons 2.3 - Échantillonnage

2.3 - Échantillonnage

L'échantillonnage est l'étude des distributions de fréquences de variables définies sur l’ensemble des échantillons (proportion, moyenne, variance…).

slide7
On considère une population de 4 enfants : Adeline, Benjamin, Clara et David, d'âges respectifs 12, 13, 14 et 15 ans et on s'intéresse aux enfants de plus de 14 ans et demi. Il y en a une proportion p = 1/4 dans la population-mère.

On constitue (avec remise) des échantillons de taille 3.

On peut ainsi constituer 43=64 échantillons.

3 - Distribution de fréquences de la proportion d’échantillonnage 3.1 - Un premier exemple

3.1 - Un premier exemple

slide8

3 - Distribution de fréquences de la proportion d’échantillonnage 3.2 – D’autres situations similaires

3.2 – Des situations similaires

  • Tirage d’une boule dans une urne contenant 1 boule blanche et 3 rouges
  • Tirage d’une boule dans une urne contenant 100 boules blanches et 300 rouges
  • Lancer d’un dé tétraédrique équilibré et obtention d'une des faces
  • Roue de loterie dont un quart est peint en rouge et le reste en bleu et obtention du rouge
slide9

3 - Distribution de fréquences de la proportion d’échantillonnage 3.3 - Exemples

slide10

3 - Distribution de fréquences de la proportion d’échantillonnage 3.3 - Exemples

slide11

3 - Distribution de fréquences de la proportion d’échantillonnage 3.3 - Exemples

slide12

3 - Distribution de fréquences de la proportion d’échantillonnage 3.3 - Exemples

3 dis tribution de fr quences de la proportion d chantillonnage 3 4 quand n augmente
3 - Distribution de fréquences de la proportion d’échantillonnage 3.4 – Quand n augmente

Résultat 1 :

Les proportions observées sont de plus en plus souvent proches de la proportion du caractère dans la population-mère lorsque la taille de l'échantillon n augmente.

Résultat 2 :

Lorsque n est grand la distribution de fréquence de la proportion d’échantillonnage s'approche d'une "distribution en cloche".

slide14

3 - Distribution de fréquences de la proportion d’échantillonnage 3.4 – Quand n augmente

4 intervalles de fluctuation 4 1 d finition
4 - Intervalles de fluctuation 4.1 - Définition

4.1 - Définition

L’intervalle de fluctuation d’une fréquence ou proportion à 95%, pour des échantillons de taille n, est l’intervalle :

  • d'amplitude minimale,
  • centré autour de p, proportion du caractère dans la population,
  • contenant la proportion observée sur un échantillon aléatoire de taille n, avec une probabilité au moins égale à 0,95.
4 intervalles de fluctuation 4 2 d termination

p = 25 %

4 - Intervalles de fluctuation 4.2 - Détermination

4.2 - Détermination

Échantillons de taille 10 issus d'une population contenant 1/4 d'enfants de plus de 14 ans et demi :

Distribution des fréquences

4 intervalles de fluctuation 4 2 d termination1
4 - Intervalles de fluctuation 4.2 - Détermination

Échantillons de taille 10 issus d'une population contenant 1/4 d'enfants de plus de 14 ans et demi :

86,6 %

p = 25 %

Distribution des fréquences

4 intervalles de fluctuation 4 2 d termination2
4 - Intervalles de fluctuation 4.2 - Détermination

Échantillons de taille 10 issus d'une population contenant 1/4 d'enfants de plus de 14 ans et demi :

98 %

p = 25 %

Distribution des fréquences

L'intervalle de fluctuation est [0 ; 0,5].

4 intervalles de fluctuation 4 2 d termination3

p = 25 %

4 - Intervalles de fluctuation 4.2 - Détermination

Échantillons de taille 30 issus d'une population contenant 1/4 d'enfants de plus de 14 ans et demi :

4 intervalles de fluctuation 4 2 d termination4

p = 25 %

4 - Intervalles de fluctuation 4.2 - Détermination

Échantillons de taille 30 issus d'une population contenant 1/4 d'enfants de plus de 14 ans et demi :

96,7 %

slide21

4 - Intervalles de fluctuation 4.2 - Détermination

L'intervalle de fluctuation est [0,1 ; 0,4].

4 intervalles de fluctuation 4 2 d termination5

25 %

4 - Intervalles de fluctuation 4.2 - Détermination

Échantillons de taille 100 issus d'une population contenant 1/4 d'enfants de plus de 14 ans et demi :

4 intervalles de fluctuation 4 2 d termination6
4 - Intervalles de fluctuation 4.2 - Détermination

Échantillons de taille 100 issus d'une population contenant 1/4 d'enfants de plus de 14 ans et demi :

95,1 %

slide24

4 - Intervalles de fluctuation 4.2 - Détermination

L'intervalle de fluctuation est [0,17 ; 0,33].

slide25
Soit X1, X2,..., Xn une suite de n variables aléatoires indépendantes de même loi de probabilité admettant pour espérance mathématique m et pour écart-type s.

On pose : X =    (X1 + X2 + ... + Xn).

_

_

1

n

5 - Des mathématiques 5.1 – Espérance et variance de la moyenne d’échantillonnage

_

X a pour espérance m et pour écart-type .

slide26

_

5 - Des mathématiques 5.2 - Des théorèmes

5.2 - Des théorèmes

Loi faible des grands nombres :

Pour tout e > 0, P (|X - m |  e ) tend vers 1 quand n tend vers l'infini.

Théorème limite central :

Alors pour n grand, la loi de la moyenne X peut être approchée par la loi normale de paramètres m et .

_

slide27

1

_

n

5 - Des mathématiques 5.3 - Application à la fréquence ou proportion d ’échantillonnage

  • Dans une population statistique, on s’intéresse à une propriété A. On tire un échantillon de taille n. Prenons pour variables Xi, les variables qui, à chaque échantillon, associent la valeur 1 si le i-ème individu possède la propriété A et 0 sinon.
  •   (X1 + X2 + ... + Xn) évalue la proportion de la propriété A dans l’échantillon, notons-la F.
slide28

5 - Des mathématiques 5.3 - Application à la fréquence ou proportion d ’échantillonnage

  • Comme l’espérance mathématique des variables aléatoires Xi est égale à p, alors d’après la loi des grands nombres
  • Pour tout e > 0, P (|F - p|  e ) tend vers 1 quand n tend vers l'infini.
  • La probabilité que F prenne une valeur éloignée de p de moins d’un e fixé à l’avance tend vers 1 lorsque n tend vers l’infini.
slide29

5 - Des mathématiques 5.3 - Application à la fréquence ou proportion d ’échantillonnage

  • Comme l’espérance mathématique et l'écart-type des variables aléatoires Xi sont respectivement p et , d’après le théorème limite central :

Pour n grand, la loi de F peut être approchée par

la loi normale de paramètres p et .

5 des math matiques 5 4 intervalle de fluctuation d une fr quence d chantillonnage
5 - Des mathématiques 5.4 -Intervalle de fluctuation d’une fréquence d’échantillonnage

On cherche un réel a tel que

P(paFp+a) = 0,95

D'après le théorème limite central, pour n assez grand (n 25), la loi de la F peut être approchée par la loi normale de paramètres p et .

Alors la loi de est approchée par la loi

normale centrée, réduite.

slide31

95 %

5 - Des mathématiques 5.4 -Intervalle de fluctuation d’une fréquence d’échantillonnage

L'équation P(paFp+a) = 0,95 devient :

La table de la loi normale centrée, réduite donne

slide32

5 - Des mathématiques 5.4 -Intervalle de fluctuation d’une fréquence d’échantillonnage

L'intervalle de fluctuation est approché par :

Or 1,96 < 2 et pour 0,2  p  0,8,

on a donc 0,4   0,5

Ainsi 1,96 est compris entre 0,8 et 1.

slide33

5 - Des mathématiques 5.4 -Intervalle de fluctuation d’une fréquence d’échantillonnage

Finalement l'intervalle de fluctuation au seuil de 95%, relatif aux échantillons de taille n, est approché par l’intervalle :

Remarque : Cet intervalle contient l'intervalle :

slide34
On constitue, avec remise, des échantillons de taille 40, dans une population. On considère une modalité d’un caractère qualitatif observée pour p =37 % des individus de la population.

6 - Estimation par intervalle de confiance 6.1 - Construction d'un abaque

6.1 - Construction d'un abaque

slide35
On constitue, avec remise, des échantillons de taille 40, dans une population. On considère une modalité d’un caractère qualitatif observée pour p =37 % des individus de la population.

L'intervalle de fluctuation au seuil de 95%, relatif aux échantillons de taille 40, est [0,22 ; 0,52].

6 - Estimation par intervalle de confiance 6.1 - Construction d'un abaque

slide36

6 - Estimation par intervalle de confiance 6.1 - Construction d'un abaque

Représentation de l'intervalle au seuil de 95%, relatif aux échantillons de taille 40 pour p =0,37.

slide38

6 - Estimation par intervalle de confiance 6.1 - Construction d'un abaque

Représentation de l'intervalle au seuil de 95%, relatif aux échantillons de taille 40 pour p =0,37 et p =0,40.

slide50

6 - Estimation par intervalle de confiance 6.2 - Utilisation de l'abaque

6.2 - Utilisation de l'abaque

On souhaite estimer la proportion p (inconnue) d'individus présentant une propriété donnée dans une population statistique à partir d'un échantillon de taille 40 prélevé au hasard et sans remise.

Supposons que la propriété est observée dans l'échantillon avec une fréquence de 60 %.

On détermine ensuite les valeurs de p qui font en sorte que 0,6 appartienne à l'intervalle de fluctuation au seuil de 95 %, relatif aux échantillons de taille 40 associé à p .

slide52

6 - Estimation par intervalle de confiance 6.2 - Utilisation de l'abaque

Intervalle à 95 % de confiance de p