Beruflich Dokumente
Kultur Dokumente
RABAT
FACULTE DES SCIENCES
JURIDIQUES
ECONOMIQUES
ET SOCIALES
AGDAL
PREMIERE PARTIE
THEORIE DECHANTILLONNAGE
Adil EL MARHOUM
Page 2
THEORIE DECHANTILLONNAGE
I. Rle de lchantillonnage
Lorsquon souhaite collecter les informations sur une population, deux possibilits soffrent :
La premire solution consiste observer ou interroger tous les lments de la population,
cest ce quon appelle une enqute complte ou enqute exhaustive ou recensement. La
seconde solution consiste observer ou interroger une partie de la population, cest ce quon
appelle enqute partielle ou sondage. Les lments de la population qui sont rellement
observs constituent lchantillon et lopration qui consiste choisir ces lments est appele
chantillonnage.
Lalternative dcrite ci-dessus se prsente dans beaucoup de situations et le recours la
deuxime solution cest dire lenqute partielle et la pratique la plus courante.
Par rapport lenqute complte, lenqute partielle offre une srie davantages. Le cot
global de lenqute partielle est en gnral plus rduit que le cot global dune enqute
complte. Lenqute par sondage est plus rapide que lenqute complte, surtout lorsque la
caractristique tudie prsente des modifications assez importantes au cours du temps. Les
erreurs dobservations sont plus rduites que dans lenqute exhaustive. En fin dans certaines
situations particulires, lenqute partielle est la seule solution possible, cest le cas lorsque
lobservation prsente un caractre destructif.
II. VOCABULAIRE
Enqute : ensemble des oprations de collecte et de traitement de donnes relatives
quelques domaines que ce soit.
Population : rassemblement de tous les cas qui rpondent un ensemble de caractres
spcifiques. Appele aussi univers ou ensemble statistique, cest lensemble des lments
auxquels on sintresse.
Unit de base : unit dchantillonnage ou unit de sondage, cest llment pris en
considration dans lenqute.
Recensement : Enqute complte ou enqute exhaustive, cest une enqute au cours de
laquelle toutes les units de base de la population sont observes.
Sondage : Enqute incomplte, enqute partielle ou enqute par chantillonnage,
cest une enqute au cours de laquelle seulement une partie des units de base de la
population sont observe.
Adil EL MARHOUM
Page 3
n
100
N
Adil EL MARHOUM
Page 4
Constituer la base de sondage qui correspond la liste complte et sans rptition des
lments de la population ;
Numroter ces lments de 1 N ;
Procder, laide dun gnrateur de nombres pseudo alatoires la slection des
units diffrentes qui constitueront lchantillon.
fn
N
wi Ni
N
ni w i n f Ni
Exemple :
Dans une population de 10000 entreprises, rparties en 500 petites entreprises, 3000
moyennes entreprises et 2000 grandes entreprises, on souhaite avoir un chantillon de 500
entreprises.
Fraction de sondage constante : f = 500 / 1000 = 0.05 %
Adil EL MARHOUM
Page 5
Effectif de la strate
5000
3000
2000
10000
Taille de lchantillon
5000 * 0,05 = 250
3000 * 0,05 = 150
2000 * 0,05 = 100
500
b) Rpartition optimale
Cette deuxime solution consiste rpartir leffort dchantillonnage de faon ingale dans
les diffrentes strates. Elle tient compte de quatre facteurs :
-
le nombre dunits choisir dans chacune des strates est donn par :
ni k w i i
ci
avec
G
w i i ci
Exemple :
Dans la population des 10000 entreprises, on a pu avoir les informations suivantes :
Strate
Poids de la strate
wi
Petite
Moyenne
Grande
0,5
0,3
0,2
Cot de la collecte de
linformation dans la
strate, ci
50
75
100
Dispersion lintrieur
de la strate, mesure par
lcart type i.
0,8
1,5
2,2
le nombre dentreprises choisir dans chacune des strates est donn par :
k
G
5000
=
= 449,42
w i i ci
0,50,8 50 0,31,5 75 0,22,2 100
0,5 0,8
= 26 petites entreprises
50
0,3 1,5
n1 449,42
= 24 moyennes entreprises
75
0,2 2,2
n1 449,42
= 20 grandes entreprises
100
n1 449,42
Adil EL MARHOUM
Page 6
Adil EL MARHOUM
Page 7
k 1800 60
30
Ainsi on va tirer une entreprise toutes les 60 en partant dun nombre tir alatoirement entre 1
et 60.
Supposons ce nombre est le 15. On va donc slectionner la 15me entreprise puis la 75me, la
135me. jusqu la 1755me ce qui nous donnera lchantillon de 30 entreprises.
Enquts ralises dans la rue, les lieux publics, en sortie de super march
Questionnaires figurant dans les magasines et renvoys spontanment.
Adil EL MARHOUM
Page 8
Adil EL MARHOUM
Page 9
Masculin Fminin
48 %
52 %
49 %
51 %
45 %
55 %
Total
100 %
100 %
100 %
Rpartition de lchantillon
Age
Sexe
20 29 ans
30 49 ans
50 60 ans
Masculin Fminin
192
208
172
178
113
137
Total
400
350
250
CSP
Sexe
M
F
M
F
M
F
Sans
Etudiant Agric
10%
15%
8%
20%
6%
35%
30%
25%
5%
4%
2%
1%
5%
2%
15%
10%
25%
20%
Artisans Prof
librales
6%
9%
10%
8%
22%
15%
16%
14%
22%
18%
20%
6%
15%
10%
20%
12%
10%
5%
100%
100%
100%
100%
100%
100%
Rpartition de lchantillon
AGE
20-29
30-49
50-60
CSP
Sexe
M
F
M
F
M
F
Sans
Etudiant Agric
19
31
14
36
7
48
58
52
9
7
2
1
Adil EL MARHOUM
10
4
26
18
28
27
Artisans Prof
librales
12
17
21
17
38
26
28
25
25
20
27
8
28
21
33
21
12
8
192
208
172
178
113
137
Page 10
La taille de lchantillon doit tre celle qui permet datteindre le meilleur quilibre entre le
risque de commettre des erreurs dchantillonnage, le cot induit par ces erreurs, et le cot de
lchantillonnage lui-mme.
Afin de dterminer la taille de lchantillon, nous utiliserons lingalit de Bienaym
Tchebycheff ou la loi normale.
P( X m < ) 1
n
avec :
n
: taille de lchantillon ;
: prcision souhaite ;
X
: moyenne de lchantillon ;
m
: moyenne de la population.
: Ecart- type dchantillon, il est souvent inconnu, il faut avoir des informations
antrieures ou mener une tude pilote.
Pour obtenir un maximum de fiabilit dans les rsultats, on commence par se fixer une marge
d'erreur "" que l'on accepte. On se fixe ensuite un seuil de confiance (1-), qui reprsente la
probabilit minimale pour que la moyenne calcule partir de lchantillon ne scarte pas de
la moyenne de la population de plus de . Ceci scrit :
Adil EL MARHOUM
Page 11
P( X m < ) 1-
En rapprochant les deux formules on obtient :
1 = 1-
n
et donc :
Exemple :
Un parc de loisirs souhaite estimer 10dh prs le montant moyen dachats effectus par
chaque visiteur, cest dire on se fixe une marge d'erreur de 10 dans l'analyse des rsultats :
= 10
Une tude pilote mene sur 50 visiteurs choisis au hasard a montr que lcart- type des
achats est : = 100 dh.
Si on se fixe un seuil de confiance (1-) = 95%, La taille de lchantillon est donc :
100 2000
100,05
pq
n
avec :
n
fn
: taille de lchantillon ;
: prcision souhaite ;
: proportion ou frquence relative dans lchantillon ;
Adil EL MARHOUM
Page 12
pq
n = 1-
et donc :
pq
Exemple :
Le parc souhaite estimer la proportion des visiteurs qui font des achats cinq points prs,
cest dire on se fixe une marge d'erreur de 5% dans l'analyse des rsultats :
= 0,05
Lenqute pilote a estim cette proportion 65%, cest dire p = 0,65
Si on se fixe un seuil de confiance (1-) = 95%, la taille de lchantillon est donc :
n 0,650,35 1820
0,050,05
4.2. UTILISATION DE LA LOI NORMALE
On applique cette mthode si la variable suit une loi normale ou si elle peut tre approche par
la loi normale.
Adil EL MARHOUM
Page 13
P( X m < ) 1-
avec :
: prcision souhaite ;
X
m
: moyenne de lchantillon ;
: moyenne de la population.
Daprs le thorme central limite, la variable alatoire X suit une loi normale dont les
paramtres sont :
E( X ) m
V (X )
2
n
X
n
P( X m < ) 1-
P( X m) 1-
P( X m ) 1-
n
n
n
P( n Z n ) 1-
( n )( n ) 1-
( n )[1( n )] 1-
2( n )1 1-
( n ) 1-
2
Adil EL MARHOUM
Page 14
n Z
= 1 2
n Z12
Exemple :
Reprenons lexemple du parc de loisirs qui souhaite estimer 10dh prs le montant moyen
dachats effectus par chaque visiteur, cest dire on se fixe une marge d'erreur de 10 dans
l'analyse des rsultats :
= 10
Une tude pilote mene sur 50 visiteurs choisis au hasard a montr que lcart- type des
achats est : = 100 dh.
Si on se fixe un seuil de confiance (1-) = 95%, La taille de lchantillon est donc :
E( X n ) = m
V( X n ) = N n
N 1 n
X N n 1 n
N 1 n
N
n
n N
N n
Z1
n Z
N n 1 2 N
Adil EL MARHOUM
Page 15
n Z
1
N n
2 N
nZ1 n Z1
2
2 N
n(1 Z1 ) Z1
2 N
2
Z1-2 N
N Z1-2
: prcision souhaite ;
fn
: proportion ou frquence relative dans lchantillon ;
p
: proportion dans la population (q = 1 p). Elle est souvent inconnue, il faut avoir des
informations antrieures ou mener une tude pilote, sinon on utilise une proportion de 50 %.
Daprs le thorme central limite, la variable alatoire f n suit une loi normale dont les
paramtres sont :
a) Cas des prlvements dans une population finie avec remise ou dans une
population infinie sans remise :
E( f n ) = p
V( f n ) =
Adil EL MARHOUM
pq
n
fn
pq
n
Page 16
P( f n p < ) 1-
P( fn p) 1-
fn p
P(
) 1-
pq
pq
pq
n
n
n
P( n Z n ) 1-
pq
pq
( n )( n ) 1-
pq
pq
( n )[1( n )] 1-
pq
pq
2( n )1 1-
pq
( n ) 1-
2
pq
On se reporte la table de distribution de la loi Normale centre rduite, et on cherche la
valeur correspondante une probabilit gale 1- , cette valeur de z sera dsigne par Z1
2
2
On a alors :
n Z
= 1
2
pq
n Z12 pq
Exemple :
Reprenons lexemple du parc de loisirs qui souhaite estimer la proportion des
visiteurs qui font des achats cinq points prs, cest dire on se fixe une marge
d'erreur de 5% dans l'analyse des rsultats : = 0,05
Adil EL MARHOUM
Page 17
E( f n ) = p
pq
V( f n ) = N n
N 1 n
fn
pq
n
N n
N 1
pq
1 n
N
n
n N =Z
1
2
pq N n
n Z pq
N n 1 2 N
n Z pq
1
N n
2 N
n Z1
pq
pq
n Z1
2 N
n(1 Z1
Adil EL MARHOUM
pq
pq
) Z1
N
2
Z1-2 p q N
N Z1-2 p q
Page 18
xi
x i 1
n
Adil EL MARHOUM
Page 19
x'i
Il en sera de mme pour les moyennes dautres chantillons prlevs dans les mmes
conditions :
xi''
x'' i1
n
On peut considrer la suite des premires observations x1, x1, x1, des diffrents
chantillons comme des valeurs observes dune mme variable alatoire X1, la suite des
deuximes observations des diffrents chantillons comme des valeurs observes dune mme
variable alatoire X2, etc.
x , x' , x'' , sont alors des valeurs observes dune mme variable
alatoire
Xi
X i 1
n
Comme X1, X2, , Xn, la variable alatoire X possde une distribution de probabilit, dite
distribution d chantillonnage de la moyenne. On peut donc calculer lesprance et la
variance de cette distribution, en supposant que lchantillon est alatoire et simple, les
variables alatoires X1, X2, , Xn ont toutes la mme distribution de probabilit, dont la
moyenne est dsigne par m et la variance par .
E(Xi) = m
et
V(Xi) =
On dmontre alors :
n
E( X ) = E(
Xi
i 1
) = 1 E(Xi) = 1 nm = m
n i 1
n
V( X ) = V(
Xi
i 1
) = 1 V(Xi) = 1 n =
n i 1
n
n
X est appel erreur standard de la moyenne dun chantillon alatoire est simple
n
Adil EL MARHOUM
Page 20
V( X ) = N n
N 1
N n
n N 1
.
n
(x x)
i
v(x) i 1
(x ' x')
i
v(x') i 1
(x " x")
i
v(x") i 1
Ces variances peuvent tre considres comme des valeurs observes dune mme variable
alatoire :
n
(X i X )
V(X) i 1
Adil EL MARHOUM
Page 21
V(Xi) =
et
(X X )
i
E(V(X)) = E(
i 1
) = E(
i 1
i 1
n
n
i 1
i 1
i 1
(X i m)
E(V(X)) = E( i 1
i 1
) = E(
E(V(X)) = E(
E(V(X)) = E(
(X m X m)
2(X m) i 1
(X i m)
(X m)
i1
(Xi m)
E(V(X)) = E( i 1
2(X m)(X m) (X m) )
E(V(X)) = E( (X m) )
E(V(X)) = E( ) E( (Xm) )
E(V(X)) = -
n
E(V(X)) n1
n
Pour la variance de la distribution dchantillonnage de la variance, on dmontre, dans le cas
dune population normale :
Adil EL MARHOUM
Page 22
Dans le cas dune population finie deffectif N, au sein de laquelle est prlev, sans remise, un
chantillon alatoire est simple deffectif n, lesprance mathmatique de la variance est :
E(V(X))
N n1
N 1 n
n
(xi x)
i 1
possde une distribution khi deux (n-1) degr de libert.
fn X n
n
fn' X n'
n
fn" X n"
n
Ces frquences peuvent tre considres comme des valeurs observes dune mme variable
alatoire :
Fn X n
n
Adil EL MARHOUM
Page 23
Fn
pq
est appel erreur standard de la frquence dun chantillon alatoire est simple
n
Dans le cas dune population finie deffectif N, au sein de laquelle est prlev, sans remise, un
chantillon alatoire est simple deffectif n, la variance de la frquence est :
pq
V(Fn) = V( X n ) = 1 V( X n ) = 1 N n n p q = N n
n
n
n N 1
N 1 n
pq
Lerreur standard est alors : Fn N n
N 1
Adil EL MARHOUM
Page 24
Page 25
Adil EL MARHOUM
Page 26
Rgion 2
Units urbaines Nombres dhabitants
9
117100
10
107100
11
61200
12
51000
13
43800
14
38900
15
37800
16
33500
17
25800
18
25300
22. Dans une rgion regroupant environ 3 millions dhabitants runis en un peu plus de 1500
communes, on dsire raliser une enqute au cours de laquelle 0,5 pour mille des habitants
devraient tre interrogs. En effectuant une stratification base sur la distribution de
frquences donne ci-dessous, combien dinterviews devrait-on raliser dans chacune des
catgories de communes. Si de plus pour des raisons de facilit, on dcidait de ne pas
effectuer moins de 10 interviews par commune, dans combien de communes diffrentes de
chacune des catgories les enquteurs devraient-ils se rendre ?
Nombre dhabitants
Moins de 1000
1000 2000
2000 5000
5000 10000
10000 20000
plus de 20000
Total
Adil EL MARHOUM
Nombre de communes
900
300
200
80
40
10
1530
Page 27
DEUXIEME PARTIE
Adil EL MARHOUM
Page 28
I. ESTIMATION PONCTUELLE
Lestimation ponctuelle ou lestimation de point dun paramtre est la connaissance de la
seule valeur estime de ce paramtre. Les paramtres les plus recherchs sont la moyenne, la
variance et la proportion.
E(Tn) =
Tout estimateur qui satisfait cette condition est dit sans biais ou non biais.
b) la variance minimale
Une deuxime qualit dun bon estimateur est de possder une prcision suffisante. Cette
prcision peut tre mesure par le moment dordre deux par rapport .
E[(Tn - )]
Adil EL MARHOUM
Page 29
1
d log f(x,)
nE[(
)]
d
Un estimateur non biais dont la variance est gale ce minimum est appel estimateur non
biais de variance minimum ou estimateur efficace.
c) convergence en probabilit
un estimateur Tn converge en probabilit vers si :
0,
lim P(Tn ) = 0
n
Ce ci signifie que lcart entre le paramtre calcul partir de lchantillon et la vraie valeur
du paramtre de la population est trs faible quand la taille de lchantillon est grande. Cet
cart peut tre mesur par la variance. Ainsi on parle de convergence en probabilit si :
limV(Tn) = 0
n
Un estimateur qui converge en probabilit est dit consistant.
1.1.2. la mthode du maximum de vraisemblance
Ayant dfinit les principales qualits des estimateurs, la mthode du maximum de
vraisemblance permet le plus souvent dobtenir des estimateurs possdant ces qualits. Le
principe de cette mthode est de choisir comme estimation de tout paramtre la valeur la
plus vraisemblable, cest dire celle qui a la plus grande probabilit de provoquer lapparition
des valeurs observes dans lchantillon. Cette probabilit est appele fonction de
vraisemblance. Cest la probabilit ou la densit de probabilit relative aux valeurs observes
x1, x2, , xn, exprime en fonction du paramtre de la population.
Adil EL MARHOUM
Page 30
dL()
0
d
ou en annulant la drive de son logarithme :
d log L()
0
d
1.2.
Estimation de la moyenne
La meilleure estimation de la moyenne m dune population, qui puisse tre dduite dun
chantillon alatoire et simple, est la moyenne de lchantillon.
m x
La dispersion des diffrentes estimations possibles autour de cette moyenne gnrale, est
mesure par lerreur standard de la moyenne :
X
n
f(x,m)
Adil EL MARHOUM
1 e 12 ( x m)
2
Page 31
L(m) =
1 e 12 ( xnm)
1 e 12 ( x1m) 1 e 12 ( x2 m)
2
2
2
1 ( xim)
1
L(m) = (
) e 2
2
n
i 1
n xim
n
1
Log L(m) = log(2) - (
)
2
2i1
La drive de cette fonction par rapport m est :
d logL(m) 1 n
=
(xim)
dm
i
1
lestimation du maximum de vraisemblance de la moyenne de la population, est telle que :
n
1
(xim) = 0
i1
n
i1
i1
(xim) = xinm = 0
n
m=
xi
i1
=x
Adil EL MARHOUM
Page 32
X
i 1
dmontr que :
n
E( X n ) = E(
Xi
i 1
) = 1 E(Xi) = 1 nm = m
n i 1
n
En effet, pour lensemble des chantillons qui peuvent tre rencontrs, on doit retrouver, en
moyenne, la vraie valeur de la population.
b) la variance minimale
Pour une population normale, la densit de probabilit est :
f(x,m)
1 e 12 ( x m)
2
nE[(
d log f(x,m)
)] = n E[( xm )] = n E[(X-m)] = n
dm
X
i 1
Page 33
i 1
dmontr que :
V( X n ) =
n
limV(X n) = 0
n
n
Xi
la moyenne X n i 1
calcule partir dun chantillon de taille n converge en probabilit
n
vers m.
1.3.
Estimation de la variance
f(x,)
1 e12( xm)
2
L() =
1 e 1 ( x1m) 1 e 1 ( x2m)
2
2
2
2
1 e 1 ( xnm)
2
2
(xim)
i 1
n
L() = ( 1 ) e 2
2
n
Log L() = nlog(2) - 21 (xim)
2
i1
Adil EL MARHOUM
Page 34
d log L()
d
n
2
n
+ 21 4 (xim)
i 1
n
2
n
+ 21 4 (xim) = 0
i 1
n (xi m) = 0
i 1
(xi m)
= i1
(xi m)
= i1
dmontr que :
E(V(X)) n 1
n
Contrairement la moyenne, la meilleure estimation de la variance dune population, qui
puisse tre dduite dun chantillon alatoire et simple, nest pas la variance de lchantillon
v(x). En effet, pour lensemble des chantillons qui peuvent tre rencontrs, on ne retrouve
pas, en moyenne, la vraie valeur de la population, on obtient ainsi, en moyenne, une valeur
infrieure la variance de la population.
le biais est :
E(V(X)) - =
n
Adil EL MARHOUM
Page 35
^
n v(x) =
n1
(xi x)
i 1
n1
n1
Lerreur standard de cette estimation est, dans le cas dune population normale :
^
2(n1) 4
=
v( ) v( n ) = n
n1
n1
n
2
n1
p fn
La dispersion des diffrentes estimations possibles autour de cette proportion gnrale, est
mesure par lerreur standard de la proportion :
fn
Adil EL MARHOUM
fn(1 fn)
n
Page 36
x
L(p) = C n px (1-p)n-x
C nx
d logL(p) x n x
=
dp
p 1 p
lestimation du maximum de vraisemblance de la variance de la population, est telle que :
x - n x = 0
p 1 p
(1-p) x p (n-x) = 0
x np = 0
^
p= x
n
La frquence fn de lchantillon est donc un estimateur du maximum de vraisemblance de la
proportion de la population.
Fn X n
n
dmontr que :
E(Fn) = p
En effet, pour lensemble des chantillons qui peuvent tre rencontrs, on doit retrouver, en
moyenne, la vraie valeur de la population.
Adil EL MARHOUM
Page 37
Fn X n
n
dmontr que :
V( f n ) =
pq
n
limV(f n) = 0
n
la frquence relative
Fn X n
n
probabilit vers p.
p(T1 T2) = 1 -
Lintervalle [T1 , T2] est appel intervalle de confiance.
La probabilit que le paramtre se trouve lextrieur de cet intervalle est donc :
Adil EL MARHOUM
Page 38
p( X 1 m X 2 ) = 1 -
ou dune autre faon :
X 1 = X - d1
et
X 2 = X + d2
Comme, pour une population normale, la variable X est elle-mme normale de moyenne m et
dcart type
X , on peut crire :
n
p( xm d1 ) = p(m x d2 ) =
2
n
n
n
n
p(Z1 d1 ) = p(Z 2 d2 ) =
2
n
n
p(Z1 d1 ) = p(Z 2 d2 ) = 1 -
2
n
n
( d1 ) = ( d2 ) = 1 -
2
n
n
Adil EL MARHOUM
Page 39
d1 = d2 = Z
1
2
n
n
il en rsulte :
d1 = d2 = Z1
X 1 = X - Z1
n
2
et
X 2 = X + Z1
X Z1
X T1
n
2
n
2
X Z1
Adil EL MARHOUM
Page 40
p(1 2) = 1 -
(xi x)
Comme, pour une population normale, la variable alatoire i 1
possde une
(xi x)
p( i1
i 1
(xi x)
i1
(xi x)
)=1-
ou encore :
p( i 1
(xi x)
< i1
> i1
) = 1 - /2
) = /2
(xi x)
i 1
= 1
(xi x)
< i1
) = p( i 1
(xi x)
(xi x)
p( i 1
(xi x)
(xi x)
i1
(xi x)
p( i 1
(xi x)
(xi x)
) = /2
i 1
1 = i1
1
(xi x)
(xi x)
et
2 = i1
Adil EL MARHOUM
Page 41
p(p1 p p2) = 1 -
ou dune autre faon :
p1= fn - d1 et
p2 = fn + d2
p(Z1
d1 ) = p(Z2 d2 ) =
2
p(1 p)
p(1 p)
n
n
p(Z1
d1 ) = p(Z 2 d2 ) = 1 -
2
p(1 p)
p(1 p)
n
n
Adil EL MARHOUM
fn p
d1 ) = p( p f n d2 ) =
2
p(1 p)
p(1 p)
p(1 p)
p(1 p)
n
n
n
n
d1 ) = ( d2 ) = 1 -
2
p(1 p)
p(1 p)
n
n
Page 42
d1
=
p(1 p)
n
d2
= Z1
p(1 p)
2
n
il en rsulte :
p(1 p)
n
d1 = d2 = Z1
p(1 p)
n
et
p2 = fn + Z1
p(1 p)
n
p(1 p)
n
fn Z1
1,05
1,35
1,25
1,15
1,08
1,32
1,35
1,05
1,15
1,25
1,30
1,10
1,25
1,15
mx
i 1
1,2
16
Adil EL MARHOUM
(x
x)
i 1
16 1
0,11
Page 43
X T1
n
2
0,11
X T1 = 1,2 2,131
n
16
2
et
1 = i1
1
(xi x)
(xi x)
2 = i1
et
0,025 = 6,26
0,975 = 27,49
et
Lcart type est la racine carre de la variance, ses limites de confiance sont donc :
16
^
16
( xi x)
i 1
Adil EL MARHOUM
0,11 15
0,08
27,49
(x
x )
i 1
0,11 15
0,17
6, 26
Page 44
p = fn = 320 = 0,8
400
p(1 p)
n
p1= fn - Z1
p(1 p)
= 0,80 1,96
n
p2 = fn + Z1
p(1 p)
= 0,80 + 1,96
n
0,8(10,8)
= 0,76
400
0,8(10,8)
= 0,84
400
Adil EL MARHOUM
Page 45
f (x,) =
1 exp( x )
f (x,) = 0
si x > 0
si x < 0
Page 46
1,05
1,35
1,25
1,15
1,08
1,32
1,35
1,05
1,15
1,25
1,30
1,10
1,25
1,15
Adil EL MARHOUM
Page 47
a) Entre quelles limites peut-on fixer le taux d'utilisation de la machine avec un degr de
confiance de 95 % ?
b) On fait un plus grand nombre d'observations. On obtient le mme pourcentage d'utilisation
ce qui permet, avec un risque d'erreur de 5 %, de fixer les limites de confiance [78,4 % ;
81,6 %]. Combien a-t-on fait d'observations ?
Ex 11 : Un chantillon alatoire de 50 notes (sur 100) dans une population de 200 a donn
une moyenne de 75 et un cart type de 10.
a) Quelles sont les limites de confiance 95 % pour estimer la moyenne des 200 notes ?
b) Avec quel degr de confiance peut-on dire que la moyenne des 200 notes est de 75
plus ou moins 1 ?
Ex 12 : Un chantillon de 150 lampes de marque A a donn une dure de vie moyenne de
1400 heures et un cart type de 120 heures. Un chantillon de 200 lampes de marque B a
donn une dure de vie moyenne de 1200 heures et un cart type de 80 heures. Dterminer les
limites de confiances 95 % de la diffrence des dures de vie moyennes des marques A et B.
Ex 13 : Sur un chantillon de 400 adultes et de 600 adolescents ayant regard un certain
programme de tlvision, 100 adultes et de 300 adolescents lont apprci. Calculer les
limites de confiances 99 % de la diffrence des frquences des adultes et des adolescents qui
ont regard et apprci le programme.
Ex 14 : Une compagnie fabrique des roulements billes ayant un poids moyen de 0,638 Kg et
un cart type de 0,012 Kg Calculer les limites de confiance 95 % des poids de lots
comprenant 100 roulements chacun.
Ex 15 : Soit une variable alatoire X de densit de probabilit f(x,) dfinie par :
f(x,)
x
1
e 2
2
Adil EL MARHOUM
Page 48
TROISIEME PARTIE
Adil EL MARHOUM
Page 49
Un test statistique est une mthode permettant de prendre une dcision partir dinformations
fournies par un chantillon.
Les tests statistiques ou les tests dhypothses ont pour but de vrifier, partir de
donnes observes dans un ou plusieurs chantillons, la validit de certaines
hypothses relatives une ou plusieurs populations.
On peut distinguer diffrents types de tests, en fonction des hypothses auxquelles on a
affaire.
Les tests de comparaison une norme ou tests de conformit sont destins comparer
entre eux une population thorique et un chantillon observ. Ils servent vrifier si un
chantillon donn peut tre considr comme extrait dune population possdant telle
caractristique particulire (telle moyenne, telle variance, ). Le test se fait en vrifiant si la
diffrence entre la valeur observe et la valeur thorique du paramtre considr peut tre
attribue au hasard ou non.
Les tests dhomognit ou dgalit ont pour but de comparer entre elles un certain nombre
de populations, laide dun mme nombre dchantillons.
Les tests dajustement sont destins vrifier si un chantillon observ peut tre extrait
dune population donne.
Les tests dindpendance ont pour but de contrler, partir dun chantillon, lindpendance
de deux ou plusieurs critres de classification, gnralement qualitatifs.
Page 50
= p(RH0/H0)
= p(AH0/H1)
Le risque de premire espce est appel aussi seuil de signification du test, fix trs souvent
5 %. La probabilit contraire de dsigne le niveau de confiance du test.
1- = p(AH0/H0)
La probabilit contraire de dsigne la puissance du test.
1- = p(RH0/H1)
On peut prsenter une table de dcision comme suit :
Dcision prise
Accepter H0
Accepter H1
H0
1-
: erreur de premire espce
Hypothse
Niveau de confiance
vraie
H1 : erreur de deuxime espce
1-
Puissance du test
La dtermination des valeurs limites de la rgion dacceptation de lhypothse nulle dpend
de lhypothse alternative H1, ainsi on distingue le test bilatral et le test unilatral.
Adil EL MARHOUM
Page 51
H0 : = t0 et
H1 : t0
p(A1 t0 A2) = 1 -
p(t0 < A1) = p(t0 > A2) = /2
2.2. Test unilatral
Un test est dit unilatral si lhypothse alternative dsigne quune caractristique est
strictement suprieure ou infrieure lautre. On parle respectivement de test unilatral
droite ou gauche.
2.2.1 Test unilatral droite
Les hypothses formules du test unilatral droite sont :
H0 : = t0 et
H1 : > t0
Adil EL MARHOUM
Page 52
p(t0 A) = 1 -
p(t0 > A) =
2.2.2. Test unilatral gauche
Les hypothses formules du test unilatral gauche sont :
H0 : = t0 et
H1 : < t0
p(t0 < A) =
p(t0 A) = 1 -
pour rcapituler, la dmarche dun test statistique est forme des tapes suivantes :
1.
2.
3.
4.
5.
6.
Page 53
VD = x
Pour une population normale dcart type connu, la variable de dcision est elle-mme
normale de moyenne m0 et dcart type. La variable de dcision centre rduite est donc :
xm0
VDR =
n
VDR est alors une variable normale rduite N(0 ; 1).
Si la distribution de la population parent est inconnue, la quasi-variance sera utilise comme
estimation de la variance de la population. Pour un effectif suffisamment lev, la variable de
dcision peut toujours tre considre comme une variable approximativement normale. Cest
gnralement le cas lorsque leffectif est suprieur 30. Dans le cas contraire (n < 30), la
variable de dcision rduite VDR peut toujours tre considre comme une variable de
Student (n-1) degr de libert.
Rgion dacceptation :
La rgion dacceptation dpend de lhypothse alternative H1.
a) Test bilatral :
H0 : m = m0 et
H1 : m m0
Les valeurs critiques qui dlimitent la rgion dacceptation sont, pour une distribution
normale rduite ou asymptotiquement normale rduite, Z1 et Z2 telles que :
p(Z1 VDR Z2) = 1 -
p(VDR < Z1) = /2
Z1 = Z
2
Z2 = Z1
Adil EL MARHOUM
Page 54
VDR > Z1
H0 : m = m0 et
H1 : m > m0
La valeur critique qui dlimitent la rgion dacceptation est, pour une distribution normale
rduite ou asymptotiquement normale rduite, Z telle que :
p(VDR Z) = 1 -
Z = Z1
H0 : m = m0 et
H1 : m < m0
La valeur critique qui dlimitent la rgion dacceptation est, pour une distribution normale
rduite ou asymptotiquement normale rduite, Z telle que :
p(VDR < Z) =
Z = Z
Remarque :
Adil EL MARHOUM
Page 55
x 2462
350
m = 6 H1 : m 6
H0
Variable de dcision :
La variable de dcision du test correspond lestimation de m qui est la moyenne de
lchantillon :
xi
VD = 350 7
50 50
La variable de dcision peut tre considre comme une variable approximativement normale.
La variance de la population peut tre estime par la quasi-variance.
(xi x) n 50 2462
=
= (
7) = 0,24
n1
n1 49 50
0,24 = 0,49
50
n
Rgion dacceptation :
La rgion dacceptation est lintervalle [ Z ; Z1 ].
2
Adil EL MARHOUM
Page 56
Z1 = Z0,975 = 1,96
2
m1 = m2
Variable de dcision :
La variable de dcision du test correspond la diffrence entre les moyennes observes des
deux chantillons :
VD = x1 - x 2
Une distinction est faite entre le cas de deux populations de variances ingales et le cas de
deux populations de variances gales.
Adil EL MARHOUM
Page 57
Pour des populations normales (variances connues), les variables x1 - x 2 sont des variables
normales de moyennes respectivement m1 et m2 et dcarts type respectivement 1 et 2
n1
n2
. La variable de dcision est elle-mme normale de moyenne (m1-m2) et dcart type
1 2 .
n1 n2
Sous lhypothse nulle, (m1-m2)=0. La variable de dcision centre rduite :
(x1 x 2)
1 2
n1 n2
VDR =
Est donc une variable normale rduite N(0 ; 1).
Si les distributions des populations parents sont inconnues, pour des effectifs suffisamment
levs, la variable de dcision peut toujours tre considre comme une variable
approximativement normale. Cest gnralement le cas lorsque les effectifs sont suprieurs
30. Dans le cas contraire, la variable de dcision rduite VDR peut toujours tre considre
comme une variable de Student (n1 + n2 - 2) degr de libert.
b) cas de deux populations de variances ingales
Dans le cas o les populations sont de variances gales, une estimation de la variance
commune aux deux populations est donne par :
VDR =
(x1 x 2)
^
^
( 1 1 )
n1 n2
n1 n2
VDR =
(x1 x 2)
(x1 x2)
(xi x1)(xi x 2) ( 1 1 )
n1n2 2
Adil EL MARHOUM
n1 n2
Page 58
H1 : m1 m2
Les valeurs critiques qui dlimitent la rgion dacceptation sont, pour des distributions
normales rduites ou asymptotiquement normales rduites, Z1 et Z2 telles que :
p(Z1 VDR Z2) = 1 -
p(VDR < Z1) = /2
Z1 = Z
2
Z2 = Z1
VDR > Z1
H1 : m1 > m2
La valeur critique qui dlimitent la rgion dacceptation est, pour des distributions normales
rduites ou asymptotiquement normales rduites, Z telle que :
p(VDR Z) = 1 -
Z = Z1
Page 59
H1 : m1 < m2
La valeur critique qui dlimitent la rgion dacceptation est, pour des distributions normales
rduites ou asymptotiquement normales rduites, Z telle que :
p(VDR < Z) =
Z = Z
72
67
52
54
46
58
59
54
58
63
66
59
54
57
63
55
61
55
66
75
Pour rpondre cette question, on doit raliser un test de comparaison de deux moyennes.
Hypothse nulle :
Ce test a pour but de vrifier si lassiduit moyenne m1 des filles est ou nest pas gale
lassiduit moyenne m2 des garons.
Il sagit dun test bilatral :
H0 : m1 = m2 et
H1 : m1 m2
Variable de dcision :
Les deux chantillons sont indpendants, les populations sont de variances gales, la variable
de dcision centre rduite est donc:
Adil EL MARHOUM
Page 60
(x1 x2)
VDR =
(xi x1)(xi x 2) ( 1 1 )
n1n2 2
n1 n2
58,361,1
= - 0,88
514,1390,9 1 1
( )
10102 10 10
Rgion dacceptation :
VDR = 0,88
Pour = 0,05, la valeur de t1 avec 18 degrs de libert est : t0,975 = 2,101
2
VDR < t1 , on accepte donc lhypothse nulle. Cest dire, il ny a pas de diffrence
2
m1 = m2
Variable de dcision :
Soient deux sries de n observations chacune, x1, x2, , xn, et y1, y2, , yn . On travaille avec
la srie des diffrences :
di = xi yi
La variable de dcision du test correspond la moyenne des diffrences :
VD = d
Pour une population normale, la variable de dcision est elle-mme normale de moyenne. La
variable de dcision centre rduite est donc :
VDR = ^d
d
n
VDR est alors une variable normale rduite N(0 ; 1).
Adil EL MARHOUM
Page 61
H0 : m1 = m2 et
VDR > Z1
H1 : m1 > m2
H1 : m1 < m2
Page 62
H1 : m1 > m2
Les deux chantillons sont associs par paires, la variable de dcision centre rduite est donc:
VDR = 2,462
Pour = 0,05, la valeur de t1 avec 9 degrs de libert est : t0,95 = 1,833
VDR > t1 , on rejette donc lhypothse nulle. Cest dire, on peut conclure que le nouvel
emballage est plus performant que lancien.
Adil EL MARHOUM
Page 63
Ho: m1 = m2 = ... = mJ
H1: au moins une des moyennes est diffrente des autres.
En effet, l'analyse de variance est une technique d'analyse statistique qui permet de tester
globalement l'galit des moyennes de J populations normales dans lesquelles on suppose que les
variances sont gales (12 22 .... 2J 2 ), mme si elles demeurent inconnues. L'analyse de
variance constitue une extension J populations normalement distribues, J 2, du test de
comparaison des moyennes de deux chantillons indpendants.
normales dans lesquelles les variances sont supposes gales ( 1 2 3 ... J ). Le tableau
suivant illustre la notation indice: par exemple, Y21 reprsente la deuxime observation
prleve de la premire population. Dans chaque chantillon, on a aussi calcul le total des
observations, la moyenne et la variance.
Adil EL MARHOUM
Page 64
Population
P1 : N(m1,1) P1 : N(m2,2)
P1 : N(mj,j)
Y11
Y12
Y21
Y22
yn11
yn22
ynjj
Total
T1
T2
Tj
Moyenne
Y1
Y2
Yj
Variance
S1
S 2
S j
N n1 n 2 ...n J
Y1j
Y2j
Moyenne gnrale = Y
Grand total = T
observations en divisant la somme totale des carrs, STC, par ses degrs de libert, soit (N-1). La
statistique qui en dcoule est donne par l'expression suivante:
J
2T
STC
N 1
nj
ij
j1 i 1
N 1
2
M
b) Estimation de par
2M , est obtenu cette fois en mesurant la variabilit existante
Un deuxime estimateur de , not
entre les moyennes des chantillons. On l'appelle parfois la moyenne des carrs inter-groupes, ou
la moyenne des carrs due aux traitements. Dans ce qui suit, on la nomme la moyenne des carrs
due au facteur (MCF); elle est calcule en divisant la somme des carrs due au facteur (SCF) par
ses degrs de libert, (J-1):
Adil EL MARHOUM
Page 65
2M MCF
SCF
J 1
n Y Y
j
j 1
J 1
2C
c) Estimation de par
Un troisime estimateur de est obtenu cette fois en combinant les variances intra-chantillons (
2
2
2
2
S1 , S2 , ..., SJ ) dj prsentes dans le tableau des donnes. La pondration attribue Sj sera
gale aux degrs de libert de cette statistique, soit n j 1, j=1, 2, ..., J. L'estimateur est appel la
moyenne des carrs due l'erreur (MCE) et il est donn par les expressions quivalentes suivantes:
J
2C MCE
SCE
NJ
n j 1S2j
j1
N J
nj
ij
Yj
j1 i 1
NJ
Les trois sommes de carrs prsentes plus haut ne sont pas totalement indpendantes les unes des
autres. Il existe en effet un rsultat important qui montre que la somme totale des carrs est gale
la somme des deux autres sommes de carrs:
nj
T2
STC Y
N
j i i 1
2
J
2
T
T
SCF j
N
j i n j
2
ij
Adil EL MARHOUM
Page 66
Facteur
SCF
J-1
MCF
Erreur
SCE
N-J
MCE
Totale
SCT
N-1
MCF
MCE
Quand Ho est vraie, MCF et MCE constituent deux estimateurs indpendants de de sorte que le
MCF
rapport F
obit une loi de Fisher avec ( J-1 ) et ( N-J ) degrs de libert. En vertu
MCE
mme de la construction du rapport F , on devra rejeter l'hypothse nulle de l'galit des moyennes
MCF
Ho : 1 = 2 = ... = J au seuil si et seulement si la valeur de F
est plus grande
MCE
que la valeur critique de la table F(J-1) et (N-J) dl.
Exemple :
Un manufacturier japonais de puces lectroniques songe implanter une nouvelle usine au Maroc
afin de desservir tout le march nord-africain. Il hsite entre trois villes: Tanger, Casablanca et
Eljadida. Selon son point de vue, le critre le plus important prendre en considration pour
dterminer l'emplacement de cette nouvelle usine est l'assiduit au travail des ouvriers.
Le manufacturier a visit au hasard dans chacune des villes considres cinq grandes usines de
fabrication et il a obtenu des administrateurs le taux d'absentisme par 3500 journes de travail.
Les rsultats sont reproduits dans le tableau ci-dessous.
Donnes numriques
Ville
Echantillon
Tanger
Y 1 = 129,4
Y 3 = 167
J=3
N = 15
Y = 144,67
Adil EL MARHOUM
Total
T = 2170
Moyenne
Variance
S1 = 180,3
Y 2 = 137,6
S 2 = 539,8
S3 = 340
Page 67
A un seuil de 5%, peut-on conclure que le taux d'absentisme au travail est le mme en moyenne
dans ces 3 villes?
On calcule en premier lieu les trois sommes des carrs:
J nj
STC
Yij2
j i i 1
SCF
T j2
nj
j i
Facteur
3908,93
1954,467
Erreur
4240,40
12
353,367
Totale
8149,33
14
5,53
A un seuil = 5%, on ne peut pas conclure que l'assiduit des travailleurs leur travail soit la
mme en moyenne dans ces 3 villes puisque la valeur observe 5,53 de F est suprieure la
valeur critique F 0,95 2 et 12 dl = 3,89 obtenue de la distribution de Fisher 2 et 12 degrs
de libert.
Adil EL MARHOUM
Page 68
.....
Total
Moyenne
Y11
Y12 .....
Y1J
T1
Y1
Y21
Y22 ......
Y2J
T2
Y2
YIJ
TI
YI
TJ
....
Y32 ......
....... etc.........
YI1
T1
Total
Y1
Moyenne
YI2 ....
T2
Y2
....
....
Y J
D.L.
Facteur A
SCFA
I-1
MCFA
MCFA / MCE
Facteur B
SCFB
J-1
MCFB
MCFB / MCE
Erreur
SCE
(I-1)(J-1)
MCE
Totale
STC
IJ-1
Adil EL MARHOUM
Page 69
T2
STC Y
IJ
i 1 j1
2
ij
Ti2 T 2
IJ
i 1 J
SCFA
J
SCFB
j1
T2j
I
T2
IJ
M1
Donnes numriques
M2
M3
M4
Total
Moyenne
192
178
167
190
194
921
48
44,5
41,75
47,5
48,5
Oprateurs
Machines
O1
O2
O3
O4
O5
Total
Adil EL MARHOUM
42
39
38
43
44
206
45
41
39
45
45
215
55
52
48
54
56
265
50
46
42
48
49
235
Page 70
Y a-t-il des diffrences significatives au niveau 5% entre les cinq oprateurs d'une part et entre les
quatre machines d'autre part quant au temps moyen ncessaire l'assemblage de ce produit?
On calcule en premier lieu les quatre sommes des carrs:
J
STC
Yij2
i 1 j 1
SCFA
I T2
i T 192 ... 194 921 131,20
J
IJ
4
20
i 1
SCFB
T2j
j 1
D.L.
Facteur A= Hommes
131,2
32,8
51,79
Facteur B = Machines
410,15
136,72
215,87
Erreur
7,6
12
0,63
Totale
548,95
19
En examinant les valeurs F observes 51,79 et 215,87 qui sont toutes deux suprieurs aux valeurs
thoriques F 0,95 4 et 12 dl = 3,26 et F 0,95 3 et 12 dl = 3,49 on peut rejeter les deux
hypothses nulles et conclure qu'il y a d'une part, des diffrences significatives entre les cinq
oprateurs quant au temps moyen ncessaire l'assemblage de ce produit et d'autre part, des
diffrences significatives entre les quatre machines.
Adil EL MARHOUM
Page 71
1
Y111
Y112
...
Y11K
...
2
Y121
Y122
...
Y12K
...
Y211
Y212
...
Y21K
Y221
Y222
...
Y22K
Total
T1
T2
Moyenne
Y1
Y2
1
...
Adil EL MARHOUM
...
...
...
J
Y1J1
Y1J2
...
Y1JK
...
Total
T1
Moyenne
Y1
...
...
YIJ1
YIJ2
...
YIJK
TI
YI
TJ
T = grand
total
Y J
Y=
moyenne
gnrale
Page 72
SCFA
SCFB
SCI
SCE
STC
MCFA
MCFB
MCI
MCE
I-1
J-1
(I-1)(J-1)
IJ(K-1)
IJK-1
F
MCFA / MCE
MCFB / MCE
MCI / MCE
Les sommes des carrs et les moyennes des carrs sont calcules l'aide des formules
suivantes:
I
K
2
STC Yijk
i 1 j1 k1
T2
IJK
Ti2 T 2
IJK
i 1 JK
SCFA
J
SCFB
j1
T2j
IK
SCI
i 1 j1
2
Tij
T2
IJK
I
J
T
T2
T2
i j
K i 1 JK j 1 IK IJK
F I MCI
MCE
Adil EL MARHOUM
Page 73
Total
Total
167
341
508
Que ce soit sous l'angle Type d'exprience ou Nombre d'annes d'exprience, existe-t-il
globalement des diffrences significatives entre les groupes?
L'analyse de ces donnes doit vrifier en premier lieu si l'interaction entre les deux facteurs
est importante; si la rponse est ngative, on pourra considrer ensuite les deux autres tests
disponibles dans le tableau de l'analyse de la variance et rpondre aux deux questions cidessus.
Calculons d'abord les quatre sommes des carrs:
I J K 2
STC Yijk
T 25 12 ... 24 508 2737,33
IJK
24
i 1 j 1k 1
Adil EL MARHOUM
Page 74
SCFA
I T2
i T 167 341 508 1261,50
JK
IJK
12
24
i 1
2
J T j
SCFB
T 242 149 117 508 1054,08
IJK
8
8
8
24
j 1 IK
2
2
J T j
I J Tij
I Ti2
SCI
T
IJK
i 1 j 1 K
i 1 JK
j 1 IK
SCI = 85 ... 79 167 341 242 149 117 508 61,75
4
12
8
24
SCE STC SCFA SCFB SCI 2737,33 1261,50 1054,08 61,75 360
Facteur A:
Type d'exprience
Facteur B:
Nombre d'annes d'exprience
Interaction
Erreur
Totale
1261,5
1261,5
63,075
1054,08
527,04
26,35
61,75
360
2737,33
2
18
23
30,875
20
1,54
En examinant en tout premier lieu le test sur linteraction, on peut vrifier que la valeur FI =
1,54 est infrieure la valeur critique de la table, soit F 0,95 2 et 18 dl = 3,55. on doit
conclure qu'il n'y a pas d'interaction significative entre les deux facteurs Type d'exprience et
Nombre d'annes d'exprience.
Adil EL MARHOUM
Page 75
= 0
Variable de dcision :
On extrait un chantillon alatoire non exhaustif de taille n. La variable de dcision du test
correspond :
n
(xi x)
i 1
0
VD =
La variable de dcision possde une distribution khi deux (n-1) degrs de libert.
Rgion dacceptation :
La rgion dacceptation dpend de lhypothse alternative H1.
Test bilatral :
H0 : = 0 et
H1 : 0
Les valeurs critiques qui dlimitent la rgion dacceptation sont 1 et 2 telles que :
p(1 VD 2) = 1 -
p(VD < 1) = /2
1 =
2
p(VD > 2) = /2
p(VD 2) = 1-/2
2 = 1
Adil EL MARHOUM
Page 76
H1 : > 0
= 1
H1 : < 0
5,2
5,2
5,4
5,9
6,3
6,3
6,8
6,9
6,9
7,0
7,0
= 1,4 = 1,96
H1 : 1,96
Variable de dcision :
La variable de dcision du test correspond :
Adil EL MARHOUM
Page 77
(xi x)
VD = i1
6,6
= 3,37
1,96
et
0,975 = 21,9
1 = 2
Variable de dcision :
Soient deux chantillons alatoires et non exhaustifs prlevs dans les deux populations. La
variable de dcision du test correspond au rapport des deux variances observes des deux
chantillons :
^
VD = ^1
2
Adil EL MARHOUM
Page 78
1 = 2
et
1 2
H1
Les valeurs critiques qui dlimitent la rgion dacceptation sont F1 et F2 telles que :
p(F1 VD F2) = 1 -
p(VD < F1) = /2
F1 = F
2
F2 = F1
Les tables de la loi de Fisher ne donnent que des valeurs suprieures lunit, de telle sorte
que seule est possible la comparaison avec F1 , et on rejette lhypothse nulle si la variable
2
Exemple :
Pour savoir si les filles sont plus assidues que les garons ou non, on a choisi de manire
alatoire et simple un premier chantillon de 10 filles et de faon indpendante, un deuxime
chantillon de 10 garons. En fonction des rsultats ci-dessous relatifs aux notes dassiduits
(note sur 100), peut-on supposer, au seuil de 5 %, que les variances des deux populations sont
gales ?
Assiduit
des filles
Assiduit
des garons
72
67
52
54
46
58
59
54
58
63
66
59
54
57
63
55
61
55
66
75
Pour rpondre cette question, on doit raliser un test de comparaison de deux variances.
Adil EL MARHOUM
Page 79
et
H1
1 2
Variable de dcision :
^
57,12
VD = ^1 =
= 1,31
43,43
2
Rgion dacceptation :
Pour = 0,05 la valeur de F1 avec 9 et 9 degrs de libert est :
2
F0,975 = 4,03
La variable de dcision est infrieure F1 , on accepte donc lhypothse dgalit des
2
p = p0
Variable de dcision :
On extrait de la population un chantillon alatoire et simple dans lequel la proportion
observe fn est en gnral diffrente de p0, il sagit dexpliquer cette diffrence.
La variable de dcision du test correspond lestimation de p qui est la frquence de
lchantillon :
VD = fn
Adil EL MARHOUM
Page 80
fn p0
p0(1 p0)
n
et
H1 : p p0
Les valeurs critiques qui dlimitent la rgion dacceptation sont les valeurs dune variable
normale rduite Z1 et Z2 telles que :
p(Z1 VDR Z2) = 1 -
p(VDR < Z1) = /2
Z1 = Z
2
Z2 = Z1
Remarque :
Puisque la rgion dacceptation est symtrique, on rejette lhypothse nulle si :
VDR > Z1
Adil EL MARHOUM
Page 81
et
H1 : p > p0
La valeur critique qui dlimitent la rgion dacceptation est la valeur dune variable normale
rduite Z telle que :
p(VDR Z) = 1 -
Z = Z1
et
H1 : p < p0
La valeur critique qui dlimitent la rgion dacceptation est la valeur dune variable normale
rduite Z telle que :
p(VDR < Z) =
Z = Z
H0
p = 0,52
H1 : p < 0,52
Variable de dcision :
La variable de dcision du test correspond la frquence fn de lchantillon :
VD = fn = 800 = 0,50
1600
Adil EL MARHOUM
Page 82
pq
(la
n
fn p0
=
p0(1 p0)
n
0,500,52
= - 1,60
0,52(10,52)
1600
Rgion dacceptation :
La rgion dacceptation est lintervalle [ Z ; +[.
Au seuil de signification de 95 % ( = 0,05) :
Z = Z0,05 = -1,65
p1 = p2
Variable de dcision :
Il sagit de comparer deux proportions observes. Soient deux chantillons alatoires de taille
respectivement n1 et n2 extraits de deux populations. Les frquences observes fn1 et fn2
Sont gnralement diffrentes, il sagit dexpliquer cette diffrence.
Adil EL MARHOUM
Page 83
et
f n2 X 2
n2
La variable de dcision du test correspond la diffrence entre les frquences observes des
deux chantillons :
VD = fn1 fn2
Comme, les distributions des deux proportions suivent des lois normales de moyennes
p1 (1 - p1)
p2 (1 - p 2)
respectivement p1 et p2 et dcarts types respectifs
et
condition
n1
n2
que la taille de lchantillon soit suprieure ou gale 30 (n 30) et le produit n p 5, la
variable de dcision est elle-mme normale de moyenne (p1-p2) et dcart type
p1 (1 p1)
p2 (1 p2)
.
n1
n2
Sous lhypothse nulle p1 = p2 , il y a la mme proportion inconnue p dans les deux
populations. Cette proportion peut tre estime par la frquence observe fn1+n2 dans
lchantillon unique qui est la runion des deux chantillons.
fn1+n2 =
n1 f n1 n2 f n2
X1 X 2
=
n1 n2
n1 n2
Sous lhypothse nulle, la variable de dcision suit une loi normale de moyenne (p1-p2) = 0 et
dcart type :
p (1 p)
p (1 p)
n1
n2
f n1 n2 (1 f n1 n2)( 1 1 )
n1
n2
VDR =
f n1 f n2
f n1 n2(1 f n1 n2)( 1 1 )
n1 n2
Page 84
H1 : p1 p2
et
VDR > Z1
et
H1 : p1 > p2
et
H1 : p1 < p2
et
H1 : p1 p2
Page 85
Variable de dcision :
Daprs les donnes :
f n1 74 = 0,64
115
f n2 81 = 0,77
105
f n2 n2 155 = 0,70
220
VDR =
f n1 f n2
f n1 n2(1 f n1 n2)( 1 1 )
n1 n2
0,640,77
= -2,10
1
1
0,70(10,70)(
)
115 105
Rgion dacceptation :
Pour = 0,05 la valeur de Z1 est : Z0,975 = 1,96
2
VDR > Z1 , on rejette donc lhypothse nulle. Cest dire, il y a une diffrence
2
Ho: p1 = p2 = ... = pk
H1: au moins une des proportions est diffrente des autres.
Adil EL MARHOUM
Page 86
Effectifs observs
Avoir le
caractre tudi
Ne pas avoir le
caractre tudi
Total
Echantillon 1
n11
Echantillon 2
n21
Echantillon k
nk1
n12
n22
nk12
n1.
n2.
nk.
Sous lhypothse nulle p1 = p2 = ... = pk, il y a la mme proportion inconnue p dans les k
populations. Cette proportion peut tre estime par la frquence observe f dans lchantillon
unique qui est la runion des k chantillons.
f =
n11n21...nk1
n1.n2....nk.
Avoir le
caractre tudi
Ne pas avoir le
caractre tudi
Total
Echantillon 1
f n1.
Echantillon 2
f n2.
Echantillon k
f nk.
(1 f) n1.
(1 f) n2.
(1 f) nk1.
n1.
n2.
nk.
On est amen confronter les effectifs observs et les effectifs thoriques. On calcule la
variable de dcision VD :
Adil EL MARHOUM
Page 87
VD =
i1
]
fni.
(1 f)ni.
On peut dmonter que la variable de dcision est une variable alatoire Khi deux avec (k-1)
degr de libert.
Rgion dacceptation :
La variable de dcision est nulle lorsque les effectifs observs sont touts gales aux effectifs
attendus, cest dire, lorsquil y a concordance absolue entre la distribution observe et la
distribution thorique. La valeur de la variable de dcision est dautant plus grande que les
carts entre les effectifs observs et attendus sont plus grands. La valeur critique qui dlimite
la rgion dacceptation est telle que :
p(VD < ) = 1 - = 1-
Le test tant toujours unilatral, la rgion dacceptation est donc lintervalle [0 ; 1-[.
On rejettera donc lhypothse nulle lorsque la valeur de la variable de dcision est suprieure
ou gale 1- avec (k-1) degrs de libert.
Exemple :
Lors dune campagne lectorale, un parti politique a effectu un sondage pour valuer les
intentions de vote en faveur de ce parti. Quatre chantillons indpendants ont t choisis dans
quatre villes diffrentes. On a obtenu les rsultats suivants :
Rabat
94
240
334
Tanger
58
230
288
Oujda
60
252
312
Agadir
43
197
240
Page 88
94586043
Rabat
73,48
260,52
334
Tanger
63,36
224,64
288
Oujda
68,64
243,36
312
Agadir
52,8
187,2
240
VD =
(94 73,48) (240 260,52) (5863,36) (230 224,64) (60 68,64) (252 243,36)
73,48
260,52
63,36
224,64
68,64
243,36
(4352,8) (197 187,2)
= 11,65
52,8
187,2
La variable de dcision est une variable alatoire Khi deux avec 3 degrs de libert.
Rgion dacceptation :
La rgion dacceptation est donc lintervalle [0 ; 1-[.
Au seuil de signification de 5 %, la valeur 0,95 3 degrs de libert est gale 7,81.
La valeur de la variable de dcision est suprieure la valeur 0,95 3 degrs de libert, on
rejettera donc lhypothse nulle, cest dire au seuil de signification de 5 %, la proportion de
la population des lecteurs qui ont lintention de voter pour ce parti nest pas identique dans
les quatre villes.
Adil EL MARHOUM
Page 89
pi 1
i 1
i 1
i 1
(ni npi )
i 1 npi
VD =
Adil EL MARHOUM
Page 90
VD =
k
k 2ni npi
k npi
k
= ni -
+
= ni - 2n + n
i 1 npi
i 1 npi
i 1 npi
i 1 npi
ni
VD = npi - n
i 1
Cas dune distribution incompltement dfinie :
Lorsque la distribution thorique nest pas compltement dfinie, le ou les paramtres qui
caractrisent cette distribution doivent tout dabord tre estims. On peut calculer ensuite les
^
ni
VD = i 1 ^ - n
n pi
Le nombre de degr de libert (k-1) doit tre rduit du nombre de paramtres estims.
Rgion dacceptation :
La variable de dcision est nulle lorsque les effectifs observs sont touts gales aux effectifs
attendus, cest dire, lorsquil y a concordance absolue entre la distribution observe et la
distribution thorique. La valeur de la variable de dcision est dautant plus grande que les
carts entre les effectifs observs et attendus sont plus grands. La valeur critique qui dlimite
la rgion dacceptation est telle que :
p(VD < ) = 1 -
= 1-
Le test tant toujours unilatral, la rgion dacceptation est donc lintervalle [0 ; 1-[.
On rejettera donc lhypothse nulle lorsque la valeur de la variable de dcision est suprieure
ou gale 1-.
Adil EL MARHOUM
Page 91
Pour rpondre cette question, on doit raliser un test dajustement dans le but de comparer la
distribution observe la une distribution binomiale.
Hypothse nulle :
H0 : ni = npi
avec
i 1
i 1
ni = npi = n
Variable de dcision :
Pour comparer la distribution thorique et la distribution observe, on est amen confronter
les effectifs observs ni et les effectifs attendus ou thoriques correspondants npi. on doit
calculer alors les probabilits pi en utilisant la loi binomiale.
La probabilit davoir un garon est suppose gale 0,5, la loi binomiale qui caractrise le
nombre de garons dans une famille de 4 enfants a pour paramtre 4 et 0,5.
En utilisant la formule de la loi binomiale, on trouve les probabilits suivantes :
p ( x)
x
n
p x q nx
p(x)
0,0625
0,2500
0,3750
0,2500
0,0625
1
Page 92
Le tableau suivant regroupe les effectifs observs ni et les effectifs attendus ou thoriques
correspondants npi.
x
0
1
2
3
4
Total
ni
113
367
576
426
118
1600
npi
100
400
600
400
100
1600
Les effectifs thoriques sont tous suprieures 5, on peut calculer la variable de dcision :
VD =
ni
np
i
i 1
-n
100
400
600
400 100
Rgion dacceptation :
La rgion dacceptation est lintervalle [0 ; 1-[.
Pour = 0,05, la valeur de 1- avec 4 degrs de libert est : 0,95 = 9,49
La valeur de la variable de dcision est suprieure 1- , on rejette donc lhypothse nulle.
Adil EL MARHOUM
Page 93
ni.
pij fi. f.j avec fi. =
n et
f.j =
n.j
n
ni. et n.j sont les effectifs marginaux, et nij les effectifs conjoints.
Les effectifs attendus correspondants sont donc :
ni.n.j
ni. n.j
n pij = n fi. f.j = n n n =
n
les effectifs attendus doivent touts tre suprieurs ou gales 5.
Formulation de lhypothse nulle :
Pour comparer la distribution thorique et la distribution observe, on est amen confronter
^
les effectifs observs nij et les effectifs attendus ou thoriques correspondants n pij .
Lhypothse nulle est lindpendance des deux critres de classification.
^
H0 : nij = n pij
Variable de dcision :
la comparaison des effectifs observs et attendus se fait comme pour les tests dajustement, en
calculant la variable de dcision suivante :
p q
VD =
nij
^
i 1 j 1n p
-n
ij
On dmontre que la variable de dcision est une variable alatoire Khi deux avec (p-1)(q-1)
degr de libert.
Rgion dacceptation :
La valeur critique qui dlimite la rgion dacceptation est telle que :
p(VD < ) = 1 -
= 1-
Le test tant toujours unilatral, la rgion dacceptation est donc lintervalle [0 ; 1-[.
On rejettera donc lhypothse nulle lorsque la valeur de la variable de dcision est suprieure
ou gale 1-.
Adil EL MARHOUM
Page 94
Destination de vacances
Mer Montagne
Dsert
300
50
100
250
80
20
50
120
30
600
250
150
Total
450
350
200
1000
Hypothse nulle :
Lhypothse nulle est lindpendance des deux critres de classification.
^
H0 : nij = n pij
Variable de dcision :
^
ni.n.j
Les effectifs attendus sont estims par la formule : n pij =
n
Niveau
Destination de vacances
dinstruction Mer Montagne
Dsert
Primaire
270
112,5
67,5
Secondaire
210
87,5
52,5
Suprieur
120
50
30
Total
600
250
150
Total
450
350
200
1000
p q
nij
VD = ^ - n = 300 50 100 250 ... 30 - 1000 = 220,91
270 112,5 67,5 210
30
i 1 j 1 n p
ij
Rgion dacceptation :
La rgion dacceptation est lintervalle [0 ; 1-[.
Le nombre de degrs de libert est gal (3-1)(3-1) = 4.
Pour = 0,05, la valeur de 1- avec 4 degrs de libert est 0,95 = 9,49.
La valeur de la variable de dcision est suprieure 1- , on rejette donc lhypothse nulle.
On conclut donc que le niveau dinstruction a une influence sur le choix dune destination
touristique.
Adil EL MARHOUM
Page 95
Adil EL MARHOUM
Page 96
190
210
200
204
202
203
195
189
194
194
208
195
205
206
196
205
198
200
206
201
198
197
Ces deux rsultats sont-ils significativement diffrents en ce qui concerne le poids moyen %
Ex 10 : Au concours dentre une cole, lpreuve de culture gnrale est note de 0 50.
on tire au hasard un chantillon de 100 candidats et lon relve que les notes quils ont
obtenues se classent en cinq tranches de la manire suivante :
Tranches de notes Nombre de candidats
10
Note 10
20
10 < Note 20
30
20 < Note 30
20
30 < Note 40
20
40 < Note 50
Le jury se demande sil est justifi de considrer que la distribution des notes suit une
loi normale dans la population de tous les candidats.
Adil EL MARHOUM
Page 97
Alim. 2
460
430
540
470
Alim. 3
600
460
610
510
Alim. 4
640
660
720
580
Alim. 5
690
600
550
480
Alim. 6
690
650
680
740
Catgorie d'ge
Moins de 20 ans
Entre 20 et 45 ans
Plus de 45 ans
Total
Fminin
27
39
54
120
Masculin
32
45
62
139
Total
59
84
116
259
On suppose que les nombres dunits achetes obissent des lois normales, que les variances
sont gales dans ces six populations.
Quant au nombre dunits achetes en moyenne, peut-on affirmer au niveau = 0.01 qu'il y a une
diffrence significative entre hommes et femmes d'une part, et entre les trois groupes d'ge, d'autre
part?
Ex 13 : Une entreprise commerciale succursales multiples procde un sondage dans ses
magasins de rabat et casa. A rabat, sur 1000 clients interrogs, 350 dclarent souhaiter que le
magasin reste ouvert jusqu 21 heures tandis qu casa, sur 900 clients, 280 ont mis ce
mme vu. Lentreprise peut-elle, au seuil de signification de 5%, considrer que sa clientle
de rabat ragit comme celle de casa ?
Adil EL MARHOUM
Page 98
Possdent le bac
ne possdent pas le bac
hommes femmes
32
26
64
78
Total
153
27
180
mdiocres est le
Page 99
0,00
0,5000
0,5398
0,5793
0,6179
0,6554
0,6915
0,7257
0,7580
0,7881
0,8159
0,8413
0,8643
0,8849
0,90320
0,91924
0,93319
0,94520
0,95543
0,96407
0,97128
0,97725
0,98214
0,98610
0,98928
0,99180
0,99379
0,99534
0,99653
0,99744
0,99813
0,99865
0,99903
0,99931
0,99952
0,99966
0,99977
0,99984
0,99989
0,99993
0,99995
0,01
0,5040
0,5438
0,5832
0,6217
0,6591
0,6950
0,7291
0,7611
0,7910
0,8186
0,8438
0,8665
0,8869
0,90490
0,92073
0,93448
0,94630
0,95637
0,96485
0,97193
0,97778
0,98257
0,98645
0,98956
0,99202
0,99396
0,99547
0,99664
0,99752
0,99819
0,99869
0,99906
0,99934
0,99953
0,99968
0,99978
0,99985
0,99990
0,99993
0,99995
Adil EL MARHOUM
0,02
0,5080
0,5478
0,5871
0,6255
0,6628
0,6985
0,7324
0,7642
0,7939
0,8212
0,8461
0,8686
0,8888
0,90658
0,92220
0,93574
0,94738
0,95728
0,96562
0,97257
0,97831
0,98300
0,98679
0,98983
0,99224
0,99413
0,99560
0,99674
0,99760
0,99825
0,99874
0,99910
0,99936
0,99955
0,99969
0,99978
0,99985
0,99990
0,99993
0,99996
0,03
0,5120
0,5517
0,5910
0,6293
0,6664
0,7019
0,7357
0,7673
0,7967
0,8238
0,8485
0,8708
0,8907
0,90824
0,92364
0,93699
0,94845
0,95818
0,96638
0,97320
0,97882
0,98341
0,98713
0,99010
0,99245
0,99430
0,99573
0,99683
0,99767
0,99831
0,99878
0,99913
0,99938
0,99957
0,99970
0,99979
0,99986
0,99990
0,99994
0,99996
0,04
0,5160
0,5557
0,5948
0,6331
0,6700
0,7054
0,7389
0,7703
0,7995
0,8264
0,8508
0,8729
0,8925
0,90988
0,92507
0,93822
0,94950
0,95907
0,96712
0,97381
0,97932
0,98382
0,98745
0,99036
0,99266
0,99446
0,99585
0,99693
0,99774
0,99836
0,99882
0,99916
0,99940
0,99958
0,99971
0,99980
0,99986
0,99991
0,99994
0,99996
0,05
0,5199
0,5596
0,5987
0,6368
0,6736
0,7088
0,7422
0,7734
0,8023
0,8289
0,8531
0,8749
0,8944
0,91149
0,92647
0,93943
0,95053
0,95994
0,96784
0,97441
0,97982
0,98422
0,98778
0,99061
0,99286
0,99461
0,99598
0,99702
0,99781
0,99841
0,99886
0,99918
0,99942
0,99960
0,99972
0,99981
0,99987
0,99991
0,99994
0,99996
0,06
0,5239
0,5636
0,6026
0,6406
0,6772
0,7123
0,7454
0,7764
0,8051
0,8315
0,8554
0,8770
0,8962
0,91309
0,92785
0,94062
0,95154
0,96080
0,96856
0,97500
0,98030
0,98461
0,98809
0,99086
0,99305
0,99477
0,99609
0,99711
0,99788
0,99846
0,99889
0,99921
0,99944
0,99961
0,99973
0,99981
0,99987
0,99992
0,99994
0,99996
0,07
0,5279
0,5675
0,6064
0,6443
0,6808
0,7157
0,7486
0,7794
0,8078
0,8340
0,8577
0,8790
0,8980
0,91466
0,92922
0,94179
0,95254
0,96164
0,96926
0,97558
0,98077
0,98500
0,98840
0,99111
0,99324
0,99492
0,99621
0,99720
0,99795
0,99851
0,99893
0,99924
0,99946
0,99962
0,99974
0,99982
0,99988
0,99992
0,99995
0,99996
0,08
0,5319
0,5714
0,6103
0,6480
0,6844
0,7190
0,7517
0,7823
0,8106
0,8365
0,8599
0,8810
0,8997
0,91621
0,93056
0,94295
0,95352
0,96246
0,96995
0,97615
0,98124
0,98537
0,98870
0,99134
0,99343
0,99506
0,99632
0,99728
0,99801
0,99856
0,99897
0,99926
0,99948
0,99964
0,99975
0,99983
0,99988
0,99992
0,99995
0,99997
0,09
05359
05753
06141
06517
06879
07224
07549
07852
08133
08389
08621
08830
090147
0,91774
0,93189
0,94408
0,95449
0,96327
0,97062
0,97670
0,98169
0,98574
0,98899
0,99158
0,99361
0,99520
0,99643
0,99736
0,99807
0,99861
0,99900
0,99929
0,99950
0,99965
0,99976
0,99983
0,99989
0,99992
0,99995
0,99997
Page 100
0,0005
0,06393
0,02100
0,0153
0,0639
0,158
0,299
0,485
0,710
0,972
1,26
1,59
1,93
2,31
2,70
3,11
3,54
3,98
4,44
4,91
5,40
5,90
6,40
6,92
7,45
7,99
8,54
9,09
9,66
10,2
10,8
0,001
0,05157
0,02200
0,0243
0,0908
0,210
0,381
0,598
0,857
1,15
1,48
1,83
2,21
2,62
3,04
3,48
3,94
4,42
4,90
5,41
5,92
6,45
6,98
7,53
8,08
8,65
9,22
9,80
10,4
11,0
11,6
Adil EL MARHOUM
0,005
0,04393
0,0100
0,0717
0,207
0,412
0,676
0,989
1,34
1,73
2,16
2,60
3,07
3,57
4,07
4,60
5,14
5,70
6,26
6,84
7,43
8,03
8,64
9,26
9,89
10,5
11,2
11,8
12,5
13,1
13,8
0,01
0,03157
0,0201
0,115
0,297
0,554
0,872
1,24
1,65
2,09
2,56
3,05
3,57
4,11
4,66
5,23
5,81
6,41
7,01
7,63
8,26
8,90
9,54
10,2
10,9
11,5
12,2
12,9
13,6
14,3
15,0
0,025
0,03982
0,0506
0,216
0,484
0,831
1,24
1,69
2,18
2,70
3,25
3,82
4,40
5,01
5,63
6,26
6,91
7,56
8,23
8,91
9,59
10,3
11,0
11,7
12,4
13,1
13,8
14,6
15,3
16,0
16,8
0,05
0,1
0,2
0,3
0,4
0,02393 0,0158 0,0642 0,148 0,275
0,103
0,211
0,446 0,713 1,02
0,352
0,584 1,00
1,42 1,87
0,711
1,06
1,65
2,19 2,75
1,15
1,61
2,34
3,00 3,66
1,64
2,20
3,07
3,83 4,57
2,17
2,83
3,82
4,67 5,49
2,73
3,49
4,59
5,53 6,42
3,33
4,17
5,38
6,39 7,36
3,94
4,87
6,18
7,27 8,30
4,57
5,58
6,99
8,15 9,24
5,23
6,30
7,81
9,03
10,2
5,89
7,04
8,63
9,93
11,1
6,57
7,79
9,47
10,8
12,1
7,26
8,55
10,3
11,7
13,0
7,96
9,31
11,2
12,6
14,0
8,67
10,1
12,0
13,5
14,9
9,39
10,9
12,9
14,4
15,9
10,1
11,7
13,7
15,4
16,9
10,9
12,4
14,6
16,3
17,8
11,6
13,2
15,4
17,2
18,8
12,3
14,0
16,3
18,1
19,7
13,1
14,8
17,2
19,0
20,7
13,8
15,7
18,1
19,9
21,7
14,6
16,5
18,9
20,9
22,6
15,4
17,3
19,8
21,8
23,6
16,2
18,1
20,7
22,7
24,5
16,9
18,9
21,6
23,6
25,5
17,7
19,8
22,5
24,6
26,5
18,5
20,6
23,4
25,5
27,4
Page 101
0,5
0,455
1,39
2,37
3,36
4,35
5,35
6,35
7,34
8,34
9,34
10,3
11,3
12,3
13,3
14,3
15,3
16,3
17,3
18,3
19,3
20,3
21,3
22,3
23,3
24,3
25,3
26,3
27,3
28,3
29,3
0,6
0,708
1,83
2,95
4,04
5,13
6,21
7,28
8,35
9,41
10,5
11,5
12,6
13,6
14,7
15,7
16,8
17,8
18,9
19,9
21,0
22,0
23,0
24,1
25,1
26,1
27,2
28,2
29,2
30,3
31,3
Adil EL MARHOUM
0,7
1,07
2,41
3,67
4,88
6,06
7,23
8,38
9,52
10,7
11,8
12,9
14,0
15,1
16,2
17,3
18,4
19,5
20,6
21,7
22,8
23,9
24,9
26,0
27,1
28,2
29,2
30,3
31,4
32,5
33,5
0,8
1,64
3,22
4,64
5,99
7,29
8,56
9,80
11,0
12,2
13,4
14,6
15,8
17,0
18,2
19,3
20,5
21,6
22,8
23,9
25,0
26,2
27,3
28,4
29,6
30,7
31,8
32,9
34,0
35,1
36,3
0,9
2,71
4,61
6,25
7,78
9,24
10,6
12,0
13,4
14,7
16,0
17,3
18,5
19,8
21,1
22,3
23,5
24,8
26,0
27,2
28,4
29,6
30,8
32,0
33,2
34,4
35,6
36,7
37,9
39,1
40,3
0,95
3,84
5,99
7,81
9,49
11,1
12,6
14,1
15,5
16,9
18,3
19,7
21,0
22,4
23,7
25,0
26,3
27,6
28,9
30,1
31,4
32,7
33,9
35,2
36,4
37,7
38,9
40,1
41,3
42,6
43,8
0,975
5,02
7,38
9,35
11,1
12,8
14,4
16,0
17,5
19,0
20,5
21,9
23,3
24,7
26,1
27,5
28,8
30,2
31,5
32,9
34,2
35,5
36,8
38,1
39,4
40,6
41,9
43,2
44,5
45,7
47,0
Page 102
0,6
0,325
0,289
0,277
0,271
0,267
0,265
0,263
0,262
0,261
0,260
0,260
0,259
0,259
0,258
0,258
0,258
0,257
0,257
0,257
0,257
0,257
0,256
0,256
0,256
0,256
0,256
0,256
0,256
0,256
0,256
0,255
0,254
0,254
0,254
0,254
0,253
0,253
0,7
0,727
0,617
0,584
0,569
0,559
0,553
0,549
0,546
0,543
0,542
0,540
0,539
0,538
0,537
0,536
0,535
0,534
0,534
0,533
0,533
0,532
0,532
0,532
0,531
0,531
0,531
0,531
0,530
0,530
0,530
0,529
0,527
0,527
0,526
0,525
0,525
0,524
Adil EL MARHOUM
0,8
1,376
1,061
0,978
0,941
0,920
0,906
0,896
0,889
0,883
0,879
0,876
0,873
0,870
0,868
0,866
0,865
0,863
0,862
0,861
0,860
0,859
0,858
0,858
0,857
0,856
0,856
0,855
0,855
0,854
0,854
0,851
0,848
0,846
0,845
0,843
0,842
0,842
0,9
3,078
1,886
1,638
1,533
1,476
1,440
1,415
1,397
1,383
1,372
1,363
1,356
1,350
1,345
1,341
1,337
1,333
1,330
1,328
1,325
1,323
1,321
1,319
1,318
1,316
1,315
1,314
1,313
1,311
1,310
1,303
1,296
1,292
1,290
1,286
1,283
1,282
0,95
6,314
2,920
2,353
2,132
2,015
1,943
1,895
1,860
1,833
1,812
1,796
1,782
1,771
1,761
1,753
1,746
1,740
1,734
1,729
1,725
1,721
1,717
1,714
1,711
1,708
1,706
1,703
1,701
1,699
1,697
1,684
1,671
1,664
1,660
1,653
1,648
1,645
0,975
12,71
4,303
3,182
2,776
2,571
2,447
2,365
2,306
2,262
2,228
2,201
2,179
2,160
2,145
2,131
2,120
2,110
2,101
2,093
2,086
2,080
2,074
2,069
2,064
2,060
2,056
2,052
2,048
2,045
2,042
2,021
2,000
1,990
1,984
1,972
1,965
1,960
0,99
31,82
6,965
4,541
3,747
3,365
3,143
2,998
2,896
2,821
2,764
2,718
2,681
2,650
2,624
2,602
2,583
2,567
2,552
2,539
2,528
2,518
2,508
2,500
2,492
2,485
2,479
2,473
2,467
2,462
2,457
2,423
2,390
2,374
2,365
2,345
2,334
2,326
0,995
63,66
9,925
5,841
4,604
4,032
3,707
3,499
3,355
3,250
3,169
3,106
3,055
3,012
2,977
2,947
2,921
2,898
2,878
2,861
2,845
2,831
2,819
2,807
2,797
2,787
2,779
2,771
2,763
2,756
2,750
2,704
2,660
2,639
2,626
2,601
2,586
2,576
0,999
318,3
22,33
10,22
7,173
5,893
5,208
4,785
4,501
4,297
4,144
4,025
3,930
3,852
3,787
3,733
3,686
3,646
3,611
3,579
3,552
3,527
3,505
3,485
3,467
3,450
3,435
3,421
3,408
3,396
3,385
3,307
3,232
3,195
3,174
3,131
3,106
3,090
0,9995
636,6
31,60
12,94
8,610
6,859
5,959
5,405
5,041
4,781
4,587
4,437
4,318
4,221
4,140
4,073
4,015
3,965
3,922
3,883
3,850
3,819
3,792
3,767
3,745
3,725
3,707
3,690
3,674
3,659
3,646
3,551
3,460
3,415
3,389
3,339
3,310
3,291
Page 103
1
161
18,5
10,1
7,71
6,61
5,99
5,59
5,32
5,12
4,96
4,84
4,75
4,67
4,60
4,54
4,49
4,45
4,41
4,38
4,35
4,30
4,26
4,23
4,20
4,17
4,08
4,03
4,00
4,96
4,94
4,89
4,86
3,84
2 3 4 5 6 7 8 9 10 15
200 216 225 230 234 237 239 241 242 246
19,0 19,2 19,2 19,3 19,3 19,4 19,4 19,4 19,4 19,4
9,55 9,28 9,12 9,01 8,94 8,89 8,85 8,81 8,79 8,70
6,94 6,59 6,39 6,26 6,16 6,09 6,04 6,00 5,96 5,86
5,79 5,41 5,19 5,05 4,95 4,88 4,82 4,77 4,74 4,62
5,14 4,76 4,53 4,39 4,28 4,21 4,15 4,10 4,06 3,94
4,74 4,35 4,12 3,97 3,87 3,79 3,73 3,68 3,64 3,51
4,46 4,07 3,84 3,69 3,58 3,50 3,44 3,39 3,35 3,22
4,26 3,86 3,63 3,48 3,37 3,29 3,23 3,18 3,14 3,01
4,10 3,71 3,48 3,33 3,22 3,14 3,07 3,02 2,98 2,85
3,98 3,59 3,36 3,20 3,09 3,01 2,95 2,90 2,85 2,72
3,89 3,49 3,26 3,11 3,00 2,91 2,85 2,80 2,75 2,62
3,81 3,41 3,18 3,03 2,92 2,83 2,77 2,71 2,67 2,53
3,74 3,34 3,11 2,96 2,85 2,76 2,70 2,65 2,60 2,46
3,68 3,29 3,06 2,90 2,79 2,71 2,64 2,59 2,54 2,40
3,63 3,24 3,01 2,85 2,74 2,66 2,59 2,54 2,49 2,35
3,59 3,20 2,96 2,81 2,70 2,61 2,55 2,49 2,45 2,31
3,55 3,16 2,93 2,77 2,66 2,58 2,51 2,46 2,41 2,27
3,52 3,13 2,90 2,74 2,63 2,54 2,48 2,42 2,38 2,23
3,49 3,10 2,87 2,71 2,60 2,51 2,45 2,39 2,35 2,20
3,44 3,05 2,82 2,66 2,55 2,46 2,40 2,34 2,30 2,15
3,40 3,01 2,78 2,62 2,51 2,42 2,36 2,30 2,25 2,11
3,37 2,98 2,74 2,59 2,47 2,39 2,32 2,27 2,22 2,07
3,34 2,95 2,71 2,56 2,45 2,36 2,29 2,24 2,19 2,04
3,32 2,92 2,69 2,53 2,42 2,33 2,27 2,21 2,16 2,01
3,23 2,84 2,61 2,45 2,34 2,25 2,18 2,12 2,08 1,92
3,18 2,79 2,56 2,40 2,29 2,20 2,13 2,07 2,03 1,87
3,15 2,76 2,53 2,37 2,25 2,17 2,10 2,04 1,99 1,84
3,11 2,72 2,49 2,33 2,21 2,13 2,06 2,00 1,95 1,79
3,09 2,70 2,46 2,31 2,19 2,10 2,03 1,97 1,93 1,77
3,04 2,65 2,42 2,26 2,14 2,06 1,98 1,93 1,88 1,72
3,01 2,62 2,39 2,23 2,12 2,03 1,96 1,90 1,85 1,69
3,00 2,60 2,37 2,21 2,10 2,01 1,94 1,88 1,83 1,67
Adil EL MARHOUM
20
248
19,4
8,66
5,80
4,56
3,87
3,44
3,15
2,94
2,77
2,65
2,54
2,46
2,39
2,33
2,28
2,23
2,19
2,16
2,12
2,07
2,03
1,99
1,96
1,93
1,84
1,78
1,75
1,70
1,68
1,62
1,59
1,57
30
250
19,5
8,62
5,75
4,50
3,81
3,38
3,08
2,86
2,70
2,57
2,47
2,38
2,31
2,25
2,19
2,15
2,11
2,07
2,04
1,98
1,94
1,90
1,87
1,84
1,74
1,69
1,65
1,60
1,57
1,52
1,48
1,46
50
252
19,5
8,58
5,70
4,44
3,75
3,32
3,02
2,80
2,64
2,51
2,40
2,31
2,24
2,18
2,12
2,08
2,04
2,00
1,97
1,91
1,86
1,82
1,79
1,76
1,66
1,60
1,56
1,51
1,48
1,41
1,38
1,35
100
253
19,5
8,55
5,66
4,41
3,71
3,27
2,97
2,76
2,59
2,46
2,35
2,26
2,19
2,12
2,07
2,02
1,98
1,94
1,91
1,85
1,80
1,76
1,73
1,70
1,59
1,52
1,48
1,43
1,39
1,32
1,28
1,24
200 500
254 254 254
19,5 19,5 19,5
8,54 8,53 8,53
5,65 5,64 5,63
4,39 4,37 4,37
3,69 3,68 3,67
3,25 3,24 3,23
2,95 2,94 2,93
2,73 2,72 2,71
2,56 2,55 2,54
2,43 2,42 2,40
2,32 2,31 2,30
2,23 2,22 2,21
2,16 2,14 2,13
2,10 2,08 2,07
2,04 2,02 2,01
1,99 1,97 1,96
1,95 1,93 1,92
1,91 1,89 1,88
1,88 1,86 1,84
1,82 1,80 1,78
1,77 1,75 1,73
1,73 1,71 1,69
1,69 1,67 1,65
1,66 1,64 1,62
1,55 1,53 1,51
1,48 1,46 1,44
1,44 1,41 1,39
1,38 1,35 1,32
1,34 1,31 1,28
1,26 1,22 1,19
1,21 1,16 1,11
1,17 1,11 1,00
Page 104
1 2 3 4 5 6 7 8 9 10 15 20 30 50 100 200
648 800 864 900 922 937 948 957 963 969 985 993 1001 1008 1013 1016
38,5 39,0 39,2 39,2 39,3 39,3 39,4 39,4 39,4 39,4 39,4 39,4 39,5 39,5 39,5 39,5
17,4 16,0 15,4 15,1 14,9 14,7 14,6 14,5 14,5 14,4 14,3 14,2 14,1 14,0 14,0 13,9
12,2 10,6 9,98 9,60 9,36 9,20 9,07 8,98 8,90 8,84 8,66 8,56 8,46 8,38 8,32 8,29
10,0 8,43 7,76 7,39 7,15 6,98 6,85 6,76 6,68 6,62 6,43 6,33 6,23 6,14 6,08 6,05
8,81 7,26 6,60 6,23 5,99 5,82 5,70 5,60 5,52 5,46 5,27 5,17 5,07 4,98 4,92 4,88
8,07 6,54 5,89 5,52 5,29 5,12 4,99 4,90 4,82 4,76 4,57 4,47 4,36 4,28 4,21 4,18
7,57 6,06 5,42 5,05 4,82 4,65 4,53 4,43 4,36 4,30 4,10 4,00 3,89 3,81 3,74 3,70
7,21 5,71 5,08 4,72 4,48 4,32 4,20 4,10 4,03 3,96 3,77 3,67 3,56 3,47 3,40 3,37
6,94 5,46 4,83 4,47 4,24 4,07 3,95 3,85 3,78 3,72 3,52 3,42 3,31 3,22 3,15 3,12
6,72 5,26 4,63 4,28 4,04 3,88 3,76 3,66 3,59 3,53 3,33 3,23 3,12 3,03 2,96 2,92
6,55 5,10 4,47 4,12 3,89 3,73 3,61 3,51 3,44 3,37 3,18 3,07 2,96 2,87 2,80 2,76
6,41 4,97 4,35 4,00 3,77 3,60 3,48 3,39 3,31 3,25 3,05 2,95 2,84 2,74 2,67 2,63
6,30 4,86 4,24 3,89 3,66 3,50 3,38 3,29 3,21 3,15 2,95 2,84 2,73 2,64 2,56 2,53
6,20 4,76 4,15 3,80 3,58 3,41 3,29 3,20 3,12 3,06 2,86 2,76 2,64 2,55 2,47 2,44
6,12 4,69 4,08 3,73 3,50 3,34 3,22 3,12 3,05 2,99 2,79 2,68 2,57 2,47 2,40 2,36
6,04 4,62 4,01 3,66 3,44 3,28 3,16 3,06 2,98 2,92 2,72 2,62 2,50 2,41 2,33 2,29
5,98 4,56 3,95 3,61 3,38 3,22 3,10 3,01 2,93 2,87 2,67 2,56 2,44 2,35 2,27 2,23
5,92 4,51 3,90 3,56 3,33 3,17 3,05 2,96 2,88 2,82 2,62 2,51 2,39 2,30 2,22 2,18
5,87 4,46 3,86 3,51 3,29 3,13 3,01 2,91 2,84 2,77 2,57 2,46 2,35 2,25 2,17 2,13
5,79 4,38 3,78 3,44 3,22 3,05 2,93 2,84 2,76 2,70 2,50 2,39 2,27 2,17 2,09 2,05
5,72 4,32 3,72 3,38 3,15 2,99 2,87 2,78 2,70 2,64 2,44 2,33 2,21 2,11 2,02 1,98
5,66 4,27 3,67 3,33 3,10 2,94 2,82 2,73 2,65 2,59 2,39 2,28 2,16 2,05 1,97 1,92
5,61 4,22 3,63 3,29 3,06 2,90 2,78 2,69 2,61 2,55 2,34 2,23 2,11 2,01 1,92 1,88
5,57 4,18 3,59 3,25 3,03 2,87 2,75 2,65 2,57 2,51 2,31 2,20 2,07 1,97 1,88 1,84
5,42 4,05 3,46 3,13 2,90 2,74 2,62 2,53 2,45 2,39 2,18 2,07 1,94 1,83 1,74 1,69
5,34 3,98 3,39 3,06 2,83 2,67 2,55 2,46 2,38 2,32 2,11 1,99 1,87 1,75 1,66 1,60
5,29 3,93 3,34 3,01 2,79 2,63 2,51 2,41 2,33 2,27 2,06 1,94 1,82 1,70 1,60 1,54
5,22 3,86 3,28 2,95 2,73 2,57 2,45 2,36 2,28 2,21 2,00 1,88 1,75 1,63 1,53 1,47
5,18 3,83 3,25 2,92 2,70 2,54 2,42 2,32 2,24 2,18 1,97 1,85 1,71 1,59 1,48 1,42
5,10 3,76 3,18 2,85 2,63 2,47 2,35 2,26 2,18 2,11 1,90 1,78 1,64 1,51 1,39 1,32
5,05 3,72 3,14 2,81 2,59 2,43 2,31 2,22 2,14 2,07 1,86 1,74 1,60 1,46 1,34 1,25
5,02 3,69 3,12 2,79 2,57 2,41 2,29 2,19 2,11 2,05 1,83 1,71 1,57 1,43 1,30 1,21
Adil EL MARHOUM
500
1017 1018
39,5 39,5
13,9 13,9
8,27 8,26
6,03 6,02
4,86 4,85
4,16 4,14
3,68 3,67
3,35 3,33
3,09 3,08
2,90 2,88
2,74 2,72
2,61 2,60
2,50 2,49
2,41 2,40
2,33 2,32
2,26 2,25
2,20 2,19
2,15 2,13
2,10 2,09
2,02 2,00
1,95 1,94
1,90 1,88
1,85 1,83
1,81 1,79
1,66 1,64
1,57 1,55
1,51 1,48
1,43 1,40
1,38 1,35
1,27 1,23
1,19 1,14
1,13 1,00
Page 105