Upload
amable-gilles
View
116
Download
0
Embed Size (px)
Citation preview
AUTOUR DE LA LOI NORMALE
Formation nouveaux programmes de Terminales S et ES
Les objectifs du programme de statistique en terminale
Formation nouveaux programmes de Terminales
2
Poursuivre le travail de statistique inférentielle commencé en classe de Seconde et de Première Prise de décision en situation de
risque Estimation par intervalle de confiance
Avec un nouvel outil : la loi normale
POURQUOI LA LOI NORMALE ?
Formation nouveaux programmes de Terminales S et ES
Un exemple : Etude du surpoids
formation nouveaux programmes de terminales
4
Dans la population étudiée, il y a 46% d’hommes et 18% de personnes de plus de 60 ans. Un sondage a été réalisé par un tirage au hasard de 400 personnes, et peut être assimilé à un tirage avec remise.1. Dans l’échantillon prélevé pour cette étude on
observe :
Cet échantillon est-il représentatif ?
2. L’étude montre que dans cet échantillon 29% des personnes sont en surpoids. Estimer la proportion de personnes en surpoids dans cette population.
Hommes Femmes
195 205
< 60 ans > 60 ans
313 87
Un exemple : Etude du surpoids
Formation nouveaux programmes de terminales
5
Dans la population étudiée, il y a 46% d’hommes et 18% de personnes de plus de 60 ans. Le sondage a été réalisé par un tirage au hasard de 400 personnes et peut être assimilé à un tirage avec remise.
Pour une étude, mettant en jeu le lien avec certaines caractéristiques connues de la population on considère qu’un échantillon est représentatif, si la fréquence f observée de ces caractéristiques est dans l’intervalle de fluctuation au seuil de 95%.
Au travail !
Etude du surpoids : un scénario possible
Formation nouveaux programmes de terminales
6
Dans la population étudiée, il y a 46% d’hommes et 18% de personnes de plus de 60 ans.
le sondage a été réalisé par un tirage au hasard de 400 personnes et peut être assimilé à un tirage avec remise.
1. Réaliser un échantillon. par simulation, Cet échantillon est-il représentatif en ce qui concerne la
répartition des hommes ?
Pour une étude, mettant en jeu le lien avec certaines caractéristiques connues de la population on considère qu’un échantillon est représentatif, si la fréquence f observée de ces caractéristiques est dans l’intervalle de fluctuation au seuil de confiance de 95%.
Etude du surpoids : réinvestir
formation nouveaux programmes de terminales
7
2. Dans l’échantillon prélevé pour cette étude on observe :
Cet échantillon est-il représentatif ? Pour les hommes : p =0,46 (outil de seconde)Pour un seuil de 95%, on a obtenu IFH =[0,41 ;0,51]
f =195/400 = 0,4875 donc f IFH
donc cet échantillon est représentatif pour les hommesPour les plus de 60 ans : p=0,18 (outil première)
cette méthode ne s’applique pas, il faut 0,2<p<0,8On établit IFV avec la fonction de répartition de la loi binomiale B(400;0,18) , à l’aide d’une calculatrice ou d’un tableur : IFv=[57/400;87/400]donc cet un échantillon est représentatif pour les plus de 60 ans.
Hommes Femmes
195 205< 60 ans > 60 ans
313 87
Etude du surpoids : outil de 2de
formation nouveaux programmes de terminales
8
3. L’étude montre que dans cet échantillon 29% des personnes sont en surpoids. Estimer la proportion de personnes en surpoids dans cette population.
L’intervalle de confiance de la classe de seconde donne
[0,29- 0,05 ; 0,29+0,05]
Donc la proportion de personnes en surpoids est dans l’intervalle [0,24 ; 0,33] au niveau de confiance de 95%.On dit aussi pour un seuil de risque de 5%.
Un exemple : Etude du surpoids
formation nouveaux programmes de terminales
9
4. On veut réaliser une étude plus précise en réalisant un échantillon de taille 1200. Dans l’échantillon prélevé pour cette étude on observe :
Cet échantillon est-il représentatif ?Le calcul n’est ici plus possible avec une
calculatrice, cela dépasse ses capacités de calcul.
L’étude montre que dans cet échantillon 32% des personnes sont en surpoids. Estimer la proportion de personnes en surpoids dans cette population.
Observation des binomiales pour n grand
En utilisant Geogebra et l’outil de calcul des probabilités, on peut explorer le comportement des grandes binomiales
Des formes similaires dites « forme en cloche »10 formation nouveaux programmes de terminales
TP centrer- réduire : le foie gras
formation nouveaux programmes de terminales
11
Les foies gras d'oie commercialisés en 2012 par un producteur du Sud Ouest ont une masse dont la moyenne est 750 grammes et dont l'écart type est 100 grammes. Le pesage, en grammes, d'un foie pris au hasard dans la production détermine une V.A. G telle que E(G)=750 et (G)=100. L'année précédente, en 2011, les foies gras commercialisés par ce même producteur avaient un poids moyen de 680 g et un écart type de 120g. Un client fidèle a acheté un foie de 750 g en 2011 et un de 800 g en 2012. Quel classement peut-on faire de ces deux foies
comparativement à la production annuelle dont ils sont issus ?
LOI NORMALE et BINOMIALE
Formation nouveaux programmes de Terminales S et ES
L’idée centrale
Formation nouveaux programmes de terminales
13
Une première idée simplifiée du théorème : Lorsqu’on observe les représentations
graphiques des grandes binomiales, elles présentent une forme commune dite « forme en cloche », connue sous le nom de courbe de Gauss, et qui correspond à la fonction de densité de la loi normale.
On a donc l’idée intuitive qu’on peut approcher les lois binomiales par les normales, pour n grand.
La formalisation de ce constat est énoncée par le « théorème de Moivre-Laplace », ce qui va nécessiter quelques détours…
Le théorème de Moivre-Laplace
14
Premières remarques : On reconnait à droite P(a < Z < b) où Z suit la loi
normale N(0;1). Ce n’est pas sur Xn que porte la convergence vers la
loi normale, mais sur la « variable centrée réduite » Zn.
On s’intéresse à des probabilités d’intervalles.
formation nouveaux programmes de terminales
Le théorème de Moivre-Laplace
15
Autre remarque Ce théorème définit une convergence en loi :
Ce n’est pas Zn qui converge vers Z, mais la fonction de répartition de Zn qui converge vers la fonction de répartition de Z.
formation nouveaux programmes de terminales
le théorème de Moivre-Laplace
Xn suit B(n;p)
On centre et on réduit
On obtient Zn
Z qui suit N(0 ; 1)
con
verg
e
Y qui suit N (np; npq)
n tend vers l’infi
ni
16 Formation nouveaux programmes de terminales
con
verg
e
Dépend de n
Premier problème : le passage du discret au continu
formation nouveaux programmes de terminales
17
Premier problème :
On va donc plonger la loi binomiale dans le monde des aires
la loi binomiale est une loi discrète P(X=a)Diagramme en bâtons
la loi normale est une loi continue P(a<X<b)Aire sous une courbe
Passage du discret au continu On considère une variable aléatoire Xn qui suit
la loi discrète B(n;p)
18 Formation nouveaux programmes de Terminales
E(Xn) = np = µ
V(Xn) = np(1-p) = σ²
Problème du passage du discret au continu
La loi binomiale, loi discrète, se représente par un diagramme en bâtons, qu’il faut convertir en histogramme pour que les probabilités puissent être interprétées en termes d’aires.
Le bâton représentant p(X=k) = pk doit devenir une colonne d’aire pk.
On l’obtient en traçant une colonne de largeur 1 centrée sur k : [k - 0,5 ; k + 0,5] de hauteur pk.
19 formation nouveaux programmes de terminales
Passage du discret au continu On considère une variable aléatoire Xn qui suit
la loi discrète B(n;p)
E(Xn) = µ et V(Xn) = σ²
20 Formation nouveaux programmes de terminales
Passage du discret au continu On considère une variable aléatoire Xn qui suit
la loi discrète B(n;p)
Et on a :
P(a Xn b) = somme des aires des rectangles
21 Formation nouveaux programmes de terminales
Comment centrer
X est une variable aléatoire centrée signifie que E(X) = 0
La variable Yn = Xn – µ est centrée
22 Formation nouveaux programmes de terminales
Attention :Yn ne suit pas une loi binomiale :Cette variable aléatoire prend des valeurs négatives !
Comment centrer
La variable Yn = Xn – µ est centrée
E(X+b) = E(X)+ b donc
E(Yn) = 023 Formation nouveaux programmes de terminales
V(aX+b) = a²V(X) donc
V(Yn) = ²
Comment réduire
24 formation nouveaux programmes de terminales
E(Zn) = 0
Sa variance est égale à 1 :
La variable aléatoire Zn = Yn/ est centrée
V(aX+b) = a²V(X)
Comment réduire
On a pris la variable aléatoire
Zn = Yn /
25 formation nouveaux programmes de terminales
On raisonne sur des aires, on veut conserver des rectangles d’aire pk ; donc si on réduit les abscisses en les divisant par , on doit compenser en multipliant les ordonnées par .On conserve une aire totale de 1.
Bilan sur Zn, variable centrée réduite
)p(np
npXZ n
n
1
26 formation nouveaux programmes de terminales
E(Zn) = 0 V(Zn) = 1
Loi normale centrée réduite
formation nouveaux programmes de terminales
27
Les histogrammes représentant Zn ont tous exactement la même allure
La courbe qui approxime cette allure c’est la courbe de Gauss représentant la fonction f définie par :
f(x) =
C’est la fonction de densité de la loi normale N(0;1)
nouvelle fonction de référence à étudier
2
2
1²x
e
Lien entre binomiale et normale
Le théorème qui formalise ce constat est le théorème de Moivre-Laplace (TML).
Xn suit B(n;p)
On centre et on réduit
On obtient Zn
Z qui suit N(0 ; 1)
con
verg
e
Y qui suit N (np; npq)
Ap
pro
xi
m° TML
28 Formation nouveaux programmes de terminales
FLUCTUATION ET CONFIANCE
Formation nouveaux programmes de Terminales S et ES
Second théorème du programme
Si Z suit N(0 ; 1) alors pour tout réel α [0 ; 1],
il existe un réel u tel que P(-u<Z< u ) =1-
30 formation nouveaux programmes de terminales
f(x) = 2
2
1²x
e
Second théorème du programme
31 formation nouveaux programmes de terminales
On cherche un intervalle I=[-u ; u]
tel que P(Z I)=1-
où Z suit N(0 ;1)
I est un intervalle de fluctuation au seuil de 1-α pour une V.A. qui suit la loi normale standard N(0 ; 1) .
Application à l’intervalle de fluctuation pour
une v.a. qui suit B(n,p)
un réel donné et u le réel tel que P(-u<Z< u ) =1- où Z suit N(0 ; 1) Si Xn suit B(n ; p) et Fn = Xn/n
et In l’intervalle :
d’après le théorème de Moivre-Laplace, on aura :
Donc pour n « assez grand » on a : P(Fn In) ≃ 1 -
In est un intervalle de fluctuation dit asymptotique au seuil 1-,
1)IF(P nnnlim
32 Formation nouveaux programmes de terminales
n
)p(pup;
n
)p(pupIn
11
Intervalle de fluctuation pour la loi normale N(0 ; 1)au seuil de 95%
P(F[-u0,05 ; u0,05]) = 0,9533
u0,05
P(F[-1,96 ; 1,96])≃>0,95formation nouveaux programmes de
terminales
α = 0,05 Uα ≃ 1,96
Intervalle de fluctuation pour une v.a. qui suit B(n ; p)au seuil de 95%
34
u0,05u0,05 ≃ 1,96 on en déduit au seuil de 95%
formation nouveaux programmes de terminales
α = 0,05 uα ≃ 1,96
Intervalle de fluctuation pour une v.a. qui suit B(n ; p) au seuil de 95%
35 Formation nouveaux programmes de terminales
0 200 400 600 800 1000 1200 1400 1600 1800 20000
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
trois intervalles de fluctuation au seuil de 95%
2nde •IF =
1ère• IF = • Sa détermination nécessite un
tableur ou un algorithme
Term. •IF = 38
form
atio
n n
ouveaux p
rog
ram
mes
de te
rmin
ale
s
formule
formule
Pas de formule
np;
np
11
n
b;
n
a
n
)p(p,p;
n
)p(p,p
1961
1961
trois intervalles de fluctuation au seuil de 95%
2nde
• Pas de base théorique : simulations
• approximation de l’IF de terminale contraintes : n 25 et 0,2<p<0,8
1ère
• Base théorique : loi binomiale
• sans contraintes sur n et p
Term.
• Base théorique : TML• Intervalle asymptotique• contraintes : n 30 et
np5 et n(1-p)5
39
form
atio
n n
ouveaux p
rog
ram
mes
de te
rmin
ale
s
Environ 95%
Environ 95%
Au moins 95%
Un exemple : Etude du surpoids
formation nouveaux programmes de terminales
40
4. On veut réaliser une étude plus précise en réalisant un échantillon de taille 1200. Dans l’échantillon prélevé pour cette étude on observe :
Cet échantillon est-il représentatif ?
L’étude montre que dans cet échantillon 32% des personnes sont en surpoids. Estimer la proportion de personnes en surpoids dans cette population.
Un exemple : Etude du surpoids
formation nouveaux programmes de terminales
41
4. On veut réaliser une étude plus précise en réalisant un échantillon de taille 1200. Dans l’échantillon prélevé pour cette étude on observe :
Intervalle de fluctuation asymptotique au niveau de confiance
de 0,95 on a p=0,46 et n =1200 donc np >5IFH = [0,46-1,96x0,014; 0,46-1,96x0,014] =[0,43;0,49]Or fH ≃ 0,46 et fH IFH donc l’échantillon est représentatif.De même IFV =[0,158;0,202] et fV ≃ 0,207 et fH IFH donc
l’échantillon n’est pas représentatif.
L’étude montre que dans cet échantillon 32% des personnes sont en surpoids. Estimer la proportion de personnes en surpoids dans cette population. [0,32-1/rac(1200) ; 0,32 +1/rac(1200)]≃[0,29 ; 0,35]Donc au niveau de confiance de 0,95 p [0,29 ; 0,35]
1200
Bilan : Intervalle de confiance
Formation nouveaux programmes de Terminales
42
f la fréquence observée sur un échantillon de taille n.
Si n 30, nf 5 et n(1-f) 5
Un intervalle de confiance IC au niveau de
confiance de 95% est .
et on a P( pIC) ≃ 0,95.Pour n et f déterminés, on parlera d’une
fourchette de sondage.
nf;
nf
11
Détermination de l’intervalle de confiancepar lecture des abaques
formation nouveaux programmes de terminales
44
n=100
Fréquence observée fn
Intervalle de confiance
A quoi servent les sondages
Formation nouveaux programmes de Terminales
45
Extraction d ’unéchantillon
Étude surl ’échantillon
Extrapolationà la population
xxx xx
xxx
x
xx
xxx
x
x xxxxx x
x
xxxx
xxx x
xx
x
xx x
xxx
xxxx
x
xx
x
x
xxxx
xx
x
x
xxx
x
xxxxx x
x
xx
xx
x
x
x x
x x
x xx
x
x
x
x
x
x x
x
x x
x
P
xx xx xx xxxxxxxx
x
x
x
xx
E
xx xx xx xxxxxxxx
x
x
x
xx
E
l’ECHANTILLONNAGE
formation nouveaux programmes de terminales
46
Population
Éch
an
tillo
nÉchantillonnage
Proportion p
Fréquence f
Je connais p, j’en déduis f
Statistiques inférentielles Je connais f, j’en déduis p
au lycée
APPLICATIONS DE L’ECHANTILLLONNAGE
Théorie des tests, quand on dispose d’une hypothèse sur p
Théorie de l'estimation, quand on ne connait pas p.
fréquence f sur un
échantillon de taille n
Intervalle de confiance
Estimation de p
Intervalle de fluctuation
Rejet ou non de
l’hypothèse sur p
fréquence f sur un
échantillon de taille n
47
Formation nouveaux programmes de terminales
Prise de décision : un exemple
Formation nouveaux programmes de Terminales
48
Dans la réserve indienne d’Aamjiwnaag, située au Canada à proximité d’industries chimiques, il est né entre 1999 et 2003, 132 enfants dont 46 garçons.
Ces observations sont-elles le fruit du hasard ?
Règle de décision : Si f IF c’est le fruit du hasard, sinon ce n’est pas le fruit du hasard. On a f = 46/132 ≃ 0,35 et IFasyptotique =[0,42 ; 0,60]Donc ce n’est pas le fruit du hasardHypothèse
vraieHypothèse fausse
J’accepte l’hypothèse
1 - βJe rejette l’hypothèse
α 1-β
Conclusion : pourquoi les statistiques?
formation nouveaux programmes de terminales
49
Le statisticien est une personne qui préfère les vrais doutes aux fausses certitudes.
Je sais que je me trompe, mais je peux quantifier
mon erreur.
Quels types d’exercices en terminale
La situation est modélisée par une loi normale On connait μ et σ, on calcule une probabilité On connait μ, σ et p, on détermine x tel que P(X<x)
= p On connait x et p, on détermine μ et σLa situation est modélisée par une loi binomiale On connait μ et p, on cherche la précision ε telle
queP(X[μ- ε ; μ + ε]) = p en approximant par une loi normale
Avec une loi normale ou binomiale Prise de décision avec IF asymptotique Estimation de p avec IC seconde Détermination de la précision d’une estimation.
50 Formation nouveaux programmes de Terminales