Fiche d’entraînement – Intervalles de confiance (ECG maths appliquées) : 11 exercices corrigés

↩ Chapitre : Estimation et intervalles de confiance (ECG maths appliquées)

Fiche d’entraînement : 11 exercices corrigés pour s’exercer sur ce thème.
📘 Résumé de cours, auto-test et autres exercices : Convergences, estimation et intervalles de confiance – ECG2

Introduction

Les intervalles de confiance sont un incontournable des concours ECG, mais aussi l’un des chapitres où les élèves perdent le plus de points par manque d’entraînement. Cette fiche propose 12 exercices corrigés en détail, classés par difficulté croissante : des applications directes de Bienaymé-Tchebychev aux problèmes de synthèse mêlant TCL, lemme de Slutsky et interprétation des résultats. Chaque exercice est accompagné d’une correction rédigée avec les calculs intermédiaires.

Données utiles

Risque \alpha0,100,050,01
Confiance 1-\alpha90 %95 %99 %
t_\alpha=\Phi^{-1}(1-\alpha/2)1,6451,962,576

On rappelle que p(1-p)\leqslant\frac14 pour tout p\in[0,1].

Niveaux : ★ Bienaymé-Tchebychev, applications directes — ★★ loi normale / TCL, exercices intermédiaires — ★★★ problèmes de synthèse, type concours.

Exercice 1 · Sondage et Bienaymé-Tchebychev ★★★

On réalise un sondage auprès de n=400 personnes pour estimer la proportion p de Français favorables à une mesure gouvernementale. On observe une proportion \overline{x}_n=0{,}62.

  1. Rappeler pourquoi p(1-p)\leqslant\frac14.
  2. En utilisant l’inégalité de Bienaymé-Tchebychev, donner un intervalle de confiance de p au niveau de confiance 95\,\%.
  3. Calculer l’intervalle numérique observé.
Corrigé

1. La fonction f(p)=p(1-p)=p-p^2 est un polynôme du second degré en p, de coefficient dominant -1<0. Son maximum est atteint en p=\frac12 et vaut f\big(\frac12\big)=\frac14. Donc p(1-p)\leqslant\frac14 pour tout p\in[0,1].

2. L’inégalité de Bienaymé-Tchebychev donne \mathbb{P}\big(|\overline{X}_n-p|\leqslant\varepsilon\big)\geqslant1-\frac{p(1-p)}{n\varepsilon^2}\geqslant1-\frac{1}{4n\varepsilon^2}. On pose \frac{1}{4n\varepsilon^2}=\alpha=0{,}05, d’où \varepsilon=\frac{1}{2\sqrt{n\alpha}}=\frac{1}{2\sqrt{400\times0{,}05}}=\frac{1}{2\sqrt{20}}\approx0{,}112. L’intervalle est \Big[\overline{X}_n-\frac{1}{2\sqrt{n\alpha}},\ \overline{X}_n+\frac{1}{2\sqrt{n\alpha}}\Big].

3. Numériquement : [0{,}62-0{,}112\,;\,0{,}62+0{,}112]=[0{,}508\,;\,0{,}732].

Exercice 2 · Taille d’échantillon et articles défectueux ★★★

On souhaite estimer la proportion p d’articles défectueux dans une production industrielle à l’aide d’un intervalle de confiance de niveau 95\,\% construit par l’inégalité de Bienaymé-Tchebychev.

  1. Quelle doit être la taille minimale n de l’échantillon pour que l’amplitude de l’intervalle de confiance soit inférieure ou égale à 0{,}06 ?
  2. On prélève un échantillon de taille n=500 et on observe 35 articles défectueux. Donner l’intervalle de confiance observé.
Corrigé

1. L’amplitude de l’IC par Bienaymé-Tchebychev est 2\varepsilon=\frac{1}{\sqrt{n\alpha}}. On veut \frac{1}{\sqrt{n\alpha}}\leqslant0{,}06, soit \sqrt{n\alpha}\geqslant\frac{1}{0{,}06}=\frac{50}{3}, donc n\geqslant\frac{1}{0{,}06^2\times0{,}05}=\frac{1}{0{,}00018}\approx5\,556. Il faut au minimum n=5\,556 articles.

2. On a \overline{x}_n=\frac{35}{500}=0{,}07 et \varepsilon=\frac{1}{2\sqrt{500\times0{,}05}}=\frac{1}{2\sqrt{25}}=\frac{1}{10}=0{,}1. L’IC observé est [0{,}07-0{,}10\,;\,0{,}07+0{,}10]=[0\,;\,0{,}17] (on tronque à 0 car p\geqslant0).

Exercice 3 · Durée de vie d’ampoules ★★★

On mesure la durée de vie (en heures) de n=25 ampoules issues d’une production. On suppose que la durée de vie suit une loi normale \mathcal{N}(\mu,\sigma^2) avec \sigma=40 heures (connu). On observe \overline{x}_n=1\,180 heures.

  1. Quelle est la loi de \overline{X}_n ?
  2. Construire un intervalle de confiance de \mu au niveau 95\,\%.
  3. Même question au niveau 99\,\%.
  4. Comparer les deux intervalles et commenter.
Corrigé

1. Par stabilité de la loi normale : \overline{X}_n\sim\mathcal{N}\big(\mu,\frac{\sigma^2}{n}\big)=\mathcal{N}\big(\mu,\frac{1600}{25}\big)=\mathcal{N}(\mu,64).

2. IC à 95\,\% : \Big[\overline{X}_n-t_{0,05}\frac{\sigma}{\sqrt n},\ \overline{X}_n+t_{0,05}\frac{\sigma}{\sqrt n}\Big] avec t_{0,05}=1{,}96 ; \varepsilon=1{,}96\times\frac{40}{5}=15{,}68. Numériquement : [1\,164{,}32\,;\,1\,195{,}68].

3. IC à 99\,\% : \varepsilon=2{,}576\times8=20{,}61. Numériquement : [1\,159{,}39\,;\,1\,200{,}61].

4. L’intervalle à 99\,\% est plus large : augmenter la confiance diminue la précision. La longueur passe de 2\times15{,}68=31{,}36 à 2\times20{,}61=41{,}22.

Exercice 4 · Sachets de café ★★★

On pèse n=16 sachets de café d’une machine de conditionnement. On suppose que la masse suit une loi \mathcal{N}(\mu,\sigma^2) avec \sigma=2 g (connu). On observe \overline{x}_n=252{,}3 g.

  1. Donner un intervalle de confiance de \mu au niveau 95\,\%.
  2. Le fabricant affirme que la masse moyenne est de 250 g. Ce résultat est-il compatible avec l’intervalle obtenu ?
  3. Quelle taille d’échantillon faudrait-il pour obtenir un intervalle de longueur inférieure à 1 g au niveau 95\,\% ?
Corrigé

1. \varepsilon=1{,}96\times\frac{2}{\sqrt{16}}=1{,}96\times0{,}5=0{,}98. IC : [252{,}3-0{,}98\,;\,252{,}3+0{,}98]=[251{,}32\,;\,253{,}28].

2. 250\notin[251{,}32\,;\,253{,}28] : l’affirmation du fabricant n’est pas compatible avec les observations au niveau 95\,\%.

3. On veut 2\varepsilon=2\times1{,}96\times\frac{2}{\sqrt n}\leqslant1, soit \sqrt n\geqslant2\times1{,}96\times2=7{,}84, donc n\geqslant61{,}47. Il faut au minimum n=62 sachets.

Exercice 5 · Sondage électoral et TCL ★★★

On réalise un sondage auprès de n=1\,000 personnes. On observe que 520 d’entre elles sont favorables à un candidat.

  1. Construire un intervalle de confiance asymptotique de la proportion p au niveau 95\,\% en utilisant le TCL.
  2. Le candidat peut-il affirmer qu’il est en tête (c’est-à-dire p>0{,}5) avec un niveau de confiance de 95\,\% ?
  3. Quelle taille d’échantillon faudrait-il pour que la marge d’erreur soit inférieure à 1 point de pourcentage ?
Corrigé

1. \overline{x}_n=0{,}52. L’IC asymptotique est \Big[\overline{x}_n-\frac{t_\alpha}{2\sqrt n},\ \overline{x}_n+\frac{t_\alpha}{2\sqrt n}\Big] avec t_{0,05}=1{,}96 ; \varepsilon=\frac{1{,}96}{2\sqrt{1000}}=\frac{1{,}96}{63{,}25}\approx0{,}031. IC observé : [0{,}52-0{,}031\,;\,0{,}52+0{,}031]=[0{,}489\,;\,0{,}551].

2. Non : 0{,}5\in[0{,}489\,;\,0{,}551]. L’intervalle contient des valeurs inférieures à 0{,}5, donc on ne peut pas affirmer que p>0{,}5 au risque 5\,\%.

3. On veut \frac{t_\alpha}{2\sqrt n}\leqslant0{,}01, soit \sqrt n\geqslant\frac{1{,}96}{0{,}02}=98, donc n\geqslant9\,604.

Exercice 6 · Taux de glucose ★★★

Un laboratoire mesure la concentration en glucose (en g/L) de n=50 prélèvements sanguins. On suppose que la concentration suit une loi normale \mathcal{N}(\mu,\sigma^2) avec \sigma=0{,}15 g/L (connu). On observe \overline{x}_n=0{,}97 g/L.

  1. Construire un intervalle de confiance de \mu au niveau 99\,\%.
  2. La norme médicale considère un taux normal entre 0{,}70 et 1{,}10 g/L. L’intervalle de confiance est-il entièrement contenu dans cette plage ?
  3. Si l’on voulait un intervalle de longueur inférieure à 0{,}05 g/L au même niveau de confiance, combien de prélèvements faudrait-il ?
Corrigé

1. \varepsilon=t_{0,01}\frac{\sigma}{\sqrt n}=2{,}576\times\frac{0{,}15}{\sqrt{50}}=2{,}576\times0{,}02121\approx0{,}0547. IC : [0{,}97-0{,}055\,;\,0{,}97+0{,}055]=[0{,}915\,;\,1{,}025].

2. Oui, [0{,}915\,;\,1{,}025]\subset[0{,}70\,;\,1{,}10] : l’IC est entièrement dans la plage normale.

3. On veut 2\varepsilon=2\times2{,}576\times\frac{0{,}15}{\sqrt n}\leqslant0{,}05, soit \sqrt n\geqslant\frac{2\times2{,}576\times0{,}15}{0{,}05}=15{,}46, donc n\geqslant238{,}9. Il faut au minimum n=239 prélèvements.

Exercice 7 · Comparer Bienaymé-Tchebychev et TCL ★★★

Soit (X_1,\dots,X_n) un n-échantillon de loi de Bernoulli \mathcal{B}(p).

  1. Donner l’intervalle de confiance de p au niveau 1-\alpha obtenu par l’inégalité de Bienaymé-Tchebychev.
  2. Donner l’intervalle de confiance asymptotique de p au niveau 1-\alpha obtenu par le TCL.
  3. Pour n=100 et \alpha=0{,}05, calculer la longueur de chacun des deux intervalles. Lequel est le plus précis ? Pourquoi ?
  4. À partir de quelle valeur de n l’intervalle asymptotique (TCL) a-t-il une longueur inférieure à 0{,}10 ?
Corrigé

1. IC Bienaymé-Tchebychev : \Big[\overline{X}_n-\frac{1}{2\sqrt{n\alpha}},\ \overline{X}_n+\frac{1}{2\sqrt{n\alpha}}\Big], de longueur L_n^{BT}=\frac{1}{\sqrt{n\alpha}}.

2. IC asymptotique (TCL) : \Big[\overline{X}_n-\frac{t_\alpha}{2\sqrt n},\ \overline{X}_n+\frac{t_\alpha}{2\sqrt n}\Big], de longueur L_n^{TCL}=\frac{t_\alpha}{\sqrt n}.

3. Pour n=100, \alpha=0{,}05 : L_{100}^{BT}=\frac{1}{\sqrt{100\times0{,}05}}=\frac{1}{\sqrt5}\approx0{,}447 et L_{100}^{TCL}=\frac{1{,}96}{\sqrt{100}}=0{,}196. Le TCL donne un intervalle plus de 2 fois plus court. Il est plus précis car il utilise davantage d’information (approximation gaussienne) que l’inégalité de Bienaymé-Tchebychev (qui ne suppose que l’existence de la variance).

4. On veut L_n^{TCL}\leqslant0{,}10, soit \frac{1{,}96}{\sqrt n}\leqslant0{,}10, donc \sqrt n\geqslant19{,}6 et n\geqslant384{,}16. Il faut n\geqslant385.

Exercice 8 · Retrouver la taille de l’échantillon ★★★

Un institut de sondage communique à un candidat aux élections régionales l’intervalle de confiance asymptotique au niveau 95\,\% de son score : [0{,}347\,;\,0{,}434].

  1. Déterminer la fréquence observée \overline{x}_n.
  2. En déduire la taille n de l’échantillon interrogé.
  3. Quel serait l’intervalle si l’institut avait interrogé 4 fois plus de personnes ?
Corrigé

1. L’IC asymptotique est centré en \overline{x}_n. Donc \overline{x}_n=\frac{0{,}347+0{,}434}{2}=0{,}3905.

2. La demi-longueur vaut \varepsilon=\frac{t_\alpha}{2\sqrt n}=0{,}434-0{,}3905=0{,}0435. Donc \frac{1{,}96}{2\sqrt n}=0{,}0435, soit \sqrt n=\frac{1{,}96}{2\times0{,}0435}=\frac{1{,}96}{0{,}087}\approx22{,}53 et n\approx507{,}6. Donc n\approx508 personnes interrogées.

3. Avec 4n personnes, la demi-longueur est divisée par \sqrt4=2 : \varepsilon'=\frac{0{,}0435}{2}\approx0{,}0218. L’intervalle serait [0{,}3905-0{,}022\,;\,0{,}3905+0{,}022]=[0{,}369\,;\,0{,}412].

Exercice 9 · Le candidat A sera-t-il élu ? ★★★

Dans un pays fictif, deux candidats se disputent une élection. On note p la proportion d’électeurs désirant voter pour le candidat A. On interroge un échantillon de n=100 personnes ; 55 déclarent vouloir voter pour A.

  1. Construire un intervalle de confiance asymptotique de p au niveau 95\,\%.
  2. Peut-on déclarer, au risque \alpha=5\,\%, que le candidat A sera élu ?
  3. Quel effectif minimal faudrait-il pour pouvoir conclure à l’élection de A (avec la même fréquence observée \overline{x}_n=0{,}55) au risque 5\,\% ?
Corrigé

1. \overline{x}_n=0{,}55, n=100. IC asymptotique : \Big[\overline{x}_n-\frac{t_\alpha}{2\sqrt n},\ \overline{x}_n+\frac{t_\alpha}{2\sqrt n}\Big] ; \varepsilon=\frac{1{,}96}{2\times10}=0{,}098. IC : [0{,}55-0{,}098\,;\,0{,}55+0{,}098]=[0{,}452\,;\,0{,}648].

2. Non : 0{,}5\in[0{,}452\,;\,0{,}648]. On ne peut pas affirmer au risque 5\,\% que le candidat A sera élu ; l’échantillon est trop petit pour conclure.

3. On veut que la borne inférieure de l’IC dépasse 0{,}5 : \overline{x}_n-\frac{t_\alpha}{2\sqrt n}>0{,}5, soit 0{,}55-\frac{1{,}96}{2\sqrt n}>0{,}5, d’où \frac{1{,}96}{2\sqrt n}<0{,}05, \sqrt n>\frac{1{,}96}{0{,}10}=19{,}6, donc n>384{,}16. Il faut au minimum n=385 personnes.

Exercice 10 · Sondage confidentiel (d’après concours) ★★★

Pour estimer la proportion p de personnes ayant un comportement sensible (par ex. fraude fiscale), on utilise le protocole suivant : chaque personne lance secrètement une pièce équilibrée. Si elle obtient Pile, elle répond sincèrement à la question. Si elle obtient Face, elle répond « oui » quoi qu’il en soit.

On interroge n personnes. On note Y_i la réponse de la i-ème personne (Y_i=1 si « oui », Y_i=0 si « non »).

  1. Montrer que \mathbb{P}(Y_i=1)=\frac{1+p}{2}.
  2. En déduire que \mathbb{E}(Y_i)=\frac{1+p}{2} et \mathbb{V}(Y_i)=\frac{(1+p)(1-p)}{4}.
  3. Proposer un estimateur sans biais de p à partir de \overline{Y}_n=\frac1n\sum_{i=1}^{n}Y_i.
  4. En utilisant le TCL et le fait que \mathbb{V}(Y_i)\leqslant\frac14, construire un intervalle de confiance asymptotique de p au niveau 1-\alpha.
  5. Application : pour n=500 et \overline{y}_n=0{,}63, donner un intervalle de confiance de p au niveau 95\,\%.
Corrigé

1. Par la formule des probabilités totales : \mathbb{P}(Y_i=1)=\mathbb{P}(\text{Pile})\,\mathbb{P}(\text{oui}\,|\,\text{Pile})+\mathbb{P}(\text{Face})\,\mathbb{P}(\text{oui}\,|\,\text{Face})=\frac12\cdot p+\frac12\cdot1=\frac{1+p}{2}.

2. Y_i suit une loi de Bernoulli : \mathbb{E}(Y_i)=\mathbb{P}(Y_i=1)=\frac{1+p}{2} et \mathbb{V}(Y_i)=\mathbb{E}(Y_i)\big(1-\mathbb{E}(Y_i)\big)=\frac{1+p}{2}\cdot\frac{1-p}{2}=\frac{1-p^2}{4}\leqslant\frac14.

3. On a \mathbb{E}(Y_i)=\frac{1+p}{2}, donc p=2\mathbb{E}(Y_i)-1. Un estimateur sans biais de p est : T_n=2\overline{Y}_n-1.

4. Par le TCL appliqué à \overline{Y}_n, et en majorant \mathbb{V}(Y_i)\leqslant\frac14 : l’IC asymptotique de \mathbb{E}(Y_i)=\frac{1+p}{2} est \Big[\overline{Y}_n-\frac{t_\alpha}{2\sqrt n},\ \overline{Y}_n+\frac{t_\alpha}{2\sqrt n}\Big]. En transformant par p=2\mathbb{E}(Y_i)-1, l’IC de p est \Big[2\overline{Y}_n-1-\frac{t_\alpha}{\sqrt n},\ 2\overline{Y}_n-1+\frac{t_\alpha}{\sqrt n}\Big].

5. \overline{y}_n=0{,}63, T_n=2\times0{,}63-1=0{,}26, \frac{t_\alpha}{\sqrt n}=\frac{1{,}96}{\sqrt{500}}=\frac{1{,}96}{22{,}36}\approx0{,}0877. IC : [0{,}26-0{,}088\,;\,0{,}26+0{,}088]=[0{,}172\,;\,0{,}348].

Interprétation : on est confiant à 95\,\% que la vraie proportion de fraudeurs se situe entre 17{,}2\,\% et 34{,}8\,\%. La technique garantit l’anonymat, mais au prix d’un intervalle large.

Exercice 11 · Comparaison de deux méthodes et taille optimale (synthèse) ★★★

Soit (X_1,\dots,X_n) un n-échantillon de loi \mathcal{B}(p), p\in\,]0,1[ inconnu.

Partie A – Intervalle exact par Bienaymé-Tchebychev.

1. Montrer que l’intervalle I_n^{BT}=\Big[\overline{X}_n-\dfrac{1}{2\sqrt{n\alpha}},\ \overline{X}_n+\dfrac{1}{2\sqrt{n\alpha}}\Big] est un intervalle de confiance de p au niveau 1-\alpha.
2. Calculer sa longueur L_n^{BT}.

Partie B – Intervalle asymptotique par le TCL.

3. Rappeler l’intervalle I_n^{TCL} et sa longueur L_n^{TCL}.
4. Montrer que L_n^{TCL}<L_n^{BT} pour tout n suffisamment grand. Pour \alpha=0{,}05, à partir de quelle valeur de n a-t-on L_n^{TCL}<L_n^{BT} ?

Partie C – Détermination de la taille d’échantillon. Un institut de sondage souhaite estimer p avec les contraintes suivantes :

  • marge d’erreur \leqslant2 points de pourcentage (\varepsilon=0{,}02) ;
  • niveau de confiance 95\,\%.

5. Déterminer la taille minimale n_{BT} en utilisant la méthode de Bienaymé-Tchebychev.
6. Déterminer la taille minimale n_{TCL} en utilisant la méthode du TCL.
7. Commenter l’écart entre n_{BT} et n_{TCL}.

Corrigé

Partie A.

1. Par Bienaymé-Tchebychev : \mathbb{P}\big(|\overline{X}_n-p|\leqslant\varepsilon\big)\geqslant1-\frac{p(1-p)}{n\varepsilon^2}\geqslant1-\frac{1}{4n\varepsilon^2}. On pose \frac{1}{4n\varepsilon^2}=\alpha, d’où \varepsilon=\frac{1}{2\sqrt{n\alpha}} et I_n^{BT}=\Big[\overline{X}_n-\frac{1}{2\sqrt{n\alpha}},\ \overline{X}_n+\frac{1}{2\sqrt{n\alpha}}\Big].

2. L_n^{BT}=\frac{1}{\sqrt{n\alpha}}.

Partie B.

3. I_n^{TCL}=\Big[\overline{X}_n-\frac{t_\alpha}{2\sqrt n},\ \overline{X}_n+\frac{t_\alpha}{2\sqrt n}\Big] et L_n^{TCL}=\frac{t_\alpha}{\sqrt n}.

4. L_n^{TCL}<L_n^{BT}\iff\frac{t_\alpha}{\sqrt n}<\frac{1}{\sqrt{n\alpha}}\iff t_\alpha<\frac{1}{\sqrt\alpha} (condition indépendante de n). Pour \alpha=0{,}05 : t_{0,05}=1{,}96 et \frac{1}{\sqrt{0{,}05}}=\frac{1}{0{,}2236}\approx4{,}47. Comme 1{,}96<4{,}47, l’inégalité est vérifiée pour tout n : l’IC par le TCL est toujours plus court.

Partie C.

5. Bienaymé-Tchebychev : \frac{1}{2\sqrt{n\alpha}}\leqslant0{,}02, soit n\geqslant\frac{1}{4\times0{,}02^2\times0{,}05}=\frac{1}{0{,}00008}=12\,500. Donc n_{BT}=12\,500.

6. TCL : \frac{t_\alpha}{2\sqrt n}\leqslant0{,}02, soit \sqrt n\geqslant\frac{1{,}96}{0{,}04}=49 et n\geqslant2\,401. Donc n_{TCL}=2\,401.

7. Bienaymé-Tchebychev exige 5 fois plus de données (12\,500 contre 2\,401) pour la même précision. C’est le prix d’un résultat exact mais peu fin. En pratique, dès que n\geqslant30, on préfère le TCL, bien plus économique en taille d’échantillon.


Pour aller plus loin

Pr. Elakili, agrégé de mathématiques et professeur en classes préparatoires depuis 25 ans, accompagne aussi quelques étudiants vers les écoles de commerce, à Casablanca et à distance. En savoir plus

Publications similaires