Aller au contenu principal
Statistiques & Probabilités · L2

La moyenne : de l'espérance théorique à l'estimation empirique

La moyenne est la notion centrale des statistiques et probabilités en L2 économie. Elle intervient à deux niveaux : comme espérance théorique E(X) d'une variable aléatoire, et comme moyenne empirique…

11 questions Corrections détaillées Niveau L2
16 min de cours ~5 min de QCM 8 sections Intermédiaire
1 Introduction 16 min restant
1

moyenne

La moyenne est la notion centrale des statistiques et probabilités en L2 économie. Elle intervient à deux niveaux : comme espérance théorique E(X) d'une variable aléatoire, et comme moyenne empirique X̄ calculée sur un échantillon. La loi des grands nombres garantit que X̄ converge…

2

Objectifs d'apprentissage

  • Calculer la moyenne arithmétique et l'espérance mathématique E(X)
  • Distinguer moyenne théorique (μ) et moyenne empirique (X̄)
  • Appliquer la linéarité de l'espérance et les formules usuelles (Bernoulli, binomiale, normale)
  • Analyser la distribution d'échantillonnage de X̄ et l'erreur-type σ/√n
  • Construire et interpréter un intervalle de confiance et un test sur la moyenne
3

Concepts clés à maîtriser

Moyenne arithmétique (empirique)

Intermédiaire
X̄ = (1/n) Σ xi, moyenne des observations d'un échantillon de taille n.
Centre de gravité des données observées ; estimateur naturel de l'espérance μ.
Estimateur sans biais et convergent de μ (E(X̄) = μ, loi des grands nombres).
X̄ = (x1 + x2 + ... + xn) / n

Espérance mathématique E(X)

Intermédiaire
Moyenne théorique d'une variable aléatoire : E(X) = Σ xi P(X=xi) (discrète) ou ∫ x f(x) dx (continue).
Valeur moyenne pondérée par les probabilités ; centre de la distribution.
Bernoulli : E(X)=p ; Binomiale B(n,p) : E(X)=np ; Normale N(μ,σ²) : E(X)=μ.

Linéarité de l'espérance

Intermédiaire
E(aX + b) = a E(X) + b et E(X + Y) = E(X) + E(Y) sans condition d'indépendance.
L'espérance se comporte linéairement, contrairement à la variance.
E(XY) = E(X)E(Y) seulement si X et Y sont indépendantes.

Distribution d'échantillonnage et erreur-type

Intermédiaire
Loi de probabilité de X̄ ; son écart-type (erreur-type) vaut σ/√n.
Plus n est grand, plus X̄ est concentré autour de μ.
Pour diviser l'erreur par 2, il faut multiplier n par 4.
SE(X̄) = σ/√n ; si population normale : X̄ ~ N(μ, σ²/n)

Théorème central limite (TCL)

Intermédiaire
La moyenne d'un grand échantillon de v.a. i.i.d. (variance finie) tend vers une loi normale.
Quelle que soit la loi de départ, X̄ devient approximativement normale pour n grand.
Justifie l'usage de la loi normale pour les tests et IC quand n est suffisamment grand.

Inférence sur la moyenne

Intermédiaire
Tests et intervalles de confiance pour estimer ou tester μ à partir de X̄.
On mesure l'écart entre X̄ et μ0 rapporté à l'erreur-type estimée.
Utiliser Student (pas la normale) quand σ est inconnu et n est petit.
Test : t = (X̄ - μ0) / (S/√n) ~ T(n-1) si σ inconnu ; IC : X̄ ± tα/2,n-1 × S/√n
Quick check

Un estimateur sans biais de la moyenne μ vérifie :

4

Auteurs et références

William Sealy Gosset (Student) Loi t pour l'inférence sur la moyenne avec variance inconnue
Ronald Fisher Fondements de l'inférence statistique et estimation
Pierre-Simon Laplace Théorème central limite (forme historique)
Carl Friedrich Gauss Loi normale et moindres carrés
  • Student (Gosset, W.) (1908) — The Probable Error of a Mean, Biometrika
  • Fisher, R. A. (1925) — Statistical Methods for Research Workers, Oliver and Boyd
  • Casella, G.; Berger, R. (2002) — Statistical Inference, Duxbury Press
  • Lind, D.; Marchal, W.; Wathen, S. (2021) — Statistical Techniques in Business and Economics, McGraw-Hill
5

Pièges fréquents à éviter

Erreur Confondre moyenne, médiane et mode
Pourquoi La moyenne est sensible aux valeurs extrêmes ; médiane et mode mesurent d'autres centres.
Solution La normale est symétrique : moyenne = médiane = mode ; pas en général.
Erreur Croire que E(X+Y) = E(X)+E(Y) exige l'indépendance
Pourquoi La linéarité de l'espérance est toujours vraie ; seul E(XY) = E(X)E(Y) requiert l'indépendance.
Solution Distinguer linéarité (toujours) et produit (indépendance requise).
Erreur Utiliser la loi normale quand σ est inconnu et n est petit
Pourquoi Avec σ estimé par S et petit échantillon, la statistique suit une loi de Student à n-1 ddl.
Solution Student si σ inconnu ; normale si σ connu ou n très grand.
Erreur Interpréter l'IC à 95 % en probabilité bayésienne
Pourquoi En inférence fréquentiste, 95 % des intervalles construits par la méthode contiendraient μ, pas « μ a 95 % de chances d'être dans cet intervalle ».
Solution Formuler l'interprétation sur la méthode, pas sur un intervalle particulier.
Erreur Confondre σ/√n et σ/n pour l'erreur-type
Pourquoi L'écart-type de X̄ est σ/√n, pas σ/n.
Solution Retenir SE(X̄) = σ/√n et Var(X̄) = σ²/n.
Quick check

Pour un échantillon gaussien, (X̄ - μ) / (S/√n) suit :

6

Questions types d'examen

  1. Calculez E(X) pour une variable discrète ou une loi usuelle (Bernoulli, binomiale, normale).
  2. Quelle est la différence entre μ et X̄ ? Quelles propriétés de l'estimateur X̄ ?
  3. Énoncez le TCL et décrivez la distribution d'échantillonnage de X̄.
  4. Calculez l'erreur-type et construisez un intervalle de confiance à 95 % pour μ.
  5. Réalisez un test de Student pour H0 : μ = μ0 et interprétez la p-value.
7

À retenir

La moyenne existe en deux registres : espérance théorique E(X)=μ et moyenne empirique X̄. X̄ est sans biais et convergent (loi des grands nombres) ; sa dispersion est σ/√n. Le TCL justifie l'approximation normale de X̄ pour n grand. L'inférence sur μ repose sur le test t et les intervalles de confiance avec Student quand σ est inconnu. L'examinateur attend le calcul d'espérances, la maîtrise des formules d'erreur-type et une interprétation correcte des IC.

8

Teste tes connaissances

11 questions disponibles

Choisis ton mode et entraîne-toi avec des corrections détaillées.

Cette notion est aussi traitée dans d'autres matières — choisis ta matière de pratique :
Statistiques & Probabilités 11 Q Statistiques Descriptives 2 Q
10

Questions fréquentes

Qu'est-ce que moyenne en Statistiques & Probabilités ?

La moyenne est la notion centrale des statistiques et probabilités en L2 économie. Elle intervient à deux niveaux : comme espérance théorique E(X) d'une variable aléatoire, et comme moyenne empirique X̄ calculée sur un échantillon. La loi des grands nombres…

Combien de questions sont disponibles ?

CampusQCM propose 11 questions corrigées sur moyenne avec explications pédagogiques détaillées.

Comment réviser moyenne efficacement ?

Commencez par le mode Révision, lisez les corrections, refaites les erreurs après quelques jours, puis passez en mode Examen.

Ce QCM est-il adapté au programme de L2 ?

Oui, nos questions correspondent au programme officiel de L2 du cursus Economie.

Les QCM fonctionnent-ils sur mobile ?

Oui, CampusQCM est entièrement optimisé pour smartphones et tablettes. Révisez moyenne où que vous soyez, vos scores se synchronisent entre vos appareils.

Les QCM sont-ils gratuits ?

Oui, tous nos QCM sont entièrement gratuits. Créer un compte vous permet de sauvegarder vos scores et suivre votre progression, mais ce n'est pas obligatoire.

← Notion précédente espérance Notion suivante → normale

Continuer à réviser

🧠 Toutes les notions · Statistiques et probabilités 📖 Hub Statistiques et probabilités 📝 QCM · Loi Normale 🔗 Hub global des notions 📘 Matières L2 📊 Parcours Économie ✍️ Conseils de révision Créer un compte gratuit Se connecter