R EVUE DE STATISTIQUE APPLIQUÉE
R. T HEODORESCU
Remarques sur les plans d’échantillonnages optimaux
Revue de statistique appliquée, tome 16, n
o4 (1968), p. 35-40
<
http://www.numdam.org/item?id=RSA_1968__16_4_35_0>
© Société française de statistique, 1968, tous droits réservés.
L’accès aux archives de la revue « Revue de statistique appliquée » (
http://www.sfds.asso.fr/publicat/rsa.htm
) implique l’accord avec les conditions générales d’uti- lisation (
http://www.numdam.org/conditions). Toute utilisation commerciale ou im- pression systématique est constitutive d’une infraction pénale. Toute copie ou im- pression de ce fichier doit contenir la présente mention de copyright.
Article numérisé dans le cadre du programme Numérisation de documents anciens mathématiques
http://www.numdam.org/
REMARQUES
SUR LES PLANS D’ÉCHANTILLONNAGES OPTIMAUX
R. THEODORESCU
Université
Laval, Faculté des
SciencesDépartement de mathématiques, Québec
Dans les dernières
années,
desplans d’échantillonnage
ont été dé-terminés à l’aide de considérations
économiques qui
conduisent à laperte
minimale(voir
van der Waerden(1960)
etStange (1964)
et(1966)).
Ils’agit
en fait de faire intervenir leprincipe minimax.
Dans ce
qui
suit nous nous proposons deprésenter
deuxfaçons
deconstruire les
jeux qui
caractérisent lesplans d’échantillonnage.
Pourcela nous avons utilisé essentiellement
quelques
remarques antérieures(voir
Penkov et Theodorescu(1967))
ainsi quequelques
résultats deStange (1964)
et de Basler(1968),.
Les constructionsindiquées
ici s’insèrentdans la théorie
générale
desjeux,
et sontsusceptibles
d’être utilisées dans lapratique.
1. La théorie des
plans d’échantillonnage peut
être abordée à l’aidede la théorie des
jeux
ditsstatistiques,
où l’un desjoueurs
est"la nature" .
Il y a
plusieurs possibilités ;
onpeut imaginer
unjeu
entre la nature etle
producteur,
unjeu
entre la nature et l’acheteuret, enfin,
unjeu
entrela nature et là coalition
producteur-acheteur.
Dupoint
de vue mathéma-tique,
cesjeux
ont la mêmeforme, seuls.les paramètres qui
interviennent ont dessignifications différentes.
Dans cequi
suit nous examinons un deces trois
jeux,
sanspréciser lequel ;
celasignifie
que leplan
d’échan-tillonnage
obtenupourrait
être utilisé pour des caractères mesurables ainsi que pour des caractèresattributifs,
pour le contrôle en cours de fabrication ainsi que pour le contrôlefinal.
Considérons un lot d’effectif total N. Soit l’intervalle
[0, 1]
l’en-semble des
stratégies
pures p de lanature,
où p est laproportion
depièces
mauvaises dans lelot,
et X ={x , x }
l’ensemble desstratégies
pures du
"statisticien" (c’est-à-dire
un desjoueurs qui
intervient dans l’un des troisjeux possibles), où
lastratégie xA
revient àaccepter
le lot et lastratégie
Xa àrejeter
lelot.
Sur leproduit
cartésien[0, 1]
x Xnous définissons une fonction de
perte
L telle queSoit donc
36
où
Np
est lapartie
despièces
mauvaisesqui
sont retournées au statis- ticien etqui produisent
uneperte
a parpièce
et F leprix
fixe du con- trôle pour lelot ;
où b
(b a)
est laperte produite
par unepièce
mauvaise découverte avant la livraison et leprix de
contrôle parpièce
dans un contrôle 100%.
Pour ce
jeu
leprincipe
du minimax estsatisfait,
c’est-à-dired’où il s’ensuit que ce
jeu possède
unpoint-selle.
Si nous notons parpo
lepoint
d’intersection des droitesnous obtenons
avec A =
Na,
B = Nb et E = eN. Si p E[0, 1],
lepoint-selle
est(1 , xR)
et si po > 1, le
point-selle
est(1 , xA).
Ces deux solutionsreprésentent
des cas extrêmes
qui
ne sont pascompatibles
avec lesprincipes géné-
raux
qui dirigent
une fabrication. De toutefaçon,
il est naturel de sup- poserpo
E[0, 1]
; dans ce cas, si on connait lastratégie
pure de la nature p, lastratégie optimale
du statisticien seraitxA
si p po etxR
si p > po. Pour p = po, ce que le statisticien fait est indifférent.La
perte
minimale inévitable sera2. Comme nous l’avons
déjà remarqué,
il n’est paséconomique
de
rejeter systématiquement
le lot sip
E[0,1].
Il s’ensuit doncqu’un
échantillon d’effectif n N
pourrait
fournir une informationsupplémen- taire,
en vue deprendre
une décisionplus justifiée.
Soitdonc 03BE
le ca-ractère à contrôler et
(xi, ... , xn)
un échantillon d’effectif n concernant ce caractère. Notons parz =
f(x1,
... ,xn)
la
grandeur qui
sert comme variable de contrôle et soient f = inff (xi, ... x) f =
supf(x1,
...,xn) ,
la borne inférieure et la borne
supérieure, respectivement, prises
pour tous les échantillons(x1, ..., xn)
d’effectif n.Ensuite,
soit k~ [f, f]
une
grandeur, appelée
limited’acceptation ;
on remarque tout de suite que k est une fonction de n, soit k =k(n).
Si z k nousacceptons
leRevue de Statistique Appliquée, 1968 - vol. XVI - N° 4
lot et si z > k nous
rejetons
le lot. Unplan d’échantillonnage
sera doncdéfini par le
couple (n, k).
Soit maintenant
Zn l’espace
formé partoutes
les valeurspossibles
de z et pour
chaque
p E[0, 1]
définissons uneprobabilité P(p,
n ;A)
sur tous les boréliens A de
Zn. Ensuite,
soit d une fonction de décision mesurable définie surZ n
et à valeurs dansX,
telle queLa fonction de
risque correspondante
sera :où
Si nous posons
nous obtenons l’efficacité du
plan d’échantillonnage (n , k),
c’est-à-dire laprobabilité d’accepter
le lot. La fonction derisque
devient alorsNous avons construit le
jeu statistique ([0, 1], D, 03C1n.k),
où D ={d}
est l’ensemble des fonctions de décision
qui
se réduitdans
notre cas àune seule fonction d. Si nous tenons
compte
d’unepropriété
connue de lathéorie des
jeux,
onpeut ajouter
àl’expression p n’importe quelle
constante
(par rapport
auxstratégies qui
yinterviennent)
sans que la so- lution dujeu change ;
seule la valeur dujeu
est affectée par cetteopé-
ration.Supposons
que nousajoutions
àpn, k
le terme cnqui représente
le
prix
du contrôle des éléments de l’échantillon(xl, x )
d’effectifn, c’est-à-dire c est le
prix
de contrôle d’unepièce appartenant
à l’é-chantillon ;
nous allons conserver la notationpn, k
pour cette fonction derisque modifiée,
doncNous conservons aussi la notation pour le
jeu
modifié correspon-dant,
soit (LU. 1J,D, Pn.k)’
Pour cejeu
leprincipe
minimax est triviale-ment
vérifié,
parce qued’où il s’ensuit que la solution de ce
jeu
sera fournie par lepoint-selle
(p d) ;
ici nous avonsposé p
pour la valeur de pqui
réalise cemaximum.
La valeur de cejeu sera
38
3.
Regardons
maintenant([0, 1], D, 03C1n,k)
comme une famille dejeux, dépendant
de deuxparamètres
n et k. Il est donc raisonnable de choisir n et k defaçon
que la valeurv nk
soitminimale,
c’est-à-dire que nous cherchonsIl
s’agit
ici d’unsimple problème
de minimisationqui
n’a rien à faire avec leprincipe minimax,
au moinsapparemment.
Leplan
d’échan-tillonnage optimal
sera donc(no , ko) ,
oùD’autre
part,
onpeut imaginer
à ce stade un autrejeu. Supposons
que l’ensemble desstratégies
pures de la nature resteégal
à[0, 1],
maisl’ensemble des
stratégies
pures du statisticien devientY ={(n, k)},
c’est-à-dire l’ensemble des
plans d’échantillonnage (n , k)
avec la fonc-tion de
perte p (p , d), qui
sera notée par L(p ;
n ,k). Donc,
nousavons construit un nouveau
jeu
contre la nature([0, 1],
Y,L).
Nous sa- vonsd’après
la théorie desjeux qu’en général
sous une forme
équivalente,
nous savons que leprincipe
minimax n’est pas engénéral
vérifié. Il s’ensuit que leplan d’échantillonnage (no , ko),
déterminé par
(3),
donne une solutionacceptable,
mais pas une solution minimax. Elle sera une solutionminimax,
doncoptimale
de cepoint
devue, si
Sous des conditions assez
générales,
Basler(1968)
a démontré que leprincipe
minimax a lieu pour le regret R(p ;
n ,k),
défini parR (p ;
n ,k) = L (p ;
n,k) - Lmin (p)
où
Lmin (p)
est donné par(1),
cequi
estéquivalent
à la relation(4) .
C’est seulement dans ce cas que la solution(no , ko)
dujeu ([0, 1], Y, L)
co’incide avec lecouple qui
résulte de la minimisation de lavaleur vn,k,
donnée par
(2).
Mais en
général, quand
leprincipe
minimax n’est pas vérifié pour lejeu ([0, 1], Y, L),
ou bien nousacceptons
lecouple (no, ko)
comme lerésultat d’une
opération
deminimisation,
ou bien nous sommesobligés
de passer aux
stratégies
mixtes. Dans ce dernier cas, nousenvisageons
le
jeu ?,
039B,L),
où 03A8représente
l’ensemble lesstratégies mixtes
de la nature, A l’ensemble des
stratégies
mixtes A du statisticien etRevue de Statistique Appliquée, 1968 - vol. XVI - N° 4
Dans ce cas :
d’où il s’ensuit que le
"plan d’échantillonnage" (03C8o , 03BBo)
seraoptimal,
donc meilleur que leplan d’échantillonnage (n , k )
au moins dupoint
devue
théorique.
Cela revient àprendre
desplans d’échantillonnage (n, k)
avec des
probabilités données, problème qui
reste ouvert dupoint
de vuede l’utilité
pratique.
La conclusion
qui s’impose,
au moins pour lemoment,
c’estqu’on
doit chercher à trouver des conditionsqui
assurent la vérification duprincipe
minimax pour lejeu ([0, 1], Y, L),
ou bien se restreindre à utiliser leplan d’échantillonnage qui
résulte del’opération
de minimisa-tion de la valeur
vn,k,
donnée par(2).
4.
Nous. remarquons
que nous aurions pu arriver(voir
Basler(1968))
au
jeu ([0, 1], Y, L) directement,
enpartant
de la fonction deperte
L(p ;
n ,k).
Pourcela,
soitla
perte
du statisticien si le lot estaccepté
etla
perte
du statisticien si le lot estrejeté.
Laperte
moyenne sera alorsdonc la même
expression
queplus
haut.La
première présentation
dujeu ([0, 1],
03A8,L)
al’avantage
d’êtreentièrement
constructive,
en mettant mieux en évidence lesdifférents aspects
dujeu qui
caractérisent lesplans d’échantillonnage.
D’autrepart,
la deuxième construction de cejeu présente l’avantage
d’êtreplus
di-recte et se
prête
à desgénéralisations possibles ;
demême,
onpeut
admettre aussi le cas n =0, qui implique
que l’efficacité duplan
d’é-chantillonnage (0 , k)
est5. Le
plan d’échantillonnage (n , k)
est valable pour le contrôle par mesures ainsi que pour le contrôle par attributs.Pour le contrôle par mesures, l’efficacité
s’exprime toujours
à l’aide de la fonction derépartition
ducaractère 03BE
controlé. Pour le con-trôle par
attributs, l’espace Z n
devient{0,1,..., n},
z =f(x1, ..., xn)
est
égale
au nombre v despièces
mauvaises dans l’échantillon(x1,...,xn)
d’effectif n, la limite
d’acceptation
k EZn
et(voir
Penkov et Theodorescu(1967)).
(1) On peut prendre aussi la variante (voir Basler (1968)) L2 (p , n) = Nbp + (N - n)e + F + cn
si n n’est suffisamment faible par rapport à N.
40 REFERENCES
BASLER H. (1968) - Bestimmung kostenoptimaler Prüfpläne
mittels desMini-Max-Prinzips. Metrika, 12,
115-154.PENKOV
B.,
THEODORESCU R.(1967) -
Uber diespieltheoretische Behandlung
vonPrüfplänen.
Wiss. Z. Humboldt-Univ.Berlin,
Math. - Natur.Reihe, 16,
70-72.STANGE K.
(1964) -
DieBerechnung
wirtschaftlicher Pläne für messendePrüfung. Metrika, 8,
48-82.STANGE K.
(1966) -
EinNäherungsverfahren
zurBerechnung optimaler
Pläne fur messendePrüfung
bei bekannten Kosten und bekannterVerteilung
der Schlecht-anteile in denvorgelegten Liefermengen.
Metrika, 10,
92-136.van der WAERDEN B. L.
(1960) - Sampling inspection
as a minimumloss
problem.
Ann. Math.Statist., 31,
369-384.Revue de Statistique Appliquée, 1968 - vol. XVI - N° 4