Une petite simulation en python ....
Si on veut une marge d'erreur n'excédant pas 0.023 avec niveau de confiance 95%, il nous faut un écart-type d'en gros 0.0117.
On tire un lot de N=413 valeurs suivant une loi normale d'écart type 0.35. On prend pour échantillon les n=282 premières valeurs. On calcule la différence entre la moyenne du lot et la moyenne de l'échantillon.
On fait ça p=10000 fois, et on calcule l'écart-type des 10000 différences :
import random as rd
import numpy as np
def diffmoy(N,n,mu,sigma) :
Lot=[rd.gauss(mu,sigma) for i in range(N)]
moylot = np.mean(Lot)
moyech = np.mean(Lot[:n])
return moyech-moylot
def ectypdiff(N,n,mu,sigma,p) :
DM=[diffmoy(N,n,mu,sigma) for i in range(p)]
theo = sigma*np.sqrt((N-n)/N/n)
print("écart-type : {:.5f}; écart-type théorique : {:.5f}"\
.format(np.std(DM),theo))
Un essai :
ectypdiff(413,282,20,0.35,10**4)
écart-type : 0.01164; écart-type théorique : 0.01174
Maintenant, avec un lot 10 fois plus important, soit 4130, et un échantillon de 732 (on ne répète que 1000 fois) :
ectypdiff(4130,732,20,0.35,10**3)
écart-type : 0.01191; écart-type théorique : 0.01173