Contenu du cours • Sondages • Mesures statistiques sur un échantillon • Estimateurs Mesures statistiques sur un échantillon
• Sur un échantillon, on peut mesurer les
mêmes types de paramètres de position et de distribution que sur une population • Utilisés comme estimateurs des paramètres inconnus dans la population Paramètres de position • Moyenne: on appelle m ou x la moyenne d’une variable quantitative calculée sur un échantillon, µ étant la moyenne inconnue dans la population. € de la variable, ∑x la Avec x: les valeurs somme de ces valeurs et n la taille de l’échantillon m= ∑ x n La moyenne m est l’estimateur de la moyenne µ inconnue Paramètres de position • Pourcentage: on appelle p un pourcentage observé sur un échantillon, P étant le pourcentage inconnu dans la population. Avec n la taille de l’échantillon et k le nombre d’individus présentant la caractéristique k p= n Le pourcentage p est l’estimateur du pourcentage P inconnu
€ Paramètres de dispersion • Variance empirique, d’un échantillon • Avec x: les valeurs de la variable, m: la moyenne de l’échantillon et n la taille de l’échantillon
v= ∑ ( x − m) n Peut-on estimer σ2 , la variance au niveau de la population par v??? € Paramètres de dispersion 2 • NON v= ∑ ( x − m) n NB: L’estimateur v est biaisé n −1 2 2 E(v) = n σ € s = 2 n v= ∑ ( x − m ) n −1 n −1
€ € Paramètres de dispersion • Variance: on appelle s2 la variance d’une variable quantitative calculée sur un échantillon, estimateur de la variance σ2 inconnue dans la population. Avec x: les valeurs de la variable, m: la moyenne de l’échantillon et n la taille de l’échantillon 2 (∑ x) 2 ∑ ( x − m) 2 (∑ x ) − n 2
s = = n −1 n −1 La variance s2 est l’estimateur de la variance σ2 inconnue Paramètres de dispersion • Ecart type: on appelle s l’écart type calculé sur les valeurs de l’échantillon, σ étant l’écart type inconnu dans la population.
2 s= s L’écart type s est l’estimateur de l’écart type σ inconnu
€ Estimation d’un paramètre • Définir les paramètres d’une population à partir des paramètres observés sur un échantillon POPULATION ECHANTILLON
inconnu observé
• La valeur observée a fort peu de chances d’être exactement
la valeur inconnue de la population • elle est néanmoins assez proche si l’échantillon est représentatif • en répétant l’échantillonnage, on trouverait d’autres valeurs, toutes assez proches les unes des autres On a mesuré le taux de fer sérique de 20 individus. Ce taux, exprimé en µg/100ml est le suivant : 83,0 ; 98,0 ; 183,3 ; 119,6 ; 78,5 ; 162,6 ; 155,7 ; 147,3 ; 100,1 ; 139,2 ; 172,1 ; 102,0 ; 162,8 ; 113,8 ; 157,4 ; 128,5 ; 136,2 ; 129,3 ; 131,6 ; 157,3. Calculer les estimations de la moyenne, de la variance et de l’écart-type du taux de fer sérique dans la population à partir de cet échantillon. La moyenne du taux de fer sérique µ dans la population est estimée par m, notée aussi x n
∑x i
m =€x = i=1 = 132,915µg /100ml n La variance σ2 est estimée par s2
n € ∑ (x i − m) 2 s2 = i=1 = 900 n −1
L’écart type σ est estimé par s
€ Estimation d’une moyenne Estimation d’une moyenne • Fluctuation d’échantillonnage d’une moyenne • Échantillon 1 -> m1 • Échantillon 2 -> m2
m1 m3 m2 Estimation d’une moyenne Théorème central limite: • La moyenne d’une variable quantitative calculée sur un échantillon est une variable aléatoire • Qui suit une loi normale (convergence vers une loi normale) • Cette loi normale est centrée sur la moyenne µ de la population Estimation: intervalle de pari • On se pose le problème suivant. On s'apprête à réaliser une série d'expériences, c'est-à-dire à mesurer la variable X sur un échantillon de n individus. Peut-on construire un intervalle [a, b] tel que la probabilité pour que la moyenne observée que l'on s'apprête à calculer appartienne à cet intervalle ait une valeur donnée? Il s'agit donc de construire un intervalle qui contienne avec une probabilité fixée la valeur observée que l'on va obtenir. Estimation d’une moyenne Résultat: intervalle de pari de la moyenne • Si, dans une population, une v.a. X a une moyenne µ et une variance σ2, la moyenne des n valeurs d’un échantillon a une probabilité 1-α d’être comprise entre σ σ µ− zα et µ+ zα n n Condition de validité: n ≥ 30
€ € Estimation d’une moyenne L’écart type de la moyenne m peut être estimé par: s sm = n Avec s: écart type des valeurs de l’échantillon n: taille de l’échantillon Applicable ssi la taille de l’échantillon est négligeable par rapport à la taille de la population (10%). € ATTENTION: ne pas confondre s et sm Intervalle de confiance d’une moyenne
• Un intervalle de confiance d’un paramètre
inconnu est une fourchette de valeurs dans laquelle le paramètre inconnu qu’on veut estimer a une probabilité 1-α de se trouver (et α de ne pas se trouver)
m − z α sm < µ < m + z α sm
Ici, on connaît m et on cherche à déterminer µ.
€ Intervalle de confiance d’une moyenne
• On cherche à déterminer µ
σ σ m− zα < µ < m+ zα n n σ est inconnu. On le remplace par son estimation s.
€ s s m− zα < µ < m+ zα n n Intervalle de confiance d’une moyenne
• L’intervalle de confiance au risque α permettant
l’estimation de µ à partir d’un échantillon (m, s) est s m± zα n • La valeur recherchée µ a une probabilité 1- α de se trouver dans cet intervalle. • Condition n ≥ 30 €
€ Machine A garantie par le constructeur comme faisant des comprimés de poids moyen 0,80g avec un écart-type de 0,02g Echantillon A prélevé 15 comprimés mA= 0,79 g
• X poids des comprimés suit loi normale
• Echantillon de 15 cps (n) • Machine A: µ connu (0.80) σ connu (0.02) • Intervalle de pari de la moyenne du poids m sur un échantillon vaut: σ σ µ −ε ;µ + ε n n Machine A garantie par le constructeur comme faisant des comprimés de poids moyen 0,80g avec un écart-type de 0,02g mA= 0,79 g
• n= 15 , µ = 0.80; σ =0.02 • Intervalle de pari de la moyenne du poids m sur un échantillon vaut: σ σ µ −ε ;µ + ε n n ε = 1.96 0.789;0.811 € Estimation d’un pourcentage Estimation d’un pourcentage • Etant donné une population où une proportion P des individus possède un certain caractère. Il s’agit d’estimer P à partir de p, proportion trouvée dans un échantillon de taille n. • On sait que np suit une loi binomiale B(n,P). • Si n est petit on utilise les calculs de la loi binomiale • Si n est grand,
( np suit N nP; écart - type = nP(1- P) ) P(1- P) p suit loi N P; ecart - type = n € Estimation d’un pourcentage
• Fluctuation d’échantillonnage d’un pourcentage
• Un pourcentage observé sur un échantillon est une variable aléatoire. Il varie selon les échantillons. • Cette variable suit une loi normale (convergence vers une loi normale) • Cette loi normale est centrée sur le pourcentage P de la population Estimation d’un pourcentage Résultat: intervalle de pari d’un pourcentage • Si, dans une population, on a la proportion P, le pourcentage p sur les n valeurs d’un échantillon a une probabilité 1-α d’être comprise entre
P(1− P) et P(1− P) P − zα P + zα n n Condition de validité: nP et n(1− P) ≥ 10
€ € Estimation d’un pourcentage
• Ecart type d’un pourcentage P peut être estimé
par:
p(1− p) sp = n
Conditions de validité: n négligeable par rapport à la
taille de la population (<10%) (ref: Ancelle) € Intervalle de confiance d’un pourcentage • Le but est d’estimer P à partir d’une observation sur un seul échantillon. • Théorème central limite • Condition np et n(1− p) ≥ 10 • L’intervalle de confiance au risque α permettant l’estimation de P à partir d’un échantillon (p, sp) est € p ± z α sp
