Vous êtes sur la page 1sur 5

Lestimation

Introduction
Ces estimations peuvent sexprimer soit par une seule valeur, on parlera
alors destimation ponctuelle, soit par un intervalle, on parlera dans ce cas
destimation par intervalle de confiance

1-Lestimation ponctuelle
Cette technique consiste estimer un paramtre de la population
laide dun seul nombre dduit des rsultats de lchantillon, ce nombre est
^

appel estimateur ponctuel et sera not


Un estimateur doit possder certaines qualits ou proprits afin de
fournir une bonne estimation. Cet estimateur doit tre sans biais, efficace et
convergent.
1

^
Estimateur sans biais : E( ) =

Estimateur efficace : si sa variance est la plus faible parmi les


variances des autres estimateurs sans biais

^
Lim

Estimateur convergent :
V( )=0

.2- Lestimation par intervalle de confiance


.

1-Estimation dune moyenne


Trois cas peuvent se prsenter selon la loi de probabilit de X
1ercas

connu alors la loi de probabilit de X sera X N(m, n )

do

X m

n
N ( 0 , 1)

X m

n < t/2 ) = 1 -
p(

p ( - t/2

X m

n < t/2 ) = 1 -
<

On dtermine alors la valeur de t /2 partir de la table de la loi normale


centre rduite. Par la suite on pourra dgager un intervalle de confiance pour
m.

X - t/2

n < m < X + t/2 n

Do m [ X - t/2

n , X + t/2 n ]

.
2mecas
inconnu et n > 30 alors la loi de probabilit sera :

do

S
X N(m, n )

X m
S
n N ( 0 , 1)

X m
S
n < t/2 ) = 1 -
p(

p ( - t/2

X m
S
n < t/2 ) = 1 -
<

On dtermine alors la valeur de t /2 partir de la table de la loi normale centre


rduite. Par la suite on pourra dgager un intervalle de confiance pour m.

X - t/2
3mecas

S
S
n < m < X + t/2 n

Do m [ X - t/2

S
S
n , X + t/2 n ]

inconnu et n<30 alors la loi de probabilit sera :

X m
S
n < t/2 ) = 1 -
p(

p ( - t/2

X m
S
n
ST ( n-1)

X m
S
n < t/2 ) = 1 -
<

On dtermine alors la valeur de t/2 partir de la table de la loi de Student Par la


suite on pourra dgager un intervalle de confiance pour m.

X - t/2

S
S
n < m < X + t/2 n

Do m [ X - t/2

S
S
n , X + t/2 n ]

2- Estimation dune proportion


Pour dterminer un intervalle de confiance pour une proportion on utilise
la distribution suivante (avec n > 30 ) :

f N( p ,

p(

pq
n )

d'o

f p
pq
n < t/2 ) = 1 -

f p
pq
n N ( 0 , 1)

p ( - t/2

f p
pq
n < t/2 ) = 1 -
<

On dtermine la valeur de t/2 partir de la table de la loi normale do :

f- t/2

pq
n < p < f+ t/2

pq
n

On remarque que les bornes de lintervalle de confiance de p, dpendent de la


valeur de p qui est inconnue. On va alors estimer p par f uniquement au niveau
des bornes de lintervalle. On aura alors :

f- t/2

f(1f)
n < p < f+ t/2

f(1f)
n

do : p [ f- t/2

f(1f)
n , f+ t/2

f(1f)
n ]

Section III- La dtermination de la taille de lchantillon


La taille de lchantillon est lie la marge derreur E quon va tolrer cest
dire la diffrence en valeur absolue entre le paramtre estimer et son
estimateur.
^
E= -

1-Cas d'une moyenne


On sait que :

X - t/2

n < m < X + t/2 n

donc m - X < t/2

Ainsi, pour un niveau de confiance 1 - , la marge derreur est au plus

gale t/2

n.

Cette

valeur

quantifie

lerreur

attribuable

aux

fluctuations

dchantillonnage. Do, on peut fixer la marge derreur E quon ne veut pas


excder et dterminer la taille minimale requise de lchantillon.

E = t/2

n =

t E 2
/2

Plus la marge derreur est faible plus la taille de lchantillon est leve

2- Cas dune proportion


Dans le cas de lestimation dune proportion on sait que :

f-p < t/2

do

E = t/2

p(1p)
n
p(1p)
n

La taille de lchantillon serait donc :

t 2 / 2 p(1p)
E
n=
Si on a une information sur la valeur approximative de p, on va la
remplacer dans la formule, sinon on remplace p par 0,5.