S TATISTIQUES I NF E RENTIELLES

B. El Asri
ENSA, Agadir

`
Genie

3 eme
annee
Pro et Ci;
2013-2014.

B. El Asri (ENSA)

Statistiques Inferentielles.

2013-2014

1/ 20
1 / 20

P LAN

D E FINITIONS

E STIMATION

E STIMATION PAR INTERVALLE DE CONFIANCE

E XEMPLES

T EST D HYPOTHSE

B. El Asri (ENSA)

Statistiques Inferentielles.

2013-2014

2/ 20
2 / 20

O UTLINE

D E FINITIONS

E STIMATION

E STIMATION PAR INTERVALLE DE CONFIANCE

E XEMPLES

T EST D HYPOTHSE

B. El Asri (ENSA)

Statistiques Inferentielles.

2013-2014

3/ 20
3 / 20

S TATISTIQUES INF E RENTIELLES .

`
S TATISTIQUES INF E RENTIELLES : Elle repose sur un modele
inconnues a`
probabiliste et se propose destimer la loi (probabilite)
laide des observations.

S ITUATION : X1 . . . Xn une suite dobservations de meme

loi P
inconnue.

Q UESTION :determiner
partiellement ou totalement P.

`
Determiner
un parametre
de P, : cest de lestimation.
`
Trancher entre plusieurs hypotheses
portant sur P : Cest un test
`
dhypotheses.
E XEMPLE :
Proportion de malades dans une population.
`

Proportion de pieces
defectueuses
dans une livraison.

Consommation moyenne en energie.

`

Soit le parametre
en question : Determiner
une valeur approche de
: Estimer . Dire si < 0, 1 ou non : Tester.
B. El Asri (ENSA)

Statistiques Inferentielles.

2013-2014

4/ 20
4 / 20

O UTLINE

D E FINITIONS

E STIMATION

E STIMATION PAR INTERVALLE DE CONFIANCE

E XEMPLES

T EST D HYPOTHSE

B. El Asri (ENSA)

Statistiques Inferentielles.

2013-2014

5/ 20
5 / 20

E STIMATION PONCTUELLES .
D E FINITION

Un estimateur est sans biais si son esperance

est egale
a` la
`
valeur du parametre
de P:
b = .
E[]
b est appelee
alors E[]
le biais de
Si lestimateur est biaisee,
b
lestimateur .
Soient b1 et b2 deux estimateurs sans biais de . On dit que
lestimateur b1 est plus efficace que b2 si Var(b1 ) Var(b2 ).
Un estimateur b est convergent si b converge en probabilite vers

, lorsque la taille de lechantillon

augumente :
 > 0; lim P(| b |> ) = 0.
n+

Un estimateur b est asymptotiquement sans biais si:

b = .
lim E[]
n+

B. El Asri (ENSA)

Statistiques Inferentielles.

2013-2014

6/ 20
6 / 20

E STIMATION DE LA MOYENNE .

Soit X v.a de parametres

m et . On observe un echantillon

X = (X1 , . . . , Xn ), ou` les Xi sont independantes

et de meme
loi. Alors
la statistique
n
1X
X =
Xi
n
i=1

est un estimateur sans biais et convergent vers m.

L A MEILLEURE ESTIMATION PONCTUELLE DE m EST LA MOYENNE
TIQUE :
ARITHM E
n
1X
b =X =
m
Xi
n
i=1

B. El Asri (ENSA)

Statistiques Inferentielles.

2013-2014

7/ 20
7 / 20

E XEMPLE .
O N OBSERVE UN E CHANTILLON DE TAILLE N D UNE LOI UNIFORME SUR
[0, ]:
`
Comme E[X ] = 2 , on peut estimer le parametre
par :
b1 = 2X .
On peut aussi estimer par :
b2 = max Xi .
i=1,...,n

O N V E RIFIE QUE LE PREMIER CONVERGE AVEC LA VITESSE

1
SECOND EN n
. O N PR E F E` RE ALORS LE SECOND .

B. El Asri (ENSA)

Statistiques Inferentielles.

1 ET LE
n

2013-2014

8/ 20
8 / 20

E STIMATION DE LA VARIANCE .
`

Soit X v.a de parametres

m et . On observe un echantillon

X = (X1 , . . . , Xn ), ou` les Xi sont independantes

et de meme
loi.
S I m EST CONNU .
Alors la statistique
n

b2 =

1X
(Xi m)2
n
i=1

est un estimateur sans biais et convergent.

S I m EST INCONNU .
Alors la statistique

b2 =

n
S2
n1

avec S 2 =

1X
(Xi X )2
n
i=1

est un estimateur sans biais et convergent.

B. El Asri (ENSA)

Statistiques Inferentielles.

2013-2014

9/ 20
9 / 20

O UTLINE

D E FINITIONS

E STIMATION

E STIMATION PAR INTERVALLE DE CONFIANCE

E XEMPLES

T EST D HYPOTHSE

B. El Asri (ENSA)

Statistiques Inferentielles.

2013-2014

10/ 20
10 / 20

D E FINITION .

`
Un intervalle de confiance dun parameetre
est un intervalle [b1 , b2 ]
qui contient tel que:
P(b1 b2 ) = 1 .
le seuil ou le niveau de risque, et donc 1 est
est appelee
le seuil ou le niveau de confiance.
appelee

P R E CISION DE L ESTIMATION .

Lintervalle de confiance fournit la precision

de lestimation. Plus

lintervalle de confiance est grande plus la precision

est faible.

B. El Asri (ENSA)

Statistiques Inferentielles.

2013-2014

11/ 20
11 / 20

E STIMATION DE LA MOYENNE .
SI

EST CONNUE .

La statistique:
X m
n

suit la loi normale N (0, 1).

L INTERVALLE DE CONFIANCE DE m POUR UN SEUIL DE RISQUE
EST:
P(X
i m X + i)= 1

ni
P( ni n mX
) = 1

ni
P( ni n X m
)=1

ni

| correspond a` la valeur de la variable normale reduite

pour

ni
notee
e , ainsi e = implique
la probabilite a donnee

e n = i.
B. El Asri (ENSA)

Statistiques Inferentielles.

2013-2014

12/ 20
12 / 20

E STIMATION DE LA MOYENNE .
SI

EST INCONNUE .

La statistique:
X m
n

suit la loi de student T (n).

L INTERVALLE DE CONFIANCE DE m POUR UN SEUIL DE RISQUE
EST:

X m
ni
ni
P(
n

) = 1 .

| bni | correspond a` la valeur de la variable de student pour une

notee
t pour n 1 degres
de
valeur de probabilite a donnee
liberte t , ainsi t = bni implique t bn = i.

R EMARQUE

Lorsque n > 30, la loi de student converge vers une loi normale reduite
B. El Asri (ENSA)

Statistiques Inferentielles.

2013-2014

13/ 20
13 / 20

E STIMATION DE LA VARIANCE .
2

suit la loi khi-deux de

S I m EST CONNUE . La statistique: X = n
2
1 Pn
2
de libertee
n avec = n i=1 (Xi m)2 .
degree
L INTERVALLE DE CONFIANCE DE POUR UN SEUIL DE RISQUE
EST:
P(12 2 22 ) = 1
2

2
P( n12 n
2 n2 ) = 1
2
2
P( n
X n
)=1
2
2
2

S I EST INCONNUE . La statistique: X = nS

suit la loi khi-deux de
2
de libertee
n.
degree
L INTERVALLE DE CONFIANCE DE POUR UN SEUIL DE RISQUE
EST:
P(12 2 22 ) = 1
2

2
P( nS12 nS
2 nS 2 ) = 1
2
2
P( nS
X nS
)=1
2
2
2

B. El Asri (ENSA)

Statistiques Inferentielles.

2013-2014

14/ 20
14 / 20

O UTLINE

D E FINITIONS

E STIMATION

E STIMATION PAR INTERVALLE DE CONFIANCE

E XEMPLES

T EST D HYPOTHSE

B. El Asri (ENSA)

Statistiques Inferentielles.

2013-2014

15/ 20
15 / 20

E XEMPLES .
E XEMPLE 1
Pour des masses comprises entre 50g et 200g, une balance donne
avec une variance de 0,0015. Les resultats

une pesee
des trois peses

dun meme
corps sont : 64,32 ; 64,27 ; 64 ,39.
On veut connatre le poids moyen de ce corps dans la population avec
un coefficient de confiance de 99 %.
X = 64,33g et e = 2,576.
dou` le poids moyen de ce corps est compris dans lintervalle [64,27 ;
64,39] avec une probabilite de 0,99.

S I LA VARIANCE EST INCONNUE CALCULER L INTERVALLE .

B. El Asri (ENSA)

Statistiques Inferentielles.

2013-2014

16/ 20
16 / 20

E XEMPLES .
E XEMPLE 2
1

Dans un echantillon
de 20 etudiants
de meme
classe dage
et de

est de 1,73m et
meme
sexe, la taille moyenne observee

lecart-type
de 10 cm. On veut connatre la taille moyenne de

lensemble des etudiants

de luniversite avec un coefficient de
confiance de 95 %.

Meme
question 1 avec un echantillon
de 100 etudiants.

La taille moyenne des etudiants

dans la population est comprise
dans lintervalle [1,68 ; 1,78] avec une probabilite de 0,95.
Lintervalle est [1,71 ; 1,75] avec une probabilite de 0,95.

R EMARQUE

Lorsque la taille de lechantillon

augmente pour un meme
coefficient

de confiance , lestimation autour de m est plus precise.

B. El Asri (ENSA)

Statistiques Inferentielles.

2013-2014

17/ 20
17 / 20

E XEMPLES .

E XEMPLE 3

Un laboratoire dagronomie a effectue une etude

sur le maintien du
pouvoir germinatif des graines de Papivorus subquaticus apr`s une

conservation de 3 ans. Sur un lot de 80 graines, 47 ont germe.

Calcuer lintervalle de la probabilite de germination des graines de
` trois ans de conservation avec un
Papivorus subquaticus apres
coefficient de confiance de 95%.

la probabilite de germination est comprise dans lintervalle [0,480 ;

0,696] avec une probabilite de 0,95.

B. El Asri (ENSA)

Statistiques Inferentielles.

2013-2014

18/ 20
18 / 20

E XEMPLES .

E XEMPLE 4
On dispose de 8 prises de sang. On obtient un dosage de cholestrol
en grammes de :
246

243

247

248

244

249

242

245.

On se propose destimer la moyenne et lecart

type de la variable taux

de cholesterol
est intervalle de confiance de la moyenne de niveau
95%.

B. El Asri (ENSA)

Statistiques Inferentielles.

2013-2014

19/ 20
19 / 20

O UTLINE

D E FINITIONS

E STIMATION

E STIMATION PAR INTERVALLE DE CONFIANCE

E XEMPLES

T EST D HYPOTHSE

B. El Asri (ENSA)

Statistiques Inferentielles.

2013-2014

20/ 20
20 / 20