Vous êtes sur la page 1sur 14

MOOC Statistique pour ingénieur

Thème 2 : échantillonnage, estimation


Vidéo 1 : Vocabulaire et hypothèses de la statistique classique

F. Delacroix M. Lecomte
Institut Mines-Télécom
École Nationale Supérieure des Mines de Douai

MOOC Statistique pour ingénieur Thème 2 : échantillonnage, estimation


Sommaire

1 Vocabulaire de la statistique

2 Hypothèses de la statistique

MOOC Statistique pour ingénieur Thème 2 : échantillonnage, estimation


Le contrôle statistique

• Proportion d’ampoules défectueuses


• Durée de vie moyenne des ampoules

MOOC Statistique pour ingénieur Thème 2 : échantillonnage, estimation


Population, échantillon

MOOC Statistique pour ingénieur Thème 2 : échantillonnage, estimation


Population, échantillon

MOOC Statistique pour ingénieur Thème 2 : échantillonnage, estimation


Population, échantillon

n=6

MOOC Statistique pour ingénieur Thème 2 : échantillonnage, estimation


Inférence

?
MOOC Statistique pour ingénieur Thème 2 : échantillonnage, estimation
Sommaire

1 Vocabulaire de la statistique

2 Hypothèses de la statistique

MOOC Statistique pour ingénieur Thème 2 : échantillonnage, estimation


Les hypothèses de la statistique classique

Concept clé : la variabilité

Caractère = variable aléatoire

ex : durée de vie
µ = 2000

MOOC Statistique pour ingénieur Thème 2 : échantillonnage, estimation


Les hypothèses de la statistique classique

Soit une population sur laquelle on définit une variable aléatoire X.

(x1 , x2 , . . . , xn )

(X1 , X2 , . . . , Xn )
échantillon
• indépendantes
• suivant la même loi que X
population

MOOC Statistique pour ingénieur Thème 2 : échantillonnage, estimation


Échantillonnage

• Étudier le n-uplet (X1 , X2 , . . . , Xn )


• Étudier les statistiques

Tn = f(X1 , X2 , . . . , Xn )

MOOC Statistique pour ingénieur Thème 2 : échantillonnage, estimation


Exemple
{ ∑
n

1 si l’ampoule est défectueuse


Kn = Xi
X= i=1
0 sinon
= nombre d’ampoules défectueuses
dans l’échantillon
X1 , X2 , . . . , Xn indépendantes
Kn ∼ B(n, p)
Xi ∼ B(1, p)
1∑
n
Kn
p = P (Xi = 1) X= Xi =
n n
= P (la ième ampoule est défectueuse) i=1
= moyenne empirique de l’échantillon
= fréquence des ampoules défectueuses
dans l’échantillon

MOOC Statistique pour ingénieur Thème 2 : échantillonnage, estimation