Académique Documents
Professionnel Documents
Culture Documents
1
Statistique = ensemble de données
ou
2- Distribution d’échantillonnage de X et S2
X -m
Rappel : Théorème centrale limite : σ
~> N(0,1)
n
2
b) Etude de la statistique S2 : variance empirique
1 n 1 n 2
S = ∑ (Xi − X) =
2
∑
2
2
Xi - X
n i=1 n i=1
σ2
E(S2) = n -1 σ 2 = σ2 -
n n
nS 2
Loi de S2 : 2
2
∼ > χ n-1 (Loi chi-deux à n-1 degrés de liberté)
σ
X-m ∼> T
Application : s n-1 (Loi de student à n-1 degrés de liberté)
n
3
II – Généralités sur l’estimation
Définitions :
3) Estimateur convergent :
θ est un estimateur convergent de θ s’il tend vers θ
quand la taille de l’échantillon tend vers l’infini.
4
C’est une mesure de la précision d’un estimateur. Si θ 1 , θ 2 sont deux
estimateurs sans biais, le plus précis sera celui de variance minimale
1) Estimateur de m : moyenne
1 n
X=
n∑
Xi est un estimateur sans biais convergent de m
i=1
2) Estimateur de σ 2 : variance
Estimateur intuitif = variance empirique S2
2 σ2
mais E(S ) = σ - 2
estimateur biaisé ,
n
on utilise un estimateur sans biais de σ 2 :
n
S*2 = 1
n −1 ∑
(Xi − X)2
i=1
3) Estimateur de p : proportion
Soit p la proportion d’individus d’une population ayant une
caractéristique A. La fréquence empirique est un estimateur
sans biais de p , F = nA/n
avec nA = nombre d’individus ayant la caractéristique A et
n = taille de l’échantillon
5
III - Estimation par intervalle de confiance
Estimation ponctuelle fournit une valeur selon l’échantillon.
4 cas possibles
P( X
σ
-b
< X -m
σ
< X -a
σ
) = 1-α = 0,95
n n n
6
On trouve u = 1,96 (table des fractiles de la loi N(0,1)
Et on en déduit a = X - uσ et b= X + uσ
n n
Intervalle de la forme : [ X - uσ ; X+ uσ n]
n
X -m
σ
~> N(0,1) (loi exacte)
n
Intervalle de la forme : [ X - uσ ; X+ uσ n]
n
on remplace σ par s*
X -m
~> N(0,1) (loi approchée)
s*
n
Intervalle de la forme : [ X - us ; X+ us ]
* *
n n
7
X -m
∼ > Tn-1 (Loi de student à n-1 degrés de liberté)
s*
n
Intervalle de la forme : [ X - ts ; X+ ts ]
* *
n n
nS 2 2
2
∼ > χ n-1 (Loi chi-deux à n-1 degrés de liberté)
σ
(n − 1)S 2
*
2
∼ > χ n-1
σ2
on utilise cette statistique pour trouver l’intervalle de confiance :
1
P(a < σ 2 < b) = 1-α = P( b <
1
< 1)
σ 2
a
8
P( (n − 1) S < (n − 1) S *2 (n − 1) S *2
*2
< ) = 1-α
b σ2 a
(n − 1) S *2 (n − 1) S *2
= χ12 on a donc b =
b χ12
(n − 1) S *2 (n − 1) S *2
) = χ 22 on a donc a =
a χ 22
(n − 1) S *2 (n − 1) S *2
[ , ]
χ 22 χ12