Vous êtes sur la page 1sur 16

STATISTIQUE POUR LA LOGISTIQUE

Chapitre 4 : Inférence statistique/Estimation


© A. AIT EL CADI 2021
Abdessamad.aitelcadi@univ-valenciennes.fr
A. AIT EL CADI

Plan de la séance
• Introduction: Inférence Statistique
• Quelques définitions
• Estimation - Démarche générale
• L’estimateur ponctuel
• L’estimateur par intervalle
• Estimation de la moyenne
A. AIT EL CADI

Introduction
• Inférence statistique
Dans le chapitre 2 on a étudié la statistique
descriptive. Maintenant on va introduire
l’inférence statistique. L’ Inférence statistique
se divise en deux volets :
▫ L’estimation
▫ Les tests d’hypothèses

3
A. AIT EL CADI

Introduction
Dans ce chapitre on va s’intéresser à l’estimation de
paramètres d’une population à partir des données
échantillonnales.

Exemple : On dispose d’un échantillon de mesure de


poids de puceron. Après étude descriptive on soupçonne
l’échantillon provenir d’une loi normale. Or une loi
normale est définie par sa moyenne et sa variance. Alors
la question qu’on se pose est :
Comment estimer ces paramètres connaissant
uniquement les valeurs de l’échantillon ?
4
A. AIT EL CADI

Quelques définitions :
▫ Population : ensemble des de toutes les mesures
de la variable sur l’univers (Variable aléatoire).
▫ Échantillon : sous ensemble d’unités
expérimentales pris au hasard dans l’univers
(échantillon d’unités expérimentales, échantillon
de la population)
▫ Un paramètre : mesure caractérisant la variable
dans la population, généralement inconnu.
▫ Une statistique : mesure caractérisant la variable
dans un échantillon.

5
A. AIT EL CADI

Estimation - Démarche générale :


Soit X une v.a. (une population) dont on
connaît un échantillon de taille n. Et soit  le
paramètre qu’on cherche à estimer.

L’estimateur de  est une statistique de la


forme :
ˆ = h( X 1 , X 2 ,..., X n )

6
A. AIT EL CADI

Estimation - Démarche générale :


ˆ = h( X 1 , X 2 ,..., X n )
Pour déterminer cet estimateur on va procéder
comme suit :
▫ On détermine la distribution échantillonnale de la
statistique associée (supposée être le bon
estimateur);
▫ Et on détermine l’estimation :
 Soit ponctuelle
 Soit par intervalle de confiance

Exercice(exemple) : la moyenne
7
A. AIT EL CADI

L’estimateur ponctuel :
Est une statistique qui permet de donner une
estimation d’un paramètre .

Un estimateur ponctuel doit vérifier certaines


propriétés :
▫ Doit être sans biais (centré) :
E ˆ  = 
▫ Doit avoir la plus petite variabilité
Var ˆ  = min Var ˆ , où ˆ est un estimateurde  
8
L’estimateur par intervalle :
• L’estimateur par intervalle de confiance bilatéral:
Se sont deux statistiques L et U :
L = L( X 1 , X 2 ,..., X n )
U = U ( X 1 , X 2 ,..., X n )

Tels que :
P (L    U ) = 1 − 


1 − est appelé degré de confiance, le risque
associé et on parle d’un intervalle de confiance
de degré : 1−
9
L’estimateur par intervalle :
• Intervalle de confiance unilatéral:
Est une statistique L (resp. U), tel que :
P (L   ) = 1−
(resp. P(  U ) =1− )

10
A. AIT EL CADI

Estimation de la moyenne
• Distribution échantillonnale de la moyenne
▫ Cas d’une population normale
 2 
 , n
X ~ N 

 

▫ Cas d’une population quelconque


 Théorème central limite
 2 
 , n
X ~ N 

 
lorsque n⎯⎯→ +
11
Estimation de la moyenne
• Remarques
▫ n suffisamment grand quand n >= 30.
▫ si la population est symétrique, on peut utiliser ce
résultat quand n >= 10.
▫ si la population est-elle même normale, on peut
utiliser ce résultat même si n est petit.
▫ il ne faut pas confondre l’écart-type de la variable
aléatoire qui prend pour valeurs les moyennes
d’échantillons de taille n, et l’écart-type d’un
échantillon.

12
A. AIT EL CADI

Estimation de la moyenne
• Estimation ponctuelle de la moyenne
▫ La meilleur estimation est
̂ = X

▫ Car
 
E X =

Var X  =
 2
⎯n⎯⎯→ 0
→ +
n

13
A. AIT EL CADI

Loi de Student
Soit T une v.a. continue. T est dite de loi de Student de
degré de liberté si sa fonction de densité est définie
par : 2 − (v +1) 2
 
t
f T (t ) = c(v )1 +  , − t  
 v
avec v degrés de liberté, v = 1,2,...
et c(v) est une constante qui dépend de v.
Et on a: RT =  E T  = 0
Var T  = v (v − 2 ) pour 2  v
• Résultat important
Lorsque X suit une loi normale et son écart-type est
inconnu, on a: X −
~ T ( n − 1)
S n 14
A. AIT EL CADI

Estimation de la moyenne
Estimation de la moyenne par intervalle de confiance :
▫ Cas bilatéral p = 1 −  2
 Variance connue et (population normale ou n grand)

 = X  zp
n

 Variance inconnue et population normale


S
 = X  tp
n

 Variance inconnue et n très grand


S
 = X  zp
n

▫ Cas unilatéral p = 1 −  ou 
15
A. AIT EL CADI

Estimation de la moyenne
• Taille de l’échantillon nécessaire :
Lorsque est connu on peut déterminer la taille
d’échantillon, n, nécessaire pour que l’erreur
d’estimation soit inférieur à un certain seuil pour
un niveau de confiance 1 − :
 
2

n   zp 
  

Lorsque est inconnu on peut déterminer la taille n


de la même façon que ci-dessus puis on la corrige à
l’aide de tables.
16

Vous aimerez peut-être aussi