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
