Chapitre 2:

L’ESTIMATION
Objectif

L’estimation consiste à donner des valeurs approchées aux paramétres

d’une population (p, µ, σ² ) ou (proportion, moyenne, variance) à partir
des donn´ees de l’´echantillon (f, 𝑋, S² ).
C’est quoi un estimateur ?
• Soient (X1, X2, ..., Xn) un n-échantillon aléatoire simple issu d’une
variable aléatoire X (discréte ou continue)
• et θ un paramétre associé à la loi probabilité Pθ de θ.

• Un estimateur de θ est une variable aléatoire T fonction des Xi

T = f(X1, X2, ..., Xn)
Si on considére n observations x1, x2, ..., xn, l’estimateur T fournira une
estimation de θ notée :
Les estimateurs Famous

• 𝑋, S² sont des estimations de µ et de σ² (resp.).

• Exemple :
Le paramétre λ d’une loi de Poisson peut-etre estimé par𝑋, S² .
Les estimateurs Famous
• On observe un ph´enom`ene de production de piéces manufacturées.
Chaque piéce est associée à une mesure (un indicateur de qualité par
exemple).
• Comme on ne peut pas vérifier chaque mesure, on procéde à un
échantillonnage qui nous fournit donc un échantillon.
• Supposons que la connaissance de la nature de cet indicateur nous
permet de faire l’hypothése qu’il obéit à une loi de probabilité
normale.
• Le probléme est maintenant, au vue de l’échantillon {xi}, de proposer
une valeur pour la moyenne de cette loi normale. Il faut procéder à
une estimation du paramétre vrai θ qui se traduit par la valeur 𝜃.
Les estimateurs Famous
Il y a une infinité de maniére possible parmi lesquelles ...
𝜃. = la moyenne ; 𝜃. = la médiane ; 𝜃.= le mode ; 𝜃. = x29 quel est le
meilleur estimateur de la moyenne ? existe-t-il ? qu’est ce que ca veut
dire meilleur ?

il n’existe pas de ”meilleur estimateur” ! mais il existe des critéres de

comparaison
Qualités d’un estimateur?
le biais On souhaite que l’´estimation ne soit pas systématiquement d´ecalée par rapport à la valeur
vraie.

la précision Si l’on répéte l’estimation sur un autre échantillon, on souhaite obtenir une estimation
cohérente, donc peu de variation d’un échantillon à l’autre. On parlera aussi d’efficacité.

la convergence Si l’on peut estimer la valeur du paramétre sur toute la population-mére, la valeur de
l’estimation obtenue doit etre la valeur vraie du paramétre.

la compléxité Toute estimation nécessite un calcul donc un temps. On s’attachera donc à évaluer la
complexité du calcul en fonction de la taille des données.

la robustesse Dans tout cas concret, il existe des sources de perturbations. On souhaite que l’estimation
ne soit pas sensible à la présence de valeurs abérantes
Qualités d’un estimateur?

Le Biais
La quantité E(T) − θ est appelée biais de
l’estimateur.
T est dit sans biais si E(T) = θ.
Qualités d’un estimateur?

Un ESB
Qualités d’un estimateur?

Le Biais
Qualités d’un estimateur?

Le Biais
Qualités d’un estimateur?

Un estimateur convegent
Un estimateur sans biais est convergent
si V (Tn) → 0 quand n → ∞
Estimateur convergent ?
• Lorsque l’on augmente la taille de l’échantillon, on augmente la
quantité d’information dont on dispose sur le phénomène aléatoire
que l’on étudie.
• Aussi, il est assez naturel de souhaiter qu’un estimateur ait tendance
à s’approcher de la valeur qu’il estime, lorsque la taille de l’échantillon
croît.
Estimateur convergent ?
• Exemple : L amoyenne empirique 𝑋
Estimateur convergent ?
Exercice
On a mesuré de poids de raisin produit par souche sur 10 souche prise
au hasard dans la vigne. On a obtenu les résultats suivants exprimzs en
kilogrammes : 2.4 3.4 3.6 4.1 4.3 4.7 5.4 5.9 6.5 6.9

(i) Calculer la moyenne et la variance de l’échantillon

(ii) En déduire les estimation ponctuelles non biaisées de la moyenne
et de la variance de la population dont sont extraites les souches.
Le risque quadratique ?
Le risque quadratique
Le risque quadratique ?
Exercice :
Démontrer que :
 e risque quadratique d'un estimateur vaut :

Le risque quadratique ?
Exercice : (Solution)
Démontrer que :
 e risque quadratique d'un estimateur vaut :

L’efficacité ?
 e risque quadratique d'un estimateur vaut :

Estimateurs classiques?