Stat Decision 1

L2 MIO : Cours de
Statistique de la
Décision
Dr. Mouhamad M.
Allaya
Préambule
Rappels de lois
discrètes et continues
Statistiques usuelles &

Estimations L2 MIO : Cours de Statistique de la
ponctuelles
Estimation par Décision

intervalle de confiance
Tests de conformité
Références Dr. Mouhamad M. Allaya
Universite de Thiès
5 novembre 2021
1 / 61
L2 MIO : Cours de
Statistique de la
Décision
Objectifs
Dr. Mouhamad M.
Allaya
Préambule
Rappels de lois
1. Motiver et présenter quelques outils de Statistiques
Estimations
Décisionnelles ;
ponctuelles
2. Donner un aperçu de méthodes d’estimations
Estimation par
intervalle de confiance ponctuelles et par intervalles ;
3. Donner un usage des intervalles de confiance et Tests
Références
statistiques pour des paramètres d’intérêts ;
4. Petite sensibilisation à Matlab et R & exemples
computationnels centrés sur l’usage de Statistiques
Décisionnelles.
2 / 61
L2 MIO : Cours de
Statistique de la
Décision
Sommaire I
Dr. Mouhamad M.
Allaya Préambule
Préambule Rappels de lois discrètes et continues
Rappels de lois Variable aléatoire
lois discrètes
Estimations
lois continues
ponctuelles
Estimation par
Statistiques usuelles & Estimations ponctuelles
intervalle de confiance Statistiques usuelles
Tests de conformité Moyenne, Variance et Fréquence empiriques
Références Estimation ponctuelle
Estimation par intervalle de confiance
I.C pour une moyenne : premier cas
I.C pour une moyenne : deuxième cas
I.C pour une variance : Premier cas
I.C pour une variance : Deuxième cas
I.C pour une proportion
3 / 61
L2 MIO : Cours de
Statistique de la
Décision
Sommaire II
Dr. Mouhamad M.
Allaya
Test de conformité sur une proportion
Test de conformité sur une moyenne
Préambule
Test de conformité sur une variance
Rappels de lois

Estimations
ponctuelles
Estimation par
Références
Références
4 / 61
L2 MIO : Cours de
Statistique de la
Décision
Dr. Mouhamad M.
Allaya
Préambule
Construire, Modéliser, Gérer, et Maintenir des données
Rappels de lois issues d’entrepôts de données pour par exemple
œ Mesurer la portée de campagnes Marketing ;
Estimations
ponctuelles
œ Connaitre l’efficacité d’un traitement sur des patients
Estimation par atteints d’une maladie donnée ;
œ mesurer les pertes et profits d’une entreprise ;
Références Applications en Marketing, Finance, Assurance, Gestion de

portefeuilles, Informatique, etc.
+ Extraire/résumer de l’information pertinente pour des
fins de décision
5 / 61
L2 MIO : Cours de
Statistique de la
Décision
Exemples préliminaires
Dr. Mouhamad M.
Allaya
Préambule
Rappels de lois
œ Observations, mesures :
œ on lance une pièce 10 fois, on obtient 4 fois Face ;
Estimations
œ on rate le bus, le prochain arrive 12 mn plus tard ;
ponctuelles œ il pleut aujourd’hui lundi alors qu’hier dimanche le ciel
Estimation par était nuageux ;
œ un certain roulement à billes a fonctionné pendant
deux ans et 3 mois
Références
œ etc.
œ Il s’agit d’observations, de mesures ou d’évènements
concrets
Données observées, valeurs issues d’expériences
empiriques
6 / 61
L2 MIO : Cours de
Statistique de la
Décision
Statistique, Modélisation et Probabilité
Dr. Mouhamad M.
Allaya
Définition
Préambule
Les valeurs observées sont vues comme des observations de
Rappels de lois
phénomènes aléatoires
Estimations
ponctuelles
œ résultat d’un lancer d’une pièce ;
Estimation par œ intervalle de temps entre deux passages du bus ;
œ temps qu’il fait le lendemain d’un jour nuageux ;
Références œ durée de fonctionnement d’un certain type de
roulement à billes ;
œ etc.
Définition
On observe une valeur x. Modéliser, c’est considérer qu’il
s’agit de la valeur observée d’une variable aléatoire X .
Besoin des probabilités, d’un modèle théorique

7 / 61
L2 MIO : Cours de
Statistique de la
Décision
Statistique et Probabilité
Dr. Mouhamad M.
Allaya
Préambule
Rappels de lois
Ex 1 On observe une proportion de Face x = 4/10
La proba théorique est 1/2 si la pièce n’est pas truquée
Estimations
Ex 2 L’intervalle observé est de 12 mn
ponctuelles
Le bus quitte son terminus toutes les 10 mn
Estimation par
intervalle de confiance Ex 3 Il pleut lundi, à la suite d’un dimanche nuageux
Tests de conformité La météo indique une probabilité de pluie de 2/3
Références Ex 4 Le roulement à billes a fonctionné 27 mois
Le fabricant garantit une durée de vie de 3 ans
Y-a-t-il une contradiction entre les observations et le
modèle ?
Y-a-t-il une contradiction entre la pratique et la théorie ?
8 / 61
L2 MIO : Cours de
Statistique de la
Décision
Rappels de probabilité
Dr. Mouhamad M.
Allaya
Préambule
Rappels de lois
œ Une variable aléatoire (VA) est une fonction des
Variable aléatoire
évènements qui n’est pas calculable (comme une
lois discrètes
lois continues
fonction usuelle) mais seulement observable
Statistiques usuelles & œ A chaque expérience (mesure, évènement élémentaire)
Estimations
ponctuelles est associé un nombre, qu’on peut seulement observer,
Estimation par et non prévoir
œ Elle est définie par
Références
œ l’ensemble des valeurs qu’elle peut prendre
œ sa distribution (ou répartition) sur ces valeurs
Discrète : sur {0, 1}, sur {0, 1, . . . , n}, sur N
À Continue : sur [0, 1], sur R
9 / 61
L2 MIO : Cours de
Statistique de la
Décision
Variable aléatoire discrète
Dr. Mouhamad M.
Allaya On dit que X ª B(µ) si
Préambule 8x 2 {0, 1} P(X = x) = µ x (1 ° µ)1°x
Rappels de lois
discrètes et continues avec µ 2]0, 1[.
Variable aléatoire
lois discrètes
lois continues

Estimations
ponctuelles
Estimation par
Références
F IGURE – v.a de Bernoulli de paramètre µ = 2/3

10 / 61
L2 MIO : Cours de
Statistique de la
Décision
Variable aléatoire discrète
Dr. Mouhamad M.
Allaya On dit que que X ª Bin(n, µ) si
Préambule 8k 2 {0, 1, . . . , n} P(X = k) = Cnk µ k (1 ° µ)n°k
Rappels de lois
discrètes et continues avec µ 2]0, 1[.
Variable aléatoire
lois discrètes
lois continues

Estimations
ponctuelles
Estimation par
Références
F IGURE – v.a binomiale de paramètres n = 20, µ = 1/3
11 / 61
L2 MIO : Cours de
Statistique de la
Décision
Variable aléatoire continue
Dr. Mouhamad M.
Allaya On dit que que X ª N (0, 1) si
1 2
Préambule
8x 2 R, fX (x) = p e°x /2
Rappels de lois 2º
Variable aléatoire
lois discrètes
lois continues

Estimations
ponctuelles
Estimation par
Références
F IGURE – v.a normales de paramètres (0, 1)
12 / 61
L2 MIO : Cours de
Statistique de la
Décision
Dr. Mouhamad M.
Allaya On dit que X ª ¬2k , k 2 N§ si :
Préambule 1
8x 2 R+ , fX (x) = xk/2°1 e°x/2
Rappels de lois
2k/2 °(k/2)
Variable aléatoire
lois discrètes
lois continues

Estimations
ponctuelles
Estimation par
Références
F IGURE – v.a de Chi2 de paramètre k = 25
13 / 61
L2 MIO : Cours de
Statistique de la
Décision
Dr. Mouhamad M.
Allaya On dit que X ª T (k), k 2 N§ si :
µ ∂°( k+1 )
Préambule
1 °((k + 1)/2) x2 2
Rappels de lois 8x 2 R, fX (x) = p 1+

discrètes et continues kº °(k/2) k
Variable aléatoire
lois discrètes
lois continues

Estimations
ponctuelles
Estimation par
Références
F IGURE – v.a de Student de paramètre k = 3

14 / 61
L2 MIO : Cours de
Statistique de la
Décision
Dr. Mouhamad M.
Allaya On dit que X ª F (k1 , k2 ), k1 , k2 2 N§ si :
≥ ¥k1 /2 ≥ ¥k2 /2
Préambule k1 x k1 x
k1 x+k2 1 ° k1 x+k2
Rappels de lois
8x 2 R§+ , fX (x) =
Variable aléatoire
xB(k1 , k2 )
lois discrètes
lois continues

Estimations
ponctuelles
Estimation par
Références
F IGURE – v.a de Fisher de paramètres k1 = 10, k2 = 100

15 / 61
L2 MIO : Cours de
Statistique de la
Décision
Espérance, Variance
Dr. Mouhamad M.
Allaya
Deux paramètres très importants :
Préambule œ Espérance (localisation)
Rappels de lois
discrètes et continues Ω P
Variable aléatoire i xi pi
lois discrètes E(X ) = R+1
lois continues °1 xf (x)dx
Estimations
ponctuelles
œ Variance (dispersion)
Estimation par
intervalle de confiance V(X ) = E(X 2 ) ° (E(X ))2 = E(X ° E(X ))2
Références Exemples :
X ª B(p), E(X ) = p, V(X ) = p(1 ° p)
X ª B(n, p), E(X ) = np, V(X ) = np(1 ° p)

X ª N(2, 3), E(X ) = 2, V(X ) = 3
16 / 61
L2 MIO : Cours de
Statistique de la
Décision
Echantillon
Dr. Mouhamad M.
Allaya
On veut, à partir d’un échantillon de la population, déduire
Préambule
des informations sur cette population.
Rappels de lois
Statistiques usuelles & P.b : Comment choisir une partie de la population qui
Estimations
ponctuelles reproduit le plus fidèlement possible ses caractéristiques ?
Statistiques usuelles
Estimation ponctuelle
Estimation par Réponse : Échantillonnage (ne sera pas abordé dans ce

cours)
Références Définition
Le n°uplet (X1 , . . . , Xn ) formé de n variables aléatoires
indépendantes et de même loi est appelé n-échantillon ou
échantillon de taille n. La réalisation unique (x1 , . . . , xn ) de
l’échantillon (X1 , . . . , Xn ) est l’ensemble des valeurs
observées.
17 / 61
L2 MIO : Cours de
Statistique de la
Décision
Dr. Mouhamad M.
Allaya
Préambule
Rappels de lois

Définition
Estimations
ponctuelles Une statistique Y sur un échantillon (X1 , . . . , Xn ) est une
Moyenne, Variance et
variable aléatoire, fonction mesurable des Xk ;
Fréquence empiriques
Y = f (X1 , . . . , Xn ).
Estimation par
intervalle de confiance Les statistiques sont utilisées pour estimer les
Tests de conformité caractéristiques de la population totale. Les statistiques les
Références
plus utilisées sont la moyenne empirique, la variance
empirique, la fréquence empirique.
18 / 61
L2 MIO : Cours de
Statistique de la
Décision
Moyenne, Variance et Fréquence empiriques I
Dr. Mouhamad M.
Allaya Posons E(X ) = µ, V (X ) = æ2 (inconnues)
Préambule
Définition
Rappels de lois
discrètes et continues On appelle moyenne empirique de l’échantillon (X1 , . . . , Xn )
Statistiques usuelles & de X, la statistique
Estimations n
ponctuelles 1X
X̄ = Xi
n i=1
Fréquence empiriques
Estimation par
intervalle de confiance Définition
Tests de conformité On appelle variance empirique de l’échantillon (X1 , . . . , Xn )
Références de X, la statistique
1X n 1X n
2 2
S = (Xi ° X̄ ) = Xi2 ° X̄ 2
n i=1 n i=1
19 / 61
L2 MIO : Cours de
Statistique de la
Décision
Moyenne, Variance et Fréquence empiriques II
Dr. Mouhamad M.
Allaya
Préambule Soit une population comportant deux modalités A et B. Soit

Rappels de lois º la proportion d’individus de la population possédant la
modalité A. 1 ° º est donc la proportion des individus de la
Estimations population possédant la modalité B.
ponctuelles
Statistiques usuelles On extrait de la population un échantillon de taille n. Soit Kn
Fréquence empiriques la v.a qui représente le nombre d’individus dans
Estimation par
l’échantillon ayant la modalité A.
Tests de conformité Définition

Références Kn
La v.a. F = s’appelle fréquence empirique.
n
Sa réalisation f est la proportion d’individus dans
l’échantillon ayant la modalité A.
20 / 61
L2 MIO : Cours de
Statistique de la
Décision
Estimateurs
Dr. Mouhamad M.
Allaya
Définition
Préambule
Rappels de lois
On appelle estimateur de µ toute fonction
discrètes et continues T := f (X1 , X2 , . . . , XN ) servant à estimer µ.
Estimations
ponctuelles
Qualités d’un estimateur
On appelle biais de l’estimateur la fluctuation B définit par :
Estimation par
Tests de conformité B(T ) := E(T ) ° µ.

Références
T est :
œ sans biais si B(T ) = 0;
œ asymptotiquement sans biais si limN!+1 E(T ) = µ
œ convergent si s.b. (ou a.s.b.) et limN!+1 V(T ) = 0
œ efficace si s.b. et de variance minimale.
21 / 61
L2 MIO : Cours de
Statistique de la
Décision
Dr. Mouhamad M.
Allaya
Préambule
Rappels de lois Soient T et T 0 2 estimateurs s.b.de µ. T plus efficace que T 0 si

V(T 0 ) ∏ V(T ).

Estimations
ponctuelles Échantillon gaussien
on se donne un échantillon de lois normale de paramètres µ
Estimation par
et æ2 , i.e
Tests de conformité œ (X1 , X2 , . . . , XN ) i.i.d
Références
22 / 61
L2 MIO : Cours de
Statistique de la
Décision
Dr. Mouhamad M.
Allaya
Préambule

V(T 0 ) ∏ V(T ).

Estimations
Estimation par
et æ2 , i.e
Références
œ Xi ª N (µ, æ2 ), pour i = 1, 2, . . . , N
22 / 61
L2 MIO : Cours de
Statistique de la
Décision
Dr. Mouhamad M.
Allaya
Préambule

V(T 0 ) ∏ V(T ).

Estimations
Estimation par
et æ2 , i.e
Références
œ Xi ª N (µ, æ2 ), pour i = 1, 2, . . . , N
œ µ := (µ, æ2 )
22 / 61
L2 MIO : Cours de
Statistique de la
Décision
Dr. Mouhamad M.
Allaya
Préambule

V(T 0 ) ∏ V(T ).

Estimations
Estimation par
et æ2 , i.e
Références
œ Xi ª N (µ, æ2 ), pour i = 1, 2, . . . , N
œ µ := (µ, æ2 )
Objectif : estimer µ et æ2
22 / 61
L2 MIO : Cours de
Statistique de la
Décision
Estimer une moyenne
Dr. Mouhamad M.
Allaya
Théorème
Préambule
La moyenne empirique définie par
Rappels de lois
1 XN
Statistiques usuelles & X̄ := Xi (1)
Estimations
ponctuelles
N i=1
est un estimateur de la moyenne µ de l’échantillon.
Estimation par
Tests de conformité propriétés

Références
œ E(X̄ ) = µ donc s.b.
1
œ V(X̄ ) = N V(X ) ! 0 donc convergent ;
œ 8T un autre estimateur de µ, V(X̄ ) ∑ V(T ) donc X̄
efficace.
X̄ °µ
œ Loi des grands Nombres : ) p converge en loi vers
æ/ N
N (0, 1)
23 / 61
L2 MIO : Cours de
Statistique de la
Décision
Estimer une moyenne
Dr. Mouhamad M.
Allaya
Préambule
Rappels de lois
Statistiques usuelles & Sensibilité par rapport aux données aberrantes !

Estimations
ponctuelles
Statistiques usuelles Exemple
Estimation par
Une PME de 9 employés et un directeur à sa tête. On
suppose que les 9 employés ont un salaire de 1500
euro/mois chacun et 3500 euro/mois pour le directeur. On
Références 1
voit bien que le x̄ = 10 (9 £ 1500 + 3500) = 1700
24 / 61

Stat Decision 1

Transféré par

Informations du document

Description originale:

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Stat Decision 1

Transféré par

Droits d'auteur :

Formats disponibles

L2 MIO : Cours de

Statistiques usuelles &

Estimation par Décision

Références Dr. Mouhamad M. Allaya

Statistiques usuelles &

Références Applications en Marketing, Finance, Assurance, Gestion de

Besoin des probabilités, d’un modèle théorique

Statistiques usuelles &

F IGURE – v.a de Bernoulli de paramètre µ = 2/3

Statistiques usuelles &

F IGURE – v.a binomiale de paramètres n = 20, µ = 1/3

Statistiques usuelles &

F IGURE – v.a normales de paramètres (0, 1)

Statistiques usuelles &

F IGURE – v.a de Chi2 de paramètre k = 25

Rappels de lois 8x 2 R, fX (x) = p 1+

Statistiques usuelles &

F IGURE – v.a de Student de paramètre k = 3

Statistiques usuelles &

F IGURE – v.a de Fisher de paramètres k1 = 10, k2 = 100

X ª B(p), E(X ) = p, V(X ) = p(1 ° p)

X ª B(n, p), E(X ) = np, V(X ) = np(1 ° p)

Estimation par Réponse : Échantillonnage (ne sera pas abordé dans ce

Statistiques usuelles &

Préambule Soit une population comportant deux modalités A et B. Soit

Tests de conformité Définition

Tests de conformité B(T ) := E(T ) ° µ.

Rappels de lois Soient T et T 0 2 estimateurs s.b.de µ. T plus efficace que T 0 si

Statistiques usuelles &

Rappels de lois Soient T et T 0 2 estimateurs s.b.de µ. T plus efficace que T 0 si

Statistiques usuelles &

Rappels de lois Soient T et T 0 2 estimateurs s.b.de µ. T plus efficace que T 0 si

Statistiques usuelles &

Rappels de lois Soient T et T 0 2 estimateurs s.b.de µ. T plus efficace que T 0 si

Statistiques usuelles &

Tests de conformité propriétés

Statistiques usuelles & Sensibilité par rapport aux données aberrantes !

Vous aimerez peut-être aussi