Stat Decision2

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
L2 MIO : Cours de
Statistique de la
Décision
Estimer une variance
Dr. Mouhamad M.
Allaya
Préambule
Rappels de lois Théorème

La variance empirique définie par
Estimations
ponctuelles
1 XN
2
S := (Xi ° X̄ )2 (2)
N i=1
Estimation par
Tests de conformité est un estimateur de la variance æ2 de l’échantillon.

Références
propriétés
N°1 2
œ E(S2 ) =
N æ donc biaisé
œ limN!1 E(S2 ) = limN!1 N°1 æ2 = æ2 , donc a.s.b. ;
N
25 / 61
L2 MIO : Cours de
Statistique de la
Décision
Estimer une variance (Exemple)
Dr. Mouhamad M.
Allaya
Préambule
Rappels de lois
Reprenant l’exemple précédent de ce PME on a
Statistiques usuelles & x̄ = 1700 ) x̄2 = (1700)2 = 2890000

Estimations
ponctuelles
On calcule la somme des carrés des observations :
Estimation par
intervalle de confiance 10
X
Tests de conformité xi2 = 32500000
i=1
Références
On en déduit la variance empirique
1 X10
S2 = xi2 ° x̄2 = 360000
10 i=1
26 / 61
L2 MIO : Cours de
Statistique de la
Décision
Estimer une proportion ?
Dr. Mouhamad M.
Allaya
Préambule
Théorème
Rappels de lois
discrètes et continues La fréquence empirique définie par
Estimations nA
ponctuelles f := . (3)
Statistiques usuelles N
Estimation par est un estimateur de la proportion º.

Références
propriétés
œ f ª B(N, º) ;
œ E(f ) = º (proportion inconnue de la population
présentant le caractère A) ;
º(1°º)
œ V(f ) = N ! 0 donc convergent ;
27 / 61
L2 MIO : Cours de
Statistique de la
Décision
Estimer une proportion (Exemple)
Dr. Mouhamad M.
Allaya Un parti politique a décidé de commander un sondage à un
Préambule
institut de sondage en vu du référendum du 20 mars
Rappels de lois
prochain afin de mieux orienter sa campagne. L’institut a
mis en oeuvre un sondage portant sur 5000 individus. A
Estimations l’issu de cette enquête il est ressorti que 2000 individus
ponctuelles
étaient pour le NON, 1900 pour le OUI et le reste des 1100
individus étaient encore indécis. Un estimateur de la
Estimation par
proportion d’individus se proposant de voter NON est alors
Tests de conformité donné par
Références 2000 2
pNON = = = 0.4, soit 40%,
5000 5
Pour le OUI
1900 19
pOUI = = = 0.38, soit 38%,
5000 50
et pour les indécis
1100 11
pIndécis = = = 0.22, soit 22%.
5000 50 28 / 61
L2 MIO : Cours de
Statistique de la
Décision
Généralités
Dr. Mouhamad M.
Allaya Soit X une variable aléatoire dont la loi (ou probabilité)
Préambule
dépend d’un paramètre inconnu µ.
Rappels de lois
discrètes et continues L’estimation par intervalle de confiance consiste à trouver
Statistiques usuelles & un intervalle [a, b] qui a une grande probabilité (1 ° Æ) de
Estimations
ponctuelles contenir le paramètre µ.
Estimation par
I.C pour une moyenne : premier
œ [a, b] : intervalle de confiance du paramètre inconnu µ
cas
œ Æ : risque ou seuil d’erreur (probabilité pour que µ
I.C pour une moyenne :
n’appartienne pas à [a, b])

deuxième cas
I.C pour une variance : Premier

cas
I.C pour une variance : Deuxième œ (1 ° Æ) : niveau ou seuil de confiance (probabilité pour
cas
I.C pour une proportion que µ appartienne à [a, b])
Tests de conformité • L = b ° a est la longueur de l’intervalle.
Références
• On appelle marge d’erreur associée à un intervalle de
confiance la demi-longueur de cet intervalle.
µ peut être une moyenne, une variance une fréquence ou
toute autre caractéristique d’une population.
29 / 61
L2 MIO : Cours de
Statistique de la
Décision
Intervalle de confiance pour une moyenne I
Dr. Mouhamad M.
Allaya
Préambule On considère un N°échantillon gaussien (X1 , X2 , . . . , XN ) i.e

Rappels de lois Xi ª N (µ, æ2 ) pour i = 1, 2, . . . , N.

Estimations
Premier cas
ponctuelles
On suppose æ2 est connu. On montre alors que pour un
Estimation par
intervalle de confiance niveau de confiance 1 ° Æ, l’IC de µ est donné par :
cas ∑ ∏
I.C pour une moyenne : æ æ
deuxième cas
ICÆ (µ) = x̄ ° u1° Æ2 p ; x̄ + u1° Æ2 p
cas N N
I.C pour une variance : Deuxième
cas
avec :
œ u1° Æ2 est un réel lu sur la table de la loi normale
Références
standard appelé quantile d’ordre (1 ° Æ2 ) ;
œ x̄ une réalisation de X̄
30 / 61
L2 MIO : Cours de
Statistique de la
Décision
Intervalle de confiance pour une moyenne II
Dr. Mouhamad M.
Allaya
Exemple
Préambule
Dans une supérette on suppose que le nombre de visiteurs
Rappels de lois
discrètes et continues par heure suit une loi normale d’écart-type 7. On veut
Statistiques usuelles & connaitre le nombre de visiteurs moyen par heure. On
Estimations
ponctuelles dispose d’un échantillon du nombre de visiteurs par heure
Estimation par pendant 4 heures : 30, 25, 35, 18. Estimer par intervalle de
confiance de seuil Æ = 5% le nombre de visiteurs moyen par
cas
I.C pour une moyenne : heure de cette supérette.

deuxième cas

cas
Hypothèses : N = 4, Æ = 5%, x̄ = 27
cas
Tests de conformité On lit dans la table de la loi normale que u1° Æ2 = 1.96. (Voir
Références aussi la fonction qnorm(), dans R). Donc
∑ ∏
7 7
I = 27 ° 1.96 p ; 27 + 1.96 p = [20.14; 33.86]
4 4
31 / 61
L2 MIO : Cours de
Statistique de la
Décision
Intervalle de confiance pour une moyenne III
Dr. Mouhamad M.
Allaya
Préambule
est I.C au risque Æ = 5% pour de la moyenne des visites.
Rappels de lois
Statistiques usuelles & Exercice : Une machine remplit des capsules de poids
Estimations
ponctuelles moyen m et d’écart type 7.10 grammes. Sachant que le poids
Estimation par des capsules suit une loi normale de moyenne m
cas
1. Construire un intervalle de confiance de m au seuil de
deuxième cas
confiance 95% à l’aide d’un échantillon de taille 36 de
cas
moyenne x̄ = 10 grammes.
cas
2. Calculer la marge d’erreur associée.
Tests de conformité 3. Combien de capsules doit remplir cette machine si le

Références niveau de confiance exigé est de 90% avec une marge
d’erreur n’excédant pas 5 gr pour le même écart-type ?
32 / 61
L2 MIO : Cours de
Statistique de la
Décision
Intervalle de confinance pour une moyenne I
Dr. Mouhamad M.
Allaya
Préambule
Deuxième cas
Rappels de lois
discrètes et continues Cette fois on suppose æ2 inconnu. si x̄ est une réalisation de
Estimations
X̄ et s une réalisation de S, l’intervalle de confiance de µ de
ponctuelles
seuil Æ est :
Estimation par ∑ ∏
intervalle de confiance s s
cas
ICÆ (µ) = x̄ ° tÆ p ; x̄ + tÆ p
I.C pour une moyenne : N °1 N °1
deuxième cas

cas
avec :
cas
I.C pour une proportion œ tÆ est le quantile d’ordre 1 ° Æ/2 de la loi de Student à
Tests de conformité (N ° 1) degrés de libertés (lu sur la table de Student) ;
Références P (Xi °X̄ )2
œ S2 = N i=1 N la variance (de l’échantillon)
empirique.
33 / 61
L2 MIO : Cours de
Statistique de la
Décision
Intervalle de confinance pour une moyenne II
Dr. Mouhamad M.
Allaya
Préambule
Rappels de lois
Statistiques usuelles & Exercice : Un analyste financier étudie les comptes de 200
Estimations
ponctuelles clients ayant souscrit un emprunt. A partir d’un échantillon
Estimation par de 20 comptes il trouve que le solde moyen d’un compte est
cas
de 1514, 69 euros avec un écart type de 453, 34 euros.
deuxième cas
Donner un intervalle de confiance à 95% du solde moyen
cas
des compte si on suppose que le solde suit une loi normale
cas de moyenne m et de variance æ2 inconnu.
Références
34 / 61

Stat Decision2

Transféré par

Informations du document

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 Decision2

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 !

Rappels de lois Théorème

Tests de conformité est un estimateur de la variance æ2 de l’échantillon.

Statistiques usuelles & x̄ = 1700 ) x̄2 = (1700)2 = 2890000

On en déduit la variance empirique

Estimation par est un estimateur de la proportion º.

n’appartienne pas à [a, b])

I.C pour une variance : Premier

Préambule On considère un N°échantillon gaussien (X1 , X2 , . . . , XN ) i.e

Statistiques usuelles &

I.C pour une moyenne : heure de cette supérette.

I.C pour une variance : Premier

Tests de conformité 3. Combien de capsules doit remplir cette machine si le

I.C pour une variance : Premier

Vous aimerez peut-être aussi