Académique Documents
Professionnel Documents
Culture Documents
: Estimation Statistique
SOW Tierno
06-04-2017
1.0
Table des
matières
Objectifs 3
I - Définitions 4
II -
1. Echantillonage ........................................................................................................................ 4
III - Estimateurs 8
IV -
1. Statistique ............................................................................................................................... 8
2. Définition ................................................................................................................................ 8
3. Estimation ............................................................................................................................... 9
Objectifs
3
Définitions
Définitions
I
1. Echantillonage
4
Définitions
La définition de l'unité est plus délicate quand il s'agit d'un liquide, ou d'un matériel en vrac (un tas
de charbon par exemple).
Définition : Population
C'est un ensemble d'unités sur lesquelles porte l'étude: une bonne question à poser avant toute
procédure d'échantillonnage est : " Quelle est la population étudiée ? "
Définition : Un échantillon
Un échantillon de taille n est une liste de n individus ( ω 1, ω2, . . .ωn) extraits de la population
(appelée parfois population-mère).
Définition : Un échantillonnage
On appelle échantillonnage le prélèvement des échantillons. Le rapport t de l'effectif n de
l'échantillon à l'effectif N de la population, dans laquelle il a été prélevé, est appelé taux
2. Distribution d'échantillonnage
Soit X une variable aléatoire telle que : E(X) = m et x =
On considère un échantillon (X1, X2, . . . , Xn) de X. On s'intéresse aux variables aléatoires
suivantes (appelées Statistiques) :
Exemple
Quatre étudiants A, B, C, et D passent un examen composé de 20 questions. Le nombre de bonnes
5
Définitions
Etudiant A B C D
Nombre de 4 8 12 20
bonnes réponses
4 6 8 10 12 14 16 20 ni
ni 1 2 3 2 3 2 2 1 16
6 8 10 12 14 16 ni
ni 1 1 1 1 1 1 6
Et on a :
Résultats théoriques
Soit C un caractère défini sur une population - mère Ω.
S'il est quantitatif, on peut lui associer une variable aléatoire X, de moyenne m ( c'est – à -
dire E(X) = m ) et d'écart – type ( V(X) = 2 ).
Et on démontre que pour un échantillon obtenu par tirage avec remise :
1. O n a, quelle que soit la loi de X, :
: E(V) = 2
6
Définitions
On démontre que pour des tirages avec remise, E(F) = p, , et nF suit une loi B(n,
p) qui peut être approximée par une loi N(np,
7
Estimateurs
Estimateurs
II
1. Statistique
Une Statistique est une application T, qui à un échantillon aléatoire ( X1, X2, , Xn) tiré d'une
variable X, associe une variable aléatoire Y =T( X1, X2, . ,Xn).
2. Définition
Définition
Soit P une population étudiée selon un caractère C; soit n la taille d'un échantillon. Et on cherche à
connaître la valeur d'une caractéristique θ de la population (m ou par exemple), à partir d'une
valeur α calculée en fonction de x1, x2, . . . , xn valeurs observées dans l'échantillon.
Soit X une variable aléatoire dont la loi de probabilité dépend d'un paramètre θ. Un Estimateur de θ
est une Statistique Y=T( X1, X2, ., Xn).
Exemple
Propriétés de l'estimateur
Propriétés de S2 et S ' 2 -
8
Estimateurs
Y est sans biais si E(Y) =θ. Ainsi est un estimateur sans biais de m.
Estimateur convergent
Si Y est centré et V(Y) tend vers zéro, on dit que Y est un estimateur convergent :
3. Estimation
Connaissant (moyenne ) et s ( écart - type) d'un échantillon de taille n, il s'agit d'estimer la
moyenne m (ou la proportion p) inconnue, de la population mère P. Deux méthodes sont
possibles :
l'estimation ponctuelle - on choisit une valeur m = m0.
l'estimation par intervalle de confiance - On choisit un intervalle de R contenant m avec
une probabilité donnée.
Estimation ponctuelle
Les moyennes de ces deux échantillons sont respectivement : 1 et 2 Les estimations sont les
suivantes :
9
Estimateurs
Et dans ce cas on a :
Application : Détermination de la taille d'un échantillon pour une estimation dont la précision
est fixée.
requise.
Si on cherche à estimer p avec une incertitude Δp pour un niveau de confiance 1-α, à risques
symétriques.
Si f est inconnu, on obtient une majoration de n pour f = 0,5 ( cas le plus défavorable pour un
sondage)
10
Estimateurs
Exemple
avec
NB : On peut prendre
Exemple
Une population est caractérisée par une variable aléatoire X N(m, ). Déterminer les intervalles
de confiance des paramètres dans les cas suivants :
1°) Intervalle de confiance pour m à 90% :
n=20;
n=100
l'écart - type est inconnu. Déterminer un intervalle de confiance pour m au niveau de 95%.
L'écart - type est inconnu; déterminer un intervalle de confiance pour 2, sachant que :
11
Estimateurs
forme :
On trouve :
est inconnu
m et inconnus
Exemple
Lors d'un sondage précédant des élections, 500 personnes ont été interrogées. Bien que ce ne soit
pas en pratique, on suppose pour simplifier les calculs que les 500 personnes représentent un
échantillon indépendant et identiquement distribué de la population.
Sur les 500 personnes, 150 ont répondu vouloir voter pour le candidat C1 et 140 pour le candidat C
2.
1. Donner une estimation ponctuelle des intentions de votes, sous forme de pourcentage.
2. Donner un intervalle de confiance à 95% pour les intentions des votes de chacun des deux.
Solution – n=500 ; k1=150 ; k2=140
Estimation ponctuelle des votes
Ainsi au niveau de confiance de 95%, les chances de C1sont comprises entre 25,98% et 34,02 %. Et
pour C2 entre 24,06% et 31,94%.
12