Académique Documents
Professionnel Documents
Culture Documents
Échantillonnage et estimation
N. RIANE
Faculté des sciences économiques, juridiques et sociales de Rabat
Sommaire
1 Estimation
Modèle statistique
Estimateur ponctuelle
Méthodes d'estimation
Estimateur par intervalle de conance
Sommaire
1 Estimation
Modèle statistique
Estimateur ponctuelle
Méthodes d'estimation
Estimateur par intervalle de conance
Modèle statistique
Dénition
Un modèle statistique est la donnée d'un objet aléatoire X à
valeurs dans un espace E et d'une famille de lois (Pθ )θ∈Θ sur cet
espace, supposée contenir la loi PX , et appelée modèle statistique
pour la loi de X .
Modèle paramétrique
Dénition
Si l'espace Θ du modèle statistique (Pθ )θ∈Θ est contenu dans Rk
pour un certain k ⩾ 1, on parle de modèle paramétrique. Sinon, il
est non paramétrique.
Statistique et estimateur
Dénition
Une statistique est une fonction de l'objet aléatoire X .
Une statistique (et donc un estimateur) est une v.a., on lui associe
une espérance E(θ̂) et une variance V(θ̂).
Sommaire
1 Estimation
Modèle statistique
Estimateur ponctuelle
Méthodes d'estimation
Estimateur par intervalle de conance
Dénition
On dit que l'estimateur θ̂ est sans biais, si
E(θ̂) = θ
sinon il est dit biaisé, dans ce cas, le biais est donné par la formule
B(θ̂) = E(θ̂) − θ
Proposition
L'erreur quadratique moyenne d'un estimateur θ̂ peut se
décomposer biais-variance comme suit :
2
R(θ̂) = V θ̂ + B(θ̂)
votant Trump.
2 Calculer la variance de l'estimateur de la proportion des gens
votant Trump.
3 Déduire l'erreur quadratique moyenne de cette estimateur.
Ecacité relative
Dénition
Soient θ̂ et θ̂ deux estimateurs sans biais de θ. L'estimateur θ̂
1 2 1
est dit plus ecace que θ̂ s'il est meilleur au sens de la variance :
2
V θ̂1 ⩽ V θ̂2
Estimateur convergent
Dénition
On dit que l'estimateur θ̂ est convergent, s'il converge en
probabilité vers la vraie valeur, c'est-à-dire, ∀ε > 0 :
lim P |θ̂ − θ| > ε = 0
n→+∞
Théorème
Un estimateur θ̂ est convergent s'il est sans biais et si
lim V θ̂ = 0
n→+∞
Sommaire
1 Estimation
Modèle statistique
Estimateur ponctuelle
Méthodes d'estimation
Estimateur par intervalle de conance
Dénition
La méthode des moments consiste à choisir comme estimations
les valeurs des paramètres qui sont des solutions des équations :
µk = X k
Pn k
i=1 Xi
où µk est le moment théorique d'ordre k de X et Xk =
n
est le moment empirique d'ordre k de X .
Dénition
On appelle fonction de vraisemblance l'application :
L : Θ × Rn → R
L(θ, x1 , . . . , xn ) = Πni=1 Pθ (Xi = xi )
Dénition
Un estimateur du maximum de vraisemblance (EMV) de θ est une
valeur qui maximise la fonction de vraisemblance.
Sommaire
1 Estimation
Modèle statistique
Estimateur ponctuelle
Méthodes d'estimation
Estimateur par intervalle de conance
Dénition
Soit α ∈]0, 1[. Un intervalle de conance pour θ de niveau 1 − α
est une statistique I = [θ̂m , θ̂M ] à valeurs dans les intervalles de R
telle que :
P(θ ∈ I ) = P(θ̂m ⩽ θ ⩽ θ̂M ) ⩾ 1 − α
Une statistique (et donc un estimateur) est une v.a., on lui associe
une espérance et une variance.