Académique Documents
Professionnel Documents
Culture Documents
Benchikh Tawfik
16 Février 2022
3 E XERCICE
3 E XERCICE
3 E XERCICE
P LAN DE COURS
3 E XERCICE
I NTRODUCTION
P LAN DE COURS
3 E XERCICE
P LAN DE COURS
3 E XERCICE
Intervalle de confiance:
X−m
Pr −1.96 < < 1.96 = 0.95 x = 215
4/3
La variable aléatoire:
X−m X−m
T(n−1) = ∗
√ = √
S / n S/ n − 1
e.i. " #
nt nt
ICα (σ) = 2
; 2
χ1−α/2 (n) χα/2 (n)
I NTERVALLE DE CONFIANCE POUR LA VARIANCE , m
CONNUE : EXEMPLE
La statistique nTσ2
suit une loi du chi-deux à n = 25 degrés de
liberté. On obtient successivement:
Pr χ20.025 (25) < χ2 (25) < χ20.975 (25)
Pr(13.120 < χ2 (25) < 40.644) = 0.95 .
nt 2 nt
IC0.05 (σ) = χ2 (n) < σ < χ2 (n)
α/2
1−α/2 25×12
= 25×12 ;
40.644 13.120
= [7, 381 < σ 2 < 22, 866]
- pour l’écart-type:
"s s #
ns2 ns2
ICα (σ) = 2
; 2
.
χ1−α/2 (n − 1) χα/2 (n − 1)
I NTERVALLE DE CONFIANCE POUR LA VARIANCE , m
ESTIMÉE : EXEMPLE " SALAIRE JOURNALIER "
2
La variable nS σ2
suit une loi du chi-deux à 16 − 1 = 15 degrés
de liberté.
D’où la suite des calculs:
Pr χ20.025 (15) < χ2 (15) < χ20.975 (15) =
Pr(6.262 < χ2 (15) < 27.488) = 0.95 .
2 ns2 ns2
ICα (σ ) = χ2 (n−1) ; χ2 (n−1) .
1−α/2 α/2
16×15.246 16×15.246
= 27.488
; 6.262
= [8.874; 39.955]
A gauche
Pr 0 < χ2 (n − 1) < χ21−α (n − 1) = 1 − α .
2
Pr χ2 ns(n−1) < σ 2 = 1 − α .
1−α
r
ns2
Pr χ2 (n−1)
< σ = 1 − α.
1−α
I NTERVALLE DE CONFIANCE UNILATÉRAL POUR LA
VARIANCE : EXEMPLE
P LAN DE COURS
3 E XERCICE
P LAN DE COURS
3 E XERCICE
I NTRODUCTION
n
X
Comme X suit une loi de Bernoulli B(p), nF = Xi suit une
i=1
loi binomiale B(n, p).
Selon les valeurs de n et de p, cette loi admet différentes lois
limites qui sont utilisées pour déterminer un intervalle de
confiance. Dans la pratique, on peut:
- utiliser les tables statistiques qui donnent les limites inférieures et
supérieures d’un intervalle de confiance calculées pour différents
seuils et différentes valeurs de n et k, k étant le nombre de succès
obtenus au cours de ces n épreuves,
- utiliser et justifier l’approximation normale.
I NTERVALLE DE CONFIANCE D ’ UNE PROPORTION
CALCULÉE AVEC L’ APPROXIMATION NORMALE :
P LAN DE COURS
3 E XERCICE
σ2
IE(X) = m Var(X) =
n
nS2
Estimateur sans biais de σ 2 : la statistique S∗2 = n−1
Tirage sans remise
Estimateur sans biais de m: la statistique X
N − n σ2
IE(X) = m Var(X) =
N−1 n
N−1 nS2
Estimateur sans biais de σ 2 : la statistique N n−1
E STIMATION D ’ UNE PROPORTION
p(1 − p)
IE(f ) = p Var(f ) =
n
N − n p(1 − p)
IE(f ) = p Var(f ) =
N−1 n