Académique Documents
Professionnel Documents
Culture Documents
Principe
Estimation de la moyenne µ d’une variable gaussienne
Estimation de la variance d’une variable gaussienne
Estimation d’une proportion
KONANE Victorien
Sommaire
1 Introduction
2 Principe
a<θ<b
θb = c.
Définition
Fournir un tel intervalle ]a, b[ s’appelle donner une estimation
par intervalle de confiance de θ ou une estimation ensembliste
de θ.
Sommaire
1 Introduction
2 Principe
Définition
Étant donné une valeur θ0 de θ, nous déterminons un intervalle
de probabilité de niveau 1 − α pour θbn , c’est-à-dire deux bornes
θ1 et θ2 telles que
h i
P θ1 < θbn < θ2 |θ = θ0 = 1 − α.
Remarque
Ces bornes dépendent évidemment de θ0 .
Remarque
Nous choisissons dans la plupart des cas un intervalle à risque
symétrique α/2 et α/2.
Définition
]a, b[ est qualifié d’un intervalle de confiance de niveau (1 − α)
(coefficient de confiance).
Remarque
]a, b[ est un intervalle aléatoire car il dépend de θbn (obs).
Remarque
Si nous augmentons 1 − α, nous augmentons la longueur de
l’intervalle de probabilité.
Remarque
h i
Si n augmente, comme θbn est supposé convergent, Var θbn
diminue donc ]θ1 , θ2 [ diminue.
Sommaire
1 Introduction
2 Principe
σ2
µ bn suit une loi N µ,
bn est le meilleur estimateur de µ et µ .
n
Définition
bn à 1 − α est :
L’intervalle de probabilité de µ
σ σ
µ − u1−α/2 √ < µ
bn < µ + u1−α/2 √ ,
n n
Définition
bn à 1 − α est :
L’intervalle de confiance de µ
σ σ
bn (x1 , . . . , xn ) − u1−α/2 √ < µ < µ
µ bn (x1 , . . . , xn ) + u1−α/2 √ ,
n n
où u1−α/2 = 1, 96 si 1 − α = 0, 95.
√ bn − µ
µ
Nous utilisons le fait que Tn−1 = n−1 suit une loi de
Sn
Student à (n − 1) degrés de liberté.
Définition
L’intervalle de probabilité pour Tn−1 à 1 − α est :
√ bn − µ
µ
−tn−1;1−α/2 < n−1 < tn−1;1−α/2 ,
Sn
où tn−1;1−α/2 est le quantile d’ordre 1 − α/2 pour la loi de
Student à (n − 1) degrés de liberté.
Définition
L’intervalle de confiance pour µ à 1 − α est :
Sn (obs) Sn (obs)
bn (obs)−tn−1;1−α/2 √
µ bn (obs)+tn−1;1−α/2 √
<µ<µ ,
n−1 n−1
ou bien
Sn,c (obs) Sn,c (obs)
µ
bn (obs)−tn−1;1−α/2 √ <µ<µ
bn (obs)+tn−1;1−α/2 √ ·
n n
Le théorème de la limite centrée a pour conséquence que les
intervalles précédents sont valables pour estimer µ d’une loi
quelconque lorsque la taille n de l’échantillon est assez grande.
Sommaire
1 Introduction
2 Principe
nSn∗2
2 suit une loi du khi-deux à n degrés de liberté comme
σ2
la somme de n carrés de loi N (0, 1) indépendantes.
Définition
k1 et k2 sont les bornes de l’intervalle de probabilité d’une loi
χ2 (n) si :
n Sn∗2
P k1 < < k2 = 1 − α.
σ2
Définition
L’intervalle de confiance pour σ 2 à 1 − α est :
nSn2
2 suit une loi du khi-deux à (n − 1) degrés de liberté
σ2
comme la somme de (n − 1) carrés de loi N (0, 1)
indépendantes.
Définition
l1 et l2 sont les bornes de l’intervalle de probabilité d’un
χ2 (n − 1) si :
nSn2
P l1 < 2 < l2 = 1 − α.
σ
Définition
L’intervalle de confiance pour σ 2 est alors :
Sommaire
1 Introduction
2 Principe
Définition
L’intervalle de probabilité symétrique « approché » est :
r r
πA (1 − πA ) πA (1 − πA )
πA − u1−α/2 bn,A < πA + u1−α/2
<π ·
n n
Définition
L’intervalle de confiance « approché » est alors :
r
bn,A (obs)(1 − π
π bn,A (obs))
bn,A (obs) − u1−α/2
π < πA
r n
bn,A (obs)(1 − π
π bn,A (obs))
<πbn,A (obs) + u1−α/2 .
n