Académique Documents
Professionnel Documents
Culture Documents
chp5 Presentation_Cours_Estimation_Intervalles
chp5 Presentation_Cours_Estimation_Intervalles
Mohamed JEBALIA
30 mars 2022
Mohamed JEBALIA (ENIB) Estimation paramètrique par intervalles de confiance 30 mars 2022 1 / 29
Motivation
Mohamed JEBALIA (ENIB) Estimation paramètrique par intervalles de confiance 30 mars 2022 2 / 29
Motivation
=⇒ Pour avoir confiance en une estimation ponctuelle, il faut lui associer une
marge d’erreur.
=⇒ Estimation par intervalle de confiance : Déterminer un intervalle de valeurs
qui contient, avec une certaine probabilité, la vraie valeur
Mohamed JEBALIA (ENIB) Estimation paramètrique par intervalles de confiance 30 mars 2022 2 / 29
Intervalles de confiance
Définition
Soit α ∈]0, 1[. On dit que l’intervalle I1−α est un intervalle de confiance pour g(θ)
de niveau (1 − α) ssi :
I1−α s’exprime uniquement en fonction de X1 , . . . , Xn , et,
Pour tout θ ∈ Θ, on a :
Pθ (g(θ) ∈ I1−α ) = 1 − α
Le risque α est la probabilité d’erreur. Elle doit être assez petite. Les valeurs
usuelles de α sont : 10%, 5%, 1%,. . .
Mohamed JEBALIA (ENIB) Estimation paramètrique par intervalles de confiance 30 mars 2022 3 / 29
Construction d’intervalles de confiance
Mohamed JEBALIA (ENIB) Estimation paramètrique par intervalles de confiance 30 mars 2022 4 / 29
Construction d’intervalles de confiance
Mohamed JEBALIA (ENIB) Estimation paramètrique par intervalles de confiance 30 mars 2022 4 / 29
Plan du chapitre
Mohamed JEBALIA (ENIB) Estimation paramètrique par intervalles de confiance 30 mars 2022 5 / 29
Plan du chapitre
1
Pn
La moyenne m en se basant sur Xn = n i=1 Xi
Mohamed JEBALIA (ENIB) Estimation paramètrique par intervalles de confiance 30 mars 2022 5 / 29
Plan du chapitre
1
Pn
La moyenne m en se basant sur Xn = n i=1 Xi
2
La variance
Pn σ (lorsque 2la moyenne m est connue) en se basant sur
2 1
Sn = n i=1 (Xi − m)
Mohamed JEBALIA (ENIB) Estimation paramètrique par intervalles de confiance 30 mars 2022 5 / 29
Plan du chapitre
1
Pn
La moyenne m en se basant sur Xn = n i=1 Xi
2
La variance
Pn σ (lorsque 2la moyenne m est connue) en se basant sur
2 1
Sn = n i=1 (Xi − m)
Mohamed JEBALIA (ENIB) Estimation paramètrique par intervalles de confiance 30 mars 2022 5 / 29
Plan du chapitre
1
Pn
La moyenne m en se basant sur Xn = n i=1 Xi
2
La variance
Pn σ (lorsque 2la moyenne m est connue) en se basant sur
2 1
Sn = n i=1 (Xi − m)
Mohamed JEBALIA (ENIB) Estimation paramètrique par intervalles de confiance 30 mars 2022 5 / 29
Quantiles
Définition
Un quantile d’ordre α ∈]0, 1[ d’une loi de probabilité donnée par une fonction de
répartition F est la valeur :
qα := inf{t ∈ R : F (t) ≥ α}
qα = FX−1 (α)
Exemple
Si X ∼ E(2), le quantile d’ordre 0.9 est :
Mohamed JEBALIA (ENIB) Estimation paramètrique par intervalles de confiance 30 mars 2022 6 / 29
Quantiles
Définition
Un quantile d’ordre α ∈]0, 1[ d’une loi de probabilité donnée par une fonction de
répartition F est la valeur :
qα := inf{t ∈ R : F (t) ≥ α}
qα = FX−1 (α)
Exemple
Si X ∼ E(2), le quantile d’ordre 0.9 est : q0.9 = ln(10)/2 = 1.1512
Mohamed JEBALIA (ENIB) Estimation paramètrique par intervalles de confiance 30 mars 2022 6 / 29
Quantiles de la loi N (0, 1)
Mohamed JEBALIA (ENIB) Estimation paramètrique par intervalles de confiance 30 mars 2022 7 / 29
Loi du χ2 et loi de Student
Loi du χ2
Soient X1 , . . . , Xn n v.a. i.i.d. de même loi N (0, 1). Soit Y la v.a. définie par :
Y = X12 + . . . + Xn2 .
Loi de Student
Soient U et V deux v.a. indépendantes telles que U ∼ N (0, 1) et V ∼ χ2 (n).
Soit T la v.a. définie par
U
T =q .
V
n
Mohamed JEBALIA (ENIB) Estimation paramètrique par intervalles de confiance 30 mars 2022 8 / 29
Détermination pratique des quantiles de la loi du χ2
On note χ(n,α) le quantile d’ordre α de la loi du χ2 .
Les quantiles de la loi du χ2 sont lues à partir de la table suivante :
√
n(Xn −m)
Lois de Xn et de σ
: Cas d’un échantillon de loi N (m, σ 2 )
Si X1 ∼ N (m1 , σ12 ) et X2 ∼ N (m2 , σ22 ) sont indépendantes alors
X1 + X2 ∼ N (m1 + m2 , σ12 + σ22 )
Soit (X1 , . . . , Xn ) un échantillon de loi N (m, σ 2 ). On a alors
σ2
▶ Xn ∼ N m, n
Mohamed JEBALIA (ENIB) Estimation paramètrique par intervalles de confiance 30 mars 2022 11 / 29
Distributions échantillonnales (1)
Espérance et variance de Xn
E (Xn ) = m ; Var (Xn ) = σ 2
√
n(Xn −m)
Lois de Xn et de σ
: Cas d’un échantillon de loi N (m, σ 2 )
Si X1 ∼ N (m1 , σ12 ) et X2 ∼ N (m2 , σ22 ) sont indépendantes alors
X1 + X2 ∼ N (m1 + m2 , σ12 + σ22 )
Soit (X1 , . . . , Xn ) un échantillon de loi N (m, σ 2 ). On a alors
σ2
▶ Xn ∼ N m, n
Montrer ce résultat
Mohamed JEBALIA (ENIB) Estimation paramètrique par intervalles de confiance 30 mars 2022 11 / 29
Distributions échantillonnales (1)
Espérance et variance de Xn
E (Xn ) = m ; Var (Xn ) = σ 2
√
n(Xn −m)
Lois de Xn et de σ
: Cas d’un échantillon de loi N (m, σ 2 )
Si X1 ∼ N (m1 , σ12 ) et X2 ∼ N (m2 , σ22 ) sont indépendantes alors
X1 + X2 ∼ N (m1 + m2 , σ12 + σ22 )
Soit (X1 , . . . , Xn ) un échantillon de loi N (m, σ 2 ). On a alors
σ2
▶ Xn ∼ N m, n
Montrer ce résultat
√
n(Xn −m)
▶
σ
∼ N (0, 1)
Mohamed JEBALIA (ENIB) Estimation paramètrique par intervalles de confiance 30 mars 2022 11 / 29
Distributions échantillonnales (1)
Espérance et variance de Xn
E (Xn ) = m ; Var (Xn ) = σ 2
√
n(Xn −m)
Lois de Xn et de σ
: Cas d’un échantillon de loi N (m, σ 2 )
Si X1 ∼ N (m1 , σ12 ) et X2 ∼ N (m2 , σ22 ) sont indépendantes alors
X1 + X2 ∼ N (m1 + m2 , σ12 + σ22 )
Soit (X1 , . . . , Xn ) un échantillon de loi N (m, σ 2 ). On a alors
σ2
▶ Xn ∼ N m, n
Montrer ce résultat
√
n(Xn −m)
▶
σ
∼ N (0, 1)
√
n(Xn −m)
Lois de Xn et de σ
: Cas d’un échantillon de loi quelconque
√
n(Xn −m) Loi
TLC : σ −−−−−→ N (0, 1)
n→+∞ 2
√
n(Xn −m)
Pour n ≥ 30, on supposera que : Xn ∼ N m, σn ; σ ∼ N (0, 1)
Mohamed JEBALIA (ENIB) Estimation paramètrique par intervalles de confiance 30 mars 2022 11 / 29
DistributionsPéchantillonnales (2) 2
1 n 2 1
Pn
Rappel : Sn2 = n i=1 (Xi − m) et σn2 = n−1 i=1 Xi − Xn
Mohamed JEBALIA (ENIB) Estimation paramètrique par intervalles de confiance 30 mars 2022 12 / 29
DistributionsPéchantillonnales (2) 2
1 n 2 1
Pn
Rappel : Sn2 = n i=1 (Xi − m) et σn2 = n−1 i=1 Xi − Xn
Mohamed JEBALIA (ENIB) Estimation paramètrique par intervalles de confiance 30 mars 2022 12 / 29
DistributionsPéchantillonnales (2) 2
1 n 2 1
Pn
Rappel : Sn2 = n i=1 (Xi − m) et σn2 = n−1 i=1 Xi − Xn
√
n(Xn −m)
Théorème : Loi de σn
Si la loi de l’échantillon est N (m, σ 2 ) alors
√
n(Xn − m)
∼ t(n − 1) .
σn
Mohamed JEBALIA (ENIB) Estimation paramètrique par intervalles de confiance 30 mars 2022 12 / 29
DistributionsPéchantillonnales (2) 2
1 n 2 1
Pn
Rappel : Sn2 = n i=1 (Xi − m) et σn2 = n−1 i=1 Xi − Xn
√
n(Xn −m)
Théorème : Loi de σn
Si la loi de l’échantillon est N (m, σ 2 ) alors
√
n(Xn − m)
∼ t(n − 1) . Montrer ce résultat
σn
Mohamed JEBALIA (ENIB) Estimation paramètrique par intervalles de confiance 30 mars 2022 12 / 29
DistributionsPéchantillonnales (2) 2
1 n 2 1
Pn
Rappel : Sn2 = n i=1 (Xi − m) et σn2 = n−1 i=1 Xi − Xn
√
n(Xn −m)
Théorème : Loi de σn
Si la loi de l’échantillon est N (m, σ 2 ) alors
√
n(Xn − m)
∼ t(n − 1) . Montrer ce résultat
σn
Si l’échantillon est de loi quelconque et n ≥ 30 alors :
√
n(Xn − m)
∼ N (0, 1) .
σn
Mohamed JEBALIA (ENIB) Estimation paramètrique par intervalles de confiance 30 mars 2022 12 / 29
DistributionsPéchantillonnales (2) 2
1 n 2 1
Pn
Rappel : Sn2 = n i=1 (Xi − m) et σn2 = n−1 i=1 Xi − Xn
√
n(Xn −m)
Théorème : Loi de σn
Si la loi de l’échantillon est N (m, σ 2 ) alors
√
n(Xn − m)
∼ t(n − 1) . Montrer ce résultat
σn
Si l’échantillon est de loi quelconque et n ≥ 30 alors :
√
n(Xn − m)
∼ N (0, 1) . Montrer ce résultat
σn
Mohamed JEBALIA (ENIB) Estimation paramètrique par intervalles de confiance 30 mars 2022 12 / 29
DistributionsPéchantillonnales (2) 2
1 n 2 1
Pn
Rappel : Sn2 = n i=1 (Xi − m) et σn2 = n−1 i=1 Xi − Xn
√
n(Xn −m)
Théorème : Loi de σn
Si la loi de l’échantillon est N (m, σ 2 ) alors
√
n(Xn − m)
∼ t(n − 1) . Montrer ce résultat
σn
Si l’échantillon est de loi quelconque et n ≥ 30 alors :
√
n(Xn − m)
∼ N (0, 1) . Montrer ce résultat
σn
Mohamed JEBALIA (ENIB) Estimation paramètrique par intervalles de confiance 30 mars 2022 12 / 29
Intervalles de confiance de la moyenne
On va distinguer 4 cas :
1 Echantillon Gaussien de loi N (m, σ 2 ) :
1 Cas où σ 2 est connue
2 Cas où σ 2 est inconnue
Mohamed JEBALIA (ENIB) Estimation paramètrique par intervalles de confiance 30 mars 2022 13 / 29
Intervalle de confiance de la moyenne de la loi N (m, σ 2 )
Cas où la variance σ 2 est connue
√
n(Xn − m)
∼ N (0, 1)
σ
w
σ σ
I1−α (m) = Xn − √ q1− α2 , Xn + √ q1− α2
n n
α
où q1− α2 est le quantile d’ordre 1 − 2 de la loi N (0, 1).
Exercice
1. Montrer ce résultat.
2. Déduire l’expression de l’intervalle de confiance de niveau 0.95.
Mohamed JEBALIA (ENIB) Estimation paramètrique par intervalles de confiance 30 mars 2022 14 / 29
Application
On suppose que le poids d’un nouveau né est une variable aléatoire normale
d’écart-type égal à 0.5 kg. Au mois de janvier 2004 dans un hôpital donné, on
observe 25 enfants nés dont le poids moyen (la moyenne empirique) Xn = 3.6 kg.
1 Déterminer un intervalle de confiance de niveau de confiance 95% pour la
moyenne m du poids d’un nouveau né ?
2 Quel serait le nombre d’enfants observés pour que l’intervalle de confiance de
niveau 95% soit de longueur 0.1 ?
Mohamed JEBALIA (ENIB) Estimation paramètrique par intervalles de confiance 30 mars 2022 15 / 29
Intervalle de confiance de la moyenne de la loi N (m, σ 2 )
Cas où la variance σ 2 est inconnue
√
n(Xn − m)
∼ t(n − 1)
σn
w
σn σn
I1−α = Xn − √ t(1− α2 ,n−1) , Xn + √ t(1− α2 ,n−1)
n n
où q
1
Pn 2
σn = n−1 i=1 Xi − Xn est l’écart-type empirique ;
α
t(1− α2 ,n−1) est le quantile d’ordre 1 − 2 de la loi de Student t(n − 1).
Exercice
Montrer ce résultat.
Mohamed JEBALIA (ENIB) Estimation paramètrique par intervalles de confiance 30 mars 2022 16 / 29
Application
Le chiffre d’affaire mensuel d’une entreprise suit une loi normale de moyenne m et
d’écart-type σ inconnus. Sur les 12 derniers mois, on a observé une moyenne des
chiffres d’affaires égale à 30 000 dinars avec un écart-type empirique σn = 6000
dinars.
Donner une estimation de m par intervalle de confiance de niveau 0.95.
Mohamed JEBALIA (ENIB) Estimation paramètrique par intervalles de confiance 30 mars 2022 17 / 29
Intervalle de confiance de la moyenne de la loi quelconque
Cas où la variance σ 2 est connue et n ≥ 30
√
n(Xn − m) Loi
TLC : −−−−−→ N (0, 1)
σn n→+∞
w
√
n(Xn −m)
Pour n ≥ 30, on supposera que σ ∼ N (0, 1)
w
σ σ
I1−α = Xn − √ q1− 2 , Xn + √ q1− 2
α α
n n
Exercice
Montrer ce résultat.
Mohamed JEBALIA (ENIB) Estimation paramètrique par intervalles de confiance 30 mars 2022 18 / 29
Application
On suppose que le poids d’un nouveau né est une variable aléatoire d’écart-type
égal à 0.5 kg. Le poids moyen des 49 enfants nés au mois de janvier 2004 dans un
hôpital a été de 3.6 kg.
Déterminer un intervalle de confiance à 90% pour le poids moyen d’un nouveau né
dans cet hôpital.
Mohamed JEBALIA (ENIB) Estimation paramètrique par intervalles de confiance 30 mars 2022 19 / 29
Intervalle de confiance de la moyenne de la loi quelconque
Cas où la variance σ 2 est inconnue et n ≥ 30
√
n(Xn − m) Loi
−−−−−→ N (0, 1)
σn n→+∞
w
√
n(Xn −m)
Pour n ≥ 30, on supposera que σn ∼ N (0, 1)
w
σn σn
I1−α = Xn − √ q1− α2 , Xn + √ q1− α2
n n
q Pn 2
1
où σn = n−1 i=1 Xi − Xn est l’écart-type empirique.
Mohamed JEBALIA (ENIB) Estimation paramètrique par intervalles de confiance 30 mars 2022 20 / 29
Application
Dans un centre avicole, des études antérieures ont montré que la masse d’un œuf
choisi au hasard peut être considérée comme la réalisation d’une variable aléatoire
X , de moyenne et de variance inconnus. On admet que les masses des œufs sont
indépendantes les unes des autres. On prend un échantillon de taille n = 36 œufs
que l’on pèse. La moyenne empirique est égale à 55.083 et l’écart-type empirique
σn = 2.683.
Mohamed JEBALIA (ENIB) Estimation paramètrique par intervalles de confiance 30 mars 2022 21 / 29
Intervalles de confiance pour la moyenne
Résumé
un un
I1−α (m) = Xn − √ ; Xn + √
n n
Loi de l’échantillon
I1−α
N (m, σ 2 ) Loi quelconque ; n ≥ 30
σ 2 connue Xn − √σ q1− α , Xn + √σ q1− α
n 2 n 2
σ 2 inconnue Xn − σn n−1
√ t
n (1− α ) , Xn + σn n−1
√ t
n (1− α ) Xn − σn
√ q α , Xn
n 1− 2
+ σn
√ q α
n 1− 2
2 2
Mohamed JEBALIA (ENIB) Estimation paramètrique par intervalles de confiance 30 mars 2022 22 / 29
Intervalle de confiance pour une proportion
Mohamed JEBALIA (ENIB) Estimation paramètrique par intervalles de confiance 30 mars 2022 23 / 29
Application
Sur 500 personnes interrogées, 274 ont déclaré qu’elles voteraient pour le candidat
A.
1. Donner une estimation de p la proportion de personnes favorables au candidat
A dans la population par intervalle de confiance au niveau de signification 95%.
2. Pour quel degré de confiance a-t-on la borne inférieure exactement égale à
50% ?
Mohamed JEBALIA (ENIB) Estimation paramètrique par intervalles de confiance 30 mars 2022 24 / 29
Intervalles de confiance de la variance
I1−α (σ 2 ) = (ϵ1 θn ; ϵ2 θn ) ,
Mohamed JEBALIA (ENIB) Estimation paramètrique par intervalles de confiance 30 mars 2022 25 / 29
Intervalle de confiance de la variance de la loi N (m, σ 2 )
Cas où la moyenne m est connue
n.Sn2
θn = Sn2 ; ∼ χ2 (n)
σ2
w
" #
2 n n
I1−α (σ ) = Sn2 , Sn2
χ2(1− α ,n) χ2( α ,n)
2 2
~
"P #
n 2 Pn 2
i=1 (Xi − m) i=1 (Xi − m)
I1−α (σ 2 ) = 2 ,
χ(1− α ,n) χ2( α ,n)
2 2
Exercice
1. Montrer ce résultat.
2. Donner l’expression de cet intervalle pour α = 0.1 et n = 10.
Mohamed JEBALIA (ENIB) Estimation paramètrique par intervalles de confiance 30 mars 2022 26 / 29
Application
Une usine fabrique des câbles. La masse maximale en tonnes supportée par un
câble est une variable aléatoire réelle X suivant la loi normale de moyenne
m = 12.2 et d’écart-type inconnu. Une étude portant sur un échantillon de 20
câbles a donné une variance des charges maximales supportées égales à 2.2 tonnes.
Mohamed JEBALIA (ENIB) Estimation paramètrique par intervalles de confiance 30 mars 2022 27 / 29
Intervalle de confiance de la variance de la loi N (m, σ 2 )
Cas où la moyenne m est inconnue
(n − 1)σn2
θn = σn2 ; ∼ χ2 (n − 1)
σ2
w
" #
n −1 n −1
I1−α (σ 2 ) = σn2 , σn2
χ2(1− α ,n−1) χ2( α ,n−1)
2 2
~
" Pn 2 Pn 2 #
i=1 Xi − Xn i=1 Xi − Xn
I1−α (σ 2 ) = ,
χ2(1− α ,n−1) χ2( α ,n−1)
2 2
Mohamed JEBALIA (ENIB) Estimation paramètrique par intervalles de confiance 30 mars 2022 28 / 29
Application
Mohamed JEBALIA (ENIB) Estimation paramètrique par intervalles de confiance 30 mars 2022 29 / 29