Académique Documents
Professionnel Documents
Culture Documents
L’ESTIMATION
1–1 Problématique :
On s’intéresse à un caractère au sein d’une population P.
Exemple : durée de sommeil chez les enfants de 2 à 3 ans.
Problème : dans la plupart des cas impossible de considérer la population dans
son ensemble.
Il est rarement possible de collecter les données sur l’ensemble de la
population
En travail en général sur des échantillons.
3
PAR HADJ HAMOU ABDELMAJID
1–2 Définition d’un échantillon aléatoire:
E une expérience aléatoire qui consiste à tirer un individu au
hasard dans P.
Exemple: choisir des enfants des écoles réparties dans plusieurs
milieux différents.
6
PAR HADJ HAMOU ABDELMAJID
2-1 Notion d’estimateur:
Comment estimer les paramètres inconnus de la population ?
Pour estimer Ɵ on ne dispose que des données ,,……,
Donc une estimation de Ɵ sera une fonction de ces observations.
Cela revient à définir une statistique t.
Une statistique t est une fonction
des observations ,,……,.
t: Rn Rm
(,,……,) t (,,……,)
Exemple: =
Puisque les observations ,,……,sont des réalisations des variables aléatoires
X1,X2,….Xn , la quantité calculable à partir des observations t(,,……, est une
réalisation de la v.a t (X1, X2,………,Xn).
A chaque échantillon de taille n, les valeurs et Si2 sont susceptibles d’être différentes.
N° observations Echantillon
1 2 i n Moyenne Ecart Type
E1 X11 X12 X1j Xn 1 2
E2 X21 X22 X2j X2n 2 2
Ei Xi1 Xi2 Xij Xin i 2
En Xn1 Xn2 Xnj Xnn n 2
↓ ↓ ↓ ↓
9
1 2 i
2-3-1 Estimation de la moyenne:
Biais:
La variable aléatoire défini par : =
10
PAR HADJ HAMOU ABDELMAJID
2-3-2 Estimation de la variance en supposant µ connue:
Théorème :
La variable aléatoire S2écha. définie par S2écha = -)2 est un estimateur
convergent et sans biais de σ2 uniquement si µ est connue.
11
PAR HADJ HAMOU ABDELMAJID
2-3-3 Estimation de la variance si µ est inconnue:
2ème cas si µ est inconnue:
Soient X1, X2,………,Xn v.a i.i.d V() = σ2 et E[Xi] = µ
Si µ est inconnue on l’estime par
[S2écha] = E [ -)2]
= E [ 2 - 2+2)
= E [ 2 - 2+ n2]
= E [ 2 – 2n+ n2]
= 2]- E []
Or V() = E[]-(E[])2 donc E[] = V() + (E[])2 = +
et V() = E[Xi2]-(E[Xi])2 donc E[Xi2] = V() + (E[Xi])2 = σ2 + µ2
Alors E [S2écha] = σ2 + µ2 – -
E [S2écha] = σ2 est un estimateur biaisé
Théorème :
La variable S2 définie par S2 = -)2 est un estimateur convergent et sans biais de
σ2. = σéch.
12
PAR HADJ HAMOU ABDELMAJID
ESTIMATION PAR INTERVALLE DE CONFIANCE
L’estimation ponctuelle d’un paramètre (proportion, moyenne et
variance) peut varier d’un échantillon à l’autre.
On dit qu’il ne prend pas en compte des fluctuations
d’échantillonnage.
Il est nécessaire de lui associer un intervalle qui contient, avec une certaine
probabilité, la vrai valeur du paramètre dans la population.
Définition:
L'estimation par intervalle de confiance de Ɵ consiste à associer à un échantillon
un intervalle aléatoire [Ô1; Ô2] qui contient Ɵ avec une certaine probabilité.
Cet intervalle est appelé intervalle de confiance de Ɵ.
P(Ô1 < Ɵ < Ô2 ) = 1- α
α : risque d’erreur que l’intervalle ne contient pas la vraie valeur de Ɵ.
1- α : niveau de confiance que l’ I.C contient la vraie valeur de Ɵ.
Soit T l’estimateur du paramètre Ɵ : posons Ô1 = T- ɛ et Ô2 = T+ ɛ
De plus, quand n est assez grand, la loi normale Ɲ (n μ , nσ2) est une bonne approximation de
la loi de Sn.
= = et Zn = = alors Zn =
de sorte que l'espérance et l'écart-type de Zn valent respectivement 0 et 1 : la variable est
ainsi dite centrée et réduite.
14
PAR HADJ HAMOU ABDELMAJID
1er cas si σ est connue:
Après centrage et réduction de la moyenne empirique, on obtient :
Zn = ∼ Ɲ (0 , 1) (Par le TCL)
Remarque:
• Si α = 5% , le fractile d’ordre 0,975 de la
loi normale centrée réduite correspond à
Z1-α/2 = 1,96.
Identifier le problème
Calculer la valeur
Déterminer la valeur Z
Non Oui
Population
infinie ?
Arrivé 16
e
PAR HADJ HAMOU ABDELMAJID
2ème cas si σ est inconnue:
Théorème (Grands échantillon n ≥ 30)
Soit X une v.a continue de moyenne µ et de variance σ2
17
PAR HADJ HAMOU ABDELMAJID
Algorithme de l’estimation d’une moyenne lorsque σ est inconnu
Départ
Identifier le problème
𝐄𝐯𝐚𝐥𝐮𝐞𝐫 𝐒𝐞𝐭 𝑿
18
Arrivé
PAR HADJ HAMOU ABDELMAJID e
2-3-3 Estimer un pourcentage:
Le mieux est de commencer par un exemple concret.
Exemple 1: Etude des troubles de sommeil chez les enfants de 2 à
3 ans.
Population : 14 000 enfants de 2 à 3 ans.
Echantillon : 540 enfants ( dont 86 présentaient des troubles de
sommeil).
19
PAR HADJ HAMOU ABDELMAJID
Caractéristique de la variable étudiée:
Trouble de sommeil : variable qualitative.
Unité (deux modalités) : Oui / Non
Variable dichotomique
Paramètre : pourcentage
Comment estimer un paramètre inconnu à partir d’un paramètre observé sur un
échantillon ?
Paramètre à estimer:
Exemple 1 : variable qualitative binaire (pourcentage).
Paramètre inconnu dans la population (pourcentage P)
Paramètre observé dans l’échantillon P0 .
20
PAR HADJ HAMOU ABDELMAJID
Question : Comment estimer P en connaissant p0 ?
Po-2σ ≤ P ≤ Po+2σ
Po-2 ≤ P ≤ Po+2
22
PAR HADJ HAMOU ABDELMAJID