[PDF] Calcul dun intervalle de confiance pour la moyenne dans une





Previous PDF Next PDF



Quelques rappels sur les intervalles de confiance

Dans ce cas la distribution de la moyenne empirique tend vers une loi normale d'après le théorème central limite. On parlera d'intervalle de confiance 



Estimations et intervalles de confiance

mations : intervalle de confiance d'une proportion d'une moyenne qui ne suit plus une loi normale mais une loi dite de Student à n ? 1 degrés.



Statistique inférentielle Intervalles de confiance

Rappels sur la loi normale. Cas Gaussien. Intervalles de confiance asymptotiques. INTERVALLES DE CONFIANCE. Soient X1



Calcul dun intervalle de confiance pour la moyenne dans une

est distribuée selon une loi t `a (n ? 1) degrés de liberté. Ce théor`eme permet de faire de l'inférence sur le param`etre µ d'une loi normale. Les bornes de 



Chapitre 5 : Estimation

Intervalles de confiance similaires entre petite ou grande taille. Seule différence : z? (loi normale) t? (Student). S.Herrmann (UBFC).



STATISTIQUE : ESTIMATION

Intervalle de confiance de la différence de deux moyenne alors la loi normale N(m ?2/n)



TABLES DE PROBABILIT?S ET STATISTIQUE

fonction de répartition ? de la loi Normale N?0 1? est de l'intervalle de confiance approximatif comme les abscisses des points d'intersection de la.



Statistiques

Parfois d'autres lois que la loi normale sont utiles dans les approximations (cf. les calculs d'intervalle de confiance de test). Ce sont les lois de 



Traitement statistique des processus alpha-stable

(xi ? 20)2 = 18. Exercice 8 : Intervalle de confiance de la variance d'une loi normale d'espérance inconnue. On veut déterminer le poids P 



Cours de Statistiques inférentielles

A l'aide des propriétés de la loi normale standard on remarque que le nombre L'intervalle de confiance pour la moyenne d'une population de variance ?2 ...

MOHAMED RIDHA TEKAYA

Calcul d'un intervalle de con¯ance pour la moyenne dans le cadre du programme de ma^³trise en statistique pour l'obtention du grade de Ma^³tre µes sciences (M.Sc.)

FACULT

Avril 2006

c

°Mohamed Ridha Tekaya, 2006

Cet essai a pour objectif de calculer un intervalle de con¯ance pour la moyenne¹µa d'un intervalle de con¯ance.

Avant-propos

Je tiens µa remercier Monsieur Louis-Paul Rivest, mon directeur de recherche, pro- direction, et ses conseils judicieux tout au long de cette recherche. Finalement, je voudrais exprimer la profonde gratitude que j'ai envers mes parents, mes deux s¾urs et mon frµere pour leurs encouragements et leur soutien.

Table des matiµeres

ii

Avant-Propos

iii

Table des matiµeres

v

Liste des tableaux

vi

Table des ¯gures

vii

1 Introduction

1

2 Calcul d'intervalle de con¯ance pour une moyenne

2

2.1 Notation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

2 3

2.3 Approche modµele . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

8 12

3 La vraisemblance empirique

13 13

3.2 Intervalle de con¯ance pour¹. . . . . . . . . . . . . . . . . . . . . . .

15 19 3.4 22

3.5 Exemple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

24
26
26
29

4.3 Exemple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

31

5 Conclusion

32

Bibliographie

33
v simple 34

B Macro SAS

36

C Le programme R pour l'exemple 2.1

40

D Le programme R pour l'exemple 2.2

41

E Le programme R pour l'exemple 3.1

44
46

Liste des tableaux

con¯ance ( 2:2 2:3 ) avec ¹= 1 etn= 40 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 non couverture de l'intervalle de con¯ance ( 2:5 de l'exemple 2.2 avecn= 40 . . . . . . . . . . . . . . . . . . . . . . . . 12 con¯ance ( 3:7 23
24
m= 60 etn= 140 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30

Table des ¯gures

5 du quantile deÂ20:95;1pour l'exemple 2:2:avecn= 40 etp= 3=4 = 1=¸ 11

Chapitre 1

Introduction

L'objectif principal de ce travail de recherche est le calcul d'un intervalle de con¯ance µa propos des paramµetres d'un modµele statistique. L'annexe A donne une fonction R qui calcule les bornes d'un intervalle de con¯ance centrale. seulement µa des variables prenant des valeurs positives ou nulles.

Chapitre 2

Calcul d'intervalle de con¯ance

pour une moyenne

2.1 Notation

moyenne¹et de variance¾2 IC : est un acronyme pour Intervalle de Con¯ance. IC IC IC IC empirique. X=1 n P n s 2=1 n¡1P n i=1(Xi¡ T=p n( pour¹. t z Elle augmente le niveau d'information par rapport µa une estimation ponctuelle. Elle permet d'avoir un aper»cu des valeurs possibles pour¹. Un intervalle de con¯ance si pour chacun on calcule l'intervalle de con¯ance, alors dans 100(1¡®)% des cas le paramµetre¹devrait ^etre dans l'intervalle de con¯ance. Nous envisageons ici deux cas de calcul d'intervalle de con¯ance pour¹, nest quelconque. Si issu de la loiN(¹;¾2), une distribution normale de moyenne¹et de variance¾2, alors T=

X¡¹

s= p n bornes de l'intervalle de con¯ance µa 100(1¡®)% pour¹sont obtenues µa partir de

1¡®=Ph

¡tn¡1;®=2·

X¡¹

s= p n

·tn¡1;®=2i

=Ph

X¡tn¡1;®=2s

p n

X+tn¡1;®=2s

p n i IC ts=h

X¡tn¡1;®=2s

p n

X+tn¡1;®=2s

p n i on obtient

X¡¹

p n

»N(0;1):

montre que la distribution asymptotique lorsquentends vers1est T=

X¡¹

s= p n

»N(0;1):

(2.1)

1¡®=Ph

¡z®=2·

X¡¹

s= p n

·z®=2i

=Ph

X¡z®=2s

p n

X+z®=2s

p n i

On obtient l'intervalle de con¯ance suivant

IC tlc=h

X¡z®=2s

p n

X+z®=2s

p n i (2.2) Chapitre 2. Calcul d'intervalle de con¯ance pour une moyenne5€€

Quantiles of Standard Normal

valeur de t -3 -2 -1 0 1 2 3 -4 -2 0 2

Fig.2.1 {

Exemple 2.1.(Distribution deT)

f(x) =( pexp(¡x=¸) six >0

1¡psix= 0:

(2.3) Chapitre 2. Calcul d'intervalle de con¯ance pour une moyenne6

Y»Bernoulli(p))(

P[Y= 1] =p

E[Y] =p:

Z»Exponentielle(1=¸))n

E[Z] =¸:

2:1 ), nous faisons 2:3

A la lumiµere de la ¯gure

2.1 2:1 ) n'est dans le tableau 2.1 2:2 2:2 ) par P jTj< z0:025´ deTen ( 2:1 2:2 c

Le nombre de simulations

d

Le nombre de simulations

Taux de non

Taux de non

Taux de

P(Y= 1)

µa gauche en (%)

µa droite en (%)

0.25 0.2 12.8 87.0
0.50 0.8 9.0 90.2
0.75 0.8 6.6 92.6
0.85 1.0 5.2 93.8
0.95 0.2 5.6 94.2

Tab.2.1 {

con¯ance ( 2:2 2:3 ) avec¹= 1 et n= 40 e t=r

¿(1¡¿)

500
oµu¿est le taux de couverture ou de non couverture. Si¿= 95% alorset= 0:0097 et pour¿= 2:5% nous obtenonset= 0:0069.

En vertu du tableau

2.1 Chapitre 2. Calcul d'intervalle de con¯ance pour une moyenne82.3 Approche modµele intervalle de con¯ance pour¹. Appelons f(x;µ1;:::;µm)

¹=g(µ1;:::;µm)

A¯n de pouvoir estimer¹, en premier lieu, nous calculons (bµ1;:::;cµm) les estima- teurs du maximum de vraisemblance des paramµetres. En second lieu, nous utilisons la b¹=g(bµ1;:::;cµm); est l'estimateur du maximum de vraisemblance de¹. Pour calculer un intervalle de con¯ance pour¹, on estime tout d'abord les pa-

L=L(µ1;:::;µm)

nY i=1f(Xi;µ1;:::;µm): Dans la pratique pour simpli¯er les calculs des estimateurs, nous utilisons le loga- l(µ1;:::;µm) = log³

L(µ1;:::;µm)´

nX i=1log³ f(Xi;µ1;:::;µm)´ jl(µ1;:::;µm) = 0;pourj= 1;:::;m: Ensuite, nous ¯xons¹et maximisons la vraisemblance sous la contrainte¹= l p(¹) = maxµ

1;:::;µm; ¹=g(µ1;:::;µm)l(µ1;:::;µm):

Le calcul delp(¹) utilise pour chaque valeur de¹des estimateurs desµj,bµj(¹) pour j= 1;:::;m:Notons quelp(¹) est maximale µa¹=b¹l'estimateur du maximum de vraisemblance de¹. montre que

½(¹0) = 2³

l p(b¹)¡lp(¹0)´

»Â21:

(2.4)

Si¹0est la vraie valeur du paramµetre¹, l'intervalle de con¯ance pro¯l pour¹µa un

IC mv=n

0: 2³

l p(b¹)¡lp(¹0)´

21¡®;1o

(2.5) intervalle de con¯ance pour¹. Exemple 2.2.(Modµele exponentiel avec masse µa 0) 2:3 qui suivent la loi exponentielle de moyenne¸. A partir du modµele ( 2:3 ) nous voyons

¹=p¸=g(p;¸):

½(¹0) =¡2 log8

1¡¹0=b¸0´

0=b¸0´

n¡k³

1=b¸0´

n¡kexp³

¡Pn¡k

i=1xi=b¸0´

1¡b¹=b¸´

k³ b¹=b¸´ n¡k³

1=b¸´

n¡kexp³

¡Pn¡k

i=1xi=b¸´9 (2.6) oµu, bp=n¡k n ;b¸=P n i=1xi n¡k;b¹=bpb¸=P n i=1xi n et b

¸0=A+p

A

2¡4AB

2 avec,

A=³2n¹0+Pn

i=1xi¡k¹0

2(n¡k)´

etB=³¹0Pn i=1xi

2(n¡k)´

2:6 ) et les autres estimateurs des paramµetres inconnuesp,¸et¹sont Chapitre 2. Calcul d'intervalle de con¯ance pour une moyenne111.0 1.5 2.0

0 2 4 6 8

mu rhomu

Fig.2.2 {

quantile deÂ20:95;1pour l'exemple 2:2:avecn= 40 etp= 3=4 = 1=¸ Lsous aucune contrainte. Mais on obtientb¸0en maximisant la vraisemblance pro¯l sous la contrainte¹0=p¸0. Avant de chercher l'intervalle de con¯ance pour¹, nous tra»cons dans la ¯gure 2.2

A la lumiµere de la ¯gure

2.2 , nous voyons que la droite horizontale coupe la courbe de½(¹) en deux points distincts. Soientbietbsles abscisses respectifs de ces deux points. l'intervalle de con¯ance µa 95% pour¹est l'ensemble de valeurs comprises entre bietbs. 2.2 , le 2:5 Chapitre 2. Calcul d'intervalle de con¯ance pour une moyenne12

Taux de non

Taux de non

Taux de

P(Y= 1)

µa gauche en (%)

µa droite en (%)

0.25 1.4 2.8 95.8
0.50 3.2 3.0 93.8
0.75 2.0 2.4 95.6
0.85 3.0 2.2 94.8
0.95 1.8 2.4 95.8

Tab.2.2 {

non couverture de l'intervalle de con¯ance ( 2:5

2.2 avecn= 40

En vertu du tableau

2.2 , nous voyons que pour certaines valeurs dep=P(Y= 1) 2:5 Lorsque la population contient plusieurs valeurs nulles, la distributionFn'est pas

Chapitre 3

La vraisemblance empirique

(X1;:::;Xn) est inconnue, nous utilisons la vraisemblance empirique pro¯l pour calculer un intervalle de con¯ance pour la moyenne¹. empirique. X F n(x) =1 n n X i=1I fXi·xgpour tout¡ 1< x <+1: I A=(

1 siAest vraie

0 sinon:

suivante

L(F) =nY

quotesdbs_dbs47.pdfusesText_47
[PDF] loi normale inverse calculatrice

[PDF] loi normale probabilité exercices corrigés

[PDF] loi normale terminale es

[PDF] loi normale terminale es exercices corrigés

[PDF] loi normale terminale s

[PDF] loi normale ti nspire cas

[PDF] Loi normale, estimations etc

[PDF] loi n° 12-03 relative aux études d'impact sur l'environnement

[PDF] loi n° 36-15 sur l'eau

[PDF] loi pour l'égalité des chances des personnes handicapées

[PDF] loi protection de l enfance maroc

[PDF] loi rcr

[PDF] loi régime complémentaire de retraite

[PDF] loi simplification administrative

[PDF] Loi Snell descart