Chapitre 3. Estimation
2 fév. 2017 Définition: Un estimateur ˆ? de ? est dit sans biais si: E(ˆ?) = ? ?? ? ?. Ainsi
Estimateur sans biais Définition ˆ ? est un estimateur sans biais de ?
Définition. ˆ ? est un estimateur sans biais de ? si. E[ˆ?] = ? ?? ? ?. Exemple: ˆµ = X comme estimateur de µ la moyenne de X: E(ˆµ) = E(X) = µ.
ESTIMATION DE PARAMÈTRES
Définition : Un estimateur est sans biais si la moyenne de sa distribution d'échantillonnage est égale à la valeur ?du paramètre de la population à estimer
Estimation
Définitions. Notation. Estimateur sans biais. Précision et efficacité d'un estimateur. Estimateur convergent. Estimation. Myriam Maumy-Bertrand1.
STATISTIQUE : ESTIMATION
Cette décomposition permet de se ramener à une discussion sur la variance pour les estimateurs sans biais de ?. Définition 7. Soient T1 et T2 deux estimateurs
Estimation paramétrique
On introduit les propriètes suivantes d'un estimateur : DÉFINITION 3. — T est un estimateur sans biais de g(?) si pour tout ? ? ?. E?[T]
Cours 5 : ESTIMATION PONCTUELLE
plus précis que le meilleur estimateur sans biais. Pbme : le calcul de la variance d'un estimateur et donc l'existence et la définition.
Estimation ponctuelle
Montrer qu'un estimateur est sans biais ou asymptotiquement sans biais. Comme on l'a déjà vu la définition très générale d'un estimateur ne présume en ...
1 Estimation statistique
l'exemple TAR Xn est un estimateur sans biais de p. On veut maintenant comparer différents estimateurs de ?. Définition 1.4. Le risque quadratique de
Chapitre 12. Estimation
4.1 Définition généralités . Tn est un estimateur sans biais de ? si b(Tn)=0 (c'est-à-dire E(Tn) = ?). Exemple 1 : Soit X ?? B(p)
Propriétés d"un estimateur
Estimateur sans biais
Estimateur sans biaisDéfinitionˆθest un estimateur sans biais deθsiE[ˆθ] =θ?θ?Θ
Exemple:ˆμ=
Xcomme estimateur deμla moyenne deX:
E(ˆμ) =E(
X) =μ
Biais d"un estimateur:
B(ˆθ) =E(ˆθ)-θEstimateur asymptotiquement sans biais:Estimateurˆθndeθ tel que limn?→∞E(ˆθn) =θS., El Melhaoui (FSJESO)
Estimation
11/2016 18 / 54
Propriétés d"un estimateur
Efficacité relative et absolue
Mesure de précision d"un estimateur: MSEDéfinitionErreur quadratique moyenne [Mean Squared Error (MSE)] d"unestimateurˆθd"un paramètreθest:
MSE(ˆθ) =E?
(ˆθ-θ)2?MSE=Biais et variance:
MSE(ˆθ) =E?
(ˆθ-θ)2? =E? (ˆθ-E(ˆθ) +E(ˆθ)-θ)2? =E? (ˆθ-E(ˆθ))2?E(ˆθ)-θ?
2 -2?E(ˆθ)-θ?
E? (ˆθ-E(ˆθ))? 0 =V(ˆθ) +B2(ˆθ)S., El Melhaoui (FSJESO)
Estimation
11/2016 19 / 54
Propriétés d"un estimateur
Efficacité relative et absolue
MSE (suite)
Cas d"un estimateur sans biais:
MSE(ˆθ) =V(ˆθ)Mesure de précision d"un estimateur: 1MSE(ˆθ)
S., El Melhaoui (FSJESO)
Estimation
11/2016 20 / 54
Propriétés d"un estimateur
Efficacité relative et absolue
Efficacité relative
Efficacité relative:Siˆθ1etˆθ2sont des estimateurs quelconque deθ, l"efficacité relative deˆθ1par rapport àˆθ2est définie par E r(ˆθ1,ˆθ2) =MSE(ˆθ2)MSE(ˆθ1)
ˆθ1est plus efficace queˆθ2si
E r(ˆθ1,ˆθ2)≥1Exemple:(estimateur d"une moyenneμ)ˆμ1=
X:MSE(
X) =σ2
nˆμ2=X1:MSE(X1) =σ2? ?Er(ˆμ1,ˆμ2) =nXest plus efficace queX1
S., El Melhaoui (FSJESO)
Estimation
11/2016 21 / 54
Propriétés d"un estimateur
Efficacité relative et absolue
Efficacité absolue
Objectif poursuivi:Rechercher un estimateur sans biaisˆθ?d"un paramètreθtel que pour toutˆθestimateur sans biais deθ
?Recherche d"un estimateur sans biais de variance minimum (SBVM)Borne de Cramer-Rao:On suppose remplies certaines conditions de régularités de la fonctionL(θ)alors :V(ˆθ)≥1
E? ?dlogL(θ) dθ? 2?S., El Melhaoui (FSJESO)
Estimation
11/2016 22 / 54
Propriétés d"un estimateur
Efficacité relative et absolue
Efficacité absolue (suite)
Information de Fisher:
I n(θ) =E? ?dlogL(θ) dθ? 2? Estimateur efficace (SBVM):Siˆθ?est un estimateur sans biais deθ, il est efficace siV(ˆθ?) =1
In(θ)
N. B. I n(θ) =E?-d2logL(θ) dθ2?S., El Melhaoui (FSJESO)
Estimation
11/2016 23 / 54
Propriétés d"un estimateur
Efficacité relative et absolue
Exemple 1
Population :régie par une loi normale
X≂ N(μ,1), oùμ?Retˆμ=
X Échantillon aléatoire:{X1,X2,...,Xn}Fonction de log-vraisemblance: L ?(μ) =-n2log(2π)-1
2? i(xi-μ)2 dlog(L(μ)) dμ=? i(xi-μ)S., El Melhaoui (FSJESO)
Estimation
11/2016 24 / 54
Propriétés d"un estimateur
Efficacité relative et absolue
Exemple 1 (suite)
L"information de Fisher :
I n(μ) =E? ?dlogL(μ) dμ? 2? =E? i(xi-μ)? 2? iE(xi-μ)2carXiindépendants iE? (xi-μ)2? 2=1=n OrV(ˆμ) =σ2/n=1/n=1/In(μ)?cet estimateur est SBVM (efficace)S., El Melhaoui (FSJESO)
Estimation
11/2016 25 / 54
Propriétés d"un estimateur
Convergence
Estimateur convergentDéfinitionSoitˆθnun estimateur deθ, il est convergent si lim n?→+∞P? |ˆθn-θ|< ε? =1Notation:
ˆθnP-→θPropriété : CS de convergenceSiˆθnest un estimateur deθtel que lim n?→+∞E(ˆθ) =θet limn?→+∞V(ˆθ) =0 alors :ˆθnP-→θ
S., El Melhaoui (FSJESO)
Estimation
11/2016 26 / 54
Propriétés d"un estimateur
Convergence
Exemple
X≂ N(μ,σ2)Échantillon :{X1,X2,...,Xn}ˆμ= XE(ˆμ) =μV(ˆμ) =σ2/nn-→0
XP-→μ
S., El Melhaoui (FSJESO)
Estimation
11/2016 27 / 54
Intervalle de confiance
Généralités
Région et Intervalle de confiance
Objectif:Rechercher une régionˆΘ?Θtel que un niveau de confianceP(θ?ˆΘ)soit fixé a prioriNiveau de confiance:Soit un seuil d"incertitudeα?]0,1[, alors
P(θ /?Θ) =α?P(θ?Θ) =1-α
?1-α=niveau de confianceNiveaux de confiance usuels: 0.90; 0.95 ; 0.99 Intervalle de confiance:Soit un paramètreθ?Θ?R. On désire construire un intervalle(?1,?2)tel que où 1-αest un niveau de confiance choisi a prioriS., El Melhaoui (FSJESO)
Estimation
11/2016 28 / 54
Intervalle de confiance
Généralités
Intervalle de confianceRemarques
?1et?2sont des variables aléatoiresL"intervalle peut être bilatéral ou unilatéralCas bilatéral : on impose que
P(θ < ?1) =α/2 etP(?2< θ) =α/2Cas unilatéral :2= +∞etP(?1> θ) =α
1=-∞etP(?2< θ) =α
S., El Melhaoui (FSJESO)
Estimation
11/2016 29 / 54
Intervalle de confiance
Intervalle de confiance pour la moyenne
Intervalle de confiance pour la moyenne: Cas des petitséchantillons
SoitX≂ N(μ,σ2)oùμ?Retσ2?R?+Échantillon :{X1,X2,...,Xn}, où la taillen<30Estimateur deμ:ˆμ=
XLoi deˆμ:
X≂ N(μ,σ2/n)
Loi centrée réduite :
X-μσ/⎷
n≂ N(0,1) La distribution dépend deσ, on distingue alors deux cas selonσ connu ou inconnueS., El Melhaoui (FSJESO)
Estimation
11/2016 30 / 54
Intervalle de confiance
Intervalle de confiance pour la moyenne
I. C. pour moyenne: Cas des petits échantillons avecσconnuConstruction un intervalle de confiance deμau degré de confiance
(1-α):IC1-α(μ)Rappel:siZ≂ N(0,1)alors
2Il en résulte que
N. B.-z1-α/2=zα/2
S., El Melhaoui (FSJESO)
Estimation
11/2016 31 / 54
Intervalle de confiance
Intervalle de confiance pour la moyenne
I. C. pour moyenne: Cas des petits échantillons avecσconnuCommeX-μσ/⎷
n≂ N(0,1)X-μσ/⎷
?P(-z1-α/2σ ⎷n) =1-α ?P(X-z1-α/2σ
X+z1-α/2σ
⎷n) =1-α ?P(X-z1-α/2σ
⎷n?X+z1-α/2σ
⎷n?2) =1-α
?IC1-α(μ) =?X-z1-α/2σ
⎷n,X+z1-α/2σ
⎷n?S., El Melhaoui (FSJESO)
Estimation
11/2016 32 / 54
Intervalle de confiance
Intervalle de confiance pour la moyenne
I. C. pour moyenne: Cas des petits échantillons avecσinconnu Puisqueσ2est inconnu, il faut l"estimer parˆσ2Soit la variance empirique : s 2=1 n? i(Xi- X)2On montre queE(s2) =n-1
nσ2?=σ2, les2est biaiséAjustons le afin d"éliminer le biais, soit
S 2=n n-1s2 1n-1? i(Xi- X)2Il est clair queE(S2) =n
n-1E(s2) =σ2, leS2est sans biaisRemplaçons doncσ/⎷
nparS/⎷ nou pars/⎷ n-1S., El Melhaoui (FSJESO)
Estimation
11/2016 33 / 54
Intervalle de confiance
Intervalle de confiance pour la moyenne
I. C. pour moyenne: Cas des petits échantillons avecσinconnuLa substitution deσchange la loi de la statistique:
X-μS/⎷
n≂tn-1X-μS/⎷
?P(-t1-α/2S ⎷n) =1-α ?P(X-t1-α/2S
X+t1-α/2S
⎷n) =1-α ?P(X-t1-α/2S
⎷n?X+t1-α/2S
⎷n?2) =1-α
?IC1-α(μ) =?X-t1-α/2;n-1S
⎷n,X+t1-α/2;n-1S
⎷n?S., El Melhaoui (FSJESO)
Estimation
11/2016 34 / 54
Intervalle de confiance
Intervalle de confiance pour la moyenne
Exercice
Énonce:Un échantillon de taille 17, provenant d"une population normale, a les caractéristiques suivantes :¯x=4.7 etS2=5.76.
Déterminons un I.C deμau niveau de confiance 95%Solution:Il s"agit du cas des petit échantillon, avecσinconnu,
ainsi IC1-α(μ) =?
x±t1-α/2S ⎷n?4.7±t0.975;16⎷
5.76⎷17?
= [3.47,5.93][3.47,5.93][3.47,5.93] (t0.975;16=2.12)S., El Melhaoui (FSJESO)
Estimation
11/2016 35 / 54
quotesdbs_dbs1.pdfusesText_1[PDF] estimation methode des moments exercices corrigés
[PDF] estimation par intervalle de confiance exercices + corrigés pdf
[PDF] estimation par la méthode des moments exercices corrigés
[PDF] estimulacion temprana definicion pdf
[PDF] estimulacion temprana pdf libro
[PDF] estimulacion temprana pdf manual
[PDF] estimulacion temprana que es
[PDF] estm meknes 2017
[PDF] esto ecole supérieure de technologie oujda
[PDF] esto inscription 2017
[PDF] estrategia corporativa de zara
[PDF] estrategias de zara inditex
[PDF] estructura del informe de auditoria de gestion
[PDF] estructuralismo psicologia wundt pdf