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)
Introduction
Définitions
Notation
Estimateur sans biais
Précision et efficacité d"un estimateur
Estimateur convergentEstimation
Myriam Maumy-Bertrand
1 1IRMA, Université de Strasbourg
Strasbourg, France
ESIEA 4ème Année 28-02-2011
Myriam Maumy-BertrandEstimation
Introduction
Définitions
Notation
Estimateur sans biais
Précision et efficacité d"un estimateur
Estimateur convergentCe chapitre s"appuie essentiellement sur : le livre de Jean-Jacques Droesbeke, professeur à l"Université Libre de Bruxelles, " Éléments de statistiques »,Université de Bruxelles, Ellipses, 2001.
Myriam Maumy-BertrandEstimation
Introduction
Définitions
Notation
Estimateur sans biais
Précision et efficacité d"un estimateur
Estimateur convergentSommaire
1Introduction
2Définitions
3Notation
4Estimateur sans biais
5Précision et efficacité d"un estimateur
6Estimateur convergent
Myriam Maumy-BertrandEstimation
Introduction
Définitions
Notation
Estimateur sans biais
Précision et efficacité d"un estimateur
Estimateur convergentLe problème de l"estimationest l"impossibilité de connaître exactement la valeur d"unparamètre inconnu noté. Ce problème est très général et a des aspects distincts.Les observations, par exemple obtenues à partir d"une méthode d"échantillonnage, permettent de construireune estimation de. Nous supposerons que chaque observation est la valeur d"une variable aléatoireXdont la loi dépend de. Cela revient ainsi à doter l"état de la natureinconnu d"unmodèle probabiliste. Ce dernier est complété par unmodèle d"échantillonnagedécrivant la manière dont les observations sont recueillies.Myriam Maumy-BertrandEstimation
Introduction
Définitions
Notation
Estimateur sans biais
Précision et efficacité d"un estimateur
Estimateur convergentHypothèses
Nous nous plaçons dans le cas le plus simple :
Lesnobservations constituent unéchantillon aléatoire composé denvariables aléatoires indépendantes et identiquement distribuées (ce que nous noterons i.i.d.) fX1;:::;Xng.Définition Unmodèle probabilistecomplété par unmodèle d"échantillonnageest ce que nous appelons unmodèle statistique.Myriam Maumy-BertrandEstimationIntroduction
Définitions
Notation
Estimateur sans biais
Précision et efficacité d"un estimateur
Estimateur convergentLe problème :
Comment pouvons-nous estimerà partir denobservations fX1;:::;Xngformant unéchantillon aléatoiredont les valeurs sont notéesfx1;:::;xngformant unéchantillon?Deux problèmes :Cette question recouvre deux problèmes :
1Définir un estimateur possédant de bonnes qualités.
2Trouver la manière adéquate de le choisir.
Nous allons évoquer ces deux questions successivement dans les paragraphes suivants.Myriam Maumy-BertrandEstimation
Introduction
Définitions
Notation
Estimateur sans biais
Précision et efficacité d"un estimateur
Estimateur convergentSommaire
1Introduction
2Définitions
3Notation
4Estimateur sans biais
5Précision et efficacité d"un estimateur
6Estimateur convergent
Myriam Maumy-BertrandEstimation
Introduction
Définitions
Notation
Estimateur sans biais
Précision et efficacité d"un estimateur
Estimateur convergentSoient :
un paramètre réelunivariéinconnu défini au sein d"une populationU,l"ensemble des valeurs possibles du paramètre.Définition SifX1;:::;Xngest un échantillon aléatoire d"effectif n prélevé dans la population U, alors nous appelonsestimateurduparamètre inconnutoute fonction h des n observations, notébn:bn=h(X1;:::;Xn):(2.1)Myriam Maumy-BertrandEstimation
Introduction
Définitions
Notation
Estimateur sans biais
Précision et efficacité d"un estimateur
Estimateur convergentb
nestune variable aléatoirede loi de probabilité qui dépend du paramètre inconnu.Définition Une fois l"échantillon prélevé, nous disposons de n valeurs observées x1;:::;xn, ce qui nous fournit une valeur
h(x1;:::;xn) de bn, que nous appelons uneestimationdu paramètre.Myriam Maumy-BertrandEstimationIntroduction
Définitions
Notation
Estimateur sans biais
Précision et efficacité d"un estimateur
Estimateur convergentIl est souhaitable de ne pas utiliser uniquement le bonsens ou l"intuition pour choisir entre deux estimateurs.Pour pouvoir effectuer le bon choix, nous devons pouvoir
les comparer en recourant à des objectifs choisis a priori.Nous allons établir une liste de plusieurs propriétés que
nous souhaitons retrouver dans un bon estimateur, permettant ainsi de mettre en évidence ceux qui en possèdent sinon le plus grand nombre, du moins les plus importantes.Myriam Maumy-BertrandEstimation
Introduction
Définitions
Notation
Estimateur sans biais
Précision et efficacité d"un estimateur
Estimateur convergentSommaire
1Introduction
2Définitions
3Notation
4Estimateur sans biais
5Précision et efficacité d"un estimateur
6Estimateur convergent
Myriam Maumy-BertrandEstimation
Introduction
Définitions
Notation
Estimateur sans biais
Précision et efficacité d"un estimateur
Estimateur convergentToute fonction des observations d"un échantillon aléatoire simple, définie par (2.1), peut permettre d"estimer la valeur du paramètre.Rappel de la définition Nous appelonsestimationla valeur observéeh(x1;:::;xn)de l"estimateurh(X1;:::;Xn).Remarque La notation couramment utilisée " majuscule pour une variable aléatoire et minuscule pour sa valeur » est en contradiction avec (2.1) et veut que nous distinguons aussi la variablealéatoirebnde sa valeur observée, notée parfoisbn(x1;:::;xn).Myriam Maumy-BertrandEstimation
Introduction
Définitions
Notation
Estimateur sans biais
Précision et efficacité d"un estimateur
Estimateur convergentPour fixer les idées, et étant donné les difficultés à distinguer
variable aléatoire et valeur observée, nous utilisons la notation suivante :Notation1L"échantillon de taillenest désigné parfx1;:::;xng.2L"échantillon aléatoire de taillenest quant à lui désigné par
fX1;:::;Xng.Remarque Il faudra toujours se poser la question " dans quel cas sommes-nous? » car cela peut avoir des conséquences, surtout dans les calculs que nous effectuerons.Myriam Maumy-BertrandEstimation
Introduction
Définitions
Notation
Estimateur sans biais
Précision et efficacité d"un estimateur
Estimateur convergentUn exemple : l"estimation d"une moyenneUn autre exemple : l"estimation d"une variance
Un dernier exemple : l"estimation d"une proportionIllustration numériqueSommaire
1Introduction
2Définitions
3Notation
4Estimateur sans biais
5Précision et efficacité d"un estimateur
6Estimateur convergent
Myriam Maumy-BertrandEstimation
Introduction
Définitions
Notation
Estimateur sans biais
Précision et efficacité d"un estimateur
Estimateur convergentUn exemple : l"estimation d"une moyenneUn autre exemple : l"estimation d"une variance
Un dernier exemple : l"estimation d"une proportion Illustration numériqueLe choix d"un estimateurva reposer surses qualités. Comme nous l"avons souligné, il est habituel de comparer des estimateurs entre eux sur base de propriétés plus ou moins intéressantes qu"ils possèdent ou non.La première propriété :Elle concerne la possibilité de comporter unbiais.Il est souvent judicieux que la distribution d"un estimateur soit
centrée sur le paramètre inconnu, c"est-à-dire qu"il possède la propriété suivante.Myriam Maumy-BertrandEstimation
Introduction
Définitions
Notation
Estimateur sans biais
Précision et efficacité d"un estimateur
Estimateur convergentUn exemple : l"estimation d"une moyenneUn autre exemple : l"estimation d"une variance
Un dernier exemple : l"estimation d"une proportionIllustration numériqueDéfinition
b nest unestimateur sans biais(ou non biaisé) du paramètre si Ehbni =:(4.1)Définition Si l"équation(4.1)n"est pas vérifiée, lebiaisdebnse définit par B bn =Ehbni :(4.2)Myriam Maumy-BertrandEstimationIntroduction
Définitions
Notation
Estimateur sans biais
Précision et efficacité d"un estimateur
Estimateur convergentUn exemple : l"estimation d"une moyenneUn autre exemple : l"estimation d"une variance
Un dernier exemple : l"estimation d"une proportionIllustration numériqueDéfinition
Un estimateur
bnest unasymptotiquement sans biaispour le paramètresi lim n!+1Ehbni =:(4.3)Myriam Maumy-BertrandEstimationIntroduction
Définitions
Notation
Estimateur sans biais
Précision et efficacité d"un estimateur
Estimateur convergentUn exemple : l"estimation d"une moyenneUn autre exemple : l"estimation d"une variance
Un dernier exemple : l"estimation d"une proportionIllustration numérique
Pour estimer la moyennede la populationUde tailleNnous utilisons la moyennebnque nous allons définir ci-dessous, d"un échantillon aléatoire de taillen(nDéfinitions
Notation
Estimateur sans biais
Précision et efficacité d"un estimateur
Estimateur convergentUn exemple : l"estimation d"une moyenneUn autre exemple : l"estimation d"une variance
Un dernier exemple : l"estimation d"une proportionIllustration numériqueHypothèses de travail
Le mode de prélèvement retenu est tel que :
1lesXisont des v.a.indépendantes et identiquement
distribuées.2LesXivérifientles deux propriétés suivantes:8i=1;:::;nE[Xi] =etVar[Xi] =2:Définition
L"estimateur de la moyennebnd"un échantillon aléatoire de taille n est égal à : bn=1nn X i=1X i:Myriam Maumy-BertrandEstimationIntroduction
Définitions
Notation
Estimateur sans biais
Précision et efficacité d"un estimateur
Estimateur convergentUn exemple : l"estimation d"une moyenneUn autre exemple : l"estimation d"une variance
Un dernier exemple : l"estimation d"une proportionIllustration numérique
Calculons l"espérance debn:
E[bn] =E"
1n n X i=1X i# 1n E" nX i=1X i# 1n n X i=1E[Xi] =1n n=: Nous établissons ainsi la propriété suivante :Propriété En moyenne, l"estimateurbnest égal à la moyennede la population U, ou encorebnest un estimateur sans biais de la moyenne.Myriam Maumy-BertrandEstimationIntroduction
Définitions
Notation
Estimateur sans biais
Précision et efficacité d"un estimateur
Estimateur convergentUn exemple : l"estimation d"une moyenneUn autre exemple : l"estimation d"une variance
Un dernier exemple : l"estimation d"une proportionIllustration numérique
Calculons la variance debn:
Var[bn] =Var"
1n n X i=1X i# 1n 2n X i=1Var[Xi];lesXisont indépendantes 1n 2n X i=12;lesXisont identiquement distribuées
1n22n=2n
Myriam Maumy-BertrandEstimation
Introduction
Définitions
Notation
Estimateur sans biais
Précision et efficacité d"un estimateur
Estimateur convergentUn exemple : l"estimation d"une moyenneUn autre exemple : l"estimation d"une variance
Un dernier exemple : l"estimation d"une proportionIllustration numériqueLes questions :
Que signifie statistiquement ce dernier résultat? Comment le statisticien l"interprète-t-il?Les réponses : Ce paramètre, destiné à connaître la dispersion des valeurs debnautour de, permet de mesurerl"erreur d"échantillonnage.Plus laVar[bn]est faible, plus il est probable que l"erreur sera petite et l"estimateurbnprécis.LaVar[bn]est faible si la variance2de la populationU est petite, ce qui correspond à une population homogène, et/ou si la taillende l"échantillon est grande.Myriam Maumy-BertrandEstimationIntroduction
Définitions
Notation
Estimateur sans biais
Précision et efficacité d"un estimateur
Estimateur convergentUn exemple : l"estimation d"une moyenneUn autre exemple : l"estimation d"une variance
Un dernier exemple : l"estimation d"une proportionIllustration numériqueRemarque
Cette erreur calculée dans le cas d"un échantillon aléatoire ne dépend pas de la tailleNde la populationU, ce qui n"est pas intuitif! Savez-vous pourquoi?Remarque En fait, nous avons effectué les calculs avec des variables indépendantes ce qui correspond à un tirage aléatoire avec remise. Lorsque nous calculerons cette erreur dans le cas d"un tirage aléatoire sans remise, la tailleNde la populationU interviendra!Myriam Maumy-BertrandEstimation
Introduction
Définitions
Notation
Estimateur sans biais
Précision et efficacité d"un estimateur
Estimateur convergentUn exemple : l"estimation d"une moyenneUn autre exemple : l"estimation d"une variance
Un dernier exemple : l"estimation d"une proportionIllustration numériqueDéfinition
L"estimateur de la variance S
2nd"un échantillon aléatoire de
taille n est égal à : S 2n=1n n X i=1(Xibn)2:Calculons l"espérance de l"estimateurS2nafin de savoir siS2nest un estimateur sans biais de la variance2de la populationU.Myriam Maumy-BertrandEstimationIntroduction
Définitions
Notation
Estimateur sans biais
Précision et efficacité d"un estimateur
Estimateur convergentUn exemple : l"estimation d"une moyenneUn autre exemple : l"estimation d"une variance
Un dernier exemple : l"estimation d"une proportionIllustration numériqueRemarque
Avant de commencer le calcul de l"espérance de l"estimateur S2n, il est intéressant de noter que
S 2n=1n n X i=1(Xibn)2 1n n X i=1X 2i! b2n:Myriam Maumy-BertrandEstimationIntroduction
Définitions
Notation
Estimateur sans biais
Précision et efficacité d"un estimateur
Estimateur convergentUn exemple : l"estimation d"une moyenneUn autre exemple : l"estimation d"une variance
Un dernier exemple : l"estimation d"une proportionIllustration numérique
E h S2ni =E" 1n n X i=1X 2i! b2n# 1n n X i=1Eh X2ii Ehquotesdbs_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