Table des matières 1 Modèles statistiques
L'espérance de la moyenne empirique est la moyenne véritable dans la pop- ulation. On peut aussi dire que ¯Xn est un estimateur sans biais de m. • Variance de ¯
UNIVERSITÉ DE RENNES I UFR DE MATHEMATIQUES
inconnue donner une estimation non biaisée de l'espérance et de la variance de cette loi. Solution : on a vu en cours que le moyenne empirique est un
Compléments de probabilités et Statistique Inférentielle
La moyenne empirique d'un n échantillon est souvent utilisé comme estimateur de l'espérance de la loi mère. • La variance empirique et la variance empirique
Statistique Mathématique
On dit également que c'est la moyenne arith- La variance empirique ou plus simplement
STATISTIQUE : ESTIMATION
Xk est un estimateur de l'espérance mathématique. Comme dans le cas de la moyenne empirique le TCL nous permet de déterminer la loi asymptotique de.
Quelques rappels sur les intervalles de confiance
ce cas la distribution de la moyenne empirique tend vers une loi normale l'intervalle de confiance bilatéral symétrique pour l'espérance d'une loi.
Cours de Statistiques inférentielles
Exemple : pour estimer l'espérance E(X) de la loi de X un estimateur naturel est la moyenne empirique. X qui produit une estimation x
Estimations et intervalles de confiance
Exemple : La moyenne empirique Xn est un estimateur convergent et sans biais de l'espérance mathématique µ. Écart quadratique moyen. Notons que l'on a.
Statistique Mathématique
La variance de la moyenne empirique vaut n?1?2 n d'où le résultat. 2. Remarque 3 L'espérance de la variance empirique n'est pas égale à la vraie va-.
MOYENNE EMPIRIQUE (F3) (30 / 04 / 2018) Une moyenne
MOYENNE EMPIRIQUE (F3). (30 / 04 / 2018). Une moyenne empirique est une statistique naturelle mise en correspondance avec celle d'espérance mathématique.
UNIVERSITÉ DE RENNES I
UFR DE MATHEMATIQUES
Licence Biologie Première Année
Probabilités et Statistiques
Devoir Maison
Exercice1
Un astronome souhaite calculer, à l"aide d"un dispositif approprié, la distanced, en années-lumière
(AL), entre la terre et une étoile. En raison des influences atmosphériques et d"inévitables erreurs de
mesure, l"astronome prévoit de prendre plusieurs mesures et d"accepter leur moyenne comme estimation
de la distance réelled. Il y a des raisons de penser que les différentes valeurs mesurées correspondent à
des variables aléatoiresX1;:::;XN, indépendantes, identiquement distribuées, d"espérance commune
det de variance commune4. On cherche le nombreNde mesures que doit réaliser l"astronome afin d"obtenir une approximation dela distancedavec une marge d"erreur inférieure à1=2AL et un seuil de confiance de95%(au moins).
1 - SoitX=1N
N X k=1X k. Déterminer, en justifiant le calcul, l"espérance et la variance deX.Solution :E(X) =1N
E(PXk) =1n
P kE(Xk) =1N Nd=d. Pour la variance, nous avons vu en cours que pour des variables aléatoiresindépendantesX;Yon aV(X+Y) =V(X) +V(Y). Ici, cela impliqueV(X) =1N
2P kV(Xk) =1N2N4 =4N
2 - En utilisant le théorème central limite, donner une estimation du nombreNde mesures que doit
réaliser l"astronome. Solution : Selon le TCL, si le nom bred emesures Nest suffisamment important, on peut considérer queXest distribué comme une GaussienneN(d;4N ). On a vu en cours qu"un intervalle de confiance de niveau95%est[Xz97;5%pn ;X+z97;5%pn ] = [X1;962pn ;X+1;962pnL"astronome veut que
1;962pN
<12 , doncN >(41;96)2= 61;4656. Il faut donc 62 mesures!Exercice2
On considère l"échantillon statistique suivant :1;0;2;1;1;0;1;0;0
1 - Calculer la moyenne et la variance empiriques de cet échantillon.
Solution : mo yenneempirique
1+2+1+1+19
=23 , variance empirique12+22+12+12+129 (23 )2=492 - En supposant que les données de cet échantillon sont des réalisations d"une variable aléatoire de loi
inconnue, donner une estimation non biaisée de l"espérance et de la variance de cette loi.Solution : on
a vu en cours que le moyenne empirique est un estimateur non-biaisé de l"espérance, donc 23est une
estimation non-biaisée de l"espérance. On a vu en TD qu"un estimateur non-biaisé de la variance est
nn1fois la variance empirique, donc98 49=12 est notre estimation non-biaisée de la variance.
3 - On choisit de modéliser les valeurs de cet échantillon comme les réalisation d"une variable aléatoire
de loi binomialeB(2;p). a) Proposer un estimateur pourpbasé sur la moyenne empirique.Solution : L"esp érancede la loi B(2;p)est2p. Donc si^mest notre estimateur de la moyenne, alors^p=^m2 est un estimateur dep. Dans notre exemple, on a l"estimation^p=12 23=13 b) Avec le même modèle, utiliser la variance empirique pour proposer un autre estimateur dep. Solution : la variance de la loiB(2;p)estV= 2p(1p). Donc si^vest notre estimation de la variance, alors une estimation^pdepdevrait satisfaire^v= 2^p(1^p). On obtient doncdeuxestimations pour p, à savoir^p=12 q1 4 ^v2 . Dans le cas présent,^v=12 (voir partie 2 en haut). Nos deux estimations collapsent vers une seule^p=12
4 - On choisit de modéliser les valeurs de cet échantillon par une loi de Poisson de paramètre. Quelle
estimateur proposez-vous pour?Solution : Ici, i ly a plusieurs rép onsesraisonnables. Une loi de PoissonP()est d"espérance, on pourrait donc utiliser la moyenne empirique (qui est un estimateur non-biaisé de l"espérance) comme estimateur de. On obtient ainsi une estimation^=23 . En revanche, la variance de la loiP()est aussi, on pourrait donc raisonnablement utiliser notre estimateur de la variance comme estimateur de, c.à.d.,^=12Exercice3
On a mesuré les dimensions d"une tumeur chez des souris traitées ou non avec une substance anti-
tumorale. On a obtenu pour le groupe de souris témoins (échantillon den1= 30souris) : moyenne m1= 7;075 cm2et écart type1= 0;576 cm2et pour le groupe de souris traitées (échantillon de
n2= 28souris) : moyennem2= 5;850 cm2et écart type2= 0;614 cm2. On souhaite déterminer si
la différence observée entre le groupe traité et le groupe témoin est significative en ayant recours à un
test d"hypothèse.On suppose d"une part que les données du groupe témoin correspondent à des réalisations den1
variables aléatoiresX1;:::;Xn1indépendantes et identiquement distribuées et d"autre part que les
données du groupe traité correspondent à des réalisations den2variables aléatoiresY1;:::;Yn2indé-
pendantes et identiquement distribuées. On suppose de plus que les variablesX1;:::;Xn1etY1;:::;Yn2sont indépendantes.
On souhaite tester l"hypothèse nulle(H0) :m1=m2contre l"hypothèse alternative(H1) :m16=m2.1 - Justifier que l"on peut considérer que de manière approchéeX=1n
1(X1++Xn1)suit une loi
normaleN(m1;21=n1)et queY=1n2(Y1++Yn2)suit une loi normaleN(m2;22=n2).Sol ution:
Le TCL dit exactement que, si toutes les variables aléatoiresXisuivent la même loi, de moyenne m1et de variance21, et sont indépendantes, alors la variable aléatoireXsuit, pourn1assez grand,
approximativement une loi normale de moyennem1et de variance21n1, doncX N(m1;21n
1). Pour
justifier qu"un échantillon de taille 30 est suffisamment grand pour pouvoir appliquer le TCL, il faudrait
regarder la situation médicale en plus de détail - ceci dépasse le cadre du cours et de cette question.
2 - En admettant que la somme de 2 variables aléatoires indépendantes de loi normale suit encore une
loi normale, déterminer la loi de la variable aléatoireD=XYsous l"hypothèse(H0).So lution:D"abord,E(D) =E(X)E(Y) =m1m2H
0= 0. L"observation clé maintenant est que, par hypothèse, les
variables aléatoiresXetYsont indépendantes. Par un théorème vu en cours, les variances de variables
aléatoires indépendantes sont additives :V(D) =V(X+ (Y)) =V(X) +V(Y) =V(X) +V(Y) = 21n1+22n
2. En plus, on a admis queD=X+ (Y)suit une loi normale (approximativement), donc
D N(0;21n
1+22n 2)3 - On note
T=Dq 21n1+22n 2: Montrer que sous l"hypothèse(H0), on aP(zTz)1oùzest le quantile d"ordre12 de la
loiN(0;1). En déduire le principe d"un test au niveaupour l"égalité de 2 moyennes.Solution : Puisque
D N(0;21n
1+22n2), il vientT N(0;1), c.à.d.Tsuit une loi centrée réduite (approximativement).
On a vu en cours et TD que ceci impliqueP(zTz)1, oùzest le quantile d"ordre12de la loiN(0;1). On a donc un test très simple pour l"hypothèseH0(égalité des deux moyennes) : on
calcule les moyennes empiriquesXetYet les écarts-type empiriques1;2des deux échantillons. SiXYpblah blah
est en-dehors de l"intervalle[z;z], on rejette l"hypothèseH0, sinon on l"accepte.4 - Calculer la valeur de la variable aléatoireTpour les échantillons observés. Qu"en déduit-on
pour l"expérience considérée au seuil= 5%.Solution : ici, T=7;0755;85denominateur , avec denominateur=q(0;576)230 +(0;614)228 . On trouveT= 7;823, ce qui largement est en-dehors de l"intervalle[z;z], avec z= 1;96. On rejette donc l"hypothèse nulle, et on accepte l"hypthèse alternativem06=m1.quotesdbs_dbs19.pdfusesText_25[PDF] esperance sportive de tunisie wikipedia
[PDF] espresso english grammar level 1 pdf
[PDF] espresso english grammar level 2 pdf
[PDF] espresso english grammar level 3 pdf
[PDF] esprit : ecole sup privée d'ingénierie et de technologies
[PDF] esprit tunisie frais scolarité
[PDF] essada net
[PDF] essai cloche sprinkler
[PDF] essai sur le partage bac lettre
[PDF] essais 24 heures du mans 2016
[PDF] essec
[PDF] essec alternance admission
[PDF] essect
[PDF] essence 95 e10 pour quelle voiture