[PDF] [PDF] Estimation paramétrique - Laboratoire I3S





Previous PDF Next PDF



[PDF] Estimation paramétrique

Voici quelques exemples d'estimateurs bâtis sur par cette méthode 1 Page 2 Estimation paramétrique 2 1 Loi exponentielle



[PDF] Estimation paramétrique

I 1 2 Estimation paramétrique Modèles et vraisemblance Cadre paramétrique Le modèle une expérience statistique consiste en une famille de lois de



[PDF] Estimation paramétrique - Laboratoire I3S

probabilité conditionnelle des observations (pour chaque valeur possible de ? dans ?) Les entités de base de l'estimation paramétrique 



[PDF] Cours 3 : Estimation paramétrique de la loi dune durée de vie

Cours 3 : Estimation paramétrique de la paramétrique du taux : Def : censure informative = sa loi dépend du paramètre à estimer



[PDF] TD no 5 : Bases de lestimation paramétrique

TD no 5 : Bases de l'estimation paramétrique Exercice 1 On désire estimer la proportion p inconnue de brochets dans un grand lac Pour ce



[PDF] Estimation paramétrique robuste et optimale

15 oct 2014 · Estimation paramétrique robuste et optimale Mathieu Sart Exemple en statistique paramétrique Estimer s revient alors `a estimer ?



[PDF] Méthodes destimation - Loria

Estimation paramétrique/non paramétrique ? Paramétrique: suppose que les données calculer la variance de l'estimation estimer la qualité du fitting

Estimation paramétrique

Maria João Rendas

Laboratoire I3S, CNRS-UNSA

février 2007 r

Espace des observations

Espace des paramètresEspace des paramètres

QR)(ˆrq

vraie valeur (inconnue) observations (mesurées)estimateur (fonction déterministe des observations) pÂÌQ 21
pqqqq⋯ )|(qrp : probabilité conditionnelle des observations (pour chaque valeur possible de q dans Q)

Les entitLes entit

éés de base de l"estimation params de base de l"estimation param

éétriquetrique

ObjectifObjectif

: déterminer la fonction de façon à approximer au mieux la valeur (inconnue, non-observée) de q.

Remarque : L"application de

Q en

R est aléatoire:

)(ˆrq 1q2q décrite par la distribution conditionnelle de r sachant qqqq ? est une variable aléatoire )(ˆrq p(r| q2) p(r| q1) 0 0.5 1 0 0.2 0.4 0.6 0.8 1

00.20.40.60.81

ExempleExemple

caractérisation d"un système automatique de lancement mire q= [p mire , p gauche , p droite r = [r 1, r

2, ..., r

N], rk Î {sur la mire, à gauche, à droite} Q M

3 Ì R

3.

R = {sur la mire, à gauche, à droite}

N 020

406080100

0 20 40
60
80
100

020406080100

N mire

Ngauche

Ndroite

N(r) = N

mire (r), N gauche (r), N droite (r), N mire (r) + N gauche (r) + N droite (r) =N

Résultat de 20 tirages indépendantes

avec le même système

Impossible d"imposerr !!

Erreur d"estimation:

RÎ"=rr

qq qqe q -=)(ˆ)(rr qqe q -=)(ˆ)(rr

L"erreur est aussi une

variable aléatoire Pour cet exemple, considérons l"estimateur suivant: NrN NrN

NrNrdroitegauchemire

q 0.04 0.06 0.08 0.1 0.12 0.14 0.65 0.7 0.75

0.150.20.25

egauche emire edroite

Erreur d"estimation dans les 20 tirages

indépendantes avec le même système

DéfinitionDéfinition

: Fonction de vraisemblance p(r| q) Note:

Pour chaque

qqqq, comme fonction de r , p(r| q) est une fonction densité de probabilité conditionnelle (sachant la valeur de q, qui est fixe) Pour r fixe (une fois les observations acquises), comme fonction de q, p(r| q) est appelée fonction de vraisemblance (elle n"a donc plus les propriétés d"une densité de probabilité!) La fonction de vraisemblance joue un rôle fondamentale dans la théorie de l"estimation statistique

Modèle binomialp(r|

q) = qn(r)(1- q)N-n(r) =(q/(1-q)) n(r)(1-q) N log p(r|q) = n(r)log (q/(1-q)) -+Nlog(1- q) 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

111111

Sn p(n|

q) q 0 1 2 3 4 5 6 7 8 9 10 0

0.010.020.030.040.050.060.070.080.090.1

∫ p(r| q) d q n(r) log p(n(r)| q)

CritCrit

èères d"estimationres d"estimation

(pour comparer - et donc choisir! - des estimateurs)

BiaisBiais

d"estimation rrrrE r dp)|()(|)(ˆ qqqq q

Idéalement,

qqq=

ˆrE

: estimateur non-biaisé Estimation de la moyenne par la loi des grands nombres (200 tirages) {}[ ]2.07.01.0,2024.06981.0994.0 =»qq E 0 0.2 0.4 0.6 0.8 1 0 0.2 0.4 0.6 0.8 1

00.20.40.60.81

qmire qgauche qdroite

Estimateur consistant

consistant (propriété asymptotique) lim N q avec probab. 1 (w.p.1)

N: nombre d"observations (taille de r)

)(ˆrq 0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5

05101520253035

q (q0 = .2)histogramme des estimees N=10,20,50,100,500 r= r 1,rquotesdbs_dbs24.pdfusesText_30
[PDF] QUEL SERA LE MONTANT DE VOTRE PENSION EN 2008, 2012

[PDF] Estimations et intervalles de confiance - Institut de Mathématiques

[PDF] Séance 5 : Exercices récapitulatifs sur l 'estimation ponctuelle

[PDF] Intentions de vote - Harris Interactive

[PDF] Cours 5: Inférences: Estimation, Echantillonnage et Tests

[PDF] Estimer ou mesurer une longueur Connaître les différentes unités et

[PDF] LA ESTIMULACION TEMPRANA - OEI

[PDF] Avis aux Candidats ? l accès ? l ESTM admis sur les listes d attentes

[PDF] Résultats de la sélection pour l 'accès au Bachelor of Electrical

[PDF] La lettre de l - ESTP Paris

[PDF] Nouveauté Filière Apprentissage Européen - EDHEC Business School

[PDF] Estran et marée - Académie d 'Amiens

[PDF] l 'île d 'oléron - DREAL Nouvelle-Aquitaine

[PDF] La pêche ? pied Les animaux de l 'estran rocheux ou sableux

[PDF] Regionalización Sanitaria - Colegio de Enfermeros de Perú