[PDF] Distributions déchantillonnage - Intervalles de variation - UFR SEGMI
PLPSTA02 Bases de la statistique inférentielle CORRIGE DES EXERCICES : Distributions d'échantillonnage - Intervalles de variation Exercice 1
[PDF] Feuille dexercices : Distribution déchantillonnage et estimation
Exercice 1 : (Echantillon – moyenne) Soit M la variable aléatoire représentant la moyenne sur un échantillon de taille 35 La loi suivie
[PDF] TD1: Population et échantillon Eléments de corrigé
Exercice 2 On considère un n-échantillon iid (X1 Xn) d'une loi d'espérance µ connue et de variance ?2 inconnue 1 Soit Vn = 1
[PDF] 9 Distributions déchantillonnage - GERAD
On prél`eve un sous-ensemble (échantillon) de la population et on tire des conclusions sur la population `a partir des résultats obtenus avec l'échantillon Par
[PDF] 1 Université Mohammed Premier Échantillonnage et Estimation
Exercice 1 Une compagnie d'assurance constate que chaque année 0 4 de ces assurés meurent à la suite d'une maladie Posons X le nombre de sinistre à payer
[PDF] echantillonnage_etestimation_co
Former la distribution D d'échantillonnage des différences (A-B) 2 Calculer la moyenne de D 3 Calculer l'écart-type de D Exercice 3: Une population E
[PDF] Estimation et intervalle de confiance - Exo7
Donner un intervalle de confiance au seuil 95 permettant d'estimer le nombre de clients à prévoir Correction ? [006027] Exercice 4 Le staff médical d'une
[PDF] STATISTIQUES INFERENTIELLES – TD et Exercices CORRIGES I
S3 – STATISTIQUES INFERENTIELLES – CORRIGES des EXERCICES III ECHANTILLONNAGE TD8 : Distributions d'échantillonnages 1 Dans une population normale de
[PDF] MANUEL DEXERCICES - Cedric/CNAM
Exercice 6 Taille d'échantillon pour une proportion (d'après P Ardilly et Y Tillé Exercices corrigés de méthode de sondage Ellipses 2003 )
U.F.R. S.P.S.E.UNIVERSITE PARIS X NANTERRE
Licence de psychologie L3
PLPSTA02 Bases de la statistique inférentielle
CORRIGE DES EXERCICES : Distributions d'échantillonnage - Intervalles de variationExercice 1
P={élèves du secondaire}
X= résultat de fluidité au test de pensée Créative de Torrance, variable quantitative de moyenne connue =20, et d'écart-
type connu =6,5 dans P.Echantillons de taille n de X issu de
P pour lesquels x, s et s* ne sont pas calculés.1) On peut prévoir le résultat moyen observé
x pour chaque échantillon par la moyenne de la moyenne empirique n X qui est égale à puisque nX est un estimateur sans biais de : cette prévision est constante pour tous les échantillons et
vaut =20.2) On peut calculer la variance (écart-type) du résultat moyen par la variance (écart-type) de la moyenne empirique
n X qui est égale à n 2 (égal à n) qui varie avec la taille de l'échantillon : plus la taille de l'échantillon est grande plus la
variance (écart-type) est faible d'où une plus grande précision dans l'estimation (cf tableau ci-dessous colonnes 3 et 4).
distribution de la variance empiriquedistribution de l'écart-type empirique taille distribution de la moyenne empirique n X sans biais *S 2n biaisée 2nSsans biais
*S n biaisé S n nmoyenne variance n 2écart-type
n moyenne 2 moyenne 2 n1n moyenne moyenne n1n1 20 42,25 6,5 42,25 6,520 20 2,1125 1,4534 42,25 40,1375 6,5 6,3354
50 20 0,845 0,9192 42,25 41,4050 6,5 6,4347
100 20 0,4225 0,65 42,25 41,8275 6,5 6,4674
remarque : on pourra affiner la prévision du résultat moyen observé en calculant un intervalle de variation au risque
(par exemple =5%) de la moyenne empirique nX en utilisant l'approximation normale sur nX pour les deux
échantillons de taille 50 et 100 (n30), qui prédira le résultat moyen observé avec un risque d'erreur de (=5%) en
faisant intervenir sa moyenne et son écart-type nVrP|nzXI
975,0n%95
pour n=50 >@>@>@8,21;2,188,1209192,096,120X In%95 pour n=100 >@>@>@>@3,21;7,183,120274,12065,096,120XI n%953) On peut prévoir la variance observée du résultat, biaisée s
2 ou sans biais s* 2 pour chaque échantillon, par la moyenne de la variance empirique biaisée 2nS ou sans biais *S
2n - la moyenne de 2nS est égale à
2n1n 2nS est un estimateur biaisé de
2 qui sous estime toujours 2 . Cetteprévision varie avec la taille de l'échantillon : plus la taille de l'échantillon est grande plus le biais est faible, d'où une
prévision qui se rapproche de 2 (cf tableau ci-dessus colonne 6). - la moyenne de *S 2n est égale à 2 puisque *S 2n est un estimateur sans biais de 2 : cette prévision est constante pour tous les échantillons et vaut 2 =6,5 2 =42,25 (cf tableau ci-dessus colonne 5). On peut prévoir l'écart-type observé du résultat, biaisé s ou sans biais s* pour chaque échantillon, par la moyenne de l'écart-type empirique biaisé Sn ou sans biais *S n - la moyenne de S n est égale à n1n : S n est un estimateur biaisé de qui sous estime toujours . Cette prévisionvarie avec la taille de l'échantillon : plus la taille de l'échantillon est grande plus le biais est faible, d'où une prévision
qui se rapproche de = 6,5 (cf tableau ci-dessus colonne 8). - la moyenne de *S n est égale à puisque *S n est un estimateur sans biais de : cette prévision est constante pour tous les échantillons et vaut =6,5 (cf tableau ci-dessus colonne 7).2Exercice 2
P={français recensés en 1999}
X= âge, variable quantitative X~
N( =39, =23) dans P.
Echantillons de taille n=25 de X issu de P
quotesdbs_dbs2.pdfusesText_3[PDF] Physique MPSI - I physique
[PDF] exercices sur les diodes
[PDF] Corrigés des exercices sur l héritage
[PDF] Exercices de gestion des ressources humaines-2 - Numilog
[PDF] PROGRAMMATION LINEAIRE: DUALITE
[PDF] Premiers exercices de stéréochimie
[PDF] Algorithmes et programmation en Pascal TD corrigés - Limuniv-mrsfr
[PDF] Equilibre d 'un solide Soumis ? 3 forces non parallèles Exercice N°1
[PDF] Université Pierre Marie Curie Licence de mathématiques 3 Année
[PDF] Excel 2007- Exercices R1
[PDF] Calc - C2IMES
[PDF] Exercices de révision sur la factorisation
[PDF] Exercices quot Comment une fibre optique guide-t-elle - Maths-Sciences
[PDF] corrigé