[PDF] Statistique Inférentielle Avancée
Le but du cours de Statistique Inférentielle Avancée (SIA) est d'approfondir et d'éten- dre ces notions en allant plus loin dans la théorie mathématique
[PDF] Cours de Statistiques inférentielles
Cours de Statistiques inférentielles Nous allons chercher à faire l'inverse : l'inférence statistique consiste à induire les caractéristiques in-
[PDF] Cours de Statistiques Inférentielles
6 jan 2016 · Calculer la moyenne la variance et l'écart-type 5 Représenter la bo?te `a moustache de cette distribution statistique Exercice 4 Une maison
[PDF] Statistique Inférentielle - Pages personnelles Université Rennes 2
Estimation par intervalles Statistique Inférentielle N Jégou Université Rennes 2 Master 1 Mathématiques Appliquées Statistiques
[PDF] STATISTIQUE INFERENTIELLE - FSEGSO -
La statistique inférentielle s'intéresse à la population dont échantillon la statistique inférentielle essaie de préciser la distribution l'avance
[PDF] Statistique Inférentielle
niveau ? du test Elle est fixée à l'avance par le statisticien • Ne pas rejeter H0 lorsque l'échantillon est issu d'une loi
[PDF] Statistique inférentielle - Institut de Mathématiques de Toulouse
Statistique inférentielle 1) Notions de probabilités Statistique inférentielle ? Test statistique Lorsque l'on avance des informations
[PDF] Cours 4: Statistique inférentielle Échantillonnage
population statistique descriptive (pas besoin de stat inférentielle) librement à condition de respecter une composition donnée à l'avance
[PDF] PROBABILITÉS ET STATISTIQUE INFÉRENTIELLE - LMPA
PROBABILITÉS ET STATISTIQUE INFÉRENTIELLE inférentielle Semestre 3 travail avancée sur la nature de la distribution qui devrait être mise en cause
[PDF] Introduction à la statistique inférentielle - Jonathan Lenoir
Connaissant les valeurs prises par une variable sur un échantillon la statistique inférentielle essaie de préciser la distribution de la
![[PDF] Cours de Statistiques Inférentielles [PDF] Cours de Statistiques Inférentielles](https://pdfprof.com/Listes/16/38335-16coursPierreRibereau.pdf.pdf.jpg)
Cours de Statistiques Inferentielles
P. Ribereau
6 janvier 2016
2Table des matieres
1 Introduction Generale 7
I Intro generale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 II Le recueil des donnees. . . . . . . . . . . . . . . . . . . . . . . . . . . 9 III La statistique exploratoire ou descriptive. . . . . . . . . . . . . . . . . 9 IV La statistique inferentielle. . . . . . . . . . . . . . . . . . . . . . . . . 9 V La modelisation statistique. . . . . . . . . . . . . . . . . . . . . . . . 10 VI Un exemple simple en assurance automobile . . . . . . . . . . . . . . 1 02 Statistiques descriptives 13
I Generalites / denitions de base . . . . . . . . . . . . . . . . . . . . . 13 II Resumes numeriques pour des variables quantitatives . . . . . . . . . 14 III Resumes graphiques . . . . . . . . . . . . . . . . . . . . . . . . . . . 17 IV Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 03 Echantillonage 23
I Modele statistique . . . . . . . . . . . . . . . . . . . . . . . . . . . . 231 Generalites . . . . . . . . . . . . . . . . . . . . . . . . . . . .
232 Modele d'echantillonage. . . . . . . . . . . . . . . . . . . . . .
233 Modele domine, vraisemblance . . . . . . . . . . . . . . . . . .
2 5 II Denition d'une statistique . . . . . . . . . . . . . . . . . . . . . . . . 2 51 Notions d'estimation et de test d'hypotheses . . . . . . . . . .
26III Quelques notions de base sur les estimateurs . . . . . . . . . . . . . . 2 7
1 Denition d'un estimateur . . . . . . . . . . . . . . . . . . . .
2 72 Notion de biais . . . . . . . . . . . . . . . . . . . . . . . . . .
273 Convergence d'un estimateur . . . . . . . . . . . . . . . . . . .
2 74 Comparaisons des estimateurs . . . . . . . . . . . . . . . . . .
285 Moyenne aleatoire, variance aleatoire . . . . . . . . . . . . . .
28IV Rappels sur les vecteurs gaussiens . . . . . . . . . . . . . . . . . . . . 29
1 Vecteurs gaussiens et lois du2. . . . . . . . . . . . . . . . . .31
V Application a l'estimation dans un cadre normal . . . . . . . . . . . . 3 24 Estimation 35
I Hypotheses fondamentales sur la densitef(x;) . . . . . . . . . . . .3 5 II Information . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 61 Information de Fisher . . . . . . . . . . . . . . . . . . . . . . .
362 Proprietes. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
373
4TABLE DES MATIERES
III Inegalite de Cramer-Rao . . . . . . . . . . . . . . . . . . . . . . . . . 371 Hypotheses supplementaires . . . . . . . . . . . . . . . . . . .
3 72 Relation entre estimateurs ecaces . . . . . . . . . . . . . . .
393 Degradation de l'information . . . . . . . . . . . . . . . . . . .
3 9 IV Notion d'exhaustivite . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 0 V Exhaustivite et estimateurs ecaces; la famille exponentielle . . . . . 4 11 Le modele exponentiel . . . . . . . . . . . . . . . . . . . . . .
4 12 Theoreme sur l'ecacite . . . . . . . . . . . . . . . . . . . . .
42VI Quelques methodes usuelles d'estimation . . . . . . . . . . . . . . . . 4 3
1 Methode empirique . . . . . . . . . . . . . . . . . . . . . . . .
4 32 Methode des moindres carres . . . . . . . . . . . . . . . . . .
443 Methode des moments . . . . . . . . . . . . . . . . . . . . . .
4 44 Methode du maximum de vraisemblance : principe . . . . . .
45VII Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 6 VIII Generalisation au cas d'un parametre multidimensionnel . . . . . . . 47
1 Generalisation des denitions sur les estimateurs . . . . . . . .
4 72 Generalisation de l'inegalite de Cramer-Rao . . . . . . . . . .
483 Generalisation de la methode du maximum de vraisemblance .
5 05 Comportement asymptotique des estimateurs 53
I Proprietes asymptotiques de l'EMV . . . . . . . . . . . . . . . . . . . 5 31 En dimension 1 . . . . . . . . . . . . . . . . . . . . . . . . . .
5 32 En dimension superieure . . . . . . . . . . . . . . . . . . . . .
54II Denitions / outils . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 4
1 Normalite et ecacite asymptotique . . . . . . . . . . . . . .
542 Proprietes de convergence . . . . . . . . . . . . . . . . . . . .
553 Methode Delta . . . . . . . . . . . . . . . . . . . . . . . . . .
55III Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
6 Estimation par intervalle de conance 57
I Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 7 II I.C. pour les parametres de la loi normale . . . . . . . . . . . . . . . 5 9 III I.C. pour une proportion (parametre de la loi binomiale) . . . . . . . 6 0 IV Construction d'I.C. asymptotiques . . . . . . . . . . . . . . . . . . . . 6 11 Utilisation du theoreme central limite . . . . . . . . . . . . . .
6 12 Application a la loi binomiale. . . . . . . . . . . . . . . . . . .
623 Utilisation de la convergence de l'EMV . . . . . . . . . . . . .
624 Remarque sur l'intervalle de conance pour une variance hors
du cadre normal . . . . . . . . . . . . . . . . . . . . . . . . . . 6 2 V Recherche de regions de conance . . . . . . . . . . . . . . . . . . . . 64VI Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 4
7 Generalites sur les tests 67
I Problemes de test . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 7 II Tests uniformement plus puissants . . . . . . . . . . . . . . . . . . . . 68III Tests fondes sur le rapport du maximum de vraisemblance . . . . . . 7 1 IV Exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 2
TABLE DES MATI
ERES51 Adequation d'une moyenne pour un echantillon gaussien . . .
7 22 Comparaison de deux moyennes . . . . . . . . . . . . . . . . .
7 33 Un exemple avec une loi discrete . . . . . . . . . . . . . . . .
74V Tests asymptotiques . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 5
1 Proprietes asymptotiques des tests du maximum de vraissem-
blance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 762 Tests de Wald et du score . . . . . . . . . . . . . . . . . . . .
7 78 Tests parametriques classiques 79
I Tests gaussiens . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 9 II Tests asymptotiques . . . . . . . . . . . . . . . . . . . . . . . . . . . 8 19 Quelques tests non parametriques 83
I Tests du2. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .8 31 Loi multin^omiale . . . . . . . . . . . . . . . . . . . . . . . . .
832 Loi asymptotique . . . . . . . . . . . . . . . . . . . . . . . . .
833 Test du2d'adquation a une loi . . . . . . . . . . . . . . . .8 5
4 Test du2d'independance . . . . . . . . . . . . . . . . . . . .8 6
II Test de Kolmogorov-Smirnov . . . . . . . . . . . . . . . . . . . . . . 88III Test de Shapiro-Wilk . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
1 Droite de Henry . . . . . . . . . . . . . . . . . . . . . . . . . .
902 Test de Shapiro-Wilk . . . . . . . . . . . . . . . . . . . . . . .
9 0 IV Tests de rang . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9 21 Statistiques de l'ordre, de rang . . . . . . . . . . . . . . . . . .
932 Le test de Wilcoxon . . . . . . . . . . . . . . . . . . . . . . .
9 310 Exemples d'estimation non parametrique 95
I Estimation d'une densite de probabilite . . . . . . . . . . . . . . . . . 951 Histogramme empirique . . . . . . . . . . . . . . . . . . . . .
9 52 Fen^etres mobiles . . . . . . . . . . . . . . . . . . . . . . . . .
953 Versions lisses . . . . . . . . . . . . . . . . . . . . . . . . . . .
9 64 Un exemple . . . . . . . . . . . . . . . . . . . . . . . . . . . .
9 6 II Estimation des quantiles . . . . . . . . . . . . . . . . . . . . . . . . . 991 Quantiles empiriques . . . . . . . . . . . . . . . . . . . . . . .
9 92 Lien avec les statistiques d'ordre . . . . . . . . . . . . . . . . .
993 Resultats asymptotiques . . . . . . . . . . . . . . . . . . . . .
996TABLE DES MATIERES
Chapitre 1
Introduction Generale
I Intro generale
Denition 1.1 (Premiere denition d'un probl
~Ame statistique)On dira qu'on se trouve devant un probleme statistique si on est c onfronte ades eventualites(en nomb reni ou inni) dont on sait q ue certaines sont vrais sans savoir lesquelles, on doit choisir une de c es eventualites, en s'appuyant sur le r esultatd'une exp erienceal eatoire, eventuellement a denir. La derniere partie de la denition par le d'experience aleatoire. Cette partie la (qui concerne la majorite du cours) est la statistique inferentielle, mathematique ou inductive. On va encore restreindre la denition pour denir le champs du cours et introduire la notion de modele statistique. Pour pouvoir tirer quelque chose du resul- tat de l'experience aleatoire, il faut qu'a chaque eventualite, on fasse correspondre une famille de probabilite a laquelle la proba qui regit l'experience appartient (si cette eventualite est vraie). On notePl'ensemble de toutes les probas possibles. Denition 1.2On appelle modele statistique le triplet(X;A;P)ou : |Xest l'ensemble appele ensemble fondamental ou espace des resultats, |Aest une tribu de partie deX, |Pest une famille de probabilites sur l'espace mesurable(X;A). Denition 1.3On appelle modele statistique parametrique un modele statistique (X;A;P)tel que9p2N:P=fP;2Rpg
est appele l'espace des parametres. Le modele est aussi note(X;A;P;) Les grands problemes statistiques les plus frequents sont : d ansl em odelest atistiquep arametrique,l es\ eventualites"so ntr epresentees par le parametrelui m^eme. Comment choisir le? C'est l'estimation ponc- tuelle. Probleme d'identiabilite (si1et2sont tels queP1=P2alors on ne pourra jamais choisir entre les deux) : il faut que l'application!Psoit injective. 78CHAPITRE 1. INTRODUCTION GENERALE
Probleme statistique
9Utilisant unmodele aleatoireX
XXXXXXXXXz
N'utilisant pas un
modele aleatoire- Stat. desc.- Analyse des donnees...?quotesdbs_dbs29.pdfusesText_35[PDF] Les structures familiales - La FAPEO
[PDF] Classic Collection - 22 Short Stories - ArvindGuptaToys
[PDF] Documentation for fancyboxsty: Box tips and tricks for LATEX
[PDF] Les statistiques Agricoles et statistiques ? portée du clic Le
[PDF] reglement financier
[PDF] 1 FARMACOLOGIA DE LOS ANESTESICOS LOCALES Y
[PDF] Persian, Farsi, Dari, Tajiki: Language Names - ScholarlyCommons
[PDF] Spoken PersianPDF - FSI Language Courses
[PDF] Fascicule 70 - DTRF
[PDF] probatoire - Fastef
[PDF] Tutoriel de FastStone Image Viewer
[PDF] Subject Index, Vol 26, 1983
[PDF] La fatigue musculaire
[PDF] LE DILEMME DE FATMA Crime sexuel et culture juridique dans une