Chapitre 19 : Intervalle de confiance : pour estimer une proportion
On a vu ci-dessus qu'en tirant 100 boules de l'urne l'intervalle de confiance obtenu est d'd'amplitude 0
Quelques rappels sur les intervalles de confiance
. Remarquons que si ? augmente (ou que si n augmente) l'amplitude de l'intervalle de confiance diminue. 2)
Intervalle de fluctuation Intervalle de confiance
Intervalle de fluctuation - Intervalle de confiance. On utilise un intervalle de fluctuation lorsque la proportion p dans la population est connue ou si
Estimation et intervalle de confiance
Déterminer la taille minimum d'échantillon pour que l'amplitude de l'intervalle de confiance soit infé- rieure à 10. 1. Page 2. Correction ?. [006028].
Fiche 6 : Intervalle de confiance
/est appelé intervalle de confiance au seuil de 95 %. • La marge d'erreur est -7= yn. 2. • L'amplitude de cet intervalle est -r=
ESTIMATION DE PARAMÈTRES
Plus le niveau de confiance est élevé plus l'amplitude de l'intervalle est grande. Pour la même taille d'échantillon
Intervalles de fluctuations - Intervalles de confiance
Cette estimation se fait à l'aide d'un intervalle de confiance dont l'amplitude diminue lorsque le nombre n de tirages augmente. II Échantillonnage.
Enseignement scientifique
Capture-marquage-recapture échantillonnage
T. D. n 5 Le problème de lEstimation
Combien de copies le professeur doit-il corriger s'il veut situer la moyenne générale de ses élèves dans un intervalle de confiance d'amplitude 2 avec un.
B2 - Intervalle de confiance dune moyenne avec écart-type inconnu
Déterminer un intervalle de confiance pour m au seuil 0.99. L'amplitude de l'IdC associé `a un échantillon (toujours au seuil 0.95) est alors.
Quelques rappels sur les intervalles de confiance
En effet : l’amplitude de l’intervalle de confiance vaut : ???? ????????+ 1 ? ?(???? ????????? 1 ? )=2 ? Exemple : Avec l’urne ci-dessus déterminer le nombre ???? de boules qu’il faudrait tirer pour que l’intervalle de confiance ait une amplitude inférieure à 005 Puis une amplitude inférieure à 001
Intervalles de con?ance - univ-rennes1fr
un intervalle On parlera alors d’intervalle de con?ance Dans l’exemple 1 on a utilis´e pour construire l’intervalle de con?ance une v a qui d´epend de l’´echantillon et du param`etre inconnu mais dont la loi ne d´epend pas du param`etre C’est ce que l’on appelle une fonction pivotale
Estimations et intervalles de con?ance Exemple
encore de l’erreur dont elle peut-être affectée Ceci se traduit en statistique par la recherche d’un intervalle dit intervalle de con?ance dont on peut assurer avec un risque d’erreur contrôlé et petit que cet intervalle contient la “vraie” valeur inconnue du paramètre
Statistique inferentielle´ Intervalles de con?ance - CNRS
Intervalles de con?ance Rappels sur la loi normale Cas Gaussien Intervalles de con?ance asymptotiques INTERVALLES DE CONFIANCE Soient X 1;:::;X n des variables aleatoires ind´ ependantes et´ identiquement distribuees ´ Soit 2(0;1) un intervalle de con?ance pour le parametre` au niveau de con?ance 1 est un intervalle de la forme IC
Searches related to intervalle de confiance amplitude PDF
Les bornes de l’intervalle de confiance IC dépendent de l’échantillon elles sont donc aléatoires Par abus de langage on note souvent PIC () ???=?1 Remarquons que si ?augmente (ou que si n augmente) l’amplitude de l’intervalle de confiance diminue
Comment peut-on construire un intervalle de confiance ?
Pour construire un intervalle de confiance, on utilise une variable aléatoire dont on connaît la distribution de probabilité. Définition : une fonction pivotale pour le paramètre est une fonction des observations (X1,...,Xn)et du paramètre dont la loi ne dépend pas du paramètre .
Comment calculer les intervalles de confiance asymptotiques ?
Intervalles de con?ance asymptotiques On s’int´eressea` l’estimation d’une caract´eristique ou d’unparam`etred’une variable al´eatoireX. On dispose d’unestimateurn^asymptotiquement normal, i.e il existe2>0 telque n ! LN0; 2:n!+1 On supposeraegalement´ que l’on a un estimateur consistant2^nde2. Exemple 2 : la loi exponentielle.
Comment calculer le niveau de confiance?
Définition : On appelle intervalle de confiance de niveau de confiance 1?? du paramètre ? tout intervalle ICtel que : PIC()?=???1 pour ??[]01, fixé.
Comment évaluer la confiance ?
Pour évaluer la con?ance que l’on peut avoir enune valeur, il est nécessaire de déterminer un intervalle contenant, avec unecertaine probabilité ?xée au préalable, la vraie valeur du paramètre : c’est l’es-timation par intervalle de con?ance. Soit(X1; : : : ; Xn)unn-échantillon aléatoire etun paramètre inconnu dela loi desXi.
Gaussienne
Dans le cas pr´ec´edent, on a construit l'IdC `a partir de la var X n´m n . Mais, maintenant´etantinconnu, il convient de le remplacer par son estimateur sans biais qui sera la racine carr´ee de la variance
d'´echantillon : S 2n"n i"1pXi´ X nq2 n´1:C'est-`a-dire :
S n"g ffe n i"1pXi´ X nq2 n´1:On consid`ere alors la varZn"
X n´m S n{? n . La varXsuivant une loiGpm;q,Znsuit une loi de Student1 `an´1 degr´es de libert´es (ddl en abr´eg´e).Rappelons la densit´e de cette loi :@tPR,
fZnptq "1
nΓpn`1
2 qΓpn
2 q1 1`t2 n n1 2 `8 0 xm´1e´xdx.L'expression, assez r´ebarbative, de la densit´e de cette loi ne doit pas vous inqui´eter car elle figure dans
tous les logiciels qui permettent d'effectuer des calculs statistiques (sur les tableurs notamment).Donnons un exemple d'utilisation de cette loi pour d´eterminer un intervalle de confiance. Supposons
queX"Gpm;qet qu'un ´echantillon (iid) de cette loi donne : D´eterminer un intervalle de confiance pourm, au seuil 0.99.On commence par d´eterminer, grˆace `a un logiciel adapt´e (tableur par exemple) fournissant les valeurs
inverses de la loi de Student `a 20´1"19 ddl, la valeurt0:99telle : X20´m
S 20{? 20 Puis, on d´etermine l'intervalle de confiance al´eatoire demau seuil 0.99 : P mP r X20´t0:99
20 S20; X20`t0:99
20S20sȷ
"0:99:1. Student est le pseudonyme d'un statisticien anglais, de son vrai nom William GOSSET (1876-1937).
1 Enfin, `a partir de l'´echantillon, on calcule l'´ecart-type d'´echantillons20etx20, pour trouver une r´ealisation
de cet intervalle al´etoire qui sera l'intervalle de confiance particulier demau seuil 0.99, associ´e `a
l'´echantillon de taille 20 donn´e par l'´enonc´e.On trouver5:08;5:39s.
B3 - Intervalle de confiance d'une moyenne pour une population quelconque avec ´ecart-type connuLa diff´erence essentielle avec les deux cas pr´ec´edents est que la construction de l'intervalle va s'appuyer
sur uneloi limiteet non plus sur une loi exacte. Pour que l'intervalle de confiance soit assez pr´ecis, il
faudra donc que la taille de l'´echantillon soit !grande". En pratique,ně50 garantit une bonne pr´ecision.SiXsuit une loi (quelconque) d'esp´erance math´ematiquem, alors le th´eor`eme central-limite affirme
que : Z n" X n´m n converge en loi versGp0;1q;lorsquentend vers` 8: Rappelons que la convergence en loi deZnvers la loi normale centr´ee r´eduite signifie que : 2ż x ´8 e´t2 2 dt:A partir de ce r´esultat on construit un intervalle de confiance al´eatoire au seuilcomme pr´ec´edemment :
On d´eterminet`a partir de la loi normale centr´ee r´eduite et l'intervalle est de la forme :
r X n´t n X n`t n s:Pourngrand, la probabilit´e quemappartienne `a cet intervalle (al´eatoire) est approximativement ´egale
`a.`A partir d'un ´echantillon de taillen, on d´etermine un intervalle de confiance particulier en calculant
x n `a partir de l'´echantillon, l'idC estr x n´t n x n`t n s.B4 - Intervalle de confiance d'une moyenne pour une population quelconque avec ´ecart-type inconnu
SiXest une var de moyennemet d'´ecart-type, alors une g´en´eralisation du th´eor`eme central-
limite, justifie que la varZn" X n´m S n{? n , tend encore en loi versGp0;1q(avec les notations introduitespr´ec´edemment).`A partir de ce r´esultat, la construction de l'intervalle de confiance al´eatoire au seuildemse construit
exactement comme dans le cas B3. Pour un ´echantillon de taillendonn´e, on obtient un IdC particulier
en rempla¸cant X npar x netSnpar l'´ecart-type d'´echantillonsn.Un cas particulier important
Il s'agit du cas o`u la var parente est un var de Bernouilli. C'est ce qui se produit lorsqu'on s'int´eresse
`a la pr´esence (ou l'absence) d'un caract`ere dans une population. Par exemple, avant une ´election, on
observe sur la population d'un certain ensemble g´eographique, le caract`ere !ˆetre favorable au candidat UntelUne var de Bernouilli,X, est caract´eris´ee par un param`etre, not´e icipP r0;1setEpXq "p,VpXq "
pp1´pq. Comme vous le comprenez, le but du travail statistique est l'estimation dep(estimation pontuelle
2ramen´e au cas B4 : var non n´ecesairement gaussienne, mais - grˆace au th´eor`eme central-limite, loi de la
moyenne de l'´echantillon suivant une loi limite gaussienne. De plus, nim"EpXq "p, ni"pp1´pq ne sont connus.Examinons un exemple.
On suppose que sur un ´echantillon de taille 100, le nombre de personnes favorables `a Untel est ´egal `a
62 (et le nombre de personnes non favorables alors ´egal `a 100-62=38).
Estimation ponctuelle dep: on estime par l'estimateur habituel sans biais (et convergent) d'une moyenne X100. D'o`u l'estimation ponctuelle62
100"0:62. Estimation par IdC dep: la valeur den´etant suffisament grande, on s'appuie sur la loi limite de X n´p S n{? n qui est la loiGp0;1q. D'o`u, pour un seuil, comme on l'a d´ej`a vu l'IdC al´eatoire r X
100´t
10 S100; X100´t
10S100s:
et l'IdC particulier associ´e `a l'´echantillon observ´e : r x100´t
10 s100; x100´t
10 s100s:Dans ce cas particulier, les expressions de
x net desns'obtiennent en codant les valeurs des var deBernouilli par 1 (succ`es=
!ˆetre favorable `a Untel") et 0 (´echec =!ne pas ˆetre favorable `a untel"). Ainsi, x nest la fr´equence observ´ee des succ`es, cad ici, x100"0:62. Le calcul desndonne :s2n"ř
n i"1pxi´ x nq2 n´1, o`uxivaut 1 un nombre de fois ´egal `an x net 0 un nombre de fois ´egal `an´n x n"np1´ x nq. On obtient : s2n"p1´
x nq2n x n` p0´ x nq2np1´ x nq n´1"p1´ x nq2n x n` p0´ x nq2np1´ x nq n ˆn n´1 " p1´ x nq x nˆn n´1:D'o`u,sn"a
p1´ x nq x nc n n´1. L'expression de l'IdC particulier au seuilest alors x n´t n´1a p1´ x nq x n; x n`t n´1a p1´ x nq x nȷDans le cas particulier de l'exemple, si"0:95 :
0:62´1:96
990:2356;0:62`1:96
990:2356ȷ
" r0:573;0:667s: Les chances de Untel d'ˆetre ´elu sont donc s´erieuses.La situation se complique si la fr´equence observ´ee des opinions favorables est voisine de 0.5.
Imaginons que
x n"0:51. L'amplitude de l'IdC associ´e `a un ´echantillon (toujours au seuil 0.95) est alors´egale `a 2ˆ1:96ˆ?
0:51ˆ0:49
n´1, soit encore1:96 n´1. 3 Si l'on veut que cette amplitude reste inf´erieure `a 0.01 - ce qui fournira un IdC particulier !`a droite"de38417 personnes - ce qui est un ´enorme ´echantillon! Avec les r´eserves d'usage : c'est seulement pour 95%
des ´echantillons, en moyenne, que l'IdC contiendra la vraie valeur dep.Pour terminer ce paragraphe, il est int´eressant d'examiner l'introduction `a l'estimation d'une moyenne
qui est propos´ee dans les programmes de Seconde.Le d´etail des PO est le suivant.
CONTENUS
CAPACIT
´ES ATTENDUES
COMMENTAIRES
Echantillonage
Concevoir, mettre en oeuvre et
exploiter des simulationsde si- tuations concr`etes `a l'aide d'un tableur ou d'ue calculatrice.Un ´echantillon de taillenest constitu´e
denr´ep´etitions ind´ependantes de la mˆeme exp´erience.Notion d'´echantillon.
Intervalle de fluctuation
d'une fr´equence au seuil 0,95.A l'occasion de la mise en place d'une
simulation on peut :R´ealisation d'une simula-
tion.Exploiter et faire une ana-
lyse critique d'un r´esultat d'´echantillonage. utiliser les fonctions logiques d'un ta- bleur ou d'une calculatrice mettre en place des instructions conditionnelles dans un algorithme.L'objectif est d'amener les ´el`eves `a
un questionnement lors des activit´es suivantes. L'estimation d'une propor- tion inconnue `a partir d'un ´echantillon, la prise de d´ecision `a patir d'un´echantillon.
Le commentaire suivant est ajout´e.
L'intervalle de fluctuation au seuil 0,95, relatif aux ´echantillons de taillen, est l'intervallecentr´e autour dep, o`u se situe - avec une probabilit´e ´egale `a 0,95%, la fr´equence observ´ee dans
l'´echantillon de taillen. Cet intervalle peut ˆetre obtenu de fa¸con approch´ee par simulation.
Le professeur peut indiquer aux ´el`eves le r´esultat suivant, utilisable dans la pratique pour des
´echantillons de tailleně25 et des proportionspcomprises entre 0,2 et 0,8 : sifd´esigne la fr´equence du caract`ere dans l'´echantillon,fappartient `a l'intervalle" p´1 n ;p`1 navec une probabilit´e d'au moins 0,95. Le professeur peut faire percevoir exp´erimentalement la
validit´e de cette propri´et´e, maiselle n'est pas exigible.".Vous remarquerez que c'est l'expression
!intervalle de fluctuation"qui est retenue. Elle correspond aucas o`upest connue et o`u on cherche `a confirmer (ou `a infirmer) la valeur deppar celle d'une fr´equence
observ´ee et d'un intervalle construit autour de cette fr´equence.Un intervalle de confiance est un intervalle qui a une probabilit´e donn´ee de contenir la valeur exacte de
pqui n'est pas supposee connue.La nuance entre les deux notions est faite dans certains manuels, mais elle n'est pas mentionn´ee dans le
4 PO.Interrogez-vous sur la l´egitimit´e de l'approximation (de l'intervalle) qui est propos´ee par le PO dans
l'encadr´e ci-dessus. 5Exercices d'entrainement
Ce sont des exercices types des classes de STS - section TPIL (TechniquesPhysiques pour l'Industrie et leLaboratoire) du groupement A (`a l'exception du premier exercice). Exercice 1 : On consid`ere un stock tr`es important de boulons. On noteYla var qui, `a chaque boulon tir´e au hasard dans le stock, associe le diam`etre, en mm, de son pied. La varYsuit la loi normale de moyenne inconnuemet d'´ecart-type"0;1. On d´esigneYla va qui, `a
chaque ´echantillon al´eatoire de 100 boulons pr´elev´e dans le stock, associe la moyenne des diam`etres des
pieds de ces 100 boulons (le stock est assez important pour qu'on puisse assimiler ces pr´el`evements `a des
tirages sans remise). 1)Justifier que
Ysuit une loiGpm;0;01q.
2) 3) 4)Exercice 2 : On se propose d'´etudier, dans une population de grand effectif, la taille d'adolescents de
13 `a 14 ans. On suppose que la vaXdonnant la taille d'un adolescent est une va gaussienne de moyenne
met d'´ecart type.Un´echantillon de 36 adolescents, choisis au hasard dans la population ´etudi´ee, donne les r´esultats suivants.
Taille
[130;135[ [135;140[ [140 :145[ [145;150[ [150;155[ [155;160[ [160;165[Effectif
1 4 7 10 8 4 2 1) a)Calculer la moyenne, not´ee
xet l'´ecart-typeede cet ´echantillon. b) En d´eduire une estimation ponctuelle demet de. c) Donner un intervalle de confiance demau seuil de 95%. 2)Afin d'am´eliorer la connaisssance dem, on d´ecide d'augmenter la taille de l'´echantillon.`A partir
de quel entiern0obtiendra-t-on un intervalle de confiance d'amplitude inf´erieure `a 1 cm avec un seuil de 98%? 6Solutions :
Exercice 1 :
1)Y´etant une moyenne d'un ´echantillon de var ind´ependantes d'une loi normale, suit aussi une loi
(exacte) normale, de mˆeme moyenne que la loi parente et d'´ecart-type ´egal `a{? nsiest l'´ecart- type de la loi parente etnla taille de l'´echantillon. 2) Z"Y´m
quotesdbs_dbs45.pdfusesText_45[PDF] le monstre dans la littérature
[PDF] séquence espagnol première mythes et héros
[PDF] secuencia mitos y heroes
[PDF] calcul moyenne quadratique excel
[PDF] monnaie ce1 bout de gomme
[PDF] intervalle de confiance unilatéral ? gauche
[PDF] séquence monnaie ce1-ce2
[PDF] fonction moyenne quadratique excel
[PDF] jeu de la marchande ce1
[PDF] terme générique dictionnaire
[PDF] intervalle de confiance formule es
[PDF] entre voix et rythmes africains
[PDF] cours théorie des valeurs extrêmes
[PDF] théorie des valeurs extrêmes application