STATISTIQUES IUT DEUXIEME PARTIE
Unilatéral à gauche. Unilatéral à droite. Bilatéral. Bilatéral symétrique. Fig. 23. Différents intervalles de confiance. (Les courbes représentent la loi
Quelques rappels sur les intervalles de confiance
mesurent respectivement les risques à gauche et à droite de dépasser un seuil plancher ou plafond. L'intervalle de confiance est dit unilatéral si? ?1 2.
11. Tests dhypoth`eses (partie 1/2)
H1 : ?<?0 (unilatérale `a gauche). Cas unilatéral gauche : H1 : µ<µ0 (? < 0) : ... Soit [L U] un intervalle de confiance pour un param`etre ?
Test statistique unilatéral-bilatéral
Le recours à un test unilatéral réduit le nombre de sujets nécessaire. Ce point peut être illustré grâce aux intervalles de confiance bilatéraux et unilatéraux
MODULE 2 : Estimation par intervalle de confiance
droite et à gauche simultanément. d'intervalle unilatéral à gauche si ... 2.1 Estimation par intervalle de confiance de la moyenne d'une population.
Chapitre VII
tombe dans l'intervalle de confiance Test unilatéral région critique à gauche: ... Cocher Utiliser le test et l'intervalle basés sur la loi normale.
Tests statistiques élémentaires
H0 composite : µ ? µ0 contre H1 : µ<µ0 test unilatéral à gauche ; de l'intervalle de confiance de probabilité (1 ? ?). Il est donc équivalent de.
Traitement statistique des processus alpha-stable
les intervalles unilatéraux à gauche ] ? ??1]
Macro Rchantillonnage
Le document joint IC_p.xls calcule l'intervalle de confiance unilatéral ou bilatéral de la probabilité p d'un événement pour un niveau de confiance donné
Statistique pour ingénieur
d'intervalles de confiance ou des tests statistiques à poser fréquemment P = 1 la valeur de P se lit en ajoutant des cellules de la colonne de gauche.
rappels cours sur les IC - Conservatoire national des arts et
différemment de part et d’autre des bornes de l’intervalle de confiance Ecrivons donc ? = ? 1 +? 2 où ? 1 et ? 2 mesurent respectivement les risques à gauche et à droite de dépasser un seuil plancher ou plafond • L’intervalle de confiance est dit bilatéral quand ?12?00 et ? ? Si ?? ? 12 2
rappels cours sur les IC - cedriccnamfr
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
C:/Documents and Settings/Ali Gannoun/Bureau/FOD/Seance6
– Intervalle de con?ance bilatéral symétrique X¯ ?u 1??/2 ? ? n ? µ ? X¯ +u 1??/2 ? ? n – Intervalle de con?ance unilatéral à gauche µ ? X¯ +u1?? ? ? n – Intervalle de con?ance unilatéral à droite µ ? X¯ ?u1?? ? ? n 3 1 2 Cas où la variance est inconnue C’est le cas général
Quelques rappels sur les intervalles de confiance
mesurent respectivement les risques à gauche et à droite de dépasser un seuil plancher ou plafond L’intervalle de confiance est dit bilatéral quand 1200 et En particulier si 12 2 = l’intervalle est symétrique Il est dissymétrique sinon L’intervalle de confiance est dit unilatéral si 12 0 :
Estimations et intervalles de con?ance Exemple
Soit un paramètre associé à la loi de X par exemple = E(X) ou = Var(X) À partir de l’observation d’un échantillon aléatoire (X 1;:::;X n) on souhaite estimer le paramètre DÉFINITION 2 — Un estimateur b nde est une fonction qui dépend unique-ment du n-échantillon (X 1;:::;X n) Il est dit convergent s’il est “proche" de
Searches related to intervalle de confiance unilatéral à gauche PDF
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
Comment savoir si l’intervalle de confiance est bilatéral?
• L’intervalle de confiance est dit bilatéral quand ?12?00 et ? ? . Si ?? ? 12 2 = = , l’intervalle est dit symétrique. Il est dissymétrique sinon.
Comment calculer l’intervalle de confiance ?
9:35. Avecs= 6:86, l’intervalle de con?ance s’écrit : La taille de cet intervalle, souligne le manque de précision de l’estimation del’écart-type, la taille de l’échantillon y est pour beaucoup.
Comment calculer l’intervalle deconfiance ?
L’intervalle decon?ance devient alors : L’intervalle n’est pas contenu dans la spéci?cation. Notez l’augmentation sen-sible de la taille de cet intervalle par le simple fait de devoir estimer la varianceplutôt que de la supposer connue ; L’estimateur de la variance suit une loi du chi-deux à= (n 1) = 3degrésde liberté.
Qu'est-ce que l'estimation par in-tervalle de confiance ?
Laconnaissance des lois de ce estimateurs permet l’estimation par in-tervalle de con?ance et donc de préciser l’incertitude sur ces esti-mations : intervalle de con?ance d’une proportion, d’une moyennesi la variance est connue ou non, d’une variance. Retour auplan du cours.
Tables statistiques Statistique pour ingénieur
Statistique pour ingénieur
Tables statistiques
F. Delacroix
M. Lecom te
, 23 février 2016Introduction
Dans les pages qui suivent nous proposons quelques tables statistiques classiques. Selon les cas, il s"agira de valeurs de la fonction de répartition d"une loi de probabilité ou de la réciproque de cette fonction de répartition (qu"on appelle fractiles ou quantiles). Dans ce recueil de tables, on a généralement choisi de noterPles valeurs de la fonction de répartition pour les lois continues; on sera donc, dans l"optique de la construction d"intervalles de confiance ou des tests statistiques, à poser fréquemmentP= 1-αouP= 1-α2
ou encoreP=α2 . Les fractiles correspondants sont généralement notés avec une lettre figurant la loi de probabilité et la valeurPen indice. Pour les lois discrètes, les fractiles sont notés généralementcdans ce recueil. Pour chaque loi, une explication sommaire de la lecture des tables est donnée, suivi des tables ou abaques elles-mêmes.Enfin, la
section 9 donne p ourles lois év oquéesl"esp érance,la v arianceainsi q uedes formules permettant d"obtenir les valeurs (fonction de répartition ou fractiles) associéesà ces lois. Ces formules ont été testées sur les tableurs Microsoft Excel version 2007 et
LibreOffice Calc 5.0.4 (avec parfois des différences gênantes); et seront à valider dans le cas d"autres tableurs au vu de leurs documentations.Institut Mines-Télécom 1Statistique pour ingénieur Tables statistiques
Table des matières
Introduction
11 Fonction de répartition de la loi normale centrée réduite
4Table n
o1.1- Fonction de répartition de la loi normale centrée réduite. . . . . 5Table n
o1.2- Grandes valeurs deΦ. . . . . . . . . . . . . . . . . . . . . . . . .52 Fractiles de la loi normale centrée réduite
6Table n
o2.1- Fractiles de la loi normale centrée réduite. . . . . . . . . . . . . . 73 Fractiles de la loi de Student
83.1 Définition
83.2 Approximation
8Table n
o3.1- Fractiles de la loi de Student. . . . . . . . . . . . . . . . . . . . . 94 Fractiles de la loi duχ210
4.1 Définition
104.2 Approximation
10Table n
o4.1- Fractiles de la loi duχ2. . . . . . . . . . . . . . . . . . . . . . . .115 Fractiles de la loi de Fisher-Snedecor
12Table n
o5.1- Fractiles de la loi de Fisher-Snedecor pourP= 0,95. . . . . . . .13Table n
o5.2- Fractiles de la loi de Fisher-Snedecor pourP= 0,975. . . . . . .14Table n
o5.3- Fractiles de la loi de Fisher-Snedecor pourP= 0,99. . . . . . . .15Table n
o5.4- Fractiles de la loi de Fisher-Snedecor pourP= 0,995. . . . . . .166 Probabilités cumulées de la loi binomiale
186.1 Définitions
186.2 Approximations
18Table n
o6.1- Probabilités cumulées de la loi binomialeB(n,p). . . . . . . . . .197 Intervalle de confiance pour une proportion
207.1 Principe
207.2 Utilisation
20Abaque n
o7.1- Intervalle de confiance pour une proportion (1). . . . . . . . . 21Abaque n
o7.2- Intervalle de confiance pour une proportion (2). . . . . . . . . 22Abaque n
o7.3- Intervalle de confiance pour une proportion (3). . . . . . . . . 238 Probabilités cumulées de la loi de Poisson
248.1 Définition
248.2 Approximation
24Table n
o8.1- Probabilités cumulées de la loi de PoissonP(λ)pourλ <10. . .25Table n
o8.2- Probabilités cumulées de la loi de PoissonP(λ)pour106λ620269 Résumé de quelques lois
27 2 Institut Mines-Télécom
Tables statistiques Statistique pour ingénieur
Institut Mines-Télécom 3
Statistique pour ingénieur Tables statistiques
1 Fonction de répartition de la loi normale centrée
réduite La loi normale centrée réduiteN(0,1)a pour densité de probabilité la fonctionf définie par ?t?R, f(t) =1⎷2πe-t2/2. Une variable aléatoireUsuivant cette loi a pour fonction de répartition la fonctionΦ définie par ?u?R,Φ(u) =P(U6u) =? u -∞f(t)dt.Figure1 - Graphe de la densitéN(0,1) La table 1.1 suiv anteest celle des v aleursde ΦsurR+. Les valeurs deΦsurR-se calculent à l"aide de la propriété de symétrie ?u?R,Φ(-u) = 1-Φ(u). Cette table peut également servir à calculer les valeurs de la fonction de répartition d"une variable aléatoireXsuivant une loi normaleN(μ,σ2)à l"aide de la formuleP(X6x) = Φ?x-μσ
.4 Institut Mines-TélécomTables statistiques Statistique pour ingénieur
Table n
o1.1- Fonction de répartition de la loi normale centrée réduiteu0,000,010,020,030,040,050,060,070,080,090,00,50000,50400,50800,51200,51600,51990,52390,52790,53190,53590,10,53980,54380,54780,55170,55570,55960,56360,56750,57140,57530,20,57930,58320,58710,59100,59480,59870,60260,60640,61030,61410,30,61790,62170,62550,62930,63310,63680,64060,64430,64800,65170,40,65540,65910,66280,66640,67000,67360,67720,68080,68440,68790,50,69150,69500,69850,70190,70540,70880,71230,71570,71900,72240,60,72570,72910,73240,73570,73890,74220,74540,74860,75170,75490,70,75800,76110,76420,76730,77040,77340,77640,77940,78230,78520,80,78810,79100,79390,79670,79950,80230,80510,80780,81060,81330,90,81590,81860,82120,82380,82640,82890,83150,83400,83650,83891,00,84130,84380,84610,84850,85080,85310,85540,85770,85990,86211,10,86430,86650,86860,87080,87290,87490,87700,87900,88100,88301,20,88490,88690,88880,89070,89250,89440,89620,89800,89970,90151,30,90320,90490,90660,90820,90990,91150,91310,91470,91620,91771,40,91920,92070,92220,92360,92510,92650,92790,92920,93060,93191,50,93320,93450,93570,93700,93820,93940,94060,94180,94290,94411,60,94520,94630,94740,94840,94950,95050,95150,95250,95350,95451,70,95540,95640,95730,95820,95910,95990,96080,96160,96250,96331,80,96410,96490,96560,96640,96710,96780,96860,96930,96990,97061,90,97130,97190,97260,97320,97380,97440,97500,97560,97610,97672,00,97720,97780,97830,97880,97930,97980,98030,98080,98120,98172,10,98210,98260,98300,98340,98380,98420,98460,98500,98540,98572,20,98610,98640,98680,98710,98750,98780,98810,98840,98870,98902,30,98930,98960,98980,99010,99040,99060,99090,99110,99130,99162,40,99180,99200,99220,99250,99270,99290,99310,99320,99340,99362,50,99380,99400,99410,99430,99450,99460,99480,99490,99510,99522,60,99530,99550,99560,99570,99590,99600,99610,99620,99630,99642,70,99650,99660,99670,99680,99690,99700,99710,99720,99730,99742,80,99740,99750,99760,99770,99770,99780,99790,99790,99800,99812,90,99810,99820,99820,99830,99840,99840,99850,99850,99860,9986Table n
o1.2- Grandes valeurs deΦuΦ(u)uΦ(u)3,00,9986503,80,9999283,10,9990323,90,9999523,20,9993134,00,9999683,30,9995174,10,9999793,40,9996634,20,9999873,50,9997674,30,9999913,60,9998414,40,9999953,70,9998924,50,999997Institut Mines-Télécom 5
Statistique pour ingénieur Tables statistiques
2 Fractiles de la loi normale centrée réduite
La fonction de répartition deN(0,1)est une bijection croissante deRsur]0,1[et la table 2.1 donne les v aleursde Φ-1. LorsqueUest une variable aléatoire suivant la loiN(0,1)etP?]0,1[, cette table donne la valeur deuP= Φ-1(P), qui est telle queP(U6uP) =P.
La lecture de la table diffère selon quePest inférieur ou supérieur à0,50: si P60,50, la valeur dePse lit en ajoutant des cellules de la colonne de gauche et la ligne supérieure. Le fractileuPestnégatif(cf.figure 2gauc he). Si P>0,50, la valeur dePse lit en ajoutant des cellules de la colonne de droiteet de la ligne inférieure. Le fractileuPestpositif(cf.figure 2droite). Figure2 - Lecture des fractiles deN(0,1)
Exemple-P ourP= 0,024,uP=-1,9774;-p ourP= 0,976,uP= +1,9774.6 Institut Mines-TélécomTables statistiques Statistique pour ingénieur
Table n
o2.1- Fractiles de la loi normale centrée réduiteP0,0000,0010,0020,0030,0040,0050,0060,0070,0080,0090,010+
Institut Mines-Télécom 7
Statistique pour ingénieur Tables statistiques
3 Fractiles de la loi de Student
3.1 Définition
Une variable aléatoireTsuit la loi de Student àνdegrés de liberté (oùν?N?) si elle
admet pour densité de probabilité la fonctionfdéfinie surRpar f(t) =1⎷νπΓ?ν+12
?ν21 +t2ν
-ν+12 .Figure3 - Densité de la loi de Student La table 3.1 donne les fractiles de la loi de Studen td"ordre P>60, c"est-à-dire les valeurs detPvérifiantP(T6tP) =P.
Les fractiles d"ordreP60,4s"obtiennent par la relation de symétrie tP=-t1-P.
3.2 Approximation
Pourν >100, la loi de Student peut être approchée par la loi normale centrée réduiteN(0,1).8 Institut Mines-Télécom
Tables statistiques Statistique pour ingénieur
Table n
o3.1- Fractiles de la loi de Student1-P→0,400,300,200,100,050,0250,010,0010,0005ν↓P→0,600,700,800,900,950,9750,990,9990,999510,3250,7271,3763,0786,31412,70631,821318,309636,61920,2890,6171,0611,8862,9204,3036,96522,32731,59930,2770,5840,9781,6382,3533,1824,54110,21512,92440,2710,5690,9411,5332,1322,7763,7477,1738,61050,2670,5590,9201,4762,0152,5713,3655,8936,86960,2650,5530,9061,4401,9432,4473,1435,2085,95970,2630,5490,8961,4151,8952,3652,9984,7855,40880,2620,5460,8891,3971,8602,3062,8964,5015,04190,2610,5430,8831,3831,8332,2622,8214,2974,781100,2600,5420,8791,3721,8122,2282,7644,1444,587110,2600,5400,8761,3631,7962,2012,7184,0254,437120,2590,5390,8731,3561,7822,1792,6813,9304,318130,2590,5380,8701,3501,7712,1602,6503,8524,221140,2580,5370,8681,3451,7612,1452,6243,7874,140150,2580,5360,8661,3411,7532,1312,6023,7334,073160,2580,5350,8651,3371,7462,1202,5833,6864,015170,2570,5340,8631,3331,7402,1102,5673,6463,965180,2570,5340,8621,3301,7342,1012,5523,6103,922190,2570,5330,8611,3281,7292,0932,5393,5793,883200,2570,5330,8601,3251,7252,0862,5283,5523,850210,2570,5320,8591,3231,7212,0802,5183,5273,819220,2560,5320,8581,3211,7172,0742,5083,5053,792230,2560,5320,8581,3191,7142,0692,5003,4853,768240,2560,5310,8571,3181,7112,0642,4923,4673,745250,2560,5310,8561,3161,7082,0602,4853,4503,725260,2560,5310,8561,3151,7062,0562,4793,4353,707270,2560,5310,8551,3141,7032,0522,4733,4213,690280,2560,5300,8551,3131,7012,0482,4673,4083,674290,2560,5300,8541,3111,6992,0452,4623,3963,659300,2560,5300,8541,3101,6972,0422,4573,3853,646320,2550,5300,8531,3091,6942,0372,4493,3653,622340,2550,5290,8521,3071,6912,0322,4413,3483,601360,2550,5290,8521,3061,6882,0282,4343,3333,582380,2550,5290,8511,3041,6862,0242,4293,3193,566400,2550,5290,8511,3031,6842,0212,4233,3073,551500,2550,5280,8491,2991,6762,0092,4033,2613,496600,2540,5270,8481,2961,6712,0002,3903,2323,460700,2540,5270,8471,2941,6671,9942,3813,2113,435800,2540,5260,8461,2921,6641,9902,3743,1953,416900,2540,5260,8461,2911,6621,9872,3683,1833,4021000,2540,5260,8451,2901,6601,9842,3643,1743,3902000,2540,5250,8431,2861,6531,9722,3453,1313,3405000,2530,5250,8421,2831,6481,9652,3343,1073,310Institut Mines-Télécom 9
Statistique pour ingénieur Tables statistiques
4 Fractiles de la loi duχ2
4.1 Définition
Une variable aléatoireZsuit la loi duχ2(ou Loi de Pearson) àνdegrés de libertés (oùν?N?) si elle admet pour densité de probabilité la fonctionfdéfinie surRpar f(t) =? ??12 ν2Γ?ν2
e-t2 tν2 -1sit>00sinon.
C"est un cas particulier de loiΓ, celle de paramètres?12 ,ν2 ?.Figure4 - Densité de probabilité de la loi duχ2 SiU1,...,Unsontnvariables aléatoires indépendantes suivant toutes la loiN(0,1), alors la variable aléatoire Z=n i=1U2i suit la loi duχ2àndegrés de liberté. La table 4.1 donne, p our16ν630et certaines valeurs deP, les fractiles de la loi duχ2, c"est-à-dire les valeurs deχ2Ptelles que P ?Z6χ2P?=P.4.2 Approximation
Pourν >30, on peut admettre que la variable aléatoire⎷2Z-⎷2ν-1suit approxi- mativement la loi normale centrée réduiteN(0,1).10 Institut Mines-TélécomTables statistiques Statistique pour ingénieur
Table n
o4.1- Fractiles de la loi duχ21-P→0,9990,9950,9750,950,900,500,100,050,0250,010,0050,001ν↓P→0,0010,0050,0250,050,100,500,900,950,9750,990,9950,99910,000,000,000,000,020,452,713,845,026,637,8810,8320,000,010,050,100,211,394,615,997,389,2110,6013,8230,020,070,220,350,582,376,257,819,3511,3412,8416,2740,090,210,480,711,063,367,789,4911,1413,2814,8618,4750,210,410,831,151,614,359,2411,0712,8315,0916,7520,5260,380,681,241,642,205,3510,6412,5914,4516,8118,5522,4670,600,991,692,172,836,3512,0214,0716,0118,4820,2824,3280,861,342,182,733,497,3413,3615,5117,5320,0921,9526,1291,151,732,703,334,178,3414,6816,9219,0221,6723,5927,88101,482,163,253,944,879,3415,9918,3120,4823,2125,1929,59111,832,603,824,575,5810,3417,2819,6821,9224,7226,7631,26122,213,074,405,236,3011,3418,5521,0323,3426,2228,3032,91132,623,575,015,897,0412,3419,8122,3624,7427,6929,8234,53143,044,075,636,577,7913,3421,0623,6826,1229,1431,3236,12153,484,606,267,268,5514,3422,3125,0027,4930,5832,8037,70163,945,146,917,969,3115,3423,5426,3028,8532,0034,2739,25174,425,707,568,6710,0916,3424,7727,5930,1933,4135,7240,79184,906,268,239,3910,8617,3425,9928,8731,5334,8137,1642,31195,416,848,9110,1211,6518,3427,2030,1432,8536,1938,5843,82205,927,439,5910,8512,4419,3428,4131,4134,1737,5740,0045,31216,458,0310,2811,5913,2420,3429,6232,6735,4838,9341,4046,80226,988,6410,9812,3414,0421,3430,8133,9236,7840,2942,8048,27237,539,2611,6913,0914,8522,3432,0135,1738,0841,6444,1849,73248,089,8912,4013,8515,6623,3433,2036,4239,3642,9845,5651,18258,6510,5213,1214,6116,4724,3434,3837,6540,6544,3146,9352,62269,2211,1613,8415,3817,2925,3435,5638,8941,9245,6448,2954,05279,8011,8114,5716,1518,1126,3436,7440,1143,1946,9649,6455,482810,3912,4615,3116,9318,9427,3437,9241,3444,4648,2850,9956,892910,9913,1216,0517,7119,7728,3439,0942,5645,7249,5952,3458,303011,5913,7916,7918,4920,6029,3440,2643,7746,9850,8953,6759,70Institut Mines-Télécom 11
Statistique pour ingénieur Tables statistiques
5 Fractiles de la loi de Fisher-Snedecor
Une variable aléatoireFsuit la loi de Fisher-Snedecor(ν1,ν2)degrés de liberté si elle admet pour densité de probabilité la fonctionfdéfinie surRpar f(t) =? ?ν1+ν22 ?ν12 ?Γ?ν22 121νν
222tν
12 -1(ν1t+ν2)ν1+ν22
sit>00sinon.Figure5 - Densité de probabilité de la loi de Fisher-Snedecor
SiZ1etZ2sont deux variables aléatoires indépendantes suivant les lois duχ2respec- tivement àν1etν2degrés de liberté, alors la variable aléatoireF=Z1/ν1Z
2/ν2
suit la loi de Fisher-Snedecor à(ν1,ν2)degrés de liberté.Les tables
5.1 5.2 5.3 et 5.4 donnen t,p ourquelques v aleursde Pet en fonction de1etν2les fractiles de la loi de Fisher-Snedecor à(ν1,ν2)degrés de liberté, c"est-à-dire
les valeurs defP(ν1,ν2)telles queP(F6fP(ν1,ν2)) =P.
N"y figurent que les fractiles supérieurs à1; pour ceux inférieurs à1on pourra utiliser la
relation fP(ν1,ν2) =1f
1-P(ν2,ν1).12 Institut Mines-Télécom
Tables statistiques Statistique pour ingénieur
Table n
o5.1- Fractiles de la loi de Fisher-Snedecor pourP= 0,95ν 2ν1123456789101214161820304060100500
1161,4199,5215,7224,6230,2234,0236,8238,9240,5241,9243,9245,4246,5247,3248,0250,1251,1252,2253,0254,1218,5119,0019,1619,2519,3019,3319,3519,3719,3819,4019,4119,4219,4319,4419,4519,4619,4719,4819,4919,49310,139,559,289,129,018,948,898,858,818,798,748,718,698,678,668,628,598,578,558,5347,716,946,596,396,266,166,096,046,005,965,915,875,845,825,805,755,725,695,665,6456,615,795,415,195,054,954,884,824,774,744,684,644,604,584,564,504,464,434,414,3765,995,144,764,534,394,284,214,154,104,064,003,963,923,903,873,813,773,743,713,6875,594,744,354,123,973,873,793,733,683,643,573,533,493,473,443,383,343,303,273,2485,324,464,073,843,693,583,503,443,393,353,283,243,203,173,153,083,043,012,972,9495,124,263,863,633,483,373,293,233,183,143,073,032,992,962,942,862,832,792,762,72104,964,103,713,483,333,223,143,073,022,982,912,862,832,802,772,702,662,622,592,55114,843,983,593,363,203,093,012,952,902,852,792,742,702,672,652,572,532,492,462,42124,753,893,493,263,113,002,912,852,802,752,692,642,602,572,542,472,432,382,352,31134,673,813,413,183,032,922,832,772,712,672,602,552,512,482,462,382,342,302,262,22144,603,743,343,112,962,852,762,702,652,602,532,482,442,412,392,312,272,222,192,14154,543,683,293,062,902,792,712,642,592,542,482,422,382,352,332,252,202,162,122,08164,493,633,243,012,852,742,662,592,542,492,422,372,332,302,282,192,152,112,072,02174,453,593,202,962,812,702,612,552,492,452,382,332,292,262,232,152,102,062,021,97184,413,553,162,932,772,662,582,512,462,412,342,292,252,222,192,112,062,021,981,93194,383,523,132,902,742,632,542,482,422,382,312,262,212,182,162,072,031,981,941,89204,353,493,102,872,712,602,512,452,392,352,282,222,182,152,122,041,991,951,911,86214,323,473,072,842,682,572,492,422,372,322,252,202,162,122,102,011,961,921,881,83224,303,443,052,822,662,552,462,402,342,302,232,172,132,102,071,981,941,891,851,80234,283,423,032,802,642,532,442,372,322,272,202,152,112,082,051,961,911,861,821,77244,263,403,012,782,622,512,422,362,302,252,182,132,092,052,031,941,891,841,801,75254,243,392,992,762,602,492,402,342,282,242,162,112,072,042,011,921,871,821,781,73264,233,372,982,742,592,472,392,322,272,222,152,092,052,021,991,901,851,801,761,71284,203,342,952,712,562,452,362,292,242,192,122,062,021,991,961,871,821,771,731,67304,173,322,922,692,532,422,332,272,212,162,092,041,991,961,931,841,791,741,701,64504,033,182,792,562,402,292,202,132,072,031,951,891,851,811,781,691,631,581,521,461003,943,092,702,462,312,192,102,031,971,931,851,791,751,711,681,571,521,451,391,31Institut Mines-Télécom 13
Statistique pour ingénieur Tables statistiques
Table n
o5.2- Fractiles de la loi de Fisher-Snedecor pourP= 0,975ν 2ν1123456789101214161820304060100500
1647,8799,5864,2899,6921,8937,1948,2956,7963,3968,6976,7982,5986,9990,3993,11001,41005,61009,81013,21017,2238,5139,0039,1739,2539,3039,3339,3639,3739,3939,4039,4139,4339,4439,4439,4539,4639,4739,4839,4939,50317,4416,0415,4415,1014,8814,7314,6214,5414,4714,4214,3414,2814,2314,2014,1714,0814,0413,9913,9613,91412,2210,659,989,609,369,209,078,988,908,848,758,688,638,598,568,468,418,368,328,27510,018,437,767,397,156,986,856,766,686,626,526,466,406,366,336,236,186,126,086,0368,817,266,606,235,995,825,705,605,525,465,375,305,245,205,175,075,014,964,924,8678,076,545,895,525,295,124,994,904,824,764,674,604,544,504,474,364,314,254,214,1687,576,065,425,054,824,654,534,434,364,304,204,134,084,034,003,893,843,783,743,6897,215,715,084,724,484,324,204,104,033,963,873,803,743,703,673,563,513,453,403,35106,945,464,834,474,244,073,953,853,783,723,623,553,503,453,423,313,263,203,153,09116,725,264,634,284,043,883,763,663,593,533,433,363,303,263,233,123,063,002,962,90126,555,104,474,123,893,733,613,513,443,373,283,213,153,113,072,962,912,852,802,74136,414,974,354,003,773,603,483,393,313,253,153,083,032,982,952,842,782,722,672,61146,304,864,243,893,663,503,383,293,213,153,052,982,922,882,842,732,672,612,562,50156,204,774,153,803,583,413,293,203,123,062,962,892,842,792,762,642,592,522,472,41166,124,694,083,733,503,343,223,123,052,992,892,822,762,722,682,572,512,452,402,33176,044,624,013,663,443,283,163,062,982,922,822,752,702,652,622,502,442,382,332,26185,984,563,953,613,383,223,103,012,932,872,772,702,642,602,562,442,382,322,272,20195,924,513,903,563,333,173,052,962,882,822,722,652,592,552,512,392,332,272,222,15205,874,463,863,513,293,133,012,912,842,772,682,602,552,502,462,352,292,222,172,10215,834,423,823,483,253,092,972,872,802,732,642,562,512,462,422,312,252,182,132,06225,794,383,783,443,223,052,932,842,762,702,602,532,472,432,392,272,212,142,092,02235,754,353,753,413,183,022,902,812,732,672,572,502,442,392,362,242,182,112,061,99245,724,323,723,383,152,992,872,782,702,642,542,472,412,362,332,212,152,082,021,95255,694,293,693,353,132,972,852,752,682,612,512,442,382,342,302,182,122,052,001,92265,664,273,673,333,102,942,822,732,652,592,492,422,362,312,282,162,092,031,971,90285,614,223,633,293,062,902,782,692,612,552,452,372,322,272,232,112,051,981,921,85305,574,183,593,253,032,872,752,652,572,512,412,342,282,232,202,072,011,941,881,81505,343,973,393,052,832,672,552,462,382,322,222,142,082,031,991,871,801,721,661,571005,183,833,252,922,702,542,422,322,242,182,082,001,941,891,851,711,641,561,481,3814 Institut Mines-Télécom
Tables statistiques Statistique pour ingénieur
Table n
o5.3- Fractiles de la loi de Fisher-Snedecor pourP= 0,99ν 2ν1123456789101214161820304060100500
298,599,099,299,299,399,399,499,499,499,499,499,499,499,499,499,599,599,599,599,5334,1230,8229,4628,7128,2427,9127,6727,4927,3527,2327,0526,9226,8326,7526,6926,5026,4126,3226,2426,15421,2018,0016,6915,9815,5215,2114,9814,8014,6614,5514,3714,2514,1514,0814,0213,8413,7513,6513,5813,49516,2613,2712,0611,3910,9710,6710,4610,2910,1610,059,899,779,689,619,559,389,299,209,139,04613,7510,929,789,158,758,478,268,107,987,877,727,607,527,457,407,237,147,066,996,90712,259,558,457,857,467,196,996,846,726,626,476,366,286,216,165,995,915,825,755,67811,268,657,597,016,636,376,186,035,915,815,675,565,485,415,365,205,125,034,964,88910,568,026,996,426,065,805,615,475,355,265,115,014,924,864,814,654,574,484,414,331010,047,566,555,995,645,395,205,064,944,854,714,604,524,464,414,254,174,084,013,93119,657,216,225,675,325,074,894,744,634,544,404,294,214,154,103,943,863,783,713,62129,336,935,955,415,064,824,644,504,394,304,164,053,973,913,863,703,623,543,473,38139,076,705,745,214,864,624,444,304,194,103,963,863,783,723,663,513,433,343,273,19148,866,515,565,044,694,464,284,144,033,943,803,703,623,563,513,353,273,183,113,03158,686,365,424,894,564,324,144,003,893,803,673,563,493,423,373,213,133,052,982,89168,536,235,294,774,444,204,033,893,783,693,553,453,373,313,263,103,022,932,862,78178,406,115,184,674,344,103,933,793,683,593,463,353,273,213,163,002,922,832,762,68188,296,015,094,584,254,013,843,713,603,513,373,273,193,133,082,922,842,752,682,59198,185,935,014,504,173,943,773,633,523,433,303,193,123,053,002,842,762,672,602,51208,105,854,944,434,103,873,703,563,463,373,233,133,052,992,942,782,692,612,542,44218,025,784,874,374,043,813,643,513,403,313,173,072,992,932,882,722,642,552,482,38227,955,724,824,313,993,763,593,453,353,263,123,022,942,882,832,672,582,502,422,33237,885,664,764,263,943,713,543,413,303,213,072,972,892,832,782,622,542,452,372,28247,825,614,724,223,903,673,503,363,263,173,032,932,852,792,742,582,492,402,332,24257,775,574,684,183,853,633,463,323,223,132,992,892,812,752,702,542,452,362,292,19267,725,534,644,143,823,593,423,293,183,092,962,862,782,722,662,502,422,332,252,16287,645,454,574,073,753,533,363,233,123,032,902,792,722,652,602,442,352,262,192,09307,565,394,514,023,703,473,303,173,072,982,842,742,662,602,552,392,302,212,132,03507,175,064,203,723,413,193,022,892,782,702,562,462,382,322,272,102,011,911,821,711006,904,823,983,513,212,992,822,692,592,502,372,272,192,122,071,891,801,691,601,47Institut Mines-Télécom 15
Statistique pour ingénieur Tables statistiques
Table n
o5.4- Fractiles de la loi de Fisher-Snedecor pourP= 0,995ν 2ν1123456789101214161820304060100500
2198,5199,0199,2199,2199,3199,3199,4199,4199,4199,4199,4199,4199,4199,4199,4199,5199,5199,5199,5199,5355,5549,8047,4746,1945,3944,8444,4344,1343,8843,6943,3943,1743,0142,8842,7842,4742,3142,1542,0241,87431,3326,2824,2623,1522,4621,9721,6221,3521,1420,9720,7020,5120,3720,2620,1719,8919,7519,6119,5019,36522,7818,3116,5315,5614,9414,5114,2013,9613,7713,6213,3813,2113,0912,9812,9012,6612,5312,4012,3012,17618,6314,5412,9212,0311,4611,0710,7910,5710,3910,2510,039,889,769,669,599,369,249,129,038,91716,2412,4010,8810,059,529,168,898,688,518,388,188,037,917,837,757,537,427,317,227,10814,6911,049,608,818,307,957,697,507,347,217,016,876,766,686,616,406,296,186,095,98913,6110,118,727,967,477,136,886,696,546,426,236,095,985,905,835,625,525,415,325,211012,839,438,087,346,876,546,306,125,975,855,665,535,425,345,275,074,974,864,774,671112,238,917,606,886,426,105,865,685,545,425,245,105,004,924,864,654,554,454,364,251211,758,517,236,526,075,765,525,355,205,094,914,774,674,594,534,334,234,124,043,931311,378,196,936,235,795,485,255,084,944,824,644,514,414,334,274,073,973,873,783,671411,067,926,686,005,565,265,034,864,724,604,434,304,204,124,063,863,763,663,573,461510,807,706,485,805,375,074,854,674,544,424,254,124,023,953,883,693,583,483,393,291610,587,516,305,645,214,914,694,524,384,274,103,973,873,803,733,543,443,333,253,141710,387,356,165,505,074,784,564,394,254,143,973,843,753,673,613,413,313,213,123,011810,227,216,035,374,964,664,444,284,144,033,863,733,643,563,503,303,203,103,012,901910,077,095,925,274,854,564,344,184,043,933,763,643,543,463,403,213,113,002,912,80209,946,995,825,174,764,474,264,093,963,853,683,553,463,383,323,123,022,922,832,72219,836,895,735,094,684,394,184,013,883,773,603,483,383,313,243,052,952,842,752,64229,736,815,655,024,614,324,113,943,813,703,543,413,313,243,182,982,882,772,692,57239,636,735,584,954,544,264,053,883,753,643,473,353,253,183,122,922,822,712,622,51249,556,665,524,894,494,203,993,833,693,593,423,303,203,123,062,872,772,662,572,46259,486,605,464,844,434,153,943,783,643,543,373,253,153,083,012,822,722,612,522,41269,416,545,414,794,384,103,893,733,603,493,333,203,113,032,972,772,672,562,472,36289,286,445,324,704,304,023,813,653,523,413,253,123,032,952,892,692,592,482,392,28309,186,355,244,624,233,953,743,583,453,343,183,062,962,892,822,632,522,422,322,21508,635,904,834,233,853,583,383,223,092,992,822,702,612,532,472,272,162,051,951,821008,245,594,543,963,593,333,132,972,852,742,582,462,372,292,232,021,911,791,681,5316 Institut Mines-Télécom
Tables statistiques Statistique pour ingénieur
Institut Mines-Télécom 17
Statistique pour ingénieur Tables statistiques
6 Probabilités cumulées de la loi binomiale
6.1 Définitions
Une variable aléatoireKsuit la loi binomialeB(n,p)(oùn?N?etp?]0,1[) si ses valeurs possibles sont les entiers entre0etnet si ?k? {0,...,n}P(K=k) =Cknpk(1-p)n-k. La table 6.1 donne les probabilités cum uléesde la loi B(n,p), c"est-à-dire, pour tout c? {0,...,n}, la probabilitéP(K6c) =c
k=0Cknpk(1-p)n-k.6.2 Approximations
Théorème (Moivre-Laplace)Sinp(1-p)>18on peut approcher la loi binomialeB(n,p)par la loi normale demêmes espéranceμ=npet varianceσ2=np(1-p).Sip <0,10, on peu approcher la loiB(n,p)par la loi de Poisson de paramètreλ=np
avec une erreur pratiquement négligeable sinest grand (n >30).18 Institut Mines-TélécomTables statistiques Statistique pour ingénieur
Table n
o6.1- Probabilités cumulées de la loi binomialeB(n,p)n ↓c ↓p→1%2%3%4%5%6%7%8%9%10%500,95100,90390,85870,81540,77380,73390,69570,65910,62400,590510,99900,99620,99150,98520,97740,96810,95750,94560,93260,918521,00000,99990,99970,99940,99880,99800,99690,99550,99370,991431,00001,00001,00001,00000,99990,99990,99980,99970,999541,00001,00001,00001,00001,00001000,90440,81710,73740,66480,59870,53860,48400,43440,38940,348710,99570,98380,96550,94180,91390,88240,84830,81210,77460,736120,99990,99910,99720,99380,98850,98120,97170,95990,94600,929831,00001,00000,99990,99960,99900,99800,99640,99420,99120,987241,00001,00000,99990,99980,99970,99940,99900,998451,00001,00001,00001,00000,99990,999961,00001,00001500,86010,73860,63330,54210,46330,39530,33670,28630,24300,205910,99040,96470,92700,88090,82900,77380,71680,65970,60350,549020,99960,99700,99060,97970,96380,94290,91710,88700,85310,815931,00000,99980,99920,99760,99450,98960,98250,97270,96010,944441,00000,99990,99980,99940,99860,99720,99500,99180,987351,00001,00000,99990,99990,99970,99930,99870,997861,00001,00001,00000,99990,99980,999771,00001,00001,00002000,81790,66760,54380,44200,35850,29010,23420,18870,15160,121610,98310,94010,88020,81030,73580,66050,58690,51690,45160,391720,99900,99290,97900,95610,92450,88500,83900,78790,73340,676931,00000,99940,99730,99260,98410,97100,95290,92940,90070,867041,00000,99970,99900,99740,99440,98930,98170,97100,956851,00000,99990,99970,99910,99810,99620,99320,988761,00001,00000,99990,99970,99940,99870,997671,00001,00000,99990,99980,999681,00001,00000,999991,00005000,60500,36420,21810,12990,07690,04530,02660,01550,00900,005210,91060,73580,55530,40050,27940,19000,12650,08270,05320,033820,98620,92160,81080,67670,54050,41620,31080,22600,16050,111730,99840,98220,93720,86090,76040,64730,53270,42530,33030,250340,99990,99680,98320,95100,89640,82060,72900,62900,52770,431251,00000,99950,99630,98560,96220,92240,86500,79190,70720,616160,99990,99930,99640,98820,97110,94170,89810,84040,770271,00000,99990,99920,99680,99060,97800,95620,92320,877981,00000,99990,99920,99730,99270,98330,96720,942191,00000,99980,99930,99780,99440,98750,9755101,00000,99980,99940,99830,99570,9906111,00000,99990,99950,99870,9968121,00000,99990,99960,9990131,00000,99990,9997141,00000,9999151,0000Institut Mines-Télécom 19
Statistique pour ingénieur Tables statistiques
7 Intervalle de confiance pour une proportion
Les abaques des pages suivantes permettent de déterminer un intervalle de confiance pour une proportion à partir d"une lecture graphique, à partir de la fréquencef=knobservée de la caractéristique étudiée dans un échantillon de taillen, et ce pour différents
niveaux de confiance.7.1 Principe
Ces abaques sont établies à partir de la loi binomialeB(n,p)suivie par la variable aléatoireKdont la valeur estk. Pour un niveau de confiance1-α, les bornes inférieurep1et supérieurep2de l"intervalle de confiance pour la proportion inconnuepsont établies à partir des équations suivantes :P(K>k) =n?
j=kCjnpj1(1-p1)n-j=?
?α/2pour un intervalle bilatéralαpour un intervalle unilatéral à droite
avec par conventionp1= 0sik= 0, etP(K6k) =k
j=0Cjnpj2(1-p2)n-j=?
?α/2pour un intervalle bilatéralαpour un intervalle unilatéral à gauche
avec également la conventionp2= 1lorsquek=n.7.2 Utilisation
Pour déterminer un intervalle de confiance pour une proportionpà partir d"une lecture graphique des abaques des pages suivantes : c hoisirl"abaque corresp ondantau niv eaude co nfiance1-αvoulu et au type d"intervalle souhaité (bilatéral ou unilatéral); iden tifierla courb e(p ourun in tervalleunilatéral) ou les courb es(p ourun in tervalle bilatéral) correspondant à la taillende l"échantillon; re porteren abscisse la fréquence f=kn observée sur l"échantillon; lire la b orneinférieure p1sur la courbe du bas, la borne supérieurep2sur la courbe du haut; for merl"in tervallede confiance v oulu: Ic1-α(p) =?
??[p1,p2]pour un intervalle bilatéral, [p1,1]pour un intervalle unilatéral à droite, [0,p2]pour un intervalle unilatéral à gauche.20 Institut Mines-TélécomTables statistiques Statistique pour ingénieur
Abaque n
o7.1- Intervalle de confiance pour une proportion (1) Intervalle bilatéral : niveau de confiance1-α= 0,90 Intervalles unilatéraux : niveau de confiance1-α= 0,9555 6688
101012
12151520
2030
3050
50100
100250
250Proportion p dans la populationFréquence f observée dans l'échantillonInstitut Mines-Télécom 21
quotesdbs_dbs45.pdfusesText_45[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
[PDF] loi gev
[PDF] exercices corrigés théorie des valeurs extrêmes
[PDF] valeurs extremes statistique
[PDF] exemple conclusion entretien annuel d'évaluation
[PDF] exemples objectifs entretien annuel d'évaluation
[PDF] exemple compte rendu entretien professionnel
[PDF] progression éducation musicale cycle 4