Cours de Statistiques inférentielles
Nous allons chercher à faire l'inverse : l'inférence statistique consiste à induire les caractéristiques in- connues d'une population à partir d'un échantillon
STATISTIQUE INFERENTIELLE
loi jointe : ( variable continues ou discrétes ) . • Ces lois de probabilité sont : - Totalement inconnues : Problème de statistique inférentielle non
Méthodes de statistique inférentielle.
19 mai 2016 Pour résumer. A. ?lippe (U. Nantes). Méthodes de statistique inférentielle. 19 mai 2016. 6 / 166. Introduction. Retour aux exemples.
Cours de Statistiques Inférentielles
6 janv. 2016 Le but de la statistique descriptive - unidimensionelle - est de fournir une synth`ese des données sous forme de tableaux / graphiques / résumés ...
Statistique Inférentielle
Les résumer les représenter est le domaine de la statistique descriptive. POPULATION. ECHANTILLON. Mesures ? Description. INFERENCE : probas
Cours 4: Statistique inférentielle Échantillonnage
Etude Statistique = étude des caractéristiques (variables statistiques) d'un ensemble d'objets (population composée d'individus) . ? Recensement : les valeurs
Inférence Statistique: Résumés et exercices
12 janv. 2017 Inférence Statistique: Résumés et exercices. Licence. Statistiques inférentielles. Saint-Denis
Introduction à la statistique inférentielle
décrire et résumer la variabilité de l'échantillon. Echantillon. La statistique inférentielle s'intéresse à la population dont est issus l'échantillon.
Statistique inférentielle
Statistique inférentielle. ? Test statistique. ? Risques d'erreur statistical summary of the data (for example the sample mean difference between.
STATISTIQUE INFERENTIELLE
4 mars 2008 STATISTIQUE INFERENTIELLE. Module Méthodes Quantitatives : -Statistique III. (S4). Section D. INTRODUCTION GENERALE. • Il y a en statistique ...
[PDF] Cours de Statistiques inférentielles
Nous allons étudier comment se comporte un échantillon (éléments pris au hasard) dans une population dont on connaît les caractéristiques statistiques (lois )
[PDF] Cours de Statistiques Inférentielles
6 jan 2016 · Le but de la statistique descriptive - unidimensionelle - est de fournir une synth`ese des données sous forme de tableaux / graphiques / résumés
[PDF] STATISTIQUE-INFERENTIELLEpdf
5 déc 2014 · STATISTIQUE INFERENTIELLE Module Méthodes Quantitatives : -Statistique III (S4) Section D INTRODUCTION GENERALE • Il y a en statistique
[PDF] STATISTIQUE INFERENTIELLE - FSEGSO -
La statistique descriptive s'intéresse à la sous-population formée par l'échantillon Elle a pour objet de décrire la variabilité de l'échantillon La
[PDF] Méthodes de statistique inférentielle
19 mai 2016 · Méthodes de statistique inférentielle A Philippe Laboratoire de mathématiques Jean Leray Pour résumer A ?lippe (U Nantes)
[PDF] Inférence Statistique: Résumés et exercices - HAL Paris 8
12 jan 2017 · Jean-Marc Meunier Inférence Statistique: Résumés et exercices Licence Statistiques inférentielles Saint-Denis France 2008 pp 56
[PDF] Introduction à la statistique inférentielle - Jonathan Lenoir
décrire et résumer la variabilité de l'échantillon Echantillon La statistique inférentielle s'intéresse à la population dont est issus l'échantillon
[PDF] Statistique Inférentielle
La statistique exploratoire quand a elle repose sur l'observation de phénomènes concrets (donc passés) Son but est de résumer structurer et représenter (
[PDF] Statistiques Inférentielles - Erwan Brugallé
3 mai 2020 · Ce cours est une introduction élémentaire aux statistiques inférentielles Commençons par un exemple simple mais emblématique de probl`eme que l
[PDF] Statistique Inférentielle - Pages personnelles Université Rennes 2
Statistique Inférentielle N Jégou Université Rennes 2 Les résumer les représenter est le domaine de la statistique descriptive POPULATION
Comment comprendre la statistique inférentielle ?
Nous allons chercher à faire l'inverse : l'inférence statistique consiste à induire les caractéristiques in- connues d'une population à partir d'un échantillon issu de cette population. Les caractéristiques de l'échantillon, une fois connues, reflètent avec une certaine marge d'erreur possible celles de la population.Quel est le but de la statistique inférentielle ?
IV La statistique inférentielle. Son but est d'étendre (d'inférer) les propriétés constatées sur l'échantillon (gr? l'analyse exploratoire par exemple) `a la population toute enti`ere, et de valider ou d'infirmer des hypoth`eses.6 jan. 2016Quelle est l'importance de la statistique inférentielle dans la société ?
Le but de la statistique inférentielle est de savoir dans quelle mesure les résultats obtenus sur un échantillon convenablement choisi apportent une connaissance fiable des caractéristiques de la population d'origine.- En d'autres termes, une analyse inférentielle utilise un échantillon aléatoire de données provenant d'une population afin de décrire et d'inférer la population. En effet, cette analyse est pertinente lorsqu'il est difficile ou impossible d'examiner chacun des membres d'une population entière.
LSG2 FSEGS 2020-2021
ESSADDIK.E Page 1
STATISTIQUE INFERENTIELLE
Introduction
CHAPITRE I:LES LOIS STATISTIQUES
2éme Année Licence Sciences de Gestion
LSG2 FSEGS 2020-2021
ESSADDIK.E Page 2
Introduction
Terminologie : induction- déduction
empêcher de conclure avec certitude sur la population à partir des données acquises sur unéchantillon.
Statistique descriptive et Statistique inférentielleLa s-population formée par Elle a pour
La statistique inférentielle à la Elle vise inférer , des propriétés générales concernant lapopulation. Elle est basée sur la théorie des probabilités et correspond à la démarche inverse.
Schéma représentatif
Stat. Inférentielle Théorie des probabilitésThéorie des probabilités :
la théorie des probabilités permet de tirer aléatoirement un échantillon.La statistique inférentielle :
population. possible celles de la population. En effet, à partir des valeurs prises, par une variable sur unéchantillon, la statistique inférentielle essaie de préciser la distribution de la variable dans la
population.On parle de recensement, emble
de la population observée ĺ statistique inférentielle. population.Population
Echantillon Echantillon
LSG2 FSEGS 2020-2021
ESSADDIK.E Page 3
Le sondage :
échantillon .Au chapitre 2 de ce cours, on va nous intéresser aux diverses méthodes de sondage
ĺ tistique
inférentielle. Avantages de la statistique inférentielle : Avoir de Pour résoudre le problème .Hypothèses : La population est considérée comme infinie ( très grande) . Les variables statistiques qui la décrivent sont considérées comme des variables aléatoires : En effet, la valeur prise par la variable statistique X pour un individu donné de la population ne peut pas être déterminée avec précision. Elle dépend de plusieurs paramètres, alors considérée . La répartition des valeurs de ces variables sont caractérisées par des lois de probabilité : L une loi de probabilité : - Qui est caractérisée par une densité de probabilité X continue ou une séquence de fréquences relatives à chacune de ses valeurs (X discrète) . - Possédant des caractéristiques ( E (X) , V(X)) qui résument la distribution . Des variations simultanées de 2 ou plusieurs variables statistiques sont décrites par une loi jointe : ( variable continues ou discrétes ) .Ces lois de probabilité sont :
- Totalement inconnues : Problème de statistique inférentielle non paramétrique (on ignore la loi) . - Partiellement inconnues : La loi est connue mais les paramètres sont inconnus problème de statistique inférentielle paramétrique.Objectifs :
9 Tirer des conclusions concernant certaines caractéristiques de la population à partir des
informations conte9 Identifier les lois dans un échantillon de valeurs de variables obtenu à travers un sondage
dans la population, grâce aux méthodes suivantes : modélisation et de prévision .9 La pertinencĺthéorie de
phénomènes dans lesquels le hasardintervient . Cette théorie va servir comme outil de base à un ensemble de méthodes ou de règles
paramètres ou on teste les hypothèses.LSG2 FSEGS 2020-2021
ESSADDIK.E Page 4
Rappel
Soit X une variable aléatoire
a א a א Si X et Y sont 2 variables aléatoires : E (X + Y ) = E(X) + E(Y)V(X) -
a א a א Si X et Y sont deux variables aléatoires, V (X + Y ) = V (X) + V(Y)Covariance et coefficient de corrélation
Cov(X,Y) = ଵ
Si ߩ
0 : Absence de corrélation
1 : Forte corrélation positive
LSG2 FSEGS 2020-2021
ESSADDIK.E Page 5
LES LOIS STATISTIQUES
Objectifs du chapitre :- Présentation de quelques notions en probabilité - Présentation de quelques lois usuelles discrètes et continues (servant àl'estimation par interǀalles de confiance et ă réaliser les différents tests statistiques)
I/ Probabilité et variables aléatoires :
1- Définitions
* L événement . La quantification des chances probabilité . * Un espace aléatoire : univers . *notion de probabilité : priori. Soit : A : événement . on cherche à probabiliser tous les événements de A , on lui associe une probabilité : 0 P (A) 1.A P(A)
Exemple : On tire une boule dans une urne contenant une boule noire, deux blanches et cinq 2- : Un événement étant un élément de P( à la théorie des ensembles.Ensemble Evénement
On a observé le résultat ܣא ߱, ߱ A = BLes évènements A et B sont identiques .
Evènement impossible
Evènement certain.
Un au moins des deux évènements est réalisé. Les deux événements A et B sont réalisés. Les deux événements A et B sont incompatibles.Le couple (, P()) est un espace probabilisable .
LSG2 FSEGS 2020-2021
ESSADDIK.E Page 6
Soit une épreuve aléatoire un ensemble non vide des parties de qui vérifie les conditions suivantes : A אࣛ alors ܣҧ אPropriétés :
i) : P(ii) P (ܣҧ) = 1 P (A) ; ܣҧ ࣛ ; A est stable par complémentation. A ࣛ ĺܣ
iii) P ( A B ) = P(A) + P(B) ; avec A B = A ࣛ et B ࣛ ; A
P ( A
Calcul de P(A) = ࢉࢇ࢘ࢊ
* Probabilités conditionnelles : ( - . La connaissance de la réalisation de B modifie la prob : A/B , Elle est fonction des évènements ayant une partie commune avec B et A . *Indépendance en probabilité : modifie pas la probabilité de réalisation de lautre.3- Variable Aléatoire :
Une variable aléatoire qui suit une certaine loi de probabilité, ses réalisations, ses
échantillons, sont encadrés par ces probabilités de réalisation. Une variable aléatoire X est une variable associée à une expérience ou un groupe le résultat de cette expérience ou de ce groupe On distingue des Variables Aléatoires Discrètes (VAD) et des variables aléatoires continues (VAC).LSG2 FSEGS 2020-2021
ESSADDIK.E Page 7
a/ Variables Aléatoires Discrètes ( VAD) : Une VAD prend un nombre dénombrable de valeurs. rs prises par XLa relation entre x et p(x) est appelée loi de probabilité. Elle vérifie les conditions suivantes :
Variance : ߪ
Fonction de répartition :Appelée aussi : fonction de distribution cumulée , F(X) , exprime la
xi) = σ lim ( ) 0; lim ( ) 1 xxF x F x x.On a aussi, la probabilité que X soit comprise entre a et b ( b a)/ P ( a x b) = F (b) - F (a)
Exemple : Soit X : La variable aléatoire relative à la somme de deux dés. On va lancer deux dés homogènes simultanément et on sintéresse à la somme obtenue. Tableau : La distribution de probabilité pour la somme des deux dés Xi pi 2 3 4 5 6 7 8 9 10 11 12 1/36 2/36 3/36 4/36 5/36 6/36 5/36 4/36 3/36 2/36 1/36Total 1
LSG2 FSEGS 2020-2021
ESSADDIK.E Page 8
Détails du calcul des probabilités :
P(Xi = 2) = 1/36 = ( dé 1, dé1)
P(Xi = 3) = (1, 2) ou (2,1) = 1/36 + 1/36 = 2/36
P(Xi = 4) = (3,1) ou (1,3) ou (2,2 ) = 3/36
P(Xi = 5) = (4,1 ) ou (1,4) ou (3,2) ou (2,3) = 4/36 P(Xi = 6) = (5,1 ) ou (1,5) ou (4,2) ou (2,4) ou (3,3) = 5/36 = 1/36 + 1/36 + 1/36 + 1/36 + 1/36 P(Xi = 7) = (6,1 ) ou (1,6) ou (5,2) ou (2,5) ou (3,4) ou (4,3) = 6/36 P(Xi = 8) = (6,2 ) ou (2,6) ou (5,3) ou (3,5) ou (4,4) = 5/36 P(Xi = 9) = (6,3 ) ou (3,6) ou (5,4) ou (4,5) = 4/36P(Xi = 10) = (7,3 ) ou (3,7) ou (5,5) = 3/36
P(Xi = 11) = (5,6 ) ou (6,5) = 2/36
P(Xi = 12) = (6,6) = 1/36
: Une population est caractérisée par son espérance E(X) et son écart type ߪ La moyenne de la variable aléatoire " X :la somme des deux dés » . + 11 (2/36 ) +12 (1/36) = 7. e ݔ au tableau .Xi pi ݔ
2 3 4 5 6 7 8 9 10 11 12 1/36 2/36 3/36 4/36 5/36 6/36 5/36 4/36 3/36 2/36 1/36 2/36 6/36 12/36 20/36 30/3642/36
40/36
36/36
30/36
22/36
12/36
Total 1 7
E (X) = 7 = σݔ
LSG2 FSEGS 2020-2021
ESSADDIK.E Page 9
Interprétation : la moyenne théorique est égale à 7. Cad, si on répète cette expérience aléatoire,
plusieurs fois () , toujours la moyenne espérée des sommes obtenues serra égale 7. -type de la VAX = somme des 2 dés : 2 3 4 5 6 7 8 9 10 11 12 -5 -4 -3 -2 -1 0 1 2 3 4 5 2516 9 4 1 0 1 2 9 16 25
1/36 2/36 3/36 4/36 5/36 6/36 5/36 4/36 3/36 2/36 1/36 25/36
32/36
27/36
16/36 5/36 0 5/36 16/36 27/36
32/36
25/36
Total 1 210/36
On a alors : ߪ
-type est une mesure de dispersion, plus la valeur de ߪ probabilité que la VA soit proche de la moyenne est élevée. Répartition de 720 lancers de 2 dés en fonction de la somme obtenueXi ni fi
2 3 4 5 6 7 8 9 10 11 12 15 4257
84
108
112
94
77
66
41
24
0.0208
0.0583
0.0792
0.1167
0.150.1556
0.1306
0.1069
0.0917
0.0569
0.0333
Total 720 1
b/ Variable Aléatoire Continue (VAC) : correspond à un intervalle réel . ExempleLSG2 FSEGS 2020-2021
ESSADDIK.E Page 10
Un intervalle continu contient
exactement un résultat donné est généralement nulle. La notion de distribution de probabilité
f(x) , est la dérivée de la fonction de répartition de F(x), appelée fonctions de ddp. Une
VAC est caractérisée par une probabilité positive et le cumul de sa ddp doit être égal à 1.
Propriétés :
¾ P ( a x b) = F (b) - F (a) = ¾ P(Xݔ) = 1 - P(Xݔ) = 1 F (b)Espérance : E(X) =
II/ Les lois usuelles discrètes :
Certaines distributions de probabilités de VA correspondent aux modèles dephénomènes aléatoires , Elles sont appelées : lois de probabilité , on distingue deux types lois
Discrétes et lois Continues .
1-La loi uniforme:
On dit que X suit la loi uniforme discrète définie sur X() = 0, 1, 2, ..,n si elle admet On dit que les événements sont équiprobables (cad ont des probabilités identiques) :LSG2 FSEGS 2020-2021
ESSADDIK.E Page 11
Exemple : Le jet du dé, exercice traité dans le cas de VAD.2-La loi de Bernoulli:
en proportion p et un second type en proportion 1-p. aléatoire qui consiste à tirer au hasard un individu de cette popul » avec une probabilité p. ܣ On définit la variable aléatoire de de Bernoulli admet comme fonction de probabilité : Espérance et variance: E(x) = p V(X) = p (1-p)Propriétés : La : la somme de 2 variables
Bernoulli de Bernoulli .
variable Z = X1 + X2 ne suit pas une loi de Bernoulli. Exemple1 : Si on jette une pièce de monnaie équilibrée. Soit X une VA / X= 1 si pile, etX= 0 sinon.
Exemple2 : Au service d
voitures acceptées sont en proportion p , alors X suit une loi de Bernoulli de paramètre p. (X ՜
LSG2 FSEGS 2020-2021
ESSADDIK.E Page 12
3-La loi Binomiale:
Elle joue un rôle important pour obtenir des estimations de pourcentages, ou de taux.Définition :
Une épreuve de Bernoulli , est une expérience aléatoire qui ne comporte que deuxrésultats possibles : succès / échec . Soit p la probabilité de réalisation du succès ; 1-p : la
probabilité de réalisation de . Sles mêmes conditions et ces expériences sontindépendantes alors la variable aléatoire X : Nombre de succès obtenu suit une loi binomiale.
fonction de probabilité : x nC px (1-p)n-x ,Avec n : N
p : la probabilité de succès à chaque expérience .Elle peut être aussi décrite comme une suite en terme de variables aléatoires, en associant à
Bernoulli (
(p) ) Xi / Xi = 1 succès et Xi = 0 sinon . (x1, x2, xn) n variables indépendantes . On définit la V A X , le nombre de succès dans la suite des n expériences . Alors la variable aléatoire X = σݔǣଵ suit la loi binomiale (n,p).Remarque : La combinaison
x nC , avoir x parmi n est calculée ainsi : x nC Espérance et variance : E(x) = np V(X) = np (1-p). Addition: Si deux variables aléatoires indépendantes X1 et X2 suivent respectivement12(n ,p) et (n ,p)
alors (X1+ X2 ) suit une loi binomiale12(n +n ,p)
Exemple1 : Un hôpital possède 50 chambres. Au printemps, le taux de remplissage est de 75%.On note X léatoire.
x ߳ La loi de X est une loi binomiale de paramètres n = 50 et p = 0.75.LSG2 FSEGS 2020-2021
ESSADDIK.E Page 13
: P(X=50) = ܥ Exemple 2 : Dans une grande population, on compte 40 % des individus qui sont fumeurs. Onprend au hasard un échantillon de 30 personnes. On définit la variable aléatoire X : " Le nombre
» Alors X suit la binomiale B (30 ,0.4).
4-La loi Hypergéométrique:
Cette loi intervient dans le cas de plusieurs expériences aléatoires dépendantes auxquelles on associe un caractère étudié quelconque. Elle dépend de 3 paramètres. On considère une population de taille N dont K individus présentent exactement uncertain caractère A. On prélève sans remise un échantillon de n individus. Soit X la VA qui
tillon . On dit que X suit la loi Hypergéométrique ( X ՜H(n, N, K)). Si elle admet pour fonctionSi Max =0 et min =n alors 0
x n ; X() = 0, 1, ..,nEspérance et variance :
E(x) = n
K N = np V(X) = n K Nquotesdbs_dbs35.pdfusesText_40[PDF] statistique inférentielle cours et exercices corrigés pdf
[PDF] exercice corrigé echantillonnage estimation
[PDF] entrainement 800m natation
[PDF] oral natation bac
[PDF] temps moyen 800m nage libre
[PDF] 800m crawl bac
[PDF] filières énergétiques natation
[PDF] echauffement gym college
[PDF] séquence acrosport cycle 2
[PDF] échauffement acrosport en musique
[PDF] exercice d'échauffement musculaire
[PDF] brouette acrosport
[PDF] entrée dans l activité acrosport
[PDF] échauffement de danse classique