1 Université Mohammed Premier Échantillonnage et Estimation
ii Proposer un intervalle de confiance à 90% de la proportion des employés satisfaits de la formation. Exercices corrigés du TD 3. Solution de l'Exercice 1.
CORRIGE DES EXERCICES : Distributions déchantillonnage
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 empirique.
Estimation et intervalle de confiance
Exercices : Martine Quinio. Exo7. Estimation et intervalle de confiance. Exercice 1. Un échantillon de 10000 personnes sur une population étant donné
Chapitre 3 - Échantillonnage et estimation
On prélève 50 copies dans la population on les corrige
TD1: Population et échantillon Eléments de corrigé
qui est donc admissible dans cette classe d'estimateur. Exercice 4. On souhaite estimer par échantillonnage la proportion de ménages de plus de 75 ans possédant
CORRIGE DES EXERCICES : Estimation ponctuelle et estimation
on choisira donc une taille d'échantillon au moins égale à 650 pour que demi-longueur de l'intervalle de confiance à. 95% (la marge d'erreur dans l'estimation
Exercices corrigés de statistiques inférentielles. Exercice 1 Induction
Exercices corrigés de statistiques inférentielles. Donner le poids moyen dépassé dans 97 % des cas sur un échantillon de ... Exercice 3 Estimation.
CTU Master Enseignement des Mathématiques Statistique
Modèle d'échantillonnage. 15. 3. Vraisemblance. 15. 4. Familles Exponentielles. 16. 5. Modèle position-échelle. 17. 6. Exercices. 18. Partie 2. Estimation
Exercices et problèmes de statistique et probabilités
Corrigés des exercices . Chapitre 2 Convergences et échantillonnage................................ 29 ... 3.2 Estimation statistique.
MANUEL DEXERCICES
Exercice 3. Estimation de la surface agricole utile d'un canton. (d'après P.Ardilly et Y.Tillé Exercices corrigés de méthode de sondage
46 exercices corriges échantillonnage et estimation s3 pdf
21 déc 2019 · Ce document de séries d'exercices pour toutes les parties du cours d'échantillonnage et estimation s3 avec corrigé détails de faculté FSJES
TD et Exercices Corrigés Echantillonnage et Estimation S3 PDF
12 sept 2019 · echantillonnage et estimation s3 exercices corrigés maroc pdf Exercices Avec Solutions Echantillonnage et Estimation Semestre S3 Economie
Examens Corrigés Echantillonnage et Estimation S3 PDF
9 déc 2019 · Examens Echantillonnage et Estimation s3 avec corrigé Controles Corrigés Echantillonnage et Estimation S3 Economie Epreuves+QCM+Exercices
Echantillonnage et Estimation Exercices Corrigés PDF Gratuit
Télécharger Exercices Corrigés de Echantillonnage et Estimation PDF + QCM TD Examens Contrôle Solutions Bachelor/Licence Economie Gestion L2
[PDF] Exercices échantillonnage et estimation avec corrigés - Tifawt
23 déc 2019 · On met à votre disposition plus de 40 exercices corrigés échantillonnage et estimation avec corrigés détaillés Ces exercices sont divisé en
[PDF] [PDF] Echantillonnage et estimation
Echantillonnage et estimation Filière Sciences Economiques et Gestion S4 T D série n°1 B Mhamdi Exercice 1 X est une variable aléatoire qui suit la
[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] CORRIGE DES EXERCICES : Estimation ponctuelle - UFR SEGMI
PLPSTA02 Bases de la statistique inférentielle CORRIGE DES EXERCICES : Estimation ponctuelle et estimation par intervalle Exercice 1 P={étudiants}
[PDF] Feuille dexercices : Distribution déchantillonnage et estimation
Avec les paramètres de la population : Calculer la probabilité pour que la moyenne m d'un échantillon de taille 35 pris au hasard avec un tirage non exhaustif
Chapitre3
Échantillonnageetestimation
3.1Introduc tion
Lathéoriedel'éch antillonnageétudielesliensent reunepopu lationetdeséch antillonsdecet tepopu-
lation.Àpartird'inform at ionsrelativesàlaloi d'unevariableXpourunepopu lationdon née,onendéduit
lecompo rtementd'échantillonsaléatoir essimplesrelatifsàcettevariable.Danslaprati quec'est leproblèmeinversequisepos e.Engénéralo nnecon naîtpaslaloideX,on neconna ît
pastouss esparamètreseto nsouha iteobtenirdesinformationsàpa rt irdel' observationd'unéchantillo n.
Cepr oblèmefaitpartiedelathéoriedel'es timation.Souventons'intéresse àlaval eurd'unparamètrebienprécisdelal oid eX,esp érance,variance,propor tion.
Cepa ramètrenoté!estappel éparamètred'intérêt,c'es tunnombre dontla valeurestinconnue.On
chercheàévaluercenomb reà partirdel'obser vat iond'unéchantillon. Àp artirdesdonnéesdel'ob servat ion
d'unéchantil lon,ondétermineunevaleurnumérique !qu'onappelleestimationponctu elledupara- mètred' intérêt. Onpeuta ussidéfini runintervalledeconfianc ec'est-à-diredéterminerunintervalle[! 1 2 ]quicontien t lavrai evaleurduparamèt re!inconnuavecunegrand eprobabil itéfixéeàp riori.Exemple3.1.1 Onveutes timerl'esp érancemathématique delavariableX,"n otedesétudiantsà l'exa-
men",vérifiant X!N(m,").On prélève 50copiesdanslapop ulatio n,onlescorrig e,onobtient50n otes
x 1 ,x 2 ,...,x 50eton détermin elamoyennedecetéchantill onx= x 1 +x 2 +...+x 50
50
,on obtient 9,1.Intui- tivementonpeutestimermpar9,1.On ditq ue9,1estunees timation ponctuelledem.On remarq uequesi onavai tprisunautreéch antillon,l' estimat ionseraitdi
érente.Onpourr aitaus siconclurequelamoyenne
mappartiendraitàl'intervalle[8,4;9,8]avecunepr obabilité de0,9parexemple.L'intervalle[8,4;9,8]est
alorsunintervall edecon fianceaurisqued'erreur0,1.3.2Estima tionponctuelle
3.2.1In troduction
L'ensembledeshypothèsesrelati vesaupr oblèmed'estimationdepara mètreestappelémodèlestatis-
tique.Cel ui-cicomprend: - deshypo thèsesrelativesàlaloidelava riableX,pa rexempleX!N(m,"),met"étantinconnus , ouXsuituneloiin connue.Lep aramètre!doitêtredéfini ,parexemple !=E(X),!="(X),!=p. Onécrira X!l(x,!)oùxestlaréa lisat iondeX. 4142CHAPITRE3.ÉCHANTILLONN AGEETE STIMATION
- Lamétho dedeconstructionde l'échan tillondoitêtreprécisée,échantillonaléa toires impleparexemple.
Onn'ut iliseradanscecoursquedeséchantill onsaléatoires sim ples.Rappelsurlechoi xd'unéchan tillon :Les échant illonsétudiéssonttousaléatoires,lehasar dintervientdans
lechoi xdeleurséléments.Cepen dantd euxprocéduresson tpossiblespourconst ruireunéchantillon aléatoire:
- échantillonnonexhaustif:pourcons truireunéc hantillondetaillen,on procède parntiragesau hasardavecremise(rem isedel'i ndividudanslapopul ationaprèschaqueti rage),- échantillonexhaustif:pourconstru ireunéchantillondetaille n,on procèd eparntiragesauhasard
sansremiseoup arletiragesimu ltanéd enindividus. Silapo pulati onesttrèsgrande,onpeutconsidérerunéch antil lonexhaust ifcommenonexhaustif. Rappelsurleséchan tillonsa léatoiresi mples:On considèr el'exemplesuivant.Exemple3.2.1Considéronsunéconomistechargéd eréali serunétudedemarchépourune entreprisequi
souhaitelancerunenouvelle marquedefromage. Ilcommencepa ranalyserlaconsommatio ndefromageenFrance.Ildoitréali seruns ondageetdemand erauxpersonnesinterro géescomb iendefoisellesontconsommé
defroma gelasemainedernière.L aconsom mationdefromageestex trêmementvariableetin certaine. Cer-
tainesn'enmangent jamais,d'a utresenmangentplusieu rsfoisparjour.Onado ncungrandnombrederéalisationspossibles.Àchacunedecesr éalisationspotentiellesestassoci éeun eprobabilité,lacons ommati on
hebdomadairedefromageestdoncunevari ableal éatoire.NotonsXlaquan titéconsomméeetplusprécisé-
mentlenom bredefo isparsemainequ'uni ndivid umangedufr omage.Cett evariableXaunedistributiondeprob abilité,uneloiqu'onnotel(x).L' espéranceetlavariancedeXsontdeuxpara mètresdecette loi.
X!l(x,m,")avecm=E(X)et"="(X).Àpriori,laloideX,met"sontinconnus. Considéronsunprélévementauhasarddenindividusavecremisedanslapop ulation.O bserverlesquantit ésconsommées
defroma gepourcesnindividusrevientàobserverlaréal isationdelavar iab leXpourcesnindividus, choisisauhasard,indépen dammen tlesunsdesautresetavecrem ise.Lesconsommationsdecesnindividus peuventêtreconsidéréescom menvariablesaléatoiresX 1 ,X 2 ,...,X n indépendantesetdemêmeloiqueX c'est-à-direl(x,m,").Lesnvariablesaléatoiresindépendant esX
1 ,X 2 ,...,X n constituentunéchantillonaléato iresim pledela variableXsietseu lements i E(X 1 )=E(X 2 )=...=E(X n )=E(X)=m, "(X 1 )="(X 2 )=...="(X n )="(X)=". Unefoiscesnpersonnesinterrogées,ond isposedenvaleursnumériquesdesq uantitésconsommées.Onappellecesnvaleursnumériquesobser vationsouencoreréalisation s.Cesontdesnombresréelsqu'onnotera
x 1 ,x 2 ,...,x n Onconsi dèredoncunmodèlestatis tiqueX!l(x,!)etun échanti llonaléatoiresimpleX 1 ,X 2 ,...,X nOnrecher cheunestatistiquefonct iondesvari ablesX
1 ,X 2 ,...,X n susceptibledefournirlameilleure esti- mationpossibledup aramètred'intérêt.Cettestat istiqu eestappeléeestimateur.X!l(x,m)
X 1 ,X 2 ,...,X n x 1 ,x 2 ,...,x n Remarque3.2.1Danslecasdela variab le"no te",onp ourrai tprendrecommeestimationdem: x 1 +x 502 x 1 +x 3 +x 5 +...+x 49
25
x 2 +x 4 +...+x 50
25
Dèslors leproblèmeestcel uiduc hoixd'unestimateur.Commen tvat- ondéciderquel lestat istiqueutiliser
enfon ctionduparamètre!recherché?3.2.ESTIMATIO NPONCTUELLE43
3.2.2Estima teursansbiais
Définition3.2.1SoitX!l(x,!)unmodèl estatistiqueet soitX 1 ,X 2 ,...,X n unéchan tillonaléatoire simpledeX.Onappelleestimateursansbiaisdupar amètre!toutestatistiq ueT=T(X 1 ,X 2 ,...,X n tellequeE(T)=!. Définition3.2.2SiE(T)!=!,Testbiaiséetle biaisvautE(T"!)=E(T)"!.Considéronsdi
érentesstatisti quesainsiquedestiragesnonexhaustifs(lest iragesontlieuavec remise):1.Prenonsl'exempledela statistiquemoyenneécha ntillo n.
Supposonsquenousnousintéress onsparexemp leàl'espérance delaconsommat ionhebdomadaire defroma ge.Onconstitueunécha ntillo naléatoiresimpleentiranta uhasar dnpersonnesdelapo- pulation.Unenquêteurlesinterro geetobt ientlesréalisationsnumér iquesx 1 ,x 2 ,...,x n desnva- riablesaléatoiresX 1 ,X 2 ,...,X n .La variab lealéatoire"consommationm oyenne"estX= n i=1 X i n X 1 +X 2 +...+X n n etla réalisa tiondelavariableXestx= x 1 +x 2 +...+x n n Onremar queraquelaconsommationmoy ennexdel'éch antillonvarieenfonctiondel'échantillon, c'est-à-direquepourdeséchantillo nsdi érents,onobtientd esmoyenn esd'échantillonsdiérentes.
Définition3.2.3Lava riable
X= X 1 +X 2 +...+X n n estappelée variablemoyenneéchantillon . Sil'on considèreparexem ple20échantillonsdeta illen,on obtient lamoyennex 1 ,x 2 ,...,x 20 de chacundeceséchantil lons. Onp euts'attendreàcequeces20valeurssoientproch esdel'es pérance mdelacon somma tionhebdomadaire. - Espérancedelavariablem oyenne: soitX 1 ,X 2 ,...,X nàlavariableX.Pouri=1,2,...,nonaE(X
i )=E(X)=m.DoncE(X)=E n i=1 X i n 1 n E n i=1 X i 1 n n i=1 E(X i nm n =m. - Variancedelavariablemo yenne: pourivariantde1àn,V(X i )=V(X),les varia blesX 1 ,X 2 ,...,X n sontindépendan tesdoncV(X)=V n i=1 X i n 1 n 2 V n i=1 X i 1 n 2 n i=1 V(X i nV(X) n 2 V(X) n #"(X)= nProposition3.2.1X=
X 1 +X 2 +...+X n n estunestimat eurs ansbiaisde!=mcarE(X)=m.2.Prenonsl'exempledelas tatistiquevarianceécha ntillo n.
Reprenonsl'exemplesurlaco nsommationdefromage.La variabili tédesc omportementsindividuelsdelaconso mmationestmesuréeparl'écart-type"delacon sommat ionX.On considèr eunn-échantillon
aléatoiresimpleX 1 ,X 2 ,...,X n deXetla stati stique 2 1 n n i=1 (X i "X) 2 1 n n i=1 X 2 i "(X) 2Laréali sationdecettevariablealéatoire!
2 estlava rianced el'échantillon,notée44CHAPITRE3.ÉCHANTILLONN AGEETE STIMATION
2 1 n n i=1 (x i "x) 2 1 n n i=1 x 2 i "(x) 2 Déterminonsl'espérancedelavaria blevariance:onaE(! 2 )=E 1 n n i=1 X 2 i "X 2 =E 1 n n i=1 X 2 i E X 2 .Do nc,E(! 2 1 n n i=1 E(X 2 i )"E X 2 1 n n i=1 V(X i )+E(X i 2 "(V(X)+E(X) 2 ).En utilisantlesformulesprécédentesrel ativesà lavariablemoyenneéc hantillon,ontrouve E(! 2 1 n n i=1V(X)+E(X)
2 V(X) n +E(X) 2 =V(X)" V(X) n 1" 1 n 2Proposition3.2.2!
quotesdbs_dbs35.pdfusesText_40[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
[PDF] échauffement danse hip hop
[PDF] échauffement danse moderne
[PDF] échauffement athlétisme collège