Cet essai a pour objectif de calculer un intervalle de confiance pour la moyenne µ `a 100(1−α) dans un plan de sondage aléatoire simple, ainsi que dans un
Previous PDF | Next PDF |
[PDF] Estimations et intervalles de confiance - Institut de Mathématiques
ponctuelle de paramètres de loi : proportion, moyenne, variance La connaissance des lois mations : intervalle de confiance d'une proportion, d'une moyenne
[PDF] Calcul dun intervalle de confiance pour la moyenne dans une
Cet essai a pour objectif de calculer un intervalle de confiance pour la moyenne µ `a 100(1−α) dans un plan de sondage aléatoire simple, ainsi que dans un
[PDF] MODULE 2 : Estimation par intervalle de confiance - FOAD - MOOC
Les paramètres inconnus à estimer seront successivement la moyenne, la variance, la proportion d'une population Trois autres cas seront considérés : la
[PDF] Quelques rappels sur les intervalles de confiance - Cedric-Cnam
ce cas, la distribution de la moyenne empirique tend vers une loi normale d'après le théorème central limite On parlera d'intervalle de confiance asymptotique
[PDF] ESTIMATION, INTERVALLES DE CONFIANCE DE LA MOYENNE D
Si on se fixe un seuil α = 0 05 par exemple, le logiciel SAS calcule aisément l' intervalle de confiance de la moyenne cherché : proc means data=A alpha=0 05 clm
[PDF] Intervalles de confiance
Donner une estimation et un intervalle de confiance pour m 2 2 Estimation de l' écart-type 2 2 1 si la moyenne est connue La statistique T = 1
[PDF] Statistique : étude de cas Intervalles de confiance - Université de
6 oct 2017 · 3 Intervalle de confiance 4 Estimation de la moyenne µ d'une variable gaussienne 5 Estimation de la variance σ2 d'une variable gaussienne
[PDF] II - Estimation dun paramètre par intervalle de confiance - Chlorofil
On veut estimer un paramètre (moyenne, proportion ) d'un caractère dans une population P Une estimation ponctuelle à partir d'un échantillon donné ne
[PDF] intervalle de confiance student
[PDF] intervalle de confiance d'une moyenne excel
[PDF] unité commerciale définition
[PDF] climat définition cycle 3
[PDF] definition de meteorologie
[PDF] unité commerciale physique et virtuelle complémentaire
[PDF] definition meteo
[PDF] dispense cap petite enfance
[PDF] deaes
[PDF] formule variance
[PDF] problème du second degré seconde
[PDF] bpjeps
[PDF] moyenne nationale bac francais 2017
[PDF] moyenne nationale math bac s
MOHAMED RIDHA TEKAYA
Calcul d'un intervalle de con¯ance pour la moyenne dans le cadre du programme de ma^³trise en statistique pour l'obtention du grade de Ma^³tre µes sciences (M.Sc.)FACULT
Avril 2006
c°Mohamed Ridha Tekaya, 2006
Cet essai a pour objectif de calculer un intervalle de con¯ance pour la moyenne¹µa d'un intervalle de con¯ance.Avant-propos
Je tiens µa remercier Monsieur Louis-Paul Rivest, mon directeur de recherche, pro- direction, et ses conseils judicieux tout au long de cette recherche. Finalement, je voudrais exprimer la profonde gratitude que j'ai envers mes parents, mes deux s¾urs et mon frµere pour leurs encouragements et leur soutien.Table des matiµeres
iiAvant-Propos
iiiTable des matiµeres
vListe des tableaux
viTable des ¯gures
vii1 Introduction
12 Calcul d'intervalle de con¯ance pour une moyenne
22.1 Notation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2 32.3 Approche modµele . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
8 123 La vraisemblance empirique
13 133.2 Intervalle de con¯ance pour¹. . . . . . . . . . . . . . . . . . . . . . .
15 19 3.4 223.5 Exemple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2426
26
29
4.3 Exemple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
315 Conclusion
32Bibliographie
33v simple 34
B Macro SAS
36C Le programme R pour l'exemple 2.1
40D Le programme R pour l'exemple 2.2
41E Le programme R pour l'exemple 3.1
4446
Liste des tableaux
con¯ance ( 2:2 2:3 ) avec ¹= 1 etn= 40 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 non couverture de l'intervalle de con¯ance ( 2:5 de l'exemple 2.2 avecn= 40 . . . . . . . . . . . . . . . . . . . . . . . . 12 con¯ance ( 3:7 2324
m= 60 etn= 140 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
Table des ¯gures
5 du quantile deÂ20:95;1pour l'exemple 2:2:avecn= 40 etp= 3=4 = 1=¸ 11Chapitre 1
Introduction
L'objectif principal de ce travail de recherche est le calcul d'un intervalle de con¯ance µa propos des paramµetres d'un modµele statistique. L'annexe A donne une fonction R qui calcule les bornes d'un intervalle de con¯ance centrale. seulement µa des variables prenant des valeurs positives ou nulles.Chapitre 2
Calcul d'intervalle de con¯ance
pour une moyenne2.1 Notation
moyenne¹et de variance¾2 IC : est un acronyme pour Intervalle de Con¯ance. IC IC IC IC empirique. X=1 n P n s 2=1 n¡1P n i=1(Xi¡ T=p n( pour¹. t z Elle augmente le niveau d'information par rapport µa une estimation ponctuelle. Elle permet d'avoir un aper»cu des valeurs possibles pour¹. Un intervalle de con¯ance si pour chacun on calcule l'intervalle de con¯ance, alors dans 100(1¡®)% des cas le paramµetre¹devrait ^etre dans l'intervalle de con¯ance. Nous envisageons ici deux cas de calcul d'intervalle de con¯ance pour¹, nest quelconque. Si issu de la loiN(¹;¾2), une distribution normale de moyenne¹et de variance¾2, alors T=X¡¹
s= p n bornes de l'intervalle de con¯ance µa 100(1¡®)% pour¹sont obtenues µa partir de1¡®=Ph
¡tn¡1;®=2·
X¡¹
s= p n·tn¡1;®=2i
=PhX¡tn¡1;®=2s
p nX+tn¡1;®=2s
p n i IC ts=hX¡tn¡1;®=2s
p nX+tn¡1;®=2s
p n i on obtientX¡¹
p n»N(0;1):
montre que la distribution asymptotique lorsquentends vers1est T=X¡¹
s= p n»N(0;1):
(2.1)1¡®=Ph
¡z®=2·
X¡¹
s= p n·z®=2i
=PhX¡z®=2s
p nX+z®=2s
p n iOn obtient l'intervalle de con¯ance suivant
IC tlc=hX¡z®=2s
p nX+z®=2s
p n i (2.2) Chapitre 2. Calcul d'intervalle de con¯ance pour une moyenne5Quantiles of Standard Normal
valeur de t -3 -2 -1 0 1 2 3 -4 -2 0 2Fig.2.1 {
Exemple 2.1.(Distribution deT)
f(x) =( pexp(¡x=¸) six >01¡psix= 0:
(2.3) Chapitre 2. Calcul d'intervalle de con¯ance pour une moyenne6Y»Bernoulli(p))(
P[Y= 1] =p
E[Y] =p:
Z»Exponentielle(1=¸))n
E[Z] =¸:
2:1 ), nous faisons 2:3A la lumiµere de la ¯gure
2.1 2:1 ) n'est dans le tableau 2.1 2:2 2:2 ) par P jTj< z0:025´ deTen ( 2:1 2:2 cLe nombre de simulations
dLe nombre de simulations
Taux de non
Taux de non
Taux de
P(Y= 1)
µa gauche en (%)
µa droite en (%)
0.25 0.2 12.8 87.00.50 0.8 9.0 90.2
0.75 0.8 6.6 92.6
0.85 1.0 5.2 93.8
0.95 0.2 5.6 94.2
Tab.2.1 {
con¯ance ( 2:2 2:3 ) avec¹= 1 et n= 40 e t=r¿(1¡¿)
500oµu¿est le taux de couverture ou de non couverture. Si¿= 95% alorset= 0:0097 et pour¿= 2:5% nous obtenonset= 0:0069.
En vertu du tableau
2.1 Chapitre 2. Calcul d'intervalle de con¯ance pour une moyenne82.3 Approche modµele intervalle de con¯ance pour¹. Appelons f(x;µ1;:::;µm)¹=g(µ1;:::;µm)
A¯n de pouvoir estimer¹, en premier lieu, nous calculons (bµ1;:::;cµm) les estima- teurs du maximum de vraisemblance des paramµetres. En second lieu, nous utilisons la b¹=g(bµ1;:::;cµm); est l'estimateur du maximum de vraisemblance de¹. Pour calculer un intervalle de con¯ance pour¹, on estime tout d'abord les pa-L=L(µ1;:::;µm)
nY i=1f(Xi;µ1;:::;µm): Dans la pratique pour simpli¯er les calculs des estimateurs, nous utilisons le loga- l(µ1;:::;µm) = log³L(µ1;:::;µm)´
nX i=1log³ f(Xi;µ1;:::;µm)´ jl(µ1;:::;µm) = 0;pourj= 1;:::;m: Ensuite, nous ¯xons¹et maximisons la vraisemblance sous la contrainte¹= l p(¹) = maxµ1;:::;µm; ¹=g(µ1;:::;µm)l(µ1;:::;µm):
Le calcul delp(¹) utilise pour chaque valeur de¹des estimateurs desµj,bµj(¹) pour j= 1;:::;m:Notons quelp(¹) est maximale µa¹=b¹l'estimateur du maximum de vraisemblance de¹. montre que½(¹0) = 2³
l p(b¹)¡lp(¹0)´»Â21:
(2.4)Si¹0est la vraie valeur du paramµetre¹, l'intervalle de con¯ance pro¯l pour¹µa un
IC mv=n