Les bornes de l'intervalle de confiance IC dépendent de l'échantillon, elles sont donc aléatoires Par abus de langage, On recherche dans la suite des fonctions pivotales particulières adaptées aux cas étudiés ce cas, la distribution de la moyenne empirique tend vers une loi normale d'après le théorème central limite
Previous PDF | Next PDF |
[PDF] Quelques rappels sur les intervalles de confiance - Cedric-Cnam
Les bornes de l'intervalle de confiance IC dépendent de l'échantillon, elles sont donc aléatoires Par abus de langage, On recherche dans la suite des fonctions pivotales particulières adaptées aux cas étudiés ce cas, la distribution de la moyenne empirique tend vers une loi normale d'après le théorème central limite
[PDF] Intervalles de confiance - Université de Rennes 1
s'intéresse la statistique est de décrire une loi de probabilité `a partir Donnons tout de suite des exemples archi-classiques de telles familles : Voici `a présent la définition mathématique d'un intervalle de confiance telle qu'on peut pour θ, toutes deux basées principalement sur l'utilisation du théor`eme limite central :
[PDF] Statistiques
Définition 1 3 1 La v a X suit une loi uniforme sur l'intervalle borné [a, b] si elle a Un résultat général de probabilité (le théor`eme central limite, TCL) justifie l'ap L'intervalle de confiance de la variance σ2 se calcule `a partir de l'échantillon
[PDF] Estimation et tests statistiques, TD 5 Solutions
Exercice 1 – Dans un centre avicole, des études antérieures ont montré que la masse c) Donner un intervalle de confiance au niveau 95 , puis 98 , de la masse approcher cette loi par la loi normale N(np,√np(1 − p)), et donc F suit
[PDF] Estimations et intervalles de confiance - Institut de Mathématiques
mations : intervalle de confiance d'une proportion, d'une moyenne si la variance qui ne suit plus une loi normale mais une loi dite de Student à n − 1 degrés
[PDF] Cours de Statistiques inférentielles
Une variable aléatoire réelle X suit une loi normale (ou loi gaussienne, loi de Corollaire 2 3 2 (Théorème central limite) Soit une suite (Xn) de variables aléatoires L'intervalle de confiance pour la moyenne d'une population de variance σ2
[PDF] Lois normales
exemple la détermination d'intervalles de confiance), on cherche à approcher pour tout entier naturel non nul n, la variable aléatoire Xn suit la loi binomiale
[PDF] STATISTIQUE : ESTIMATION - Institut de Mathématiques de Bordeaux
Intervalle de confiance de la différence de deux moyenne 18 On suppose dans ce paragraphe que X suit la loi normale N(m, σ2) théorème central limite s'avère être un très bon outil, pour obtenir un intervalle de confiance asymptotique
[PDF] Intervalles de confiance - Mathieu Mansuy
1 2 Intervalle de confiance par l'inégalité de Bienaymé-Tchebychev On considère une suite (Xn) de variables aléatoires i i d suivant la même loi de Bernoulli
[PDF] Estimation: intervalle de fluctuation et de confiance
Confiance Th éorie approximation 1,96 ? intervalle ? Estimation Term 1 Estimation: intervalle de √np(1 − p)suit une loi normale N(0; 1) • Xn − np √ np(1
[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
[PDF] moyenne nationale bac philo 2015
Sylvie Rousseau 1
Quelques rappels sur les intervalles de confiance
I/ Généralités
Soient : X une variable aléatoire de loi paramétrée par et X ,...,X n1 n variables i.i.d selon la loi de X.1) Principe d'un intervalle de confiance
Plutôt que d'estimer ponctuellement la vraie valeur inconnue du paramètre , on recherche un intervalle
recouvrant "très vraisemblablement » cette vraie valeur.Définition
: On appelle intervalle de confiance de niveau de confiance 1 du paramètre tout intervalleIC tel que :
PIC1 pour
01, fixé.
Les bornes de l'intervalle de confiance IC dépendent de l'échantillon, elles sont donc aléatoires.
Par abus de langage, on note souvent
PIC1.Remarquons que si
augmente (ou que si n augmente), l'amplitude de l'intervalle de confiance diminue.2) Vocabulaire
La probabilité
pour que l'intervalle de confiance ne contienne pas la vraie valeur peut être répartie différemment de part et d'autre des bornes de l'intervalle de confiance. Ecrivons donc 1 2 où 1 et 2mesurent 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 . Si
D 12 2= , l'intervalle est dit symétrique. Il est dissymétrique sinon. L'intervalle de confiance est dit unilatéral si 12 0 : - quand on veut assurer une valeur minimale au paramètre à estimer, on considère 120= et , l'intervalle de confiance est alors de la forme :
IC a - quand on ne veut absolument pas dépasser un seuil maximal, on prend 120= et et
on obtient alors un intervalle de confiance de la forme :IC b,.
3) Construction
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 ),...,(1nXXet du
paramètre dont la loi ne dépend pas du paramètre .On recherche dans la suite des fonctions pivotales particulières adaptées aux cas étudiés.
Sylvie Rousseau 2
II/ Intervalles de confiance pour l'espérance
On envisage deux cas :
la variable aléatoire mesurée est normale et le nombre de réalisations est quelconque,la variable aléatoire mesurée n'est pas normale et le nombre de réalisations est important. Dans
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.Dans la suite on considère
X ~ N(m, ) X ,...,X
n 21et n variables i.i.d selon la loi de X.
On définit la moyenne empirique
XnX ni in 1 1 et la variance empirique modifiée SnXX nin in ' 2 1 1 2 11) Cas où la variance est connue
Après centrage et réduction de la moyenne empirique, on obtient : nXm n N01,On a :
Pu nXmu
n1 où u est le fractile d'ordre 12
D de la loi N01,.Ce qui revient à :
PX unmX unnn
1.Quand la variance est connue, l'intervalle de confiance bilatéral symétrique pour l'espérance d'une loi
normale s'écrit donc au niveau1D sous la forme suivante :
x n est la réalisation de X n sur l'échantillon.Remarque
: si 5%, le fractile d'ordre 0,975 de la loi normale centrée réduite correspond à 1,96. si10%, le fractile d'ordre 0,95 de la loi normale centrée réduite vaut environ 1,64.
2) Cas où la variance est inconnue
On a :
nXm SSt n n n1 (loi de Student à n-1 degrés de libertés).
d'oùPt nXm
St n n1 où t est le fractile d'ordre 12
D de la loi St n()1 et donc PX tS nmX tS nnnnn 1.Quand la variance est inconnue, l'intervalle de confiance bilatéral symétrique pour l'espérance d'une loi
normale s'écrit donc au niveau1D sous la forme suivante :
x n et s n' sont les réalisations respectives de X n et S n' sur l'échantillon.Remarque
: quand n, on approxime la loi de Student par la loi normale centrée réduite. On retrouve alors le cas précédent. IC ( m) = xunxun nnIC (m) = xts
nxts n nn nnSylvie Rousseau 3
3) Cas particulier : intervalle de confiance pour une proportion
Soient
X ,...,X
n1 i.i.d. selon pB et pnBXX n i i 1 . Notons FX n n estimateur sans biais de p. - Dans le cas de grands échantillons : En approchant une loi binomiale vers une loi normale, on a : nFp ppN n (),101 loi nCe qui permet d'écrire :
1)1(upppFnuP
n où u est le fractile d'ordre 12 D de la loi N01,. Et donc l'intervalle de confiance bilatéral symétrique pour une proportion p au niveau1D s'obtient en
résolvant l'inéquation : upppFn n )1(Ce qui donne en notant
fn la réalisation de F n sur l'échantillon: nuffnu nu nuf n uffnu nu nuf IC(p) nnnnnn²11
4² 2²²11
4² 2² Pour une taille d'échantillon importante, on considère l'approximation suivante : nffufnffufpIC nnnnnn1 , 1)(
Cette approximation est parfaitement justifiée sur le plan théorique. En effet, d'après le théorème de Slutsky, on a : FF pp nnp 11.On en déduit donc que :
nFp FFN n nn (),101 loi nD'où :
Pu nFp
FFu n nn )11 où u est le fractile d'ordre 12 D de la loi N01,.Quand n est grand, l'intervalle de confiance bilatéral symétrique pour une proportion s'écrit donc au
niveau1D sous la forme indiquée :
fn est la réalisation de F n sur l'échantillon. - Sinon, construction d'intervalles de confiance " exacts » :On construit ces intervalles en considérant la fonction de répartition de la loi binomiale. Si la
probabilité de recouvrement de l'intervalle ne vaut pas exactement1 , on prend l'intervalle ayant la
plus petite probabilité de recouvrement parmi ceux ayant une probabilité de recouvrement supérieure à
1D. IC (p) =
fuff nfuff n nnn nnn 11Sylvie Rousseau 4
III/ Intervalles de confiance pour la variance d'une loi normaleSoient
X ~ N(m, ) X ,...,X
n 21et n variables i.i.d selon la loi de X.
1) Cas où l'espérance est connue
Soit SnXm ni in * 2 1 2 1 . On a nS n * 2 2 2 nD'où
PnS n 12 222 2 122
1 où 1 2 est le fractile d'ordre 1 de la loi 2 n, et 122
est le fractile d'ordre 12de la loi 2 n.
Quand l'espérance est connue, l'intervalle de confiance bilatéral pour la variance d'une loi normale s'écrit
donc au niveau1D sous la forme suivante :
s n est la réalisation de S n sur l'échantillon. Remarque : cet intervalle n'est pas centré car la loi du khi-deux n'est pas symétrique.2) Cas où l'espérance est inconnue
On considère la variance empirique modifiée
SnXX nin in ' 2 1 1 2 1 comme fonction pivotale pour ².On sait que
nSnn11 2 2 'On a donc
PnS n 12 222 2 122
11 où 1 2 est le fractile d'ordre 1 de la loi 2 1n, et 122
le fractile d'ordre 12de la loi 2 1n.
Quand l'espérance est inconnue, l'intervalle de confiance bilatéral pour la variance d'une loi normale s'écrit
donc au niveau1D sous la forme suivante :
s n est la réalisation de S n sur l'échantillon. IC ( 2 ) = nsns nn** 2 1 2222 2 21
IC ( 2 nsns 11 2 1 222
2 2 21
n nquotesdbs_dbs35.pdfusesText_40