Les bornes de l'intervalle de confiance IC dépendent de l'échantillon, elles sont Remarque : quand n → ∞ , on approxime la loi de Student par la loi normale
Previous PDF | Next PDF |
[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] Quelques rappels sur les intervalles de confiance - Cedric-Cnam
Les bornes de l'intervalle de confiance IC dépendent de l'échantillon, elles sont Remarque : quand n → ∞ , on approxime la loi de Student par la loi normale
[PDF] MODULE 2 : Estimation par intervalle de confiance - FOAD - MOOC
Il s'agit dans ce module de trouver une estimation par intervalle de confiance d' un paramètre θ, c'est-à-dire Lorsque σ est inconnu, on utilise la loi de Student
[PDF] Calcul dun intervalle de confiance pour la moyenne dans une
n(X − µ)/s : est un pivot utilisé pour construire un intervalle de confiance pour µ – tn−1,α/2 : dénote le quantile supérieur d'ordre α/2 de la loi de student t avec
[PDF] Statistiques
2 5 2 Loi de Student 3 4 Intervalles de confiance L'intervalle de confiance de la variance σ2 se calcule `a partir de l'échantillon de taille n par IC1−α(σ2)
[PDF] Statistique : étude de cas Intervalles de confiance - Université de
6 oct 2017 · intervalle de confiance de θ ou une estimation ensembliste de θ o`u tn-1;1-(α/ 2) est le quantile d'ordre 1 − (α/2) pour la loi de Student `a
[PDF] T D n 5 Intervalles de confiance Corrigé
50 49 = 40 816 D'où sc ≃ 202 3 La variance de la population étant estimée, on utilise la loi de Student
[PDF] : tdr27 ————— Intervalles de Confiance —————
975 sont respectivement les quantiles 2 5 et 97 5 de la loi de Student `a n − 1 degrés de liberté (cf tdr21) Prenons le cas d'un échantillon de taille n = 10 Le
[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
[PDF] moyenne nationale bac physique 2016
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 niveau