6 jan 2016 · VI Quelques méthodes usuelles d'estimation (qui concerne la majorité du cours) est la statistique inférentielle, mathématique ou inductive mais avec peu de preuves mathématiques est le i`emeélément de E Un premier résumé de cette série statistique (a1, ,an) consiste `a m(x) = m1 = x = 1 n n
Previous PDF | Next PDF |
[PDF] Statistique : Résumé de cours et méthodes 1 - Xm1 Math
Statistique : Résumé de cours et méthodes 1 Vocabulaire : • Population : c'est l' ensemble étudié • Individu : c'est un élément de la population • Effectif total
[PDF] Cours de Statistiques Inférentielles
6 jan 2016 · VI Quelques méthodes usuelles d'estimation (qui concerne la majorité du cours) est la statistique inférentielle, mathématique ou inductive mais avec peu de preuves mathématiques est le i`emeélément de E Un premier résumé de cette série statistique (a1, ,an) consiste `a m(x) = m1 = x = 1 n n
[PDF] Exploration Statistique Multidimensionnelle - Institut de
Les cours et travaux pratiques (scénarios, ateliers) du site wikistat sont dispensés en formation initiale à l'INSA de Toulouse dans la Institut de Mathématiques de Toulouse — UMR CNRS C5219 Résumé Introduction à la Statistique et ses méthodes Contexte et objectifs un vecteur x est M-normé si xM = 1,
[PDF] Statistique Inférentielle - Cours, examens et exercices gratuits et
Mathématiques mais peut-être utile `a toute personne souhaitant connaıtre et surtout uti- liser les principales méthodes de la statistique inférentielle Le niveau Tout ceci peut se résumé au moyen de la hiérarchie suivante : 5 4 Que se passera-t-il si H1 : m1 = 0 5? W = {x ∈ Rn, L(x, m1) L(x, m0) > kα} L(x, m1) L(x, m0)
[PDF] COURS DE STATISTIQUES INFERENTIELLES Licence déconomie
19 sept 2003 · http://www univ-st-etienne fr/maths/CVLaurence html ¯x = M1 = k ∑ i=1 La moyenne ¯x = représente globalement le caract`ere de x (résume échantillon que l'on analyse selon les méthodes de statistiques descriptives
[PDF] Séries statistiques à deux variables numériques 11 - Les leçons de
24 juil 2015 · Prérequis statistiques à une variable, équation d'une droite Références [31],[32], [33] [30] P BRACHET, Statistiques : résumé de cours et méthodes, Première S http://www xm1math net/seconde/seconde_chap9_cours pdf
[PDF] Probabilités et statistique pour lingénieur - CERMICS
10 jan 2018 · année `a l'ENSTA : “Introduction aux probabilités et `a la statistique”, — l'équipe enseignante du cours de statistique de seconde année pour les 1 4 Résumé en physique, en fiabilité mais aussi en mathématiques financi`eres Nous venons de voir des méthodes spécifiques pour simuler des
[PDF] E221XS3 Statistique pour les SHS en licence 1 - Université Paul
La statistique est une discipline constituée d'un ensemble de méthodes Ce cours en L1 va se focaliser sur la première partie qui constitue la statistique descriptive sans pour autant en connaître les détails des fondements mathématiques (UPV) Le tableau suivant résume les résultats de l'étude : Variable X m1 m2
[PDF] Outils informatiques pour la statistique - Laboratoire Paul Painlevé
Le cours “Outils informatiques pour la statistique” est destiné aux él`eves du Master 2 Recherche Mathématiques Appliquées de l'Université Lille 1 L'objectif de ce cours est de temps de calcul entre les deux méthodes Conclusions b) Calculer ¯xm = 1 m ∑m i=1 xi pour m b=sum(as numeric(a==0)) #e) c=a[a=0] #f)
[PDF] Analyse des données Master Statistique et économétrie Notes de
Une difficulté des méthodes descriptives pour les données de grande Une partie des exemples de ce cours sont empruntés à Härdle et Simar (2007) x = xM1/2 Dans la représentation des individus sur les axes factoriels c'est la wikistat de P Besse (www math univ-toulouse fr/~besse/Wikistat/ pdf /st-m-explo- acc pdf )
[PDF] Cours de statistiques - 1 ère S - B Sicard
[PDF] I Etude d 'une série statistique : le vocabulaire II - college-therouanne
[PDF] Statistique et calcul de probabilité
[PDF] Cours de Statistiques inférentielles
[PDF] Probabilités et Statistiques, polycopié de L3 - Département de
[PDF] Probabilités et Statistique
[PDF] 10h45-11h: Les statistiques sanitaires et la santé publique Dr - HCP
[PDF] Statistique : Résumé de cours et méthodes 1 - Xm1 Math
[PDF] Statistique : Résumé de cours et méthodes 1 - Xm1 Math
[PDF] Statistique spatiale
[PDF] Statistiques : moyenne, médiane et étendue - KeepSchool
[PDF] Première S - Statistiques descriptives - Variance et écart - Parfenoff
[PDF] I Etude d 'une série statistique : le vocabulaire II - college-therouanne
[PDF] Second degré, cours, première STI2D - MathsFG - Free
Cours de Statistiques Inferentielles
P. Ribereau
6 janvier 2016
2Table des matieres
1 Introduction Generale 7
I Intro generale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 II Le recueil des donnees. . . . . . . . . . . . . . . . . . . . . . . . . . . 9 III La statistique exploratoire ou descriptive. . . . . . . . . . . . . . . . . 9 IV La statistique inferentielle. . . . . . . . . . . . . . . . . . . . . . . . . 9 V La modelisation statistique. . . . . . . . . . . . . . . . . . . . . . . . 10 VI Un exemple simple en assurance automobile . . . . . . . . . . . . . . 1 02 Statistiques descriptives 13
I Generalites / denitions de base . . . . . . . . . . . . . . . . . . . . . 13 II Resumes numeriques pour des variables quantitatives . . . . . . . . . 14 III Resumes graphiques . . . . . . . . . . . . . . . . . . . . . . . . . . . 17 IV Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 03 Echantillonage 23
I Modele statistique . . . . . . . . . . . . . . . . . . . . . . . . . . . . 231 Generalites . . . . . . . . . . . . . . . . . . . . . . . . . . . .
232 Modele d'echantillonage. . . . . . . . . . . . . . . . . . . . . .
233 Modele domine, vraisemblance . . . . . . . . . . . . . . . . . .
2 5 II Denition d'une statistique . . . . . . . . . . . . . . . . . . . . . . . . 2 51 Notions d'estimation et de test d'hypotheses . . . . . . . . . .
26III Quelques notions de base sur les estimateurs . . . . . . . . . . . . . . 2 7
1 Denition d'un estimateur . . . . . . . . . . . . . . . . . . . .
2 72 Notion de biais . . . . . . . . . . . . . . . . . . . . . . . . . .
273 Convergence d'un estimateur . . . . . . . . . . . . . . . . . . .
2 74 Comparaisons des estimateurs . . . . . . . . . . . . . . . . . .
285 Moyenne aleatoire, variance aleatoire . . . . . . . . . . . . . .
28IV Rappels sur les vecteurs gaussiens . . . . . . . . . . . . . . . . . . . . 29
1 Vecteurs gaussiens et lois du2. . . . . . . . . . . . . . . . . .31
V Application a l'estimation dans un cadre normal . . . . . . . . . . . . 3 24 Estimation 35
I Hypotheses fondamentales sur la densitef(x;) . . . . . . . . . . . .3 5 II Information . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 61 Information de Fisher . . . . . . . . . . . . . . . . . . . . . . .
362 Proprietes. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
373
4TABLE DES MATIERES
III Inegalite de Cramer-Rao . . . . . . . . . . . . . . . . . . . . . . . . . 371 Hypotheses supplementaires . . . . . . . . . . . . . . . . . . .
3 72 Relation entre estimateurs ecaces . . . . . . . . . . . . . . .
393 Degradation de l'information . . . . . . . . . . . . . . . . . . .
3 9 IV Notion d'exhaustivite . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 0 V Exhaustivite et estimateurs ecaces; la famille exponentielle . . . . . 4 11 Le modele exponentiel . . . . . . . . . . . . . . . . . . . . . .
4 12 Theoreme sur l'ecacite . . . . . . . . . . . . . . . . . . . . .
42VI Quelques methodes usuelles d'estimation . . . . . . . . . . . . . . . . 4 3
1 Methode empirique . . . . . . . . . . . . . . . . . . . . . . . .
4 32 Methode des moindres carres . . . . . . . . . . . . . . . . . .
443 Methode des moments . . . . . . . . . . . . . . . . . . . . . .
4 44 Methode du maximum de vraisemblance : principe . . . . . .
45VII Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 6 VIII Generalisation au cas d'un parametre multidimensionnel . . . . . . . 47
1 Generalisation des denitions sur les estimateurs . . . . . . . .
4 72 Generalisation de l'inegalite de Cramer-Rao . . . . . . . . . .
483 Generalisation de la methode du maximum de vraisemblance .
5 05 Comportement asymptotique des estimateurs 53
I Proprietes asymptotiques de l'EMV . . . . . . . . . . . . . . . . . . . 5 31 En dimension 1 . . . . . . . . . . . . . . . . . . . . . . . . . .
5 32 En dimension superieure . . . . . . . . . . . . . . . . . . . . .
54II Denitions / outils . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 4
1 Normalite et ecacite asymptotique . . . . . . . . . . . . . .
542 Proprietes de convergence . . . . . . . . . . . . . . . . . . . .
553 Methode Delta . . . . . . . . . . . . . . . . . . . . . . . . . .
55III Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
6 Estimation par intervalle de conance 57
I Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 7 II I.C. pour les parametres de la loi normale . . . . . . . . . . . . . . . 5 9 III I.C. pour une proportion (parametre de la loi binomiale) . . . . . . . 6 0 IV Construction d'I.C. asymptotiques . . . . . . . . . . . . . . . . . . . . 6 11 Utilisation du theoreme central limite . . . . . . . . . . . . . .
6 12 Application a la loi binomiale. . . . . . . . . . . . . . . . . . .
623 Utilisation de la convergence de l'EMV . . . . . . . . . . . . .
624 Remarque sur l'intervalle de conance pour une variance hors
du cadre normal . . . . . . . . . . . . . . . . . . . . . . . . . . 6 2 V Recherche de regions de conance . . . . . . . . . . . . . . . . . . . . 64VI Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 4
7 Generalites sur les tests 67
I Problemes de test . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 7 II Tests uniformement plus puissants . . . . . . . . . . . . . . . . . . . . 68III Tests fondes sur le rapport du maximum de vraisemblance . . . . . . 7 1 IV Exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 2
TABLE DES MATI
ERES51 Adequation d'une moyenne pour un echantillon gaussien . . .
7 22 Comparaison de deux moyennes . . . . . . . . . . . . . . . . .
7 33 Un exemple avec une loi discrete . . . . . . . . . . . . . . . .
74V Tests asymptotiques . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 5
1 Proprietes asymptotiques des tests du maximum de vraissem-
blance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 762 Tests de Wald et du score . . . . . . . . . . . . . . . . . . . .
7 78 Tests parametriques classiques 79
I Tests gaussiens . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 9 II Tests asymptotiques . . . . . . . . . . . . . . . . . . . . . . . . . . . 8 19 Quelques tests non parametriques 83
I Tests du2. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .8 31 Loi multin^omiale . . . . . . . . . . . . . . . . . . . . . . . . .
832 Loi asymptotique . . . . . . . . . . . . . . . . . . . . . . . . .
833 Test du2d'adquation a une loi . . . . . . . . . . . . . . . .8 5
4 Test du2d'independance . . . . . . . . . . . . . . . . . . . .8 6
II Test de Kolmogorov-Smirnov . . . . . . . . . . . . . . . . . . . . . . 88III Test de Shapiro-Wilk . . . . . . . . . . . . . . . . . . . . . . . . . . . 89