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
Previous PDF | Next PDF |
[PDF] Examen final corrigé (janvier 2013)
EXERCICE 1 normale de moyenne 12 mois et d'écart-type 2, 5 mois 2 3) Donner une estimation de cette proportion par un intervalle de confiance à 90 4 3) Quelle est la probabilité d'observer sur un échantillon de taille 75 un score
[PDF] MANUEL DEXERCICES - Cedric-Cnam
Admettons que l'on veuille estimer la proportion de personnes qui remplissent leur déclaration fiscale de manière (d'après P Ardilly et Y Tillé, Exercices corrigés de méthode de sondage, Ellipses, 2003 ) On veut d'échantillonnage pdf
[PDF] Exercice 1 - FSJES-Agdal
On dispose d'un échantillon de taille 50 1) Quelle est la probabilité que la moyenne de l'échantillon fournisse une estimation de la moyenne de la population qui
[PDF] Échantillonnages et estimations
exercices résolus» par M ELHAFIDI et D TOUIJAR; • «Théorie des sondage: échantillonnage et estimation en populations finies» par Yves Tillé; • « Méthodes
[PDF] 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
[PDF] Échantillonnage et estimation - LMPA
Ce problème fait partie de la théorie de l'estimation Souvent on s'intéresse à la valeur d'un paramètre bien précis de la loi de X, espérance, variance, proportion
[PDF] 1 Université Mohammed Premier Échantillonnage et Estimation
Échantillonnage et Estimation Faculté de Droit Quelle est la probabilité que la moyenne d'échantillon soit supérieur Exercices corrigés du TD 3 Solution de
[PDF] Estimation et tests statistiques, TD 5 Solutions
On prend un échantillon de n = 36 oeufs que l'on p`ese Exercice 2 – On suppose que le poids d'un nouveau né est une variable normale d'écart-type
[PDF] TD1: Population et échantillon Eléments de corrigé
X, 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
[PDF] T D n 4 Échantillonnage Estimation dun paramètre
connaître une estimation sans biais de l'espérance µ de la variable taille des gly- Exercice 3 Estimateur d'une proportion, pages 244 et 245 du livre « Initiation b) Calculer la moyenne empirique et l'écart-type empirique corrigé de cette
[PDF] exercices corrigés d'hydrologie de surface
[PDF] exercices corrigés d'hydrologie de surface pdf
[PDF] exercices corrigés d'hydrologie générale
[PDF] exercices corriges d'hydrologie pdf
[PDF] exercices corrigés d'optique géométrique s2
[PDF] exercices corrigés de champ électrostatique première s' pdf
[PDF] exercices corrigés de chimie générale pdf
[PDF] exercices corrigés de chimie inorganique
[PDF] exercices corrigés de chimie inorganique licence 2 pdf
[PDF] exercices corrigés de chimie organique fonctionnelle
[PDF] exercices corrigés de chimie organique licence 2 pdf
[PDF] exercices corrigés de chimie organique s3 pdf
[PDF] exercices corrigés de chimie organique smp s3 pdf
[PDF] exercices corrigés de chimie organiques
![[PDF] CORRIGE DES EXERCICES : Distributions déchantillonnage [PDF] CORRIGE DES EXERCICES : Distributions déchantillonnage](https://pdfprof.com/Listes/27/23267-27intervallesvariation__1136559454487.pdf.pdf.jpg)
U.F.R. S.P.S.E.UNIVERSITE PARIS X NANTERRE
Licence de psychologie L3
PLPSTA02 Bases de la statistique inférentielle
CORRIGE DES EXERCICES : Distributions d'échantillonnage - Intervalles de variationExercice 1
P={élèves du secondaire}
X= résultat de fluidité au test de pensée Créative de Torrance, variable quantitative de moyenne connue =20, et d'écart-
type connu =6,5 dans P.Echantillons de taille n de X issu de
P pour lesquels x, s et s* ne sont pas calculés.1) On peut prévoir le résultat moyen observé
x pour chaque échantillon par la moyenne de la moyenne empirique n X qui est égale à puisque nX est un estimateur sans biais de : cette prévision est constante pour tous les échantillons et
vaut =20.2) On peut calculer la variance (écart-type) du résultat moyen par la variance (écart-type) de la moyenne empirique
n X qui est égale à n 2 (égal à n) qui varie avec la taille de l'échantillon : plus la taille de l'échantillon est grande plus la
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 empiriquedistribution de l'écart-type empirique taille distribution de la moyenne empirique n X sans biais *S 2n biaisée 2nSsans biais
*S n biaisé S n nmoyenne variance n 2écart-type
n moyenne 2 moyenne 2 n1n moyenne moyenne n1n1 20 42,25 6,5 42,25 6,520 20 2,1125 1,4534 42,25 40,1375 6,5 6,3354
50 20 0,845 0,9192 42,25 41,4050 6,5 6,4347
100 20 0,4225 0,65 42,25 41,8275 6,5 6,4674
remarque : on pourra affiner la prévision du résultat moyen observé en calculant un intervalle de variation au risque
(par exemple =5%) de la moyenne empirique nX en utilisant l'approximation normale sur nX pour les deux
échantillons de taille 50 et 100 (n30), qui prédira le résultat moyen observé avec un risque d'erreur de (=5%) en
faisant intervenir sa moyenne et son écart-type nVrP|nzXI
975,0n%95
pour n=50 >@>@>@8,21;2,188,1209192,096,120X In%95 pour n=100 >@>@>@>@3,21;7,183,120274,12065,096,120XI n%953) On peut prévoir la variance observée du résultat, biaisée s
2 ou sans biais s* 2 pour chaque échantillon, par la moyenne de la variance empirique biaisée 2nS ou sans biais *S
2n - la moyenne de 2nS est égale à
2n1n 2nS est un estimateur biaisé de
2 qui sous estime toujours 2 . Cetteprévision varie avec la taille de l'échantillon : plus la taille de l'échantillon est grande plus le biais est faible, d'où une
prévision qui se rapproche de 2 (cf tableau ci-dessus colonne 6). - la moyenne de *S 2n est égale à 2 puisque *S 2n est un estimateur sans biais de 2 : cette prévision est constante pour tous les échantillons et vaut 2 =6,5 2 =42,25 (cf tableau ci-dessus colonne 5). On peut prévoir l'écart-type observé du résultat, biaisé s ou sans biais s* pour chaque échantillon, par la moyenne de l'écart-type empirique biaisé Sn ou sans biais *S n - la moyenne de S n est égale à n1n : S n est un estimateur biaisé de qui sous estime toujours . Cette prévisionvarie avec la taille de l'échantillon : plus la taille de l'échantillon est grande plus le biais est faible, d'où une prévision
qui se rapproche de = 6,5 (cf tableau ci-dessus colonne 8). - la moyenne de *S n est égale à puisque *S n est un estimateur sans biais de : cette prévision est constante pour tous les échantillons et vaut =6,5 (cf tableau ci-dessus colonne 7).2Exercice 2
P={français recensés en 1999}
X= âge, variable quantitative X~
N( =39, =23) dans P.
Echantillons de taille n=25 de X issu de P
1) La moyenne empirique de l'âge,
25X a une distribution normale de moyenne =39, de variance 16,212523 n 22
et d'écart-type
6,42523
n puisque X a une distribution normale de moyenne =39 et d'écart-type =23 dans P. 2) 000021,0999979,011,4F113,4F113,4F6,43920ZP20XP25
où F est la fonction de répartition de la loi N(0,1). quasiment aucun des échantillons de taille 25 de X issus de P ont un âge moyen observé inférieur à 20 ans.
3) 20XP60XP60X20P
252525
avec 000021,020XP 25et
999998,06,4F565,4F6,43960ZP60XP
25d'où 60X20P 25