Chapitre 19 : Intervalle de confiance : pour estimer une
On a vu ci-dessus qu’en tirant 100 boules de l’urne, l’intervalle de confiance obtenu est d’d’amplitude 0,2 (=0,69−0,49) ; on peut trouver cet intervalle trop grand En procédant à un tirage de 400 boules, si ???? ???????? est la fréquence observée de sortie du rouge, on obtient un intervalle de confiance au niveau 95 égal à :
Estimation d’un intervalle de confiance 1
Intervalle de confiance de la variance d'une population gaussienne de moyenne inconnue Intervalle à 3 sigma à 60 de confiance : σ 3σ Variance • Cas c : intervalle de confiance approximatif L'intervalle de confiance est dit approximatif s’il se base sur l’approximation d’une loi par une autre
6 Estimation et intervalle de confiance - Fabrice Monna
grand qu’un intervalle de confiance 90 , puisqu’on accepte de prendre 5 de risque en plus de ne pas contenir la vraie valeur Enfin, pour la loi normale, on remarque également que l’amplitude est proportionnelle à l’écart-type
MODULE 2 : Estimation par intervalle de confiance
• [c1,c 2] ou [g1(θˆ), g2(θˆ)] est appelé intervalle de confiance, • c1,c 2 sont les limites de confiance, • 1− α: degré de confiance ou degré de certitude Le principe de l’estimation par intervalle de confiance est de proposer un encadrement d’un paramètre inconnu d’une population dont la loi, elle, est connue
Estimation et intervalle de confiance
1 La loi de X est la loi binomiale n=30, p=0:2 2 Un intervalle de confiance au seuil 95 , permettant d’estimer le nombre de clients à prévoir : c’est pour la fréquence : 0 657; 0 943 Soit entre 20 et 28 personnes C’est une large fouchette due à n petit Correction del’exercice4 N 1 On obtient, sur l’échantillon, la moyenne m
Statistique : étude de cas Intervalles de confiance
n un estimateur de dont nous connaissons la loi de probabilit e pour chaque valeur de D e nition Etant donn e une valeur 0 du param etre , nous d eterminons un intervalle de probabilit e bilat eral de niveau (1 ) pour l’estimateur b n, c’est- a-dire deux bornes n 1 et n 2 telles que P n 1 < b n < n2j = 0 > 1 :
Estimations et intervalles de confiance Exemple
une valeur, il est nécessaire de déterminer un intervalle contenant, avec une certaine probabilité fixée au préalable, la vraie valeur du paramètre : c’est l’es-timation par intervalle de confiance 3 1 Définition d’un intervalle de confiance Soit (X 1;:::;X n) un n-échantillon aléatoire et un paramètre inconnu de la loi des
Quelques rappels sur les intervalles de confiance
12 = et 0 , l’intervalle de confiance est alors de la forme : IC a, - quand on ne veut absolument pas dépasser un seuil maximal, on prend 12= e t 0 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
Estimation par intervalle pour Chapitre 4 une variable
intervalle de fluctuation ≠ intervalle de confiance (ou de Variation) Fixe, dépends des paramètres théoriques Pour construire l’intervalle de confiance, le statisticien va utiliser le calcul des probabilités: • Suppose que la loi de la population et sa moyenne sont connues;
[PDF] intervalle de confiance de l'écart type
[PDF] intervalle de confiance d'une moyenne
[PDF] intervalle de confiance loi normale centrée réduite
[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
Statistique : etude de cas. Intervalles de conance
Myriam Maumy-Bertrand
IRMA, UMR 7501, Universite de Strasbourg
Vendredi 06 octobre 2017
Myriam Maumy-Bertrand (IRMA)Vendredi 06 octobre 2017 1 / 50 Ce chapitre s'appuie essentiellement sur le livre suivant : Myriam Maumy-Bertrand (IRMA)Vendredi 06 octobre 2017 2 / 50Sommaire
1Introduction
2Principe
3Intervalle de conance
4Estimation de la moyenned'une variable gaussienne5Estimation de la variance2d'une variable gaussienne6Estimation d'une proportion
Myriam Maumy-Bertrand (IRMA)Vendredi 06 octobre 2017 3 / 50 Il est souvent plus realiste et plus interessant de fournir un renseignement du type1< < 2
plut^ot que d'ecrire sechement b n=c:Denition Fournir un tel intervalle]1;2[s'appelle donner une estimation parintervalle de conance deou une estimation ensembliste de.Myriam Maumy-Bertrand (IRMA)Vendredi 06 octobre 2017 4 / 50
Sommaire
1Introduction
2Principe
3Intervalle de conance
4Estimation de la moyenned'une variable gaussienne5Estimation de la variance2d'une variable gaussienne6Estimation d'une proportion
Myriam Maumy-Bertrand (IRMA)Vendredi 06 octobre 2017 5 / 50 La methode des intervalles de conance est la suivante : soitbnun estimateur dedont nous connaissons la loi de probabilite pour chaque valeur de.Denition Etant donne une valeur0du parametre, nous determinons unintervalle de probabilite bilateral de niveau(1)pour l'estimateurbn, c'est-a-dire deux bornesn1etn2telles que P n1Remarques
1Ces deux bornes dependent evidemment de la valeur0.2Nous pourrions egalement construire desintervalles unilateraux
pour lesquelsn1=1oun2= +1.3Nous choisissons dans la plupart des cas un intervalle de probabilite a risque symetrique=2 et=2.Myriam Maumy-Bertrand (IRMA)Vendredi 06 octobre 2017 7 / 50Nous adoptons la regle de decision suivante.
Soitbn(x1;:::;xn) =bn(obs) la valeur observee debn:si bn(obs)2]n1;n2[, nous conservons0comme valeur possible du parametre;si bn(obs)62]n1;n2[, nous eliminons0.Nous repetons cette operation pour toutes les valeurs de.Myriam Maumy-Bertrand (IRMA)Vendredi 06 octobre 2017 8 / 50
Sommaire
1Introduction
2Principe
3Intervalle de conance
4Estimation de la moyenned'une variable gaussienne5Estimation de la variance2d'une variable gaussienne6Estimation d'une proportion
Myriam Maumy-Bertrand (IRMA)Vendredi 06 octobre 2017 9 / 50Denition
Nous appelonsintervalle de conance de niveau de conance(1) (coecient de conance) du parametretout intervalle]1;2[tel que :P(2]1;2[) = 1pour2[0;1]xe.Myriam Maumy-Bertrand (IRMA)Vendredi 06 octobre 2017 10 / 50Proprietes
1]1;2[ est un intervalle aleatoire car il depend de l'estimateurbn.2]1;2[ s'obtient par :
1= (n2)1(bn(obs))
2= (n1)1(bn(obs)):3Si nous augmentons le niveau 1, nous augmentons la longueur de
l'intervalle de probabilite. Myriam Maumy-Bertrand (IRMA)Vendredi 06 octobre 2017 11 / 50Remarque
Si la taille de l'echantillon noteenaugmente, comme l'estimateurbnest suppose convergent, la variance de l'estimateur noteeVarbn diminue etpar consequent l'intervalle ]1;2[ diminue egalement.Myriam Maumy-Bertrand (IRMA)Vendredi 06 octobre 2017 12 / 50
Sommaire
1Introduction
2Principe
3Intervalle de conance
4Estimation de la moyenned'une variable gaussienne5Estimation de la variance2d'une variable gaussienne6Estimation d'une proportion
Myriam Maumy-Bertrand (IRMA)Vendredi 06 octobre 2017 13 / 50 bnest le meilleur estimateur de la moyennepopetbnsuit une loi normale N pop;2popn .DenitionL'intervalle de probabilite debna1est :
popu1(=2) poppnDenition
L'intervalle de conance debna 1est :
bn(x1;:::;xn)u1(=2) poppn <L'intervalle de probabilite pourTn1a 1est :
tn1;1(=2)L'intervalle de conance poura 1est :
bn(obs)tn1;1(=2)S n(obs)pn1<1Pour obtenir le quantile d'une loi de Student, sousR, vous tapez la
ligne de commande suivante : >qt(0.975,n-1)ou la quantiten1 est remplacee par la valeur adequate.2Le theoreme de la limite centree a pour consequence que les
intervalles precedents sont valables pour estimerd'une loiquelconque lorsque la taillende l'echantillon est assez grande.Myriam Maumy-Bertrand (IRMA)Vendredi 06 octobre 2017 18 / 50
Exemple : L'airbag, d'apres l'examen de fevrier 2014L'airbag (ou coussin gon
able) est un systeme de securite de plus en plus souvent installe dans les automobiles. Son gon ement est assure par un dispositif pyrotechnique dont les caracteristiques sont la moyenne et l'ecart-type du delai entre la mise a feu et l'explosion. Lors de l'etude d'un certain dispositif d'allumage, les resultats des mesures qui proviennent d'une loi normale, eectues sur 30 exemplaires, ont ete (en millisecondes) les suivants :28,0 28,0 31,0 31,0 32 33,0 32,5 29,0 30,5 31,0
28,5 27,5 32,0 29,5 28 26,0 30,0 31,0 32,5 33,0
27,5 29,0 30,0 28,5 27 25,0 31,5 33,0 34,5 29,0
Myriam Maumy-Bertrand (IRMA)Vendredi 06 octobre 2017 19 / 50 L'airbag, d'apres l'examen de fevrier 2014 : suite Calculer l'intervalle de conance a 95% de la moyenne du delai si nous connaissons l'ecart-type de la population de reference et qu'il est egal a 2. Nous commencons par donner une estimation ponctuelle de la moyenne du delai:30,28.5,27,25,31.5,33,34.5,29)
>mean(gonflable) [1] 29.96667 Maintenant appliquons la formule du cours, a savoir celle qui donne un intervalle de conance pour une moyennelorsque la variance2est connue (ici elle vaut 4). Myriam Maumy-Bertrand (IRMA)Vendredi 06 octobre 2017 20 / 50 L'airbag, d'apres l'examen de fevrier 2014 : suite Pour cela, il faut verier au prealable que les donnees suivent une loi normale. Realisons donc un test de normalite de Shapiro-Wilk. >shapiro.test(gonflable)Shapiro-Wilk normality test
data: gonflableW = 0.9796, p-value = 0.8149
La p-valeur (0,8149) du test de Shapiro-Wilk etant strictement superieure a= 5%, le test n'est pas signicatif. Vous conservez donc l'hypothese nulleH0du test de Shapiro-Wilk. Le risque d'erreur associe a cette decision est un risque de deuxieme espece. Vous ne pouvez pas l'evaluer dans le cas d'un test de Shapiro-Wilk. Myriam Maumy-Bertrand (IRMA)Vendredi 06 octobre 2017 21 / 50 L'airbag, d'apres l'examen de fevrier 2014 : suite Maintenant nous pouvons calculer avecRl'intervalle de conance cherche (nous rappelons que nous connaissons la variance2de la population). >mean(gonflable)-qnorm(0.975)*2/sqrt(30) [1] 29.25099 >mean(gonflable)+qnorm(0.975)*2/sqrt(30) [1] 30.68234 L'intervalle de conance a 95% de la moyenne du delai, en millisecondes, est egal a : ]29;25099;30;68234[:Myriam Maumy-Bertrand (IRMA)Vendredi 06 octobre 2017 22 / 50Exemple : Les plantes marines
Un biologiste etudie un type d'algue qui attaque les plantes marines. La toxine contenue dans cette algue est obtenue sous forme d'une solution organique. Il mesure la quantite de toxine par gramme de solution. Il a obtenu les neuf mesures suivantes, exprimees en milligrammes :1;2;0;8;0;6;1;1;1;2;0;9;1;5;0;9;1;0:
Nous supposons que ces mesures sont les realisations de variables aleatoires independantes et identiquement distribuees suivant une loi normale d'esperanceet d'ecart-type.Myriam Maumy-Bertrand (IRMA)Vendredi 06 octobre 2017 23 / 50Les plantes marines : suite
Donnons une estimation ponctuelle de la moyenne de la quantite de toxine par gramme de solution : b9(obs) =191;2 + 0;8 + 0;6 + 1;1 + 1;2 + 0;9 + 1;5
+0;9 + 1;0 = 1;022222mg:Myriam Maumy-Bertrand (IRMA)Vendredi 06 octobre 2017 24 / 50Les plantes marines : suite
Donnons une estimation ponctuelle de la variance de la quantite de toxine : S29;c(obs) = (0;2635231mg)2:Myriam Maumy-Bertrand (IRMA)Vendredi 06 octobre 2017 25 / 50
Les plantes marines : suite
Determinons un intervalle de conance a 95% pour la moyenne de la quantite de toxine par gramme de solution. La moyenneet la variance etant inconnues, l'intervalle de conance a 95% pour la moyenne s'obtient avec la formule suivante : b9(obs)t8;0;975S9;c(obs)p9 <Les plantes marines : n
Les commandes sousRqui donnent les resultats ci-dessus sont les suivantes : > toxine<-c(1.2,0.8,0.6,1.1,1.2,0.9,1.5,0.9,1) > mean(toxine) [1] 1.022222 > sd(toxine) [1] 0.263523 > mean(toxine)-qt(0.975,8)*sd(toxine)/sqrt(9) [1] 0.8196604 > mean(toxine)+qt(0.975,8)*sd(toxine)/sqrt(9) [1] 1.224784 Myriam Maumy-Bertrand (IRMA)Vendredi 06 octobre 2017 27 / 50Sommaire
1Introduction
2Principe
3Intervalle de conance
4Estimation de la moyenned'une variable gaussienne5Estimation de la variance2d'une variable gaussienne6Estimation d'une proportion
Myriam Maumy-Bertrand (IRMA)Vendredi 06 octobre 2017 28 / 50Nous utilisons le fait que
1c 2n=1n n X i=1(Xi)2est le meilleur estimateur de la variance2 lorsque la moyenneest connue,2n c2n2suit une loi du Khi-deux andegres de liberte comme la somme
dencarres de loiN(0;1) independantes.Myriam Maumy-Bertrand (IRMA)Vendredi 06 octobre 2017 29 / 50Denition
k1et k2sont les bornes de l'intervalle de probabilite pournc2n
2si : P k1 2quantile d'ordre 1=2 pour la loi du Khi-deux andegres de liberte.Myriam Maumy-Bertrand (IRMA)Vendredi 06 octobre 2017 30 / 50 Denition
L'intervalle de conance pour2a1est egal a :
n c2n(x1;:::;xn)k 2< 2 1Remarque
Par exemple, nous pouvons prendre la bornek1egale au quantile d'ordre =2 pour la loi du Khi-deux andegres de liberte et la bornek2egale au quantile d'ordre 1=2 pour la loi du Khi-deux andegres de liberte.Myriam Maumy-Bertrand (IRMA)Vendredi 06 octobre 2017 31 / 50
Nous utilisons le fait que
1S 2n=1n n X i=1(Xibn)2,2nS 2n 2suit une loi du Khi-deux a (n1) degres de liberte comme la
somme de (n1) carres de loiN(0;1) independantes.Myriam Maumy-Bertrand (IRMA)Vendredi 06 octobre 2017 32 / 50
Denition
l 1et l2sont les bornes de l'intervalle de probabilite pournS2n
2si : P l 1 2L'intervalle de conance pour2a1est egal a : nS 2n(x1;:::;xn)l
2< 2 1; ou l 1et l2sont les quantiles respectivement a=2et a1(=2)du loi du
Khi-deux a(n1)degres de liberte.Myriam Maumy-Bertrand (IRMA)Vendredi 06 octobre 2017 33 / 50quotesdbs_dbs8.pdfusesText_14
Denition
L'intervalle de conance pour2a1est egal a :
n c2n(x1;:::;xn)k2< 2 1Remarque
Par exemple, nous pouvons prendre la bornek1egale au quantile d'ordre =2 pour la loi du Khi-deux andegres de liberte et la bornek2egale au quantile d'ordre 1=2 pour la loi du Khi-deux andegres de liberte.Myriam Maumy-Bertrand (IRMA)Vendredi 06 octobre 2017 31 / 50
Nous utilisons le fait que
1S 2n=1n n X i=1(Xibn)2,2nS 2n 2suit une loi du Khi-deux a (n1) degres de liberte comme la
somme de (n1) carres de loiN(0;1) independantes.Myriam Maumy-Bertrand (IRMA)Vendredi 06 octobre 2017 32 / 50
Denition
l 1et l2sont les bornes de l'intervalle de probabilite pournS2n
2si : P l 1 2L'intervalle de conance pour2a1est egal a : nS 2n(x1;:::;xn)l
2< 2 1; ou l 1et l2sont les quantiles respectivement a=2et a1(=2)du loi du
Khi-deux a(n1)degres de liberte.Myriam Maumy-Bertrand (IRMA)Vendredi 06 octobre 2017 33 / 50quotesdbs_dbs8.pdfusesText_14
1Remarque
Par exemple, nous pouvons prendre la bornek1egale au quantile d'ordre =2 pour la loi du Khi-deux andegres de liberte et la bornek2egale auquantile d'ordre 1=2 pour la loi du Khi-deux andegres de liberte.Myriam Maumy-Bertrand (IRMA)Vendredi 06 octobre 2017 31 / 50
Nous utilisons le fait que
1S 2n=1n n X i=1(Xibn)2,2nS 2n2suit une loi du Khi-deux a (n1) degres de liberte comme la
somme de (n1) carres de loiN(0;1) independantes.Myriam Maumy-Bertrand (IRMA)Vendredi 06 octobre 2017 32 / 50