Beruflich Dokumente
Kultur Dokumente
Cours n°8
Cours n° 8
le risque (statistique) que le paramètre θ soit en dehors de
l'intervalle de confiance estimé est égale à α
en répétant un grand nombre de fois l'opération
d'échantillonnage (ou l'enquête), les estimations [t 1 , t 2 ]
des intervalles de confiances contiendront dans (1-α)%
des cas le paramètre θ
Ph. LERAY - A. ROGOZAN 2
UV Statistique
Cours n°8
T1 T2
Le risque que T 1 Le risque que T 2
est égal à α/2 est égal à α/2
si le niveau de confiance 1-α augmente,
alors le risque statistique α doit diminuer
=> écartement de l'intervalle de confiance
pour un niveau de confiance 1-α fixé
si la taille de l'échantillon n augmente,
alors Var T diminue
=> T devient plus précis
=> réduction de l'intervalle de confiance
Ph. LERAY - A. ROGOZAN 6
UV Statistique
Cours n°8
Exemple
• Vous envisagez d'acheter le dernier PC à la mode si les tests
de ce modèle à un benchmark B sont supérieurs à 0.2
• Une enquête sur 400 PC de ce modèle donne un benchmark
moyen de 0.23
• Que décidez-vous ?
2 −2
• Modélisation : B~ N , =10
B−
~ N 0, 1
• Enquête : B~ N , 2 / 400
n
B−
fonction de répartition de la loi N : P −2.58≤ ≤2.58=0.99
Ph. LERAY - A. ROGOZAN
n
7
UV Statistique
Cours n°8
Exemple
B−
• P −2.58≤ ≤2.58=0.99 P −2.58 ≤ B− ≤2.58 =0.99
n n
n
T 1=1 T et T 2=2 T
X = f T , ~P −1
P X l 1 = l 1=F P
l1 = fractile d'ordre α
x de la loi pivot P
2 2
Loi de la fonction pivotale f T =S , =
2
• p
loi du chi-deux à p degrés de liberté
2
nS 2 S ∗2
2
~ n−1
n−1 2 ~2n−1
• Propriétés :
E 2p = p
2
Var =2 p
p
2
Loi du chi-deux p à p degrés de liberté
2
• p = loi de probabilité d'une somme de carrés de v.a.
normales centrées réduites indépendantes
2
nS 2
• Pourquoi d.d.l.=n-1 dans 2
~n−1 ?
n n 2 n
1 nS
2
X i− X
S = ∑ X i − X 2
2
= ∑ = ∑ U
2
n i=1 2
i=1 2
i=1
i
=> ∗2
S
• Propriétés n n
E p =0
p
Var p = avec p2
p−2
p
si p>30, p N 0,
p−2
X − S ∗2 X −
U= V =n−1 2 d.d.l =n−1 ~n−1
S
∗2
n n
Ph. LERAY - A. ROGOZAN 16
UV Statistique
Cours n°8
Exemples
• ex1 : soit une v.a. X ~N , 2 avec µ inconnu et σ connu
proposer un estimateur pour le paramètre µ ;
Exemples
• ex2 : soit une v.a. X ~N , 2 avec µ et σ inconnus
2
proposer un estimateur pour le paramètre ;
Exemples
• ex3 : soit une v.a. X ~N , 2 avec µ et σ inconnus
proposer un estimateur pour le paramètre µ ;