Documente Academic
Documente Profesional
Documente Cultură
Introduction
L’estimation consiste à donner la valeur la plus probable d’une grandeur. C’est le problème
inverse de l’échantillonnage. On dispose de renseignements sur un ou plusieurs échantillons et
on cherche à connaître des informations sur la population mère.
- L’estimation ponctuelle qui consiste à proposer une valeur pour la grandeur considérée,
- L’estimation par intervalle de confiance qui donne la probabilité que la grandeur soit
comprise dans un intervalle donné.
On remarque que la probabilité qu’une estimation ponctuelle soit parfaitement exacte est
nulle, ou enfin voisine de zéro. Il y a donc lieu quand c’est possible, de préférer l’estimation
par intervalle de confiance.
I- Estimation ponctuelle :
Considérons un échantillon aléatoire simple (X1,….,Xn) dont une réalisation est (x1,…xn)
La définition d'un estimateur T d’un paramètre θ est très vague. Si θ = φ(x1,…xn) est une
estimation du paramètre θ nous ne retiendrons que les estimateurs T= φ(X1,….,Xn) ayant de
bonnes propriétés dont les deux principales sont les suivantes:
Définition: Un estimateur T d'un paramètre est dit sans biais si et seulement si E(T) =
Exemples importants
a) Estimateur de la moyenne :
b) Estimateur de la variance :
1
S*2 ∑𝑛𝑖=1( 𝑋𝑖 − ̅̅̅
𝑋)2 est un estimateur sans biais et convergent de la variance σ2.
𝑛−1
(dans le cas particulier où les Xi suivent des lois de Bernouilli de paramètre p) est un
estimateur sans biais et convergent d'une proportion p.
Définition :
La probabilité P, arbitrairement choisie, est notée (1 - ), et s'appelle le niveau de confiance
de l'intervalle de confiance. Les valeurs le plus souvent choisies pour sont 0,05 et 0,01,
correspondant aux niveaux de confiance 95% et 99%.
Ainsi, si l'on choisit = 0,05, l'intervalle de confiance correspondant a une probabilité égale
à 0,95 de contenir la vraie valeur 0 du paramètres estimé
~ N(0 ; 1)
² connu
quelconque
n > 30
̅ − 𝝁) ~ N(0 ; 1)
² inconnu √𝒏(𝑿
𝑺∗
Variance :
² à n d.d.l.
connu
normale
(𝑛−1)𝑆 ∗2 ² à n-1 d.d.l.
inconnu
𝜎2
Proportion
~ N(0 ; 1)
n > 50
appelé intervalle de confiance, contient la valeur inconnue avec une probabilité 1-α
Remarque: A priori il existe une infinité de couples (a ; b) vérifiant P[ a < N(0 ; 1) < b] = 1-α
On a pris un intervalle symétrique (-u ; u) car pour une loi symétrique comme la loi
normale, c'est celui qui donne un intervalle d'amplitude minimale, donc la plus grande
𝛼
précision. Ainsi, FN(0,1) (uα) = 1- 2
̅ −𝝁)
√𝒏(𝑿
suit une loi de Student à n-1 ddl
𝑺∗
D'après la table de la loi de Student, étant fixé, il est possible de trouver t tel que
̅ −𝝁)
√𝒏(𝑿
P [ -tα < < tα] = 1 –α
𝑺∗
𝑺∗ 𝑺∗
̅ - tα
P[ 𝑿 ̅ + tα
<μ<𝑿 ] = 1- α
√ 𝒏 √𝒏
𝑺∗ 𝑺∗
̅ - tα
[𝒙 ̅ + tα
;𝒙 ] appelé intervalle de confiance contient la valeur inconnue avec une
√𝒏 √𝒏
probabilité 1-
Remarque: A priori il existe une infinité de couples (a ; b) vérifiant P[ a < T(n-1) < b] = 1- .
On a pris un intervalle symétrique (-t ; t) car pour une loi symétrique comme la loi de
Student, c'est celui qui donne un intervalle d'amplitude minimale, donc la plus grande
𝜶
précision. Ainsi, FTn-1 (tα) = 1- 𝟐
De plus,
D'après la table de la loi du ² , étant fixé, il est possible de trouver a et b tels que
,
appelé intervalle de confiance, contient la valeur inconnue ² avec une probabilité 1-
La loi du ² n'étant pas symétrique, on montre que l'intervalle d'amplitude minimale est
obtenu en prenant a et b tels que
𝒏𝑺𝟐 (𝒏−𝟏)𝑺∗𝟐
= suit la loi du Chi-deux à n-1 d.d.l
𝝈𝟐 𝝈𝟐
𝒏𝑺𝟐
P( a< <b ] = 1-α
𝝈𝟐
𝒏𝑺𝟐 𝒏𝑺𝟐
P[ < 𝝈𝟐 < ] = 1- α
𝒃 𝒂
𝒏𝑺𝟐 𝒏𝑺𝟐
[ ; ] , appelé intervalle de confiance, contient la valeur inconnue ² avec une
𝒃 𝒂
probabilité 1-α
.
La loi du ² n'étant pas symétrique, on montre que l'intervalle d'amplitude minimale vérifie
Choix de la statistique: On utilise la statistique F qui est un bon estimateur d'une proportion p.
D'après la table de la loi , étant fixé, il est possible de trouver u tel que
Si f est une observation de F sur un échantillon, on obtient
𝛼
La fonction de répartition de la loi Normale centrée réduite en uα vaut 1- 2 .