∗Ces notes sont en cours de de´veloppement. J’ai besoin de vos commentaires et de vos sug-gestionsafindelesam´eliorer.Vouspouvezmefairepartdevoscommentairesenpersonneouen envoyant un message a`lbremamaquac.ets.@nev.
Intervalles de confiance pour la moyenne de la population
La statistiquetde Student en petit e´chantillon
10 Comparaison des moyennes de populations diffe´rentes 10.1Testsd’hypothe`seconcernantladiff´erenceentredeuxmoyennes. 10.2Intervallesdeconfiancepourladiff´erenceentredeuxmoyennes.
11 Donne´es expe´rimentales et estimation de causalite´
observations, par exemple ses moments (moyenne, variance, etc.). Dans ce
chapitre, nous allons nous pencher sur comment nous pouvonsestimerles propri´et´esdecettedistributioninconnue,testerdeshypoth`esesconcernantces proprie´te´s, et calculer des intervalles de confiance pour nos estimateurs.
6. Tests d’h poth` cernant l’estimateur de la moyenne lorsque la y eses con
variance n’est pas connue.
7. Intervalles de confiance.
5
3
Estimateurs
–L’estimateurnouspermetdefairedel’infe´rence(testerdeshypoth`eses, construiredesintervallesdeconfiance)concernantlespropri´ete´sinconnuesde lavariableal´eatoirequinousint´eresse. –Defac¸o´´alunestimateurestunefonction(quipeuteˆtrelin´eaireou n gener e, nonline´aire)desobservationsquenousavonsdansnotre´echantillon. L’exemple que nous avons de´ja` vu, la moyenne e´chantillonnale, est e´videmment une fonction line´aire des observations de l’e´chantillon.
¯ SoitµYla moyenne de la population, et soitYun estimateur de cette moyenne (quipourraiteˆtrelamoyenne´echantillonnaleouunautreestimateurcomme ¯ par exemple la me´diane de l’e´chantillon). Nous allons dire queYest un
6
–
estimateurnonbiais´edeµYsi
EY¯
=µY .
Si l’estimateur est biaise´, son biais sera mesure par ´
¯ Y−µY.
–Nousavonsde´j`amontre´danslechapitre2quelamoyennee´chantillonnaleest un estimateur non biaise de la moyenne de la population. ´
4.2 Convergence (en probabilite´)
–L’ide´edebaseesttr`essimple.Sionaunnombresuffisantd’observationsdans notree´chantillon,l’estimateurseretrouveavecuneprobabilit´etreseleveea ` ´ ´ ` l’int´erieurd’unintervallequiestarbitrairementpetitautourdelavraievaleur. ¯ – SoitYla moyenne e´chantillonnale, que nous pouvons utiliser pour estimer la, ¯ moyenne dans la population,µYelhcadsnerq2epuativonsousa`avud´ejN.Y est un estimateur convergent de la moyenne. Nous allons e´crire :
–
Y¯−p→µY.
Pourunepreuved´etaill´eedelaconvergenceenprobabilite´delamoyenne echantillonnale, voir l’Annexe 3.3 du manuel. ´
7
4.3
Efficience
– L’efficience d’un estimateur fait re´fe´rence a` savariance. ¯ ˜ ¯ – SoitYetYd,exuemitsuetarsnonbiais´esdeµY. Nous allons dire queYest ˜ plus efficient queYsi VarY¯<VarY˜.
4.4 La moyenne echantillonnale comme estimateur de la ´
– Il s’agit d’un estimateur raisonable de la moyenne de la population. –Iln’estpasleseulestimateurpossible.Maisilalesproprie´t´esd´esirables
suivantes. 1.Ilestnonbiais´e:
2. Il est convergent :
¯ E(Y) =µY.
Y¯−p→µY.
8
–
3.Parmitouslesestimateursline´aires(quisontdesfonctionslin´eairesdes observations de l’e´chantillon) qui sont non biaise´s, il a la plus petite
variance. Il est donc l’estimateur le plus efficient dans cette classe. Nous
parlons d’un estimateur qui estBLUE(Best Linear Unbiased
Estimatoren anglais).
Voicilad´emonstrationdel’absencedebais.
E(Y =¯ )En1i=Xn1Yi!=1niXnE(Yi) = 1Xnn µY=µY=µY. n n =1i=1
¯ –Pourlad´emonstrationqueYest un estimateur convergent, voir le manuel,
Annexe 3.3.
4.5 La moyenne e´chantillonnale comme un estimateur
moindres carre´s ordinaires de la moyenne
– Supposons que nous voulons choisir un estimateurm´derieaseydrpepoesur r les valeurs d’une variable ale´atoireYi. –Nouspouvonsmontrerquelamoyenne´echantillonnaleestl’estimateurqui minimiselasommedeserreurscarr´ees.Voicilapreuve. –Leprobl`emedeminimisationestlesuivant: