Chapitre 3: Méthodes d'estimation et tests classiques sur un ... - lmpt
Chapitre 3: Méthodes d'estimation et tests classiques sur un ... - lmpt
Chapitre 3: Méthodes d'estimation et tests classiques sur un ... - lmpt
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
test consiste en général à définir <strong>un</strong>e zone de rej<strong>et</strong> pour <strong>un</strong>e statistique convenable qui rend<br />
bien compte du problème. On dira alors que le test est justifié si étant donné <strong>un</strong> risque (de<br />
première espèce) α ∈]0, 1[, on a<br />
PH0(rej<strong>et</strong>er H0) ≤ α.<br />
3.2 Estimation de la moyenne d’<strong>un</strong>e loi normale <strong>et</strong> test de Student ;<br />
cas où la variance n’est pas connue<br />
A. Estimation de la moyenne<br />
Soit X = (X1, . . . , Xn) est <strong>un</strong> n-échantillon de la loi normale N (m, σ 2 ). Comme dans le<br />
paragraphe précédent, on cherche à estimer le paramètre m mais ici σ 2 n’est pas supposée<br />
connue (ce qui correspond à <strong>un</strong>e vision plus réaliste des situations pratique). On va donc<br />
utiliser la variance empirique S 2 de l’échantillon comme estimateur de σ 2 <strong>et</strong> la variable<br />
aléatoire<br />
(19) Tn−1 =<br />
√<br />
n( X¯ − m)<br />
,<br />
S<br />
qui suit la loi de Student tn−1 à n − 1 degrés de liberté, comme statistique fondamentale<br />
pour déterminer <strong>un</strong> intervalle de confiance. Ainsi étant donné le risque α ∈]0, 1[, on utilise<br />
la table de la loi tn−1, pour déterminer le "seuil" t(n−1, α<br />
2 ) tel que<br />
(20) P(tn−1 ≥ t(n−1, α<br />
2 )) = α<br />
2 .<br />
On a alors<br />
√ <br />
n( X¯ − m) <br />
(21) P<br />
<br />
S <br />
≤ t(n−1, α<br />
2 )<br />
<br />
= 1 − α,<br />
c’est à dire<br />
<br />
(22) P ¯X − t(n−1, α<br />
2 )<br />
S<br />
√ ≤ m ≤<br />
n ¯ X + t(n−1, α<br />
2 )<br />
<br />
S<br />
√ = 1 − α,<br />
n<br />
ce qui nous donne pour m <strong>un</strong> intervalle de confiance bilatéral au niveau de confiance 1 − α<br />
égal à<br />
<br />
(23)<br />
¯X − t(n−1, α<br />
2 )<br />
S<br />
√ ,<br />
n ¯ X + t(n−1, α<br />
2 )<br />
<br />
S<br />
√ .<br />
n<br />
Exercice : Déterminer des intervalles de confiance <strong>un</strong>ilatéraux pour m en Utilisant les<br />
nombres t(n−1,a) tels que<br />
(24) P(tn−1 ≥ t(n−1,a)) = a (a ∈]0, 1[).<br />
B. Le test de Student<br />
La méthode d’estimation précédente est équivalente au test suivant :<br />
10