Intervalle de confiance

taille moyenne d’une population ........... 2 Ecrans d’édition pour les estimations ................................... 6 Menu STAT TESTS................................................................... 9 Variables de sortie des tests et des intervalles ................... 27 Description des données d’entrée d’une estimation .......... 28 Distributions ........................................................................... 30 Ombrage de la zone de distribution .............................

une taille...). Si le caractère est qualitatif, on est obligé de le quantifier (ex : sexe...). La variable est dite discrète si elle ne prend que des valeurs isolées (ex : entières). Elle est continue si elle peut prendre toutes la valeurs d’un intervalle (ex : R). L’effectif d’une population est le nombre d’individus total de cette population. La fréquence d’un caractère est le nombre d’individus possédant ce caractère divisé par l’effectif total de la population. 2. Les variables discrètes a) Représentation

quantifie ce constat. Plus précisément, la détermination d’intervalles de scores où le risque de défaillance est homogène conduit à la définition de classes de risque. Sur chacune de ces classes, est estimée la probabilité moyenne de défaillance. Études 3.1. Probabilité a priori, probabilité a posteriori, classes de risque Ce calcul de la probabilité d’être défaillante à l’horizon fixé pour une entreprise dont le score appartient à l’intervalle r, P , encore appelée probabilité a posteriori 18, est

coefficient de corrélation. 4. Représenter l’analyse de la variance et le test F 5. S’assurer à l’aide d’un test T de Student que a est significativement différente de zéro. 6. Déterminer l’intervalle de confiance du paramètre a. 7. Prévision de Y pour la valeur X=20 et l’intervalle de confiance de cette prévision. an 4 2 www.elmerouani.jimdo.com 28/07/2012 Solution 1: Relation entre les commandes et le nombre de visites de représentants 1.- lM ®E 50 40 30 20 10 ero Commandes (1000 DH)

propriété de la moyenne expérimentale 8.1.1 Un exemple 8.1.2 Généralisation 8.2 Seconde propriété de la moyenne expérimentale : le théorème central limite 8.3 Etude de la distribution normale (rappel) 8.4 Application du théorème central limite. Intervalle de Pari (I. P.) 8.4.1 Définition de l’intervalle de pari (I. P.) d’une moyenne expérimentale 8.4.2 Les facteurs de dépendance de la longueur de l’intervalle de pari (IP) 8.4.3 L’intervalle de pari d’une variable aléatoire Résumé du chapitre Chapitre

densit´s possibles de f e 2 Estimation non param´trique de la densit´ e e 3 S´lection de la loi et estimation des param`tres e e 4 Test de Kolmogorov-Smirnov 5 Test de l’esp´rance e 6 Estimation du quartile et intervalle de confiance 7 Simulation de 1000 ´chantillons e 8 1 Statistiques descriptives Les statistiques descriptives de notre ´chantillon nous indiquent que : e – – – – – – – Le minimum de notre ´chantillon vaut : 0,00224 e Le

.......12-41 Pour commencer : taille moyenne d’une population .13-2 Ecrans d’édition pour les estimations........................13-6 Menu STAT TESTS ....................................................13-9 Variables de sortie des tests et des intervalles .......13-27 Description des données d’entrée d’une estimation ............................................................13-28 Distributions .............................................................13-30 Ombrage de la zone de distribution

: 𝑚𝑚 = 𝐸𝐸(𝑋𝑋) = 20 𝑚𝑚𝑚𝑚 𝑒𝑒𝑒𝑒 𝜎𝜎(𝑋𝑋) = 1 𝑚𝑚𝑚𝑚. 1. On prélève à intervalles réguliers des échantillons de taille 𝑛𝑛 = 100 billes, dont on mesure les diamètres 𝑥𝑥𝑖𝑖. On désigne par �̅�𝑥 la moyenne des diamètres des billes, d’un échantillon, et par 𝑋𝑋�

Concerne l’intervalle de confiance : La loi normale. Cas d’une régression linéaire : L’opération consiste à déterminer un intervalle qui a p chances / 100 de contenir une valeur cherchée quelconque, pour un risque d’erreur alpha égal à(100 – p), p étant le niveau de confiance. Cet intervalle est délimité par 2 droites parallèles et équidistantes de la droite de régression : 3 droites de même coefficient directeur : déterminer l’ordonnée à l’origine ? La distance est définie à partir de l’ecart

donc pas exploitable. Les quatre sont, elles, exploitables (diamètre > 50cm). Mais ce résultat n’est pas fiable à 100% car on a utilisé que la moitié des 5 populations totales. Il y a donc un risque, mais lequel ? Pour cela on utilise les intervalles de confiance. Il s’agi d’encadrer la valeur du diamètre moyen des arbres de chaque foret : o Si les deux bornes de l’intervalle sont supérieures à 50cm alors la forêt est exploitable. o Si les deux bornes de l’intervalle sont inférieures à 50cm alors