Probabilité et statistique inférentielle

Dr Doualeh Abdillahi Ali

FDEG, Université de Djibouti

lmbp, Université Clermont-Auvergne

Doualeh Abdillahi Ali (FDEG) Université Djibouti 24/09/2023 – Djibouti 1 / 19

Plan
chapitre 5 : Estimation
1 Introduction

2 Estimation ponctuelle
méthodes d’estimation et estimateur des moments
estimation de l’espérance et la variance
3 Qualité d’un estimateur
Biais
erreur quadratique moyenne
4 Proriétés des estimateurs des moments
propriétés de l’estimateur de l’espérance et de l’estimateur de la variance
5 Intervalle de confiance
Introduction
6 Intervalle de confiance classiques
Intervalle de confiance de l’espérance
Intervalle de confiance de la variance

Doualeh Abdillahi Ali (FDEG) Université Djibouti 24/09/2023 – Djibouti 2 / 19

Introduction

On considère une population Ω de taille N (ensemble de N individus ou unités

statistiques).

Doualeh Abdillahi Ali (FDEG) Université Djibouti 24/09/2023 – Djibouti 3 / 19

Introduction

On considère une population Ω de taille N (ensemble de N individus ou unités

statistiques).
On observe ou mesure une variable quantitative notée X sur la population. La
variable quantitative est une variable aléatoire définie sur la population Ω

Doualeh Abdillahi Ali (FDEG) Université Djibouti 24/09/2023 – Djibouti 3 / 19

Introduction

On considère une population Ω de taille N (ensemble de N individus ou unités

statistiques).
On observe ou mesure une variable quantitative notée X sur la population. La
variable quantitative est une variable aléatoire définie sur la population Ω
La variable aléatoire X admet une distribution ou loi de probabilité. L’espérance
E(X ) et la variance Var (X ) de X sont deux paramètres de la loi de X .

Doualeh Abdillahi Ali (FDEG) Université Djibouti 24/09/2023 – Djibouti 3 / 19

Introduction

On considère une population Ω de taille N (ensemble de N individus ou unités

statistiques).
On observe ou mesure une variable quantitative notée X sur la population. La
variable quantitative est une variable aléatoire définie sur la population Ω
La variable aléatoire X admet une distribution ou loi de probabilité. L’espérance
E(X ) et la variance Var (X ) de X sont deux paramètres de la loi de X .
Il arrive aussi que la variable étudiée ne soit pas quantitative mais qualitative Y .
La proportion p d’individus présentant une modalité choisie de Y est un paramètre
de la loi de probabilité de Y .
Objectif : On cherche une valeur approchée (une approximation) de l’espérance
E(X ), de la variance Var (X ) de X et de la proportion p qui sont en général
inconnues à partir des valeurs de X et de Y sur un échantillon.

Doualeh Abdillahi Ali (FDEG) Université Djibouti 24/09/2023 – Djibouti 3 / 19

Introduction

On considère une population Ω de taille N (ensemble de N individus ou unités

statistiques).
On observe ou mesure une variable quantitative notée X sur la population. La
variable quantitative est une variable aléatoire définie sur la population Ω
La variable aléatoire X admet une distribution ou loi de probabilité. L’espérance
E(X ) et la variance Var (X ) de X sont deux paramètres de la loi de X .
Il arrive aussi que la variable étudiée ne soit pas quantitative mais qualitative Y .
La proportion p d’individus présentant une modalité choisie de Y est un paramètre
de la loi de probabilité de Y .
Objectif : On cherche une valeur approchée (une approximation) de l’espérance
E(X ), de la variance Var (X ) de X et de la proportion p qui sont en général
inconnues à partir des valeurs de X et de Y sur un échantillon.
On parle d’estimation. L’estimation d’un paramètre θ de la loi d’une variable
aléatoire se fait selon deux approches :

Doualeh Abdillahi Ali (FDEG) Université Djibouti 24/09/2023 – Djibouti 3 / 19

Introduction

1 Estimation ponctuelle : On calcule une valeur approchée ou qui semble être la

plus proche possible de la valeur du paramètre θ inconnue.

Doualeh Abdillahi Ali (FDEG) Université Djibouti 24/09/2023 – Djibouti 4 / 19

Introduction

1 Estimation ponctuelle : On calcule une valeur approchée ou qui semble être la

plus proche possible de la valeur du paramètre θ inconnue.
2 Estimation par intervalle : On calcule un intervalle de valeurs dans lequel se
trouve le paramètre inconnu θ

Doualeh Abdillahi Ali (FDEG) Université Djibouti 24/09/2023 – Djibouti 4 / 19

Introduction

1 Estimation ponctuelle : On calcule une valeur approchée ou qui semble être la

plus proche possible de la valeur du paramètre θ inconnue.
2 Estimation par intervalle : On calcule un intervalle de valeurs dans lequel se
trouve le paramètre inconnu θ
La technique d’estimation ponctuelle et par intervalle consiste à définir :

Doualeh Abdillahi Ali (FDEG) Université Djibouti 24/09/2023 – Djibouti 4 / 19

Introduction

1 Estimation ponctuelle : On calcule une valeur approchée ou qui semble être la

plus proche possible de la valeur du paramètre θ inconnue.
2 Estimation par intervalle : On calcule un intervalle de valeurs dans lequel se
trouve le paramètre inconnu θ
La technique d’estimation ponctuelle et par intervalle consiste à définir :
un Estimateur, noté θ̂, du paramètre inconnu θ c’est-à-dire une statistique ou
une fonction du n-échantillon aléatoire X1 , . . . , Xn d’une variable aléatoire X :
θ̂ : Rn −→ R
X1 , . . . , Xn 7−→ θ̂ = h(X1 , . . . , Xn )

Doualeh Abdillahi Ali (FDEG) Université Djibouti 24/09/2023 – Djibouti 4 / 19

Introduction

1 Estimation ponctuelle : On calcule une valeur approchée ou qui semble être la

plus proche possible de la valeur du paramètre θ inconnue.
2 Estimation par intervalle : On calcule un intervalle de valeurs dans lequel se
trouve le paramètre inconnu θ
La technique d’estimation ponctuelle et par intervalle consiste à définir :
un Estimateur, noté θ̂, du paramètre inconnu θ c’est-à-dire une statistique ou
une fonction du n-échantillon aléatoire X1 , . . . , Xn d’une variable aléatoire X :
θ̂ : Rn −→ R
X1 , . . . , Xn 7−→ θ̂ = h(X1 , . . . , Xn )
Une estimation ponctuelle du paramètre inconnu θ est alors la valeur prise
par l’estimateur θ̂ quand on prend n-échantillon de valeurs x1 , . . . , xn prises
par le n-échantillon aléatoire X1 , . . . , Xn (ou plus simplement les valeurs
x1 , . . . , xn de X sur un échantillon).

Doualeh Abdillahi Ali (FDEG) Université Djibouti 24/09/2023 – Djibouti 4 / 19

Introduction

1 Estimation ponctuelle : On calcule une valeur approchée ou qui semble être la

plus proche possible de la valeur du paramètre θ inconnue.
2 Estimation par intervalle : On calcule un intervalle de valeurs dans lequel se
trouve le paramètre inconnu θ
La technique d’estimation ponctuelle et par intervalle consiste à définir :
un Estimateur, noté θ̂, du paramètre inconnu θ c’est-à-dire une statistique ou
une fonction du n-échantillon aléatoire X1 , . . . , Xn d’une variable aléatoire X :
θ̂ : Rn −→ R
X1 , . . . , Xn 7−→ θ̂ = h(X1 , . . . , Xn )
Une estimation ponctuelle du paramètre inconnu θ est alors la valeur prise
par l’estimateur θ̂ quand on prend n-échantillon de valeurs x1 , . . . , xn prises
par le n-échantillon aléatoire X1 , . . . , Xn (ou plus simplement les valeurs
x1 , . . . , xn de X sur un échantillon).
à partir de la loi de l’estimateur θ̂, une variable aléatoire qui dépend de
l’estimateur θ̂, du paramètre inconnu θ et dont la loi de probabilité est
connue.
Doualeh Abdillahi Ali (FDEG) Université Djibouti 24/09/2023 – Djibouti 4 / 19
Plan
chapitre 5 : Estimation
1 Introduction

2 Estimation ponctuelle
méthodes d’estimation et estimateur des moments
estimation de l’espérance et la variance
3 Qualité d’un estimateur
Biais
erreur quadratique moyenne
4 Proriétés des estimateurs des moments
propriétés de l’estimateur de l’espérance et de l’estimateur de la variance
5 Intervalle de confiance
Introduction
6 Intervalle de confiance classiques
Intervalle de confiance de l’espérance
Intervalle de confiance de la variance

Doualeh Abdillahi Ali (FDEG) Université Djibouti 24/09/2023 – Djibouti 5 / 19

Estimation ponctuelle
méthodes d’estimation et estimateur des moments

Il existe deux méthodes pour définir un estimateur θ̂ d’un paramètre inconnu θ :

Doualeh Abdillahi Ali (FDEG) Université Djibouti 24/09/2023 – Djibouti 6 / 19

Estimation ponctuelle
méthodes d’estimation et estimateur des moments

Il existe deux méthodes pour définir un estimateur θ̂ d’un paramètre inconnu θ :

Méthode de moments

Doualeh Abdillahi Ali (FDEG) Université Djibouti 24/09/2023 – Djibouti 6 / 19

Estimation ponctuelle
méthodes d’estimation et estimateur des moments

Il existe deux méthodes pour définir un estimateur θ̂ d’un paramètre inconnu θ :

Méthode de moments
Méthode du maximum de vraisemblance.

Doualeh Abdillahi Ali (FDEG) Université Djibouti 24/09/2023 – Djibouti 6 / 19

Estimation ponctuelle
méthodes d’estimation et estimateur des moments

Il existe deux méthodes pour définir un estimateur θ̂ d’un paramètre inconnu θ :

Méthode de moments
Méthode du maximum de vraisemblance.
On va s’intéresser dans la suite à la méthode de moments.

Definition (Estimateur des moments)

Soit X1 , . . . , Xn un n-échantillon aléatoire d’une variable aléatoire X dont la loi
dépend d’un paramètre inconnu θ ∈ R. La méthode de moments consiste à
considérer que l’espérance de X qui est une fonction inversible du paramètre θ
coincide avec la moyenne empirique i.e

E(X ) = φ(θ) = X

et par conséquent que l’estimateur θ̂ par la méthode de moments est :

θ̂M = φ−1 (X )

Doualeh Abdillahi Ali (FDEG) Université Djibouti 24/09/2023 – Djibouti 6 / 19

Estimation ponctuelle
méthodes d’estimation et estimateur des moments

Nous donnons maintenant une définition plus formelle de l’estimateur des

moments θ̂M dans le cas général où le paramètre θ = (θ1 , . . . , θk ) inconnu est de
dimension k ≥ 2 quelconque.

Definition
Soit X1 , . . . , Xn un n-échantillon aléatoire d’une variable aléatoire X dont la loi
dépend d’un paramètre inconnu θ ∈ Rk de plusieurs dimension. La méthode de
moments consiste à considérer le système d’équation :


 E(X ) = φ1 (θ) = X
E(X 2 ) = φ2 (θ) = 1 n X 2

 P
n i=1 i
.
.


 .
 Pn
E(X k ) = φk (θ) = n1 i=1 Xik


La solution du système est alors l’estimateur θ̂ des moments du paramètre

inconnu θ.
Doualeh Abdillahi Ali (FDEG) Université Djibouti 24/09/2023 – Djibouti 7 / 19
Estimation ponctuelle
estimation de l’espérance et la variance

Pour une variable aléatoire X dont la loi Pµ,σ2 dépend de l’espérance et la

variance de X c’est-à-dire d’un paramètre de 2 dimensions θ = (µ, σ 2 ), on a
l’estimateur θ̂ = (µ̂, σ̂ 2 ) qui est la solution du système :
(
E(X ) = µ = X
Pn
E(X 2 ) = Var (X ) + (E(X ))2 = σ 2 + (µ)2 = n1 i=1 Xi2

La première équation donne directement l’estimateur de l’espérance E(X ) = µ qui

est :
µ̂ = X
En remplacant l’espérance par son estimateur µ̂ dans la deuxième équation,
l’estimateur de la variance Var (X ) = σ 2 est :
n n n
1X 2 1X 2 1X
σ̂ 2 + (µ̂)2 = Xi ⇒ σ̂ 2 = Xi − (X )2 = (Xi − X )2 = Sn2
n n n
i=1 i=1 i=1

Doualeh Abdillahi Ali (FDEG) Université Djibouti 24/09/2023 – Djibouti 8 / 19

Plan
chapitre 5 : Estimation
1 Introduction

2 Estimation ponctuelle
méthodes d’estimation et estimateur des moments
estimation de l’espérance et la variance
3 Qualité d’un estimateur
Biais
erreur quadratique moyenne
4 Proriétés des estimateurs des moments
propriétés de l’estimateur de l’espérance et de l’estimateur de la variance
5 Intervalle de confiance
Introduction
6 Intervalle de confiance classiques
Intervalle de confiance de l’espérance
Intervalle de confiance de la variance

Doualeh Abdillahi Ali (FDEG) Université Djibouti 24/09/2023 – Djibouti 9 / 19

Qualité d’un estimateur
Biais

Il peut y avoir plusieurs estimateurs pour un paramètre inconnu. Pour faire le

choix, on se donne des critères de qualité.

Doualeh Abdillahi Ali (FDEG) Université Djibouti 24/09/2023 – Djibouti 10 / 19

Qualité d’un estimateur
Biais

Il peut y avoir plusieurs estimateurs pour un paramètre inconnu. Pour faire le

choix, on se donne des critères de qualité.

Definition (Biais d’estimateur)

Soient X une variable aléatoire dont la loi dépend d’un paramètre θ ∈ R inconnu
et X1 , . . . , Xn un n-échantillon aléatoire de X . Si θ̂ est un estimateur de θ, le biais
de θ̂ est la valeur définie par :

biais(θ̂) = E(θ̂) − θ

Doualeh Abdillahi Ali (FDEG) Université Djibouti 24/09/2023 – Djibouti 10 / 19

Qualité d’un estimateur
Biais

Il peut y avoir plusieurs estimateurs pour un paramètre inconnu. Pour faire le

choix, on se donne des critères de qualité.

Definition (Biais d’estimateur)

Soient X une variable aléatoire dont la loi dépend d’un paramètre θ ∈ R inconnu
et X1 , . . . , Xn un n-échantillon aléatoire de X . Si θ̂ est un estimateur de θ, le biais
de θ̂ est la valeur définie par :

biais(θ̂) = E(θ̂) − θ

Un estimateur est dit :

Doualeh Abdillahi Ali (FDEG) Université Djibouti 24/09/2023 – Djibouti 10 / 19

Qualité d’un estimateur
Biais

Il peut y avoir plusieurs estimateurs pour un paramètre inconnu. Pour faire le

choix, on se donne des critères de qualité.

Definition (Biais d’estimateur)

Soient X une variable aléatoire dont la loi dépend d’un paramètre θ ∈ R inconnu
et X1 , . . . , Xn un n-échantillon aléatoire de X . Si θ̂ est un estimateur de θ, le biais
de θ̂ est la valeur définie par :

biais(θ̂) = E(θ̂) − θ

Un estimateur est dit :

Sans biais si biais(θ̂) = 0 c’est-à-dire E(θ̂) = θ.

Doualeh Abdillahi Ali (FDEG) Université Djibouti 24/09/2023 – Djibouti 10 / 19

Qualité d’un estimateur
Biais

Il peut y avoir plusieurs estimateurs pour un paramètre inconnu. Pour faire le

choix, on se donne des critères de qualité.

Definition (Biais d’estimateur)

Soient X une variable aléatoire dont la loi dépend d’un paramètre θ ∈ R inconnu
et X1 , . . . , Xn un n-échantillon aléatoire de X . Si θ̂ est un estimateur de θ, le biais
de θ̂ est la valeur définie par :

biais(θ̂) = E(θ̂) − θ

Un estimateur est dit :

Sans biais si biais(θ̂) = 0 c’est-à-dire E(θ̂) = θ.

biaisé si biais(θ̂) ̸= 0 c’est-à-dire E(θ̂) ̸= θ.

Doualeh Abdillahi Ali (FDEG) Université Djibouti 24/09/2023 – Djibouti 10 / 19

Qualité d’un estimateur
erreur quadratique moyenne

Le second critère de qualité d’un estimateur est l’erreur quadratique moyenne

définie comme suit :

Doualeh Abdillahi Ali (FDEG) Université Djibouti 24/09/2023 – Djibouti 11 / 19

Qualité d’un estimateur
erreur quadratique moyenne

Le second critère de qualité d’un estimateur est l’erreur quadratique moyenne

définie comme suit :

Definition
Soient X une variable aléatoire dont la loi dépend d’un paramètre θ ∈ R inconnu
et X1 , . . . , Xn un n-échantillon aléatoire de X . Si θ̂ est un estimateur de θ, l’erreur
quadratique moyenne de θ̂ est la valeur définie par :
 2
EQM(θ̂) = E[(θ̂ − θ)2 ] = Var (θ̂) + biais(θ̂)

Doualeh Abdillahi Ali (FDEG) Université Djibouti 24/09/2023 – Djibouti 11 / 19

Qualité d’un estimateur
erreur quadratique moyenne

Le second critère de qualité d’un estimateur est l’erreur quadratique moyenne

définie comme suit :

Definition
Soient X une variable aléatoire dont la loi dépend d’un paramètre θ ∈ R inconnu
et X1 , . . . , Xn un n-échantillon aléatoire de X . Si θ̂ est un estimateur de θ, l’erreur
quadratique moyenne de θ̂ est la valeur définie par :
 2
EQM(θ̂) = E[(θ̂ − θ)2 ] = Var (θ̂) + biais(θ̂)

L’erreur quadratique moyenne mesure la distance au carrée moyenne de

l’estimateur θ̂ par rapport au paramètre inconnu θ.

Doualeh Abdillahi Ali (FDEG) Université Djibouti 24/09/2023 – Djibouti 11 / 19

Qualité d’un estimateur
erreur quadratique moyenne

Le second critère de qualité d’un estimateur est l’erreur quadratique moyenne

définie comme suit :

Definition
Soient X une variable aléatoire dont la loi dépend d’un paramètre θ ∈ R inconnu
et X1 , . . . , Xn un n-échantillon aléatoire de X . Si θ̂ est un estimateur de θ, l’erreur
quadratique moyenne de θ̂ est la valeur définie par :
 2
EQM(θ̂) = E[(θ̂ − θ)2 ] = Var (θ̂) + biais(θ̂)

L’erreur quadratique moyenne mesure la distance au carrée moyenne de

l’estimateur θ̂ par rapport au paramètre inconnu θ.
Si un estimateur est sans biais, alors son erreur quadratique moyenne est égale à
sa variance i.e EQM(θ̂) = Var (θ̂).

Doualeh Abdillahi Ali (FDEG) Université Djibouti 24/09/2023 – Djibouti 11 / 19

Qualité d’un estimateur
erreur quadratique moyenne

Le second critère de qualité d’un estimateur est l’erreur quadratique moyenne

définie comme suit :

Definition
Soient X une variable aléatoire dont la loi dépend d’un paramètre θ ∈ R inconnu
et X1 , . . . , Xn un n-échantillon aléatoire de X . Si θ̂ est un estimateur de θ, l’erreur
quadratique moyenne de θ̂ est la valeur définie par :
 2
EQM(θ̂) = E[(θ̂ − θ)2 ] = Var (θ̂) + biais(θ̂)

L’erreur quadratique moyenne mesure la distance au carrée moyenne de

l’estimateur θ̂ par rapport au paramètre inconnu θ.
Si un estimateur est sans biais, alors son erreur quadratique moyenne est égale à
sa variance i.e EQM(θ̂) = Var (θ̂).
Si θ̂1M et θ̂2M sont deux estimateurs sans biais, le meilleur est celui qui a la plus
petite variance.
Doualeh Abdillahi Ali (FDEG) Université Djibouti 24/09/2023 – Djibouti 11 / 19
Plan
chapitre 5 : Estimation
1 Introduction

2 Estimation ponctuelle
méthodes d’estimation et estimateur des moments
estimation de l’espérance et la variance
3 Qualité d’un estimateur
Biais
erreur quadratique moyenne
4 Proriétés des estimateurs des moments
propriétés de l’estimateur de l’espérance et de l’estimateur de la variance
5 Intervalle de confiance
Introduction
6 Intervalle de confiance classiques
Intervalle de confiance de l’espérance
Intervalle de confiance de la variance

Doualeh Abdillahi Ali (FDEG) Université Djibouti 24/09/2023 – Djibouti 12 / 19

Proriétés des estimateurs des moments
propriétés de l’estimateur de l’espérance et de l’estimateur de la variance

On rappelle que les estimateurs de moments de l’espérance E(X ) et de la variance

Var (X ) sont la moyenne empirique X et la variance d’échantillon Sn2 . Les
estimateurs X et Sn2 admettent les propriétés suivantes :

Doualeh Abdillahi Ali (FDEG) Université Djibouti 24/09/2023 – Djibouti 13 / 19

Proriétés des estimateurs des moments
propriétés de l’estimateur de l’espérance et de l’estimateur de la variance

On rappelle que les estimateurs de moments de l’espérance E(X ) et de la variance

Var (X ) sont la moyenne empirique X et la variance d’échantillon Sn2 . Les
estimateurs X et Sn2 admettent les propriétés suivantes :

X est un estimateur sans biais car E(X ) = E(X ).

Doualeh Abdillahi Ali (FDEG) Université Djibouti 24/09/2023 – Djibouti 13 / 19

Proriétés des estimateurs des moments
propriétés de l’estimateur de l’espérance et de l’estimateur de la variance

On rappelle que les estimateurs de moments de l’espérance E(X ) et de la variance

Var (X ) sont la moyenne empirique X et la variance d’échantillon Sn2 . Les
estimateurs X et Sn2 admettent les propriétés suivantes :

X est un estimateur sans biais car E(X ) = E(X ).

l’erreur quadratique moyenne de X est égale à sa variance

Var (X ) σ2
EQM(X ) = Var (X ) = =
n n

Doualeh Abdillahi Ali (FDEG) Université Djibouti 24/09/2023 – Djibouti 13 / 19

Proriétés des estimateurs des moments
propriétés de l’estimateur de l’espérance et de l’estimateur de la variance

On rappelle que les estimateurs de moments de l’espérance E(X ) et de la variance

Var (X ) sont la moyenne empirique X et la variance d’échantillon Sn2 . Les
estimateurs X et Sn2 admettent les propriétés suivantes :

X est un estimateur sans biais car E(X ) = E(X ).

l’erreur quadratique moyenne de X est égale à sa variance

Var (X ) σ2
EQM(X ) = Var (X ) = =
n n
n−1
Sn2 est un estimateur biaisé car E(Sn2 ) = n × Var (X )

Doualeh Abdillahi Ali (FDEG) Université Djibouti 24/09/2023 – Djibouti 13 / 19

Proriétés des estimateurs des moments
propriétés de l’estimateur de l’espérance et de l’estimateur de la variance

On rappelle que les estimateurs de moments de l’espérance E(X ) et de la variance

Var (X ) sont la moyenne empirique X et la variance d’échantillon Sn2 . Les
estimateurs X et Sn2 admettent les propriétés suivantes :

X est un estimateur sans biais car E(X ) = E(X ).

l’erreur quadratique moyenne de X est égale à sa variance

Var (X ) σ2
EQM(X ) = Var (X ) = =
n n
n−1
Sn2 est un estimateur biaisé car E(Sn2 ) = n × Var (X )

Sn2 est asymptotiquement sans biais car lim E(Sn2 ) = Var (X )

n→∞

Doualeh Abdillahi Ali (FDEG) Université Djibouti 24/09/2023 – Djibouti 13 / 19

Proriétés des estimateurs des moments
propriétés de l’estimateur de l’espérance et de l’estimateur de la variance

On rappelle que les estimateurs de moments de l’espérance E(X ) et de la variance

Var (X ) sont la moyenne empirique X et la variance d’échantillon Sn2 . Les
estimateurs X et Sn2 admettent les propriétés suivantes :

X est un estimateur sans biais car E(X ) = E(X ).

l’erreur quadratique moyenne de X est égale à sa variance

Var (X ) σ2
EQM(X ) = Var (X ) = =
n n
n−1
Sn2 est un estimateur biaisé car E(Sn2 ) = n × Var (X )

Sn2 est asymptotiquement sans biais car lim E(Sn2 ) = Var (X )

n→∞

2 1
Pn n
La variance empirique Sn−1 = n−1 i=1 (Xi − X )2 = 2
n−1 Sn est un estimateur
sans biais de la variance Var (X ).

Doualeh Abdillahi Ali (FDEG) Université Djibouti 24/09/2023 – Djibouti 13 / 19

Plan
chapitre 5 : Estimation
1 Introduction

2 Estimation ponctuelle
méthodes d’estimation et estimateur des moments
estimation de l’espérance et la variance
3 Qualité d’un estimateur
Biais
erreur quadratique moyenne
4 Proriétés des estimateurs des moments
propriétés de l’estimateur de l’espérance et de l’estimateur de la variance
5 Intervalle de confiance
Introduction
6 Intervalle de confiance classiques
Intervalle de confiance de l’espérance
Intervalle de confiance de la variance

Doualeh Abdillahi Ali (FDEG) Université Djibouti 24/09/2023 – Djibouti 14 / 19

Intervalle de confiance
Introduction

Plutôt que d’estimer un paramètre θ inconnu par la valeur de son estimateur θ̂

caclulée sur un échantillon, il est plus fiable de donner un intervalle de valeurs
auquel appartient θ avec une grande probabilité.

Doualeh Abdillahi Ali (FDEG) Université Djibouti 24/09/2023 – Djibouti 15 / 19

Intervalle de confiance
Introduction

Plutôt que d’estimer un paramètre θ inconnu par la valeur de son estimateur θ̂

caclulée sur un échantillon, il est plus fiable de donner un intervalle de valeurs
auquel appartient θ avec une grande probabilité.

Definition (Intervalle de confiance)

Soit α ∈ [0, 1]. Un intervalle de confiance au niveau 1 − α d’un paramètre θ est un
intervalle de valeurs [t1 , t2 ] dans lequel se trouve le paramètre θ à estimer avec
une grande probabilité 1 − α c’est-à-dire tel que :

∀ θ ∈ R, P (θ ∈ [t1 , t2 ]) = 1 − α

où α est la probabilité que θ n’appartienne pas à l’intervalle.

Doualeh Abdillahi Ali (FDEG) Université Djibouti 24/09/2023 – Djibouti 15 / 19

Intervalle de confiance
Introduction

Plutôt que d’estimer un paramètre θ inconnu par la valeur de son estimateur θ̂

caclulée sur un échantillon, il est plus fiable de donner un intervalle de valeurs
auquel appartient θ avec une grande probabilité.

Definition (Intervalle de confiance)

Soit α ∈ [0, 1]. Un intervalle de confiance au niveau 1 − α d’un paramètre θ est un
intervalle de valeurs [t1 , t2 ] dans lequel se trouve le paramètre θ à estimer avec
une grande probabilité 1 − α c’est-à-dire tel que :

∀ θ ∈ R, P (θ ∈ [t1 , t2 ]) = 1 − α

où α est la probabilité que θ n’appartienne pas à l’intervalle.

Pour construire un intervalle de confiance, il faut définir une variable aléatoire :

Doualeh Abdillahi Ali (FDEG) Université Djibouti 24/09/2023 – Djibouti 15 / 19

Intervalle de confiance
Introduction

Plutôt que d’estimer un paramètre θ inconnu par la valeur de son estimateur θ̂

caclulée sur un échantillon, il est plus fiable de donner un intervalle de valeurs
auquel appartient θ avec une grande probabilité.

Definition (Intervalle de confiance)

Soit α ∈ [0, 1]. Un intervalle de confiance au niveau 1 − α d’un paramètre θ est un
intervalle de valeurs [t1 , t2 ] dans lequel se trouve le paramètre θ à estimer avec
une grande probabilité 1 − α c’est-à-dire tel que :

∀ θ ∈ R, P (θ ∈ [t1 , t2 ]) = 1 − α

où α est la probabilité que θ n’appartienne pas à l’intervalle.

Pour construire un intervalle de confiance, il faut définir une variable aléatoire :

dépendant de l’estimateur θ̂.

Doualeh Abdillahi Ali (FDEG) Université Djibouti 24/09/2023 – Djibouti 15 / 19

Intervalle de confiance
Introduction

Plutôt que d’estimer un paramètre θ inconnu par la valeur de son estimateur θ̂

caclulée sur un échantillon, il est plus fiable de donner un intervalle de valeurs
auquel appartient θ avec une grande probabilité.

Definition (Intervalle de confiance)

Soit α ∈ [0, 1]. Un intervalle de confiance au niveau 1 − α d’un paramètre θ est un
intervalle de valeurs [t1 , t2 ] dans lequel se trouve le paramètre θ à estimer avec
une grande probabilité 1 − α c’est-à-dire tel que :

∀ θ ∈ R, P (θ ∈ [t1 , t2 ]) = 1 − α

où α est la probabilité que θ n’appartienne pas à l’intervalle.

Pour construire un intervalle de confiance, il faut définir une variable aléatoire :

dépendant de l’estimateur θ̂.
dépendant du paramètre à estimer θ.

Doualeh Abdillahi Ali (FDEG) Université Djibouti 24/09/2023 – Djibouti 15 / 19

Intervalle de confiance
Introduction

Plutôt que d’estimer un paramètre θ inconnu par la valeur de son estimateur θ̂

caclulée sur un échantillon, il est plus fiable de donner un intervalle de valeurs
auquel appartient θ avec une grande probabilité.

Definition (Intervalle de confiance)

Soit α ∈ [0, 1]. Un intervalle de confiance au niveau 1 − α d’un paramètre θ est un
intervalle de valeurs [t1 , t2 ] dans lequel se trouve le paramètre θ à estimer avec
une grande probabilité 1 − α c’est-à-dire tel que :

∀ θ ∈ R, P (θ ∈ [t1 , t2 ]) = 1 − α

où α est la probabilité que θ n’appartienne pas à l’intervalle.

Pour construire un intervalle de confiance, il faut définir une variable aléatoire :

dépendant de l’estimateur θ̂.
dépendant du paramètre à estimer θ.
de loi de probabilité connue et ne dépend pas de θ.
Doualeh Abdillahi Ali (FDEG) Université Djibouti 24/09/2023 – Djibouti 15 / 19
Plan
chapitre 5 : Estimation
1 Introduction

2 Estimation ponctuelle
méthodes d’estimation et estimateur des moments
estimation de l’espérance et la variance
3 Qualité d’un estimateur
Biais
erreur quadratique moyenne
4 Proriétés des estimateurs des moments
propriétés de l’estimateur de l’espérance et de l’estimateur de la variance
5 Intervalle de confiance
Introduction
6 Intervalle de confiance classiques
Intervalle de confiance de l’espérance
Intervalle de confiance de la variance

Doualeh Abdillahi Ali (FDEG) Université Djibouti 24/09/2023 – Djibouti 16 / 19

Intervalle de confiance classiques
Intervalle de confiance de l’espérance

Soient X une variable aléatoire et X1 , . . . , Xn un n-échantillon aléatoire de X .

Doualeh Abdillahi Ali (FDEG) Université Djibouti 24/09/2023 – Djibouti 17 / 19

Intervalle de confiance classiques
Intervalle de confiance de l’espérance

Soient X une variable aléatoire et X1 , . . . , Xn un n-échantillon aléatoire de X .

Pour construire un intervalle de confiance de l’espérance E(X ) de X , on distingue :

Definition (1er cas)

Soit X1 , . . . , Xn un n-échantillon d’une v.a X ⇝ Pµ,σ2 et n ≥ 30, l’intervalle de
confiance au niveau 1 − α est :
 
Sn−1 Sn−1
X − q1− 2 α √ , X + q1− 2
α √
n n
α
où q1− α2 est le quantile d’ordre 1 − 2 de la loi normale centrée réduite N (0, 1)
telle que P(Y ≤ q1− α2 ) = 1 − α2 .

Doualeh Abdillahi Ali (FDEG) Université Djibouti 24/09/2023 – Djibouti 17 / 19

Intervalle de confiance classiques
Intervalle de confiance de l’espérance

Soient X une variable aléatoire et X1 , . . . , Xn un n-échantillon aléatoire de X .

Pour construire un intervalle de confiance de l’espérance E(X ) de X , on distingue :
1 le cas où X1 , . . . , Xn est un n-échantillon d’une v.a X ⇝ Pµ,σ2 et n ≥ 30

Definition (1er cas)

Soit X1 , . . . , Xn un n-échantillon d’une v.a X ⇝ Pµ,σ2 et n ≥ 30, l’intervalle de
confiance au niveau 1 − α est :
 
Sn−1 Sn−1
X − q1− 2 α √ , X + q1− 2
α √
n n
α
où q1− α2 est le quantile d’ordre 1 − 2 de la loi normale centrée réduite N (0, 1)
telle que P(Y ≤ q1− α2 ) = 1 − α2 .

Doualeh Abdillahi Ali (FDEG) Université Djibouti 24/09/2023 – Djibouti 17 / 19

Intervalle de confiance classiques
Intervalle de confiance de l’espérance

Soient X une variable aléatoire et X1 , . . . , Xn un n-échantillon aléatoire de X .

Pour construire un intervalle de confiance de l’espérance E(X ) de X , on distingue :
1 le cas où X1 , . . . , Xn est un n-échantillon d’une v.a X ⇝ Pµ,σ2 et n ≥ 30
2 le cas où X1 , . . . , Xn est un n-échantillon d’une v.a X ⇝ N(0, 1) et n < 30.

Definition (1er cas)

Soit X1 , . . . , Xn un n-échantillon d’une v.a X ⇝ Pµ,σ2 et n ≥ 30, l’intervalle de
confiance au niveau 1 − α est :
 
Sn−1 Sn−1
X − q1− 2 α √ , X + q1− 2
α √
n n
α
où q1− α2 est le quantile d’ordre 1 − 2 de la loi normale centrée réduite N (0, 1)
telle que P(Y ≤ q1− α2 ) = 1 − α2 .

Doualeh Abdillahi Ali (FDEG) Université Djibouti 24/09/2023 – Djibouti 17 / 19

Intervalle de confiance classiques
Intervalle de confiance de l’espérance

Definition (Intervalle de confiance de E(X ))

Soit X1 , . . . , Xn un n-échantillon de la v.a X ⇝ N(µ, σ 2 ) et n < 30, l’intervalle de
confiance au niveau 1 − α de E(X ) est :

Doualeh Abdillahi Ali (FDEG) Université Djibouti 24/09/2023 – Djibouti 18 / 19

Intervalle de confiance classiques
Intervalle de confiance de l’espérance

Definition (Intervalle de confiance de E(X ))

Soit X1 , . . . , Xn un n-échantillon de la v.a X ⇝ N(µ, σ 2 ) et n < 30, l’intervalle de
confiance au niveau 1 − α de E(X ) est :
Si la variance σ 2 est connue :
 
σ σ
X − q1− 2 √ , X + q1− 2 √
α α
n n

où q1− α2 est le quantile d’ordre 1 − α2 de la loi normale centrée réduite

N (0, 1) telle que P(Y ≤ q1− α2 ) = 1 − α2

Doualeh Abdillahi Ali (FDEG) Université Djibouti 24/09/2023 – Djibouti 18 / 19

Intervalle de confiance classiques
Intervalle de confiance de l’espérance

Definition (Intervalle de confiance de E(X ))

Soit X1 , . . . , Xn un n-échantillon de la v.a X ⇝ N(µ, σ 2 ) et n < 30, l’intervalle de
confiance au niveau 1 − α de E(X ) est :
Si la variance σ 2 est connue :
 
σ σ
X − q1− 2 √ , X + q1− 2 √
α α
n n

où q1− α2 est le quantile d’ordre 1 − α2 de la loi normale centrée réduite

N (0, 1) telle que P(Y ≤ q1− α2 ) = 1 − α2
Si la variance σ 2 est inconnue : un intervalle de confiance au niveau de
confiance 1 − α de E(X ) est
 
Sn−1 Sn−1
X − tn−1,1− 2
α √ , X + tn−1,1− 2α √
n n

où tn−1,1− α2 est le quantile d’ordre 1 − α2 de la loi de Student à n − 1 degrés

de liberté telle que P(T ≤ tn−1,1− α2 ) = 1 − α2
Doualeh Abdillahi Ali (FDEG) Université Djibouti 24/09/2023 – Djibouti 18 / 19
Intervalle de confiance classiques
Intervalle de confiance de la variance

Soit X1 , . . . , Xn un n-échantillon aléatoire d’une v.a X de loi normale ⇝ N(µ, σ 2 ).

Definition

Doualeh Abdillahi Ali (FDEG) Université Djibouti 24/09/2023 – Djibouti 19 / 19

Intervalle de confiance classiques
Intervalle de confiance de la variance

Soit X1 , . . . , Xn un n-échantillon aléatoire d’une v.a X de loi normale ⇝ N(µ, σ 2 ).

Definition
L’intervalle de confiance au niveau 1 − α de la variance σ 2 est :

Doualeh Abdillahi Ali (FDEG) Université Djibouti 24/09/2023 – Djibouti 19 / 19

Intervalle de confiance classiques
Intervalle de confiance de la variance

Soit X1 , . . . , Xn un n-échantillon aléatoire d’une v.a X de loi normale ⇝ N(µ, σ 2 ).

Definition
L’intervalle de confiance au niveau 1 − α de la variance σ 2 est :
Si l’espérance E(X ) = µ est connue :
 Pn 2
Pn 2

2 i=1 (Xi − µ) i=1 (Xi − µ)
IC1−α (σ ) = ,
zn, α2 zn,1− α2

Doualeh Abdillahi Ali (FDEG) Université Djibouti 24/09/2023 – Djibouti 19 / 19

Intervalle de confiance classiques
Intervalle de confiance de la variance

Soit X1 , . . . , Xn un n-échantillon aléatoire d’une v.a X de loi normale ⇝ N(µ, σ 2 ).

Definition
L’intervalle de confiance au niveau 1 − α de la variance σ 2 est :
Si l’espérance E(X ) = µ est connue :
 Pn 2
Pn 2

2 i=1 (Xi − µ) i=1 (Xi − µ)
IC1−α (σ ) = ,
zn, α2 zn,1− α2

si E(X ) = µ est inconnue :

2 2
nSn2 nSn2 (n − 1)Sn−1 (n − 1)Sn−1
   
IC1−α (σ 2 ) = , = ,
zn−1, α zn−1,1− α2 zn−1, α2 zn−1,1− α2
"P 2 #
n 2 n
(Xi − X )2
P
i=1 (Xi − X )
= , i=1
zn−1, α2 zn−1,1− α2

zn, α2 et zn,1− α2 : quantiles d’ordre α2 et 1 − α2 de la loi de khi-deux à n degrés

de liberté. zn−1, α2 et zn−1,1− α2 Université
Doualeh Abdillahi Ali (FDEG)
de la loi de khi-deux à n −
Djibouti
1 degrés de liberté.
24/09/2023 – Djibouti 19 / 19