Explore la communauté

Estimation d'une moyenne

1. Estimation ponctuelle d'une moyenne

• Estimation ponctuelle : la moyenne empirique $\bar{X}$ est l'estimateur naturel de la moyenne inconnue $\mu$.
• Exemple : Pour un échantillon de taille $n=100$, $\bar{X} = 8,76$ minutes.

2. Intervalle de confiance pour la moyenne (variance inconnue)

• Si la variance est inconnue et $n$ est grand, on utilise l'approximation normale.
• Marge d'erreur (ME) au niveau de confiance $(1-\alpha)$ :
  $$ \text{ME} = z_c \frac{s}{\sqrt{n}} $$

Introduction aux tests de comparaison de moyenne

Les tests de comparaison de moyenne sont essentiels pour comparer deux groupes sur leur moyenne. Ils s'appliquent dans trois situations principales :

• Comparaison d’une moyenne à une norme.
• Comparaison de moyennes issues d’échantillons appariés.
• Comparaison de moyennes entre deux échantillons distincts.

1. Étapes d’un test de comparaison de moyenne

1. Poser les hypothèses statistiques : définir l'hypothèse nulle ($H_0$) et l'hypothèse alternative ($H_1$).

Variance et écart-type

La variance mesure la dispersion des valeurs autour de la moyenne.

• Petite variance : valeurs proches de la moyenne
• Grande variance : valeurs éloignées de la moyenne

Exemple :
Série A : 10, 10, 10
Série B : 8, 10, 12
Moyenne pour les deux séries :
$$\bar{x} = \frac{10+10+10}{3} = 10 \quad \text{et} \quad \frac{8+10+12}{3} = 10$$

• Série A : dispersion faible (valeurs identiques à la moyenne)
• Série B : dispersion plus grande (valeurs éloignées de la moyenne)

1. Calcul de la variance (exemple Série B)

Population et Échantillon

1. Population et Échantillon

• Population : ensemble général sur lequel on souhaite étudier une ou plusieurs caractéristiques (ex : habitants de la Terre).
• Échantillon : sous-ensemble de la population, plus petit, sur lequel on réalise les études (ex : groupe de Bordelais).

2. Types de Variables

Type	Sous-type	Description	Exemples

Symboles et concepts fondamentaux

1. Symboles de la moyenne et de l’écart-type

• Population : moyenne $μ$, écart-type $σ$ (paramètres connus ou estimés).
• Échantillon : moyenne $\bar{x}$, écart-type $s$ (statistiques calculées sur l’échantillon).

À retenir : utiliser $μ$ et $σ$ pour la population, $\bar{x}$ et $s$ pour un échantillon.

2. Les quatre étapes de l’inférence statistique

L’inférence statistique permet d’estimer les caractéristiques d’une population à partir d’un échantillon, en validant ou infirmant une hypothèse.

Concept et utilité des coefficients saisonniers

1. Coefficients saisonniers : définition et utilité

Les coefficients saisonniers mesurent l'impact des variations saisonnières sur une série chronologique (ex : ventes trimestrielles). Ils permettent de corriger les prévisions en tenant compte des fluctuations régulières liées aux saisons.

2. Calcul des coefficients saisonniers trimestriels

1. Calculer la moyenne annuelle pour chaque année :
   $$ \text{Moyenne annuelle} = \frac{\text{Somme des CA trimestriels}}{4} $$

Estimation of the Population Mean

1. Estimation of the Population Mean

a) Key Concepts and Definitions

• Estimator: A function of a sample used to estimate an unknown population parameter (e.g., population mean $m_Y$). It is a random variable because it depends on the random sample.
• Estimate: The numerical value obtained by applying an estimator to a specific sample.
• Sampling distribution: The probability distribution of an estimator over repeated samples.

b) Desirable Properties of Estimators

Grandeurs et Unités

1. Grandeurs et unités

a) Définitions essentielles

• Grandeur : propriété ou caractère d’un objet physique pouvant être reconnu avant mesure (ex : dureté, énergie cinétique, volume).
• Grandeur mesurable : grandeur pour laquelle on peut comparer et additionner des mesures (ex : taille, poids, vitesse).
• Grandeur repérable : grandeur sans processus de comparaison ou addition (ex : température, viscosité, pression).
• Unité : grandeur choisie comme référence pour mesurer une grandeur de même nature.

Test t de Student pour comparer deux moyennes

1. Test t de Student pour comparer deux moyennes

a) Hypothèses du test

• Hypothèse nulle : $H_0 : \mu_1 = \mu_2$ (pas de différence entre les moyennes)
• Hypothèse alternative : $H_1 : \mu_1 \neq \mu_2$ (différence entre les moyennes)

b) Statistique de test

$$ T = \frac{\bar{x}_1 - \bar{x}_2}{\sqrt{s^2 \left(\frac{1}{n_1} + \frac{1}{n_2}\right)}} $$

avec

$$ s^2 = \frac{(n_1 - 1)s_1^2 + (n_2 - 1)s_2^2}{n_1 + n_2 - 2} $$

• $\bar{x}_1, \bar{x}_2$ : moyennes des échantillons
• $s_1^2, s_2^2$ : variances des échantillons