Upload
internet
View
116
Download
0
Embed Size (px)
Citation preview
1
L3 PRO
2
Echantillonnage – Estimation d’un paramètre
Extraction de n échantillons d’une population P
Si l’on extrait plusieurs échantillons représentatifs de taille n fixée, les différences observées entre les résultats obtenus sont dues à des fluctuations d’échantillonnage. A partir d’un échantillon, on n’a donc pas de certitudes mais des estimations de paramètres.
L'estimation d'un paramètre peut être faite - par un seul nombre: estimation ponctuelle- par 2 nombres entre lesquels le paramètre peut se trouver: estimation par intervalle
3
Echantillonnage – Estimation d’un paramètre
Estimation ponctuelle d’une moyenne
1
)(1
2
2
n
xxs
n
ii
x
Estimateur sans biais
n
iixn
x1
1
x barre
n
ss xx Ecart type de la moyenne
4
Echantillonnage – Estimation d’un paramètre
Pour améliorer la connaissance de la moyenne, il faut augmenter la taille de l’échantillon
5
Intervalle de confiance de la moyenne
Cas des grands échantillons (variance connue):
Soit une population obéissant à une loi normale de moyenne et d’écart type .
1)Pr( 2/2/
nZx
nZx
Echantillonnage – Estimation d’un paramètre
6
Echantillonnage – Estimation d’un paramètre
Exemple:
45 hommes
cm 10
cm 164
x
9.2164
9.166;161
45
1096.1164;
45
1096.1164
x
x
x
à 95% de confiance
7
Echantillonnage – Estimation d’un paramètre
8
Cas des petits échantillons:
Quand n<30 ou quand la variance est inconnue, on prend la loi de Student.
1)Pr( 2/2/n
stx
n
stx xx
Echantillonnage – Estimation d’un paramètre
Intervalle de confiance de la moyenne
Finalement on peut toujours utiliser la loi de Student puisque t tend vers la loi normale quand n est grand…
Pour = n-1 degrés de liberté
9
La loi de Student: t()
degrés de liberté
Converge vers la loi Normale quand augment.
10
La probabilité d’obtenir une valeur de t à l’extérieur de l’intervalle (-t/2 et t/2) -> TABLES.
)( 2/ttP
La loi de Student: t()
11
Echantillonnage – Estimation d’un paramètre
12
Echantillonnage – Estimation d’un paramètre
Exemple:6 hommes
cm 11
cm 165
xs
x
12165
177;153
6
1157.2165;
6
1157.2165
x
x
x
à 95% de confiance
Finalement on peut toujours utiliser la loi de Student puisque t tend vers la loi normale quand n est grand…
13
Echantillonnage – Estimation d’un paramètre
Intervalle de confiance de la variance
Soit une population obéissant à une loi normale de moyenne (inconnue) et d’écart type (inconnu).
1))1()1(
Pr(2
2/
22
2)2/1(
2xx snsn
Pour = n-1 degrés de liberté
14
Si Z1, Z2, Zn sont des variables aléatoires normales centrées réduites et indépendantes entres elles, la somme des carrées de ces varaibles aléatoires obéit à la loi du 2 à degrés de libertés
222
21
2 .... ZZZ
La loi du Khi carré: 2
15
La loi du Khi carré: 2
16
En fait, les calculs sont fastidueux -> TABLES
)( 22 P
La loi du Khi carré: 2
17
La loi du Khi carré: 2
18
Echantillonnage – Estimation d’un paramètre
Intervalle de confiance de l’écart type (idem)
Soit une population obéissant à une loi normale de moyenne et d’écart type .
1))1()1(
Pr(2
2/
2
2)2/1(
2xx snsn
Pour = n-1 degrés de liberté
19
Echantillonnage – Estimation d’un paramètre
Estimation ponctuelle d’un pourcentage
La population est formée d’individus ayant ou non un caractère A. Soit p la probabilité pour qu’un individu pris au hasard dans la population présente le caractère A.
1
)1(
/
2
n
pps
nap
p
Quand on dispose d’un seul échantillon de taille n, la meilleure estimation ponctuelle de P est donc la fréquence p observée sur l’échantillon.
20
Echantillonnage – Estimation d’un paramètre
Grands échantillons (n>30), p ni voisin de 0, ni voisin de 1, (np>5, n(1-p)>5)
La variable fréquence obéit à une loi normale centrée réduite
1))1()1(
Pr( 2/2/ n
ppZpP
n
ppZp
Intervalle de confiance d’un pourcentage
21
Echantillonnage – Estimation d’un paramètre
Un problème très fréquent!Un quotidien publie tous les mois la cote du chef du gouvernement à partir d'un sondage réalisé sur un échantillon représentatif de 1000 personnes. En janvier, la cote publiée était de 38% d'opinions favorables, en février de 36%. Un journaliste commente alors ces valeurs par "Le chef du gouvernement perd 2 points !!"
En fait: On construit un intervalle de confiance autour des proportions. Avec un seuil de 95%, on obtient respectivement [35;41] et [33;39] pour les valeurs 36% et 38%. Les deux intervalles ayant une intersection non vide, on ne peut pas conclure qu'il y ait eu baisse ou augmentation de la cote du chef de gouvernement.
22
L3 PRO
23
On sait qu’un homme de néanerthal mesure en moyenne 165 cm.
Sur un site on trouve 16 hommes avec une moyenne de 167 et un écart type de 8 cm (e.t. échantillon).
Comparaison de la moyenne avec la valeur théorique de 165 cm
Quel est le problème…?
Théorie de la statistique de décision
Possibilités:Moyenne très élevée: Nous pourrons être amenés à croire que ces hommes ont des tailles différentes de 165 cm
Moyenne faiblement plus élevée: on ne pourra pas conclure si c’est significativement supérieur à la norme ou si c’est l’effet du hasard.
24
Question: à partir de quelle limite pouvons nous raisonnablement conclure à une différence?
H0: =165 (il n’y pas de différence)H1: ≠165
Calcul de
Sur la table la probabilité pour que la moyenne d’échantillonnage soit différente celle de la population de plus 2,131 de écart-type est de 5%.
216
8
n
ss xx
Théorie de la statistique de décision
25
On sait qu’un homme de Neandertal mesure en moyenne 165 cm.
Sur un site on trouve 40 hommes avec une moyenne de 167 et un écart type de 8 cm (e.t. échantillon).
Comparaison de la moyenne avec la valeur théorique de 165 cm
Quel est le problème…?
Théorie de la statistique de décision
Possibilités:Moyenne très élevée: Nous pourrons être amenés à croire que ces hommes ont des tailles différentes de 165 cm
Moyenne faiblement plus élevée: on ne pourra pas conclure si c’est significativement supérieur à la norme ou si c’est l’effet du hasard.
26
Question: à partir de quelle limite pouvons nous raisonnablement conclure à une différence?
H0: =165 (il n’y pas de différence)H1: ≠165
Calcul de
On mesure en fait 167 +/- 2.48 à 95% de confiance, ce qui n’est pas différent de 165 cm!
265.140
8
n
ss xx
Théorie de la statistique de décision
27
Les deux risques d’erreur dans un test.
Décision H0 est vraie H1 est vraie H0 acceptée H0 rejetée
Bonne décision Erreur
Erreur Bonne décision
Erreur de 1ere espèce
Erreur de 2nde espèce (compliquée)1-
1-
A priori on ne sait pas à quel type d’erreur on sera confronté:Le résultat de l’échantillon a révélé 167 cm probablement par pur hasard.On conclue que la moyenne pourrait être 165 cm alors qu’en fait elle est mesurée à 167 cm.
Théorie de la statistique de décision
28
H0 : hypothèse nulle ou principaleEx: Les haches de type A présentent les mêmes teneurs en Sn que les haches de type B.
H1 : hypothèse alternative ou contraire …
Soumission à une épreuve de vérité!
Conclusion : différence attribuable aux fluctuations d’échantillonnage???
Théorie de la statistique de décision
29
Niveau de signification : un peu arbitraire…significatif : 0.05hautement significatif : 0.01très hautement significatif : 0.001.
Test bilatéral / unilatéral : bilatéral : différence sans se préoccuper du sens.Unilatéral : > ou <. Zone de rejet d’un seul coté de la distribution de probabilité de référence.
Echantillons indépendants ou appariés:Indépendants : aucune influence du 1er ech sur le 2nd.Appariés : prélèvements par paires. Ex : fumeurs H + F.
Théorie de la statistique de décision
30
Comparaison des moyennes de 2 grands échantillons indépendants (n1 et n2 >30):
Comparaison de deux moyennes expérimentales–grands échantillons -
2
2
1
2
21
21
n
s
n
s
xxZ
xx
c
Deux échantillons qui suivent des lois normales: 1, 21; 2, 2
2
Si H0 est vraie, Zc suit une loi normale N(0,1)
31
H1 ≠bilatéral
Comparaison de deux moyennes expérimentales–grands échantillons -
32
H1unilatéral
Comparaison de deux moyennes expérimentales–grands échantillons -
33
H1 unilatéral
Comparaison de deux moyennes expérimentales–grands échantillons -
34
H0 H1 Rejet de H0 si = 0.05 = 0.01
1 = 2 1 2
1 > 2
1 < 2
|Zc| |z/2| Zc zZc z
|z/2| = 1.96 z= 1.64 z= 1.64
|z/2| = 2.57 z= 2.33 z= 2.33
Pour résumer:
Maintenant un exemple...
Comparaison de deux moyennes expérimentales–grands échantillons -
35
Taille des silex sur deux sites
Les moyennes de ces deux échantillons prélevés indépendamment l’un de l’autre diffèrent-elles d’une façon hautement significative?
mms
mms
mmx
n
x
x
09,6
18,37
86,158
50
1
1
22
1
1
mms
mms
mmx
n
x
x
09,5
92,25
46,134
67
2
2
22
2
2
Comparaison de deux moyennes expérimentales–grands échantillons -
36
n1 et n2 grands -> test sur la loi normale
H0 : a = b
H1 : a b (bilatéral)
2
22
1
21
21
ns
ns
xxZ
xx
c
9.22
6792.25
5018.37
66.13486.158
cZ
= 0.01, Z/2 = 2.57
Comparaison de deux moyennes expérimentales–grands échantillons -
37
H0 rejetée au seuil de signification de 1%
Comparaison de deux moyennes expérimentales–grands échantillons -
38
Comparaison d’une moyenne empirique à une moyenne théorique
Même principe que précédemment (quand n est grand):
n
sx
Zx
c0
que l’on teste sur la loi normale N(0,1)
H0: =0
39
Cas des petits échantillons: Test t
Deux populations normales 1 et 2 de même variance (au moins approximativement) 2. Si n1 et n2 sont petits, s2
x1 et s2x2 sont des
estimateurs peu précis de 2.
Dans ce cas, la variable différence centrée réduite n’obéit plus à une loi normale mais à une loi de Student à =n1+n2-2 degrés de liberté.
Comparaison de deux moyennes expérimentales– petits échantillons -
40
La variance de la distribution des différences de moyennes est estimées par s2
D
21
22 11
nnss pdD
2
)1()1(
21
22
212 21
nn
snsns xxpd
avec
Comparaison de deux moyennes expérimentales– petits échantillons -
41
Ce qui donne…
H0 : a = b
Dc s
xxt 21
Avec = n1 + n2 - 2
Comparaison de deux moyennes expérimentales– petits échantillons -
42
Si les variances s’avèrent inégales alors test t modifié.
2
2
1
2
21
21
n
s
n
s
xxt
xx
cm
11 2
2
2
2
1
2
1
2
2
2
2
1
2
21
21
n
n
s
n
n
s
n
s
n
s
xx
xx
avec
Comparaison de deux moyennes expérimentales– petits échantillons -
43
Comparaison d’une moyenne empirique à une moyenne théorique
Même principe que précédemment. Suivant si n est petit ou grand, on calcule les variables auxiliaires suivantes:
n
sx
tx
c0
n
sx
Zx
c0
que l’on teste sur la loi de Student ou loi normale N(0,1)
H0: =0
44
Fondée sur les différences de chaque paire d’éléments
21 iii xxd
On imagine que la différence obéit à une loi normale, mais en général on utilise une loi de Student à n-1 degrés de liberté:
Comparaison de moyennes de deux échantillons appariés
1
)(et 1
2
n
dds
n
ss
n
ii
dd
d
45
H0 : 1 = 2 ou d = 0
H1: 1 2 , bilatéralH1: 1 > 2 , unilatéralH1: 1 < 2 , unilatéral
d
c s
dt
Comparaison de moyennes de deux échantillons appariés
t calculé pour = n-1 degrés de liberté
46
Comparaison de deux fréquences expérimentales
Comparaison des fréquences de 2 grands échantillons indépendants.
H0 : p1 = p2 = p
Deux échantillons : f1, n1; f2, n2
On approxime la loi binomiale par la loi normale mais:n1>30, n2>30, n1f1>5, n2f2>5, n1(1-f1)>5, n2(1-f2)>5
47
Comparaison de deux fréquences expérimentales
Sous H0 on peut réunir les deux échantillons, et on est conduit à l’estimation de p
21
2211ˆnn
fnfnp
Zc devient
21
21
11)ˆ1(ˆ
nnpp
ffZc
H1: p1≠p2
H1: p1>p2
H1: p1<p2
Test sur la loi normale N(0,1)
48
Comparaison d’une fréquence empirique et d’une fréquence théorique
La différence entre f et p est-elle seulement explicable par les aléas dus à l’échantillonnage?
On approxime la loi binomiale par la loi normale mais:n>30, np>5 et nq>5
H0: f = p
npp
pfZc
)1(
H1: p1≠p2
H1: p1>p2
H1: p1<p2
Test sur la loi normale N(0,1)
49
Comparaison de deux variances expérimentales
Deux échantillons qui suivent des lois normales: 1, 21; 2, 2
2
H0: 21=2
2
calcul de :2
2
B
A
x
xc s
sF
Plus grande variance
Plus petite variance
>1
Si H0 est vraie, Fc suit une loi de Fisher-Snedecor avec 1=n1-1 et 2=n2-1
50
Soit 21 et 2
2, un couple de variables aléatoires indépendantes suivant respectivement des lois du 2 à 1 et 2 degrés de libertés.
222
121
/
/
F
Utile pour les tests de variance et de covariance
La loi de Fisher - Snedecor : F(1,2)
51
)(2121 ,, FFP
La loi de Fisher - Snedecor : F(1,2)
52
H1: 21>2
2
Sous H0: Pr(Fc<F)=1-
F
Accept. H0rejet H0
Comparaison de deux variances expérimentales
53
H1: 21≠2
2
Sous H0 : Pr(Fc<F)=1-
F
Accept. H0rejet H0
/2
Comparaison de deux variances expérimentales
54
Comparaison de deux variances expérimentales
Table de Fisher-Snedecor
11/04/23 Statistiques 55
L3 PRO
11/04/23 Statistiques 56
Les tests non paramétriques ne font aucune hypothèse sur la distribution sous-jacente des données. On les qualifie souvent de tests distribution free. L’étape préalable consistant à estimer les paramètres des distributions (p.e. moyenne et écart type) avant de procéder au test d’hypothèse proprement dit n’est plus nécessaire.
Quand?:
1. L’échelle des données est ordinale plutôt que sous forme d’intervalles ou de rapports. Dans ce cas les opérations arithmétiques n’ont pas de sens!
2. Les mesures sont sur des échelles d’intervalles ou de rapports mais les distributions de fréquences observées sont très éloignées de la distribution normale.
Pourquoi et quand utiliser des statistiques non-paramétriques?
1. Généralités – Conditions d’application
11/04/23 Statistiques 57
Données Paramétrique Non-paramétrique
Distribution normale
n grand
Précis et fiable Si H0 est rejeté, le résultat devrait être le même qu’avec le test paramétrique
Si H0 est accepté, le résultat n’est peut être pas fiable
Distribution non normale
n petit
Résultat absolument pas fiable: souvent un rejet de H0 abusif
Meilleur résultat possible avec de telles données
1. Généralités – Conditions d’application
Test du χ2 d’adéquation/conformité:Il s'agit de juger de l'adéquation entre une série de données statistiques et une loi de probabilité définie a priori ou à une population donnée.
Test du χ2 d’homogénéité:Il s'agit alors de se demander si deux listes de nombres de même effectif peuvent dériver de la même loi de probabilité.
PrincipeL’analyse se fait à l’aide d’un tableau de corrélation (variables quantitatives regroupées en classes) ou (plus souvent) de contingence (variables qualitatives). Il ne concerne que des données discrètes.
On calcule les fréquences attendues de chacune des cases puis les écarts entre celles-ci et les fréquences observées.
Test du χ2
Tableau de contingence: les MnMs transgéniques
Préparation des données. Test du χ2
Les tableaux de corrélation: le territoire et la masse des marsupiaux
Préparation des données. Test du χ2
61
La loi du Khi carré: 2
Pour calculer la statistique χ2, on a besoin des:- fréquences absolues observées- fréquences absolues attendues
Remarque importante: les fréquences du tableau sont des fréquences absolues observées, jamais des fréquences relatives!
Conformité. Test du χ2
Les fréquences attendues (théoriques) sont nécessaires
1. Si on connaît déjà (grâce à une théorie) les fréquences attendues théoriques, on les utilise directement. Exemple: l'hérédité des pois de Mendel:
Conformité. Test du χ2
Test du χ2
H0 : Il n’y a pas de relation entre les variables…χ2 = 0
H1: Il y a une relation entre les variables…χ2 > 0
Conformité. Test du χ2
k
j j
jj
k
kk
e
eo
e
eo
e
eo
e
eo
1
22
2
222
1
2112 ...
où, si N est la fréquence totale
Neo jj Si 2 = 0, fréq théoriques identiques aux fréq. obs., si 2 > 0, elles ne sont pas exactement identiques.
H0: 2=0H1: 2>0
Conformité. Test du χ2
Un exemple
Le tableau suivant montre la distribution des unités 0, 1,2, …, 9 d’une table de nombres aléatoires comportant 250 nombres. Est-ce que la distribution observée est significativement différente de la distribution théorique?
Unités 0 1 2 3 4 5 6 7 8 9
Fréq Obs 17 31 29 18 14 20 35 30 20 36
Fréq Est. 25 25 25 25 25 25 25 25 25 25
3.23
25
2536...
25
2517 222
Solution:
295.0 critique à = 10-1 = 9 degrés de liberté = 16,92
23.3>16,92. Cette table de nombre aléatoire est suspecte.
Conformité. Test du χ2
Pourquoi 9 degrés de liberté dans l’exemple précédent?
= k -1 si les fréquences théoriques peuvent être calculées sans avoir à estimer les paramètres de la population à partir des statistiques d’échantillon.
= k – 1 – m si les fréquences théoriques peuvent être calculées en n’estimant que m paramètres de la population à partir des statistiques d’échantillon.
Idéalement, au moins 5 occurrences par case!
Degré de liberté. Test du χ2
11/04/23 Statistiques 68
Degré de liberté. Test du χ2
11/04/23 Statistiques 69
Homogénéité. Test du χ2
11/04/23 Statistiques 70
Homogénéité. Test du χ2
Guérit Ne guérit pas Total
Groupe A (serum) 75 25 100
Groupe B (sans sérum) 65 35 100
Total 140 60 200
Fréquences observées
Guérit Ne guérit pas Total
Groupe A (serum) 70 30 100
Groupe B (sans sérum) 70 30 100
Total 140 60 200
Fréquences attendues sous H0
84.3;1)1)(1(
38.230
3035
30
3025
70
7065
70
7075
295.0
22222
kh
Impossibilité de rejeter H0
Homogénéité. Test du χ2
ExempleTableau de contingence du nombre de joueurs de hockey de différentes nationalités utilisant différentes marques de bâtons de hockey.
Le choix de la marque du bâton de hockey que les joueurs utilisent est-il influencé par l’origine du joueur?
Étape 1 : Question “biologique”
Homogénéité. Test du χ2
H0: il n’y a pas de préférence de marque de bâton de hockey chez les joueurs de différentes nationalités (donc: la variable "marque de bâton" et la variable "nationalité" sont indépendantes) :
χ2 = 0H1: les joueurs de différentes nationalités ont des préférences différentes au niveau de la marque de bâton de hockey qu’ils utilisent :
χ2 > 0
Étape 3 : Test statistique utilisé
• données sous forme de fréquences• indépendance des observations• fréquences distribuées normalement
Étape 4: Conditions d’application
Étape 2: Déclaration des hypothèses
Homogénéité. Test du χ2
fth(i,j) = (ni × nj)/N exemple, la première cellule :
Calcul des fréquences théoriques:
Homogénéité. Test du χ2
Étape 5 : Distribution de la variable auxiliaire
Si H0 est vraie, la statistique χ2calc suit une distribution de χ2 à υ = (l – 1) × (c – 1)
= (5 – 1) × (6 –1) = 20 d.d.l.
On rejette H0 si χ2calc ≥ χ2
(0,05, 20) = 31,41
Étape 7: Calcul du test
Étape 8: Décision statistique
On ne rejette pas H0 au seuil α = 0,05 car si χ2calc < χ2
(0,05, 20)
Les joueurs de différentes nationalités n’utilisent pas des bâtons de hockey de marques différentes car les compagnies font la promotion de leurs bâtons avec la même intensité dans les pays étudiés.
Étape 6 : Règle de décision
Étape 9: Interprétation biologique
Homogénéité. Test du χ2
11/04/23 Statistiques 76
1. Généralités – Les tests non paramétriques en pratique