« 90% de nos trains arrivent à lheure! ». énoncé exercice : « Le retard sur un trajet train de 6h15 Marseille-Paris est en moyenne: 10mn avec écart type.

Slides:



Advertisements
Présentations similaires
Intervalles de confiance
Advertisements

Intervalles de confiance
Introduction aux statistiques Intervalles de confiance
L’échantillonnage & Ses Fluctuations
Statistique II Chapitre 3: Tests d’hypothèses
Comparaison d’une moyenne observée à une moyenne théorique
Probabilités et statistiques au lycée
STATISTIQUE INFERENTIELLE L ’ESTIMATION
Thomas G. Dietterich Approximate Statistical Tests for Comparing
Estimation ponctuelle Estimation par intervalle de confiance
Echantillonnage Introduction
Inférence statistique
Comparaison de deux moyennes observées
Inférence statistique
Variable aléatoire, estimation ponctuelle et par intervalle
Les TESTS STATISTIQUES
Les TESTS STATISTIQUES
Les Tests dhypothèses. 1)Définition Un test cest une méthode qui permet de prendre une décision à partir des résultats dun échantillon.
Échantillonnage-Estimation
5 La Loi de Laplace Gauss ou loi Normale
Moyenne, écart type et incertitude de mesure.
Les tests d’hypothèses
Intervalle de confiance pour p en %
Nouveau programme rentrée 2012.
La loi normale et l’estimation de paramètres
Lectures Volume obligatoire: Chapitre 8
Programmes du cycle terminal
Atelier Probabilités et statistiques
Méthodes de Biostatistique
Applications des statistiques
Fluctuation d’échantillonnage
1 - Construction d'un abaque Exemple
Objectif général Les compétences à développer : mettre en œuvre une recherche de façon autonome ; mener des raisonnements ; avoir une attitude critique.
L’inférence statistique
Nombre de sujets nécessaires en recherche clinique
Probabilités et Statistiques
STATISTIQUES – PROBABILITÉS
Faculté de Médecine Lyon-Sud Module Optionnel de préparation à la lecture critique d ’articles Interprétation des tests statistiques.
Le test t. Procédure de linférence statistique 1. Contexte théorique 2. Hypothèses 3. Seuil de signification et puissance 4. Taille de leffet 5. Collecte.
Le test t.
Prédiction multi-step de la volatilité : le modèle ARIMA-GARCH appliqué aux séries temporelles d’affaiblissement par la pluie sur les liaisons Terre-Satellite.
Théorie… Inférence statistique: étude du comportement d’une population ou d’un caractère X des membres d’une population à partir d’un échantillon aléatoire.
Régression linéaire (STT-2400)
ÉCHANTILLONNAGE AU FIL DES PROGRAMMES Stage : nouveaux programmes de première Novembre 2011.
Tests d’hypothèses.
Exercice 1. Distribution du nombre de pièces défectueuses dans les échantillons de 500 pièces si la proportion de pièces défectueuses dans la population.
Les intervalles de confiance pour la moyenne d’une population
Brigitte CHAPUT - Journée de la Régionale APMEP de Toulouse - 19 janvier 2011 LA FORMULE.
1 - Programme de Seconde (juin 2009) Statistique et probabilités
Seconde partie - cours n°3 Théorie des tests
ESTIMATION 1. Principe 2. Estimateur 3. Distribution d’échantillonnage
Probabilités et Statistiques Année 2009/2010
TD4 : « Lois usuelles de statistiques »
STATISTIQUES – PROBABILITÉS
Intervalles de confiance pour des proportions L’inférence statistique
Échantillonnage (STT-2000)
Chapitre 12 Régression linéaire simple et corrélation linéaire
Probabilités et Statistiques Année 2010/2011
Atelier Probabilités et statistiques
Probabilités et Statistiques
Rappel de statistiques
Intervalles de fluctuation et de confiance. Dans une population, la proportion d’individus ayant un caractère donné est notée p Population.
Remise à niveau en statistique Eric Marcon – Module FTH 2006.
LOI NORMALE LOI STUDENT ECHANTILLONS ET TESTS DE MOYENNE
Probabilités et statistique MQT-1102
ECHANTILLONAGE ET ESTIMATION
Introduction aux statistiques Intervalles de confiance
UED SIM – Département OLCI Année Arts & Métiers ParisTech CER ANGERS Probabilités et statistiques Cours n° 2.
Chapitre 6 Les tests d ’ hypoth è se 1 – Comparer des moyennes ou des proportions.
Transcription de la présentation:

« 90% de nos trains arrivent à lheure! »

énoncé exercice : « Le retard sur un trajet train de 6h15 Marseille-Paris est en moyenne: 10mn avec écart type 3mn; Encadrement du retard? »

Faire des mathématiques, cest raisonner Comment intégrer les probas dans cette perspective?

Soit Ri la variable aléatoire: Retard (en mn) sur train de 6h15 Mrs-Paris le jour i Loi du retard Ri?

Un échantillon (X i ) i=1…n est: un n-uple de variables aléatoires, indépendantes, de même loi. (x i ) i=1…n en est une réalisation

Moyenne d'échantillon : X = ( X i )/n : E(X i ) = m donc E(X) = m; Indépendance des X i : Var X = (Var X i )/n

Le retard est une erreur: Ri = Ti-T, où Ti = temps de trajet jour i T: temps de trajet annoncé

Si Ri suit une loi Gauss N(10; 3): Alors: P[ σ < Ri < σ] = 0.95

Alors, sur un trajet: Le retard est, au seuil 95%, compris entre: 4mn et 16mn

Si on ne connaît pas la loi de Ri? Hypothèses raisonnables:

Les retards Ri sont des V.A Indépendantes De même loi, despérance 10, décart type 3

Les Ri ne sont pas identiques Mais sont de même loi…inconnue TCL: La loi de la moyenne déchantillon est une loi normale, pour n assez grand.

Intervalle de fluctuation de la moyenne: Au seuil de confiance 95%: [ (σ/n); (σ/n)]

Sur 36 trajets: le retard MOYEN est, au seuil 95%, compris entre 9mn et 11mn …quelle que soit la loi de chaque retard Ri!

Sur 3600 trajets: le retard MOYEN est, au seuil 95%, compris entre 9mn54s et 10mn6s

Doù lestimation De la moyenne: 10 mn Puis, de lécart-type…

Et cest ainsi que lon peut justifier les hypothèses… Aller retour réalité-modèle- réalité:

Observation échantillon de variables aléatoires (Ri) dont (r i ) i=1…n en est une réalisation donne moyenne (et écart type) observés.

De l'observation à la modélisation: Construction dun intervalle de confiance aussi fin que lon veut à partir dun échantillon de taille assez grande.

De la modélisation à l'observation Construction d'intervalles de fluctuation

La loi normale intervient à deux niveaux: - Pour l approximation de la loi de la moyenne d un SEUL échantillon (Xi) de taille n assez grande;

Pour un échantillonnage: Si on fait 1000 échantillons de 36 relevés de « retard… », alors 95% des échantillons donneront un retard moyen compris entre 9 et 11mn…

Lois des erreurs: (n grand) Les moyennes des erreurs suivent des lois normales, si n assez grand La multiplication des mesures « normalise » les erreurs...

Autres pistes: Une usine fabrique des pièces dont le diamètre est une variable aléatoire suit une loi normale; l'erreur Ei sur la pièce i est une variable aléatoire despérance nulle (compensation)

Pour estimer distance Terre Soleil: 400 mesures donne une précision 20 fois meilleure qu'une seule mesure

Gauss : Les erreurs de mesures suivent des lois normales : Echantillon gaussien