Estimation ponctuelle et intervalles de confiance

Estimation ponctuelle et intervalles de confiance en statistique

Ce cours vous guide à travers les notions essentielles d’estimation ponctuelle et d’intervalles de confiance (IC) pour une moyenne ou un pourcentage. Vous y découvrirez les critères de choix entre la loi normale et la loi de Student, les formules à retenir, les conditions de validité et les facteurs qui influencent la largeur d’un IC. Chaque partie est illustrée par des exemples concrets tirés du questionnaire fourni.

1. Choisir la bonne loi pour construire un intervalle de confiance

Le critère déterminant pour choisir entre la loi normale (ou loi Z) et la loi de Student (ou loi t) est la connaissance de la variance de la population.

• Si la variance σ² est connue, on utilise la loi normale.
• Si la variance est inconnue et doit être estimée par l’écart‑type s de l’échantillon, on utilise la loi de Student, qui tient compte du degré de liberté n‑1.

Cette distinction apparaît dans la première question du quiz : « Le fait que la variance de la population soit connue ou non » est la réponse correcte.

2. Formule de l’IC pour une moyenne avec un grand échantillon (n ≥ 30)

Lorsque l’échantillon est suffisamment grand, le théorème central limite garantit que la distribution de la moyenne échantillonnale est approximativement normale, même si la distribution d’origine n’est pas normale. La formule à retenir est :

m ± z_{α/2}·s/√n

où :

• m est la moyenne observée,
• z_{α/2} est la valeur critique de la loi normale correspondant au niveau de confiance (par ex. 1,96 pour 95 %),
• s est l’écart‑type estimé,
• n est la taille de l’échantillon.

Cette formule figure dans la deuxième question du questionnaire.

3. Conditions de validité d’un IC pour un pourcentage

Pour estimer un pourcentage p₀ (ou proportion), l’IC repose sur l’approximation normale du binôme. La condition classique est :

np₀ ≥ 5 et n(1‑p₀) ≥ 5

Ces deux inégalités garantissent que le nombre d’observations attendues dans chaque catégorie est suffisant pour que la distribution soit bien approximée par une loi normale. Cette règle apparaît dans la troisième question du quiz.

4. Calcul de la variance estimée d’un échantillon

La variance s² d’un échantillon de taille n se calcule avec le déviateur corrigé (ou unbiased estimator) :

s² = Σ(x_i − m)² / (n − 1)

Le diviseur n‑1 corrige le biais introduit par le fait que la moyenne m est elle‑même estimée à partir du même échantillon. Cette formule est la réponse correcte de la quatrième question.

5. Pourquoi la moyenne observée m sous‑estime-t-elle σ lorsqu’on utilise s ?

En réalité, c’est l’écart‑type s qui sous‑estime légèrement σ pour de petits échantillons, car il utilise n‑1 au dénominateur, ce qui réduit la variance estimée. Cette sous‑estimation se traduit par une IC légèrement plus étroite que la vraie incertitude. La première réponse de la cinquième question résume ce phénomène.

6. Facteurs influençant la largeur d’un intervalle de confiance

La largeur d’un IC dépend du produit entre l’écart‑type estimé et la valeur critique (z ou t). Plus précisément :

• Un écart‑type plus grand augmente la marge d’erreur.
• Un niveau de confiance plus élevé (ex. 99 % au lieu de 95 %) implique une valeur critique plus élevée, élargissant l’IC.
• Une taille d’échantillon plus grande réduit la marge d’erreur grâce au facteur 1/√n.

La sixième question du quiz rappelle que le facteur principal est le produit de l’écart‑type estimé et de la valeur critique.

7. Marge d’erreur pour un intervalle de confiance d’un pourcentage

Lorsque l’on estime une proportion, la marge d’erreur (ME) s’écrit :

ME = z_{α/2}·√[p₀(1‑p₀)/n]

Cette formule utilise la proportion observée p₀ et la taille de l’échantillon n. Elle apparaît dans la septième question du questionnaire.

8. Exemple pratique : calcul du pourcentage observé

Supposons que l’on observe k = 40 sujets présentant le caractère étudié sur un total de n = 200 sujets. Le pourcentage observé p₀ se calcule ainsi :

p₀ = (k / n) × 100 % = (40 / 200) × 100 % = 20 %

Cette démarche est détaillée dans l’explication fournie avec la huitième question. La réponse correcte était « 20 % », même si le texte d’explication contenait une petite incohérence (le calcul correct donne bien 20 %).

9. Synthèse des points clés

• Choix de la loi : variance connue → loi normale ; variance inconnue → loi de Student.
• IC pour une moyenne (grand échantillon) : m ± z_{α/2}·s/√n.
• Condition pour les proportions : np₀ ≥ 5 et n(1‑p₀) ≥ 5.
• Variance estimée : s² = Σ(x_i − m)²/(n‑1).
• Largeur d’un IC : dépend du produit (écart‑type × valeur critique) et de la taille de l’échantillon.
• Marge d’erreur pour une proportion : z_{α/2}·√[p₀(1‑p₀)/n].
• Calcul du pourcentage observé : p₀ = (k/n)×100 %.

10. Conseils pratiques pour réussir vos estimations

• Vérifiez toujours la condition de validité (taille d’échantillon, np₀, etc.) avant de construire un IC.
• Utilisez la bonne valeur critique : z pour variance connue, t pour variance estimée, avec le bon degré de liberté.
• Augmentez la taille de votre échantillon pour réduire la marge d’erreur et obtenir un IC plus précis.
• Souvenez‑vous de la formule de la variance avec n‑1 au dénominateur pour éviter le biais.
• Interprétez toujours l’IC : il ne s’agit pas d’une probabilité que le paramètre soit dans l’intervalle, mais d’une probabilité que l’intervalle construit à partir d’un grand nombre d’échantillons contienne le vrai paramètre.

En maîtrisant ces concepts, vous serez capable de réaliser des estimations fiables, d’interpréter correctement les intervalles de confiance et d’appliquer ces outils à des problèmes réels en sciences, en économie ou en ingénierie.