Comment comparer plusieurs IC… : En calculant les demi-largeurs moyennes… — ECG2 appliquées | MetMat

Comment comparer plusieurs IC d'un paramètre (largeur, niveau) ?

En calculant les demi-largeurs moyennes pour un même niveau de confiance fixé

Comparer la précision de deux (ou plusieurs) intervalles de confiance d'un même paramètre estimés à un niveau de confiance commun.

Maîtriser

Reconnaître

Résoudre

Que ferais-tu face à un exercice de ce type ?

Pour un échantillon de Bernoulli $\mathcal{B}(p)$ avec $n = 1000$ et $\overline{X}_n = 0{,}5$ , comparer la demi-largeur de l'IC à $95\%$ obtenu par Bienaymé-Tchebychev et par TCL.

L'objectif

Comparer la précision de deux (ou plusieurs) intervalles de confiance d'un même paramètre estimés à un niveau de confiance commun.

Le principe

À niveau de confiance $1 - \alpha$ fixé, plus la demi-largeur d'un IC est petite, plus l'estimation est précise ; on peut donc classer plusieurs IC en comparant leurs demi-largeurs (Bienaymé-Tchebychev donne typiquement un IC plus large que le TCL).

La méthode

1
Je fixe un niveau de confiance commun $1 - \alpha$ pour tous les IC à comparer (typiquement $\alpha = 0{,}05$ ).
2
Pour chaque IC, j'identifie sa demi-largeur (ou rayon) sous la forme $\varepsilon_i = c_i \cdot \frac{\sigma}{\sqrt{n}}$ ou similaire, en explicitant la dépendance en $n$ et en $\alpha$ .
3
Je calcule numériquement chaque demi-largeur (ou je compare littéralement les coefficients $c_i$ ) et je les classe par ordre croissant : la plus petite correspond à l'IC le plus précis.
4
Je conclus en privilégiant l'IC de plus petite demi-largeur, en commentant éventuellement le coût en hypothèses (TCL exige $n$ grand, IC normal exige loi gaussienne, Bienaymé-Tchebychev ne nécessite que la variance).

Pour comprendre, fais des exercices !

Exercice d'exemple

Pour un échantillon de Bernoulli $\mathcal{B}(p)$ avec $n = 1000$ et $\overline{X}_n = 0{,}5$ , comparer la demi-largeur de l'IC à $95\%$ obtenu par Bienaymé-Tchebychev et par TCL.

Étape 1 —

Je fixe un niveau de confiance commun

1 - \alpha

pour tous les IC à comparer (typiquement

\alpha = 0{,}05

Niveau commun : $1 - \alpha = 0{,}95$ , soit $\alpha = 0{,}05$ .

Étape 2 —

Pour chaque IC, j'identifie sa demi-largeur (ou rayon) sous la forme

\varepsilon_i = c_i \cdot \frac{\sigma}{\sqrt{n}}

ou similaire, en explicitant la dépendance en

n

et en

\alpha

IC Bienaymé-Tchebychev : $\varepsilon_{\mathrm{BT}} = \frac{1}{2\sqrt{n\alpha}}$ (en majorant $p(1-p) \leq 1/4$ ). IC TCL : $\varepsilon_{\mathrm{TCL}} = t \cdot \frac{\sqrt{\overline{X}_n(1-\overline{X}_n)}}{\sqrt{n}}$ avec $t = 1{,}96$ .

Étape 3 —

Je calcule numériquement chaque demi-largeur (ou je compare littéralement les coefficients

c_i

) et je les classe par ordre croissant : la plus petite correspond à l'IC le plus précis.

Numériquement : $\varepsilon_{\mathrm{BT}} = \frac{1}{2\sqrt{50}} \approx 0{,}0707$ et $\varepsilon_{\mathrm{TCL}} = 1{,}96 \times \frac{0{,}5}{\sqrt{1000}} \approx 0{,}0310$ . On a $\varepsilon_{\mathrm{TCL}} < \varepsilon_{\mathrm{BT}}$ .

Étape 4 —

Je conclus en privilégiant l'IC de plus petite demi-largeur, en commentant éventuellement le coût en hypothèses (TCL exige

n

grand, IC normal exige loi gaussienne, Bienaymé-Tchebychev ne nécessite que la variance).

Le TCL fournit un IC environ $2{,}3$ fois plus précis que Bienaymé-Tchebychev, mais nécessite $n$ grand : ici $n = 1000$ , l'approximation TCL est légitime, on retient l'IC asymptotique.

$\varepsilon_{\mathrm{TCL}} \approx 0{,}031 < \varepsilon_{\mathrm{BT}} \approx 0{,}071$ : l'IC asymptotique est plus précis.

Les applications suivantes et la correction guidée sont réservées aux membres Premium

La méthode et sa première application corrigée restent en accès libre. Le Premium débloque les applications suivantes, l'aide IA et le suivi de ta maîtrise.