Comment construire un IC pour la moyenne d'une loi normale (écart-type connu) ? | MetMat

Comment construire un IC pour la moyenne d'une loi normale (écart-type connu) ?

En utilisant $\overline{X}_n \sim \mathcal{N}(m, \sigma^2/n)$ et en lisant $t$ tel que $\Phi(t) = 1 - \alpha/2$

L'objectif

Construire un intervalle de confiance exact de niveau $1 - \alpha$ pour la moyenne $m$ d'une loi normale d'écart-type $\sigma$ connu.

Le principe

Si $X \sim \mathcal{N}(m, \sigma^2)$ avec $\sigma$ connu, alors $\overline{X}_n \sim \mathcal{N}(m, \sigma^2/n)$ et $Z_n = \frac{\overline{X}_n - m}{\sigma/\sqrt{n}} \sim \mathcal{N}(0,1)$ ; en lisant $t$ tel que $\Phi(t) = 1 - \alpha/2$ , l'IC exact de $m$ au niveau $1 - \alpha$ est $\left[\overline{X}_n - t \frac{\sigma}{\sqrt{n}}\,;\, \overline{X}_n + t \frac{\sigma}{\sqrt{n}}\right]$ .

La méthode

1
Je vérifie les hypothèses : $X \sim \mathcal{N}(m, \sigma^2)$ avec $\sigma > 0$ connu, et $(X_1, \dots, X_n)$ est un $n$ -échantillon de la loi de $X$ .
2
J'utilise le fait qu'une combinaison linéaire de variables normales indépendantes reste normale : $\overline{X}_n \sim \mathcal{N}(m, \sigma^2/n)$ , donc $Z_n = \frac{\overline{X}_n - m}{\sigma/\sqrt{n}} \sim \mathcal{N}(0,1)$ .
Comment se ramener à la loi normale centrée réduite $\mathcal{N}(0,1)$ ?Voir
3
Je cherche dans la table de la loi normale centrée réduite la valeur $t$ telle que $\Phi(t) = 1 - \alpha/2$ , ce qui garantit $\mathbb{P}([-t \leq Z_n \leq t]) = 1 - \alpha$ .
4
Je traduis l'encadrement $-t \leq Z_n \leq t$ en $\overline{X}_n - t\frac{\sigma}{\sqrt{n}} \leq m \leq \overline{X}_n + t\frac{\sigma}{\sqrt{n}}$ et je conclus : l'IC exact de $m$ au niveau $1 - \alpha$ est $\left[\overline{X}_n - t\frac{\sigma}{\sqrt{n}}\,;\, \overline{X}_n + t\frac{\sigma}{\sqrt{n}}\right]$ .

Évalue la méthode

0/5 validés

Cherche chaque exercice au brouillon, puis coche “j'ai réussi” si tu as trouvé la bonne démarche. Utilise le bouton aide si tu as besoin d'un coup de pouce.

Application guidée 1

On mesure le QI de $n = 100$ personnes ( $X \sim \mathcal{N}(m, 15^2)$ avec $\sigma = 15$ connu) et on observe $\overline{X}_n = 102$ . Donner un IC à $95\%$ de $m$ .

Application guidée 2

On contrôle le poids d'une production de paquets supposés gaussiens d'écart-type $\sigma = 5\,\mathrm{g}$ connu. Sur $n = 25$ paquets, $\overline{X}_n = 502\,\mathrm{g}$ . Donner un IC à $99\%$ du poids moyen $m$ .

Application autonome 1

On mesure la résistance d'un composant gaussien avec $\sigma = 0{,}2\,\Omega$ connu. Combien d'observations $n$ faut-il pour que la demi-largeur de l'IC à $95\%$ soit inférieure à $0{,}05\,\Omega$ ?

Application autonome 2

Sur $n = 64$ mesures d'une tension gaussienne $X \sim \mathcal{N}(m, \sigma^2)$ avec $\sigma = 2\,$ V connu, on observe $\overline{X}_n = 12{,}3\,$ V. Donner un IC à $95\,\%$ de $m$ .

Application autonome 3

Un procédé industriel produit des pièces de masse gaussienne $X \sim \mathcal{N}(m, \sigma^2)$ avec $\sigma = 0{,}5\,$ g. On souhaite un IC à $99\,\%$ de demi-largeur inférieure à $0{,}1\,$ g. Déterminer la taille $n$ minimale de l'échantillon.

Connecte-toi pour cocher tes exercices réussis et sauvegarder ta progression.

En utilisant X‾n∼N(m,σ2/n)\overline{X}_n \sim \mathcal{N}(m, \sigma^2/n)Xn​∼N(m,σ2/n) et en lisant ttt tel que Φ(t)=1−α/2\Phi(t) = 1 - \alpha/2Φ(t)=1−α/2

Évalue la méthode

En utilisant $\overline{X}_n \sim \mathcal{N}(m, \sigma^2/n)$ et en lisant $t$ tel que $\Phi(t) = 1 - \alpha/2$