En partant de $\mathbb{P}([|\overline{X}_n - m| \geq \varepsilon]) \leq \sigma^2/(n\varepsilon^2)$ et en posant $\sigma^2/(n\varepsilon^2) = \alpha$

L'objectif

Construire un intervalle de confiance non asymptotique de niveau $1 - \alpha$ pour l'espérance $m$ .

Le principe

L'inégalité de Bienaymé-Tchebychev appliquée à $\overline{X}_n$ (de variance $\sigma^2/n$ ) donne $\mathbb{P}([|\overline{X}_n - m| \geq \varepsilon]) \leq \frac{\sigma^2}{n\varepsilon^2}$ , donc en posant $\frac{\sigma^2}{n\varepsilon^2} = \alpha$ on obtient $\mathbb{P}([\overline{X}_n - \varepsilon < m < \overline{X}_n + \varepsilon]) \geq 1 - \alpha$ .

La méthode

1
Je vérifie les hypothèses : $X$ admet une espérance $m$ et une variance $\sigma^2$ (connue ou majorée), et $(X_1, \dots, X_n)$ est un $n$ -échantillon de la loi de $X$ .
2
J'applique l'inégalité de Bienaymé-Tchebychev à $\overline{X}_n$ : pour tout $\varepsilon > 0$ , $\mathbb{P}([|\overline{X}_n - m| \geq \varepsilon]) \leq \frac{\mathbb{V}(\overline{X}_n)}{\varepsilon^2} = \frac{\sigma^2}{n\varepsilon^2}$ .
Comment appliquer Bienaymé-Tchebychev pour estimer $P([|X-E(X)| \\geq \\varepsilon])$ ?Voir
3
Je pose $\frac{\sigma^2}{n\varepsilon^2} = \alpha$ et je résous : $\varepsilon = \sqrt{\frac{\sigma^2}{n\alpha}} = \frac{\sigma}{\sqrt{n\alpha}}$ .
4
Je conclus que $\mathbb{P}([\overline{X}_n - \varepsilon < m < \overline{X}_n + \varepsilon]) \geq 1 - \alpha$ , donc $\left[\overline{X}_n - \frac{\sigma}{\sqrt{n\alpha}}\,;\, \overline{X}_n + \frac{\sigma}{\sqrt{n\alpha}}\right]$ est un IC de $m$ au niveau de confiance $1 - \alpha$ .

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

Soit $(X_1, \dots, X_n)$ un $n$ -échantillon de loi $\mathcal{B}(p)$ . Construire un IC de $p$ au niveau $1 - \alpha = 0{,}95$ par Bienaymé-Tchebychev pour $n = 400$ .

Application guidée 2

Soit $(X_1, \dots, X_n)$ un $n$ -échantillon de loi $\mathcal{P}(\lambda)$ avec $\lambda \leq 4$ connu. Construire un IC de $\lambda$ au niveau $1 - \alpha = 0{,}90$ pour $n = 100$ .

Application autonome 1

Sondage politique : sur $n = 1000$ personnes interrogées, $\overline{X}_n = 0{,}45$ . Donner un IC à $95\%$ de la proportion $p$ par Bienaymé-Tchebychev.

Application autonome 2

Soit $(X_1, \ldots, X_n)$ un $n$ -échantillon de loi $\mathcal{B}(p)$ , on sait que $\mathbb{V}(X) = p(1 - p) \leq \tfrac{1}{4}$ . Construire un IC de $p$ au niveau $1 - \alpha = 0{,}90$ pour $n = 1000$ .

Application autonome 3

Soit $(X_1, \ldots, X_n)$ un $n$ -échantillon de loi admettant $\sigma^2 = 4$ connu. Construire un IC de l'espérance $m$ au niveau $1 - \alpha = 0{,}95$ pour $n = 500$ .

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

En partant de P([∣X‾n−m∣≥ε])≤σ2/(nε2)\mathbb{P}([|\overline{X}_n - m| \geq \varepsilon]) \leq \sigma^2/(n\varepsilon^2)P([∣Xn​−m∣≥ε])≤σ2/(nε2) et en posant σ2/(nε2)=α\sigma^2/(n\varepsilon^2) = \alphaσ2/(nε2)=α

Évalue la méthode

En partant de $\mathbb{P}([|\overline{X}_n - m| \geq \varepsilon]) \leq \sigma^2/(n\varepsilon^2)$ et en posant $\sigma^2/(n\varepsilon^2) = \alpha$