Comment construire un IC de m… : En partant de P([|overline X _n - m| ≥… — ECG2 appliquées | MetMat

Comment construire un IC de $m$ via Bienaymé-Tchebychev ?

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

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

Maîtriser

Reconnaître

Résoudre

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

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 $n = 400$ .

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 $1 - \alpha$ .

Pour comprendre, fais des exercices !

Exercice d'exemple

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 $n = 400$ .

Étape 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

$\mathbb{E}(X) = p$ , $\mathbb{V}(X) = p(1-p) \leq 1/4$ pour tout $p \in [0,1]$ ; $(X_1, \dots, X_{400})$ est un $400$ -échantillon de loi $\mathcal{B}(p)$ .

Étape 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}

Bienaymé-Tchebychev appliquée à $\overline{X}_n$ : $\mathbb{P}([|\overline{X}_n - p| \geq \varepsilon]) \leq \frac{p(1-p)}{n\varepsilon^2} \leq \frac{1}{4n\varepsilon^2}$ .

Étape 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}}

On pose $\frac{1}{4n\varepsilon^2} = \alpha = 0{,}05$ , d'où $\varepsilon = \frac{1}{2\sqrt{n\alpha}} = \frac{1}{2\sqrt{400 \times 0{,}05}} = \frac{1}{2\sqrt{20}} \approx 0{,}1118$ .

Étape 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

L'IC à $95\%$ est $\left[\overline{X}_n - 0{,}1118\,;\, \overline{X}_n + 0{,}1118\right]$ , valide quel que soit $p$ .

IC à $95\%$ : $[\overline{X}_n - 0{,}1118\,;\, \overline{X}_n + 0{,}1118]$ .

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.

Comment construire un IC de mmm via Bienaymé-Tchebychev ?

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

Pour comprendre, fais des exercices !

Comment construire un IC de $m$ via Bienaymé-Tchebychev ?

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