Comment construire un IC… : En appliquant le TCL : overline X _n - t… — ECG2 appliquées | MetMat

Comment construire un IC asymptotique via TCL ?

En appliquant le TCL : $\overline{X}_n - t \cdot S_n/\sqrt{n} < m < \overline{X}_n + t \cdot S_n/\sqrt{n}$ avec $t$ quantile de $\mathcal{N}(0,1)$

Construire un intervalle de confiance asymptotique de niveau $1 - \alpha$ pour l'espérance $m$ d'une loi quelconque admettant un moment d'ordre $2$ .

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

Sondage avant un second tour : $n = 1500$ personnes interrogées, $\overline{X}_n = 0{,}52$ . Donner un IC asymptotique à $95\%$ de la proportion $p$ favorable au candidat.

L'objectif

Construire un intervalle de confiance asymptotique de niveau $1 - \alpha$ pour l'espérance $m$ d'une loi quelconque admettant un moment d'ordre $2$ .

Le principe

Le théorème limite central (TCL) donne $\frac{\overline{X}_n - m}{\sigma/\sqrt{n}} \xrightarrow[n\to+\infty]{\mathcal{L}} \mathcal{N}(0,1)$ ; en remplaçant $\sigma$ par la variance empirique $S_n$ (estimateur convergent de $\sigma$ ), on obtient $\mathbb{P}\left(\overline{X}_n - t \frac{S_n}{\sqrt{n}} < m < \overline{X}_n + t \frac{S_n}{\sqrt{n}}\right) \xrightarrow[n\to+\infty]{} 1 - \alpha$ avec $t$ tel que $\Phi(t) = 1 - \alpha/2$ .

La méthode

1
Je vérifie les hypothèses : $X$ admet une espérance $m$ et une variance $\sigma^2 > 0$ , $(X_1, \dots, X_n)$ est un $n$ -échantillon iid avec $n$ grand (typiquement $n \geq 30$ ).
2
J'applique le TCL : $\frac{\overline{X}_n - m}{\sigma/\sqrt{n}}$ converge en loi vers $\mathcal{N}(0,1)$ ; je remplace $\sigma$ par l'écart-type empirique $S_n = \sqrt{\frac{1}{n}\sum_{i=1}^n (X_i - \overline{X}_n)^2}$ (ou $\sqrt{p(1-p)}$ remplacé par $\sqrt{\overline{X}_n(1 - \overline{X}_n)}$ pour Bernoulli).
Comment appliquer le théorème central limite pour approximer une probabilité ?Voir
3
Je lis dans la table de $\mathcal{N}(0,1)$ le quantile $t$ tel que $\Phi(t) = 1 - \alpha/2$ (ex. $t \approx 1{,}96$ pour $\alpha = 0{,}05$ ).
4
Je conclus que $\left[\overline{X}_n - t\frac{S_n}{\sqrt{n}}\,;\, \overline{X}_n + t\frac{S_n}{\sqrt{n}}\right]$ est un IC asymptotique de $m$ au niveau de confiance $1 - \alpha$ .

Pour comprendre, fais des exercices !

Exercice d'exemple

Sondage avant un second tour : $n = 1500$ personnes interrogées, $\overline{X}_n = 0{,}52$ . Donner un IC asymptotique à $95\%$ de la proportion $p$ favorable au candidat.

Étape 1 —

Je vérifie les hypothèses :

X

admet une espérance

m

et une variance

\sigma^2 > 0

(X_1, \dots, X_n)

est un

n

-échantillon iid avec

n

grand (typiquement

n \geq 30

$X \sim \mathcal{B}(p)$ admet $\mathbb{E}(X) = p$ et $\mathbb{V}(X) = p(1-p)$ ; $(X_1, \dots, X_{1500})$ est un $1500$ -échantillon iid (effectif grand).

Étape 2 —

J'applique le TCL :

\frac{\overline{X}_n - m}{\sigma/\sqrt{n}}

converge en loi vers

\mathcal{N}(0,1)

; je remplace

\sigma

par l'écart-type empirique

S_n = \sqrt{\frac{1}{n}\sum_{i=1}^n (X_i - \overline{X}_n)^2}

(ou

\sqrt{p(1-p)}

remplacé par

\sqrt{\overline{X}_n(1 - \overline{X}_n)}

pour Bernoulli).

Par TCL, $\frac{\overline{X}_n - p}{\sqrt{p(1-p)/n}}$ converge vers $\mathcal{N}(0,1)$ ; on estime $\sqrt{p(1-p)}$ par $\sqrt{\overline{X}_n(1 - \overline{X}_n)} = \sqrt{0{,}52 \times 0{,}48} \approx 0{,}4996$ .

Étape 3 —

Je lis dans la table de

\mathcal{N}(0,1)

le quantile

t

tel que

\Phi(t) = 1 - \alpha/2

(ex.

t \approx 1{,}96

pour

\alpha = 0{,}05

Pour $\alpha = 0{,}05$ , $t = 1{,}96$ .

Étape 4 —

Je conclus que

\left[\overline{X}_n - t\frac{S_n}{\sqrt{n}}\,;\, \overline{X}_n + t\frac{S_n}{\sqrt{n}}\right]

est un IC asymptotique de

m

au niveau de confiance

1 - \alpha

Demi-largeur : $1{,}96 \times \frac{0{,}4996}{\sqrt{1500}} \approx 0{,}0253$ , donc IC asymptotique à $95\%$ : $[0{,}495\,;\, 0{,}545]$ — le second tour reste incertain.

IC asymptotique à $95\%$ pour $p$ : $[0{,}495\,;\, 0{,}545]$ .

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 asymptotique via TCL ?

En appliquant le TCL : X‾n−t⋅Sn/n<m<X‾n+t⋅Sn/n\overline{X}_n - t \cdot S_n/\sqrt{n} < m < \overline{X}_n + t \cdot S_n/\sqrt{n}Xn​−t⋅Sn​/n​<m<Xn​+t⋅Sn​/n​ avec ttt quantile de N(0,1)\mathcal{N}(0,1)N(0,1)

Pour comprendre, fais des exercices !

En appliquant le TCL : $\overline{X}_n - t \cdot S_n/\sqrt{n} < m < \overline{X}_n + t \cdot S_n/\sqrt{n}$ avec $t$ quantile de $\mathcal{N}(0,1)$