Comment construire un… : En utilisant que overline X _n sim N(m… — ECG2 approfondies | MetMat

Comment construire un intervalle de confiance de la moyenne d'une loi normale d'écart-type connu ?

En utilisant que $\overline{X}_n \sim \mathcal{N}(m, \sigma^2/n)$ et les quantiles $u_{1-\alpha/2}$

Construire un intervalle de confiance exact de la moyenne $m$ d'une loi $\mathcal{N}(m,\sigma^2)$ lorsque $\sigma$ est connu.

Maîtriser

Reconnaître

Résoudre

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

On mesure la longueur d'une pièce par $n=25$ mesures indépendantes modélisées par $\mathcal{N}(m,\sigma^2)$ avec $\sigma=0{,}4$ connu. On observe $\overline{x}_n = 12{,}3$ . Donner un IC de $m$ au niveau $95\%$ .

L'objectif

Construire un intervalle de confiance exact de la moyenne $m$ d'une loi $\mathcal{N}(m,\sigma^2)$ lorsque $\sigma$ est connu.

Le principe

Pour $(X_i)$ i.i.d. $\mathcal{N}(m,\sigma^2)$ , la stabilité affine des lois normales donne $\overline{X}_n \sim \mathcal{N}(m, \sigma^2/n)$ , donc $\sqrt{n}\dfrac{\overline{X}_n - m}{\sigma} \sim \mathcal{N}(0,1)$ .

La méthode

1
Je vérifie les hypothèses : $(X_1,\dots,X_n)$ i.i.d. $\mathcal{N}(m,\sigma^2)$ avec $\sigma>0$ connu et $m$ à estimer.
2
J'utilise la stabilité des lois normales par somme indépendante pour obtenir $\overline{X}_n \sim \mathcal{N}(m,\sigma^2/n)$ , puis je standardise : $Z = \sqrt{n}\dfrac{\overline{X}_n - m}{\sigma} \sim \mathcal{N}(0,1)$ .
3
Pour $\alpha\in ]0,1[$ , je pose $u_{1-\alpha/2} = \Phi^{-1}(1-\alpha/2)$ et j'écris $P(|Z|\leq u_{1-\alpha/2}) = 1-\alpha$ .
4
Je traduis l'encadrement en $|\overline{X}_n - m| \leq u_{1-\alpha/2}\dfrac{\sigma}{\sqrt{n}}$ et je conclus : $\left[\overline{X}_n - u_{1-\alpha/2}\dfrac{\sigma}{\sqrt{n}},\; \overline{X}_n + u_{1-\alpha/2}\dfrac{\sigma}{\sqrt{n}}\right]$ est un IC exact de $m$ au niveau $1-\alpha$ .

Pour comprendre, fais des exercices !

Exercice d'exemple

Étape 1 —

Je vérifie les hypothèses :

(X_1,\dots,X_n)

i.i.d.

\mathcal{N}(m,\sigma^2)

avec

\sigma>0

connu et

m

à estimer.

Les $X_i$ sont supposées i.i.d. $\mathcal{N}(m, 0{,}4^2)$ avec $\sigma = 0{,}4$ connu.

Étape 2 —

J'utilise la stabilité des lois normales par somme indépendante pour obtenir

\overline{X}_n \sim \mathcal{N}(m,\sigma^2/n)

, puis je standardise :

Z = \sqrt{n}\dfrac{\overline{X}_n - m}{\sigma} \sim \mathcal{N}(0,1)

Par stabilité normale, $\overline{X}_n \sim \mathcal{N}(m, 0{,}16/25)$ ; on standardise : $Z = \sqrt{25}\,\dfrac{\overline{X}_n - m}{0{,}4}= \dfrac{\overline{X}_n - m}{0{,}08}\sim \mathcal{N}(0,1)$ .

Étape 3 —

Pour

\alpha\in ]0,1[

, je pose

u_{1-\alpha/2} = \Phi^{-1}(1-\alpha/2)

et j'écris

P(|Z|\leq u_{1-\alpha/2}) = 1-\alpha

On choisit $\alpha = 0{,}05$ , d'où $u_{0,975}\approx 1{,}96$ et $P(|Z|\leq 1{,}96)= 0{,}95$ .

Étape 4 —

Je traduis l'encadrement en

|\overline{X}_n - m| \leq u_{1-\alpha/2}\dfrac{\sigma}{\sqrt{n}}

et je conclus :

\left[\overline{X}_n - u_{1-\alpha/2}\dfrac{\sigma}{\sqrt{n}},\; \overline{X}_n + u_{1-\alpha/2}\dfrac{\sigma}{\sqrt{n}}\right]

est un IC exact de

m

au niveau

1-\alpha

La demi-largeur vaut $1{,}96\cdot \dfrac{0{,}4}{5}= 0{,}1568$ . IC : $[12{,}3 - 0{,}157,\; 12{,}3 + 0{,}157]=[12{,}143,\; 12{,}457]$ .

$\mathrm{IC}_{95\%}(m) = [12{,}143,\; 12{,}457]$ au niveau exact.

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 intervalle de confiance de la moyenne d'une loi normale d'écart-type connu ?

En utilisant que X‾n∼N(m,σ2/n)\overline{X}_n \sim \mathcal{N}(m, \sigma^2/n)Xn​∼N(m,σ2/n) et les quantiles u1−α/2u_{1-\alpha/2}u1−α/2​

Pour comprendre, fais des exercices !

En utilisant que $\overline{X}_n \sim \mathcal{N}(m, \sigma^2/n)$ et les quantiles $u_{1-\alpha/2}$