Estimation Statistique
Transféré par
ScribdTranslationsEstimation Statistique
Transféré par
ScribdTranslationsL'ESTIMATION STATISTIQUE
Ivanna Valentna de los Ángeles Tineo Toledo
30.258.381
Université catholique Santa Rosa
Institut Supérieur de Développement, d'Éducation et de Culture
Monsieur Alfredo Rodríguez
Période Académique 2020-1
Prof : Enrique Gómez
Chaire : Statistique Appliquée
Cumaná, février 2021
La statistique est une discipline qui s'occupe de traiter et d'organiser les données, étant les données
toute mesure ou valeur qui peut être obtenue par le biais d'expériences, d'enquêtes, de recensements ou d'autres moyens
médias. L'analyse des données commence généralement par l'application de méthodes statistiques.
descriptive, then followed by inferential statistics methods.
La statistique descriptive est l'ensemble des méthodes statistiques qui décrivent et/ou caractérisent un
groupe de données. La statistique inférentielle cherche à déduire et à tirer des conclusions sur des situations.
générales au-delà de l'ensemble de données obtenues.
Dans la statistique inférentielle, on peut utiliser des valeurs obtenues à partir d'un échantillon (statistiques)
pour estimer leurs valeurs correspondantes dans une population (paramètre). Pour cela, on peut recourir à
La mesure de tendance centrale et la théorie des probabilités qui s'occupe d'assigner un certain
numéro à chaque résultat possible qui peut survenir dans une expérience aléatoire, dans le but de
quantifier ces résultats et savoir si un événement est plus probable qu'un autre. Dans le premier groupe se
trouver la mesure de centralisation
harmonique
La mesure de tendance centrale (mode, moyenne et médiane), paramètre de tendance centrale ou mesure
La centralisation est un nombre situé vers le centre de la distribution des valeurs d'une série de
observations (mesures), dans lequel se trouve l'ensemble des données. Les mesures de
Les tendances centrales les plus utilisées sont : moyenne, médiane et mode. Lorsqu'on fait référence uniquement à
la position de ces paramètres dans la distribution, indépendamment du fait qu'il soit plus ou
moins centrée, ces mesures sont appelées mesures de position.1 Dans ce cas, sont incluses
aussi les quantiles entre ces mesures.
Il faut prendre en compte qu'il existe des variables qualitatives et des variables quantitatives, c'est pourquoi les
Les mesures de position ou les mesures de tendance sont utilisées en fonction du type de variable qui est en cours.
en observant, dans ce cas, on observe des variables quantitatives.
La branche de la statistique liée à l'utilisation des concepts probabilistes pour gérer la prise de décision.
de décisions sur les incertitudes, est connue sous le nom d'inférence statistique ; laquelle est basée sur la
estimation et le test d'hypothèse. Tant dans les tests d'estimation que dans les tests d'hypothèse,
Des inférences devront être faites sur les caractéristiques des populations à partir des informations.
contenu dans l'échantillon.
Estmar peut avoir deux significations intéressantes. Cela signifie vouloir et inférer, mais la seconde est le
importante ici. Une estimation statistique est un processus par lequel nous établissons quelle valeur
déterminer un paramètre en fonction des déductions que nous faisons à partir de statistiques. En d'autres termes,
L'estimation est d'établir des conclusions sur des caractéristiques populationnelles à partir de résultats d'échantillons.
En d'autres termes, l'estimation est un calcul effectué à partir de l'évaluation statistique.
Cette étude est généralement réalisée sur un échantillon et non sur l'ensemble de la population cible.
Une estimation statistique est un processus par lequel nous établissons quelle valeur doit avoir un
paramètre selon les déductions que nous avons réalisées à partir des statistiques. En d'autres mots, estimer est
établir des conclusions sur les caractéristiques populationnelles à partir des résultats d'échantillons.
Les estimations concernant une population peuvent être classées en estimations ponctuelles et
estimations par intervalle.
Une estimation ponctuelle est un nombre unique qui est utilisé pour estimer le paramètre inconnu de la
population. Par exemple : un administrateur agricole fait une estimation ponctuelle en disant que, selon
avec l'étude par échantillonnage réalisée dans la zone cultivée, la production lors de la prochaine récolte est de
1.200 kg par hectare. L'estimation ponctuelle a comme caractéristique intrinsèque que, si elle est égale à
le paramètre est vrai; et s'il est différent de lui, il est faux.
L'estimation par intervalles est une plage de valeurs utilisée pour estimer un paramètre de la population.
L'erreur est indiquée de deux manières : par l'extension de l'intervalle et par la confiance que cet intervalle
contienne le véritable paramètre de la population. Exemple : dans le cas de l'administrateur agricole, cela peut
dire quelque chose comme ce qui suit : « après avoir réalisé l'analyse de l'échantillon, on estime que la production
par hectare pour la prochaine récolte est comprise entre 1 100 et 1 300 kg ; et que l'on a une
confiance élevée que cette fourchette contienne la production réelle". Dans l'estimation présentée de cette
Il est clair que l'administrateur a une meilleure idée de ce que sera la prochaine récolte.
Toute mesure statistique d'échantillon utilisée pour estimer un paramètre de la population est
appel estimateur ; donc, un estimateur est une mesure statistique d'échantillon utilisée pour estimer un
paramètre de la population.
Cela peut indiquer une attitude partielle de la part d'une personne, tout comme cela se produit avec l'adjectif.
sesgado (par exemple, lorsque quelqu'un qui devrait être objectif dans ses évaluations adopte une position
intéressée ou injuste, c'est-à-dire biaisée).
Dans le domaine statistique, on appelle biais d'un estimateur (statistique) la différence entre son
espérance mathématique et la valeur numérique du paramètre qu'elle estime. Un estimateur dont le biais est nul
se llamainsesgadoo centrado.
L'insensibilité est une propriété souhaitable pour un bon estimateur. Un estimateur est insensible si la moyenne
de sa distribution d'échantillonnage est égale au paramètre de la population.
Le coefficient de variation permet de mieux quantifier la précision des estimations. Un coefficient
une variation élevée indique un faible degré de précision, sans que l'on puisse délimiter le seuil à partir de
la estimation n'est pas valide. Rodríguez, J. Ferreras, M. et Núñez, A. (S.F).
Pour garantir la précision des estimations qui doivent donner lieu à l'inférence statistique,
«l'échantillon doit se composer d'un nombre suffisant d'éléments, choisis au hasard, de manière à fournir
une sécurité statistique que les résultats obtenus puissent, dans les limites
estimés, représenter réellement l'univers». Cela veut dire que pour que l'on puisse faire
L'inférence statistique nécessite que l'on effectue des échantillonnages aléatoires, de manière adéquate.
dimensionnés.
L'intervalle de confiance est déterminé par deux valeurs à l'intérieur desquelles nous affirmons qu'il se trouve.
le véritable paramètre avec une certaine probabilité. Ce sont des limites ou une marge de variabilité que nous donnons le
valeur estimée, pour pouvoir affirmer, sous un critère de probabilité, que la vraie valeur ne les
rebasera. Cet intervalle contient le paramètre estimé avec une certaine certitude ou niveau de
confiance.
Dans l'estimation par intervalles, les concepts suivants sont utilisés :
Variabilité du paramètre : si elle n'est pas connue, une approximation peut être obtenue à partir des données ou
dans une étude pilote.
Erreur d'estimation : c'est une mesure de votre précision qui correspond à l'amplitude du
intervalle de confiance. Plus on souhaite de précision dans l'estimation d'un paramètre, plus
étroit devra être l'intervalle de confiance et, par conséquent, moindre l'erreur, et plus de sujets devront
s'inclure dans l'échantillon étudié.
Niveau de confiance : c'est la probabilité que la véritable valeur du paramètre estimé dans le
la population se situe dans l'intervalle de confiance obtenu.
Bibliographie Consultée
Badii, M.H. et Guillen, A. (S.F) Estimations Statistiques : Une Approche Analytique (Consulté le 22-02-
2021. Disponible en:htp://[Link]/v5-n1/5(1)[Link]
Barrientos, J. (1986) Introduction à la Statistique Inférentielle. Éditeur Université d'État à Distance.
López, J. (2018). Estimateur non biaisé. [Link] (Consulté le 22-02-2021.
Disponible en :htps://[Link]/définitions/estimateur-non-biaisé.html)
Rodríguez, J. Ferreras, M. et Núñez, A. (S.F). Inference Statistique, Niveaux de Précision et Conception
Muestral. Centre de recherches sociologiques. (Consulté le 22-02-2021. Disponible à :
htp://[Link])
Manzano, v (2014) Estimation statistique (Consulté le 22-02-2021.
Disponible en :htp://[Link]/dadpsico/apuntes/[Link])
Westreicher, G (2020). Estimation. [Link] (Consulté le 22-02-2021. Disponible sur :
htps://[Link]/définiciones/[Link])
