7.9
Estimation de la moyenne d'une population avec écart type connu
Afin de construire un intervalle de confiance pour la moyenne inconnue μ d'une population lorsque l'écart type de cette population est connu, il est n…
Prenons l’exemple d’un conteneur de camion qui doit être repensé pour accueillir des bûches de chêne plus longues.
Le conteneur est conçu sur la base de mesures obsolètes, de sorte que les ingénieurs ont besoin d’une nouvelle longueur moyenne des billes.
Comme il est impossible d’obtenir des mesures de tous les arbres ou troncs de chêne du monde, des échantillons peuvent être prélevés à partir du stock disponible.
Il s’agit de la moyenne de l’échantillon, qui est la meilleure estimation ponctuelle de la moyenne de la population lorsque son écart-type est petit.
Cependant, l’intervalle de confiance peut fournir une estimation plus fiable de la moyenne de la population, ce qui nécessite de calculer la marge d’erreur à l’aide de l’équation suivante.
Si la population et les échantillons supposent tous deux la distribution normale et que la taille de l’échantillon est supérieure à 30, une valeur critique peut être obtenue à l’aide de la distribution z.
Cependant, pour déterminer la moyenne de la population à l’aide de ces hypothèses, il faut connaître au préalable l’écart-type de la population, ce qui est une situation irréaliste.
Dans l’exemple des grumes de chêne, des études forestières antérieures peuvent fournir cet écart-type pour calculer la marge d’erreur.
View the full transcript and gain access to JoVE Core videos
Q1: Why is the sample mean considered the best point estimate of population mean?
The sample mean is the best point estimate of the unknown population mean when the population standard deviation is small and the sample is randomly drawn. It provides a single value estimate based on available data, though it becomes more reliable when combined with a confidence interval for a more complete picture of the population parameter.
Q2: What is the margin of error and how does it relate to confidence intervals?
The margin of error, also called the error bound for a population mean (EBM), quantifies the range of uncertainty around a point estimate. It depends on the confidence level and is used to construct the confidence interval by creating upper and lower bounds: point estimate minus error bound and point estimate plus error bound.
Q3: When can you use the z distribution to find critical values for population mean estimation?
You can use the z distribution to obtain critical values when both the population and sample follow a normal distribution and the sample size exceeds 30. This approach requires prior knowledge of the population standard deviation, which may come from previous studies or historical data.
Q4: What is the difference between confidence level and alpha in interval estimation?
The confidence level (CL) represents the percent of confidence intervals that contain the true population parameter when repeated samples are taken. Alpha (α) is the probability that the interval does not contain the population parameter. Mathematically, α and CL are complementary: α + CL = 1.
Q5: What are the steps to construct a confidence interval for a known population standard deviation?
First, calculate the sample mean from random sample data. Second, find the z-score corresponding to your chosen confidence level. Third, calculate the error bound using the margin of error formula. Finally, construct the confidence interval and write an interpretation in context of the problem.
Q6: How does sample size affect the reliability of population mean estimates?
Larger sample sizes improve the reliability of estimates because sample means follow an approximately normal distribution. When sample size exceeds 30, the z distribution can be reliably used for critical value determination, making the confidence interval more precise and trustworthy for estimating the true population mean.
Q7: Why is knowing the population standard deviation important for this estimation method?
The population standard deviation is essential because it directly affects the margin of error calculation, which determines the width of the confidence interval. Without this value, you cannot accurately quantify uncertainty around your estimate. When unknown, alternative methods like estimating population mean with unknown standard deviation must be used instead.