7.9:
Estimation de la moyenne de la population à l’aide de l’écart-type connu
Pour construire un intervalle de confiance pour une seule μ moyenne de population inconnue, où l’écart-type de la population est connu, nous avons besoin de la moyenne de l’échantillon comme estimation de μ et de la marge d’erreur. Ici, la marge d’erreur (EBM) est appelée l’erreur liée à une moyenne de population (en abrégé EBM). La moyenne de l’échantillon est l’estimation ponctuelle de la population inconnue μ.
L’estimation de l’intervalle de confiance se présente sous la forme suivante :
(estimation ponctuelle – borne d’erreur, estimation ponctuelle + borne d’erreur)
La marge d’erreur (EBM) dépend du niveau de confiance (en abrégé CL). Le niveau de confiance est souvent considéré comme la probabilité que l’estimation de l’intervalle de confiance calculée contienne le paramètre de population réelle. Cependant, il est plus précis d’affirmer que le niveau de confiance est le pourcentage d’intervalles de confiance qui contiennent le paramètre de population réelle lorsque des échantillons répétés sont prélevés. Le plus souvent, c’est le choix de la personne qui construit l’intervalle de confiance de choisir un niveau de confiance de 90 % ou plus parce que cette personne veut être raisonnablement certaine de ses conclusions.
Il existe une autre probabilité appelée alpha (α). α est lié au niveau de confiance, CL. α est la probabilité que l’intervalle ne contienne pas le paramètre de population inconnu.
Mathématiquement, α + CL = 1.
Un intervalle de confiance pour une moyenne de population avec un écart-type connu est basé sur le fait que les moyennes de l’échantillon suivent une distribution approximativement normale.
Étapes pour calculer l’intervalle de confiance :
Pour construire une estimation de l’intervalle de confiance pour une moyenne de population inconnue, nous avons besoin de données provenant d’un échantillon aléatoire. Les étapes de construction et d’interprétation de l’intervalle de confiance sont les suivantes :
Ce texte est adapté de Openstax, Introductions aux statistiques, Section 8.1 Une seule population moyenne utilisant la distribution normale.
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.
Related Videos
Estimates
5.2K Vues
Estimates
5.5K Vues
Estimates
6.5K Vues
Estimates
7.7K Vues
Estimates
5.9K Vues
Estimates
7.1K Vues
Estimates
4.3K Vues
Estimates
3.5K Vues
Estimates
8.7K Vues
Estimates
8.1K Vues
Estimates
7.6K Vues