Comprendre les estimateurs avec 3 Exercices concrets

 Il est fortement conseillé de ne pas consulter la solution avant d’avoir tenté sérieusement de résoudre les exercices par vous-même. Cet effort personnel est essentiel pour renforcer votre compréhension.
Tous les calculs ont été effectués à l’aide du logiciel R.
Téléchargez le script au format .txt en cliquant
ici, ouvrez-le avec RStudio, puis exécutez les lignes de code correspondantes à chaque exercice pour vérifier vos résultats ou obtenir un appui méthodologique.

Exercice 1

On a observé le nombre d’oiseaux vus lors de 20 visites à une réserve naturelle. Les données sont stockées dans ce fichier

    1. Pour les 5 premières visites, estimer l’espérance μ=E(Y)\mu = E(Y) :

      • a) par la moyenne

      • b) par la médiane

    2. Refaire les estimations avec toutes les visites :

      • c) par la moyenne

      • d) par la médiane

    3. Une erreur a été détectée à la 6e visite, où on a noté 70 oiseaux au lieu de 20 :

      • e) Recalculer les estimations avec cette erreur

      • f) Lequel des estimateurs est le plus robuste ? Justifier.

Réponse 1
1. Définir la v.a.  

X : variable aléatoire représentant le nombre d’oiseaux observés lors d’une visite.

Les données proviennent de 20 visites dans une réserve naturelle. On souhaite estimer l’espérance à l’aide de la moyenne et de la médiane.

2.Estimation de l’espérance sur les 5 premières visites

a) Moyenne  ≈25.2

b) Médiane ≈25.0

La moyenne et la médiane sont très proches, ce qui suggère que les données sont à peu près symétriques pour cet échantillon. Cela montre que les deux estimateurs donnent une estimation cohérente de la tendance centrale.

3. Estimation de l’espérance totale

c) Moyenne : 24.2

d) Médiane : 24.5

La médiane est ici légèrement supérieure à la moyenne, ce qui peut indiquer une légère asymétrie à gauche dans la distribution. La différence étant faible, les deux restent de bons estimateurs de la tendance centrale.

4.Ajout d’une erreur de saisie (valeur = 70 au lieu de 20 pour la 6ème visite)

e) Moyenne modifiée : 26.35

f) Médiane modifiée : 24.5

La moyenne est nettement affectée par cette erreur de saisie tandis que la médiane reste inchangée. Cela illustre la robustesse de la médiane face aux valeurs aberrantes.

Exercice 2

On mesure le nombre de passagers dans 25 bus. Les données sont dans ce fichier

  1. Calculer le nombre total de passagers

  2. Tania choisit les bus : 3, 6, 8, 10, 12

    • a) Quelle est son estimation de la moyenne ?

    • b) Quelle est son erreur par rapport à la vraie moyenne ?

  3. Paul choisit les bus : 1, 2, 4, 5, 7

    • c) Quelle est son estimation ?

    • d) Quelle est son erreur ?

  4. Comparer les deux échantillons : biaisés ou non ?

  5. Calculer l’intervalle possible de l’erreur d’échantillonnage pour un échantillon de taille 5

  6. Est-ce qu’un échantillon peut donner une erreur nulle ?

  7. Quelle est l’erreur maximale possible ?

  8. Que se passe-t-il quand la taille de l’échantillon augmente ?

Réponse 2
1.Définir la v.a. 

X : variable aléatoire représentant le nombre de passagers dans un bus.

2.Nombre total de passagers observés

Total =1320 passagers

3.Estimation de la moyenne par échantillons

a) Tania (bus 3,6,8,10,12) : moyenne = 60.4

b) Erreur d’estimation = |60.4 – 52.8| = 7.6

c) Paul (bus 1,2,4,5,7) : moyenne = 57

d) Erreur d’estimation = |57 – 52.8| = 4.2

4. Biais 

Les deux échantillons sont différents et leurs erreurs le sont aussi. Cela montre qu’un échantillon peut ne pas être représentatif.

5. Distribution de l’erreur d’estimation

Erreur minimale sur tous les échantillons possibles de taille 5 =0

Erreur maximale  ~24.2

6. Erreur nulle 

Oui, certains échantillons peuvent donner exactement la moyenne de la population.

7. Erreur maximale possible 

Oui, jusqu’à 24.2 dans notre cas. Cela montre l’importance de la taille de l’échantillon.

8. Effet de l’augmentation de la taille de l’échantillon

L’erreur diminue : l’estimateur devient plus précis. C’est la loi des grands nombres.

Exercice 3

20 cliniques ont chacune traité un certain nombre de patients en une semaine. Les données sont dans ce fichier.

  1. Pour les 4 premières cliniques :

    • a) Estimer μ par moyenne et médiane

  2. Pour l’ensemble :

    • b) Recalculer les estimations

  3. Simuler une erreur sur la clinique 10 (valeur = 120 patients au lieu de 40)

    • c) Quel estimateur est le plus impacté ?

  4. Est-ce que la médiane est un bon estimateur de tendance centrale ici ?

Réponse 3
Définir la v.a. 

X : variable aléatoire représentant le nombre de patients traités par une clinique.

1. Estimations sur les 4 premières cliniques

a) Moyenne = 46.75

b) Médiane = 45

La moyenne  étant supérieure à la médiane , cela suggère une légère asymétrie à droite dans la distribution des données, indiquant la présence possible de valeurs plus élevées qui influencent la moyenne.

2. Estimations sur toutes les cliniques (20)

Moyenne = 50.7

Médiane = 51

La moyenne étant légèrement inférieure à la médiane, cela suggère une distribution légèrement asymétrique à gauche. Cependant, l’écart est faible.

3. Ajout d’une erreur sur la clinique 10 (valeur = 120)

Moyenne modifiée = 54.25

Médiane modifiée = 51.5

La moyenne est plus affectée que la médiane. La médiane reste donc plus robuste.

4. Est-ce que la médiane est un bon estimateur de tendance centrale?

 Oui, dans ce contexte, la médiane constitue un bon estimateur de tendance centrale car elle est moins sensible aux valeurs extrêmes comme l’erreur introduite avec la valeur 120. Cela permet d’avoir une estimation plus représentative de la majorité des observations, surtout si la distribution est légèrement asymétrique.

🎁 Votre checklist mémoire offerte

Retenez durablement ce que vous apprenez, grâce aux réflexes issus de la science de la mémoire.

Puis une méthode tous les jeudis. Désinscription en un clic. Consultez notre politique de confidentialité pour plus d’informations.