Professional Documents
Culture Documents
Statistique Applique
Franois Gardes-Patrick
Sevestre
2005-2006
Chapitre I: Rappels
Chapitre II: Elments dchantillonnage (Tassi, Chap.
2, Kauffmann, Chap. 5 et 6)
Chapitre III: Linformation au sens de Fisher
(Kauffmann, chap. 7)
Chapitre IV: Estimation (Tassi, deuxime partie)
Chapitre V: Tests (Tassi, troisime partie, TD 1)
Chapitre VI: Estimation et Tests par la mthode des
MCO
Chapitre VII: Complments (aperu sur les tests
qualitatifs, la statistique non paramtrique, les
problmes didentification, linfrence Baysienne, les
plans dexprience pour lvaluation des politiques
publiques)
Bibliographie
Prsentation
Echantillon, population statistique;
prvision (note/temps de travail)
Modles/Thorie: problmes
dagrgation, de non-linarit, de
simultanit
Types de donnes; biais de slection
Causalit:
*exemple Salaire/ducation;
Prsentation
Spcification
Comparaison de rsultats
destimation; procdures de test
Exprimentation
Htrognit non explique
Chapitre I: Rappels
Rappels de probabilit
Exemples de lois de probabilit
Les diffrents types de convergence:
en loi, en probabilit, presque sre
Les distributions jointes
Lois normales jointes
Les familles de lois exponentielles
Les convergences
stochastiques 1
Les convergences
stochastiques 2
Exemple
v.a. discrte
Proprits: * Th de Slutsky: (Xn)
converge en loi vers X si la fonction
est continue
* Thorme Central Limite: Soit (Xn)
une suite de v.a. indpendantes et de
mme loi, admettant des moments
finis
Les convergences
stochastiques 3
Les convergences
stochastiques 4
Les convergences
stochastiques 5
Les convergences
stochastiques 6
c) Convergence presque sre: plus
exigeante bien quassez proche de
la Cv en Proba.
X ->X ssi Prob(Sup|X -X|>) ->0
n
k
k>n
1. Dfinition
2. Indpendance de deux v.a.
3. Esprance
4. Exemple
5. Lois normales jointes dans Rn
6. Distribution dune fonction de
v.a.
Introduction
1. Echantillonnage sur une population
de taille finie
1.1. Tirage de lchantillon avec remise
1.2. Tirage de lchantillon sans remise
1.3. Moyenne empirique associe un
chantillon
Exercices sur
lchantillonnage
Exercices sur
lchantillonnage
Exercice 2: On considre un
chantillon X1, X2,, Xn tir dune
population de moyenne m, de variance
2. On propose deux estimateurs de m:
m1=moyenne empirique sur
lchantillon
m2=(X1+X2)/2
Comparer ces eux estimateurs.
Rappels
Loi de Bernouilli:
f(y|)= y(1-)1-ypour y=0,1
=0 sinon
f(0|)= ; f(1|)=1-; f(y|
)=0 pour y diffrent de 0 et
1
m= ;2= (1- )
Loi Multinomiale:
f(y|1, 1,, k)=(y!/y1! y2!... yk!) y1 yk
cov(yi, yl)=-T j l