Test d'hypothèses
Bonsoir à tous,
je désire effectuer un test d'hypothèse relatif à la moyenne d'une variable aléatoire $X$, qui suit une loi normale d'écart type $\sigma$ inconnu. Je note $H_0 : m=m_0$ et $H_1 : m=m_1$ mes hypothèses, $(x_1,\ldots,x_n)$ le résultat de mon échantillonnage.
je désire effectuer un test d'hypothèse relatif à la moyenne d'une variable aléatoire $X$, qui suit une loi normale d'écart type $\sigma$ inconnu. Je note $H_0 : m=m_0$ et $H_1 : m=m_1$ mes hypothèses, $(x_1,\ldots,x_n)$ le résultat de mon échantillonnage.
Suivant la méthode de Neyman et Pearson, je calcule le quotient de mes fonctions de vraisemblances et arrive à une condition de test du type $$\overline{x}_n \geq C.$$ En notant $\overline{x}_n$ l'estimation de ma moyenne. Sous $H_0$ la loi de cet estimateur étant une loi normale d'écart type $\frac{\sigma}{\sqrt{n}}$. Je suis donc ennuyé pour déterminer $C$, qui ressemble à un truc du genre $m_0+\frac{\sigma}{\sqrt{n}}$.
Pour contourner cette difficulté, le corrigé propose après avoir suivi cette méthode, d'utiliser l'estimateur :$$\sqrt{n}\,\frac{\overline{x}_n-m_0}{S_n}$$ qui suit une loi de Student d'ordre $n-1$, où $S_n$ désigne un estimateur de l'écart type de $X$. La zone critique est alors déterminée par les centiles de cette loi de Student.
Du coup, je ne comprends pas l'intérêt de faire tout ce cirque avec Pearson and co...pourquoi n'utilise-t-on pas directement l'estimateur "Student" ?
Bonne soirée
F.
Bonne soirée
F.
Réponses
-
-
Voilà,
je pense avoir compris la correction. Ce qui me gène, c'est que dans cet exercice le correcteur s'autorise à utiliser l'estimateur "qui l'arrange" sans plus de justifications... À la limite pourquoi pas, mais alors pourquoi dans d'autre cas s'ennuyer avec toutes ces histoires de quotient de vraisemblances, alors qu'il suffirait de dire sous $H_0$, la loi de telle statistique est connue et on peut donc construire simplement un test d'hypothèses.
A+
F. -
Tu as bien fait de joindre le document car ton Hypothèse alternative H_1 a changéeLe 😄 Farceur
-
Peux-tu joindre l'exercice précèdent pour comprendre ce qui a changé comme hypothèses avec la solution proposéeLe 😄 Farceur
-
-
Dans l'exercice précédent, $\sigma$ était connu.Deux petites questions annexes, sans doute triviales et qui ne mérite donc pas l'ouverture d'un nouveau fil:1) si je dispose d'une suite $X_1,\cdots,X_n$ de v.a. i.i.d. de loi normale $\mathcal{N}(m,\sigma)$, on peut définir l'estimateur sans biais de la variance par : $$S_n=\frac1{n-1} \sum_{k=1}^n (X_k-\overline{X})^2.$$La v.a. $\frac{n}{\sigma^2} S_n$ suit alors une loi du $\chi_2$ à $n-1$ degrés de libertés ? Ce $n$ me semble incongru...pour obtenir ce résultat, j'ai tout simplement calculer l'espérance et la variance de $X_k-\overline{X}$ afin de revenir à la définition de la loi du $\chi_2$ et ramener ma somme à une somme de carré variables aléatoires de loi normale centrée réduite.2) si je dispos d'une suite $X_1,\cdots,X_n$ de v.a. i.i.d. de loi de Bernoulli de paramètre $p$, un estimateur de $p$ est $\widehat{p}=\overline{x}$ et l'estimateur sans bais de la variance est $\frac{n}{n-1} \widehat{p} (1-\widehat{p})$.Pour $n$ grand, la loi de $\overline{X}$ est approchée par une loi normale de paramètres $p$ et $\frac{\sqrt{p(1-p)}}{\sqrt{n}}$. Si l'on cherche à estimer les paramètres de cette loi, vu que $n$ est grand on peut se dispenser du facteur de correction de biais $\frac{n}{n-1}$ et estimer $p(1-p)$ par $ \widehat{p} (1-\widehat{p})$ ?Du coup, la variable aléatoire $\frac{\overline{X})-p}{\sqrt{p(1-p)}}$ suit asymptotiquement une loi normale centré de variance $\frac1{n}$.
Merci et bonne journée
F. -
Pour cette questionMalavita : https://les-mathematiques.net/vanilla/index.php?p=/discussion/2332008/test-dhypothesesLa question de l'exercice 9 demande le test le plus puissant. Une lecture si tu as un doute que le test le plus puissant est le test de Neyman-Pearson https://www.readinganswer.fr/pourquoi-le-lemme-de-neyman-pearson-est-il-le-test-le-plus-puissant/
Du coup, je ne comprends pas l'intérêt de faire tout ce cirque avec Pearson and co...pourquoi n'utilise-t-on pas directement l'estimateur "Student" ?
Pour ta deuxième question je ne comprends pas le sens de "Ce n me semble incongru"
Le 😄 Farceur -
Bonjour Gerbrane, merci de ta réponse.
Donc dans les faits, on utilise la méthode de Neyman-Pearson pour obtenir des tests de puissance optimale. Dans mon exemple, comme on ne connait pas $\sigma$, on ne peut utiliser ce test et on en fait donc un autre pour lequel on n'a pas d'informations a priori sur la puissance ? C'est ça ?Pour la seconde ce $n$ ne semble incongru car naïvement, j'aurais dit que $\frac{S_n^2}{\sigma^2}$ qui suivait une loi du $\chi_2$. Du coup, on peut bien dire que $n \frac{S_n^2}{\sigma^2}$ suit une loi du $\chi-2$ à $n-1$ degrés de liberté ?
A+
F. -
Pour ta deuxième question ni l'un ni l'autre.
Étant donné $X_1,\dots ,X_n $ des iid qui suivent $N(\mu,\sigma^2)$, la variable aléatoire $$\frac{(n-1)S^2}{\sigma^2}$$ a une distribution $\chi^2$ avec $(n-1)$ degrés de liberté, où $$S^2=\frac{1}{n-1}\sum^{n}_{i=1}(X_i- \bar{X})^2.$$Le 😄 Farceur -
Ok, je vais y réfléchir ;-)
Merci et bonne soirée !
F.
Connectez-vous ou Inscrivez-vous pour répondre.
Bonjour!
Catégories
- 163.2K Toutes les catégories
- 9 Collège/Lycée
- 21.9K Algèbre
- 37.1K Analyse
- 6.2K Arithmétique
- 53 Catégories et structures
- 1K Combinatoire et Graphes
- 11 Sciences des données
- 5K Concours et Examens
- 11 CultureMath
- 47 Enseignement à distance
- 2.9K Fondements et Logique
- 10.3K Géométrie
- 65 Géométrie différentielle
- 1.1K Histoire des Mathématiques
- 69 Informatique théorique
- 3.8K LaTeX
- 39K Les-mathématiques
- 3.5K Livres, articles, revues, (...)
- 2.7K Logiciels pour les mathématiques
- 24 Mathématiques et finance
- 314 Mathématiques et Physique
- 4.9K Mathématiques et Société
- 3.3K Pédagogie, enseignement, orientation
- 10K Probabilités, théorie de la mesure
- 773 Shtam
- 4.2K Statistiques
- 3.7K Topologie
- 1.4K Vie du Forum et de ses membres