Khi deux: application numérique

[invite423aa977]

Bonjour,

Je travaille en solo (en dehors de toutes structures scolaires) la théorie de l'estimation par intervalle de confiance.

Dans le cas ou l'on estime une variance sans connaitre la moyenne on utilise la loi du Khi-deux à n-1 degré de liberté.
Concrètement, dans le cadre d'un exercice, je dois "calculer"/"lire":

et

et

Et je ne sais pas comment faire

J'espere que vous pourrez m'aider, merci.
-----

[invite423aa977]

Personne n'a l'air de s'intéresser à mon petit problème. Je l'ai un peu résolu quand meme, enfin je crois.

J'ai trouvé que pour un degré de liberté supérieur à 30 on peut utiliser un truc avec la loi normale centrée réduite.



donc

d'ou

de même



Par contre pour et je ne sais pas comment faire. Ma lecture de la table me donne:

et

Mais ça m'a pas l'air d'etre bon étant donné que je sais que je devrais avoir:



Quelqu'un pourrait il me dire si ça va pas pour la lien avec la loi normale et comment faire autrement? Merci

[invite986312212]

salut,

si tu trouves la valeur pour 0.025 supérieure à celle pour 0.975 c'est que ta table te donne les quantiles supérieurs. Par exemple tu as, si suit la loi du à 20 degrés de liberté,

[invite423aa977]

Hummm.. effectivement.. dois je en déduire que avec tel que ?

et donc que:

et


non?

En fait, je devais calculer ces valeur du sans savoir a quoi elles correspondaient, alors j'essayais de faire avec la table que j'avais. Je me suis dis que si on me donnait cette table là c'est que c'était directement dans celle la qu'il fallait chercher.

Que ce soit la loi normale, le , le de student et le de Behrens-Fisher-Snedecor c'est toujours le tel que qu'il faut chercher quand on a à calculer une valeur comme celle que j'avais besoin?
Sinon comment le sait on?

[A voir en vidéo sur Futura]

[invite986312212]

souvent on s'intéresse à la "probabilité de dépassement", qui est donc P(X>x0). Mais en principe le sens de l'inégalité doit être précisé sur la table que tu utilises. Si tu as un doute, rappelle-toi que la moyenne de la loi du Chi-2 à n degrés de liberté est n. La distribution n'est pas symétrique, mais tu as P(X<n)~1/2.