Barres d'erreur pour un histogramme

[gatsu]

Bonjour à tous,

Voilà dans l'étude que je fais actuellement je dois générer des histogrammes. Je voudrais savoir si il existe un moyen malin d'estimer l'erreur que je fais sur chaque bin de mon histogramme (à part générer un histogramme du nombre de points par bin pour chaque bin...) en fonction du nombre de points qu'il contient.

Juste pour vous dire où j'en suis, j'ai vu dans un cours de statistique que certains estimaient l'erreur en faisant l'hypothèse que le nombre de points par bin suit une loi de Poisson et du coup, l'écart quadratique moyen est seulement la racine carrée du nombre de points dans chaque bin et le tour est joué.

J'utilise donc cette méthode pour l'instant mais tout en sachant que cette estimation de l'erreur est a priori bien en dessous d'un intervalle de confiance de type 95%. Par ailleurs l'hypothèse d'une distribution poissonienne doit être valable au niveau des queues d'un histogramme mais je ne suis pas certain que cela marche au niveau des pics...

Est ce que quelqu'un connaitrait une autre méthode pour générer des intervalles de confiances et/ou barres d'erreur pour un histogramme ?

Merci d'avance
-----

[invitef17c7c8d]

Salut,
As-tu pensé à utiliser la fonction kurtosis?
Cette fonction mesure "l'aplatissement" par rapport à une répartition gaussienne (courbe en cloche)

[gatsu]

Salut,
As-tu pensé à utiliser la fonction kurtosis?
Cette fonction mesure "l'aplatissement" par rapport à une répartition gaussienne (courbe en cloche)

Je compte l'utiliser pour voir la difference avec une gaussienne de mon histogramme lui même mais je n'en suis même encore pas là.
La je m'intéresse à un histogramme pour lequel je pourrais placer une barre d'erreur vertical sur chaque barre de mon histogramme...je cherche un moyen d'estimer ces barres d'erreur.

Logiquement elles devraient être en racine du nombre de points par bin mais le préfacteur, si il y en a un, j'ai pas vraiment d'idée .

[invitef17c7c8d]

Tu peux peut-être essayer de voir du côté des techniques du type "maximum de vraisemblance".
Dans cette approche, tu te donnes "a priori" une fonction densité de probabilité et tu optimises un paramètre de ta fonction pour coller au mieux à ton histogramme.
Ainsi en fonction du nombre de classes ( et donc de points) que tu choisis pour dessiner ton histogramme, tu pourras dire :" Cet histogramme ressemble à telle fonction de probabilité avec tel paramètre"
Tu peux peut être aussi te donner un critère de convergence sur ton paramètre à recaler...

[A voir en vidéo sur Futura]

[gatsu]

Tu peux peut-être essayer de voir du côté des techniques du type "maximum de vraisemblance".
Dans cette approche, tu te donnes "a priori" une fonction densité de probabilité et tu optimises un paramètre de ta fonction pour coller au mieux à ton histogramme.
Ainsi en fonction du nombre de classes ( et donc de points) que tu choisis pour dessiner ton histogramme, tu pourras dire :" Cet histogramme ressemble à telle fonction de probabilité avec tel paramètre"
Tu peux peut être aussi te donner un critère de convergence sur ton paramètre à recaler...

Oui je connais également cette méthode sauf qu'ici je n'ai pas de théorie pour comparer avec mon histogramme en fait.
En plus ce n'est pas vraiment une mesure de la dispersion de ma statitistique mais plutot une mesure de à quel point je suis près d'une mesure théorique.
En gros ce qu'il se passe c'est que la hauteur d'un bin de mon histogramme est la moyenne de la fonction caractéristique correspondante. Il me faut un moyen d'en calculer les fluctuations...

Mais en tout cas merci de t'intéresser à mon problème .