MetMat

Comment calculer l'espérance et la variance de la moyenne MnM_n d'un échantillon ?

En appliquant E(Mn)=μE(M_n) = \mu, V(Mn)=VnV(M_n) = \dfrac{V}{n}, σ(Mn)=σn\sigma(M_n) = \dfrac{\sigma}{\sqrt{n}} (l'écart-type est divisé par n\sqrt{n})

L'objectif

Calculer E(Mn)E(M_n), V(Mn)V(M_n) et σ(Mn)\sigma(M_n) pour la moyenne empirique d'un échantillon de taille nn, et comprendre que l'écart-type de MnM_n est divisé par n\sqrt{n} par rapport à celui de la population.

Le principe

Si X1,,XnX_1, \ldots, X_n sont i.i.d. de même espérance μ\mu et variance VV, alors Mn=1nXiM_n = \frac{1}{n}\sum X_i vérifie E(Mn)=μE(M_n) = \mu, V(Mn)=VnV(M_n) = \frac{V}{n} et σ(Mn)=σn\sigma(M_n) = \frac{\sigma}{\sqrt{n}} : augmenter la taille de l'échantillon concentre la moyenne autour de μ\mu.

La méthode
  1. 1
    Identifier les paramètres de la population : espérance μ=E(Xi)\mu = E(X_i), variance V=V(Xi)V = V(X_i), écart-type σ=V\sigma = \sqrt{V}.
  2. 2
    Écrire Mn=1n(X1++Xn)M_n = \frac{1}{n}(X_1 + \cdots + X_n) et appliquer la linéarité de l'espérance : E(Mn)=1nnE(Xi)=μE(M_n) = \frac{1}{n} \cdot nE(X_i) = \mu.
    Voir
  3. 3
    Appliquer l'additivité de la variance (variables indépendantes) puis V(aX)=a2V(X)V(aX) = a^2 V(X) : V(Mn)=1n2nV(Xi)=VnV(M_n) = \frac{1}{n^2} \cdot nV(X_i) = \frac{V}{n}.
    Voir
  4. 4
    En déduire l'écart-type : σ(Mn)=Vn=σn\sigma(M_n) = \sqrt{\frac{V}{n}} = \frac{\sigma}{\sqrt{n}}. Interpréter : si nn est multiplié par 44, l'écart-type est divisé par 22.
    Voir

Exemple corrigé

Difficulté croissante de 1 à 5

Exercices aujourd'hui0 / 3

Prêt à t'entraîner ?

Génère un exercice personnalisé sur cette méthode et entraîne-toi avec la correction IA.