Aller au contenu principal
Statistiques & Probabilités · L2

L'écart-type empirique S : estimateur de la dispersion populationnelle

Lorsque la variance σ² de la population est inconnue, on l'estime par l'écart-type empirique S (ou s) calculé sur l'échantillon. En L2 statistiques-probabilités, les QCM CampusQCM (chapitres distribution-échantillonnage, loi-student, test-student)…

2 questions Corrections détaillées Niveau L2
16 min de cours ~5 min de QCM 8 sections Intermédiaire
1 Introduction 16 min restant
1

S

Lorsque la variance σ² de la population est inconnue, on l'estime par l'écart-type empirique S (ou s) calculé sur l'échantillon. En L2 statistiques-probabilités, les QCM CampusQCM (chapitres distribution-échantillonnage, loi-student, test-student) testent le passage de la loi normale (σ connu) à la loi de Student…

2

Objectifs d'apprentissage

  • Définir l'écart-type empirique S et le calculer
  • Expliquer pourquoi on utilise n−1 (variance empirique sans biais)
  • Relier S à la loi de Student quand σ est inconnu
  • Construire un IC à 95 % avec S et t de Student
  • Distinguer σ (population) et S (échantillon)
3

Concepts clés à maîtriser

Définition de S

Intermédiaire
Racine carrée de la variance empirique corrigée : mesure de dispersion de l'échantillon.
S estime σ quand la population est inconnue.
QCM : S = √variance empirique avec n−1.
S = √[ Σ(x_i − x̄)² / (n − 1) ]

Estimateur sans biais de σ²

Intermédiaire
Diviser par n−1 (et non n) rend l'estimateur de la variance sans biais : E[S²] = σ².
x̄ est estimé à partir des mêmes données → perte d'un degré de liberté.
Piège : n au dénominateur biaise l'estimateur vers le bas.
S² = Σ(x_i − x̄)² / (n − 1)

σ connu vs σ inconnu

Intermédiaire
Si σ connu : (X̄ − μ)/(σ/√n) ~ N(0,1). Si σ inconnu : remplacer σ par S → loi de Student.
Remplacer σ par S ajoute de l'incertitude → queues plus épaisses que la normale.
QCM : σ inconnu → Student, pas normale.
T = (X̄ − μ) / (S/√n) ~ T(n − 1)

IC avec S

Intermédiaire
Intervalle de confiance pour μ quand σ inconnu : X̄ ± t_{α/2, n−1} × S/√n.
On utilise t (plus large que z) pour couvrir l'incertitude sur σ.
QCM test-student : IC avec S et t, pas σ et z.
IC 95 % : X̄ ± t₀,₀₂₅,n−1 × S/√n

Degrés de liberté n−1

Essentiel
La loi T(n−1) reflète qu'un ddl est perdu en estimant σ par S.
Plus n est petit, plus t s'écarte de la normale.
Relier n−1 ddl à la formule de S.

Lien avec la variance

Essentiel
S = √S² ; la variance empirique S² est l'estimateur standard de σ².
S a la même unité que X (contrairement à S²).
QCM variance : σ = racine de la variance.
σ = √Var(X) ; S = √S²
Quick check

Quand la variance σ² de la population est inconnue, on utilise :

4

Auteurs et références

William Sealy Gosset Loi de Student (pseudonyme Student)
Ronald Fisher Degrés de liberté et estimateurs
Carl Friedrich Gauss Loi normale et dispersion
David Moore Statistiques inférentielles L2
  • Student (Gosset, W. S.) (1908) — The Probable Error of a Mean, Biometrika
  • Moore, D.; McCabe, G.; Craig, B. (2017) — Introduction to the Practice of Statistics, Freeman
  • Casella, G.; Berger, R. (2002) — Statistical Inference, Duxbury
5

Pièges fréquents à éviter

Erreur Utiliser z et σ dans un IC quand σ est inconnu
Pourquoi Il faut S et la loi de Student.
Solution σ inconnu → toujours S et t.
Erreur Diviser par n au lieu de n−1 pour S²
Pourquoi L'estimateur serait biaisé.
Solution Retenir n−1 pour la variance empirique sans biais.
Erreur Confondre S (échantillon) et σ (population)
Pourquoi S est un estimateur aléatoire ; σ est un paramètre fixe.
Solution σ = paramètre ; S = statistique.
Erreur Utiliser T(n) au lieu de T(n−1)
Pourquoi Un ddl est perdu en estimant σ.
Solution Retenir n−1 ddl pour un échantillon gaussien.
6

Questions types d'examen

  1. Qu'est-ce que l'écart-type empirique S et comment le calcule-t-on ?
  2. Pourquoi utilise-t-on n−1 au dénominateur ?
  3. Quelle loi suit (X̄ − μ)/(S/√n) quand σ est inconnu ?
  4. Comment construire un IC à 95 % pour μ avec S ?
  5. Quelle est la différence entre σ et S ?
7

À retenir

S = écart-type empirique = √[Σ(x_i−x̄)²/(n−1)]. Estimateur sans biais de σ. σ inconnu → (X̄−μ)/(S/√n) ~ T(n−1). IC : X̄ ± t × S/√n. Ne pas confondre σ et S. L'examinateur attend n−1, Student et IC avec S.

8

Teste tes connaissances

2 questions disponibles

Choisis ton mode et entraîne-toi avec des corrections détaillées.

10

Questions fréquentes

Qu'est-ce que S en Statistiques & Probabilités ?

Lorsque la variance σ² de la population est inconnue, on l'estime par l'écart-type empirique S (ou s) calculé sur l'échantillon. En L2 statistiques-probabilités, les QCM CampusQCM (chapitres distribution-échantillonnage, loi-student, test-student) testent le passage de la loi normale (σ connu) à…

Combien de questions sont disponibles ?

CampusQCM propose 2 questions corrigées sur S avec explications pédagogiques détaillées.

Comment réviser S efficacement ?

Commencez par le mode Révision, lisez les corrections, refaites les erreurs après quelques jours, puis passez en mode Examen.

Ce QCM est-il adapté au programme de L2 ?

Oui, nos questions correspondent au programme officiel de L2 du cursus Economie.

Les QCM fonctionnent-ils sur mobile ?

Oui, CampusQCM est entièrement optimisé pour smartphones et tablettes. Révisez S où que vous soyez, vos scores se synchronisent entre vos appareils.

Les QCM sont-ils gratuits ?

Oui, tous nos QCM sont entièrement gratuits. Créer un compte vous permet de sauvegarder vos scores et suivre votre progression, mais ce n'est pas obligatoire.

← Notion précédente variance inconnue Notion suivante → sans biais

Continuer à réviser

🧠 Toutes les notions · Statistiques et probabilités 📖 Hub Statistiques et probabilités 📝 QCM · Distribution Echantillonnage 🔗 Hub global des notions 📘 Matières L2 📊 Parcours Économie ✍️ Conseils de révision Créer un compte gratuit Se connecter