1 / 12

Estimation ponctuelle Estimation par intervalle de confiance

Estimation ponctuelle Estimation par intervalle de confiance. Exemple : PAS moyenne ?. Population cible : « population générale » sujets recrutés au sortir d’une consultation de type « examen de santé » Mesure de la PAS chez chacun des sujets

guenevere
Download Presentation

Estimation ponctuelle Estimation par intervalle de confiance

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Estimation ponctuelleEstimation par intervalle de confiance

  2. Exemple : PAS moyenne ? • Population cible : • « population générale » • sujets recrutés au sortir d’une consultation de type « examen de santé » • Mesure de la PAS chez chacun des sujets • Résultat : estimation la plus « vraisemblable » moyenne des observations réalisées 128,0 mm Hg

  3. On réitère l’étude  nouvelle moyenne : 127,6 mm Hg • Estimations ponctuelles • Notion de fluctuations d’échantillonnage • Quelle est la « vraie » valeur moyenne de la PAS ?  Réponse : ???

  4. Estimation par intervalle de confiance 1ère étude : IC95% = [126,2 ; 129,8] 2ème étude : IC95% = [125,8 ; 129,4]

  5. « Vraie » valeur : 128,2 mm Hg

  6. Définition • La probabilité que la « vraie » valeur moyenne (i.e. 128,2 mm Hg) soit comprise dans l’intervalle de confiance à 95% est de 0,95 (ou 95%) • Si on réitère l’expérience 100 fois, on peut espérer que 95 des intervalles de confiance contiennent la « vraie » valeur qui est de 128,2 mm Hg

  7. Etendue de l ’IC95% • Définition : Etendue = Borne supérieure - Borne inférieure • L’étendue quantifie la précision de l’estimation : plus l’étendue est faible plus l’estimation est précise

  8. Etendue et taille d’échantillon • Exemple : • Cas1 : IC95% = [126,2 ; 129,8] étendue = 3,6 n = 120 (& écart-type = 10 mm Hg) • Cas2 : IC95% = [127,1 ; 128,9] étendue = 1,8 n = 480 (& écart-type = 10 mm Hg)

  9. Plus la taille d’échantillon est importante, plus l’étendue de l’IC95% est faible : • pour réduire l’étendue de moitié, il faut inclure 4 fois plus de sujets • pour diviser l’étendue par k, il faut inclure k² fois plus de sujets

  10. Etendue et variabilité de l’échantillon • Exemple : • Cas1 : IC95% = [126,2 ; 129,8] étendue = 3,6 n = 120 & écart-type = 10 mm Hg • Cas2 : les sujets doivent avoir entre 30 et 40 ans IC95% = [127,1 ; 128,9] étendue = 1,8 n = 120 & écart-type = 5 mm Hg

  11. Plus l’échantillon est hétérogène (i.e. plus la variance ou écart-type sont élevés), plus l’étendue est importante • l’étendue de l ’IC95% est directement proportionnelle à l’écart-type de la variable mesurée

  12. En résumé • Estimation d’IC95% pour tout paramètre (moyenne, pourcentage, médiane de survie, corrélation, différence moyenne …) • L’estimation varie d’un échantillon à l’autre • L’étendue, reflet de la précision, est : • inversement proportionnelle à n (où n est la taille d’échantillon) • proportionnelle à l’écart-type de la mesure d’intérêt

More Related