Dans le monde réel, il est presque toujours impossible, trop coûteux ou trop lent d'interroger ou de mesurer l'intégralité d'une population cible (tous les citoyens d'un pays, tous les produits d'une usine, tous les visiteurs d'un site web).
C'est ici qu'intervient la statistique inférentielle.
Sa mission fondamentale est d'extrapoler, d'induire et de généraliser avec un degré de certitude contrôlé les caractéristiques d'une population globale à partir de l'observation d'un échantillon représentatif restreint.
Les trois piliers de la statistique inférentielle#
La démarche inférentielle s'articule autour de trois objets mathématiques majeurs :
Les 3 Piliers Inférentiels
┌────────────────────────────────────────────────────────────────────────┐
│ 1. L'Estimation Ponctuelle │
│ Calculer la meilleure valeur approchée d'un paramètre inconnu │
│ (ex: moyenne μ ou proportion p) à partir de l'échantillon. │
├────────────────────────────────────────────────────────────────────────┤
│ 2. L'Intervalle de Confiance │
│ Encadrer le paramètre vrai dans une fourchette de valeurs avec │
│ un niveau de confiance choisi (typiquement 95 % ou 99 %). │
├────────────────────────────────────────────────────────────────────────┤
│ 3. Les Tests d'Hypothèses Statistiques │
│ Trancher scientifiquement entre deux hypothèses concurrentes │
│ (H0 vs H1) pour valider si un effet observé est réel ou fortuit. │
└────────────────────────────────────────────────────────────────────────┘
Sommaire des leçons#
- L'Estimation ponctuelle : Estimateurs sans biais, moyenne empirique \(\bar{X}\), variance corrigée \(S^2\) et erreur standard.
- Les Intervalles de confiance : Encadrement d'une moyenne et d'une proportion à \(95\%\), loi normale vs loi de Student.
- Les Tests d'hypothèses statistiques : Hypothèse nulle \(H_0\), niveau de risque \(\alpha\), p-valeur (p-value), test \(t\) de Student et test du \(\chi^2\) d'indépendance.
Débutons par la première étape : l'estimation ponctuelle des paramètres.
Commentaires