a) Calculez µ, le nombre moyen de projets sur lesquels les techniciens ont travaillé au
cours de la dernière année dans la population (pour tous les techniciens)
b) Répétez les étapes suivantes 5000 fois :
1) Tirez un échantillon aléatoire simple de taille n = 50 de la population à l’aide de la
fonction « sample » de R
Code : Tout sélectionner
ech = matrix(0,nrow=5000,ncol=50)
for (i in 1:5000) {ech [i,]<- sample(x= projets_technicien,size=50)
print(ech [i,])}
2) À partir de l’échantillon tiré, construisez un intervalle de confiance de niveau 96%
pour µ (supposez que la taille de la population est infinie, come au chapitre 8)
Code : Tout sélectionner
for (i in 1:5000) { print (mean(ech[i,])) }
for (i in 1:5000) { print (var(ech[i,])) }
for (i in 1:5000){icmoyenne <- function(mean, var, eeff, nivconf)
{
int <- 0.02
binf <- mean(ech[i,]) + qt(0.02, 49) * sqrt(var(ech[i,])/50)
bsup<- mean(ech[i,]) + qt(0.98, 49) * sqrt(var(ech[i,])/50)
bornes <- c(binf, bsup)
return(bornes)
}
print(icmoyenne(mean(ech[i,]), var(ech[i,]) * 50/49, 50, 0.96))}
c) Parmi les 5000 intervalles de confiance construit en b), combien ne contiennent pas la
valeur de µ= 8.769333. Interprétez le résultat obtenu.
La dernier question me pose problème. Comment faire?