{"id":3217,"date":"2026-10-14T18:00:59","date_gmt":"2026-10-14T18:00:59","guid":{"rendered":"http:\/\/french.arabpsychology.com\/statistics\/comment-calculer-estimations-ponctuelles-r-exemples\/"},"modified":"2026-10-14T18:00:59","modified_gmt":"2026-10-14T18:00:59","slug":"comment-calculer-estimations-ponctuelles-r-exemples","status":"publish","type":"psych_stat","link":"https:\/\/french.arabpsychology.com\/?psych_stat=comment-calculer-estimations-ponctuelles-r-exemples","title":{"rendered":"Comment calculer des estimations ponctuelles dans R (avec exemples)"},"content":{"rendered":"

L’inf\u00e9rence statistique constitue le socle m\u00e9thodologique sur lequel repose l’ensemble des sciences quantitatives contemporaines, de l’\u00e9pid\u00e9miologie \u00e0 l’\u00e9conom\u00e9trie, en passant par la psychologie cognitive et la mod\u00e9lisation comportementale. Au c\u0153ur de cette d\u00e9marche scientifique se trouve une question \u00e9pist\u00e9mologique fondamentale : comment pouvons-nous appr\u00e9hender les caract\u00e9ristiques inconnues d’une population parente exhaustive \u00e0 partir de l’observation partielle, imparfaite et intrins\u00e8quement variable d’un \u00e9chantillon fini ? C’est pr\u00e9cis\u00e9ment \u00e0 cette probl\u00e9matique que r\u00e9pond la th\u00e9orie de l’estimation statistique, et plus particuli\u00e8rement l’estimation ponctuelle<\/strong>, qui propose de condenser l’information empirique collect\u00e9e en une valeur unique cens\u00e9e repr\u00e9senter au mieux le param\u00e8tre th\u00e9orique sous-jacent.<\/p>\n

Dans la pratique contemporaine de l’analyse de donn\u00e9es, le langage et environnement de programmation statistique R<\/a> s’est impos\u00e9 comme l’outil canonique et incontournable pour mettre en \u0153uvre ces op\u00e9rations. D\u00e9velopp\u00e9 initialement par Ross Ihaka et Robert Gentleman \u00e0 l’universit\u00e9 d’Auckland, puis maintenu par l’\u00e9quipe internationale du R Core Team<\/em>, cet \u00e9cosyst\u00e8me logiciel open-source<\/em> offre une richesse algorithmique in\u00e9gal\u00e9e, allant des fonctions arithm\u00e9tiques de base aux proc\u00e9dures d’optimisation non lin\u00e9aire et de mod\u00e9lisation non param\u00e9trique les plus sophistiqu\u00e9es. La manipulation d’estimateurs ponctuels sous R ne se limite pas \u00e0 l’ex\u00e9cution aveugle de commandes pr\u00e9d\u00e9finies ; elle exige une compr\u00e9hension rigoureuse des propri\u00e9t\u00e9s math\u00e9matiques qui garantissent la validit\u00e9 des statistiques d\u00e9riv\u00e9es ainsi qu’une ma\u00eetrise des subtilit\u00e9s syntaxiques propres \u00e0 cet environnement de calcul vectoriel.<\/p>\n

Le pr\u00e9sent guide a \u00e9t\u00e9 con\u00e7u pour accompagner les chercheurs, biostatisticiens, psychom\u00e9triciens et analystes de donn\u00e9es dans l’assimilation th\u00e9orique et l’application pratique du calcul des estimations ponctuelles sous R. \u00c0 travers un parcours exhaustif alliant d\u00e9monstrations math\u00e9matiques formelles, architectures de code reproductibles, interpr\u00e9tations empiriques et contextualisations m\u00e9thodologiques, cet article examine les estimateurs de position, de dispersion, d’association et de mod\u00e8les complexes. Nous aborderons non seulement les cas d’\u00e9cole id\u00e9alis\u00e9s fond\u00e9s sur des distributions normales, mais \u00e9galement les techniques robustes indispensables au traitement des donn\u00e9es r\u00e9elles, caract\u00e9ris\u00e9es par l’asym\u00e9trie, la contamination par des valeurs aberrantes ou l’absence d’expressions analytiques directes.<\/p>\n

1. Introduction th\u00e9orique \u00e0 l’estimation ponctuelle en statistique inf\u00e9rentielle<\/h2>\n

1.1 D\u00e9finition et distinction entre param\u00e8tre de population et statistique d’\u00e9chantillon<\/h3>\n

L’\u00e9difice de la statistique inf\u00e9rentielle repose sur une d\u00e9marcation \u00e9pist\u00e9mologique stricte entre deux entit\u00e9s fondamentales : la population cible et l’\u00e9chantillon d’observation. Une population repr\u00e9sente l’ensemble th\u00e9orique ou empirique exhaustif des entit\u00e9s d’int\u00e9r\u00eat (individus, temps de r\u00e9action, cellules, transactions \u00e9conomiques) partageant une ou plusieurs caract\u00e9ristiques communes. Dans le formalisme statistique, les propri\u00e9t\u00e9s quantitatives intangibles d\u00e9crivant cette population globale sont d\u00e9sign\u00e9es sous le terme de param\u00e8tres de population<\/strong>. Ces param\u00e8tres sont classiquement symbolis\u00e9s par des lettres de l’alphabet grec, telles que la moyenne th\u00e9orique $\\mu$<\/span>, l’\u00e9cart-type de population $\\sigma$<\/span>, la variance $\\sigma^2$<\/span> ou la proportion de succ\u00e8s $\\pi$<\/span> au sein d’un processus bernoullien. Par nature, dans l’immense majorit\u00e9 des contextes de recherche empirique, ces param\u00e8tres sont non seulement inconnus, mais strictement inconnaissables de mani\u00e8re d\u00e9terministe, en raison de l’impossibilit\u00e9 mat\u00e9rielle, financi\u00e8re ou logistique de recenser l’int\u00e9gralit\u00e9 de la population.<\/p>\n

Face \u00e0 cette incompl\u00e9tude ontologique, le chercheur extrait de la population un sous-ensemble fini d’observations d\u00e9sign\u00e9 sous le nom d’\u00e9chantillon probabiliste. Une statistique d’\u00e9chantillon<\/strong> est une fonction math\u00e9matique d\u00e9terministe appliqu\u00e9e aux donn\u00e9es num\u00e9riques recueillies au sein de cet \u00e9chantillon. Contrairement au param\u00e8tre qu’elle tente d’approcher, la statistique est une variable al\u00e9atoire dont la valeur fluctue d’un \u00e9chantillon \u00e0 un autre en fonction de l’al\u00e9a de l’\u00e9chantillonnage. Dans la litt\u00e9rature math\u00e9matique, les statistiques empiriques sont traditionnellement repr\u00e9sent\u00e9es par des lettres de l’alphabet latin ou par l’adjonction d’un accent circonflexe sur le symbole du param\u00e8tre correspondant : ainsi, la moyenne d’\u00e9chantillon est not\u00e9e $\\bar{x}$<\/span> ou $\\hat{\\mu}$<\/span>, la variance empirique $s^2$<\/span> ou $\\hat{\\sigma}^2$<\/span>, et la proportion observ\u00e9e $p$<\/span> ou $\\hat{\\pi}$<\/span>.<\/p>\n

Le r\u00f4le de l’inf\u00e9rence inductive consiste pr\u00e9cis\u00e9ment \u00e0 combler l’\u00e9cart existant entre ces deux univers en mobilisant la statistique d’\u00e9chantillon comme un proxy<\/em> empirique l\u00e9gitime du param\u00e8tre inconnu. L’op\u00e9ration intellectuelle qui consiste \u00e0 attribuer \u00e0 un param\u00e8tre de population la valeur num\u00e9rique pr\u00e9cise calcul\u00e9e \u00e0 partir de l’\u00e9chantillon est formellement appel\u00e9e estimation ponctuelle<\/strong>, tandis que la r\u00e8gle math\u00e9matique ou l’algorithme sous-jacent est d\u00e9sign\u00e9 sous le terme d’estimateur<\/strong>. La transition du particulier (l’\u00e9chantillon) \u00e0 l’universel (la population) n’est toutefois valide que si la proc\u00e9dure d’\u00e9chantillonnage respecte les principes du tirage al\u00e9atoire, garantissant ainsi que chaque unit\u00e9 de la population poss\u00e8de une probabilit\u00e9 connue et non nulle d’\u00eatre s\u00e9lectionn\u00e9e.<\/p>\n

1.2 R\u00f4le et utilit\u00e9 de l’estimation ponctuelle dans la recherche psychologique<\/h3>\n

Dans le champ des sciences du comportement et de la psychologie empirique, l’estimation ponctuelle constitue l’\u00e9pine dorsale de la mod\u00e9lisation des traits latents et de l’\u00e9valuation clinique. Les construits psychologiques primordiaux, tels que le niveau d’anxi\u00e9t\u00e9 g\u00e9n\u00e9ralis\u00e9e, l’intelligence fluide, la flexibilit\u00e9 cognitive ou la m\u00e9moire de travail, ne sont pas directement mesurables \u00e0 l’aide d’instruments physiques standardis\u00e9s. Ils sont inf\u00e9r\u00e9s \u00e0 partir d’\u00e9chelles de mesure composites, d’inventaires d’auto-\u00e9valuation de type Likert ou de t\u00e2ches cognitives chronom\u00e9tr\u00e9es. L’estimation ponctuelle permet d’assigner une valeur m\u00e9trique pr\u00e9cise aux scores moyens d’une cohorte, offrant un indicateur synth\u00e9tique du positionnement d’une population sur une dimension psychologique donn\u00e9e.<\/p>\n

Au niveau de la recherche interventionnelle, notamment dans le cadre des essais contr\u00f4l\u00e9s randomis\u00e9s \u00e9valuant l’efficacit\u00e9 de psychoth\u00e9rapies ou de programmes de rem\u00e9diation cognitive, l’estimation ponctuelle est indispensable pour quantifier l’effet moyen d’un traitement. La comparaison des performances cognitives ou du soulagement des sympt\u00f4mes entre un groupe exp\u00e9rimental et un groupe t\u00e9moin repose de mani\u00e8re fondamentale sur la diff\u00e9rence des moyennes d’\u00e9chantillon calcul\u00e9es apr\u00e8s intervention. Cette valeur ponctuelle fournit aux cliniciens une estimation du b\u00e9n\u00e9fice th\u00e9rapeutique attendu pour un patient type issu de la m\u00eame population clinique.<\/p>\n

Toutefois, l’usage non critique de l’estimation ponctuelle comporte des limites \u00e9pist\u00e9mologiques substantielles. En fournissant une valeur unique et isol\u00e9e, elle oblit\u00e8re l’in\u00e9vitable incertitude li\u00e9e \u00e0 la variabilit\u00e9 d’\u00e9chantillonnage. En psychologie, o\u00f9 l’h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 interindividuelle est exceptionnellement \u00e9lev\u00e9e en raison de facteurs confondants non contr\u00f4l\u00e9s, accorder une confiance aveugle \u00e0 une estimation ponctuelle sans quantifier sa variabilit\u00e9 induit le risque de tirer des conclusions diagnostiques ou pronostiques trompeuses. Il est par cons\u00e9quent indispensable de compl\u00e9ter syst\u00e9matiquement l’estimation ponctuelle par des mesures d’incertitude, notamment la dispersion des donn\u00e9es et l’estimation par intervalle de confiance, formant ainsi une triangulation inf\u00e9rentielle rigoureuse.<\/p>\n

1.3 Aper\u00e7u synth\u00e9tique des principaux param\u00e8tres et de leurs estimateurs associ\u00e9s<\/h3>\n

L’application rigoureuse des m\u00e9thodes statistiques requiert une formalisation claire des correspondances fonctionnelles unissant les param\u00e8tres th\u00e9oriques d’une loi de probabilit\u00e9 \u00e0 leurs estimateurs empiriques correspondants. Chaque propri\u00e9t\u00e9 d’une distribution de probabilit\u00e9 poss\u00e8de une contrepartie op\u00e9rationnelle formul\u00e9e sous forme d’\u00e9quation math\u00e9matique ex\u00e9cutable sur un ensemble fini de donn\u00e9es quantitatives.<\/p>\n

Le param\u00e8tre de tendance centrale le plus fondamental est la moyenne de population $\\mu$<\/span>, d\u00e9finie formellement comme l’esp\u00e9rance math\u00e9matique de la variable al\u00e9atoire $X$<\/span>, not\u00e9e $E(X)$<\/span>. Son estimateur classique est la moyenne empirique arithm\u00e9tique $\\bar{X}$<\/span>, calcul\u00e9e comme la somme de l’ensemble des $n$<\/span> observations divis\u00e9e par la taille de l’\u00e9chantillon. Pour les ph\u00e9nom\u00e8nes dichotomiques r\u00e9gis par une loi de Bernoulli o\u00f9 un attribut d’int\u00e9r\u00eat est soit pr\u00e9sent soit absent, le param\u00e8tre de pr\u00e9valence ou de probabilit\u00e9 th\u00e9orique $\\pi$<\/span> est estim\u00e9 par la proportion empirique $p$<\/span>, qui \u00e9quivaut au nombre absolu de cas observ\u00e9s $k$<\/span> divis\u00e9 par l’effectif total $n$<\/span>.<\/p>\n

En mati\u00e8re de variabilit\u00e9 et de dispersion, la variance de population $\\sigma^2$<\/span>, qui quantifie l’esp\u00e9rance des \u00e9carts quadratiques \u00e0 la moyenne th\u00e9orique $E[(X – \\mu)^2]$<\/span>, trouve son pendant empirique dans la variance d’\u00e9chantillon corrig\u00e9e $s^2$<\/span>, aussi not\u00e9e $\\hat{\\sigma}^2$<\/span>. Contrairement \u00e0 la formulation intuitive qui consisterait \u00e0 diviser la somme des carr\u00e9s des \u00e9carts par $n$<\/span>, l’estimateur standardis\u00e9 op\u00e8re une division par $n – 1$<\/span> afin de compenser la perte d’un degr\u00e9 de libert\u00e9 induite par l’estimation pr\u00e9alable de la moyenne. L’\u00e9cart-type de population $\\sigma$<\/span> est quant \u00e0 lui estim\u00e9 par la racine carr\u00e9e de cette variance corrig\u00e9e, not\u00e9e $s$<\/span>.<\/p>\n\n\n\n\n\n\n\n\n\n\n
Param\u00e8tre de Population<\/th>\nSymbole Th\u00e9orique<\/th>\nEstimateur Statistique<\/th>\nFormulation Math\u00e9matique<\/th>\nFonction R D\u00e9di\u00e9e<\/th>\n<\/tr>\n<\/thead>\n
Moyenne arithm\u00e9tique<\/td>\n$\\mu$<\/span><\/td>\nMoyenne d’\u00e9chantillon ($\\bar{x}$<\/span>)<\/td>\n$\\frac{1}{n}\\sum_{i=1}^n x_i$<\/span><\/td>\nmean()<\/code><\/td>\n<\/tr>\n
Proportion binominale<\/td>\n$\\pi$<\/span><\/td>\nProportion empirique ($p$<\/span>)<\/td>\n$\\frac{k}{n} = \\frac{1}{n}\\sum_{i=1}^n x_i$<\/span> ($x_i in {0, 1}$<\/span>)<\/td>\nmean()<\/code> ou prop.table()<\/code><\/td>\n<\/tr>\n
Variance<\/td>\n$\\sigma^2$<\/span><\/td>\nVariance corrig\u00e9e ($s^2$<\/span>)<\/td>\n$\\frac{1}{n-1}\\sum_{i=1}^n (x_i – \\bar{x})^2$<\/span><\/td>\nvar()<\/code><\/td>\n<\/tr>\n
\u00c9cart-type<\/td>\n$\\sigma$<\/span><\/td>\n\u00c9cart-type d’\u00e9chantillon ($s$<\/span>)<\/td>\n$\\sqrt{\\frac{1}{n-1}\\sum_{i=1}^n (x_i – \\bar{x})^2}$<\/span><\/td>\nsd()<\/code><\/td>\n<\/tr>\n
M\u00e9diane de population<\/td>\n$\\text{Med}(X)$<\/span><\/td>\nM\u00e9diane d’\u00e9chantillon ($\\tilde{x}$<\/span>)<\/td>\nValeur ordonn\u00e9e centrale au rang $\\frac{n+1}{2}$<\/span><\/td>\nmedian()<\/code><\/td>\n<\/tr>\n
Corr\u00e9lation bivari\u00e9e<\/td>\n$rho$<\/span><\/td>\nCoefficient de Pearson ($r$<\/span>)<\/td>\n$\\frac{\\sum (x_i – \\bar{x})(y_i – \\bar{y})}{\\sqrt{\\sum (x_i – \\bar{x})^2 \\sum (y_i – \\bar{y})^2}}$<\/span><\/td>\ncor()<\/code><\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

2. Propri\u00e9t\u00e9s math\u00e9matiques fondamentales des estimateurs ponctuels<\/h2>\n

2.1 Le crit\u00e8re de non-biais ou d’esp\u00e9rance exacte<\/h3>\n

Pour qu’un estimateur ponctuel soit jug\u00e9 scientifiquement acceptable et math\u00e9matiquement valide, il doit r\u00e9pondre \u00e0 des crit\u00e8res th\u00e9oriques rigoureux r\u00e9gissant son comportement stochastique. Le premier et le plus intuitif de ces crit\u00e8res est la propri\u00e9t\u00e9 de non-biais<\/strong> ou d’exactitude d’esp\u00e9rance. Un estimateur $\\hat{\\theta}$<\/span> d’un param\u00e8tre populationnel inconnu $\\theta$<\/span> est dit sans biais (ou non biais\u00e9) si la valeur moyenne de sa distribution d’\u00e9chantillonnage th\u00e9orique est strictement \u00e9gale \u00e0 la valeur r\u00e9elle du param\u00e8tre sous-jacent. Formellement, cette condition s’\u00e9nonce par l’\u00e9quation d’esp\u00e9rance math\u00e9matique :<\/p>\n

$$E(\\hat{\\theta}) = \\theta$$<\/span><\/p>\n

Le biais statistique est d\u00e9fini math\u00e9matiquement comme la diff\u00e9rence entre l’esp\u00e9rance de l’estimateur et la vraie valeur du param\u00e8tre : $\\text{Biais}(\\hat{\\theta}) = E(\\hat{\\theta}) – \\theta$<\/span>. Si cette diff\u00e9rence est strictement \u00e9gale \u00e0 z\u00e9ro pour toute taille d’\u00e9chantillon $n$<\/span>, l’estimateur est dit rigoureusement non biais\u00e9 \u00e0 \u00e9chantillon fini. Dans le cas contraire, l’estimateur tend \u00e0 surestimer (si le biais est positif) ou \u00e0 sous-estimer (si le biais est n\u00e9gatif) syst\u00e9matiquement la quantit\u00e9 populationnelle recherch\u00e9e.<\/p>\n

L’illustration la plus \u00e9clatante du ph\u00e9nom\u00e8ne de biais r\u00e9side dans l’estimation de la variance. Consid\u00e9rons l’estimateur na\u00eff de la variance de population, calcul\u00e9 en divisant la somme des carr\u00e9s des \u00e9carts \u00e0 la moyenne empirique par l’effectif brut $n$<\/span> :<\/p>\n

$$S_{\\text{na\u00eff}}^2 = \\frac{1}{n} \\sum_{i=1}^n (X_i – \\bar{X})^2$$<\/span><\/p>\n

L’application de l’op\u00e9rateur d’esp\u00e9rance math\u00e9matique \u00e0 cette statistique d\u00e9montre formellement que :<\/p>\n

$$E(S_{\\text{na\u00eff}}^2) = \\frac{n-1}{n} \\sigma^2 = \\sigma^2 – \\frac{\\sigma^2}{n}$$<\/span><\/p>\n

On constate que l’estimateur na\u00eff pr\u00e9sente un biais n\u00e9gatif syst\u00e9matique d’ordre $-\\sigma^2\/n$<\/span>. Ce d\u00e9ficit provient du fait que les observations empiriques $X_i$<\/span> sont math\u00e9matiquement plus proches de leur propre moyenne d’\u00e9chantillon $\\bar{X}$<\/span> qu’elles ne le sont de la v\u00e9ritable moyenne populationnelle $\\mu$<\/span>. L’utilisation de $\\bar{X}$<\/span> consomme un degr\u00e9 de libert\u00e9 stochastique. Pour corriger cette distorsion, on applique la correction de Bessel<\/strong> en multipliant l’estimateur par le facteur correctif $n \/ (n – 1)$<\/span>, ce qui donne la formulation de la variance d’\u00e9chantillon corrig\u00e9e :<\/p>\n

$$S^2 = \\frac{1}{n – 1} \\sum_{i=1}^n (X_i – \\bar{X})^2$$<\/span><\/p>\n

D\u00e8s lors, $E(S^2) = \\sigma^2$<\/span>, conf\u00e9rant \u00e0 la statistique $S^2$<\/span> le statut d’estimateur rigoureusement sans biais du param\u00e8tre $\\sigma^2$<\/span>. En recherche exp\u00e9rimentale, le recours \u00e0 des estimateurs non biais\u00e9s prot\u00e8ge la validit\u00e9 interne des protocoles en pr\u00e9venant les d\u00e9rives cumulatives d’erreurs d’estimation.<\/p>\n

2.2 La convergence et la loi des grands nombres<\/h3>\n

Alors que la propri\u00e9t\u00e9 de non-biais caract\u00e9rise le comportement d’un estimateur \u00e0 taille d’\u00e9chantillon fix\u00e9e, le crit\u00e8re de convergence<\/strong> (ou consistance) d\u00e9crit son comportement asymptotique lorsque le nombre d’observations $n$<\/span> tend vers l’infini. Un estimateur ponctuel $\\hat{\\theta}_n$<\/span> est dit convergent s’il converge en probabilit\u00e9 vers le param\u00e8tre $\\theta$<\/span> au fur et \u00e0 mesure que la taille de l’\u00e9chantillon cro\u00eet ind\u00e9finiment. Formellement, pour tout seuil de tol\u00e9rance arbitrairement petit $epsilon > 0$<\/span>, la condition asymptotique s’\u00e9crit :<\/p>\n

$$\\lim_{n to \\infty} P(|\\hat{\\theta}_n – theta| < \\epsilon) = 1$$<\/span><\/p>\n

Cette propri\u00e9t\u00e9 garantit qu’en augmentant suffisamment le volume de donn\u00e9es collect\u00e9es, le chercheur s’assure que la statistique d’\u00e9chantillon se rapprochera de la v\u00e9ritable valeur populationnelle avec une certitude quasi absolue. Le fondement th\u00e9orique de la convergence de la moyenne empirique repose sur la Loi faible des grands nombres<\/a> formul\u00e9e par Khintchine et sur la Loi forte \u00e9tablie par Kolmogorov. Ces th\u00e9or\u00e8mes d\u00e9montrent que si une variable al\u00e9atoire $X$<\/span> admet une esp\u00e9rance finie $\\mu$<\/span>, la moyenne arithm\u00e9tique $\\bar{X}_n$<\/span> converge presque s\u00fbrement vers $\\mu$<\/span>.<\/p>\n

Une cons\u00e9quence directe de la convergence est la d\u00e9croissance progressive de la variance d’\u00e9chantillonnage de l’estimateur. Pour la moyenne empirique d’observations ind\u00e9pendantes et identiquement distribu\u00e9es d’\u00e9cart-type $\\sigma$<\/span>, la variance de l’estimateur s’exprime par $\\text{Var}(\\bar{X}) = \\frac{\\sigma^2}{n}$<\/span>. Par suite, l’erreur standard de la moyenne ($\\sigma \/ \\sqrt{n}$<\/span>) tend asymptotiquement vers z\u00e9ro lorsque $n$<\/span> approche l’infini. Cette propri\u00e9t\u00e9 est au c\u0153ur de la planification d’\u00e9tudes empiriques : l’analyse de puissance permet de calibrer la taille de l’\u00e9chantillon requise pour restreindre la marge d’erreur d’un estimateur ponctuel en de\u00e7\u00e0 d’un seuil critique pr\u00e9d\u00e9termin\u00e9.<\/p>\n

2.3 L’efficacit\u00e9 relative et la variance minimale<\/h3>\n

Dans de nombreuses configurations statistiques, il existe plusieurs estimateurs concurrents simultan\u00e9ment non biais\u00e9s et convergents pour appr\u00e9hender un m\u00eame param\u00e8tre de population. Par exemple, au sein d’une distribution sym\u00e9trique gaussienne, la moyenne d’\u00e9chantillon, la m\u00e9diane d’\u00e9chantillon et la moyenne tronqu\u00e9e constituent toutes des estimateurs non biais\u00e9s de l’esp\u00e9rance $\\mu$<\/span>. D\u00e8s lors, le choix de l’estimateur optimal s’effectue sur la base du crit\u00e8re d’efficacit\u00e9<\/strong>, qui mesure la concentration stochastique de l’estimateur autour du param\u00e8tre cible.<\/p>\n

L’efficacit\u00e9 relative de deux estimateurs sans biais $\\hat{\\theta}_1$<\/span> et $\\hat{\\theta}_2$<\/span> est d\u00e9finie comme le rapport inverse de leurs variances d’\u00e9chantillonnage respectives :<\/p>\n

$$\\text{Eff}(\\hat{\\theta}_1, \\hat{\\theta}_2) = \\frac{\\text{Var}(\\hat{\\theta}_2)}{\\text{Var}(\\hat{\\theta}_1)}$$<\/span><\/p>\n

L’estimateur poss\u00e9dant la variance la plus faible est qualifi\u00e9 de plus efficient, car ses r\u00e9alisations empiriques pr\u00e9sentent une dispersion moindre autour du param\u00e8tre r\u00e9el. La limite th\u00e9orique inf\u00e9rieure de la variance pouvant \u00eatre atteinte par un estimateur non biais\u00e9 r\u00e9gulier est fix\u00e9e par la c\u00e9l\u00e8bre borne de Cram\u00e9r-Rao<\/strong> (ou in\u00e9galit\u00e9 de Fr\u00e9chet-Darmois-Cram\u00e9r-Rao). Cette borne stipule que :<\/p>\n

$$\\text{Var}(\\hat{\\theta}) ge \\frac{1}{I_n(\\theta)}$$<\/span><\/p>\n

o\u00f9 $I_n(\\theta)$<\/span> d\u00e9signe l’information de Fisher contenue dans un \u00e9chantillon de taille $n$<\/span>. Un estimateur sans biais qui atteint exactement cette borne inf\u00e9rieure est qualifi\u00e9 d’estimateur sans biais \u00e0 variance minimale (MVUE)<\/strong> ou d’estimateur efficace absolu. Dans le cadre d’un \u00e9chantillonnage issu d’une population gaussienne, la moyenne arithm\u00e9tique $\\bar{X}$<\/span> atteint la borne de Cram\u00e9r-Rao, \u00e9tablissant son statut d’estimateur \u00e0 efficacit\u00e9 maximale ($100%$<\/span>). En revanche, la m\u00e9diane d’\u00e9chantillon pr\u00e9sente une efficacit\u00e9 asymptotique relative d’environ $63.7%$<\/span> en contexte de normalit\u00e9 parfaite, signifiant qu’il faudrait un \u00e9chantillon substantiellement plus grand pour obtenir avec la m\u00e9diane la m\u00eame pr\u00e9cision qu’avec la moyenne arithm\u00e9tique.<\/p>\n

3. Configuration de l’environnement R pour l’analyse des donn\u00e9es d’\u00e9chantillon<\/h2>\n

3.1 Gestion des structures de donn\u00e9es scalaires et vectorielles<\/h3>\n

L’impl\u00e9mentation op\u00e9rationnelle des calculs d’estimation ponctuelle exige une structuration rigoureuse des donn\u00e9es sous le syst\u00e8me R. L’unit\u00e9 d’analyse atomique en R est le vecteur<\/strong>, une structure unidimensionnelle s\u00e9quentielle contenant des \u00e9l\u00e9ments de m\u00eame nature typologique. La cr\u00e9ation d’un vecteur empirique contenant des scores psychom\u00e9triques ou des mesures exp\u00e9rimentales s’effectue classiquement par le recours \u00e0 la fonction de concat\u00e9nation c()<\/code> :<\/p>\n

scores_memoire <- c(45, 52, 38, 61, 49, 55, 42, 58, 50, 47)<\/code><\/p>\n

Lorsque le volume de donn\u00e9es cro\u00eet, les mesures empiriques sont structur\u00e9es sous forme de data.frame<\/code> ou de tibble<\/code> (via l'\u00e9cosyst\u00e8me tidyverse<\/a>). L'importation de fichiers externes au format CSV ou d\u00e9limit\u00e9 par des tabulations se r\u00e9alise de fa\u00e7on optimis\u00e9e via read.csv()<\/code> en R base ou readr::read_csv()<\/code> pour des performances accrues. Il est imp\u00e9ratif d'inspecter syst\u00e9matiquement la typologie intrins\u00e8que des colonnes \u00e0 l'aide des fonctions str()<\/code>, class()<\/code> et typeof()<\/code>. Une variable destin\u00e9e au calcul d'une estimation ponctuelle continue doit imp\u00e9rativement poss\u00e9der le type numeric<\/code> ou double<\/code>, tandis que les identifiants d'appartenance \u00e0 un groupe exp\u00e9rimental doivent \u00eatre d\u00e9clar\u00e9s en tant que factor<\/code>. L'ex\u00e9cution d'un calcul de moyenne sur un vecteur cod\u00e9 par m\u00e9garde comme character<\/code> provoquera une erreur fatale ou une coercion implicite ind\u00e9sirable.<\/p>\n

Un flux de travail scientifique reproductible commence toujours par la configuration explicite d'un script structur\u00e9 sous l'environnement de d\u00e9veloppement RStudio, d\u00e9butant par le chargement des librairies requises, la d\u00e9finition de chemins d'acc\u00e8s relatifs via le package here<\/code>, et l'instanciation de semences al\u00e9atoires reproductibles lors des processus stochastiques.<\/p>\n

3.2 Traitement des valeurs manquantes dans les mesures quantitatives<\/h3>\n

Dans la recherche observationnelle et clinique, les omissions de r\u00e9ponse, les abandons de protocole ou les artefacts d'enregistrement g\u00e9n\u00e8rent fr\u00e9quemment des valeurs manquantes. Sous R, ces absences de donn\u00e9es sont repr\u00e9sent\u00e9es formellement par la constante logique r\u00e9serv\u00e9e NA<\/code> (Not Available<\/em>). Une caract\u00e9ristique cruciale de R r\u00e9side dans son adh\u00e9sion stricte \u00e0 la logique ternaire de Kleene : toute op\u00e9ration arithm\u00e9tique standard appliqu\u00e9e \u00e0 un vecteur comportant un \u00e9l\u00e9ment NA<\/code> renvoie in\u00e9luctablement NA<\/code>.<\/p>\n

Pour illustrer ce comportement fondamental, consid\u00e9rons le vecteur suivant :<\/p>\n

donnees_cliniques <- c(12.4, 15.1, NA, 14.8, 16.2, NA, 13.9)<\/code><\/p>\n

L'ex\u00e9cution directe de l'instruction mean(donnees_cliniques)<\/code> renvoie imm\u00e9diatement NA<\/code>. Ce m\u00e9canisme de protection d\u00e9lib\u00e9r\u00e9 pr\u00e9vient le calcul silencieux d'estimations biais\u00e9es qui ignorerait la non-exhaustivit\u00e9 de la s\u00e9rie de donn\u00e9es. Pour contraindre R \u00e0 calculer l'estimation ponctuelle sur la base des seules observations compl\u00e8tes disponibles (proc\u00e9dure dite d'analyse de cas complets ou listwise deletion<\/em>), il est imp\u00e9ratif d'adjoindre le param\u00e8tre formel na.rm = TRUE<\/code> :<\/p>\n

estimation_moyenne <- mean(donnees_cliniques, na.rm = TRUE)<\/code><\/p>\n

En psychom\u00e9trie avanc\u00e9e, le recours passif \u00e0 na.rm = TRUE<\/code> ne doit cependant pas devenir un automatisme irr\u00e9fl\u00e9chi. Le chercheur se doit de diagnostiquer le m\u00e9canisme sous-jacent r\u00e9gissant l'absence de donn\u00e9es \u00e0 l'aide de packages d\u00e9di\u00e9s tels que naniar<\/code> ou VIM<\/code>. Si le m\u00e9canisme de perte n'est pas compl\u00e8tement al\u00e9atoire au sens de Rubin (Missing Completely At Random<\/em> - MCAR), l'omission pure et simple des observations manquantes introduira un biais substantiel dans l'estimation ponctuelle, n\u00e9cessitant alors le recours \u00e0 l'imputation multiple via des packages comme mice<\/code>.<\/p>\n

3.3 Exploration descriptive pr\u00e9alable des distributions<\/h3>\n

Avant d'extraire la moindre estimation ponctuelle param\u00e9trique, il est d'une imp\u00e9rieuse n\u00e9cessit\u00e9 m\u00e9thodologique de proc\u00e9der \u00e0 un examen exploratoire approfondi de la distribution empirique. Cette \u00e9tape diagnostique permet de d\u00e9terminer si l'estimateur ponctuel envisag\u00e9 (par exemple la moyenne arithm\u00e9tique) constitue un r\u00e9sum\u00e9 statistique fid\u00e8le ou s'il sera gravement d\u00e9natur\u00e9 par des anomalies distributionnelles.<\/p>\n

La commande g\u00e9n\u00e9rique summary(donnees)<\/code> constitue le point d'entr\u00e9e universel pour appr\u00e9hender simultan\u00e9ment le minimum, le premier quartile ($Q_1$<\/span>), la m\u00e9diane, la moyenne, le troisi\u00e8me quartile ($Q_3$<\/span>), le maximum, ainsi que le d\u00e9compte exhaustif des \u00e9ventuelles valeurs manquantes. La confrontation directe entre la moyenne et la m\u00e9diane offre une premi\u00e8re indication qualitative de l'asym\u00e9trie de la distribution : un \u00e9cart marqu\u00e9 entre ces deux m\u00e9triques trahit une d\u00e9viation substantielle vis-\u00e0-vis de la loi normale.<\/p>\n

L'inspection num\u00e9rique doit syst\u00e9matiquement s'accompagner d'une restitution graphique. L'utilisation d'histogrammes coupl\u00e9s \u00e0 des courbes de densit\u00e9 par noyau (geom_histogram()<\/code> et geom_density()<\/code> sous ggplot2<\/code>) permet de visualiser l'unimodalit\u00e9, la bimodalit\u00e9 ou le degr\u00e9 d'\u00e9talement de la distribution. Concomitamment, le trac\u00e9 de diagrammes en bo\u00eete \u00e0 moustaches (boxplots<\/em> via geom_boxplot()<\/code>) facilite l'identification imm\u00e9diate des observations aberrantes ou extr\u00eames se situant au-del\u00e0 de 1.5 fois l'\u00e9cart interquartile (r\u00e8gle de Tukey). La pr\u00e9sence av\u00e9r\u00e9e de ces points critiques orientera le choix de l'analyste vers des estimateurs ponctuels robustes d'embl\u00e9e imperm\u00e9ables \u00e0 cette contamination empirique.<\/p>\n

4. Calcul de l'estimation ponctuelle d'une moyenne de population dans R<\/h2>\n

4.1 Application pas \u00e0 pas de la fonction mean()<\/h3>\n

La moyenne arithm\u00e9tique constitue l'estimateur ponctuel le plus fr\u00e9quemment sollicit\u00e9 pour approximer l'esp\u00e9rance math\u00e9matique d'une population quantitative continue. Dans le langage R, le calcul de cet estimateur repose sur la fonction native mean()<\/code>, hautement optimis\u00e9e et compil\u00e9e en langage C sous-jacent pour garantir des performances d'ex\u00e9cution optimales sur de grands volumes de donn\u00e9es.<\/p>\n

Examinons l'ex\u00e9cution s\u00e9quentielle du calcul d'estimation ponctuelle de la moyenne \u00e0 partir d'un vecteur de mesures continues :<\/p>\n

echantillon_scores <- c(102.3, 98.7, 105.1, 110.4, 95.8, 101.2, 107.5, 99.1, 104.6, 103.0)<\/code><\/p>\n

Pour calculer l'estimation ponctuelle du param\u00e8tre $\\mu$<\/span>, la commande s'\u00e9crit :<\/p>\n

mu_chapeau <- mean(echantillon_scores)<\/code><\/p>\n

La valeur scalaire r\u00e9sultante, accessible par l'\u00e9valuation directe de l'objet mu_chapeau<\/code>, repr\u00e9sente notre meilleure estimation num\u00e9rique, d\u00e9nu\u00e9e de biais, de la moyenne arithm\u00e9tique qui serait observ\u00e9e si l'on avait acc\u00e8s \u00e0 la totalit\u00e9 de la population parente. Dans une perspective de programmation modulaire et d'analyse subs\u00e9quente, il est fortement recommand\u00e9 d'assigner syst\u00e9matiquement cette sortie \u00e0 une variable nomm\u00e9e de fa\u00e7on univoque, permettant sa r\u00e9injection ult\u00e9rieure dans des calculs d'intervalles de confiance, d'erreurs quadratiques moyennes ou de repr\u00e9sentations graphiques vectorielles.<\/p>\n

4.2 Exemple pratique appliqu\u00e9 : mesure du temps de r\u00e9action cognitive<\/h3>\n

Afin de contextualiser la manipulation empirique, consid\u00e9rons une \u00e9tude en neuroergonomie cognitive visant \u00e0 quantifier la latence moyenne de r\u00e9ponse motrice lors de la pr\u00e9sentation d'un stimulus visuel complexe sous deux conditions attentionnelles : sans distraction et avec distraction auditive simultan\u00e9e. Nous simulons ci-apr\u00e8s un jeu de donn\u00e9es exp\u00e9rimental r\u00e9aliste int\u00e9grant cette structure factorielle :<\/p>\n

set.seed(2026)<\/code>
\nn_sujets <- 60<\/code>
\ndonnees_cognitives <- data.frame(<\/code>
\n  id = 1:n_sujets,<\/code>
\n  condition = rep(c(\"Controle\", \"Distraction\"), each = n_sujets \/ 2),<\/code>
\n  temps_reaction = c(rnorm(n_sujets \/ 2, mean = 420, sd = 45), rnorm(n_sujets \/ 2, mean = 485, sd = 55))<\/code>
\n)<\/code><\/p>\n

Pour d\u00e9river l'estimation ponctuelle globale de la moyenne pour l'ensemble des participants, l'instruction classique s'ex\u00e9cute directement sur la colonne s\u00e9lectionn\u00e9e :<\/p>\n

mu_global <- mean(donnees_cognitives$temps_reaction)<\/code><\/p>\n

Toutefois, la finalit\u00e9 analytique r\u00e9side ici dans l'estimation conditionnelle des moyennes propres \u00e0 chaque sous-population exp\u00e9rimentale. L'\u00e9cosyst\u00e8me dplyr<\/code> offre une syntaxe d\u00e9clarative fluide, expressive et transparente pour proc\u00e9der \u00e0 cette estimation stratifi\u00e9e :<\/p>\n

library(dplyr)<\/code>
\nestimations_groupes <- donnees_cognitives %>%<\/code>
\n  group_by(condition) %>%<\/code>
\n  summarise(<\/code>
\n    taille_n = n(),<\/code>
\n    mu_estime = mean(temps_reaction),<\/code>
\n    sd_estime = sd(temps_reaction)<\/code>
\n  )<\/code><\/p>\n

Cette commande g\u00e9n\u00e8re une table r\u00e9capitulative o\u00f9 l'estimation ponctuelle de la latence moyenne s'\u00e9l\u00e8ve \u00e0 approximativement 418.5 ms dans la condition de contr\u00f4le, contre 487.2 ms sous distraction. Ces valeurs constituent nos estimations ponctuelles directes des param\u00e8tres $\\mu_{\\text{Contr\u00f4le}}$<\/span> et $\\mu_{\\text{Distraction}}$<\/span>, illustrant de mani\u00e8re empirique l'effet de surcharge attentionnelle induit par l'environnement multit\u00e2che.<\/p>\n

4.3 Calcul manuel et d\u00e9composition algorithmique de l'estimateur<\/h3>\n

L'assimilation approfondie des m\u00e9canismes computationnels sous R n\u00e9cessite de d\u00e9passer le recours passif aux fonctions encapsul\u00e9es pour d\u00e9composer la formule math\u00e9matique en primitives arithm\u00e9tiques fondamentales. L'estimateur de la moyenne empirique repose analytiquement sur le calcul de la somme arithm\u00e9tique pond\u00e9r\u00e9e par l'inverse de la taille vectorielle :<\/p>\n

$$\\bar{x} = \\frac{1}{n} \\sum_{i=1}^n x_i$$<\/span><\/p>\n

En R de base, cette formulation se traduit directement par l'articulation des fonctions sum()<\/code> et length()<\/code> :<\/p>\n

x <- c(102.3, 98.7, 105.1, 110.4, 95.8, 101.2, 107.5, 99.1, 104.6, 103.0)<\/code>
\nsomme_observations <- sum(x)<\/code>
\nnombre_observations <- length(x)<\/code>
\nmoyenne_manuelle <- somme_observations \/ nombre_observations<\/code><\/p>\n

En \u00e9valuant l'\u00e9galit\u00e9 fonctionnelle via l'instruction logique all.equal(moyenne_manuelle, mean(x))<\/code>, R renvoie la valeur TRUE<\/code>, d\u00e9montrant l'\u00e9quivalence algorithmique parfaite entre l'impl\u00e9mentation manuelle et la routine standard. Cette d\u00e9composition permet de mettre en lumi\u00e8re un principe th\u00e9orique fondamental : l'estimation ponctuelle moyenne attribue exactement le m\u00eame poids arithm\u00e9tique ($1\/n$<\/span>) \u00e0 chaque observation individuelle, rendant la statistique intrins\u00e8quement sensible aux valeurs extr\u00eames qui peuvent tirer artificiellement l'estimation vers les queues de distribution.<\/p>\n

5. Calcul de l'estimation ponctuelle d'une proportion de population dans R<\/h2>\n

5.1 Formalisation des variables cat\u00e9gorielles et indicatrices<\/h3>\n

Dans l'investigation empirique, de nombreux ph\u00e9nom\u00e8nes d'int\u00e9r\u00eat ne sont pas de nature continue mais qualitativement dichotomiques : la gu\u00e9rison d'un patient (oui\/non), la r\u00e9ussite \u00e0 un item psychom\u00e9trique (succ\u00e8s\/\u00e9chec), ou l'adh\u00e9sion \u00e0 une modalit\u00e9 d'opinion. L'analyse de ces variables discr\u00e8tes n\u00e9cessite leur conversion formelle sous forme de variables indicatrices<\/strong> (ou variables bernoulliennes). Une variable indicatrice $X_i$<\/span> prend conventionnellement la valeur binaire $1$ si l'\u00e9v\u00e9nement ou le crit\u00e8re d'int\u00e9r\u00eat est v\u00e9rifi\u00e9 pour l'individu $i$<\/span>, et la valeur $0$ dans le cas contraire.<\/p>\n

Le param\u00e8tre th\u00e9orique sous-jacent est la proportion populationnelle $\\pi in [0, 1]$<\/span>, correspondant \u00e0 la probabilit\u00e9 de succ\u00e8s d'une \u00e9preuve al\u00e9atoire ind\u00e9pendante de Bernoulli. L'estimateur ponctuel classique $p$<\/span> ou $\\hat{\\pi}$<\/span> est math\u00e9matiquement d\u00e9fini comme le quotient du nombre total de succ\u00e8s observ\u00e9s $k$<\/span> par l'effectif total d'\u00e9chantillon $n$<\/span> :<\/p>\n

$$p = \\frac{k}{n} = \\frac{1}{n} \\sum_{i=1}^n X_i$$<\/span><\/p>\n

Une propri\u00e9t\u00e9 alg\u00e9brique remarquable d\u00e9coule directement de cette formalisation : la proportion empirique $p$<\/span> d'une variable binaire cod\u00e9e ${0, 1}$<\/span> est formellement \u00e9quivalente \u00e0 la moyenne arithm\u00e9tique<\/strong> de ce vecteur indicatif. En cons\u00e9quence, l'ensemble des th\u00e9or\u00e8mes et propri\u00e9t\u00e9s math\u00e9matiques applicables \u00e0 la moyenne empirique (non-biais, convergence par la loi des grands nombres, normalit\u00e9 asymptotique via le th\u00e9or\u00e8me central limite) s'appliquent identiquement \u00e0 l'estimateur ponctuel de la proportion.<\/p>\n

5.2 Ex\u00e9cution num\u00e9rique avec prop.table() et calcul direct<\/h3>\n

L'environnement R fournit de multiples voies algorithmiques pour d\u00e9river l'estimation ponctuelle d'une proportion \u00e0 partir de donn\u00e9es cat\u00e9gorielles brutes. Supposons un vecteur de r\u00e9ponses qualitatives collect\u00e9es au sein d'une cohorte clinique :<\/p>\n

reponses_traitement <- factor(c(\"Rechute\", \"Remission\", \"Remission\", \"Rechute\", \"Remission\", \"Remission\", \"Remission\", \"Rechute\", \"Remission\", \"Rechute\"))<\/code><\/p>\n

La premi\u00e8re m\u00e9thode, fond\u00e9e sur l'alg\u00e8bre bool\u00e9enne vectorielle, consiste \u00e0 \u00e9valuer une condition logique directement au sein de la fonction mean()<\/code> :<\/p>\n

pi_chapeau_direct <- mean(reponses_traitement == \"Remission\")<\/code><\/p>\n

L'\u00e9valuation de reponses_traitement == \"Remission\"<\/code> g\u00e9n\u00e8re un vecteur logique compos\u00e9 de TRUE<\/code> et FALSE<\/code>. Lorsque ce vecteur est transmis \u00e0 une fonction num\u00e9rique telle que mean()<\/code>, R op\u00e8re une conversion de type automatique (coercion), convertissant implicitement les TRUE<\/code> en $1$ et les FALSE<\/code> en $0$. Le calcul de la moyenne renvoie alors directement la proportion exacte de r\u00e9mission (ici, $0.60$ soit $60%$<\/span>).<\/p>\n

La seconde approche repose sur la combinaison des fonctions fondamentales table()<\/code> et prop.table()<\/code> :<\/p>\n

effectifs_absolus <- table(reponses_traitement)<\/code>
\nproportions_relatives <- prop.table(effectifs_absolus)<\/code><\/p>\n

La table r\u00e9sultante affiche de mani\u00e8re exhaustive l'estimation ponctuelle simultan\u00e9e de l'ensemble des modalit\u00e9s cat\u00e9gorielles de la variable factorielle : $0.40$ pour la modalit\u00e9 \"Rechute\" et $0.60$ pour \"Remission\". Cette m\u00e9thodologie s'av\u00e8re particuli\u00e8rement puissante lorsque la variable qualitative comporte plus de deux cat\u00e9gories (variables multinomiales), permettant d'extraire le vecteur complet des estimations ponctuelles en une seule instruction coh\u00e9rente.<\/p>\n

5.3 Exemple pratique appliqu\u00e9 : taux de pr\u00e9valence d'un sympt\u00f4me clinique<\/h3>\n

Imaginons une recherche \u00e9pid\u00e9miologique en psychiatrie communautaire \u00e9valuant la pr\u00e9valence ponctuelle de la symptomatologie d\u00e9pressive majeure aupr\u00e8s d'une cohorte repr\u00e9sentative de 200 \u00e9tudiants universitaires en p\u00e9riode d'examens terminaux. Les \u00e9tudiants ont \u00e9t\u00e9 class\u00e9s selon le seuil clinique d'un inventaire standardis\u00e9 (Score au PHQ-9 $ge 10$<\/span>) et selon leur cycle d'\u00e9tudes (Licence \/ Master) :<\/p>\n

set.seed(1234)<\/code>
\nn_etudiants <- 200<\/code>
\ncohorte_clinique <- data.frame(<\/code>
\n  etudiant_id = 1:n_etudiants,<\/code>
\n  cycle = sample(c(\"Licence\", \"Master\"), size = n_etudiants, replace = TRUE, prob = c(0.6, 0.4)),<\/code>
\n  depistage_positif = sample(c(1, 0), size = n_etudiants, replace = TRUE, prob = c(0.28, 0.72))<\/code>
\n)<\/code><\/p>\n

Pour d\u00e9terminer l'estimation ponctuelle de la pr\u00e9valence globale au sein de la population estudiantine cible, nous ex\u00e9cutons :<\/p>\n

prevalence_globale <- mean(cohorte_clinique$depistage_positif)<\/code><\/p>\n

Pour approfondir l'analyse et d\u00e9composer cette estimation en fonction du cycle universitaire, nous d\u00e9ployons une syntaxe vectorielle group\u00e9e :<\/p>\n

prevalence_par_cycle <- cohorte_clinique %>%<\/code>
\n  group_by(cycle) %>%<\/code>
\n  summarise(<\/code>
\n    total_cas = sum(depistage_positif),<\/code>
\n    taille_echantillon = n(),<\/code>
\n    taux_prevalence = mean(depistage_positif)<\/code>
\n  )<\/code><\/p>\n

L'estimation ponctuelle ainsi d\u00e9riv\u00e9e permet aux d\u00e9cideurs universitaires en sant\u00e9 publique de disposer d'une m\u00e9trique chiffr\u00e9e pr\u00e9cise quantifiant la proportion th\u00e9orique d'\u00e9tudiants n\u00e9cessitant une prise en charge m\u00e9dico-psychologique, segment\u00e9e par niveau acad\u00e9mique.<\/p>\n

6. Estimation ponctuelle des param\u00e8tres de dispersion : variance et \u00e9cart-type<\/h2>\n

6.1 Calcul de la variance d'\u00e9chantillon corrig\u00e9e avec var()<\/h3>\n

L'estimation ponctuelle de la tendance centrale demeure incompl\u00e8te sans la quantification simultan\u00e9e de l'h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 ou de la variabilit\u00e9 des donn\u00e9es au sein de la population parente. Le param\u00e8tre d'h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 quadratique par excellence est la variance $\\sigma^2$<\/span>. Comme \u00e9tabli dans la section 2.1, l'estimateur empirique standard impl\u00e9ment\u00e9 dans le logiciel R pour approximer $\\sigma^2$<\/span> int\u00e8gre d'office la correction de Bessel au d\u00e9nominateur :<\/p>\n

$$s^2 = \\frac{1}{n-1}\\sum_{i=1}^n (x_i - \\bar{x})^2$$<\/span><\/p>\n

L'ex\u00e9cution de cette op\u00e9ration s'effectue via la fonction g\u00e9n\u00e9rique var()<\/code> :<\/p>\n

mesures_variabilite <- c(88, 92, 110, 95, 103, 99, 105, 91, 108, 97)<\/code>
\nvariance_estimee <- var(mesures_variabilite, na.rm = TRUE)<\/code><\/p>\n

Il est capital de souligner que la fonction var()<\/code> de R ne calcule jamais<\/strong> la variance descriptive brute de l'\u00e9chantillon (fond\u00e9e sur une division par $n$<\/span>). Les concepteurs du langage R ont fait le choix structurel r\u00e9solu d'orienter le logiciel vers la statistique inf\u00e9rentielle : toute statistique de variance renvoy\u00e9e par le syst\u00e8me est par d\u00e9faut l'estimateur non biais\u00e9 de la variance de population. Si un chercheur utilisait par erreur une formule divisant par $n$<\/span> sur un petit \u00e9chantillon clinique ($n = 10$<\/span>), il sous-estimerait syst\u00e9matiquement la variance r\u00e9elle de population de $10%$<\/span>, introduisant un biais d\u00e9l\u00e9t\u00e8re dans les mod\u00e9lisations pr\u00e9dictives subs\u00e9quentes.<\/p>\n

6.2 D\u00e9rivation de l'\u00e9cart-type de population avec sd()<\/h3>\n

Bien que la variance pr\u00e9sente des propri\u00e9t\u00e9s math\u00e9matiques \u00e9l\u00e9gantes (notamment la propri\u00e9t\u00e9 d'additivit\u00e9 pour des variables ind\u00e9pendantes), elle poss\u00e8de l'inconv\u00e9nient pratique majeur de s'exprimer dans le carr\u00e9 de l'unit\u00e9 de mesure d'origine (par exemple des millisecondes au carr\u00e9 ou des points d'anxi\u00e9t\u00e9 au carr\u00e9). Pour restituer la dispersion dans l'\u00e9chelle m\u00e9trique naturelle des donn\u00e9es, on utilise l'\u00e9cart-type $\\sigma$<\/span>, estim\u00e9 empiriquement par la fonction sd()<\/code> (standard deviation<\/em>) :<\/p>\n

ecart_type_estime <- sd(mesures_variabilite, na.rm = TRUE)<\/code><\/p>\n

Sur le plan de la rigueur math\u00e9matique, il importe de noter une subtilit\u00e9 fondamentale souvent occult\u00e9e : bien que la variance corrig\u00e9e $s^2$<\/span> soit un estimateur parfaitement sans biais de $\\sigma^2$<\/span>, l'\u00e9cart-type d'\u00e9chantillon $s = \\sqrt{s^2}$<\/span> pr\u00e9sente un l\u00e9ger biais r\u00e9siduel<\/strong> en tant qu'estimateur de $\\sigma$<\/span>. Ce ph\u00e9nom\u00e8ne d\u00e9coule directement de l'in\u00e9galit\u00e9 de Jensen pour les fonctions concaves, laquelle d\u00e9montre que l'esp\u00e9rance de la racine carr\u00e9e d'une variable al\u00e9atoire est strictement inf\u00e9rieure \u00e0 la racine carr\u00e9e de l'esp\u00e9rance de cette m\u00eame variable :<\/p>\n

$$E(S) = E\\left(\\sqrt{S^2}\\right) < \\sqrt{E(S^2)} = \\sigma$$<\/span><\/p>\n

En pratique, pour des distributions normales, l'\u00e9cart-type d'\u00e9chantillon tend \u00e0 sous-estimer tr\u00e8s marginalement l'\u00e9cart-type de population lorsque la taille d'\u00e9chantillon $n$<\/span> est tr\u00e8s faible. Bien qu'il existe des facteurs de correction analytiques fond\u00e9s sur la fonction Gamma pour \u00e9liminer totalement ce biais, ce biais asymptotique d\u00e9cro\u00eet tr\u00e8s rapidement avec l'augmentation de $n$<\/span>, de sorte que la statistique renvoy\u00e9e par sd()<\/code> est universellement adopt\u00e9e comme l'estimation ponctuelle canonique de la variabilit\u00e9 populationnelle.<\/p>\n

6.3 Calcul de l'erreur standard de la moyenne (SEM)<\/h3>\n

L'un des \u00e9cueils m\u00e9thodologiques les plus fr\u00e9quents dans la litt\u00e9rature scientifique r\u00e9side dans la confusion pernicieuse entre l'\u00e9cart-type de l'\u00e9chantillon ($s$<\/span>) et l'erreur standard de la moyenne<\/strong> (not\u00e9e SEM pour Standard Error of the Mean<\/em>). Tandis que l'\u00e9cart-type mesure la dispersion des observations individuelles autour de leur moyenne au sein de la population, l'erreur standard de la moyenne quantifie la variabilit\u00e9 d'\u00e9chantillonnage de l'estimateur ponctuel $\\bar{X}$<\/span> lui-m\u00eame, c'est-\u00e0-dire l'\u00e9cart-type th\u00e9orique de la distribution de l'ensemble des moyennes d'\u00e9chantillon possibles de taille $n$<\/span>.<\/p>\n

Formellement, l'estimation ponctuelle de l'erreur standard de la moyenne se formule selon le ratio suivant :<\/p>\n

$$\\text{SEM} = \\hat{\\sigma}_{\\bar{x}} = \\frac{s}{\\sqrt{n}}$$<\/span><\/p>\n

Curieusement, R base ne propose pas de fonction atomique nomm\u00e9e sem()<\/code>. Le statisticien doit soit programmer cette m\u00e9trique \u00e9l\u00e9mentaire via une fonction personnalis\u00e9e, soit mobiliser des packages d'extension sp\u00e9cialis\u00e9s :<\/p>\n

# Fonction personnalis\u00e9e native sous R<\/code>
\ncalculer_sem <- function(vecteur, na.rm = TRUE) {<\/code>
\n  if (na.rm) vecteur <- vecteur[!is.na(vecteur)]<\/code>
\n  sd(vecteur) \/ sqrt(length(vecteur))<\/code>
\n}<\/code>
\nerreur_standard <- calculer_sem(mesures_variabilite)<\/code><\/p>\n

Alternativement, le package psychom\u00e9trique de r\u00e9f\u00e9rence psych<\/code> d\u00e9velopp\u00e9 par William Revelle propose la fonction describe()<\/code>, qui extrait de mani\u00e8re exhaustive la moyenne, l'\u00e9cart-type, la m\u00e9diane, l'asym\u00e9trie, l'aplatissement ainsi que l'estimation ponctuelle pr\u00e9cise de la SEM sous la colonne se<\/code> :<\/p>\n

# Extraction automatis\u00e9e via le package psych<\/code>
\n# library(psych)<\/code>
\n# psych::describe(mesures_variabilite)$se<\/code><\/p>\n

L'erreur standard constitue une m\u00e9trique indispensable pour qualifier la pr\u00e9cision m\u00e9trologique de l'estimation ponctuelle : plus la SEM est infinit\u00e9simale, plus la confiance dans la proximit\u00e9 de la moyenne calcul\u00e9e avec le param\u00e8tre $\\mu$<\/span> est statistiquement justifi\u00e9e.<\/p>\n

7. Estimations ponctuelles robustes pour distributions asym\u00e9triques<\/h2>\n

7.1 Calcul de la m\u00e9diane de population avec median()<\/h3>\n

Les propri\u00e9t\u00e9s de non-biais et d'efficacit\u00e9 maximale de la moyenne arithm\u00e9tique s'effondrent d\u00e8s lors que la distribution sous-jacente s'\u00e9carte du postulat d'homosc\u00e9dasticit\u00e9 et de normalit\u00e9 sym\u00e9trique, ou lorsqu'elle subit une contamination par des valeurs atypiques. Dans de telles circonstances, la moyenne est fortement d\u00e9port\u00e9e vers la queue de distribution, cessant de repr\u00e9senter fid\u00e8lement la localisation typique des observations.<\/p>\n

L'alternative non param\u00e9trique canonique est la m\u00e9diane de population<\/strong>, d\u00e9finie comme la valeur s\u00e9parant la distribution probabiliste en deux moiti\u00e9s d'aires \u00e9gales (50e centile). Son estimateur d'\u00e9chantillon, la m\u00e9diane empirique, s'obtient sous R par la commande \u00e9l\u00e9mentaire :<\/p>\n

echantillon_asymetrique <- c(210, 225, 205, 230, 215, 240, 220, 218, 950) # Int\u00e9gration d'une valeur extr\u00eame (950)<\/code>
\nmoyenne_impactee <- mean(echantillon_asymetrique)<\/code>
\nmediane_robuste <- median(echantillon_asymetrique)<\/code><\/p>\n

Alors que la moyenne arithm\u00e9tique est propuls\u00e9e \u00e0 $307.0$ sous l'influence disproportionn\u00e9e de la seule valeur $950$, la m\u00e9diane d'\u00e9chantillon demeure imperturbablement fix\u00e9e \u00e0 $220.0$, refl\u00e9tant avec une fid\u00e9lit\u00e9 remarquable le centre de gravit\u00e9 de la masse des donn\u00e9es. La m\u00e9diane poss\u00e8de un point de rupture<\/strong> (breakdown point<\/em>) exceptionnellement \u00e9lev\u00e9 de $50%$<\/span>, ce qui signifie que pr\u00e8s de la moiti\u00e9 des observations de l'\u00e9chantillon peuvent \u00eatre arbitrairement contamin\u00e9es sans que l'estimation de localisation ne diverge vers l'infini.<\/p>\n

7.2 Moyenne tronqu\u00e9e et moyenne winsoris\u00e9e dans R<\/h3>\n

Bien que la m\u00e9diane soit extraordinairement r\u00e9sistante aux valeurs aberrantes, son efficacit\u00e9 statistique sous l'hypoth\u00e8se de normalit\u00e9 parfaite est modeste ($63.7%$<\/span>). Pour parvenir \u00e0 un arbitrage m\u00e9thodologique optimal entre la robustesse face aux anomalies et l'efficacit\u00e9 param\u00e9trique, les statisticiens ont d\u00e9velopp\u00e9 la famille des estimateurs de localisation par tronquature et winsorisation<\/strong>.<\/p>\n

La moyenne tronqu\u00e9e<\/strong> (trimmed mean<\/em>) consiste \u00e0 \u00e9laguer sym\u00e9triquement une proportion pr\u00e9d\u00e9finie $\\gamma in [0, 0.5]$<\/span> des plus petites et des plus grandes observations ordonn\u00e9es avant de calculer la moyenne arithm\u00e9tique sur les donn\u00e9es r\u00e9siduelles. La fonction native mean()<\/code> de R int\u00e8gre nativement l'argument formel trim<\/code> pour accomplir cette op\u00e9ration :<\/p>\n

# Calcul d'une moyenne tronqu\u00e9e \u00e0 10% (\u00e9limination de 10% \u00e0 chaque extr\u00e9mit\u00e9)<\/code>
\nmoyenne_tronquee <- mean(echantillon_asymetrique, trim = 0.10)<\/code><\/p>\n

La moyenne winsoris\u00e9e<\/strong>, introduite formellement par Charles Winsor, adopte une philosophie l\u00e9g\u00e8rement distincte : plut\u00f4t que de supprimer les observations situ\u00e9es dans les queues de distribution, elle remplace ces percentiles extr\u00eames par la valeur de l'observation valide la plus proche non \u00e9limin\u00e9e. L'impl\u00e9mentation de cet estimateur robuste s'effectue ais\u00e9ment via le package sp\u00e9cialis\u00e9 psych<\/code> ou la biblioth\u00e8que statistique avanc\u00e9e WRS2<\/code> (d\u00e9velopp\u00e9e par Rand Wilcox) :<\/p>\n

library(psych)<\/code>
\nmoyenne_winsorisee <- psych::winsor.mean(echantillon_asymetrique, trim = 0.10)<\/code><\/p>\n

Ces estimateurs constituent des alternatives remarquablement performantes dans l'analyse de donn\u00e9es chronom\u00e9triques (latences cognitives) ou de donn\u00e9es \u00e9conomiques comportementales, o\u00f9 les valeurs extr\u00eames r\u00e9sultent fr\u00e9quemment d'inattentions passag\u00e8res du participant ou de ruptures transitoires de capteurs techniques.<\/p>\n

7.3 \u00c9cart absolu \u00e0 la m\u00e9diane (MAD) et dispersion robuste<\/h3>\n

Tout comme la moyenne arithm\u00e9tique est excessivement sensible aux valeurs aberrantes, la variance d'\u00e9chantillon ($s^2$<\/span>) et l'\u00e9cart-type ($s$<\/span>) poss\u00e8dent un point de rupture structurel catastrophique de $0%$<\/span> : la pr\u00e9sence d'une unique observation hautement divergente suffit \u00e0 gonfler artificiellement la variance jusqu'\u00e0 lui faire atteindre des proportions aberrantes. Pour estimer de fa\u00e7on ponctuelle et robuste le param\u00e8tre de dispersion de population, l'estimateur de r\u00e9f\u00e9rence est l'\u00e9cart absolu \u00e0 la m\u00e9diane<\/strong>, universellement d\u00e9sign\u00e9 par l'acronyme MAD<\/strong> (Median Absolute Deviation<\/em>).<\/p>\n

Math\u00e9matiquement, le MAD non ajust\u00e9 correspond \u00e0 la m\u00e9diane des \u00e9carts absolus par rapport \u00e0 la m\u00e9diane empirique de la s\u00e9rie :<\/p>\n

$$\\text{MAD} = \\text{Med}(|X_i - \\text{Med}(X)|)$$<\/span><\/p>\n

Sous R, l'ex\u00e9cution s'op\u00e8re via la commande native mad()<\/code> :<\/p>\n

dispersion_robuste <- mad(echantillon_asymetrique)<\/code><\/p>\n

Une caract\u00e9ristique primordiale de la fonction mad()<\/code> dans R m\u00e9rite d'\u00eatre soulign\u00e9e : par d\u00e9faut, la fonction applique automatiquement un facteur d'\u00e9chelle multiplicatif constant $\\approx 1.4826$<\/span> (contr\u00f4l\u00e9 par le param\u00e8tre constant = 1.482602218505602<\/code>). Ce facteur de normalisation garantit que l'estimation ponctuelle issue du MAD soit asymptotiquement non biais\u00e9e et rigoureusement comparable \u00e0 l'\u00e9cart-type conventionnel $\\sigma$<\/span> si la distribution sous-jacente \u00e9tait parfaitement gaussienne :<\/p>\n

$$E(\\text{mad}(X)) = \\sigma \\quad \\text{pour } X \\sim \\mathcal{N}(\\mu, \\sigma^2)$$<\/span><\/p>\n

Le recours syst\u00e9matique \u00e0 la combinaison de la m\u00e9diane et du MAD constitue le protocole descriptif moderne par excellence pr\u00e9conis\u00e9 pour l'analyse exploratoire de distributions fortement asym\u00e9triques ou contamin\u00e9es.<\/p>\n

8. Estimation ponctuelle des param\u00e8tres d'association bivari\u00e9e<\/h2>\n

8.1 Estimation du coefficient de corr\u00e9lation lin\u00e9aire de Pearson<\/h3>\n

Dans l'investigation des relations fonctionnelles unissant deux variables quantitatives continues conjointes, le param\u00e8tre populationnel fondamental d'association bivari\u00e9e est le coefficient de corr\u00e9lation lin\u00e9aire de Bravais-Pearson, symbolis\u00e9 par la lettre grecque $rho$<\/span>. Ce param\u00e8tre mesure l'intensit\u00e9 et la direction de la d\u00e9pendance lin\u00e9aire entre deux variables al\u00e9atoires normalis\u00e9es. L'estimateur ponctuel canonique associ\u00e9 est le coefficient $r$<\/span> de Pearson, obtenu empiriquement par le ratio de la covariance d'\u00e9chantillon sur le produit des \u00e9carts-types marginaux :<\/p>\n

$$r = \\frac{\\sum_{i=1}^n (x_i - \\bar{x})(y_i - \\bar{y})}{\\sqrt{\\sum_{i=1}^n (x_i - \\bar{x})^2 \\sum_{i=1}^n (y_i - \\bar{y})^2}}$$<\/span><\/p>\n

Dans l'environnement R, le calcul de l'estimation ponctuelle de $rho$<\/span> s'effectue via la fonction cor()<\/code>, en veillant \u00e0 param\u00e9trer rigoureusement la gestion des \u00e9ventuelles valeurs manquantes :<\/p>\n

score_stress <- c(12, 18, 25, 15, 30, 22, 19, 28, 14, 24)<\/code>
\nscore_anxiete <- c(14, 20, 29, 17, 34, 26, 21, 31, 16, 27)<\/code>
\nrho_estime <- cor(score_stress, score_anxiete, method = \"pearson\", use = \"complete.obs\")<\/code><\/p>\n

La statistique r\u00e9sultante $r \\approx 0.98$<\/span> constitue notre estimation ponctuelle de la corr\u00e9lation populationnelle. Toutefois, l'utilisation de cet estimateur repose sur le respect imp\u00e9ratif de postulats distributionnels stricts : les deux variables doivent suivre conjointement une loi normale bivari\u00e9e exempte de ruptures de lin\u00e9arit\u00e9 ou de relations curvilin\u00e9aires. La pr\u00e9sence d'un unique point aberrant bivari\u00e9 (un point situ\u00e9 loin du nuage de points g\u00e9n\u00e9ral) peut engendrer une sur\u00e9valuation ou un effondrement artificiel de l'estimation ponctuelle de Pearson.<\/p>\n

8.2 Estimation des corr\u00e9lations de rangs de Spearman et Kendall<\/h3>\n

Lorsque les donn\u00e9es mesur\u00e9es proviennent d'\u00e9chelles ordinales (par exemple des items d'attitudes de Likert \u00e0 5 ou 7 points) ou lorsque les distributions marginales violent manifestement l'hypoth\u00e8se de normalit\u00e9, les estimateurs de corr\u00e9lation de rangs s'imposent pour approcher le param\u00e8tre de d\u00e9pendance monotone de population.<\/p>\n

Le rho de Spearman<\/strong> ($\\rho_s$<\/span>) consiste \u00e0 calculer l'estimation de corr\u00e9lation lin\u00e9aire de Pearson non pas sur les valeurs m\u00e9triques brutes, mais sur les rangs statistiques assign\u00e9s aux observations apr\u00e8s tri croissant. Le tau de Kendall<\/strong> ($tau$<\/span>) propose quant \u00e0 lui une estimation fond\u00e9e sur la balance relative entre le nombre de paires concordantes et discordantes au sein des donn\u00e9es d'\u00e9chantillon. L'ex\u00e9cution de ces deux estimateurs ponctuels sous R repose sur la simple modification de l'argument method<\/code> au sein de la m\u00eame fonction cor()<\/code> :<\/p>\n

# Estimation ponctuelle du rho de Spearman<\/code>
\nspearman_estime <- cor(score_stress, score_anxiete, method = \"spearman\")<\/code>
\n# Estimation ponctuelle du tau de Kendall<\/code>
\nkendall_estime <- cor(score_stress, score_anxiete, method = \"kendall\")<\/code><\/p>\n

Sur le plan inf\u00e9rentiel, le $tau$<\/span> de Kendall pr\u00e9sente des propri\u00e9t\u00e9s math\u00e9matiques sup\u00e9rieures sur des \u00e9chantillons de petite taille ($n < 30$) et permet une interpr\u00e9tation probabiliste directe : il quantifie la diff\u00e9rence entre la probabilit\u00e9 que les deux variables varient dans le m\u00eame sens et la probabilit\u00e9 qu'elles varient en sens inverse. L'obtention de ces coefficients fournit une estimation ponctuelle non param\u00e9trique de l'ampleur du lien fonctionnel liant les deux dimensions psychologiques.<\/p>\n

8.3 Calcul de la taille d'effet ponctuelle : le d de Cohen<\/h3>\n

Dans l'\u00e9valuation moderne de l'effet d'une intervention th\u00e9rapeutique ou d'une manipulation exp\u00e9rimentale, la seule estimation ponctuelle de la diff\u00e9rence brute de moyennes ($\\bar{x}_1 - \\bar{x}_2$<\/span>) s'av\u00e8re insuffisante, car elle demeure tributaire de l'\u00e9chelle m\u00e9trique sp\u00e9cifique du test utilis\u00e9. Pour standardiser cette amplitude et la rendre universellement intelligible et m\u00e9ta-analysable, Jacob Cohen a introduit le d de Cohen<\/strong>, estimateur ponctuel de la diff\u00e9rence moyenne standardis\u00e9e de population $\\delta$<\/span>.<\/p>\n

La formulation math\u00e9matique standard s'exprime selon le rapport :<\/p>\n

$$d = \\frac{\\bar{x}_1 - \\bar{x}_2}{s_{\\text{pool}}}$$<\/span><\/p>\n

o\u00f9 $s_{\\text{pool}}$<\/span> d\u00e9signe l'estimation conjointe de l'\u00e9cart-type commun aux deux groupes, pond\u00e9r\u00e9e par leurs degr\u00e9s de libert\u00e9 respectifs :<\/p>\n

$$s_{\\text{pool}} = \\sqrt{\\frac{(n_1 - 1)s_1^2 + (n_2 - 1)s_2^2}{n_1 + n_2 - 2}}$$<\/span><\/p>\n

Bien qu'il soit ais\u00e9 d'\u00e9crire l'algorithme direct en R, le package sp\u00e9cialis\u00e9 effsize<\/code> fournit une impl\u00e9mentation standardis\u00e9e de tr\u00e8s haute pr\u00e9cision via la fonction cohen.d()<\/code> :<\/p>\n

# Installation pr\u00e9alable si n\u00e9cessaire : install.packages(\"effsize\")<\/code>
\nlibrary(effsize)<\/code>
\ngroupe_therapie <- c(35, 42, 38, 45, 39, 41, 37, 44)<\/code>
\ngroupe_temoin <- c(52, 58, 49, 55, 60, 53, 56, 51)<\/code>
\ntaille_effet <- effsize::cohen.d(groupe_therapie, groupe_temoin)<\/code>
\nd_estime <- taille_effet$estimate<\/code><\/p>\n

Dans le cas d'\u00e9chantillons restreints ($n_1 + n_2 < 30$), l'estimateur$<\/span>d$ de Cohen tend \u00e0 surestimer marginalement la v\u00e9ritable taille d'effet populationnelle. La fonction cohen.d()<\/code> permet d'activer la correction asymptotique de Larry Hedges en param\u00e9trant hedges.correction = TRUE<\/code>, transformant la statistique en g de Hedges<\/strong>, estimateur formellement d\u00e9nu\u00e9 de biais pour les petits collectifs exp\u00e9rimentaux.<\/p>\n

9. Transition de l'estimation ponctuelle \u00e0 l'estimation par intervalle de confiance<\/h2>\n

9.1 D\u00e9rivation de l'intervalle de confiance pour la moyenne avec t.test()<\/h3>\n

Aussi rigoureuse soit-elle, une estimation ponctuelle $\\hat{\\theta}$<\/span> ne saurait \u00eatre interpr\u00e9t\u00e9e de fa\u00e7on isol\u00e9e sans sp\u00e9cifier l'incertitude stochastique qui entoure son calcul. Dans le cadre de l'inf\u00e9rence fr\u00e9quentiste, l'intervalle de confiance \u00e0 un seuil nominal $1 - \\alpha$<\/span> (g\u00e9n\u00e9ralement 95%) d\u00e9finit une r\u00e9gion al\u00e9atoire born\u00e9e $[L, U]$<\/span> calcul\u00e9e \u00e0 partir de l'\u00e9chantillon, poss\u00e9dant la propri\u00e9t\u00e9 de contenir la v\u00e9ritable valeur du param\u00e8tre $\\theta$<\/span> dans exactement $(1 - \\alpha)%$<\/span> des r\u00e9plications hypoth\u00e9tiques d'\u00e9chantillonnage de m\u00eame taille.<\/p>\n

Sous R, l'obtention simultan\u00e9e de l'estimation ponctuelle de la moyenne et de son intervalle de confiance associ\u00e9 s'op\u00e8re canoniquement via la fonction t.test()<\/code>, qui mobilise la distribution $t$<\/span> de Student pour tenir compte de l'incertitude li\u00e9e \u00e0 l'estimation pr\u00e9alable de la variance :<\/p>\n

scores_test <- c(82, 88, 91, 85, 87, 93, 89, 84, 90, 86)<\/code>
\nresultat_inf <- t.test(scores_test, conf.level = 0.95)<\/code><\/p>\n

L'objet retourn\u00e9 de classe htest<\/code> renferme une structure hi\u00e9rarchique dont les composants peuvent \u00eatre extraits s\u00e9lectivement via l'op\u00e9rateur d'indexation vectorielle $<\/code> :<\/p>\n

# Extraction de l'estimation ponctuelle<\/code>
\nmu_chapeau <- resultat_inf$estimate<\/code>
\n# Extraction des bornes inf\u00e9rieure et sup\u00e9rieure de l'intervalle<\/code>
\nic_95 <- resultat_inf$conf.int<\/code><\/p>\n

L'affichage montre une estimation ponctuelle $\\bar{x} = 87.5$<\/span>, encadr\u00e9e par un intervalle de confiance \u00e0 $95%$<\/span> s'\u00e9tendant approximativement de $85.0$ \u00e0 $90.0$. La signification \u00e9pist\u00e9mologique correcte de cet intervalle est fondamentale : il est formellement erron\u00e9 d'affirmer qu'\u00ab il y a 95% de chances que le vrai param\u00e8tre $\\mu$<\/span> soit dans cet intervalle sp\u00e9cifique \u00bb (le param\u00e8tre \u00e9tant une constante fixe d\u00e9terministe). L'interpr\u00e9tation exacte stipule que si le protocole exp\u00e9rimental \u00e9tait r\u00e9p\u00e9t\u00e9 une infinit\u00e9 de fois, $95%$<\/span> des intervalles de confiance ainsi construits recouvriraient la v\u00e9ritable moyenne de population $\\mu$<\/span>.<\/p>\n

9.2 Intervalle de confiance pour les proportions avec prop.test() et binom.test()<\/h3>\n

Pour l'estimation par intervalle d'une proportion de population $\\pi$<\/span>, l'environnement R offre deux m\u00e9thodologies distinctes, illustrant la fronti\u00e8re entre les approches asymptotiques approxim\u00e9es et les m\u00e9thodes d'inf\u00e9rence combinatoire exacte.<\/p>\n

La fonction prop.test()<\/code> repose sur l'approximation normale de la loi binomiale<\/strong> par le test du $\\chi^2$<\/span> de Pearson, incorporant par d\u00e9faut la correction de continuit\u00e9 de Yates :<\/p>\n

succes <- 45<\/code>
\nessais <- 100<\/code>
\ntest_asymptotique <- prop.test(succes, essais, conf.level = 0.95)<\/code>
\np_ponctuel <- test_asymptotique$estimate<\/code>
\nic_prop_asymp <- test_asymptotique$conf.int<\/code><\/p>\n

L'approximation asymptotique n'est toutefois valide que si les conditions de validit\u00e9 empiriques sont satisfaites ($n p ge 5$<\/span> et $n(1-p) ge 5$<\/span>). Lorsque la taille de l'\u00e9chantillon est restreinte ou que la proportion observ\u00e9e est hautement asym\u00e9trique (proche de $0$ ou de $1$), la normalit\u00e9 asymptotique est en d\u00e9faut. Dans cette situation, il convient d'ex\u00e9cuter la fonction binom.test()<\/code>, qui d\u00e9rive l'intervalle de confiance exact de Clopper-Pearson<\/strong>, fond\u00e9 directement sur la fonction de distribution cumulative inverse de la loi binomiale :<\/p>\n

test_exact <- binom.test(succes, essais, conf.level = 0.95)<\/code>
\nic_exact <- test_exact$conf.int<\/code><\/p>\n

Bien que l'estimation ponctuelle reste strictement identique entre les deux fonctions ($p = 0.45$<\/span>), l'intervalle exact de Clopper-Pearson garantit un taux de couverture stochastique empirique toujours sup\u00e9rieur ou \u00e9gal au niveau nominal sp\u00e9cifi\u00e9, \u00e9liminant tout risque d'anticonservatisme statistique.<\/p>\n

9.3 Visualisation int\u00e9gr\u00e9e des estimations ponctuelles et de leur marge d'erreur<\/h3>\n

Dans la communication des r\u00e9sultats scientifiques, la visualisation conjointe des estimations ponctuelles et de leur marge d'incertitude respective est devenue une exigence d\u00e9ontologique des comit\u00e9s de lecture internationaux. La grammaire graphique impl\u00e9ment\u00e9e par le package ggplot2<\/code> offre une flexibilit\u00e9 totale pour construire ces repr\u00e9sentations visuelles rigoureuses combinant points et barres d'erreur.<\/p>\n

Consid\u00e9rons l'exemple programmatique complet suivant, synth\u00e9tisant les estimations ponctuelles et leurs intervalles de confiance \u00e0 95% pour trois cohortes cliniques distinctes :<\/p>\n

library(ggplot2)<\/code>
\nresultats_synthese <- data.frame(<\/code>
\n  groupe = factor(c(\"Placebo\", \"Dose Faible\", \"Dose Forte\"), levels = c(\"Placebo\", \"Dose Faible\", \"Dose Forte\")),<\/code>
\n  moyenne = c(12.4, 18.2, 24.6),<\/code>
\n  ic_inf = c(10.1, 15.9, 22.1),<\/code>
\n  ic_sup = c(14.7, 20.5, 27.1)<\/code>
\n)<\/code>
\ngraphique_estimations <- ggplot(resultats_synthese, aes(x = groupe, y = moyenne)) +<\/code>
\n  geom_point(size = 4, color = \"#2c3e50\") +<\/code>
\n  geom_errorbar(aes(ymin = ic_inf, ymax = ic_sup), width = 0.15, linewidth = 0.8, color = \"#2c3e50\") +<\/code>
\n  labs(<\/code>
\n    title = \"Estimations Ponctuelles et Intervalles de Confiance \u00e0 95%\",<\/code>
\n    subtitle = \"Efficacit\u00e9 clinique comparative sur l'\u00e9chelle de bien-\u00eatre\",<\/code>
\n    x = \"Groupe Exp\u00e9rimental\",<\/code>
\n    y = \"Score Moyen Estim\u00e9\"<\/code>
\n  ) +<\/code>
\n  theme_minimal(base_size = 13)<\/code><\/p>\n

Ce type de restitution graphique permet une interpr\u00e9tation inf\u00e9rentielle imm\u00e9diate : si les intervalles de confiance de deux groupes ne se chevauchent pas, l'analyste peut d\u00e9duire intuitivement qu'une diff\u00e9rence statistiquement significative existe entre les param\u00e8tres moyens de ces sous-populations au seuil $\\alpha = 0.05$<\/span>.<\/p>\n

10. Estimation ponctuelle par la m\u00e9thode du maximum de vraisemblance dans R<\/h2>\n

10.1 Principes fondamentaux de la fonction de vraisemblance<\/h3>\n

Lorsque les donn\u00e9es empiriques proviennent de mod\u00e8les complexes (mod\u00e8les de r\u00e9gression non lin\u00e9aire, \u00e9quations structurelles, mod\u00e8les de r\u00e9ponse \u00e0 l'item) pour lesquels la m\u00e9thode des moments arithm\u00e9tiques \u00e9l\u00e9mentaires ne fournit pas d'estimateurs analytiques ferm\u00e9s, l'approche inf\u00e9rentielle reine est la m\u00e9thode du maximum de vraisemblance<\/strong> (ML pour Maximum Likelihood<\/em>), formalis\u00e9e initialement par Sir Ronald Fisher.<\/p>\n

Soit un \u00e9chantillon d'observations ind\u00e9pendantes et identiquement distribu\u00e9es $\\mathbf{x} = (x_1, x_2, dots, x_n)$<\/span> issu d'une densit\u00e9 de probabilit\u00e9 param\u00e9tr\u00e9e $f(x; \\theta)$<\/span>. La fonction de vraisemblance $L(\\theta; \\mathbf{x})$<\/span> inverse la perspective stochastique : les donn\u00e9es d'\u00e9chantillon sont consid\u00e9r\u00e9es comme fix\u00e9es et observ\u00e9es, tandis que le param\u00e8tre $\\theta$<\/span> est trait\u00e9 comme la variable d'ajustement. Elle quantifie la plausibilit\u00e9 relative de diff\u00e9rentes valeurs du param\u00e8tre ayant pu g\u00e9n\u00e9rer le jeu de donn\u00e9es effectivement observ\u00e9 :<\/p>\n

$$L(\\theta; \\mathbf{x}) = \\prod_{i=1}^n f(x_i; \\theta)$$<\/span><\/p>\n

Pour simplifier la manipulation math\u00e9matique et pr\u00e9venir les ph\u00e9nom\u00e8nes de sous-d\u00e9passement num\u00e9rique (numerical underflow<\/em>) caus\u00e9s par la multiplication r\u00e9p\u00e9t\u00e9e de probabilit\u00e9s infinit\u00e9simales, on travaille syst\u00e9matiquement avec le logarithme n\u00e9p\u00e9rien de la vraisemblance, d\u00e9sign\u00e9 sous le nom de log-vraisemblance<\/strong> $ell(\\theta; \\mathbf{x}) = \\ln L(\\theta; \\mathbf{x})$<\/span> :<\/p>\n

$$ell(\\theta; \\mathbf{x}) = \\sum_{i=1}^n \\ln f(x_i; \\theta)$$<\/span><\/p>\n

L'estimateur du maximum de vraisemblance (EMV)<\/strong>, not\u00e9 $\\hat{\\theta}_{\\text{ML}}$<\/span>, est la valeur pr\u00e9cise de l'espace des param\u00e8tres qui maximise cette fonction. Sous de tr\u00e8s larges conditions de r\u00e9gularit\u00e9 statistique, les estimateurs du maximum de vraisemblance poss\u00e8dent des propri\u00e9t\u00e9s asymptotiques remarquables : ils sont consistants, asymptotiquement normaux et atteignent asymptotiquement la borne minimale de variance de Cram\u00e9r-Rao, faisant du ML le standard absolu de la mod\u00e9lisation statistique avanc\u00e9e.<\/p>\n

10.2 Optimisation num\u00e9rique \u00e0 l'aide de la fonction optim()<\/h3>\n

Dans les environnements d'analyse appliqu\u00e9e sous R, la maximisation d'une fonction de vraisemblance dont la d\u00e9riv\u00e9e analytique n'admet pas de solution alg\u00e9brique directe repose sur des algorithmes d'optimisation num\u00e9rique it\u00e9rative. La routine fondamentale de R base d\u00e9di\u00e9e \u00e0 cette t\u00e2che est la fonction optim()<\/code>.<\/p>\n

Puisque la majorit\u00e9 des algorithmes d'optimisation math\u00e9matique sont con\u00e7us par convention pour minimiser une fonction objective, la pratique universelle sous R consiste \u00e0 programmer la log-vraisemblance n\u00e9gative<\/strong> (NLL pour Negative Log-Likelihood<\/em>). Minimiser la NLL \u00e9quivaut rigoureusement \u00e0 maximiser la fonction de log-vraisemblance originelle.<\/p>\n

Illustrons cette mod\u00e9lisation en programmant manuellement l'estimation ponctuelle des param\u00e8tres $\\mu$<\/span> et $\\sigma$<\/span> d'une distribution normale \u00e0 partir d'observations empiriques :<\/p>\n

# D\u00e9finition du vecteur de donn\u00e9es observ\u00e9es<\/code>
\nechantillon_gaussien <- c(10.2, 12.5, 9.8, 11.1, 10.7, 13.2, 8.9, 10.5)<\/code><\/p>\n

# \u00c9criture de la fonction de log-vraisemblance n\u00e9gative<\/code>
\nnll_normale <- function(parametres, donnees) {<\/code>
\n  mu <- parametres[1]<\/code>
\n  sigma <- parametres[2]<\/code>
\n  if (sigma <= 0) return(Inf) # Contrainte de positivit\u00e9 sur l'\u00e9cart-type<\/code>
\n  -sum(dnorm(donnees, mean = mu, sd = sigma, log = TRUE))<\/code>
\n}<\/code><\/p>\n

# Optimisation num\u00e9rique via l'algorithme quasi-Newton BFGS<\/code>
\najustement_ml <- optim(<\/code>
\n  par = c(mean(echantillon_gaussien), sd(echantillon_gaussien)), # Valeurs initiales<\/code>
\n  fn = nll_normale,<\/code>
\n  donnees = echantillon_gaussien,<\/code>
\n  method = \"BFGS\",<\/code>
\n  hessian = TRUE<\/code>
\n)<\/code><\/p>\n

# Extraction des estimations ponctuelles optimales<\/code>
\nestimations_ml <- ajustement_ml$par<\/code><\/p>\n

L'inspection du code de retour ajustement_ml$convergence<\/code> (o\u00f9 la valeur 0<\/code> atteste d'une convergence algorithmique parfaite sans incident num\u00e9rique) confirme que les valeurs extraites dans ajustement_ml$par<\/code> constituent les estimations ponctuelles conjointes du maximum de vraisemblance. De surcro\u00eet, l'inversion de la matrice hessienne finale renvoy\u00e9e par R fournit imm\u00e9diatement l'approximation empirique de la matrice de covariance des param\u00e8tres, permettant de d\u00e9river leurs erreurs standards asymptotiques.<\/p>\n

10.3 Utilisation de packages sp\u00e9cialis\u00e9s pour l'estimation de mod\u00e8les psychom\u00e9triques<\/h3>\n

Bien que la programmation directe via optim()<\/code> soit hautement p\u00e9dagogique et offre un contr\u00f4le algorithmique total, l'analyse empirique courante privil\u00e9gie des interfaces d\u00e9claratives de plus haut niveau. Le package bbmle<\/code>, d\u00e9velopp\u00e9 par Ben Bolker, standardise cette d\u00e9marche \u00e0 travers la commande mle2()<\/code>, permettant une syntaxe \u00e9pur\u00e9e inspir\u00e9e des formules de r\u00e9gression de R.<\/p>\n

Dans le domaine sp\u00e9cifique de la psychom\u00e9trie et de la mod\u00e9lisation \u00e0 variables latentes, le calcul des estimations ponctuelles s'effectue via des biblioth\u00e8ques hautement sp\u00e9cialis\u00e9es telles que lavaan<\/a> (pour les mod\u00e8les d'\u00e9quations structurelles et l'analyse factorielle confirmatoire) ou mirt<\/code> (pour les mod\u00e8les de th\u00e9orie de r\u00e9ponse aux items multi-dimensionnels). Ces environnements automatisent l'estimation ponctuelle conjointe de dizaines, voire de centaines de param\u00e8tres d'items (difficult\u00e9, discrimination, pseudo-chance) \u00e0 l'aide d'algorithmes sophistiqu\u00e9s de type Esp\u00e9rance-Maximisation (EM) ou de quasi-Newton avec int\u00e9gration de Gauss-Hermite, d\u00e9montrant la puissance de R dans le calcul d'estimations ponctuelles \u00e0 haute dimensionnalit\u00e9.<\/p>\n

11. M\u00e9thodes de r\u00e9\u00e9chantillonnage et bootstrap non param\u00e9trique dans R<\/h2>\n

11.1 Concept th\u00e9orique du r\u00e9\u00e9chantillonnage avec remise<\/h3>\n

L'inf\u00e9rence param\u00e9trique classique repose sur des postulats th\u00e9oriques stricts concernant la loi de distribution r\u00e9gissant les observations dans la population (par exemple, la normalit\u00e9 des r\u00e9sidus). Or, dans une multitude de situations concr\u00e8tes en recherche comportementale, le chercheur fait face \u00e0 des estimateurs ponctuels complexes dont la distribution d'\u00e9chantillonnage asymptotique est math\u00e9matiquement inconnue, analytiquement insoluble ou lourdement biais\u00e9e pour des \u00e9chantillons finis (tels que le ratio de variances, l'alpha de Cronbach ou les coefficients de m\u00e9diation indirecte).<\/p>\n

Pour surmonter cette impasse, Bradley Efron a d\u00e9velopp\u00e9 en 1979 la m\u00e9thode computationnelle du bootstrap non param\u00e9trique<\/strong>. L'axiome fondamental du bootstrap repose sur un principe d'analogie : l'\u00e9chantillon empirique observ\u00e9 constitue notre meilleure approximation disponible de la population parente inconnue. D\u00e8s lors, r\u00e9\u00e9chantillonner au sein de cet \u00e9chantillon avec remise simule le processus th\u00e9orique consistant \u00e0 tirer des \u00e9chantillons r\u00e9p\u00e9t\u00e9s au sein de la v\u00e9ritable population globale.<\/p>\n

L'algorithme de r\u00e9\u00e9chantillonnage it\u00e9ratif se d\u00e9ploie selon les \u00e9tapes suivantes :
\n1. G\u00e9n\u00e9rer un pseudo-\u00e9chantillon bootstrap $\\mathbf{x}^{*b}$<\/span> de taille strictement identique $n$<\/span>, tir\u00e9 de mani\u00e8re al\u00e9atoire uniforme avec remise<\/strong> \u00e0 partir de l'\u00e9chantillon original.
\n2. Calculer la statistique d'int\u00e9r\u00eat sur ce pseudo-\u00e9chantillon pour obtenir une r\u00e9plique bootstrap de l'estimation ponctuelle $\\hat{\\theta}^{*b}$<\/span>.
\n3. R\u00e9p\u00e9ter cette op\u00e9ration stochastique un grand nombre de fois $B$<\/span> (g\u00e9n\u00e9ralement $B ge 2000$<\/span>).
\n4. Analyser la distribution empirique des $B$<\/span> estimations obtenues pour quantifier la variance, le biais et les limites de confiance de l'estimateur sans formuler la moindre hypoth\u00e8se param\u00e9trique pr\u00e9alable.<\/p>\n

11.2 Mise en \u0153uvre automatis\u00e9e avec le package boot<\/h3>\n

Dans l'\u00e9cosyst\u00e8me R, la r\u00e9f\u00e9rence canonique pour la mise en \u0153uvre du bootstrap est le package boot<\/code> (recommand\u00e9 par Angelo Canty et Brian Ripley, int\u00e9gr\u00e9 aux installations standard de R). Son impl\u00e9mentation exige que le statisticien \u00e9crive pr\u00e9alablement une fonction statistique adapt\u00e9e respectant une signature formelle \u00e0 deux arguments : les donn\u00e9es originales et un vecteur d'index de r\u00e9\u00e9chantillonnage stochastique.<\/p>\n

Examinons le calcul bootstrap de l'estimation ponctuelle et du biais d'une moyenne tronqu\u00e9e \u00e0 20% :<\/p>\n

library(boot)<\/code>
\n# D\u00e9finition de la fonction d'estimation compatible avec boot<\/code>
\nfonction_estimation_trim <- function(donnees, indices) {<\/code>
\n  d_reechantillonne <- donnees[indices]<\/code>
\n  return(mean(d_reechantillonne, trim = 0.20))<\/code>
\n}<\/code><\/p>\n

# Ex\u00e9cution du bootstrap sur 2000 r\u00e9plications<\/code>
\nset.seed(42) # Fixation de la graine pour reproductibilit\u00e9 absolue<\/code>
\nresultats_boot <- boot(<\/code>
\n  data = echantillon_scores,<\/code>
\n  statistic = fonction_estimation_trim,<\/code>
\n  R = 2000<\/code>
\n)<\/code><\/p>\n

L'affichage de l'objet resultats_boot<\/code> fournit imm\u00e9diatement un diagnostic inf\u00e9rentiel d'une rare \u00e9l\u00e9gance :<\/p>\n