Introduction

  • Lorsqu'il s'agissait d'estimer une moyenne, on avait séparé deux cas

    1. Variance connue

    2. Variance à estimer

  • Le cas « variance connue » est plus pédagogique que réel

  • Pour comparer deux moyennes, on n'étudiera que le cas « variance(s) à estimer »

  • Il est alors plus facile de venir au cas « variance(s) connues » en considérant ces variances comme des quantités fixes et donc ne plus considérer leurs distributions

  • On ne va traiter ici que la solution alternative \(\mu \pm \delta\)

  • On l'appelle « méthode explicite », pour la différencier d'une autre méthode proposée (cf. plus loin le modèle linéaire) mais même si les distributions a posteriori seront effectivement explicites, le recours à des techniques d'estimations algorithmiques (ou des simulations) sera obligatoire

  • Ne seront pas présentées ici les lois a posteriori marginales mais uniquement des lois conditionnelles

→ à comparer au cas de l'estimation d'une seule moyenne