Master Pro M1, MAIM-SITN, Université Claude Bernard, Lyon1
Statistique Paramétrique année 2010-2011
Partiel du 24 Novembre 2010
Une feuille A4 avec les formules, tables des lois et des fractiles admises,
autres documents interdits.
Téléphones portables interdits. Calculatrice autorisée
Durée 3h
Exercice 1. (10 points)
Soit X1 , ..., Xn un n-échantillon. La fonction de densité de Xi , i = 1, ..., n
est
1 − θ si − 12 < x < 0
11 1 11 1
fθ (x) = 1 = (1 − θ) 2 <x<0 · (1 + θ) 0≤x< 2
1 + θ si 0 ≤ x < 2
avec le paramètre θ ∈]0, 1[.
1) Calculer IE(Xi ), Var(Xi ), i = 1, ..., n. (1 point)
2) Trouvez un estimateur par la méthode des moments pour θ. Notons cet
(1)
estimateur par θ̂n . (0.5 points)
(1) (1)
3) Etudier la convergence, le biais pour θ̂n . Calculer V ar[θ̂n ]. (1.5 points)
Considérons les variables aléatoires: Yi = 110≤Xi < 1 et Sn = ni=1 Yi .
P
2
4) Quelle est la loi de Yi ? et celle de Sn ? (1 point)
5) Montrez que l’estimateur du meximum de vraisemblance de θ est fonction
de Sn . Donnez l’expression de cet estimateur fonction de Sn .(1.5 points)
(2)
6) Considérons l’estimateur suivant pour θ: θ̂n = 2 Snn − 1. Etudiez la
(2) (2)
convergence et le biais de θ̂n . Calculer V ar[θ̂n ]. (1.5 points)
7) En utilisant les résultats des questions 3) et 6), lequel des deux estima-
teurs choisir. Justification. (0.5 points)
8) Construisez un estimateur par intervalle asymptotique de niveau de con-
fiance 1 − α pour le paramètre θ. (1.5 points)
Exercice 2. (2 points)
On considère un n-échantillon Xi ∼ B(p), i = 1, · · · , n, avec 0 < p < 1. Soit
la variable aléatoire Yi = Xik pour chaque i = P 1, · · · , n, avec k ∈ IN .
1) Quelle est la loi de Yi ? Quelle est la loi de ni=1 Yi ?(1 point)
2) Calculer IP [X̄n = 0], IP
P [Ȳn = 0], IP [X̄n =P
Ȳn = 0]. (1 point)
On rappelle que X̄n = n1 ni=1 Xi et Ȳn = n1 ni=1 Yi .
1
Exercice 3. (4 points)
On considère un n-échantillon Xi ∼ N (θ, θ), i = 1, · · · , n, avec θ > 0. Donc
IE[Xi ] = θ, V ar[Xi ] = θ.
1) Trouvez l’estimateur du maximum vraisemblance θ̂n pour le paramètre
θ. (1.5 points)
2) Etudiez la convergence de θ̂n . (1.5 points)
3) Calculez l’information de Fisher pour la variable aléatoire Xi . (1 point)
Exercice 4. (4 points)
On considère deux variables aléatoires gaussiennes: X ∼ N (m1 , σ12 ) et Y ∼
N (m2 , σ22 ). Pour la variable aléatoire X on considère un n1 -échantillon
X1 , · · · , Xn1 et pour Y un n2 -échantillon Y1 , · · · , Yn2 . On suppose n1 , n2 >
4. Soient les variances empiriques pour ces deux échantillons:
n1 n2
2 1 X 1 X
SX,n 1
= (Xi − X̄n1 )2 , 2
SY,n 2
= (Yi − Ȳn2 )2
n1 n2
i=1 i=1
Pn1 Pn2
avec X̄n1 = n11 i=1 Xi et Ȳn2 = n12 i=1 Yi .
On s’intéresse au rapport des variance σ12 /σ22 .
On pose:
2
SX,n 2
SY,n
T1 = n1 2 1 , T2 = n2 2 2
σ1 σ2
1) Quelles sont les lois de T1 et T2 ? En déduire la loi de Zn1 ,n2 = nn21 −1 T1
−1 T2 .
(1 point)
2) Calculer IE[Zn1 ,n2 ]. En déduire un estimateur Hn1 ,n2 sans biais pour
σ12 /σ22 . (1.5 points)
3) Etudier la consistance de Hn1 ,n2 pour σ12 /σ22 pour n1 → ∞ et n2 → ∞.
(1.5 points)