Université Paris Dauphine - PSL M1 Math
copyright 2019-20 cours G. Turinici
Introduction à la statistique non-paramétrique
TD1 : Rappels
Exercice 1 : Soit X une variable aléatoire réelle, absolument continue de densité continue f , de fonction de
répartition F . On observe un n-échantillon iid (X1 , . . . , Xn ) de même loi que X. On considère la statistique T
qui ordonne l’échantillon dans le sens croissant :
T (X1 , . . . , Xn ) = (X(1) , . . . , X(n) ),
avec X(1) ≤ X(2) ≤ · · · ≤ X(n) . (X(1) , . . . , X(n) ) s’appelle la statistique d’ordre.
1. On suppose pour cette question uniquement que les Xi sont seulement indépendants et de lois continues
(c’est-à-dire que les Xi sont indépendants et ont tous une fonction de répartition Fi continue, mais pas
forcément absolument continue) . Montrer que
P (∃ i 6= j : Xi = Xj ) = 0,
et que dans la définition de la statistique d’ordre, on peut donc se limiter à des inégalités strictes :
X(1) < X(2) < · · · < X(n) .
2. Déterminer la densité de la loi du n-uplet (X(1) , . . . , X(n) ).
3. Déterminer la fonction de répartition Fk et la densité fk de X(k) .
4. Montrer que si E[|X|] est finie, alors il en est de même de E[|X(k) |].
5. Rappeler les densités des lois de X(1) et X(n) et déterminer la densité du couple (X(1) , X(n) ). Quelle est
la loi de Wn = X(n) − X(1) ?
6. On considère une suite (Ui )i∈N de variables i.i.d. selon la loi uniforme sur [0, 1], et on pose
Yn = min Ui Zn = max Ui − min Ui
1≤i≤n 1≤i≤n 1≤i≤n
(a) Montrer que nYn converge en loi vers une loi exponentielle.
(b) Étudier la convergence en loi de Zn , puis sa convergence en probabilité et L1 .
(c) Soit > 0. Calculer P[|Zn − 1| > ]. En déduire que Zn converge presque sûrement.
(d) Rappeler les implications logiques entre les modes de convergence étudiés : en loi, en probabilité, en
norme L1 , en norme L2 , presque sûre.
Exercice 2 : On reprend un exemple du cours. La limite légale d’un polluant contenu dans les déchets d’une
usine est de 6mg/kg. On effectue un dosage sur 20 prélèvements sur lesquels on observe une moyenne empirique
de 7mg/kg avec un écart-type empirique de 2.4mg/kg. On admet que la loi de dosage est gaussienne.
iid
On observe donc X1 , . . . , X20 ∼ N (µ, σ 2 ) avec µ et σ 2 inconnus.
1. Faire un test de niveau α pour le problème de test suivant :
H0 : µ ≤ 6 contre H1 : µ > 6.
1 P20
2. On calcule à partir de ces données x̄ = 7 et σ̂ 2 = 19 i=1 (xi − x̄)2 = 2.42 . Calculer la p-valeur observée
et conclure si on choisit le niveau α = 5%.
1
iid
Exercice 3 : On dispose d’un échantillon de loi Bernoulli de paramètre p : X1 , . . . , Xn ∼ Be(p).
1. Proposer une procédure de test pour le problème suivant
H0 : p = 1/2 contre H1 : p > 1/2.
2. Proposer une procédure de test pour le problème suivant
H0 : p = 1/2 contre H1 : p 6= 1/2
3. Proposer un test asymptotique pour le problème de la question précédente.
4. Calculer la puissance du test asymptotique de la question 3. La puissance tend-elle simplement vers 1
quand n tend vers l’infini ?
5. Application numérique. On calcule à l’aide des données, n = 100, x̄ = 0.59, q0.95 = 58, q0.975 = 60 où on
note qα le quantile d’ordre α de la loi binomiale B(100, 1/2). Quelle est la conclusion des deux premiers
tests ci-dessus, au niveau α = 0.05, pour ces données ?
