Téléchargez aux formats PDF ou lisez en ligne sur Scribd
Thome 2
F-chantillonnage, estimation Statistique pour ingénieur
Statistique pour ingénieur
Institut Mines-Télécom Theme 2 : Exercices
F. Delacroix, M. Lecomte & R. Schwartz, 8 mars 2023
Exercices sur l’estimation
Exercice 1 : Estimateurs
Soient X1,X,....Xq,... une suite de variables aléatoires indépendantes suivant la loi
uniforme sur [0,a] o a est un paramétre réel strictement positif & estimer. On pose
A,= sup X; et B,=2%,
1, Déterminer la loi de probabilité de A, (on pomra utiliser la fonction de répartition),
2. Calculer Pespérance et la variance de A, et en déduire que A, est un estimateur de a.
3. Montrer que #, est un estimateur sans biais de a.
4, Comparer les variances de A, et de By,
Exercice 2 : Estimateur obtenu par la méthode du maximum de vraisemblance
Déterminer un estimateur du paramétre A d'une loi exponentielle. Celle-ci est définie
par la densité de probabilité f suivante
om
veer, f= 0 siz 20
0 sinon.
Exercice 3 : Paramétre d'une loi de Poisson
Dans une ville, on a étudié le nombre accidents de la circulation sur une période
de 70 jours. En regroupant les jours sclon le nombre d’accidents, on a obtenu le tableau
suivant
no seidents | 0
nombre de jours | 34 22 11
Soit X la variable aléatoire désignant le nombre d’accidents quotidien. On admet que
X suit la loi de Poisson de paramétre A, c'est-d-dire que
(i SPL a
X(Q)=N et YEN, P(X =n) =e% >,
Liobjet de cet exercice est de déterminer ne estimation ponetuelle de A par deux méthodes
distinctes. Pour cela, on considére un échantillon statistique (X1,...,X,) de X, eest-A-dire
n variables aléatoires réelles independantes suivant toutes la loi de Poisson de paramétre
r
Institut Mines-Télécom 1 Statistique pour ingénieur ‘Théme 2 : Echantillonnage, estimation
ode : maximum de vraisemblance.
‘onstruire un estimateur de \ par la méthode du maximum de vraisemblance. Est-il
sans biais? En déduire, en utilisant les données du tableau, une estimation ponctuelle de
»
hod
oon pose By = 5X;
2. Quelle est la loi de probabilité de la variable aléatoire 5, ?
3. Montrer que, pour tout enticr naturel j,
P(X, = 0} = 3) = (4)
4, En déduire que la variable aléatoire
est un estimateur sans biais de e~*
5, Déduire des qu
ponetuelle de A.
ions précédentes un nouvel estimateur de et une nouvelle estimation
6. Comparer les estimateurs obtenus & la question 1 et & la question 5. Conclure.
Exercices sur les intervalles de confiance
Exercice 4 : Intervalle de confiance pour une moyenne et une variance
Une société fabrique des billes pour roulements & billes. On admet que la masse d'une
bille est une variable aléatoire suivant la loi normale JV (1,22) ofp et sont incomus.
‘Un échantillon de 30 billes de masses x, a donné les résultats suivants
Y= 69g ct Ya? = 163.1862 02
Déterminer un intervalle de confiance pour j1 au niveau de confiance de 95%:
2, Déterminer un intervalle de confiance pour ¢ au niveau de confiance de 95%
Exercice 5 : Intervalle de confiance pour une proportion
ectueuses dans une production de billes. Déter
‘On appelle p la proportion de billes
I ox cas suivants.
miner un intervalle de confiance pour p au scuil 5% dans les di
1. Dans un échantillon de 100 billes, on a observé 11 billes défectueuses,
2. Dani ervé 48 billes défectueuses.
um échantillon de 500 billes, on a obs
Institut Mines-Télécom Thome 2
Fchantillonnage, estimation Statistique pour ingénieur
Exercice 6 : Publicité mensongére?
Un fabricant de piles électriques indique sur ses produits que la durée de vie moyenne
de ses piles est de 200 heures, Une association de consommateurs prélove un échantillon
de 25 piles et observe une durée de vie moyenne de 185 heures avec un écart-type (cale
A partir de lestimateur biaisé de la variance) de 30 heures
LL. S'agit-il de publicité mensongere? On précisera la démarche utilisée (hypotheses,
raisonnements, calculs, etc.)
2. Que faudrait-il faire pour répondre négativement a la question posée
Exercice 7: Paramitre d'une loi continue
Pour @ > 0, on définit la fonction
fi RR
{ sic 20
peo
0 sinon.
Liobjet de ce problime est de construire des estimations de 0.
1. Démoi
trer que Jy est une densité de probabilité
2. Soit X une variable aléatoire admettant. fy pour densité d
la variable X admet une espérance et une variance et que
é. Démontrer que
E(X)=0+1 et V(Q)X)
Dans toute la suite de 'exercice, on considdre des variables aléatoires Xi,
indépendantes admettant fy pour densité de probabilité,
La
3. On pose Uy = = YM - y.
3.1 Caleuler Pespérance ot la variance de Uy,
3.2 Que peut-on en déduire?
i
. Justifier que, si n est assez grand, la variable aléatoire
T, = Vin(Uy ~ 8)
suit approximativement la loi normale contrée réduite.
5. On suppose que n = 100 et 7 = 2,0706. A l'aide de la question précédente, déterminer
‘un intervalle de confiance pour @ au niveau de confiance 95%,
6. On admet le résultat suivant
‘Théoréme (Inégalité de Bienaymé-Tchebychev)
Si Y est une variable aiéatoire admettant une espérance jx et une variance ?, alors
Yk>0, P(Y-p\ 2k) y) & Paide de @, fonction de répartition
de la loi normale contrée réduite, ot on déduire une densité de probabilité de Ys.
13 De méme, déterminer une densité de probabilité de Z,
1A En déduite Pexpression de d; = E(Z, — Y,) & Paide d'une intégrale, qu’on ne
cherchera pas a calculer de fagon exacte (la table 1 en donne quelques valeurs numériques
en fonction de n)
2.
Institut Mines-Télécom, 3 Statistique pour ingénieur ‘Théme 2 : Echantillonnage, estimation
2.1 Pour (y,2) € R2, exprimer a Vaide de la probabilité P ({¥, > y} {Zn < 2}))
2.2 En déduire la fonction de répartition conjointe puis la densité conjointe du couple
de variables aléatoires (Y,Zn)
2.3 En déduire Pexpression de d} = V (Zy ~ Yq) & Vaide d’imtégrales qu'on ne cherchera
pas A calculer de fagon exacte.
3. Déduire des questions précédentes Vespérance et P’écart-type de R.
4.
4.1 On considire k échantillons de taille n, et on pose
ig
R=—o%
ot R; est Pétendue du j** échantillon, Déterminer un estimateur sans biais de o en
fonction de R.
4.2 En déduire la forme des limites de contrdle pour X et_R.
Bien que plus facile & mettre en ocuvre que la carte (X,S*), la carte de contréle
(XR) a cepencant, paradoxalement, linconvénient d’étre moins efficace pour de grands
jantillons étant donnée la grande sensibilité de P'étendue R aux valeurs aberrantes,
nl 2 a [op uye
| 0,798) 0,921 | 0,94 [0,952 [0,959 0,969 [0,973 [0,975 | 0,978
@ [1128 2,059 | 2,306 | 2,534 | 2,704 2,97 [3,078 | 3,178 | 3,258
ds [0,855 0,88 [0,804 [0,818 [0,833 0,808 | 0,797 [0,787 | 0,778
nl Is 15 7 20 [21 z
4 [0.979 0,982 0,985. 0,987 | 0,988 [0,988 | 0,989
2 [3,336 [3,407 [3,472 [3,532 | 3,588 [3.04 [3,089 [3,735 [3.778 [3,819 [3,858
& | 077 [0,763 [0,750] 0,75 [0,744 [0,739 | 0,733 | 0,729 [0,724 | 0,72 [0,716
n| 2 | 2% | 2 | 27 | 2% | 2 | 30 | 31 | 32 | 3 | a
Gi [0,989 | 0,99 | 0,99 [0,99 [0,997 [0,991 | 0,991 [0,992 [0,992 | 0,992 | 0,992
da | 3,805 | 3,981 [3,904 | 3,997 | 4,027 [4,057 | 4,086 | 4,115 [4,130 [4,165 | 4,189
ds [0,712 [0,708 [0,705 [0,702 | 0,699 [0,696 | 0,093 | 0,69 [0,687 [0,685 | 0,082
TABLE 1 - Table de valeurs mumériques de cg, d et dy
é Institut Mines-T¢
