Scribd
Importer
17 vues2 pages

Estimation et confiance en statistiques avancées

Le document présente une série d'exercices sur l'estimation de paramètres de variables aléatoires, incluant des lois de probabilité discrètes et continues. Il aborde des méthodes d'estimation, la vérification de la non-biaisité et de la convergence des estimateurs, ainsi que la construction d'intervalles de confiance. Les exercices traitent également des modèles exponentiels et de l'efficacité des estimateurs dans divers contextes.

Transféré par

aya1bourak
Copyright
© © All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd
17 vues2 pages

Estimation et confiance en statistiques avancées

Le document présente une série d'exercices sur l'estimation de paramètres de variables aléatoires, incluant des lois de probabilité discrètes et continues. Il aborde des méthodes d'estimation, la vérification de la non-biaisité et de la convergence des estimateurs, ainsi que la construction d'intervalles de confiance. Les exercices traitent également des modèles exponentiels et de l'efficacité des estimateurs dans divers contextes.

Transféré par

aya1bourak
Copyright
© © All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd

Université de Constantine1

Département de mathématiques
Master 1(SPA)

Série de TD. n. 3

Exercice1. On considère une variable aléatoire discréte dont la loi de


probabilité est définie par
λk−1
P (X = k) = , k ∈ N ∗,
(1 + λ)k
où λ > 0 est un paramètre inconnu, E(X) = λ + 1, V ar(X) = λ(λ + 1).
On se propose d’estimer le paramètre inconnu λ à partir d’une réalisation
d’un échantillon (X1 , ..., Xn ) de la loi de X.
1) Proposer un estimateur du paramètre λ par deux méthodes différentes.
2) Montrer que cet estimateur est non biaisé et convergent.
3) Proposer un intervalle de confiance du paramètre inconnu λ de coéfficient
de confiance 1 − α.
Exercice2. On considère un echantillon de loi exponnentielle de paramètre
λ > 0 de densité
1 1
f (x) = λ exp(−λx)I[0,+∞[ (x), E(X) = , var(X) = 2 .
λ λ
1.Determiner l’estimateur du maximum de vraisemmblance de λ.
2. Montrer que la loi asymptotique de cet estimateur est la lois normale en
appliquant la méthode Delta.

Exercice3.On considère X une variable aléatoire de densité


x2 e − θ
x

f (x) = I ,
2θ3 [0,+∞[
avec (X) = 3θ, (X) = 3θ2 .
1. Montrer que θn l’estimateur du maximum de vraisemblance de θ est
efficace.
2. Trouver un intervalle de confiance contenant θ à un niveau de confiance
1 − α.
Exercice4. On dispose de n observations x1 . . . xn sur la durée de vie de
certains composants industriels.
On suppose que les variables aléatoires X1 . . . Xn sont iid de densité
1 t
f (t) = exp(− ), E(X) = θ, var(X) = θ2 .
θ θ

1
1) Calculer la fonction survie de chaque composant industriel F (t) = 1−F (t),
(F est la fonction de répartition de la variable aléatoire Xi ).
2) Calculer l’estimateur de vraisemblance du paramètre θ en déduire un
estimateur Fb (t) de la fonction de survieF (t).
Montrer que cet stimateur Fb est convergent, et biaisé. (Indication : Utiliser
l’inégalité de Jensen).
√
3) Donner la loi limite de n(Fb (t) − F (t)).
Soit la variable aléatoire T définie par T = 1, si X1 > 1, T = 0 sinon.
∑
On note S = ni=1 Xi .
3) Déterminer la loi de X1 conditionnelle à S.
4) Calculer E(T /S) .
5) Montrer que cet estimateur de F (t) est sans biais, puis comparer l’efficacité
de T et E(T /S).
6) Donner une condition pour qu’il soit un estimateur optimal parmi les
estimateurs sans biais de F (t).
Exercice5. Soit X une variable alétoire de densité
√
α α
f (x) = exp((− (x − β)2 ), x ∈ R
2π 2
On considère un n-echantillon de même loi que X.
1) Vérifier dans les deux cas suivants s’il agit d’un modèle exponentiel
— a) α, et β sont inconnus.
— b) α > 0 inconnu, β connu.
2) En déduire les statistiques exhaustives .
3)Supposons l’existence des estimateurs des moments α̂1 , β̂1 des paramètres
α, β.
Montrer que β̂1 est asymptotiquement normal , en déduire un intervalle de
confiance pour le paramètre inconnu β.
4) Supposons qu’on est dans la situation (b) :
- Déterminer α̂2 l’estimateur du maximum de vraissemblance du paramètre
α, est il sans biais, convergent ?
-En déduire un estimateur α̂3 sans biais de α, est il efficace ?

Vous aimerez peut-être aussi