Scribd
Importer
51 vues1 page

Feuille de TD4

Ce document présente des exercices de statistique inductive concernant l'estimation de paramètres à partir de variables aléatoires. Il aborde des méthodes telles que l'estimateur des moments et l'estimateur du maximum de vraisemblance pour différentes lois de probabilité. Les exercices incluent des calculs de vraisemblance, d'espérance et de variance, ainsi que des questions sur les estimateurs sans biais.

Transféré par

Fatimetou Medvall
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
51 vues1 page

Feuille de TD4

Ce document présente des exercices de statistique inductive concernant l'estimation de paramètres à partir de variables aléatoires. Il aborde des méthodes telles que l'estimateur des moments et l'estimateur du maximum de vraisemblance pour différentes lois de probabilité. Les exercices incluent des calculs de vraisemblance, d'espérance et de variance, ainsi que des questions sur les estimateurs sans biais.

Transféré par

Fatimetou Medvall
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 Nouakchott Statistique inductive

Institut universitaire professionnel 2023-2024


Licence DS-S2

Feuille de TD4
Exercice 1. Soient X1 , ..., Xn des variables aléatoires indépendantes suivant une loi continue dont la
densité est donnée par

fX (x) = (θ + 1)xθ , pour 0 ⩽ x ⩽ 1.

1. Trouver l'estimateur des moments de θ.


2. Calculer l'estimateur du maximum de vraisemblance de θ.
Exercice 2. On considère le modèle uniforme {U [0, θ] : θ > 0}
1. Montrer que la vraisemblance associée à un échantillon observé x1 , ..., xn pour ce modèle est :
1
ℓ(x1 , ..., xn ; θ) = Ix Ix
θn (1)⩾0 (n)⩽θ
où x(1) et x(n) sont respectivement les observations des statistiques d'ordre X(1) et X(n) .
2. Donner l'estimateur du maximum de vraisemblance du paramètre θ.
Exercice 3. Soient X1 , ..., Xn des variables aléatoires indépendantes et identiquement distribuées dont
la densité est dénie par

 x x2
fX (x) = exp(− ) si x > 0
 0θ sinon 2θ

1. Déterminer l'estimateur des moments θ̂M de θ.


2. Déterminer θ̂M V , l'estimateur du maximum de vraisemblance de θ.
3. Montrer que θ̂M V est un estimateur sans biais pour θ .
4. Pour n = 50, existe-il un autre estimateur non biaisé de θ dont la variance est strictement plus
petite que celle de θ̂M V ?
Exercice 4. Soit θ ∈ R inconnu. Considérons une variable aléatoire X dont la fonction de densité est
donnée par

exp(−(x − θ)) si x > θ
fX (x) =
0 sinon

1. Vérier que fX est bien une densité de probabilité.


2. Calculer l'espérance et la variance de X .
3. Donnons-nous maintenant un échantillon X1 , ..., Xn de même loi que X
(a) Donner deux estimateurs θ̂1 et θ̂2 de θ obtenus par la méthode des moments.
(b) Quelle est la fonction de vraisemblance associée aux observations ? En déduire l'estimateur
θ̂3 du maximum de vraisemblance de θ

Vous aimerez peut-être aussi