Scribd
Importer
171 vues1 page

Feuille de TD2: X, ..., X N X N N

Le document présente des exercices de statistique inductive portant sur des échantillons de variables aléatoires, incluant des lois de Poisson et exponentielle, ainsi que des estimateurs de variance. Il aborde également des concepts tels que le biais des estimateurs, la variance, et l'efficacité des estimateurs pour des populations normales et uniformes. Les exercices incluent des calculs d'espérance, de variance et des comparaisons entre différents estimateurs.

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
171 vues1 page

Feuille de TD2: X, ..., X N X N N

Le document présente des exercices de statistique inductive portant sur des échantillons de variables aléatoires, incluant des lois de Poisson et exponentielle, ainsi que des estimateurs de variance. Il aborde également des concepts tels que le biais des estimateurs, la variance, et l'efficacité des estimateurs pour des populations normales et uniformes. Les exercices incluent des calculs d'espérance, de variance et des comparaisons entre différents estimateurs.

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 Licence Data science S2

Feuille de TD2
Exercice 1. Soit X1, ..., Xn un échantillon de n observations indépendantes issues au hasard de la loi
d'une variable aléatoire X . Si n est grand (n > 30), déterminer la distribution d'échantillonnage de
moyennes dans les deux cas suivants :
1. la variable aléatoire X suit une loi de Poisson de paramètre λ
2. la variable aléatoire X suit une loi exponentielle de paramètre β .
Exercice 2. Soient X1, X2, . . . , Xn des variables aléatoires indépendantes suivant une loi normale avec
moyenne µ et variance σ2. Nous voulons comparer deux estimateurs de la variance σ2.
n
1. Soit σ̂12 = n1 (Xi − X̄)2 l'estimateur de la variance basé sur la variance empirique. Montrer
X

i=1
que cet estimateur est biaisé pour σ2 et déterminer son biais.
n
2. Soit σ̂22 = n −1 1 (Xi − X̄)2 l'estimateur de la variance. Montrer que cet estimateur est sans
X

biais.
i=1

3. Calculer la variance de σ̂12.


4. Calculer la variance de σ̂22.
5. Comparer les variances des deux estimateurs et discuter de leur ecacité.
Exercice 3. Soit (X1, X2) un échantillon aléatoire simple d'une population d'espérance µ et de variance
σ 2 . On s'intéresse aux estimateurs de l'espérance de la forme Ta,b = aX1 +bX2 , avec a et b deux nombres
réels.
1. Trouver une relation sur a et b pour que Ta,b soit un estimateur sans biais de µ.
2. On note Ta = aX1 + (1 − a)X2. . Calculer la variance de Ta.
3. En déduire le meilleur estimateur de µ, au sens de l'erreur quadratique, parmi les estimateurs
de la forme Ta.
Exercice 4. Nous considérons une variable aléatoire X de loi exponentielle de paramètre 1θ , de densité :
( 1 x
exp(− ) si x ⩾ 0
fX (x) = θ θ
0 sinon
1. Rappeler les expressions de E(X), V (X) et de la fonction de répartition de X
2. Calculer In, information de Fisher apporté par un échantillon aléatoire X1, ..., X31 de taille 31
sur le paramètre θ ainsi que la borne inférieure de la variance de toute estimation ponctuelle de
θ.
3. Nous proposons d'estimer le paramètre θ par θ̂ = X̄ , étudier les propriétés de cet estimateur
(biais, ecacité, loi asymptotique).
Exercice 5. Soit X une variable aléatoire uniforme sur l'intervalle [0, 2a]. Nous considérons une suite
de n variables aléatoires indépendantes et de même loi que X . Nous posons
n
1X
X̄ = Xi et T = max(X1 , ..., Xn )
n
i=1

1. Déterminer l'espérance et la variance de la variable aléatoire X .


2. Montrer que X̄ est un estimateur convergent de a.
3. Déterminer la densité de la variable T . Calculer l'espérance et la variance de T . En déduire un
autre estimateur T ∗ sans biais de a.
4. Comparer les deux estimateurs X̄ et T ∗ de a
1

Vous aimerez peut-être aussi