Master Pro M1-SITN, Université Claude Bernard, Lyon1
Statistique Paramétrique année 2012-2013
Partiel du 21 Novembre 2012
Une feuille A4 avec les formules, tables des lois et des fractiles admises,
autres documents interdits.
Téléphones portables interdits. Calculatrice autorisée
Durée 3h. Le sujet est sur 2 pages (recto-verso)
Exercice 1. (12 points)
Soit une variable aléatoire continue X, de densité:
f (x; θ) = θe−θx 11x>0
avec θ > 0 un paramètre, inconnu. On considère un n-échantillon (X1 , ..., Xn ) pour cette loi (vari-
able).
Partie I.
1) Calculez l’espérance IE[X]. (0.5 points)
2) Trouvez un estimateur pour le paramètre θ par la méthode des moments. Etudiez la conver-
gence de cet estimateur.(1.5 points)
3) La loi est-elle de type exponentiel? Donner une statistique exhaustive pour θ.(1.5 points)
Partie II.
4) Calculez la fonction de répartition de la variable aléatoire X. Calculez IP [X ≥ 2], probabilité
qu’on va noter avec p.(1.5 points)
5) Donnez la loi de la variable aléatoire Y = 11X≥2 .(1 point)
6) Sur la base du n-échantillon (X1 , ..., Xn ) on a le n-échantillon (Y1 , ..., Yn ), avec Yi = 11Xi ≥2 , pour
i = 1, · · · , n. Trouvez l’estimateur du maximum de vraisemblance du paramètre p, si on connaı̂t
les variables aléatoires Xi , donc, les Yi , i = 1, · · · , n. On note cet estimateur avec p̂n . (1 point)
7) Etudiez l’efficacité et l’exhaustivité de p̂n . (1.5 points)
1
Pn que θ̂n = − 2 log Ȳn est un estimateur fortement consistant pour θ. On rappelle que
8) Montrer
1
Ȳn = n i=1 Yi .(1 point)
Partie III.
Pour la variable aléatoire Y = 11X≥2 de la Partie II., et le n-échantillon correspondant Yi = 11Xi ≥2 ,
nous considérons un nouveau paramètre µ = p(1 − p). On rappelle que p = IP [X ≥ 2].
9) Trouvez l’estimateur du maximum de vraisemblance du paramètre µ. On note cet estimateur
avec µ̂n . (1 point)
10) L’estimateur µ̂n est-il convergent, sans biais?(1.5 points)
Exercice 2. (4 points)
On considère la une variable aléatoire continue X, de densité:
f (x; θ) = θe−θx 11x>0
avec θ > 0 un paramètre, inconnu. On considère un n-échantillon (X1 , ..., Xn ) pour cette loi
(variable).
1
1) On rappelle la définition des lois de type gamma. La fonction de densité d’une loi gamma
γ(s, λ) est donnée par
λs −λx s−1
g(x) = e x 11x≥0 , λ, s > 0
Γ(s)
avec Z +∞
Γ(s) = xs−1 e−x dx
0
On rappelle que la somme de deux lois gamma indépendantes γ(s, λ) et γ(t, λ), est une loi gamma
γ(s + t, λ).
La loi de la variable aléatoire X est-elle de type gamma? Si Poui, laquelle?(1 point)
n
2) En utilisant la question précédente, quelle est la loi de i=1 Xi ?(1 point)
3) On suppose n fixé, donc connu. Pour un seuil α ∈]0, 1[ fixé, trouver le test uniformément le
plus puissant pour tester l’hypothèse H0 : θ = θ0 contre H1 : θ < θ0 , pour un θ0 > 0 connu.
Remarque: vous pouvez vous en servir du résultat obtenu à la question précédente. (2 points)
Exercice 3. (2 points)
On considère un n-échantillon Xi , i = 1, · · · , n, de loi Normale d’espérance m et de variance 2:
Xi ∼ N (m, 2).
Trouver l’estimateur par intervalle de paramètre m.
Remarque: il ne faut pas donner seulement la forme finale de l’intervalle, il faut déduire l’estimateur
par intervalle.
Exercice 4. (2 points)
Pour traiter une certaine maladie, on utilise un traitement A, qui guérit 80% des malades. Avec
un autre traitement B, sur 250 malades, 220 ont été guéri. Tester, avec un niveau de confiance de
0.95, si le traitement B a le même taux de guérison que le traitement A.
Note: Spécifier la variable aléatoire considérée et sa loi, les hypothèses à tester, la statistique de
test et sa loi.
