Corrige td4
Corrige td4
Corrige td4
τ02 +σ 2 µ0 σ 2 +xτ02
− 12 θ2 −2 θ
τ 2 σ2 τ 2 +σ 2
∝e 0 0
Si on désire faire tous les calculs (y compris celui de la marginale), on peut utiliser
l’identité suivante : Z +∞
π b2 +c
r
−ax2 +bx+c
e dx = e 4a .
−∞ a
2. Puisque l’échantillon est i.i.d., Y suit une loi produit. Le modèle bayésien pour Y
est donc :
θ ∼ N (µ , τ 2 ),
0 0
Y |θ ∼ N (θ, σ 2 )⊗n .
—1—
MDI 220 Statistiques
donne :
P
nτ02 +σ 2 µ0 σ 2 +τ02 x
− 12 θ2 −2 i iθ
τ 2 σ2 nτ 2 +σ 2
∝e 0 0
!
µ0 σ 2 + nτ02 x̄ τ02 σ 2
θ|y ∼ N , .
nτ02 + σ 2 nτ02 + σ 2
nτ02 x̄ τ02 σ 2 σ2
Lorsque n → +∞, E(θ|y) ∼ nτ02
= x̄ → E(X1 |θ) = θ et Var(θ|y) ∼ nτ02
= n
→ 0.
Solution Exercice 2 .
1. L’espace des paramètres est : Θ = {θ1 , θ2 }.
Le modèle statistique est : P = {B(θ), θ ∈ Θ}, où B(θ) est une loi de Bernoulli de
paramètre θ.
2. Ici on définit un modèle bayésien pour X :
θ ∼ π,
X|θ ∼ B(θ).
De manière générale, on a :
Pour π = π1 (π1 (θ1 ) = π2 (θ2 ) = 0.5), on obtient donc les valeurs π1 (θ|x) :
θ/x 0 1
1−θ1 2 θ1 1
θ1 1−θ1 +1−θ2
= 3 θ1 +θ2
= 4
1−θ2 1 θ2 3
θ2 1−θ1 +1−θ2
= 3 θ1 +θ2
= 4
—2—
MDI 220 Statistiques
π(θ)θs (1 − θ)n−s
= .
π(θ1 )θ1s (1 − θ1 )n−s + π(θ2 )θ2s (1 − θ2 )n−s
Ainsi π(θ|x) ne dépend de x qu’à travers s.
6. On pose α = θθ12 (1−θ
(1−θ2 )
1)
= 23 . Alors :
π(θ1 )
π(θ1 |x) =
π(θ1 ) + αn/2 π(θ2 )
et
π(θ2 )
π(θ2 |x) = −n/2
.
απ(θ2 )π(θ1 ) +
D’où, quand n → +∞, π(θ1 |x) → 0 et π(θ2 |x) → 1, indépendamment de la distri-
bution a priori de θ. La loi conditionnelle a posteriori tend à privilégier le θ le plus
proche de 0.5 (en effet θ2 = 0.6 ≈ 0.5 et θ1 = 0.2 6= 0.5).
Solution Exercice 3 .
π(θ)pθ (x)
1. On détermine la distribution a posteriori par la formule π(θ|x) = mX (x)
, où mX
est la marginale de X. Ici π(θ) = 1]0,1[ (θ). On obtient donc :
Z
X
m (x) = π(θ)pθ (x) dθ
R+
Z 1
= pθ (x) dθ
0
2x
Z 1
= dθ
x θ2
−2x 1
=
θ x
= 2(1 − x) si x > 0 et 0 sinon.
—3—
MDI 220 Statistiques
x 1
D’où : π(θ|x) = 1−x θ2
pour θ ∈ [x, 1] et x > 0, et 0 sinon.
2. De la même manière pour π(θ) = 3θ2 1]0,1[ (θ) : mX (x) = x1 3θ2 2x dθ = 6x(1 − x)
R
θ2
1
(pour x > 0 et 0 sinon) et π(θ|x) = 1−x pour θ ∈ [x, 1] et x > 0, et 0 sinon.
3. L’espérance a posteriori est donnée par :
Z Z
E(θ|x) = θπ(dθ|x) = θπ(θ|x) dθ.
Θ R+
Elle est systématiquement nulle pour x ≤ 0. Dans la suite on suppose donc que
x > 0.
1 x log(x)
x 1 R1 x 1
Dans le premier cas (π(θ|x) = 1−x θ 2 [x,1] (θ)) : E(θ|x) = x θ 1−x θ2 dθ = − 1−x .
1[x,1] (θ)) : E(θ|x) =
1 R1 θ
Dans le second cas (π(θ|x) = 1−x x 1−x dθ = 12 (1 + x).
4. Dans cette question, on dispose d’un échantillon i.i.d. X = (X1 , . . . , Xn ). X suit
une loi produit. Ainsi, pour π(θ) = 1]0,1[ (θ), la marginale de X est donnée par :
Z
mX (x) = π(θ)pθ (x) dθ
R+
Z 1
= pθ (x) dθ
0
Z 1 nQ
2 i xi
= dθ (x0 = max xi )
x0 θ2n i
#1
nQ
"
2 i xi
= −
(2n − 1)θ2n−1 x0
n Q !
2 i xi 1
= −1 .
2n − 1 x2n−1
0
1 2n i xi 2n − 1 x2n−1
Q
0
π(θ|x) = X =
m (x) θ2n θ2n 1 − x02n−1
—4—