Location via proxy:   [ UP ]  
[Report a bug]   [Manage cookies]                
Scribd Logo
Importer

Bienvenue sur Scribd !

  • 82 vues

    Mathf 207 Seance 4

    Transféré par

    soulaimane lafhal
    Ce document présente plusieurs exercices sur l'estimation paramétrique par la méthode du maximum de vraisemblance et la méthode des moments. Les exercices portent sur diverses lois de probabilité et illustrent le calcul des estimateurs du maximum de vraisemblance et/ou des moments pour estimer les paramètres.

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme PDF, TXT ou lisez en ligne sur Scribd

    Mathf 207 Seance 4

    Transféré par

    soulaimane lafhal
    82 vues2 pages
    Ce document présente plusieurs exercices sur l'estimation paramétrique par la méthode du maximum de vraisemblance et la méthode des moments. Les exercices portent sur diverses lois de probabilité et illustrent le calcul des estimateurs du maximum de vraisemblance et/ou des moments pour estimer les paramètres.

    Titre original

    mathf207seance4

    Copyright

    © © All Rights Reserved

    Formats disponibles

    PDF, TXT ou lisez en ligne sur Scribd

    Avez-vous trouvé ce document utile ?

    Ce contenu est-il inapproprié ?

    Ce document présente plusieurs exercices sur l'estimation paramétrique par la méthode du maximum de vraisemblance et la méthode des moments. Les exercices portent sur diverses lois de probabilité et illustrent le calcul des estimateurs du maximum de vraisemblance et/ou des moments pour estimer les paramètres.

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme PDF, TXT ou lisez en ligne sur Scribd
    Télécharger au format pdf ou txt
    82 vues2 pages

    Mathf 207 Seance 4

    Transféré par

    soulaimane lafhal
    Ce document présente plusieurs exercices sur l'estimation paramétrique par la méthode du maximum de vraisemblance et la méthode des moments. Les exercices portent sur diverses lois de probabilité et illustrent le calcul des estimateurs du maximum de vraisemblance et/ou des moments pour estimer les paramètres.

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme PDF, TXT ou lisez en ligne sur Scribd
    Télécharger au format pdf ou txt
    Vous êtes sur la page 1sur 2

    Math-F-207 Séance 4

    Séance 4 : Estimateurs maximum de vraisemblance et méthode des moments.

    Rappels théoriques
    Soient X1 , . . . , Xn des
    variables aléatoires identiquement distribuées dans un modèle paramétrique
    IP = Pθ |θ ∈ Θ ⊂ IRp . Soit Lθ (X) une vraisemblance. On appelle estimateur maximum de vrai-
    

    semblance de θ la valeur T(X) ∈ Θ qui maximise Lθ (X).


    La méthode des moments consiste en l’estimation d’un paramètre en égalisant les moments
    théoriques (qui dépendent de θ, s’ils existent) avec leurs contreparties empiriques. Plus précisément,
    si G(θ) = (m1 (θ), m2 (θ), . . . , mp (θ))t est le vecteur contenant les p premiers moments (afin d’avoir
    une solution, le système d’équations doit contenir autant d’équations que de paramètres), il est
    possible de construire son équivalent empirique Ĝ = (m̂1 (θ), m̂2 (θ), . . . , m̂p (θ))t , indépendant ex-
    plicitement de θ, où
    n
    1X k
    m̂k (X) = Xi .
    n
    i=1

    L’estimateur de θ par la méthode des moments est la valeur θ̂ telle que


    Ĝ = G(θ̂).

    Exercices
    Exercice 1
    Soient X1 , . . . , Xn i.i.d. de loi de Poisson de moyenne λ. Déterminez le MLE pour le paramètre λ.

    Exercice 2
    Soient X1 , . . . , Xn i.i.d. Bin(1, p). Déterminez le MLE pour le paramètre p.

    Exercice 3
    Soient X1 , . . . , Xn i.i.d. N (µ, σ 2 ). Déterminez le MLE pour le paramètre θ = (µ, σ 2 )T . En déduire
    le MLE pour
    a) le paramètre µ, σ étant supposé connu,
    b) le paramètre σ 2 , µ étant supposé connu.

    Exercice 4
    Soit X1 , . . . , Xn un échantillon simple issu d’une population uniforme sur {1, 2, . . . , N }. Déterminez,
    à partir de cet échantillon, le MLE pour N .

    Exercice 5
    Soit X1 , . . . , Xn un échantillon aléatoire simple issu d’une population de densité
     1 − 1 (x−γ)
    θe si x > γ
    θ
    fθ (x) =
    0 sinon
    où θ > 0. Déterminez une estimation des paramètres θ et γ

    Titulaire: D. Paindaveine Assistant: G. Van Bever


    Math-F-207 Séance 4

    a) par la méthode du MLE,


    b) par la méthode des moments.

    Exercice 6

    a) Soient X1 , . . . , Xn i.i.d. U [0, θ]. Déterminez θ̂, le MLE pour le paramètre θ. Quelle est la loi de
    θ̂ ?
    b) Même question si on prend X1 , . . . , Xn i.i.d. U [−θ, θ]. Quelle est la loi de θ̂ ?
    c) Soient X1 , . . . , Xn i.i.d. U [a, b]. Déterminez â, b̂, d’abord par la méthode du maximum de vrai-
    semblance, puis en ayant recours à la méthode des moments.

    Exercice 7
    Soit X1 , . . . , Xn un échantillon aléatoire simple issu d’une population de densité
    ( 2θ−1
    θ
    x 1−θ si 0 < x < 1
    fθ (x) = 1−θ
    0 sinon

    où 1/2 < θ < 1. Déterminez le MLE pour θ.

    Exercice 8
    Les éléments d’une population possèdent un caractère X qui suit une loi de densité

    θ+1
    fθ (x) =(1 − |x|)θ , x ∈ (−1, 1),
    2
    où on suppose le paramètre θ > −1. On en extrait un échantillon simple X1 , . . . , Xn . Déterminez
    l’estimateur du maximum de vraisemblance θ̂ de θ.

    Exercice 9
    On considère n observations indépendantes (X1 , . . . , Xn ) de loi p U [0, a] + (1 − p) U [0, b], c’est-à-dire
    que Xi suit la loi uniforme sur [0, a] avec probabilité p et la loi uniforme sur [0, b] avec probabilité
    1 − p. On suppose que a < b avec a et b connus et fixés.
    a) Déterminez la fonction de répartition et la densité de X1 .
    b) Considérons Na la variable aléatoire égale au nombre d’individus Xi compris entre 0 et a. Quelle
    est la loi de Na ? En déduire son espérance et sa variance.
    c) Déterminez l’estimateur du maximum de vraisemblance p̂ du paramètre p.

    Titulaire: D. Paindaveine Assistant: G. Van Bever

    Vous aimerez peut-être aussi