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

Bienvenue sur Scribd !

  • 21 vues

    Exos Chap 14

    Transféré par

    mathurinkopelga
    Ce document contient 12 exercices portant sur l'estimation statistique. Les exercices abordent l'estimation ponctuelle et l'estimation par intervalle de confiance, avec des variables aléatoires de différentes lois comme la loi géométrique, la loi de Bernoulli, la loi normale, la loi exponentielle et la loi de Poisson.

    Droits d'auteur :

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

    Exos Chap 14

    Transféré par

    mathurinkopelga
    21 vues3 pages
    Ce document contient 12 exercices portant sur l'estimation statistique. Les exercices abordent l'estimation ponctuelle et l'estimation par intervalle de confiance, avec des variables aléatoires de différentes lois comme la loi géométrique, la loi de Bernoulli, la loi normale, la loi exponentielle et la loi de Poisson.

    Description originale:

    Matho

    Titre original

    Exos chap 14 (1)

    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 contient 12 exercices portant sur l'estimation statistique. Les exercices abordent l'estimation ponctuelle et l'estimation par intervalle de confiance, avec des variables aléatoires de différentes lois comme la loi géométrique, la loi de Bernoulli, la loi normale, la loi exponentielle et la loi de Poisson.

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme PDF, TXT ou lisez en ligne sur Scribd
    Télécharger au format pdf ou txt
    21 vues3 pages

    Exos Chap 14

    Transféré par

    mathurinkopelga
    Ce document contient 12 exercices portant sur l'estimation statistique. Les exercices abordent l'estimation ponctuelle et l'estimation par intervalle de confiance, avec des variables aléatoires de différentes lois comme la loi géométrique, la loi de Bernoulli, la loi normale, la loi exponentielle et la loi de Poisson.

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme PDF, TXT ou lisez en ligne sur Scribd
    Télécharger au format pdf ou txt
    sur 3

    2ECS - Mathématiques

    Feuille d’exercices 14
    Estimation

     
    A. Estimation ponctuelle 
    

    Exercice 1. Soit (Xn )n∈N∗ des variables aléatoires indépendantes de même loi géométrique
    n
    G(p). Montrer que est un estimateur convergent de p.
    X1 + · · · + Xn

    Exercice 2. Soit (X1 , . . . , Xn ) un n-échantillon de la loi de Bernoulli de paramètre p. On pose


    n
    Sn Sn
    X  
    Sn = Xi et Tn = 1− .
    i=1 n n

    1. Déterminer E(Sn ) et E(Sn2 ). En déduire E(Tn ).


    2. À l’aide de Tn , proposer un estimateur sans biais de la variance de cette loi de Bernoulli.

    Exercice 3. Soit (Xn )n∈N∗ une suite de variables aléatoires indépendantes et de même loi de
    Bernoulli B(p) où p est inconnu. On pose
    n n
    1X 2 X
    Xn = Xi et Tn = iXi .
    n i=1 n(n + 1) i=1

    1. Montrer que Xn et Tn sont des estimateurs sans biais de p.


    2. Calculer le risque quadratique de Xn et de Tn . Lequel est le meilleur estimateur de p ?
    3. Montrer que Xn et Tn sont deux estimateurs convergents de p.

    Exercice 4. Soit X une variable aléatoire de loi normale N (0, σ 2 ) où σ est inconnu. Soit
    (Xn )n∈N∗ une suite de variables aléatoires indépendantes et de même loi que X. On note
    n
    1X
    Sn = X 2.
    n i=1 i

    Montrer que Sn est un estimateur sans biais et convergent de σ 2 .

    Exercice 5. Soit a > 0 et (Xk )k∈N∗ une suite de variables aléatoires indépendantes et de même
    loi uniforme sur [0, 2a]. On pose
    n
    1X
    Xn = Xi et Mn = max(X1 , . . . , Xn ).
    n i=1

    1
    1. Déterminer la loi de Mn , son espérance et sa variance.
    n+1
    2. En déduire que Un = Mn est un estimateur sans biais de a.
    2n
    3. Entre Xn et Un , lequel estimateur de a choisir ?


    0 si x 6 θ,
    Exercice 6. Soit θ > 0 et f la fonction définie sur R par f (x) =
    e−(x−θ) si x > θ.
    1. Montrer que f est une densité de probabilité d’une variable aléatoire X.
    2. Reconnaître la loi de X − θ pour en déduire E(X) et V (X).
    3. On désigne désormais par (Xn )n∈N∗ une suite de variables aléatoires indépendantes et de
    même loi que X. On pose
    n
    1X
    Xn = Xi et Yn = min(X1 , . . . , Xn ).
    n i=1

    (a) À partir de Xn , construire un estimateur Tn , sans biais et convergent de θ.


    (b) Montrer que Yn est un estimateur asymptotiquement sans biais et convergent de θ
    (on pourra commencer par étudier Yn − θ).
    (c) Construire, à partir de Yn , un estimateur Un sans biais et convergent de θ.
    (d) Comparer les estimateurs Tn et Un .

    Exercice 7. Soit X une variable aléatoire discrète d’espérance E(X) = θ 6= 0 et de variance


    n
    1X
    V (X) = 1. On dispose d’un n-échantillon (X1 , . . . , Xn ) de la loi de X. On pose Xn = Xi .
    n i=1
    1. Montrer que Xn est un estimateur sans biais de θ et calculer son risque quadratique.
    n
    X
    2. Soit (α1 , . . . , αn ) ∈ (R∗ )n . On note Yn = α i Xi .
    i=1
    (a) Donner une condition nécessaire et suffisante sur α1 , . . . , αn pour que Yn soit un
    estimateur sans biais de θ. On suppose dans la suite que cette condition est vérifiée.
    (b) Calculer cov(Xn , Yn ). En déduire V (Xn ) 6 V (Yn ). Que dire si V (Xn ) = V (Yn ) ?
    (c) Interpréter les résultats obtenus sur les estimateurs Xn et Yn de θ.

    n
    x2i . On désigne
    X
    Exercice 8. Soit n ∈ N∗ . On considère f définie sur Rn par f (x1 , . . . , xn ) =
    i=1
    par (X1 , . . . , Xn ) un n-échantillon d’une loi de Poisson de paramètre λ > 0 inconnu.
    n
    X
    1. Déterminer les points critiques de f sous la contrainte xi = 1.
    i=1
    2. Montrer que parmi toutes les combinaisons linéaires des X1 , . . . , Xn , il existe un unique
    estimateur Tn sans biais de λ et qui est de variance minimale. Reconnaître cet estimateur.

    2
     
    B. Estimation par intervalle de confiance 
    

    Exercice 9. Soit (X1 , . . . , Xn ) un n-échantillon de la loi normale N (m, 1) où l’espérance m est


    n
    1X
    inconnue. On pose Xn = Xi .
    n i=1
    1. Quelle est la loi de Xn ?
    α
    2. Soit α ∈]0, 1[ et tα l’unique réel tel que Φ(tα ) = 1 − .
    " # 2
    tα tα
    Montrer que Xn − √ , Xn + √ est un intervalle de confiance de m de niveau 1 − α.
    n n

    Exercice 10. Soit (X1 , . . . , Xn ) un n-échantillon de la loi de Bernoulli


    "
    B(p)sde paramètre
    s p#
    5 5
    inconnu. À l’aide de l’inégalité de Bienaymé-Tchebychev, montrer que Xn − , Xn +
    n n
    est un intervalle de confiance de p au niveau de risque 0.05.

    Exercice 11. Soit (Xi )i∈N∗ une suite de variables aléatoires indépendantes et de même loi
    n
    1X
    exponentielle E(λ) où le paramètre λ > 0 est inconnu. On pose Xn = Xi .
    n i=1
    √ √
    1. Montrer que λ nXn − n converge en loi vers une variable aléatoire de loi N (0, 1).
    α
    2. Soit α ∈]0, 1[ et tα l’unique réel tel que Φ(tα ) = 1 − .
    " ! ! # 2
    tα 1 tα 1
    Montrer que 1− √ , 1+ √ est un intervalle de confiance asympto-
    n Xn n Xn
    tique de λ au niveau de risque α.

    Exercice 12. Soit (X1 , . . . , Xn ) un n-échantillon de la loi exponentielle de paramètre λ > 0


    inconnu. On pose Mn = min(X1 , . . . , Xn ) et on considère α ∈]0, 1[.
    1. Montrer que Mn suit une loi exponentielle dont on déterminera le paramètre.
    α
    2. Déterminer deux réels an et bn tels que P (nλMn 6 an ) = P (nλMn > bn ) = .
    2
    nMn nMn 1
     
    3. En déduire que , est un intervalle de confiance de au niveau de confiance
    bn an λ
    1 − α.

    Vous aimerez peut-être aussi