• Aucun résultat trouvé

9 : Méthode du maximum de vraisemblance

N/A
N/A
Protected

Academic year: 2022

Partager "9 : Méthode du maximum de vraisemblance"

Copied!
2
0
0

Texte intégral

(1)

Université de Caen M1

TD n

o

9 : Méthode du maximum de vraisemblance

Exercice 1. Soient λ >0 etX une var suivant la loi de PoissonP(λ), i.e. dont la loi est donnée par

P(X =k) = λk

k!e−λ, k∈N. 1. Donner la fonction de vraisemblance.

2. Donner la fonction de log-vraisemblance.

3. Déterminer un estimateur deλ par la méthode du maximum de vraisemblance.

4. Est-ce que cet estimateur est consistant ? Est-ce qu’il est asymptotiquement normal ? 5. Des observations deX sur15appareils électroménagers choisis au hasard sont les suivantes

:

3 3 1 1 1 6 4 2 3 1 5 5 2 7 4

Donner une estimation ponctuelle pour λ.

Exercice 2. Soient p ∈]0,1[ et X une var suivant la loi géométrique G(p), i.e. dont la loi est donnée par

P(X =k) =p(1−p)k−1, k ∈N.

1. Déterminer un estimateur dep par la méthode du maximum de vraisemblance.

2. Des observations de X sur12individus choisis au hasard sont les suivantes :

1 2 1 4 2 1 1 5 3 2 10 1

Donner une estimation ponctuelle pour p.

Exercice 3. Soient µ∈R etX une var de densité : f(x) = 1

√2πe(x−µ)22 , x∈R.

Déterminer un estimateur de µpar la méthode du maximum de vraisemblance.

Exercice 4. Soient θ >1 etX une var suivant la loi de Pareto Par(θ), i.e. vérifiant :

P(X > x) =

(x−θ si x≥1, 1 sinon.

Déterminer un estimateur de θ par la méthode du maximum de vraisemblance.

C. Chesneau 1 TD no 9

(2)

Université de Caen M1

Exercice 5. Soient θ >0etX unevar suivant la loi exponentielle de paramètre 1θ, i.e. de densité :

f(x) =

 1

θe1θx si x≥0,

0 sinon.

1. Donner la fonction de vraisemblance.

2. Déterminer un estimateur θbn de θ par la méthode du maximum de vraisemblance.

3. Est-ce que θbn est sans biais ? Calculer son risque quadratique.

4. Préciser les garanties théoriques assurant queθbnsoit consistant et asymptotiquement normal.

Exercice 6. Soient θ∈1

2,1

etX une var de densité :

f(x) =

 θ

1−θx2θ−11−θ six∈[0,1],

0 sinon.

1. Donner la fonction de vraisemblance.

2. Déterminer un estimateur θbn de θ par la méthode du maximum de vraisemblance.

Exercice 7. Soient θ >0 etX une var suivant la loi uniforme U([0, θ]), i.e. de densité :

f(x) =

 1

θ six∈[0, θ], 0 sinon.

1. Donner la fonction de vraisemblance.

2. Vérifier qu’un estimateurθbn de θ par la méthode du maximum de vraisemblance est donné par

n= sup(X1, . . . , Xn), où X1, . . . , Xn sont n var iid suivant la même loi que X.

3. Déterminer la fonction de répartition deθbn, puis sa densité.

4. CalculerE(bθn)et V(bθn).

5. Déduire de la question précédente un estimateurθen sans biais de θ.

6. Vérifier que le risque quadratique deθen vaut : R(eθn, θ) = 1

n(n+ 2)θ2.

7. Des observations deX sur4 individus choisis au hasard sont les suivantes : 3 5 6 18 Donner une estimation ponctuelle pour θ.

C. Chesneau 2 TD no 9

Références

Documents relatifs

The idea behind maximum likelihood estimation is to choose the most probable parameter θ ∈ Θ for the observed data.. Hence, the high level idea of maximum likelihood estimation will

D´ eterminer les param` etres du mod` ele en utilisant le principe du maximum de vraisemblance, pr´ edire grˆ ace au mod` ele obtenu.. Avant de consid´ erer des mod` eles impliquant

Deux modèles sont couramment utilisés pour les signaux sources : le modèle dit déterministe dans lequel les signaux sources émis sont traités comme des paramètres inconnus, et

Pour cela, une nuit de pleine lune, la comptesse en capture , leur mord les oreilles, puis les relˆache.. La nuit suivante, elle en capture 

Sur un ´echantillon repr´esentatif de  personnes, on rapporte les avis favorables pour un homme politique.. En novembre, il y avait % d’avis favorables, et %

On constate que le retard d'un bus (temps entre l'horaire prévu et l'arrivée eective d'un bus) peut être modélisé par une variable aléatoire de loi uniforme sur [0, θ] et que

• les donn ´ees sont utilis ´ees pour raffiner la distribution a-priori des param `etres.. • Avantages de

En déduire une généralisation du théorème de Gauss-Markov au cas de l’esti- mation par moindres carrés généralisés ainsi que l’optimalité de l’estimateur θ b G parmi