UNIVERSITE PARIS-DAUPHINE D´epartement LSO- DUGEAD UV 44 - Statistiques II
Groupes 19
Contrˆ ole continu n o 2
.20-01-10. Dur´ee:1h20 El´ements de correction
Calculatrices non-programmables autoris´ees. T´el´ephones portables interdits.
Aucun document autoris´e.
Probl` eme
Soit X une v.a. admettant pour densit´e, connue `a une constantek >0 pr`es, f(x;θ) =kexp(−θ|x|) pour toutx∈ R
o`uθ >0 est un param`etre inconnu `a estimer et X1, . . . , Xn un n-´echantillon de X.
1. V´erifier que n´ecessairement k =θ/2 pour quef soit bien une densit´e.
On v´erifie bien que f est positive, continue (presque partou)t et que Z ∞
−∞
exp(−θ|x|)dx= 2 Z ∞
0
exp(−θx)dx = 2 θ donck =θ/2 entraˆıne que R
f(x)dx= 1 et quef est une densit´e.
2. Montrer que E(X) = 0.
Sa densit´ef est paire, donc la v.a. X est sym´etrique donc E(X) = 0.
3. En d´eduire que E(X2) = Var(X) = 2/θ2. Huygens donne E(X2) = Var(X) et on calcule
E(X2) = θ 2
Z ∞
−∞
x2exp(−θ|x|)dx=θ Z ∞
0
x2exp(−θx)dx.
Par IPP, x2 7→2x etθexp(−θx)7→ −exp(−θx) on trouve E(X2) = 2
Z ∞
0
xexp(−θx)dx.
On conclut par une nouvelle IPP 2x7→2 et exp(−θx)7→ −θ−1exp(−θx) : E(X2) = 2θ−1
Z ∞
0
exp(−θx)dx= 2θ−1[−θ−1exp(−θx)]∞0 = 2 θ2.
4. D´eterminer un estimateur Tn deθ par la m´ethode des moments.
La m´ethode des moments donne directement Tn =
s 2n Pn
i=1Xi2
.
5. Donner les propri´et´es de convergence de Tn.
Etant donn´e qu’il est obtenu par la m´ethode des moments, Tn est convergent en prob- abilit´e.
6. D´eterminer l’estimateur Wn de θ par la m´ethode du maximum de vraisemblance.
On calcule la vraisemblance Ln(θ) =
θ 2
n
exp −θ
n
X
i=1
|xi|
!
son logarithme
lnLn(θ) =nln(θ)−nln(2)−θ
n
X
i=1
|xi|
la d´eriv´ee de son logarithme
(lnLn(θ))′ = n θ −
n
X
i=1
|xi| et la d´eriv´ee seconde
(lnLn(θ))′′ =−n θ2 <0
La CN est directement v´erifi´ee quelque soit θ >0 et la CS donne n
θˆM V −
n
X
i=1
|xi|= 0⇐⇒θˆM V = n Pn
i=1|xi|
7. Calculer la fonction de r´epartition de |X|d´efinie par P(|X| ≤x) pour x >0.
On aP(|X| ≤x) =P(−x≤X ≤x) pour x >0 donc F|X|(x) =
Z x
−x
θ
2exp(−θ|u|)du=θ Z x
0
exp(−θu)du= [−exp(−θu)]x0 = 1−exp(−θx).
8. En d´eduire que Y =|X| suit une loi exponentielle E(θ).
On reconnaˆıt dans l’expression de F|X|(x) la fonction de r´epartition deE(θ) donc Y =
|X|suit une loi exponentielle E(θ).
2
9. V´erifier, par le calcul, que E(Y) = θ−1.
On fait une IPPx7→1 etθ−1exp(−θy)7→exp(−θy) : E(Y) =θ−1R∞
0 yexp(−θy)dy= R∞
0 exp(−θy)dy
10. En d´eduire que l’information de Fisher s’´ecrit sous la forme In(θ) =nVar(Y).
Par d´efinitionIn(θ) =nE((θ−1− |X|)2) = nE((Y −E(Y))2) = nVar(Y) 11. Donner (sans calcul) Var(Y) et en d´eduire que√
n(Wn−θ)−→ NL (0, θ).
On a Var(Y) =θ−2 d’apr`es le cours et d’apr`es l’approximation normale de Fischer on a
Wn−θ∼ N(0, σn)
o`uσn2 =In−1 =θ2/n. Le r´esultat vient de la multiplication par√
n `a droite et `a gauche de l’approximation et en faisant tendre n vers l’infini.
12. En d´eduire que √
n(Wn/θ−1) est une statistique pivotale asymptotique pour θ dont on pr´ecisera la loi asymptotique.
On r´eduit le r´esultat trouv´e pr´ec´edemment en divisant par l’´ecart typeθ.
13. Construire un intervalle de confiance de niveau asymptotique 95% pour le param`etre inconnuθ.
Asymptotiquement, on a
P
√n(Wn/θ−1)
≤1,96
= 0,95 ⇐⇒
P 1−1,96/√
n ≤Wn/θ≤1 + 1,96/√ n
= 0,95 ⇐⇒
P (1 + 1,96/√
n)−1 ≤θ/Wn≤(1−1,96/√ n)−1
= 0,95 d’o`u
IC95% =
Wn 1 + 1,96/√
n; Wn 1−1,96/√
n
14. En d´eduire une fourchette d’estimation pour θ de risque asymptotique ´egal `a 5%
sachant qu’on observe 100 observations dont la somme des valeurs n´egatives est−4723 et la somme des valeurs positives est 5178.
AN : On trouve la fourchette d’estimation 0,84%≤θ ≤1,26%
15. La fourchette d’estimation est-elle centr´ee en l’estimation ˆθM V obtenue par la m´ethode du Maximum de Vraisemblance?
On calcule wn = 0,01 = 1% et la fourchette n’est pas centr´ee en 1%, 0,84 ´etant plus proche de 1 que 1,26.
3
16. En supposant l’estimation ˆθM V fix´ee, quel est le nombre d’observations n´ecessaire pour doubler la pr´ecision de la fourchette (i.e. diviser par deux sa longueur)?
La longueur trouv´ee vaut 0,41%. On recherche le plus petit n tel que wn
1 1−1,96/√
n − 1
1 + 1,96/√ n
≤0,2%.
En rempla¸cantwnpar sa valeur 1% suppos´e constante, en r´eduisant au mˆeme d´enominateur, on trouve
2∗1,96√ n
n−(1,96)2 ≤0,41
soit, en multipliant parn−(1,96)2/0,2 `a droite et `a gauche : n−19,6√
n−3,84≥0 On obtient un polynˆome en√
ndont on calcule le discriminant ∆ = 400 d’o`u la racine positive (19,6 + 20)/2 = 19,8. On en d´eduit finalement n = 393 le plus petit entier plus grand que 19,82 = 392,04.
4