Le 26/06/2015
Corrigé nal - SQ20 - P2015
Page 1/3 Exercice 1
1. À la calculatrice, on obtient : xe≈58,040à 10−3 près par défaut etse≈0,037à10−3près par défaut.
2. On prendα= 5 %,n= 81etµ0= 58. On veut tester :
• H0:µ=µ0
• contreH1:µ6=µ0
Soit(X1, X2, . . . , Xn)un échantillon de taillende la variableX. (a) La variable aléatoireX = 1
n
n
X
k=1
Xk suit la loi normaleN
µ0, σ
√n
.
(b) σétant inconnu, on prend comme variable aléatoire de test Z= X−µ0
S/√ n où S2= 1
n−1
n
X
k=1
Xk−X2.
On sait alors queZ suit la loi de StudentTn−1àn−1 = 80degrés de liberté.
(c) On cherche le réelttel queP(−t6Z6t) = 0,95.
Or P(−t6Z 6t) =FZ(t)−FZ(−t) =FZ(t)−(1−FZ(t))car la densité deZ est une fonction paire. Donc
P(−t6Z 6t) = 0,95⇐⇒2FZ(t)−1 = 0,95
⇐⇒FZ(t) = 1,95
2 ⇐⇒FZ(t) = 0,975 On obtient à la calculatrice : t≈1,990à 10−3près par défaut.
(d) CommeP(−t6Z 6t) =P
µ0−t S
√n 6X 6µ0+t S
√n
= 0,95, on obtient comme région d'acceptationD0deH0au seuil de signication de 5% :
D0=
µ0−t se
√n−1, µ0+t se
√n−1
≈[57,992 ; 58,008]
3. Ici,xe ∈/ D0.
On rejette H0 et on décide queH1est vraie avec un risque de première espèce de 5%.
Exercice 2
Partie A
Pourλ >0, la fonctionf est dénie surRpar f(t) =
eλ−t sit>λ 0 sit < λ 1. (a) Soitx>λ.
Z x λ
f(t)dt= Z x
λ
eλ−tdt=
−eλ−tt=x
t=λ=−eλ−x− −eλ−λ
= 1−eλ−x (b) f est continue surR\ {λ}et positive surR.
De plus1−eλ−x −→
(x→+∞)1 donc l'intégrale généraliséeZ +∞
λ
f(t)dtest convergente et Z +∞
−∞
f(t)dt= Z +∞
λ
f(t)dt= lim
x→+∞
Z x λ
f(t)dt= 1 Ainsif est une densité de probabilité.
2. SoitX une variable aléatoire de densitéf. La fonctionF de répartition deX est dénie pour tout réelxpar
F(x) =P([X 6x]) = Z x
−∞
f(t)dt.
F(x) =
Z x
−∞
0dt= 0 si x < λ Z x
λ
f(t)dt= 1−eλ−x si x>λ 3. On poseU=X−λ.
(a) La fonction de répartitionGdeU est dénie surRpar : G(x) = P([U 6x]) =P([X−λ6x])
= P([X 6x+λ]) =F(x+λ) avec x+λ>λ⇐⇒x>0. Donc
G(x) =
0 six <0
1−eλ−(x+λ)= 1−e−x six>0
Le 26/06/2015
Corrigé nal - SQ20 - P2015
Page 2/3 (b) La fonction de répartitionGest continue sur Ret de classeC1 surR∗.
DoncU est une variable aléatoire à densité, dont une densitég vérie pour tout réelxnon nul :
g(x) =G0(x) =
0 six <0 e−x six >0
On reconnaît une densité de la loi exponentielle de paramètre 1.
Ainsi U ,→E (1) d'où E(U) = 1
1 = 1 et V (U) = 1 12 = 1. (c) Et commeX =U+λ, X admet une espérance et une variance :
E(X) =E(U) +λ= 1 +λ et V(X) =V(U) = 1
Partie B
Sn=Xn −1 = 1 n
n
X
k=1
Xk
!
−1 et Yn= min(X1, X2 . . . , Xn) 1. (a) Pour tout entiern>1,
E(Sn) = E Xn
−1
= 1
n
n
X
k=1
E(Xk)−1 par linéarité de l'espérance
= E(X)−1
= (1 +λ)−1
= λ
Sn est donc un estimateur sans biais deλ. (b) Pour tout entiern>1,
V (Sn) = V Xn
= 1
n2V
n
X
k=1
Xk
!
= 1
n2
n
X
k=1
V(Xk) par indépendance desXk
= 1
n2
n
X
k=1
1 = 1
n2 ×n= 1 n Sn est un estimateur sans biais deθ avec lim
n→+∞V(Sn) = 0. On peut conclure queSn est un estimateur convergent deλ.
2. Soitx∈R. Fn(x) =P([Yn 6x]) = 1−P([Yn> x]). Or pour toutω∈Ω, min{X1(ω), X2(ω). . . , Xn(ω)}> x ⇐⇒ ∀k∈J1, nK, Xk(ω)> x
Donc [Yn> x] =
n
\
k=1
[Xk > x] puis P([Yn > x]) =P
n
\
k=1
[Xk > x]
!
Puisque les variables aléatoires X1, X2, . . . , Xn sont mutuellement indépen- dantes,P
n
\
k=1
[Xk > x]
!
=
n
Y
k=1
P([Xk > x]). Comme elles suivent toutes la même loi queX, P
n
\
k=1
[Xk > x]
!
=P([X > x])n= (1−F(x))n. Ainsi Fn(x) = 1−(1−F(x))n Finalement
Fn(x) =
1−(1−0)n = 0 six < λ 1− 1−(1−eλ−x)n
= 1−en(λ−x) six>λ 3. On pose Zn=Yn−λ.
(a) La fonction de répartitionGn deZn est dénie surRpar : Gn(x) = P([Zn6x]) =P([Yn−λ6x])
= P([Yn6x+λ]) =Fn(x+λ) avec x+λ>λ⇐⇒x>0. Donc
Gn(x) =
( 0 six <0
1−en λ−(x+λ)
= 1−e−n x six>0
(b) La fonction de répartitionGn est continue surRet de classeC1surR∗. DoncZnest une variable aléatoire à densité, dont une densitégnvérie pour tout réelxnon nul :
gn(x) =G0n(x) =
0 six <0 ne−n x six >0
On reconnaît une densité de la loi exponentielle de paramètren. Ainsi Zn,→E(n)
Le 26/06/2015
Corrigé nal - SQ20 - P2015
Page 3/3 (c) On déduit de la question précédente, E(Zn) = 1
n et V (Zn) = 1 n2. Et commeYn=Zn+λ, Yn admet une espérance et une variance :
E(Yn) =E(Zn) +λ= 1
n +λ et V (Yn) =V(Zn) = 1 n2 4. On pose Tn=Yn− 1
n.
• E(Tn) =E(Yn)−1 n =
1 n+λ
−1 n=λ.
Donc Tn est un estimateur sans biais deλ.
• De plus V(Tn) =V(Yn) = 1
n2 −→
(n→+∞)0 Donc Tn est un estimateur convergent deλ.
• Enn V(Sn)−V(Tn) = 1 n − 1
n2 = n−1
n2 est strictement positif dès que n>2.
Par conséquentTn est un estimateur plus ecace queSnpour le paramètre λ.