Universit´ e Bordeaux I – 2010/11 MASTER 1
Probabilit´ es-Statistiques M.-L. Chabanol
Devoir surveill´ e
Mars 2011 – 3 heures. Aucun document autoris´ e
Dans tout le sujet, on pourra faire intervenir la fonction quantile q de la loi normale centr´ ee r´ eduite, ainsi que la fonction quantile q
χ2nd’une loi du χ
2` a n degr´ es de libert´ e. On pourra utiliser le cas ´ ech´ eant q
0.975' 1.96 et q
0.95' 1.65.
D’autre part on rappelle le d´ eveloppement asymptotique P
n k=11
k
= ln(n) + γ +o(1) o` u γ est la constante d’Euler, ainsi que l’´ egalit´ e
∞
X
n=1
1 n
2= π
26
Probl` eme 1. Soit X une variable al´ eatoire de loi exponentielle de param` etre λ (donc de densit´ e λ exp(−λx)1
R+(x))
1. D´ eterminer la loi de la partie enti` ere de X.
2. Compl´ eter la fonction ci-dessous pour qu’elle simule une variable al´ eatoire qui suit une loi g´ eom´ etrique de param` etre p
fonction X = rgeom(p) U=rand(1)
...
end
Probl` eme 2. On dispose d’une balance dont les r´ esultats ont une erreur normale centr´ ee de variance σ
2. Pour peser deux objets de poids a et b on effectue trois pes´ ees : d’abord chaque objet s´ epar´ ement, puis les deux objets simultan´ ement. On mod´ elise ceci en disant que le r´ esultat des pes´ ees est un vecteur al´ eatoire Y = m + σ, o` u m =
a b a + b
et o` u suit une loi N (0, I
3) (on a not´ e I
3la matrice identit´ e 3 × 3). Y est donc un vecteur gaussien de loi N (m, σ
2I
3).
On note h., .i le produit scalaire, u =
1 0 1
, v =
0 1 1
, H le plan engendr´ e par u et v,
et w =
√13
1 1
−1
un vecteur unitaire normal ` a H . On note P
Hla projection orthogonale sur H .
1. Quelle est la loi de ||P
H()||
2?
2. Quelle est la loi du produit scalaire hw, Y i ? Quelle est la loi de
hw,Yσ2i2?
3. Donner la matrice dans la base canonique de la projection orthogonale P
Hsur H (on pourra re- marquer que si X ∈ R
3, P
H(X ) = X − hw, X iw).
4. Quelle est la loi de P
H(Y ) ?
5. On suppose qu’on ne connaˆıt pas a et b, et on prend comme estimateur de a, ˆ a = 2Y
1− Y
2+ Y
33 et comme estimateur de b, ˆ b = −Y
1+ 2Y
2+ Y
33 . Ces estimateurs sont-ils sans biais ? Donner la loi de ˆ a. Quel est le risque quadratique de ˆ a ?
6. On suppose qu’on connaˆıt σ
2. Proposer un intervalle de confiance pour a de risque 0.05.
7. ˆ a et ˆ b sont-ils ind´ ependants ? ˆ a et hw, Y i sont-ils ind´ ependants ?
1
8. On suppose qu’on a perdu le manuel de la balance et qu’on ne connaˆıt pas σ
2. On prend comme estimateur de σ
2S ˆ = hw, Y i
2. Est-il sans biais ? Si α ∈]0, 1[, proposer un intervalle de confiance pour σ de risque α.
9. Quelle est la loi de √
ˆaSˆ
?
Probl` eme 3. Soit (X
k)
k∈N∗une suite de variables al´ eatoires ind´ ependantes de mˆ eme loi de Pareto de densit´ e f
α(x) =
xα+1α1
x>1, o` u α > 0 est un param` etre.
1. D´ eterminer {q ∈ R
+∗, X
1qest int´ egrable}.
2. D´ eterminer la fonction de r´ epartition de X
1. Compl´ eter la fonction matlab ci-dessous pour qu’elle fournisse un n-´ echantillon de loi de Pareto de param` etre α.
fonction X = pareto(n, α) U=rand(...)
...
end
On suppose d´ esormais qu’on ne connaˆıt pas α.
3. Calculer si elles existent E
α(X
1) et V ar
α(X
1).
4. On suppose dans cette question seulement α > 1. Montrer que ˜ α
n=
Pn i=1Xi Pn
i=1Xi−n
est un estimateur convergent de α.
5. Donner la vraisemblance du mod` ele, et montrer que l’estimateur de maximum de vraisemblance de α est ˆ α
n=
Pn ni=1ln(Xi)
.
6. Montrer que ln(X
1) suit une loi exponentielle dont on d´ eterminera le param` etre.
7. L’estimateur ˆ α
nest-il convergent ? 8. Montrer que √
n( ˆ α
n− α) converge en loi vers une loi normale dont on donnera les param` etres.
9. Examiner la convergence en loi de √
n ( ˆ α
n− α) ˆ α
n.
10. Soit η ∈]0, 1[. D´ eduire de la question pr´ ec´ edente un intervalle de confiance asymptotique pour α au risque η.
Probl` eme 4. Votre petit fr` ere collectionne les images d’animaux qu’on trouve dans des tablettes de chocolat. On suppose qu’il existe n images diff´ erentes (num´ erot´ ees de 1 ` a n), que chaque tablette de chocolat contient une image, et qu’elles sont distribu´ ees de mani` ere ´ equiprobable (il n’y a pas d’animal plus rare qu’un autre), et de mani` ere ind´ ependante sur chaque tablette.
On note X
ile num´ ero de l’image contenue dans la tablette i (les X
isont donc suppos´ ees i.i.d. de loi uniforme sur {1, . . . , n}), et N
kle nombre de tablettes achet´ ees avant d’avoir k images diff´ erentes : N
k= inf{j ≥ 1, Card{X
i, i ≤ j} = k}. On note T
k= N
k− N
k−1, avec par convention T
1= N
1= 1.
1. (a) Soit T une variable g´ eom´ etrique de param` etre p. Donner la fonction caract´ eristique E[e
itT].
Que vaut E[T ] ? On pourra ult´ erieurement utiliser sans calcul V ar(T ) =
1−pp2.
(b) Soit l
2∈ N
∗. Exprimer l’´ ev´ enement (T
2= l
2) en fonction des (X
i)
i∈N∗et en d´ eduire que T
2suit une loi g´ eom´ etrique de param` etre 1 −
1n.
(c) Soit (l
2, l
3) ∈ (N
∗)
2. Exprimer l’´ ev´ enement (T
2= l
2et T
3= l
3) en fonction des (X
i)
i∈N∗puis calculer P (T
2= l
2et T
3= l
3).
(d) En d´ eduire que T
3suit une loi g´ eom´ etrique de param` etre
n−2n, et qu’elle est ind´ ependante de T
2.
(e) Retrouver la loi de T
3en exprimant T
3comme instant de premier succ` es, puis montrer de mˆ eme que pour tout 2 ≤ k ≤ n, T
ksuit une loi g´ eom´ etrique dont on donnera le param` etre.
On admettra que les variables T
1, . . . , T
nsont ind´ ependantes.
2. (a) Montrer E[N
n] = n P
n j=11
j
et en d´ eduire que lorsque n tend vers +∞, E[N
n] = n ln(n)+O(n).
(b) Montrer V ar(N
n) =
π62n
2+ o(n
2).
2
(c) Montrer que
nln(n)Nnconverge en probabilit´ e vers 1.
3. Soit k ∈ N, fix´ e. Montrer que la suite (
Tn−k+1n, n ≥ k) converge en loi vers une loi exponentielle de param` etre k.
4. (Question bonus) Montrer plus pr´ ecis´ ement que si on note ψ
(Tn,k)la fonction caract´ eristique de
Tn−k+1net ψ
(exp)kla fonction caract´ eristique d’une loi exponentielle de param` etre k on a
∀u ∈ R, ∃(n
0, C) ∈ N × R
+, (n ≥ max(n
0, k) ⇒ |ψ
n,k(T)(u) − ψ
(exp)k(u)| ≤ C nk )
5. Soit (X
1, . . . , X
n) un n-´ echantillon de loi exponentielle de param` etre 1. On note M
n= max(X
i)
1≤i≤n. (a) Calculer la fonction de r´ epartition de M
n.
(b) Montrer que la suite de terme g´ en´ eral M
n− ln(n) converge en loi vers une variable al´ eatoire Z dont on donnera la fonction de r´ epartition F
Z. Quelle est la densit´ e de Z ?
(c) Soit 0 < α < 1. D´ eterminer deux r´ eels r
1et r
2tels que P (Z ≤ r
1) = P (Z > r
2) = α.
On admettra pour la suite que M
na mˆ eme loi que P
nj=1
E
jo` u les E
jsont des variables al´ eatoires ind´ ependantes de loi exponentielle de param` etre j, et on notera ψ
n(M)sa fonction de r´ epartition.
6. On note ψ
n(N/n)la fonction caract´ eristique de
Nnn.En utilisant les questions 4 et 5 ainsi que l’in´ egalit´ e
| Q
nj=1
a
j− Q
nj=1
b
j| ≤ P
nj=1