Scribd Logo
Importer

Bienvenue sur Scribd !

  • 50 vues

    Master1 Stat td2

    Transféré par

    Ludovic Ntep
    Cet ensemble d'exercices porte sur l'estimation statistique. Il contient 8 exercices traitant de différents estimateurs comme l'estimateur du maximum de vraisemblance, l'estimateur bayésien, ainsi que la borne de Cramer-Rao. Les exercices portent sur des lois de probabilité comme la loi de Poisson, la loi binomiale, la loi normale et la loi exponentielle.

    Droits d'auteur :

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

    Master1 Stat td2

    Transféré par

    Ludovic Ntep
    50 vues2 pages
    Cet ensemble d'exercices porte sur l'estimation statistique. Il contient 8 exercices traitant de différents estimateurs comme l'estimateur du maximum de vraisemblance, l'estimateur bayésien, ainsi que la borne de Cramer-Rao. Les exercices portent sur des lois de probabilité comme la loi de Poisson, la loi binomiale, la loi normale et la loi exponentielle.

    Description originale:

    Cours de statistiques

    Titre original

    Master1_Stat_td2

    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 ?

    Cet ensemble d'exercices porte sur l'estimation statistique. Il contient 8 exercices traitant de différents estimateurs comme l'estimateur du maximum de vraisemblance, l'estimateur bayésien, ainsi que la borne de Cramer-Rao. Les exercices portent sur des lois de probabilité comme la loi de Poisson, la loi binomiale, la loi normale et la loi exponentielle.

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme PDF, TXT ou lisez en ligne sur Scribd
    Télécharger au format pdf ou txt
    50 vues2 pages

    Master1 Stat td2

    Transféré par

    Ludovic Ntep
    Cet ensemble d'exercices porte sur l'estimation statistique. Il contient 8 exercices traitant de différents estimateurs comme l'estimateur du maximum de vraisemblance, l'estimateur bayésien, ainsi que la borne de Cramer-Rao. Les exercices portent sur des lois de probabilité comme la loi de Poisson, la loi binomiale, la loi normale et la loi exponentielle.

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme PDF, TXT ou lisez en ligne sur Scribd
    Télécharger au format pdf ou txt
    sur 2

    Master math-info 2012-2013

    Travaux dirigés de Statistique 2


    estimateur bayésien, estimateur du maximum de vraisemblance,
    borne de Cramer-Rao

    Exercice 1 Soit (X1 , X2 , ..., Xn ) un n-échantillon de loi de Poisson P(λ). On considère les deux
    estimateurs Xn et Sn0 2 . Montrer qu’il s’agit de deux estimateurs sans biais de λ. Quel estimateur
    préconiseriez-vous?

    Exercice 2 Soit (X1 , X2 , ..., Xn ) un n-échantillon de loi B(θ). On considère les deux estimateurs
    θ̂ et θ̃ de θ suivants :
    Xn Xn
    θ̂ = Xi /n, θ̃ = Xi /(n + 1).
    i=1 i=1

    1. Calculer les fonctions de biais b et b̃ associées à nos deux estimateurs.

    2. Donner une expression en fonction de θ et de n des fonctions de risque quadratique R(θ̂, θ)


    et R(θ̃, θ). Peut-on dire que l’un des estimateur est meilleur que l’autre?

    Exercice 3 Soit (X1 , X2 , ..., Xn ) un n-échantillon de loi N (θ, 1), θ ∈ R. Calculer l’estimateur de
    Bayes Tσ de θ relatif la loi priori N (0, σ 2 ), la fonction de risque et le risque de Bayes de Tσ .

    Exercice 4 Soit X une variable aléatoire à densité de probabilité fλ (x),


    1  x
    fλ (x) = exp − 1 (x), λ > 0.
    λ λ [0,∞[
    1. Soit (x1 , . . . , xn ) une réalisation d’un n-échantillon (X1 , . . . , Xn ) de X. Calculer l’estimateur
    du maximum de vraisemblance λ̂ obtenu à l’aide de ce n-échantillon.

    2. Calculer l’espérance mathématique et la variance de la variable aléatoire λ̂. A-t-on un esti-


    mateur non biaisé? Un estimateur fortement consistant?

    3. On modélise la durée séparant deux appels successifs arrivant à un standard téléphonique par
    une loi de densité fλ (x). Déterminer la valeur de l’estimateur λ̂ dans le cas où n = 5 et les
    valeurs observées sont
    1, 2 7, 5 1, 8 3, 7 1, 1.

    Exercice 5 On modélise à présent la durée séparant deux appels successifs arrivant à un standard
    téléphonique par une loi exponentielle Eµ . Soit (x1 , . . . , xn ) un n-échantillon de loi E(µ).

    1. Calculer l’estimateur du maximum de vraisemblance pour µ. Est-ce un estimateur sans biais


    ? Calculer son biais.

    1
    2. Comparer avec les résultats du dermier exercice. Voyez-vous une règle générale apparaı̂tre à
    la lumière des deux derniers exercices ?

    3. Déterminer la valeur de l’estimateur µ̂ dans le cas du 5-échantillon donné dans le premier


    exercice.

    Exercice 6 Θ =]0, 1[, on considère la famille des lois (G(θ))θ∈Θ telle que et si X ∼ G(θ) alors
    X(Ω) = N et
    Pθ (X = k) = θ(1 − θ)k , pour k ∈ N.

    1. Soit X ∼ G(θ). Calculer Eθ (X).

    2. Soit (X1 , · · · , Xn ) un n-échantillon de loi G(θ). Calculer l’estimateur du maximum de vraisem-


    blance pour θ.

    Exercice 7 On considère ici un échantillon de loi exponentielle E(λ).

    1. Calculer l’information de Fisher In (λ).

    2. On considère l’EMV λ̂n de λ. Calculer son risque quadratique et montrer que lorsque n tend
    vers l’infini, n(R(λ̂n , λ) − In−1 (λ)) tend vers 0.

    3. Vérifier que c’est un estimateur fortement consistant. En écrivant que λ̂n = ψ(X n ) pour une
    √
    fonction ψ adéquate, montrer que n(λ̂n − λ) tend en loi vers une gaussienne N (0, I1−1 (λ)).

    Exercice 8 Soit (X1 , X2 , ..., Xn ) un n-échantillon de loi N (µ, σ 2 ).

    1. En notant θ = (µ, σ 2 ), montrer que la matrice d’information de Fisher est donnée par
     
    n 1 0
    In (θ) = 2 .
    σ 0 1/(2σ 2 )

    2. On considère l’estimateur efficace sans biais θ̂n = (X n , Sn0 2 ) de θ. Montrer que X n et Sn0 2
    sont indépendants et calculer la matrice de variance-covariance de θ̂.

    3. La borne de Cramer-Rao est-elle atteinte ? Montrer que

    n(Σ2θ − In−1 (θ)) −→ 0,

    lorsque n tend vers l’infini.

    Vous aimerez peut-être aussi