Universit Rennes 1

Master Mathmatiques - Module H12

Statistique paramtrique -TD 4

Soit (X1 , . . . , Xn ) un chantillon de loi exponentielle E(1/) o > 0 est inconnu. On souhaite estimer de plusieurs faons direntes : a) Donner l'expression de l'estimateur 1 par la mthode des moments d'ordre 1 et 2 par la mthode des moments d'ordre 2. b) Donner l'expression de l'estimateur M V du maximum de vraisemblance associ au modle.
c) Quelle est la mdiane pour une loi exponentielle E(). Proposer alors un nouvel estimateur Q de . d) Que peut-on dire de ces estimateurs ? e) On s'interesse au paramtre d = P (X1 2). Exprimer d en fonction de . Trouver l'EMV d de d. Quelle est sa loi asymptotique ?

Exercice 1 Loi exponentielle

On considre un chantillon X1 , . . . , Xn . Calculer l'estimateur du maximum de vraisemblance (e.m.v) de dans les modles suivants a) loi de Bernoulli B(). Calculer la loi limite de n( ).

Exercice 2 Estimateur du Maximum de vraisemblance

b) loi gaussienne N (, 2 ) avec = (, 2 ). Donner la loi limite du vecteur

n( ).

c) loi uniforme U[a, b], avec = (a, b). Donner la loi limite du vecteur n( ). Dans chacun des cas donner un intervalle de conance asymptotique.

On tudie une v.a. X de densit f (., ) (f est C 1 . a) Quelle est la fonction de score du modle, note S(X, ) ? Donner l'expression de l'information de Fisher IX (). b) En fait, on ne parvient pas observer X mais seulement Y dnie par : Y = 1 si X s et Y = 0 sinon, o s est un seuil connu. On suppose que l'on peut intervertir et /. Donner la fonction de score du modle, note SY (y, ). En dduire que SY (y, ) = E[S(X, )|Y = y]. c) En dduire alors que IX () IY () (au sens matriciel ) o IY est l'information de Fisher associ Y . Quelle interprtation donner vous l'ingalit ci-dessus ? On considre l'ensemble des lois normales N (m, 2 ) o = (m, 2 ) IR]0, +[. a) Calculer l'information de Fisher de N (m, 2 ) en = (m, 2 ). 1 b) Soit S 2 = n1 n (Xi X) la variance empirique d'un n-chantillon X1 , . . . , Xn de la loi N (m, 2 ). Calculer i=1 le risque quadratique de S 2 pour estimer 2 . Quel est le risque quadratique de cS 2 , o c est une constante ? c) Montrer que S 2 n'est pas un estimateur admissible de 2 , que c'est un UVMB et qu'il n'est pourtant pas ecace.
Y digne une v.a. de loi N (m, 2 ).

Exercice 3 Score

Exercice 4

Exercice 5

a) Quelle est la densit de X = eY ? b) Soit r un entier positif, calculer E[X r ]. c) On suppose que est connu. partir d'un chantillon de taille n de X , on veut estimer par la mthode du 2 maximum de vraisemblance la paramtre = E[X] = em+ /2 . Pour cela on pose Yi = ln Xi et Y n la moyenne 2 empirique des Yi . Montrons que Tn = eY n + /2 est un EMV de . Montrer que Tn est asymptotiquement sans biais. d) Construire partir de Tn un estimateur Tn sans biais de . Est-il ecace ?

On considre une population de n individus infects par un virus, on tudie leurs dures d'incubation (Ti )i{1,...,n} dont on suppose qu'elle est observable. Pour modliser l'htrognit de la population, on suppose qu'on peut caractriser chaque individu i par un "facteur de risque" inobservable, ralisation de la v.a. i , de telle sorte que : - La loi de Ti conditionnellement i = i est la loi exponentielle E(i ), - la famille (i )i{1,...,n} est i.i.d selon la loi de densit
f () = r r1 e 1l IR+ (r)

Exercice 6

o > 0 et r > 2. - les couples (Ti , i ) sont indpendants entre eux. a) Donner la vraisemblance de (T1 , . . . , Tn ). b) Calculer, lorsqu'il existe, le moment d'ordre k : E(Tik ). c) Calculer l'information de Fisher du modle. Dans le cas ou est connu, calculer l'e.m.v. de r. Que se passe-t-il si et r sont tous les deux inconnus ? d) On suppose connu. Dterminer au moyen de la mthode des moments un estimateur convergent de r. Cet estimateur est-il sans biais ? Asymptotiquement ecace ? e) On suppose et r inconnus. En utilisant les deux premiers moments de Ti , trouver des estimateurs convergents et r de et r. Rappel : Soient n v.a. Y1 , . . . , Yn i.i.d. de loi exponentielle E(). Alors n Yi suit la loi Gamma G(n, ) de densit i=1 y n1 n (n1)! ey 1l[0,+[ (y). Dans tout l'exercice, Zi et Ci , pour i {1, . . . , n} dsignent des v.a. indpendantes suivants des lois exponentielles de paramtres respectifs > 0 et > 0. Partie 1 Observation parfaite On dispose d'un chantillon d'observations (zi , ci )i{1,...,n} . a) Ecrire le modle statistique correspondant. S'agit-il d'une famille exponentielle ? b) Quel est l'e.m.v

Exercice 7

du paramtre

c) Dterminer la loi asymptotique de d) Dterminer la loi ( distance nie) de

Partie 2 Observation imparfaite On suppose dans cette partie que les seules observations disponibles portent sur Xi = min(Zi , Ci ), i = 1, . . . , n. a) Rappeler la loi de la variable Xi , pour i {1, . . . , n}. b) Ecrire le modle statistique correspondant et dterminer les fonctions identiables du paramtre c) Quels sont les e.m.v de = + fonds : i) sur (Xi )i{1,...,n} , ii) sur (Zi , Ci )i{1,...,n} ? Est-il naturel que ces estimateurs soient dirents ? d) Comparer les proprits asymptotiques de ces estimateurs.

Est-il biais distance nie ? Calculer sa matrice de variance-covariance. e) Proposer un estimateur sans biais de (, ). Est-il ecace ?