l

"

Universit Med I-FPN Dpartement: Eco-gestion Anne universitaire: 2010/2011

Module: M16 lment: Statistique ID

TD2

Exercice 1. - Soient Xt, ..,' Xn n variables alatoires indpendantes suivant la mloi N(m,o). Montrer que ~ E7=t Xi converge en probabilit vers m. -,-.-'" ------'-

'_.

Exercice 2. - Soient les variables alatoiresit1dpendantes Y '\M N(m,a) et Zn telle que E(Zn) = 0 et V(Zn) = ~. On dfinit la suite de v.a. {Yn} telles que Yn = y + Zn' En utilisant l'ingalit de Chebychev, montrer que Yn~ Y. Exercice 3. - En utilisant l'ingalit de Chebychev, montrer que si X est une v.a. relle d'esprance' mathmatique m et de variance 02, alors P(lX - ml < Aa) ~ 1- tr pour tout A:> O. '

-------

/_//
~_"

_' Exercice 4. - Soient Xl, ..., Xn n variables alatoires i.i.d. Monter que un estimateur non biais de a2, o a2 = V(Xt). Exercice 5. - Soient
,-f." simples indpendants 1 U

S2

n:tE7=t(Xi -

30

est

Si,... , S; les k variances~chantillons

le tailles respdivs nt; ... , nk.

obtenues partir,

dk chantillons

b' . d 2 ? non laIS e a . 2. Si ce n'est pas le cas, comment le biais peut-il tre enlev?

+nkS~ il' = nIS~+ nl+ +nk est- un estimateur

Exercice 6. - Considrons une population distribue selon une loi de Poisson de paramtre A > O. On extrait de cette population une observation Xl' Si notre but est d'estimer e-3A, que pouvez-vous dire de la statistique(-2)X1 ? .. Exercice 7. - Les lments d'une population probabilit dont la densit est fe(x) possdent un caractre X qui suit une loi de si sinon

={

48-4x3

O<x<8
Xl; . , Xn.

Une suite de nexpriences indpendantes a donn les valeurs non biais TQ9du paramtre 8 li simplement la moyenne

Xn = ~ E~l

Proposer un estimateur Xi de l'chantillon.

Exercice 8. - Soit un chantillon alatoire simple (Xl, ... ,Xn) issu d'une population P(A). Dterminez un estimateur efficace de A, p.onnez sa variance et l'information de Fisher apporte par l'chantillon._ '_'. _,. 'Exercice 9. - Considrons une population N(fl)a), o a est connu. Soit (Xl, ... ,Xn) un chantillon .. alatoire simple issu de cette population. 1. Dterminez un estimateur efficace de fI, dduisez-en sa variance et l'information de Fisher. 2. Dterminez cette-dernire

quantifj> un calcul direct .

.Soient les variables alatoires (Xl, ... ,Xn),i.i.d., valeurs dans N et dont la distribution de "probabilit est donne par P(Xi = k) = 8(1 - 8)k, o kEN et 0 < 8 < 1. Dterminez un estimateur efficace, sa variance et l'information de Fisher. Exercice 10. - Extrayons un chantillon alatoire simple (Xl, ... ,Xn) d'une population caractrise par la fonction de densit
/

fe(x)

= { .~~~

si

x >0

sinon

8>0

Dterminez un estimateur efficace de 8, calculez sa variance et l'information de Fisher.

t ,'\

/
'""'.

"

.. \J

,"

.-...-- /
; -

/\
t"

/ j
i,

-~-~
_. /1 \.

/:

~ /-.

Exercice 11. - Soit X une variable de Bernoulli de paramtre p inconnue. Utiliser la mthode du maximum de vraissemblance pour donner une estimation de p. Exer9f~.12. - La variable alatoire X reprsente le nonlbre de fois, par an, qu'un photocopieur a;e certaine marque peut tomber en panne. On suppose que X ~ P(A). On observe 12 appareils, pendant un an, on relve les nombres de pannes suivants: 2,3, 1,3, l, 4, /.(' 2, 1}'3, 4, 2, 4. ., . t'. 1. Donner l'estimation du paramtre A par la mthode du maximumdevraissemblance.

'0

-(.

(f\ 2!. Donner la valeur de la borne ,.~ 1

l
h"

x sachant que P(X > x)

= 0.04.

" \Ex~~13.

- Une machine automatique remplit des paquets, les poids en grammes sur un ~Chantillon de 10 paquets sont: 297; 300; 295; 297; 300; 310; 300; 295; 310; 300. 1. Calculer le poids moyen de cet chantillon et son cart-type. 2. Donner une estimation de l'cart-type de la population. Exercice 14. - D'un contrle journalier effectu la sortie d'une chane de fabrication de billes en acier, sur un chantillon de 900 billes, il ressort que leUr poids suit une loi N(m = 62.33mg, a = 6.54mg). 1. Estimer l'cart-type thorique de la production journalire. 2. Estimer le poids moyen journalir au sein de la production par un intervalle de confiance au niveau de 95%. 3. Quel devrait tre la taille de l'chantillon pour situer le poids moyen journalier de la production dans un intervalle symtrique de :f:4mg avec une scurit de 95 %. 4. Si on veut situer le poids moyen de la production journalire avec un mme niveau de confiance dans un intervalle symtrique deux fois plus petit, dans quelle proportion doit voluer l'chantillon pris. 5. On dispose d'un lot de 10 billes dont les poids sont respectivement en mg 70; 61; 69; 67; 60 ; 63; 63; 66; 64; 73. Peut-on considrer ce lot comme extrait au hasard de la production journalire de l'usine avec un niveau de confiance de 95 %. Exercice 15. - On se propose d'tudier un contrle de rception pour la livraison d'un grand nombre de pices fabriques en sries. On dsigne par p la proportion des pices dfectueuses dans la livraison et on envisage deux hypothses:

Ho { Hl

: p = po = 0;05 : p = Pl = 0.08

Si l'hypothse Ho se rvle exacte, l'acheteur accepte la livraison. Si, au contraire, l'hypothse Hl .est vraie, la livraison est refuse. On dcide d'examiner 400 pices et de fixer une valeur critique c = 0.05 tel que, si f dsigne la frquence des pices dfectueuses dans l'chantillon: - on accepte la livraison si f ::; c - on refuse la livraison si f > c 1. Calculer les deux espces de risques correspondants la rgle de dcision prcdente. 2. Calculer la puissance du test. Exercice 16. - Un procd de production fonction gnralement avec les paramtres suivants: Un chantillon alatoire de taille n = 9 donne les rsultats suivants: 30.432.731.8 29.63031.629.828.5 32.8. Prouver, l'aide de ces rsultats, que la procd est toujours centr sur fI = 30. On prendra a = 0.05 et on supposera que la population est de distribution normale.

p = 30 et ci =3.

,-

O,o

.~

s-J,b.eAt L O"",.tt p~ ..;{" ::: i.. ..

,J\)'w\c-

VI, 1

Y'\

-=

XIII':" W\

.\Q~.s

C 1X~-

W\

< zJ

=
=:

i (-L~ X''''- -

(.L)

(-~f-<~~~ (~~
'-'t>.> (

_~v.:, ~ (
~~'tDo

f4.- 'rv\ 1 < -)= ~

::

:i "'\ ~

P, )

..i
lLo

_\1\...V\ -

_L X
YI.

c-=--J.

N. l3.
1

X,,\ b k k .d"'~

ts.

~.
Yn

bre.~ ~~

rJ blJQ.V\ 1or

<L N- ';sv~

V-. .-f20- ch's~ ~~ \~

~-t

W,{,.

_tp.c..~,1... ().~0C2~ - \ C-he.~C-~V . i LB-~) ~(v -t x -If. '" . )v. aQevS 1 \fs)o f C Ix- clK))) L) ~ ~ _
)JV\.L

_._-----------_.-

YI

""-' V\ c=

-::)..

,( t" -

y 1

OJ../ ~

---

O\ll.,A..

'X..J

'U\N..'V.

Cl.. ~_

o,)... /..e'v

[6<}:::11')
/

e.-C

\J lx)::.

~)

cd.u y,-5

Efv),")

0; 0U Dv

2 ( \l -"21 <- ),\J)

- Dr

:=./.L ::f;') -

. (\ i. ~"'1\ >">

. 2L\I-W\\'~

'<

~~-

).~t'jl-

------------_.-_._----_

..

_------

y;:>"70

-A.-

~~t,~.'S.

:t:'

'aV'
f/I..

)kvL-t
4..

..E{~ ~
il

~~r

Sl\ -=-

l S ~=.
_

-1
n:L

*-

e.--

[C/l-X~
t1

(j.fJ

d~ (- 2)
(~L
0~ .

Y1

:t.. . S Si of' '!.2 5~.\ ... 1'" ~<: k.

+ . ~. -;VI. V......

.:r.

fA.

..u..

A.t

j,V..

-V.

a, ...

,;b{ <L.

ek.~ tL'
l

\\ .. ~ .,. 111 L

'+

(/'i"

x/:,

..hi
_hfv ... -v\...

}(..E..

L9 't1 J

t)j?V~

L
+k.
K

ELU

VIA

CCI. \

c.J~ i
-)
::;

L; LXVI\

dl C\ ~ oc
1\'1

S (Iv.)
-f

b( '-

\ ~ 1-

"

L X0 '\

=i
"
\

1_
'" i:=
~

GL'XL')
~L:A .
1 ~ '-'-"'" ..

O'~
-VI, I

X1 1-

VI

1-

V\. 'L

-t \.~.
V\ 'I.e.

-t \/\ \.e..

~-(-----------2..-

"'1

-t V1;t + .- ,.

_'--t.er

SC ~~.::

l::-

l')()

d _

=k
1

d c.. 1--' ~.Mi\J\ -e \0.. le..-------k

10 (,1.- ) tr)
= --lI\ l,"\"

\JS "L.

je..
aL:

kl

t~\J)

'\----r--t

Io\x..

rut
./\-

._-\0, JI"

-{k1
(_ ~.)

-------------",.---

;.;', ..

. 4.e-.

1----

2 2. Calcul de l'information

de nsher par calcul

direct:

..

Solution exercice 9'. Xl,"" Xn i.i.d. avec Calcul de Le(X],

DXi

=N

et pour kEN:

P(Xi

= k) =

B(l - B)k.

... , Xn)
Le(X],,,,
1

X,,)

TI
;=]

8(1 - B)xi

Alors ln(Le(X1/

.. '

Xn))

nln( 8) + ln(l - B) ln(Le(X]"",

L:'::l
X,,))'

Xi, et par suite

:!. _ I,7=1 Xi
8
_71

1- 8
n

8-1

(x _~) 8
g(8))
1

=
donc TJ

a(B)
e

(Tn) n)

=X
1

est un estimateur
n

efficace de g(e)

= l

avec

V(X = ~

= ~~ et I (8) = g' (B)a(8) =

n

e2(~-e)"

Solution de l'exercice la Pour Xl,'" Xn E R~ On a

et par suite

" ;,l;t l
Xi - B

=
=
donc T(2f.n)

;2 (X

n -

B)
- g(8))
1

a(8) (T~n)

= Xn

est un estimateur

efficace de g(B)

= e avec

In(8)

g'(8)a(8)

= i-

et V(Xn) = ~

= ~.

Solution exercice 8. Xl,"" . Calcul de L),(X), ... , Xn)

Xn i.i.d "'" P() .

alors
:=

-nA + ln(A)

l Xi - ln(TI
i=l

Xi!)

i=)

ln(L),(X1,

... ,

Xn))'

:=-n+-:= ~

I.~=1Xi

(Xn - )
(Tn) g(A)) ,

:=

a(A)

donc

TeKn)

:=

est un estimateur

efficace de g()

:=

o Variance

de Xli :

v(x
n

):= g,(A) := ~

a(A) g'()a(A)

n n
:= ;;:

o Information

de Fisher:

In()

Solution de l'exercice 9 Xl,"" Xli i.i.d. --M N(fJ, 0), avec a connu. 1. Dtermination d'un estimateur efficace de pO Calcul de LI,(X), ... ,Xli)
li

TI 00
i=l

1 --e

- (X;-,,)

,;;r

. Calcul de ln(Lp(X1, Tout d'abord

...

Xli))' :

et par suite
:=

1 "2 o :'

L(X
n

i - jl)

i=l

=
:=

(t
et

X; -

n~ ]

;12 (Xli a(p)

p)
g(/l)) ,

:=

(T-lI) -

donc

TeKJ
li

:=

est un estimateur

efficace de

g(jl)

:=

jl,

V(X)
lll(fl)

8'(") n(I')

=~
li

'

= a(f')gJ(p)

= ~ xl = ~ .