1

Université Paris I, Panthéon - Sorbonne

Première Année Master M.A.E.F. 2007 − 2008

Statistiques I
Contrôle continu n◦ 2, janvier 2008
Examen de 1h30. Tout document ou calculatrice est interdit.

Soit (a, b) ∈]0, ∞[×IR, deux paramètres inconnus et soit IPa,b la mesure de probabilité admettant la densité
fa,b par rapport à la mesure de Lebesgue sur IR telle que
1 x − b  1  x − b 2 
fa,b (x) := exp − II{x>b} , pour x ∈ IR.
a a 2 a
Dans la suite on considère un échantillon (X1 , · · · , Xn ) de v.a.i.i.d. suivant la loi IPa,b .
1. Dans cette partie, on suppose que l’on sait que b = 0 (la loi IPa,0 est appelée loi de Rayleigh). Déterminer
alors le modèle statistique et une mesure dominante. Montrer que le modèle appartient alors à la famille
exponentielle. Déterminer une statistique exhaustive et complète pour ce modèle. Montrer que a2 est
la seule fonction de a (à une transformation affine près) pouvant être estimer sans biais et efficacement
(préciser alors l’estimateur). En déduire un estimateur du maximum de vraisemblance ac2n de a2 et
montrer qu’il vérifie le théorème de la limite centrale (TLC):
√ c2 L
n (an − a2 ) −→ N (0, a4 ).
n→+∞

Déterminer l’estimateur acn du maximum de vraisemblance de a, montrer qu’il vérifie également un TLC
et en déduire un intervalle asymptotique de confiance à 95% de a.
2. Désormais et ceci jusqu’à la fin du problème b ∈ IR est inconnu et on note θ := (a, b).
(a) Déterminer alors le modèle statistique et une mesure dominante. Expliquer pourquoi le modèle
n’appartient pas à la famille exponentielle et n’est pas régulier.
(b) Pour Z une variable aléatoire strictement positive Z, montrer que (IE(Z))−1 ≤ IE(Z −1 ), puis que
IE(Z) ≤ IE(Z −1 )·IE(Z 2 ) (on supposera que ces espérances existent). En déduire que si (zi )1≤i≤n est
n 1 X n n
1 X 1  1 X 
une famille de réels strictement positifs, zi ≤ · zi2 . Montrer en revanche
n i=1 n i=1 zi n i=1
que si n ≥ 2 et z1 < zi pour tout i = 2, . . . , n, la fonction φ définie pour tout z1 ∈]0, ∞[ par
n 1 X n n
2 X 1  1 X 
φ(z1 ) := zi − · zi2 est toujours négative dans un voisinage de 0.
n i=1 n i=1 zi n i=1
(c) Déduire de la question précédente que pour n ≥ 2 et les Xi non tous égaux, montrer qu’un
estimateur du maximum de vraisemblance de b est strictement inférieur à b˜n := min1≤i≤n (Xi ).
(d) On définit désormais l’estimateur θ˜n de θ par:
n
 1 X 1/2 
θ˜n := (Xi − min (Xi ))2 , min (Xi ) .
2n i=1
1≤i≤n 1≤i≤n

Pour (a, b) fixé, montrer que la fonction de répartition F de b˜n := min1≤i≤n (Xi ) est telle que
 n  x − b 2 
P
F (x) = 1 − exp − pour x > b et 0 sinon. En déduire que b˜n −→ b. Montrer que
r 2 a n→+∞
˜ π 4−π L
IE(bn ) = b+a et var(b˜n ) = a2 . En déduire pour tout 0 ≤ α < 1/2, nα (b˜n −b) −→ 0.
2n 2n n→+∞