Vous êtes sur la page 1sur 3

..:: Statistiques ::..

Démonstrations des Propriétés de


l’estimateur OLS

 Encadré par : Mr. Houssas

 Réalisé par :
• Ait-siali Hayat
• Boujid Elmahdi
• Faouzi Kaoutar
• Lourayade Rajae
 Les estimateurs sont sans biais :
o Démontrons que E (â) = a ;

â = [ ∑( Xt –X ) (Yt -Y)] / ∑( Xt –X )²

= ∑ Kt Yt avec : Kt= ( Xt –X ) / ∑( Xt –X )²

â = ∑ Kt ( a Xt + b + εt ) = a ∑ Kt Xt + b ∑ Kt + ∑ Kt εt

E(â) = E [a ∑ Kt Xt + b ∑ Kt + ∑ Kt εt]

= a E(∑ Kt Xt) + b E(∑ Kt) + E (Kt εt)

= a E(∑ Kt Xt) Car : b E(∑ Kt) = E (Kt εt) = 0

E (â) = a Car : E(∑ Kt Xt) = 1

 L’estimateur est linéaire :

â = [ ∑( Xt –X ) (Yt -Y)] / ∑( Xt –X )²

= ∑ Kt Yt avec : Kt= ( Xt –X ) / ∑( Xt –X )² Donc â est linéaire par rapport à Yt

= ∑ Kt ( a Xt + b + εt )

= a ∑ Kt Xt + b ∑ Kt + ∑ Kt εt

= a + ∑ Kt εt Car: ∑ Kt Xt = 1
Et: b ∑ Kt = 0

Donc: â= a + ∑ Kt εt ; a est un estimateur linéaire.


 La variance de â est minimale :

o Var (â) :

Var (â) = E [ â – E(â)]²


= E( â – a )²

Avec â = a + ∑ Kt εt  â – a = ∑ Kt εt

Donc :

Var (â) = E ( ∑ Kt εt )²
=E ( ∑ Kt² εt² + ∑ ∑ Kt Kt’ εt εt’)
= ∑ Kt² E(εt²) + ∑ ∑ Kt Kt’ E (εt εt’)
= ∑ Kt² E(εt²) Car E (εt εt’) = 0
= ∑ Kt²σε²
= σε² ∑ Kt²
= σε² ∑ ( Xt –X)² / (∑ (Xt – X )²)²

Var (â)= σε² / ∑ ( Xt – X)²

Supposons a* un autre estimateur, déterminé par une autre méthode de l OLS,


sachant que a* vérifie les hypothèses de linéarités et de biais.

Var (a*) = E[(∑ Xt Yt – E(∑ Xt Yt) ) ² ]


= E (∑ Xt εt²)
= σ² ∑ Xt²

Var (a*) = σε² ∑ ( Xt – Kt )² + σ² ∑ Kt²


= σε² ∑ ( Xt – Kt )² + var( â )

On constate que Var(a*) >= Var(â)

Donc : Var(â) est minimale donc l’estimateur OLS est efficace .