Vous êtes sur la page 1sur 2

EPFL PROBABILITÉS ET STATISTIQUES

Sciences de la Vie, Semestre 3 Hiver 2008

EXERCICES : Les moments, la loi géométrique et la méthode des moindres carrés Série 7

Ex. 1 Vérifiez les propriétés suivantes à partir de la définition

a) Var(X) = E((X − a)2 ) − (E(X) − a)2 où a ∈ R,


b) Var(X) = E(X 2 ) − (E(X))2 ,
c) Var(X) = mina∈R E((X − a)2 ) ,
d) Var(a · X + b) = a2 · Var(X) où a, b ∈ R.

Ex. 2 On définit pour tout réel t, la fonction génératrice des moments φ de la variable aléatoire X par
X
φ(t) = E(exp(tX)) = exp(tk)P (X = k) .
k

Calculez, en utilisant la fonction génératrice des moments φ, l’espérance et la variance d’une variable
binomiale de paramètres n et p.
Indication: L’expression générale de la n-ième dérivée de φ est φn (t) = E(X n exp(tX)) qui laisse
φn (0) = E(X n ).

Ex. 3 Soit X une variable aléatoire dont la densité est


( 1 2
c (1 − x ) si x ∈] − 1, 1[,
fX (x) =
0 sinon.

a) Trouvez la valeur de la constante c.


b) Déterminez la fonction de répartition FX de X.
c) Déterminez l’espérance E(X) de X.
d) La médiane d’une fonction de répartition FX est la valeur m telle que FX (m) = 0.5.
Calculez la médiane de FX .
e) Calculez la variance et les moments µk = E(X k ), k = 2, 3 . . .

Ex. 4 L’asymétrie γ et le coefficient d’aplatissement β d’une variable aléatoire X sont définis comme le
troisième et quatrième moment standardisé

E((X − µ)3 ) E((X − µ)4 )


γ= et β= .
σ3 σ4
Calculez l’asymétrie et le coefficient d’aplatissement d’une variable aléatoire exponentielle de paramètre
λ.
Remarque: L’asymétrie mesure le manque de symétrie d’une distribution et un coefficient d’aplatisse-
ment élevé indique que la distribution est plutôt pointue en sa moyenne, et des queues de distribution
épaisses. Dans le cas d’une distribution normale on a γ = 0 (la distribution est symétrique) et β = 3.
Ex. 5 On exécute une série d’épreuves indépendantes ayant chacune la probabilité p d’être un succès,
0 < p < 1, jusqu’à obtenir le premier succès. Si l’on désigne le nombre d’épreuves nécessaires
jusqu’à ce résultat par X on aura

P (X = k) = (1 − p)k−1 p k = 1, 2, . . .

Remarque: X est dite variable aléatoire géométrique de paramètre p.

a) Calculez l’espérance E(X) d’une telle variable.


b) Une urne contient N boules blanches et M noires. On tire des boules une par une avec remise
jusqu’à l’appartition d’une noire. Quelle est la probabilité qu’il faille exactement k tirages?
Quelle est la probabilité qu’il faille au moins k tirages?

Ex. 6 On observe les sept points (xi , yi ) suivants:

(0, 2) (−3, 8) (−2, 5) (−1, 3) (1, 2.2) (2, 2) (3, 5).

a) Tracez un graphe et proposez un modèle statistique pour la variable observée yi .


b) Quelles hypothèses peut-on faire sur les erreurs εi de votre modèle?
c) Estimez les paramètres de votre modèle par la technique des moindres carrés.
d) Calculez vos estimateurs sur les données observées.
e) Calculez les résidus ri = yi − ŷi du modèle ainsi que leur somme.
f ) Quelle est la valeur ŷi donnée par le modèle au point xi = 4?

JN & SR
c STAP 29.10.08