Académique Documents
Professionnel Documents
Culture Documents
ProbaChap6Exo PDF
ProbaChap6Exo PDF
Exercice 1:
Soit X de loi U([0; a]) et (X1 , · · · , Xn ) un n-échantillon de X. On cherche à estimer a. On note Xn la
moyenne empirique de X.
1. Soit Tn = 2Xn . Montrer que Tn est un estimateur sans biais de a et calculer son risque quadratique.
2. Soit Tn′ = max(X1 , · · · , Xn ).
Donner la fonction de répartition de X, puis déterminer celle de Tn′ .
En déduire une densité de Tn′ puis son biais et son risque quadratique.
n+1 ′
3. Soit Tn′′ = Tn . Déterminer son biais et son risque quadratique.
n
4. Pour de grandes valeurs de n, quelle est le meilleur estimateur de a ?
Exercice 2:
Soit X ayant une espérance m et une variance v, et soit (X1 , · · · , Xn ) un n-échantillon de X. On appelle
n
1X 2 2
variance empirique de X la variable Wn = Xi − Xn , où Xn est la moyenne empirique de X.
n i=1
1. Soit Y ayant une espérance et une variance. Exprimer E(Y 2 ) en fonction de V (Y ) et E(Y ).
2
2. Calculer E(Xn ) et V (Xn ) et en déduire E(Xn ).
3. Calculer alors E(Wn ) et en déduire un estimateur sans biais de v.
Exercice 3:
Un sériciculteur a pesé 100 cocons provenant de son élevage de vers à soie. Il a obtenu les résultats
suivants :
On appelle m la moyenne des poids de tous les cocons de l’élevage et on suppose que le poids X d’un
cocon suit une loi normale de variance 0, 0016g 2.
1. Préciser les paramètres de cette loi normale.
2. On choisit au hasard un échantillon de 100 cocons. On appelle Xi le poids du i-ème cocon de cet
échantillon. On suppose que X1 , · · · , X100 sont mutuellement indépendantes, de même loi que X. On
100
1 X
pose T = Xi et on admet que T suit une loi normale.
100 i=1
Préciser les paramètres de cette loi normale et déterminer la variable centrée réduite T ∗ associée à
T.
3. Déterminer un réel t tel que P (−t 6 T ∗ 6 t) > 0, 95.
4. Montrer que P (T − 0, 00784 6 m 6 T + 0, 00784) > 0, 95.
5. En déduire un intervalle de confiance pour m au niveau de confiance 0, 95 et donner une estimation
de cet intervalle.
1
4. Montrer que pour tout p ∈ [0; 1], p(1 − p) 6 et en déduire un intervalle de confiance pour p au
4
niveau de confiance 0, 99 puis en donner une estimation.
manquants :
0
si t < 0 ou t > a
gn (t) = n t n−1
si 0 6 t 6 a
a a
• Pour calculer le biais de Tn′ il nous faut calculer son espérance. Comme la densité de Tn′ est nulle
en dehors de [0; a] et que t → tgn (t) est continue sur [0; a], Tn′ admet une espérance et :
a n−1 a
n an n tn+1
n t na
Z Z
E(Tn′ ) = t× dt = n t dt = n =
0 a a a 0 a n+1 0 n+1
na −a
Donc b(Tn′ ) = −a=
n+1 n+1
• Pour les mêmes raison que pour l’espérance, Tn′ admet une variance et :
a n−1
n t n a n+1 n2 a2
Z Z
2 ′ 2
V (Tn′ ) = t × dt − E(Tn ) = n t dt −
0 a a a 0 (n + 1)2
n+2 a
n t n2 a2 na2 n2 a2
= n − = −
a n + 2 0 (n + 1)2 n + 2 (n + 1)2
n
= a2
(n + 2)(n + 1)2
Exercice 2:
1. On sait que V (Y ) = E(Y 2 ) − E(Y )2 donc on a E(Y 2 ) = V (Y ) + E(Y )2 .
2. On a : !
n n n
1X 1X 1X
E(Xn ) = E Xi = E(Xi ) = m=m
n i=1 n i=1 n i=1
2 v
Grâce à la question précédente on a donc E(Xn ) = + m2 .
n
3. On a donc : !
n n
1X 2 2 1X 2
E(Wn ) = E Xi − Xn = E(Xi2 ) − E(Xn )
n i=1 n i=1
n
1X 2
v
2
= (v + m ) − +m
n i=1 n
v n−1
= v + m2 − − m2 = v
n n
n
Si on pose Wn′ = Wn alors on a bien que Wn′ est un estimateur de v et de plus E(Wn′ ) =
n−1
n−1
E(Wn ) = v donc c’est bien un estimateur sans biais.
n
Exercice 3:
1. Les paramètres d’une loi normale sont son espérance et sa variance. X ֒→ N (m; 0, 0016)
0, 0016 0, 0016
2. E(T ) = m et V (T ) = donc T ֒→ N m; .
100 100
On a par définition :
T − E(T ) T −m T −m
T∗ = p =p =
V (T ) 0, 0016/100 0, 004
Exercice 4:
100
1 X
1. E(F ) = E(Xi ) = p et, comme les Xi sont indépendantes,
100 i=1
100
1 X p(1 − p)
V (F ) = V (Xi ) = .
10000 i=1 100
2. D’après le théorème de la limite centrée, comme 100 > 30, que les Xi sont indépendantes, suivent
toutes la même loi et ont une variance non nulle, F ∗ suit approximativement la loi normale centrée
réduite.
3. • On a P (−t 6 F ∗ 6 t) = Φ(t) − Φ(−t) = 2Φ(t) − 1 donc
P (−t 6 F ∗ 6 t) > 0, 99 ⇔ 2Φ(t) − 1 > 0, 99 ⇔ Φ(t) > 0, 995 ⇔ t > 2, 58
On choisit t = 2, 58.
F −p
• De plus comme F ∗ = p , on a
p(1 − p)/10
p p !
p(1 − p) p(1 − p)
P (−t 6 F ∗ 6 t) = P F − t 6p6F +t
10 10
p p !
p(1 − p) p(1 − p)
On a donc bien P F − t 6p6F +t > 0, 99
10 10
4. Il suffit ici d’étudier la fonction f : x → x(1 − x) sur [0; 1] et de remarquer qu’elle atteint son
1 1
maximum en x = et que ce maximum vaut .
" 2
p p 4 #
p(1 − p) p(1 − p)
1 1
On a donc F − t 6p6F +t ⊂ F −t 6p6 F +t donc :
10 10 20 20
p p !
p(1 − p) p(1 − p)
1 1
P F −t 6p6 F +t >P F −t 6p6F +t > 0, 99
20 20 10 10