Académique Documents
Professionnel Documents
Culture Documents
Nous vous avons concocté une liste de conseils pour tout savoir sur vos partiels:
- vérifier que vous avez bien votre carte d’étudiant ou une pièce d’identité
- vous renseigner sur les documents/appareils autorisés lors de l’épreuve : calculatrice, dictionnaire
pour les étudiants étrangers, etc...
► Lors de l’examen :
-L’anonymat des copies : il vous est garanti pour chaque épreuve écrite. Les copies doivent être
anonymes : soit via un coin à rabattre, soit via un code barre.
-Tiers-temps : ceux d’entre vous en ayant fait la demande au préalable doivent se rendre dans la salle
indiquée sur leur convocation, salle qui réunit toutes les personnes bénéficiant de temps
supplémentaire.
- Le retard à une épreuve : vous ne pouvez pas vous voir refuser l’accès à la salle d’examen avant que
le premier tiers du temps de l’épreuve ne soit écoulé. Mieux vaut partir en avance, surtout si votre
centre d'examen est hors de Paris.
- L’usage du téléphone portable est interdit, celui-ci doit-être rangé et éteint. La possession d’un
appareil électronique pendant l’épreuve (smartphone, MP3, autre), constitue un soupçon de fraude,
même si vous ne l'utilisez pas.
Le droit de finir votre épreuve ne peut vous être retiré (c'est essentiel : si vous n'êtes pas reconnu
coupable de fraude, votre épreuve sera notée comme tout le monde et cette note figurera à votre
dossier universitaire).
Bien entendu, mieux vaut ne pas tricher. Cependant, si vous vous trouvez suspecté de fraude (chose
qui peut arriver même lorsqu'on n'a pas fraudé), n’hésitez pas à nous joindre au plus vite à l'adresse
representation.fedeparis1@gmail.com afin que nous vous assistions pendant la procédure disciplinaire
qui s'ensuivra.
En cas de questions, d’incident ou d’irrégularité dans le déroulement de vos examens, n’hésitez pas à
contacter vos élus UFR Ades Sorbonne ou Fédé Paris I-Panthéon Sorbonne
Bon courage,
A très vite,
L’ADES
UFR 02 SCIENCES ECONOMIQUES
Licence 3 Semestre 5
Macroéconomie 2 : Croissance p. 4
Statistiques L3 p. 30
Commerce International p. 69
l
UniversitÈ Paris 1 PanthÈonñSorbonne
MacroÈconomie L3
Cours de K. Schubert
Partiel de janvier 2015
A_ t = bG"t A1!"
t ; b > 0; 0 < " < 1
On Ètudie dans cet exercice la croissance díune Èconomie ‡ la Solow dans laquelle on
distingue deux classes sociales, les "travailleurs" et les "capitalistes". A la date t; les
travailleurs fournissent le travail Lt et possËdent un stock de capital Kw;t : Les capitalistes
ne travaillent pas et possËdent un stock de capital Kc;t : Les deux classes sociales ont des
comportements díÈpargne di§ÈrenciÈs : le taux díÈpargne des travailleurs, constant, est
notÈ sw et le taux díÈpargne des capitalistes, constant Ègalement, est notÈ sc ; avec par
hypothËse 0 < sw < sc < 1: A chaque date t le stock de capital total de líÈconomie est
la somme des stocks de capital possÈdÈs par les travailleurs et les capitalistes : Kt =
Kw;t + Kc;t : La fonction de production est de type Cobb-Douglas :
Yt = Kt% L1!%
t ; 0<*<1
Les capitalistes sont en nombre constant, tandis que le nombre de travailleurs augmente
au taux n > 0: Le taux de dÈprÈciation du capital est nul. On note rt le taux díintÈrÍt de
líÈconomie et wt le taux de salaire.
1) On note respectivement kt = Kt =Lt et yt = Yt =Lt le capital et la production par
travailleur. Ecrivez la fonction de production en grandeurs par travailleur puis donnez
líexpression du taux díintÈrÍt et du taux de salaire en fonction du capital par travailleur.
2) Les revenus totaux des travailleurs et des capitalistes valent respectivement Rwt =
wt Lt + rt Kwt et Rct = rt Kct : DÈduisez-en les Èquations díaccumulation du capital des
deux classes sociales, puis líÈquation díaccumulation du capital total. Vous noterez que
líon a K_ t = K_ w;t + K_ c;t :
3) On note zt la part du capital total dÈtenue par les capitalistes : zt = Kc;t =Kt : Donnez
líexpression de la variation au cours du temps du capital total K_ t en fonction du taux de
salaire, du taux díintÈrÍt, de la part zt ; de Kt et Lt et des paramËtres du modËle. En
utilisant les rÈsultats de la question 1, montrez alors que le taux de croissance du capital
par travailleur síÈcrit de la faÁon suivante :
k_ t
= [sw (1 ! *zt ) + sc *zt ] kt%!1 ! n
kt
4) Donnez líexpression du taux de croissance de zt en fonction du taux de croissance de
kt , du niveau de kt et des paramËtres.
5) Vous disposez maintenant díun systËme de deux Èquations di§Èrentielles ‡ deux in-
connues, kt et zt : Ecrivez líÈtat stationnaire de ce systËme, puis donnez líexpression des
valeurs stationnaires du capital par travailleur et de la part du capital dÈtenue par les
capitalistes, que líon notera k " et z " .
6) On se place dans le cas sc * > sw . Commentez les rÈsultats obtenus ci-dessus concernant
líÈtat stationnaire de cette Èconomie. Vous commenterez en particulier les dÈterminants
de k " :
7) A votre avis, que se passe-t-il dans le cas inverse o˘ sc * " sw ?
2
MacroÈconomie L3
Partiel de janvier 2015
ElÈments de correction
1) Le revenu disponible (aprËs impÙt) des mÈnages est (1 " ! )Yt ; et la fonction de consom-
mation síÈcrit donc, les mÈnages ayant une propension ‡ consommer le revenu disponible
constante 1 " s :
Ct = (1 " s)(1 " ! )Yt
LíÈquilibre emplois-ressources est :
Yt = Ct + K_ t + Gt
dío˘, en utilisant líexpression de la fonction de consommation et la contrainte budgÈtaire
de líEtat Gt = ! Yt ; líÈquation díaccumulation du capital :
K_ t = Yt " Ct " Gt = s(1 " ! )Yt
2) Le taux de croissance du stock de connaissances vaut :
! "" ! ""
A_ t bG"t A1!"
t Gt ! Yt
= =b =b
At At At At
Le capital en unitÈs de travail e¢cace est b kt = Kt =(At L): DíaprËs líexpression de la
fonction de production, la production en unitÈs de travail e¢cace vaut quant ‡ elle ybt = b
kt" :
On en dÈduit immÈdiatement que Yt =At = Lb kt" : Donc le taux de croissance du stock de
connaissances síÈcrit :
A_ t " #"
= b * Lb
kt" = b (* L)" b kt""
At
3) On a :
!
b
kt K_ t A_ t s(1 ! * )Yt
= ! = kt"" = s(1 ! * )b
! b (* L)" b kt""1 ! b (* L)" b
kt""
b
kt K t A t K t
ReprÈsentation graphique :
6 b (* L)" b
kt1+""
s(1 ! * )b
kt"
- - ## -
b
k# b
kt
b s(1 ! * )
k# =
b (* L)"
# b#" s(1 ! * )
yb = k =
b (* L)"
"
Comme 1""+"" > 0; la production en unitÈs de travail e¢cace stationnaire est díautant
plus grande que le taux díÈpargne s est ÈlevÈ (alors, Èpargne ÈlevÈe ) forte accumulation
de capital physique ) K ÈlevÈ ) yb ÈlevÈ), que líe¢cacitÈ des dÈpenses publiques de
recherche est faible (alors, A faible ) yb = K=(AL) ÈlevÈ), que le taux díimposition est
faible (pour la mÍme raison), et enÖn que la taille de la population L est faible (en raison
de líe§et de dilution).
2
5) Sur le sentier de croissance ÈquilibrÈe les taux de croissance du capital physique et du
stock de connaissances sont Ègaux puisque b k = K=(AL) est constant (avec L constant).
Ils sont aussi Ègaux au taux de croissance de la production, en raison de la forme de la
fonction de production. En utilisant líÈquation díaccumulation du capital puis líexpression
de bk, on obtient :
" # 1!!+!"
!!1
yb! s(1 ! ( ) !" 1!!
g = s(1!( ) = s(1!( )b
k !(!"1) = s(1!( ) = [s(1 ! ( )] 1!!+!" [b (( L)" ] 1!!+!"
b
k! b (( L)"
Croissance endogËne.
6) Le taux de croissance g est díautant plus ÈlevÈ que le taux díÈpargne s est ÈlevÈ. Dans
ce modËle, augmenter le taux díÈpargne a ‡ la fois un e§et de niveau positif (attention :
sur la production en unitÈs de travail e¢cace et pas la consommation !) et un e§et de
taux positif. g est Ègalement díautant plus ÈlevÈ que líe¢cacitÈ des dÈpenses publiques de
recherche b est grande. Ici, il existe un arbitrage entre taux et niveau : b grand implique
g ÈlevÈ mais yb! faible. On observe aussi un e§et de taille (díÈchelle) : g est díautant plus
ÈlevÈ que la taille de la population L est grande. Comme pour líe¢cacitÈ des dÈpenses
publiques de recherche, il y a ici un arbitrage entre e§et de niveau et e§et de taux. EnÖn,
on a
$ %
@g !"
"
1!! ," !"
"1
"(1!!) "(1 ! ,) !" "(1!!)
"1
= s 1!!+!" (bL ) 1!!+!" ! (1 ! ( ) 1!!+!" ( 1!!+!" + (1 ! ( ) 1!!+!" ( 1!!+!"
@( 1 ! , + ," 1 ! , + ,"
et
@g ," !" "(1!!) "(1 ! ,) !" "(1!!)
=0, (1!( ) 1!!+!" "1 ( 1!!+!" = (1!( ) 1!!+!" ( 1!!+!" "1 , ( = 1!,
@( 1 ! , + ," 1 ! , + ,"
Le taux díimposition qui maximise le taux de croissance est donc 1!,: Deux e§ets sont en
prÈsence : (1) líimpÙt diminue le revenu disponible et donc la consommation et líÈpargne,
ce qui a un e§et nÈgatif sur la croissance, (2) líimpÙt permet de Önancer líaccumulation de
connaissances, ce qui a un e§et positif sur la croissance. Quand le taux díimposition est
infÈrieur ‡ 1 ! , et quíon líaugmente, le deuxiËme e§et líemporte. Quand il est trËs ÈlevÈ
en revanche (supÈrieur ‡ 1 ! ,) et quíon líaugmente encore, le premier e§et líemporte.
rt = f 0 (kt ) = ,kt!"1
wt = f (kt ) ! kt f 0 (kt ) = (1 ! ,)kt!
2) Les Èquations díaccumulation du capital des deux classes sociales et líÈquation díaccumulation
du capital total síÈcrivent :
3
3) On introduit la part du capital total dÈtenue par les capitalistes zt = Kct =Kt : On note
que 1 ! zt = Kwt =Kt : On peut alors rÈÈcrire líÈquation díaccumulation du capital total
sous la forme :
K_ t = sw (wt Lt + rt (1 ! zt )Kt ) + sc rt zt Kt
= sw wt Lt + (sw (1 ! zt ) + sc zt ) rt Kt
On a alors :
k_ t K_ t L_ t
= ! = sw (1 ! ))kt$!1 + (sw (1 ! zt ) + sc zt ) )kt$!1 ! n
kt Kt L t
= [sw (1 ! )zt ) + sc )zt ] kt$!1 ! n
4) Taux de croissance de zt :
z_t K_ ct K_ t k_ t k_ t
= ! = sc rt ! ! n = sc )kt$!1 ! ! n
zt Kct Kt kt kt
5) LíÈtat stationnaire du systËme de deux Èquations di§Èrentielles ‡ deux inconnues, kt
et zt ci-dessus est obtenu pour k_ t = z_t = 0: On a alors :
6) On a par hypothËse sc > sw : le taux díÈpargne des capitalistes est plus ÈlevÈ que celui
des travailleurs. Dans le cas o˘ on a aussi sc ) > sw ; qui signiÖe que le taux díÈpargne
des capitalistes est beaucoup plus ÈlevÈ que celui des travailleurs, on a 0 < z " < 1: La
solution stationnaire obtenue ci-dessus est donc valide. A líÈtat stationnaire, les deux
classes sociales possÈdent une part constante du capital total, donnÈe par z " : Cette part
dÈpend des deux taux díÈpargne et du paramËtre technologique ): Le point intÈressant
est que le capital par travailleur k " ne dÈpend pas du taux díÈpargne des travailleurs, mais
seulement de celui des capitalistes.
7) Dans le cas inverse o˘ sc ) " sw la solution ci-dessus níest plus valide car elle donne
z " < 0; ce qui est impossible. A long terme, la classe des capitalistes disparaÓt. On a
# $ 1
z " = 0 et k " = snw 1!! : Seule subsiste la classe des travailleurs. On retrouve exactement
le modËle de Solow.
4
UniversitÈ Paris 1 PanthÈonñSorbonne
MacroÈconomie L3
Cours de K. Schubert
Partiel de janvier 2014
Question (8 points)
Voux expliquerez les mÈcanismes ‡ líoeuvre dans le modËle de croissance avec progrËs technique
endogËne de Romer (1990), en dÈtaillant la modÈlisation du secteur de la recherche (sans calculs),
en prÈcisant les incitations auxquelles sont soumis les di§Èrents agents, et en mettant en Èvidence la
source de la croissance. Vous concluerez en indiquant quelles spÈciÖcitÈs importantes du processus
díinnovation vous semblent manquer dans ce modËle.
On considËre une Èconomie dont la fonction de production agrÈgÈe de bien Önal est :
A_ t = Zt LAt (2)
o˘ Zt est la productivitÈ du travail dans la recherche. Cette derniËre croÓt ‡ un taux g exogËne et
constant : Z_ t =Zt = g:
1. Commenter les Èquations (1) et (2).
2. On note , = LLAtt
la part des chercheurs dans la population totale, avec 0 ! , ! 1; et on suppose
que , est constant au cours du temps. Donner líexpression du revenu par tÍte yt = LYtt en fonction de
, et du stock de connaissances, puis líexpression du taux de croissance du stock de connaissances en
fonction de ,; de la population totale, du stock de connaissances et de la productivitÈ du travail dans
la recherche.
3. On dÈÖnit le stock de connaissances par unitÈs de travail e¢cace par at = At =(Zt Lt ): Ecrivez
líÈquation di§Èrentielle donnant líÈvolution de at au cours du temps et reprÈsentez-l‡ graphiquement,
en vous inspirant de la reprÈsentation e§ectuÈe pour le modËle de Solow. Montrez quíil existe un Ètat
stationnaire stable, que vous noterez a! .
4. Donnez líexpression du taux de croissance du produit par tÍte sur le sentier de croissance ÈquilibrÈe
(long terme) et au cours de la transition (courtñmoyen terme). Quel est líe§et díune augmentation de
,; la part des chercheurs dans la population totale, sur ce taux de croissance ? Commentez.
5. Sous quelle hypothËse portant sur Z; la productivitÈ du travail dans la recherche, cette Èconomie
connaÓtrait-elle une croissance endogËne ? Commentez, en expliquant la signiÖcation de cette hy-
pothËse.
Exercice 2 : pÈtrole et croissance (8 points)
On síintÈresse dans cet exercice ‡ une Èconomie qui produit un bien unique, ‡ la fois bien de
consommation et bien díinvestissement, ‡ líaide de trois facteurs de production : capital, travail et
Ènergie fossile (disons le pÈtrole). La fonction de production síÈcrit :
Yt = F (At ; Kt ; Lt ; Rt ) = At Kt& L't Rt ( avec 2 + 3 + 4 = 1
o˘ Yt est la production, At un terme de progrËs technique, Kt le stock de capital, Lt le travail et Rt
le pÈtrole extrait ‡ la date t. La population croÓt au taux n: Le taux díÈpargne de líÈconomie, s, est
exogËne et constant. Le taux de dÈprÈciation du capital est notÈ 7:
1) Le pÈtrole est une ressource non renouvelable. Il existe ‡ líinstant initial un stock S0 de pÈtrole
dans le sous-sol terrestre. Ce stock ne se renouvelle pas. Líextraction díune quantitÈ Rt de pÈtrole ‡
la date t diminue le stock, de sorte que :
S_ t = "Rt
On suppose que líÈconomie adopte un taux díextraction constant 9 ; compris entre 0 et 1 :
Rt
= 9 8t
St
Montrer que sous cette hypothËse le stock de pÈtrole diminue au taux 9 ; et que la quantitÈ extraite ‡
chaque date est :
Rt = 9 S0 e") t
I. On suppose dans un premier temps quíil níy a pas de progrËs technique : At = A0 8t:
2) Ecrivez líÈquation díaccumulation du capital, puis líexpression du taux de croissance du stock de
capital en fonction de Yt =Kt et des paramËtres du modËle. Síil existe un sentier de croissance le long
duquel le stock de capital croÓt au taux constant g, que peut-on dÈduire de cette derniËre Èquation
quant au taux de croissance de la production ? A-t-on alors un sentier de croissance ÈquilibrÈe (SCE) ?
3) Supposons quíil existe un SCE. En utilisant líexpression de la fonction de production, donnez la
valeur du taux de croissance g le long de ce sentier. Commentez la valeur de g; en particulier par
rapport au taux de croissance dÈmographique n et par rapport au taux díextraction 9 : Que vaut le
taux de croissance du produit par tÍte sur le SCE ? Commentez.
4) Comparez (sans faire de calculs) le modËle ci-dessus avec le modËle de Solow, en explicitant surtout
la source de la di§Èrence entre les deux modËles.
5) Que valent respectivement les rÈmunÈrations du capital, du travail et de líÈnergie (que vous noterez,
en termes rÈels, ut ; wt et qt ) en fonction de la productivitÈ moyenne de ces facteurs ? Calculez leurs
taux de croissance le long du SCE. Expliquez Èconomiquement pourquoi le salaire rÈel wt dÈcroÓt
contin˚ment tandis que le prix rÈel du pÈtrole qt croÓt contin˚ment. Commentez ce rÈsultat.
II. On suppose maintenant quíil existe un progrËs technique croissant au taux exogËne " > 0 : At =
A0 e"t :
6) En reprenant la mÍme dÈmarche que dans le cas sans progrËs technique, calculez le taux de croissance
de la production par tÍte le long du SCE. A quelle condition ce taux de croissance est-il positif ?
Commentez.
7) Comment Èvoluent maintenant le co˚t rÈel du capital, le salaire rÈel et le prix rÈel du pÈtrole le
long du SCE ? Commentez.
8) Quelle est líináuence de 9 sur le taux de croissance du produit par tÍte ? Que vaut le niveau du
produit par tÍte ‡ une date t quelconque si 9 = 0 ? Commentez.
9) BONUS ñ Pensez-vous quíil existe un taux díextraction 9 optimal ? Si oui, comment pourrait-on
le dÈterminer ?
2
UniversitÈ Paris 1 PanthÈonñSorbonne
MacroÈconomie L3
Cours de K. Schubert
Partiel de janvier 2014
Elements de correction
Question
Les mÈcanismes ‡ líoeuvre dans le modËle de croissance avec progrËs technique endogËne de Romer
(1990) sont reprÈsentÈs dans le graphique ci-dessous.
stock de connaissances travail
$
GOUT POUR LA VARIETE
?9 ~ + q z
inv. conso.
?
idÈe POSITION DE ?
BREVET MONOPOLE consommateurs
Le secteur de la recherche utilise du travail et le stock de connaissances existant pour produire des
idÈes. Ces idÈes ont la nature díun bien public partiellement exclusif : elles vieent augmenter le stock
de connaissance (bien public) mais elles sont aussi incarnÈes dans un brevet qui va Ítre vendu ‡ un
producteur de bien intermÈdiaire (exclusion).
Les incitations auxquelles sont soumis les di§Èrents agents sont indiquÈes en majuscules sur le
schÈma.
La source de la croissance est la recherche, qui permet de mettre au point de nouveaux biens
intermÈdiaires.
Les spÈciÖcitÈs importantes du processus díinnovation qui manquent dans ce modËle sont princi-
palement :
! la destruction crÈatrice ;
! ...
Exercice 1 : accumulation de connaissances et croissance
On considËre une Èconomie dont la fonction de production agrÈgÈe de bien Önal est :
a_ t 6
at
g ?
+0 =at
+=at
-
a! a!0 at
2
Il existe un Ètat stationnaire a! = g' . Il est stable : si at < a! ; a_ t > 0 et on se rapproche de a! ; si
inversement, at > a! ; a_ t < 0 et on se rapproche encore de a! :
Remarque : il est alternativement possible díe§ectuer la reprÈsentation graphique de líÈquation
a_ t = + " gat :
4. Le taux de croissance du produit par tÍte est :
y_ t A_ t %+
=% =
yt At at
Sur le sentier de croissance ÈquilibrÈe (long terme), il vaut :
y_ %+
= ! = %g
y a
Une augmentation de +; la part des chercheurs dans la population totale, nía aucun e§et sur ce taux.
Au cours de la transition (courtñmoyen terme), une augmentation de + provoque une augmentation
instantanÈe du taux de croissance de at (voir la Ögure, sur laquelle +0 > +) et du taux de croissance de
yt . Mais líe§et est transitoire. Il níest pas possible pas ce biais díobtenir une croissance durablement
plus forte du revenu par tÍte.
5. Si Zt = /At ; avec / un paramËtre positif, cíest-‡-dire que la productivitÈ du travail dans la recherche
dÈpend linÈairement du stock de connaissances, alors A_ t =At = +L constant et
y_ t A_ t
=% = %+L
yt At
La croissance ne dÈpend plus díune productivitÈ du travail exogËne. Cette productivitÈ est maintenant
expliquÈe par le niveau des connaissances. Cette hypothËse traduit líe§et díexternalitÈs intertem-
porelles (e§et de report intertemporel, e§et "standing on shoulders"). La croissance est endogËne.
Une augmentation de + entraÓne une augmentation permanente du taux de croissance du produit par
tÍte.
3
qui indique que le stock de pÈtrole diminue au taux 9 ; dío˘, avec la dÈÖnition du taux díextraction,
Rt = 9 St = 9 S0 e#, t
Y_ t A_ K_ t L_ t R_ t
= +/ +2 +3
Yt At Kt Lt Rt
K_ t
= 0+/ + 2n " 39
Kt
dío˘, sur le SCE,
2n " 39
g = /g + 2n " 39 , g =
1"/
g est une fonction croissante du taux de croissance dÈmographique n: La croissance en niveau est tirÈe
par la croissance dÈmographique. g est une fonction dÈcroissante du taux díextraction 9 : Plus celui-ci
est ÈlevÈ plus le taux de croissance sur le SCE est faible, car il reste moins de pÈtrole pour produire ‡
long terme (on extrait trËs vite). Il est possible que g soit nÈgatif cíest-‡-dire que líÈconomie soit en
dÈcroissance ‡ long terme :
g < 0 , 39 > 2n
Le taux de croissance du produit par tÍte sur le SCE est
y_ (2 + / " 1)n " 39 3(n + 9 )
=g"n= =" <0
y 1"/ 1"/
Le produit par tÍte est toujours dÈcroissant. Cette Èconomie ne peut connaÓtre de croissance ‡ long
terme du produit par tÍte ‡ cause de sa dÈpendance au pÈtrole, ressource non renouvelable, mÍme si
la croissance en niveau peut rester positive.
4) La source de la di§Èrence de ce modËle avec le modËle de Solow est líexistence díun facteur de
production rare, le pÈtrole, ‡ cÙtÈ des facteurs de production traditionnels, capital et travail. La
quantitÈ de pÈtrole par habitant diminue au cours du temps, ce qui crÈe une contrainte de raretÈ.
Alors que dans le modËle de Solow sans progrËs technique líÈconomie converge ‡ long terme vers un
Ètat stationnaire dans lequel le produit par tÍte est constant, ici le produit par tÍte est forcÈment
dÈcroissant ‡ long terme. La prÈsence du facteur rate entraÓne líe§ondrement de la croissance par tÍte
4
‡ long terme. Plus techniquement, ici les rendements díÈchelle de la production dans les deux facteurs
capital et travail pris ensemble sont dÈcroissants tandis quíils sont constants dans le modËle de Solow.
5) RÈmunÈrations respectives du capital, du travail et de líÈnergie :
Yt Yt Yt
ut = / ; wt = 2 ; qt = 3
Kt Lt Rt
Taux de croissance de ces rÈmunÈrations le long du SCE :
u_ t w_ t q_t 2(n + 9 )
= 0; = g " n < 0; =g+9 = >0
ut wt qt 1"/
Le salaire rÈel wt dÈcroÓt contin˚ment. ProblËme de rÈalisme : on peut penser que le salaire rÈel
ne descendra pas au-dessous du niveau de subsistance (cas ricardien). Que se passera-t-il alors ? La
population cessera-t-elle de croÓtre ? NÈcessite une autre formalisation.
Le prix rÈel du pÈtrole qt croÓt contin˚ment. Ceci reáËte la raretÈ grandissante du pÈtrole au fur
et ‡ mesure que la population augmente et que la quantitÈ de ressource restant en terre diminue en
raison de líextraction. Rente de raretÈ.
II. On suppose maintenant quíil existe un progrËs technique croissant au taux exogËne " > 0 : At =
A0 e"t :
6) On a alors
" + 2n " 39
g=
1"/
et le taux de croissance de la production par tÍte le long du SCE est :
u_ t w_ t q_t
= 0; = g " n; =g+9 >0
ut wt qt
Il est maintenant possible que le salaire rÈel augmente ‡ long terme, si la condition prÈcÈdente est
respectÈe.
8) Le taux de croissance du produit par tÍte est une fonction dÈcroissante de 9 : Mais si 9 = 0 ‡ une
date quelconque t; le produit par tÍte ‡ cette date t est Ègalement Ègal ‡ 0. E§et de taux versus e§et
de niveau.
9) La question prÈcÈdente laisse penser quíil existe un taux díextraction 9 optimal. Mais optimal en
quel sens ? LíoptimalitÈ de quelque chose ne peut Ítre dÈÖnie que par rapport ‡ un critËre de bien-
Ítre social. Dans les modËles de type Ramsey le critËre de bien-Ítre social ‡ maximiser est la somme
actualisÈe des utilitÈs des mÈnages entre la date courante et líinÖni. Ici les choses sont plus complexes
car par hypothËse le taux díÈpargne est exogËne. Il faut rÈáÈchir ‡ un autre critËre. Pourrait Ítre la
somme actualisÈe des consommations par tÍte ou, ce qui revient au mÍme, la somme actualisÈe des
productions par tÍte ?
5
UniversitÈ Paris 1 PanthÈonñSorbonne
MacroÈconomie L3
Cours de K. Schubert
Partiel de dÈcembre 2012
Question (8 points)
2
MacroÈconomie L3
Partiel de dÈcembre 2012
ElÈments de correction
Question (8 points)
! Question du facteur sur lequel porte le PT (PT neutre au sens de Harrod, Èconomisant
le travail).
! Dans le 2Ëme cas, chez Romer, les innovations sont proportionnelles ‡ líe§ort de
recherche de líÈconomie (en terme de nombre de chercheurs par exemple), et au
stock existant de connaissances. Aghion et Howitt introduisent le caractËre alÈatoire
de la recherche, et la destruction crÈatrice.
f 0 (kt ) = A + )Bkt"!1
On a alors :
lim f 0 (k) = +1 et lim f 0 (k) = A
k!0 k!1
La 2Ëme condition díInada níest donc pas vÈriÖÈe. On peut síattendre ‡ ce que líexistence
de líÈtat stationnaire du modËle ne soit pas assurÈe.
2) Condition de Keynes-Ramsey :
c_t
= /(f 0 (kt ) # n # 1 # 2)
ct
Donne le taux de croissance de la consommation par tÍte en fonction de líÈcart entre le
taux díintÈrÍt f 0 (k) # 1; qui pousse ‡ retarder la consommation, et la somme du taux de
croissance de la population et du taux díescompte social n + 2; qui pousse ‡ líavancer
(e§ets de dilution et díimpatience).
Equations díaccumulation du capital et du capital par tÍte :
K_ t = Yt # Ct # 1Kt
k_ t = f (kt ) # ct # (n + 1)kt
% )B
k =
n+1+2#A
g = /(A # n # 1 # 2)
Il est constant. Noter quíil est plus faible que le taux de croissance de court terme, cíest-‡-
dire que líÈconomie croÓt plus vite pendant la phase de transition, ‡ partir díune condition
initiale k0 donnÈe.
Ce modËle montre que selon les valeurs respectives des paramËtres de líÈconomie on
peut avoir deux longs termes trËs di§Èrents : soit un Ètat stationnaire soit une crois-
sance perpÈtuelle du capital par tÍte. LíÈtat stationnaire est díautant plus probable que
líimpatience de líÈconomie 2 est ÈlevÈe, que la productivitÈ marginale de long terme A est
faible, et que la croissance dÈmographique n et la dÈprÈciation 1 sont ÈlevÈes.
2
Exercice 2 ñ ModËle de Solow avec consommation incompressible (6 points)
Economie ‡ la Solow sans progrËs technique. Fonction de production :
Yt = Kt" Lt 1!"
Les mÈnages de cette Èconomie dÈsirent un niveau de consommation par tÍte minimal,
incompressible, notÈ cmin > 0. La consommation par tÍte síÈcrit alors :
ct = (1 # a)yt + cmin
(n + 1)kt + cmin
6 %
%
%
%
%
%
% $
% $
% $
$
% $
% $
$
% $
% $
$ #
% $ ##
% $ $ ## akt"
#
% $ ##
%$$ # ##
#
%$ ###
$
%## #
$
cmin %#
#
$
& - - & -
k1% k2% kt
4) Dans le cas o˘ il existe deux Ètats stationnaires, on vÈriÖe aisÈment que cíest líÈtat
stationnaire le plus ÈlevÈ (notÈ k2% sur la Ögure) qui est stable. Si le capital par tÍte initial
3
k0 est supÈrieur ‡ k1% ; líÈconomie converge au cours du temps vers k2% : En revanche, si k0
est infÈrieur ‡ k1% ; le capital par tÍte dÈcroÓt jusquí‡ tendre vers zÈro. Dans ce dernier
cas, líexistence díune consommation incompressible non seulement empÍche líÈconomie
díaccumuler mais encore la conduit ‡ dÈsaccumuler du capital pour consommer. Ceci
fournit une explication possible de líabsence de dÈcollage díune Èconomie ‡ partir díun
capital par tÍte initial faible, cíest-‡-dire díune trappe ‡ pauvretÈ.
5) BONUS (+2 points)
Dans le cas limite o˘ il existe un Ètat stationnaire unique k % ; on a ‡ la fois, au point
considÈrÈ, k_ = 0 et la tangence de la courbe ak " et de la droite (n+1)k +cmin ; cíest-‡-dire :
! "
ak = (n + 1)k + cmin
)ak "!1 = n + 1
% )a
k =
n+1
" )a )a
cmin = ak # (n + 1)k = a # (n + 1)
n+1 n+1
$ " #" % 1!"
1
)
= (1 # )) a
n+1
Ce cmin est la plus grande consommation incompressible compatible avec líexistence díun
Ètat stationnaire, ‡ n + 1 donnÈ. Au del‡, il níy a pas díÈtat stationnaire, líÈconomie
síe§ondre. Cíest une fonction croissante de a et une fonction dÈcroissante de n + 1: Plus
la propension marginale ‡ consommer 1 # a et les e§ets de dilution et de dÈprÈciation sont
grands moins líÈconomie peut supporter sans síe§ondrer un niveau ÈlevÈ de consommation
incompressible.
4
Université Paris 1 Panthéon—Sorbonne
Macroéconomie L3
Cours de K. Schubert
Partiel de janvier 2012
Question (8 points)
Ȧt = σµAt
Yt et Ct sont respectivement la production et la consommation agrégées à la date t. δ > 0
est le taux de dépréciation physique du capital. µ > 0 est le taux d’innovation. σ > 0 est
la taille d’une innovation. Enfin, φ(µ) est le taux d’obsolescence1 du capital. L’hypothèse
centrale concernant l’obsolescence est qu’un taux d’innovation plus élevé entraîne une
obsolescence plus rapide du capital existant : φ0 (µ) > 0.
La fonction de production est :
Exercice 2 (6 points)
2
Macroéconomie L3
Partiel de janvier 2012
Eléments de correction
Question
Ȧt = σµAt
µ > 0 est le taux d’innovation. σ > 0 est la taille d’une innovation. φ(µ) est le taux
d’obsolescence du capital. L’obsolescence joue le même rôle que la dépréciation physique
du capital. L’hypothèse est qu’un taux d’innovation plus élevé entraîne une obsolescence
plus rapide du capital existant, qui est mis au rebut parce qu’il n’est pas adapté aux
nouvelles technologies : φ0 (µ) > 0.
Fonction de production :
·
b
kt K̇t Ȧt L̇t K̇t sYt
= − − = − σµ − n = − δ − φ(µ) − σµ − n
b
kt Kt At Lt Kt Kt
= sb
k α−1 − (n + δ + φ(µ) + σµ)
t
3) Représentation graphique :
6
(n + δ + φ(µ) + σµ)b
kt
sb
ktα
-
b
k∗ b
kt
·
4) A long terme, b
kt = 0. D’où la valeur stationnaire du capital en unités de travail
e¢cace : " # 1−α
1
b∗ s
k =
n + δ + φ(µ) + σµ
Il est d’autant plus faible que le taux d’innovation est élevé. Cet e§et du taux d’innovation
passe par 2 canaux : un taux d’innovation élevé signifie à la fois une forte obsolescence
φ(µ) (même e§et que celui de la dépréciation physique δ) et un taux de progrès technique
σµ élevé (e§et habituel dans le modèle de Solow du taux de PT sur b k ∗ ).
Le taux de croissance de l’économie (c’est-à-dire de K, Y, C) sur le SCE est :
g ∗ = n + σµ
Il est d’autant plus grand que le taux d’innovation est élevé, c’est-à-dire que le taux de
PT est élevé. C’est le même mécanisme que dans le modèle de Solow.
2
5) La production par tête est yt = Yt /Lt = At ybt . Son taux de croissance vaut :
· ·
ẏt Ȧt ybt Ȧt b
kt
= + = +α
yt At ybt At b
kt
$ %
bα−1
= σµ + α skt − (n + δ + φ(µ) + σµ)
$ %
bα−1
= α skt − (n + δ) + (1 − α)σµ − αφ(µ)
E§et instantané (à b
kt donné) d’une augmentation du taux d’innovation :
@ ẏytt
= (1 − α)σ − αφ0 (µ)
@µ
Cet e§et est positif ssi (1 − α)σ > αφ0 (µ) c’est-à-dire si l’innovation est de grande taille
et l’e§et d’obsolescence du capital pas trop fort. Si l’e§et d’obsolescence l’emporte, une
hausse du taux d’innovation entraîne une. baisse de la croissance du revenu par tête à
court terme. A long terme, sur le SCE, b kt = 0 et ẏy = σµ, d’autant plus élevé que µ est
grand.
6) Si plusieurs chocs technologiques se succèdent à moyen terme, l’économie connaît
des fluctuations cycliques si l’e§et d’obsolescence est fort.
Exercice 2
1) Le revenu disponible (après impôt) des ménages est (1 − τ )Yt , et la fonction de consom-
mation s’écrit donc, les ménages ayant une propension à consommer le revenu disponible
constante 1 − s :
Ct = (1 − s)(1 − τ )Yt
L’équilibre emplois-ressources est:
Yt = Ct + K̇t + Gt
Représentation graphique :
3
6 aτ kt1+α
s(1 − τ )ktα
- - ## -
k∗ kt
Il existe un état stationnaire (noté k ∗ sur la figure). Il est stable (cf. flèches).
3) Le capital en unités e¢caces stationnaire, défini par k̇t = 0, a pour expression
s(1 − τ )
k∗ =
aτ
La production en unités e¢caces stationnaire est alors
" #α
∗ ∗α s(1 − τ )
y =k =
aτ
Elle est d’autant plus grande que le taux d’épargne s est élevé (alors, épargne élevée )
forte accumulation de capital physique ) K élevé ) y élevé), que l’e¢cacité des dépenses
d’éducation est faible (alors, H faible ) y = K/H élevé) et que le taux d’imposition est
faible (pour la même raison).
4) Les taux de croissance du capital physique et du capital humain à l’équilibre station-
naire sont égaux puisque k = K/H est constant. Ils sont aussi égaux au taux de croissance
de la production, en raison de la forme de la fonction de production. En utilisant l’équation
d’accumulation du capital, on obtient :
y∗
g = s(1 − τ ) = s(1 − τ )k ∗(α−1) = (s(1 − τ ))α (aτ )1−α
k∗
Croissance endogène.
5) Le taux de croissance g est d’autant plus élevé que le taux d’épargne s est élevé. Dans
ce modèle, augmenter le taux d’épargne a à la fois un e§et de niveau positif (attention :
sur la production en unités e¢caces et pas la consommation !) et un e§et de taux positif.
g est également d’autant plus élevé que l’e¢cacité des dépenses d’éducation a est grande.
Ici, il existe un arbitrage entre taux et niveau : a grand implique g élevé mais y ∗ faible.
Enfin, on a
@g & '
= sα a1−α −α(1 − τ )α−1 τ 1−α + (1 − α)(1 − τ )α τ −α
@τ
et
@g
= 0 , α(1 − τ )α−1 τ 1−α = (1 − α)(1 − τ )α τ −α , τ = 1 − α
@τ
Le taux d’imposition qui maximise le taux de croissance est donc 1−α. Deux e§ets sont en
présence : (1) l’impôt diminue le revenu disponible et donc la consommation et l’épargne,
4
ce qui a un e§et négatif sur la croissance, (2) l’impôt permet de financer l’accumulation de
capital humain, ce qui a un e§et positif sur la croissance. Quand le taux d’imposition est
inférieur à 1 − α et qu’on l’augmente, le deuxième e§et l’emporte. Quand il est très élevé
en revanche (supérieur à 1 − α) et qu’on l’augmente encore, le premier e§et l’emporte.
5
Université Paris 1 Panthéon-Sorbonne, UFR 02
Questions de cours
1 - Après avoir précisé les notions de risque de première espèce et de puissance pour une (1,5 pts)
procédure de test, énoncez le lemme de Neyman-Pearson.
2 - Lorsqu’on effectue un test et que l’on ne rejette pas l’hypothèse nulle H0 , cela signifie- (1,5 pts)
t-il que H0 est vraie ? Pourquoi ?
3 - Un estimateur sans biais est-il toujours préférable à un estimateur biaisé ? Expliquez (1.5 pts)
pourquoi.
4 - Énoncez la loi des grands nombres, et expliquez son lien avec la méthode des moments. (1.5 pts)
Exercices
Exercice 1 (8 pts)
On peut modéliser la distribution des richesses dans un pays à l’aide de la distribution de
Pareto. La fonction de densité de cette dernière s’écrit :
Y
] ⁄ si x Ø 1
fX (x) = x⁄+1
avec ⁄ > 1
[0 sinon
On sait par ailleurs que si la variable aléatoire X suit une loi de Pareto de paramètre
⁄, alors son espérance est donnée par [X] = ⁄≠1 ⁄
.
On dispose d’un échantillon i.i.d. X1 , . . . , Xn issue d’une loi de Pareto de paramètre ⁄
inconnu (mais supérieur à 1).
1. Donnez un estimateur de la méthode des moments de ⁄, noté ⁄̂M M
2. Donnez la fonction de vraisemblance et celle de log-vraisemblance de notre échan-
tillon.
3. Montrez que l’estimateur du maximum de vraisemblance de ⁄, noté ⁄̂M V s’écrit
⁄̂M V = qn nln(Xi )
i=1
Y
0 : ⁄ = ⁄0
]H
On cherche à tester le jeu d’hypothèse suivant : [ avec ⁄1 > ⁄0
H1 : ⁄ = ⁄1
4. Utilisez le lemme de Neyman-Pearson pour montrer que Ó le test le plus puissant de Ô
nos hypothèses a une région de rejet de la forme : W = (x1 , . . . , xn ) œ n : ln (x) Æ c
où ln (x) est la moyenne des ln (xi ) dans notre échantillon, et où c est une constante
numérique que l’on ne cherche pas pour le moment à calculer.
1
On sait que, si la variable aléatoire X suit une loi de Pareto de paramètre ⁄, alors ln (X)
suivra une loi exponentielle de paramètre ⁄. On en déduit que, dans ce cas, [ln (X)] = ⁄1
et que Var (ln (X)) = ⁄12 .
5. On suppose que la taille de l’échantillon n est assez grande pour que le théorème
central-limite puisse être considéré comme valide. Finalisez l’écriture de la région de
rejet W de notre test pour un niveau – = 5%. Concluez lorsque n = 25, ln (x) = 14 ,
⁄0 = 2 et ⁄1 = 3.
Exercice 2 (4 pts)
qn
On considère une suite {Zn } de variables aléatoires telles que Zn = i=1 Yi , où les Yi
sont des variables aléatoires indépendantes issues d’une loi de Poisson de paramètre ⁄. On
rappelle que si X ≥ P (⁄), alors [X] = Var (X) = ⁄
Ë È 1 2
1. Calculez Zn
n
et Var Zn
n
p
2. En utilisant l’inégalité de Bienaymé-Chebychev, montrez que Zn
n
≠æ ⁄
p
3. Aurait-on pu montrer plus simplement que Zn
n
≠æ ⁄ ?
Exercice 3 (4 pts)
On dispose d’un échantillon i.i.d. de n observations issues d’une loi normale N (µ, ‡ ) où
2
µ et ‡ 2 sont inconnus.
1. Construisez un intervalle de confiance à 95 % pour l’espérance µ de la loi des
données. Détaillez bien la méthode de construction, et justifiez les lois que vous
utilisez.
2. De la même façon, construisez un test de H0 : µ = µ0 contre H1 : µ ”= µ0 au niveau
– = 5%.
3. La connaissance de la réalisation de l’intervalle de confiance de la question 1 nous
permet-il de conclure sur le test de la question 2 ?
2
Éléments de correction du partiel 2014-2015
Questions de cours
1 - Après avoir précisé les notions de risque de première espèce et de puissance pour une (1,5 pts)
procédure de test, énoncez le lemme de Neyman-Pearson.
Correction Dans une procédure de test de H0 contre H1 , une erreur de type 1 consiste à
rejeter l’hypothèse nulle H0 à tort, c’est à dire lorsque H0 est vraie. La risque de première
espèce (ou simplement le niveau – lorsque H0 est une hypothèse simple) correspond à la
probabilité de commettre une erreur de type 1 :
2 - Lorsqu’on effectue un test et que l’on ne rejette pas l’hypothèse nulle H0 , cela signifie- (1,5 pts)
t-il que H0 est vraie ? Pourquoi ?
Correction Non, le non rejet de l’hypothèse nulle signifie simplement que l’on n’a pas
assez de « preuves » que H0 est fausse. Mais cela n’implique pas qu’elle soit vraie pour
autant.
3 - Un estimateur sans biais est-il toujours préférable à un estimateur biaisé ? Expliquez (1.5 pts)
pourquoi.
Correction Non, car le critère de la variance de l’estimateur doit également être pris
en compte. Un critère
1 2
d’arbitrage
1 2
est la minimisation de l’Erreur quadratique Moyenne
1 22
(EQM) : EQM ◊ˆ = Var ◊ˆ + Biais ◊ˆ . On voit que si l’estimateur sans biais a une
forte variance, on pourra lui préférer un estimateur biaisé, mais ayant une variance plus
faible.
4 - Énoncez la loi des grands nombres, et expliquez son lien avec la méthode des moments. (1.5 pts)
1
Correction La loi (faible) des grands nombre concerne la convergence en probabilité des
moments empiriques vers les moments théoriques correspondants. Appliquée au premier
moment simple, elle dit que :
p
X n ≠æ [X]
La loi des grands nombre sert de base à la méthode des moments dans la mesure
où les moments théoriques d’une loi donnée peut s’écrire comme une fonction g (◊) des
p
paramètres de la loi. Donc, en notant mr le moment empirique d’ordre r, si mr ≠æ g (◊)
p
alors g ≠1 (mr ) ≠æ ◊ et on peut utiliser g ≠1 (mr ) comme estimateur convergent de ◊.
Exercices
Exercice 1 (8 pts)
On peut modéliser la distribution des richesses dans un pays à l’aide de la distribution de
Pareto. La fonction de densité de cette dernière s’écrit :
Y
] ⁄ si x Ø 1
fX (x) = x⁄+1
avec ⁄ > 1
[0 sinon
On sait par ailleurs que si la variable aléatoire X suit une loi de Pareto de paramètre
⁄, alors son espérance est donnée par [X] = ⁄≠1 ⁄
.
On dispose d’un échantillon i.i.d. X1 , . . . , Xn issue d’une loi de Pareto de paramètre ⁄
inconnu (mais supérieur à 1).
1. Donnez un estimateur de la méthode des moments de ⁄, noté ⁄̂M M
c’est-à-dire
p ⁄
X n ≠æ
⁄≠1
On obtient ⁄̂M M en égalisant la moyenne empirique avec l’espérance, et en résolvant
l’équation pour ⁄̂M M :
⁄̂M M
Xn =
⁄̂M M ≠ 1
1 2
⁄̂M M ≠ 1 X n = ⁄̂M M
1 2
⁄̂M M X n ≠ 1 = X n
Xn
⁄̂M M =
Xn ≠ 1
2
Correction La fonction de vraisemblance s’écrit
n
Ÿ
L (⁄|X1 , . . . , Xn ) = fX (Xi )
i=1
Ÿn
⁄
=
i=1 Xi⁄+1
3
L(⁄0 |x1 ,...,xn )
En partant de L(⁄1 |x1 ,...,xn )
Æ k, on obtient :
L (⁄0 |x1 , . . . , xn )
Æk
L (⁄1 |x1 , . . . , xn )
ln (L (⁄0 |x1 , . . . , xn )) ≠ ln (L (⁄1 |x1 , . . . , xn )) Æ ln (k)
n
ÿ n
ÿ
n ln (⁄0 ) ≠ (⁄0 + 1) ln (Xi ) ≠ n ln (⁄1 ) + (⁄1 + 1) ln (Xi ) Æ ln (k)
i=1 i=1
A B n
⁄0 ÿ
n ln + (⁄1 ≠ ⁄0 ) ln (Xi ) Æ (k)
⁄1 i=1
n
A B
ÿ ⁄0
(⁄1 ≠ ⁄0 ) ln (Xi ) Æ ln (k) ≠ n ln
i=1 ⁄1
1 2
n
ÿ ln (k) ≠ n ln ⁄0
ln (Xi ) Æ
⁄1
i=1 ⁄1 ≠ ⁄ 0
1 2
1ÿ n ln (k) ≠ n ln ⁄⁄01
ln (Xi ) Æ
n i=1 n (⁄1 ≠ ⁄0 )
ln (x) Æ c
1 2
⁄0
ln(k)≠n ln
avec c =
⁄1
n(⁄1 ≠⁄0 )
On sait que, si la variable aléatoire X suit une loi de Pareto de paramètre ⁄, alors ln (X)
suivra une loi exponentielle de paramètre ⁄. On en déduit que, dans ce cas, [ln (X)] = ⁄1
et que Var (ln (X)) = ⁄12 .
5. On suppose que la taille de l’échantillon n est assez grande pour que le théorème
central-limite puisse être considéré comme valide. Finalisez l’écriture de la région de
rejet W de notre test pour un niveau – = 5%. Concluez lorsque n = 25, ln (x) = 14 ,
⁄0 = 2 et ⁄1 = 3.
4
Pour un test au niveau –, on veut que
ln(X)≠ ⁄1 H0
Comme Ô 0 ·· , on en conclut que cÕ ¥ z(–) , le quantile d’ordre – de la N (0, 1).
≥
1/ n⁄20
On obtient donc finalement
Y Z
1
] ln (x) ≠ ^
W = [(x1 , . . . , xn ) œ n
: Ò ⁄0
Æ z(–) \
1/ n⁄20
1
avec – = 0.05, n = 25, ln (x) = 4
et ⁄0 = 2, on a :
— z(0.05) = ≠1.645
ln(x)≠ ⁄1
— Ô 0
= ≠ 52
1/ n⁄20
et on rejette donc H0 au niveau – = 0.05
Exercice 2 (4 pts)
qn
On considère une suite {Zn } de variables aléatoires telles que Zn = i=1 Yi , où les Yi
sont des variables aléatoires indépendantes issues d’une loi de Poisson de paramètre ⁄. On
rappelle que si X ≥ P (⁄), alors [X] = Var (X) = ⁄
Ë È 1 2
1. Calculez Zn
n
et Var Zn
n
Ë È
Correction On remarque que Zn
n
= Y n . Il s’ensuit que Zn
n
= ⁄ et que
1 2
Var Zn
n
= ⁄
n
p
2. En utilisant l’inégalité de Bienaymé-Chebychev, montrez que Zn
n
≠æ ⁄
Correction L’inégalité Bienaymé-Chebychev nous dit que pour toute v.a. X d’es-
pérance et de variance finies,
Var (X)
Pr (|X ≠ [X]| Ø ‘) Æ , ’‘ > 0
‘2
En l’appliquant à Zn
n
, on obtient
3- - 4
- Zn - ⁄
Pr -- ≠ ⁄-- Ø‘ Æ , ’‘ > 0
n n‘2
En passant à la limite, on a
3- - 4
- Zn - ⁄
lim Pr -
- ≠ ⁄-- Ø ‘ Æ lim 2 , ’‘ > 0
næŒ n næŒ n‘
5
et donc 3- - 4
- Zn -
lim Pr -- ≠ ⁄-- Ø ‘ = 0, ’‘ > 0
næŒ n
p
Ce qui implique que Zn
n
≠æ ⁄
p
3. Aurait-on pu montrer plus simplement que Zn
n
≠æ ⁄ ?
Ë È
Correction On aurait pu également remarquer que limnæŒ Zn
n
= ⁄ et que
1 2 p
limnæŒ Var Zn
n
= 0, ces conditions étant suffisantes pour que Zn
n
≠æ ⁄
Exercice 3 (4 pts)
On dispose d’un échantillon i.i.d. de n observations issues d’une loi normale N (µ, ‡ ) où
2
µ et ‡ 2 sont inconnus.
1. Construisez un intervalle de confiance à 95 % pour l’espérance µ de la loi des
données. Détaillez bien la méthode de construction, et justifiez les lois que vous
utilisez.
Correction Comme les données sont issues d’une loi Normale, on peut appliquer
le théorème de Fisher et dire que
Xn ≠ µ
Ô ≥ T(n≠1)
Sn / n
Cette expression est une statistique pivotale pour µ dans le cas où la variance ‡ 2
est inconnue. Par définition des quantiles de la loi de Student, on a que
A B
Xn ≠ µ
Pr t( – ,n≠1) Æ Ô Æ t(1≠ – ,n≠1) = 1 ≠ –
2 Sn / n 2
Par symétrie de la loi de Student, on sait que t( – ,n≠1) = ≠t1≠( – ,n≠1) , ce qui implique
2 2
que A B
Sn Sn
Pr X n ≠ t(1≠ – ,n≠1) Ô Æ µ Æ X n + t(1≠ – ,n≠1) Ô =1≠–
2 n 2 n
6
Finalement, l’IC au niveau 1 ≠ – s’écrit :
C D
Sn
IC(1≠–) (µ) = X n ± t(1≠ – ,n≠1) Ô
2 n
positive à déterminer.
La région de rejet va donc avoir la forme
I - - J
-x ≠ µ -
- n 0-
W = (x1 , . . . , xn ) œ n
: - Ô -
- sn / n -
>k
Pour – = 0.05, on a :
I - - J
-x ≠ µ -
- n 0-
W = (x1 , . . . , xn ) œ n
: - Ô - > t(0.975,n≠1)
- sn / n -
7
U NIVERSITÉ PARIS 1 PANTHÉON -S ORBONNE , UFR 02
La première partie de cet examen consiste en une série de 6 questions à choix multiple.
Pour chaque question, 4 réponses possibles sont proposées. Une et une seule de ces 4 réponses
est correcte. Pour chaque question, choisir la réponse correcte rapporte 2 points. Choisir
une réponse incorrecte (ou donner plusieurs réponses) retranche un demi point. Ne pas
choisir de réponse ne rapporte ni ne retranche aucun point. Le total des points obtenus à ce
QCM ne pourra pas être négatif. Afin de faciliter la correction, inscrivez les réponses sur votre
copie d’examen dans l’ordre des questions. Indiquez le numéro de la question, et la lettre
correspondant à la réponse sélectionnée. Si vous décidez de ne pas fournir de réponse à une
question, indiquez son numéro et laissez la réponse en blanc.
1 - Une variable aléatoire X a pour espérance µ et pour variance 2 . On tire deux échantillons
indépendants de taille n dans cette distribution. On note X 1n et X 2n les moyennes empiriques
respectives sur ces deux échantillons. Utilisez l’inégalité de Bienaymé-Chebychev pour trouver
la valeur de n minimale telle que
⇣ ⌘
Pr X 1n X 2n < > 0.99
5
a) n = 500
b) n = 1000
c) n = 5000
d) n = 1000
2 - On dispose de 49 observations issues d’une loi N (µ, 2 ). On constate sur notre échantillon
que xn = 5 et que s2n = 16. Un test de H0 : µ = 4 contre H1 : µ 6= 4 sera :
a) Rejeté au niveau ↵ = 10%, mais non rejeté au niveau ↵ = 5%
b) Rejeté au niveau ↵ = 5%, mais non rejeté au niveau ↵ = 1%
c) Rejeté au niveau ↵ = 1
d) Non rejeté au niveau ↵ = 10%
3 - On dispose d’un échantillon de taille n = 16 issu d’une loi N (µ, 2 ) où µ est inconnu et où
2
est connu et est égal à 4. On mène un test de H0 : µ = µ0 = 0 contre H1 : µ = µ1 = 1 au
seuil de ↵ = 5%. La règle de décision dans ce test est de rejeter H0 si X n/pµn0 > z(1 ↵) où z(1 ↵)
est le quantile d’ordre 1 ↵ de la distribution N (0,1). La puissance 1 de ce test sera :
a) Environ 65 %
b) Environ 75 %
c) Environ 85 %
d) Environ 95 %
1
4 - On dispose de n observations issues d’une loi de Bernoulli B (p) telle que
(
1 avec une probabilité p
Xi =
0 avec une probabilité 1 p
PX (x) = Pr (X = x) = px (1 p)(1 x)
b) p̂ = X n
c) p̂ = 1
ln(X n )
d) p̂ = ln X n
5 - Quel résultat du cours nous permet d’approximer la distribution d’une statistique lorsque la
taille de l’échantillon augmente ?
a) L’inégalité de Bienaymé-Chebychev
b) La loi des grands nombres
c) Le théorème central-limite
d) Le théorème de Fisher
6 - On cherche à estimer l’espérance µ inconnue d’une loi L de variance connue 2 . On dispose
pour cela de n observations X1 . . . Xn de la variable aléatoire. On veut déterminer la précision
avec laquelle on va estimer µ. La probabilité pour que la moyenne empirique X n s’éloigne de
l’espérance µ de plus d’une distance d est donnée par :
a) 1
d2 n
d2
b) n
n2
c) d
d) n
d2
Exercice
Exercice 1
La durée d’attente dans un centre d’appel peut être modélisée comme une loi exponentielle de (8 pts)
paramètre dont la densité est
(
e x si x 0
fX (x) =
0 sinon
Vous observez un échantillon de taille n = 15 temps d’attente dont la moyenne empirique est
xn = 103
. On rappelle qu’une variable aléatoire suivant une loi exponentielle de paramètre a
pour espérance 1
2
a) Écrivez les fonctions de vraisemblance et de log-vraisemblance pour cet échantillon.
b) Trouvez l’estimateur du maximum de vraisemblance de , et donnez la valeur correspon-
dante pour notre échantillon (on supposera que la condition du second ordre est vérifiée).
c) On veut tester H0 : = 0 contre H1 : = 1 , avec 1 > 0 . En vous servant du Lemme
de Neyman-Pearson, montrez que le test de plus puissant de notre jeu d’hypothèses mène
à une région de rejet du type X n c où c est une constante (on ne demande pas de
calculer c pour le moment). Expliquer en une ou deux phrases en quoi la forme de cette
région de rejet « a du sens ».
Pn
d) On peut montrer que, si X suit une exponentielle de paramètre , alors 2 i=1 Xi suit
une loi du 2
à 2n degrés de liberté. Utilisez ce fait pour tester H0 : = 0.2 contre
H1 : = 0.4 au niveau ↵ = 0.01 dans notre échantillon. NB : le quantile d’ordre 0.01
de la 2(30) est de 14.953.
NB : cette question peut être résolue même si vous n’avez pas répondu aux questions
précédentes (mais utilisez quand même les indication données dans leurs énoncés...).
x 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0.0 0.5000 0.5040 0.5080 0.5120 0.5160 0.5199 0.5239 0.5279 0.5319 0.5359
0.1 0.5398 0.5438 0.5478 0.5517 0.5557 0.5596 0.5636 0.5675 0.5714 0.5753
0.2 0.5793 0.5832 0.5871 0.5910 0.5948 0.5987 0.6026 0.6064 0.6103 0.6141
0.3 0.6179 0.6217 0.6255 0.6293 0.6331 0.6368 0.6406 0.6443 0.6480 0.6517
0.4 0.6554 0.6591 0.6628 0.6664 0.6700 0.6736 0.6772 0.6808 0.6844 0.6879
0.5 0.6915 0.6950 0.6985 0.7019 0.7054 0.7088 0.7123 0.7157 0.7190 0.7224
0.6 0.7257 0.7291 0.7324 0.7357 0.7389 0.7422 0.7454 0.7486 0.7517 0.7549
0.7 0.7580 0.7611 0.7642 0.7673 0.7703 0.7734 0.7764 0.7794 0.7823 0.7852
0.8 0.7881 0.7910 0.7939 0.7967 0.7995 0.8023 0.8051 0.8078 0.8106 0.8133
0.9 0.8159 0.8186 0.8212 0.8238 0.8264 0.8289 0.8315 0.8340 0.8365 0.8389
1.0 0.8413 0.8438 0.8461 0.8485 0.8508 0.8531 0.8554 0.8577 0.8599 0.8621
1.1 0.8643 0.8665 0.8686 0.8708 0.8729 0.8749 0.8770 0.8790 0.8810 0.8830
1.2 0.8849 0.8869 0.8888 0.8907 0.8925 0.8944 0.8962 0.8980 0.8997 0.9015
1.3 0.9032 0.9049 0.9066 0.9082 0.9099 0.9115 0.9131 0.9147 0.9162 0.9177
1.4 0.9192 0.9207 0.9222 0.9236 0.9251 0.9265 0.9279 0.9292 0.9306 0.9319
1.5 0.9332 0.9345 0.9357 0.9370 0.9382 0.9394 0.9406 0.9418 0.9429 0.9441
1.6 0.9452 0.9463 0.9474 0.9484 0.9495 0.9505 0.9515 0.9525 0.9535 0.9545
1.7 0.9554 0.9564 0.9573 0.9582 0.9591 0.9599 0.9608 0.9616 0.9625 0.9633
1.8 0.9641 0.9649 0.9656 0.9664 0.9671 0.9678 0.9686 0.9693 0.9699 0.9706
1.9 0.9713 0.9719 0.9726 0.9732 0.9738 0.9744 0.9750 0.9756 0.9761 0.9767
2.0 0.9772 0.9778 0.9783 0.9788 0.9793 0.9798 0.9803 0.9808 0.9812 0.9817
2.1 0.9821 0.9826 0.9830 0.9834 0.9838 0.9842 0.9846 0.9850 0.9854 0.9857
2.2 0.9861 0.9864 0.9868 0.9871 0.9875 0.9878 0.9881 0.9884 0.9887 0.9890
2.3 0.9893 0.9896 0.9898 0.9901 0.9904 0.9906 0.9909 0.9911 0.9913 0.9916
2.4 0.9918 0.9920 0.9922 0.9925 0.9927 0.9929 0.9931 0.9932 0.9934 0.9936
2.5 0.9938 0.9940 0.9941 0.9943 0.9945 0.9946 0.9948 0.9949 0.9951 0.9952
2.6 0.9953 0.9955 0.9956 0.9957 0.9959 0.9960 0.9961 0.9962 0.9963 0.9964
2.7 0.9965 0.9966 0.9967 0.9968 0.9969 0.9970 0.9971 0.9972 0.9973 0.9974
2.8 0.9974 0.9975 0.9976 0.9977 0.9977 0.9978 0.9979 0.9979 0.9980 0.9981
2.9 0.9981 0.9982 0.9982 0.9983 0.9984 0.9984 0.9985 0.9985 0.9986 0.9986
3.0 0.9987 0.9987 0.9987 0.9988 0.9988 0.9989 0.9989 0.9989 0.9990 0.9990
3.1 0.9990 0.9991 0.9991 0.9991 0.9992 0.9992 0.9992 0.9992 0.9993 0.9993
3.2 0.9993 0.9993 0.9994 0.9994 0.9994 0.9994 0.9994 0.9995 0.9995 0.9995
3.3 0.9995 0.9995 0.9995 0.9996 0.9996 0.9996 0.9996 0.9996 0.9996 0.9997
3.4 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9998
3.5 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998
3.6 0.9998 0.9998 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999
3.7 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999
3.8 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999
3.9 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000
3
La distribution t de Student
Z t
((r + 1)/2) 1
Pr[T t] = p dx
1 ⇡r (r/2) (1 + x2 /r)(r+1)/2
Pr[T t] = 1 Pr[T t]
Pr[T t]
r 0.90 0.95 0.975 0.99 0.995
1 3.078 6.314 12.706 31.821 63.657
2 1.886 2.920 4.303 6.965 9.925
3 1.638 2.353 3.182 4.541 5.841
4 1.533 2.132 2.776 3.747 4.604
5 1.476 2.015 2.571 3.365 4.032
6 1.440 1.943 2.447 3.143 3.707
7 1.415 1.895 2.365 2.998 3.499
8 1.397 1.860 2.306 2.896 3.355
9 1.383 1.833 2.262 2.821 3.250
10 1.372 1.812 2.228 2.764 3.169
11 1.363 1.796 2.201 2.718 3.106
12 1.356 1.782 2.179 2.681 3.055
13 1.350 1.771 2.160 2.650 3.012
14 1.345 1.761 2.145 2.624 2.977
15 1.341 1.753 2.131 2.602 2.947
16 1.337 1.746 2.120 2.583 2.921
17 1.333 1.740 2.110 2.567 2.898
18 1.330 1.734 2.101 2.552 2.878
19 1.328 1.729 2.093 2.539 2.861
20 1.325 1.725 2.086 2.528 2.845
21 1.323 1.721 2.080 2.518 2.831
22 1.321 1.717 2.074 2.508 2.819
23 1.319 1.714 2.069 2.500 2.807
24 1.318 1.711 2.064 2.492 2.797
25 1.316 1.708 2.060 2.485 2.787
26 1.315 1.706 2.056 2.479 2.779
27 1.314 1.703 2.052 2.473 2.771
28 1.313 1.701 2.048 2.467 2.763
29 1.311 1.699 2.045 2.462 2.756
30 1.310 1.697 2.042 2.457 2.750
40 1.303 1.684 2.021 2.423 2.704
50 1.299 1.676 2.009 2.403 2.678
75 1.293 1.665 1.992 2.377 2.643
100 1.290 1.660 1.984 2.364 2.626
200 1.286 1.653 1.972 2.345 2.601
500 1.283 1.648 1.965 2.334 2.586
1000 1.282 1.646 1.962 2.330 2.581
1 1.282 1.645 1.960 2.326 2.576
4
Université Paris 1 Panthéon-Sorbonne, UFR 02
Licence 3 Économie Durée : 2 heures
Statistiques Appliquées Examen Partiel, 11 janvier 2014
Questions de cours
1 - On dispose des informations suivantes sur un couple de variables aléatoires (X, Y ) : (2 pts)
[X] = 2 ; [Y ] = 1.5 ; Var (X) = 5 ; Var (Y ) = 5 ; et le coefficient de corrélation entre
X et Y est donné par flX,Y = 15 . Sur la base de ces informations, calculez [XY ].
2 - À partir d’un échantillon i.i.d d’une N (µ, ‡ 2 ) avec ‡ 2 connue, on effectue un test de (2 pts)
H0 ; µ = µ0 contre H1 : µ ”= µ0 au niveau – = 5%, et on conclut au rejet de H0 . Peut-on
conclure sur le rejet de H0 contre H1 au niveau – = 10% ? Et au niveau – = 1% ?
Exercices
Exercice 1 (6 pts)
On dispose d’un échantillon i.i.d X1 . . . Xn de n observations issues d’une distribution dite
de « loi de puissance » de paramètre ‹ > 2 dont la fonction de densité est donnée par
fX (x) = (‹ ≠ 1) x≠‹
On sait par ailleurs que
‹≠1
[X] =
‹≠2
1. Donnez un estimateur ‹ˆM M de ‹ par la méthode des moments.
2. Donnez un estimateur ‹ˆM V de ‹ par la méthode du maximum de vraisemblance.
3. On veut tester l’hypothèse H0 : ‹ = ‹0 contre H1 : ‹ = ‹1 (avec ‹1 > ‹0 ). Donnez
la forme de la région de rejet W du test le plus puissant de H0 contre H1 .
Exercice 2 (6 pts)
Vous mettez au point un protocole expérimental sur N sujet. Vos N sujets sont divisés
en deux groupes indépendants de m et n sujets respectivement. Les m premiers sujets
sont soumis à un traitement (groupe de traitement), tandis que les n autres ne le sont pas
(groupe de contrôle). On mesure dans chaque groupe une variable de résultat. On observe
les échantillons X1 , . . . , Xm dans le groupe de traitement, et Y1 , . . . , Yn dans le groupe de
contrôle. On sait par ailleurs que
1 2 1 2
i.i.d. i.i.d.
Xi ≥ N µX , ‡ 2 et Yi ≥ N µY , ‡ 2
1
1. Donnez les variances de X m , Y n et X m ≠ Y n . 1 2
2. Pour une valeur du nombre total de sujet N = m+n fixé, montrez que Var X m ≠ Y n
est minimisé lorsque n = m.
3. On veut tester H0 : µX = µY contre H1 : µX > µY au niveau – = 5%. On suppose
que ‡ 2 = 4, m = 20 et n = 5. On observe que xm ≠ y n = 2 ; peut-on rejeter H0 ?
4. En utilisant les résultats précédents, montrez que la valeur minimale de m et n
nécessaire pour que la puissance
1
de notre test
22
lorsque µX ≠ µY = 1 soit au moins
de 95 % est donnée par 2‡ z(0.95) ≠ z(0.05) .
2
Exercice 3 (4 pts)
On rappelle que la suite de variables aléatoires (Xn )n=1,... converge en loi vers la variable
aléatoire Z (Xn ≠æ Z) si limnæŒ FXn (x) = FZ (x) où FXn (x) et FZ (x) sont les fonctions
L
de répartitions de Xn et de Z, respectivement.
tendre n vers Œ. (Indice : utilisez la loi des probabilités totales pour calculer la
fonction de répartition de Zn , Pr (Zn Æ x), puis l’indépendance entre X et Yn .)
2
Éléments de correction du partiel 2013-2014
Questions de cours
1 - On dispose des informations suivantes sur un couple de variables aléatoires (X, Y ) : (2 pts)
[X] = 2 ; [Y ] = 1.5 ; Var (X) = 5 ; Var (Y ) = 5 ; et le coefficient de corrélation entre
X et Y est donné par flX,Y = 15 . Sur la base de ces informations, calculez [XY ].
Correction On sait que Cov (X, Y ) = [XY ]≠ [X] [Y ] et que flX,Y = Ô Cov(X,Y ) ,
Var(X)Var(Y )
et donc
2 - À partir d’un échantillon i.i.d d’une N (µ, ‡ 2 ) avec ‡ 2 connue, on effectue un test de (2 pts)
H0 ; µ = µ0 contre H1 : µ ”= µ0 au niveau – = 5%, et on conclut au rejet de H0 . Peut-on
conclure sur le rejet de H0 contre H1 au niveau – = 10% ? Et au niveau – = 1% ?
Correction
; La région de rejet de notre test<au niveau – est donnée par
- -
W = (x1 , . . . xn ) œ n
: -- x‡/
n ≠µ -
Ô 0- > z
n (1≠ – ) . Si on rejette au niveau – = 0.05, cela si-
- - 2
1
Correction L’inégalité Biennaymé-Chebychev est donnée par
Var (X)
Pr (|X ≠ [X]| Ø ‘) Æ
‘2
Comme X et Y sont indépendantes et identiquement distribuées, on a [X] = [Y ] et
Var (X) = Var (Y ) = ‡ 2 . On a donc Var (X ≠ Y ) = 2‡ 2 et [X ≠ Y ] = 0. En appliquant
Bienaymé-Chebychev, il vient
2‡ 2
Pr (|X ≠ Y | Ø 10) Æ
102
2‡ 2
On veut que 102
= 0.08, ce qui nous donne finalement ‡ 2 = 4
Exercices
Exercice 1 (6 pts)
On dispose d’un échantillon i.i.d X1 . . . Xn de n observations issues d’une distribution dite
de « loi de puissance » de paramètre ‹ > 2 dont la fonction de densité est donnée par
fX (x) = (‹ ≠ 1) x≠‹
On sait par ailleurs que
‹≠1
[X] =
‹≠2
1. Donnez un estimateur ‹ˆM M de ‹ par la méthode des moments.
p
Correction On sait par la loi des grands nombres que X n ≠æ [X] = ‹≠1
‹≠2
.
L’estimateur ‹ˆM M est donc tel que X n = ‹‹ˆˆM M ≠1
M M ≠2
, et on en tire
‹ˆM M ≠ 1
Xn =
‹ˆM M ≠ 2
(ˆ
‹M M ≠ 2) X n = ‹ˆM M ≠ 1
1 2
‹ˆM M X n ≠ 1 = 2X n ≠ 1
2X n ≠ 1
‹ˆM M =
Xn ≠ 1
2. Donnez un estimateur ‹ˆM V de ‹ par la méthode du maximum de vraisemblance.
Correction La vraisemblance de l’échantillon s’écrit
n
Ÿ
L (‹|X1 , . . . , Xn ) = fX (Xi )
i=1
Ÿn
= (‹ ≠ 1) Xi≠‹
i=1
2
ˆ ln L(ˆ
‹M V |X1 ,...,Xn )
‹ˆM V satisfait la CPO ˆ ‹ˆM V
= 0, et donc
n
ÿ
n
≠ ln (Xi ) = 0
‹ˆM V ≠ 1 i=1
n
‹ˆM V ≠ 1 = qn
i=1 ln (Xi )
A n B≠1
ÿ
‹ˆM V = 1 + n ln (Xi )
i=1
i=1 ‹1 ≠ ‹0
ÿn
ou encore ln (xi ) Æ c
i=1
Exercice 2 (6 pts)
Vous mettez au point un protocole expérimental sur N sujet. Vos N sujets sont divisés
en deux groupes indépendants de m et n sujets respectivement. Les m premiers sujets
sont soumis à un traitement (groupe de traitement), tandis que les n autres ne le sont pas
(groupe de contrôle). On mesure dans chaque groupe une variable de résultat. On observe
les échantillons X1 , . . . , Xm dans le groupe de traitement, et Y1 , . . . , Yn dans le groupe de
contrôle. On sait par ailleurs que
1 2 1 2
i.i.d. i.i.d.
Xi ≥ N µX , ‡ 2 et Yi ≥ N µY , ‡ 2
3
1 2
2. Pour une valeur du nombre total de sujet N = m+n fixé, montrez que Var X m ≠ Y n
est minimisé lorsque n = m. 1 2 2 2
Correction N étant fixé, on a n = N ≠ m, et Var X m ≠ Y n = ‡m + N‡≠m atteint
un minimum lorsque
1 2
ˆVar X m ≠ Y n
=0
ˆm
‡2 ‡2
≠ + =0
m2 (N ≠ m)2
‡2 ‡2
=
(N ≠ m)2 m2
m2 = (N ≠ m)2
m=N ≠m
m=n
4
Avec les valeurs numériques proposées, la statistique observée est égale à Ô 42 =
20
+ 45
Ô 12 = Ô2 = 2. Comme on teste au niveau – = 0.05, on a que z(1≠–) = z(0.95) =
+ 45 1
5
1.645 ; et on rejette donc H0 au niveau – = 0.05.
2 2
On a vu dans la question 1 que ‡m + ‡n est minimum lorsque m = n. Donc le
nombre minimal N = m + n nécessaire pour atteindre la puissance voulue sera tel
que m = n. Sous cette contrainte, on veut donc que
Q R
X ≠Yn
Pr a m Ò
2
> z(0.95) |µX ≠ µY = 1b Ø 0.95
2 ‡m
ou encore que
Q R
X ≠Yn≠1 1
Pr a m Ò
2
> z(0.95) ≠ Ò 2
|µX ≠ µY = 1b Ø 0.95
2 ‡m 2 ‡m
Exercice 3 (4 pts)
On rappelle que la suite de variables aléatoires (Xn )n=1,... converge en loi vers la variable
aléatoire Z (Xn ≠æ Z) si limnæŒ FXn (x) = FZ (x) où FXn (x) et FZ (x) sont les fonctions
L
de répartitions de Xn et de Z, respectivement.
5
Soit une séquence de variables aléatoires (Yn )n=1,... telle que
Y
_ 1
]1 avec probabilité
_
_
Yn = n
_ n≠1
[0 avec probabilité
_
_
n
Soit une variable aléatoire X, indépendante de la séquence (Yn )n=1,... La fonction de
répartition de X est FX (x) = Pr (X Æ x). On définit la suite (Zn )n=1,... telle que Zn =
X + nYn .
1. Rappelez la définition de la convergence en probabilité.
Correction on dit que la suite de variables aléatoires (Xn )n=1,... converge en pro-
p
babilité vers la variable aléatoire Z (Xn ≠æ Z) si
lim Pr (|Xn ≠ Z| > ‘) = 0 ’‘ > 0
næŒ
p
2. Montrez que Zn ≠æ X.
Correction
lim Pr (|Zn ≠ X| > ‘) = lim Pr (|X + nYn ≠ X| > ‘)
næŒ næŒ
= lim Pr (|nYn | > ‘)
næŒ
= lim Pr (Yn = 1)
næŒ
1
= næŒ
lim
n
=0
ce qui conclut la preuve.
3. Vérifiez que Zn ≠æ X en calculant la fonction de répartition de Zn puis en faisant
L
tendre n vers Œ. (Indice : utilisez la loi des probabilités totales pour calculer la
fonction de répartition de Zn , Pr (Zn Æ x), puis l’indépendance entre X et Yn .)
Correction
Pr (Zn Æ x) = Pr (X + nYn Æ x)
= Pr (X + nYn Æ x|Yn = 0) Pr (Yn = 0) + Pr (X + nYn Æ x|Yn = 1) Pr (Yn = 1)
= Pr (X Æ x|Yn = 0) Pr (Yn = 0) + Pr (X + n Æ x|Yn = 1) Pr (Yn = 1)
= Pr (X Æ x) Pr (Yn = 0) + Pr (X + n Æ x) Pr (Yn = 1) car X ‹‹ Yn
n≠1 1
= Pr (X Æ x) + Pr (X + n Æ x)
n n
et donc
n≠1 1
lim Pr (Zn Æ x) = næŒ
lim Pr (X Æ x) + Pr (X + n Æ x)
næŒ n n
= Pr (X Æ x)
c’est-à-dire
lim FZn (x) = FX (x)
næŒ
ce qui conclut la preuve.
6
U NIVERSITÉ PARIS 1 PANTHÉON -S ORBONNE , UFR 02
La première partie de cet examen consiste en une série de 6 questions à choix multiple.
Pour chaque question, 4 réponses possibles sont proposées. Une et une seule de ces 4 réponses
est correcte. Pour chaque question, choisir la réponse correcte rapporte 2 points. Choisir
une réponse incorrecte (ou donner plusieur réponses) retranche un demi point. Ne pas
choisir de réponse ne rapporte ni ne retranche aucun point. Le total des points obtenus à ce
QCM ne pourra pas être négatif. Afin de faciliter la correction, inscrivez les réponses sur votre
copie d’examen dans l’ordre des questions. Indiquez le numéro de la question, et la lettre
correspondant à la réponse sélectionnée. Si vous décidez de ne pas fournir de réponse à une
question, indiquez son numéro et laissez la réponse en blanc.
1 - Une variable aléatoire X a pour espérance µ et pour variance 2 . On tire deux échantillons
indépendants de taille n dans cette distribution. On note X 1n et X 2n les moyennes empiriques
respectives sur ces deux échantilons. Utilisez l’inégalité de Bienaymé-Chebychev pour trouver
la valeur de n minimale telle que
⇣ ⌘
Pr X 1n X 2n < > 0.99
5
a) n = 500
b) n = 1000
c) n = 5000
d) n = 1000
2 - On dispose de 49 observations issues d’une loi N (µ, 2 ). On constate sur notre échantillon
que xn = 5 et que s2n = 16. Un test de H0 : µ = 4 contre H1 : µ 6= 4 sera :
a) Rejetté au niveau ↵ = 10%, mais non rejetté au niveau ↵ = 5%
b) Rejetté au niveau ↵ = 5%, mais non rejetté au niveau ↵ = 1%
c) Rejetté au niveau ↵ = 1
d) Non rejetté au niveau ↵ = 10%
3 - On dispose d’un échantillon de taille n = 16 issu d’une loi N (µ, 2 ) où µ est inconnu et où
2
est connu et est égal à 4. On mène un test de H0 : µ = µ0 = 0 contre H1 : µ = µ1 = 1 au
seuil de ↵ = 5%. La règle de décision dans ce test est de rejetter H0 si X n/pµn0 > z(1 ↵) où z(1 ↵)
est le quantile d’ordre 1 ↵ de la distribution N (0,1). La puissance 1 de ce test sera :
a) Environ 65 %
b) Environ 75 %
c) Environ 85 %
d) Environ 95 %
1
4 - On dispose de n observations issues d’une loi de Bernoulli B (p) telle que
(
1 avec une probabilité p
Xi =
0 avec une probabilité 1 p
PX (x) = Pr (X = x) = px (1 p)(1 x)
b) p̂ = X n
c) p̂ = 1
ln(X n )
d) p̂ = ln X n
5 - Quel résultat du cours nous permet d’approximer la distribution d’une statistique lorsque la
taille de l’échantillon augmente ?
a) L’inégalité de Bienaymé-Chebychev
b) La loi des grands nombres
c) Le théorème central-limite
d) Le théorème de Fisher
6 - On cherche à estimer l’espérance µ inconnue d’une loi L de variance connue 2 = 1. On
veut déterminer le nombre minimal d’observations qui garantisse que la moyenne observée X n
sur notre échantillon de taille n ne s’éloigne de la vraie valeur de µ de plus de 1 qu’avec une
probabilité inférieure à 5 %. Autrement dit, on veut que Pr X n µ > 1 < 0.05.
On souhaite effectuer ce calcul dans le cas où la loi L est inconnue (mais toujours d’espé-
rance µ et de variance 2 = 1) et dans le cas où L est la loi N (µ,1)
Les valeurs minimales de n sont :
a) 20 si L est inconnue, et 4 si L est la loi N (µ,1)
b) 20 si L est inconnue, et 8 si L est la loi N (µ,1)
c) 40 si L est inconnue, et 4 si L est la loi N (µ,1)
d) 40 si L est inconnue, et 8 si L est la loi N (µ,1)
Exercice
Exercice 1
La durée d’attente dans un centre d’appel peut être modélisée comme une loi exponentielle de (8 pts)
paramètre dont la densité est
(
e x si x 0
fX (x) =
0 sinon
Vous observez un échantillon de taille n = 15 temps d’attente dont la moyenne empirique est
xn = 103
. On rappelle qu’une variable aléatoire suivant une loi exponentielle de paramètre a
pour espérance 1
2
a) Écrivez les fonctions de vraisemblance et de log-vraisemblance pour cet échantillon.
b) Trouvez l’estimateur du maximum de vraisemblance de , et donnez la valeur correspon-
dante pour notre échantillon (on supposera que la condition du second ordre est vérifiée).
c) On veut tester H0 : = 0 contre H1 : = 1 , avec 1 > 0 . En vous servant du Lemme
de Neyman-Pearson, montrez que le test de plus puissant de notre jeu d’hypothèses mène
à une région de rejet du type X n c où c est une constante (on ne demande pas de
calculer c pour le moment). Expliquer en une ou deux phrases en quoi la forme de cette
région de rejet « a du sens ».
Pn
d) On peut montrer que, si X suit une exponentielle de paramètre , alors 2 i=1 Xi suit
une loi du 2
à 2n degrés de liberté. Utilisez ce fait pour tester H0 : = 0.2 contre
H1 : = 0.4 au niveau ↵ = 0.01 dans notre échantillon. NB : le quantile d’ordre 0.01
de la 2(30) est de 14.953.
NB : cette question peut être résolue même si vous n’avez pas répondu aux questions
précédentes (mais utilisez quand même les indication données dans leurs énoncés...).
x 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0.0 0.5000 0.5040 0.5080 0.5120 0.5160 0.5199 0.5239 0.5279 0.5319 0.5359
0.1 0.5398 0.5438 0.5478 0.5517 0.5557 0.5596 0.5636 0.5675 0.5714 0.5753
0.2 0.5793 0.5832 0.5871 0.5910 0.5948 0.5987 0.6026 0.6064 0.6103 0.6141
0.3 0.6179 0.6217 0.6255 0.6293 0.6331 0.6368 0.6406 0.6443 0.6480 0.6517
0.4 0.6554 0.6591 0.6628 0.6664 0.6700 0.6736 0.6772 0.6808 0.6844 0.6879
0.5 0.6915 0.6950 0.6985 0.7019 0.7054 0.7088 0.7123 0.7157 0.7190 0.7224
0.6 0.7257 0.7291 0.7324 0.7357 0.7389 0.7422 0.7454 0.7486 0.7517 0.7549
0.7 0.7580 0.7611 0.7642 0.7673 0.7703 0.7734 0.7764 0.7794 0.7823 0.7852
0.8 0.7881 0.7910 0.7939 0.7967 0.7995 0.8023 0.8051 0.8078 0.8106 0.8133
0.9 0.8159 0.8186 0.8212 0.8238 0.8264 0.8289 0.8315 0.8340 0.8365 0.8389
1.0 0.8413 0.8438 0.8461 0.8485 0.8508 0.8531 0.8554 0.8577 0.8599 0.8621
1.1 0.8643 0.8665 0.8686 0.8708 0.8729 0.8749 0.8770 0.8790 0.8810 0.8830
1.2 0.8849 0.8869 0.8888 0.8907 0.8925 0.8944 0.8962 0.8980 0.8997 0.9015
1.3 0.9032 0.9049 0.9066 0.9082 0.9099 0.9115 0.9131 0.9147 0.9162 0.9177
1.4 0.9192 0.9207 0.9222 0.9236 0.9251 0.9265 0.9279 0.9292 0.9306 0.9319
1.5 0.9332 0.9345 0.9357 0.9370 0.9382 0.9394 0.9406 0.9418 0.9429 0.9441
1.6 0.9452 0.9463 0.9474 0.9484 0.9495 0.9505 0.9515 0.9525 0.9535 0.9545
1.7 0.9554 0.9564 0.9573 0.9582 0.9591 0.9599 0.9608 0.9616 0.9625 0.9633
1.8 0.9641 0.9649 0.9656 0.9664 0.9671 0.9678 0.9686 0.9693 0.9699 0.9706
1.9 0.9713 0.9719 0.9726 0.9732 0.9738 0.9744 0.9750 0.9756 0.9761 0.9767
2.0 0.9772 0.9778 0.9783 0.9788 0.9793 0.9798 0.9803 0.9808 0.9812 0.9817
2.1 0.9821 0.9826 0.9830 0.9834 0.9838 0.9842 0.9846 0.9850 0.9854 0.9857
2.2 0.9861 0.9864 0.9868 0.9871 0.9875 0.9878 0.9881 0.9884 0.9887 0.9890
2.3 0.9893 0.9896 0.9898 0.9901 0.9904 0.9906 0.9909 0.9911 0.9913 0.9916
2.4 0.9918 0.9920 0.9922 0.9925 0.9927 0.9929 0.9931 0.9932 0.9934 0.9936
2.5 0.9938 0.9940 0.9941 0.9943 0.9945 0.9946 0.9948 0.9949 0.9951 0.9952
2.6 0.9953 0.9955 0.9956 0.9957 0.9959 0.9960 0.9961 0.9962 0.9963 0.9964
2.7 0.9965 0.9966 0.9967 0.9968 0.9969 0.9970 0.9971 0.9972 0.9973 0.9974
2.8 0.9974 0.9975 0.9976 0.9977 0.9977 0.9978 0.9979 0.9979 0.9980 0.9981
2.9 0.9981 0.9982 0.9982 0.9983 0.9984 0.9984 0.9985 0.9985 0.9986 0.9986
3.0 0.9987 0.9987 0.9987 0.9988 0.9988 0.9989 0.9989 0.9989 0.9990 0.9990
3.1 0.9990 0.9991 0.9991 0.9991 0.9992 0.9992 0.9992 0.9992 0.9993 0.9993
3.2 0.9993 0.9993 0.9994 0.9994 0.9994 0.9994 0.9994 0.9995 0.9995 0.9995
3.3 0.9995 0.9995 0.9995 0.9996 0.9996 0.9996 0.9996 0.9996 0.9996 0.9997
3.4 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9998
3.5 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998
3.6 0.9998 0.9998 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999
3.7 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999
3.8 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999
3.9 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000
3
La distribution t de Student
Z t
((r + 1)/2) 1
Pr[T t] = p dx
1 ⇡r (r/2) (1 + x2 /r)(r+1)/2
Pr[T t] = 1 Pr[T t]
Pr[T t]
r 0.90 0.95 0.975 0.99 0.995
1 3.078 6.314 12.706 31.821 63.657
2 1.886 2.920 4.303 6.965 9.925
3 1.638 2.353 3.182 4.541 5.841
4 1.533 2.132 2.776 3.747 4.604
5 1.476 2.015 2.571 3.365 4.032
6 1.440 1.943 2.447 3.143 3.707
7 1.415 1.895 2.365 2.998 3.499
8 1.397 1.860 2.306 2.896 3.355
9 1.383 1.833 2.262 2.821 3.250
10 1.372 1.812 2.228 2.764 3.169
11 1.363 1.796 2.201 2.718 3.106
12 1.356 1.782 2.179 2.681 3.055
13 1.350 1.771 2.160 2.650 3.012
14 1.345 1.761 2.145 2.624 2.977
15 1.341 1.753 2.131 2.602 2.947
16 1.337 1.746 2.120 2.583 2.921
17 1.333 1.740 2.110 2.567 2.898
18 1.330 1.734 2.101 2.552 2.878
19 1.328 1.729 2.093 2.539 2.861
20 1.325 1.725 2.086 2.528 2.845
21 1.323 1.721 2.080 2.518 2.831
22 1.321 1.717 2.074 2.508 2.819
23 1.319 1.714 2.069 2.500 2.807
24 1.318 1.711 2.064 2.492 2.797
25 1.316 1.708 2.060 2.485 2.787
26 1.315 1.706 2.056 2.479 2.779
27 1.314 1.703 2.052 2.473 2.771
28 1.313 1.701 2.048 2.467 2.763
29 1.311 1.699 2.045 2.462 2.756
30 1.310 1.697 2.042 2.457 2.750
40 1.303 1.684 2.021 2.423 2.704
50 1.299 1.676 2.009 2.403 2.678
75 1.293 1.665 1.992 2.377 2.643
100 1.290 1.660 1.984 2.364 2.626
200 1.286 1.653 1.972 2.345 2.601
500 1.283 1.648 1.965 2.334 2.586
1000 1.282 1.646 1.962 2.330 2.581
1 1.282 1.645 1.960 2.326 2.576
4
Université Paris 1 Panthéon-Sorbonne, UFR 02
Licence 3 Économie Durée : 2 heures
Statistiques Appliquées Examen Partiel, 18 décembre 2012
Questions de cours
1 - Expliquez ce qu’est une statistique pivotale pour un paramètre ◊. Donnez un exemple (2 pts)
de statistiques pivotales pour le paramètre µ d’une loi N (µ, ‡ 2 ) lorsque ‡ 2 est connue, et
lorsqu’il ne l’est pas. Précisez à chaque fois la loi de probabilité de la statistique.
3 - On rappelle que la suite de variables aléatoires (Xn )nØ1 converge en moyenne quadra- (2 pts)
m.q.
Ë È
tique vers la constante c (Xn ≠æ c) si limnæŒ (Xn ≠ c)2 = 0. Utilisez l’inégalité de
Markov (Pr (|X| Ø a) Æ [|X|]
a
) appliquée à la variable aléatoire (Xn ≠ c)2 pour montrer
m.q. p
que Xn ≠æ c ∆ Xn ≠æ c
Exercices
Exercice 1 (8 pts)
Vous vous ennuyez en cours de statistiques alors, pour passer le temps, vous comptez à
chaque cours le nombre de fois où l’enseignant fait tomber sa craie. Notons Xi la variable
aléatoire représentant le nombre de craies tombées durant le cours numéro i. Vous pensez
que chacun des Xi suit une loi de Poisson de paramètre ⁄, notée P (⁄), et dont la fonction
de masse de probabilité est donnée par :
⁄x e≠⁄
fX (x) = Pr (X = x) = pour tout x œ
x!
On notera qu’une des caractéristiques de la loi de Poisson est que
si X ≥ P (⁄) , alors [X] = Var (X) = ⁄
1. Écrivez la vraisemblance d’un n-échantillon X = {X1 , . . . , Xn } i.i.d. issu d’une P (⁄).
2. Montrez que l’estimateur du maximum de vraisemblance de ⁄ est donné par ⁄̂ = X n .
3. Montrez que cet estimateur est sans biais, et, à l’aide de l’inégalité Bienaymé-
Chebychev, qu’il est convergent.
4. Vous voulez tester l’hypothèse H0 : ⁄ = ⁄0 contre H1 : ⁄ = ⁄1 où ⁄1 > ⁄0 . Utilisez
le lemme de Neyman-Pearson pour montrer que le test le plus puissant de ce jeu
d’hypothèses a comme région de rejet
W = {(x1 , . . . , xn ) œ n
: xn Ø c}
1
Afin de finaliser la procédure
1 2de test, on va supposer que X n est approximativement
distribué selon une loi N ⁄, n
⁄
Exercice 2 (5 pts)
Un laboratoire doit d’analyser de la qualité de l’eau d’une rivière, et déterminer si un
polluant chimique y est présent à un taux « normal » ou pas. Soit µ le vrai taux de la
substance chimique dans la rivière. Le taux observé dans un litre d’eau prélevé, noté Xi ,
peut être considéré comme suivant une loi normale : Xi ≥ N (µ, ‡ 2 ) où ‡ 2 est connue.
Le taux « naturel » de la substance chimique est noté µ0 . Le laboratoire veut tester
H0 : µ = µ0 contre H1 : µ > µ0 au niveau – = 5%. Il définit la région de rejet suivante :
I J
x n ≠ µ0
W = (x1 , . . . , xn ) œ n
: Ô Ø z(0.95)
‡/ n
où z(0.95) est le quantile d’ordre 0.95 de la N (0, 1), et n est le nombre de litres prélevés.
1. Vérifiez que la procédure proposée constitue bien un test de niveau – = 5%.
2. La pollution est considérée comme grave si le taux de pollution µ de la rivière est
supérieur à une valeur µ1 > µ0 . Le laboratoire veut donc s’assurer que sa procédure
va correctement détecter la présence anormale de polluant. Plus précisément, il veut
s’assurer avec une probabilité de 95 % de rejeter H0 lorsque le vrai taux est de µ1 .
Combien de litres d’eau doit-il prélever ?
Exercice 3 (3 pts)
Votre enseignant prélève aléatoirement un échantillon i.i.d. de n copies de cet examen,
et les corrige. Pour chaque copie, il regarde si l’étudiant a obtenu, ou pas, la moyenne.
Notons Xi la variable aléatoire valant 1 si la copie a obtenue la moyenne, et 0 sinon.
1. Montrez que [Xi ] = p et que Var (Xi ) = p (1 ≠ p) où p est la probabilité que Xi
vaille 1.
2. Construisez un intervalle de confiance asymptotique pour p au niveau de confiance
1 ≠ –.
Total
22 pts
2
Éléments de correction du partiel 2012-2013
Questions de cours
1 - Une statistique pivotale pour un paramètre ◊ est une statistique (et donc une
fonction des données) dont l’expression dépend de ◊, et dont la loi est connue et
ne dépend pas de ◊. Par exemple, dans un n-échantillon X = {X1 , . . . ,Xn } i.i.d
issu d’une N (µ,‡ 2 ) où la variance ‡ 2 est connue, alors la statistique
Xn ≠ µ
Ô ≥ N (0,1)
‡/ n
q
est pivotale pour µ, avec X n = n1 ni=1 Xi est la moyenne empirique.
Dans le cas où la variance ‡ 2 est inconnue, alors la statistique
Xn ≠ µ
Ô ≥ T(n≠1)
Sn / n
Ò Ú 1 22
1 qn
est pivotale pour µ, avec Sn = Sn2 = n≠1 i=1 Xi ≠ X n est l’écart-type em-
pirique corrigé.
1
et finalement que 1 Ô 2
lim Pr |Xn ≠ c| > a = 0 ’a > 0
næŒ
Exercices
Exercice 1
1. La vraisemblance s’écrit :
n
Ÿ ⁄Xi e≠⁄
L (⁄|X) =
i=1 Xi !
2
et ⁄̂ vérifie donc
nX n
≠n=0
⁄̂
Xn
≠1=0
⁄̂
Xn
=1
⁄̂
⁄̂ = X n
3. On a Ë È Ë È
⁄̂ = Xn = [Xi ] = ⁄
3
Dans notre cas, on a
L (⁄0 |x)
Æk
L (⁄1 |x)
rn x
⁄0 i e≠⁄0
i=1 xi !
rn ⁄x1 i e≠⁄1 Æk
i=1 xi !
rn xi ≠⁄0
i=1 ⁄0 e
rn xi ≠⁄1 Æk
i=1 ⁄1 e
n
ÿ 1 2 n
ÿ 1 2
ln ⁄x0 i e≠⁄0 ≠ ln ⁄x1 i e≠⁄1 Æ ln (k)
i=1 i=1
n
ÿ n
ÿ
(xi ln (⁄0 ) ≠ ⁄0 ) ≠ (xi ln (⁄1 ) ≠ ⁄1 ) Æ ln (k)
i=1 i=1
nxn ln (⁄0 ) ≠ n⁄0 ≠ nxn ln (⁄1 ) + n⁄1 Æ ln (k)
ln (k)
xn ln (⁄0 ) ≠ ⁄0 ≠ xn ln (⁄1 ) + ⁄1 Æ
A B n
⁄0 ln (k)
xn ln Æ + ⁄ 0 ≠ ⁄1
⁄1 n
xn Ø c
ln(k)
+⁄0 ≠⁄1
où c = n 1 2 et où on inverse le sens de l’inégalité car comme ⁄1 > ⁄0 ,
ln ⁄0
⁄
1
1 2
alors ln ⁄0
⁄1
< 0. Notre région de rejet s’écrit donc bien
W = {(x1 , . . . ,xn ) œ n
: xn Ø c}
5. L’approximation A B
·· N ⁄, ⁄
Xn ≥
n
se justifie par le Théorème Central-Limite qui stipule que, si la variable
aléatoire X a une espérance µ et une variance ‡ 2 finies, alors
Ô 1 2 1 2
n X n ≠ µ ≠æ N 0,‡ 2
L
sont acceptables.
4
6. Pour un test de niveau –, on veut
Pr (Rejet de H0 |H0 vraie) = –
1 2
Pr X n Ø c|⁄ = ⁄0 = –
Q R
X ≠ ⁄0 c ≠ ⁄0
Pr a n Ò ØÒ |⁄ = ⁄0 b = –
⁄0 /n ⁄0 /n
1 2
·· N ⁄, ⁄ , on en déduit que, si ⁄ = ⁄0 , alors
Or, comme X n ≥ n
X n ≠ ⁄0 H·0
Ò ≥· N (0,1)
⁄0 /n
Exercice 2
On1 a Xi2 ≥ N (µ,‡ 2 ) où ‡ 2 est connue. La loi des Xi étant normale, on a X n ≥
2
N µ, ‡n
1. On recherche
Ó la probabilité que notre échantillon
Ô appartienne à la région de
rejet W = (x1 , . . . ,xn ) œ : ‡/ n Ø z(0.95) sachant que H0 est vraie :
n xn ≠µ
Ô 0
A B
X n ≠ µ0
Pr (X œ W |H0 vraie) = Pr Ô Ø z(0.95) |µ = µ0
‡/ n
1 2
2
Or, comme X n ≥ N µ, ‡n on a
Xn ≠ µ
Ô ≥ N (0,1)
‡/ n
et sous H0
X n ≠ µ0 H0
Ô ≥ N (0,1)
‡/ n
et finalement
A B
X n ≠ µ0 1 2
Pr Ô Ø z(0.95) |µ = µ0 = Pr Z Ø z(0.95) avec Z ≥ N (0,1)
‡/ n
Cette probabilité est bien égale à 0.05 par définition de z(0.95) et la région de
rejet proposée est bien celle d’un test de H0 : µ = µ0 contre H1 : µ > µ0 au
niveau –=0.05.
5
2. On cherche la valeur de n (le nombre de litres prélevés) tel que
Pr (Rejet de H0 |µ = µ1 ) = 0.95
A B
X n ≠ µ0
Pr Ô Ø z(0.95) |µ = µ1 = 0.95
‡/ n
A B
X n ≠ µ0
Pr Ô Ø z(0.95) |µ = µ1 = 0.95
‡/ n
A B
‡
Pr X n ≠ µ0 Ø z(0.95) Ô |µ = µ1 = 0.95
n
A B
‡
Pr X n Ø z(0.95) Ô + µ0 |µ = µ1 = 0.95
n
A B
‡
Pr X n ≠ µ1 Ø z(0.95) Ô + µ0 ≠ µ1 |µ = µ1 = 0.95
n
A B
X n ≠ µ1 µ0 ≠ µ1
Pr Ô Ø z(0.95) + Ô |µ = µ1 = 0.95
‡/ n ‡/ n
Comme
X n ≠ µ1 µ=µ1
Ô ≥ N (0,1)
‡/ n
alors la valeur de z(0.95) + µ0 ≠µ
Ô1
‡/ n
recherchée est le quantile d’ordre 0.05 de la
N (0,1) :
µ0 ≠ µ1
z(0.95) + Ô = z(0.05)
‡/ n
6
et on aboutit finalement à
µ0 ≠ µ1
z(0.95) + Ô =z(0.05)
‡/ n
µ0 ≠ µ 1
Ô =z(0.05) ≠ z(0.95)
‡/ n
Ô µ 0 ≠ µ1
n =z(0.05) ≠ z(0.95)
‡ 1 2
Ô ‡
n = z(0.05) ≠ z(0.95)
µ0 ≠ µ1
A B2
1 2 ‡
n= z(0.05) ≠ z(0.95)
µ0 ≠ µ1
Exercice 3
1. On a :
[Xi ] = 1 ◊ p + 0 ◊ (1 ≠ p) = p
Var (Xi ) = [Xi2 ] ≠ [Xi ]2 = p ≠ p2 = p (1 ≠ p)
2. Le théorème central-limite nous dit que
Ô 1 2
n X n ≠ p ≠æ N (0,p (1 ≠ p))
L
et donc que Ô
n 1 2
X n ≠ p ≠æ N (0,1)
L
Ò
p (1 ≠ p)
ou encore
Xn ≠ p
≠æ N (0,1)
L
Ò
p(1≠p)
n
et que donc
ı̂ 1 2 Û
ıX 1 ≠ X
Ù n n p p (1 ≠ p)
≠æ
n n
On en conclut par le théorème de Slutsky que
Xn ≠ p
≠æ N (0,1)
L
Ú
X n (1≠X n )
n
7
On a donc
Q R
c Xn ≠ p d
Pr c
az( – ) Æ Ú b¥1≠–
Æ z(1≠ – ) d
2 X n (1≠X n ) 2
n
Q 1 2 1 2R
ı̂ ı̂
ıX 1 ≠ X ıX 1 ≠ X
c Ù n n Ù n n d
Pr c
az( – ) Æ Xn ≠ p Æ z(1≠ – ) d
b ¥1≠–
2 n 2 n
Q 1 2 1 2R
ı̂ ı̂
ıX 1 ≠ X ıX 1 ≠ X
c Ù n n Ù n n d
Pr c
aX n ≠ z(1≠ – ) ÆpÆ X n + z(1≠ – ) d
b ¥1≠–
2 n 2 n
8
U NIVERSITÉ PARIS 1 PANTHÉON -S ORBONNE , UFR 02
Le première partie de cet examen consiste en une série de 6 questions à choix multiple. Pour
chaque question, 4 réponses possibles sont proposées. Une et une seule de ces 4 réponses est
correcte. Pour chaque question, choisir la réponse correcte rapporte 2 points. Choisir une
réponse incorrecte (ou donner plusieur réponses) retranche un demi point. Ne pas choisir
de réponse ne rapporte ni ne retranche aucun point. Le total des points obtenus à ce QCM
ne pourra pas être négatif.
Afin de faciliter la correction, inscrivez les réponses sur votre copie d’examen dans l’ordre
des questions. Indiquez le numéro de la question, et la lettre correspondant à la réponse sélec-
tionnée. Si vous décidez de ne pas fournir de réponse à une question, indiquez son numéro
et laissez la réponse en blanc.
1
3 - Soit la suite (Xi )i=1,...,n des résultats de tirages successifs et indépendants d’un dé équilibré
à 6 faces (numérotées de 1 à 6). On considère ensuite la suite (Yi )i=2,...,n définie par Yi =
1
2
(Xi + Xi 1 ). La suite (Yi ) :
a) Converge en probabilité vers 72 .
b) Converge en probabilité vers 3.
c) Ne converge pas en probabilité
d) Converge en loi vers une loi normale
Exercices
Exercice 1 (8 pts)
On dispose de n observations issues d’une loi de Bernoulli B (p) telle que
(
1 avec une probabilité p
Xi =
0 avec une probabilité 1 p
2
a) Écrivez les fonctions de vraisemblance et de log-vraisemblance de l’échantillon.
b) Montrez que l’estimateur du maximum de vraisemblance de p est p̂ = X n .
c) Montrez que p̂ est sans biais et convergent.
d) Construisez un test de H0 : p = 0.5 contre H1 : p = 0.75 au niveau ↵ en utilisant le lemme
de Neyman-Pearson, et en supposant que n est assez grand pour que l’approximation de
la loi de X n par une normale soit satisfaisante.
e) Sera-t-il possible de rejeter H0 au niveau ↵ = 1% avec notre test si n = 5 ?
x 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0.0 0.5000 0.5040 0.5080 0.5120 0.5160 0.5199 0.5239 0.5279 0.5319 0.5359
0.1 0.5398 0.5438 0.5478 0.5517 0.5557 0.5596 0.5636 0.5675 0.5714 0.5753
0.2 0.5793 0.5832 0.5871 0.5910 0.5948 0.5987 0.6026 0.6064 0.6103 0.6141
0.3 0.6179 0.6217 0.6255 0.6293 0.6331 0.6368 0.6406 0.6443 0.6480 0.6517
0.4 0.6554 0.6591 0.6628 0.6664 0.6700 0.6736 0.6772 0.6808 0.6844 0.6879
0.5 0.6915 0.6950 0.6985 0.7019 0.7054 0.7088 0.7123 0.7157 0.7190 0.7224
0.6 0.7257 0.7291 0.7324 0.7357 0.7389 0.7422 0.7454 0.7486 0.7517 0.7549
0.7 0.7580 0.7611 0.7642 0.7673 0.7703 0.7734 0.7764 0.7794 0.7823 0.7852
0.8 0.7881 0.7910 0.7939 0.7967 0.7995 0.8023 0.8051 0.8078 0.8106 0.8133
0.9 0.8159 0.8186 0.8212 0.8238 0.8264 0.8289 0.8315 0.8340 0.8365 0.8389
1.0 0.8413 0.8438 0.8461 0.8485 0.8508 0.8531 0.8554 0.8577 0.8599 0.8621
1.1 0.8643 0.8665 0.8686 0.8708 0.8729 0.8749 0.8770 0.8790 0.8810 0.8830
1.2 0.8849 0.8869 0.8888 0.8907 0.8925 0.8944 0.8962 0.8980 0.8997 0.9015
1.3 0.9032 0.9049 0.9066 0.9082 0.9099 0.9115 0.9131 0.9147 0.9162 0.9177
1.4 0.9192 0.9207 0.9222 0.9236 0.9251 0.9265 0.9279 0.9292 0.9306 0.9319
1.5 0.9332 0.9345 0.9357 0.9370 0.9382 0.9394 0.9406 0.9418 0.9429 0.9441
1.6 0.9452 0.9463 0.9474 0.9484 0.9495 0.9505 0.9515 0.9525 0.9535 0.9545
1.7 0.9554 0.9564 0.9573 0.9582 0.9591 0.9599 0.9608 0.9616 0.9625 0.9633
1.8 0.9641 0.9649 0.9656 0.9664 0.9671 0.9678 0.9686 0.9693 0.9699 0.9706
1.9 0.9713 0.9719 0.9726 0.9732 0.9738 0.9744 0.9750 0.9756 0.9761 0.9767
2.0 0.9772 0.9778 0.9783 0.9788 0.9793 0.9798 0.9803 0.9808 0.9812 0.9817
2.1 0.9821 0.9826 0.9830 0.9834 0.9838 0.9842 0.9846 0.9850 0.9854 0.9857
2.2 0.9861 0.9864 0.9868 0.9871 0.9875 0.9878 0.9881 0.9884 0.9887 0.9890
2.3 0.9893 0.9896 0.9898 0.9901 0.9904 0.9906 0.9909 0.9911 0.9913 0.9916
2.4 0.9918 0.9920 0.9922 0.9925 0.9927 0.9929 0.9931 0.9932 0.9934 0.9936
2.5 0.9938 0.9940 0.9941 0.9943 0.9945 0.9946 0.9948 0.9949 0.9951 0.9952
2.6 0.9953 0.9955 0.9956 0.9957 0.9959 0.9960 0.9961 0.9962 0.9963 0.9964
2.7 0.9965 0.9966 0.9967 0.9968 0.9969 0.9970 0.9971 0.9972 0.9973 0.9974
2.8 0.9974 0.9975 0.9976 0.9977 0.9977 0.9978 0.9979 0.9979 0.9980 0.9981
2.9 0.9981 0.9982 0.9982 0.9983 0.9984 0.9984 0.9985 0.9985 0.9986 0.9986
3.0 0.9987 0.9987 0.9987 0.9988 0.9988 0.9989 0.9989 0.9989 0.9990 0.9990
3.1 0.9990 0.9991 0.9991 0.9991 0.9992 0.9992 0.9992 0.9992 0.9993 0.9993
3.2 0.9993 0.9993 0.9994 0.9994 0.9994 0.9994 0.9994 0.9995 0.9995 0.9995
3.3 0.9995 0.9995 0.9995 0.9996 0.9996 0.9996 0.9996 0.9996 0.9996 0.9997
3.4 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9998
3.5 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998
3.6 0.9998 0.9998 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999
3.7 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999
3.8 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999
3.9 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000
3
La distribution t de Student
Z t
((r + 1)/2) 1
Pr[T t] = p dx
1 ⇡r (r/2) (1 + x2 /r)(r+1)/2
Pr[T t] = 1 Pr[T t]
Pr[T t]
r 0.90 0.95 0.975 0.99 0.995
1 3.078 6.314 12.706 31.821 63.657
2 1.886 2.920 4.303 6.965 9.925
3 1.638 2.353 3.182 4.541 5.841
4 1.533 2.132 2.776 3.747 4.604
5 1.476 2.015 2.571 3.365 4.032
6 1.440 1.943 2.447 3.143 3.707
7 1.415 1.895 2.365 2.998 3.499
8 1.397 1.860 2.306 2.896 3.355
9 1.383 1.833 2.262 2.821 3.250
10 1.372 1.812 2.228 2.764 3.169
11 1.363 1.796 2.201 2.718 3.106
12 1.356 1.782 2.179 2.681 3.055
13 1.350 1.771 2.160 2.650 3.012
14 1.345 1.761 2.145 2.624 2.977
15 1.341 1.753 2.131 2.602 2.947
16 1.337 1.746 2.120 2.583 2.921
17 1.333 1.740 2.110 2.567 2.898
18 1.330 1.734 2.101 2.552 2.878
19 1.328 1.729 2.093 2.539 2.861
20 1.325 1.725 2.086 2.528 2.845
21 1.323 1.721 2.080 2.518 2.831
22 1.321 1.717 2.074 2.508 2.819
23 1.319 1.714 2.069 2.500 2.807
24 1.318 1.711 2.064 2.492 2.797
25 1.316 1.708 2.060 2.485 2.787
26 1.315 1.706 2.056 2.479 2.779
27 1.314 1.703 2.052 2.473 2.771
28 1.313 1.701 2.048 2.467 2.763
29 1.311 1.699 2.045 2.462 2.756
30 1.310 1.697 2.042 2.457 2.750
40 1.303 1.684 2.021 2.423 2.704
50 1.299 1.676 2.009 2.403 2.678
75 1.293 1.665 1.992 2.377 2.643
100 1.290 1.660 1.984 2.364 2.626
200 1.286 1.653 1.972 2.345 2.601
500 1.283 1.648 1.965 2.334 2.586
1000 1.282 1.646 1.962 2.330 2.581
1 1.282 1.645 1.960 2.326 2.576
4
Université Paris 1 Panthéon-Sorbonne
L3
1 Exercice 1 (5 points)
On se place dans le cadre du modèle HOS à deux pays A et B, deux biens, notés 1 et 2, produits avec du
capital K et du travail non qualifié L. On désigne par yi la production du bien i, par Ki la quantité de
capital utilisée par la branche i et par Li la quantité de travail utilisée par la branche i. Les fonctions de
production s’écrivent :
y1 = K1↵ L11 ↵
y2 = K21 ↵
L↵
2
Les dotations factorielles des pays sont telles que: KA = LA et KB = 1.3LB . On choisit le bien 1 comme
numéraire. On désigne par p, w et r les valeurs nominales respectives du bien 2, du salaire et de la
rémunération du capital en termes de bien 1. Les fonctions de demande sont les mêmes pour chacun des
biens et identiques dans les deux pays. On note ki = K Li l’intensité capitalistique du bien i. On suppose
i
0 < ↵ < 0, 5.
3. Comment qualifieriez-vous les rendements factoriels ici? Quelles sont les implications en termes de
spécialisation? (1 point)
4. Imaginons que vous soyez capitaliste (vos revenus sont ceux du capital), dans lequel des deux pays
verriez-vous votre revenu augmenter? Expliquer. (1 point)
2 Exercice 2 (7 points)
On considère le marché de l’industrie automobile des voitures aux Etats-Unis. En notant P le prix d’un
pick-up de 3 litres de cylindrée (en dizaine de milliers de dollars) et Q le nombre de voitures (en dizaines
de milliers d’unités), la fonction de demande nationale s’écrit :
Qd = 100 8P
1. Déterminer les prix et quantités d’autarcie pour les automobiles de ce type aux Etats-Unis (0,5 point)
1
3. Les Etats-Unis s’ouvrent au commerce international, le prix sur le marché mondial pour ce type
d’automobiles s’établit à 2 (soit 20 000 USD). Quel est l’impact sur les di↵érents agents de l’économie
de cette ouverture au libre-échange. Quelles sont les quantités alors importées par les Etats-Unis. (1
point)
4. Les élections approchent. Le gouvernement désire instaurer une mesure protectionniste. Il opte pour
un droit de douane ad valorem de 25% sur les importations de pick-up de ce type.
5. Représentez graphiquement, de manière claire, les conséquences sur le bien-être de cette politique.
(1,5 point)
6. Si l’on prend maintenant en compte le fait que les Etats-Unis sont un grand marché pour les auto-
mobiles, vos conclusions issues de la question 5 seraient-elles di↵érentes ? Pourquoi ? (1 point)
4. Quelle part de ses revenus le consommateur représentatif national a↵ecte-t’il à la consommation des
variétés du bien 1? (0,5 point)
2
Examen de théorie du commerce international
Université Paris I Panthéon-Sorbonne
Janvier 2012
Calculatrices interdites
1. Un pays peut-il simultanément exporter des biens et services et accueillir massivement des investissements
étrangers ? Aidez vous du principe de la comptabilité en partie double de la balance des paiements.
2. Qu’est-ce que l’indicateur de Grubel et Lloyd ? Que mesure-t-il ?
3. Un grand pays gagne-t-il toujours à s’ouvrir aux échanges dans le modèle Ricardien ?
4. Quelles sont les similitudes entre les modèles Ricardien et HOS ?
5. Dans quelle mesure les analyses empiriques valident-elles les conclusions du modèle HOS ?
6. Dans le cas où il n’y a qu’une seule firme sur le marché national, quel instrument de politique commerciale
pénalise le plus les consommateurs : le quota ou le droit de douane ? Expliquez.
On considère l’industrie automobile aux États-Unis et dans l’Union Européenne. Pour chaque entreprise, les coûts
fixes sont de 100 millions (100.106) d’euros et les coûts variables sont de 8000 euros par véhicule produit. Sur chaque
marché, le prix est déterminé par l’équation suivante : P = 8000 + 400/n où n est le nombre d’entreprises. Le marché
américain représente 9 millions (9.106) de véhicules vendus chaque année ; 16 millions (16.106) de véhicules vendus
pour le marché européen.
3. Supposons que , où X est la quantité produite et S la taille du marché. Comment varie le coût moyen avec le
nombre d’entreprises sur le marché. Interprétez. [0.5pts]
4. En vous appuyant sur la réponse à la question précédente, calculez le nombre d’entreprises et le prix d’équilibre
de long terme sur chacun des deux marchés. Commentez. [1pts]
5. Supposons maintenant que les deux pays décident de s’ouvrir au commerce international, et qu’il n’y a pas de coût
de transport. Combien de producteurs automobiles y aura-t-il à l’équilibre dans le nouveau marché intégré ? Quel
sera le prix d’équilibre ? [0.5pts]
6. Quelles sont les principales conséquences du libre-échange prédites par le modèle de commerce en concurrence
monopolistique. Identifiez clairement quels sont les effets pour le consommateur et pour les entreprises. [2pts]
7. Les gains que vous venez de mettre en évidence sont-t-ils nouveaux par rapport aux modèles Ricardien et HOS ?
Expliquez. [1pts]
Exercice 2 : Heckscher-Ohlin-Samuelson (4 points) – Pour les étudiants en contrôle continu uniquement.
On se place dans le cadre du modèle Heckscher-Ohlin-Samuelson. On considère deux biens, les micro-processeurs
(notés M) et les chaussures (notées C). Deux facteurs de production sont utilisés pour la production de chaque bien, le
capital et le travail (respectivement notés K et L). On note yi la quantité produite du bien i, Li et Ki les quantités de
travail et de capital utilisées pour la production de yi. Chaque bien est produit avec les fonctions de production
suivantes :
On s’intéresse à deux pays, les États-Unis (EU) et l’Inde (I). Les dotations factorielles de chacun sont :
Les conditions de demande sont identiques dans chaque pays j: DMj = aYj et DCj = (1-a)Yj/p, 0<a<1.
Chaque pays dispose des mêmes technologies de production. Les facteurs sont parfaitement mobiles entre les secteurs
au sein de chaque pays ; ils sont en revanche immobiles entre les pays. Les marchés sont en concurrence pure et
parfaite.
1. On note ki l’intensité capitalistique de la production de bien i. Donnez la relation qui unit ki et w/r dans chaque
secteur. Justifiez votre raisonnement. Comparez l’intensité capitalistique de la production de ces deux biens.
[0.5pt]
2. Comparez les dotations factorielles des États-Unis et de l'Inde en termes d’abondance relative. Donnez le sens des
échanges à l’ouverture. A quel théorème faites vous référence ? [0.5pt]
3. Discutez (sans calculs) sous quelles conditions les deux pays se spécialisent de manière partielle ou totale. [0.5pt]
4. Déterminez la relation entre p et w/r. Interprétez économiquement cette relation. [0.5 pt]
5. On suppose que le capital est mobile entre les deux pays, mais que les biens ne peuvent pas être échangés. Suite à
la crise financière qui touche les États-Unis, une partie du capital investi aux États-Unis se relocalise en Inde.
Quelles sont les conséquences sur la production des deux biens, aux États-Unis et en Inde ? [1pt]
6. Les échanges de marchandises sont autorisés entre les États-Unis et l’Inde. Une ONG rend publique l’utilisation
du travail des enfants dans l’industrie de la chaussure en Inde. Les consommateurs américains décident de
boycotter ce bien. Rappelez ce que représente le paramètre a qui apparaît dans les fonctions de demande. Quel
impact le boycott aura-t-il sur la valeur de a pour les fonctions de demande aux États-Unis ? La loi des proportions
de facteurs est-elle toujours vérifiée ? [1pt]
Considérons le marché aéronautique où deux firmes, Airbus et Boeing, sont en situation de duopole et produisent des
avions parfaitement identiques. L’analyse se concentre sur le marché américain et européen où les deux firmes
produisent leurs appareils. En autarcie, les deux firmes sont en monopole sur leurs marchés domestiques respectifs.