Académique Documents
Professionnel Documents
Culture Documents
Les documents distribués en cours et les notes manuscrites ansi que les calculettes sont autorisés.
On traitera les exercices dans un ordre arbitraire, à la condition de le préciser clairement.
R∞ 2
On pose Φ(x) = −∞ e−x /2 √dx 2π
, et Φ(x) = 1 − Φ(x) est la fonction de queue gaussienne.
Barême indicatif: 1 point par question, sauf les questions A-7 et D-5 qui en compteront 2.
1
Exercice C (Détection d’un signal)
Une antenne est réglée pour recevoir des signaux à une fréquence donnée. A chaque
instant, elle reçoit une onde S d’amplitude f (t). Cette amplitude est générée, soit par
le signal, soit pour le bruit électromagnétique ambiant, les données sont collectées aux
temps T /N,2T /N, . . . ,N . Le modèle stochastique choisi est le suivant. Si S n’a pas émis
de signal, on reçoit une amplitude Xi = ξi ∼ N (0,σξ2 ) au temps iT /N . Si S a émis un
signal, l’amplitude de ce signal est modélisée par une variable aléatoire ηi ∼ N (0,ση2 ); on
reçoit alors un signal d’amplitude Xi = ξi + ηi au temps iT /N . Les suites ξi est ηi sont
mutuellement indépendantes. On suppose que les paramètres σξ2 et ση2 sont connus.
1. Définir un modèle statistique paramétré par θ ∈ {0,1} rendant compte de ces ob-
servations; calculez sa vraisemblance.
2. Construire le test de Neyman-Pearson de niveau α pour décider de l’hypothèse H0
(l’observation est un bruit blanc pur), contre H1 = H0c (l’hypothèse contraire).
Précisez sa puissance (on notera que ce test au niveau α est donné par un quantile
de loi du χ2N à N degrés de liberté).
3. Lorsque N est grand, donnez l’approximation βe de la puissance fondée sur le
théorème de limite centrale.
4. Alors, comment choisir N pour que ce test soit asymptotiquement non biaisé?
On pourra utiliser le comportement asymptotique d’une loi du χ2N lorsque N ↑ ∞.
5. Lorsque N est grand, montrez qu’il existe une constante C > 0 telle que la différence
d’un α−quantile de loi du χ2N et du quantile gaussien correspondant est de valeur
absolue ≤ CN −1/8 (uniformément par rapport à α).
2
Corrigé de l’examen SE203, session 2002-2003
√ √ λ2
1 X
n −λ = n −
X (X)2 λ
de f0 qui implique la dérivabilité p.s., et équivaut au fait que la dérivée définie p.s.
soit intégrable, suffit avec cette condition). L’information de Fisher de ce modèle
vaut nI.
R
3. Comme xf0 (x)dx = 0, on a
Z Z Z
Varθ X1 = x2 fθ (x)dx = (x + θ)2 − θ2 f0 (x)dx = x2 f0 (x)dx
3
et, puisque xf00 (x)dx = − f0 (x)dx = −1 (intégration par parties), l’inégalité
R R
f00
4. L’efficacité dans l’inégalité de Schwartz a lieu lorsque les fonctions f0 et x 7→ x sont
proportionnelles.
5. C’est le TLC.
2. Donc ! N
p1 (x) N σξ2 ση2 X
log = − log +1 + 2 2 X2
p0 (x) 2 ση2 σξ (σξ + ση2 ) i=1 i
PN
ainsi le test rejette l’hypothèse nulle lorsque i=1 Xi2 > σξ2 χ2N,1−α . La puissance
du test vaut β = P (σξ2 + ση2 )χ2N ≥ σξ2 χ2N,1−α
3. La fonction Φ(x) est croissante et (Φ(z) ≥ α ⇔ z ≥ ϕα ).√
On utilise l’approximation χ2N,1−α ' χ e2N,1−α = N + 2N ϕ1−α obtenue via le
TLC; en effet les valeurs Eχ2N = 1,Var χ2N = 2 s’obtiennent rapidement grâce à des
intégrations par parties.
σξ2
Ainsi, en posant ρ = 2
σξ +ση2
, on réécrit
!
χ2N − N ρχ2N,1−α − N
β = P χ2N ≥ ρχ2N,1−α = P
√ ≥ √
2N 2N
4
σ2
q
N
c’est-à-dire 2 ≥ ϕ1−α 1 + 2 σξ2 .
η
5. est une variante du théorème 1.2 du cours polycopié, on y remplace les variables de
Bernoulli par des carrés de gaussiennes indépendantes .
5
– Dans le second cas, avec des notations analogues aux précédentes, l’application
θ 7→ H(θ) = (pA ,pB ,pC ,pD ) n’est plus surjective et l’estimateur du maximum
de vraisemblance n’existe plus forcément: Il existe si et seulement si
NA NB NC ND
, , , ∈ H(Θ)
n n n n
De plus, lorsque F est dérivable (la loi de ξ1 a une densité), l’image H(Θ) est
une sous-variété différentiable de dimension 2 dans R4 , elle est donc d’intérieur
vide dans le simplexe de dimension 4, S4 = {(pA ,pB ,pC ,pD ) ∈ (R+ )4 | pA +
pB + pC + pD = 1}, qui est une variété (à bords) de dimension 3 (car il est
homéomorphe à sa tranche T3 = {(pA ,pB ,pC ) ∈ (R+ )4 | pA + pB + pC ≤ 1} qui
est d’intérieur non vide, en vertu de la relation pD = 1 − (pA + pB + pC ).
Il est alors toujours unique: un tel estimateur est aussi estimateur du maxi-
mum de vraisemblance dans le modèle déja étudié; en effet, en posant X ei =
min{Xi ,2}, on retombe précisément sur la suite envisagée dans les questions
précédentes.
Barême indicatif
Exercice A sur (9) points
chaque question est notée 1 point, sauf les questions 5 et 7.
Exercice B sur 5 points
chaque question est notée 1 point.
Exercice C sur 5 points
chaque question est notée 1 point.
Exercice D sur (5+1) points
chaque question est notée 1 point, sauf la dernière pour laquelle 1 point additionnel peut
être envisagé.