Vous êtes sur la page 1sur 3

Université de Yaoundé I Spécialité Informatique

Faculté des Sciences UE : INFO308


B.P 812 Yaoundé Année : 2019/2020

Fiche TD N ◦ 1 et 2 UE INFO308 : Statistiques et Analyse de données

Exercice 1 Soit X une variable aléatoire de moyenne µ et de variance σ 2 . On va observer un


échantillon de n valeurs indépendantes de X (n-échantillon, X1 , X2 , . . . , Xn ) et on étudie les
propriétés de différents estimateurs pour µ et σ 2 (avec n > 1). Soit :

1∑ 1 ∑ 1 ∑ 1 ∑
i=n i=n i=n i=n
Mn = Xi Nn = Xi Sn = (Xi −Mn )2 Tn = (Xi −Mn )2
n i=1 n − 1 i=1 n − 1 i=1 n − 1 n=1

(Q1) Dire si ces réponses sont vraies ou fausses en justifiant votre réponse .
a - Mn est un estimateur sans biais de µ.
b - Nn est un estimateur sans biais de µ.
c - Sn est un estimateur sans biais de σ 2 .
d - Tn est un estimateur sans biais de σ 2 .
e - Mn suit une loi normale.
(Q2) Dire si ces réponses sont vraies ou fausses en justifiant votre réponse .
a - L’espérance de Nn vaut (n − 1)/n × µ.
b - L’espérance de Tn vaut (n − 1)/n × σ 2 .
c - Le biais de l’estimateur Nn de µ tend vers 0 quand n tend vers l’infini.
d - Le biais de l’estimateur Tn de σ 2 tend vers 0 quand n tend vers l’infini.
e - Si X suit une loi normale, alors Nn suit une loi normale.

Exercice 2 On sait que le poids de naissance X des enfants suit une loi normale de moyenne µ
inconnue et de variance connue σ 2 = 1kg 2 . On cherche à estimer le 3eme quartile de la distribu-
tion de X. Pour ce, on définit θ = µ + 0.674 × σ. Soit un n-échantillon de poids indépendants
(X1 , . . . , Xn ). On note :

1∑
i=
M= Xi et T = M + 0.674 × σ
n i=1

(Q1) Parmi les propositions suivantes, laquelle (lesquelles) est (sont) vraie(s) ? [On utilisera la
table de la loi normale centrée réduite] .
a - P (X > θ) = 0.25.
b - P (X > θ) = 0.50.
c - θ est la 3eme quartile de la distribution de X.
d - θ est la médiane de la distribution de X.
e - µ est la médiane de la distribution de X.
(Q2) Parmi les propositions suivantes, laquelle (lesquelles) est (sont) vraie(s) ? .
a - T est une estimation de θ.
b - T est un estimateur de θ.

1
c - T est une variable aléatoire.
d - E(T ) = θ.
2
e - V ar(T ) = σn + (0.674)2 × σ 2

Exercice 3 (a) Le j eme percentile d’une distribution continue X est la valeur xj de la variable
telle que : ∫ xj
j
f (x) dx =
−∞ 100
(b) La fonction génératrice de moment d’une variable aléatoire continue X est définie par :
∫ +∞
tX
MX (t) = E(e ) = etx f (x) dx −h<t<h
−∞

En admettant qu’il existe un nombre positif h telle que pour −h < t < h, l’espérance de etX
existe. Etant donné une variable aléatoire X avec une densité de probabilité définie par :
{ −2x
2e si x > 0
f (x) =
0 si x ≤ 0

(Q1) Répondre en justifiant aux propositions suivantes :


a - Trouvez la médiane de cette distribution.
b - Trouvez la 25eme percentille de cette distribution.
c - Trouvez la 60eme percentille de cette distribution.
d - Calculez et dire que représente le 50eme percentille de cette distribution.
e - Comparez les résultats de (d) et (a).
(Q2) Pour la fonction f (x) = k − 1 < x < 1, donner l’expression de la fonction génératrice de
moments et tout point de R

Exercice 4 Soit une fonction définie par l’expression : f (x) = 2


25
(x − 5) 5 ≤ x ≤ 10
(a) Vérifiez si f (x) est une densité de probabilité.
(b) Dessiner le graphe de f (x).
(c) Calculer et dessiner la fonction de répartition F (x).
(d) Calculer P (X ≤ 8), P (X ≥ 6) et P (7 ≤ X ≤ 8)

Exercice 5 Si X définie un espace occupé par un produit dans un contenaire de 1m3 . La densité
de probabilité de X est f (x) = 630
56
x4 (1 − x4 ) 0 < x < 1.
(a) Dessinez le graphe de f .
(b) Calculez la moyenne de X.
(c) Calculez la variance de X.
(d) Calculer P (0.20 < X < 0.80)

Exercice 6 Si la durée de vie d’un certain type d’ampoule suit une distribution exponentielle de
moyenne 8 mois. Trouver :
(a) La probabilité pour qu’une ampoule prise au hasard dure entre 3 et 12 mois.
(b) Calculez le 95eme percentile de la distribution.

2
(c) Calculez la probabilité qu’une ampoule qui a déjà durée 10 mois puisse durée plus de 25
mois.
Exercice 7 Cinq pièces bien équilibrées et 2 dés non pipés sont jetés simultanément. Le score pour
le lancer d’une pièce vaut 1 si pile et 0 si face. Le score pour le lancer du dé est égal au chiffre
qui sort sur le dé. L’expérience consiste d’une part à additionner les scores des 5 pièces (X1 ) et,
d’autre part additionner les scores des 2 dés (X2 ).
(Q1) Dire si ces réponses sont vraies ou fausses en justifiant votre réponse
(a) Obtenir un score de 5 au jeté des 5 pièces et un score de supérieur à 9 au lancer des 2 dés
est-il un évènement de cette expérience aléatoire ?
(b) La variance du score au jeté des pièces est-elle égale à 5/2 ?
(c) La probabilité obtenir 5 au jeté des 2 dés est-elle égale à 1/9 ?
(d) La moyenne du score au jeté des 2 dés est-elle egale à 7 ?
(e) Pourquoi peut-on dire que : P (X1 = 5/X2 = 9) = P (X1 = 5/X2 = 7) ?
(Q2) Soit Z la différence des scores sur les pièces et sur les dés (Z = X1 − X2 ), vérifiez les
affirmations suivantes :
(f) La moyenne de Z est 9/2.
(g) La moyenne de Z est - 9/2.
(h) La variance de Z ne peut être calculée, car on ne connaît pas la covariance de X1 et X2 .
(i) V ar(Z) = V ar(X1 ) − V ar(X2 )
(j) V ar(Z) = V ar(X1 ) + V ar(X2 )
Exercice 8 Soit X une variable aléatoire discète sur l’ensemble E = {x1 , x2 , , . . . , xk } ; soit F
sa fonction de répartition. Parmi les propositions suivantes dire laquelle (lesquelles) est (sont)
vraie(s) ?∑
i=k
(a) i=1 P (X = xi ) = 1.
(b) F est une fonction croissante.
(c) F est une fonction continue.
(d) P (X = x) = 0 quel que soit x ∈ R.
(e) P (X = x) = 0 quel que soit x ∈/E
Exercice 9 Soit X une variable aléatoire suivant une loi normale N (µ, σ 2 ) et (X1 , . . . , Xn ) un
n−échantillon de X. On considère les estimateurs suivants de σ 2 :
1∑ 1∑ 1 ∑
i=n i=n i=n
T1 = Xi T2 = (Xi − Mn )2 et T 3 = (Xi − Mn )2
n i=1 n i=1 n − 1 i=1
Quelles sont les propriétés de chacun des trois estimateurs [Biaisé, convergent] ? Dans quels cas
utilise-t-on T 1, T 2 ou T 3 ?
Exercice 10 Soit X une variable aléatoire qui suit une loi Binômiale B(8, π), où π est un para-
mètre inconnu. On se propose d’estimer π à l’aide d’un échantillon de taille n de X : (X1 , . . . , Xn ).
Le souhait est d’utiliser l’un des estinateurs suivants de π :
X 1 + . . . + Xn X1 + . . . + Xn 1 X2 + . . . + Xn
T1 = T2 = et T 3 = [X1 + ]
n 8n 8 n−1
Dire quels sont les estimateurs sans biais, convergents. Lequel est le plus adapté à notre problème ?