TD2 : Estimation paramétrique

ponctuelle & Distribution d’échantillonnage

Module : Techniques d’estimation pour l’ingénieur

Exercice N°3

Énoncé:
On considère la fonction f définie sur R par
(
1
θ−1 si x ∈ [1, θ]
f (x) =
0 sinon

(θ est un paramètre réel > 0).

1. Montrer que f est bien une fonction de densité de probabilité d’une

v.a. X .
2. Calculer l’espérance et la variance de X .
3. S’agit-t-il d’une loi usuelle? Si oui, laquelle?
4. On suppose que le paramètre θ est inconnu. On considère un
échantillon (X1 , X2 , ..., Xn ).
4.1 Trouver, en utilisant la méthode des moments, un estimateur θ̂ de θ.
4.2 Etudier le biais et la convergence de θ̂.

1
Exercice N°3

Solution

1. • f (x) ≥ 0 , ∀x ∈ R.
En effet:
1
θ >1→θ−1>0→ >0
θ−1
• f est continue ∀x ∈ R, alors

1 1 1
Z +∞ Z θ
f (x)dx = = [x]θ1 = (θ − 1) = 1
−∞ 1 θ−1 θ−1 θ−1

Conclusion f est bien une densité de probabilité.

2
Exercice N°3

2. • On a :

Z +∞
E (X ) = xf (x)dx
−∞
Z θ
x
= dx
1 θ − 1
 2 θ
1 x
=
θ−1 2 1
1 θ+1
= (θ2 − 1) =
2(θ − 1) 2

• Et
V (x) = E (X 2 ) − E (X )2
Calculons d’abord E (X 2 ),

3
Exercice N°3

Z +∞
E (X 2 ) = x 2 f (x)dx
−∞
Z θ
x2
= dx
1 θ−1
 3 θ
1 x
=
θ−1 3 1
θ3 − 1 θ2 + θ + 1
= =
3(θ − 1) 3
Par la suite :
V (X ) = E (X 2 ) − E (X )2
θ2 + θ + 1 (θ + 1)2
= −
3 4
(θ − 1)2
=
12
4
Exercice N°3

3. Il s’agit de la loi uniforme sur [1, θ].

4.1. La méthode des moment permet d’estimer la moyenne E (X ) par une
Pn
moyenne empirique X¯n = n1 i=1 Xi .
Autrement dit, soit (X1 , X2 , . . . , Xn ) un échantillon aléatoire de la
variable X qui suit la loi uniforme sur [1, θ], l’estimateur θ̂ de θ par
la méthode des moment est :

θ̂ = 2X¯n − 1

En effet :
θ+1
E (X ) = ⇒ θ = 2E (X ) − 1 ⇒ θ̂ = 2X¯n − 1
2

5
Exercice N°3

4.2
E (θ̂) = E (2X¯n − 1)
n
1X
= 2E [ Xi ] − 1
n
i=1
1 θ+1
= 2. .n. −1
n 2
=θ
D’où l’estimateur θ̂ est bien un estimateur sans biais .
V (θ̂) = V (2X¯n − 1)
= 4V (X¯n )
nV (X ) 4 (θ − 1)2 (θ − 1)2
=4 = =
n2 n 12 3n
Avec lim V (θ̂) = 0, D’où l’estimateur θ̂ est aussi un estimateur
n→+∞
convergent.
6