Exercice 1

durée d'attente à un feu rouge

durée maximale d'attente au feu rouge
va qui indique la durée d'attente du ième individu ~ [0, ]
réalisation de

( )
Rappel : si ~ [ , ] = =

1) ( ) = ( )=
2) =2

-biais
2 2
=2 = = =
2
donc est un ESB de
-convergence
4 4
=4 = = =
12 3

lim = lim = lim =0

⟶ ⟶ ⟶ 3

est un estimateur convergent de

3) =
-biais
+1 +1
= = =
+1
donc est un ESB de

-convergence
+1 ( + 1) ( + 1)
= = ( )= =
( + 2)( + 1) ( + 2)

lim = lim = lim =0

⟶ ⟶ ⟶ ( + 2)

est un estimateur convergent de

4) Les deux estimateurs sont sans biais et convergent, on choisira alors celui qui a la plus
petite variance

1
 =
3
=
( + 2)
Pour >1 ∶ <

Donc on choisira pour estimer

Exercice 2 :

1)

Une loi normale de paramètres a pour densité de probabilité :

1 ( )
( )=
√2
Tandisque la densité de la loi de X est :

√
( , )=
√2
Donc

1 1
=0 = ⇒ ~ 0,
√ √
2)

( )= ( , ,…, ; ) = ( ; ) ( ; )… ( ; )

√ √ √
= × × …×
√2 √2 √2

√ ∑
=
√2

ln ( ) = √ − √2 −
2 2

ln ( ) 1 1
=0⇒ − =0
θ 2 2

=
∑

2
 ln ( ) −
= <0
θ 2θ
L’estimateur du maximum de vraisemblance de θ est donc
=
∑

Exercice 3

1)

( )= ( , ,…, ; )
∑
= ( ; )= =

1
ln ( ) = − + ( − 1) −

ln (θ) ∑
=− + =0
θ

∑
θ=

( ) 2∑ 2 θ 2 −
= − = − = − = <0
θ

Donc l'EMV de θ est donné par

∑
θ=

2)

∑ ∑
Eθ = = = = θ ESB de θ

∑ ∑
Vθ = = = =

lim Eθ = θ lim Vθ = lim =0

⟶ ⟶ ⟶

Donc θ est un estimateur convergent

3) = Vθ =

3
4)

1 1 1 1 1
= = = = =
( ) 2∑ 2 2
− − − − − − −

= = Vθ

ou bien directement

1 1
= = − = = Vθ
( ) −
−

BCR= Vθ donc θ est un estimateur efficace

Exercice 4 :

+
=
2
( ) ( ) ( )
( )= = = =

( ) = 0 donc est sans biais pour

( + ) ( )+ ( ) 2
( )= = = =
4 4 4 2

( )= ( )=
2
∑
=

∑ ( ) ( )
( )= = = =

( ) = 0 donc est sans biais pour

( )=

( )= ( )=

Comme les deux estimateurs sont sans biais pour le meilleur estimateur est celui qui a la
plus petite variance

( )= < ( )= >2
2

4
Donc est le meilleur estimateur

estimation

∑
= = 1.5

2) Nous proposons
= ∑ ( − ) car c'est un estimateur sans biais pour

estimation

1
= ( − ) = 3.526
−1

Exercice 5 :

Nous somme dans le cas d’un petit échantillon issu d’une loi normale d’écart-type inconnu
alors :

−
~
/√

−
− ≤ ≤ =1−
/√

Ce qui nous donne un intervalle de confiance de niveau 95% de la forme

′ ′
̅− ≤ ≤ ̅+ = 0,95
√ √

Pour calculer cet intervalle, il va falloir déterminer ̅ , ′ et

= 13

1
̅= = 14,37

1
= ( − ̅ ) = 4,04
−1

,
= 0,05 est le fractile d’ordre 1 − = 0,975 d’une loi de Student à n-1= 12
degrés de liberté

5
La table des fractiles de la loi de Student nous donne = 2.179

Donc
4,04 4,04
14.37 − 2.179 ≤ ≤ 14.37 + 2.179 = 0,95 ⇒ (11,93 ≤ ≤ 16,81) = 0,95
√13 √13

L’intervalle [11,93; 16,81] a 95% de chance de contenir la vraie consommation d’essence

pour 100 kilomètres

Exercice 6:

salaire journalier d'une certaine branche de l'industrie

= 500

= 22500 ( − ̅ ) = 12500

1− = 0.95

X suit une loi quelconque, inconnu et = 500 ≥ 30 selon le TCL

−
~ (0,1)
/√

′
= ̅±
√
22500
̅= = 45
500

1 12500
= ( − ̅) = =5
−1 499

= 1.96

= [44.56 , 45.438]

Exercice 7

X : variable aléatoire qui compte le nombre de véhicules en infraction

x = nombre de véhicules en infraction dans l’échantillon = 50+20+10+3= 83

La taille de l’échantillon n= 150+450+ …+ 3= 3683

p : proportion des véhicules en infraction dans la population (paramètre inconnu)

6
 ̂ : proportion des véhicules en infraction dans l’échantillon = = 0,0225

Comme la taille d’échantillon est grande ( = 3683 ≥ 30 )et ̂ (1 − ̂ ) = 81 > 12

̂−
~ (0,1)
(1 − )

Ainsi, l’intervalle de confiance pour p de niveau 95% est donné par :

̂ (1 − ̂ ) ̂ (1 − ̂ )
̂ − 1,96 ≤ ≤ ̂ + 1,96 = 0,95

Pour une réalisation nous avons:

⇒ (0.0177 ≤ ≤ 0.0273) = 0,95

L’intervalle [0.0177,0.0273] a 95% de chance de contenir la vraie proportion p de voitures

en infraction

Exercice 8

= 71

′ = 5100

1− = 0,95
( )
Nous avons ainsi : ~ à ~

( −1) ′
≤ ≤ = 0,95

Ce qui nous donne l’intervalle de confiance suivant :

( −1) ′ ( −1) ′
≤ ≤ = 0,95

est le fractile d’ordre 0,975 d’une loi du khi-deux à 70 degrés de liberté, donc =
95

est le fractile d’ordre 0,025 d’une loi du khi-deux à 70 degrés de liberté, donc = 48,8

Donc

70 × 5100 70 × 5100
≤ ≤ = 0,95 ⇒ (3757,89 ≤ ≤ 7315,57) = 0,95
95 48,8
7
L’intervalle [3757,89 ;7315,57] a 95% de chance de contenir la vraie variance.