Vous êtes sur la page 1sur 2

Institut Supérieur d’Informatique 2ème LFIM et TMW 2.

Montrer que
1
et du Multimédia de Sfax Octobre 2019 E(X) = 1 − .
1+θ
Enseignant : Abdallah Ben Abdallah
3. Si trois observations x1 = 0.4, x2 = 0.7, x3 = 0.9, sont enregistrées de la variable X,
donner une estimation θ̂ de θ .
Série 5
Estimation des paramètres Exercice 3 : L’installation d’un certain hardware prend un temps aléatoire X de
moyenne µ et d’écart type σ les deux inconnus (l’unité est la minute). Un technicien
Des valeurs numériques utiles : installe ce hardware sur n ordinateurs. Soit X1 , · · · , Xn les temps des installations cor-
respondants. Nous désignons, respectivement, par X et S2 la moyenne et la variance de
φ −1 (0.995) = 2.57, t18
−1 −1
(0.995) = 2.8784, χ18 −1
(0.995) = 37.16, χ18 (0.005) = 6.26
l’échantillon.

où φ est la fonction de répartition de la loi normale centrée réduite N (0, 1), tn est la
1. Nous supposons que σ est connu et est égal à 5 mn.
fonction de répartition de la loi de Student de degré de liberté n et χn est la fonction de
répartition de la loi Khi2 de degré de liberté n. (a) Quelle est approximativement la loi et les éléments caractéristiques de la va-
riable aléatoire
X −µ
Exercice 1 : Lorsque nous exécutons un code sur un ordinateur, le nombre de fois où Z= √ ?
σ/ n
il fonctionne sans erreur suit une loi géométrique de paramètre inconnu p ∈]0, 1[. Pour 5
Préciser le Théorème utilisé.
ordinateurs indépendants, un étudiant enregistre les nombres suivants d’exécutions sans
erreurs : (b) Déterminer en fonction de n, la marge d’erreur approximatif ∆ tel que
3 7 5 3 2. 
P X − ∆ ≤ µ ≤ X + ∆ = 0, 99.
1. Estimer p en utilisant la méthode des moments.

2. Si nous exécutons le code sur un nouveau ordinateur, quelle est la probabilité qu’il Indication : Nous rappelons que
fonctionne sans erreurs jusqu’à la 4 ème fois ? 
P − zα/2 ≤ Z ≤ zα/2 = 1 − α,

Exercice 2 : Soit X une variable aléatoire de densité de probabilité : avec zα/2 = φ −1 (1 − α/2).
(
θ xθ −1 , x ∈ [0, 1], (c) Avec une confiance de 99%, quelle est la taille minimale n∗ d’échantillon pour
f (x) =
0, sinon, que ∆ soit plus petite que 3 mn ?

avec θ est un paramètre positif inconnu. 2. Nous supposons maintenant que σ est inconnu et que le technicien a installé le
hardware sur 19 ordinateurs. La moyenne observée de l’installation est x = 42mn
1. Vérifier que f est bien une densité de probabilité. et la variance est s2 = 4.

1
(a) Quelle est approximativement la loi et les éléments caractéristiques de la va- dication : On pourra remarquer que
riable aléatoire
X −µ P (−1.96 < Z < 1.96) = 0.95
T= √ ?
S/ 19

(b) Déterminer un intervalle de confiance de µ avec une valeur de confiance 0,99.


Indication : Nous rappelons que

P − tα/2,18 ≤ Z ≤ zα/2,18 = 1 − α,

−1
avec tα/2,18 = t18 (1 − α/2) où t18 est la fonction de répartition de la loi de
Student de degré de liberté 18.

(c) Quelle est approximativement la loi et les éléments caractéristiques de la va-


riable aléatoire
18 2
K= S ?
σ2
(d) Déterminer un intervalle de confiance de σ avec une valeur de confiance 0,99.

Exercice 4 : (Exam 2010) Lorsqu’on transmet un message µ ∈ R à travers un canal


de communication d’un emplacement A vers un emplacement B, on reçoit en B le message

R = µ +N

où N est une variable aléatoire normale de moyenne 0 et d’écart type σ = 2. Pour réduire
les erreurs, nous avons envoyé le message µ qui est inconnu, 9 fois et nous avons reçu les
valeurs suivantes
5, 8.5, 12, 15, 7, 9, 7.5, 6.5, 10.5

1. Calculez la moyenne x de l’échantillon.

2. Donnez la loi et les éléments caractéristiques de la variable aléatoire

X −µ
Z= .
σ /3

3. Déterminez un intervalle de confiance de µ avec une valeur de confiance 95%. In-

Vous aimerez peut-être aussi