Institut Supérieur d’Informatique 2 me LFIM

et du Multimédia de Sfax Décembre 2015

Série 5
Estimation des paramètres

Des valeurs numériques utiles :

φ −1 (0.995) = 2.57, t18

−1 −1
(0.995) = 2.8784, χ18 −1
(0.995) = 37.16, χ18 (0.005) = 6.26

où φ est la fonction de répartition de la loi normale centrée réduite N (0, 1), tn est la 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.

Exercice 1: Lorsque nous exécutons un code sur un ordinateur, le nombre de fois où il fonctionne
sans erreur suit une loi géométrique de paramètre inconnu p ∈]0, 1[. Pour 5 ordinateurs indépen-
dants, un étudiant enregistre les nombres suivants d’exécutions sans erreurs :

3 7 5 3 2.

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 fonctionne
sans erreurs jusqu’à la 4 ème fois?

Exercice 2: Soit X une variable aléatoire de densité de probabilité :

(
θ xθ −1 , x ∈ [0, 1],
f (x) =
0, sinon,

avec θ est un paramètre positif inconnu.

1. Vérifier que f est bien une densité de probabilité.

2. Montrer que
1
E(X) = 1 − .
1+θ
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 .

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 installe ce hardware sur n

1
ordinateurs. Soit X1 , · · · , Xn les temps des installations correspondants. Nous désignons, respective-
ment, par X et S2 la moyenne et la variance de l’échantillon.

1. Nous supposons que σ est connu et est égal à 5 mn.

(a) Quelle est approximativement la loi et les éléments caractéristiques de la variable aléa-
toire
X −µ
Z= √ ?
σ/ n
Préciser le Théorème utilisé.

(b) Déterminer en fonction de n, la marge d’erreur approximatif ∆ tel que

P X − ∆ ≤ µ ≤ X + ∆ = 0, 99.

Indication : Nous rappelons que

P − zα/2 ≤ Z ≤ zα/2 = 1 − α,

avec zα/2 = φ −1 (1 − α/2).

(c) Avec une confiance de 99%, quelle est la taille minimale n∗ d’échantillon pour que ∆
soit plus petite que 3 mn?

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 et la variance est s2 = 4.

(a) Quelle est approximativement la loi et les éléments caractéristiques de la variable aléa-
toire
X −µ
T= √ ?
S/ 19

(b) Déterminer un intervalle de confiance de µ avec une valeur de confiance 0,99. Indica-
tion : 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 variable aléa-
toire
18 2
K= S ?
σ2
(d) Déterminer un intervalle de confiance de σ avec une valeur de confiance 0,99.

2
Exercice 4: (Exam 2010) Lorsqu’on transmet un message µ ∈ R à travers un canal de commu-
nication 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%. Indication :

On pourra remarquer que
P (−1.96 < Z < 1.96) = 0.95