Maximum de vraisemblance FSES

Fiche TD n°2 L3

 Exercice 1
On considère la loi géométrique de paramètre p > 0 Déterminer l’estimateur du maximum de vraisem-
blance de p.
 Exercice 2
La hauteur maximale H de la crue annuelle d’un fleuve est observée avec attention, car une crue
supérieure à 6 m serait catastrophique. On modélise la distribution de la variable aléatoire H par une
loi de Rayleigh dont la densité de probabilité est donnée par :
x2

x

FT

 exp(− ) si x > 0


f (x) = 
 a 2a
0 sinon



où a est paramètre inconnu. Durant une période de 8 ans, on a observé les hauteurs (supposées être
indépendantes) de crues suivantes en mètres : 2,1 ; 2,8 ;1,7 ;0,9 ;1,8 ;2,5 ;2,2 ;2,9.
1. Donner l’estimateur â du maximum de vraisemblance du paramètre a.
2. Déterminer la fonction de répartition de la variable H
3. Calculer la probabilité d’avoir une catastrophe
RA
4. Déterminer la probabilité de ne pas avoir de crue centennale.

 Exercice 3
Le tableau suivant donne la distribution de taille des particules d’un ciment :
t, taille en µm 3,1 5,0 8,9 16,0 25,6 39,1 109,2

Pourcentage de particule de taille inférieur à t 1 5 20 50 75 90 99,7

1. Représenter graphiquement la distribution de ln(t). Quelle distribution peut-on reconnaître ?
2. On suppose que X suit une loi normale de paramètre (µ; σ 2 ) (σ > 0). Montrer que T = eX suit une
D

loi dont la densité est :

1 (ln(t) − µ)2
t 7−→ √ exp(− )1]0;+∞[ (t)
2πtσ 2σ 2
3. Calculer E(T)
4. Soit (T1 ; T2 ; · · · ; Tn ) un échantillon de T. On suppose que σ est connu (σ = 0, 7). Donner l’estimateur
du maximum de vraisemblance de µ.
5. En déduire une estimation de la valeur du paramètre µ pour la distribution des tailles des particules
du ciment de la première question.
 Exercice 4
On considère la série statistique suivante :
x ]3,5] ]5,7] ]7,10] ]10,20] ]20,30]
Effectifs 721 164 72 36 4
1. Représenter la série statistique.
2. En supposant que la répartition est homogène dans chaque classe, donner une valeur approchée
de la moyenne empirique.
3. On considère que les valeurs de la série, (xi )i∈~1;N , sont des réalisations d’un échantillon de taille
N = 997 d’une variable aléatoire X. On suppose que X suit une loi de Pareto de paramètre a, α > 2.
La loi de Pareto est une loi continue ; une densité de cette loi est donnée par :
f : t 7−→ aα α t −(α+1) 1[a;+∞[ (t)

23 juin 2018 V. Ledda

 Maximum de vraisemblance FSES
Fiche TD n°2 L3

α
(a) i. Montrer que E(X) = α−1 a
ii. En prenant a = 3, donner une estimation de α.
(b) a étant supposé connu. On souhaite estimer α par la méthode du maximum de vraisemblance.
On note → −
x le vecteur de coordonnées (xi )i∈~1;N .
i. Écrire la log-vraisemblance l(→
−
x ; α) en fonction de N, a et α.
ii. Déterminer l’estimateur du maximum de vraisemblance de α.
iii. On donne 997
P
i=1 ln(xi ) = 1480, 893 et a = 3, donner une estimation de α.

FT
 Exercice 5
On considère n variables aléatoires X1 , · · · , Xn indépendantes de même loi Γ (k, θ) avec k connu et θ
inconnu. La loi Γ (k, θ) est une loi continue de densité :
x
xk−1 e− θ
f (x; k, θ) = 1]0;+∞[ (x)
(k − 1)!θ k
1. Écrire la vraisemblance des observations.
RA
2. Calculer l’estimateur du maximum de vraisemblance de θ.
Si X suit une loi Γ (k, θ), l’espérance de X est E(X) = kθ.
3. L’estimateur du maximum de vraisemblance de θ est-il sans biais ?
4. Cet estimateur est-il convergent ? (justifier)

 Exercice 6
Calculer l’information de Fisher dans les modèles statistiques suivants :
1. Loi de Poisson de paramètre λ.
2. Loi normale N (m; σ 2 )
D

 Exercice 7
Soit θ ∈ R inconnu. Considérons une variable aléatoire X dont la fonction de densité est donnée par :
(
exp(−(x − θ)) si x > θ
f (x) =
0 sinon

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

2. Calculer l’espérance et la variance de X .
Donnons-nous maintenant un n-échantillon (X1 , · · · , Xn ) de même loi que X.
3. Donner deux estimateurs θ̂1 et θ̂2 de θ obtenus par la méthode des moments.
4. Quelle est la fonction de vraisemblance associée aux observations ? En déduire l’estimateur θ̂3 du
maximum de vraisemblance de θ.
5. Donner la fonction de répartition de θ̂3 (indice : exprimer cette fonction de répartition en fonction
de celle de X1 ). En déduire la densité de θ̂3 et calculer son biais.

23 juin 2018 V. Ledda

 Maximum de vraisemblance FSES
Fiche TD n°2 L3

1 Éléments de correction
Les éléments de correction n’ont pas pour objectif de donner un corrigé type. Parfois la rédaction est volontaire-
ment lacunaire, c’est au lecteur de combler les manques pour parfaire sa compréhension des sujets abordés.

Correction 1
P
L(~x, p) = Πni=1 (1 − p)xi p = pn (1 − p) xi

FT
X
L(~x, p) = n ln(p) + ( xi ) ln(1 − p)
P
€L(~ x, p) n xi
= −
€p p 1−p
P
€L(~
x, p) n xi
=0⇔ = ⇔ p = (1 + X)−1
€p p 1−p

Énoncé de l’exercice n°1.

RA
Correction 2
n
xi2
P
n
1
(R+ )n i=1
Q
1. Soit x un élément de et a un réél strictement positif. L(x, a) = an ( xi ) exp(− 2a ). En posant
i=1
n
xi2
P
n
i=1
P
l : a 7−→ ln(L(x, a)), on a l(a) = xi − 2a − n ln(a). l est deux fois dérivable sur ]0; +∞[ et
i=1
n
xi2
P
i=1 n
l 0 (a) = − .
2a2 a
D

n
xi2
P
i=1
l(â) = 0 ⇔ â = 2n .
n
xi2
P
i=1 n
l 00 (a) = − + .
a3 a2
n 3 3 3
xi2 , on obtient l 00 (â) = − 8n + 4n = − 4n
P
En posant S = S2 S2 S2
<0
i=1
n
xi2
P

Donc i=12n est l’estimateur du maximum de vraissemblance de a. Avec les données du problème,
on obtient â ' 2, 42.
t2 x
Rx
x2
h i
2. Soit x un réel positif, F(x) = 0 f (t) t. = − exp(− 2a ) = 1 − exp(− 2a ).
0
2
3. P(H > 6) = 1 − F(6) = exp(− 26â ) ' 0, 000 59
4. La probabilité de ne pas avoir de crue centennale est P(H 6 6)100 , soit approximativement 0, 94.
Énoncé de l’exercice n°2.

Correction 7
1.
Énoncé de l’exercice n°7.

23 juin 2018 V. Ledda