AC04 P21

Examen médian : 02 Avril 2021 à 10h15

Durée de l’épreuve : 1h30

Consignes générales d’examen

• Matériel autorisé:

– matériel nécessaire à l’écriture (stylos, crayons, règle, gomme…),

– calculatrice (si modèle programmable, la mémoire doit être ex-
empte de toute information relative à l’UV),
– dictionnaire (papier) tel que prévu par la charte des examens,
– feuille de note manuscrite A4 recto,
– polycopié de tables statistiques.

• Tout autre matériel ou document est interdit et son utilisation pendant

l’épreuve fera l’objet de poursuites conformément au règlement des
études.

• Le barême est donné à titre indicatif.

• Si, au cours de l’épreuve, un étudiant repère ce qui lui semble être une
erreur d’énoncé, il le signale sur sa copie et poursuit sa composition en
expliquant les raisons des initiatives qu’il est amené à prendre.

1
Exercice (4 pts)

On s’interroge sur le risque d’infection d’un adulte au virus ”V ” lorsqu’il a

dans son foyer un adolescent lycéen contagieux.
Pour cela on considère un échantillon iid de n = 206 adultes qui ont eu un
adolescent lycéen contagieux dans leur foyer, et parmi lesquels z = 136 ont
été infectés par leur adolescent.
On note Z la variable aléatoire associée à z et p désigne la probabilité
qu’un adulte soit infecté par un adolescent lycéen contagieux de son foyer.

1. Proposer un modèle pour la variable aléatoire Z.

2. On ne s’intéresse pas directement à l’estimation du paramètre p mais au

p
rapport r = 1−p qui représente la probabilité qu’un adulte soit infecté
par un adolescent lycéen contagieux de son foyer sur la probabilité
qu’un adulte ne soit pas infecté par un adolescent lycéen contagieux de
son foyer.
Après avoir exprimé p en fonction de r, estimer le paramètre r, donner
son estimation et discuter les propriétés de l’estimateur.

Problème (16 pts)

On désigne par X la durée de fonctionnement (en années) d’un téléphone

portable d’une certaine marque. Pour étudier la distribution de X, on con-
iid
sidère un échantillon X1 , . . . , Xn ∼ X pour lequel on dispose de 51 réalisations,
x1 , . . . , xn avec n = 51, qui sont sont listées ci-dessous par ordre croissant:

[1] 0.200 0.442 0.607 0.651 0.664 0.724 0.764 0.880 0.904 0.911 0.914 0.927
[13] 0.991 0.994 1.030 1.046 1.067 1.079 1.176 1.222 1.331 1.342 1.782 1.806 1.812
[26] 1.859 1.861 1.958 1.973 2.060 2.062 2.072 2.084 2.101 2.143 2.254 2.310 2.330
[39] 2.369 2.476 2.512 2.545 2.619 2.701 2.783 2.854 2.895 3.154 3.209 3.537 4.519

On donne ∑51 51 2
i=1 xi = 90.506, ∑i=1 xi = 202.0524 et un résumé graphique
des (xi )1≤i≤51 sous la forme d’un histogramme:

2
 Histogramme des xi

12
10
8
6
4
2
0

0 1 2 3 4 5 6

1. (1 pt) Justifier la modélisation de X par la loi de densité fλ , avec

λ ∈ R∗+ , définie par :

 2 x2
x exp(− ) quand x ≥ 0,
fλ (x) = λ
 0
2 λ 2
quand x < 0.

On donne l’espérance et la variance de X:

√
π π
E(X) = λ et Var(X) = λ 2 (1 − )
2 4

2. (2 pts) Tracer le boxplot des (xi )1≤i≤51 en précisant les valeurs numériques
qui le définissent. Un choix de modélisation Gaussienne pour X aurait-
elle été pertinente ?
3. (2 pts) Déterminer la fonction de répartition de X.

4. (1 pt) Estimateur de moments de λ : b

λ1

(a) Proposer bλ1 , un estimateur des moments de λ .

(b) Etudier les propriétés de l’estimateur b
λ1 : est-il sans biais pour
λ ? Est-il convergent ?

5. (7 pts) Estimateur du maximum de vraisemblance de λ : b

λ2

3
 (a) Déterminer bλ2 l’estimateur du maximum de vraisemblance de λ .
(b) Etudier les propriétés de l’estimateur b
λ2 : est-il sans biais pour
λ ? Est-il convergent ?
(c) Donner une approximation de la loi de b λ2 . En déduire une ap-
b
proximation de P(λ2 > 2) pour λ = 2.1.
(d) Déterminer la fonction de répartition de la variable aléatoire Y =
X 2 en fonction de celle de X, puis montrer que l’on retrouve
l’estimateur b
iid
λ2 à partir de Y1 = X12 , . . . ,Yn = Xn2 ∼ Y et d’une
méthode d’estimation que l’on précisera.

λ1 et b
6. (2 pts) Comparaison de la performance de b λ2 .

(a) Sur ce graphique, figurent les estimations fournies par bλ1 et b

λ2
calculées sur des données simulées avec λ = 2 et pour différentes
valeurs de n. Quelle(s) conclusion(s) peut-on en déduire ?

Moment
2.1

EMV
Estimations

2.0
1.9
1.8

0 2000 4000 6000 8000 10000

(b) Proposer un critère qui permet de comparer la précision des deux

estimateurs de λ . Est-on en mesure de conclure que l’un des deux
λ1 ou bien b
estimateurs b λ2 de λ , est plus précis que l’autre ?

7. (1 pt) Simulation. Proposer, sous R, une méthode de simulation de n

variables aléatoires iid de variable aléatoire parente X de densité fλ ,
avec λ = 2.