MAT-1A

Probabilités et Statistique

C. POUET et M. FOULADIRAD

ECM

1A-Semesters 5 & 6

C. POUET et M. FOULADIRAD (ECM) MAT-1A 2022-2023 1 / 10

Définition d’un estimateur

Definition
Un estimateur de θ (ou de g(θ) avec g(·) une fonction) est une fonction
mesurable des observations X1 , . . . , Xn (et seulement des
observations) :
θ̂n = f (X1 , . . . , Xn ) .

C. POUET et M. FOULADIRAD (ECM) MAT-1A 2022-2023 2 / 10

Consistance d’un estimateur

Definition
Soit θ̂n un estimateur de θ.
L’estimateur θ̂n est dit consistant si
θ P
θ̂n −→ θ.
n→+∞

L’estimateur est dit fortement consistant si la convergence en

probabilités est remplacée par la convergence Pθ -p.s.

C. POUET et M. FOULADIRAD (ECM) MAT-1A 2022-2023 3 / 10

Risque quadratique et biais d’un estimateur

Definition
Le risque quadratique d’un estimateur θ̂n pour le paramètre θ est la
fonction  2 
θ ∈ Θ 7→ Eθ θ̂n − θ .
 
La quantité Eθ θ̂n − θ est appelé le biais de l’estimateur θ̂n .

C. POUET et M. FOULADIRAD (ECM) MAT-1A 2022-2023 4 / 10

Modèle dominé

Definition
Une expérience statistique est dite dominée si il existe une mesure µ
telle que
∀θ ∈ Θ : Pθ  µ.

C. POUET et M. FOULADIRAD (ECM) MAT-1A 2022-2023 5 / 10

Méthode du maximum de vraisemblance

Definition
Soit une expérience statistique dominée générée par n v.a. i.i.d.
X1 , . . . , Xn .
On appelle vraisemblance de l’échantillon la quantité mathématique
n
Y dPθ
V (X1 , . . . , Xn ; θ) = (Xi ) ,
dµ
i=1

dPθ
où (x) désigne la densité de la mesure de probabilité Pθ par
dµ
rapport à la mesure µ. On parlera de log-vraisemblance lorsque la
quantité mathématique est

L (X1 , . . . , Xn ; θ) = ln [V (X1 , . . . , Xn ; θ)] .

L’ estimateur du maximum de vraisemblance est la v.a. qui maximise

en θ la vraisemblance ou la log-vraisemblance.
C. POUET et M. FOULADIRAD (ECM) MAT-1A 2022-2023 6 / 10
Intervalle de confiance

Definition
Soit une expérience statistique dominée générée par n v.a. i.i.d.
X1 , . . . , Xn .
Un intervalle de confiance de niveau α ∈ [0, 1] est la donnée de deux
v.a. a (X1 , . . . , Xn ) et b (X1 , . . . , Xn ) telles que

∀θ ∈ Θ, Pθ (a (X1 , . . . , Xn ) ≤ θ ≤ b (X1 , . . . , Xn )) = α.

Un intervalle de confiance sera dit asymptotiquement de niveau

α ∈ [0, 1] si

∀θ ∈ Θ, Pθ (a (X1 , . . . , Xn ) ≤ θ ≤ b (X1 , . . . , Xn )) → α.
n→+∞

C. POUET et M. FOULADIRAD (ECM) MAT-1A 2022-2023 7 / 10

Pivot : définition

Definition
Soit une expérience statistique dominée générée par n v.a. i.i.d.
X1 , . . . , Xn .
Un pivot ou une statistique pivotale est une fonction mesurable des v.a.
X1 , . . . , Xn ET du paramètre inconnu θ dont la loi ne dépend pas du
paramètre inconnu θ.
Le pivot est asymptotique si la loi asymptotique de la fonction ne
dépend pas du paramètre inconnu θ.

C. POUET et M. FOULADIRAD (ECM) MAT-1A 2022-2023 8 / 10

Exemple : loi exponentielle

Soit X1 , . . . , Xn un échantillon de n v.a. i.i.d. de loi E(θ).

L’E.M.V. est
n
θ̂n = Pn .
i=1 Xi

C. POUET et M. FOULADIRAD (ECM) MAT-1A 2022-2023 9 / 10

Loi exponentielle : pivot asymptotique

Par le TCL, on a
n
!
√
 
1X 1 L 1
n Xi − −→ N 0, 2 .
n θ n→+∞ θ
i=1

Et on a
n
!
√ θX L
n Xi − 1 −→ N (0, 1) .
n n→+∞
i=1

C. POUET et M. FOULADIRAD (ECM) MAT-1A 2022-2023 10 / 10