Math-F-105 Séance 11

Séance 11 : Estimateurs

Rappel théorique
Soit X1 , X2 , . . . , Xn une population (donc une suite de variables aléatoires) suivant une loi de probabilité
Pθ où θ ∈ Θ est le paramètre d’intérêt et soit θ̂n un estimateur de θ. Alors
1. θ̂n est un estimateur sans biais si E(θ̂n ) = θ pour tout θ ∈ Θ.
2. θ̂n est un estimateur sans biais asymptotique si limn→∞ E(θ̂n ) = θ pour tout θ ∈ Θ.
3. θ̂n est un estimateur convergent si limn→∞ V ar(θ̂n ) = 0.
4. Si θ̃n est un deuxième estimateur de θ, alors θ̂n est un estimateur plus efficace que θ̃n si
V ar(θ̂n ) ≤ V ar(θ̃n ).

Exercices
Exercice 11.1
Considérons la population (X1 , X2 , ..., Xn ) où les Xi sont i.i.d. de moyenne µ et de variance σ 2 .
1. Montrer que X̄ = n1 ni=1 est un estimateur sans biais de µ.
P

2. Montrer que W = n1 ni=1 (Xi − X̄)2 est un estimateur biaisé de σ 2 et donner l’expression de ce biais.
P

3. Proposer un estimateur non biaisé de σ 2 qui est directement lié à W .

Exercice 11.2
Les éléments d’une population possèdent un caractère X qui suit une loi de probabilité dont la densité
est donnée par  kx3
θ4
si 0 < x < θ
fθ (x) =
0 sinon,
où k est une constante et θ > 0 le paramètre d’intérêt.
1. Déterminer la constante k.
1 Pn
2. Montrer que la moyenne X̄ = n i=1 Xi n’est pas un estimateur sans biais du paramètre θ.
3. En déduire un estimateur non biaisé de θ.

Exercice 11.3
Soit (X1 , X2 , ..., Xn ) (avec n > 10) un échantillon aléatoire issu d’une population suivant une loi de
Bernoulli de paramètre p. Considérons les 3 estimateurs suivants du paramètre p :
Pn bn/2c 10
i=1 Xi −1 1 X 1 X
p̂1 = , p̂2 = X2i , p̂3 = Xi .
n bn/2c 10
i=1 i=1

Comparer ces 3 estimateurs sur base de chacune des 4 propriétés d’estimateurs énoncées dans le rappel.

Titulaire: F.T. Bruss Assistant: G. Van Bever

Math-F-105 Séance 11

Exercice 11.4
Considérons un échantillon de taille 1 issu d’une population suivant une loi de Poisson de paramètre
λ > 0 (ceci revient donc simplement à considérer une variable aléatoire X avec X ∼ P(λ)).
1. Montrer que l’estimateur δ(X) = 1[X=0] est non biaisé pour e−λ .
2. Montrer que c’est le seul estimateur non biaisé de e−λ .
3. On cherche à présent à estimer e−3λ . Que pouvez-vous dire sur la statistique (−2)X ?
4. Proposer en toute généralité un estimateur sans biais pour e−nλ .

Exercice 11.5

Moyenne usuelle VS Moyenne pondérée

Soit (X1 , X2 , ..., Xn ) une population de moyenne 2
Pn µ et de variance σ . La moyenne usuelle se note X̄ =
1 P n a
i=1 i iX
i=1 Xi et la moyenne pondérée X̄pond = n , où les ai sont des réels positifs. Ces 2 moyennes
P
n i=1 ai
estiment chacune le paramètre µ.
1. Montrer que les 2 moyennes sont sans biais et convergentes.
2. Comparer la moyenne usuelle et la moyenne pondérée sur base de leur efficacité.
3. Question supplémentaire : sur base de la comparaison que vous venez d’effectuer, quelle moyenne serait
plus favorable pour un étudiant ?

Titulaire: F.T. Bruss Assistant: G. Van Bever