Académique Documents
Professionnel Documents
Culture Documents
Eléments d’asymptotique
7 Eléments d’asymptotique
L’approche asymptotique
Les outils de base
Asymptotique des M-estimateurs
8 Tests asymptotiques
9 Conclusions
Eléments d’asymptotique L’approche asymptotique
sous Pθ
Lemme de Slutsky*
L
(
Xn −→ X
P
Yn −→ y (y déterministe)
L
Xn + Yn −→ X + y
L
implique Yn Xn −→ yX
L
Yn−1 Xn −→ y −1 X (y 6= 0)
*
Eugen Slutsky (1880 – 1948)
Eléments d’asymptotique Les outils de base
√ (θ̂n − θ)
nq
θ̂n (1 − θ̂n )
Méthode delta
Soit
θ̂n un estimateur asymptotiquement normal de θ, de matrice
de covariance asymptotique Σ(θ)
g : Rp 7→ Rq , θ → g(θ) une fonction continûment
différentiable telle que ∂g
∂θ (θ0 ) 6= 0
Sous Pθ0 , g(θ̂n ) est un estimateur asymptotiquement normal de
θ0 , de matrice de covariance asymptotique
∂g ∂g 0
(θ0 )Σ(θ0 ) (θ0 )
∂θ0 ∂θ
Eléments d’asymptotique Les outils de base
∂g(s) 2
(0, σ ) = (0, 1)
∂s0
Par le théorème de la limite centrale
1 Pn
√
n i=1 Yi 0
n 1 Pn 2 −
n i=1 Yi σ2
σ2 Eθ [Y 3 ]
L
−→ N 0,
Eθ [Y 3 ] Eθ [Y 4 ] − σ 4
1 Pn
Qn (θ) = n i=1 ψ(Yi ; θ)
1 Si Eθ0 [ψ(Y ; θ)] < ∞,
p.s. def
Qn (θ) −→ Q0 (θ) = Eθ0 [ψ(Y ; θ)] (sous Pθ0 )
Eθ0 [ ∂ψ(Y
∂θ
;θ0 )
] = 0 de par la condition nécessaire de
consistance, d’où
n
√ ∂Qn
1 X ∂ψ(Yi ; θ0 ) L ∂ψ(Y ; θ0 )
n (θ0 ) = √ −→ N 0, Vθ0
∂θ n ∂θ ∂θ
i=1 | {z }
I(θ0 )
En résumé
Sous les conditions d’applicabilité des théorèmes précédents,
√ L
n(θ̂n − θ0 ) −→ N 0, J −1 (θ0 )I(θ0 )J −1 (θ0 )
où
h i h i
I(θ0 ) = Vθ0 ∂ψ(Y ;θ0 )
= Eθ0 ∂ψ(Y ;θ0 ) ∂ψ(Y ;θ0 )
∂θ0
h 2∂θ i ∂θ
∂ ψ(Y ;θ0 )
J(θ0 ) = Eθ0 − ∂θ∂θ0
Tests asymptotiques
7 Eléments d’asymptotique
8 Tests asymptotiques
Tests d’hypothèses simples
Tests d’hypothèses composites
9 Conclusions
Tests asymptotiques Tests d’hypothèses simples
nous permet
1 De tester des hypothèses simples, du type H0 : θ = θ0
D’où √ L
n(θ̂n − θ0 ) −→ N 0, IF−1 (θ0 )
h i
2
I(θ0 ) = σ E ∂h(X;θ0 ) ∂h(X;θ 0 )
h ∂θ ∂θ0 i
J(θ0 ) = E ∂h(X;θ0 ) ∂h(X;θ 0
0)
∂θ ∂θ
Tests asymptotiques Tests d’hypothèses composites
g(θ) = Gθ
avec rang(G) = r
H0 r p-valeur
θsbp = θldl = θobesity = θalcohol = 0 4 0.89
θALL = 0 6 3.43 10−5
Tab.: Résultats du test d’Hausman
Conclusions
7 Eléments d’asymptotique
8 Tests asymptotiques
9 Conclusions
Quelques extensions (1) : tests du khi-deux
Quelques extensions (2) : problèmes à deux échantillons
Ce que nous n’avons pas vu
Ce que nous avons vu
d’où
m
X (p̂n,j − pj )2 L 2
ξn = n −→ ξm−1
pj
j=1
| {z }
statistique de test du khi-deux
pm−1
| {z }
p
où G est de rang r (( nombres de contraintes (sous H0 ) )),
alternativement q = m − 1 − r est le (( nombre de paramètres libres
(sous H0 ) ))
De façon générique,
2
m
X p̂n,j − p̂0n,j L
ξn = n −→ χ2m − 1 − q
j=1
p̂0n,j | {z }
r
Principe minimax
Approche bayésienne
Estimation non-paramétrique (notamment estimation de
densité)
Modèles dynamiques (séries chronologiques, cf. MAP 553)
Modèles spatiaux ou spatio-temporels
Classification, régression, analyse de données
Applications . . .