Académique Documents
Professionnel Documents
Culture Documents
= = −
On cherche donc un estimateur de qui minimise l’erreur, ce qui suppose qu’on doit avoir
tel que
=0; # >0
∑
= −2 − =0 =
+(); * = @ AB
1− CAB
= ∑D
BEF AB 1− ∑D
BEF CAB
4ln+ 1 1
=0⟹ ) − & − )'=0
4 1−
1
⇒ = )
Exemple : échantillon issu d’une distribution normale avec moyenne et variance inconnues
On suppose que les variables aléatoires = ,⋯, forment un échantillon aléatoire issu
d’une distribution normale pour laquelle la moyenne J et la variance sont inconnues. Le
paramètre à estimer est = J, . Pour toutes valeurs observées ) = ) , ⋯ , ) , la fonction
de vraisemblance est :
1 1
+(); J, *=K N )O P− ) −J Q
√2M 2
1
Ln+(); J* = − Ln 2M − Ln − ) −J
2 2 2
On trouve la valeur de = J, pour laquelle +(); J, * atteint son maximum en suivant
, on va trouver la valeur Ĵ
U
trois étapes. Premièrement, pour chaque valeur fixée de qui
maximise le côté droit de la dernière égalité. Deuxièmement, on va trouver la valeur de qui
maximise +(); ′* avec ′ = Ĵ , . Finalement, emv de sera un vecteur aléatoire dont les
valeurs observées sont = (Ĵ U
, *.
La première étape est déjà résolue dans l’exemple précédent et don on obtient Ĵ = )̅ . Pour la
deuxième étape, on fixe ′ = )̅ , et on maximise
1
Ln+(); ′* = − Ln 2M − Ln − ) − )̅
2 2 2
Lorsqu’on prend la dérivée par rapport à égale à 0, on a :
dLn+(); ′* 1 1
=0⟹− + ) − )̅ =0
d 2 2
1
⟹U= ) − )̅
1 1
= (Ĵ , U * = &Ĵ = ) ; U= ) − )̅ '
3.3. Méthode des moments
Dans le cas où le paramètre à estimer est = W1 , moyenne théorique de la loi, l’estimateur
naturel est la moyenne empirique, ou moyenne de l’échantillon :
1
)=
La solution de l’équation retenue, si elle existe et est unique, sera appelée estimateur obtenu par la
méthode des moments.
Exemple 1 :
Soit une variable aléatoire qui suit une loi uniforme, ] 0, où est un paramètre strictement
positif. Déterminer par la méthode des moments un estimateur du paramètre construit à partir
d’un échantillon .
Pour une loi uniforme, la moyenne théorique est ) = ∑ . La moyenne empirique à partir
1
de la loi ] 0, est donné par W = . Pour trouver l’estimateur 4 on résous
l’équation :
)̅ =
2
Ce qui donne comme solution = 2 ^ . Ce qui fournit l’estimateur de la méthode des moments
= 2 ^.
Définition :
Soit une variable aléatoire. Pour chaque nombre réel #, on définit
i # =W jk
mn jk
Si est continue, i # = lCn _ ) 4) , et si est discrète, i # = ∑mn
Cn
jk
o =)
La fonction i # est appelée fonction génératrice de moment de .
Si # = 0, i 0 = W 1 = 1
Exemple :
On suppose une variable aléatoire dont la fonction de densité de probabilité est donnée par :
CA
Y )>0
_ ) =p
0 Y >
Déterminer la fonction génératrice de moment de et également la variance de .
n n
i # =W jk
=c )Oq#)r. )Oq−)r 4) = c )Oq # − 1 )r 4)
d d
Cette intégrale est finie si et seulement si # < 1. Donc, i # est finie seulement si # < 1. Pour
chaque valeur de #,
1
i # =
1−#
Comme i # est finie pour toutes les valeurs de # dans un intervalle ouvert proche du point # =
0, tous les moments de existent. Les deux premières dérivées de i # sont :
1 2
is # = # iss # =
1−# 1−# f
i # = @i #
Propriétés :
Transformation linéaire
Théorème : si a une distribution normale avec une moyenne J et de variance et si w = +
x où # x sont supposés être constants et ≠ 0, alors w a une distribution normale de moyenne
J + x et de variance .