Académique Documents
Professionnel Documents
Culture Documents
Fiche de TD n :02
1
2-Pour la variance(cas moyenne connu) : E(T 2 ) = σ 2 , V ar(T 2 ) = (µ4 − σ 4 ).
n
n−1
3-Pour la variance (cas moyenne inconnu) : E(S 2 ) = n−1 2
n
σ , V ar(S 2 ) = ((n−
n3
1)µ4 − (n − 3)σ 4 )
Solution Exercice 1.
1-On sait deja que E(X) = µ et V ar(X) = σ 2 , alors :
n
1X
E(X̄) = E( Xi ))
n i=1
n
1X
= E(Xi )
n i=1
1
= nµ
n
= µ
n
1X
V ar(X̄) = V ar( Xi ))
n i=1
n
1 X
= V ar(Xi )
n2 i=1
n 2
= σ
n2
σ2
=
n
2-On sait que T 2 = − µ)2 avec (E(X) = µ connu) alors :
1
Pn
n i=1 (Xi
n
2 1X
E(T ) = E(Xi − µ)2
n i=1
1
= E(Xi − E((X)))2
n
1
= V ar(Xi )
n
= σ2
1
On sait que V ar(X) = E(X 2 ) − E(X)2 et µk = E((X − µ)k ) alors :
n
21 X
V ar(T ) = V ar((Xi − µ)2 )
n2 i=1
n
1 X
= 2
[E(Xi − µ)4 − (E(Xi − µ)2 )2 ]
n i=1
1
= [µ4 − σ 4 ]
n
3-On sait que S 2 = − X̄)2 avec (E(X) = µ inconnu) alors :
1
Pn
n i=1 (Xi
n
1X
E(S 2 ) = E(Xi − X̄)2
n i=1
n
1X
= E(Xi2 ) − E(X̄)2
n i=1
On calcule d'abord
1
E(X̄ 2 ) = 2
E[(X1 + .... + Xn )2 ]
n
n n
1 X 2 XX
= E[ X + Xi Xj ]
n2 i=1 i i=1 j6=i
Donc E(Xi2 ) = E(Xi2 ) et E(Xi Xj ) = E(X)2 Car les variables sont indépendantes
et identiquement distribuées
1
E(X̄ 2 ) = (nE(X 2 ) + n(n − 1)(E(X)2 ))
n2
1 n−1
= E(X 2 ) + (E(X)2 )
n n
alors :
n
2 1X 1 n−1
E(S ) = E(X12 + ... + Xn2 ) − E(X 2 ) + (E(X)2 )
n i=1 n n
n−1
= (E(X 2 ) − (E(X)2 ))
n
n−1
= V ar(X)
n
n−1 2
= σ
n
n
2 1 X
V ar(S ) = V ar(Xi − X̄)2
n2 i=1
= V ar(Xi2 ) + V ar(X̄ 2 ) − 2V ar(Xi X̄)
1 2
= (µ4 − σ 4 ) + 2 (µ4 − 3σ 4 ) − (µ4 − 2σ 4 )
n n
n−1
= ((n − 1)µ4 − (n − 3)σ 4 )
n3
2
Exercice 2 Dans un centre avicole, des études antérieures ont montré que la masse
d'un oeuf choisi au hasard peut être considérée comme la réalisation d'une variable
aléatoire normale X, de moyenne m et de variance σ 2 . On admet que les masses des
oeufs sont indépendantes les unes des autres. On prend un échantillon de n = 36
oeufs que l'on pèse. Les mesures sont données (par ordre croissant) dans le tableau
suivant :
50.34 52.62 53.79 54.99 55.82 57.67
51.41 53.13 53.89 55.04 55.91 57.99
51.51 53.28 54.63 55.12 55.95 58.10
52.07 53.30 54.76 55.24 57.05 59.30
52.22 53.32 54.78 55.28 57.18 60.58
52.38 53.39 54.93 55.56 57.31 63.15
a) Calculer la moyenne empirique et l'écart-type empirique de cette série statistique.
b) Donner une estimation des paramètres m et σ .
c) Donner un intervalle de conance au niveau 95%, puis 98%, de la masse moyenne
m d'un oeuf.
Solution Exercice 2
a- X̄q
= 1
36
[50.34 + ... + 63.15] = 55.083
1
S= 36
[(50.34 − 55.083)2 + ... + (63.15 − 55.083)2 ] = 2.683
b- l'estimateur de m est X̄ et celui de σ c'est S . c- IC de niveau de conance
1 − α = 95% pour m
σ∗ ∗ σ
Ic1−α = x̄ − z √ , x̄ + z √ = [54.207, 55.96]
36 36
avecz ∗ = φ−1 (1 − α2 ) = φ−1 (1 − 0.025) = φ−1 (0.975) = 1.96(d'après l'inverse de la
table de la loi normale) - IC de niveau de conance 1 − α = 98% pour m
σ
∗ ∗ σ
Ic1−α = x̄ − z √ , x̄ + z √ = [54.043, 56.123]
36 36
avecz ∗ = φ−1 (1 − α2 ) = φ−1 (1 − 0.001) = φ−1 (0.99) = 2.3263(d'après l'inverse de la
table de la loi normale)
Solution Exercice 3(Les plantes marines)
Un biologiste étudie un type d'algue qui attaque les plantes marines. La toxine
contenue dans cette algue est obtenue sous forme d'une solution organique. Il mesure
la quantité de toxine par gramme de solution. Il a obtenu les neuf mesures suivantes,
exprimées en milligrammes :
1.2; 0.8; 0.6; 1.1; 1.2; 0.9; 1.5; 0.9; 1.0
Nous supposons que ces mesures sont les réalisations de variables aléatoires indé-
pendantes et identiquement distribuées suivant une loi N(µ, σ 2 ).
1-Donner une estimation ponctuelle de la moyenne de la quantité de toxine par
gramme de solution.
2-Donner une estimation ponctuelle de la variance de la quantité de toxine par
gramme de solution.
3-Donner un intervalle de conance à 95% pour la moyenne de la quantité de toxine
par gramme de solution.
4-Donner un intervalle de conance à 95% pour la variance de la quantité de toxine
3
par gramme de solution.
Solution Exercice 3
L'estimation ponctuelle de la moyenne est :
n
1X
X̄ = xi
n i=1
1
= [1.2 + 0.8 + 0.6 + 1.1 + 1.2 + 0.9 + 1.5 + 0.9 + 1] = 1.022mg
9
L'estimation ponctuelle de la variance :
n
02 n 1X 2
S = ( x − x̄2 )
n − 1 n i=1 i
9 1
= ( [1.22 + 0.82 + ... + 12 ] − 1.0222 ) = 0.06995mg 2
8 9
√
0
S = S 0 2 = 0.2644
53
F = = 0.3955
134
4
L'intervalle de conance asymptotique à 95% pour la proportion d'avortements
s'écrit : " r r #
∗ F (1 − F ) ∗ F (1 − F )
Ic1−α = F − z0.975 , F + z0.975
n n
On cherche z0.975 dans la table de la loi N (0; 1), on trouve z0.975 = 1.96. (1 − α =
0.95 ⇒ α = 0.05).
D'ou
" r r #
0.3955(1 − 0.3955) 0.3955(1 − 0.3955)
Ic1−α = 0.3955 − 1.96 , 0.3955 + 1.96
134 134
= [0.3128; 0.47828]