L3 Mod. Lin. Corrigé Ratt.

2020

Exercice2:
Une variable aléatoire Y est en relation avec la variable non-aléatoire X selon le modèle
Y      X 2  e , où e N (0,  2 ) (  2 constante inconnue). On dispose de 4 observations
Y1, Y2 ,.Y3 , Y4 , indépendantes, prises sur -1, 0, 1, et t, respectivement, où t est quelconque.
1) Modéliser matriciellement cette situation.
 
2) Montrer que quelque soit la valeur prise par t, les estimateurs MC,  et  existent.
3) Montrer que quelque soit la valeur de t, ils seront nécessairement corrélés.
4) On pose t = 2, et Y1  2, Y2  2, Y3  3, Y4  5 .
 
Calculer  et 
Tester les hypothèses  =0,  =1 et  =2.

1) On a  i  1, n , Yi     X i2  ei , qui s’écrit matriciellement

 Y1  1 1  e1  1 1 
       
 Y2  1 0     e2  1 0 
 Y   1   , avec X  
1     e3  1 1
 3      
 Y  1 t 2  e  1 t 2 
 4   4  

1 1
 
1 1 1 1 1 0  4 2  t2 
2) On aura ( X X )  
t

2 
 
1 0 1 t 1 1   2  t 2 2  t 4 

1 t 2 


Det ( X t X )  4(2  t 4 )  (2  t 2 )  3t 4  4t 2  4
En posant Z  t 2 , Det ( X t X )  3Z 2  4Z  4 , avec un discriminant   16  4(12)  32 < 0.
Il n’existe donc pas de racines réelles, et Det ( X t X )  0, t .

 
Ainsi,  et  existent quelque soit t.

 ˆ   Varˆ Cov(ˆ , ˆ ) 
3) On a V  ˆ       2 ( X t X )1
    Cov(  ,ˆ )
ˆ Var ˆ

1  2  t4  (2  t 2 ) 
où ( X t X ) 1   
Det ( X t X )   (2  t 2 ) 4 

 (2  t ) 2 2
et donc, Cov(ˆ , ˆ )  4  2 qui est toujours différent de 0.
3t  4t  4 2

ˆ
Ainsi, ̂ et  sont corrélés t .

YAHI Page 1 sur 2 Mai 2021

L3 Mod. Lin. Corrigé Ratt. 2020
4)
Xi X i2 Y1 Yi 2
-1 1 2 4
0 0 2 4
1 1 3 9
2 4 5 25
 6 12 42

Det ( X t X )  3(16)  4(4)  4  36

4 6  1  18  6)   1 2  1 6 
( X t X )    , et ( X t X ) 1     
 6 18  36   6 4    1 6 19 
 2
 
 1 1 1 1   2   12   1 2  1 6   12   6  256   116 
( X tY )        ; ( X t X )1 X tY      =     
1 0 1 4  3   25    1 6 19   25    2  259   7 9 
5
 
 ˆ   1,833   12  16  2
Ainsi,  ˆ     , et V    , avec en particulier Varˆ  0,111 2
    0,778   6
1 1
9 

(  2 n’étant pas connu, on l’estimera par le CMR)

5) Un intervalle de confiance à 95% pour  sera donné par Idc95% (  )  ˆ  tn0,95p Vˆarˆ 
 
n  4, p  2 , t2  4,303 ,
0, 95

S S
ˆ 2  CMR  S 2     , où S  Y tY  ̂ t X tY avec ˆ t  (ˆ , ˆ )
n p 2
 12  0,556
S  Yi 2  (1,833 , 0,778)   42  41,444  0,556 , ˆ 2   0,278
 25  2
et un estimateur de Var̂ sera donné par Vˆarˆ  0,111ˆ 2  0,031 , Vˆar ( ˆ )  0,176
Idc95% ( )  0,778  4,303(0,176)  0,778  0,756
Idc95% ( )  0,022 ; 1,534.
1 appartient à cet intervalle. On accepte donc, au seuil de 95%, l’hypothèse   1 .
On rejette les hypothèses  = 0 et  =2, car n’appartenant pas à l’intervalle.

YAHI Page 2 sur 2 Mai 2021