Académique Documents
Professionnel Documents
Culture Documents
Exercice 1.
1. Soit X une variable aléatoire réelle de loi
θ 1
P(X = 0) = , P(X = 1) = ,
θ+1 θ+1
n ∈ N∗ et (X1 , . . . , Xn ) un n-échantillon de X. Ici, θ > 0 est un réel inconnu que l’on souhaite
estimer à l’aide de (X1 , . . . , Xn ). Déterminer un estimateur de θ par la méthode des moments.
2. Soit X une variable aléatoire réelle de densité
1
2θ si x ∈ [0, θ]
1
f (x, θ) = si x ∈]θ, 1]
2(1−θ)
0 sinon,
où n ∈ N∗ et (X1 , . . . , Xn ) un n-échantillon de X. Ici, θ ∈]0, 1[ est un réel inconnu que l’on
souhaite estimer à l’aide de (X1 , . . . , Xn ). Déterminer un estimateur de θ par la méthode des
moments.
Exercice 2.
On a répertorié dans une usine le nombre d’accidents mineurs subis par le personnel dans une
journée de travail sur une période de 50 jours. Ces accidents sont survenus indépendamment les
uns des autres. Les résultats sont consignés dans le tableau suivant :
Nombre d’accidents mortels 0 1 2 3 4
Nombre de jours 21 18 7 3 1
On désigne par X le nombre d’accidents mortels. On fait l’hypothèse que X suit une loi de Poisson
de paramètre θ > 0. Soit (X1 , . . . , Xn ) un n−échantillon de X.
1. Rappeler les valeurs E(X) et Var(X).
2. Proposer deux estimateurs θbn1 et θbn2 de θ obtenus par la méthode des moments.
3. Etudier les propriétés de θbn1 (biais, convergence, efficacité).
4. Montrer que θbn2 est un estimateur biaisé de θ. En déduire un estimateur sans biais de θ.
5. Calculer la fonction de vraisemblance L(x1 , . . . , xn ; θ) associée aux observations.
6. En déduire l’estimateur θbn3 de θ par la méthode du maximum de vraisemblance.
7. Proposer plusieurs estimations du nombre d’accidents mortels θ.
Exercice 3:
Soit (X1 , . . . , Xn ) un échantillon extrait de la loi de densité
1 1 −1
f (x, θ) = x θ 1]0,1[ (x),
θ
où θ est un paramètre strictement positif.
1. Donner la fonction de vraisemblance de l’échantillon.
5. Donner une borne minimale pour la variance d’un estimateur sans biais de θ quelconque.
8. Montrer que
1
Dn = −1
Xn
est un estimateur convergent de θ et comparer la variance de sa loi asymptotique à celle de
Tn .
Exercice 4.
Soit X une variable aléatoire réelle qui suit une loi de Pareto P(α, k) de densité
kαk
f (x) = 1 , où α est un réel strictement positif.
xk+1 [α,+∞[
On souhaite estimer les paramètres α et k à partir de l’échantillon de données suivantes:
Exercice 5.
Soit X une variable aléatoire de densité:
2. Calculer l’espérance de X.