2ECS - Mathématiques

Feuille d’exercices 14
Estimation

 
A. Estimation ponctuelle 


Exercice 1. Soit (Xn )n∈N∗ des variables aléatoires indépendantes de même loi géométrique
n
G(p). Montrer que est un estimateur convergent de p.
X1 + · · · + Xn

Exercice 2. Soit (X1 , . . . , Xn ) un n-échantillon de la loi de Bernoulli de paramètre p. On pose

n
Sn Sn
X  
Sn = Xi et Tn = 1− .
i=1 n n

1. Déterminer E(Sn ) et E(Sn2 ). En déduire E(Tn ).

2. À l’aide de Tn , proposer un estimateur sans biais de la variance de cette loi de Bernoulli.

Exercice 3. Soit (Xn )n∈N∗ une suite de variables aléatoires indépendantes et de même loi de
Bernoulli B(p) où p est inconnu. On pose
n n
1X 2 X
Xn = Xi et Tn = iXi .
n i=1 n(n + 1) i=1

1. Montrer que Xn et Tn sont des estimateurs sans biais de p.

2. Calculer le risque quadratique de Xn et de Tn . Lequel est le meilleur estimateur de p ?
3. Montrer que Xn et Tn sont deux estimateurs convergents de p.

Exercice 4. Soit X une variable aléatoire de loi normale N (0, σ 2 ) où σ est inconnu. Soit
(Xn )n∈N∗ une suite de variables aléatoires indépendantes et de même loi que X. On note
n
1X
Sn = X 2.
n i=1 i

Montrer que Sn est un estimateur sans biais et convergent de σ 2 .

Exercice 5. Soit a > 0 et (Xk )k∈N∗ une suite de variables aléatoires indépendantes et de même
loi uniforme sur [0, 2a]. On pose
n
1X
Xn = Xi et Mn = max(X1 , . . . , Xn ).
n i=1

1
 1. Déterminer la loi de Mn , son espérance et sa variance.
n+1
2. En déduire que Un = Mn est un estimateur sans biais de a.
2n
3. Entre Xn et Un , lequel estimateur de a choisir ?


0 si x 6 θ,
Exercice 6. Soit θ > 0 et f la fonction définie sur R par f (x) =
e−(x−θ) si x > θ.
1. Montrer que f est une densité de probabilité d’une variable aléatoire X.
2. Reconnaître la loi de X − θ pour en déduire E(X) et V (X).
3. On désigne désormais par (Xn )n∈N∗ une suite de variables aléatoires indépendantes et de
même loi que X. On pose
n
1X
Xn = Xi et Yn = min(X1 , . . . , Xn ).
n i=1

(a) À partir de Xn , construire un estimateur Tn , sans biais et convergent de θ.

(b) Montrer que Yn est un estimateur asymptotiquement sans biais et convergent de θ
(on pourra commencer par étudier Yn − θ).
(c) Construire, à partir de Yn , un estimateur Un sans biais et convergent de θ.
(d) Comparer les estimateurs Tn et Un .

Exercice 7. Soit X une variable aléatoire discrète d’espérance E(X) = θ 6= 0 et de variance

n
1X
V (X) = 1. On dispose d’un n-échantillon (X1 , . . . , Xn ) de la loi de X. On pose Xn = Xi .
n i=1
1. Montrer que Xn est un estimateur sans biais de θ et calculer son risque quadratique.
n
X
2. Soit (α1 , . . . , αn ) ∈ (R∗ )n . On note Yn = α i Xi .
i=1
(a) Donner une condition nécessaire et suffisante sur α1 , . . . , αn pour que Yn soit un
estimateur sans biais de θ. On suppose dans la suite que cette condition est vérifiée.
(b) Calculer cov(Xn , Yn ). En déduire V (Xn ) 6 V (Yn ). Que dire si V (Xn ) = V (Yn ) ?
(c) Interpréter les résultats obtenus sur les estimateurs Xn et Yn de θ.

n
x2i . On désigne
X
Exercice 8. Soit n ∈ N∗ . On considère f définie sur Rn par f (x1 , . . . , xn ) =
i=1
par (X1 , . . . , Xn ) un n-échantillon d’une loi de Poisson de paramètre λ > 0 inconnu.
n
X
1. Déterminer les points critiques de f sous la contrainte xi = 1.
i=1
2. Montrer que parmi toutes les combinaisons linéaires des X1 , . . . , Xn , il existe un unique
estimateur Tn sans biais de λ et qui est de variance minimale. Reconnaître cet estimateur.

2
 
B. Estimation par intervalle de confiance 


Exercice 9. Soit (X1 , . . . , Xn ) un n-échantillon de la loi normale N (m, 1) où l’espérance m est

n
1X
inconnue. On pose Xn = Xi .
n i=1
1. Quelle est la loi de Xn ?
α
2. Soit α ∈]0, 1[ et tα l’unique réel tel que Φ(tα ) = 1 − .
" # 2
tα tα
Montrer que Xn − √ , Xn + √ est un intervalle de confiance de m de niveau 1 − α.
n n

Exercice 10. Soit (X1 , . . . , Xn ) un n-échantillon de la loi de Bernoulli

"
B(p)sde paramètre
s p#
5 5
inconnu. À l’aide de l’inégalité de Bienaymé-Tchebychev, montrer que Xn − , Xn +
n n
est un intervalle de confiance de p au niveau de risque 0.05.

Exercice 11. Soit (Xi )i∈N∗ une suite de variables aléatoires indépendantes et de même loi
n
1X
exponentielle E(λ) où le paramètre λ > 0 est inconnu. On pose Xn = Xi .
n i=1
√ √
1. Montrer que λ nXn − n converge en loi vers une variable aléatoire de loi N (0, 1).
α
2. Soit α ∈]0, 1[ et tα l’unique réel tel que Φ(tα ) = 1 − .
" ! ! # 2
tα 1 tα 1
Montrer que 1− √ , 1+ √ est un intervalle de confiance asympto-
n Xn n Xn
tique de λ au niveau de risque α.

Exercice 12. Soit (X1 , . . . , Xn ) un n-échantillon de la loi exponentielle de paramètre λ > 0

inconnu. On pose Mn = min(X1 , . . . , Xn ) et on considère α ∈]0, 1[.
1. Montrer que Mn suit une loi exponentielle dont on déterminera le paramètre.
α
2. Déterminer deux réels an et bn tels que P (nλMn 6 an ) = P (nλMn > bn ) = .
2
nMn nMn 1
 
3. En déduire que , est un intervalle de confiance de au niveau de confiance
bn an λ
1 − α.