Université Hassan 1

Ecole Nationale des Sciences Apliquées

Berrechid

Travaux dirigés 1
Statistique Décisionnelle
CIGI S6 2023-2024

Exercice 1 :
Soit (X1 , X2 , . . . , Xn ), un n-échantillon de loi de Bernoulli Ber(p) et soit :
n
X T
T = Xk , X=
k=1
n

1. Montrer que X est un estimateur sans biais et consistant de p

2. On cherche à estimer la variance σ = p(1 − p). On propose l'estimateur U = X(1 − X)
2

a. Calculer l'espérance et la variance de T

b. Montrer que U est un estimateur biaisé de σ
2

c. Donner un estimateur V sans biais de σ fonction de U

2

Exercice 2 :
Une équipe de chercheurs veut tester l'ecacité d'un nouveau vaccin contre le virus VIH. C'est pour
cela elle choisit une population de chimpanzés (catégorie des singes) à qui on injecte le virus et ce
nouveau vaccin.
On note Xi le singe ni qui a manifesté la présence dans le sang de virus. Soit p la proportion de
chimpanzés non guéris.
1. Déterminer l'estimateur du maximum de vraisemblance de p
2. Calculer son biais et son risque quadratique
3. Montrer que cet estimateur est consistent de p

Exercice 3 :
Soit (X1 , X2 , . . . , Xn ), un n-échantillon de loi normale avec E(X1 ) = 0, var(X1 ) = σ 2 et E(X14 ) = 3σ 4 .
1. Donner l'estimateur de maximum de de vraisemblance de la variance σ
2

2. Quel est son biais et son risque quadratique

3. Montrer que cet estimateur est consistent

Exercice 4 :
On admet que la durée de vie de lampes uorescentes produites par un fabriquant peut être présentée
par une variable aléatoire normal X de moyenne m et d'écart-type σ qui sont inconnus et on se propose
de les estimer à partir d'un échantillon de taille n de X . Les durées de vie observées de 9 ampoules ont
été, en heurs, les suivantes : 8850, 9330, 10250, 8940, 9130, 7720, 8250, 7380, 9110
1. Donner les estimateurs habituels de m et de σ , indiquer leurs propriétés.
2

2. Donner les estimateurs de m et de σ aux quelles les observations précédentes vous conduisent
2

3. Donner un intervalle de conance au niveau 95% pour m

4. Le fabriquant inscrit sur les boites de lampes " durée de vie des ampoules : 9000 heures",
cette armation vous semble-t-elle compatible avec le résultat précédente ?
5. On suppose maintenant qu'on veut tester 900 ampoules au lieu de 9 et que l'on a obtient la
même estimations de m et de σ 2 que celle à la question 2, la durée de vie de 900 ampoules semble
t-elle compatible avec le nouvel intervalle de conance obtenu sur m ?
Exercice 5 :
Un fabricant de boites de conserve veut contrôler la contenance des boites. On suppose que la
contenance d'une boite est une v.a.r X de loi normale de moyenne m et d'écart-type σ . Un échantillon
de 10 boites donne les contenances (exprimées en grammes) suivantes :

490 492 497 502 505 490 495 492 490 497

1. Donner un intervalle de conance de m. et de σ au niveau 90%.

2. Le fabriquant arme que les boites ont en moyenne une contenance de 500 g. Donner un
intervalle de conance de σ au niveau 90%.
Exercice 6 :
A n d'apprécier l'opportunité de la création d'un centre sportif dans une grande ville, un organisme
d'étude de marché interroge 900 habitants.
Pour estimer la proportion p des habitants de cette ville souhaitant la création de ce centre sportif,
on choisit fn , la fréquence sur l'échantillon des habitants souhaitant la création du centre sportif.
Dans l'échantillon tirés, on observe que 360 personnes souhaitant la création du centre sportif.
1. Donner une estimation ponctuelle de p
2. Donner un intervalle de conance au seuil de 5%

Exercice 7 :
Une enquête portant sur les 100 exploitations agricoles d'une région a été menée sur 16 exploitations :
On a obtenu les supercies suivantes en ha :

8.2 4.1 1 2.3 2.5 3.5 5 6.2 4.5 7 1.5 3.8 6 4 5.7 3

1. Fournir un intervalle de conance au seuil de %5 pour la moyenne des exploitations.

2. Déduire un intervalle de conance au seuil de %5 pour la supercie totale de l'ensembles des
exploitations de la commune.

Exercice 8 :
On désire estimer le nombre N d'individus d'une espèce animale vivant sur une île. Pour cela, on
capture 800 individus ; ces individus sont marqués, puis relâchés. Ensuite, on recapture ultérieurement
1000 animaux parmi lesquels on dénombre 250 animaux marqués.
1. Estimer la proportion d'individus marqués p et déduire celle de N
2. Donner un intervalle de conance à 95% de p
3. En déduire un intervalle de conance à 95% de N .

Exercice 9 :
Un conseur de vend des boites de bonbons d'un modèle. On note X la masse d'une boite plein et
qu'on suppose de loi normale. Les pesées de 8 boites ont conduit aux masses (en kg)

1.22 1.23 1.21 1.19 1.23 1.24 1.18 1.21

1. Donner une estimation par intervalle de conance de la moyenne au risque α = 5%.

2. Donner une estimation par intervalle de conance de la moyenne au risque α = 10%.
2. Discuter la sensibilité de l'intervalle de conance par rapport à une variation du risque d'erreur.
3. On suppose que la variance soit connue et égale à la variance observée, donner pour la moyenne
un intervalle de conance au seuil de conance de 95% et comparer avec le résultat de 1.
4. Donner pour la variance un intervalle de conance au risque de 10%
Exercice 10 :
Soit (X1 , X2 , . . . , Xn ) un échantillon de loi Pθ . Déterminer l'estimateur de maximum de vraisemblance
du paramètre θ dans les cas suivants :
1. Pθ = P(θ) (loi de Poisson)
2. Pθ = B(m, θ) (loi Binomiale)
1. Pθ = P(θ) (loi de Poisson)
2. Pθ = N (0, θ) (loi Normale centrée)
3. Pθ = N (m, σ ) avec θ = (m, σ )(loi Normale)
2 2

Exercice 11 :
I. On considère un échantillon (X1 , X2 , . . . , Xn ) distribuée selon la loi de Poisson P(θ).
1. Trouver l'estimateur θ̂ du maximum de vraisemlance pour θ
2. Étudier les propriétés de cet estimateur
II. Soit (X1 , X2 , . . . , Xn ) un échantillon de densité de probabilité donnée par :

1  x
fX (x) = exp − 1[0,+∞[ (x)
θ θ
1. Calculer l'espérance et la variance de X
2. Déterminer l'estimateur θ̂ du maximum de vraisemlance pour θ
3. Étudier les propriétés de l'estimateur θ̂
Exercice 12 :
On dit qu'une variable aléatoire X suit la loi Rayleigh si sa densité est
x2
 
x
fX (x) = 2 exp − 2 1[0,+∞[ (x)
σ 2σ
1. Vérier que f est bien une densité de probabilité et déterminer la fonction de répartition de
la variable aléatoire X
2. Calculer E(X )
2

3. Soit Y = X , déterminer la loi Y et en déduire E(X ).

2 2

4. Déterminer l'estimateur du maximum de vraisemlance de σ et Étudier les propriétés de cet

estimateur
Exercice 13 :
Soit X une variable aléatoire dont la densité de probabilité f est dénie par :
1

1
 (1 − x) θ −1 si 0 < x < 1

fX (x) = θ

0 sinon


Où θ est un paramètre réel strictement positif.

1. Vérier que f est une densité de probabilité
2. Déterminer l'estimateur du maximum de vraisemlance θ̂ de θ
4. On considère la variable aléatoire rélle Y = −log(1 − X).
a. Déterminer la fonction densité de Y
b. Reconnaître la loi de Y .
5. Montrer que θ̂ est un estimateur sans biais de θ et consistent.