TD 3 : Information de Fisher méthode du ? 1 Information de Fisher
Dhu?l-Q. 29 1430 AH Calculer l'information de Fisher dans les mod`eles statistiques ... en effet
TD no 7 : Information de Fisher et vraisemblance
In(?) = n. 3(1 + ?)2 . Exercice 3. La durée de vie en heures d'un certain type d'ampoule peut être modélisée par une.
Année Universitaire 2006-2007 COURS DE STATISTIQUE
3.1 Un exemple introductif. 3.2 Exhaustivité. 3.3 Information de Fisher. 4. L'estimation ponctuelle. 4.1 Définition d'un estimateur.
Observabilité et inversibilité de la matrice dinformation de Fisher
Le palliatif est alors l' «augmentation » de la MIF selon la méthode de Levenberg-Marquardt [12]. b) Second contre-exemple (tiré de [8]) : Considérons le
Information de Fisher
En termes simples moins une observation est probable
Mise `a niveau Comparaison destimateurs
Information de Fisher. Inégalité de l'Information et borne de Cramer-Rao. Efficacité asymptotique. EXEMPLES. Exemple 1 : la loi exponentielle Soit X ? E(?)
Statistiques mathématiques
L'analyse statistique aura alors pour but par exemple de déterminer (toujours au vu des Exemple 3.5 (Information de Fisher pour une v.a. gaussienne):.
Corrigé : Feuille de travaux dirigés 3
Il reste à calculer sa variance et l'information de Fisher I1(?). Un calcul similaire à celui de la question 1. donne Var?(X1) = ? d'où. Var?(S(X)) =.
Problèmes inverses Partie 2 — Chapitre 3 Estimation par maximum
Définition. Info. de K.-L. EMV : consistance. Info. de Fisher norm. asympt. Effic. asympt. Int. conf. et test de Wald. Vraisemblance. Un exemple discret.
UV Statistique Cours n°5/6
Information de Fisher. • Exemple : Calculer l'information apportée par une observation sur le paramètre µ d'une loi normale ou ?2 est connu.
Comparaison d"estimateurs
A. Godichon-Baggioni
G´en´eralit´esInformation de FisherIn
´egalit´e de l"Information et borne de Cramer-RaoEfficacit´e asymptotiqueOBJECTIFS
On s"int
´eresse`a l"estimation d"un param`etre2d"une
variable al´eatoireX, avecun intervalle ouvert deR. Les
objectifs sont donc : IComparer diff´erents estimateurs de.
ISavoir si on peut parler d"estimateur optimal.
G´en´eralit´esInformation de FisherIn
´egalit´e de l"Information et borne de Cramer-RaoEfficacit´e asymptotiqueI. G´en´eralit´es
G´en´eralit´esInformation de FisherIn
´egalit´e de l"Information et borne de Cramer-RaoEfficacit ´e asymptotiqueCOMPARAISON DES ERREURS QUADRATIQUESMOYENNES
On rappelle qu"une fac¸on de quantifier la qualit´e d"un
estimateur ^ndeest de consid´erer son risque quadratique EQM ^n; =E ^n 2On consid
`ere que^nest un meilleur estimateur que~nsi82;EQM^n;
EQM~n;
G´en´eralit´esInformation de FisherIn
´egalit´e de l"Information et borne de Cramer-RaoEfficacit´e asymptotiqueBIAIS D"UN ESTIMATEUR
On donne trop souvent trop d"importance au biais d"un estimateur! D ´ebiaiser un estimateur ne donne pas forc´ement de meilleurs r´esultats!
Exemple :Soit >0 etX U([0;]). Comparer les erreurs quadratiques moyennes des estimateurs suivants : n=X(n) n=n+1n X(n) ;n=X(n) avec >0 choisi judicieusement. G´en´eralit´esInformation de FisherIn
´egalit´e de l"Information et borne de Cramer-RaoEfficacit´e asymptotiqueAPPROCHE ASYMPTOTIQUE
Le plus souvent, on dispose d"estimateurs
^n;~n asymptotiquement normaux, i.e il existe21et22telles que pn ^nL!n!+1N0;21; pn ~nL!n!+1N0;22:Si2122, on choisira alors l"estimateur^n.
G´en´eralit´esInformation de FisherIn
´egalit´e de l"Information et borne de Cramer-RaoEfficacit´e asymptotiqueII. Information de Fisher
G´en´eralit´esInformation de FisherIn
´egalit´e de l"Information et borne de Cramer-RaoEfficacit´e asymptotiqueABSOLUE CONTINUIT´ED
´efinition
On dit qu"un fonction f d´efinie sur un intervalle ouvert I deRest absolument continue sur I si il existe une fonction int´egrable f 0 (appel´ee d´eriv´ee de f) telle que pour tout[a;b]I, on ait f(b)f(a) =Z b a f0(x)dx:Attention!La fonctionf0n"est d´efinie que presque partout (cf Th´eor`eme de Lebesgue).
G´en´eralit´esInformation de FisherIn
´egalit´e de l"Information et borne de Cramer-RaoEfficacit ´e asymptotiqueEXP´ERIENCE ET MOD`ELE STATISTIQUED´efinition
Une exp´erience statistique est la donn´ee d"un objet al´eatoireXdans un espace mesurable(E;E), et d"une famille de lois(P)2sur cet espace, suppos´e contenir la loi PX, et appel´e mod`ele statistique pour la
loi deX.Dans ce qui suit,est un intervalle ouvert deR, et on consid `ere un mod`ele statistique de la forme (P)2= (g;)2o`uest une mesure surE. G´en´eralit´esInformation de FisherIn
´egalit´e de l"Information et borne de Cramer-RaoEfficacit´e asymptotiqueMOD`ELE R´EGULIERD
´efinition
Le mod`ele(P)2est dit r´egulier si
I pourpresque tout x2E, l"application7!g(x)est absolument continue sur. I pour tout02, pourpresque tout x2E, l"application7!g0(x)est continue en0.
I pour tout2, l"application x7!(g0(x))2g (x)1g(x)>0 est int´egrable sur E par rapport `a la mesureet d"int´egraleI() =Z
E(g0(x))2g
(x)1g(x)>0(dx) continue sur. I()est alors appel´ee Information de Fisher du mod`ele. G´en´eralit´esInformation de FisherIn
´egalit´e de l"Information et borne de Cramer-RaoEfficacit´e asymptotiqueREMARQUE
Remarque :Si pour toutx2Ela fonction7!g(x)est de
classeC1, alors les deux premiers points de la d´efinition pr´ec´edente sont v´erifi´es.
G´en´eralit´esInformation de FisherIn
´egalit´e de l"Information et borne de Cramer-RaoEfficacit´e asymptotiqueEXEMPLES
Exemple 1 : la loi exponentielleSoitX E()avec
2 =R+, alors
g (x) =exet(dx) =1x0dx:Le mod
`ele est r´egulier etI() =1
2 G´en´eralit´esInformation de FisherIn
´egalit´e de l"Information et borne de Cramer-RaoEfficacit´e asymptotiqueEXEMPLES
Exemples 2 : la loi de BernoulliSoitX B()avec
2 = (0;1). Alors(dx) =0+1et
g (0) =1etg(1) =:Le mod
`ele est r´egulier et on aI() =1(1):
G´en´eralit´esInformation de FisherIn
´egalit´e de l"Information et borne de Cramer-RaoEfficacit´e asymptotiqueEXEMPLES
Exemple 3 : la loi uniformeSoitX U([0;])avec
2 =R+, on a alors
g (x) =11[0;](x)et(dx) =1x0dx:
Le mod
`ele n"est pas r´egulier. G´en´eralit´esInformation de FisherIn
´egalit´e de l"Information et borne de Cramer-RaoEfficacit´e asymptotiqueSCORE ETINFORMATION DEFISHERD
´efinition
Notons l
(X) = log(g(X))la log-vraisemblance deX. Si les deux premiers points de la d´efinition pr´ec´edente sont satisfaits et si l"application 7!Eh (l0(X))2i est continue sur, alors le mod`ele est r´egulier et d"information deFisher
I() =Eh
(l0(X))2i =E" log(g(X)) 2#La variable al´eatoire
l0X() =@@
log(g(X)) =g0(X)g (X) est appel´ee le score. G´en´eralit´esInformation de FisherIn
´egalit´e de l"Information et borne de Cramer-RaoEfficacit ´e asymptotiqueSCORE ETINFORMATION DEFISHERPropositionSi le mod`ele(g)2est r´egulier, alors
I() =V[l0X()]:
G´en´eralit´esInformation de FisherIn
´egalit´e de l"Information et borne de Cramer-RaoEfficacit´e asymptotiqueEXEMPLES
Exemple 1 : la loi exponentielleSoit >0 etX E(). On retrouve bienV[l0X()] =1
2=I() Exemple 2 : la loi de BernoulliSoit2(0;1)etX B(). On retrouve bienV[l0(X)] =1(1)=I()
G´en´eralit´esInformation de FisherIn
´egalit´e de l"Information et borne de Cramer-RaoEfficacit ´e asymptotiqueINFORMATION DEFISHER D"UN´ECHANTILLONProposition SoitX= (X1;:::;Xn)o`u les Xivariables al´eatoires i.i.d et X1admet fcomme densit´e par rapport `a une mesure. Si le mod`ele(f)2est r´egulier et d"information de Fisher I(), alors le mod`ele produit de
densit´e g (x1;:::;xn) =nY i=1f (xi) par rapport `a la mesure produit nest encore r´egulier et d"information de Fisher I n() =V[l0(X1;:::;Xn)] =nI(): G´en´eralit´esInformation de FisherIn
´egalit´e de l"Information et borne de Cramer-RaoEfficacit´e asymptotiqueEXEMPLES
Exemple 1 : la loi exponentielleSoit >0 etX= (X1;:::;Xn) o `u lesXisont i.i.d avecX1 E(). On retrouve bien I n() =V[l0(X1;:::;Xn)] =n2=nI()
Exemple 2 : la loi de BernoulliSoit2(0;1)et
X= (X1;:::;Xn)o`u lesXisont i.i.d avecX1 B(). On
retrouve bien I n() =V[l0X()] =n(1)=nI(): G´en´eralit´esInformation de FisherIn
´egalit´e de l"Information et borne de Cramer-RaoEfficacit ´e asymptotiqueIII. In´egalit´e de l"Information et borne deCramer-Rao
G´en´eralit´esInformation de FisherIn
´egalit´e de l"Information et borne de Cramer-RaoEfficacit´e asymptotiqueOBJECTIF
L"objectif est de chercher
`a minorer l"erreur quadratique moyenne des estimateurs de. Dans ce qui suit on consid`ere X= (X1;:::;Xn)o`u lesXisont i.i.d et un estimateur^n=(X) de. On notera(f;)le mod`ele associ´e`aX1. G´en´eralit´esInformation de FisherIn
´egalit´e de l"Information et borne de Cramer-RaoEfficacit ´e asymptotiqueIN´EGALIT´E DE L"INFORMATIONProposition Soit(f;)2un mod`ele r´egulier et^nun estimateur dedont l"erreur quadratique moyenne est localement born´ee, et de biais b() =Eh^ni . Alors, si I()>0, EQM ^n; =E ^n 2 b()2+(1+b0())2I n(): G´en´eralit´esInformation de FisherIn
´egalit´e de l"Information et borne de Cramer-RaoEfficacit´e asymptotiqueREMARQUE
Remarque :L"in´egalit´e de l"Information de nous aide en aucun cas pour comparer des estimateurs. La borne est propre `a chaque estimateur et l"atteindre ne signifie aucunement que l"on a un bon estimateur.Exemple :On prend2Ret^n=0. On a bien
EQM ^n; =b()2+(1+b0())2I n() mais l"estimateur "n"est pas bon". G´en´eralit´esInformation de FisherIn
´egalit´e de l"Information et borne de Cramer-RaoEfficacit´e asymptotiqueBORNE DECRAMER-RAOCorollaire
Soit(f;)2un mod`ele r´egulier et^nun estimateur sans biais de de variance locallement born´ee, alors EQM ^n; =Vh^ni 1I n() Un estimateur atteignant cette borne est dit efficace. G´en´eralit´esInformation de FisherIn
´egalit´e de l"Information et borne de Cramer-RaoEfficacit´e asymptotiqueEXEMPLE
Exemple : la loi de BernoulliSoientX1;:::;Xndes variables al ´eatoires ind´ependantes suivant une loi de Bernoulli de param `etre2(0;1). L"estimateur^n=X nest efficace. G´en´eralit´esInformation de FisherIn
´egalit´e de l"Information et borne de Cramer-RaoEfficacit´e asymptotiqueIV. Efficacit´e asymptotique
G´en´eralit´esInformation de FisherIn
´egalit´e de l"Information et borne de Cramer-RaoEfficacit´e asymptotiqueEFFICACIT´E ASYMPTOTIQUED
´efinition
Soit(f)2un mod`ele r´egulier d"information I()ne s"annulant pas sur. Soit^nun estimateur de. On dit que^nest asymptotiquement efficace si il existe2I()1tel que pn ^nL!n!1N0;2: G´en´eralit´esInformation de FisherIn
´egalit´e de l"Information et borne de Cramer-RaoEfficacit´e asymptotiqueEXEMPLES
Exemple 1 : la loi de BernoulliSoientX1;:::;Xndes variables al ´eatoires ind´ependantes suivant une loi de Bernoulli de param `etre2(0;1). L"estimateur^nest asymptotiquement efficace. Exemple 2 : la loi exponentielleSoientX1;:::;Xndes variables al´eatoires ind´ependantes suivant une loi
exponentielle de param `etre >0. L"estimateur^n=X 1 nest asymptotiquement efficace. G´en´eralit´esInformation de FisherIn
´egalit´e de l"Information et borne de Cramer-RaoEfficacit ´e asymptotiqueEMVET EFFICACIT´E ASYMPTOTIQUETh´eor`eme
Soit(f)2un mod`ele r´egulier d"information de Fisher I(). Soit02v´erifiant I(0)>0et X1;:::;Xndes variables al´eatoires i.i.d
de densit´e f0. Si il existe un estimateur du maximum de
vraisemblance ^nqui converge vers0, et si il existe h>0tel que E 0" sup0h0+hl0X()2#
<+1; alors pn ^n0L!n!+1N
0;1I(0)
G´en´eralit´esInformation de FisherIn
´egalit´e de l"Information et borne de Cramer-RaoEfficacit´e asymptotiqueREMARQUE
Remarque :Si le mod`ele est r´egulier, il n"est pas possible de trouver un estimateur qui soit meilleur qu"un estimateur asymptotiquement efficace pour tout2. Cependant, il est possible d"en trouver qui soient meilleur pour tout20o`u0est de mesure de Lebesgue nulle.
Exemple : estimateur de Hodge :SoitX N(;1)et on
consid `ere l"estimateur n=X n1jX nj>n1=4:Que se passe-t-il si=0?
quotesdbs_dbs1.pdfusesText_1[PDF] information et création numérique
[PDF] information génétique cours
[PDF] information génétique définition
[PDF] information genetique et division cellulaire
[PDF] information génétique wikipedia
[PDF] informatique 2eme année college
[PDF] informatique 3eme college
[PDF] informatique appliquée cours
[PDF] informatique de gestion pdf s4
[PDF] informatique fondamentale pdf
[PDF] informatique generale et internet
[PDF] informatique s1 smia pdf
[PDF] informe de auditoria de gestion ejemplo
[PDF] informe de auditoria de gestion ejemplos