[PDF] [PDF] CTU, Master Enseignement des Mathématiques Statistique

[PDF] CTU, Master Enseignement des Mathématiques Statistique

Ce polycopié contient le cours, les sujets d'exercice et leurs corrigés ainsi que les Méthode des moments 29 4 Maximum de vraisemblance 30 5 Exercices 33 La δ-méthode ou l'étude asymptotique d'un estimateur obtenu par la

[PDF] Méthodes destimation 1 Méthode des moments - Université de Nantes

Déterminer l'estimateur du maximum de vraisemblance de λ Exercice 6 La hauteur maximale en mètres de la crue annuelle d'un fleuve est une variable aléatoire 

[PDF] Exercices

Corrigé séance 4 Estimateurs maximum de vraisemblance et méthode des moments Exercices Ainsi, l'estimateur maximum de vraisemblance est p = ¯X

[PDF] Correction de lexamen de Statistique du Mardi 7 décembre 2010

7 déc 2010 · Exercice 1 : Estimation On consid`ere On admettra que les premiers moments deles résultats suivants E [Xk] = σ√ Méthode des Moments

[PDF] Corrigé : Estimation Paramétrique - ENIT

est différent de celui par méthode des moments (EMM) Exercice 2 Un estimateur linéaire et sans biais de θ s'écrit sous la forme ˆ θn 

[PDF] TD no 8 : Méthode des moments

0 1 0 0 1 0 1 0 0 1 0 1 0 0 1 Donner une estimation ponctuelle pour θ Exercice 2 Soit X le caractère égale au nombre de pannes que subit un certain type d' 

[PDF] Correction du TD 4

D'après l'exercice 1 du TD 3, cette fonction est maximale pour θ = ¯Xn On peut On pourrait aussi proposer un estimateur par la méthode des moments 

Corrigés des exercices

Corrigés des exercices théorique de S considérant ce que l'on sait de la méthode de mesure (voir section 4 2 6), l'estimateur des moments ̂θM est tel

[PDF] Feuille dexercices 2

Déterminer un estimateur des paramètres θ et γ par la méthode des moments 1) Le professeur corrige un échantillon de 7 copies et trouve une moyenne de 

[PDF] TD1 : méthode des moments et maximum de vraisemblance

En déduire l'estimateur p de p par la méthode du maximum de vraisemblance 5 Calculer le biais et l'erreur quadratique de p Exercice 2: Nous disposons d'un n-  

[PDF] estimation par intervalle de confiance exercices + corrigés pdf

[PDF] estimation par la méthode des moments exercices corrigés

[PDF] estimulacion temprana definicion pdf

[PDF] estimulacion temprana pdf libro

[PDF] estimulacion temprana pdf manual

[PDF] estimulacion temprana que es

[PDF] estm meknes 2017

[PDF] esto ecole supérieure de technologie oujda

[PDF] esto inscription 2017

[PDF] estrategia corporativa de zara

[PDF] estrategias de zara inditex

[PDF] estructura del informe de auditoria de gestion

[PDF] estructuralismo psicologia wundt pdf

[PDF] estructuralismo y funcionalismo psicologia pdf

[PDF] estudiar ingenieria en logistica en linea

CTU, Master Enseignement des

Mathématiques

Statistique Inférentielle

Jean-Yves DAUXOIS

Université de Franche-Comté

Année scolaire 2011-2012

Ce polycopié contient le cours, les sujets d"exercice et leurs corrigés ainsi que les sujets des devoirs proposés.

Les énoncés des exercices sont donnés en fin de chapitre auxquelles ils font référence.

Il est vivement conseillé d"essayer de faire sérieusement les exercices, sans aller trop rapidement voir leurs corrections détaillées en fin de polycopié. On sait en effet que, pour qu"une correction soit efficace, il faut qu"elle vienne après une période de recherche personnelle de la solution. Les devoirs, quant à eux, ne sont pas des exercices supplémentaires (ces derniers accompagnés de leurs corrections sont déjà assez nombreux !). Pour qu"ils apportent réellement autre chose que les exercices, ils doivent être faits dans les conditions d"un devoir surveillé ou d"un examen. En conséquence, il vous est vivement conseillé de faire les devoirs et de m"envoyer votre copie (éventuellement les unes après les autres). En retour vous recevrez votre copie corrigée et également une correction type du devoir. Le

premier des devoirs peut être résolu dès que l"on est parvenu à la fin de la seconde section

du Chapitre 5 . Le second est lui réalisable après avoir travaillé l"ensemble du Chapitre 5

. Les trois autres, même s"ils peuvent être "attaqués" plus tôt, ne seront réalisables

qu"une fois assimilé l"ensemble des notions. Ils peuvent fournir de bons exercices de révision en perspective de l"examen. Enfin, ce polycopié contient certainement de nombreuses coquilles et mérite encore d"être amélioré. Merci d"avance aux lecteurs attentifs de transmettre leur remarques, suggestions ou indications sur la localisation des coquilles. Un petit mail à l"adresse jean-yves.dauxois@univ-fcomte.fr et l"amélioration est prise en compte...

Bon courage !

Table des matières

Partie 1. Introduction et Modèle Statistique5

Chapitre 1. Introduction

7

Chapitre 2. Modèle Statistique

11

1. Définition

11

2. Modèle d"échantillonnage

15

3. Vraisemblance

15

4. Familles Exponentielles

16

5. Modèle position-échelle

1 7

6. Exercices

18

Partie 2. Estimation ponctuelle21

Chapitre 3. Statistique et Estimateur

23

Chapitre 4. Construction d"estimateurs

27

1. Estimateurs empiriques (des moments)

27

2. Méthode de substitution

29

3. Méthode des moments

29

4. Maximum de vraisemblance

30

5. Exercices

33

Chapitre 5. Qualité d"un estimateur

37

1. Estimateur convergent

37

2. Estimateur sans biais

39

3. Risque d"un estimateur

40

4. Information de Fisher

43

5. Borne de Cramer-Rao (ou Fréchet-Darmois-Cramer-Rao)

4 6

6. Exercices

48

Chapitre 6. Amélioration d"estimateurs

51

1. Statistique exhaustive

51

2. Statistique exhaustive minimale

54

3. Théorème de Rao-Blackwell

54

4. Théorème de Lehmann-Scheffé

56

5. Cas des familles exponentielles

57

6. Exercices

57
3 Chapitre 7. Comportement asymptotique d"un estimateur59

1. Normalité asymptotique

59

2. Estimateurs empiriques des moments

60

3. Estimateur du maximum de vraisemblance

60

4. La-méthode ou l"étude asymptotique d"un estimateur obtenu par la

méthode de substitution 61

5. Estimateurs par la méthode des moments

62

6. Exercices

63

Partie 3. Intervalles de confiance65

Chapitre 8. Intervalles de confiance exacts

67
Chapitre 9. Intervalles de confiance asymptotiques 71
Chapitre 10. Exercices sur les intervalles de confiance exacts et asymptotiques 73

Partie 4. Correction des exercices75

Correction des exercices du Chapitre 2

77

Correction des exercices du Chapitre 4

85

Correction des exercices du Chapitre 5

99

Correction des exercices du Chapitre 6

119

Correction des exercices du Chapitre 8

129

Partie 5. Devoirs135

Partie 1

Introduction et Modèle Statistique

CHAPITRE 1

Introduction

Considérons un problème de Fiabilité où l"on étudie la durée de vieXd"un matériel.

Il est raisonnable d"admettre que celle-ci est aléatoire etXest alors une variable aléa- toire (v.a.) de fonction de répartition (f.d.r.)F. Supposons que l"on soit précisément

intéressé par l"évaluation de la probabilité que le matériel soit en marche après un temps

t

0de fonctionnement, c"est à dire évaluer

F(t0) =P(X > t0) = 1F(t0):

Pour cela on observe le fonctionnementnmatériels similaires et on relève leurs temps de panne respectifs:x1;:::;xn. On noteKn=Pn i=11lxit0le nombre de matériels tombées en panne au tempst0. Il en reste doncnKnencore en marche à cet instant. Il est assez naturel d"estimer la probabilitéF(t0)par : b F(t0) =nombre de cas favorablesnombre de cas possibles =nKnn =1n n X i=11l fxi>t0g: Posons maintenant une hypothèse supplémentaire. On suppose (on sait ou on a pu vérifier) que la loi deXest une loi exponentielleE(), mais dont on ignore le paramètre

Calculons l"espérance deX. On a

E(X) =Z

+1 0 xexdx=1 Z +1 0 ueudu=(2) où () =Z +1 0 u1eudu est la fonction Gamma. On sait que(n) = (n1)!, ce qui nous donne iciE(X) = 1=. Il est assez naturel d"estimer l"espérance deXpar la moyenne empirique des temps observés, i.e. par x=1n n X i=1x i:

Ainsipeut être estimé par :

=1x=nP n i=1xi: 7

8 Chapitre 1. Introduction

Un calcul simple montre que

F(t0) =Z

+1 t

0exdx= exp(t0)

et on peut donc estimer la probabilité que le matériel fonctionne durant le tempst0 par : eF(t0) = exp(^t0): Les estimations précédentes sont appelées estimations ponctuelles. On constate en particulier que plusieurs estimateurs ont été proposés pourF(t0). Ils conduisent à des estimations différentes de la même quantité pour un seul lot de matériel testé. Mais on remarque également qu"un même estimateur peut mener à différentes estimations si on considère plusieurs lots de matériels. Les valeurs observéesx1;:::;xnn"ont en effet aucune raison d"être les mêmes. Ainsi on se pose naturellement les questions suivantes. Comment peut-on comparer différents estimateurs ? Quelle(s) définition(s) donner de la qualité d"un estimateur ? Comment mesurer l"erreur commise par un estimateur (puisqu"en particulier elle varie d"une observation à l"autre) ? Toutes ces question seront abordées dans la Partie 2 de ce cours. Ce qui précède montre que l"estimation ponctuelle a un inconvénient majeur, celui de se tromper presque toujours. Au moins dans le cas de v.a. absolument continues, ce

qui était le cas précédemment, il apparaît clairement que l"on est presque sûr de ne pas

quotesdbs_dbs1.pdfusesText_1