Feuille de TD1

Exercice 1.
Soient (X1 , . . . , X6 ) un échantillon aléatoire relatif à une variable aléatoire normale X ; N (m, σ 2 ).
Déterminer la valeur de la constante c pour que la statistique

T = c (X1 − X2 )2 + (X3 − X4 )2 + (X5 − X6 )2

 

soit un estimateur sans biais de σ 2 .

Exercice 2.
On souhaite tester l’efficacité d’un traitement à l’aide d’un essai clinique. On traite n patients
atteints de la pathologie de façon indépendante et on désigne par p la probabilité qu’un individu
soit guéri par le traitement. Pour tout i = 1, . . . , n, on note

1 si le ime patient est guéri de la pathologie,


xi =
0 sinon.

1. On suppose que (x1 , . . . , xn ) est une réalisation de n variables aléatoires (X1 , . . . , Xn ) indépen-
dantes et identiquement distribuées. Quelle est la loi de X1 ?

2. On pose Sn = ni=1 Xi . Calculer l’espérance et la variance de Sn .

P

3. En déduire que pbn = Snn est un estimateur sans biais de p et pbn converge en moyenne quadra-
tique vers p lorsque n → ∞.

4. pbn est-il efficace?

5. On veut maintenant estimer θ = p2 . On considère l’estimateur θbn défini par θbn = pb2n .

(a) Exprimer l’espérance de θbn en fonction de la variance et de l’espérance de Sn .

(b) En déduire que l’estimateur θbn n’est pas un estimateur sans biais de θ.
(c) L’estimateur θbn est-il asymptotiquement sans biais ?

6. On suppose que le nombre d’observations n est pair. Pour i = 1, . . . , n2 , on pose

Zi = X2i−1 X2i .

(a) On admet que les variables aléatoires (Z1 , . . . , Z n2 ) sont indépendantes et identiquement
distribuées. Quelle est la loi de Z1 ?
P n2
(b) Montrer que Tn = n2 i=1 Zi est un estimateur sans biais de θ.
(c) Tn est -il efficace?
(d) Montrer que Tn converge en moyenne quadratique vers θ.
Exercice 3.
Afin d’organiser au mieux l’accueil des groupes de visiteurs d’un parc d’attractions, on note la durée
X séparant l’arrivéé de deux groupes successifs. A partir des observations X1 , . . . , Xn recueillies
dans une journée, on retient comme modèle la loi uniforme sur [0, θ]. On souhaite estimer le
paramètre θ > 0.

1. Calculer E(X) et Var(X).

2. Trouver un réel c ∈ R pour que l’estimateur

n
1 X
Un = Xi
cn
i=1

soit un estimateur sans biais du paramètre θ.

3. Déterminer son risque quadratique.

4. Déterminer la fonction de répartition de X.

5. On note Vn = max(X1 , . . . , Xn ). Exprimer l’événement (Vn ≤ x) à partir des évémenents

(Xi ≤ x) pour i = 1, . . . , n.

6. En déduire la fonction de répartition de la variable aléatoire Vn .

7. Quelle est la loi de la densité de Vn ?

8. Vn est-il un estimateur sans biais de θ? asymptotiquement sans biais?

9. Déterminer le risque quadratique de Vn .

10. Construire un estimateur sans biais de θ à partir de Vn . On le note Wn .

11. Déterminer la variance de Wn .

12. Comparer les estimateurs Un et Wn .

Exercice 4 :
Soit X une variable aléatoire normale, d’espérance θ et de variance 2θ où θ est un paramètre réel
inconnu strictement positif que l’on propose d’estimer à partir d’un échantillon (X1 , · · · , Xn ) de
v.a. indépendantes, de même loi que X. On pose
n n
1X 1 X
Xn = Xi , Sn2 = (Xi − X n )2
n n−1
i=1 i=1

1. Déterminer l’information de Fisher apportée par l’échantillon au point θ.

2. Etudier les propriétés de l’estimateur X n (biais, convergence, efficacité).

3. Proposer un estimateur sans biais Tn de θ construit à partir de Sn2 et montrer qu’il est con-
vergent. Indication: Si X ; χ2 (ν) alors E(X) = ν et Var(X) = 2ν

4. L’estimateur Tn est-il efficace?

5. Comparer les deux estimateurs X n et Tn .

Exercice 5 :
Soit X la variable aléatoire égale au nombre de pannes que subit un certain type d’appareil élec-
troménager. On suppose que X suit une loi de Poisson de paramètre λ:

λk −λ
P(X = k) = e , k ∈ N,
k!
où λ > 0 est un paramètre inconnu. Soient n ∈ N∗ et (X1 , . . . , Xn ) un n-échantillon de X. On pose
n n
X Sn 1X
Sn = Xi Xn = = Xi .
n n
i=1 i=1

1. Déterminer la loi de Sn . Montrer que X n est un estimateur sans biais de λ. Etudier sa

convergence.

2. Dorénavant, on cherche à estimer la probabilité qu’il n’y ait aucune panne. Cette probabilité
est notée θ.

(a) Exprimer θ en fonction de λ.

(b) On pose Tn = e−X n . Calculer E(Tn ) et montrer que Tn n’est pas un estimateur sans
biais de θ. Est-il asymptotiquement sans biais?
Indication: Si X ; P(λ) et Y ; P(µ) avec X et Y indépendantes, alors X + Y ;
P(λ + µ).

S
(c) On pose θbn = 1 − n1 n . Montrer que θbn est un estimateur sans biais de θ.
(d) Calculer la variance de θbn . Est-ce-que θbn est un estimateur convergent?
(e) Application: Un expérimentateur a relevé le nombre de pannes que subissent P 10000
appareils de ce type. Les mesures obtenues, notées x1 , . . . , x10000 , donnent ni=1 xi =
20000. Donner une estimation ponctuelle de la probabilité qu’il n’y ait aucune panne.