Upload
mohamedaliferjani
View
212
Download
0
Embed Size (px)
Citation preview
7/23/2019 ProbaChap6Exo
1/5
7/23/2019 ProbaChap6Exo
2/5
Exercice 4:
Lors dun sondage sur 100 personnes interrogees, 60 pensent voter pour A.On modelise le choix par un echantillon (X1, , X100) de variables independantes de meme loi de
Bernoulli de parametre p.On cherche a determiner un intervalle de confiance pour p au niveau de confiance 99 %.
1. Determiner lesperance et la variance de la moyenne empirique F = 1
100
100
i=1Xi.
2. On noteF la variable centree reduite associee a F.Par quelle loi peut-on approcher celle de F ? On suppose desormais que F suit la loi N(0, 1).
3. Determiner ttel que P(t F t) 0, 99 et en deduire que
P
F t
p(1p)
10 p F+ t
p(1p)
10
0, 99
4. Montrer que pour tout p [0; 1], p(1 p) 1
4 et en deduire un intervalle de confiance pour p au
niveau de confiance 0, 99 puis en donner une estimation.
Probabilites : Chapitre 6 Exercices Page 2 Estimations
7/23/2019 ProbaChap6Exo
3/5
Correction
Exercice 1:
1. Tnsexprime en fonction des Xidonc cest un estimateur de a. On cherche le biais de Tndonc il nousfaut calculer son esperance.
E(Tn
) =E(2Xn
) = 2
1
n
n
i=1E(X
i
) =
2
n
n
i=1
a
2=a
On a donc b(Tn) =E(Tn) a= 0 et ainsi Tn est un estimateur sans biais de a.
CommeTnest un estimateur sans biais dea, son risque quadratique est egal a sa variance. Or commeles Xi sont independantes on a :
V(Tn) =V
2
n
ni=1
Xi
=
4
n2
ni=1
V(Xi) = 4
n2
ni=1
a2
12=
a2
3n
2. Dapres le cours la fonction de repartition de X est definie par F(x) =
0 si x a
.
Notons Gn la fonction de repartition de Tn. Par definition Gn(x) = P(T
n x). Or [Tn x] =
[X1 x] [Xn x]. Donc comme lesXi sont independantes :
Gn(x) =P(X1 x) P(Xn x) = (F(x))n
On a donc Gn(x) =
0 si x a
.
Une densite de Tn
sobtient en derivant Gn la ou elle est derivable et en completant les pointsmanquants :
gn(t) =
0 si t a
n
a
t
a
n1
si 0 t a
Pour calculer le biais de Tn
il nous faut calculer son esperance. Comme la densite de Tn
est nulleen dehors de [0; a] et que t tgn(t) est continue sur [0; a], Tn admet une esperance et :
E(Tn
) =
a
0
tna
ta
n1
dt= nan
a
0
tn dt= nan
tn+1
n+ 1
a
0
= nan + 1
Donc b(Tn
) = na
n + 1 a=
a
n+ 1Pour les memes raison que pour lesperance, T
nadmet une variance et :
V(Tn
) =
a
0
t2 n
a
t
a
n1
dt E(Tn
)2 = n
an
a
0
tn+1 dt n2a2
(n + 1)2
=
n
an tn+2
n + 2a0
n2a2
(n + 1)2 =
na2
n + 2
n2a2
(n + 1)2
= n
(n + 2)(n + 1)2a2
Probabilites : Chapitre 6 Exercices Page 3 Estimations
7/23/2019 ProbaChap6Exo
4/5
On a donc :
r(Tn
) =V(Tn
) + b(Tn
)2 = n
(n + 2)(n + 1)2a2 +
a2
(n + 1)2
= (2n + 2)a2
(n + 2)(n + 1)2 =
2a2
(n+ 2)(n + 1)
3. On a vu que E(Tn
) = na
n + 1 donc E(T
n) =a et ainsi T
nest un estimateur sans biais de a.
De plus comme V(Tn) = n(n+ 2)(n + 1)2a2 on a V(Tn ) = a
2
n(n+ 2) et donc r(Tn ) = a
2
n(n + 2) .
4. Tn et Tn sont meilleurs que T
ncar ils sont des estimateurs sans biais. De plus lorsque n tend vers
+on a :
r(Tn) n+
a2
3
1
n et r(T
n)
n+a2
1
n2
Donc le meilleur estimateur est Tn
.
Exercice 2:
1. On sait que V(Y) =E(Y2
)E(Y)2
donc on a E(Y2
) =V(Y) + E(Y)2
.2. On a :
E(Xn) =E
1
n
ni=1
Xi
=
1
n
ni=1
E(Xi) = 1
n
ni=1
m= m
et comme les variables Xi sont independantes :
V(Xn) =V
1
n
ni=1
Xi
=
1
n2
ni=1
V(Xi) = 1
n2
ni=1
v= v
n
Grace a la question precedente on a donc E(Xn2
) = v
n+ m2.
3. On a donc :
E(Wn) =E
1
n
ni=1
X2iXn
2
=
1
n
ni=1
E(X2i) E(Xn
2)
= 1
n
ni=1
(v+ m2)v
n+ m2
=v + m2 v
nm2 =
n 1
n v
Si on pose W
n = n
n 1 Wn alors on a bien que W
n est un estimateur de v et de plus E(W
n) =n 1
n E(Wn) =v donc cest bien un estimateur sans biais.
Exercice 3:
1. Les parametres dune loi normale sont son esperance et sa variance.XN(m; 0, 0016)
2. E(T) =m et V(T) =0, 0016
100 donc T N
m;
0, 0016
100
.
On a par definition :
T = T E(T)V(T)
= Tm0, 0016/100
= Tm0, 004
Probabilites : Chapitre 6 Exercices Page 4 Estimations
7/23/2019 ProbaChap6Exo
5/5
3. On sait donc que T N(0, 1). Donc P(t T t) = (t) (t) = 2(t) 1.
On a donc
P(t T t) 0, 95 2(t) 1 0, 95 (t) 0, 975 t 1, 96
On peut donc choisir t= 1, 96.
4. Dapres la question precedente :
P(1, 96 T 1, 96) 0, 95 P1, 96 Tm0, 004
1, 96 0, 95P(0, 004 1, 96 Tm 0, 004 1, 96) 0, 95
P(T 0, 00784 m T+ 0, 00784) 0, 95
5. Dapres la question precedente [T 0, 00784; T+ 0, 00784] est un intervalle de confiance pour mauniveau de confiance 0, 95.
Le tableau de valeurs nous permet de calculer une realisation de T : 0, 7132
Un intervalle de confiance realise est donc [0, 70536; 0, 72104].
Exercice 4:
1. E(F) = 1100
100i=1
E(Xi) =p et, comme les Xi sont independantes,
V(F) = 1
10000
100i=1
V(Xi) =p(1 p)
100 .
2. Dapres le theoreme de la limite centree, comme 100 > 30, que les Xi sont independantes, suiventtoutes la meme loi et ont une variance non nulle,F suit approximativement la loi normale centreereduite.
3. On a P(t F t) = (t) (t) = 2(t) 1 donc
P(
t
F
t)
0, 99
2(t)
1
0, 99
(t)
0, 995
t
2, 58On choisit t= 2, 58.
De plus comme F = Fpp(1p)/10
, on a
P(t F t) =P
F t
p(1p)
10 p F+ t
p(1p)
10
On a donc bien P
F t
p(1p)
10 p F+ t
p(1 p)
10
0, 99
4. Il suffit ici detudier la fonction f : x x(1 x) sur [0; 1] et de remarquer quelle atteint son
maximum en x=1
2et que ce maximum vaut
1
4.
On a donc
F t
p(1p)
10 p F+ t
p(1p)
10
F t
1
20 p F+ t
1
20
donc :
P
F t
1
20 p F+ t
1
20
P
F t
p(1p)
10 p F+ t
p(1p)
10
0, 99
Donc [F 0, 129 p F+ 0, 129] est un intervalle de confiance de pau niveau de confiance 0,99.
De plus un realisation de F est dapres lenonce : 0, 6 donc une estimation de cet intervalle est[0, 471;0, 729].
Probabilites : Chapitre 6 Exercices Page 5 Estimations