Epreuve de L3- Statistique avancées MAT50 – mai 2009 Durée : 2 h (Documents et calculatrices autorisées) Exercice 1 : On désire estimer le paramètre θ>0 de la distribution d’une variable aléatoire X de densité de probabilité 2x f ( x) 2 0 x 0, . sinon. Soit ( X 1 ,..., X n ) un échantillon i.i.d. de même loi que X. 1) Calculer la fonction de répartition de X, son espérance et sa variance. 2) On propose d’estimer θ par la méthode du maximum de vraisemblance. a. Montrer que l’estimateur du maximum de vraisemblance de θ vaut MV max( X1 ,..., X n ) . b. Calculer sa fonction de répartition, sa densité de probabilité, son espérance et sa variance. Cet estimateur est-il convergent ? c. En utilisant directement l’expression de la fonction de répartition de MV , montrer que 2n 1 MV L W où W est une variable exponentielle de paramètre 1. 3) On veut estimer θ par la méthode des moments. a. Calculer l’estimateur des moments M de θ. b. Etudier sa convergence et donner sa loi limite. 4) Qui de MV ou M choisiriez-vous pour estimer θ ? Exercice 2 : On dispose d’un échantillon ( X 1 ,..., X n ) i.i.d. issu d’une loi de poisson de paramètre θ. 1) On désire estimer le paramètre θ. a. Calculer l’estimateur du maximum de vraisemblance n de θ. b. Montrer que cet estimateur est sans biais convergent et efficace. Est-il une statistique exhaustive de θ ? c. Montrer que n n converge en loi et préciser sa limite. d. Soit *n 1 n ( X i X )² . Justifier l’utilisation d’une telle statistique pour n 1 i 1 estimer θ. Cet estimateur est-il-biaisé ? Sans effectuer aucun calcul supplémentaire, comparer les deux estimateurs n et *n . 2) On désire estimer le paramètre e . a. Interpréter comme la probabilité d’un évènement relatif à la variable aléatoire X 1 . b. Soit la variable aléatoire Y valant 1 si X 1 0 et 0 sinon. Donner la loi de Y, son espérance et sa variance. Que pensez-vous de Y comme estimateur de ? c. En utilisant 1), proposer un estimateur naïf de et montrer qu’il est convergent. d. En exprimant la vraisemblance de l’échantillon relativement au paramètre , montrer que l’estimateur précédent est l’EMV de .