Epreuve de L3- Statistique avancées MAT50 – juin 2009 Durée : 2 h (Documents et calculatrices autorisées) Exercice 1 : On désire estimer le paramètre 1 de la distribution d’une variable aléatoire X de densité de probabilité 3 3 f ( x) x 4 0 x , . 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 veut estimer θ par la méthode du maximum de vraisemblance. a. Montrer que l’estimateur du maximum de vraisemblance de θ vaut n min( X1 ,..., X n ) . b. Calculer sa fonction de répartition et sa densité de probabilité. c. Calculer son espérance, en déduire un estimateur sans biais *n de θ. Cet estimateur est-il convergent ? 3) On veut estimer θ par la méthode des moments. a. Calculer l’estimateur des moments n de θ. b. Etudier sa convergence et donner sa loi limite. Exercice 2 : On dispose d’un échantillon ( X 1 ,..., X n ) i.i.d. issu d’une exponentielle de paramètre θ. 1) Calculer l’estimateur du maximum de vraisemblance n de θ. 2) Etudier la convergence de n et calculer l’information de Fisher relative à θ. 3) On donne les résultats suivants : La somme de n variables exponentielles indépendantes de paramètre θ a pour densité de probabilité : g ( x) 0 u neu du n!. Etudier le biais de n et son efficacité. 4) Donner la loi de n n . 1 n x n1e x si x 0 , 0 sinon. (n 1)!