Cependant, nous sommes confront´es `a une difficult´e : Yn’est pas observable ex ante.
Cependant x7→ x(1 −x) est une parabole maximale en x= 1/2, de valeur 1/4 en ce
point. Si l’on se place dans la situation la moins avantageuse, on doit donc d´eterminer
le n0minimal satisfaisant `a : q1−α/2
2√n0≤0,02
Ce qui s’´ecrit encore, pour α= 0,05
n0="q0.975
0,04 2#+ 1
o`u [.] est la partie enti`ere. On obtient finalement n0= 2401.
3 Les loyers `a Paris
D´esireux de louer un studio pour vous loger, vous avez collect´e des informations sur les
loyers de studios mis en location. Vous cherchez θ0, l’esp´erance (ou plutˆot la d´esesp´erance)
du loyer `a Paris. Vous consultez donc les petites annonces et recueillez les 6 loyers suivants :
390, 460, 650, 410, 270 et 780 euros.
Un de vos camarades, plus malin que vous, a collect´e 300 annonces sur internet. Il obtient
un loyer moyen de 550 euros et un ´ecart-type de 300 euros.
A partir de deux ´echantillons suppos´es constitu´es d’observations ind´ependantes vous avez
obtenu deux estimations du loyer moyen, correspondant aux moyennes empiriques des
loyers sur chacun de ces ´echantillons.
+Q1
D´eterminez l’estimateur du maximum de vraisemblance de θ0pour chaque ´echantillon.
Quelle hypoth`ese suppl´ementaire devez-vous faire pour obtenir cet estimateur ? Qu’observez-
vous ?
Qu’en concluez-vous quant aux propri´et´es `a distance finie (i.e. avec un ´echantillon
de taille finie) et quant aux propri´et´es asymptotiques de cet estimateur ? Donnez en
particuliers leur esp´erance, leur variance, leur distribution `a distance finie et leur
distribution asymptotique, en pr´edisant `a chaque fois les hypoth`eses n´ecessaires.
Corrig´e:
On fait l’hypoth`ese que la distribution des loyers peut ˆetre repr´esent´ee par une loi
Normale d’esp´erance met de variance σ2, identiques pour les deux ´echantillons.
Par ailleurs, on suppose les observations des loyers de l’´echantillon ind´ependantes.
La densit´e d’une observation yis’´ecrit donc :
f(yi;σ2;m) = 1
√2Πσexp[−1
2σ2(yi−m)2]
La fonction de vraisemblance de l’´echantillon est donc :
L(m;σ2;y1;y2;...;yn) =
n
Y
i=1
1
√2Πσexp[−1
2σ2(yi−m)2]