Академический Документы
Профессиональный Документы
Культура Документы
Rébecca Privé
Modié le 9 novembre 2018
Exercice 8.16
en posant
n
t
et h(X ) = 2−n .
X
−n
T (X ) = |Xi | , g(t, σ) = σ exp −
i=1
σ
1
Exercice 8.17
Exercice 8.68
λk −λ
X ∼ Poisson(λ) =⇒ P(X = k) = e .
k!
a) Montrer que la distribution de X1 , · · · , Xn étant donné T est indépendante de λ et
conclure que T est une statistique exhaustive pour λ.
Nous cherchons à calculer P(X = x|T = t). À cette n, notons A, l'événement que
X = x et B l'événement que T = t. Par les propriétés des probabilités conditionnelles,
on trouve que
P(A, B) P(B|A)P(A) P(T = t|X = x)P(X = x) P(X = x)
P(A|B) = = = =
P(B) P(B) P(T = t) P(T = t)
Nous avons en eet que P(T = t|X = x) = 1 étant donné que c'est à partir de
l'échantillon X = x, que la statistique T = t a été calculée. Calculons maintenant
P(X = x) et P(T = t). Notons d'abord que puisque T est la somme de variables
aléatoires de Poisson indépendantes alors T est aussi de distribution Poisson, mais de
paramètre nλ.
n n xi Pn
λ i=1 xi −nλ
Y Y λ −λ
P(X = x) = P(Xi = xi ) = e = n
Q e
i=1 i=1
xi ! i=1 xi !
Pn
(nλ)t −nλ (nλ) i=1 xi −nλ
P(T = t) = e = Pn e
t! ( i=1 xi )!
2
On trouve par conséquent que
Pn Pn −1
λ i=1 xi −nλ (nλ) i=1 xi −nλ ( ni=1 xi )!
P
P(X = x)
P(X = x|T = t) = = Qn e e = Pn x Qn .
( ni=1 xi )!
P
P(T = t) i=1 xi ! n i=1 i i=1 xi !
en posant :
n
1
et h(X ) = Qn
X
T (X ) = Xi , g(t, λ) = λt e−nλ .
i=1 i=1 xi !
Exercice 8.69
Utiliser le théorème A de la section 8.8.1 pour conclure que T = Xi est une statistique
Pn
i=1
exhaustive quand les Xi sont i.i.d de distribution géométrique.
3
Exercice 8.70
Utiliser le théorème A de la section 8.8.1 an de trouve une statistique exhaustive pour la
distribution exponentielle.
X ∼ Exponentielle(λ) =⇒ f (x|λ) = λe−λx , x > 0.
On trouve alors que
n n
Y Y Pn
λe−λXi = λn e−λ xi
f (X |λ) = f (Xi |λ) = i=1 := g T (X ), λ h(X ),
i=1 i=1
n
en posant T (X ) = et h(X ) = 1.
X
Xi , g(t, λ) = λn e−λt
i=1
Exercice 9.1
Une pièce de monnaie est lancée 10 fois de façon indépendante an de tester l'hypothèse que
la probabilité d'obtenir face est 1/2 contre l'hypothèse alternative que cette probabilité n'est
pas 1/2. Le test rejette l'hypothèse nulle si 0 ou 10 faces sont obtenues.
Notons alors X le nombre de faces obtenues suite aux 10 lancés indépendants et p la réelle
probabilité (inconnue) d'obtenir face.
a) Quel est le niveau de signication du test ?
Le niveau α de signication d'un test est la probabilité de rejeter faussement H0 . Par
conséquent,
α = P(Rejeter H0 |H0 vraie) = P(X ∈ {0, 10}|p = 0,5)
= P(X = 0|p = 0,5) + P(X = 10|p = 0,5) = (0,5)10 + (0,5)10 ≈ 0,00195.
b) Si en fait, la réelle probabilité d'obtenir face est de 0,1, quelle est la puissance du test ?
La puissance d'un test est la probabilité de rejeter H0 sous l'alternative. L'alternative
ici considérée est que la vraie probabilité soit p = 0,1. On trouve alors que
β(p = 0,1) = P(Rejeter H0 |p = 0,1) = P(X ∈ {0, 10}|p = 0,1)
= P(X = 0|p = 0,1) + P(X = 10|p = 0,1) = (0,9)10 + (0,1)10 ≈ 0,349.
Exercice 9.2
Parmi les hypothèses suivantes, lesquelles sont simples et lesquelles sont composites ?
Une hypothèse simple est une hypothèse sous laquelle la distribution de probabilité de la
variable aléatoire d'intérêt est entièrement spéciée.
4
1. X est de distribution uniforme sur [0, 1]. Simple
2. Un dé est non biaisé. Simple
3. X est de distribution normale de moyenne 0 et variance σ 2 > 10. Composite
4. X est de distribution normale de moyenne µ = 0. Composite
Exercice 9.3
5
Puissance du test selon p
1,0
0,8
Puissance
0,6
0,4
0,2
Exercice 9.5
6
6. Une erreur de type II est une erreur plus grave qu'une erreur de type I.
Faux. En général c'est l'inverse. Il est plus grave de rejeter faussement une hypothèse
nulle que de ne pas la rejeter lorsqu'elle est fausse.
7. La puissance d'un test est déterminée par la distribution de la statistique de test sous
l'hypothèse nulle.
Faux. Elle est déterminée par la distribution de la statistique de test sous l'hypothèse
alternative.
8. Le rapport des vraisemblances est une variable aléatoire.
Vrai. Le rapport des vraisemblances est un ratio de fonctions de vraisemblance, où la
fonction de vraisemblance est par exemple la vraisemblance d'un certain paramètre
étant donné l'échantillon X observé.
Exercice 9.6
Considérons la situation du lancé de pièce de l'exercice 9.1. Supposons qu'à la place de lancer
la pièce 10 fois, on lance plutôt la pièce jusqu'à l'obtention de la première face et que le nombre
total de lancés requis, X , soit noté.
c) Quel est le niveau de signication d'un tel test qui rejette H0 si X ≥ 8 ?
Le niveau α de signication d'un test est la probabilité de rejeter faussement H0 . Or,
sous l'hypothèse nulle que la pièce est bien balancée, on trouve que
P(Rejeter H0 |H0 vraie) = P(X ≥ 8|p = 0,5) = P(7 premiers lancés soient piles|p = 0,5)
= (0,5)7 ≈ 0,00781.
Exercice9.3.R
1 # ########################### Largeur cible ###########################
3 # STT 2700 - TP 7
# Par : Rébecca Privé
5
# Pour utiliser la fonction xtable
7 library ( " xtable " , lib . loc = " ~ / R / win - library / 3.3 " )
options ( OutDec = ' , ')
9
# #########################################################################
11 # ##### Exercice 9.3 ######
7
# #########################################################################
13
15 setwd ( " C : / Users / USER / Dropbox / Maitrise / STT 2700 / TP8 " )