I. Mod`ele statistique, identifiabilité, domination I.1. Exercice*. (1
Transcription
I. Mod`ele statistique, identifiabilité, domination I.1. Exercice*. (1
I. Modèle statistique, identifiabilité, domination I.1. Exercice*. (1) Etudier, dans chacun des cas, l’identifiabilité et la domination du modèle statistique E engendré par l’observation de la variable aléatoire X – pour le paramètre inconnu θ –, lorsque (a) la variable aléatoire X suit la loi uniforme sur [0, θ] avec θ > 0. (b) la variable aléatoire X suit la loi uniforme sur {0, 1, . . . , θ}, et θ est un entier non nul. (c) la variable aléatoire X suit la loi N (µ, σ 2 ), et θ = (µ, σ 2 ) ∈ R×]0, +∞[. (2) Soit l’expérience produit E ⊗n obtenue en considérant l’observation de n variables indépendantes de même loi que X. Etudier alors dans chacun des cas précédents l’identifiabilité et la domination du modèle. I.2. Exercice*. Soit ε1 , . . . , ε4 quatre variables aléatoires indépendantes de loi N (0, 1). On suppose que l’on observe σ Y1 = µ1 + σε1 , Y2 = µ2 + √ ε2 , 3 σ Y3 = µ2 + σε3 , Y4 = µ3 + √ ε4 , 2 où σ > 0 est connu et µ = (µ1 , µ2 , µ3 , µ4 ) ∈ R4 est inconnu. (1) Est-ce un modèle linéaire au sens du cours ? Quelle transformation peut-on appliquer aux observations pour se ramener à un modèle linéaire ? (2) Déterminer la loi de l’estimateur µ̂2 := 12 (Y2 + Y3 ) et étudier son risque quadratique c’est-à-dire Eµ (µ̂2 − µ2 )2 (3) Comparer µ̂2 à la famille d’estimateurs µ̂(α) := αY2 + (1 − α)Y3 , 0 ≤ α ≤ 1. 2 (en comparant les risques quadratiques) I.3. Exercice. Soit Y1 , Y2 et ξ trois variables aléatoires définies sur le même espace telles que : − ξ est indépendante de Y1 , ξ est indépendante de Y2 , − P (ξ = 1) = P (ξ = 0) = 1/2, − Y1 ∼ N (µ1 , 1), Y2 ∼ N (µ2 , 1) où le couple (µ1 , µ2 ) ∈ R2 est inconnu. On observe X = ξY1 + (1 − ξ)Y2 . (1) (2) (3) (4) Expliciter le modèle statistique associé. Le modèle est-il identifiable ? Calculer l’espérance et la variance de X. On fait l’hypothèse que µ1 ≤ µ2 . Montrer que le nouveau modèle est identifiable. 1 Université Paris-Diderot - M1- Statistique fondamentale 2 I.4. Exercice. Soit Y1 , Y2 et ξ trois variables aléatoires définies sur le même espace telles que : − ξ est indépendante de Y1 , − P (ξ = 1) = 1/2, ξ est indépendante de Y2 , P (ξ = 0) = 1/2, − Y1 ∼ N (0, v1 ), Y2 ∼ N (0, v2 ) où le couple (v1 , v2 ) ∈ R∗+ × R∗+ est inconnu. On observe X = ξY1 + (1 − ξ)Y2 . (1) Expliciter le modèle statistique associé. (2) Le modèle est-il identifiable ? (3) Calculer 2 1 E(X 4 ) − E(X 2 ) . 3 On rappelle que E(ξ4 ) = 3 si ξ est une variable aléatoire de loi N (0, 1). (4) On fait l’hypothèse que v1 ≤ v2 . Montrer que le nouveau modèle est identifiable. I.5. Exercice*. Soient X1 , . . . , Xn , i.i.d. de loi µθ (dx) = exp(θ − x)1[θ,+∞[ (x)dx, θ > 0. (1) Ecrire le modèle statistique associé. Est-il identifiable, dominé ? (2) Calculer Eθ {X1 } et en déduire un estimateur de θ que l’on notera θ̂n . (3) Etudier le risque quadratique Enθ {(θ̂n −θ)2 } de l’estimateur θ̂n . En déduire un intervalle de confiance non-asymptotique pour θ au niveau de risque 0 < α < 1. (4) Montrer que l’estimateur θn? := min1≤i≤n Xi est meilleur que θ̂n , par exemple en comparant leurs risques quadratiques. I.6. Exercice. Montrer que le modèle engendré par l’observation de θX, où X suit une loi de Poisson de paramètre 1 et θ ∈ R n’est pas dominé. Généraliser. I.7. Exercice. On dispose d’un ensemble de n individus et on suppose que chaque individu i a une ”propension à contracter la grippe”, Yi , déterminée par Yi = α + β.agei + ei où agei est l’âge de l’individu i en années, et les v.a.r. e1 , ..., en sont i.i.d. de loi N (0, σ 2 ), avec (α, β) ∈ R2 et σ > 0 paramètres inconnus. L’individu i contracte la grippe si et seulement si Yi > 0. (1) On suppose que l’on peut observer Y = (Y1 , ..., Yn ). Ecrire le modèle sous la forme d’un modèle linéaire gaussien. (2) Bien entendu, dans la réalité, on ne peut pas observer les variable Yi . On observe uniquement la variable Zi = 1 . Ecrire le modèle statistique associé. Le {Yi > 0} paramètre (α, β, σ) est-il identifiable ?