Inscription / Connexion Nouveau Sujet
Niveau Licence-pas de math
Partager :

Préparation cours Probabilités-Statistiques

Posté par
yohannes
15-11-24 à 13:12

Bonjour, je prépare un cours en Statistiques pour mon élève. Voici mes réponses pour les exercices suivants. Que trouvez-vous ?

Exercice 1
Soit X, une variable aléatoire suivant une loi normale d'espérance u et de variance sigma : X ~ N (4,02). Le logarithme de la vraisemblance de X, est donné par :

1. Calculer l'estimateur X de l'espérance u et démontrer que cet estimateur est sans biais.
2. Rappeler la formule générale de la variance empirique s2 en fonction de sigma'^2 et sachant que (n - 1)sigma^2 = n*E(sigma^2), montrer que c'est un estimateur sans biais de s2.  


Réponse Exercice 1

1. Calcul de l'estimateur de l'espérance μ\muμ et démonstration qu'il est sans biais
Considérons une variable aléatoire X1,X2,…,Xn, indépendantes et identiquement distribuées selon une loi normale N(μ,σ2).

-La fonction de vraisemblance est : 1∑n​(Xi​−μ)^2
-Son logarithme est : 1∑n​(Xi​−μ)^2
-Pour maximiser cette fonction, on dérive par rapport à μ\muμ : ∂ln⁡L/∂μ = 0
-En résolvant, on obtient l'estimateur :  X barre
-Vérification de l'absence de biais :
-L'espérance de μ'​ est : μ
Donc, μ'  est un estimateur sans biais de μ.

2. Variance empirique et absence de biais

La variance empirique est définie par : 1∑n​(Xi​−Xˉ)2
On peut démontrer que cet estimateur est sans biais en utilisant la propriété suivante : E[s2]=σ2.

Cela provient du fait que (n−1)*s^2  suit une loi du  chi^2 χ2 centrée sur σ^2.



Préparation cours Probabilités-Statistiques

Posté par
Kalman
re : Préparation cours Probabilités-Statistiques 15-11-24 à 13:24

Je t'ai défendu sur le dernier post mais tu exagères l'ami…

Posté par
verdurin
re : Préparation cours Probabilités-Statistiques 15-11-24 à 19:03

Bonsoir yohannes.
Ce que tu écris est extrêmement confus.
Par exemple que signifie « X ~ N (4,02) ».
Parler de la vraisemblance de X n'a aucun sens.

Il me semble que tu pars de n tirages indépendants ( X1 . . . Xn ) suivant tous la même loi normale \mathcal{N}(\mu\, , \sigma^2).
Ensuite on définit  X^* = \frac1n \sum_{i=1}^nX_i.
Enfin on se demande si une observation de X* est une bonne estimation de .
C'est à dire est ce que la variable aléatoire X* est un bon estimateur de ?
C'est seulement à partir de ce moment que l'on commence à parler de vraisemblance et d'information apporté par l'échantillon.

J'ai l'impression qu'avant de vendre des cours de statistiques tu devrais en suivre.



Vous devez être membre accéder à ce service...

Pas encore inscrit ?

1 compte par personne, multi-compte interdit !

Ou identifiez-vous :


Rester sur la page

Inscription gratuite

Fiches en rapport

parmi 1749 fiches de maths

Désolé, votre version d'Internet Explorer est plus que périmée ! Merci de le mettre à jour ou de télécharger Firefox ou Google Chrome pour utiliser le site. Votre ordinateur vous remerciera !