Examen 2023 2024
Examen 2023 2024
Examen 2023 2024
Examen
Rappels
— Il sera tenu compte du soin apporté à la présentation et à la rédaction. Si vous n’arrivez pas à
démontrer un résultat, vous pouvez l’admettre pour la suite de l’exercice.
— Pour a > 0 et b > 0, la loi Gamma(a, b) a pour densité par rapport à la mesure de Lebesgue sur R
la fonction
ba a−1 −bx
x 7→ x e 1x>0 .
Γ(a)
La loi inverse-Gamma IG(a, b) est la loi de l’inverse d’une variable aléatoire de loi Gamma(a, b), et
a pour densité par rapport à la mesure de Lebesgue sur R la fonction
ba −a−1 −b/x
x 7→ x e 1x>0 .
Γ(a)
Exercice 1 (9 points)
Soient a > 0 et n ≥ 2. On considère le cadre bayésien suivant :
θ ∼ Π = IG(a, 1)
⊗n
1
X = (X1 , . . . , Xn ) θ ∼ E ,
θ
1/9
5. En déduire le risque de Bayes RB (Π) pour l’a priori Π et la perte `.
6. Pour γ > 0, on pose Tγ (X) = γX n .
(a) Calculer la fonction de risque de Tγ (pour la perte `). Que vaut Rmax (Tγ ) ?
(b) Déterminer γ ∗ = arg minγ>0 Rmax (Tγ ).
(c) Montrer que Tγ ∗ est minimax.
7. Soit θ0 > 0.
(a) Montrer que, sous Pθ⊗n
0
, on a
nvX −→ θ02 .
P
(c) Montrer que pour toute suite (Mn )n≥1 avec Mn → +∞, on a, sous Pθ⊗n
0
:
Mn P
P |θ − θ0 | > √ X −→ 0 .
n
3x2
fθ (x) = 1 (x),
θ3 [0,θ]
avec θ > 0 un paramètre inconnu que l’on souhaite estimer. Pour ce faire, on dispose de variables aléatoires
i.i.d. X1 , . . . , Xn de même loi que X.
1. Le modèle est-il régulier ?
2. Calculer et représenter la fonction de répartition F de la variable aléatoire X.
3. Déterminer la médiane de la loi de X et en déduire un estimateur θbn de θ. Préciser sa normalité
asymptotique. Pour 0 < α < 1, donner un intervalle de confiance de niveau asymptotique (1 − α).
4. Déterminer l’estimateur du maximum de vraisemblance.
5. Soit X(n) = max1≤i≤n Xi . Construire un intervalle de confiance de niveau (1 − α) de la forme
[X(n) ; cα,n X(n) ], où cα,n ≥ 1 est une constante que l’on précisera.
6. Déduire de la question précédente un test au niveau α pour les hypothèses :
H0 : θ = 1 contre H1 : θ 6= 1.
2/9
10. Entre X(n) et θbn , quel estimateur choisissez-vous ?
H0 : θ ≤ 1 contre H1 : θ > 1
(200,)
[ 3.25617103 -1.24290386 0.21805856 -0.72901134 2.81435003 2.29702943
1.68190239 1.17001241 -0.76642552 1.7031285 ]
(a) On note Φ la fonction de répartition de N (0, 1). Par quoi faut-il remplacer ??? et $$$ pour
1 Pn
calculer la réalisation du test T (x) = 1xn >1+ √1 Φ−1 (1−α) (avec xn = n i=1 xi ) et la p-valeur
√ n
associée α0 (x) = 1 − Φ( n(xn − 1)) ?
alpha = 0.05
threshold = 1 + stats.norm.ppf(1-alpha) / np.sqrt(n)
test = ??? > threshold
alpha0 = 1 - $$$
print(test, alpha0)
False 0.4135433062246249
x, y = 0, 1
sample = [(x, y)]
for i in range(n):
x = stats.expon(scale=1/y).rvs()
y = stats.gamma(a=3, scale=1/(1+x)).rvs()
sample.append((x, y))
sample = np.asarray(sample)
3/9
plt.hist(sample[:, 1], density=True, bins='auto')
plt.plot(u, stats.gamma(a=2, scale=1).pdf(u))
4/9