Comment construire un… : En choisissant une statistique… — ECG2 approfondies | MetMat

Comment construire un estimateur $T_n = \varphi(X_1, \dots, X_n)$ d'un paramètre $g(\theta)$ ?

En choisissant une statistique naturelle : moyenne empirique, fréquence, variance empirique

Fournir un estimateur simple, interprétable et justifié heuristiquement d'un paramètre inconnu.

Maîtriser

Reconnaître

Résoudre

Que ferais-tu face à un exercice de ce type ?

Soit $(X_1, \dots, X_n)$ un $n$ -échantillon de la loi $\mathcal{E}(\lambda)$ . Proposer un estimateur de $m = E(X) = 1/\lambda$ .

L'objectif

Fournir un estimateur simple, interprétable et justifié heuristiquement d'un paramètre inconnu.

Le principe

Pour estimer $E(X) = m$ , on choisit $\overline{X}_n = \frac{1}{n} \sum_{i=1}^n X_i$ ; pour $p = P(X = 1)$ , la fréquence empirique $\overline{X}_n$ ; pour $\sigma^2 = V(X)$ , la variance empirique $S_n^2 = \frac{1}{n} \sum_{i=1}^n (X_i - \overline{X}_n)^2$ ; ces statistiques sont fonctions de l'échantillon et indépendantes du paramètre inconnu.

La méthode

1
J'identifie le paramètre $g(\theta)$ à estimer et je l'interprète en termes de moment (espérance, variance, proportion).
2
Je choisis l'analogue empirique de ce moment comme statistique $\varphi(X_1, \dots, X_n)$ , en m'assurant que $\varphi$ ne dépend pas de $\theta$ .
3
Je vérifie que $T_n = \varphi(X_1, \dots, X_n)$ est bien défini et fonction uniquement des $X_i$ (et éventuellement de $n$ ).
4
Je pose $T_n$ comme estimateur de $g(\theta)$ et j'explicite l'heuristique (loi des grands nombres, analogie empirique/théorique).

Pour comprendre, fais des exercices !

Exercice d'exemple

Soit $(X_1, \dots, X_n)$ un $n$ -échantillon de la loi $\mathcal{E}(\lambda)$ . Proposer un estimateur de $m = E(X) = 1/\lambda$ .

Étape 1 —

J'identifie le paramètre

g(\theta)

à estimer et je l'interprète en termes de moment (espérance, variance, proportion).

Le paramètre à estimer est $m = E(X) = 1/\lambda$ , qui est le premier moment de $X$ .

Étape 2 —

Je choisis l'analogue empirique de ce moment comme statistique

\varphi(X_1, \dots, X_n)

, en m'assurant que

\varphi

ne dépend pas de

\theta

Je choisis la moyenne empirique $\overline{X}_n = \frac{1}{n} \sum_{i=1}^n X_i$ , analogue empirique de $E(X)$ , qui ne dépend pas de $\lambda$ .

Étape 3 —

Je vérifie que

T_n = \varphi(X_1, \dots, X_n)

est bien défini et fonction uniquement des

X_i

(et éventuellement de

n

$T_n = \overline{X}_n$ est bien fonction des $X_i$ seuls et est bien définie pour tout $n \geq 1$ .

Étape 4 —

Je pose

T_n

comme estimateur de

g(\theta)

et j'explicite l'heuristique (loi des grands nombres, analogie empirique/théorique).

On pose $T_n = \overline{X}_n$ comme estimateur de $m$ , justifié heuristiquement par la LFGN : $\overline{X}_n \to m$ presque sûrement.

$T_n = \overline{X}_n$ estime $m = 1/\lambda$ .

Les applications suivantes et la correction guidée sont réservées aux membres Premium

La méthode et sa première application corrigée restent en accès libre. Le Premium débloque les applications suivantes, l'aide IA et le suivi de ta maîtrise.

Comment construire un estimateur Tn=φ(X1,…,Xn)T_n = \varphi(X_1, \dots, X_n)Tn​=φ(X1​,…,Xn​) d'un paramètre g(θ)g(\theta)g(θ) ?

En choisissant une statistique naturelle : moyenne empirique, fréquence, variance empirique

Pour comprendre, fais des exercices !

Comment construire un estimateur $T_n = \varphi(X_1, \dots, X_n)$ d'un paramètre $g(\theta)$ ?