Comment montrer qu'un… : En exhibant le biais b(theta) =… — ECG2 approfondies | MetMat

Comment montrer qu'un estimateur est sans biais en vérifiant $E_\theta(T_n) = g(\theta)$ ?

En exhibant le biais $b(\theta) = E_\theta(T_n) - g(\theta)$ puis en corrigeant par un facteur multiplicatif

Construire un estimateur sans biais à partir d'un estimateur biaisé en corrigeant par une constante calculable.

Maîtriser

Reconnaître

Résoudre

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

Soit $(X_1, \dots, X_n)$ un $n$ -échantillon de loi de variance $\sigma^2$ et d'espérance $m$ . Montrer que la variance empirique $S_n^2 = \frac{1}{n} \sum_{i=1}^n (X_i - \overline{X}_n)^2$ est biaisée pour $\sigma^2$ et en déduire un estimateur sans biais.

L'objectif

Construire un estimateur sans biais à partir d'un estimateur biaisé en corrigeant par une constante calculable.

Le principe

Si un estimateur $T_n$ vérifie $E_\theta(T_n) = c(n) \cdot g(\theta)$ avec $c(n)$ indépendant de $\theta$ et $c(n) \neq 0$ , alors $T_n' = T_n / c(n)$ satisfait $E_\theta(T_n') = g(\theta)$ et est sans biais.

La méthode

1
Je calcule $E_\theta(T_n)$ par linéarité et par les propriétés des $X_i$ (espérance, variance, indépendance).
2
J'écris $E_\theta(T_n)$ sous la forme $c(n) \cdot g(\theta)$ où $c(n)$ ne dépend pas de $\theta$ , et j'identifie le biais $b(\theta) = (c(n) - 1) \cdot g(\theta)$ .
3
Je pose $T_n' = T_n / c(n)$ (si $c(n) \neq 0$ ) et je vérifie $E_\theta(T_n') = g(\theta)$ .
4
Je conclus que $T_n'$ est un estimateur sans biais de $g(\theta)$ , déduit de $T_n$ par correction multiplicative.

Pour comprendre, fais des exercices !

Exercice d'exemple

Étape 1 —

Je calcule

E_\theta(T_n)

par linéarité et par les propriétés des

X_i

(espérance, variance, indépendance).

On admet (résultat du cours) $E(S_n^2) = \frac{n-1}{n} \sigma^2$ , calculé par linéarité et en utilisant $E(X_i^2) = \sigma^2 + m^2$ , $V(\overline{X}_n) = \sigma^2/n$ .

Étape 2 —

J'écris

E_\theta(T_n)

sous la forme

c(n) \cdot g(\theta)

où

c(n)

ne dépend pas de

\theta

, et j'identifie le biais

b(\theta) = (c(n) - 1) \cdot g(\theta)

Ainsi $E(S_n^2) = c(n) \sigma^2$ avec $c(n) = (n-1)/n$ ; le biais vaut $b(\sigma^2) = (c(n) - 1) \sigma^2 = -\sigma^2/n \neq 0$ .

Étape 3 —

Je pose

T_n' = T_n / c(n)

(si

c(n) \neq 0

) et je vérifie

E_\theta(T_n') = g(\theta)

On pose $S_n^{*2} = S_n^2 / c(n) = \frac{n}{n-1} S_n^2 = \frac{1}{n-1} \sum_{i=1}^n (X_i - \overline{X}_n)^2$ et on a $E(S_n^{*2}) = \sigma^2$ .

Étape 4 —

Je conclus que

T_n'

est un estimateur sans biais de

g(\theta)

, déduit de

T_n

par correction multiplicative.

Donc $S_n^{*2}$ est un estimateur sans biais de $\sigma^2$ , appelé variance empirique corrigée.

$S_n^{*2} = \frac{1}{n-1} \sum (X_i - \overline{X}_n)^2$ est sans biais.

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 montrer qu'un estimateur est sans biais en vérifiant Eθ(Tn)=g(θ)E_\theta(T_n) = g(\theta)Eθ​(Tn​)=g(θ) ?

En exhibant le biais b(θ)=Eθ(Tn)−g(θ)b(\theta) = E_\theta(T_n) - g(\theta)b(θ)=Eθ​(Tn​)−g(θ) puis en corrigeant par un facteur multiplicatif

Pour comprendre, fais des exercices !

Comment montrer qu'un estimateur est sans biais en vérifiant $E_\theta(T_n) = g(\theta)$ ?

En exhibant le biais $b(\theta) = E_\theta(T_n) - g(\theta)$ puis en corrigeant par un facteur multiplicatif