Ce document contient plusieurs exercices sur des concepts statistiques comme les lois de probabilité, les densités de probabilité, les fonctions de répartition et les estimations. Les exercices impliquent des calculs de probabilités pour des variables aléatoires suivant différentes lois comme la loi normale, la loi exponentielle et la loi binomiale.
0 évaluation0% ont trouvé ce document utile (0 vote)
152 vues5 pages
Ce document contient plusieurs exercices sur des concepts statistiques comme les lois de probabilité, les densités de probabilité, les fonctions de répartition et les estimations. Les exercices impliquent des calculs de probabilités pour des variables aléatoires suivant différentes lois comme la loi normale, la loi exponentielle et la loi binomiale.
Ce document contient plusieurs exercices sur des concepts statistiques comme les lois de probabilité, les densités de probabilité, les fonctions de répartition et les estimations. Les exercices impliquent des calculs de probabilités pour des variables aléatoires suivant différentes lois comme la loi normale, la loi exponentielle et la loi binomiale.
Ce document contient plusieurs exercices sur des concepts statistiques comme les lois de probabilité, les densités de probabilité, les fonctions de répartition et les estimations. Les exercices impliquent des calculs de probabilités pour des variables aléatoires suivant différentes lois comme la loi normale, la loi exponentielle et la loi binomiale.
Téléchargez comme PDF, TXT ou lisez en ligne sur Scribd
Télécharger au format pdf ou txt
Vous êtes sur la page 1/ 5
Licence d’Etude Fondamentale E.G.
Série 1 - Echantillonnage et estimation
A.U. 2023-2024
Exercice 1 On considère la fonction f définie sur R par f (x) = −0, 75x2 + 0, 75. 1. Vérifier que f est bien une densité de probabilité sur [−1; 1]. 2. Soit X une variable aléatoire de densité f . Calculer la probabilité P(0 < X < 0, 5). 1. f (x) = 0, 75 1 − x2 . Donc le signe de f est celui de 1 − x2 . Vous saviez déjà le déterminer en
classe de seconde, soit en factorisant (identité remarquable), soit directement. f est nulle pour x = −1 et x = 1 et positive entre ces valeurs (négative partout ailleurs). Donc f est bien positive sur I. f est une fonction polynomiale de degré 2 . Elle est donc continue sur R. Intégrons. Pour cela, il faut déterminer une primitive. 1 x3 Z 1 3 2 3 3 − x + dx = x− −1 4 4 4 3 −1
Ainsi 34 1 − 13 − −1 + 13 = 34 × 43 = 1 Par conséquent, f est indiscutablement une fonction de
densité ! 2. Nous cherchons P(0 < X < 0, 5). 0,5 x3 0, 53 Z 0,5 3 2 3 3 3 P(0 < X < 0, 5) = − x + dx = x− = 0, 5 − = 0, 34375 0 4 4 4 3 0 4 3
Exercice 2 Soit la fonction suivante, où λ est un réel strictement positif
0 si x < 0 f (x) = λ e−λ x si x ⩾ 0
Démontrer qu’il s’agit d’une densité de probabilité.
Étape 1 : montrons que f est positive. Pour tout réel x, la fonction exponentielle est strictement posi- tive. Comme λ > 0, alors f > 0. Étape 2 : montrons qu’elle est continue. Lorsque x < 0, f est une fonction constante, donc continue. Lorsque x ⩾ 0, f est une composée de deux fonctions : une linéaire (d’expression −λ x ) et une expo- nentielle, toutes deux continues. De plus, f (0) = 0. Donc f est continue en 0 . II s’ensuit que f est continue sur R. Étape 3 : intégrons ! Dans un premier temps, nous intégrerons f entre 0 et un réel x > 0. Lorsque
1 x < 0, il est évident que l’intégrale est nulle. Z x Z x f (x)dx = λ e−λ x dx 0 0 1 −λ x x Z x ⇔ f (x)dx = λ − e 0 λ 0 ! e−λ x 1 Z x ⇔ f (x)dx = λ − + 0 λ λ Z x ⇔ f (x)dx = −e−λ x + 1 0
Dans un second temps, nous examinons le cas ou x tend vers l’infini. Nous avons une composition de limites. Rappelons que λ > 0.
lim −λ x = −∞ et lim ex = 0 x→+∞ x→−∞
Par composition : limx→+∞ e−λ x = 0 Par conséquent :
Z x lim λ e−λ x dt = 1 x→+∞ 0
L’aire délimitée par la courbe représentative de f et par l’axe des abscisses est égale à 1. Les trois conditions sont remplies. La fonction f est bien une densité de probabilité sur R. Remarque : il s’agit de la densité de la loi exponentielle.
Exercice 3 Soit X une variable aléatoire dont la fonction de densité est
( c 1 − x2 −1 < x < 1
f (x) = 0 sinon.
1. Calculer la valeur de c. 2. Quelle est la fonction de répartition de X ? 3. Calculer E(X).
1. Pour calculer la valeur de c, on se sert du fait que l’intégrale de la fonction de densité sur tout son domaine est égale à 1 . x=1 x3 Z 1 4 Z ∞ 2
f (x)dx = c 1 − x dx = c x − = c=1 −∞ −1 3 x=−1 3
et donc c = 3/4. 2. Considérons le cas pour lequel −1 < x < 1 t=x t3 x2 Z x 3 3 1 F(x) = P(X < x) = f (t)dt = t− = x 1− + . −1 4 3 t=−1 4 3 2
2 Par conséquent, la fonction de répartition est 0 2 si x ⩽ −1 3 x 1 F(x) = 4x 1 − 3 + 2 si |x| < 1 1 si x ⩾ 1
3. Z 1 3 Z ∞ x − x3 dx = 0.
E(X) = x f (x)dx = −∞ 4 −1 Ce résultat est évident car on intègre une fonction impaire (x f (x)) sur un domaine centré sur 0.
Exercice 4 (Loi Normale centrée réduite).
Soit X une variable aléatoire suivant la loi normale centrée réduite. Calculer
(i) P(0 ⩽ X ⩽ 1, 42) (ii) P(−0, 73 ⩽ X ⩽ 0) (iii) P(−1, 37 ⩽ X ⩽ 2, 01)
5 5 ⩽ 5 = P (−1, 6 ⩽ Z ⩽ 1, 6) où Z suit une loi N(0; 1), donc P(12 ⩽ X ⩽ 28) = F(1, 6) − F(−1, 6) = 1 − (1 − F(1, 6)) = 2F(1, 6) − 1 ≃ 2 × 0, 9452 − 1 ≃ 0, 8904.
3 Exercice 6 (Approximation d’une loi binomiale par une loi normale). Utiliser une approximation par une loi normale pour calculer les probabilités suivantes à 1% près où X suit une loi B(50; 0, 4) : P(15 ⩽ X ⩽ 25), P(X ⩽ 20) et P(X ⩾ 18). Lorsqu’on a une variable aléatoire X qui suit une loi binomiale B(n, p) avec n grand et p ni trop p La moyenne (µ) de la loi petit ni trop grand, on peut utiliser une approximation par une loi normale. normale est donnée par µ = np et l’écart type (σ ) est donné par σ = np(1 √ − p). Dans votre cas, X suit une loi B(50, 0, 4), donc µ = 50 × 0, 4 = 20 et σ = 50 × 0, 4 × 0, 6 ≈ 3, 464. Les probabilités que vous avez demandées peuvent maintenant être approchées en utilisant la distri- bution normale.
(i) P(15 ⩽ X ⩽ 25) :
15 − µ 25 − µ P(15 ⩽ X ⩽ 25) ≈ P ⩽Z⩽ σ σ
15 − 20 25 − 20 ≈P ⩽Z⩽ 3, 464 3, 464 Vous pouvez utiliser une table de la distribution normale standard pour trouver cette probabilité. (ii) P(X ⩽ 20) : 20 − µ P(X ⩽ 20) ≈ P Z ⩽ σ
20 − 20 ≈P Z⩽ 3, 464 Vous pouvez également utiliser une table de la distribution normale standard pour trouver cette pro- babilité. (iii) P(X ⩾ 18) :
18 − µ P(X ⩾ 18) ≈ P Z ⩾ σ
18 − 20 ≈P Z⩾ 3, 464 Utilisez une table de la distribution normale standard pour trouver cette probabilité. Assurez-vous de vérifier les conditions d’application de l’approximation normale, en particulier lorsque n est grand.
Exercice 7 (Loi Khi-deux).
2 Soit X une variable aléatoire de loi X(n) 1. Pour n = 13 (a) Calculer P(5 < X < 24.73). (b) Déterminer les valeurs des quantiles u1 et u2 si P (X < u1 ) = 0, 995 et P (X > u2 ) = 0, 05 2. Quelle est la valeur de la propabilité (a) si n = 50 (Utiliser une loi approchée de X). 2 1.(a). X ∼ X(13) Donc, P(5 < X < 24, 73) = 0, 975 − 0, 025 = 0, 95 (A l’aide de la table de la distribution de X 2 avec n = 13 degré de liberté). (b) Déterminons les valeurs de u1 et u1 . P (X < u1 ) = 0, 995, donc u1 = 3, 565 P (X > u2 ) = 0, 05,
4 donc 1 − P (X < u2 ) = 0, 05, alors P (X < u2 ) = 1 − 0, 05 = 0, 95 D’où u2 = 5, 8919. 2. Puisque n = 40 > 30, donc la loi X402 peut être approximé par la loi normale, avec
√ √ √ √ Y = 2Y − 2n − 1 = 2X − 79 ∼ N(0, 1)
Donc √ √ p √ P(5 < X < 24, 3) = P( 2 × 5 − 79 < Y < 2 × 24, 73 − 79) = P(1, 85 ⩽ Y ⩽ 5, 75) = F(5, 75) − F(1, 85) = 0, 032.
Exercice 8 (Loi student).
Soit X une variable aléatoire qui suit une loi de student à v = 10 degré de liberté 1. Calculer les probabilités P(X < −1, 093) et P(0, 541 < X < 2, 228). 2. Quand v = 60, donner une loi approchée de la variable aléatoire X et calculer P(|X| < 1, 65). 1. P(X < −1, 093) = P(X > 1, 093) = 1 − P(X < 1, 093) = 1 − 0, 85 = 0, 15 P(0, 541 < X < 2, 228) = P(X < 2, 228) − P(X < 0, 541) = 0, 975 − 0, 7 = 0, 275. 2. n = 60 > 30 donc si X ∼ T (60) alos X ∼ N(0, 1) Donc
