Universit dOrlans - Licence Economie et Gestion

Statistique Mathmatique
C. Hurlin. Correction Examen Novembre 2007
Exercice 1 Prvision Non Conditionnelle du Taux de Croissance du PIB Franais. Barme : 7
points
Votre direction vous demande dtudier les proprits du taux de croissance du PIB annuel
Franais en volume. Pour cela, on vous donne un chantillon de = 47 observations allant de 1960
2006. Sur la Figure 1 sont reportes un certain nombre de statistiques descriptives obtenues sur
cet chantillon. On suppose que les taux de croissance du PIB aux dates t, nots A
t
, sont i.i.d. de
mme loi que A avec 1 (A) = : et \ (A) = o
2
.
Question 1 (1.5 point) On sait que la moyenne empirique A
N
=

N
i=1
A
i
, est un estimateur
convergent de lesprance :. On fait lhypothse que le taux de croissance du PIB est distribu
selon une normale
_
:, o
2
_
. Ds lors, on sait que :
A
N
:
o,
p

(0, 1) (1)
Par dnition (0.5 point) :
Pr
_
t
=2
<
_
A
N
:
_
o,
p

< t
1=2
_
= 1 c (2)
o t
=2
et t
1=2
dsignent respectivement les fractiles dordre c,2 et 1c,2 de la loi (0, 1) .
On en dduit nalement (0.5 point):
1C
1
=
_
A
N

o
p

t
1=2
; A
N

o
p

t
=2
_
(3)
Application Numrique : o = 2.11, A
N
= 3.336, = 47, c = 5%
t
1=2
= 1.96 t
=2
= 1.96 (4)
Dom lon tire que :
1C
0:95
=
_
3.336
2.11
p
47
1.96 ; 3.336 +
2.11
p
47
1.96
_
= [2.73; 3.93] (0.5 point) (5)
Question 2 (1 point) Votre direction vous demande une prvision ponctuelle et un inter-
valle de conance 95% sur le taux de croissance du PIB en 2007 simplement fonds sur
lesprance (non conditionnelle) du taux de croissance du PIB. Si lon pose :
A
2007
= 1 (A) = : (6)
C. Hurlin. Correction Examen Novembre 2007 page 2
Ds lors, une prvision ponctuelle du taux de croissance en 2007 correpond tout simplement
un estimation ponctuelle de :. Pour cela, on considre tout simplement la moyenne em-
pirique, estimateur convergent de : :

A
2007
= : = 3.336% (7)
Ainsi, on prvoit 3.336% de croissance pour 2007, prvision fortement optimiste.... De la mme
faon, un intervalle de conance 95% sur le taux de croissance 2007 est tout simplement
gal :
1C
0:95
= [2.73%; 3.93%] (8)
Sur la base de lesprance non conditionnelle, il y a 95% de chance que le taux de croissance
2007 soit compris entre 2.73% et 3.93%.
Question 3 (2 points) Soit o
2
N
, la variance empirique corrige telle que :
o
2
N
=
1
1
N

i=1
_
A
i
A
N
_
2
(9)
On sait que
A
N
:
o
N
,
p

otndc:t ( 1) (0.5 point) (10)

Ds lors on a par dnition :
Pr
_
t
=2
<
_
A
N
:
_
o
N
,
p

< t
1=2
_
= 1 c (11)
o t
=2
et t
1=2
dsignent respectivement les fractiles dordre c,2 et 1-c,2 de la loi otndc:t ( 1) .
On en dduit nalement (0.5 point):
1C
1
=
_
A
N

o
N
p

t
1=2
; A
N

o
N
p

t
=2
_
(12)
Application Numrique : o
N
= 2.11 et A
N
= 3.336 = 47, c = 5%
t
1=2
= 2.131 (0.5 point) (13)
Do lon tire que :
1C
0:95
=
_
3.336
2.11
p
47
2.131 ; 3.336 +
2.11
p
47
2.131
_
= [2.68; 3.99] (0.5 point) (14)
On vrie que lintervalle de conance est alors beaucoup plus large que lorsque lon suppose
o
2
connue puisque sur la base de lesprance non conditionnelle, il y a 95% de chance que le taux
de croissance 2007 soit compris entre 2.68% et 3.99%
Question 4 (1.5 point) Votre direction vous demande enn un intervalle de conance pour un
risque de 10% sur la valeur de la variance du taux de croissance du PIB o
2
. Soit o
2
N
, la
variance empirique corrige telle que :
o
2
N
=
1
1
N

i=1
_
A
i
A
N
_
2
(15)
2
C. Hurlin. Correction Examen Novembre 2007 page 3
On sait que
o
N
o
2
( 1) ( 1) (0.5 point) (16)
Par dnition :
Pr
_
t
=2
<
o
N
o
2
( 1) < t
1=2
_
= 1 c (17)
o t
=2
et t
1=2
dsignent respectivement les fractiles dordre c,2 et 1-c,2 de la loi du
chi-deux ( 1) degrs de libert. On en dduit nalement (0.5 point):
Pr
_
o
N
( 1)
t
1=2
< o
2
<
o
N
( 1)
t
=2
_
= 1 c (18)
Application numrique : o
N
= 2.11
2
= 4.4521, = 47, c = 10%. On a donc :
t
0:1
= 34.2152 (19)
t
0:9
= 58.6405 (0.5 point) (20)
Pr
_
4.4521 46
58.6405
< o
2
<
4.4521 46
34.2152
_
= 1 c (21)
Ainsi, on a :
1C
0:95
= [3, 49; 5.98] (0.5 point) (22)
Question 5 (1 point) Distribution non normale. Discussion sur la skewness et la kurtosis (les
tests ne sont pas au programme).
================
Exercice 2 Vrai - Faux Barme 6 points
Toute rponse non justie sera considre comme fausse.
Question 1 (0.5 point) VRAI. La loi normale tant symtrique, son moment dordre 3 centr
(skweness) est nul.
j
3
= 1
_
(A 1 (A))
3
_
= 0 (23)
Rappelons que la fonction gnratrice de moments centrs de la loi normale est :
j(r) = 1 [(A :)
r
] =
_
_
_
o
r
2
r
2
(
r+1
2
)
(
1
2
)
r pair
0 r impair
(24)
Question 2 (0.5 point) FAUX La fonction de densit dune v.a.r. A distribue selon une loi
Student degrs de libert est en eet leptokurtique, mais son degr de kurtosis dcrot
avec . En eet, lorsque tend vers linni, la distribution de Student converge vers la
distribution normale, qui est une distribution mesokurtique.
3
C. Hurlin. Correction Examen Novembre 2007 page 4
Question 3 (0.5 point) VRAI. En eet, si A et 1 sont deux variables alatoires indpendantes
o A suit une loi du chi-deux
1
degrs de libert et 1 suit une loi du chi-deux
2
degrs
de libert, alors la variable 7 vrie :
7 =
A,
1
1,
2
=

2

1
A
1
1 (
1
,
2
) (25)
o 1 (
1
,
2
) dsigne la loi de Fisher-Snedecor
1
et
2
degrs de libert.
Question 4 (0.5 point) VRAI. En eet, on sait que daprs la loi faible des grands nombres si
les variables A
i
sont i.i.d. avec 1 (A
i
) = j, alors lorsque tend vers linni, la moyenne
empirique converge en probabilit vers lesprance j
A
N
p
!
N!1
j (26)
Par dnition de la convergence en probabilit, cela revient :
Pr
_

A
N
j

< - (27)
quelques soient les valeurs c 0 et - 0 pour qui tend vers linni.
Question 5 (0.5 point) FAUX. Daprs le thorme central limite, lorsque tend vers linni,
on sait que :
p

_
A
N
1 (A)
_
L
!
N!1
(0, \ ar (A)) (28)
Or si A suit une loi du chi-deux 1 degrs de liberts, on a 1 (A) = 1 et \ ar (A) = 21,
ds lors :
p

_
A
N
1
_
L
!
N!1
(0, 21) (29)
Question 6 (0.5 point) VRAI Soit fA
1
, A
2
, .., A
N
g un -chantillon de variables alatoires i.i.d.de
mme loi que A, o A
_
:, o
2
_
, alors on sait que o
2
N
, la variance empirique corrige,
vrie :
o
2
N
=
1
1
N

i=1
_
A
i
A
N
_
2
(30)
avec :
_
1
1
_
o
2
N
o
2

2
( 1) (31)
Ds lors, on sait que :
\
_
( 1)
o
2
N
o
2
_
= 2 ( 1) (32)
()
( 1)
2
o
4
\
_
o
2
N
_
= 2 ( 1) (33)
Do lon tire que:
\
_
o
2
N
_
=
2o
4
( 1)
(34)
4
C. Hurlin. Correction Examen Novembre 2007 page 5
Question 7 (1 point) VRAI On considre une variable A qui suit une loi 1(, j) . On rappelle
que la probabilit que A prenne une valeur r vrie :
Pr (A = r) = C
x
N
j
x
(1 j)
Nx
(35)
Ds lors, la vraisemblance correspond tout simplement :
1(j) = C
X
N
j
X
(1 j)
NX
(36)
Il sensuit que la log-vraisemblance vrie :
log 1(j) = log
_
C
X
N
_
+A log (j) + ( A) log (1 j) (37)
Par consquent :
0 log 1(j)
0j
=
A
j

A
1 j
(38)
Ainsi un point candidat j la maximisation de la log-vraisemblance vrie :
0 log 1(j)
0j

b p
= 0 ()
A
j
=
A
1 j
() j =
A

(39)
On vrie quil sagit bien dun maximum puisque :
0
2
log 1(j)
0j
2

b p
=
A
j
2

( A)
(1 j)
2
=
A
2
A
2

( A)
2
( A)
2
=

3
A ( A)
< 0 (40)
Ainsi, lestimateur du maximum de vraisemblance du paramtre j, not j, est dni par :
j =
A

(41)
Question 8 (1 point) VRAI Daprs les rsultats de la question prcdente, on sait que
0
2
log 1(j)
0j
2
=
A
j
2

( A)
(1 j)
2
=

j ( j)
(42)
La borne FDCR est dnie par linverse de la quantit dinformation de Fisher 1 (j) telle que
:
1 (j) = 1
_
0
2
log 1(j)
0j
2
_
=

j ( j)
(43)
Borne FDCR =
1
1 (j)
=
j ( j)

(44)
Or, nous savons que lestimateur du MV, j = A,, est telle que :
\ ( j) = \
_
A

_
=
\ (A)

2
=
j ( j)

(45)
5
C. Hurlin. Correction Examen Novembre 2007 page 6
Ainsi, lestimateur du MV est ecace puisque :
\ ( j) = Borne FDCR =
j ( j)

(46)
Question 9 (0.5 point) FAUX. Sil existe un estimateur ecace alors celui-ci correspond lestimateur
du maximum de vraisemblance. On peut donc concevoir un estimateur du maximum de
vraisemblance non ecace, voir mme biais (cf. exercices TD).
Question 10 (0.5 point) VRAI. Calculons tout dabord lesprance de la v.a.r.o
N
.
1
_
o
2
N
_
=
1

1
_
N

i=1
_
A
i
A
N
_
2
_
(47)
Considrons la dcomposition suivante :
N

i=1
_
A
i
A
N
_
2
=
N

i=1
_
A
i
:+:A
N
_
2
=
N

i=1
_
(A
i
:)
_
A
N
:
_
2
=
N

i=1
(A
i
:)
2
+
_
A
N
:
_
2
2
_
A
N
:
_
N

i=1
(A
i
:)
Or, on rappelle que A
N
=

N
i=1
A
i
,. Ds lors,
2
_
A
N
:
_
N

i=1
(A
i
:) = 2
_
A
N
:
_
_
N

i=1
A
i
:
_
= 2
_
A
N
:
_ _
A
N
:
_
= 2
_
A
N
:
_
2
On obtient ainsi
N

i=1
_
A
i
A
N
_
2
=
N

i=1
(A
i
:)
2
+
_
A
N
:
_
2
2
_
A
N
:
_
2
=
N

i=1
(A
i
:)
2

_
A
N
:
_
2
(48)
Par consquent, on obtient en esprance :
1
_
o
2
N
_
=
1
:
1
_
n

i=1
(A
i
:)
2
_

1
:
1
_
:
_
A
n
:
_
2
_
(49)
=
1
:
1
_
n

i=1
(A
i
:)
2
_
1
_
_
A
n
:
_
2
_
(50)
6
C. Hurlin. Correction Examen Novembre 2007 page 7
On reconnait dans le terme de gauche la dnition de la variance de la variable A
i
. Etant
donne que les variables A
i
sont indpendantes et de mme loi que A, on a :
1
_
N

i=1
(A
i
:)
2
_
=
N

i=1
1
_
(A
i
:)
2
_
=
N

i=1
1
_
(A :)
2
_
=
N

i=1
ar (A) = o
2
(51)
De la mme faon, on sait que :
1
_
_
A
n
:
_
2
_
= 1
_
_
A
N
1
_
A
N
__
2
_
= ar
_
A
N
_
=
o
2

(52)
Ainsi, on obtient nallement la proprit suivante :
1
_
o
2
N
_
= o
2

o
2

=
_
1

_
o
2
(53)
Donc
lim
N!1
1
_
o
2
N
_
= o
2
(54)
Ainsi, o
N
est un estimateur asymptotiquement non biais de la variance o
2
.
================
Exercice 3 Maximum de Vraisemblance et loi Gamma. Barme :
On considre une v.a.r. A positive et distribue selon une loi Gamma (ou loi dErlang) de
paramtres 3 et 0 0, note (3, 0) . On rappelle que la densit de la v.a.r. A est alors dnie par
:
) (r, 0) =
r
2
c

2 0
3
8r 2 R
+
(55)
et que ses deux premiers moments sont dnis par :
1 (A) = 30 \ (A) = 3 0
2
(56)
Question 1 (1 point) La vraisemblance associe un -chantillon alatoire fA
1
, .., A
N
g i.i.d.
de mme loi que A est :
1(A
1
, .., A
N
, 0) = 1(0) =
N

i=1
) (A
i
, 0) =
1
2
N
0
3N
N

i=1
A
2
i
exp
_

1
0
N

i=1
A
i
_
0.5 point (57)
Ds la log-vraisemblance scrit :
log 1(0) = log (2) 3 log (0) + 2
N

i=1
log (A
i
)
1
0
N

i=1
A
i
0.5 point (58)
7
C. Hurlin. Correction Examen Novembre 2007 page 8
Question 2 (1.5 point) On a :
0 log 1(0)
00
=
3
0
+
1
0
2
N

i=1
A
i
(59)
Un point candidat est

0 tel que :
0 log 1(0)
00

=
3

0
+
1

0
2
N

i=1
A
i
= 0 (60)
ou de faon quivalente :

0 =
1
3
N

i=1
A
i
=
A
N
3
0.5 point (61)
On vrie que

0 correspond bien un maximum de la la fonction de log-vraisemblance puisque

:
0
2
log 1(0)
00
2

=
3

0
2

2

0
3
N

i=1
A
i
(62)
Par dnition de

0 il vient :
0
2
log 1(0)
00
2

=
3

0
2

2

0 3

0
3
=
3

0
2

6

0
2
=
3

0
2
< 0 0.5 point (63)
Question 3 (1.5 point) Lestimateur du maximum de vraisemblance

0 est sans biais puisque :
1
_

0
_
=
1
3
1
_
N

i=1
A
i
_
=
1
3
N

i=1
1 (A
i
) (64)
Puisque les v.a.r. A
i
sont i.i.d. et telles que 1 (A
i
) = 1 (A) = 30, on a :
1
_

0
_
=
1 (A)
3
=
30
3
= 0 0.5 point (65)
De mme, on montre que :
\
_

0
_
=
1
3
2

2
\
_
N

i=1
A
i
_
(66)
Puisque les variables sont i.i.d. et telles \ (A
i
) = \ (A) = 30
2
(0.5 point) on a :
\
_

0
_
=
1
3
2

2
N

i=1
\ (A
i
) =
30
2
3
2

2
=
0
2
3
(67)
Ainsi :
1
_

0
_
= 0 (68)
8
C. Hurlin. Correction Examen Novembre 2007 page 9
lim
N!1
\
_

0
_
= lim
N!1
0
2
3
= 0 0.5 point (69)
On en dduit que lestimateur du MV est convergent en probabilit :
j lim
N!1

0 = 0 (70)
Question 4 (1.5 point) Daprs le thorme central limite, on sait que si les v.a.r. fA
1
, .., A
N
g
sont i.i.d.
_
30, 30
2
_
, alors on a :
p

_
A
N
30
_
L
!
N!1

_
0, 30
2
_
1 point (71)
On en dduit immditament que :
p

_
3

0 30
_
L
!
N!1

_
0, 30
2
_
(72)
ou encore
p

0 0
_
L
!
N!1

_
0,
0
2
3
_
0.5 point (73)
Question 5 (1.5 points) On admet que si est susament grand :
p

0 0
0,
p
3
_
t (0, 1) 0.5 point (74)
ou encore
p
3

0
0

p
3 t (0, 1) (75)
On en dduit que :
Pr
_
1.96 <
p
3

0
0

p
3 < 1.96
_
' 0.95 (76)
()Pr
_
1.96 +
p
3
p
3
<

0
0
<
1.96 +
p
3
p
3
_
' 0.95 (77)
()Pr
__
p
3
1.96 +
p
3
_

0 < 0 <
_
p
3
1.96 +
p
3
_

0
_
' 0.95 1 point (78)
Application Numrique : A
N
= 3.3, = 100, c = 5%
1C
95
=
__
p
3
1.96 +
p
3
_
A
N
3
;
_
p
3
1.96 +
p
3
_
A
N
3
_
=
__
p
300
1.96 +
p
300
_
3.3
3
;
_
p
300
1.96 +
p
300
_
3.3
3
_
= [0.988; 1.24] 0.5point (79)
Question 6 (1 point) On sait que :
1
_

0
2
_
=
1 (A)
3 ( 1)
=
_

1
_
0 (80)
Lestimateur

0
2
est asymptotiquement sans biais alors que

0
MV
est sans biais y compris
petit chantillon. Donc on prfra toujours

0
MV

0
2
(1 point). Il est donc inutile de comparer
\
_

0
2
_
\
_

0
MV
_
pour une taille xe (0.5 point).
9